Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tercer semestre
Álgebra Lineal I
Clave
05142517/06142517
índice
Figuras
Tablas
Presentación de la unidad
En las aplicaciones reales, los sistemas consisten de cientos o miles de ecuaciones y variables y los
métodos de solución requieren de una comprensión profunda que depende de los conceptos de
matrices, espacios vectoriales y las transformaciones lineales entre estos.
En esta Unidad revisarás temas de historia del álgebra lineal, un problema prototípico de una
aplicación real donde los sistemas de ecuaciones lineales se usan para resolverlos y estudiarás el
concepto de espacio vectorial a través de ejemplos diversos que incluyen vectores, matrices,
transformaciones lineales y polinomios entre otros. De manera más formal y unificante, el álgebra
lineal estudia los espacios vectoriales y las transformaciones lineales. Los conceptos abstractos se
obtienen a través de las propiedades comunes de ejemplos variados que a primera vista no tienen
nada en común.
Se considera que es muy importante tener una idea del origen del álgebra lineal, ya que desde la
antigüedad hasta nuestros días, el ser humano ha utilizado las matemáticas para beneficiarse.
Una de las primeras necesidades que tuvo el hombre fue la de contar; muestra de ello, la podemos
encontrar en las diferentes culturas: maya, china, inca, etc. En la actualidad, muchos problemas se
plantean en términos de una ecuación o de un sistema de ecuaciones, los cuales contienen las
restricciones de cada uno de los problemas. La interpretación de los resultados te permitirá elegir la
mejor opción y de esta manera podrás ofrecer alternativas a la sociedad para que se vean beneficiados
con las aplicaciones del álgebra lineal.
Competencias específicas
Evaluar si un conjunto, con las operaciones correspondientes, forma un espacio vectorial, para
resolver problemas de distintas áreas de conocimiento físico, matemático, utilizando el Álgebra
Vectorial.
Logros de la unidad
En esta Unidad podrás identificar los aspectos históricos que permitieron el desarrollo del álgebra
lineal, así como el estudio de espacios vectoriales. Además, podrás entender la relación entre estos
conceptos a través de ejemplos concretos, para obtener una comprensión más profunda de ellos que
te ayudará a desarrollar tu capacidad de abstracción y mejorar tu habilidad para resolver problemas
matemáticos.
donde el voltaje V se mide en volts, la resistencia R en ohms (denotados con el símbolo Ω), y el flujo de
corriente I en amperes (A).
La suma algebraica de las caídas de voltaje RI en una dirección alrededor de un circuito es igual a la
suma algebraica de las fuentes de voltaje en la misma dirección alrededor del circuito.
Solución
El problema se puede modelar con un sistema de ecuaciones lineales donde las variables que hay que
determinar son las corrientes I1, I2 e I3. Los tres circuitos determinan 3 ecuaciones lineales que
encontramos usando la Ley de Kirchhoff y las convenciones que hicimos. Las tablas que siguen a
continuación, en forma metódica, presentan los resultados de aplicar las convenciones en cada
elemento, la corriente que pasa por éste y su dirección, el signo resultante, el valor del elemento, la
caída de voltaje en las resistencias y el voltaje de las fuentes de poder. El renglón “Ley de Kirchhoff”
resulta de la suma algebraica de las caídas de voltaje igualadas a la suma algebraica de los voltajes. Los
elementos aparecen recorriendo el circuito en sentido contrario a las manecillas del reloj que es el
sentido escogido arbitrariamente para todas las tres corrientes.
Circuito 1
Elemento R1 R4 R6 V1
Corriente I1 I1 I2 I1 I1
Dirección → → ← → -→+
Signo + + - + +
Valor 4 3 4 30
Caída, voltaje 4I1 3I1 -3 I2 4I1 +30
Ley de Kirchhoff 11I1 -3I2 = +30
Tabla 1. Circuito 1.
