ALGEBRA II La matemtica honra el espritu humano Leibnitz UNIDAD N 4

UNIDAD 4
ESPACIOS Y SUBESPACIOS VECTORIALES
Introduccin.-
En esta unidad se introduce la estructura algebraica subyacente al lgebra
lineal, la de espacio vectorial de dimensin finita. La definicin de espacio
vectorial involucra un cuerpo arbitrario cuyos elementos se denominan
escalares. Se utilizar la siguiente notacin. (a menos que se establezca o
indique otra cosa):
K el cuerpo de escalares
a,b,c o k los elementos de K
V el espacio vectorial dado
u,v,w los elementos de V
No se perder nada esencial si se supone que K es el cuerpo real R o el
complejo C.
Definicin de Espacios Vectoriales.- A continuacin se define la nocin
de espacio vectorial o lineal. Sean K un cuerpo dado y V un conjunto no
vaco, con reglas de suma y multiplicacin por escalar que asignan a cada
par u,v V una suma (u+v) V y a cada par uV, kK una multiplicacin
(k.u) V. V recibe el nombre de espacio vectorial sobre K ( y los elementos
de V se llaman vectores) si se satisfacen los siguientes axiomas.
Sean u,v y w V y sean k
1
,k
2
K
Axioma 1.- Conmutativo de la suma de vectores.
v + u = u + v
Axioma 2.- Asociativo de la suma de vectores.
v + ( u + w ) = ( v + u ) + w
Axioma 3.- Neutro de la suma de vectores.
v + 0 = 0 + v = v , con 0V
Axioma 4.- Inverso de la suma de vectores.
v + ( -v ) = 0, con -v = (-1). v
Axioma 5.- Distributivo de la multiplicacin por un escalar con respecto a la
suma de vectores.
k
1
.(v + u) = k
1
v + k
1
.u
Axioma 6.- Distributivo de la multiplicacin por un escalar con respecto a la
suma de escalares.
(k
1
+ k
2
). v = k
1
.v + k
2
.v
Axioma 7.- Asociativo de los escalares en la multiplicacin por escalar.
(k
1
.k
2
). v = k
1
.( k
2
v )
Axioma 8.- Neutro de la multiplicacin por escalar.
Autor: Elio Romero Cullar Pgina 1
ALGEBRA II La matemtica honra el espritu humano Leibnitz UNIDAD N 4
1 R, tal que 1. v = v
Los axiomas precedentes se desdoblan de forma natural en dos categoras.
Los cuatro primeros ataen a la estructura aditiva y los cuatro restantes a la
estructura multiplicativa.
Ejemplo.-
1.- Si recordamos la unidad I, fcilmente podemos identificar que el
conjunto de las matrices de orden (m x n) definidas en el campo de los
nmeros reales es tambin un espacio vectorial, para las definiciones de
suma y multiplicacin por escalar definidas en esa unidad ya que los 8
axiomas son propiedades de las operaciones matriciales indicadas.
2.- El conjunto de vectores en R
n
, es un espacio vectorial para las
operaciones de suma y multiplicacin por escalar definidas en la unidad III,
ya que los 8 axiomas son propiedades de estas operaciones vectoriales.
3.- Tambin el conjunto de los polinomios y las funciones constituyen
espacios vectoriales para las operaciones ordinarias de suma y
multiplicacin por escalar de estos entes matemticos.
4.- Determinar si los vectores en R
2
con las siguientes operaciones, forman
un espacio vectorial.
Definicin de suma: Sean v= (v
1
,v
2
) R
2
, y u= (u
1
,u
2
) R
2
, entonces
v+u= (v
1
.u
1
, u
2
)
Definicin de multiplicacin por escalar: Sean v= (v
1
,v
2
) y kR, entonces
k.v = (k.v
1
, k.v
2
)
5.- Determinar si el conjunto V formado por las matrices R
(2x2)
con las
siguientes operaciones forman o no un espacio vectorial.
Definicin de suma.- Dadas las matrices: A=
1
]
1

