R.Criado y A.Gallinari PDF

lgebra
R.Criado y A.Gallinari
2003
lgebra
Introduccin
En sus orgenes, el lgebra clsica era el arte de resolver ecuaciones (la
palabra lgebra proviene de un vocablo rabe que signica reduccin). El
lgebra moderna est caracterizada por el estudio de ciertas estructuras abstractas que tienen en comn una gran variedad de objetos matemticos. El
calicativo abstracto se reere al resultado de realizar el proceso de abstraccin sobre las propiedades observables de ciertos objetos matemticos, es
decir, el proceso consistente en separar la forma del contenido.
La estructura principal objeto de estudio en esta publicacin es la de
espacio vectorial. Las aplicaciones de esta estructura incluyen virtualmente todas las reas de la ciencia. Se incluye una aplicacin de los espacios
vectoriales relacionada estrechamente con el mundo de la informtica y las
telecomunicaciones, en concreto a la teora de cdigos y se estudian varias
tcnicas y herramientas de inters para otras aplicaciones.
Este volumen viene acompaado por un libro de Prcticas y Problemas
con el sistema Maple V, disponible en versin digital, que contiene una ampliacin y completa la descripcin de los conceptos tericos. Las prcticas
permiten el desarrollo y la experimentacin con los aspectos ms numricos y estn diseada para potenciar el empleo de la notable capacidad de
visualizacin grca que ofrece el programa Maple V.
A cada tema terico y prctico hemos aadido ejercicios resueltos y ejercicios propuestos.
Los principales objetivos didcticos que intentamos conseguir son que el
lector:
aprenda y utilize correctamente tcnicas y mtodos propios del lgebra

lineal.
vea la descripcin de algunas aplicaciones a la Informtica.
comprenda y aplique algunos mtodos numricos de resolucin de sistemas de ecuaciones lineales y de aproximacin de autovalores y autovectores.
aprenda a utilizar el programa Maple V (como ejemplo de sistema de
computacin simblica) en sus aplicaciones al lgebra lineal.
Algunos apartados de esta publicacin (sobre todo en la parte de ejercicios) son una adaptacin del material contenido (unas veces sin modicarlo,
otras proponiendo variaciones de ello) en la bibliografa incluida.
lgebra
Agradecimientos
Queremos agradecer al profesor Luis E. Sol Conde por su participacin
en la correccin de estas notas y la elaboracin de los enunciados de varios
ejercicios propuestos en este libro.
Gracias tambin a los profesores Alejandro J. Garca del Amo Jimnez
y Begoa Jimnez Martn por la elaboracin de los enunciados de varios
ejercicios propuestos y a los alumnos que han sealado erratas y errores en
versiones previas de esta publicacin.
lgebra
ndice General
1 Sistemas de ecuaciones lineales, matrices y estructuras algebraicas
9
1.1
1.2
1.3
1.4
Sistemas de ecuaciones lineales, matrices y eliminacin gaussiana

1.1.1 Introduccin a los sistemas de ecuaciones lineales . . .
1.1.2 Sistemas homogneos . . . . . . . . . . . . . . . . . . .
1.1.3 Transformaciones elementales por las.
Introduccin al mtodo de Gauss-Jordan . . . . . . . .
1.1.4 Sistemas equivalentes . . . . . . . . . . . . . . . . . . .
1.1.5 Estrategia para la aplicacin del mtodo
de eliminacin gaussiana . . . . . . . . . . . . . . . . .
1.1.6 Mtodo de Gauss-Jordan . . . . . . . . . . . . . . . . .
Matrices y operaciones con matrices . . . . . . . . . . . . . . .
1.2.1 Suma de matrices . . . . . . . . . . . . . . . . . . . . .
1.2.2 Producto de matrices . . . . . . . . . . . . . . . . . . .
1.2.3 Propiedades del producto de matrices . . . . . . . . . .
1.2.4 El producto de una matriz por un escalar . . . . . . . .
1.2.5 El anillo de matrices cuadradas Mn (K) . . . . . . . . .
1.2.6 Matrices invertibles . . . . . . . . . . . . . . . . . . . .
1.2.7 Matrices elementales y un mtodo para hallar A1 . . .
Estructuras algebraicas . . . . . . . . . . . . . . . . . . . . . .
1.3.1 El concepto de operacin . . . . . . . . . . . . . . . . .
1.3.2 Grupos . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.3 Anillos y cuerpos . . . . . . . . . . . . . . . . . . . . .
1.3.4 Introduccin a los Tipos Abstractos de Datos . . . . .
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.1 Ejercicios resueltos . . . . . . . . . . . . . . . . . . . .
1.4.2 Ejercicios propuestos . . . . . . . . . . . . . . . . . . .
5
10
10
13
14
18
22
24
26
29
31
33
37
39
40
43
47
47
50
52
57
60
60
64
lgebra
2 Espacios vectoriales
2.1
Vectores en el plano y en el espacio . . . . . . . . . . . . . . .

2.1.1 Producto vectorial y producto mixto . . . . . . . . . .
2.1.2 Rectas en le plano . . . . . . . . . . . . . . . . . . . .
2.1.3 Planos en el espacio tridimensional . . . . . . . . . . .
2.1.4 Rectas en el espacio tridimensional . . . . . . . . . . .
2.2 Espacios vectoriales sobre un cuerpo K . . . . . . . . . . . . .
2.2.1 Propiedades de vectores . . . . . . . . . . . . . . . . .
2.2.2 Producto cartesiano de espacios vectoriales . . . . . . .
2.2.3 Funciones con codominio en un espacio vectorial . . . .
2.3 Subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . .
2.4 Dependencia e independencia lineal . . . . . . . . . . . . . . .
2.5 Bases y dimensin . . . . . . . . . . . . . . . . . . . . . . . .
2.5.1 Sistemas generadores y bases . . . . . . . . . . . . . .
2.5.2 Equipotencia de bases . . . . . . . . . . . . . . . . . .
2.6 Subespacios vectoriales y dimensin . . . . . . . . . . . . . . .
2.7 Rango de un sistema de vectores y de una matriz . . . . . . .
2.8 El teorema de Rouch-Frbenius . . . . . . . . . . . . . . . . .
2.9 Mtodo de Gauss y rango . . . . . . . . . . . . . . . . . . . .
2.9.1 Transformaciones elementales por columnas y matrices
elementales . . . . . . . . . . . . . . . . . . . . . . . .
2.9.2 Mtodo de Gauss para calcular el rango de una matriz
2.9.3 Algoritmo de extensin de una base . . . . . . . . . . .
2.9.4 Rango y espacio la de una matriz . . . . . . . . . . .
2.10 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
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
Algoritmo para hallar una base del ncleo y de la imagen178

Matriz asociada a la composicin de funciones lineales . 179
Matrices semejantes y cambios de base . . . . . . . . . 183
Ecuaciones paramtricas e implcitas de un subespacio
vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . 185
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
3.6.1 Ejercicios resueltos . . . . . . . . . . . . . . . . . . . . 190
3.6.2 Ejercicios propuestos . . . . . . . . . . . . . . . . . . . 193
4 Espacios vectoriales eucldeos

4.1
4.2
4.3
4.4
4.5
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 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
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
Funciones complejas de variable real . . . . . . . . . . . . .

6.3.1 La exponencial compleja . . . . . . . . . . . . . . . .
Ecuaciones diferenciales . . . . . . . . . . . . . . . . . . . .
6.4.1 La ecuacin de primer orden . . . . . . . . . . . . . .
6.4.2 La ecuacin de orden n . . . . . . . . . . . . . . . . .
6.4.3 Sistemas de ecuaciones diferenciales . . . . . . . . . .
La semejanza de matrices y los sistemas de ecuaciones . . . .
6.5.1 Sistemas diagonales . . . . . . . . . . . . . . . . . . .
6.5.2 Sistemas triangulares . . . . . . . . . . . . . . . . . .
Diagonalizacin y triangulacin de matrices . . . . . . . . .
6.6.1 El polinomio caracterstico de una matriz . . . . . . .
6.6.2 Matrices diagonalizables . . . . . . . . . . . . . . . .
6.6.3 Triangulacin de matrices . . . . . . . . . . . . . . .
6.6.4 Resolucin de sistemas de ecuaciones diferenciales por
triangulacin . . . . . . . . . . . . . . . . . . . . . .
Relaciones de recurrencia . . . . . . . . . . . . . . . . . . . .
6.7.1 Relaciones de primer orden . . . . . . . . . . . . . . .
6.7.2 Sistemas de relaciones de recurrencia . . . . . . . . .
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.8.1 Ejercicios resueltos . . . . . . . . . . . . . . . . . . .
6.8.2 Ejercicios propuestos . . . . . . . . . . . . . . . . . .
7 Soluciones de los ejercicios

7.1
7.2
7.3
7.4
7.5
7.6
Soluciones de los ejercicios

del captulo 1 . . . . . . .
del captulo 2 . . . . . . .
del captulo 3 . . . . . . .
del captulo 4 . . . . . . .
del captulo 5 . . . . . . .
del captulo 6 . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
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
A Nuevo mtodo de triangulacin por semejanza
343
Captulo 1
Sistemas de ecuaciones lineales,
matrices y estructuras algebraicas
Este primer captulo comienza con el estudio de los sistemas de ecuaciones
lineales, de las matrices y de las operaciones con matrices.
Estos conceptos estn en la base del lgebra lineal, y se asume que ya se
ha tenido un contacto previo con ellos en cursos anteriores.
Es conveniente sealar que en este nivel no slo es importante entender
los mtodos de clculo de las soluciones de los problemas que se estudiarn,
sino tambin el porqu dichos mtodos funcionan.
Hablaremos de sistemas de n ecuaciones con m variables, donde n y m
en general no son iguales, y de un algoritmo de clculo, el mtodo de eliminacin gaussiana, que nos permitir resolver sistemas de ecuaciones lineales
generales.
En la segunda parte del captulo, una vez establecidas las propiedades
que satisfacen las matrices respecto de la suma y producto, se introducen
las estructuras algebraicas de grupo, anillo y cuerpo con el objeto de reunir, bajo una estructura algebraica abstracta, las propiedades que tienen en
comn, por ejemplo, los nmeros enteros, reales y complejos, las matrices y
los polinomios, y destacar aquellas propiedades que no comparten. En ese
sentido, la denicin de una estructura algebraica (por ejemplo, la denicin
de grupo) responder a la abstraccin de ciertas propiedades comunes a los
objetos anteriores, entendiendo por abstraccin el proceso de separar la forma del contenido. Como colofn del captulo y aplicacin de los conceptos
previamente introducidos veremos una introduccin a los tipos abstractos de
datos.
9
10
lgebra
1.1 Sistemas de ecuaciones lineales, matrices y

eliminacin gaussiana
Al aplicar la teora de ecuaciones lineales, entre otras disciplinas, a la informtica, aparecen ecuaciones lineales con coecientes enteros, binarios (0
1), reales o incluso complejos. La denicin de la estructura algebraica de
cuerpo se introducir ms tarde. Cmo en la mayor parte de los resultados
referentes a la teora de ecuaciones lineales no hace falta hacer distincin
entre los casos en los que los coecientes son elementos del cuerpo R de los
nmeros reales o del cuerpo C de los nmeros complejos, a lo largo del captulo se considerar que los coecientes de las ecuaciones pertenecen a un
cuerpo genrico K, donde K = R C, aunque en algunos casos en los que se
dir explcitamente, se consideraran tambin coecientes binarios, es decir,
del cuerpo Z2 = {0, 1} de los nmeros enteros mdulo 2.
Se asume que el estudiante ha trabajado en cursos anteriores con elementos de R2 y R3 , a los que se denominan pares ordenados y ternas. Ambos
conceptos son casos particulares del concepto de n tupla o elemento del
producto cartesiano de n copias de R, Rn , donde n es un nmero natural, o
en general de Kn . As
Kn = {(x1 , ..., xn ) | i {1, ..., n}
xi K}
De este modo, un par ordenado es una 2 tupla (un elemento de K2 ) y

una terna es una 3 tupla (un elemento de K3 ).
1.1.1 Introduccin a los sistemas de ecuaciones lineales

Denicin 1.1.1 Una ecuacin lineal en las variables (o incgnitas) x1 , ..., xn
es una expresin de la forma
a1 x1 + ... + an xn = b
A a1 , ..., an K se les denomina coecientes de la ecuacin, y a b K
trmino independiente.
Observacin 1 Habitualmente, los coecientes a1 , ..., an y el trmino inde-
pendiente b sern elementos de un cuerpo K (con K = R C). En tal caso

se dice que la ecuacin anterior es una ecuacin lineal con coecientes en K.
lgebra
11
Observacin 2 Cuando n 3 es usual utilizar las variables x, y y z en

lugar de x1 , x2 y x3
Ejemplo 1.1.2 Si n = 2 y a1 , a2 R, la ecuacin lineal

a1 x + a2 y = b
(I)
representa una recta en el plano R2 , es decir, el conjunto de pares (x, y) que

satisfacen la ecuacin (I) constituyen una recta. Por ejemplo, la ecuacin
y 2x = 2 representa la recta
-1 0
Figura 1.1: La recta y=2x+2

Es importante observar que las operaciones que afectan a las variables
que intervienen en las ecuaciones lineales se reducen a multiplicarlas por los
coecientes y sumarlas. As por ejemplo,
3x + 4y = 24
x1 x2 + 5x3 ( 2)x4 = 1
(e2 )x1 3x2 + x3 x4 = 0
son ecuaciones lineales. Sin embargo NO son ecuaciones lineales
3x2 + 4y = 24
x1 x2 + 5x3 2 x4 = 1
e2x1 3x2 + x3 x4 = 0
12
lgebra
Denicin 1.1.3 Se dice que (1 , ..., n ) Kn es solucin de la ecuacin

a1 x1 + ... + an xn = b
si
a1 1 + ... + an n = b.
Ejemplo 1.1.4 (x, y, z) = (3, 2, 1) es solucin de x + y + z = 4. Por otra

parte (x, y, z) = (4, 0, 0) tambin es solucin de dicha ecuacin.
Un sistema de ecuaciones lineales es una sucesin nita de ecuaciones

lineales. Es usual representar los sistemas de ecuaciones lineales verticalmente (i.e., colocando la sucesin de ecuaciones lineales en columna). As, un
sistema de m ecuaciones lineales con n incgnitas se representara por
a11 x1 + ... + a1n xn = b1

..
.
a x + ... + a x = b
m1 1
mn n
m
Ejemplo 1.1.5 El sistema
x2 + x3 = 1
2x1 x3 = 2
x2 + x3 = 4
es un sistema de 3 ecuaciones con 3 incgnitas.
Denicin 1.1.6 Se dice que (1 , ..., n ) Kn es solucin del sistema de

ecuaciones
a11 x1 + ... + a1n xn = b1

..
.
a x + ... + a x = b
m1 1
mn n
m
si
i {1, ..., m}
o, lo que es lo mismo,
ai1 1 + ... + ain n = bi
a11 1 + ... + a1n n = b1

..
.
a + ... + a = b
m1 1
mn n
m
lgebra
13
Es importante tener presente que los sistemas de ecuaciones lineales pueden no tener soluciones, o tener ms de una. Por ejemplo, el sistema de
ecuaciones lineales con coecientes en R
x1 x2 = 1
x1 x2 = 4
no tiene solucin, ya que contiene las ecuaciones de dos rectas distintas y
paralelas.
Los sistemas de ecuaciones lineales que no tienen solucin, como el del
ejemplo anterior, se denominan sistemas incompatibles.
Los que tienen al menos una solucin, esto es, los sistemas compatibles, pueden tener una nica solucin, en cuyo caso se denominan compatibles determinados, o ms de una solucin, en cuyo caso, si los coecientes
del sistema son nmeros reales o complejos, el sistema tiene innitas soluciones (como se ver por el teorema 1.2.14), y los sistemas correspondientes se
denominan compatibles indeterminados.
Ejercicio 1.1.1 Encontrar tres sistemas de dos ecuaciones lineales con coe-
cientes en R con dos incgnitas, uno compatible determinado, otro compatible

indeterminado y un tercero incompatible y representar el conjunto solucin
de cada una de las dos ecuaciones lineales que lo forman en el plano R2 .
Extraer conclusiones.
1.1.2 Sistemas homogneos

Denicin 1.1.7 Se dice que un sistema de ecuaciones lineales es homogneo si los trminos independientes de todas las ecuaciones que lo constituyen
son iguales a 0.
Ejemplo 1.1.8
x1 + x3 = 0
2x1 x2 + x3 = 0
es un sistema homogneo de 2 ecuaciones con 3 incgnitas.
Observacin 3 Cualquier sistema de ecuaciones lineales homogneo
a11 x1 + ... + a1n xn = 0

..
.
a x + ... + a x = 0
m1 1
mn n
14
lgebra
es compatible, puesto que (0, ..., 0) Kn es siempre una solucin de dicho

sistema. A esta solucin se la conoce como solucin trivial. Si un sistema
homogneo tiene soluciones distintas de la trivial, a cualquiera de dichas
soluciones la denominaremos solucin no trivial.
En el captulo 2 demostraremos que un sistema homogneo de ecuaciones
lineales con coecientes en R C satisface exactamente una de las siguientes
proposiciones:
El sistema homogneo slo tiene la solucin trivial.

El sistema homogneo tiene innitas soluciones adems de la trivial.
En particular, demostraremos que todo sistema homogneo con coecientes en R C que tenga ms incgnitas que ecuaciones tiene innitas
soluciones.
Se pueden comprender e interiorizar los resultados anteriores a travs
de la resolucin de los siguientes ejercicios:
Ejercicio 1.1.2 Comprobar que el sistema homogneo
x1 + x3 = 0
2x1 x2 + x3 = 0
tiene innitas soluciones en R3 , despejando las variables x1 y x2 en funcin

de x3 , y obtener una solucin del sistema para cada valor de x3 considerado.
Ejercicio 1.1.3 Vericar que el sistema
x1 + x2 = 0
2x1 x2 = 0
slo tiene la solucin trivial.
1.1.3 Transformaciones elementales por las.

Introduccin al mtodo de Gauss-Jordan
En esta seccin haremos una primera descripcin del mtodo de GaussJordan para encontrar las soluciones (si es que existen) de un sistema de
ecuaciones lineales. La justicacin del mtodo y su descripcin precisa se
lgebra
15
realizar en las dos siguientes secciones. En esta seccin tambin daremos

una primera justicacin de la denicin del producto de matrices (i.e., de
porqu el producto de matrices se dene tal y como se dene). Al proceso
de clculo de las soluciones de un sistema de ecuaciones compatible se le
denomina resolucin del sistema.
Si consideramos el sistema de ecuaciones lineales:
x1 x2 + x3 = 1
2x1 + x2 x3 = 2
x1 + 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.
Si una vez obtenido el valor de una de las variables, en lugar de sustituir

hacia atrs, seguimos sumando a una ecuacin otra multiplicada por un nmero, multiplicando ambos miembros de la ecuacin por nmeros adecuados e
intercambiando ecuaciones con el objeto de obtener un sistema de ecuaciones
escalonado en el que en cada ecuacin aparezca nicamente una incgnita,
estaremos aplicando el mtodo conocido como mtodo de Gauss-Jordan.
Una forma de representar sistemas de ecuaciones lineales consiste en utilizar matrices, esto es, tablas de coecientes ordenadas segn un nmero
determinado de las y columnas. De hecho, el mtodo de Gauss-Jordan se
16
lgebra
aplica ms fcilmente sobre la que se denomina matriz ampliada asociada al

sistema que sobre el propio sistema. La matriz asociada al sistema
x1 x2 + x3 = 1
2x1 + x2 x3 = 2
x1 + 2x2 + x3 = 4
es por denicin la matriz
1 1 1
2 1 1
1 2
1
y la matriz ampliada asociada a dicho
1 1 1
2 1 1
1 2
1
sistema es
1
2
4
La aplicacin del mtodo de Gauss-Jordan sobre dicha matriz para obtener la solucin del sistema de ecuaciones que representa nos dara sucesvamente:
1 1 1 1
1 1 1 1
2 1 1 2 F2 = F2 2F1 0 3 3 0 F2 F3
F3 = F3 F1
0 3
0 3
1 2
1 4
1 1 1 1
1 1 1 1
0 3
0 3 F2 = 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
La ltima matriz representa, obviamente, que x1 = 1, x2 = 1 y x3 = 1.

En la resolucin del sistema anterior hemos aplicado sobre la matriz ampliada del sistema lo que se denominan transformaciones elementales por
las. Estas son las siguientes:
1. Sumar a una la otra multiplicada por un nmero: Fi = Fi + Fj
2. Multiplicar una la por un nmero distinto de cero: Fi = Fi
3. Intercambiar dos las: Fi Fj
En cualquier caso, no todos los sistemas de ecuaciones lineales tienen
solucin. Por ejemplo, si consideramos el sistema
x1 x2 = 1
2x1 2x2 = 4
la aplicacin de las transformaciones elementales correspondientes sobre la
matriz ampliada asociada al sistema nos lleva a
1 1 1
1 1 1
F2 = F2 2F1
0 0
2
2 2 4
es decir, 0x1 + 0x2 = 2.
As pues, el sistema anterior es un sistema incompatible.
Un ejemplo de sistema compatible indeterminado sera el siguiente:
x1 x2 + x3 = 1
2x1 + x2 x3 = 2
2x1 2x2 + 2x3 = 2

Al resolverlo por el mtodo de Gauss-Jordan obtenemos:
1 1 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
es decir, x1 = 1 y x2 x3 = 0, o lo que es lo mismo, x2 = x3 , con lo que,

si escribimos x3 = t, para cada valor de t tenemos una solucin del sistema.
Sera solucin del sistema (1, 1, 1), (1, 2, 2), ... en total tendramos innitas
soluciones, tantas como posibles valores del parmetro t; esto ocurre porque
estamos trabajando sobre el cuerpo de los nmeros reales, luego t toma
valores en R, que es innito.
18
lgebra
1.1.4 Sistemas equivalentes

La aplicacin sucesiva de transformaciones elementales por las sobre un sistema de ecuaciones lineales (o sobre su matriz ampliada) permite pasar de
un sistema de ecuaciones lineales a otro que, teniendo las mismas soluciones
que el planteado, es ms sencillo de resolver. En esta seccin demostraremos
con todo detalle que esto es efectivamente as. Por otra parte, las transformaciones elementales son reversibles, es decir, si realizando transformaciones
elementales sobre un sistema de ecuaciones lineales S obtenemos un sistema de ecuaciones lineales S 0 , podemos recuperar S a partir de S 0 realizando
las transformaciones elementales inversas en el orden adecuado (el orden
inverso del que se ha seguido para pasar de S a S 0 ).
TRASFORMACIN
Fi = Fi + Fj
Fi = Fi ( 6= 0)
Fi Fj
TRANSFORMACIN INVERSA
Fi = Fi Fj
1
Fi = Fi
Fi Fj
Ejercicio 1.1.4 Realizar las transformaciones F3 = F3 F1 , F3 F1 ,

1
F2 = F2 sobre la matriz ampliada asociada al sistema.
2
x1 x2 + x3 = 1
2x1 + 2x2 2x3 = 2
x1 + 2x2 + x3 = 4
para obtener la matriz A0 . Realizar sobre A0 las transformaciones inversas

de las anteriores en el orden adecuado y comprobar que se obtiene la matriz
ampliada asociada al sistema dado.
Denicin 1.1.9 Se dice que dos sistemas de m ecuaciones lineales con n

incgnitas son equivalentes si uno de ellos puede obtenerse a partir del otro
realizando sobre el primero una sucesin nita de transformaciones elementales por las.
Observacin 4 Como ya hemos sealado, habitualmente representaremos a

un sistema de ecuaciones lineales
11 x1 + ... + 1n xn = 1
..
.
x + ... + x =
m1 1
mn n
m
lgebra
19
por su matriz ampliada:
11 ... 1n 1
..
.. 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:
Denicin 1.1.10 Si una matriz A0 se obtiene realizando transformaciones
elementales por las sobre una matriz A, diremos que las matrices A y A0
son equivalentes por las.
Observacin 5 A las transformaciones elementales por las, realizadas, bien

directamente sobre las ecuaciones del sistema, bien sobre las las de su matriz
ampliada las denotaremos del mismo modo.
Ejercicio 1.1.5 Vericar que la relacin de equivalencia de matrices en
Mmn (K) es una relacin binaria reexiva, simtrica y transitiva (es decir,
es una relacin de equivalencia en el sentido general).
Teorema 1.1.11 Si dos sistemas de ecuaciones son equivalentes, entonces
tienen exactamente las mismas soluciones. En otras palabras, si S y S 0 son

equivalentes,
(1 , ..., n ) es soluci
on de S (1 , ..., n ) es soluci
on de S 0 .
Demostracin Para demostrar el teorema, es suciente con estudiar el

caso en el que un sistema se obtiene a partir de otro mediante la aplicacin
de una nica transformacin elemental por las. Supongamos que el sistema
considerado es
11 x1 + ... + 1n xn = 1
21 x1 + ... + 2n xn = 2
S
..
x + ... + x =
m1 1
mn n
m
20
lgebra
Es obvio que el intercambio de lugar entre dos ecuaciones del sistema no

altera el conjunto solucin del mismo. Por consiguiente la aplicacin de una
transformacin del tipo Fi Fj no altera el conjunto solucin. Adems,
teniendo esto presente, podemos restringir el estudio al caso en el que las
transformaciones elementales se aplican nicamente sobre la primera y la
segunda ecuacin, dejando el resto inalteradas. Sea 6= 0, y supongamos
que
11 x1 + ... + 1n xn = 1
21 x1 + ... + 2n xn = 2
S0
..
x + ... + x =
m1 1
mn n
Veamos que (s1 , ..., sn ) soluci

on de S (s1 , ..., sn ) soluci
on de S 0 .
Si (s1 , ..., sn ) es solucin de S, tendremos que
11 s1 + ... + 1n sn = 1
21 s1 + ... + 2n sn = 2
..
s + ... + s =
m1 1
mn n
m
con lo que, multiplicando ambos miembros de la primera igualdad por ,
obtenemos que
11 s1 + ... + 1n sn = 1
21 s1 + ... + 2n sn = 2
..
s + ... + s =
m1 1
mn n
es decir, que (s1 , ..., sn ) es solucin de S 0 .

Veamos ahora el recproco, i.e., que
(s1 , ..., sn ) soluci
on de S 0 (s1 , ..., sn ) soluci
on de S.
0
Si (s1 , ..., sn ) es solucin de S , tendremos que
11 s1 + ... + 1n sn = 1
21 s1 + ... + 2n sn = 2
..
s + ... + s =
m1 1
mn n
lgebra
21
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 =
1
,
m1 1
mn n
es decir, que (s1 , ..., sn ) es solucin de S.

Supongamos ahora que
11 x1 + ... + 1n xn = 1
(21 + 11 )x1 + ... + (2n + 1n )xn = (2 + 1 )

S0
..
x + ... + x =
m1 1
mn n
Veamos que (s1 , ..., sn ) soluci

on de S (s1 , ..., sn ) soluci
on de S 0 .
Si (s1 , ..., sn ) es solucin de S, tendremos que
11 s1 + ... + 1n sn = 1
21 s1 + ... + 2n sn = 2
..
s + ... + s =
m1 1
mn n
con lo que, multiplicando los dos miembros de la primera ecuacin por , y

sumando miembro a miembro la primera ecuacin a la segunda obtendremos
11 s1 + ... + 1n sn = 1
(21 + 11 )s1 + ... + (2n + 1n )sn = (2 + 1 )

..
s + ... + s =
m1 1
mn n
Recprocamente, veamos que (s1 , ..., sn ) soluci

on de S 0 (s1 , ..., sn ) soluci
on
de S.
Si (s1 , ..., sn ) es solucin de S 0 , tendremos que
11 s1 + ... + 1n sn = 1
(21 + 11 )s1 + ... + (2n + 1n )sn = (2 + 1 )

..
s + ... + s =
m1 1
mn n
22
lgebra
Multiplicando la primera igualdad por y restndosela a la segunda obtenemos que
11 s1 + ... + 1n sn = 1
21 s1 + ... + 2n sn = 2
..
s + ... + s =
m1 1
mn n
con lo que (s1 , ..., sn ) es solucin de S. Esto completa la demostracin del

teorema.
2
1.1.5 Estrategia para la aplicacin del mtodo

de eliminacin gaussiana
1. Reordenar las ecuaciones para que en la primera ecuacin la primera
variable x1 tenga un coeciente no nulo, y multiplicar ambos miembros de
dicha ecuacin para que el coeciente de dicha variable sea 1.
2. Restar la primera ecuacin multiplicada por un escalar adecuado a las
dems ecuaciones con el objeto de que la primera variable aparezca solamente
en la primera ecuacin.
3. En el caso de que sea posible, reordenar las ecuaciones de la segunda
en adelante con el objeto de que la segunda variable x2 aparezca con un
coeciente no nulo y multiplicar ambos miembros de dicha ecuacin para
que el coeciente de dicha variable sea 1. Si la variable x2 no aparece ms
que en la primera ecuacin, hacer la operacin anterior con la variable x3 o
con la primera variable que aparezca con un coeciente no nulo en alguna de
las ecuaciones restantes (todas salvo la primera).
4. Restar la segunda ecuacin multiplicada por un escalar adecuado a las
ecuaciones situadas bajo la misma con el objeto de que la segunda variable
(o la que corresponda) no aparezca en ninguna ecuacin situada por debajo
de la segunda.
5. Operando anlogamente con el resto de las ecuaciones, el sistema as
obtenido ser un sistema escalonado, es decir, un sistema que se ajusta a la
siguiente denicin.
Denicin 1.1.12 Se dice que un sistema de ecuaciones es escalonado si
lgebra
(E.1)
(E.2)
23
La primera variable de cada ecuacin tiene 1 como

coeciente (a esta variable la denominaremos variable
principal de dicha ecuacin).
La variable principal de cualquier ecuacin siempre
aparece situada a la derecha de las variables
principales de las ecuaciones previas, y todas las ecuaciones
sin variable principal aparecen colocadas al nal.
La ltima frase de (E.2) puede parecer algo misteriosa. Sin embargo,

al llevar a cabo la estrategia anterior sobre un sistema concreto, podramos
obtener una ecuacin de la forma
0x1 + ... + 0xn = k

con k = 0 o k 6= 0 (en este ltimo caso el sistema es incompatible). Este tipo
de ecuaciones debern aparecer siempre en las ltimas las del sistema.
Ejemplo 1.1.13 Los siguientes sistemas de ecuaciones son escalonados:
x1 + x2 + 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
El conjunto de soluciones de un sistema escalonado es razonablemente

sencillo de obtener. Un sistema de ecuaciones escalonado ser compatible en
todos los casos en los que no aparezca una ecuacin de la forma
0x1 + ... + 0xn = k,
con
k 6= 0.
24
lgebra
Suponiendo que el sistema es compatible, a cualquier variable que no sea

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

Suponiendo que no aparece ninguna ecuacin de la forma
0x1 + ... + 0xn = k

con k 6= 0 en el sistema escalonado obtenido, comenzamos con la ltima
ecuacin del sistema asignado un parmetro diferente a cada variable libre
y expresando la variable determinada por la ltima ecuacin en trminos
de estos parmetros. Despus, operaremos anlogamente con la penltima
ecuacin, asignando diferentes parmetros a cada una de las nuevas variables
libres, y obteniendo el valor de la variable determinada por la penltima
ecuacin. Realizando las mismas operaciones con el resto de las ecuaciones
hasta llegar a la primera, al nal del proceso todas las variables libres tendrn
asignado un parmetro diferente, y todas las variables determinadas estarn
expresadas en trminos de estos parmetros.
Ejercicio 1.1.6 Resolver los siguientes sistemas de ecuaciones lineales por

el mtodo de eliminacin gaussiana.:
2x1 + x2 + 3x3 = 9
5x1 + 4x2 + 6x3 = 24
x1 + 3x2 2x3 = 4
3x1 + x2 + x3 5x4 = 4
5x1 + 2x2 + 4x3 2x4 = 6
1.1.6 Mtodo de Gauss-Jordan

El mtodo de Gauss-Jordan es una extensin del mtodo de eliminacin gaussiana, que consiste en eliminar la variable principal de la ecuacin correspondiente no solamente en las ecuaciones que aparecen situadas por debajo de
lgebra
25
la misma, sino en todas las ecuaciones del sistema. Por ello, la estrategia es
la misma que la del mtodo de eliminacin de Gauss, con la adicin de las
siguientes instrucciones en el lugar correspondiente:
4. Sustraer adems la segunda ecuacin multiplicada por un escalar adecuado de la primera ecuacin, con el objeto de eliminar la segunda variable
de la primera ecuacin.
5. En cada paso sustraer la ecuacin correspondiente multiplicada por
un escalar adecuado tanto de las ecuaciones situadas por debajo de la misma
como de las situadas por encima, con el objeto de que la variable principal
de cada ecuacin aparezca nicamente en la ecuacin de la que es variable
principal.
Los sistemas de ecuaciones que resultan de la aplicacin del mtodo de
Gauss-Jordan se dice que tienen forma escalonada reducida, es decir:
Denicin 1.1.14 Se dice que un sistema de ecuaciones est en forma escalonada reducida si
La primera variable de cada ecuacin tiene 1 como
coeciente (a esta variable la denominaremos variable
(E.R.1)
principal de dicha ecuacin).
La variable principal de cualquier ecuacin siempre
aparece situada a la derecha de las variables
(E.R.2)
principales de las ecuaciones previas, y todas las ecuaciones
sin variable principal aparecen colocadas al nal.
La variable principal de cada ecuacin aparece solamente
(E.R.3)
en la ecuacin de la que es variable principal.
Ejemplo 1.1.15 Vamos a resolver el siguiente sistema de ecuaciones por el

mtodo de Gauss Jordan, es decir, obteniendo una forma escalonada reducida
de dicho sistema
x1 4x2 + x3 = 2
x1 + 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).
Ejercicio 1.1.7 Resolver los siguientes sistemas de ecuaciones lineales por

el mtodo de Gauss-Jordan:
x1 x2 x3 + x4 = 5
x2 x3 + 2x4 = 8
2x1 x2 3x3 + 4x4 = 18
x1 + 5x2 2x3 = 0
x1 3x2 + x3 = 0
x1 + 5x2 x3 = 0
1.2 Matrices y operaciones con matrices

Al realizar una primera lectura de los epgrafes siguientes, hasta completar la
totalidad del captulo, se puede pensar que K = R C aunque los resultados
obtenidos sern vlidos para cualquier cuerpo K.
Como hemos visto en la seccin anterior, las matrices permiten representar sistemas de ecuaciones lineales. Veamos una denicin precisa de lo que
es una matriz:
Denicin 1.2.1 Una matriz de orden m n con coecientes en un cuerpo

K (por ejemplo K = R C) es una funcin:
A : {1, ..., m} {1, ..., n}

K
(i, j)
; A(i, j)
Se dice entonces que A es una matriz con m las y n columnas. Es
usual representar el coeciente A(i, j) de la matriz A por su correspondiente
lgebra
27
minscula con dos subndices, en este caso aij , y a la matriz completa A por
una tabla en la que en la la `i y en la columna j aparece el elemento
aij :
a11
a1n
.. .
A = ...
aij
.
am1
anm
As por ejemplo, la matriz A de dos las y dos columnas determinada por
A(1, 1) = 0, A(1, 2) = 1, A(2, 1) = 1, A(2, 2) = 4
0 1
se representar por
.
1 4
Al conjunto de matrices de m las y n columnas con coecientes en K lo
denotaremos por Mmn (K).
Es obvio que de la denicin anterior se sigue que dos matrices A, B son
iguales si son iguales como funciones, es decir, si son del mismo orden (i.e.,
si tienen el mismo nmero de las y de columnas, o lo que es lo mismo A, B

Mmn (K) para algn m y n) y (i, j) {1, ..., m}{1, ..., n} A(i, j) = B(i, j).
Ejemplo 1.2.2 Veamos algunos ejemplos de matrices denidas con notacin
funcional:
1. A M33 (K) denida por (A(i, i) = 1, i = 1, 2, 3) (A(i, j) =

0, i, j {1, 2, 3}, i 6= j) es la matriz:
1 0 0
0 1 0
0 0 1
2. Podemos utilizar tambin congruencias mdulo un nmero entero sobre i y j para denir la matriz; por ejemplo B M33 (R) dada por
(A(i, j) = 1 i + j 1 mod 2) (A(i, j) = 0 i + j 0 mod 2)
se representa por
0 1 0
1 0 1
0 1 0
28
lgebra
3. Otro ejemplo es la matriz C M33 (R) dada por (A(i, j) = 2i1 3j1 ),
que es
1 3 9
2 6 18
4 12 36
Recordemos ahora algunas deniciones y veamos otras nuevas:
Si A Mmn (K) se dice que A es una matriz de orden mn. Si m = n,

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

denotaremos por In (hay una para cada valor natural de n). As por
ejemplo,
1
0
0
0
1 0 0
0 1 0 0
1 0
0 1 0 e I4 =
I2 =
, I3 =
0 0 1 0 .
0 1
0 0 1
0 0 0 1
lgebra
29
En general la matriz In = (aij ) Mn (K) se dene por la condicin

i, j {1, ...n}, aii = 1 (i 6= j aij = 0). Utilizando la notacin
funcional, In Mn (K) quedara determinada por las condiciones:
(i {1, ..., n} In (i, i) = 1) (i, j {1, ..., n} (i 6= j In (i, j) = 0)).
Si A Mmn (K) se denomina matriz traspuesta de A a la matriz

t
A Mnm (K) tal que (i, j) {1, ..., n} {1, ..., m}
t
A(i, j) = A(j, i)
(empleando la notacin no funcional, si t A = (bij ), entonces
(i, j) {1, ..., n} {1, ..., m}
bij = aji ).
As por ejemplo, si
1 2
A = 2 0 M32 (R),
3 1
su traspuesta es
A=
1 2 3
2 0 1
M23 (R).
Un mtodo sistemtico para obtener la matriz traspuesta de una matriz

dada consiste en ir leyendo los coecientes por las para sistemticamente escribirlos por columnas.
1.2.1 Suma de matrices

La denicin de suma de matrices es muy natural:
Denicin 1.2.3 Si A, B Mmn (K), la suma de A y B es la matriz

A + B Mmn (K) denida por las condiciones
(i, j) {1, ..., m} {1, ..., n}

(A + B)(i, j) = A(i, j) + B(i, j)
1 1
1 3
2 2
Ejemplo 1.2.4 3 0 + 2 0 = 5 0
1 2
0 2
1 0
30
lgebra
Observacin 6 De la denicin anterior se sigue que para que dos matrices

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

denida por las condiciones
(i, j) {1, ..., m} {1, ..., n}
(0)(i, j) = 0
As por ejemplo,
(0) M23 (C) es la matriz
0 0 0
0 0 0
Observacin 7 En lo sucesivo tambin escribiremos (0) Mmn (K) para

representar a la matriz nula de orden m n.
Denicin 1.2.5 Si A Mmn (K) se denomina matriz opuesta de A a la

matriz (A) Mmn (K) denida por las condiciones
(i, j) {1, ..., m} {1, ..., n}
(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
2 1
0
=
.
1 1 3
1 1 3
Proposicin 1.2.6 Si A, B, C Mmn (K), se verica que:

1.
2.
3.
4.
A + B = B + A (propiedad conmutativa de la suma de matrices)

A + (B + C) = (A + B) + C (propiedad asociativa)
A + (0) = A, (0) + A = A ((0) es el elemento neutro para +)
A + (A) = (0), (A) + A = (0) ((A) es la opuesta de A)
lgebra
31
Demostracin Se trata de comprobar, en cada caso, que las matrices situadas a ambos lados de la igualdad son efectivamente iguales. Demostraremos la primera propiedad y el resto se propone como ejercicio.
Hay que comprobar que
(i, j) {1, ..., m} {1, ..., n}
(A + B)(i, j) = (B + A)(i, j)
Sea (i, j) {1, ..., m} {1, ..., n}. (A + B)(i, j)= (por denicin)=
=A(i, j) + B(i, j)=(puesto que la suma de nmeros reales o complejos y,
en general, de los elementos de un cuerpo, satisface la propiedad conmutativa) =B(i, j) + A(i, j)= (por denicin) =(B + A)(i, j).
2
Por satisfacer las 4 propiedades de la proposicin anterior se dice que las
matrices de orden m n con coecientes en K tienen estructura de grupo
abeliano respecto de la suma. De la matriz (0) se dice que es el elemento
neutro del grupo abeliano, y de la matriz (A) se dice que es la matriz
opuesta de A.
1.2.2 Producto de matrices

En captulos venideros veremos que la siguiente denicin del producto de
matrices permitir representar la actuacin de una funcin lineal sobre un
elemento como un producto de matrices, hecho que a su vez tendr como
consecuencia el que la composicin de funciones lineales se exprese como un
producto de matrices.
Si consideramos una ecuacin lineal, por ejemplo
2x1 + x2 + 6x3 = 3,
es posible considerar la parte izquierda de la igualdad como el producto de
la matriz de coecientes
(2 1 6)
por la matriz de incgnitas
y escribir
x1
x2
x3
x1
(2 1 6) x2 = (3)
x3
32
lgebra
Si la ecuacin anterior forma parte de un sistema, por ejemplo del sistema
2x1 + x2 + 6x3 = 3
5x1 + 4x2 + 6x3 = 24
x1 + 3x2 2x3 = 4
teniendo en cuenta que de la denicin de matriz se sigue que dos matrices
son iguales si tienen el mismo nmero de las y de columnas y los mismos
coecientes en cada la y columna, resulta que, utilizando la denicin de
producto de matrices anterior, podemos representar el sistema de ecuaciones
mediante un producto de matrices, esto es:

x1
3
2 1 6
5 4 6 x2 = 24 .
x3
4
1 3 2
En general, el sistema de ecuaciones
a11 x1 + ... + a1n xn = b1

..
.
a x + ... + a x = b
m1 1
mn n
m
puede representarse mediante el producto denido por la expresin:
x1
b1
A ... = ... .
xn
bm
Claro est que podemos considerar sistemas de ecuaciones con la misma
matriz de coecientes y distinto trmino independiente. Por ejemplo:
2x1 + x2 + 6x3 = 3
2x1 + x2 + 6x3 = 1
5x1 + 4x2 + 6x3 = 24 y
5x1 + 4x2 + 6x3 = 1 .
x1 + 3x2 2x3 = 4
x1 + 3x2 2x3 = 1
En ese caso, teniendo en cuenta, por una parte, que las soluciones de uno
no tienen porqu coincidir con las del otro, por lo que denotamos por y1 , y2
e y3 a las incgnitas del segundo sistema, y por otra, cuando dos matrices son iguales, podemos representarlos matricialmente de forma simultnea,
mediante la expresin:
2 1 6
3 1
x1 y 1
5 4 6 x2 y2 = 24 1 .
x3 y 3
1 3 2
4 1
lgebra
33
Esto nos lleva a la denicin de producto de dos matrices. Como observacin previa a la denicin, ntese que en los ejemplos anteriores, para poder
multiplicar la matriz de coecientes por la de incgnitas, era preciso que
el nmero de las de la matriz de coecientes coincidiese con el nmero de
columnas de la matriz de incgnitas.
Denicin 1.2.7 Dadas las matrices A Mmn (K) y B Mnp (K) se

denomina matriz producto de A y B , y se denota por A B a la matriz
A B Mmp (K) tal que
(i, j) {1, ..., m} {1, ..., p} A B(i, j) =
n
X
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
1.2.3 Propiedades del producto de matrices

El producto de matrices no es conmutativo, pues por ejemplo

1 1
1 1
2 2
=
1 1
2 2
1 1
y sin embargo
1 1
1 1
1 1
0 0
=
.
1 1
0 0
Proposicin 1.2.9 El producto de matrices satisface las siguientes propie-
dades:
34
lgebra
1. Es asociativo: A Mmn (K), B Mnp (K) y C Mpq (K),
(A B) C = A (B C)
(y por tanto podemos omitir los parntesis para denotar cualquiera de
estos productos y escribir A B C ).
2. Es distributivo respecto de la suma:
A Mmn (K), B, C Mnp (K)
A (B + C) = A B + A C
A Mmn (K), B, C Mpn (K)
(B + C) A = B A + C A
3.
A Mmn (K),
A (0) = A y
(0) A = (0)
Demostracin Antes de dar la demostracin debemos sealar que es usual

emplear el smbolo sumatorio
n
P
i=1
ai en lugar de la expresin a1 + ... + an , lo
que tiene sentido puesto que la suma considerada es asociativa.
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) =
=
(prop. distributiva en K)
(prop. asociativa en K)
=
=
n
X
k=1
n
X
A(i, k) (B C) (k, j) =
A(i, k)
k=1
p
n
X
X
s=1
k=1
p
n
X X
s=1
n
X X
p
X
s=1
p
B(k, s) C(s, j)
s=1
A(i, k) (B(k, s) C(s, j))
!
(A(i, k) B(k, s)) C(s, j)
k=1
p
(prop. distributiva en K)
!
A(i, k) B(k, s)
C(s, j) =
k=1
(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.
Observacin 8 Demostraciones como la anterior se incluyen para que
puedan ser consultadas por los alumnos interesados. En cualquier caso, es

conveniente conocer algunos hechos relativos a la notacin, y a los resultados
derivados del uso de la misma. Por ejemplo, en la proposicin anterior hemos
utilizado la igualdad
p
!
n
!
p
n
X
X
X
X
A(i, k) B(k, s) C(s, j) =
A(i, k) B(k, s) C(s, j)
k=1
s=1
s=1
k=1
que intuitivamente es evidente, puesto que tanto el producto de nmeros

reales como el de nmeros complejos es conmutativo y distributivo respecto
de la suma. La demostracin de que esta igualdad es vlida es consecuencia
de las siguientes propiedades relacionadas con el smbolo sumatorio, cuya
demostracin tambin se puede hacer por induccin:
36
lgebra
Si {ai }i{1,...,n} y {bj }j{1,...,p} son dos familias de nmeros reales o complejos, se verica que n N, p N,
p
!
p !!
n
n
X
X
X
X
ai
ai bj =
bj
i=1
j=1
i=1
j=1
Es decir, que
n
P
(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 !!
1
1
X
X
X
X
p N
ai bj =
ai
bj
i=1
j=1
i=1
j=1
o lo que es lo mismo, que

p
!
p !
X
X
p N
a1 bj = a1
bj .
j=1
j=1
Esta propiedad se demuestra

razonando por induccin
!sobre p : si
p
1
P
P
bj . Suponiendo
p = 1 es obvio que
a1 bj = a1 b1 = a1
j=1
j=1
!
!
p
p
P
P
a1 bj = a1
bj , resulta que
entonces cierto que
j=1
p+1
X
j=1
j=1
!
a1 bj
p
X
!
a 1 bj
+ a1 bp+1 =
j=1
= (por hip
otesis de inducci
on) =
p !
X
= a1
bj + a1 bp+1 =
j=1
p+1 !
X
= a1
bj .
j=1
lgebra
37
La demostracin del paso de induccin sobre n se propone como

ejercicio para todo aquel alumno interesado en hacerla.
es
Si {aik }(i,k){1,...,n}{1,...,p}
n denmeros reales o complejos,
p
unapfamilia
n
P
P
P P
aik o, lo que es lo mismo,
se verica que
aik =
i=1
k=1
i=1
k=1
(a11 + + a1p ) + + (an1 + + anp ) =

(a11 + + a1n ) + + (a1p + + anp ) .
La demostracin es similar a la del punto anterior.
Ejercicio 1.2.1 Demostrar que la trasposicin de matrices satisface las siguientes propiedades:
1. A Mmn (K)
t t
( A) = A
2. A, B Mmn (K)
(A + B) =t A +t B
3. A Mmn (K), B Mnp (K),
(A B) =t B t A
Ejercicio 1.2.2 Demostrar que A Mmn (K) y B Mnm (K)

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

Denicin 1.2.10 Si K y A Mmn (K) se dene la matriz A por las
siguientes condiciones
(i, j) {1, ..., m} {1, ..., n}
(A)(i, j) = A(i, j)
1 2
3 6
Ejemplo 1.2.11 (3) 2 0 = 6 0
3 1
9 3
38
lgebra
Ejemplo 1.2.12 Siendo K
(In ) =
0 0 0
0 0 0
0 0 0
.. .. .. . .
.
. ..
. . .
0 0 0
Mn (K)
Proposicin 1.2.13 , K A Mmn (K) se verica que

1.B Mnp (K) A (B) = (A) B = (A B)
2.B Mmn (K) (A + B) = A + B
3. ()(A) = ()(A) = (A)
4. ( + )A = A + A
5. ()A = (A)
Demostracin Ejercicio.
Teorema 1.2.14 Todo sistema de ecuaciones lineales con coecientes reales

o complejos o bien no tiene soluciones, o bien tiene exactamente una solucin
o bien tiene una innidad de soluciones.
Demostracin Necesitamos comprobar que si un sistema tiene ms que
una solucin, entonces tiene innitas soluciones. Sea AX = B el sistema

dado y s1 , s2 dos soluciones distintas (s1 6= s2 ). Entonces,
As1 = B = As2
y As1 As2 = A(s1 s2 ) = (0).
Se sigue que s1 s2 es solucin del sistema homogneo AX = 0 y que para

todo K, s3 s1 + (s1 s2 ) es solucin de AX = B :
As3 = A(s1 + (s1 s2 )) = As1 + A((s1 s2 )) =

= As1 + A(s1 s2 ) = As1 = B.
Hemos hallado tantas soluciones como elementos en K. Como K es, por hiptesis, R o C (que son innitos), obtenemos innitas soluciones.
2
lgebra
39
1.2.5 El anillo de matrices cuadradas Mn (K)

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

Proposicin 1.2.15 Si A, B, C Mn (K), se verica que:
1. A (B C) = (A B) C (propiedad asociativa del producto de matrices)
2. A (B + C) = A B + A C (propiedad distributiva de + respecto de )
3. A In = A, In A = A (la matriz In es elemento neutro para ).
Demostracin La demostracin de las propiedades 1 y 2 se ha hecho en un
caso ms general. La demostracin de la propiedad 3 se deja como ejercicio

(se trata de ver que las matrices A In y A son iguales y lo mismo con la otra
igualdad).
2
Observacin 9 Por tener Mn (K) estructura de grupo conmutativo respecto
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:
Denicin 1.2.16 Si A es una matriz cuadrada, A Mn (K), se dene

m N
Am = (Am1 ) A
donde, por convenio de notacin, se asume que A0 = In .
40
lgebra
Observacin 10 No es difcil comprobar que m, r N A Mn (K) se

satisfacen las siguientes propiedades:
1. Am+r = Am Ar
2. (Am )r = Amr
Observacin 11 Ntese que como consecuencia de la no conmutatividad del

producto de matrices, si A, B Mn (K) en general tendremos que
(A + B)2 = A2 + B 2 + A B + B A 6= 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
m
m
m
m
m
0
m1
(A + B) =
A B +
A
B + ... +
A0 B m .
0
1
m
Teniendo ahora en cuenta que,
0
0
(In ) = 0 0
.. ..
. .
0 0
siendo K
0 0
0 0
0
Mn (K)
.. . .
..
. .
.
0
y que toda matriz conmuta con la identidad, podemos obtener la siguiente

frmula, vlida A Mn (K), m N :
m
m
m
m1
m
m
(In ) A
+ ... +
(In )m
A +
(A + In ) =
1
m
0
1.2.6 Matrices invertibles

Denicin 1.2.17 Se dice que A Mn (K) es invertible si B Mn (K) tal
que
A B = In B A = In .
Obviamente, si B y B 0 satisfacen las condiciones de la denicin anterior,
es decir, si
A B = In B A = In
lgebra
y
41
A B 0 = In B 0 A = In
resulta que
B = B In = B (A B 0 ) = (B A) B 0 = In B 0 = B 0
por lo que dada A Mn (K) a lo sumo hay una matriz B que satisface las
condiciones de la denicin anterior.
Denicin 1.2.18 Si A Mn (K) es invertible, y

A B = In B A = In .
se dice que B es la matriz inversa de A y a dicha matriz la denotaremos
por A1 .
Observacin 12 En la denicin de matriz invertible, imponemos que el
producto de A por un cierta matriz B , por ambos lados, sea el elemento neutro. Hemos de hacerlo as porque el producto de matrices no es conmutativo.
Sin embargo, veremos en el teorema 1.2.22 que es suciente comprobarlo por
uno slo de los dos lados.
2 1/2
Ejemplo 1.2.19 La matriz inversa de la matriz A =
es la ma2 1
1 1/2
triz A1 =
.
2
2
Proposicin 1.2.20 Sean A, B, A1 , , Ap Mn (K). Se verica que :

1. si A, B Mn (K) son invertibles, entonces A B es invertible y
(A B)1 = B 1 A1 ,
2. si A1 , , Ap son invertibles, entonces el producto A1 A2 Ap es
invertible y (A1 A2 Ap )1 = Ap 1 A2 1 A1 1 ,
3. si A Mn (K) es invertible, entonces (A) Mn (K) es invertible y
(A)1 = (A1 ),
42
lgebra
4. si A Mn (K) es invertible, entonces

t
es invertible y
(A) Mn (K)
1
(A1 ) = (t A)
Corolario 1.2.21 Si A Mn (K) es una matriz invertible, se verica que

1
1. A1 es invertible y (A1 ) = A
2. m N Am es invertible y (Am )1 = (A1 )m
3. K, 6= 0 se verica que A es invertible, y (A)1 = 1 A1
El siguiente teorema arma que si una matriz cuadrada tiene una matriz
inversa a la derecha o a la izquierda, entonces es invertible:
Teorema 1.2.22 Si A, B Mn (K) se verica que:

1. A B = In B = A1 .
2. B A = In B = A1 .
Demostracin Probemos 2: suponemos que B A = In , y debemos probar
que A B = In .
Si B A = In , todo sistema que tenga como matriz asociada A tiene una
nica solucin: dado un sistema A X = C , donde C es una matriz columna,
multiplicando a ambos lados de la igualdad por B se obtiene:
B (A X) = B C
Por la asociatividad del producto de matrices
(B A) X = B C
Y usando nuestra hiptesis inicial
X = In X = B C
Es decir, que si X verica la ecuacin A X = C , necesariamente X = B C .
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 .
2
lgebra
43
1.2.7 Matrices elementales y un mtodo para hallar A1

Denicin 1.2.23 Se dice que una matriz A Mn (K) es una matriz ele-
mental si es el resultado de realizar una nica transformacin elemental por

las sobre la matriz In .
1 0
es una matriz elemental, pues
Ejemplo 1.2.24
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:
Teorema 1.2.25 Si E es la matriz elemental de orden m que se obtiene al
realizar la transformacin elemental t sobre las las de Im , y A Mmn (K),

entonces la matriz resultante de realizar la transformacin t sobre las las
de A es la matriz producto E A.
Ejercicio 1.2.3 Vericar el resultado anterior realizando la transformacin
elemental F3 = F3 + 3F1 sobre la matriz
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 ( 6= 0)
Fi Fj
Fi = Fi Fj
1
Fi = Fi
Fi Fj
resulta que, si denotamos por Pi () a la matriz elemental asociada a la transformacin Fi = Fi ( 6= 0), por Sij () a la matriz elemental asociada a la
transformacin Fi = Fi + Fj y por Eij a la matriz elemental asociada a la
transformacin Fi Fj , tenemos el siguiente corolario del teorema anterior:
Corolario 1.2.26 Toda matriz elemental es invertible, y su inversa tambin

es una matriz elemental. Concretamente,
(Sij ())1 = Sij ()
1
(Pi ())1 = Pi ( )
1
(Eij )
= Eji
Ejercicio 1.2.4 Verifquese el resultado recogido en el corolario anterior,

multiplicando las matrices
P2 (5) =
1 0
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
por sus correspondientes inversas y observando que en cada caso el resultado

es la matriz identidad del orden correspondiente.
lgebra
45
Teorema 1.2.27 Si A Mn (K) las siguientes proposiciones son equivalentes:
1. A es invertible
2. La ecuacin A X = (0) slo tiene la solucin trivial
3. A es equivalente por las a la matriz In , es decir,
su forma escalonada reducida es la matriz identidad In
4. El sistema A X = b es compatible determinado para toda matriz
columna b Mn1 (K) y su nica solucin es X = A1 B.
Ejemplo 1.2.28 Si A Mn (K) y b Mn1 (K), entonces el sistema A

X = b es compatible determinado para toda matriz columna si y solo si
A es invertible. Si A no es invertible o si A no es una matriz cuadrada,
podemos todava determinar condiciones sobre la matriz b tales que el sistema
AX = b sea consistente. Por ejemplo, aplicando el mtodo de Gauss-Jordan
a lamatriz ampliada del sistema se obtiene que
x1 + x2 + 2x3 = b1
x1 + x3 = b2
2x1 + x2 + 3x3 = b3
1 1 2 b1
F2 = F2 F1
1 1
2
b1
1 0 1 b2 F3 = F3 F1 0 1 1 b2 b1
2 1 3 b3
2 1
3 b3 2b1
F1 = F1 + F2
1 0 1
b2
F3 = F3 F2
0 1 1 b2 + b1 .
F2 = F2
0 0 0 b3 b2 b1
Si b3 b2 b1 6= 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} .
Mtodo para determinar la matriz inversa

El teorema anterior permite establecer un mtodo para determinar la inversa
de una matriz invertible. Pues si A es invertible, A es equivalente por las a
la matriz In y existen m matrices elementales E1 , E2 , , Em tales que
Em Em1 ... E1 A = In .
Se sigue que, por el teorema 1.2.22,
46
lgebra
Em Em1 E1 = A1 .
es decir, recogiendo las dos igualdades anteriores,
In
1
= Em Em1 ... E1 A
= Em Em1 ... E1 In
En otras palabras, la sucesin de transformaciones elementales que transforma la matriz A en la matriz In , tambin transforma la matriz In en la matriz
A1 , con lo que, siendo t1 , ..., tm las transformaciones elementales por las
que permiten obtener In a partir de A, el esquema
A In t1 , ..., tm In
A1
nos da un mtodo para la obtencin de la inversa de una matriz invertible A

por transformaciones elementales .
1 1 0
Ejemplo 1.2.29 Para calcular la inversa de la matriz 2 1 0 pro2
1 1
cederamos del siguiente modo
1 1 0
2
1 0
2
1 1
1 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
El lgebra moderna est caracterizada por el estudio de ciertas estructuras

abstractas que tienen en comn una gran variedad de objetos matemticos,
entendiendo por abstraccin el proceso de separar la forma del contenido.
Lo importante del estudio de estas estructuras es que, una vez establecidas
las propiedades que satisfacen, dichas propiedades son satisfechas por todos
los objetos que comparten dicha estructura. En este apartado estudiaremos
algunas de estas estructuras, en particular las de grupo, anillo y cuerpo, como
paso previo al estudio de la principal estructura sobre la que trabajaremos
este curso, la estructura de espacio vectorial, y echaremos una breve mirada
hacia las algebras multignero o tipos abstractos de datos. Este tipo de lgebras sern objeto de estudio con mayor nivel de profundidad en la asignatura
de segundo curso Estructuras de datos y de la informacin.
1.3.1 El concepto de operacin

Hablando de manera aproximada, se puede decir que el origen del lgebra
se encuentra en el arte de sumar, multiplicar y elevar a potencias nmeros
enteros.
La sustitucin de nmeros por letras y de las operaciones aritmticas por
el concepto ms general de operacin permite operar con reglas anlogas
a las vistas para los nmeros enteros en el contexto de objetos matemticos
ms generales, como por ejemplo las matrices.
Bajo la envoltura abstracta de la mayora de las teoras axiomticas del lgebra (grupos, anillos, cuerpos, espacios vectoriales, mdulos, ...) se ocultan
problemas concretos cuya resolucin di lugar a dichas deniciones abstractas, y algunas generalizaciones de gran aplicacin. Entre estas aplicaciones se
encuentran dos de los pilares bsicos de la ingeniera de software: las tcnicas
48
lgebra
de especicacin formal y de vericacin de programas.
Denicin 1.3.1 Siendo A un conjunto no vaco, llamaremos operacin o

ley de composicin interna sobre A a cualquier funcin
: A A
A
.
(x, y)
; (x, y)
La imagen (a, b) representa el resultado de operar a con b en ese orden.
Ntese, pues, que lo que es fundamental en la denicin anterior es que a cada
par de objetos de A se le asigna un u
nico elemento de A : dicho elemento es
el resultado que se obtiene al operar dichos objetos.
Observacin 14 Para denotar operaciones normalmente se emplean smbo-
los no alfabticos del estilo de +, , , , , , , 2, ,etc..., y se utiliza con

ellos notacin inja, es decir:
notacion funcional
notacion infija
+(a, b)
(a, b)
(a, b)
a+b
ab
ab
As, en lugar de escribir, por ejemplo, +(a, +(a, b)) escribiremos a+(a+b).
Es importante insistir de nuevo en que para poder realizar el producto
de matrices A B, el nmero de columnas de A debe coincidir con el nmero
de las de B. Por consiguiente, para poder realizar los dos productos A B
y B A, donde A Mmn (K) y B Mqp (K), el nmero de columnas de
A debe coincidir con el de las de B y recprocamente, esto es, para poder
realizar el producto A B, n = q, y para poder realizar el producto B A,
p = m, es decir, A Mmn (K) y B Mnm (K). Si queremos adems que
el producto sea una operacin en el sentido de la denicin anterior, slo
tendr sentido hablar del producto de matrices como operacin cuando
consideramos matrices en Mnn (K).
Denicin 1.3.2 Siendo : A A A una operacin, diremos que:

es asociativa si x, y, z A x (y z) = (x y) z
lgebra
49
es conmutativa si x, y A
xy =yx
e A es un elemento neutro de la operacin si

x A x e = x e x = x
a A es un elemento idempotente de la operacin si a a = a
Es evidente que si e, e0 A son elementos neutros de A para la operacin
, entonces e = e0 (es decir, si una operacin tiene elemento neutro,
ste es nico), pues: e e0 = e, por ser e0 elemento neutro y e e0 = e0 por
ser e un elemento neutro, de donde e = e0 .
Por otra parte tambin es evidente que si e es el elemento neutro de una
operacin , e es idempotente, puesto que e e = e por ser e elemento neutro
de .
Denicin 1.3.3 Si : A A A es una operacin con elemento neutro

e, diremos que a0 es un elemento simtrico de a si
a a0 = e
a0 a = e
Proposicin 1.3.4 Siendo : A A A una operacin asociativa y con

elemento neutro e, si a, a0 , a00 A son tales que a0 y a00 son simtricos de a
entonces a0 = a00 .
Demostracin Si a0 y a00 son elementos simtricos de a, entonces se verica

que a0 = e a0 = (a00 a) a0 = a00 (a a0 ) = a00 e = a00
Ejemplo 1.3.5 Si X es un conjunto, y P (X) es el conjunto de las partes
de X, es decir, el conjunto cuyos elementos son

las operaciones
: P (X) P (X)
(A, B)
;
y
: P (X) P (X)
(A, B)
;
todos los subconjuntos de X,
P (X)
AB
P (X)
AB
50
lgebra
satisfacen las propiedades asociativa y conmutativa. El conjunto vaco

es el elemento neutro de la operacin , y X es el elemento neutro de la
operacin . Obsrvese que para ninguna de estas dos operaciones existe el
elemento simtrico de un elemento dado.
1.3.2 Grupos
Denicin 1.3.6 Sea G 6= y : G G G una operacin. Diremos
que G tiene estructura de grupo respecto de , o tambin que el par (G, ) es

un grupo, si se verica que:
1. es asociativa
2. e G que es elemento neutro para
3. Todo elemento a G tiene simtrico respecto de la operacin .
Si adems satisface la propiedad conmutativa, entonces se dice que
(G, ) es un grupo abeliano.
De G se dice que es el conjunto subyacente del grupo (G, ).
Ejemplo 1.3.7 Si consideramos la suma y producto habituales sobre cada
uno de estos conjuntos, los siguientes pares son grupos abelianos:(R, +), (R
{0}, ), (C, +), (C {0}, ), (R+ , ), (Z, +), (Q {0}, ) y (Q, +) donde R+ =
{x R |x > 0 }, Z es el conjunto de los nmeros enteros y Q es el conjunto
de los nmeros racionales.
Ejemplo 1.3.8 Otro ejemplo de inters especial para nosotros es el grupo

(Z2 , +), donde Z2 = {0, 1} y la operacin + se dene mediante la tabla:
+
0
1
0 1
0 1
1 0
es decir, 0 + 0 = 0, 1 + 0 = 1, 0 + 1 = 1, 1 + 1 = 0. Es obvio que el elemento

neutro es el 0, y que el opuesto de 1 es el propio 1, y que el grupo es abeliano,
pues 1 + 0 = 1 = 0 + 1.
Ejemplo 1.3.9 El conjunto de matrices invertibles de orden n con coe-
cientes en K tiene estructura de grupo (no abeliano en general) respecto del

producto usual de matrices. A dicho grupo se le denomina grupo lineal de
orden n con coecientes en K.
lgebra
51
Ejemplo 1.3.10 Los conjuntos (R, ),(C, ),(Q, ), (Z {0}, ),(N, +), y
(Mn (K) {0}, ) no son grupos.
Propiedades de los grupos.

