Apuntes de Álgebra Lineal

Jesús Ortuño Araujo

ESCOM-IPN
Departamento de Formación Básica

Plan de Recuperación Académica

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 1 / 39

Índice

1 Determinantes.
Propiedades de los determinantes.

2 Espacios vectoriales.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 2 / 39

Índice

1 Determinantes.
Propiedades de los determinantes.

2 Espacios vectoriales.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 2 / 39

 Determinantes.

Índice

1 Determinantes.
Propiedades de los determinantes.

2 Espacios vectoriales.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 3 / 39

 Determinantes.

Teorema 1.21. Determinante de matrices triangulares y diagonales.

Si A es una matriz n × n triangular (triangular superior, triangular
inferior o diagonal) entonces su determinante es el producto de los
elementos de su diagonal principal, es decir

det(A) = a11 a22 · · · ann

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 4 / 39

 Determinantes.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 5 / 39

 Determinantes.

Teorema 1.22. Regla de Cramer.

Si Ax = b es un sistema de n ecuaciones con n incógnitas y aparte,
det(A) 6= 0, entonces el sistema de ecuaciones lineales homogéneo
tiene solución única. Esta solución es

det(A1 ) det(A2 ) det(An )

x1 = , x2 = , · · · , xn =
det(A) det(A) det(A)
donde Aj es la matriz que se obtiene al sustituir lo elementos de la
j-ésima columna de A por los elementos de la matriz
 
b1
 b2 
b= . 
 
 .. 
bn

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 5 / 39

 Determinantes. Propiedades de los determinantes.

Índice

1 Determinantes.
Propiedades de los determinantes.

2 Espacios vectoriales.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 6 / 39

 Determinantes. Propiedades de los determinantes.

Teorema 1.23. Una propiedad importante.

Si A es una matriz cuadrada, entonces det(A) = det(AT ).

Observación:
Podemos apreciar de ahora en adelante, que todos los teoremas de
determinantes que se enuncien para renglones también son válidos
para las columnas, incluyendo el teorema 1.19.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 7 / 39

 Determinantes. Propiedades de los determinantes.

Teorema 1.24. Operaciones en los renglones de los determinantes.

Sea A una matriz cuadrada n × n.
1 Si B es una matriz que se obtiene a partir de A al multiplicar por
un escalar k un renglón (o una columna) de A entonces
det(B) = k det(A).
2 Si B es una matriz que se obtiene a partir de A al intercambiar
dos renglones (o columnas) de A entonces det(B) = − det(A).
3 Si B es una matriz que se obtiene a partir de A al sumar el
múltiplo de un renglón a otro renglón (o el múltiplo de una
columna a otra columna) de A entonces det(B) = det(A).

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 8 / 39

 Determinantes. Propiedades de los determinantes.

Teorema 1.24. Operaciones en los renglones de los determinantes.

Sea A una matriz cuadrada n × n.
1 Si B es una matriz que se obtiene a partir de A al multiplicar por
un escalar k un renglón (o una columna) de A entonces
det(B) = k det(A).
2 Si B es una matriz que se obtiene a partir de A al intercambiar
dos renglones (o columnas) de A entonces det(B) = − det(A).
3 Si B es una matriz que se obtiene a partir de A al sumar el
múltiplo de un renglón a otro renglón (o el múltiplo de una
columna a otra columna) de A entonces det(B) = det(A).

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 8 / 39

 Determinantes. Propiedades de los determinantes.

Teorema 1.24. Operaciones en los renglones de los determinantes.

Sea A una matriz cuadrada n × n.
1 Si B es una matriz que se obtiene a partir de A al multiplicar por
un escalar k un renglón (o una columna) de A entonces
det(B) = k det(A).
2 Si B es una matriz que se obtiene a partir de A al intercambiar
dos renglones (o columnas) de A entonces det(B) = − det(A).
3 Si B es una matriz que se obtiene a partir de A al sumar el
múltiplo de un renglón a otro renglón (o el múltiplo de una
columna a otra columna) de A entonces det(B) = det(A).

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 8 / 39

 Determinantes. Propiedades de los determinantes.

Teorema 1.25. Operaciones en los renglones de los determinantes

(parte elemental).
Sea E una matriz cuadrada n × n.
1 Si E es una matriz que se obtiene a partir de In al multiplicar por
un escalar k un renglón de In entonces det(E) = k.
2 Si E es una matriz que se obtiene a partir de In al intercambiar
dos renglones de In entonces det(E) = −1.
3 Si E es una matriz que se obtiene a partir de In al sumar el
múltiplo de un renglón a otro renglón de In entonces det(E) = 1.

Observación:
Aunque este resultado es válido si sustituímos la palabra renglón por
columna, hay que tener cuidado, porque las matrices elementales sólo
se construyen realizando operaciones elementales en los renglones
de la matriz identidad.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 9 / 39

 Determinantes. Propiedades de los determinantes.

Teorema 1.25. Operaciones en los renglones de los determinantes

(parte elemental).
Sea E una matriz cuadrada n × n.
1 Si E es una matriz que se obtiene a partir de In al multiplicar por
un escalar k un renglón de In entonces det(E) = k.
2 Si E es una matriz que se obtiene a partir de In al intercambiar
dos renglones de In entonces det(E) = −1.
3 Si E es una matriz que se obtiene a partir de In al sumar el
múltiplo de un renglón a otro renglón de In entonces det(E) = 1.

