Álgebra III (2019)

Versión 3
ÁLGEBRA III
PROF. LIC. GARCÍA FERNANDO
CONTENIDOS
Definición de espacio vectorial ..................................................................................................... 1
Combinación lineal y espacio generado ........................................................................................ 3
Dependencia e independencia lineal ............................................................................................ 4
Bases y dimensión ......................................................................................................................... 8
Espacio nulo y nulidad................................................................................................................. 10
Imagen de una matriz ................................................................................................................. 11
Rango de una matriz ................................................................................................................... 11
Espacios de las filas y las columnas de una matriz...................................................................... 12
Cambio de base ........................................................................................................................... 14
Trabajo práctico n°1 .................................................................................................................... 17
Proceso de ortogonalización de gram-schmidt........................................................................... 25
Complento ortogonal .................................................................................................................. 28
Proyección ortogonal .................................................................................................................. 30
Trabajo práctico N°2.................................................................................................................... 33
Definición autovalor y autovector............................................................................................... 35
Polinomio característico.............................................................................................................. 35
Espacio característico de un autovalor ....................................................................................... 36
Diagonalización de matrices ....................................................................................................... 39
Matrices simétricas y diagonalización ortogonal ........................................................................ 42
Matriz ortogonalmente diagonalizable ....................................................................................... 46
Formas cuadráticas y secciones cónicas ..................................................................................... 47
formas cuádricas ......................................................................................................................... 51
Divisibilidad ................................................................................................................................. 60
Máximo común divisor ................................................................................................................ 61
Coprimalidad ............................................................................................................................... 62
Algoritmo de Euclides.................................................................................................................. 62
Ecuaciones diofánticas ................................................................................................................ 63
Números primos y factorización ................................................................................................. 65
Teorema fundamental de la aritmética ...................................................................................... 65
ÁLGEBRA III
Congruencias ............................................................................................................................... 69
Estructura algebraica del conjunto de clases .............................................................................. 72
Ecuaciones lineales de congruencia ............................................................................................ 76
ÁLGEBRA III
ESPACIOS VECTORIALES
DEFINICIÓN DE ESPACIO VECTORIAL
Un espacio vectorial real V es un conjunto de elementos denominados vectores que,
junto con dos operaciones binarias, suma y producto externo (producto por un escalar),
satisfacen los siguientes diez axiomas.
A1] Si x  V  y  V  x + y  V Ley de composición interna

A2]  ( x  y  z )  V : ( x + y ) + z = x + ( y + z ) Ley de asociatividad
A3] 0 V / x V : x + 0 = 0 + x = x Ley de elemento neutro

A4] x  V : ( − x )  V / x + ( − x ) = 0 Ley de elemento opuesto
A5]  ( x  y )  V : x + y = y + x Ley de conmutatividad
A6] x  A    :   x V Ley de composición interna
A7]  ( x  y )  V    :   ( x + y ) =   x +   y Ley distributiva primera
A8] x  V  (   )  : ( +  )  x =   x +   x Ley distributiva segunda
A9] x  V  (   )  : (   )  x =   (   x ) Ley de asociatividad
A10] 1  / x V :1  x = x Ley de elemento neutro
PROPIEDADES
P1]   :   0 = 0
P2] x V : 0  x = 0
P3] Si   x = 0 entonces  = 0  x = 0
P4] x  V : ( −1)  x = − x
SUBESPACIOS VECTORIALES
Sea H un subconjunto no vació de V , si H es en sí un espacio vectorial, es decir,
verifica los diez axiomas de su definición, entonces se dice que H es un subespacio de vectorial
de V .
Se denominan subespacios vectoriales triviales de V al aquellos formados por los

subconjuntos triviales del mismo, es decir el conjunto unitario que contiene al vector nulo, y el
conjunto total V . En el caso de los subconjuntos propios de V , aquellos incluidos de manera
estricta, se los denomina subespacios vectoriales propios.
TEOREMA 1
Un conjunto no vació H de V , es subespacio vectorial si y sólo si se verifican las dos
leyes de composición interna.
DEMOSTRACIÓN (IDA)
La demostración es trivial, pues la hipótesis es que H , un subconjunto no vació de V
es espacio vectorial en sí mismo, es decir, verifica los diez axiomas de su definición, luego
evidentemente debe verificar las dos leyes de composición interna, que es la tesis.
1
ÁLGEBRA III
HIPÓTESIS (VUELTA)
(V , , +, ) es espacio vectorial y además H  V y verifica las dos leyes de composición
interna.
TESIS (VUELTA)
(H, , +, ) es espacio vectorial.
DEMOSTRACIÓN (VUELTA)
H verifica por hipótesis las leyes de composición interna, mientras que las propiedades
de asociatividad (ambas), distributividad (ambas), conmutatividad y ley de elemento neutro del
producto por un escalar, las “hereda” de V , es decir, si se verifican para todos los elementos
de V han de verificarse en caso particular para H por inclusión.
Resta probar que H contiene al neutro aditivo y a todos los elementos opuestos.
Sean entonces x  H  0  , por ser cerrado para el producto por un escalar

entonces 0  x  H , considerando una de las propiedades del conjunto, 0  H .
Puesto que ( −1)  si x  H luego ( −1)  x  H  − x  H .
Por todo lo anterior queda demostrada la tesis.
TEOREMA 2
La intersección de subespacios vectoriales es subespacio vectorial
HIPÓTESIS
Sean H  G subespacios vectoriales de V
TESIS
S = H  G es también subespacio vectorial de V
DEMOSTRACIÓN
Considerando la condición necesaria y suficiente, debo probar que S verifica las dos
leyes de composición interna.
( )
Sean entonces x  y  S , luego evidentemente:
x  H  x G
y  H  y G
Como H es subespacio vectorial verifica que ( x + y)  H , de igual manera
( x + y )  G , por lo tanto ( x + y )  S .
2
ÁLGEBRA III
Sean ahora x  S    K entonces, nuevamente x  H  x  G y por ser H  G

subespacios vectoriales son cerrados para el producto externo, es decir:   x  H    x  G
, se sigue evidentemente que   x  S .
Por lo expuesto S verifica las dos leyes de composición interna, que es la tesis.
COMBINACIÓN LINEAL Y ESPACIO GENERADO

 
Sean v1 , v2 , v3 ,..., vn vectores de un espacio vectorial V . Entonces cualquier vector
de la forma:
1  v1 +  2  v2 +  3  v3 + ... +  n  vn
Donde 1 ,  2 ,  3 ,...,  n son escalares se denomina combinación lineal de
v , v , v ,..., v  .
1 2 3 n
 
Se dice que los vectores v1 , v2 , v3 ,..., vn generan al espacio vectorial V si para todo
vector del mismo existen los escalares 1 ,  2 ,  3 ,...,  n tales que el vector puede expresarse
 
como combinación lineal de v1 , v2 , v3 ,..., vn en ese caso se nota:
V v1 , v2 , v3 ,..., vn
TEOREMA 3
Todo subconjunto de vectores genera un subespacio vectorial.
HIPÓTESIS
 
Sea V un espacio vectorial y v1 , v2 , v3 ,..., vn un conjunto de vectores pertenecientes
al mismo. Sea también el conjunto:

S = x V : x = 1  v1 +  2  v2 + 3  v3 + ... +  n  vn 
TESIS
S es subespacio vectorial de V
DEMOSTRACIÓN
Considerando el teorema de la condición necesaria y suficiente para subespacios
vectoriales, debo probar que S es cerrado para ambas operaciones.
( )
Sean x  y  S , entonces:
3
ÁLGEBRA III
x = 1  v1 +  2  v2 + 3  v3 + ... +  n  vn
y = 1  v1 +  2  v2 + 3  v3 + ... +  n  vn
Luego
x + y = (1 + 1 )  v1 + ( 2 + 2 )  v2 + (3 + 3 )  v3 + ... + ( n +  n )  vn
Como cada suma  i + i es un escalar entonces x + y es combinación lineal de
v , v , v ,..., v  , y pertenece a S .
1 2 3 n
Sean ahora x  S y un escalar  , es decir:
x = 1  v1 +  2  v2 +  3  v3 + ... +  n  vn
Luego
  x = (  1 )  v1 + (   2 )  v2 + (  3 )  v3 + ... + (   n )  vn
Como cada pruducto    i es un escalar entonces   x es combinación lineal de
v , v , v ,..., v  , y pertenece a S .
1 2 3 n
Entonces S verificas ambas leyes de cierre, que es la tesis.
DEPENDENCIA E INDEPENDENCIA LINEAL

 
Sean los vectores v1 , v2 , v3 ,..., vn de un espacio vectorial V , se dirá que forman un
conjunto linealmente dependiente (o equivalentemente que son vectores linealmente
dependientes) si existen los escalares 1 ,  2 ,  3 ,...,  n , no todos nulos tales que
1  v1 +  2  v2 +  3  v3 + ... +  n  vn = 0
Caso contrario, es decir, que la única solución al sistema anterior es la trivial, se dirá que
el conjunto es linealmente independiente (o equivalentemente que son vectores linealmente
independientes).
TEOREMA 4
Dos vectores son linealmente dependientes si y sólo si, uno de ellos es múltiplo escalar
del otro.
HIPÓTESIS (IDA)
Sean los vectores x  y pertenecientes a un espacio vectorial, tales que conforman
un conjunto linealmente dependiente.
4
ÁLGEBRA III
TESIS (IDA)
x =  y
DEMOSTRACIÓN (IDA)
Como los vectores son linealmente dependientes, la ecuación
1  x +  2  y = 0
Admite una solución no trivial, sea 1  0 , entonces dividiendo la ecuación por ese
valor
2
x+ y=0
1

x=− 2 y
1
2
Como − es un escalar, entonces es el  de la tesis.
1
HIPOTESIS (VUELTA)
Sean los vectores x  y pertenecientes a un espacio vectorial, tales que x =   y
TESIS (VUELTA)
El conjunto de x  y es linealmente dependiente
Siendo x =   y entonces
x −  y = 0
Donde necesariamente   0 , esto demuestra que el sistema admite una solución no

trivial, y por lo tanto es linealmente dependiente.
TEOREMA 5
siempre es linealmente dependiente si m  n .
n
Un conjunto de m vectores en
HIPÓTSIS
Sea el espacio vectorial
n
 
y el conjunto v1 , v2 , v3 ,..., vm donde m  n .
TESIS
v , v , v ,..., v  es linealmente dependiente.
1 2 3 m
DEMOSTRACIÓN
Analizo el sistema homogéneo
5
ÁLGEBRA III
1  v1 +  2  v2 +  3  v3 + ... +  m  vm = 0
n
Siendo los vectores vi del espacio entonces
 a11   a12   a13   a1m 

       
 a21   a22   a23   a2 m 
v1 = v = v =  ...  vm =
  2   3    
       
 an1   an 2   an3   anm 
Reescribiendo el sistema en forma matricial
 a11 a12 a13 a1m   1   0 

   
 a21 a22 a23 a2 m    2   0 
 =
     
     
 an1 an 2 an 3 anm    m   0 
Luego la matriz de coeficientes no es cuadrada, pues por hipótesis m  n , es decir que

el sistema plantea más incógnitas que ecuaciones, y por lo tanto no puede ser compatible
determinado, pero al ser homogéneo, no puede ser incompatible; luego es compatible
indeterminado y admite más de una solución. Esto implica que es linealmente dependiente, que
es la tesis.
TEOREMA 6
Para la matriz
 a11 a12 a1n 

 
a a22 a2 n 
A =  21
 
 
 am1 am 2 amn 
Las columnas consideradas como vectores son linealmente dependientes si y sólo si el

 x1 
 
x2
sistema homogéneo A  x = 0 tiene soluciones no triviales, siendo x =  
 
 
 xn 
El teorema 6 es consecuencia directa del teorema 5 , por lo tanto, su demostración en
trivial.
6
ÁLGEBRA III
TEOREMA 7
Sean v1 , v2 ,..., vn  en n
y sea A  nn
con v1 , v2 ,..., vn  como columnas,
entonces el conjunto de vectores es linealmente independiente si y sólo si el sistema A  x = 0
tiene como única solución a la trivial.
El teorema 7 es caso particular de matriz de n  n del teorema 6 , por lo tanto, su

demostración en trivial.
TEOREMA 8
nn
Sea A  , entonces A  0 si y sólo si las columnas de la matriz son linealmente
independientes.
El teorema 8 es una aplicación directa del Teorema de Rouché-Fröbenius al planteo del

teorema 7 , por lo tanto, su demostración en trivial.
TEOREMA 9
n n
Un conjunto de n vectores linealmente independientes de genera .
HIPÓTESIS
Sea el conjunto v1 , v2 ,..., vn  linealmente independiente en n
.
TESIS
n
v1 , v2 ,..., v n
DEMOSTRACIÓN
Sean
 a11   a12   a1n   x1 

       
a a a x
v1 =    v2 =    ...  vn =   y x =  2 
21 22 2 n
       
       
 an1   an 2   ann   xn 
Quiero probar que existen los escalares 1 ,  2 ,...,  n tales que
 a11   a12   a1n   x1 

       
 a21   a22  a x
1  + 2  + ... +  n   2 n  =  2 
       
       
 an1   an 2   ann   xn 
Matricialmente
7
ÁLGEBRA III
 a11 a12 a1n   1   x1 

     
 a21 a22 a2 n    2   x2 
 =
     
     
 an1 an 2 ann    n   xn 
Como la matriz de coeficientes tiene columnas linealmente dependientes entonces su

determinante es no nulo, esto es suficiente para decir que el sistema admite solución y
demostrar la tesis.
BASES Y DIMENSIÓN
 
Un conjunto de vectores v1 , v2 , v3 ,..., vn es una base de un espacio vectorial V si es
generador del mismo y además es un conjunto linealmente independiente.
DIMENSIÓN DE UN ESPACIO VECTORIAL

Si un espacio vectorial tiene una base finita de elementos, entonces la base del mismo
es el número de vectores que conforman todas sus bases.
TEOREMA 10
 
Si v1 , v2 , v3 ,..., vn es una base de V y si x  V entonces existe un único conjunto de
escalares 1 ,  2 ,  3 ,...,  n  tales que x = 1  v1 +  2  v2 +  3  v3 + ... +  n  vn
HIPÓTESIS
Sea V v1 , v2 , v3 ,..., vn y x = 1  v1 +  2  v2 +  3  v3 + ... +  n  vn
TESIS
Los escalares 1 ,  2 ,  3 ,...,  n  es la única combinación de escalares que escribe a x
en la base dada.
DEMOSTRACIÓN
Sean 1 ,  2 ,  3 ,...,  n  y 1 ,  2 , 3 ,...,  n  tales que:
x = 1  v1 +  2  v2 + 3  v3 + ... +  n  vn
x = 1  v1 + 2  v2 + 3  v3 + ... +  n  vn
Luego restando ambas ecuaciones
0 = (1 − 1 )  v1 + ( 2 − 2 )  v2 + (3 − 3 )  v3 + ... + ( n −  n )  vn

Siendo que v1 , v2 , v3 ,..., vn  es base de V entonces el conjunto es linealmente
dependiente, por lo que los escalares de la ecuación anterior deben necesariamente ser nulos,
es decir:
8
ÁLGEBRA III
1 − 1 = 0
 2 − 2 = 0
 n − n = 0
De esto se concluye que  i − i = 0 para todo i , que implica la tesis.
TEOREMA 11

Si u1 , u2 , u3 ,..., um  y v , v , v ,..., v  son bases del mismo espacio vectorial V ,
1 2 3 n
entonces m = n .
HIPÓTESIS
u , u , u ,..., u  y v , v , v ,..., v  son bases de V
1 2 3 m 1 2 3 n
TESIS
m=n
DEMOSTRACIÓN
Es trivial considerando el teorema que implica que en un espacio de dimensión n , m
vectores son linealmente dependientes si m  n .
Por ello la dimensión de V debe necesariamente ser el menor entre m  n , si fuese n


entonces m vectores serían linealmente dependientes, que contradice que u1 , u2 , u3 ,..., um 
sea base, luego m no es mayor que n .
De igual manera n no puede ser mayor que m . Esto implica la tesis.
TEOREMA 12
Sobre un espacio vectorial V de dimensión n , un conjunto linealmente

independiente u1 , u2 , u3 ,..., um  verifica m  n
DEMOSTRACIÓN
Es un corolario del teorema previo, por el mismo un conjunto linealmente
independiente no puede tener cardinal mayor a la dimensión del espacio.
9
ÁLGEBRA III
TEOREMA 13
Un conjunto linealmente independiente de n vectores, en un espacio vectorial de
dimensión n , es generador del mismo.
HIPÓTESIS
Sea un espacio vectorial V de dimensión n y el conjunto v , v , v ,..., v 
1 2 3 n
linealmente idependiente.
TESIS
V v1 , v2 , v3 ,..., vn
DEMOSTRACIÓN
La independencia lineal se da por hipótesis, por tanto, debo probar que el conjunto es
generador, es decir, que dado un vector genérico éste es combinación lineal de
v , v , v ,..., v  .
1 2 3 n
 
