Apuntes de Algebran2 PDF

2012
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
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
4 ndice
Sistemas de Ecuaciones .................................................................................................. 60

Ecuaciones con una Incgnita ..................................................................................... 60
Ecuaciones con dos Incgnitas ................................................................................... 60
Sistema de Ecuaciones Lineales ................................................................................. 60
Clasificacin ........................................................................................................... 61
Sistemas Equivalentes ............................................................................................. 61
Sistemas de dos Ecuaciones con dos Incgnitas ..................................................... 61
Sistema de n Ecuaciones con n Incgnitas ............................................................. 62
Regla de CRAMER................................................................................................. 64
Eliminacin de Gauss-Jordan ................................................................................. 66
Teorema de ROUCH-FROBENIUS..................................................................... 67
Sistemas Homogneos ................................................................................................ 67
Propiedades ............................................................................................................. 68
Espacios Vectoriales ....................................................................................................... 69
Vectores ...................................................................................................................... 69
Definicin de Espacio Vectorial ................................................................................. 69
Teorema .................................................................................................................. 70
Subespacios ................................................................................................................. 71
Teorema: Para la determinacin de un subespacio ................................................. 71
Teorema: de la interseccin de subespacios ........................................................... 72
Combinacin Lineal .................................................................................................... 72
Conjunto Generador de un Espacio Vectorial ............................................................ 72
Espacio Generado por un Conjunto de Vectores ........................................................ 73
Propiedad: ............................................................................................................... 73
Independencia Lineal .................................................................................................. 73
Teorema 1 ............................................................................................................... 74
Teorema 2 ............................................................................................................... 75
Teorema 3 ............................................................................................................... 75
Teorema 4 ............................................................................................................... 75
Teorema 5 ............................................................................................................... 76
Base ............................................................................................................................. 76
Teorema: unicidad de escalares .............................................................................. 77
Dimensin ................................................................................................................... 78
Teorema .................................................................................................................. 78
Teorema .................................................................................................................. 78
Ncleo y Nulidad de una Matriz ................................................................................. 78
Teorema .................................................................................................................. 78
Recorrido de una Matriz ............................................................................................. 78
Teorema .................................................................................................................. 79
Rango de una Matriz ................................................................................................... 79
Espacio de los Renglones y Espacio de las Columnas de una Matriz ........................ 79
Cambio de Base .......................................................................................................... 79
Teorema .................................................................................................................. 82
Teorema .................................................................................................................. 82
Ley de Composicin Interna

Una ley de composicin interna, definida en un conjunto no vaco A, consiste en una
operacin que asigna a cada par ordenado de elementos de A un nico elemento de A.
esto significa que a cada objeto de A A le corresponde uno y slo un elemento de A.
Una ley de composicin interna definida en un conjunto no vaco A es una funcin de

A A en A.
es ley de composicin interna en A : A2 A
Es decir
a A b A a b A
Son ejemplos de leyes de composicin interna, la adicin y la multiplicacin en N, Z, Q,
R y C.
Propiedades y Elementos Distinguidos

Asociatividad
: A2 A es asociativa a; b; c A : (a b) * c a * (b * c)
Conmutatividad
: A2 A es conmutativa a; b A : a * b b * a
Existencia del elemento neutro
e A es neutro respecto de * a A : a * e e * a a
Existencia de inverso en una ley con neutro
a' A es inverso de a A respecto de * a * a' a'*a e
Unicidad del Neutro
Si existe un neutro en A respecto de *, entonces es nico
Supongamos que e y e son neutros respecto de *; entonces por ser e neutro y
por serlo e, se tiene:
e' e'*e e * e' e
Unicidad del inverso respecto de una ley asociativa
Si un elemento a A admite inverso respecto de la ley *, entonces dicho
inverso es nico.
Supongamos que a y a son inversos de a. aplicando sucesivamente la
definicin de neutro, el hecho de que a es el inverso de a, la asociatividad, el
supuesto de que a es inverso de a, y la definicin de neutro, se tiene
a' ' a' '*e a' '*(a * a' ) (a' '*a) * a' e * a' a'
Regularidad de un elemento respecto de una Ley Interna

La regularidad de un elemento respecto de una ley de composicin interna consiste en
que es cancelable o simplificable a derecha e izquierda en los dos miembros de una
igualdad.
a * b a * c b c
a A es regular respecto de *
b * a c * a b c
La regularidad bilateral se llama regularidad a secas; si es preciso distinguir, se debe
especificar si la regularidad es a derecha o izquierda.
La regularidad es relativa a la LCI y depende de cada elemento. As como existen
elementos que admiten inverso y otros que no, tambin existen elementos que son
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
Como + y . son la suma y el producto ordinarios de nmeros racionales, entonces es LCI en Q. El

problema consiste en analizar las propiedades de * en Q.
1. Asociatividad: aplicando sucesivamente la definicin
(a * b) * c (a b ab) * c (a b ab) c (a b ab) c

a b c ab ac bc abc
a * (b * c) a * (b c bc) a (b c bc) a (b c bc)

a b c bc ab ac abc
De y resulta que (a * b) * c a * (b * c) y la ley es asociativa
2. Conmutativa: se verifica aplicando la conmutatividad de la adicin y el producto de racionales.

a * b a b ab b a ba b * a
3. Existencia de neutro: si existe e, para todo a Q debe cumplirse que
a *e a
Por es a e ae a e ae 0 e(1 a) 0
Luego existe el neutro e 0 . Por la conmutatividad slo se analiz e por la derecha.
4. Existencia de inversos: si a Q admite inverso, entonces debe existir a' Q , tal que:
a * a' e
Es decir a a'aa' 0 a' (1 a) a
a
Luego si a 1 a' / a'
1 a
Es decir, todos los racionales excepto -1 admiten inverso respecto de *.
5. Elementos Regulares: investigamos que racionales a son regulares a izquierda.
a *b a *c
Por
a b ab a c ac
Cancelando a en (Q;+), resulta
b ab c ac
Por distributividad
b(1 a) c(1 a)
Luego si a 1
bc
Luego todos los racionales distintos de -1 son regulares respectos de *.
Distributividad de una LCI respecto de otra

Consideremos las dos leyes de composicin interna y *, definidas en un conjunto
A.
es distributiva a derecha respecto de * si y slo si
a, b, c A : (a * b) c (a c) * (b c)
Del mismo modo
es distributiva a izquierda respecto de * si y slo si
a, b, c A : c (a * b) (c a) * (c b)
Se dice que es distributiva respecto de *, si y slo si lo es a derecha e izquierda.
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.
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
Clases de Equivalencia y Conjunto Cociente

Sea ~ una relacin de equivalencia en A . Un problema de inters es la
determinacin de todos los elementos de A que son equivalentes a uno dado, es decir,
que forman pareja con l. La respuesta conduce a un subconjunto de A, llamado clase de
equivalencia del elemento.
Clase de equivalencia de un elemento a A es el conjunto de todos los elementos de A
equivalentes con a.
K a {x A / x ~ a}
Supongamos que tenemos un conjunto de ndices I {a; b; c;} , de modo tal que a
cada elemento del conjunto I le est asociada una clase de equivalencia. El conjunto
formado por todas las clases de equivalencia se llama conjunto cociente de A por la
relacin de equivalencia, y la notacin es:
K a ; K b ; K c ;
A
~
O bien por la notacin del subndice:
A
{K u / u I }
~
Las clases de equivalencia constituyen una particin del conjunto A en el sentido
siguiente:
Son no vacas;
Son disjuntas de a pares;
Su unin es A.
Relacin de Equivalencia Congruencia Mdulo n

En el conjunto Z de los enteros introducimos la relacin congruencia mdulo n,
mediante la siguiente definicin:
Dos enteros son congruentes en mdulo n, si y slo si n es divisor de su diferencia.
a y b son congruentes mdulo n n a b
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
c) Si un nmero divide a un entero, entonces divide a su opuesto.

