TECNOLOGÍA DE LA INFORMACIÓN EN

LINEA
ALGEBRA LINEAL
3 créditos

Profesor Autor:
Ing. Yandri Guerrero Alcívar Mg.

Titulaciones Semestre

• TECNOLOGÍA DE LA INFORMACIÓN
Primero

Tutorías: El profesor asignado se publicará en el entorno virtual de aprendizaje

online.utm.edu.ec), y sus horarios de conferencias se indicarán en la sección CAFETERÍA
VIRTUAL.

PERÍODO NOVIEMBRE 2020/ MARZO 2021

Índice

Tabla de contenido

Resultado de aprendizaje de la asignatura .................................................................................. 2

Unidad 3 Espacios Vectoriales y Producto Interno ....................................................................... 2
Tema 5: Espacios Vectoriales ...................................................................................................... 2
5.1 Axiomas de un espacio vectorial ............................................................................................ 3
5.2 Subsespacios vectoriales ....................................................................................................... 4
5.2.1 Teorema de subespacio vectorial .................................................................................. 5
Subtema 9. Combinación lineal y espacio generado .................................................................... 6
Espacio generado por un conjunto de vectores............................................................................ 7
Subtema 10: Independencia lineal ............................................................................................... 8
Tema 6: Producto interno .......................................................................................................... 11
Subtema 11: Bases Ortonormales. ............................................................................................ 11
6.1 Conjunto ortonormal en Rn ................................................................................................... 11
Subtema 12: Aproximaciones por mínimos cuadrados............................................................... 12
6.2 Aproximación por una recta ................................................................................................. 12
6.3 Problema de mínimos cuadrados en el caso de una recta ................................................... 13
Recursos complementarios: ................................................................................................... 14
Bibliografía ............................................................................................................................. 14

1
Resultado de aprendizaje de la asignatura

Desarrollar el pensamiento lógico y las capacidades analíticas en el modelado de

soluciones de problemas en el área de computación, a través de la aplicación de los
fundamentos del álgebra lineal.

ALGEBRA
LINEAL

Unidad 3 Espacios Vectoriales y Producto Interno

Resultado de aprendizaje de la unidad: Aplicar el concepto de espacios vectoriales para

la definición de conjuntos y su dimensión, como espacios vectoriales. Ilustrar el producto
interno a través de ejemplos.

Tema 5: Espacios Vectoriales

Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto con

dos operaciones binarias llamadas suma y multiplicación por un escalar, y que
satisfacen los diez axiomas enumerados en el siguiente recuadro. (Flores Godoy,
Grossman Stanley, 2012)

Notación.

Si x y y están en V y si a es un número real, entonces la suma se escribe como x + y, y

el producto escalar de α y x como α x.

Antes de presentar la lista de las propiedades que satisfacen los vectores en un espacio
vectorial deben mencionarse dos asuntos de importancia. En primer lugar, mientras que
puede ser útil pensar en R2 o R3 al manejar un espacio vectorial, con frecuencia ocurre
que el espacio vectorial parece ser muy diferente a estos cómodos espacios.

En segunda instancia, la definición ofrece una definición de un espacio vectorial real.

2
La palabra “real” significa que los escalares que se usan son números reales. Sería
igualmente sencillo definir un espacio vectorial complejo utilizando números complejos en
lugar de reales.

En esta unidad se basará principalmente a espacios vectoriales reales, pero las

generalizaciones a otros conjuntos de escalares presentan muy poca dificultad.

5.1 Axiomas de un espacio vectorial

Los escalares tienen una estructura denominada campo, la cual consiste en un conjunto
de elementos y dos operaciones binarias (por ejemplo, los numero reales y las
operaciones de adición y multiplicación). Los números reales con la operación de suma
cumplen con los axiomas del grupo abeliano. Además, la multiplicación es asociativa y
distributiva por la derecha e izquierda.

3
Existe un elemento neutro llamado unidad, y todo número real diferente de cero tiene un
elemento inverso.
En el siguiente ejemplo se detalla el espacio en Rn, (Flores Godoy, Grossman Stanley,
2012).

Ejemplo:
El espacio Rn
𝑥1
𝑥2
𝑆𝑒𝑎 𝑉 = 𝑅 𝑛 = {( ⋮ ) : 𝑥𝑖 ∈ 𝑅 𝑝𝑎𝑟𝑎 𝑖 = 1,2, … , 𝑛}
𝑥𝑛
Cada vector en Rn es una matriz de nx1.
Según la definición de suma de matrices, x + y es una matriz de nx1 si x y y son
0 𝑥1
0 𝑥2
matrices de nx1. Haciendo 0=( ) y - x=( ⋮ ), se observa que los axiomas de la
⋮
0 𝑥𝑛
suma, se obtiene la definición de la suma de vectores (matrices).

Ejemplo:
Espacio vectorial trivial
Sea V={0}. Es decir, V consiste sólo en el número 0. Como 0+0=1*0=0+(0+0)=(0+0)+0=0,
se ve que V es un espacio vectorial. Con frecuencia se le otorga el nombre de espacio
vectorial trivial.

5.2 Subsespacios vectoriales

Se dice que H es un subespacio vectorial de V si H es un subconjunto no vacío de V, y H

es un espacio vectorial, junto con las operaciones de suma entre vectores y multiplicación
por un escalar definidas para V, (Flores Godoy, Grossman Stanley, 2012).

Se puede decir que el subespacio H hereda las operaciones del espacio vectorial “padre”
V.

4
Existen múltiples ejemplos de subespacios en este capítulo; sin embargo, en primer lugar,
se demostrará un resultado que hace relativamente sencillo determinar si un subconjunto
de V es en realidad un subespacio de V

5.2.1 Teorema de subespacio vectorial

Un subconjunto no vacío H de un espacio vectorial V es un subespacio de V si se

cumplen las dos reglas de cerradura:

Reglas de cerradura para ver si un subconjunto no vacío es un subconjunto

i) Si x ∈ 𝐻 𝑦 𝑦 ∈ 𝐻, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑥 + 𝑦 ∈ 𝐻
ii) Si x ∈ 𝐻, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝛼𝑥 ∈ 𝐻 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑒𝑠𝑐𝑎𝑙𝑎𝑟 𝛼

Este teorema demuestra que para probar si H es o no un subespacio de V, es suficiente

verificar que

La prueba anterior contiene un hecho que por su importancia merece ser mencionado de
forma explícita:

Este hecho con frecuencia facilitara la averiguación de si un subconjunto de V en particular

no es un subespacio de V. Es decir, si un subconjunto no contiene al 0, entonces no es
un subespacio.

Note que el vector cero en H, un subespacio de V, es el mismo que el vector cero en V.

Ejemplo:
El subespacio trivial
Para cualquier espacio vectorial V, el subconjunto {0} que consiste en el vector cero es
únicamente un subespacio ya que 𝟎 + 𝟎 = 𝟎 𝒚 𝜶𝟎 = 𝟎 para todo número real 𝛼. Esto se
denomina subespacio trivial.

5
Subtema 9. Combinación lineal y espacio generado

Las combinaciones y la dependencia lineales están estrechamente relacionados con los

sistemas de ecuaciones lineales.
Consideremos un sistema inhomogéneo de m ecuaciones con n incógnitas:

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2

………………………………………

𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚

Este sistema es equivalente a la siguiente ecuación vectorial:

𝑎11 𝑎21 𝑎1𝑛 𝑏1
𝑎21 𝑎21 𝑎2𝑛 𝑏
𝑥1 ( … ) + 𝑥2 ( … ) + ⋯ + 𝑥𝑛 ( … ) = ( 2 )
…
𝑎𝑚1 𝑎𝑚2 𝑎𝑚𝑛 𝑏𝑚

Esto es, la ecuación vectorial

𝑥1 𝑢1 + 𝑥2 𝑢2 + ⋯ + 𝑥𝑛 𝑢𝑛 = 𝑣

Donde 𝑢1 , 𝑢2 , … , 𝑢𝑛 , 𝑣 son los vectores columna anteriores, respectivamente.

Si el sistema en cuestión tiene solución, se dice que v es una combinación lineal de los
vectores ui.

Definición: un vector v es una combinación lineal de vectores 𝑢1 , 𝑢2 , … , 𝑢𝑛 si existen

escalares 𝑘1 , 𝑘2 , … , 𝑘𝑛 tales que

𝑣 = 𝑘1 𝑢1 + 𝑘2 𝑢2 + ⋯ + 𝑘𝑛 𝑢𝑛

Esto es, si la ecuación vectorial

𝑣 = 𝑥1 𝑢1 + 𝑥2 𝑢2 + ⋯ + 𝑥𝑛 𝑢𝑛

Tiene solución cuando xi son escalares que se deben determinar

Esta definición se aplica tanto a vectores columna como a vectores fila.
Ejemplo:
Sean

6
 2 1 1 1
𝑢 = ( 3 ), 𝑢1 = (1), 𝑢2 = (1) , 𝑦 𝑢3 = (0)
−4 1 0 0
Entonces u es una combinación lineal de 𝑢1 , 𝑢2 , 𝑦 𝑢3 ya que la ecuación vectorial (o
sistema)
2 1 1 1 2=𝑥+𝑦+𝑧
( 3 ) = 𝑥 (1) + 𝑦 (1) + 𝑧 (0) o { 3=𝑥+𝑦 }
−4 1 0 0 −4 = 𝑥

Tiene una solución x = -4, y = 7, z = -1. Es decir,

𝑢 = −4𝑢1 + 7𝑢2 − 𝑢3

Espacio generado por un conjunto de vectores

Sea 𝑣1 , 𝑣2 , … , 𝑣𝑘 , 𝑘 vectores de un espacio vectorial V. El espacio generado por

{𝑣1 , 𝑣2 , … , 𝑣𝑘 } es el conjunto de combinaciones lineales 𝑣1 , 𝑣2 , … , 𝑣𝑘 . Es decir:

donde 𝑎1 , 𝑎2 , … , 𝑎𝑘 son escalares arbitrarios.

En el siguiente ejemplo se explicará el espacio generado por dos vectores en R3, Flores
Godoy, Grossman Stanley, 2012).
Ejemplo:

7
Se observa que el sistema tiene una solución únicamente si:

La ecuación que se muestra es la de un plano en R3 que pasa por el origen.

El espacio generado por dos vectores diferentes de cero en R3 que no son paralelos es
un plano que pasa por el origen.

Subtema 10: Independencia lineal

Consideremos un sistema homogéneo de m ecuaciones con n incógnitas:

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 0

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 0

………………………………………

𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 0

Este sistema es equivalente a la siguiente ecuación lineal vectorial:

𝑎11 𝑎21 𝑎1𝑛 0

𝑎21 𝑎21 𝑎2𝑛 0
𝑥1 ( … ) + 𝑥2 ( … ) + ⋯ + 𝑥𝑛 ( … ) = ( )
…
𝑎𝑚1 𝑎𝑚2 𝑎𝑚𝑛 0

Esto es,

𝑥1 𝑢1 + 𝑥2 𝑢2 + ⋯ + 𝑥𝑛 𝑢𝑛 = 0 Donde 𝑢1 , 𝑢2 , … , 𝑢𝑛 son los vectores columnas anteriores,

respectivamente.

Si el sistema homogéneo tiene una solución no nula, se dice que los vectores 𝑢1 , 𝑢2 , … , 𝑢𝑛
son linealmente dependientes. Por lo contario, si el sistema tiene sólo la solución nula, se
dice que los vectores son linealmente independientes.

Definición: los vectores 𝑢1 , 𝑢2 , … , 𝑢𝑛 en Rn son linealmente dependientes si existen

escalares 𝑘1 , 𝑘2 , … , 𝑘𝑛 , no todos nulos tales que

𝑘1 𝑢1 + 𝑘2 𝑢2 + ⋯ + 𝑘𝑛 𝑢𝑛 = 0

8
Esto es, si la ecuación vectorial

𝑥1 𝑢1 + 𝑥2 𝑢2 + ⋯ + 𝑥𝑛 𝑢𝑛 = 0

Tiene una solución no nula, donde la xi son escalares por determinar. En caso contrario,
se dice que los vectores son linealmente independientes.

La definición anterior se aplica tanto a vectores fila como a vectores columna.

Demostrar si los siguientes sistemas homogéneo son linealmente Independientes

o dependientes
𝑢 = (1,3) 𝑣 = (1, −1) ѡ = (4,10)
ʋ = (𝑥𝑢 + 𝑦𝑣 + 𝑧ѡ)

(0,0,0) = ( x(1, 3) + y(1, -1) + z(4, 10) )

(𝑥, 3𝑥) + (𝑦, −𝑦) + (4𝑧, 10𝑧)

−3𝑙1 + 𝑙2 → 𝑙2

𝑥 + 𝑦 + 4𝑧 = 0 𝑥 + 𝑦 + 4𝑧 = 0
[ = [
3𝑥 − 𝑦 + 10𝑧 = 0 −4𝑦 − 2𝑧 = 0

Variables Libres: z
𝑎
𝑧=𝑎 −4𝑦 = 2𝑎 𝑥 = −4𝑎 − 2

𝑎 9𝑎
𝑦 = −2 𝑥= − 2

9𝑎 𝑎
Sol: (− , − 2 , 𝑎) Son linealmente Dependientes
2

Demostrar si los siguientes vectores homogéneos son linealmente Independientes

o dependientes

U = (1,0,1) 𝑉 = (1,1,1) 𝑊 = (0,1,1)

(0,0,0) = (𝑥, 0, 𝑥) + (𝑦, 𝑦, 𝑦) + (0, 𝑧, 𝑧)

−𝑙3 + 𝑙1 → 𝑙1

𝑥+𝑦 =0 𝑧=0
[ 𝑦+𝑧 =0 [ 𝑦+𝑧 =0 𝑧=0 𝑦=0 𝑥=0
𝑥+𝑦+𝑧 =0 𝑥+𝑦+𝑧 =0
Sol: nula, Los vectores son linealmente Independientes

9
En el espacio tridimensional usual tenemos:

Figura 5.3 Espacio tridimensional

Fuente: (Kolman, Bernard, David R. Hill, 2018)

• u y j son dependientes por tener la misma dirección.

• u y v son independientes y definen el plano P.
• u, v y w son dependientes por estar los tres contenidos en el mismo plano.
• u, v y k son independientes por serlo u y v entre sí y no ser k una combinación
lineal de ellos o, lo que es lo mismo, por no pertenecer al plano P. Los tres vectores
definen el espacio tridimensional.

10
 Tema 6: Producto interno

Subtema 11: Bases Ortonormales.

En Rn sabemos que n vectores linealmente independientes constituyen una base. La base

canónica 𝐸 = {𝑒1 , 𝑒2 , … , 𝑒𝑛 }es la de mayor uso. Estos vectores tienen dos propiedades:

i) 𝑒𝑖 ∙ 𝑒𝑗 = 0
ii) 𝑒𝑖 ∙ 𝑒𝑖 = 1 𝑠𝑖 𝑖 ≠ 𝑗

6.1 Conjunto ortonormal en Rn

Se dice que un conjunto de vectores 𝑆 = {𝑢1 , 𝑢2 , … , 𝑢𝑘 } en Rn es un conjunto ortonormal

si

Solo si satisface 𝑢𝑖 ∙ 𝑢𝑖 = 1 se dice que el conjunto es ortogonal.

Longitud o norma de un vector
Si 𝒗 ∈ 𝑅 𝑛 , entonces la longitud o norma de v, denotada por |v|, está dada por:

|𝒗| = √𝒗 ∙ 𝒗
La norma de un vector en R2

Sea 𝑣 = (𝑥, 𝑦) ∈ 𝑅 2 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 |𝑣| = √𝑥 2 + 𝑦 2 cumple con la definición usual de longitud

de un vector en el plano.
La norma de un vector en R3

Sea 𝑣 = (𝑥, 𝑦, 𝑧) ∈ 𝑅 3 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 |𝑣| = √𝑥 2 + 𝑦 2 + 𝑧 2

La norma de un vector en R5

Sea 𝑣 = (2, −1,3,4, −6) ∈ 𝑅 5 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 |𝑣| = √42 + (−1)2 + 32 + 42 + 62 = √66

Un conjunto de vectores es ortonormal si cualquier par de ellos es ortogonal y cada uno
tiene longitud 1.

11
Subtema 12: Aproximaciones por mínimos cuadrados.

6.2 Aproximación por una recta

Figura 6.2 Los puntos sobre la recta tienen coordenadas (x,b+mx)

Fuente: (Flores Godoy, Grossman Stanley, 2012).

12
6.3 Problema de mínimos cuadrados en el caso de una recta

Encuentre números m y b tales que la suma:

sea mínima. Para estos valores de m y b, la recta y=b + mx se llama aproximación por
la recta de mínimos cuadrados a los datos (𝒙𝟏 , 𝒚𝟏 ), (𝒙𝟐 , 𝒚𝟐 ), … , (𝒙𝒏 , 𝒚𝒏 )

Ejemplo:

13
Recursos complementarios:

Los siguientes recursos complementarios son sugerencias para que Ud. pueda ampliar la
información sobre el tema trabajado, como parte de su proceso de aprendizaje autónomo:

• Espacios vectoriales: https://www.youtube.com/watch?v=q6IQJA8qvok

• Subespacios vectoriales: https://www.youtube.com/watch?v=RISEPC9Ao4M

Bibliografía
Kolman, Bernard, David R. Hill, Algebra Lineal, Pearson, 8 ed., 2018
Flores Godoy, Grossman, Stanley I., Álgebra lineal, McGraw-Hill Educación, 7 ed., 2012.
Mesa, Introducción al Álgebra lineal, Ecoe, 1 ed., 2012.
ESPOL, Fundamentos de matemáticas para bachillerato, ESPOL, 2 ed., 2006.

14