MALI1 U1 Contenido

Matemáticas
Tercer semestre
Álgebra Lineal I
Unidad 1. Espacios Vectoriales
Clave
05142517/06142517
Universidad Abierta y a Distancia de México

Unidad 1. Espacios vectoriales y matrices
índice
Presentación de la unidad ................................................................................................................................................. 2
Logros de la unidad ........................................................................................................................................................... 3
1.1. Modelando redes elécticas con ecuaciones lineales .............................................................................................. 3

1.1.1. Problema y solución .............................................................................................................................................. 4
1.2. Sistemas sin solución o con infinidad de soluciones ........................................................................................... 10
1.3.1. El espacio ℝ𝒏 ................................................................................................................................................. 13
1.3.2. Matrices .......................................................................................................................................................... 15
1.3.3. Espacios de funciones..................................................................................................................................... 17
1.3.4. El espacio de funciones 𝑭(𝑽, 𝑾) entre dos espacios vectoriales 𝑽 y 𝑾........................................................ 19
1.3.5. Espacio de polinomios con coeficientes reales .............................................................................................. 20
1.3.6. Definición de espacio vectorial ....................................................................................................................... 22
1.4. Propiedades simples pero importantes de los espacios vectoriales ..................................................................... 23
Cierre de unidad .......................................................................................................................................................... 24
Fuentes de consulta ................................................................................................................................................... 25
UnADM | DCEIT | MT |MALI1 0

Índice de Figuras y tablas
Figuras
FIGURA 1. SISTEMA DE ECUACIONES ____________________________________________________ 2

FIGURA 2. MEDIDAS DE LONGITUDES EN LA ANTIGUA ROMA _____________________________________ 7
FIGURA 3. PAPIRO DE RHIND _________________________________________________________ 7
FIGURA 4. ANÁLISIS DIOFÁNTICO _______________________________________________________ 8
FIGURA 5. PENSAMIENTO LINEAL_______________________________________________________ 8
FIGURA 6. MATRIZ EN UN PLANO_______________________________________________________ 9
FIGURA 7. REPRESENTACIÓN DE UN SISTEMA DE ECUACIONES EN EL PLANO __________________________ 10
FIGURA 8. CIRCUITO ELÉCTRICO _______________________________________________________ 4
Tablas
TABLA 1. CIRCUITO 1 ............................................................................................................................ 5

TABLA 2. CIRCUITO 2 ............................................................................................................................ 6
TABLA 3. CIRCUITO 3 ............................................................................................................................ 6

Presentación de la unidad
El álgebra lineal se originó como el estudio de los conceptos y

herramientas y métodos que permiten la solución de sistemas de
ecuaciones lineales simultáneas.
Cuando tratamos con sistemas de 2 o 3 ecuaciones y variables,

ver si tienen solución o no y si la tienen calcularla, es un problema
relativamente sencillo cuya solución se conoce desde la
FiguraFigura
1. Sistema de ecuaciones
1. Sistema en el plano
de ecuaciones antigüedad.
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.
También encontrarás actividades con ejemplos, ejercicios y planteamientos de problemas; conforme

vayas conociendo la teoría podrás darte cuenta si esa información es útil para resolver los problemas.
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.
• Motiva el estudio de sistemas de ecuaciones lineales a través de un ejemplo prototípico que

resuelve problemas de aplicaciones reales.
• Ejemplifica el concepto de espacio vectorial con ejemplos diversos para motivar la definición
abstracta de espacio vectorial.
• Desarrolla la habilidad de abstracción partiendo de ejemplos concretos a definiciones
abstractas.
1.1. Modelando redes elécticas con ecuaciones lineales

Consideremos una red eléctrica sencilla, solo con resistores ( ) y fuentes de voltaje (+ −). De la
teoría de circuitos eléctricos sabemos que una fuente de voltaje, por ejemplo, una batería, genera una
corriente de electrones que fluye a través de la red. Cuando la corriente pasa por un resistor (ya sea
una bombilla o un motor), parte del voltaje se “consume”; de acuerdo con la ley de Ohm, esta “caída
de voltaje” en el resistor está dada por
V = RI

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).
1.1.1. Problema y solución

Determinar las corrientes de circuito en la red de la figura 2.
Convenciones: La red de la figura 2 contiene tres circuitos cerrados.