Circuito 2
Elemento R2 R5 R7 R4 V2
Corriente I2 I2 I3 I2 I2 I1 I1
Dirección → → ← → ← → -→+
Signo + + - + + - +
Valor 1 1 1 3 5
Circuito 3
Elemento R3 R8 R5 V2 V3
Corriente I3 I3 I3 I2 I2 I1 I1
Dirección → → ← → +→- +→-
Signo + + + - - -
Valor 1 1 1 5 20
Caída, voltaje I3 I3 I3 – I2 -5 -20
Ley de Kirchhoff - I2 + 3I3 = -25
Tabla 3. Circuito 3.
En algunos elementos fluyen dos corrientes, por ejemplo, en el circuito 2 las corrientes I2, I3 pasan por
R5 en direcciones opuestas. Tomamos como positiva la dirección de I2 así que I3 va a ser negativa.
Observe que la batería de 5 volts en la rama CD se cuenta como parte de los circuitos 2 y 3, pero se
considera de -5 volts para el circuito 3 debido a la dirección elegida para la corriente en el circuito 3.
La batería de 20 volts es negativa por la misma razón.
El análisis anterior resulta en un sistema de 3 ecuaciones lineales con 3 incógnitas
11𝐼! − 3𝐼" = 30
−3𝐼! + 6𝐼" − 𝐼# = 5
−𝐼" + 3𝐼# = −25.
Figura 3. Medidas de longitudes en la antigua proceso, el ser humano ha construido modelos que le han
Roma.
facilitado la tarea de resolver problemas concretos o que le
han ayudado a encontrar una solución al problema específico que lo afecta. Todo esto con el propósito
de favorecer tanto su forma de vida como la de los miembros de su medio local.
Por su parte, los babilonios sabían cómo resolver problemas concretos que involucraban ecuaciones de
primer y segundo grado, completando cuadrados o por sustitución, así como ecuaciones cúbicas y
bicuadráticas, y sistemas de ecuaciones lineales y no lineales. Algunos ejemplos que se encontraron
sobre dichos problemas datan del último período sumerio, aproximadamente del año 2100 a.C.
En tanto, los matemáticos chinos durante los siglos III y IV a.C. continuaron la tradición de los
babilonios y nos legaron los primeros métodos del pensamiento lineal. Por ejemplo, en el tratado
Nueve capítulos sobre el Arte Matemático, publicado durante la Dinastía Han, aparece el siguiente
sistema lineal:
3𝑥 + 2𝑦 + 𝑧 = 39
2𝑥 + 3𝑦 + 𝑧 = 34
𝑥 + 2𝑦 + 3𝑧 = 26.
El álgebra lineal tuvo un fuerte impulso gracias al estudio de los sistemas de ecuaciones lineales.
En 1843, el matemático irlandés Sir William Hamilton descubrió los cuaterniones. En 1863, aparecen
con Hamilton, Arthur Cayley (1821-1895) y Hermann Günther Grassmann (1809-1877) las nociones de
vector y de espacio vectorial, como una axiomatización de la idea de “vector” que era manejada por
los estudiosos de la Mecánica desde fines del siglo XVII; este hecho representó la génesis del Cálculo
vectorial y de la Matemática moderna. Además, Grassmann que es considerado el maestro del álgebra
lineal, introdujo el producto geométrico y lineal, siendo el primero de estos equivalente al producto
vectorial.
Figura
Figura4.7.Matriz
Matrizenen
unun
plano
plano.
Uno de los principales méritos de Cayley fue la introducción de las
operaciones básicas de suma y multiplicación de matrices, aunque indicios de éstas ya aparecían en
trabajos anteriores de Euler, Lagrange y Gauss. Además, Cayley probó que la multiplicación de
matrices es asociativa, e introdujo las potencias de una matriz, así como las matrices simétricas y
antisimétricas.
Desde entonces, el álgebra ha evolucionado y seguido varias líneas de desarrollo; por ejemplo, el
álgebra moderna ha evolucionado desde el álgebra clásica, al poner más atención en las estructuras
matemáticas. Algunos consideran al álgebra moderna como un conjunto de objetos con reglas que los
conectan o relacionan. Así, en su forma más general, una buena definición de álgebra es la que dice
que el álgebra es el idioma de las matemáticas.
