Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apuntes de lgebra II
Leandro Franchisquini
Instituto de Profesorado Concordia
2 ndice
ndice
ndice................................................................................................................................. 1
Ley de Composicin Interna ............................................................................................. 5
Propiedades y Elementos Distinguidos ......................................................................... 5
Regularidad de un elemento respecto de una Ley Interna ........................................ 5
Distributividad de una LCI respecto de otra ............................................................. 6
Homomorfismo de Conjuntos ....................................................................................... 7
Homomorfismos Especiales...................................................................................... 7
Relacin de Equivalencia .................................................................................................. 8
Clases de Equivalencia y Conjunto Cociente ........................................................... 8
Relacin de Equivalencia Congruencia Mdulo n.................................................... 8
Particin de un Conjunto no Vaco ......................................................................... 10
Funcin Cannica ................................................................................................... 10
Compatibilidad de una Relacin de Equivalencia con una Ley Interna ................. 10
Estructuras Algebraicas .................................................................................................. 12
Estructura de Monoide ................................................................................................ 12
Definicin de Neutro o Identidad ........................................................................... 12
Definicin de Inverso .............................................................................................. 12
Estructura de Semigrupo ............................................................................................. 12
Estructura de Grupo .................................................................................................... 12
Propiedades de los grupos ....................................................................................... 13
Subgrupos ................................................................................................................... 14
Condicin suficiente para la existencia de subgrupo .............................................. 14
Homomorfismo de Grupos ..................................................................................... 16
Ncleo de un Homomorfismo de Grupos ............................................................... 16
Imagen de un Homomorfismo de Grupos ............................................................... 17
Relacin de Equivalencia Compatible .................................................................... 18
Teorema Fundamental de Compatibilidad .............................................................. 18
Subgrupos Distinguidos .......................................................................................... 19
Grupo Cclico .......................................................................................................... 19
Estructura de Anillo .................................................................................................... 20
Propiedades de los Anillos ...................................................................................... 21
Anillo sin divisores de cero..................................................................................... 22
Dominio de Integridad ............................................................................................ 24
Subanillos................................................................................................................ 24
Ideales ..................................................................................................................... 25
Estructura de Cuerpo................................................................................................... 25
Propiedades de los Cuerpos .................................................................................... 26
Nmeros Complejos........................................................................................................ 28
Ecuaciones sin Solucin en R ..................................................................................... 28
Relacin de Equivalencia en R2 y Nmeros Complejos ............................................. 28
Definicin de Nmero Complejo ............................................................................ 28
Operaciones con Complejos ....................................................................................... 29
Isomorfismo de los Complejos Reales en los Reales.................................................. 31
Forma Binmico de un Complejo ............................................................................... 32
Unidad Imaginaria .................................................................................................. 32
Forma Binmica de un Complejo ........................................................................... 32
Complejos Conjugados ............................................................................................... 32
Propiedades ............................................................................................................. 33
Instituto de Profesorado Concordia 3
Apuntes de lgebra II
Automorfismo en C..................................................................................................... 33
Mdulo de un Complejo ............................................................................................. 34
Propiedades del Mdulo ......................................................................................... 34
Divisin en Complejos................................................................................................ 35
Raz Cuadrada en C .................................................................................................... 35
Forma Polar o Trigonomtrica .................................................................................... 36
Operaciones en Forma Polar ................................................................................... 37
Forma Exponencial en C ............................................................................................. 39
Operaciones en Forma Exponencial ....................................................................... 40
Logaritmacin en C................................................................................................. 40
Matrices........................................................................................................................... 41
Matriz .......................................................................................................................... 41
Otra definicin de Matriz ........................................................................................ 41
Igualdad de Matrices ............................................................................................... 41
Adicin de Matrices ................................................................................................ 42
Multiplicacin de una Matriz por un Escalar .......................................................... 42
lgebra de Matrices .................................................................................................... 43
Diagonal de una Matriz Cuadrada .......................................................................... 43
Traza de una Matriz Cuadrada ................................................................................ 43
Matriz Diagonal ...................................................................................................... 43
Matriz Escalar ......................................................................................................... 44
Matriz Identidad o Unidad ...................................................................................... 44
Matriz Triangular Superior ..................................................................................... 44
Matriz Triangular Inferior ....................................................................................... 44
Matriz Transpuesta.................................................................................................. 44
Matriz Simtrica...................................................................................................... 44
Matriz Antisimtrica ............................................................................................... 45
Producto de Matrices .................................................................................................. 47
Producto de una Matriz Fila por una Matriz Columna ........................................... 47
Producto de una Matriz Fila por una Matriz ........................................................... 47
Producto de una matriz Amxp por una matriz Bpxn ................................................... 48
Propiedades de la Multiplicacin de Matrices ........................................................ 49
Potencias de una Matriz Cuadrada .............................................................................. 50
Matriz Involutiva .................................................................................................... 50
Matriz Idempotente ................................................................................................. 50
Matriz Inversa ............................................................................................................. 51
Unicidad de la Matriz Inversa ................................................................................. 51
Inversa del Producto de Matrices ............................................................................ 51
Clculo de una Matriz Inversa ................................................................................ 51
Vectores cannicos ................................................................................................. 54
Matrices Equivalentes por Renglones ..................................................................... 54
Determinante de una Matriz de 2 2 ..................................................................... 54
Determinantes ................................................................................................................. 56
Funcin determinante de orden n ................................................................................ 56
Propiedades ............................................................................................................. 56
Clculo de un Determinante.................................................................................... 57
Matriz Adjunta de una Matriz Cuadrada .................................................................... 58
Producto de una Matriz por su Adjunta .................................................................. 58
Inversa de una Matriz.............................................................................................. 59
Teorema .................................................................................................................. 59
Leandro Franchisquini
4 ndice
Leandro Franchisquini
6 Ley de Composicin Interna
regulares y otros que no lo son. Si en un conjunto todos sus elementos son regulares se
dice que vale la ley cancelativa o de simplificacin.
Ejemplo: se define * : Q Q / a * b a b ab
2
Homomorfismo de Conjuntos
Sean los conjuntos A, B y las respectivas leyes de composicin internas
* : A2 A
: B2 B
La funcin f : A B es un homomorfismo respecto de * y , si y slo si la imagen de
la composicin en A es igual a la composicin de las imgenes en B. Es decir:
f : A B es homomorfismo respecto de * y f (a * b) f (a) f (b) a, b A
Homomorfismos Especiales
Sea f : A B un homomorfismo respecto de * y
1. f es monomorfismo, si y slo si es inyectiva;
2. f es epimorfismo , si y slo si es sobreyectiva;
3. f es isomorfismo, si y slo si es biyectiva;
4. f es un endomorfismo, si y slo si A B ;
5. f es un automorfismo, si y slo si es un endomorfismo biyectivo.
Leandro Franchisquini
8 Relacin de Equivalencia
Relacin de Equivalencia
La relacin R A2 es de equivalencia en A si y slo si es reflexiva, simtrica y
transitiva.
Por razones de simplificacin se utiliza el smbolo ~, y los elementos de todo par
pertenecientes a la relacin se llaman equivalentes.
La notacin a ~ b se lee a es equivalente a b, y significa que el par (a; b) pertenece a
la relacin. En este sentido las relaciones de equivalencia satisfacen:
a) Reflexividad: todo elemento de A es equivalente a si mismo
x:x A x~x
b) Simetra: si un elemento es equivalente a otro, entonces ste es equivalente al
primero.
xy:x~y y~x
c) Transitividad: si un elemento es equivalente a otro, y ste es equivalente a un
tercero, entonces el primero es equivalente al tercero.
xyz : x ~ y y~z x~z
Por definicin, el nmero natural n es divisor del entero x si y slo si ste es igual al
primero por un entero, es decir:
n x k Z / x n k
Ahora especificaremos algunas propiedades de la relacin de divisor que utilizaremos
ms adelante.
a) Si un nmero divide a un entero, entonces divide al producto de ste por
cualquier entero.
nx nx y
En efecto: por definicin de divisor
n x x n k x y n k y x y n (k y) n x y
b) Si un nmero divide a otros dos, entonces tambin divide a su suma o diferencia.
nxnynx y
En efecto: aplicando definicin de divisor, sumando y restando miembro a miembro,
aplicando la distributividad del producto respecto de la suma y la resta, y la
definicin de divisor, se tiene:
n x n y x n k y n q x y ( n k ) ( n q ) x y n ( k q) n x y
Leandro Franchisquini
10 Relacin de Equivalencia
O bien
Z n Ku / 0 u n
Funcin Cannica
Sea ~ una relacin de equivalencia definida en un conjunto A, no vaco, quedar
entonces determinado el conjunto cociente A .
~
Aplicacin cannica es la funcin
A
:A
~
Que asigna a cada elemento de A su clase de equivalencia, es decir, tal que
( x) K x
Dos elementos equivalentes pertenecen a la misma clase, en consecuencia admiten la
misma imagen, es decir, la aplicacin cannica es no inyectiva, salvo el caso de las
clases unitarias. Por otra parte, como cada clase es no vaca, ocurre siempre que es
sobreyectiva, es decir
A
K u , x A / ( x) K u
~
0 1 2
0 0 1 2
1 1 2 0
2 2 0 1
0 1 2
0 0 0 0
1 0 1 2
2 0 2 1
La construccin de esta tabla se hizo en base al teorema fundamental de compatibilidad, por ejemplo:
1 2 (1) (2) (1 2) (3) (0) 0
2 2 (2) (2) (2 2) (4) (1) 1
En la prctica, se suman las preimgenes en Z (o bien se multiplican segn el caso); la suma se la divide
por 3, y se propone como resulta en Z3 la clase correspondiente al resto de la divisin. El esquema que
proporciona validez a este procedimiento es el teorema anterior.
Leandro Franchisquini
12 Estructuras Algebraicas
Estructuras Algebraicas
En su forma ms simple, una estructura algebraica es un objeto matemtico consistente
en un conjunto no vaco y una relacin o ley de composicin interna definidas en l. En
situaciones ms complicadas puede definirse ms de una LCI en el conjunto, y tambin
leyes de composicin externas. Segn sean las propiedades que cumplen dichas leyes de
composicin, se tienen distintos tipos de estructuras algebraicas, que son sistemas
axiomticos.
Estructura de Monoide
El par (M;*), donde M y * es una funcin, es un monoide si y slo si * es una Ley
de Composicin Interna en M.
Son ejemplos de monoides los conjuntos N, Z, Q, R y C, con la adicin ordinaria de elementos. No as
( N ;) , ya que la resta no es LCI en N
Definicin de Inverso
Sea (M ;*) un monoide con neutro o identidad e M .
1. a1 M es inverso a izquierda de a M , respecto de *, si y slo si a1 * a e ;
2. a2 M es inverso a derecha de a M , respecto de *, si y slo si a * a2 e ;
3. a es inverso de a respecto de *, si y slo si lo es a izquierda y derecha, es decir
a * a' a'*a e
Estructura de Semigrupo
El par (A;*), donde A y * es una funcin, es un semigrupo si y slo si * es ley
interna y asociativa en A.
