Álgebra Superior-I-Lascurain PDF

Algebra
Superior I
30 de noviembre de 2011
Pr
ologo
Este libro trata de algunos temas introductorios de Algebra

que se han
ense
nado en la Facultad de Ciencias de la UNAM en las u
ltimas decadas,
en el primer semestre de las carreras de Matematicas, de Actuara, y hasta
hace algunos a
nos, de Fsica. Estos temas son fundamentales para todas las
ramas de las matematicas.
El objetivo es que los alumnos de los primeros semestres de las carreras de
Matematicas, Actuara, Ciencias de la Computacion y Fsica cuenten con un
texto simple y breve donde puedan entender sin mucha dificultad los temas
que se cubren en el curso Algebra

Superior I. Esta materia es un fundamento
esencial en la formacion de los estudiantes de estas carreras, y no solamente
de aquellos que se van a especializar en Algebra.

Los temas que se discuten
son los del programa vigente, es decir, conjuntos, funciones, relaciones de
equivalencia, induccion, calculo combinatorio, el espacio vectorial Rn , matrices, determinantes y sistemas de ecuaciones lineales. Ademas se incluye el
tema del anillo de los enteros y los anillos Zm .
Existen dos buenos libros sobre el tema: el primero, Algebra superior,
de los autores H. Cardenas, E. Lluis, F. Raggi y F. Tomas [2], y el segundo,
editado en a
nos recientes con el mismo ttulo, de los autores A. Bravo, C.
Rincon y H. Rincon [1]. Estos dos libros han constituido la herramienta de
los estudiantes en los u
ltimos a
nos para estudiar esta importante materia del
inicio de la carrera. Sin embargo, el primero [2] contiene un n
umero excesivo
de erratas, no ha sido actualizado y en algunos temas es impreciso y poco
formal; algunos resultados no los prueba como el hecho de que los anillos
Zm , en efecto lo son. El segundo [1] es, en cierto sentido, mas adecuado que
el primero al ser mas actual y al profundizar mas en los temas; el problema radica en que es demasiado extenso, lo cual, aunque lo convierte en un
excelente libro de referencia, no resulta adecuado como texto.
II
Por otro lado, el libro Algebra superior, de Cardenas et al. [2] es, de alguna
manera, bastante bueno. Esto se debe, en parte, a que contiene ejemplos muy
didacticos, como son los de la baraja inglesa. Otra cualidad que presenta, es
la de estar ordenado conforme al temario vigente. Sin embargo, desde que
se edito, hace ya mas de cuarenta a
nos, solo se han hecho reimpresiones
(sin revision), y no parece que se vaya a actualizar. Este hecho, junto con la
demanda de mis estudiantes por mis notas manuscritas, motivo la elaboracion
del presente libro, el cual retoma varios de los ejemplos de [2], pero enmarca la
teora en un discurso matematico mas actual. Cabe se
nalar que esta materia
tiene un alto ndice de reprobacion, ya que un sector amplio de los estudiantes
viene de la preparatoria con una formacion deficiente, por lo que un texto
de apoyo como el presente puede coadyuvar a mejorar el aprovechamiento de
los alumnos.
El presente texto, basado principalmente en el de Cardenas et al [2], pretende presentar los temas de manera simple y rigurosa. En la parte inicial se
hace enfasis en algunos aspectos de la logica formal, con el objeto de describir
la simbologa y facilitar el manejo de las pruebas formales en matematicas.
En la parte de combinatoria se hace claramente la diferencia de la parte formal y de la intuitiva. En general, se subraya la relacion con otras ramas como
el calculo y la geometra analtica, por ejemplo, en el captulo del espacio vectorial Rn , se hace una breve descripcion de las ecuaciones de los planos; en el
captulo de determinantes, se proporcionan tambien las ideas geometricas de
este tema. Ademas, en el captulo de ecuaciones, probando algunos teoremas
simples de algebra lineal, se demuestran de manera rigurosa los resultados
necesarios para resolver cualquier sistema de m ecuaciones con n incognitas; la inclusion de estos resultados, faciles de probar, ciertamente aclaran al
estudiante el tema, el cual se entiende mejor a la luz de la teora que mediante una aplicacion mecanica de algoritmos. Finalmente, en el captulo de
los enteros se prueba formalmente que los conjuntos Zm son en efecto anillos.
En este libro aparecen tambien algunos temas mas avanzados que no forman parte del material basico que se pretende cubrir en un curso dise
nado
para el primer semestre de la carrera, la razon de incluirlos es motivar a los
estudiantes. Por ejemplo, la discusion del significado geometrico del determinante ciertamente es un tema mas avanzado, por lo que se sugiere verlo al
final del curso y no incluirlo como tema por examinar.
En resumen, el espritu del libro es proporcionar a los alumnos un texto
breve, simple, formal, que pone enfasis en que las matematicas no son ramas
aisladas, sino que interact
uan unas con otras.
III
Los temas del libro se pueden cubrir en un semestre, una posible distribucion de ellos es la siguiente: 5 semanas para cubrir los primeros dos captulos
(conjuntos, funciones, induccion, relaciones de equivalencia y combinatoria);
otras 5 semanas para estudiar el espacio vectorial Rn , las matrices y las
permutaciones; las siguientes 5 semanas para los temas de los determinantes
(aspectos algebraicos), las ecuaciones y los enteros; y la u
ltima semana para
la interpretacion geometrica del determinante.
Quiero agradecer a Cristina Angelica

Nu
nez Rodrguez que capturo en
Latex y elaboro las figuras de las notas que fui escribiendo por varios a
nos,
al impartir el curso en mas de diez ocasiones. Mi agradecimiento tambien a
Manuel Flores Galicia que reviso cuidadosamente el texto y sugirio muchas
mejoras. Y a varios de mis alumnos de esta materia por sus pertinentes
intervenciones. Asimismo, a algunos de mis colegas que me han enriquecido
con sus comentarios sobre la ense
nanza de esta materia. Finalmente, a las
autoridades de la Facultad de Ciencias y la Direccion General de Asuntos del
Personal Academico (DGAPA), que me apoyaron en la publicacion de este
libro, con el proyecto PAPIME PE-103811.
Contenido
1. Fundamentos
1.1. Conjuntos . . . . . . . . . . . . . . . . . . . . . .
1.2. Subconjuntos . . . . . . . . . . . . . . . . . . . .
1.3. Operaciones con conjuntos . . . . . . . . . . . . .
1.4. Producto cartesiano . . . . . . . . . . . . . . . . .
1.5. Relaciones . . . . . . . . . . . . . . . . . . . . . .
1.6. Funciones . . . . . . . . . . . . . . . . . . . . . .
1.7. Composicion de funciones . . . . . . . . . . . . .
1.8. Funciones inyectivas, suprayectivas y biyectivas
1.9. Cardinalidad y conjuntos finitos . . . . . . . . . .
1.10. Induccion matematica . . . . . . . . . . . . . . .
1.11. El teorema del binomio . . . . . . . . . . . . . . .
1.12. Relaciones de equivalencia y particiones . . . . . .
1.13. Estructuras numericas y algebraicas . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
2
3
8
9
10
12
15
17
19
21
23
28
2. C
alculo combinatorio
2.1. Ordenaciones con repeticion (version intuitiva) . . . . . . . . .
2.2. Ordenaciones (version intuitiva) . . . . . . . . . . . . . . . . .
2.3. Permutaciones (version intuitiva) . . . . . . . . . . . . . . . .
2.4. Combinaciones . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5. Funciones (2a visita) . . . . . . . . . . . . . . . . . . . . . . .
2.6. Funciones inyectivas, suprayectivas y biyectivas (2a visita)
2.7. Ordenaciones con repeticion (version formal) . . . . . . . . . .
2.8. Ordenaciones (version formal) . . . . . . . . . . . . . . . . . .
2.9. Permutaciones (version formal) . . . . . . . . . . . . . . . . .
2.10. Combinaciones y coeficientes binomiales . . . . . . . . . . . .
31
31
32
33
34
36
39
41
43
45
46
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
VI
Contenido
3. El espacio vectorial Rn
3.1. Vectores y sus operaciones . . . . . . . . . . . . . . . . . .
3.2. Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3. Subespacios vectoriales . . . . . . . . . . . . . . . . . . . .
3.4. Combinaciones lineales, dependencia e independencia lineal
3.5. Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
53
53
60
63
69
74
4. Matrices y determinantes
4.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2. El rango de una matriz . . . . . . . . . . . . . . . . . . . . . .
4.3. Permutaciones . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4. Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.5. Propiedades de los determinantes . . . . . . . . . . . . . . . .
4.6. Desarrollo por menores . . . . . . . . . . . . . . . . . . . . . .
4.7. Calculo de determinantes . . . . . . . . . . . . . . . . . . . . .
4.8. Caracterizacion del rango de una matriz usando determinantes
4.9. El determinante como area o volumen . . . . . . . . . . . . . .
81
81
83
88
93
95
102
107
109
113
5. Sistemas de ecuaciones lineales

5.1. Preliminares . . . . . . . . . . . . . . . .
5.2. Existencia de soluciones . . . . . . . . .
5.3. Sistemas de n ecuaciones y n-incognitas
5.4. Sistemas homogeneos, funciones lineales
5.5. Sistema homogeneo asociado . . . . . . .
5.6. Resolucion de sistemas . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
121
121
123
126
132
136
138
6. Los
6.1.
6.2.
6.3.
6.4.
6.5.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
147
147
148
152
155
158
anillos Z y Zm
Anillos . . . . . . . . . . .
Anillos Zm . . . . . . . .
Propiedades de los enteros
Orden y unidades en Z . .
Principio de induccion . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Captulo 1
Fundamentos
1.1.
Conjuntos
No se profundizara en la definicion axiomatica de conjunto, simplemente se

tratara de manera intuitiva como una colecci
on de elementos, por ejemplo,
una coleccion de libros, o de peces, o de n
umeros. Se dir
a que 2 conjuntos
son iguales si tienen los mismos elementos.
Se usaran las letras may
usculas A, B, C... para los conjuntos y las min
usculas a, b, c, . . . , n, m, . . . para los elementos. Para especificar los elementos de
un conjunto se usaran llaves, por ejemplo
A = {a, b, c}.
Un conjunto importante son los enteros positivos llamados n
umeros naturales, denotado por N = {1, 2, 3, ...}, y por supuesto los enteros
Z = {..., 3, 2, 1, 0, 1, 2, 3, ...}.
Notacion: x A significa que el elemento x pertenece al conjunto A,
y x 6 A querra decir que x no pertenece al conjunto A.
Ejemplos
1) Sea el conjunto A = {1, 3, 5, 7}. Se tiene que 5 A y 6 6 A.
2) Sea A = {1, 4, 9, 16, ..., n2 , ...}. En este caso 169 A, pero 50 6 A.
3) El conjunto de las letras de la palabra Uaxact
un es {a, c, n, t, u, x}.
1
1.2. Subconjuntos
Otros ejemplos importantes son los n

umeros reales, que son los puntos de
la recta, este conjunto se denota por R. Tambien, el plano cartesiano.
R2 = {(x, y) | x, y R},
as como sus subconjuntos, por ejemplo, la recta y = 3x + 3.
Figura 1.1: La recta y = 3x + 3 es un subconjunto del plano

El smbolo se usara para describir el conjunto que no tiene elementos,
a este conjunto se le llama el conjunto vaco.
Es conveniente usar condiciones para describir conjuntos:
{2, 4, 6, 8, ...} = {n N | n es par}
= {n N | n = 2m, m N},
o
{1, 3, 5, 7, 9} = {n N | 1 n 9 y n es impar}.
Otro ejemplo sera
{1, 4, 9, 25, 36, ..., m2 , ...} = {n N | n = m2 , m N}.
1.2.
Subconjuntos
Definici
on 1 Sean A y B conjuntos, se dice que B es un subconjunto de
A, si cada elemento de B lo es tambien de A, se denota B A, en caso
contrario se escribira B 6 A.
Observese que si B A, se tiene x B x A y, viceversa, si
para todo x B se tiene x A, entonces B A. En general, cuando la
proposicion P se cumple si y solo si se cumple la proposicion Q, escribiremos
P Q.
1. Fundamentos
La proposicion de arriba se puede reescribir

B A (x B x A) .
Si B A, escribiremos tambien A B, y se dira que B esta contenido
en A, o que A contiene a B.
Ejemplos
1. Si A = {golondrinas}, B = {aves} y C = {reptiles},
A B, pero B 6 C.
2. A = {n N | 1 n 7}, B = {2, 3, 7} y C = {2, 3, 8},
B A, pero B 6 C.
3. Si z, w L, donde L es una recta en R2 y si A = {t L | t zw},
entonces z L y A L, donde zw es el segmento en L que une z
con w.
1.3.
Operaciones con conjuntos
Al comparar 2 conjuntos es conveniente pensar que ambos son subconjuntos

de un mismo conjunto fijo, llamado universal.
Definici
on 2 La union de dos conjuntos A y B se define como el conjunto:
A B = {x | x A
x B}.
Las propiedades siguientes son consecuencia inmediata de la definicion.

i) A A B, B A B,
ii) A B = B A (conmutatividad),
iii) (A B) C = A (B C) (asociatividad).
La u
ltima observacion permite no poner parentesis al denotar la union de
mas de dos conjuntos.
1.3. Operaciones con conjuntos
Definici
on 3 La intersecci
on de dos conjuntos A y B se define como
A B = {x | x A y x B}.
De nuevo se sigue de manera inmediata que
iv) A B A, A B B,
v) A B = B A (conmutatividad),
vi) (A B) C = A (B C) (asociatividad).
Como antes se pueden quitar los parentesis.
AB
AB
Figura 1.2: Union e interseccion de conjuntos

Proposici
on 1.3.1 (Ley distributiva) Sean A, B y C conjuntos, entonces se tiene
vii) A (B C) = (A B) (A C)
viii) A (B C) = (A B) (A C).
n. Probamos vii) y dejamos viii) como ejercicio.
Demostracio
Lease primero y luego
x A (B C)
x A y x (B C)
x A y (x B o x C)
(x A y x B) o (x A y
x (A B) (A C).
x C)
1. Fundamentos
significa fin de la prueba. Otras tecnicas de prueba muestran que

(A B) (A C)
A (B C) :
Se tiene A B A y A C A, ademas A B B B C y
A C C B C, por lo cual
(A B) A (B C) y
(A C) A (B C).
Recordamos que un conjunto universal es un conjunto fijo que contiene

a todos los conjuntos en discusion. Por ejemplo, en la geometra analtica
el plano R2 es el conjunto universal y los subconjuntos son las rectas, las
parabolas, los crculos, etcetera. En otras geometras, los subconjuntos del
plano pueden ser objetos simples, o muy complejos como los fractales.
Definici
on 4 Sea X un conjunto universal y A un subconjunto de X se
define el complemento del conjunto A, denotado por Ac , como los elementos
de X que no pertenecen a A, especficamente
Ac = {x | x X, x 6 A}.
Evidentemente el complemento de un conjunto vara si el universal donde
vive cambia, por ejemplo, el complemento de A = {1, 2} en X = {1, 2, 3}
es {3} pero en X = {1, 2, 3, 4} es {3, 4}.
Las propiedades basicas de la complementacion son:
ix) (Ac )c = A,
x) A Ac = X,
xi) A Ac = .
Las propiedades x) y xi) se siguen directamente de la definicion, para
probar ix) sea x (Ac )c , entonces como x X y x 6 Ac , se sigue de
x) que x A. Viceversa, si x A, entonces x X pero x 6 Ac
x (Ac )c .
significa de donde.
1.3. Operaciones con conjuntos
Otra propiedad importante es

xii) A B B c Ac .
B
A
A B B c Ac
Figura 1.3: La contencion de conjuntos se invierte al tomar complementos

Probamos primero ) Se debe probar que si x B c , entonces x Ac .
Suponiendo que no es cierto lo afirmado se tendra que existe una x B c
que no pertenece a Ac , i.e., ( del latn id est, que significa es decir) x 6 Ac ,
por lo que x A, pero entonces se sigue por hipotesis que x B, lo cual
contradice x B c . Por lo tanto se concluye que suponer lo contrario de lo
afirmado llevo a una contradiccion, por lo que lo afirmado debe ser cierto.
Este tipo de demostracion usada por Aristoteles, se le llama por reduccion al
absurdo, y conlleva el razonamiento elemental de la logica formal que dice:
(La proposicion M La proposicion N ) ( N M ),
significa no.
) Esta propiedad es dual de la anterior, solo tendramos que escribir
E = B c y F = Ac . Por la primera parte, como E F, se sigue F c E c ,
i.e., A B.

Proposici
on 1.3.2 (Leyes de De Morgan) Sean A y B conjuntos, entonces
xiii) (A B)c = Ac B c ,
xiv) (A B)c = Ac B c .
1. Fundamentos
(A B)c = Ac B c
(A B)c = Ac B c
Figura 1.4: Complementos de union e interseccion

n. Probamos xiv) y dejamos xiii) como ejercicio.
Demostracio
Lease primero y luego
x (A B)c
x
x
x
x
(A
A
Ac
Ac
B)
o x 6 B
o x Bc
Bc.
Otra demostracion de
(A B)c Ac B c :
Se tiene A B A y A B B, por lo que (A B)c Ac y
(A B)c B c , entonces
(A B)c Ac B c .
Definici
on 5 La diferencia entre dos conjuntos A y B es el conjunto:
A B = {x | x A
x 6 B}.
Notese que A B = A B c .
Proposici
on 1.3.3 A (B C) = (A B) (A C).
1.4. Producto cartesiano
n.
Demostracio
A (B C) =
=
=
=
A (B C)c
A (B c C c )
(A B c ) (A C c )
(A B) (A C).
EJERCICIOS 1.3
1. Demuestre la Proposicion 1.3.1 viii).
2. Demuestre la Proposicion 1.3.2 xiii).
1.4.
Producto cartesiano
Definici
on 6 Sea A un conjunto, las parejas ordenadas de A son aquellas
de la forma (a, b), tal que a A y b A.
Por ejemplo, el plano cartesiano consiste de las parejas ordenadas de reales:
R R = {(x, y) | x, y R}.
Si A = {1, 2} las parejas ordenadas de A son (1, 1), (1, 2), (2, 1), (2, 2).
Tambien se pueden considerar parejas ordenadas de un par de conjuntos
A y B, de tal manera que el primer termino este en A y el segundo en B.
Figura 1.5: Retcula N N

Definici
on 7 Sean A y B conjuntos, el producto cartesiano de A y B,
denotado por A B, es el conjunto de parejas ordenadas
A B = {(a, b) | a A
b B}.
1. Fundamentos
Por ejemplo, si A = {1, 2} y B = {a, b}, entonces

A B = {(1, a), (1, b), (2, a), (2, b)}.
Otros ejemplo es la retcula descrita en la Figura 1.5
N N = {(n, m) | n N y m N}.
Tambien, son ejemplos de productos cartesianos Z Z y R R.
Observese que (a, b) = (c, d) si y solo si a = c y b = d. En particular,
(1, 2) 6= (2, 1) (6= significa es distinto). Se escribira A2 por A A.
EJERCICIOS 1.4
1. Sea A = {a, b} demuestre que N A es infinito.
1.5.
Relaciones
Definici
on 8 Sean A y B conjuntos, una relaci
on entre A y B es un
subconjunto del producto cartesiano.
Por ejemplo, si A = {a} y B = {1, 2}, A B tiene 2 relaciones
de un elemento R1 = {(a, 1)} y R2 = {(a, 2)}, tambien tiene una sola
relacion de 2 elementos (la total) R3 = {(a, 1), (a, 2)}, finalmente contiene
la relacion vaca, i.e., , por lo que A B tiene exactamente 4 relaciones.
Por convencion el vaco es subconjunto de todo conjunto A, ya que x ,
se tiene x A.
significa para todo.
Encontramos ahora las relaciones entre A y B, donde A = {a, b} y
B = {1, 2}. Estas

son:
R1
R2
R3
R4
R5
R6
R7
R8
=
=
=
=
=
=
=
=
{(a, 1)},
{(a, 2)},
{(b, 1)},
{(b, 2)},
{(a, 1), (a, 2)},
{(a, 1), (b, 1)},
{(a, 1), (b, 2)},
{(a, 2), (b, 1)},
R9 = {(a, 2), (b, 2)},

R10 = {(b, 1), (b, 2)},
R11 = {(a, 1), (a, 2), (b, 1)},
R12 = {(a, 1), (a, 2), (b, 2)},
R13 = {(a, 1), (b, 1), (b, 2)},
R14 = {(a, 2), (b, 1), (b, 2)},
R15 = {(a, 1), (a, 2), (b, 1), (b, 2)},
R16 = .
10
1.6. Funciones
Definici
on 9 El dominio de una relaci
on R A B se define como:
DR = {a A | b B, (a, b) R}.
significa existe.
En los ejemplos anteriores se tiene
DR5 = {a},
DR7 = A,
DR3 = {b}.
Definici
on 10 La imagen de una relaci
on R A B se define como:
IR = {b B | a A,
tal que
(a, b) R}.
Usando los ejemplos anteriores se tendra

IR3 = {1},
IR5 = B,
IR2 = {2}.
El codominio de una relacion A B es el segundo factor B, observese

que la imagen de una relacion siempre es un subconjunto del codominio.
1.6.
Funciones
Algunas relaciones son muy importantes.

Definici
on 11 Sea R una relaci
on entre A y B se dice que R es una
funcion si R cumple las siguientes 2 condiciones:
1) DR = A, i.e., x A
b B (a, b) R.
2) Cada elemento en A tiene asociado un u

nico elemento en B, i.e., si
(x, y1 ) R y (x, y2 ) R, entonces necesariamente y1 = y2 .
significa tal que.
Si R A B es una funcion, la pareja (x, y) R se escribira como
(x, f (x)) y la funcion se denotara por
f : A B
o A B
y se dira que f (x) es la imagen de x bajo f. El conjunto A se le llama el

dominio de la funcion y B es el codominio.
11
1. Fundamentos
Ejemplos
1. Retomando los ejemplos de la seccion anterior A = {a, b} y B = {1, 2},
se tiene que R8 = { (a, 2) , (b, 1) } es una funcion, sin embargo
R2 = {(a, 2)} y R10 = {(b, 1), (b, 2)} no lo son por que?
2. f : N N dada por la regla de correspondencia f (n) = n2 + 1 es
una funcion.
3. Sean A = {seres humanos}, B = {paises}, f : A B la relacion
que a cada persona le asocia su pais de nacimiento, y g : A B la
relacion que a cada persona le asocia su nacionalidad. Entonces, f es
funcion pero g no lo es por que?
4. Sea A cualquier conjunto, la relacion 1A : A A que tiene la regla
de correspondencia 1A (x) = x, x A llamada funcion identica es
una funcion.
Observese que 2 funciones
f : A B
y g : C D
son iguales si y solo si

a) A = C,
b) B = D,
c) f (x) = g(x) x A.
Esto nos permite reformular nuestra definicion: Una funci
on f : A B
es una regla de correspondencia que a cada elemento del conjunto A le asocia uno y solo un elemento de B.
En resumen, una funcion consiste de 3 cosas: 2 conjuntos (dominio y
codominio) y una regla de correspondencia.
Definici
on 12 La imagen de una funci
on f : A B es
Im f = {b B | a A, f (a) = b}.
12
n de funciones
1.7. Composicio
Ejemplos
1. Sean A = {1, 2}, B = {a, b}, f : A B dada por f (1) = a, y
f (2) = a, entonces Im f = {a}.
2. Sea f : N {0} N dada por f (n) = n + 1, entonces Im f = N.
Observese que Im f siempre es un subconjunto del codominio. Trabajando con funciones cuyo codominio es un conjunto finito, y donde no es
necesario especificar el codominio, algunas veces conviene denotarlas de la
siguiente manera

a1 a2 an
f =
,
b1 b2 bn
donde A = {a1 , a2 , ..., an }, bi B
i, f : A B y f (ai ) = bi
i.
Por ejemplo, si A = {1, 2, 3, 4, 5}, entonces f (x) = x2 se puede denotar

1 2 3 4 5
f =
,
1 4 9 16 25
el codominio puede ser N o Z o cualquier conjunto finito que contenga a
{1, 4, 9, 16, 25}.
EJERCICIO 1.6
1. Sean f : Z Z y g : N Z dadas por f (n) = n2 + 1 = g(n), son
iguales?
1.7.
Composici
on de funciones
Si el codominio de una funcion coincide con el dominio de otra se puede

construir una nueva funcion.
Definici
on 13 Sean f : A B y g : B C funciones, se puede
construir entonces una nueva funci
on g f : A C con dominio A,
codominio C y con regla de correspondencia
x g(f (x)),
A esta funcion se le llama f compuesta con (o seguida de) g, y se denota por
g f. Tambien, se escribe g f (x) = g(f (x)).
13
1. Fundamentos
Ejemplos
1. Sean f : R R dada por f (x) = x2 + 1 y g : R R dada por
g(x) = 4x 1, entonces g f : R R y f g : R R estan
dadas por
g f (x) = g(x2 + 1) = 4(x2 + 1) 1 = 4x2 3,
y
f g(x) = f (4x 1) = (4x 1)2 + 1 = 16x2 8x + 2.
2. Sean A = {a1 , a2 , a3 }, B = {b1 , b2 }, C = {c1 , c2 , c3 } y

a1 a2 a3
b1 b2
f =
y g =
,
b1 b1 b2
c1 c2
entonces

gf =
a1 a2 a3
c1 c1 c2

.
3. Sean A = {1, 2} y f : A A dada por

1 2
,
2 1
entonces f 2 = f f = IA .
4. Sean f, g : R R dadas por f (x) = x3 y g(x) = 2, entonces
f g(x) = f (2) = (2)3 = 8 y
g f (x) = g(x3 ) = 2.
Observese que si f : A B es una funcion, entonces

IB f = f
y f IA = f.
Proposici
on 1.7.1 Sean f : A B, g : B C
funciones, entonces
h (g f ) = (h g) f,
h : C D
es decir, la composicion de funciones es asociativa y por lo tanto se pueden

omitir los parentesis.
14
n de funciones
1.7. Composicio
n. Como ambas composiciones tienen dominio A y codoDemostracio

minio D, basta verificar que tienen la misma regla de correspondencia.
Si x A,
h (g f )(x) = h[g f (x)] = h[g(f (x))],
tambien
(h g) f (x) = h g(f (x)) = h[g(f (x))].

Definici
on 14 Sea f : A B una funci
on, si existe otra funci
on de la
forma g : B A g f = 1A , a g se le llama inverso izquierdo de f,
(y a f inverso derecho de g).
Por ejemplo, sea g : Z Z definida por g(n) = [ n2 ], donde [x] es
el maximo entero menor o igual a x ([2.1] = 2, [0.3] = 0, [-1.2] = -2), y sea
f (n) = 2n, f : Z Z, entonces

2n
g f (n) = g(2n) =
= [n] = n y g f = 1Z ,
2
i.e. g es inverso izquierdo de f.
De manera analoga se define el inverso derecho de f : A B, como
otra funcion h : B A f h = 1A . Observese que en el ejemplo anterior
la funcion g no tiene a f como inverso derecho, ya que por ejemplo:

3
= f (1) = 2 i.e. f g 6= 1Z .
f g(3) = f
2
Sin embargo, como se probo, f es inverso derecho de g (ya que g es inverso
izquierdo de f ).
Definici
on 15 Sean f : A B y g : B A gf = 1A , y f g = 1B ,
entonces se dice que f es invertible y a g se le llama simplemente inverso.
Por ejemplo, si f : R R, f (x) = 2x, g : R R, g(x) =
entonces g es inverso de f .
x
,
2
Teorema 1.7.2 Si f tiene inverso izquierdo g1 e inverso derecho g2 , entonces g1 = g2 , i.e., f es invertible.
15
1. Fundamentos
n. Por hipotesis si f : A B se tiene g1 f = 1A y

Demostracio
f g2 = 1B , por lo que
g1 = g1 1B = g1 f g2 = 1A g2 = g2 .

Corolario 1.7.3 Sea f : A B invertible, entonces su inverso g : B A
es u
nico.
EJERCICIOS 1.7
1. Sean f : R R, g : R R dadas por f (x) = 4x2 + x + 1 y
g(x) = 2x 3, calcule g f y f g.
1.8.
Funciones
biyectivas
inyectivas,
suprayectivas y
Definici
on 16 Una funcion f : A B se llama inyectiva si x1 , x2 A,
tales que x1 6= x2 , se tiene f (x1 ) 6= f (x2 ).
Ejemplos
1. f (x) = x + 1,
f : R R.
2. f (n) = 2n,
f : Z Z.
Es claro que estas funciones son inyectivas ya que mandan puntos distintos
en puntos distintos, sin embargo la funcion f : R R dada por f (x) = x2
no es inyectiva, ya que f (1) = f (1) = 1.
En general, si la afirmacion M dice x1 , x2 A, x1 6= x2 y la afirmacion
N dice f (x1 ) 6= f (x2 ), probar que f es inyectiva es mostrar que M N,
para esto (como ya se menciono) basta demostrar que N M, esto
es, f es inyectiva, si dados a1 , a2 A, tales que f (a1 ) = f (a2 ) se debe
tener a1 = a2 .
Por ejemplo, f (x) = 2x + 3 es inyectiva, ya que si 2x + 3 = 2y + 3,
entonces, 2x = 2y y x = y (esta es la forma mas com
un de probar que
una funcion es inyectiva).
16
1.8. Funciones inyectivas, suprayectivas y biyectivas
Definici
on 17 Sea f : A B se dice que f es suprayectiva (o sobre) si
Imf = B, i.e., si y B x A f (x) = y.
Retomando los ejemplos anteriores, f : R R, dada por f (x) = x+1,
f es suprayectiva ya que si y R, escribiendo y = x + 1, se puede tomar
x = y 1 y f (y 1 + 1) = x.
Sin embargo, f : Z Z, f (n) = 2n no es suprayectiva, ya que la
imagen de esta funcion consiste de los n
umeros pares.
Definici
on 18 Una funci
on que es inyectiva y suprayectiva se le llama biyectiva.
La funcion f : R R, f (x) = 3x + 1 es biyectiva: si f (x) = f (y),
entonces 3x + 1 = 3y + 1 3y = 3y y x = y, por lo que es inyectiva.
, se
Tambien dado y R escribiendo y = 3x + 1 y tomando x = y1
3
y1
tiene f ( y1
)
=
3
(
)
+
1
=
y,
i.e.
f
es
suprayectiva.
3
3
Como u
ltimo ejemplo se toma la funcion g : Z Z dada por
hni
g(n) =
,
2
g es suprayectiva ya que dada m Z, tomando x = 2m,

2m
g(2m) =
= m,
2
sin embargo, g no es inyectiva, ya que

2n
2n + 1
g(2n + 1) =
= n =
= g(2n).
2
2
Proposici
on 1.8.1 Una funci
on f : A B es biyectiva si y s
olo si es
invertible.
n. Si f es biyectiva se define g : B A de la manera
Demostracio
obvia: g(y) = x f (x) = y, a y B se le asocia la u
nica x A que
cumple f (x) = y (la existencia de dicha x se sigue de la inyectividad y la
suprayectividad). Tomando entonces g(y) = x se tendra que si y B
g(y) = x, f (x) = y, esto es, f g(y) = f (x) = y y f g = 1B , y si
x A g f (x) = g(y) = x por lo que g f = 1A .
1. Fundamentos
17
Viceversa, si f es invertible sea g : B A su inversa, y se tiene que

si f (a1 ) = f (a2 ), entonces g f (a1 ) = g f (a2 ) y a1 = a2 , por lo cual
f es inyectiva. Dada y B, si g(y) = x, y = f g(y) = f (x) y f es
suprayectiva.