En la actualidad, en forma más particular, puede decirse que el álgebra lineal es la rama de las
matemáticas que estudia conceptos tales como vectores, matrices, sistemas de ecuaciones lineales y,
en un enfoque más formal, espacios vectoriales y sus transformaciones lineales. En esta materia
estudiarás la parte de vectores, matrices y sistemas de ecuaciones.
Esta área de estudio se relaciona con muchas ramas dentro y fuera de las matemáticas, tales como
análisis funcional, ecuaciones diferenciales, investigación de operaciones, gráficas por computadora,
ingeniería, etc.
El matemático irlandés Sir William Hamilton (1805-1865) inició el estudio de vectores; él deseaba
encontrar una forma de representar ciertos objetos en el plano y en el espacio, lo que lo llevó a
descubrir los cuaterniones. Este concepto condujo al desarrollo de lo que actualmente se llaman
vectores.
Lord Kelvin dijo que los cuaterniones, “aun cuando son bellamente ingeniosos, han sido un mal
peculiar para todos aquellos que los han manejado de alguna manera, y los vectores… nunca han sido
de la menor utilidad para ninguna criatura”. Sin embargo, Kelvin estaba equivocado, hoy en día, casi
todas las ramas de la Física clásica y moderna se representan por medio del lenguaje de vectores. Estos
también se usan cada día más en las ciencias biológicas y sociales.1
1
Ortega Pulido, Pedro; La enseñanza del álgebra lineal mediante sistemas informáticos de cálculo algebraico. Trabajo de
grado. Universidad Complutense de Madrid. Madrid (2002).
𝐼! − 𝐼# = 30
3𝐼! + 5𝐼" + 2𝐼# = 5
4𝐼! + 7𝐼" + 3𝐼# = −25.
Este sistema no tiene solución, esto es, no importa que valores les demos a I1, I2 e I3 nunca vamos a
obtener como resultado 30, 5, -25.
𝐼! − 𝐼# = 30
3𝐼! + 5𝐼" + 2𝐼# = 5
4𝐼! + 7𝐼" + 3𝐼# = 1.
El método de eliminación de variables para buscar la solución de un sistema ya era conocido por los
chinos, aunque este método se conoce actualmente como el sistema de eliminación de Gauss. Se
puede encontrar la solución fácilmente cuando el número de ecuaciones y de variables es pequeño.
Necesitamos desarrollar una teoría de sistemas de ecuaciones que nos permita saber cuándo un
sistema no tiene solución o si tiene solución saber si es única o cuantas soluciones hay y, si hay
soluciones, como computarlas. Además, en la práctica, los sistemas tienen cientos o miles de variables
y de ecuaciones. La teoría debe encontrar métodos eficientes de solución.
Discusión
Consulta si es necesario alguna referencia para poder discutir las preguntas siguientes:
1. ¿Cómo puedes saber cuántas soluciones tienen los sistemas de los ejemplos?
2. ¿Cómo resuelves los sistemas de los ejemplos?
El problema prototípico muestra nuestro objeto principal de estudio: Los sistemas de ecuaciones
lineales con los cuales podemos modelar problemas de la vida real.
Material adicional: unidad interactiva que muestra gráficamente el plano o la recta que corresponde a
una ecuación lineal y la interacción entre dos ecuaciones lineales cuyos coeficientes se pueden variar y
como afectan el que haya solución o no.
Vamos a considerar una serie de ejemplos que en forma superficial no tienen mucho en común, sin
embargo, veremos que todos satisfacen el mismo conjunto de propiedades básicas.
1.3.1. El espacio ℝ𝒏
En geometría analítica se ve que los puntos del plano se pueden representar como pares (𝑎, 𝑏) de
números reales y los puntos del espacio se pueden representar como tripletas (𝑎, 𝑏, 𝑐) de números
reales.
