Documente Academic
Documente Profesional
Documente Cultură
I Álgebra Superior I
1 Lógica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1 Proposiciones y variables lógicas 9
1.2 Conectores lógicos 11
1.3 Cuantificadores 20
1.4 Razonamientos lógicos 23
1.4.1 Un ejemplo sobre los números naturales . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2 La demostración en Matemáticas . . . . . . . . . . . . . . . . . . . . . . 33
3 Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.1 Conjuntos 44
4 Relaciones y Funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.1 Relaciones 53
4.2 Funciones 59
5 Cardinalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.1 Cardinalidad de conjuntos 71
5.2 Conjuntos contables y no contables 73
5.3 Conjuntos finitos 76
6 Combinatoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
6.1 Técnicas de conteo 81
6.2 El teorema del binomio 84
II Álgebra Superior II
7 Polinomios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
7.1 El anillo de polinomios K[X]: Generalidades 89
7.2 Divisibilidad, Algoritmo de la división y m.c.d. en K[X] 91
7.3 El Teorema fundamental de la Aritmética para polinomios 97
7.4 Evaluación y raíces 97
7.5 Multiplicidad de las raíces 99
7.6 Polinomios en C[X] 101
7.7 Polinomios en R[X] 102
7.8 Polinomios en Q[X] 104
7.9 PROBLEMAS 108
8 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
8.1 Definición formal 113
8.2 Operaciones con matrices 113
8.3 Multiplicación de matrices por vectores 117
8.4 (Opcional) Matrices Elementales 119
8.5 Matriz escalonada y matriz escalonada reducida 122
8.6 Métodos de Gauss y de Gauss-Jordán 122
8.7 La inversa de una matriz 124
8.8 El rango de una matriz 128
8.9 Ejercicios 129
9 Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
9.1 Cálculo de determinantes de matrices de 2 × 2 137
9.2 Cálculo de determinantes de matrices de 3 × 3 139
9.3 Cálculo de determinantes de matrices de n × n 141
9.4 Matrices invertibles y determinantes 144
9.5 Ejercicios 148
1 Lógica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1 Proposiciones y variables lógicas
1.2 Conectores lógicos
1.3 Cuantificadores
1.4 Razonamientos lógicos
2 La demostración en Matemáticas
33
3 Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.1 Conjuntos
4 Relaciones y Funciones . . . . . . . . . 53
4.1 Relaciones
4.2 Funciones
5 Cardinalidad . . . . . . . . . . . . . . . . . . . . . 71
5.1 Cardinalidad de conjuntos
5.2 Conjuntos contables y no contables
5.3 Conjuntos finitos
6 Combinatoria . . . . . . . . . . . . . . . . . . . . 81
6.1 Técnicas de conteo
6.2 El teorema del binomio
1. Lógica
es una proposición; sin embargo, el enunciado “los números enteros son interesantes” no
lo es.
esta es una frase rara puesto que habla de sí misma, no es una proposición ya que no se
puede decidir si es falsa o verdadera. (Piense en lo siguiente: cuando uno declara la frase
como falsa, inmediatamente algo nos dice que resulta verdadera. Pero en el momento en
que la juzgamos por verdadera, se vuelve falsa.)
10 Capítulo 1. Lógica
Sin embargo, una vez aclarada la diferencia entre proposiciones y variables lógicas, y
puesto que una variable lógica representa una proposición cualquiera, emplearemos los
1.2 Conectores lógicos 11
Si en una expresión aparecen las variables p y q, ambas pueden tomar los valores 0 y
1, y tenemos un total de cuatro combinaciones posibles de los valores de p y q. Si tenemos
tres variables, hay ocho posibilidades. Una tabla de verdad, es una representación en filas
y columnas de los valores de algunas variables lógicas. Cada columna representa una
variable, y cada fila una posible combinación de los valores de las mismas. La siguiente
tabla muestra todas las posibles combinaciones de los valores 1 y 0 de tres variables.
p q r
1 1 1
1 1 0
1 0 1
1 0 0
0 1 1
0 1 0
0 0 1
0 0 0
Como ya se ha dicho, una variable lógica puede, en principio, tomar los valores 0 o 1.
Sin embargo, es posible que una variable dependa de otras, cuyo valor queda condicionado
por éstas, tome siempre el valor 1 (verdadero) para cualquier situación de las variables de
las que depende. O bien, otra variable que tome siempre el valor 0 (falso). Las variables
con este comportamiento reciben un nombre.
Definición 1.1.3 — Taulotología. Se llama tautología a la variable lógica, dependiente
de otras, la cual toma el valor 1 independientemente del valor de las variables de las
que depende.
proposición de las proposiciones con que se construye. Hacemos esta descripción mediante
tablas de verdad en las que aparecen todas las combinaciones posibles de valores que
toman las variables independientes.
Negación
Empezamos por la negación de una proposición, que es otra proposición con valor
opuesto a la primera. Si la primera es cierta, su negación es falsa y viceversa.
Ejemplo 1.3 La negación de la proposición “−5 es un número entero” es la proposición
Conjunción
La conjunción es un conector binario que funciona como el “y” del español. La
conjunción de dos proposiciones, entonces, es una proposición que es cierta si ambas son
ciertas, y es falsa si alguna de ellas lo es.
Ejemplo 1.4 “3 es menor que 5 y 5 menor que 7” es una proposición cierta, porque las
dos proposiciones que la componen son ciertas, pero “3 es menor que 5 y 8 es menor que 4”
es falsa porque una de ellas es falsa. También es falsa “5 menor que 3 y 8 menor que 4”.
Disyunción
La disyunción es el conector que opera de forma parecida a la conjunción disyuntiva
“o” del español. La disyunción de dos proposiciones es otra proposición que es cierta si
alguna de las dos originales es cierta. Es decir, basta que una de ellas sea cierta para que la
disyunción lo sea.
Ejemplo 1.5 “3 es menor que 5 o 9 es menor que 7” es cierta ya que una de las dos
afirmaciones es cierta.
1.2 Conectores lógicos 13
Implicación
El siguiente conector que introducimos es la implicación, que tiene gran importancia
en la lógica pues es la base del razonamiento deductivo. Requiere un poco de atención para
entender bien su definición formal que, al principio, no parece responder a la intuición.
Cuando decimos que una proposición implica otra queremos expresar el hecho de que si la
primera es cierta, entonces la segunda debe ser cierta también.
Ejemplo 1.6 “Si 2 < 3, entonces 10 < 15” es una implicación.
Ejercicio 1.3 Para cada una de las siguientes implicaciones, construir su inversa, recí-
proca y contrapositiva y dar el√valor de verdad cada una de ellas.
Si −2 < −1 entonces − 5 < 1.
Si 45 es complejo entonces π es entero.
Si i es entero entonces 4 es complejo.
Si −1 es natural entonces 32 es es entero.
Doble implicación
El último conector que introducimos es el de doble implicación o bicondicional.
Como su nombre indica, si dos proposiciones están relacionadas con el conector doble
implicación, significa que una implica la otra y la otra la una. Entonces, si una de ellas es
cierta, la otra debe serlo también, que es lo mismo que decir que si una es falsa la otra
también.
Definición 1.2.6 — Doble implicación. La doble implicación de dos proposiciones
p, q, denotada p ↔ q, es la proposición que solo es verdadera si ambas coinciden en su
valor. La definición mediante una tabla consiste ahora en ilustrar, para cada valor que
pueden tomar las proposiciones p y q, el valor que resulta en la proposición p ↔ q.
p q p↔q
1 1 1
1 0 0
0 1 0
0 0 1
lógicas equivalentes. La idea es que dos variables son equivalentes si son dependientes de
modo que siempre toman el mismo valor. Si una es verdadera, entonces la otra también
y viceversa. Es claro que el conector de doble implicación puede ayudar a expresar esta
idea. Una forma de hacerlo es decir que la doble implicación entre dos proposiciones
equivalentes es siempre cierta.
Definición 1.2.7 — Proposiciones equivalentes. Dos proposiciones p y q son equi-
valentes, y se denota p ⇔ q, si p ↔ q es una tautología.
Es claro que en cualquier expresión podemos sustituir una proposición por otra equiva-
lente, y la nueva expresión que se obtiene es equivalente a la original (pues los valores de
verdad son los mismos). De aquí que el concepto de proposiciones equivalentes sea muy
importante y utilizado en lógica.
Ejercicio 1.4 Verifique que [p ∧ (p → q)] → q es una tautología.
p → q ⇔ ¬q → ¬p,
q → p ⇔ ¬p → ¬q.
Otro teorema relacionado con el concepto de equivalencia es el que dice que el conector
doble implicación se puede definir en términos de la implicación directa, la implicación
inversa y la conjunción.
Teorema 1.2.2 La doble implicación es equivalente a la conjunción de las implicaciones
directa e inversa. Es decir,
Demostración. Como antes, basta elaborar las tablas de verdad de ambas proposiciones
y comprobar que sus resultados son iguales para todos los valores posibles de p y q. En
este caso, las dos últimas columnas debes ser iguales, mientras que las columnas p → q y
q → p son auxiliares.
p q p→q q→ p (p → q) ∧ (q → p) p↔q
1 1 1 1 1 1
1 0 0 1 0 0
0 1 1 0 0 0
0 0 1 1 1 1
Por ser la doble implicación como dos implicaciones, se acostumbra a leer p ↔ q como
“p si, y solamente si, q”.
Ejemplo 1.8 La proposición “el número entero a es mayor que b si, y solamente si,
(p → q) ⇔ (¬p ∨ q).
1.2 Conectores lógicos 17
Propiedades de la negación
Debido a que la negación es una operación monaria, la única propiedad que en este caso
puede analizarse es la aplicación reiterada. El resultado es evidente por estar trabajando
con proposiciones que sólo pueden tomar dos valores. La negación es cambiar el valor de
una proposición, y como solo hay dos posibilidades, si se cambia dos veces regresamos al
valor original.
Teorema 1.2.4 La negación de la negación es equivalente a la proposición original. Es
decir,
¬(¬p) ⇔ p.
en muchas expresiones del lenguaje coloquial. Por ejemplo, puesto que “nadie” es la
negación de “alguien”, la proposición “no hay nadie” es la doble negación de “hay alguien”
y, por tanto, deberán ser equivalentes. Sin embargo, normalmente se usan como opuestas.
Propiedades de la conjunción
La conjunción es una operación binaria y en ella sí procede estudiar más propiedades.
La idempotencia, por ejemplo, da el resultado de operar una proposición consigo misma.
La asociatividad nos indica cómo podemos efectuar la conjunción de tres proposiciones. La
conmutatividad muestra que el orden de las proposiciones en una conjunción es irrelevante.
Existe un elemento neutro (la proposición con valor 1, que denotaremos simplemente como
1) que al operarlo con cualquier proposición da como resultado la misma proposición.
Existe también un elemento dominante (la proposición con valor 0, que denotaremos
simplemente como 0) que operado con cualquier proposición arroja el resultado 0. El
Teorema 1.2.5 resume estos hechos.
Teorema 1.2.5 La conjunción de proposiciones satisface las propiedades de idempoten-
cia, asociatividad, conmutatividad, existencia de un elemento neutro y de un elemento
18 Capítulo 1. Lógica
dominante. Simbólicamente, si p, q y r son proposiciones cualesquiera se cumple:
1. Idempotencia: p ∧ p ⇔ p.
2. Asociatividad: (p ∧ q) ∧ r ⇔ p ∧ (q ∧ r).
3. Conmutatividad: p ∧ q ⇔ q ∧ p.
4. Elemento neutro (1): p ∧ 1 ⇔ p.
5. Dominación (por 0): p ∧ 0 ⇔ 0.
Propiedades de la disyunción
El estudio de la disyunción sigue los mismos pasos que el de la conjunción pues las
propiedades que satisfacen son las mismas. La única diferencia es que los papeles de 1 y 0,
como elementos neutro y dominante respectivamente, se invierten.
Teorema 1.2.6 La disyunción de proposiciones satisface las propiedades de idempoten-
cia, asociatividad, conmutatividad, existencia de un elemento neutro y de un elemento
dominante. Simbólicamente, si p, q y r son proposiciones cualesquiera se cumple:
1. Idempotencia: p ∨ p ⇔ p.
2. Asociatividad: (p ∨ q) ∨ r ⇔ p ∨ (q ∨ r).
3. Conmutatividad: p ∨ q ⇔ q ∨ p.
4. Elemento neutro (0): p ∨ 0 ⇔ p.
5. Dominación (por 1): p ∨ 1 ⇔ 1.
Las leyes demostradas en los Teoremas 1.2.3, 1.2.4, 1.2.5, 1.2.6 y 1.2.7 permiten
hacer manipulaciones algebraicas con las proposiciones y probar algunos resultados sin
necesidad de recurrir a las tablas. Los Ejemplos 1.10 y 1.11 muestran ésta situación.
Ejemplo 1.10 — Simplificación de una proposición mediante manipulaciones
algebraicas. Supongamos que queremos mostrar que
(p ∧ q) ∨ ¬(q ∨ ¬p) ⇔ p.
Partiendo de la proposición (p ∧ q) ∨ ¬(q ∨ ¬p), mediante pasos algebraicos llegaremos a
que es equivalente a p. (Cada proposición es equivalente a la anterior por la ley algebraica
que se indica a su lado):
(p ∧ q) ∨ ¬(q ∨ ¬p) proposición a simplificar
⇔ (p ∧ q) ∨ (¬q ∧ ¬¬p) segunda ley de De Morgan
⇔ (p ∧ q) ∨ (p ∧ ¬q) doble negación y conmutatividad
⇔ p ∧ (q ∨ ¬q) distributividad
⇔ p∧1 complementaridad de la negación
⇔ p 1 neutro de ∧.
p ∧ (p ∨ q)
⇔ (p ∧ (p ∨ q)) ∨ 0 0 neutro de ∨
⇔ (p ∧ (p ∨ q)) ∨ (q ∧ ¬q) complementaridad de la negación
⇔ (p ∨ (q ∧ ¬q)) ∧ ((p ∨ q) ∨ (q ∧ ¬q)) distributividad
⇔ (p ∨ q) ∧ (p ∨ ¬q) ∧ (p ∨ q ∨ q) ∧ (p ∨ q ∨ ¬q) distributividad
⇔ (p ∨ q) ∧ (p ∨ ¬q) ∧ (p ∨ q) ∧ (p ∨ 1) idempotencia y complemento
⇔ p ∨ (q ∧ ¬q) ∧ 1 distributiva, idempotencia y 1 neutro de ∧
⇔ p∨0 complemento y 1 neutro de ∧
⇔ p 0 neutro de ∨.
20 Capítulo 1. Lógica
1.3 Cuantificadores
A continuación, introducimos los enunciados abiertos y, tras ellos, los cuantificadores.
Son elementos muy habituales en la formulación de definiciones y resultados en matemáti-
cas en expresiones de la forma “para todo número entero...” o “existe un número natural
tal que...”.
Definición 1.3.1 — Enunaciado abierto. Llamamos enunciado abierto a un enuncia-
do que contiene variables que toman valores en un conjunto dado, al cual llamaremos
universo, de forma que para cada valor que tomen las variables, el enunciado se convierte
en una proposición.
Ejemplo 1.12 Si la variable x toma valores en el universo de los dígitos (los números
0, 1, 2, 3, 4, 5, 6, 7, 8, 9), el enunciado “el número x es mayor que 5” es abierto.
La proposición ∀x, p(x) no es en realidad otra cosa que una conjunción, mientras que
∃x, p(x) se trata de una disyunción como se aprecia en el siguiente ejemplo.
Ejemplo 1.13 Continuando el Ejemplo 1.12, donde la variable x toma valores en los
dígitos, es decir, puede valer 0, 1, 2, . . . , 9, llamamos p(x) a la proposición “x es mayor
que 5”. Entonces, la proposición ∀x, p(x) equivale a p(0) ∧ p(1) ∧ · · · ∧ p(9) y, claro está,
es falsa. Por otro lado, la proposición ∃x, p(x) equivale a p(0) ∨ p(1) ∨ · · · ∨ p(9) y sí es
cierta.
Ejercicio 1.11 Indicar el valor de las siguientes proposiciones construídas con cuantifi-
cadores. El conjunto universo para la variable x es el de los números enteros Z.
Sin embargo, hay algunas reglas que simplifican el uso de proposiciones que contienen
cuantificadores. En concreto analizaremos dos de ellas: la negación de proposiciones con
cuantificadores y la combinación de cuantificadores.
Una proposición que comienza con el cuantificador universal necesita que el enunciado
abierto sea cierto para todos los valores de la variable, por tanto basta con que en un valor
sea falso para que toda la proposición sea falsa. Por ello, la negación con un cuantificador
universal nos lleva a un cuantificador existencial y viceversa. Si recordamos que ∀x, p(x)
es una conjunción y ∃x, p(x) es una disyunción, esto no es otra cosa que las leyes de De
Morgan vistas en el Teorema 1.2.7.
Teorema 1.3.1 Si p(x) es un enunciado abierto, con x una variable, entonces se cumplen
las siguientes equivalencias
22 Capítulo 1. Lógica
Ejercicio 1.14 Escribir la negación de cada una de las proposiciones del Ejercicio 1.13.
Las primera y segunda reglas del Teorema 1.3.2 nos dicen que combinar cuantificadores
universales y combinar cuantificadores existenciales es conmutativo.
Teorema 1.3.2 Si p(x, y) es un enunciado abierto que depende de dos variables, x, y, se
cumplen las siguientes equivalencias entre proposiciones.
Demostración. La proposición ∀x, ∀y, p(x, y) solo es verdadera si dado cualquier x, po-
demos elegir cualquier y y obtener que p(x, y) es verdadero. Pero en tal caso el valor de
y elegido es independiente de x, y se puede escoger primero. Entonces, dado cualquier
y, podemos elegir cualquier x y tendremos que p(x, y) verdadero, lo cual es la proposi-
ción ∀y, ∀x, p(x, y). Con esto se ha probado que cuando la primera es cierta, la segunda
también. El mismo razonamiento pero a la inversa muestra que cuando la segunda es
cierta la primera también. En total ambas tienen siempre el mismo valor y, por tanto, son
equivalentes.
Análogamente la proposición ∃x, ∃y, p(x, y) afirma que existe algún x de modo que se
puede encontrar una y tal que p(x, y) es verdadero. Podemos tomar los valores en orden
inverso: escoger primero el valor de y encontrado antes, luego el de x y tendremos p(x, y)
verdadero. Hemos probado, pues, que si ∃x, ∃y, p(x, y) es cierta, entonces ∃y, ∃x, p(x, y)
también lo es. El mismo razonamiento se aplica a la inversa y llegamos a que ambas son
equivalentes.
Gracias al Teorema 1.3.2 podemos escribir sin ambiguedad ∀x, y o ∀y, x en lugar de
∀x, ∀y, así como ∃x, y o ∃y, x en lugar de ∃x, ∃y, y el orden de las variables x e y es
irrelevante. Sin embargo, hay que tener cuidado pues el orden sí es importante cuando se
combinan cuantificadores de ambos tipos, como muestra el siguiente ejemplo.
Ejemplo 1.14 Consideremos el enunciado abierto “x 6= y”, donde x, y toman valores
en el conjunto de los números enteros. Entonces la proposición ∀x, ∃y, x 6= y afirma que
dado un número entero cualquiera, x, existe al menos un número, y, que es distinto que él,
lo cual es cierto. Sin embargo, la proposición ∃x, ∀y, x 6= y afirma que existe un número
entero, x, tal que cualquier número entero, y, es distinto que él, lo cual es falso.
Ejercicio 1.15 Indicar el valor de las siguientes proposiciones construidas con dos
cuantificadores. El conjunto universo para las variables x e y es el de los enteros Z.
1.4 Razonamientos lógicos 23
Ejercicio 1.16 Escribir la negación de cada una de las proposiciones del Ejercicio 1.15.
Aunque es útil saber que existe un elemento que hace verdadero un enunciado, a
veces es interesante preguntarse si dicho elemento es el único que lo cumple. Para esto
introducimos el cuantificador de existencia y unicidad, simbolizado ∃!, y la forma de
enunciar la unicidad de un elemento es diciendo que si hay dos elementos que cumplen la
propiedad, entonces son el mismo.