d c
b a
, B=
1
]
1

h g
f e
,
entonces A+B =
1
]
1

+
+
h d
e a
1
1
Definicin de multiplicacin por escalar.- Dados k R y A=
1
]
1

d c
b a
,
entonces k.A=
1
]
1

d k
a k
. 0
0 .
Teorema 4.1.- Si V es un espacio vectorial definido sobre un campo K,
entonces:
a) kK y 0V, k.0 = 0
b) 0K y uV, 0.u= 0
c) Si k.u = 0, entonces k=0 u=0
Autor: Elio Romero Cullar Pgina 2
ALGEBRA II La matemtica honra el espritu humano Leibnitz UNIDAD N 4
d) kK y uV, entonces (-k).u = (-k.u)= -(k.u)
SUBESPACIOS VECTORIALES.-
Definicin.- Sea W un subconjunto de un espacio vectorial V sobre un
cuerpo K. W se denomina un subespacio de V si es a su vez un espacio
vectorial sobre K con respecto a las operaciones de V, suma vectorial y
producto por un escalar. Un criterio simple para identificar subespacios es
el siguiente:
Teorema 4.2.- Supongamos que W es un subconjunto de un espacio
vectorial V. Entonces W es un subespacio de V si y solo si se cumple:
i) 0W
ii) W es cerrado bajo la suma de vectores, es decir:
w
1
W, w
2
W, (w
1
+w
2
) W
iii) W es cerrado bajo la multiplicacin por escalar, es decir:
w
1
W, kK, (k.w
1
) W
Corolario.- W es un subespacio de V si y solo si:
1.- 0W
2.- w
1
y w
2
W, k
1
y k
2
K, (k. w
1
+ k
2.
w
2
) W
Ejemplos.-
1.- Determinar si W es un subespacio de R2 donde:
W = {(0,a), a R}
2.- Sea V el espacio vectorial de las matrices de orden (nxn) en el cuerpo
de las reales y sea W el conjunto de matrices simtricas de orden (nxn) en
el cuerpo de los reales. Determinar su W es un subespacio de V.
Teorema 4.3.- La interseccin de cualquier nmero de subespacios de un
Espacio Vectorial V, es un subespacio de V.
Autor: Elio Romero Cullar Pgina 3
ALGEBRA II La matemtica honra el espritu humano Leibnitz UNIDAD N 4
COMBINACION LINEAL.-
Sea V un espacio vectorial definido sobre un cuerpo K y sean los
vectores v
1
,v
2
,v
3
,..,v
n
V. Se dice que el vector vV es una
combinacin lineal del conjunto de vectores {v
1
,v
2
,v
3
,..,v
n
} si y solo si
existen los escalares a
i
K, tales que:
v = a
1
.v
1
+ a
2
.v
2
+ a
3
.v
3
+..+ a
n
.v
n
Ejemplos.-
Teorema 4.4.-
Sea S un subconjunto no vacio de V. El conjunto de todas las
combinaciones lineales de vectores de S, es un subespacio de V que
contiene a S y se llama subespacio generado por S. Se denota por L(S).
Adems si W es otro subespacio de V que contiene a S, entonces L(S) W.
En otras palabras L(S) es el menor subespacio de V que contiene a S.
Demostracin.-
Ejemplo.- Sea V el espacio vectorial de R
3
.
a) El espacio generado por un vector no nulo v est formado por todas las
combinaciones lineales de V, es decir a.v; donde aR. Geomtricamente es
la recta que pasa por el origen y que es paralela al vector v.
Autor: Elio Romero Cullar Pgina 4
V (Esp. Vect.)
W
1
W
2
W
3
W
1
W
2
W
3
(Subespacio de V)
ALGEBRA II La matemtica honra el espritu humano Leibnitz UNIDAD N 4
b) El espacio generado por dos vectores cualesquiera v y u R
3
no nulos ni
colineales, geomtricamente es el plano que pasa por el origen y es
paralelo a los vectores v y u.
c) El espacio generado por tres vectores cualesquiera v, u y w R
3
no nulos
y no coplanares, geomtricamente es el Espacio tridimensional R
3
.
ESPACIO FILA DE UNA MATRIZ.- Sea A una matriz arbitraria (mxn) sobre
un cuerpo K.

n
c . . .
3
c
2
c
1
c
m
r
.
3
r
2
r
1
r
mn
a . . .
3 m
a
2 m
a
1 m
a
. .
ij
a . . . .
n 3
a . . .
33
a
32
a
31
a
n 2
a . . .
23
a
22
a
21
a
n 1
a . . .
13
a
12
a
11
a
A
1
1
1
1
1
1
]
1