En otras palabras un semigrupo es un Monoide Asociativo.
En particular, si la ley de composicin es conmutativa, se dice que es un semigrupo
conmutativo; y si existe el elemento neutro, se dice que el semigrupo tiene unidad.
El par ( N ;) es un semigrupo conmutativo sin identidad. Sin embargo ( N 0 ;) si posee identidad.
Estructura de Grupo
Sea un conjunto no vaco G, y una funcin *. El par (G;*) es un grupo si y slo si * es
una ley interna en G, asociativa, con neutro y tal que todo elemento de G admita inverso
respecto de *.
Instituto de Profesorado Concordia 13
Apuntes de lgebra II
Leandro Franchisquini
14 Estructuras Algebraicas
(a'*a) * b (a'*a) * c
Por definicin de inverso
e *b e *c
Por definicin de Neutro
bc
Anlogamente se prueba la regularidad a derecha.
3. Ecuaciones en un grupo: sea (G;*) un grupo. Entonces, cada una de las
ecuaciones b * x a y x * b a admite solucin nica.
En efecto: demostraremos para la primera ecuacin
Componiendo los dos miembros de la primera ecuacin con b
b'*(b * x) b'*a
Por asociatividad
(b'*b) * x b'*a
Por definicin de inverso
e * x b'*a
Por definicin de neutro
x b'*a
La unicidad de la solucin se debe a la unicidad del inverso y al hecho de que * es
una funcin de G2 en G.
Anlogamente se demuestra para la segunda ecuacin.
4. Inverso de la composicin: en todo grupo, el inverso de la composicin de dos
elementos, es igual a la composicin de los inversos en orden permutado, es
decir
(a * b)' b'*a'
En efecto:
Sea
(a * b) * (b'*a' )
Aplicando sucesivamente Asoc., Existencia de inverso, existencia de neutro y
existencia de inverso, se tiene
(a * b) * (b'*a' ) a * (b * b' ) * a' a * e * a' a * a' e
Con lo que
(a * b) * (b'*a' ) e
(a * b)'*(a * b) * (b'*a' ) (a * b)'*e
e * (b'*a' ) (a * b)'
(b'*a' ) (a * b)'
Hemos aplicado sucesivamente: definicin de inverso y de neutro dos veces.
Subgrupos
El subconjunto no vaco H, del conjunto G, es un subgrupo, del grupo (G;*) , si y slo
si (H ;*) es grupo.
ii El neutro pertenece a H.
H a H
Por hiptesis y definicin de inverso
a H a H a * a' H e H
iii Todo elemento de H admite inverso en H.
Sea a H
Por II y por hiptesis
e H a H e * a' H a' H
iv H es cerrado par la ley *
Sean a H b H
Por III, por hiptesis y por inverso del inverso se tiene
a H b H a H b' H a * (b' )' H a * b H
Con I, II, III y IV queda demostrado que (H ;*) es un subgrupo de (G;*) . En la prctica
basta con corroborar que
i H
ii H G
iii Si dos elementos pertenecen al conjunto H, entonces el primero compuesto con
el inverso del segundo, debe pertenecer a H
Ejemplo: consideremos que ( R ;) es grupo abeliano, lo que se puede probar mediante la verificacin
2
H {A nn / aij a ji }
Resulta que( H ;) es un subgrupo de (nn ;) . En efecto:
i La matriz nula N H H
nn
ii H por definicin de H
iii Sean
A H B H aij a ji bij b ji aij bij a ji b ji A ( B) H
Hemos aplicado la definicin de H, la sustraccin en R y las definiciones de suma de matrices y
matriz opuesta.
Con todo esto queda demostrado que ( H ;) es un subgrupo de las matrices simtricas n n .
Leandro Franchisquini
16 Estructuras Algebraicas
Homomorfismo de Grupos
Sean dos grupos (G;*) y ( H ;) , la funcin f : G H es un homomorfismo si y slo si
la imagen de la composicin en G es iguala la composicin de las imgenes en H. es
decir:
f : G H es homomorfismo f (a * b) f (a) f (b)
En particular el morfismo puede ser: monomorfismo, epimorfismo, endomorfismo,
isomorfismo o automorfismo.
Propiedades
1) Si f : G H es un homomorfismo de grupos, entonces la imagen del neutro
del primer grupo es el neutro del segundo grupo.
Se trata de probar que f (e) e' , donde e es el neutro en H.
En efecto:
Cualquiera que sea x G se verifica que
x * e x f ( x * e) f ( x)
Por definicin de homomorfismo
f ( x) f (e) f ( x)
Luego, como en ( H ;) existe un neutro (por axioma 3)
f ( x) f (e) f ( x) e'
Aplicando ley cancelativa en H
f (e) e'
2) Si f : G H es un homomorfismo de grupos, la imagen del inverso de todo
elemento de G es igual al inverso de la imagen. Es decir
f ( x 1 ) [ f ( x)]1
Cualquiera que sea x en G, por G4
x * x 1 e
Entonces
f ( x * x 1 ) f (e)
Por definicin de Homomorfismo y por la propiedad anterior se tiene
f ( x) f ( x 1 ) e'
Luego
f ( x 1 ) [ f ( x)]1
Propiedades
1) El ncleo de todo homomorfismo de grupos es un subgrupo del primero. Es
decir
( N ( f );*) es un subgrupo de (G;*)
En efecto:
i Por una propiedad del homomorfismo de grupos f (e) e' e N ( f ) N ( f )
ii N ( f ) G por definicin de N ( f )
iii Sean
a b N ( f ) f (a) = e'f (b) = e'
f (a) = e'[ f (b)] 1 = e' 1
f (a) = e'f (b 1 ) = e' f (a) f (b 1 ) = e'
f (a * b 1 ) = e'(a * b 1 ) N ( f )
Por definicin de ncleo, imagen del inverso, inverso del neutro, composicin en H,
homomorfismo y definicin de ncleo.
En virtud de la condicin suficiente, resulta que ( N ( f );*) es un subgrupo de (G;*)
2) El homomorfismo f : G H es inyectivo, es decir, un monomorfismo si y slo
si el ncleo es unitario.
Sea N ( f ) el ncleo del homomorfismo f : G H
i f es 1 a 1 N ( f ) {e}
La demostracin es inmediata, pues si en el ncleo hubiera ms de un elemento,
estos tendran la misma imagen, luego f no sera inyectiva.
ii N ( f ) {e} f es 1 a 1
En efecto: Sean x y G tales que f ( x) f ( y)
Componiendo con el inverso de f ( y) , en H
f ( x) [ f ( y)]1 f ( y) [ f ( y)]1
f ( x) f ( y 1 ) e'
Por definicin de homomorfismo
f ( x * y 1 ) e'
Por definicin de ncleo
x * y 1 N ( f )
Por ser N ( f ) {e}
x * y 1 e
Componiendo a derecha con y
x * y 1 * y e * y
x*e y
x y
Por lo tanto f es inyectiva
Leandro Franchisquini
18 Estructuras Algebraicas
Propiedad
La imagen de todo homomorfismo de grupos es un subgrupo del segundo.
En efecto:
i Como f (e) e' e' I ( f ) I ( f )
ii I ( f ) H por definicin de I ( f )
iii Sean y1 y2 I ( f )
Entonces, por definicin de imagen, x1 x2 G , tales que
f ( x1 ) y1 f ( x2 ) y2
Por inversos en H
1
f ( x1 ) y1 [ f ( x2 )]1 y2
Por composicin en H
1
f ( x1 ) [ f ( x2 )]1 y1 y2
Por homomorfismo
1 1
f ( x1 * x2 ) y1 y2
1
Y como x1 * x2 G , por definicin de imagen, se tiene
1
y1 y2 I ( f )
En consecuencia, por la condicin suficiente para la existencia de subgrupo, se tiene
que ( I ( f );) es un subgrupo de ( H ;) .
Grupo Cociente
G
El grupo al que se refiere el teorema anterior se llama Grupo Cociente de G por la
~
relacin de equivalencia compatible con *.
Instituto de Profesorado Concordia 19
Apuntes de lgebra II
Ejemplo: Consideremos el grupo aditivo de las clases de restos mdulo n. En este caso
Z n 0, 1, 2,, n 1
Se puede demostrar que la congruencia mdulo n es compatible con la adicin en Z; entonces, por el
teorema fundamental de compatibilidad, se tiene en el conjunto cociente Zn una nica ley de composicin
interna inducida, llamada suma de clases, tal que la aplicacin cannica f : Z Z n es un
homomorfismo, siendo ( Z n ;) el grupo aditivo de las clases de restos mdulo n.
Para sumar dos clases en Zn procedemos as
u v f (u) f (v) f (u v)
Dividiendo u v y n se obtienen q y r, tales que
u v nq r 0 r n
De y
u v f (nq r ) f (r ) r
Ya que
(u v) r nq n | (u v) r (u v) ~ r
Subgrupos Distinguidos
El subgrupo (H ;*) de (G;*) es distinguido si y slo si existe un grupo (G' ;) y un
homomorfismo f : G G' , cuyo ncleo es H. Es decir
H G es distinguido G' grupo, y f : G G' homomorfismo / N ( f ) H
Subgrupos distinguidos de todo grupo (G;*) son el mismo G y {e}. En efecto en el
primer caso la aplicacin
f : G G definida por f ( x) e, x G
Es un homomorfismo, ya que
f (a * b) e e * e f (a) * f (b)
Adems se verifica que N ( f ) G , pues x G : f ( x) e
En el segundo caso, basta con definir f : G G mediante f ( x) x x G , y se tiene
un homomorfismo, ya que
f (a * b) a * b f (a) * f (b)
y como N ( f ) {e} , resulta que {e} es subgrupo distinguido de G.
Ejemplo: sean ( Z ;) el grupo aditivo de los enteros y el subconjunto H, de los mltiplos de 3
H {x Z / 3 | x}
Si consideramos la congruencia mdulo 3 en Z, entonces la aplicacin cannica
f : Z Z3
es un homomorfismo de ( Z ;) en ( Z 3 ;) cuyo ncleo es, precisamente, H. en este caso decimos que H
es subgrupo distinguido de Z.
Grupo Cclico
Generadores de un Grupo
Subgrupo generado por el conjunto no vaco S G es la interseccin de todos los
subgrupos que contienen a S
Si S es el subgrupo generado por S, entonces podemos escribir
S Hi
Hi S
Leandro Franchisquini
20 Estructuras Algebraicas
Grupo Cclico
El grupo (G;*) es un grupo cclico si y slo si es generado por un elemento.
Es decir
G es cclico a G / G {a}
Diremos que el grupo cclico G, generado por a, es infinito si y slo si no existe un
entero positivo m tal que a m a a a a e
Si n es el menor entero positivo que verifica que a n e , entonces el grupo G consiste
en n elementos distintos
e; a; a 2 ;; a n1
y se dice que es cclico de orden n.