Definición 1.3.3 Si p(x) es un enunciado abierto, el símbolo ∃!x, p(x) es la proposición
definida por
Ejemplo 1.15 La proposición ∃!x, x2 = x, donde x toma valores en los enteros, significa
que existe un entero, y solamente uno, que verifica que elevado al cuadrado se queda
igual. Se trata de una proposición falsa puesto que, aunque cumple la existencia (x = 1 lo
verifica), no cumple la unicidad (porque x = 0 también lo verifica).
Ejemplo 1.16 La proposición ∃!x, ∀y, x + y = y, donde tanto x como y toman valores
enteros, enuncia que hay un número entero, y solo uno, que sumado a cualquier otro
lo deja igual; es decir, un elemento neutro de la suma. Esta proposición sí es cierta, lo
cual se demuestra en dos pasos. Primero, la existencia: el 0 cumple lo dicho. Segundo, la
unicidad: hay que probar que si hay dos elementos neutros, llamémoslos x1 y x2 , entonces
son iguales. Ahora bien, puesto que x1 es neutro, sumado con x2 resulta x1 + x2 = x2 .
Por la misma razon, pues x2 también es neutro, tenemos x2 + x1 = x1 . Por último, por la
propiedad conmutativa de la suma sabemos que x1 + x2 = x2 + x1 , de donde concluimos
que x1 = x2 .
Ejercicio 1.17 Indicar el valor de las siguientes proposiciones construidas con cuantifi-
cadores. El conjunto universo para la variable x es el de los enteros Z.
∃!x, x2 = 1. ∃!x, x2 = 0.
Ejercicio 1.18 Escribir la negación de cada una de las proposiciones del Ejercicio 1.17.
p1 ∧ p2 ∧ · · · ∧ pn ⇒ q,
Ejemplo 1.17 Consideremos las proposiciones “si un número entero no es cero, entonces
su valor absoluto es positivo” y “−4 no es cero”. Podemos deducir que el valor absoluto
de −4 es un número positivo. Pero la deducción no depende de que estemos hablando
acerca del valor absoluto de números enteros, sino de su estructura lógica. Las premisas
son p → q (“si un número entero no es cero, entonces su valor absoluto es positivo”) y p
(“un número entero, −4, no es cero”), es decir, (p → q) ∧ p, y la consecuencia es q (“su
valor absoluto, | − 4|, es positivo”). El razonamiento ha sido (p → q) ∧ p ⇒ q y es válido
sean quienes sean p y q. Por ello tiene nombre propio: modus ponendo ponens (del latín,
que se puede traducir como el razonamiento que afirmando p (ponendo) afirma q (ponens)).
Ejemplo 1.18 Con la misma implicación de antes “si un número entero no es cero,
entonces su valor absoluto es positivo” y además con la proposición “el valor absoluto del
número a no es positivo”, se puede deducir que “el número a es cero”.
p q p→q (p → q) ∧ p ((p → q) ∧ p) → q
1 1 1 1 1
1 0 0 0 1
0 1 1 0 1
0 0 1 0 1
La última columna muestra que, efectivamente, la implicación es una tautología y
por tanto el razonamiento es válido.
4. (Prueba del razonamiento por contradicción mediante manipulaciones algebrai-
cas): para probar que la implicación (¬p → 0) → p es un razonamiento, debemos
probar que es equivalente a la proposición 1 (tautología) mediante una cadena de
proposiciones equivalentes entre sí. En cada paso se da la razón que lo justifica.
26 Capítulo 1. Lógica
(¬p → 0) ⇒ p
⇔ ¬(¬¬p ∨ 0) ∨ p Teorema 1.2.3
⇔ ¬(p ∨ 0) ∨ p doble negación
⇔ ¬p ∨ p 0 neutro de ∨
⇔ 1 complementariedad de la negación
Problema 1.1 Probar las reglas de inferencia lógica enunciadas en el Teorema 1.4.1 que
no han sido probadas en el texto.
Problema 1.2 Consideremos las siguientes proposiciones como premisas: “Todos los
días, si no llueve, Paco va al parque a correr y, si llueve, no va”, “Paco compra el periódico
solo si sale a correr” y “los domingos, Paco no compra el periódico”.
1. Llamando p(x), q(x), r(x) a los enunciados “el día x llueve”, “el día x Paco sale a
correr” y “el día x compra el periódico”, respectivamente,; donde x toma valores en
los días de la semana, escribir las premisas con estos enunciados, cuantificadores y
conectores lógicos.
2. Probar que la proposición “Si el sábado Paco compra el periódico, entonces es que
no ha llovido” es una consecuencia lógica de las premisas. Analizar las reglas de
inferencia que permiten deducir el resultado.
3. Consideramos la proposición “Si el sábado no llueve, Paco compra el periódico” y
su justificación en los siguientes pasos:
a) Puesto que el sábado no llueve, Paco va a correr.
b) Ya que sale a correr y no es domingo, entonces compra el periódico.
La conclusión no es válida, por tanto esta justificación es incorrecta. Encontrar el error.
La matemática deduce resultados nuevos a partir de otros ya conocidos usando la
herramienta de la lógica. Una teoría matemática se compone de axiomas, definiciones y
teoremas, así que veamos qué es cada uno de ellos.
Axiomas: Son las proposiciones de partida de una teoría y, por tanto, no pueden ser
probadas dentro de ella. La idea es que los axiomas van a ser las primeras premisas que
permitan deducir consecuencias de ellas, es decir, obtener los primeros resultados. Es claro
que toda teoría que se construya mediante razonamientos lógicos debe tener axiomas, ya
que los razonamientos parten de premisas ciertas para deducir una consecuencia cierta. Es
decir, en todo caso necesitamos partir de algunas premisas.
Ejemplo 1.20 La proposición “el conjunto N de los números naturales contiene al menos
un elemento” se utiliza como axioma en la construcción de los números debida a Peano.
Definición: Es la asignación de un nombre a una proposición y por ello tiene forma de
equivalencia. Obsérvese que el papel de las definiciones en una teoría matemática no
es determinante, pues solo sirven para simplificar la escritura (aunque ciertamente sería
impensable escribir una teoría sin la ayuda de las definiciones). Es interesante hacer notar
que, por ser una equivalencia, una definición deberá leerse “... si y solamente si...”, sin
1.4 Razonamientos lógicos 27
embargo es costumbre escribir únicamente “... si ...” como si se tratara de una implicación,
aún sabiendo que es algo más.
Ejemplo 1.21 La proposición “un número natural es primo si (y solo si) es mayor que 1
y sus únicos divisores son 1 y él mismo” es una definición. Simbólicamente,
Teoremas: Son los resultados de la teoría y, por tanto, el objetivo de las matemáticas.
Son proposiciones que pueden tener diversas formas. Un tipo habitual de teorema es un
razonamiento lógico, de la forma descrita anteriormente ((p1 ∧ p2 ∧ · · · ∧ pn ) ⇒ q), en el
cual las premisas son los axiomas de la teoría o bien otros teoremas ya probados en la
teoría. La consecuencia es otra proposición relativa a la teoría. Todo teorema de una teoría
debe ser probado rigurosamente.
Ejemplo 1.22 El resultado “si m y n son primos distintos, entonces su máximo comuń
divisor es 1” es un teorema, que podemos escribir también como
Otros teoremas tienen forma de equivalencia (⇔) en lugar de implicación (⇒). Pero, como
se ha visto en el Teorema 1.2.2, un teorema de doble implicación equivale a dos teoremas
de una implicación. Esto es, un teorema de la forma p ⇔ q es equivalente a p ⇒ q ∧ q ⇒ p.
Por tanto, la exposición de una teoría matemática debe observar dos reglas imprescin-
dibles: un estricto orden de presentación, para que cada teorema use como premisas solo
resultados anteriores, ya probados, y que cada teorema vaya seguido inmediatamente de su
demostración, que consiste en verificar el razonamiento lógico.
Es conveniente señalar que, en ocasiones, se dan otros nombres a resultados de la teoría.
Algunos nombres muy utilizados son los de proposición, lema y corolario. Todos ellos son
sinónimos de teorema en cuanto a que son resultados de la teoría. Los distintos nombres
se utilizan para agrupar los resultados por categorías. Una proposición es un resultado
de no mucha importancia. Se suele llamar lema a un resultado cuya única aplicación
es en la prueba de algún otro resultado posterior. La palabra teorema se reserva para
los resultados más importantes de la teoría. Por último, corolario es un resultado cuya
prueba es inmediata a partir de un teorema anterior. Como se puede apreciar, llamar a
los resultados de una teoría teoremas, lemas, proposiciones o corolarios es una cuestión
subjetiva que queda a gusto del autor en cada caso.
prueba usando la implicación contrapositiva (Teorema 1.4.3), una prueba por inducción
(Teorema 1.4.4) y una prueba por contradicción (Teorema 1.4.5).
Para éste ejemplo asumimos conocidas las propiedades algebraicas de la suma y el pro-
ducto de los naturales como son la asociatividad, conmutatividad o propiedad distributiva
o que n + 1 es el sucesor del número n.
a | b ⇔ ∃c, b = ac.
Es obvio que 1 divide a cualquier número b y que todo número es divisor de sí mismo.
Algunos números únicamente tienen estos divisores y por ello merecen especial atención.
Definición 1.4.3 Un natural p mayor que 1 es primo si 1 y p son sus únicos divisores.
Simbólicamente
2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 73, 79, 83, 89, 97.
a | b ∧ b | c ⇒ a | c.
3. Por hipótesis b | c.
4. Por la Definición 1.4.2, y por la regla de especificación existencial, existe un número,
y lo llamamos k2 , que cumple c = k2 · b.
5. Sustituyendo la igualdad del punto 2 en la del punto 4 tenemos c = k2 (k1 · a).
6. Por la propiedad asociativa del producto de números naturales, la igualdad anterior
se puede escribir como c = (k2 k1 )a.
7. El número k2 k1 hace que se verifique la definición de divisibilidad para a y c, luego
concluimos que a divide a c.
a | b ⇒ a ≤ b.
Demostración. Este teorema tiene de nuevo la forma de una implicación, pero ahora
vamos a probar la implicación contrapositiva, que es equivalente a la enunciada:
a > b ⇒ a - b.
Teorema 1.4.4 Todo número natural cumple que, o bien es 1, o bien es divisible por un
primo, y lo expresamos como sigue
Demostración. Aquí presentamos una típica prueba por inducción, que hace uso del
Axioma 1.4.1. Para probar que la propiedad enunciada en el teorema es válida para todos
los naturales hay que probar que se cumple para el 1 y que para todo número n que la
verifica, la propiedad es válida para el sucesor. Al asumir que se cumple para un número n
se puede asumir también que se cumple para todos los menores a él.
1. Llamamos P(n) al enunciado n = 1 ∨ ∃p, (p primo ∧ p | n).
2. La proposición P(1) es cierta, ya que se cumple 1 = 1.
3. Para probar P(n) → P(n + 1) consideramos un número n arbitrario y la hipótesis
P(n). Entonces el número n, si no es 1, es divisible por un primo y lo mismo cumplen
todos los números menores que n. Puesto que el número n + 1 no puede ser 1, hay
que probar que es divisible por un primo. Separamos esta parte en dos casos.
4. (Caso 1) Si n + 1 es primo entonces, puesto que n + 1 | n + 1, es divisible por un
primo y la proposición P(n + 1) es cierta.
30 Capítulo 1. Lógica
Por último enunciamos un famoso teorema y su, no menos famosa, prueba debida a
Euclides: la infinitud de los números primos y su demostración por contradicción.
Teorema 1.4.5 — Euclides. La cantidad de números primos es infinita.
Demostración. Aquí presentamos la prueba debida a Euclides, que procede por contradic-
ción (también conocido como reducción al absurdo).
1. Negamos el teorema: La cantidad de números primos es finita.
2. Por ser finita, podemos denotar los números primos como p1 , p2 , . . . , pn .
3. Consideremos el número q = p1 p2 · · · pn + 1.
4. Por su construcción y las propiedades del orden de los naturales q > 1, por lo cual
q 6= 1.
5. En este punto demostramos que p1 no divide a q utilizando también un razonamiento
por contradicción: negamos la afirmación, asumiendo entonces que p1 sí divide a q.
Entonces q = p1 · k para algún número k y, operando en la definición de q, podemos
escribir 1 = p1 (k − p2 p3 · · · pn ). Esta igualdad indica que p1 divide a 1. Por el
Teorema 1.4.3 tenemos que p1 ≤ 1. Sin embargo, por hipótesis p1 es primo y, por la
Definición 1.4.3, esto supone p1 > 1. Tenemos la contradicción p1 ≤ 1 ∧ p1 > 1. Por
tanto, concluimos que la negación es falsa y queda probado que p1 - q. Análogamente
(por la generalización universal) tenemos p2 - q, . . . , pn - q.
6. Por conjunción de los dos puntos anteriores tenemos que el número q no es 1 y no
es divisible por ningún primo, lo cual es una contradicción con el Teorema 1.4.4.
7. Por la regla de contradicción concluimos que el enunciado original es cierto.
Las demostraciones que aquí se han puesto como ejemplo han sido ilustradas con
mucho detalle, pero habitualmente la redacción de pruebas de teoremas se hace mucho
más breve. Las cuatro pruebas anteriores, en un lenguaje habitual, se reducirían a unas
pocas líneas cada una, especialmente porque no se mencionan las reglas de inferencia que
se usan en cada paso ya que son ampliamente conocidas.
1.4 Razonamientos lógicos 31
Problema 1.3 Dar una prueba directa (no por la contrapositiva como se ha hecho) del
Teorema 1.4.3.
Problema 1.4 Probar el siguiente teorema de la teoría de la divisibilidad de números
naturales.
k | (m + n) ⇒ k | m ∧ k | n.
Se pide:
1. Describir los pasos lógicos que se siguen en la demostración y señalar exactamente
cuál es el incorrecto.
2. Demostrar que el teorema es falso. Para ello, escribir la negación del teorema y
demostrar que es cierta. En este caso, esto se denomina dar un contraejemplo.
Definición 1.4.4 Si x es un número real, se define el valor absoluto de x como
(
x si x ≥ 0
|x| =
−x si x < 0.
Problema 1.6 Utilice la demostración por casos para probar que |xy| = |x| · |y| para todos
los números reales x e y.
Problema 1.7 Demuestre la desigualdad −|x| ≤ x ≤ |x|, donde x es un número entero.
Para ello divida la demostración en dos casos: x ≥ 0 y x < 0.
2. La demostración en Matemáticas
Ejemplo 2.2 ¿Será posible encontrar una selección adecuada de signos + o − de tal
forma que
±1 ± 2 ± 3 ± · · · ± 2013 = 0?
Demostración. La respuesta es que no, no existe una elección adecuada de signos. Los
primero es notar que dentro de los números del 1 al 2013 hay 1007 números impares y
1006 pares. Así que sin importar la elección de los signos de los números impares, al final
siempre obtendremos un número impar, de igual manera sin importar la elección de los
signos de los números pares, el resultado siempre será par. De esta forma, al realizar la
suma completa de pares con impares el resultado siempre será un número impar, de manera
que el resultado de la suma nunca podrá valer 0.
Ejemplo 2.3 Demostrar que el único número natural n que cumple que n4 + 4 es primo,
es cuando n = 1.
Demostración. Sea n un número natural de tal forma que n4 + n es primo. Notemos que
n4 + 4 = n4 + 4n2 + 4 − 4n2
= (n2 + 2)2 − (2n)2
= (n2 + 2 − 2n)(n2 + 2 + 2n)
Ahora examinamos una prueba alternativa a la prueba directa llamada prueba por
contrapositiva. Como la prueba directa, la técnica de la prueba por contrapostiva es usada
para probar enunciados condicionales de la forma “Si p entonces q”. Aunque es posible
usar el método directo exclusivamente, hay ocasiones donde la contrapositiva es mucho
más fácil.
Recuerde que un enunciado del tipo “Si p entonces q” es lógicamente equivalente a
“Si ¬q, entonces ¬p”, esto significa que si queremos demostrar que “Si p entonces q” es
verdadero, es suficiente demostrar que “Si ¬q, entonces ¬p” es verdadero. Si usamos la
demostración por el método directo para demostrar “Si ¬q, entonces ¬p”, debemos de
partir del hecho que 6= q es verdad y deducir de aquí que 6= p es verdadero.
Ejemplo 2.5 Supongamos que x ∈ Z. Si 7x + 9 es par, entonces x es impar.
A primera vista, ambas pruebas son de la misma longitud. Pero al realizar las dos,
uno termina convencido de que la prueba por contrapositiva corre más suavemente. Para
nuestro próximo ejemplo, consideremos la siguiente proposición que concierne a un entero
x:
Ejemplo 2.6 Si x2 − 6x + 5 es par, entonces x es impar.
El lector puede comenzar a desarrollar una prueba por el método directo y observará,
después de unos pasos, que es problemática (pues hay que despejar x en una ecuación
cuadrática). Sin embargo, la prueba por contrapositiva es muy simple.
Para demostrar que un enunciado es verdadero, algunas veces tenemos que examinar
múltiples casos antes de mostar que el enunciado es cierto en todos los casos posibles.
Por ejemplo, considere la expresión 1 + (−1)n (2n − 1). Hacemos una tabla donde
mostramos algunos valores para enteros n:
36 Capítulo 2. La demostración en Matemáticas
n 1 + (−1)n (2n − 1)
1 0
2 4
3 −4
4 8
5 −8
6 12
Demostración. Como n ∈ N, entonces n puede ser par o impar. Vamos a considerar ambos
casos de manera separada.
Caso 1. Supongamos que n es par. Entonces n = 2k para alguna k ∈ Z, y (−1)n = 1. De
aquí, 1 + (−1)n (2n − 1) = 1 + (1)(2 · 2k − 1) = 4k, el cual es un múltiplo de 4.
Caso 2. Supongamos que n es impar. Entonces n = 2k +1 para alguna k ∈ Z, y (−1)n = −1.
De aquí, 1 + (−1)n (2n − 1) = 1 + (−1)(2 · (2k + 1) − 1) = −4k, el cual es un múltiplo de
4.
Estos casos muestran que 1 + (−1)n (2n − 1) es siempre un múltiplo de 4.
Ahora vamos a examinar el caso contrario. Hemos probado que 1 + (−1)n (2n − 1) es
siempre un múltiplo de 4, pero ¿es cierto que cada múltiplo de 4 es de esta forma? La
siguiente proposición y su prueba nos dice que la respuesta es sí.
Ejemplo 2.9 Cada número de 4 es igual a 1 + (−1)n (2n − 1) para alguna n ∈ N.
Ejemplo 2.10 Demostrar que la suma de dos números impares es un número par.
Demostración. Haremos la prueba por contradicción. Supongamos que existen dos nú-
meros impares a y b, de tal forma que a + b es impar. Como a y b son impares entonces
existen números enteros p y q tales que a = 2p + 1 y b = 2q + 1, luego a + b = (2p + 1) +
(2q + 1) = 2(p + q + 1). Además, como a + b es impar, entonces a + b = 2r + 1, para algún
entero r. De lo anterior se tiene que 2(p + q + 1) = 2r + 1 y entonces 1 = 2(p + q − r + 1),
lo cual es una contradicción al hecho de que 1 es un número impar. En conclusión, a + b
tiene que ser par, que es lo que se pedía demostrar.
Unas observaciones precisarán con más detalle la forma en que se realizó la prueba: lo
primero es notar que al inicio se aclaró que la prueba se haría por contradicción, esto le
permite al lector darse una idea de como se abordará el problema y por lo tanto se enfocará
a encontrar el absurdo necesario. Lo segundo es que la negación de nuestra proposicion
p = “la suma de dos números impares es un número par” es justamente ¬p = “existen
dos números impares de tal forma que su suma es un número impar”, la palabra existe
aparece debido a que es la negación de un para todo. Por último, dado que lo único que se
tomó por cierto en la prueba fué ¬p (esto es porque todo lo demás que está incluido son
simplemente propiedades de los números y ciertas igualdades algebraicas), y se llegó al
absurdo de que 1 se puede escribir como un múltiplo de 2, entonces ¬p tiene que ser falsa
y por lo tanto la que tiene que ser verdadera es p, es decir que la suma de dos números
impares es par.