Sea x  V , luego el conjunto v1 , v2 , v3 ,..., vn , x es necesariamente dependiente, es
decir, que el sistema
0 = 1  v1 +  2  v2 +  3  v3 + ... +  n  vn +  x  x
Ha de admitir una solución no trivial, luego puedo expresar
1  v1 +  2  v2 +  3  v3 + ... +  n  vn = − x  x
Siendo  x  0
1   
−  v1 − 2  v2 − 3  v3 + ... − n  vn = x
x x x x
i
Siendo cada un escalar. Esto prueba la tesis.
x
ESPACIO NULO Y NULIDAD

Se denomina de este modo al conjunto de vectores que verifican
N A =  x  V / A  x = 0
Mientras que se denomina nulidad a la dimensión de N A notada  ( A )
TEOREMA 14
Sea A una matriz de n  n , entonces A es invertible si y sólo si  ( A ) = 0
10
ÁLGEBRA III
HIPÓTESIS (IDA)
Sea A una matriz de n  n invertible.
TESIS (IDA)
 ( A) = 0
DEMOSTRACIÓN (IDA)
Siendo A invertible, esto implica que sus columnas son vectores linealmente
dependientes, y por tanto, el sistema A  x = 0 admite solo la solución trivial, luego su espacio
nulo esta formado únicamente por el vector nulo, que implica la tesis.
HIPOTESIS (VUELTA)
Sea A una matriz de n  n tal que  ( A ) = 0
TESIS (VUELTA)
A es invertible.
Como el espacio nulo verifica  ( A ) = 0 entonces el único vector que lo compone es el
nulo, por lo tanto la ecuación A  x = 0 solo admite como solución al vector nulo,
consecuentemente la matriz A tiene sus columnas linealmente independientes y un
determinante no nulo, que implica la tesis.
IMAGEN DE UNA MATRIZ

Sea A una matriz de m  n . Entonces se denomina imagen de A , notada Im ( A ) , a:
Im ( A ) =  y  m
: A  x = y con x  m

TEOREMA 15
Sea A una matriz de m  n , entonces Im ( A ) es subespacio vectorial de
m
DEMOSTRACIÓN
Es sencilla y se deja a cargo del alumno.
RANGO DE UNA MATRIZ

Sea A una matriz de m  n . Entonces se denomina Rango de A , y se nota  ( A ) y
se define:
 ( A ) = Dim  Im ( A ) 
11
ÁLGEBRA III
ESPACIOS DE LAS FILAS Y LAS COLUMNAS DE UNA MATRIZ

Si A es una matriz de m  n , sean r1 , r2 ,..., rm  las filas y c1 , c2 ,..., cn  las columnas
de A , entonces se definen:
RA = r1 , r2 ,..., rm espacio de las filas
C A = c1 , c2 ,..., c n espacio de las columnas
TEOREMA 16
Para cualquier matriz A se verifica que C A = Im ( A )
HIPÓTESIS
Sea A una matriz de m  n
TESIS
C A = Im ( A)
DEMOSTRACIÓN
Se prueba la igualdad por doble inclusión.
Sea y  Im ( A ) , es decir, existe x tal que A  x = y , pero es evidente que A  x es

una expresión en términos de las columnas de A , entonces claramente y  C A .
Sea ahora y  C A , es decir, que y puede expresarse como combinación lineal de las
columnas de A , en términos matriciales resultaría una expresión A  x con x formada por lo
coeficientes de dicha combinación lineal. Así resulta A  x = y por lo que y  Im ( A ) .
Por ambos puntos se demuestra la tesis.
TEOREMA 17
Si A es una matriz de m  n entonces:
Dim ( RA ) = Dim ( C A ) = Dim  Im ( A )  =  ( A )
DEMOSTRACIÓN
Siendo A de m  n
 a11 a12 a1n 

 
a a22 a2 n 
A =  21
 
 
 am1 am 2 ann 
12
ÁLGEBRA III
Donde aij la componente ij de A y siendo r1 , r2 ,..., rm las filas de la matriz con
dimensión Dim ( RA ) = k , sea S = s1 , s2 ,..., sk  una base de RA , luego cada fila ri puede
expresarse como combinación lineal de S , entonces:
r1 = b11  s1 + b12  s2 + ... + b1k  sk

r2 = b21  s1 + b22  s2 + ... + b2 k  sk
rm = bm1  s1 + bm 2  s2 + ... + bmk  sk
Considerando que la componente j de ri es aij , entonces si consideramos de cada

vector únicamente la componente j resulta:
a1 j = b11  s1 j + b12  s2 j + ... + b1k  skj

a2 j = b21  s1 j + b22  s2 j + ... + b2 k  skj
amj = bm1  s1 j + bm 2  s2 j + ... + bmk  skj
Es decir
 a1 j   b11   b12   b1k 

       
 a2 j  = s b
  21  + s2 j   b22 
+ ... + skj   b2 k 
  1j      
       
 amj   bm1   bm 2   bmk 
 b1i 
 
b2i 
Donde cada vector  es la columna i de la matriz A , entonces cada calumna se
 
 
 bmi 
puede expresar como combinación lineal de S , por lo tanto S genera Dim ( C A ) , luego
Dim ( C A )  k = Dim ( RA ) que vale para toda matriz, luego vale para At de donde
Dim ( RA )  t = Dim ( C A ) , mejor Dim ( C A ) = Dim ( RA ) que prueba la tesis.
TEOREMAS VARIOS
TEOREMA 18
Si A es equivalente por filas a B entonces RA = RB ,  ( A ) =  ( B ) y  ( A) =  ( B ) .
TEOREMA 19
El rango de una matriz es igual al número de pivotes en su forma escalonada por
renglones.
13
ÁLGEBRA III
TEOREMA 20
En toda matriz A de m  n se verifica que  ( A ) +  ( A ) = n .
TEOREMA 21
A de m  n es invertible si y sólo si  ( A) = n
TEOREMA 22
El sistema A  x = b admite solución si y sólo si b  C A , es decir, si la matriz aumentada
( Ab ) tiene el mismo rango que A.
CAMBIO DE BASE
  
Sean B1 = v1 , v2 , v3 ,..., vn  B2 = u1 , u2 , u3 ,..., un  dos bases de un mismo espacio
vectorial y sea x un vector perteneciente al mismo.
Luego x puede escribirse como combinación lineal de los vectores de la base, es decir,
en términos de B1 :
x = b1  v1 + b2  v2 + b3  v3 + ... + bn  vn
Y en términos de B2 :
x = c1  v1 + c2  v2 + c3  v3 + ... + cn  vn
Donde los escalares b1 , b2 , b3 ,..., bn  c1 , c2 , c3 ,..., cn serán las coordenadas del vector
x en cada base, esto se nota
x B1 = ( b1 , b2 , b3 ,..., bn )
x B 2 = ( c1 , c2 , c3 ,..., cn )
Se denomina matriz de cambio de base de B1 a B2 a aquella que verifica:
M BB21  xB1 = xB 2
Y puede definirse como
 a11 a12 a13 a1n 

 
 a21 a22 a23 a2 n 
M BB21 =  a31 a32 a33 a3n 
 
 
a ann 
 n1 an 2 an 3
Donde:
14
ÁLGEBRA III
 a11   a12   a13   a1n 

       
 a21   a22   a23   a2 n 
u1B 2 =  a31   u2 B 2 =  a32   u3 B 2 =  a33   ...  un B 2 =  a3n 
       
       
a  a  a  a 
 n1   n2   n3   nn 
TEOREMA 23
Siendo A = M BB21 entonces A−1 = M BB12
HIPÓTESIS
Sea A = M BB21
TESIS
A−1 = M BB12
DEMOSTRACIÓN
Siendo xB1 entonces xB 2 = M BB21  xB1 , como la matriz A = M BB21 está compuesta por
vectores columna linealmente independientes es invertible, luego componiendo miembro a
miembro
(M )B1 −1
 xB 2 = ( M BB21 )  M BB21  xB1
−1
B2
(M )B1 −1
B2  xB 2 = I  xB1
(M )B1 −1
B2  xB 2 = xB1
Donde por definición de matriz de cambio de base
(M )B1 −1
B2 = M BB12
Que es la tesis.
TEOREMA 24
Siendo A = M BB21  B = M BB32 entonces B  A = M BB32  M BB21 = M BB31
HIPÓTESIS
Siendo A = M BB21  B = M BB32
TESIS
B  A = M BB32  M BB21 = M BB31
DEMOSTRACIÓN
Por definición de matriz de cambio de base se cumple
15
ÁLGEBRA III
xB 2 = M BB21  xB1
xB 3 = M BB32  xB 2
Sustituyendo
xB 3 = M BB32  ( M BB21  xB1 )

xB 3 = ( M BB32  M BB21 )  xB1
Mejor
M BB32  M BB21 = M BB31
Que es la tesis.
MATRIZ DE CAMBIO DE BASE IMPLICANDO LA BASE CANÓNICA

El teorema previo permite simplificar el proceso de cambio de base, siendo una base
  
B1 = v1 , v2 , v3 ,..., vn y considerando la base canónica E = e1 , e2 , e3 ,..., en , considerando la 
definición tenemos que la matriz de cambio de base a la base canónica es
M EB1 = ( v1 v2 v3 vn )
Luego
M BE1 = ( M EB1 ) = ( v1 v2
−1
vn )
−1
v3

Si introducimos ahora una segunda base B2 = u1 , u2 , u3 ,..., un es claro que 
M EB 2 = ( u1 u2 u3 un )
Ahora podemos afirmar que la matriz que conecta las bases es
M BB12 = M BE1  M EB 2
M BB12 = ( v1 v2 vn )  ( u1 u2 un )
−1
v3 u3
Formula que relaciona directamente a los vectores de las bases dadas.
En el caso de buscar la matriz M BB21 puede, o bien invertirse la obtenida, o bien realizar
el procedimiento nuevamente partiendo de la base B2 .
16
ÁLGEBRA III
TRABAJO PRÁCTICO N°1

E1] Determinar si los siguientes conjuntos son espacios vectoriales
E1.1] El conjunto de las matrices diagonales de n  n con la suma matricial usual y el
producto por un escalar usual.
E1.2] El conjunto de las matrices diagonales de n  n con la multiplicación matricial.
E1.3] ( x, y )  2
/ y  0 con la suma vectorial y el producto por un escalar usuales.
2
E1.4] Los vectores del plano del primer cuadrante.
E1.5] Los vectores del espacio 3
de la forma ( x, x, x ) .
E1.6] El conjunto de las matrices simétricas de n  n bajo la suma y la multiplicación por
un escalar usuales.
0 a
E1.7] El conjunto de matrices de 2  2 de la forma   bajo la suma y la
b 0
multiplicación por un escalar usuales.
1 b
E1.8] El conjunto de matrices de 2  2 de la forma   bajo la suma y la
a 1
multiplicación por un escalar usuales.
E1.9] El conjunto de polinomios de grado menor o igual a n con término constante nulo.
E1.10] El conjunto de polinomios de grado menor o igual a n con término constante
positivo.
E1.11] El conjunto de polinomios de grado menor o igual a n con término constante
negativo.
3
E1.12] El conjunto de puntos de que pertenecen a una recta que pasa por el origen.
que pertenecen a la recta x = t + 1 , y = 2  t y
3
E1.13] El conjunto de puntos de
z = t −1
E1.14]
2
bajo ( x1 , y1 ) + ( x2 , y2 ) = ( x1 + x2 + 1, y1 + y2 + 1) y el producto por un
escalar usual.
E1.15] El conjunto de números reales de la forma a + b  2 donde ( a  b )  , bajo la
suma para reales actual y el producto por un escalar solo definido para racionales.
E2] Demuestre que en un espacio vectorial el neutro aditivo es único.
E3] Demuestre que para cada vector el elemento inverso es único.
E4] Sean x  y vectores de un espacio vectorial tales que x + y = z . Demuestre que z es
único.

E5] Demuestre que es espacio vectorial bajo las operaciones x + y = x  y    x = x .
E6] Determine cuales de los siguientes conjuntos H son subespacios vectoriales de V .
E6.1] V= 2
y H = ( x, y ) / y  0
V= y H = ( x, y ) / x = y
2
E6.2]
V= y H = ( x, y ) / y = 2
2
E6.3]
V= y H = el plano xy
3
E6.4]
17
ÁLGEBRA III
E6.5] V= 2
y H = ( x, y ) / x 2
+ y 2  1
V= y H = ( x, y ) / x + y 3  1
2 2
E6.6]
E6.7] V = M nm y H = D  M mn / D es diagonal
E6.8] V = M nm y H = T  M mn / T es triangular superior
E6.9] V = M nm y H = T  M mn / T es triangular inferior
E6.10] V = M nm y H = S  M mn / S es simétrica
  a b 
E6.11] V = M 22 y H =  D  M mn / D =  
  −b c  
E7] Determine si el conjunto dado determina el espacio vectorial
E7.1] En
2
el conjunto(1, 2) , ( 3, 4)
el conjunto (1,1) , ( 2,1) , ( 2, 2 )
2
E7.2] En
el conjunto ( 0,1) , ( 3, 4 ) , ( −1, −2 )

2
E7.3] En
el conjunto (1,1) , ( 2, 2 ) , ( 5,5 )
2
E7.4] En
el conjunto (1, 2,3) , ( −1, 2,3) , ( 5, 2,3 )
3
E7.5] En
el conjunto ( 0,5,1) , ( 0, −1,3) , ( −1, −1,5 )

3
E7.6] En
el conjunto (1,1,1) , ( 0,1,1) , ( 0, 0,1)
3
E7.7] En
el conjunto ( 2,1, 0 ) , ( 3,1, 2 ) , (1,1,1) , ( 7,3,5 )
3
E7.8] En
E7.9] 
En P2 el conjunto 1 − x,3 − x  2
el conjunto 1 − x,3 − x , x
2
E7.10] En P2
el conjunto  x + 1, x − 1, x + 6
2 2
E7.11] En P2
 2 1   0 0   3 −1  0 0  
E7.12] En M 22 el conjunto  , , , 
 0 0   2 1   0 0   3 1 
1 0   1 2   4 −1  −2 5  
E7.13] En M 22 el conjunto  , , , 
1 0   0 0   3 0   6 0  
E8] Determinar la dependencia o independencia lineal de los conjuntos
E8.1] (1, 2 ) , ( −1, −3)
E8.2] ( −1, 4 ) , ( 5, 20 )
E8.3] ( 2, −1, 2 ) , ( 4, −2, 7 )
E8.4] ( 2, −1, 4 ) , ( 4, −2,8)
E8.5] ( −3, 2 ) , (1,10 ) , ( 4, −5)
E8.6] (1, 0,1) , ( 0,1,1) , (1,1, 0 )
E8.7] (1,0,1) , ( 0,1,0 ) , ( 0,0,1)
18
ÁLGEBRA III
E8.8] ( −3, 4, 2 ) , ( 7, −1,3) , (1, 2,8)

E8.9] (1, −2,1,1) , ( 3,0, 2, −2) , ( 0, 4, −1, −1) , ( 5,0,3, −1)
E8.10] (1, −2,1,1) , ( 3, 0, 2, −2 ) , ( 0, 4, −1,1) , (5, 0,3, −1)
E8.11] (1, −1, 2 ) , ( 4, 0, 0 ) , ( −2,3,5) , ( 7,1, 2 )
E8.12] En P2 1 − x, x

E8.13] En P2 − x, x − 2 x,3x + 5 x
2
 2
E8.14] En P2 1 − x,1 + x, x  2
E8.15] En P2 x, x − x, x − x
2 3
E8.16] En P3 2  x, x − 3,1 + x − 4 x , x
3 3 3
+ 18 x − 9
 2 −1  0 −3   4 1  
E8.17] En M 22  , , 
 4 0   1 5   7 −5  
E9] Escribir la solución a los sistemas en términos de uno o más vectores linealmente
independientes.
E9.1] x1 + x2 + x3 = 0
E9.2] x1 − x2 + 7 x3 − x4 = 0  2 x1 + 3x2 − 8 x3 + x4 = 0
E9.3] x1 + x2 + x3 = 0  x1 − x2 − x3 = 0
E9.4] x1 + x2 + x3 − x4 − x5 = 0  −2 x1 + 3x2 − x3 + 4 x4 − 6 x5 = 0
E9.5] x1 + x3 + x5 = 0  x2 − x4 = 0
E10] Sea u = (1, 2,3)
E10.1] Demuestre que H = v   3


: u  v = 0 es un subespacio vectorial de 3
.
E10.2] Determine dos vectores ( x  y )  H que sean linealmente independientes.

