ALGEBRA LINEAL

Unidad 3: Tarea 3- Espacios Vectoriales

PRESENTADO POR:

LUIS FABIAN GONZALEZ DIAZ

GRUPO:

208046_90

TUTOR:

DIANA KATHERINE TRILLEROS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNAD
2018
ACTIVIDADES A DESARROLLAR

1. MAPA CONCEPTUAL INDEPENDENCIA Y DEPENDENCIA LINEAL

2. Dados:
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.

Solución:

𝒙(𝟏, 𝟑, 𝟓) + 𝒚(𝟐, 𝟒, 𝟓) + 𝒛(𝟏, 𝟎, 𝟐)

(𝟏, 𝟑, 𝟓) + (𝟐, 𝟒, 𝟓)

= (𝟏 + 𝟐 𝟑 + 𝟒 𝟓 + 𝟓)
 = (𝟑, 𝟕, 𝟏𝟎)

= (𝟑, 𝟕, 𝟏𝟎) + (𝟏, 𝟎, 𝟐)

= (𝟒, 𝟕, 𝟏𝟐)

Sumar los elementos en las posiciones que coincidan

= (𝟑 + 𝟏 𝟕 + 𝟎 𝟏𝟎 + 𝟐)

= (𝟒, 𝟕, 𝟏𝟐)

= (𝟒𝒙 + 𝟕𝒚 + 𝟏𝟐𝒛)

2.1 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)
Dados:
α= 3
β=4
X=x+3y+5z
Y=2x+4y+5z
Z=x+2z
Demostrar el séptimo y octavo axioma para los espacios vectoriales:
Séptimo Axioma
Propiedad distributiva del producto de un escalar con respecto a la suma de
vectores: si α es cualquier número real y X y Y son vectores V, entonces:
α(x+y) = αx + αy
α(X + Y + Z) = α X + α Y+ α Z

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 =3x+9y+15z+6x+12y+15z+3x+6z

12x +21y+36z = 2x+21y+36z

Octavo axioma
Propiedad distributiva del producto de un escalar por un vector con respecto a la
suma de escalares: si α y β son cualquiera par de escalares y X es cualquier
vector V, entonces (α + β)*X = α*X + β*X.
(α + β)*X = α*X + β*X
(3 + 4) (x+3y+5z) = 3(x+3y+5z) + 4 (x+3y+5z)
7x+21y+35z = 3x+9y+15z+4x+12y+20z
7x+21y+35z = 7x+21y+35z

3. Dado el conjunto donde Demostrar

que genera a

Un conjunto dado, S en este ejercicio, genera un espacio vectorial si todos

los elementos del espacio vectorial pueden ser expresados como una
combinación lineal del conjunto. Adicionalmente, es necesario que todos los
elementos del conjunto sean parte del espacio vectorial.

Para demostrar que el conjunto 𝑆 puede generar 𝑅 2 se intentará demostrar

que 𝑆 puede ser expresado como una combinación lineal de los vectores 𝑈1
y 𝑈2 . Nótese que dichos vectores, expresado en términos de coordenadas,
pertenecen a 𝑅 2 , de manera que ya se cumple una de las condiciones. Ahora
 bien, si 𝑈1 y 𝑈2 generan 𝑅 2 un vector arbitrario 𝑏, con coordenadas i y j, debe
poder expresarse como combinación lineal de 𝑈1 y 𝑈2 :
𝒃 = 𝑘1 𝑼𝟏 + 𝑘2 𝑼𝟐

Expresado en términos de componentes,

(𝒃𝟏 , 𝒃𝟐 ) = 𝑘1 (𝟓, 𝟏) + 𝑘2 (−𝟑, −𝟐)

O bien,
(𝒃𝟏 , 𝒃𝟐 ) = (𝟓𝑘1 , 𝑘1 ) + (−𝟑𝑘2 , −𝟐𝑘2 )
(𝒃𝟏 , 𝒃𝟐 ) = (𝟓𝑘1 − 𝟑𝑘2 , 𝑘1 − 𝟐𝑘2 )

Esto puede ser expresado en un sistema de ecuaciones:

𝟓𝑘1 − 𝟑𝑘2 = 𝒃𝟏
𝑘1 − 𝟐𝑘2 = 𝒃𝟐
El problema ahora se reduce a determinar si el sistema es consistente para
los valores de 𝒃𝟏 y 𝒃𝟐 . Para ello la matriz de coeficientes, del sistema de
ecuaciones propuesto, debe ser invertible y por tanto su determinante
diferente de cero. Sea la matriz de coeficientes A,
5 −3
𝐴=( )
1 −2
5 −3
𝐷𝑒𝑡𝐴 = | | = (5 ∗ −2) − (1 ∗ −3) = −10 + 3 = −7
1 −2

Puesto que el determinante de A existe, existe un conjunto de valores 𝒃𝟏 y

𝒃𝟐 que satisfacen el sistema de ecuaciones, y por tanto existen valores de 𝑘1
y 𝑘2 , que permiten expresar el conjunto 𝑆 como una combinación lineal de
𝑈1 , 𝑈2 . Por tanto, los vectores 𝑈1 , 𝑈2 generan al espacio vectorial 𝑅 2 .

3.1 Dados los vectores y

¿es correcto afirmar que el vector es una
combinación lineal de y ? Justificar la respuesta.
 ⃗⃗⃗ es una combinación lineal de 𝑈
S/: 𝑊 ⃗ y𝑉
⃗ , si existen dos contantes 𝑘1 y 𝑘2 ,
tales qué:
⃗⃗⃗ = 𝑘1 𝑈
𝑊 ⃗ + 𝑘2 𝑉
⃗
Al introducir los vectores:
−11𝒊 − 9𝒋 = 𝑘1 (−6𝒊 + 9𝒋) + 𝑘2 (−𝒊 + 9𝒋)
De donde se tiene que,
−11𝒊 − 9𝒋 = (−6𝑘1 − 𝑘2 )𝒊 + (9𝑘1 + 9𝑘2 )𝒋

Al separarlo en componentes:
(−6𝑘1 − 𝑘2 )𝒊 = −11𝒊
(9𝑘1 + 9𝑘2 )𝒋 = −9𝒋

Reescribiendo los términos, se obtiene el sistema:

−6𝑘1 − 𝑘2 = −11
9𝑘1 + 9𝑘2 = −9
Si al resolver el sistema se obtienen valores de 𝑘1 y 𝑘2 que lo satisfagan,
⃗⃗⃗ será una combinación lineal de 𝑈
entonces 𝑊 ⃗ y𝑉
⃗ . El sistema propuesto se
puede resolver por Gauss-Jordan:

Reescribimos el sistema de ecuaciones en la forma de una matriz y lo

resolvamos por el método de eliminación de Gauss-Jordan
-6 -1 -11
9 9 -9
Se divide la fila 1 por -6.
1 1/6 11/6
9 9 -9

Se multiplica la fila 1 por -9 y se suma a la fila 2

1 1/6 11/6
0 7.5 -25.5
 Se divide la fila 2 entre 7.5
1 1/6 11/6
0 1 -3.4

Se multiplica la fila 2 por -1/6 y se suma a la fila 1

1 0 2.4
0 1 -3.4

Resultado:
12
𝑘1 = 2.4 =
5
17
𝑘2 = −3.4 = −
5
Se concluye entonces qué, puesto que existen dos escalares 𝑘1 y 𝑘2 , tales
que,
⃗⃗⃗ = 𝑘1 𝑈
𝑊 ⃗ + 𝑘2 𝑉
⃗

⃗⃗⃗ es una combinación lineal de 𝑈

𝑊 ⃗ y𝑉
⃗.

4. De la siguiente matriz que agrupa a tres vectores de un espacio

Vectorial, calcule

a) Determinante
Solución:
 4 −1 3 −1 3 4
= 7 ∗ 𝑑𝑒𝑡 ( ) − (−9)𝑑𝑒𝑡 ( ) − 11 ∗ 𝑑𝑒𝑡 ( )
−13 −10 4 −10 4 −13

4 −1
𝑑𝑒𝑡 ( ) = −53
−13 −10
3 −1
𝑑𝑒𝑡 ( ) = −26
4 −10

3 4
𝑑𝑒𝑡 ( ) = −55
4 −13

7(−53) − (−9)(−26) − 11(55)

=0
Es una matriz independiente linealmente

b) Rango
Solución:

7 −9 −11
(3 4 −1 )
4 −13 −10

7 −9 −11
55 26
= (3 )
7 7
4 −13 −10

7 −9 −11
55 26
3
= 7 7
55 26
4 −
( 7 7)
 7 −9 −11
55 26
= (3 )
7 7
0 0 0

Reducir matriz en su forma escalonada por renglones

7 −9 −11
26
= (3 1 )
55
0 0 0
371
7 0 −
55
= 26
3 1
55
(0 0 0 )

53
1 0 −
55
= 26
0 1
55
(0 0 0 )

=𝟐
Es una matriz linealmente dependiente

c) Matriz escalonada usando Gauss Jordán

Solución:
7 −9 −11
(3 4 −1 )
4 −13 −10

7 −9 −11
55 26
= (0 )
7 7
4 −13 −10
 7 −9 −11
55 26
3
= 7 7
55 26
0 − −
( 7 7)

7 −9 −11
55 26
= (0 )
7 7
0 0 0

Es una matriz linealmente dependiente

5. Determine independencia lineal de los siguientes conjuntos de

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

Solución:

Reescribimos la ecuación vectorial en la forma de matriz y la resolvemos por el

método de Gauss

0 3 0
2 3 0
2 3 4

cambiemos de lugares 1-ésimo y 2-ésimo

2 3 0
0 3 0
2 3 4

Dividamos 1-ésimo por 2

 1 1.5 0
0 3 0
2 3 4

de 3 filas sustraigamos la 1 línea, multiplicada respectivamente por 2

1 1.5 0
0 3 0
0 0 4

Dividamos 2-ésimo por 3

1 1.5 0
0 1 0
0 0 4

de 1 filas sustraigamos la 2 línea, multiplicada respectivamente por 1.5

1 0 0
0 1 0
0 0 4

Dividamos 3-ésimo por 4

1 0 0
0 1 0
0 0 1

Resultado: El sistema de vectores dado (el sistema de vectores linealmente

independiente), así que todas
xi = 0

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

Reescribimos la ecuación vectorial en la forma de matriz y la resolvemos por el

método de Gauss

6 1/2 -10 2
-2 4 6 1
 8 0 2 4

0 0 0 0

Dividamos 1-ésimo por 6

1 1/12 -5/3 1/3

-2 4 6 1
8 0 2 4
0 0 0 0

De 2; 3 filas sustraigamos la 1 línea, multiplicada respectivamente por -2; 8

1 1/12 -5/3 1/3

0 25/6 8/3 5/3
0 -2/3 46/3 4/3
0 0 0 0

Dividamos 2-ésimo por 25/6

1 1/12 -5/3 1/3

0 1 16/25 2/5
0 -2/3 46/3 4/3
0 0 0 0

De 1; 3 filas sustraigamos la 2 línea, multiplicada respectivamente por 1/12; -2/3

1 0 -43/25 3/10
0 1 16/25 2/5
0 0 394/25 8/5
0 0 0 0

Dividamos 3-ésimo por 394/25

1 0 -43/25 3/10
0 1 16/25 2/5
 0 0 1 20/197

0 0 0 0

De 1; 2 filas sustraigamos la 3 línea, multiplicada respectivamente por -43/25;

16/25

1 0 0 187/394
0 1 0 66/197
0 0 1 20/197
0 0 0 0

Resultado: El sistema de vectores dado no es una base (el sistema de vectores

Linealmente dependiente), así que existen
xi ≠ 0

6. Si A y B son matrices, demuestre las siguientes propiedades y comprobar

mediante ejemplo:
a. Rango (AB)= rango (𝐵 𝑡 𝐴𝑡 ) 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(𝐵𝑡 𝐴𝑡 ) tenga presente el orden de las matrices.
Rango (AB) = Rango (𝐵𝑡 𝐴𝑡 )
Para resolver este ejercicio asumamos que la raíz AB es tal que:
AB = mx1
(𝐴𝑡 𝐵 𝑡 )= 1xm
De modo que podríamos afirmar 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
traspuesta.
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
da 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.