Ejemplo 2.11 Demostrar que el 0 no tiene inverso multiplicativo.
Unas observaciones precisarán con más detalle la forma en que se realizó la prueba:
demostrar que el 0 no tiene inverso multiplicativo, es equivalente a mostrar que, para todo
número real x, 0 · x 6= 1; es por ello que la negación es precisamente que existe un número
real x tal que 0 · x = 1.
Ejemplo 2.12 Sea n un número entero de forma que n2 es un número par, entonces n
tiene que ser par.
1 1 1 1
+ + + = 1.
a b c d
Demostrar que el producto abcd es un número par.
38 Capítulo 2. La demostración en Matemáticas
lo cual es una contradicción al hecho de que abcd es impar, por lo tanto abcd tiene que ser
par.
Aunque en estos ejemplos sencillos la contradicción es muy fácil de observar, existen
otros en los no siempre es posible, es por ello que se aconseja que, en el momento que se
tome el camino de usar la contradicción, dicho absurdo sea lo bastante claro.
Problema 2.3 Demostrar que el producto de dos números impares siempre es un número
impar.
Problema 2.4 Sea n ∈ N tal que n2 es impar. Demostrar que n es impar.
Problema 2.5 Sean a, b ∈ R de tal forma que a2 + b2 = 0. Demostrar que a = b = 0.
Problema 2.6 Sea n un número entero tal que 3n + 2 es un número par. Demostrar que n
es par.
Problema 2.7 Sea n ∈ Z. Demostrar que n es par si y solo si n2 es par.
Problema 2.8 Sea k ∈ Z y supongamos que k2 − 2k + 7 es par. Demostrar que k es impar.
Problema 2.9 Mostrar que ∀n, m ∈ Z, n2 − 4m 6= 2.
Existen muchos problemas matemáticos en los que es necesario realizar algunas o
varias pequeñas demostraciones que consisten en seguir el mismo patrón o modelo de
prueba, y lo que únicamente varía es cierto número n. Un ejemplo muy sencillo es el
siguiente: Sea n un número natural, demostrar que n2 − n siempre es un número par.
Aunque hagamos ciertos casos particulares, como
n n2 − n
1 0
2 2
3 6
4 12
la prueba no estaría completa, porque realizar casos particulares no siempre permite
concluir que todos los demás casos restantes son ciertos. La pregunta es, ¿Si suponemos
que para cierto valor de k se cumple que k2 − k es par, será posible demostrar que (k + 1)2 −
(k + 1) también lo es?. En efecto, debido a que (k + 1)2 − (k + 1) = k2 + 2k + 1 − k − 1 =
(k2 − k) + 2k, y los números k2 − k, 2k son pares, entonces (k + 1)2 − (k + 1) tendrá que ser
par. En este sentido, si quisiéramos probar el caso cuando k = 2013, bastaría con mostrar
que el caso k = 2012 se cumple, y a su vez bastaría con probar el caso k = 2011. De
manera sucesiva tendríamos que llegar hasta el caso k = 1, y si este resulta ser cierto, todos
los anteriores también lo sería.
La inducción matemática consiste en exactamente seguir la misma idea que en el
proceso anterior, es decir, suponemos cierto que para un caso n = k la afirmación se
cumple, y entonces el objetivo es mostrar que el siguiente caso n = k + 1 también se
cumple. Después de ello, simplemente habrá que demostrar cierto caso base se cumple
(como fue en el ejemplo anterior con k = 1), y así habremos concluído la demostración. Una
39
prueba por inducción consta de tres partes fundamentales: la base de la inducción (el caso
base), la hipótesis de inducción (suponer que cierto caso es verdadero) y la demostración
del caso siguiente a la hipótesis de inducción.
Ejemplo 2.14 Sean n un número natural. Demostrar que
n(n + 1)
1+2+···+n = .
2
1 + · · · + (k + 1) = |1 + 2 +
{z· · · + k} +(k + 1)
k(k+1)
= 2 + (k + 1)
k(k+1)+2(k+1)
= 2
(k+1)(k+2)
= 2
2 1 − an+1
n
1+a+a +···+a = .
1−a
40 Capítulo 2. La demostración en Matemáticas
Demostración. Haremos la prueba por inducción sobre n. Para el caso n = 1 se tiene que
(1 + a)(1 − a) 1 − a2
1+a = = .
(1 − a) 1−a
1−ak+1
Supongamos que para el caso n = k se cumple que 1 + a + · · · + ak = 1−a . Notemos que
El siguiente ejemplo nos permitirá ver que la base de inducción no siempre tiene que
ser para el caso n = 1, sino que simplemente hay que mostrar el caso inicial.
Definición 2.0.1 Sea n ∈ N, definimos el factorial de n, por
n! = n · (n − 1) · · · 3 · 2 · 1.
2k < k!
2 · 2k < 2 · k! < (k + 1)k!
Usualmente los problemas que se resuelven por inducción aparecen cuando los casos
se pueden numerar de alguna forma, cuando hay que probar alguna fórmula recursiva o
que depende de algún número natural, etc.
Problema 2.10 Demostrar que para todo número natural
1 + 3 + 5 + · · · + (2n − 1) = n2 .
n(n + 1)(2n + 1)
12 + 22 + 32 + · · · + n2 = .
6
41
Problema 2.13 Demostrar que para todo número natural se tiene que
1 1 1 n
+ +···+ = .
1·2 2·3 n(n + 1) n + 1
(1 + x)n ≥ 1 + nx
para toda n ∈ N.
Problema 2.19 Sea x 6= 1 un número real y n ∈ N. Demostrar que
1 − xn+1
1 + x + x2 + · · · + xn = .
1−x
Problema 2.20 Demostrar que para todo número natural n ≥ 5 se cumple que 2n > n2 .
Problema 2.21 Demostrar que para todo n ∈ N, existen números enteros distintos x, y, z
de manera que x2 + y2 + z2 = 14n .
Problema 2.22 Sean n ∈ N \ {1} y a1 , a2 , . . . , an ∈ N. Si p es primo y p divide a a1 ·
a2 · · · an , entonces existe j ∈ {1, . . . , n} tal que p divide
√ n a a j. √ n
Problema 2.23 Demostrar que el número (3 + 5) + (3 − 5) es un número entero
par, para cada n ∈ N.
3. Conjuntos
axiomático formal suficientemente fuerte debe de contener una proposición tal que ni
ésta ni su negación sea demostrable y tal que cualquier demostración de consistencia del
sistema debe usar ideas de métodos que están más allá de los propios del sistema en sí. Esto
quiere decir que no podemos establecer que no existen contradicciones en matemáticas.
La importancia del papel de la teoría de conjuntos en el desarrollo de las matemáticas
del siglo XX la define el matemático alemán David Hilbert (1862-1943) al decir: “Nadie
podrá expulsarnos del paraíso que Cantor ha creado para nosotros”.
3.1 Conjuntos
Los conjuntos se han convertido en los objetos matemáticos fundamentales, sobre los
que se construye el resto de las matemáticas. Y la teoría de conjuntos, a su vez, se edifica
sólidamente sobre axiomas mediante las leyes de la lógica de las que se ha hecho un esbozo
en el Capítulo 1.1.
Cualquier intento de definir el concepto de conjunto está condenado a enumerar
sinónimos como son colección, familia, agregado, agrupación, etc. Lo importante de la
idea que asociamos al término conjunto es que contiene elementos y debemos poder
expresar si un elemento pertenece o no a un conjunto: la pertenencia es el concepto sobre
el que se construye la teoría de conjuntos, es el concepto primitivo (es decir, que no se
define). El símbolo que indica que x pertenece al conjunto A es x ∈ A, y decimos que x es
elemento de A, mientras que x 6∈ A es su negación.
La teoría de conjuntos tiene esencialmente dos actividades: comparar conjuntos y
construir nuevos conjuntos a partir de unos dados (para, después, comparar los nuevos con
los originales). En cualquiera de los dos casos, la teoría usa conjuntos ya existentes, no
puede crear un conjunto de la nada. Por ello el primer axioma que enunciamos es el que
dice que, al menos, existe un conjunto de modo que toda la teoría no se quede vacía.
La primera tarea es, por tanto, comparar conjuntos. La comparación más básica es
saber si dos conjuntos son iguales o no, que es lo que resuelve el segundo axioma.
C [De igualdad] Dos conjuntos son iguales si, y solo si, contienen los mismos elementos.
De manera simbólica lo escribimos
A = B ⇔ ∀x, (x ∈ A ↔ x ∈ B).
Ahora podemos definir otra forma de comparar conjuntos más poderosa que la mera
igualdad: la inclusión, en la que definimos cuándo un conjunto está contenido en otro y lo
llamamos subconjunto.
Definición 3.1.1 Un conjunto B es subconjunto de otro conjunto A, y se denota B ⊂ A,
si todo elemento de B es elemento de A. Es decir,
B ⊂ A ⇔ ∀x, (x ∈ B → x ∈ A).
Para ver que la inclusión es una comparación más poderosa que la igualdad, en el
siguiente resultado se indica cómo verificar la igualdad de conjuntos usando la inclusión:
la igualdad es una doble inclusión.
Teorema 3.1.1 Dos conjuntos son iguales si, y solo si, cada uno es subconjunto del
otro, o bien,
A = B ⇔ (A ⊂ B) ∧ (B ⊂ A).
V ∈U a⊂V
a⊂U
Problema 3.2 Sean los siguientes conjuntos A = {1, 2}, B = {3, 4}, C = {A, B}. Deter-
minar si cada una de las siguientes proposiciones es verdadera o falsa.
1∈A {1, 2} ∈ C
1∈B {1, 2} ⊂ A
1∈C {1, 2} ⊂ B
{1, 2} ∈ A {1, 2} ⊂ C
{1, 2} ∈ B {1, 2, 3, 4} = C
Los siguientes tres axiomas son para construir nuevos conjuntos a partir de conjuntos
ya conocidos. El primero de ellos, el axioma de especificación utiliza un enunciado abierto
p(x) y construye el conjunto formado por los elementos que hacen cierto el enunciado.
∀x, (x ∈ B ↔ x ∈ A ∧ p(x)).
46 Capítulo 3. Conjuntos
0/ = {x ∈ A | x 6= x}.
Obsérvese que para definir el vacío ash́ace falta la existencia de, al menos, un conjunto.
Pero el axioma de existencia asegura que sĺo tenemos. Por su definición resulta inmediato
que el vacío es subconjunto de cualquier otro.
Teorema 3.1.2 El conjunto vacío es subconjunto de cualquier conjunto. Esto es, si B es
un conjunto arbitrario,
0/ ⊂ B
Demostración. Queremos probar la proposición ∀x, (x ∈ 0/ → x ∈ B). Pero el antecedente
es siempre falso pues, por definición del conjunto vacó, ∀x, x 6∈ 0.
/ Entonces la implicación
es siempre cierta, independientemente del consecuente, y el teorema queda probado.
Problema 3.4 Demostrar por contradicción el Teorema 3.1.2. Es decir, asuma que existe
/ para el cual no se cumple 0/ ⊂ A, y deducir de ahí una
un conjunto A, distinto de 0,
contradicción.
En el axioma de especificación se construye, a partir de uno dado, un conjunto más
pequeño. En los siguientes axiomas la construcción es al revés: se construyen conjuntos
más grandes. En ambos aparecen conjuntos cuyos elementos también son conjuntos.
3.1 Conjuntos 47
C [De la unión] Dada una familia de conjuntos F, existe un conjunto que contiene los
elementos de los elementos de F.
Sea E el conjunto al cual se refiere el Axioma 3.1, entonces podemos definir el conjunto
llamado unión de F utilizando el axioma de especificación.
Definición 3.1.3 Dada una familia de conjuntos F , la unión de la familia F es el
conjunto formado exactamente por los elementos de los conjuntos que están en F:
∪F = {x ∈ E | ∃A ∈ F, x ∈ A}.
Ejemplo 3.2 Sean los conjuntos X = {1, 2, 3} e Y = {3, 4, 5} y con ellos la familia
F = {X,Y }. Entonces la unión de F es el conjunto F = {1, 2, 3, 4, 5}.
Por último, si consideramos familias de conjuntos, hay una muy natural y útil: la
familia formada por todos los subconjuntos de un conjunto. Pero de nuevo es necesario
un axioma que asegure que tal cosa es un conjunto: éste es el quinto y último axioma que
utilizamos.
C [Del conjunto potencia] Dado un conjunto A, existe el conjunto cuyos elementos son
los subconjuntos de A, llamado conjunto potencia y denotado P(A).
P(A) = {0,
/ {1}, {2}, {3}, {1, 2}, {2, 3}, {3, 1}, {1, 2, 3}}.
como puntos dentro del rectángulo y la curva que representa a un subconjunto encierra sus
elementos.
La primera operación que abordamos es el complemento.
Definición 3.1.4 El complemento de un subconjunto A del conjunto E es el conjunto
de todos los elementos de E que no están en A. Se denota Ac y se puede describir como
Ac = {x ∈ E | x 6∈ A}.
A ∪ B = {x ∈ E | (x ∈ A) ∨ (x ∈ B)}.
A ∩ B = {x ∈ E | (x ∈ A) ∧ (x ∈ B)}.
Ejemplo 3.5 Dados los conjuntos A = {1, 2} y B = {2, 3} tenemos A ∪ B = {1, 2, 3}y
A ∩ B = {2}.
1. A ⊂ B. 3. A ∪ B = B
2. A ∩ B = A. 4. Bc ⊂ Ac .
Por tanto, cualquiera de las otras tres puede ser utilizada para caracterizar un subcon-
junto. Sugerencia: basta con probar 1. → 2. → 3. → 4. → 1.
Problema 3.7 Probar que la unión de dos conjuntos es el menor conjunto que contiene a
ambos. Es decir, si C es un conjunto tal que A ⊂ C y B ⊂ C entonces A ∪ B ⊂ C.
Problema 3.8 Probar que la intersección de dos conjuntos es el mayor conjunto contenido
en ambos.
Si dos conjuntos verifican A ∩ B = 0/ se dice que son disjuntos porque no tienen
elementos en común.
Las operaciones de diferencia y diferencia simétrica consisten, como indica el nombre,
en quitar elementos a un conjunto.
Definición 3.1.7 La diferencia del conjunto A menos el conjunto B es el conjunto for-
mado por los elementos que están en A pero no en B. Se denota A \ B. Simbólicamente,
A \ B = {x ∈ E | (x ∈ A) ∧ (x 6∈ B)}.
Ejemplo 3.6 Las diferencias de los conjuntos A = {1, 2} y B = {2, 3} son A \ B = {1}
y B \ A = {3}.
3.1 Conjuntos 49
A4B = (A \ B) ∪ (B \ A).
A \ B = A ∩ Bc ,
A4B = (A ∩ Bc ) ∪ (B ∩ Ac ).
Entonces, las leyes del álgebra de conjuntos son las leyes del álgebra de las operaciones
complemento, unión e intersección. A continuación enumeramos algunas de tales leyes.
No son todas, pues se pueden deducir otras nuevas a partir de éstas. Tampoco son inde-
pendientes entre ellas, pues algunas de la lista se pueden deducir de otras. Es una elección
arbitraria de las más útiles y habituales.
50 Capítulo 3. Conjuntos
Del mismo modo podemos pensar en la intersección de tres conjuntos, pues también
hay asociatividad. El conjunto A ∩ B ∩C está formado por los elementos que pertenecen
a todos y cada uno de los tres conjuntos. Análogamente, si {Aα }α∈I es una familia de
conjuntos, definimos la intersección de la familia, escrita , ∩α∈I Aα como el conjunto de
los elementos que pertenecen a todos y cada uno de los Aα .
Ejemplo 3.9 Con los mismos datos del Ejemplo 3.8, ∩k∈I Ak = 0.
/
(a, b) = (c, d) ⇔ a = c ∧ b = d.
Con el concepto de pareja ordenada, que es diferente del símbolo {a, b} (ver Ejercicio
3.11) podemos definir el producto cartesiano como un subconjunto de P(P(A ∪ B)).
Definición 3.1.10 El producto cartesiano de dos conjuntos A y B, denotado A × B, es el
conjunto formado por todas las parejas ordenadas cuyo primer elemento es del conjunto
52 Capítulo 3. Conjuntos
A y cuyo segundo elemento es del conjunto B.
A × B = {(a, b) | a ∈ A ∧ b ∈ B}.
Ejemplo 3.10 Sean los conjuntos A = {1, 2} y B = {a, b}. Entonces, su producto carte-
siano es el conjunto A × B = {(1, a), (1, b), (2, a), (2, b)}.
A × (B ∪C) = (A × B) ∪ (A ×C).
A ∪ (B ×C) 6= (A ∪ B) × (A ∪C).
Problema 3.16 Sea D el conjunto de las palabras que aparecen en un diccionario. Consi-
deremos los siguientes subconjuntos que corresponden a los capítulos: A es el subconjunto
de las palabras que comienzan con la letra a, B el de las palabras que comienzan con la
letra b, etc. Además consideremos la familia de subconjuntos Ln n∈N donde Ln contiene las
palabras que tienen n o menos letras. Describir el resultado de las siguientes operaciones.
1. A ∪ B. 7. (A ∩ L3 )c .
2. A ∩ B. 8. Ln ∪ Ln+1 .
3. A ∩ (B ∪C ∪ · · · ∪ Z). 9. Ln ∩ Ln+1 .
4. (F ∩ G)c . 10. ∪n∈N Ln .
5. (L2 )c . 11. ∩n∈N Ln .
6. (A ∪ L3 )c .
4. Relaciones y Funciones
En la teoría desarrollada hasta este punto la única referencia que se ha hecho a los
elementos de un conjunto es la pertenencia a dicho conjunto. No hay ninguna conexión
entre los elementos de un conjunto (aparte de la de pertenecer al mismo) y, mucho menos,
entre elementos de diferentes conjuntos. El papel de las relaciones y las funciones es,
precisamente, establecer dichas conexiones.
Las relaciones son la forma más básica (y por ello de más alcance) de imponer una
estructura en un conjunto. En este capítulo estudiamos la definición general de relación y
enseguida nos concentramos en los dos tipos más importantes: las relaciones de equivalen-
cia y las relaciones de orden.
Las equivalencias son las que permiten clasificar los elementos de un conjunto. El
objetivo del estudio de las equivalencias es ver el resultado de que toda equivalencia da
lugar a una clasificación de los elementos del conjunto y viceversa, toda clasificación (o
partición) de un conjunto procede de una relación de equivalencia.
Los órdenes son los que ordenan los elementos de un conjunto. El objetivo del estudio
de los órdenes es conocer diferentes tipos de órdenes que existen y, en particular, entender
la estructura de orden de los naturales, de los enteros, de los racionales y de los reales. Para
ello enunciaremos las propiedades que distinguen cada uno de estos órdenes de todos los
demás.
4.1 Relaciones
Partamos de un ejemplo considerando el conjunto de habitantes de una ciudad. En
él podemos relacionar entre sí a los habitantes que viven en el mismo barrio, con lo
cual cada habitante estará conectado con algunos otros -sus vecinos- y no lo estará con
algunos más. Podemos pensar en otro ejemplo en la misma ciudad si relacionamos a cada
habitante con sus hijos, si los tiene y viven en la misma ciudad. Definimos relación como
un objeto matemático para describir conexiones entre los elementos de un conjunto. En
54 Capítulo 4. Relaciones y Funciones
Para denotar que un elemento a está relacionado con otro b por la relación R escribimos
(a, b) ∈ R o también aRb (y su negación a 6Rb).