Observese que la composicion de funciones inyectivas es inyectiva:
dadas g : A B y f : B C funciones inyectivas, a1 , a2 A tales
que f g(a1 ) = f g(a2 ) se sigue que g(a1 ) = g(a2 ), ya que f es inyectiva,
mas a
un a1 = a2 por la inyectividad de g.
Tambien si f : A B y g : B C son suprayectivas se tiene que
g f lo es, esto se sigue ya que si c C existe b B g(b) = c y tambien a A f (a) = b (por la suprayectividad de f y g) g f (a) = c
y por consiguiente g f es suprayectiva.
EJERCICIOS 1.8
1. Sea f (x) = x2 + 1 f : R R pruebe que f no es inyectiva ni tampoco
suprayectiva.
2. Sea f : R R dada por f (x) = 4x + 7, pruebe que f es biyectiva,
encuentre la inversa.
3. Exhiba f : N N y g : N N tales que f es inyectiva, g
suprayectiva, pero g f no sea inyectiva ni suprayectiva.
1.9.
Cardinalidad y conjuntos finitos
Definici
on 19 Dados 2 conjuntos A y B se dice que tienen la misma
cardinalidad si existe f : A B biyectiva.
Se usara el smbolo In para denotar el conjunto de los primeros n naturales,
In = {1, 2, 3, ..., n} = {a N | 1 a n}.
Definici
on 20 Un conjunto A es finito si existe una biyecci
on (funci
on
biyectiva)
f : A In ,
para alguna n N. En este caso se dice que el cardinal de A, denotado
por #A, es n.
18
1.10. Cardinalidad y conjuntos finitos
Definici
on 21 Sea A un conjunto que no es finito, entonces se dice que A
es infinito.
Con lo anterior se tienen las siguientes observaciones que relacionan las
funciones y la cardinalidad de conjuntos finitos.
1. Sea f : A B una funcion inyectiva entre 2 conjuntos finitos,
entonces
#A #B.
Para probar esto, notese que si A = {a1 , a2 , ..., an }, entonces el conjunto {f (a1 ), f (a2 ), ..., f (an )} consiste de elementos distintos (ya que
f es inyectiva).
2. Sea f : A B una funcion suprayectiva entre 2 conjuntos finitos,
entonces
#A #B.
Esto se cumple ya que si B = {b1 , b2 , ..., bm }, como f es suprayectiva
existen a1 , a2 , ..., an A tales que f (ai ) = bi , i = 1, 2, ..., m. y
ademas las ai son todas distintas, ya que f es funcion.
3. Sea f : A B una funcion biyectiva entre 2 conjuntos finitos,
entonces
#A = #B.
Por las 2 observaciones anteriores se da la igualdad.
Proposici
on 1.9.1 Sea f : A B una funci
on, donde A y B son
finitos con la misma cardinalidad, entonces,
f es inyectiva f es suprayectiva.
n. Se tiene como hipotesis que: #A = n = #B.
Demostracio
) Dado que f es inyectiva, se tienen n imagenes distintas i.e. todas
lo son.
) Si f no es inyectiva, entonces #Imf < n, pero eso contradice la
hipotesis.

Esta propiedad no es valida para conjuntos infinitos, por ejemplo la funcion f : N N, f (n) = 2n es inyectiva pero no suprayectiva. Tambien, como ya se probo, g : Z Z, g(n) = [ n2 ] es suprayectiva pero no
inyectiva.
19
1. Fundamentos
1.10.
Inducci
on matem
atica
La induccion matematica consiste de una manera de probar m

ultiples afirmaciones, o propiedades (tantas como los naturales), y que dependen de los
mismos n
umeros naturales.
Por ejemplo si se quiere probar que
n(n + 1)
,
(1.1)
2
observese que cada n N define una igualdad, el Axioma o Principio de
induccion establece que si se cumplen dos condiciones, la propiedad es valida
para todos los naturales, estas condiciones son:
1 + 2 + + n =
A) 1 cumple la propiedad,
B) si la propiedad es valida para n, entonces tambien lo es para n + 1.
En nuestro ejemplo particular probaremos que se cumplen las 2 condiciones y concluiremos que (1.1) se cumple n N :
A) 1 =
1(2)
2
por lo que (1.1) se cumple si n = 1,
B) si (1.1) es valida para n, entonces

1 + 2 + + n =
n(n + 1)
,
2
sumando n + 1 se tiene
n(n + 1)
+ n+1
2
n

= (n + 1)
+1
2
1 + 2 + + n + n + 1 =
(n + 1)(n + 2)
,
2
es decir, (1.1) se cumple para n+1 y se sigue del Principio de induccion

que (1.1) se cumple n N.
Intuitivamente es clara la validez del principio: si vale para 1, vale para
2, si tambien es valido para 2, entonces tambien para 3, etcetera.
20
n matema
tica
1.11. Induccio
Otros ejemplos:
1) Se afirma que
2n < n! si n 4,
(1.2)
donde n! = 1 2 3 (n 1)(n), por ejemplo, 4! = 4 3 2 = 24.

Se debe probar que
2n+3 < (n + 3)! n N,
usamos induccion.
A) 21+3 = 16 < (1 + 3)! = 24,
B) si 2n+3 < (n + 3)!, como 2 < n + 4 se tiene
2 2n+3 < (n + 3)!(n + 4), esto es 2n+4 < (n + 4)!
(1.2) se cumple n 4.
2)
n3 n es un multiplo de 6 n N.
(1.3)
Para probar (1.3) se aplica induccion probando A y B :

A) si n = 1 13 1 = 6 0,
B) si se cumple (1.3) para m, se tiene m3 1 = 6 k,
Ahora
(m + 1)3 (m + 1)
k Z.
= m3 + 3m2 + 3m + 1 m 1
= m3 m + 3(m2 + m)
= 6k + 6t, t Z,
i.e., (1.3) se cumple para m + 1 y por lo tanto m Z (usamos

el hecho de que m2 +m siempre es par: (2n+1)2 = 4n2 +4n+1).
EJERCICIOS 1.10
1. Demuestre por induccion que si r R, r 6= 1
1 + r + r2 + + rn =
1 rn+1
.
1r
2. Demuestre que
12 + 22 + 32 + + n2 =
n(n + 1)(2n + 1)
.
6
21
1. Fundamentos
1.11.
El teorema del binomio
Dado n un n
umero natural se define n-factorial, denotado por n!, como
n(n 1)(n 2) 3 2 1.
Por convencion 0! = 1. Observese que se puede definir n! inductivamente,
esto es, n! = n (n 1)!. Por ejemplo, 4! = 4 (3)! = 24.
Teorema 1.11.1 (Pascal) Sean n,m enteros no negativos y
Cnm =
n!
,
m!(n m)!
n m,
entonces se tiene
m
m1
Cn1
+ Cn1
= Cnm .
n. Sumamos
Demostracio
(n 1)!
(n 1)!
+
m!(n 1 m)!
(m 1)!(n 1 (m 1))!
=
(n 1)!
(n 1)!
(n 1)!(n m)
(n 1)!m
+
=
+
m!(n m 1)!
(m 1)!(n m)!
m!(n m)!
m!(n m)!
=
n!
(n 1)![(n m) + m]
=
= Cnm .
m!(n m)!
m!(n m)!
Corolario 1.11.2 Cnm N

n. Lo probamos por induccion sobre n.
Demostracio
A) Si n = 1
C11 =
1!
1!(11)!
= 1
C10 =
1!
0!(10)!
= 1,
m
B) Si suponemos cierto el teorema para n1 se tiene que tanto Cn1
como
m1
Cn1 son n
umeros naturales, y por lo tanto en virtud del teorema de
Pascal, se sigue que Cnm tambien es un n
umero natural
Teorema 1.11.3 (Del binomio de Newton) Si a, b R y n es un entero

no negativo, entonces
(a + b)n = Cn0 an + Cn1 an1 b + + Cnn bn .
22
1.11. El teorema del binomio
Por ejemplo (a+b)2 = a2 + 2ab + b2 y (a+b)3 = a3 + 3a2 b + 3ab2 + b3 , ya

2!
3!
que C21 = 1!(21)!
, C32 = 2!(32)!
, etcetera. Observese que los superndices
y los subndices que definen el teorema crecen y decrecen conforme a la
siguiente formula
n
X
Cnj anj bj ,
j=0
donde el signo
significa sumatoria y cada ndice desde j = 0 hasta n
representa un sumando, i.e., el teorema del binomio dice:
n
X
(a + b) =
Cnj anj bj .
j=0
n. Probamos el teorema usando induccion sobre n.

Demostracio
A) Si n = 1
(a + b)1 = C10 a1 + C11 a0 b1 = 1 a + 1 b = a + b.
B) Si el teorema es cierto para n 1, se tiene

n1
(a + b)
n1
X
j
Cn1
an1j bj ,
j=0
y entonces
n
n1
(a + b) = (a + b)(a + b)
= a
n1
X
j
Cn1
an1j bj
+b
j=0
n1
X
n1
X
j
Cn1
an1j bj
j=0
j
Cn1
anj bj +
j=0
n1
X
j
Cn1
an1j bj+1 ,
j=0
expresando la segunda sumatoria en terminos de k = j + 1, en lugar

de j, i.e., corriendo los ndices, se tiene
n
(a + b) =
n1
X
j=0
j
Cn1
nj
b +
n
X
k=1
k1 nk k
Cn1
a
b .
23
1. Fundamentos
Finalmente, homologando ndices y factorizando

n
(a + b)
=
=
=
n1
X
i=1
n1
X
i=1
n
X
i
Cn1
ani bi
n1
X
i1 ni i
0
n1 n
Cn1
a b + Cn1
an + Cn1
b
i=1
i
i1
(Cn1
+ Cn1
)ani bi + Cn0 an + Cnn bn
Cni ani bi ,
i=0
en virtud del teorema de Pascal.
1.12.
Relaciones de equivalencia y particiones
Definici
on 22 Una relacion R A A se le llama de equivalencia si
satisface:
1) (a, a) R
a A
(reflexividad),
2) si (a, b) R, entonces (b, a) R
(simetra),
3) si (a, b) R y (b, c) R, entonces (a, c) R
(transitividad).
Observese que la simetra se puede expresar como:

(a, b) R (b, a) R.
Ejemplos
1. Sea A cualquier conjunto, entonces la mnima relacion de equivalencia
es la diagonal
R = {(a, a) | a A},
i.e., toda relacion de equivalencia incluye a la diagonal por que?
2. Sea A la familia de los triangulos del plano y
R = {(a, b) A A | a y b son semejantes},
evidentemente R es de equivalencia.
24
1.12. Relaciones de equivalencia y particiones
3. Sea A = {1, 2, 3} y
R = {(1, 1), (1, 2), (2, 1)(2, 2)},
entonces R no es de equivalencia. Aunque es simetrica y transitiva, no
es reflexiva pues (3, 3)
/ R.
4.- Sea A = {1, 2, 3} y
R = {(1, 1), (2, 2), (3, 3)(1, 2), (2, 1), (2, 3), (3, 2)},
R tampoco es de equivalencia, ya que no es transitiva pues (1, 3)
/ R.
Dada cualquier relacion de equivalencia R, escribiremos
a b si (a, b) R.
Definici
on 23 Sea A un conjunto, una partici
on P de A consiste de una
familia de subconjuntos de A no vacos {Ai }i I
1) si Ai 6= Aj , entonces Ai Aj = ,
S
2) i I Ai = A.
Ejemplos
1. Si A = {1, 2, 3, 4, 5}, una particion de A es
A1 = {1, 2},
A2 = {3} y A3 = {4, 5}.
2. Si A = N, una particion de A es
A1 = {pares} y A2 = {nones}.
3. Sea A = {instrumentos de una orquesta sinfonica} y
A1 = {cuerdas},
A2 = {alientos},
A3 = {metales},
A4 = {percusiones},
entonces estos subconjuntos forman una particion de A.
25
1. Fundamentos
4. Si A = {1, 2, 3, .., 10} y

A1 = {1, 3, 5},
A2 = {1, 4, 6} y A3 = {2, 7, 8, 9, 10},
entonces A1 , A2 , A3 no forman una particion de A pues 1 A1 A2 .

Teorema 1.12.1 Sea A cualquier conjunto y R una relaci
on de equivalencia en A A, entonces R induce una partici
on en A.
n. Sea x A, se define
Demostracio
Ax = {y A | y x},
donde y x significa (y, x) R. Observese que Ax 6= , ya que x Ax .
Se afirma que {Ax }x A es una particion P de A.
La propiedad
2) es inmediata, ya que como Ax A, x A, ciertaS
mente i A Ax A. Ademas, como dada x A, se tiene que x Ax
S
se sigue que A i A Ax .
Para probar la propiedad 1) supongamos que z Ax Ay , x, y, z A,
se debe probar que Ax = Ay .
Como z Ax Ay , se sigue que z x y z y, por lo que x y
(simetra y transitividad).
Finalmente, probamos Ax Ay (y viceversa). Sea w Ax , entonces
w x y por transitividad w y, i.e., w Ay Ax Ay . La otra
contencion se prueba de la misma manera.

El recproco tambien se cierto.
Teorema 1.12.2 Sea A un conjunto arbitrario y P una partici
on en A,
entonces P induce una relacion de equivalencia en A.
n. Se define una relacion R en A A de la siguiente
Demostracio
manera (x, y) R si existe Ai en P x, y Ai . Probamos que esta
relacion es de equivalencia.
Evidentemente x x x, tambien es obvio que si x y entonces
y x, finalmente si x y y y z, entonces existe Ai y Aj en la
particion tales que x, y Ai y y, z Aj , como Ai y Aj se intersectan
deben ser iguales i.e. x, z Ai = Aj , y x z (por lo que la relacion es
transitiva).
26
1.12. Relaciones de equivalencia y particiones
Definici
on 24 Dada una relaci
on de equivalencia R en A A a los subconjuntos de la particion inducida por R se les llama clases de equivalencia.
Ejemplos
1. Sean A un conjunto arbitrario y R la relacion diagonal, i.e.,
R = {(x, x) | x A},
entonces la particion inducida por R es
[
A =
{x}.
xA
2. Sean A = {1, 2, 3} y R = {(1, 1), (1, 2), (2, 1), (2, 2), (3, 3)}, entonces la particion inducida por R es
A = {1, 2} {3}.
3. Sea m N fijo. Se define una relacion R Z Z de la siguiente
manera: (x, y) R si x y = mt, t Z. Esta relacion es de
equivalencia (ejercicio), y la particion inducida es
Z =
m1
[
[j],
j=0
donde
[j] = {s Z | s j = mt,
t Z},
j {1, 2, ..., k 1}.
Esto se sigue del algoritmo de la division y del hecho de que dados

h 6= k, h, k N {0} h, k < m, entonces m no es un factor de
h k. El algoritmo de la division establece que dado t Z y m N
existen s, r u
nicos tales que
t = sm + r,
0 r < m.
En el caso en que t < 0, tomando t = sm + r

t = sm r m + m = (s + 1)m + (m r),
(m r) es el nuevo residuo, cf. [2] o [5].
27
1. Fundamentos
Por ejemplo, si m = 3 la particion es

Z = A 0 A1 A2
Aj = {3t + j | t Z}
donde
j = 0, 1, 2.
Sea RA el conjunto de las relaciones de equivalencia en un conjunto A

y PA las particiones de A. Los teoremas anteriores muestran que existen
funciones
: RA PA
y
: PA RA ,
definidas por la asociacion natural.
Proposici
on 1.12.3 Sean , , RA , PA y A como arriba, entonces se tiene
a) = IRA ,
b) = IPA .
n.
Demostracio
a) Dada una relacion de equivalencia R en A, (R) es la particion
definida por las clases de equivalencia de A determinadas por R y
ciertamente (R) = R, ya que la definicion de establece que dos
elementos de A estan relacionados si pertenecen al mismo subconjunto
(estos subconjuntos son las clases de equivalencia de R).
b) Dada P una particion de A, (P ) es una relacion de equivalencia
cuyas clases de equivalencia son precisamente los subconjuntos de P
y se concluye que (P ) es de nuevo P. Esto se sigue, ya que por
definicion le asocia a (P ) la particion definida por sus clases de
equivalencia.

EJERCICIOS 1.12
1. Demuestre que la siguiente relacion es de equivalencia. Sea m N fijo,
se define una relacion R Z Z de la siguiente manera: (x, y) R si
x y = mt, t Z.
2. Describa la particion en Z inducida por la relacion de equivalencia descrita
en el Ejercicio 1. Pruebe sus afirmaciones.
3. Defina en R, x y, si xy Z, pruebe que esta relacion es de equivalencia, y demuestre que cada clase de equivalencia tiene un u
nico representante
en el intervalo [0, 1).
28
ricas y algebraicas
1.13. Estructuras nume
1.13.
Estructuras num
ericas y algebraicas
Las estructuras algebraicas mas elementales son las numericas, es decir, conjuntos de n
umeros que cumplen ciertos axiomas. Algunas de estas son:
los naturales
N = {1, 2, 3, ...},
el anillo de los n
umeros enteros
Z = {..., 2, 1, 0, 1, 2, ...},
el campo de los n
umeros racionales, denotados por Q,
Q =
na
a, b, Z,
b
o
b 6= 0 ,
el campo de los n
umeros reales
R = {A.b1 b2 b3 ...},
donde A Z y bj {1, 2, ..., 0}, i.e los n
umeros enteros con
expansiones decimales infinitas, y sin colas infinitas de nueves, estos
puntos se pueden pensar como los puntos de la recta,
el campo de los n
umeros complejos
C = {a + ib | a, b R},
donde i = (0, 1) satisface i2 = 1, estos puntos pueden pensarse
como los puntos del plano.
Una operacion binaria en un conjunto A es una funcion
: A A A.
29
1. Fundamentos
Por ejemplo, en los enteros la suma y el producto son operaciones binarias

que satisfacen ciertas propiedades.
SUMA
S1) a + b = b + a a, b Z (conmutatividad),
S2) (a + b) + c = a + (b + c) a, b, c Z (asociatividad),
S3) 0 Z a + 0 = a a Z
(existencia del neutro aditivo),
S4) a + (a) = 0 a Z (existencia del inverso aditivo).
PRODUCTO
P1) a b = b a a, b Z (conmutatividad),
P2) (a b) c = a (b c) a, b, c Z (asociatividad),
P3) 1 Z a 1 = a a Z
(existencia del neutro multiplicativo),
DISTRIBUTIVIDAD
D) a (b + c) = a b + a c a, b, c Z.
Estas propiedades implican otra.
DE LA SUMA
LEY DE LA CANCELACION
Si
a + c = b + c,
entonces a = b.
Esto ley se cumple, ya que (a + c) + (c) = (b + c) + (c) a = b.

Los n
umeros racionales, reales y complejos tambien cumplen estas propiedades
y otra mas:
P4) a a1 = 1 a 6= 0 (existencia del inverso multiplicativo).
30
ricas y algebraicas
1.13. Estructuras nume
De manera analoga a la suma se tiene la siguiente propiedad.

DEL PRODUCTO
Si a b = a c,
a 6= 0,
entonces b = c.
Esto se sigue, ya que a b = a c a1 (a b) = a1 (a c) b = c.

En estas estructuras (salvo en C) existe tambien una relacion de orden,
denotada por <, que satisface las siguientes cuatro propiedades:
a) si a < b
b < c, entonces a < c
(transitividad),
b) dados a y b se cumple una y solo una de las siguientes afirmaciones:

i) a = b,
ii) a < b,
iii) b < a,
a esta propiedad se le llama ley de tricotoma,
c) si a < b a + c < b + c
a, b, c
(compatibilidad del orden con la suma),
d) si a < b y 0 < c, entonces ac < bc
(compatibilidad del orden con el producto).
a, b, c
Una estructura algebraica que satisface S1), ..., S4), P 1), P 2), P 3) y D)
se le llama anillo conmutativo con unidad, si ademas cumple P 4) se le llama
campo.
Si un anillo cumple tambien las propiedades de orden se le llama anillo
ordenado, por ejemplo Z. Ejemplos de campos ordenados, son Q y R.
La estructura algebraica mas simple se le llama grupo, es un conjunto
G con una operacion binaria, que se le llama usualmente producto, de tal
manera que cada elemento tiene un inverso, existe un neutro, y el producto
es asociativo. Por ejemplo, el conjunto de biyecciones (funciones biyectivas)
de un conjunto cualquiera en s mismo constituye un grupo, donde el producto
es la composicion, lease de derecha a izquierda.
EJERCICIOS 1.13
1. Demuestre la u
ltima afirmacion de esta seccion.
Captulo 2
C
alculo combinatorio
Describiremos primero los conceptos del calculo combinatorio de manera intuitiva y posteriormente los estudiaremos rigurosamente.
2.1.
Ordenaciones con repetici

on (versi
on intuitiva)
Consideremos el conjunto A = {a, b, c}, al conjunto de palabras de dos

letras formadas con elementos de A se les llama ordenaciones con repeticion
de las letras a, b, c tomadas de dos en dos ( palabras porque no necesariamente se tiene vocal-constante, etcetera). Se les llama con repeticion ya que,
por ejemplo, puede aparecer aa .
En este caso hay 9 ordenaciones con repeticion, un metodo para obtener
todas se ilustra en la Figura 2.1.
a
a
b
c
aa ab ac
b
c
ab bb bc
ac bc cc
Figura 2.1: Tabla de ordenaciones con repeticion de dos elementos

Si tomamos ahora como ejemplo las trasmisiones telegraficas de dos sonidos:
uno corto denotado por y uno largo denotado por . A las se
nales de
un sonido se les puede considerar como las ordenaciones con repeticion del
conjunto A = {, } tomadas de uno en uno, estas son:
y
31
32
n intuitiva)
2.2. Ordenaciones (versio
Las se
nales de 2 sonidos seran las ordenaciones con repeticion tomadas
de 2 en 2, estas las podemos derivar de las de un sonido, como se muestra en
la siguiente tabla, el n
umero de ellas es 22 = 4.
Figura 2.2: Tabla de ordenaciones con repeticion de dos sonidos

Las de tres sonidos seran las ordenaciones con repeticion tomadas de tres
en tres, que a su vez se pueden derivar de la tabla anterior, el n
umero de ellas
es 24 = 8. Son todas, ya que cualquier se
nal de 3 sonidos consiste de una
de un sonido seguida de una de 2 sonidos.
Figura 2.3: Tabla de ordenaciones con repeticion de tres sonidos

umero de ordenaciones con repeticion de un
Se denotara por ORnm al n
conjunto de n elementos tomados de m en m. Se deduce de los ejemplos
anteriores que
OR32 = 32 ,
OR21 = 2,
OR22 = 22 ,
OR23 = 23 .
Probaremos posteriormente que ORnm = nm .
2.2.
Ordenaciones (versi
on intuitiva)
Supongamos ahora que se quiere formar palabras de 2 letras en {a, b, c},

pero con la condicion que estas sean distintas, se tienen 6 casos
ab, ac, ba, bc, ca, cb.
A estas palabras se les llamara ordenaciones del conjunto {a, b, c}, tomadas
de 2 en 2.
Si consideramos ahora el conjunto A = {a, b, c, d}, las ordenaciones de
A tomadas de dos en dos son 12:
ab, ac, ad, ba, bc, bd, ca, cb, cd, da, db, dc.
33
lculo combinatorio
2. Ca
Observese que el n
umero de ordenaciones es el n
umero de ordenaciones con
repeticion menos el n
umero de ordenaciones con letras repetidas.
En nuestro ejemplo, el n
umero de las ordenaciones es:
42 4 = 4(4 1) = 12.
umero de ordenaciones en un conjunto de n
Se denotara por Onm al n
elementos tomados de m en m. Observese que m n por que? Se sigue
de nuestros ejemplos que
O32 = 6,
Se probara que Onm =
O42 = 12.
n!
.
(nm)!
Consideremos ahora el siguiente problema, se tienen 4 lienzos de colores:

rojo, azul, verde y blanco Cuantas banderas tricolores se pueden formar? La
pregunta es equivalente a encontrar las ordenaciones de 3 en 3 del conjunto
{r, a, v, b}.
Un primer grupo de banderas sera,
rav, rab, rva, rvb, rba, rbv,
intercambiando el rojo con los otros 3 colores se obtienen todas las posibilidades, i.e., hay 24 banderas tricolores, lo cual coincide con nuestra formula
O43 =
2.3.
4!
= 24.
(4 3)!
Permutaciones (versi
on intuitiva)
A las ordenaciones de un conjunto de n elementos tomados de n en n se

les llama permutaciones de n elementos.
Por ejemplo: si A = {1, 2, 3}, las permutaciones de A son
123, 132, 213, 231, 312, 321.
Las banderas bicolores tambien se pueden pensar como permutaciones de
2 elementos, cuando se trabaja con solo 2 colores.
34
2.4. Combinaciones
La formula que probamos para el n

umero de ordenaciones exhibe como
caso particular el n
umero de permutaciones de un conjunto de n elementos.
Este n
umero, denotado por Pn , esta dado por
Pn = Onn =
n!
= n!.
(n n)!
Notese que esta formula se aplica a nuestros ejemplos.

r
Figura 2.4: Banderas bicolores con dos lienzos verde y rojo

Como un u
ltimo ejemplo calcularemos cuantos n
umeros de 4 cifras distintas se pueden formar con los digitos 1,3,7 y 8.
Los que empiezan con 1 son:
1378, 1387, 1738, 1783, 1837 y 1873,
intercambiando 1 con los otros 3 dgitos se obtienen un total de 24 i.e. 4!.
2.4.
Combinaciones
Definici
on 25 Sea A un conjunto de n elementos, a los subconjuntos de A
que tienen m elementos se les llama combinaciones de los n elementos de
A tomados de m en m.
Ejemplos
1. Sea A = {1, 2, 3, }, las combinaciones de A tomadas de 2 en 2 son:
{1, 2}, {1, 3} y {2, 3},
tomadas de 1 en 1 son:
{1}, {2} y {3},
tomadas de 3 en 3 son:
{1, 2, 3}.
35
lculo combinatorio
2. Ca
2. Si se tiene un grupo de 5 m
usicos y se quiere elegir un tro, el n
umero
posible de tros es el n
umero de combinaciones de un conjunto de 5
elementos tomados de 3 en 3; si los m
usicos son Andrea, Itzel, Laura,
Pedro y Juan, los tros posibles son:
{A, I, L}, {A, I, P }, {A, I, J}, {A, L, P }, {A, L, J},
{A, P, J}, {I, L, P }, {I, L, J}, {I, P, J}, {L, P, J},
por lo que se pueden formar 10 tros.
3. Si ahora se quiere elegir un tro entre Andrea, Itzel, Laura y Pedro las
posibilidades son :
{A, I, L}, {A, I, P }, {A, L, P }, y {I, L, P },
estas son cuatro, que es el mismo n
umero de posibilidades para elegir
una persona entre 4, i.e., elegir 3 de 4 es eliminar uno de 4.
Se probara que el n
umero de combinaciones de un conjunto de n elementos tomados de m en m esta dado por los coeficientes binomiales (del
teorema del binomio)
n!
,
(2.1)
m!(n m)!
Suponiendo cierto este hecho, usamos tambien el smbolo Cnm para denotar
el n
umero de estas combinaciones.
Habiendo probado la formula de las ordenaciones se demostrara que
Cnm =
Cnm Pm = Onm ,
lo cual implica la formula (2.1), y justifica el uso del smbolo Cnm como
n
umero de combinaciones, ya que
n!
.
Cnm m! =
(n m)!
La baraja inglesa provee de buenos ejemplos al analsis combinatorio,
se tienen 52 cartas, cada una con un n
umero y un palo, los n
umeros son
A, 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q y K, los palos son: {,
, y }, es decir,
diamantes, corazones, treboles y espadas (o pics), respectivamente.
Dado que una mano de poker consta de 5 cartas, el n
umero total de manos
es
52!
52 51 50 49 48
5
=
C52
=
= 52 51 10 49 2.
5!47!
5432
36
2.5. Funciones (2a visita)

Q
Figura 2.5: Ejemplos de cartas de baraja inglesa
2.5.
Funciones (2a visita)
Las funciones surgen en una infinidad de situaciones damos unos ejemplos.

1. Sea A el conjunto de alumnos de la primaria Benito J
uarez y B los
salones de dicha primaria, la asociacion que a cada alumno le asocia
su salon es una funcion (en la Facultad de Ciencias esta asociacion no
sera una funcion).
2. Sea A el conjunto de casas de la calle Uxmal y B = N, la asignacion
a cada casa de un n
umero oficial es una funcion. Las casas que tienen
2 n
umeros no seran ejemplo de funcion (por ejemplo, # 20 antes 5).
3. Las parejas ordenadas de n
umeros se pueden pensar tambien como
funciones, i.e., si A = {1er lugar, 2o lugar}, B = Z, entonces
(2, 5) o (7, 7) son funciones:
1er lugar 2,
2o lugar 5, etcetera.
4. Sea A un conjunto de 12 jugadores de Beisbol (numerados del 1 al
12) y B el conjunto de posiciones en dicho juego: lanzador, receptor,
primera, segunda y tercera base, jardineros izquierdo, derecho y central,
esto es,
B = {L, R, Pb , Sb , Tb , JI , JD , JC }.
Si el capitan asigna a cada posicion un jugador esta formando una
funcion, digamos
L 7
R 11
Pb 1
Sb 2
Tb 6
JI 5
JD 4
JC 10.
37
lculo combinatorio
2. Ca
5. La funcion f : Z Z, dada por f (n) = n3 .