Las filas de A consideradas como vectores en K

n
, generan un subespacio
de K
n
llamado espacio fila de A. Esto es:
Espacio fila de A = L ( r
1
, r
2
, r
3
, ., r
m
)
ESPACIO COLUMNA DE UNA MATRIZ.- Anlogamente, las columnas de
A, consideradas como vectores en K
m
, generan un subespacio de K
m

llamado espacio columna de A.
Espacio columna de A = L (c
1
, c
2
, c
3
, ., c
n
)
Supongamos ahora que aplicamos una operacin elemental entre las filas
de la matriz A y obtenemos una matriz B. Entonces cada fila de B es
claramente una fila de A o una combinacin lineal de las filas de A y el
espacio fila de B esta contenido en el espacio fila de A y viceversa, en
Autor: Elio Romero Cullar Pgina 5
x
y
z
x
v
L(s)
x
y
z
x
v
L(s)
u
ALGEBRA II La matemtica honra el espritu humano Leibnitz UNIDAD N 4
consecuencia A y B tienen el mismo espacio fila, lo cual nos conduce a
enunciar el siguiente teorema.
Teorema 4.5.- Matrices equivalentes por filas tienen el mismo espacio fila.
Teorema 4.6.- Matrices en la forma escaln reducida tienen el mismo
espacio fila si y solamente si tienen las mismas filas no nulas ( idnticas).
Ejemplo.- Sea U el subespacio generado por {u
1
=(2,1,3), u
2
=(-1,0,-3)} y W
el subespacio generado por {w
1
=(1,-1,4), w
2
=( 0,-1, 1), w
3
=(1,-2, 5)}.
Determinar si U=W
DEPENDENCIA LINEAL.-
Definicin.- Sea V un espacio vectorial definido sobre un cuerpo K y sean
{v
1
, v
2
, v
3
,.., v
n
} un conjunto de vectores a V, se dice que este conjunto
de vectores es linealmente dependiente(L.D.) si existen los escalares ai no
todos nulos tales que:
0 = a
1
.v
1
+a
2
. v
2
+a
3
. v
3
+..+a
n
. v
n
, con 0 a V
En cambio si en esta expresin todos los escalares son iguales a cero en
forma unica, diremos que el conjunto de vectores es linealmente
independiente (L.I.).
Simplificando:
0 = a
1
.v
1
+a
2
. v
2
+a
3
. v
3
+..+a
n
. v
n

'

. I . L es conjunto El 0 a los todos Si

. D . L es conjunto El 0 a n lg a Si
i
i
Ejemplo.- Sea V= R
3
. Determinar si los siguientes conjuntos de vectores de
R
3
son L.I. o L.D.
a) {v
1
=(1, 2, 3), v
2
=( 0, -4, 1), v
3
=(1, 0, 0)}.
b) {v
1
=(-1,4, 3), v
2
=( 1, -2, -5), v
3
=(0, 2, -2)}.
Teorema 4.7.-
i) Cualquier conjunto de vectores en el que est incluido el
vector nulo, es linealmente dependiente (L.D.)
ii) El conjunto de vectores {v
1
, v
2
, v
3
,.., v
n
} V diferentes todos
ellos de cero son L.D. si y solo si uno de ellos es C.L. de los
vectores anteriores a l.
Demostracin.-
Teorema 4.8.- Las filas no nulas de una matriz escalonada son linealmente
independientes.
Demostracin.-
Autor: Elio Romero Cullar Pgina 6
ALGEBRA II La matemtica honra el espritu humano Leibnitz UNIDAD N 4
Ejemplo.- Resolver el ejemplo anterior, usando el teorema 4.8
Observaciones.-
1.- Si dentro de un conjunto de vectores existe uno de ellos que es
combinacin lineal de los dems o de algunos de los dems vectores,
entonces estos vectores son linealmente dependientes.
2.- Un conjunto de vectores se llama dependiente o independiente segn
sean sus vectores dependientes o independientes. El conjunto vaco por
definicin el L.I.
3.- Si dos vectores de un conjunto son iguales, entonces el conjunto de
vectores es L. D.
4.- Dos vectores son dependientes si uno de ellos es mltiplo del otro.
5.- Un conjunto que contiene un subconjunto dependiente es a suvez
dependiente. Y cualquier subconjunto de un conjunto L.I. es tambin L.I.
6.- Si un conjunto de vectores es linealmente independiente cualquier
reordenamiento de ese conjunto mantiene su condicin de independencia.
Lo mismo si fuera dependiente.
7.- En el caso especial de R
3
se puede describir la dependencia lineal de
vectores geomtricamente de la siguiente forma:
a) Dos vectores son linealmente dependientes si son coincidentes.
b) Tres vectores son linealmente dependientes si son coplanares.
BASE Y DIMENSION DE UN ESPACIO VECTORIAL.-
Definicin.- Se dice que un espacio vectorial V definido sobre un cuerpo K
tiene dimensin finita n o es n-dimensional, denotado generalmente por
Dim V = n, Si existen n vectores linealmente independientes que generan
al espacio vectorial V y a este conjunto de n vectores se los denomina una
base del espacio vectorial V.
Ejemplo.- Identificar si los siguientes conjuntos de vectores forman o no
una base del espacio vectorial R
3
.
a) {v
1
=(1, 2, 3), v
2
=( 0, -4, 1), v
3
=(1, 0, 0)}.
b) {v
1
=(-1,4, 3), v
2
=( 1, -2, -5), v
3
=(0, 2, -2)}.
Ejemplo.- Determinar la dimensin del espacio vectorial R
3
.
Nota: En general la dimensin de un Esp. Vectorial de vectores en R
n