E10.3] Sea entonces w = x  y
E10.4] Demuestre que u  w son linealmente independientes.
E10.5] Realizar una interpretación geométrica de los resultados.
E11] Demuestre que cualquier subconjunto de un conjunto linealmente independiente es
linealmente independiente.
E12] Hallar los valores de c para sean linealmente independientes los vectores
(1 − c,1 + c )  (1 + c,1 − c )
( )(
E13] Demostrar que si a, b, c son reales distintos, entonces 1, a, a 2 , 1, b, b 2 , 1, c, c 2 son )( )
linealmente independientes en 3 .
E14] Determine si los conjuntos dados son base de los espacios vectoriales

E14.1] En P2 1 − x 2 , x 
E14.2] En P2 −3x,1 + x , x − 5 2 2
E14.3] En P2 −2 x, x + 3x , x + 2 2
E14.4] En P2 x − 1, x − 2, x − 3
2 2 2
19
ÁLGEBRA III

E14.5] En P3 1,1 + x,1 + x 2 ,1 + x 3
E14.6] En P3 1 + x, 2 + x ,3 + x ,1
2 3
E14.7] En P3 3, x − 4 x + 6, x 
3 2
 3 1   3 2   −5 1   0 1  
E14.8] En M 22  , , , 
 0 0   0 0   0 6   0 −7  
 −1 0   2 1   −6 1   7 −2   0 1  
E14.9] En M 22  , , , , 
 3 1   1 4   5 8   1 0   0 0  
E14.10]En H = ( x, y )  2 / x − y = 0 los vectores (1,1) , ( 4, 4 )
E14.11]En H = ( x, y )  2
/ x − y = 0 el vector (1, −1)
E14.12]En H = ( x, y )  2
/ x − y = 0 los vectores (1, −1) , ( −3,3)
E14.13]Hallar una base en 3
para el conjunto de vectores del plano 2 x − y − z = 0
para el conjunto de vectores del plano 3x − 2 y + z = 0
x y z
para el conjunto de vectores de la recta = − =0
2 3 4
para el conjunto de vectores de la recta x = 3  t , y = −2  t
y z = 4t
2
E15] Demuestre que los únicos subespacios propios en son las rectas que pasan por el
origen de coordenadas.
E16] En 5
hallar una base para el hiperplano H = x   5
: 2 x1 − x2 + x3 + 4 x4 − x5 = 0
E17] Hallar una base para cada uno de los sistemas
x− y =0 x − 3y + z = 0
E17.1]
−2 x + 2 y = 0 E17.5] −2 x + 2 y − 3 z = 0
x − 2y = 0 4 x − 8 y + 5z = 0
E17.2]
3x + y = 0 2x + 3y − 4z = 0
2x + y = 0 E17.6] x− y+z =0
E17.3]
x − 3y = 0 2 x + 8 y − 10 z = 0
x− y−z =0 2x − 6 y + 4z = 0
E17.4]
2x − y + z = 0 E17.7] − x + 3 y − 2 z = 0
−3x + 9 y − 6 z = 0
E18] Determinar el rango y la nulidad de cada matriz
1 2  −1 3 2 
E18.1]   E18.4]  
3 4  2 6 −4 
 1 −1 2   1 −1 2 
E18.2]    
3 1 0 E18.5]  3 1 4 
 1 −2 1   −1 0 4 
E18.3]   

 2 −1 3 
20
ÁLGEBRA III
 1 −2 3   1 −1 2 3
   
E18.6]  2 4 5  0 1 0 1
E18.13] 
1 6 2 1 0 1 0
 
 
 1 −1 2  0 0 0 1
   −1 1 0 0
E18.7]  3 1 4 
 5 −1 8   
0 −1 0 0
  E18.14] 
 0 0 −2 1
 −1 2 1  
  0 0 1 1
E18.8]  2 −4 −2 
 −3 6 3   1 −1 2 1
  
−1 0 1 2
1 −1 2 3  E18.15] 
   1 −2 5 4
E18.9]  0 1 4 3  
1 0 6 6   2 −1 1 −1

 1 −1 2 3
1 −1 2 3   
  −2 2 −4 −6 
E18.10]  0 1 4 3 E18.16] 
 2 −2 4 6
1 0 6 5   

 3 −3 6 9
0 4 2 0  −1 −1 0 0
   
E18.11]  0 0 1 6 0 0 2 3
1 0 −1 2  E18.17] 
 4 0 −2 1 
 
 2 3  3 −1 0 4
 
E18.12]  −1 1 
 4 7
 
E19] Determinar imagen y espacio nulo de las matrices dadas:
E19.1] Matriz de E18.2]
E20] Expresar los polinomios a0 + a1  x + a2  x 2 en P2 , según la base dada

E20.1] 1, x − 1, x 2 − 1 
E20.2] 1, x + 1, ( x + 1)( x + 2 )
E20.3]  x + 1, x − 1, x − 1
2
 2 −1 
E21] En M 22 escribir la matriz   en términos de la base formada por las matrices:
4 6 
 1 1   2 0   0 1   0 −2  
 , , , 
 −1 0   3 1   −1 0   0 4  
21
ÁLGEBRA III
E22] En P3 escribir el polinomio 2 x3 − 3x 2 + 5x − 6 en términos de la base polinomial
1,1 + x, x + x , x
2 2
+ x3 
E23] En P3 escribir el polinomio 4 x 2 − x + 5 en términos de la base polinomial
1,1 − x, (1 − x) , (1 − x) 
2 3
E24] Suponiendo que xB1 = ( 2, −1) donde B1 = (1,1) , ( 2,3) y siendo B = ( 0,3) , ( 5, −1)
2
escribir xB 2
E25] Suponiendo que xB1 = ( 2, −1, 4 ) donde B1 = (1, −1.0 ) , ( 0,1, −1) , (1, 0,1) y siendo
B2 = ( 3, 0, 0 ) , (1, 2, −1) , ( 0,1,5 ) escribir xB 2
E26] En P2 xB1 = ( 2,1,3) donde B1 = 1 − x,3 x, x 2 − x − 1 escribir xB 2 siendo
B2 = 3 − 2 x,1 + x, x + x 2 
22
ÁLGEBRA III
ESPACIOS VECTORIALES EUCLIDEOS

DEFINICIÓN DE ESPACIO VECTORIAL EUCLIDEO
Un espacio vectorial real V se denomina euclideo si se ha definido en el mismo una
operación interna (producto escalar o producto interior) tal que:
:V → K
( )
Que satisface los siguientes axiomas,  x  y  z  V  k  K
A1] x  y = y  x
( ) ( )
A2] k  x  y = k  x  y
A3] x  ( y + z ) = x  y + x  z
A4] x  x  0  x  x = 0  x = 0
NORMA VECTORIAL
En un espacio vectorial euclideo puede definirse una norma
2
Sea x  n
 x = x x
El axioma A4] garantiza la definición alternativa x = x x
PROPIEDADES
P1] k  x = k  x
P2] x  y  x  y (Desigualdad de Cauchy-Schwarz)
VECTOR NORMAL
Un vector cuya norma es unitaria se denomina vector normal.
x
Si un vector x no es normal, y no es el vector nulo, entonces es normal. A este
x
proceso se lo denomina normalización de un vector.
ÁNGULO ENTRE VECTORES

Se denomina de este modo a la solución de la ecuación:
x y
cos  =
x  y
23
ÁLGEBRA III
x y
La desigualdad de Cauchy-Schwarz permite garantizar que 1
x  y
TEOREMA 25
Dos vectores son ortogonales si y sólo si su producto escalar es nulo.
HIPÓTESIS (IDA)
x ⊥ y con x  0  y  0
TESIS (IDA)
x y = 0
DEMOSTRACIÓN (IDA)
 3
Siendo  el ángulo entre x  y y como x ⊥ y entonces  =  =  .
2 2
Considerando que x  y  cos  = x  y y siendo ambos vectores distintos del vector
  3 
nulo, resulta que x  y  cos   = x  y  x  y  cos    = x  y , evidentemente
2 2 
x  y = 0 , que es la tesis.
HIPÓTESIS (VUELTA)
x  y = 0 con x  0  y  0
TESIS (VUELTA)
x⊥y
DEMOSTRACIÓN (IDA)
Siendo nuevamaente  el ángulo entre x  y , entonces x  y  cos  = 0 , como los
vectores no son el vector nulo sus normas son distintas de cero, esto obliga a ser cos  = 0 , de
 3
donde  =   =  , que implica la tesis.
2 2
∎
CONJUNTOS ORTOGONAL, NORMAL Y ORTONORMAL

Sea v , v , v ,..., v  un conjunto tal que v
1 2 3 n i ⊥ v j para todo i  j , entonces el
conjunto se denomina ortogonal.
Si para todo i se cumple que vi = 1 entonces el conjunto se denomina normal.
Por último, si un conjunto es normal y ortogonal recibe el nombre de ortonormal.
24
ÁLGEBRA III
En los casos particulares en los que los conjuntos dados sean bases es espacios, o
subespacios, vectoriales recibirán los nombres de base normal, base ortogonal y base
ortonormal respectivamente.
TEOREMA 26
Un conjunto ortogonal de vectores diferentes del vector nulo es linealmente
independiente.
HIPÓTESIS

Sea v1 , v2 , v3 ,..., vn  un conjunto ortogonal que no contiene al vector nulo, esto
implica vi  v j = 0 para todo i  j
TESIS
v , v , v ,..., v  es linealmente independiente
1 2 3 n
DEMOSTRACIÓN
Considero la combinación lineal
1  v1 +  2  v2 +  3  v3 + ... +  n  vn = 0
Quiero probar que todos los  i son cero.
Multiplicando miembro a miembro la combinación lineal por v1
( )
v1  1  v1 +  2  v2 +  3  v3 + ... +  n  vn = v1  0
Como vi  v j = 0 si i  j
1  v1  v1 +  2  v2  v1 +  3  v3  v1 + ... +  n  vn  v1 = 0
entonces
2
1  v1 =0
Siendo que v1  0 pues el conjunto no contiene al vector nulo, que es el único vector
de norma cero, esto obliga a ser:
1 = 0
Multiplicando ahora miembro a miembro por v2 y procediendo de forma homologa se

concluye que  2 = 0 . Por último, iterando el mismo procedimiento se alcanza a que todos los
 i son ceros, que implica la tesis.
PROCESO DE ORTOGONALIZACIÓN DE GRAM-SCHMIDT

Este procedimiento permite obtener una base ortogonal a partir de una base cualquiera.
25
ÁLGEBRA III

Dada la base v1 , v2 , v3 ,..., vn  de un espacio vectorial euclídeo, se busca una base
 
ortonormal u1 , u2 , u3 ,..., un del mismo espacio vectorial.
PASO 1
Sea u1 = v1
PASO 2
Sea u2 = v2 +   u1
(
donde u1 ⊥ u2 y por lo tanto u1  v2 +   v1 = 0 , despejando  )
u1  v2
 =− 2
u1
u1  v2
Y luego u2 = v2 − 2
 u1
u1
PASO 3
Sea u3 = v3 +  2  u2 + 1  u1
(
Donde u3 ⊥ u1  u3 ⊥ u2 y por lo tanto u1  v3 +  2  u2 + 1  u1 = 0 y )
( )
u2  v3 +  2  u2 + 1  u1 = 0
Despejando ambas ecuaciones
u1  v3 u2  v3
1 = 2
 2 = 2
u1 un
u2  v3 u1  v3
Por último u3 = v3 − 2
 u2 − 2
 u1
un u1
Repitiendo el procedimiento se obtienen los vectores buscados, generalizando:
PASO N-ÉSIMO
Sea un = vn + 1  u1 +  2  u2 + ... + + n −1  un −1
ui  vn
Donde  i = 2
para i  1, 2,..., n − 1
ui
Si se desea obtener una base normal, además de ortogonal, basta con normalizar los
vectores ui .
26
ÁLGEBRA III
MATRIZ ORTOGONAL
Se define a una matriz Q ortogonal si es invertible y Qt = Q −1
TEOREMA 27
Una matriz Q de n  n es ortogonal si y sólo si las columnas de Q forman una base
n
ortonormal de
HIPÓTESIS (IDA)
Q de n  n es ortogonal, es decir que Qt  Q = I
TESIS (IDA)
Las columnas de Q forman un conjunto ortonormal.
DEMOSTRACIÓN (IDA)
 c1 
 
c
Siendo Q ortogonal y considerando Q = ( c1 c2 cn ) y Q =  2  , además
t
 
 
 cn 
por hipótesis Qt  Q = I , esto significa que:
 0 si i j
ci  c j = 
 1 si i= j
Que prueba la tesis pues las columnas de la matriz, consideradas como vectores ci son
perpendiculares dos a dos, y el producto de cada uno por sí mismo es uno.
HIPÓTESIS (VUELTA)
Las columnas de Q forman un conjunto ortonormal.
TESIS (VUELTA)
Q de n  n es ortogonal, es decir que Qt  Q = I
Sea
 a12 a12 a1n 

 
a a22 a2 n 
Q = ( c1 c2 cn ) =  22
 
 
 an1 an 2 ann 
entonces
 c1   a12 a21 an1 

   
c a a22 an 2 
Q =  2  =  12
t
   
   
 cn   a1n a2 n ann 
27
ÁLGEBRA III
Definiendo a B = Q t  Q donde:
bij = ci  c j = a1i  a1 j + a2i  a2 j + ... + an1  anj
Si las columnas de Q son ortonormales entonces:
 0 si i j
ci  c j = 
 1 si i= j
Es decir que Q es la matriz identidad de n  n , que implica que Qt  Q = I
COMPLENTO ORTOGONAL
n
Sea H un subespacio de . Se denomina complemento ortogonal al conjunto de los
n
vectores de que son ortogonales a todos los vectores de H .

Es decir H ⊥ = x  n
/ v  H : x ⊥ v 
TEOREMA 28
Dado un subespacio vectorial, su complemento ortogonal es también subespacio
vectorial.
HIPÓTESIS
Sean V un espacio vectorial y H un subespacio de V . Sea también H ⊥ el
complemento ortogonal de H .
TÉSIS
H ⊥ es subespacio vectorial de V
DEMOSTRACIÓN
Considerando el teorema de la condición necesaria y suficiente de subespacios
vectoriales, basta probar que H ⊥ cumple con las dos leyes de composición interna.
Sean entonces v  u  H ⊥ y sea w un vector genérico de H . Entonces por definición

de complemento ortogonal, v  u son perpendiculares a w .
Considero ahora
(v + u )  w = v  w + u  w = 0
Esto prueba que v + u ( ) ⊥
pertenece a H y por lo tanto que verifica la ley de
composición interna para la suma.
Ahora teniendo en cuenta un escalar  y v  H ⊥  w  H , analizando su producto
28
ÁLGEBRA III
(  v)  w =   ( v  w) =   0 = 0
Es decir que   v ⊥ w y por lo tanto pertenece a H ⊥ . Esto prueba que verifica la ley
de composición interna para el producto externo.
TEOREMA 29
La intersección entre un subespacio vectorial y su complemento ortogonal es el vector
nulo.
HIPÓTESIS
Sea V un espacio vectorial y H  H ⊥ un subespacio y su complemento ortogonal.
TESIS
H  H⊥ = 0 
DEMOSTRACIÓN
Sea el vector v  H  H ⊥ , esto significa evidentemente que:
vH
vH⊥
Por lo tanto, el vector v es perpendicular a sí mismo, entonces:

2
vv = 0  v = 0
El único vector que verifica la igualdad es el vector nulo, que es la tesis.
TEOREMA 30
En un espacio vectorial de dimensión n , un subespacio vectorial del mismo de
dimensión r donde r  n , tiene complemento ortogonal de dimensión n − r .
HIPÓTESIS
Sean V un espacio vectorial de dimensión n , H un subespacio vectorial de V , de
dimensión r (donde evidentemente n  r ) y H ⊥ el complemento ortogonal de H
TESIS
H ⊥ tiene dimensión n − r
29
ÁLGEBRA III
DEMOSTRACIÓN
Si H es un subespacio trivial, la demostración es también trivial, pues si H = V

entonces H ⊥ = 0 , que no contradice la tesis. Y en caso inverso tampoco se contradice la
tesis.

Sea u1 , u2 , u3 ,..., ur  una base ortonormal de H , esta base puede ampliarse a una
base, también ortonormal, de V mediante el proceso de Gram-Schmidt, se entonces
u , u , u ,..., u , u
1 2 3 r r +1 
,..., un la base ampliada.
 
