Professional Documents
Culture Documents
Schaum Álgebra Lineal 2da Edición - Seymour Lipschutz PDF
Schaum Álgebra Lineal 2da Edición - Seymour Lipschutz PDF
Lj.
[Ex] Multiplicar la ecuacién i-ésima por un escalar no nulo k: kL; L;, k #0.
[Es] Sustituir la ecuacion i-ésima por ella misma mas k veces la j-ésima: (kL) + L,)> Ly.SISTEMAS DE ECUACIONES LINEALES 9
En la practica efectuamos [E,] y [E,] en un solo paso, 0 sea, Ia operacién
[E] Sustituir la ecuacin i-ésima por k (no nulo) veces ella misma mas k’ veces la j-ésima:
(KL) + kL) > Ly, k #0
Lo anterior se enuncia formalmente en el siguiente teorema, probado en el Problema 1.46.
Teorema 1.4: Supongamos que un sistema de ecuaciones lineales (#) se obtiene de otro (+)
mediante una sucesion finita de operaciones elementales. Entonces (#) y (*) tienen el mismo
conjunto solucion.
Nuestro método para resolver el sistema de ecuaciones lineales [1.3] consta de dos pasos:
Paso I. Usar las operaciones elementales anteriores para reducir el sistema a uno equivalente
mis simple (en forma triangular o escalonada),
Paso 2. Usar la sustitucién hacia atrés para hallar Ia solucién del sistema mas simple.
Los dos pasos se ilustran en el Ejemplo 1.9. En cualquier caso, por razones pedagogicas,
discutimos en detalle primero el Paso 2 en la Seccidn 1.5 y luego el Paso 1 en la Seccion 1.6.
EJEMPLO 1.9, La solucién del sistema
xt y- a= -4
5x4 Ly —2z= 22
3x— 2y+ 3r= Mf
se obtiene como sigue:
Paso I: Primero eliminamos x de la segunda ecuacién mediante la operaci6n elemental (—SLy + La) Lay
esto es, multiplicando L, por —5 y sumandola a L,; entonces eliminamos x de la tereera ecuacion
Sfectuando la operacion elemental (—3L; + L) + Ly, es decir, multiplicando L, por ~3 y sumandola @ Ly
5x Ly: —Sx—10y+202= 20 3x Ly: —3x— by + 122 = 12
Ly _Sx+ly-2z=-2 Jy: _3x—2y+ 32a
nueva La? yo f= 2 nueva Ly: = By + 152 = 23
Por tanto, el sistema original es equivalente al sistema
x+2y— 4o=—4
yo z=-2
ty + 1S2= 23
‘A continuacién eliminamos y de la tercera ecuacién aplicando (8L7 + L,) +> Ls, esto es, multiplicando L,
por 8 y sumandola a L3:
8x1, ay 8 = 16
Ly: ~8y+15e= 2B
nueva Ly: t= 7
i i10 ALGEBRA LINEAL
Por consiguiente, obtenemos el siguiente sistema triangular equivalente:
x4 2y—4z— 4
yr r= 72
a= 7
Paso 2. Ahora resolvemos el sistema triangular mas simple mediante sustitucién hacia atras. La tercera
ecuacién da z = 1, Sustituimos z= 1 en la segunda ecuacién obteniendo
-2 0
Ahora sustituimos z = 1 e y= —1 en la primera ecuacién para obtener
x4+2(-1)-4(I)=-4 0 x-2-4
0 x-6=-4 0 x=2
Entonces x =
sistema dado,
y= —1, z=, 0, en otras palabras, la terna ordenada (2, —1, 1) es la solucién tinica del
El anterior algoritmo de dos pasos para resolver un sistema de ecuaciones lineales se
denomina eliminacién gaussiana, El siguiente teorema se utilizaré en el Paso 1 del algoritmo.