Generalizando, podemos considerar arreglos de 𝑛 números reales (𝑎! , 𝑎" , … , 𝑎# ) los cuales se les
conoce como n-tuplos. Al conjunto de todos estos arreglos lo llamamos ℝ# . El plano es entonces ℝ" y
el espacio es ℝ$ . Usando como base la suma y multiplicación de números reales vamos a definir la
suma y multiplicación por escalares en ℝ# como sigue:
Definimos la igualdad de dos arreglos si todas las componentes correspondientes son iguales:
Dados dos arreglos (𝑎! , 𝑎" , … , 𝑎# ), (𝑏! , 𝑏" , … , 𝑏# ) la suma de estos es un tercer arreglo que se obtiene
sumando las componentes correspondientes de cada arreglo:
Si 𝑟 es un número real arbitrario, el producto escalar de 𝑟 por (𝑎! , 𝑎" , … , 𝑎# ) es otro arreglo que se
obtiene multiplicando cada una de las componentes por 𝑟:
De las propiedades de los números reales es fácil comprobar que ℝ# satisface propiedades similares:
La suma es asociativa:
8(𝑎! , 𝑎" , … , 𝑎# ) + (𝑏! , 𝑏" , … , 𝑏# )9 + (𝑐! , 𝑐" , … , 𝑐# )
= (𝑎! , 𝑎" , … , 𝑎# ) + 8(𝑏! , 𝑏" , … , 𝑏# ) + (𝑐! , 𝑐" , … , 𝑐# )9.
La suma es conmutativa:
(𝑎! , 𝑎" , … , 𝑎# ) + (𝑏! , 𝑏" , … , 𝑏# ) = (𝑏! , 𝑏" , … , 𝑏# ) + (𝑎! , 𝑎" , … , 𝑎# ).
Cada arreglo (𝑎! , 𝑎" , … , 𝑎# ) tiene un inverso aditivo que se obtiene tomando el inverso aditivo de cada
componente (−𝑎! , −𝑎" , … , −𝑎# ) con la propiedad de que sumado a (𝑎! , 𝑎" , … , 𝑎# ) nos da el arreglo
neutro:
Cuando un conjunto tiene una operación de suma con las propiedades anteriores decimos que el
conjunto con la operación de suma forma un grupo abeliano aditivo.
Las propiedades del producto escalar se derivan de las propiedades de la multiplicación de números
reales.
Vamos a comprobar la propiedad del inverso y dejaremos como problemas para el estudiante
comprobar las demás, que se comprueban en forma similar.
(𝑎! , 𝑎" , … , 𝑎% ) + (−𝑎! , −𝑎" , … , −𝑎% ) = 4𝑎! + (−𝑎! ), 𝑎" + (−𝑎" ), … , 𝑎% + (−𝑎% )5 = (0, 0, … ,0).
1.3.2. Matrices
Las matrices son arreglos rectangulares de números reales en lugar de ser arreglos lineales como los
elementos de ℝ# . En los siguientes ejemplos, a) es una matriz cuadrada de 3 × 3, b) es una matriz
rectangular de 4 × 3 y c) es una matriz rectangular de 3 × 4.
1 3 −2
1 0 0 1 5 3 −2
𝑎) ?0 1 0@ 𝑏) A 0 1 4 C 𝑐) ?3 1 0 0@.
2 0 1
0 0 1 −5 0 0 3 0 0 1
En general si la matriz tiene 𝑚 renglones y 𝑛 columnas, decimos que la matriz es una matriz de tamaño
𝑚 × 𝑛 y a la componente en el renglón 𝑖 y la columna 𝑗 la denotamos 𝑎%&
y en forma más abreviada podemos escribir 𝑎%& cuando el contexto nos los permite. También podemos
denotar a una matriz por una letra: 𝑨 = 8𝑎%& 9.
La verificación de que el conjunto de matrices ℳ(𝑚, 𝑛), satisface las mismas propiedades con la suma
de matrices y multiplicación escalar por un número real es esencialmente idéntica a la de ℝ# con la
suma de arreglos lineales y multiplicación escalar por un número real y se deriva de las propiedades de
los números reales. De nuevo tenemos que las matrices forman un grupo Abeliano bajo la suma y la
multiplicación escalar es distributiva, asociativa y tiene a 1 ∈ ℝ como neutro multiplicativo respecto a
la multiplicación de matrices por un número real. La matriz cuyas componentes son todas 0 es el
neutro aditivo que denotamos por 𝟎 en negritas y la matriz cuyas componentes son los inversos
aditivos de cada componente de la matriz 𝑨 la denotamos por – 𝑨.