Ejemplo 4.1 En el conjunto A = {1, 2, 3}, R1 = {(1, 2), (1, 3), (2, 3)} es una relación
que podríamos llamar la relación del orden habitual, ya que indica que el primer elemento
del par precede al segundo según el orden habitual de los números. Otra relación es
R2 = {(1, 1), (1, 3), (2, 2), (3, 1), (3, 3)}, que podríamos llamar la relación de paridad, pues
los elementos de cada pareja son ambos pares o ambos impares.
En la definición no se exige que todos los elementos del conjunto estén relacionados
con algún otro, ni que todos reciban la relación de alguno. Por ello definimos el dominio y
el contradominio a continuación.
Definición 4.1.2 El dominio de una relación R en el conjunto A es el subconjunto de A
de elementos que están relacionados con algún otro. Lo denotamos D(R) y lo podemos
expresar como
Definición 4.1.4 La relación inversa de una relación R es la relación formada por las
parejas de R invirtiendo el orden de los elementos en cada pareja. Se denota por R−1 .
Es decir,
R reflexiva ⇔ ∀x ∈ A, xRx,
R irreflexiva ⇔ ∀x ∈ A, x 6Rx.
Ejemplo 4.2 La relación “vivir en la misma ciudad” es reflexiva, ya que todo el mundo
vive en la misma ciudad que sí mismo, mientras que “ser madre de”, es irreflexiva, pues
nadie es madre de sí mismo. Por otro lado, la relación “ser empleado de” no es ni una
ni otra, pues algunos empresarios son empleados de sí mismos, mientras que muchos
trabajadores son empleados de otra persona y no de ellos mismos.
Definición 4.1.6 Una relación es simétrica si para cada pareja de la relación, la pareja
en orden inverso también forma parte de la relación. Es asimétrica si para toda pareja
en la relación se cumple que su inversa no está en la relación. Por último, una relación
antisimétrica es aquélla en que las únicas parejas cuyas inversas también son parte de la
relación son las parejas de elementos iguales.
Ejemplo 4.3 La relación entre mercancías de una tienda de “tener el mismo precio” es
simétrica. “Ser más caro que”, es una relación asimétrica.
Ejemplo 4.4 La relación de parentesco “ser descendiente de” es una relación transitiva.
Sin embargo, “ser padre de” no lo es.
Estas propiedades no son todas independientes. Para empezar, por ejemplo, las propie-
dades reflexiva e irreflexiva son incompatibles, al igual que las propiedades de simetría y
antisimetría. Además, tenemos las dependencias que se indican en el Ejercicio 4.2.
Problema 4.1 Sea el conjunto A = {a, b, c, d}. Estudiar las propiedades de las siguientes
relaciones definidas en él. En particular, describir sus dominios y contradominios y verificar
si son reflexivas, irreflexivas, simétricas, asimétricas, antisimétricas y/o transitivas.
1. R1 = {(a, a), (a, b), (b, a), (b, b), (b, c), (c, b), (c, c)}.
2. R2 = {(a, b), (a, c), (a, d)}.
3. R3 = {(a, a), (a, b), (a, c), (b, a), (b, b), (b, c), (c, a), (c, b), (c, c), (d, d)}.
4. R4 = {(a, c), (a, d), (b, a), (b, c), (b, d), (c, d)}.
Problema 4.2 Demuéstrense los siguientes teoremas, que señalan algunas dependencias
entre las propiedades definidas en las relaciones.
56 Capítulo 4. Relaciones y Funciones
R equivalencia ⇒ R−1 = R.
Demostración. En realidad es un resultado más general, pues vale para cualquier relación
simétrica. Por ser R simétrica, D(R) = D0 (R) = D(R−1 ) = D0 (R−1 ), y para cada pareja
(a, b) ∈ R también (b, a) ∈ R y, por tanto, ambas están en R−1 .
[a] = {b ∈ A | a ∼ b}.
4.1 Relaciones 57
a ∈ [a],
2. dos elementos están relacionados si, y solamente si, están en la misma clase de
equivalencia, es decir ∀a, b ∈ A,
a ∼ b ⇔ [a] = [b].
Problema 4.5 — Continuación del Ejercicio 4.3. Para la congruencia módulo 4, hallar
la clase de equivalencia de los números 8 y 13.
El principal resultado de la teoría de equivalencias, como se ha dicho, es que las
clases de equivalencia constituyen una clasificación de los elementos del conjunto. Es
decir, todo elemento está en una clase de equivalencia y solo en una. Enunciamos primero
una definición precisa del concepto de clasificación o partición para, después, enunciar y
demostrar el teorema. Nótese que la definición de partición no habla de elementos, sino de
subconjuntos, pero es equivalente a decir que cada elemento está en uno, y sólo uno, de
tales subconjuntos.
Definición 4.1.10 Una partición de un conjunto A es una familia de subconjuntos de A,
{Aα }α∈I , donde I es un conjunto de índices, tal que la unión de todos los subconjuntos
es el conjunto A y la intersección de dos diferentes cualesquiera es vacía.
Es decir, {Aα }α∈I es una partición de A si
1. ∀α ∈ I, Aα ⊂ A,
2. ∪α∈I Aα = A, y
3. ∀α, β ∈ I (α 6= β → Aα ∩ Aβ = 0). /
Ejemplo 4.6 Dado el conjunto A = {1, 2, 3, 4, 5, 6}, las familias P1 = {{1, 2}, {3, 4, 5}, {6}}
y P2 = {0,/ A} son particiones de A, mientras que P3 = {{1, 2, 3, 4}, {4, 5, 6}} y P4 =
{{1, 2}, {6}} no lo son.
58 Capítulo 4. Relaciones y Funciones
Demostración. Debemos probar que las clases de equivalencia verifican las tres condicio-
nes de la Definición 4.1.10.
1. Las clases de equivalencia son, obviamente por su definición, subconjuntos de A.
2. Todo elemento de A está en alguna clase de equivalencia pues, por el Teorema 4.1.2,
a ∈ [a]. Entonces, es claro que la unión de todas las clases de equivalencia contiene
todos los elementos de A, y no más, por el punto anterior.
3. Para probar que clases de equivalencia diferentes son disjuntas nos fijamos en
la contrapositiva: si tienen un elemento en común, entonces son iguales. Pero,
precisamente esta implicación también se ha probado en el Teorema 4.1.2.
Ejemplo 4.7 En el conjunto de polígonos del plano definimos la relación “tener el mismo
número de lados”. Se trata de una relación de equivalencia que crea en el conjunto de
polígonos la partición en triángulos, cuadriláteros, pentágonos, ...
Problema 4.6 — Continuación del Ejercicio 4.5. Para la congruencia módulo 4, des-
cribe el conjunto cociente.
Ejemplo 4.9 En el conjunto de los números enteros definimos la relación de congruencia
módulo 3 (ver Ejercicio 4.3) en la que dos números enteros están relacionados si tienen
el mismo residuo al dividirlos entre 3. Se trata de una equivalencia con tres clases de
equivalencia: los enteros múltiplos de 3, cuyo residuo en la división es cero y que podemos
denotar 0̄, los enteros cuyo residuo en la división es uno, que denotamos 1̄, y los enteros
cuyo residuo es dos, 2̄.
El conjunto cociente es, por tanto, {0̄, 1̄, 2̄} que se suele denotar Z3 .
Problema 4.7 En el conjunto de los números enteros sin el cero, Z∗ = Z \ {0}, definimos
la relación R por la siguiente expresión:
x ∼ y ↔ xy > 0.
Se pide:
1. Probar que es una equivalencia.
2. Hallar las clases de equivalencia de los números 1, 7, −4 y −5.
3. Describir el conjunto cociente Z∗ /R.
Problema 4.8 En el conjunto de parejas de números reales, R × R, definimos varias
relaciones. En cada una de ellas se pide razonar si es o no una equivalencia y, en caso
afirmativo, representar gráficamente en el plano cartesiano las clases de equivalencia y
describir el conjunto cociente.
1. (x1 , y1 ) ∼ (x2 , y2 ), x1 = y2 .
2. (x1 , y1 ) ∼ (x2 , y2 ), x1 = x2 .
3. (x1 , y1 ) ∼ (x2 , y2 ), x1 − y1 = x2 − y2 .
4. (x1 , y1 ) ∼ (x2 , y2 ), x12 − y1 = x22 − y2 .
Problema 4.9 En el conjunto de los números reales, R, definimos la relación S por la
siguiente expresión:
x ∼ y ↔ x − y ∈ Z.
Se pide:
1. Probar que es una equivalencia.
2. Hallar las clases de equivalencia de los números 1,67, 3 y π.
3. Describir el conjunto cociente R/S.
4. Intentar repetir el problema cambiando Z por N.
5. Intentar repetir el problema cambiando Z por Q.
4.2 Funciones
Las funciones son herramientas para relacionar elementos de un conjunto, llamado
inicial, con elementos de otro conjunto, llamado final. El concepto es parecido al de
60 Capítulo 4. Relaciones y Funciones
relación, donde se relacionan elementos de un conjunto entre sí. Sin embargo hay una
diferencia esencial. En una función se exige que cada elemento del conjunto inicial
esté relacionado solo con uno del conjunto final. La consecuencia inmediata es que la
inversa de una función (es decir los elementos del conjunto final asociados con los que les
corresponden del inicial) no es, en general, una función.
Este capítulo tiene dos objetivos, que se alcanzan a través de los conceptos de función
inyectiva, función suprayectiva y función biyectiva. El primero es caracterizar las funciones
que tienen inversa, que resultan ser las biyectivas. El segundo es mostrar la descomposición
canónica de una función como composición de una función inyectiva, una biyectiva y una
suprayectiva.
Queremos utilizar las funciones como herramientas para asignar a cada elemento de un
conjunto un elemento de otro. Como en el caso de las relaciones, vamos a expresar esta
asignación por parejas, pero ahora formadas por un elemento del conjunto inicial y un
elemento del conjunto final. Como se ha dicho, exigiremos además que a cada elemento
del conjunto inicial no se le asigne más de uno del final.
Definición 4.2.1 Una función f del conjunto A al conjunto B es un subconjunto del
producto cartesiano A × B en el que no hay dos parejas que tengan el mismo primer
elemento. El conjunto A se llama inicial, y el conjunto B, final y se denotan con el
símbolo f : A → B.
Ejemplo 4.10 Sea A = {a, b, c} y consideremos los subconjuntos de A×A, f = {(a, a), (b, b), (b, c)},
g = {(a, b), (b, c), (c, a)}, h = {(a, a), (b, a)}. Los tres conjuntos son relaciones en A, pero
f no es una función porque el elemento b aparece como primer elemento en dos parejas.
Sin embargo, g y h sí son funciones.
D( f ) = {x ∈ A | ∃y ∈ B, (x, y) ∈ f }.
D0 ( f ) = {y ∈ B | ∃x ∈ A, (x, y) ∈ f }.
Ejemplo 4.12 Sea la función f : A → B, donde A = {1, 2, 3}, B = {a, e, i, o, u} dada por
f = {(1, e), (3, e)}. Entonces D( f ) = {1, 3} y D0 ( f ) = {e}.
Problema 4.10 Para cada una de las siguientes parejas de conjuntos A y B, escribir
explícitamente todas las funciones posibles de la forma A → B, donde el dominio debe
coincidir con el conjunto inicial A.
1. A1 = {1, 2, 3, }, B1 = {a}.
2. A1 = {1, 2, 3}, B1 = {a, b}.
3. A1 = {1, 2}, B1 = {a, b, c, d}.
4. A1 = {1, 2, 3}, B1 = {a, b, c}.
Existe una representación gráfica intuitiva que ilustra bien algunos conceptos de la
teoría de funciones, aunque no sirve como medio de demostración. En ella se representan
por diagramas de Venn los conjuntos inicial y final, enfrentados, y por flechas las parejas
que forman la función. El dominio es el subconjunto de puntos del conjunto inicial de los
que parte una flecha. El contradominio es el subconjunto de puntos del conjunto final que
reciben alguna flecha.
Merece la pena dedicar unas líneas a comentar cómo se define una función (una en
concreto, no el concepto de función). Lo que hay que definir son las parejas de A × B que
la conforman. En la práctica esto se lleva a cabo de dos formas que corresponden a las
dos maneras de definir conjuntos: primera, por enumeración de todos los elementos del
dominio indicando qué elemento del conjunto final le corresponde a cada uno; segunda,
dando una regla o fórmula que permita saber qué elemento corresponde a cada uno.
Ejemplo 4.14 Entre los conjuntos A = {0, 1, 2} y R definamos la función que asocia a
cada número su cuadrado. Podemos definirla por enumeración: f = {(0, 0), (1, 1), (2, 4)}.
También podemos escribirla como f = {(x, y) ∈ A × R | y = x2 }.
Problema 4.11 Dada una función f : A → B y los subconjuntos del dominio X1 , X2 , probar
lo siguiente:
1. f (X1 ∪ X2 ) = f (X1 ) ∪ f (X2 ).
2. f (X1 ∩ X2 ) ⊂ f (X1 ) ∩ f (X2 ), pero en general f (X1 ∩ X2 ) 6= f (X1 ) ∩ f (X2).
3. f (X1 \ X2 ) ⊃ f (X1 ) \ f (X2 ), pero en general f (X1 \ X2 ) 6= f (X1 ) \ f (X2 ).
Esto indica que las imágenes no se comportan bien respecto a las operaciones de conjuntos.
Análogamente podemos definir la preimagen de un conjunto. Pero, cuidado, no pode-
mos definir la preimagen de un elemento.
Definición 4.2.6 Dada una función f : A → B, la preimagen bajo f de un subconjunto
Y de B es el subconjunto del dominio de los elementos cuyas imágenes están en Y . Se
denota f −1 (Y ). Esto es,
f −1 (Y ) = {x ∈ A | f (x) ∈ Y }.
Ejemplo 4.15 Consideremos la función f : R → R que relaciona cada número real con
su cuadrado. Entonces, por ejemplo, f (0) = 0, f (2) = 4, f (−π) = π 2 . Podemos escri-
bir, entonces, ∀x, f (x) = x2 . Por otro lado, tenemos f ([0, 1]) = [0, 1], f ([−1, 0]) = [0, 1],
f (R− ) = R+ . Por último, algunos ejemplos de preimágenes: f −1 ({0}) = {0}, f −1 ({4}) =
{−2, 2}, f −1 ([0, 1]) = [−1, 1], f −1 ([−2, −1]) = 0.
/
f (D( f )) = D0 ( f ) ∧ f −1 (D0 ( f )) = D( f ).
Presentamos dos funciones muy sencillas de definir y que sirven como ejemplos muy
versátiles: la función constante (definible entre dos conjuntos cualesquiera) y la función
identidad (definible entre un conjunto cualquiera y él mismo).
Definición 4.2.7 Una función se llama función constante si su dominio coincide con el
conjunto inicial y su contradominio contiene un único elemento, es decir, f : A → B es
constante si
D( f ) = A ∧ D0 ( f ) = {y}
(g ◦ f )(x) = g( f (x)).
A
g◦ f
f
B /C
g
Este diagrama ilustra los dos caminos para ir desde A hasta C; se llama diagrama con-
mutativo porque ambos caminos tienen el mismo resultado, que es lo que expresa la
composición.
Ejemplo 4.16 Sean los conjuntos A = {1, 2, 3}, B = {a, b, c, d}, C = {X,Y } y las fun-
ciones f : A → B y g : B → C dadas por
f (1) = 2 g(a) = X,
f (2) = b g(b) = Y,
g(c) = Y.
Se cumple que D0 ( f ) ⊂ D(g) y por tanto tiene sentido definir la composición g ◦ f que
resulta
Problema 4.13 Probar que la composición de funciones es asociativa. Es decir, dadas las
funciones f : A → B, g : B → C y h : C → D que cumplen D0 ( f ) ⊂ D(g) y D0 (g) ⊂ D(h),
entonces
h ◦ ( f ◦ g) = (h ◦ f ) ◦ g
Problema 4.14 Probar que la composición de una función con la función identidad tanto
por la derecha como por la izquierda (en cada caso con la función identidad adecuada) es
la misma función.
Problema 4.15 En cada inciso calcular la función g ◦ f indicando los conjuntos inicial y
final y la imagen de un elemento arbitrario. Además, dibujar un diagrama conmutativo de
cada composición.
f :N→Z g:Z→Q
1.
n 7→ −n m 7→ 31 m
f :N→Z g:Z→Z
2.
n 7→ n − 5 m 7→ m2
f :Z→N g:N→Z
3.
n 7→ |n| + 1 m 7→ m − 1
donde |n| denota el valor absoluto de n.
f :R→Z g:Z→ ( {0, 1}
4. 0 si m es par,
x 7→ bxc m 7→
1 si m es impar.
donde bxc es la función piso de x.
f :R→C g:C→C
5.
x 7→ ix z 7→ z̄
donde z̄ es el conjugado de z.
Dada una función f : A → B, ya sabemos cómo es su dominio: un subconjunto del
conjunto inicial donde cada elemento tiene una imagen, y solo una, en B. En esta sección
nos ocupamos del contradominio.
Según sea la relación entre el contradominio y el conjunto final tenemos tres tipos de
funciones especialmente interesantes: inyectivas, suprayectivas y biyectivas.
Definición 4.2.10 Una función es inyectiva si su dominio es todo el conjunto inicial y
las imagénes de elementos diferentes son diferentes, que lo expresamos como
x 6= y → f (x) 6= f (y)
para elementos x, y de A.
D0 ( f ) = B.
Ejemplo 4.18 Sean los siguientes conjuntos y funciones con dominio en A = {1, 2, 3}:
f 1 : A → B1 donde B1 = {a, b, c, d}
f1 (1) = b
f1 (2) = c
f1 (3) = a
f 2 : A → B2 donde B2 = {a, b}
f2 (1) = a
f2 (2) = a
f2 (3) = b
f 3 : A → B3 donde B3 = {a, b, c}
f3 (1) = c
f3 (2) = b
f3 (3) = a
f 4 : A → B4 donde B4 = {a, b, c, d}
f4 (1) = b
f4 (2) = b
f4 (3) = a
Problema 4.20 — Continuación del Ejercicio 4.16. En los casos de funciones biyecti-
vas, además, escribir la función inversa.
Voltear las parejas, en general, no sirve. Hay que estudiar antes cuándo sí es válido.
Para ello, sin embargo, enunciamos la idea de función inversa de otro modo. Queremos
una función que deshaga lo que hace la original. Una función que permita volver desde el
conjunto final hasta el inicial y dejar las cosas como estaban.
Definición 4.2.13 Dada una función f : A → B, una función g : B → A es inversa de
f si la composición de f con g y la composición de g con f son ambas funciones
identidad. Es decir, si
g ◦ f = idA ∧ f ◦ g = idB .
h ◦ ( f ◦ g) = (h ◦ f ) ◦ g.
68 Capítulo 4. Relaciones y Funciones
Ahora bien, como f ◦ g = idB y h ◦ f = idA resulta h ◦ idB = idA ◦ g, de donde h = g puesto
que una función compuesta con la identidad es ella misma (Ejercicio 4.14).
Entonces podemos dar un símbolo a la función inversa. También un nombre a las
funciones que tienen inversa.
Definición 4.2.14 Si una función f tiene inversa se dice que es invertible, y denotamos
por f −1 la única función que es inversa de f .
Sin embargo g : R → R dada por g(x) = x3 sí es biyectiva y, por tanto, sí admite inversa
1
que es g−1 (x) = x 3 .
(g ◦ f )−1 = f −1 ◦ g−1 .
y de aquí,
x
f (x) = .
x+1
Es claro que f : (0, ∞) → (0, 1) es biyectiva.
Ejemplo 5.3 Mostremos que |R| = |(0, 1)|. Por la biyección natural g : sR → (0, ∞)
dada por g(x) = 2x , tenemos que |R| = |(0, ∞)|. Y usando el Ejemplo 5.2, se obtiene el
resultado deseado.
Notación 5.1. El símbolo ℵ es la primera letra del alfabeto hebreo, y se lee “aleph”. El
símbolo ℵ0 se lee “aleph naught”). Por lo tanto, |Z| = ℵ0 y |R| 6= ℵ0 .
Figura 5.2: Q.
a1 , a2 , a3 , a4 , . . .