Si (G, ) es un grupo se verica que:
1. Se puede simplicar a derecha e izquierda, es decir:
a, x, y G (x a = y a) x = y
a, x, y G (a x = a y) x = y
2. Las ecuaciones de la forma x a = b y a x = b tienen solucin nica.
Concretamente:
a, b G !x G..a x = b
a, b G !x G..x a = b
3. El nico elemento idempotente de (G, ) es el elemento neutro e :
a G(a a = a a = e)
0
0
4. a, b G a b = e b = a donde a es el elemento simtrico de a
0 0
5. a G a = a
0
6. a, b G (a b) = b0 a0
Demostracin
1. Siendo a, x, y G, si xa = ya, necesariamente (xa)a0 = (ya)a0 ,es
decir, x(aa0 ) = y(aa0 ) , 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 a0 (a x) = a0 b, es decir, (a0 a) x =
a0 b , y esto es equivalente a que e x = a0 b, o lo que es lo mismo,
a que x = a0 b.La otra propiedad se demuestra anlogamente.
52
lgebra
3. Esta equivalencia la probaremos demostrando que la dos implicaciones
son V, es decir, probando que para cualquier elemento a G,
((a a = a a = e) (a = e a a = a)) . Sea a G tal que a a =

a. En ese caso a0 (a a) = a0 a, es decir, (a0 a) a = e con lo que
e a = e, es decir, a = e. La implicacin recproca es evidente, pues si
a = e, entonces a a = e e = e.
4. Siendo a, b G tales que a b = e, necesariamente a0 (a b) = a0 e,
es decir, (a0 a) b = a0 con lo que e b = a0 , o lo que es lo mismo,
b = a0 .
0 0
5. Siendo a G, de a a0 = e a0 a = e se sigue que a = a.
6. Siendo a, b G, (a b) (b0 a0 ) = ((a b) b0 ) a0 = (a (b b0 )) a0 =
a a0 = e, por lo que, teniendo
en cuenta la propiedad 4 que acabamos
0
de ver, b0 a0 = (a b) .
2
Observacin 15 Ntese que, como caso particular de los resultados ante-
riores, para el caso en que las operaciones + y sean las operaciones de un

grupo, se tendr que, siendo x e y dos elementos genricos:
(x + x = x) x = 0
(x y = 1) y = x1
1
(x1 ) = x
1
(x y) = y 1 x1
es decir,
(( = +) e = 0 x0 = (x))
(( = ) e = 1 x0 = (x1 )).
1.3.3 Anillos y cuerpos

Denicin 1.3.11 Se dice que un conjunto A 6= tiene estructura de anillo
respecto de las operaciones + y , o tambin que la 3-tupla (A, +, ) es un

anillo si se verica que:
lgebra
53
1. (A, +) es un grupo abeliano

2. satisface la propiedad asociativa
3. es distributiva respecto de + , es decir:
x, y, z A ((x (y + z) = x y + x z) ((y + z) x = y x + z x))

Si adems satisface la propiedad conmutativa, se dice que el anillo
(A, +, ). es un anillo conmutativo. Finalmente, si tiene elemento
neutro 1 A, y 1 6= 0, se dice que el anillo (A, +, ) es un anillo
unitario.
Ejemplo 1.3.12 (Z, +, ) es un anillo conmutativo y unitario, donde + y
son la suma y producto habituales de los nmeros enteros.
Ejemplo 1.3.13 Si denotamos por C[x] al conjunto de polinomios con coe-
cientes en C, es decir, al conjunto formado por todas las funciones p : C C

tales que n N{0} y (a0 , ..., an ) Cn+1 de manera que x C se verica
que
p(x) = an xn + ... + a1 x + a0
con la suma + y el producto de polinomios habituales, resulta que (C[x], +, )
es un anillo conmutativo y unitario. Con vistas a recordar las operaciones,
si por ejemplo consideramos los polinomios p, q C[x] ,tales que x C
p(x) = 2x2 + x 5 y q(x) = 3x 4, tendremos que
(p + q)(x) = p(x) + q(x) = 2x2 + x 5 + (3x 4) = 2x2 + 4x 9

y
(p q)(x) = p(x) q(x) = 2x2 + x 5 (3x 4) = 6x3 5x2 19x + 20.
Ejemplo 1.3.14 Segn hemos visto, (Mn (K), +, ) es un anillo no conmutativo y con elemento unidad In , siendo + y la suma y producto de matrices
habituales.
Denicin 1.3.15 Siendo (A, +, ) un anillo, se dice que a A {0} es un

divisor de cero si b A {0} tal que a b = 0 b a = 0.
54
lgebra
Ejemplo 1.3.16 Es fcil comprobar que (Mn (K), +, ) tiene divisores de cero. As por ejemplo
1 1
1 1
1
1
0 0
=
1 1
0 0
Denicin 1.3.17 Siendo (A, +, ) un anillo unitario, se dice que a A es

invertible (o inversible) si existe un elemento b A tal que (a b = 1 b a =
1). En tal caso, es obvio que b es el elemento inverso de a, y por tanto
escribiremos b = a1 .
Propiedades de los anillos
Si (A, +, ) es un anillo se verica que:
1. a A (a 0 = 0 0 a = 0)
2. a, b A (a (b) = (a b) (a) b = (a b))
Si adems (A, +, ) es unitario, tambin se verica que:
3. Si a,b A son inversibles, entonces ab es inversible y (a b)1 = b1 a1
4. Si a A es inversible, entonces (a) es inversible y (a)1 = (a1 )
5. Si a A es un divisor de cero, entonces a no es inversible.
Demostracin
1. Demostramos la primera de las dos propiedades: dado a A, a 0 =
a (0 + 0) = a 0 + a 0, y puesto que al ser (A, +) un grupo, el nico
elemento idempotente es el 0, conclumos que a 0 = 0
2. Demostramos la primera de las dos propiedades: siendo a, b A,
0 = a 0 = a (b + (b)) = a b + a (b)
y en consecuencia a(b) = (a b) por la propiedad 4 de los grupos,

aplicada a la operacin de suma.
lgebra
3.
55
(a b) (b1 a1 ) = ((a b) b1 ) a1 =
= a (b b1 ) a1 = a a1 = 1 y
(b1 a1 ) (a b) = ((b1 a1 ) a) b =
= b1 (a1 a) b = b1 b = 1
4. Por la propiedad 2,
(a) ((a1 )) = ((a) (a1 )) = ((a a1 )) = (1) = 1

(a1 ) (a) = (((a1 )) a) = ((a1 a)) = (1) = 1
5. Razonamos por reduccin al absurdo: si a A es un divisor de cero, existir un elemento b 6= 0 tal que a b = 0 o tal que b a = 0.
Pero puesto que a tiene inverso, si a b = 0, entonces por una parte
a1 (a b) = a1 0 = 0, pero tambin a1 (a b) = (a1 a) b = b, es
decir, b = 0 (contradiccin). Si b a = 0 se razona anlogamente.
2
Observacin 16 Las matrices invertibles son los elementos invertibles del
anillo Mn (K). As pues, todas las propiedades vistas para los elementos invertibles de un anillo genrico, son vlidas para el anillo considerado
(Mn (K), +, ). En particular, si A, B Mn (K) son invertibles, entonces 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 ).
Ejercicio 1.3.1 Probar que si (A, +, ) es un anillo unitario, y a, b, c A

son tales que a b = 1 y c a = 1, entonces necesariamente b = c. (Indicacin:
desarrllese la igualdad b = 1 b = ...)
Proposicin 1.3.18 Si (A, +, ) es un anillo sin divisores de cero se verica

que
a, b, c A ((a b = a c a 6= 0) (b = c))
y
a, b, c A ((b a = c a a 6= 0) (b = c))
56
lgebra
Demostracin Si a, b, c A son tales que a b = a c con a 6= 0, tendremos
que a b + ((a c)) = 0, o lo que es lo mismo, a b + (a (c)) = 0, con lo

que, por la propiedad distributiva, a (b + (c)) = 0, y puesto que a 6= 0,
necesariamente (b + (c)) = 0, es decir, b = c.
2
Denicin 1.3.19 Se dice que una terna (K, +, ) es un cuerpo, o tambin
que K tiene estructura de cuerpo respecto de las operaciones + y si (K, +, )

es un anillo conmutativo y unitario y adems todos los elementos de K {0}
son inversibles.
Ejemplo 1.3.20 (R, +, ), (C, +, ) y (Q, +, ) son cuerpos, siendo en cada

caso las operaciones + y la suma y el producto habituales considerados sobre
cada uno de esos conjuntos.
Ejemplo 1.3.21 Otro ejemplo de inters especial para nosotros es el cuerpo
(Z2 , +, ), donde Z2 = {0, 1}, y las operaciones + y se denen mediante las
siguientes tablas.
+ 0 1
0 1
0 0 1
0 0 0
1 1 0
1 0 1
Es decir, 0 + 0 = 0, 1 + 0 = 1, 0 + 1 = 1, 1 + 1 = 0, y 0 1 = 1 0 = 0,
1 1 = 1.
Proposicin 1.3.22 Si (K, +, ) es un cuerpo, y a, b K son tales que

a b = 0, necesariamente a = 0 b = 0 (un cuerpo no tiene divisores de lo
cero).
Demostracin Si a b = 0 y a 6= 0, entonces, puesto que a K {0}, a
tiene inverso por lo que, por una parte a1 (a b) = a1 0 = 0, y por otra

a1 (a b) = (a1 a) b = 1 b = b, con lo que b = 0
2
Observacin 17 Como consecuencia de la proposicin anterior, si (K, +, )

es un cuerpo, entonces (K, +, ) no tiene divisores de cero. El recproco obviamente no es cierto. (Z, +, ) es un ejemplo de anillo sin divisores de cero
que no es cuerpo.
lgebra
57
1.3.4 Introduccin a los Tipos Abstractos de Datos

Las estructuras de datos y los tipos de datos son conceptos fundamentales
en el mundo de la programacin y de la especicacin de sistemas de software. El concepto de estructura de datos se usa comnmente para referirse
a un conjunto de datos organizados de un cierto modo, como por ejemplo,
colocados en una secuencia o en una tabla.
Junto con el conjunto de datos hay que considerar denidas una serie de
operaciones necesarias para obtener la informacin y actualizarla. Pero estas
operaciones no estn necesariamente denidas sobre objetos de la misma
naturaleza; por ejemplo, entendiendo por pila un dispositivo que almacena
datos, caracterizado por el hecho de que el primer dato que se puede extraer
es el ltimo que se ha almacenado, resulta que la operacin almacenar un
elemento en una pila est denida del siguiente modo
push : P ila Dato P ilas

en el sentido de que el par formado por una pila y un dato (P, d) nos da como
resultado de aplicarle la operacin push una nueva pila obtenida aadiendo
el dato d a la pila p.
De forma anloga, la operacin extraer el ltimo elemento almacenado
de una pila (operacin que habitualmente se denota por pop) es la funcin
pop : P ila P ila

tal que pop(P ) es la pila obtenida a partir de P eliminando el ltimo dato
almacenado en P.
En esta seccin el concepto de operacin no ser, pues, equivalente al
de ley de composicin interna, pues en principio nos podemos referir a
operaciones entre objetos de distinta naturaleza. As pues, las operaciones
a las que nos referimos en este apartado sern operaciones generalizadas,
entendidas como funciones de un producto cartesiano de conjuntos a otro
conjunto.
En ciertas ocasiones, por ejemplo, para disear un algoritmo o un sistema
de software, resulta ms cmodo e interesante trabajar con una representacin abstracta de los datos que sea independiente de la forma en la que estn,
o van a ser, implementados en el ordenador.
Una forma de representar las propiedades abstractas de un conjunto de
datos consiste en utilizar ecuaciones a modo de axiomas, de manera que dos
58
lgebra
tipos de datos diferentes son considerados como iguales (o si se preere, con

la misma estructura) si ambos satisfacen las mismas ecuaciones. Desde ese
punto de vista abstracto, ambos tipos de datos se diferenciaran nicamente
en el nombre de los datos bsicos y de las operaciones. La bsqueda de una
representacin abstracta comn para tipos de datos similares nos lleva a la
denicin del concepto de tipo abstracto de datos :
Denicin 1.3.23 Un tipo abstracto de datos (TAD) es una cudrupla

(T ip, Cons, Op, Ec)
en la que Tip es el conjunto de tipos de datos del TAD, Cons es el conjunto
de constantes o datos bsicos del TAD, Op es el conjunto de operaciones
(generalizadas) y Ec el conjunto de las ecuaciones.
A los tipos abstractos de datos tambin se les conoce en la literatura como
lgebras multignero o lgebras multitipo.
Observacin 18 La mayora de los lenguajes de programacin tratan las

variables y las constantes de un programa como instancias de un tipo de
dato.
Ejemplo 1.3.24 Como ya hemos dicho, una pila, en el mbito de la infor-
mtica o las ciencias de la computacin es un dispositivo en el que los datos

son almacenados en secuencia, de manera que en cada paso nicamente es
posible acceder al ltimo dato almacenado (top) (este modo de acceso a los
datos que caracteriza al dispositivo de almacenamiento pila es conocido como lifo, abreviatura de last in-rst out). Este tipo de dispositivo aparece
en muchas ocasiones, por ejemplo, en el almacenamiento de informacin en
variables que aparecen en programas con bucles anidados, en la evaluacin de
expresiones e incluso en la ejecucin de procedimientos recursivos. Las operaciones consideradas sobre una pila son la de almacenamiento (push), que
coloca un nuevo dato encima de la pila, la extraccin del ltimo dato almacenado (pop) y la visualizacin del elemento situado en la parte superior de
la pila (top). La constante newstack representa la pila vaca y que es del
tipo PILA, y la constante error del tipo ERROR, nos permitir representar
la situacin (mensaje de error) que se produce cuando miramos cual es el
elemento situado en la parte superior de la pila vaca. Por consiguiente, el
lgebra
59
modelo PILA queda especicado como tipo abstracto de datos del siguiente
modo:
P ILA =
1. Tipos :
P ILA, DAT O, ERROR
error ERROR,
2. Constantes :
newstack P ILA
push : P ILA DAT O P ILA
pop : P ILA P ILA
3. Operaciones :
top : P ILA DAT O ERROR

p P ILA, a DAT O
pop(push(p, a)) = p
pop(newstack) = newstack
4. Ecuaciones:
top(push(p, a)) = a
top(newstack) = error
As por ejemplo, la pila
a3
a3
a1
se representara en este modelo por:
push(push(push(newstack, a1 ), a3 ), a3 ).
Ejemplo 1.3.25 Teniendo en cuenta que un semigrupo es un conjunto do-
tado de una ley de composicin interna asociativa, y que un monoide es un

semigrupo con elemento neutro, sus especicaciones como tipos abstractos de
datos seran las siguientes:
SEM IGRU P O =
1. Tipos:
ELEM
2. Constantes:
3. Operaciones: : ELEM ELEM ELEM
x, y, z ELEM
4. Ecuaciones:
x (y z) = (x y) z
M ON OIDE = SEM IGRU P O
Constantes:
Ecuaciones:
+
e ELEM
x ELEM
xe=x
ex=x
60
lgebra
Ejercicio 1.3.2 En el mbito de las ciencias de la computacin una cadena
o string es una secuencia de items (datos) de algn conjunto (o dominio)

de datos. En trminos matemticos una cadena es una palabra a1 ...an de
longitud n 0 formada con letras de un alfabeto dado. Para n = 0 se
trata de la cadena vaca (a la que en su momento denotamos por ) y para
n 1 los elementos a1 , ..., an pertenecen al mismo conjunto o alfabeto A. El
ejercicio consiste en construir un modelo de tipo abstracto de datos al que
denominaremos cadena o string, teniendo en cuenta que hay que considerar los datos y las cadenas de datos de un conjunto A = {a1 , ..., ak }, que
las cadenas son elementos del conjunto A (conjunto de todas las cadenas
o palabras denidas sobre el alfabeto A o lenguaje universal sobre A), que
hay que considerar la palabra vaca como una constante. Como operaciones
sobre las cadenas consideramos las siguientes: construye, que a partir de
un elemento de A construye una lista de longitud 1, la operacin concat,
denida sobre pares de palabras por concat(a1 ...an , b1 ...bm ) = a1 ...an b1 ...bm , y
las operaciones iaade (iadd) y daade (dadd) que aaden, respectivamente,
un elemento a la izquierda o a la derecha de una cadena dada.(Nota: Son
sucientes 5 ecuaciones).
1.4 Ejercicios
1.4.1 Ejercicios resueltos
1. Representar por su matriz ampliada y resolver por el mtodo de GaussJordan cada uno de los siguientes sistemas de ecuaciones lineales :
2x1 + x2 + 3x3 = 9
5x1 + 4x2 + 6x3 = 24
x1 + 3x2 2x3 = 4
,
3x1 + x2 + x3 5x4 = 4
5x1 + 2x2 + 4x3 2x4 = 6
x1 x2 + x3 x4 = 0
2x1 + 3x2 + 4x3 + 5x4 = 0
x1 x2 + 2x3 2x4 = 0
5x1 + 5x2 + 9x3 + 9x4 = 0
lgebra
61
2. Considere el sistema de ecuaciones
x + y + 2z = a
x+z =b
2x + y + 3z = c
Demuestre que para que este sistema sea compatible, a, b y c deben
satisfacer c = a+b.
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
5x1 + 3x2 + 2x3 = 0

3x1 + x2 + 3x3 = 11
11x1 + 7x2 = 30
c)
4x1 8x2 = 12
3x1 6x2 = 9
2x1 + 4x2 = 6
4. Para qu valores de a el sistema que sigue no tiene soluciones? Tiene

exactamente una solucin? Tiene innidad de soluciones?
x + 2y 3z = 4
3x y + 5z = 2
4x + y + (a2 14)z = a + 2
5. Calcular las inversas de la siguientes matrices:
3 1
2 3
2 0
A=
B=
C=
5 2
4 4
0 3
62
lgebra
6. Verique que las matrices A y B del ejercicio 5) satisfacen la relacin

(AB)1 = B 1 A1 .
7. Sea A una matriz invertible y suponga que la inversa de 7A es

1 2
. Encuentre la matriz A.
4 7
8. Sea AX = B un cualquier sistema consistente de ecuaciones lineales
y supngase que X1 es una solucin ja. Demuestre que toda solucin para
el sistema se puede escribir en la forma X = X1 + X0 , en donde X0 es una
solucin para AX = 0. Demuestre tambin que toda matriz de esta forma
es una solucin.
9. Encontrar
3
a) A = 1
2
1
c) C = 0
1
la inversa de la matriz dada, si la
4 1
3 1
0 3
b) B = 2 4
5 4
4 2
0 1
1 1
1 0
10. Efecte las operaciones sobre las
2
A=
3
matriz es invertible:
5
1
9
las que siguen sobre
1 0
1 4
5 5
multiplicando por una matriz elemental apropiada. En cada caso, verique

la respuesta llevando a cabo la operacin sobre las las directamente sobre
A.
a)Intercambie la primera y tercera las.
b)Multiplique la segunda la por 1/3.
c)Sume el doble de la segunda la a la primera.
11. Una caja que contiene monedas con las denominaciones de un centavo,
cinco centavos y diez centavos tiene 13 de ellas con un valor total de 83
centavos.
Cuntas monedas de cada tipo hay en la caja ?
lgebra
63
12. Para cul valor, o cules valores, de a el sistema siguiente tiene cero,
una y una innidad de soluciones?
x1 + x2 + x3 = 4
x3 = 2
2
(a 4)x3 = a 2
13. Demostrar que la trasposicin de matrices satisface las siguientes
propiedades.
a) A Mmn (K) t (t A) = A.
b) A, B Mmn (K) t (A + B) =t A +t B.
c)A Mmn (K), B Mnp (K), t (A B) =t B t A.
14. Demostrar que si A Mn (K) es invertible, entonces
t
(A) Mn (K)
1
es invertible y t (A1 ) = (t A)
15. Si A = (aij ) Mn (K), se denomina traza de A a la suma de los

elementos de la diagonal principal de A, es decir,
T r(A) = a11 + ... + ann =
n
X
aii .
i=1
Demostrar que A, B, C Mn (K):

a) T r(A + B) = T r(A) + T r(B).
b) T r(AB) = T r(BA).
Poner un contraejemplo que ponga de maniesto que
T r(A.B) 6= T r(A) T r(B).

c) Siendo C = At A,
T r(At A) =
n X
n
X
a2ik .
i=1 k=1
16. Se dice que una matriz A Mn (K) es simtrica si t A = A. Demostrar

que una condicin necesaria y suciente para que el producto de dos matrices
64
lgebra
simtricas A, B Mn (K) d como resultado una matriz simtrica es que

AB = BA.
2 1
17. Determinar C y C para que la matriz A =
1 2
M2 (C) satisfaga la ecuacin A2 + A + I2 = (0).
18. Se dice que una matriz A Mn (K) es idempotente si A2 = A.
Demostrar que si A Mn (K) es idempotente, entonces B = In A es
idempotente. Demostrar tambin que AB = (0) y que BA = (0).
19. En una feria de ganado un granjero compr pollos, conejos y terneros.
Los pollos los compr a 50 pts., los conejos a 1000 pts. y los terneros a
5000pts.
Compr 100 animales y gast 100.000 pts.
Sabiendo que compr animales de las 3 clases, averiguar el nmero de
animales que compr de cada clase.
20. En el mbito de las ciencias de la computacin una cadena o string
es una secuencia de items (datos) de algn conjunto (o dominio) de datos
dado. En trminos matemticos una cadena es una palabra a1 ...an de longitud n 0. Para n = 0 se trata de la cadena vaca (a la que en su momento
denotamos por ) y para n 1 los elementos a1 , ..., an pertenecen al mismo conjunto o alfabeto A. El ejercicio consiste en construir un modelo de
tipo abstracto de datos al que denominaremos cadena o string, teniendo
en cuenta que hay que considerar los datos y las cadenas de datos de un
conjunto A = {a1 , ..., ak }, que las cadenas son elementos del conjunto A
(conjunto de todas las cadenas o palabras denidas sobre el alfabeto A o
lenguaje universal sobre A), que hay que considerar la palabra vaca como
una constante, y que como operaciones sobre las cadenas consideramos las
siguientes: construye, que a partir de un elemento de A construye una lista de longitud 1, la operacin concat, denida sobre pares de palabras por
concat(a1 ...an , b1 ...bm ) = a1 ...an b1 ...bm , y las operaciones iaade (iadd) y daade (dadd) que aaden, respectvamente, un elemento a la izquierda o a la
derecha de una cadena dada.(Nota: Son sucientes 5 ecuaciones).
1.4.2 Ejercicios propuestos

1. Resolver los siguientes sistemas por el mtodo de eliminacin gaussiana:
lgebra
65
4x 3y + 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:
3x1 + 4x2 + x3 + 2x4 = 2

7x2 + x3 = 1
2x1 + 2x2 6x3 + 2x4 = 4 , 3x1 + 4x2 + 1x3 = 7
4x1 + 5x2 x3 + 3x4 = 3

9x1 5x2 2x3 = 2
3. Resolver el siguiente sistema de ecuaciones (no lineales):
2
2x 6y 3 + 3ez = 17
4y 3 ez = 5
3x2 2y 3 = 10
4. Discutir las distintas soluciones del siguiente sistema segn los distintos
valores del parmetro k :
x + y + 2z = 2
3x + 2y + 3z = 2
2x + ky 5z = 4
5. Discutir las distintas soluciones del siguiente sistema segn los distintos
valores de los parmetros a y b:
ax + bz = 2
ax + ay + 4z = 4
ax + 2z = b
6. Vericar que existe un sistema de dos ecuaciones en las variables x, y ,
z , cuyas soluciones sean, en funcin del parmetro t:
x = 1 t
y = 2 + 5t
z =4t
66
lgebra
7. Un padre con aciones matemticas decide hacer su testamento de la
manera siguiente:
Todo mi capital ser dividido entre mis tres hijos: Antonio, Benito
y Carla.
Del capital menos 10.000 euros Antonio recibe la mitad.
La cantidad recibida por Carla menos la cantidad que reciba Benito debe ser igual a la cantidad recibida por Benito menos la
cantidad recibida por Antonio.
La cantidad recibida por Carla menos el 60 por ciento de la recibida por Benito debe ser igual a 4.000 euros.
Cuanto dinero recibir cada uno?
8. Calcular la inversa, si existe, de las siguientes matrices y comprobar la
respuesta por multiplicacin:
2 0 6 1
8 11 7
2 3 1
0 3 0 3
A = 6 8 5 , B = 2 4 2 , C =
1
0 3 1
1 1 1
3 2 1
0 3 3 3
9. Demostrar que la matriz
1 1 3
4 2
A= 0
2 6 8
no es invertible comprobando que existe una solucin no trivial del
sistema homogneo A X = 0.
10. Sea A la matriz
3 3 5
4 3 .
A= 1
3 4 6
Usando el mtodo de Gauss-Jordan, exprsese la matriz A1 como

producto de matrices elementales.
lgebra
67
Exprsese la matriz A como producto de matrices elementales.

11. El producto de matrices cuadradas n n no es conmutativo. Sin embargo, dada una matriz A, existen matrices B que conmutan con ella,
es decir, tales que A B = B A (por ejemplo, la identidad o la propia
A). El conjunto de tales matrices se llama conmutador de A. Calclese
el conmutador de la matriz:
1
0
A=
2 1
12. Una matriz cuadrada S se dice simtrica si S = tS y antisimtrica si
S = tS .
(a) Dar dos ejemplos de matrices simtricas y antisimtricas 3 3.
(b) Probar que dada una matriz cuadrada cualquiera B , las matrices
1
(B + tB) y 12 (B tB) son simtrica y antisimtrica, respectiva2
mente, y que su suma es B .
(c) Probar que si una matriz cuadrada B se escribe como suma B =
S +A donde S y A son simtrica y antisimtrica, respectivamente,
entonces S = 12 (B + tB) y A = 21 (B tB).
De este ejercicio se deduce que toda matriz se descompone de manera nica como suma de una matriz simtrica y una antisimtrica.
Calclese la descomposicin de la matriz
2 3 1
A = 4 5 7
0 2 4
13. Calclense por induccin las potencias m-simas de las matrices:
a 1
0 1
A=
, B=
.
0 a
1 0
14. Dos matrices cuadradas A y B se dicen semejantes (o congruentes ) si
existe una matriz invertible P tal que A = P B P 1 .
Sean A y B semejantes.
68
lgebra
(a) Probar por induccin que para todo n N se verica Am = P
B m P 1 .
(b) Si dos matrices invertibles A y B son semejantes, es A1 semejante con B 1 ? Es tA semejante con tB ?
(c) Con la notacin anterior, y siendo
2 0
1 2
B=
, P =
,
0 3
2 3
calclense las potencias A3 , A10 y Am , m N.
15. Considrense las matrices
cos sin
A =
,
sin cos
R.
(a) Probar que A A = A+ (Ayuda: sense las frmulas del seno

y el coseno de la suma de dos angulos: cos( + ) = cos cos
sin sin y sin( + ) = sin cos + cos sin ).
(b) Probar que A0 = I2 .
(c) Probar que (A )1 = A .
(d) Concluir que el conjunto G = {A | R} es un grupo conmutativo con el producto usual de matrices.
(e) G se llama usualmente el grupo de rotaciones del plano, ya que
dado un vector v R2 (cuyas coordenadas escribimos en una
matriz columna), el producto A v es el vector que resulta de
rotar v grados con respecto al origen en el sentido de las agujas
del reloj. Considrese el tringulo T formado por el origen y los
vectores v = (1, 0) y w = (1, 1); calcular y dibujar los vrtices de
los tringulos que resultan de rotar T 30, 45, 60 y 90 grados.
EJERCICIOS COMPLEMENTARIOS.
16. Calcular dos matrices cuadradas X e Y que veriquen:
3 2
1 5
4X + 3Y =
, 3X + 2Y =
.
4 0
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
X
m
(A + B) =
Ai B mi .
i
m
i=0
Poner un ejemplo de dos matrices 2 2 que no conmuten y comprobar

que la frmula anterior ya no se verica para m = 2.
18. Llamamos matriz de permutacin a una matriz cuadrada vericando
que todos sus coecientes son cero excepto un elemento en cada la y
en cada columna. En este ejercicio consideraremos matrices cuadradas
3 3. Una matriz de permutacin 3 3 viene determinada por una
permutacin del conjunto de indices {1, 2, 3} de tal manera que la
matriz correspondiente A viene dada por (A (i, j) = 0 j 6=
(i)) (A (i, j) = 1 j = (i)).
(a) Dada una matriz 3 3 B , vericar que el producto A B es
una matriz que tiene las mismas las que B pero en el orden
(1), (2), (3).
(b) Escribir todas las permutaciones del conjunto {1, 2, 3} y las correspondientes matrices de permutacin.
(c) Probar que el producto de matrices de permutacin es una matriz
de permutacin.
(d) Probar que el conjunto de matrices de permutacin con el producto usual de matrices es un grupo no conmutativo.
19. Sea K el conjunto de nmeros
reales x tales que existen dos nmeros
racionales a y b con x = a+ 2b. Llamaremos a a y b, respectivamente,
la parte racional y la parte irracional de x.
(a) Probar que la suma y el producto de dos nmeros reales en K
pertenece a K. Escrbase la expresin de tales operaciones en
funcin de las partes racional e irracional.
(b) Probar que 0 y 1 pertenecen a K.
(c) Probar que el elemento opuesto de un elemento en K pertenece a
K.
70
lgebra
(d) Probar que el elemento inverso de un elemento no nulo en K pertenece a K.
(e) Concluir que K es un cuerpo conmutativo.
(f) Se te ocurren otros ejemplos de cuerpos construdos de forma
similar?
Captulo 2
Espacios vectoriales
En este captulo vamos a estudiar el concepto de espacio vectorial. Esta es la
estructura algebraica sobre la que se desarrolla la parte de las matemticas
conocida como Algebra Lineal.
Veamos un primer ejemplo en el que aparece la estructura de espacio
vectorial.
Al estudiar el mtodo de Gauss-Jordan para la resolucin de un sistema de ecuaciones lineales, establecimos ciertas operaciones sobre las las de
la matriz ampliada asociada al sistema de ecuaciones a las que llamamos
transformaciones elementales. Para denirlas tuvimos que considerar las siguientes operaciones sobre las las de dicha matriz:
1. Sumar dos las Fi = Fi + Fj
2. Multiplicar una la por un nmero: Fi = Fi ,
de manera que si (ai1 ain
matriz, su suma era
(ai1 ain
bi ) y (ak1 akn
bi ) + (ak1 akn
bk ) = (ai1 + ak1 ain + akn
y el producto de una la (ai1 ain
(ai1 ain
bk ) son dos las de dicha

bi + bk )
bi ) por un nmero complejo era
bi ) = (ai1 ain
bi ).
En general, si (a1 an ) y (b1 bn ) son matrices la y es un nmero

complejo,
(a1 an ) + (b1 bn ) = (a1 + b1 an + bn )

y
(a1 an ) = (a1 an ).
71
72
lgebra
Siendo a, b y c matrices la, y , C, no es difcil vericar que se satisfacen

las siguientes propiedades:
1. a + b = b + a.
2. (a + b) + c = a + (b + c).
3. a + (0) = (0) + a = (0).
4. a + (a) = (0) y (a) + a = (0), siendo adems a = (1)a.
5. ()a =(a).
6. (a + b) =a+b.
7. ( + )a =a + a.
8. 1 a = a.
Estas propiedades, como ahora veremos, servirn para establecer los axiomas de la denicin de espacio vectorial.
La nocin de espacio vectorial tambin est estrechamente relacionada
con la siguiente idea: si alguien quiere comprar 3 Kg. de peras y 2 Kg. de
manzanas, no le pide al tendero 5 Kg. de peras y manzanas, ya que en ese
caso podran darle, por ejemplo, 1 Kg. de peras y 4 Kg. de manzanas. Por
otra parte, si esa compra representa el postre de la semana de una familia,
y la persona que va a realizarla recibe el encargo de su cuada de comprar 4
Kg. de peras y 2 Kg. de manzanas, y de su vecina de comprar la mitad de
lo que l mismo vaya a comprar, nuestro amigo deber comprar
3 Kg. de peras 4 Kg. de peras
3 Kg. de peras
1
+ 2 Kg. de manzanas + 2 2 Kg. de manzanas =
2 Kg. de manzanas
8.5 Kg. de peras

5 Kg. de manzanas
Estas listas (o matrices columna) de nmeros que sabemos sumar y multiplicar por nmeros constituyen un primer ejemplo de lo que denominaremos
vectores.
El concepto de vector tambin se emplea en Fsica para representar magnitudes que no quedan completamente determinadas por un nmero, y es
tradicional asociar una echa a dichas magnitudes y representarlas por un
segmento orientado. Sin embargo, el asociar el concepto de vector a un
objeto geomtrico tiene una limitacin importante, pues si trabajamos con
listas de ms de tres nmeros, no contamos con sucientes dimensiones en el
espacio fsico para situar tal echa.
La descripcin axiomtica de vector sobre la que vamos a trabajar, es
abstracta por lo que no requiere el uso de objetos geomtricos. Adems,
lgebra
73
dicha abstraccin conlleva otra ventaja adicional: no requiere la introduccin

de nociones como sistema de coordenadas o sistema de direcciones.
Esta visin axiomtica permite englobar como ejemplos de vectores a
objetos matemticos aparentemente tan distintos como los polinomios, las
matrices, las funciones reales de variable real, las sucesiones de nmeros
reales y un largo etctera.
2.1
Vectores en el plano y en el espacio
Si queremos representar objetos de la Fsica elemental como fuerza, desplazamiento y velocidad, tenemos que utilizar vectores geomtricos en el plano
R2 o en el espacio tridimensional R3 . En efecto los vectores geomtricos
nos permiten especicar magnitud, direccin y sentido para estas cantidades
fsicas. Aqu slo recordaremos las deniciones bsicas.
Dados tres segmentos orientados AB, CD y EF, en el espacio bidimensional o tridimensional como en la gura 2.1 a), para cada uno de ellos estn
determinados un punto de aplicacin (respectivamente A, C y E), un extremo o ajo (respectivamente B, D y F), una magnitud representada por
la longitud del segmento, y una direccin, que es la direccin de la recta
que lo contiene. Si ahora jamos un punto O en nuestro espacio y dibujamos nuestras tres echas a partir del punto O (es decir, si A=C=E=O),
obtenemos la gura 2.1 b), donde CD y EF coinciden y se pueden considerar
equivalentes. Esta sencilla consideracin est en la base de la denicin de
vector geomtrico.
Sobre el conjunto de todos los segmentos orientados del plano (o del
espacio tridimensional) denimos la siguiente relacin de equivalencia:
AB CD
AB y CD tienen igual magnitud, direccin y sentido.
Ejercicio 2.1.1 Vericar que es una relacin de equivalencia.

Denicin 2.1.1 Si dos segmentos orientados pertenecen a la misma cla-
se de equivalencia de las obtenidas al considerar la relacin de equivalencia

anterior, se dice que son equivalentes.
Ahora el conjunto de todos los segmentos orientados se puede pensar
como la unin disjunta de estas clases de equivalencia:
74
lgebra
a)
@
@
R
@
@
@
R
b)
O@
@
@
@
R
D=F
Figura 2.1: Vectores geomtricos
Denicin 2.1.2 Un vector geomtrico v en R2 o en R3 es una clase de
equivalencia de segmentos orientados respecto de la relacin de equivalencia

anterior.
Como cada clase est formada por todos los segmentos orientados (en R2
o en R3 ) que tienen igual magnitud, direccin y sentido (es decir, por todos
los segmentos orientados que coinciden una vez que sean aplicados en un
punto prejado O), estos valores comunes de magnitud, direccin y sentido
se llaman magnitud, direccin y sentido del vector v.
Se sigue de esta denicin que dos vectores v1 y v2 son iguales si y solo si

tienen igual magnitud, direccin y sentido.
Podemos, por tanto, representar un vector geomtrico por cualquiera de
lgebra
a)
75
1
>
C
v+w
b)
v-w
Y
H
H
HH
HH
H
H
1
Figura 2.2: Operaciones con vectores geomtricos

los segmentos orientados del conjunto que lo dene. En la gura 2.1 a), CD
y EF representan el mismo vector geomtrico v porque dieren solo en sus
puntos de aplicacin.
Nota: Abusando de la notacin, se escribir AB = v para denotar que
el segmento orientado AB es un representante del vector v .
Denicin 2.1.3 Sean v y w dos vectores geomtricos, la suma v+w es

el vector denido por la regla del paralelogramo en la gura 2.2 a). Si AB y
BC representan los vectores v y w, respectivamente, el segmento orientado
AC representa el vector v + w.
Observacin 19 Esta denicin de suma de vectores no depende de los segmentos orientados elegidos para representar los vectores v y w.
76
lgebra
Ejercicio 2.1.2 Vericar, realizando el correspondiente dibujo, que para todo par de vectores geomtricos v y w, v + w = w + v .
El vector de magnitud cero es el vector cero y se denota por 0; para

todo vector v , v + 0 = 0 + v .
El opuesto de un vector v es el vector de igual direccin, magnitud que
v , pero de sentido opuesto.
La sustraccin de dos vectores est denida por v w = v + (w) y se
puede representar geomtricamente como en gura 2.2 b).
El producto de un vector por un escalar k R es el vector w = kv
que tiene misma direccin que v , magnitud igual a k veces la magnitud de v
y mismo sentido que v si k > 0 o opuesto si k < 0. Si k = 0, kv = 0.
Si ahora introducimos un sistema de coordenadas ortogonales en el
plano (o en el espacio tridimensional), es decir si seleccionamos un punto
O, dos rectas orientadas mutuamente perpendiculares (o tres si se trata del
espacio tridimensional) y una magnitud unitaria, cada punto P admitir una
representacin analtica en trminos de coordenadas o componentes (x,y)
en el caso del plano o (x,y,z) en el caso del espacio tridimensional. Como
el segmento orientado OP representar un vector v, diremos tambin que
el vector v tiene componentes (x,y) (o (x,y,z)). Por tanto, dos segmentos
orientados OP y OQ son equivalentes (es decir, representan el mismo vector
geomtrico v ) si y slo si los puntos P y Q tienen iguales coordenadas.
Las operaciones denidas sobre vectores geomtricos se pueden ahora reescribir en trminos de coordenadas: sean v = (v1 , v2 , v3 ) y w = (w1 , w2 , w3 )
dos vectores en R3 y k R, entonces
v + w = (v1 + w1 , v2 + w2 , v3 + w3 )
kv = (kv1 , kv2 , kv3 )
v w = (v1 w1 , v2 w2 , v3 w3 )
En le caso de vectores v y w en R2 estas operaciones estn denidas de forma
anloga.
Ejercicio 2.1.3 En R3 , sean k = 2, v1 = (1, 2, 0), v2 = (4, 3, 2) y v3 =

(1, 1, 1). Hallar v1 k(v1 + v2 ) + v3 .
lgebra
77
Nota: Todos los sistemas de coordenadas que consideraremos a lo largo
del captulo sern ortogonales.

Si P = (x1 , x2 , x3 ) y Q = (y1 , y2 , y3 ) son dos puntos en R3 , el segmento
orientado P Q representa un vector v en R3 de coordenadas:
P Q = v = (y1 x1 , y2 x2 , y3 x3 ) = Q P.
De forma similar, dos puntos P = (x1 , x2 ) y Q = (y1 , y2 ) en R2 determinan
un vector v = (y1 x1 , y2 x2 ), que se puede representar por el segmento
orientado P Q.
Ejercicio 2.1.4 Sean P = (3, 2, 4) y Q = (1, 4, 5), determinar las coordenadas del vector v = P Q.
A veces la eleccin de un sistema de coordenadas adecuado puede simplicar la solucin de un problema. Las ecuaciones de traslacin de los
ejes nos permiten de pasar de un sistema S a otro sistema S 0 , cuyos ejes son
paralelos a los ejes de S.
En R2 , sea O0 , x0 , y 0 el origen y los ejes del nuevo sistema de coordenadas
0
S . Un punto P en el plano tiene coordenadas (x, y) respecto del sistema
S y coordenadas (x0 , y 0 ) respecto del sistema S 0 . Si las coordenadas de O0
respecto de S son O0 = (a, b), se verica que
(x, y) = OP = OO0 + O0 P = (a, b) + (x0 , y 0 ),

y, por tanto,
x0 = x a,
y 0 = y b.
En el espacio tridimensional, si O0 = (a, b, c) respecto de S , las ecuaciones de

traslacin son
x0 = x a,
y 0 = y b,
z 0 = z c.
Ejercicio 2.1.5 En R3 , sean S y S 0 dos sistemas de coordenadas, donde
O0 = (1, 2, 3) respecto de S . Encontrar las coordenadas en el sistema S 0

del punto P de coordenadas (1, 0, 1) en S y las coordenadas en el sistema
S del punto Q de coordenadas (3, 1, 4) en S 0 .
Las siguientes propiedades son de fcil demostracin:
78
lgebra
Teorema 2.1.4 Si x e y son vectores en R2 o en R3 , y , son dos escalares,
entonces
1. x + y = y + x
2. (x + y) + z = x + (y + z)
3. x + (0) = (0) + x = x
4. x + (x) = (0) y (x) + x = (0)
5. ()x =(x)
6. (x + y) = x+y
7. ( + )x = x + x
8. 1 x = x
Utilizando el Teorema de Pitgoras, la magnitud o norma de un vector

en el plano o en el espacio tridimensional
se puede determinar como sigue:
p
para v = (x, y),
k v k p
x2 + y 2
para v = (x, y, z),
k v k x2 + y 2 + z 2 .
Un vector de norma 1 se llama unitario .
La distancia eucldea entre dos vectores v = (x1 , x2 ) y w = (y1 , y2 ) en
R2 es el nmero real
p
d(v, w) k v w k= (y1 x1 )2 + (y2 x2 )2 .
La distancia eucldea entre dos vectores v = (x1 , x2 , x3 ) y w = (y1 , y2 , y3 ) en
R3 es el nmero real
p
d(v, w) k v w k= (y1 x1 )2 + (y2 x2 )2 + (y3 x3 )2 .
Si k es un escalar, k kv k= |k| k v k .
Ejercicio 2.1.6 Sean v = (0, 2, 3), w = (2, 0, 4). Hallar k v k, k w k y

d(v, w).
Sean v y w dos vectores de R2 o de R3 representados por dos segmentos

orientados AB y AC (estos dos segmentos tienen el mismo punto de aplicacin). Si v 6= 0 y w 6= 0, en el plano que los contiene, AB y AC determinan
dos ngulos 1 y 2 = 2 1 .
Observacin 20 Los dos ngulos determinados por v y w no dependen de

los segmentos orientados elegidos para representar los vectores v y w.
lgebra
79
Si v 6= 0 y w 6= 0, el ngulo entre v y w es el ngulo determinado

por AB y AC , que satisface la condicin: 0 .
Denicin 2.1.5 Si v 6= 0 y w 6= 0 son dos vectores del plano o del espacio

tridimensional y es el ngulo entre v y w, el producto escalar eucldeo
(o producto interior eucldeo) de v y w es el nmero real:
(2.1)
v w =k v kk w k cos().
Si v = 0 o si w = 0, v w = 0.
Ejercicio 2.1.7 En R3 , sean v = (2, 0, 0) y w = (3, 3, 0). Hallar
v w.
Proposicin 2.1.6 Sean v = (v1 , v2 , v3 ) y w = (w1 , w2 , w3 ) dos vectores de

R3 , entonces
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:
kw vk2 = kvk2 + kwk2 2kvkkwk cos() = kvk2 + kwk2 2v w.

Si v y w son dos vectores no cero, de la ecuacin 2.1 se deriva fcilmente
la siguiente frmula:
cos() =
vw
k v kk w k
(2.2)
Ejercicio 2.1.8 Encontrar el ngulo entre una diagonal de un cubo y uno

de sus lados. (arccos( 13 ) 54 440 )
Teorema 2.1.7 Sean v y w dos vectores en el plano o en el espacio tridimensional. Entonces

p
a) k v k= (v v)
b) Si v 6= 0 y w 6= 0, el ngulo entre v y w
es agudo v w > 0
es obtuso v w < 0
= vw =0
2
80
lgebra
La demostracin de este teorema es una aplicacin de la frmula 2.2.
Ejercicio 2.1.9 Dados v = ( 3, 0, 2) y w = (4, , 37), vericar que el

ngulo entre v y w es obtuso.
Hemos visto que si v 6= 0 y w 6= 0 son perpendiculares (es decir, si = 2 ),
el producto interior de v y w es cero. Si se admite que v y w puedan ser cero,
la denicin de vectores perpendiculares es la siguiente:
Denicin 2.1.8 Dos vectores v y w son ortogonales si v w = 0.