Teorema 1.5: | Supongamos que un sistema de ecuaciones lineales contiene la ecuacion degenerada
L: Ox, + 0x, +++ + 0x, =b
4) Si b=0, L puede suprimirse del sistema sin alterar el conjunto solucién.
b) Si b#0, el sistema no tiene solucién.
Demostracién, Se obtiene directamente del Teorema 1.2. Esto es, la parte a) se obtiene del
hecho de que todo vector en R" es solucién de L,, y la parte b) del hecho de que L no tiene
solucién y por tanto tampoco la tiene el sistema.
1.5. SISTEMAS EN FORMA TRIANGULAR Y ESCALONADA
Esta seccidn considera dos tipos simples de sistemas de ecuaciones lineales: sistemas en forma
triangular y el caso més general de sistemas en forma escalonada.
FORMA TRIANGULAR
Un sistema de ecuaciones lineales est en forma triangular si el niimero de ecuaciones es igual
al ntimero de incégnitas y si x, es 1a primera incdgnita de la k-ésima ecuacién. Por tanto, un
sistema de ecuaciones lineales triangular tiene a forma siguiente:
BX Faraz tt Be Matt Oa %
AaaX2 Fo + aX t any
seen aaa (4)
y— $.n—1Xn—1 + Opt, Xn = yy
Gn Xu = Dy
donde ayy 40, a2 £0, +s yg £0.SISTEMAS DE ECUACIONES LINEALES 11
El sistema de ecuaciones lineales triangular anterior tiene una solucion Gnica, que puede
cobtenerse mediante el siguiente procedimiento, conocido como sustitucién hacia atras. Primero,
resolvemos la ultima ecuacion para la ultima incdgnita, x,:
Segundo, sustituimos este valor de x, en la peniiltima ecuacién y la resolvemos para la peniltima
incognita, x,_1!
= Gn~1, nb x/ ean)
Byte
Tercero, sustituimos estos valores de x, y X,-1 en la antepeniiltima ecuacién y la resolvemos
para la antepeniiltima incdgnita, x, 2:
bens = (Onna, i/ y= 1.n— Pam 1 — Bn~ 1,1(Pal an) — (n= 2, 0/ Gand
p20?
En general, determinamos x; sustituyendo los valores previamente obtenidos de xq. X,—15 -
Xk
en la ecuacion k-ésima ecuacion: x
XL ten Xn
actu
El proceso finaliza cuando hemos determinado x,. La solucién es iinica puesto que, en cada
paso del algoritmo, el valor de x, esta, por el Teorema 1.1 i), univocamente-determinado.
EJEMPLO 1.10. Consideremos el sistema
dxe+4y—- = i
Syt z= 2
= -9
Como el sistema esta en forma triangular, puede resolverse mediante sustitucién hacia atras.
3
i) La Ghima ecuacién proporciona z
ii) Sustituimos en la segunda ecuacion para obtener Sy— 3 =2 6 Sy
iii) Sustituimos z = —3 ¢ y= 1 en Ia primera ecuacién para obtener
dxt4)-(-3= 1 0 xt443=11 0 2x
i
S
Entonces el vector w = (2, 1, —3) es la soluci6n tinica del sistema.12 ALGEBRA LINEAL
FORMA ESCALONADA. VARIABLES LIBRES
Un sistema de ecuaciones lineales esta en forma escalonada si ninguna ecuacién es degenerada
y la primera incognita de cada ecuacién esté a la derecha de la primera incognita de la ecuacion
anterior. El paradigma es:
41% + aya Xp + Gy3X3 + ayy Xy +>
92), %j2 + 92, pri%pasi t* 15)
rj, Xi + Op, ipa Xen Hoe
donde 1 0.
Se
Li DryMATRICES CUADRADAS, MATRICES ELEMENTALES 163
RESPUESTAS A LOS PROBLEMAS SUPLEMENTARIOS
474,
476,
471.
478.
479,
480.
481.