Observación:
Aunque este resultado es válido si sustituímos la palabra renglón por
columna, hay que tener cuidado, porque las matrices elementales sólo
se construyen realizando operaciones elementales en los renglones
de la matriz identidad.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 9 / 39

 Determinantes. Propiedades de los determinantes.

Teorema 1.25. Operaciones en los renglones de los determinantes

(parte elemental).
Sea E una matriz cuadrada n × n.
1 Si E es una matriz que se obtiene a partir de In al multiplicar por
un escalar k un renglón de In entonces det(E) = k.
2 Si E es una matriz que se obtiene a partir de In al intercambiar
dos renglones de In entonces det(E) = −1.
3 Si E es una matriz que se obtiene a partir de In al sumar el
múltiplo de un renglón a otro renglón de In entonces det(E) = 1.

Observación:
Aunque este resultado es válido si sustituímos la palabra renglón por
columna, hay que tener cuidado, porque las matrices elementales sólo
se construyen realizando operaciones elementales en los renglones
de la matriz identidad.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 9 / 39

 Determinantes. Propiedades de los determinantes.

Teorema 1.26. Renglones o columnas proporcionales.

Si A es una matriz que tiene dos renglones o dos columnas
proporcionales, entonces det(A) = 0.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 10 / 39

 Determinantes. Propiedades de los determinantes.

La n-linealidad de los determinantes.

Como veremos más adelante, una función f (x) se dice que es lineal si
para todo u, v que estén en su dominio y para cualquier escalar k
cumple con las siguintes condiciones:
1 f (u + v) = f (u) + f (v).
2 f (ku) = kf (u).
Si consideramos a la función determiante det : Mn×n → R. Nos
hacemos la pregunta:
¿Es det(A + B) = det(A) + det(B)? y ¿Es det(kA) = k det(A)?

Veremos ya casi enseguida que esto en realidad es FALSO.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 11 / 39

 Determinantes. Propiedades de los determinantes.

Destrucción de esas ideas.

Tomemos dos matrices las más simples y sencillas que nos podamos
imaginar, sin ser la matriz de ceros, claro. Así sean
   
−3 7 8 −4
A= y B=
5 −2 3 6

Con este sencillo ejemplo, vemos que

det(A + B) = −4 6= 31 = det(A) + det(B).

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 12 / 39

 Determinantes. Propiedades de los determinantes.

Destrucción de ideas (parte II).

Por otro lado, si tomamos un escalar k, digamos k = −5, luego,
 
15 −35
kA = y det(kA) = −725 6= k det(A) = 145
−25 10
De hecho, podemos observar que det(kA) = k2 det(A).
En vista del éxito no obtenido, pasemos a lo que sigue. En realidad los
determinates tienen la propiedad de ser n-lineales lo que significa
que son lineales renglón a renglón.
Si mantenmos fijos a todos los demás renglones y hacemos cambios
en un solo renglón es como vemos esto de la n-linealidad.
Para mostrar esto, tenemos el siguiente teorema.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 13 / 39

 Determinantes. Propiedades de los determinantes.

Teorema 1.27. Primera manifestación de la n-linealidad.

Sean A, B y C tres matrices cuadradas del mismo tamaño que difieren
en un solo renglón, digamos el r-ésimo y sean tales que el r-ésimo
renglón de C sea igual a la suma de los r-ésimos renglones de A y B.
Entonces
det(C) = det(A) + det(B)

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 14 / 39

 Determinantes. Propiedades de los determinantes.

Teorema 1.28. Un pequeño paso a la vez.

Si B es una matriz n × n y E es una matriz elemental n × n, entonces

det(EB) = det(E) det(B)

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 15 / 39

 Determinantes. Propiedades de los determinantes.

Una fórmula importante.

Como vimos, det(kA) 6= k det(A).
Supongamos que A es una matriz cuadrada de tamaño n × n. Así, si
aplicamos el inciso 1) del teorema 1. 24 n veces se tiene

det(kA) = kn det(A) (1)

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 16 / 39

 Determinantes. Propiedades de los determinantes.

Teorema 1.29. La joya de la corona.

Si A una matriz cuadrada, entonces A es invertible si y sólo si
det(A) 6= 0.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 17 / 39

 Determinantes. Propiedades de los determinantes.

Teorema 1.29. Una propiedad sorprendente.

Si A y B son matrices cuadradas del mismo tamaño, entonces

det(AB) = det(A) det(B)

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 18 / 39

 Determinantes. Propiedades de los determinantes.

Teorema 1.30. Teorema importante (segunda remasterización).

Si A es una matriz cuadrada n × n, entonces las siguientes
proposiciones son equivalentes, es decir, todas son verdaderas o
todas son falsas.
1 A es invertible.
2 El sistema de ecuaciones lineales homogéneo Ax = 0 sólo tiene
la solución trivial.
3 La forma escalonada reducida de A es In .
4 A puede expresarse como un producto de matrices elementales.
5 Ax = b es consistente para toda matriz b n × 1.
6 Ax = b tiene exactamente una solución para cada matriz b n × 1.
7 det(A) 6= 0.

Observación:
Más adeante se irán añadiendo más incisos a este teorema, que lo
volverán más interesante aún.
Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 19 / 39
 Determinantes. Propiedades de los determinantes.

Teorema 1.30. Teorema importante (segunda remasterización).

Si A es una matriz cuadrada n × n, entonces las siguientes
proposiciones son equivalentes, es decir, todas son verdaderas o
todas son falsas.
1 A es invertible.
2 El sistema de ecuaciones lineales homogéneo Ax = 0 sólo tiene
la solución trivial.
3 La forma escalonada reducida de A es In .
4 A puede expresarse como un producto de matrices elementales.
5 Ax = b es consistente para toda matriz b n × 1.
6 Ax = b tiene exactamente una solución para cada matriz b n × 1.
7 det(A) 6= 0.