Las siguientes propiedades son de fcil demostracin:
Teorema 2.1.9 Sean u, v y w tres vectores en el plano o en el espacio

tridimensional y sea k un nmero real:
1. u v = v u
2. u (v + w) = u v + u w
3. k(u v) = (ku) v = u (kv)
4. v v 0 y v v = 0 v = 0
Sea ahora v 6= 0 un vector bidimensional o tridimensional representado
por el segmento orientado OA y sea w 6= 0 otro vector del mismo espacio.
Utilizando el producto interior es posible denir la proyeccin ortogonal del
vector w sobre v como sigue. Representamos el vector w por un segmento
orientado OP como en la gura 2.3. El segmento orientado OP1 representa
un vector w1 y los segmentos P1 P y OP2 el vector w2 = w w1 .
Entonces, w = w1 + w2 , donde el vector w1 = pv (w) es la proyeccin
ortogonal de w sobre v o componente vectorial de w a lo largo de v
y el vector w2 = w pv (w) es la componente vectorial de w ortogonal
a v.
Teorema 2.1.10 Si v 6= 0 y w son dos vectores de R2 o de R3 ,
wv
pv (w) = w1 =
v
k v k2
wv
v
w2 = w w1 = w
k v k2
lgebra
81
P2
w2
w
w w1
- 1
6
w1
Figura 2.3: Proyeccin ortogonal de w sobre v
Demostracin Existe un escalar k tal que pv (w) = kv (ya que pv (w) es

paralelo a v ). Entonces w = w1 + w2 = kv + w2
kv v + w2 v = k k v k2 .
w v = w1 v + w2 v =
2
Se sigue fcilmente del ltimo teorema y de las propiedades de la norma

que la magnitud del vector pv (w) es:
k pv (w) k=
|w v|
=k w k | cos()|
kvk
Es importante observar que la norma de pv (w) depende de la direccin

de v y no depende de su magnitud.
Ejercicio 2.1.10 Sean v = (1, 4, 8) y w = (2, 0, 1). Determinar el

vector pv (w) y su magnitud.
2.1.1 Producto vectorial y producto mixto

Denicin 2.1.11 Sean u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) y w = (w1 , w2 , w3 )
tres vectores en R3 , donde hemos jado el sistema de coordenadas ortogonales
82
lgebra
usual (O = (0, 0, 0), (e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1))).
El producto vectorial es una operacin en R3 , que a cada par de

vectores (u, v) asocia el vector
u v = (u2 v3 u3 v2 )e1 + (u3 v1 u1 v3 )e2 + (u1 v2 u2 v1 )e3 =
u1 u2
u1 u3
u2 u3
e.
e + det
e det
= det
v1 v2 3
v1 v3 2
v2 v3 1
El producto mixto es una funcin del producto cartesiano R3 R3 R3
en R, que a cada terna de vectores (u, v, w) asocia el nmero real
que se obtiene calculando el producto escalar del vector u con el vector
vw :
u (v w) = u1 (v2 w3 v3 w2 ) u2 (v1 w3 v3 w1 ) + u3 (v1 w2 v2 w1 ) =
u1 u2 u3
= det v1 v2 v3 .
w1 w2 w3
Ejemplo 2.1.12 1) El producto vectorial de u = (1, 0, 1) y v = (1, 2, 0) es
0 1
1 1
1 0
u v = det
e det
e + det
e =
2 0 1
1 0 2
1 2 3
= 2e1 e2 + 2e3 = (2, 1, 2).
2) El producto mixto de a = (1, 1, 0),
1 1
a (u v) = det 1 0
1 2
u = (1, 0, 1) y v = (1, 2, 0) es
0
1 = 2 1 = 3.
0
Interpretacin geomtrica y propiedades del producto vectorial y

del producto mixto
El vector u v es ortogonal a u y a v y, por tanto, es ortogonal al plano
que contiene a u y v.
u v = v u y u v = 0 si y slo si u y v son paralelos.
lgebra
83
ku vk = kukkvksin(), 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: ku vk2 = kuk2 kvk2 (u v)2 .)
u (v + w) = u v + u w y (v + w) u = v u + w u.
El producto mixto u (v w) representa, en valor absoluto, el volumen
del paraleleppedo individuado por los tres vectores u, v y w.
u (v w) = 0 si y slo si los tres vectores u, v y w pertenenecen al
mismo plano.
2.1.2 Rectas en le plano

Sean P0 = (x0 , y0 ) y P1 = (x1 , y1 ) dos puntos en el plano R2 . El vector
P0 P1 = (x1 x0 , y1 y0 ) individua la direccin de la recta l que pasa por P0
y1 y0
= tg(), siendo el
y P1 y, por tanto, tiene pendiente igual a m =
x1 x0
ngulo que la recta l forma con el eje de las x. Sea n = (a, b), un vector cuya
direccin es perpendicular a la direccin de la recta l .
Utilizando los elementos que acabamos de denir, es posible representar
una recta l en el plano por medio de distinta ecuaciones:
Ecuacin vectorial
Sean P0 = (x0 , y0 ) un punto jado y P = (x, y) un punto genrico de
una recta l . Siendo n = (a, b) un vector ortogonal a l , se obtiene que
el producto escalar n P P0 = 0 (esta ecuacin se puede llamar forma
punto-normal).
Utilizando los vectores v = OP y v0 = OP0 , se obtiene la forma
vectorial de la ecuacin de l :
n (v v0 ) = 0.
Ecuacin general implcita
Si desarrollamos la ecuacin punto-normal anterior como
0 = nP P0 = n(xx0 , yy0 ) = a(xx0 )+b(yy0 ) = ax+by(ax0 +by0 ),
84
lgebra
y llamamos (ax0 + by0 ) = c, lo que se obtiene el la ecuacin general
implcita:
ax + by + c = 0.
Ecuaciones paramtricas
Sean P0 = (x0 , y0 ) un punto de la recta l , v = (v1 , v2 ) un vector
paralelo a l y P = (x, y) el punto genrico de l . Entonces el vector P0 P
es paralelo a v, es decir, existe un nmero real k tal que P0 P = kv.
Esta ltima ecuacin, escrita en trminos de coordenadas, dene las
ecuaciones paramtricas de la recta l :
x = x0 + kv1
y = y0 + kv2 .
kR
Ecuacin pendiente-ordenada en el origen

Esta ecuacin tiene la forma
y = mx + q,
donde m es al pendiente de la recta l y q es la ordenada del punto de
corte con el eje de las y, (0, q).
Ejercicio 2.1.11 Sea P0 = (x0 , y0 ) un punto del espacio bidimensional. De-
mostrar que la frmula para calcular la distancia entre el punto P0 y una

recta r de ecuacin ax + by + c = 0 es
d(P0 , r) =
|ax0 + by0 + c|
a 2 + b2
Utilizar el hecho de que en R2 el vector n = (a, b) 6= (0, 0) es ortogonal a la

recta de ecuacin ax + by + c = 0.
Ejemplo 2.1.13 La distancia entre el punto P0 = (2, 1) y la recta r de

ecuacin x y + 3 = 0 es igual a d(P0 , r) =
|2+1+3|
1+1
6 .
2
lgebra
85
2.1.3 Planos en el espacio tridimensional

Para determinar la ecuacin de una recta r : ax + by + c = 0 en el espacio
bidimensional es suciente conocer las componentes de un punto P = (x, y)
de r y su coeciente angular. De forma anloga, en el espacio tridimensional
se puede determinar un plano (y su ecuacin) por uno de sus puntos P0 =
(x0 , y0 , z0 ) y un vector n = (a, b, c) ortogonal a mismo: todo punto P =
(x, y, z) del plano y distinto de P0 es tal que el segmento orientado P0 P =
(x x0 , y y0 , z z0 ) sea perpendicular al vector n. Esta caracterizacin
de los puntos de se puede expresar por la forma punto-normal de la
ecuacin del plano :
n P P0 = a(x x0 ) + b(y y0 ) + c(z z0 ) = 0
(2.3)
Utilizando los vectores OP = v = (x, y, z) y OP0 = v0 = (x0 , y0 , z0 ), la

ecuacin 2.3 se puede reescribir en la forma vectorial:
n (v v0 ) = 0.
(2.4)
Ejemplo 2.1.14 Segn la frmula 2.3, la ecuacin del plano que pasa
por el punto P0 = (2, 0, 1) y es perpendicular a la direccin del vector
n = (1, 1, 4) es
(x 2) y + 4(z + 1) = x y + 4z + 2 = 0.
La misma ecuacin se obtiene utilizando la frmula 2.4:
n (v v0 ) = (1, 1, 4) (x 2, y, z + 1) = x y + 4z + 2 = 0.
Teorema 2.1.15 Si n = (a, b, c) 6= (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 6= 0, ax + by + cz + d = 0 ax + b(y + db ) + cz = 0. La
ltima ecuacin es la forma punto-normal de la ecuacin de un plano por el

punto P0 = (0, db , 0) y ortogonal al vector n = (a, b, c). Si a 6= 0 o si c 6= 0,
se obtienen ecuaciones similares.
2
86
lgebra
Ejercicio 2.1.12 Considerar un sistema de tres ecuaciones lineales en R3
a11 x + a12 y + a13 z = b1

a21 x + a22 y + a23 z = b2
a31 x + a32 y + a33 z = b3

Ilustrar con ejemplos geomtricos los casos en los cuales el sistema dado sea
incompatible, compatible determinado y compatible.
El siguiente ejemplo muestra como se puede determinar la ecuacin de
un plano a partir de las componentes de tres de sus puntos:
Ejemplo 2.1.16 Sean P1 = (1, 0, 1), P2 = (2, 1, 0) y P3 = (2, 3, 1) tres

puntos de R3 . Encontrar la ecuacin del plano que los contiene.
Solucin: A partir de la ecuacin de un plano en forma general 2.5 y sustituyendo los valores de las variables (x, y, z) por las componentes de los tres
puntos dados, se obtiene un sistema en las variables (a, b, c, d) de la forma
ac+d=0
2a + b + d = 0
2a + 3b + c + d = 0
El conjunto solucin de este sistema es {(t, 5t, 6t, 7t) : t R}.
Sustituyendo los valores encontrados para los coecientes a, b, c y d en la
ecuacin 2.5, se obtiene el plano
tx 5ty + 6tz + 7t = 0, es decir, x + 5y 6z + 7 = 0.
Teorema 2.1.17 Sean P0 = (x0 , y0 , z0 ) y : ax + by + cz + d = 0 un punto y
un plano en el espacio tridimensional, respectivamente. La siguiente frmula

nos da el valor de la distancia entre P0 y :
d(P0 , ) =
|ax0 + by0 + cz0 + d|
a2 + b2 + c2
(2.6)
lgebra
87
(Sugerencia: Sean n = (a, b, c) el vector normal y Q = (x, y, z) un punto
del plano . Entonces kpn (P0 Q)k =
kP0 Q nk
.)
knk
Ejercicio 2.1.13 a)Encontrar la distancia entre el punto P0 = (1, 2, 3) y

el plano : x 2y + z = 1.
b)Encontrar la distancia entre los planos paralelos : x 2y + z = 1 y
0 : 2x 4y + 2z = 3.
2.1.4 Rectas en el espacio tridimensional

Sea l una recta en el espacio tridimensional que pasa por el punto P0 =
(x0 , y0 , z0 ) y es paralela al vector u = (a, b, c) 6= (0, 0, 0).
Si P = (x, y, z) es un punto de l distinto de P0 , se verica que P0 P =
(x x0 , y y0 , z z0 ) = ku = (ka, kb, kc) para un escalar k R. Entonces
la recta l estar determinada por las ecuaciones paramtricas:
x = x0 + ka
y = y0 + kb , donde k R.
(2.7)
z = z0 + kc
Sean P0 y P dos puntos de una recta l y sean OP0 = v0 y OP = v los
vectores del espacio tridimensional correspondientes. Entonces se verica la
identidad P0 P = (x x0 , y y0 , z z0 ) = v v0 . Si adems u es un vector
paralelo a la recta l, se sigue que v v0 = ku por un escalar k R.
Llamaremos forma vectorial de la ecuacin de una recta en el espacio tridimensional a la ecuacin:
v = v0 + ku
(k R)
(2.8)
Si para denir una recta l en el espacio tridimensional utilizamos un

sistema de dos ecuaciones de dos planos cuya interseccin es l , lo que se
obtiene son las ecuaciones implcitas de l :
(
a1 x + b1 y + c1 z + d1 = 0
a2 x + b2 y + c2 z + d2 = 0
88
lgebra
Ejercicio 2.1.14 a)Encontrar las ecuaciones paramtricas de la recta l que
pasa por los puntos P0 = (3, 2, 0) y P = (5, 13, 4).

b)Encontrar las ecuaciones paramtricas de la recta l interseccin de los
planos 3x + 2y 4z 6 = 0 y 2x 6y 4z 8 = 0.
c)Encontrar la forma vectorial de la ecuacin de la recta l de ecuaciones
paramtricas:
x = 2 + 3k
y = 5 k , donde k R.
(2.9)
z = 7k
lgebra
2.2
89
Espacios vectoriales sobre un cuerpo K
Segn hemos visto, en los espacios R2 y R3 se satisfacen las propiedades

1) a 8) recogidas en el teorema 2.1.4 respecto de la suma y del producto
por escalares (las propiedades 1 a 4 son las que indican que R2 y R3 tienen
estructura de grupo abeliano respecto de la suma). Veremos que, en general,
si (K, +, ) es un cuerpo, (Kn , +, ) tambin satisface dichas propiedades.
Estas propiedades son las que dan lugar a la denicin de espacio vectorial
sobre un cuerpo (K, +, ).
Denicin 2.2.1 Sea (K, +, ) un cuerpo. Llamaremos espacio vectorial
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
+
Con esta nueva notacin los axiomas de espacio vectorial se escribirn:

1. (E, +) es un grupo abeliano;
2. u, v E K ( (u + v) = u + v),
3. u E , K (( + ) u = u + u),
4. u E , K (( ) u = ( u)),
5. siendo 1 K el elemento neutro de , u E (1 u = u),
donde en cada caso la naturaleza de la operacin (es decir, si se trata de la
suma en K o en E y lo mismo con el producto de un escalar por un elemento de
E y el producto en K) quedar normalmente determinada por la naturaleza
de los operandos. As por ejemplo, si E =Mmn (R), A, B Mmn (R), y
, R, en la expresin
( + ) A
es obvio que la suma considerada es la suma de los nmeros reales y ,
mientras que en la expresin
(A + B)
la suma considerada es la denida en Mmn (R).
Tambin sealaremos que es usual omitir el , escribiendo por ejemplo
(u) en lugar de ( u), por lo que habitualmente lo haremos as.
Ejemplos de espacios vectoriales con los que ya hemos trabajado son:
Las matrices la con coecientes reales complejos M1n (K) con respecto de la suma de las y producto de una la por un nmero.
lgebra
91
Los vectores geomtricos del plano y del espacio respecto de la suma

de vectores y producto por escalares denidos en la primera parte del
captulo.
Las propiedades que satisfacen las matrices de orden m n con coecientes en un cuerpo K respecto de la suma y producto por escalares
denidos hacen que Mmn (K) tenga estructura de espacio vectorial respecto de dichas operaciones.
Observacin 21 Si (E, +, ) es un espacio vectorial sobre el cuerpo (K, +, ),
y las operaciones + y son las usuales del cuerpo K, diremos simplemente

que (E, +, ) es un K-espacio vectorial (abreviadamente: (E, +, ) es un K
e.v.), o simplemente, que E tiene estructura de espacio vectorial con respecto
a las operaciones + : E E E y : KE E, y si la suma y el producto
por escalares considerados estn predenidos o se sobrentiende cuales son,
diremos de forma abreviada que E es un K e.v.00 .
Ejemplo 2.2.2 Sea (K, +, ) un cuerpo. La terna (K, +, ) es un (K, +, )

espacio vectorial, puesto que, como consecuencia de la denicin de cuerpo,
y en particular, de la propiedad distributiva del producto del cuerpo respecto
de la suma, de la asociatividad del producto y de la existencia de elemento
neutro para el producto, tendremos
1. (K, +) es un grupo abeliano;
2. u, v K K (u + v) = u + v,
3. u K , K ( + ) u = u + u,
4. u K , K ( ) u = ( u),
5. Siendo 1 K el elemento neutro de 00 , u K (1 u = u).
As pues, el cuerpo (R, +, ) es un Re.v., el cuerpo (C, +, ) es un Ce.v.
y el cuerpo (Z2 , +, ) es un Z2 e.v.
92
lgebra
2.2.1 Propiedades de vectores

La siguiente proposicin recoge una serie de propiedades que se satisfacen en
todo espacio vectorial, donde, para mayor claridad, a los vectores los hemos
destacado en negrita.
Proposicin 2.2.3 Si E es un K e.v. se verican las siguientes propiedades:
1.
2.
3.
4.
5.
6.
u E, 0 u = 0;
K, 0 = 0;
K, u E, (( u = 0) (=0 u = 0)) ;
u E, (1) u = u;
K {0}, u, v E, (( u = v) (u = v)) ;
, K, u E {0}, (( u = u) ( = )) .
Demostracin 1. Dado u E,
0 u = (0 + 0) u =0 u+0 u,
y puesto que el nico elemento idempotente del grupo (E, +) es el elemento
0 E, conclumos que
0 u = 0.
2. Dado K,
0 = (0 + 0) = 0 + 0,
por lo que, razonando anlogamente a la propiedad anterior, conclumos que
0 = 0.
3. Sean K y u E, y supongamos que u = 0. Caben dos posibilidades.
a) Si = 0, entonces no hay nada que demostrar, puesto que en ese caso
la sentencia (=0 u = 0) es verdadera.
b) Si 6= 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,
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 6= 0, con lo que ( + ()) = 0, o lo que es lo mismo, = .
2.2.2 Producto cartesiano de espacios vectoriales

Vamos ahora a comprobar que el producto cartesiano de espacios vectoriales
es un espacio vectorial, resultado que recogemos en la siguiente proposicin:
94
lgebra
Proposicin 2.2.4 Si (E1 , +1 , 1 ), , (En , +n , n ) son n K e.v. entonces
el conjunto E = E1 En tiene estructura de espacio vectorial respecto

de las operaciones
+:
EE
E
((u1 , , un ), (v1 , , vn )) ; (u1 +1 v1 , , un +n vn )
y
:
KE
E
(, (u1 , , un )) ; ( 1 u1 , , n un )
Para realizar dicha comprobacin resulta natural utilizar el smbolo +

tanto para referirnos a cualquiera de las sumas +1 , , +n como para designar la suma denida en E1 En , y lo mismo haremos con el smbolo
(que incluso se omite por convenio de notacin), de manera que, en cada caso, la operacin considerada queda determinada por la naturaleza de
los operandos; en otras palabras, para cada i {1, , n}, si ui , vi Ei ,
entonces
ui + vi = ui +i vi y ui = i (ui ) .
As por ejemplo, puesto que E1 , , En son n K e.v., en particular
(E1 , +), , (En , +)

son grupos abelianos y, en esas condiciones no es difcil vericar que
(E1 En , +)
es tambin un grupo abeliano.
Por otra parte veamos que u, v E y K
(u + v) = u + v :
Si u, v E, u = (u1 , , un ) y v = (v1 , , vn ), por denicin
(u + v) = (u1 + v1 , , un + vn )
y, en consecuencia, segn se ha denido la ley de composicin externa en E,
(u1 + v1 , , un + vn ) = ( (u1 + v1 ) , , (un + vn )),
lgebra
95
y por la propiedad distributiva que satisface el producto por escalares respecto de la suma de vectores en cada uno de los espacios vectoriales (Ei , +i , i )
tendremos que, en denitiva,
(u + v) =
=
=
=
=
=
(u1 + v1 , , un + vn ) =
( (u1 + v1 ) , , (un + vn )) =
(u1 + v1 , , un + vn ) =
(u1 , , un ) + (v1 , , vn ) =
(u1 , , un ) + (v1 , , vn ) =
u+v
La demostracin de que se satisfacen el resto de las propiedades necesarias

para que E1 En tenga estructura de Ke.v. respecto de las operaciones
consideradas se propone como ejercicio.
En particular, como consecuencia de la proposicin anterior tenemos que
si (K, +, ) es un cuerpo, entonces n N (Kn , +, ) es un K e.v., siendo
las operaciones denidas sobre Kn las denidas en la proposicin anterior.
Estas son las operaciones que se deben dar por sobreentendidas siempre que
hagamos alusin al K e.v. Kn .
Ejemplo 2.2.5 Casos particulares del apartado anterior:

1. (R3 , +, ) es un R e.v., donde si (x, y, z), (x0 , y 0 , z 0 ) R3 y R,
(x, y, z) + (x0 , y 0 , z 0 ) = (x + x0 , y + y 0 , z + z 0 )
(x, y, z) = (x, y, z)
siendo x + x0 , y + y 0 y z + z 0 la suma habitual de estos nmeros reales, y
x, y y z el producto habitual de estos nmeros reales.
2. Del mismo modo que en el ejemplo anterior, (C2 , +, ) es un C e.v.,
sobrentendindose cules son las operaciones denidas sobre C2 .
3. Anlogamente, (Z32
2 , +, ) es un Z2 e.v..
4. El espacio Mm,n (R) C[x] es un Respacio vectorial.
96
lgebra
2.2.3 Funciones con codominio en un espacio vectorial

Si E es un K e.v., y denotamos por F(X, E) al conjunto formado por todas
las funciones denidas sobre un conjunto cualquiera X 6= y tales que su
imagen est contenida en E,
F(X, E) = {f : X E :
f es una funcin} ,
resulta que este conjunto tiene estructura de K e.v., segn se recoge en la

siguiente proposicin.
Proposicin 2.2.6 Si X 6= y E es un K e.v., entonces (F(X, E), +, )

es un K e.v., donde f, g F (X, E) f + g F(X, E) es la funcin denida
x X por la siguiente expresin (f + g)(x) = f (x) + g(x) (ntese que la
suma del lado izquierdo de la igualdad es la suma de funciones, y que la del
lado derecho es la suma de E) y f F(X, E), K , (f ) F(X, E) es
la funcin determinada x X por la siguiente expresin (f )(x) = f (x).
Demostracin Siendo f + g la funcin denida por la condicin

x X (f + g)(x) = f (x) + g(x)
resulta que tenemos denida una operacin sobre F(X, E):
+ : F(X, E) F(X, E)
(f, g)
F(X, E)
;
f +g
Adems, se verica que:

1. + es asociativa, pues si f, g, h F(X, E), y x X
((f + g) + h) (x) = (f + g)(x) + h(x) = (f (x) + g(x)) + h(x) =

= f (x) + (g(x) + h(x)) = f (x) + (g + h)(x) =
= (f + (g + h)) (x)
con lo que (f + g) + h = f + (g + h).
2. + es conmutativa, pues si f, g F(X, E), y x X,
(f + g)(x) = f (x) + g(x) = g(x) + f (x) = (g + f )(x)

con lo que (f + g) = (g + f ).
lgebra
97
3. Es inmediato comprobar (verifquese) que la funcin constante
0: X
x
E
; 0
es el elemento neutro de (F(X, E), +).

4. Del mismo modo, es inmediato comprobar (verifquese) que f
F(X, E) el elemento simtrico de f respecto de + es la funcin
(f ): X
x
E
,
; (f (x))
es decir, x X (f )(x) = (f (x)) donde (f (x)) es el elemento opuesto

de f (x) en (G, +). Al ser (E, +) un grupo abeliano, (F(X, E), +) tambin lo
es, donde
f +g : X
E
.
x ; f (x) + g(x)
Veamos ahora que la operacin
:
donde
KF(X, E) F(X, E)
(, f )
;
f
f : X
x
E
f (x)
satisface el resto de propiedades:

5. Sean f, g F(X, E). Hay que demostrar que K
(f + g) = f + g.
Sea K. Puesto que
((f + g)) : X E
y
(f + g) : X E,
para demostrar que dichas aplicaciones son iguales es suciente con probar
que
x E, ((f + g))(x) = (f + g)(x).
98
lgebra
Sea x E. Por denicin
((f + g))(x) = ((f + g)(x)) = (f (x) + g(x)) =

(por la distributividad en E del producto por
escalares respecto de la suma de vectores)
= f (x) + g(x) = (f )(x) + (g)(x) = ((f ) + (g)) (x).
6. Hay que probar que f F (X, E) , K
( + )f = f + f.
Se demuestra de forma anloga a la propiedad que acabamos de ver, por lo
que se propone como ejercicio.
7. Sean f F(X, E) y , K . Hay que demostrar que
()f = (f ).
Puesto que
(()f ) : X E
y
((f )) : X E,
para demostrar que dichas aplicaciones son iguales es suciente probar que
x E
(()f )(x) = ((f ))(x).
Sea x E. Por denicin
(()f )(x) = ()f (x) = (puesto que , K, f (x) E

y E es un K-e.v.)
= (f (x)) = ((f )(x)) = ((f ))(x).
8. Finalmente, dado 1 K, f F(X, E)
(1 f ) = f,
pues si f F(X, E) es una funcin cualquiera de ese conjunto, dado que
(1 f ) : X E y f : X E,
lgebra
99
y teniendo en cuenta que x E,
(1 f )(x) = 1 f (x) = f (x),

conclumos que (1 f ) = f.
Ejemplos. Como consecuencia de la proposicin anterior, los siguientes
conjuntos tienen estructura de espacio vectorial respecto de las operaciones

consideradas en la misma.
1. Si (K, +, ) es un cuerpo, el conjunto F(K, K). En particular, el conjunto F(R, R) de las funciones reales de variable real y el conjunto F(C, C)
de las funciones complejas de variable compleja.
2. El conjunto F(R, C) de las funciones complejas de variable real es un
C e.v.
3. El conjunto F(N, E) de las sucesiones de elementos de un K e.v.
E. En particular F(N, R), F(N, C), F(N, R3 ) tienen estructura de espacio
vectorial respecto de las operaciones consideradas en la proposicin anterior.
(Como ejercicio, escrbase cual es la expresin explcita de dichas operaciones
particularizadas en cada uno de los subespacios de este ejemplo).
4. El conjunto Mmn (K) = F({1, , m}{1, , n}, K) de las matrices
de m las y n columnas con coecientes en un cuerpo K y, en particular, el
conjunto de las matrices cuadradas de n las, al que denotamos por Mn (K).
5. Combinando los ejemplos anteriores tambin son espacios vectoriales,
respecto de la suma y producto por escalares introducidos, el conjunto
F(N, F(R, R))

de las sucesiones de F(R, R), el conjunto
F(N, M2 (C))
de las sucesiones de matrices de M2 (C), el conjunto
F(M3 (C), M3 (C)),

el conjunto
F(N, F(R, R) F(R, R)),

el conjunto
F(C, CM5 (C)),

y un largo etctera.
100
lgebra
2.3 Subespacios vectoriales

Siendo E un K e.v. y H E, se dice que H es un subespacio vectorial
de E si H tiene estructura de espacio vectorial respecto de las operaciones
inducidas por las de E. Por consiguiente, teniendo en cuenta que si + y
satisfacen las propiedades necesarias para que E sea un K e.v. (+ es
asociativa, conmutativa, ), dichas propiedades tambin se satisfacen en el
caso particular de que los vectores sean de H, y que siendo 0 K y u H,
0 u = 0, lo nico que necesitamos para que H sea un subespacio vectorial
de E es que el resultado obtenido al hacer actuar dichas operaciones sobre
elementos de H sea un elemento de H, es decir:
Denicin 2.3.1 Si E es un K e.v. y H E, se dice que H es un subespacio vectorial de E si:

1. H 6= .
2. u, v H u + v H.
3. K, u H u H.
En lo sucesivo utilizaremos la notacin H E para indicar que H es un

subespacio vectorial de E.
Proposicin 2.3.2 Sean E un K e.v. y H E. Se verica que H E si
y slo si
a) 0 H
b) u, v H, , K se verica que (u + v) H.
Demostracin Ejercicio. Indicacin: vericar que las condiciones 1, 2 y

3 de la denicin equivalen a las condiciones a) y b).
Observacin 22 De la denicin de subespacio vectorial se sigue que, siendo E un K e.v. se verica que E E y que {0} E.
lgebra
101
Observacin 23 No es difcil demostrar, razonando por induccin sobre n,

que si E es un K e.v. y H E , entonces se verica que
(u1 , , un ) H n , (1 , , n ) Kn ,
n
X
!
i ui
H.
i=1
(De manera informal: si H E, u1 , , un son vectores de H, y 1 , , n

son escalares, necesariamente 1 u1 + + n un H.)
EJEMPLOS:
1. Puesto que si H E, necesariamente 0 H, no es difcil comprobar

que cualquier plano de R3 que pase por el punto (0, 0, 0) es un subespacio
vectorial de R3 . Igualmente, cualquier recta de R3 que pase por el punto
(0, 0, 0) es un subespacio vectorial de R3 . Cuando introduzcamos el concepto de dimensin veremos que los nicos subespacios vectoriales de R3 son:
{0}, R3 , las rectas que pasan por 0 =(0, 0, 0) y los planos que pasan por 0.
(De forma anloga, los nicos subespacios de R2 son: {0}, R2 y las rectas
que pasan por 0).
2. El conjunto formado por todas las soluciones de un sistema homogneo
de m ecuaciones lineales con n incgnitas y con coecientes en un cuerpo
K es un subespacio vectorial de Kn
a11 x1 + + a1n xn = 0
..
.
.
a x + + a x = 0
m1 1
mn n
Para comprobarlo, slo hay que vericar que si (1 , , n ), (1 , , n )
Kn son soluciones del sistema anterior y K, entonces (1 +1 , , n +n )
tambin es solucin del sistema, y lo mismo sucede con (1 , , n ).
3. C[x] F (C, C), pues
a) 0 C[x];
b) si f, g C[x] y , K , de la denicin de C[x] se sigue que
n, m N {0}, (a0 , , an ) Cn+1 , (b0 , , bm ) Cm+1 tales que
x C se verica que
f (x) = an xn + + a0 g(x) = bm xm + + b0 ;
102
lgebra
evidentemente, si n m, poniendo i {m + 1, , n} bi = 0, tendremos

que
x C
(f + g)(x) =
n
!
n
!
X
X
i
i
=
ai x +
bi x =
i=0
n
X
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) 6= .
ii) Dados f, g Pn (C), teniendo en cuenta que
gr(f + g) max{gr(f ), gr(g)} n,

resulta que f + g Pn (C)
iii) Dados f Pn (C) y K, hay que distinguir dos posibilidades: si
= 0, entonces f = 0 Pn (C); por otra parte si 6= 0, teniendo en cuenta
que gr(f ) = gr(f ), se sigue que en cualquier caso f Pn (C).
5. Si denotamos por C(R, R) al conjunto de funciones reales de variable
real que son continuas en todos los puntos de R, teniendo en cuenta que
cualquier funcin constante es continua (con lo que C(R, R) 6= ), que si
f, g C(R, R), entonces f + g C(R, R), y que si R y f C(R, R),
entonces f C(R, R), resulta que
C(R, R) F (R, R).

Por el mismo motivo, el conjunto de las funciones reales denidas en el conjunto
[a, b] = {x R |a x b }
y continuas en todos los puntos de este intervalo, conjunto al que denotamos
por C([a, b], R), constituye un subespacio vectorial de F([a, b], R).
Observacin 24 Puesto que todo subespacio vectorial de un espacio vectorial dado es a su vez un espacio vectorial, es posible referirnos a cada uno de
lgebra
103
los ejemplos anteriores como espacios vectoriales; de este modo, hablaremos

del espacio vectorial de las funciones continuas C(R, R), del espacio vectorial
de los polinomios de grado n, etc..
Ejercicio 2.3.1 Se dice que A Mn (K) es simtrica si t A = A. Si denota-
mos por Sn (K) al conjunto de las matrices simtricas de orden n, demostrar

que Sn (K) Mn (K).
Proposicin 2.3.3 Si X 6= , E es un K e.v. y S X, el conjunto

H = {f F (X, E) |f (S) = {0} }
es un subespacio vectorial de F(X, E).
Corolario 2.3.4 Las matrices triangulares superiormente, T n (K), inferiormente Tn (K) y diagonales Dn (K) son subespacios vectoriales de Mn (K).
Demostracin Es suciente con aplicar la proposicin anterior teniendo
en cuenta que, siendo
S T = {(i, j) {1, , n} {1, , n} |i > j },

ST = {(i, j) {1, , n} {1, , n} |i < j }
y
SD = {(i, j) {1, , n} {1, , n} |i 6= j },

se verica
T n (K) = A Mn (K) A(S T ) = {0} ,

Tn (K) = {A Mn (K) |A(ST ) = {0} }
Dn (K) = {A Mn (K) |A(SD ) = {0}} .

2
104
lgebra
2.4 Dependencia e independencia lineal

Denicin 2.4.1 Si E es un K e.v., un sistema de vectores de E es
cualquier secuencia nita de vectores de E. As, si u1 , , un E, la secuencia u1 , , un es un sistema de n vectores de E.
Observacin 25 Para mayor claridad, en ocasiones escribiremos {u1 , , un }

para referirnos al sistema u1 , , un .
Denicin 2.4.2 Si {u1 , , un } es un sistema de vectores de E, diremos
que v E es combinacin lineal de u1 , , un si (1 , , n ) Kn tal
que v =
n
P
i ui .
i=1
Observacin 26 Si v E es combinacin lineal de u1 , , un tambin diremos que v E depende linealmente de u1 , , un .

Ejemplo 2.4.3 Si consideramos en el Re.v. R2 con su estructura de espa-
cio vectorial habitual, resulta que (11, 7) depende linealmente de (2, 1), (1, 0),
y (3, 2), puesto que
(11, 7) = (2, 1) + 3 (3, 2).
Por el mismo motivo, (3, 0) depende linealmente de (1, 1), (1, 4), pues
(3, 0) = (4) (1, 1) + 1 (1, 4).

Si E es un K e.v. y A E denotaremos por
L(A) = {v E |v es combinacin lineal de un sistema de vectores de A}.

La siguiente proposicin establece que si E es un K e.v. y A E, L(A)
es el subespacio vectorial ms pequeo que contiene a A.
Proposicin 2.4.4 Sean E un Ke.v. y A E. Se verica que: 1) L(A)

E, 2)A L(A) y 3)H 0 E (A H 0 L(A) H 0 ).
lgebra
105
Demostracin Sea H = L(A).
1. Es obvio que 0 H y, por otra parte, dados , K, y u, v H, de

la denicin de H se sigue que existen u1 , , un y v1 , , vm sistemas de
vectores de A y (1 , , n ) Kn , (1 , , m ) Km de manera que
u=
n
X
i ui y v =
i=1
m
X
i vi ,
i=1
por lo que
u + v =
n
X
!
i ui
i=1
=
=
n
X
i=1
n+m
X
m
X
!
i vi
i=1
(i ) ui +
m
X
(i )vi =
i=1
i wi ,
i=1
donde hemos puesto i {1, , n + m},
(i n i = (i ) wi = ui )
(n < i n + m i = (i ) wi = vi ) ,
y en consecuencia, puesto que w1 , , wn+m es un sistema de n + m vectores
de A, conclumos que
u + v H.
2. Si v A, podemos poner, por ejemplo, que v = 1 v, siendo 1 K y
{v} el sistema de vectores de A considerado, con lo que v H.
3. Finalmente, si H 0 E es tal que A H 0 , segn vimos en su momento,
cualquier combinacin lineal de elementos de H 0 (en particular de elementos
de A H 0 ) es un elemento de H 0 , con lo que H H 0 .
2
Denicin 2.4.5 Si E es un K e.v. y u1 , , un es un sistema de vectores de E, al subespacio vectorial L({u1 , , un }) se le denomina subespacio
106
lgebra
vectorial generado por el sistema u1 , , un , y del sistema u1 , , un se

dice que es un sistema generador de H = L({u1 , , un }). A este subespacio tambin lo denotaremos por L(u1 , , un ).
Observacin 27 Ntese que si todo vector de E se puede expresar como una

combinacin lineal de u1 , , un , resulta que el subespacio vectorial generado
por u1 , , un es H = L({u1 , , un }) = E, que obviamente es un subespacio
vectorial de E.
Ejemplos:
1. Los vectores (1, 0) y (0, 1) constituyen un sistema generador de R2 , pues

cualquier vector de R2 se puede expresar como combinacin lineal del sistema
(1, 0), (0, 1), ya que si (a, b) R2 , (a, b) = a(1, 0) + b(0, 1). Anlogamente
(1, 0, 0), (0, 1, 0), (0, 0, 1)

es un sistema generador de R3 y, en general, el sistema de n vectores de Kn
(1, 0, , 0), (0, 1, 0, , 0), (0, 0, , 0, 1)

es un sistema generador de Kn .
2. Los polinomios 1, x, x2 , , xn constituyen un sistema generador de
Pn (C), pues si f Pn (C), f es de la forma f = a0 + + an xn (ya que
z C, f (z) = (a0 + + an xn )(z) = a0 + + an z n ).
3. Como hemos visto, los vectores (1, 0) y (0, 1) constituyen un sistema
generador de R2 . Pero el sistema (1, 0), (0, 1), (3, 1) tambin es un sistema
generador de R2 , pues si (a, b) R2 ,
(a, b) = a(1, 0) + b(0, 1) + 0(3, 1).

De hecho, cualquier sistema de vectores de R2 que contenga a (1, 0) y
(0, 1) ser un sistema generador de R2 .
Nos interesa caracterizar los sistemas generadores con el menor nmero
posible de elementos. Estos sistemas de vectores sern los sistemas de vectores
que, constituyendo un sistema generador, son linealmente independientes.
Denicin 2.4.6 Siendo E un K e.v., se dice que el sistema u1 , , un de

vectores de E es libre (o tambin que los vectores u1 , , un son linealmente
independientes) si se verica que (1 , , n ) Kn
n
!
X
i ui = 0 (1 , , n ) = (0, , 0)
i=1
lgebra
107
Si el sistema de vectores u1 , , un no es libre, se dice que es ligado (o

tambin que los vectores u1 , , un son linealmente dependientes). As
pues,
u1 , , un es ligado
(1 , , n ) Kn {(0, , 0)} tales que
n
X
!
i ui = 0 .
i=1
Ejemplo 2.4.7 En el R e.v. R2 con su estructura de espacio vectorial
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
(1, 0, , 0), (0, 1, 0, , 0), (0, 0, , 0, 1)

es un sistema libre.
Ejemplo 2.4.8 En el R e.v. R3 con su estructura de espacio vectorial ha-
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
0(1, 0) + (1)(2, 1) + (3)(3, 2) + (11, 7) = (0, 0),

y sin embargo
(0, 1, 3, 1) 6= (0, 0, 0, 0).
Proposicin 2.4.10 Si u1 , , un es un sistema de vectores del K e.v. E,
se verica que u1 , , un es libre si y slo si v E

!
!
n
n
X
X
v=
i ui v =
i ui (1 , , n ) = (1 , , n ) .
i=1
i=1
108
lgebra
Demostracin Si (1 , , n ), (1 , , n ) Kn son tales que v =

n
P
i=1
i ui v =
n
P
i=1
i ui , resulta que
n
P
i ui =
i=1
n
P
i=1
i ui , es decir,
n
P
(i i )ui =
i=1
0, y como por hiptesis u1 , , un es libre, conclumos que (1 1 , , n

n ) = (0, , 0), es decir,
i {1, , n} (i i ) = 0,
y por consiguiente i {1, , n} i = i , o lo que es lo mismo,
(1 , , n ) = (1 , , n ).
Supongamos que
n
P
i=1
i ui = 0. Como tambin se verica que 0u1 +
+ 0un = 0, aplicando la hiptesis resulta que

(1 , , n ) = (0, , 0).
2
Ejercicio 2.4.1 En el anillo de polinomios Pn (C), vericar que el sistema

{1, x, x2 , , xn } es libre. (Indicacin: utilizar induccin sobre n y la
continuidad de los polinomios.)
La siguiente proposicin recoge una caracterizacin de los sistemas ligados.
Proposicin 2.4.11 Si u1 , , un es un sistema de vectores del K e.v. E,
se verica que u1 , , un es ligado si y slo si i {1, , n} tal que ui es

combinacin lineal de u1 , , ui1 , ui+1 , , un .
Demostracin Si u1 , , un es un sistema ligado tendremos que

(1 , , n ) Kn {(0, , 0)} tal que
n
P
j=1
j uj = 0. Ahora bien, puesto
que (1 , , n ) 6= (0, , 0), existe i {1, , n} tal que i 6= 0, y puesto

que i K, necesariamente i tiene inverso i1 K, con lo que
n
!
X
i1
j uj = i1 0 = 0.
j=1
lgebra
109
Pero
i1
n
X
!
j uj
n
X
j=1
de donde
n
P
j=1
i1 j uj ,
j=1
i1 j uj = 0, con lo que, teniendo en cuenta que i1 i = 1,
resulta que
ui =
n
X
i1 j uj ,
j=1,j6=i
es decir, ui es combinacin lineal de u1 , , ui1 , ui+1 , , un .

Supongamos que
n
X
ui =
j uj .
j=1,j6=i
En ese caso, pasando ui al segundo miembro y tomando i = 1, resulta que
(1 , , n ) 6= (0, , 0)
y
n
P
j=1
j uj = 0, con lo que u1 , , un es un sistema ligado.
Ejemplo: Como consecuencia de la proposicin anterior, dos vectores u
y v son linealmente dependientes si y solamente si uno de ellos se obtiene

multiplicando un escalar por el otro. Por consiguiente, en el caso particular
de R2 y R3 , dos vectores sern linealmente dependientes si y slo si estn
sobre la misma recta que pasa por 0.
Asimismo, si u, v y w son vectores de R3 , u, v y w son linealmente dependientes (o lo que es lo mismo, el sistema {u, v, w} es ligado) si y slo si al
menos uno de los vectores es una combinacin lineal de los restantes. Pero
el subespacio vectorial generado por dos vectores cualesquiera de R3 es una
recta que pasa por el origen, un plano que pasa por el origen, o el propio
origen; en cualquier caso, si u, v y w son linealmente dependientes existe un
plano que, pasando por 0, contiene a los tres vectores. De manera general:
Proposicin 2.4.12 Si E es un K e.v. y n, r, m N, se verica que

1. (u E u 6= 0) u es libre;
110
lgebra
2. si u1 , , un es libre y r n, entonces u1 , , ur es libre;

3. si u1 , , un es tal que i {1, , n} de manera que ui = 0, entonces
el sistema u1 , , un es ligado;
4. si u1 , , un es ligado entonces v1 , , vm E el sistema
{u1 , , un , v1 , , vm } es ligado.
Demostracin 1. Si u E {0} y u = 0, necesariamente = 0, con lo
que u es libre.
2. Supongamos que u1 , , un En es libre, que r n y que (1 , , r )
r
P
j uj = 0. En ese caso, deniendo j {r + 1, , n}
Kr es tal que
j=1
j = 0, tendremos que
n
P
j=1
j uj = 0 y, puesto que u1 , , un es libre,
(1 , , n ) = (0, , 0) y en particular (1 , , r ) = (0, , 0).

3. Si u1 , , un En es tal que ui = 0, considerando la n-tupla (1 , , n )
Kn denida por la condicin
i = 1 j {1, , n}(j 6= i j = 0),
resulta que (1 , , n ) 6= (0, , 0) y
n
X
j uj = 0u1 + + 0ui1 + 1 0 + 0ui+1 + + 0un = 0.
j=1
4. Si u1 , , un es ligado, (1 , , n ) 6= (0, , 0) tal que

n
X
j uj = 0.
j=1
Dado entonces el sistema v1 , , vm de m vectores de E, deniendo j

n
m
P
P
{1, , m} j = 0, tendremos que
j uj +
j vj = 0, y puesto que
j=1
j=1
(1 , , n ) 6= (0, , 0), resulta que

(1 , , n , 1 , , m ) 6= (0, , 0),
lgebra
111
con lo que u1 , , un , v1 , , vm es ligado.
Las propiedades 2 y 4 de la proposicin anterior podran enunciarse de

manera poco rigurosa del siguiente modo: todo subsistema de un sistema
libre es libre y todo supersistema de un sistema ligado es ligado .
Proposicin 2.4.13 Si u1 , , un es un sistema de vectores del K e.v. E

libre y v E no es combinacin lineal de u1 , , un , entonces el sistema
u1 , , un , v es libre.
Demostracin Supongamos que
n
P
j=1
j uj + v = 0. En ese caso necesa-
riamente = 0, puesto que si 6= 0, tendramos que
v=
n
X
1 j uj
j=1
en contradiccin con la hiptesis. Pero si = 0, entonces

n
X
j uj = 0,
j=1
y puesto que u1 , , un es libre, resulta que
(1 , , n ) = (0, , 0),
con lo que, en denitiva,
(1 , , n , ) = (0, , 0, 0).
2
Corolario 2.4.14 Si u1 , , un es un sistema de vectores del K e.v. E y

v E son tales que u1 , , un es libre y u1 , , un , v es ligado, entonces v
es combinacin lineal de u1 , , un .
112
lgebra
2.5 Bases y dimensin

2.5.1 Sistemas generadores y bases
Segn vimos, si un vector se expresa como combinacin lineal de un sistema libre, la expresin del vector como combinacin lineal de ese sistema es
nica. Adems, si un sistema libre es a la vez generador de un cierto subespacio, entonces no hay un sistema generador de dicho subespacio que tenga
menos vectores que el sistema libre considerado. Las razones anteriores son
sucientes para estudiar los sistemas de vectores que son a la vez sistemas
generadores y libres. Una vez concluido el estudio de la seccin, habremos resuelto un problema adicional: sabremos cul es el nmero mximo de vectores
linealmente independientes que podemos encontrar en un espacio vectorial
dado. (Segn sabemos, el nmero mximo de vectores linealmente independientes que podemos encontrar en R2 es 2, y el nmero mximo de vectores
linealmente independientes que podemos encontrar en R3 es 3. Veremos por
ejemplo, que el nmero mximo de vectores linealmente independientes que
podemos encontrar en Rn es n).
Denicin 2.5.1 Dados un K e.v. E y H E, se dice que un sistema

u1 , , un de vectores de H es una base de H si u1 , , un es libre y v H
se verica que v es combinacin lineal de u1 , , un .
En otras palabras, una base de un K e.v. E es un sistema de vectores

de E que es simultneamente libre y generador.
En particular, como E E, una base de E es un sistema de vectores de
E que es libre y tal que todo vector de E se expresa como combinacin lineal
de dicho sistema.
Nota: Si u1 , , un es una base de un K e.v. E, es usual escribir
B =P
{u1 , , un } para denotarla. Todo vector v E se escribe en la forma
v = ni=1 ai ui , donde los coecientes (a1 , , an ) Kn estn unvocamente
determinados, por la proposicin 2.4.10, pero dependen en el orden dado a
los vectores u1 , , un . Un cambio en el orden de los vectores u1 , , un da
por resultado un cambio correspondiente en el orden de los coecientes del
vector v. Esta situacin justica la denicin de base ordenada: una base
ordenada B = (u1 , , un ) de un K e.v. E es un sistema de vectores libre,
generador y ordenado.
lgebra
113
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
1 (1, 0, , 0) + + n (0, , 0, 1) = (0, , 0),

tendremos que (1 , , n ) = (0, , 0). Por consiguiente,
Bn = ((1, 0, , 0), , (0, , 0, 1))

es una base ordenada de Kn . A esta base se la conoce con el nombre de base
cannica de Kn y se la denota como Bn . Como caso particular, resulta que
B1 = (1) es una base del K e.v. K.
2. Como un subcaso del ejemplo anterior, resulta que ((1, 0), (0, 1)) es una
base ordenada de R2 (es la base cannica de R2 ). Por otra parte el sistema
{(2, 1), (1, 1)} tambin es una base de R2 , puesto que
a) {(2, 1), (1, 1)} es libre, ya que si (2, 1) + (1, 1) = (0, 0), resulta
que (2 , + ) = (0, 0), de donde, resolviendo el sistema
2 = 0
+ =0
obtenemos que = = 0, es decir, (, ) = (0, 0).
b) Todo vector de R2 se puede expresar como combinacin lineal de
{(2, 1), (1, 1)}, puesto que dado (x, y) R2 , poniendo
(x, y) = (2, 1) + (1, 1),

resulta que
(x, y) = (2 , + ),
es decir,
x = 2
,
y =+
de donde x + y = 3, i.e., = 13 (x + y) y = y 13 (x + y) , es decir,

= 32 y 13 x; en otras palabras, el sistema de ecuaciones
x = 2
y =+
114
lgebra
tiene solucin (x, y) R2 y podemos escribir
1
1
2
1
(x, y) =
x + y (2, 1) +
y x (1, 1),
3
3
3
3
y en consecuencia {(2, 1), (1, 1)} es un sistema generador de R2 .
3. Siendo Pn (C) el conjunto de polinomios con coecientes en C de grado
n, se verica que 1, x, , xn es una base de Pn (C) pues
a) {1, x, , xn } es libre (comprubese) y
b) si f Pn (C), (a0 , a1 , , an ) Kn+1 tal que x C
f = a0 +a1 x+ +an xn , con lo que f es combinacin lineal de {1, x, , xn }.
4. En el K e.v. de las matrices columna de n las, Mn1 (K), siendo
i {1, , n}
ei :
{1, , n} {1}
(j, 1)
Mn1 (K)
1 si j = i
;
0 si j 6= 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 } = { .. , .. , , .. }.
. .
.
Ejercicio 2.5.1 En el espacio vectorial de la matrices Mmn (K),
i {1, , m} y j {1, , n}, sea Eij la matriz que tiene un nico

coeciente no nulo: Eij (i, j) = 1. Vericar que las mn matrices Eij forman
una base de Mmn (K).
Denicin 2.5.2 Si B = (u1 , , un ) es una base ordenada del K e.v. E

yv=
n
P
i=1
i ui , a la matriz
1
..
. Mn1 (K)
n
lgebra
115
la denominaremos matriz de coordenadas del vector v respecto de la base B, o

simplemente coordenadas del vector v respecto de B, y la denotaremos
por (v)B .
Ejemplo 2.5.3 En el espacio vectorial R3 , siendo

B3 = ((1, 0, 0), (0, 1, 0), (0, 0, 1)),
resulta que
3
= 2
1
((3, 2, 1))B3
puesto que
(3, 2, 1) = 3(1, 0, 0) + (2)(0, 1, 0) + 1(0, 0, 1).
Ejemplo 2.5.4 En el espacio vectorial P3 (C) de los polinomios de grado
3, siendo B = (1, x, x2 , x3 ), resulta que
5
1
3
2x + x 5 B =
0 ,
2
puesto que 2x3 + x 5 = (5) 1 + x + 0 x2 + 2x3 .
Ejemplo 2.5.5 En el espacio vectorial R2 , siendo B2 = ((1, 0), (0, 1)) y B =

((2, 1), (1, 1)), resulta que (x, y) R2 ,
((x, y))B2 =
mientras que
((x, y))B =
+ 13 y
2
y
3
1
x
3
((1, 0))B2 =
((1, 0))B =
1
x
3
En particular,
mientras que
x
y
1
0
1
3
13
116
lgebra
Denicin 2.5.6 Se dice que un K e.v. E es de dimensin nita si

n N, y u1 , , un sistema de vectores de E tal que {u1 , , un } es una
base de E.
Ejemplo 2.5.7 n N se verica que Kn es un K e.v. nitamente gene-
rado, puesto que (x1 , , xn ) Kn
(x1 , , xn ) = x1 (1, 0, , 0) + + xn (0, , 0, 1),

con lo que el sistema de n elementos ((1, 0, , 0), , (0, , 0, 1)) es un
sistema generador de Kn y, puesto que es libre, es una base de Kn .
Ejemplo 2.5.8 El C e.v. de los polinomios C[x] no es de dimensin nita, puesto que, razonando por reduccin al absurdo, si suponemos que
{p1 , , pn } es una base de C[x], siendo
r = max{gr(pi ) |i {1, , n} },
es obvio que el polinomio xr+1 C[x] no se puede expresar como combinacin
lineal del sistema {p1 , , pn }.
2.5.2 Equipotencia de bases

Observacin 28 Si {u1 , , un } es un sistema de vectores de un K e.v.
E, y i {1, , n} tal que ui es combinacin lineal del sistema
{u1 , , ui1 , ui+1 , , un },
entonces cualquier vector que sea combinacin lineal de {u1 , , un } es tambin combinacin lineal de
{u1 , , ui1 , ui+1 , , un },

puesto que si ui =
n
P
j=1,j6=i
j uj y v =
v = 1 u1 + + i1 ui1 + i
n
P
j=1
j uj , tendremos que
n
X
j=1,j6=i
n
X
j=1,j6=i
j uj ,
!
j uj
+ i+1 ui+1 + + n un =
lgebra
117
donde j {1, , n} {i}
j = (j + i j ) .
Proposicin 2.5.9 Sean E un K e.v., {u1 , , un } una base de E y

{v1 , , vm } un sistema de vectores de E con m > n. En estas condiciones el sistema {v1 , , vm } es ligado.
Demostracin Supondremos que i {1, , m} vi 6= 0, puesto que en
caso contrario, automticamente el sistema {v1 , , vm } es ligado. Veamos

que an siendo i {1, , m} vi 6= 0, el sistema (v1 , , vm ) es ligado.
Puesto que {u1 , , un } es una base de E, j {1, , m}
vj =
n
X
aij ui .
i=1
Por consiguiente, suponiendo que

m
X
j vj = 0.
j=1
tendremos que
m
X
n
X
aij ui ) = 0.
j (
i=1
j=1
es decir,
n
m
X
X
(
aij j )ui = 0.
i=1
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
X
j =1
aij j = 0.
118
lgebra
y, puesto que el sistema de ecuaciones homogneo
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.
2
Observacin 29 Cualquier sistema de 4 o ms vectores de R3 es ligado.

Corolario 2.5.10 (Equipotencia de bases en un Ke.v. de dimensin nita)
Si E es un K e.v. nitamente generado y
B = {u1 , , un } y B 0 = {v1 , , vm }
(2.10)
son bases de E, se verica necesariamente que n = m.
Demostracin Por la proposicin anterior, como todo vector del sistema
{v1 , , vm } es combinacin lineal de {u1 , , un } (puesto que {u1 , , un }

es base de E) conclumos que m n (ya que en caso contrario {v1 , , vm }
sera ligado, en contradiccin con que sea base).
Por el mismo motivo, como {v1 , , vm } todo vector del sistema {u1 , , un }
es combinacin lineal de {v1 , , vm } conclumos que n m (ya que en caso
contrario {u1 , , un } sera ligado, en contradiccin con que sea base), y en
denitiva obtenemos que n = m.
2
Una vez demostrado que si E es un K e.v. de dimensin nita todas
las bases de E tienen el mismo nmero de elementos, podemos establecer la
siguiente denicin:
Denicin 2.5.11 Si E es un K e.v. de dimensin nita y

(u1 , , un ) En
es una base de E, diremos que la dimensin de E es n y escribiremos
dim(E) = n.
lgebra
119
Ejemplos:
1. Cmo 1 K es una base del K e.v. K, resulta que
dim(K) = 1.
2. Teniendo en cuenta que la base cannica de Kn tiene n elementos,
resulta que
dim(Kn ) = n.
3. Puesto que (1, x, , xn ) (Pn (C))n+1 es una base de Pn (C), tendremos que
dim(Pn (C)) = n + 1.
A esta base la denominaremos base usual de Pn (C).
Adems del teorema de equipotencia de bases en un K e.v. de dimensin nita, de la proposicin (2.5.9) tambin se pueden obtener de manera
inmediata los siguientes resultados.
Proposicin 2.5.12 Si E es un K e.v. y {u1 , , un } es una base de E,
entonces se verica que:
1. ({v1 , , vm } sistema de vectores de E (m > n)) {v1 , , vm } ligado;

2. {v1 , , vn } sistema libre de vectores de E {v1 , , vn } base;
3. {v1 , , vn } sistema generador de E {v1 , , vn } base.
Demostracin 1. Evidente a partir de la proposicin (2.5.9).
2. Evidente a partir de la proposicin (2.4.13) y 1.

3. Si {v1 , , vn } es un sistema generador de E y {v1 , , vn } es ligado, entonces (aplicando la proposicin (2.4.11) hasta reducir el sistema
{v1 , , vn } a un sistema libre,) existirn r N, r n y una base B =
{w1 , , wr } de E, tales que i {1, r} j {1, , n} de manera que
wi = vj . Pero puesto que {w1 , , wr } es una base de E, r = n y puesto que {w1 , , wn } es libre y la n tupla {v1 , , vn } no es ms que una
reordenacin de la ntupla {w1 , , wn }, resulta que {v1 , , vn } es libre.2
Ejercicio 2.5.2 Vericar que el sistema {1, 1 + x, x2 } es una base de P2 (C).
120
lgebra
2.6 Subespacios vectoriales y dimensin

Observacin 30 Si E es un Ke.v. de dimensin nita y H E, entonces
H tambin es de dimensin nita y dim(H) dim(E), puesto que cualquier

sistema libre de vectores de H tambin es un sistema libre de vectores de E.
Ntese adems que si H es un subespacio vectorial de E tal que dim(H) =
dim(E), se verica necesariamente que H = E, puesto que si (u1 , , un )
H n es una base de H, entonces (u1 , , un ) tambin es una base de E, puesto
que es un sistema libre de n vectores de E, y en consecuencia al poder expresar
todo vector de E como combinacin lineal de (u1 , , un ), todo vector de E
ser tambin un vector de H, con lo que H = E.
Proposicin 2.6.1 (Teorema de extensin de una base) Si E es un K e.v.
nitamente generado con dim(E) = n, H E y (u1 , , um ) H m es una

base de H con m < n entonces existe
(um+1 , , un ) Enm
tal que (u1 , , um , um+1 , , un ) es una base de E.
Demostracin Razonamos por induccin sobre n m :

Base de induccin. Si n m = 1, entonces m = n 1 y (u1 , , um ) =
(u1 , , un1 ). Ahora bien, como (u1 , , un1 ) es una base de H,

(u1 , , un1 ) es un sistema libre, y por otra parte, teniendo en cuenta que
dim(E) = n, resulta que (u1 , , un1 ) no es una base de E, y por consiguiente v E tal que v no es combinacin lineal de (u1 , , un1 ); pero,
en ese caso, tendremos que (u1 , , un1 , v) En es un sistema libre, con lo
que obtenemos que (u1 , , un1 , v) es una base de E.
Paso de induccin. Supongamos cierto el resultado para n m = k,
y sea E un K e.v. tal que dim(E) = n, H E y (u1 , , um ) H m una
base de H tal que n m = k + 1. En ese caso (u1 , , um ) es un sistema
libre de E y, puesto que m < n, (u1 , , um ) no es base de E, por lo que
v E tal que v no es combinacin lineal de (u1 , , um ). Por consiguiente (u1 , , um , v) es libre. Pero en ese caso, si consideramos el subespacio
vectorial H 0 = L({ui |i {1, , m}} {v}), resulta que todo vector de H 0
se expresa como combinacin lineal de (u1 , , um , v) y que adems este
sistema es libre, con lo que (u1 , , um , v) es una base de H 0 . Ahora bien,
dim(H 0 ) = m + 1, y por lo tanto, teniendo en cuenta que n m = k + 1,
lgebra
121
resulta que n (m + 1) = k, con lo que aplicando la hiptesis de induccin,

(um+2 , , un ) En(m+1) tal que (u1 , , um , v, um+2 , , un ) es una base de E; es decir, la demostracin est completa.
2
Observacin 31 Ntese que el resultado anterior tiene como consecuencia

que si (u1 , , um ) es un sistema libre de vectores de E y
dim(E) = n > m,
entonces (um+1 , , un ) Enm tal que
(u1 , , um , um+1 , , un )
es una base de E, puesto que si es libre, (u1 , , um ) es un sistema generador
del subespacio vectorial
H = L({ui |i {1, , m}}).
Nota. Dados un K e.v. E, y H E, si dim(H) = 1 se dice que H
es una recta de E, si dim(H) = 2, se dice que H es un plano de E, y si

dim(E) = n y dim(H) = n 1, se dice que H es un hiperplano de E.
As por ejemplo, en el C e.v. P4 (C) = {f C[x] |gr(f ) 4}, podemos
armar que
L((1)) = {f P4 (C) | C..z C f (z) = ( 1) (z) = }

es una recta de P4 (C), que L((x, x2 )), es decir, el conjunto
{f P4 (C) (, ) C2 ..z C f (z) = x + x2 (z) = z + z 2 }

es un plano de P4 (C) y que L((1, x, x2 , x3 )) es un hiperplano de P4 (C).
Observacin 32 Puesto que dim(R3 ) = 3, si H R3 , H 6= R3 , resulta
que dim(H) = 0, 1 2. Si dim(H) = 0, H = {(0, 0, 0)}. Si dim(H) = 1,

y u = (x, y, z) H, u 6= (0, 0, 0), tendremos que H = L({u}) = {v
R3 | R tal que v = u }, y es fcil ver que la representacin grca de
H es la recta que pasa por el punto (0, 0, 0) (puesto que 0 = (0, 0, 0) H al
ser H R3 ) y el punto (x, y, z). Finalmente, si dim(H) = 2, y (u, v) es una
base de H, resulta que H = {w R3 |(, ) R2 tal que w = u + v } y
es fcil ver que la representacin grca de H es el plano de R3 que pasa por
(0, 0, 0) y por u y v.
122
lgebra
2.7 Rango de un sistema de vectores y de una

matriz
Denicin 2.7.1 Sean E un K-e.v. y {u1 , , um } un sistema de vectores E. Se denomina rango del sistema {u1 , , um } a la dimensin del
subespacio vectorial L(u1 , , um ). Para indicar que el rango del sistema
{u1 , , um } es r escribiremos
rg(u1 , , um ) = r.
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.
Ejemplo 2.7.3 En el espacio vectorial P2 (C), rg(1, x2 , 1 + x2 ) = 2.