Como un ejemplo de como este teorema puede ser usado, sea P denotando el con-
junto de todos los números primos. Dado que podemos enlistar los elementos como
2, 3, 5, 7, 11, 13, . . ., se sigue que P es infinito contable.
Como otra consecuencia del Teorema 5.2.1, note que podemos interpretar el hecho que
el conjunto R no es infinito contable porque no podemos poner los elementos de R en una
lista infinita. Esto nos lleva a la siguiente pregunta: ¿es posible escribir los elementos de Q
como una lista infinita? La respuesta, no es obvia, pero es afirmativa.
Teorema 5.2.2 El conjunto Q de los números racionales es infinito contable.
1 1 2 2 1 1 1 1 2 2 2 2 3
0, 1, , − , −1, 2, , , − , , , − , , − , − , − , −2, 3, , . . .
2 2 3 5 3 3 4 4 7 7 5 3 2
5.2 Conjuntos contables y no contables 75
De aquí, A × B puede ser escrito en forma de lista, así que por lo tanto es contable
infinito.
|A ∪ B| = |A| + |B|.
Demostración. Puesto que A y B son finitos, existen m, n ∈ N tal que |A| = m y |B| = n y
funciones biyectivas f : A → Im y g : B → In . Usando el Ejercicio 5.1, definamos la función
h : A ∪ B → Im+n de la siguiente manera:
(
f (x) si x ∈ A
h(x) =
g(x) + m si x ∈ B.
|A ∪ B| = m + n = |A| + |B|.
En general,
Ejercicio 5.2 Si A1 , A2 , . . . , An son conjuntos mutuamente disjuntos; es decir, Ai ∩ A j =
0/ para todo 1 ≤ i < j ≤ n, entonces
n
| ∪ni=1 Ai | = ∑ |Ai |.
i=1
Corolario 5.3.2 Sean A y B conjunto finitos tales que A ⊆ B, entonces |A| ≤ |B|.
Teorema 5.3.3 — Principio básico del producto. Si A, B son conjuntos finitos, en-
tonces
|A × B| = |A| · |B|.
Demostración. (Por inducción sobre |B|). En el caso base |B| = 0 se tiene que A × B = 0;/
por lo tanto |A × B| = 0 y |A| · |B| = 0. Ahora, si |B| = 1, sea B = {b} y tenemos que la
función
f : A × B → A definida por f (a, b) = a
es biyectiva y por lo tanto |A × B| = |A|. Ya que |B| = 1, se tiene que
|A × B| = |A| · |B|.
|A × B0 | = |A| · |B0 |.
A × B = (A × B0 ) ∪ (A × {b}),
Teorema 5.3.4 — Principio básico del producto. Si A, B son conjuntos finitos, en-
tonces |A × B| = |A| · |B|.
Demostración. Por inducción sobre |B|. En el caso base |B| = 0 se tiene que A × B = 0; /
por lo tanto |A × B| = 0 y también |A| · |B| = 0. En el caso base |B| = 1, sea B = {b} y
entonces la función
f : A × B → A definida por f ((a, b)) = a
es biyectiva y prueba que |A × B| = |A|. Por tanto, dado que |B| = 1, se tiene que |A × B| =
|A| · |B|. Ahora consideramos B con |B| > 1. Entonces tomando cualquier b ∈ B, tenemos
B = B0 ∪ {b} donde B0 = B \ {b}. Por hipótesis de inducción
|A × B0 | = |A| · |B0 |.
Entonces de la igualdad
A × B = (A × B0 ) ∪ (A × {b}),
ORnm = mn .
Observe que el principio del palomar nos dice que f : In → A es inyectiva si y solamente
si n ≤ m.
Ahora, observe que si n = 1, O1m = m pues hay m funciones inyectivas de I1 → A. Para
el caso cuando n = 2, observemos que I2 = I1 ∪ {2}, cada función inyectiva f1 : I1 → A se
82 Capítulo 6. Combinatoria
Onm = On−1
m · (m − n + 1) = m(m − 1)(m − 2) · · · (m − n + 1).
Pm = m! = m(m − 1)(m − 2) · · · 1.
Demostración. Sabemos que toda función inyectiva entre conjuntos finitos de la misma
cardinalidad es biyectiva. Entonces por el Teorema 6.1.2 tenemos
Pm = Om
m = m(m − 1) · · · 2 · 1.
Ejemplo 6.1 ¿De cuántas maneras se pueden acomodar cinco libros en un librero? Como
son cinco libros que se quieren acomodar en el librero, entonces necesitamos calcular
permutaciones, por lo tanto,
P5 = 5! = 120.
Los libros se pueden acomodar de 120 maneras distintas.
Lema 6.1.4
1. Si f : X → Y es sobre, { f −1 (y)}y∈Y es una partición de X.
6.1 Técnicas de conteo 83
φ ( f ) = {a1 , a2 , a3 , . . . , ak }
Claramente φ es suprayectiva, pues si {b1 , b2 , b3 , . . . , bk } ∈ Ck (A), definimos f = b11 b22 b33 ··· k
··· bk .
Además, por cda {a1 , a2 , a3 , . . . , ak } ∈ Ck (A), observe que | f −1 (a1 , a2 , a3 , . . . , ak )| = k!.
Por el Lema 6.1.4, {φ −1 ( f )} f ∈Ck (A) es una partición de Ok (A) y por lo tanto, Ok (A) =
∪ f ∈Ck (A) φ −1 ( f ). Además:
−1 n
Okn = |Ok (A)| = ∑ |φ ( f )| = ∑ k! = k!|Ck (A)| = k! .
f ∈Ck (A) f ∈C (A)
k
k
n
De la ecuación anterior, despejando k se tiene:
C En la prueba del Teorema 6.1.5 obtuvimos la siguiente fórmula que relaciona las
permutaciones, las combinaciones y las ordenaciones:
Okm = Cmk · Pk
Debido a que los números nk aparecen como los coeficientes en el binomio de Newton,
Im → S × T → S
sea inyectiva?
Problema 6.18 La baraja completa consta de 52 cartas (13 “números”: 1, 2, 3, 4, 5, 6, 7,
8, 9, 10, J, Q, K y cuatro palos ♥, ♦, ♣, ♠). Una mano de póker consta de cinco cartas.
1. Cuántas manos posibles de póker hay?
2. Cuántas manos de póker hay que no tengan dos cartas del mismo número?
3. Cuántas manos de póker hay que tengan exactamente un par? (Es decir, que tengan
dos cartas y solamente dos de un mismo número.)
4. Cuántas manos de póker hay que tengan exactamente dos pares (distintos)?
5. Cuántas manos de póker hay que tengan al menos tres cartas del mismo número?
6. Cuántas manos de póker hay exactamente una tercia (y que no sea full)?
7. Cuántas manos de póker hay que tengan full (es decir, que tengan un par y una
tercia)?
8. Cuántas manos de póker hay que tengan póker (es decir, que haya cuatro cartas del
mismo número.)?
9. Cuántas manos de póker hay tengan flor (es decir, que las cinco cartas sean del
mismo palo.)?
10. Cuántas manos de póker hay que tengan corrida (es decir, que las cinco cartas tengan
números consecutivos1 )?
11. Cuántas manos de póker hay que sean flor imperial (es decir, que sea flor y corrida.)?
Problema 6.19 Cuántas diagonales se pueden trazar en un pentágono regular?
Problema 6.20 Cuántas diagonales se pueden trazar en un polígono regular de n lados?
Problema 6.21 En el dominó hay 28 fichas, de las cuales 7 son dobles. Una mano consta
de siete fichas.
1. Cuántas manos posibles de domió hay?
1 la numeración 10, J, Q, K, 1 se considera también una corrida
86 Capítulo 6. Combinatoria
2. Cuántas manos de dominó hay que tengan exactamente cuatro fichas dobles?
3. Cuántas manos de dominó hay que tengan por lo menos tres fichas dobles?
Problema 6.22 — Propiedad de la suma-fila de Pascal. Demuestre que
n
n
∑ k = 2n .
k=0
Demuestre o de un contraejemplo.
Problema 6.27 — Propiedad subconjunto-de-un-subconjunto. Demuestre que para
0 ≤ k ≤ m ≤ n,
n m n n−k
= .
m k k m−k
II
Álgebra Superior II
7 Polinomios . . . . . . . . . . . . . . . . . . . . . . . . 89
7.1 El anillo de polinomios K[X]: Generalidades
7.2 Divisibilidad, Algoritmo de la división y m.c.d.
en K[X]
7.3 El Teorema fundamental de la Aritmética para
polinomios
7.4 Evaluación y raíces
7.5 Multiplicidad de las raíces
7.6 Polinomios en C[X]
7.7 Polinomios en R[X]
7.8 Polinomios en Q[X]
7.9 PROBLEMAS
8 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . 113
8.1 Definición formal
8.2 Operaciones con matrices
8.3 Multiplicación de matrices por vectores
8.4 (Opcional) Matrices Elementales
8.5 Matriz escalonada y matriz escalonada redu-
cida
8.6 Métodos de Gauss y de Gauss-Jordán
8.7 La inversa de una matriz
8.8 El rango de una matriz
8.9 Ejercicios
9 Determinantes . . . . . . . . . . . . . . . . . . . 137
9.1 Cálculo de determinantes de matrices de 2 × 2
9.2 Cálculo de determinantes de matrices de 3 × 3
9.3 Cálculo de determinantes de matrices de n × n
9.4 Matrices invertibles y determinantes
9.5 Ejercicios
n+m
f ·g = ∑ ck X k donde ck = ∑ ai b j .
k=0 i+ j=k
f + g = 5X 4 + X 3 + 2X 2 − 2
Observe que gr( f + g)= 4 =máx {gr( f ), gr(g)} y que gr( f · g)=7 = gr( f )+gr(g). Además,
tenemos que cp(f· g) = 15 = 5 · 3 = cp( f )· cp (g) y que cp( f + g) 6= cp( f )+ cp(g).
Teorema 7.1.1 El grado de la suma de dos polinomios no nulos es menor o igual que
el máximo de los grados de los factores.
Teorema 7.1.2 El grado del producto de dos polinomios no nulos es la suma de los
grados de los factores.
Como consecuencia del Teorema anterior, deducimos inmediatamente quiénes son los
polinomios en K[X] que tiene inverso multiplicativo.
2
√ para a√∈ Q. Sin embargo,
cual es imposible √ 2
es reducible en R[X] y en C[X] ya que
X − 2 = (X − 2)(X + 2), i.e., X − 2 | X − 2 en R[X] y en C[X].
Teorema 7.2.2 Dados f , g ∈ K[X] no nulos, existen únicos q, r ∈ K[X] que satisfacen
Por lo tanto, f = qg + r y se afirma que si r 6= 0, entonces gr(r) < gr(g). Pues si fuera que
gr(r) ≥ gr(g), podemos considerar el polinomio
cp(r) gr(r)−gr(g)
r̃ = r − X g
cp(g)
cp(r) gr(r)−gr(g)
= f − qg − X g
cp(g)
cp(r) gr(r)−gr(g)
= f − q+ X g ∈ A.
cp(g)
Es fácil verificar que los dos sumandos tienen el mismo grado, y en esta resta, se cancela
el coeficiente principal de r. Por lo tanto gr(r̃) < gr(r), lo que contradice el hecho que r
tenía grado mínimo en A.
Unicidad de q y r: Supongamos que existen q1 , r1 , q2 , r2 ∈ K[X] con r1 = 0 o gr(r1 ) <
gr(g) y r2 = 0 o gr(r2 ) < gr(g) tales que
f = q1 g + r1 = q2 g + r2 .
luego no puede ser divisible por g. Por lo tanto, r2 − r1 = 0, i.e., r1 = r2 de lo que se deduce
que q1 = q2 pues (q1 − q2 )g = 0 con g 6= 0 implica que q1 − q2 = 0.
f = (X − 2)g + r con r = 4X 3 + 8X 2 − 8X − 4.
Definición 7.2.3 Sea f , g ∈ K[X] no ambos nulos. El máximo común divisor entre
f y g, que se denota por ( f : g), es el polinomio mónico de mayor grado que divide
simultáneamente a f y a g.
C No es obvio en este caso que este polinomio es único, de hecho es una consecuencia
de las propiedades siguientes que se cumplen para un polinomio mónico de mayor
grado que es divisor común de f y g , y de los resultados que se deducen de esas
propiedades.
( f : 0) = cp(f f ) , ∀ f ∈ K[X] no nulo.
Sean f , g ∈ K[X] con g nulo. Si f = qg + r para q, r ∈ K[X], entonces ( f : g) =
(g : r).
tiene:
f = (X − 2)g + r1 con r1 = 4X 3 + 8X 2 − 8X − 4
1 1
g = X+ r1 + r2 con r2 = −X 2 − 3X − 1
4 4
r1 = (−4X + 4)r2
r2
Luego ( f : g) = = X 2 + 3X + 1 y
cp(r2 )
1 1
r2 = g− X+ r1
4 4
1 1
= g− X+ ( f − (X − 2)g)
4 4
1 1 1 1
= − X+ f + 1+ X+ (X − 2) g
4 4 4 4
1 1 1 2 1 1
= − X+ f+ X − X+ g
4 4 4 4 2
Así ( f : g) = −r2 = −( 14 X + 14 ) f + ( 14 X 2 − 14 X + 12 )g.
Ejercicio 7.5 Hallar, cuando existan, todos los f ∈ C[X] tales que
1. f 2 = X f + X + 1.
2. f 2 − X f = −X 2 + 1.
3. (X + 1) f 2 = X 3 + X f .
4. f 6= 0 y f 3 = gr( f ) · X 2 f .
4. f = X 5 + X 3 + X + 1, g = 2X 2 + 1 en (Z/3Z) [X].
5. f = X n − 1, g = X − 1 en Q[X] , R[X] y (Z/pZ) [X].
Ejercicio 7.12 Sea f ∈ Q[X] tal que f (1) = −2, f (2) = 1 y f (−1) = 0. Hallar el resto
de la división de f por X 3 − 2X 2 − X + 2.
7.3 El Teorema fundamental de la Aritmética para polinomios 97
f = cp( f ) · gm mr
1 · · · gr
1
Ejemplo 7.11 Sea f = c un polinomio constante en K[X]. Entonces f (α) = c, para toda
α ∈ K.
Ejemplo 7.12 Determinar todos los polinomios f ∈ R[X] de grado ≤ 2 (o nulo) tales
que f (0) = 1 y f (1) = f (2): El polinomio f es de la forma f = aX 2 + bX + c ∈ R[X]. Se
tiene f (0) = 1 si y solamente si c = 1; además, f (1) = f (2) si y solamente si a + b + c =
4a + 2b + c, es decir, 3a + b = 0. Por lo tanto, b = −3a y c = 1, lo que implica que
f = aX 2 − 3aX + 1 con a ∈ R.
98 Capítulo 7. Polinomios
Ejemplo 7.13 Sea f ∈ Q[X] tal que f (0) = 1 y f (1) = f (2) = 3.Calcular el resto de
dividir f por X(X − 1)(X − 2): El polinomio f se escribe por el Algoritmo de División
como f = q · X(X − 1)(X − 2) + r con r = 0 o gr(r) < 3, o sea r = aX 2 + bX + c ∈ Q[X].
Por lo tanto, dado que el polinomio X(X − 1)(X − 2) se anula en 0, 1 y 2, si evaluamos en
α = 0, α = 1 y α = 2 obtenemos f (0) = r(0), f (1) = r(1) y f (2) = r(2). O sea r(0) = 1,
r(1) = r(2) = 3. Por el Ejemplo 7.12, r = aX 2 − 3aX + 1, con r(1) = a − 3a + 1 = 3, es
decir −2a = 2, o sea a = −1. Se concluye que r = −X 2 + 3X + 1.
rX−α ( f ) = f (α).
f (α) = q(α) · (α − α) + c = c.
tenemos que la raíz 1 “aparece” dos veces, la raíz −1 una sola vez y la raíz 2 tres veces.
Esto sugiere la noción de multiplicidad de una raíz de un polinomio.
Definición 7.5.1 Sea f ∈ K[X] no nulo.
Sea m ∈ N0 . Se dice que α ∈ K es una raíz de multiplicidad m de f si (X − α)m | f
pero (X − α)m+1 - f , o equivalentemente, existe q ∈ K[X] tal que
Escribimos mult(α; f ) = m.
Decimos que α ∈ K es una raíz simple de f si mult(α; f ) = 1.
Decimos que α ∈ K es una raíz múltiple de f si mult(α; f ) > 1.
Decimos que α ∈ K es una raíz doble de f si mult(α; f ) = 2 y que es una raíz
triple de f si mult(α; f ) = 3.
Está claro de la definición que dado un polinomio f ∈ K[X] no nulo y α ∈ K una raíz de
f , su multiplicidad m siempre está acotada por el grado del polinomio: mult(α; f ) ≤ gr( f ).
Ejemplo 7.17 Si f = 10(X − 1)2 (X + 1)(X − 2)3 entonces 1 es raíz doble de f , −1 es
raíz simple y 3 es triple.
Por lo tanto f 0 (x) = 0 también. O sea no solo vale que f (x) = 0 si no también f 0 (x) = 0.
Esto es la base de la siguiente proposición que relaciona la multiplicidad con las derivadas
de f .
Proposición 7.5.1 Sea f ∈ K[X] y sea α ∈ K. Entonces
1. α es raíz múltiple de f si y solamente si f (α) = 0 y f 0 (α) = 0.
2. α es raíz simple de f si y solamente si f (α) = 0 y f 0 (α) 6= 0.
Demostración. Es suficiente con probar el primer enunciado. Sabemos que α ∈ K es una
raíz de f si solamente si f = (X − α)q para algún q ∈ K[X]. Derivando, f 0 = q + (X − α)q0
satisface f 0 (α) = q(α). En particular, f 0 (α) = 0 si y solamente si q(α) = 0. Por lo tanto,
f (α) = α 8 − 2α 4 + a = (α 4 )2 − 2α 4 + a = 1 − 2 · 1 + a = −1 + a
Teorema 7.5.2 Sea f ∈ K[X] de grado n > 0 y sea m un entero positivo. α es una raíz
de multiplicidad m de f si y solamente si f (α) = f 0 (α) = · · · = f (m−1) (α) = 0 pero
f (m) (α) 6= 0.
El Teorema Fundamental del Álgebra (del cual no exhibimos una demostración) fue
enunciado y demostrado en varias etapas a lo largo del tiempo, empezando con el ma-
temático francés Albert Girard quien lo enunció en alguna forma en 1629. Una primera
demostración, incompleta, fue esbozada por Jean le Rond D0 Alembert en 1746. Aparecie-
ron luego muchas demostraciones entre 1749 y 1795, pero con “agujeros” (argumentos
no claros, que necesitan una demostración en sí mismo) ya que todas asumían que las
raíces existían en “algún lado”. Gauss también presentó una demostración con un agujero
en 1799. En 1814, el librero y matemático amateur de origen suizo Jean-Robert Argand
publicó la primer demostración completa, y luego Gauss presentó otra en 1816. Existen
hoy en día numerosas demostraciones distintas de este teorema, aunque todas ellas usan de
alguna u otra manera resultados de una de las muchas ramas de la matemática: el Análisis.
y si an < 0, se tiene:
En ambos casos los signos son opuestos, y por lo tanto, por el Teorema de Bolzano (y dado
que f : R → R define una función continua), debe existir c ∈ R tal que f (c) = 0, i.e, f
tiene una raíz real.
Pero podemos ser más explícitos y precisar un poco más sobre cuántas raíces puede
tener f .
Proposición 7.7.2 Sea f ∈ R[X] y sea z ∈ C \ R un número complejo no real. Entonces
1. f (z) = 0 si y solamente si f (z̄) = 0.
2. Para todo m ∈ N, mult(z; f ) = m si y solamente si mult(z̄; f ) = m.
3. (X − z)(X − z̄) es un polinomio irreducible de R[X].
Demostración.
