Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apuntes Algebra Uned
Apuntes Algebra Uned
de lgebra
Tabla de Contenidos.
TABLA DE CONTENIDOS. ................................................................................................. 1
Apuntes de lgebra
2 e 77
1. DEFINICIN....................................................................................................................... 22
2. PROPIEDADES ................................................................................................................... 22
3. MENOR COMPLEMENTARIO Y ADJUNTO DE UN ELEMENTO............................................. 23
4. MENOR COMPLEMENTARIO Y ADJUNTO DE UN MENOR DE UNA MATRIZ ........................ 23
5. CLCULO PRCTICO DE DETERMINANTES ....................................................................... 23
6. DETERMINANTE DE VANDERMONDE ................................................................................ 24
7. CARACTERIZACIN DE LAS MATRICES REGULARES ........................................................ 24
8. CLCULO DE LA MATRIZ INVERSA MEDIANTE DETERMINANTES..................................... 24
9. RANGO DE UNA MATRIZ MEDIANTE DETERMINANTES ..................................................... 25
10. DETERMINANTE DE LA MATRIZ PRODUCTO DE OTRAS DOS ........................................... 25
CAPTULO 4. APLICACIONES LINEALES ................................................................... 27
1. DEFINICIN....................................................................................................................... 27
2. CARACTERIZACIN .......................................................................................................... 27
3. PRINCIPALES PROPIEDADES ............................................................................................. 27
4. IMAGEN DE UNA APLICACIN LINEAL .............................................................................. 28
5. NCLEO DE UNA APLICACIN LINEAL .............................................................................. 28
6. DETERMINACIN DE UNA APLICACIN LINEAL. MATRIZ ................................................ 30
7. RANGO DE UNA APLICACIN LINEAL ............................................................................... 32
8. APLICACIONES LINEALES INYECTIVAS ............................................................................ 32
9. ISOMORFISMOS................................................................................................................. 33
10. CARACTERIZACIN DE ENDOMORFISMOS BIYECTIVOS................................................. 34
11. CONJUNTO DE LAS APLICACIONES LINEALES ENTRE DOS ESPACIOS E Y F ................... 35
12. EL ANILLO /(E) DE LOS ENDOMORFISMOS DE E............................................................ 35
13. MATRICES ASOCIADAS A UN ENDOMORFISMO EN DOS BASES DISTINTAS ...................... 36
CAPTULO 5. SISTEMAS DE ECUACIONES LINEALES ............................................ 37
1. DEFINICIONES ................................................................................................................... 37
2. ENFOQUE VECTORIAL ...................................................................................................... 37
3. EQUIVALENCIA DE SISTEMAS ........................................................................................... 38
4. TEOREMA DE ROUCH-FROBENIUS ................................................................................. 38
5. RESOLUCIN DE ECUACIONES LINEALES ......................................................................... 38
A) MTODO GENERAL............................................................................................................. 38
B) SISTEMA DE CRAMER ......................................................................................................... 39
C) MTODO DE GAUSS ........................................................................................................... 39
D) MTODO DE LA MATRIZ INVERSA ....................................................................................... 39
6. SISTEMA HOMOGNEO ASOCIADO ................................................................................... 39
7. ECUACIONES PARAMTRICAS E IMPLCITAS DE UN SUBESPACIO VECTORIAL ................ 40
8. CLCULO DE LAS ECUACIONES DE UN SUBESPACIO VECTORIAL ..................................... 40
CAPTULO 6. ESPACIO AFN .......................................................................................... 41
1. ESPACIO AFN ................................................................................................................... 41
2. REFERENCIA AFN............................................................................................................. 41
3. ECUACIONES DE UNA RECTA ............................................................................................ 41
4. POSICIONES RELATIVAS DE DOS RECTAS EN E2 ................................................................ 42
5. HAZ DE RECTAS DE VRTICE P ......................................................................................... 43
6. ECUACIONES DE UN PLANO............................................................................................... 44
Apuntes de lgebra
3 e 77
Apuntes de lgebra
4 e 77
Apuntes de lgebra
5 e 77
Captulo 1
Espacios vectoriales
1. Definicin
Sea K un cuerpo conmutativo. Se llama espacio vectorial sobre K, o tambin
K-espacio vectorial, a la terna (E, +, ), donde E es un conjunto, + es una ley interna que
confiere a E estructura de grupo abeliano1, y es una ley externa definida: K E E, y
denotada (, u) u, que verifica las siguientes propiedades:
(u) = ()u;
u E,
, K
( + )u = u + u; u E,
, K
(u + v) = u + v;
u, v E,
Definicin. Se llama grupo (Concepto y nombre debidos a Evaristo GALOIS, genial matemtico francs nacido en 1811, muerto en duelo a la edad de 21 aos.) todo conjunto no vacio, G, dotado de
una ley de composicin interna, asociativa, con elemento neutro, y tal que cada uno de sus elementos
admite un simtrico.
En otras palabras: si las variables x, y, z, , x', tienen G como dominio de definicin, la
estructura de grupo se rige por los cuatro axiomas:
1
2
3
4
(x) (y) (x y)
(x) (y) (z)
(e) (e G) (x)
(x) (x')
:
:
:
:
(x y) G;
(x y) z = x (y z);
e x = x e = x;
x x' = x' x = e.
Los grupos para los que la ley es conmutativa se denominan abelianos (Niels Henrik ABEL
1802-1829, gran matemtico noruego).
Apuntes de lgebra
6 e 77
2. Subespacio vectorial
Sea E un K-espacio vectorial. Toda parte S no vaca de E, que sea un K-espacio
vectorial para las mismas leyes que E, se llama subespacio vectorial de E.
4. Sistema de vectores
Se llama sistema, o familia de vectores de E, cualquier subconjunto finito suyo.
Se indica
F = {u1, u2 ,
, u }
n
u1 E
Toda expresin del tipo 1u1 + + nun con 1 K se llama combinacin lineal
de vectores de la familia F = {u1, u2 , , un } . Toda combinacin lineal de vectores de E es
un vector de E.
u = 1u1 + + n un
, u .
n
Apuntes de lgebra
, u } ;
n
L( F ) = { 1u1 + + n un ; i K }
7 e 77
1u1 + + n un = 0
1 = 2 = ... = n = 0
, u } ligado
n
ui F
c1u1 + c2u2 + + cn un = 0
Esto nos lleva a un sistema homogneo de ecuaciones. Los vectores sern linealmente dependientes si y slo si el sistema tiene soluciones no triviales. El sistema se escribe empleando una matriz aumentada y luego se reduce por filas. Si el resultado es del
tipo:
1 0 0 0
0 1 0 0
0 0 1 0
el sistema no tiene soluciones distintas de la trivial (c1 = 0; c2 = 0; ... cn = 0) y en consecuencia los vectores dados son linealmente independientes.
Si por el contrario el resultado es del tipo:
1 a b 0
0 1 c 0
0 0 0 0
el sistema tiene un nmero infinito de soluciones y al menos un vector es combinacin
lineal de los dems.
Interpretacin geomtrica de la dependencia lineal en 53
Supngase que u , v y w son tres vectores linealmente dependientes en
Entonces existen constantes c1, c2 y c3, no todas cero, tales que
c1u + c2 v + c3w = 0
53.
Apuntes de lgebra
8 e 77
w=
c1
c
u 2 v = Au + Bv
c3
c3
8. Sistema de generadores
Dado un subespacio vectorial S, se dice que el sistema F de vectores genera, o es
un sistema de generadores de S, si
L(F) = S
9. Sistemas equivalentes
Dos sistemas F1 , F2 son equivalentes si generan el mismo espacio vectorial. Es
decir, si
L(F1) = L(F2)
Si a un sistema F se le aade un vector combinacin lineal de los de F, se obtiene
un sistema equivalente. De la misma forma, si F es un sistema ligado, el sistema resultante de eliminar en F el vector combinacin lineal de los restantes, es equivalente a F.
Sea E un espacio vectorial y B = {e1, , en } una base de E y u E . Los escalares 1 , ..., n tales que u = 1e1 + + nen , se llaman coordenadas de u en B, siendo
stas nicas en esta base.
9 e 77
10 e 77
tal que x = u1 + u2 .
Apuntes de lgebra
11 e 77
Captulo 2
Matrices
1. Definiciones
Sean I = {1, 2, ..., m} y J = {1, 2, ..., n} dos conjuntos finitos. Se llama matriz
de m filas y n columnas la imagen de una aplicacin del conjunto I J en el cuerpo K.
Una matriz de tamao, u orden, m por n o (m, n), sobre un cuerpo K es, por
tanto, una familia de elementos de K con ndice en I J. Se denota:
A:IJK
(i, j) aij
Para escribirla, se colocan los elementos aij en una tabla rectangular de m filas y n
columnas, de modo que el elemento aij est colocado en la fila i y en la columna j.
a 11 a 12
a 21 a 22
A = [aij] =
... ...
am1 am 2
... a 1n
... a 2 n
... ...