A tenor de los resultados vistos hasta ahora, resulta evidente que
rg(u1 , , um , v) = rg(u1 , , um ) v L(u1 , , um ).
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
al rango de dicho sistema de vectores, es decir,
rg(A) = rg(A1 , , An ).
1 1 1
Ejemplo 2.7.5 Dada la matriz A = 1 1 0 M3 (R), se verica que
1 0 0

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

1
1
1
0
1
0
0 ,
1
+
+
=
1
0
0
0
lgebra
123
tendremos que
++ =0
+ =0
=0
de donde = 0 = = , es decir, el sistema es libre, de donde

1
1
1
rg( 1 1 0 ) = 3
0
0
1
y, en consecuencia, rg(A) = 3.
Denicin 2.7.6 Si A Mmn (K), al subespacio de Mm1 (K) generado por

las columnas de A, L(A1 , , An ), se le denomina espacio columna de A.
Tras el estudio de la siguiente seccin, veremos un mtodo sistemtico y
sencillo para determinar el rango de un sistema de vectores, que obviamente
servir tambin para determinar el rango de una matriz.
2.8
El teorema de Rouch-Frbenius
Es importante observar que dado un sistema de m ecuaciones lineales con n

incgnitas y con coecientes en K de la forma
a11 x1 + + a1n xn = b1 ,
..
.
a x + + a x = b ,
m1 1
mn n
determinar el conjunto solucin de dicho sistema (i.e., resolver dicho sistema

cuando es compatible) signica determinar si existen x1 , , xn de manera
que se satisfaga la siguiente expresin:
b1
a1n
a11
x1 ... + + xn ... = ... ,

bm
amn
am1
que, de forma reducida, expresaremos:
x1 A1 + + xn An = b,
124
donde
lgebra
a1j
j {1, , n} Aj = ...
amj
b1
b = ... .
bm
(Ntese que la expresin anterior es una

ecuacin
lineal de Mm1 (K)).
b1
..
Es decir, el sistema ser compatible si . Mm1 (K) se puede
bm
expresar como combinacin lineal de los vectores columna de Mm1 (K)
a11
a1n
..
.
. , , .. .
am1
amn
Los resultados vistos sobre dependencia e independencia lineal aplicados
a este caso concreto nos llevan al siguiente resultado:
Proposicin 2.8.1 Dado el sistema de ecuaciones lineales
a11 x1 + + a1n xn = b1 ,
..
.
a x + + a x = b ,
m1 1
mn n
m
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 6= );
2. b L(A1 , , An );
3. L(A1 , , An ) = L(A1 , , An , b).
4. rg(A) = rg(A |b) , donde (A |b) es la matriz ampliada asociada al sistema de ecuaciones considerado.
lgebra
125
Por otra parte, teniendo en cuenta que si un vector se escribe como combinacin lineal de un sistema libre, dicha expresin es nica, resulta que:
Proposicin 2.8.2 Si el sistema de ecuaciones lineales

AX = b
con A Mn (K) y b Mn1 (K) es compatible, son equivalentes las armaciones siguientes:
1. El sistema es compatible determinado.
2. (A1 , , An ) es un sistema libre de Mn1 (K).
3. (A1 , , An ) es una base de Mn1 (K).
4. rg(A1 , , An ) = n.
5. rg(A) = rg(A |b) = n.
Al resultado sobre la existencia y unicidad de soluciones de un sistema de
ecuaciones lineales que aparece desglosado en las dos ltimas proposiciones
se le conoce con el nombre de Teorema de Rouch-Frbenius.
As por ejemplo, el sistema de ecuaciones con coecientes en R
x + y = 2,
2x + 2y = 4,
da lugar a la siguiente combinacin lineal de M21 (R)

1
1
2
x
+y
=
.
2
2
4
As pues el sistema es compatible, puesto que

2
1
1
L(
,
)
4
2
2
e indeterminado, ya que

1
1
(
,
) (M21 (R))2
2
2
126
lgebra
es un sistema ligado.
Nota importante. Obsrvese que si E es un K e.v. de dimensin n y
B es una base ordenada de E, siendo v1 , , vm , u E, resulta que, al estar

caracterizado un vector por sus coordenadas respecto de una base ordenada,
m
X
i vi = u
i=1
m
X
i (vi )B = (u)B .
i=1
La expresin situada a la derecha del smbolo es una ecuacin lineal de

Mn1 (K), de modo que puede ser considerada como un sistema de ecuaciones
lineales. As pues, determinar si un vector u E depende linealmente o no de
un sistema de vectores dado v1 , , vm y hallar, en su caso, 1 , , m K
tales que
m
X
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
X
i (vi )B = (u)B
i=1
o, si se preere, el sistema de ecuaciones lineales equivalente.
Ejemplos.
1. En el espacio vectorial P2 (C) de los polinomios de grado 2, para

determinar si el vector 3 2x + x2 pertenece o no al subespacio vectorial
L(x2 + x, x 3), debemos estudiar si existen , C tales que
(x2 + x) + (x 3) = 3 2x + x2 ;
siendo B = (1, x, x2 ), el problema anterior es equivalente a
(x2 + x)B + (x 3)B = (3 2x + x2 )B ;

es decir,
0
3
3
1 + 1 = 2 ,
1
0
1
lgebra
127
o, lo que es lo mismo, a resolver el sistema de ecuaciones:
3 = 3,
+ = 2,
= 1,
que tiene como solucin = = 1.
2. Resolver el sistema de ecuaciones lineales
xy =2
3x + y = 0,
2
0
es equivalente a ver si es posible expresar el vector

1
1
lineal de los vectores
y
de la forma:
3
1

1
2
1
+y
=
.
x
1
0
3
como combinacin
Este
sistema
deecuaciones es compatible determinado, puesto que el sistema
1
1
(
,
) es un sistema libre de M21 (R) y, puesto que la dimensin
3
1

2
de M21 (R) es 2, constituye una base y cualquier vector (en particular
)
0
se puede expresar como combinacin lineal suya.
Teorema 2.8.3 Dado el sistema de ecuaciones lineales
a11 x1 + + a1n xn = b1 ,
..
.
a x + + a x = b ,
m1 1
mn n
m
AX = b
con A Mmn (K) y b Mm1 (K) y siendo S el conjunto formado por las
soluciones del mismo, se verica que:
1. El conjunto SH solucin de la ecuacin homognea
x1 A1 + + xn An = (0),
es un subespacio vectorial de Kn .
128
lgebra
2. Si la ecuacin lineal (o, si se preere, el sistema de ecuaciones lineales)
x1 A1 + + xn An = b,
es compatible, S es su conjunto solucin, y (1 , , n ) S, entonces
(1 , , n ) Kn
((1 , , n ) S ((1 , , n ) (1 , , n )) SH )
Observacin 33 Como consecuencia del teorema anterior, el conjunto solu-
cin de un sistema de ecuaciones lineales se obtiene sumando a una solucin

cualquiera de dicho sistema todas las soluciones del sistema homogneo asociado. Es decir, si (1 , , n ) es una solucin cualquiera del sistema de
ecuaciones lineales,
x1 A1 + + xn An = b,
siendo S su conjunto solucin y SH el conjunto solucin del sistema homogneo asociado, se verica que:
(1 , , n ) SH ..
n
S = (1 , , n ) K
(1 , , n ) = (1 , , n ) + (1 , , n )
Es usual recalcar esta circunstancia escribiendo
S = (1 , , n ) + SH .
Por otra parte, si (1 , , n ) es una solucin cualquiera de la ecuacin
lineal
x1 A1 + + xn An = b,
y (1 , , n ) es una solucin de la ecuacin lineal
x1 A1 + + xn An = c,
resulta que (1 + 1 , , n + n ) es solucin de la ecuacin lineal
x1 A1 + + xn An = b + c.
Este hecho se conoce con el nombre de principio de superposicin de
soluciones.
lgebra
129
Denicin 2.8.4 Dado el sistema de ecuaciones lineales,

x1 A1 + + xn An = b,
con A Mmn (K) y b Mm1 (K), denominaremos sistema fundamental
de soluciones de dicho sistema a cualquier base del espacio vectorial SH de
soluciones de su ecuacin homognea asociada.
Observacin 34 Ntese que si (w1 , , wr ) es un sistema fundamental de

soluciones del sistema de ecuaciones lineales
x1 A1 + + xn An = b,
siendo S su conjunto solucin y s S una solucin particular de dicha
ecuacin, se verica que
u S 1 , , r K tal que u = s + 1 w1 + + r wr .
Ejemplo: Dado el sistema de ecuaciones lineales
x + y + z = 2,
2x + 2y + 2z = 4,
la ecuacin lineal de M21 (R) correspondiente es

1
1
2
1
+y
+z
=
.
x
2
2
4
2

1
1
1
,
,
)
El sistema es compatible e indeterminado de hecho (
2 2

2
2
1
1
1
1
es un sistema ligado y
L(
,
,
) = L(
).
4
2
2
2
2
El conjunto solucin se puede expresar mediante la suma de una solucin
particular del sistema a todas las del homogneo. Resolviendo el sistema
homogneo asociado por el mtodo de Gauss-Jordan tenemos que la solucin
es
x = s t,
y = s,
z = t,
130
lgebra
es decir,
x
1
1
y = s 1 + t 0
z
0
1
o, si se preere,
(x, y, z) = s(1, 1, 0) + t(1, 0, 1).

Los vectores (1, 0, 1) y (1, 1, 0) constituyen una base de SH . Por consiguiente
((1, 0, 1), (1, 1, 0))
es un sistema fundamental de soluciones del sistema dado. Como (0, 0, 2) es
una solucin particular de dicha ecuacin, resulta que:
, R .. (x, y, z) =
S = {(x, y, z) R
}.
= (0, 0, 2) + (1, 1, 0) + (1, 0, 1)
3
2.9 Mtodo de Gauss y rango

En esta seccin vamos a ver un mtodo sistemtico que servir para determinar el rango de una matriz y de un sistema de vectores.
2.9.1 Transformaciones elementales por columnas y matrices elementales

Al estudiar un mtodo para hallar la inversa de una matriz, vimos en el
captulo 1 que las transformaciones elementales por las son invertibles, y que
la inversa de una transformacin elemental es una transformacin elemental,
segn el cuadro
TRANSFORMACIN
Fi = Fi + Fj
Fi = Fi ( 6= 0)
Fi Fj
Fi = Fi Fj
1
Fi = Fi
Fi Fj
lgebra
131
Por el mismo motivo, las correspondientes transformaciones elementales por

columnas son invertibles, y la tabla correspondiente ser la siguiente:
TRANSFORMACIN
Ci = Ci + Cj
Ci = Ci ( 6= 0)
Ci Cj
Ci = Ci Cj
1
Ci = Ci
Ci Cj
Denotamos por S ij () a la matriz elemental asociada a la transformacin

Ci = Ci + Cj , por P i () a la matriz elemental asociada a la transformacin
Ci = Ci ( 6= 0) y por E ij a la matriz elemental asociada a la transformacin
Ci Cj .
No es difcil vericar (y lo comprobaremos tambin al realizar la prctica 2
en el aula informtica) que valen las siguientes identidades:
S ij () = Sji ()
P i () = Pi ()
E ij = Eij
Adems vale el siguiente teorema:
Teorema 2.9.1 Si A Mmn (K) y E es la matriz elemental de orden n

que se obtiene al realizar la transformacin elemental t sobre las columnas
de In , segn el esquema
t
In E,
entonces si A0 es la matriz resultante de realizar la transformacin t sobre

las columnas de A segn el esquema
t
A A0 ,
resulta que
A0 = A E
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.
Ejercicio 2.9.1 Verifquese el resultado anterior para t C2 = C2 + 3C1
sobre la matriz
1 0 2
A = 3 1 1 ,
0 1 4
es decir, comprobar que si A0 es la matriz resultante de hacer actuar t sobre

A, entonces
A0 = A S 21 (3) = A S12 (3).
2.9.2 Mtodo de Gauss para calcular el rango de una

matriz
Buscamos un mtodo que nos permita determinar de un modo sencillo el
rango de una matriz A Mmn (K). Para ello, vamos a comprobar en primer lugar que al realizar transformaciones elementales sobre las columnas
de una matriz A no se altera su rango. El siguiente lema se aplicar en la
demostracin del teorema principal:
Lema 2.9.2 Si E es un K e.v. y (u1 , , un ) y (v1 , , vm ) son sistemas

de vectores de E, se verica que
u1 , , un L(v1 , , vm )
L(u1 , , un ) = L(v1 , , vm )
v1 , , vm L(u1 , , un )
Demostracin Se deja como ejercicio.
Teorema 2.9.3 Si A Mmn (K), y B Mmn (K) es la matriz resultado
de realizar una transformacin elemental por columnas t sobre A, se verica

que
rg(A) = rg(B)
lgebra
133
Demostracin Para demostrar el resultado, comprobaremos que si

t
A B,
entonces L(A1 , , An ) = L(B 1 , , B n ), con lo que rg(A) = rg(B). Distingamos tres posibilidades:
a) t Ci = Ci + Cj . En ese caso todos los vectores columna de A y
B coinciden, salvo el i esimo; pero B i = Ai + Aj y Ai = B i Aj =
B i B j , con lo que, teniendo en cuenta el lema anterior, concluimos que
L(A1 , , An ) = L(B 1 , , B n ).
b) t Ci = Ci ( 6= 0). En ese caso todos los vectores columna de A
y B coinciden, salvo el i esimo; pero B i = Ai y Ai = (1 )B i , con lo
que, teniendo en cuenta el lema anterior, concluimos que L(A1 , , An ) =
L(B 1 , , B n ).
c) Finalmente si t Ci Cj , es obvio que L(A1 , , An ) = L(B 1 , , B n ).
2
Es obvio, a partir de la proposicin anterior, que si en lugar de realizar una
transformacin elemental, realizamos un nmero nito de ellas t1 , , tr el
rango se conserva. Es decir, si
t1
tr
A , , B,
necesariamente rg(A) = rg(B).
Vamos a considerar ahora un tipo de matrices cuyo rango se calcula de
un modo sencillo:
Denicin 2.9.4 Se dice A Mmn (K) es una matriz gaussiana si j

{1, , n} la columna Aj de A verica una de las dos siguientes condiciones:
G.1 Aj = (0) Mm1 (K),
G.2 i {1, , m} tal que
Aj (i, 1) = A(i, j) 6= 0 (k {j + 1, , n} A(i, k) = 0) .
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
1
,
,
0
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
no es gaussiana, pues el primer vector columna no satisface ni la condicin

G.1 ni la condicin G.2.
Proposicin 2.9.6 Si A Mmn (K) es una matriz gaussiana, entonces el
rango de A coincide con el nmero de vectores columna no nulos de A. En

particular, los vectores columna no nulos de la matriz gaussiana A constituyen una base del espacio columna de dicha matriz,
L(A1 , , An ).
Demostracin Sea
I = {i {1, , n} Ai 6= (0) },
y supongamos que el nmero de elementos de I es k.
Por el teorema 2.9.3 podemos aplicar transformaciones elementales por
columna y suponer que la columnas nulas de A sean las ltimas. Entonces
I = {1, , k} k n.
Consideremos el sistema
(A1 , , Ak ).
Si demostramos que el sistema (A1 , , Ak ) es libre, habremos concluido
la demostracin, pues
i {k + 1, , n}, Ai = (0).
lgebra
135
Razonamos por reduccin al absurdo. Supongamos que

(1 , , k ) Kk , (1 , , k ) 6= (0, , 0),
tal que
1 A1 + + k Ak = (0).
En ese caso, siendo
t = min{i I |i 6= 0 },
resulta que At 6= (0) y, como A es una matriz gaussiana, existir
h {1, , m} tal que A(h, t) = 6= 0

y tal que s {t + 1, , n}
A(h, s) = 0,
o lo que es lo mismo,
y s {t + 1, , n},
At (h, 1) =
As (h, 1) = 0.
Pero en ese caso tendremos que
0 = (0)(h, 1) = t At + + k Ak (h, 1) =
= t At (h, 1) + + k Ak (h, 1) = t ,
de donde t = 0, lo que contradice que t = min{i I |i 6= 0 }.
A partir de la proposicin anterior, est claro en qu consiste el mtodo

de Gauss para determinar el rango de una matriz: se trata de realizar
transformaciones elementales por columna sobre dicha matriz hasta obtener
una matriz gaussiana, cuyo rango se determina de manera inmediata. Esto es
siempre posible aplicando la siguiente estrategia sobre la matriz considerada
A de n columnas:
1. Consideramos la primera columna de A : j = 1.
2. Si Aj = (0) ir al paso 4.
3. Si Aj 6= (0) seleccionar un coeciente no nulo de dicha columna y
hacer ceros (utilizando transformaciones elementales por columnas) todos
los coecientes situados en su misma la a su derecha.
136
lgebra
4. Hacemos j = j + 1.
5. Si j = n. FIN.
6. Si j < n ir al paso 2.
La nueva matriz obtenida tras el proceso anterior es una matriz gaussiana.
Ejercicio 2.9.2 Determinar el rango de las siguientes matrices:
1
1
2
0
2
1
0
1
1 1 1
1
1 3
0 1 0
1
,
,
2 5
1 1 1
1
2 1 0
1
2
1 2 1
1
, 0 1 1
1
2 0 2
1
Observacin 35 Si el problema que se intenta resolver consiste en deter-
minar el rango de un sistema de vectores {v1 , , vm } de un K e.v. E de

dimensin nita, jada una base ordenada B de E, consideraremos la matriz
C Mnm (K) tal que i {1, , m}
C i = (vi )B
y realizaremos transformaciones elementales por columnas sobre C hasta obtener una matriz gaussiana.

habitual, para determinar el rango del sistema
{(2, 1, 1), (1, 1, 0), (1, 0, 0)},

consideramos la matriz cuyas columnas son las coordenadas de los vectores
del sistema anterior respecto de la base cannica B3 de R3
2 1 1
C= 1 1 0
1 0 0
y observamos que es una matriz gaussiana, por lo que rg(C) = 3, i.e.,
rg((2, 1, 1), (1, 1, 0), (1, 0, 0)) = rg((2, 1, 1)B3 , (1, 1, 0)B3 , (1, 0, 0)B3 ) =
= rg(C) = 3
es decir {(2, 1, 1), (1, 1, 0), (1, 0, 0)} es libre, y puesto que dim(R3 ) = 3, resulta
que es una base de R3 .
lgebra
137
Ejemplo 2.9.8 Para hallar el rango del sistema de vectores

{1 + x 2x2 , 2 2x3 , x 2x2 + x3 }
del Ce.v. P3 (C) consideramos la base B = (1, x, x2 , x3 ), y la matriz A cuyas
columnas son las coordenadas de los vectores del sistemas dado respecto de
B, es decir,
1
2
0
1
0
1
A=
2 0 2 .
0 2 1
El rango del sistema de vectores es el rango de A.
1
2
0
1
2 1
1
c3 = c3 2 c2
1
c3 = c3 c1 1
0
1
0
0
2 0 2
2 0
0
0 2 1
0 2 1
1
2 0
1
0 0
2 0 0
0 2 0
con lo que
rg(1 + x 2x2 , 2 2x3 , x 2x2 + x3 ) = rg(A) = 2.

Adems hemos obtenido que
1
2
1 0
L(
2 0
0
2

0
1
2
0
1
1 0 0 ) =
)
=
L(
2 0 0
2
1
0
2
0
1
2
1 0
= L(
2 0 )
0
2
con lo que los vectores cuyas coordenadas corresponden a estas dos ltimas
matrices columna son linealmente independientes y constituyen una base del
subespacio considerado, es decir, (1 + x 2x2 , 2 2x3 ) es una base de
L(1 + x 2x2 , 2 2x3 , x 2x2 + x3 ).
138
lgebra
Una vez obtenido un mtodo sistemtico para determinar el rango de

un sistema de vectores, podemos aplicar dicho mtodo de forma anloga al
ejemplo anterior para:
determinar si un vector u pertenece o no a la variedad lineal generada

por un sistema dado de vectores (v1 , , vm ), estudiando si
rg(v1 , , vm , u) = rg(v1 , , vm ),
obtener una base de un subespacio vectorial a partir de un sistema
generador del mismo.
2.9.3 Algoritmo de extensin de una base

Sea H un subespacio de dimensin k de un espacio vectorial E de dimensin
nita n. Dada una base BH = {u1 , , uk } de H, queremos determinar un
algoritmo para extender la base BH hasta obtener una base BE del
espacio vectorial E, en el que H est sumergido.
Sea B una base pre-jada del espacio total E. Es suciente con considerar
la matriz U cuyas columnas son las coordenadas de los vectores {u1 , , uk }
(que constituyen la base BH del subespacio vectorial H ) respecto de la base
B , aadir a esa matriz los vectores columna de la matriz identidad de orden
la dimensin del espacio total E (el rango de la nueva matriz (U |In ) es n)
y aplicar el mtodo de Gauss por columnas sin intercambiar el orden de
las columnas. Las n columnas no nulas de la matriz gaussiana G obtenida
son las coordenadas, respecto de la base B, de los n vectores de una base
del espacio total E (rango(G) = rango(U |In )). Ahora, las columnas de la
matriz original (U |In ) correspondientes a las columnas no nulas de G dan las
coordenadas, respecto de la base B, de n vectores que son una extensin de
la base BH .
Ejemplo 2.9.9 Sean E = R4 y B = B4 la base cannica de R4 . Sea H =
L(u1 , u2 ), donde, respecto de la base cannica, u1 = (1, 1, 2, 0) y u2 =

(1, 1, 1, 1).
El sistema libre BH = {u1 , u2 } es una base de H. Aplicando el mtodo de
Gauss
a la matriz (U |I4 ) se
obtiene:
1
0
0 0 0 0
1 1 1 0 0 0
1 1 0 1 0 0 c2 = c2 c1 1 2
1 1 0 0
2 1 0 0 1 0 c3 = c3 c1 2 1 2 0 1 0
0
1
0 0 0 1
0 1 0 0 0 1
lgebra
139
c6 = c6 c2
1
0
0
1 2
1
2 1 2
0
1
0
1
0
0
1 2
1
2 1 2
0
1
0
0 0 0
0 0 0
2 1 3
0 0 0
0 0
c4 = c4 c3
0 2
c6 = c6 + 2c3
1 1
0 0
1
0
0
c5 = c5 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
Entonces los vectores de coordenadas cannicas

{(1, 1, 2, 0), (1, 1, 1, 1), (1, 0, 0, 0), (0, 1, 0, 0)} forman una extensin de BH
a una base de R4 .
2.9.4 Rango y espacio la de una matriz

Denicin 2.9.10 Si A Mmn (K) al subespacio de M1n (K) generado
por las las de A, L(A1 , , Am ), se le denomina espacio la de A.
Vamos a demostrar que la dimensin del espacio la de una matriz coincide con la dimensin de su espacio columna:
Teorema 2.9.11 Si A Mmn (K) entonces

rg(A) = dim(L(A1 , , Am )) = dim(L(A1 , , An )).
Demostracin Dada A Mmn (K), supongamos que (b1 , , bk ) es una

base de L(A1 , , Am ), donde i {1, , k} bi = (bi1 , , bin ). En ese
caso
A1 = c11 b1 + + c1k bk
..
.
Am = cm1 b1 + + cmk bk .
Ahora bien, esta ltimas son igualdades entre vectores de M1n (K), por lo
que los coecientes correspondientes de las matrices la situadas a ambos
lados de la igualdad debern coincidir, es decir, j {1, , n}
a1j = c11 b1j + + c1k bkj

..
.
amj = cm1 b1j + + cmk bkj .
140
lgebra
Las igualdades anteriores se pueden expresar matricialmente j {1, , n}

del siguiente modo:
a1j
c11
c1k
..
.
.
. = b1j .. + + bkj ..
amj
cm1
cmk
Pero de estas igualdades se sigue que
c1k
c11
A1 , , An L( ... , , ... )
cm1
cmk
con lo que
dim(L(A1 , , An )) k.
Pero k = dim(L(A1 , , Am )), con lo que hemos probado que
dim(L(A1 , , An )) dim(L(A1 , , Am )).

Por otra parte, teniendo en cuenta que la matriz considerada A era una
matriz arbitraria, podemos aplicar el razonamiento anterior a la matriz t A
obteniendo:
dim(espacio columna de t A) dim(espacio la de t A),

pero esta desigualdad es equivalente a la siguiente:
dim(espacio la de A) dim(espacio columna de A),

con lo que, en denitiva, obtenemos que
dim(L(A1 , , Am )) = dim(L(A1 , , An )).

2
Observacin 36 De forma anloga a como se ha visto con las columnas,

se puede demostrar que las operaciones elementales por las no cambian el
rango de una matriz. Como consecuencia del teorema anterior, el rango
de una matriz se puede obtener tambin operando por las en lugar de por
columnas. De hecho, no es difcil convencerse de que los vectores la distintos
de cero de una matriz en forma escalonada constituyen una base del espacio
la de A, por lo que el mtodo de eliminacin gaussiana por las es un mtodo
alternativo al mtodo de Gauss visto para determinar el rango de una matriz.
lgebra
141
Como colofn, y para nalizar esta parte del captulo, vamos a recoger
en un teorema varios resultados equivalentes como consecuencia de todo lo
visto:
Teorema 2.9.12 Si A Mn (K) son equivalentes:
1. A es invertible.
2. El sistema de ecuaciones lineales AX = (0) slo tiene la solucin
trivial.
3. A es equivalente por las a In .
4. El sistema AX = b es compatible determinado para toda matriz columnas b Mn1 (K).
5. rg(A) = n.
6. Los vectores la de A son linealmente independientes.
7. Los vectores columna de A son linealmente independiente.
8. det(A) 6= 0. (Esta ltima condicin quedar establecida ms claramente despus de realizar la prctica 2 en el aula informtica).
2.10
Ejercicios

1. Encontrar un vector u diferente de cero cuyo punto inicial es P =
(1, 3, 5) tal que
a) u tiene la misma direccin que v = (6, 7, 3).
b) u tiene direccin opuesta a la de v = (6, 7, 3).
2. Sean u = (3, 1, 2), v = (4, 0, 8),y w = (6, 1, 4). Encontrar los
escalares c1 , c2 , c3 tales que c1 u + c2 v + c3 w = (2, 0, 4).
3. Demostrar que no existen los escalares c1 , c2 , c3 tales que c1 (2, 9, 6)+
c2 (3, 2, 1) + c3 (1, 7, 5) = (0, 5, 4).
4. Sean P el punto (2, 3, 2) y Q el punto (7, 4, 1).
a) Encontrar el punto medio del segmento de recta que une a P y Q.
b) Encontrar el punto sobre el segmento de recta que une a P y Q y est
3
a 4 de la distancia de P a Q.
142
lgebra
5. Suponer que la traslacin de un sistema de coordenadas xy se hace para

obtener un sistema de coordenadas x0y0 cuyo origen O0 tiene las coordenadas
(2, 3).
a) Encontrar las coordenadas x0y0 del punto P cuyas coordenadas xy son
(7, 5).
b) Encontrar las coordenadas xy del punto Q cuyas coordenadas x0y0 son
(3, 6).
c) Trazar los ejes de coordenadas xy y x0y0 y localizar los puntos P y
Q.
6. Demostrar geomtricamente que si u y v son vectores en el espacio
bidimensional o en el espacio tridimensional, entonces
k u + v kk u k + k v k .
7. a) Demostrar que v = (a, b) y w = (b, a) son vectores ortogonales.
b) Usar el resultado del inciso a) para encontrar dos vectores que sean
ortogonales a v = (2, 3).
c) Encontrar dos vectores unitarios que sean ortogonales a (3, 4).
8. Explicar por qu cada una de las siguientes expresiones carece de
sentido.
Si u, v, w son vectores en el plano o en el espacio tridimensional y k es un
nmero real,
a) u (v w).
b) (u v) + w.
c) k u v k .
d) k (u + v).
9. Sean vectores i, j y k unitarios a lo largo de los ejes positivos x, y y z
de un sistema de coordenadas rectangulares en el espacio tridimensional. Si
v = (a, b, c) es un vector diferente de cero, entonces los ngulos , ,y entre
v y los vectores i, j y k , respectivamente, se denominan ngulos directores de
v , y los nmeros cos(), cos() y cos() se denominan cosenos directores de
v.
a
a) Demostrar que cos() = kvk
.
b) Encontrar cos() y cos().
v
c) Demostrar que kvk
= (cos(), cos(),cos()).
lgebra
143
d) Demostrar que cos2 () + cos2 () + cos2 () = 1.

10. Demostrar que si v es ortogonal tanto a w1 como a w2 , entonces v es
ortogonal a k1 w1 + k2 w2 para todos los escalares k1 y k2 .
11. Encontrar las ecuaciones paramtricas de la recta que pasa por los
puntos dados.
a) P = (5, 2, 4) y Q = (7, 2, 4).
b) P = (0, 0, 0) y Q = (2, 1, 3).
x=0
y=t
12. Demostrar que la recta r :
<t<
z=t
a) pertenece al plano 1 : 6x + 4y 4z = 0,
b) es paralela al plano 2 : 5x 3y + 3z = 1 y est por abajo de ste,
c) es paralela al plano 3 : 6x + 2y 2z = 1 y est por arriba de ste.
13. Encontrar la ecuacin del plano 1 que pasa por el punto P =
(3, 6, 7) y es paralelo al plano 2 : 5x 2y + z 5 = 0.
14.
Demostrar que las rectas
x 3 = 4t
x + 1 = 12s
y4=t
y 7 = 6s ,
r1 :
< t < y r2 :
z1=0
z 5 = 3s
se cortan y encontrar el punto de interseccin.
15.
<s<
15. Hallar la ecuacin del plano que contiene las rectas del ejercicio
16. Demostrar que si v es un vector diferente de cero en Rn , entonces

tiene la norma eucldea 1.
17. Para qu valores de k se cumple que u y v son ortogonales?
a) u = (2, 1, 3), v = (1, 7, k).
b) u = (k, k, 1), v = (k, 5, 6).
v
kvk
144
lgebra
18. Demostrar la identidad ku + vk2 + ku vk2 = 2kuk2 + 2kvk2 para

vectores en Rn . Interpretar geomtricamente este resultado en R2 .
19. Demostrar que si u y v son vectores
ortogonales en Rn tales que
kuk = 1 y kvk = 1, entonces d(u, v) = 2. Interpretar geomtricamente este

resultado en R2 .
20. Sea (F(R, R), +, ) el espacio vectorial de las funciones de R en R.
Determinar si los siguientes conjuntos son o no subespacios vectoriales de
F(R, R) :
a) {f F(R, R) |x R f (x) = f (x)} .
b) {f F(R, R) | f (1) = 0} .
c) {f F(R, R) | f (2) = f (3)} .
21. Demostrar que el subconjunto H formado por todas las n tuplas
de nmeros reales tales que los elementos de cada n tupla forman una
progresin aritmtica, es un subespacio vectorial de Rn .
22. Se dice que A Mn (K) es simtrica si t A = A. Si denotamos por
Sn (K) al conjunto de las matrices simtricas de orden n, demostrar que Sn (K)
es un subespacio vectorial de Mn (K).
Recordemos que una matriz A Mn (K) es antisimtrica si t A = A.
Constituyen las matrices antisimtricas un subespacio vectorial de Mn (K)?
Justifquese la respuesta.
23. En R4 se considera el subespacio vectorial H = L(A) generado por el
conjunto A de vectores A = {(1, 1, 0, 0), (0, 1, 1, 0), (2, 1, 1, 0), (3, 3, 0, 0).
Pertenece el vector (1, 1, 1, 0) al subespacio vectorial H?
24. En el R e.v. R3 con su estructura de espacio vectorial habitual
determinar si los sistemas de vectores
(1, 1, 1), (1, 1, 0), (1, 0, 0) y (1, 2, 3), (2, 0, 1), (1, 2, 2)
son libres o ligados.
25. Consideramos el Z2 espacio vectorial de los bytes (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
es libre o ligado y hallar el subespacio vectorial generado por el conjunto de

esos dos vectores.
26. En el espacio vectorial P4 (C) de los polinomios de grado menor o
igual que 4 con coecientes en C se considera el polinomio p(x) = x4 x2 + 2.
Demostrar que el sistema p(x), p0 (x), p00 (x), p000 (x) formado por el polinomio
p(x) y sus sucesivas derivadas (hasta la tercera) es un sistema libre.
27. En el espacio vectorial F(N, R) de las sucesiones de nmeros reales,
con la suma y producto habituales, consideramos el conjunto
H = {(xn ) F (N, R) |n N xn+2 = xn+1 + xn }

a) Demostrar que H es un subespacio vectorial de F(N, R).
b) Comprobar que dim(H) = 2.
28. Hallar el rango de lassiguientes matrices:
1
3
0
2
1 1 2 1
1 3 2
1 0 1 7 1 1
2 1 2 1 3 4 .
A = 2 1 1 , B =
2 2 3 0 , C =
1 6 2 2
0 2 0
1 2 1 1 3 1
5 1 1 0
29. Encontrar una base y hallar la dimensin del espacio de matrices
triangulares superiormente T n (K).
T n (K) = { A= (aij ) Mn (K) | aij = 0 si j < i }.
30. En el espacio vectorial Z52 , hallar una base del subespacio vectorial
H = L({ 0 1 0 1 1 , 0 1 0 0 1 ,
0 0 0 1 0
, 0 1 1 1 1 }).
31. En el espacio vectorial R3 , hallar una base del subespacio vectorial
H = L({(3, 2, 1), (1, 1, 1), (4, 3, 0)}).
146
lgebra

1. Sea S2 = (O, (e1 , e2 )) el sistema de coordenadas ortogonales cannico
de R2 :
O = (0, 0), e1 = (1, 0), e2 = (0, 1).
a) Dado el vector v = (2, 3), hallar las coordenadas de los vectores
v + e1 ,
v e1 ,
1
v.
2
b) Comprobar geomtricamente los resultados obtenidos en el apartado

a).
2. Sea S2 = (O, (e1 , e2 )) el sistema de coordenadas ortogonales cannico
de R2 y sean OP = (1, 2) y OQ = (2, 1) dos vectores de R2 .
a) Determinar las coordenadas del vector P Q en S2 .
b) Determinar las coordenadas del vector P Q en el sistema ortogonal
S 0 2 obtenidos por traslacin de O al punto O0 = (2, 1).
c) Calcular las normas del vector P Q utilizando sus coordenadas en S2
y S 0 2 . Son iguales las distancias entre OP y OQ y entre O0 P y O0 Q?
3. En R3 , con el sistema de coordenadas ortogonales cannico S3 =
(O, (e1 , e2 , e3 )) :
O = (0, 0, 0),
e1 = (1, 0, 0),
e2 = (0, 1, 0),
e3 = (0, 0, 1),
sean v = (1, 0, 1), w = (1, 1, 2) y el ngulo entre v y w (0

).
a) Calcular cos() utilizando la ley de los cosenos:
kw vk2 = kvk2 + kwk2 2kvkkwkcos().

b) Usando las coordenadas de v y w, hallar el producto escalar v w y
vericar la identidad
v w = kvkkwkcos().
c) Qu tipo de ngulo forman v y w?
lgebra
147
4. Demostrar que en R2 el vector n = (a, b) 6= (0, 0) es ortogonal a todas

las rectas de ecuacin
ax + by + c = 0,
(c R).
5. Sean v = (1, 0, 1) y w = (1, 1, 2) los vectores del problema anterior.

a) Calcular la proyeccin ortogonal de w sobre v, pv (w), y la componente vectorial de w ortogonal a v.
b) Hallar kpv (w)k y kp2v (w)k.
6. En este problemas trabajamos en R3 con el sistema de coordenadas S3 .
a) Hallar los vectores
e1 e2 ,
e2 e3 ,
e3 e1 .
b) Demostrar la identidad de Lagrange:
ku vk2 = kuk2 kvk2 (u v)2

y, usando la identidad
u v = kukkvkcos() u, v R3 ,
deducir que
ku vk = kukkvksen().
c) Sean u = (1, 1, 2) y v = (0, 3, 1). Calcular el rea del paralelogramo
determinado por los vectores u y v.
d) Vericar que para todo par de vectores u y v en R3 \{(0, 0, 0)}, uv
es ortogonal a u y a v.
7. En este problemas seguimos trabajando en R3 con el sistema de coordenadas S3 .
a) Sean u, v y w tres vectores en R3 . Vericar que el nmero real
|u (v w)| es el volumen del paraleleppedo P denido por u, v y w.
(Se utilize el hecho de que la altura h del paraleleppedo P se puede
escribir como h = kp(vw) (u)k.)
b) Calcular el volumen del paraleleppedo determinado por los vectores
u = (1, 0, 2), v = (0, 1, 2), w = (1, 1, 1).
148
lgebra
8. Sean P0 = (1, 2) y P1 = (1, 1) dos puntos en R2 .

Hallar las ecuaciones vectorial, general implcita, paramtricas y pendienteordenada en el origen de la recta l que pasa por P0 y P1 .
9. Sean P0 = (x0 , y0 ) R2 y r la recta de ecuacin ax + by + c = 0.
a) Demostrar que la distancia entre P0 y r es
d(P0 , r) =
|ax0 + by0 + c|
.
a 2 + b2
b) Calcular la distancia entre P0 = (0, 1) y r : 2x y + 3 = 0.

10. En R3 , encontrar la ecuacin del plano que pasa por el punto P0 =
(1, 0, 1) y es ortogonal al vector n = (2, 1, 5).
11. En R3 , usando la frmula de la distancia entre un punto P0 = (x0 , y0 , z0 )
y un plano : ax + by + cz + d = 0 :
d(P0 , ) =
|ax0 + by0 + cz0 + d|
,
a2 + b2 + c2
a) calcular la distancia entre el punto P0 de interseccin de las rectas

de ecuaciones
x = 3 + 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
tenga ecuaciones paramtricas
x = 2k
1
y = +k
2
z = 3 3k
2
(k R).
13. Describir todos los subespacios vectoriales de R3 que contienen al punto

P = (1, 1, 1).
14. Sea Mm,n (R) el Respacio vectorial respecto de las operaciones de suma de matrices y multiplicacin de una matriz por un escalar usuales.
Sea C[x] el Cespacio vectorial de los polinomios con coecientes nmeros complejos y con las operaciones de suma de funciones y multiplicacin por un escalar usuales.
Escribir explcitamente las operaciones que hacen del producto cartesiano Mm,n (R) C[x] un Respacio vectorial.
15. Sea M el subconjunto de Mm,n (Z2 ) denido por
0 x y
M ={
: x, y, z, u Z2 }.
z 0 u
a) Escribir M como un conjunto de funciones de N2 N3 en Z2 que se
anulan sobre un subconjunto S de N2 N3 .
b) Vericar que M es un Z2 espacio vectorial respecto de las operaciones usuales de suma de matrices y producto de una matriz por un
escalar.
16. Determinar los valores reales del parmetro tales que los siguientes
vectores sean un sistema libre en R3 :
1 1
v1 = (, , ),
2 2
1
1
v2 = ( , , ),
2
2
1 1
v3 = ( , , ).
2 2
Interpretar geomtricamente los resultados obtenidos.
150
lgebra
17. Vericar si los siguientes subconjuntos del espacio de todas las funciones
reales, F(R, R), son linealmente independientes:
S = {1, sen(x), sen(2x)},

T = {(3 x)2 , x2 6x, 5}.
18. Sean u = (1, 1, 1), v = (1, 1, x) y w = (x, 1, 1) tres vectores en R3 ,
siendo x un parmetro real.
Sea H = L(u, v, w) el subespacio de R3 generado por u, v y w.
Determinar para qu valores de x el subespacio H es una recta, un
plano o todo R3 .
19. a) Vericar que para todo n N, el sistema Bn = (1, x, x2 , , xn ) es
una base del espacio vectorial de los polinomios de grado menor o igual
que n, Pn (R).
(Utilizar induccin sobre n y la continuidad de los polinomios)
b) Determinar si el sistema B = (1, x 1, (x 1)2 , (x 1)3 ) es una base
de P3 (R).
c) Escribir las coordenadas del vector p(x) = 3x3 3 en trminos de
las bases B3 y B.
20. Sea
a
b
H={
: a, b, c R}.
c (a + b + c)
a) Vericar que H es un subespacio vectorial de M2 (R).

b) Hallar una base B de H.
c) Completar B a una base de M2 (R).
21. En el Respacio vectorial F(N, R) de las sucesiones reales sea
H = {(xn )nN : n 2,
xn+1 = 2xn 3xn1 }.

b) Comprobar que la dimensin de H es 2.
lgebra
151
22. Aplicar el teorema de Rouch-Frbenius

a) para vericar si el vector p(x) = x3 2x + 1 pertenece al subespacio
L(x3 1, x + 2) de P3 (R),
b) para determinar si el sistema (x3 1, x + 2, x2 , x 1) es una base de
P3 (R).
23. Calcular el
1
A = 2
1
rango de las matrices
1 1 0
1 2 0 M3,4 (Z3 )
0 0 1
2 1 5
B = 0 4 1 M3 (R).
6 1 16
24. Utilizar el mtodo de Gauss para hallar una base del Csubespacio de
C3 :
L((1, 0, i), (i, 0, 0), (0, i, 4), (1, 1, 1)).
152
lgebra
Captulo 3
Funciones lineales
Otra de las caractersticas esenciales estrechamente relacionada con el concepto de espacio vectorial tiene que ver con las propiedades de proporcionalidad y aditividad , propiedades stas que siempre se satisfacen en los
problemas matemticos denominados problemas lineales. La propiedad
de aditividad consiste en que si los vectores u y v son soluciones del problema, entonces el vector u + v tambin es solucin de dicho problema y la
proporcionalidad en que si el vector u es una solucin del problema, entonces
el vector u tambin lo es, siendo normalmente un nmero real o un
nmero complejo.
Hay que decir que en cualquier caso los problemas lineales son ms
sencillos de resolver que los no lineales y en muchas ocasiones resolver un
problema no lineal consiste, al menos en una primera aproximacin, en plantear y resolver un problema lineal que aproxime , valga la redundancia, el
problema no lineal planteado.
En este captulo se denen y estudian las funciones lineales entre espacios
vectoriales. Las funciones lineales son las ms naturales en el contexto del
lgebra lineal ya que, por su denicin, respectan la estructura de espacio
vectorial.
Veremos que una funcin lineal se puede representar por medio de una
matriz determinada por la eleccin de bases en su dominio y codominio.
Este hecho nos permite trabajar desde dos puntos de vista distintos pero
estrechamente relacionados: un primer ms analtico, que se basa en el uso
de las propiedades generales de las funciones y un segundo ms algebraico,
donde tiene mayor importancia la teora matricial.
153
154
lgebra
3.1 Funciones lineales

Como vimos, una estructura de espacio vectorial sobre un cuerpo est caracterizada por la existencia de las operaciones de suma de vectores y producto
de un vector por un escalar, con los axiomas de la denicin 2.2.1.
Entonces, si tenemos dos espacios vectoriales sobre el mismo cuerpo, es
natural preguntarse si existen funciones entre estos dos espacios tales que
relaciones entre vectores en el primero (el dominio de la funcin) se puedan
comparar y transformar en relaciones entre vectores del segundo (el codominio de la funcin).
La siguiente denicin responde a la pregunta anterior: la funcin buscada
tiene que ser tal que a la suma de dos vectores en su dominio se le corresponda
el vector suma de las imgenes de estos dos vectores en el codominio y que
al producto de un vector por un escalar en el dominio se le corresponda el
producto por el mismo escalar de la imagen del vector en el codominio.
Denicin 3.1.1 Sean (E, +, ) y (E0 , , ) dos espacios vectoriales sobre

el mismo cuerpo K. Diremos que la funcin f : E E0 es lineal (o
tambin, que es un homomorsmo de K e.v.), si f satisface las siguientes

propiedades:
1. u, v E, f (u + v) = f (u) f (v);
2. u E, K, f ( u) = f (u).
Observacin 37 Es usual denotar con los mismos smbolos + y la suma
y el producto por escalares denidos sobre los espacios E y E0 , puesto que en

casi todos los casos, la naturaleza de la operacin viene determinada de forma
unvoca por la naturaleza de los operandos: obviamente, si u E, entonces
f (u) E0 . Con este convenio de notacin, siendo E y E0 dos K e.v., una
funcin f : E E0 es lineal si satisface las propiedades:
1. u, v E, f (u + v) = f (u) + f (v)
2. u E, K, f (u) = f (u)
Proposicin 3.1.2 Siendo E y E0 K e.v., se verica que la funcin f :
E E0 es lineal si y slo si u, v E, , K, se verica que

f (u + v) = f (u) + f (v).
lgebra
155
Demostracin Supongamos que f : E E0 es lineal, o lo que es
lo mismo, que f satisface las condiciones 1 y 2 de la denicin 3.1.1. Dados

u, v E y , K, por la condicin 1 resulta que
f (u + v) = f (u) + f (v) =
= (por la condicin 2) =
= f (u) + f (v).
Recprocamente, supongamos que u, v E , K se verica
que
f (u + v) = f (u) + f (v).
Hay que demostrar que f satisface las condiciones 1 y 2 de la denicin 3.1.1.
Dados u, v E, tomando = = 1, resulta que
f (u + v) = f (1 u + 1 v) =
= 1 f (u) + 1 f (v) =
= f (u) + f (v),
con lo que se satisface la condicin 1. Por otra parte, dados u E y K,
resulta que
f (u) = f (u + 0u) = f (u) + 0f (u) = f (u),

con lo que se satisface la condicin 2.
El siguiente ejercicio nos muestra cmo se transforman las combinaciones

lineales al aplicarles una funcin lineal.
Ejercicio 3.1.1 Demostrar que, siendo E y E0 K e.v., y f : E E0 una
funcin lineal, siendo u1 , ....,

sistema de vectores de E se verica
nun cualquier
n
P
P
que (1 , ...., n ) Kn , f
i ui =
i f (ui ).
i=1
i=1
Indicacin: Razonar por induccin sobre n.

Nota: Ntese que un enunciado equivalente al del ejercicio anterior sera:
si f : E E0 es lineal se verica que
!
n
n
n N,
X
X
u1 , ...., un E y
i f (ui ).
i ui =
f
i=1
i=1
1 , ...., n K,
156
lgebra
Ejemplo 3.1.3 Siendo E un K e.v., la funcin identidad, IdE : E E,

es lineal puesto que
i) dados u, v E, se tiene
IdE (u + v) = u + v = IdE (u) + IdE (v);

ii) si u E y K, IdE (u) = u = IdE (u).
Ejemplo 3.1.4 Siendo E y E0 dos K e.v., la funcin f : E E0 denida

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

a) dados (u1 , ..., un ), (v1 , ..., vn ) E1 ... En ,
pi ((u1 , ..., un ) + (v1 , ..., vn )) = pi ((u1 + v1 , ..., un + vn )) =

= ui + v i =
= pi ((u1 , ..., un )) + pi ((v1 , ..., vn ));
b) dados (u1 , ..., un ) E1 ... En y K,
pi ((u1 , ..., un )) = pi ((u1 , ..., un )) =
= ui = pi ((u1 , ..., un )).
Ejemplo 3.1.6 Dada A Mmn (K), la funcin multiplicacin por A

LA : Mn1 (K) Mm1 (K)
,
X
;
AX
donde es el producto usual de matrices, es lineal.
Ejercicio 3.1.2 Sea E un Ke.v. de dimensin nita n y B = (v1 , v2 , , vn )

una base ordenada de E. Si u = k1 v1 + k2 v2 + + kn vn E, sea f : E Kn
la funcin que asocia al vector u sus coordenadas respecto de la base B,
denida por f (u) = (k1 , k2 , , kn ). Vericar que f es lineal.
lgebra
157
Ejemplo 3.1.7 Dados a, b R, se considera el conjunto C([a, b], R), de las
funciones reales continuas denidas sobre el intervalo cerrado [a, b] = {x

R |a x b }. Teniendo en cuenta que f, g C([a, b], R) y R se
verica que
Zb
Zb
Zb
(f + g) = f + g
a
y que
Zb
Zb
(f ) =
f,
a
resulta que la siguiente funcin integracin sobre [a, b] es lineal
I : C([a, b], R)
f
R
Rb .
f
a
Ejemplo 3.1.8 Siendo (a, b) cualquier intervalo abierto de la recta real am-
pliada (i.e., se contempla la posibilidad de que a = b = , o ambas

cosas simultneamente, en cuyo caso se tendra que (a, b) = (, ) = R),
se considera el conjunto
C 1 ((a, b), R)
de las funciones reales denidas en (a, b), derivables en todo punto de (a, b)
y tales que la funcin derivada es continua en (a, b). Teniendo en cuenta que
la suma de funciones derivables es derivable y que la funcin resultante de
multiplicar un nmero real por una funcin derivable es una funcin derivable
(y que lo mismo sucede con las funciones continuas), resulta que
C 1 ((a, b), R) F ((a, b), R),

o, lo que es lo mismo, que C 1 ((a, b), R) es un R e.v..
Dada ahora f C 1 ((a, b), R), sea D(f ) la funcin derivada de f :
D(f ) :
(a, b)
x
R
.
; D(f )(x) = f 0 (x)
Ya que f, g C 1 ((a, b), R) y R se verica que
D(f + g) = D(f ) + D(g)
158
lgebra
y que
D(f ) = D(f ),
resulta que la siguiente funcin derivacin es lineal:
D : C 1 ((a, b), R) C((a, b), R)

.
f
;
D(f )
Ejemplo 3.1.9 Sea n > 1. La funcin determinante det : Mn (K) K no es

lineal ya que det(A+B) 6= det(A)+det(B) y det(kA) = k n det(A) 6= kdet(A).
3.2 Propiedades de funciones lineales

Proposicin 3.2.1 Si E y E0 son K e.v. y f : E E0 es lineal, entonces
se verica que
1. f (0) = 0;
2. u E , f (u) = f (u).
Demostracin 1. u E , f (0) = f (0 u) = 0 f (u) = 0.

2. Dado u E, se tiene
f (u) + f (u) = f (u + (u)) = f (0) = 0,

por lo que podemos concluir que f (u) es el opuesto de f (u) o, lo que es lo
mismo, que f (u) = f (u), puesto que (E0 , +) es un grupo.
2
Ejemplo 3.2.2 Si E es un K e.v. y u0 un vector jo diferente de cero en
E, la transformacin u E f (u) = u + u0 (la traslacin por el vector u0 )

no es lineal, ya que f (0) = u0 6= 0.
El siguiente resultado nos permite asegurar que la funcin suma de dos
funciones lineales es una funcin lineal y que, si multiplicamos una funcin
lineal por un escalar, la funcin as obtenida es tambin una funcin lineal.
lgebra
159
Proposicin 3.2.3 Siendo E y E0 Ke.v., si denotamos por F(E, E0 ) al espacio de todas las funciones denidas entre E y E0 , y por L(E,E0 ) al conjunto
de las funciones lineales denidas entre E y E0 , es decir,
L(E, E0 ) = {f F(E, E0 ) |f es lineal },

se verica que
L(E, E0 ) F (E, E0 ),
o lo que es lo mismo, que L(E,E0 ) tiene estructura de espacio vectorial respecto de la suma de funciones y producto de una funcin por un escalar denidos
en F(E, E0 ).
Demostracin i) Evidentemente L(E,E0 ) 6= , puesto que 0 L(E,E0 ),

ya que u, v E , K se tiene
0(u + v) = 0 = 0 + 0 =0(u) + 0(v).

(Ntese que hemos denotado por el mismo smbolo a 0 L(E,E0 ) y a 0 E0 ).
ii) Veamos que f, g L(E,E0 ) se verica que f +g L(E,E0 ). Si u, v E
y , K, se verica que
(f + g)(u + v) =
=
=
=
=
f (u + v) + g(u + v) =
(f (u) + f (v)) + (g(u) + g(v) =
(por ser + asociativa y conmutativa en (E0 , +))
(f (u) + g(u)) + (f (v) + g(v)) =
(f + g)(u) + (f + g)(v).
iii) Veamos que f L(E,E0 ), K se verica que f L(E,E0 ).

Si u, v E y , K, se verica que
(f ) (u + v) =
=
=
=
f (u + v) = (f (u) + f (v)) =
f (u) + f (v) =
(por ser conmutativo en K) =
f (u) + f (v) = (f ) (u) + (f ) (v).
2
160
lgebra
Ejemplo 3.2.4 Como consecuencia de la proposicin anterior, teniendo en
cuenta que para cualquier Ke.v. E la funcin IdE : E E es lineal, IdE

L(E, E), tendremos tambin que K, la funcin (IdE ) L(E, E), es
decir, la funcin
IdE : E E
u ; u
es lineal.
Ejemplo 3.2.5 Teniendo en cuenta que si E es un K e.v. entonces n

N y i {1, ..., n} la funcin proyeccin i-sima es lineal, resulta que la
siguiente funcin es lineal: (1 , ..., n ) Kn ,
1 p1 + ... + n pn :
En
E
.
(u1 , ..., un ) ; 1 u1 + ... + n un
En particular, dados por ejemplo , , R, es lineal la funcin
p1 + p2 + p3 :
R3
(x1 , x2 , x3 ) ;
R
.
x1 + x2 + x3
Ejemplo 3.2.6 Si f C 1 ((a, b), R), en particular f C((a, b), R) y, siendo

i la funcin inclusin, se verica que la funcin
3D 5i : C 1 ((a, b), R) C((a, b), R)

f
; 3D(f ) 5f
es lineal.
Proposicin 3.2.7 Si E, E0 y E00 son K e.v. y f : E E0 y g : E0 E00

son funciones lineales, entonces la funcin composicin de g con f, g f :
E E00 , tambin es una funcin lineal.
Demostracin Sean u, v E y , K. En ese caso

(g f )(u + v) =
=
=
=
=
=
g(f (u + v)) =
(por ser f lineal) =
g(f (u) + f (v)) =
(por ser g lineal) =
g(f (u)) + g(f (v)) =
(g f )(u) + (g f )(v).
lgebra
161
Ejemplo 3.2.8 f L(E, E), f IdE = IdE f. Entonces IdE es el elemento

neutro de en L(E, E).
Observacin 38 Si E, E0 y E00 son R e.v. y f : E E0 , g : E0 E00 y
h : E00 E000 son funciones lineales, entonces la funcin composicin hg f :

E E000 tambin es una funcin lineal. En general, la composicin de un
cualquier nmero (nito) de funciones lineales, cuando est denida, ser
una funcin lineal.
3.3
Ncleo e imagen
La siguiente proposicin arma que las funciones lineales preservan los subespacios vectoriales:
Proposicin 3.3.1 Si E y E0 son K e.v. y f : E E0 es lineal, se verica
que
1. H E, (H E f (H) E0 ) y
2. H 0 E0 , (H 0 E0 f 1 (H 0 ) E) ;
en otras palabras: la imagen directa y recproca de un subespacio
vectorial por una funcin lineal es un subespacio vectorial.
Demostracin 1. Supongamos que H E. En ese caso 0 H y, puesto

que
f (0) = 0,
tendremos que 0 f (H). Por otra parte, si u0 , v 0 f (H) y , K,
tendremos, por denicin de f (H), que existen u, v H tales que
f (u) = u0 y f (v) = v 0 .
Por consiguiente
u0 + v 0 = f (u) + f (v) =
= (puesto que f es lineal) =
= f (u + v)
162
lgebra
y, puesto que H E, u + v H, con lo que
u0 + v 0 f (H)
y en denitiva f (H) E0 .
2. Supongamos que H 0 E0 . En ese caso 0 H 0 y, puesto que
f (0) = 0,
tendremos que
0 f 1 (H 0 ).
Por otra parte, si u, v f 1 (H 0 ) y , K, resultar que
f (u), f (v) H 0
y, puesto que H 0 E0 , tendremos que
f (u) + f (v) H 0
pero, al ser f lineal,
f (u) + f (v) = f (u + v),

es decir, f (u + v) H 0 , con lo que
u + v f 1 (H 0 ).
2
Denicin 3.3.2 Sean E y E0 K e.v. y f : E E0 una funcin lineal.

Llamaremos ncleo de f al conjunto
Ker(f ) = f 1 ({0}) = {u E |f (u) = 0 },
e imagen de f, al conjunto
Im(f ) = {v E0 |u E tal que f (u) = v }.

o sea, al conjunto f (E).
lgebra
163
Obsrvese que como consecuencia de la proposicin (3.3.1), para cualquier

funcin lineal f : E E0 se verica que
Ker(f ) E
y que
Im(f ) E0 .
Denicin 3.3.3 Sean E y E0 K e.v. y f : E E0 una funcin lineal.

Entonces a la dimensin del imagen de f se denomina rango de f y a la
dimensin del ncleo de f se denomina nulidad de f.
Ejemplo 3.3.4 Sean E y E0 K e.v.. Entonces, el ncleo de la funcin
identidad IdE : E E es el subespacio {0} y su imagen es el espacio E;

el ncleo de la funcin cero f : E E0 es el espacio E y su imagen es el
subespacio {0}.
Ejercicio 3.3.1 Sea f : R3 R3 la proyeccin ortogonal sobre el plano
z = 0. Determinar ncleo e imagen de f.
Ejercicio 3.3.2 Sea E = C 1 (R, R), y sea E0 = F(R, R). Determinar el ncleo de la funcin derivacin
D : C 1 (R, R) F (R, R).
Ejemplo 3.3.5 Una manera diferente de la usual de vericar que, dados
, , 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
Antes de enunciar el siguiente teorema, recordemos las siguientes deniciones:
Denicin 3.3.6 Una funcin f entre dos conjuntos A y B es inyectiva si

a1 , a2 A,
f (a1 ) = f (a2 ) a1 = a2 .
Denicin 3.3.7 Una funcin f entre dos conjuntos A y B es sobreyectiva
si b B existe a A tal que b = f (a).
Denicin 3.3.8 Finalmente, una funcin f entre dos conjuntos A y B es

biyectiva si f es a la vez inyectiva y sobreyectiva.
Teorema 3.3.9 Sean E y E0 K e.v. y f : E E0 una funcin lineal. Se
verica que
1. f es inyectiva Ker(f ) = {0};

2. f es sobreyectiva Im(f ) = E0 .
Demostracin 1. Puesto que f es lineal, f (0) = 0 y en consecuencia

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

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

es decir, u + (v) = 0, de donde u = v .
2. Por denicin, f es sobreyectiva si y slo si Im(f ) = E0 .
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.
Ejemplo 3.3.11 La proyeccin ortogonal sobre el plano z = 0 en R3 no es
inyectiva, siendo su ncleo igual al eje z.
3.4
Espacios vectoriales isomorfos
Si f : E E0 es una funcin lineal y biyectiva, para todo vector u en E

existe un nico vector v en E 0 tal que f (u) = v. Adems f es invertible y
f 1 (v) = u. Por tanto f establece una particular correspondencia entre los
vectores de E y los vectores de E 0 que, adems, reproduce en E 0 las relaciones
de dependencia entre vectores de E. En este caso se podran identicar los dos
espacios E y E 0 , pero es a menudo necesario distinguir entre distintos tipos
de correspondencias, es decir, nos interesa saber exactamente qu funcin
lineal biyectiva estamos considerando entre los dos espacios. Por ejemplo, la
funcin identidad en R2 es lineal y biyectiva, pero tambin lo es la funcin
rotacin de un ngulo de 4 . La primera funcin identica trivialmente las
dos copias del espacio R2 mientras que la segunda nos dice que, como espacios
vectoriales, son equivalentes.
Estas consideraciones justican la siguiente denicin de espacios isomorfos.
Denicin 3.4.1 Siendo E y E0 dos K e.v., se dice que E y E0 son isomorfos si existe una funcin f : E E0 tal que f es lineal y biyectiva.
Si f : E E0 es lineal y biyectiva, se dice que f es un isomorsmo (no
singular).
Proposicin 3.4.2 Si f : E E0 es un isomorsmo, f 1 : E0 E es
tambin un isomorsmo.
Demostracin Si f : E E0 es biyectiva entonces f 1 : E0 E es
tambin biyectiva. Veamos que en las condiciones del enunciado f 1 : E0

E es lineal.
1. Sean u0 , v 0 E0 . Por ser f : E E0 biyectiva ! u, v E tales que
f (u) = u0
y f (v) = v 0
166
lgebra
o, lo que es lo mismo, tales que f 1 (u0 ) = u y f 1 (v 0 ) = v. Luego
f 1 (u0 + v 0 ) = f 1 (f (u) + f (v)) =

(por ser f lineal)
= f 1 (f (u + v)) = u + v = f 1 (u0 ) + f 1 (v 0 ).
2. Sean u0 E0 y K. Razonando de igual modo que en el apartado
anterior, si f 1 (u0 ) = u o, lo que es lo mismo, f (u) = u0 , resulta que
f 1 (u0 ) = f 1 (f (u)) =
= f 1 (f (u)) = u = f 1 (u0 ).
2
Observacin 39 Si dos K e.v. E y E0 son isomorfos, desde un punto de
vista algebraico son iguales o indistinguibles, en el sentido de que toda

propiedad relacionada con la estructura de espacio vectorial que posea E se
transere automticamente al espacio E0 a travs del isomorsmo y recprocamente.
Ejercicio 3.4.1 Comprobar que si f : E E0 es un isomorsmo, entonces

{v1 , ...., vm } E es libre si y solo si {f (v1 ), ..., f (vm )} es libre.
Ejemplo 3.4.3 Las funciones

IC :
Kn
(x1 , ..., xn )
M
n1 (K)
x1
; ...
xn
IF :
Kn
(x1 ...xn )
M1n (K)
x1 xn
;
son isomorsmos. A IC le denominaremos isomorsmo columna y a IF

isomorsmo la.
lgebra
3.5
167
Funciones lineales en espacios vectoriales

de dimensin nita
3.5.1 Determinacin de funciones lineales en espacios

vectoriales de dimensin nita
El siguiente teorema fundamental establece un procedimiento para denir
funciones lineales entre espacios vectoriales de dimensin nita, en el sentido
de que, conocidas las imgenes de los elementos de una base del espacio
dominio, la funcin lineal queda completamente determinada.
Teorema 3.5.1 Sean E y E0 dos K e.v., {u1 , ...., un } una base de E y
{v1 , ...., vn } un sistema cualquiera de n vectores de E0 . En estas condiciones

existe una nica funcin lineal f : E E0 tal que
i {1, ..., n}
f (ui ) = vi .
Adems se verica que
a) f es inyectiva {v1 , ...., vn } es libre;

b) f es sobreyectiva L({v1 , ...., vn }) = E0 ;
c) f es un isomorsmo {v1 , ...., vn } es una base de E0 .
Demostracin i) Existencia. Sea u E; puesto que {u1 , ...., un } es una
base de E, tendremos que !(1 , ...., n ) Kn tal que u =
entonces f (u) =
n
P
i=1
n
P
i=1
i ui . Denimos
i vi . Veamos que la funcin f as denida para cada
u E satisface las dos condiciones requeridas.