Observación:
Más adeante se irán añadiendo más incisos a este teorema, que lo
volverán más interesante aún.
Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 19 / 39
 Determinantes. Propiedades de los determinantes.

Teorema 1.30. Teorema importante (segunda remasterización).

Si A es una matriz cuadrada n × n, entonces las siguientes
proposiciones son equivalentes, es decir, todas son verdaderas o
todas son falsas.
1 A es invertible.
2 El sistema de ecuaciones lineales homogéneo Ax = 0 sólo tiene
la solución trivial.
3 La forma escalonada reducida de A es In .
4 A puede expresarse como un producto de matrices elementales.
5 Ax = b es consistente para toda matriz b n × 1.
6 Ax = b tiene exactamente una solución para cada matriz b n × 1.
7 det(A) 6= 0.

Observación:
Más adeante se irán añadiendo más incisos a este teorema, que lo
volverán más interesante aún.
Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 19 / 39
 Determinantes. Propiedades de los determinantes.

Teorema 1.30. Teorema importante (segunda remasterización).

Si A es una matriz cuadrada n × n, entonces las siguientes
proposiciones son equivalentes, es decir, todas son verdaderas o
todas son falsas.
1 A es invertible.
2 El sistema de ecuaciones lineales homogéneo Ax = 0 sólo tiene
la solución trivial.
3 La forma escalonada reducida de A es In .
4 A puede expresarse como un producto de matrices elementales.
5 Ax = b es consistente para toda matriz b n × 1.
6 Ax = b tiene exactamente una solución para cada matriz b n × 1.
7 det(A) 6= 0.

Observación:
Más adeante se irán añadiendo más incisos a este teorema, que lo
volverán más interesante aún.
Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 19 / 39
 Determinantes. Propiedades de los determinantes.

Teorema 1.30. Teorema importante (segunda remasterización).

Si A es una matriz cuadrada n × n, entonces las siguientes
proposiciones son equivalentes, es decir, todas son verdaderas o
todas son falsas.
1 A es invertible.
2 El sistema de ecuaciones lineales homogéneo Ax = 0 sólo tiene
la solución trivial.
3 La forma escalonada reducida de A es In .
4 A puede expresarse como un producto de matrices elementales.
5 Ax = b es consistente para toda matriz b n × 1.
6 Ax = b tiene exactamente una solución para cada matriz b n × 1.
7 det(A) 6= 0.

Observación:
Más adeante se irán añadiendo más incisos a este teorema, que lo
volverán más interesante aún.
Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 19 / 39
 Determinantes. Propiedades de los determinantes.

Teorema 1.30. Teorema importante (segunda remasterización).

Si A es una matriz cuadrada n × n, entonces las siguientes
proposiciones son equivalentes, es decir, todas son verdaderas o
todas son falsas.
1 A es invertible.
2 El sistema de ecuaciones lineales homogéneo Ax = 0 sólo tiene
la solución trivial.
3 La forma escalonada reducida de A es In .
4 A puede expresarse como un producto de matrices elementales.
5 Ax = b es consistente para toda matriz b n × 1.
6 Ax = b tiene exactamente una solución para cada matriz b n × 1.
7 det(A) 6= 0.

Observación:
Más adeante se irán añadiendo más incisos a este teorema, que lo
volverán más interesante aún.
Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 19 / 39
 Determinantes. Propiedades de los determinantes.

Teorema 1.30. Teorema importante (segunda remasterización).

Si A es una matriz cuadrada n × n, entonces las siguientes
proposiciones son equivalentes, es decir, todas son verdaderas o
todas son falsas.
1 A es invertible.
2 El sistema de ecuaciones lineales homogéneo Ax = 0 sólo tiene
la solución trivial.
3 La forma escalonada reducida de A es In .
4 A puede expresarse como un producto de matrices elementales.
5 Ax = b es consistente para toda matriz b n × 1.
6 Ax = b tiene exactamente una solución para cada matriz b n × 1.
7 det(A) 6= 0.

Observación:
Más adeante se irán añadiendo más incisos a este teorema, que lo
volverán más interesante aún.
Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 19 / 39
 Determinantes. Propiedades de los determinantes.

Teorema 1.31. Lo más hermoso.

Si A es una matriz cuadrada e invertible, entonces
1
det(A−1 ) =
det(A)

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 20 / 39

 Espacios vectoriales.

Índice

1 Determinantes.
Propiedades de los determinantes.

2 Espacios vectoriales.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 21 / 39

 Espacios vectoriales.

Definición. Axiomas de los espacios vectoriales.

Sean V un conjunto de objetos y F un campo. Se definen dos
interacciones entre estos conjuntos ⊕ : V × V → V y ⊙ : V × F :→ V
llamadas suma de vectores y multiplicación por escalar
respectivamente. Aunque el contexto es mucho más profundo, en este
tratado vamos a considerar casi por exclusividad a F = R.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 22 / 39

 Espacios vectoriales.

Axiomas de los espacios vectoriales.