1. Las corrientes que fluyen en los circuitos 1, 2 y 3
se denotan con I1, I2 e I3 respectivamente.
2. Las direcciones asignadas a las corrientes de
circuito son arbitrarias y se indican en la figura 2 con las flechas.
3. Al determinar la corriente, si ésta resulta negativa,
entonces la dirección real del flujo de corriente es opuesta a la
que se indica en la figura.
Figura 2. Circuito eléctrico.

4. Si la dirección de corriente que genera una batería + − va de
negativo a positivo, entonces el voltaje es positivo.
5. Si la dirección de corriente que genera una batería + − va de
positivo a negativo, entonces el voltaje es negativo.
El flujo de corriente en un circuito está regido por la siguiente ley.
Ley de Kirchhoff sobre el voltaje
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

Caída, voltaje I2 I2 – I3 I2 3I2 –3I1 +5

Ley de Kirchhoff -3I1 + 6I2 – I3 = +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
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.
Resolviendo este sistema llegamos a la solución única: I1 = 3 A, I2 = 1 A e I3 = -8 A. El valor negativo de I3

indica que la corriente real en el circuito 3 fluye en la dirección opuesta a la que se muestra en la figura
2.

Historia del álgebra lineal
Desde la antigüedad, el ser humano comenzó a preguntarse

sobre diversos aspectos de la vida cotidiana, lo que lo llevó a
inventar herramientas que le permitieran medir longitudes,
ordenar y contar objetos, así como reconocer fenómenos
periódicos de la naturaleza. Como resultado de este
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.
Hacia el año 1650 a.C., el sacerdote egipcio Ahmés escribió el Papiro de

Rhind, que es uno de los documentos matemáticos más antiguos. En él
se encuentran los primeros conocimientos acerca del álgebra lineal. Este
documento contiene 85 problemas redactados en escritura hierática y
fue concebido originalmente como un manual práctico para los no
iniciados. Fígura 2.4.Papiro

Figura Papirodede
Rhind
Rhind.
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.
Los matemáticos griegos no se preocuparon por los

problemas lineales, a pesar de que poseían un
reconocido pensamiento lineal. En sus trabajos se aprecian
algunas tentativas del análisis diofántico,
especialmente en el estudio de las magnitudes (Libro V)
y las propiedades aritméticas de los números enteros
(Libro VII). Sin embargo, la solución general de la Figura5.3.Análisis
Figura Análisis diofántico
diofántico.
ecuación de segundo grado aparece en los

Elementos de Euclides; no obstante, dichos elementos no representaban un pensamiento algebraico
formalmente hablando, como el que se conoce en la actualidad.
En realidad, las formalidades algebraicas que se estudian en la

matemática actual no vieron la luz sino hasta finales del siglo XVII,
con el redescubrimiento y desarrollo de las ideas originales de los
babilonios, y principalmente de los chinos, sobre el pensamiento
lineal, y con la relación entre geometría y álgebra, basada en las
ideas de René Descartes y de Pierre de Fermat. Así, hasta el siglo
XVIII el álgebra fue el arte de resolver ecuaciones de grado arbitrario.
Figura 6. Pensamiento Lineal.
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.
El primero que utilizó el término “matriz” fue el matemático inglés James

Joseph Sylvester en 1850, quien definió una matriz como un arreglo
cuadrilongo de términos. Tiempo después estableció contacto con Cayley,
quien rápidamente entendió la importancia del concepto de matriz.
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.
Figura 8. Representación de un sistema de ecuaciones en el plano.
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
1.2. Sistemas sin solución o con infinidad de soluciones
1
Ortega Pulido, Pedro; La enseñanza del álgebra lineal mediante sistemas informáticos de cálculo algebraico. Trabajo de
grado. Universidad Complutense de Madrid. Madrid (2002).

