Debes eliminar vectores de tu modelo en el momento en que detectes que pueden expresarse como una combinación lineal de los demás. En el mundo real, esto ocurre frecuentemente durante la fase de limpieza de datos o Feature Engineering. Por ejemplo, si estás prediciendo el precio de una casa y tienes un vector para el área en metros cuadrados, otro para el área en pies cuadrados y un tercero para el área total, dos de ellos son completamente redundantes. Mantenerlos causaría un problema conocido como multicolinealidad, el cual confunde a los modelos predictivos porque no pueden determinar qué variable está impactando realmente el resultado. Al aplicar técnicas de álgebra lineal para encontrar y eliminar estas dependencias, logras reducir la dimensionalidad de tu problema. Esto no solo acelera el tiempo de entrenamiento de tus algoritmos, sino que también hace que tus predicciones sean mucho más robustas y fáciles de interpretar.
Recursos
Resumen
La independencia lineal es la herramienta matemática que te permite saber cuándo un vector es realmente necesario dentro de un conjunto o cuándo está repitiendo una dirección que ya tenías. Si te interesa el álgebra lineal aplicada a programación, gráficos o machine learning, este concepto es la base para entender espacios vectoriales, ortogonalidad y proyecciones.
¿Qué significa que un conjunto de vectores sea linealmente independiente?
Un conjunto de vectores es linealmente independiente cuando ninguno de ellos puede escribirse como combinación lineal de los demás. Piénsalo como un set de construcción ideal: cada pieza es esencial y aporta una dirección que las otras no pueden generar.
Si quitas cualquier vector del conjunto, el span (el espacio que generan) se hace más pequeño. Esa es la prueba intuitiva de que ese vector no era redundante.
¿Qué es la independencia lineal en pocas palabras? Es la propiedad de un conjunto de vectores en la que ninguno se puede construir combinando a los otros. Cada vector aporta una dirección nueva al espacio.
¿Por qué los vectores base i y j son linealmente independientes?
El ejemplo perfecto en R² son los vectores base i sombrerito y j sombrerito [01:00]. El vector i tiene coordenadas (1, 0) y el vector j tiene coordenadas (0, 1).
Y aquí viene lo interesante: por más que multipliques i por cualquier escalar, nunca lo vas a mover en el eje Y. Y por más que escales j, jamás se desplazará en el eje X. Cada uno controla una dimensión que el otro no puede tocar.
Por eso son los bloques de construcción más eficientes de un plano bidimensional: cero redundancia, dos dimensiones completamente diferentes bajo control.
¿Cuándo un conjunto de vectores es linealmente dependiente?
Un conjunto es linealmente dependiente si al menos uno de los vectores puede construirse como combinación lineal de los otros. Ese vector es redundante: no añade ninguna dirección nueva.
Veamos el ejemplo del transcript [02:00]. Tienes:
- u = (1, 2).
- v = (3, 1).
- w = 2u + v.
Al resolver la combinación: 2u = (2, 4) y al sumarle v = (3, 1) obtienes w = (5, 5).
Si graficas estos tres vectores, se forma un paralelogramo, igual que en la suma de vectores con el método del paralelogramo. La conclusión es directa: w vive en el espacio generado por u y v, así que el conjunto es linealmente dependiente.
¿Cómo identificar dependencia lineal entre dos vectores?
Tomemos u = (2, 1) y v = (-1, 1) [04:00]. La pregunta clave es: ¿existe un escalar c tal que c · v = u?
Si pruebas con c = 2, obtienes (-2, 2), que no es igual a (2, 1). Ningún escalar funciona. Por lo tanto, {u, v} es linealmente independiente.
Ahora agrega un tercer vector: w = (1, 2). A simple vista parece que los tres podrían ser independientes, pero suma u + v:
- (2 + (-1), 1 + 1) = (1, 2).
Ese resultado es exactamente w. Entonces w se puede construir con u y v, y el conjunto {u, v, w} no es linealmente independiente.
¿Cómo sé si un vector es redundante? Intenta escribirlo como suma de múltiplos de los otros vectores del conjunto. Si encuentras una combinación que lo reproduzca, ese vector es redundante.
¿Cómo aplicar la independencia lineal en un ejercicio práctico?
Del transcript queda un reto para que practiques [06:00]. Considera este conjunto en R²:
- u = (1, 0).
- v = (0, 1).
- w = (2, 2).
Piensa: ¿puedes escribir w como combinación de u y v? Si la respuesta es sí, el conjunto es linealmente dependiente. Si no, es independiente.
La intuición que vimos antes con i y j te va a servir aquí. Comparte tu resultado en los comentarios y explica el razonamiento que seguiste.
¿Qué sigue después de entender la independencia lineal?
Ya sabes identificar si tus vectores son independientes, pero queda una pregunta abierta: ¿cómo medimos la relación entre ellos? ¿Cómo sabes si están casi alineados o si apuntan a direcciones completamente distintas?
Para eso necesitas una nueva operación: el producto punto. Es la herramienta que conecta la independencia lineal con conceptos como la ortogonalidad y las proyecciones, y es justo lo que viene en la siguiente clase.

Demostrado que el conjunto de vectores dado no son completamente independientes.