Estructura de Anillo
Sean un conjunto no vaco A y las funciones: * y
La terna (A;*;) es un anillo si y slo si
1. El conjunto con la primera ley es grupo abeliano
2. el conjunto con la segunda ley es semigrupo
3. la segunda ley es doblemente distributiva respecto de la primera.
Redefinimos ahora para dos leyes: la aditiva y la multiplicativa, que se suelen denotar
+ y ., respectivamente.
La terna ( A;;) es un anillo si y slo si
1. ( A;) es grupo abeliano;
2. ( A;) es semigrupo;
3. El producto es distributivo a izquierda y derecha respecto de la suma.
Estas condiciones se traducen en los siguientes axiomas:
A1: La adicin es ley de composicin interna en A
ab : a A b A a b A
A2: La adicin es asociativa en A
abc A : (a b) c a (b c)
A3: Existe el neutro en A, denotado con 0, respecto de la adicin
0 A / a A : a 0 0 a a
Instituto de Profesorado Concordia 21
Apuntes de lgebra II
Leandro Franchisquini
22 Estructuras Algebraicas
Luego
(a) b (a b)
Propiedades
1. El anillo ( Z n ;;) no tiene divisores de cero si y slo si n es primo.
Por definicin el nmero natural n 1 es primo si y slo si los nicos divisores que
naturales que admite son l mismo y la unidad, es decir, n y 1. Decimos que n 1 es
compuesto si y slo si n x y siendo 1 x n 1 y n .
i Si ( Z n ;;) no tiene divisores de cero, entonces n es primo
Supongamos que n es compuesto, es decir
n x y donde 1 x n 1 y n
Si f : Z Z n es la aplicacin cannica, se tiene
f (n) f ( x y)
Como f es morfismo respecto del producto
f (n) f ( x) f ( y)
De acuerdo con
f ( x) x f ( y ) y
Adems, como n ~ 0, por definicin de aplicacin cannica e imagen del neutro por
un homomorfismo, es
f (n) f (0) 0
De , y
0 xyx 0 y 0
Instituto de Profesorado Concordia 23
Apuntes de lgebra II
Leandro Franchisquini
24 Estructuras Algebraicas
( x y) z 0
Como no existen divisores de cero y z 0 resulta
x y 0 x y
ii En ( A;;) vale la ley cancelativa, entonces no tiene divisores de cero.
a c b c c 0 a b, x y 0 x 0 y 0
Supongamos que y 0 , debe ser necesariamente x 0
Por A3, cualquiera que sea z A , se cerifica
z y z y0
Como por hiptesis se tienen que x y 0
z y z y x y
Por distributividad
z y ( z x) y
Por ley cancelativa, ya que y 0 , resulta
zzx
Es decir
x0
Ejemplo: sea nn el conjunto de todas las matrices reales de n filas y n columnas, probaremos que
(nn ;;) es anillo
A1: A nn B nn A B nn
A2: ( A B) C A ( B C)
A3: N nn / A nn : N A A N A
A4: A nn , A nn / A ( A) ( A) A N
A5: A B B A
A6: A nn B nn A B nn
A7: I nn / A nn : A I I A A
A8: A ( B C) AB AC ( B C) A BA CA
Se trata del anillo no conmutativo, con identidad, de las matrices cuadradas de orden n n . Podemos
22
verificar la existencia de divisores de cero para el caso particular ( ;;) . En efecto:
1 1 1 0
A N B 0 y sin embargo
0 0 1 0
0 0
AB N
0 0
Dominio de Integridad
Todo anillo conmutativo, con unidad y sin divisores de cero, se llama dominio de
integridad.
Las ternas ( Z ;;) , ( R;;) y ( Z 3 ;;) son dominio de integridad. Si P es el conjunto de
los enteros pares, entonces ( P;;) es anillo conmutativo, sin divisores de cero y sin
identidad; en consecuencia no es dominio de integridad.
Subanillos
Sea ( A;;) un anillo. Un subanillo de ( A;;) es una parte no vaca de A, que tiene
estructura de anillo con las mismas leyes de composicin. Es decir:
Instituto de Profesorado Concordia 25
Apuntes de lgebra II
Ideales
Sea ( I ;;) un subanillo de ( A;;) :
i El subanillo I es ideal a la izquierda de A si y slo si
x A aI xaI
ii El subanillo I de A es un ideal a derecha de A si y slo si
aI x A a xI
iii El subanillo I de A es un ideal de A si y slo si es un ideal a izquierda y a
derecha de A.
En el caso de anillos conmutativos no es necesario distinguir entre ideal a izquierda o a
derecha.
Las condiciones que se imponen al subconjunto I A , para que sea un ideal, son las
siguientes:
1) I
2) a I b I a b I
3) a I b I a b I
4) a I x A a x I x a I
Todo anillo ( A;;) admite dos ideales: A y {0}, y son llamados ideales triviales. Todo
otro ideal, si existe, se llama ideal propio no trivial.
} . Probar que S es subanillo de Z
Ejemplo: sea el anillo ( Z ;;) y sea S {x Z / x 3
1) S Z por definicin de S
2) x S y S x 3k y 3k ' x y 3(k k ' ) x y 3 x yS
3) x S y S x 3k y 3k ' x y 3 (k 3 k ' ) x y 3 x yS
4) a Z x S a a x 3k x a 3k a a x a 3k x a S a x S
Estructura de Cuerpo
Un anillo con unidad cuyos elementos no nulos son invertibles se llama anillo de
divisin. Todo anillo de divisin conmutativo es un cuerpo.
Leandro Franchisquini
26 Estructuras Algebraicas
Ejemplo:
La terna ( Z ;;) no es cuerpo, pues los nicos elementos no nulos que admiten inverso multiplicativo
son 1 y -1.
En cambio (Q;;) , ( R;;) , (C;;) y ( Z n ;;) con n primo, son cuerpos
( x 1 )( x)( x) 1 1( x) 1
Por asociatividad e inverso multiplicativo, resulta
( x 1 ) ( x) 1
5) En todo cuerpo se verifica
x z
xw yz
y w
En efecto:
x z
xy 1 zw1 xy 1 yw zw1 yw xw yz
y w
Hemos aplicado sucesivamente definicin de inverso multiplicativo, multiplicamos
miembro a miembro por yw , propiedad asociativa y conmutativa del producto,
definicin de inverso y neutro.
Leandro Franchisquini
28 Nmeros Complejos
Nmeros Complejos
Ecuaciones sin Solucin en R
El ejemplo ms comn al momento de ilustrar las ecuaciones sin soluciones reales es
x2 1 0
ya que cualquiera que sea x R , se verifica que x 2 0 y por lo tanto
x2 1 0
De modo ms general, la ecuacin ax 2 bx c 0 , cuyas races se pueden calcular por
b b 2 4ac
x
2a
Dichas races no sern reales si y slo si el discriminante b 2 4ac 0 .
Se hace necesaria la ampliacin del conjunto de los nmeros reales a un conjunto en el
cual puedan resolverse situaciones del tipo anterior, de manera que R sea isomorfo a
una parte de l. Tal conjunto es el de los nmeros complejos.
La primera componente del par ordenado recibe el nombre de parte real y la segunda
parte imaginaria. Las notaciones son
Re( z) a Im( z) b
Introduciendo en un sistema de ejes coordenados,
los nmeros complejos se corresponden con los
puntos del plano. Abscisa de cada punto es la parte
real y la ordenado es la parte imaginaria. Por otro
lado, a cada complejo le est asociado un vector
con origen en el origen del sistema de coordenadas,
y cuyo extremo es el punto determinado por el par
ordenado correspondiente.
Instituto de Profesorado Concordia 29
Apuntes de lgebra II
Los complejos de parte imaginaria nula, es decir (a;0) son puntos sobre el eje de las
abscisas, y son llamados complejos reales. Mientras que los complejos de parte real
nula son puntos sobre el eje de las ordenadas, y son llamados complejos imaginarios.
G2: (a; b), (c; d ), (e; f ) R 2 : [(a; b) (c; d )] (e; f ) (a; b) [(c; d ) (e; f )]
Aplicando la definicin de suma de complejos verificaremos que se cumple la
igualdad:
[(a; b) (c; d )] (e; f ) (a; b) [(c; d ) (e; f )]
(a c; b d ) (e; f ) (a; b) (c e; d f )
(a c e; b d f ) (a c e; b d f )
Leandro Franchisquini
30 Nmeros Complejos
G2: Asociatividad
( zz' ) z ' ' [(a; b)(a' ; b' )](a' ' ; b' ' ) (aa'bb' ; ab' a' b)(a' ' ; b' ' )
(aa' a' 'bb' a' 'ab' b' 'a' bb' ' ; aa' b' 'bb' b' 'ab' a' ' a' ba' ' )
z ( z ' z ' ' ) (a; b)[(a' ; b' )(a' ' ; b' ' )] (a; b)(a' a' 'b' b' ' ; a' b' 'a' ' b' )
(aa' a' 'bb' a' 'ab' b' 'a' bb' ' ; aa' b' 'bb' b' 'ab' a' 'a' ba' ' )
De y se deduce que
( zz' ) z' ' z( z' z' ' )
a b
a 2 b2 0
b a
1 b
x a
0 a
a 1
y b
b 0
Luego
x a y b
x 2 y 2
a b 2
a b2
O sea
a b
z 1 2 ; 2 2
a b a b
2
G5: Conmutatividad
zz' (a; b)(a' ; b' ) (aa'bb' ; ab'ba' )
z' z (a' ; b' )(a; b) (a' a b' b; a' b b' a)
De y , y por conmutatividad del producto en reales, se tiene
zz' z' z
iii El producto es distributivo respecto de la suma
En efecto:
( z z ' ) z ' ' [(a; b) (a' ; b' )](a' ' ; b' ' ) (a a' ; b b' )(a' ' ; b' ' )
(aa' ' a' a' 'bb' 'b' b' ' ; ab' ' a' b' 'ba' ' b' a' ' )
(aa' 'bb' ' ; ab' 'ba' ' ) (a' a' 'b' b' ' ; a' b' ' a' ' b' )
(a; b)(a' ' ; b' ' ) (a' ; b' )(a' ' ; b' ' )
zz' ' z ' z ' '
Por adicin en C, multiplicacin en C y conmutatividad de la suma de reales.
De i, ii y iii, se deduce que (C;;) es un Cuerpo y cada elemento, es decir, cada nmero
complejo es un escalar.
Leandro Franchisquini
32 Nmeros Complejos
Complejos Conjugados
Conjugado de z a bi es el nmero complejo
z a bi . Es decir, dos complejos son conjugados si y
slo si tienen la misma parte real y sus partes
imaginarias son nmeros opuestos.
El smbolo z se lee conjugado de z o z conjugado
Dado z a bi se tiene z a bi y z a bi , es decir,
que el conjugado del conjugado de un nmero complejo
es igual a ste (involucin). Los complejos z y z se
llaman conjugados.
Dos complejos conjugados caracterizan puntos
simtricos respecto del eje real.
Instituto de Profesorado Concordia 33
Apuntes de lgebra II
Propiedades
1) La suma de dos complejos conjugados es igual al duplo de la parte real.