Consideremos ahora el sistema
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.
Sin embargo, si el coeficiente independiente de la tercera ecuación es 1
𝐼! − 𝐼# = 30
3𝐼! + 5𝐼" + 2𝐼# = 5
4𝐼! + 7𝐼" + 3𝐼# = 1.
Este sistema tiene una infinidad de soluciones.
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?
En este curso vamos a desarrollar la teoría de espacios vectoriales, transformaciones lineales y

matrices para poder contestar las preguntas que hemos propuesto.
Ejemplos de sistemas de ecuaciones lineales
El problema prototípico muestra nuestro objeto principal de estudio: Los sistemas de ecuaciones
lineales con los cuales podemos modelar problemas de la vida real.
En la discusión ilustramos sistemas lineales:

1. Que no tienen solución
2. Que tienen una solución única
3. Que tienen una infinidad de soluciones
El estudio de las circunstancias que hacen que haya solución o no de un sistema de ecuaciones lineales
motivó el desarrollo de la teoría de espacios vectoriales y sus transformaciones lineales. A través de
esto se desarrollaron métodos para encontrar soluciones y entender bajo qué circunstancias tienen o
no solución.
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.

1.3. Ejemplos de espacios vectoriales
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:
(𝑎! , 𝑎" , … , 𝑎# ) = (𝑏! , 𝑏" , … , 𝑏# ) cuando 𝑎! = 𝑏! , 𝑎" = 𝑏" , … , 𝑎# = 𝑏# .
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:
(𝑎! , 𝑎" , … , 𝑎# ) + (𝑏! , 𝑏" , … , 𝑏# ) = (𝑎! + 𝑏! , 𝑎" + 𝑏" , … , 𝑎# + 𝑏# ).
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:
𝑟 ∙ (𝑎! , 𝑎" , … , 𝑎# ) = (𝑟 ∙ 𝑎! , 𝑟 ∙ 𝑎" , … , 𝑟 ∙ 𝑎# ).

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# ).
El arreglo (0, 0, … ,0) es el arreglo neutro de la suma:
(𝑎! , 𝑎" , … , 𝑎# ) + (0, 0, … ,0)=(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:
(𝑎! , 𝑎" , … , 𝑎# ) + (−𝑎! , −𝑎" , … , −𝑎# ) = (0, 0, … ,0).
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.
La multiplicación escalar es distributiva:

𝑟 ∙ 8(𝑎! , 𝑎" , … , 𝑎# ) + (𝑏! , 𝑏" , … , 𝑏# )9 = 𝑟 ∙ (𝑎! , 𝑎" , … , 𝑎# ) + 𝑟 ∙ (𝑏! , 𝑏" , … , 𝑏# ),

(𝑟 + 𝑠) ∙ (𝑎! , 𝑎" , … , 𝑎# ) = 𝑟 ∙ (𝑎! , 𝑎" , … , 𝑎# ) + 𝑠 ∙ (𝑎! , 𝑎" , … , 𝑎# ).
La multiplicación escalar es asociativa:
(𝑟𝑠) ∙ (𝑎! , 𝑎" , … , 𝑎# ) = 𝑟 ∙ 8𝑠 ∙ (𝑎! , 𝑎" , … , 𝑎# )9.
La multiplicación escalar tiene un neutro multiplicativo:
1 ∙ (𝑎! , 𝑎" , … , 𝑎# ) = (𝑎! , 𝑎" , … , 𝑎# ).
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).
Puesto que para todo número real, 𝑎 + (−𝑎) = 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%&
𝑎!! 𝑎!" … 𝑎!#

𝑎"! 𝑎"" ⋯ 𝑎"#
G ⋮ ⋮ ⋱ ⋮ K
𝑎'! 𝑎'" ⋯ 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.
En forma similar a la igualdad de arreglos y de operación de suma y de multiplicación escalar que

definimos en ℝ# , definimos la igualdad, suma de matrices y multiplicación por un número real
componente por componente.
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.
Explícitamente, si 𝑨 = 8𝑎%& 9, 𝑩 = 8𝑏%& 9 y 𝑪 = 8𝑐%& 9 son matrices de tamaño 𝑚 × 𝑛 arbitrarias y 𝑟, 𝑠 ∈