1. (𝑨 + 𝑩) + 𝑪 = 𝑨 + (𝑩 + 𝑪)
2. 𝑨 + 𝑩 = 𝑩 + 𝑨
3. 𝑨 + 𝟎 = 𝑨
UnADM | DCEIT | MT |MALI1 16
Unidad 1. Espacios vectoriales y matrices
4. 𝑨 + (−𝑨) = 𝟎
5. 𝑟 ∙ (𝑨 + 𝑩) = 𝑟 ∙ 𝑨 + 𝑟 ∙ 𝑩 y (𝑟 + 𝑠) ∙ 𝑨 = 𝑟 ∙ 𝑨 + 𝑠 ∙ 𝑨
6. (𝑟 ∙ 𝑠) ∙ 𝑨 = 𝑟 ∙ (𝑠 ∙ 𝑨)
7. 1 ∙ 𝑨 = 𝑨.
Como ejemplo de la verificación, demostramos que 𝑟 ∙ (𝑨 + 𝑩) = 𝑟 ∙ 𝑨 + 𝑟 ∙ 𝑩:
𝑟 ∙ (𝑨 + 𝑩) = 𝑟 ∙ S8𝑎%& 9 + 8𝑏%& 9T
= 𝑟 ∙ 8𝑎%& +𝑏%& 9
= S𝑟 8𝑎%& +𝑏%& 9T
= 8𝑟𝑎%& +𝑟𝑏%& 9
= 8𝑟𝑎%& 9 + 8𝑟𝑏%& 9
= 𝑟 ∙ 𝑨 + 𝑟 ∙ 𝑩.
La multiplicación y suma dentro de los paréntesis son entre números reales.
El conjunto de funciones de los reales a los reales, 𝑓: ℝ → ℝ, denotado por ℱ(ℝ), es otro ejemplo
donde la suma y multiplicación de los reales induce una suma y multiplicación escalar en las funciones,
en cierto modo, componente a componente. Primero, dos funciones 𝑓, 𝑔 son iguales si 𝑓(𝑥) = 𝑔(𝑥)
para todo 𝑥 ∈ ℝ.
Nota: el lado derecho de la igualdad es la multiplicación del número real 𝑟 por el número real 𝑓(𝑥).
La verificación de que el conjunto de funciones satisface las mismas propiedades con la suma de éstas
y multiplicación escalar por un número real es esencialmente igual que la de ℝ# con la suma de
arreglos lineales y multiplicación escalar por un número real y se deriva de las propiedades de los
números reales.
De nuevo tenemos que las funciones forman un grupo Abeliano bajo la suma y la multiplicación escalar
es distributiva, asociativa y tiene a 1 ∈ ℝ como neutro multiplicativo respecto a la multiplicación de
funciones.
La función que es idénticamente cero, es decir, 𝑓(𝑥) = 0 para toda 𝑥, es el neutro aditivo que
denotamos por 𝟎 en negritas, esto es, 𝟎(𝑥) = 0 para todo número 𝑥.
La función cuyo valor en 𝑥 es el inverso aditivo de cada valor de la función 𝑓 la denotamos por
−𝑓: ℝ → ℝ, es decir, (−𝑓)(𝑥) = −(𝑓(𝑥)).
Como ejemplo demostramos la propiedad 4.
5. 𝑟 ∙ (𝑓 + 𝑔) = 𝑟 ∙ 𝑓 + 𝑟 ∙ 𝑔 y (𝑟 + 𝑠) ∙ 𝑓 = 𝑟 ∙ 𝑓 + 𝑠 ∙ 𝑓
6. (𝑟 ∙ 𝑠) ∙ 𝑓 = 𝑟 ∙ (𝑠 ∙ 𝑓)
7. 1 ∙ 𝑓 = 𝑓.