1. f es lineal : dados u, v E y , K, si u =
n
P
i=1
i ui y v =
n
P
i=1
i ui ,
168
lgebra
resulta que
f (u + v) = f (
n
X
!
i ui
n
X
i=1
!
i ui ) =
i=1
n
!
n
X
X
= f(
(i + i )ui ) =
(i + i )vi =
=
i=1
n
X
!
i vi
i=1
n
X
i=1
i ui
= f (u) + f (v).
i=1
2. i {1, ..., n} f (ui ) = vi . Dado i {1, ..., n}, se tiene
ui = 0 u1 + ... + 1 ui + ... + 0 un
y, por consiguiente,
f (ui ) = 0 v1 + ... + 1 vi + ... + 0 vn = vi .

ii) Unicidad. Si g : E E0 es una funcin lineal tal que
i {1, ..., n} g(ui ) = vi ,

resulta que, siendo w un vector cualquiera de E, al ser {u1 , ...., un } una base
de E, (1 , ...., n ) Kn tal que
w=
n
X
i ui .
i=1
Ahora bien,
n
X
g(w) = g(
i ui ) =
i=1
= (por ser g lineal) =

n
n
X
X
=
i g(ui ) =
i vi =
i=1
n
X
i=1
i f (ui ) = (por ser f lineal) =
i=1
n
X
= f(
i ui ) = f (w),
i=1
lgebra
169
es decir, w E g(w) = f (w), con lo que conclumos que f = g.

Finalmente, comprobemos que se verican a), b) y c).
n
P
a) Sea
i vi = 0. Entonces
i=1
0=
n
X
i vi =
i=1
Ya que f es inyectiva,
n
X
n
X
i f (ui ) = f (
i ui ).
i=1
n
P
i=1
i=1
i ui = 0 y, puesto que {u1 , , un } es libre,
(1 , , n ) = (0, , 0).
n
P
Si w Ker(f ), siendo w =
i=1
i ui resulta que
n
n
n
X
X
X
f (w) = 0 = f (
i ui ) =
i f (ui ) =
i vi ,
i=1
i=1
i=1
y puesto que {v1 , ...., vn } es libre, conclumos que
(1 , ...., n ) = (0, ..., 0),

con lo que w = 0.
b) Si vericamos que Im(f ) = L(v1 , , vn ), entonces f es sobreyectiva
L(v1 , , vn ) = E0 . Ya que L(v1 , , vn ) Im(f ), hace falta solo comn
P
i ui E tal
probar que Im(f ) L(v1 , , vn ) : si v Im(f ), existe u =
i=1
que
v = f (u) =
n
X
i f (ui ) =
i=1
n
X
i vi L(v1 , , vn ).
i=1
0
As que Im(f ) = L(v1 , , vn ) = E .

c) Es consecuencia inmediata de los dos apartados anteriores.
A la vista del teorema anterior, se verica que:

si E y E0 son K e.v. y {u1 , ...., un } En es una base de E, cualquier
funcin lineal f : E E0 queda completamente determinada por el
sistema {f (u1 ), ..., f (un )}.
170
lgebra
Ejercicio 3.5.1 Dada la funcin lineal f : R2 R3 determinada por las

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

determinar f (3, 1) y f (2, 1).
Corolario 3.5.2 Si E y E0 son dos K e.v. nitamente generados (de di-
mensin nita), entonces
E y E0 son isomorfos dim(E) = dim(E0 )
Demostracin Si E y E0 son isomorfos, f : E E0 es un isomorsmo,
y {u1 , ...., un } es una base de E, por el apartado c) del teorema anterior,

{f (u1 ), ...., f (un )} es una base de E0 y, en consecuencia, dim(E) = dim(E0 ) =
n.
Si dim(E) = dim(E0 ) = n, {u1 , ...., un } es una base de E y {v1 , ...., vn }
es una base de E0 , considerando la funcin lineal f : E E0 tal que i
{1, ..., n} f (ui ) = vi , resulta, por la proposicin anterior, que f es un isomorsmo, y en consecuencia E y E0 son isomorfos.
2
Como vimos en el captulo 2, al introducir una base ordenada en un
espacio vectorial podemos asociar a cada vector del espacio sus coordenadas
respecto de esta base. Tambin vimos que las coordenadas de un vector son
nicas.
El siguiente corolario arma que la correspondencia entre un vector y sus
coordenadas respecto de una base jada es un isomorsmo.
Corolario 3.5.3 Si E es un Ke.v. y B = (u1 , ...., un ) es una base ordenada

de E, la funcin que asocia a todo vector la matriz de sus coordenadas respecto
de la base B,
()B : E Mn1 (K)
,
v ;
(v)B
donde
v=
i=1
es un isomorsmo.
i ui (v)B = ... ,
n
n
X
lgebra
171
Demostracin Siendo i {1, ..., n}

ei : {1, ..., n} {1}
(j, 1)
Mn1 (K)
1 si j = i
0 si j 6= i
o, lo que es lo mismo, siendo (e1 , ..., en ) la base cannica de Mn1 (K), que
empleando la notacin habitual de matrices se escribira

0
0
1
0
0 1

(e1 , ..., en ) = .. , .. , , .. ,
.
. .
observando que ()B es la nica funcin lineal tal que
i {1, ..., n}
(ui )B = ei
y teniendo en cuenta que
Bc = (e1 , ..., en )
es una base de Mn1 (K), es inmediato comprobar que ()B es un isomorsmo.2
Observacin 40 Teniendo en cuenta que si dos K e.v. E y E0 son iso-
morfos, toda propiedad relacionada con la estructura de espacio vectorial que

posea E se transere automticamente al espacio E0 a travs del isomorsmo
y recprocamente, si un K e.v. E tiene dimensin n y B es una base
de E, considerando el isomorsmo ()B : E Mn1 (K) podemos estudiar las
propiedades de los vectores de E estudiando las que poseen sus coordenadas respecto de B, es decir, sus imgenes mediante el isomorsmo ()B . En
particular, si {v1 , ...., vm } es un sistema de vectores de E, resulta que
{v1 , ...., vm } es ligado el sistema {(v1 )B , ...., (vm )B } de Mn1 (K) es ligado;
{v1 , ...., vm } es libre el sistema {(v1 )B , ...., (vm )B } de Mn1 (K) es libre;
{v1 , ...., vn } es una base de E {(v1 )B , ...., (vn )B } es una base de Mn1 (K).
172
lgebra
Ejemplos.
1. En el R e.v. R3 con su estructura de espacio vectorial habitual el

sistema {(1, 1, 1), (1, 1, 1), (1, 1, 0)} es libre (respectivamente ligado) si y
slo si el sistema de M31 (R) formado por sus coordenadas respecto de la
base cannica Bc de R3 ,
1
1
1
{ 1 , 1 , 1 }
1
1
0
es libre (respectivamente ligado).
2. En el C e.v. P4 (C) = {f C[x] |
gr(f ) 4}, el sistema
{x + 3x2 , 2 + x, 3 + x3 , 1 + x4 }
es libre (respectivamente ligado) si y slo si el sistema de M41 (C) formado
por sus coordenadas respecto de la base usual de P4 (C), {1, x, x2 , x3 , x4 },

0
2
3
1
1 1 0 0

{
3 , 0 , 0 , 0 }
0 0 1 0
0
0
0
1
es libre (respectivamente ligado).
3.5.2 Dimensiones del ncleo y de la imagen

Si, por ejemplo, en el espacio tridimensional R3 consideramos la funcin proyeccin ortogonal sobre el plano xy (isomorfo a R2 ), obtenemos una funcin
lineal sobreyectiva y tal que su ncleo es todo el eje de las z. Por tanto, el
rango de esta proyeccin es 2, su nulidad es 1 y la suma de estos dos nmeros
coincide con la dimensin del dominio de la funcin.
El siguiente teorema generaliza este ejemplo a toda funcin lineal entre
espacios de dimensin nita.
Teorema 3.5.4 (Teorema de la dimensin para funciones lineales)
Si f : E E0 es una funcin lineal tal que los subespacios Ker(f ) e Im(f )

son de dimensin nita, entonces E es tambin de dimensin nita y
dim(E) = dim(Ker(f )) + dim(Im(f )) = nulidad(f ) + rango(f ).
lgebra
173
Demostracin Sean {u1 , ...., ur } una base de Ker(f ) y {v1 , ...., vp } una
base de Im(f ). Sean, por otra parte, {w1 , ..., wp } tales que
i {1, ..., p},
f (wi ) = vi .
El teorema estar demostrado si comprobamos que {u1 , ...., ur , w1 , ..., wp } es

una base de E.
a) {u1 , ...., ur , w1 , ..., wp } es libre. Supongamos que
(1 , ...., r , 1 , ..., p ) Kr+p

es tal que
r
X
i ui +
p
X
i=1
En ese caso
r
X
(3.1)
j wj = 0.
j=1
p
X
i ui +
i=1
!
j wj
= f (0) = 0.
j=1
Pero, teniendo en cuenta que f es lineal, resulta que

r
X
i f (ui ) +
i=1
p
X
j f (wj ) = 0,
j=1
y puesto que los vectores u1 , ...., ur estn en Ker(f ), tendremos que
p
P
j vj =
j=1
0, con lo que, al ser {v1 , ...., vp } libre, obtenemos que (1 , ..., p ) = (0, ..., 0);
r
P
i ui = 0, y puesto que {u1 , ...., ur }
pero entonces la relacin (3.1) queda
i=1
es libre, obtenemos que (1 , ...., r ) = (0, ..., 0). En denitiva,

(1 , ...., r , 1 , ..., p ) = (0, ..., 0).
b) {u1 , ...., ur , w1 , ..., wp } es un sistema generador de E. Sea u E.
Ahora bien, f (u) Im(f ), y puesto que {v1 , ...., vp } es una base de Im(f ),
p
P
(1 , ..., p ) Kp tal que f (u) =
i vi . Pero en ese caso,
i=1
f (u) =
p
X
i=1
i vi =
p
X
i=1
p
X
i f (wi ) = f (
i wi ),
i=1
174
lgebra
o sea,
0 = f (u) f (
p
X
i wi ) =
i=1
= (por ser f lineal) =

p
X
= f (u
i wi ),
i=1
con lo que
p
X
!
i w i
Ker(f ),
i=1
y como Ker(f ) = L({u1 , ...., ur }),
(1 , ...., r ) K .. u
p
X
!
i w i
i=1
y resulta que , u =
p
P
i=1
i wi
r
P
r
X
j uj ,
j=1
!
j uj
j=1
3.5.3 Matriz asociada a una funcin lineal

Si E y E0 son dos K e.v. nitamente generados, f : E E0 es una funcin
lineal y B = {u1 , ...., un } es una base de E, segn hemos visto, la funcin f
queda completamente determinada por el sistema {f (u1 ), ...., f (un )}.
As, siendo B 0 = {v1 , ..., vm } una base de E0 y, conocido el sistema de
vectores de Mm1 (K)
{(f (u1 ))B 0 , ...., (f (un ))B 0 },

vamos a obtener una expresin que nos permita calcular, para todo vector
w E, las coordenadas de f (w) respecto de B 0 sin ms que conocer las
coordenadas de w respecto de B.
As pues, supongamos que
1j
j {1, ..., n}
(f (uj ))B 0 = ... Mm1 (K),
mj
lgebra
175
o lo que es lo mismo, que
j {1, ..., n}
m
X
(f (uj ))B 0 =
ij (vi )B 0 .
i=1
n
P
Sea w E, y supongamos tambin que w =
j=1
xj uj , es decir, que
x1
(w)B = ... .
xn
En ese caso, f (w) = f (
n
P
n
P
x j uj ) =
j=1
cuenta que
j=1
()B 0 : E0
v
xj f (uj ), con lo que , teniendo en
Mm1 (K)
(v)B 0
es un isomorsmo,
(f (w))B 0 =
n
X
!
xj f (uj )
j=1
n
X
xj
j=1
m
X
n
X
xj (f (uj ))B 0 =
j=1
B0
ij (vi )B 0
i=1
m n
X X
i=1
j=1 i=1
!
xj ij
n X
m
X
!
(vi )B 0
j=1
Es decir,
(f (w))B 0
n
P
x
j=1 j 1j
..
=
.
P
n
xj nj
j=1
xj (ij (vi )B 0 ) =
176
lgebra
con lo que, teniendo en cuenta como est denido el producto de matrices,

resulta que
11 1n
x1
.. .. .
(f (w))B 0 = ...
. .
m1 mn
xn
11 1n
..
.. , tendremos que
En denitiva, si A = .
.
m1 mn
(f (w))B 0 = A (w)B .
A la matriz A la denominaremos matriz asociada a la funcin lineal f
respecto de las bases B y B 0 y la denotaremos por MBB0 (f ).
Ntase que MBB0 (f ) Mmn (K), donde m = dim(E0 ) y n = dim(E).
En resumen:
w E, (f (w))B 0 = MBB0 (f ) (w)B
Observacin 41 Ntese que la matriz MBB0 (f ) est caracterizada por el he-
cho de que j {1, ..., n} su columna j esima es la matriz
1j
(f (uj ))B 0 = ... Mm1 (K).
mj
Observacin 42 Ntese la disposicin de las bases B del espacio dominio

E y B 0 de E0 en la expresin:
(f (w))B 0 = MBB0 (f ) (w)B .
EJEMPLOS:
1. Si consideramos en R3 y R2 sus estructuras habituales de R e.v. y la
funcin lineal f : R3 R2 determinada por
f (1, 0, 0) = (1, 2), f (0, 1, 0) = (0, 1) y f (0, 0, 1) = (3, 2),
lgebra
177
resulta que, siendo
B3 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, B2 = {(1, 0), (0, 1)},
1 0 3
B3
.
MB2 (f ) =
2 1
2
Por otra parte, si consideramos la base de R3
B = {(1, 1, 1), (0, 1, 1), (0, 0, 1)}

(verifquese que efectivamente es una base), tendremos que, puesto que
f es lineal,
f (1, 1, 1) = f ((1, 0, 0) + (0, 1, 0) + (0, 0, 1)) =

= f (1, 0, 0) + f (0, 1, 0) + f (0, 0, 1)) =
= (1, 2) + (0, 1) + (3, 2) = (4, 3 + 2),

y de forma anloga
f (0, 1, 1) = (3, 1 +
con lo que
MBB2 (f )
2),
4
3 3
2
3+ 2 1+ 2
2. Es evidente que siendo Bn la base cannica de Kn ,
MBBnn (IdKn ) = In Mn (K).
En general, si B = {u1 , ...., un } es una base cualquiera de un
K e.v. E,
MBB (IdE ) = In Mn (K).

Sin embargo, siendo B 6= B 0 ,
0
MBB (IdE ) 6= In .
As por ejemplo, siendo
B 0 = {(1, 1, 1), (0, 1, 1), (0, 0, 1)},

resulta
1 0 0
0
MBBn (IdKn ) = 1 1 0 .
1 1 1
178
lgebra
3. Si consideramos la funcin proyeccin i esima,
Kn
K
,
(x1 , ..., xn ) ; xi
pi :
siendo Bn y B1 las bases cannicas de, respectivamente, Kn y K, se

verica que
MBB1n (pi ) = ( 0
0 1(i) 0
0 ).
4. Si en el C e.v.
P3 (C) = {f C[x] | gr(f ) 3 },

consideramos la base usual
B = {1, x, x2 , x3 }
y la funcin lineal f : P3 (C) P3 (C) tal que
f (1)
f (x)
f (x2 )
f (x3 )
resulta que
=
=
=
=
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
3.5.4 Algoritmo para hallar una base del ncleo y de la

imagen
Dada una funcin lineal f : E E0 entre dos K-espacios vectoriales de
dimensiones nitas n y m, queremos hallar una base del ncleo y una
base de la imagen de f .
Fijadas dos bases B = {u1 , , un } y B 0 de E y E0 , respectivamente, sea
MBB0 (f ) la relativa matriz asociada a f. Nuestro mtodo consiste en el aplicar
lgebra
179
M B (f )
B0
el mtodo de Gauss a la matriz
hasta obtener una matriz de la forma
In
A
, donde A es la forma gaussiana de la matriz MBB0 (f ). Las columnas de
P
la matriz MBB0 (f ) son las coordenadas de los vectores {f (u1 ), , f (un )}
respecto de la base B 0 y las columnas de la matriz In son las coordenadas
de los
P de la basePB. Ya que f es lineal, si
P vectores {u1 , , un } respecto
v = ki=1 i ui , entonces f (v) = f ( ki=1 i ui ) = ki=1 i f (ui ). Se sigue que,
al aplicar el mtodo
de Gauss sin intercambiar el orden de las columnas a
la matriz
B (f )
MB
0
In
, las nuevas columnas obtenidas son todava de la forma
(f (v))B 0
(v)B
(las transformaciones elementales usadas son lineales). As que las

columnas de P que aparezcan bajo las columnas nulas de A constituyen una
base del ncleo de f y las columna no nulas de A constituyen una base de la
imagen de f .
Ejemplo 3.5.5 Sea f : R3 R2 denida por f (x, y, z) = (x + 2y 3z, x

2y + z). Sean B y B 0 las bases cannicas de R3 y R3 . Entonces
MBB0 (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 ).
3.5.5 Matriz asociada a la composicin de funciones lineales

En esta seccin vamos a determinar la matriz asociada a una funcin h = gf
que es la compuesta de dos funciones lineales f y g a partir de las matrices
asociadas a f y a g.
180
lgebra
Utilizaremos los siguientes resultados para determinar fcilmente la nueva

matriz que queda asociada a una funcin lineal si cambiamos las bases de su
dominio y codominio.
Lema 3.5.6 Sean A, B Mmn (K). En estas condiciones

1. (A = (0) Mmn (K)) (X Mn1 (K), A X = (0) Mm1 (K)) ;
2. A = B (X Mn1 (K), A X = B X) .
Demostracin 1. Es evidente.
1. Siendo Bc = {e1 , ..., en } la base cannica

pleando la notacin habitual de matrices se escribira

1
0
0 1
{e1 , ..., en } = { .. , .. , ...,

. .
de Mn1 (K), que em-
0
0
..
.
},
resulta que, por hiptesis, i {1, ..., n}, A ei = (0) Mm1 (K), pero por
otra parte, j {1, ..., m}
(A ei )(j, 1) =
n
X
(A(j, k) ei (k, 1)) = A(j, i),
k=1
es decir, A ei = Ai (i.e., la columna i esima de la matriz A), y puesto que
i {1, ..., n}
A ei = (0) = Ai ,
resulta que A = (0).

2. A = B A B = (0) X Mn1 (K) (A B) X = (0)
X Mn1 (K) A X = B X.
2
Proposicin 3.5.7 Si E, E0 y E00 son K e.v. de dimensin nita, B , B 0
y B 00 son bases de E, E0 y E00 respectivamente, y f : E E0 y g : E0 E00

son funciones lineales, entonces se verica que
0
MBB00 (g f ) = MBB00 (g) MBB0 (f ),

donde es el producto usual de matrices.
lgebra
181
Las hiptesis de la proposicin se pueden representar por medio de la

siguiente tabla, donde se supone que
dim(E) = n,
dim(E 0 ) = m,
dim(E 00 ) = p.
gf
%
f
EB
()B l
&
g
EB0 0
()B 0 l
Mn1 (K)
B (f )
MB
0
EB00 00
()B 00 l
Mm1 (K)
&
B (g)
MB
00
Mp1 (K)
%
B (gf )
MB
00
La conclusin es que
0
MBB00 (g f ) = MBB00 (g) MBB0 (f ).
Demostracin Supongamos que dim(E) = n. Puesto que la funcin ()B :
E Mn1 (K) es un isomorsmo, X Mn1 (K) u E tal que X = (u)B .

Por otra parte, u E,
0
0
MBB00 (g) MBB0 (f ) (u)B = MBB00 (g) MBB0 (f ) (u)B =

0
= MBB00 (g) (f (u))B 0 = (g(f (u)))B 00 =

= ((g f )(u))B 00 .
Adems
MBB00 (g f ) (u)B = ((g f )(u))B 00 ,
es decir, u E,
0
MBB00 (g) MBB0 (f ) (u)B = MBB00 (g f ) (u)B ,
o lo que es lo mismo, X Mn1 (K),
0
B
B
MB 00 (g) MB 0 (f ) X = MBB00 (g f ) X,
182
lgebra
con lo que, por el lema anterior,
0
MBB00 (g) MBB0 (f ) = MBB00 (g f ).
Ejemplo 3.5.8 Si consideramos en R3 y R2 sus estructuras habituales de
R e.v. y las funciones lineales f : R3 R2 y g : R2 R2 tales que
0 1 2
B3
MB2 (f ) =
2 1 1
y
MBB22 (g)
1 0
0 1
resulta que
MBB23 (g
f) =
MBB22 (g)
MBB23 (f )
0 1 2
.
=
2 1 1
1 0
0 1
0 1 2
=
2 1 1
Observacin 43 Es importante observar, tanto en la proposicin como en

el ejemplo anterior, el orden en el que se multiplican las matrices y la coincidencia de la bases que aparecen en la expresin
MBB22 (g) MBB23 (f )
segn la direccin Noroeste-Sureste.
Observacin 44 La representacin de una funcin lineal entre espacios vec-
toriales de dimensin nita mediante un producto de matrices as como la

proposicin (3.5.7), justican la denicin dada en el captulo 1 del producto
de matrices.
lgebra
183
3.5.6 Matrices semejantes y cambios de base

Dado un K e.v. E de dimensin n, teniendo en cuenta que la funcin
IdE : E E es lineal, resulta que, siendo B y B 0 bases de E, tendremos que
u E,
(u)B 0 = MBB0 (IdE ) (u)B ,
es decir, podemos obtener mediante un producto de matrices las coordenadas de cualquier vector respecto de la base B 0 , sin ms que conocer sus
coordenadas respecto de la base B y la matriz de transicin de B a B 0
MBB0 (IdE ).
Es ms, teniendo en cuenta que
0
MBB (IdE ) = In = MBB0 (IdE ),

y que, como consecuencia de la proposicin (3.5.7),
0
In = MBB (IdE ) = MBB (IdE IdE ) = MBB (IdE ) MBB0 (IdE )

0
In = MBB0 (IdE ) = MBB0 (IdE IdE ) = MBB0 (IdE ) MBB (IdE ),

0
obtenemos en denitiva que la matriz MBB (IdE ) es invertible y que adems
MBB
1
(IdE )
= MBB0 (IdE ).
En consecuencia,
si E es un K e.v. de dimensin n y A Mn (K) es tal que
A = MBB0 (IdE ),
entonces la matriz A es invertible, y adems
0
A1 = MBB (IdE ).
Otra de las aplicaciones de la proposicin (3.5.7) consiste en que nos
aporta un mtodo para obtener la matriz MBB0 (f ) de una funcin lineal f :
E E0 respecto de otras bases (tanto de E como de E0 ). As, por ejemplo,
184
lgebra
si B1 es otra base de E, considerando la funcin lineal IdE : E E, resulta

que
(3.2)
MBB01 (f ) = MBB01 (f IdE ) = MBB0 (f ) MBB1 (IdE ),
y si B 00 es otra base de E0 , considerando la funcin lineal IdE0 : E0 E0 ,
resultar que
0
MBB00 (f ) = MBB00 (IdE0 f ) = MBB00 (IdE0 ) MBB0 (f ).
(3.3)
En particular, sean B y B dos bases del mismo K e.v. E de dimensin

0
nita n y f : E E una funcin lineal. Sean MBB (f ) y MBB0 (f ) las matrices
asociadas a f respecto de las bases B y B 0 .
Utilizando las ecuaciones (3.2), (3.3) y la proposicin (3.5.7), se obtiene que
0
MBB0 (f ) = MBB0 (f IdE ) = MBB0 (f )MBB (IdE ) =

0
0
= MBB0 (IdE f )MBB (IdE ) = MBB0 (IdE )MBB (f )MBB (IdE ).
Entonces,
MBB0 (f ) = (MBB (IdE ))1 MBB (f )MBB (IdE ).
(3.4)
Esta ltima ecuacin justica la siguiente denicin:
Denicin 3.5.9 Sean A, B Mn (K). Se dice que A y B son semejantes

si existe una matriz invertible P Mn (K) tal que B = P 1 AP.
Observacin 45 La relacin de semejanza sobre Mn (K) es una relacin de
equivalencia.
Ejercicio 3.5.2 Si consideramos en R3 y R2 sus estructuras habituales de

R e.v. y la funcin lineal f : R3 R2 tal que
0 1 2
B3
MB2 (f ) =
,
2 1 1
siendo
B = {(1, 1, 1), (0, 1, 1), (0, 0, 1)}, y B 0 = {(1, 1), (0, 1)},
obtener las matrices MBB2 (f ), MBB03 (f ) y MBB0 (f ).
lgebra
185
Ejemplo 3.5.10 Si consideramos en R2 su estructura habitual de R e.v.

y las bases B2 (la base cannica) y B = {(0, 2), (1, 1)}, resulta que
0 1
B
MB2 (IdR2 ) =
;
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
(1, 0) = (0, 2) + (1, 1) y
(0, 1) = (0, 2) + (1, 1),
llegamos a que
12 12
1 0
= MBB2 (IdR2 ).
3.5.7 Ecuaciones paramtricas e implcitas de un subespacio vectorial

En esta seccin se denen y se muestra como hallar las ecuaciones paramtricas e implcitas de un subespacio cualquiera de un espacio vectorial de
dimensin nita.
En el captulo 5 veremos como estas ecuaciones se utilizan en el contexto
de los cdigos lineales.
En el captulo 2 vimos que una recta r y un plano por (0, 0, 0) son
subespacios de R3 .
Sus ecuaciones paramtricas son:
x = a
r : y = b
R,
z = c
donde el vector u = (a, b, c), paralelo a r, es una base de r.
Notar que R = Rdim(r) y que la funcin
g : R R3 ,
186
lgebra
denida por
g() = (a, b, c),

es lineal, inyectiva y
r = Im(g).
Se sigue que g : R r es un isomorsmo.
Para el plano las ecuaciones paramtricas son
x = u1 + v1
: y = u2 + v2
, R,
z = u3 + v3
donde los vectores u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ), linealmente independientes, forman una base de .
Notar que, en este caso, R2 = Rdim() y que la funcin
g : R2 R3 ,
denida por
g(, ) = u + v,
es lineal, inyectiva y
= Im(g).
Se sigue que g : R2 es un isomorsmo.
En general, sean E un K e.v. tal que dim(E) = n y H E, H 6= {0},
de manera que dim(H) = r > 0. Segn hemos visto, los espacios Kr y H son
isomorfos. Si g : Kr H es un isomorsmo y u E, tendremos que
u H u Im(g) (1 , ..., r ) Kr tal que u = f (1 , ..., r ).

Siendo B una base cualquiera de E y Br la base cannica de Kr , tendremos
que
u = g(1 , ..., r ) (u)B = (g(1 , ..., r ))B = MBBr (g) ...
r
es decir,
lgebra
187
u H (1 , ..., r ) Kr ..(u)B = MBBr (f ) ... .

r
A la expresin
(u)B = MBBr (f ) ...

r
la denominaremos ecuaciones paramtricas de H respecto de la base B .
Ejemplo 3.5.11 Consideramos el espacio R3 con su base cannica B3 y
sea H el subespacio generado por el sistema {(1, 1, 0), (1, 2, 1)}. Teniendo en
cuenta que este sistema es libre, resulta que dicho sistema es una base de
H y que H es un plano por (0, 0, 0). Dado entonces (x, y, z) R3 , resulta
que (x, y, z) H si y solo si (, ) R2 tal que (x, y, z) = (1, 1, 0) +
(1, 2, 1), es decir, (x, y, z) = ( +,
+ 2, ). Si g
: R2 H es el
1
1
1
2 , entonces
isomorsmo denido por g(1, 0) =
y g(0, 1) =
0
1
1 1
B2
1 2 .
MB3 (g) =
0 1

1
1
1 , ((1, 2, 1))B3 =
2 ,
Teniendo en cuenta que ((1, 1, 0))B3 =
0
1
las ecuaciones paramtricas de H respecto de la base B3 se escribiran:

1 1
(u)B3 = 1 2
0 1

x
y las coordenadas respecto

o, en forma de sistema de ecuaciones, siendo
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
(
h1 (x, y, z) = a1 x + b1 y + c1 z + d1 = 0
r:
h2 (x, y, z) = a2 x + b2 y + c2 z + d2 = 0
y
: h(x, y, z) = ax + by + cz + d = 0.
En el caso de la recta r, si denimos la funcin h : R3 R2 como
h(x, y, z) = (h1 (x, y, z), h2 (x, y, z)), resulta que
r = {(x, y, z) : h(x, y, z) = 0} = Ker(h).

Notar que el codominio de h es R2 = R3dim(r) .
Para el plano , se puede denir la funcin h : R3 R como h(x, y, z) =
ax + by + cz + d y resulta que
= {(x, y, z) : h(x, y, z) = 0} = Ker(h).

Notar que el codominio de h es, en este caso, R = R3dim() .
El caso general es el contenido de la siguiente proposicin.
Proposicin 3.5.12 Sean E un K e.v. tal que dim(E) = n y H E,
H 6= {0}, H 6= E, de manera que 0 < dim(H) = r < n. En estas condiciones

existe una funcin lineal h : E Knr tal que H = ker(h).
Demostracin Sea {u1 , ..., ur } H una base de H. Por el teorema de
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
r = dim(H), es decir, H = Ker(h).
Vista la proposicin anterior, si B = {u1 , ..., un } es una base de E y

h : E Knr es una funcin lineal tal que Ker(h) = H, siendo Bnr la base
cannica de Knr resulta que
u H h(u) = 0 MBBnr (h) (u)B = (0)

en denitiva,
u H MBBnr (h) (u)B = (0)

A la expresin
MBBnr (h) (u)B = (0)
(o a su versin equivalente como sistema homogneo de ecuaciones) la denominaremos ecuaciones implcitas de H respecto de B.
Ejemplo 3.5.13 Sea H el subespacio de R3 del ejemplo anterior, i.e., 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. Extendiendo este sistema con el vector (0, 1, 0), resulta que
B = {(1, 1, 0), (1, 2, 1), (0, 1, 0)}

es un sistema libre (verifquese) y en consecuencia es una base de R3 . Si ahora
consideramos la funcin lineal h : R3 R, determinada por las condiciones
h(1, 1, 0) = 0, h(1, 2, 1) = 0 y h(0, 1, 0) = 1, resulta que H = Ker(h), y
en consecuencia, siendo B1 la base cannica de R, u H h(u) = 0
MBB1 (h) (u)B = (0), es decir, las ecuaciones implcitas de H respecto
de
x
y las
B son 0 0 1 (u)B = (0), o lo que es lo mismo, siendo
z

x
coordenadas de un vector genrico de H, 0 0 1 y = (0), que

z
escritas en forma de sistema de ecuaciones se reducen a z = 0.
190
lgebra
Si ahora quisiramos obtener las ecuaciones implcitas de H respecto de

otra base, por ejemplo la base cannica de R3 , B3 , es suciente con cambiar
la matriz considerada, es decir, las ecuaciones implcitas de H respecto de B3
son MBB13 (h) (u)B = (0) y, puesto que MBB13 (h) = MBB1 (h) MBB3 (Id), teniendo
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
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
2. Dada la funcin lineal f : R2 R3 determinada por las condiciones
f (1, 0) = (3, 4, 1), f (0, 1) = (1, 0, 1),

3. Determinar si la funcin T : M2 (R) R, donde
lgebra
191
a b
a) T
= 3a 4b + c d
c d
a b
b) T
= a 2 + b2
c d
es una transformacin lineal.
4. Sea T : R2 R2 el operador lineal denido por la expresin T (x, y) =
(2x y, 8x + 4y). Cules de los siguientes vectores estn en R(T )?
a) (1,-4)
b) (5,0) c) (-3,12)
T (x, y) = (2x y, 4(2x 4)).

5. Sea T : P2 P3 la transformacin lineal denida por T (p(x)) = xp(x).
Cules de los siguientes vectores estn en Ker(T )?
a) x3 b) 0 c)1 + x
6. En cada inciso, usando la informacin proporcionada obtener la nulidad de T.
a) T : R5 R7 tiene rango 3.
b) T : P4 P3 tiene rango 1.
c) T (R6 ) = R3 .
d) T : M2 (R) M2 (R) tiene rango 3.
7. Sea T : R2 R2 la proyeccin ortogonal sobre la recta y=x.
a) Encontrar el ncleo de T.
b) Es T uno a uno? Justicar la conclusin.
8. En cada inciso, usando la informacin dada determinar si (la funcin
lineal) T es uno a uno.
a) T : Rn Rm ; nulidad(T) =0.
b) T : Rn Rn ; rango(T) = n-1.
c) T : Rm Rn ; n<m.
d) T : Rn Rn ; R(T) = Rn .
9. Sea T : P2 P1 la transformacin lineal denida por
T (a0 + a1 x + a2 x2 ) = (a0 + a1 ) (2a1 + 3a2 )x.
a) Encontrar la matriz para T con respecto a las bases B2 = {1,x,x2 } y
B1 = {1,x} para P2 y P1 .
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 .
192
lgebra
10. Sea T1 : P1 P2 la transformacin lineal denida por
T1 (c0 + c1 x) = 2c0 3c1 x

y sea T2 : P2 P3 la transformacin lineal denida por
T2 (c0 + c1 x + c2 x2 ) = 3x(c0 + c1 x + c2 x2 ).
Sean B1 = {1,x}, B2 = {1,x,x2 } y B3 = {1,x,x2 ,x3 }.
a) Encontrar MBB31 (T2 T1 ), MBB32 (T2 ), MBB21 (T1 ).
b) Escribir una frmula que relacione las matrices del inciso a).
c) Comprobar que las matrices del inciso a) satisfacen la frmula planteada en el inciso b).
11. Sean A y B matrices semejantes. Demostrar lo siguiente:
a) At y Bt son semejantes.
b) Si A y B son invertibles, entonces A1 y B1 son semejantes.
12.(Teorema alternativo de Fredholm) Sea T : V V un operador
lineal sobre un espacio vectorial n dimensional. Demostrar que se cumple
exactamente una de las siguientes proposiciones:
i) La ecuacin T(x) =b tiene una solucin para todo los vectores b en
V.
ii) Nulidad de T > 0.
13. Sea la funcin lineal f : R4 R3 determinada por las condiciones
f (1, 1, 1, 1) = (0, 0, 1), f (1, 0, 1, 0) = (1, 1, 1),

f (1, 1, 1, 0) = (0, 0, 1), f (1, 2, 0, 0) = (1, 1, 1).
R3 .
a) Hallar la matriz asociada a f respecto de las bases cannicas de R4 y
b) La dimensin y las ecuaciones de Ker(f ) e Im(f ) respecto de las bases

cannicas de R4 y R3 .
14. Sea E un espacio vectorial de dimensin 3 y B = {e1 , e2 , e3 } una base
de E. Consideramos la funcin lineal f : E E tal que su matriz asociada
sea
15 11 5
MBB (f ) = 20 15 8 .
8 7 6
lgebra
193
Hallar la matriz asociada a f respecto de la base B 0 = {u1 , u2 , u3 }, donde
u1 = 2e1 + 3e2 + e3 ,
u2 = 3e1 + 4e2 + e3 ,
u3 = e1 + 2e2 + 2e3 .
15. Hallar una base del ncleo y una base de la imagen de la siguiente
funcin lineal:
f : R4 R3 determinada por las condiciones:
f (1, 0, 0, 0) = (1, 0, 1), f (0, 1, 0, 0) = (2, 1, 1),

f (0, 0, 1, 0) = (3, 0, 1), f (0, 0, 0, 1) = (1, 1, 1).
16. En R2 se considera la base B 0 = {u1 , u2 }, donde
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 0 es
3 15
B0
,
MB 0 (f ) =
2 10
hallar una base de Ker(f ) y una base de Im(f ).

1. Razona si las siguientes funciones son o no lineales (en cada uno de los
conjuntos considerados se considera su estructura habitual de espacio
vectorial):
f:
R3
R
(x, y, z) 7 2x + 1
g:
h:
R3
R2
(x, y, z) 7 (x y, y 2 )
R4
R2
(x, y, z, t) 7 (2x 3y + t, z t)
194
lgebra
2. Prueba que para toda aplicacin R-lineal f : R R existe un nmero

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

f
7 D(f ) = f 0
es una aplicacin lineal.
(c) Cul es el ncleo de dicha aplicacin?
5. Sea C([a, b], R) el espacio vectorial de funciones reales continuas denidas en el intervalo [a, b] R. Prueba que la aplicacin integral denida
I : C([a, b], R)
R
Rb
f
7 I(f ) = a f (x)dx
es una aplicacin lineal.
6. Considera el espacio vectorial P3 (R) de polinomios de grado menor o
igual que 3 y las bases:
B3 = {1, x, x2 , x3 } y B = {1, (x 1), (x 1)2 , (x 1)3 }.

Calcula las matrices de cambio de base: MBB3 (IdP3 (R) ) y MBB3 (IdP3 (R) ).
Halla las coordenadas respecto de B de los polinomios:
2x + 4x2 + x3 , 1 + x3 , 2 + 2x, 2 + x2 x3 .
lgebra
195
7. Sea B3 = {e1 , e2 , e3 } la base cannica de R3 . Sea f la nica aplicacin

lineal de R3 en R4 vericando:
f (e1 ) = (2, 0, 1, 0)
f (e2 ) = (1, 3, 2, 3)
f (e3 ) = (1, 1, 1, 1)
(i) Halla f (x, y, z) para (x, y, z) R3 .
(ii) Calcula una base de Ker(f ).
(iii) Calcula una base de Im(f ).
8. Considera la aplicacin lineal denida por:
f : R3 R3 ,
3
f (x, y, z) = (x + 2y 2z, x + 4y 3z, x + 3y 2z)
2
Calcula las ecuaciones implcitas de Im(f ).

Ker(f )?
Qu dimensin tiene
9. Estudia la inyectividad, sobreyectividad y biyectividad de las aplicaciones lineales:
f:
g:
R3
R3
(x, y, z) 7 (2x + y z, 3x + 2y 4z, x + 2y z)
R4
R3
(x, y, z, t) 7 (2y 3z 3t, x + 2z + 4t, 2x + y + z)
h : R2
R4
denida por
e1 7
h(e1 ) = (2, 1, 0, 3)
e2 7 h(e2 ) = (1, 0, 1, 7)
10. Siendo f , g y h las aplicaciones lineales del ejercicio anterior, responde

a las siguientes preguntas:
Pertenecen (3, 1, 0) y (2, 0, 1) a Im(f )?

Pertenecen (2, 7, 11, 3) y (14, 15, 13, 3) a Ker(g)?
Pertenecen (1, 1, 1, 10) y (1, 2, 5, 3) a Im(h)?
196
lgebra
11. Sea f la aplicacin lineal de R3 a R3 cuya

cannica B3 = {e1 , e2 , e3 } es:
3 5
4
MBB33 (f ) = 2
5 2
matriz respecto de la base
0
2
5
Sea B = {v1 = (2, 2, 2), v2 = (0, 1, 2), v3 = (1, 2, 2)}.

- Comprueba que B es una base de R3 .
- Calcula las matrices MBB3 (IdR3 ), MBB3 (IdR3 ) y MBB (f )
12. Para cada n N, sea Pn (R) el espacio vectorial de polinomios en una
variable de grado menor o igual que n con coecientes en R. Sea Bn =
{1, x, . . . , xn } la base cannica de dicho espacio. Sea Dn la restriccin
de la aplicacin derivada D a Pn (R):
Dn : Pn (R) Pn1 (R)

p
7 D(p) = p0
Para n = 3, calcula la matriz de la aplicacin D3 respecto a las bases
B3 y B2 . Cul ser la forma general de la matriz de Dn respecto a las
bases Bn y Bn1 ?
Captulo 4
Espacios vectoriales eucldeos
En el captulo 2 hemos recordado la denicin de producto escalar de vectores
en R2 y R3 y hemos denido el producto escalar de vectores de Rn . La
longitud de un vector y ladistancia entre dos vectoresp
quedaban denidas
por las expresiones kuk = u u y d(u, v) = ku vk = (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
Denicin 4.1.1 Si E es un R e.v. se dice que una funcin

<, >: E E R
(u, v) < u, v >
es un producto escalar real (o producto interior real) si:
(p.e. 1)
(p.e. 2)
(p.e. 3)
(p.e. 4)
u, v, w E =< u, w > + < v, w > .

u, v E R < u, v >= < u, v > .
u, v E < u, v >=< v, u > .
u E < u, u > 0 y < u, u >= 0 u = 0.
197
198
lgebra
Si <, >: E E R es un producto escalar, al par (E, <, >) le

denominaremos espacio vectorial eucldeo (e.v.e.).
Ejemplo 4.1.2 En R2 la funcin

<, >: R2 R2 R
denida para cada par de vectores (x, y),(x0 , y 0 ) R2 mediante la expresin
h(x1 , x2 ), (y1 , y2 )i = x1 y1 + x2 y2
es un producto escalar. Como vimos, este producto escalar es el producto
escalar usual de R2 .
Ejemplo 4.1.3 En general en el R e.v. Rn la funcin

<, >: Rn Rn R
denida para cada par de vectores
(x1 , ..., xn ), (y1 , ..., yn ) Rn

mediante la expresin
h(x1 , ..., xn ), (y1 , ..., yn )i = x1 y1 + ... + xn yn =
n
X
xi y i
i=1
es un producto escalar (verifquese). Este producto escalar es el producto

escalar usual de Rn .
Ejemplo 4.1.4 En el R e.v. de los polinomios con coecientes reales R[x]

consideraremos los productos escalares siguientes (verifquese):
<, >1 : R[x] R[x] R
R1
(p(x), q(x))
p(x) q(x)dx,
1
<, >0 : R[x] R[x] R

(p(x), q(x))
min{n,m}
P
ai bi ,
i=0
donde p(x) = an xn + ... + a1 x + a0 y q(x) = bm xm + ... + b1 x + b0 .
lgebra
199
Es importante sealar que en el ejemplo anterior, los espacios vectoriales

eucldeos (R[x], <, >0 ) y (R[x], <, >1 ), an teniendo el mismo conjunto base,
son distintos. Por ejemplo,
Z1
< 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
< u, w + v >=< w + v, u >=

=< w, u > + < w, v >=< u, w > + < v, w >
R < u, v >=< v, u >= < v, u >= < u, v > .
Adems, si 1 , ..., n R y u1 , ..., un , v E,
h1 u1 + ... + n un , vi = 1 < u1 , v > +... + n < un , v >=
n
X
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
h1 u1 + ... + n un , 1 v1 + ... + m vm i =
= 1 1 < u1 , v1 > +... + 1 m < u1 , vm > +
+2 1 < u2 , v1 > +... + n m < un , vm >=
n P
m
P
i j < ui , vj > .
=
i=1 j=1
Se sigue que un producto escalar es lineal en la primera y segunda variables, es decir, es una funcin bilineal. Adems, por valer las propiedades
(p.e. 3) y (p.e. 4), se dice que <, > es una funcin bilineal, simtrica y
denida positiva.
Ejercicio 4.1.2 Sea E un R e.v.e. con producto escalar (, ) y sea v0
cualquier vector jo de E. Sea f : E R la funcin denida por f (u) =

(u, v0 ) u E. Vericar que f es lineal.
200
lgebra
4.2 Longitud o norma eucldea de un vector

Siguiendo la lnea directriz marcada en la introduccin, tomando el concepto
de producto escalar como un concepto primario, vamos a denir a partir de
l las nociones de norma, distancia y ngulo en espacios eucldeos.
Denicin 4.2.1 Si (E, <, >) es un e.v. y u E, una norma (o mdulo)
es nmero real, kuk, tal que
(n. 1) u E kuk 0 y kuk = 0 u = 0,

(n. 2) u E k R kkuk = |k|kuk,
(n. 3) u, v E ku + vk kuk + kvk (desigualdad triangular).
Denicin 4.2.2 Si (E, <, >) es un e.v.e. y u E, llamaremos norma

eucldea (o mdulo) de u al nmero real
kuk =
< u, u >.
Antes de poder vericar que una norma eucldea verica la denicin

general de norma, necesitamos estudiar algunas de sus propiedades.
4.2.1 Propiedades de la norma eucldea

A partir de las propiedades que debe satisfacer la funcin <, > por ser un
producto escalar, es fcil obtener las propiedades:
(n. 1)u E kuk 0 y kuk = 0 < u, u >= 0 u = 0.
(n. 2)u E k R
p
p
kkuk = < ku, ku > = k 2 < u, u > = |k| kuk .
Otras propiedades de la norma eucldea que se pueden obtener fcilmente
a partir de las propiedades del producto escalar son las que aparecen enunciadas en el ejercicio siguiente.
Ejercicio 4.2.1 Sea (E, <, >) un e.v.e.. Demostrar que u, v E, se veri-
ca que:
1.
2.
3.
ku + vk2 + ku vk2 = 2 kuk2 + kvk2 (ley del paralelogramo)

2
< u, v >= 12 ku + vk2 kuk2 kvk
< u, v >= 14 ku + vk2 ku vk2
A las propiedades 2 y 3 se las conoce como identidades de polarizacin.
lgebra
201
Adems de las propiedades anteriores, vamos a obtener otras propiedades

de la norma que derivan bsicamente del siguiente resultado conocido como
desigualdad de Cauchy-Schwarz.
Teorema 4.2.3 Si (E, <, >) es un e.v.e., u, v E se verica que

|< u, v >| kuk kvk .
Adems
|< u, v >| = kuk kvk {u, v} es ligado.
Demostracin R consideramos el vector u + v. Por las propiedades

del producto escalar,
 0
pero
=< u, u > +2 < u, v > +2 < v, v > .

Si denimos a =< v, v >, b =< u, v > y c =< u, u > y consideramos la
funcin
f: R R
f () = a2 + 2b + c
segn es sabido, el grafo de f es una parbola de R2 y, puesto que si {u, v}
es libre, u + v 6= 0, R y
= a2 + 2b + c > 0,
tendremos que eso slo es posible si R la ecuacin de segundo grado

anterior no tiene races reales, es decir, si su discriminante es negativo:
= 4b2 4ac < 0

con lo que
b2 ac < 0,
< u, v >2 < u, u >< v, v > < 0,
202
lgebra
es decir,
|< u, v >| <
< u, u >
< v, v > = kuk kvk .
Adems
|< u, v >| =
kuk kvk b2 ac = 0
R tal que < u, u > +2 < u, v > +2 < v, v >= 0
R tal que = 0
R tal que ku + vk = 0
R tal que u + v = 0
{u, v} es ligado.
2
A partir del resultado anterior se obtiene la propiedad (n. 3), la desigualdad triangular o desigualdad del tringulo, para norma eucldeas. Por tanto,
una norma eucldea es una norma.
Proposicin 4.2.4 Si (E, <, >) es un e.v.e., u, v E se verica que

ku + vk kuk + kvk .
Demostracin
ku + vk2 = =< u, u > +2 < u, v > + < v, v >=
= kuk2 + kvk2 + 2 < u, v > kuk2 + kvk2 + 2 |< u, v >|
kuk2 + kvk2 + 2 kuk kvk = (kuk + kvk)2 ,
de donde, extrayendo races cuadradas
ku + vk kuk + kvk .
2
Ejercicio 4.2.2 Determinar las normas eucldeas asociadas a los productos

escalares denidos en los ejemplos anteriores.
lgebra
203
ngulo entre dos vectores

A partir del producto escalar, tambin podemos recuperar el concepto de
ngulo. Si (E, <, >) es un e.v.e. y u, v E, u 6= 0, v 6= 0, como consecuencia
de la desigualdad de Cauchy-Schwarz y de las propiedades que satisface el
valor absoluto resulta que
< u, v >
1.
kuk kvk
Denicin 4.2.5 Si (E, <, >) es un e.v.e. y u, v E, u 6= 0, v 6= 0, se

denomina ngulo entre los vectores u y v al nmero real u
cv [0, ] tal que
cos(c
uv) =
< u, v >
.
kuk kvk
Denicin 4.2.6 Si (E, <, >) es un e.v.e., y u, v E, se dice que u y v son

ortogonales (o perpendiculares) si
< u, v >= 0.
Ejercicio 4.2.3 Comprubese que si u, v (E, <, >), u 6= 0, v 6= 0, entonces

u
cv =
u y v son ortogonales.
2
{u, v} es ligado u
cv = 0 u
cv = .
Para probar esta ltima parte, tngase en cuenta que, si por ejemplo u
cv = 0,
entonces |< u, v >| = kuk kvk y que, en tal caso, valen las conclusiones del
teorema (4.2.3).
Ejercicio 4.2.4 En el e.v.e. (R3 , <, >), donde <, > es el producto escalar
usual, determinar el ngulo formado por los vectores (1, 0, 1) y (0, 0, 1).
Ejercicio 4.2.5 Determinar el ngulo que forman los vectores 1 + x, x2

R[x] en los e.v.e. (R[x], <, >1 ) y (R[x], <, >0 ).
204
lgebra
Distancia eucldea
Finalmente, a partir del producto escalar, tambin podemos denir la distancia entre vectores.
Denicin 4.2.7 Si (E, <, >) es un e.v.e. y u, v E se denomina distancia eucldea de u a v y se denota por d(u, v) al nmero real
d(u, v) = ku vk =
.
A partir de las propiedades vistas de la norma eucldea, es fcil ver que

se satisfacen las propiedades que debe vericar cualquier funcin distancia,
a saber:
1. x, y E
2. x, y E
3. x, y, z E
d(x, y) 0.
d(x, y) = 0 x = y
d(x, z) d(x, y) + d(y, z).
Ejercicio 4.2.6 En el e.v.e (R3 , <, >), donde <, > es el producto escalar
usual, determinar la distancia entre los vectores (1, 0, 1) y (0, 1, 1).
Ejercicio 4.2.7 En el e.v.e (R[x], <, >1 ) determinar d(1 + x, x2 ).

Ejercicio 4.2.8 En el e.v.e (R[x], <, >0 ) determinar d(1+x, x2 ). Comprese
el resultado obtenido con el del ejercicio anterior.
4.3 Mtodo de ortogonalizacin de Gram-Schmidt

Denicin 4.3.1 Sean (E, <, >) un e.v.e. y {u1 , ..., ur } un sistema de vectores de E. Se dice que el sistema {u1 , ..., ur } es ortogonal si se verica:
1. i {1, ..., r} ui 6= 0
2. i, j {1, ..., r} (i 6= j < ui , uj >= 0)
Si adems de ser un sistema ortogonal, el sistema {u1 , ..., ur } satisface
3. i {1, ..., r}
kui k = 1
se dice que el sistema {u1 , ..., ur } es ortonormal.
Proposicin 4.3.2 Sean (E, <, >) un e.v.e. y {u1 , ..., ur } un sistema de
vectores de E \ {0}. Se verica que
{u1 , ..., ur } ortogonal {u1 , ..., ur } libre.
lgebra
205
Demostracin Supongamos que

1 u1 + ... + r ur = 0.
En ese caso
i {1, ..., r}
h1 u1 + ... + r ur , ui i =< 0, ui >= 0.
Pero por otra parte, i {1, ..., r},
h1 u1 + ... + r ur , ui i =
= 1 < u1 , ui > +... + i < ui , ui > +... + r < ur , ui >=
= i kui k2 ,
puesto que si j 6= i < uj , ui >= 0. En denitiva,
i {1, ..., r} i = 0
y en consecuencia {u1 , ..., ur } es libre.
Observacin 47 Es importante notar que existen sistemas libres que no son

ortogonales, por ejemplo dos vectores que no son ni paralelos, ni perpendiculares.
Denicin 4.3.3 Sean (E, <, >) un e.v.e y B = {u1 , ..., un } una base de E.
Se dice que B es una base ortogonal si el sistema {u1 , ..., un } es ortogonal y,
obviamente, se dice que B es una base ortonormal si el sistema {u1 , ..., un }
es ortonormal.
Obviamente si (E, <, >) un e.v.e. tal que dim(E) = n y {u1 , ..., un } es un
sistema ortogonal, necesariamente {u1 , ..., un } es una base ortogonal, siendo
libre como consecuencia de la proposicin anterior.
En el siguiente teorema expondremos un mtodo, conocido como mtodo
de ortogonalizacin de Gram-Schmidt, que nos va a permitir construir un sistema ortogonal a partir de un sistema dado (en particular una base ortogonal
a partir de una base dada).
La idea consiste en, partiendo del primer vector del sistema dado, que
coincidir con el primer vector del sistema ortogonal obtenido, ir construyendo el sistema de manera que cada vector que aadimos sea ortogonal a los
vectores ya construidos.
206
lgebra
Teorema 4.3.4 Sean (E, <, >) un e.v.e. y {u1 , ..., ur } un sistema libre de
E. En estas condiciones existe un sistema ortogonal {v1 , ..., vr } tal que
i {1, ..., r} L({v1 , ..., vi }) = L({u1 , ..., ui }).
Demostracin Razonamos por induccin sobre r : .
Base de induccin: Si r = 1 no hay nada que probar, puesto que si {u1 }

es libre, u1 6= 0 y obviamente (segn la denicin) {u1 } es ortogonal.
Paso de induccin: Supongamos cierto el resultado para todo sistema
libre de r vectores. Sea {u1 , ..., ur+1 } un sistema libre. En ese caso, puesto
que {u1 , ..., ur } es un sistema de r vectores, podemos aplicar la hiptesis de
induccin, es decir, existe un sistema ortogonal {v1 , ..., vr } tal que
i {1, ..., r} L({v1 , ..., vi }) = L({u1 , ..., ui }).

Veamos cmo construir vr+1 de manera que satisfaga las condiciones requeridas. Puesto que
L({v1 , ..., vr }) = L({u1 , ..., ur }),
buscamos vr+1 E de manera que
L({v1 , ..., vr , vr+1 }) = L({u1 , ..., ur , ur+1 }).

Resulta que debe suceder que
vr+1 L({v1 , ..., vr , vr+1 }) = L({u1 , ..., ur , ur+1 }) = L({v1 , ..., vr , ur+1 }).
Pongamos
vr+1 = ur+1 + 1 v1 + ... + r vr

y veamos cmo deben ser los coecientes 1 , ..., r R para que se satisfaga
la condicin de ortogonalidad, es decir, que
i {1, ..., r}
< vr+1 , vi >= 0.
Dado i {1, ..., r},
< vr+1 , vi >=< ur+1 + 1 v1 + ... + r vr , vi >=

= < ur+1 , vi > +1 < v1 , vi > +... + r < vr , vi >=
= < ur+1 , vi > +i < vi , vi >
lgebra
207
puesto que el resto de los trminos son nulos, al ser ortogonal el sistema
{v1 , ..., vr } .
Imponiendo entonces la condicin
< vr+1 , vi >= 0 =< ur+1 , vi > +i < vi , vi >

resulta que
i =
< ur+1 , vi >

.
< vi , v i >
qed
Mtodo de ortogonalizacin de Gram-Schmidt

De la demostracin anterior se deduce que, en denitiva, dado el sistema
libre {u1 , ..., ur } , el mtodo de ortogonalizacin de Gram-Schmidt consiste
en denir el sistema de vectores
v1 = u1

v1
< v 1 , v1 >
< u3 , v2 >

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
que es un sistema ortogonal y adems satisface la condicin
i {1, ...r 1} L({v1 , ..., vi }) = L({u1 , ..., ui }).
Observacin 48 Ntese que si {v1 , ..., vr } es ortogonal, deniendo

i {1, ..., r}
wi =
vi
kvi k
el sistema {v1 , ..., vr } es ortonormal, puesto que
vi
= 1 kvi k = 1.
i {1, ..., r} kwi k =
kvi k |kvi k|
208
lgebra
Observacin 49 Ntese que como consecuencia del teorema y de la ob-
servacin anterior, si (E, <, >) es un e.v.e., con E de dimensin nita, y

{u1 , ..., un } es una base de E, utilizando el mtodo de Gram-Schmidt podemos
obtener, a partir de ella, una base ortogonal y, posteriormente, dividiendo cada vector por su norma, obtendremos una base ortonormal de (E, <, >). En
consecuencia, podemos armar que todo e.v.e. de dimensin nita tiene una
base ortonormal.
Ejercicio 4.3.1 A partir de la base

{(1, 1, 1), (1, 1, 0), (1, 0, 0)},
obtener por el mtodo de Gram-Schmidt una base ortonormal de (R3 , <, >),
donde <, > es el producto escalar habitual.
Coordenadas ortonormales
La pregunta que es natural hacerse es porqu nos interesa trabajar con bases
ortonormales? Aunque ms adelante veremos otras propiedades que tienen
que ver con la mejor aproximacin o aproximacin ptima de un vector por
vectores de un subespacio, la primera ventaja, que resulta evidente, es la
siguiente.
Si B = {w1 , ..., wn } es una base ortonormal de (E, <, >), las coordenadas de cualquier vector u E respecto de dicha base se pueden obtener en
funcin del producto escalar de u por los vectores de B, pues si
u = 1 w1 + ... + n wn
resulta que i {1, ..., n}
< u, wi > = < 1 w1 + ... + n wn , wi >=

= 1 < w1 , wi > +... + n < wn , wi >=
= i < wi , wi >= i kwi k2 = i ,
con lo que
u =< u, w1 > w1 + ...+ < u, wn > wn =
n
X
< u, wi > wi .
i=1
El resultado de la siguiente proposicin se conoce como identidad de

Parseval y es una generalizacin del teorema de Pitgoras.
lgebra
209
Proposicin 4.3.5 Si B = {w1 , ..., wn } es una base ortonormal del e.v.e.