En efecto: sea z a bi , entonces
z z (a bi) (a bi) 2a 2 Re( z)
2) El producto de dos complejos conjugados es un nmero real no negativo.
En efecto:
zz (a bi)(a bi) a 2 (bi) 2 a 2 b 2
Como a y b son nmeros reales resulta
z z R z z 0
3) Un nmero complejo es real si y slo si es iguala su conjugado
zR z z
En efecto:
i z R z a 0i z a z a z z
ii z z a bi a bi bi bi 2bi 0 b 0 z R
Automorfismo en C
La funcin f : C C / f ( z) z es un automorfismo en C.
En efecto:
i f es inyectiva. Sean z y z en C, tales que f ( z) f ( z' )
f ( z) f ( z' ) z z ' a bi a'b' i
Por igualdad de complejos resulta que a a'b b' ; o sea z z '
ii f es sobreyectiva. Para todo w a bi C , existe z a bi , tal que
f ( z) f (a bi) a bi w
iii f es un morfismo respecto de la adicin, pues
f ( z z ' ) z z ' (a bi) (a'b' i ) (a a' ) (b b' )i
(a a' ) (b b' )i (a bi) (a'b' i )
z z ' f ( z) f ( z' )
Por definicin f y suma en C.
iv f es un morfismo respecto de la multiplicacin, ya que
f ( zz' ) zz' (a bi )(a'b' i ) (aa'bb' ) (ab'ba' )i
(aa'bb' ) (ab'ba' )i (a bi)(a'b' i) z z '
f ( z) f ( z' )
Las propiedades iii y iv se traducen en el siguiente enunciado: el conjugado de la suma
de dos complejos es igual a la suma de los conjugados de los mismos y el producto
de los conjugados de dos complejos es igual al producto de los conjugados de los
mismos
z z' z z '
z z' z z '
ii z z 1
Leandro Franchisquini
34 Nmeros Complejos
( x yi )( x yi ) 1 x 2 y 2 ( xy yx)i 1
Es decir, x y 1 , responde a una circunferencia con centro en el origen y radio unitario.
2 2
Mdulo de un Complejo
Mdulo de un complejo z a bi es la raz cuadrada no negativa de la suma de los
cuadrados de las partes real e imaginaria.
| z | a 2 b 2
El mdulo de un complejo es la distancia del punto correspondiente al origen.
Divisin en Complejos
Al dividir dos complejos, siendo el segundo distinto de cero, puede evitarse la
determinacin del inverso multiplicativo del divisor, multiplicando por le conjugado de
ste, y se obtiene
z zw zw
w ww | w |2
En particular
1 2i (1 2i)(2 3i) 2 3i 4i 6i 2 4 7i 4 4i
2 3i (2 3i)(2 3i) 22 32 13 13 13
Raz Cuadrada en C
Sea z a bi , la raz cuadrada de z es un complejo x yi que satisface
( x yi ) 2 a bi
Aplicando mdulos
( x yi ) 2 a bi
Por mdulo de una potencia y por definicin de mdulo
| x yi |2 a 2 b 2
Leandro Franchisquini
36 Nmeros Complejos
x 2 y 2 | z |
Desarrollando
x 2 y 2 2 xyi a bi
Por igualdad de complejos
x2 y2 a
2 xy b
Sumando y restando y
x y | z |
2 2
2 x | z | a
2
2 2
x y a
2
2 y | z | a
Resulta
| z | a | z | a
x y
2 2
Ambos radicandos son no negativos, pues | z | a , y se obtienen cuatro pares de valores
reales, de los cuales se seleccionan dos de acuerdo con la condicin: si b 0 ,
entonces x e y se elijen con el mismo signo; si b 0 , se elijen con distinto signo.
Multiplicacin
El producto de dos complejos en forma polar tiene por mdulo el producto de los
mdulos de los factores y por argumento la suma de los argumentos de los mismos.
Sean z (cos i sen ) y z' ' (cos 'i sen ' ) . Entonces
zz' ' (cos isen )(cos 'isen ' )
' [cos cos ' sen sen 'i (cos sen ' sen cos ' )]
' [cos( ' ) isen( ' )]
Cociente
El cociente de dos complejos en forma polar, siendo el segundo distinto de cero, tiene
por mdulo el cociente de los mdulos y por argumento la diferencia de los argumentos
de los mismos.
Sea w R(cos isen ) , tal que
z
w z z' w
z'
(cos isen ) ' (cos 'isen ' ) R(cos isen )
(cos isen ) ' R[cos( ' ) isen ( ' )]
Por igualdad de complejos se tiene
' R ' 2k
Luego
R ' , si k 0
'
En consecuencia
z
[cos( ' ) isen( ' )]
z' '
Leandro Franchisquini
38 Nmeros Complejos
Radicacin
Por definicin, el complejo w es raz n-sima de z si y slo si z wn .
Teorema: todo complejo no nulo admite n races n-simas distintas dadas por
2k 2k
wk n cos isen
n n
Donde k 0;1;; n 1 | z | arg( z)
En efecto:
Sean z (cos isen ) w R(cos isen )
Por definicin de raz debe ser
wn z
Es decir
R n (cos n isen n ) (cos isen )
Por igualdad de complejos es
R n n 2k
Es decir
2k
R n
n
Se tiene la frmula
n (cos isen ) n cos
2k 2k
isen
n n
Todas las races de z tienen el mismo mdulo, pero difieren en el argumento que es
2k
con k Z
n n
De los infinitos valores de k, es suficiente considerar k 0;1;; n 1 , para obtener las n
races distintas.
Races Argumentos
w0
n
2
w1
n n
2
w2 2
n n
2
w3 3
n n
2
wn-1 (n 1)
n n
Si k n , entonces la correspondiente raz wn tiene por argumento
2
n 2
n n n n
Con lo que se vuelve a obtener w0. En general w j n w j y slo existen n races
distintas.
Nota: las n races distintas de un complejo se identifican con los vrtices de un polgono
regular de n lados inscripto en una circunferencia de centro en el origen y radio R n
Instituto de Profesorado Concordia 39
Apuntes de lgebra II
3
Ejemplo: Hallar las races de 1
z 1 0i 1 0
Luego
0 2k 0 2k
3 1(cos 0 isen 0) 3 1 cos isen
3 3
2k 2k
wk cos isen
3 3
w0 cos 0 isen 0 1
2 2 1 3
w1 cos isen cos 120 isen 120 i
3 3 2 2
4 4 1 3
w2 cos isen cos 240 isen 240 cos 60 isen 60 i
3 3 2 2
Forma Exponencial en C
En anlisis podemos demostrar que la exponencial e x , admite el desarrollo en Series
de McLaurin
x 2 x3 xn
ex 1 x
2! 3! n0 n!
Leandro Franchisquini
40 Nmeros Complejos
Demostrar:
1) z ei | z | 1
z ei z cos isen | z | cos 2 sen 2 1
2) e z 1 z 2n i con n Z
Sea z x yi . Entonces
e z e xiy e x (cos y isen y) e x cos y ie x sen y 1 0i
Por igualdad de complejos es
e x cos y 1 e x sen y 0
Como e x 0 resulta que sen y 0 y k con k Z
y k cos y cos k (1) k
Luego
e x (1) k 1 (1) k (1) k (1) 2k
Es decir, e (1) , como
x k
e x 0 , se tiene k 2n .
As e 1 x 0
x
Resulta
z x iy 0 2n i 2n i
Logaritmacin en C
Sea z 0 . Por definicin ln z w e w z .
Para determinar los complejos w que satisfacen w ln z , proponemos la forma
exponencial para z y la forma binmica para w, es decir
z ei w u vi
Hay que determinar u y v tales que
euiv ei eu eiv ei eu v 2k
Es decir
ln z ln i( 2k ) con k Z
Esta frmula nos permite calcular los infinitos
logaritmos de un nmero complejo no nulo.
Como la parte real de z es independiente de k, todos
los logaritmos corresponden a puntos de la recta
paralela al eje de ordenadas, que pasa por (ln ;0) .
El valor principal w ln z es el que se obtiene para
k 0 , o sea
V .P. ln z ln i
Instituto de Profesorado Concordia 41
Apuntes de lgebra II
Matrices
Matriz
Una matriz A de m n es un arreglo rectangular de m n nmeros acomodados o
dispuestos en m renglones y n columnas:
a11 a12 a1 j a1n
a21 a22 a2 j a2 j
A
ai1 ai 2 aij ain
a
m1 am 2 amj amn
El smbolo m n se lee m por n. A menos que se indique lo contrario, los nmeros
de una matriz o un vector son nmeros reales (aunque tambin pueden ser complejos).
Al vector rengln (ai1 ai 2 aij ain ) se le llama rengln i y al vector
a1 j
columna se le llama columna j. La componente ij-sima de A, denotada por aij ,
mj
es el nmero que pertenece al i-simo rengln y a la j-sima columna. A veces, la matriz
A se escribir A (aij ) . En general las matrices se indican con letras maysculas.
Igualdad de Matrices
Dos matrices A (aij ) y B (bij ) son iguales, si:
1. Tienen el mismo tamao;
2. Sus elementos correspondientes son iguales.
42 Matrices
4 1 5 1 3 1 2 3
y
0 1 1 1 4 6 6
a)
2 3
2 0 0 2
b) y
1 3 1 3
1 0 1 0 0
c) y
0 1 0 1 0
Solucin:
a) Si, las dos matrices son de 2 3 , y 1 3 4 ; 2 3 5 ; 1 1 2 ; 1 4 3 ; y 6 6 0
.
b) No, 2 0 , por lo cual las matrices son distintas, ya que por ejemplo la componente 1,1 de A
es distinta a la componente 1,1 de B. Esto es cierto a pesar de que las matrices tengan los
mismos elementos. Los elementos correspondientes deben ser iguales.
c) No, la primera matriz es de 2 2 y la segunda 2 3 . Con lo que no tienen el mismo tamao.
Luego no son iguales.
Todo vector es una clase especial de matriz. As por ejemplo, el vector rengln de n-
componentes (a1 a2 an ) es una matriz de 1 n , llamada tambin matriz fila,
a1
mientras que el vector columna de n-componentes es una matriz de n 1 , llamada
a
n
matriz columna.
Adicin de Matrices
Sean las matrices A (aij ) y B (bij ) de tamao m n . Entonces la suma de A y B es
la matriz A B de m n dada por
a11 b11 a1 j b1 j a1n b1n
A B ai1 bi1 aij bij ain bin
a b
m1 m1 amj bmj amn bmn
Es decir A B es la matriz de m n que se obtiene de sumar las componentes
correspondientes de A y B.
Nota: la suma de matrices slo se puede realizar si las dos son del mismo tamao.
lgebra de Matrices
Sean A, B y C marices de m n y un escalar. Entonces:
a) A 0 A
b) 0 A 0
c) A B B A (ley conmutativa de la adicin matricial)
d) ( A B) C A ( B C) (Ley asociativa de la adicin matricial)
e) ( A B) A B (ley de distribucin de la multiplicacin por un escalar)
f) 1A A
Nota: el cero del inciso a) es una matriz cero de m n . En la parte b) el cero de la
izquierda es una escalar, mientras que el de la derecha es una matriz cero de m n .
La demostracin de estas propiedades se deja como ejercicio, debido a su simplicidad.
Si adems consideramos que A ( A) 0 , se puede decir que (nxn ; ) es grupo
abeliano (por cumplir con LCI, Asociatividad, conmutatividad, existencia de neutro y
de simtrico).
Matriz Diagonal
La matriz diagonal es una matriz cuadrada en la que los elementos que no pertenecen a
la diagonal son nulos.
44 Matrices
a11 0 0
0 a22 0
A nn i, j :i j aij 0 o bien A nn
0 ann
0
Matriz Escalar
La matriz escalar es toda matriz diagonal cuyos elementos de la diagonal son iguales a
un escalar.
k 0 0
i j bij 0
0 k 0
nn
B es escalar i, j : o bien B nn
i j bij K
0 0 k
Matriz Transpuesta
La matriz transpuesta de una matriz cuadrada A (aij ) es la matriz At (a ji ) . Es el
resultado de permutar las filas y las columnas entre s.
La matriz transpuesta puede aplicrsele a una matriz cuadrada o a una rectangular.
En caso de que una matriz A mxn , entonces su transpuesta At nxm .
Matriz Simtrica
Matriz simtrica es toda matriz cuadrada que es igual a su transpuesta.
A nn es simtrica A At
O bien
Instituto de Profesorado Concordia 45
Apuntes de lgebra II
A nn es simtrica i, j : aij a ji
Matriz Antisimtrica
Matriz antisimtrica es toda matriz cuadrada que es opuesta a su transpuesta.
A nn es antisimtrica A At
O bien
A nn es antisimtrica i, j : aij a ji
Nota: si una matriz admite antisimtrica, su diagonal es nula.
En efecto: aii aii 2aii 0 aii 0
4 1 0 3 9 0 7 8 0
Conclusin: la suma entre una matriz y su transpuesta es igual a una matriz simtrica
Teorema
La transpuesta de una suma de matrices es igual a la suma de las transpuestas de
dichas matrices
En efecto:
Sea la matriz cuadrada
a11 a12 a1n a11 a21 an1
a a22 a2 n a a22 an 2
A 21 At 12
a an 2 ann a a2 n ann
n1 1n
Sea tambin la matriz
b11 b12 b1n b11 b21 bn1
b b22 b2 n b b b
B 21 Bt 12 22 n 2
b bn 2 bnn b
n1 1n b2 n bnn
Luego
46 Matrices
a11 b11 a12 b12 a1n b1n a11 b11 a21 b21 an1 bn1
a21 b21 a22 b22 a2 n b2 n a12 b12 a22 b22 an 2 bn 2
A B ( A B)
t
a b a b a b a b a b a b
n1 n1 n 2 n 2 nn nn 1n 1n 2 n 2 n nn nn
a11 b11 a21 b21 an1 bn1
a b a b a b
At B t 12 12 22 22 n 2 n 2
a b a b
1n 1n 2n 2n a nn bnn
De y se verifica que ( A B) A B
t t t
Teorema
La suma entre una matriz y su transpuesta es una matriz simtrica
En efecto:
A At es simtrica ( A At ) ( A At )t por definicin de matriz simtrica
( A At )t At ( At )t At A A At aplicando sucesivamente transpuesta de una
suma, transpuesta de una transpuesta y conmutatividad de la suma. Luego por propiedad
transitiva
( A At ) t A At
Teorema
La diferencia entre una matriz cuadrada y su transpuesta es una matriz antisimtrica
En efecto:
A At es antisimtrica ( A At ) [( A At )t ]
( A At ) [( A At ) t ]
( A At ) [ At ( At ) t ] Por propiedad de la transpuesta de la adicin
( A At ) [ At A] Por propiedad de la transpuesta de la transpuesta
( A At ) At A por propiedad distributiva del producto con respecto a la suma
( A At ) A At Por propiedad conmutativa
Luego queda demostrado el teorema
Teorema
Una matriz es la semisuma entre una matriz simtrica y una antisimtrica
En efecto:
( A At ) ( A At ) t (matriz simtrica) y ( A At ) ( A At ) t (matriz antisimtrica).
Instituto de Profesorado Concordia 47
Apuntes de lgebra II
A A A A A A A A
t t t t t t
A A A A A A A A
t t t t
A A A A 2 A
t t
A A A A A
t t
2
1
2
A
1
A At A At
2
Para esta demostracin aplicamos sucesivamente: definicin de matriz simtrica y
antisimtrica, transpuesta de una suma y de una diferencia, diferencia de matrices, suma
de matrices, propiedad uniforme de la divisin por un escalar distinto de cero y
propiedad distributiva de la suma con respecto a la suma.
Producto de Matrices
Producto de una Matriz Fila por una Matriz Columna
Se define el producto de una matriz fila por una matriz columna, del mismo nmero de
elementos a la matriz cuyo nico elemento es la suma de los productos obtenidos al
multiplicar los trminos correspondientes.
c11
c n
F 1xn C nx1 f11 f12 f1n 21 ( f11c11 f12c21 f1n cn1 ) f1i ci1
i 1
c
n1
2
F C 1 3 5 4 1.2 3.4 5.9 (60)
9
a11 a12 a1 p
a21 a22 a2 p
Si F 1xn A nxp F A f11 f12 f1n
a an 2 anp
n1
( f11a11 f12a21 f1n an1 f11a12 f12a22 f1n an 2 f11a1 p f12a2 p f1n anp )
Ejemplo: Una facultad dispone de dos sedes para el cursado de las materias de lgebra, Anlisis y
Geometra en las bandas horarias de 7 a 9 y de 19 a 21 horas. La cantidad de cursos ofrecidos por banda
horaria y materia est dada por la matriz:
A G
7a9 5 6 8
A
19 a 21 2 3 7
Adems se sabe que las vacantes en cada sede para estas materias, est dada por la matriz B.
I II
40 50
A 60 55 B
G 80 70
Se desea conocer la cantidad de alumnos que concurrirn en la banda horaria de 7 a 9 en la sede II. Para
ello basta con multiplicar la primera fila de la matriz A con la segunda columna de la matriz B.
50
(5 6 8) 55 5.50 6.55 8.70 1140
70
Si se quiere conocer la misma informacin para cada sede en cada franja horaria, se multiplican las dos
matrices A B
40 50
5 6 8 1200 1140
60 55
2 3 7 80 70 820 755
2 3 1 7
A 2 x 2 y B 2 x 2
8 5 4 6
Hallar el producto A B y luego el producto B A . Extraer una conclusin.
Solucin:
Instituto de Profesorado Concordia 49
Apuntes de lgebra II
2 3 1 7 2 1 3 4 2 7 3 6 14 32
A B
8 5 4 6 8 1 5 4 8 7 5 6 28 86
1 7 2 3 1 2 7 8 1 3 7 5 58 38
B A
4 6 8 5 4 2 6 8 4 3 6 5 56 42
Conclusin: el producto de matrices no es conmutativo.
Una de las curiosidades del lgebra matricial es que si el producto de dos matrices es
nulo, no necesariamente una o ambas de las matrices son nulas y adems la proposicin
A B A C B C no siempre es verdadera. Esto ocurre porque las matrices no
tienen divisores de cero, por tanto no vale la ley Cancelativa
50 Matrices
0 1 1 1 2 5 3 7
Ejemplo: Sean las matrices A ; B ; C D
0 2 3 4 3 4 0 0
Veamos que:
1. A B AC
0 1 1 1 0 1 2 5
0 2 3 4 0 2 3 4
3 4 3 4
6 8 6 8
Aunque A 0 , la expresin A B A C no se deduce a BC
2. A D 0
0 1 3 7 0 0
0 2 0 0 0 0
Sin embargo A 0 D 0
Matriz Involutiva
Una matriz A nxn se llama involutiva si y slo si A2 I , siendo I la matriz
identidad de orden nxn.
1 1 1 1 0 0
Ejemplo: Sea A 0 0 , esta matriz es involutiva, pues A 0 1 0
2
1
0 0 1 0 0 1
Matriz Idempotente
Una matriz A nxn se llama idempotente si y slo si A2 A , es decir su cuadrado es
igual a s misma.
Instituto de Profesorado Concordia 51
Apuntes de lgebra II
2 3 5
Ejemplo: sea la matriz A 1 4 5 es idempotente, pues A2 A
1 3 4
Matriz Inversa
A nxn se dice que admite inversa si existe una matriz denominada A1 que
multiplicada a derecha e izquierda por la matriz A da como resultado la matriz
identidad.
A nxn admite inversa A1 nxn / A A1 A1 A I
Decir que A admite inversa equivale a decir que:
- A es inversible
- A es regular
- A es no regular
a b
A
c d
Y sea la inversa de dicha matriz
x y
A1
z w
Por definicin de matriz inversa es
a b x y ax bz ay bw 1 0
A A1
c d z w cx dz cy dw 0 1
Es decir que quedan formados dos sistemas de ecuaciones
ax bz 1
cx dz 0
ay bw 0
cy dw 1
Los que se pueden escribir como matrices aumentadas1
a b 1
c d 0
y
a b 0
c d 1
Al aplicar la eliminacin de Gauss-Jordan para la resolucin de sistemas de ecuaciones,
se obtendr:
1 0 x
0 1 z
y
1 0 y
0 1 w
respectivamente.
De donde el par (x;z) es el nico que satisface al primer sistema y el par (y;w) es el
nico que satisface al segundo.
Como las matrices de los coeficientes y son iguales, la reduccin se puede llevar a
cabo simultneamente, si se considera la matriz aumentada:
a b 1 0
c d 0 1
Luego si A es invertible, el sistema tendr una solucin nica y la matriz aumentada
se llevar a la forma
1 0 x y
0 1 z w
Nota: se ha trabajado con una matriz de 2 2 por una cuestin de simplicidad, pero el
razonamiento es vlido para cualquier matriz de orden n n
1
Ver GROSSMAN, Stanley I. lgebra lineal. McGraw-Hill. Cuarta edicin. Pag 1-20
Instituto de Profesorado Concordia 53
Apuntes de lgebra II
2 3
Ejemplo: Sea la matriz A , hallar su inversa.
4 5
2 3 1 0 R1R1 / 2
1 3 2 1 2 0
4 5 0 1 4 5 0 1
1 3 2 1 2 0
R2 R2 4R1
0 1 2 1
R2 R2
1 3 2 1 2 0
0 1 2 1
3
R1 R1 R2
2 1 0 5 2 3 2
0 1 2 1
Para realizar la verificacin basta con verificar la igualdad A A1 I
7
R1 R1 R3
1 0 72 12
R1 R1 ( 2 ) R2 2 0 2 1 0 72 12 2 0
R3 R3 2
0 1 1 0
R3 R3 R2
1 0
0 1 1 0 1 0
3 R2 R2 R3
0 0 3 3 1 1 0 0 1 1 2 2
2 2 3 3
1 0 0 4 3 3
13 7
0 1 0 1 53 3
2
0 0 1 1 2 2
3 3
Por lo tanto
12 13 7
11
A 3 5 2
3
3 2 2
1 3 4
2) B 2 5 7
0 1 1
54 Matrices
R1 R1 3 R2
1 3 4 1 0 0 R2 R2 ( 2) R1 1 3 0 0
4 1 R3 R3 R1
Solucin:
2 5 7 0 1 0 0 1 1 2 1 0
0 1 1 0 0 1 0 1 1 0 0 1
1 0 1 5 3 0
0 1 1 2 1 0
0 0 0 2 1 1
Esta matriz no es invertible, pues su forma reducida por renglones tiene una fila (rengln) cuyos
elementos son todos nulos
Vectores cannicos
Se llaman vectores cannicos, de una matriz, a los vectores, filas o columnas que tienen
n 1 elementos nulos y uno unitario. Tambin se los puede llamar Versores o vectores
unidad.
a22 a12
a a a a a22a11 a21a12 a22 a12
A1 22 11 21 12
1
a21 a11 a22a11 a21a12 a21 a11
a a a a a22a11 a21a12
22 11 21 12
56 Determinantes
Determinantes
Funcin determinante de orden n
Se llama funcin determinante a una funcin que a cada matriz de orden n n le hace
corresponder un nmero real.
En smbolos:
Det A : nn
Si se cumple:
1. Un determinante que tenga dos columnas o filas iguales a cero es nulo
Ai Aj i j Det ( A1; A2 ;; Ai ;; Aj ;; An ) 0
2. Si una columna (fila) se descompone en dos sumandos, entonces el Det A es
igual a la suma de los determinantes de las dos matrices que resultan de sustituir,
en A, aquella columna (fila) por cada uno de los sumandos.
Det ( A1 ; A2 ;; Ai A'i ;; Aj ;; An ) Det ( A1 ; A2 ;; Ai ;; A j ;; An )
Det ( A1 ; A2 ;; A'i ;; A j ;; An )
3. Si a una columna (fila) de A se la multiplica por un nmero real , entonces el
determinante de A queda multiplicado por .
Det ( A1; A2 ;; Ai ;; Aj ;; An ) Det ( A1; A2 ;; Ai ;; Aj ;; An ) con
4. El determinante de la matriz identidad vale 1.
Det I 1
Propiedades
1) Si en un determinante se permutan entre s dos columnas o filas el, determinante
cambia de signo. Obsrvese que si el nmero de permutaciones es par el signo
no se altera.
Det ( A1; A2 ;; Ai ;; Aj ;; An ) Det ( A1; A2 ;; Aj ;; Ai ;; An )
2) Si en un determinante todos los elementos de una columna o fila son nulos, el
mismo vale cero.
Aj 0 Det ( A1; A2 ;; Ai ;; Aj ;; An ) 0
3) Si en un determinante los elementos de una fila o columna son proporcionales a
los de otra (paralela), el determinante vale cero.
Aj Ai Det ( A1; A2 ;; Ai ;; Aj ;; An ) 0
4) Si en un determinante a una fila o columna se le suma un a combinacin lineal
de otra, este no vara.
Det ( A1; A2 ;; Ai Aj ;; Aj ;; An ) Det ( A1; A2 ;; Ai ;; Aj ;; An )
5) A nn : A AT
6) A nn B nn : Det ( A B) Det A Det B
7) A nn : Det (A) n Det A
Instituto de Profesorado Concordia 57
Apuntes de lgebra II
Clculo de un Determinante
Regla de Sarrus
Esta regla es aplicable a determinantes de orden 2 o 3, y se define:
a11 a12 a13
a21 a22 a23 a11a22a33 a21a32a13 a12a23a31 (a13a22a31 a12a21a33 a23a32a11)
a31 a32 a33
Ejemplo: calcular
3 5 2
4 2 3 3.2.4 4.2.2 5.3.(1) [2.2.(1) 5.4.4 3.2.3] 25 94 69
1 2 4
Regla de Laplace
Si en una matriz cuadrada de orden n se suprime la fila i-sima y la columna j-sima
correspondiente a un elemento aij de la misma, se obtiene una matriz de orden n 1 ,
cuyo determinante se denomina menor complementario o menor correspondiente al
elemento aij . Se lo simboliza M ij .
El adjunto o cofactor de un elemento aij es el producto entre (1)i j y el menor de
dicho elemento.
La Regla de Laplace consiste en el desarrollo de un determinante por los elementos de
una lnea cualquiera del mismo, consiste en que:
Todo determinante es igual a la suma de los productos de los elementos de una lnea,
por sus adjuntos correspondientes.
a11 a12 a1n
a a22 a2 n n n
A 21 aij Aij aij Aij
j 1 i 1
an1 an 2 ann
donde Aij es el adjunto correspondiente a aij .
Ejemplo: calcular el siguiente determinante:
3 4 8
A 8 2 5
1 3 6
Solucin: si se desarrolla el determinante por los elementos de la primera fila es:
2 5 8 5 8 2
A 3.(1) 2 . 4.(1) 3 . 8.(1) 4
3 6 1 6 1 3
(3).(3) 4.(1).53 8.26
9 212 208
5
58 Determinantes
producto ser:
a11 a12 a1n A11 A21 An1
a21 a22 a2 n A12 A22 An 2
A adj A
a A
n1 a n2 a nn 1n A2n Ann
n n n
a1 j A1 j a1 j A2 j a1 j Anj
j 1 j 1 j 1
n n n
j 1
a2 j A1 j a2 j A2 j a2 j Anj
j 1 j 1
n n n
anj A1 j anj A2 j anj Anj
j 1 j 1 j 1
Pero en todo determinante la suma de los productos de los elementos de una lnea por
los adjuntos de otra vale cero. Por lo tanto, los elementos de la diagonal representan el
desarrollo del determinante de la matriz A y los restantes valen cero. Con lo que:
Det A 0 0 1 0 0
0 Det A 0 0 1 0
A adj A Det A Det A I
0 Det A 0 0 1
0
Instituto de Profesorado Concordia 59
Apuntes de lgebra II
Teorema
Una matriz cuadrada A de orden n es invertible, si y slo si su determinante no es nulo.
En efecto:
a) Si A admite inversa A 0
A A1 A1 A I Por definicin de matriz inversa
Det ( A A1 ) Det ( A1 A) Det I Aplicando determinantes en los tres miembros
Det A Det A1 Det A1 Det A 1 Por determinante de un producto y el
determinante de la identidad.
Luego Det A 0 porque el producto debe ser 1, y esto no se cumplira si Det A 0 .
b) Si Det A 0 A admite inversa.
1
En el punto anterior se ha visto que si A 0 , entonces A1 adj A , ya que si el
A
antecedente no se cumpliera no habra una expresin para A1 .
1 2 3
1
Ejemplo: sea A 0 2 1 . Hallar si existe A .
4 2 1
1 2 3
A 0 2 1 28
4 2 1
1 0 4 4 4 8
A 2 2 2 adj A 4 11 1
T
3 1 1 8 6 2
4 4 8 17 1
7
2
1 1 1 7
A 4 11 1 7 1128 281
28 1
8 6 2 7 2 3
14 14
60 Sistemas de Ecuaciones
Sistemas de Ecuaciones
Ecuaciones con una Incgnita
Si an ; an1;; a1; a0 son nmeros, la expresin general de una ecuacin con una
incgnita es:
an x n an1 x n1 a2 x 2 a1 x1 a0 0
Los escalares ai , i 1, 2, 3,, n reciben el nombre de coeficientes de la ecuacin y son
elementos de un cuerpo cualquiera. Nosotros consideraremos que dichos escalares
pertenecen al cuerpo de los Reales.
a0 recibe el nombre de trmino independiente y es tambin un elemento del mismo
cuerpo.
Si n 1 la ecuacin se llama lineal o de primer grado y se expresa generalmente como:
ax b
Es decir, que al momento de determinar las soluciones de una ecuacin puede ocurrir
b
1) Si a 0 , la ecuacin ax b admite una solucin nica, x .
a
2) Si a 0 b 0 , la ecuacin ax b admite infinitas soluciones.
3) Si a 0 b 0 , la ecuacin ax b no admite solucin.
Clasificacin
Al estudiar las soluciones de un sistema de ecuaciones, puede ocurrir:
1) Que tenga solucin: en este caso el sistema recibe el nombre de compatible.
a) Si la solucin es nica se llama sistema compatible determinado.
b) Si la solucin es mltiple (infinitas soluciones), se llama sistema compatible
indeterminado.
2) Que no tenga Solucin: entonces se dice que el sistema es incompatible.
Sistemas de
Ecuaciones
Lineales
Compatible Incompatible
Determinado
Indeterminado
Sistemas Equivalentes
Decimos que dos sistemas de ecuaciones lineales con las mismas incgnitas son
equivalentes si ambos tienen el mismo conjunto solucin.
Para obtener un sistema equivalente a partir de otro dado, se efectan en el dado
operaciones elementales.
Reciben el nombre de operaciones elementales las siguientes:
1) Permutar el orden de las ecuaciones;
2) Multiplicar una de las ecuaciones por un escalar k ( k R {0} );
3) Sumar a una ecuacin otra cualquiera de ellas;
4) Sumar a una ecuacin una combinacin lineal de ella misma con otra del
sistema, siempre que el coeficiente de la combinacin sea distinto de
cero
1 3 2 1 3 2
A 2 8 3 A 2 8 3 2 0
1 7 1
1 7 1
Como el determinante de la matriz es no nulo, entonces A admite inversa.
1 2 1 29 17 7
A 3
T
8 7 adj. A 5 3 1
2 3 1 6 4 2
Luego la inversa de A ser
29 17 7
11
A 5 3 1
2
6 4 2
Luego
x 29 17 7 1
1
y 5 3 1. 2
z 2 6 4 2 3
x 29 34 21 16
1 1
y 5 6 3 2
z 2 68 6 2 4
Es decir, la solucin del sistema ser
S {(8;1;2)}
Regla de CRAMER
Dado un sistema de orden n n , cuyo determinante correspondiente a la matriz de los
coeficientes es distinto de cero, admite una nica solucin que est dada por:
| Aj |
xj con j 1;2;...; n
| A|
En efecto:
Sea el sistema
a11x1 a12 x2 a1 j x j a1n xn b1
a21x1 a22 x2 a2 j x j a2 n xn b2
.....................................................................
ai1 x1 ai 2 x2 aij x j ain xn bi
.....................................................................
am1 x1 am 2 x2 amj x j amn xn bm
Matricialmente escrito
Instituto de Profesorado Concordia 65
Apuntes de lgebra II
Anlogamente para xj
a11 a12 b1 a1n
a21 a22 b2 a2 n
| A j |
ai1 ai 2 bi ain
a
n1 an 2 bn ann
66 Sistemas de Ecuaciones
Entonces, las expresiones que permiten calcular los valores de cada una de las
incgnitas son:
|A | | Aj | |A |
x1 1 ;...; x j ;...; xn n
| A| | A| | A|
Observacin:
Si el determinante de la matriz de los coeficientes es nulo, puede ocurrir
Que algunos de los determinantes | Aj | 0 , entonces el sistema es incompatible.
