Departamento de Ingeniería Metal-Mecánica

Algebra lineal

Unidad 5

Integrantes de Equipo
Pérez Puc Héctor Hugo
Quintal Chay Rene Daniel
Reyes Toledo Bettsy Leonela
Romero Canto Ángel Iván

Profesor: Hernández Monsreal Víctor Manuel

Mérida, Yucatán a 17 de mayo del 2021

 Espacios vectoriales

1.- Espacio vectorial sobre un campo “K”

Un espacio vectorial, V, sobre un campo K cuyos elementos se denominan
escalares, es un conjunto V, cuyos elementos se denominan vectores, con dos
operaciones, una que se llama adición vectorial, +, y otra que se llama multiplicación
por escalar, denotada simplemente por yuxtaposición, tal que se satisfacen las
siguientes propiedades, conocidas como axiomas:
• El conjunto V junto con la operación de adición vectorial, +
+:V×V→V 𝑣̅1 + 𝑣̅2 = 𝑣̅3
constituye un grupo conmutativo o abeliano.
• Clausura respecto a la multiplicación por escalar. Para cada pareja de
elementos k ∈ K y 𝑣̅1 ∈ V existe un único elemento 𝑣̅2 ∈ V tal que:
K × V → V k𝑣̅1 = 𝑣̅2
• La multiplicación por escalar es distributiva respecto a la adición vectorial.
k(𝑣̅1 + 𝑣̅2 ) = k𝑣̅1+ k𝑣̅2 ∀k ∈ K, y ∀𝑣̅1 , 𝑣̅2 ∈ V.
• La multiplicación escalar es distributiva respecto a la adición de escalares.
(k1 + k2) 𝑣̅ = k1𝑣̅ + k2𝑣̅ ∀ k1, k2 ∈ K, y ∀𝑣̅ ∈ V.
• La multiplicación escalar es pseudoasociativa.
(k1 · k2) 𝑣̅ = k1(k2𝑣̅ ) ∀ k1, k2 ∈ K y 𝑣̅ ∈ V.
• Propiedad del idéntico multiplicativo del campo. Si 1 ∈ K es el idéntico
multiplicativo, se tiene que
1𝑣̅ = 𝑣̅ ∀𝑣̅ ∈ V.
Es importante señalar que los teoremas que se indicaron para grupos son aplicables
por igual para el grupo aditivo contenidos en un espacio vectorial. Además, los
campos más usuales son el campo de los números reales, R, y el campo de los
números complejos, C, si un espacio vectorial está definido sobre el campo de los
números reales, R, el espacio vectorial se denomina real, de manera semejante, si
un espacio vectorial está definido sobre el campo de los números complejos, C, el
espacio vectorial se denomina complejo.
2.- Operaciones en un campo vectorial
Esencialmente, el comportamiento que caracteriza a los vectores es el siguiente:
• Podemos sumar dos vectores y obtenemos otro vector;
• Podemos multiplicar un vector por un numero (escalar) y obtenemos otro
vector.
Propiedades de la suma de vectores
• Asociativa: (u+v)+w = u+(v+w)
 • Conmutativa: v+u=u+v.
• Existe un elemento neutro, el vector 𝑂̅, tal que 𝑂̅ + v = v para cualquier vector
v.
• Para cada vector v existe un elemento opuesto, –v, que sumado con él da 𝑂̅.
Propiedades del producto de un vector por un escalar
• Asociativa: β (α v) = ( β α ) v
• Distributivas:
➢ Respecto de la suma de escalares: (α + β ) v = α v + β v
➢ Respecto de la suma de vectores: α (u + v) = α u +α v
• Existe un elemento unidad: el escalar 1, tal que 1· v = v para cualquier vector
v.
3. Propiedades con los elementos de un espacio vectorial.
Se trabajará con un espacio vectorial abstracto para establecer las propiedades que
se infieran únicamente de los diez axiomas de espacio vectorial. Por lo que estas
deducciones serán válidas para cualquier espacio vectorial concreto. Las primeras
propiedades quedan establecidas en el siguiente teorema.
Propiedades elementales de un espacio vectorial
Sea E un espacio vectorial. Entonces:

4. Dar dos ejemplos de espacios vectoriales.

𝑥
𝑉 = {( ) ⌊𝑥 𝑦 𝑦 ∈ ℝ{ℝ2
𝑦
 3 4
( ) 𝑦 ( ) 𝑐𝑜𝑚𝑜 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑣𝑒𝑐𝑡𝑜𝑟
2 1
3 4 7 7
1. (2) + (1) = (3) ; (3) ∈ 𝑉 ; Sí cumple el axioma
3 3 3 0 3 3 3
3. (2) + 0 = (2) ; (2) + (0) = (2) ; (2) = (2) ∈ 𝑉 ; Sí cumple el axioma

3 3 3 −3 0 0 0
4. (2) + (− (2)) = 0 ; (2) + (−2) = (0) ; (0) = (0) ; Sí cumple el axioma

3 12 12
6. 4 (2) = ( 8 ) ; ( 8 ) ∈ 𝑉 ; Sí cumple el axioma.

∴ Sí es un espacio vectorial.
𝑉 = {0}
1.0 + 0 = 0 ; 0 ∈ 𝑉 ; Sí cumple con el axioma
3. 0 + 0 = 0 ; 0 ∈ 𝑉 ; Sí cumple con el axioma
4. 0 + (−0) = 0 ; 0 − 0 = 0 ; 0 ∈ 𝑉 ; Sí cumple con el axioma
6. 3(0) = 0 ; 0 ∈ 𝑉 ; Sí cumple con el axioma
∴ Sí es un espacio vectorial, conocido como espacio vectorial trivial.
5. vectores linealmente independientes
Definición
Un conjunto de vectores libres es linealmente independiente si ninguno de ellos se
puede escribir como una combinación lineal de los otros.
Es decir, dado un conjunto de vectores 𝑣⃗1 , 𝑣⃗1 … … 𝑣⃗𝑛 estos son linealmente
independientes si la única solución de la siguiente ecuación:
⃗⃗1 + 𝑎2 𝑉
𝑎1 𝑉 ⃗⃗2 … … . +𝑎𝑛 𝑉
⃗⃗𝑛 = 0

Son todos los coeficientes 𝑎𝑖 iguales a 0:

𝑎1 = 𝑎2 = ⋯ = 𝑎𝑛 = 0
Geométricamente, dos vectores son linealmente independientes si no tienen la
misma dirección, esto es, si no son paralelos.

Para abreviar, a veces se dice directamente que son vectores LI. O, también, que
los vectores tienen independencia lineal.

Nota
 • Si el determinante de la matriz compuesta por las componentes de los
vectores es diferente de cero, significa que el sistema de ecuaciones
solo tiene una solución y, en consecuencia, los vectores
son linealmente independientes
• En cambio, si el determinante de la matriz compuesta por las
componentes de los vectores es igual a cero, implica que el sistema
de ecuaciones tiene más de una solución y, en consecuencia, los
vectores son linealmente dependientes.
Ejemplo
Determina si los siguientes vectores son linealmente dependientes o
independientes:

Primero planteamos la condición de combinación lineal:

La igualdad anterior corresponde al siguiente sistema de ecuaciones lineales:

Una vez hemos planteado el sistema de ecuaciones, resolvemos el determinante
de la matriz con sus términos:

En este caso, el determinante es distinto de 0, por lo tanto, los tres vectores

son linealmente independientes entre sí.

6. vectores linealmente dependientes

Definición
Evidentemente, los vectores linealmente dependientes significan lo opuesto a los
linealmente independientes. Por lo tanto, su definición es:
Un conjunto de vectores libres del plano es linealmente dependiente si alguno de
ellos se puede expresar como combinación lineal de otros vectores que forman el
sistema.
Es decir, dado un conjunto de vectores 𝑣⃗1 , 𝑣⃗1 … … 𝑣⃗𝑛 estos son linealmente
dependientes si existe alguna solución de la siguiente ecuación:

⃗⃗1 + 𝑎2 𝑉
𝑎1 𝑉 ⃗⃗2 … … . +𝑎𝑛 𝑉
⃗⃗𝑛 = 0

En la que algún coeficiente 𝑎𝑖 es diferente de 0:

 𝑎𝑖 ≠ 0
También se cumple el recíproco: si un vector es combinación lineal de otros
vectores, entonces todos los vectores del conjunto son linealmente dependientes.

A parte, si dos vectores son paralelos implica que son linealmente dependientes.

En ocasiones también se abrevia y se dice simplemente que son vectores LD. O

incluso que los vectores tienen dependencia lineal.

Ejemplo
Clasifica los siguientes vectores en linealmente dependientes o independientes:

En primer lugar, planteamos la ecuación de la combinación lineal:

De la igualdad anterior obtenemos el siguiente sistema de ecuaciones homogéneo:

Una vez hemos planteado el sistema de ecuaciones, resolvemos el determinante
de la matriz con las coordenadas de los vectores:

En este caso, el determinante es equivalente a 0, por lo tanto, los tres vectores

son linealmente dependientes entre sí.
7.- Combinación lineal

Una combinación lineal de dos o más vectores es el vector que se obtiene al sumar
esos vectores multiplicados por escalares. Cualquier vector se puede poner como
combinación lineal de otros que tengan distinta dirección. Esta combinación lineal
es única. Es decir, una combinación lineal es una expresión de la forma:

𝑣̅ = 𝑎1 𝑣̅1 + 𝑎2 𝑣̅2 + ⋯ + 𝑎𝑛 𝑣̅𝑛

Para el caso particular de dos vectores 𝑢̅, 𝑣̅ , y dos números a y b, entonces

una combinación lineal de 𝑢̅ y 𝑣̅ está dada por el vector 𝑎𝑢̅ + 𝑏𝑣̅ .

La siguiente figura muestra la representación gráfica del vector 𝜔

̅ = 2𝑢 + 3𝑣.
Ejemplo 1.

Dados los vectores 𝑥̅ = (1,2) y 𝑦̅ = (3, −1) , hallar el vector combinación lineal 𝑧̅ =
2𝑥̅ + 3𝑦̅

Solución. Para encontrar el vector z̅, simplemente realizamos las operaciones

necesarias:

𝑧̅ = 2(1,2) + 3(3, −1) = (2,4) + (9, −3) = (11,1)

Por lo que, 𝑧̅ = (11,1)

Ejemplo 2.

Expresa al vector 𝑧̅ = (2,1) como una combinación lineal de los vectores 𝑥̅ = (3, −2)
y 𝑦̅ = (1,4).

Solución. Supongamos que 𝑧̅ se puede escribir como una combinación lineal de 𝑥̅ y

vecy, es decir, existen constantes a,b tales que 𝑧̅ = 𝑎𝑥̅ + 𝑏𝑦̅. Por lo tanto, solo
debemos encontrar estas constantes:

(2,1) = 𝑎(3, −2) + 𝑏(1,4) = (3𝑎, −2𝑎) + (𝑏, 4𝑏)

Por tanto, tenemos que

(2,1) = (3𝑎 + 𝑏, −2𝑎 + 4𝑏)

Es decir, las constantes a,b deben resolver el siguiente sistema de ecuaciones

lineal:

3𝑎 + 𝑏 = 2
{
−2𝑎 + 4𝑏 = 1
Cuya solución está dada por

1 1
𝑎= ,𝑏 =
2 2

De este modo, 𝑧̅ se puede escribir como

1 1
𝑧̅ = 2 𝑥̅ + 2 𝑦̅

8. Definir Sistema de generadores de un conjunto de vectores “s”. Dar un

ejemplo.
El objetivo de esta sección es mostrar cómo pueden describirse todos los elementos
de un K-espacio vectorial V a partir de ciertos subconjuntos de elementos de V.
De la definición de K-espacio vectorial vemos que una forma de obtener nuevos
elementos de V a partir de los elementos de un subconjunto G ⊆ V es considerando
sumas finitas de múltiplos por escalares de elementos de G. Surge entonces la
noción de combinación lineal:
Definición
Sea V un K-espacio vectorial, y sea G = {v1, . . . , vr} ⊆ V . Una combinación lineal
de G es un elemento v ∈ V tal que 𝑣 = ∑𝑟𝑖=1 𝑎𝑖 ∙ 𝑣𝑖 con 𝑎𝑖 ∈ K para cada 1 ≤ i ≤ r.
Ejemplo:
Sea G = {(1, 2),(3, 4)} ⊆ ℝ2 . Una combinación lineal de G es un vector v = α.(1, 2)
+ β.(3, 4) con α, β ∈ R.
La definición de combinación lineal se extiende al caso de subconjuntos no
necesariamente finitos del espacio vectorial considerado:
Definición
Sea V un K-espacio vectorial, sea I un conjunto de índices y sea G = {vi / i ∈ I} ⊂ V.
Una combinación lineal de G es un elemento v ∈ V tal que 𝑣 = ∑𝑖∈1 𝑎𝑖 ∙ 𝑣𝑖 donde αi
= 0 salvo para finitos i∈1.
Ejemplo:
Sea G = {𝑥 𝑖 / i ∈ ℕ0 } ⊆ R[X]. Una combinación lineal de G es ∑∞ 𝑖
𝑖=0 𝑎𝑖𝑥 donde αi ∈ ℝ
y αi = 0 salvo para finitos valores de i ∈ ℕ0 .
Dado un espacio vectorial V, considerando las combinaciones lineales de los
elementos de ciertos subconjuntos de V, podemos obtener cualquier elemento del
espacio vectorial en cuestión. En muchos casos esto nos permitirá describir
conjuntos infinitos (como por ejemplo ℝ2 ) utilizando finitos elementos del espacio.
Definición
Sea V un K-espacio vectorial y sea G ⊆ V. Se dice que G es un sistema de
generadores de V (y se nota <G>=V) si todo elemento de V es una combinación
lineal de G.
Ejemplo:
ℝ2 =< (1, 0),(0, 1)>, pues ∀x = (α, β) ∈ ℝ2 , x = α.(1, 0) + β.(0, 1).
𝑘 𝑛 = < (1, 0 . . . , 0),(0, 1, 0, . . . , 0), . . . ,(0, . . . , 0, 1, 0, . . . , 0), . . . ,(0, . . . , 0, 1)
>.

9. Bases en el Espacio Vectorial.

Ya hemos visto cómo obtener combinaciones lineales de varios vectores. Pues bien,
daremos ahora dos definiciones que guardan relación con estas operaciones:

Vectores linealmente dependientes: Un conjunto de vectores será linealmente

dependiente si alguno de ellos se puede expresar como combinación lineal del
resto. Otra definición equivalente será que el vector cero se podrán expresar como
combinación lineal de este conjunto de vectores en el que al menos algún
coeficiente será distinto de cero.

Vectores linealmente independientes: Un conjunto de vectores será linealmente

independiente si ninguno de ellos se puede expresar como combinación lineal del
resto de los vectores. Otra forma de definirlo será si el vector cero sólo se puede
expresar como combinación lineal de estos vectores cuando los coeficientes que
multiplican a cada vector son nulos.

Pues bien, en el estudio del plano, siempre que tengamos un conjunto de dos
vectores linealmente independientes, Podremos expresar cualquier vector del plano
como combinación lineal de estos dos vectores.

La idea es sencilla: en el plano nos encontramos con dos dimensiones, el largo y el

ancho. Cada vector dará una dirección del plano. Si tenemos dos direcciones, a
partir de éstas podremos obtener el resto de direcciones simplemente con buscar
combinaciones lineales de estos vectores.

Esta idea se recoge en la siguiente definición:

Base de un espacio vectorial:

Una base es un conjunto de vectores linealmente independientes y que son capaces

de generar cualquier vector de dicho espacio. En nuestro estudio del plano, una
base estará formada por dos vectores linealmente independientes.
Ejemplo:
Estudia si 𝐿 = {(−1, 1, 0), (2, 0, 1), (1, 2, −1)} Es base de ℝ3 .
𝛼(−1,1,0) + 𝑏(2,0,1) + 𝑐(1,2, −1) = (0,0,0) => 𝑎 = 𝑏 = 𝑐 = 0
(−𝑎, 𝑎, 0) + (2𝑏, 0, 𝑏) + (𝑐, 2𝑐, −𝑐) = (−𝑎 + 2𝑏 + 𝑐, 𝑎 + 2𝑐, 𝑏 − 𝑐)
−1 2 1 0 1 0 2 0 1 0 2 0
[ 1 0 2 0] ; 𝑓1 𝑓2 [−1 2 1 0] ; 𝑓2 => 𝑓2 + 𝑓1 = −1 2 1 0
0 2 3 0
0 1 −1 0 0 1 −1 0
1 0 2 0
1 0 2 0 1 3 3
[0 2 3 0] ; 𝑓2 => 𝑓2 = 0 1 0; [0 1 0] ;
2 2 2
0 1 −1 0
0 1 −1 0
3
0 −1 − 2 0 1 0 2 0
3
0 1 0 2
𝑓3 => 𝑓3 − 𝑓2 = 0 1 −1 0 ; 2 ; 𝑓3 => − 𝑓3 = 0 0 1 0
5 5 5
0 0 −2 0
[0 0 −
2
0]

3
0 1
2 0
1 0 2 0 3
3 3 0 0 −2 0 1 0 2 0
[0 1 0] ; 𝑓2 => 𝑓2 − = ; [0 1 0 0] ;
2 2𝑓3 0 1 0 0 0 0 1 0
0 0 1 0
1 0 2 0
1 0 0 0
𝑓1 => 𝑓1 − 2𝑓3 = 0 0 −2 0 ; [0 1 0 0]
1 0 0 0 0 0 1 0
𝑎 = 0, 𝑏 = 0, 𝑐 = 0: 𝐿 𝑒𝑠 𝑢𝑛 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑙𝑖𝑏𝑟𝑒
𝐿 𝑒𝑠 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑙𝑖𝑏𝑟𝑒, 𝑞𝑢𝑒 𝑎 𝑠𝑢 𝑣𝑒𝑧 𝑒𝑠𝑡á 𝑐𝑜𝑛𝑡𝑒𝑛𝑖𝑑𝑎 𝑒𝑛 ℝ3 => 𝐿 ≤ 𝐵, 𝐵 𝑒𝑠 𝑏𝑎𝑠𝑒 𝑑𝑒 ℝ3
𝐿 = 3 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠, ℝ3 = 3 𝑑𝑖𝑚𝑒𝑛𝑠𝑖𝑜𝑛𝑒𝑠 => 𝐿 = 𝐵 → 𝐿 𝑒𝑠 𝑏𝑎𝑠𝑒
10. Dimensión de un espacio vectorial
Teorema y definición: Dimensión.
Todas las bases de un mismo espacio o subespacio tienen el mismo número de
vectores. Se llama dimensión de dicho espacio o subespacio.
• Por tanto, la dimensión es el máximo número de vectores independientes que
podemos tener en el espacio o subespacio. En otras palabras, es el máximo rango
que puede tener un conjunto de vectores de dicho espacio.
Es también el rango de cualquier sistema generador de dicho espacio
Ejemplos de dimensión.
1. ℜ𝑛 tiene dimensión n, pues tiene una base de n elementos (p.ej. la canónica).
2. 𝑀2𝑥2 = {matrices 2x2 con términos reales} tiene dimensión 4. Una base de 𝑀2𝑥2 es:
1 0 0 1 0 0 0 0
[ ],[ ],[ ],[ ]
0 0 0 0 1 0 0 1
3. 𝑃2 = {polinomios de grado≤ 2 con coeficientes reales} tiene dimensión 3. Una base
de 𝑃2 es, por ejemplo, la formada por los tres polinomios siguientes:
1 + 0𝑥 + 0𝑥 2 , 0 + 𝑥 + 0𝑥 2 , 0 + 0𝑥 + 𝑥 2 (Es decir, los polinomios 1, x, 𝑥 2 ).
Otra base: 1 + 2𝑥 + 3𝑥 2 , 4 + 𝑥 2 , 3– 𝑥– 5𝑥 2
Propiedades de las dimensiones
1. Significado físico de la dimensión: el espacio tiene dimensión 3, los planos
dimensión 2, las rectas dimensión 1, el punto dimensión 0. El subespacio {0} es el
único de dimensión 0.
2. La dimensión de un subespacio en ℜ𝑛 , coincide con el número de parámetros
libres en su forma paramétrica. (1 parámetro=recta, 2 parámetros= plano...)
3. Si S y T son subespacios y S está contenido en T, entonces dim S ≤ dim T.
Además, si se da la igualdad, dim S = dim T, entonces ambos espacios han de
coincidir.
4. El rango de una familia de vectores, es igual a la dimensión del subespacio que
generan. Es decir: si 𝑣1 , 𝑣2 , . . . 𝑣𝑛 generan un cierto subespacio S, y si el rango de
dicho conjunto es r, entonces dim S = r.
(Si un cierto conjunto de vectores tienen rango 2, entonces generan un plano; etc.)
Ejemplo:
𝑅 2 : (𝑎, 𝑏) 𝑑𝑜𝑛𝑑𝑒 𝑎 ∈ 𝑅 ∧ 𝑏 ∈ 𝑅
𝐷𝑖𝑚(𝑅 2 ) = 2
𝑎 𝑏 𝑐
𝑅 2𝑥3 : [ ] 𝑑𝑜𝑛𝑑𝑒 𝑎, 𝑏, 𝑐, 𝑑, 𝑒, 𝑓 ∈ 𝑅
𝑑 𝑒 𝑓
𝑅 2𝑥3 = 2𝑥3 = 6
𝑃3 : 𝑎𝑥 3 + 𝑏𝑥 2 + 𝑐𝑥 + 𝑑
𝐷𝑖𝑚 (𝑃3 ) = 3 + 1 = 4
11. Coordenadas de un vector respecto a una base dada de un espacio
vectorial
Las coordenadas de un vector respecto de una base son los escalares por los que
hay que multiplicar los vectores de la base de forma que representen al vector dado
mediante una combinación lineal de dichos vectores de la base.

Ejemplo:
Consideremos la base 𝑅 2 𝐵 = {(1, −1), (−1,0)}. Calcula las coordenadas del vector
𝑣 = (3, −2) respecto a dicha base.
(3, −2) = 𝑎(1, −1) + 𝑏(−1,0)
(3, −2) = (𝑎, −𝑎) + (−𝑏, 0) => (3, −2) = (𝑎 − 𝑏, −𝑎)
𝑎 − 𝑏 = 3,
−𝑎 = −2 => 𝑎 = 2
(2) − 𝑏 = 3 => −𝑏 = 3 − 2
−𝑏 = 1 => 𝑏 = −1
(3, −2) = (2)(1, −1) + (−1)(−1,0) => (3, −2) = (2, −1)
(2, -1) son las coordenadas de v con respecto a B
Referencias
Arce, C. (2002). Algebra Lineal (3ra ed.). Costa Rica: Universidad de Costa Rica.
Lay, D. C. (2007). Álgebra lineal y sus aplicaciones (3a ed.). México: Pearson
Educación.

Del Valle, J. (2011). Álgebra lineal para estudiantes de ingeniería y ciencias.

McGraw-Hill. Recuperado de
http://ciencias.uis.edu.co/algebralineal2/doc/Algebra%20Lineal%20para%20estudi
antes%20de%20Ingenie%20-%20Juan%20Carlos%20Del%20Valle%20Sotelo.pdf
Jeronimo, G., Sabia, J. y Tesauri, S. (2008). Álgebra lineal. Departamento
Matemáticas, Universidad de Buenos Aires. Recuperado de
http://cms.dm.uba.ar/depto/public/Curso%20de%20grado/fascgrado2.pdf

Lasmatemáticas.es. (2010). Coordenadas de un vector respecto de una base. 12

de mayo del 2021, de lasmatemáticas.es Sitio web:
https://www.youtube.com/watch?v=82h1OmSTsF0
Neila Campos. (S.f.). ÁLGEBRA LINEAL. 5 de mayo del 2021, de UNICAN Sitio
web: https://personales.unican.es/camposn/espacios_vectoriales2.pdf
Grillo Solís C. (2011). Dimensiones de un espacio vectorial. 12 de mayo del 2021,
de Videos de matemáticas Sitio web:
https://www.youtube.com/watch?v=FHoMCgRUHDw
Antonio Romero Luque. (2005). Geometría analítica. 12 de mayo del 2021, de
Descartes 2D Sitio web:
http://recursostic.educacion.es/descartes/web/materiales_didacticos/geometria_an
alitica_arl/bases_espacio_vectorial.htm#:~:text=Pues%20bien%2C%20en%20el%
20estudio,el%20largo%20y%20el%20ancho.

15