Así, sean u, v y w elementos de V y sean α y β elementos de F.
entonces se cumple
1 Si u ∈ V y v ∈ V, entonces u ⊕ v ∈ V.
2 u ⊕ v = v ⊕ u.
3 u ⊕ (v ⊕ w) = (u ⊕ v) ⊕ w.
4 Existe 0 ∈ V tal que 0 ⊕ u = u para toda u ∈ V.
5 Para cada u ∈ V, existe −u ∈ V tal que u ⊕ (−u) = 0.
6 Si u ∈ V y α ∈ F entonces α ⊙ u ∈ V.
7 α ⊙ (u ⊕ v) = α ⊙ u ⊕ α ⊙ v.
8 (α + β) ⊙ u = α ⊙ u ⊕ β ⊙ u.
9 α ⊙ (β ⊙ u) = (α · β) ⊙ u.
10 1 ⊙ u = u.
Si el conjunto V satisface estos diez axiomas, decimos que es un
espacio vectorial y sus elementos son llamados vectores.
Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 23 / 39
 Espacios vectoriales.

Axiomas de los espacios vectoriales.

Así, sean u, v y w elementos de V y sean α y β elementos de F.
entonces se cumple
1 Si u ∈ V y v ∈ V, entonces u ⊕ v ∈ V.
2 u ⊕ v = v ⊕ u.
3 u ⊕ (v ⊕ w) = (u ⊕ v) ⊕ w.
4 Existe 0 ∈ V tal que 0 ⊕ u = u para toda u ∈ V.
5 Para cada u ∈ V, existe −u ∈ V tal que u ⊕ (−u) = 0.
6 Si u ∈ V y α ∈ F entonces α ⊙ u ∈ V.
7 α ⊙ (u ⊕ v) = α ⊙ u ⊕ α ⊙ v.
8 (α + β) ⊙ u = α ⊙ u ⊕ β ⊙ u.
9 α ⊙ (β ⊙ u) = (α · β) ⊙ u.
10 1 ⊙ u = u.
Si el conjunto V satisface estos diez axiomas, decimos que es un
espacio vectorial y sus elementos son llamados vectores.
Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 23 / 39
 Espacios vectoriales.

Axiomas de los espacios vectoriales.

Así, sean u, v y w elementos de V y sean α y β elementos de F.
entonces se cumple
1 Si u ∈ V y v ∈ V, entonces u ⊕ v ∈ V.
2 u ⊕ v = v ⊕ u.
3 u ⊕ (v ⊕ w) = (u ⊕ v) ⊕ w.
4 Existe 0 ∈ V tal que 0 ⊕ u = u para toda u ∈ V.
5 Para cada u ∈ V, existe −u ∈ V tal que u ⊕ (−u) = 0.
6 Si u ∈ V y α ∈ F entonces α ⊙ u ∈ V.
7 α ⊙ (u ⊕ v) = α ⊙ u ⊕ α ⊙ v.
8 (α + β) ⊙ u = α ⊙ u ⊕ β ⊙ u.
9 α ⊙ (β ⊙ u) = (α · β) ⊙ u.
10 1 ⊙ u = u.
Si el conjunto V satisface estos diez axiomas, decimos que es un
espacio vectorial y sus elementos son llamados vectores.
Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 23 / 39
 Espacios vectoriales.

Axiomas de los espacios vectoriales.

Así, sean u, v y w elementos de V y sean α y β elementos de F.
entonces se cumple
1 Si u ∈ V y v ∈ V, entonces u ⊕ v ∈ V.
2 u ⊕ v = v ⊕ u.
3 u ⊕ (v ⊕ w) = (u ⊕ v) ⊕ w.
4 Existe 0 ∈ V tal que 0 ⊕ u = u para toda u ∈ V.
5 Para cada u ∈ V, existe −u ∈ V tal que u ⊕ (−u) = 0.
6 Si u ∈ V y α ∈ F entonces α ⊙ u ∈ V.
7 α ⊙ (u ⊕ v) = α ⊙ u ⊕ α ⊙ v.
8 (α + β) ⊙ u = α ⊙ u ⊕ β ⊙ u.
9 α ⊙ (β ⊙ u) = (α · β) ⊙ u.
10 1 ⊙ u = u.
Si el conjunto V satisface estos diez axiomas, decimos que es un
espacio vectorial y sus elementos son llamados vectores.
Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 23 / 39
 Espacios vectoriales.

Axiomas de los espacios vectoriales.

Así, sean u, v y w elementos de V y sean α y β elementos de F.
entonces se cumple
1 Si u ∈ V y v ∈ V, entonces u ⊕ v ∈ V.
2 u ⊕ v = v ⊕ u.
3 u ⊕ (v ⊕ w) = (u ⊕ v) ⊕ w.
4 Existe 0 ∈ V tal que 0 ⊕ u = u para toda u ∈ V.
5 Para cada u ∈ V, existe −u ∈ V tal que u ⊕ (−u) = 0.
6 Si u ∈ V y α ∈ F entonces α ⊙ u ∈ V.
7 α ⊙ (u ⊕ v) = α ⊙ u ⊕ α ⊙ v.
8 (α + β) ⊙ u = α ⊙ u ⊕ β ⊙ u.
9 α ⊙ (β ⊙ u) = (α · β) ⊙ u.
10 1 ⊙ u = u.
Si el conjunto V satisface estos diez axiomas, decimos que es un
espacio vectorial y sus elementos son llamados vectores.
Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 23 / 39
 Espacios vectoriales.

Axiomas de los espacios vectoriales.

