ESPACIOS VECTORIALES

UNIDAD 3- FASE 3: DISCUSIÓN

REALIZADO POR

PRESENTADO A

DIEGO ALBERTO GÓMEZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNAD
ALGEBRA LINEAL

NOVIEMBRE28 DE 2018

INTRODUCCION
El espacio vectorial, lo podemos definir como una estructura algebraica, que se forma de un
conjunto no vacío, con operaciones internas, para nuestro caso la suma para los elementos del
conjunto y una exterior, conocida como producto por un escalar, que se define entre este conjunto
y otro, dándole la estructura de cuerpo, el escalar es un elemento, con (8) propiedades
fundamentales. Los elementos de un espacio vectorial se le conoce con el nombre de vectores y
los elementos del cuerpo, reciben la denominación de escalares. En el presente trabajo, se deben
desarrollar ejercicios aplicando propiedades, como también determinando la combinación lineal,
independencia y dependencia lineal. Otra condición es la identificación del rango, aplicando un
determinante o con la matriz Gauss-Jordán y por último el reconocimiento de espacios
vectoriales, espacios generadores y espacio vectorial.

OBJETIVOS
GENERAL

Interpretar los diferentes axiomas, operaciones y propiedades relacionadas con espacios

vectoriales para la realización de demostraciones matemáticas.

ESPECIFICOS

 Comprobar mediante los ejercicios propuestos la combinación lineal, independencia y

dependencia lineal.
 Identificar el rango de una matriz con un determinante o Gauss Jordán.
 Reconocer espacios vectoriales, espacios generadores y espacio vectorial.

Ejercicio 1. Conceptualización de Espacios vectoriales

Mapa conceptual independencia y dependencia lineal

Ejercicio 2. Demostraciones matemáticas a partir del uso de axiomas, propiedades y
operaciones relacionadas con espacios vectoriales

Dadas los siguientes axiomas demostrar:

a) X = < 1,3,5 >; Y = < 2,4,5>; Z= <1,0,2> vectores que pertenecen a un espacio vectorial
V, demuestre el axioma número 2 denominado Ley conmutativa de la suma de vectores.

Ley conmutativa de la suma de vectores:

𝑢
⃗ +𝑣 =𝑣+𝑢
⃗

Para el vector X:

𝑥 = 𝑥 + 3𝑦 + 5𝑧
Para el vector Y:
𝑦 = 2𝑥 + 4𝑦 + 5𝑧
Para el vector Z:
𝑧 = 𝑥 + 0𝑦 + 2𝑧
Según el axioma:
⃗⃗⃗⃗⃗
(𝑥 + 𝑦) + 𝑧 = 𝑥 + (𝑦 + 𝑧 )

Se reemplazan los valores de cada vector:

[(𝑥 + 3𝑦 + 5𝑧) + (2𝑥 + 4𝑦 + 5𝑧)] + (𝑥 + 0𝑦 + 2𝑧)

= (𝑥 + 3𝑦 + 5𝑧) + [(2𝑥 + 4𝑦 + 5𝑧) + (𝑥 + 0𝑦 + 2𝑧)]

Se suman primero x + y, y al otro lado de la igualdad y+z

(3𝑥 + 7𝑦 + 10𝑧) + (𝑥 + 0𝑦 + 2𝑧) = (𝑥 + 3𝑦 + 5𝑧) + (3𝑥 + 4𝑦 + 7𝑧)

Se hace la sumatoria de cada componente

4𝑥 + 7𝑦 + 12𝑧 = 4𝑥 + 7𝑦 + 12𝑧

b) Siendo α y β variables escalares, demuestre el séptimo y octavo axioma para espacios

vectoriales usando los vectores del espacio vectorial V del punto anterior. Use valores de
3 y 4 para α y β respectivamente.

α (X + Y + Z) = α X + α Y+ α Z (Primera ley distributiva)

(α + β) X = α X + β X (Segunda ley distributiva)

Séptima axioma: propiedad distributiva del producto de un escalar con relación a la suma
de vectores: si α es cualquier número rea y, X y Y, son vectores V, tenemos:
 α (X + Y + Z) = α X + α Y+ α Z (Primera ley distributiva)

α=3

Reemplazando los vectores:

𝛼(𝑋 + 𝑌 + 𝑍) = 𝛼 𝑋 + 𝛼 𝑌 + 𝛼 𝑍 𝛼=3
3(𝑥 + 3𝑦 + 5𝑧 + 2𝑥 + 4𝑦 + 5𝑧 + 𝑥 + 2𝑧)
3(𝑥 + 3𝑦 + 5𝑧) + 3(2𝑥 + 4𝑦 + 5𝑧) + 3(𝑥 + 2𝑧)
3𝑥 + 9𝑦 + 15𝑧 + 6𝑥 + 12𝑦 + 15𝑧 + 3𝑥 + 6𝑧
= 12𝑥 + 21𝑦 + 36𝑧

Octava axioma: propiedad distributiva del producto de un escalar por un vector, con
respecto a la suma de escalares: si α y ß son cualquier par de escalares y X es cualquier
vector V, tenemos

Segunda ley distributiva:

(𝛼 + 𝛽)𝑋 = 𝛼 𝑋 + 𝛽 𝑋

𝑟𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑎𝑛𝑑𝑜 𝛼 = 3 𝛽 = 4

(3 + 4) = (𝑥 + 3𝑦 + 5𝑧) = 3(𝑥 + 3𝑦 + 5𝑧) + 4(𝑥 + 3𝑦 + 5𝑧)

= 3𝑥 + 9𝑦 + 15𝑧 + 4𝑥 + 12𝑦 + 20𝑧

= 7𝑥 + 21𝑦 + 35𝑧

Ejercicio 3. Demostraciones matemáticas a partir del uso de conjuntos generadores y

combinación lineal.

a) Dado el conjunto 𝑆 = ( 𝑈1 , 𝑈2) donde 𝑈1 = (5,1) y 𝑈2 = (-3,-2). Demostrar que S genera a R2

Los vectores son lineales, pertenecen a R2 y el Conjunto formado por S, es dimensión 2, lo que
significa que es una base R2 y en particular como toda base genera el espacio, entonces S genera a
R2
𝑆 = (5 ,1), (−3, −2)
En el axioma 1: al realizar la suma de dos vectores que se encuentran en R2, se obtiene un vector
resultante en ubicado en R2:
𝑆 = (5 ,1) + (−3, −2)

𝑆 = (2, −1)
En coordenadas: 𝑆 = 2𝑖 − 𝑗
En el axioma 6, si por ejemplo tomamos c = 4, reemplazando en U1 y U2, tenemos:
𝑐𝑈1 = 4(5,1) = (20,4)
𝑐𝑈2 = 4(-3,-2) = (-12, -8)
Que también están en V, cumpliéndose los demás axiomas.
b) Dados los vectores 𝑢 = −6𝑖 + 9𝑗 y 𝑣 = −𝑖 + 9𝑗 ¿es correcto afirmar que el vector
𝑤 = −11𝑖 − 9𝑗 es una combinación lineal de u yv? Justificar la respuesta.

El vector w puede expresarse de la siguiente manera:

𝑤 = 𝑘1 𝑈 + 𝑘2 𝑉 Donde 𝑘1 𝑦 𝑘2 son escalares, reemplazando

(−11,9) = 𝑘1 (−6,9) + 𝑘2 (1,9)

Escalares con sus vectores:

(−11,9) = (−6𝑘1 , 9𝑘1 ) + (𝑘2 , 9𝑘2 )

Se procede a realizar la suma de los dos vectores

(−11,9) = (−6𝑘1 + 𝑘2 , 9𝑘1 + 9𝑘2 )

Con la igualdad de vectores

−6𝑘1 + 𝑘2 = −11
{
9𝑘1 + 9𝑘2 = 9

Se realiza el determinante

−6 1 |−11
[ ]
9 9 | 9

−6 1
∆𝑠 = [ ] = −54 − 9 = −63
9 9
 −11 1
∆𝑠𝑘1 = [ ] = −99 − 9 = −108
9 9
−108 108
𝑘1 = =
−63 63
−6 −11
∆𝑠𝑘2 = [ ] = −54 − (−99) = −54 + 99 = 45
9 9
45 45
𝑘2 = =−
−63 63
Obteniendo el determinante, con su resultado que es diferente de cero, demostrando

que𝑤 = −11𝑖 − 9𝑗 es combinación lineal de 𝑢 𝑦 𝑣.

Ejercicio 4. Demostraciones matemáticas a partir del uso de rango de una matriz,

dependencia e independencia lineal.

De la siguiente matriz que agrupa a tres vectores de un espacio vectorial, calcule:

a) Determinante
7 9 −11
|𝐴| = 3 4 −1
4 −13 −10
7 −9 −11
3 4 −1

|𝐴| = [(7)(4)(−10) + (3)(−13)(−11) + (4)(−9)(−1)]

− [(−11)(4)(4) + (−1)(−13)(7) + (−10)(−9)(3)]

|𝐴| = [−280 + 429 + 36] − [−176 + 91 + 270]

|𝐴| = −280 + 249 + 36 + 176 − 91 − 270
|𝐴| = 429 + 36 + 176 − 280 − 91 − 270
|𝐴| = 641 − 641
|𝐴| = 0
Como |𝐴| = 0 significa que uno o mas vectores que conforman las filas o columnas
dependen linealmente de los otros

b) Rango

El rango de la matriz es el número de filas no nulas de la escalonada reducida, rgo(A)=2

 Se toma la matriz final del ejercicio c:

9 11 4171
1 −7 − 1 0 − 3465
7
[0 1
26 ] f1 = f1+ 7/9 f2 = [0 1
26 ]
55 55
0 0 0 0 0 0

Los vectores son linealmente dependientes porque el |𝐴| = 0. Por lo tanto, el rango de la
matriz es menor que 3, demostrándose rango(𝐴) = 2.

c) Matriz escalonada usando Gauss Jordán

7 −9 −11 1 1 −9/7 −11/7

[3 4 −1 ] 𝑓𝑖𝑙𝑎 1 = ( ) 𝑓1 = [3 4 −1 ]
7
4 −13 −10 4 −13 −10

1 −9/7 −11/7 𝑓𝑖𝑙𝑎 2 = 3𝑓1 + 𝑓2 = 1 −9/7 −11/7

[3 4 −1 ] 𝑓𝑖𝑙𝑎 3 = −4𝑓1 + 𝑓3 = [0 55/7 26/7 ]
4 −13 −10 0 −55/7 −26/7

1 −9/7 −11/7 1 −9/7 −11/7

7
[0 55/7 26/7 ] 𝑓𝑖𝑙𝑎 2 = ( ) 𝑓2 = [0 1 26/7 ]
55
0 −55/7 −26/7 0 −55/7 −26/7

9 11
1 − − 9 11
7 7 1 − −
26 55 7 7
0 1 𝑓𝑖𝑙𝑎 3 = ( ) 𝑓2 + 𝑓3 = 26
7 7 0 1
55 26 55
0 − − ] [0 0 0 ]
[ 7 7

Rgo(A)=2

d) Justifique desde cada proceso si hay dependencia o independencia lineal.

 En el primer proceso no hay independencia lineal, porque determinante es igual a

cero.

 En el segundo proceso como el rango es 2 y la matriz es de 3x3 n,existe

independencia lineal.
  En el último proceso se observa que no hay independencia lineal, porque la última

fila sus valores son cero.

Ejercicio 5. Demostraciones matemáticas a partir del uso de dependencia e independencia

lineal

Determine independencia lineal de los siguientes conjuntos de vectores.

a. V1= (0,2,2). V2= (3,3,3). V3= (0,0,4).

0 3 0 2 3 0
[2 3 4] 𝑓1 ↔ 𝑓2 = [0 3 0]
2 3 4 2 3 4
3 3
𝑓1 1 0 1 0 𝑓2
=[ 2 ] 𝑓3 = 𝑓1 − (𝑓3)(𝑓2) [ 2 ]
2 0 3 0 0 1 0 3
2 3 4 0 0 4
3
1 0 3 1 0 0
=[ 2 ] 𝑓2 = 𝑓1 − 𝑓2 − = [0 1 0]
0 1 0 2
0 0 4
0 0 4

𝑓3 1 0 0
𝑓3 = = [0 1 0] 𝑒𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒
4
0 0 1

b. V1= (6,-2, 8). V2= (1/2, 4, 0). V3= (-10, 6, 2). V4= (2,1,4).

1 1 2
6 −10 2 0 1 6 −10 1 0
( 2 1 |0|) 𝑓2 = − 𝑓2 ( 2 − |0|)
−2 4 6 2 1 −2 −3 2
4 0 0
8 0 2 8 0 2 4

1 −2 −3 1
1 − 0
𝑓2 ↔ 𝑓1 = (6 −10 2 |0|)
2 2
0
8 0 2 4

1 −2 −3 1
− 0
𝑓2 = 6𝑓1
(6
25
8 2 |0|) = 𝑓2 = 2 𝑓2
𝑓3 = 8𝑓1 2 5 25
0
0 16 26 8
 3
1 43
1 −2 −3− 1 0 − 10
16 2 0 𝑓1 = 𝑓1 + 2𝑓2 25 2 0
0 1 2 |0| = 16 |0|
25 𝑓3 = 16𝑓2 0 1 5 0
0 25 44
0 16 26 5
( 8 ) 0 0 682/25
( 5 )
3
43 43
1 0 − 10 0 𝑓1 = 𝑓1 + 𝑓3
25 25 2 25
𝑓3 = 𝑓3 16 |0| =
682 0 1 5 16
25 10 0 𝑓2 = 𝑓2 − ( ) 𝑓3
25
0 0 1
( 31 )

53
62
1 0 06 0
= 0 1 1 |0| 𝑒𝑠 𝑙𝑖𝑛𝑒𝑎𝑙 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒
0 0 1 31 0
10
( 31 )

Ejercicio 6. Demostraciones matemáticas a partir del uso de axiomas, propiedades y

operaciones relacionadas con espacios vectoriales

Demostrar lo siguiente:

Si A y B son matrices, demuestre las siguientes propiedades y comprobar mediante ejemplo:

a. Rango (AB)= rango (BtAt) tenga presente el orden de las matrices.

b. Si A no es una matriz cuadrada, los vectores fila o los vectores de columna de A serán
linealmente dependientes.

a. Rango (AB)= rango (BtAt ) tenga presente el orden de las matrices.

Rango (AB) = Rango (BtAt)

Se debe asumir que la raíz AB es tal que: AB = mx1, por lo tanto:

AtBt = 1xm

De lo anterior se afirma que la fila de rango es igual a la columna de rango, de modo que
El rango de una matriz siempre es igual al rango de su matriz transpuesta. Según la
definición: Rango de (M)=rango de (𝑀𝑡 ) → 𝑅(𝐴𝐵) = 𝑅((𝐴𝐵)^𝑡), afirmando
que(𝐴𝐵)𝑡 = 𝐴𝑡 ∗ 𝐵 𝑡 , demostrando 𝑅(𝐴𝐵) = 𝑅(𝐴𝐵)𝑡 = 𝑅(𝐴𝑡 𝐵 𝑡 ).
 b. Si A no es una matriz cuadrada, los vectores fila o los vectores de columna de A serán
linealmente dependientes.

Si A, es una matriz cuadrada, puede llegar a establecerse un sistema de ecuaciones de una

sola solución de tal modo que se valide la independencia lineal de la misma, pues se tiene
la misma cantidad de elementos que de relaciones (filas y columnas), en cambio si la
cantidad de soluciones es menor o mayor directamente serán dependientes las filas entre
sí:

 Donde el conjunto de n vectores en 𝑅 𝑚 es 10 si n> 𝑚.

 Si m es una matriz m x n y no es cuadrada entonces m> 𝑛 o m< 𝑛.

 Si m> 𝑛, entonces los vectores fila son m vectores en 𝑅 𝑛 y m> 𝑛 usando el

teorema de vectores las vectores filas son linealmente dependientes (LD).

 Si m< 𝑛 entonces los vectores columna son n vectores en 𝑅 𝑚 𝑐𝑜𝑛 𝑚 < 𝑛,usando
el teorema, los vectores columna son linealmente dependientes (LD).

Por lo tanto, si m es una matriz no cuadrada, entonces las vectores filas y los
vectores columna son linealmente dependientes (LD).
Demostración:

Un conjunto de n vectores es R^m siempre es LD si 𝑛 > 𝑚. Sean U1, U2, U3, …, Un, vectores
en R^m si 𝑛 > 𝑚entonces los U1, U2, U3, …, Un, con vectores LD.
Siendo los vectores:
𝑎11 𝑎12 𝑎13 𝑎1𝑛
𝑈1 = (𝑎21) ; 𝑈2 = (𝑎22) ; 𝑈3 = (𝑎23) ; 𝑈𝑛 = (𝑎2𝑛)
⋮ ⋮ ⋮ ⋮
𝑎𝑛1 𝑎𝑛2 𝑎𝑛3 𝑎𝑛𝑛
Si 𝑛 > 𝑚 supongamos que ∃ C1, C2, C3… Cn, tales que 𝐶1𝑈1 + 𝐶2𝑈2 + 𝐶3𝑈3+. . . + 𝐶𝑛𝑈𝑛 =
0
𝑎11 𝑎12 𝑎13 𝑎1𝑛 0
𝑐1 ( 𝑎21 ) + 𝑐2 ( 𝑎22 ) ; +𝑐3 ( 𝑎23 ) + 𝑐𝑛 ( 𝑎2𝑛 ) = (0)
⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑛1 𝑎𝑛2 𝑎𝑛3 𝑎𝑛𝑛 0
𝑐1𝑎11 + 𝑐2𝑎22 + ⋯ + 𝑐𝑛𝑎𝑛 = 0
𝑐1𝑎21 + 𝑐2𝑎22 + 𝑐𝑛𝑎2𝑛 = 0
𝑐1𝑎𝑚1 + 𝑐2𝑎𝑚2 + 𝑐𝑛𝑎𝑚𝑛 = 0
Concluyendo que tenemos mayor número de incógnitas de ecuaciones (m) entonces el SELH
tiene solución no trivial y existen escalares c1,c2 ,C3,no todos ceros U1;U2;U3…,Un. son LD
 CONCLUSIONES

En el desarrollo de los ejercicios planteados en esta fase, pudimos se comprobó el concepto y

definición de un espacio vectorial, implicado sobre un cuerpo, se estructura de un conjunto no
vacío, teniendo en cuenta las operaciones a realizar, donde se interpretará como cerrado. En este
caso son dos operaciones como la suma y el producto, con sus propiedades, interpretadas en
algunos de los ejercicios resueltos. Podemos deducir que todo cuerpo es un espacio vectorial
sobre el mismo, utilizando como producto por escalar el producto del cuerpo. Con relación a una
matriz, su dependencia e independencia lineal, se opta por una decisión con el desarrollo de un
determinante o con el método de Gauss- Jordán.

:
 REFERENCIAS

Amaya, H. (2016). Sistemas de ecuaciones lineales: Gauss-Jordán. [Video]. Universidad

Nacional Abierta y a Distancia. Recuperado dehttp://hdl.handle.net/10596/7192.

Barrera, M. F. (2014). Álgebra lineal. México: Larousse - Grupo Editorial Patria. Disponible en
la Biblioteca virtual de la UNAD. Páginas 61 a la 30. Disponible en el entorno de conocimiento.

Gómez, D. (2016). Ecuación Vectorial y Paramétrica en R3. [Video]. Universidad Nacional

Abierta y a Distancia. Recuperado de http://hdl.handle.net/10596/7106

Gutiérrez, G. I., & Robinson, E. B. J. (2012). Álgebra lineal. Colombia: Universidad del Norte.
Páginas 20- 27. Disponible en Entorno de conocimiento

Gutiérrez, M. (2016). Soluciones no triviales en un sistema de ecuaciones lineales. [Video].

Universidad Nacional Abierta y a Distancia. Recuperado dehttp://hdl.handle.net/10596/7202.

Guzmán, A. F. (2014). Álgebra Lineal: Serie Universitaria Patria. México: Larousse - Grupo
Editorial Patria. Páginas 72 a la 90- 113-123. Disponible en Entorno de conocimiento.

Mesa, F., Alirio, E., & Fernández, S. O. (2012). Introducción al álgebra lineal. Bogotá, CO: Ecoe
Ediciones. Disponible en la Biblioteca Virtual de la UNAD. Páginas 68 a 79. Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=77&docID=10584265&t
m=1468967325440

Vargas, J. (2015). Sistemas de ecuaciones lineales: Matriz inversa. [Video]. Universidad

Nacional Abierta y a Distancia. Recuperado dehttp://hdl.handle.net/10596/7191

Zúñiga, C (2010). Módulo Algebra Lineal. Bogotá, UNAD. Páginas 164 a 182. Recuperado de
http://hdl.handle.net/10596/7081.