( 7)
@) k=2, b) k=—5, c)ninguno,
(5)
0 oo
2001) g_loooe 1 amo
P= P= A¥=0 para k>3; -
94-1) oo of Hl0 0 0 of para k> (08 "
0 0 0 9 0 0 0
a ) -10 -20 4 7
o 1-1 0 6 -tes2
lo 0 1-1 a 8 32 =3
o 0 0 203-1 -4
1 01 -1\/1 0. 1 O\/1 of 2
4 (2 XE “NE ol HE 9 2. wort pos amie
tiene inversa.164 ALGEBRA LINEAL
4.87. Todas las entradas diagonales deben ser I para que sean no singulares. Hay ocho elecciones posibles
para las entradas sobre la diagonal:
CoO HC OE HE oC HC oC 2)
2 4\ (2 -7\ (-2 7\ (-2 -4
2 CAE 302 92 SW te
120
490. 31
2,
i ai i 2 46
wn 9 a-(! an(s 2en( 9
1 23 3\_(9
4% la ahs kn 8
495. @) (2 $8) » (GG )
&
w/a W/E Way ft YT
496. a) 0 -y/B 3B}, » |W? 0 -V2
12/,/157 —3/,/157 —2),/157) 3/22 2/23/22)
498. 4,C.
bay bas
ae bay baa bas
a, ay 4.
414, [21 922 2 ba ba bse
32°53 O54 2 Le a
an a 43 bag bas
sa bss
11 0)
anos, 1 1 1
o 1 4
4.106. a) x=a(parametro), y= 0, 2 =
4109. A,B,C
Atl, A
—MATRICES CUADRADAS. MATRICES ELEMENTALES 165
4.118,
4.119,
4.120,
4.121,
4.122,
304 il 15
gil 30 41
Mo =
9 12 57 78
24 33, 156 213,
1-1 -1 26 1
[9 103 13 1
P=ln go 1 9 1 sig A =2
\o 0 0 7, 469)
a) x=r—3s+19, yas4Tt,2=1,
a0 5, t) =? — 5? + 3607, rango q=3, sig q=1
b) x=r—U,y=s42,2=1,
(r,s, t) = 27? — 3s? + 2977, rango q =3, sig q= 1
o) x=r—2s418t,y=s—Thz=1,
a(t, 8, t)= 1? +5? — 620, rango 4
@) x=r-s—ty=s—tret,
4(% J, 2) = 77 + 2s%, rango q = 2, sig q =2.
a) k>% b) k<-120k> 12; ) k>S,
9 y=? —y?, w= (1, 2, 0=(1, =1).
Supongamos que A se ha diagonalizado a P?4P = diag (a,). Definase Q = diag (b,) por
{" Jia si a, 40
1 ia. o7 Entonces B= OPTAPO = (PQ)"A(PQ) tiene la forma requerida.
siq=166
4.124,
4.126.
4.127.
ALGEBRA LINEAL
a) 17, 5,3), (b) f(r, 8,1) = (17r — 61s + 1348, 4r — 415 + 46t, 3r — 25s + 258),
©) alt, s,) = (Gtr + 5 — 3301, 16 + 35 — 91t, 9r — ds — 44)
Se
ea
so o-oo ShelCAPITULO 5
Espacios vectoriales
5.1. INTRODUCCION
Este capitulo introduce 1a estructura algebraica subyacente al Algebra lineal, la de espacio
vectorial de dimensién finita. La definicién de espacio vectorial involucra un cuerpo arbitrario
(wéase el Apéndice) cuyos elementos se denominan escalares. Se utilizara la siguiente notacion
(a menos que se establezca o implique otra cosa):
K el cuerpo de escalares
a,b,cok — los elementos de K
Vel espacio vectorial dado
u,v, los elementos de ¥
No se perderé nada esencial si el lector supone que K es el cuerpo real R 0 el complejo C.
El capitulo no abarca conceptos como longitud y ortogonalidad, puesto que no se consideran
parte de la estructura fundamental de un espacio vectorial. Se incluiran como estructura adicional
en el Capitulo 6.
5.2, ESPACIOS VECTORIALES
A continuacién se define la nocién de espacio vectorial o lineal.