En efecto: estas es una consecuencia directa de la propiedad a), ya que
n x n (1) x n x
Ahora nos proponemos probar que a ~ b n a-b es una relacin de equivalencia.
1) Reflexividad:
Como n 0 , se tiene
a : a Z n a a a ~ a
2) Simetra: sean los enteros a y b tales que
a~b n a-b n (a b) n b a b~a
3) Transitividad: sean los enteros a, b y c tales que
a~b b~c n a-b n b c n (a b) (b c) n a c a~c
Vamos a determinar las clases de equivalencia de los enteros. Sea a Z ; entonces

K a x Z / x ~ a
Ahora traducimos esta propiedad que define al conjunto Ka:
x~a n x-a k Z/x a kn x a kn
Es decir, a Ka pertenecen todos los enteros del tipo a kn , donde a y n estn dados y k
recorre Z. En otras palabras a Ka pertenecen las sumas de a con todos los mltiplos de n.
Los subndices de las clases de equivalencia son los posibles restos de la divisin de un
entero por n, es decir: I 0;1;2;; n 1, ya que de acuerdo con el algoritmo de la
divisin el resto es no negativo y menor que el divisor. Por este motivo reciben el
nombre de congruentes en mdulo n, y suelen denotarse mediante:
0, 1, 2, , n 1
El conjunto cociente es
Z
~

0 , 1 , 2, , n 1 Z n
10 Relacin de Equivalencia
O bien
Z n Ku / 0 u n
Particin de un Conjunto no Vaco

Sean dos conjuntos A I tales que, cualquiera que sea el elemento u I ,
existe un subconjunto K u A .
El conjunto {K u / u I } es una particin de A si y slo si
a) u : u I Ku
b) u v Ku K v
c) a A, u I / a Ku
Los elementos Ku de la particin son subconjuntos no vacos de A, y estn asociados al
conjunto de subndices I; adems, elementos distintos del conjunto de ndices
determinan subconjuntos distintos de A; finalmente la condicin c) significa que la
unin de los subconjuntos de A que son elementos de la particin, es A.
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
~
Compatibilidad de una Relacin de Equivalencia con una Ley Interna

Sean A , ~ una relacin de equivalencia definida en A, y * una ley de composicin
interna en A. cabe preguntarse si la composicin de pares respectivamente equivalentes
conduce a resultados equivalentes. Si la respuesta es afirmativa, se dice que la relacin
de equivalencia es compatible con la ley de composicin interna.
~ es compatible con * a, b, a' , b' A : a~a' b~b' a*b~a'*b'
Ejemplo: Investigamos la compatibilidad de la congruencia mdulo n con la adicin en Z

Sean
a~a' b~b' n a-a' n b b' n (a a') (b b') n (a b) (a' b') a b~a' b'
Hemos utilizado sucesivamente la definicin de congruencia mdulo n, el hecho de que si un nmero
divide a otros dos tambin divide a su suma, suma de dos diferencias, y finalmente la definicin de la
misma relacin de equivalencia.
Ejemplo: investigaremos ahora la compatibilidad de la congruencia mdulo n con la multiplicacin en Z.
Sean
a~a' b~b' a a ' n b b' n

a a' k1n b b' k 2 n
a a ' k1n b b' k 2 n
ab a' b' a ' k 2 n b' k1n k1k 2 n 2
ab a' b' n(a ' k 2 b' k1 k1k 2 n)
ab a' b' n
ab~a' b'
Teorema Fundamental de Compatibilidad

Si ~ es una relacin de equivalencia compatible con la ley de composicin interna * en
A
el conjunto no vaco A, entonces existe en el conjunto cociente una nica ley de
~
A
composicin interna *, tal que la aplicacin cannica : A es un homomorfismo.
~
A
Adems, las propiedades de * en A se transfieren a * en
~
Ejemplo: Consideremos en Z la adicin y la multiplicacin. Sabemos que la congruencia mdulo n es
compatible con estas leyes de composicin internas. Fijemos en particular n 3 ; el conjunto cociente es
ahora el de las clases de restos mdulo 3, es decir, Z 3 {0, 1, 2} .
De acuerdo con el teorema fundamental de compatibilidad, existen en Z 3 sendas leyes de composicin
internas, nicas, tales que la aplicacin cannica : Z Z 3 es un homomorfismo. Las leyes inducidas
se llaman respectivamente, suma y producto de clases, que simbolizamos con y las tablas de estas
leyes internas en el conjunto de las clases son:
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.
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 Neutro o Identidad

Sea (M ;*) un monoide. Se definen los elementos identidad (o neutro), a izquierda o
derecha, mediante:
1. e M es identidad a Izquierda a : a M e * a a
2. e M es identidad a Derecha a : a M a * e a
3. e M es identidad, si y slo si lo es a Izquierda y Derecha
Clara est que los elementos de identidad, si existen, lo son respecto de *.
Unicidad: si e e' son neutros a derecha e izquierda del monoide, entonces e e' .
En efecto:
e e * e' e'
Por ser e neutro a derecha y e neutro a izquierda.
Esto demuestra la unicidad del neutro, respecto de una LCI
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 *.
Es decir, se deben cumplir los siguientes axiomas:

G1. * : G 2 G
G2.Asociatividad: a,b,c G : (a * b) * c = a * (b * c)
G3.Existencia de Neutro: e G / a G : e * a = a * e = a
G4.Existencia de inversos: a G,a'G / a * a' = a'*a = e
G5.Conmutatividad: ab : a, b G a * b = b * a .
El axioma 5 no es excluyente, pero si la LCI cumple con l, el Grupo se llama
Conmutativo o abeliano.
nm
Ejemplo: sea el conjunto de las matrices reales de n filas por m columnas. Definimos la adicin de
nm
matrices en mediante:
A + B = (aij ) + (bij ) = C / cij = aij + bij ij
Demostraremos que
nm
tiene estructura de grupo abeliano.
1) Ley de cierre: se verifica por definicin.
2) Asociatividad:
[ ]
( A + B) + C = (aij ) + (bij ) + (cij )
= (aij + bij ) + (cij )
= ([aij + bij ] + cij )
= (aij + [bij + cij ])
= (aij ) + (bij + cij )
= A + (B + C)
3) Elemento Neutro: existe la matriz N nm definida por nij 0 ij , tal que cualquiera
que sea A en dicho conjunto se verifica que
A N N A A
nm nm
4) Inversa: la inversa aditiva de toda matriz A es la matriz B definida por
bij aij ij , pues
A B B A N
5) Conmutatividad:
A B (aij ) (bij )
(aij bij )
(bij aij )
(bij ) (aij )
B A
Propiedades de los grupos

1. Unicidad del Neutro y del Inverso: (demostrada en incisos anteriores);
2. Regularidad: Los elemento de todo grupo son regulares, a * b a * c b c
En efecto:
Sea
a *b a *c
Componiendo a izquierda con a, inverso de a
a'*(a * b) a'*(a * c)
Aplicando propiedad asociativa
(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.
Condicin suficiente para la existencia de subgrupo

Si H es un subconjunto no vaco del grupo (G;*) , que verifica
a H b H a * b' H
entonces (H ;*) es un subgrupo de (G;*) .
En efecto: Debemos probar que se cumplen los axiomas de grupo para H
i Asociatividad: se verifica por ser H G
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
de que se cumplen los cinco axiomas. Y consideremos el conjunto

H {( x; y) R 2 / y 2 x}
Comprobaremos que ( H ;) es subgrupo de ( R 2 ;)
i H ya que (1;2) H
ii H R por definicin de H
2
iii Sean (a; b) H (c; d ) H debemos probar que (a; b) (c;d ) H

En efecto:
(a; b) H (c; d ) H b 2a d 2c b d 2(a c) (a c; b d ) H
Por lo tanto se verifica que (a; b) (c;d ) H
Hemos utilizado la definicin de H, la sustraccin en R, la definicin de H y la suma de pares.
Ejemplo: anteriormente hemos demostrado que
nm
es un grupo abeliano. Por lo tanto tambin lo ser
el conjunto de matrices cuadradas con la suma. Ahora consideremos el conjunto H de las matrices
cuadradas, tales que aij a ji
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 .
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.
Ejemplo: sean los grupos ( R;) y ( R {0};) . La funcin f : R R {0} / f ( x) 2 x es un

homomorfismo. En efecto:
xy R : f ( x y) f ( x) f ( y) 2 x y 2 x 2 y
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
Ncleo de un Homomorfismo de Grupos

Ncleo del homomorfismo f : G H es la totalidad de los elementos de G, cuyas
imgenes por f se identifican con el neutro de H. Es decir
N ( f ) {x G / f ( x) e'}
Ejemplo: sean los grupos( Z ;) y ( Z 5 ;) , y la funcin : Z Z 5 / ( x) x

Luego N ( ) {x Z / ( x) 0} {x Z / x 5 }
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
Imagen de un Homomorfismo de Grupos

Sea f : G H un morfismo de grupos. Imagen de un morfismo de grupos es la
totalidad de las imgenes de los elementos del primer grupo.
La imagen de un morfismo de grupos es la imagen de la funcin que lo define. Es decir

I ( f ) { f ( x) H / x G}
O bien
I ( f ) { y H / x G f ( x) y}
Est claro que si el morfismo es un epimorfismo, es decir, f es sobreyectiva, entonces
I( f ) H .
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 ;) .
Relacin de Equivalencia Compatible