En los ejemplos anteriores siempre se menciono:
a) un conjunto A (el dominio) de: alumnos, casas, 1o y 2o lugar, posiciones de baseball y los n
umeros enteros Z,
b) otro conjunto B (el codominio) al cual se le asocian los elementos de
A: salones, n
umeros naturales, n
umeros enteros, jugadores y de nuevo
n
umeros enteros,
c) una forma de asociacion que a cada elemento de A le asigna un u
nico
elemento de B. A esta se le llama regla de correspondencia.
Como se menciono, estas funciones se designan por
f : A B,
y f (a) = b, si b B es el elemento de B asociado a a. Por ejemplo,
f (2) = 8, en el ejemplo 5.
Otros ejemplos
1. Sean A = {x, y, z} y B = {1, 1}, la funcion f : A B dada
por f (x) = 1, f (y) = 1, f (z) = 1, se puede expresar como

f =

Una expresion de la forma
x y z
1 1 1
x x z
1 1 1

.

no sera funcion.
2. Un problema que puede ser relevante, es saber cuantas funciones hay de

un conjunto en otro. Una ejemplo trivial pero didactico es la siguiente:
Cuantas banderas bicolores se pueden formar con 3 colores: verde,
blanco y rojo? Esta pregunta se puede expresar en terminos de funciones como sigue. Sean A = {1, 2} y B = {v, b, r}, donde 1 se
refiere el lugar izquierdo de la bandera y 2 al derecho. De esta manera
las banderas son funciones.
38
2.6. Funciones (2a visita)
Figura 2.6: Bandera bicolor

Por ejemplo, la bandera en la Figura 2.3 esta representada por la
funcion

1 2
,
v b
las demas son

1 2
v r

1 2
b v

1 2
b r

1 2
r v
1 2
r b

1 2
v v

1 2
b b

1 2
r r

,
sin embargo las u

ltimas 3, aunque son funciones, no representan banderas bicolores, i.e. hay 6 banderas bicolores.
EJERCICIOS 2.5
1. Interprete como funcion el resultado de un examen en un grupo de 20
alumnos.
2. Que diagramas son funciones en la Figura 2.7.
a)
b)
c)
Figura 2.7: Cuales son funciones?
39
lculo combinatorio
2. Ca
2.6.
Funciones inyectivas,
biyectivas (2a visita)
suprayectivas y
Recordamos las definiciones. Sea f : A B una funcion.

a) Se dice que f es inyectiva si a1 , a2 A a1 6= a2 , se tiene
f (a1 ) 6= f (a2 ).
b) Se dice que f es suprayectiva si y B, existe x A f (x) = y.
c) Se dice que f es biyectiva si es inyectiva y suprayectiva.
Ejemplos
1. El problema de buscar banderas bicolores con los colores {v, b, r} se
puede reformular y afirmar que hay 6 al ser este el n
umero de funciones inyectivas que hay del conjunto A = {1, 2} en B = {v, b, r}.
Observese que de las 9 funciones establecidas en dicho ejemplo ninguna
es suprayectiva por que?
2. Considerese los conjuntos A = {x, y, z} y B = {7, 8}, hay 8 funciones de A en B :

x y z
7 7 7
x y z
7 7 8
x y z
7 8 7
x y z
7 8 8
x y z
8 7 7
x y z
8 7 8
x y z
8 8 7
x y z
8 8 8

.
Observese que este procedimiento es el mismo que el de encontrar las

ordenaciones con repeticion de un conjunto de 2 elementos tomados de
3 en 3, se tena OR23 = 23 , ninguna de estas funciones es inyectiva, y
todas salvo la primera y la u
ltima son suprayectivas.
En general, si f : A B, A tiene n elementos y B m elementos,
y n > m, entonces f no puede ser inyectiva por que?
40
2.7. Funciones inyectivas,
suprayectivas y
biyectivas (2a visita)
Observese que una funcion es:

a) inyectiva, si a elementos distintos del dominio le corresponden elementos distintos del codominio,
b) suprayectiva, si su imagen es el codominio,
c) biyectiva, si a cada elemento del codominio le corresponde uno y solo
un elemento en el dominio.
Definici
on 26 Sea f : A B una funci
on, el subconjunto de B
{y B | x A f (x) = y},
se llama la imagen de f y se denota por Imf .
Ejemplo: sea f : R R, f (x) = 2x + 1, f es inyectiva ya que
si f (x1 ) = f (x2 ), se tiene 2x1 + 1 = 2x2 + 1 y x1 = x2 . Tambien es
suprayectiva, ya que si y R f (x) = 2x + 1 = y si y solo si x =
y1
2
i.e. f ( y 2 1 ) = 2( y 2 1 ) + 1 = y.
Notese que si se tienen dos funciones g : A B y f : B C,
tales que f g es inyectiva, entonces g es inyectiva. Esto se sigue ya que si
g(x1 ) = g(x2 ), necesariamente f g(x1 ) = f g(x2 ) y x1 = x2 .
Tambien si f : A B y g : B C son tales que g f es
suprayectiva, entonces g es suprayectiva. Esto se sigue ya que dado z C,
x A g f (x) = z, por lo cual g(y) = z, donde f (x) = y.
Por otra parte si f : A B es suprayectiva y g, h : B C
son tales que g f = h f, entonces g = h. Para probar esto se toma
y B, entonces x A tal que f (x) = y y se tiene gf (x) = hf (x), i.e.,
g(y) = h(y).
EJERCICIOS 2.6
1. Pruebe que si si f : B C es inyectiva y g, h : A B son tales
que f g = f h, entonces g = h.
41
lculo combinatorio
2. Ca
2.7.
Ordenaciones con repetici

on (versi
on formal)
Definici
on 27 Sea A un conjunto de n elementos, las ordenaciones con
repetici
on de A tomadas de m en m son las funciones f : Im A,
donde Im = {1, 2, ..., m}.
Recordando el ejemplo de las se
nales de 2 sonidos, usando las sonidos ,
estas se pueden interpretar en terminos de funciones, como sigue

1 2 3
1 2 3
1 2 3
1 2 3

1 2 3
1 2 3
1 2 3
1 2 3
.

Como un segundo ejemplo consideremos la ordenaciones con repeticion del
conjunto A = {x, y, z} tomadas de 2 en 2, estas son:

1 2
1 2
1 2
1 2
1 2
x x
x y
x z
y x
y y

1 2
1 2
1 2
.
z x
z y
z z
1 2
y z
Observese que estas parejas son, en cierta manera, los elementos del producto cartesiano A A. Analogamente, las ordenaciones con repeticion de
3 en 3 del conjunto A son, en cierta manera, los elementos de A A A.
Algunas veces en lugar de escribir

1 2 3 n
a1 a2 a3 an
se escribe simplemente (a1 , a2 , a3 , ..., an ).
Definici
on 28 Sean f : A B, g : C B funciones, tales que
A C, . Supongase tambien que
f (x) = g(x)
x A.
Bajo estas hipotesis se dice que g es una extensi

on de f y que g restringida
a A, denotado por g | A, es igual a f (se escribe g | A = f ).
42
n (versio
n formal)
2.7. Ordenaciones con repeticio
Por ejemplo, si f : Z Z, f (n) = n2 y g : R R, g(x) = x2 ,

entonces g | Z = f .
Consideramos ahora un ejemplo que nos servira para entender la prueba
de que ORnm = nm .
Sean A un conjunto de 10 elementos, a y b dos elementos de A no
necesariamente distintos y f : I2 A f (1) = a y f (2) = b, es claro
que el n
umero de funciones que extienden f a funciones con dominio I3 son
10, ya que hay 10 maneras de elegir la imagen de 3.
Teorema 2.7.1 Sea A un conjunto de n elementos, y m n, entonces
ORnm = nm .
n. Induccion sobre m, donde n es fija.
Demostracio
Si m = 1
ORn1 = n,
ya que es el n
umero de funciones de I1 en A.
Suponemos cierto el teorema para m 1, se afirma que
ORnm = n ORnm1 .
La afirmacion implica el resultado ya que n nm1 = nm . Para probar
la afirmacion basta probar que dada f : Im1 A existen n funciones
que extienden f a funciones de Im en A, esto es claro ya que la imagen de
m puede ser cualquier elemento de A.

Definici
on 29 Sea A un conjunto, el producto cartesiano
{z A},
|A A
nveces
denotado por An , es el conjunto cuyos elementos son las n-eadas de elementos de A, es decir, elementos de la forma
(a1 , a2 , ..., an ),
ai A,
i {1, 2, ..., n}.
Por ejemplo: si n = 2, estas son las parejas ordenadas. Si n = 3 son

ternas ordenadas, etcetera. Si A = R, R3 = {(x, y, z) | x, y, z R}.
43
lculo combinatorio
2. Ca
Definici
on 30 Una correspondencia biunvoca entre 2 conjuntos A y B es
una funcion biyectiva f : A B.
Las observaciones anteriores muestran que si A es un conjunto de n
elementos, la cardinalidad de Am es precisamente el n
umero ORnm . Esto se
sigue ya que hay una correspondencia biunvoca entre las ordenaciones con
repeticion de A tomadas de m en m con los elementos de Am .
Si A = {a1 , ..., an }, esta correspondencia esta dada por

1 2 m
ai1 , ai2 , ..., aim ,
ai1 ai2 aim
aij A
2.8.
j.
Ordenaciones (versi
on formal)
Definici
on 31 Dado A un conjunto de n elementos y m n, las ordenaciones de los elementos de A tomadas de m en m son las funciones
inyectivas del conjunto Im en A.
Observemos que la inyectividad es la condicion que establece que no
haya repeticiones. Como ejemplo, consideremos las ordenaciones del conjunto
A = {a, b, c, d, e}, tomadas de tres en tres. Estas

se pueden pensar tambien
como palabras con 3 letras distintas.
Un metodo para encontrarlas es considerar, por ejemplo, la funcion inyectiva f : I2 A dado por

1 2
a e

.
Ahora la pregunta relevante es Cuantas funciones inyectivas hay de I3
en A que extiendan a f ? Estas

son

1 2 3
,
a e x
donde x = b, c, d, es decir hay 5-2 funciones. Se concluye que por cada
funcion inyectiva de I2 en A hay 3 de I3 en A.
44
n formal)
2.8. Ordenaciones (versio
Teorema 2.8.1 Sean n, m N, m n, entonces

Onm =
n!
.
(n m)!
n. Induccion sobre m. Sea A un conjunto de n elementos.

Demostracio
En el caso m = 1, es evidente que hay n funciones inyectivas de I1 en A
y se sigue que
n!
On1 =
.
(n 1)!
Suponemos cierta la formula para m 1
Onm1 =
n!
.
(n (m 1))!
El ejemplo anterior ilustra el paso inductivo. Dada cualquier funcion inyectiva f de Im1 en A, f se puede extender a n (m 1) funciones
inyectivas de Im en A, ya que al elemento m se le puede asociar cualquier
elemento que no sea la imagen de 1, 2, ..., m 1 (por la inyectividad).
En consecuencia
n!
Onm = (n (m 1)) Onm1 = (n (m 1))
(n (m 1))!
= (n m + 1)
n!
n!
=
(n m + 1)!
(n m)!

La formula en el Teorema 2.7.1 resuelve el siguiente problema Cuantas
placas de automovil hay que consten de 3 letras y 2 cifras?
3
Considerando 27 letras en el alfabeto, placas de 3 letras hay OR27
= 273 ,
2
y de 2 cifras hay OR10
= 102 , por cada ordenacion (con repeticion) en la
2
primera lista, esto es, la de las letras, se puede generar OR10
placas distintas,
lo cual muestra el caracter multiplicativo y es claro que el n
umero total de
placas es
3
2
= 273 102
OR27
OR10
Ejemplos
1. Cuantos n
umeros telefonicos de 6 cifras hay que comiencen con 5, 7, 2, 6
o 8?
5
De 5 cifras hay OR10
= 105 , considerando la 1a cifra se tienen 5 105 .
lculo combinatorio
2. Ca
45
2. Cuantas placas de automovil hay que consten de 2 letras y 3 cifras, si

la primera letra es K y la segunda una letra de la A a la D?
4 103 .
3. Cuantas placas de 7 cifras distintas pueden formarse si la 1a , la 2a y
la 5a son cifras pares?
Las posibilidades de ordenaciones tomadas de 3 en 3 con cifras pares son
O53 (lugares 1, 2 y 5). Fijando cualquiera de ellas, las posibilidades de
umeros, ya aparecen
ordenaciones que existen son O74 (puesto que 3 n
3
en los lugares 1,2 y 5) el n
umero total es O5 O74 .
EJERCICIOS 2.8
1. Sean B = {x, y, z} y f : I3 B tal que manda 1 y 2 en x y 3 en y,
Cuantas extensiones hay de f a I5 ?
2. Cuantos n
umeros telefonicos hay con tres n
umeros, no necesariamente
distintos, si exactamente dos de ellos son impares?
3. Cuantas placas de automovil hay de tres cifras y cuatro letras, si las cifras
son distintas?
4. Cuantas cifras de cuatro dgitos distintos hay, si exactamente dos de ellos
son impares?
5. Cuantas placas de cuatro n
umeros hay, que tengan al menos dos n
umeros
iguales?
2.9.
Permutaciones (versi
on formal)
Definici
on 32 Las permutaciones de un conjunto A son las funciones biyectivas de A en A.
Se demostro que si A es finito y f : A A es inyectiva, entonces f
es biyectiva.
Sean A = {a1 , a2 , .., an } y f : A A una permutacion, entonces se
puede identificar a f con la ordenacion g : In A dada por

1
2
n
g =
,
f (a1 ) f (a2 ) f (an )
y viceversa dada cualquier funcion inyectiva de In en A se le puede asociar
una u
nica permutacion de A.
46
2.10. Combinaciones y coeficientes binomiales
Por ejemplo, si A = {a, b, c}, las seis permutaciones de A son :

a b c
a b c

a b c
a c b

a b c
b a c

a b c
b c a

a b c
c a b

a b c
c b a

1 2 3
c a b

1 2 3
c b a
que se pueden indentificar con las ordenaciones

1 2 3
a b c

1 2 3
a c b

1 2 3
b a c

1 2 3
b c a
Dada esta correspondencia biunvoca se sigue del Teorema 2.8.1 que

Pn = Onn =
2.10.
n!
= n!.
(n n)!
Combinaciones y coeficientes binomiales
Recordamos la definicion de combinacion.

Definici
on 33 Sea A un conjunto de n elementos, y 0 m n, a los
subconjuntos de A que tienen m elementos se les llama combinaciones de
A tomadas de m en m. El n
umero de estas se denota por Cnm .
Probaremos ahora que Cnm es precisamente el coeficiente binomial
lo cual justifica el uso doble de este smbolo.
n!
,
(nm)!m!
Teorema 2.10.1 Sea A un conjunto de n elementos, entonces

Cnm Pm = Onm .
n. Sea S el conjunto de las ordenaciones de los elementos
Demostracio
de A tomados de m en m y T el conjunto de las combinaciones de los
elementos de A tomados de m en m. Observese que #S = Onm y #T = Cnm .
Sea : S T dada por

1 2 m
= {a1 , a2 , ..., am },
a1 a2 am
donde aj A j y ai 6= aj si i 6= j, esencialmente la funcion
olvida el orden. Claramente es suprayectiva, ya que dados m elementos
47
lculo combinatorio
2. Ca
distintos en A se puede contruir una funcion inyectiva de Im en A cuyas

imagenes sean estos elementos.
Ademas existen exactamente Pm ordenaciones a las que se les asocia la
misma combinacion. En consecuencia
Cnm Pm = Onm .
Observese que el teorema anterior establece que
Cnm =
Onm
n!
=
.
Pm
(n m)!m!
Un ejemplo que ilustra la u

ltima parte de la prueba del teorema anterior
es el siguiente.
Sea A = {a, b, c, ..., z} y consideramos las ordenaciones asociadas a la
combinacion {a, b, c}, estas son:

1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
.
a b c
a c b
b a c
b c a
c a b
c b a
A los n
umeros Cnm se les llama coeficientes binomiales ya que aparecen
en el desarrollo del binomio de Newton.
(a + b)n = Cno an + Cn1 an1 b1 + + Cnn bn
umero de subconjuntos que no tienen
Observese que Cno = 1, ya que el n
elementos del conjunto A = {a1 , a2 , ..., an } es uno, el vaco.
Teorema 2.10.2 Sean m, n, enteros no negativos, m n, entonces
Cnm = Cnnm .
n. Sea A un conjunto de n elementos, S las combinaciones
Demostracio
de A tomadas de m en m y T las combinaciones de A tomadas de n m
en n m.
Definimos una funcion : S T de la siguiente manera: a cada
combinacion {a1 , a2 , ..., am } en S se le asocia A {a1 , a2 , ..., am } en T,
i.e., su complemento.
Esta funcion es claramente inyectiva, ya que 2 subconjuntos distintos
de A tienen complementos distintos. Tambien es suprayectiva, ya que si
B A, entonces (B c ) = B.
48
Por lo tanto, es biyectiva y se sigue el teorema

#S = #T,
i.e.,
Cnm = Cnnm .

Otra prueba mas simple del teorema anterior, pero menos ilustrativa, es
la siguiente
n!
n!
=
.
(n m)! m!
(n (n m))! (n m)!
Definici
on 34 Sea B un subconjunto de A. Se define la siguiente funci
on
fB : A {0, 1}, llamada caracterstica, como sigue

1 si x B,
fB (x) =
0 si x 6 B.
Observese que la asociacion
B fB
es una biyeccion entre los subconjuntos de A y las funciones caractersticas
definidas en A, i.e. las funciones de A en {0, 1}. Si B1 6= B2 , es claro que
fB1 6= fB2 . Mas a
un, dada una funcion caracterstica g : A {0, 1},
esta viene del subconjunto que la define, i.e., si g 1 (1) = B, se sigue que
g = fB .
Teorema 2.10.3 Sea n un n
umero natural, entonces
Cn0 + Cn1 + + Cnn = 2n .
n. Observese que el miembro izquierdo es el n
Demostracio
umero total de
subconjuntos de un conjunto A de n elementos, por lo que se sigue de la
observacion anterior que es el n
umero de funciones de A en {0, 1}. Se afirma
n
que este n
umero es 2 , esto se puede probar por induccion sobre n. Si A
tiene un elemento hay 2 funciones de A en {0, 1}.
Suponiendo cierta la afirmacion para n1, i.e., si A = {a1 , a2 , ..., an1 }
hay 2n1 funciones de A en {0, 1}. Se sigue entonces que cada una de estas
funciones tiene dos extensiones a funciones de {a1 , a2 , ..., an } en {0, 1}, al
elemento an se le puede asignar el 0, o el 1 .
49
lculo combinatorio
2. Ca
Otra demostracion mas breve se sigue del teorema del binomio

n
(1 + 1) =
n
X
Cnj .
j=0
Terminamos esta seccion con una segunda demostracion de la formula del

triangulo de Pascal
r
Cnr1 + Cnr = Cn+1
.
Sea A = {1, 2, ..., n + 1}. Los subconjuntos de A con r elementos (que
r
son un total de Cn+1
) son de 2 tipos:
a) los que no contienen al elemento n + 1, de estos hay Cnr ,
b) los que contienen al elemento n + 1, estos quedan determinados por los
subconjuntos de {1, 2, ..., n} que contienen r 1 elementos, de estos
hay Cnr1 .
En consecuencia, se sigue la formula de Pascal.
C00
1
1
1
4
5
1
1
3
6
10
C10 C11
C20 C21 C22

1
4
10
C30 C31 C32 C33
1
5
C40 C41 C42 C43 C44
Figura 2.8: Triangulo de Pascal

El domino consta de 28 fichas cada una con dos lados, cada lado es blanco,
o tiene 1, 2, 3, 4, 5 o 6 puntos, por ejemplo,
,
1
Figura 2.9: Ejemplo de fichas de domino

Veamos por que son 28 fichas. En efecto, una ficha se puede pensar como
una ordenacion con repeticion de 2 lugares con 7 smbolos: blanco, o
,
, ,
50
i.e., son 72 , sin embargo las que no son dobles se repiten, por ejemplo,
=
Por lo que el n
umero de fichas es
49 7
+ 7 = 21 + 7 = 28.
2
Ejemplos
1. De un grupo de 20 personas debe elegirse un comite de 5 miembros
en el que debe estar Juan o Pedro, pero no ambos Cuantos comites
pueden ser electos?
4
maneras de elegir los otros 4
Excluyendo a Juan y a Pedro, hay C18
4
miembros, i.e., hay 2 C28 maneras.
2. En la baraja simplificada: 3 n
umeros y 2 palos Cuantas manos de 3
cartas hay que no tengan 2 cartas del mismo n
umero?
El n
umero es: manos posibles manos con un par. Ahora, hay C63
manos posibles. Por otro lado, las manos con un par se obtienen al
elegir un n
umero entre 3, i.e., hay C31 maneras, la 3a, carta se puede
elegir de 4 maneras distintas. Por lo que el n
umero total es
C63 3 4 =
6!
3 4 = 5 4 3 4 = 8.
3!3!
3. El domino consta de 28 fichas, una mano de domino consta de 7 fichas

Cuantas manos de domino hay?
7
El n
umero de manos son C28
.
4. Sea A un conjunto con n elementos, n 5 y x0 un elemento de A

Cuantos subconjuntos de A hay con 5 elementos, tales que contengan
al elemento x0 ?
4
El n
umero es Cn1
, ya que hay que seleccionar en un conjunto de n1
elementos 4 elementos.
5. Cuantas manos de Poker hay que no tengan dos cartas del mismo
n
umero?
51
lculo combinatorio
2. Ca
Se selecciona primero los 5 n

umeros distintos, estos son tantos como
5
umeros distintos, las posibilidades para los paC13 . Ahora dados 5 n
los son las ordenaciones con repeticion de un conjunto de 4 elementos
{, , , } tomados de 5 en 5. Fijando, por ejemplo 7,8,9,Q,K las
posibles manos con estos n
umeros corresponden a las palos distintos,
13! 5
5
OR45 = 5!8!
4 .
funciones de I5 en {, , , }. Por lo tanto hay C13
6. Cuantas manos de Poker hay que tengan exactamente un par?
1
Elegir un par es elegir un n
umero de 13, i.e., C13
, ahora hay 4 palos y
2
se deben tomar 2 de 4 i.e., C4 . Fijando este par se piensa cuantas
3
formas hay de elegir las otras 3 cartas, para esto hay C12
maneras
de elegir 3 n
umeros distintos (13 - 1 = 12), y para los palos, siguiendo
la tecnica del ejemplo 5, hay OR43 maneras de elegir los palos. Por lo
tanto el n
umero total es
4! 12! 3
1
3
4 = 13 12 11 10 43 .
C13
C42 C12
OR43 = 13
2!2! 9!3!
7. Cuantas manos de Poker hay que tengan 2 pares distintos, que no sea
full? (es decir una tercia y un par).
2
maneras de elegir 2 n
umeros distintos de 13, como en el ejemHay C13
2
plo anterior hay C4 maneras de elegir 2 palos para un par y C42 para
el otro. Finalmente hay 44 = 52 - 8 maneras de elegir la 5a carta, por
lo que el n
umero de manos es
2
44(C42 )2 C13
= 44
4!
4!
13!
= 22 36 13 12.
2!2! 2!2! 11!2!
8. Cuantas manos de Poker hay que tengan al menos 3 cartas del mismo
n
umero?
Calculamos independientemente el n
umero de tercias y de poker (4
cartas iguales). Hay 13 maneras de elegir un n
umero, C43 = C41 maneras
2
de elegir 3 palos de 4, y C48 maneras de elegir las 2 cartas restantes
(de 2 n
umeros distintos a la tercia), i.e., el n
umero de tercias es
13 4
48!
= 13 2 48 47.
46!2!
El n
umero de manos poker es 13 48 por lo que el n
umero total es
13 2 48 47 + 13 48 = 13 48 95.
52
9. Cuantas diagonales se pueden trazar en un polgono regular de n lados?

Por cada 2 vertices se puede trazar una diagonal, sin embargo el segmento de recta que une un vertice con su adyacente no es diagonal
el n
umero es
Cn2
n(n 1)
n!
n=
n=n
n=
(n 2)!2!
2
n 3
2 2

=
n(n 3)
.
2
10. Cuantas manos de domino hay que tengan exactamente 4 fichas dobles?
C74 son las posibilidades de elegir 4 n
umeros de 7 (fichas dobles), habiendo elegido las 4 dobles las 3 restantes se pueden elegir entre 21 (las
otras 3 dobles se excluyen).
3
.
la respuesta es C74 C21
11. Cuantas manos de domino hay que tengan por lo menos 3 fichas
dobles?
3
4
, etcetera,
, exactamente 4 hay C74 C21
Exactamente 3 dobles C73 C21
por lo que el total es
4
3
2
1
C73 C21
+ C74 C21
+ C75 C21
+ C76 C21
+ 1.
EJERCICIOS 2.10
1. De cuantas maneras se pueden distribuir 4 libros distintos entre 2 estudiantes?
2. Cuantas manos de Poker hay que tengan full, i.e, tercia y par?
3. Cuantas manos de Poker hay que tengan flor (todos los n
umeros del
mismo palo)?
4. Cuantas manos de Poker hay que tengan flor imperial, i.e., todas las
cartas del mismo palo, y los n
umeros cclicamente consecutivos?
5. Cuantos n
umeros telefonicos con cuatro cifras, no necesariamente distintas, hay, si exactamente dos de ellas son impares?
Captulo 3
El espacio vectorial Rn
3.1.
Vectores y sus operaciones
Definici
on 35 El producto cartesiano R R es el conjunto de parejas ordenadas (a, b), a R, b R, se le designa como R2 y se le identifica con
los puntos del plano.
(3, 2)
Figura 3.1: Puntos del plano cartesiano

A los elementos del plano o puntos de R2 se les llama vectores y a los
n
umeros reales se les llama escalares. Por ejemplo, el vector (3, 2) es el punto
descrito en la Figura 3.1. Se definen las siguientes operaciones en R2 .
1)
SUMA DE VECTORES
(a, b) + (c, d) = (a + c, b + d) (a, b), (c, d) R2 .

2)
PRODUCTO DE UN ESCALAR POR UN VECTOR
(a, b) = ( a, b) R y (a, b) R2 .
53
54
3.1. Vectores y sus operaciones
Si (a, b) es un vector, a la primera coordenada a se le llama abcisa y a

la segunda coordenada b se la llama ordenada.
Ejemplos
(1, 2) + (1, 2) = (0, 4),
(a, 0) + (0, b) = (a, b),
3(1, 2) = (3, 6),
b(0, 1) = (0, b).
Observese que (a, b) = a(1, 0) + b(0, 1). Exhibimos ahora una interpretacion geometrica de la adicion, para esto recordamos 2 hechos de la
geometra elemental.
C
m2
A
m1
m1
m2
Figura 3.2: Un cuadrilatero cuyas diagonales se encuentran en su punto medio

es un paralelogramo
I. Si las diagonales de un cuadril
atero se intersecan en su punto medio,
entonces es un paralelogramo.
Para probar este hecho, notese primero que el triangulo 4 A m C es
igual al triangulo 4 D m B y tambien que 4 A m D = 4 C m B. Esto
se sigue ya que tienen un lado com
un delimitado por lados iguales. Por
consiguiente, los angulos , que aparecen en la Figura 3.3, son iguales.
Lo cual implica que AC es paralela a BD, y que AD tambien lo es
a CB. De otra manera, por ejemplo, se toma la paralela a AC que
pasa por D, y al considerar angulos alternos internos, se llega a una
contradiccion.
55
m2
m2
m1
m1
m1
m1
m2
m2
Figura 3.3: Prueba de la afirmacion I

a
Figura 3.4: En un paralelogramo las diagonales se intersectan

en el punto medio
Observese que tambien es cierto el recproco, en un paralelogramo
las diagonales se intersecan en su punto medio. Esto se sigue, ya que
los 4 triangulos que se generan son iguales, dos a dos, al ser semejantes
y tener un lado com
un, vease la Figura 3.4.
II. Si A1 = (x1 , y1 ) y A2 = (x2 , y2 ) son 2 puntos del plano, entonces el
punto medio del segmento A1 A2 est
a dado por

x1 + x2 y1 + y2
,
.
m =
2
2
Por semejanza, en los trangulos descritos en la Figura 3.5, se sigue que
y2 y1
= 2,
y2 m2
i.e., y2 y1 = 2 (y2 m2 ),
donde m = (m1 , m2 ). En consecuencia, 2 m2 = y1 + y2 . Un argumento

similar prueba que tambien 2 m1 = x1 + x2 .
56
A2 = (x2 , y2 )
m = (m1 , m2 )
l1
l
l1
= 2
A1 = (x1 , y1 )
Figura 3.5: Punto medio de un segmento
GEOMETRICA
DE VECTORES
INTERPRETACION
DE LA ADICION
Dados vectores P = (a, b), Q = (c, d), el cuadril

atero formado por los
vectores O, P, Q y P + Q es un paralelogramo.
Esto se sigue, ya que si
P + Q = R = (a + c, b + d),
los puntos medios de OR y de P Q son iguales, ya que estos estan dados
por

a+c b+d
a+c+0 b+d+0
,
y
,
,
2
2
2
2
respectivamente, vease la Figura 3.6. Observese que la suma de los vectores,
P + Q es el vector determinado por la diagonal desde el origen a P + Q,
por lo que se le llama la resultante.
R=P +Q
Figura 3.6: Interpretacion geometrica de la adicion
57
P +Q
P
O
Figura 3.7: La resultante
GEOMETRICA
INTERPRETACION
DEL PRODUCTO ESCALAR POR UN VECTOR
Probamos primero un resultado. Recordamos que dados 2 puntos P = (x1 , y1 )

y Q = (x2 , y2 ), se define su distancia como
p
d(P, Q) = (x2 x1 )2 + (y2 y1 )2 .
La motivacion para esta definicion es, por supuesto, el teorema de Pitagoras.
Q
y2 y1
P
x2 x1
Figura 3.8: Distancia entre 2 puntos

Proposici
on 3.1.1 Sean P1 , P2 , P3 3 puntos del plano tales que P2 P2 P3 ,
entonces
d(P1 , P2 ) + d(P2 , P3 ) = d(P1 , P3 ).
n. Sean P2 P1 = (x1 , y1 ) y P3 P2 = (x2 , y2 ), entonces
Demostracio
p
p
d(P1 , P2 ) = x1 2 + y1 2 y d(P2 , P3 ) = x2 2 + y2 2 .
En virtud de la semejanza de triangulos en la Figura 3.9, se sigue que
y1
y2
y1 + y2
=
=
= .
x1
x2
x1 + x2
58
En consecuencia, se sigue el resultado, i.e.

p
p
p
x1 2 + y1 2 + x2 2 + y2 2 = (x1 + x2 )2 + (y1 + y2 )2 ,
ya que este es equivalente a la ecuacion
x1 1 + 2 + x2 1 + 2 = (x1 + x2 ) 1 + 2 .

P3
y2
P2
y1
P1
x1
x2
Figura 3.9: Proporcionalidad de las distancias en 3 puntos alineados

El recproco tambien es cierto como se muestra en el siguiente resultado.
Proposici
on 3.1.2 Si se cumple
d(P1 , P2 ) + d(P2 , P3 ) = d(P1 , P3 ),
(3.1)
entonces P2 P1 P3 .
P2
P3
P1
Figura 3.10: Prueba de la Proposicion 3.1.2

n. Si P2
Demostracio
/ P1 P3 probamos que no se cumple la igualdad
(3.1)
Si P2 esta en la misma lnea que P1 y P3 y P2
/ P1 P3 , por ejemplo,
P3
/ P1 P2 . No se puede cumplir (3.1), ya que en virtud de la Proposicion
3.1.1 se sigue d(P1 , P3 ) < d(P1 , P2 ), vease la Figura 3.10. El otro caso es
analogo.
59
P2
P2
P20
P3
P20
P3
P1
P1
Figura 3.11: Prueba de la Proposicion 3.1.2

Si P2 no esta en la recta determinada por el segmento P1 P3 , se tienen
otros dos casos, como se muestra en la Figura 3.11.
En el primer caso de la figura se cumple la igualdad para P20 , y por lo
tanto no se cumple para P2 (por el teorema de Pitagoras). En el segundo
caso de la figura tampoco, ya que d(P1 , P2 ) > d(P1 , P20 ) > d(P1 , P3 ). Un
argumento similar muestra tambien que no se cumple la igualdad, si P2 se
proyecta del lado de P1 .