Así, sean u, v y w elementos de V y sean α y β elementos de F.
entonces se cumple
1 Si u ∈ V y v ∈ V, entonces u ⊕ v ∈ V.
2 u ⊕ v = v ⊕ u.
3 u ⊕ (v ⊕ w) = (u ⊕ v) ⊕ w.
4 Existe 0 ∈ V tal que 0 ⊕ u = u para toda u ∈ V.
5 Para cada u ∈ V, existe −u ∈ V tal que u ⊕ (−u) = 0.
6 Si u ∈ V y α ∈ F entonces α ⊙ u ∈ V.
7 α ⊙ (u ⊕ v) = α ⊙ u ⊕ α ⊙ v.
8 (α + β) ⊙ u = α ⊙ u ⊕ β ⊙ u.
9 α ⊙ (β ⊙ u) = (α · β) ⊙ u.
10 1 ⊙ u = u.
Si el conjunto V satisface estos diez axiomas, decimos que es un
espacio vectorial y sus elementos son llamados vectores.
Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 23 / 39
 Espacios vectoriales.

Axiomas de los espacios vectoriales.

Así, sean u, v y w elementos de V y sean α y β elementos de F.
entonces se cumple
1 Si u ∈ V y v ∈ V, entonces u ⊕ v ∈ V.
2 u ⊕ v = v ⊕ u.
3 u ⊕ (v ⊕ w) = (u ⊕ v) ⊕ w.
4 Existe 0 ∈ V tal que 0 ⊕ u = u para toda u ∈ V.
5 Para cada u ∈ V, existe −u ∈ V tal que u ⊕ (−u) = 0.
6 Si u ∈ V y α ∈ F entonces α ⊙ u ∈ V.
7 α ⊙ (u ⊕ v) = α ⊙ u ⊕ α ⊙ v.
8 (α + β) ⊙ u = α ⊙ u ⊕ β ⊙ u.
9 α ⊙ (β ⊙ u) = (α · β) ⊙ u.
10 1 ⊙ u = u.
Si el conjunto V satisface estos diez axiomas, decimos que es un
espacio vectorial y sus elementos son llamados vectores.
Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 23 / 39
 Espacios vectoriales.

Axiomas de los espacios vectoriales.

Así, sean u, v y w elementos de V y sean α y β elementos de F.
entonces se cumple
1 Si u ∈ V y v ∈ V, entonces u ⊕ v ∈ V.
2 u ⊕ v = v ⊕ u.
3 u ⊕ (v ⊕ w) = (u ⊕ v) ⊕ w.
4 Existe 0 ∈ V tal que 0 ⊕ u = u para toda u ∈ V.
5 Para cada u ∈ V, existe −u ∈ V tal que u ⊕ (−u) = 0.
6 Si u ∈ V y α ∈ F entonces α ⊙ u ∈ V.
7 α ⊙ (u ⊕ v) = α ⊙ u ⊕ α ⊙ v.
8 (α + β) ⊙ u = α ⊙ u ⊕ β ⊙ u.
9 α ⊙ (β ⊙ u) = (α · β) ⊙ u.
10 1 ⊙ u = u.
Si el conjunto V satisface estos diez axiomas, decimos que es un
espacio vectorial y sus elementos son llamados vectores.
Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 23 / 39
 Espacios vectoriales.

Axiomas de los espacios vectoriales.

Así, sean u, v y w elementos de V y sean α y β elementos de F.
entonces se cumple
1 Si u ∈ V y v ∈ V, entonces u ⊕ v ∈ V.
2 u ⊕ v = v ⊕ u.
3 u ⊕ (v ⊕ w) = (u ⊕ v) ⊕ w.
4 Existe 0 ∈ V tal que 0 ⊕ u = u para toda u ∈ V.
5 Para cada u ∈ V, existe −u ∈ V tal que u ⊕ (−u) = 0.
6 Si u ∈ V y α ∈ F entonces α ⊙ u ∈ V.
7 α ⊙ (u ⊕ v) = α ⊙ u ⊕ α ⊙ v.
8 (α + β) ⊙ u = α ⊙ u ⊕ β ⊙ u.
9 α ⊙ (β ⊙ u) = (α · β) ⊙ u.
10 1 ⊙ u = u.
Si el conjunto V satisface estos diez axiomas, decimos que es un
espacio vectorial y sus elementos son llamados vectores.
Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 23 / 39
 Espacios vectoriales.

Axiomas de los espacios vectoriales.

Así, sean u, v y w elementos de V y sean α y β elementos de F.
entonces se cumple
1 Si u ∈ V y v ∈ V, entonces u ⊕ v ∈ V.
2 u ⊕ v = v ⊕ u.
3 u ⊕ (v ⊕ w) = (u ⊕ v) ⊕ w.
4 Existe 0 ∈ V tal que 0 ⊕ u = u para toda u ∈ V.
5 Para cada u ∈ V, existe −u ∈ V tal que u ⊕ (−u) = 0.
6 Si u ∈ V y α ∈ F entonces α ⊙ u ∈ V.
7 α ⊙ (u ⊕ v) = α ⊙ u ⊕ α ⊙ v.
8 (α + β) ⊙ u = α ⊙ u ⊕ β ⊙ u.
9 α ⊙ (β ⊙ u) = (α · β) ⊙ u.
10 1 ⊙ u = u.
Si el conjunto V satisface estos diez axiomas, decimos que es un
espacio vectorial y sus elementos son llamados vectores.
Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 23 / 39
 Espacios vectoriales.

Ejemplo de espacios vectoriales importnates.