Sean (G;*) un grupo, y ~ una relacin de equivalencia en G. Sabemos que ~ es
compatible con * si y slo si
a~b c~d a*c~b*d
Teorema Fundamental de Compatibilidad

Si ~ es una relacin de equivalencia compatible con la ley interna del grupo (G;*) ,
G
entonces existe en el conjunto cociente una nica ley de composicin interna , tal
~
G G
que la aplicacin cannica f : G es un homomorfismo, y adems ;* es
~ ~
grupo.
Este teorema es corolario del TFC visto en Relaciones de Equivalencia
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 *.
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
donde Hi es un subgrupo de G, que contiene a S
Si S G , entonces se dice que S es un generador de G
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.
El elemento a G es de orden infinito si y slo si el subgrupo generado por a es de

orden infinito.
El elemento a G es de orden n (Natural) si y slo si el subgrupo generado por a es
de orden n.
Ejemplo:
i El grupo ( Z ;) es cclico, pues est generado por el entero 1, y su orden es infinito, pues no
existe ningn nmero natural n que verifique:

1 1

1 0
n
ii El grupo ( Z n ;) es cclico, ya que est generado por 1 , y de orden n pues

1 1

10
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
A4: Todo elemento de A admite inverso aditivo u opuesto

a A, a A / a (a) (a) a 0
A5: La adicin es Conmutativa
ab A : a b b a
A6: El producto es LCI en A
ab : a A b A a b A
A7: El producto es asociativo en A
abc A : (a b) c a (b c)
A8: El producto es doblemente distributivo respecto de la suma
a (b c) (a b) (a c)
abc A :
(b c) a (b a) (c a)
Si adems ocurre que la segunda ley es conmutativa, diremos que el anillo es
conmutativo. Si existe elemento neutro o identidad que denotamos con 1, entonces se
llama Anillo con neutro o identidad. Un anillo con identidad cuyos elementos no nulos
son inversibles se llama anillo de divisin.
Ejemplo: clasifiquemos las siguientes ternas
i (N ;+; ) no es anillo porque no tiene neutro respecto de la suma (A3);
ii ( N 0 ;+; ) no es anillo porque los elementos no nulos carecen de inverso aditivo;
iii (Z ;+; ) es anillo conmutativo con unidad
Propiedades de los Anillos

1) El producto de cualquier elemento de un anillo por el neutro para la primera
ley es igual a ste.
a A : a 0 = 0 a = 0
En efecto:
Cualquiera que sea x en A se verifica, por A3
x+0 = x
Premultiplicando por a
a ( x + 0) = a x
Por distributividad (A8)
a x a0 a x
En virtud de A3
a x a0 a x 0
Por ley cancelativa en el grupo ( A;)
a0 0
Anlogamente se demuestra que 0 a 0
Esta propiedad suele enunciarse as: en todo anillo, el producto por cero es cero
2) En todo anillo, el producto del opuesto de un elemento por otro es igual al

opuesto de su producto.
ab A : (a) b a (b) (a b)
En efecto:
Por distributividad, A4 y producto por 0, se tiene
(a) b a b (a a) b 0 b 0
Es decir
( a ) b a b 0
Luego
(a) b (a b)
3) En todo anillo el producto de los opuestos de dos elementos es igual al producto

de los mismos.
ab A : (a) (b) a b
En efecto:
Aplicando reiteradamente la propiedad anterior y el opuesto del opuesto
(a) (b) [a (b)] [(a b)] a b
4) En todo anillo vale la distributividad del producto respecto de la diferencia
a (b c) a b a c
En efecto:
En virtud de A8 y de la propiedad 2)
a (b c) a [b (c)] a b a (c) a b [(a c)] a b a c
Anillo sin divisores de cero

El anillo ( A;;) no tiene divisores de cero si y slo si elementos no nulos dan producto
no nulo.
( A;;) carece de divisores de cero xy : x 0 y 0 x y 0
Equivalentemente, por medio de implicaciones contrarecprocas se tiene
( A;;) carece de divisores de cero xy : x y 0 x 0 y 0
Negando el antecedente y el consecuente del bicondicional que expresa simblicamente
la definicin, se tiene
( A;;) tiene de divisores de cero xy / x 0 y 0 x y 0
El anillo ( A;;) tiene divisores de cero si y slo si existen elementos no nulos que dan
producto nulo.
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
Lo que dice que en Zn hay divisores de cero, contra la hiptesis

ii Si n es primo, entonces ( Z n ;;) no tiene divisores de cero
Sean x y Z n / x y 0 se trata de probar que x 0 y 0
Por definicin de aplicacin cannica, la igualdad anterior se escribe
f ( x) f ( y) f (0)
Por ser f un morfismo
f ( x y) f (0)
Por definicin de funcin cannica
x y ~ 0
Por definicin de congruencia mdulo n
n| x y
Pero si un nmero divide a un producto, entonces divide a uno de los dos factores
n| xn| y
Es decir
x~ 0 y~ 0
En consecuencia
x 0 y 0
Ejemplo: consideremos los siguientes casos

1) El producto de clases en Z3
0 1 2
0 0 0 0
1 0 1 2
2 0 2 1
Z3 no tiene divisores de cero, pues x y 0 x 0 y 0
2) El producto de clases en Z6
0 1 2 3 4 5
0 0 0 0 0 0 0
1 0 1 2 3 4 5
2 0 2 4 0 2 4
3 0 3 0 3 0 3
4 0 4 2 0 4 2
5 0 5 4 3 2 1
32 0
Z6 tiene divisores de cero, pues por ejemplo
2. Ley Cancelativa del Producto: un anillo no tiene divisores de cero si y slo si
vale la ley cancelativa del producto para todo elemento no nulo del mismo.
En efecto:
i ( A;;) carece de divisores de cero, entonces vale la ley cancelativa
x z y z z 0 x y
Por hiptesis
x z y z
Por transposicin en ( A;)
x z y z 0
Por distributividad
( 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:
El subconjunto no vaco S A es un subanillo de ( A;;) si y slo si ( S ;) es

subgrupo de ( A;) , y adems S es cerrado con respecto al producto.
Resulta obvio que una parte no vaca S A es un subanillo de ( A;;) si y slo si para
todo par de elementos a A b A se verifica que a b A a b A
Ejemplo: sea a Z . Entonces el conjunto de todos los mltiplos enteros de a

S {k a / k Z}
es un subanillo de (Z ;;) .
En efecto:
x S y S x ka y k ' a
Luego
x y ka k ' a (k k ' )a k ' ' a
Es decir
x yS
Por otra parte
x S y S x ka y k ' a x y (kak' )a k ' ' a x y S
De y ( S ;;) es un subanillo de ( Z ;;)
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.
La terna ( K ;;) es un cuerpo si y slo si es un anillo conmutativo, con unidad, cuyos

elementos no nulos admiten inverso multiplicativo.
Los axiomas que caracterizan la estructura de cuerpo son:
1) ( K ;) es grupo abeliano;
2) ( K {0};) es grupo abeliano;
3) El producto es distributivo respecto de la suma
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
Propiedades de los Cuerpos

Sea ( K ;;) un cuerpo
1) Los cuerpos no admiten divisores de cero
Sean x K y K / xy 0
Si x 0 nada hay que demostrar, pues la proposicin x 0 y 0 es V.
Consideremos el caso x 0 . Por definicin de cuerpo existe x 1
Multiplicando por x 1
x 1 ( xy ) x 1 0
Por asociatividad, producto por cero y neutro del producto se tiene
y0
2) En todo cuerpo vale la ley cancelativa del producto para todo elemento no nulo
del mismo.
3) Si b 0 la ecuacin bx a admite solucin nica en K.
Sea
bx a con b 0
1
Multiplicando por b
b 1 (bx) b 1a
Por asociatividad y conmutatividad resulta
(b 1b) x ab 1
Es decir
a
x ab 1
b
Esta solucin es nica de la ecuacin propuesta. En efecto, sea y otra solucin; esto
significa que
by a y como bx a se tiene
by bx 0 b( y x) 0
Y como b 0 , entonces x y
4) El recproco del opuesto de todo elemento no nulo es igual al opuesto de su
recproco
De acuerdo con la propiedad del producto de los opuestos de dos nmeros y por
inverso multiplicativo, se tiene
[( x 1 )] ( x) x 1 x 1
Multiplicando por (x) 1
( 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.
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.
Relacin de Equivalencia en R2 y Nmeros Complejos

En el conjunto R2, de todos los pares ordenados de nmeros reales, definimos la
relacin ~ mediante
(a; b) ~ (c; d ) a c b d
Esta relacin es la identidad, y obviamente es de equivalencia; se traduce en el siguiente
enunciado: dos pares ordenados de nmeros reales son equivalentes si y slo si son
idnticos.
Cada clase de equivalencia es unitaria, y se identifica con el par ordenado
correspondiente, es decir
K ( a;b) {(a; b)}
La identificacin que proponemos nos permite escribir
K ( a;b) (a; b)
Definicin de Nmero Complejo

Nmero complejo es todo par ordenado de nmeros reales, es decir, C R 2
C {(a; b) / a R b R}
La notacin usual para un nmero complejo es z (a; b)
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.
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.
Operaciones con Complejos

En C R 2 se define la adicin y la multiplicacin mediante
1) (a; b) (c; d ) (a c; b d )
2) (a; b) (c; d ) (ac bd ; ad bc)
Estas leyes de composicin interna en C verifican las siguientes propiedades:
i (C;) es grupo abeliano
En efecto:
G1: (a; b), (c; d ) R 2 : (a; b) (c; d ) (a c; b d ) R 2
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 )
G3: (0;0) R 2 / (a; b) R 2 : (a; b) (0;0) (0;0) (a; b) (a; b)

En efecto: sea
( x; y) /( a; b) ( x; y) (a; b)
Por definicin de suma
(a x; b y) (a; b)
Por igualdad de complejos se tiene
axa b y b
x aa y y bb
x0 y0
G4: z (a; b), z (a;b) /( a; b) (a;b) (a;b) (a; b) (0;0)

En efecto: sea
( x; y) /( a; b) ( x; y) (0;0)
Por suma de pares es
(a x; b y) (0;0)
ax0 b y 0
x 0a y y 0b
x a y b
G5: (a; b), (c; d ) R 2 : (a; b) (c; d ) (c; d ) (a; b)

En efecto:
(a; b) (c; d ) (a c; b d ) (c a; d b) (c; d ) (a; b)
30 Nmeros Complejos
Hemos aplicado sucesivamente: definicin de suma de complejos, conmutatividad

de la suma en R y definicin de suma de complejos.
ii (C {0};) es grupo abeliano
En efecto:
G1: Si z C z' C zz' C
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' ' )
G3: El elemento neutro del producto es el complejo (1;0) . En efecto, si z ( x; y) es

neutro para el producto debe satisfacer que (a; b) C
(a; b)( x; y) ( x; y)(a; b) (a; b)
Por definicin de producto
(ax by; ay bx) (a; b)
Por igualdad de complejos
ax by a

bx ay b
Resolviendo el sistema por el mtodo del determinante
a b a b a a
; x y
b a b a b b
Luego, si (a; b) (0;0) , pues (0;0) (C {0};)
x a 2 b 2 y ab ab
x 2 1 y 0
a b 2
a 2 b2
Resulta ( x; y) (1;0) que satisface G3 para todo (a; b) C .
G4: Todo complejo no nulo admite inverso multiplicativo

Sea z (a; b) (0;0) . Si existe z 1 ( x; y) debe satisfacer
z z 1 z 1 z (1;0)
Es decir
(a; b)( x; y) ( x; y)(a; b) (1;0)
Efectuando el producto
(ax by; ay bx) (1;0)
Por igualdad de nmeros complejos resulta
ax by 1

bx ay 0
Resolviendo el sistema
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.
Isomorfismo de los Complejos Reales en los Reales

Sea CR {(a; b) C / b 0} el conjunto de los complejos de parte imaginaria nula. La
funcin f : CR R / f (a;0) a asigna a cada complejo real su primera componente.
La aplicacin f es obviamente biyectiva, y adems, un morfismo de CR en R respecto de
la adicin y la multiplicacin. En efecto: sean z (a;0) z' (a' ;0) , entonces
f ( z z ' ) f [(a;0) (a' ;0)] f (a a' ;0)
a a' f (a) f (a' )
f ( z) f ( z' )
Por otra parte
f ( zz' ) f [(a;0)(a' ;0)] f (aa' ;0)
aa' f (a) f (a' )
f ( z) f ( z' )
32 Nmeros Complejos
En consecuencia, f es un isomorfismo de CR en R respecto de la adicin y la

multiplicacin. El isomorfismo nos permite identificar a cada complejo real con el real
correspondiente, es decir, (a;0) a .
Forma Binmico de un Complejo

Unidad Imaginaria
El complejo imaginario de segunda componente igual a 1, se llama unidad imaginaria y
se denota por
i (0;1)
La multiplicacin de un complejo real por la unidad imaginaria permuta las
componentes de aqul, es decir lo transforma en un complejo imaginario. En efecto
(b;0) i (b;0) (0;1) (b 0 0 1; b 1 0 0) (0; b)
Y por el isomorfismo de los complejos reales en los reales, se tiene
bi (0; b)
Las potencias sucesivas de la unidad imaginaria son
i0 1
i1 i
i 2 (0;1)(0;1) (1;0) 1
i 3 i 2 i (1) i i
Si el exponente es de la forma 4k con k Z , se tiene i 4k (i 4 ) k 1k 1 .
En general, si el exponente de i es a N , al efectuar la divisin por 4 se tiene
a 4q r , donde 0 r 4 . En consecuencia
i a i 4 qr i 4 q i r 1 i r i r
y este clculo se reduce a uno de los cuatro considerados en primer trmino.
Forma Binmica de un Complejo

Sea z (a; b) un nmero complejo.
Por definicin de suma
z (a;0) (0; b)
Por isomorfismo de los complejos reales en reales y por definicin de unidad
imaginaria, se tiene
z a bi
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.
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 '
Ejemplo: determinar los complejos z x yi que satisfacen:

i z z
x yi ( x yi ) x x y y x 0
Es decir, los nicos que satisfacen dicha identidad son los complejos puros
ii z z 1
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.
Propiedades del Mdulo

1) El mdulo de todo complejo es mayor o igual que su parte real
| a |2 a 2 | a |2 a 2 b 2 | a |2 | z |2 | a || z |
Como a R a | a | , de esta relacin y de resulta que | z | a , es decir,
Re( z ) | z | . Anlogamente Im( z ) | z |
2) El producto de cualquier complejo por su conjugado es igual al cuadrado de su

mdulo.
z z (a bi)(a bi) a 2 b 2 (ab ba)i a 2 b 2 | z |2
3) El mdulo del producto de dos complejos es igual al producto de los mdulos de

los mismos.
| z z' || z | | z' |
En efecto:
A partir del cuadrado del primer miembro aplicamos la propiedad 2), el conjugado
de un producto, asociatividad y conmutatividad en C y nuevamente la propiedad 2)
| z z' |2 zz'zz' zz' zz ' zzz' z ' | z |2 | z' |2
Resulta que
| zz' |2 (| z || z ' |) 2
Y como las bases son no negativas
| zz' || z || z ' |
4) El mdulo de la suma de dos complejos es menor o igual que la suma de los

mdulos
| z z' || z | | z' |
En efecto:
Por el cuadrado del mdulo, conjugado de la suma, distributividad de la suma

respecto del producto y por la propiedad 2), se tiene
| z z ' |2 ( z z ' )( z z ' ) ( z z ' )( z z ' )
zz zz ' z ' z z ' z ' | z |2 zz ' z ' z | z ' |2
Como los trminos centrales son complejos conjugados ( zz ' zz ' ), su suma es el
duplo de la parte real, es decir
zz ' zz' 2 Re( zz ' )
Sustituyendo en la igualdad inicial tenemos
| z z ' | | z |2 2 Re( zz ' ) | z ' |2
Ahora bien, tendiendo en cuenta que la parte real es menor o igual que el mdulo
2 Re( zz ' ) 2 | zz ' |
Por mdulo del producto
2 Re( zz ' ) 2 | z | | z ' |
Sumando miembro a miembro y , resulta
| z z' |2 2 Re( zz ' ) | z |2 2 Re( zz ' ) | z' |2 2 | z || z' |
Cancelando
| z z' |2 | z |2 | z' |2 2 | z || z' |
Aplicando el caso de factores trinomio cuadrado perfecto
| z z ' |2 (| z | | z ' |) 2
Y como las bases son no negativas se tiene
| z z' || z | | z' |
5) El mdulo de una potencia de exponente natural es igual a la potencia del

mdulo
| z n ||
z.zz | |
z | . | z | | z | | z |n

n n
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
36 Nmeros Complejos
Por cuadrado del mdulo

x 2 y 2 a 2 b2
Es decir
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.
Forma Polar o Trigonomtrica

Sea z a bi un complejo no nulo. Las coordenadas polares del punto de coordenads
cartesianas a y b son: el radiovector y el argumento o cualquiera de los
congruentes con , en mdulo 2 .
Las frmulas del pasaje de las coordenadas polares a cartesianas son
a cos
b sen
Donde a 2 b 2 | z | y arg( z )
Se tiene que
a bi cos i sen
Es decir
z (cos i sen )
Esta es la llamada forma polar o trigonomtrica de un complejo.
Est claro que y definen unvocamente a z. Pero z define unvocamente a , y no
a arg( z ) .
Se llama argumento principal del complejo no nulo z, al nmero real que satisface:
i a | z | cos b | z | sen
ii 0 2
Para denotar al argumento principal escribiremos Arg (z )
Dados dos complejos en forma polar z (cos i sen ) y z' ' (cos 'i sen ' ) ,
diremos que son iguales si tienen igual mdulo y sus argumentos son congruentes en
mdulo 2 . En smbolos:
z z' ' ' 2k k Z
Operaciones en Forma Polar
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 ( ' )]
' R ' 2k
Luego

R ' , si k 0
'
En consecuencia
z
[cos( ' ) isen( ' )]
z' '
Potencia de Exponente Natural: Frmula de Moivre

La potencia n-sima de un complejo en forma polar tiene por mdulo la potencia n-
sima de su mdulo, y como argumento el producto de su argumento por n.
z n n (cos n isen n )
Lo demostraremos por induccin completa
1) n 1 z1 z (cos isen ) 1 (cos 1 isen 1 )
2) z h h (cos h isen h ) z h1 h1[cos (h 1) isen (h 1) ] (H. I.)
En efecto: por hiptesis inductiva, definicin de potencia y producto en forma polar
z h1 z h z h (cos h isen h ) (cos isen )
h [cos (h ) isen (h )]
h1[cos (h 1) isen (h 1) ]
3) Luego z n n (cos n isen n ) para todo n N
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
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!
y, adems, satisface las propiedades bsicas e 1 y e x e y e x y

0
A fin de preservar estas propiedades es que definimos a la exponencial compleja

mediante
eix cos x isen x
Se verifica que
eix eiy (cos x isen x)(cos y isen y )
(cos x cos y sen x sen y ) i (cos x seny sen x cos y )
cos( x y ) isen ( x y )
e x y
Sea z (cos i sen ) . Entonces z ei es la forma exponencial del complejo z.
40 Nmeros Complejos
Operaciones en Forma Exponencial

La traduccin de las frmulas relativas al producto, cociente y potenciacin, obtenidas
en la forma polar son las siguientes:
i zz' ei ' ei ' ' ei ( ')
z ei
ii i '
ei ( ')
z' ' e '
iii z n ei n ein
n
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
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.
Si A es una matriz de m n con m n , entonces A recibe el nombre de matriz

cuadrada. Una matriz de m n en la que todas sus componentes son cero se llama
matriz cero o matriz nula de m n .
Una matriz de m n se dice que es de tamao u orden m n .
En algunos libros se puede encontrar a las matrices denotadas entre corchetes
(parntesis cuadrados) o entre parntesis (curvos).
Otra definicin de Matriz

Si consideramos los conjuntos
I m {i /1 i m} y I n { j /1 j n}
El producto cartesiano I m I n ser
I m I n {(1;1); (1;2);; (1; n);; (i; j );; (m; n)}
Y sea (;; ) un cuerpo.
Se llama matriz del tipo m n sobre el cuerpo de los reales a toda funcin de I m I n
en .
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
Ejemplo: Son iguales las siguientes 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.
Multiplicacin de una Matriz por un Escalar

Si A (aij ) es una matriz de m n y si es un escalar, entonces la matriz A de
m n est dada por:
a11 a12 a1n

a a22 a2 n
A (aij ) 21

a am 2 amn
m1
Dicho con otras palabras, A (aij ) es la matriz que se obtiene de multiplicar cada
una de las componentes de A por . Si A B (bij ) , entonces (bij ) (aij ) , para
i 1; 2;; m y j 1; 2;; n
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).
Diagonal de una Matriz Cuadrada

La diagonal de una matriz cuadrada est formada por los elementos de la matriz, tales
que i j
a11 a12 a1n

a a22 a2 n
Sea A 21 nn

a an 2 ann
n1
Diagonal de A {a11, a22 ,, ann}
Traza de una Matriz Cuadrada

La traza de una matriz cuadrada es el nmero que se obtiene de sumar los elementos de
la diagonal de la matriz.
n
A nn :tr A aii a11 a22 ann
i 1
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 Identidad o Unidad

La matriz identidad es toda matriz escalar, tal que dicho escalar es 1.
1 0 0

i j a 0 0 1 0
I nn es la matriz identidad i, j : nn
ij
I
i j aij 1

0 0 1

Matriz Triangular Superior

Matriz triangular superior es toda matriz cuadrada tal que los elementos situados
debajo de la diagonal son nulos.
A nn es triangular superior i, j :i j aij 0
Matriz Triangular Inferior

Matriz triangular inferior es toda matriz cuadrada tal que los elementos situados
encima de la diagonal son nulos.
A nn es triangular inferior i, j :i j aij 0
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
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
Ejemplo: sea la matriz

5 1 3

A 2 8 9
4 0
1
hallar A At
Hallaremos primero At
5 2 4

At 1 8 1
3 9 0

5 1 3 5 2 4 10 1 7

A A 2 8 9 1 8 1 1 8 8
t
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).
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
Ejemplo: sean las matrices

2

F 1 3 5 C 4
9

hallar el producto F C .
2

F C 1 3 5 4 1.2 3.4 5.9 (60)
9

Producto de una Matriz Fila por una Matriz

Sea F 1xn , se puede efectuar la multiplicacin siempre y cuando el nmero de
columnas de F sea igual al nmero de filas de A.
Si suponemos que A nxp . El resultado de multiplicar F por A, ser una matriz fila de
p elementos, obtenidos de multiplicar la matriz F por cada columna de A.
48 Matrices
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

Producto de una matriz Amxp por una matriz Bpxn

Sean dos matrices A mxp B pxn , el producto de estas dos matrices es una matriz
que pertenece a mxn , cuyos elementos se obtienen de multiplicar cada fila de A por
cada columna de B. es decir si A B C / A mxp B pxn C mxn , entonces
p
cij aik .bkj
k 1
Veamos un ejemplo para tratar de ilustrar la conmutatividad del producto de matrices.
Ejemplo: sean las matrices
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:
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.
Como se pudo ver en el ejemplo anterior la conmutatividad de matrices no se cumple,

de hecho sean las matrices A mxn B nxp m p el producto A B est definido
pero el producto B A no lo est. Sin embargo existen algunas matrices cuyo producto
es conmutable, dichas matrices se denominan conmutables o permutables.
Propiedades de la Multiplicacin de Matrices

Sean A, B y C matrices de orden tal que las sumas y productos estn definidos, se
verifican:
Asociatividad.
A ( B C ) ( A B) C
Distributividad de la multiplicacin respecto de la adicin.
( A B) C A C B C
C ( A B) C A C B
Existencia del elemento neutro.
Sea I la matriz identidad del mismo orden que A, entonces
A I I A A
Es decir la matriz identidad cumple con el mimo papel que el uno en la
multiplicacin de nmeros reales.
Transpuesta del Producto
A BT BT AT
Ejemplo: dadas las matrices
1 0 3 4 5
A , B 2 1 y C 6 1
5 2 0
4 2
3 2
Comprobar la ley asociativa
Solucin:
4 5 14 4
1 0 3 6 1 1 0 3 28 5
A ( B C ) 2 1 10 2
4 2 5 3 2 2 0 4 2 5 14 34 3
3
4 5
1 0 3 6 1 5 1 6 1 28 5
( A B) C 2 1
4 2 5 2 0 3 8 2 0 34 3
3 2
De y se tiene que A ( B C ) ( A B) C
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
Potencias de una Matriz Cuadrada

Si A es una matriz de orden n y p es un entero no negativo, entonces A p es la matriz de
cuadrada de orden n que se obtiene de multiplicar A por s misa p veces.
Ap
A
A A
A
p factores
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

Se puede demostrar que siendo A nxn e I la matriz identidad de orden nxn A es

involutiva si y slo si:
( I A)( I A) N , donde N es la matriz nula
En efecto: Desarrollamos el producto, considerando la distributividad del producto,
respecto a la suma de matrices.
I I I A A I A A N
( I A)( I A) N I A2 0
I A2
Matriz Idempotente
Una matriz A nxn se llama idempotente si y slo si A2 A , es decir su cuadrado es
igual a s misma.
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
Unicidad de la Matriz Inversa

Si una matriz admite inversa, sta es nica.
Para demostrarlo supondremos que B y C son dos matrices cuadradas de orden n, y,
adems, son dos matrices inversas de A nxn , entonces B C .
B es inversa de A B A A B I
C es inversa de A C A A C I
Partiendo de A y multiplicando a izquierda por B y a derecha por C. Aplicando tambin
la propiedad asociativa del producto de matrices:
( B A) C B ( A C )
I C B I
CB
Por lo tanto la inversa de una matriz es nica.
Inversa del Producto de Matrices

Sean A y B dos matrices invertibles de orden n n , entonces A B es invertible y es
( A B) 1 B 1 A1
En Efecto:
Por definicin de matriz inversa es
( A B) 1 B 1 A1 ( B 1 A1 )( A B) ( A B)( B 1 A1 ) I
Pero de esto sigue
( B 1 A1 )( A B) B 1 ( A A1 ) B B 1 I B B 1 B I
y
( A B)( B 1 A1 ) A ( B 1 B) A1 A I A1 A A1 I
Clculo de una Matriz Inversa

Consideremos la matriz
52 Matrices
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
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
Procedimiento para calcular la inversa de una matriz A

1. Escrbase la matriz aumentada A I .
2. Utilcese la reduccin por renglones, con el objeto de reducir la matriz A a su
forma escalonada por renglones reducida.
3. Decdase si A es invertible:
a. Si A se puede reducir a la matriz identidad, entonces A1 ser la matriz
que aparezca a la derecha de la barra vertical. Si una matriz de orden n
tiene n vectores cannicos es invertible, y viceversa.
b. Si la reduccin por renglones de A lleva a un rengln de ceros, entonces
la matriz A no es invertible.
Ejemplo: Hallar las inversas, si existen, de la siguientes matrices

2 4 3

1) A 0 1 1
3 5 7

1
R1 R1 1 2 0 0
3 1 1 2 3 1
0 0
Solucin: 2 4 3 1 0 0
0 0 1 1 0
R3 R3 ( 3) R1
2 2 2 2
2
1 0
0 1 1 0 1 0 1 1 0 1 0
3 5 7 0 0 1 3 5 7 0 0 1 0 1 5
32 0 1
2
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.
Matrices Equivalentes por Renglones

Sean dos matrices A y B, si la matriz A se puede transformar en la matriz B mediante
operaciones de rengln, entonces se dice que A y B son equivalentes por renglones.
Determinante de una Matriz de 2 2

a a
Sea la matriz A 11 12 . Entonces se define:
a21 a22
Determinante de A A a11a22 a12a21
a a
Ejemplo: Sea la matriz A 11 12 . Hallar su inversa.
a21 a22
a12 1
a11 a12 1 0
1
R1 R1 1 0
Solucin: R2 R2 ( a21) R1

a11
a a11 a11
21 a22 0 1 a
21 a22 0 1
a12 1
1 0 R2
a11

R2
a11 a11 a22a22 a21a12

a22a11 a21a12 a21
0 1
a11 a11
1
a12 0 a
R1 R1 12 R2
1 a11
a11 a11

a21 a11
0 1
a22a11 a21a12 a22a11 a21a12
a22 a12

1 0 a22a11 a21a12 a22a11 a21a12
0 1 a21 a11

a22a11 a21a12 a22a11 a21a12
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
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
Matriz Adjunta de una Matriz Cuadrada

Es la matriz que se deduce de A cuando a cada elemento de AT se lo reemplaza por su
adjunto correspondiente.
a11 a12 a1n a11 a21 an1

a21 a22 a2 n a12 a22 an 2
A A t

a ann
n1 an 2 ann a1n a2 n
A11 A21 An1

A A22 An 2
adj A 12

A Ann
1n A2 n
Producto de una Matriz por su Adjunta

El producto de una matriz por su adjunta es una matriz escalar, donde dicho escalar es
el determinante de la matriz.
En efecto:
a11 a12 a1n A11 A21 An1

a21 a22 a2 n A12 A22 An 2
Sea la matriz A y su adjunta adj A , el

a A
n1 a n2 a nn 1n A2n Ann
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
Inversa de una Matriz

En virtud de la demostracin anterior podemos concluir en que:
La inversa de una matriz es igual al producto entre el inverso de su determinante y su
adjunta.
En efecto:
Por la demostracin anterior es:
A adj A A
Multiplicando ambos miembro por A1 , resulta:
A A1 adj A A A1
adj A A A1
Dividiendo ambos miembros por A 0
1
A1 adj A
A
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
Ejemplo: determinar el conjunto solucin de

5 5
1. 4 x 3 x 2 4 x x 2 3 3x 5 x , luego S y la solucin es
3 3
nica.
2. 3x 5 x 2x 5 2x 5 2x 5 2x 2x 5 5 0x 0 , luego la ecuacin
S {x k / k R}
admite infinitas soluciones
3. 3x 5 x 2x 3 2x 5 2x 3 2x 2x 3 5 0x 2 . No existe
nmero real que multiplicado por cero d como resultado un producto no nulo, es decir que
S
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.
Ecuaciones con dos Incgnitas

Son ecuaciones de la forma:
ax by k con a 0 b 0
Cada solucin de la ecuacin es un par ( x0 ; y0 ) , cuyos elementos se obtienen asignando
un valor arbitrario a cada una de las incgnitas y despejando la otra en funcin de sta.
Dicho par de nmeros reales determina un punto del plano cartesiano R 2 , y todas las
soluciones obtenidas de la manera indicada determinan una lnea recta que se denomina
grfico de la ecuacin.
Sistema de Ecuaciones Lineales

Un sistema de m ecuaciones lineales con las mismas n incgnitas cada una de ellas, es
un conjunto de relaciones que admite la siguiente forma:
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
Si el sistema es de m ecuaciones con n incgnitas, decimos que es un sistema de orden
m n .
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
Sistemas de dos Ecuaciones con dos Incgnitas

Un sistema de este tipo puede escribirse como:
a11x1 a12 x2 b1 ; a11 0 a12 0

21 1
a x a x
22 2 b 2 ; a 21 0 a 22 0
Es decir, que los coeficientes de cada ecuacin no deben ser simultneamente nulos.
Debemos determinar los valores de x1 y x2 que satisfacen simultneamente ambas

ecuaciones, es decir se trata de identificar la solucin S, tal que
S (k1; k2 ) / a11k1 a12k2 b1 a21k1 a22k2 b2
Cada una de las ecuaciones del sistema tiene como representacin grfica una lnea
recta, y pueden darse tres casos:
nica Solucin Ninguna Solucin Infinitas Soluciones

Supongamos ahora que en el sistema multiplicamos la primera ecuacin por a22 y la
segunda por a12 , resulta
a11a22 x1 a12a22 x2 a22b1

a21a12 x1 a22a12 x2 a12b2
A continuacin restamos la segunda ecuacin de a la primera
a11a22 x1 a21a12 x1 a22b1 a12b2
(a11a221 a21a12 ) x1 a22b1 a12b2
Luego si (a11a221 a21a12 ) 0 , entonces se puede dividir entre esta cantidad para
obtener el valor de x1:
a b a b
x1 22 1 12 2
a11a221 a21a12
Luego se puede sustituir el valor de x1 en el sistema, para hallar el valor de x2. la
expresin (a11a221 a21a12 ) recibe el nombre de determinante del sistema.
Teorema
a) El sistema es compatible determinado si y slo si el determinante es distinto de
cero
b) El sistema es compatible indeterminado o incompatible, si y slo si el
determinante del sistema es nulo
Sistema de n Ecuaciones con n Incgnitas

Es un sistema de la forma

.....................................................................

.....................................................................

Donde:
a11 a12 a1n

a21 a22 a2 n
A

a
n1 an 2 ann
Recibe el nombre de matriz de los coeficientes de las incgnitas
x1

x
X 2

x
n
Constituye la matriz de las incgnitas.
b1

b
B 2

b
n
Es la matriz de los trminos independientes.
Mtodo de la Matriz Inversa

De esta manera el sistema puede escribirse matricialmente de la siguiente manera
A X B
Supongamos que A es una matriz que admite inversa, entonces podemos multiplicar
ambos miembros de por A1
A1 A X A1 B
( A1 A) X A1 B
I X A1 B
X A1 B
Como dijimos que X representa la matriz de las incgnitas, la expresin anterior
representa la solucin del sistema.
Se puede verificar que dicha expresin es la solucin del sistema. En efecto,
reemplazamos en y resulta:
A. A1.B B
( A. A1 ) B B
I .B B
BB
1
Luego X A B es una solucin del sistema.
Ejemplo: sea al sistema
x 3 y 2z 1

2 x 8 y 3 z 2
x 7 y z 3

Debemos observar si la matriz de los coeficientes admite inversa
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

.....................................................................

.....................................................................

Matricialmente escrito
a11 a12 a1 j a1n x1 b1

a21 a22 a2 j a2 n x2 b2

ai1 ai 2 aij ain x j b j

a a a a x b
n1 n2 nj nn n n
Como el determinante de la matriz de coeficientes es distinto de cero ( | A | 0 ), la
matriz A admite inversa
Multiplicando ambos miembros de por A1 , obtenemos
A1 ( A. X ) A1B X A1B
Si sustituimos A1 por su igual, obtenemos
x1 A11 A21 Ai1 An1 b1

x2 A12 A22 Ai 2 An 2 b2

1
x j | A | A1 j A2 j Aij A jn bi

x A
n 1n A2 n Ain Ann bn
Desarrollando:
A b A21b2 Ai1bi An1bn
x1 11 1
| A|
A1 j b1 A2 j b2 Aij bi Anjbn
xj
| A|
A b A2 nb2 Ainbi Annbn
xn 1n 1
| A|
El numerador de x1 es el desarrollo por los adjuntos de los elementos de la primera
columna de A del siguiente determinante
b1 a12 a1 j a1n

b2 a22 a2 j a2 n

| A1 |
bi ai 2 aij ain

b a anj ann
n n2
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
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.
Ejemplo: resolver aplicando regla de CRAMER

x y z 2

3x 2 y 2 z 4
x 2 y 4 z 2

Matricialmente podemos escribirlo
1 1 1 x 2

3 2 2 y 4
1 2 4 z 2

1 1 1
3 2 2 18 0
1 2 4
El sistema tiene solucin nica, dada por
2 1 1 1 2 1 1 1 2
4 2 2 3 4 2 3 2 4
2 2 4 8 4 1 2 4 13 1 2 2 1
x ; y y z
18 18 9 18 9 18 9
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
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 2 x2 3x3 9 1x1 0 x2 1x3 1

0 x1 1x2 2 x3 4 0 x1 1x2 2 x3 4
0 x 5 x 11x 23 0 x 0 x 1x 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.
a11x1 a12 x2 a1 j x j a1n xn 0

a21x1 a22 x2 a2 j x j a2 n xn 0
.................................................................

ai1 x1 ai 2 x2 aij x j ain xn 0
..................................................................

am1 x1 am 2 x2 amj x j amn xn 0
Un sistema de ecuaciones lineales homogneo siempre admite la solucin:

x1 x2 x j xn 0 que recibe el nombre de solucin trivial.
En consecuencia un sistema homogneo es siempre compatible. Nos interesa saber
cuando admite otra solucin distinta de la trivial.
Sabemos por el teorema de ROUCH-FROBENIUS que si ( A) h n se puede
asignar a las (n h) incgnitas restantes valores arbitrarios, de modo que existen
infinitas soluciones distintas de la trivial. Luego:
La condicin necesaria y suficiente para que un sistema homogneo admita otras
soluciones distintas de la trivial, es que el rango de la matriz de los coeficientes sea
menor que el nmero de incgnitas
Pero como sabemos para que un sistema sea compatible indeterminado es necesario que
el determinante de la matriz de los coeficientes sea nulo. Es decir:
La condicin necesaria y suficiente para que un sistema homogneo admita ms
soluciones que la trivial, es que el determinante de la matriz de sus coeficientes sea
nulo
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.
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
Definicin de Espacio Vectorial

Un espacio vectorial real V es un conjunto de objetos, llamados vectores, junto con dos
operaciones adicin y multiplicacin por un escalar que satisfacen los axiomas que se
enuncian a continuacin:

1. Ley de cierre de la adicin: x V y V x y V
2. Asociatividad respecto de la adicin: si x, y y z son elementos cualesquiera de

V, entonces se verifica que : ( x y) z x ( y z )

3. Existencia de neutro de la adicin: 0 V / x V : x 0 0 x x

4. Existencia de inverso aditivo: x V x V / x ( x ) ( x ) x 0

5. Conmutatividad de la adicin: x; y V : x y y x

6. Cierre de la multiplicacin por un escalar: x V R x V
7. Distributividad del producto respecto de la suma de vectores:

x V y V R ( x y) x y
8. Distributividad de la suma de escalares respecto del producto por un vector:

x V R R ( ) x x x

9. Asociatividad mixta: x V R R (x ) ( ) x

10. Identidad multiplicativa: 1 R / x V : 1x x1 x
70 Espacios Vectoriales
Son ejemplos de Espacio Vectorial:

a) El espacio Rn;

b) El espacio vectorial trivial: { 0 };
c) El conjunto de puntos de R2 que se encuentran sobre una recta que pasa por el
origen;
d) El conjunto de puntos de R3 que se encuentran sobre un plano que pasa por el
origen;
e) El espacio vectorial Pn de los polinomios de grado menor o igual que n;
f) El espacios vectoriales C[0;1] y C[a;b] de las funciones continuas en dichos
intervalos;
g) EL conjunto de matrices de m n ;
h) El espacio Cn de nmeros complejos;
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

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
Teorema: Para la determinacin de un subespacio

Un conjunto no vaco H del espacio vectorial V es un subespacio de V si se cumplen las
dos Leyes de Composicin:

i Si x H y H x y H

ii Si x H x H para todo escalar
Demostracin:
Para mostrar que H es un espacio vectorial, es preciso demostrar que se cumplen los
axiomas del 1 al 10:
Los axiomas 1 y 6 se cumplen por hiptesis.
Como los vectores de H tambin estn en V, se cumple la asociatividad, la
conmutatividad, la de distribucin y de la identidad multiplicativa (axiomas 2, 5, 7, 8, 9
y 10)

Sea x H 0 x H , por hiptesis ii, adems, como se demostr 0 x 0 , entonces
0 H , con lo que el axioma 3 se satisface.

Por ltimo, por hiptesis ii, x H (1) x H , pero por lo que ya de ha demostrado,

(1) x x , con lo que se satisface el axioma 4.
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.
Teorema: de la interseccin de subespacios

Sean H1 y H2 dos subespacios de un espacio vectorial V. Entonces H1 H 2 es un
subespacio de V.
En efecto:

Advirtase que H1 H 2 es no vaco ya que contiene al 0 . Sean

x1 H1 H 2 x2 H1 H 2
Como H1 y H2 son subespacios, entonces

x1 x2 H1 x1 x2 H 2 x1 x2 H1 H 2
Anlogamente: Sean

x1 H1 H 2 R
Como H1 y H2 son subespacios, entonces

x1 H1 x1 H 2 x1 H1 H 2
De y , por verificar las dos leyes de composicin:
H1 H 2 es un subespacio de V
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
Conjunto Generador de un Espacio Vectorial

Se dice que los vectores v1 ; v2 ;; vn en un espacio vectorial V generan V si todo vector
de V se puede expresar como combinacin lineal de ellos. Dicho de otra manera, para

todo v V existen escalares a1 ; a2 ;; an tales que

v a1v1 a2v2 an vn
Ejemplo: conjunto de vectores que generan R2 y R3
1 0
Todo vector v1 ( x1; y1 ) de R2 se puede expresar como combinacin lineal de i j , es
0 1
decir
1 0
v1 x1 y1 x1i y1 j
0 1

Anlogamente, todo vector v1 ( x1; y1; z1 ) de R3 se puede expresar como combinacin lineal de
1 0 0

i 0 j 1 k 0 , es decir
0 0 1

1 0 0

v1 x1 0 y1 1 z1 0 x1i y1 j z1k
0 0 1

Espacio Generado por un Conjunto de Vectores

Sean v1; v2 ;; vk k vectores en un espacio vectorial V. El espacio generado por
v1; v2 ;; vk es el conjunto de combinaciones lineales de v1; v2 ;; vk . Es decir

Espacio{v1; v2 ;; vk } {v / v a1v1 a1v2 ak vk
donde a1 ; a2 ;; ak son escalares.
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
Si los vectores no son linealmente dependientes, se dice que son linealmente

independientes.
En la prctica para determinar si dos o ms vectores son linealmente independientes o
no, basta con formar un sistema de ecuaciones a fin de encontrar los valores de
a1 ; a2 ;; an . Si este sistema (que es homogneo) acepta solamente la solucin trivial, es
decir cada uno de los coeficientes es nulo, decimos que los vectores son linealmente
independientes, en caso contrario son linealmente dependientes.
Ejemplo: Cmo determinar si tres vectores en R3 son linealmente independientes o no?

1 2 0

Sean los vectores 2 ; 2 y 1 , determinar si son Linealmente independientes.
3 0 7

Supngase que
1 2 0 0

a1 2 a2 2 a3 1 0
3 0 7 0

Es decir
a1 2a2 0a3 0

2a1 2a2 a3 0
3a 0a 7a 0
1 2 3
De aqu se desprenden dos formas de resolucin:
i Resolver el determinante de la matriz de los coeficientes;
a) si el determinante es nulo: el sistema tienen infinitas soluciones, luego los vectores son
linealmente dependientes;
b) si el determinante es distinto de cero, el sistema admite una nica solucin, la trivial,
luego los vectores son linealmente independientes.
ii Resolver el sistema de ecuaciones y hallar la/s solucin/es.
Apliquemos el procedimiento i:
1 2 0
2 2 1 14 6 28 20 0
3 0 7
Es decir, que los tres vectores dados son linealmente independientes.
Nota: si se observa el determinante formado, vemos que dicho determinante es el resultado de un
producto mixto de vectores, pero para ello debemos tener en cuenta que | A || A | , es decir
T
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
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.
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.
En particular, todo conjunto de n vectores linealmente independientes de Rn es una base

en Rn.
En Rn se define
1 0 0

0 1 0
e1 ; e2 ;...; en

0 0 1

Luego como ei son columnas de la matriz identidad, cuyo determinante es 1,

{e1; e2 ;...; en } es linealmente independiente y por tanto constituye una base en Rn. A esta
base en particular se le llama Base Estndar o Base Cannica.
Ejemplo:
Base Cannica en M22
Se puede ver que las matrices
1 0 0 0 0 0 0 1

0 0 1 0 0 1 0 0
generan M22.
Cualquiera sean los escalares ci se verifica que
c1 c2 1 0 0 1 0 0 0 0
c1 c2 c3 c4
c3 c4 0 0 0 0 1 0 0 1
Y, adems
c1 c2 0 0
c1 c2 c3 c4 0
c3 c4 0 0
Con lo que las matrices dadas son linealmente independientes y generan M22. Luego constituyen una
base, a sta se le llama Base Cannica.
Base de un subespacio de R3
Sea el plano
{( x; y; z) / 2x y 3z 0}
Determinar una base.
2 x y 3z 0 y 2 x z
Con lo que los vectores de tienen la forma
x x 0 1 0

2 x 3 z 2 x 3 z x 2 z 3
z 0 z 0 1

1 0

Luego los vectores 2 3 forman una base del espacio .
0 1

Teorema: unicidad de escalares

Si {v1; v2 ;; vn } es una base de V y v V , entonces existe un conjunto nico de

escalares c1 ; c2 ;; cn tales que v c1v1 c2v2 ... cn vn
En efecto:

Supngase que v puede expresarse de dos formas distintas como una combinacin
lineal de los vectores base. Es decir, supngase que

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.
Ncleo y Nulidad de una Matriz

Sea una matriz A de m n y sea

N A {x R n / Ax 0}
NA recibe el nombre de ncleo de A y a ( A) dim N A se le llama nulidad de A. Si NA
contiene solamente al vector cero, entonces ( A) 0
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 .
Recorrido de una Matriz

Sea A una matriz de m n . Entonces el recorrido de A, denotado por Recorrido A
est dado por

Recorrido A { y R m / Ax y con x R n }
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
Rango de una Matriz

Sea una matriz A de m n . Entonces el rango de A, denotado por (A) , est dado por
dado por
( A) dim Recorrido A
Espacio de los Renglones y Espacio de las Columnas de una Matriz

Si A es una matriz de m n , sean {r1 ; r2 ;...; rm } los renglones de A y {c1; c2 ;...; cn } las
columnas de A. entonces se definen

RA = espacio de los renglones de A = gen {r1 ; r2 ;...; rm }
y

CA = espacio de las columnas de A = gen {c1; c2 ;...; cn }
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
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
Tomemos como ejemplo

3
( x ) B1
4
Aplicando la frmula anterior
2 1
3 52 2 13
( x ) B2 5 3 5
13 5 v1 5 v2
1
5 5 4 5
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
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
Procedimiento para hallar la matriz de transicin de la base cannica a la base

B2 {v1; v2 ;...; vn }

i Escriba la matriz C cuyas columnas son v1 ; v2 ;...; vn
ii Calcule C 1 . Esta es la matriz de transicin requerida

Apuntes de Algebran2 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

Apuntes de Algebran2 PDF

Cargado por

Copyright:

Formatos disponibles

2012

Sistemas de Ecuaciones .................................................................................................. 60

Ley de Composicin Interna

Una ley de composicin interna definida en un conjunto no vaco A es una funcin de

Propiedades y Elementos Distinguidos

Regularidad de un elemento respecto de una Ley Interna

Como + y . son la suma y el producto ordinarios de nmeros racionales, entonces es LCI en Q. El

2. Conmutativa: se verifica aplicando la conmutatividad de la adicin y el producto de racionales.

Distributividad de una LCI respecto de otra

Clases de Equivalencia y Conjunto Cociente

Relacin de Equivalencia Congruencia Mdulo n

c) Si un nmero divide a un entero, entonces divide a su opuesto.

Vamos a determinar las clases de equivalencia de los enteros. Sea a Z ; entonces

Particin de un Conjunto no Vaco

Compatibilidad de una Relacin de Equivalencia con una Ley Interna

Ejemplo: Investigamos la compatibilidad de la congruencia mdulo n con la adicin en Z

a~a' b~b' a a ' n b b' n

Teorema Fundamental de Compatibilidad

Definicin de Neutro o Identidad

Es decir, se deben cumplir los siguientes axiomas:

Propiedades de los grupos

Condicin suficiente para la existencia de subgrupo

de que se cumplen los cinco axiomas. Y consideremos el conjunto

iii Sean (a; b) H (c; d ) H debemos probar que (a; b) (c;d ) H

Ejemplo: sean los grupos ( R;) y ( R {0};) . La funcin f : R R {0} / f ( x) 2 x es un

Ncleo de un Homomorfismo de Grupos

Ejemplo: sean los grupos( Z ;) y ( Z 5 ;) , y la funcin : Z Z 5 / ( x) x

Imagen de un Homomorfismo de Grupos

La imagen de un morfismo de grupos es la imagen de la funcin que lo define. Es decir

Relacin de Equivalencia Compatible

Teorema Fundamental de Compatibilidad

donde Hi es un subgrupo de G, que contiene a S

Si S G , entonces se dice que S es un generador de G

El elemento a G es de orden infinito si y slo si el subgrupo generado por a es de

ii El grupo ( Z n ;) es cclico, ya que est generado por 1 , y de orden n pues

A4: Todo elemento de A admite inverso aditivo u opuesto

Propiedades de los Anillos

2) En todo anillo, el producto del opuesto de un elemento por otro es igual al

3) En todo anillo el producto de los opuestos de dos elementos es igual al producto

Anillo sin divisores de cero

Lo que dice que en Zn hay divisores de cero, contra la hiptesis

Ejemplo: consideremos los siguientes casos

El subconjunto no vaco S A es un subanillo de ( A;;) si y slo si ( S ;) es

Ejemplo: sea a Z . Entonces el conjunto de todos los mltiplos enteros de a

La terna ( K ;;) es un cuerpo si y slo si es un anillo conmutativo, con unidad, cuyos

Propiedades de los Cuerpos

Relacin de Equivalencia en R2 y Nmeros Complejos

Definicin de Nmero Complejo

Operaciones con Complejos

G3: (0;0) R 2 / (a; b) R 2 : (a; b) (0;0) (0;0) (a; b) (a; b)

G4: z (a; b), z (a;b) /( a; b) (a;b) (a;b) (a; b) (0;0)

G5: (a; b), (c; d ) R 2 : (a; b) (c; d ) (c; d ) (a; b)

Hemos aplicado sucesivamente: definicin de suma de complejos, conmutatividad

G3: El elemento neutro del producto es el complejo (1;0) . En efecto, si z ( x; y) es

G4: Todo complejo no nulo admite inverso multiplicativo

Isomorfismo de los Complejos Reales en los Reales

En consecuencia, f es un isomorfismo de CR en R respecto de la adicin y la

Forma Binmico de un Complejo

Forma Binmica de un Complejo

Ejemplo: determinar los complejos z x yi que satisfacen:

Propiedades del Mdulo

2) El producto de cualquier complejo por su conjugado es igual al cuadrado de su

3) El mdulo del producto de dos complejos es igual al producto de los mdulos de