... amn
aij = 0 ij
Apuntes de lgebra
12 e 77
aij = aji
A = At
si i j A = -At.
Teorema:
Toda matriz cuadrada es la suma de una matriz simtrica y de otra antisimtrica; esta descomposicin es nica.
Admitiendo una descomposicin A = S + T, con S simtrica y T antisimtrica,
se tiene que At = S T; por consiguiente,
S=
1
1
( A + At ) , T = ( A At )
2
2
Matriz elemental es la matriz que se puede obtener a partir de la matriz identidad, efectuando una sola operacin elemental sobre sus filas.
Toda matriz elemental es inversible. La inversa de una matriz elemental es otra
matriz del mismo tipo.
Una matriz cuadrada es inversible, si y solo si, es el producto de matrices elementales.
Si A es una matriz inversible, existe una serie finita de matrices elementales E1,
E2, ..., En, tales que En En-1 ... E2 E1 A = I.
Matriz triangular superior y matriz triangular inferior es la matriz cuadrada
que tiene todos los elementos situados debajo (encima) de la diagonal principal
iguales a cero.
3. Suma de matrices
Sea Mm, n el conjunto de matrices con m filas y n columnas, con elementos en un
cuerpo K. Se define suma de matrices de Mm,n otra matriz de Mm,n obtenida de la siguiente manera:
A = [aij], B = [bij] Mm,n ; A + B = C = [cij] Mm,n
tal que
cij = aij + bij
Apuntes de lgebra
13 e 77
Es decir, matriz suma de dos matrices dadas, es la matriz cuyos elementos son la
suma de los elementos de las matrices sumandos que ocupan el mismo lugar.
Teorema:
La traspuesta de una suma es la suma de las traspuestas.
(A + B)t = At + Bt.
A = [aij]
Es decir, la matriz cuyos elementos son los productos de por los elementos de
A que ocupan el mismo lugar.
Ejercicio:
Determnense dos matrices, X e Y, cuadradas y de orden 2, que verifiquen el sistema lineal:
1 2
2 1
2 X 5Y =
, X + 3Y =
0 1
3 0
Solucin:
x11
Siendo X =
x 21
x12
y11
eY=
x 22
y 21
y12
, resulta:
y 22
2 x11 5 y11 = 1
2 x 5 y = 2
12
12
2 x 21 5 y 21 = 0
2 x 22 5 y 22 = 1
x11 + 3 y11 = 2
x12 + 3 y12 = 1
x 21 + 3 y 21 = 3
x 22 + 3 y 22 = 0
Apuntes de lgebra
14 e 77
0
1
0
0
0
2
0
0
0
1
0
0
0
0
2
0
0
0
1
0
0
0
0
2
0
0
0
1
5
0
0
0
3
0
0
0
0
5
0
0
0
3
0
0
0
0
5
0
0
0
3
0
0 1 1 0 0
0 2 0 1 0
0 0 0 0 1
5 1 0 0 0
0 2 0 0 0
0 1 0 0 0
0 3 0 0 0
3 0 0 0 0
13 1
X =
15 3
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
13
1
15
3
5
0
6
5 0
Y=
6 1
B = ... ... ... ... , ... ... ... ..., ... ... ... ... ...
0 0 ... 0 0 0 ... 0 0 0 ... 1
de las matrices que van teniendo 1 en un elemento y los dems cero de forma alternativa
en todos los aij, es una base del espacio vectorial, es la llamada base natural o cannica.
La dimensin de Mm,n (K) es, por tanto, m n.
En particular, el conjunto Mn de matrices cuadradas de orden n es un K-espacio
vectorial de dimensin n2 .
7. Producto de matrices
Dadas las matrices sobre el mismo cuerpo K:
A = [aij] Mm,n ,
B = [bij] Mn,p
es decir, que la primera tiene el mismo nmero de columnas que filas la segunda, se define matriz producto de A y B, y se designa A B la matriz C = [cij] Mm,p (de orden m,
p) tal que el elemento ij-simo de C es igual al producto escalar de la i-sima fila de A y
la j-sima columna de B. Si se desarrolla, se obtiene:
Apuntes de lgebra
15 e 77
ik kj
k =1
ESTRUCTURA DE ANILLO
Dado un grupo abeliano A, que denotaremos aditivamente, definimos sobre A una estructura de anillo dotando a este conjunto de una segunda ley interna, llamada multiplicacin, asociativa y doblemente distributiva con relacin a la adicin.
Los axiomas de la estructura de anillo son los siguientes:
I.
1.
2.
3.
4.
5.
Apuntes de lgebra
16 e 77
1
0
Empezaremos con un ejemplo sencillo. Sean u1 = y u2 = . Entonces B1 =
0
1
1
1
{u1 , u2} es la base cannica en 52. Sean v1 = y v2 = . Como v1 y v2 son li3
2
nealmente independientes B2 = {v1, v2} es una segunda base de
vector en
52.
x
Sea x = 1 un
x2
x1
1
0
x = = x1 + x2 = x1u1 + x2u2
0
1
x2
OBSERVACIONES. Cuando la multiplicacin es conmutativa, el anillo se llama conmutativo. Existen, en efecto, anillos no
conmutativos, de los que el ms importante es el de las matrices cuadradas.
Para un anillo que no sea de integridad, existen ciertos elementos no nulos cuyo producto es nulo: los llamados divisores de
cero.
Apuntes de lgebra
17 e 77
Es decir, x est escrito en trminos de la base B1. Con objeto de recalcar este
hecho, se escribe
x1
( x ) B1 =
x2
2
, existen escalares c1 y c2 tales que
x = c1v1 + c2 v2
o bien
1
2
2
c1 5 x1 + 5 x 2 5
( x ) B2 = = 3
=
c2 x + 1 x 3
5 1 5 2 5
1
5 x1
1 x 2
3
Por ejemplo, si ( x ) B1 = , entonces
4
Apuntes de lgebra
18 e 77
( x ) B2 = 53
1
2
3
5 = 5
1 4 13
5
5
Comprobacin:
2 13
0
2 1 13 1 5 + 5 3 1
2
13
v1 v 2 = = 6 26 = = 3 4 = 3u1 4u2
0
4
5 3 5 2
5
5
1
5 5
2 1
5 5
ha mostrado que ( x ) B2 = A ( x ) B1 .
Generalizacin:
Sea E un K-espacio vectorial de dimensin n y sean
B1 = {e1, e2 ,
, e } ;
n
B2 = {v1, v2 ,
, v }
n
... a1n y1
... a 2 n y 2
... ... ...
... a nn y n
Esta expresin se llama ecuacin matricial del cambio de base.
Llamando de forma simplificada:
UB1 =
matriz columna que expresa las coordenadas de u en B1
UB2 =
matriz columna que expresa las coordenadas de u en B2
M B2, B1 = matriz cuyas columnas son las coordenadas de los vectores de B2 en B1
(se llama matriz de paso).
Ser
UB1 = M B2, B1 UB2
Dado que la matriz M B2, B1 es regular, tiene inversa y se verifica:
Apuntes de lgebra
a12
a 22
...
an2
19 e 77
M 1 B2, B1 = M B1, B2
Y con ello la otra expresin del cambio de base:
UB2 = M 1 B2, B1 UB1
, v
, u } .
n
ui = ui + 1u1 + + n un (j = escalares)
c) Multiplicar uno de ellos por un escalar.
Se llaman operaciones elementales, y el sistema obtenido al realizarlas es equivalente al primero.
Pues bien, si se efectan estas operaciones en las filas (o columnas) de una matriz, se obtendr otra con el mismo rango.
Para efectuar una operacin elemental de fila en la matriz A de m n, A se multiplica por la izquierda por la matriz elemental apropiada.
Apuntes de lgebra
20 e 77
Apuntes de lgebra
21 e 77
Captulo 3
1. Definicin
Sea (aij) = A, una matriz cuadrada de orden n sobre un cuerpo K. Se llama determinante de A el escalar que resulta de sumar algebraicamente n! sumandos, de tal
forma que cada sumando es el producto de n factores siendo cada factor un elemento de
la matriz perteneciente a fila y columna distinta de los restantes. Cada sumando estar
afectado del signo + o , segn que la permutacin que indica las filas y la que indica las
columnas sean del mismo o distinto orden respectivamente. Se designa |A| .
As, si n = 2
|A| =
a11 a12
= a11a22 a12a21
a 21 a 22
El sumando a11a22 est precedido del signo + , porque las permutaciones que indican filas y columnas: 1,1 y 2,2 son del mismo orden. El sumando a12a21 est precedido
del signo , porque las permutaciones ahora: 1,2 y 2,1 son de distinto orden.
Si n = 3
a11 a12
|A| = a 21 a 22
a 31 a 32
a13
a23 =
a33
2. Propiedades
a) El determinante de una matriz cuadrada A es igual al determinante de su traspuesta.
b) Si se permutan entre si dos lneas (filas o columnas) paralelas, el determinante
cambia de signo.
c) Si en una lnea, se multiplican todos los elementos por un mismo escalar , el
determinante queda multiplicado por .
d) Si en una matriz se expresa una de sus lneas como suma de dos nuevas, el
determinante es igual a la suma de los dos determinantes que se obtienen de
sustituir la lnea por cada una de las lneas sumandos.
Apuntes de lgebra
22 e 77
a11 ... a1 + b1
a21 ... a2 + b2
... ...
...
an1 ... an + bn
a1n
a11 ... a1
... a 2
a2 n
a
= 21
...
... ... ...
ann
an1 ... a n
a1n
a11 ... b1 a1n
... b2 a 2 n
a 2n
a
+ 21
...
... ... ... ...
a nn
an1 ... bn a nn
e) El determinante de una matriz cuadrada es nulo si, y solo si, los vectores que
indican las filas (o las columnas) son linealmente dependientes. En particular:
Si existe una lnea con todos ceros, el determinante es cero.
Si existe una lnea combinacin lineal de otras paralelas, el determinante es
cero.
Si dos filas o columnas son iguales, el determinante es cero.
f) Si en una matriz se sustituye una lnea por ella misma ms una combinacin lineal de otras paralelas, el determinante de la matriz obtenida coincide con el
de la primera matriz.
g) El determinante de una matriz triangular (superior o inferior) es igual al producto de los elementos situados en su diagonal.
23 e 77
6. Determinante de Vandermonde
Se denomina as al siguiente determinante:
1
a1
Dn = a12
...
a2
a22
...
a1n1
n
a2n1
... 1
... a n
... an2
... ...
... a nn1
significa producto).
Apuntes de lgebra
24 e 77
A 1 =
1
( A)t
A
Esta frmula ofrece los pasos a seguir para calcular la matriz inversa de una matriz cuadrada regular A:
Se calcula la matriz adjunta de A.
Se halla la traspuesta de la matriz adjunta.
Se calcula el determinante de A.
Se divide cada elemento de la matriz A t por el valor |A|.
ADVERTENCIA
Algunos autores denominan matriz adjunta a la traspuesta de la matriz que resulta de sustituir cada elemento de la matriz por su adjunto, con lo cual en esta formula,
resultara la matriz inversa igual al cociente de la matriz adjunta por el determinante de la
matriz.
Apuntes de lgebra
25 e 77
Captulo 4
Aplicaciones lineales
1. Definicin
Dados dos espacios vectoriales E y F sobre el mismo cuerpo de definicin K, una
aplicacin f : E F se llama aplicacin lineal u homomorfismo entre E y F si para
cualquier par de vectores u , v E y todo escalar K se verifica:
f ( u + v ) = f (u ) + f ( v )
f (u ) = f ( u )
2. Caracterizacin
Estas dos propiedades son equivalentes a:
f : E F ; f lineal , K, u , v E
es
f (u + v ) = f ( u ) + f ( v )
Tipos:
Si f biyectiva, la aplicacin lineal es isomorfismo.
Si f : E E la aplicacin se dice endomorfismo.
Si f no es inyectiva ni sobreyectiva, se dice aplicacin en.
El endomorfismo biyectivo se dice automorfismo.
La aplicacin lineal de un espacio sobre su cuerpo de escalares; f : E(K) K
se dice forma lineal.
3. Principales propiedades
Si f : E F es aplicacin lineal, se verifica:
a) f( 0 ) = 0
b) u E; f ( u ) = f ( u )
c) S E, S subespacio vectorial de E f(S) subespacio vectorial de F.
Apuntes de lgebra
26 e 77
+ a v ) = a f (v ) + a f (v ) + + a f (v )
n n
5 5
4
definida por:
f(x, y, s, t) = (x y + s + t, x + 2s t, x + y + 3s 3t)
Se trata de hallar una base y la dimensin de: 1) la imagen U de f y 2) el ncleo
W de f.
Solucin:
1) Las imgenes de los siguientes generadores de
generan la imagen U de f:
f(1, 0, 0, 0) = (1, 1, 1)
f(0, 1, 0, 0) = (-1, 0, 1)
f(0, 0, 1, 0) = (1, 2, 3)
f(0, 0, 0, 1) = (1, -1, -3)
Formamos la matriz cuyas filas son los generadores de U y la reducimos por filas a la forma escalonada
Apuntes de lgebra
27 e 77
1
1
1
1
1 1
1 1 1
1 0
0 1
0 1 2
1
2
a
a
0 1
0 0 0
1
2
3
2
1 1 3
0 2 4
0 0 0
Luego {(1, 1, 1), (0, 1, 2)} es una base de U; por tanto dimU = 2.
2) Buscamos el conjunto de los (x, y, s, t) tales que f(x, y, s, t) = (0, 0, 0, 0), esto
es
f(x, y, s, t) = (x y + s + t, x + 2s t, x + y + 3s 3t) = (0, 0, 0)
Igualando las componentes correspondientes, forman el siguiente sistema homogneo cuyo espacio solucin es el ncleo W de f.
x y + s +t
+2 s t
x
x + y +3s 3t
=0
=0
=0
x y + s +t
y
+ s 2t
2 y +2 s 4t
=0
=0
=0
x y + s +t = 0
y + s 2t = 0
Ejemplo:
Dada la aplicacin lineal f :
5 5
3
definida por:
f(x, y, z) = (x + 2y - z, y + z, x + y -2z)
Se trata de hallar una base y la dimensin de: 1) la imagen U de f y 2) el ncleo
W de f.
1) Las imgenes de los generadores de 3 generan la imagen U de f:
f(1, 0, 0) = (1, 0, 1)
f(0, 1, 0) = (2, 1, 1)
f(0, 0, 1) = (-1, 1, -2)
Formamos la matriz cuyas filas son los generadores de U y la reducimos por
filas a la forma escalonada
1 0 1
1 0 1
1 0 1
2 1 1 a 0 1 1 a 0 1 1
1 1 2
0 1 1
0 0 0
Luego {(1, 0, 1), (0, 1, -1)} es una base de U, y, por tanto dimU = 2.
2) Buscamos el conjunto de los (x, y, z) tales que f(x, y, z) = (0, 0, 0), esto es,
f(x, y, z) = (x + 2y - z, y + z, x + y -2z) = (0, 0, 0)
Apuntes de lgebra
28 e 77
y
+z = 0
x + y 2 z = 0
x +2 y z = 0
y
+z = 0
y z = 0
x +2 y z = 0
y
+z = 0
y1 a11 a 21 ... a n1 x1
y a
... a n 2 x 2
; Y = AX
2 = 12 a 22
... ...
... ... ... ...
y m a1m a 2 m ... a nm x n
donde las columnas de la matriz A son las coordenadas de los vectores f ( e1 ) , ..., f ( en )
en la base B' de F.
As:
f ( e1 ) = (a11, a12, ..., a1m) en la base B'
...
f ( en ) = (an1, an2, ..., anm) en la base B'
La expresin matricial puede resumirse:
YB' = M(f,B,B')XB
y se llama expresin matricial de f en las bases B y B'.
Apuntes de lgebra
29 e 77
Conocida M(f,B,B') queda determinada la aplicacin, y elegidas previamente las bases, cada matriz determina una aplicacin lineal, esa matriz se llama matriz de f en las
bases B y B'.
Las ecuaciones deducidas al resolver la expresin matricial de f, se llaman ecuaciones de f.
Ejemplo 1:
Hallar una aplicacin lineal f :
(1, 2, 0, 4) y (2, 0, 1, 3).
5,
4
A=
0 1 0
4 3 0
Recordamos que A determina una aplicacin lineal A : 3 4 cuya imagen es
generada por las columnas de A. Luego A satisface las condiciones requeridas.
Ejemplo 2:
Hallar el ncleo y la imagen de la aplicacin lineal f:
5 5
4
tal que:
f(1, 0, 0, 0) = (1, 1, 2)
f(0, 1, 0, 0) = (2, 1, 1)
f(0, 0, 1, 0) = (4, 1, 5)
f(0, 0, 0, 1) = (-1, 5, 4)
En concreto, se piden sendas bases del ncleo y la imagen.
Resolucin:
Respecto de las bases cannicas de
aplicacin lineal es:
y1
y =
2
y 3
Apuntes de lgebra
x1
1 2 4 1
1 1 1 5 x 2
x
2 1 5 4 3
x4
30 e 77
0 3 3 6
1 2 4 1
0 1 1 2
0
0 0 0
3
1 0 2
0 1 1 2
0
0 0 0
Por tanto, los vectores del ncleo son los que cumplen (para ,
x1
x2
x3
x4
5):
= 2 3
= + 2
luego
=
2 3 3 6
1 0 0 0
1 1 0 0
2 1 0 0
1 0 0 0
1 1 0 0
0 1 0 0
Por tanto, los dos vectores columna no nulos de la ltima matriz, generan la imagen y, como son independientes, son base de ella; esto es:
(1, 1, 0) y (0, 1, -1) forman una base de Im(f).
Apuntes de lgebra
31 e 77
5 5
3
definida mediante
f(x, y, z) = (x, x + y, y + z, x + y + z)
es inyectiva ya que las imgenes de los vectores de la base cannica de 3 son
los vectores:
f(1, 0, 0) = (1, 1, 0, 1)
f(0, 1, 0) = (0, 1, 1, 1)
f(0, 0, 1) = (0, 0, 1, 1)
que forman una base de la imagen, ya que son linealmente independientes.
La inyectividad de f tambin se poda haber comprobado viendo que N(f) = 0;
as es, ya que:
x
x + y
N ( f ):
y + z
x + y + z
=0
=0
=0
=0
x = 0
N ( f ): y = 0 N ( f ) = 0
z = 0
9. Isomorfismos
Cuando se dispone de una aplicacin lineal, entre dos espacios vectoriales E y F,
que adems es biyectiva, puede considerarse que E y F son iguales, se pueden identificar.
Desde el punto de vista de los espacios vectoriales, no hay nada que permita diferenciar a
E de F. Estas aplicaciones lineales y biyectivas se llaman isomorfismos. Un isomorfismo
f:E E, de un espacio en s mismo, recibe el nombre de automorfismo.
1. La composicin de dos isomorfismos es, tambin, un isomorfismo.
2. Una aplicacin lineal f:E F es isomorfismo si y slo si:
Im(f) = F y N(f) = 0
3. Si E tiene dimensin finita, una aplicacin lineal f:E F es un isomorfismo si
y slo si:
dim E = dim f(E) = dim F
4. Si E tiene dimensin finita, una aplicacin lineal f:E E es un automorfismo
si y slo si es inyectiva o sobreyectiva.
5. Si f:E F es un isomorfismo, entonces f 1:F E tambin es un isomorfismo.
Apuntes de lgebra
32 e 77
Ejemplo 1:
Ejemplo 2:
Sea V el espacio vectorial de los polinomios reales de grado menor o igual que 2
y considrese la aplicacin lineal f:V 3 definida por
Hallar h para que f no sea un isomorfismo. Para dicho valor de h, hallar una
base de la imagen Im(f).
Solucin:
El valor buscado de h es aquel que hace singular a la matriz A de f (en la base
usual de V y en la cannica de 3); realizando, pues, operaciones elementales en
las columnas de A, se tiene sucesivamente:
1 1 2
1 0
1 0
0
0
5 2 1
0
A = 2 1 1 2 1
2 3 h
2 1 h + 4
2 1 h + 9
La matriz A es singular para h = 9. Para este valor, el rango de A vale 2, la dimensin de Im(f) es 2 y una base de este espacio la forman las dos columnas no
nulas de la ltima matriz, es decir, los vectores (1, 2, 2) y (0, 1, -1) de 3.
Apuntes de lgebra
33 e 77
/(E,F), se define:
/(E,F)
Si B y B' son dos bases de E y F respectivamente, y M(f, B, B') y M(g, B, B') son las
matrices de f y g en esas bases, se verifica:
M(f + g, B, B') = M(f, B, B') + M(g, B, B')
Aplicacin producto por un escalar. Si K y f
cin f : E F la aplicacin tal que, u E , (f )u = f ( u ) .
12. El anillo
En el conjunto (E) de las aplicaciones lineales sobre E, adems de las operaciones suma y producto por un escalar, es posible definir otra operacin interna, el producto, que ser la propia composicin de aplicaciones.
Dados f : E E y g : E F endomorfismos en E, se llama producto de f y g
la aplicacin g f : E E
u E; ( g f )( u ) = g( f ( u ))
/(E).
-1
M ( f 1 , B ) = M (f1, B )
Apuntes de lgebra
34 e 77
, v }
m
+ a
1n en
............................................
v n = an1e1 + an 2e2 + + annen
a n1
... a1n
... a 2 n
= M ( B2 , B1 )
... ... ...
a n2 ... a nn
la matriz que tiene por columnas las coordenadas de los vectores de la base B2 expresados en B1.
Recordando que
a12
a 22
M ( B2 , B1 ) = M (B11 , B2 )
la expresin M ( f , B2 ) = C 1 M ( f , B1 ) C quedar
M ( f , B2 ) = M ( B1 , B2 ) M ( f , B1 ) M (B11 , B2 )
Apuntes de lgebra
35 e 77
Captulo 5
1. Definiciones
Se llama sistema de m ecuaciones lineales con n incgnitas a un conjunto de
ecuaciones de la forma:
a11x1 + a12x2 + ... + a1nxn = b1
a21x1 + a22x2 + ... + a2nxn = b2
...............................................
am1x1 + am2x2 + ... + amnxn = bm
en las que aij y bi son escalares de un cuerpo Ki y x1, x2, ..., xn son las incgnitas.
Se llama solucin del sistema la n-upla (1, 2, ..., n) de elementos de K, tales
que sustituidos en (x1, x2, ..., xn) verifican todas las ecuaciones. Un sistema de ecuaciones
lineales en el que bi = 0 se llama homogneo.
2. Enfoque vectorial
Un sistema de ecuaciones tal como el del apartado 1, puede expresarse en forma
matricial:
AX = B
donde:
a11 a12 ... a1n
b1
x1
a
b
x
a 22 ... a 2 n
21
2
2
; A=
; B=
X=
...
...
... ... ...
...
a m1 a m2 ... a mn
bn
xn
Por tanto, un sistema de m ecuaciones con n incgnitas puede interpretarse como
la expresin de una aplicacin lineal:
f : E F, de matriz asociada A
donde E es un K-espacio vectorial de dimensin n y F un K-espacio vectorial de dimensin m y tal que la bsqueda de soluciones equivale a hallar vectores
u = (x1, x2, ..., xn) E
que se aplican en el vector b = (b1, b2, ..., bm) F.
La discusin del sistema puede realizarse segn que b pertenezca o no al conjunto Im(f), de la siguiente forma:
a) b Im(f). En este caso no existe u = (x1, x2, ..., xn) tal que f( u ) = b . El sistema no tiene solucin (sistema incompatible).
b) b Im(f). Existen vectores u tales que f( u ) = b . El sistema tiene solucin
(sistema compatible).
Apuntes de lgebra
36 e 77
3. Equivalencia de sistemas
Dos sistemas de ecuaciones son equivalentes si tienen los mismos sistemas de
soluciones.
Proposicin: Sea un sistema de ecuaciones lineales de matriz A. Si en A se efectan operaciones elementales con las filas, la matriz obtenida corresponde a un sistema
de ecuaciones equivalente al primero.
4. Teorema de Rouch-Frobenius
Empleando notacin matricial AX = B para un sistema de ecuaciones lineales, se
verifica:
La condicin necesaria y suficiente para que el sistema AX = B sea compatible es que coincidan los rangos de la matriz A y de la matriz A|B que
resulta de ampliar A con la columna matriz de los trminos independientes
B. Es decir,
Sistema AX = B compatible r(A) = r(A|B)
Consecuencias: Si n = nmero de incgnitas del sistema, y el sistema es compatible:
I) Si r(A) = r(A|B) = n el sistema es determinado.
II) Si r(A) = r(A|B) < n el sistema es indeterminado.
En el caso de sistema homogneo (AX = 0), al ser r(A) = r(A|0) es sistema es
compatible. Ser:
I) = n determinado (solucin nica u = (0, 0, ..., 0)).
II) < n indeterminado.
37 e 77
Ai
A
i = 1, 2, ..., n
Apuntes de lgebra
38 e 77
Apuntes de lgebra
39 e 77
Captulo 6
Espacio Afn
1. Espacio afn
Sea E un conjunto E = {P, Q, R, ...} cuyos elementos se llamarn puntos y sea V
un K-espacio vectorial. Se dice que E es un espacio afn asociado a V, si se define una
aplicacin:
f:EEV
tal que a cada par de puntos (P, Q) le haga corresponder un vector v V que se le denominar v = PQ (es decir: f(P,Q) = v = PQ ) y que verifique:
1 P E, v V ; Q E tal que f(P,Q) = v = PQ )
2 f(P,Q) = 0 P = Q
3 P, Q, R E, tales que PR = PQ + QR f(P, R) = f(P, Q) + f(Q, R)
La dimensin del espacio afn es la dimensin del espacio vectorial asociado.
Se denota E2 el espacio de puntos en el plano asociado al espacio vectorial
sobre .
sobre
2. Referencia afn
Sea E un espacio afn asociado al espacio vectorial V, de dimensin n. El conjunto R = {O, u1, u2 , , un } , donde O E y B = {u1, u2 , , un } es una base de V, se
llama referencia afn de E.
40 e 77
u1 v1
=
r y s paralelas.
u2 v2
2. Si d r = k d s y adems P r es P s r y s coincidentes.
3. Si d r k d s r y s se cortan en un punto solucin del sistema de ecuaciones
cartesianas de ambas.
Si las rectas vienen expresadas por su ecuacin cartesiana, se verifica:
Interseccin de dos rectas: Dadas dos rectas r y s cuyas ecuaciones generales
son r : a1x + a2y + a0 = 0 y s : b1x + b2y + b0 = 0, y llamando M y M' a las matrices:
a1
M=
b1
a2
a1
y
'
M
=
b
b2
1
a2
b2
a0
b0
Apuntes de lgebra
41 e 77
t : c1x + c2y + c0 = 0
a1
M = b1
c1
a1
a2
b2 y M ' = b1
c1
c2
a2
b2
c2
a0
b0
c0
r + s = 0 ; ,
donde r y s representan las ecuaciones cartesianas respectivas, es la del conjunto de rectas de E2 que pasan por P (haz de rectas de vrtice P). Para cada valor de y real se
obtiene una recta del haz.
r
P
s
Ejercicio:
Hallar la recta t que es paralela a r y pasa por la interseccin de s1 y s2, siendo r,
s1 y s2 las rectas de ecuaciones generales
r : 3x + 2y + 5 = 0; s1 : x + 2y +1 = 0; s2 : 2x + y = 7
Solucin:
La recta t, como pasa por la interseccin de s1 y s2, pertenece al haz que estas
definen, luego:
t : (x + 2y +1) + (2x + y 7) = 0 para un cierto
Apuntes de lgebra
42 e 77
6. Ecuaciones de un plano
Un plano es un subespacio de dimensin 2 en un espacio afn. Puede determinarse
por:
a) Un punto y dos vectores contenidos.
b) Tres puntos no alineados.
c) Un punto y un vector perpendicular (vector director o direccin del plano).
Se hallara de la siguiente manera:
a) Si el punto es P = (a, b, c), y los vectores contenidos: u = (u1, u2, u3) y v =
(v1, v2, v3); el plano puede expresarse por las siguientes ecuaciones:
Ecuacin vectorial: OX = OP + u + v ; donde X
5.
v1
v2 = 0; A(x a) + B(y b) + C(z c) = 0
v3
u2
u3
v2
u
; B= 1
v3
u3
v1
u
;C= 1
v3
u2
v1
v2
b) El plano que contiene los tres puntos: P1 = (a1, b1, c1); P2 = (a2, b2, c2); y P3 =
(a3, b3, c3) ser el plano que contiene como vectores, por ejemplo, PP
1 2 y
PP
1 3 , y contiene a un punto cualquiera de los tres dados.
c) El plano que contiene al punto P = (a, b, c) y tiene como vector de direccin
d = (A, B, C) tiene la ecuacin cartesiana
A(x a) + B(y b) + C(z c) = 0
Las restantes ecuaciones pueden hallarse eligiendo tres puntos cualesquiera y
procediendo como en el caso b) anterior.
C1 | D1
C2 | D2
43 e 77
x a y b z c
=
=
d1
d2
d3
representa el conjunto de planos que contienen a r. Para cada par de valores , se obtiene uno de ellos. Ese conjunto se llama haz propio de planos de eje r.
Apuntes de lgebra
44 e 77
[M | N] = A2 B2 C2 | D2
A B C | D
3
3 3 3
a) Si r[M] = r[M | N] = 1 Los tres planos son coincidentes.
b) Si r[M] = 1; r[M | N] = 2 Tres planos paralelos o dos planos coincidentes
y el otro, paralelo.
c) Si r[M] = r[M | N] = 2 Se cortan segn una recta r (forman haz propio).
d) Si r[M] = 2; r[M | N] = 3 Se cortan dos a dos (forman prisma) o dos paralelos cortados por el otro.
e) Si r[M] = r[M | N] = 3 Se cortan en un solo punto (forman triedro).
Apuntes de lgebra
45 e 77
Captulo 7
1. Introduccin
Al trabajar con subespacios vectoriales se suelen encontrar expresiones del tipo:
L = {(x1, x2, x3) 3 / x1 x2 + x3 = 0}
Esta expresin significa que L es el subconjunto de los vectores de 3 cuyas coordenadas verifican la relacin x1 x2 + x3 = 0; a esta frmula la llamamos ecuaciones
implcitas del subespacio vectorial. Resulta menos frecuente pero es as mismo muy
interesante ver expresiones de un subespacio vectorial escrito de la siguiente forma:
L = {(x1, x2, x3) 3 / (x1, x2, x3) = (1, 1, 0) + (0, 1, 1)}
o lo que es lo mismo:
L = {(x1, x2, x3)
/ x1 = , x2 = + , x3 = }
esta ltima expresin constituye las ecuaciones paramtricas del subespacio vectorial L.
Es interesante observar que la ltima de las tres expresiones se dedujo de la segunda,
desarrollando la igualdad vectorial y que dicha expresin quiere decir que cualquier
vector de L se puede escribir como combinacin lineal de dos vectores de 3 notables,
(1, 1, 0) y (0, 1, 1) que pertenecen a L y tienen la propiedad de que a la vez de ser generadores de L, son linealmente independientes por lo que constituyen una base de L. Por
tanto,
B = {(1, 1, 0), (0, 1, 1)}
son una base de L y la expresin
(x1, x2, x3) = (1, 1, 0) + (0, 1, 1)
es la ecuacin que expresa el conjunto de todos los vectores de L para los diferentes valores de los parmetros y . Es obvio pues que la dimensin de ese espacio es de dos y
que el nmero de parmetros utilizados en la expresin es dos y que a su vez, considerada la ecuacin implcita del subespacio como un sistema de ecuaciones lineales homogneo de una ecuacin con tres incgnitas, su rango ser uno y, por tanto, el nmero de
incgnitas a determinar sern dos, que es la diferencia entre el nmero de incgnitas, tres
en este caso, y el rango de la matriz, uno en esta ocasin.
2. Variedades lineales
46 e 77
En el plano V2, consideremos L V2 una variedad lineal propia (es decir, L V2),
entonces:
Si dim L = 0, L = { 0 }.
Si dim L = 1, L es una recta vectorial del plano V2.
En el plano V3, consideremos L V3 una variedad lineal propia, entonces:
Si dim L = 0, L = { 0 }.
Si dim L = 1, L es una recta vectorial del espacio V3.
Si dim L = 1, L es un plano vectorial del espacio V3.
Dada una base {e1, e2 } de V2. Si L es una recta vectorial del plano V2 y v L con
v 0 , entonces cualquier vector de L es de la forma v para todo que pertenece a
.
3. Teorema
El conjunto de soluciones de un sistema homogneo de ecuaciones lineales con n
incgnitas es un subespacio vectorial de n, de dimensin igual a n menos el rango de la
matriz de los coeficientes del sistema.
Apuntes de lgebra
47 e 77
ya que x necesariamente tendr que ser una combinacin lineal de los vectores de la
base. Tambin podemos escribir:
x11
x
21
rango
...
x n1
x1
x 2
=r
...
xn
Donde evidentemente el determinante de las r primeras filas y columnas es no
nulo, pues los vectores x1, x2 , , xr son linealmente independientes. La condicin para
que la matriz anterior tenga rango r es que con cada una de las n r filas restantes obtenemos al primer determinante aludido aadiendo as mismo la ltima columna y todos los
determinantes as obtenidos iguales a uno, llegaremos as a n r ecuaciones homogneas
que se denominan ecuaciones cartesianas del subespacio.
x12
x 22
...
x n2
... x1r
... x 2 r
... ...
... x nr
Ejemplo:
Consideremos una variedad lineal L de 4 que tiene por base los vectores
(1, 2, 0, 3) y (1, 3, 1, 0), si (x1, x2, x3, x4) es otro vector de la variedad lineal, ser combinacin lineal de los vectores de la base, y se verificar:
1
2
rango
0
1 x1
3 x 2
=2
1 x3
0 x4
y adems
1 1
0
2 3
Apuntes de lgebra
48 e 77
Por lo tanto, la condicin para que el rango de la matriz considerada sea 2, es que
los dos menores que resultan de orlar el anterior determinante con las filas tercera y
cuarta sean iguales a cero, es decir:
1 1 x1
1 1 x1
2 3 x2 = 0 ; 2 3 x2 = 0
0 1 x3
3 0 x4
y desarrollando ambos determinantes obtenemos:
2 x1 + x2 5 x3 = 0
9 x1 3x2 + 5x4 = 0
que son las ecuaciones cartesianas de la variedad lineal y quieren decir que si
(x1, x2, x3, x4) L tendrn que verificar dichas ecuaciones.