Debo probar que ur +1 ,..., un es base de H ⊥
Sea ahora x  H ⊥ , como x  V puede expresarse como combinación lineal de la base

ampliada, es decir:
1  u1 +  2  u2 + ... +  r  ur +  r +1  ur +1 + ... +  n  un = x
Al ser una base ortonormal todos los productos ui  u j son 0 para i  j y ui  ui = 1 .

Mientras que ui  x para los u1 , u2 , u3 ,..., ur  pues pertenecen a H , entonces si se multiplica
ahora miembro a miembro por u1
1  u1 +  2  u2  u1 + ... +  r  ur  u1 +  r +1  ur +1  u1 + ... +  n  un  u1 = x  u1
1 = 0
Por el mismo procedimiento se demuestra que
1 =  2 = ... =  r = 0
Luego
 r +1  ur +1 + ... +  n  un = x
Que implica que los vectores ur +1 ,..., un   forman es base de H ⊥

y por lo tanto la
dimensión de H es n − r , que es la tesis.

⊥
PROYECCIÓN ORTOGONAL
y siendo v  n
n
Sea H un subespacio de entonces v existen dos vectores únicos
x  y tales que x  H  y  H ⊥ y x + y = v .
Estos vectores se denominas proyecciones ortogonales, es decir PH v + PH ⊥ v = v . () ()
30
ÁLGEBRA III
Considerando x + y = v es claro que v − x = y , como y  H ⊥ debe ser ortogonal a

todos los vectores de H , sea entonces v1 , v2 , v3 ,..., vr  una base de H , luego y ⊥ vi para
cada i . Esto implica:
( )
y  v1 = 0  v − x  v1 = 0
y  v2 = 0  (v − x)  v 2 =0
(
y  vr = 0  v − x  vr = 0 )
Considerando ahora que como x  H entonces existen los escalares 1 ,  2 ,...,  r
tales que:
x = 1  v1 +  r  vr + ... +  r  vr
Sustituyendo:
(v −   v − 
1 1 r )
 vr − ... −  r  vr  v1 = 0
(v −   v − 
1 1 r  vr − ... −  r v )v
r 2 =0
(v −   v − 
1 1 r )
 vr − ... −  r  vr  vr = 0
Un sistema de ecuaciones cuyas incógnitas son los  i
TEOREMA 31: DESIGUALDAD DE CAUCHY-SCHWARZ

Para todo par de vectores de un espacio vectorial se cumple x  y  x  y .
HIPÓTESIS
Sean x  y vectores de un espacio vectorial, diferentes del vector nulo.
TESIS
x y  x  y
DEMOSTRACIÓN
Considerando la ley de composición interna del espacio vectorial, dados los vectores
( )
x  y entonces   x + y pertenece también al espacio vectorial , y por la definición de
norma de un vector, resulta:
( )( )
2
x+ y = x+ y  x+ y
31
ÁLGEBRA III
Aplicando las propiedades del producto escalar

2
x+ y =   x   x + 2   x  y + y  y
2 2 2
x+ y =  2  x + 2   x  y + y
La norma de un vector es definida no negativa, por lo tanto:

2
0 x+ y
2 2
0   2  x + 2   x  y + y
Considerada la expresión como un polinomio de segundo grado con variable  , al ser

mayor o igual a cero para todo valor de dicha variable debe tener un discriminante
necesariamente no positivo, es decir
(2  x  y)
2 2 2
− 4 x  y  0
Desarrollando y considerando que las normas son no negativas, pero no así el producto
escalar resulta:
( )
2 2 2
4 x y  4 x  y
( x  y)
2 2 2
 x  y
x y  x  y
Que es la tesis.
32
ÁLGEBRA III

E1] En cada caso obtener una base ortonormal para el espacio vectorial, o subespacio, dado
E1.1] En 2
(1,1) , ( −1,1)
a partir de
E1.2] H = ( x, y )  : x + y = 0
2
E1.3] H = ( x, y )  : x − y = 0
2
E1.4] H = ( x, y )  : ax + by = 0
2
E1.5] En 2
a partir de ( a, b ) , ( c, d ) donde a  d − b  c  0
E1.6]  = ( x, y, z )  : 2 x − y − z = 0
3
E1.7]  = ( x, y, z )  : 3x − 2 y + 6 z = 0
3
E1.8]  = ( x, y, z )  : x + 2 y + 3z = 0
3
 x y z
E1.9] L = ( x, y, z )  3
: = = 
 2 3 4
E1.10]  = ( x, y, z )  : x = 3t , y = −2t , z = t , t  
3
E1.11]  = ( x, y, z )  : x = t , y = −2t , z = −2t , t  

3
E1.12] H = ( x, y, z , w )  : 2 x − y + 3 z − w = 0
4
E1.13]  = ( x, y, z )  : ax + by + cz = 0 donde a  b  c  0
3
 x y z
E1.14]  = ( x, y, z )  3
: = =  donde a  b  c  0
 a b c
E1.15] H = ( x , x , x , x , x )  : 2 x − 3x + x + 4 x − x = 0
1 2 3 4 5
5
1 2 3 4 5
E1.16] H = ( x , x , x , x , x ) 
1 2 3 4 : x + 2 x − 2 x − 4 x − x = 0
5
5
1 2 3 4 5
E1.17] H = ( x, y, z )  : x − 3 y + z = 0, −2 x + 2 y − 3z = 0, 4 x − 8 y + 5 z = 0
3
 1 1   1 1 1 1
E2] Hallar una base de 4
que contenga a los vectores  , 0, ,0   − , , , − 
 2 2   2 2 2 2
 2 1 2 
 3 3 3 
 
E3] Demuestre que Q es ortogonal  1 2
−
2
 3 3 3
 
 − 1 2 1 
 3 3 3 
E4] Demuestre que si P  Q son matrices ortogonales de n  n entonces P  Q también lo
es.
E5] Demuestre que si Q es ortogonal entonces Q = 1
 sin t cos t 
E6] Demuestre que para t  la matriz   es ortogonal.
 cos t − sin t 
33
ÁLGEBRA III
E7] Para cada caso hallar la proyección del vector sobre el subespacio vectorial, y escribirlo
como la suma de la proyección sobre el subespacio y la proyección sobre el complemento
ortogonal.
E7.1] H = ( x, y )  2
: x + y = 0 ; v = ( −1, 2 )
E7.2] H = ( x, y )  2
: x − y = 0 ; v = ( 2, −1)
E7.3] H = ( x, y )  2
: ax + by = 0 ; v = ( a, b )
E7.4] H = ( x, y, z )  3
: ax + by + cz = 0 ; v = ( a, b, c )  v  0
E7.5] H = ( x, y, z )  3
: 3x − 2 y + 6 z = 0 ; v = ( −3,1, 4 )
 x y z
E7.6] H = ( x, y, z )  3
: = =  ; v = (1,1,1)
 2 3 4
E7.7] H = ( x, y, z )  3
: x − y + z = 0 ; v = (1, −1, 2 )
E7.8] H = ( x, y, z , w )  4
: 2 x − y + 3z − w = 0 ; v = (1, −1, 2,3)
E7.9] H = ( x, y, z , w )  4
: x = y  w = 3 y ; v = ( −1, 2,3,1)
E8] Sean u1  u2 vectores ortonormales, demuestre que u1 − u2 = 2
E9] Demuestre que si u + v = u + v entonces u  v son linealmente dependientes.
E10] Demuestre que u + v  u + v (desigualdad de Minkowsky)

n
E11] Demuestre el teorema de Pitágoras generalizado para .
E12] ∎
34
ÁLGEBRA III
AUTOVALORES Y AUTOVECTORES
DEFINICIÓN AUTOVALOR Y AUTOVECTOR
Sean un espacio vectorial V y una transformación lineal homomórfica T : V → V ,
entonces se denomina autovector de la transformación a aquel vector no nulo, que es
linealmente dependiente con su imagen. Mejor:
()
T v =  v
A su vez, el escalar  se denomina autovalor asociado al autovector v .
Puesto que toda trasformación lineal está asociada a una matriz, y siendo A la matriz
asociada a la transformación lineal T , puede definirse:
Av =  v
Av −  v = 0
(A−  I)v = 0
POLINOMIO CARACTERÍSTICO
Considerando ( A −   I )  v se define polinomio característico al determinante de la
matriz dada, es decir:
P ( ) = A −   I
TEOREMA 32
Sea A una matriz de n  n , entonces  es autovalor de A si y sólo si es raíz del
polinomio característico.
TEOREMA 33
Sea  un autovalor de A una matriz de n  n , entonces el conjunto de autovectores

asociados E = x  V : A  x =   v  0 es un subespacio de V
HIPÓTESIS
Sea A una matriz de n  n y  uno de sus autovalores, con el espacio característico
formado por los autovectores asociados definidos por E =  x  V : A  x =   v
TESIS

E  0 es un subespacio vectorial de V
DEMOSTRACIÓN
Considerando el teorema de la condición necesaria y suficiente para un subespacio
vectorial, debo probar que el conjunto verifica ambas leyes de composición interna.
35
ÁLGEBRA III
Sean entonces u  v  E , si ambos vectores son el vector nulo, la ley de composición

interna se verifica de forma trivial, de igual manera si solo uno de ellos es el vector nulo.
Puesto que u  v  E son autovectores asociados a  , es decir:
A u =   u  A v =   v
Analizando ahora
( )
A  u + v = A u + A  v
A  (u + v ) =  u +   v
A  (u + v ) =  (u + v )
( )
Lo que demuestra que u + v es autovector y por lo tanto, u + v  E , que es la tesis.
Si ahora se considera u  E    K , donde u  0 (en el caso de serlo, la ley de

composición interna se verifica de forma trivial), en:
( )
A  u =   Au
A  (  u ) =     u
A  (   u ) =   (  u )
Que prueba que   u es autovector y por lo tanto pertenece a E , que es la tesis.
ESPACIO CARACTERÍSTICO DE UN AUTOVALOR

El teorema previo permite afirmar que el conjunto de vectores asociados a un mismo
autovalor, conforman un espacio vectorial denominado espacio característico del autovalor.
TEOREMA 34
Siendo A una matriz de n  n y 1 , 2 , 3 ,..., m autovalores diferentes de A con los
vectores v1 , v2 , v3 ,...., vm autovectores asociados de manera correspondiente, entonces el
conjunto v1 , v2 , v3 ,...., vm  es linealmente independiente.
HIPÓTESIS
Sea A una matriz de n  n y 1 , 2 , 3 ,..., m autovalores diferentes y v1 , v2 , v3 ,...., vm
autovectores asociados de manera correspondiente.
TESIS
v1 , v2 , v3 ,...., vm  es un conjunto linealmente independiente.
36
ÁLGEBRA III
DEMOSTRACIÓN
Por inducción sobre m .
Si m = 1 entonces hay un solo autovalor 1 y un solo autovector v1  que conforma un

conjunto, trivialmente, linealmente independiente.
Sea entonces la hipótesis inductiva que para m = h se cumple que hay h autovalores
distintos con h autovectores correspondientes de modo que el conjunto v1 , v2 , v3 ,...., vh  es
linealmente independiente.
Quiero demostrar ahora la tesis inductiva, es decir que, agregando el autovalor h +1

distinto de los anteriores, el conjunto v1 , v2 , v3 ,...., vh , vh +1  es linealmente independiente.
Considero
1  v1 +  2  v2 +  3  v3 + .... +  h  vh +  h +1  vh +1 = 0 (1)
Multiplicando miembro a miembro por la matriz de la transformación lineal A
1  A  v1 +  2  A  v2 + 3  A  v3 + .... +  h  A  vh +  h+1  A  vh+1 = A  0 = 0
Por definición de autovector:
1  1  v1 +  2  2  v2 + 3  3  v3 + .... +  h  h  vh +  h +1  h +1  vh +1 = 0 (2)
Retomando en (1) y mulitplicando miembro a miembro por h +1
1  h+1  v1 +  2  h+1  v2 +  3  h+1  v3 + .... +  h  h+1  vh +  h+1  h+1  vh+1 = 0 (3)
Ahora restando (3) a (2) resulta:
1  ( 1 − h+1 )  v1 +  2  ( 2 − h+1 )  v2 + .... +  h  ( h − h+1 ) vh +  h+1  ( h+1 − h+1 )  vh+1 = 0

1  ( 1 − h+1 )  v1 +  2  ( 2 − h+1 )  v2 + .... +  h  ( h − h+1 ) vh = 0
Puesto que todos los  son diferentes por hipótesis, ningún paréntesis puede ser nulo,
los vectores son autovectores, y por lo tanto no son nulos, pero además son linealmente
independientes por hipótesis inductiva, entonces todos los  hasta h han de ser ceros.
Reemplazando esto en (1):
 h+1  vh+1 = 0
Nuevamente, el vector vh +1 no puede ser el nulo, por lo tanto
 h+1 = 0
Es decir, que en (1) todos los  son ceros, lo que implica que el conjunto es linealmente
independiente y demuestra la tesis.
37
ÁLGEBRA III
CÁLCULO DE AUTOVALORES Y AUTOVECTORES

Siendo una matriz A de n  n
 a11 a12 a1n 

 
a a22 a2 n 
A =  21
 
 
 an1 an 2 ann 
Entonces su polinomio característico es:
 a11 −   a12 a1n 

 
a21 a22 −   a2 n
P ( ) =  
 
 
 an1 an 2 ann −   
Por lo tanto, el polinomio característico ha de tener la forma:
P (  ) = bn   n + bn −1   n −1 + ... + b1   + bo
Luego
bn   n + bn−1   n−1 + ... + b1   + bo = 0
Llamada ecuación característica admitirá n raíces sin considerar la multiplicidad, luego

según el teorema fundamental de la descomposición polinómica se puede escribir:
0 = (  − 1 )  (  − 2 )  ...  (  − m )
r1 r2 rm
Donde los números ri son la multiplicidad algebraica de i
Cada uno de los autovalores i determina a su vez un espacio característico asociado,

que es en sí mismo un subespacio vectorial, por tanto, posee una dimensión. La dimensión del
espacio característico de cada autovalor se denomina multiplicidad geométrica del autovalor.
Esto puede definirse alternativamente como la nulidad de la transformación lineal

definida por A − i  I .
TEOREMA 35
Para cada autovalor la multiplicidad geométrica es menor o igual a la multiplicidad
algebraica.
TEOREMA 36
Una matriz A de n  n tiene n autovectores linealmente independientes si y sólo si la
multiplicidad geométrica de cada autovalor es igual a su multiplicidad algebráica.
HIPÓTESIS (IDA)
Sea A de n  n con n autovectores linealmente independientes.
38
ÁLGEBRA III
TESIS (IDA)
Para cada autovalor se verifica que MAlg    = MGeom   
DEMOSTRACIÓN (IDA)
Supongo A de n  n es una matriz tal que tiene n autovalores de igual multiplicidad
geométrica y algebraica para todos sus autovalores, excepto para 1 , que verifica que:
MAlg  1  = r  MGeom  1  = r − i
Siendo que la supla de las multiplicidades algebraicas debe ser n , el grado del polinomio
n
característico, como MAlg  1  = r entonces  MAlg   = n − r
i =2
i
Luego los autovalores 2 , 3 ,..., n tienen igual multiplicidad geométrica y algebraica,

es decir que forman un conjunto de n − r vectores linealmente independientes.
Por esto, al agregar los autovetores asociados a 1 se conforma un conjunto de

( n − r ) + (r − i ) = n + i vectores linealmente independientes en un espacio vectorial de
dimensión n , que es absurdo, en conclusión MAlg  1  = MGeom  1  . Razonamiento
análogo vale para todos los autovalores y por lo tanto se cumple la tesis.
HIPÓTESIS (VUELTA)
Sea A de n  n con n autovalores que verifican que MAlg    = MGeom   
TESIS (VUELTA)
A forma un conjunto de n autovectores asociados a los autovalores linealmente
independiente.
Puesto que para cada autovalor la multiplicidad algebraica y la geométrica coinciden, y
siendo que la suma de las multiplicidades algebraicas debe ser n (por el teorema fundamental
del álgebra) entonces el total de autovectores asociados a los autovalores es también n ,
quienes, aplicando el teorema 34, han de ser linealmente independientes.
DIAGONALIZACIÓN DE MATRICES
MATRICES EQUIVALENTES
Dos matrices A  B de n  n se dicen equivalentes (o semejantes) si existe una matriz
C de n  n tal que C  B = A  C o equivalentemente:
B = C −1  A  C
TEOREMA 37
Si A  B son matrices equivalentes de n  n entonces tienen el mismo polinomio
característico, y por lo tanto los mismos autovalores.
39
ÁLGEBRA III
HIPÓTESIS
Sean A  B matrices equivalentes de n  n .
TESIS
A−I = B−I
DEMOSTRACIÓN
Siendo A  B equivalentes, existe la matriz C tal que
B = C −1  A  C
Aplicando ley uniforme y determinantes
B −   I = C −1  A  C −   I
B −   I = C −1  A  C −   I
Desarrollando
B −   I = C −1  A  C − C −1    I  C
B −   I = C −1  ( A −   I )  C
B −   I = C −1  A −   I  C
B −   I = C −1  C  A −   I
B −   I = C −1  C  A −   I
B −I = I  A−I
B−I = A−I
Que es la tesis.
MATRIZ DIAGONALIZABLE
Una Matriz A de n  n es diagonalizable si existe una matriz diagonal D tal que
A  D son semejantes.
TEOREMA 38
Una matriz A de n  n es diagonalizable si y sólo si tiene n autovectores linealmente
independientes. En ese caso la matriz diagonal equivalente tiene en su diagonal principal a los
autovalores de A .
HIPÓTESIS (IDA)
A de n  n es diagonalizable.
TESIS (IDA)
A de n  n tiene n autovectores linealmente independientes.
40
ÁLGEBRA III
DEMOSTRACIÓN (IDA)
Es trivial, pues al ser la matriz de diagonalización aquella formada por los autovectores
en forma de columna, como debe ser invertible, esto significa que su determinante ha de ser
distinto de cero, y equivalentemente sus columnas linealmente independientes.
HIPÓTESIS (VUELTA)
A de n  n tiene n autovectores linealmente independientes v1 , v2 ,..., vn  que
corresponden a los autovalores 1 , 2 ,..., n (no necesariamente diferentes)
TESIS (VUELTA)
A es diagonalizable y la matriz D tiene en su diagonal principal a los autovalores de
A.
Sean:
 c11   c12   c1n 

     
 c21   c22  c
v1 = ; v2 = ;..., vn =  2 n 
     
     
 cn1   cn 2   cnn 
Y entonces se sabe que la matriz de diagonalización sería
 c11 c12 c1n 

 
c c22 c2 n 
C =  21
 
 
 cn1 cn 2 cnn 
Es evidente que C es invertible pues sus columnas son linealmente independientes por
hipótesis.
Ahora:
 c11 c12 c1n 

 
c c22 c2 n 
A  C = A   21
 
 
 cn1 cn 2 cnn 
Analizando, la columna i de A  C es
 c1i   c1i 
   
c c
A   2i  =    2i  =   vi
   
   
 cni   cni 
Es decir que la columna i de A  C es   vi , entonces
41
ÁLGEBRA III
 1  c11 2  c12 n  c1n 


 c 2  c22 n  c2 n 
A  C =  1 21
 
 
 1  cn1 2  cn 2 n  cnn 
Además
 c11 c12 c1n   1 0 0   1  c11 2  c12 n  c1n 

    
c c22 c2 n   0 2 0   1  c21 2  c22 n  c2 n 
C  D =  21  =
     
     
 cn1 cn 2 cnn   0 0 n   1  cn1 2  cn 2 n  cnn 
Por lo tanto
AC = C  D
Y al ser C invertible
C −1  A  C = D
Que es la tesis.
COROLARIO
Si la matriz A de n  n tiene todos sus autovalores distintos entonces es
diagonalizable.
MATRICES SIMÉTRICAS Y DIAGONALIZACIÓN ORTOGONAL

TEOREMA 39
Una matriz simétrica real A de n  n tiene todos sus autovalores reales.
HIPÓTESIS
A de n  n es una matriz simétrica.
TESIS
Todos los autovalores de A son reales.
DEMOSTRACIÓN
Sea  un autovalor de A y v un autovector asociado, entonces por definición de
autovalor:
A v =   v
Considerando ahora el producto interno del espacio vectorial
42
ÁLGEBRA III
( A  v)  v = (  v)  v
( A  v)  v =   v  v (1)
Mientras que por propiedad del producto matricial
( A  v )  v = v  At  v
Como A es simétrica entonces At = A
( A  v )  v = v  At  v = v  A  v
( A  v)  v = v  (  v)
Si   entonces v  (   v ) =   v  v , luego
( A  v)  v =   v  v (2)
Por (1) y (2)
 vv =  vv
 =
Donde evidentemente   , que es la tesis.
TEOREMA 40
Una matriz simétrica real A de n  n con autovalores 1  2 distintos con los
autovectores v1  v2 correspondientes verifica que v1 ⊥ v2 .
HIPÓTESIS
Sea A de n  n simétrica, con autovalores 1  2 distintos con los autovectores
v1  v2
TESIS
v1 ⊥ v2
DEMOSTRACIÓN
Analizando el producto A  v1  v2 siendo 1 autovalor resulta
A  v1  v2 = 1  v1  v2 = 1  ( v1  v2 )
Y siendo 2 también autovalor, y A simétrica
A  v1  v2 = v1  At  v2 = v1  A  v2 = v1  2  v2 = 2  ( v1  v2 )
43
ÁLGEBRA III
Luego 1  ( v1  v2 ) = 2  ( v1  v2 ) entonces
( 1 − 2 )  ( v1  v2 ) = 0
Por hipótesis 1  2 , entonces debe ser
v1  v2 = 0  v1 ⊥ v2
Que es la tesis.
TEOREMA 41
Todo autovalor  de multiplicidad algebraica k de una matriz simétrica, tiene
asociados, k autovectores ortogonales.
HIPÓTESIS
Sea A de n  n simétrica con  de multiplicidad algebraica k
TESIS
 tiene k autovalores ortogonales.
DEMOSTRACIÓN
Sea 1 autovalor de A simétrica tal que su multiplicidad algebraica es k , y sea u1 un
autovalor asociado a 1 . Se puede suponer, sin perder generalidad, que u1 = 1 . Luego el
conjunto u1  puede expandirse a una base del espacio vectorial u1 , v2 ,..., vn  y luego
ortonormalizarse mediante el proceso de Gram-Schmidt a u1 , u2 ,..., un  .
Sea Q la matriz ortogonal formada por los vectores u1 , u2 ,..., un  como columnas
Q = ( u1 u2 un )
Puesto que Q es invertible (sus columnas son linealmente independientes) y es

ortogonal entonces Qt = Q −1 , entonces A es semejante a Q t  A  Q y tienen el mismo
polinomio característico
P (  ) = A −   I = Qt  A  Q −   I
Analizo ahora:
 u1t 
 t
Q  A  Q =  2   A  ( u1 u2
u
t
un )
 
 ut 
 n
44
ÁLGEBRA III
 u1t 
 t
Q  A  Q =  2   ( A  u1
u
t
A  u2 A  un )
 
 ut 
 n
Como 1 es autovalor asociado a u1 y además siendo el producto de los vectores

cruzados nulo por ser ortogonales resulta:
 u1t   1 u1t  A  u2 u1t  A  un 

 t  
0 u2t  A  u2 u2t  A  un 
Q  A  Q =  2   ( 1  u1 
u
t
A  u2 A  un ) =
 
   
 ut 
 n  0 un  A  u 2
t
un  A  un 
t
Al ser Q t  A  Q simétrica
 1 0 0 
 
0 u2  A  u2
t
u  A  un 
t
Qt  A  Q =  2
 
 
 0 un  A  u 2 un  A  un 
t t
Su polinomio característico
 1 −  0 0 
 
0 u2  A  u2 − 
t
u  A  un
t
Qt  A  Q −   I =  2 
 
 
 0 unt  A  u2 unt  A  un −  
 u2t  A  u2 −  u2t  A  un 
 
Qt  A  Q −   I = ( 1 −  )   
 unt  A  un unt  A  un −  

Qt  A  Q −   I = ( 1 −  )  M 11 (  )
Donde M 11 (  ) es el determinante menor de Q t  A  Q −   I .
Si k = 1 no hay nada que demostrar, supongo entonces k = 2 , es decir que 1 es raíz

doble del polinomio característico, por lo tanto tiene como factor a ( 1 −  ) , luego debe
2
ocurrir necesariamente que M 11 (  ) tenga como factor a ( 1 −  ) . Esto obliga a que
Q t  A  Q − 1  I tenga dos columnas nulas, es decir, que tiene a lo sumo n − 2 columnas

linealmente independientes, su rango sería   n − 2 y entonces su nulidad   2 , como
Qt  A  Q  A son semejantes tienen el mismo rango y la misma nulidad, por lo tanto el nucleo
45
ÁLGEBRA III
de A −   I contiene al menos dos autovectores linealmente independientes entre sí, que sería
la tesis para k = 2 .
Si k  2 se toman dos autovectores ortogonales entre sí u1  u2 y se expande ese

conjunto a una base ortonormal del espacio vectorial, luego el polinomio característico sería:
 1 −  0 0 0 
 
 0 1 −  0 0 
P  A P −   I =  0
t
0 q33 −  qn 3 
 
 
 0 qnn −  
 0 qn3
Donde se demuestra por un procedimiento análogo al anterior que la matriz reducida

tiene a 1 −  como factor y por lo tanto cuando 1 =  al menos una de sus columnas es nula,
y su rango resulta   n − 3 y entonces   3 , y así sucesivamente, se alcanza que el núcleo
posee k vectores que permiten una base ortonormal. Esto es la tesis.
COROLARIO IMPORTANTE A LOS DOS TEOREMAS PREVIOS

Una matriz simétrica real A de n  n tiene n autovectores ortogonales.
MATRIZ ORTOGONALMENTE DIAGONALIZABLE

Una matriz simétrica real A de n  n se dice diagonalmente ortogonalizable si existe
una matriz Q ortogonal tal que:
Qt  A  Q = D
Donde D es la matriz diagonal con los autovalores de A en la diagonal principal.
TEOREMA 42
Una matriz real A de n  n es diagonalizable ortogonalmente si y sólo si es simétrica.
HIPÓTESIS (IDA)
Sea A real de n  n diagonalizable ortogonalmente.
TESIS (IDA)
A es simétrica.
DEMOSTRACIÓN
Como la matriz es diagonalizable ortogonalmente entonces existe una matriz Q
ortogonal tal que
Qt  A  Q = D
46
ÁLGEBRA III
Multiplicando ambos miembros primero a izquierda y luego a derecha:
Q  Qt  A  Q = Q  D
I  A  Q  Qt = Q  D  Qt
A  I = Q  D  Qt
A = Q  D  Qt
Entonces
( )
t
At = Q  D  Q t
At = (Q )
t t
 Dt  Qt
( )
t
Siendo D diagonal entonces D = D t , además Qt = Q , entonces:
At = Q  D  Qt
Concluyendo A = Q  D  Qt  At = Q  D  Qt , evidentemente A = At que es la tesis.
HIPÓTESIS (VUELTA)
Sea A real de n  n simétrica.
TESIS (IDA)
A es diagonalizable ortogonalmente.
DEMOSTRACIÓN
Considerando los teoremas 40 y 41 una matriz simétrica tiene sus autovectores
ortogonales, por lo tanto la matriz de diagonalización Q es ortogonal, que implica la tesis.
FORMAS CUADRÁTICAS Y SECCIONES CÓNICAS

FORMA CUADRÁTICA
Se define una ecuación cuadrática en dos variables con términos no lineales a aquella de
la forma:
ax 2 + bxy + cy 2 = d donde a + b + c  0
Mientras que una forma cuadrática en dos variables es de la forma:
F ( x, y ) = ax 2 + bxy + cy 2 donde a + b + c  0
Toda forma cuadrática puede representarse de forma matricial considerando:
F ( x, y ) = A  v  v
Donde
47
ÁLGEBRA III
1 1
F ( x, y ) = ax 2 + bxy + bxy + cy 2
2 2
 bx 
 ax 2   x 
F ( x, y ) =   
 bx cy   y 
 
 2 
 b 
 a 2   x    x 
F ( x, y ) =         
 b c   y    y 
 2 
 
Por lo tanto, una forma cuadrática se representa por la matriz simétrica
 b
a 2
A= 
b c 

2 
Y una ecuación cuadrática entonces se puede expresar:
A v  v = d
Siendo A una matriz simétrica el teorema pertinente permite afirmar que existe una
matriz ortogonal Q tal que Q  A  Q = D donde D es diagonal y con los autovalores de A
t
en su diagonal, mejor A = Q  D  Q . Sustituyendo esto:

t
(Q  D  Q  v )  v = d
t
Q  ( D  Q  v)  v = d
t
( D  Q  v )  (Q  v ) = d
t t
48
ÁLGEBRA III
Sea v ' = Qt  v , un vector de dimensión dos, entonces la ecuación resulta:
D  v ' v ' = d
 x'
Siendo ahora v ' =   y como D es diagonal, y por lo tanto simétrica, define también
 y '
a' 0 
una forma cuadrática F ' ( x ', y ' ) con x ' y ' como variables, siendo D =   entonces
 0 c '
 a ' 0   x '   a ' x '

Dv' =    =  
 0 c '  y '  c ' y '
Y luego
 a ' x '  x ' 

F ( x ', y ') = D  v ' v' =    = a'x' + c' y'
2 2
 c ' y '  y '
F ( x ', y ') = a ' x '2 + c ' y '2
Que es una forma cuadrática en nuevas variables sin el término xy .
TEOREMA 43 (TEOREMA DE LOS EJES PRINCIPALES DE 2

)
Sea ax + bxy + cy = d una ecuación cuadrática en las variables x  y . Entonces
2 2
existe un único número  en  0, 2 ) tal que la ecuación dada puede expresarse en la forma:
a ' x '2 + c ' y '2 = d
Donde x ' y ' son los ejes obtenidos por la rotación de los ejes x  y el ángulo  , en el
sentido positivo de medición angular. Y los números a ' c ' son los autovalores de la matriz
 b
a 2
A= 
b c 

2 
Los ejes x ' y ' se denominan ejes principales de la gráfica de la ecuación original.
CÓNICAS
Sin entrar en definiciones precisas, se puede recordar, que las ecuaciones estándares
(respecto de sus ejes principales) de las tres cónicas principales son:
x2 + y 2 = r 2 Circunferencia
x2 y 2
+ =1 Elipse
a 2 b2
x2 y 2 y 2 x2
− = 1 2 − 2 = 1 Hipérbola
a 2 b2 b a
49
ÁLGEBRA III
Considerando ahora que la ecuación ax + bxy + cy = d viene asociada a la matriz

2 2
 b
a 2
A= 
b c 

2 
Resulta su ecuación característica
 b2
 2 + ( a + c )  +  ac − =0
 4 
(  − 1 )  (  − 2 ) = 0
b2
Por propiedad de los polinomios vemos que 1  2 = ac −
4
Ya se había visto que en a ' x '2 + c ' y '2 = d son a ' = 1  c ' = 2 , por lo tanto
1 x '2 + 2 y '2 = d
Esto quiere decir que si 1  2 tienen el mismo signo, la cónica corresponde a una
elipse (o circunferencia) o una cónica degenerada, mientras que tienen signos opuestos
entonces corresponde a una hipérbola.
TEOREMA 44
 b
a 2
Si A =   , entonces la ecuación característica con d  0 es la ecuación de:
b c 

2 
i) Una hipérbola si A  0
ii) Una elipse, o una sección cónica degenerada si A  0
iii) Un par de rectas paralelas, o una sección cónica degenerada si A = 0
iv) Si d = 0 es la ecuación de dos rectas si A = 0 y A  0
CLASIFICACIÓN DE FORMAS CUADRÁTICAS

Una forma cuádrica se dice definida positiva si F ( x )  0 para todo vector x  n
y
F ( x ) = 0 si y sólo si x = 0 . En este caso F ( x ) está asociada a una matriz A con todos sus
autovalores positivos.
Una forma cuádrica se dice semidefinida positiva si F ( x )  0 para todo vector x  n
, en este caso la matriz asociada tiene autovalores no negativos.
De forma análoga una forma cuadrática es definida negativa si la matriz asociada tiene
todos sus autovalores negativos, y semidefinida negativa si sus autovalores son no positivos.
50
ÁLGEBRA III
Por útlimo una forma cuadrática se dice indefinida si no se ajusta a ninguno de los casos
anteriores.
FORMAS CUÁDRICAS
 x1 
 
x2
Siendo v =   y A una matriz de n  n . Entonces una forma cuádrica en
 
 
 xn 
x1 , x2 ,..., xn es una expresión de la forma:
F ( x1 , x2 ,..., xn ) = A  v  v
Si v  3
entonces la forma cuádrica determina una superficie cuádrica.
FORMA CANÓNICA DE JORDAN

Las matrices de n  n con n vectores característicos linealmente independientes
admiten la transformación de equivalencia a matrices diagonales y ortogonales.
En algunos casos en que la matriz no sea diagonalizable es posible encontrar una matriz
equivalente, aunque no diagonal.
Para esto sea la matriz N k de k  k una matriz con unos sobre la diagonal principal y
cero en ella.
0 1 0 0
 
0 0 1 0
Nk =  
 
0 0 0 1
0 0 
 0 0
Se define a la matriz bloque de Jordan B (  ) de k  k a B (  ) =   I − N k
 1 0 0
 
0  1 0
B ( ) =  
 
0 0 0 1
0  
 0 0
Si consideramos una matriz bloque de Jordan de 1  1 tendría la forma B (  ) = 
Por último, una matriz de Jordan es: z
51
ÁLGEBRA III
 B1 ( 1 ) 0 0 0 
 
 0 B2 ( 2 ) 1 0 
J = 
 
 0 0 0 1 
 0 0 0 Br ( r ) 

Donde Bi ( i ) es una matriz bloque de Jordan. Es decir que una matriz de Jordan es
una que tiene en su diagonal principal, matrices bloque de Jordan.
TEOREMA 45 *
Sea A una matriz real, o compleja, de n  n . Entonces existe una matriz C compleja
invertible de n  n tal que:
C −1  A  C = J
Donde J es una matriz de Jordan cuyos elementos en la diagonal son los autovalores
de A . Dicha matriz de Jordan es única excepto por el orden de los bloques de Jordan.
Una matriz de Jordan se denomina forma canónica de Jordan para la matriz A .
Es claro que si A es diagonalizable entonces la matriz D es una matriz de Jordan con

bloques de Jordan de 1  1 .
TEOREMA 46
Sea A una matriz de 2  2 tal que tiene un autovalor  de multiplicidad algebraica
dos y geométrica uno. Sea v1 un autovector correspondiente a  , entonces existe un vector v2
tal que:
( A −  I )  v2 = v1
HIPÓTESIS
Sea A una matriz de 2  2 yun autovalor  de multiplicidad algebraica dos y
geométrica uno, con v1 un autovector correspondiente.
TESIS
Existe un vector v2 tal que ( A −  I )  v2 = v1
DEMOSTRACIÓN
Sea x  2
un vector fijo linealmente independiente con v1 , de manera que no es un
autovector de A . Quiero ver que
52
ÁLGEBRA III
w = (A−   I) x
es autovalor de A . Es decir, que pertenece al espacio característico generado por v1 ,

mejor, que existe una constante  tal que w =   v1
Como x  v1  w son linealmente independientes, entonces puedo escribir:
w = 1  v1 +  2  x
Luego
w = ( A −   I )  x = 1  v1 +  2  x
Despejando
( A −   I )  x −  2  x = 1  v1
( A −   I −  2  I )  x = 1  v1
 A − (  +  2 )  I   x = 1  v1
Si se supone que  2  0 entonces (  +  2 ) sería distinto de  , pero  es el único

autovalor por hipótesis, entonces la matriz B =  A − (  +  2 )  I  tiene un determinante no
nulo, mejor, es invertible.
B  x = 1  v1
x = B.1  1  v1
x = 1  B −1  v1
Miembro a miembro por 
  x =   1  B −1  v1
  x = 1  B −1    v1
  x = 1  B −1  A  v1
Siendo B =  A − (  +  2 )  I  entonces B + (  +  2 )  I = A , reemplazando
  x = 1  B −1   B + (  +  2 )  I   v1
  x = 1  B −1  B + 1  B −1  (  +  2 )  I   v1
  x = 1  I + 1  (  +  2 )  B −1   v1
  x = 1  v1 + (  +  2 )  1  B −1  v1
Como x = 1  B−1  v1
53
ÁLGEBRA III
  x = 1  v1 + (  +  2 )  x
  x = 1  v1 +   x +  2  x
0 = 1  v1 +  2  x
Por hipótesis v1  x son linealmente independientes, y por lo tanto, 1 =  2 = 0 , cosa

que contradice la suposición de ser  2  0 , entonces  2 = 0 .
Como w = 1  v1 +  2  x entonces w = 1  v1 , mejor, v1  w son linealmente

dependientes, luego w es autovector de A
1
Sea el vector v2 =  x entonces
2
1
( A −   I )  v2 = (A −   I ) x
1
1
( A −   I )  v2 = w
1
( A −   I )  v2 = v1
Que es la tesis.
AUTOVECTOR GENERALIZADO
Siendo A una matriz de 2  2 tal que tiene un solo autovalor  de multiplicidad
geométrica uno, y siendo v1 un autovector correspondiente a  , entonces el vector v2
definido por ( A −  I )  v2 = v1 se denomina autovector generalizado correspondiente al
autovalor  .
TEOREMA 47
Siendo A una matriz de 2  2 ,  su único autovalor, v1 su autovector
correspondiente y v2 su autovector generalizado; y siendo C la matriz cuyas columnas son
 1 
v1  v2 . Entonces C −1  A  C = J donde J =   es la forma canónica de Jordan.
0 
HIPÓTESIS
Sea A una matriz de 2  2 ,  su único autovalor, v1 su autovector correspondiente y
v2 su autovector generalizado. Sea C la matriz cuyas columnas son v1  v2 .
TESIS
 1
C −1  A  C = J con J = 
0  
54
ÁLGEBRA III
DEMOSTRACIÓN
Como v1  v2 son linealmente independientes, entonces la matriz C es invertible.
Además
A  C = A  ( v1 v2 )
A  C = ( A  v1 A  v2 )
A  C = (   v1 A  v2 )
Siendo v2 autovector generalizado verifica ( A −   I )  v2 = v1 de donde
( A −   I )  v2 = v1
A  v2 −   I  v2 = v1
A  v2 = v1 +   v2
Entonces
A  C = (   v1 v1 +   v2 )
Mientras que
 v1t    1 
C  J =  t  
 v2   0  
 v1t    1 
C  J =  t  
 v2   0  
C  J = (  v1 v1 +   v2 )
En consecuencia A  C = C  J de donde C −1  A  C = J , que es la tesis
55
ÁLGEBRA III

E13] Para cada matriz calcular los autovalores y los espacios característicos, indicar las
multiplicidades.
 −2 −2   2 −1   −3 2 
E13.1]   E13.3]   E13.5]  
 −5 1   5 −2   0 −3 
 −12 7   −3 0   3 2
E13.2]   E13.4]   E13.6]  
 −7 2   0 −3   −5 1 
 1 −1 0   1 2 2 1 −1 −1
     
E13.7]  −1 2 −1 E13.10]  0 2 1  E13.13] 1 −1 0 
 0 −1 1   −1 2 2  1 0 −1
     
 1 1 −2  0 1 0  7 −2 −4 
     
E13.8]  −1 2 1  E13.11]  0 0 1  E13.14]  3 0 −2 
 0 1 −1   1 −3 3   6 −2 −3 
     
5 4 2  −3 −7 −5  4 6 6
     
E13.9]  4 5 2  E13.12]  2 4 3 E13.15]  1 3 2
 2 2 2 1 2 2  −1 −5 −2 
     
 4 1 0 1 a b 0 0
   
2 3 0 1 0 a c 0
E13.16]  E13.19]  , bc  0
 −2 1 2 −3  0 0 a 0
   
 2 −1 0 5 0 0 0 a
a 0 0 0 a b 0 0
   
0 a 0 0 0 a c 0
E13.17]  E13.20]  , bcd  0
0 0 a 0 0 0 a d
   
0 0 0 a 0 0 0 a
a b 0 0
 
0 a 0 0
E13.18]  con b  0
0 0 a 0
 
0 0 0 a
 a b
E14] Muestre que para todo a  b  la matriz A =   tiene los autovectores
 −b a 
(1; i ) ; (1; −i )
E15] Siendo A una matriz con n autovalores propios distintos
E15.1] Muestre que si A tiene por autovalores 1 ; 2 ;...; n  entonces A también.
t
56
ÁLGEBRA III
E15.2] Muestre que si A tiene por autovalores 1 ; 2 ;...; n  entonces   A tiene por
autovalores 1 ; 2 ;...; n 
E15.3] Muestre que A −1 existe si y sólo sí ningún autovalor es nulo.

1 1 1
E15.4] Muestre que si A −1 existe entonces sus autovalores son  ; ;...; 
  1 2 n 
E16] Muestre que, en una matriz triangular superior, los autovalores son los elementos de la
diagonal principal.
E17] Para cada matriz pruebe que  = 2 es un autovalor de multiplicidad algebraica 4 y en
cada caso calcule el espacio característico.
2 0 0 0 2 1 0 0
   
0 2 0 0 0 2 1 0
E17.1] A1 =  E17.3] A1 = 
0 0 2 0 0 0 2 0
   
0 0 0 2 0 0 0 2
2 1 0 0 2 1 0 0
   
0 2 0 0 0 2 1 0
E17.2] A2 =  E17.4] A1 = 
0 0 2 0 0 0 2 1
   
0 0 0 2 0 0 0 2
E18] Determinar si las siguientes matrices son diagonalizables, en caso afirmativo hallar la matriz
de diagonalización.
 −2 −2   2 1 0  −3 −7 −5 
E18.1]      
 −5 1  E18.8]  0 0 1  E18.13]  2 4 3
 0 0 0 1 2 2
 3 −1     
E18.2]  
 −2 4  3 0 0  −2 −2 0 0
   
 2 −1  E18.9]  0 0 1  −5 1 0 0
E18.14] 
E18.3]   0 0 2 0 0 2 −1 
 5 −2   
 
0 0 5 −2 
 3 −5   3 −1 −1
E18.4]      4 1 0 1
 1 −1  E18.10]  1 1 −1
 1 −1 1   
2 3 0 1
 3 2   E18.15] 
E18.5]  
 −2 1 2 −3 
 −5 1   7 −2 −4   
   2 −1 0 5
E18.11]  3 0 −2 
 1 1 −2 
   6 −2 −3 
E18.6]  −1 2 1   
 0 1 −1 
  4 6 6
 
E18.12]  1 3 2
 1 −1 0 
   −1 −5 −2 
E18.7]  −1 2 −1  
 0 −1 1 
 
57
ÁLGEBRA III
E19] Muestre que si A es equivalente a B y B lo es a C , entonces A  C son equivalentes.

E20] Muestre que si A es equivalente a B entonces An  B n también lo son para todo n
natural.
E21] Muestre que si A  B son equivalentes entonces A = B
E22] Diagonalizar ortogonalmente las matrices simétricas dadas
3 4  2 1  1 −1
E22.1]   E22.2]   E22.3]  
 4 −3  1 2  −1 1 
1 −1 −1  −1 2 2  1 −1 0 
     
E22.4]  −1 1 −1 E22.5]  2 −1 2 E22.6]  1 2 −1
 −1 −1 1  2 2 1   0 −1 1 
   
3 2 2  1 −1 0 0
   
E22.7]  2 2 0 −1 0 0 0
2 E22.8] 
 0 4  0 0 0 0
 
0 0 0 2
E23] Determinar la forma cuádrica en forma matricial y eliminar el término xy rotando los ejes
el ángulo  . Expresar la ecuación en términos de sus ejes principales e identificar la sección
cónica.
E23.1] 3x 2 − 2 xy − 5 = 0 E23.8] x 2 + 4 xy + 4 y 2 − 6 = 0
E23.2] 4 x 2 + 4 xy + y 2 = 9 E23.9] − x 2 + 2 xy − y 2 = 0
E23.3] 4 x 2 + 4 xy − y 2 = 9 E23.10] 2 x 2 + xy + y 2 = 4
E23.4] xy = 1 E23.11] 3x 2 − 6 xy + 5 y 2 = 36
E23.5] xy = a, a  0 E23.12] x 2 − 3xy + 4 y 2 = 1
E23.6] 4 x 2 + 2 xy + 3 y 2 + 2 = 0 E23.13] 6 x 2 + 5 xy − 6 y 2 + 7 = 0
E23.7] xy = a, a  0
E24] Hallar la matriz simétrica tal que cada forma cuádrica puede ser escrita de modo que no
aparezcan términos cruzados ( xy, xz , yz )
E24.1] x 2 − 2 xy + y 2 − 2 xz − 2 yz + z 2 E24.3] 3x 2 + 4 xy + 2 y 2 + 4 xz + 4 z 2
E24.2] − x 2 + 4 xy − y 2 + 4 xz + 4 yz + z 2 E24.4] x 2 − 2 xy + 2 y 2 − 2 yz + z 2
E25] Hallar la matriz simétrica que escriba la cuádrica en la forma A  x  x
E25.1] x12 + 2 x1 x2 + x22 + 4 x1 x3 + 6 x2 x3 + 3x32 + 7 x1 x4 − 2 x2 x4 + x42
E25.2] x12 − x22 − x1 x3 − x2 x4 + x42
3x12 − 7 x1 x2 − 2 x22 + x1 x3 − x2 x3 + 3x32 − 2 x1 x4 + x2 x4 + −4 x3 x4 − 6 x42 +
E25.3]
+3x1 x5 − 5 x3 x5 + x4 x5 − x52
E26] Clasifique las formas cuadráticas en: definida positiva, semidefinida positiva, definida
negativa, semidefinida negativa o indefinida.
E26.1] 3x 2 + 2 y 2 E26.5] x 2 − 2 xy + 2 y 2
E26.2] −3x 2 − 3 y 2 E26.6] x 2 − 4 xy + 3 y 2
E26.3] 3x 2 − 2 y 2 E26.7] − x 2 + 4 xy − 3 y 2
E26.4] x 2 + 2 xy + 2 y 2 E26.8] − x 2 + 2 xy − 2 y 2
58
ÁLGEBRA III
E27] Determine en cada caso una matriz invertible C que transforme a cada matriz en su forma
canónica de Jordan
6 1  −10 −7 
E27.1]   E27.3]  
0 6  7 2
 −12 7   4 −1 
E27.2]   E27.4]  
 −7 2  1 2 
∎
59
ÁLGEBRA III
PROLEGOMENOS A LA TEORÍA DE NÚMEROS

DIVISIBILIDAD
Si a  b son números enteros, diremos entonces que a divide a b si y sólo si existe
un número entero c tal que b = a  c . Se nota esto a | b
ALGORITMO DE LA DIVISIÓN (EXISTENCIA Y UNICIDAD)

Considerando la siguiente sucesión, siendo a un número natural:
0, a, 2a,3a,...
Todos múltiplos no negativos de a , luego alguno de ellos será mayor que b , y siempre
se podrá elegir de modo que el anterior no supere a b (por el principio de buena ordenación de
los números naturales). Esto es, existe un entero no negativo q tal que
q  a  b  ( q + 1)  a
Podría representarse
Como dos múltiplos consecutivos difieren en a , es evidente que la diferencia b − q  a

es menor que a , designada r . En resumen, quedan determinados dos enteros q  r que
verifican:
b = qa + r
0ra
Se puede demostrar la unicidad suponiendo que existen dos pares q  r y q ' r ' que
satisfacen el algoritmo de la división, es decir
b = q  a + r b = q ' a + r '
y
0ra 0  r' a
Si fuera ahora q '  q entonces restando las igualdades
b = qa + r
b = q ' a + r '
0 = ( q − q ')  a + ( r '− r )
Mejor
( q '− q )  a = r '− r
Es decir que r '− r es positivo y múltiplo de a , pero r '− r  r  a , que obviamente no
es posible.
60
ÁLGEBRA III
Si se considera que q  q ' se alcanza la misma conclusión, por lo tanto han de ser
q ' = q , entonces se sigue inmediatamente, analizando ( q '− q )  a = r '− r , que r ' = r .
RESTOS
Se puede enunciar la siguiente proposición
Dos números enteros tienen el mismo resto al ser divididos por n si

y sólo si, su diferencia es múltiplo de n.
Sean los enteros x  y , donde el segundo difiere del primero en un múltiplo de n , es

decir x = k  n + y con k  , luego dividiendo y en n
y = q  n + r con 0  r  n
Sustituyendo
x = k  n + (q  n + r )  x = (k + q)  n + r
Que demuestra que los restos son iguales.
Puesto que la recíproca es también verdadera, pues siendo

y = qn + r
x = pn + r
Entonces
(q  n + r ) − ( p  n + r ) = (q − p)  n
Claramente x − y = ( q − p )  n que demuestra la vuelta.
MÁXIMO COMÚN DIVISOR

Si a  b son números naturales, el mayor de sus divisores positivos comunes se
denomina máximo común divisor y se nota ( a : b )
CÁLCULO DEL MÁXIMO COMÚN DIVISOR