Aquí en todos los casos se va a considerar como campo a R.
1 R.
2 R2 = {(x, y)|x ∈ R & y ∈ R}.
3 R3 = {(x, y, z)|x ∈ R, y ∈ R & z ∈ R}.
4 Rn = {(x1 , x2 , · · · , xn )|xi ∈ R, i = 1, 2, · · · , n.}.
5 Mm×n (R).
6 F(−∞, ∞).
P2 = p(x)|p(x) = a0 + a1 x + a2 x2 , ai = const.,

7 i = 0, 1, 2.
8 Pn =
p(x)|p(x) = a0 + a1 x + a2 x2 + · · · + an xn , ai = const. i = 1, 2, · · · , n.


9 El espacio vectorial cero: V = {0}.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 24 / 39

 Espacios vectoriales.

Ejemplo de espacios vectoriales importnates.

Aquí en todos los casos se va a considerar como campo a R.
1 R.
2 R2 = {(x, y)|x ∈ R & y ∈ R}.
3 R3 = {(x, y, z)|x ∈ R, y ∈ R & z ∈ R}.
4 Rn = {(x1 , x2 , · · · , xn )|xi ∈ R, i = 1, 2, · · · , n.}.
5 Mm×n (R).
6 F(−∞, ∞).
P2 = p(x)|p(x) = a0 + a1 x + a2 x2 , ai = const.,

7 i = 0, 1, 2.
8 Pn =
p(x)|p(x) = a0 + a1 x + a2 x2 + · · · + an xn , ai = const. i = 1, 2, · · · , n.


9 El espacio vectorial cero: V = {0}.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 24 / 39

 Espacios vectoriales.

Ejemplo de espacios vectoriales importnates.

Aquí en todos los casos se va a considerar como campo a R.
1 R.
2 R2 = {(x, y)|x ∈ R & y ∈ R}.
3 R3 = {(x, y, z)|x ∈ R, y ∈ R & z ∈ R}.
4 Rn = {(x1 , x2 , · · · , xn )|xi ∈ R, i = 1, 2, · · · , n.}.
5 Mm×n (R).
6 F(−∞, ∞).
P2 = p(x)|p(x) = a0 + a1 x + a2 x2 , ai = const.,

7 i = 0, 1, 2.
8 Pn =
p(x)|p(x) = a0 + a1 x + a2 x2 + · · · + an xn , ai = const. i = 1, 2, · · · , n.


9 El espacio vectorial cero: V = {0}.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 24 / 39

 Espacios vectoriales.

Ejemplo de espacios vectoriales importnates.

Aquí en todos los casos se va a considerar como campo a R.
1 R.
2 R2 = {(x, y)|x ∈ R & y ∈ R}.
3 R3 = {(x, y, z)|x ∈ R, y ∈ R & z ∈ R}.
4 Rn = {(x1 , x2 , · · · , xn )|xi ∈ R, i = 1, 2, · · · , n.}.
5 Mm×n (R).
6 F(−∞, ∞).
P2 = p(x)|p(x) = a0 + a1 x + a2 x2 , ai = const.,

7 i = 0, 1, 2.
8 Pn =
p(x)|p(x) = a0 + a1 x + a2 x2 + · · · + an xn , ai = const. i = 1, 2, · · · , n.


9 El espacio vectorial cero: V = {0}.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 24 / 39

 Espacios vectoriales.

Ejemplo de espacios vectoriales importnates.

Aquí en todos los casos se va a considerar como campo a R.
1 R.
2 R2 = {(x, y)|x ∈ R & y ∈ R}.
3 R3 = {(x, y, z)|x ∈ R, y ∈ R & z ∈ R}.
4 Rn = {(x1 , x2 , · · · , xn )|xi ∈ R, i = 1, 2, · · · , n.}.
5 Mm×n (R).
6 F(−∞, ∞).
P2 = p(x)|p(x) = a0 + a1 x + a2 x2 , ai = const.,

7 i = 0, 1, 2.
8 Pn =
p(x)|p(x) = a0 + a1 x + a2 x2 + · · · + an xn , ai = const. i = 1, 2, · · · , n.


9 El espacio vectorial cero: V = {0}.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 24 / 39

 Espacios vectoriales.

Ejemplo de espacios vectoriales importnates.

Aquí en todos los casos se va a considerar como campo a R.
1 R.
2 R2 = {(x, y)|x ∈ R & y ∈ R}.
3 R3 = {(x, y, z)|x ∈ R, y ∈ R & z ∈ R}.
4 Rn = {(x1 , x2 , · · · , xn )|xi ∈ R, i = 1, 2, · · · , n.}.
5 Mm×n (R).
6 F(−∞, ∞).
P2 = p(x)|p(x) = a0 + a1 x + a2 x2 , ai = const.,

7 i = 0, 1, 2.
8 Pn =
p(x)|p(x) = a0 + a1 x + a2 x2 + · · · + an xn , ai = const. i = 1, 2, · · · , n.


9 El espacio vectorial cero: V = {0}.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 24 / 39

 Espacios vectoriales.

Ejemplo de espacios vectoriales importnates.

Aquí en todos los casos se va a considerar como campo a R.
1 R.
2 R2 = {(x, y)|x ∈ R & y ∈ R}.
3 R3 = {(x, y, z)|x ∈ R, y ∈ R & z ∈ R}.
4 Rn = {(x1 , x2 , · · · , xn )|xi ∈ R, i = 1, 2, · · · , n.}.
5 Mm×n (R).
6 F(−∞, ∞).
P2 = p(x)|p(x) = a0 + a1 x + a2 x2 , ai = const.,

7 i = 0, 1, 2.
8 Pn =
p(x)|p(x) = a0 + a1 x + a2 x2 + · · · + an xn , ai = const. i = 1, 2, · · · , n.