ℝ tenemos que:
1. (𝑨 + 𝑩) + 𝑪 = 𝑨 + (𝑩 + 𝑪)
2. 𝑨 + 𝑩 = 𝑩 + 𝑨
3. 𝑨 + 𝟎 = 𝑨
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.
1.3.3. Espacios de funciones
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.
Definimos la suma de 𝑓 y 𝑔 como la función 𝑓 + 𝑔: ℝ → ℝ definida como:

(𝑓 + 𝑔)(𝑥) = 𝑓(𝑥) + 𝑔(𝑥).
Definimos la multiplicación escalar de un número real 𝑟 con 𝑓 como la función 𝑟 ∙ 𝑓: ℝ → ℝ definida

como:
(𝑟 ∙ 𝑓)(𝑥) = 𝑟 ∙ 𝑓(𝑥).
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.
8𝑓 + (−𝑓 )9(𝑥) = 𝑓 (𝑥 ) + (−𝑓)(𝑥)

= 𝑓 (𝑥 ) − 8𝑓(𝑥)9
= 0
= 𝟎(𝑥)
para todo número real 𝑥. Por lo tanto 𝑓 + (−𝑓) = 𝟎.
Explícitamente, si 𝑓: ℝ → ℝ, 𝑔: ℝ → ℝ, ℎ: ℝ → ℝ son funciones arbitrarias y 𝑟, 𝑠 ∈ ℝ tenemos que:

1. (𝑓 + 𝑔) + ℎ = 𝑓 + (𝑔 + ℎ)
2. 𝑓 + 𝑔 = 𝑔 + 𝑓
3. 𝑓 + 𝟎 = 𝑓
4. 𝑓 + (−𝑓) = 𝟎

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.
1.3.4. El espacio de funciones 𝑭(𝑽, 𝑾) entre dos espacios vectoriales 𝑽 y 𝑾
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.
Definimos la suma de 𝑓 y 𝑔 como la función 𝑓 + 𝑔: 𝑉 → 𝑊 definida como:
(𝑓 + 𝑔)(𝑣) = 𝑓(𝑣) + 𝑔(𝑣).
Donde la suma del lado derecho de la igualdad es la suma en W.
Definimos la multiplicación escalar de un número real 𝑟 con 𝑓 como la función 𝑟 ∙ 𝑓: 𝑉 → 𝑊 definida

como:
(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)).
Explícitamente, si 𝑓: 𝑉 → 𝑊, 𝑔: 𝑉 → 𝑊, ℎ: 𝑉 → 𝑊 son funciones arbitrarias y 𝑟, 𝑠 ∈ ℝ tenemos que:

1. (𝑓 + 𝑔) + ℎ = 𝑓 + (𝑔 + ℎ)
2. 𝑓 + 𝑔 = 𝑔 + 𝑓
3. 𝑓 + 𝟎 = 𝑓
4. 𝑓 + (−𝑓) = 𝟎
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.
1.3.5. Espacio de polinomios con coeficientes reales
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.
Consideremos dos polinomios 𝑝(𝑥) = 𝑎' 𝑥 ' + 𝑎'(! 𝑥 '(! + ⋯ + 𝑎! 𝑥 + 𝑎) y 𝑞(𝑥) = 𝑏# 𝑥 # +

𝑏#(! 𝑥 #(! + ⋯ + 𝑎! 𝑥 + 𝑎) . Si 𝑛 ≥ 𝑚, entonces podemos suponer que 𝑛 = 𝑚 + 𝑘, con 𝑘 ≥ 0 y
podemos escribir a 𝑝(𝑥) = 𝑎# 𝑥 # + 𝑎#(! 𝑥 #(! + ⋯ + 𝑎! 𝑥 + 𝑎) donde 𝑎# = 0, … , 𝑎'*! = 0. Con este