7.7 Polinomios en R[X] 103
algoritmo. Este hecho es una consecuencia de que todo número entero a ∈ Z \ {0} tiene
un número finito de divisores posibles, que se pueden calcular.
Teorema 7.8.1 — Lema de Gauss. Sea f = an X n + · · · + a0 ∈ Z[X] con an , a0 6= 0. Si
α
β ∈ Q es una raíz racional de f , con α y β enteros coprimos (es decir, sin factores en
común), entonces α | a0 y β | an .
Demostración.
n n−1
α α α α
f = 0 ⇔ an + an−1 + · · · + a1 + a0
β β β β
an α n + an−1 α n−1 β + · · · + a1 αβ n−1 + a0 β n
⇔ =0
βn
⇔ an α n + an−1 α n−1 β + · · · + a1 αβ n−1 + a0 β n = 0
Por lo tanto, α(an α n−1 + an−2 α n−1 β + · · · + a1 β n−1 ) = −a0 β n . Esto implica que α |
−a0 β n en Z. Pero al ser α y β coprimos, entonces α es coprimo de β n también, y por
lo tanto, α | a0 . De la misma manera, β (an−1 α n−1 + · · · + a0 β n−1 ) = −an α n implica que
β | −an α n pero esto implica que β | an .
C En las condiciones del Teorema 7.8.1, el Lema de Gauss implica que si se construye
el conjunto (finito) N de los divisores positivos y negativos de a0 y el conjunto D
de los de an , las raíces del polinomio f se encuentran en el conjunto de todas las
fracciones coprimas αβ , eligiendo α ∈ N y β ∈ D. Verificandopara cada fracción αβ
así construída si f ( αβ ) = 0, se obtienen todas las raíces racionales de f .
Simplemente hay que tener un poco de cuidado en que este procedimiento no aclara
la multiplicidad de cada raíz.
8 1 14 14 4
f = X 8 + x7 + X 6 − X 5 − X 4 − X 3 .
3 3 3 3 3
Solución: Limpiando los denominadores de f se obtiene el polinomio g ∈ Z[X] con las
mismas raíces:
h = 3X 5 + 8X 4 + X 3 − 14X 2 − 14X − 4.
Aquí a0 = −4 y an = 3. Entonces N = {±1, ±2, ±4} y D = {±1, ±3}, luego las raíces
1 2 4
racionales se buscan en el conjunto ± 1, ±2, ±4, ± 3 , ± 3 , ± 3 . Checando todos los
cocientes, obtenemos que h(−1) = 0 y h − 23 = 0, y estas son las únicas raíces racionales
106 Capítulo 7. Polinomios
(distintas) de h. Lo único que nos falta por saber, es la multiplicidad de cada una de las
raíces. Observemos que
y h00 (−1) 6= 0. Y concluímos que −1 es una raíz doble de h. Finalmente, obtenemos que
2 2
x2 − 2
h = 3 (X + 1) X +
3
Ejercicio 7.13 1. Hallar todos los f ∈ Q[X] de grado 3 cuyas raíces complejas son
1, − 12
y 3
5.
2. Hallar todos los f ∈ Q[X] de grado 4 cuyas raíces complejas son 1, − 12 y 35 .
Ejercicio 7.14 Hallar las raíces en C y factorizar en C[X] los polinomios cuadráticos:
1. X 2 − 2X + 10.
2. X 2 − 3 − 4i.
3. X 2 + (1 + 2i)X + 2i.
4. X 2 + (3 + 2i)X + 5 + i.
Ejercicio 7.15 Hallar las raíces en Q y factorizar en Q[X] los polinomios cuadráticos:
1. X 2 + 6X − 1.
2. X 2 + X − 6.
Ejercicio 7.16 Hallar las raíces en Z/7Z y factorizar en (Z/7Z)[X] los polinomios
cuadráticos:
1. X 2 + 6X + 1.
2. X 2 + X + 6.
7.8 Polinomios en Q[X] 107
Ejercicio 7.20 Determinar todos los a ∈ R para los cuales f = X 2n+1 − (2n + 1)X + a
tiene al menos una raíz múltiple en C.
5. X 6 − (2 − 2i)12 .
6. X 12 + X 6 + 1.
108 Capítulo 7. Polinomios
7.9 PROBLEMAS
Problema 7.2 (Propuesto en Prueba de Desempeño 2015) Sean f (x), h(x), g(x) ∈ C[x]
tal que f (x) = h(x)g(x) con deg( f )=4 y deg(g)= deg(h)= 2. Demostrar que si cualesquiera
dos polinomios de f (x), h(x), g(x) están en R[x], entonces el tercero también está en R[x].
Problema 7.3 (Propuesto en Prueba de Desempeño 2015) ¿Para qué valores de c ∈ C
es x + i un factor de x6 − 2ix + c en C[x]?
Problema 7.4 (Propuesto en Prueba de Desempeño 2015) Demuestre que toda raíz
racional del polinomio f (x) = xn + an−1 xn−1 + · + a1 x + a0 es entera, si f (x) ∈ Z[x].
Problema 7.5 (Propuesto en Prueba de Desempeño 2015) Sea k un campo. Suponga
que m y n son dos enteros positivos con m ≤ n. Pruebe que existe un polinomio de grado n
con exactamente m raíces distintas.
Problema 7.6 (Propuesto en Prueba de Desempeño 2015) Factoriza el polinomio x5 −
3x4 + 2x3 − 6x2 − 8x + 24 sobre C[x].
Problema 7.7 (Propuesto en Prueba de Desempeño 2015) Sea f (x) un polinomio de
grado n con coeficientes en un campo k. Muestre que si p(x) tiene n raíces distintas,
entonces p(x) y p0 (x) no pueden tener raíces en común.
Problema 7.8 (Propuesto en Prueba de Desempeño 2015) Demuestre que cada polino-
mio de grado impar con coeficientes reales tiene (al menos) una raíz real.
Problema 7.9 (Propuesto en Prueba de Desempeño 2015) Sea f (x) ∈ R[x] con grado
par y con al menos una raíz real. Demuestre que f (x) tiene al menos dos raíces reales.
Problema 7.10 (Propuesto en Prueba de Desempeño 2015) Bosqueje la gráfica de un
polinomio cuadrático irreducible en R[x].
7.9 PROBLEMAS 109
DA (X) = (X − A1 )(X − a2 ) · · · (X − an ).
110 Capítulo 7. Polinomios
donde fi (x) es de grado > 0 para i = 1, 2, 3, 4. Demuéstrese que dos de los fi (x) tienen el
mismo grado.
Problema 7.37 (Propuesto en Prueba de Desempeño (Acompañamiento) 2016) Deci-
mos que f (x) y g(x) son asociados si f (x) | g(x) y g(x) | f (x). Demuéstrese que f (x) y
g(x) son asociados si y solamente si f (x) = c · g(x) para algún complejo c 6= 0.
Problema 7.38 (Propuesto en Prueba de Desempeño (Acompañamiento) 2016) De-
muestre que x5 − 5x4 + 1 no tienen ninguna raíz de multiplicidad 4.
8. Matrices
Comúmente, usamos letras mayúsculas A, B,C, . . . para denotar matrices, Ai, j , Bi, j , . . .
para denotar las posiciones y ai, j , bi, j , . . . para denotar sus elementos. Existe una manera
más formal de definir las matrices. Esto se muestra en la definición 8.1.2.
Definición 8.1.2 Una matriz de tamño n × m con elementos en un campo K es una
función {1, 2, . . . , n} × {1, 2, . . . , m} −→ K.
Observe que dos matrices A y B son iguales si y solamente si sus dimensiones coinciden
y además ai, j = bi, j para toda i, j.
Teorema 8.2.2 Sean n y m enteros positivos y sea K un campo. Tenemos que el conjunto
de matrices Mn×m (K) tiene un neutro único y cada matriz tiene un inverso aditivo.
Ejemplo 8.2
1 0 0 1 2 3
0 2 0 1 2 3 = 0 −2 2 0
0 −1 1 0
−1 1 0 −2 −1 −3
Problema 8.3 Sean A y B matrices tales que existen ambos productos AB y BA, ¿Qué
podemos concluir sobre las dimensiones de A y B? ¿Tienen que ser cuadradas estas matrices
o no necesariamente?
A (B +C) = AB + AC.
Demostración. Las dimensiones de las matrices nos asegura que los productos y sumas
están definidas. Ahora,
m
[A(B +C)]i, j = ∑ ai,k (B +C)k, j
k=1
m
= ∑ ai,k (bk, j + ck, j )
k=1
m
= ∑ (ai,k bk, j + ai,k ck, j )
k=1
m m
= ∑ ai,k bk, j + ∑ ai,k ck, j
k=1 k=1
= (AB)i, j + (AC)i, j
= (AB + AC)i, j .
A (BC) = (AB)C.
Demostración. Las dimensiones aseguran que todos los productos están bien definidos.
116 Capítulo 8. Matrices
Además,
m
[A (BC)]i, j = ∑ ai,k (BC)k, j
k=1
!
m t
= ∑ ai,k ∑ bk,l cl, j
k=1 l=1
m t
= ∑ ∑ ai,k bk,l cl, j
k=1 l=1
t m
= ∑ ∑ ai,k bk,l cl, j
l=1 k=1
!
t m
= ∑ ∑ ai,k bk,l cl, j
l=1 k=1
t
= ∑ (AB)i,l cl, j
l=1
= [(AB)C]i, j .
Una matriz se dice que es una matriz cuadrada si su número de filas es igual a su
número de columnas. Una consecuencia trivial de este hecho, es que el producto matrices
cuadradas del mismo tamaño siempre está definido. De lo anterior, deducimos entonces
que las potencias de una matriz cuadrada siempre están definidas y escribimos: A2 = AA y
recursivamente An+1 = An A y por completez, A1 = A. Decimos que una matriz cuadrada A
es nilpotente si existe una k ∈ N tal que Ak = 0. Decimos que una matriz cuadrada A es
idempotente si A2 = A.
Ejemplo 8.3 La matriz
0 −1 3 2
0 0 3 5
A=
0 0 0 −4 .
0 0 0 0
Problema 8.5 Si
1 1
A= .
1 1
Demuestre que, para k > 0
k−1 k−1
k 2 2
A = k−1 .
2 2k−1
8.3 Multiplicación de matrices por vectores 117
n
tr(A) = ∑ Ak,k .
k=1
AT = (A j,i )
Al escribir xk en vez de xk,1 y (xT A) j en vez de (xT A)1, j , obtenemos la siguiente fórmula:
n
(xT A) j = ∑ xk Ak, j .
k=1
Sean A ∈ Mm×n (K), i ∈ {1, . . . , m}. Denotemos por Ai,∗ al i-ésimo renglón de la matriz
A. Formalmente, Ai,∗ ∈ M1×n (K) y
(Ai,∗ ) j = Ai, j .
Sean A ∈ Mm×n (K), j ∈ {1, . . . , n}. Denotemos por A∗, j a la j-ésima columna de la matriz
A. Formalmente, A∗, j ∈ Mm×1 (K) y
(A∗, j )i = Ai, j .
Definición 8.3.3 Sean A ∈ Mm×n (K) y B ∈ Mn×p (K). Consideremos la fórmula del
producto AB:
m
(AB)i, j = ∑ ai,k bk, j .
k=1
Si dejamos fijo el renglón i obtenemos una fórmula muy conveniente para el i-ésimo
renglón del producto, a saber,
(AB)i,∗ = Ai,∗ B.
Si dejamos fijo la columna j obtenemos una fórmula muy conveniente para el j-ésima
8.4 (Opcional) Matrices Elementales 119
columna del producto, a saber,
(AB)∗, j = AB∗, j .
Ejemplo 8.5
0 0 0 0
0 0 0
0 1 0 0 0 0
E212 = , E333 = 0 0 0 , E432 =
.
0 0 0 1 0 0
0 0 1
0 0 0 0
Definición 8.4.4 Una matriz elemental es una matriz cuadrada que tiene alguna de las
siguientes formas:
Tipo I. I − E rr − E ss + E rs + E sr , con r 6= s;
Tipo II. I − E rr + aE rr para algún a ∈ K, a 6= 0;
Tipo III. I + aE rs con a ∈ K, a 6= 0 y i 6= j.
120 Capítulo 8. Matrices
Teorema 8.4.1 Sea R una matriz elemental de n × n del Tipo i, con i = 1, 2, 3. Entonces
R se obtiene de realizar una única operación elemental de renglón de Tipo i a la matriz
identidad In . Debido a esto, a la operación elemental de renglón de arriba se le llama la
operación elemental de renglón asociada a la matriz elemental R. Inversamente, si se
realiza una operación elemental de renglón a I, se obtendrá una matriz elemental del
mismo tipo. Más aún, si A es una matriz de n × m, entonces el producto RA es igual al
resultado de realizar a A la operación elemental de renglón asociada a R.
Ahora, veamos que pasa con las matrices del tipo I, es decir,
[(I − E rr − E ss + E rs + E sr ) A]i j
y calculemos su entrada (i. j)-ésima:
Ai j si i 6= s, r
[A − E rr A − E ss A + E rs A + E sr A]i j = Ar j − Ar j − 0 + As j + 0 = As j si i = r
As j − 0 − As j + 0 + Ar j = Ar j si i = s
ahora es claro el teorema para las matrices del tipo I. Para las matrices del tipo II, i.e.,
[(I − E rr + aE rr ) A]i j :
rr rr Ai j si i 6= r
[A − E A + aE A]i j =
Ar j − Ar j + aAr j = aAr j si i = r
y vemos que el teorema se sigue para matrices del Tipo II. Finalizar el teorema requiere de
un analisis similar y se deja al lector.
Teorema 8.6.1 Sea A una matriz de n × m con entradas en un campo K. Entonces existe
una matriz escalonada que es equivalente por renglones a A.
Problema 8.14 Halle una matriz escalonada reducida equivalente por renglones a las
matrices del Ejercicio 8.13
Teorema 8.6.2 Sea A una matriz con entradas en un campo K. Entonces existe una
única matriz escalonada reducida que es equivalente por renglones a A.
La pregunta que nos hacemos ahora es: ¿La matriz inversa es única? La respuesta
afortunadamente es afirmativa y esto lo mostramos en el siguiente teorema.
Teorema 8.7.1 Sean A, B,C ∈ Mn (K) tales que AB = BA = In y AC = CA = In . Entonces
B = C.
El Teorema 8.7.1 muestra que la matriz inversa, si existe, es única. La matriz inversa a
la matriz A se denota A−1 .
Ejemplo 8.13 Un ejemplo trivial de una matriz no invertible es la matriz nula 0n .
tenemos que:
b1,1 b1,2
AB = 6= I2 .
0 0
(A−1 )−1 = A.
Demostración. Tenemos tres casos, según el tipo de la matriz elemental R. En cada caso
sólo daremos la inversa, y se le dejará al lector demostrar que efectivamente lo es (Ejercicio
de la Lista 04)
Tipo I. R = I − E ii − E j j + E i j + E ji , con i 6= j; entonces R−1 = R;
Tipo II. R = I − E ii + aE ii para algún a ∈ K, a 6= 0; entonces R−1 = I − E ii + a−1 E ii ,
Tipo III. R = I + aE i j con algún a ∈ K, a 6= 0, y i 6= j; entonces R−1 = I − aE i j .
126 Capítulo 8. Matrices
Teorema 8.7.5 Sea A una matriz de n × n con entradas en un campo K. Tenemos que
son equivalentes las siguientes condiciones:
1. A es invertible.
2. A es equivalente por renglones a la matriz identidad In .
3. A es un producto de matrices elementales.
Demostración. (1) ⇒ (2) : Suponga que A es invertible. Sea B una matriz escalonada
reducida por renglones equivalente a A. Tenemos que existe una matriz C que es producto
de matrices elementales, tales que B = CA. Como toda matriz elemental es invertible, su
producto C también es invertible, por lo que CA = B también es invertible. Como B es una
matriz escalonada reducida invertible, no puede tener renglones nulos y debe ser igual a la
matriz identidad I.
(2) ⇒ (3) : Suponga que A es equivalente por renglones a la matriz identidad In .
Tenemos que existe una matriz C que es producto de matrices elementales, tales que
I = CA. Como dijimos antes, C es invertible y multiplicando por C−1 por la izquierda nos
queda C−1 = A. Pero el inverso de un producto es el producto de los inversos en el orden
contrario, y como el inverso de una matriz elemental es otra matriz elemental, tenemos
que A es producto de matrices elementales.
(2) ⇒ (3) : Se sigue de que las matrices elementales son invertibles y producto de
invertibles es invertible.
Demostración. Para que B sea equivalente por renglones a A necesitamos que exista una
matriz C que sea producto de matrices elementales y tal que B = CA. El resto se sigue de
que una matriz es invertible si y sólo si es producto de matrices elementales.
(A | I) → · · · → I | A−1 .
A−1 = −5 1 3 .
1
−2 2 1
Ejemplo 8.16 Encuentra la inversa de
2 1 −4
A = −4 −1 6
−2 2 −2
si existe.
0 1 1 −1
√ √
2 √0 2 2 0
√
−4 2 2 0 0
11.
0
.
0 1 0
0 0 3 1
1 0 0 0
0 1 0 0
12.
0 0 1 0 .
a b c d
Las columnas básicas de A (o también llamadas columnas base) son las columnas de A
que contienen los pivotes.
1 7 −13 5 −3
0 0 0 0 0
Es claro que las columnas 1,2 y 4 son las pivotales y por lo tanto, las clumnas básicas de A
son:
−2
−5 0
1 3 1
, ,
3 11 7
1 7 5
8.9 Ejercicios
1. Si A, B,C y 0 tienen el orden adecuado y k, k1 y k2 son escalares. Demuestre que las
siguientes propiedades se cumplen:
a) A + B = B + A.
b) A + (B +C) = (A + B) +C.
c) A + 0 = 0 + A = A.
d) k(A + B) = kA + kB.
e) (k1 + k2 )A = k1 A + k2 A.
f ) k1 (k2 A) = (k1 k2 )A.
g) 0 · A = 0.
h) k · 0 = 0.
i) A(BC) = (AB)C.
130 Capítulo 8. Matrices
10. Calcule An
λ 1 0
A = 0 λ 1 .
0 0 λ
La parte no trivial consiste en obtener la fórmula correcta para la (1, 3)-ésima entrada
de An .
11. Determina si los siguientes enunciados son verdadero o falso. (Justifique su respuesta
exhibiendo una prueba o dando un contraejemplo.)
a) Sea A, B ∈ Mn (K), entonces (AB)n = An Bn para cualquien n ∈ N.
b) La matriz cuadrada cero es invertible.
c) Sea A una matriz invertible tal que A es su propia inversa. Entonces A es la
matriz identidad.
d) Sea A una matriz invertible. Entonces An es invertible para todo entero positivo
n.
e) Sea A una matriz cuadrada tal que A2 es invertible. Entonces A es invertible.
12. Sea A ∈ Mn (K). Supongamos que (por lo menos) una fila de A es nula, es decir, A
posee (al menos) una fila de puros ceros. Demuestre que A no es invertible.
13. Sea A ∈ Mn (R) una matriz tal que A7 = 4In . Demuestre que A es invertible y exprese
A−1 en términos de A.
14. Sea A ∈ Mn (R) una matriz tal que A5 es invertible, esto es, existe una matriz
B ∈ Mn (R) tal que A5 B = BA5 = In . Demuestre que la matriz A es invertible y halle
una fórmula para A−1 en términos de A y B.
15. Una matriz cuadrada A ∈ Mn (K) se llama diagonal si todos los elementos fuera
de la diagonal principal son cero, es decir, ∀i, j ∈ {1, 2, . . . , n} con i 6= j se tiene
que Ai j = 0. Una matriz diagonal con elementos diagonales a1 , . . . , an se denota por
diag (a1 , . . . , an ) :
a1 0 0 · · · 0
0 a2 0 · · · 0
0 0 a3 · · · 0
diag (a1 , . . . , an ) = .
.. .. .. . . ..
. . . . .