Proposici
on 3.1.3 (Interpretaci
on geometrica del producto de un escalar
por un vector) Sean P 6= O y Q = P, puntos del plano, donde O = (0, 0)
y R, entonces
a) si 1,
P esta en el segmento OQ,
b) si 0 1,
c) si 0,
Q OP ,
O P Q.
Q = P
P
P
P
P
a)
>1
b)
0<<1
c)
Figura 3.12: 3 casos de la Proposicion 3.1.3
<0
3.2. Rn
60
n. Sean P = (a, b) y |P | = d(O, P ) i.e. |P | =
Demostracio
entonces
p
d(O, P ) = (a)2 + (b)2 = |||P |,
a2 + b 2 ,
y tambien
d(P, Q) =
p
(a a)2 + (b b)2 = |1 ||P |.
Consideramos casos.
Caso 1: 1. Se tiene
d(O, P ) + d(P, Q) = |P | + ( 1)|P | = P = |||P | = d(O, Q),
ya que 1, y por lo tanto P OQ (por la Proposicion 3.1.2).
Caso 2: 0 1. Se tiene
d(O, Q) + d(Q, P ) = |P | + (1 )|P | = |P | = d(O, P )
y Q OP .
Caso 3: 0. Se tiene
d(Q, O) + d(O, P ) = |P | + |P | = (1 )|P | = |1 ||P | = d(P, Q)
O QP .
3.2.
Rn
Definici
on 36 El espacio vectorial Rn es el conjunto de todas las colecciones ordenadas de n n
umeros reales (a1 , a2 , ..., an ), i.e.,
Rn = {(a1 , a2 , ..., an ) | ai R i {1, 2, ..., n}}.
Se tienen 2 operaciones:
SUMA
(a1 , a2 , ..., an ) + (b1 , b2 , ..., bn ) = (a1 + b1 , a2 + b2 , ..., an + bn ).
PRODUCTO POR ESCALARES
(a1 , a2 , ..., an ) = (a1 , a2 , ..., an ).

A los elementos (a1 , a2 , ..., an ) se les llama vectores, a los n
umeros reales
se les llama escalares.
61
PROPIEDADES
1. Conmutatividad
A+B =B+A
A, B Rn .
2. Asociatividad
(A + B) + C = A + (B + C)
A, B, C Rn .
3. Existencia del neutro aditivo

A+0=A
A Rn
donde 0 = (0, 0, ..., 0).
4. Existencia del inverso aditivo

A Rn existe B Rn
A + B = 0,
si A = (a1 , a2 , ..., an ), B = (a1 , a2 , ..., an ),
el inverso aditivo B se denota por A

Estas cuatro propiedades se derivan de las mismas leyes para los
n
umeros reales, por ejemplo,
(a1 , a2 , a3 ) + (b1 , b2 , b3 ) = (a1 + b1 , a2 + b2 , a3 + b3 )
= (b1 + a1 , b2 + a2 , b3 + a3 )
= (b1 , b2 , b3 ) + (a1 , a2 , a3 ).
5. Si A Rn y , R, entonces (A) = ()A.
n. Sea A = (a1 , a2 , ..., an ), entonces
Demostracio
(A) = (a1 , ..., an ) = (a1 , ..., an ) = ()A.
6. Si A, B Rn y R, entonces (A + B) = A + B.
n. Sean A = (a1 , a2 , ..., an ) y B = (b1 , b2 , ..., bn )
Demostracio
(A + B) =
=
=
=
[(a1 , ..., an ) + (b1 , ..., bn )]

((a1 + b1 ), ..., (an + bn ))
(a1 + b1 , ..., an + bn )
A + B.
3.3. Rn
62
7. Si A, B Rn , y , R, entonces ( + )A = A + A.
n.
Demostracio
( + )A =
=
=
=
( + )[(a1 , ..., an )]
(( + )a1 , ..., ( + )an )
(a1 + a1 , ..., an + an )
A + A.
8. Se tiene que 1 A = A A Rn .
n. 1 (a1 , ..., an ) = (1 a1 , ..., 1 an ) = (a1 , ..., an ) = A.
Demostracio
Definici
on 37 Un conjunto que satisface las propiedades 1 a 8 se le llama
espacio vectorial sobre los reales.
Notese que en Rn , tambien se cumple que A = (1)A, ya que
(1)A = (1)(a1 , ..., an ) = ((1) a1 , ..., (1) an )) = (a1 , ..., an ) = A.
Tambien, como 0[(a1 , ..., an )] = (0 a1 , ..., 0 an ) = 0, en Rn se cumple que
0 A = 0 A Rn .
Finalmente, notese que si A = 0, entonces = 0 o A = 0, donde
R y A Rn .
Esto se sigue, ya que si 6= 0, como A = (a1 , ..., an ) = 0, se sigue
que ai = 0 i, por lo que 1 ai = 1 0 = 0, y ai = 0 i.
De manera analoga se pueden definir espacios vectoriales sobre otros campos, por ejemplo
Cn = C
C}
| {z
nveces
es un espacio vectorial sobre C o

Qn = Q Q
|
{z
}
nveces
lo es sobre Q.
3.3.
63
Subespacios vectoriales
Definici
on 38 Sea W Rn , se dice que W es un subespacio vectorial de
n
R , si se cumplen las siguientes propiedades
a) 0 W,
b) A, B W, se tiene A + B W,
c) A W y R, se tiene A W.
Ejemplos
1. Sea W = {(x, y) R2 | x = 0}, i.e. W es el eje de las ordenadas en
R2 . Entonces W es un subespacio vectorial, ya que
a) 0 W,
b) si A, B W , entonces A = (0, y1 ) y B = (0, y2 ), por lo
que A + B = (0, y1 + y2 ) W,
c) si A W y R, entonces A = (0, y) y A = (0, y) W.
2. Sea W = {(x, y) R2 | (x, y) = (x0 , y0 ), R}, donde (x0 , y0 ) R2
es un vector fijo, entonces W es un subespacio vectorial de R2 :
a) 0 = 0(x0 , y0 )
0 W,
b) si A1 , A2 W , entonces A1 = 1 (x0 , y0 ) y A2 = 2 (x0 , y0 )

A1 + A2 = (1 x0 + 2 x0 , 1 y0 + 2 y0 ) = (1 + 2 )(x0 , y0 ) W,
c) si A W y R, entonces A = (x0 , y0 )
A = [(x0 , y0 )] = ()(x0 , y0 ) W.
W
(x0 , y0 )
Figura 3.13: La recta W = {(x, y) R2 | (x, y) = (x0 , y0 ), R} es un

subespacio vectorial de R2
64
3.3. Subespacios vectoriales
3. Sea W = {(x1 , x2 , x3 ) R3 | x1 = 0 = x2 }, entonces W es un

subespacio vectorial de R3 :
a) 0 W,
b) si (0, 0, x3 ) W y (0, 0, x03 ) W, se tiene (0, 0, x3 + x03 ) W,
c) si (0, 0, x3 ) W, entonces (0, 0, x3 ) = (0, 0, x3 ) W.
Figura 3.14: La recta W = {(x1 , x2 , x3 ) R3 | x1 = 0 = x2 } es un subespacio

vectorial de R3
4. El plano W = {(x1 , x2 , x3 ) R3 | x3 = 0}, es un subespacio vectorial
de R3 ; ya que 0 W, (x1 , x2 , 0)+(x01 , x02 , 0) = (x1 +x01 , x2 +x02 , 0) W
y (x1 , x2 , o) = (x1 , x2 , 0) W.
Figura 3.15: El plano W = {(x1 , x2 , x3 ) R3 | x3 = 0} es un subespacio

vectorial de R3
65
5. Sean A, B R3 y W = {x R3 | x = A + B, , R}, entonces W es un subespacio vectorial. Observese que W es el plano

generado por A y B, vease la Figura 3.16. Esto se sigue, ya que se
cumplen las 3 condiciones:
a) 0 = 0 A + 0 B
0 W,
b) si x1 W y x2 W, x1 = 1 A + 1 B y x2 = 2 A + 2 B,
entonces
x1 +x2 = 1 A+1 B +2 A+2 B = (1 +2 )A+(1 +2 )B W,
c) si x W y
t R, x = A + B, entonces se tiene que
t x = t (A + B) = (t )A + (t )B W.
A
B
W
Figura 3.16: El plano por el origen W en R3 dado por la siguiente ecuacion

{x R3 | x = A + B, , R} es un subespacio vectorial
6. 0 es un subespacio vectorial Rn :
0 + 0 = 0 y 0 = 0 R.
Recordamos que el producto punto de dos vectores en R3 , esta definido
por
(x1 , y1 , z1 ) (x2 , y2 , z2 ) = x1 x2 + y1 y2 + z1 z2 .
Analogamente, se define en R2 (o en Rn ). Este producto determina la perpendicularidad u ortogonalidad, como se muestra a continuacion.
Definici
on 39 Los vectores A y B en R2 (o R3 ) son ortogonales o perpendiculares, si |A B| = |A + B|, i.e., las magnitudes de sus diagonales
son iguales.
66
Teorema 3.3.1 Dos vectores A y B en R2 (o R3 ) son perpendiculares si

y solo si A B = 0.
n. |A + B|2 |A B|2 = 4 A B.
Demostracio

A
A+B
AB
B
Figura 3.17: Dos vectores son perpendiculares si y solo si

sus diagonales miden lo mismo
Ahora, si se tienen dos vectores A, B R3 de longitud unitaria, como en
la Figura 3.18. Aplicando el Teorema 3.3.1, se sigue que el vector A tB
es perpendicular al vector B si y solo si (A tB) B = 0. Esta condicion es
equivalente a su vez a que A B = t. Por otra parte, dicha ortogonalidad se
tiene si t = cos , vease la Figura 3.18. En consecuencia
A B = cos ,
por supuesto, A B = 0 = /2.
A
1
A tB
B
cos
Figura 3.18: Si |A| = 1 , |B| = 1 , t = cos ,

entonces A t B es perpendicular a B.
Ahora, la ecuacion de un plano en R3 esta dada por
(P P0 ) n = 0,
es decir,
[(x, y, z) (x0 , y0 , z0 )] (n1 , n2 , n3 ) = 0,
67
donde n = (n1 , n2 , n3 ) es una normal al plano y P0 = (x0 , y0 , z0 ) es un

punto del plano. Dicho de otra manera, la ecuacion general de un plano en
R3 esta dada por
ax + by + cz = d.
P
n
P0
Figura 3.19: Ecuacion general de un plano P en R3

p n = constante, donde n es la normal y p P
Otros ejemplos
1. Probamos que W = {(x, y) R2 | 2x 3y = 0} es un subespacio
vectorial de R2 :
a) 2 0 3 0 = 0
0 W,
b) si (x1 , y1 ) y (x2 , y2 ) W, se tiene 2x1 3x2 = 0 y 2x2 3y2 = 0

2(x1 + x2 ) 3(y1 + y2 ) = 0 (x1 + x2 , y1 + y2 ) W,
c) si (x, y) W y R, 2x 3y = 0
( x, y) W.
y = 23 x
2x 3y = 0
Figura 3.20: La recta W = {(x, y) R2 | 2x 3y = 0} es un subespacio

vectorial
68
2. Probamos que
W = {(x, y, z) R3 | 2x + y + z = 0, 3x 5y + z = 0}
es un subespacio vectorial en R3 . Notese que W es la interseccion de
2 planos distintos, por lo que es una recta. Como la interseccion de
subespacios vectoriales es un subespacio vectorial, basta probar que
W1 = {(x, y, z) R3 | 2x + y + z = 0}
y
W2 = {(x, y, z) R3 | 3x 5y + z = 0}
lo son. Probamos que W1 es un subespacio vectorial la prueba para
W2 es analoga.
a) Como 2 0 + 0 + 0 = 0,
0 W1 ,
b) si
2x1 + y1 + z1 = 0,
2x2 + y2 + z2 = 0
entonces
2(x1 + x2 ) + (y1 + y2 ) + (z1 + z2 ) = 0,
i.e., la suma de vectores en W1 esta en W1 ,
c) si 2 x + y + z = 0 y R, entonces 2 x + y + z = 0 y
( x, y, z) W1 .
EJERCICIOS 3.3
1. Pruebe que un plano en R3 por el origen , i.e., un conjunto de la
forma W = {(x, y, z) R3 | ax + by + cz = 0, a, b, c R} es un subespacio
vectorial.
2. Pruebe que W = {(x, y, z) R3 | 3x 3y + z = 0} es un subespacio
vectorial de R3 .
3. Pruebe que W = {(x1 , x2 , x3 , x4 ) R4 | x1 + x2 + x3 + x4 = 0} es un
subespacio vectorial.
4. Pruebe que la interseccion de 2 subespacios vectoriales en Rn es un
subespacio vectorial.
3.4.
69
Combinaciones lineales, dependencia e independencia lineal
Definici
on 40 Sean A1 , A2 , ..., An vectores en Rn , se dice que C Rn
es combinacion lineal de A1 , A2 , ..., An , si existen 1 , 2 , ..., n R
C = 1 A1 + 2 A2 + + n A n .
Ejemplos
1. El vector (4, 5) en R2 es combinacion lineal de A1 = (1, 1) y
A2 = (2, 1), ya que (4, 5) = 2(1, 1) + (3)(2, 1).
2. En R2 , (2, 1) no es combinacion lineal de los vectores (1, 0) y (2, 0),
esto se sigue ya que (1, 0) + (2, 0) = ( 2 , 0).
3. En R3 todo vector es combinacion lineal de los vectores (1, 0, 0), (0, 1, 0)
y (0, 0, 1):
(x, y, z) = x (1, 0, 0) + y(0, 1, 0) + z(0, 0, 1).
4. En Rn todo vector es combinacion lineal de los vectores canonicos
e1 , e2 , ..., en , donde ej = (0, 0, ..., 0, 1, 0, ..., 0):
| {z }
j-
esimo lugar
(x1 , x2 , ..., xn ) = x1 e1 + x2 e2 + + xn en .
5. Dados vectores A1 , A2 , ..., Ak , cualquiera de ellos es combinacion lineal
de los otros, por ejemplo
A1 = 1 A1 + 0 A2 + ... + 0 Ak .
6. 0 es combinacion lineal de cualquier conjunto de vectores A1 , A2 , ..., Ak :
0 = 0 A1 + 0 A 2 + + 0 Ak .
7. Si tanto C como D son combinacion lineal de A1 , ..., Ak , entonces
C + D tambien lo es:
C =
k
X
i=1
i Ai , D =
k
X
i=1
i Ai
C +D =
k
X
i=1
(i + i ) Ai .
70
8. En R3 todo vector (x, y, z) es combinacion lineal de (1, 0, 0), (1, 1, 0)

y (1, 1, 1).
Para probar este hecho se toma (x, y, z) R3 , se buscan escalares
1 , 2 , 3 tales que
(x, y, z) = 1 (1, 0, 0) + 2 (1, 1, 0) + 3 (1, 1, 1)
= (1 + 2 + 3 , 2 + 3 , 3 )
tomando 3 = z, se tiene 2 = y 3 = y z, y x = 1 + y z + z,
i.e. 1 = x y.
9. Se expresa al vector (8, 1) como combinacion lineal de (2, 1) y (3, 1).
Para esto, se buscan y tales que (8, 1) = (2, 1) + (3, 1) i.e.
(
8 = 2 + 3
1 =
8 = 2 + 3
3 = 3 3,
sumando tenemos 5 = 5, = 1 y = 2.
Definici
on 41 Dados vectores A1 , ..., Ak en Rn , al conjunto de combinaciones lineales de A1 , A2 , ..., Ak , es decir,
{1 A1 + 2 A2 + + k Ak | i R, i}.
se le llama el subespacio generado por A1 , A2 , ..., Ak , y se le denota por
< A1 , A2 , ..., Ak > .
Proposici
on 3.4.1 Dados vectores A1 , ..., Ak , entonces
W =< A1 , A2 , ..., Ak >
es un subespacio vectorial.
n. El vector nulo esta en W , ya que 0 = 0 A1 + + 0 An .
Demostracio
Ahora, si 1 A1 + + n An , 1 A1 + + n An W, entonces
(1 + 1 )A1 + + (n + n )An W,
y si R, se tiene
1 A1 + + n An W.
71
Dependencia lineal
Definici
on 42 Se dice que C Rn depende linealmente de A1 , A2 , ..., Ak ,
si C es combinacion lineal de A1 , A2 , ..., Ak i.e. si existen 1 , 2 , ..., k
R
C = 1 A1 + 2 A 2 + + k Ak .
Observese que C depende linealmente de A1 , A2 , ... , Ak , si y solo si
C < A1 , ..., Ak > .
Definici
on 43 Se dice que los vectores A1 , A2 , ..., Ak en Rn son linealmente dependientes, si alguno de ellos depende linealmente de los otros.
Por ejemplo, si A = (1, 1, 0), B = (4, 4, 0) y C = (0, 0, 7), entonces
A, B, C son linealmente dependientes, ya que B = 4 A + 0 C.
Observese que cuando se dice que uno de ellos depende linealmente de los
otros, no se tiene que necesariamente cada uno de ellos es combinacion lineal
de los otros, por ejemplo si A, B y C son como arriba, C no es combinacion
lineal de A y B.
Teorema 3.4.2 Sean A1 , A2 , ..., Ak vectores en Rn , entonces estos vectores
son linealmente dependientes si y s
olo si existe una combinaci
on lineal de
un coeficiente distinto de 0, i.e.
ellos igual a 0 con alg
1 A 1 + 2 A2 + + k Ak = 0
y j 6= 0 para alguna j {1, 2, ..., k}.
n.
Demostracio
) Si A1 , A2 , ..., Ak son linealmente dependientes, alguno de ellos, digamos
Aj , depende linealmente de los otros, i.e. existen 1 , 2 , ..., j1 , j+1 , ..., k
R, tales que
j1
k
X
X
Aj =
i Ai +
i Ai ,
i=1
i=j+1
y por lo tanto
1 A1 + + j1 Aj1 + (1)Aj + j+1 Aj+1 + + k Ak = 0.
72
) Viceversa, si existen 1 , 2 , ..., k R 1 A1 + 2 A2 + + k Ak = 0,

donde j 6= 0, entonces despejando se tiene

1
j1
j+1
k
Aj =
A1 + +
Aj1 +
Aj+1 + +
Ak .
j
j
j
j

Definici
on 44 Se dice que una colecci
on de vectores A1 , A2 , ..., Ak en Rn
son linealmente independientes, si no son linealmente dependientes.
Esta definicion se puede reformular como sigue: A1 , A2 , ..., Ak son linealmente independientes, si ninguno de ellos es combinacion lineal de los otros.
Corolario 3.4.3 Sean A1 , A2 , ..., Ak vectores en Rn . Entonces, estos
vectores son linealmente independientes si y s
olo si para toda combinacion lineal 1 A1 + + k Ak = 0, se tiene que i = 0 i.
n.
Demostracio
) Si A1 , A2 , ..., Ak son linealmente independientes, entonces no son linealmente dependientes. En consecuencia, se sigue del Teorema 3.4.1 que si
1 A1 + + k Ak = 0,
necesariamente i = 0 i.
) Si para toda combinacion lineal 1 A1 + + k Ak = 0, se tiene que
i = 0 i, se sigue del Teorema 3.4.2 que A1 , A2 , ..., Ak no pueden ser
linealmente dependientes i.e. son linealmente independientes.

Por ejemplo, en R2 los vectores (1, 0) y (1, 1) son linealmente independientes, en efecto si (1, 0) + (1, 1) = 0, entonces + = 0 y = 0,
por lo que = 0.
Notese que si un conjunto de vectores {A1 , A2 , ..., Ak } es linealmente
dependiente, entonces cualquier otro conjunto que lo contenga, por ejemplo
{A1 , A2 , . . . , Ak , Ak+1 , . . . , As } tambien es linealmente dependiente.
Esto se sigue ya que existen 1 , 2 , . . . , k R, alguno distinto de 0,
tales que 1 A1 + + k Ak = 0, por lo cual se tiene
1 A1 + + k Ak + 0 Ak+1 + . . . + 0 Ak+s = 0.
73
Ejemplos
1. Probamos que los vectores D1 = (1, 0, 0), D2 = (1, 1, 0) y D3 = (1, 1, 1)
son linealmente independientes en R3 :
si 1 D1 + 2 D2 + 3 D3 = 0, entonces
1 + 2 + 3 = 0,
2 + 3 = 0,
3 = 0,
y por lo tanto 1 , 2 , 3 = 0.
2. En Rn , los vectores D1 = (1 , 0 , . . . , 0), D2 = (1 , 1 , 0 , . . . , 0), . . . ,
Di = (1, . . . , 1 , 1, 0, . . . , 0), . . . , Dn = (1, . . . , 1)
|{z}
i-
esima coordenada
son linealmente independientes:

si
n
X
i Di = 0,
i=1
se tiene
1 + 2 + + n = 0,
..
.
2 + + n = 0,
..
.
n = 0,
y por lo tanto 1 , 2 , . . . , n = 0.
3. Probamos que en R2 los vectores (1, 1) , (2, 3) y (5, 2) son linealmente dependientes:
si 1 (1, 1) + 2 (2, 3) + 3 (5, 2) = 0, entonces
(
1 + 22 53 = 0,
1 + 32 + 23 = 0,
sumando se tiene 52 33 = 0, tomando 2 = 3 se obtiene 3 = 5.
Sustituyendo estos valores, por ejemplo en la primera ecuacion se tiene
1 + 6 25 = 0 y 1 = 19. Se concluye que los vectores son
linealmente dependientes, ya que 19(1, 1) + 3(2, 3) + 5(5, 2) = 0.
74
3.5. Bases
EJERCICIOS 3.4
1. Demuestre que en R2 todo vector es combinacion lineal de (1, 2) y (0, 1).
2. Exprese el vector (3, 4) como combinacion lineal de (1, 2) y (0, 1).
3. Dados u1 = (3, 1, 0), u2 = (0, 1, 0) y u3 = (5, 4, 0), exprese el vector u3
como combinacion lineal de los otros dos.
4. Probar que en R3 los vectores (2, 0, 0), (1, 3, 0) y (1, 2, 4) son linealmente
independientes.
5. Probar que en R3 los vectores (1, 0, 2), (1, 1, 0), (1, 0, 4) y (1, 1, 1) son
linealmente dependientes.
3.5.
Bases
Definici
on 45 Un conjunto {A1 , A2 , ..., Ar } de vectores en Rn se llama
base del subespacio vectorial W Rn , si
a) {A1 , A2 , ..., Ar } son linealmente independientes,
b) < A1 , A2 , ..., Ar > = W, i.e. A1 , A2 , ..., Ar generan W .
Ejemplos
1. Si e1 = (1, 0) y e2 = (0, 1), entonces {e1 , e2 } es una base de R2 ,
esto se sigue ya que e1 y e2 son linealmente independientes y generan
R2 : (x, y) = x e1 + y e2 .
2. Si D1 = (1, 0) y D2 = (1, 1), entonces {D1 , D2 } es una base de
R2 : si 1 (1, 0) + 2 (1, 1) = 0, entonces 1 = 2 = 0 y D1 , D2
son linealmente independientes. Ahora probamos que generan: dado
(x, y) R2 , se debe resolver el sistema (x, y) = 1 (1, 0) + 2 (1, 1),
es decir,
(
x = 1 + 2 ,
y = 2 .
El cual evidentemente tiene solucion.
3. En Rn los vectores canonicos e1 , e2 , ..., en , forman una base, donde
ei = (0, 0, ..., 0, 1, 0, ..., 0),
75
con coordenada i-esima igual a 1 y las demas 0. Estos son linealmente

n
X
independientes ya que si
i ei = 0, se tiene i = 0 i. Por
i=1
otra parte, se mostro en la seccion anterior que todo vector en Rn es

n
X
n
xi ei .
combinacion lineal de estos: si x = (x1 , ..., xn ) R , x =
i=1
4. Tambien los vectores D1 , D2 , ..., Dn forman una base de Rn , donde

D1 = (1, 0, 0, ..., 0), D2 = (1, 1, 0, ..., 0),...,Dn = (1, 1, 1, ..., 1).
Se mostro al final de la seccion anterior que en efecto estos vectores
son linealmente independientes, mostramos ahora que generan, dado
(x1 , x2 , ..., xn ) Rn se deben encontrar 1 , 2 , ..., n R
n
X
i Di = (x1 , ..., xn ),
i=1
esto es,
1 + 2 + + n
2 + + n
..
= x1 ,
= x2 ,
.
= ..
= xn ,
y la solucion esta dada por: n = xn ,

n1 + n = xn1 , i.e., n1 = xn1 xn ,
n2 = xn2 (xn1 xn ) xn = xn2 xn1 ,
n3 = xn3 (xn2 xn1 ) (xn1 xn ) xn = xn3 xn2 ,
inductivamente se sigue que nj = xnj xnj+1 (ejercicio).
5. Sea W = {(x, y, z) R3 | 2x + 3y z = 0}, W es un subespacio
vectorial con base {(1, 0, 2) , (0, 1, 3)}: por una parte los vectores son
linealmente independientes: (1, 0, 2) + (0, 1, 3) = 0 = = 0;
estos vectores tambien generan W , dado (x, y, z) W , se tiene
z = 2x + 3y, hay que probar
(x, y, z) = (1, 0, 2) + (0, 1, 3)
i.e. (x, y, z) = (, , 2 + 3), tomando = x y = y se sigue el
resultado.
76
3.5. Bases
6. Sea A Rn {0} y W = {x Rn | x = A, R}, entonces A

es una base de W : A es linealmente independiente ya que si A = 0,
entonces = 0, tambien genera ya que si y W, entonces y = A.
7. En R3 , W = {(x1 , x2 , x3 ) R3 | x3 = 0} es un subespacio vectorial
con base e1 = (1, 0, 0) y e2 = (0, 1, 0): ya se mostro que e1 y e2
son linealmente independientes, ahora dado (x, y, z) W se tiene
(x, y, z) = xe1 + ye2 .
Geometricamente es evidente que si A, B, C son vectores en R2 , (vease la
Figura 3.21) estos deben ser linealmente dependientes, probaremos esto de
manera formal y mas general.
B
C
A
Figura 3.21: En R2 cualesquiera 3 vectores

son linealmente dependientes
Teorema 3.5.1 Sea W un subespacio vectorial generado por k vectores,
entonces cualquier conjunto de k + 1 vectores en W es linealmente dependiente. Y por ende, cualquier otro conjunto de k + m vectores en W, m 1,
tambien es linealmente dependiente.
Antes de probar el teorema mostramos un ejemplo. Sea W un subespacio
vectorial generado por A1 y A2 en Rn y
B1 = 11 A1 + 1 A2 ,
B2 = 21 A1 + 2 A2 ,
B3 = 31 A1 + 3 A2 ,
donde alguna i 6= 0 (si i = 0 i son 3 vectores generados por un solo
vector, lo cual no es el planteamiento), digamos 1 6= 0, entonces
77
2
B
1 1
= (escalar)A1 ,
3
B
1 1
= (escalar)A1 ,
B2 = B2
B3 = B3
por lo que B2 y B3 son linealmente dependientes.Y en consecuencia, B1 , B2 ,

0
0
y B3 tambien lo son, ya que una combinacion lineal de B2 y B3 igual a 0,
con alg
un coeficiente distinto de 0, genera una analoga para B1 , B2 , B3 (el
0
0
coeficiente de B2 es el mismo que el de B2 , y tambien el de B3 es el de B3 ).
n del Teorema 3.5.1. Se prueba por induccion sobre k.
Demostracio
Si k = 1, W = {A | R}, donde A Rn {0} es un vector fijo.
Dados B1 y B2 W , B1 6= B2 , entonces
B1= 1 A y B2 = 2 A,
donde podemos suponer 1 6= 0 B2 = 2

mente dependientes.
1
B
1 1
y B1 , B2 son lineal-
Suponiendo cierto el resultado para k, ahora probamos para k + 1, sean

A1 , A2 , ...., Ak+1 vectores que generan W y B1 , B2 , ..., Bk+2 vectores en W,
entonces
B1
B1
..
.
=
=
+ +
+ +
11 A1
21 A1
1k Ak
2k Ak
+
+
..
.
1 Ak+1
2 Ak+1
Bk+2 = (k+2)1 A1 + + (k+2)k Ak + (k+2) Ak+1 .

Se tienen 2 casos:
Caso 1: alguna i 6= 0. Sin perder generalidad, se puede tomar 1 6= 0.
0
0
En este caso los vectores B2 , ..., Bk+2 , definidos por
0
B2 = B2
2
k+2
0
B1 , ... , Bk+2 = Bk+2
B1 ,
1
1
son k + 1 vectores que pertenecen al subespacio vectorial generado por

A1 , A2 , ...., Ak (analogamente al ejemplo, se elimin
o Ak+1 y B1 ).
0
0
Se sigue entonces de la hipotesis de induccion que B2 , ..., Bk+2 son linealmente dependientes, por lo que existe una combinacion lineal
0
1 B2 + + k+1 Bk+2 = 0
78
3.5. Bases
con alguna i 6= 0, substituyendo se tiene

2 B2 + + k+2 Bk+2 + (coef iciente)B1 = 0
B2 , ..., Bk+2 son linealmente dependientes.
Caso 2: i = 0 i. En este caso, B1 , B2 , ..., Bk+2 estan en el subespacio generado por A1 , ..., Ak , se sigue entonces de la hipotesis de induccion que B1 , B2 , ..., Bk+1 son linealmente dependientes, y por lo tanto
B1 , B2 , ..., Bk+2 tambien lo son.

Corolario 3.5.2 En Rn , cualquier conjunto de m
as de n vectores es linealmente dependiente.
n. La base canonica e1 , e2 , ..., en genera Rn .
Demostracio
Existencia de bases
Lema 3.5.3 Sea W un subespacio vectorial de Rn generado por los
vectores linealmente independientes B1 , B2 , ..., Bk . Sup
ongase tambien que
n
B R W , entonces B, B1 , B2 , ..., Bk son linealmente independientes.
n. Sea
Demostracio
1 B1 + + k Bk + B = 0
una combinacion lineal. Necesariamente = 0, ya que de otra manera
B W , por lo cual
1 B1 + ... + k Bk = 0.
Se sigue entonces que i = 0 i (ya que B1 , B2 , ..., Bk son linealmente
independientes),
{B, B1 , B2 , ..., Bk } son linealmente independientes.

Teorema 3.5.4 Sea W un subespacio vectorial de Rn y B1 , B2 , ..., Bk
vectores de W linealmente independientes, entonces existen vectores
Bk+1 , Bk+2 , ..., Bk+t
tales que
es una base de W .
B1 , B2 , ..., Bk , ..., Bk+t
79
n. Si B1 , B2 , ..., Bk generan W no hay nada que probar. De

Demostracio
otra manera, sea W1 =< B1 , B2 , ..., Bk > y Bk+1 W W1 , por el Lema
3.5.3
{B1 , B2 , ..., Bk , Bk+1 }
son linealmente independientes. Si estos generan W , ya terminamos, de otra
manera, sea Bk+2 W W2 , donde W2 =< B1 , ..., Bk+1 >, etcetera.
El proceso debe terminar antes de que k + t sea menor o igual a n, en
caso contrario se tendran mas de n vectores linealmente independientes en
Rn , lo cual contradice el Corolario 3.5.2.
Existe t N k + t n y los vectores {B1 , B2 , ..., Bk+t } forman
una base de W .

Corolario 3.5.5 Todo subespacio vectorial de Rn (distinto de 0 ) tiene una
base.
n. Si W 6= 0, entonces existe A W A 6= 0, como {A}
Demostracio
es linealmente independiente, el resultado se sigue del Teorema 3.5.4.

n
dimensio
Teorema 3.5.6 Todas las bases de un subespacio vectorial W de Rn tienen
el mismo n
umero de elementos.
n. Sean {A1 , ..., Ak } y {B1 , ..., Bt } dos bases de W , hay
Demostracio
que probar que k = t.
Como A1 , A2 , ..., Ak generan W y B1 , B2 , ..., Bt son linealmente independientes, se sigue del Teorema 3.5.1 que t k (si t > k dicho teorema
dice que B1 , B2 , ..., Bt son linealmente dependientes).
Aplicando el mismo argumento al reves se tiene k t.