El siguiente es un método efectivo de cálculo que no requiere del conocimiento de los
divisores de cada número.
Sean los números x  y naturales a los que se les quiere calcular el MCD, comenzando
por el par ( x, y ) se define por recurrencia una sucesión de pares de números enteros, en la que
cada término se obtiene del anterior mediante:
61
ÁLGEBRA III
( x, y ) → ( x − y, y ) si x  y
( x, y ) → ( x, y − x ) si yx
Puesto que la sucesión es decreciente, y los números naturales no pueden hacerlo

indefinidamente, el proceso terminará cuando, o bien el MCD sea evidente, o bien cuando uno
de los elementos se anule.
COPRIMALIDAD
Se denominan así a aquellos números a  b tales que ( a : b ) = 1 , eso se nota a ⊥ b .
TEOREMA 48
a b
Si ( a : b ) = d entonces  son coprimos.
d d
HIPÓTESIS
(a : b) = d
TESIS
a b
⊥
d d
DEMOSTRACIÓN
a b
Si se supone que ( a : b ) = d y se considera lo naturales . Si k es un divisor
d d
a b
positivo común cualquiera de ellos, de las igualdades a = d   b = d  se desprende que
d d
k  d es un divisor común, pero siendo k el mayor de ellos debe darse que k = 1 y por
a b
consiguiente  son coprimos.
d d
∎
PROPIEDAD
Sean a  b enteros con a  0 , y sea r el resto de dividir b por a , entonces
( a : b) = (a : r ) .
ALGORITMO DE EUCLIDES
La propiedad anterior permite reducir el método iterativo para calcular el MCD.
Siendo a  b enteros a los que se busca el MCD, considerando
b = a  q1 + r1 con 0  r1  a
62
ÁLGEBRA III
Si r1 = 0 como ( a : b ) = ( a : r1 ) = ( a : 0 ) entonces ( a : b ) = a
Si r1  0 y considerando ( a : b ) = ( a : r1 ) divido a en r1
a = r1  q2 + r2 con 0  r2  r1  a
Nuevamente, si r2 = 0 entonces ( a : b ) = r1
Si r2  0 entonces ( a : b ) = ( a : r1 ) = ( r1 : r2 ) , en cuyo caso habrá que dividir r1 en r2

y repetir el proceso de análisis del resto.
Puesto que la sucesión de restos de decreciente y no puede hacerlo infinitamente

resulta
El máximo común divisor es último resto no nulo
ECUACIONES DIOFÁNTICAS
Se denomina ecuación diofántica lineal a las de la forma
a  X + b Y = c
Donde a, b  c son enteros.
Vale recordar que, si a  b son cualquier número entero, entonces se denomina

combinación lineal de ellos a la estructura a  x + b  y .
TEOREMA 49
Si d = ( a : b ) entonces existen los enteros x  y tales que a  x + b  y = d
HIPÓTESIS
d = (a : b)
TESIS
Existen x  y tales que a  x + b  y = d
DEMOSTRACIÓN
Por el algoritmo de la división b = a  q1 + r1 luego se sabe que d = ( a : b ) = ( a : r1 ) ,
iterando una vez más, a = r1  q2 + r2 , entonces d = ( a : b ) = ( a : r1 ) = ( r1 ; r2 ) , si se considera
ahora que
a − r1  q2 = r2  b − a  q1 = r1
Entonces
a − ( r1  b − a  q1 )  q2 = r2
a  (1 + q1  q2 ) + b  ( −r1  q2 ) = r2
63
ÁLGEBRA III
Si r2 fuese el MCD (por el algoritmo de Euclides) ya habríamos probado la existencia de

x  y por la estructura de anillo de los enteros.
Si r2 no fuese el MDC, puede volver a dividirse, r1 por r2 , en este caso y sustituir, es

claro que el proceso iterativo indefectiblemente se encontrará con el valor de d , es suficiente
para demostrar el teorema.
Dos corolarios importantes del teorema anterior enuncian
• Si d = ( a : b ) entonces d es la menor combinación lineal positiva

de a  b .
• Dos enteros a  b son coprimos si y sólo si 1 es combinación lineal
de ellos.
Las siguientes propiedades son demostrables con poco esfuerzo
• Si a  b son coprimos entonces a m  b n también lo son.

• a m | b m si y sólo si a | b
• Si a  b son enteros coprimos tales que a | b  c entonces a | c
CRITERIO DE RESOLUBILIDAD DE LA ECUACIÓN DIOFÁNTICA LINEAL

Dados dos números enteros a  b la ecuación a  X + b  Y = c admite soluciones
enteras si y sólo si el máximo común divisor de a  b divide a c .
Sea d = ( a : b ) y supóngase que c = d  k , por el algoritmo de Euclides se puede

expresar a d como combinación lineal de a  b
d = a u + bv
Multiplicando por k
k d = au k + bvk  c = a  x + b y
Y se obtienen las soluciones
x = uk  y = vk
Dada ahora una solución particular, resta estudiar si existen otras y cómo determinarlas.
Se puede asumir, sin perder generalidad que a ⊥ b pues si no lo fuesen las ecuaciones
a b c
a x +b y = c  x+ y =
d d d
Son equivalentes.
Considérese ahora la solución particular ( x0 , y0 ) entonces valen las igualdades
64
ÁLGEBRA III
a x +b y = c
a  x0 + b  y0 = c
Restando las ecuaciones
a  ( x − x0 ) + b  ( y − y0 ) = 0
a  ( x − x0 ) = b  ( y0 − y )
Luego a | b  ( y0 − y ) , siendo a ⊥ b entonces a | ( y0 − y ) , es decir y − y0 = a  k

con k  . De forma análoga se arriba a x − x0 = b  k ' con k '  . Sustituyendo
a  ( x − x0 ) = b  ( y0 − y )
a bk = ba k '
De donde se sigue que k = k ' por ser a  b  0 .
En resumen
x = x0 + b  k
y = y0 − a  k
Recíprocamente, para cualquier entero k el par
( x0 + b  k , y0 − a  k )
resuelve la ecuación.
Se obtienen entonces infinitas soluciones enteras con k como parámetro
NÚMEROS PRIMOS Y FACTORIZACIÓN

Un número natural p mayor a 1 , se dice primo si solo se factoriza de manera trivial.
Extendiendo la definición, un entero − p se dice primo si y sólo si p lo es.
Por contraste, si un entero no es primo entonces es compuesto.
PROPIEDADES
• Si p es primo y a es entero entonces p | a  ( p : a ) = 1
• Si p es primo y p | a  b entonces p | a  p | b
TEOREMA FUNDAMENTAL DE LA ARITMÉTICA

Todo entero c  1 se factoriza unívocamente en la forma c = p1n1  p2n 2  ...  prnr , donde
p1 , p2 ,..., pr son divisores primos de c y n1, n2,..., nr son exponentes naturales.
65
ÁLGEBRA III

E1] Demuestre que si a | b  b | c  a | c
E2] Demuestre que si a | b  a | c  a | b + c
E3] Demuestre que si a | b + c  a | b  a | c
E4] Un número natural n excede en 35 a un cierto múltiplo de 24 ¿Cuál es el resto de
dividirlo por 8 ?
E5] Supóngase que n es un número impar y no divisible por 3 ¿Cuál es el resto de dividir a n 2
por 24 ?
E6] Si al dividir por 12 a catorce números enteros consecutivos se obtienen tres cocientes
diferentes ¿Cuáles son los restos de dividir por 12 al menor y al mayor de dichos números?
E7] Si la suma de cien números de tres cifras es un múltiplo de 100. Entonces existe por lo
menos un par de ellos cuyas últimas dos cifras coinciden. ¿Es correcto?
E8] Considerando el número x = 321527 + 322527 + 323527 + ... + 329527 ¿cuál es el
resto de dividirlo por 9 ?
E9] El producto de dos números naturales m  n aumenta en 132 si cada uno de ellos
aumenta en 6 . Determine todos los posibles valores de m  n , sabiendo que el segundo
es múltiplo del primero.
E10] ¿Cuántos números de cuatro cifras son divisibles por 13 ?
E11] En cada caso indicar si la afirmación es verdadera o falsa. Justificar
E11.1] a | b + c  a | b  a | c E11.5] a | b  c | d  a  c | b  d
E11.2] a | b  a  c | b  c E11.6] a | b  a | b
n n
E11.3] a | b  c  a | b  a | c
E11.4] a | b  c | b  a  c | b
E12] Determinar los números naturales que satisfacen:
E12.1] n | n + 1 E12.3] n − 3 | n + 1
2
E12.2] n − 2 | n + 2
E13] Demuestre las siguientes propiedades:
E13.1] La suma de dos números impares consecutivos es múltiplo de 4 .
E13.2] La suma de tres números impares consecutivos es divisible por 3 pero no por 6 .
E13.3] El producto de dos números pares consecutivos es divisible por 8 .
E14] Las edades de tres personas son números consecutivos. Si se dividen dichos números por
9 , dos de ellos tienen cociente 6 y el restante 7 ¿qué edades tienen?
E15] Halle n sabiendo que el cociente de dividirlo por 29 es 5 y que el resto de dividir n + 10
por 29 es 3 .
E16] Sea a un número de la forma 60k − 27 . Determine el cociente y el resto de dividirlo por
3, 4,5,10  15 .
E17] En cada caso determine el mayor número natural n que satisfaga la condición dada:
E17.1] El cociente de dividir n por 15 es el doble de su resto.
E17.2] El resto de dividir n por 18 es el doble de su cociente.
E18] Hallar el mayor número natural con la propiedad de tener el mismo cociente al ser dividido
por 120  144 .
E19] Analizar la validez de las siguientes afirmaciones, considerando que n 
E19.1] La suma de n números consecutivos es múltiplo de n .
66
ÁLGEBRA III
E19.2] El producto de n números consecutivos es múltiplo de n .

E19.3] El producto de los divisores positios de n es potencia de n .
E20] Sabiendo que el resto de la división de un número entero a por 7 es 5 , calcule el resto
de la división por 7 de los siguientes números
E20.1] a + 86 E20.4] a 2 + 3a − 1
E20.2] 99 − a E20.5] 7  a30 + 1
E20.3] −a E20.6] 14  a
E21] ¿Cuáles son los posibles restos de dividir un cuadrado por 4 ? ¿Y por 8 ?
E22] Suponiendo que el resto de dividir un número natural n por 8 es 7 . Pruebe que n no
puede ser suma de tres cuadrados.
100
E23] Calcular el resto de dividir 2
i= 0
i
por 7 ¿El cociente es par o impar?
E24] Sean a, b  c enteros tales que a 2 + b2 + c 2 = 35218657 . Demuestre que alguno de los
tres es múltiplo de 3 .
E25] El máximo común divisor de 84 y un cierto número natural n es 14 ¿Cuál puede ser el
resto de dividir n en 84?
E26] Desplazando un punto en el plano de coordenadas enteras, o bien horizontalmente,
desplazando la abscisa tres lugares hacia la derecha, o bien en sentido vertical, desplazando
la ordenada cuatro lugares hacia arriba. Partiendo del origen ¿De cuantas maneras
podemos alcanzar algún punto situado en la recta de ecuación x + y = 35 ?
E27] ¿Qué rectángulos de longitud entera tienen por área el doble de su perímetro?
E28] ¿Cuántos números naturales menores que 10.000 son múltiplos de 7 y tienen a 26 por
últimas cifras?
E29] En los siguientes casos hallar d = ( a : b ) y una combinación lineal a  x + b  y = d donde
el valor absoluto de a  b sea mínimo.
E29.1] a = 210  b = 567 E29.5] a = 28  b = 756
E29.2] a = 480  b = −176 E29.6] a = 318 + 1  b = 318 − 1
E29.3] a = 13  36  b = 15  22
E29.4] a = −26  b = 0
E30] Siendo a  determine los posibles valores de:
E30.1] ( a : a + 1) E30.2] ( a − 1: a + 1) E30.3] ( 4a : 2a + 3 )
E31] Demuestre
E31.1] (k  a : k  b) = k  (a : b)
 a b  ( a : b)
E31.2]  : = , suponiendo que k | a  k | b
k k k
E31.3] Si a ⊥ b entonces ( a : b  c ) = ( a : c )
E32] Siendo 14 = ( a : b ) , calcular los posibles valores de:
E32.1] ( a : a + b) E32.2] (5  a : 5  b) E32.3] ( 7  a :14  b )
( )
E33] Demostrar que a 3 + 3 : a 2 − 2 = 1 para todo a entero.
E34] Calcular  ( k :15)
−50 k 50
67
ÁLGEBRA III
E35] Considerando la sucesión de Fibonacci 0,1,1, 2,3, 4,8.13,... demuestre que dos números
consecutivos cualesquiera de la misma son coprimos.
E36] La suma de dos números naturales m  n donde m  n es 300 y además ( m : n ) = 25 .
Hallar los posibles valores de m  n . Resolver el mismo problema si el máximo común
divisor es 6 y el producto es 648 .
E37] Pruebe que existen infinitos pares ( x, y ) enteros tales que x + y = 100 y ( m : n ) = 5 .
E38] Calcular el máximo común divisor entre 222.222.222.222  22.222.222 .
E39] Siendo a  b naturales ¿cuántos puntos de coordenadas enteras hay en el segmento que
une a los puntos ( o, b )  ( a, 0 ) .
E40] Resolver:
E40.1] 30  x + 36  y = 24 E40.3] 41  x − 19  y = 8
E40.2] 30  x + 36  y = 4
E41] ¿De cuántas maneras puede descomponerse 834 como suma de dos números pares
positivos, uno múltiplo de 15 y el otro de 21 ?
E42] Para adquirir ejemplares de dos libros, cuyos respectivos precios son $12  $17,50 , una
escuela dispone de $1680 ¿De cuántas maneras puede hacerse la operación, si debe
comprarse por lo menos un ejemplar de cada libro y debe gastarse todo el dinero?
E43] Dado un número natural n , se sabe que en la recta de ecuación 9  x + 14  y = n hay
exactamente un punto de coordenadas enteras y positivas ¿Cuál es el mayor valor posible
de n ?
68
ÁLGEBRA III
TEORÍA DE NÚMEROS
CONGRUENCIAS
DEFINICIÓN:
Sea m un número natural y sean a  b números enteros. Diremos entonces que a es
congruente con b módulo m si y sólo s a − b es múltiplo de m .
Se nota esto:
a  b (m)
Esta definición es equivalente a decir que existe un k entero tal que a = b + k  m .

Resulta entonces que todo entero es congruente módulo m , con su resto de dividirlo por m .
Vale destacar esto último:
a  rm ( a )( m )
De lo último se desprende que puede expresarse la relación de divisibilidad mediante la

congruencia, es decir:
Un entero a es múltiplo de m si y sólo si a  0 ( m )
Las siguientes afirmaciones son equivalentes:
a  b (m)
•
• a = b + k  m con k 
• rm ( a ) = rm ( b )
RELACIÓN DE EQUIVALENCIA
La relación de congruencia es una relación de equivalencia, es decir, verifica los
siguientes axiomas:
Reflexividad: a  a ( m)
Simetría: si a  b ( m )  b  a ( m )
Transitividad: si a  b ( m )  b  c ( m )  a  c ( m )
Como es sabido, toda relación de equivalencia sobre un conjunto establece una

partición disjunta del mismo en subconjuntos llamados clases de equivalencia.
CLASES DE CONGRUENCIA
En el caso de la relación de congruencia módulo m en , se identifica a cada entero
con todos aquellos que sean congruentes módulo m con él, mejor, clasificamos al conjunto
según los restos de su división por m .
69
ÁLGEBRA III
Se define entonces a la clase de congruencia a :
a = x  : x  a ( m )
Habiendo aclarado que la relación es reflexiva cada entero pertenece a su propia clase,
además, por las relaciones de simetría y transitividad es evidente que si dos clases de
congruencia módulo m son iguales o disjuntas, consecuentemente: cada entero m determina
una partición de como unión disjunta de clases de congruencia módulo m .
Evidentemente hay m clases distintas, ya que hay m restos posibles, para describirlas
se elige un elemento denominado marca de la clase, lo más natural es elegir a los restos como
representantes, así:
= 0 1  2  ...  m − 1
En detalle, cada entero pertenece a una y solo una de cada clase de congruencia:
0 = x  : x  0 ( m )
1 = x  : x  1( m )
2 = x  : x  2 ( m )
m − 1 = x  : x  m − 1( m )
TEOREMA 50
Sean a  b enteros tales que a  b ( m ) y sea n un divisor de n , entonces a  b ( n )
HIPÓTESIS
a b / a  b ( m ) y además n | m
TESIS
a  b (n)
DEMOSTRACIÓN
Puesto que a  b ( m ) y suponiendo que ambos pertenecen a la clase r esto implica
que
a = r + k1  m
b = r + k2  m
Por lo tanto
a − b = ( k1 − k2 )  m  a − b  0 ( m )
Es decir que a − b es múltiplo de m , puesto que a su vez n | m se afirma que existe

t / m = nt
70
ÁLGEBRA III
Por último, sustituyendo
a − b = ( k1 − k2 )  t  n  a − b = ( k1 − k2 )  t   n  a − b  0 ( n )
Mejor
a  b (n)
Corresponde lógicamente estudiar ahora que ocurre con las clases de congruencia
cuando n | m , esto se verá en el próximo teorema.
TEOREMA 51
Si n | m entonces toda clase de congruencia módulo n es la unión de t clases de
congruencia módulo m
HIPÓTESIS
n | m  m = t  n y sean las clases de congruencia a  a definidas como:
a = x  : x  a ( m )  x = a + k  m
a = x  : x  a ( n )  x = a + k  n
TESIS
a = a  a + n  a + 2n   a + ( n − 1) n
DEMOSTRACIÓN
Se demostrará que la clase de congruencia módulo n está contenida dentro de la clase
de congruencia módulo m .
Sean entonces:
a = x  : x  a ( m )  x = a + k  m
a = x  : x  a ( n )  x = a + k  n
Quiero probar entonces que a  a
Puesto que n | m se afirma que existe t  / m = nt
Sea ahora el elemento genérico x  a , es decir
x = a + k n
Dividiendo ahora k en t resulta
k = q  t + r con 0  r  t
Sustituyendo esto
71
ÁLGEBRA III
x = a + (q  t + r )  n
x = a + q nt + r n
x = a + qm+ r n
Aplicando congruencias
a  a (m)  q  m  0 (m)
Luego
x  a + r  n (m)
Esto demuestra que a  a , y por lo tanto todo elemento de a es congruente módulo

m con alguno de los t números enteros a + r  n con 0  r  t , además estos no son
congruentes entre sí, pues la diferencia entre dos distintos de ellos es, en valor absoluto, menor
que m . Por lo tanto, toda clase de congruencia módulo n es unión de t clases de congruencia
módulo m , mejor:
a = a  a + n  a + 2n   a + ( n − 1) n
Un ejemplo claro de esto sería considerar las clases de congruencia en los módulos
18  6 , así un número que sea congruente módulo 6 con 3 , lo será en clase 3 , 9 ó 15 en
módulo 18 .
TEOREMAS VARIOS
• Si a  b ( m )  c  d ( m )  a  c  b  d ( m )
• Si a  b ( m )  c  d ( m )  a  c  b  d ( m )
• Si a  b ( m )  n   a n  bn ( m )
a b
• Si a  b ( m ) y d es un divisor común de a  b entonces  ( m)
d d
ESTRUCTURA ALGEBRAICA DEL CONJUNTO DE CLASES