Definicién: Sean K un cuerpo dado y V un conjunto no vacio, con reglas de suma y producto
por un escalar que asignan a cada par u, ve V-una suma u+veV y a cada par ueV, keK un
producto kue V. V recibe el nombre de espacio vectorial sobre K (y los elementos de V se llaman
vectores) si se satisfacen los siguientes axiomas (véase el Problema 5.3).
167168 ALGEBRA LINEAL
[A,] Para toda terna de vectores u, v, we V, (u-+0) + w=u+ (+ w),
[4,] _ Existe un vector en V, denotado por 0 y denominado el vector cero, tal que u + 0 =
para todo vector we V.
[43] Para todo vector we V existe un unico vector en V, denotado por —u, tal que
u+(-u)=0.
[A,] Para todo par de vectores u, ve V,u-tv=v+u.
[M,] Para todo escalar ke K y todo par de vectores u, ve V, k(u + v) = ku + ke.
[Mz] Para todo par de escalares a, be K y todo vector we V, (a + b)u = au + bu.
[Mg] Para todo par de escalares a, be K y todo vector we V, (ab)u = a(bu).
[Mg] El escalar unidad 1¢K cumple 1u =u para todo vector we V.
Los axiomas precedentes se desdoblan de forma natural en dos categorias.. Los cuatro
primeros atafien Unicamente a la estructura aditiva de Vy pueden resumirse diciendo que V es
un grupo conmutativo (véase el Apéndice) bajo la suma. De ello se deriva que cualquier suma de
veetores de la forma
by +o to +o,
no requiere paréntesis y no depende del orden de los sumandos, que el vector cero, 0, es tinico,
que el opuesto —u de w es tinico y que se verifica la ley de cancelacién; esto es, para tres vectores
cualesquiera w, v, we V.
u+w
w implica
Asimismo, la resta se define segin
uu
u+(—0)
Por otra parte, los cuatro axiomas restantes se refieren a la «accién» del cuerpo K sobre V.
Obsérvese que la rotulacion de los axiomas refleja este desdoblamiento, Empleando estos
axiomas adicionales probaremos (Problema 5.1) las siguientes propiedades elementales de un
espacio vectorial.
Teorema 5.1: Sea V un espacio vectorial sobre un cuerpo K.
i) Para todo escalar keK y 0eV, k0 =0.
ii) Para 0eK y todo vector eV, Ou = 0.
iii) Si ku=0, donde keK y weV, entonces k=0.0u=0.
iv) Para todo keK y todo ue V, (—k)u = k(—u) = —ku.
5.3. EJEMPLOS DE ESPACIOS VECTORIALES
Esta seccion enumera una serie de ejemplos importantes de espacios vectoriales que se utilizardn
a lo largo de todo el texto.ESPACIOS VECTORIALES - 169
ESPACIO &”
Sea K un cuerpo arbitrario. La notacién K” se usa frecuentemente para designar el conjunto de
todas las n-plas de elementos de K. Aqui K” se ve como: un espacio vectorial sobre K, en el
que la suma vectorial y el producto por un escalar se definen segin
(Gy Ga, ey Gy) + (By, Bay eos Ba)
(ay + Byy dg + Bay osnn dy + by)
Kay, gy 5 ,) = (Kg, Kady, «24 Kay)
El vector cero en K" es la-n-pla de ceros
0=(0, 0, ..., 0)
y el opuesto de un vector se define por
(Ags 2, vey Gy) = (= Ay, — Ary «25 — Gy)
La demostracién de que K" es un espacio vectorial es idéntica a la del Teorema 2.1, que ahora
puede considerarse como la afirmacién de que R", con las operaciones alli definidas, es un espacio
vectorial sobre R.
ESPACIO DE MATRICES M,,, ,
La notacién M,,',, 0 simplemente M, se utilizar para designar el conjunto de todas las matrices
m Xn sobre un cuerpo arbitrario K. My, €8 un espacio vectorial sobre K con respecto a las
operaciones usuales de suma matricial y producto por un escalar. (Véase el Teorema 3.1.)