Que todos los determinantes | Aj | 0 , entonces el sistema es compatible
indeterminado.
Eliminacin de Gauss-Jordan
Los pasos a seguir para hallar las soluciones de un sistema, mediante la eliminacin de
Gauss-Jordan son los siguientes: (aqu se considera un sistema de 3 3 por simplicidad)
1. Se hace que el coeficiente de x1 en la primera ecuacin sea igual a 1, es decir, se
divide toda la ecuacin por a11;
2. Se eliminan los trminos que contengan x1 en la segunda y tercera ecuacin,
multiplicando a la primer ecuacin por nmeros convenientes y luego sumando
los resultados a la segunda y tercera ecuacin;
3. Se divide, de modo tal que el coeficiente correspondiente a la incgnita x2 de la
segunda ecuacin sea 1, y luego se procede a eliminar los trminos que
contengan x2 en la primera y tercera ecuacin;
4. Se divide para que el coeficiente de x3 sea 1 y se procede como en el paso 2 y 3.
Cabe aclarar que en cada paso el sistema obtenido es equivalente al primero, pues se
han efectuado en l operaciones fundamentales.
Ejemplo: resolver el siguiente sistema por eliminacin de Gauss-Jordan
Instituto de Profesorado Concordia 67
Apuntes de lgebra II
2 x1 4 x2 6 x3 18
4 x1 5 x2 6 x3 24
3x 1x 2 x 4
1 2 3
Solucin:
2 x1 4 x2 6 x3 18 x1 2 x2 3x3 9 1x1 2 x2 3x3 9
4 x1 5 x2 6 x3 24 4 x1 5 x2 6 x3 24 0 x1 3x2 6 x3 12
3x 1x 2 x 4 3x 1x 2 x 4 0 x 5 x 11x 23
1 2 3 1 2 3 1 2 3
1x1 0 x2 0 x3 4 1x1 4
0 x1 1x2 0 x3 2 1x2 2
0 x 0 x 1x 3 1x 3
1 2 3 3
Tambin podemos expresar el sistema matricialmente y representarlo mediante una matriz ampliada
2 4 6 18 1 2 3 9 1 2 3 9 1 2 3 9
4 5 6 24 4 5 6 24 0 3 6 12 0 1 2 4
3 1 2 4 3 1 2 4 0 5 11 23 0 5 11 23
1 0 1 3 1 0 1 3 1 0 0 4
0 1 2 4 0 1 2 4 0 1 0 2
0 0 1 3 0 0 1 3 0 0 1 3
Teorema de ROUCH-FROBENIUS
Sea un sistema de orden m n , sea A la matriz de sus coeficientes y sea A la matriz
ampliada de dichos coeficientes. Entonces se verifica que:
Si ( A) ( A) n (nmero de incgnitas), es condicin necesaria y suficiente
para que el sistema sea Compatible determinado.
Si ( A) ( A) n entonces el sistema es compatible indeterminado;
Si ( A) ( A) el sistema es incompatible.
Sistemas Homogneos
Una ecuacin recibe el nombre de homognea cuando el segundo miembro es igual a
cero, o bien, cuando carece de trmino independiente, en consecuencia un sistema de
ecuaciones es homogneo cuando est compuesto por ecuaciones homogneas.
Propiedades
1. Si un sistema homogneo admite una solucin
( x1; x2 ;...; x j ;...; xn ) (t1; t2 ;...; t j ;...; tn ) , distinta de la trivial, entonces tambien
admite la solucin ( x1; x2 ;...; x j ;...; xn ) (t1; t2 ;...; t j ;...; tn ) con R .
En efecto: si el sistema admite como solucin a
( x1; x2 ;...; x j ;...; xn ) (t1; t2 ;...; t j ;...; tn ) entonces se verifica que:
a11t1 a12t 2 a1 j t j a1n t n 0
a21xt a22t 2 a2 j t j a2 n t n 0
.................................................................
ai1t1 ai 2t 2 aij t j aint n 0
..................................................................
am1t1 am 2t 2 amj t j amn t n 0
Si multiplicamos ambos miembros por R
a11t1 a12t 2 a1 jt j a1nt n 0
a21xt a22t 2 a2 jt j a2 nt n 0
.................................................................
ai1t1 ai 2t 2 aijt j aint n 0
..................................................................
am1t1 am 2t 2 amjt j amnt n 0
2. las combinaciones lineales de las soluciones de un sistema homogneo son
tambin solucin del sistema.
Sean (t1; t2 ;...; t j ;...; tn ) y (t '1 ; t '2 ;...; t ' j ;...; t 'n ) soluciones del sistema, entonces
(t1 t1;t2 t2 ;...; t j t j ;...; tn tn ) tambin es solucin del sistema.
Instituto de Profesorado Concordia 69
Apuntes de lgebra II
Espacios Vectoriales
Vectores
Sean los vectores u ( x1; y1; z1 ) , v ( x2 ; y2 ; z2 ) , w ( x3 ; y3 ; z3 ) y k R . Se definen
las operaciones de vectores de la siguiente manera:
Suma: u v ( x1 x2 ; y1 y2 ; w1 w2 )
Multiplicacin por un escalar: k u (kx1; ky1; kz1 )
Producto escalar: u v x1 x2 y1 y2 z1 z2 | u || v | cos donde es el ngulo
que forman los vectores.
Producto vectorial: se interpreta geomtricamente como el rea del
paralelogramo de lados u y v
i j k
u v x1 y1 z1 ( y1 z2 z1 y2 )i ( x1 z 2 z1 x2 ) j ( x1 y2 y1 x2 )k
x2 y2 z2
O bien
| u v || u || v | sen
Producto Mixto: se interpreta geomtricamente como el volumen del
paraleleppedo de aristas u , v y | w |
x3 y3 z3
(u v ) w x1 y1 z1 | u || v || w | sen
x2 y 2 z2
donde es el ngulo que forman u y v
Teorema
i R : 0 0
ii x V : 0 x 0
iii Si x 0 0 x 0
iv x V : (1) x x
En efecto:
i Segn el axioma 3, 0 0 0 y segn el axioma 7,
(0 0) 0 0 0
Sumando 0 a ambos miembros de la ltima ecuacin en y aplicando la ley
asociativa (axioma 2), se obtiene
[ 0 0] ( 0) 0 ( 0)
0 [ 0 ( 0)] 0
0 0 0
0 0
ii Segn el axioma 3, 0 0 0 y segn el axioma 7,
0 x (0 0) x 0 x 0 x
Sumando 0 x en la primera y tercera ecuacin de
0 x (0 x ) (0 x 0 x ) (0 x )
Aplicando el axioma 2 (asociatividad) y por inverso aditivo
0 0 x [0 x (0 x )]
0 0x 0
0 0x
iii Sea x 0 . Si 0 , ambos lados de la ecuacin se multiplican por 1
1 1
x 0 0
Pero por axioma 9, se tiene
1x x
Es decir
Instituto de Profesorado Concordia 71
Apuntes de lgebra II
x0
iv Partimos de la base de que 1 (1) 0 . Entonces, usando la parte ii, se tiene
0 0 x [1 (1)]x
Luego, por axioma 8,
0 1x (1) x x (1) x
Sumando miembro a miembro en la primera y tercera igualdad, x
x 0 x x (1) x
x (1) x
Subespacios
Sea H un conjunto no vaco de un espacio vectorial V y supngase que H es en s mismo
un espacio vectorial ante las operaciones de adicin y multiplicacin por un escalar
definidas en V. entonces se dice que H es un subespacio de V
Este teorema nos dice que es suficiente para demostrar que H es un subespacio de V que
x y y x estn en H si x y estn en H y es un escalar
La demostracin anterior contiene implcito algo que es preciso explicitarlo:
Todo subespacio no vaco de un espacio vectorial V contiene al 0
Ejemplos:
a) El subespacio vectorial trivial: {0}
b) Un espacio vectorial es subespacio de s mismo
c) Subespacio de R2: H {( x; y) / y mx}
d) Subespacio de R3: H {( x, y, z) / x 2t y 3t z 4t}
En los ejemplos a) y b) se ha dicho que {0} y el mismo V son subespacios de V.
Algunas veces los espacios admiten otros subespacios, stos son los llamados
subespacios propios. Sin embargo no todos los espacios vectoriales tienen subespacios
propios.
72 Espacios Vectoriales
Combinacin Lineal
Sean v1 ; v2 ;; vn vectores en un espacio vectorial V. Entonces cualquier expresin de
la forma:
a1v1 a2v2 an vn
donde a1 ; a2 ;; an son escalares, se llama combinacin lineal de v1 ; v2 ;; vn .
Ejemplo: combinacin lineal en 23
3 2 8 1 0 4 0 1 2
3 2
1 9 3 1 1 5 2 3 6
3 2 8 1 0 4
Lo que muestra que puede expresarse como combinacin lineal de y
1 9 3 1 1 5
0 1 2
.
2 3 6
Propiedad:
El espacio generado por k vectores de un espacio, es subespacio del mismo.
Gen v1; v2 ;; vk es subespacio de V
Ejemplo: espacio generado por dos vectores en R3
Sean los vectores v1 (2;1;4) y v2 (4;1;6) , entonces
H {v / v a1 (2;1;6) a2 (4;1;6)}
Qu es el subespacio H?
Si v ( x; y; z ) H , entonces se tiene
2a1 4a2 x
a1 a2 y
4 a 6 a z
1 2
Si se considerara al punto (x;y;z) como fijo, las incgnitas por conocer son a1 y a2, luego:
2 4 x 6 0 x 4 y 1 0 x64 y 1 0 x 4 y
6
x2 y
1 1 y 1 1 y 1 1 y 0 1 6
4 6 z 10 0 z 6 y 10 0 z 6 y 0 0 5 x 2 y 3 z
3
Pero para que el sistema tenga solucin (compatible), es necesario que
5 x 2 y 3z
0
3
Luego, si multiplicamos por -3 ambos miembros
5 x 2 y 3z 0
Que es la ecuacin de un plano que pasa por el origen
Independencia Lineal
Sean v1 ; v2 ;; vn n vectores de espacio vectorial, entonces se dice que los vectores son
linealmente dependientes si existen n escalares a1 ; a2 ;; an no todos ceros, tales que
a1v1 a2v2 an vn 0
74 Espacios Vectoriales
1 2 0 2 3 1
1 2 3
2 2 1 2 2 0 2 0 2 0
3 0 7 0 1 7 0 7 3
Como sabemos el producto mixto representa el volumen de un paraleleppedo, si ste es nulo, significa
que los vectores son coplanares, pero si es distinto de cero los vectores sern no coplanares.