Si designamos m al conjunto de las clases de congruencia módulo m podemos definir
la suma de clases y el producto mediante las reglas:
a+b = a+b
a b = a b
Es demostrable sin mucho esfuerzo que ( m ; + ) forma estructura de grupo abeliano

para todo m siendo 0 el neutro y para cada a se cumple que −a = m − a .
72
ÁLGEBRA III
No es tan sencillo para ( m ; ) , donde 1 es neutro, pero la existencia del elemento

inverso depende de m . Esto nos lleva al siguiente teorema.
TEOREMA 52
Para m se cumple que a es inversible módulo m si y sólo si ( a : m ) = 1
HIPÓTESIS (IDA)
Sea ( m ; + ) un grupo abeliano donde a es inversible módulo m
TESIS (IDA)
( a : m) = 1
DEMOSTRACIÓN (IDA)
Como a es inversible entonces existe una clase b tal que a  b = 1 , por definición de la
operación tenemos
a b = a b  a b =1
Esto equivale a decir
a  b  1( m )
Por lo tanto debe existir un entero x tal que
1 = a b + m x
Esto prueba que a  m son coprimos, que es la tesis.
HIPÓTESIS (VUELTA)
Sea ( m ; + ) un grupo abeliano donde ( a : m ) = 1
TESIS (VUELTA)
a es inversible módulo m
Puesto que ( a : m ) = 1 podemos afirmar que existen x  b  que verifican
1 = a b + m x
Luego
a  b  1( m )
que implica
a b =1 a b =1
que es la tesis.
73
ÁLGEBRA III
Para ejemplificar esto podemos decir que las clases inversibles módulo 10 son: 1 , 2 , 3
,7 y 9.
Un corolario importante de esto es que las clases de congruencia módulo p , donde p

es un número primero, posee todas sus clases invertibles, por lo tanto la terna ( p ; +;  )
conforma estructura de cuerpo. Mientras que en las clases generales en módulo m , un natural
cualquiera, la terna ( m ; +; ) forma estructura de anillo.
TEOREMA 53 (TEOREMA DE WILSON)

Un número natural p es primo si y sólo si p | ( p − 1)!+ 1
HIPÓTESIS (IDA)
Sea p  / p es primo
TESIS (IDA)
p | ( p − 1)!+ 1
DEMOSTRACIÓN (IDA)
Considerando las clases p y luego la clase de pertenencia de la productoria de todas
ellas (excluyendo por obvios motivos a 0 ), es decir ( p − 1) !
Esto es
1 2  3 p − 3  p − 2  p −1
Como p es primo todas las clases son inversibles, luego cada una de ellas se cancela con
su inversa, excepto aquellas clases a que son su propia inversa, considerando estos productos
a  a = 1  a  1( p )
2
Por lo tanto a − 1  0 ( p ) , mejor

2
( 2
)
p | a −1  p | a +1  a −1 ( )( )
Siendo p primo, y considerando la definición de primalidad
( )
p | a +1  p | a −1 ( )
Traduciendo a congruencias resulta
a  1( p )  a  −1( p )
Mejor
a = 1  a = −1
74
ÁLGEBRA III
Luego a es su propia clase inversa si y sólo si es 1 (cosa que no afectaría al producto

por ser elemento neutro), ó a = −1 = p − 1 .
La conclusión evidente es que ( p − 1) ! = −1 , mejor
( p − 1)!+ 1 = 0
p | ( p − 1)!+ 1
Que es la tesis
Es claro que la demostración anterior todos los pasos se siguen mediante igualdades no
contingentes, por lo tanto, queda también demostrada así la vuelta. Se puede no obstante
realizar la siguiente observación
Si ( p − 1) !  −1( p )
Entonces de esta congruencia se sigue que ningún n / 1  n  p − 1 divide a p , luego

p es primo.
En general diremos que, dado un primo p y un entero a no divisible por el primero, es

un residuo cuadrático módulo p si y sólo si existe un entero x tal que x 2  a ( p )
Es importante destacar que la congruencia y la igualdad tienen mucho puntos en común,

pero no son equivalentes, por ejemplo, no siempre es posible simplificar factores en una
ecuación de congruencia.
PROPIEDAD
Siendo a  x  a  y ( m ) si a ⊥ m entonces x  y ( m )
Un corolario importante a esta propiedad es que 0; a; 2a;...; ( m − 1)  a es un sistema

completo de restos módulo m si a es inversible en dicho módulo, ya que estos m números no
son congruentes entre sí. En términos estructurales esto determina que la multiplicación por a
determina una permutación de las clases de congruencia módulo m .
En general se puede decir que  x1 ; x2 ;...; xn  es un sistema reducido de restos módulo

m si sólo si para cada entero c coprimo con m existe un único índice i entre 1 y n tal que
c  xi ( m ) . Esto equivale a decir que los xi representan a todas las clases inversibles módulo
*
m . Se nota entonces m al conjunto de las clases inversibles módulo m .
75
ÁLGEBRA III
Si a es inversible módulo m , la multiplicación por a determina una permutación de

los restos de dividir por m . Puesto que el producto de dos números es coprimo con m solo si
ambos factores lo son, se sigue inmediatamente que multiplicando cada elemento de un sistema
reducido por a se obtiene otro sistema reducido módulo m . Equivalente a esto es decir que la
*
multiplicación por a permuta a los elementos de m .
ECUACIONES LINEALES DE CONGRUENCIA

Denominamos de este modo a aquellas de la forma
a  X  b ( m)
Aunque es evidente vale aclarar que si un entero x satisface la ecuación lineal de

congruencia entonces cualquier entero congruente módulo m con x también será solución.
Por esto es dable interpretar que la solución será entonces una clase de congruencia.
Un método viable de solución, considerando que los restos son finitos, es resolver la
ecuación por exhaución, esto claramente no es práctico para valores grandes de m .
Siendo x solución a a  x  b ( m ) entonces debe existir un entero y donde

a  x − m  y = b , que es una ecuación diofántica, por lo tanto:
La ecuación a  x  b ( m ) es resoluble si y sólo si el máximo

común divisor entre a  m divide a b .
Establecida la condición de resolubilidad, y usando el algoritmo de Euclides que permite

hallar la solución (si existe), resta estudiar el número de clases de soluciones.
Supongase entonces que x0 es una solución y que x es otra cualquiera. Notando

a m
= a ' = m ' donde ( a, m ) = d
d d
a  x  b  a  x0 ( m )  a ' x  a ' x0 ( m ')  x  x0 ( m ')
Podemos cancelar a ' por ser coprimo con m ' , se sigue que la solución es única en
módulo m ' , esto es, los enteros que resuelven la ecuación son todos de la forma
m
x0 + k  con k 
d
Pero el objetivo es hallar las soluciones módulo m , recordando que la clase de x0
módulo m ' se parte en d clases distintas módulo m , a saber, las clases
m m m
x0 ; x0 + ; x0 + 2 ;...; x0 + ( d − 1)
d d d
Por lo tanto, la ecuación tiene, a lo sumo, d soluciones módulo m . Pero cualquier
número anterior resuelve la ecuación ya que:
76
ÁLGEBRA III
 m a a
a   x0 + j  = a  x0 +  j  m  b +  j  m  b ( m )
 d d d
a
Considerando que  .
d
Por último a  X  b ( m ) tiene exactamente d soluciones en m , que son:
m m m
x0 ; x0 + ; x0 + 2 ;...; x0 + ( d − 1)
d d d
∎
Una observación interesante es que consecuencia de esto, dos números

a  m son coprimos entre sí, sólo si la ecuación a  X  b ( m ) admite una solución
única en módulo m , para cualquier entero b .
77
ÁLGEBRA III

E1] Demuestre que la sucesión de Fibonacci contiene infinitos múltiplos de m , para todo m
natural.
E2] El dueño de una librería ha encargado una partida de seis docenas de bolígrafos y no
recuerda el precio de cada unidad. Al consultar la factura, observa que el primer y el último
dígito del precio total son legibles y que sólo se lee ?0.6? , de lo que deduce que dicha
suma es menor que 100 pesos ¿Cuál es el precio de cada bolígrafo?
E3] Una empresa de trasporte numera sus pasajes con cinco dígitos, entre 00000  99999
¿Cuántos son capicúas y múltiplos de 11 ?
7
E4] ¿Cuál es la última cifra de 7 7 ?
E5] Demuestre:
E5.1] Si a  b ( m )  c  d ( m )  a  c  b  d ( m )
E5.2] Si a  b ( m )  c  d ( m )  a  c  b  d ( m )
E5.3] Si a  b ( m )  n   a n  bn ( m )
a b
E5.4] Si a  b ( m ) y d es un divisor común de a  b entonces  ( m)
d d
E6] En un espectáculo en el que se cobraba 7,50 la entrada a los mayores y 4,50 a los
menores se recaudaron $1890 ¿Cuál fue la distribución del público, sabiendo que
asistieron más personas mayores que menores y que el número total de asistencias fue un
múltiplo de 100 ?
E7] Sea n un número natural tal que n  4 ( 8 ) . Determine cuántos números enteros a
n −1 n +1
satisfacen las desigualdades: a
4 2
E8] Cuarenta tarjetas numeradas del 1 al 40 se encuentran ubicadas correlativamente en una
pila (la tarjeta 1 al tope y la 40 al fondo). Se las mezcla de la siguiente forma: la 21 al tope,
luego la 1 , luego la 22 , luego la 2 , etc. Quedando en las últimas dos posiciones las tarjetas
40 y 20 (en ese orden). Si se repite 10 veces esta operación de mezclado ¿qué lugar
ocupa al final la tarjeta 9 ?
E9] Sea n primo. Demuestre que x  y ( n ) si y sólo si x  y ( n )  x  − y ( n ) ¿Vale si n
2 2
no es primo?
E10] Sea p primo y sean a  b enteros. Pruebe que ( a + b )  a p + b p ( p )
p
E11] ¿Qué día de la semana fue el 25 de mayo de 1810? (Investigar congruencia de Zeller)
78

Álgebra III (2019)

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Álgebra III (2019)

Cargado por

Copyright:

Formatos disponibles

Versión 3

A1] Si x  V  y  V  x + y  V Ley de composición interna

A3] 0 V / x V : x + 0 = 0 + x = x Ley de elemento neutro

Se denominan subespacios vectoriales triviales de V al aquellos formados por los

Sean entonces x  H  0  , por ser cerrado para el producto por un escalar

Puesto que ( −1)  si x  H luego ( −1)  x  H  − x  H .

Por todo lo anterior queda demostrada la tesis.

Como H es subespacio vectorial verifica que ( x + y)  H , de igual manera

Sean ahora x  S    K entonces, nuevamente x  H  x  G y por ser H  G

COMBINACIÓN LINEAL Y ESPACIO GENERADO

Donde 1 ,  2 ,  3 ,...,  n son escalares se denomina combinación lineal de

x + y = (1 + 1 )  v1 + ( 2 + 2 )  v2 + (3 + 3 )  v3 + ... + ( n +  n )  vn

Como cada suma  i + i es un escalar entonces x + y es combinación lineal de

Sean ahora x  S y un escalar  , es decir:

Como cada pruducto    i es un escalar entonces   x es combinación lineal de

Entonces S verificas ambas leyes de cierre, que es la tesis.

DEPENDENCIA E INDEPENDENCIA LINEAL

Donde necesariamente   0 , esto demuestra que el sistema admite una solución no

 a11   a12   a13   a1m 

 a11 a12 a13 a1m   1   0 

Luego la matriz de coeficientes no es cuadrada, pues por hipótesis m  n , es decir que

 a11 a12 a1n 

Las columnas consideradas como vectores son linealmente dependientes si y sólo si el

El teorema 7 es caso particular de matriz de n  n del teorema 6 , por lo tanto, su

El teorema 8 es una aplicación directa del Teorema de Rouché-Fröbenius al planteo del

 a11   a12   a1n   x1 

Quiero probar que existen los escalares 1 ,  2 ,...,  n tales que

 a11   a12   a1n   x1 

 a11 a12 a1n   1   x1 

Como la matriz de coeficientes tiene columnas linealmente dependientes entonces su

DIMENSIÓN DE UN ESPACIO VECTORIAL

escalares 1 ,  2 ,  3 ,...,  n  tales que x = 1  v1 +  2  v2 +  3  v3 + ... +  n  vn

Luego restando ambas ecuaciones

0 = (1 − 1 )  v1 + ( 2 − 2 )  v2 + (3 − 3 )  v3 + ... + ( n −  n )  vn

De esto se concluye que  i − i = 0 para todo i , que implica la tesis.

Por ello la dimensión de V debe necesariamente ser el menor entre m  n , si fuese n

De igual manera n no puede ser mayor que m . Esto implica la tesis.

Ha de admitir una solución no trivial, luego puedo expresar

ESPACIO NULO Y NULIDAD

Mientras que se denomina nulidad a la dimensión de N A notada  ( A )

IMAGEN DE UNA MATRIZ

RANGO DE UNA MATRIZ

ESPACIOS DE LAS FILAS Y LAS COLUMNAS DE UNA MATRIZ

RA = r1 , r2 ,..., rm espacio de las filas

C A = c1 , c2 ,..., c n espacio de las columnas

Sea y  Im ( A ) , es decir, existe x tal que A  x = y , pero es evidente que A  x es

Por ambos puntos se demuestra la tesis.

Dim ( RA ) = Dim ( C A ) = Dim  Im ( A )  =  ( A )

 a11 a12 a1n 

Donde aij la componente ij de A y siendo r1 , r2 ,..., rm las filas de la matriz con

r1 = b11  s1 + b12  s2 + ... + b1k  sk

rm = bm1  s1 + bm 2  s2 + ... + bmk  sk

Considerando que la componente j de ri es aij , entonces si consideramos de cada

a1 j = b11  s1 j + b12  s2 j + ... + b1k  skj

amj = bm1  s1 j + bm 2  s2 j + ... + bmk  skj

 a1 j   b11   b12   b1k 

Se denomina matriz de cambio de base de B1 a B2 a aquella que verifica:

Y puede definirse como

 a11 a12 a13 a1n 

 a11   a12   a13   a1n 

Donde por definición de matriz de cambio de base

xB 3 = M BB32  ( M BB21  xB1 )

M BB32  M BB21 = M BB31

MATRIZ DE CAMBIO DE BASE IMPLICANDO LA BASE CANÓNICA