es igual a n. Osea que: Dim R
n
= n.
Autor: Elio Romero Cullar Pgina 7
ALGEBRA II La matemtica honra el espritu humano Leibnitz UNIDAD N 4
Ejemplo.- Encontrar la dimensin del espacio vectorial de las matrices de
(2x3).
Nota: En general la dimensin de un Esp. Vectorial de matrices de
(mxn) es m.n, es decir: Dim M
(mxn)
= m.n
Ejemplo.- Encontrar la dimensin del espacio vectorial de los polinomios de
orden 4
Nota: En general la dimensin de un Esp. Vectorial de polinomios de
orden n es (n+1), es decir: Dim P
)
= n+1
Teorema 4.9.- (Teorema del reemplazo)
Supongamos que el conjunto vectores {v
1
, v
2
, v
3
,.., v
n
} V generan al
espacio vectorial V, si {w
1
, w
2
, w
3
,.., w
m
} V y son linealmente
independientes, entonces mn y el espacio vectorial V es generado por un
conjunto de la siguiente forma:
{w
1
, w
2
, w
3
,.., w
m
, v
i1
, v
i2
, v
i3
,.., v
i(n-m)
} y en particular n+1 vectores son
L.D.
SUBCONJUNTO INDEPENDIENTE MAXIMAL DE S.-
Definicin.- Consideremos que S es un subconjunto de un espacio vectorial
V, entonces llamamos al conjunto {v
1
, v
2
, v
3
,.., v
n
} de subconjunto
independiente maximal de S si cumple las siguientes condiciones:
1.- {v
1
, v
2
, v
3
,.., v
n
} es un subconjunto independiente de S
2.- {w
1
, v
1
, v
2
, v
3
,.., v
n
} es L.D. para todo w
1
S.
Teorema 4.10.- Supongamos que S genera a V y adems que {v
1
, v
2
, v
3
,
.., v
n
} es un subconjunto independiente maximal de S, entonces {v
1
, v
2
,
v
3
,.., v
n
} es una base de V.
Teorema 4.11.- Sea V de dimensin finita n, entonces:
a) Cualquier conjunto de (n+1) o mas vectores es L.D.
b) Cualquier conjunto L.I. es parte de una base o sea puede
extenderse para que sea una base de V.
c) Un conjunto L.I. con n vectores es una base de V.
BASE Y DIMENSION DE SUBESPACIOS VECTORIALES.-
Teorema 4.12.- Sea W un subespacio vectorial de un espacio vectorial V
n-dimensional, o sea Dim V = n, entonces la Dim W n y en particular si la
Dim W=n, entonces W=V
Demostracin.-