artificio de notación siempre podemos escribir dos polinomios con 𝑛 coeficientes, donde 𝑛 es el mayor
de los grados de los polinomios.
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 suma de 𝑝(𝑥) y 𝑞(𝑥) como el polinomio (𝑝 + 𝑞)(𝑥) definido como:
(𝑝 + 𝑞)(𝑥) = (𝑎# + 𝑏# )𝑥 # + (𝑎#(! + 𝑏#(! )𝑥 #(! + ⋯ + (𝑎! + 𝑏! )𝑥 + 𝑎) + 𝑏) .
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:
𝑟 ∙ 𝑝(𝑥) = 𝑟 ∙ 𝑎' 𝑥 ' + 𝑟 ∙ 𝑎'(! 𝑥 '(! + ⋯ + 𝑟 ∙ 𝑎! 𝑥 + 𝑟 ∙ 𝑎) .
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) ).

Explícitamente, si 𝑝(𝑥), 𝑞(𝑥) y ℎ(𝑥) son polinomios arbitrarios y 𝑟, 𝑠 ∈ ℝ tenemos que:
1. (𝑝(𝑥) + 𝑞(𝑥)) + ℎ(𝑥) = 𝑓(𝑥) + (𝑔(𝑥) + ℎ(𝑥))

2. 𝑝(𝑥) + 𝑞(𝑥) = 𝑞(𝑥) + 𝑝(𝑥)
3. 𝑝(𝑥) + 𝟎(𝑥) = 𝑝(𝑥)
4. 𝑝(𝑥) + (−𝑝(𝑥)) = 𝟎
5. 𝑟 ∙ 4𝑝(𝑥) + 𝑞(𝑥)5 = 𝑟 ∙ 𝑝(𝑥) + 𝑟 ∙ 𝑞(𝑥) y (𝑟 + 𝑠) ∙ 𝑝(𝑥) = 𝑟 ∙ 𝑝(𝑥) + 𝑠 ∙ 𝑝(𝑥)
6. (𝑟 ∙ 𝑠) ∙ 𝑝(𝑥) = 𝑟 ∙ (𝑠 ∙ 𝑝(𝑥))
7. 1 ∙ 𝑝(𝑥) = 𝑝(𝑥).
1.3.6. Definición de espacio vectorial
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.
Definición de espacio vectorial sobre los reales
Un espacio vectorial 𝑉 sobre ℝ consiste de un conjunto y

1. Una operación entre sus elementos, llamada suma y denotada por +, que asocia a cada par de
elementos 𝒙, 𝒚 un tercer elemento de 𝑉, denotado por 𝒙 + 𝒚.
2. Una operación, llamada multiplicación escalar que asocia a cada número real 𝑟 y a cada elemento 𝒙
de 𝑉, un elemento de 𝑉 denotado por 𝑟 ∙ 𝒙.
A los elementos de un espacio vectorial los llamamos vectores.
𝑉 con la operación + forma un grupo abeliano y la multiplicación es distributiva, asociativa y tiene un
neutro multiplicativo. Explícitamente, existe un elemento en 𝑉 denotado por 0, llamado el neutro
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:
V es un grupo abeliano con la suma:

1. Asociativa: (𝒙 + 𝒚) + 𝒛 = 𝒙 + (𝒚 + 𝒛)
2. Conmutativa: 𝒙 + 𝒚 = 𝒚 + 𝒙
3. El 𝟎 en 𝑉 es el neutro aditivo: 𝒙 + 𝟎 = 𝒙
4. Todo elemento 𝒙 en 𝑉 tiene inverso aditivo −𝒙: 𝒙 + (−𝒙) = 𝟎
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.
1.4. Propiedades simples pero importantes de los espacios vectoriales
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.