(E, <, >), entonces u E se verica que
2
kuk =
n
X
< u, wi >2 .
i=1
Demostracin Sea B = {w1 , ..., wn } una base ortonormal de (E, <, >).
En ese caso
n
X
u=
< u, wi > wi ,
i=1
con lo que
kuk
= < u, u >=<
n
X
< u, wi > wi ,
i=1
n
X
n
X
< u, wi >
n
X
n
X
i=1
< u, wj > wj >=
j=1
< u, wi >< wi ,
i=1
n
X
< u, wj > wj >=
j=1
< u, wj >< wi , wj >
j=1
(teniendo en cuenta que la base es ortonormal)

n
X
=
< u, wi > (< u, wi >< wi , wi >) =
i=1
n
X
i=1
< u, wi > kwi k =
n
X
< u, wi >2 .
i=1
4.3.1 Descomposicin QR de una matriz

Si A Mmn (R) tiene vectores columna (A1 , A2 , , An ) = (u1 , u2 , , un )
linealmente independientes, es decir, si rango(A) = n, el mtodo de ortogonalizacin de Gram-Schmidt nos proporciona una manera de determinar, a partir del sistema libre (u1 , u2 , , un ), un sistema ortonormal (q1 , q2 , , qn ).
Si ahora denotamos con Q Mmn (R) a la matriz cuyos vectores columna
son los vectores obtenidos (q1 , q2 , , qn ), cul es la relacin entre A y Q?
210
lgebra
Siendo (q1 , q2 , , qn ) una base ortonormal del espacio columna de A,

L(u1 , u2 , , un ), se sigue que
j {1, , n}
uj =
n
X
< 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=
,
..
..
..
..
.
.
.
.
 < u2 , q n >

j {1, , n}
Aj = (QR)j
Adems, siendo qi ortogonal a u1 , u2 ,

R es triangular superiormente:
 < u2 , q 1 >
0
< u2 , q2 >
R=
..
..
.
.
0
0
< un , qn >
y
A=QR .
, ui1 para todo i 2, la matriz
..
.
< un , q1 >
< un , q2 >
..
.
< un , qn >
e invertible, ya que < ui , qi >6= 0, para todo i {1, , n}.

Hemos as obtenido la descomposicin QR de la matriz A en el producto de una matriz Q con vectores columna ortogonales por una matriz R
invertible y triangular superiormente.
La descomposicin QR se utiliza en varios algoritmos numricos y, en
particular, en el clculo numrico de autovalores de matrices grandes.
Ejemplo 4.3.6 Sea A M32 (R) denida por
1 1
A = 0 1 .
1 1

1
1
Entonces u1 = 0 y u2 = 1 .
1
1
lgebra
211
Aplicando el mtodo de Gram-Schmidt se obtiene la base ortogonal

1
1
0
< u2 , v1 >
2
0 = 1 .
v 1 = u1 , v 2 = u2
v1 = 1
< v1 , v1 >
2
1
1
0
Una base ortonormal del espacio columna de A es
1

0
2
v2
v1
= 0 ,
= 1 .
q2 =
q1 =
kv1 k
kv2 k
1
0
2
Por tanto,
1
Q=0
1
2
0
1 ,
0
R=

< u1 , q1 > 
2
2
=
0
< u2 , q2 >
0
1
y A = QR.
4.4
Proyecciones ortogonales
Denicin 4.4.1 Sean (E, <, >) un e.v.e. y A E. Diremos que v E es

un vector ortogonal a A si u A, < v, u >= 0.
Ejemplo 4.4.2 En (R3 , <, >), donde <, > es el producto escalar usual de
R3 , cualquier vector de la recta L((0, 0, 1)) es ortogonal al conjunto A =

{(1, 1, 0), (0, 1, 0)}.
Observacin 50 Ntese que el vector 0 E es ortogonal a cualquier sub-
conjunto A E. Pues, siendo A cualquier subconjunto de E, u A se

verica que
< u, 0 >=< u, u u >=< u, u > < u, u >= 0

o, si se preere,
< u, 0 >=< u, 0 0 >= 0 < u, 0 >= 0.
Proposicin 4.4.3 Sean (E, <, >) un e.v.e. y A E. Se verica que el

conjunto
A = {v E |u A < v, u >= 0 }
es un subespacio vectorial de E. A este subespacio se le denomina subespacio

ortogonal de A.
212
lgebra
Observacin 51 En el caso particular de que (E, <, >) sea un e.v.e. de
dimensin nita y H E, al subespacio ortogonal de H se le denomina
complemento ortogonal de H.
Proposicin 4.4.4 Sean (E, <, >) un e.v.e. con dim(E) = n y H E. En

estas condiciones se verica que
dim(H ) = n dim(H).
Demostracin Si H = {0} el resultado es evidente. Supongamos, pues,
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
L(w1 , ..., wr ) = L(u1 , ..., ur ) = H.

La proposicin estar demostrada si comprobamos que
{wr+1 , ..., wn }
es una base de H .
Evidentemente {wr+1 , ..., wn } es un sistema libre, puesto que es un subsistema de un sistema libre. Veamos que es tambin un sistema generador
de H :
si v H , como H E y {w1 , ..., wr , wr+1 , ..., wn } es una base de E,
existirn 1 , ..., r , r+1 , ..., n R tales que
v = 1 w1 + ... + r wr + r+1 wr+1 + ... + n wn .

Ahora bien, como u H < v, u >= 0, en particular
i {1, ..., r} < v, wi >= 0,

y puesto que {w1 , ..., wr , wr+1 , ..., wn } es ortonormal, resulta que
i {1, ..., n} < v, wi >= i ,
lgebra
213
con lo que obtenemos que 1 = 2 = = r = 0 y
v = r+1 wr+1 + ... + n wn L({wr+1 , ..., wn }).

2
Observacin 52 Si {w1 , ..., wr } es una base ortonormal de un subespacio
vectorial H y {w1 , ..., wr , wr+1 , ..., wn } es una base ortonormal del espacio E,
por la proposicin anterior {wr+1 , ..., wn } es una base de H , con lo que
u E !(1 , ..., r , r+1 , ..., n ) Rn tales que

u = 1 w1 + ... + r wr + r+1 wr+1 + ... + n wn .
Si denotamos por
h = 1 w1 + ... + r wr H
y por
h = r+1 wr+1 + ... + n wn H
resulta que
u E
!h H
!h H
tales que
u = h + h .
Denicin 4.4.5 Siendo (E, <, >) un e.v.e. de dimensin nita, H E y

u E, si
u = h + h
con h H y h H , al vector h se le denomina proyeccin ortogonal

de u sobre el subespacio H y se le denota por pH (u).
Ejercicio 4.4.1 Sea E un R e.v.e. con producto escalar < , > y H un
subespacio de dimensin nita r de E. Si B = (w1 , w2 , , wr ) es una base

ortonormal de H , sea p
H : E H la funcin proyeccin ortogonal de E
sobre H, denida por
p
H (u) =< u, w1 > w1 + < u, w2 > w2 + + < u, wr > wr
Vericar que p
H es lineal.
u E.
214
lgebra
4.4.1 Mtodo para hallar una proyeccin ortogonal

Para calcular la proyeccin ortogonal de un vector u sobre un subespacio H
procederemos como sigue: a partir de una base del subespacio H obtenemos
(por el mtodo de Gram-Schmidt) una base ortonormal {w1 , ..., wr } de H.
La proyeccin de u sobre H ser entonces el vector
p
H (u) = h = 1 w1 + ... + r wr =< u, w1 > w1 + ...+ < u, wr > wr .
En el caso particular de que H = L({v}), puesto que
v
{
}
kvk
es una base ortonormal de H, la proyeccin ortogonal de u sobre H ser el
vector
v
v
< u, v >
h =< u,
>
=
v.
kvk
kvk
kvk2
Ejemplo 4.4.6 En (R[x], <, >1 ) donde

<, >1 : R[x] R[x] R
(p, q)
< p, q >1 =
R1
p(x) q(x)dx,
obtener la proyeccin ortogonal del vector x2 sobre el subespacio H = L({x, 1+

x}). Siendo {x, 1 + x} un sistema libre, es tambin una base de H. Aplicando
el mtodo de Gram-Schmidt, se obtiene la base ortogonal
u1 = x,
u2 = 1 + x
2
< 1 + x, x >1
x = 1 + x 32 x = 1.
< x, x >1
3
Una base ortonormal es
u1
x
w1 =
=q =
ku1 k1
2
3
x,
2
Entonces
2
p
H (x )
w2 =
u2
1
= .
ku2 k1
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
R3 , obtener la proyeccin ortogonal del vector (1, 2, 1) sobre los subespacios

H = L((1, 0, 1)) y H 0 = L((1, 0, 1), (1, 0, 0)).
lgebra
215
4.4.2 Aproximacin ptima de un vector.

Siendo (E, <, >) un e.v.e. (de dimensin nita o no), u E y H E ,
H = L({u1 , ..., um }), buscamos el vector de H que mejor aproxima al vector
u o, lo que es lo mismo, buscamos el vector de H que est a la menor distancia
posible de u. Como veremos, dicho vector es la proyeccin ortogonal de u
sobre H y, segn hemos visto, la forma de obtener dicha proyeccin ortogonal
es a travs de una base ortonormal de H.
Antes de obtener el resultado central de esta seccin, veamos un lema
previo.
Lema 4.4.7 Si {w1 , ..., wr } es un sistema ortonormal del e.v.e. (E, <, >) y
u E, se verica que i {1, ..., r} el vector
r
!
X
u
< u, wj > wj
j=1
es ortogonal al vector wi .
Demostracin Sea i {1, ..., r}. En ese caso

 wj
j=1
= < u, wi >
r
X
, wi >=
!
< u, wj >< wj , wi >
j=1
(puesto que el sistema es ortonormal)

= < u, wi > < u, wi >< wi , wi >=
= < u, wi > < u, wi >= 0.
Teorema 4.4.8 Sean {w1 , ..., wr } un sistema ortonormal del (E, <, >) y
H = L(w1 , ..., wr ). Entonces, para todo u E, se verica que
d(u, p
w H.
H (u)) d(u, w)
r
P
En otras palabras, p
(u)
=
< u, wi > wi es el vector de H = L({w1 , ..., wr })
H
i=1
que est a menor distancia de u (i.e., el que mejor lo aproxima).
216
lgebra
Demostracin Por denicin

d(u, p
H (u)) = d(u,
r
X
i=1
r
!
< u, wi > wi ) = u
< u, wi > wi .
i=1
Segn hemos visto en el lema anterior, el vector

r
!
X
u
< u, wi > wi
i=1
es ortogonal a cada uno de los vectores w1 , ..., wr y, en consecuencia, tambin

ser ortogonal a cualquier combinacin lineal de dichos vectores. Por otra
r
P
parte, si w =
i wi es un vector de H,
i=1
r
!2
d(u, w)2 = u
i wi =
i=1
2
r
!
= u
i wi pH (u) + pH (u) =
i=1
r
!2
= (u p
(u))
+
(<
u,
w
>
)w
i
i
i =
H
i=1
por la identidad de Parseval,

r
X
ya que u pH (u) H y
(< u, wi > i )wi H,
i=1
!2
r
X
= u p
(u)
+
(<
u,
w
>
)w
i
i
i
H
i=1
con lo que
2
u p
d(u, w)2 .
H (u)
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
Ejercicio 4.4.4 En (R[x], <, >1 ) donde

<, >1 : R[x] R[x] R
(p, q)
< p, q >1 =
R1
p(x) q(x)dx,
Hallar la mejor aproximacin del vector x por vectores del subespacio H =

L({1 + x}).
A lo largo de la prctica 4 veremos como la propiedad de aproximacin
de la proyeccin ortogonal de un vector sobre un subespacio se puede utilizar
para determinar, por mnimos cuadrados, soluciones aproximadas ptimas de
problemas que utilizan datos experimentales y, por tanto, datos que contienen
un error (ruido).
4.5
Ejercicios

1. En el espacio vectorial eucldeo R3 con el producto escalar usual se considera el sistema de vectores
{(1, 2, 1), (0, 1, 1)}.

Se pide obtener, mediante el mtodo de Gram-Schmidt, una base ortonormal
del subespacio
L({(1, 2, 1), (0, 1, 1)})
y la proyeccin ortogonal del vector (1, 1, 1) sobre dicho subespacio.

1. Calcula, mediante el metodo de Gram-Schmidt, una base ortonormal
del subespacio de R3
V = L({(1, 2, 2), (0, 4, 3)})

Completa dicha base a una base ortonormal B de R3 y calcula la proyeccin ortogonal del vector (2, 1, 3) sobre V . Calcula tambin las coordenadas de los vectores de la base cannica de R3 respecto de B .
218
lgebra
3
2. Considera la funcin proyeccin ortogonal p
V de R sobre el subespacio
V del ejercicio anterior como aplicacin de R3 a R3 . Calcula:
B3
MBB (p
V ) y MB3 (pV )
siendo B3 la base cannica de R3 .

3. Calcula la descomposicin QR de
1
2
2
la matriz
0 3
1 0
2 1
4. Calcula las ecuaciones implcitas y paramtricas del complemento ortogonal de los siguientes subespacios:
V = L({(1, 1, 1, 0), (0, 1, 0, 3)}) R4 ,
W = L({1, 2, 3)}) R3
5. Considera el espacio vectorial P2 (R) de polinomios de grado menor o

igual que dos como espacio vectorial eucldeo con el producto escalar
denido por:
Z
1
hp(x), q(x)i1 =
p(x) q(x)dx
1
Obtn, mediante el mtodo de Gram-Schmidt, una base ortonormal de (P2 (R), h, i1 ) a partir de la base B3 = {1, x, x2 }.
Calcula las normas de los vectores de B3 y los ngulos que forman
dos a dos.
Captulo 5
Cdigos lineales
5.1
Introduccin
En nuestros das, la generalizacin en el uso de instrumentos electrnicos

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

El esquema general es el siguiente:
219
220
lgebra
Se utiliza el alfabeto binario Z2 = {0, 1}.

Se codica el mensaje original utilizando palabras (cadenas) binarias
(un error es una confusin entre un 0 y un 1).
Se transmite el mensaje, que se corrompe.
Se corrige el mensaje (si es posible).
El codicador traduce el mensaje.
Es conveniente utilizar palabras de la misma longitud. Hay 2n palabras
binarias de longitud n N.
Ejemplo 5.1.1 Si n = 3,
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 .
Un cdigo binario C de longitud n es un cualquier subconjunto de
Ejemplo 5.1.2 Supongamos que queremos enviar los siguientes mensajes:

ARRIBA,
ABAJO,
IZQU IERDA,
DERECHA.
Vamos a utilizar varios cdigos, denidos en la siguiente tabla:

Cdigo
C1
C2
C3
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
Simplicaremos el modelo suponiendo que:
El canal es binario (los mensajes que se transmiten son cadenas de

ceros y unos).
El canal es simtrico (la probabilidad p de cambiar un 0 por un 1
en la transmisin es la misma que la de cambiar un 1 por un 0).
El canal no tiene memoria (la probabilidad p de cambiar un 0
por un 1 en la transmisin no depende de los smbolos previamente
enviados). La probabilidad p es conocida como probabilidad de error
del canal binario simtrico.
No hay errores de sincronizacin (el nmero de smbolos recibidos
es igual al nmero de smbolos enviados).
Enviamos informacin redundante: para poder detectar y corregir
los errores de transmisin se utiliza un cdigo de tipo (n, k), n > k,
donde un mensaje formado por k smbolos se transforma en una palabra
de n > k smbolos, por tanto hay n k smbolos redundantes
palabra Z2
k+(nk)
mensaje Z
z}|{
1
0
..
.
k
2
codicador
z}|{
1
0
..
.
transmisi
on
1
..
.
Z2k+(nk)
transmisi
on
z}|{
mensaje Zk2
z}|{
?
1
?
0
..
.
decodicador
.
..
.
?
1
..
.
As, para enviar un mensaje formado por k smbolos 0 1 (es decir un

elemento de Zk2 ), en primer lugar construimos una palabra (o secuencia
222
lgebra
de ceros y unos) del cdigo compuesto por cadenas de longitud k +
(n k) = n (cdigo de tipo (n, k), es decir, con n k smbolos de
informacin redundante). A continuacin transmitimos dicha palabra
y, dependiendo de la informacin recibida, el decodicador detecta si
se ha producido error en la transmisin. En el caso de que sea posible,
reconstruye el mensaje.
Observacin 53 Un cdigo de tipo (n, k) es, pues, un subconjunto de Zn2 .
5.2 Distancia de Hamming, deteccin y correccin de errores

Denicin 5.2.1 La distancia de Hamming d(a, b) entre dos palabras a
y b de un cdigo C es el nmero de bits (smbolos) en que dieren a y b.
Ejemplo 5.2.2
d(1101, 1000) = 2,
d(1010101, 1100100) = 3.
Ejercicio 5.2.1 Vericar que la distancia de Hamming d(a, b) 0 es una
distancia, es decir que, a, b, c C :
i) d(a, b) = 0
a=b
ii)
d(a, b)
=
d(b, a)
iii)
d(a, b)
d(a, c) + d(c, b).
Denicin 5.2.3 Dado un cdigo C con distancia de Hamming d(a, b), la

distancia mnima dmin entre pares de palabras distintas de C es el nmero:
dmin = min{d(a, b) : a, b C, a 6= b}.
Observacin 54 Si la distancia mnima de un cdigo C es dmin y no se
producen ms que dmin 1 errores en la transmisin de una palabra, el

receptor ser capaz de reconocer que la palabra recibida no es del cdigo. La
justicacin de esta armacin es la siguiente: introduciendo un nmero de
errores menor o igual que dmin 1 en una palabra del cdigo no se obtiene
otra palabra del cdigo.
lgebra
223
El principio del vecino ms prximo (o criterio de la mayora

gana) nos dice que si recibimos una palabra errnea, deberamos suponer
que la palabra del cdigo enviada es la ms cercana a la recibida (en el sentido
de la distancia de Hamming). Es decir, si r < s es ms probable que se hayan
producido r errores que s errores.
Teorema 5.2.4 Aplicando el principio del vecino ms cercano, un cdigo C

puede corregir e errores si la distancia mnima cumple la condicin
dmin 2e + 1.
Demostracin Sea c C la palabra original y sea z la palabra recibida,

que contiene e errores. Entonces d(c, z) = e.
Si b C es otra palabra del cdigo,
2e + 1 dmin d(b, c) d(b, z) + d(z, c) = d(b, z) + e

y por tanto
d(b, z) e + 1.
Se sigue que c es la nica palabra de C a distancia e de z.
5.2.1 Cdigo de paridad: deteccin de errores simples

La tabla ASCII para representar los caracteres alfanumricos est formada
por 128 = 27 smbolos codicados en palabras binarias de longitud 8: los
primeros 7 bits contienen la informacin y el octavo el control de paridad,
es decir 0 si el nmero de unos que aparecen en los 7 primeros bits es par y
1 en caso contrario. Por ejemplo las palabras
10000010 y 01000111
son palabras del cdigo mientras que 01000110 no lo es.
Esta codicacin (8, 7) permite detectar algunos errores de transmisin
pero no corregirlos. Ms exactamente podemos reconocer aquellas situaciones
en las que se produce un nmero impar de errores en la transmisin de los 8
bits. Por tanto la probabilidad de error no detectable en la transmisin es:
224
lgebra
Perr = P2 + P4 + P6 + P8 =

2
6 8
= p (1 p)
+
2

4
4 8
+
+p (1 p)
4

6
2 8
+p (1 p)
+
6
+p8
Por ejemplo si la probabilidad p de error en el canal es 0.01 la probabilidad
de error no detectable con esta codicacin es 0.0026368.
5.2.2 Cdigo de repeticin: correccin de errores simples

Si los mensajes son simplemente los smbolos 0 y 1, podemos codicarlos del
siguiente modo:
mensajes
0
1
cdigo
000
111
Para decodicar seguimos el criterio de la mayora gana:

palabra recibida
000
001
010
011
100
101
110
111
decodicacin
0
0
0
1
0
1
1
1
Ya que dmin = 3, la condicin dmin 2e + 1 implica e 1. Con

este cdigo (3, 1) detectamos hasta 2 errores, corregimos correctamente las
lgebra
225
situaciones en las que se produce un nico error y fallamos en aqullas en las

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

3
2
Perr = P2 + P3 = p (1 p)
+ p3
2
Por ejemplo si la probabilidad p de error en el canal es 0.01 la probabilidad
de error en la decodicacin es menor que 0.0003.
5.3
Cdigos lineales
Como veremos, si un cdigo tiene estructura de espacio vectorial sobre el

cuerpo Z2 , podemos estudiar sus propiedades utilizando los resultados obtenidos para espacios vectoriales generales.
En particular, estos tipos de cdigos se pueden describir en trminos de
sus ecuaciones paramtricas e implcitas.
Denicin 5.3.1 Diremos que un cdigo C Zn2 es lineal si C es un subespacio vectorial de Zn2 .
Ejemplo 5.3.2 No es difcil vericar que, para los cdigos denidos en la

tabla del ejemplo 5.1.2, C1 y C2 son lineales y C3 no lo es.
Ejercicio 5.3.1 Es lineal el cdigo de paridad?

Ejercicio 5.3.2 Es lineal el cdigo de repeticin?
Sean C Zn2 un cdigo lineal y {u1 , u2 , , uk } una base de C. Si Bk =
{e1 , e2 , , ek } es la base cannica de Zk2 , la funcin lineal
g : Zk2 Zn2
denida por
g(ei ) = ui
(i = 1, , k),
es inyectiva (siendo {u1 , u2 , , uk } libre) y Im(g) = C. Por tanto la funcin

g dene las ecuaciones paramtricas del cdigo C.
226
lgebra
Denicin 5.3.3 Si C Zn2 es un cdigo lineal y {u1 , u2 , . . . , uk } es una

base de C llamaremos matriz generadora del cdigo C a la matriz n
k (asociada a la funcin lineal g denida arriba) cuyas columnas son las
coordenadas de u1 , u2 , . . . , uk respecto de la base cannica de Zn2 :
G = (u1 )Bn (u2 )Bn (uk )Bn
Si C Zn2 es lineal y dim(C) = k, entonces C es un cdigo de tipo (n, k)

ya que, por ser C isomorfo a Zk2 , el nmero de palabras de C coincide con l
de Zk2 . Adems si G es una matriz generadora del cdigo obtenida al elegir
las bases cannicas de Zk2 y Zn2 , la aplicacin
Zk2
(x1 , . . . , xk )
C
x1
..
t
G .
xk
es un isomorsmo que a cada palabra de Zk2 asocia una palabra de C.

La funcin anterior describe un procedimiento
que aso de codicacin
x1
..
k
t
cia a cada palabra (x1 , . . . , xk ) Z2 la palabra G . M1n (Z2 )
xk
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 )
La respuesta es obviamente negativa, puesto que la matriz t (G) no es

una matriz cuadrada. Sin embargo, como veremos posteriormente, la idea es
aprovechable empleando el concepto de pseudoinversa de una matriz.
Ejercicio 5.3.3 Obtener la matriz generadora del cdigo de paridad cuyo

producto reproduce el mecanismo de codicacin descrito.
Ejercicio 5.3.4 Obtener la matriz generadora del cdigo de repeticin cuyo

producto reproduce el mecanismo de codicacin descrito.
Pasamos ahora a estudiar las ecuaciones implcitas de un cdigo lineal C.

Si C Zn2 es tal que 0 < dim(C) = k < n, la proposicin 3.5.12 del
captulo 3 implica que existe una funcin lineal
h : Zn2 Znk
2
tal que C = ker(h). Por tanto la funcin h determina las ecuaciones implcitas del cdigo C.
Denicin 5.3.4 Si C Zn2 es lineal diremos que una matriz H de orden

sn es una matriz de control si para cualquier (x1 , . . . , xn ) Zn2 se verica
que:
x1
(x1 , . . . , xn ) C H ... = 0.
xn
Se sigue que la matriz H que queda asociada a la funcin lineal h al elegir
(nk)
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
C Zn2 es un cdigo lineal de dimensin k, 0 < k < n, si y slo si existe

una matriz de control de C, H M(nk)n , de rango igual a n k.
Ejercicio 5.3.5 Encontrar una matriz de control del cdigo de paridad.

Ejercicio 5.3.6 Encontrar una matriz de control del cdigo de repeticin.
228
lgebra
5.3.1 Paso de una matriz de control a una matriz generadora

Pasar de una matriz de control a una matriz generadora de un cdigo lineal C es equivalente a pasar de sus ecuaciones implcitas a sus ecuaciones
paramtricas.
Supongamos que H M(nk)n (Z2 ) es una matriz de control de un cdigo
lineal C. Determinar una matriz generadora de C es lo mismo que encontrar
una base del subespacio C, que coincide con el ncleo de la funcin lineal
denida entre Z2 e.v. :
h:
Zn2
(x1 , . . . , xn )
nk
Z
2
x1
.
t
H ..
xn
y que dene las ecuaciones implcitas del cdigo C.

Por tanto, para denir una matriz generadora de C, podemos emplear
el mtodo visto en el captulo 3 para obtener una base del ncleo de una
funcin lineal, cuyo esquema basco es el siguiente:
H t1 t2
tk A

,
In
P
donde t1 , t2 , . . . , tk son transformaciones elementales por columnas (efectuadas sobre ambas matrices) y A es una matriz gaussiana.
En tal circunstancia sabemos que las columnas de P que aparezcan bajo
las columnas nulas de A constituyen una base (salvo transposicin) del ncleo
de h y, por consiguiente, constituyen una matriz generadora de C.
Ejercicio 5.3.7 Determinar una matriz generadora del cdigo cuya matriz
de control es:
H=
1 0 1 0
1 1 1 1
lgebra
229
5.3.2 Paso de una matriz generadora a una matriz de

control
Pasar una matriz generadora a una matriz de control de un cdigo lineal
C es equivalente a pasar de sus ecuaciones paramtricas a sus ecuaciones
implcitas.
Ahora, supongamos que G Mnk (Z2 ),
G=
(u1 )Bn (u2 )Bn
(uk )Bn
es una matriz generadora de un cdigo lineal C. Entonces C = Im(g), donde
g : Zk2
(x1 , . . . , xk )
C
x1
.
t
G .. .
xk
Determinar una matriz H M(nk)n (Z2 ) de control de C, de rango nk,

es lo mismo que encontrar (n k) las
(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
ai1 ai2 ain (u1 )Bn = 0, , ai1 ai2 ain (uk )Bn = 0,
o, lo que es lo mismo, que
i {1, . . . , n k} ,
ai1 ai2
ain
G = 0.
2. El sistema formado por dichas las es un sistema libre.

En el supuesto de que tengamos tales las, si denimos la matriz
230
lgebra
H=
a11
a21
..
.
a12
a22
..
.
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
2. La dimensin del ncleo de h es k .

Puesto que la dimensin de C tambin es k, tendremos que C = Ker(h)
y en consecuencia
x1
(x1 , . . . , xn ) C H ... = 0,
xn
es decir, H es una matriz de control del cdigo C. Ahora bien, buscar (n k)
las que constituyan un sistema de vectores libre y de manera que
i {1, . . . , n k} ,
ai1 ai2
ain
G=0
es lo mismo que buscar (n k) soluciones linealmente independientes del

sistema de ecuaciones lineales homogneo
(G)
x1
x2
..
.
xn
= 0.
lgebra
231
Pero, existen (n k) soluciones linealmente independientes de tal sistema?

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

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

Ik , es decir, t G t T = Ik .
En otras palabras, la matriz t T es la matriz que buscbamos, la pseudoinversa de t G, para invertir el proceso de codicacin:
Zk2
(x1 , . . . , xk ) (x1
C
...
xk ) t (G)
232
lgebra
(x1
...
Zk2
xk ) (G) t (T) = (x1 , . . . , xk ) .
t
Por otra parte, la matriz H as obtenida es una matriz de control del

cdigo, pues satisface las dos condiciones requeridas.
Ejercicio 5.3.8 Determinar una matriz de control del cdigo cuya matriz
generadora es:
1
0
G =
1
1
0
1
0
1
0
0
.
1
1
5.3.3 Deteccin y correccin de errores

Podemos detectar errores en la transmisin si y slo si la palabra recibida no
pertenece al cdigo. Por tanto si C es un cdigo lineal y H es una matriz
de control del mismo, detectaremos error en la transmisin de una palabra
recibida u si y slo si H (u)Bn 6= 0. Ahora, la cuestin es Qu podemos
hacer en el caso de que detectemos un error en la transmisin? Si al emitir
la palabra x C se produce el error de transmisin e, recibiremos la palabra
u = x + e. Al chequear la palabra recibida obtendremos
H (x + e)Bn = H (x)Bn +H (e)Bn = (puesto que x C ) = H (e)Bn ,

es decir, obtenemos la actuacin de la matriz de control sobre el error de
transmisin e.
Denicin 5.3.5 Si H M(nk)n (Z2 ) es una matriz de control de un cdigo C y u 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
Observacin 55 Sea H M(nk)n (Z2 ) una matriz de control de un cdigo

lineal C. Si u, v Zn2 , entonces
H (u)Bn = H (v)Bn v u C,
es decir, dos palabras u y v tienen el mismo sndrome si y slo si u v es
una palabra del cdigo.
Vemoslo:
H (u)Bn = H (v)Bn H (v)Bn H (u)Bn = 0

H (v u)Bn = 0 v u C
Observacin 56 El que dos palabras tengan el mismo sndrome o distintos
sndromes no depende de la matriz de control considerada: si H1 y H2 son

matrices de control de C y u, v Zn2 tendremos que:
H1 (u)Bn = H1 (v)Bn v u C H2 (u)Bn = H2 (v)Bn .

Zn2
Para identicar las palabras que tienen el mismo sndrome se dene en

la siguiente relacin de equivalencia: u, v Zn2 ,
u v H (u)Bn = H (v)Bn v u C.
Ejercicio 5.3.9 Vericar que la relacin anterior es una relacin de

equivalencia en Zn2 .
Entonces el espacio Zn2 queda dividido entre las clases de equivalencia

determinadas por la relacin , que llamaremos cogrupos:
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:
v u + C c C tal que v u = c c C tal que v = u+c.

Por otra parte, puesto que u u = 0 C, tendremos que u u + C.
Ntese que C = 0 + C.
234
lgebra
La siguiente proposicin se sigue directamente de las propiedades de las

relaciones de equivalencia.
Proposicin 5.3.7 Sea C Zn2 un cdigo lineal y sean u, v Zn2 . Se verica

que:
1. u + C = v + C v u C.
2. Si ( u + C) (v + C) 6= entonces u + C = v + C.
3. Card( u + C) =Card( v + C).
Observacin 58 Visto lo anterior, tenemos que los sndromes de dos pala-
bras u y v coinciden si y slo si u y v pertenecen al mismo cogrupo mdulo

C, o lo que es lo mismo, si y slo si
u + C = v + C.
Ejercicio 5.3.10 Construir la tabla de sndromes de la siguiente matriz
H=
1 1 0
0 1 1
No podemos corregir todos los errores de transmisin pero s podemos

corregir el error de transmisin ms probable. Seleccionemos de cada cogrupo el error que consideremos ms probable segn el principio del vecino
ms prximo: normalmente es ms probable aquel que tiene menos errores
individuales, es decir elegimos uno de entre los que tienen menos unos. Llamaremos a dicho elemento representante del cogrupo. Esta eleccin es
la ms razonable ya que, si y Zn2 y ey es el representante del cogrupo de
y, la correccin de y ser la palabra y ey C, que es la palabra de C ms
cercana, en el sentido de la distancia de Hamming, a la palabra recibida y.
Ejercicio 5.3.11 En la tabla del ejercicio anterior elegir el mejor represen-
tante de cada cogrupo.
Una vez realizada la seleccin de los representantes de los cogrupos, el

proceso de correccin de errores quedara denido por
Correccin
y ey ,
lgebra
235
donde ey es el representante del cogrupo de sndrome H (y)Bn (esto es,

H (y)Bn = H (ey )Bn ).
Por tanto, el esquema de codicacin, transmisin y decodicacin queda
concretado del siguiente modo:
Codicador
Transmisin
t
u u (G) = x
+e
Decodicador
y t (T ) si H (y)Bn = 0
y =x+e
(y ey ) t (T ) si H (y)Bn 6= 0.
Observacin 59 Si elegimos a 0 como representante del cogrupo 0+C = C,

se puede simplicar la actuacin del Decodicador:
Decodif icador
y (y ey ) t (T )
Ejercicio 5.3.12 Utilizando la eleccin de representantes del ejercicio ante-
rior completar la siguiente tabla:
5.4
0
0
0
0
1
1
1
1
y
0
0
1
1
0
0
1
1
0
1
0
1
0
1
0
1
H (y)Bn
ey
y ey
Ejercicios

1. Obtener una matriz generadora y una matriz de control del cdigo de
paridad expuesto en los apuntes de clase.
repeticin expuesto en los apuntes de clase.
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
4. Determinar una matriz generadora del cdigo cuya matriz de control
H=
1 0 1 0
1 1 1 1
5. Determinar una matriz de control y una matriz que permita realizar

la decodicacin del cdigo generado por los vectores cuyas coordenadas
respecto de la base cannica de Z42 son las columnas de la matriz:
0 1 1
1 1 0
1 0 1
0 1 1
la decodicacin del cdigo cuya matriz generadora es
1 1
1 0
G =
1 1
0 1

1. Halla la distancia mnima de cada uno de los siguientes cdigos:
i)
{000, 101, 100, 001}
en Z32 ,
ii)
{00000, 01110, 11011, 00101}
en Z52 ,
iii) {000000, 111000, 000111, 111111} en Z62 .
lgebra
237
Determina en cada caso el nmero de errores que se pueden detectar y el

nmero de errores que se pueden corregir.
2. Para cada cdigo del problema anterior, determinar si es lineal. Si lo
es, obtener una matriz generadora, una matriz de control y una matriz que
permita realizar la decodicacin del cdigo.
la decodicacin del cdigo lineal C generado por el sistema de vectores S,
cuyas coordenadas respecto de la base cannica de Z52 son
S = {(1, 0, 1, 0, 0), (1, 0, 1, 0, 1), (0, 0, 0, 1, 0), (1, 0, 1, 1, 0)}.

Hallar todos los elementos del cdigo C.
4. Elegir el mejor representante de cada cogrupo del cdigo lineal
C = {000, 101, 100, 001} Z32

y completar la siguiente tabla:
0
0
0
0
1
1
1
1
y
0
0
1
1
0
0
1
1
0
1
0
1
0
1
0
1
H (y)B3
ey
y ey
238
lgebra
Captulo 6
Autovalores y autovectores
6.1
Introduccin
El objetivo principal de este tema es desarrollar una tcnica que nos permita
obtener las soluciones de las ecuaciones y sistemas de ecuaciones diferenciales
lineales con coecientes constantes y de las relaciones y sistemas de relaciones
de recurrencia lineales con coecientes constantes comprobando, de paso, que
ambos problemas estn estrechamente relacionados.
La naturaleza de dicha tcnica y de la herramienta matemtica que lleva
aparejada (teora de autovalores y autovectores) hace posible su aplicacin a
una gran variedad de problemas.
Veamos unos primeros ejemplos que nos permitan ilustrar y motivar las
siguientes deniciones:
Ejemplo 6.1.1 Supongamos que queremos calcular el nmero de secuencias
de ceros y unos de longitud n que no poseen dos ceros consecutivos. Si An es

el conjunto formado por dichas secuencias, buscamos obtener el nmero de
elementos del conjunto An , nmero al que denotamos por an . Obviamente,
An = Cn Un
donde Cn es el conjunto formado por las secuencias de longitud n que satisfaciendo dicha propiedad terminan en 0 y Un es el conjunto formado por
las secuencias de longitud n que, satisfaciendo dicha propiedad, terminan en
1. Pero las secuencias del conjunto Un se pueden obtener aadiendo un 1 a
cada una de las secuencias de longitud n 1 que no poseen dos ceros consecutivos, por lo que el nmero de elementos del conjunto Un coincide con el
239
240
lgebra
nmero de elementos del conjunto An1 , es decir, con an1 . Por otra parte,
las secuencias del conjunto Cn se pueden obtener aadiendo 10 a cada una
de las secuencias de longitud n 2 que no poseen dos ceros consecutivos, por
lo que el nmero de elementos de Cn coincide con el nmero de elementos
del conjunto An2 , es decir, con an2 . Teniendo en cuenta, ahora, que Cn y
Un son disjuntos, resulta que
an = an1 + an2 .
Por consiguiente, puesto que a0 = 0, a1 = 2 y a2 = 3 (ya que A0 = ,
A1 = {1, 0} y A2 = {10, 01, 11}), podemos obtener sucesivamente que a3 =
3+2 = 5, a4 = 5+3 = 8, a5 = 8+5 = 13, .... El problema es que, por ejemplo,
para obtener el valor de a100.000.000 necesitamos tener calculados previamente
los 99.999.999 valores anteriores. A lo largo del captulo desarrollaremos una
tcnica que nos permitir evitar dicho clculo previo.
Al poder aplicar la misma tcnica a las relaciones de recurrencia (o ecuaciones en diferencias) y a las ecuaciones diferenciales, desarrollaremos las
herramientas en el contexto de estas ltimas y veremos que dichas herramientas son aplicables tambin al contexto de las relaciones de recurrencia.
Ejemplo 6.1.2 La determinacin de una expresin explcita del trmino ge-
nrico fn de la bien conocida sucesin de Fibonacci, denida por los siguientes datos iniciales y ecuacin en diferencias:
=1
f0
f1
=1
fn+1 = fn + fn1 (n 2),

se puede resolver, como veremos, por medio de la misma tcnica que se emplea
para hallar una funcin compleja f (x) de variable real x que sea solucin del
problema denido por los siguientes datos iniciales y ecuacin diferencial
ordinaria (EDO) lineal con coecientes constantes de orden 2:
f (0) = 1
f (1) = 1
00
f (x) = f 0 (x) + f (x) (x R).
lgebra
6.2
241
Autovalores y autovectores
Segn sabemos, el conjunto de sucesiones de nmeros complejos F(N, C), o,

lo que es lo mismo, el conjunto de las funciones de N en C, tiene estructura
de Cespacio vectorial. Por convenio de notacin, a la sucesin
a : N C
n a(n) = an
la denotamos por {an }nN .
Si ahora consideramos la funcin S (de Shif t, desplazamiento),
S : F(N, C) F (N, C)
{an }nN S({an }nN ) = {an+1 }nN
es decir,
{an }nN
{a0, a1 , a2 , ...
S({an }nN )
{a1, a2 , a3 , ...
resulta sencillo comprobar (verifquese) que dicha funcin es lineal. Por convenio de notacin escribiremos an+1 = S(an ), de manera que la sucesin
S({an }nN ) la podremos expresar como
S({an }nN ) = {S(an )}nN = {S(a0 ), S(a1 ), S(a2 ), ... = {a1, a2 , a3 , ...
Veamos qu relacin tiene esta funcin con el problema que nos ocupa.
Supongamos que dado C, buscamos las sucesiones {an }nN que n
N satisfacen la relacin
an+1 = an .
Utilizando la notacin introducida, dicha ecuacin se transforma en
S(an ) = an ,
y, puesto que dicha expresin es vlida para n 1, la sucesin {an }nN
satisface dicha relacin de recurrencia si
S({an }nN ) = {an }nN = {an }nN .

En otras palabras, las sucesiones que satisfacen la relacin de recurrencia
an+1 = an ,
242
lgebra
son aquellas sucesiones {an }nN que mediante la funcin S se transforman

en vectores proporcionales a s mismos.
En general se introducen las siguientes nociones de autovector y autovalor
de una funcin lineal:
Denicin 6.2.1 Si E es un K e.v. y f : E E es una funcin lineal,

se dice que v E {0} es un autovector de f si K tal que f (v) =v.
Denicin 6.2.2 Si E es un K e.v. y f : E E es una funcin lineal,
se dice que K es un autovalor de f si v E {0} tal que f (v) =v.
En ese caso se dice v es un autovector asociado al autovalor .
Ejemplo 6.2.3 Las sucesiones {an }nN que satisfacen la relacin de re-
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.
Ejemplo 6.2.4 Teniendo en cuenta que, segn vimos, la funcin derivada

D : C (R, R) C (R, R)
es una funcin lineal, las funciones que satisfacen la ecuacin diferencial
D(f ) = f,
son los autovectores de la funcin D asociados al autovalor 1.
As por ejemplo, la funcin
f : R R
x ex
es un autovector de D asociado al autovalor 1. Obsrvese que la funcin
3f : R R
x 3ex
es otro autovector de D asociado al autovalor 1 y que en general para
cualquier k R la funcin k f tambin lo es.
lgebra
243
Ejercicio 6.2.1 Determinar los autovectores de la funcin lineal

f : R3 R3
consistente en girar a cada vector de R3 radianes en torno al eje z (Indicacin: determinar la matriz MBB33 (f )).
Ejercicio 6.2.2 Razonar que la funcin lineal

f : R2 R2
consistente en girar a cada vector de R2 un ngulo de
punto (0, 0) no tiene autovectores.
6.3
radianes en torno al
Funciones complejas de variable real
En esta seccin vamos a recordar la denicin de funcin compleja de variable

real y a establecer algunas propiedades necesarias para el desarrollo del resto
del captulo.
Denicin 6.3.1 Sean a, b R {, } (recta real ampliada), con a <

b. Llamaremos funcin compleja de variable real a cualquier funcin
f : (a, b) C. Siendo i la unidad imaginaria (i = 1), si x (a, b),

f (x) = u(x) + iv(x) diremos que u : (a, b) R es la parte real de la
funcin f y que v : (a, b) R es la parte imaginaria de la funcin f .
Se dice que la funcin f es continua, diferenciable, dos veces diferenciable,

etc., en un punto c (a, b) si lo son las funciones u y v. Las derivadas y la
integral de la funcin f se denen derivando e integrando de la forma habitual
la funcin f, considerando a la unidad imaginaria i como una constante.
As, si las funciones u, v son derivables en todo punto x (a, b), diremos
que la funcin f es derivable y a la funcin f 0 : (a, b) C, denida por la
condicin
x (a, b), f 0 (x) = u0 (x) + iv 0 (x),
donde x (a, b), u0 (x) y v 0 (x) son las derivadas de u y v en el punto x
respectivamente, la denominaremos funcin derivada de f.
En general, si u y v admiten derivadas de orden k en todo punto x (a, b),
a la funcin f k : (a, b) C denida por la condicin
x (a, b),
f k (x) = uk (x) + iv k (x)
244
lgebra
la denominaremos funcin derivada de orden k de f .

Y del mismo modo, si las funciones u y v son integrables en [a, b], diremos
que f es integrable en [a, b] y
Zb
Zb
f (x)dx =
Zb
u(x)dx + i
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)0 = f 0 + g 0
b) f, g F((a, b), C) , (f g)0 = f 0 g + f g 0
c) f, g F((a, b), C), t0 (a, b) tal que g(t0 ) 6= 0,
f 0
f 0g f g0
( ) (t0 ) =
(t0 )
g
g2
d) (x (a, b) f 0 (x) = 0) f es constante
Rx
d
e) x (a, b), dx
( f (t)dt) = f (x).
a
Observacin 60 En lo sucesivo, C k (a, b), k 1, denotar al conjunto de
funciones complejas denidas sobre el intervalo (a, b) y que admiten derivada hasta el orden k, siendo la derivada k -sima continua. C(a, b) ser el
conjunto de funciones complejas continuas denidas sobre el intervalo (a, b).
6.3.1 La exponencial compleja

Si dado x R denimos
eix = (cos x + i senx),

cualquier nmero complejo z C se puede representar de la forma
z =| z | ei ,
siendo R uno cualquiera de sus argumentos. Esta representacin del
nmero complejo z es denominada forma exponencial del nmero complejo
z.
lgebra
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
7
et ,
donde
f (t) = et = e(+i)t = et (cos t + isent).
Propiedades de la funcin exponencial compleja

La funcin exponencial tiene las siguientes propiedades (anlogas a las que
se verican en el caso real):
, C, e(+)t = et et .
C,
d
(et )
dt
C {0},
= et .
Rb
et dt =
(eb ea )
.
Demostracin
1. Si = + i y = + i, tendremos que
et et =
=
+
=
et (cos t + isent) et (cos t + isent) =

et et ((cos t(cos t) sent(sent)) +
i(sent(cos t) + sent(cos t))) =
et+t (cos( + )t + isen( + )t = e(+)t .
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},
Zb
Zb
t
et (cos t + isent)dt =
e dt =
a
Zb
Zb
t
et sentdt =
e cos tdt + i
a
b
b
e ( cos t + sent)
et (sent cos t)
+i
=
2 + 2
2 + 2
a
a
b
t
e (cos t + isent)( i)
=
2 + 2
t
=
=
1
1
=
et (cos t + isent) = et .
+ i
6.4 Ecuaciones diferenciales

6.4.1 La ecuacin de primer orden
Entenderemos por ecuacin diferencial ordinaria (EDO) lineal con
coecientes constantes de primer orden cualquier expresin de la forma
f 0 f = g
(I)
donde g es una funcin compleja de variable real continua, C, f es la

variable de la ecuacin (I) que representa a una funcin compleja de variable
real con derivada continua y f 0 representa la derivada de f .
Por ejemplo la siguiente expresin es una ecuacin diferencial de primer orden:
f 0 + f = cos(x)
tambin se puede escribir esta misma ecuacin de los siguientes modos:
df
+ f = cos(x)
dx
lgebra
247
D(f ) + f = cos(x)
Entenderemos por solucin de la ecuacin a cualquier funcin compleja de variable real con derivada continua que, reemplazada en lugar de la
variable f, haga cierta la igualdad.
Por ejemplo la funcin ex es una solucin de la ecuacin f 0 + 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 0 f
En lo sucesivo, para no sobrecargar demasiado la notacin, escribiremos
C k en lugar de C k (a, b).
2. La ecuacin f 0 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 0 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 6= 0, tiene sentido considerar la funcin ex
. Su funcin
derivada es
f0 f
0
f 0 f0 ex fex
)
=
=
= 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 0 f = h1
f 0 f = h2 ,
s1 + s2 es solucin de
f 0 f = h1 + h2 .
Esta propiedad es conocida como principio de superposicin de

soluciones. Como consecuencia de esta propiedad, y de forma anloga
a lo que suceda con las ecuaciones lineales, la solucin general de la
ecuacin (I) se obtiene sumando a una solucin particular de dicha
ecuacin todas las soluciones de la ecuacin homognea asociada.
4. La funcin lineal D Id : C 1 C es sobreyectiva o, lo que es
lo mismo, la ecuacin f 0 f = g tiene solucin cualquiera que sea
g C . Para comprobarlo, vamos a vericar que la funcin
Z x
g(t)
x
f (x) = e
dt
et
0
es una solucin particular de dicha ecuacin:
si f 0 f = g, entonces
f 0 f 0 ex f ex
f 0 f
g
)
=
=
= x ,
x
2x
x
e
e
e
e
de donde
Z
x
f (x) = e
g(t)
dt.
et
5. El ncleo de esta funcin lineal es de dimensin 1 y est generado por

el vector f (x) = ex . Este hecho hace que el conjunto de soluciones de
la ecuacin sea:
f C 1 (a, b)| C tal que
Z x
g(t)
x
x
dt + e
x (a, b), f (x) = e
.
et
0
lgebra
249
Ejemplo 6.4.1 Se quieren determinar las soluciones de la EDO

f 0 (x) + f (x) = cos(x) x R.
para esta ecuacin, g(x) = cos(x) y = 1.
Las soluciones de la ecuacin homognea asociada f 0 (x) + f (x) = 0 son
todas del tipo f (x) = kex , k R.
Una solucin particular de la ecuacin no homognea es:
Z x
Z x
g(t)
x
x
fp (x) = e
dt = e
et cos(t)dt.
t
e
0
0
Integrando por partes dos veces, se obtiene que
Z x
Z x
t
t x
e cos(t)dt = sin(t)e 0 +
et sin(t)dt =
0
= sin(x)e +
x
cos(t)et 0
et cos(t)dt =
= sin(x)e + cos(x)e 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.
6.4.2 La ecuacin de orden n

En la seccin anterior estudiamos la forma general de las soluciones de la
ecuacin de primer orden f 0 f = g . Vimos que este problema admite
una formulacin algebraica que permite establecer ciertas analogas con la
resolucin de ecuaciones lineales. En esta seccin comprobaremos que es
posible asociar a una ecuacin diferencial del tipo
f (n) + an1 f (n1) + + a1 f 0 + a0 f = h.
250
lgebra
un sistema de ecuaciones de primer orden, cuya resolucin nos permitir

obtener la solucin de la ecuacin buscada.
Comenzaremos planteando de un modo preciso el problema que queremos
resolver. Entenderemos por ecuacin diferencial ordinaria (EDO) lineal
con coecientes constantes de orden n cualquier expresin de la
forma
f (n) (x) + an1 f (n1) (x) + + a1 f 0 (x) + a0 f (x) = h (II)

donde h es una funcin compleja de variable real continua, an1 , , a1 , a0
son nmeros complejos, f es la variable de la ecuacin (II) que representa
a una funcin compleja de variable real con derivada n-sima continua y f (k) representa la k-sima derivada de f . Por ejemplo la siguiente
expresin es una ecuacin diferencial de orden 2:
f (2) (x) + f (1) (x) + f (x) = cos(x) (aqu a1 = 1 y a0 = 1)

tambin se puede escribir esta misma ecuacin de los siguientes modos:
f 00 (x) + f 0 (x) + f (x) = cos(x)

d2 f (x)
(x)
+ dfdx
+ f (x) = cos(x)
dx2
2
D (f )(x) + D(f )(x) + f (x) = cos(x)
Entenderemos por solucin de la ecuacin a cualquier funcin que
reemplazada en lugar de la variable f haga cierta la igualdad. Por ejemplo la
funcin sin(x) es una solucin de la ecuacin f 00 (x) + f 0 (x) + f (x) = cos(x).
Nuestro objetivo es encontrar el conjunto de soluciones de una EDO lineal
con coecientes constantes dada.
Tras el planteamiento del problema, vamos a seguir una estrategia que,
adems de permitirnos resolver la ecuacin diferencial de orden n
f (n) + an1 f (n1) + + a1 f 0 + a0 f = h,

nos dotar de herramientas para resolver lo que denominaremos sistemas de
ecuaciones diferenciales de primer orden.
lgebra
251
6.4.3 Sistemas de ecuaciones diferenciales

Nuestro objetivo es obtener un mtodo sistemtico que nos permita resolver
el siguiente tipo de problema: Determinar las funciones y1 , y2 , . . . , yn tales
que para cualquier t R se verica que
y10 (t) = a11 y1 (t) + a12 y2 (t) + + a1n yn (t)
y 0 (t) = a21 y1 (t) + a22 y2 (t) + + a2n yn (t)

2
(6.1)
..
y 0 (t) = a y (t) + a y (t) + + a y (t)

n1 1
n2 2
nn n
Normalmente para expresar (6.1) utilizaremos la notacin matricial extendida:
t R ,
y10 (t)
y20 (t)
..
.
yn0 (t)
a11 a12
a21 a22
..
..
.
.
an1 an2
a1n
a2n
..
.
ann
y1 (t)
y2 (t)
..
.
(6.2)
yn (t)
o la notacin matricial compacta:
y (t) = A
y (t)
t R ,
El sistema (6.2) se conoce como sistema homogneo de n ecuaciones
diferenciales lineales ordinarias de primer orden, con coecientes

constantes. Las tcnicas para resolver este tipo de problema estn encuadradas especcamente dentro del lgebra lineal. Consisten bsicamente en
realizar una transformacin lineal de modo que la resolucin de las ecuaciones
resultantes sea ms sencilla. Adems dicha transformacin no debe perder
informacin, lo que signica que debe ser posible deshacer la transformacin,
o lo que es igual, debe ser invertible. Para ilustrar esta idea jmonos en que
resolver un sistema determinado de n ecuaciones lineales con n incgnitas:
b1
x1
A ... = ...
xn
bn
Consiste bsicamente en multiplicar ambos lados de la igualdad por A1 (esta

es la transformacin lineal) de modo que la solucin del sistema resultante
resulte ser trivial o evidente:
252
lgebra
x1
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.
Observacin 61 Una vez desarrollada una herramienta que nos permita

resolver sistemas de primer orden, podremos tambin utilizarla para resolver
la ecuacin diferencial de orden n
f (n) + an1 f (n1) + + a1 f 0 + a0 f = h.

La idea consiste en denir, a partir de la ecuacin anterior, las siguientes
funciones
y1 (t) =
f (t)
y2 (t) =
f 0 (t)
= y10 (t)
(6.3)
..
y (t) = f (n1) (t) = y 0 (t)

n
n1
de manera que resolver la ecuacin anterior, consiste
sistema de primer orden equivalente:
0
1
0
0
0
y1 (t)
0
1
0
y 0 (t) 0
..
..
.. = ..
.
.
.
0
0
0
1
0
yn (t)
a0 a1 a2 an1
en resolver el siguiente
y1 (t)
y2 (t)
..
.
..
.
yn (t)
Ejemplo 6.4.2 Para hallar las soluciones de la ecuacin

f 00 (x) + f 0 (x) + f (x) = cos(x),
podemos denir
y1 (x) =
y2 (x) =
f (x)
f 0 (x) = y10 (x),
0
0
..
.
0
h(t)
lgebra
253
y resolver el problema de determinar las soluciones del sistema
6.5
y10 (x)
0
1
y1 (x)
0
=
+
.
y20 (x)
1 1
y2 (x)
cos(x)
La semejanza de matrices y los sistemas de

ecuaciones
Consideremos el sistema de n ecuaciones diferenciales
t R ,
y (t) = A
y (t),
(6.4)
donde A es una matriz cuadrada de orden n. Si Q es una matriz cuadrada

cualquier solucin de (6.4) tambin lo es de
t R ,
Q y 0 (t) = Q A
y (t).
(6.5)
Si adems Q es invertible el recproco es cierto, es decir, cualquier solucin

de (6.5) tambin lo es de (6.4).
Por tanto si P es una matriz invertible podemos escribir (6.5) usando P 1 ,
es decir:
t R ,
P1 y 0 (t) = P1 A
y (t).
Ahora, si suponemos que
11
1 ..
P = .
n1
tendremos que:
1n
..
.
nn
y1 (t)
e
y (t) = ... ,
yn (t)
254
lgebra
11 1n
y10 (t)
.. .. =
= ...
. .
n1 nn
yn0 (t)

0
z1 (t)
z }| {
X
n

1i yi (t)

i=1

z10 (t)
.
..
= .. .
.
=

0
zn0 (t)
ni yi (t)

i=1

| {z }
P1 y 0 (t)
P
n
y 0 (t)
i=1 1i i
..
=
.
n
P
ni yi0 (t)
i=1
zn (t)
Luego si introducimos el cambio de variables
z (t) = P1
y (t),
tendremos que
z (t) = P1 y 0 (t)
y en consecuencia el sistema (6.4) equivale a
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
Observacin 62 Vemos que, siendo P una matriz invertible, el efecto de
sustituir en un sistema de ecuaciones diferenciales y 0 (t) = A

y (t) la matriz
de coecientes A por la matriz (P1 A P), equivale a realizar el cambio de
variable lineal
y (t) = P
z (t).
Aplicaremos este resultado del siguiente modo: supuesto que nos plantean el
problema I, buscaremos una matriz invertible P de modo que el sistema de
ecuaciones diferenciales del problema II sea ms sencillo. Entonces, bastar
multiplicar por P la solucin

z (t) de dicho sistema, para obtener la solucin
del problema I.
Observacin 63 Vimos que dos matrices cuadradas A y B son semejantes

si existe una matriz invertible P, que llamamos matriz de paso, tal que
P1 A P = B.
A continuacin vamos a discutir qu tipos de sistemas de ecuaciones diferenciales vamos a poder resolver directamente.
6.5.1 Sistemas diagonales

Comenzaremos con los sistemas cuya matriz de coecientes es diagonal:
t R ,
y10 (t)
y20 (t)
..
.
yn0 (t)
1 0 0
0 2 0
..
.. . .
.
. ..
.
.
0 0 n
y1 (t)
y2 (t)
..
.
yn (t)
Desde luego, como este sistema equivale a
y10 (t) = 1 y1 (t)
y 0 (t) = 2 y2 (t)
2
,
..
..
.
.
y 0 (t) = y (t)
n
n n
sabemos resolverlo y sus soluciones son
y1 (t) = 1 e1 t , y2 (t) = 2 e2 t , . . . , yn (t) = n en t .