9 El espacio vectorial cero: V = {0}.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 24 / 39

 Espacios vectoriales.

Ejemplo de espacios vectoriales importnates.

Aquí en todos los casos se va a considerar como campo a R.
1 R.
2 R2 = {(x, y)|x ∈ R & y ∈ R}.
3 R3 = {(x, y, z)|x ∈ R, y ∈ R & z ∈ R}.
4 Rn = {(x1 , x2 , · · · , xn )|xi ∈ R, i = 1, 2, · · · , n.}.
5 Mm×n (R).
6 F(−∞, ∞).
P2 = p(x)|p(x) = a0 + a1 x + a2 x2 , ai = const.,

7 i = 0, 1, 2.
8 Pn =
p(x)|p(x) = a0 + a1 x + a2 x2 + · · · + an xn , ai = const. i = 1, 2, · · · , n.


9 El espacio vectorial cero: V = {0}.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 24 / 39

 Espacios vectoriales.

Ejemplo de espacios vectoriales importnates.

Aquí en todos los casos se va a considerar como campo a R.
1 R.
2 R2 = {(x, y)|x ∈ R & y ∈ R}.
3 R3 = {(x, y, z)|x ∈ R, y ∈ R & z ∈ R}.
4 Rn = {(x1 , x2 , · · · , xn )|xi ∈ R, i = 1, 2, · · · , n.}.
5 Mm×n (R).
6 F(−∞, ∞).
P2 = p(x)|p(x) = a0 + a1 x + a2 x2 , ai = const.,

7 i = 0, 1, 2.
8 Pn =
p(x)|p(x) = a0 + a1 x + a2 x2 + · · · + an xn , ai = const. i = 1, 2, · · · , n.


9 El espacio vectorial cero: V = {0}.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 24 / 39

 Espacios vectoriales.

teorema 1.32. Propiedades de los vectores.

Sea V un espacio vectorial, u un elemento de V y k un escalar,
entonces se cumple
1 0u = 0
2 k0 = 0
3 (−1)u = −u
4 Si ku = 0, entonces k = 0 o u = 0.

Primer advertencia.
Si percibe muy triviales los incisos de este teorema, preocúpese en
verdad.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 25 / 39

 Espacios vectoriales.

teorema 1.32. Propiedades de los vectores.

Sea V un espacio vectorial, u un elemento de V y k un escalar,
entonces se cumple
1 0u = 0
2 k0 = 0
3 (−1)u = −u
4 Si ku = 0, entonces k = 0 o u = 0.

Primer advertencia.
Si percibe muy triviales los incisos de este teorema, preocúpese en
verdad.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 25 / 39

 Espacios vectoriales.

teorema 1.32. Propiedades de los vectores.

Sea V un espacio vectorial, u un elemento de V y k un escalar,
entonces se cumple
1 0u = 0
2 k0 = 0
3 (−1)u = −u
4 Si ku = 0, entonces k = 0 o u = 0.

Primer advertencia.
Si percibe muy triviales los incisos de este teorema, preocúpese en
verdad.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 25 / 39

 Espacios vectoriales.

teorema 1.32. Propiedades de los vectores.

Sea V un espacio vectorial, u un elemento de V y k un escalar,
entonces se cumple
1 0u = 0
2 k0 = 0
3 (−1)u = −u
4 Si ku = 0, entonces k = 0 o u = 0.

Primer advertencia.
Si percibe muy triviales los incisos de este teorema, preocúpese en
verdad.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 25 / 39

 Espacios vectoriales.

Definición. Subespacio.
Sea V un espacio vectorial y sea W un subconjunto de V. Se dice que
W es un subespacio de V si W es un espacio vectorial en sí mismo,
es decir, si cumple también los diez axiomas.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 26 / 39

 Espacios vectoriales.

Teorema 1.33. Prueba de subespacios.

Sea V un espacio vectorial y sea W un subconjunto de V. Entonces W
es un subespacio de V si y sólo si cumple con las siguentes
condiciones.
1 Si u ∈ W y v ∈ W entonces u + v ∈ W.
2 Si u ∈ W y k ∈ F entonces ku ∈ W.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 27 / 39

 Espacios vectoriales.

Teorema 1.33. Prueba de subespacios.

Sea V un espacio vectorial y sea W un subconjunto de V. Entonces W
es un subespacio de V si y sólo si cumple con las siguentes
condiciones.
1 Si u ∈ W y v ∈ W entonces u + v ∈ W.
2 Si u ∈ W y k ∈ F entonces ku ∈ W.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 27 / 39

 Espacios vectoriales.

Ejercicio de subespacios.
Sea V = R2 con u = (x1 , y1 ) y v = (x2 , y2 ) elementos de R2 y k ∈ R
donde se han definido las siguientes operaciones de suma y
multiplicación por escalar generalizadas

(x1 , y1 ) ⊕ (x2 , y2 ) := (x1 + x2 , y1 + y2 )

y
k ⊙ (x1 , y1 ) := (0, ky1 )
¿Es R2 un espacio vectorial con estas operaciones así definidas?

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 28 / 39

 Espacios vectoriales.

Algunos subespacios importantes.

Subespacios de R2 Subespacios deR3
W1 = {0} W1 = {0}
Rectas que pasan por el origen Rectas que pasan por el origen
R2 Planos que pasan por el origen
··· R3

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 29 / 39

 Espacios vectoriales.

Algunos ejemplos de subespacios (continuación).

Las matrices cuadradas son subespacios de las matrices Mm×n (R). A
su vez, las matrices diagonales, las matrices triangulares y las
matrices simétricas son subespacios de las matrices cuadradas.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 30 / 39

 Espacios vectoriales.

Teorema 1.34. Un tipo de subespacio interesante.

Si Ax = 0 es un sistema de m ecuaciones con n incógnitas, entonces
el conjunto de los vectores solución es un subespacio de Rn .

Observación:
Este teorema cobra mucha relevancia más adelante cuando se
definen los subespacios importantes en una transformación lineal.
En todo caso, éste, que es llamado el espacio solución de la matriz
de coeficientes A m × n pasa a ser tal cual el kernel de una
transformación lineal.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 31 / 39

 Espacios vectoriales.

Definición. Combinación lineal.

Sean v, v1 , v2 , · · · , vr vectores. Si existen escalares k1 , k2 , · · · , kr tales
que

v = k1 v1 + k2 v2 + · · · + kr vr
entonces decimos que v es una combinación lineal de los vectores
v1 , v2 , · · · , vr .

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 32 / 39

 Espacios vectoriales.

Teorema 1.35. De las combinaciones lineales.

Si v1 , v2 , · · · , vr son vectores en un espacio vectorial V, entonces
1 El conjunto W de todas las combinaciones lineales de
v1 , v2 , · · · , vr es un subespacio de V.
2 W es el subespacio menor de V que contiene a v1 , v2 , · · · , vr en el
sentido de que cualquier otro subespacio de V que contiene a
v1 , v2 , · · · , vr debe contener a W.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 33 / 39

 Espacios vectoriales.

Teorema 1.35. De las combinaciones lineales.

Si v1 , v2 , · · · , vr son vectores en un espacio vectorial V, entonces
1 El conjunto W de todas las combinaciones lineales de
v1 , v2 , · · · , vr es un subespacio de V.
2 W es el subespacio menor de V que contiene a v1 , v2 , · · · , vr en el
sentido de que cualquier otro subespacio de V que contiene a
v1 , v2 , · · · , vr debe contener a W.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 33 / 39

 Espacios vectoriales.

Definición. Espacio generado.

Si S = {v1 , v2 , · · · , vr } es un conjunto de vectores en un espacio
vectorial V, entonces el subespacio W de V que consta de todas las
combinaciones lineales de los vectores en S es llamado el espacio
generado por v1 , v2 , · · · , vr y se dice que los vectores v1 , v2 , · · · , vr
generan a W. Para indicar que W es el espacio generado por los
vectores del conjunto S = {v1 , v2 , · · · , vr }, se escribe

W = espacio generado(S) o W = espacio generado {v1 , v2 , · · · , vr }

Notación más usual.

Como vamos a recurrir constantemente a esta definición, en lugar de
escribir espacio generado(S), escribimos simplente L(S).

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 34 / 39

 Espacios vectoriales.

Teorema 1.36. Igualdad entre espacios vectoriales.

Si S = {v1 , v2 , · · · , vr } y S′ = {w1 , w2 , · · · , wk }, son dos conjuntos de
vectores en un espacio vectorial V, entonces

L(S) = L(S′ )

si y sólo si todo vector de S se puede expresar como una combinación

lineal de los vectores de S′ y todo vector de S′ se puede expresar
como una combinación lineal de los vectores de S.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 35 / 39

 Espacios vectoriales.

Definición. Dependencia/independencia lineal.

Si S = {v1 , v2 , · · · , vr } es un conjunto no vacío de vectores, entonces
la ecuación vectorial (cominación lineal igualada al vector cero)

k1 v1 + k2 v2 + · · · + kr vr = 0
tiene al menos una solución (la solución trivial),

k1 = k2 = · · · = kr = 0

Si ésta es la única solución, entonces S se denomina conjunto

linealmente independiente (l.i.). Si existen otras soluciones,
entonces S se denomina conjunto linealmente dependiente (l.d.).

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 36 / 39

 Espacios vectoriales.

Teorema 1.37. De conjuntos l.i. o l.d.

Un conjunto S con dos o más vectores es
a) Linealmente dependiente si y sólo si por lo menos uno de los
vectores de S se puede expresar como combinación lineal de los
demás vectores de S.
b) Linealmente independiente si y sólo si, ningún vector de S se
puede expresar como una combinación lineal de los demás
vectores de S.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 37 / 39

 Espacios vectoriales.

Teorema 1.38. Otro criterio de dependencia o independencia lineal.

a) Un conjunto finito de vectores que contiene la vector cero es
linealmente dependiente.
b) Un conjunto formado por exactamente dos vectores es
linealmente independiente si y sólo si ninguno de los vectores es
múltiplo escalar del otro vector.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 38 / 39

 Espacios vectoriales.

Teorema 1.39. Un criterio muy importante.

Sea S = {v1 , v2 , · · · , vr } un conjunto de vectores en Rn . Si r > n
entonces S es linealmente dependiente.

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 39 / 39

 Espacios vectoriales.

Teorema 1.40. Criterio de dependencia o independencia lineal para el

espacio vectorial de las funciones.
Si las funciones f1 , f2 , · · · , fn tienen (n − 1) derivadas continuas en el
intervalo (−∞, ∞) y el wronskiano de estas funciones no es
idénticamente cero en todo el intervalo (−∞, ∞), entonces estas
funciones forman un conjunto linealmente independiente de vectores
en C(n−1) (−∞, ∞).

Jesús Ortuño Araujo (IPN) Beamer Innovación Docente, 2020 40 / 39