0 0 0 · · · an
Note que los elementos de la diagonal principal de una matriz diagonal pueden
ser iguales o cero. Por ejemplo, la matriz identidad, la matriz cero o una matriz
escalar (cf. Ejercicio 7 de la Lista 2) son diagonales. Muestre entonces las siguientes
propiedades sobre matrices diagonales:
a) diag (a1 , . . . , an ) + diag (b1 , . . . , bn ) = diag (a1 + b1 , . . . , an + bn ) .
b) λ diag (a1 , . . . , an ) = diag (λ a1 , . . . , λ an ) .
16. Sea A ∈ Mn (K) una matriz diagonal, esto es, A = diag (a1 , . . . , an ). Entonces las
siguientes condiciones son equivalentes:
a) A es invertible;
b) Todos los elementos diagonales de A son distintos de cero, esto es, a1 6=
0, . . . , an 6= 0.
17. Haga una búsqueda exhaustiva de todas las matrices elementales de 1 × 1 sobre un
campo K y diga de que tipo son cada una.
132 Capítulo 8. Matrices
18. Para cada una de las siguientes matrices sobre Q, halle una matriz equivalente por
renglones que sea escalonada reducida:
1 −2 1 −2 2 −3 1 0 0 −5
, , , .
0 1 5 3 1 0 7 0 2 1
19. Para cada una de las siguientes matrices, diga si es o no invertible. En caso de ser
no-invertible, dé una justificación de porqué no lo es y en caso de ser invertible, halle
su inversa de manera explícita.
2 4 6 2 4 6
2 4 6
, 0 −1 −3 , 0 −1 −3 .
0 −1 −3
0 0 0 0 0 4
20. Determina si los siguientes enunciados son verdadero o falso. (Justifique su respuesta
exhibiendo una prueba o dando un contraejemplo.)
a) La identidad es una matriz elemental.
b) Toda matriz escalonada reducida por renglones es una matriz escalonada por
renglones.
c) Toda matriz escalonada por renglones es escalonada reducida por renglones.
d) Sean A y B matrices de la misma dimensión. Si A y B son equivalentes por
renglones y ambas son escalonadas por renglones, entonces A = B.
e) Sea A una matriz. Realice primero una operación elemental de renglones a A
para obtener una matriz B, y luego realice otra operación elemental de renglones
a B para obtener una matriz C. Entonces C se puede obtener de A haciendo una
única operación elemental de renglones.
21. Demuestre que una matriz elemental no puede ser de dos tipos diferentes.
22. Sea A ∈ Mn×m (K), y sea 0 la matriz cero de n × m con entradas en un campo K.
Demuestre que A es equivalente por renglones a 0 si y sólo si A = 0.
23. Demuestra el siguiente teorema (que fue discutido previamente en clase): Toda
matriz elemental R es invertible, y su inversa es una matriz elemental del mismo
tipo.
24. Sean A, B ∈ M2 (K). Demuestre que si A y B son equivalentes por renglones y ambas
son escalonadas reducidas por renglones, entonces A = B.
25. Sean A, B ∈ Mn (K) tales que BA = I.
a) Sea C una matriz en su forma escalonada reducida por renglones equivalente por
renglones a B. Demuestre que todos los renglones de C son no nulos.Concluya
que C = I.
b) Demuestre que B es invertible.
c) Demuestre que A es invertible.
26. Una matriz cuadrada se llama matriz triangular superior si todas las entradas abajo
de la diagonal principal son cero. Por lo tanto, la forma de una matriz triangular
superior es
∗ ∗ ··· ∗ ∗
0 ∗ ··· ∗ ∗
. . .. ..
0 0
. . .
. .
.. ..
∗ ∗
0 0 ··· 0 ∗
8.9 Ejercicios 133
PROBLEMAS
4 −1
Problema 8.18 (Propuesto en Prueba de Desempeño 2015) Sea A = . Halla
8 −2
b y c tales que A2 + bA + cI2 = 0.
Problema 8.19 (Propuesto en Prueba de Desempeño 2015) Cierto o falso: La suma de
dos matrices antisimétricas es antisimétrica.
Problema 8.20 (Propuesto en Prueba de Desempeño 2015) Sean A, B matrices de n×n.
Dar condiciones para que A2 − B2 = (A − B)(A + B).
Problema 8.21 (Propuesto en Prueba de Desempeño 2015) Verdadero o falso: Si A es
una matriz de n × n tal que A2 = A, entonces A = 0 o A = In .
Problema 8.22 (Propuesto en Prueba de Desempeño
2015) Sea A una matriz de 2 × 2
a b
con entradas reales; por ejemplo, A = . Halla un polinomio mónico p(x) de grado
c d
2 con coeficientes reales tal que p(A) = 0.
Problema 8.23 (Propuesto en Prueba de Desempeño 2015) Sean A y B dos matrices
de 2017 × 2017 sobre R. Defina el conmutador de A y B como
[A, B] = AB − BA.
134 Capítulo 8. Matrices
Si ad − bc = 0, entonces A no es invertible.
Prueba: Suponga que ad − bc 6= 0 y por cálculo directo:
a b d −b ad − bc 0 1 0
= = (ad − bc) .
c d −c a 0 ad − bc 0 1
De igual modo,
d −b a b 1 0
= (ad − bc) .
−c a c d 0 1
1
Dado que ad −bc 6= 0, podemos multiplicar ambos lados de la ecuación por ad−bc , de donde
se sigue el primer enunciado. Por el contrario, suponga que ad − bc = 0. Consideraremos
dos casos, cuando a 6= 0 y cuando a = 0. Si a 6= 0, entonces d = bc
a , de modo que la matriz
A se puede escribir
a b a b a b a b
A= = = ac bc =
c d c bc
a a a
ka kb
−3 2
Ejemplo 9.2 Calculemos el determinante de la matriz directamente de la
−1 8
definición
9.2 Cálculo de determinantes de matrices de 3 × 3 139
1 2 12 −15
Problema 9.1 Halle los determinantes de A = yB= .
3 4 4 −5
Problema 9.2 ¿Como definiría el determinante deuna matriz de 1 × 1?
a b 1 d −b
Por lo tanto, la fórmula de la inversa de (cuando existe) es det A .
c d −c a
det : Mn (K) −→ K.
Aunque esta función parece trivial, no lo es. Como vimos en la sección previa, el deter-
minante de una matriz de 2 × 2 codifica el número de pivotes, el intercambio de filas y
por supuesto, la inversibilidad de la matriz. Curiosamente, esto es también es cierto para
matrices más generales.
A continuación mostremos una forma para calcular el determinante de una matriz
de 3 × 3, la llamada regla de Sarrus, cuya forma nemotécnica es la siguiente: de la cual
obtenemos la siguiente fórmula:
a11 a12 a13
det a21 a22 a23 = a11 a22 a33 + a21 a32 a13 + a12 a23 a31
a31 a32 a33
−a13 a22 a31 − a12 a21 a33 − a11 a23 a32 .
140 Capítulo 9. Determinantes
obtenida al “borrar” el renglón 1 y la columna 1. Note también que los signos más y menos
se alternan.
Denotemos por A (i, j) la submatriz de una matriz A obtenida al “borrar” el renglón i y
la columna j, entonces la regla de Sarrus se puede reescribir de la forma:
det (A) = a11 det A (1, 1) − a12 det A (1, 2) + a13 det A (1, 3) .
Para cualquier matriz cuadrada A, det A (i, j) se llama menor-(i, j) de A.
Ejemplo 9.6 El determinante de
5 −3 2
A= 1 0 2
2 −1 3
es
0 2 1 2 1 0
det A = 5 det − (−3) det + 2 det
−1 3 2 3 2 −1
= 5 (0 − (−2)) + 3 (3 − 4) + 2 (−1 − 0)
= 5 (2) + 3 (−1) + 2 (−1) = 5.
Es conveniente combinar un menor con su signo. Para este fin, se define el cofactor-(i, j)
de A como
C (i, j) = (−1)i+ j det A (i, j)
con esta notación, la definición de determinante se convierte en
n
det A = ∑ a1 jC (1, j) .
j=1
Esta expresión es llamada expansión por cofactores a lo largo del primer renglón. Es un
hecho impresionante que el determinante no cambie si expandemos a lo largo de cualquier
renglón o columna. Este resultado se resume como teorema.
Dado que C (i, j) = (−1)i+ j det A (i, j) cada cofactor es más o menos el correspondiente
menor, donde (−1)i+ j proporciona el signo correcto. Una forma rápida de determinar si el
signo es + o − es recordar que los signos forman un patrón de “tablero de ajedrez”:
+ − + − ···
− + − + ···
+ − + − ···
− + − + ···
.. .. .. .. . .
. . . . .
−2 1 0 0
De aquí,
C (2, 3) = −11
det A = −22.
0 0 0 −1
(se omitieron todos los cofactores correspondientes a las entradas cero).s Ahora expanda
nuevamente a lo largo de la primera columna:
1 6 0
det A = 2 · 3 · det 0 5 2
0 0 −1
T (n) = (n − 1) n! + n! − 1 > n!
det A = det AT .
det B = − det A.
det C = a det A.
det D = det A.
det A = 0
hallemos el det(A).
Al hacer la operación R3 ↔ 2R1 + R3 , el determinante no cambia, entonces
2 3 −1 2 3 −1
det(A) = det 0 5 3 = det 0 5 3
−4 −6 2 0 0 0
y por la propiedad 5:
2 3 −1
det 0 5 3 = 0
0 0 0
Entonces
0 2 −4 5 1 0 −1 2
3 0 −3 6
= 3 det 0 −1 2 −9
det(B) = det
2 4 5 7 0 0 15 −33
5 −1 −3 1 0 0 0 −13
= 3 (1) (−1) (15) (−13) = 585.
Observe que por las propiedades de los determinantes también puede usar operaciones
elementales con columnas en el proceso de calcular determinantes, incluso puede “mezclar
y combinar” operaciones elementales en renglones y columnas. Por ejemplo, en el Ejemplo
9.9, podría comenzar con la suma de la columna 3 a la columna 1 para crear un 1 como
pivote en la esquina superior izquierda. De hecho, el método que se utilizó fue más rápido,
pero en otros ejemplos las operaciones por columna pueden acelerar los cálculos. Tenga
esto en mente cuando calcule determinantes a mano.
El Teorema 9.4.1 es el resultado principal de esta sección y se trata de una generaliza-
ción del Teorema 9.1.1. En este punto hacemos la aclaración que en la prueba del Teorema
9.4.1 usamos fuertemente la notación y algunos resultados de matrices elementales cu-
biertos en la Sección 8.4. Así que, si el lector no domina el tema, entonces solo trate de
entender los alcances del Teorema 9.4.1.
9.4 Matrices invertibles y determinantes 147
Er · · · E2 E1 A = R.
det E = k.
3. Si E es una matriz del tipo III, entonces a In le realizamos una operación del Tipo
III. Y por la propiedad 3c :
det E = 1.
los determinantes de las matrices elementales son distintos de cero. Se concluye que det
A 6= 0 si y solamente si det R 6= 0.
⇒: Ahora suponga que A es invertible. Entonces R = In (¿porqué?). De modo tal que
det R 6= 0 (de nuevo, ¿porqué?). En consecuencia, también det A 6= 0.
⇐: Si det A 6= 0, entonces det R 6= 0, de modo que R no puede contener un renglón
cero. Se tiene que R debe ser In (¿porqué?), de modo que A es invertible (de nuevo,
¿porqué?).
Una pregunta natural es la siguiente: ¿qué relación, si la hay, existe entre los determi-
nantes y las operaciones matriciales básicas? Observe que la fórmula de Cauchy nos dice
que la función determinante se comporta “bien” con el producto, pero ¿qué pasa con las
demás operaciones matriciales?
148 Capítulo 9. Determinantes
1
det A−1 =
.
det A
Demostración. Puesto que A es invertible, existe A−1 tal que AA−1 = In , por la Fórmula
de Cauchy
9.5 Ejercicios
1. Si
a b c
det d e f = 4.
g h i
Hallar:
2a 2b 2c
a) det d e f .
g h i
a b c
b) det 2d − 3g 2e − 3h 2 f − 3i
g h i
2. Halle todos los valores de k para los cuales la siguiente matriz es invertible
k −k 3
0 k+1 1
k −8 k − 1
Calcule la determinante de A.
6. Si A es una matriz de 3 × 3 tal que
M11 = 1 C32 = −17
M33 = 49 M12 = −8
M22 = −13 M13 = −19
M23 = −5 M21 = −7
y
a11 = 8 a32 = 2
a33 = 1 a12 = 7
a22 = 7 a13 = 7
a23 = 3 a21 = 1
Determine |A|.
150 Capítulo 9. Determinantes
Definición 9.5.1 Sea A una matriz de n × n y sea Ci j el cofactor (i,j). A la matriz
de n × n cuyo elemento (i, j) es el cofactor Ci j se le llama la matriz de cofactores
de A. A la transpuesta de la matriz de cofactores de A se le llama matriz adjunta
de A y se le simboliza por adj(A).
7. Sea A la matriz
2 −8
−4 −1
10. Utiliza
la adjunta
para hallar las inversas de las siguientes matrices:
1 1 1
a) 0 1 1
0 0 1
1 0 −1 0
0 0 1 0
b) 2 1 −2 3
3 1 −1 3
cos θ -sen θ 0
c) sen θ cos θ 0
0 0 1
2 1 3 1 2
0 5 −1 8 2
d) 0 0 0 1 2
0 0 0 1 2
0 0 0 0 2
PROBLEMAS
Problema 9.6 Calcule el determinante de cada una de las siguientes matrices de 2 × 2:
9.5 Ejercicios 151
−7 −3 7 1
1. 3.
4 3 1 5
5 −7 −3 5
2. 4.
−2 0 4 −6
Problema 9.7 Calcular el valor de x para que los determinantes de cada una de las
siguientes matrices sea igual a 1:
x 1 3 x
1. 2.
7 5 1 7
Problema 9.8 Calcule el determinante de cada una de las siguientes matrices de 3 × 3:
−1 −4 0 4 2 7
1. −7
5 6 3. 2 6 −4
−4 0 −3 −1 −1 −3
−4 −6 −1 −5 −4 −6
2. −5
−4 −1 4. 5 −6 −4
−3 −2 0 2 −4 7
Problema 9.9 Si
−4 −5 6
A = 3 −5 2 .
−3 4 2
Determine los cofactores de las posiciones:
1. (1, 3) 4. (1, 2)
2. (3, 2) 5. (1, 1)
3. (2, 1)
Problema 9.10 Calcular el(los) valor(es) de λ que hacen cero los determinantes de las
siguientes matrices:
λ 1 2−λ 0 0
1.
4 λ 3. 1 3−λ 0
1−λ 5 0 1 1−λ
2.
2 10 − λ
Problema 9.11 Si
4 4 7 4
3 3 6 5
A=
7
2 7 2
1 6 2 2
y
a11 = 8 a12 = 8
a13 = 5 a14 = 3
Determine |A|.
Problema 9.13 Si A y B son matrices de 4 × 4 tales que
|A| = 3 y |B| = 3
1. 3A 4. AB−1
2. A−1 5. ABT
3. A−1 B 6. BT AT B−1 A−1
R3 7→ R3 + 5R1
R1 7 → 6R1
R2 7 → R3
R4 7 → R4 + 2R2
la convierten en la matriz:
5 2 4 1 3
0 0 1 1 2
0 2 5 5 1
0 0 0 4 5
0 0 0 4 7
Calcule la determinante de A.
Problema 9.16 Sean A y B matrices de n × n. Indique la validez a cada una de las
siguientes afirmaciones:
1. Si |A|
T6=0, entonces A es singular.
2. Si A A 6= 0, entonces A es invertible.
3. Si |A| = 0 entonces A es singular.
4. Si |AA| = 0, entonces AT es singular.
5. Si |AB| 6= 0, entonces B es invertible.
dentro de las respuestas posibles:
1. Cierto
2. No se sabe
3. Falso
Problema
9.17 Calcule
la determinante de las siguientes matrices:
2 1 3
1. 2 0 1 (usando la Regla de Sarrus)
−4 0 6
9.5 Ejercicios 153
2 1 5
2. −3 4 −1 (usando la Regla de Sarrus)
0 6 −1
1 0 3 2
4 −1 0 1
3.
2
(usando cofactores)
1 0 1
−1 2 3 −1
1 −3 2 6 4
0 13 0 1 5
4.
−2 1 2 3 4 (por el método que quieras)
1 1 4 5 9
Problema 9.18 Sea J la matriz de n × n con solo números 1, y considere A = (a − b)In +
bJ; esto es,
a b b ··· b
b a b · · · b
b b a · · · b
.. .. .. . . ..
. . . . .
b b b ··· a
demuestre que
|A| = (a − b)n−1 [a + (n − 1)b].
como sigue:
1. Reste la fila 2 de la fila 1, la fila 3 de la fila 2, y así sucesivamente, y explique por
qué esto no cambia el determinante de la matriz.
2. Con la matriz resultante del inciso (1), sume la columna 1 a la columna 2, después
sume esta nueva columna 2 a la columna 3, y así sucesivamente, y explique por qué
esto no cambia el determinante.
3. Encuentre la determinante de la matriz resultante en (2).
Problema
9.19 Halla la determinante
de las siguientes matrices:
1 2 3 ··· n
−1 0 3 · · · n
−1 −2 0 · · · n
1.
.. .. .. . . ..
. . . . .
−1 −2 −3 · · · n
x a a ··· a
a x a · · · a
a a x · · · a
2.
.. .. .. . . ..
. . . . .
a a a ··· x
0 1 1 ··· 1 1
1 0 x · · · x x
1 x 0 · · · x x
3. .. .. .. . . ..
. . . . .
1 x x · · · 0 x
1 x x ··· x 0
154 Capítulo 9. Determinantes
2 1 0 0 ··· ··· 0
1 2 1 0 · · · · · · 0
0 1 2 1 0 · · · 0
4. .. ..
.. .. .. . . ..
. . . . . . .
0 · · · 0 1 2 1 0
0 ··· ··· ··· 0 1 2
10. Sistemas de ecuaciones lineales
Se sabe que el momento de cada objeto es la masa por la distancia al punto de balance.
Sabemos que para el balance debemos tener que la suma de momentos en el lado izquierdo
debe ser igual a la suma de momentos de la derecha. Esto nos da el siguiente sistema de
dos ecuaciones.
C7 H5 O6 N3 y agua (las condiciones tienen que ser muy controladas - trinitrotolueno es me-
jor conocido como TNT). ¿En que proporción mezclamos estos componentes? El número
de átomos de cada elemento presente antes de la reacción
x C7 H8 + y HNO3 −→ z C7 H5 O6 N3 + w H2 O
debe ser igual al número presente después de la misma. Aplicando esto a los elementos C,
H, N, y O obtenemos el sistema
7x = 7z
8x + 1y = 5z + 2w
1y = 3z
3y = 6z + 1w
Concluir cada uno de estos ejemplos requiere saber resolver un sistema de ecuaciones.
En cada sistema, las ecuaciones envuelven únicamente las primeras potencias de las
variables. Este capítulo muestra como resolver cualquiera de estos sistemas.
a1 x1 + a2 x2 + a3 x3 + · · · + an xn
tiene la solución (s1 , s2 , . . . , sn ) si esta n-tupla es una solución de cada una de las
ecuaciones en el sistema. El conjunto solución del sistema es el conjunto de todas las
soluciones.
Ejemplo 10.1 La combinación 3x1 + 2x2 de x1 y x2 es lineal. La combinación 3x12 +
√
2 sen(x2 ) no es lineal, ni tampoco lo es − x2 + 3x25 = 0.
3x1 + 2x2 = 7
−x1 + x2 = 6
En contraste, (5, −1) no es una solución.
10.1 Sistemas de ecuaciones lineales y la inversa de una matriz 157
La matriz aumentada del sistema es la matriz asociada con una columna adicional
formada por lo términos constantes del sistema:
a1,1 a1,2 · · · a1,n c1
a2,1 a2,2 · · · a2,n c2
.. .. .. ..