MALI1 U1 Contenido

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

MALI1 U1 Contenido

Cargado por

Copyright:

Formatos disponibles

Matemáticas

Unidad 1. Espacios Vectoriales

Universidad Abierta y a Distancia de México

Presentación de la unidad ................................................................................................................................................. 2

Logros de la unidad ........................................................................................................................................................... 3

1.1. Modelando redes elécticas con ecuaciones lineales .............................................................................................. 3

1.4. Propiedades simples pero importantes de los espacios vectoriales ..................................................................... 23

Cierre de unidad .......................................................................................................................................................... 24

Fuentes de consulta ................................................................................................................................................... 25

UnADM | DCEIT | MT |MALI1 0

Índice de Figuras y tablas

FIGURA 1. SISTEMA DE ECUACIONES ____________________________________________________ 2

TABLA 1. CIRCUITO 1 ............................................................................................................................ 5

UnADM | DCEIT | MT |MALI1 1

El álgebra lineal se originó como el estudio de los conceptos y

Cuando tratamos con sistemas de 2 o 3 ecuaciones y variables,

También encontrarás actividades con ejemplos, ejercicios y planteamientos de problemas; conforme

UnADM | DCEIT | MT |MALI1 2

• Motiva el estudio de sistemas de ecuaciones lineales a través de un ejemplo prototípico que

1.1. Modelando redes elécticas con ecuaciones lineales

UnADM | DCEIT | MT |MALI1 3

1.1.1. Problema y solución

Convenciones: La red de la figura 2 contiene tres circuitos cerrados.

Figura 2. Circuito eléctrico.

El flujo de corriente en un circuito está regido por la siguiente ley.

Ley de Kirchhoff sobre el voltaje

UnADM | DCEIT | MT |MALI1 4

UnADM | DCEIT | MT |MALI1 5

Caída, voltaje I2 I2 – I3 I2 3I2 –3I1 +5

Resolviendo este sistema llegamos a la solución única: I1 = 3 A, I2 = 1 A e I3 = -8 A. El valor negativo de I3

UnADM | DCEIT | MT |MALI1 6

Historia del álgebra lineal

Desde la antigüedad, el ser humano comenzó a preguntarse

Hacia el año 1650 a.C., el sacerdote egipcio Ahmés escribió el Papiro de

iniciados. Fígura 2.4.Papiro

UnADM | DCEIT | MT |MALI1 7

Los matemáticos griegos no se preocuparon por los

ecuación de segundo grado aparece en los

En realidad, las formalidades algebraicas que se estudian en la

UnADM | DCEIT | MT |MALI1 8

El primero que utilizó el término “matriz” fue el matemático inglés James

UnADM | DCEIT | MT |MALI1 9

Figura 8. Representación de un sistema de ecuaciones en el plano.

1.2. Sistemas sin solución o con infinidad de soluciones

UnADM | DCEIT | MT |MALI1 10

Consideremos ahora el sistema

Sin embargo, si el coeficiente independiente de la tercera ecuación es 1

Este sistema tiene una infinidad de soluciones.

UnADM | DCEIT | MT |MALI1 11

En este curso vamos a desarrollar la teoría de espacios vectoriales, transformaciones lineales y

Ejemplos de sistemas de ecuaciones lineales

En la discusión ilustramos sistemas lineales:

UnADM | DCEIT | MT |MALI1 12

1.3. Ejemplos de espacios vectoriales

(𝑎! , 𝑎" , … , 𝑎# ) = (𝑏! , 𝑏" , … , 𝑏# ) cuando 𝑎! = 𝑏! , 𝑎" = 𝑏" , … , 𝑎# = 𝑏# .

(𝑎! , 𝑎" , … , 𝑎# ) + (𝑏! , 𝑏" , … , 𝑏# ) = (𝑎! + 𝑏! , 𝑎" + 𝑏" , … , 𝑎# + 𝑏# ).

𝑟 ∙ (𝑎! , 𝑎" , … , 𝑎# ) = (𝑟 ∙ 𝑎! , 𝑟 ∙ 𝑎" , … , 𝑟 ∙ 𝑎# ).

UnADM | DCEIT | MT |MALI1 13

El arreglo (0, 0, … ,0) es el arreglo neutro de la suma:

(𝑎! , 𝑎" , … , 𝑎# ) + (0, 0, … ,0)=(𝑎! , 𝑎" , … , 𝑎# ).

(𝑎! , 𝑎" , … , 𝑎# ) + (−𝑎! , −𝑎" , … , −𝑎# ) = (0, 0, … ,0).

La multiplicación escalar es distributiva: