Morais Algebra

Algebra
Ingeniera en Informatica
Universidad de Alcala
Jose Enrique Morais San Miguel
6 de octubre de 2004
Computer science is no more about computers than astronomy is about
telescopes.
E.W. Dijkstra
Indice general
1. Preliminares 1
1.1. Teora de conjuntos y aplicaciones. . . . . . . . . . . . . . . . . . . . 1
1.1.1. Denicion de conjunto. Paradoja de Russell . . . . . . . . . . 1
1.1.2. Subconjuntos. Operaciones entre conjuntos . . . . . . . . . . . 2
1.1.3. Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2. Relaciones de orden y de equivalencia . . . . . . . . . . . . . . . . . . 10
1.2.1. Relaciones de equivalencia . . . . . . . . . . . . . . . . . . . . 10
1.2.2. Relaciones de orden . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3. N umeros naturales. Principio de induccion . . . . . . . . . . . . . . . 13
1.3.1. N umeros naturales . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3.2. Principio de induccion . . . . . . . . . . . . . . . . . . . . . . 14
1.4. Cardinal de un conjunto . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4.1. Que signica contar? . . . . . . . . . . . . . . . . . . . . . . 16
1.4.2. Cardinal de un conjunto . . . . . . . . . . . . . . . . . . . . . 17
1.5. Operaciones internas . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5.1. El anillo Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6. Problemas propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2. Divisibilidad en Z 25
2.1. Division eucldea en Z. Maximo com un divisor . . . . . . . . . . . . . 25
2.2. Algoritmo de Euclides. Teorema de Lame . . . . . . . . . . . . . . . . 29
2.2.1. Teorema de Lame . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3. Identidad de Bezout. Algoritmo extendido de Euclides . . . . . . . . . 33
2.4. Ecuaciones diofanticas lineales . . . . . . . . . . . . . . . . . . . . . . 37
2.5. Mnimo com un m ultiplo . . . . . . . . . . . . . . . . . . . . . . . . . 39
3. Congruencias 47
3.1. Aritmetica modular. Teorema chino de los restos . . . . . . . . . . . . 47
3.1.1. Aritmetica modular . . . . . . . . . . . . . . . . . . . . . . . . 47
3.1.2. Teorema chino de los restos . . . . . . . . . . . . . . . . . . . 48
3.1.3. El grupo multiplicativo Z
m
. . . . . . . . . . . . . . . . . . . . 53
3.2. Teorema de Euler-Fermat . . . . . . . . . . . . . . . . . . . . . . . . 57
i
3.3. Un test de primalidad eciente . . . . . . . . . . . . . . . . . . . . . . 59
3.3.1. Algoritmo binario para el calculo de potencias . . . . . . . . . 59
3.3.2. Test de Miller-Rabin . . . . . . . . . . . . . . . . . . . . . . . 60
3.4. Sistema criptograco de clave p ublica RSA . . . . . . . . . . . . . . . 62
4. El anillo de polinomios K[x] 71
4.1. Polinomios y divisibilidad . . . . . . . . . . . . . . . . . . . . . . . . 71
4.1.1. Division eucldea . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.2. Cuerpos nitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5. Matrices y sistemas de ecuaciones lineales 75
5.1. Matrices sobre un cuerpo. Deniciones y notacion . . . . . . . . . . . 75
5.1.1. Operaciones con matrices . . . . . . . . . . . . . . . . . . . . 77
5.2. Rango de una familia de vectores de K
n
. . . . . . . . . . . . . . . . 77
5.3. Rango por las y por columnas de una matriz . . . . . . . . . . . . . 80
5.4. Rango de una matriz. Matrices elementales . . . . . . . . . . . . . . . 84
5.4.1. Matrices elementales . . . . . . . . . . . . . . . . . . . . . . . 84
5.4.2. Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . 86
5.4.3. Aplicacion al calculo de inversas de matrices regulares . . . . . 87
5.5. Combinacion lineal. Variedades lineales . . . . . . . . . . . . . . . . . 88
5.6. Sistemas de ecuaciones lineales. . . . . . . . . . . . . . . . . . . . . . 90
5.6.1. Nulidad de una matriz . . . . . . . . . . . . . . . . . . . . . . 90
5.6.2. Resolucion de sistemas lineales . . . . . . . . . . . . . . . . . . 92
6. Diagonalizacion de matrices 101
6.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
6.1.1. Un ejemplo preliminar . . . . . . . . . . . . . . . . . . . . . . 101
6.1.2. Planteamiento general del problema . . . . . . . . . . . . . . . 103
6.2. Algoritmo de diagonalizacion . . . . . . . . . . . . . . . . . . . . . . . 104
6.3. Aplicaciones de la diagonalizacion . . . . . . . . . . . . . . . . . . . . 106
6.3.1. Manipulacion algebraica de matrices . . . . . . . . . . . . . . 106
6.3.2. Sistemas de recurrencias lineales . . . . . . . . . . . . . . . . . 106
6.3.3. Sistemas de ecuaciones diferenciales lineales . . . . . . . . . . 106
6.4. Problemas propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . 107
7. Espacios vectoriales y aplicaciones lineales 111
7.1. Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
7.2. Aplicaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
7.3. Codigos correctores de errores . . . . . . . . . . . . . . . . . . . . . . 111
Captulo 1
Preliminares
1.1. Teora de conjuntos y aplicaciones.
1.1.1. Denicion de conjunto. Paradoja de Russell
Si acudimos a un diccionario, la denicion que se nos da de conjunto es, mas o menos,
del siguiente tenor: Totalidad de los entes matematicos que tienen una propiedad
com un.
1
En esta denicion, y de manera implcita, estamos suponiendo que tenemos una
colecci on de objetos (matematicos o no, eso es lo de menos) y que disponemos de un
criterio que nos permite saber si tal o cual objeto pertenece a dicha coleccion o no
(se tratara de ver si cumple o no la propiedad) . Es decir, si mi coleccion de objetos
es A y x es un objeto podemos determinar si x A (x pertenece a A) o x / A
(x no pertenece a A). Aparentemente, esta denicion de conjunto es perfectamente
coherente, pero plantea serios problemas como veremos a continuacion. El logico
gales Bertrand Russell (1872-1970)
2
, considerado uno de los grandes en la Logica
del Siglo XX escribio : Normally, a class
3
is not a member of itself. Mankind, for
example, is not a man. Pero si consideramos el conjunto de todos los conjuntos,
este se contendra a s mismo. En consecuencia, Russell explicaba en 1901 la que ha
pasado a la historia como paradoja de Russell en los siguientes terminos:
Form now the assemblage of classes which are not members of them-
selves. This is a class: is it a member of itself or not? If it is, it is one
of those classes that are members of themselves, i.e. it is not a member
of itself. If it is not, it is not one of the classes that are not members
of themselves, i.e it is a member of itself. Thus the two hypothesis- that
1
Esta denicion esta extrada de la version de 2001 del Diccionario de la RAE.
2
Una peque na biografa de Russell, con especial atencion a sus aportaciones matematicas,
puede consultarse en http://www-groups.dcs.st-andrews.ac.uk/~history/Mathematicians/
Russell.html
3
Aqu clase debe entenderse como conjunto denido como en el diccionario.
1
2 CAP
ITULO 1. PRELIMINARES
it is, and that is not, a member of itself-each implies its contradictory.
This is a contradiction.
Utilizando notacion matematica al uso, la paradoja se escribe como sigue:
Sea S = {X : X conjunto y X / X}. Se tiene que si S S, entonces, S / S; y si
S / S, entonces S S.
Existen diversas formas de evitar esta paradoja (axiomatica a la Zermelo-Fraenkel, a
la Godel-Bernays,...) pero no entraremos en ellas. Por ejemplo, una rapida introduc-
cion a la axiomatica `a la Godel-Bernaysse encuentra en
4
. Digamos unicamente
que, en la axiomatica `a la Godel-Bernays, se llama clase a lo que el diccionario
dena como conjunto y se dice que una clase es un conjunto si, y solo si, existe otra
clase B tal que A B. De esta forma, la clase S denida anteriormente, es decir,
S = {X : X conjunto y X / X}
no es un conjunto, evitando la paradoja de Russell.
1.1.2. Subconjuntos. Operaciones entre conjuntos
Aun teniendo presente la paradoja de Russell, a lo largo del curso no nos vamos
a encontrar con situaciones como esta, es decir, siempre que denamos una clase
sera siempre un conjunto y, de esta forma, aceptaremos la denicion del diccionario.
Asimismo, asumimos que cada vez que hagamos una operacion entre conjuntos
(union, interseccion, producto cartesiano,...) el resultado sera siempre un conjun-
to. Si en alg un momento nos damos de bruces con una clase que no es un conjunto,
lo se nalaremos.
Junto a la propia denicion de conjunto y al concepto de pertenencia, aparece otra
nocion basica: la igualdad de conjuntos. Se dira que dos conjuntos son iguales si
poseen los mismos elementos, aceptando la veracidad de las siguientes propiedades
para la igualdad:
Todo conjunto es igual a s mismo.
Si A y B son conjuntos y A = B, entonces B = A.
Si A, B y C son conjuntos y A = B y B = C, entonces A = C.
Subconjuntos
Un conjunto B se dice subconjunto de otro conjunto A, y se escribe B A, si
todo elemento de B tambien lo es de A, es decir,
4
T.W. Hungerford. Algebra. SpringerVerlag (1987)
1.1. TEOR
IA DE CONJUNTOS Y APLICACIONES. 3
para todo x B , x B implica x A.
Si B es subconjunto de A tambien se suele decir que A incluye a B o que B esta in-
cluido en A.
Ejemplo 1.1
El conjunto formado por las alumnas de la Universidad de Alcala es un sub-
conjunto del conjunto de todos los estudiantes de la Universidad de Alcala.
El conjunto dado por
{x N : x = 2n, para alg un n N}
es un subconjunto de los n umeros naturales.
Por otro lado, se tiene que
A = B A B y B A.
El conjunto vaco (denotado ) es el conjunto que no tiene ning un elemento. Puesto
que la condicion x es siempre falsa, por lo anterior es subconjunto de cualquier
conjunto. Puesto que, por otro lado, todo conjunto es subconjunto de s mismo,
llamaremos subconjuntos propios de un conjunto a todos los subconjuntos de el que
no sean ni el vaco, ni el propio conjunto. Por ejemplo, el conjunto de los n umeros
naturales pares es un subconjunto propio del conjunto de n umeros naturales.
Operaciones entre conjuntos
A partir de un conjunto dado o de varios conjuntos dados, podemos construir nuevos
conjuntos. De esto nos ocuparemos en lo que resta de Subseccion.
Dado un conjunto A se dene otro conjunto, conocido como el conjunto de partes
de A y denotado por P(A), que es el conjunto de todos los subconjuntos de el. Por
ejemplo, si
A = {a, b, c},
P(A) = {, {a}, {b}, {c}, {a, b}, {a, c}, {b, c}, {a, b, c}}.
Supongamos ahora que tenemos dos conjuntos A y B. A partir de ellos, podemos
construir los siguientes conjuntos (conviene que se comparen estas nociones y sus
propiedades con la de los conectivos logicos,{, , }, que seguro se introduciran en
la asignatura de Logica!):
4 CAP
La union de A y de B, escrito A
B, se dene como {x : x A o x B}.

La interseccion de A y de B, escrito A
B se dene como {x : x A y x
B}. Si A
B = , se dice que A y B son disjuntos.

El complementario de B en A, escrito A\ B, es el subconjunto de A dado
por {x : x A y x / B}.
Los conceptos de union e interseccion pueden extenderse a una familia (nita o no)
de conjuntos cualesquiera.
Para las propiedades que siguen, supondremos que todos los conjuntos involucrados
son subconjuntos de otro prejado U y denotaremos por A
c
el complementario de
A en U. Asimismo, I denota un conjunto de ndices.
1. A
iI
B
i
) =
iI
(A
B
i
)
2. A
iI
B
i
) =
iI
(A
B
i
)
3. (
iI
A
i
)
c
=
iI
A
c
i
y (
iI
A
i
)
c
=
iI
A
c
i
(Leyes de Morgan)
4. A
B = B A B A
B = A
Dado que es el primer resultado que nos aparece en las notas, demostraremos algunas
de estas propiedades con todo lujo de detalles.
Propiedad 1. Por lo que hemos visto sobre la igualdad de los conjuntos, la propiedad
1 es equivalente a
A
iI
B
i
)
iI
(A
B
i
) y (1.1)
iI
(A
B
i
) A
iI
B
i
) (1.2)
Probemos (1.1) en primer lugar. Para ello, deberemos mostrar que todo elemento
de A
iI
B
i
) es tambien un elemento de
iI
(A
B
i
). Sea, pues, x A
iI
B
i
).
Por denicion de interseccion de conjuntos, esto es tanto como decir que x A
y x
iI
B
i
. Ahora bien, por denicion de union, x
iI
B
i
implica que existe al
menos un i I tal que x B
i
. Si a esta ultima condicion le a nadimos ahora que
x A, se tiene que x A
B
i
para el i anterior. En consecuencia, x
iI
(A
B
i
)
como queramos demostrar.
1.1. TEOR
Probemos ahora (1.2). Al igual que antes, hay que mostrar que si x
iI
(A
B
i
),
entonces x A
iI
B
i
). Decir que x
iI
(A
B
i
) es lo mismo que decir que para
alg un i I, x A
B
i
, es decir, que x A y x B
i
. Ahora bien, x B
i
implica
que x
iI
B
i
y como x A, se tiene que x A
iI
B
i
).
Prueba de las leyes de Morgan. Probemos que (
iI
A
i
)
c
=
iI
A
c
i
. Decir que
x (
iI
A
i
)
c
es lo mismo que decir que
x /
iI
A
i
.
A su vez, esta ultima condicion es equivalente a
para todo i I, x / A
i
.
De nuevo, esta ultima armacion es equivalente a
para todo i I, x A
c
i
,
y esto ultimo es equivalente a
x
iI
A
c
i
.
La siguiente construccion tiene gran interes y reaparecera a menudo en el curso, en
especial en la parte dedicada al

Algebra Lineal. Es lo que se conoce como producto
cartesiano. Supongamos dados dos conjuntos A y B. El producto cartesiano de A
por B, escrito A B, es el conjunto denido por
A B = {(a, b) : a A, b B}.
Observese que B = = A . A los elementos de A B se les llama pares
ordenados. En forma clara, este mismo concepto se extiende a una familia nita de
conjuntos. Supongamos dados conjuntos A
1
, . . . , A
n
. Se dene A
1
A
2
A
n
como el conjunto
A
1
A
2
A
n
= {(a
1
, a
2
, . . . , a
n
) : a
1
A
1
, a
2
A
2
, . . . , a
n
A
n
}.
6 CAP
En el caso de que A = B, A B se suele escribir A
2
y si A
1
= A
2
= = A
n
= A,
A
1
A
2
A
n
se denota por A
n
.
Finalmente, estudiamos un tipo de construccion de interes en Informatica, tal cual
es el conjunto de palabras sobre un alfabeto nito. Supongamos dado un
conjunto nito (por ejemplo, el alfabeto espa nol {a,b,c,d, . . . , n, n, . . . , x,y,z} o
{0, 1}) que llamaremos alfabeto. Se llama palabra de longitud n a una ntupla
de elementos de , es decir, = (
1
, . . . ,
n
)
n
. Habitualmente, se omiten los
parentesis y las comas y se escribe
1
. . .
n
.
Si n = 0,
0
se dene como el conjunto formada unicamente por la palabra vaca
que se denota .
Por poner unos ejemplos, si es el alfabeto espa nol, patata es una palabra de
longitud 6 (esta formada por 6 letras), supercalifragilistico es una palabra de longitud
21, ascvbghe tiene longitud 8,...
De esta forma, se dene como el conjunto de palabras sobre el alfabeto nito , y
se denota
nN
n
.
1.1.3. Aplicaciones
Antes de denir de manera precisa el concepto de aplicacion, estudiemos un ejemplo
ilustrativo. En tiempos que parecen ya muy lejanos (cuando la miliera obligatoria),
todos los mozos de una quinta tenan que pasar por un proceso que inclua, entre
otras cosas, la medida de su talla. Este proceso, asociar a cada mozo un n umero (su
talla en centmetros) es un ejemplo tpico de aplicacion. Dado un conjunto, en este
caso los mozos del reemplazo, a cada uno de ellos se le asocia un unico elemento de
otro conjunto (en este caso, un n umero natural).
Denicion 1.2 Dados conjuntos, A y B, una aplicacion f de A en B (escrito
f : A B) asigna a cada elemento a A un unico elemento b B. Al conjunto
A se le dice dominio y a B rango. Dos funciones son iguales si poseen el mismo
dominio y toman igual valor para elementos iguales del dominio. Si S A, podemos
denir una aplicacion de S en B, llamada restriccion de f a S y denotada por f|
S
,
que a cada elemento de S le asigna el mismo valor que f.
Ejemplo 1.3
La aplicacion que a cada ciudadano espa nol le asigna un n umero (el DNI).
La aplicacion talla estudiada anteriormente.
1.1. TEOR
f : N N dado por f(n) = 2n. Esta ultima es una forma tpica de expresar
una aplicacion: decir cual es la imagen de un elemento generico del dominio.
Denicion 1.4 (Composicion de aplicaciones) Sean f : A B y g : B C
dos aplicaciones. La composicion de las aplicaciones f y g, denotada por g f, es
una aplicacion de A en C dada por
(g f)(a) = g(f(a)).
Dada una aplicacion f : A B se denomina conjunto imagen al subconjunto de B
denido por:
{b B : b = f(a) para alg un a A},
y a menudo se denota por Imf. Por otro lado, si T B la imagen inversa de T por
f es el conjunto
{a A : f(a) T}
que, habitualmente se denota por f
1
(T). Si T esta compuesto por un unico ele-
mento, T = {b}, se suelen omitir las llaves y se escribe f
1
(b).
Proposicion 1.5 Sea f : A B una aplicacion. Se puede ver que:
para S A, S f
1
(f(S));
para T B, f(f
1
(T)) T.
Asimismo, si {T
i
: i I} es una familia de subconjuntos de B, se verica
f
1
(
iI
T
i
) =
iI
f
1
(T
i
)
f
1
(
iI
T
i
) =
iI
f
1
(T
i
)
Nota: El recproco a las dos primeras armaciones del resultado anterior no es, en
general, cierto. Por ejemplo, sean J el conjunto de jugadores de la liga espa nola en
la temporada actual y f la aplicacion que a cada jugador le asocia su altura. Si S
es el conjunto formado unicamente por Benayoun (S = {Benayoun}), puesto que su
altura es de 178 cm, f
1
(f(S)) es el conjunto de todos los jugadores que miden 178
cm. Entre ellos estara el propio Benayoun, pero tambien muchos otros. Por que no
se da la igualdad? Simplemente, porque hay mas jugadores, aparte de Benayoun,
que miden 178 cm.
8 CAP
Consideramos ahora la aplicacion f : N N dada por f(n) = 2 n y sea T el
conjunto de n umeros naturales m ultiplos de 3, es decir, T = {0, 3, 6, 9, 12, 15, . . .}.
En este caso, f
1
(T) = T y f(f
1
(T)) es el conjunto de naturales m ultiplos de 6.
En este caso, la igualdad no es cierta porque, naturalmente, no todos los m ultiplos
de 3 son pares.
En la proposicion anterior, la igualdad en las dos primeras armaciones se satisface
siempre solo para algunos tipos particulares de funciones. Estudiemos, ahora, estas
funciones.
Denicion 1.6 (Aplicaciones inyectivas, sobreyectivas y biyectivas) Sea
f : A B una aplicacion.
f se dice inyectiva si
para todo a, a
A con f(a) = f(a
) = a = a
.
f se dice sobreyectiva si
para todo b B, b = f(a) para alg un a A.
f se dice biyectiva si es inyectiva y sobreyectiva.
Ejercicio 1.7 Sea f : A B una aplicacion. Probar que:
si f es inyectiva y S A, S = f
1
(f(S)) y que
si f es sobreyectiva y T B, f(f
1
(T)) = T
De las deniciones anteriores se deduce que para todo conjunto A la llamada apli-
cacion identidad, I
A
, denida por I
A
(a) = a, es biyectiva.
Hasta este momento, hemos denido una operacion entre funciones (la composicion)
y de entre todas las funciones hemos distinguido algunas especiales (las inyectivas,
sobreyectivas y biyectivas). Como se comporta la composicion frente a estas apli-
caciones especiales? La respuesta a esta pregunta se encuentra en los siguientes
resultados.
Proposicion 1.8 Sean f : A B y g : B C aplicaciones. Entonces,
f y g inyectivas = g f es inyectiva;
f y g sobreyectivas = g f es sobreyectiva
g f inyectiva = f es inyectiva;
g f sobreyectiva = g es sobreyectiva.
1.1. TEOR
Teorema 1.9 Sea f : A B una aplicacion y A = .
1. f es inyectiva si, y solo si, existe una aplicacion g : B A tal que g f = I
A
.
2. f es sobreyectiva si, y solo si, existe una aplicacion h : B A tal que f h =
I
B
.
Demostracion. 1.- Supongamos, primero que existe g tal que g f = I
A
. Como I
A
es inyectiva, por lo anterior, la existencia de g garantiza la inyectividad de A.
Supongamos, ahora que f es inyectiva. Entonces, para cada b f(A), existe un
unico a tal que f(a) = b. Sea ahora a
0
un elemento cualquiera de A. La aplicacion
g(x) =
a, si b f(A) y f(a) = b
a
0
, si b / f(A)
verica g f = I
A
.
2.- Si existe h tal que f h = I
B
, puesto que I
B
es sobreyectiva, la Proposicion
anterior me garantiza que f es sobreyectiva.
Supongamos ahora que f es sobreyectiva. Eso quiere decir que para cualquier b B,
f
1
(b) A no es vaco. En consecuencia podemos elegir a
b
f
1
(b). La aplicacion
h(b) = a
b
verica la tesis del enunciado
Nota. En la prueba del Teorema anterior hemos dado por hecho que en cualquier
conjunto no vaco podemos escoger siempre un elemento. Aunque no entraremos en
ello, los axiomas tpicos de la teora de conjuntos no nos garantizan que podamos ha-
cerlo. En consecuencia, se suele asumir que esto siempre es posible constituyendose
entonces como un axioma mas. Existen distintas versiones de este axioma que se
conoce como Axioma de eleccion.
La aplicacion g del Teorema anterior se suele llamar inversa a izquierda de f y la h
inversa a derecha de f. Si una aplicacion f : A B posee una inversa a izquierda
g y una inversa a derecha h, se tiene:
g = g I
B
= g (f h) = (g f) h = I
A
h = h
y la aplicacion g = h se dice inversa a derecha e izquierda de f. Asimismo, este
argumento prueba que si existe inversa a derecha e izquierda de f esta es unica.
Ahora, juntando los dos apartados del Teorema y las consideraciones previas, se
tiene que si f : A B es una aplicacion, entonces
f es biyectiva f posee inversa a izquierda y derecha.
La unica aplicacion que es inversa a derecha e izquierda de f se denota por f
1
y
se llama inversa de f.
10 CAP
1.2. Relaciones de orden y de equivalencia
1.2.1. Relaciones de equivalencia
Una relacion en un conjunto A no es mas que un subconjunto R del producto
cartesiano AA. De esta forma se dice que dos elementos estan relacionados, aRb,
si el par (a, b) pertenece al subconjunto R. Supongamos que tomamos un grupo de
personas y R el conjunto de pares ordenados de personas que son del mismo sexo.
Dos personas estan relacionadas si, y solo si, son del mismo sexo.
Las propiedades que puede tener una relacion son:
reexiva: aRa para todo a de A,
simetrica: aRb = bRa,
antisimetrica : aRb y bRa = a = b
transitiva: aRb y bRc = aRc
As, la relacion anteriormente denida es reexiva, simetrica y transitiva. Observese
que, de esta forma, hemos clasicado a nuestro grupo en dos, a saber, hombres y mu-
jeres. Esto es as, justamente, por vericar esa relacion las citadas tres propiedades.
Denicion 1.10 Una relacion que verique las propiedades reexiva, simetrica y
transitiva se denomina relacion de equivalencia.
Ejemplo 1.11
Relacion de congruencia modulo un natural n > 0 en Z denida por
r congruente con s modulo n r s es m ultiplo de n
Relacion de paralelismo entre rectas del plano.
La relacion de equipotencia entre conjuntos denida por
A y B equipotentes existe una aplicacion biyectiva f : A B.
Como ya hemos dicho, las relaciones de equivalencia sirven para clasicar los ele-
mentos del conjunto A en lo que se conoce como clases de equivalencia. La clase de
un elemento a es:
a = [a] = {x A : xRa}.
1.2. RELACIONES DE ORDEN Y DE EQUIVALENCIA 11
El conjunto de todas las clases de equivalencia en A se denota por A/R y se denomina
conjunto cociente de A por R. En el ejemplo del grupo de personas, solo tenemos 2
clases de equivalencia como ya dijimos: la compuesta por los hombres y la compuesta
por las mujeres. Ademas, la union de ambas clases de equivalencia es el conjunto de
personas que estamos considerando y su interseccion es vaca.
Ejercicio 1.12 Si n es un n umero natural, cuantas clases tenemos para la relacion
de congruencia modulo n?
Estudiemos de manera mas profunda estas las clases de equivalencia y, en conse-
cuencia, el conjunto cociente. Se tiene:
(i) Para cada a A, la clase a es no vaca como consecuencia de la propiedad
reexiva. Ademas, a a, por lo que
aA
a = A =
aA/R
a
(ii) a =

b aRb
(iii) Dados a, b A, o a =

b o a
b = .
Las propiedades (i) y (iii) suelen resumirse diciendo que el conjunto de clases de
equivalencia forman una particion del conjunto A. En general, una particion de un
conjunto A es un conjunto de subconjuntos {A
i
: i I} de A tales que su union
es todo A y son disjuntos dos a dos, es decir, A
i
A
j
= si i = j. Se puede ver
que toda relacion de equivalencia en A forma una particion de A (lo hemos visto) y
que toda particion de A da lugar a una relacion de equivalencia (dos elementos de
A estaran relacionados si pertenecen al mismo subconjunto de la particion).
1.2.2. Relaciones de orden
En terminos coloquiales, si las clases de equivalencia servan para clasicar, las
relaciones de orden, como su propio nombre indica, sirven para ordenar los elementos
de un conjunto.
Denicion 1.13 Una relacion que verique las propiedades reexiva, antisimetrica
y transitiva se denomina relacion de orden. Esta relacion se denota, habitualmente,
por .
Ejemplo 1.14
La relacion de inclusion en P(A) para un conjunto A.
12 CAP
La relacion en Z, Q o R.
En los dos ejemplos anteriores, se percibe una radical diferencia. En P(A) dos ele-
mentos no son siempre comparables: por ejemplo, si A = {1, 2, 3, 4}, los subconjuntos
{1, 2} y {2, 3} no verican ni {1, 2} {2, 3} ni {2, 3} {1, 2}. Sin embargo, dados
dos n umeros enteros, por ejemplo, siempre uno de ellos es menor o igual que el otro.
Un conjunto con una relacion de orden en la que dos elementos son siempre compa-
rables, se dice totalmente ordenado. Si no, se dice parcialmente ordenado.
En un conjunto con una relacion de orden, algunos elementos reciben nombres es-
peciales:
mnimo: a A tal que a x para todo x A
maximo: a A tal que x a para todo x A
Por ejemplo, el conjunto de n umeros naturales posee mnimo para la relacion de
orden habitual, mientras que no posee maximo. En el caso de las partes de un
conjunto A con la inclusion como relacion de orden, se tiene que el conjunto vaco
es mnimo y el propio conjunto A es maximo.
Por otro lado, en relacion a un subconjunto X de A se dice que a A es
cota inferior, si a x para todo x X;
nmo, si es la mayor de las cotas inferiores;
cota superior, si x a para todo x X;
supremo, si es la menor de las cotas superiores.
Cuando se tiene una relacion de orden , la notacion a < b signica que a b y
a = b, mientras que la notacion b a signica, obviamente, que a b.
Para concluir, una ultima denicion: un conjunto con una relacion de orden se dice
bien ordenado si todo subconjunto no vaco tiene mnimo, es decir, existe nmo
y este pertenece al subconjunto.
1.3. N
UMEROS NATURALES. PRINCIPIO DE INDUCCI
ON 13
1.3. N umeros naturales. Principio de induccion
1.3.1. N umeros naturales
El conjunto de los n umeros naturales se dene usando la conocida como Axiomatica
de Peano que data de 1889. Esto es,
1. 0 es un n umero natural
2. Para cada n umero natural x existe otro n umero natural x
llamado sucesor de
x, tal que
a) 0 no es sucesor de ning un n umero natural
b) Si x
= y
, entonces x = y
3. Axioma de Induccion : Si S es un subconjunto de N que verica :
a) 0 S,
b) Si x esta en S, su sucesor tambien.
Entonces, S = N.
Antes de continuar, algunos peque nos comentarios sobre estos axiomas:
El primero de ellos postula la existencia de un elemento que consideramos el primero
de todos para la ordenacion que introduce el segundo postulado. El segundo postu-
lado garantiza la innitud de N y, por ultimo, el tercero nos garantiza que el unico
conjunto que se puede construir a partir de los dos primeros postulados es el de los
n umeros naturales.
Usando los axiomas de Peano, es posible denir la suma en N. En la forma habitual,
llamemos 1 al sucesor de 0, 2 al sucesor de 1, 3 al sucesor de 2,... De esta forma,
podemos denir n + 0 = n y una vez denido n +m, denimos n +m
:= (n +m)
,
por ejemplo, n + 1 = (n + 0)
= n
. La multiplicacion puede tambien denirse a

partir de estos axiomas de la forma que sigue:
n 1 := n
una vez denido n m, denimos n m
:= (n m) +n
A pesar de que no entraremos en ello se nalemos que, a partir de estas deniciones,
se pueden demostrar las propiedades habituales de las operaciones aritmeticas suma
y producto en N (conmutatividad de la suma y del producto, asociatividad de suma
y producto, existencia de elemento neutro para la suma y elemento identidad para
el producto, distributividad,...).
Amen de las operaciones aritmeticas ya se naladas, sabemos que en N se tiene un or-
den que puede deducirse del segundo postulado de los axiomas de Peano. Se nalemos,
14 CAP
unicamente, que este orden es el habitual en N y que con este orden, el conjunto de
los n umeros naturales esta bien ordenado, es decir, todo subconjunto no vaco de N
admite mnimo. Observese que el mnimo de N es 0.
Para nalizar esta peque na introduccion a los n umeros naturales, probemos una
ligera variacion en nuestro axioma de induccion. La razon ultima para probar este
enunciado, amen de consideraciones que se nalaremos mas adelante, radica en el
hecho de que vamos a utilizar un tipo de razonamiento usual en Matematicas. A
saber, la reduccion al absurdo.
Teorema 1.15 Sea S un subconjunto de N que verica
1. n
0
S y
2. para todo n n
0
, n S = n + 1 S.
Entonces, {x N : x n
0
} S.
Demostracion. Supongamos que la inclusion no se verica. En ese caso, el conjunto
X = {x N : x n
0
y x / S} es no vaco. Dada la buena ordenacion de N, esto
implica que el conjunto X posee mnimo, digamos . Como n
0
pertenece a S, se
tendra que > n
0
, o dicho de otra manera, si es el inmediato antecesor de , es
decir, = +1, n
0
. Puesto que es el mnimo de X y n
0
, se tendra S.
Ahora bien, por 2 se tendra que + 1 = S, llegando a una contradiccion.
1.3.2. Principio de induccion
El Teorema 1.15 se puede trasladar de manera casi inmediata a un resultado de gran
utilidad para la prueba de ciertos resultados. Pero antes, una anecdota atribuida al
gran matematico Carl Friedrich Gauss (1777-1855). Cuenta la leyenda (vease, por
ejemplo,
5
), que de ni no Gauss asista a la escuela local de Brunswick, dirigida por
un maestro que gustaba de la rutina. Un da, el maestro tuvo la feliz idea de hacer
sumar a sus alumnos todos los n umeros del 1 al 100, ordenandoles ademas que, seg un
fuesen acabando cada uno esta poco grata tarea, deban poner su pizarra sobre la
mesa. A los pocos segundos, Gauss coloco la pizarra sobre su mesa, diciendo: Ya
esta. El maestro le miro con desden y dejo al resto de los alumnos con su tarea.
Cuando acabaron todos, se encontro con la sorpresa de que la unica pizarra en la que
apareca el resultado correcto, 5050, era la de Gauss. Obviamente, Gauss haba hecho
el calculo mental de sumar la progresion aritmetica 1 +2 + +99 +100 asociando
parejas de terminos igualmente alejados de los extremos, es decir, esencialmente
usando la formula
5
Carl B. Boyer. Historia de la Matematica, Alianza Editorial
1.3. N
UMEROS NATURALES. PRINCIPIO DE INDUCCI
ON 15
1 + 2 + +n =
n(n + 1)
2
.
Esta formula es un caso claro del tipo de problemas que podemos atacar con el
Teorema 1.15. Tenemos una serie de armaciones, una por cada n umero natural, y
queremos vericar la veracidad de cada una de ellas. Para ello, denimos el conjunto
S como
S = {n N : 1 + 2 + +n =
n(n + 1)
2
}
Se tiene que 1 S por cuanto
1 =
1 2
2
.
Ademas si suponemos que n S, es decir,
1 + 2 + +n =
n(n + 1)
2
,
es facil ver que tambien es cierto
1 + 2 + +n + (n + 1) =
(n + 1)(n + 2)
2
,
o, lo que es lo mismo, (n+1) S. Aplicando el Teorema 1.15, habremos demostrado
que la f ormula es cierta para cualquier n umero natural mayor o igual que 1.
El mismo razonamiento que hemos hecho con la suma aritmetica, puede realizarse
para cualquier conjunto de proposiciones que dependan de un parametro natural.
Corolario 1.16 (Principio de induccion) Supongamos que para cada natural
n n
0
se tiene una proposicion P(n) que puede ser cierta o falsa. Si
1. P(n
0
) es cierta y
2. para todo n n
0
, P(n) cierta = P(n + 1) es cierta.
Entonces, P(n) es cierta para todo n n
0
.
Asimismo, por argumentos no demasiado complicados, podemos formular el princi-
pio de induccion de esta otra manera:
Corolario 1.17 Supongamos que para cada natural n n
0
se tiene una proposicion
P(n) que puede ser cierta o falsa. Si
1. P(n
0
) es cierta y
2. para todo n n
0
, P(m) cierta para todo m con n
0
m n = P(n + 1) es
cierta.
Entonces, P(n) es cierta para todo n n
0
.
16 CAP
Ejemplo 1.18 (Mas ejemplos de aplicacion del principio de induccion)
1.- Probar que
1
2
+ 2
2
+ 3
2
+ +n
2
=
1
6
n(n + 1)(2n + 1) para todo n 1
a) La f ormula es cierta para n = 1, pues 1 =
1
6
1 2 3.
b) Supongamos que la formula es cierta para n. Si eso implica que la formula es
cierta para n + 1, tendramos probada la formula para cualquier natural 1. Se
tiene, aplicando la hipotesis de la veracidad de la formula para n (hipotesis de
induccion), que
1
2
+ 2
2
+ 3
2
+ +n
2
+ (n + 1)
2
=
1
6
n(n + 1)(2n + 1) + (n + 1)
2
.
Unas peque nas cuentas prueban que
1
2
+ 2
2
+ 3
2
+ +n
2
+ (n + 1)
2
=
1
6
(n + 1)(n + 2)(2n + 3),
con lo que habramos terminado.
2.- Probar que 3
2n
1 es m ultiplo de 8 para todo natural 1.
a) Como 3
2
1 = 8, la armacion es cierta para n = 1.
b) Lo que tenemos que ver ahora es
3
2n
1 m ultiplo de 8 = 3
2(n+1)
1 m ultiplo de 8
Ahora bien,
3
2(n+1)
1 = 3
2n+2
1 = 3
2n
3
2
1 = 3
2n
3
2
3
2
+3
2
1 = 3
2
(3
2n
1) +(3
2
1)
Aplicando que 3
2n
1 es m ultiplo de 8 y que 3
2
1 = 8 tambien, se concluye que
3
2(n+1)
1 es m ultiplo de 8.
1.4. Cardinal de un conjunto
1.4.1. Que signica contar?
Supongamos que tomamos el tren en el apeadero del Campus para trasladarnos a
la estacion de Atocha. Como contamos el n umero de paradas entre una y otra
estacion? La primera vez que se para el tren es en Alcala y a esa parada le asig-
namos el n umero natural 1. La siguiente parada es La Garena a la que le asignamos
1.4. CARDINAL DE UN CONJUNTO 17
el n umero 2. De esta manera continuamos hasta llegar a la estacion de Atocha
que ser a la undecima y a la que, logicamente, le asignaremos el n umero 11. La
proxima vez que queramos hacer este recorrido no necesitaremos jarnos en las
paradas; simplemente, tendremos que ir contando hasta once y en ese momento
habremos de descender del tren. En terminos matematicos, que es lo que hemos
hecho? Sencillamente, establecer una biyeccion entre el conjunto de paradas y el
conjunto {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11}.
El supuesto anterior es un ejemplo del hecho siguiente: contar es construir una
aplicaci on biyectiva. Dicho de otra manera, decir que un conjunto tiene n elementos
es tanto como dar una biyeccion entre dicho conjunto y {1, 2, . . . , n}. Dando otra
vuelta de tuerca, contar es, necesariamente, introducir un orden en un conjunto
nito.
A traves de los argumentos anteriores, podemos asegurar que dos conjuntos nitos
tienen el mismo n umero de elementos si, y solo si, existe una biyeccion entre ambos.
Al n umero de elementos de un conjunto nito A se le llama cardinal de A y se escribe
|A| o #A. Si hablamos de conjuntos nitos y de su cardinal, es facil establecer algunas
propiedades basicas. Sean, pues A y B conjuntos nitos.
Si A B y A = B, |A| < |B|. Por lo tanto, no existe ninguna biyeccion entre
A y B, es decir, si A es nito, ning un subconjunto propio es equipotente a A.
Si A y B son disjuntos, |A
B| = |A| +|B|.
|A B| = |A| |B|.
Si f : A B es inyectiva, |A| |B|
Si f : A B es sobreyectiva, |A| |B|
1.4.2. Cardinal de un conjunto
En la Subseccion anterior, abstrayendo el signicado de contar, hemos estableci-
do una denicion de lo que llamamos cardinal de un conjunto nito y algunas
propiedades basicas; entre ellas, la imposibilidad de que un conjunto nito sea
equipotente a un subconjunto propio. Ocurre lo mismo con los conjuntos inni-
tos? Consideremos, por ejemplo, el conjunto N de los n umeros naturales y 2N el
conjunto de n umeros naturales pares que es un subconjunto propio de N. Es facil
ver que la aplicacion f : N 2N, dada por f(n) = 2n es biyectiva, es decir, el
n umero de naturaleses igual al n umero de naturales pares!
La forma en la que la denicion de cardinal se extiende a cualquier conjunto, nito
o no, es, esencialmente, la misma que la dada para el caso nito.
Denicion 1.19 (Cardinal de un conjunto) El cardinal de un conjunto A, es-
crito |A| o #A, es la clase de equivalencia de A bajo la relacion de equipotencia.
18 CAP
Veamos, en primer lugar, que la denicion se corresponde con la dada anteriormente
para conjuntos nitos. En efecto, puesto que todo conjunto A con n elementos es
biyectable con I
n
= {1, 2, . . . , n}, podemos identicar su clase con el n umero n,
por lo que el cardinal de un conjunto nito se puede identicar con el n umero de
elementos.
El primer cardinal no nito es el cardinal de N que se denomina
0
(se puede
demostrar que todo conjunto innito contiene un subconjunto que es equipotente a
N). A los conjuntos que tienen el mismo cardinal que N, es decir, que son equipotentes
a N se les llama numerables. Por ejemplo, 2N es numerable. Que quiere decir que
un conjunto sea numerable? Si retomamos los axiomas de Peano, una caracterstica
esencial de N es que sus elementos estan numerados: 0 es el primero, 1 el segundo, 2
el tercero,. . . Por lo tanto, que un conjunto sea numerable querra decir que podemos
escoger en dicho conjunto un primer elemento, un segundo elemento, etc. Dicho
de manera mas sencilla, un conjunto es numerable si podemos poner en la sus
elementos. Por ejemplo, el conjunto de los n umeros enteros es numerable, porque
podemos ponerlos en la como sigue:
0, 1, 1, 2, 2, 3, 3, 4, 4, 5, 5 . . . .
Ejercicio 1.20
1. Mostrar una biyeccion entre Z y el conjunto de enteros impares.
2. Demostrar que NN es numerable. (Indicacion: Todo n umero natural distinto
de cero puede expresarse como una potencia de dos multiplicada por un n umero
impar).
Algunas propiedades de los conjuntos numerables, que damos sin demostracion, son
las siguientes:
Todo subconjunto de un conjunto numerable o es nito o es numerable.
La union nita o numerable de conjuntos numerables es numerable.
El producto cartesiano de un n umero nito de conjuntos numerables es nu-
merable.
Finalizamos esta Seccion dedicada a los cardinales, se nalando que
0
no es el unico
cardinal innito. Puede verse que el conjunto de los n umeros reales no es numerable.
Se conjetura que entre
0
y |R| no hay ning un otro cardinal, aunque sin demostracion
por ahora. A esta conjetura se la denomina Hipotesis del continuo.
1.5. OPERACIONES INTERNAS 19
1.5. Operaciones internas
Una de los puntos esenciales del

Algebra es el de abstraer modelos que se adaptan
a situaciones diversas. Un ejemplo tpico es el de considerar las cuatro operaciones
aritmeticas basicas (suma, resta, multiplicacion y division) y situarlas en un paisaje
abstracto que se adapta a diversas situaciones como iremos viendo.
Consideremos, por ejemplo, la suma de n umeros enteros. Esta operacion, puede
pensarse como una aplicacion de Z Z en Z, a saber,
+ : Z Z Z, (m, n) m +n
Visto esto, se dene operacion interna en un conjunto A a una regla que asocia
a cada par (a, b) de A
2
otro elemento de A, a b. Como en el caso de la suma una
operacion interna puede considerarse como una aplicacion de A A en A:
: A A A, (a, b) a b
Si volvemos a la operacion suma de enteros, sabemos que verica varias propiedades:
es conmutativa (a+b = b+a, posee elemento neutro (a+0 = a), es asociativa y todo
elemento posee un unico elemento opuesto (a+(a) = 0). Estas mismas propiedades
son las mismas que puede tener cualquier operacion interna:
asociativa: a (b c) = (a b) c para todo a, b, c A
conmutativa: a b = b a para todo a, b A
elemento identidad : e A tal que e a = a e = a para todo a A
elemento inverso de un elemento a A: a
A tal que a
a = a a
= e.
Nota. Las notaciones mas usuales para las operaciones internas, por analoga con
las operaciones aritmeticas, son + y . Como para la suma de enteros, si se utiliza
notacion aditiva (es decir, + como operacion) el elemento identidad, usualmente
llamado neutro, se denota 0 y el inverso de a, generalmente llamado opuesto, se de-
nota por a. Si la notacion es multiplicativa (es decir, como operacion) el elemento
identidad se denota 1 y el inverso de a se suele escribir a
1
.
Denicion 1.21 (Grupo) Un conjunto A equipado con una operacion interna
se dice que es un grupo si la operacion es asociativa, posee elemento neutro y todo
elemento posee inverso. Si la operacion es ademas conmutativa, el grupo se dice
conmutativo o abeliano.
Naturalmente, hay conjuntos que admiten mas de una operacion interna. Por ejem-
plo, en Z se tienen dos operaciones aritmeticas: la suma y el producto de enteros.
20 CAP
Sabemos que estas dos operaciones verican lo que se conoce como propiedad dis-
tributiva, es decir,
a(b +c) = ab +bc , (a +b)c = ac +bc para todo a, b, c Z.
Denicion 1.22 (Anillo) Un anillo es un conjunto no vaco R junto con dos op-
eraciones internas (usualmente denotadas como suma (+) y producto ( )) tales
que:
1. (R, +) es un grupo abeliano;
2. (ab)c = a(bc) para todo a, b, c R;
3. a(b +c) = ab +bc (a +b)c = ac +bc (propiedad distributiva)
Si el producto es conmutativo, se dice que el anillo es conmutativo y si existe ele-
mento identidad para el producto, se llama anillo con elemento identidad.
Por ejemplo, (Z, +, ) es un anillo conmutativo con elemento identidad. Esto implica
que en Z hay suma, resta y multiplicacion. Sin embargo, a un nos queda por con-
siderar la cuarta operacion basica de la aritmetica: la division. Pero para hablar de
division, necesitamos que todo elemento tenga un inverso con respecto a la multi-
plicacion. En el caso de Z, debemos ampliar nuestro conjunto a los racionales, Q,
para que esto sea posible. Si un anillo, en el que 1 = 0, todo elemento no nulo posee
inverso, se dice que es un cuerpo. Por ejemplo, Q es un cuerpo.
1.5.1. El anillo Z
Los n umeros enteros forman un conjunto, Z, en el que hay dos operaciones y un
orden. Junto a las operaciones, suma y producto en Z, hemos visto que tiene estruc-
tura de anillo conmutativo con elemento identidad. El orden es total, compatible
con la estructura de anillo y es un buen orden para los enteros 0. Resumimos las
propiedades esenciales de Z como sigue:
Operaciones. En Z hay dos operaciones, suma y producto, que le dan estructura
de anillo conmutativo con elemento identidad:
Z1. (Z, +) es un grupo conmutativo.
Z2. El producto es asociativo, tiene elemento identidad y es conmutativo.
Z3. El producto es distributivo con respecto a la suma.
El producto posee una propiedad que no todos los anillos poseen:
Z4. ab = 0 = a = 0 o b = 0
Los anillos que verican esta propiedad (y con 1 = 0 )se llaman dominios de
integridad.
1.5. OPERACIONES INTERNAS 21
Orden. En el conjunto de los enteros hay una relacion de orden, es decir, una
relacion con las propiedades:
Z5. reexiva, simetrica y transitiva.
Este orden es un orden total, es decir,
Z6. para todo a, b Z, a b o b a.
Asimismo, el orden es compatible con las operaciones aritmeticas:
Z7. a b y c Z = a +c b +c,
Z8. a b y c 0 = ac bc,
y el conjunto de n umeros enteros positivos, es decir, N esta bien ordenado:
Z8. Todo subconjunto no vaco de N tiene mnimo.
Observacion 1.23 Al igual que para los axiomas de Peano con respecto a los
n umeros de Peano, las propiedades Z1-Z9 pueden considerarse como los axiomas
que denen los n umeros enteros.
22 CAP
1.6. Problemas propuestos
Nota. En todos los problemas anillo quiere decir anillo conmutativo con elemento
identidad.
Problema 1.1 .- Sea A un conjunto nito con n elementos. Probar que |P(A)| =
2
n
y estudiar cuantas aplicaciones biyectivas de A en A se pueden construir.
Problema 1.2 .- Dados dos conjuntos A y B, se llama diferencia simetrica de
ambos y se escribe AB al conjunto
AB = (A \ B)
(B \ A).
Demostrar que AB = (A
B) \ (A
B).
Problema 1.3 .- Sean f : Z Z y g : Z Z denidas por f(s) = s + 1 y
g(s) = s
2
.
a) Estudiar si son inyectivas, sobreyectivas o biyectivas.
b) Describe las aplicaciones g f y f g y comprueba que no son iguales. (De
esta forma, queda demostrado que la composicion de aplicaciones no es, en
general, conmutativa).
Problema 1.4 .- Supongamos que en un conjunto A tenemos denida una relacion
de orden denotada por . Probar que la relacion
(
1
, . . . ,
n
) (
1
, . . . ,
n
)
i

i
i {1, 2, . . . , n}
es una relacion de orden en A
n
. Si el orden es total en A, tambien lo es el orden
as denido en A
n
?
Problema 1.5 .- Considerese la siguiente relacion en Z Z \ {0}
(a, b) R (c, d) ad = bc.
Probar que dicha relacion es de equivalencia. Quien es el conjunto cociente ZZ\
{0}/R?
Problema 1.6 .- Utilizar el apartado 2 del ejercicio 1.20 de los apuntes para probar
que la union numerable de conjuntos numerables es numerable.
1.6. PROBLEMAS PROPUESTOS 23
Problema 1.7 .- Probar, mediante el uso del principio de induccion, las formulas
o armaciones siguientes :
1 +r +r
2
+ +r
n
=
r
n+1
1
r 1
1 + 1 1! + 2 2! + (n 1)(n 1)! = n!
1
3
+ 2
3
+ 3
3
+ + (n 1)
3
+n
3
=
n
2
(n + 1)
2
4
Si a > 0, (1 +a)
n
1 +na
7
n
6n 1 es m ultiplo de 36 para todo n 1
Problema 1.8 .- Demostrar que la propiedad
n
2
+ 5n + 1 es par
es cierta para n+1 si la suponemos cierta para n. Para cuantos n umeros naturales
es cierta la propiedad?
Problema 1.9 .- Demostrar que los terminos de la sucesion de Fibonacci (F
0
=
0, F
1
= 1, F
n
= F
n1
+F
n2
si n 2) estan dados por la formula:
F
n
=
1+
5
2
5
2
5
.
Problema 1.10 .- Sea y dos n umeros reales tales que la ecuacion X
2
X
tiene dos races distintas, que denotaremos por r y s. Considerese la sucesion denida
por u
0
= 0, u
1
= 1 y u
n
= u
n1
+u
n2
si n 2. Demostrar que
u
n
=
r
n
s
n
r s
.
Problema 1.11 .- Comprobar que en un conjunto con una operacion
a) el elemento identidad, si existe, es unico, y
b) si la operacion es asociativa y posee elemento unidad, el elemento inverso, si
existe, es unico.
24 CAP
Problema 1.12 .- Probar que en un anillo
a) a 0 = 0,
b) a(b) = (ab),
c) (a)(b) = ab.
Problema 1.13 .- Sea A un anillo. Supongamos que 1 = 0 en A. Quien es A?
Problema 1.14 .- Sea A un anillo y sea A
el conjunto de las unidades de A, es

decir,
A
= {a A : existe a
1
}.
Probar que A
junto a la multiplicacion es un grupo abeliano.

Problema 1.15 .- En un anillo A, un elemento x se dice nilpotente si x
n
= 0
para alg un n. Probar que si x A es nilpotente, 1 + x es una unidad de A. (Pista:
recuerdese la primera formula probada en el Ejercicio 1.7.)
Problema 1.16 .- Un anillo se dice de Boole si x
2
= x para todo x A. Probar
que, en ese caso, 2x = 0 para todo x A.
Problema 1.17 .- Sean A
1
, A
2
, . . . , A
n
anillos. Denimos suma y producto en A
1
A
2
A
n
componente a componente, es decir, (a
1
, . . . , a
n
) + (b
1
, . . . , b
n
) =
(a
1
+ b
1
, . . . , a
n
+ b
n
) y (a
1
, . . . , a
n
) (b
1
, . . . , b
n
) = (a
1
b
1
, . . . , a
n
b
n
). Probar que,
con estas operaciones, A
1
A
2
A
n
tiene estructura de anillo con elemento
unidad (1, . . . , 1). Si A
1
, A
2
, . . . , A
n
son cuerpos, A
1
A
2
. . . A
n
es cuerpo con
estas operaciones?
Problema 1.18 .- Si A y B son anillos, se dice que una aplicacion f : A B es
homomorsmo si respeta las operaciones, es decir,
1. f(a +b) = f(a) +f(b),
2. f(a b) = f(a) f(b) y
3. f(1) = 1.
Si, ademas, f es biyectiva se dice isomorsmo y se dice que los anillos A y B son
isomorfos. Probar que si f : A B es homomorsmo, se verica
f(0
A
) = 0
B
Si a es una unidad de A, f(a) es una unidad de B. De hecho, f(a)
1
= f(a
1
).
Captulo 2
Divisibilidad en Z
2.1. Division eucldea en Z. Maximo com un divi-
sor
Denicion 2.1 Dados dos n umeros enteros a y b, con b = 0, se dice que b divide
a a o que a es m ultiplo de b o que b es divisor de a, si existe otro entero q tal que
a = bq. Se escribe
b | a
Naturalmente, todo n umero entero a distinto de 1 y 1 tiene, al menos, cuatro
divisores, a saber, 1 y a. A estos divisores se les conoce con el nombre de divisores
(o factores) triviales de a. Otras propiedades, de todos conocidas, de la divisibilidad
se recogen en la siguiente Proposicion:
Proposicion 2.2 En las propiedades siguientes todos los n umeros seran enteros y
|a| denotara el valor absoluto de a.
1) d|a d|a d| a,
2) d|a, a = 0 y d 0 = 1 d |a|,
3) d|1 = d = 1 o d = 1,
4) a|b y b|a = b = a o b = a,
5) a|b y b|c = a|c,
6) a|b y a|c = a|b + c,
7) a|b y a|c = a|bc,
8) a|b y c Z = ac|bc,
25
26 CAP
ITULO 2. DIVISIBILIDAD EN Z
9) a|b y c|d = ac|bd,
10) ac|bc y c = 0 = a|b.
Nota. La prueba de estas propiedades requiere el uso de la Denicion 2.1 y de los
axiomas que denen los n umeros enteros. Como la prueba de dichas propiedades es
sencilla, la dejaremos como ejercicio.
De entre todos los n umeros enteros, adquieren una singular importancia los cono-
cidos como n umeros primos que, desde siempre, han fascinado a los matematicos
y al resto de los mortales. Por poner un ejemplo, en la pelcula Contact dirigida
por Robert Zemeckis en 1997 y cuyo guion se basa en una novela de Carl Sagan, el
primer mensaje que recibe de los extraterrestres la Dra. Arroway, interpretada por
Jodie Foster, es una sucesion de n umeros primos.
Denicion 2.3 Un entero p > 1 se dice primo si sus unicos divisores positivos son
los triviales, es decir, 1 y p.
Los primeros primos son:
2, 3, 5, 7, 11, 13, 17, 19, 23, ...
Notese que 1 no es primo.
Teorema 2.4 (Euclides, Libro IX de los Elementos, aprox. 300 a. C.) Todo
n umero entero mayor que 1 es producto de primos.
Demostracion. Induccion en la talla.
En particular, todo entero no nulo es producto de uno de los n umeros 1 y de
n umeros primos. Veremos mas adelante que esta expresion es, esencialmente, unica.
Teorema 2.5 (Euclides, Libro IX de los Elementos) Existen innitos n umeros
primos.
La prueba de este resultado es sencilla y su interes radica en el hecho de que es
una de las primeras demostraciones conocidas en las que se utilizo la reduccion al
absurdo.
Demostracion. Supongamos que hay un n umero nito, digamos n, de primos a los
que denotaremos por p
1
, p
2
, . . . , p
n
. Consideremos el n umero
2.1. DIVISI
ON EUCL
IDEA EN Z. M
AXIMO COM
UN DIVISOR 27
N = p
1
p
2
p
n
+ 1.
Por el teorema anterior, sabemos que N es producto de primos. Sea, pues, p un
factor primo de N. Este primo ha de ser uno de los p
1
, p
2
, . . . , p
n
, digamos p = p
i
.
Entonces, p
i
divide a N p
1
p
2
p
n
que es igual a 1, con lo que hemos llegado a
una contradiccion.
Una de las primeras tareas matematicas (y algortmicas) que realizamos en nuestra
vida es la de aprender a dividir n umeros naturales con resto. La forma en la que nos
ense nan a dividir, basada en la b usqueda de un natural que quepa(si no la mejor
desde un punto de vista de eciencia) es, en cierto modo, la misma idea en la que
se basa la demostracion del siguiente teorema.
Teorema 2.6 (Division eucldea) Si a y b son dos enteros, b = 0, existe un unico
par de enteros q y r tales que:
a = bq + r y 0 r < |b|.
A q y a r se les conoce, respectivamente, como cociente y resto de la division eucldea
de a por b.
Demostracion. Empecemos por demostrar la existencia de cociente y resto.
Supongamos, primero, que b > 0 y sea S = {x Z : bx a}. Este conjunto S es
no vaco (|a| pertenece a S) y esta acotado superiormente (por ejemplo, por |a|).
En consecuencia, tiene maximo. Llamaremos q a este maximo y r = a bq. Por
construccion, se tiene que a = bq + r. Veamos que r verica lo exigido. En efecto,
r 0 (por pertenecer q a S)
r < |b| = b. Si r b, se tendra b(q+1) = bq+b bq+r = a y, en consecuencia
q + 1 pertenecera a S contradiciendo el hecho de q es el maximo de S.
Si b < 0, aplicamos el caso anterior a b.
Para probar la unicidad supongamos que q
1
, r
1
y q
2
, r
2
verican las condiciones del
teorema, es decir,
a = bq
1
+ r
1
con 0 r
1
< |b| y
a = bq
2
+ r
2
con 0 r
2
< |b|
y que r
1
r
2
. Restando, se tiene b(q
1
q
2
) = r
2
r
1
. Por lo tanto, |b| divide a r
2
r
1
,
pero tambien se tiene que 0 r
2
r
1
< |b|. Esto solo es posible si r
2
r
1
= 0. Por
lo tanto, r
2
= r
1
y, en consecuencia q
2
= q
1
.
28 CAP
Denicion 2.7 (Maximo com un divisor) Si d|a y d|b decimos que d es un divi-
sor com un (o factor com un) de a y b; por ejemplo, 1 es un divisor com un a cualquier
par de enteros a y b. Si a y b no son los dos nulos, el Teorema 2.6 prueba que ninguno
de sus divisores comunes puede ser mayor que max(|a|, |b|), por lo que podemos ase-
gurar que de entre todos sus divisores comunes debe existir uno que sea el mayor de
ellos. Este es el maximo com un divisor de a y b que denotaremos por mcd(a, b);
siendo el unico entero d que satisface
d|a y d|b (por ser d un divisor com un),
Si c|a y c|b, c|d (pues d es el mayor de los divisores comunes de a y b).
Sin embargo, el caso a = b = 0 debe ser excluido; cualquier entero divide a 0
y es, por tanto, un divisor com un de a y b, por lo que, en este caso, no existe
un maximo com un divisor. Esta denicion puede obviamente extenderse al maximo
com un divisor de cualquier conjunto nito de enteros (no todos nulos).
Nota. Dos n umeros enteros a y b se dicen coprimos o primos entre s si no poseen
factores comunes no triviales, esto es, si mcd(a, b) = 1.
Al igual que hicimos con la divisibilidad, recogemos en la siguiente Proposicion
algunas propiedades basicas del maximo com un divisor.
Proposicion 2.8 En las propiedades siguientes todos los n umeros son enteros y |a|
denotar a el valor absoluto de a.
1) mcd(a, b) = mcd(b, a),
2) mcd(a, b, c) = mcd(mcd(a, b), c) = mcd(a, mcd(b, c)),
3) mcd(a, 0) = mcd(a, a) = |a|,
4) mcd(a, b) = mcd(a, b) = mcd(|a|, |b|),
5) mcd(ca, cb) = |c|mcd(a, b),
6) mcd(a, b) = mcd(a, b + ac),
7) mcd
_
a
mcd(a, b)
,
a
mcd(a, b)
_
= 1,
Una de las primeras aplicaciones del maximo com un divisor que suele realizarse en la
escuela es la reduccion del tama no de numerador y denominador en la aritmetica con
n umeros racionales. Obviamente, esto requerira, sobre todo si se piensa en n umeros
2.2. ALGORITMO DE EUCLIDES. TEOREMA DE LAM
E 29
de gran tama no, de un algoritmo eciente
1
para su calculo. Afortunadamente (no
siempre es el caso para otros problemas) se dispone de un metodo que, sorprenden-
temente, se hallaba ya en los Elementos de Euclides. Seg un D. Knuth, the oldest
nontrivial algorithm that has survived to the present day.
2.2. Algoritmo de Euclides. Teorema de Lame
Trataremos, en esta Seccion, de construir un algoritmo eciente para el calculo del
maximo com un divisor y estudiar algunas de sus propiedades. Naturalmente, la
propia denicion de maximo com un divisor proporciona un algoritmo para calcular
mcd(a, b): construir la lista de divisores de a y b y tomar el mayor de los comunes.
Sin embargo, para grandes n umeros, este algoritmo es, ciertamente, inaplicable.
El algoritmo de Euclides que estudiaremos para el calculo del maximo com un divisor
se basa en la sencilla observacion siguiente:
d|a y d|b d|a y d|r,
siendo r el resto de la division de a por b. Esto quiere decir que los divisores comunes
de a y b son los divisores comunes de a y r, por lo que mcd(a, b) = mcd(b, r).
El algoritmo de Euclides explota la idea anterior para simplicar el calculo del
maximo com un divisor reduciendo el tama no de los enteros sin alterar su maximo
com un divisor. Eliminando casos triviales, podemos suponer que a > b > 0. Sean
r
0
= a, r
1
= b. Dividiendo, se tendra que r
0
= q
1
r
1
+ r
2
con 0 r
2
< r
1
= b.
Si r
2
= 0, entonces b|a, por lo que mcd(a, b) = b y hemos terminado. Si r
2
= 0,
dividimos r
1
entre r
2
y escribimos r
2
= q
2
r
2
+ r
3
con 0 r
3
< r
2
y repetimos
el proceso. Dado que la sucesion de restos es decreciente (r
1
> r
2
> r
3
> ...), en
alg un momento habremos de encontrar un resto r
n+1
igual a 0. Los dos ultimos
pasos podemos escribirlos de la forma r
n2
= q
n1
r
n1
+ r
n
con 0 < r
n
< r
n1
, y
r
n1
= q
n
r
n
+ r
n+1
con r
n+1
= 0.
Teorema 2.9 En el proceso anterior, r
n
es el maximo com un divisor de a y b.
Ademas, el maximo com un divisor es unico.
1
En el contexto informatico, eciente quiere decir que, una vez convenientemente programado,
pueda ser ejecutado por un ordenador en un tiempo y utilizacion de recursos de memoria razonables.
No nos entretendremos en discutir que quiere decir razonable, que sera objeto de la asignatura
Complejidad Computacional u otras.
30 CAP
Tras las consideraciones anteriores, podemos escribir el algoritmo de Euclides como
sigue, donde rem(a, b) representa el resto de dividir a entre b:
Entrada : a, b Z
mientras b = 0, hacer
t |a|
a |b|
b rem(t, a)
salida : a
Pseudocodigo del algoritmo de Euclides.
Naturalmente, el algoritmo anterior puede extenderse al calculo del maximo com un
divisor de mas de dos enteros. Supongamos dados t enteros positivos a
1
, . . . , a
t
y sea
R
0
= (a
1
, . . . , a
t
). Supongamos que i es el ndice de la coordenada mas peque na de
R
0
. En este caso es facil ver que mcd(a
1
, . . . , a
t
) es igual a
mcd(rem(a
1
, a
i
), . . . , rem(a
i1
, a
i
), a
i
, rem(a
i+1
, a
i
), . . . , rem(a
t
, a
i
))
Esta idea conduce al siguiente algoritmo.
entrada : (a
1
, a
2
, . . . , a
t
) Z
t
Inicializar A := (|a
1
|, |a
2
|, . . . , |a
t
|)
mientras A contenga, al menos, dos coordenadas no nulas hacer
Calcular el ndice i del menor entero no nulo de A
A (rem(a
1
, a
i
), . . . , rem(a
i1
, a
i
), a
i
, rem(a
i+1
, a
i
), . . . , rem(a
t
, a
i
))
salida : a
i
Pseudocodigo del algoritmo de Euclides para t enteros.
Ejemplo 2.10 Calcular el mcd de 120, 146 y 180. En este caso, se tiene:
mcd(120, 146, 180) = mcd(120, 26, 60) = mcd(16, 26, 8) = mcd(0, 2, 8) =
= mcd(0, 2, 0) = 2.
2.2. ALGORITMO DE EUCLIDES. TEOREMA DE LAM
E 31
2.2.1. Teorema de Lame
Examinamos el algoritmo de Euclides sobre una entrada (a, b) tomando nota de
cocientes y de restos. Si r
0
= a y r
1
= b, se tiene:
r
0
= q
1
r
1
+ r
2
r
1
= q
2
r
2
+ r
3
.
.
. (2.1)
r
n2
= q
n1
r
n1
+ r
n
r
n1
= q
n
r
n
Hemos probado con anterioridad que r
n
= mcd(a, b). Notemos, por otro lado, que
el ultimo cociente, q
n
es mayor o igual que 2 (salvo que n = 1).
Denotemos por E(a, b) el n umero de divisiones que realiza el algoritmo de Euclides
si el input es (a, b). El objetivo es probar una buena cota superior para E(a, b).
Sea F
n
el nesimo n umero de Fibonacci que, recordemos, esta denido por F
0
= 0,
F
1
= 1 y F
n
= F
n1
+ F
n2
si n 2.
Lema 2.11 Sean a y b enteros tales que a > b > 0 y supongamos que E(a, b) = n.
Entonces, a F
n+2
y b F
n+1
Demostracion. Utilizaremos la notacion de 2.1 y probaremos que r
0
F
n+2
y
r
1
F
n+1
por induccion en n.
El enunciado es cierto para n = 1. En este caso, el algoritmo de Euclides consta
de una unica division, r
0
= q
0
r
1
y puesto que r
0
> r
1
, los menores enteros que lo
verican son r
1
= 1 = F
2
y r
0
= 2 = F
3
.
Supongamos ahora que el enunciado es cierto para i < n; queremos probarlo para n.
El primer paso del algoritmo de Euclides es r
0
= q
0
r
1
+r
2
y sabemos que E(r
1
, r
2
) =
n 1. Por lo tanto, r
1
F
n+1
y r
2
F
n
. Por lo tanto, r
0
r
1
+ r
2
F
n+2
.
A partir del Lema anterior y utilizando que
F
n
=

n
5
,
donde =
1+
5
2
y =
1
5
2
, se tiene
Corolario 2.12 Si a > b > 0, E(a, b) < c
1
log(u) + c
2
2 + c
3
u
1
, donde c
1
=
1
log
= 2,08, c
2
=
log
5
log
= 1,67 y c
3
=
1
5 log
= 0,93. (log logaritmo natural). Si
se escribe la cota anterior en terminos de la talla binaria de a (es decir, log
2
a) se
obtiene, redondeando, que
E(a, b) 1,90 log
2
a 0,33
32 CAP
Demostracion. Supongamos que E(a, b) = n. Por el lema 2.11, sabemos que, en ese
caso, a F
n+2
. Entonces,
a

n+2
n+2
5
>

n+2
1
5
.
En consecuencia, (n + 2) log log(1 + a
5). Ahora, usando el hecho de que

log(x + 1) = log x + log
_
1 +
1
x
_
y la estimacion log
_
1 +
1
x
_
<
1
x
para obtener
(n + 2) log < log(a
5) +
1
a
5
,
se obtiene el resultado.
Observacion 2.13 Queda algo alejado del curso hacer consideraciones sobre la e-
ciencia de los algoritmos introducidos. Sin embargo, deje el lector que se le ofrezca
un resultado que demuestra bien a las claras las posibilidades del Algoritmo de Eu-
clides. A partir del resultado anterior se puede probar que el n umero de operaciones
binarias necesarias para calcular el mcd usando Euclides es
k (log
2
a)(log
2
b)
Olvidandonos de la constante k, si los enteros a y b tienen talla binaria 10000 (aprox-
imadamente 3000 dgitos en base 10), habra que realizar, mas o menos, cien millones
de operaciones binarias. Dado que, por ejemplo, los primeros procesadores Pentium
realizaban entre 100 y 112 millones de operaciones binarias por segundo, un orde-
nador equipado con uno de dichos procesadores, nos dara la respuesta en algo menos
de un segundo.
Por otro lado, si usamos la factorizacion en producto de primos para calcular el
maximo com un divisor, la situacion no es, ni mucho menos, tan boyante. En la
practica, el mejor de los algoritmos de factorizacion conocidos (que utiliza tecnicas
matem aticas ciertamente sosticadas) no puede factorizar, ni a un usando el Super-
Computer de IBM, enteros de varios cientos de dgitos (aunque nadie ha probado
a un que nunca pueda encontrarse un algoritmo eciente). Esta dicultad de la fac-
torizacion es una de las ideas claves por la que el sistema criptograco RSA que
estudiaremos mas adelante se haya convertido en el sistema criptograco de uso
com un.
Por ultimo, se nalemos que la falta de una prueba que demuestre que no es posible
encontrar un algoritmo eciente para la factorizacion esta estrechamente ligada a
uno de los problemas centrales de la Informatica como es la Conjetura de Cook
2
.
2
En la pagina http://www.claymath.org/prizeproblems/pvsnp.htm del Clay Mathematics
Institute existe informacion (sencilla descripcion del problema, artculo mas profundo sobre el
asunto e incluso un vdeo de una charla divulgativa) sobre esta conjetura. De hecho, el Instituto
Clay ofrece un millon de dolares a quien sea capaz de resolver esta conjetura.
2.3. IDENTIDAD DE B
EZOUT. ALGORITMO EXTENDIDO DE EUCLIDES33

2.3. Identidad de Bezout. Algoritmo extendido de
Euclides
Denicion 2.14 Dados enteros a y b y su maximo com un divisor d = mcd(a, b),
se denomina identidad de Bezout a una expresion de la forma
ax + by = d x, y Z.
El objetivo fundamental de esta seccion, junto a la prueba del Teorema Fundamental
de la Aritmetica, es el demostrar que siempre existen tales enteros x e y y encontrar
un algoritmo para su calculo. Pero antes, veamos un ejemplo. Aplicando el algoritmo
de Euclides a a = 180 y b = 146, se tiene la siguiente sucesion de identidades:
180 = 1 146 + 34 (2.2)
146 = 4 34 + 10 (2.3)
34 = 3 10 + 4 (2.4)
10 = 2 4 + 2 (2.5)
4 = 2 2 (2.6)
Supongamos que queremos encontrar una identidad de Bezout, es decir, encontrar
enteros x e y tales que
180 x + 146 y = 2
Para ello, podemos volver hacia atras en las identidades anteriores, es decir, de (2.5)
se tiene
2 = 10 2 4.
Ahora, de (2.4) podemos despejar 4 y llegar a
2 = 7 10 2 34.
De nuevo, usando (2.3) llegamos a
2 = 7 146 30 34.
Finalmente, usando (2.2) se tiene
2 = 30 180 + 37 146.
Esta forma de proceder implicara que para resolver una identidad de Bezout,
habramos de aplicar el algoritmo de Euclides (tomando nota de restos y cocientes)
34 CAP
y despues volver hacia atras utilizando dichos restos y cocientes. Sin embargo, pode-
mos organizar los calculos de manera que esto no sea necesario. Para ello, usaremos
los cocientes para construir x
k
e y
k
tales que:
ax
k
+ by
k
= r
k
(0 k n).
De este modo, si k = n, tendramos resuelto nuestro problema.
Para k = 0, basta tomar x
0
= 1 e y
0
= 0 y si k = 1, x
1
= 0 e y
1
= 1. Ahora
supongamos que hemos encontrado x
k
e y
k
para todo ndice 0 k s y queremos
calcular x
s+1
e y
s+1
. Se tendra:
r
s+1
= r
s1
r
s
q
s
= ax
s1
+by
s1
q
s
(ax
s
+by
s
) = a(x
s1
q
s
x
s
) +b(y
s1
q
s
y
s
)
Lo que hemos visto es que las sucesiones de enteros denidas por:
x
0
= 1, x
1
= 0, x
k+1
= x
k1
q
k
x
k
y
0
= 0, y
1
= 1, y
k+1
= y
k1
q
k
y
k
verican
ax
k
+ by
k
= r
k
(0 k n).
De paso, esta construccion demuestra que:
Teorema 2.15 Para todo par de enteros a y b no los dos nulos, existen enteros x
e y tales que se verica la identidad de Bezout:
ax + by = mcd(a, b)
Ejercicio. Probar que a y b son coprimos si, y solo si, existen enteros x e y tales que
ax + by = 1.
Interpretacion matricial del Algoritmo extendido de Euclides
Llamemos, al igual que antes, r
0
= a y r
1
= b. Asimismo, consideremos las matrices
R
0
=
_
x
0
x
1
y
0
y
1
_
= I S
0
=
_
_
r
0
r
1
x
0
x
1
y
0
y
1
_
_
Observese que det(R
0
) = 1. El primer paso en el algoritmo de Euclides extendido
consiste en dividir r
0
por r
1
, r
0
= r
1
q
1
+ r
2
, sustituir el par (r
0
, r
1
) por (r
1
, r
2
) y
2.3. IDENTIDAD DE B
EZOUT. ALGORITMO EXTENDIDO DE EUCLIDES35

calcular x
2
= x
0
x
1
q
1
e y
2
= y
0
y
1
q
1
. En consecuencia, podemos pensar que si
llamamos Q
1
a la matriz
Q
1
=
_
0 1
1 q
1
_
,
se tiene
R
1
=
_
x
1
x
2
y
1
y
2
_
= R
0
Q
1
y S
1
=
_
_
r
1
r
2
x
1
x
2
y
1
y
2
_
_
= S
0
Q
1
Ademas, es facil ver que este producto por Q
1
consiste, en realidad, en restar a la
primera columna de S
0
la segunda multiplicada por q
1
e intercambiar las columnas
de S
0
. Por otro lado, se tiene que det(R
1
) = 1, es decir, x
1
y
2
x
2
y
1
= 1 lo que
implica que mcd(x
2
, y
2
) = 1. Este proceso se contin ua obteniendo matrices
R
k
=
_
x
k
x
k+1
y
k
y
k+1
_
= R
k1
Q
k
= R
0
Q
1
Q
k
y
S
k
=
_
_
r
k
r
k+1
x
k
x
k+1
y
k
y
k+a
_
_
= S
k1
Q
k
= S
0
Q
1
Q
k
que verican
det(R
k
) = (1)
k
, ax
k
+ by
k
= r
k
, ax
k+1
+ bx
k+1
= r
k+1
,
lo que, en particular, implica que mcd(x
k
, y
k
) = 1. El algoritmo sigue hasta que en
el lugar (1, 2) de una de las matrices S
k
aparezca un cero. De este modo, si en el
algoritmo extendido de Euclides se realizan n divisiones, se tendra
R
n
=
_
x
n
x
n+1
y
n
y
n+1
_
= R
n1
Q
n
y S
1
=
_
_
r
n
0
x
n
x
n+1
y
n
y
n+1
_
_
= S
n1
Q
n
,
con lo que se tiene:
ax
n
+ by
n
= mcd(a, b), ax
n+1
+ by
n+1
= 0, mcd(x
n
, y
n
) = mcd(x
n+1
, y
n+1
) = 1.
La ultima de las igualdades se obtiene de det(R
n
) = (1)
n
. En particular se tendra,
si b = 0, que la fraccion
y
n+1
x
n+1
es reducida e igual a
a
b
. Dicho de otra manera,
|x
n+1
| =
|b|
mcd(a, b)
e |y
n+1
| =
|a|
mcd(a, b)
36 CAP
De hecho, la construccion anterior no solo proporciona una prueba del Teorema sino
que nos da un algoritmo para su calculo.
3
En la forma en la que aparece descrito a
continuacion, coc(A, B) denota el cociente de la division eucldea de A por B.
Input : a, b Z
Inicializar :
S :=
_
_
a b
1 0
0 1
_
_
while s
12
= 0, do
Q
_
0 1
1 coc(s
11
, s
12
)
_
S S Q
endwhile
Output : s
11
, x = s
21
, y = s
31
Algoritmo Extendido de Euclides.
Observese que como subproducto del algoritmo anterior, se obtienen x
n+1
e y
n+1
cuya utilidad se vera en la resolucion de ecuaciones diofanticas lineales
A partir del Teorema 2.15, podemos demostrar la anunciada unicidad de la factori-
zacion de un n umero entero, pero antes un resultado previo.
Teorema 2.16 Si a|bc y mcd(a, b) = 1, entonces a|c. En particular, si p es primo
y p|ab, entonces p|a o p|b.
Demostracion. Gracias a la identidad de Bezout sabemos que existen enteros x e
y tales que ax + by = 1. Multiplicando por c se tiene c = cax + cby, con lo que a
divide a los dos sumandos a la derecha y, por lo tanto, a c.
A partir del Teorema anterior y pagando un bajo precio, en forma de sencillo argu-
mento inductivo, se puede probar que
Si p es primo y p|a
1
a
k
, entonces p divide a alg un a
i
Todas estas disquisiciones realizadas sobre la relacion entre n umeros primos y di-
visibilidad nos ponen en condiciones de probar la unicidad, ya anunciada, de la
expresion de un n umero entero como producto de 1 y n umeros primos.
3
En clase de problemas veremos como extender este algoritmo para mas de dos enteros.
2.4. ECUACIONES DIOF
ANTICAS LINEALES 37
Teorema 2.17 (Teorema fundamental de la aritmetica) Todo entero positi-
vo
puede expresarse como producto de potencias no triviales de n umeros primos
n = p
1
1
p
2
2
p
k
k
y, salvo, reordenacion de los factores, esta factorizacion es unica.
Demostracion del Teorema Fundamental de la Aritmetica. La existencia de la fac-
torizacion se sigue del Teorema 2.4 y, por lo tanto, solo queda probar la unicidad.
Sea S el conjunto de enteros positivos que admiten dos factorizaciones distintas y,
supongamos, por reduccion al absurdo, que este conjunto es no vaco. Por la buena
ordenacion de N, sabemos que, en ese caso, el conjunto S admite mnimo, digamos
n. Se tendran dos factorizaciones distintas de n:
n = p
1
1
p
2
2
p
k
k
y
n = q
1
1
q
2
2
q
s
s
.
Es claro que p
1
divide a q
1
1
q
2
2
q
s
s
y, por lo tanto, a alguno de los q
i
i
. A un mas, se
tendra que p
1
divide a alguno de los q
i
lo que implica que es igual a alguno de los q
i
.
Reordenando los q
i
, podemos suponer que p
1
= q
1
. En consecuencia, se tendra que
n
p
1
= p
1
1
1
p
2
2
p
k
k
= q
1
1
1
q
2
2
q
s
s
.
Puesto que las factorizaciones de n consideradas eran distintas, tenemos dos facto-
rizaciones distintas del entero positivo
n
p
1
< n, lo que contradice el hecho de que n
sea el mnimo de S.
2.4. Ecuaciones diofanticas lineales
Se llaman ecuaciones diofanticas a aquellas de las que nos interesan las soluciones
enteras. Un caso interesante es de las ecuaciones diofanticas lineales en dos variables
aX + bY = c a, b, c Z (2.7)
Puesto que el caso a = b = 0 no tiene ning un interes, supondremos que (a, b) = (0, 0).
Utilizando el Algoritmo de Euclides extendido, sabemos encontrar una solucion si
c = mcd(a, b). Del mismo modo, es obvio encontrar una solucion si mcd(a, b) divide a
c. Dicho de otra manera, la ecuacion diofantica tiene solucion si c divide a mcd(a, b).
38 CAP
Y si mcd(a, b) no divide a c? En este caso, no puede haber solucion: si existiesen
enteros x e y tales que
ax + by = c,
se tendra que todo factor com un de a y de b tambien lo sera de c. En particular,
el maximo com un divisor de a y de b dividira a c.
Recopilando, hemos demostrado que la ecuacion diofantica 2.7 tiene solucion si,
y solo si, c divide a mcd(a, b). De hecho, sabemos como encontrar una solucion:
aplicamos el algoritmo extendido de Euclides a a y b obteniendo x
0
e y
0
tales que
ax
0
+ by
0
= mcd(a, b). Es claro que (
c
mcd(a,b)
x
0
,
c
mcd(a,b)
y
0
) es solucion de 2.7. Sin
embargo, hasta ahora no nos hemos preocupado por saber si hay mas de una solucion
y, en el caso de que haya mas de una, saber cuales son todas las soluciones. Para
analizar este problema, estudiemos la ecuacion diofantica
aX + bY = 0 (2.8)
por cuanto si (x
1
, y
1
) es solucion cualquiera de la ecuacion diofantica 2.7 y (x
0
, y
0
)
solucion de 2.8, es facil ver que (x
1
+ x
0
, y
1
+ y
0
) es solucion de 2.7. Una solucion
obvia ( y la mas peque na) a la ecuacion diofantica 2.8 es
_
b
mcd(a, b)
,
a
mcd(a, b)
_
,
pero tambien lo son todas las de la forma
_
t
b
mcd(a, b)
, t
a
mcd(a, b)
_
, con t Z.
As pues, si (x
1
, y
1
) es solucion cualquiera de 2.7 el conjunto
{
_
x
1
+
b
mcd(a, b)
t, y
1
a
mcd(a, b)
t
_
: t Z},
es un conjunto de innitas soluciones de 2.7. Hay mas? Para verlo, sea (x, y) una
solucion de 2.7. Por lo tanto,
ax
1
+ by
1
= c y
ax + by = c.
Restando, se tiene a(x x
1
) + b(y y
1
) = 0 y, dividiendo por mcd(a, b),
a
mcd(a, b)
(x x
1
) +
b
mcd(a, b)
(y y
1
) = 0. (2.9)
2.5. M
INIMO COM
UN M
ULTIPLO 39
Ahora, supongamos que b = 0 (si b = 0 y a = 0, haramos el mismo argumento que
sigue con a). Como
mcd
_
a
mcd(a, b)
,
b
mcd(a, b)
_
= 1
y
b
mcd(a,b)
divide a (x x
1
)
a
mcd(a,b)
, se tiene que
b
mcd(a,b)
divide a (x x
1
), es decir,
x x
1
= t
b
mcd(a, b)
, para alg un t Z.
Sustituyendo en 2.9, se obtiene que
y y
1
= t
b
mcd(a, b)
.
Los argumentos anteriores prueban que el siguiente resultado es cierto.
Proposicion 2.18 Dados enteros a, b, c la ecuacion diofantica
aX + bY = c
tiene solucion si, y solo si, mcd(a, b) divide a c. En caso de que tenga solucion tiene
innitas, dadas por
{
_
x
1
+
b
mcd(a, b)
t, y
1
a
mcd(a, b)
t
_
: t Z},
donde (x
1
, y
1
) es una solucion particular cualquiera.
De hecho, hemos encontrado un algoritmo para resolver ecuaciones diofanticas de
la forma 2.7, ya que basta encontrar una solucion particular cualquiera y, para ello
podemos utilizar el algoritmo extendido de Euclides.
2.5. Mnimo com un m ultiplo
Denicion 2.19 Si a y b son dos enteros, un m ultiplo com un de a y b es un entero
c tal que a|c y b|c. Si a y b son ambos no nulos, existen m ultiplos comunes positivos
(por ejemplo |ab|), por lo que la buena ordenacion de N nos asegura la existen-
cia de un mnimo com un m ultiplo, es decir, el menor m ultiplo com un positivo.
Normalmente, se escribe mcm(a, b).
De hecho, se tiene que el mnimo com un m ultiplo de a y b es el unico entero positivo
m que verica:
1) a|m y b|m (por ser m ultiplo com un)
40 CAP
2) Si c es un entero que verica a|c y b|c, entonces, m|c (por ser el menor de los
m ultiplos comunes).
El mnimo com un m ultiplo esta estrechamente ligado al maximo com un divisor. Esta
ligazon viene dada por el siguiente resultado.
Teorema 2.20 Sean a y b dos enteros. Se tiene
|ab| = mcd(a, b) mcm(a, b).
Demostracion. Se trata de probar que el entero positivo
m =
|ab|
mcd(a, b)
es el mnimo com un m ultiplo de a y b, es decir, que verica las dos propiedades
anteriores.
En primer lugar, es claro que a|m por cuanto mcd(a, b) divide a b y, por lo tanto,
podemos escribir
m = |a|
|b|
mcd(a, b)
.
De igual forma puede verse que b|m.
Por otro lado, supongamos que c es un entero que es m ultiplo com un de a y b, es
decir,
c = au para alg un entero u y c = bv para alg un entero v.
Se tiene, entonces que
a
mcd(a, b)
u =
b
mcd(a, b)
v
y, como
a
mcd(a,b)
y
b
mcd(a,b)
son primos entre s, que
a
mcd(a,b)
divide a v, es decir,
v = k
a
mcd(a, b)
para alg un entero k.
Finalmente, se tendra
c = bv = k
ab
mcd(a, b)
para alg un entero k.
Problema 2.1 .- (Expresion de n umeros natural en bases distintas de la decimal)
Demostrar que, dado un natural q > 0, todo n umero natural n puede expresarse de
manera unica en la forma
a
k
q
k
+ a
k1
q
k1
+ + a
1
q + a
0
,
con 0 a
k
< q, donde k el unico natural para el que se verica q
k
n < q
k+1
.
Problema 2.2 .- Sea
a
k
a
k1
. . . a
1
a
0
, a
i
{0, 1}
la expresion en base 2 (binaria) de un cierto n umero natural. Expresar, en base 2,
cociente y resto de la division por 2 de dicho n umero.
Problema 2.3 .- Si (A, +, ) es un anillo conmutativo con elemento unidad, un
subconjunto I se llama ideal si
a + b I para todo a, b I
x A y a I = xa I.
(1) Probar que si a
1
, . . . , a
n
son elementos cualesquiera del anillo A, el conjunto
(a
1
, . . . , a
n
) = {a
1
x
1
+ a
2
x
2
+ . . . + a
n
x
n
: x
i
A}
es un ideal de A. Todo ideal que se puede expresar de esta forma, se dice
nitamente generado. Si n = 1, se denomina principal.
(2) Probar que en Z todo ideal es principal. Un anillo sin divisores de cero y que
verica esta propiedad se dice dominio de ideales principales.
(3) Sean ahora, (a) y (b) dos ideales de Z. Quien es el menor ideal que contiene
a ambos? Quien es la interseccion de (a) y (b)?
Problema 2.4 .- Dados a y b enteros no nulos, los podemos escribir en la forma
a =
n
i=1
p
i
i
, a =
n
i=1
p
i
i
,
i
,
i
0.
donde los p
i
son todos los primos que dividen a ab. Comprobar que
mcd(a, b) =
n
i=1
p
min{
i
,
i
}
i
y mcm(a, b) =
n
i=1
p
max{
i
,
i
}
i
42 CAP
Problema 2.5 .- Para cada uno de los pares de enteros siguientes, calcular el
maximo com un divisor utilizando el algoritmo de Euclides:
(i) 34, 21; (ii) 136, 51; (iii) 481, 325; (iv) 8711, 3206; (v) 1134, 1221;
En cada uno de los casos, resuelve la correspondiente identidad de Bezout.
Problema 2.6 .- El algoritmo de Euclides puede hacerse ligeramente mas rapido
si permitimos restos negativos en la forma que sigue
r
i1
= r
i
q
i
+ r
i+1
con |r
i
/2| < r
i+1
|r
i
/2|.
Por ejemplo, si aplicamos este metodo para calcular el maximo com un divisor de 59
y 49, se tiene
mcd(59, 49) = mcd(49, 10) = mcd(10, 1) = mcd(1, 0) = 1.
Utilizar este algoritmo, conocido como del mnimo resto, para calcular los maximos
comunes divisores del ejercicio anterior y resolver las correspondientes identidades
de Bezout.
Problema 2.7 .- Demostrar las siguientes propiedades del maximo com un divisor.
1. Si a y b son pares, mcd(a, b) = 2mcd
_
a
2
,
b
2
_
2. Si a es par y b es impar, mcd(a, b) = mcd
_
a
2
, b
_
3. Si a y b son impares, mcd(a, b) = mcd
_
|a b|
2
, b
_
A partir de las propiedades anteriores, construir un algoritmo para calcular el maxi-
mo com un divisor de dos enteros realizando unicamente divisiones por 2. (Nota:
Este algoritmo se conoce como algoritmo binario para el calculo del mcd y es debido
a J. Stein que publico su resultado en 1967).
Problema 2.8 .- Considerese la siguiente variante del algoritmo binario para el
computo de mcd(a, b). Asumamos que a y b no son los dos pares.
1) Si a es par, sustituimos (a, b) por (a/2, b).
2) Si b es par, sustituimos (a, b) por (a, b/2).
3) Si a y b son impares, sustituimos (a, b) por
_
a+b
2
,
ab
2
_
.
El algoritmo consiste en repetir los pasos (1)-(3) en ese orden. Si a o b es cero,
paramos y devolvemos como mcd(a, b) el otro n umero en valor absoluto. Por ejemplo,
para calcular mcd(15, 6) utilizando este algoritmo, se tendra:
(15, 6) (15, 3) (9, 6) (9, 3) (6, 3) (3, 3) (3, 0)
Demostrar que este algoritmo siempre acaba y que la respuesta es correcta. (Indi-
cacion: Para probar que el algoritmo termina, considera la aplicacion f(a, b) = a
2
+b
2
y comprueba que cada vez que se da un paso en el algoritmo su valor decrece).
Problema 2.9 .- Probar las siguientes propiedades de la sucesion de Fibonacci:
Dos terminos consecutivos de la sucesion son coprimos, es decir,
mcd(F
n1
, F
n
) = 1 para n 1
El mayor natural menor que F
n+2
/F
n+1
(escrito F
n+2
/F
n+1
) es 1.
El resto de la division de F
n+1
por F
n
es F
n1
.
Problema 2.10 .- Descomponer de todas las formas posibles el n umero racional
100/273 en suma de dos fracciones positivas con denominadores 21 y 13.
Problema 2.11 .- (Algoritmo extendido de Euclides para t enteros) Basandose en
la interpretacion matricial del algoritmo extendido de Euclides, dise nar un algoritmo
para calcular, dados enteros a
1
, . . . , a
t
, una identidad de Bezout del tipo
a
1
x
1
+ a
2
x
2
+ + a
t
x
t
= mcd(a
1
, . . . , a
t
).
Aplicar dicho algoritmo a la resolucion de ecuaciones diofanticas de la forma
a
1
X
1
+ a
2
X
2
+ + a
n
X
n
= b.
Problema 2.12 .- Para cada una de las ecuaciones diofanticas siguientes, estudiar
si tienen solucion y, en su caso, calcular todas las soluciones:
25X + 36Y = 10 ; 40X + 50Y = 3 ;
200X 1768Y = 8 ; 213X + 1123Y = 18 ;
30X + 1107Y + 3030303Z = 25 ; 10X + 11Y + 20Z = 10 ;
3X + 7Y + 12Z + 21T = 22 ; 2200X + 1221Y 2332Z + 101101T = 12.
44 CAP
Problema 2.13 .- Resolver el sistema de ecuaciones diofanticas lineales:
_
11X + 3Y + 5Z = 20
3X + 7Y + 10Z = 10
Problema 2.14 .- Supongamos que el maximo com un divisor de a y b es un primo
p. Cu ales son los posibles valores del maximo com un divisor de a
2
y b? Y del
maximo com un divisor de a
3
y b? Si m.c.d(a, b) = p, cuanto vale m.c.d(a
3
, b
3
)?
Problema 2.15 .- Una empresa alemana esta replanteandose sus planes de ac-
tividad. Tiene una fabrica en Espa na con un millar de empleados espa noles y un
centenar de ejecutivos alemanes y esta estudiando una reestructuracion de plantilla.
Obviamente sin informar a los sindicatos; aunque estos sospechan que va a haber
alg un despido. Un representante sindical encuentra en una fotocopiadora un docu-
mento del estudio de reestructuracion de plantilla (olvidado por error, obviamente)
en que se puede leer
El 80.9 por ciento de los que van a ser despedidos esta casado.
El 43.5 por ciento de los que van a ser despedidos esta pagando hipoteca.
Deducir que piensan hacer los alemanes con la empresa.
Problema 2.16 .- Un turista estadounidense va a pasar unos das de vacaciones
en Pars, Madrid y Cracovia y desea cambiar 810 dolares en euros y en zlotys.
Sabiendo que el euro se cotiza a 0,90 dolares y un zloty a 0,24, de cuantas formas
posibles puede hacer el cambio si necesita para su estancia en Cracovia, al menos,
3000 zlotys?
Problema 2.17 .- Sean dados dos n umeros naturales no nulos a y b. Es posible es-
cribir el n umero racional
1
m.c.m.(a,b)
como suma de dos racionales de denominadores
a y b? En caso de respuesta armativa, esbozar un algoritmo para el calculo de
dichos racionales.
Problema 2.18 .- Una cierta empresa fabrica tres productos A, B y C que vende a
590, 410 y 300 euros respectivamente. Calcular cuantas unidades de cada producto
se vendieron en un da determinado sabiendo que:
La recaudacion por la venta de los productos fue de 32420 euros.
Se vendieron mas unidades de A que de B.
El n umero de unidades de C vendidas fue mayor que 83.
Problema 2.19 .- Resolver el siguiente problema: Si un gallo cuesta siete mon-
edas, una gallina cinco monedas y tres pollos una moneda, de cuantas formas
distintas pueden comprarse un total de trescientas aves (gallos, gallinas y pollos) si
disponemos de quinientas monedas? Escribir cada una de estas formas posibles.
Problema 2.20 .- Una compa na aerea ofrece tres tipos de billetes en sus vuelos
de Madrid a Pars. Los billetes de clase preferente cuestan 150 euros, los de clase
turista con derecho a comida 110 y el resto 67. Si, en un vuelo concreto un total
de 100 pasajeros pagaron un total de 10766 euros, cuantos billetes de cada tipo se
vendieron?
Problema 2.21 .- Probar que para cada n umero natural n, existen siempre n
n umeros compuestos consecutivos.
Problema 2.22 .- Si mn es un cuadrado perfecto y mcd(m, n) = 1, demostrar que
m y n son tambien cuadrados perfectos.
Problema 2.23 .- (N umeros de Fermat)
i) Demostrar que si 2
m
+ 1 es primo, m es una potencia de 2, es decir, m = 2
n
para alg un natural n.
Nota. Los n umeros de la forma 2
2
n
+ 1 se llaman n umeros de Fermat y si
son primos, se les dice primos de Fermat. Pierre de Fermat (1601-1665) con-
jeturo que todos los n umeros de la forma 2
2
n
+ 1 eran primos, pues pudo
comprobar que eso era cierto para n = 0, 1, 2, 3, 4. Sin embargo, en 1732 Leon-
hard Euler (1707-1783) demostro que 641 era factor de 2
32
+1 = 4294967297.
A fecha de hoy, los unicos primos de Fermat conocidos son los que se corre-
sponden con n = 0, 1, 2, 3, 4, aunque no se sabe si hay mas.
ii) Demostrar que dos n umeros de Fermat distintos son siempre primos entre s.
Problema 2.24 .- Un primo de Mersenne es un n umero primo de la forma 2
n
1.
Demostrar que si 2
n
1 es primo, n ha de ser primo.
Nota. En 1644, Mersenne conjeturo que 2
p
1 era primo para p = 2, 3, 5, 7, 13,
17, 19, 31, 67, 127, 257 y para ning un otro primo menor que 257. En la lista de
Mersenne, haba errores por cuanto los n umeros correspondientes a 67 y 257 no son
primos y le faltaban los correspondientes a 61 y 89. A fecha de hoy, solo se conocen
38 primos de Fermat, el mayor de los cuales es 2
6972593
1, n umero este que tiene mas
de 2 millones de dgitos decimales. Una lista de los primos de Mersenne conocidos
puede verse en http://www.utm.edu/research/primes/mersenne.shtml#known.
Problema 2.25 .- Dado un entero positivo n, sea (n) =
d|n
d la suma de todos
sus divisores positivos. Por ejemplo, (27) = 1 + 3 + 9 + 27 = 40. Demostrar que si
mcd(m, n) = 1, (nm) = (n)(m) y encontrar una formula para calcular (n) a
partir de la descomposicion de n en factores primos.
46 CAP
Problema 2.26 .- Un n umero perfecto es un entero positivo que es igual a la
suma de sus divisores distintos de el mismo (p.e., 6 es perfecto pues 6 = 1 + 2 +
3). Demostrar que los n umeros perfectos pares son exactamente los de la forma
2
k1
(2
k
1), con 2
k
1 un primo de Mersenne. (Indicacion: Para ver que un n umero
perfecto par tiene esa forma, escrbelo primero en la forma 2
k1
n
0
con n
0
impar,
demostrar que n
0
es divisible por 2
k
1 y comprueba que n
0
tiene que ser primo
estudiando (n
0
)).
Nota: No se sabe si existen n umeros perfectos impares. Por otro lado, los primeros
n umeros perfectos son: 6 = 2
1
(2
2
1), 28 = 2
2
(2
3
1), 496 = 2
4
(2
5
1), 8128 =
2
6
(2
7
1), 33550336 = 2
12
(2
13
1),...
Problema 2.27 .- Sean a y b n umeros positivos coprimos. Demostrar que para
todo entero positivo n > ab, existen n umeros enteros positivos x e y tales que
n = ax + by
A partir de lo anterior, deducir que todo n umero entero > 11 puede escribirse como
suma de dos n umeros compuestos.
Captulo 3
Congruencias
3.1. Aritmetica modular. Teorema chino de los
restos
3.1.1. Aritmetica modular
Empezamos recordando la relacion de equivalencia
a b (mod n) a b es m ultiplo de n,
siendo n, un n umero entero positivo.
Es facil ver que esta relacion de equivalencia puede reescribirse en la forma
a b (mod n) el resto de la division eucldea de a y de b por n es el mismo.
De esta forma, es claro que se tienen n clases de equivalencia en el conjunto cociente
que suele escribirse en la forma Z/nZ o Z
n
, cada una de ellas correspondiente a uno
de los posibles restos, es decir, 0, 1,. . ., n 1. Es, de hecho, habitual identicar las
clases de equivalencia con los citados n umeros.
En el conjunto Z
n
se pueden denir dos operaciones, suma y producto, de la manera
siguiente:
Si a y b son dos clases de equivalencia, se dene a +b = a +b.
Si a y b son dos clases de equivalencia, se dene a b = a b.
Tal y como hemos denido suma y producto, parece que dependen del representante
elegido en cada clase. Sin embargo, esto no es cierto:
Proposicion 3.1 Las operaciones suma y producto en Z
n
estan bien denidas y
dotan a Z
n
de estructura de anillo conmutativo con elemento identidad.
47
48 CAP
ITULO 3. CONGRUENCIAS
Observacion 3.2 Una aplicacion sencilla de las congruencias es la obtencion de
criterios de divisibilidad. As, por ejemplo, podemos obtener un criterio para saber
si un entero n es divisible por 11, sin realizar la division.
Sea x = x
n
x
n1
. . . x
2
x
1
x
0
un n umero natural escrito en base diez, es decir,
x = x
n
10
n
+x
n1
10
n1
+ +x
1
10 +x
0
y 0 x
j
9, j 0, . . . , n
Como 10 1 (mod 11), se tendra que x
i
10
i
(1)
i
x
i
(mod 11) y, por lo tanto,
x
n
i=0
(1)
i
x
i
(mod 11).
En consecuencia, x es divisible por 11 si, y solo si,
n
i=0
(1)
i
x
i
0 (mod 11), es
decir, si la suma de los dgitos que ocupan un lugar par menos la suma de los que
ocupan un lugar impar es m ultiplo de 11.
3.1.2. Teorema chino de los restos
Usando el algoritmo extendido de Euclides es facil resolver congruencias del tipo
ax b (mod n),
ya que dicha congruencia tiene solucion si, y solo si, la ecuacion diofantica
ax +ny = b
tiene solucion. De hecho, se tiene:
Proposicion 3.3 La congruencia ax b (mod n) tiene solucion si, y solo si,
d = mcd(a, n) divide a b. Ademas, si existe solucion, esta es unica modulo n/d.
Demostracion. Lo unico que debemos probar es que la solucion es unica modulo
n
d
.
Esto se deduce del hecho de que las soluciones de la ecuacion diofantica ax+ny = b
son de la forma:
x = x
0
+
n
d
t
y = y
0

a
d
t
,
con t cualquier n umero entero y (x
0
, y
0
) una solucion cualquiera de ax +ny = b.
Que ocurre si no tengo una unica congruencia, sino varias? La respuesta a esta
pregunta viene dada por el conocido como Teorema Chino de los Restos y su poste-
rior extension. El nombre del Teorema deriva del texto Suanching ( Aritmetica)
3.1. ARITM
ETICA MODULAR. TEOREMA CHINO DE LOS RESTOS 49

escrito por el matematico chino SunTsu. Dentro de ese texto aparece la resolucion
del ejercicio siguiente:
Cual es el n umero entero positivo mas peque no tal que el resto de dividirlo por 11
es 2, el resto de dividirlo por 5 es 3 y el resto de dividirlo por 7 es 2?
El problema, trasladado al lenguaje de congruencias, es el de encontrar el menor
entero positivo a tal que:
a 2 (mod 11), a 3 (mod 5), a 2 (mod 7).
Resolvamos el problema de SunTsu. Si a 2 (mod 11), entonces a tiene la forma
a = 2 + 11t
1
para alg un entero t
1
.
Si exigimos que a 3 (mod 5), tendremos que 2 + 11t
1
3 (mod 5), es decir,
t
1
1 (mod 5). Dicho de otra manera, t
1
= 1 + 5t
2
2
, por lo que
a tiene la forma
a = 13 + 55t
2
2
.
Finalmente, a debe vericar a 2 (mod 7), es decir, 13 + 55t
2
2 (mod 7). Por
lo tanto, 6t
2
3 (mod 7) y, resolviendo esta congruencia, se tiene que t
2
= 4 + 7t
3
3
. En denitiva, a debe tener la forma
a = 233 + 385t
3
3
.
El menor de los enteros que verican las congruencias es 233, que es la respuesta al
ejercicio planteado por SunTsu.
Para un caso general, se tiene:
Teorema 3.4 (Teorema chino de los restos) Sean m
1
, . . . , m
n
n umeros enteros
positivos coprimos dos a dos, es decir, mcd(m
i
, m
j
) = 1 si i ,= j, y sean b
1
, . . . , b
n
enteros cualesquiera. Entonces, el sistema de congruencias
x b
1
(mod m
1
), . . . , x b
n
(mod m
n
)
posee una unica solucion entera entre 0 y m
1
m
n
1, es decir, una unica solucion
entera modulo m
1
m
n
.
Demostracion. Supongamos que somos capaces de encontrar enteros E
k
(uno para
cada k entre 1 y n) tales que:
E
k

_
0 (mod m
j
), si j ,= k
1 (mod m
k
).
(3.1)
50 CAP
Si existen tales E
k
, x =
n
k=1
E
k
b
k
es solucion de nuestro problema.
Para encontrar los E
k
, sean M = m
1
m
n
y M
k
=
M
m
k
para k = 1, . . . , n. Puesto
que los m
i
son coprimos dos a dos, se tiene que mcd(m
k
, M
k
) = 1 y, por lo tanto,
que existen enteros t
k
y s
k
tales que
s
k
M
k
+t
k
m
k
= 1, k = 1, . . . , n
Es facil ver que los enteros E
k
= s
k
M
k
verican 3.1. Claramente, E
k
es m ultiplo de
m
j
si j ,= k y, por construccion, congruente con 1 modulo m
k
.
Para concluir la demostracion, queda ver que la solucion es unica modulo M. Su-
pongamos dos soluciones x e y. Se tiene, entonces, que
x y 0 (mod m
i
) i 1, 2, . . . , n,
es decir, x y es m ultiplo de todos los m
i
y, en consecuencia, del mnimo com un
m ultiplo de m
1
, m
2
, . . . , m
n
que, al ser coprimos dos a dos es, justamente, M. Por
lo tanto, x y (mod M).
Observacion 3.5 Aplicacion del Teorema Chino a la aritmetica modular.
Una de las aplicaciones mas importantes del Teorema Chino de los Restos es la de
reducir calculos modulo M a calculos modulo m
k
(mantenemos la misma notacion
que en la demostracion del Teorema). Puede arg uirse, con razon, que la ganancia
puede ser prrica por cuanto el computo de los correspondientes E
k
involucra la mul-
tiplicacion de n umeros casi del mismo tama no que M. Pero una vez que calculados
los E
k
se puede disponer de ellos de una vez para siempre y si han de hacerse muchos
calculos modulo M, la ganancia puede ser sustancial.
Ejercicio: Manteniendo la notacion de la demostracion del Teorema Chino de los
restos, probar que E
j
E
k
0 (mod M) si j ,= k y E
2
k
1 (mod M). Probar que,
para todo entero a, si a a
k
(mod m
k
), se tiene
a
m
k=1
E
k
a
k
(mod M).
Ahora, llamemos a los coecientes a
k
coordenadas de a. Probar que si b tiene coorde-
nadas b
k
, entonces a
k
b
k
y a
k
b
k
son las coordenadas de ab y de ab, respectivamente.
Observacion 3.6 Veamos como podemos interpretar el Teorema Chino de los restos
y el ejercicio anterior. En primer lugar, el Teorema Chino de los Restos establece
una biyeccion entre Z
M
y Z
m
1
Z
m
n
. Por otro lado, consideremos la aplicacion
dada por:
3.1. ARITM

: Z
M
Z
m
1
Z
m
n
, (a) (a
1
, . . . , a
n
),
donde los a
k
son las coordenadas de a como se han denido en el Ejercicio. El
teorema Chino de los Restos me dice como construir
1
.
Por otro lado, recordemos que podemos dotar a Z
m
1
Z
m
n
de estructura de anillo
(conmutativo y con elemento identidad) deniendo suma y producto componente a
componente. Lo que nos dice el ejercicio es que (a +b) = (a) +(b) y (a b) =
(a) (b), es decir, que es un homomorsmo de anillos y, al ser biyectivo, es un
isomorfo de anillos.
En el Teorema Chino de los Restos, se supone que los modulos son siempre cop-
rimos dos a dos. En esas condiciones, el correspondiente sistema de congruencias
tiene solucion y sabemos encontrarla. Que se puede decir si los modulos no son
necesariamente coprimos dos a dos? La respuesta esta en el siguiente Teorema.
Teorema 3.7 El sistema de congruencias
x b
1
(mod m
1
), . . . , x b
n
(mod m
n
)
tiene solucion si, y solo si, b
i
b
j
(mod mcd(m
i
, m
j
)) para todo i ,= j. Si existe
solucion, es unica modulo mcm(m
1
, m
2
, . . . , m
n
).
Demostracion. Supongamos, en primer lugar, que existe solucion del sistema de
congruencias. Si x es una solucion, x b
i
(mod m
i
) y x b
j
(mod m
j
). En
consecuencia, x b
i
(mod mcd(m
i
, m
j
)) y x b
j
(mod mcd(m
i
, m
j
)), de donde se
deduce que b
j
b
i
(mod mcd(m
i
, m
j
)).
La unicidad modulo mcm(m
1
, m
2
, . . . , m
n
) se sigue por identicos argumentos al caso
del Teorema Chino de los Restos.
Para completar la prueba, habra que mostrar que existe una solucion si se verica la
condici on del Teorema. Para ello, generalizaremos el argumento dado para resolver
el problema de Sun-Tsu que, recordemos, se basa en la reduccion de un par de
congruencias a una sola
1
. Supongamos, pues, que debemos resolver
x b
1
(mod m
1
)
x b
2
(mod m
2
).
Entonces, x = b
1
+ tm
1
para alg un t Z. Por lo tanto, b
1
+ tm
1
b
2
(mod m
2
)
y, en consecuencia, tm
1
b
2
b
1
(mod m
2
). Ahora, puesto que, por hipotesis,
d = mcd(m
1
, m
2
) divide a b
2
b
1
, la congruencia
1
Esta construccion es debida a C.F. Gauss
52 CAP
t
m
1
d

b
2
b
1
d
(mod m
2
/d)
tiene una unica solucion t a (mod m
2
/d). Esto es, t = a+t1
m
2
d
para alg un t
1
Z.
Sustituyendo esta expresion en a = b
1
+tm
1
se tiene
x = b
1
+am
1
+t
1
m
1
m
2
d
.
De hecho, x b
1
+ am
1
(mod mcm(m
1
, m
2
)). Repitiendo esta construccion n 1
veces, se obtiene una solucion del sistema de congruencias
Ejemplo 3.8 Resolver el sistema de congruencias
_
_
_
x 2 (mod 27)
x 11 (mod 18)
x 3 (mod 4)
La primera congruencia implica que
x = 2 + 27t
1
1
. Sustituyendo la citada expresion en la segunda congruencia,
se tendra que 2 + 27t
1
11 (mod 18), es decir, 27t
1
9 (mod 18). Dividiendo por
9 = mcd(27, 18), se tiene 3t
1
1 (mod 2), por lo que t
1
tiene que ser congruente a
1 modulo 2, es decir, t
1
= 1 + 2t
2
. En consecuencia,
x = 29 + 54t
2
para alg un t
2
Ahora, si sustituimos en la tercera congruencia, se tiene que 54t
2
26 (mod 4).
De nuevo, puesto que 2 = mcd(54, 4), se tiene que t
2
debe vericar la congruencia
27t
2
13 (mod 2), es decir, t
2
1 (mod 2) o, lo que es lo mismo, t
2
= 1 +2t
3
. En
consecuencia,
x = 83 + 108t
3
: t
3
Z
es el conjunto de soluciones del sistema de congruencias.
Observacion 3.9 A partir del enunciado del Teorema anterior y de su prueba,
llamando M = mcm(m
1
, . . . , m
n
), se puede demostrar que es posible decidir si un
sistema de congruencias del tipo analizado en el Teorema tiene solucion en tiempo
O((log
2
M)
2
). Si tiene solucion, se puede encontrar la unica solucion modulo M en
tiempo O((log
2
M)
2
).
3.1. ARITM

3.1.3. El grupo multiplicativo Z
m
En su momento, se probo que el conjunto de unidades de un anillo forma un grupo
multiplicativo (vease Problema 1.14). En el caso que nos ocupa, puesto que Z
m
es
un anillo conmutativo con elemento unidad, sabemos que Z
m
es un grupo abeliano.
La primera pregunta es, pues, cuales son los elementos de Z
m
. La respuesta a esta
pregunta no es demasiado complicada:
Dado a Z
m
posee inverso si, y solo si, existe x tal que ax 1(mod m), es decir,
si, y solo si, ax + my = 1 para alg un entero y. Dicho de otro modo, a es inversible
en Z
m
, si, y solo si, la ecuacion diofantica
ax +my = 1 (3.2)
tiene solucion. Pero eso, es equivalente a mcd(a, m) = 1. En consecuencia, se tiene:
Proposicion 3.10 Un elemento a Z
m
es unidad si, y solo si, mcd(a, m) = 1, es
decir, Z
m
= a Z
m
: mcd(a, m) = 1
Por otro lado, es claro, en virtud de lo anterior, que:
Teorema 3.11 El anillo Z
m
es cuerpo si, y solo si, m es primo.
Por otro lado, como grupo multiplicativo Z
p
(con p primo) tiene una forma muy
particular. Tomemos, por ejemplo, p = 7. En Z
7
, se tiene que
3
1
= 3, 3
2
= 2, 3
3
= 6, 3
4
= 4, 3
5
= 5 y 3
6
= 1,
es decir, todos los elementos de Z
7
pueden expresarse como potencias de 3. La
pregunta natural, ahora, es : esta propiedad se verica para cualquier primo? Dicho
de otra manera: dado p primo, existe a Z
p
tal que Z
p
= a, a
2
, a
3
, . . . , a
p1
?
La respuesta a la pregunta es armativa, pero la demostracion requiere un cierto
trabajo previo. En particular, debemos introducir alguna terminologa y asumir
como ciertos (ya los probaremos en su momento) tanto el Teorema de Euler-Fermat,
como el Peque no Teorema de Fermat (veanse los Teoremas 3.24 y 3.26). Asimismo,
los lemas que siguen (lemas 3.13 a 3.19 ) pueden considerarse como una preparacion
para el resultado.
Respecto al Teorema de Euler-Fermat, por el momento solo nos interesa el hecho de
que si a es una unidad en Z
m
, existe siempre un natural n tal que a
n
1 (mod m).
Es este hecho el que garantiza que la siguiente denicion es correcta.
Denicion 3.12 Si a es un elemento de Z
m
, se llama orden de a en Z
m
, y se escribe
ord
m
(a), al menor entero positivo d que verica a
d
1 (mod m).
54 CAP
Por ejemplo, ord(3) = 6 en Z
7
. Observese que ademas, por otro lado, ord
p
(a) p1
asumiendo la veracidad del Peque no Teorema de Fermat (Teorema 3.26).
Lema 3.13 Si a
n
1 (mod m), entonces ord
m
(a) divide a n.
Demostracion. Sea n con a
n
1 (mod m) y llamemos d a ord
m
(a). Es claro que, por
denici on de orden, n d. Consideremos la division eucldea de n por d: n = qd +r
con q 1 y 0 r < d. En Z
m
se verica:
1 = a
n
= a
qd+r
= a
qd
a
r
=
_
a
d
_
q
a
r
= a
r
,
de donde se concluye, por denicion de orden, que r = 0.
Lema 3.14 Sea a un entero con mcd(a, m) = 1. Si a
e
a
f
1 (mod m), entonces
a
d
1 (mod m), donde d = mcd(e, f).
Demostracion. Si d = mcd(e, f), existen enteros x e y tales que d = ex+by. En tal
caso, se tiene que
a
d
a
ex+fy
a
ex
a
fy
(a
e
)
x
_
a
f
_
y
1 (mod m)
Lema 3.15 Sea f(x) = x
d
+a
d1
x
d1
+ +a
1
x+a
0
un polinomio con coecientes
enteros. Entonces, la ecuacion f(x) 0 (mod p) tiene, a lo sumo, d soluciones en
Z
p
.
Demostracion. Procederemos por induccion en el grado del polinomio d. Para d = 1
la armacion es obvia. Si d > 1 y haciendo uso de la identidad
X
n
Y
n
= (X Y )(X
n1
+X
n2
Y + +XY
n2
+Y
n1
)
valida para cualesquiera n umeros enteros (de hecho, para cualesquiera n umeros
reales), se puede ver que existe un polinomio g(x) de grado d 1 y coeciente
director (coeciente de la maxima potencia de x) 1 que verica:
f(x) = (x a)g(x) +f(a) para todo x Z.
Si f(a) 0 (mod p), se tiene que f(x) (x a)g(x) (mod p) para todo entero
x. Puesto que p es primo, f(x) es cero modulo p si, y solo si, x a o g(x) son
cero modulo p. En consecuencia, como, por hipotesis de induccion, la congruencia
g(x) 0 (mod p) tiene, a lo mas, d 1 soluciones modulo p, la congruencia f(x)
0 (mod p) tendra, a lo sumo, d soluciones modulo p.
3.1. ARITM

Observacion 3.16 Es importante se nalar que el Lema anterior no es cierto, en
general, si eliminamos la condicion de primalidad. Por ejemplo, x
2
1 (mod 8)
tiene cuatro soluciones modulo 8; a saber, 1, 3, 5 y 7.
Lema 3.17 La congruencia X
p1
1 (mod p) tiene, exactamente, p1 soluciones
en Z
p
.
Demostracion. Por el Peque no Teorema de Fermat (Teorema 3.26), sabemos que
1, 2, 3, . . . , p 1 son soluciones de la ecuacion. Ademas, el Lema anterior garantiza
que no hay mas.
Lema 3.18 Si d[(p 1), la congruencia x
d
1 (mod p) tiene, exactamente, d
soluciones en Z
p
.
Demostracion. Por el Lema 3.15 sabemos que la congruencia tiene, a lo mas, d
soluciones. Sea k el cociente resultante de dividir p1 entre d, es decir, p1 = d k,
y consideremos la identidad
x
k
1 = (x 1)(x
k1
+ +x + 1).
Sustituyendo en dicha identidad x por x
d
, se tiene:
x
p1
1 = (x
d
1)(x
pd1
+ +x
d
+ 1).
Por lo tanto, si la congruencia x
d
1 (mod p) no tuviese exactamente d soluciones
la congruencia x
p1
1 (mod p) no podra tener exactamente p 1 soluciones,
contradiciendo el Lema 3.18.
Lema 3.19 Sean a y b enteros con ord
p
(a) = m y ord
p
(b) = n en Z
p
. Si m y n son
coprimos, el orden de ab en Z
p
es igual a mn.
Demostracion. Llamemos d a ord
p
(ab). En primer lugar, es claro que (ab)
mn
1 (mod p), por lo que, en virtud del Lema 3.13, d divide a mn. Supongamos, ahora,
que d ,= mn. En tal caso, existira un primo p
1
que verica (ab)
mn/p
1
1 (mod p).
Puesto que mcd(n, m) = 1, p
1
dividira a m o a n, pero no a los dos al mismo tiempo.
Supongamos que p
1
[m (si p
1
[n el argumento sera analogo) y que p
1
no divide a n.
Se tendra:
1 (ab)
mn/p
1
a
mn/p
1
(b
n
)
m/p
a
mn/p
1
(mod p).
Ahora, teniendo en cuenta que mcd(mn/p
1
, m) = m/p
1
aplicamos el Lema 3.14 y
deducimos que a
m/p
1
1 (mod p), lo que contradice que m sea el orden de a en Z
p
.
En consecuencia, d = mn.
56 CAP
Teorema 3.20 Si p es primo, existe a Z
p
tal que
Z
p
= a, a
2
, a
3
, , a
p1
.
En terminos de teora de grupos, se dice que Z
p
es un grupo cclico y que a es un
generador de Z
p
.
Demostracion. Sea
n
i=1
p
e
i
i
la factorizacion en primos de p 1. Por el Lema 3.17,
la congruencia x
p
e
i
i
1 tiene exactamente p
e
i
i
soluciones modulo p, mientras que la
congruencia x
p
e
i
1
i
1 tiene p
e
i
1
i
soluciones modulo p. Por lo tanto, existe g
i
que
verica g
p
e
i
i
i
= 1, pero g
p
e
i
1
i
i
,= 1 en Z
p
. Es claro que el orden de g
i
en Z
p
es igual a
p
e
i
i
. Si g =
n
i=1
g
i
, el Lema 3.19 garantiza que el orden de g en Z
p
es p 1.
Sabemos que para p primo, el grupo Z
p
es cclico. Cabe preguntarse si existen otros
enteros positivos m para los que Z
m
sea cclico. La respuesta esta contenida en el
siguiente Teorema debido a C.F. Gauss que apareciera publicado por primera vez
en el libro Disquisitiones Arithmeticae del propio Gauss publicado en 1801.
Teorema 3.21 El grupo Z
m
es cclico si y, solo si, m = 2, 4, p
k
, 2p
k
con p > 2
primo.
Funcion de Euler
Denicion 3.22 Para un n umero entero positivo m, sea (m) el n umero de enteros
entre 0 y m que son primos con m. La funcion recibe el nombre de Funcion de
Euler. Por lo tanto,
(m) = #(Z
m
).
As por ejemplo, (7) = 6, (51) = 32 o (48) = 16.
Que valores toma la funcion de Euler y como podemos calcularla? En primer lugar,
el caso mas sencillo: si p es primo, es obvio que (p) = p 1 por cuanto todos los
enteros positivos menores que p son coprimos con p. Es algo mas complicado, aunque
no deje de ser sencillo, calcular (q) con q = p
. Los enteros positivos no coprimos

con p
son p, 2p, 3p, . . . , p
. En consecuencia, tenemos p
1
numeros enteros positivos
menores que q no coprimos con el y, por lo tanto,
(q) = q p
1
= q
_
1
1
p
_
si q = p
(p primo)
3.2. TEOREMA DE EULER-FERMAT 57
Naturalmente, no todo n umero natural es primario (primario potencia de primo),
aunque s es producto de primarios. De esta manera, si suponemos que la funcion
verica
(m
1
m
2
) = (m
1
) (m
2
), si mcd(m
1
, m
2
) = 1 y que
m =
n
k=1
p
k
k
,
podramos calcular (n) de manera sencilla, pues
(m) =
n
k=1
(p
k
k
) =
n
k=1
p
k
k
_
1
1
p
k
_
= m
n
k=1
_
1
1
p
k
_
.
Para demostrar que la formula anterior es correcta bastara ver que:
Teorema 3.23 La funcion verica
(m
1
m
2
) = (m
1
) (m
2
), si mcd(m
1
, m
2
) = 1
Demostracion. Retomando la notacion introducida en la Subseccion 3.1.2 (mas
concretamente en la Observacion 3.6) y la denicion de bastara probar que
a Z
m
1
m
2
(a) Z
m
1
Z
m
2
o, lo que es lo mismo, que
mcd(a, m
1
m
2
) = 1 mcd(a, m
1
) = 1 y mcd(a, m
2
) = 1
y, esta ultima armacion es cierta al ser m
1
y m
2
coprimos.
3.2. Teorema de Euler-Fermat
Teorema 3.24 (Euler-Fermat) Si a y n son coprimos,
a
(n)
1 (mod n).
Demostracion. Sean k = (n) y m
1
, m
2
, . . . , m
k
los enteros positivos menores que
n y primos con n. Consideremos ahora los n umeros
am
1
, am
2
, . . . , am
k
.
58 CAP
Se tiene que todos ellos son coprimos con n y, ademas, son todos distintos modulo
n. En efecto, si am
i
am
j
(mod n), n dividira a a(m
i
m
j
) y eso implicara,
puesto que mcd(a, n) = 1, que m
i
m
j
(mod n). En consecuencia,
m
1
, . . . , m
k
= am
1
, . . . , am
k
.
De esta ultima observacion se deduce que
a
k
m
1
m
k
m
1
m
k
(mod n)
y, como, los m
i
son inversibles en Z
n
, que a
k
1 (mod n).
Observacion 3.25 El Teorema anterior es util, entre otras cosas, si tratamos con
grandes potencias de n umeros enteros. Supongamos, por ejemplo que queremos cal-
cular el resto de la division eucldea de 2
1010
por 23. Como 23 es primo, sabemos
que 2
22
1 (mod 23), y como 1010 = 45 22 + 20, se tiene:
2
1010
(2
22
)
45
2
20
2
20
(2
5
)
4
(9
2
)
2
12
2
6 (mod 23).
Corolario 3.26 (Peque no Teorema de Fermat) Si p es primo,
a
p
a (mod p)
Observacion 3.27 El Teorema 3.26 es consecuencia inmediata del Teorema de
Euler-Fermat, sin mas que tener en cuenta que (p) = p 1 y que si a 0 (mod p)
es obvio que a
p
a (mod p).
Corolario 3.28 (Teorema de Wilson)
p es primo (p 1)! 1 (mod p)
Demostracion. Como la ecuacion x
p1
1 0 (mod p) tiene como unicas soluciones
1, 2, . . . , p 1, se tiene
x
p1
1 (x 1)(x 2) (x p + 1) (mod p).
Poniendo x = 0, se sigue el resultado.
3.3. UN TEST DE PRIMALIDAD EFICIENTE 59
3.3. Un test de primalidad eciente
Uno de los problemas fundamentales cuando se trata de enteros, es el de decidir
si un n umero dado es primo o no. Desde un punto de vista meramente teorico, el
Teorema de Wilson (Teorema 3.28) resuelve el problema de decidir la primalidad
de un entero positivo dado n: bastara calcular el factorial (n 1)! y estudiar si
es, o no, congruente con 1 modulo n. Sin embargo, en la practica, el calculo del
factorial es un problema complicado desde el punto de vista computacional. Dicho de
forma sencilla, incluso para n umeros no demasiado grandes, el calculo del factorial
requerira demasiado tiempo de ejecucion y demasiado espacio de memoria.
2
El objetivo de esta Seccion sera el de dar un test de primalidad eciente, si bien de
tipo probabilstico: el test de Miller-Rabin. De todas formas, no lo justicaremos y
nos limitaremos a describirlo.
3
El algoritmo de Miller-Rabin se basa, entre otras cosas, en la facilidad para el calculo
de potencias. De demostrar esta ultima armacion nos ocupamos en la siguiente
Subseccion.
3.3.1. Algoritmo binario para el calculo de potencias
Supongamos que necesitamos calcular la potencia trigesimo septima de un entero a.
La manera mas ingenua de hacerlo es calcular las potencias sucesivas,
a, a
2
, a
3
, . . . , a
36
, a
37
,
lo que implica realizar 36 productos.
Sin embargo,
a
37
= a a
36
= a (a
2
)
18
= a (a
4
)
9
= a a
4
(a
4
)
8
= a a
4
a
32
.
Cuantas productos necesito si act uo de esta manera? En primer lugar, 5 productos
para calcular a
4
y a
32
haciendo (cada echa signica elevar al cuadrado):
a a
2
a
4
a
8
a
16
a
32
.
Con otros dos productos mas, calculo a
37
. En total, 7 productos frente a los 36 por
el metodo ingenuo.
2
Siendo mas precisos, lo unico que podemos armar es que, a fecha de hoy, nadie sabe calcular
de forma eciente el factorial, aunque tampoco nadie haya sido capaz de probar que no sea posible.
Observese, por otro lado, la analoga entre esta situacion y la ya comentada para la factorizacion
de enteros.
3
El fundamento de este test de primalidad, as como su complejidad computacional, puede
consultarse en el libro Algorithmic Number Theory. Volume I: Ecient Algorithms de Eric Bach
y Jerey Shallit (MIT Press, 1996).
60 CAP
En realidad, que hemos hecho? Simplemente, calcular la representacion binaria del
exponente, en este caso, 37 = 1 + 2
2
+ 2
5
(37 = (100101)
2
). Este razonamiento
es facilmente extensible a cualquier otro exponente: si quiero calcular a
y =
2
k
+
k1
2
k1
+ +
2
2
2
+
1
2 +
0
, se tendra que:
a
= a
0
a
1
2
a
2
2
2
a
k1
2
k1
a
2
k
.
Cuantas multiplicaciones necesito realizar? En primer lugar, k multiplicaciones para
calcular a
2
, a
4
, . . . , a
2
k
y, despues, tantas como unos tenga la expresion binaria del
exponente menos una. En el caso peor (todos los
i
iguales a uno), 2k o dicho de
otra manera, 2(log
2
|).
El siguiente algoritmo recoge como calcular una potencia de un entero, utilizando
el esquema anterior que, recordemos, consiste en calcular la expresion binaria del
exponente.
Entrada: a,
t 1
f a
mientras ,= 0, hacer
si ( = 1 modulo 2)
entonces t tf
/2|
f f
2
Salida: t
Por otro lado, lo anterior es aplicable siempre que se tenga un producto: para calcular
potencias de matrices, polinomios, enteros modulo m,... Consideremos, por ejemplo,
el computo de los n umeros de Fibonacci. Si se usa el hecho de que F
k+1
= F
k
+F
k1
,
se necesitaran realizar k adiciones para obtener F
k+1
. Sin embargo, utilizando que
_
1 1
1 0
_
k
=
_
F
k+1
F
k
F
k
F
k1
_
, (3.3)
se necesitaran unicamente 2 log
2
k productos de matrices 2 2. La forma usual de
multiplicar matrices 2 2 exige 8 productos y 4 sumas, luego en total 12 opera-
ciones aritmeticas. En consecuencia, para calcular F
k+1
, F
k
y F
k1
de una tacada se
necesitaran, unicamente, 24 log
2
k| operaciones aritmeticas. En realidad, no son
necesarias tantas operaciones como se demuestra en el Problema 3.25.
3.3.2. Test de Miller-Rabin
Visto el algoritmo binario, volvamos al objetivo principal de la Seccion, es decir,
la determinacion de la primalidad, o no, de un n umero natural dado. Una primera
3.3. UN TEST DE PRIMALIDAD EFICIENTE 61
idea, ya barajada y desechada en estas notas, es el uso del Teorema de Wilson. Otra
posible idea sera el uso del Peque no Teorema de Fermat (Teorema 3.26): Si existe
un entero a tal que a
n
, a (mod) n, el entero n sera compuesto. Lamentablemente,
el recproco del Teorema de Fermat es falso, es decir, existen n umeros compuestos
que verican que a
n
a para todo a < n. A estos, se les denomina n umeros de
Carmichael, de los que el mas peque no es 561.
Existen diversos metodos para saber si un n umero dado es primo o no, de los que
el mas eciente es el metodo de Adleman-Huang. Sin embargo, el fundamento de la
mayora de ellos excede con mucho el alcance del curso. Proponemos uno de ellos
que, sin ser el mejor, s que ofrece como ventaja la facilidad de implementacion:
el algoritmo de Miller-Rabin. Es un metodo de tipo probabilstico, basado en el
Teorema de Fermat y que evita los n umeros de Carmichael con gran probabilidad
de acierto. En estas notas, nos limitaremos a describirlo:
Input: n un n umero entero impar.
(1) Escoger, aleatoriamente, a en 1, . . . , n 1.
(2) Expresar n 1 = 2
s
d, con d impar y s 1.
(3) Calcular sucesivamente
a
0
a
d
(mod n), a
1
a
2
0
(mod n), . . . , a
k
a
2
k1
(mod n)
hasta que (k = s o a
k
1 (mod n).)
(4) Si (k = s) y a
k
, 1 devolver compuesto
si no, si (k = 0) entonces devolver primo
si no, si (a
k1
, 1) devolver compuesto
si no, devolver primo
Test de MillerRabin.
Ya hemos anunciado que este algoritmo es de tipo probabilstico, es decir, para
algunos casos existe una cierta probabilidad de responder de manera erronea. Para
que casos? Con que probabilidad? La respuesta a estas preguntas se encuentra en
el resultado que sigue:
Teorema 3.29 (Caractersticas del test de Miller-Rabin) El test de Miller-
Rabin verica las siguientes propiedades :
1. Si n N es un n umero primo impar, el algoritmo siempre produce primo.
2. Si n N es un n umero compuesto, el algoritmo produce compuesto para, al
menos, 3/4 de los a.
De esta forma, la probabilidad de error del algoritmo de Miller-Rabin esta aco-
tada superiormente por 1/4. Por otro lado, el algoritmo utiliza un n umero de
operaciones binarias proporcional a (log
2
n)
3
.
62 CAP
3.4. Sistema criptograco de clave p ublica RSA
El objetivo que nos planteamos en esta Seccion es el de la descripcion de un sistema
criptograco conocido como RSA.
4
. La idea de este sistema, como la de cualquier
otro sistema criptograco, es la de transmitir mensajes por canales inseguros(esto
es, accesibles a individuos distintos del emisor y del receptor) sin que estos puedan
ser comprendidos mas que por el emisor y el receptor del mensaje. Logicamente,
esto exige un proceso de codicacion del mensaje y una posterior decodicacion del
mismo.
Para explicar el funcionamiento del sistema RSA, asumimos que todos los mensajes
que enviamos son n umeros. De esta forma, cada individuo de una red de clave p ublica
selecciona los siguientes elementos :
1. Dos n umeros primos grandes p y q.
2. Halla n = pq, (n) := (p 1)(q 1).
3. Elige un entero e tal que , 1 < e < (n) y mcd(e, (n)) = 1. El n umero e puede
ser elegido como el resto de la division de n por (n). Obviamente, el maximo
com un divisor de n y (n) es 1 en este caso. Para evitar los casos triviales, el
n umero e ha de vericar 2
e
> pq. Ahora, observese que e = p +q 1.
4. Halla d = e
1
(el inverso de e en Z
(n)
).
5. Dene clave P ublica como (n,e) y se guarda, como clave privada, d.
Codicacion de un mensaje: Alicia (con clave p ublica (n
A
, e
A
) y privada d
A
)
quiere enviar un mensaje M a Benito (con clave p ublica (n
B
, e
B
) y privada d
B
) y
hace como sigue:
Puesto que Alicia conoce la clave p ublica de Benito, puede calcular el crip-
tograma C := M
e
B
(mod n
B
) y esto es lo que enva por el canal, de tal forma
que todo el mundo puede leerlo.
Decodicacion de un mensaje : Llegado el criptograma C a Benito, este lo lee.
Para decodicarlo, hace :
Calcula el criptograma C
d
B
(mod n
B
) utilizando su clave privada d
B
conocida
unicamente por el. Como, por otro lado,
C
d
B
(M
e
B
)
d
B
M (mod n
B
)
es capaz de leer el mensaje.
4
El acronimo RSA contiene las iniciales de los creadores, en 1978, de este sistema: R.L. Rivest,
A. Shamir y L.A. Adleman
3.4. SISTEMA CRIPTOGR
AFICO DE CLAVE P
UBLICA RSA 63
Observacion 3.30 (Vulnerabilidad de RSA.) La seguridad del sistema RSA se
fundamenta en la carencia de algoritmos ecientes de factorizacion de n umeros en-
teros. Para romper un sistema criptograco del tipo RSA, habra que factorizar
previamente n, ya que no hay ninguna otra manera de calcular (n), para, posteri-
ormente, utilizar e con el animo de calcular la clave privada d. El conocimiento de
la clave privada permitira la posterior decodicacion de todos los mensajes enviados
por un individuo con clave p ublica (n, e). En estos momentos, claves p ublicas de 1024
bits (esto es, p y q se escriben con 155 cifras decimales cada uno cifras cada uno)
son invulnerables con la algortmica actual y las potencias de calculo disponibles
Se nalemos, nalmente, que todos los calculos que conlleva RSA (calculo de poten-
cias, inversos modulares,...) se pueden realizar de forma eciente con el uso de los
algoritmos que hemos desarrollado a lo largo del tema, excepto el encontrar los pri-
mos grandes.
64 CAP
Problema 3.1 .- Demostrar las siguientes propiedades de las congruencias:
a b (mod n) y d[n = a b (mod d).
ka kb (mod n) y k ,= 0 a b (mod
n
mcd(n,k)
).
a b (mod n) y a b (mod m) a b (mod mcm(m, n)).
Problema 3.2 .- Encontrar todos los n umeros naturales n que veriquen
97 287 (mod n).
Problema 3.3 .- Demostrar que si p es primo y a
2
b
2
(mod p), se tiene que
p[(a +b) o p[(a b). Puede decirse lo mismo si p no es primo?
Problema 3.4 .- Estudiar la existencia de solucion de las ecuaciones que siguen y,
en el caso de que tengan solucion, calcular todas las soluciones enteras.
(a) 24X 7 (mod 40) (b) 13X 7 (mod 10) (c) 525X 237 (mod 423)
(d) 1215X 560 (mod 2755) (e) 2X 1 (mod 3) (f) 234X 3 (mod 244)
(g) 20X 30 (mod 4) (h) 20X 4 (mod 30) (i) 3X 2 (mod 7)
Problema 3.5 .- Encontrar las soluciones enteras de los sistemas siguientes:
(a)
_
3x + 6y 2 (mod 8)
5x + 3y 0 (mod 8)
(b)
_
11x + 3y 5 (mod 7)
3x + 7y 3 (mod 7)
Problema 3.6 .- Estudiar la existencia de solucion y, en su caso, resolver:
(a)
_
_
_
x 3 (mod 4)
x 5 (mod 7)
x 6 (mod 9)
(b)
_
_
_
x 1 (mod 7)
x 0 (mod 5)
x 1 (mod 3)
(c)
_
_
_
x 5 (mod 8)
x 1 (mod 20)
x 3 (mod 7)
(d)
_
_
_
x 2 (mod 5)
x 4 (mod 10)
x 38 (mod 47)
(e)
_
_
x 1 (mod 3)
x 0 (mod 5)
x 4 (mod 7)
x 5 (mod 27)
x 6 (mod 1233)
Problema 3.7 .- Estudia para que n umeros enteros positivos a el sistema de con-
gruencias
_
_
_
x 1 (mod 7)
x 2 (mod 54)
x a (mod 189)
tiene solucion y resuelvelo para el menor de todos ellos.
Problema 3.8 .- Queda unvocamente determinado un n umero positivo sabiendo
que es estrictamente menor que 1106 y conociendo el resto de dividirlo por 23, 16 y
3?
Problema 3.9 .- Demostrar, usando unicamente congruencias, que para todo na-
tural n, el n umero
3
2n+5
+ 2
4n+1
es m ultiplo de 7.
Problema 3.10 .- Encontrar las tres ultimas cifras decimales de 3
1234
.
Problema 3.11 .- Calcular el resto de la division de 1654
1255
por 23. Hacer lo
mismo con 3
1767
y 29.
Problema 3.12 .- Dados n umeros natural n y b, denotemos por (a
k
a
1
a
0
)
b
la
representacion de n en base b (n = a
k
b
k
+a
k1
b
k1
+ +a
1
b +a
0
). Demostrar que
se verica:
Si d es un divisor de b y j y k son enteros positivos con j < k, (a
k
a
1
a
0
)
b
es
divisible por d
j
si, y solo si, (a
j1
a
1
a
0
)
b
es divisible por d
j
.
Problema 3.13 .- Encontrar todos los n umeros enteros positivos x que verican
las siguientes condiciones:
a) 6x 4 (mod 10)
b) El resto de dividir x por 8 es igual a y + 5, con
y (1843)
138648568243871569
(mod 11)
y 0 y < 11.
66 CAP
Problema 3.14 .- Un sistema de congruencias
_
_
x a
1
(mod b
1
)
x a
2
(mod b
2
)
.
.
.
.
.
.
x a
n
(mod b
n
)
con los modulos b
i
distintos y mayores que uno, se dice completo si todo n umero
entero satisface, al menos, una de las congruencias. Demostrar que el sistema de
congruencias
_
_
x 0 (mod 2)
x 0 (mod 3)
x 1 (mod 4)
x 1 (mod 6)
x 11 (mod 12)
es completo.
Problema 3.15 .- Un barco pirata naufraga y doce de sus tripulantes consiguen
llegar a una isla desierta. Su primera tarea es la de dedicarse a recoger cocos que
acumulan en una pila para repartrselos equitativamente a la ma nana siguiente.
Aunque ninguno dice nada, todos los piratas se dan cuenta de que si se hace el
reparto equitativo sobraran 3 cocos, as que a lo largo de la noche se levantan
todos ellos y se comen 3 cocos sin que el resto se entere. Esa misma noche mueren
dos piratas y el resto decide repartirse los cocos, descubriendo que esta vez sobran
cinco. Explicar por que se desencadena una trifulca entre los piratas sobrevivientes
y encontrar el mnimo n umero de cocos recogidos por los piratas sabiendo que eran
mas de quinientos.
Problema 3.16 .- Una anciana va al mercado y un caballo pisa su bolsa y rompe
los huevos que llevaba en ella. El jinete se ofrece a repararle los da nos y le pregunta
a la anciana cuantos huevos llevaba. Ella no recuerda el n umero exacto, pero s que
si los sacaba de dos en dos, nalmente le quedaba uno en la bolsa y lo mismo le
ocurra si los sacaba de tres en tres, de cuatro en cuatro, de cinco en cinco y de seis
en seis. Sin embargo, si los sacaba de siete en siete, la bolsa quedaba vaca. Cual
es el menor n umero de huevos que llevaba la anciana en su bolsa?
5
Problema 3.17 .- Tres agricultores se dividen una cierta cantidad de arroz en
partes iguales obteniendo cada uno una cantidad natural de kilos. Cada uno de los
agricultores vende su propio arroz en mercados distintos que utilizan pesos de 100
kilos, 45 kilos y 31 kilos y solo compran m ultiplos enteros de estos pesos. Cual es
la menor cantidad de arroz que se han divido los agricultores si regresan a casa con
60, 25 y 15 kilos de arroz respectivamente?
5
Este problema fue propuesto y resuelto por el matematico indio Brahmagupta (nacido alrede-
dor del a no 598).
Problema 3.18 .- Responder las dos preguntas siguientes:
i) Existe alg un n umero entero b Z que verique 14 b 5 (mod 294)?
ii) Sea a un n umero natural tal que 0 a < 500 y tal que las tres ultimas cifras
decimales de 17a son 001. Quien es a?
Problema 3.19 .- (Residuos cuadraticos ) Un entero a se dice residuo cuadratico
modulo n si mcd(a, n) = 1 y la ecuacion
x
2
a (mod n)
posee solucion. Por ejemplo, en Z
11
, los residuos cuadraticos son 1, 3, 4, 5 y 9.
i) Sea n = 2, 4, p
k
, 2p
k
(p primo impar). Demostrar que a es residuo cuadratico
si, y solo si, a
(n)/2
1 (mod n).
ii) Sea p un primo impar y mcd(a, p) = 1. Demostrar que a es residuo cuadratico
modulo p si a
p1
2
1 (mod p) y que a no es residuo cuadratico modulo p si
a
p1
2
1 (mod p).
iii) Demostrar que en Z
p
(p primo impar) hay tantos residuos cuadraticos como
no residuos cuadraticos.
iv) Demostrar que la ecuacion X
2
+ 1 0 (mod p) tiene solucion si, y solo si,
p = 2 o p 1 (mod 4).
Problema 3.20 .- Demostrar que las ecuaciones X
2
+Y
2
= 5Z
2
y X
2
+Y
2
= 13Z
2
tienen soluciones enteras no triviales (es decir, distintas de X = 0, Y = 0, Z = 0).
Demostrar que las ecuaciones X
2
+Y
2
= 3Z
2
y X
2
+Y
2
= 11Z
2
no tienen soluciones
enteras distintas de la trivial.
Problema 3.21 .- En este ejercicio vamos a probar que 2 es residuo cuadratico
modulo un primo impar p si, y solo si, p 1 (mod 8).
6
Consideremos los conjuntos
C = 1, 2, . . . ,
p 1
2
,
2C = 2, 4, . . . , p 1,
A = a
1
, a
2
, . . . , a
r
= x 2C : x >
p 1
2
,
6
El argumento que vamos a utilizar es debido a Gauss.
68 CAP
B = b
1
, b
2
, . . . , b
t
= x 2C : x
p 1
2

y
D = p a
1
, . . . , p a
r
, b
1
, . . . , b
t
.
Si denotamos (T) el producto de los elementos de un conjunto T, demostrar
que
(1)
r
(C) 2
p1
2
(C) (mod p)
y deducir que 2 es residuo cuadratico modulo p si r es par y no es residuo
cuadratico si r es impar.
Si denotamos por [T[ la suma de los elementos de un conjunto T demostrar
que:
2[C[ = [A[ +[B[ y [C[ = pr [A[ +[B[.
Usando el apartado anterior y estas identidades, concluir el enunciado del
ejercicio.
Problema 3.22 .- Lo hecho en el Ejercicio anterior puede aplicarse al estudio de
la primalidad de los n umeros de Mersenne. Demostrar que si q es un factor primo
de 2
p
1, se tiene:
q 1 (mod p) y q 1 (mod 8).
Usar este resultado para probar que 2
13
1 y 2
17
1 son primos. Encontrar tambien
factores no triviales de 2
23
1, 2
29
1, 2
37
1 y 2
43
1.
Problema 3.23 .- Sea r un natural con 1 r 9 y considerese la sucesion de
n umeros enteros (dados en base 10):
r, rr, rrr, rrrr, rrrrr, ...
(p.e., si r = 1, la sucesion es 1, 11, 111, 1111, . . .). Estudiar para que primos y para
que enteros r (1 r 9) es cierta la armacion:
p divide a innitos terminos de la sucesion r, rr, rrr, rrrr, rrrrr, ...
Indicacion: Estudiar por separado los casos p = 2, 3, 5.
Problema 3.24 .- Probar las siguientes propiedades de la sucesion de Fibonacci:
i) (1)
k
= F
k1
F
k+2
F
k
F
k+1
. (k 1)
ii) F
n+k+1
= F
n
F
k
+F
n+1
F
k+1
. (k, n 0)
iii) Si k 1, F
k
divide a F
nk
para cualquier natural n 1.
iv) Si F
n
es primo, entonces n es primo (salvo n = 4.) (Nota: El recproco no es
cierto. Por ejemplo, F
19
= 4181 = 37 113).
Indicacion: Empleese la ecuacion (3.3) de los apuntes.
Problema 3.25 .- Probar que se puede calcular el k-esimo n umero de Fibonacci
realizando, unicamente, 6 log
2
k| sumas y 6 log
2
k| productos.
Problema 3.26 .- Comprobar que el millonesimo n umero de Fibonacci es divisible
por 7.
Captulo 5
Matrices y sistemas de ecuaciones
lineales
5.1. Matrices sobre un cuerpo. Deniciones y no-
tacion
Esta primera Seccion esta dedicada a la introduccion de la terminologa usual aso-
ciada a las matrices. En primer lugar, denimos el propio concepto de matriz sobre
un cuerpo K.
Denicion 5.1 Dados n umeros naturales n y m, se dice matriz m n sobre K a
un cuadro de elementos de la forma:
A =
a
11
a
1n
.
.
.
.
.
.
a
m1
a
mn
Habitualmente, escribiremos:
A =
_
_
_
a
11
a
1n
.
.
.
.
.
.
a
m1
a
mn
_
_
_
Cuando m = n, se dira que la matriz es cuadrada de orden n. Por otro lado, de
manera abreviada escribiremos A = (a
ij
).
Notacion: El conjunto de matrices m n sobre un cuerpo K habitualmente se
denota por M
mn
(K), mientras que el conjunto de matrices cuadradas de orden n
se denota por M
n
(K).
Una matriz mn esta formada por m ntuplas, conocidas por el nombre de las,
a saber:
75
76 CAP
ITULO 5. MATRICES Y SISTEMAS DE ECUACIONES LINEALES

A
1
= (a
11
. . . a
1n
)
.
.
.
A
n
= (a
m1
. . . a
mn
)
De manera similar, podemos considerarla formada por n mtuplas, llamadas colum-
nas de la matriz:
A
1
=
_
_
a
11
.
.
.
a
m1
_
_
A
n
=
_
_
a
1n
.
.
.
a
mn
_
_
Denicion 5.2 Dada una matriz A m n sobre K, se dice traspuesta de A a la
matriz n m cuyo termino (i, j) es el termino (j, i) de A. Se escribe A
t
.
Denicion 5.3 Una matriz cuadrada se dice simetrica si A
t
= A y se dice anti-
simetrica si a
ij
= a
ji
.
Denicion 5.4 Sea A = (a
ij
) una matriz mn sobre un cuerpo K.
1. Se llama diagonal principal de A a la familia (a
11
, . . . , a
ss
) donde s es igual a
la cantidad mn{m, n}.
2. La matriz A se dice triangular superior si m = 1 o a
ij
= 0, i > j. Es decir,
si todos los elementos por debajo de su diagonal principal son cero.
3. La matriz A se dice triangular inferior si n = 1 o a
ij
= 0, i < j. Es decir,
si todos los elementos por encima de su diagonal principal son cero.
4. Una matriz cuadrada se dice diagonal si a
ij
= 0 i = j. En tal caso, escribire-
mos diag[a
11
, . . . , a
nn
].
5. Una matriz se dice escalar si es diagonal y a
11
= . . . = a
nn
.
6. Se llama matriz identidad de orden n, y se escribe I
n
, a la matriz escalar cuyos
terminos diagonales son todos iguales a 1
K
.
7. Se dice matriz cero a la matriz cuyos terminos son todos nulos. Se escribe (0).
5.2. RANGO DE UNA FAMILIA DE VECTORES DE K
N
77
5.1.1. Operaciones con matrices
Repasamos, a continuacion, las operaciones usuales que se pueden realizar entre y
con matrices.
Denicion 5.5 (Operaciones con matrices) Se denen :
1. Suma de matrices: Si A = (a
ij
) y B = (b
ij
) son dos matrices de M
mn
(K),
se dene
A +B := (a
ij
+b
ij
)
1im,1jn
.
2. Producto de una matriz por una constante: Si A = (a
ij
) es una matriz
de M
mn
(K) y K,
A := (a
ij
)
1im,1jn
.
3. Producto de dos matrices: Dadas matrices A M
mn
(K) y B M
nt
(K),
A B es la matriz mt con coecientes en K denida por:
A B :=
_
n
k=1
a
ik
b
kj
_
1im,1jt
.
Si consideramos el conjunto M
n
(K) junto a las operaciones suma y producto que
hemos denido anteriormente, se puede probar que estas dotan al conjunto de estruc-
tura de anillo (no conmutativo) con elemento identidad. En este caso, las unidades
del anillo reciben un nombre especial: se les llama matrices regulares.
5.2. Rango de una familia de vectores de K
n
Una solucion de un sistema de ecuaciones lineales mn es una ntupla de elementos
de K. Por otro lado, una matriz se puede interpretar como un conjunto de vectores,
es decir, elementos de alg un K
n
(la o columna). Conviene pues, estudiar algunas
nociones en torno a los vectores de K
n
. Empecemos, pues, por el principio.
Los elementos de K
n
se denominan vectores y los de K escalares. Vectores notables
son:
(0) = (0, 0, . . . , 0) (vector nulo)
e
1
= (1, 0, . . . , 0)
e
2
= (0, 1, . . . , 0)
.
.
.
.
.
.
.
.
.
e
n
= (0, 0, . . . , 1)
Tales vectores se suman y multiplican por escalares (es decir, elementos del cuerpo
K) en la manera conocida.
78 CAP

El objetivo nal de la Seccion es el de denir el concepto de rango de una familia de
vectores en K
n
y dise nar un algoritmo para su calculo. Pero antes, una denicion:
Denicion 5.6 Una familia {v
1
, . . . , v
m
} de vectores de K
n
se dice:
1. libre si
t
1
v
1
+ +t
n
v
n
= (0) =t
1
= . . . = t
n
= 0,
2. y ligada si no es libre.
Ejemplo 5.7 1. La familia {(1, 2), (3, 2)} de vectores de R
2
es una familia libre.
2. La familia {(1, 2, 3), (2, 1, 0), (1, 1, 3)} es una familia ligada, pues se verica
(1, 1, 3) = (1, 2, 3) + (2, 1, 0).
3. Cualquier familia que contenga al vector nulo es ligada.
4. Cualquier familia que contenga vectores repetidos es ligada.
El siguiente Lema tecnico, cuya prueba dejamos como ejercicio, lo utilizaremos en
el resultado principal de esta Seccion (Proposicion 5.11).
Lema 5.8 Si {v, v
1
, . . . , v
m
} es ligada y {v
1
, . . . , v
m
} es libre, existen escalares t
i
tales que v = t
1
v
1
+. . . +t
m
v
m
.
Llegados a este punto, podemos denir el concepto de rango que es clave en el
desarrollo del resto del Captulo.
Denicion 5.9 (Rango de una familia de vectores) Dada una familia de vec-
tores de K
n
, se dice rango al maximo tama no de sus subfamilias libres.
Ejemplo 5.10 El rango de la familia {(0, 0, 0), (1, 2, 3), (,
2, 1), (1, 2, 3)} R

3
es
2, pues cualquier familia con mayor n umero de elementos contendra al vector nulo
o dos vectores repetidos y la subfamilia {(1, 2, 3), (,
2, 1)} es libre.
Aunque en el ejemplo anterior nos ha sido sencillo el calculo del rango, en general,
esta no es una tarea sencilla utilizando como unica herramienta la denicion. El
algoritmo que estudiaremos para el calculo del rango esta basado en el concepto de
operacion elemental que se presenta en la siguiente Proposicion:
Proposicion 5.11 (Operaciones elementales de vectores) Dada una familia
de vectores de K
n
, V := {v
1
, . . . , v
m
}, las siguientes operaciones no alteran el rango
de la misma:
1. Intercambiar el orden de dos vectores.
5.2. RANGO DE UNA FAMILIA DE VECTORES DE K
N
79
2. Sustituir un vector por el mas un m ultiplo de otro.
3. Multiplicar un vector por un escalar no nulo.
Las operaciones anteriores las llamaremos operaciones de tipo 1, 2 y 3 respectiva-
mente.
Demostracion. Siendo evidente que las operaciones de tipo 1 no alteran el rango,
estudiaremos que es lo que ocurre con las de tipo 2 y de tipo 3, empezando por estas
ultimas. Supongamos la operacion de tipo 3
{v
1
, v
2
, . . . , v
n
} {sv
1
, v
2
, . . . , v
n
} (5.1)
y veamos que no vara el rango. Sea r el rango de V y veamos que
rang({sv
1
, . . . , v
n
}) r.
Si existe una familia libre de V con r vectores que no contenga a v
1
, ha de ser
subfamilia libre de {sv
1
, v
2
, . . . , v
n
} y, por lo tanto, se verica la desigualdad (5.1).
Si no, sea {v
1
, v
i
2
, . . . , v
i
r
} la familia libre que debe existir; entonces es claro que
{sv
1
, v
i
1
, . . . , v
i
r
} es subfamilia libre de V y, tambien en este caso, se verica (5.1)
Por otro lado,
rang({sv
1
, v
2
, . . . , v
n
}) rang({s
1
sv
1
, v
2
, . . . , v
n
}) = rang(V) (5.2)
Uniendo las desigualdades (5.1) y (5.2) se concluye que
rang({sv
1
, v
2
, . . . , v
n
}) = rang(V).
Para las operaciones de tipo 2 podemos suponer que la operacion es:
{v
1
, v
2
, . . . , v
n
} {v
1
+tv
2
, v
2
, . . . , v
n
}
Probaremos, como hicimos antes, que
r = rang(V) rang({v
1
+tv
2
, v
2
, . . . , v
n
}).
Si existe una subfamilia libre de V que no contenga a v
1
, nada habra que probar.
En caso contrario, sea {v
1
, v
i
2
, . . . , v
i
r
} la familia libre que debe existir; entonces
{v
2
, v
i
2
, . . . , v
i
r
} es ligada y, seg un el Lema 5.8 v
2
= t
2
v
i
2
+ +t
r
v
i
r
. Ahora, es facil
ver que {v
1
+tv
2
, v
i
2
, . . . , v
i
r
} es una subfamilia libre de {v
1
+tv
2
, v
2
, . . . , v
n
}.
Por otro lado,
rang({v
1
+tv
2
, v
2
, . . . , v
n
}) rang({v
1
+tv
2
tv
2
, v
2
, . . . , v
n
}) = rang(V).
80 CAP

5.3. Rango por las y por columnas de una matriz
Las deniciones de rango por las y por columnas de una matriz A M
mn
son las
esperables, es decir, el rango por las de A, escrito r
f
(A), es el rango de las las de
A vistas como vectores de K
n
, mientras que el rango por columnas, escrito r
c
(A) es
el rango de las columnas de A vistas como vectores de K
m
.
Denicion 5.12 Una matriz mn sobre K se dice escalonada por las si m = 1
o:
Sus las cero son las ultimas.
El primer elemento no nulo de cada la no nula, denominado pivote, esta a la
derecha del pivote de la la superior.
En virtud de la denicion, las matrices escalonadas por las tienen la siguiente
forma:
_
_
_
_
_
_
_
_
_
_
_
_
0 0 a
1j
a
1j+1
a
1n
0 0 a
2h
a
2n
.
.
.
.
.
.
0 0 a
rs

.
.
.
0 0
.
.
.
.
.
.
0 0
_
_
_
_
_
_
_
_
_
_
_
_
Denicion 5.13 Una matriz A m n sobre K se dice reducida por las si es
escalonada por las y ademas:
1. Sus pivotes son todos 1.
2. En la columna que ocupa cada pivote, los elementos anteriores a este son todos
cero.
Denicion 5.14 Una matriz A m n sobre K se dice reducida (respectivamente
escalonada) por columnas si su traspuesta lo es por las.
Ejemplo 5.15 1.- La matriz 4 5
_
_
_
_
2 3 4 5 0
0 2 1 3 0
0 0 0 1 2
0 0 0 0 1
_
_
_
_
es escalonada por las pero no reducida.
5.3. RANGO POR FILAS Y POR COLUMNAS DE UNA MATRIZ 81
2.- La matriz
_
_
_
_
2 3 4 5 0
0 0 0 2 0
0 0 1 2 3
0 0 0 0 1
_
_
_
_
es triangular superior, pero no escalonada por las.
3.- La matriz
_
_
_
_
1 3 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
_
_
_
_
es reducida por las.
Observacion 5.16 El interes de las matrices escalonadas reside en el hecho de su
rango por las se lee directamente (basta contar el n umero de las no nulas). El
interes de las matrices reducidas es que se corresponden con sistemas facilmente
resolubles.
En virtud de lo discutido hasta ahora,
Teorema 5.17 Sea A M
mn
(K). Son equivalentes:
i) r
f
(A) = r
ii) Existe un n umero nito de operaciones elementales (de tipo 1 y 2) en las las
de A que conducen a una matriz escalonada por las con, exactamente, las
mr ultimas las nulas.
iii) Existe un n umero nito de operaciones elementales en las las de A que con-
ducen a una matriz reducida por las con, exactamente, las mr ultimas las
nulas.
Demostracion. Para probar que ii) implica iii), sea F la matriz obtenido en ii) y
c
i
el pivote de la la i. Multiplicando la la por c
1
i
hacemos que el pivote sea 1.
Ahora, haciendo operaciones elementales en las las, es facil conseguir que todos los
elementos por encima de cada pivote sean cero.
Es tambien claro que iii) implica i) (ya que las operaciones elementales no varan
el rango por las). Por lo tanto, unicamente queda ver que i) implica ii). Para
probarlo, razonaremos por induccion en m (n umero de las) construyendo, de paso,
un algoritmo para el calculo del rango por las.
Si m = 1 la implicacion es obvia, pues estaramos ante una matriz la.
82 CAP

Supongamos que m > 1; si la matriz es la matriz nula, nada habra que hacer. Si
la matriz no es nula, sea A
j
la primera columna no cero y a
ij
el primer termino no
nulo de dicha columna. Entonces, permutando la la i y la la 1, si i = 1, podemos
situar a
ij
en el lugar (1, j):
A =
_
_
_
_
_
_
_
0 0 0 a
1n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 a
ij
a
in
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 a
mj
a
mn
_
_
_
_
_
_
_
A
1
=
_
_
_
_
_
_
_
0 0 a
ij
a
in
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 a
1n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 a
mj
a
mn
_
_
_
_
_
_
_
Ahora, mediante operaciones elementales en las las de A
1
(restandole a la la
kesima, la primera multiplicada por a
kj
/a
ij
)) podemos hacer ceros en la columna
j por debajo del pivote de la primera la. Llegamos as a una matriz B de la forma
B =
_
_
_
_
_
_
_
0 0 a
ij
a
in
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 a
1n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 a
mn
_
_
_
_
_
_
_
Si llamamos C a la submatriz de B formada por las las 2, . . . , m y por las columnas
j +1, . . . , n, es claro que esta tiene rango r 1. Aplicando la hipotesis de induccion,
existiran un n umero nito de operaciones elementales en las las de C que conducen
a una matriz E escalonada por las con las m r ultimas las nulas. Ahora, la
matriz:
F =
_
_
_
_
_
0 0 a
ij
a
ij+1
a
in
0 0
.
.
.
.
.
.
0 0
E
_
_
_
_
_
es escalonada por las. Basta notar, para acabar, que hacer operaciones elementales
en C equivale a hacer operaciones en B.
Para comprender como funciona el algoritmo subyacente a la demostracion de la
Proposicion inmediatamente anterior, apliquemoslo a un ejemplo concreto:
Ejemplo 5.18 Calc ulese el rango por las de la matriz racional:
A =
_
_
_
_
1 2 3 0
2 4 3 2
3 2 1 3
6 8 7 5
_
_
_
_
5.3. RANGO POR FILAS Y POR COLUMNAS DE UNA MATRIZ 83
En este caso, la primera columna no nula es la primera y el primer elemento de la
misma es tambien el primero. Debemos hacer ceros por debajo del elemento (1, 1)
de la matriz. Para ello, a la segunda la le restamos la primera multiplicada por 2,
a la tercera la primera multiplicada por 3 y a la cuarta la primera multiplicada por
6, llegando a la matriz:
A
1
=
_
_
_
_
1 2 3 0
0 0 3 2
0 4 8 3
0 4 11 5
_
_
_
_
Ahora, la primera columna no nula de la submatriz
C =
_
_
0 3 2
4 8 3
4 11 5
_
_
es la primera cuyo primer elemento no nulo es el segundo. As debemos intercambiar
las las primera y segunda de la submatriz C o, lo que es lo mismo, las las segunda
y tercera de A
1
. Llegamos as a la matriz
A
2
=
_
_
_
_
1 2 3 0
0 4 8 3
0 0 3 2
0 4 11 5
_
_
_
_
Ahora restando a la cuarta la de A
2
la segunda, llegamos a
A
3
=
_
_
_
_
1 2 3 0
0 4 8 3
0 0 3 2
0 0 3 2
_
_
_
_
Por ultimo, restando a la cuarta la de A
3
la tercera, llegamos a la matriz escalonada
por las
_
_
_
_
1 2 3 0
0 4 8 3
0 0 3 2
0 0 0 0
_
_
_
_
,
luego el rango por las de A es 3.
Observacion 5.19 Mutatis mutandi, todo lo dicho hasta ahora para el rango por
las, puede decirse igualmente para el rango por columnas. Por ejemplo, el Teorema
5.17 anterior y su demostracion se trasladan al caso de columnas cambiando la
palabra la por la palabra columna.
84 CAP

En otro orden de cosas es facil probar, a partir del Teorema 5.17 los dos corolarios
siguientes (que pueden ser escritos igualmente en terminos de columnas):
Corolario 5.20 Si r
f
(A) = r y A es escalonada por las, un n umero nito de
operaciones elementales en las columnas de A conducen a la matriz
_
I
r
0
0 0
_
,
que denotaremos por [I
r
, 0].
Ahora, juntando el Teorema 5.17 con el Corolario inmediatamente anterior se tiene:
Corolario 5.21 Si r
f
(A) = r, existe un n umero nito de operaciones elementales
en las y columnas de A que conducen a la matriz [I
r
, 0].
5.4. Rango de una matriz. Matrices elementales
En esta Seccion trataremos de mostrar que los rangos por la y por columna intro-
ducidos en la Seccion anterior son iguales. Para llegar a ello, en primer lugar veremos
como simularmediante productos de matrices las operaciones elementales tanto en
las como en columnas. Con este n, se introducen las conocidas como matrices e-
lementales.
5.4.1. Matrices elementales
Empecemos deniendo las ya anunciadas matrices elementales:
Denicion 5.22 (Matrices elementales) Se dice matriz elemental de orden n:
1. de tipo 1, P
ij
, a la matriz que resulta de permutar en la matriz identidad (I
n
)
las las i y j;
2. de tipo 2, P
ij
(t) (i = j), a la matriz que resulta de sumarle a la la i de la
matriz identidad (I
n
), la la j multiplicada por t;
3. de tipo 3, Q
i
(s), a la matriz que resulta de multiplicar la la i de la matriz
identidad (I
n
) por un escalar s distinto de cero.
Estas matrices elementales, simulan, como ya hemos adelantado las operaciones
elementales:
1
1
La demostracion de la Proposicion 5.23 no aporta gran cosa, luego asumiremos su veracidad.
Sin embargo, resulta de interes que uno se convenza de su veracidad, vericandola en ejemplos
concretos.
5.4. RANGO DE UNA MATRIZ. MATRICES ELEMENTALES 85
Proposicion 5.23 Sea A una matriz mn sobre K. Entonces,
i) P
ij
A es la matriz que resulta de permutar en A las las i y j.
ii) AP
ij
es la matriz que resulta de permutar en A las columnas i y j.
iii) P
ij
(t)A es la matriz que resulta de sumarle a la la i de A la la j multiplicada
por t.
iv) AP
ij
(t) es la matriz que resulta de sumarle a la columna j de A la columna i
multiplicada por t.
v) Q
i
(s)A es la matriz que resulta de multiplicar la la i de A por s.
vi) AQ
i
(s) es la matriz que resulta de multiplicar la columna i de A por s.
Por otro lado, puesto que toda operacion elemental es reversible, se tiene:
Corolario 5.24 Las matrices elementales son regulares. En concreto,
i) P
ij
P
ji
= I
n
.
ii) P
ij
(t)P
ij
(t) = I
n
.
iii) Q
i
(s)Q
i
(s
1
) = I
n
.
Rescribiendo los resultados obtenidos en la Seccion anterior ( Teorema 5.17 y los
corolarios subsiguientes) con el nuevo lenguaje introducido, se tiene:
Corolario 5.25 Sea A M
mn
(K) de rango por las r. Entonces,
i) Existen matrices elementales P
1
, . . . , P
s
tales que
P
t
P
1
A = F es escalonada por las.
ii) Existe una matriz regular P tal que
PA = F es escalonada por las.
iii) Existen matrices elementales P
1
, . . . , P
s
, Q
1
. . . , Q
s
tales que
P
t
P
1
AQ
1
, Q
s
= [I
r
, 0].
iii) Existen matrices regulares P y Q tales que
PAQ = [I
r
, 0].
Observacion 5.26 Al igual que ocurra con la seccion anterior, lo dicho para el
rango por las en el resultado anterior, se traslada, de forma inmediata, al rango
por columnas.
86 CAP

5.4.2. Rango de una matriz
El resultado contenido en el Corolario 5.25 es la clave para probar que rango por
las y por columnas son iguales.
Teorema 5.27 Sea A una matriz de M
mn
(K). Entonces, el rango por las y el
rango por columnas de A coinciden. A esta cantidad se le conoce como rango de A
y lo denotaremos por rg(A). En particular, se tiene que rg(A) = rg(A
t
).
Demostracion. Llamemos r al rango por las de A. Entonces, existe una matriz
regular P tal que PA = F es escalonada por las con las ultimas m r las
nulas. Si tomamos las columnas de F en las que se encuentran los pivotes, estas son
linealmente independientes, luego se tiene r r
c
(F).
Por otro lado, sea s = r
c
(F) y F
j
1
, . . . , F
j
s
s columnas de F que forman familia
libre. En tal caso, puesto que A = P
1
F, la columna jesima de A, A
j
, es igual a
A
j
= P
1
F
j
. En consecuencia,
s
k=0
c
k
A
j
k
= (0) =
s
k=0
c
k
F
j
k
= (0) =c
1
= c
2
= . . . = c
k
= 0.
De lo anterior se deduce que r
c
(F) = s r
c
(A); luego, por lo tanto, r
f
(A) r
c
(A).
Ahora, aplicando esta desigualdad a la matriz transpuesta, se concluye que r
c
(A)
r
f
(A) y, nalmente, la igualdad de rangos por la y por columna.
El Teorema 5.27 nos permite deducir algunos resultados de interes, que enunciamos
a continuacion.
Corolario 5.28 El rango de cualquier familia de K
n
es menor o igual que n.
Corolario 5.29 Una matriz A M
n
(K) es regular si, y solo si, rg(A) = n.
Demostracion. Supongamos, en primer lugar, que la matriz es regular y sea
t
1
A
1
+t
2
A
2
+ +t
n
A
n
una combinacion lineal de sus columnas. Si se iguala esta combinacion al vector
nulo, se tendra que
A
_
_
_
_
t
1
t
2
.
.
.
t
n
_
_
_
_
= (0),
de donde, multiplicando la igualdad por A
1
, se tiene que t
1
= . . . = t
n
= 0. En
consecuencia, las columnas de A forman una familia libre y, por lo tanto, rg(A) = n.
5.4. RANGO DE UNA MATRIZ. MATRICES ELEMENTALES 87
Recprocamente, si suponemos que el rango de A es n, existiran, por el Corolario
5.25, matrices regulares P y Q tales que PAQ = I
n
. De esta igualdad se deduce que
A = P
1
Q
1
. Por lo tanto, A es regular.
De mas facil prueba es el ultimo resultado que presentaremos en esta Seccion:
Corolario 5.30
i) Hacer operaciones elementales en las las y/o las columnas de una matriz no
vara su rango.
ii) Una matriz cuadrada es regular si, y solo si, es producto de matrices elemen-
tales.
iii) Si P y Q son matrices regulares y A es otra matriz rg(PA) = rg(A) =
rg(AQ) = rg(PAQ); es decir, el producto por matrices regulares no altera
el rango.
5.4.3. Aplicacion al calculo de inversas de matrices regulares
Los resultados anteriores son utiles para calcular la inversa de una matriz regular.
Si A es regular, es producto de matrices elementales:
A = P
1
. . . P
r
,
luego
I
n
= P
1
r
. . . P
1
1
A.
As pues,
A
1
= P
1
r
. . . P
1
1
= P
1
r
. . . P
1
1
I
n
y dado que la inversa de una matriz elemental es elemental (vease Corolario 5.24),
haciendo operaciones elementales en las las de A es posible obtener la matriz ele-
mental. Realizando exactamente las mismas operaciones sobre la matriz identidad,
se obtiene la inversa de A.
Los calculos puede efectuarse al mismo tiempo de la siguiente forma:
_
A | I
n
_
_
Q
r
. . . Q
1
A = I
n
| Q
r
. . . Q
1
I
n
= A
1
_
Ejemplo 5.31 Calcular la inversa de
A =
_
_
2 3 4
5 6 6
3 1 2
_
_
88 CAP

_
_
2 3 4 | 1 0 0
5 6 6 | 0 1 0
3 1 2 | 0 0 1
_
_
P
31
(3/2)
P
21
(5/2)
_
_
2 3 4 | 1 0 0
0 3/2 4 | 5/2 1 0
0 7/2 4 | 3/2 0 1
_
_
P
32
(7/3)
_
_
2 3 4 | 1 0 0
0 3/2 4 | 5/2 1 0
0 0 16/3 | 13/3 7/3 1
_
_
P
23
(3/4)
_
_
2 3 4 | 1 0 0
0 3/2 0 | 3/4 3/4 3/4
0 0 16/3 | 13/3 7/3 1
_
_
P
13
(3/4)
_
_
2 3 0 | 9/4 7/4 3/4
0 3/2 0 | 3/4 3/4 3/4
0 0 16/3 | 13/3 7/3 1
_
_
P
12
(2)
_
_
2 0 0 | 3/4 1/4 3/4
0 3/2 0 | 3/4 3/4 3/4
0 0 16/3 | 13/3 7/3 1
_
_
Q
3
(3/16)
Q
2
(2/3)
Q
1
(1/2)
_
_
1 0 0 | 3/8 1/8 3/8
0 1 0 | 1/2 1/2 1/2
0 0 1 | 13/16 7/16 3/16
_
_
Por lo tanto,
A
1
=
_
_
3/8 1/8 3/8
1/2 1/2 1/2
13/16 7/16 3/16
_
_
5.5. Combinacion lineal. Variedades lineales
Lo que resta de Captulo esta dedicado a la resolucion de sistemas de ecuaciones
lineales. Pensemos, pues, en un sistema lineal de m ecuaciones y n incognitas:
_
_
a
11
x
1
+ +a
1n
x
n
= b
1
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
x
1
+ +a
mn
x
n
= b
m
(5.3)
Usando la terminologa habitual en estos casos, llamaremos matriz de coecientes
a la matriz A = (a
ij
) y vector de terminos independientes a la matriz columna
b = (b
1
, . . . , b
m
)
t
. De esta forma, podemos escribir, denotando X = (x
1
, . . . , x
n
)
t
, el
sistema en la forma AX = b.
5.5. COMBINACI
ON LINEAL. VARIEDADES LINEALES 89

El sistema (5.3) tiene solucion si, y solo si, existen escalares t
1
, . . . , t
n
tales que
_
_
b
1
.
.
.
b
m
_
_
= t
1
_
_
a
11
.
.
.
a
m1
_
_
+ +t
n
_
_
a
n1
.
.
.
a
mn
_
_
.
De esta observacion casi trivial surge el concepto de combinacion lineal de vectores:
Denicion 5.32 Dada una familia de vectores {v
1
, . . . , v
n
} en K
m
, diremos que el
vector v es combinacion lineal de la familia si existen escalares t
1
, . . . , t
n
tales que:
v = t
1
v
1
+. . . +t
n
v
n
.
Con este nuevo lenguaje, el sistema (5.3) tiene solucion si, y solo si, el vector de
terminos independientes es c.l.
2
de las columnas de la matriz de coecientes.
Denicion 5.33 Se dice variedad lineal a un subconjunto S de K
m
para el que ex-
isten vectores {v
1
, . . . , v
n
} cuyo conjunto de combinaciones lineales es justamente
S. Se escribe S = K < v
1
, . . . , v
n
> y se dice que {v
1
, . . . , v
n
} es un sistema gener-
ador de S. Si el sistema generador es una familia libre, se le denomina base. Por
convenio, es la unica base de (0).
Un resultado de utilidad es el siguiente:
Proposicion 5.34
u K < v
1
, . . . , v
n
> rg(v
1
, . . . , v
n
) = rg(v
1
, . . . , v
n
, u)
Demostracion. Supongamos, en primer lugar, que u K < v
1
, . . . , v
m
>. Entonces,
haciendo operaciones elementales podemos transformar la familia {v
1
, . . . , v
n
, u} en
la familia {v
1
, . . . , v
n
, 0}, de donde se sigue la igualdad de rangos.
Recprocamente, sea r el rango com un de ambas familias y sea {v
i
1
, . . . , v
i
r
} una
familia libre de {v
1
, . . . , v
n
}. Como {v
i
1
, . . . , v
i
r
, u} es ligada, aplicando el Lema 5.8,
se sigue que u es c.l. de los vectores v
i
1
, . . . , v
i
r
.
Reinterpretando el resultado anterior en terminos de sistemas de ecuaciones, se tiene
que un sistema AX = b tiene solucion si, y solo si, el rango de la matriz (A|b) es
igual al rango de A.
Proposicion 5.35 Dos bases cualesquiera de una variedad lineal S tienen la misma
cantidad de vectores. A esta cantidad se le dice dimension de la variedad lineal y se
escribe dimS.
2
A partir de ahora, la abreviacion c.l. signicara combinacion lineal
90 CAP

Corolario 5.36 Dada una familia de vectores, sea r su rango y S la variedad lineal
que generan. Entonces:
1. Existe una subfamilia r de vectores que es base de S.
2. Toda familia libre de S posee a lo sumo r vectores.
3. Toda familia libre de S con r vectores es base.
Nota: El escalonamiento por las proporciona un algoritmo para el calculo de una
base de una variedad lineal S a partir de un sistema generador: se construye una
matriz cuyas las sean los vectores dados y se escalona por las; las las no nulas
de la matriz escalonada por las forman una base de S.
5.6. Sistemas de ecuaciones lineales.
5.6.1. Nulidad de una matriz
En la resolucion de sistemas de ecuaciones lineales, aparecen dos variedades lineales
claves asociadas a la matriz de coecientes. En primer lugar, la variedad generada
por las columnas de dicha matriz (ya que la pertenencia, o no, a dicha variedad
lineal del vector de terminos independientes marca la existencia, o no, de solucion)
y la variedad lineal conocida como nulidad o subespacio nulo.
Denicion 5.37 Se dice nulidad o subespacio nulo de una matriz A M
mn
(K)
al conjunto de soluciones del sistema homogeneo AX = (0). Se escribe N(A).
Teorema 5.38 Si A M
mn
(K) es una matriz de rango r, N(A) es una variedad
lineal de dimension n r. Ademas, si N es una matriz regular tal que
AN = [B,
nr
..
0, . . . , 0],
sus ultimas n r columnas constituyen una base de la nulidad de N(A).
Demostracion. Sean P y Q matrices regulares tales que PAQ = [I
r
, 0]. Es claro,
por lo tanto, que las columnas Q
r+1
, . . . , Q
n
de Q forman una familia libre de N(A)
y que en consecuencia K < Q
r+1
, . . . , Q
n
> N(A).
Por otro lado, sea S N(A). Como las columnas de Q son base de K
n
, podemos
escribir S como c.l. de estas, es decir,
S = t
1
Q
1
+. . . +t
n
Q
n
.
Multiplicando a la izquierda la igualdad por A se obtiene
5.6. SISTEMAS DE ECUACIONES LINEALES. 91
(0) = t
1
AQ
1
+. . . +t
n
AQ
n
,
lo que implica, multiplicando ahora a la izquierda por P que
(0) =
n
j=1
t
j
PAQ
j
=
r
j=1
t
j
e
j
= (0) =t
j
= 0 , j = 1, . . . , r.
Es decir, que S es c.l. de Q
r+1
, . . . , Q
n
, con lo que S K < Q
r+1
, . . . , Q
n
> com-
pletando la demostracion.
Observacion 5.39 Basados en el Teorema anterior, podemos dise nar una algorit-
mo para calcular una base de la nulidad de una matriz dada A M
mn
(K):
Construida la matriz
_
_
A
I
n
_
_
,
la escalonamos por columnas llegando a una matriz de la forma
_
_
G
N
_
_
,
siendo G escalonada por columnas. Si r es el n umero de columnas no nulas de G,
las ultimas n r columnas de N forman una base de la nulidad de A
Ejemplo 5.40 : Calcular una base de la nulidad de la matriz racional:
A =
_
_
1 1 2 0
2 2 1 3
1 3 0 2
_
_
Siguiendo el algoritmo propuesto, construimos la matriz
_
_
A
I
n
_
_
:
y la escalonamos por columnas:
_
_
_
_
_
_
_
_
_
_
_
_
1 1 2 0
2 2 1 3
1 3 0 2
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
P
12
(1)
P
13
(2)
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0 0
2 0 3 3
1 2 2 2
1 1 2 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
P
32
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0 0
2 3 0 3
1 2 2 2
1 2 1 0
0 0 1 0
0 1 0 0
0 0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
P
24
(1)
92 CAP
P
24
(1)
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0 0
2 3 0 0
1 2 2 0
1 2 1 2
0 0 1 0
0 1 0 1
0 0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
Por lo tanto, N(A) = Q < (2, 0, 1, 1) >.
Tras el resultado fundamental sobre la nulidad, estamos en condiciones de discutir
completamente la existencia y unicidad de solucion de los sistemas de ecuaciones
lineales:
Teorema 5.41 (Rouche-Frobenius) Sea AX = b un sistema de m ecuaciones
lineales con m incognitas. Entonces,
i) El sistema tiene solucion si, y solo si, rg(A) = rg(A|b).
ii) Si (s
1
, . . . , s
n
) es una solucion, el conjunto de soluciones es:
{(t
1
, . . . , t
n
) : (t
1
, . . . , t
n
) (s
1
, . . . , s
n
) N(A)},
es decir, dos soluciones cualesquiera del sistema se diferencian en un elemento
de la nulidad de la matriz de coecientes.
iii) Si existe solucion, es unica si, y solo si, rg(A) = n.
Observacion 5.42 A partir del Teorema de Rouche-Frobenius, podemos expresar
el conjunto de soluciones de un sistema AX = b en la forma
(t
1
, . . . , t
n
) +N(A),
donde (t
1
, . . . , t
n
) es una solucion particular cualquiera del sistema.
5.6.2. Resolucion de sistemas lineales
Si AX = B es un sistema compatible de n incognitas con rango de A igual a r, el
metodo de resolucion que propondremos aqu consiste en la resolucion de n r + 1
sistemas en los que la matriz de coecientes es triangular superior y regular. Para
llegar a esto, antes una peque na observacion:
Observacion 5.43 Si AX = b es un sistema y realizamos operaciones elementales
en las las de (A|b) obteniendo una matriz (C|d), el conjunto de soluciones de los
sistemas AX = b y CX = d es el mismo, como no es difcil comprobar.
El objetivo primero sera, en consecuencia, intentar simplicar el sistema sin mo-
dicar el conjunto de soluciones y, en un segundo termino, encontrar una solucion
particular y una base de la nulidad de A. Antes de explicar como haremos esto,
un peque no ejemplo: supongamos dado el siguiente sistema sobre el cuerpo de los
n umeros racionales
_
_
_
x + y + 2z + t + w = 0
2x + 2y + z + t + 3w = 3
x + 3y + t + 2w = 2
Aplicando el proceso de escalonamiento por las se llega al sistema equivalente
3
:
_
_
_
x + y + 2z + t + w = 0
2y 2z + w = 2
3z t + w = 3
Como calcular ahora una solucion particular? Como hallar una base de la nulidad
de la matriz de coecientes?
Si en el ultimo de los sistemas, hacemos t = 0 y w = 0, es decir, escogemos las
columnas correspondientes a los pivotes, nos quedamos con el sistema:
_
_
_
x + y + 2z = 0
2y 2z = 2
3z = 3
que es un sistema cuadrado, triangular superior, compatible y determinado cuya
solucion es: x = 2, y = 0, z = 1. En consecuencia, (2, 0, 1, 0, 0) es una solucion
particular del sistema inicial. No queda mas que encontrar una base de la nulidad,
es decir, una base del conjunto de soluciones del sistema:
_
_
_
x + y + 2z + t + w = 0
2y 2z + w = 0
3z t + w = 0
(5.4)
Una solucion la podemos encontrar haciendo t = 0 y w = 1 y resolviendo el sistema:
_
_
_
x + y + 2z = 1
2y 2z = 1
3z = 1
3
Dos sistemas se dicen equivalentes si su conjunto de soluciones es el mismo
94 CAP

cuya unica solucion es x = 3/2, y = 1/6, z = 1/3. En consecuencia, el vector
V
1
= (3/2, 1/6, 1/3, 0, 1) es un vector de la nulidad de la matriz de coecientes.
Como la dimension de esta nulidad es dos (el n umero de incognitas es 5 mientras
que el rango de la matriz de coecientes es 3), necesitamos otra solucion, V
2
, que
forme familia libre con V
1
. Para ello hacemos t = 1 y w = 0 en (5.4) obteniendo :
_
_
_
x + y + 2z = 1
2y 2z = 0
3z = 1
cuya unica solucion es x = 0, y = 1/3 ,z = 1/3. As pues, podemos tomar
V
2
= (0, 1/3, 1/3, 1, 0).
De esta forma, la solucion es:
(2, 0, 1, 0, 0) +Q < (3/2, 1/6, 1/3, 0, 1), (0, 1/3, 1/3, 1, 0) >=
= (2, 0, 1, 0, 0) +Q < (9, 1, 2, 0, 6), (0, 1, 1, 3, 0) >
o, dicho de otro modo,
_
_
x = 2 9
y =
z = 1 + 2
t = 3
w = 6
, Q
El metodo aplicado en el ejemplo es extensible a cualquier sistema de ecuaciones
lineales dando lugar al algoritmo que exponemos a continuacion:
Algoritmo de resolucion de sistemas de ecuaciones lineales
Sea AX = b con A mn(K). Se hace:
1. Reducir por las la matriz ampliada (A|b) llegando a una matriz (C|d).
2. a) Si rg(C|d) = rg(C), el sistema no tiene solucion.
b) Si rg(C|d) = rg(C) = n, el sistema tiene una unica solucion y, ademas,
CX = d es un sistema triangular superior, resoluble yendo de abajo a
arriba.
c) Si rg(C|d) = rg(C) = r < n, el sistema posee innitas soluciones que
podemos describir en la forma (t
1
, . . . , t
n
) + N(A) con (t
1
, . . . , t
n
) una
solucion cualquiera del sistema y dim N(A) = n r.
1) Para calcular la solucion particular, sean x
i
1
, . . . x
i
r
las incognitas
correspondientes a las r columnas que contienen los pivotes. Haciendo
cero el resto de incognitas y resolviendo el sistema triangular inferior
regular que nos queda, obtenemos una solucion particular.
2) Para obtener n r soluciones linealmente independientes de AX =
(0) procedemos de la siguiente forma:
Sean x
j
1
, . . . x
j
nr
las incognitas correspondientes a las columnas no
ocupadas por los pivotes. Para cada k, resolvemos el sistema que
se obtiene al hacer x
j
k
= 1 y el resto de las incognitas cero en
AX = (0). Es facil ver que las nr soluciones del sistema homogeneo
as obtenidas son linealmente independientes.
Ejemplo 5.44 Discutir y resolver, sobre el cuerpo de los n umeros reales, el sistema
_
_
_
(a + 2)x + y + z = a 1
ax + (a 1)y + z = a 1
(a + 1)x + (a + 1)z = a 1
La matriz ampliada es
_
_
a + 2 1 1
a a 1 1
a + 1 0 a + 1
a 1
a 1
a 1
_
_
Para obtener un 1 en el lugar (1, 1) de la matriz, intercambiamos las columnas
primera y segunda, tomando nota del cambio de orden introducido de esta manera
en las incognitas:
y x z
_
_
1 a + 2 1 (a 1)
a 1 a 1 (a 1)
0 a + 1 a + 1 a 1
_
_
(5.5)
Restandole a la segunda la la primera multiplicada por a 1 se llega a
y x z
_
_
1 a + 2 1 (a 1)
0 (a + 3)(a 2) 2 a (a 1)(2 a)
0 a + 1 a + 1 a 1
_
_
(5.6)
Llegados a este punto distinguimos dos casos:
Caso 1: a = 1.- En este caso, la matriz del paso anterior (5.6) es
_
_
1 1 1 2
0 6 3 6
0 0 0 2
_
_
luego en este caso el sistema es incompatible.
96 CAP

Caso 2: a = 1.- Si a = 1, podemos dividir la tercera la por a +1 e intercambiar
posteriormente las las segunda y tercera para obtener:
y x z
_
_
1 a + 2 1 a 1
0 1 1
a1
a+1
0 (a + 3)(a 2) 2 a (a 1)(2 a)
_
_
y, sum andole a la tercera la la segunda multiplicada por (a + 3)(a 2) se llega a
la matriz:
y x z
_
_
_
_
_
_
1 a + 2 1 a 1
0 1 1
a1
a+1
0 0 (a + 2)(a 2)
2(a1)(a2)
a+1
_
_
_
_
_
_
Problema 5.1 .- Probar que:
(AB)
t
= B
t
A
t
(AB)
1
= B
1
A
1
(A
t
)
1
= (A
1
)
t
Problema 5.2 .- Probar que las unicas matrices cuadradas que conmutan con todas
las demas son las matrices escalares, es decir, las matrices diagonales con el mismo
elemento en la diagonal.
Problema 5.3 .- Probar que el producto de matrices triangulares superiores (re-
spectivamente, inferiores) es una matriz triangular superior (respectivamente, infe-
rior). Asimismo, demostrar que la inversa de una matriz tringular superior (respec-
tivamente, inferior) regular es triangular superior (respectivamente, inferior).
Problema 5.4 .- Calcula B
1
, sabiendo que se cumple que
_
1
2
(B I)
_
2
=
1
2
(B
I).
Problema 5.5 .- Dada la matriz A =
_
2 1
1 3
_
encontrar todas las matrices B
tales que AB = BA.
Problema 5.6 .- Demostrar que la relacion denida en el conjunto de matrices
M
n
(K) por:
A y B son equivalentes matrices regulares P y Q tales que PAQ = B
es una relacion de equivalencia. Describir el conjunto cociente.
Problema 5.7 .- Calcular el rango de las siguientes matrices tanto sobre el cuerpo
de los n umeros racionales como sobre Z
5
:
_
_
_
_
1 2 3 0
2 4 3 2
3 2 1 3
6 8 7 5
_
_
_
_
_
_
0 2 3 4
2 3 5 4
4 8 13 12
_
_
Problema 5.8 .- Seg un los valores de a y de b, discutir el rango de las matrices
racionales:
_
_
a + 2 1 1 a 1
a a 1 1 a 1
a + 1 0 a + 1 a 1
_
_
_
_
_
_
1 b a b a +b + 1
2 3b a 2b 3a + 2b + 1
1 b 2a 2b 2b + 2
1 2b 0 2b a + 2b
_
_
_
_
98 CAP