, e )
in
i = 1, 2, ..., r
49 e 77
sistema tenga solucin. O expresado de otra forma, considerando la expresin paramtrica como solucin de un sistema de ecuaciones lineales homogneas, buscar este sistema.
Ejemplo:
Sea el subespacio L de
x1
1 2 0 0
Ax =
x2 = = 0
1 3 2 0
x3
Como el rango de la matriz A es dos, y el nmero de incgnitas es tres, resulta:
x1 + 2 x2 = 0
x1 + 3x2 + x3 = 0
que son las ecuaciones implcitas de la variedad lineal.
Haciendo x2 = , es decir, parametrizando la coordenada x2 (como cualquier otra,
pero solo una, pues n r es igual a uno en este caso), ser:
x1 = 2
x2 =
x3 =
que son las ecuaciones paramtricas de la variedad lineal.
5. Mtodos de eliminacin
Mtodo matricial
Las ecuaciones paramtricas de una variedad lineal son un conjunto de ecuaciones lineales de la forma:
x1 = x1(1, 2, ..., r)
x2 = x2(1, 2, ..., r)
................................
xn = xn(1, 2, ..., r)
cuya expresin matricial es A = x , donde
t = ( 1, 2 ,
, )
r
y x t = ( x1 , x2 ,
, x )
n
50 e 77
Ar r con una fila y una columna sean iguales a cero, como podemos adjuntar n r filas
distintas, podemos enunciar:
Si n ecuaciones paramtricas contienen r parmetros, la eliminacin de stos produce n r ecuaciones cartesianas.
Veamos un ejemplo de este mtodo que es el ms seguro. El resto de los procedimientos constituyen artificios de clculo interesantes y podrn ser usados, cuidando de
interpretar correctamente los resultados.
Ejemplo:
Sean las ecuaciones paramtricas:
x1 = 1 + 2
x2 = 1 2
x3 = 21 2
x4 = 1 + 22
Escribindolas en forma matricial sern:
1 1
x1
1 1
1 x2
A =
=
=x
2 1 2 x 3
x4
1 2
es evidente que A es de rango 2 y que una submatriz de 2 2 tiene por determinante
A2 2 =
1 1
= 2 0
1 1
1 2 x 4
y eso implica:
1 1 x1
1 1 x1
1 1 x2 = 0 y 1 1 x 2 = 0
2 1 x 3
1 2 x4
que desarrolladas sern:
x1 + 3x2 2 x3 = 0
3x1 x2 2 x4 = 0
ecuaciones cartesianas implcitas de la variedad.
Apuntes de lgebra
51 e 77
Mtodo de igualacin
Ejemplo:
Sean las ecuaciones paramtricas
x1 = 1 2
x2 = 1 + 2
x3 = 21 + 2
Despejamos uno de los parmetros, por ejemplo 1, ser:
1
1 = x1 + 2 = x2 2 = (x3 2)
2
que podemos escribir:
x1 + 2 = x2 2
o tambin
1
x2 2 = ( x3 2 )
2
2 = ( x2 x1 )
2
2 = 2 x2 x3
que no contiene 1. Por tanto, igualando ambas expresiones tenemos:
1
(x2 x1) = 2x2 x3
2
y operando, resulta:
x1 3x2 2x3 = 0
que es la ecuacin cartesiana implcita de la variedad lineal.
Mtodo de sustitucin
Consiste en despejar un parmetro de la primera ecuacin e introducirlo en las
restantes. Si eran n ecuaciones y r parmetros, tendremos ahora n 1 ecuaciones con
r 1 parmetros. Continuando el proceso llegamos a tener n r ecuaciones sin parmetros. Estas ltimas serian las ecuaciones implcitas cartesianas de la variedad.
Mtodo de reduccin
Consiste en aplicar el mtodo de Gauss al sistema de ecuaciones en los parmetros, hasta conseguir un nuevo sistema de ecuaciones sin parmetros.
Apuntes de lgebra
52 e 77
Captulo 8
Programacin lineal
Apuntes de lgebra
53 e 77
f) Convexo de soluciones
Es el recinto del plano que satisface simultneamente cada una de las desigualdades lineales del sistema.. Un convexo de soluciones es de rea finita cuando la poligonal
que lo delimita es cerrada y es de rea infinita cuando dicha poligonal es abierta.
2. Desigualdades lineales
En general, los puntos que satisfacen una desigualdad lineal
a11x1 + a12x2 + ... + a1nxn b1
definen un semiespacio en el espacio n-dimensional. As, la desigualdad
a11x1 + a12x2 b
define un semiplano en el espacio afn E2.
El conjunto de puntos solucin del sistema de desigualdades:
a11x1 + a12x2 + ... + a1nxn b1
................................................
am1x1 + am2x2 + ... + amnxn bm
es un conjunto convexo.
Ejemplo:
Graficar el conjunto de puntos que satisfacen la desigualdad x + y 3.
Comenzamos por graficar x + y = 3. Los puntos del plano que la satisfacen son los que se hallan sobre la recta correspondiente, pero tambin estamos
buscando los puntos que cumplen la desigualdad x + y > 3, o lo que es lo mismo,
y > x + 3, por lo que el conjunto solucin de la desigualdad dada es el semiplano que est por encima de la recta incluyndola.
y
3
Ejemplo:
Graficar el conjunto de puntos que satisfacen la desigualdad 2x - 3y > 6.
2
x 2 . Luego el conjunto de
3
puntos que satisfacen la desigualdad debe estar por debajo de la recta.
La desigualdad dada es equivalente a y <
Apuntes de lgebra
54 e 77
y
3
Ejemplo:
Consideremos el sistema
xy
3x + y 6
y 5
x 7
Para mostrar su conjunto solucin, graficaremos en un sistema de coordenadas cartesianas ortogonales el semiplano solucin de cada desigualdad.
La interseccin de estos semiplanos nos dar una regin del plano que ser el conjunto del sistema de desigualdades lineales.
Puntualicemos los pasos a seguir para llegar al conjunto de desigualdades dado.
1. Numeraremos cada una de las desigualdades del sistema dado.
2. Transformaremos cada desigualdad del sistema en ecuacin, a efectos de poder graficar la frontera del semiplano solucin de cada desigualdad.
3. Para cada inecuacin buscaremos un semiplano solucin, sealndolo mediante una flecha apoyada en la frontera con sentido orientado hacia el conjunto solucin, para simplificar el grfico.
Apuntes de lgebra
55 e 77
y 5
3)
4)
x7
x=y
1)
2) 3x + y = 6
y=5
3)
4)
x=7
y
3
6
5
x
4
1
2
Apuntes de lgebra
56 e 77
6. Mtodo de resolucin
a) Mtodo grfico
El problema de programacin lineal consiste en encontrar el punto del conjunto
convexo determinado por las ecuaciones restriccin que optimice la funcin objetivo.
Para ilustrar este mtodo, consideraremos el espacio bidimensional.
La funcin objetivo
z = c1x1 + c2x2
representa un conjunto de rectas al variar z, todas ellas paralelas y cuya interseccin con
el conjunto convexo de soluciones representan puntos que corresponden cada uno de
ellos a un determinado valor de z.
En la figura, la zona sombreada representa el convexo de soluciones y las rectas z
las correspondientes a la funcin objetivo.
Al encontrarse el ptimo en uno de los extremos O, A, B, C, D del poliedro convexo de las restricciones basta con hallar los valores de z en cada punto y el ptimo (mximo o mnimo) ser el buscado.
Apuntes de lgebra
57 e 77
x2
z
B
C
x1
Ejemplo:
Maximizar la funcin z = 2x + y sujeta a las condiciones:
1)
2)
3)
4)
5)
x0
y0
x + y 200
x 150
y 100
200
100
C
D
200
150
E
3
c g
Apuntes de lgebra
e g
d f
c d
e f
58 e 77
Vrtice
A(0, 0)
z = 2x + y
0
B(0, 100)
100
C(100, 100)
300
D(150, 150)
350
E(150, 0)
300
4 Observamos que el mximo valor alcanzado para z es z = 350 y las coordenadas para las cuales se alcanza dicho valor mximo corresponden al vrtice
D(150, 50).
Si una funcin objetivo alcanza un mximo (o un mnimo), lo hace en alguno de los vrtices del convexo solucin.
Esto nos indica que no hace falta que especifiquemos en la funcin objetivo las
coordenadas de puntos que no son vrtices del convexo, pues tales puntos nunca podrn
optimizar dicha funcin.