. . . .
am,1 am,2 · · · am,n cm
5x1 + 7x2 = 9
−x2 = 3
3x3 = 9
x1 + 5x2 − 2x3 = 2
1
x1 + 2x2 = 3
3
Reescribamos el sistema intercambiando la fila 1 con la fila 3, en lo siguiente, a esta
transformación le llamaremos del tipo I
1
x1 + 2x2 = 3
3
x1 + 5x2 − 2x3 = 2
3x3 = 9
10.2 Sistemas Equivalentes 159
x1 + 6x2 = 9
x1 + 5x2 − 2x3 = 2
3x3 = 9
x1 + 6x2 = 9
−x2 − 2x3 = −7
3x3 = 9
Después de la sucesión de pasos, el sistema está ahora en una forma más simple y ya
podemos hallar los valores de cada variable usando la sustitución hacia atrás. Despejamos
x3 en la tercera ecuación y obtenemos que x3 = 3, ahora sustituimos este valor en la segunda
ecuación y obtenemos que x2 = 1. Por último, sustituimos ambos valores en la primera
ecuación y obtenemos que x1 = 3. Concluímos entonces que el sistema es consistente
determinado y su solución es {(3, 1, 3)}.
El método ejemplificado anteriormente es llamado eliminación gaussiana y el Teorema
10.2.1 lo formaliza.
x+y = 0
2x − y + 3z = 3
x − 2y − z = 3
10.3 Métodos de Gauss y de Gauss-Jordán para resolver un sistema de
ecuaciones lineales 161
hacemos R2 ↔ R2 − 2R1 y R3 ↔ R3 − R1 , obtenemos
x+y = 0
−3y + 3z = 3
−3y − z = 3
ahora, hacemos R3 ↔ R3 − R2 ,
x+y = 0
−3y + 3z = 3
−4z = 0
Usando sustitución hacia atrás, obtemos
z=0
y = −1
x=1
Por tanto, la solución es: (1, −1, 0).
Problema 10.5 Usando operaciones gaussianas y sustitución hacia atrás, halla la solución
del sistema:
x+y+z = 9
2x + 4y − 3z = 1
3x + 6y − 5z = 0
Definición 10.3.1 En cada fila de un sistema lineal, la primera variable con coeficiente
distinto de cero es llamada variable lider de la ecuación (o fila). Un sistema está en su
forma escalonada si cada variable lider está a la derecha de las variables lideres de las
filas de arriba (excepto la variable lider de la primera fila).
2x + z = 3
2−y−z = 1
3x − y = 4
2x + z = 3
3 1
−y − z = −
2 2
Observe que las variables líderes son x, y y la variable libre es z, entonces usamos a z
para describir el conjunto solución. De la segunda ecuación obtenemos y = 21 − 32 z y de la
primera x = 32 − 21 z. El conjunto solución es
3 1 1 3
{ − z, − z, z | z ∈ R}.
2 2 2 2
x+y+z−w = 1
y − z + w = −1
3x + 6z − 6w = 6
−y + z − w = 1
AX = 0
donde X ∈ Mm×1 (K), es decir, es un vector columna, y sus entradas son las variables del
sistema de ecuaciones y 0 consiste del vector columna nulo. Una solución X0 ∈ Mm×1 (K)
del sistema es un vector columna que cumple la ecuación matricial
AX0 = 0
Ya que el vector nulo 0 siempre es una solución del sistema homogéneo, decimos que ésta
es la solución trivial del sistema homogéneo.
Teorema 10.4.1 Sean A y B matrices equivalentes por renglones. Entonces los sistemas
homogéneos de ecuaciones lineales asociados a A y B tienen las mismas soluciones.
Lema 10.4.2 Sea A ∈ Mn×m (K) escalonada reducida por renglones. Entonces
1. Si xi no es una variable libre, entonces xi aparece una única vez con coeficiente no
nulo en el sistema AX = 0, y dicho coeficiente es un pivote de A.
2. Todas las soluciones del sistema homogéneo AX = 0 se obtienen asignando valo-
res arbitrarios a las variables libres y luego encontrando los valores (que estarán
determinados de forma única) de las variables no libres.
3. El sistema AX = 0 tiene al menos una solución no trivial si y sólo si A tiene al menos
una variable libre.
Demostración. 1. Si xi no es libre, entonces la i -ésima columna tiene un pivote, por lo
que en esa columna la única entrada no nula es uno.
2. Si uno asigna valores arbitrarios a las variables libres, existe una única forma de
asignar valores a las variables no libres para satisfacer el sistema, pues cada ecuación
no nula del sistema es de la forma
m
xi + ∑ Ai,k xk = 0
k=i+1
donde xi es una variable no libre y todas las demás variables o son libres,o tienen
coeficientes nulos. Inversamente, cualquier solución del sistema se obtuvo asignando
valores a las variables libres y determinando los valores de las variables no libres.
3. Si al menos hay una variable libre, se puede asignar a todas ellas el valor 1 (o
cualquier valor distinto de cero) y obtener una solución no trivial. Si no hay variables
libres, todas las variables están en una ecuación de la forma xi = 0, y por lo tanto la
única solución del sistema es la trivial.
Teorema 10.4.3 Sea A ∈ Mn×m con n < m (es decir, A tiene estrictamente más colum-
nas que renglones). Entonces el sistema homogéneo (el cual tiene más variables que
ecuaciones) AX = 0 tiene al menos una solución no trivial.
Demostración. Por el Teorema 10.4.1, podemos suponer sin pérdida de generalidad que A
es una matriz escalonada reducida por renglones. Note que el número de pivotes de A es
menor o igual a n; por hipótesis n < m, y m es el número de indeterminadas. Así, A debe
tener variables libres.
Proposición 10.4.4 Sea A ∈ Mn×m (K). Entonces A es equivalente por renglones a la
matriz identidad si y sólo si el sistema de ecuaciones AX = 0 tiene solamente la solución
trivial.
Demostración. Si A es equivalente por renglones a la matriz identidad I, entonces AX = 0
y IX = 0 tienen el mismo conjunto de soluciones. Pero la única solución del sistema IX = 0
es la trivial, pues el sistema es xi = 0 para toda i , así que el sistema de ecuaciones AX = 0
tiene solamente la solución trivial.
Recíprocamente, suponga ahora que la única solución del sistema AX = 0 es la trivial,
es decir, X = 0. Sea B una matriz escalonada reducida por renglones equivalente (por
164 Capítulo 10. Sistemas de ecuaciones lineales
AX = Y
donde xi es una variable no libre y todas las demás variables o son libres, o tienen
coeficientes nulos. Inversamente, cualquier solución del sistema se obtuvo asignando
valores a las variables libres y determinando los valores de las variables no libres.
AX = Y
Sea X0 un vector columna que es solución de dicho sistema. Entonces todas las soluciones
de este sistema son precisamente los vectores de la forma X0 + X1 donde X1 es una solución
arbitraria del sistema homogéneo AX1 = 0.
Demostración. Note primero que todo vector columna de la forma X0 + X1 es solución del
sistema no homogéneo, puesto que
Se necesitará una nueva notación para este resultado. Para una matriz A de n × n y un
vector b ∈ Rn , sea Ai (b) que denota la matriz obtenida al sustituir la i−ésima columna de
A por b. Esto es:
Ai (b) = ( a1 · · · b · · · an ).
↑
columna i
Teorema 10.5.1 (La Regla de Cramer) Sea A una matriz de n × n invertible y sea b un
vector en Rn . Entonces la solución única X del sistema AX = b está dada por:
det Ai (b)
xi =
det A
para i = 1, . . . , n.
x1 + 2x2 = 2
−x1 + 4x2 = 1
En forma matricial,
1 2 x1 2
=
−1 4 x2 1
| {z } | {z } | {z }
A X b
Entonces
1 2
det A = det = 6,
−1 4
2 2
det A1 (b) = det = 6,
1 4
1 2
det A2 (b) = det = 3.
−1 1
Por el Teorema 10.5.1,
det A1 (b) 6
x1 = = = 1,
det A 6
det A2 (b) 3 1
x2 = = = .
det A 6 2
R(A) = {b ∈ K m | ∃x ∈ K n , b = Ax}.
N(A) = {x ∈ K n | Ax = 0}.
N(AT ) = {y ∈ K m | AT y = 0}.
R(AT ) = {x ∈ K n | ∃y ∈ K m , x = AT y}.
Estos conjuntos se denominan espacio columna, espacio nulo, espacio nulo izquierdo
y espacio renglón, respectivamente, de A. Estos cuatro conjuntos son los espacios funda-
mentales de A. Note que estos espacios surgen de manera natural al considerar sistemas
de ecuaciones lineales. Dada una matriz A es natural preguntarnos para que b’s el sistema
de ecuaciones Ax = b tiene solución. En el caso del espacio nulo, éste simplemente es el
conjunto de todas las soluciones del sistema homogéneo Ax = 0. Si se conoce una solución
particular del sistema Ax = b, entonces el conjunto de todas sus soluciones se obtiene
sumando a la solución particular un elemento del espacio nulo. Un resultado de Álgebra
Lineal es que cada vector de Rn se puede escribir de manera única como un vector del
espacio nulo de A más un vector del espacio renglón de A. Una situación similar sucede en
Rm.
Definición 10.6.1 Un subconjunto S de Rn se dice que está generado por vectores
{v1 , . . . , vl } si para todo s ∈ S existen constantes c1 , . . . , cl ∈ R tales que s = c1 v1 + · · · +
cl vl .
Entonces
R(A) = {generado por las columnas que continen las posiciones pivotales de A}.
R(AT ) = R(U1T ).
N(A) = {generado por las n − r hi ś en la solución general de Ux = 0}
N(AT ) = R(P2T ).
Por lo tanto,
E1 E2 E3 A = U
Al despejar A obtenemos:
y tenemos
1 0 0 1 0 0 1 0 0
E1−1 = 2 1 0 , E2−1 = 0 1 0 , E3 = 0 1 0
0 0 1 −1 0 1 0 −2 1
10.7 Uso de la factorización PA = LU para resolver el sistema Ax = b 169
Por lo tanto,
1 0 0
E3−1 E2−1 E1−1 = 2 1 0 = L.
−1 −2 1
Y por lo tanto:
2 1 3 1 0 0 2 1 3
A = 4 −1 3 = 2 1 0 0 −3 −3 = LU.
−2 5 5 −1 −2 1 0 0 2
Para ver porqué es útil la factorización LU, considere un sistema lineal AX = b, donde
la matriz de coeficientes tiene una factorización LU, A = LU. El sistema AX = b puede
reescribirse como LUX = b ó L (UX) = b. Si ahora se define Y = UX, entonces es posible
resolver para X en dos etapas:
1. Resolver LY = b para Y mediante sustitución hacia adelante.
2. Resolver UX = Y para X mediante sustitución hacia atrás.
Cada uno de dichos sistemas lineales tiene solución directa porque las matrices coefi-
cientes L y U son ambas triangulares. El siguiente ejemplo ilustra el método.
2 1 3
Ejemplo 10.10 Use una factorización LU de A = 4 −1 3 para resolver el
−2 5 5
1
sistema AX = b donde b = −4 .
9
Solución: En el Ejemplo anterior hallamos que
1 0 0 2 1 3
A= 2 1 0 0 −3 −3 = LU.
−1 −2 1 0 0 2
y1
Para resolver el sistema AX = b primero resolvemos el sistema LY = b para Y = y2 .
y3
Este es justamente sistema de ecuaciones lineales:
y1 = 1
2y1 + y2 = −4
−y1 − 2y2 + y3 = 9
La sustitución hacia adelante (esto es, trabajamos de arriba para abajo) produce:
y1 = 1,
y2 = −4 − 2y1 = −4 − 2 = −6,
y3 = 9 + y1 + 2y2 = 9 + 1 + 2 (−6) = −2.
Por lo tanto,
1
y = −6 .
−2
10.7 Uso de la factorización PA = LU para resolver el sistema Ax = b 171
x1
Y ahora, resolvemos el sistema de ecuaciones lineales UX = Y para X = x2 . Este
x3
sistema de ecuaciones lineales es
2x1 + x2 + 3x3 = 1
−3x2 − 3x3 = −6
2x3 = −2
y la sustitución hacia atrás (esto es, trabajamos de abajo para arriba) produce:
x3 = −1,
−6 + 3x3 −6 + 3 (−1) −9
x2 = = = = 3,
−3 −3 −3
1 − x2 − 3x3 1 − (3) − 3 (−1) 1
x1 = = = .
2 2 2
Por lo tanto, la solución del sistema de ecuaciones lineales dado es
1
2
X = 3 .
1
Teorema 10.7.2 Si A es una matriz invertible que tiene una factorización LU, entonces
L y U son únicas.
L1−1 L = U1U −1 .
Pero L1−1 L es triangular inferior unitaria (Ver Lista 06) y U1U −1 es triangular superior
(¿porqué?). Se tiene que L1−1 L = U1U −1 es tanto triangular unitaria como triangular
superior. La única matriz de esta forma es la matriz identidad, de modo que L1−1 L = I y
U1U −1 = I. Se tiene que L = L1 y U = U1 , de modo que la factorización es única.
Ahora se explorará el problema de adaptar la factorización LU para menejar casos
donde son necesarios los intercambios de renglón durante la eliminación gaussiana. Por
ejemplo, considere la matriz:
1 2 −1
A = 3 6 2 .
−1 1 4
172 Capítulo 10. Sistemas de ecuaciones lineales
Por tanto, en general, puede factorizar una matriz cuadrada A como A = P−1 LU =
PT LU.
Definición 10.7.3 Sea A una matriz cuadrada. Una factorización de A como A = PT LU,
donde P es una matriz permutación, L es triangular inferior unitaria y U es triangular
superior, se llama factorización PT LU de A.
10.8 Ejercicios
1. Halle el conjunto solución de cada uno de los siguientes sistemas de ecuaciones
lineales usando números reales:
a)
x + 2y − 3z = 4
x + 3y + z = 11
2x + 5y − 4z = 13
174 Capítulo 10. Sistemas de ecuaciones lineales
b)
x1 + x2 − 2x3 + x4 = 0
3x1 − 2x2 + x3 + 5x4 = 0
x1 − x2 + x3 + 2x4 = 0
c)
{x + 2y − 3z = 4
d)
x + 2y − 3z = 4
x + 3y + z = 11
2. Dado el sistema:
2x1 − x2 + x3 = a
3x1 + x2 + 4x3 = b
−x1 + 3x2 + 2x3 = c
AX = Y
Sea A la matriz aumentada de dicho sistema, y sea B una matriz tal que el producto
BA está bien definido. Demuestre que la matriz aumentada del sistema (BA)X = BY
es BA.
10. Sean A, B ∈ Mn×m (K) dos matrices escalonadas reducidas por renglones. Suponga
que A y B son equivalentes por renglones.
a) Demuestre que si Xi fuera variable libre de A pero no de B, las matrices A
y B no tendrían las mismas soluciones, contradiciendo el hecho de que son
equivalentes por renglones. Concluya que A y B tienen las mismas variables
libres.
b) Demuestre que las matrices A y B tienen el mismo número de pivotes y en las
mismas columnas.
c) Demuestre que A = B.
d) Demuestre que toda matriz de Mn×m (K) es equivalente por renglones a una
única matriz escalonada reducida por renglones, llamada su forma escalonada
reducida por renglones.
11. Encuentre
la factorización
LU de la matriz dada.
2 2 −1
a) 4 0 4
3 4 4
176 Capítulo 10. Sistemas de ecuaciones lineales
2 2 2 1
−2 4 −1 2
b) 4 4 7 3
6 9 5 8
12. Encuentre
una factorización
PT LU de la de la matriz dada.
0 1 4
a) −1 2 1
1 3 3
0 0 1 2
−1 1 3 2
b) 0 2 1 1
1 1 −1 0
13. Resuelva los siguientes sistemas usando la factorización LU o PT LU (según sea el
caso).
2x − 4y = 2
a) 3x − y + 4z = 0
−x + 2y + 2z = −5
y−z = 1
b) 2x + 3y + 2z = 1
x+y−z = 5
8x + 3y − 5z = 16
c) 4x + y + 2z = −4
4x + 3z = 4
14. Generalize la definición de factorización LU a matrices no cuadradas al simple-
mente requerir que U sea una matriz en forma escalonada por renglones. Con esta
modificación, encuentre una factorización LU de la siguiente matriz:
1 2 0 −1 1
−2 −7 3 8 −2
.
1 1 3 5 2
0 3 −3 −6 0
15. Determina si los siguientes enunciados son verdadero o falso. (Justifique su respuesta
exhibiendo una prueba o dando un contraejemplo.)
a) El producto de matrices triangulares inferiores unitarias es una matriz triangular
inferior unitaria.
b) Toda matriz triangular inferior unitaria es invertible.
c) Existen n! matrices permutación de n × n.
16. Resuelve los siguientes sistemas de ecuaciones lineales reduciendo la matriz aumen-
tada en su forma escalonada reducida:
x1 + x2 − x3 + 2x4 = 10
−3x1 + x2 + x3 + x4 = 0
a) 3x1 − x2 + 7x3 + 4x4 = 1 x1 − 3x2 + x3 + x4 = 0
c)
−5x1 + 3x2 − 15x3 − 6x4 = 9 x + x2 − 3x3 + x4 = 0
1
3x − y + 7z = 0 x1 + x2 + x3 − 3x4 = 0.
1
2x − y + 4z = 2
b)
x−y+z = 1
6x − 4y + 10z = 3
10.8 Ejercicios 177
17. Encuentre los valores de α para los cuales las siguientes ecuaciones tienen solución,
y encuentre las soluciones
x − 3y + 2z = 4
2x + y − z = 1
3x − 2y + z = α
18. La matriz que se muestra abajo es la matriz aumentada para cierto sistema de
ecuaciones. Encuentre los valores del parámetro k para el cual el sistema no tiene
solución, tiene una solución, y tiene infinitas soluciones; cuando tiene infinitas
soluciones, encuentre la forma general de la solución en términos de las variables
libres, también determinar la solución cuando sea única.
1 −2 3 1
2 k 6 6 .
−1 3 k − 3 0
19. Para qué valores de α el siguiente sistema no tiene soluci on? Exactamente una
solución? Infinidad de soluciones?
x + 2y − 3z = 4
3x − y + 5z = 2
4x + y + α 2 − 14 z = α + 2
PROBLEMAS
Problema 10.9 (Propuesto en Prueba de Desempeño 2015) Halla los valores de k para
los cuales el siguiente sistema
x + y + kz = 1
x + ky + z = 1
tiene
1. tiene solución única.
2. tiene infinidad de soluciones.
3. no tiene solución.
Problema 10.10 (Propuesto en Prueba de Desempeño 2015) Verdadero o Falso. Si
un sistema de ecuaciones lineales con coeficientes en R tiene al menos dos soluciones
diferentes, entonces tiene infinidad de soluciones. Justifica CON DETALLE tu respuesta.
Problema 10.11 (Propuesto en Prueba de Desempeño 2015) Dada una matrix A ∈
Rm×n se define el conjunto:
N(A) = {x ∈ Rn | Ax = 0}.
que se conoce como el espacio nulo de la matriz. Considere la siguiente matriz:
2 2 0 0
α = 3 4 −1 2
−1 1 −2 −4
Halle N(α).
Problema 10.12 (Propuesto en Prueba de Desempeño 2015) Calcule la solución (en
los enteros) del siguiente sistema de ecuaciones lineales:
x + 2y − 3z = 4
x + 3y + z = 11
Problema 10.13 (Propuesto en Prueba de Desempeño 2015) El Súper Tazón XXXIX
se celebró el 6 de febrero de 2005, en Jacksonville, Florida. A lo largo de los años, los
estados de Florida, California y Louisiana, en este orden, han sido anfitriones de la mayor
cantidad de Súper Tazones. Estos tres estados han sido anfitriones del Súper Tazón un
total de 32 veces. Florida ha tenido 3 Súper Tazones más que Louisiana. Juntos, Florida
y Louisiana han tenido un Súper Tazón menos que el doble del número que ha tenido
California. Determine el número de Súper Tazones que ha albergado cada uno de los
estados. Fuente: NFL, USA Today.
10.8 Ejercicios 179