El conjunto de funciones entre dos espacios vectoriales V y W, 𝑓: 𝑉 → 𝑊, denotado por 𝐹(𝑉, 𝑊), es
un ejemplo donde la suma y multiplicación escalar en W induce una suma y multiplicación escalar en
las funciones. De nuevo, dos funciones 𝑓, 𝑔 son iguales si 𝑓(𝑣) = 𝑔(𝑣) para todo vector 𝑣 ∈ 𝑉.
(𝑟 ∙ 𝑓)(𝑣) = 𝑟 ∙ 𝑓(𝑣).
Donde el lado derecho de la igualdad es la multiplicación escalar del número real 𝑟 por el vector 𝑓(𝑣)
de W.
La verificación de que el conjunto de funciones satisface las mismas propiedades con la suma de éstas
y multiplicación escalar por un número real es esencialmente igual que la de ℱ(ℝ) y se deriva de las
propiedades de los números reales y las propiedades vectoriales de V y W.
De nuevo tenemos que este conjunto de funciones forma un grupo Abeliano bajo la suma y la
multiplicación escalar: es distributiva, asociativa y tiene a 1 ∈ ℝ como neutro multiplicativo respecto a
la multiplicación por escalar de funciones.
La función que es idénticamente el vector 𝟎 de 𝑊, es decir, 𝑓(𝑣) = 0 para todo 𝑣, es el neutro aditivo
que denotamos por 𝟎 en negritas, esto es, 𝟎(𝑣) = 0 para todo vector 𝑣 en V.
La función cuyo valor en 𝑣 es el inverso aditivo de cada valor de la función 𝑓 la denotamos por
−𝑓: ℝ → ℝ, es decir, (−𝑓)(𝑣) = −(𝑓(𝑣)).
El conjunto de polinomios con coeficientes reales consiste en expresiones formales de la forma 𝑝(𝑥) =
𝑎' 𝑥 ' + 𝑎#(! 𝑥 #(! + ⋯ + 𝑎! 𝑥 + 𝑎) donde 𝑚 es un número natural arbitrario llamado el grado de 𝑝
siempre y cuando 𝑎' ≠ 0. A este conjunto lo denotamos por ℝ[𝑥]. Este es otro ejemplo donde la
suma y multiplicación de los reales induce una suma de polinomios y multiplicación escalar en los
polinomios, en cierto modo, componente a componente.
Podemos ahora definir que dos polinomios 𝑝(𝑥), 𝑞(𝑥) son iguales si todos los coeficientes de las
potencias de 𝑥 correspondientes son iguales.
Definimos la multiplicación escalar de un número real 𝑟 con un polinomio 𝑝(𝑥) = 𝑎' 𝑥 ' +
𝑎'(! 𝑥 '(! + ⋯ + 𝑎! 𝑥 + 𝑎) como el polinomio 𝑟 ∙ 𝑝(𝑥) definido como:
Donde en el lado derecho de la igualdad tenemos al número real 𝑟 multiplicando a cada uno de los
coeficientes 𝑎' , … , 𝑎! , 𝑎) .
La verificación de que el conjunto de polinomios satisface las mismas propiedades con la suma de
estos y multiplicación escalar por un número real es esencialmente igual que la de ℝ# con la suma de
arreglos lineales y multiplicación escalar por un número real y se deriva de las propiedades de los
números reales.
De nuevo tenemos que los polinomios forman un grupo Abeliano bajo la suma y la multiplicación
escalar es distributiva, asociativa y tiene a 1 ∈ ℝ como neutro multiplicativo respecto a la
multiplicación de polinomios. El polinomio con todos sus coeficientes 0 es el neutro aditivo que
denotamos por 0 en negritas y el polinomio con coeficientes el inverso aditivo de cada coeficiente de
𝑝(𝑥) lo denotamos por −𝑝(𝑥) = (−𝑎' )𝑥 ' + (−𝑎'(! )𝑥 '(! + ⋯ + (−𝑎! )𝑥 + (−𝑎) ).