Definici
on 46 Sea W un subespacio vectorial de Rn , se define su dimensi
on como el n
umero de elementos de cualquier base.
Ejemplos
1. R tiene dimension 1, R2 dimension dos, R3 dimension tres y Rn
dimension n.
80
3.5. Bases
2. Cualquier recta por el origen en R2 tiene dimension 1. Una recta con

estas caractersticas es de la forma
L = {(x0 , y0 ) | R},
donde (x0 , y0 ) L {0} es un vector fijo.
3. Si se toma el vaco como base de {0}, entonces {0} tiene dimension
0 (el n
umero de elementos de la base es 0). De otra manera, se puede
convenir que su dimension es 0.
4. En R3 las rectas por el origen tienen dimension 1 y los planos dimension 2 : si P es un plano por el origen en R3 , sea A1 6= 0, A1 P ,
debe existir tambien A2 P < A1 >, ya que de otra manera P
es una recta. Se afirma que P = < A1 , A2 >; esto se sigue ya que si
A3 P < A1 , A2 >, se sigue del Lema 3.5.3 que A1 , A2 y A3 son
linealmente independientes, y entonces P = R3 (de otra manera existe
A4 R3 < A1 , A2 , A3 >, y R3 , tendra dimension mayor a 3).
5. En Rn se les llama rectas por el origen a los subespacios de dimension
1, planos por el origen a los subespacios de dimension 2, hiperplanos
a los subespacios de dimension k, 2 < k < n, y subespacios de codimension 1, a los de dimension n 1 en Rn .
EJERCICIOS 3.5
1. Acabar los argumentos formales en el ejemplo 4 antes del Teorema 3.5.1.
2. Sea W = {(x, y, z) R3 | 5x + y + z = 0}, encuentre una base de W y
pruebe que en efecto lo es.
3. Sea W = {(x1 , x2 , x3 , x4 ) R4 | x1 + x2 + x3 + x4 = 0}, encuentre una
base de W , verifique formalmente.
4. Encuentre una base para la recta,
W = {(x, y, z) R3 | 2x y z = 0, 3x + y 2z = 0}.
Justifique rigurosamente sus afirmaciones.
5. Encuentre una base para el plano
W = {(x1 , x2 , x3 , x4 ) R4 | 2 x1 + x2 x3 + x4 = 0, x1 x2 x3 + 5x4 = 0}.
Verifique formalmente.
Captulo 4
Matrices y determinantes
4.1.
Definiciones
En las matematicas aparecen frecuentemente arreglos rectangulares de n

umeros.
Por ejemplo, al estudiar un sistema de ecuaciones lineales
a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn = b2

..
..
.
.
a x + a x + + a x = b ,
m1 1
m2 2
mn n
es natural considerar el siguiente arreglo de n

umeros
a11 a12 a1n

a21 a22 a2n
..
.. .
.
.
(4.1)
am1 am2 amn
Este tipo de arreglos se llaman matrices, las hileras verticales se llaman

columnas y las horizontales renglones, en este caso tiene m renglones y n
columnas, se dice que se trata de una matriz de m n. Tambien con los
terminos constantes del sistema se obtiene una matriz de m 1.
b1
b2
.. .
.
bm
81
82
4.1. Definiciones
Por ejemplo, al sistema
3x 2y + z = 0
y 3z = 7
2x + 7y
= 4,
se le asocian las matrices
3 2 1
0 1 3
2 7
0
0
7
4
Los elementos que forman una matriz se toman en un anillo como Z, o en

un campo como en Q, R, o C. El smbolo aij denotara el n
umero ubicado
en el renglon i y la columna j. Por ejemplo en la matriz de 3 3 descrita
anteriormente a2 3 = 3. Una matriz de n n se le llama cuadrada, a los
elementos de una matriz cuadrada de la forma ajj , se les llama diagonales.
Una matriz cuadrada se llama diagonal si sus u
nicos elementos distintos de
0 son los diagonales, por ejemplo

5 0 0
4 0
o 0 6 0
0 1
0 0 0
Sean aij , las entradas de una matriz cuadrada 1 i n, y 1 j n.
Notese que si i > j, aij esta abajo de la diagonal, y si i < j, entonces aij
esta arriba de la diagonal. Para constatar este hecho considerese el renglon
i 2 y la primera columna, esto es abajo de la diagonal, moviendose de
columna en el mismo renglon, el n
umero de columna crece, en la diagonal es
igual a i, etcetera.
Definici
on 47 Una matriz cuadrada se le llama triangular si todas las entradas de arriba (o todas las de abajo) de la diagonal son 0.
Por ejemplo, las siguientes matrices son triangulares
1 0 0
5 2 0 triangular superior,
0 1 3

2 1
0 3

triangular inferior.
83
Observese que si A es una matriz de mn como en (4.1), a los renglones

de A se les pueden asociar
R1
R2
..
.
= (a11 ,
= (a21 ,
a12 , . . . ,
a22 , . . . ,
a1n )
a2n )
..
.
(4.2)
Rm = (am1 , am2 , . . . , amn ),

que son m vectores en Rn , llamados vectores renglon; y a las columnas se
les puede asociar
C1 = (a11 , a21 , . . . ,
C2 = (a12 , a22 , . . . ,
..
.
am1 )
am2 )
..
.
(4.3)
Cn = (a1n , a2n , . . . , amn ),

que son n vectores en Rm , llamados vectores columna.
Si una matriz B se obtiene de otra A eliminando algunos renglones y/o
columnas se dice que B es una submatriz de A.
4.2.
El rango de una matriz
Definici
on 48 Sea A la matriz definida en (4.1), se define el rango de A
como la dimension del subespacio vectorial en Rn generado por los vectores
rengl
on, i.e los descritos en (4.2).
Se probara, al final del captulo, que esta dimension es la misma que la del
subespacio vectorial en Rm generado por los vectores columna. Observese
que si r es el rango, entonces r m (ya que son m vectores renglon) y
tambien r n ( ya que estos vectores viven en Rn ).
Por ejemplo, el rango de la siguiente matriz es 2
1 0 0
0 1 0 ,
4 4 0
y de esta otra es 3
1 2 3 4
0 2 4 5 .
0 0 2 1
84
4.2. El rango de una matriz
Operaciones elementales
A continuacion se definen ciertas operaciones llamadas elementales para renglones (tambien se puede hacer lo mismo para columnas).
1:
OPERACION
intercambio de renglones.
2:
OPERACION
multiplicaci
on de un rengl
on por un escalar distinto
de 0.
3:
OPERACION
sumar un rengl
on a otro.
Definici
on 49 Dos matrices A y B son equivalentes si se puede obte
ner una de otra mediante un n
umero finito de operaciones elementales, se
escribira A B. Observese que es de equivalencia (ejercicio).
Ejemplo de operacion 1:

1 3 0
4 7
,
4 7
1 3 0
de operacion 2:
1 0 4
3 0 12
2 1 3 2 1 3 ,
1 1 2
1 1 2
de operacion 3:

1 3 0
4 7
5 +3 7
4

.
Otros ejemplos:
x1 x2
x1 x2
x1 + y1 x2 + y2
y1 y2 y1 y2
y1
y2
z1 z2
z1
z2
z1
z2
x1 + y1 + z1 x2 + y2 + z2
,
y1
y2
z1
z2
es decir usando operaciones elementales, a un renglon se le puede sumar una
combinacion lineal de otros renglones.
85
Este procedimiento permite hacer ceros, por ejemplo:
1 2 3
1 2
3
1 2
3
2 1 1 0 3 5 0 3 5
3 0 1
3 0
1
0 6 8
Observese que siempre se puede hacer 0 debajo de una entrada distinta
de 0 (si las entradas estan en un campo), por ejemplo si a1 6= 0,

a1 a2 a3
1 a2 /a1 a3 /a1
1
b1 b2 b3 b1
b2
b3 0
c1 c2 c3
c1
c2
c3
0
Teorema 4.2.1 Las operaciones elementales no alteran el rango y por consiguiente 2 matrices equivalentes tienen el mismo rango.
n. Sean R1 , R2 , . . . , Rm los vectores renglon de una matriz
Demostracio
A, entonces el rango de A resulta ser la dimension del subespacio vectorial
W , generado por estos vectores, i.e. W = < R1 , R2 , . . . , Rm >. Hay que
probar que cada una de las 3 operaciones no altera el rango:
La operacion 1 ciertamente no lo cambia (ya que al intercambiar 2 renglones el espacio W no cambia).
Con respecto a la operacion 2, si multiplicamos Ri por , se tiene
< R1 , R2 , . . . , Rm > = < R1 , . . . , Ri , . . . , Rm >, ya que los vectores que generan el primer subespacio estan el el segundo, y viceversa,
Ri =
1
(Ri ).
Finalmente, en cuanto a la operacion 3, si

W 0 = < R1 , . . . , Rj1 , Ri + Rj , Rj+1 , . . . , Rm >,
ciertamente W 0 W, ya que todas las combinaciones de los vectores que
definen W 0 , lo son tambien de R1 , R2 , . . . , Rm . Finalmente, para probar que
W W 0 , basta probar que Rj W 0 , lo cual se sigue de la identidad
Rj = (Ri + Rj ) Ri .
86
4.2. El rango de una matriz
Observese que la prueba del teorema anterior muestra algo mas general:
El subespacio vectorial generado por los vectores rengl
on no se altera bajo las
operaciones elementales, i.e. es invariante. Este teorema permite calcular el
rango de una matriz al transformarla mediante operaciones elementales en
otra, para la cual es facil calcular el rango.
Definici
on 50 Una matriz es escalonada si la primera entrada distinta de
cero de cada renglon esta m
as a la derecha de la primera entrada distinta de
cero del renglon anterior.
Ejemplos de matrices escalonadas:

0 2 5 3
1 3 4
9 4 0
,
, 0 0 1 2 .
0 0 0 1
0 1 0
0 0 0 8

0 1 4 1 1
Por otra parte, la matriz
no es escalonada.
0 3 0 0 0

Lema 4.2.2 En una matriz escalonada, los vectores rengl

on distintos de 0
son linealmente independientes.
Antes de probar el lema exhibimos
1 1 1
0 1 1
0 0 0
0 0 0
un ejemplo:
1 1
1 1
,
1 1
0 0
entonces
1 (1, 1, 1, 1, 1) + 2 (0, 1, 1, 1, 1) + 3 (0, 0, 0, 1, 1) = 0,
por lo cual
= 0
1
1 + 2
= 0
1 + 2 + 3 = 0,
y 1 , 2 , 3 = 0.
n del lema. En una matriz de m n sean
Demostracio
1 j1 < j2 < < jk n,
k n,
87
tales que j1 es el n
umero de columna donde aparece el primer n
umero 6= 0
del 1er renglon, j2 el n
umero de columna donde aparece el primer n
umero
6= 0 del 2o renglon, etcetera.
Ahora si
1 R1 + 2 R2 + + m Rm = 0,
donde Ri son los vectores renglon de la matriz. Considerando la ecuacion
escalar determinada por la coordenada j1 , se tiene 1 = 0. Con la definida
por la coordenada j2 , se obtiene 1 a1j2 + 2 a2j2 = 0, por lo que 2 = 0,
etcetera.

Por consiguiente, para calcular el rango de una matriz basta transformarla
mediante operaciones elementales en un escalonada y contar los renglones de
esta distintos de 0.
Ejemplos
1. Sea
1 1 3 5
2 3 4 10
A =
3 3 9 15 ,
3 3 6 4
haciendo ceros debajo de la entrada a11 , se

1 1 3 5
1
0 1 2 0 0
A
0 0
0
0 0
0 0 15 11
0
por lo que A tiene rango 3.
0 1
2
0 1 2
2. Sea A la matriz
0 0
0
0 1
2
0 1 2 3 1 0
0 0 0 1 3 1
A
0 0 0 2 0 1
0 0 0 1 3 1
i.e A tiene rango 3.
3
4
2
2
1
2
0
4
tiene
1 3 5
1 2 0
,
0 15 11
0
0
0
0
1
,
1
1
0
0
0
0
1
0
0
0
2 3 1 0
0 1 3 1
,
0 0 6 3
0 0 0 0
88
4.3. Permutaciones
EJERCICIOS 4.2
1. Calcular el rango de las siguientes matrices
2 0 1 1 3
1 2 3
1 1 2 0
1 2 1 1
2
4 2 1 , 2 3 1 4 ,
1 1 1
2
4
3 0 1
1 5 0 2
3 0 1
1 1
2. Pruebe que la relacion definida en la Definicion 49 es de equivalencia.
4.3.
Permutaciones
Recordamos que una permutacion de In = {1, 2, . . . , n} es una funcion

biyectiva de In en In y que hay n! permutaciones de In . El conjunto de
ellas, se denota por Sn , por ejemplo

1 2
1 2
S2 =
,
,
1 2
2 1

1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
S3 =
,
,
,
,
,
.
2 1 3
2 3 1
3 1 2
3 2 1
1 2 3
1 3 2
Escribiremos para una permutacion Sn

1
2
n
=
(1) (2) (n)
o simplemente = ((1), (2), . . . , (n)).
Permutaciones pares e impares
Consideramos primero el siguiente ejemplo: sea

1 2 3 4 5 6 7
=
,
3 7 1 5 6 2 4
diremos que (2) = 7 y (3) = 1, en el 2o renglon forman una inversion,
ya que 2 < 3, pero (2) = 7 > (3) = 1, tambien (5) y (7) lo hacen.
Sin embargo, (3) y (6) no la forman, ya que (3) = 1 < 2 = (6). En
consecuencia, la definicion formal general es la siguiente.
Definici
on 51 Sea Sn , se dice que (i) y (j) forman inversi
on, si
i < j y (i) > (j).
89
Para contar el n
umero de inversiones de una permutacion dada basta
contar cuantos n
umeros mayores a un n
umero dado en el 2o renglon lo
preceden. En el ejemplo anterior a 1 lo preceden 3 y 7, a 5 el 7, a 6 el 7, a
2, lo hacen 3,7,5 y 6, y a 4, 7,5 y 6. Por lo que esta permutacion tiene 11
inversiones.
Definici
on 52 Se dice que una permutaci
on es par si tiene un n
umero par
de inversiones, e impar si este n
umero es impar (la paridad de la permutaci
on
es la propiedad de ser par o impar).
Por ejemplo, la permutacion (1 2 3 4 5) es par, ya que tiene cero inversiones y la permutacion (2 1 3 4 5) es impar, ya que tiene una inversion
((1) > (2)). Nuestro ejemplo original = (3 7 1 5 6 2 4) es impar, ya que
tiene 11 inversiones.
Transposiciones
Definici
on 53 Una transposicion es una permutaci
on que consiste de intercambiar 2 elementos.
Por ejemplo

1 2 3 4 5
1 5 3 4 2

.
Construiremos una nueva permutacion a partir de una permutacion dada, al

intercambiar dos elementos en el 2o renglon, i.e., si

1
2
n
=
(1) (2) (r) (s) (n)
y es la transposicion que intercambia (r) y (s), se obtiene una nueva
permutacion =

1
2
n
=
,
(1) (2) (s) (r) (n)
probaremos que si es par, entonces es impar, y que si es impar,
es par, i.e., y tienen paridad distinta.
90
4.3. Permutaciones
Por ejemplo, si

1 2 3 4 5 6 7
=
3 7 1 5 6 2 4

y =
1 2 3 4 5 6 7
3 7 5 1 6 2 4

,
se haba mostrado que tiene 11 inversiones, entonces tiene 12, ya que

tiene todas las de y una mas, 1 con 5.
Lema 4.3.1 Sea la permutaci
on obtenida de mediante la transposici
on
de 2 elementos consecutivos en el 2o rengl
on de , entonces y tienen
distinta paridad.
n. Probamos que si tiene k inversiones, entonces tiene
Demostracio
k 1 o k + 1 inversiones. Sean

1
2
j
j+1
n
=
(1) (2) (j) (j + 1) (n)
y

=
1
2
j
j + 1
n
(1) (2) (j + 1) (j) (n)

.
Todas las parejas que forman inversion en , tambien lo hacen en , salvo

(j) y (j + 1); estas lo forman en si y solo si no lo forman en .

Generalizamos ahora este resultado.
Teorema 4.3.2 Sea la permutaci
on obtenida de la permutaci
on me
diante la transposicion de 2 elementos en el 2o rengl
on de , entonces y
tienen distinta paridad.
n. El caso en los n
Demostracio
umeros que se transponen son consecutivos
se probo en el lema. Supongamos ahora que estos n
umeros estan separados
por s lugares, i.e,

1
2
r+s
n
=
, y
(1) (2) (r) (r + s) (n)

1
2
r
r + s
n
=
.
(1) (2) (r + s) (r) (n)
En el 2o renglon de podemos mover (r) a la derecha mediante s transposiciones de elementos consecutivos, hasta que ocupe el lugar (r + s),
obteniendose
91
1
2
r
r + s
n
(1) (2) (r + 1) (r) (n)

,
posteriormente mediante s 1 transposiciones de elementos consecutivos

podemos mover (r + s) a la izquierda, hasta que ocupe el lugar original
de (r), la permutacion obtenida es precisamente . Por lo tanto se puede
pasar de a mediante 2s 1 transposiciones de elementos consecutivos,
como la paridad cambia en cada paso y el n
umero de estos es impar, se sigue
el resultado.

Teorema 4.3.3 Sean Sn y m el n
umero de inversiones de , entonces
se puede expresar como composici
on de m transposiciones.
n. La siguiente representacion de ilustra la idea de la
Demostracio
prueba

=
.
x 1
Se mueve el 1 a la izquierda en el 2o renglon con transposiciones de elementos
consecutivos (todos estos n
umeros precedentes forman inversion con el 1),
hasta que ocupe el 1er lugar. Observese que este movimiento no altera las
inversiones que forman otros n
umeros distintos de 1 entre s. Posteriormente,
se repite el proceso con el 2 hasta obtener (1, 2, ...), etcetera. Se sigue que
m 1 = I, donde las j denotan las transposiciones descritas. Notese
que el n
umero de estos movimientos, i.e. m, es exactamente el n
umero de
inversiones de . Finalmente, = 1 m .

n
Inversa de una permutacio
Dada Sn , es una funcion biyectiva de In en In , por lo que existe
1 : In In y 1 Sn . Observese que (i) = k si y solo si 1 (k) = i.
Si

1
2
n
=
,
(1) (2) (n)
la inversa se puede expresar como

(1) (2) (n)
,
1
2
92
4.3. Permutaciones
o como
1
2
n
1
1
1
(1) (2) (n)
Por ejemplo, si

1 2 3 4
=
,
4 1 3 2

=
4 1 3 2
1 2 3 4

.

=
1 2 3 4
2 4 3 1

.
Observese que las transposiciones son involuciones, i.e., ellas son su propio
inverso, ya que si es una transposicion, entonces 2 = = Id.
Podemos enumerar

1 2 3
1 =
1 2 3

1 2 3
3 =
2 1 3

1 2 3
4 =
,
2 3 1

1 2 3
5 =
,
3 1 2

1 2 3
6 =
3 2 1
los inversos de los elementos de S3 .

1 2 3
1
= 1 ,
2 =
= 21 ,
1 3 2
= 31 ,
41
51

=

=
2 3 1
1 2 3
3 1 2
1 2 3

=

=
1 2 3
3 1 2
1 2 3
2 3 1
,
,
= 61 ,
por lo que 4 = 51 y 5 = 41 .
Observese que la asociacion 7 1 , es una biyeccion de Sn . Si ,
son distintas, entonces 1 y 1 lo son, y dada una permutacion Sn ,
es la imagen de su inversa bajo esta asociacion.
Proposici
on 4.3.4 Una permutaci
on es par si y s
olo si 1 lo es.
Consideremos primero un ejemplo:

1 2 3 4 5
5 1
1 5
1
=
, =
=
,
5 1
2 4
4 2
i.e (2) = 5 y (4) = 1, forman inversion en si y solo si 1 (1) = 4,
lo hace con 1 (5) = 2, en 1 . La relacion: el n
umero chico en el primer
renglon va al n
umero grande en el segundo renglon se preserva.
93
n de la Proposicio
n. La biyecion 7 1 en Sn preserva
Demostracio
inversiones:
i<j
y r = (i) > (j) = s
s<r
y 1 (s) = j > i = 1 (r),
i.e. las parejas que forman inversion en se corresponden de manera biunvoca con las que lo hacen en 1 . Por consiguiente, el n
umero de inversiones
1
de es el mismo que el de .

Notese que la inversion tambien se puede definir en terminos del 1er
renglon i < j y (i) > (j).
EJERCICIOS 4.3
1. Encuentra la paridad de las siguientes permutaciones
3 5 6 1 2 4
4.4.
1 7 8 2 4 3 5 6
Determinantes
El determinante es una funcion que le asocia a una matriz un n

umero. Estos
son muy importantes en matematicas, por ejemplo en el estudio de las ecuaciones lineales. En muchos casos, estos n
umeros representan el area o el volumen de los lugares geometricos asociados a sus vectores renglon, es decir los
correspondientes paralelogramos o paraleleppedos, como se muestra al final
de este captulo.
Definici
on 54 Se define el determinante de una matriz cuadrada
a11 a12 a1n

a21 a22 a2n
A = ..
.. . .
.. .
.
. .
.
an1 an2 ann
X
como
det A =
()a1(1) a2(2) an(n) ,
Sn
donde
(
() =
1
si es par,
1 si es impar.
94
4.4. Determinantes
En particular, para el caso n = 2, esta definicion es mas simple y familiar.

Definici
on 55 Sea

A=
a b
c d
una matriz con entradas reales, al n

umero ad bc se le llama determinante
de A y se le denota por det A o por |A|.
Ejemplos
1. Si

A=
a11 a12
a21 a22

,
entonces det A = a11 a22 a12 a21 , ya que las permutaciones de {1, 2} son

1 2
1 2
que es par, y
que es impar.
1 2
2 1
2. Calculamos el determinante de la matriz
a11 a12 a13

A = a21 a22 a23 .
a31 a32 a13
Calculamos

1 2
1 2

1 2
1 3

1 2
2 1

1 2
2 3

1 2
3 1

1 2
3 2
primero las permutaciones de {1, 2, 3}, y sus paridades.

3
es par (cero inversiones), genera el sumando a11 a22 a33 ,
3

3
es impar (una inversion), genera a11 a23 a32 ,
2

3
es impar (una inversion), genera a12 a21 a33 ,
3

3
es par (dos inversiones), genera a12 a23 a31 ,
1

3
es par (dos inversiones), genera a13 a21 a32 , y finalmente
2

3
es impar (tres inversiones), define el sumando a13 a22 a31 .
1
95
Por consiguiente,
det A = a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 .
Volviendo al caso general de matrices de n n, observese que los sumandos estan hechos por factores que son uno por cada renglon (ya que los
primeros subndices son 1, 2, . . . , n), y uno por cada columna. Esto se sigue
ya que los segundos subndices son (1), (2), . . . , (n), y es una permutacion.
Dada una matriz diagonal A, su determinante es a11 a22 . . . ann , i.e., el
producto de los elementos de la diagonal. Esto se sigue, ya que todos los
sumandos donde aparecen factores aj(j) con (j) 6= j son 0, esto es, la
u
nica permutacion que produce sumandos distintos de 0 es la identidad.
Proposici
on 4.4.1 Sea A una matriz tiangular A = (aij ), 1 i, j n,
entonces det A = a11 a22 ann .
n. Probamos la proposicion para triangulares superiores (eleDemostracio
mentos debajo de la diagonal son 0), el otro caso es analogo. Se afirma que
los sumandos donde aparece aj(j) , (j) 6= j son todos 0. Para probar la
afirmacion consideramos dos casos, donde es fija y no es la identidad.
Caso 1: j > (j). En este caso por ser A triangular superior aj(j) = 0,
y se sigue la afirmacion.
Caso 2: j < (j). En este caso, alguna otra i, de los primeros n naturales,
cumple i > (i). De otra manera, (n) n, y (n) = n. Asimismo
(n 1) n 1, por lo cual (n 1) = n 1, procediendo de esta manera,
se tiene (j) = j, lo cual contradice la hipotesis j < (j). Se concluye que
existe dicha i, y entonces ai(i) = 0 (por ser triangular superior).
4.5.
Propiedades de los determinantes

Propiedad 1
Si el vector renglon Ri de una matriz A es la suma de 2 vectores rengl

on,
0
00
digamos Ri = Ri + Ri , entonces
0
00
|A| = |A | + |A |,
96
4.5. Propiedades de los determinantes

0
00
donde A y A son las matrices cuyos renglones i-esimos est

an determi00
0
as renglones son los mismos
nados por Ri y Ri , respectivamente y los dem
que los de A.
Ejemplo

a + a0 b + b 0
a b a0 b 0
0
0
0
0

= (a + a )d (b + b )c = ad bc + a d b c =

c
c d + c0 d0 .
d
n de la Propiedad 1. Sea
Demostracio
a11 a12 a1n

a21 a22 a2n
A = ..
..
.. .
..
.
.
.
.
an1 an2 ann
0
(4.4)
00
Si el vector renglon Ri de A es Ri + Ri , podemos escribir

0
00
00
00
(ai1 , ai2 , . . . , ain ) = (ai1 , ai2 , . . . , ain ) + (ai1 , ai2 , . . . , ain ),

y se tiene que
X
()a1(1) a2(2) ai(i) an(n)
|A|=
Sn
00
()a1(1) a2(2) (ai(i) + ai(i) ) an(n)
Sn
()a1(1) a2(2) ai(i) an(n) +
00
()a1(1) a2(2) ai(i) an(n)
Sn
Sn
0
00
=|A | + |A |.

Esta propiedad nos permite simplificar determinantes, por ejemplo:

a1 b 1 c 1
a1 + 0 b 1 + 0

a2 b 2 c 2 = a2
b2

a3 b 3 c 3
a3
b3

a1 0 0

= a2 b2 c2 +
a3 b 3 c 3

c1 + 0
c2
c3
0 b1
a2 b 2
a3 b 3

a1

= a2

a3

0

c2 +

c3

b1 0 0 0 c1
b2 c2 + a2 b2 c2
b 3 c 3 a3 b 3 c 3

0 0 c1
a2 b2 c2 .
a3 b 3 c 3
97
Propiedad 2
0
Si el vector renglon Ri de la matriz A es de la forma Ri = Ri , entonces

0
|A| = |A |,
0
donde A es la matriz que se obtiene de A cambiando el rengl

on definido
0
por Ri por el renglon asociado a Ri .
Ejemplos

a b

= ad bc = a b
1.
c d
c d
2. Observando que en la expresion del determinante aparece un y solo un

factor de la forma a1j por cada sumando, 1 j 3, se tiene

a1 b 1 c 1
a1 b1 c1

a2 b 2 c 2 = a2 b 2 c 2 .

a3 b 3 c 3
a3 b 3 c 3
0
n de la Propiedad 2. Sea A como en (4.4) y Ri = Ri ,

Demostracio
donde
0
0
0
Ri = (ai1 , ai2 , . . . , ain ) = (ai1 , ai2 , . . . , ain ),
entonces
X
|A| =
()a1(1) a2(2) ai(i) an(n)
Sn
()a1(1) a2(2) ai(i) an(n)
Sn
()a1(1) a2(2) ai(i) an(n)
Sn
0
= |A |.

Propiedad 3
0
Si la matriz A se obtiene intercambiando dos renglones de otra matriz A,

entonces
0
|A | = |A|.
98
Ejemplo

Sean A =
entonces
a b
c d

y
A =
c d
a b

,
|A | = cb da = (ad bc) = |A|.
n de la Propiedad 3. Sean
Demostracio
a11 a12 a1n

b11 b12 b1n
..
.. y A0 = ..
.. . .
.. ,
..
A = ...
.
.
.
.
.
.
.
an1 an2 ann
bn1 bn2 bnn
donde
bij = aij i, j,
brj = asj j.
bsj = arj j,
i 6= r,
i 6= s,
i.e. A y A son la misma matriz excepto por los renglones r y s intercambiados.

Ahora dada Sn , se define Sn como sigue:
(i) = (i),
(r) = (s),
(s) = (r),
es decir

=
i 6= r, s,
n
(1) (s) (r) (n)

.
Notese que tiene distinta paridad de , ya que se obtiene de esta mediante

una transposicion.
Finalmente
X
|A| =
()a1(1) ar(r) as(s) an(n)
Sn
()b1(1) bs(r) br(s) bn(n)
Sn
()b1 (1) bs (s) br (r) an (n)
Sn
0
= |A |.
99
Si recorre todas las permutaciones, tambien, ya que 7 es una

biyeccion en Sn .

Propiedad 4
Sea A la matriz identidad, esto es, donde A = (aij ), y aij = ij , donde
(
1 si i = j,
ij =
0 si i 6= j.
Entonces, |A| = 1, a la funcion ij se le llama la delta de Kronecker.
n. Cada sumando a1(1) an(n) es 0 salvo si (j) = j j,
Demostracio
i.e., si = Id.

Ejemplo

1 0

0 1 = 1.
Propiedad 5
Si una matriz cuadrada tiene 2 renglones iguales su determinante es 0.
0
n. Sea A dicha matriz y A la que se obtiene intercambiando
Demostracio
0
los 2 renglones que son iguales i.e. A = A, se sigue entonces de la Propiedad
0
3 que |A| = |A | = |A|, por lo que 2|A| = 0 y |A| = 0.

Propiedad 6
Si una matriz cuadrada tiene un rengl
on de ceros, entonces su determinante
es cero.
n. En la definicion de determinante aparece en cada sumando
Demostracio
un factor de cada uno de los renglones, i.e., cada sumando tiene un factor 0,
i.e., todos lo sumandos son 0.
Otra demostracion se obtiene usando la Propiedad 2: se puede factorizar
0 del renglon de ceros y se tiene |A| = 0 |A|, i.e., |A| = 0.

Ejemplo

a1
a1 b1 c1 a1 b1 c1 a1 b1 c1
b
c
1
1

a2 + a3 b2 + b3 c2 + c3 = a2 b2 c2 + a3 b3 c3 = a2 b2 c2

a3
b3
c3 a3 b3 c3 a3 b3 c3 a3 b3 c3
100
Las igualdades son consecuencia de las Propiedades 1, 2 y 5. La siguiente

propiedad es una generalizacion de este ejemplo.
Propiedad 7
0
Si la matriz A se obtiene de la matriz cuadrada A sumando a un rengl

on
0
un multiplo de otro, entonces |A | = |A|.
n. Supongase que al renglon Ri se le sumo el renglon Rk
Demostracio
multiplicado por , entonces por las Propiedad 1 y la Propiedad 2 se tiene
que
0
|A | = |A| + |B|,
donde B es una matriz igual a A excepto por el renglon i que es el mismo
que el renglon k. Finalmente la Propiedad 5 establece que |B| = 0.

Iterando este proceso se tiene
Corolario 4.5.1 Si a un rengl
on de una matriz cuadrada A le sumamos
0
una combinacion lineal de los dem
as renglones, obteniendo una matriz A ,
0
entonces |A | = |A|.
Corolario 4.5.2 Si los vectores rengl
on de una matriz cuadrada A son linealmente dependientes, entonces |A| = 0.
n. Las hipotesis implican que alguno de los vectores renglon
Demostracio
es combinacion lineal de los otros, restando a dicho renglon dicha combinacion
lineal se obtiene un renglon de ceros.