ESPACIO DE POLINOMIOS P(1)
Denotemos por P(t) el conjunto de todos los polinomios
Oy tat tat? + +a,t
con coeficientes a, en algtin cuerpo K. (Véase el Apéndice.) P(t) es un espacio vectorial sobre K
con respecto a las operaciones usuales de suma de polinomios y producto de un polinomio por
una constante.
ESPACIO DE FUNCIONES F(X)
Sean X un conjunto no vacio y K un cuerpo arbitrario. Consideremos el conjunto F(X) de
todas las funciones de X en K. [Notese que F(X) es no vacio por serlo X.] La suma de dos
funciones f, g¢ F(X) es la funcién f + ge F(X) definida por
(F+ a @=Se) +9) YxeX170 ALGEBRA LINEAL
y el producto de un escalar ke K por una funcién fe F(X) es la funcion kfe F(X) definida por
(KN)
kf(x) YxeX
(El simbolo ¥ significa «para todo».) F(X), con las operaciones anteriores, es un espacio vectorial
sobre K (Problema 5.5).
EI vector cero en F(X) es la funcién cero, 0, que aplica cada xe X en OeK, es decir,
O(x)=0 vrex
Asimismo, para cualquier funcién fe F(X), la funcién —f definida por
(-D@&)=—-f(e) Vxex
es la opuesta de la funcion f.
CUERPOS Y SUBCUERPOS.
Supongamos que E es un cuerpo que contiene un subcuerpo K. E puede verse como un espacio
vectorial sobre K como sigue. Tomemos como suma vectorial la suma usual en E, y como pro-
ducto kv del escalar ke K por el vector ve E el producto de ky v como elementos del cuerpo E.
En tal caso, E es un espacio vectorial sobre K, esto es, E y K satisfacen los ocho axiomas de
espacio vectorial precedentes.
5.4. SUBESPACIOS
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 (véase el Problema 5.4 para su demostracién).
Teorema 5.2: Supongamos que W es un subconjunto de un espacio vectorial V. Entonces W
es un subespacio de V si y sdlo si se cumple:
i). 0ew.
ii) Wes cerrado bajo la suma de vectores, es decir:
Para todo par de vectores u, ve W, la suma u + ve W.
iii) W es cerrado bajo el producto por un escalar, esto es:
Para todo we W y para todo keK el miltiplo kwe W.
Las condiciones ii) y iii) pueden combinarse en una sola, como se hace, mas abajo, en i
(véase la demostracién en el Problema 5.5)
Corolario 5.3: W es un subespacio de V si y solo si:
i) Oew.
ii) au + bveW para todos los u, ve W y a, beK.
SeESPACIOS VECTORIALES 171
EJEMPLO 5.1
a) Sea V cualquier espacio vectorial. Entonces, tanto el conjunto {0}, que consiste en el vector cero solo,
como el espacio V entero son subespacios de V.
5) Sea W el plano xy en R° consistente en aquellos vectores cuya tercera componente es 0: 0, en otras
palabras, W = {(a, b, 0):a, beR}. Notese que 0 = (0, 0, 0)e W ya que la tercera comporiente de 0 es 0.
Para todo par de vectores u = (a, b, 0) y v= (c, d, 0) en W y todo escalar KER tenemos que
utv=(ateb+d,0) y — ku= (ka, kb, 0)
pertenecen a W, luego W es un subespacio de R®
©) Sea V=M,,, el espacio de las matrices x n. El subeonjunto W, de las matrices triangulares
(superiores) y el W, de las matrices simétricas son subespacios de V’ puesto que son no vacios y cerrados
bajo la suma de matrices y el producto por un escalar.
4d) Recordemos que P(t) denota el espacio vectorial de los polinomios, Denotemos por P,(t) el subconjun-
to de P(t) que consiste en todos los polinomios de grado You might also like