Los ejemplos que hemos considerado en apariencia no tienen nada en común, sin embargo, en todos
hemos definido cuándo dos elementos son iguales, la suma de dos elementos y la multiplicación de un
elemento por un número real. La suma y la multiplicación satisfacen una lista común de propiedades
que se derivan de las propiedades de los números reales y de la definición de igualdad entre los
elementos del conjunto dado. Estos ejemplos motivan la siguiente definición abstracta.
aditivo, y para cada elemento 𝒙 de 𝑉 existe un elemento de 𝑉 denotado por −𝒙, llamado el inverso
aditivo de 𝒙, tales que la suma y multiplicación escalar satisfacen las siguientes propiedades para todo
elemento 𝒙, 𝒚, 𝒛 y todo número real 𝑟, 𝑠:
La multiplicación es:
5. Distributiva: 𝑟 ∙ (𝒙 + 𝒚) = 𝑟 ∙ 𝒙 + 𝑟 ∙ 𝒚 y (𝑟 + 𝑠) ∙ 𝒙 = 𝑟 ∙ 𝒙 + 𝑠 ∙ 𝒙
6. Asociativa: (𝑟 ∙ 𝑠) ∙ 𝒙 = 𝑟 ∙ (𝑠 ∙ 𝒙)
7. El 1 en R es el neutro multiplicativo: 1 ∙ 𝒙 = 𝒙.
Un aspecto importante de considerar en forma abstracta a los espacios vectoriales es que cualquier
propiedad que se deduce de las propiedades básicas anteriores, automáticamente es válida para todo
ejemplo concreto de espacio vectorial. Por ejemplo, las siguientes propiedades aplican a todos los
ejemplos que hemos considerado.
1. Si 𝒙 + 𝒚 = 𝒙 + 𝒛, entonces 𝒚 = 𝒛.
2. 0 ∙ 𝒙 = 𝟎 para todo vector 𝒙.
3. 𝑟 ∙ 𝟎 = 𝟎 para todo número real 𝑟.
4. el inverso aditivo −𝒙 de un vector 𝒙 es (−1) ∙ 𝒙.
Demostración.
1. 𝒚 = 𝟎 + 𝒚 = (−𝒙 + 𝒙) + 𝒚 = −𝒙 + (𝒙 + 𝒚) = −𝒙 + (𝒙 + 𝒛) = (−𝒙 + 𝒙) + 𝒛 = 𝟎 + 𝒛 = 𝒛.
2. 𝑟 ∙ 𝒙 + 0 ∙ 𝒙 = (𝑟 + 0) ∙ 𝒙 = 𝑟 ∙ 𝒙 = 𝑟 ∙ 𝒙 + 𝟎. Por la propiedad 1, podemos cancelar 𝑟 ∙ 𝒙 y
obtenemos 0∙ 𝒙 = 𝟎.
3. 𝑟 ∙ 𝒙 + 𝑟 ∙ 𝟎 = 𝑟 ∙ (𝒙 + 𝟎) = 𝑟 ∙ 𝒙 + 𝟎. Por la propiedad 1, podemos cancelar 𝑟 ∙ 𝒙 y obtenemos 𝑟 ∙
𝟎 = 𝟎.
4. 𝒙 + (−1) ∙ 𝒙 = 1 ∙ 𝒙 + (−1) ∙ 𝒙 = 81 + (−1)9 ∙ 𝒙 = 0 ∙ 𝒙 = 0 = 𝒙 + (−𝒙). Por la propiedad 1,
podemos cancelar 𝒙 y obtenemos (−1) ∙ 𝒙 = −𝒙.
Cierre de unidad
En esta unidad, observaste los primeros elementos básicos sobre el álgebra lineal, es momento que
revises la Unidad 2, la cual te permitirá ampliar el conocimiento que has obtenido hasta ahora.
Fuentes de consulta
Lay, D. C.; Álgebra lineal y sus aplicaciones (tercera edición); México (2007), Pearson Educación.
Corcobado, J. L. y Marijuán, J. Matemáticas I., en:<
http://www.sectormatematica.cl/libros.htm>.
Williams, G. Kolman, B. y Hill. (2004). Álgebra lineal con aplicaciones. México: Mc Graw Hill.
Bernard Kolman, David R. Hill (2006). Álgebra lineal (8a. Edición). México: Pearson Educación.