Teorema 1
Un conjunto de n vectores de Rm siempre es linealmente dependiente, si n < m
En efecto:
Sean v1 ; v2 ;; vn n vectores de Rm. se intentar hallar las constantes a1 ; a2 ;; an no
todas cero, tales que
a1v1 a2v2 an vn 0
Instituto de Profesorado Concordia 75
Apuntes de lgebra II
Sean
b11 b12 b1n
b21 b22 b2 n
v1 , v2 , , v1
b b b
m1 m2 mn
Entonces la ecuacin se convierte en:
a1b11 a2b12 anb1n 0
a b a b a b 0
1 21 2 22
n 2n
.............................................
a1bm1 a2bm 2 anbmn 0
Es decir, que queda formado un sistema ecuaciones donde el nmero de ecuaciones es
menor que el nmero de incgnitas, es decir el sistema es indeterminado y, por lo tanto
los vectores son Linealmente Dependientes.
Corolario
Todo conjunto de vectores linealmente independientes en Rn contiene a lo sumo n
vectores.
Este corolario tambin puede expresarse as:
Si se tienen n n-vectores linealmente independiente, entonces la incorporacin de un
vector ms al conjunto har que ste sea linealmente dependiente.
Teorema 2
Sean
b11 b12 b1n a1
b21 b22 b2 n a2
B y a
b a
m1 bm 2 bmn n
Entonces las columnas de B, consideradas como vectores, son linealmente
independientes si el sistema , que se puede escribir Ba 0 , tiene soluciones que no
son comunes.
Teorema 3
Sean v1 ; v2 ;; vn n vectores en Rn y sea A la matriz de n n cuyas columnas son
v1 ; v2 ;; vn . Entonces v1 ; v2 ;; vn son linealmente independientes si y slo si la nica
solucin del sistema homogneo Ax 0 es la solucin trivial x 0
La demostracin de este teorema no es necesaria, pues es una consecuencia directa del
teorema 2, para el caso en que m n .
Teorema 4
Sea A una matriz de n n . Entonces | A | 0 si y slo si las columnas de A son
linealmente independientes.
76 Espacios Vectoriales
Teorema 5
Todo conjunto de n vectores en Rn genera a Rn
En efecto: supngase que
a11 a12 a1n
a21 v a 22 a2 n
v1 , 2 , , vn
a a a
n1 n2 nn
son linealmente independientes y que
x1
x2
v
x
n
Es un vector de Rn. debe mostrarse que existen escalares c1 ; c2 ;; cn tales que
v c1v1 c2v2 cn vn
Es decir
x1 a11 a12 a1n
x2 a21 a22 a2 n
c1 c2 cn
x a a a
n n1 n2 nn
Lo que se traduce en un sistema de n ecuaciones con n incgnitas c1 ; c2 ;; cn :
c1a11 c2 a12 cn a1n x1
c a c a c a x
1 21 2 22 n 2n 2
.............................................
c1an1 c2 an 2 cn ann xn
Este sistema se puede escribir como Ac v , donde
a11 a12 a1n c1
a21 a22 a2 n c2
A y c
a
n1 an 2 ann cn
Como | A | 0 , ya que las columnas de A son linealmente independientes, entonces el
sistema tienen una nica solucin c y el teorema queda demostrado.
Comentario: este teorema no slo muestra que v se puede expresar como combinacin
lineal de los vectores independientes v1 ; v2 ;; vn , sino tambin que dicha combinacin
lineal es nica
Base
Un conjunto de vectores {v1; v2 ;; vn } es base de un espacio vectorial V si y slo si:
i {v1; v2 ;; vn } es linealmente independiente
ii {v1; v2 ;; vn } genera V.
Instituto de Profesorado Concordia 77
Apuntes de lgebra II
v c1v1 c2v2 ... cn vn d1v1 d 2v2 ... d n vn
Luego, al restar, se obtiene la ecuacin
(c1 d1 )v1 (c2 d 2 )v2 ... (cn d n )vn 0
Pero como los vi son linealmente independientes, este ecuacin slo se cumple si
c1 d1 c2 d 2 ... cn d n 0 c1 d1; c2 d 2 ;...; cn d n
As el teorema queda demostrado.
Dimensin
Si el espacio vectorial V tiene una base finita, entonces la dimensin de V es el nmero
de vectores que tiene cualquiera de las bases de V, y ste ltimo recibe el nombre de
espacio vectorial de dimensin finita. En cualquier otro caso se dice que V tiene
dimensin infinita. Si V {0} , se dice que V es de dimensin cero.
La dimensin de V se denota dim V
Teorema
Supngase que dim V n . Si {u1; u2 ;; um } es un conjunto de m vectores linealmente
independientes en V, entonces m n .
Teorema
Sea H un subespacio del espacio vectorial V de dimensin finita, entonces H tambin es
de dimensin finita y es
dim H dim V
Corolario: todo espacio que contenga un subespacio de dimensin infinita es de
dimensin infinita.
Teorema
Sea A una matriz de n n . Entonces A es invertible si y slo si ( A) 0
En efecto:
Como ya sabemos A es invertible si el sistema homogneo Ax 0 tiene solucin nica,
que es la solucin trivial x 0 . Esto significa que N A {0} . Por lo tanto A es invertible
si y slo si ( A) dim N A 0 .
Teorema
Sea una matriz A de m n . Entonces Recorrido A es un subespacio de Rm
En efecto:
Supongamos que y1 y2 Recorrido A . Entonces existen x1 x2 R n tales que
y1 Ax1 y y2 Ax2 . Por tanto,
A(x1 ) Ax1 y1 y A( x1 x2 ) Ax1 Ax2 y1 y2
De tal modo que y1 y y1 y2 estn en Recorrido A. Luego Recorrido A es un
subespacio de Rm
Teorema
Si A es una matriz de m n , entonces
i CA = Recorrido A
ii dim RA dim C A dim Recorrido A ( A)
Teorema
Si A es equivalente por renglones (o por columnas) a B, entonces RA RB ,
( A) ( B) y ( A) ( B)
Teorema
Sea A una matriz de m n , entonces
( A) ( A) n
Teorema
Sea A una matriz de n n . Entonces A es invertible si y slo si ( A) n
En efecto:
Sabemos que una matriz es invertible si y slo si ( A) 0 , pero por el teorema anterior
sabemos que ( A) n ( A) ( A) n 0 ( A) n . Entonces A es invertible si
y slo si ( A) n .
Cambio de Base
Para ilustrar este concepto daremos un ejemplo
80 Espacios Vectoriales
1 0
Sean u1 y u 2 . Entonces B1 {u1; u2 } es la base cannica o estndar en R2. Sean los
0 1
1 1
vectores v1 y v2 , que son linealmente independientes (ya que ninguno es mltiplo del
3 2
x1
otro). Entonces B2 {v1 ; v2 } es una segunda base de R2. Sea x un vector de R2. Esta notacin
x2
significa que
1 0
x x1 x2 x1u1 x2u2
0 1
Es decir x est escrito en trminos de los vectores de la base B1. a fin de aclarar esto, se escribe
x
( x ) B1 1
x2
Como B2 es otra base de R2, existen los escalares c1 y c2, tales que
x c1v1 c2v2
Lo que se puede escribir como
c
( x ) B2 1
c2
A fin de hallar los valores de los escalares c1 y c2, los vectores de la base original ( u1 y u 2 ) se escriben
en trminos de los vectores de la segunda base ( v1 y
v2 ), es decir
2 1 3 1
u1 52 v1 53 v2
5 3 5 2
Y
1 1 1 1
u2 15 v1 15 v2
5 3 5 2
Es decir
2 1
(u1 ) B2 5 3 y (u2 ) B2 15
5 5
Entonces, por y
x x1u1 x2u2 x1 ( 52 v1 53 v2 ) x2 ( 15 v1 15 v2 )
( 52 x1 15 x2 )v1 ( 53 x1 15 x2 )v2
As, de
c1 52 x1 15 x2
c2 53 x1 15 x2
O bien
c1 52 x1 15 x2 52 1
x1
( x ) B2 3 3 5
1
c2 5 x1 5 x2 5 5 x2
1
Comprobacin
1 1 2 13 3 1 0
2
v1 135 v2 52 135 65 265 3 4
2 5 5 4 0 1
5
3
52 15
La matriz A se llama matriz de transicin de B1 a B2, y se ha mostrado que
1
3
5 5
( x ) B2 A( x ) B1
Este ejemplo se ha podido mostrar con facilidad, pero es necesario que demos una
notacin ms general:
Sean B1 {u1; u2 ;...; un } y B2 {v1; v2 ;...; vn } dos bases de un espacio vectorial real n-
dimensional V y sea x V . Entonces x se puede expresar en las dos bases:
x b1u1 b2u2 bnun
y
x c1v1 c2v2 cn vn
donde ci y bi son nmeros reales.
Entonces se escribe
b1
x B1 2
b
b
n
para denotar la expresin de x en trminos de la base B1. Y, anlogamente para
denotarlo en la base B2 se escribe:
c1
x B2 2
c
c
n
Como B2 es una base, cada u j puede escribirse como combinacin lineal de los vi . Por
tanto existe un conjunto nico de escalares a1 j ; a2 j ;...; anj tales que
u j a1 j v1 a2 j v2 anjvn
O bien
a1 j
a2 j
(u j ) B2
a
nj
Luego la matriz A de n n cuyas columnas estn dadas por recibe el nombre de
matriz de transicin de la base B1 a la base B2. Es decir:
a11 a12 a1n
a21 a22 a2 n
A
a
n 1 a 2 n a nn
82 Espacios Vectoriales
Teorema
Sean B1 y B2 bases de un espacio vectorial V. Sea A la matriz de transicin de B1 a B2,
entonces para todo x V , se verifica que
( x ) B2 A( x ) B1
Teorema
Si A es la matriz de transicin de B1 a B2, entonces A1 es la matriz de transicin de B2
a B1. Es decir
( x ) B1 A1 ( x ) B2
Ejemplo: Vectores en R3 escritos en trminos de una nueva base
1 3 0 x
Sea en R la base B1 {i; j; k} y B2 0 ; 1; 1 . Si x y R , escriba x en
3 3
2 0 2 z
trmino de los vectores de B2.
Solucin: en primer trmino debe uno cerciorarse de que B2 es una base, es decir, ver que los vectores que
la componen son linealmente independientes.
1 3 0
0 1 1 80
2 0 2
1 0 0
Como u1 0 ; u 2 1 y u3 0 se ve de inmediato que la matriz de transicin C de B2 a B1
0 0 1
est dada por
1 3 0
C 0 1 1
2 0 2
Por tanto, la matriz A de transicin de B1 a B2 es
2 6 3
1
1
A C 2 2 1
8
2 6 1
1
Por ejemplo, si ( x ) B1 2 , entonces
4
2 6 3 1 2 14
1 1
( x ) B2 2 2 1 2 2 14
8 8 14 7
2 6 1 4 4
A manera de comprobacin advirtase que
1 3 0 1 1 0 0
1 1 7
0 1 1 2 1 0 2 1 4 0
4 4 4
2 0 2 4 0 0 1
Instituto de Profesorado Concordia 83
Apuntes de lgebra II