Problema 5.9 .- En clase de teora se ha demostrado que, dada una matriz A
M
mn
(K) con rango r, existen matrices regulares P y Q tales que:
PAQ = [I
r
, 0].
Dar una algoritmo para el calculo de tales matrices P y Q.
Problema 5.10 (Factorizacion LU) .- Demostrar que, dada una matriz A
M
mn
(K), existen matrices L M
m
(K) triangular inferior con 1
K
en la diago-
nal principal, U M
mn
(K) triangular superior y P matriz permutacion
4
tales que
PA = LU. Dar un algoritmo para el calculo de dichas matrices L y U.
(Indicacion: Tengase en cuenta que las matrices escalonadas por las son triangu-
lares superiores.)
Problema 5.11 .- Calcular las inversas de las matrices racionales
_
_
2 3 4
5 6 6
3 1 2
_
_
_
_
_
_
2 3 4 1
5 6 6 0
3 1 2 2
3 5 6 7
_
_
_
_
Problema 5.12 .- Discutir, en funcion de los parametros a y b, si las matrices de
coecientes reales
_
_
a 2a 1
3a 1 a + 2
3 0 3
_
_
_
_
a 2b a +b
4a 5b 2a + 2b
7a 8b 2a + 2b
_
_
son regulares y, en su caso, calcular la inversa.
Problema 5.13 .- En el conjunto de matrices simetricas de M
n
(R) se considera la
siguiente relacion:
A es congruente con B P regular tal que PAP
t
= B
i) Demostrar que la relacion anterior es una relacion de equivalencia. Asimis-
mo demostrar que dos matrices congruentes tienen, necesariamente, el mismo
rango.
ii) Se puede probar que toda matriz simetrica A en M
n
(R) es congruente a una
diagonal. Dando por hecho que la armacion anterior es cierta, probar que
toda matriz simetrica en M
n
(R) es congruente a una matriz diagonal D de la
forma:
D = diag[1, . . . , 1, 1, . . . , 1, 0 . . . , 0],
donde el n umero total de elementos no nulos de D es igual al rango de A.
4
Una matriz permutacion es una matriz producto de matrices elementales de tipo 1.
Problema 5.14 .- Calcular los siguientes determinantes:
0 1 1 1
1 0 1 1
1 1 0 1
.
.
.
.
.
.
.
.
.
1 1 1 0
n n 1 n 2 3 2 1
1 n n 1 4 3 2
2 1 n 5 4 3
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
n 1 n 2 n 3 2 1 n
1 +x 1 1
1 1 +x 1
.
.
.
.
.
.
.
.
.
1 1 1 +x
1 a
1
a
2
1
a
n1
1
1 a
2
a
2
2
a
n1
2
.
.
.
.
.
.
1 a
n
a
2
n
a
n1
n
Problema 5.15 .- Dada la matriz cuadrada de talla n cuyo termino (i, j) es 2 si

i = j e i si i = j, calcular su determinante.
Problema 5.16 .- Hacer lo mismo que en el ejercicio anterior con la matriz cuadra-
da de talla n cuyo cuyo termino (i, j) es a si i = j y t si i = j.
Problema 5.17 .- Probar, usando el Teorema de RoucheFrobenius, que la inversa
de una matriz regular es unica. (Nota: Interpretese la ecuacion matricial como un
conjunto de sistemas de ecuaciones lineales).
Problema 5.18 .- Un sistema de ecuaciones lineales se dice sobredeterminado
si posee mas ecuaciones que incognitas y se dice infradeterminado si posee menos
ecuaciones que incognitas. Dar un ejemplo de sistema sobredeterminado con solu-
cion unica. Podemos encontrar un sistema infradeterminado con solucion unica?
Explicar la respuesta.
Problema 5.19 .- Discutir y resolver, en su caso, los siguientes sistemas sobre el
cuerpo de los n umeros racionales:
_
_
x +y +z +t = 0
x y z +t = 0
x y +z +t = 0
x 3y + 5z + 9t = 0
_
_
4x y + 2z +t = 0
2x + 3y z 2t = 0
7y 4z 5t = 0
2x 11y + 7z + 8t = 0
100 CAP

Problema 5.20 .- Idem sobre el cuerpo de los n umeros reales.
_
2x my + 4z = 0
x +y + 7z = 0
mx y + 13z = 0
_
mx +y +z +t = m
x +my +z = 1
x +y +mz = 1
_
_
(m+ 2)x + (m+ 2)y + (m+ 1)z = 2m+ 2
x +my +z = 1
mx +y + (m1)z = m
x +y +z = m+ 1
_
_
(m+ 2)x + (2m+ 4)y + (3m+ 6)z = 0
(m+ 2)x + (m+ 2)y + (3m+ 6)z = (m+ 2)
(m+ 2)x + (3m+ 6)y + (3m+ 6)z = m+ 2
(m+ 2)x + (3m+ 6)y + (4m+ 5)z = 4m+ 2
Problema 5.21 .- Idem seg un los valores de a sobre el cuerpo de los n umeros
racionales.
_
_
2x +y 4z = a + 1
x + 5y z = a 12
x + 6y 5z = a + 2
2x 4y + 5z = a
_
_
ax +y +z +t = a
x +ay +z +t = a
x +y +az +t = a
x +y +z +at = a
_
_
_
(a + 2)x +y +z = a 1
ax + (a 1)y +z = a 1
(a + 1)x + (a + 1)z = a 1
_
_
_
(4 a)x + 2y +z = 0
2x + (4 a)y + 2z = 0
2x + 4y + (8 a)z = 0
_
_
(4a + 12)x + (2a + 13)y + (2a + 6)z = 7 a
(2a + 6)x + (4a + 5)y + (a + 3)z = 4a
(2a + 6)x + (2a + 6)y + (a + 3)z = a + 3
(3a + 6)x + (2a + 6)y + (a + 3)z = 0
Problema 5.22 .- Discutir y resolver, en su caso, los sistemas sobre Z
5
:
_
x y +z = 3
5x 2y z = 5
3x 4y + 3z = 1
_
x + 2y 5z + 4t = 5
2x 3y + 2z + 3t = 0
4x 7y +z 6t = 5
Captulo 6
Diagonalizacion de matrices
6.1. Introduccion
6.1.1. Un ejemplo preliminar
Antes de plantearlo de manera general, estudiaremos un ejemplo que servira para
situar el problema.
Supongamos que, en una ciudad, conviven tres fabricas de pan que controlan el
mercado de la venta de pan en regimen de oligopolio. A lo largo del tiempo, algunos
consumidores cambian de fabrica por diversas razones: publicidad, precio u otras.
Queremos modelizar y analizar el movimiento del mercado, asumiendo, para simpli-
car el modelo, que la misma fraccion de consumidores cambia de una empresa a
otra durante cada perodo de tiempo (un mes, por ejemplo).
Supongamos que, al inicio del estudio, las tres empresas, que llamaremos 1, 2 y 3,
controlan las fracciones x
0
, y
0
y z
0
del mercado respectivamente. Dada la situacion
de oligopolio, se tendra:
x
0
+ y
0
+ z
0
= 1
Supongamos ahora que despues de un mes, la empresa 1 ha conseguido mantener
una fraccion a
11
de los consumidores que tena, atrayendo, ademas, una fraccion a
12
de los clientes de la empresa 2 y una fraccion a
13
de los clientes de la empresa 3. Si
el n umero de consumidores es jo, digamos N, podemos escribir, donde x
1
denota
la fraccion del mercado controlada por 1 despues del primer mes:
x
1
N = a
11
(x
0
N) + a
12
(y
0
N) + a
13
(z
0
N)
Similares ecuaciones se obtendran para las fracciones de mercado y
1
y z
1
controladas
por las empresas 2 y 3 respectivamente, as que, dividiendo dichas ecuaciones por
N, se tendra
101
102 CAP
ITULO 6. DIAGONALIZACI
ON DE MATRICES
_
_
_
x
1
= a
11
x
0
+ a
12
y
0
+ a
13
z
0
y
1
= a
21
x
0
+ a
22
y
0
+ a
23
z
0
z
1
= a
31
x
0
+ a
32
y
0
+ a
33
z
0
donde a
ii
representa la fraccion de los consumidores de la empresa i mantenidos por
i y a
ij
la fraccion de los consumidores de la empresa j atrados por la empresa i. En
terminos matriciales, tenemos
X
1
= AX
0
, donde X
1
=
_
_
x
1
y
1
z
1
_
_
X
0
=
_
_
x
0
y
0
z
0
_
_
A = (a
ij
)
Sobre la matriz A se puede decir:
0 a
ij
1
La suma de los elementos de cada columna es igual a 1, es decir, a
1i
+a
2i
+a
3i
=
1 para i = 1, 2 y 3.
Si, como asumimos al principio, las fracciones de clientes que cambian de una em-
presa a otra cada mes se mantienen constantes, y llamamos x
r
, y
r
y z
r
las fracciones
controladas por 1, 2 y 3 en el mes r desde el comienzo del estudio, se tiene:
_
_
x
r+1
y
r+1
z
r+1
_
_
= A
_
_
x
r
y
r
z
r
_
_
y, en consecuencia,
_
_
x
r+1
y
r+1
z
r+1
_
_
= A
r+1
_
_
x
0
y
0
z
0
_
_
Es claro, intuitivamente que para cualquier r, x
r
+ y
r
+ z
r
= 1, propiedad que
probaremos por induccion sobre r. Para r = 0, la propiedad es cierta. Si la propiedad
es cierta para r, se tiene:
( 1 1 1 )
_
_
x
r+1
y
r+1
z
r+1
_
_
= ( 1 1 1 ) A
_
_
x
r
y
r
z
r
_
_
= ( 1 1 1 )
_
_
x
r
y
r
z
r
_
_
= 1
donde la ultima igualdad es cierta por la hipotesis de induccion.
Resumiendo lo visto anteriormente, el analisis de este mercado implica el calculo de
potencias (posiblemente, grandes) de A.
6.1. INTRODUCCI
ON 103
Ejemplo 6.1 Como matriz A del modelo anterior tomemos
A =
_
_
_
_
_
_
4
5
1
5
1
10
1
10
7
10
3
10
1
10
1
10
3
5
_
_
_
_
_
_
y supongamos que queremos saber cual sera la fraccion de mercado controlada por
cada empresa dentro de veinte a nos. Esto implicara el calculo de A
240
. El calculo
de dicha potencia se simplica enormemente sabiendo que las matrices
P =
_
_
_
_
_
_
1 1
9
7
2 1 1
1 0
4
7
_
_
_
_
_
_
y D =
_
_
_
_
_
_
1
2
0 0
0
3
5
0
0 0 1
_
_
_
_
_
_
verican que A = PDP
1
, ya que A
240
= PD
240
P
1
y
D
240
=
_
_
_
_
_
_
_
1
2
_
240
0 0
0
_
3
5
_
240
0
0 0 1
_
_
_
_
_
_
.
6.1.2. Planteamiento general del problema
El ejemplo anterior pone de maniesto la necesidad de calcular grandes potencias
de matrices. Del mismo modo, queda claro que dicha labor se simplica supuesta la
existencia de una matriz regular P que convierte a la matriz dada en diagonal. En
consecuencia, se dene:
Denicion 6.2 Dada una matriz cuadrada A M
n
(K), se dice diagonalizable
si existen una matriz diagonal, D = diag[d
1
, . . . , d
n
], y una matriz regular, P
M
n
(K), tales que:
A = PDP
1
.
Habitualmente, se dice que dos matrices A y B en M
n
(K) son semejantes si, y
solo si, existe una matriz regular tal que P
1
AP = B. De este modo, se tiene que
una matriz cuadrada es diagonalizable si, y solo si, es semejante a una diagonal.
A partir de este momento, estudiaremos como saber si una matriz es diagonalizable
y, en su caso, como calcular las matrices diagonal y regular correspondientes.
104 CAP
ON DE MATRICES
6.2. Algoritmo de diagonalizacion
Supongamos dada una matriz diagonalizable A y sean D = diag[d
1
, . . . , d
n
] y P
regular tales que P
1
AP = D. En este caso, podemos reescribir esta igualdad en la
forma:
AP = Pdiag[d
1
, . . . , d
n
].
As pues, la columna jesima de P debe ser una solucion del sistema homogeneo
(d
i
I A)X = (0), (6.1)
lo que, por otro lado, implica det(d
i
I A) = 0. Como la matriz P es regular, sus
columnas forman una base de K
n
formada por soluciones de sistemas de la forma
6.1. Estas consideraciones previas nos llevan a introducir los conceptos recogidos en
la siguiente denicion:
Denicion 6.3 Sea A una matriz de talla n sobre K.
i) Se dice polinomio caracterstico de A al polinomio p
A
() = det(I
n
A).
ii) Se llama valor propio a cualquiera de las races del polinomio caracterstico.
iii) Se dice vector propio asociado al valor propio a un vector no nulo v que
verique Av = tv; es decir, un vector de la nulidad de la matriz tI A.
La traduccion de la discusion anterior al nuevo lenguaje introducido nos permite
enunciar el siguiente resultado:
Proposicion 6.4 Una matriz cuadrada es diagonalizable sobre K si, y solo si, existe
una base de K
n
formada por vectores propios de A.
Ejemplo 6.5 Sea A la matriz dada por
A =
_
_
1 0 0
0 3 1
0 4 2
_
_
Su polinomio caracterstico es
3
6
2
+ 7 2 cuyas races son:
1
= 1,
2
=
1
2
_
5 +
17
_
,
3
=
1
2
_
5
17
_
.
Resolviendo los correspondientes sistemas, se obtiene que una base de vectores pro-
pios viene dada por:
6.2. ALGORITMO DE DIAGONALIZACI
ON 105
v
1
= (1, 0, 0), v
2
=
_
0, 1,
1
2
_
1 +
17
_
_
v
3
=
_
0, 1,
1
2
_
1
17
_
_
siendo el vector v
i
vector propio asociado a
i
para i = 1, 2, 3.
En consecuencia, si
D =
_
_
1 0 0
0
1
2
_
5 +
17
_
0
0 0
1
2
_
5
17
_
_
_
y P =
_
_
1 0 0
0 1 1
0
1
2
+
17
2

1
2

17
2
_
_
se tiene A = PDP
1
.
El ejemplo anterior pone de maniesto que el hecho de que una matriz sea diago-
nalizable depende fuertemente del cuerpo sobre el que se trabaje. As, la matriz del
ejemplo es diagonalizable sobre R pero no sobre Q. Del mismo modo, la matriz
_
0 1
1 0
_
es diagonalizable sobre C pero no sobre R.
Proposicion 6.6 Dos matrices semejantes poseen el mismo polinomio caractersti-
co.
Demostracion. Sean dadas dos matrices semejantes A y B, y sea P una matriz
regular P tal que B = P
1
AP. Entonces,
p
B
() = det(I
n
B) = det(I
n
P
1
AP) = det(P(I
n
P
1
AP)P
1
) =
= det(I
n
A) = p
A
().
Observacion 6.7 El recproco a la Proposicion anterior no es, en general, cierto
como lo el hecho de que las matrices
_
1 1
0 1
_
e I
2
tengan el mismo polinomio
caracterstico, pero que no sean semejantes.
De la discusiones anteriores, y en particular de la Proposicion 6.4, para saber si
una matriz es diagonalizable, buscaremos los valores propios, esto es, las races en
K del polinomio caracterstico, digamos, d
1
, . . . , d
r
y resolveremos los r sistemas
homogeneos (d
i
I A)X = (0). Si podemos construir, por columnas, una matriz
regular P, se tendra:
106 CAP
ON DE MATRICES
P
1
AP = diag[d
1
, . . . , d
1
, . . . , d
r
, . . . , d
r
]
Naturalmente, puesto que la matriz P debe ser regular, sus columnas deben formar
una familia libre, por lo que las soluciones de los sistemas (d
i
I A)X = (0) deben
cumplir la misma condicion. El problema en la construccion de P, puede venir por
dos razones:
1. Al yuxtaponer los vectores columnas obtenidos de dos sistemas distintos de la
forma (d
i
I A)X = (0) resultan no ser linealmente independientes.
2. El n umero de columnas obtenidas de esa manera es inferior a la talla de la
matriz inicial A.
La primera de las razones esgrimidas con anterioridad no es problema, como se en-
carga de demostrar el siguiente resultado (que se puede parafrasear diciendo que
vectores propios asociados a valores propios distintos son linealmente independi-
entes):
Proposicion 6.8 Sean {d
1
, . . . , d
r
} los valores propios de A y para cada i, sea S
i
un vector propio asociado a d
i
. Entonces, la familia {S
1
. . . , S
r
} es una familia libre.
Demostracion. Razonaremos por induccion sobre r (el n umero de valores propios
distintos), siendo el caso r = 1 obvio.
Supongamos, ahora, r 2 y sea la c.l.
t
1
S
1
+ + t
r
S
r
= (0) (6.2)
Multiplicando por A, se tiene
t
1
S
1
+ + t
r
S
r
= (0) (6.3)
Del mismo modo, multiplicando 6.2 por d
r
se obtiene
t
1
d
r
S
1
+ + t
r
d
r
S
r
= (0) (6.4)
Restando las igualdades 6.3 y 6.4
t
1
(d
1
d
r
)S
1
+ + t
r1
(d
r1
d
r
)S
r1
= (0)
Ahora, dado que d
j
= d
r
, los vectores (d
j
d
r
)S
j
son soluciones de (d
j
I A)X = (0)
y, por hipotesis de induccion, son linealmente independientes. Por lo tanto, t
1
= =
t
r1
= 0
K
y sustituyendo en 6.2, se tiene que tambien t
r
= 0
K
.
6.2. ALGORITMO DE DIAGONALIZACI
ON 107
Observacion 6.9 Dada una matriz A y un valor propio de la misma, d, designare-
mos por S(d) a la nulidad de la matriz dI A.
Se tiene, por lo tanto:
Corolario 6.10 Sea {d
1
, . . . , d
r
} el conjunto de valores propios de una matriz A
M
n
(K). Entonces,
r
i=1
dimS(d
j
) n
Corolario 6.11 Sea A una matriz cuadrada de talla n sobre K y {d
1
, . . . , d
r
} el
conjunto de valores propios de A. Entonces, son equivalentes:
i) A es diagonalizable
ii)
r
i=1
dimS(d
j
) = n
iii)
r
i=1
n rg(d
j
I A) = n
Estamos en condiciones de dar un algoritmo para la diagonalizacion de una matriz
cuadrada:
entrada : A M
n
(K)
(1) Calcular las races del polinomio det(I
n
A).
Si no existen races, escribir la matriz A no es diagonalizable sobre K.
FIN
Sean (d
1
, . . . , d
r
) las races en K de det(I
n
A).
(2) Para cada j calcular m
j
:= n rg(d
j
I
n
A).
(3) Si
r
i=1
m
j
< n, escribir la matriz A no es diagonalizable sobre K. FIN
(4) Si no, para cada j calcular una base, P
1
j
, . . . , P
m
j
j
de la nulidad de la matriz
d
j
I
n
A.
(5) Devolver P = [P
1
1
, . . . , P
m
1
1
, . . . , P
1
r
, . . . , P
m
r
r
] y D = diag[d
1
, . . . , d
1
, . . . , d
r
, . . . , d
r
].
Algoritmo de diagonalizacion.
108 CAP
ON DE MATRICES
Problema 6.1 .- Demostrar que la relacion de semejanza entre matrices de M
n
(K)
es una relacion de equivalencia.
Problema 6.2 .- Sea A = (a
ij
) M
n
(K) una matriz que verica que
n
i=1
a
ij
= 1
para todo j {1, . . . , n}. Demostrar que 1 es valor propio de A.
Problema 6.3 .- Probar que si t es valor propio de A, t
k
lo es de A
k
.
Problema 6.4 .- Probar:
a) A y A
t
poseen mismo polinomio caracterstico.
b) Sea A una matriz antisimetrica. Entonces, se tiene que es valor propio de A
si, y solo si, es valor propio de A.
c) A es regular si, y solo si, 0 es valor propio de A.
d) Si A es antisimetrica y de orden impar, 0 es valor propio de A
Problema 6.5 .- Sea A la matriz real
A =
_
_
3 2 a
1 a 1
1 2 3
_
_
.
Probar que la matriz posee un valor propio real independientemente del valor del
parametro a.
Problema 6.6 .- Sea
A =
_
_
4 1 2
2 1 2
2 1 0
_
_
.
Es diagonalizable A sobre Z
5
? En caso de respuesta armativa, diagonalizarla.
Problema 6.7 .- Calcular los vectores y valores propios de la matriz de orden n
cuyos terminos son 1
K
, salvo los de la diagonal principal que valen 0
K
. Probar que
A es diagonalizable y diagonalizarla, es decir, encontrar una matriz P regular tal
que P
1
AP es diagonal.
Problema 6.8 .- Se puede diagonalizar la matriz real
_
cos sen
sen cos
_
0 < ?
Y vista como matriz compleja? En los casos de respuesta armativa, diagonalizarla.
Problema 6.9 .- Sea A M
n
(K). Probar que si posee n valores propios distintos
(en K) es diagonalizable sobre K.
Problema 6.10 .- Probar que si A y B son matrices cuadradas, AB y BA poseen
los mismo valores propios.
Problema 6.11 .- Consideremos la matriz racional
A =
_
_
_
_
0 a 1 b
0 1 0 1
0 0 1 a
2
0 0 0 3
_
_
_
_
a) Explicar, sin hacer ninguna cuenta, por que la matriz A es siempre diag-
onalizable sobre Q, independientemente de los valores de los parametros a y
b.
b) Diagonalizar A.
Problema 6.12 .- Estudiar si las siguientes matrices son diagonalizables sobre R
y, en su caso, diagonalizarlas:
A =
_
_
12 10 0
10 8 0
1 1 3
_
_
, B =
_
_
_
_
1 9 8 2
0 3 1 0
0 0 2 0
1 8 7 4
_
_
_
_
C =
_
_
2 12 15
1 5 5
0 0 1
_
_
, D =
_
_
2 1/9 3
0 2/3 0
0 1/18 1/2
_
_
Problema 6.13 .- Estudiar si las matrices del ejercicio anterior son diagonalizables
sobre C y sobre Z
5
.
Problema 6.14 .- Estudiar en funcion de los parametros a, b, c si las matrices
siguientes son diagonalizables:
A =
_
_
1 0 0
a b 0
1 c b
_
_
, B =
_
_
_
_
0 0 0 0
a 0 0 0
0 b 0 0
0 0 c 0
_
_
_
_
110 CAP
ON DE MATRICES
C =
_
_
2a 1 1 a 1 a
a 1 1 1 a
a 1 1 a 1
_
_
, D =
_
_
1 0 0
a 1 0
b c 2
_
_
Problema 6.15 .- Calcular, usando diagonalizacion de matrices, el termino general
de la sucesion recurrente denida por
_
u
0
= 1, u
1
= 2,
u
n+1
= 3u
n
2u
n1
, si n 1.
Problema 6.16 .- Resolver cada uno de los sistemas de ecuaciones diferenciales
ordinarias lineales que tienen por matriz de coecientes las matrices del Ejercicio
6.12 que sean diagonalizables sobre los reales.

Morais Algebra

Cargado por

Información del documento

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

Morais Algebra

Cargado por

Copyright:

Formatos disponibles

Algebra

B, se dene como {x : x A o x B}.

B = , se dice que A y B son disjuntos.

A con f(a) = f(a

UMEROS NATURALES. PRINCIPIO DE INDUCCI

. La multiplicacion puede tambien denirse a

UMEROS NATURALES. PRINCIPIO DE INDUCCI

el conjunto de las unidades de A, es

junto a la multiplicacion es un grupo abeliano.

5). Ahora, usando el hecho de que

EZOUT. ALGORITMO EXTENDIDO DE EUCLIDES33

EZOUT. ALGORITMO EXTENDIDO DE EUCLIDES35

ETICA MODULAR. TEOREMA CHINO DE LOS RESTOS 49

ETICA MODULAR. TEOREMA CHINO DE LOS RESTOS 51

ETICA MODULAR. TEOREMA CHINO DE LOS RESTOS 53

ETICA MODULAR. TEOREMA CHINO DE LOS RESTOS 55

. Los enteros positivos no coprimos

son p, 2p, 3p, . . . , p

ITULO 5. MATRICES Y SISTEMAS DE ECUACIONES LINEALES

ITULO 5. MATRICES Y SISTEMAS DE ECUACIONES LINEALES

2, 1), (1, 2, 3)} R

ITULO 5. MATRICES Y SISTEMAS DE ECUACIONES LINEALES

ITULO 5. MATRICES Y SISTEMAS DE ECUACIONES LINEALES

ITULO 5. MATRICES Y SISTEMAS DE ECUACIONES LINEALES

ITULO 5. MATRICES Y SISTEMAS DE ECUACIONES LINEALES

ITULO 5. MATRICES Y SISTEMAS DE ECUACIONES LINEALES

ON LINEAL. VARIEDADES LINEALES 89

ITULO 5. MATRICES Y SISTEMAS DE ECUACIONES LINEALES

ITULO 5. MATRICES Y SISTEMAS DE ECUACIONES LINEALES

ITULO 5. MATRICES Y SISTEMAS DE ECUACIONES LINEALES

ITULO 5. MATRICES Y SISTEMAS DE ECUACIONES LINEALES

ITULO 5. MATRICES Y SISTEMAS DE ECUACIONES LINEALES

Problema 5.15 .- Dada la matriz cuadrada de talla n cuyo termino (i, j) es 2 si

ITULO 5. MATRICES Y SISTEMAS DE ECUACIONES LINEALES

También podría gustarte