Buscamos ahora un mtodo para determinar el vrtice en el que se alcanza el mximo, sin recurrir al reconocimiento analtico precedente. La teora de la convexidad nos
proporciona el criterio grfico para lograr tal reconocimiento.
Debemos graficar la recta que resulta de hacer, en la funcin objetivo, la sustitucin de z por un valor numrico arbitrario.
As pues si hacemos z = 0, obtendremos la recta 2x + y = 0 cuya representacin
grfica agregamos a la de la solucin del sistema de inecuaciones.
y
2x + y = 0
C
D
Apuntes de lgebra
59 e 77
Si una funcin objetivo alcanza su ptimo valor en dos vrtices del convexo, tambin los alcanzar en los infinitos puntos que son combinacin convexa
de los anteriores.
b) Mtodo del Smplex
El mtodo del Smplex es un procedimiento que selecciona de manera ordenada, de entre
las soluciones posibles un conjunto que converge en la solucin ptima. Mediante este
procedimiento, partiendo de una solucin posible bsica y en un nmero finito de iteraciones, se alcanza la solucin ptima.
Apuntes de lgebra
60 e 77
Captulo 9
El espacio eucldeo
1. Producto escalar
5 definida
2. u v = v u , u , v V
3. ( u ) v = ( u v ) , R , u , v V
4. u ( v + w ) = u v + u w
Sea u = ( u1, u2 , , un ) y v = ( v1, v2 , , v n ) dos vectores que necesariamente deben tener el mismo nmero de componentes, el producto escalar de u y v es un escalar
y su valor viene dado por:
u v = u1v1 + u2 v2 + + un vn
Ntese que no existe una ley asociativa del producto escalar. La expresin
( u v ) w = u ( v w ) no tiene sentido porque ninguno de los dos lados de la ecuacin
estn definidos, ya que ( u v ) y ( v w ) son escalares.
2. Espacio eucldeo
Un espacio eucldeo es un espacio vectorial provisto de un producto escalar (se
llama tambin Espacio vectorial eucldeo).
Un espacio afn provisto de un producto escalar se llama Espacio afn eucldeo. Generalizando le llamaremos espacio eucldeo a este ltimo.
En un espacio eucldeo E se define:
Norma de un vector como la raz cuadrada del producto escalar del vector por si
mismo
u E ; u = u u
Se denota E2 el espacio eucldeo de los vectores libres del plano con producto escalar definido de la siguiente forma:
u v = u v cos( u , v )
Anlogamente, E3 es el espacio eucldeo de los vectores libres del espacio de tres
dimensiones con el mismo producto escalar.
En E2 y E3, la norma de un vector coincide con su mdulo
u = u u =
u u cos 0 = u
Se verifica:
u + v u + v (desigualdad triangular)
u v u v (desigualdad de Schwartz)
Apuntes de lgebra
61 e 77
3. Ortogonalidad
En un espacio eucldeo, dos vectores u , v se dicen ortogonales ( u v ) cuando
su producto escalar es cero.
u v u v = 0
En E2 y E3, dos vectores no nulos son ortogonales si son perpendiculares
u v u v = 0 u v cos( u , v ) = 0 cos( u , v ) = 0 u perpendicular a v
Una base vectorial {u1, u2, ..., un} se dice:
Ortogonal ui uj, i j
Ortonormal Ortogonal y ui = 1, i
Una referencia afn R = {0, u1, u2 , u3} en E3 en que la base vectorial {u1 , u2 , u3} es
ortogonal, se dice referencia ortonormal.
En E3 la base ortonormal se denota {i , j , k } . En ella, el producto escalar de dos
vectores que tienen de coordenadas u = (x1, x2, x3); v = (y1, y2, y3) es
u v = x1y1 + x2y2 + x3y3
y el mdulo de un vector u = (x1, x2, x3)
u = x12 + x22 + x32
El vector unitario (de mdulo unidad), de la misma direccin que el u , se obtiene
dividiendo cada coordenada por el mdulo de u .
As, si u = (x1, x2, x3); el unitario de la misma direccin es:
x1 x 2 x 3
|u | , |u | , |u|
u12
u 22
u 32
u13
u 23 > 0
u 33
donde (ui1, ui2, ui3) son las coordenadas del vector ui en la base ortonormal usual
{i , j , k } .
De otra forma {u1 , u2 , u3} es de orientacin positiva si la direccin de u3 es la de
avance de un sacacorchos que se mueve de u1 a u2 .
5. Producto vectorial
En el espacio eucldeo E3 se llama producto vectorial de dos vectores u , v la
aplicacin:
Apuntes de lgebra
62 e 77
f:
5 5 5
3
h
0
ya que:
u v = u v sen = u h = rea del paralelogramo 0ACB
Si u = (x1, x2, x3); v = (y1, y2, y3) en la base {i , j, k } es:
i
u v = x1
y1
x2
y2
x3
y3
[ u, v, w ]
= u (v w )
Si en (i , j , k ) son u = (u1, u2, u3), v = (v1, v2, v3), w = (w1, w2, w3)
Apuntes de lgebra
63 e 77
u1 u2
u , v , w ] = v1 v2
w1 w2
u3
v3
w3
2. [ u , v , w ] = 0 si u = 0 , v = 0 , w = 0
3. [ u , v , w1 + w2 ] = [ u , v , w1 ] + [ u , v , w2 ]
4. [ u , v , w ] = [ u , v , w ]
5. Tres vectores son coplanarios si, y solo si, su producto mixto es cero.
r corta a s dr , d s , AB , donde A r, B s
dr
ds
9. Aplicaciones geomtricas
1. Distancias
a) Entre dos puntos: P = (x1, x2, x3); Q = (y1, y2, y3), la distancia es el mdulo
del vector que determinan; por lo tanto, resulta
d(P,Q) = | PQ | =
( y 1 x1 ) 2 + ( y 2 x 2 ) 2 + ( y 3 x 3 ) 2
| AP d r |
donde A r
|dr |
Apuntes de lgebra
64 e 77
d(r, s) =
[d r , ds , AB]
; donde A r, B s
|dr d s |
u v
u v
Demostracin:
Segn la ley de los cosenos, en el tringulo de la figura
B
a
C
c
b
A
c2 = a2 + b2 2ab cosC
Ahora se colocan las representaciones de y
con sus puntos iniciales en el
origen de modo que u = (a1, b1) y v = (a2, b2).
y
(a1, b1)
(a2, b2)
v u = ( v u ) ( v u ) = v v 2 v u + u u = v 2v u + u
Apuntes de lgebra
65 e 77
a) ngulo de dos rectas r y s, con vectores directores (u1, v1, w1) y (u2, v2, w2)
respectivamente, es el mismo que determinan sus vectores directores, luego
resulta:
cos =
dr ds
=
|d r | | d s |
u1 u2 + v1v 2 + w1 w2
u12 + v12 + w12 u22 + v 22 + w22
r
dr
s
ds
d d
) = r
2
|d r | | d |
2
(u v ) v
( u v )( v v )
u v
=
u
= u v u v = 0
2
2
v
v
f) Proyeccin en 2: Sea u y v vectores diferentes de cero. Entonces la proyeccin de u sobre v es un vector, denotado por proy v u , que se define por
proy v u =
uv
v
La componente de u en la direccin de v es
Apuntes de lgebra
u v
v
66 e 77
se define como
3. reas y volmenes
a) rea del tringulo de vrtices A, B, C.
1
rea = | AB AC |
2
b) Volumen de un paraleleppedo de lados concurrentes AB, AC y AD.
Volumen = [ AB, AC , AD ]
c) Volumen de un tetraedro de vrtices A, B, C, D.
Volumen =
Apuntes de lgebra
1
[ AB, AC , AD ]
6
67 e 77
Captulo 10
Diagonalizacin de matrices
1. Introduccin
En este captulo se analizan las expresiones analticas de un mismo endomorfismo
respecto de diferentes bases, en este caso las matrices correspondientes son semejantes
entre si, y todas ellas pertenecen a una clase de equivalencia. Se busca que en esta clase
exista una matriz diagonal y en su caso la matriz asociada al cambio de base, respecto a
la cual la expresin analtica del endomorfismo es diagonal. Como se ver, no siempre
todas las matrices de una clase son semejantes a una matriz diagonal. En este captulo se
estudian las condiciones necesarias y suficientes para que una matriz sea diagonalizable.
4. Ecuacin caracterstica
Para una matriz cuadrada A, los vectores propios asociados al valor , son las
soluciones de la ecuacin matricial:
(A I)X = 0
La ecuacin: | A I | = 0 se llama ecuacin caracterstica de A, sus soluciones
son los autovalores de A. El polinomio en : | A I | se llama polinomio caracterstico
de A.