Por ejemplo, si
1 2 3
A = 4 5 6 ,
6 9 12
entonces (6, 9, 12) = 2(1, 2, 3) + (4, 5, 6) y |A| = 0, ya que

1

4
|A| =
6214
2
5
9225
3
6
12 2 3 6
101
Definici
on 56 Dada una matriz A = (aij ), 1 i n, 1 j m,
se define otra matriz llamada la transpuesta de A, denotada por t A (o At ),
como sigue
t
A = (bij ),
donde
bij = aji ,
Por ejemplo, si

A=
a 2 0
1

,
a
entonces t A = 2 .
o 1
Es decir, el 1er renglon se transforma en la 1a columna y el 2o renglon en

la 2a columna.
Propiedad 8
|A| = |t A|.
Ejemplo

a b
c d

a c
= ad bc = ad cb =
b d
n de la Propiedad 8. Sean A = (aij ) y t A = (bij ), i.e.,

Demostracio
aij = bji i, j. Ahora
X
X
|A| =
()a1(1) an(n) =
()b(1)1 b(n)n ,
Sn
Sn
como b(j)j = bi1 (i) , donde (j) = i; se pueden reordenar los factores de
cada sumando y se tiene
b(1)1 b(2)2 b(n)n = b11 (1) bn1 (n) .
1
} y () = ( 1 ), en virtud
Ademas Sn = {1 , . . . , n! } = {11 , . . . , n!
de la Proposicion 4.3.4, por lo que
X
|A| =
()b1(1) bn(n) = |t A|.
Sn
102
4.6. Desarrollo por menores
Corolario 4.5.3 Las propiedades 1 a 7 para renglones son tambien v

alidas
para columnas.
Ejemplo

a1 b1 c1
a1 a2 a3
a1 a2 a3
a1 b 1 c 1

a2 b2 c2 = b1 b2 b3 = b1 b2 b3 = a2 b2 c2 .

a3 b3 c3
c1 c2 c3
c1 c2 c3
a3 b 3 c 3
4.6.
Desarrollo por menores
Este metodo nos permite expresar el determinante de una matriz de n n

como la suma de determinantes de matrices de (n 1) (n 1).
Dada una matriz
A=
a11
a21
..
.
...
a12
a22
..
.
am1 am2
a1n
a2n
..
.
amn
se denota por Aij la matriz obtenida de A eliminando el renglon i y la

columna j.
Por ejemplo, si
a 0
A = 2 4 7 ,
(4.5)
9 6 8
entonces

A11 =
4 7
6 8

, A23 =
a
9 6

, A32 =
a 0
2 7

,
etcetera.
Definici
on 57 Al determinante |Aij | de una matriz cuadrada A se le llama
el menor del elemento aij .
Por ejemplo, si A es la matriz (4.5), se tiene |A11 | = 10 y |A32 | = 7a.
103
Podemos desarrollar el determinante de una matriz de 3 3 con respecto

a los menores del 1er renglon. Sea
a11 a12 a13

A = a21 a22 a23 ,
a31 a32 a33
entonces
|A| = a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31
= a11 |A11 | a12 |A12 | + a13 |A13 |.
Probaremos que este proceso se pueden generalizar a cualquier renglon o
columna.
Lema 4.6.1 Sea
A=
a11 a12
a21 a22
..
..
.
.
an1 an2
a1n
a2n
.. ,
..
. .
ann
tal que anj = 0 j 6= n, entonces

|A| = ann |Ann |.
Ejemplo

1
3
1
0
0
7
4
0
n.
Demostracio
|A| =

1 0 2

= 7 3 7 1 .

1 4 0

2
1
0
0
4
8
2
7
()a1(1) an(n),
Sn
como an(n) = 0 si (n) 6= n, se tiene

|A| =
X
Sn1
()a1(1) an1(n1) ann = ann |Ann |,
104
ya que las permutaciones que fijan a n estan en correspondencia biunvoca con las permutaciones de Sn1 (el n
umero de inversiones tambien es el
mismo).

Corolario 4.6.2 Sea A = (aij ) una matriz de n n, tal que ajn = 0 para
los naturales j menores a n, entonces |A| = ann |Ann |.
n. Aplicando el Lema 4.6.1 a At , se tiene |At | = ann |(At )nn |.
Demostracio
Ahora, en virtud de la Propiedad 8 se sigue que |A| = ann |Ann |. En este
u
ltimo paso usamos el hecho de que (Ann )t = (At )nn .

Ejemplo
2 3 1
2 5 0
Si A = 5 7 2 , entonces At = 3 7 2 .
0 2 7
1 2 7
Por lo cual
t
(A33 ) =
2 5
3 7
= (At )33 .
Lema 4.6.3 Si en una matriz cuadrada todos los elementos distintos de aij
en el renglon i son cero, entonces
|A| = (1)i+j aij |Aij |.
n. Intercambiamos renglones y columnas consecutivas hasta
Demostracio
obtener la situacion del Lema 4.6.1. Especficamente sean
a1,1 a1,j1
a1,j
a1,j+1 a1,n
..
...
.
ai1,j1 ai1,j ai1,j+1

ai1.n
ai1,1
ai,j1
ai,j
ai,j+1
ai,n
A = ai,1
ai+1,j1 ai+1,j ai+1,j+1

ai+1,n
ai+1,1
.
..
..
.
an,1 an,j1
an,j
an,j+1 an,n
105
a1,1 a1,j1
a1,j+1 a1,n
a1,j
..
..
...
.
.
ai1,j1 ai1,j+1
ai1,n ai1,j
ai1,1
0
ai+1,j1 ai+1,j+1
ai+1,n ai+1,j
A = ai+1,1
.
..
..
..
.
.
an,1 an,j1
an,j+1 an,n
an,j
ai,1
ai,j1
ai,j+1
ai,n
ai,j
Observese que se pueden intercambiar renglones consecutivos, de tal manera

que el renglon Ri de A se transforme en el renglon n-esimo, esto se obtiene
mediante ni intercambios. Analogamente se puede intercambiar la columna
Cj por la columna Cj+1 , despues por Cj+2 hasta que ocupe la columna Cj
0
el lugar de Cn . Es claro entonces que A se obtiene de A mediante n i
intercambios de renglones y n j de columnas. Finalmente, como cada
intercambio de columnas o reglones cambia el signo del determinante, se
tiene por el Lema 4.6.1 que
0
|A| = (1)2nij |A | = (1)i+j |A | = (1)i+j aij |Ann | = (1)i+j aij |Aij |,

0
1
puesto que (1)k = (1)k = (1)
k , y evidentemente la submatriz Ann
es igual a la submatriz Aij (ambas consisten de eliminar el renglon i y la
columna j en A).
Corolario 4.6.4 Si en una matriz cuadrada todos los elementos distintos de

aij en la columna j son cero, entonces
|A| = (1)i+j aij |Aij |.
n. Exactamente la misma prueba del Lema 4.6.3, aplicando
Demostracio
el Corolario 4.6.2 en lugar de Lema 4.6.1, implica el resultado.

Estos resultados permiten desarrollar el determinante de una matriz utilizando cualquier renglon o columna.
Propiedad 9
Sea A una matriz de n n, y 1 i, j n, entonces
|A| = (1)i+1 ai,1 |Ai,1 | + (1)i+2 ai,2 |Ai,2 | + + (1)i+n ai,n |Ai,n |
= (1)1+j a1,j |A1,j | + (1)2+j a2,j |A2,j | + + (1)n+j an,j |An,j |.
106
Antes de probar esta propiedad damos algunos ejemplos. Calculamos el

siguiente determinante desarrollando con respecto a la 2a columna:

5 7 9

2 0
5 9
5 9
1+2
2+2
3+2
2 1 0 = (1) 7

3 5 +(1) 3 5 +(1) 4 2 0
3 4 5
En la siguiente

1 0 2

3 0 1

0 0 2

2 1 0
= 70 2 4(18) = 0.
matriz desarrollamos con respecto al 3er renglon:

0
1 0 0
1 0 2

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

1
2 1 3
2 1 0

3
= 2 0 [1(1) + 2(3)] = 5,
n de la Propiedad 9. Probamos primero para el caso de

Demostracio
los renglones, sea Ri = (ai1 , ai2 , . . . , ain ) el vector renglon i-esimo de A,
entonces si los renglones se denotan tambien por R1 , R2 , . . . , Rn (abusando
de la notacion), se tiene por la Propiedad 1 que

R1

R
R
R
1
1
1

R2

R2
R2
R2

.

..
..
..
.

.
.
.
.

|A| =
=
+
+ +

R
a
0
0
0
a
0
0
0
0
a
i i1

i2
in
.

..
..
..
..

.
.
.

R

Rn
Rn
Rn
n
=
n
X
(1)i+k aik |Aik |,
k=1
aplicando el Lema 4.6.3. El mismo argumento se aplica para columnas, usando ahora el Corolario 4.6.4:

a
0
i
j

0
0

.
0
.
|A| = C1 C2
Cn + + C1 C2 . Cn ,

..

.
0

0
anj
donde Ck denota la columna k-esima, etcetera.
107
EJERCICIOS 4.6
1. Calcular el determinante de las
1 1 2 1
2
3 0 1 1
1
,
1 2 3
1
1
1 2 1 2
2
4.7.
siguientes matrices
1 0 1
3 2 1
,
1 0 3
1 2 1
1
0
1
0
1
3 1 2 1
2 0 1 2
3 2 1 1
.
1 2 0 2
3 1 3 0
C
alculo de determinantes
Calcular un determinante a partir de la definicion no es muy apropiado,

por ejemplo el determinante de una matriz de 7 7 involucra 7! = 5040
sumandos. El metodo de menores simplifica un poco esta situacion, pero no
mucho, por ejemplo, encontrar un determinante de 8 8 involucra sumar 8
determinantes de 7 7, etcetera.
En general, la manera mas eficaz es simplificar la matriz haciendola triangular usando las propiedades 1 a 8. En algunos casos es conveniente usar
tambien el metodo de menores.
Ejemplos
1. Primero, se hacen ceros debajo de a11 )

1 1
1 1
1
1
1

1 1 1 1 0 0 2

2 1 2 1 = 0 3 0

1 2 1 2 0 1 2

1 1 1 0

+
= 6
1 3 1 2

1
0 1
1

2

1
= 6 1 0
3
1 2 3
3

= 6[4 2] = 12.

En el u
ltimo paso, se desarrollo por menores en el primer renglon.
2. Haciendo

1 1

1 2

1 3

1 4
ceros

1 1
3 4
=
6 10
10 20
1
0
0
0
1
1
2
3
1 1
2 3
5 9
9 19

1 2 3

= 2 5 0

3 9 19

1 2 3

= 0 1 3

0 3 10
= 10 9 = 1.
En el u
ltimo paso, se desarrollo por menores en la 1a columna.
108
lculo de determinantes
4.7. Ca
3. Sumando las

1

2

3

4

= 10

4 columnas

2 3 4
3 4 1
=
4 1 2
1 2 3
1 2
3
4
0 1
1 3
0 2 2 2
0 1 1 1
10
10
10
10
2
3
4
1
3
4
1
2
4
1
2
3

= 10

1
1 3

= 20 1 1 1

1 1 1

1
1
1
1
2
3
4
1
3
4
1
2
4
1
2
3

1 1 3

= 20 0 2 2

0 0 4

= 160.

Determinantes tipo Van der Monde

Multiplicando por a1 la 2a columna y restandola de la 3a , y posteriormente multiplicando la 1a columna por a1 y restandola de la 2a , se tiene

1 a1
1 a1 a21
0

1 a2 a22 = 1 a1 a22 a1 a2

1 a1 a2 a1 a3
1 a3 a2
3
3

1 a2
= (a2 a1 )(a3 a1 )
1 a3

1 a1 a21 a31

1 a2 a22 a32

2
3
1 a3 a3 a3

2
3
1 a4 a4 a4

1
0
0

= 1 a2 a1 a22 a1 a2

1 a3 a1 a2 a1 a3
3

= (a2 a1 )(a3 a1 )(a3 a2 ).

1 a1 a21
1 a2 a22
1 a3 a23
1 a4 a24

a32 a1 a22

3
2
a3 a1 a3

3
2
a4 a1 a4
0
109

1
0

1 a2 a1
1 a2 a22 a1 a2 a32 a1 a22

=

1 a3 a1
1 a3 a23 a1 a3 a33 a1 a23

2
3
2
1 a4 a1
1 a4 a4 a1 a4 a4 a1 a4

1 a2 a22

2
= (a2 a1 )(a3 a1 )(a4 a1 ) 1 a3 a3

2
1 a4 a
4
Q
donde
significa producto.

=

1 a1
a22 a1 a2
a23 a1 a3
a24 a1 a4
(ak aj ),
j<k
EJERCICIOS 4.7
1. Generalizar el u
ltimo ejemplo probando que

1 a1 a2 an1
1
1

.. ..
.. = Y (a a ).
.. . .
. .
.,
k
j
.
.

j<k

1 an a2n an1
n
2. Calcular los determinantes de las siguientes matrices
1 1 2 3 4
7 1
0 2 4
2 1 0 1 2
1 1 1 1 1
3 1 0 1 4 , 4 3
2 1 0
5 1 0 2 7
5 1 1 0 7
1 2 1 0 1
1 2
3 4 5
4.8.

3
2
a2 a1 a2

2
3
a3 a1 a3

3
2
a4 a1 a4
0
Caracterizaci
on del rango de una matriz
usando determinantes
Probaremos que el rango de una matriz es tambien la dimension del subespacio vectorial generado por los vectores columna.
Teorema 4.8.1 Un conjunto de vectores {A1 , A2 , . . . , Ak } en Rn son li
nealmente dependientes todos los determinantes de las submatrices de
k k obtenidos al fijar k coordenadas de los vectores A1 , A2 , . . . , Ak , son
cero.
110
n del rango de una matriz usando determinantes

4.8. Caracterizacio
Exibimos primero unos ejemplos que ilustran las tecnicas de la prueba.

Primero, si A = (a1 , a2 , . . . , an ) y B = (b1 , b2 , . . . , bn ) son vectores linealmente dependientes, entonces existen escalares , R A + B = 0 y
alguno de ellos es distinto de 0, digamos 6= 0. Bajo estas hipotesis, se tiene
entonces que ai + bi = 0 i {1, . . . , n}, y

ai aj

ai aj
ai aj
a
a
i
j
=
=

0 =
bi bj bi bj = 0 i, j.
0 0 ai + bi aj + bi
Por otra parte, sean A = (a1 , . . . , an ) y B = (b1 , . . . , bn ) vectores que
satisfacen la siguiente condicion

ai aj

bi bj = 0 i, j, i 6= j.
Si A = 0, A, B son linealmente dependientes, por lo que podemos suponer
A 6= 0, digamos aj 6= 0. Se tiene entonces que
bj A + aj B = (bj a1 + aj b1 , . . . , bj an + aj bn ) = 0,
como aj 6= 0, se sigue que A y B son linealmente dependientes (claramente,
la condicion ai bi ai bi = 0 siempre se cumple).
n del Teorema 4.8.1. Probamos primero la necesidad, sean
Demostracio
A1 = (a11 , a12 , . . . , a1n ),
A2 = (a21 , a22 , . . . , a2n ),
..
.
Ak = (ak1 , ak2 , . . . , akn ),
vectores linealmente dependientes, entonces existen escalares 1 , 2 , . . . , k ,
alguno distinto de 0, tales que
1 A1 + 2 A2 + + k Ak = 0.
Sin perder generalidad, k 6= 0. Tomando coordenadas j = 1, 2, . . . , n, se
tiene que 1 a1,j + 2 a2,j + k ak,j = 0.
Finalmente, sean 1 i1 < i2 < < ik n, k coordenadas distintas,
entonces

a
a
1,i
1,i
1
k

a2,i1
a2,ik

0=

..
..

.
.

1 a1,i1 + 2 a2,i1 + + k ak,i1 1 a1,ik + 2 a2,ik + + k ak,ik
111

a1,i a1,i
1
k

a2,i a2,i
1
k

= k ..
..
.
.

ak,i1 ak,ik
y se sigue que cualquier submatriz de k k tiene determinante igual a 0,

ya que k 6= 0.
Probamos ahora el recproco por induccion. Si k = 1 el resultado es trivial, un vector cuyas coordenadas son cero, es el vector 0 que es linealmente
dependiente.
Suponemos cierto el teorema para k 1 vectores y probamos para k
vectores, digamos A1 , . . . , Ak1 , Ak . Si todas las submatrices de k 1 k 1
obtenidas de los vectores A1 , . . . , Ak1 tienen determinante 0, se sigue de
la hipotesis de induccion que A1 , . . . , Ak1 son linealmente dependientes, y
por lo tanto A1 , . . . , Ak1 , Ak tambien lo son. De otra manera, existe una
submatriz con determinante distinto de 0 de la forma

a1,i
a1,i2 a1,ik1
1

a2,i
a2,i2 a2,ik1
1

= 6= 0.
..
..
..
..

.
.
.
.

ak1,i1 ak1,i2 ak1,ik1
Finalmente, j {1, . . . , n},

a1,i
1

a2,i
1

0 = ..
.

ak,i1
se tiene por hipotesis

a1,ik1 a1,j
a2,ik1 a2,j
..
..
.
.
ak,ik1 ak,j
= 1 a1j + 2 a2j + + ak,j ,

donde las s denotan los correspondientes menores a asj multiplicados por
(1)(s+j) . Notese tambien que que si j = is para alguna s {i1 , i2 , . . . , ik1 },
se trata de una matriz con 2 columnas iguales. Por lo tanto
1 A1 + 2 A2 + + Ak = 0,
y como 6= 0, se tiene que A1 , A2 , . . . , Ak son linealmente dependientes.
112
n del rango de una matriz usando determinantes

4.9. Caracterizacio
Corolario 4.8.2 Sea A una matriz, entonces el rango de A es k todas

las submatrices de r r, r > k tienen determinante 0, y A tiene una
submatriz de k k con determinante no nulo.
n.
Demostracio
) Si el rango de A es k, entonces A tiene k renglones linealmente independientes. En general, cualquier conjunto de generadores de un subespacio
vectorial contiene una base (ejercicio). Se sigue entonces del teorema anterior que existe una submatriz de k k con determinante distinto de 0.
Tambien se sigue del mismo teorema que si r > k, cualquier submatriz de
r r tiene determinante 0, ya que cualesquiera r renglones son linealmente
dependientes.
) Se sigue tambien del teorema anterior que como existe una submatriz
de k k con determinante no nulo, los renglones involucrados son linealmente independientes, y que si todo submatriz de r r, donde r > k, tiene
determinante 0, entonces cualesquiera r vectores renglon son linealmente
dependientes. En otras palabras, el rango es k.

Corolario 4.8.3 El rango de una matriz es igual a la dimensi
on del subespacio vectorial generado por las columnas.
n. Provisionalmente denotamos por rango1 , a la definicion
Demostracio
original y rango2 a la dimension del subespacio vectorial generado por las
columnas. Se sigue entonces del Corolario 4.8.2 que
rango2 (A) = rango1 (At ) = rango1 (A),
ya que este corolario permite definir rango sin mencionar columnas o renglones, sino solamente submatrices, y estas y sus transpuestas tienen los
mismos determinantes.

Corolario 4.8.4 Una matriz de n n es de rango n su determinante
es distinto de 0.
n. Se sigue del Teorema 4.8.1 que los vectores renglon son
Demostracio
linealmente dependientes si y solo si el determinante de la matriz es 0.

EJERCICIOS 4.8
1. Pruebe que cualquier conjunto finito de generadores de un subespacio
vectorial en Rn contiene una base.
113
4.9.
El determinante como
area o volumen
n
n
Definici
on 58 Sea f : R
Rn} R, se dice que f es
| R {z
m veces
multilineal, si es lineal con respecto a cada variable, i.e., se cumplen las siguientes dos condiciones R, k {1, 2, . . . , m} y xk , xk0 Rn :
i)
f (x1 , . . . , xk1 , xk + xk0 , xk+1 , . . . , xm )

= f (x1 , . . . , xk1 , xk , xk+1 , . . . , xm )+f (x1 , . . . , xk1 , xk0 , xk+1 , . . . , xm ),
ii)
f (x1 , . . . , xk , . . . , xn ) = f (x1 , . . . , xk , . . . , xn ).
Observese que la funcion determinante se puede pensar como una funcion
multilineal de n vectores en Rn , ya sea las columnas, o los renglones (por
las propiedades demostradas). Esto se ve claro al escribir, por ejemplo
v1
v2
Det A = Det (v1 , v2 , . . . , vn ),

donde
A = .. .
.
vn
Recordamos que el determinante como funcion de los n vectores renglon (o
columna) en Rn cumple las siguientes 3 propiedades:
Det
i) (Rn Rn Rn ) R es multilineal,
ii) Det (v1 , v2 , . . . , vj1 , vj , vj , vj+2 , . . . , vn ) = 0, i.e., si se tienen 2 renglones consecutivos iguales, el determinante es 0,
iii) Det (e1 , e2 , . . . , en ) = 1, i.e., Det (I) = 1.
Teorema 4.9.1 Existe una u
nica funci
on con dominio
n
n
R
Rn}
| R {z
n veces
y valores reales, que satisface i), ii) y iii), esta funci

on es el determinante.
114
rea o volumen
4.9. El determinante como a
Probamos primero un lema.

Lema 4.9.2 Bajo las hip
otesis del Teorema 4.9.1, una transposici
on de elementos consecutivos cambia el signo de la funci
on.
n.
Demostracio
0 = f (v1 , . . . , vk + vk0 , vk + vk0 , vk+2 , . . . , vn ),
por lo cual
f (v1 , . . . , vk1 , vk , vk0 , vk+2 , . . . , vn ) = f (v1 , . . . , vk1 , vk0 , vk , vk+2 , . . . , vn ).

n del Teorema 4.9.1 Sea f dicha funcion, entonces
Demostracio
!
n
n
X
X
X
f
a1 i ei , . . . ,
an i ei =
a1 (1) an (n) f (e(1) , . . . e(n) ).
i=1
Sn
i=1
Ya que al aplicar la propiedad de multilinealidad se tienen tantos sumandos

como permutaciones.
Finalmente, usando el Teorema 4.3.3, si la permutacion

1
n
=
(1) (n)
consiste de m inversiones, entonces se puede mediante m transposiciones
de elementos consecutivos, componer y obtener la identidad.
Por lo cual
!
n
n
X
X
X
a1 (1) an (n) ().
f
a1 i ei , . . . ,
an i ei =
i=1
i=1
Sn
Area
- volumen
Definici
on 59 Sean v, w R2 y P (v, w) el paralelogramo generado por
v y w. Se denota por vol0 (v, w) al
area de P (v, w) si Det (v, w) 0 y
menos el area de P (v, w) si Det (v, w) 0.
115
Notese que si el area se denota por vol (v, w), entonces

|vol0 (v, w)| = vol (v, w).
Se usaran propiedades simples del area como las siguientes:
1. Area
(segmento)= 0,
2. Si Area(A)
= m, Area(T
(A)) = m, donde T es una traslacion,
3. Si A B = o A B es un conjunto de area cero, entonces
Area(A
B) = Area(A)
Area(B),
La prueba formal de estas propiedades se lleva a cabo en el curso de
calculo de varias variables, donde se define al area como una integral doble
Z
AE (R) =
d A.
R
La invariabilidad bajo traslacion se sigue del teorema de cambio de variable

aplicado a x 7 x + x0 , ya que el jacobiano es la identidad.
Teorema 4.9.3 Sean v, w R2 , entonces
vol0 (v, w) = Det (v, w).
Necesitamos primero unos lemas antes de probar el teorema.
Lema 4.9.4 Si c R, c 0 y v, w R2 , entonces
vol (c v, w) = c vol (v, w).
n. Basta probar el caso cuando v y w son linealmente inDemostracio
dependientes. En este caso, si n N, el paralelogramo generado por n v y
w consiste de n paralelogramos paralelos a P (v, w).
Los paralelogramos obtenidos son traslaciones por v, 2 v, . . . , (n1) v del
paralelogramo P (v, w) y se tiene que
vol (n v, w) = n vol (v, w).
116
rea o volumen
Tambien
vol
v
n
,w
1
vol (v, w),
n
y si m, n N
vol
m
n
v, w
v
,
n
Esto se sigue, ya que si v1 =
m
vol (v, w).
n
se tiene de la observacion anterior que
vol (n v1 , w) = n vol (v1 , w).

Mas a
un,

vol
1
m v, w
n

= m vol
= m
1
v, w
n
1
vol (v, w).
n
nv
(n 1) v
2v
v
w
P (v, w)
Figura 4.1: Paralelogramo generado por n v y w

Finalmente, si c R, c > 0, entonces vol (c v, w) = c vol (v, w). Para
probar esto, sean r1 , r2 Q, 0 < r1 < c < r2 . Entonces
r1 vol (v, w) = vol (r1 v, w) vol (c v, w) vol (r2 v, w) = r2 vol (v, w),
117
(vease la Figura 4.2). Haciendo tender r1 y r2 a c, en el lmite se tiene que

c vol (v, w) = vol (c v, w).
r2 v
cv
r1 v
Figura 4.2: c vol (v, w) = vol (c v, w)

Por otro lado, al trasladar el paralelogramo P (v, w) por v se sigue el
siguiente resultado.
Lema 4.9.5 Sean v, w R2 , entonces
vol (v, w) = vol (v, w).
P (v, w)
v
w
P (v, w)
Figura 4.3: vol (v, w) = vol (v, w)

Lema 4.9.6 Sean v, w R2 , y c R, entonces
vol0 (c v, w) = c vol0 (v, w).
n. El resultado es evidente si v y w son linealmente depenDemostracio
dientes. Consideramos casos
118
rea o volumen
Caso 1: Det (v, w) > 0 y c < 0. En este caso, Det (c v, w) 0 y

tomando c = d, se sigue en virtud del Lema 4.9.5 que
vol0 (c v, w) = vol(c v, w) = vol (d v, w) = vol (d v, w)
= d vol (v, w) = c vol (v, w) = c vol0 (v, w).
El caso Det (v, w) > 0, c > 0 ya se probo. De manera analoga, se prueban
los dos casos restantes (ejercicio).

Para probar que vol0 distribuye la suma usamos los siguientes resultados.
Lema 4.9.7 Sean v, w R2 , y c R, entonces
vol0 (v, w) = vol0 (w, v).
n.
Demostracio
Caso 1: Det (v, w) 0.
vol0 (v, w) = vol (v, w) = vol (w, v) = vol0 (w, v),
puesto que det (w, v) 0.
Caso 2: det (v, w) > 0.
vol0 (v, w) = vol (v, w) = vol (w, v) = vol0 (w, v),
puesto que det (w, v) 0.

v+w
A
B
w
Figura 4.4: vol (v + w, w) = vol (v, w)
Lema 4.9.8 Sean v, w vectores en el plano, entonces

vol (v + w, w) = vol (v, w).
119
n. El paralelogramo generado por v y w consiste de 2

Demostracio
triangulos A y B. Por otra parte, el generado por v + w y w consiste del
triangulo B y del triangulo A + w, por lo que tienen la misma area (ver la
Figura 4.4).

Lema 4.9.9 Sean v, w R2 , y d R, entonces
vol0 (v + d w, w) = vol0 (v, w).
n.
Demostracio
d vol0 (v + dw, w) = vol0 (v + dw, dw) = vol (v, dw) = d vol (v, w).

n del Teorema 4.9.3 Basta probar que el vol0 (v, w) cumple
Demostracio
las propiedades i), ii) y iii). Hay que demostrar i), ya que ii) y iii) son
triviales. Es decir, hay que probar la multilinealidad. En virtud de los Lemas
4.9.4, 4.9.6 y 4.9.7 es suficiente probar que
vol0 (v1 + v2 , w) = vol0 (v1 , w) + vol0 (v2 , w).
v + 2w
2w
2w
w
v
Figura 4.5: Interpretacion geometrica del Lema 4.9.9, para el caso d = 2, se

tiene que vol (v + 2w, w) = vol (v, w)
Si w = 0 no hay nada que probar. De otra manera, tomando como base
{v, w}, se tiene
v1 = c1 v + d1 w
y v2 = c2 v + d2 w.
120
rea o volumen
Finalmente, usando los Lemas 4.9.6 y 4.9.9, se tiene

vol0 (v1 + v2 , w) = vol0 (c1 v + d1 w + c2 v + d2 w, w)
= (c1 + c2 ) vol0 (v, w) = c1 vol0 (v, w) + c2 vol0 (v, w)
= vol0 (c1 v, w) + vol0 (c2 v, w)
= vol0 (v1 , w) + vol0 (v2 , w).

Un hecho interesante es que la misma prueba se aplica para R3 o Rn .
Esto se sigue ya que las condiciones que caracterizan el determinante involucran 2 coordenadas a la vez por lo cual los argumentos se pueden adaptar al
caso bidimensional. Por ejemplo, tomando paraleleppedos y trasladandolos
como en el caso bidimensional, se siguen todos los argumentos.
Notese que el teorema se puede formular como sigue
| Det (v, w) | = vol (v, w).
Otros resultados interesantes sobre areas y determinantes se puede consultar
en [4]. Uno de estos resultados establece que si L : R2 R2 es lineal,
entonces
Area
L(P ) = |det A| Area
P,
donde A es la matriz que define L.
EJERCICIOS 4.9
1. Terminar la prueba del Lema 4.9.6.
Captulo 5
Sistemas de ecuaciones lineales

5.1.
Preliminares
Estudiaremos un sistema
a11 x1 +
a21 x1 +
..
a x +
m1 1
de m ecuaciones lineales con n incognitas:

a12 x2
a22 x2
+ + a1n xn
+ + a2n xn
=
=
..
.
b1
b2
(5.1)
am2 x2 + + amn xn = bm .
Las incognitas o variables por resolver son x1 , x2 , . . . , xn , las constantes

ai j , bj se toman generalmente en un campo como los reales o los complejos,
o tambien en un anillo como los enteros. A los terminos b1 , b2 , . . . , bm se les
llama libres.
A un sistema se le asocian 2 matrices
a1 1 a1 n
a1 1 a1 n b 1
..
.. y ..
.. ,
.
.
.
.
am 1 am n
am 1 an n b m
a la primera se les llama matriz del sistema y a la segunda se le conoce como
la matriz aumentada.
Observese que si denotamos las columnas de la matriz por C1 , C2 , . . . , Cn
y a B la columna de los terminos libres, el sistema (5.1) se puede reescribir
como
x1 C1 + x2 C2 + + xn Cn = B.
121
(5.2)
122
5.1. Preliminares
Mas a
un, si X = (x1 , x2 , . . . , xn ) es solucion, entonces B < C1 , . . . , Cn >.
Por ejemplo, el sistema
2x + 3y z = 5
x y + z = 2
se puede escribir como x(2, 1) + y(3, 1) + z(1, 1) = (5, 2).
Definici
on 60 Al sistema (5.1) se le llama homogeneo si
B = (b1 , . . . , bm ) = 0.
Algunos sistemas tienen muchas soluciones, otros exactamente una, y
algunos otros ninguna.
Por ejemplo,
(
x + y = 3
x y = 1
tiene una u
nica solucion, ya que las ecuaciones implican 2x = 4, y y = 1.
(2, 1)
Figura 5.1: Las rectas x + y = 3, x y = 1 se intersectan en (2, 1)

Por otra parte, la ecuacion 2x y = 0 tiene una infinidad de soluciones.
Estas
son los puntos de la recta 2x = y.
(1, 2)
Figura 5.2: Las soluciones de 2x y = 0
123
Sin embargo, el sistema

(
y x = 1
y x = 2
no tiene soluciones. Si as fuera, restando se tendra 0 = 1.
Figura 5.3: Las rectas y = x + 1, y = x + 2 no se intersecan, al ser paralelas

Ciertamente un sistema homogeneo siempre tiene al menos la solucion
trivial, i.e., el vector 0.
5.2.
Existencia de soluciones
Conocer el rango de las matrices del sistema es muy u

til para resolver un
sistema. En el siguiente teorema usamos la notacion de la ecuacion (5.2).
Teorema 5.2.1 Un sistema de ecuaciones lineales tiene soluci
on si y s
olo si
el rango de la matriz del sistema es igual al rango de la matriz aumentada.
n. La existencia de soluciones significa que existe x Rn ,
Demostracio
x = (x1 , . . . , xn ) tal que
x1 C1 + x2 C2 + + xn Cn = B.
Esto sucede si y solo si
B < C1 , C2 , . . . , Cn > .
Mas a
un, esta condicion se cumple si y solo si
< C1 , C2 , . . . , Cn > = < B, C1 , C2 , . . . , Cn > .
124
5.2. Existencia de soluciones
Finalmente, esta condicion equivale a que los rangos de la matriz del sistema,
y de la matriz aumentada sean iguales: si B
/ < C1 , C2 , . . . , Cn >, entonces
el rango de < B, C1 , C2 , . . . , Cn > es mayor al de la matriz del sistema, y
B junto con una base de {C1 , C2 , . . . , Cn } forman un conjunto linealmente
independiente.

Ejemplos
1. Consideremos el siguiente sistema de
x + y
x
+ z
x + y 2z
ecuaciones
w = 0
w = 1
+ w = 3.
1 1 0 1
1 0 1 1
La matriz aumentada es
1 1 2 1
1 1
0 1 0
1
0 1 1
0 1
0
0 2 2 0
3
0
0
1
3
1 0 1 0
1 1 0 1 ,
0 0 0
1
y la matriz tiene rango 3. Las mismas operaciones muestran que la

matriz del sistema
1 1 0 1
1 1 0 1
1 0 1 1 0 1 1 0 ,
1 1 2 1
0 0 0 0
tiene rango 2, por lo que el sistema no tiene soluciones.
2. Analizamos ahora el sistema
x y + 2z = 1
y z = 1
3x + y z = 0
4x + y
= 2.
125
La matriz aumentada de este sistema de ecuaciones es
1 1 2 1
1 1 2
1
0 1 1 1
0 1 1 1
3 1 1 0
0 4 7 3
4 1
0 2
0 5 8 2
1 1 2
1
1 1 2
1
0 1 1 1
0 1 1 1 ,

0 0 3 7
0 0 3 7
0 0 3 7
0 0
0
0
es decir, tiene rango 3. Las mismas operaciones establecen que
1 1 2
1 1 2
0 1 1
0 1 1 ,
3 1 1
0 0 3
4 1
0
0 0
0
que tambien tiene rango 3, y por lo tanto el sistema s tiene solucion.
3. Consideramos el sistema X1 C1 + X2 C2 + + Xn Cn = B, donde
los vectores columna Cj son vectores en Rn (y B tambien), supongase
tambien que
det(C1 C2 Cn ) 6= 0.
Entonces el sistema tiene solucion, esto se sigue ya que esta hipotesis
implica que la matriz del sistema tiene rango n (Corolario 4.8.4).
Ademas, el rango de la matriz aumentada (que siempre es mayor o
igual que el de la matriz del sistema) es n, ya que sus vectores
columna viven en Rn . Es decir, ambos rangos son iguales.
4. Otra prueba de que cualquier sistema homogeneo tiene solucion es observando que las columnas de las 2 matrices del sistema generan el
mismo subespacio vectorial (la u
ltima columna es de ceros).
5. Un sistema de m ecuaciones y n incognitas, donde m < n, y tal
que el rango de la matriz sea m, tiene solucion. Esto se sigue de que el
rango de la matriz aumentada es m (los vectores columna viven en
Rm ), y por lo tanto es m.
126
gnitas
5.3. Sistemas de n ecuaciones y n-inco
EJERCICIOS 5.2
1. Determine si los siguientes sistemas tienen solucion.
y
+
2z
=
7
x + y
a)
b) 2x
y + z = 5
2z = 6,
2y +
2x + 3y + z = 7
x y +
c) 2x 4y + 6z = 10
d) 3x 3y +
3x 5y + 3z = 4,
2x 2y +
5.3.
z = 1
3z = 5
5z = 2,
2z = 2
6z = 1
4z = 0.
Sistemas de n ecuaciones y n-inc

ognitas
Consideremos el siguiente sistema de ecuaciones
a11 x1 + a12 x2 + + a1n xn = k1
a21 x1 + a22 x2 + + a2n xn = k2

..
..
.
.
a x + a x + + a x = k .
n1 1
22 2
nn n
n
Denotaremos por d al determinante de la
a11 a12
a21 a21
d = det ..
..
.
.
an1 an1
(5.3)
matriz del sistema, i.e.,
a1n
a2n
.. .
...
.
ann
Observese que si d 6= 0, el sistema (5.3) tiene solucion. Esto se sigue del

argumento del ejemplo 3 de la seccion anterior. Para encontrar la solucion
(se probara que es u
nica), se usan los siguientes determinantes

k1 a12 a1n
a11 k1 a13 a1n

k2 a22 a2n
a21 k2 a23 a2n

d1 = ..
..
.. , d2 = ..
..
..
.. ,
.
.
.
.
.
.
. .,
.
.
.
.
.

kn an2 ann
an1 kn an3 ann

a11 a1,n1 k1

a21 a2,n1 k2

,
dn = ..
..
.. .
.
.
.
.
.
.

an1 an,n1 kn
127
Ahora sea S = (s1 , s2 , . . . , sn ) una solucion del sistema, entonces

a11 s1 + + a1n sn = k1
a21 s1 + + a2n sn = k2
..
..
..
..
.
.
.
.
an1 s1 + + ann sn = kn ,
y se tiene usando las propiedades del determinante que

k1 a12 a1n

k2 a22 a2n

d1 = ..
..
..
..
.
.
.
.

kn an2 ann

a11 s1 + + a1n sn a12 a1n

a21 s1 + + a2n sn a22 a2n

=
..
..
..
..

.
.
.
.

an1 s1 + + ann sn an2 ann

a11 s1 a12 a1n

a21 s1 a22 a2n

= ..
..
.. = s1 d.
.
.
.
.
.
.

an1 s1 an2 ann
Analogamente, d2 = s2 d, . . . , dn = sn d. Hemos probado el siguiente teorema.
Teorema 5.3.1 (Regla de Cramer) El sistema (5.3) tiene una u
nica soluci
on

dn
d1 d2
.
, ,...,
s=
d d
d
Corolario 5.3.2 Si la matriz de un sistema homogeneo de n ecuaciones y
n inc
ognitas, tiene determinante distinto de 0, entonces su u
nica soluci
on es
la trivial, i.e., el vector 0.
n. Se tiene que d1 = = dn = 0, ya que estas matrices
Demostracio
tienen una columna de ceros.

Otra demostracion se obtiene al observar que 0 siempre es solucion, y
por la Regla de Cramer es la u
nica.
128
gnitas
Ejemplos
1. Dado el sistema
(
x + y = a
,
x y = b
se tiene que

1 1
d =
1 1

= 2,

a 1
= a b
d1 =
b 1

1 a
= b a,
y d2 =
1 b

, ab
.
la solucion u
nica es (x, y) = a+b
2
2
2. Para el sistema
(
x sen + y cos = sen 2

x cos y sen = cos 2,

sen cos

= 1,
se tiene que d =
cos sen
d1

sen 2 cos

=
cos 2 sen
= sen sen 2 cos cos 2
= sen (2 sen cos ) cos (cos2 sen2 )
= 2 sen2 cos cos (1 2 sen2 )
= cos ,
d2

sen sen 2
=
cos cos 2
= (cos2 sen2 ) sen 2 sen cos2

= (2 cos2 1) sen 2 sen cos2
= sen ,
y la solucion es (cos , sen ).
129
Usando un poco de geometra analtica y notacion compleja el u

ltimo
ejemplo se puede interpretar geometricamente.
Se busca (x, y) R2

sen cos
x
sen 2
=
,
cos sen
y
cos 2
observese que

0 1
sen cos
cos sen
=
.
1 0
cos sen
sen cos .
(5.4)
x=y
Figura 5.4: Reflexion en la recta por 0 y ei( 4 2 )

Ahora las transformaciones definidas por

cos sen
0 1
y
sen cos
1 0
son respectivamente, rotacion por , y reflexion en la recta x = y (la u
ltima
intercambia x por y). Si denotamos la rotacion por R y la reflexion por T,
usando (5.4) se tiene

sen cos
0 1
cos sen
=
,
(5.5)
cos sen
1 0
sen cos
(ya que T = T 1 ) y como R(ei ) = ei(2) = cos 2 + isen 2 , al componer
con T se tiene ( sen 2, cos 2), i.e., la solucion es (cos , sen ).
Observese que se sigue de la ecuacion (5.5) que la transformacion definida
por

sen cos
cos sen
130
gnitas
ax + by
cx + dy
es la reflexion en la recta que pasa por ei( 4 2 ) , ya que al rotar ei( 4 2 ) por
ei y reflejar en x = y, se tiene ei( 4 2 ) (se sigue del algebra lineal que como
la matriz tiene determinante 1 es una reflexion). Vease la Figura 5.4.
El smbolo eix corresponde a (cos x, sen x). La multiplicacion de matrices
se define como

a b

a + b a + b
=
,
c d

c + d c + d
y

a b
c d

x
y

=

.
Otros ejemplos
1. Se resuelve el sistema
x + y + z = 1
ax + by + cz = k
2
a x + b2 y + c2 z = k 2 ,
donde a, b, c son tres n
umeros distintos. El determinante del sistema
es de tipo Van der Monde y esta dado por

1 1 1

d = a b c = (c b)(b a)(c a).
a2 b 2 c 2
Los determinantes d1 , d2 , d3 son tambien de tipo Van der Monde, y se
sigue de la regla de Cramer que la solucion esta dada por

(c k)(c b)(b k) (c k)(k a)(c a) (k b)(k a)(b a)
,
,
(c b)(b a)(c a) (c b)(b a)(c a) (c b)(b a)(c a)

(c k)(b k) (c k)(k a) (k b)(k a)
=
,
,
.
(b a)(c a) (c b)(b a) (c b)(c a)
2. Exprese K = (5, 1, 11) como combinacion lineal de B1 = (3, 2, 2),
B2 = (2, 3, 1) y B3 = (1, 1, 3). Se debe resolver
x1 B1 + x2 B2 + x3 B3 = K,
131
es decir,
3x1 + 2x2 + x3 = 5
2x1 + 3x2 + x3 = 1
2x1 + x2 + 3x3 = 11.

Se tiene

3 2 1
6 2 1
1 2 1
1 2 1

d = 2 3 1 = 6 3 1 = 6 1 3 1 = 6 0 1 0 = 12,
2 1 3
6 1 3
1 1 3
0 1 2
hay una u
nica solucion.
Ahora

5 2 1
1 5 2
1 5

d1 = 1 3 1 = 1 1 3 = 0 4
11 1 3
3 11 1
0 4

3 5 1
1 3 5
1 3

d2 = 2 1 1 = 1 2 1 = 0 1
2 11 3
3 2 11
0 7

3 2 5

3 1
2 1

d3 = 2 3 1 = 3
2

1 11
2 11
2 1 11
= 3 32 40 20 = 36,
2
1
5
5
4
4

= 24,

= 24,

+5

2 3

2 1
la solucion es (2, 2, 3).

3. Son los vectores B1 = (1, 5, 3), B2 = (2, 1, 1) y B3 = (4, 2, 1)
linealmente independientes?
Se debe probar que el determinante de la matriz formada con estos
tres vectores es distinto de 0, esto se sigue del teorema que relaciona el
rango con vectores linealmente independientes. Dicho de otra manera,
escribiendo x1 B1 + x2 B2 + x3 B3 = 0, la independencia lineal se sigue
si x1 , x2 , x3 son 0, esto es, la u
nica solucion es la trivial, lo cual usando
el teorema de Cramer se obtiene si el determinante es distinto de 0. En
efecto, al calcular se obtiene

1 2 4
1 2

4

2
5 1 2 = 0 9 18 = 9 1

7 11 = 27 6= 0.
3 1 1
0 7 11
132
neos, funciones lineales

5.4. Sistemas homoge
EJERCICIOS 5.3
1. Encuentre la solucion a los siguientes sistemas usando la
x + y z = 2
x y +
a)
b) 2x y
3x y + 2z = 4
x + 2y z = 6,
3x + 2y +
regla de Cramer.
z = 1
z = 4
z = 1,
x y + 3z = 4
c) 2x y + z = 6
3x 2y + 2z = 10.
2. Exprese el vector K = (1, 5, 9) como combinacion lineal de los vectores
B1 = (1, 3, 7), B2 = (1, 2, 3) y B3 = (0, 1, 1).
5.4.
Sistemas homog
eneos, funciones lineales
Los sistemas homogeneos
a11 x1 +
a21 x1 +
..
a x +
m1 1
son aquellos de la forma

a12 x2
a22 x2
+ + a1n xn
+ + a2n xn
= 0
= 0
..
.
(5.6)
am2 x2 + + amn xn = 0,
o en la notacion de la ecuacion (5.2) x1 C1 + x2 C2 + + xn Cn = 0.

Teorema 5.4.1 Si W es el conjunto de soluciones de (5.6), entonces W
es un subespacio vectorial de Rn .
n. Evidentemente 0 W . Tambien, si X, Y W, donde
Demostracio
X = (x1 , x2 , . . . , xn ) y Y = (y1 , y2 , . . . , yn ), se tiene que
x1 C1 + + xn Cn =
y1 C1 + + yn Cn =
y en consecuencia (x1 + y1 ) C1 + + (xn + yn ) Cn
Finalmente, si R y X = (x1 , x2 , . . . , xn )
0
0,
= 0, i.e., X + Y W.
W , entonces
x1 C1 + + xn Cn = 0
y X W.
133
Observese que en general para cualquier sistema de ecuaciones como en

(5.1), siempre se pueden reordenar las variables, renombrandolas de tal manera que las primeras columnas C1 , C2 , . . . , Cr sean una base del espacio
vectorial generado por las columnas, i.e., < C1 , C2 , . . . , Cn > . En el caso
homogeneo probaremos que W el espacio de soluciones del sistema tiene
dimension n r.
Los siguientes resultados relacionan la dimension de W y n.
Teorema 5.4.2 Sean C1 , C2 , . . . , Cr una base del subespacio vectorial W
generado por las columnas C1 , C2 , . . . , Cn del sistema (5.2), i.e.,
x1 C1 + x2 C2 + + xn Cn = B.
Sup
ongase tambien que el sistema tiene soluci
on, entonces dados nr n
umeros
sr+1 , sr+2 , . . . , sn ,
existen otros r n
umeros u
nicos s1 , s2 , . . . , sr , tales que
s = (s1 , s2 , . . . , sr , sr+1 , . . . , sn )
es solucion de (5.2).
n. Sea C = sr+1 Cr+1 + sr+2 Cr+2 + + sn Cn , como
Demostracio
C1 , C2 , . . . , Cr generan W , entonces C W. Ademas, como el sistema
tiene solucion se tiene que B W. Por lo cual B C W y existen
s1 , s2 , . . . , sr
B C = s1 C1 + + sr Cr ,
i.e.,
B = s1 C1 + + sr Cr + sr+1 Cr+1 + + sn Cn ,
y s = (s1 , s2 , . . . , sr , sr+1 , . . . , sn ) es solucion.
0
0
Para probar la unicidad, supongase que (s1 , . . . , sr , sr+1 , . . . , sn ) tambien
es solucion, entonces
0
s1 C1 + + sr Cr + sr+1 Cr+1 + + sn Cn = B
y
s1 C1 + + sr Cr + sr+1 Cr+1 + + sn Cn , = B.
134
neos, funciones lineales

5.4. Sistemas homoge
Por lo cual restando, se tiene que

0
(s1 s1 ) C1 + + (sr sr ) Cr = 0,
0
y como C1 , C2 , . . . , Cr son linealmente independientes, se sigue que si = si

i {1, . . . , r}.

Definici
on 61 Se dice que una funci
on f : Rn Rm es lineal, si cumple
las siguientes 2 condiciones
a) f (X + Y ) = f (X) + f (Y )
b) f (t X) = t f (X)
X, Y Rn ,
t R
X Rn .
Notese que si f es lineal, entonces f (0) = 0. Esto es consecuencia de la

condicion b), puesto que f (0X) = 0f (X).
Si f : Rn Rm es lineal, al conjunto {X Rn | f (X) = 0} se le llama
el n
ucleo de f y se le denota por ker f (del aleman kernel). Observese que
se sigue de manera inmediata de la definicion que ker f es un subespacio
vectorial de Rn .
Por otra parte, a un sistema de ecuaciones como (5.2) con n incognitas y
m ecuaciones
x1 C1 + + xn Cn = B,
se le puede asociar una funcion f de Rn en Rm con regla de correspondencia
f ((x1 , . . . , xn )) = x1 C1 + + xn Cn .
(5.7)
Esta funcion es lineal:

si X = (x1 , . . . , xn ) y Y = (y1 , . . . , yn ), entonces
f (X + Y ) = (x1 + y1 ) C1 + + (xn + yn ) Cn
= x1 C1 + + xn Cn + y1 Cn + + yn Cn
= f (X) + f (Y ),
y si R y X = (x1 , . . . , xn ) Rn , entonces
f ( X) = x1 C1 + + xn Cn = f (X).
Es importante destacar que ker f es el conjunto de soluciones del sistema
homogeneo asociado, es decir, el definido por la ecuacion
x1 C1 + + xn Cn = 0.
135
Lema 5.4.3 Sea f : Rn Rm lineal, entonces

Im f = {Y Rm | X Rn f (X) = Y }
es un subespacio vectorial de Rm .
n. Si Y1 , Y2 Im f , existen X1 , X2 Rn f (Xi ) = Yi ,
Demostracio
i = 1, 2, por lo que
f (X1 + X2 ) = f (X1 ) + f (X2 ) = Y1 + Y2 ,
y Y1 + Y2 Im f,
Tambien, si Y Im f y R, entonces existe X Rn f (X) = Y .
Por lo que f ( X) = f (X) = Y, y Y Im f .

Notese que en el caso de una funcion lineal f asociada a un sistema de
la forma
x1 C1 + + xn Cn = B,
se tiene que Im f es precisamente el subespacio vectorial generado por las
columnas < C1 , C2 , . . . , Cn > .
Teorema 5.4.4 Sea f : Rn Rm lineal, entonces
dim(ker f ) + dim(Im f ) = n.
n. Sean C1 , . . . , Cr una base de Im f y B1 , . . . , Bk una
Demostracio
un vector Bi ).
base de ker f (si ker f = {0} no se considera ning
Ahora, existen vectores D1 , . . . , Dr Rn f (Di ) = Ci i. Se afirma
que el conjunto de vectores D1 , D2 , . . . , Dr , B1 , B2 , . . . , Bk constituyen una
base de Rn , lo cual prueba el teorema, por lo que basta probar la afirmacion.
Los vectores son linealmente independientes ya que si
1 D1 + + r Dr + 1 B1 + + k Bk = 0,
entonces
f (1 D1 + + r Dr + 1 B1 + + k Bk ) = f (0) = 0.
Por lo cual, usando la linealidad se tiene
1 f (D1 ) + + r f (Dr ) = 0 y 1 C1 + + r Cr = 0.
136
neo asociado
5.5. Sistema homoge
Como C1 , . . . , Cr son linealmente independientes, 1 = = r = 0, lo

cual implica que
1 B1 + + k Bk = 0,
y entonces 1 = = k = 0.
Estos vectores tambien generan. Si X Rn ,
f (X) = 1 C1 + 2 C2 + + r Cr ,
en terminos de los vectores Di , i = 1, 2, . . . , r, esto se escribe
f (X) = 1 f (D1 ) + 2 f (D2 ) + + r f (Dr ),
y la linealidad nos permite afirmar que
f (X 1 D1 r Dr ) = 0.
En consecuencia, X 1 D1 r Dr ker f y
X 1 D1 r Dr = 1 B1 + + k Bk ,
para algunas j R, j = 1, 2, . . . , k. Es decir, D1 , . . . Dr , B1 , . . . , Bk generan Rn .

Este resultado implica que si se tiene una ecuacion vectorial
x1 C1 + + xn Cn = 0
y las columnas C1 ,. . .,Cr son una base del subespacio vectorial <C1 ,. . .,Cn >,
entonces
dim(ker f ) = n r,
donde f es como en (5.7). Esto es, el espacio de soluciones de un sistema
homogeneo tiene dimension n r (comparese este resultado con el Teorema
5.4.2).
5.5.
Sistema homog
eneo asociado
De manera natural al sistema (5.2)

x1 C1 + + xn Cn = B,
se le asocia el sistema homogeneo (5.6)
x1 C1 + + xn Cn = 0,
por lo que se le llama sistema homogeneo asociado.
137
Teorema 5.5.1 Las soluciones del sistema (5.2) consisten en todos los vectores de la forma
X0 + S,
donde X0 es una solucion particular de (5.2) y S es cualquier soluci
on de
(5.6) el sistema homogeneo asociado.
n. Sea X0 = (x1 , . . . , xn ) y Y cualquier solucion de (5.2),
Demostracio
Y = (y1 , . . . , yn ), entonces
x1 C1 + + xn Cn = B
y
y1 C1 + + yn Cn = B,
por lo cual
(y1 x1 ) C1 + + (yn xn ) Cn = B B = 0,
y Y X0 = S es solucion de (5.6), i.e., Y = X0 + S.
Finalmente si S es solucion de (5.6), S = (s1 , . . . , sn ), entonces
(x1 + s1 ) C1 + + (xn + sn ) Cn = x1 C1 + + xn Cn + s1 C1 + + sn Cn
= B + 0 = B,
y X0 + S es solucion.
Ejemplo
Consideremos
x + y = 2.
El sistema homogeneo asociado es x + y = 0, una solucion particular del

sistema es (1, 1), por lo que las soluciones de este sistema consisten de los
puntos de la recta y = x trasladados por (1, 1).
(0, 2)
(1, 1)
(2, 0)
y = x
Figura 5.5: Soluciones a los sistemas

x+y =2 y x+y =0
138
n de sistemas
5.6. Resolucio
5.6.
Resoluci
on de sistemas
La primera simplificacion consiste en aplicar operaciones elementales a los

vectores renglon.
Teorema 5.6.1 Si un sistema de ecuaciones lineales se obtiene de otro mediante operaciones elementales en los renglones de la matriz aumentada, entonces ambos sistemas tienen las mismas soluciones.
Antes de probar el teorema primero exhibimos un ejemplo, consideremos
los sistemas:
(
(
x 2y = 3
x 2y = 3
(1)
(2)
3x + 5y = 6
9x + 15y = 18
(
(3)
2y
=
3
(3x + x) + (5y 2y) = 6 + 3
(
(4)
3x + 5y = 6
x 2y = 3
El sistema (2) se obtuvo de (1), multiplicando por 3 el 2o renglon. Ademas,

multiplicando por 3 (o dividiendo entre 3), se sigue que
(x, y) es solucion de (1) es solucion de (2).
Ahora si (x, y) satisface (1) tambien satisface (3), ya que sumando las
dos ecuaciones en (1) se obtiene la 2a ecuacion en (3). Asimismo, si (x, y)
satisface (3), restando en este sistema la 1a ecuacion de la 2a, se sigue que
(x, y) satisface (1). La equivalencia de (1) y (4) es evidente.
n del Teorema 5.6.1 La 1a operacion elemental de interDemostracio
cambiar renglones ciertamente no altera las soluciones del sistema, ya que
si (x1 , x2 , . . . , xn ) cumple m ecuaciones, el orden en el que aparezcan es
irrelevante.
Ahora si se multiplica en el sistema (5.1) el renglon (ai1 , ai2 , . . . , ain , bi )
por 6= 0, entonces
x1 ai1 + x2 ai2 + + xn ain = bi
x1 ai1 + x2 ai2 + + xn ain = bi .
139
Finalmente, si (x1 , . . . , xn ) satisface

(
x1 ai1 + x2 ai2 + + xn ain = bi
x1 aj1 + x2 aj2 + + xn ajn = bj ,
(1)
(2)
entonces (x1 , x2 , . . . , xn ) satisface

x1 (ai1 + aj1 ) + x2 (ai2 + aj2 ) + + xn (ain + ajn ) = bi + bj .
(3)
Y viceversa, si (x1 , x2 , . . . , xn ) satisface (3) y (2), entonces restando (2) de

(3), se sigue que este punto satisface tambien la ecuacion (1).

Sabiendo que un sistema de ecuaciones lineales tiene solucion, por ejemplo, verificando que los rangos de las matrices sean iguales, un metodo para
resolverlo es el siguiente:
Paso 1. Aplicar operaciones elementales a los renglones de la matriz
aumentada hasta que esta sea escalonada.
Paso 2. Se pueden reordenar las columnas de la matriz del sistema (si
es necesario), renombrando las variables, para que el nuevo sistema sea de la
forma
a11 x1 + a12 x2 + + a1r xr + + a1n xn = b1
a22 x2 + + a2r xr + + a2n xn = b2

(5.8)
..
..
.
.
a x + + a x = b ,
rr r
rn n
donde los primeros r vectores columna de la matriz del sistema son linealmente independientes.
Usando el Teorema 5.4.2 se obtienen todas las soluciones. Primero se
aplica, para encontrar una particular. Posteriormente, se usa para encontrar las soluciones del sistema homogeneo asociado. Y de esta manera se
obtienen todas las soluciones del sistema en virtud del Teorema 5.5.1. Recordamos que el Teorema 5.4.2 establece que dados n r n
umeros arbitrarios
sr+1 , sr+2 , . . . , sn , existen otros r n
umeros u
nicos s1 , s2 , . . . , sn , tales que
s = (s1 , . . . , sr , sr+1 , . . . , sn )
es solucion de (5.8).
140
n de sistemas
5.6. Resolucio
Paso 3. Para encontrar la solucion particular, se toma la eleccion facil,

es decir, sr+1 = sr+2 = = sn = 0. Este paso es muy simple, ya que basta
resolver el sistema
a11 x1 + a12 x2 + + a1r xr = b1
a22 x2 + + a2r xr = b2
..
a x = b,
rr r
que es muy facil de resolver, ya sea directamente por sustitucion, o usando

la regla de Cramer. A esta solucion particular encontrada del sistema (5.8)
la denotamos por X0 .
Paso 4. Finalmente, en virtud del Teorema 5.5.1 se encuentran todas las
soluciones. Para esto, basta encontrar una base del subespacio de soluciones
del sistema homogeneo asociado a (5.8)
Esta base se obtiene directamente aplicando de nuevo el Teorema 5.4.2,
n r veces, ahora al sistema homogeneo asociado para los valores
sr+1 = 1, sr+2 = 0, , sn = 0
sr+1 = 1, sr+2 = 1, , sn = 0
..
..
..
..
.
.
.
.
s
= 1, s
= 1, , s = 1.
r+1
r+2
Las soluciones se obtienen facilmente, por sustitucion, o usando la regla de

Cramer.
Los vectores solucion en Rn generados por estos valores que denotamos por X1 , . . . , Xnr son evidentemente linealmente independientes (ya
que tienen una submatriz de r r con determinante igual a 1), y por lo
tanto forman una base. Esto u
ltimo se sigue, ya que si se toma f : Rn Rm
determinada por
x 7 x1 C1 + + xn Cn ,
donde las Ci son las columnas de (5.8), se tiene en virtud del Teorema 5.4.4
que el kernel de f tiene dimension n r.
Por consiguiente, todas las soluciones de (5.8) est
an dadas por
(
)
nr
X
X0 +
ti Xi | ti R, i {1, 2, ..., n r} .
i=1
141
Ejemplos
1. Resolvemos el sistema
x + y 2z
= 1
2x y z 3t = 4
x + 2y 3z + t = 3
2x + y 3z t = 0.
Se aplican operaciones elementales a
1 1 2 0
1
2 1 1 3 4

1 2 3 1
3
2 1 3 1 0
la matriz del sistema
1 1 2 0
1
0 3 3 3 6
0 1 1 1
2
0 1 1 1 2
1 1 2 0
1
1 1 2 0
1
0 1 1 1 2
0 1 1 1 2 .
0 1 1 1
0 0
2
0
0
0
0 0
0
0
0
0 0
0
0
0
Se concluye que el sistema original tiene las mismas soluciones que el
sistema
(
x + y 2z
= 1
y + z t = 2,
tomando los valores (t, z) = (0, 0), se obtiene la solucion particular
X0 = (1, 2, 0, 0).
Resolvemos ahora el sistema homogeneo asociado. Estas mismas
operaciones elementales por renglones, se aplican para simplificar el
sistema homogeneo asociado, la u
ltima columna, que son ceros, no cambia. Notese que la dimension del subespacio vectorial de las soluciones
es 42 = 2. Se puede encontrar una base de este tomando para (z, t),
los valores (1, 0) y (0, 1).
Si z = 1 y t = 0 se tiene
(
x + y 2 = 0
y + 1 = 0,
142
n de sistemas
5.6. Resolucio
cuya solucion es X1 = (1, 1, 1, 0). En el caso z = 0, y t = 1 se tiene

(
x + y
= 0
y + 1 = 0,
i.e., X2 = (1, 1, 0, 1). Por lo cual el sistema de soluciones del sistema
esta dado por
{X0 + t1 X1 + t2 X2 | t1 , t2 R},
o alternativamente, usando las variables originales
{X0 + z X1 + t X2 | z, t R}.
2.
2x
y + z
+ y z
2y + z
+ y + 2z
+ 2t = 0
5t = 6
+ 4t = 1
t = 5.
La matriz aumentada del sistema es
1 1 1
2
0
1
2 1 1 5 6
0

1 2 1
0
4 1
1 1
2 1 5
0
1 1 1
2
0
1
0 1 1 3 2
0

0 1 0
0
2 1
0 0
1
1
3
0
1 1
2
0
3 3 9 6
1 0
2 1
2
1 3 5
1 1
2
0
1 1 3 2
,
0 1 1 3
0
1
1
3
y el sistema es equivalente a
x y + z + 2t = 0
y z 3t = 2
z + t = 3.
Tomando el valor t = 0, se obtiene de manera inmediata una solucion
particular X0 = (2, 1, 3, 0) (se encuentra z, luego y y finalmente x).
143
Ahora resolvemos el sistema homogeneo asociado, tomando t = 1

se tiene
x y + z = 2
y z = 3
z = 1,
cuya solucion es X1 = (1, 2, 1, 1). En consecuencia, el conjunto de
soluciones esta dado por
{X0 + t X1 | t R}.
Notese que el conjunto de soluciones se puede expresar en terminos
de las variables originales, como en los dos ejemplo anteriores. Esto
siempre se puede hacer, ya que las variables libres pueden ser usadas
como parametros, ya que los vectores elegidos tienen coordenadas cero
en estas variables, salvo en una de ellas donde toman el valor uno.
3.
y + 2z = 1
y z = 1
3x + y z = 0
4x + y
= 2.
La matriz
1 1
0 1
3 1
4 1
aumentada del sistema esta dada por

2 1
1 1 2
1

1 1
0 1 1 1
1 0
0 4 7 3
0 2
0 5 8 2
1 1 2
1
0 1 1 1
,
0 0 3 7
0 0 3 7
i.e., las soluciones son las mismas que las del sistema
x y + 2z = 1
y z = 1
3z = 7.
Por consiguiente, la u
nica solucion es

3 14 10
1 10 7
, ,
, ya que x =
+ .
X0 =
3 3 3
3
3
3
144
n de sistemas
5.6. Resolucio
4. Considerese el sistema
+ 2 x4 = 2
x1 + x2
x2 + 2 x3
= 0
x4 = 2.
La matriz aumentada asociada es
1 1 0 2 2
0 1 2 0 0 .
0 0 0 1 2
Aunque esta matriz es escalonada, las primeras 3 columnas no son
linealmente independientes, por lo que se debe renombrar las variables.
Sean y1 = x1 , y2 = x2 , y3 = x4 y y4 = x3 , entonces el sistema se
escribe
= 2
y1 + y2 + 2 y3
y2
+ 2 y4 = 0
y3
= 2,
y la matriz aumentada del nuevo
1 1
0 1
0 0
sistema es
2 0 2
0 2 0 .
1 0 2
Observese que esta matriz se obtuvo al intercambiar dos columnas de

la original. Ahora podemos encontrar las soluciones, tomando y4 = 0,
se obtiene una solucion particular
Y0 = (2, 0, 2, 0).
Para el sistema homogeneo, si y4 = 1 se obtiene la solucion
Y1 = (4, 2, 0, 1),
y todas las soluciones son
{Y0 + y4 Y1 | y4 R}.
145
En terminos de las variables originales, se obtiene

X0 = (2, 0, 0, 2),
X1 = (4, 2, 1, 0),
y todas las soluciones son

{X0 + x3 X1 | x3 R}.
EJERCICIOS 5.6
1. Resolver los siguientes sistemas de ecuaciones encontrando una solucion
particular y una base del subespacio de soluciones del sistema homogeneo
asociado.
2x + 3y + z t + w = 2
a)
3x
+ z + 2t 5 w = 0
x + y 2z
4 w = 0,
b)
x1
4 x1
x2 + x3 + x4 + x5 + x6 = 7
2 x2 + x3
4 x5
= 8
+ 2 x5 x6 = 2,
x + 3y + z +
c)
3y 2z
w = 2
3w = 0
2 t + 5 w = 2,
t
x 2y + z + t = 5
d)
y + 2z t = 3
5 z 2 t = 1.
Captulo 6
Los anillos Z y Zm
Se establecen las propiedades del anillo de los enteros de manera axiomatica,
se definen los anillos Zm , y se prueba que en efecto son anillos. Posteriormente, se discuten los dominios enteros, el orden y las unidades. El libro
concluye probando la equivalencia del principio de induccion con el del buen
orden.
6.1.
Anillos
Definici
on 62 El conjunto de los enteros, denotados por Z, consiste de los
n
umeros
{. . . , 2, 1, 0, 1, 2, . . .}.
Un axioma es un fundamento de verdad o un hecho evidente, que se

acepta por verdadero pero no se demuestra. Los axiomas que fundamentan
la matematica son pocos, estos esencialmente son los de Peano, que estan
basados en razonamientos que de alguna manera, su validez es evidente, dicho
de otra manera, se aceptan como verdaderos. El estudio de estos axiomas son
objeto de estudio en los cursos de Logica Matematica y Teora de Conjuntos.
Recordamos ahora la siguiente importante definicion.
Definici
on 63 Sea A un conjunto, una operaci
on binaria en A es una
funci
on
: A A A.
Por ejemplo, la suma y la multiplicacion en Z son operaciones binarias.
Recordamos del primer captulo que estas cumplen los siguientes axiomas.
147
148
6.2. Anillos Zm
S1) a + b = b + a a, b Z (conmutatividad),
S2) (a + b) + c = a + (b + c) a, b, c Z (asociatividad),
S3) 0 Z a + 0 = a a Z
(existencia del neutro aditivo),
S4) a + (a) = 0 a Z (existencia del inverso aditivo).