Si queremos expresarlas matricialmente escribiremos:
256
lgebra
y1 (t)
y2 (t)
..
.
= 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.
6.5.2 Sistemas triangulares

Consideremos ahora los sistemas homogneos cuya matriz de coecientes es
triangular inferiormente:
t R ,
y10 (t)
y20 (t)
..
.
yn0 (t)
1
a21
..
.
0
2
..
.
..
.
0
0
..
.
an1 an2
y1 (t)
y2 (t)
..
.
yn (t)
lgebra
257
Este caso equivale a:
y10 (t) 1 y1 (t) =

0
y
(t)
y
(t)
=
a
y
2 2
21 1 (t)
2
..
.
.
n1
a1i yi (t)
yn0 (t) n yn (t) =
i=1
Aunque laborioso, es fcil resolver este tipo de ecuaciones:

1. Resolvemos la ecuacin
y10 (t) 1 y1 (t) = 0

y obtenemos que
y1 (t) = 1 e1 t .
2. A continuacin, como ya conocemos y1 , resolvemos la segunda ecuacin
y20 (t) 2 y2 (t) = a21 1 e1 t

y obtenemos que
Z
y2 (t) = 2 e
2 t
+ 1 e
2 t
a21 e(1 2 )x dx.
3. Como ya conocemos y1 e y3 , podemos resolver la tercera ecuacin y

as sucesivamente hasta la ltima.
Veamos un ejemplo.
Ejemplo 6.5.2 Encontrar las soluciones del siguiente sistema:
y10 (t)
0 0 0
y1 (t)
y20 (t) = 1 1 0 y2 (t) .
1 3 1
y3 (t)
y30 (t)
En primer lugar, dicho sistema equivale a
0
y1 (t) 0 y1 (t) = 0,
y 0 (t) 1 y2 (t) = y1 (t),
20
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
y20 (t) y2 (t) = 1

y su solucin general es
Z
t
1 e1x dx = (2 + 1 )et 1 .
y2 (t) = 2 e + e
Como 2 es arbitrario, podemos llamar 2 a (2 + 1 ) y escribir
y2 (t) = 2 et 1 .
3. Por ltimo, como ya conocemos y1 e y2 , la tercera ecuacin se transforma en
y30 (t) y3 (t) = 1 + 3 2 et 1 = 32 et 41 ,

y su solucin general viene dada por
1.
Z
t
y3 (t) = 3 e + e
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
Diagonalizacin y triangulacin de matrices
6.6.1 El polinomio caracterstico de una matriz

Observacin 64 Si nos jamos en las columnas de una matriz triangular
T=
1
a21
..
.
0
2
..
.
..
.
0
0
..
.
an1 an2
vemos que son linealmente independientes si y slo si todos los coecientes

de la diagonal principal son distintos de cero; una manera directa de vericar
esta armacin es observar que
det(T) = |T| = 1 2 n .
En consecuencia las columnas de la matriz
1 x
0
0
a21
2 x
0
T xIn =
..
..
..
.
.
.
.
.
.
an1
an2
n x
son linealmente dependientes si y slo si x coincide con algn elemento de la

diagonal principal. Tambin podemos expresar esta propiedad diciendo que
el determinante de la matriz T xIn se hace cero si y slo si x coincide con
algn elemento de la diagonal principal. Si ahora desarrollamos |T xIn |
1 x
a21
0
2
= (1 x) (2 x) (n x) ,
..
..
..
.
.
.
.
.
.
an1
an2
n x
vemos que lo dicho hasta el momento es trivial, ya que obtenemos un polinomio de grado n cuyas races son precisamente los elementos de la diagonal
principal de T. Dnde reside el inters de esta observacin? Fundamentalmente en que este determinante es invariante bajo las transformaciones
260
lgebra
por semejanza: supongamos que las matrices A y T son semejantes, es

decir, T = P1 AP entonces tenemos
|T xIn | = P1 AP xIn = P1 AP xP1 P =
= P1 (A xIn ) P = P1 |A xIn | |P| =
= puesto que P1 = |P|1 =
= |A xIn | .
Esto signica que el polinomio, cuyas races coinciden con los elementos de
la diagonal principal de T, puede ser obtenido directamente a partir de A.
Ejemplo 6.6.1 Determinar qu elementos pueden aparecer en la diagonal

principal de una matriz triangular T semejante a la siguiente matriz
4 2
A=
.
3 1
Calculemos |T xIn | = |A xIn | :
4x
2
= (4 x) (1 x) + 6 = 2 3x + x2 ;
3
1 x
luego, |T xIn | = 2 3x + x2 . Los elementos que pueden aparecer en la
diagonal principal de T son las races de 2 3x + x
3 98
2
2
;
x 3x = 2 = 0 x =
=
1
2
en consecuencia,
|T xIn | = 2 3x + x2 = (2 x) (1 x)
y en la diagonal principal de T necesariamente aparecen los valores 2 y 1.
Denicin 6.6.2 Dada una matriz cuadrada A de orden n, se denomina

polinomio caracterstico de A al polinomio
p(x) = |A xIn | .
Dada una matriz cuadrada A de orden n, diremos que una matriz columna
X de n las es un vector propio de A (o un autovector de A) si:
lgebra
261
1. X 6= 0.
2. Existe un escalar tal que AX = X.
Asimismo, diremos que un escalar es un valor propio de A (o un autovalor de A) si existe un vector propio X de A tal que AX = X. En tal caso
diremos que es el valor propio asociado al vector propio X, o tambin que
X es un vector propio asociado al valor propio .
Propiedades del polinomio caracterstico

Si A y B son semejantes, sus polinomios caractersticos coinciden.
Usando la frmula de Laplace para el clculo de determinantes, podemos vericar que el polinomio caracterstico es de grado n (si, por
ejemplo, calculamos el determinante de la matriz A xIn a partir de
la primera la, resulta que el primer trmino de la suma resultante es
el un nico que contiene una potencia n-sima de x,) y, por el teorema
fundamental del lgebra, tiene n races complejas.
Como acabamos de ver, si T es una matriz triangular semejante a la
matriz objeto de estudio A, los elementos de su diagonal principal son
las races del polinomio caracterstico de A (que por otra parte es
el mismo que el de T ). As, aunque todos los coecientes de la matriz
A sean nmeros reales, los coecientes de la diagonal principal de T
pueden ser nmeros imaginarios. Por ejemplo, la matriz
0 1
A=
1 0
tiene como polinomio caracterstico
x 1
= x2 + 1,
|A xIn | =
1 x
con lo que en la diagonal principal de T necesariamente aparecen los
valores i y i.
es una raz del polinomio caracterstico de una matriz cuadrada A si

y slo si |A In | = p() = 0. La ltima condicin es equivalente a que
262
lgebra
el rango de la matriz 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 6= (0) tal que
AX = X. Se deduce que
es una raz de p(x) (existe X 6= (0) tal que AX = X)

(
es un autovalor de A y
X es un autovector de A.
Denicin 6.6.3 Si es un autovalor de una matriz cuadrada A, al espacio
Ker(A In ) de las soluciones del sistema de ecuaciones lineales homogneo

(AIn )X = (0) se le denomina autoespacio asociado a y su dimensin
es la multiplicidad geomtrica de .
A la multiplicidad de como raz del polinomio caracterstico de la matriz
A se le denomina multiplicidad algebraica de .
Proposicin 6.6.4 Sean A una matriz cuadrada de orden n y X1 , ..., Xm ,
m {1, ..., n}, vectores propios de A asociados, respectivamente, a m valores

propios 1 , ..., m . En estas condiciones, si i, j {1, ..., m} i 6= j , se
verica que los vectores X1 , ..., Xm son linealmente independientes.
Demostracin Por induccin sobre m:

1. Base de induccin: para m = 1 no hay nada que demostrar.
2. Paso de induccin: Sea m > 1 y supongamos que la propiedad es
cierta para cualquier sistema de m 1 vectores propios. Supongamos
adems que
m
P
i Xi = 0.
(1)
i=1
Multiplicando a ambos miembros de la igualdad (1) por 1 obtenemos que

m
P
(1 i )Xi = 0
i=1
(2).
lgebra
263
Pero, por una parte, A (

m
P
m
P
i=1
i Xi ) = A 0 = 0 y, por otra, A (
m
P
i Xi ) =
i=1
(i i )Xi , puesto que si A X = X, entonces A (X) = (A X) =
i=1
(X) = ()X. En consecuencia:

m
P
(i i )Xi = 0
(3)
i=1
Restando (2) a (3) obtenemos que
m
P
i=2
i (i 1 )Xi = 0, con lo que, por hip-
tesis de induccin, i {2, ..., m}, i (i 1 ) = 0, de donde i {2, ..., m},

i = 0, con lo que la igualdad (1) queda 1 X1 = 0 y en consecuencia 1 = 0.
2
6.6.2 Matrices diagonalizables

Denicin 6.6.5 Diremos que una matriz cuadrada A de orden n es diagonalizable, si existe una matriz de paso invertible P de orden n tal que la
matriz
D = P1 AP
es diagonal.
Los resultados anteriores son obviamente aplicables a aquellas matrices
triangulares que en particular sean diagonales. En otras palabras, si A es una
matriz diagonalizable y D es una matriz diagonal semejante a A, los elementos de la diagonal principal de D son las races del polinomio caracterstico
de A (i.e., los valores propios de A).
En el caso de que sea D = P1 AP sea diagonal, podemos saber algo
acerca de la matriz P? Vamos a ver que s. Supongamos que
1
0
D = ... . . . ...
es la matriz P1 AP. Entonces multiplicando a la izquierda de ambas por la

matriz P tendremos que
264
lgebra
AP = PD.
Por tanto la j-sima columna de AP coincide con la j-sima columna de PD.
Ahora bien, si
p11 p1n
.. ,
P = ...
.
pn1 pnn
tendremos que las j-simas columna de AP y PD son respectivamente
p1j
A ... y
pnj
p11
..
.
pn1
..
p1n
.
.. =
j
j
.
.
pnn ..
0
p1j
..
.
pnj
y en consecuencia obtenemos que:
j {1, . . . , n} ,
p1j
A ... = j
pnj
p1j
..
.
pnj
(6.6)
Entonces si D = P1 AP es diagonal necesariamente las columnas de

P son vectores propios de A y los coecientes 1 , ..., n son los valores
propios de A.
Podemos completar esta observacin con la siguiente propiedad:
Proposicin 6.6.6 Una matriz cuadrada A Mn (K) es diagonalizable si
slo si existe una base en el espacio Mn1 (K)de matrices columnas de n las
formada por vectores propios de A.
Demostracin Si A es diagonalizable existe una matriz invertible P (de
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
es invertible. Por otro, al ser vectores propios de A, existen n escalares

1 , . . . , n (no necesariamente distintos) tales que:
p1j
p1j
j {1, . . . , n} , A ... = j ...

pnj
pnj
Pero entonces tendremos que:

p11 p1n
.. =
A ...
.
pn1
pnn
p11
..
.
pn1
p1n
..
.
pnn
1
0
.. . .
.
. ..
.
0
n
y en consecuencia, multiplicando por la izquierda P1 obtenemos:
1
0
P1 AP = ... . . . ...
n
2
Tras el resultado anterior, el problema de diagonalizacin queda reducido

al problema de saber encontrar los vectores propios, siempre y cuando sto
sea posible, lo cual, segn veremos, no sucede siempre.
Teniendo en cuenta que por el teorema 6.6.6 una matriz cuadrada de orden n,
A, es diagonalizable si y solo si existen n vectores propios de A linealmente
266
lgebra
independientes. Si un valor propio de A tiene multiplicidad algebraica

m() > 1 (como raz del polinomio caracterstico de A), de la observacin
64 se sigue que en la matriz de paso P debern aparecer m() columnas que
sean vectores propios linealmente independientes asociados al valor propio .
En resumen: A es diagonalizable si y slo si para todo autovalor de A
se verica que
dim(Ker(A In )) = m(),
es decir, si la multiplicidad geomtrica de es igual a su multiplicidad algebraica.
Veamos con el siguiente ejemplo que no toda matriz cuadrada es diagonalizable:
Ejemplo 6.6.7 Sea A =
3
4
1 1
. Su polinomio caracterstico es
3x
4
|A xI2 | =
1 1 x
= x2 2x + 1,
de donde
1
, por lo que, si A fuese diagonalizable
1
1 0
1
1
y P AP fuese una matriz diagonal, necesariamente P AP =
,
0 1
siendo los dos vectores columna de P vectores propios asociados al valor
propio 1 y linealmente independientes. Sin embargo
2
4
dim(Ker(A 1I2 ) = 2 rg(A 1I2 ) = 2 rg(
)=1
1 2
2
x 2x + 1 = 0 x =
con lo que no existen dos vectores propios de A linealmente independientes

asociados al valor propio 1.
Potencias de matrices diagonalizables

El estudio terico realizado tambin nos provee de una herramienta para
calcular la potencia nsima de una matriz diagonalizable.
lgebra
267
Si una matriz cuadrada A es diagonalizable y

tencia nsima, tendremos que
1
p11 p1n
a11 a1n
..
..
.. ..
.
. .
.
pn1
an1 ann
1
0
= ... . . . ...
0
n
pnn
o, lo que es lo mismo, que

Resulta que
queremos calcular su po-
p11
..
.
pn1
p1n
.. =
.
pnn
P1 AP = D.
A = PDP1 ,
con lo que
n
An = PDP1 = PDP1 PDP1 PDP1 ... PDP1 = P Dn P1 .
Veamos un ejemplo:
Ejemplo 6.6.8 Hallar
1000
1 1
.
4 2
Como, segn hemos visto en los ejemplos anteriores,

1 1
2 0
1 1
1 1
=
,
1 4
0 3
4 2
1 4
resulta que
1 1
4 2
1 1
1 4

1
1 1
2 0
,
0 3
1 4
con lo que
1000

1000
1
1 1
1 1
2 0
1 1
=
=
4 2
1 4
0 3
1 4
1000
4 1
1 1
2
0
=
=
51 5 1
5
1 4
0
(3)1000
5
4 1000 1
1
1000 1 1000
1000
2
+
(3)
2
(3)
5
5
5
5
=
.
4 1000
2
45 (3)1000 15 21000 + 45 (3)1000
5
268
lgebra
Ntese que, obviamente
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
6.6.3 Triangulacin de matrices

Volvemos a la pregunta fundamental que nos devuelve al hilo conductor del
desarrollo del captulo: Es cualquier matriz cuadrada A Mn (C) semejante
a alguna triangular?
Vamos a ver que s. Adems, la demostracin del siguiente teorema constituye un algoritmo que permite la obtencin de la matriz triangular semejante
a una matriz dada A Mn (C).
Teorema 6.6.9 Si A es una matriz cuadrada de orden n con coecientes

complejos, existe una matriz semejante a ella, T, que es triangular inferiormente.
Demostracin La demostracin consiste en probar que se puede construir

una cadena de matrices
A = T0 T1 Tn = T,
cada una semejante a la anterior (y en consecuencia todas ellas son semejantes
entre s) y de tal modo que T es triangular inferiormente.
Procedemos por induccin sobre la dimensin n de la matriz A.
Base de induccin: si n = 1 no hay nada que demostrar.
Paso de induccin: sea n 2 y supongamos que toda matriz cuadrada
de dimensin n 1 es triangulable.
Sea ahora A un matriz de dimensin n.
Puesto que trabajamos con coecientes complejos, el polinomio caracterstico de A
pA (x) = |A xI|
tiene al menos una raz, a la que por conveniencia denotaremos con 1 . Llamamos v1 a un autovector asociado a 1 . Si elegimos una base de Cn cuyo
lgebra
269
ltimo vector sea v1 , la matriz A resultar ser semejante a una matriz A0 de

la forma:
..
0
A =
An1
. .
0
a0n1 a0n2 a0n(n1) 1
Entonces
pA (x) = pA0 (x) = (1 x) |An1 xIn1 |

y el polinomio caracterstico de An1 tiene n 1 races (los restante autovalores de A).
Por la hiptesis de induccin, existe una matriz invertible de paso Pn1
y una matriz triangular inferiormente Tn1 tales que
1
Tn1 = Pn1
An1 Pn1 .
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 A0 P.
Se sigue que la matriz triangular inferiormente T es semejante a la matriz

2
Ejemplo 6.6.10 Triangular por semejanza y hallar la matriz de paso corres-
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 = X + 2X 2 X 3 = (1 X)2 (0 X).
1
2
6X
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
A0 = 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
1 2
00
A =
1
2
que tiene autovalores 1 y 0.
Utilicemos el primero como 2 . Un autovector asociado a 2 = 1 es v2 =
(1, 1) Ker(A00 Id2 ). Sea ((1, 0), (1, 1)) una base de C2 . La matriz
lgebra
271
1 1 0
P2 = 0 1 0
0 0 1
es tal que
1 1 0
1 2 0
1
1 0
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 A0 P2 = P21 P11 AP1 P2 = 1 1
1 3
1 0
1 0 =
0 1
de A en la diagonal.
0
0 .
1
Se sigue que la matriz de paso es
1 1 1
P = P1 P2 = 0 1 2 ,
0 0
1
ya que
1 1 1
1 1 1
0 0 0
P 1 AP = 0 1 2 A 0 1 2 = 1 1 0 = T.
0 0
1
0 0
1
1 3 1
6.6.4 Resolucin de sistemas de ecuaciones diferenciales

por triangulacin
A partir de este momento, sabremos resolver un sistema de ecuaciones diferenciales lineales con coecientes constantes, siempre que podamos obtener
las races del polinomio caracterstico de la matriz de coecientes.
Si la dimensin de la matriz del sistema es mayor o igual que cinco, no
hay frmulas cerradas para hallar las races del polinomio caracterstico y
hace falta usar mtodos numricos de aproximacin de autovalores. Algunos
de estos mtodos estn ilustrados en la prctica 6.
272
lgebra
Sistemas homogneos
Vamos a ilustrar por medio de un ejemplo el mtodo de resolucin de sistemas
homogneos. Sea el siguiente sistema homogneo de ecuaciones:
0

y1 (t)
2 0
3
y1 (t)
y20 (t) = 3 2 9 y2 (t) .
1 2
6
y3 (t)
y30 (t)
Paso 1: Hacemos triangular la matriz de coecientes, no olvidando generar

la matriz de paso. Como esto ya ha sido realizado en el ejemplo anterior,
simplemente nos traemos el resultado:

1
0 0 0
2 0
3
1 1 1
1 1 1
0 1 2 3 2 9 0 1 2 = 1 1 0 .
1 3 1
0 0
1
1 2
6
0 0
1
Paso 2: Resolvemos el sistema triangular
z10 (t)
0 0 0
z1 (t)
z20 (t) = 1 1 0 z2 (t) .
z30 (t)
1 3 1
z3 (t)
Como este sistema ha sido resuelto en el ejemplo 6.5.2, nos traemos la solucin:
z1 (t)
1
0
0
z2 (t) = 1 1 + 2 et + 3 0 .
z3 (t)
4
3tet
et
Paso 3: Multiplicamos la solucin del sistema triangular por la matriz de

paso:
y1 (t)
1 1 1
1
0
0
y2 (t) = 0 1 2 1 1 + 2 et + 3 0 =
y3 (t)
0 0
1
4
3tet
et
et
6
et + 3tet
t
t
= 1 9 + 2 e 6te + 3 2et .
et
3tet
4
lgebra
273
Ejemplo 6.6.11 Resolver la siguiente ecuacin:

f 00 6f 0 + 9f = 0.
Lo primero es plantear el sistema de primer orden equivalente:

0
0 1
y1 (t)
y1 (t)
=
,
9 6
y2 (t)
y20 (t)
donde
y1 (t) = f (t)
.
y2 (t) = f 0 (t) = y10 (t)
Ahora hacemos triangular la matriz
0 1
A=
,
9 6
para lo cual lo primero es determinar las races de su polinomio caracterstico:
X
1
2
2
9 6 X = X 6X + 9 = (3 X) .
Luego los autovalores A son 3,3. A continuacin utilizamos el procedimiento
visto para triangular la matriz y hallar la matriz de paso.
El rango de la matriz A 3Id2 es 1 y, por tanto, A no es diagonalizable.
Un autovector asociado al autovalor 1 = 3 es v1 = (1, 3) Ker(A 3Id2 ).
Sea ((0, 1), (1, 3)) una base de C2 .
La matriz
0 1
P1 =
1 3
es tal que
A =
Entonces
P11 AP1
3 0
1 3
0 1
0 1
3 1
=
1 0
9 6
1 3
3 0
=
.
1 3
0 1
1 3
0 1
9 6
0
1
1
3
274
lgebra
Ahora resolvemos el sistema triangular

0

z1 (t)
3 0
z1 (t)
=
.
z20 (t)
1 3
z2 (t)
Dicho sistema equivale a:
z10 (t) = 3z1 (t)

.
z20 (t) = z1 (t) + 3z2 (t)
La solucin general de la primera ecuacin, segn sabemos, es z1 (t) = 1 e3t .

La segunda ecuacin se transforma en z20 (t) 3z2 (t) = 1 e3t y su solucin
general es:
Z t
3t
3t
z2 (t) = 2 e + e
1 e3x e3x dx
Z0 t
= 2 e3t + e3t
1 dx =
0
3t
3t
= 2 e + e 1 (t) =
= e3t (2 + t1 ),
es decir,
z2 (t) = 1 te3t + 2 e3t .
Expresando las soluciones vectorialmente tenemos que
3t
z1 (t)
e
0
= 1
+ 2
.
z2 (t)
te3t
e3t
Finalmente, multiplicamos la solucin del sistema triangular por la matriz
de paso:
3t
y1 (t)
0 1
e
0
=
1
+ 2
=
y2 (t)
1 3
te3t
e3t
3t
e
te3t
+ 2
= 1
3e3t
e3t + 3te3t
y, puesto que la solucin buscada es f (t) = y1 (t), concluimos que
f (t) = 1 te3t + 2 e3t .
lgebra
275
Sistemas no homogneos
Si la ecuacin diferencial de orden n considerada no fuese homognea, es
decir, fuese de la forma
f (n) + an1 f (n1) + + a1 f 0 + a0 f = h,

se puede aplicar una ligera variacin sobre el mtodo visto. Haciendo el
mismo cambio
y1 (t) =
f (t)
y2 (t) =
f 0 (t)
= y10 (t)
,
(6.7)
..
y (t) = f (n1) (t) = y 0 (t)

n
n1
el sistema de primer orden equivalente sera:
y10 (t)
y 0 (t)
2
..
.
yn0 (t)
0
0
..
.
1
0
..
.
0
1
0
0
..
.
0
0
0
1
a0 a1 a2 an1
y1 (t)
y2 (t)
..
.
..
.
yn (t)
0
0
..
.
0
h(t)
con la peculiaridad de que, en este caso, tendramos el sistema
t R ,
y (t) = A
y (t) + h (t).
Razonando de forma similar al caso en el que no tenamos trmino independiente, si P es una matriz cuadrada invertible, podemos pasar al sistema:
t R ,
P1 y 0 (t) = P1 A
y (t) + P1 h (t),
con lo que, si llamamos

z (t) a P1
y (t) tendremos que
z (t) = P1 y 0 (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
caso de un sistema homogneo:
z (t) = P1 A
y (t) + P1 h (t) =
= P1 A (P P1 )
y (t) + P1 h (t) =
= (P1 A P)(P1
y (t)) + P1 h (t) =
= (P1 A P)
z (t) + P1 h (t)
y, puesto que este sistema es triangular, sabemos resolverlo. Si

z (t) es
solucin de dicho sistema, deshaciendo el cambio obtendremos que
y (t) = P
z (t)
es la solucin buscada.
Ejemplo 6.6.12 Para resolver la ecuacin

f 00 6f 0 + 9f = 32tet ,
como en el caso homogneo, el primer paso es plantear el sistema de primer
orden equivalente:
0

y1 (t)
0 1
y1 (t)
0
=
+
.
y20 (t)
9 6
y2 (t)
32tet
Ahora hacemos triangular la matriz
0 1
,
A=
9 6
que coincide con la del ejemplo anterior y, segn vimos, se verica que
3 0
0 1
0 1
0 1
=
.
1 3
1 3
9 6
1 3
Ahora, siendo
es decir,
z (t) = P1
y (t),
z1 (t)
z2 (t)
0 1
1 3
y1 (t)
y2 (t)
lgebra
277
tenemos que resolver el sistema triangular
z10 (t)
z20 (t)
y, puesto que
3 0
1 3
0 1
1 3
z1 (t)
z2 (t)
0
1
3 1
1 0
1
3
0
32tet
dicho sistema es equivalente a:
z10 (t)
z20 (t)
es decir:
3 0
1 3
z1 (t)
z2 (t)
3 1
1 0
0
32tet
z10 (t) = 3z1 (t) + 32tet

z20 (t) = z1 (t) + 3z2 (t)
Y ahora, la solucin general de la primera ecuacin, segn sabemos, es
Z
3t
3t
z1 (t) = 1 e + e
= 1 e3t + e3t
(por partes) =
=
=
=
32xex e3x dx =
Z0 t
32xe4x dx =
0
!
t
Z t
x
1
1 e3t + 32e3t
e4x +
e4x dx =
4
4
0
0
1 4t
3t
3t
4t
1 e + 8e
te (e 1) =
4
3t
t
t
1 e 8te 2e + 2e3t =
k1 e3t 8tet 2et ,
donde hemos tomado k1 = 1 + 2, ya que 1 es una constante arbitraria. La

segunda ecuacin se transforma en z20 (t) 3z2 (t) = k1 e3t 8tet 2et y su
278
lgebra
solucin general es:

3t
z2 (t) = 2 e + e
3t
=
=
=
(k1 e3x 8xex 2ex )e3x dx
Z0 t
(k1 8xe4x 2e4x )dx =

0
t !
1
1
1
1
2 e3t + e3t k1 x + e4x
8e3t ( te4t e4t + ) =
2
4
16
16
0

1
1
1
+ 2tet + et 2e3t =
2 e3t + e3t k1 t + e4t
2
2
2
1 t 1 3t
1 t
3t
3t
t
3t
2 e + k1 te + e e + 2te + e 2e
=
2
2
2
1
3t
e
2 2 + k1 t + et (1 + 2t) ,
2
= 2 e3t + e3t
=
con lo que, renombrando las variables adecuadamente, obtenemos que
z2 (t) = k1 te3t + 2 e3t + et (1 + 2t) .

Expresando las soluciones vectorialmente tenemos que (k1 = C1 , 2 = C2 )
3t
z1 (t)
e
0
8tet 2et
= C1
+ C2
+
.
z2 (t)
te3t
e3t
et (1 + 2t)
Finalmente, multiplicamos la solucin del sistema triangular por la matriz
de paso:
3t
y1 (t)
0 1
e
0
=
C1
+ C2
+
y2 (t)
1 3
te3t
e3t
8tet 2et
+
=
et (1 + 2t)
0 1
C1 e3t 8tet 2et
=
=
1 3
C1 te3t + C2 e3t + et (1 + 2t)
C1 te3t + C2 e3t + et (1 + 2t)

=
C1 e3t 8tet 2et + 3C1 te3t + 3C2 e3t + 3et (1 + 2t)
y, puesto que la solucin buscada es f (t) = y1 (t), concluimos que
f (t) = C1 te3t + C2 e3t + et (1 + 2t) .
lgebra
279
Ejercicio 6.6.1 Resolver la siguiente ecuacin:
D3 f 5D2 f + 7Df 3f = 9t 9.
Solucin: f (t) = 4 3t + C1 et + C2 e3t + C3 et t.
6.7
Relaciones de recurrencia
Las tcnicas desarrolladas en este captulo tambin se pueden aplicar para

resolver otro tipo de problemas, entre otros, el problema del primer ejemplo
enunciado al principio del captulo.
Para el desarrollo que sigue, es importante recordar que
N {0} = {0, 1, 2, 3, ...}.
Denicin 6.7.1 Diremos que la sucesin {an }nN{0} est denida recursivamente o por recurrencia si
1. k N tal que a1 , ..., ak son conocidos y

2. n N {0}, an+k est denido en funcin de an+k1 , ..., an .
Las relaciones de recurrencia tambin se denominan ecuaciones en di-
ferencias.
Denicin 6.7.2 Llamaremos relacin de recurrencia lineal homognea

de orden k N con coecientes constantes a cualquier relacin de
recurrencia de la forma
an+k = c1 an+k1 + ... + ck an

donde c1 , ..., ck C, ck 6= 0, y n N {0}.
Las relaciones del tipo anterior se denominan lineales y homogneas debido a que la ecuacin asociada
an+k c1 an+k1 + ... + ck an = 0

de variables an+k , an+k1 , ..., an es una ecuacin lineal y homognea.
Ejemplo 6.7.3 La ecuacin

an+2 = an+1 5an
280
lgebra
es una relacin de recurrencia lineal homognea de grado 2, puesto que su

ecuacin asociada
an+2 an+1 + 5an = 0
es una ecuacin lineal y homognea (similar a la ecuacin x y + 5z = 0). Si
especicamos los valores iniciales a1 y a2 , todos los trminos de la sucesin
quedan determinados y, por tanto, hay una nica sucesin que satisface dicha
relacin de recurrencia y cuyos dos primeros trminos sean a1 y a2 .
Dicho de otra forma, el subespacio vectorial de F(N, R)
{{an } : an+2 an+1 + 5an = 0}

tiene dimensin 2.
Ejemplo 6.7.4 La relacin de recurrencia

an+2 =
an+1 + 2an
no es lineal, pues la ecuacin
y 2z = 0
no es lineal. La relacin de recurrencia
an+2 = a2n+1 + 5an

tampoco es lineal.
Volvamos al problema original que tenemos planteado, esto es, encontrartodas las soluciones de una relacin de recurrencia lineal y homognea
con coecientes constantes. El discurso va a seguir el mismo camino que el
visto para las ecuaciones diferenciales.
Primero veremos cmo se pueden resolver las relaciones de recurrencia homogneas de primer orden y luego las no homogneas para, a continuacin,
utilizar la tcnica desarrollada en el captulo para resolver sistemas de relaciones de recurrencia, nalizando la exposicin con la aplicacin del mtodo
para resolver ecuaciones de recurrencia de orden k > 1.
lgebra
281
6.7.1 Relaciones de primer orden

Segn vimos, las sucesiones {an }nN que satisfacen la relacin de recurrencia
lineal homognea de primer orden
an+1 = an ,
(I)
son las sucesiones {an }nN que son autovectores de la funcin lineal S asociados al autovalor , junto con la sucesin nula 0 = {0, 0, 0, ....}. Esto es, el conjunto Ker(S Id). Por otra parte, si demostramos que dim(Ker(S Id)) =
1, localizando una solucin no nula, es decir, un elemento no nulo de dicho
subespacio, el resto de soluciones se obtendr fcilmente. Veamos que, efectivamente,
dim(Ker(S Id)) = 1.
Evidentemente, la sucesin
{an } = {n } = {1, , 2 , 3 , ...},

es una solucin de la ecuacin (o relacin de recurrencia) (I). Por otra parte,
si {bn } es cualquier otra solucin de dicha ecuacin, vamos a demostrar que
existe una constante K tal que
{bn } = K {n } = {K n },
con lo que {n } ser una base de Ker(S Id) y dim(Ker(S Id)) = 1.
Puesto que {bn } Ker(S Id), es decir, S({bn }) = {bn }, tendremos,
por una parte, que
S({bn }) = S({b0 , b1 , b2 , ...}) = {b0 , b1 , b2 , ...} = {b0 , b1 , ...}

y, por otra, que
S({bn }) = S({b0 , b1 , b3 , ...}) = {b1 , b2 , ...},

de donde
{b0 , b1 , ...} = {b1 , b2 , ...},
282
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)
son las progresiones geomtricas de razn , progresiones que constituyen

el subespacio vectorial Ker(S Id), siendo una base de dicho espacio la
sucesin
{n } = {1, , 2 , 3 , ...}.
Ejemplo 6.7.5 Las sucesiones {an }nN que satisfacen la relacin de re-
currencia
an+1 = 5an
son de la forma
K {5n } = K {1, 5, 52 , ..., 5n , ...} = {K, 5K, 52 K, ..., 5n K, ...}.
Observacin 65 Puesto que para tener completamente determinada una
progresin geomtrica slo es preciso conocer el primer elemento (b0 = K)

y la razn de la progresin (), conocido el valor inicial a0 , hay una nica
sucesin {an }nN que satisface la relacin de recurrencia an+1 = an , (I).
Ejemplo 6.7.6 Existe una nica sucesin {an }nN que satisface las condiciones
a0 = 3
an+1 = 5an .
Dicha sucesin es
a0 {n } = 3 {5n } = {3, 15, 75, ..., 3 5n , ...}.
lgebra
283
Ya sabemos encontrar las soluciones de una ecuacin de recurrencia lineal

y homognea con coecientes constantes de primer orden, e incluso hallar la
nica solucin de una ecuacin del tipo anterior toda vez que se conozca un
valor inicial. Ahora bien, Cmo podemos encontrar las soluciones de un
sistema de ecuaciones de recurrencia de primer orden? Podemos emplear
la misma tcnica de resolucin vista para los sistemas de ecuaciones diferenciales? Veremos que la respuesta a esta pregunta es armativa. Pero,
para poder aplicarla, necesitamos resolver en primer lugar las relaciones de
recurrencia no homogneas de primer orden con coecientes constantes.
La siguiente proposicin tiene como consecuencia que cualquier relacin
de recurrencia lineal y homognea de primer orden con coecientes constantes
tiene solucin.
Proposicin 6.7.7 C la funcin lineal

(S Id) : F(N, C) F (N, C)
es sobreyectiva.
Demostracin Dada {an } F (N, C), hay que probar que {bn } F (N, C)
tal que
(S Id)({bn }) = {an }.
Ahora bien, dicha igualdad es equivalente a que S({bn }) ({bn }) = {an },
es decir, {bn+1 } ({bn }) = {an }. Por consiguiente:
b1 = a0 ,
b2 = a1 + a0 ,
b3 = a2 + a1 + 2 a0 ,
..
.
bn = an1 + an2 + ... + n1 a0 ,
..
.
La solucin {bn } est determinada por b0 = 0 y, para n 1,
bn =
n
X
i=1
i1 ani ,
284
lgebra
es decir,
{bn } = {0, a0 , a1 + a0 , a2 + a1 + 2 a0 , ..., an1 + an2 + ... + n1 a0 , ...},

es tal que (S Id)({bn }) = {an }, como puede comprobarse fcilmente
trmino a trmino:
S(b0 ) b0 = a0 0 = a0
S(b1 ) b1 = b2 b1 = (a1 + a0 ) a10 = a1
S(b2 ) b2 = b3 b2 = a2 + a1 + 2 a0 (a1 + a0 ) = a2
..
.
S(bn ) bn = an
..
.
y, en consecuencia (S Id) es sobreyectiva.
La proposicin anterior nos proporciona una herramienta para hallar una

solucin particular de cualquier relacin de recurrencia de primer orden con
coecientes constantes.
Ahora Cmo podemos obtener todas las soluciones de una ecuacin
lineal de primer orden no necesariamente homognea? Razonando de forma
anloga a como hicimos con las ecuaciones diferenciales. El resultado similar
que se tiene en este contexto queda establecido en la siguiente proposicin,
cuya demostracin se propone como ejercicio.
Proposicin 6.7.8 Siendo {bn } una solucin particular de la relacin de
recurrencia
(S Id)({xn }) = {an },
(I)
se verica que
{yn } es solucin de (I) K C tal que {yn } = {bn } + K {n }.
Es decir, vale el principio de superposicin de soluciones: la solucin

de la ecuacin no homognea se obtiene sumando a una solucin particular de
lgebra
285
dicha ecuacin todas las soluciones de la ecuacin homognea asociada. Por

consiguiente, teniendo en cuenta los resultados obtenidos, podemos concluir
que
{yn } es solucin de (S Id)({yn }) = {an }
y0 = K y
n
P i1
K C tal que
ani + K {n }.
n 1, yn =
i=1
Ejemplo 6.7.9 El conjunto de soluciones de la relacin de recurrencia

an+1 = 3an + (1)n
es el conjunto de sucesiones {an } cuyo trmino general es de la forma
an = bn + K3n ,
donde K C y {bn } es la sucesin denida por b0 = 0 y, para n > 1,
bn =
n
X
3i1 (1)ni .
i=1
En otras palabras, {an } es solucin de la relacin de recurrencia dada si {an }

es de la forma
a1 = K
an = K3n1 +
n1
X
3i1 (1)ni .
i=1
En particular, si buscamos la nica sucesin determinada por las condiciones
a0 = 0
an+1 = 3an + (1)n
dicha sucesin es
a0 = 0
n 1 an =
n
P
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,
bn =
n1
X
i1 ani
i=1
es una solucin particular de la relacin de recurrencia
(S Id)({xn }) = {an }.
La forma de la sucesin {bn } recuerda al producto de polinomios. De hecho,
el trmino general de esta sucesin (donde n N, n 1) se podra expresar
del siguiente modo:
bn =
n
X
i=1
i1 ani =
j ak .
j+k=n1
6.7.2 Sistemas de relaciones de recurrencia

El planteamiento del problema es similar al visto para ecuaciones diferenciales. En este caso, el problema consiste en resolver sistemas de la forma
x1 (n + 1) = a11 x1 (n) + a12 x2 (n) + + a1m xm (n),
x2 (n + 1) = a21 x1 (n) + a22 x2 (n) + + a2m xm (n),

..
x (n + 1) = a x (n) + a x (n) + + a x (n),

m
m1 1
n2 2
mm m
lgebra
287
donde las sucesiones incgnita son {x1 (n)}, ..., {xm (n)}.
Como en el caso de las ecuaciones diferenciales, podemos emplear la notacin matricial
x1 (n)
a11 a12 a1m
x1 (n + 1)
x2 (n + 1) a21 a22 a2m x2 (n)
,
= ..
..
..
..
..
.
.
.
.
xm (n + 1)
am1 am2
amm
xm (n)
o, inclusive la notacin matricial compacta
x (n + 1) = A
x (n).
A los sistemas del tipo anterior se les conoce como sistemas homogneos de m ecuaciones de recurrencia de primer orden con coecientes constantes. La tcnica para resolver este tipo de sistemas es
exactamente la misma que la vista para los sistemas de ecuaciones diferenciales.
As, dado el sistema de ecuaciones
x (n + 1) = A
x (n),
donde A es una matriz cuadrada de orden m. Si P es una matriz cuadrada
invertible y consideramos la matriz P1 , tendremos que
P1
x (n) = P1 A
x (n)
y, siendo
z (n) = P1
x (n),
podemos hacer las siguientes transformaciones:
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) = x(n) + y(n)

y(n + 1) = 4x(n) 2y(n),
junto con las condiciones iniciales x(0) = 1, y(0) = 6. Si planteamos el

sistema de forma matricial, tendremos:
x(n + 1)
1 1
x(n)
=
.
y(n + 1)
4 2
y(n)
Operando, obtenemos que los autovalores de la matriz del sistema son 2 y 3
y que la forma triangular (en este caso diagonal) de la matriz asociada es

1 1
2 0
1 1
1 1
=
.
1 4
0 3
4 2
1 4
Razonando del mismo modo que con los sistemas de ecuaciones diferenciales,
procedemos a resolver el sistema
z(n)
2 0
z(n + 1)
=
(II)
u(n)
0 3
u(n + 1)
con
x(n)
y(n)
1 1
1 4
z (n)
.
u(n)
El sistema (II) es, obviamente, el sistema
z(n + 1) = 2z(n)
,
u(n + 1) = 3u(n)
cuyas soluciones son, segn sabemos,
{z(n)} = {2n }
{u(n)} = {(3)n }
(, C).
Luego

2n + (3)n
x(n)
1 1
2n
=
=
2n 4(3)n
(3)n
y(n)
1 4
(, C).
lgebra
289
Imponiendo, nalmente, las condiciones iniciales tendremos que
x(0) = 1 = 20 + (3)0 = +
y(0) = 6 = 20 4(3)0 = 4,
es decir, que
+ =1
4 = 6,
con lo que, resolviendo el sistema
5 = 5 = 1
,
=2
de donde las sucesiones que satisfacen el sistema planteado con las condiciones iniciales dadas son:

n+1
2 2n (3)n
2
(3)n
x(n)
=
=
,
2 2n + 4(3)n
2n+1 + 4(3)n
y(n)
es decir,
{x(n)} = 2n+1 (3)n
{y(n)} = 2n+1 + 4(3)n .
Ejercicio 6.7.1 Comprobar que la solucin del sistema de ecuaciones diferenciales
x0 (t) = x(t) + y(t)

,
y 0 (t) = 4x(t) 2y(t)
sujeto a las condiciones iniciales x(0) = 1, y(0) = 6 es
x1 (t)
x2 (t)
2e2t e3t
2e2t + 4e3t
Comprese con la solucin del sistema de relaciones de recurrencia del ejemplo anterior.
290
lgebra
6.8 Ejercicios
1. Determinar la sucesin denida recursivamente por las condiciones
an+2 = 7an+1 12an

a1 = 1
a2 = 3.
2. Encontrar las sucesiones que satisfacen la relacin de recurrencia
an+3 = 4an+2 5an+1 + 2an .

3. Encontrar las soluciones de la ecuacin diferencial
D2 (f ) 7D(f ) + 12f = et .
4. Resolver el problema de valor inicial
D(f ) 2f = e2t
f (0) = 1.
5. Resolver el sistema de ecuaciones diferenciales
0
x1 = 5x1 + 4x2
x02 = x1 + 2x2
sujeto a las condiciones iniciales x1 (0) = 2,
x2 (0) = 3.
6. Resolver el sistema de ecuaciones de recurrencia (ecuaciones en diferencias)
an+1 = 5an + 4bn

bn+1 = an + 2bn
con las condiciones iniciales a1 = 2, b1 = 3.
7. Calcular la potencia nsima de la matriz
2 1 1
A = 2 3 2 .
3 3 4
lgebra
291

1. Supuesto que t R, determinar todas las soluciones de los siguientes
sistemas:
y10 (t) = y1 (t)

y10 (t) = sin(t)
y20 (t) = 2y2 (t)

y20 (t) = t2
a)
b)
0
0
y3 (t) = y1 (t) + y2 (t) + y3 (t).
y3 (t) = y1 (t) + y2 (t) + y3 (t),
1
0
2
2. Dada la matriz A = 1 1 1 determinar A100 .
0
0 1
1 4 12
3. Dada la matriz A = 0 3 9 , se pide:
0 1 3
a) hallar una base del subespacio propio asociado a cada valor propio,
b) determinar si la matriz A es diagonalizable.
4. Dada una matriz A Mn (K), puede ocurrir que A no sea diagonalizable y A2 s sea diagonalizable?
5. Triangularizar por semejanza
y hallar
3
1
0
2
correspondiente a la matriz A =
1 1
la matriz
de paso
0
1 .
1
6. Supuesto
que t R, determinar todas las soluciones del siguiente
y10 (t) = 3y1 (t) + y2 (t)
y20 (t) = 2y2 (t) + y3 (t)

sistema:
0
y3 (t) = y1 (t) y2 (t) + y3 (t).
7. Resolver las siguientes ecuaciones:
a) 2f 00 + 3f 0 + f = 0,
b) 2f 00 + 3f 0 + f = t.
8. Determinar la sucesin {an } que, empezando en a0 = 0, verica
an+1 = 2an + 5n
para todo n N
{0}.
292
lgebra
an+2 = an+1 + 2an ,

a1 = 3,
a2 = 4.
10. Resolver el sistema de ecuaciones de recurrencia (ecuaciones en

diferencias)
an+1 = 2an + 14 bn ,
bn+1 = an + bn ,
con las condiciones iniciales a1 = 2,
b1 = 1.
11. Dada una matriz A Mn (K), demostrar las siguientes armaciones:

a) los autovalores de A coinciden con los de su traspuesta,
b) si A es inversible, los autovalores de A1 son los inversos de los
autovalores de A,
12. Dada la matriz
A=
2 a
3 b
determinar los valores de a, b R para que (1, 3) sea un autovector asociado

al autovalor = 2.
13. Dada una matriz A Mn (K) idempotente (es decir, tal que A2 = A),
estudiar como son los autovalores de A.
Captulo 7
7.1

del captulo 1
1. Representar por su matriz ampliada y resolver por el mtodo de GaussJordan cada uno de los siguientes sistemas de ecuaciones lineales :
2x1 + x2 + 3x3 = 9
5x1 + 4x2 + 6x3 = 24
x1 + 3x2 2x3 = 4
{x3 = 3, x2 = 4, x1 = 2}
2 1 3
x1
9
5 4 6 x2 = 24
1 3 2
x3
4
La solucin
del sistema
por el mtodo
de Gauss-Jordan
sera la siguiente:
2 1 3
9
1 3 2 4
F2 = F2 5F1
F F3
5 4 6
24 1
5 4 6
24 F3 = F3 2F1
1 3 2 4
2 1 3
9
1 3
2 4
0 11 16 4 , ... prosiguiendo con las transformaciones elemen0 5 7
1
293
294
lgebra
1 0 0 2
tales adecuadas hasta obtener la matriz 0 1 0 4 , es decir,
0 0 1 3
{x1 = 2, x2 = 4, x3 = 3} .
Del mismo modo el sistema
3x1 + x2 + x3 5x4 = 4
5x1 + 2x2 + 4x3 2x4 = 6
se expresara
3 1 1 5
5 2 4 2
x1

x2
4
x3 = 6 .
x4
Resolvindolo por el mtodo de Gauss-Jordan obtendremos:
F1 = 13 F1
F1 = 13 F1
4
3 1 1 5 4
1 13 13 5
3
3
F2 = F2 5F1
F2 = F2 5F1
2
5 2 4 2 6
0 13 73 19
3
3
F2 = 3F2
1 0 2 8 2
1
F1 = F1 3 F2
, es decir, el sistema es compa0 1 7
19 2
tible indeterminado, y las soluciones son
{x1 = 2 + 2x3 + 8x4 , x2 = 2 7x3 19x4 , x3 , x4 } .

Razonando anlogamente con el sistema
x1 x2 + x3 x4 = 0
2x1 + 3x2 + 4x3 + 5x4 = 0

x1 x2 + 2x3 2x4 = 0
5x1 + 5x2 + 9x3 + 9x4 = 0

obtenemos que es compatible indeterminado, siendo su solucin
9
9
x1 = x4 , x 2 = x4 , x 3 = x4 , x 4 = x4 ,
5
5
o , si se preere,
9
9
x1 = , x2 = , x3 = , x4 =
5
5
lgebra
295
2. Considere el sistema de ecuaciones
x + y + 2z = a
x+z =b
2x + y + 3z = c
Demuestre que para que este sistema sea compatible, a, b y c deben
satisfacer c = a+b.
1 1 2 a
La matriz ampliada de este sistema es A = 1 0 1 b .
2 1 3 c
1 1 2 a
1 0 1 b
F2 = F2 F1
F < > F2
1 1 2 a F3 = F3 2F1
A= 1 0 1 b 1
2 1 3 c
2 1 3 c
1 0 1
b
1 0 1
b
0 1 1 a b F3 = F3 F2 0 1 1
ab
0 0 0 cab
0 1 1 c 2b
Si c 6= a + b, el sistema no es compatible ya que sera equivalente a un

sistema que contiene una ecuacin de la forma 0x + 0y + 0z = c a b 6= 0.
Si c = a + b, el sistema dado es equivalente al sistema
x = z + b
y = z + a b
que es compatible indeterminado y tiene conjunto solucin
{(z + b, z + a b, z) : z R}
.
296
lgebra
3. Resuelva cada uno de los sistemas siguientes por eliminacin de GaussJordan:

a)
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
5x1 + 3x2 + 2x3 = 0

3x1 + x2 + 3x3 = 11
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 6= 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:
2 3
2 0
3 1
B=
C=
A=
4 4
0 3
5 2
F1 = 13 F1
1 13 13 0
F2 = F2 5F1
1 13
5 2 0 1
0 13
F1 = F1 F2
1 0 2 1
F2 = 3F2
1 0 2 1
.
1
5
0
0
1
5
3
1
3
3
2 1
1
Entonces A =
.
5 3
1
1 3
2 3 1 0
F1 = 21 F1
0
F2 = F2 4F1
2
2
4 0 1
4 4 0 1
4 3

3
1
1
1
1 2
1 2
F1 = F1 + 32 F1
0
F2 = 10 F2
0
2
2
1
1
0 10 2 1
0 1
5
10
3 1 1 0
5 2 0 1
1
3
5
3
0
1
lgebra
299
1 0
0 1
1
5
1
5
Entonces B
3
20
1
10
1
1
5
1
5
3
20
1
10
1 0 12 0
F2 = 31 F2
1 0 12 0
F1 = 21 F1
.
0 3 0 1
0 1 0 13
1
0
2
=
.
0 13
2 0 1 0
0 3 0 1
Entonces C 1
6. Verique que las matrices A y B del ejercicio 5) satisfacen la relacin

(AB)1 = B 1 A1 .
B 1 A1 =
AB =
1
5
1
5
3 1
5 2
10 5 1 0
18 7 0 1
1 1
2
0 2
1 0
0 1
1
10
9
5
7
20
9
10
3
20
1
10
2 3
4 4
2 1
5 3
1
F1 = 10
F1
7
20
9
10
1
4
1
2
10 5
18 7
1 1
2
18 7
1
10
0
1
F2 = F2 18F1
1
F2 = 21 F2
1 1
F1 = F1 + 12 F2
0
0
2
10
1
9
1
0 1 10 2
1
4
. Entonces (AB)1 = B 1 A1 .
1
2
7. Sea A una matriz invertible y suponga que la inversa de 7A es

1 2
. Encuentre la matriz A.
4 7
1 2
= (7A)1 =
4 7
1
1 2
1
7
4 7
1 2 1 0
4 7 0 1
1 1
A
7
F2 = F2 + 4F1
= 7
1 2 1 0
0 1 4 1
1 2
4 7
A =
F1 = F1 2F2
300
lgebra
1 0 7 2
F1 = F1
1 0 7 2
0 1 4 1
0 1 4 1
2
7
2
1
7
A = 17
=
.
4
1
4 1
7
7
8. Sea AX = B un cualquier sistema consistente de ecuaciones lineales
y supngase que X1 es una solucin ja. Demuestre que toda solucin para
el sistema se puede escribir en la forma X = X1 + X0 , en donde X0 es una
solucin para AX = 0. Demuestre tambin que toda matriz de esta forma
es una solucin.
Sea X2 una solucin del sistema AX = B. Ya que X2 = X1 + (X2
X1 ), ser suciente demostrar que (X2 X1 ) es una solucin del sistema
AX = 0 y denir X0 = X2 X1 .
En efecto, A(X2 X1 ) = AX2 AX1 = B B = 0.
Ahora tenemos que vericar que toda matriz X de la forma X1 +X0 , donde
X1 es una solucin particular del sistema AX = B y X0 es una solucin del
sistema homogneo AX = 0, es tambin una solucin del sistema.
En efecto, AX = A(X1 + X0 ) = AX1 + AX0 = B + 0 = B.
9. Encontrar
1
a) A =
2
1
0
c) C =
1
la inversa de la matriz dada, si la
4 1
3 1
0 3
2 4
b) B =
5 4
4
2
0 1
1 1
1 0
matriz es invertible:
5
1
9
a) Aplicando sucesvamente las transformaciones elementales F2

F3 , F2 = F2 3F1 , F3 = F3 2F1 , F2 = 14 F2 , F3 = F3 5F2 , F3 = 52 F3 , F2 =
F2 + 52 F3 , F1= F1 3F3
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
multiplicando por una matriz elemental apropiada. En cada caso, verique

la respuesta llevando a cabo la operacin sobre las las directamente sobre
A.
a)Intercambie la primera y tercera las.
b)Multiplique la segunda la por 1/3.
c)Sume el doble de la segunda la a la primera.
0 0 1
3 5 5
a) 0 1 0 A0 = 2 1 4
1 0 0
3 1 0
3 1 0
1 0 0
1
4
b) 0 13 0 A0 = 2
3
3
3
0 0 1
3 5 5
1 2 0
1 3 8
c) 0 1 0 A0 = 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 6= 2, podemos aplicar la transformacin elemental F3 =
matriz A. El sistema es equivalente al sistema
x1 + x2 + x3 = 4
x3 = 2
1
x3 = a+2
1
F
a2 4 3
a la
que es compatible y tiene una innidad de soluciones {(2 s, s, 2) : s R}

1
slo si a+2
= 2, es decir, slo si a = 32 .
13. Demostrar que la trasposicin de matrices satisface las siguientes
propiedades.
a) A Mmn (K) t (t A) = A.
Dado (i, j) {1, ..., m} {1, ..., n}, aplicando la denicin
t t
( A)(i, j) =t A(j, i) = A(i, j).
Por consiguiente, al ser matrices del mismo orden, t (t A) = A.
b) A, B Mmn (K) t (A + B) =t A +t B.
Dado (i, j) {1, ..., m} {1, ..., n}, aplicando la denicin
t
(A + B)(i, j) = (A + B)(j, i) = A(j, i) + B(j, i) =

= (t A)(i, j) + (t B)(i, j) = (t A +t B)(i, j).
c)A Mmn (K), B Mnp (K) A B Mmp (K), con lo que t (A

B) Mpm (K). Por otra parte t B Mpn (K),t A Mnm (K), . con lo que
304
lgebra
(t B t A) Mpm (K), es decir, son matrices del mismo orden. Dado ahora
(i, j) {1, ..., m} {1, ..., n}, aplicando la denicin
t
(A B)(i, j) = (A B)(j, i) =
n
X
A(j, k) B(k, i) =
k=1
n
X
(t A)(k, j) (t B)(i, k) =
n
X
k=1
= t B t A (i, j).
(t B)(i, k) (t A)(k, j) =
k=1
14. Demostrar que si A Mn (K) es invertible, entonces

t
(A) Mn (K)
1
es invertible y t (A1 ) = (t A) .
Si A A1 = In y A1 A = In , por las propiedades vistas en el problema
anterior t (A A1 ) =t In = In =t (A1 ) (t A) y t (A1 A) =t In = In =
1
(t A) t (A1 ) , con lo que t (A1 ) = (t A) .
15. Si A = (aij ) Mn (K), se denomina traza de A a la suma de los
elementos de la diagonal principal de A, es decir,
T r(A) = a11 + ... + ann =
n
X
aii .
i=1
Demostrar que A, B, C Mn (K):

a) T r(A + B) = T r(A) + T r(B).
n
P
T r(A+B) = (aii +bii ) = (por las propiedades asociativa y conmutativa
i=1
n
n
P
P
aii +
bii .
de +) = (a11 + ... + ann ) + (b11 + ... + bnn ) =
b) T r(AB) = T r(BA).
i=1
n
P
i=1
n P
n
P
Si AB = C y BA = D, T r(AB) =
cii =
aik bki =
i=1
i=1 k=1
n P
n
n P
n
P
P
aik bki = (por la propiedad conmutativa de ) = =
bki aik =
i=1
k=1 i=1
k=1
n
P
dii = T r(BA).
i=1
lgebra
305
Poner un contraejemplo que ponga de maniesto que
T r(A.B) 6= T r(A) T r(B).
1 1
1 0
1 1
Si A =
y B = I2 =
, A.B =
= A, por lo
1 1
0 1
1 1
que T r(A.B) = T r(A) = 2; sin embargo T r(A) T r(B) = 2 2 = 4.
c) Siendo C = At A,
T r(A A) = T r(C) =
n
X
i=1
n X
n
X
C(i, i) =
(
A(i, k)t A(k, i)) =
i=1 k=1
n X
n
n X
n
X
X
=
(
A(i, k)A(i, k)) =
a2ik .
i=1 k=1
i=1 k=1
16. Se dice que una matriz A Mn (K) es simtrica si t A = A. Demostrar

que una condicin necesaria y suciente para que el producto de dos matrices
simtricas A, B Mn (K) d como resultado una matriz simtrica es que
AB = BA.
Veamos que es condicin necesaria:
Hiptesis: A y B simtricas y AB simtrica. En estas condiciones es
AB = BA?
t
(AB) = al ser AB simtrica = AB;
Pero tambin t (AB) = (t B)(t A) = ( Al ser A y B simtricas) = AB.
Veamos ahora que es condicin suciente:
Hiptesis: A y B simtricas y AB = BA. Es en estas condiciones AB
simtrica? Si AB = BA, tendremos que t (AB) =t (BA) = (t A)(t B) =(Al
ser A y B simtricas)=AB, con lo que AB es simtrica.
2 1
17. Determinar C y C para que la matriz A =
1 2
M2 (C) satisfaga la ecuacin A2 + A + I2 = (0).
Utilizando la relacin anterior, y sabiendo que A es invertible, calcular
1
A
.
2 1
2 1
5 4
=
, luego hay que resolver la ecuacin
1 2
1 2
4 5
5 4
2 1
1 0
0 0
+
+
=
,
4 5
1 2
0 1
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
1
A1 (A2 4A + 3I2 ) = A
donde A
4I2 + 3A1 = (0), es decir,
(0) = (0),
de
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 :
CADEN
A, ALF ABET O
a1 , ..., an ALF ABET O,

2. Constantes :
vaca CADEN A
concat : CADEN A CADEN A CADEN A
construye : ALF ABET O CADEN A

3. Operaciones :
iadd : ALF ABET O CADEN A CADEN A
dadd0 : CADEN A ALF ABET O CADEN A

c, c , c CADEN A, a ALF ABET O
concat(c, vaca) = c
concat(vaca, c) = c
4. Ecuaciones:
concat(concat(c, c0 ), c) = concat(c, concat(c0 , c))
iadd(a, c) = concat(construye(a), c)
dadd(c, a) = concat(c, construye(a))
7.2

del captulo 2
1. Encontrar un vector u diferente de cero cuyo punto inicial es P =

(1, 3, 5) tal que
a) u tiene la misma direccin que v = (6, 7, 3).
308
lgebra
b) u tiene direccin opuesta a la de v = (6, 7, 3).
Sea u = P Q, donde Q = (x, y, z). Entonces u = (x + 1, y 3, z + 5).