Apuntes de lgebra
68 e 77
5. Subespacios propios
Para cada autovalor de de A, el conjunto X de autovectores asociado se obtiene
resolviendo el sistema resultante de la ecuacin: (A I)X = 0. Para cada ese conjunto
es un subespacio vectorial que se llama subespacio propio asociado a . Se denota L, y
su dimensin es:
dm L = n rg(A I)
donde n = orden de A.
Proposicin: Si 1, 2, ..., p son autovalores de una matriz de orden n, distintos
dos a dos, el sistema {X1, X2, ..., Xn}, donde Xi es vector propio asociado a i, es un sistema libre. Si adems p = n, el sistema es una base del espacio vectorial V de definicin
de la aplicacin asociada a A.
6. Semejanza de matrices
Dos matrices A y B son semejantes si existe una matriz P regular, tal que:
B = P-1AP (P = matriz de paso)
Algunas propiedades de inters:
Si A y B son semejantes |A| = |B|.
Si A y B son semejantes, tambin lo son An y Bn.
Las matrices asociadas a un endomorfismo en diferentes bases, son semejantes.
Si A y B son semejantes, tienen la misma ecuacin caracterstica y, con ello,
los mismos autovalores con el mismo orden de multiplicidad en ella.
7. Diagonalizacin de matrices
Una matriz cuadrada A de orden n se dice diagonalizable si, y solo si, es semejante a una matriz D diagonal. Es decir, si existe una matriz P, regular, tal que
D = P-1AP. Diagonalizar una matriz es el proceso de encontrar la matriz D diagonal
semejante y la matriz P de paso.
Teorema de caracterizacin de matrices diagonalizables: Una matriz A de orden
n, con nmeros reales, es diagonalizable si, y solo si, admite n vectores propios linealmente independientes. Esto sucede cuando:
1. La ecuacin caracterstica tiene n races reales (iguales o no).
2. El orden de multiplicidad de cada autovalor en la ecuacin caracterstica coincide con la dimensin del subespacio propio asociado.
Apuntes de lgebra
69 e 77
la aplicacin lineal f, de matriz asociada A, tiene tambin asociada en una cierta base la
matriz diagonal D cuya diagonal principal es
( , , , , , , , , , )
1
A = 1 2 1
0 1 3
calcularemos los valores propios, los vectores propios correspondientes, la matriz
diagonal y la matriz de paso. La ecuacin caracterstica ser:
3
|A I| = 1
0
1
0
2
1 = (3 )[2 5 + 4]
1 3
1
1
1
=
0
=
0
u
u
u
u
2
1
2
3
u2 + 2u3 = 0
0 1 2 u3 0
u2 + 2u3 = 0
u1 = , u2 = 2, u3 = ; o bien escribiendo L1 = {(, 2, ), }.
La base de L1 ser (1,2,1).
Para 2 = 3:
0 1 0 u1
1 1 1 u2 =
0 1 0 u3
Apuntes de lgebra
0
u2 = 0
0
u1 + u2 + u3 = 0
0
70 e 77
u1 = , u2 = 0, u3 = ;
La base de L2 ser (1,0,1).
5 o bien escribiendo L
= {(, 0, ),
5}.
Para 3 = 4:
1 1 0 u1 0
u1 + u2 = 0
u1 + u2 = 0
1
2
1
0
2
0
u
u
u
u
+
+
=
1
2
3
2
u2 + u3 = 0
0 1 1 u3 0
u2 + u3 = 0
u1 = , u2 = , u3 = ;
La base de L3 ser (1,1,1).
5 o bien escribiendo L
= {(, , ),
5}.
D = 0 3 0
0 0 4
1 1
1
P = 2 0 1
1 1 1
9. Matrices simtricas
Si la matriz A es simtrica, en la diagonalizacin existen ciertas caractersticas:
a) Los autovalores son todos reales.
b) Verifican el teorema de caracterizacin de matrices diagonalizables.
c) La base de vectores propios es ortogonal.
Apuntes de lgebra
71 e 77
5 5
La aplicacin f: 2
y = ( y1, y2 ) le asigna el valor
5,
3 6 y1
f ( x , y ) = [ x1 x2 ]
5 4 y2
Sea f : V V
una forma bilineal sobre V de dimensin n, y sea
B = {e1, e2 , , en } una base de V.
Si u = ( x1, x2 , , x n ) , v = ( y1, y2 , , yn ) son las coordenadas de ambos vectores en la base B, la imagen f ( u , v ) puede expresarse:
f ( u , v ) = [ x1 x 2
a y
a y = X AY
a
a y
a11
a
21
xn ]
a n1
a12
a 22
1n
2n
n2
nn
donde:
Xt = matriz fila de las coordenadas de X en B.
Y = matriz columna de las coordenadas de Y en B.
A = matriz asociada a f en la base B. Cada aij de A en la base B verifica
aij = f ( ei , e j ) ; i, j = 1, 2, ..., n
Por tanto, una forma bilineal f en una base B queda determinada conociendo la
imagen por f de cada par de vectores de B.
Apuntes de lgebra
72 e 77
Se dice que A es la matriz (de Gram) de la forma bilineal f en la base B. La correspondencia f A es un isomorfismo del espacio vectorial %(V), de las formas bilineales sobre el espacio V de dimensin n, en el espacio vectorial Mn, de las matrices
cuadradas n x n.
Consecuencia: Una forma bilineal f de matriz asociada A es:
Simtrica si A simtrica
Alternada si A es antisimtrica.
Ejemplo:
Sea f:
f((x1,x2,x3),(y1,y2,y3)) = x1
x2
es:
2 3 6 y1
x 3 1 0
0 y 2 = XtAY
0 4 1 y 3
A' = f (u2 , u1 )
f (u3 , u1 )
f (u1 , u3 )
f ( u2 , u3 ) =
f (u3 , u3 )
f (u1 , u2 )
f ( u2 , u 2 )
f ( u 3 , u2 )
8
8 6
2 9
8
10 21 9
Sea f : V V
una forma bilineal y B = {e1, e2 , , en } ; B' = {e '1 , e '2 ,
dos bases de V, tales que:
e '1 = a11e1 + a12e2 + + a1n en = (a11, a12, ..., a1n) en B
, e ' }
n
................................................................................
e ' n = an1e1 + an2e2 +
+ a
nnen =
Apuntes de lgebra
73 e 77
a11
a
12
P=
...
a1n
a 21
a 22
...
a2n
... a n1
... a n 2
... ...
... a nn
f ( u , v ) = 0; v S
f ( u , v ) = 0; v B siendo B = base de S
f:VV
5, el conjunto de
Apuntes de lgebra
74 e 77
Captulo 11
Formas cuadrticas
1. Definicin
q( u ) = f ( u , u ) para todo u V
f:VV
5 tal que
f (u , v ) =
1
[ q( u + v ) q( u ) q( v )]
2
a) q( u ) = f ( u , u ) = 2 f ( u , u ) = 2 q( u )
b) q( q( 0 ) = 0 ) = 0
c) q( u + v ) = f ( u + v , u + v ) = q(u ) + q( v ) + f ( u , v ) + f ( v , u )
5 se dice definida si
[ q( u ) = 0 u = 0]
Apuntes de lgebra
75 e 77
+a
2
nn xn
Apuntes de lgebra
76 e 77
9. Proceso de diagonalizacin
Hay diversas formas de diagonalizar una forma cuadrtica e incluso la misma
matriz asociada diagonal no es nica. Las formas distintas son las mismas de la diagonalizacin de matrices simtricas.
ser:
1. Definida positiva. Si q( u ) > 0; u V , u 0.
2. Definida negativa. Si q( u ) < 0; u V , u 0.
3. Semidefinida positiva. Si q( u ) 0; u V , u = 0 tal que q(u ) = 0 .
4. Semidefinida negativa. Si q( u ) 0; u V , u 0 tal que q(u ) = 0 .
5. Indefinida. Si u1, u2 V tal que q( u1 ) > 0; q( u2 ) < 0 .
Una forma cuadrtica puede clasificarse haciendo uso de su diagonalizacin y recordando que tanto el rango como la signatura son invariantes. As:
1. Definida positiva:
sg(q) = (n, 0); rg(q) = n
o bien, cuando todos los autovalores son positivos.
2. Definida negativa:
sg(q) = (0, n); rg(q) = n
o bien, cuando todos los autovalores son negativos.
3. Semidefinida positiva:
sg(q) = (r, 0); rg(q) = r < n
los autovalores son mayores que cero, con alguno de ellos cero.
4. Semidefinida negativa:
sg(q) = (0, r); rg(q) = r < n
los autovalores son negativos, con alguno de ellos cero.
5. Indefinida:
Restantes casos. Los autovalores son positivos y negativos.
Apuntes de lgebra
77 e 77