P1) a b = b a a, b Z (conmutatividad),
P2) (a b) c = a (b c) a, b, c Z (asociatividad),
P3) 1 Z a 1 = a a Z
(existencia del neutro multiplicativo),
D) a (b + c) = a b + a c a, b, c Z
(distributividad).
Definici
on 64 A un conjunto X con dos operaciones binarias que satisfacen los axiomas S1, S2, S3, S4, P 1, P 2, P 3 y D se le llama anillo conmutativo con elemento unitario (o unidad). Si no satisface P 1 y P 3 se le
llama simplemente anillo.
Con esta terminologa Z es un anillo conmutativo con unidad. No se prueba este hecho, aceptaremos las propiedades S1, S2, S3, S4, P 1, P 2, P 3 y D
como ciertas, y simplemente nos referiremos a estas como los primeros ocho
axiomas de los enteros, llamandolos Axioma 1, Axioma 2,..., y Axioma 8,
respectivamente. Estos axiomas, junto con otros axiomas, se tomaran como
el fundamento para el estudio de los anillos Zm y de otros temas que se es
tudian en el 2o curso Algebra
superior II, como por ejemplo, la divisibilidad
y los n
umeros reales.
6.2.
Anillos Zm
Sea A = {0, 1}, se definen operaciones de suma y producto mediante las

siguientes tablas.
+
0
1
0
0
1
1
1
0
0
1
0
0
0
1
0
1
Figura 6.1: Tablas de suma y producto en Z2
149
6. Los anillos Z y Zm
Se les puede llamar suma y producto a estas operaciones, el conjunto A

con estas operaciones resulta ser un anillo conmutativo con unidad, que se le
denota por Z2 .
Se deben verificar las propiedades de anillo, por ejemplo
0 + 1 = 1 + 0.
Demostrar otras propiedades es largo y tedioso. En particular, para probar la
asociatividad hay que considerar todas las posibles ternas en los valores 0 y
1 (el n
umero de posibilidades es OR23 = 23 ). Mas a
un, hay ocho propiedades
de anillo por probar. Una manera mas eficaz es establecer un patron general
que ahora presentamos.
Recordamos del primer captulo que dada un n
umero m N fijo, la
relacion a b, si a b = km, k Z es de equivalencia. Denotaremos
por a la clase de equivalencia a la que pertenece a.
Por ejemplo, si m = 2
0 = {. . . , 4, 2, 0, 2, 4, . . .} = {pares},
1 = {. . . , 3, 1, 1, 3, 5, . . .} = {impares}.
Esto se sigue, ya que
0 = {t Z | t 0} y 1 = {t Z | t 1},
i.e., t 0, si t es par. Y tambien t 1, si t 1 es par, lo cual sucede
si t es impar.
Para el caso m = 3, las clases de equivalencia son
0 = {. . . , 6, 3, 0, 3, 6, . . .},
1 = {. . . , 5, 2, 1, 4, . . .},
2 = {. . . , 4, 1, 2, 5, . . .}.
Una mejor descripcion sera
0 = {t | t = 3k,
i.e., t es un m
ultiplo de 3},
1 = {t | t 1 = 3k,
i.e., t 1 es un m
ultiplo de 3},
2 = {t | t 2 = 3k,
i.e., t 2 es un multiplo de 3}.
Observese que con la convencion adaptada se tiene que en el presente caso

m = 3, por ejemplo, 5 = 2 = 1.
150
6.2. Anillos Zm
Definici
on 65 Al conjunto de clases de equivalencia en Z definidas por la
relacion
a b si a b = km, k Z, m N fijo,
se le denota por Zm .
Resulta que este conjunto es un anillo conmutativo con unidad, lo cual
probamos ahora. Observese primero que
Zm = {0, 1, 2, . . . , m 1}
(ejercicio).
Se definen 2 operaciones en Zm
a + b = a1 + b1 , donde a1 a y b1 b,
a b = a1 b1 , donde a1 a y b1 b.
Hay que probar que estas operaciones estan bien definidas y no dependen
de los representantes a1 y b1 . Si
a1 a2
y b1 b2 ,
se tiene
a1 a2 = m k 1
b1 b2 = m k 2 ,
donde k1 , k2 Z.
Por lo tanto
a1 + b1 (a2 + b2 ) = m(k1 k2 )
a1 + b1 a2 + b2 .
Tambien,
a1 b 1 a2 b 2
= a1 b 1 a2 b 1 + a2 b 1 a2 b 2
= (a1 a2 ) b1 + a2 (b1 b2 )
= m k1 b1 + a2 m k2 = m(entero),
y a1 b1 a2 b2 .
Resulta ahora facil probar para todos los conjuntos Zm que son en efecto
anillos conmutativos con unidad.
Teorema 6.2.1 m N, Zm es un anillo conmutativo con unidad.
151
n. El teorema se sigue esencialmente del hecho de que estas

Demostracio
mismas propiedades las cumplen los enteros y de que las operaciones estan
bien definidas. Probamos seis de estas propiedades y las dos restantes quedan
como ejercicio. Tomando cualesquiera representantes a, b, y c de a, b y c,
se tiene
S1) a + b = a + b = b + a = b + a,
S2) a + (b + c) = a + b + c = a + (b + c) = (a + b) + c = a + b + c
= (a + b) + c,
S3) a + 0 = a + 0 = a,
P1) a 1 = a 1 = a,
P3) a b = a b = b a = b a,
D) a (b + c) = a(b + c) = a(b + c) = ab + ac = ab + ac = a b + a c.

Habiendo probado que Zm es un anillo podemos usar m smbolos u
nicos
para los elementos. Por ejemplo, Z3 = {0, 1, 2}. Sin embargo, esto no impide
pensar, o escribir, cualquier elemento en otros terminos, por ejemplo, en Z3
4 es 7. Esta manera de razonar es la herramienta adecuada para sumar y
multiplicar.
La relacion a b se escribira posteriormente como a b mod m, se
dira que a es congruente con b m
odulo m. Este tema se estudiara con mas
detalle en el 2o curso.
Podemos ahora, sin mayor dificultad establecer las tablas de multiplicar
de algunos de estos anillos, por ejemplo Z4 .
+
0
1
2
3
0
0
1
2
3
1
1
2
3
0
2
2
3
0
1
3
3
0
1
2
0
0 0
1 0
2 0
3 0
1
0
1
2
3
2
0
2
0
2
3
0
3
2
1
Figura 6.2: Tablas de suma y producto en Z4

Notese la simetra en las tablas, la cual se debe a la conmutatividad de
la suma y del producto.
152
6.3. Propiedades de los enteros
EJERCICIOS 6.2
1. Sea m N fijo. Demuestre que Zm = {0, 1, 2, . . . , m 1}. Sugerencia:
usar el algoritmo de la division.
2. Terminar la prueba de que Zm es una anillo conmutativo con unidad, es
decir, hay que probar las propiedades S4) y P2).
3. Escribir las tablas de Z3 , Z5 y Z6 .
6.3.
Propiedades de los enteros
Probaremos primero ciertas propiedades que solo dependen de los axiomas

de la suma y el producto junto con la distributividad. Por lo que son tambien
validas para todo anillo comnutativo con unidad.
POR LA IZQUIERDA
Dados a, b, c Z tales que a + b = a + c,
se tiene b = c.
Usando la existencia del inverso y la asociatividad, se tiene

(a) + (a + b) = (a) + (a + c) y b = c.
POR LA DERECHA
Dados a, b, c Z tales que
a + c = b + c,
se tiene
a = b.
Esta ley se sigue ahora de la conmutatividad. Como consecuencia se tiene

que el neutro aditivo es u
nico. Si a + b = a, entonces a + b = a + 0, y b = 0.
Proposici
on 6.3.1 a Z, a 0 = 0.
n. Como
Demostracio
0 + 0 a = 0 a = (0 + 0) a = 0 a + 0 a,
por cancelacion
0 = 0 a.

La cancelacion implica tambien que el inverso aditivo es u
nico. Si a+c = 0,
entonces a + (a) = a + c , por lo tanto a = c.
153
Proposici
on 6.3.2 a Z (a) = a.
n. Como a + (a) = 0, entonces el inverso aditivo de (a),
Demostracio
es decir, (a) es a, por unicidad.

Una propiedad fundamental es la siguiente.
Proposici
on 6.3.3 (Regla de los signos) a, b Z se tiene
i) (a) b = (a b) = a (b),
ii) (a)(b) = a b.
n. Como
Demostracio
(a) b + a b = ((a) + a) b = 0,
por unicidad
(a) b = (a b).
La otra igualdad en i) se prueba de manera analoga.
Para probar ii), usando i) se tiene
(a)(b) + [(ab)] = (a)(b) + [(a) b] = (a)(b + b) = 0,
por lo que (por unicidad) (a)(b) = a b.

Como caso particular de la Proposicion 6.3.3 se tiene (1) a = a y
(1)(1) = 1.
Definici
on 66 Sean a, b Z, se define la resta o diferencia de a menos
b como
a + (b),
se denota por a b.
Observese que a (b c) = ab ac, ya que
a(b + (c)) = a b + a (c) = a b + ((ac)),
por la regla de los signos.
154
6.3. Propiedades de los enteros
Notese que la unicidad del inverso aditivo implica que

(a + b) = a b,
ya que ambos son inversos aditivos de a + b.
Los enteros tienen otras propiedades que no son consecuencia de los
primeros 8 axiomas: S1), S2), S3), S4), P1), P2), P3) y D), que los hemos
denotado tambien como Axioma 1, Axioma 2,. . . , Axioma 8.
Axioma 9 a, b Z {0}, se tiene a b 6= 0. q
Una formulacion equivalente es decir a, b Z a b = 0 se tiene
que a = 0 o b = 0. Esta propiedad valida en Z no se cumple en otros
anillos conmutativos con unidad, por ejemplo en Z4 , 2 2 = 0, o en Z9 ,
3 3 = 0. Tambien, en Z6 , 2 3 = 0.
Observese que la existencia de estos ejemplos prueba que, en efecto, el
Axioma 9 no es consecuencia de los primeros 8 axiomas.
Una manera intuitiva de convencerse de la veracidad del Axioma 9, es
suponer a b = 0, introducir sus inversos multiplicativos, es decir los n
umeros
racionales 1/a y 1/b y llegar a una contradiccion:

1
1
1
1
1=
ab =
0 = 0.
a
b
a
b
Sin embargo, este argumento no tiene validez formal, ya que no se han
definido los n
umeros racionales.
Definici
on 67 Sean A un anillo, y a, b A tales que a b = 0, entonces a
los elementos a y b se les llama divisores del cero.
El axioma 9 dice que en Z no hay divisores de cero distintos de cero.
Definici
on 68 Un dominio entero es un anillo conmutativo con unidad, que
no tiene divisores de 0 distintos de 0.
Un ejemplo de dominio entero es Z, mientras que Z4 , Z6 , Z9 , Z18 , no
lo son. Observese que en un dominio entero A vale la LEY DE LA CANCELACION
PARA LA MULTIPLICACION:
Sean a, b, c A, a 6= 0, tales que a b = a c, entonces b = c.
155
Esta ley se sigue ya que la hipotesis implica a b a c = 0, por lo cual se

tiene a (b c) = 0, y dado que a 6= 0, necesariamente b c = 0.
En particular, esta ley es valida en Z. Notese que es necesaria la condicion a 6= 0, ya que 0 b = 0 c b, c A. El recproco es cierto: si A es
un anillo conmutativo con 1, para el cual vale la ley de la cancelacion para
el producto, entonces A es un dominio entero (ejercicio).
EJERCICIOS 6.3
1. Probar que si A es un anillo conmutativo con 1, para el cual vale la ley
de la cancelacion para el producto, entonces A es un dominio entero.
6.4.
Orden y unidades en Z
Se quiere formalizar el hecho de que un n

umero entero es mayor que otro si
esta mas a la derecha en la recta.
2 1 0 1 2
Figura 6.3: Los enteros como puntos en la recta real

Este concepto lo podemos relacionar con los naturales, N = {1, 2, 3, . . .},
primero necesitamos algunos axiomas de cerradura y tricotoma.
Axioma 10 Si a, b N, entonces a + b N.
Axioma 11 Si a, b N, entonces a b N.
Axioma 12 Si a Z, entonces se cumple una y s
olo una de las siguientes afirmaciones:
i) a N,
ii) a = 0,
iii) a N.
Estos axiomas junto con las leyes de los signos establece que Z es un
conjunto cerrado bajo la suma y el producto. Como se menciono antes, estos 12 axiomas de los enteros se basan en otro conjunto menor de axiomas
llamados de Peano, y estos a su vez se basan en otros pocos axiomas fundamentales que de alguna manera son hechos contundentes, por ejemplo, el
axioma de extension que establece que 2 conjuntos son iguales si tienen los
mismo elementos, otros axiomas son el de especificacion y el de infinito. Cf.
[3]
156
6.4. Orden y unidades en Z
Definici
on 69 Sean a, b Z, se dice que a es mayor que b, si
a b N,
Se escribe a > b.
Observese que
a > 0
a0 N
a N.
Proposici
on 6.4.1 (Transitividad) Sean a, b, c Z tales que a > b y
b > c, entonces a > c.
n. Como a b N, y b c N, se tiene
Demostracio
ab+bc=ac N
(en virtud del Axioma 10), es decir a > c.

Observese que el Axioma 12 se puede reescribir de la siguiente manera:
dado a Z, sucede una y solo una de las siguientes tres afirmaciones:
a > 0,
a < 0,
Esto se sigue ya que a N

a < 0
0 > a
o a = 0.
a > 0,
0a N
a N.
El orden es compatible con la suma y el producto.

Proposici
on 6.4.2 Sean a, b, c Z tales que a > b, entonces
a + c > b + c.
n. Como a b N, se tiene
Demostracio
a + c (b + c) N.

Proposici
on 6.4.3 Sean a, b, c Z tales que a > b y c > 0, entonces
a c > b c.
157
n. a b N y c N, por lo cual
Demostracio
(a b) c = a c b c N,
es decir, a c > b c.

OTRAS PROPIEDADES DE ORDEN
1. a2 > 0 a Z {0}:
Si a N, se sigue del Axioma 11 que tambien a2 es un natural Si
a N, (a)(a) N y a2 N, por la regla de los signos.
2. Si a 0 y b 0, entonces a + b 0 :
a, b N
3. a < b
ba N
a + b N.
a > b (b < a) :
a (b) N.
UNIDADES EN Z
Se mostro que todos lo elementos de Z tienen un inverso aditivo, sin embargo,

solo 1 y -1 tienen inverso multiplicativo. Lo cual se prueba a continuacion.
Definici
on 70 En un anillo a los elementos que tienen inverso multiplicativo se les llama unidades.
Por ejemplo, en Z5 todos los elementos no cero son unidades, ya que
2 3 = 1, y 4 4 = 1, sin embargo, en Z6 ,2 no es unidad, ya que
2 1 = 2, 2 2 = 4, 2 3 = 0, 2 4 = 2, 2 5 = 4, 2 0 = 0.
Proposici
on 6.4.4 Las u
nicas unidades en Z son 1 y -1.
n. 0 no es unidad, ya que 0 a = 0 a Z. Como 1 1 = 1
Demostracio
y (1) (1) = 1, 1 y 1 s lo son.
Ahora, si a > 1, a no es unidad. Probamos que a b 6= 1 b Z.
Primero, a 0 = 0 y a 1 = a. Si b < 0, entonces a b < a 0 = 0 y a b 6= 1.
Tambien si b > 1, a b > a 1 = a y a b 6= 1.
158
n
6.5. Principio de induccio
Si a < 1, a tampoco es unidad. Si a fuera unidad, se tendra a b = 1

y (a)(b) = 1, i.e., a, que es mayor a 1, sera unidad, contradiciendo la
1a parte.

EJERCICIOS 6.4
1. Encuentre las unidades en los anillos Z4 , Z6 , y Z7 .
6.5.
Principio de inducci
on
Profundizamos sobre este tema que se presento al inicio del libro.

Axioma 13 (Principio de induccion)
Sea M un subconjunto de los naturales tales que se cumplen las siguientes
condiciones:
i) 1 M
ii) si n M, entonces n + 1 M .
Bajo estas hipotesis se concluye que
M = N.
Este axioma, o principio, dice que si un subconjunto de los naturales
cumple las condiciones i) y ii), entonces ese subconjunto consiste de todos
los naturales.
Su importancia radica en ser muy u
til para probar propiedades que cumplen
todos los naturales, por ejemplo, para probar la identidad
1 + 3 + 5 + 7 + + (2n 1) = n2 .
(6.1)
Sea M N, aquellos n
umeros que cumplen (6.1), se tiene que
i) 1 M, ya que 1 = 12 ,
ii) si n M, entonces
1 + 3 + 5 + 7 + + (2n 1) + (2n + 1) = n2 + (2n + 1) = (n + 1)2 ,
por lo que n + 1 M .
159
El Principio de induccion implica que (6.1) es valido para todos los naturales.
Como un 2o ejemplo, considerese la igualdad
20 + 21 + 22 + + 2n1 = 2n 1.
(6.2)
La prueba de esta identidad se puede interpretar como sigue: para cada

n
umero n, la identidad (6.2) es una proposicion que denotamos por Pn , si
se logra probar que P1 es correcta, y que cada vez que Pn lo es, la proposicion
Pn+1 tambien lo es, se concluye que (6.2) se cumple n N.
i) 211 = 20 = 21 1 y por lo tanto P1 se cumple,
ii) si Pn se cumple
20 + 21 + 22 + + 2n1 + 2n = 2n 1 + 2n = 2 2n 1 = 2n+1 1,
por lo que Pn+1 se cumple.
Algunas veces es u
til usar un principio equivalente al de induccion.
MODIFICADO
PRINCIPIO DE INDUCCION
Sea M N tal que cumple las siguientes 2 condiciones:

a) 1 M
b) cada vez que 1, 2, . . . , n M, se tiene que n + 1 M.
Bajo estas hipotesis se concluye que M = N.
Teorema 6.5.1 El principio de inducci
on es equivalente al principio de inducci
on modificado.
n. Denotamos por
1 al Principio de inducci
2
Demostracio
on y por
1 implica ,
2 hay que probar
al Principio modificado. Para probar que
2 implican las de .
1 Para esto se debe probar que si
que las hipotesis de
n M, entonces n + 1 M . Aplicando a) junto con n veces la hipotesis
b) se tiene que si n M , entonces n + 1 M : 1, 2 M 3 M ,
1, 2, 3 M 4 M . Iterando este proceso se obtiene n + 1 M , por
2
lo que se cumple ii). Por lo tanto M = N , y se sigue .
2 implica ,
1 se debe probar que las
Finalmente para probar que
1 implican las de ,
2 lo cual es evidente.
hipotesis de
160
n
6.5. Principio de induccio
El texto concluye estableciendo otra propiedad de los enteros que sorprendentemente es equivalente al principio de induccion.
PRINCIPIO DEL BUEN ORDEN
Sea A N, A 6= , entonces A tiene un menor elemento, i.e., m0 N,

m0 n n A.
Teorema 6.5.2 El principio de inducci
on es equivalente al de buen orden.
n. Probamos primero que el de induccion implica el del buen
Demostracio
orden. Si A N, A 6= , y A no tiene un menor elemento, sea
B = {m N | m < n n A},
es decir, el conjunto de las cotas inferiores de A. Observese que A y B no
se intersecan, ya que ning
un elemento es menor a s mismo.
Resulta que 1 B: si 1 A, 1 es el menor elemento. Tambien si
k B, k + 1 tambien esta en B, ya que de otra manera k + 1 no es menor
que alg
un elemento de A. Esta u
ltima situacion solo acontece si k + 1 A,
puesto que se esta suponiendo que todos los elementos de A son mayores a
k. Sin embargo si k + 1 A, k + 1 sera el menor elemento de A.
El principio de induccion implica entonces que B = N y A = , lo
cual contradice las hipotesis, A tiene un menor elemento.
Finalmente, probamos que el principio de buen orden implica el de induccion. Sea M N tal que cumple las hipotesis del principio de induccion,
probamos que M c = . Si M c 6= , sea m el menor elemento de M c , entonces m 1 M y por hipotesis de induccion m M , lo cual contradice
m M c , M c = .

EJERCICIOS 6.5
1. Probar la siguiente identidad
2

n (n + 1)
3
3
3
3
.
1 + 2 + 3 + + n =
2
Bibliografa
n H. y Rinco
n C. Algebra
[1] Bravo A., Rinco
Superior, Facultad de
Ciencias, UNAM, 2008.
rdenas H., Lluis E., Ragg F., Toma

s F., Algebra
[2] Ca
Superior,
Editorial Trillas, 1982.
[3] Halmos, P., Naive Set Theory, Springer-Verlag, New York, 1974.
[4] Lang, S., Introduccion al algebra lineal, Addison-Wesley, 1990.
[5] Lascurain, A., Algebra

Superior II, En preparacion.
161
Indice analtico
n factorial, 21
abcisa, 54
anillo, 30, 148
conmutativo, 148
axioma
de extension, 155
de infinito, 155
especificacion, 155
axiomas
Peano, 147
base, 74
buen orden
principio del, 160
campo, 30
cardinalidad, 17
clase de equivalencia, 26, 149
coeficientes binomiales, 47
combinacion lineal, 69
combinaciones, 34, 46
conjunto
de combinaciones lineales, 70
conjunto (s), 1
complemento de, 5
diferencia de, 7
finito, 17
infinito, 18
interseccion de, 4
union de, 3
vacio, 2
corresponencia biunvoca, 43
Cramer
regla de, 127
DeMorgan
leyes de, 6
dependencia lineal, 71
determinante, 93
propiedades, 95
dominio entero, 154
escalares, 53
espacio vectorial
Rn , 60
sobre los reales, 62
estructuras algebraicas, 28
funcion (es), 10, 36
biyectiva, 16, 39
caracterstica, 48
codominio de, 10
composicion de, 12
dominio de, 10
extension de, 41
imagen de, 11, 40, 135
inverso derecho de, 14
inverso izquierdo de, 14
invertible, 14
inyectiva, 15, 39
kernel, 134
162
163
6. Indice analtico
lineal, 134
multilineal, 113
suprayectiva, 16, 39
grupo, 30
induccion
principio modificado de, 159
principio de, 19, 158
inversion, 88
teorema del binomio, 21

operacion binaria, 147
ordenaciones, 32, 43
con repeticion, 31, 41
ordenada, 54
pareja ordenada, 8
particion, 24
Pascal
formula del triangulo de, 49
ley
teorema de, 21
de cancelacion para el producto, permutacion
30
impar, 89
de cancelacion para la suma, 29
inversa, 91
de la cancelacion, 152
par, 89
de tricotoma, 30
permutaciones, 33, 45, 88
ley distributiva, 4
producto
cartesiano, 8, 42, 53
matrices, 81
de un escalar por un vector, 53
matriz
por escalares, 60
aumentada, 121
punto, 65
cuadrada, 82
del sistema, 121
regla de correspondencia, 11
determinante, 126
relacion, 9
diagonal, 82
de equivalencia, 23, 149
escalonada, 86
dominio de, 10
menores, 102
imagen de, 10
rango de, 83, 112, 123
signos
transpuesta, 101
regla de los, 153
triangular, 82
sistema
n
umeros
homogeneo, 122
complejos, 28
solucion, 123
enteros, 28, 147
sistema homogeneo, 132
naturales, 28
asociado, 136
racionales, 28
subconjunto, 2
reales, 28
subespacio
Newton
generado, 70
164
vectorial, 70
vectorial de Rn , 63
vectorial generado, 76
suma, 60
de vectores, 53
transposicion, 89
unidades, 157
Van der Monde, 130
determinante tipo, 108
vectores, 53
linealmente dependientes, 71
linealmente independiantes, 72
ortogonales, 65
6.5. Indice analtico

Álgebra Superior-I-Lascurain PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Álgebra Superior-I-Lascurain PDF

Cargado por

Copyright:

Formatos disponibles

Algebra

Este libro trata de algunos temas introductorios de Algebra

que se cubren en el curso Algebra

de aquellos que se van a especializar en Algebra.

Quiero agradecer a Cristina Angelica

5. Sistemas de ecuaciones lineales

No se profundizara en la definicion axiomatica de conjunto, simplemente se

Otros ejemplos importantes son los n

Figura 1.1: La recta y = 3x + 3 es un subconjunto del plano

La proposicion de arriba se puede reescribir

Operaciones con conjuntos

Al comparar 2 conjuntos es conveniente pensar que ambos son subconjuntos

Las propiedades siguientes son consecuencia inmediata de la definicion.

1.3. Operaciones con conjuntos

Figura 1.2: Union e interseccion de conjuntos

significa fin de la prueba. Otras tecnicas de prueba muestran que

Recordamos que un conjunto universal es un conjunto fijo que contiene

1.3. Operaciones con conjuntos

Otra propiedad importante es

Figura 1.3: La contencion de conjuntos se invierte al tomar complementos

Figura 1.4: Complementos de union e interseccion

1.4. Producto cartesiano

Figura 1.5: Retcula N N

Por ejemplo, si A = {1, 2} y B = {a, b}, entonces

B = {1, 2}. Estas

R9 = {(a, 2), (b, 2)},

Usando los ejemplos anteriores se tendra

El codominio de una relacion A B es el segundo factor B, observese

Algunas relaciones son muy importantes.

2) Cada elemento en A tiene asociado un u

y se dira que f (x) es la imagen de x bajo f. El conjunto A se le llama el

son iguales si y solo si

Por ejemplo, si A = {1, 2, 3, 4, 5}, entonces f (x) = x2 se puede denotar

Si el codominio de una funcion coincide con el dominio de otra se puede

f g(x) = f (4x 1) = (4x 1)2 + 1 = 16x2 8x + 2.

2. Sean A = {a1 , a2 , a3 }, B = {b1 , b2 }, C = {c1 , c2 , c3 } y

3. Sean A = {1, 2} y f : A A dada por

Observese que si f : A B es una funcion, entonces

es decir, la composicion de funciones es asociativa y por lo tanto se pueden

n. Como ambas composiciones tienen dominio A y codoDemostracio

n. Por hipotesis si f : A B se tiene g1 f = 1A y

1.8. Funciones inyectivas, suprayectivas y biyectivas

Viceversa, si f es invertible sea g : B A su inversa, y se tiene que

Cardinalidad y conjuntos finitos

1.10. Cardinalidad y conjuntos finitos

La induccion matematica consiste de una manera de probar m

por lo que (1.1) se cumple si n = 1,

B) si (1.1) es valida para n, entonces

es decir, (1.1) se cumple para n+1 y se sigue del Principio de induccion

donde n! = 1 2 3 (n 1)(n), por ejemplo, 4! = 4 3 2 = 24.

Para probar (1.3) se aplica induccion probando A y B :

i.e., (1.3) se cumple para m + 1 y por lo tanto m Z (usamos

El teorema del binomio

Corolario 1.11.2 Cnm N

Teorema 1.11.3 (Del binomio de Newton) Si a, b R y n es un entero

1.11. El teorema del binomio

Por ejemplo (a+b)2 = a2 + 2ab + b2 y (a+b)3 = a3 + 3a2 b + 3ab2 + b3 , ya

n. Probamos el teorema usando induccion sobre n.

(a + b)1 = C10 a1 + C11 a0 b1 = 1 a + 1 b = a + b.

B) Si el teorema es cierto para n 1, se tiene

expresando la segunda sumatoria en terminos de k = j + 1, en lugar

Finalmente, homologando ndices y factorizando

en virtud del teorema de Pascal.