SUMA DE SUBESPACIOS.-
Autor: Elio Romero Cullar Pgina 8
ALGEBRA II La matemtica honra el espritu humano Leibnitz UNIDAD N 4
Definicin.- Sean U y W subespacios de un espacio vectorial V definidos
sobre un campo K, entonces la suma de U y W denotado generalmente por
U+W consta de todas las sumas que se pueden realizar con los vectores
de U y los vectores de W, es decir:
U+W= {s/ s= u+w, donde uU y w W}
Teorema 4.13.- La suma de dos subespacios de un espacio vectorial V, es
tambien un subespacio del espacio vectorial V.
Demostracin.-
SUMA DIRECTA.-
Definicin.- Se dice que un espacio vectorial V es la suma directa de sus
subespacios U y W denotado por: V =UW
Si todo vector de V puede ser expresado como la suma de un vector de U y
otro de W de una nica manera.
Teorema 4.14.- El espacio vectorial V es la suma directa de sus
subespacios U y W si y solo si se cumplen las siguientes condiciones.
a) V = U + W
b) UW = {0}
Teorema 4.15.- Sean U y W subespacios de un Esp. Vect. V si estos dos
subespacios tienen dimensin finita, entonces U+W tendr dimensin finita
y ser igual a:
Dim(U+W) = DimU + Dim W Dim (UW)
Si la suma es suma de U y W es una suma directa, entonces:
Dim(U+W) = DimU + Dim W
Pues la dimensin de Dim (UW) = 0, porque la interseccin de ambos
subespacios es el vector nulo y el vector nulo tiene dimensin nula.
Teorema 4.16.- Sea V un espacio vectorial de dimensin finita n ,
entonces toda base de V tiene el mismo nmero de elementos.
RANGO DE UNA MATRIZ.-
RANGO FILA DE UNA MATRIZ.- Es la dimensin del espacio fila de la
matriz.
RANGO COLUMNA DE UNA MATRIZ.- Es la dimensin del espacio
columna de la matriz.
Teorema 4.17.- El rango fila y el rango columna de una misma matriz son
iguales.
En consecuencia generalmente se habla del rango de la matriz que viene a
ser el valor comn del rango fila o del rango columna.
Autor: Elio Romero Cullar Pgina 9
ALGEBRA II La matemtica honra el espritu humano Leibnitz UNIDAD N 4
Ejemplo.- Determinar el rango fila y el rango columna de la siguiente
matriz:
1
1
1
]
1

1 3 1 3
3 0 1 2
4 3 2 1
A
APLICACIN DE LA DEPENDENCIA LINEAL A SISTEMAS DE
ECUACIONES LINEALES.-
Sea el sistema de ecuaciones lineales A.X = B y su matriz aumentada
[ ] B A
.
Se dice que las ecuaciones lineales de un sistema son dependientes o
independientes segn sean dependientes o independientes los vectores fila
de la matriz aumentada.
Dos sistemas de ecuaciones lineales se dicen equivalentes si son
equivalentes por filas sus matrices aumentadas. O sea si tienen el mismo
espacio fila.
Siempre podemos reducir un sistema cualquiera de ecuaciones lineales a
un sistema equivalente de ecuaciones lineales independientes y el nmero
de estas ecuaciones independientes es el rango de la matriz aumentada del
sistema.
Teorema 4.18.- El sistema de ecuaciones lineales A.X = B, tiene solucin si
y solo si el rango de A es igual al rango de la matriz aumentada. O sea
Rango [A] = Rango
[ ] B A
Demostracin.- Suponiendo que existe una solucin para A.X = B,
entonces:
1
1
1
1
1
]
1

1
1
1
1
1
]
1

+ +
1
1
1
1
1
]
1

+
1
1
1
1
1
]
1

n
2
1
m
nm
m 2
m 1
2
2 n
22
12
1
1 n
21
11
b
b
b
x
a
a
a
.... .......... x
a
a
a
x
a
a
a

Luego [b
i
] son C.L. de [a
i
], entonces en la matriz aumentada al determinar
la dimensin del espacio columna podemos afirmar que la dimensin del
espacio columna de [AB] ser igual a la dimensin del Espacio columna
de la matriz A, ya que el sistema se est admitiendo que tiene solucin y la
columna [b
i
] es L.D. de las dems columnas, entonces si el sistema tiene
solucin:
Rango (A) = Rango de [AB]
Autor: Elio Romero Cullar Pgina 10
ALGEBRA II La matemtica honra el espritu humano Leibnitz UNIDAD N 4
Teorema 4.19.- Sea el sistema de ecuaciones lineales homogneo A.X = 0,
y se W el subespacio solucin de este sistema homogneo, entonces la
dimensin de W es igual (n-r), donde n es el nmero de incgnitas del
sistema y r el rango de la matriz A. O sea:
Dim W= n-r
Demostracin.- Sabemos de unidades anteriores que si un sistema
homogneo ha sido llevado a un sistema independiente equivalente, en ese
sistema equivalente se determina el nmero de variables libres por n-r
donde n es el nmero de incgnitas y r es el rango de la matriz A.
Suponiendo que sean x
i1
, x
i2
,, x
i(n-r)
las variables libres, si aplicamos
sobres estas variables libres el criterio de base usual, entonces
determinaremos lo siguientes vectores que forman parte de la base usual
del espacio solucin.
Si x
i1
= 1, y todas las dems variables libres nulas, entonces w
1
es una
solucin del sistema.
Si x
i2
= 1, y todas las dems variables libres nulas, entonces w
2
es una
solucin del sistema, y as sucesivamente:
Si x
i(n-r)
= 1, y todas las dems variables libres nulas, entonces w
(n-r)
es una
solucin del sistema.
Luego {w
1,
w
2, ..,
w
(n-r)
} forman la base usual de W, entonces la
Dimensin de W es igual a n-r
Ejemplo.- Encontrar una base y la dimensin del espacio solucin del
siguiente sistema de ecuaciones lineales homogneo.

'

+
+
+ +
0 x 6 x x
0 x x 4 x
0 x 2 x x 3
3
2 1
3 2 1
3 2 1
COORDENADAS DE UN VECTOR.- Sea V un espacio vectorial de
dimensin finita n y sea {e
1
, e
2
, e
3
,.., e
n
} una base de V, entonces
cualquier vector v V puede escribirse como una combinacin lineal nica
de los vectores {e
1
, e
2
, e
3
,.., e
n
} de la siguiente forma:
v = a
1
.e
1
+a
2
. e
2
+a
3
. e
3
+..+a
n
. e
n
Los coeficientes a
i
sern nicos pues los {e
1
, e
2
, e
3
,.., e
n
} son L.I.,
llamamos a estos escalares las coordenadas del vector v en relacin a la
base {e
1
, e
2
, e
3
,.., e
n
} y a la n-upla (a
1
, a
2
, a
3
,, a
n
) se denomina vector
de coordenadas de v con relacin a la base {e
1
, e
2
, e
3
,.., e
n
} y
generalmente se denota por: [v]
e
= [v]= (a
1
, a
2
, a
3
,, a
n
)
Teorema 4.20.- Sea V un Espacio Vectorial n-dimensional definido sobre
un campo K, entonces V y K
n
son isomorfos.
Demostracin.- Sea v, w V y kK entonces
[v+w]
e
= [v]
e
+ [w]
e
Autor: Elio Romero Cullar Pgina 11
ALGEBRA II La matemtica honra el espritu humano Leibnitz UNIDAD N 4
[k.v]
e
= k. [v]
e
Y sean {e
1
, e
2
, e
3
,.., e
n
} una base de V, entonces
Si v, w V
v = a
1
.e
1
+ a
2
.e
2
+ a
3
.e
3
+..+ a
n
.e
n
w = b
1
.e
1
+ b
2
.e
2
+ b
3
.e
3
+..+ b
n
.e
n
Sumando ambos vectores tenemos:
v+w = (a
1
+b
1
).e
1
+ (a
2
+b
2
).e
2
+ (a
3
+b
3
).e
3
+..+ (a
n
+b
n
).e
n

[v]
e
= (a
1
, a
2
, a
3
,, a
n
)
[w]
e
= (b
1
, b
2
, b
3
,, b
n
)
[v+w]
e
= (a
1
+b
1
, a
2
+b
2
, a
3
+b
3
,, a
n
+b
n
)
[v+w]
e
= [v]
e
+[w]
e
Luego:
k.v = (k.a
1
).e
1
+ (k.a
2
).e
2
+ (k.a
3
).e
3
+..+ (k.a
n
).e
n
[kv]
e
= (k.a
1
, k.a
2
, k.a
3
,, k.a
n
)
= k. [v]
e
Luego V y K
n
son isomorfos.
Autor: Elio Romero Cullar Pgina 12