Si u tiene la misma direccin que v , u = kv (x + 1, y 3, z + 5) =
(6k, 7k, 3k)
a) Sea k > 0 y Q = (6k 1, 7k + 3, 3k 5).
b) Sea k < 0 y Q = (6k 1, 7k + 3, 3k 5).
2. Sean u = (3, 1, 2), v = (4, 0, 8), y w = (6, 1, 4). Encontrar los
escalares c1 , c2 , c3 tales que c1 u+c2 v+c3 w = (2, 0, 4).
(2, 0, 4) = c1 u + c2 v + c3 w = c1 (3, 1, 2) + c2 (4, 0, 8) + c3 (6, 1, 4) =
= (3c1 , c1 , 2c1 ) + (4c2 , 0, 8c2 ) + (6c3 , c3 , 4c3 ) =
= (3c1 + 4c2 + 6c3 , c1 c3 , 2c1 8c2 4c3 ).
Entonces, tenemos que resolver el sistema
3c1 + 4c2 + 6c3 = 2

c1 c3 = 0
2c1 8c2 4c3 = 4

La solucin del sistema por el mtodo de Gauss-Jordan sera la siguiente:
aplicando la transformaciones elementales F1 F2 , F3 = 21 F3 , F3 = F3
F1 , F2 = F2 + 3F1 , F3 = F3 + F2 , F2 = 14 F2 , F3 = 12 F3 ,
F1 = F1 + F3 , F2 = F2 34 F3 a la matriz
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.
4. Sean P el punto (2, 3, 2) y Q el punto (7, 4, 1).

a) Encontrar el punto medio del segmento de recta que une a P y Q.
b) Encontrar el punto sobre el segmento de recta que une a P y Q y est
a 43 de la distancia de P a Q.
a) Sean v = OP = (2, 3, 2) y w = OQ = (7, 4, 1) y v + w = OR =
(9, 1, 1). El segmento OR corta el segmento P Q en un punto M , que
es el punto de interseccin entre las diagonales del paralelogramo OP RQ.
= ( 92 , 1
, 1
).
Entonces M es el punto medio de P Q y M = v+w
2
2
2
b) El punto sobre el segmento de recta que une a P y Q y que est a 43
de la distancia de P a Q ser dado por el punto medio entre M y Q, es decir
por N = 21 ( v+w
+ w) = ( 23
, 9
, 1 ).
2
4
4 4
5. Suponer que la traslacin de un sistema de coordenadas xy se hace para
obtener un sistema de coordenadas x0y0 cuyo origen O0 tiene las coordenadas
(2, 3).
a) Encontrar las coordenadas x0y0 del punto P cuyas coordenadas xy son
(7, 5).
b) Encontrar las coordenadas xy del punto Q cuyas coordenadas x0y0 son
(3, 6).
c) Trazar los ejes de coordenadas xy y x0y0 y localizar los puntos P y
Q.
Las ecuaciones de traslacin
de S = (O, x, y) a S0 = (O0, x0,
y0) y de S0 =
x = x0 + 2
x0 = x 2
.
y
(O0, x0, y0) a S = (O, x, y) son:
y = y0 3
y0 = y + 3
a) P = (5, 8) en S0 = (O0, x0, y0).
b) Q = (1, 3) en S = (O, x, y).
6. Demostrar geomtricamente que si u y v son vectores en el espacio
bidimensional o en el espacio tridimensional, entonces
k u + v kk u k + k v k .
310
lgebra
Utilizando la regla del paralelogramo para denir u + v, la desigualdad

k u + v kk u k + k v k se sigue de que la longitud de uno de los lados de un
tringulo es siempre menor o igual a la suma de las longitudes de los otros
dos lados.
7. a) Demostrar que v = (a, b) y w = (b, a) son vectores ortogonales.
v w = ab + ba = 0.
b) Usar el resultado del inciso a) para encontrar dos vectores que sean
ortogonales a v = (2, 3).
Sea v = (2, 3) = (a, b). Entonces, se sigue de la parte a) que los vectores
w1 = (b, a) = (3, 2) y w2 = w1 = (b, a) = (3, 2) son ortogonales
a v.
c) Encontrar dos vectores unitarios que sean ortogonales a (3, 4).
Sea v = (a, b) = (3, 4). Como en la parte b), los vectores w1 = (b, a) =
(4, 3) y w2 = w1 = (b, a) = (4, 3) son ortogonales a v. Entonces los
vectores
w1
w2
u1 = kw
= ( 4
, 3 ) y u2 = kw
= ( 45 , 3
) son unitarios y ortogonales a
5 5
5
1k
2k
v.
8. Explicar por qu cada una de las siguientes expresiones carece de
sentido.
Si u, v, w son vectores en el plano o en el espacio tridimensional y k es un
nmero real,
a) u (v w) : el producto escalar est denido entre vectores y (v w) es
un escalar.
b) (uv)+w : la suma est denida entre dos vectores o entre dos escalares,
no entre un escalar y un vector.
c) k u v k: la norma es una funcin denida sobre un vector, no un
escalar.
d) k (u + v) : el producto escalar est denido entre vectores y k es un
escalar.
9. Sean vectores i, j y k unitarios a lo largo de los ejes positivos x, y y z
de un sistema de coordenadas rectangulares en el espacio tridimensional. Si
v = (a, b, c) es un vector diferente de cero, entonces los ngulos , ,y entre
v y los vectores i, j y k , respectivamente, se denominan ngulos directores de
v , y los nmeros cos(), cos() y cos() se denominan cosenos directores de
v.
lgebra
311
a) Demostrar que cos() =
a
.
kvk
iv
a
cos() = kikkvk
= kvk
. (Ya que k i k= 1)
b) Encontrar cos() y cos().
jv
b
cos() = kjkkvk
= kvk
. (Ya que k j k= 1)
cos() =
kv
kkkkvk
c
.
kvk
(Ya que k k k= 1)
v
= (cos(), cos(),cos()).
kvk
a
b
c
( kvk
, kvk
, kvk
) = (cos(), cos(),cos()).
c) Demostrar que
v
kvk
(a,b,c)
kvk
d) Demostrar que cos2 () + cos2 () + cos2 () = 1.

v
cos2 () + cos2 () + cos2 () =k kvk
k2 = ( kvk
)2 = 1.
kvk
10. Demostrar que si v es ortogonal tanto a w1 como a w2 , entonces v es
ortogonal a k1 w1 + k2 w2 para todos los escalares k1 y k2 .
Utilizando las propiedades del producto escalar y que vw1 = 0 y vw2 = 0,
se obtiene que v (k1 w1 + k2 w2 ) = k1 (v w1 ) + k2 (v w2 ) = k1 0 + k2 0 = 0.
11. Encontrar las ecuaciones paramtricas de la recta que pasa por los
puntos dados.
a) Sean P = (5, 2, 4) y Q = (7, 2, 4).
La recta que pasa por P y Q es paralela al vector determinado por el
segmento
P
Q = (2, 4, 8) y sus ecuaciones paramtricas son:
x = 5 + 2k
y = 2 + 4k
<k<
z = 4 8k
b) Sean P = (0, 0, 0) y Q = (2, 1, 3).
La recta que pasa por P y Q es paralela al vector determinado por el
segmento
P
Q = (2, 1, 3) y sus ecuaciones paramtricas son:
x = 2k
y = k
<k<
z = 3k
312
lgebra
x=0
y=t
<t<
12. Demostrar que la recta r :
z=t
a) pertenece al plano 1 : 6x + 4y 4z = 0 :
t 6 0 + 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 6= 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:
3 r = por qu t 6 0 + 2t 2t = 0 6= 1, entonces r es paralela a 3 .

Adems O = (0, 0, 0) r y el punto de interseccin de 3 con el eje z es
(0, 0, 1
).
2
13. Encontrar la ecuacin del plano 1 que pasa por el punto P =
(3, 6, 7) y es paralelo al plano 2 : 5x 2y + z 5 = 0.
La direccin normal (ortogonal) al plano 1 est dada por el vector n1 =
(5, 2, 1).
La ecuacin del plano 2 en forma punto-normal es: 5(x 3) 2(y + 6) +
(z 7) y en forma general: 5x 2y + z 34 = 0.
14.
Demostrar que las rectas
x 3 = 4t
x + 1 = 12s
y4=t
y 7 = 6s ,
r1 :
< t < y r2 :
<s<
z1=0
z 5 = 3s
se cortan y encontrar el punto de interseccin.
x = 3 + 4t
x = 1 + 12s
y =4+t
y = 7 + 6s , < s <
r1 :
< t < y r2 :
z=1
z = 5 + 3s
3 + 4t = 1 + 12s
4 + t = 7 + 6s
Tenemos que encontrar dos valores de t y s tales que
.
1 = 5 + 3s
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
El plano tiene que pasar por el punto P = (17, 1, 1) y ser paralelo

a r1 y a r2 .
Si n = (a, b, c) es la direccin ortogonal al plano , se obtiene que
: a(x + 17) + b(y + 1) + c(z 1) = 0, donde n (4, 1, 0) = n (12, 6, 3) = 0,
siendo (4, 1, 0) y (12, 6, 3) dos vectores paralelos a las rectas r1 y r2 , respectivamente.
La relaciones n (4, 1, 0) = n (12, 6, 3) = 0 implican que 4a + b = 0 y
12a+6b+3c = 0. Todos los vectores n = (a, 4a, 4a), < a < , a 6= 0,
sern ortogonales a las dos rectas dadas. Entonces, : (x + 17) 4(y + 1) +
4(z 1) = x 4y + 4z + 9 = 0.
16. Demostrar que si v es un vector diferente de cero en Rn , entonces
tiene la norma eucldea 1.
v
kvk
Utilizando una de las propiedades de la norma eucldea:
v
1
kvk
k=|
| k v k=
= 1.
kvk
kvk
kvk
17. Para qu valores de k se cumple que u y v son ortogonales?

a) u = (2, 1, 3), v = (1, 7, k).
u v = 2 + 7 + 3k = 9 + 3k = 0 k = 3.
b) u = (k, k, 1), v = (k, 5, 6).
u v = k 2 + 5k + 6 = 0 k = 2 o k = 3.
18. Demostrar la identidad ku + vk2 + ku vk2 = 2kuk2 + 2kvk2 para
vectores en Rn . Interpretar geomtricamente este resultado en R2 .
El resultado es una consecuencia inmediata de las siguientes relaciones:
ku + vk2 = (u + v) (u + v) = u u + u v + v u + v v = kuk2 + kvk2
ku vk2 = (u v) (u v) = u u u v v u + v v = kuk2 + kvk2
En R2 , utilizando la regla del paralelogramo para determinar el vector
u + v, la identidad ku + vk2 + ku vk2 = 2kuk2 + 2kvk2 se puede interpretar
como: la suma de los cuadrados de las longitudes de las diagonales de un
314
lgebra
paralelogramo es igual a la suma de los cuadrados de las longitudes de sus

lados.
19. Demostrar que si u y v son vectores
ortogonales en Rn tales que
kuk = 1 y kvk = 1, entonces d(u, v) = 2. Interpretar geomtricamente este

resultado en R2 .
d2 (u, v) = ku vk2 = (u v) (u
v) = u u u v v u + v v =
= kuk2 + kvk2 = 2 = d(u, v) = 2.
En R2 este resultado es una aplicacin del teorema de Pitgoras al tringulo rectngulo de lados unitarios u y v.
20. Sea (F(R, R), +, ) el espacio vectorial de las funciones de R en R.
Determinar si los siguientes conjuntos son o no subespacios vectoriales de
F(R, R) :
a) {f F(R, R) |x R f (x) = f (x)} .
b) {f F(R, R) | f (1) = 0} .
c) {f F(R, R) | f (2) = f (3)} .
a) H = {f F(R, R) |x R f (x) = f (x)} . S es subespacio vectorial,
pues obviamente la funcin nula 0 H, pues x R 0(x) = 0 = 0(x) , y
si f, gH y , R, (f + g)(x) = f (x) + g(x) = (puesto que f, gH)
= f (x) + g(x) = (f + g)(x).
b) H = {f F(R, R) | f (1) = 0} .S es subespacio vectorial, pues obviamente la funcin nula 0 H, pues 0(1) = 0 , y si f, gH y ,
R, (f + g)(1) = f (1) + g(1) = (puesto que f, gH) = 0 + 0 = 0.
c) H = {f F(R, R) | f (2) = f (3)} . S es subespacio vectorial, pues obviamente la funcin nula 0 H, pues 0(2) = 0 = 0(3) , y si f, gH y
, R, (f + g)(2) = f (2) + g(2) = (puesto que f, gH) = f (3) +
g(3) = (f + g)(3).
21. Demostrar que el subconjunto H formado por todas las n tuplas
de nmeros reales tales que los elementos de cada n tupla forman una
progresin aritmtica, es un subespacio vectorial de Rn .
Si (a1 , ...., an ) H, los elementos a1 , ...., an estn en progresin aritmtica.
Por consiguiente, siendo d la razn de la progresin,
(a1 , a2 , ...., an ) = (a1 , a1 + d, ...., a1 + (n 1)d)

Obviamente (0, 0, ..., 0) H (progresin aritmtica de razn d = 0, y
cuyo primer elemento es el 0).
lgebra
315
Sean (a1 , a1 + d, ...., a1 + (n 1)d), (b1 , b1 + d0 , ...., b1 + (n 1)d0 ) H y

, R. En ese caso
(a1 , a1 + d, ...., a1 + (n 1)d) + (b1 , b1 + d0 , ...., b1 + (n 1)d0 ) =

= (a1 + b1 , (a1 + b1 ) + d + d0 , ...., (a1 + b1 ) + (n 1)d +
+ (n 1)d0 ).
Es decir, es un elemento de H, puesto que es una progresin aritmtica de
razn d + d0 y cuyo primer elemento es a1 + b1 .
22. Se dice que A Mn (K) es simtrica si t A = A. Si denotamos por
Sn (K) al conjunto de las matrices simtricas de orden n, demostrar que Sn (K)
es un subespacio vectorial de Mn (K).
Vemoslo usando la otra caracterizacin de los subespacios vectoriales:
Obviamente la matriz (0) es simtrica, pues t (0) = (0), luego (0) Sn (K).
Por otra parte, si A, B Sn (K), se verica que t (A) = A y t (B) = B.
Pero t (A + B) =t (A) +t (B) = A + B y, en consecuencia, A + B Sn (K),
y si
A Sn (K) y K, t (A) = t (A) = A.
Recordemos que una matriz A Mn (K) es antisimtrica si t A = A.
Constituyen las matrices antisimtricas un subespacio vectorialde Mn (K)?
Justifquese la respuesta.
Veamos que si: (0) es antisimtrica, pues t (0) = (0) = (0). Si A, B
son antisimtricas t (A) = A y t (B) = B, con lo que t (A + B) =t (A) +t
(B) = A + (B) = (A + B), y si A es antisimtrica y K, entonces
t
(A) = t (A) = (A) = (A).
23. En R4 se considera el subespacio vectorial H = L(A) generado por el
conjunto A de vectores A = {(1, 1, 0, 0), (0, 1, 1, 0), (2, 1, 1, 0), (3, 3, 0, 0)}.
Pertenece el vector (1, 1, 1, 0) al subespacio vectorial H?
Como hemos visto, existen varias formas de resolver este problema. La
ms directa es utilizar el mtodo de Gauss:
consideremos la matriz de coordenadas de los 5 vectores anteriores respecto de la base cannica, y mediante transformaciones por columna obtenemos
unamatriz gaussiana:
1 0 2
3 1
1 0 0 0 0
c3 = c3 2c1
1 1 1 3 1
1 1 1 0 2
c4 = c4 3c1
0 1 1
0 1 1 0 1
0 1
c5 = c5 c1
0 0 0
0 0
0 0 0 0 0
316
lgebra
1 0 0 0 0
1 1 0 0 0
c3 = c3 c2
0 1 0 0 1
c5 = c5 2c1
0 0 0 0 0
Como puede observarse, la matriz es gaussiana, con lo que su rango es 3.
Sin embargo, el rango correspondiente a la matriz formada por las 4 primeras
las es 2 , con lo que los vectores columna c1, c2 y c5 constituyen un sistema
libre. El vector (1, 1, 1, 0) no pertenece al subespacio H.
24. En el R e.v. R3 con su estructura de espacio vectorial habitual
determinar si los sistemas de vectores
(1, 1, 1), (1, 1, 0), (1, 0, 0) y (1, 2, 3), (2, 0, 1), (1, 2, 2)
son libres o ligados.
Como en el problema anterior, hay varias formas de resolverlo. La ms
sencilla es utilizar el mtodo de Gauss, pero lo vamos a hacer de dos formas
distintas:
a) Modo 1): Sean , , R tales que
(1, 1, 1) + (1, 1, 0) + (1, 0, 0) = (0, 0, 0).

En ese caso
( + + , + , ) = (0, 0, 0),
de donde, resolviendo el sistema de ecuaciones, = 0, = 0, = 0. Es decir,
el sistema {(1, 1, 1), (1, 1, 0), (1, 0, 0)} es libre.
Modo 2): Consideramos la matriz cuyas columnas son las coordenadas
de los vectores respecto de una base del espacio vectorial considerado (en
este caso la base cannica de R3 ) y hallamos el rango de esa matriz. Si el
rango de la matrz coincide con el nmero de vectores, el sistema es libre. Si
al hacer transformaciones elementales por columnas obtenemos una columna
de ceros, el vector correspondiente a esa columna se puede expresar como
combinacin
lineal
de los anteriores y el sistema es ligado. En nuestro caso:

1 1 1
1 1 0 es la matriz. Est claro que es una matriz gaussiana. Por
1 0 0
consiguiente el rango es 3, y el sistema de vectores es libre.
b) Lo hacemos del segundo modo:
lgebra
317
1 2 1
2 0 2 ; puesto que no es gaussiana, la convertimos en gaussiana
3 1 2
realizando
transformaciones
elementales
por columnas:
1 2 1
1 2 2
2 0 2 c3 = c3 c1 2 0 0 c3 = c3 + c2
3 1 1
3 1 2
1 2 0
2 0 0
3 1 0
Est claro que el rango del sistema de vectores es 2, y que el correspondiente a la ltima columna se expresa como combinacin lineal de los
correspondientes a las dos primeras. Por consiguiente el sistema es ligado.
25. Consideramos el Z2 espacio vectorial de los bytes (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)
es libre o ligado y hallar el subespacio vectorial generado por el conjunto de
esos dos vectores.
Es obvio que el sistema es libre, pues ninguno de los dos vectores que constituyen el sistema se puede expresar en funcin del otro (como combinacin
lineal del mismo). De otro modo, si , Z2 son tales que
(1, 0, 0, 0, 1, 1, 1, 0) + (0, 1, 1, 1, 1, 1, 1, 0) = (0, 0, 0, 0, 0, 0, 0, 0),

tendremos que
(, 0, 0, 0, , , , 0) + (0, , , , , , , 0) = (0, 0, 0, 0, 0, 0, 0, 0)
de donde = = 0.
El subespacio vectorial generado por estos vectores es
H = {(x1 , ..., x8 ) Z82 |

, Z2 ..(x1 , ..., x8 ) = (1, 0, 0, 0, 1, 1, 1, 0) + (0, 1, 1, 1, 1, 1, 1, 0)}.
26. En el espacio vectorial P4 (C) de los polinomios de grado menor o
igual que 4 con coecientes en C se considera el polinomio p(x) = x4 x2 + 2.
318
lgebra
Demostrar que el sistema p(x), p0 (x), p00 (x), p000 (x) formado por el polinomio
p(x) y sus sucesivas derivadas (hasta la tercera) es un sistema libre.
Lo hacemos por el mtodo de Gauss:
p0 (x) = 4x3 2x, p00 (x) = 12x2 2, p000 (x) = 24x
Siendo B = {1, x, x2 , x3 , x4 }, la matriz de coordenadas de los vectores del
sistema
considerado es
2
0 2 0
0 2 0 24
1 0 12 0 ; la matriz es gaussiana, y por consiguiente su
0
4
0 0
1
0
0 0
rango es igual al nmero de vectores columna no nulos, es decir, 4. Por tanto
una base del subespacio H = L{p(x), p0 (x), p00 (x), p000 (x)} es
{p(x), p0 (x), p00 (x), p000 (x)},

con lo que el sistema {p(x), p0 (x), p00 (x), p000 (x)} es libre.
27. En el espacio vectorial F(N, R) de las sucesiones de nmeros reales,
con la suma y producto habituales, consideramos el conjunto
H = {(xn ) F (N, R) |n N xn+2 = xn+1 + xn }

b) Comprobar que dim(H) = 2.
a) i) Evidentemente la sucesin nula (0) H, pues la relacin xn+2 =
xn+1 + xn se traducira en este caso en que
0 = 0 + 0, lo cual es cierto.
xn+2 = xn+1 + xn
ii) Si (xn ), (yn ) H, tendremos que
yn+2 = yn+1 + yn
con lo que xn+2 + yn+2 = (xn+1 + yn+1 ) + (xn + yn ), es decir, la sucesin
(xn ) + (yn ) H.
iii) Finalmente, si (xn ) H y R, vamos a ver que (xn ) H :
puesto que (xn ) H, xn+2 = xn+1 + xn y en consecuencia, multiplicando
los dos miembros de la igualdad por , xn+2 = xn+1 + xn , es decir, la
sucesin (xn ) = (xn ) H.
b) Para resolver este apartado lo que hay que tener en cuenta es : si la
sucesin (xn ) H, cuntos parmetros me determinan la sucesin?. Es
obvio que si n N xn+2 = xn+1 + xn , conocidos x1 y x2 , la sucesin queda
completamente determinada, pues x3 = x1 + x2 , ....
lgebra
319
Luego si
consideramos
las sucesiones de (xn ), (yn ) H que satisfacen las
x1 = 1
y1 = 0
,y
, dada cualquier sucesin (zn ) H , si
condiciones
x2 = 0 y 2 = 1
z1 =
z1 = x1 + y1
, resulta que
, y, teniendo en cuenta que esos
z2 =
z2 = x2 + y2
dos valores determinan la sucesin (zn ) H, resulta que (zn ) = (xn ) +
(yn ). Por tanto {(xn ), (yn )} es un sistema generador de H. Por otra parte,
es inmediato
+ (yn ) = (0) (sucesin nula), en
que es libre, pues si (xn )
x1 + y1 = 0
1+0=0
particular
, de donde
, es decir, =
x2 + y2 = 0
0+1=0
= 0. Por tanto, dim(H) = 2.
28. Hallar el rango de lassiguientes matrices:
1 3 0 2
1 1 2 1
1 3 2
1
0
1
7
1
1
2 1 2 1 3 4 .
A = 2 1 1 , B =
2 2 3 0 , C =
0 2 0
1 6 2 2
1 2 1 1 3 1
5 1 1 0
1 3 2
1 0
0
c2 = c2 3c1
2 5 3 El rango de A es
A= 2 1 1
c3 = c3 2c1
0 2 0
0 2
0
3.
1 3 0 2
1 4 2 3
1 1 2 1 c2 = c2 + c1 1 0 0 0
1
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
29. Encontrar una base y hallar la dimensin del espacio de matrices

triangulares superiormente T n (K).
T n (K) = { A= (aij ) Mn (K) | aij = 0 si j < i }.
Para todos
s =1,...,n
y
t =i,...,n, sea Est Mn (K) la matriz
denida por
0
si (i, j) 6= (s, t)
Est =
.
1
si (i, j) = (s, t)
Sea B = {Est : s = 1, ..., n, t = s, ..., n} . Queremos vericar que B es
una base de T n (K).
P
P
B es libre ya que si
Est = (0)
s=1,...,n
t=s,...,n ast
P
P Mn (K), entonces,
para todo i=1,...,n y j=i,...,n, se verica que s=1,...,n t=s,...,n ast Est (i, j) =
aij Eij (i, j) = aij = 0.
P
P
B es generador ya que si A= (ast ) Mn (K), A= s=1,...,n t=s,...,n ast Est .
Para todo s=1,...,n, el nmero de matrices Est con t=s,...,n es (n-s+1),
se sigue que
el nmero de elementos de B es n+(n-1)+(n-2)+...+2+1=n(n+1)/2.
30. En el espacio vectorial Z52 , hallar una base del subespacio vectorial
H = L({ 0 1 0 1 1 , 0 1 0 0 1 ,
0 0 0 1 0 , 0 1 1 1 1 }).
0
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
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
La dimensin de H es 3 y una base es
B={ 0 1 0 1 1 , 0 1 0 0 1 , 0 1 1 1 1 }
31. En el espacio vectorial R3 , hallar una base del subespacio vectorial
H = L({(3, 2, 1), (1, 1, 1), (4, 3, 0)}).
3 1 0
3 1 1
3 1 4
2 1 3 c3 = c3 c1 2 1 1 c3 = c3 c2 2 1 0
1 1 1
1 1 0
1 1 0
3 4 0
c2 = c2 + c1 2 3 0 .
1 0 0
Entonces la dimensin de H es 2 y una base es B={(3, 2, 1), (1, 1, 1)}.
7.3

del captulo 3
1. Razonar si las siguientes funciones son o no lineales (en cada uno de

los conjuntos considerados se considera su estructura habitual de espacio
vectorial):
a) f :
R3
R
b) f :
R3
R
(x, y, z) x + 2y 3z
(x, y, z) xyz
c) f :
R2
R
2
(x, y) x + y
Unicamente es lineal la del apartado a). La del apartado b) no puesto

que, por ejemplo, f ((1, 1, 1) + (1, 1, 1)) = f (2, 2, 2) = 2 2 2 = 8, mientras
que f (1, 1, 1) + f (1, 1, 1) = 1 1 1 + 1 1 1 = 2.
La del apartado c) no es lineal pues por ejemplo, f (2(1, 1, 1)) = f (2, 2, 2) =
6, mientras que 2 f (1, 1, 1) = 2(12 + 1) = 4.
322
lgebra
2. Dada la funcin lineal f : R2 R3 determinada por las condiciones
f (1, 0) = (3, 4, 1), f (0, 1) = (1, 0, 1),

(3, 1) = 3(1, 0) + 1(0, 1), luego, puesto que f es lineal,
f (3, 1) = f (3(1, 0) + 1(0, 1)) =

= 3f (1, 0) + f (0, 1) = 3(3, 4, 1) + (1, 0, 1) =
= (9, 12, 3) + (1, 0, 1) = (8, 12, 4).
Anlogamente, puesto que (2, 1) = 2(1, 0) + (1)(0, 1),
f (2, 1) = f (2(1, 0) + (1)(0, 1)) =

= 2f (1, 0) + (1)f (0, 1) = 2(3, 4, 1) + (1, 0, 1) =
= (6, 8, 2) + (1, 0, 1) = (7, 8, 1).
3. Determinar
si la funcin T : M2 (R) R, donde
a b
= 3a 4b + c d
a) T
c d
a b
= a 2 + b2
b) T
c d
es una transformacin lineal.
a1 b1
a 2 b2
a) Sean k, l R y A =
,B =
M2 (R).
c1 d1
c d

2 2
a1 b1
a2 b2
ka1 + la2 kb1 + lb2
T k
+l
=T
=
c1 d1
c2 d2
kc1 + lc2 kd1 + ld2
= 3(ka1 +la2 )4(kb1 +lb2 )+(kc
) = k(3a1 4b
1 +lc2 )(kd
1 +c1 d1 )+
1 +ld2
a 2 b2
a1 b1
. Entonces T
+ lT
+l(3a2 4b2 + c2 d2 ) = kT
c2 d2
c1 d1
es lineal.
1 1
1 0
b) Sean k, l R y A =
,B =
M2 (R). Entonces,
0 0
0 0
1 1
1 0
2 1
T
+
=T
=5
y
0 0
0 0
0 0
lgebra
323
1 1
1 0
T
= 2, T
= 1. T no es lineal ya que T (A) + T (B) 6=
0 0
0 0
T (A + B).
4. Sea T : R2 R2 el operador lineal denido por la expresin T (x, y) =
(2x y, 8x + 4y). Cules de los siguientes vectores estn en R(T )?
a) (1,-4)
b) (5,0) c) (-3,12)
T (x, y) = (2x y, 4(2x 4)).
a) T (0, 1) = (1, 4) R(T ).
b) (5, 0) no puede estar en R(T ) ya que 4(5) 6= 0.
c) T (0, 3) = (3, 12) R(T ).
5. Sea T : P2 P3 la transformacin lineal denida por T (p(x)) = xp(x).
Cules de los siguientes vectores estn en Ker(T )?
a) x3 b) 0 c)1 + x
a) T (x3 ) = x4 6= 0 x3
/ Ker(T )
b) 0 Ker(T ) ya que T es lineal.
c) T (1 + x) = x + x2 6= 0 x3
/ Ker(T ).
6. En cada inciso, usando la informacin proporcionada obtener la nulidad de T.
a) T : R5 R7 tiene rango 3, entonces la nulidad de T es 5-3=2.
b) T : P4 P3 tiene rango 1, entonces la nulidad de T es 5-1=4.
c) T (R6 ) = R3 ,entonces la nulidad de T es 6-3=3.
d) T : M2 (R) M2 (R) tiene rango 3, entonces la nulidad de T es 4-3=1.
7. Sea T : R2 R2 la proyeccin ortogonal sobre la recta y=x.
a) Encontrar el ncleo de T.
Ker(T) es el subespacio vectorial de R2 que tiene proyeccin ortogonal
(0,0) sobre la recta y=x. Entonces es la recta y=-x.
b) Es T uno a uno? Justicar la conclusin.
T es lineal y su ncleo es distinto de {0}, entonces T no es inyectiva.
8. En cada inciso, usando la informacin dada determinar si (la funcin
lineal) T es uno a uno.
a) T : Rn Rm ; nulidad(T) =0.
dim(Ker(T))=0, entonces Ker(T)={0} y T es inyectiva.
324
lgebra
b) T : Rn Rn ; rango(T) = n-1.
dim(Ker(T)) = n-(n-1) =1, entonces Ker(T)6={0} y T no es inyectiva.
c) T : Rm Rn ; n<m.
Ya que rango(T) n, dim(ker( T)) = m-rango(T) > m-n > 0, entonces
T no es inyectiva.
d) T : Rn Rn ; R(T) = Rn .
dim(ker( T)) = n-rango(T) = n-n = 0, entonces Ker(T)={0} y T es
inyectiva.
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 .
2
T(1)
= 1, T(x)
= 1-2x, T(x ) = -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
a
+
a
1 1
0
0
1
a1 =
= (T(p(x)))B2 .
A(p(x))B2 =
(2a1 + 3a2 )
0 2 3
a2
10. Sea T1 : P1 P2 la transformacin lineal denida por
T1 (c0 + c1 x) = 2c0 3c1 x

y sea T2 : P2 P3 la transformacin lineal denida por
T2 (c0 + c1 x + c2 x2 ) = 3x(c0 + c1 x + c2 x2 ).
Sean B1 = {1,x}, B2 = {1,x,x2 } y B3 = {1,x,x2 ,x3 }.
a) Encontrar MBB31 (T2 T1 ), MBB32 (T2 ), MBB21 (T1 ).
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
f (1, 1, 1, 1) = (0, 0, 1), f (1, 0, 1, 0) = (1, 1, 1),

f (1, 1, 1, 0) = (0, 0, 1), f (1, 2, 0, 0) = (1, 1, 1).
326
R3 .
lgebra
a) Hallar la matriz asociada a f respecto de las bases cannicas de R4 y
b) La dimensin y las ecuaciones de Ker(f ) e Im(f ) respecto de las bases

cannicas de R4 y R3 .
a) El primer apartado se puede hacer de varias maneras. La matriz pedida, MBB34 (f ) es la que tiene por columnas las (f (1, 0, 0, 0))B3 , ..., (f (0, 0, 0, 1))B3 .
Por tanto necesitamos hallar f (1, 0, 0, 0), ..., f (0, 0, 0, 1). Para calcular esas
imgenes, podemos escribir los vectores de B4 como combinacin lineal de los
vectores que denen f y despus hallar f (B4 ), o bien utilizar las matrices
de cambio de base segn vimos en la pizarra. Lo hacemos por este segundo
procedimiento.
Siendo B = {(1, 1, 1, 1), (1, 1, 1, 0), (1, 0, 1, 0), (1. 2, 0, 0)} una base de
4
R,
0 0
1 1
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 ,
con lo que MBB34 (f ) = MBB34 (f IdR4 ) = MBB3 (f ) MBB4 (IdR4 ). Necesitamos,

pues, hallar MBB4 (IdR4 ). Para ello, hay que obtener las coordenadas de los
vectores de la base cannica B4 respectode B.
1 1 1 1
1 1 0 2
De manera directa, MBB4 (IdR4 ) =

1 1 1 0 . Segn sabemos,
1 0 0 0
B
1
B4
MB (IdR4 ) = MB4 (IdR4 )
. Por lo tanto hay que calcular la inversa de la
matriz
anterior.
1 1 1 1 1 0 0 0
1 0 0 0
0 0 0
1 1 0 2 0 1 0 0
1 1 0 2 0 1 0
F1 F4
1 1 1 0
1 1 1 0
0 0 1 0
0 0 1
1 0 0 0
1 1 1 1 1 0 0
0 0 0 1
1
0
0
0
lgebra
327
0
0 0 0 1
2 0 1 0 -1
F = F3 F2
0
0 0 1 -1 3
F4 = F4 F2
1 1 0 0 1
1
-1
F = F4 F3
0 4
0
1
F2 = F2 2F4
-1
F3 = F3 + 2F4
0
F4 = F4
0
1
-1
0
0
0
0
0
1
1 2 1
2 1
Es decir, MBB4 (IdR4 ) = MBB4 (IdR4 )

=
2 1 1 0 , con lo
1 0
1
0
B4
B4
B
que la matriz buscada es MB3 (f ) = MB3 (f ) MB (IdR4 ) =
0
0
0
1
0 0
1 1
1 1 0 0
2 1
2 1
1 1
1 1 0 0 .
= 0 0
2 1 1 0 =
1 1 1 1
1 0 0 2
1 0
1
0
1 0 0
F2 = F2 F1
0 1 0
F3 = F3 F1
0 1 1
F4 = F4 F1
0 1 1
1 0 0 0
0 0 0
0 1 0 2 0 1 0
0 0 1 2
0 -1 1
0 0 1 1
1 -1 0
0 0 0
1 0 0 0
0 1 0 2 0 1 0
0 0 1 2
0 -1 1
0 0 0 1 1 0 -1
1 0 0 0 0 0 0
0 1 0 0 -2 1 2
0 0 1 0 2 -1 -1
0 0 0 1 -1 0 1
b) Utilizando el algoritmo que vimos en clase:
1 -1 0 0
1 -1 0 0
1 0 0 2
c4 =
1
0 0 0
c4 + 2c1
0
1 0 0
0
0 1 0
0
0 0 1
1 -1 0 2
1 -1 0 2
1 0 0 0
c4 =
1
0 0 2
c4 2c2
0
1 0 0
0
0 1 0
0
0 0 1
328
lgebra
1 -1 0 0
1 -1 0 0
1 0 0 0
1
0 0 2
0
1 0 -2
0
0 1 0
0
0 0 1
obtenemos que, respecto de las bases cannicas de R4 y R3 , Ker(f ) =

L({(0, 0, 1, 0), (2, 2, 0, 1)}) e Im(f ) = L({(1, 1, 1), (1, 1, 0)}), por tanto
la dimensin de Ker(f ) = 2 y la dimensin de Im(f ) = 2.
Entonces, respecto de las bases cannicas de R4 y R3 , las ecuaciones
paramtricas de Ker(f ) son:
u = (u1, u2, u3, u4 ) Ker(f ) (a, b) R2 tal que
0 2
u1

0 2 a
u2
1 0 b = u3
0 1
u3
y las ecuaciones paramtricas de Im(f ) son:

v = (v1, v2, v3 ) Im(f ) (a, b) R2 tal que
1 1
v1
1 1 a = v2 .
b
1 0
v3
14. Sea E un espacio vectorial de dimensin 3 y B = {e1 , e2 , e3 } una base
de E. Consideramos la funcin lineal f : E E tal que su matriz asociada
sea
15 11 5
MBB (f ) = 20 15 8 .
8 7 6
Hallar la matriz asociada a f respecto de la base B 0 = {u1 , u2 , u3 }, donde
u1 = 2e1 + 3e2 + e3 ,
u2 = 3e1 + 4e2 + e3 ,
u3 = e1 + 2e2 + 2e3 .
lgebra
329
La matriz de f respecto de la base B 0 es la matriz asociada a la siguiente

composicin de funciones:
B 0 IdE B f B IdE B 0
E E E E
0
MBB0 (f ) = MBB0 (IdE ) MBB (f ) MBB (IdE ),

donde
2 3 1
0
MBB (IdE ) = 3 4 2 es la matriz de
1 1 2
de B y
6 5
B
B0
1
4 3
MB 0 (IdE ) = (MB (IdE )) =
1 1
6 5 2
15 11
0
MBB0 (f ) = 4 3 1 20 15
1 1 1
8 7
las coordenadas de B 0 respecto
2
1 . Entonces,
1
5
2 3 1
8 3 4 2 =
6
1 1 2
1 0 0
= 0 2 0 .
0 0 3
15. Hallar una base del ncleo y una base de la imagen de la siguiente
funcin lineal:
f : R4 R3 determinada por las condiciones:
f (1, 0, 0, 0) = (1, 0, 1), f (0, 1, 0, 0) = (2, 1, 1),

f (0, 0, 1, 0) = (3, 0, 1), f (0, 0, 0, 1) = (1, 1, 1).
De las condiciones enunciadas se sigue
1
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
{(1, 0, 1), (0, 1, 3), (0, 0, 4)}

es una base de Im(f ) y
5
3
( , 1, , 1)
4
4
es una base de Ker(f ).

16. En R2 se considera la base B 0 = {u1 , u2 }, donde
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 0 es
3 15
B0
,
MB 0 (f ) =
2 10
hallar una base de Ker(f ) y una base de Im(f ).
El algoritmo es el mismo que el empleado en el ejercicio 5, pero en este
caso trabajamos con las coordenadas respecto de B 0 :
3 0
3 15
2 10
2 0
c2 = c2 5c1
.
1 5
1
1
1

5
3
Luego, teniendo en cuenta que las coordenadas
y
estn ex1
2
presadas respecto de la base B 0 = {u1 , u2 }, tendremos que el vector
w = 5u1 + u2 = 5(2e1 + 3e2 ) + 3e1 + 4e2 =

= 7e1 11e2
lgebra
331
constituye una base de Ker(f ), y
w0 = 3u1 + 2u2 = 3(2e1 + 3e2 ) + 2(3e1 + 4e2 ) =

= 12e1 + 17e2
constituye una base de Im(f ). En otras palabras, respecto de las coordenadas
cannicas de R2 , {(7, 11)} es una base de Ker(f ) y {(12, 17)} es una base
de Im(f ).
7.4

del captulo 4
1. En el espacio vectorial eucldeo R3 con el producto escalar usual se considera el sistema de vectores
{(1, 2, 1), (0, 1, 1)}.

Se pide obtener, mediante el mtodo de Gram-Schmidt, una base ortonormal
del subespacio
L({(1, 2, 1), (0, 1, 1)})
y la proyeccin ortogonal del vector (1, 1, 1) sobre dicho subespacio.
Sea
v1 = (1, 2, 1), kv1 k = 1 + 4 + 1 = 6 y sea
h(0, 1, 1), (1, 2, 1)i

(1, 2, 1) =
6
1 2 7
1
= (0, 1, 1) (1, 2, 1) = ( , , ),
6
6 3 6
r
r
1
16 49
11
kv2 k =
+
+
=
.
36 36 36
6
v2 = (0, 1, 1)
B = {w1 =
v1
v2
1 2 1
1
4
7
, w2 =
} = {( , , ), ( , , )}
kv1 k
kv2 k
6 6 6
66 66 66
es una base ortonormal de H =L({(1, 2, 1), (0, 1, 1)}).

Sea u = (1,1,1). La proyeccin ortogonal de u sobre H es:
2
10
2 14 59
p (u) = hu, w1 iw1+ hu, w2 iw2 = w1 + w2 = ( , , ).
11 11 11
6
66
332
lgebra
7.5 Soluciones de los ejercicios

del captulo 5
paridad expuesto en los apuntes de clase.
El cdigo de paridad es lineal ya que pueden ser descrito como el conjunto
de soluciones de la ecuacin lineal homognea
x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 = 0 con xi Z2
y en consecuencia dicho conjunto es un subespacio vectorial de 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 .
repeticin expuesto en los apuntes de clase.
El cdigo de repeticin es lineal ya que pueden ser descrito como el como
el conjunto de soluciones del siguiente sistema de ecuaciones lineales:
x1 = x2
con xi Z2
x2 = x3
que equivale al siguiente sistema de ecuaciones lineales homogneas:
x1 + x2 = 0
con xi Z2 .
x2 + x3 = 0
lgebra
333
Una matriz generadora del cdigo de repeticin C = {(0,0,0),(1,1,1)} es:

1
1
1
Una matriz de control del cdigo de repeticin es la matriz asociada al
sistema de ecuaciones lineales homogneas anterior:
1 1 0
.
0 1 1
es:
3. Determinar una matriz de control del cdigo cuya matriz generadora
1
1
G =
1
1
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
Luego la matriz de control es la matriz
H= 1 0 0 1 .
es:
4. Determinar una matriz generadora del cdigo cuya matriz de control
H=
Una posible solucin es:
1 0 1 0
1 1 1 1
334
lgebra
1
1
1
0
0
0
0
1
0
1
0
0
1
1
0
0
1
0
0
1
0
0
0
1
c3 = c3 + c1
1
1
1
0
0
0
0
1
0
1
0
0
0
0
1
0
1
0
luego la siguiente matriz es generadora
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.
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
1 1
H=
1 0
1 0
0 1
y la matriz que permite realizar la decodicacin es la matriz
1 1 0 0
T =
.
1 0 0 0
6. Determinar una matriz de control y una matriz que permita
la decodicacin del cdigo cuya matriz generadora es
1 1
1 0
G =
1 1
0 1
F2 = F2 + F1
1 1 1 0 0 0
1 0 0 1 0
1 0 0 1 0 0 F3 = F3 + F1
0 1 1 1 0
1 1 0 0 1 0 F4 = F4 + F2 0 0 1 0 1
0 1 0 0 0 1
0 0 1 1 0
F1 = F1 + F2
1 0 1
H=
1 1 0
0
1
realizar
0
0
0
1
y la matriz que permite realizar la decodicacin es la matriz
0 1 0 0
T =
.
1 1 0 0
7.6

del captulo 6
an+2 = 7an+1 12an

a1 = 1
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 satisfaganlas 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
2. Encontrar las sucesiones que satisfacen la relacin de recurrencia
an+3 = 4an+2 5an+1 + 2an .

es
La ecuacin caracterstica de la relacin de recurrencia homognea dada
x3 4x2 + 5x 2 = 0
ecuacin que se puede expresar de la forma (x 2) (x 1)2 = 0 y que por
tanto tiene una raiz x = 1 de multiplicidad 2 y otra raiz x = 2 de multiplicidad 1. Por consiguiente, las sucesiones que satisfacen esa relacin de
recurrencia son de la forma:
{1n } + {n1n } + {2n }.
3. Encontrar las soluciones de la ecuacin diferencial
D2 (f ) 7D(f ) + 12f = et .
lgebra
337
La ecuacin caracterstica de la ecuacin diferencial homognea asociada

a la ecuacin dada es:
x2 7x + 12 = 0
ecuacin que se puede expresar de la forma (x 3) (x 4) = 0. Por consiguiente, una base del espacio de soluciones
Ker(D2 7D + 12Id) = Ker((D 3Id) (D 4Id))

de dicha ecuacin homognea ser
{e3t , e4t }.
Como por otra parte el trmino independiente es solucin de la ecuacin
(D + Id)(f ) = 0 D(f ) + f = 0
podemos obtener una solucin particular por el mtodo de los coecientes
indeterminados: Las soluciones de la ecuacin dada lo sern tambin de la
ecuacin
((D + Id) (D 3Id) (D 4Id))(f ) = 0
Como las soluciones de esta ltima ecuacin son de la forma
e3t + e4t + et ,
imponiendo que satisfagan la ecuacin original dada tendremos que
((D 3Id) (D 4Id))(e3t + e4t + et ) = et

de donde
(et + 4et + 3et + 12et ) = et
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
4. Resolver el problema de valor inicial
D(f ) 2f = e2t
f (0) = 1.
Buscamos las soluciones de la ecuacin no homognea dada empleando el
mtodo de los coecientes indeterminados:
Puesto que e2t es solucin de la ecuacin diferencial
(D 2Id) (f ) = 0,
buscamos nuestras soluciones entre las soluciones de la ecuacin
((D 2Id) (D 2Id))(f ) = 0.

Las soluciones de esta ltima ecuacin son de la forma
f (t) = e2t + te2t ,

por lo que, imponiendo que
D(f ) 2f = e2t
obtenemos
es decir,
2e2t + 2te2t + e2t 2e2t 2te2t = e2t ,

e2t = e2t = 1
f (t) = e2t + te2t

.
f (0) = = 1
Por consiguiente la solucin es
de donde
f (t) = e2t + te2t = (t + 1)e2t .
5. Resolver el sistema de ecuaciones diferenciales

0
x1 = 5x1 + 4x2
x02 = x1 + 2x2
lgebra
339
sujeto a las condiciones iniciales x1 (0) = 2,
x2 (0) = 3.
Obtenemos las races del polinomio caracterstico, los autovectores correspondientes y la inversa de la matriz P de paso, resultando
1 4
5
4
1
4
1
0
5
5
=
.
1
1
1 2
1 1
0 6
5
5
Ahora resolvemos el sistema,
es decir,
z10 (t) = z1 (t)

z20 (t) = 6z2 (t)
siendo
x1 (t)
x2 (t)
z1 (t) = et
z2 (t) = e6t
1 4
1 1
z1 (t)
z2 (t)
es decir,
x1 (t)
x2 (t)
1 4
1 1
et
e6t
et + 4e6t
et + e6t
Imponiendo nalmente las condiciones iniciales, tendremos que

+ 4
2
,
=
+
3
es decir: = 1, = 2, con lo que la solucin ser

2et + 4e6t
x1 (t)
=
.
2et + e6t
x2 (t)
6. Resolver el sistema de ecuaciones de recurrencia (ecuaciones en diferencias)
an+1 = 5an + 4bn

bn+1 = an + 2bn
con las condiciones iniciales a1 = 2,
b1 = 3.
340
lgebra
El sistema planteado en forma matricial es
an+1
5 4
an
=
bn+1
1 2
bn
Utilizando los clculos hechos en el problema anterior, tendremos que
1 4

1 0
5 4
1 4
5
5
=
1
1
0 6
1 2
1 1
5
5
con lo que resolver el sistema de relaciones de recurrencia indicado es equivalente a resolver el sistema de relaciones de recurrencia
cn+1
1 0
cn
=
dn+1
0 6
dn
con
Obviamente
an
bn
{cn }
{dn }
1 4
1 1
cn
dn
{1n }
{6n }
con lo que
an
bn
1 4
1 1
6n
+ 4 6n
+ 6n
Imponiendo ahora las condiciones iniciales:
a1
2
+ 24
=
.
=
+ 6
b1
3
de donde
30 = 5 =
= 2
1
6
y, en denitiva, la solucin es
2 + 4 6n1
an
.
=
2 + 6n1
bn
lgebra
341
7. Calcular la potencia nsima de la matriz
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
Sumar a una columna
un mltiplo de otra
Multiplicar una columna
por un nmero no nulo
Ejemplo
Intercambiar dos columnas

Sumar a una la
un mltiplo de otra
Multiplicar una la
por un nmero no nulo
Intercambiar dos las
1 0
0 1
1 7
0 1
7 3
0 1
1 0
0 1
1 0
5 1
7 0
3 1
c2 = c2 + 7c1
c1 = 5c1
c1
c2
5 7
0 1
3 7
1 0
f2 = f2 + 7f1
f1 = 7f1
f1 f2
7 0
5 1
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.
Proposicin A.0.1 Sea A Mn (K). Si

0
A tc A
In tc P,
donde tc denota una transformacin elemental por columnas, se verica que
A0 = AP y que la matriz P Mn (K) es invertible. Anlogamente, si
0
A tf A
In tf P,
donde tf denota una transformacin elemental por las, se verica que A0 =
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 = P0 AP.
0
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 P0 , sean la una inversa de
la otra. Ahora bien, para que P0 = P1 , basta conseguir que
In t c t f In ,
0
(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

A0
t1
In
P1
..
.
r
Pr
In
A0 = (P1 . . . Pr )1 A (P1 . . . Pr ) .
346
lgebra
Para verlo basta tener en cuenta lo anterior y que

1
(P1 . . . Pr )1 = P1
r . . . P1 .
Asmismo, si primero realizamos las transformacines por la y luego por

columnas, tambin obtenemos:
t1
t1
r
1
r
1
A

A00
t1
In
P1
..
.
r
In
Pr
A00 = (P1 . . . Pr )1 A (P1 . . . Pr ) ,
luego, en particular, A0 = A00 .

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.
Por ejemplo, como:
1
2
0
1
0
0
3
1
2
0
1
0
2
1
0
0
0
1
c2 = c2 3c1
c3 = c3 2c1
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).
Teorema A.0.2 Si A es una matriz cuadrada de orden n con coecientes

complejos, existe una matriz semejante a ella T que es triangular.
Demostracin La demostracin consiste en probar que se puede construir

una cadena de matrices
A = T0 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
..
.
..
donde Ani es una matriz cuadrada de orden n i y Rini es una matriz

rectangular de orden i (n i) . Para ello basta ver el procedimiento para aadir un nuevo eslabn a la cadena. As pues supongamos que hemos
construido la cadena hasta Ti , veamos cmo aadir el eslabn Ti+1 .
Puesto que trabajamos con coecientes complejos el polinomio caracterstico
PAni (X) = |Ani XIni |

tiene al menos una raz, a la que por conveniencia denotaremos con . Si
ahora restamos In a la matriz Ti obtenemos:
348
lgebra
Ti In =
Ani Ini
i
..
.
Rini
..
y, puesto que |Ani Ini | = 0, las columnas de la submatriz Ani Ini

son linealmente dependientes. Por tanto, segn sabemos, es posible aplicar una serie de transformaciones elementales por columnas sobre la matriz
Ani Ini de tal modo que en la matriz resultante (una matriz gaussiana)
aparecer alguna columna nula. Adems mediante una permutacin, podemos colocar dicha columna al nal. Luego sabemos determinar una serie de
transformaciones elementales por columnas t1 , t2 , . . . , tk (ms adelante veremos un ejemplo) que aplicadas sobre Ani Ini genera una matriz del
tipo:
11
..
.
ni1
0
.. .
.
0
Por tanto, si aplicamos estas mismas transformaciones sobre la matriz Ti

ni In nos queda una matriz cuya forma es:
11
..
.
0
..
.
ni1 0
R0ini
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
0
la matriz (A.2), obtendremos una matriz T cuya forma es:
0
11
..
.
0
..
.
0
0
ni1
T0 =
R0ini
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 T0 es semejante a Ti ni In , es decir existe
una matriz invertible P tal que
T0 = P1 (Ti ni In ) P.
Pero entonces T0 = (P1 Ti P) ni (P1 In P) = P1 Ti P ni In ,
y en consecuencia P1 Ti P = T0 + ni In , es decir
0
11
+
..
0
P1 Ti P = ni1
R0ini1
0
1ni1
..
.
0
ni,ni1
0
ri,ni
..
.
0
rn,ni
i
..
.
..
y esta matriz es precisamente Ti+1 .
Observacin 67 El mtodo propuesto en la demostracin no modica las

la submatriz triangular obtenida hasta el momento. Esto quiere decir que el
350
lgebra
autovalor de Ani utilizado para aumentar el tamao de la submatriz triangular permanece hasta el nal, apareciendo en la diagonal principal de la
matriz T. Ahora bien, por ser T y A semejantes sus polinomios caractersticos coinciden, y por ser T triangular:
n X
0
0
a21
n1 X
0
|T 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
En primer lugar determinamos las races del polinomio caracterstico de

la matriz:
2 X
0
3
3
2 X
9 = X + 2X 2 X 3 = (1 X)2 (0 X).
1
2
6X
Luego los autovalores A son [1, 1, 0] . A continuacin utilizamos el primero
de ellos para construir T1 :
2 0
3
3 2 9

1 2
6
I3
1
0
0
0
1
0
0
0
1
3 0
3
3 3 9
1 2
5
c3 = c3 + c1
1
0
0

0
1
0
0
0
1
lgebra
351
3 0
0
3 3 6
1 2
4
c
=
c
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
Ahora para construir T2 nos quedan los autovalores [1, 0] . Utilicemos el

primero:
1 2 0
2 2 0
1
1
2
0
1
0
1 2
1
1
2
0
I3
c2 = c2 c1
1
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]
Anton, H., Introduccin al lgebra lineal, Ed. Limusa (Noriega

Editores), 1997, Segunda edicin.
[Ap]
Apostol, T.M., Linear Algebra, A First course with Applications

to Dierential Equations, John Wiley& Sons, 1997.
[B]
Bauldry, W.C. et al., Linear Algebra with Maple, John Wiley&

Sons, 1995.
[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]
Cullen, C. G., Linear Algebra with Applications, AddisonWesley, 1997.
[D]
De la Villa, A., Problemas de lgebra, Ed. CLAGSA, 1994.
[De]
Demmel, J. W., Applied Numerical Linear Algebra, Siam, 1997.
[G]
Grossman, S.I., lgebra lineal, McGraw-Hill, 1996.
[H]
Hernandez, E., lgebra y Geometra, Addison Wesley, 1994.
[J]
Jacob, B., Linear Algebra, W. H. Freeman and Company, 1990.
[N]
Nobel, B., Daniel, J. W., Algebra lineal aplicada, Prentice-Hall

Hispanoamericana, 1989.
353

R.Criado y A.Gallinari PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

R.Criado y A.Gallinari PDF

Cargado por

Copyright:

Formatos disponibles

lgebra

aprenda y utilize correctamente tcnicas y mtodos propios del lgebra

Sistemas de ecuaciones lineales, matrices y eliminacin gaussiana

Vectores en el plano y en el espacio . . . . . . . . . . . . . . .

Algoritmo para hallar una base del ncleo y de la imagen178

4 Espacios vectoriales eucldeos

Funciones complejas de variable real . . . . . . . . . . . . .

7 Soluciones de los ejercicios

Soluciones de los ejercicios

A Nuevo mtodo de triangulacin por semejanza

1.1 Sistemas de ecuaciones lineales, matrices y

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

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

1.1.1 Introduccin a los sistemas de ecuaciones lineales

es una expresin de la forma

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

pendiente b sern elementos de un cuerpo K (con K = R C). En tal caso

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

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

representa una recta en el plano R2 , es decir, el conjunto de pares (x, y) que

Figura 1.1: La recta y=2x+2

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

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

Un sistema de ecuaciones lineales es una sucesin nita de ecuaciones

a11 x1 + ... + a1n xn = b1

Ejemplo 1.1.5 El sistema

es un sistema de 3 ecuaciones con 3 incgnitas.

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

a11 x1 + ... + a1n xn = b1

ai1 1 + ... + ain n = bi

a11 1 + ... + a1n n = b1

cientes en R con dos incgnitas, uno compatible determinado, otro compatible

1.1.2 Sistemas homogneos

es un sistema homogneo de 2 ecuaciones con 3 incgnitas.

Observacin 3 Cualquier sistema de ecuaciones lineales homogneo

a11 x1 + ... + a1n xn = 0

es compatible, puesto que (0, ..., 0) Kn es siempre una solucin de dicho

El sistema homogneo slo tiene la solucin trivial.

Ejercicio 1.1.2 Comprobar que el sistema homogneo

tiene innitas soluciones en R3 , despejando las variables x1 y x2 en funcin

Ejercicio 1.1.3 Vericar que el sistema

slo tiene la solucin trivial.

1.1.3 Transformaciones elementales por las.

realizar en las dos siguientes secciones. En esta seccin tambin daremos

Si una vez obtenido el valor de una de las variables, en lugar de sustituir

aplica ms fcilmente sobre la que se denomina matriz ampliada asociada al

y la matriz ampliada asociada a dicho

La ltima matriz representa, obviamente, que x1 = 1, x2 = 1 y x3 = 1.

2x1 2x2 + 2x3 = 2

es decir, x1 = 1 y x2 x3 = 0, o lo que es lo mismo, x2 = x3 , con lo que,

1.1.4 Sistemas equivalentes

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

para obtener la matriz A0 . Realizar sobre A0 las transformaciones inversas

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

Observacin 4 Como ya hemos sealado, habitualmente representaremos a

por su matriz ampliada:

Denicin 1.1.10 Si una matriz A0 se obtiene realizando transformaciones

Observacin 5 A las transformaciones elementales por las, realizadas, bien

Ejercicio 1.1.5 Vericar que la relacin de equivalencia de matrices en

Teorema 1.1.11 Si dos sistemas de ecuaciones son equivalentes, entonces

tienen exactamente las mismas soluciones. En otras palabras, si S y S 0 son

Demostracin Para demostrar el teorema, es suciente con estudiar el

Es obvio que el intercambio de lugar entre dos ecuaciones del sistema no

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

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

Un sistema de ecuaciones lineales es una sucesin nita de ecuaciones

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

tiene innitas soluciones en R3 , despejando las variables x1 y x2 en funcin

Ejercicio 1.1.3 Vericar que el sistema

1.1.3 Transformaciones elementales por las.

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

Denicin 1.1.10 Si una matriz A0 se obtiene realizando transformaciones

Observacin 5 A las transformaciones elementales por las, realizadas, bien

Ejercicio 1.1.5 Vericar que la relacin de equivalencia de matrices en

Demostracin Para demostrar el teorema, es suciente con estudiar el

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

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

si tienen el mismo nmero de las y de columnas, o lo que es lo mismo A, B

Ejemplo 1.2.2 Veamos algunos ejemplos de matrices denidas con notacin

1. A M33 (K) denida por (A(i, i) = 1, i = 1, 2, 3) (A(i, j) =

En general la matriz In = (aij ) Mn (K) se dene por la condicin

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

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

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

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

Denicin 1.2.7 Dadas las matrices A Mmn (K) y B Mnp (K) se