Anda di halaman 1dari 57

Facultad de Ingenier

a.UNLP

Matematica C- C1

Modulo 5: Espacios Vectoriales

A~no 2007

1
Temario:
Clase 1: De nicion de espacio vectorial. Ejemplos. Subespacios. Espacio nulo de una
matriz. Conjunto generador. Espacio generado.
Clase 2: Vectores linealmente independientes. Conjuntos dependientes. Conjunto mini-
mal de generadores de un espacio. Bases y dimension de un espacio vectorial.
Clase 3: Coordenadas de un vector respecto de una base.
Cambio de base. Matrices: espacio la y espacio columna. Dimension de estos
subespacios.
Clase 4: Rango de una matriz. Relacion entre el espacio la y el espacio nulo de una
matriz. Igualdad de las dimensiones del espacio la y columna. Aplicacion a la
resolucion de Sistemas de ecuaciones lineales del conocimiento del espacio la y
espacio columna, rango de la matriz A de los coe cientes, y rango de la matriz
ampliada. Conclusiones sobre sistemas cuadrados y sistemas generales m  n.

2
1 Introduccion a Espacios vectoriales
El metodo de Gauss sistematicamente hace combinaciones lineales de las las de una
matriz para llevarla a una forma escalonada que es mas amigable para resolver sistemas
lineales.
En el modulo previo, a veces se han combinado vectores de <2, en otras oportunidades
se han combinado vectores de <3 , y tambien vectores de mas alta dimension. As sera
interesante trabajar en <n, para n arbitrario. Eso tiene como ventaja que cualquier
resultado valido en <n, vale en particular en <2 , y en <3 .
Pero, eso no bastara para generalizar. Hemos visto espacios cuyos elementos no son
todo <2, ni todo <3 . Por ejemplo, el conjunto solucion de un sistema homogeneo, si tiene
in nitas soluciones, es justamente una coleccion de vectores, de la misma magnitud del
espacio de las incognitas, que satisfacen que la \combinacion lineal de ellos" tambien es
solucion.
Ahora hacemos un estudio mas general \ sobre combinaciones lineales".
Estudiaremos conjuntos con el aditamento que se de nen para sus elementos dos op-
eraciones: adicion (+), y multiplicacion por un escalar ` ', cumpliendo ciertas condiciones
especiales.
Primero vemos, a modo de ejemplo, los bien conocidos espacios ...

3
1.1 Espacios Vectoriales Eucldeos: <2, <3, <n
De nicion <2 : Es el conjunto de pares ordenados (x1 ; x2 ), de numeros reales, o de
vectores columnas x de dimension 2  1
x 
x = x12
con dos operaciones:
 Suma de vectores:

u + v = (u1; u2) + (v1 ; v2) = (u1 + v1 ; u2 + v2)


 Multiplicacion de un vector por un escalar (numero real ):

:x = : (x1 ; x2 ) = ( :x1 ; :x2 )


... cumpliendo las dos condiciones siguientes (a) y (b).

(a) Para cualquier par de vectores u y v en R 2 , (u + v) es tambien un vector en R 2 , y


(b) Para cualquier vector x en R 2 y cualquier escalar , :x es tambien un vector en
R2
... tales condiciones implican que <2 es:
(a) cerrado bajo la operacion suma de vectores; y
(b) cerrado bajo la multiplicacion por un escalar.

Geometricamente, R 2 puede ser representado como el conjunto de todos los puntos en


el plano bi ; dimensional.
...Un vector (x1 ; x2 ) puede ser representado como un segmento recto dirigido desde
(0; 0) hasta (x1; x2).

4
Eso ) que la suma de vectores y la multiplicacion por un escalar pueden ser inter-
pretadas geometricamente, y se puede de nir la longitud de un vector x como la longitud
del segmento de recta que representa a x en el plano:
q
l = x21 + x22
... En el espacio R 3 , se representa un vector x = (x1 ; x2 ; x3) como un punto en el
espacio tri;dimensional, o como un segmento recto dirigido desde el origen (0; 0; 0) hasta
(x1 ; x2; x2 ). Su longitud es :
q
l = x21 + x22 + x23
... Mas generalmente, R n : es el espacio de todas las n-uplas de numeros reales
(x1;x2; : : : ; xn) o el espacio de los vectores columnas de dimension n  1
0 1
x
BBx12 CC
x=B @ ... CA
xn
... En este caso se di culta la visualizacion geometrica, aunque si podemos de nir la
longitud de x como
q2 2
l = x1 + x2 +    + x2n
(... Mas adelante llamaremos a esta longitud la norma del vector: kxk )
Con las mismas de niciones de R 2 para suma de vectores y multiplicacion por un
escalar, los espacios R 3 y R n resultan cerrados bajo estas operaciones.

2 Espacio vectorial
Comentarios Los ejemplos previos involucran conjuntos de vectores columnas con las
operaciones usuales. Pero, los \espacios vectoriales" no necesariamente son una coleccion
de vectores columnas, o de vectores las. Abajo hay ejemplos de otros tipos de espacios
vectoriales.
El termino `espacio vectorial' no signi ca `coleccion de vectores columnas de numeros
reales'. Mas bien signi ca `coleccion de elementos' en la que cualquier combinacion lineal
de sus elementos tiene sentido y es un elemento de ese conjunto'.
Ejemplo R mn : Es el conjunto de todas las matrices de m  n cuyos coe cientes son
numeros reales.
... Recordemos que hay dos operaciones para sus elementos:
Suma de matrices y multiplicacion por un escalar, de nidas :
(A + B )ij = Aij + Bij
( :A)ij = :Aij
para cada elemento ij , i = 1; : : : ; m, j = 1; : : : ; n.
... Este conjunto R mn , es \cerrado" bajo estas dos operaciones:
Si A y B son dos vectores en R mn entonces A + B y :A tambien son vectores de
R mn .

5
2.1 Axiomas. De nicion de Espacio vectorial
Comentarios La propiedad basica de \clausura" bajo las operaciones de adicion y multi-
plicacion por un escalar, es el ingrediente clave en la de nicion formal de espacio vectorial
V . Si esta condicion de clausura se cumple, entonces el conjunto V de vectores se dice
que tiene la forma de un \espacio vectorial"...
... \siempre y cuando se satisfagan las siguientes condiciones" ( axiomas):
1.x + y = y + x, para todo x, y en V .
2.(x + y) + z =x+ (y + z), para todo x, y,z en V .
3.Existe un unico elemento 0 en V tal que x + 0 = x, para todo x en V .
4.Para cualquier x en V , existe otro elemento ;x en V tal que x + (;x) = 0.
5. : (x + y) = :x + :y, escalar.
6.( + ) :x = :x + :x, para todo escalar , , x 2 V .
7.( : ) :x = : ( :x), para todo escalar , , x 2 V .
8.1:x = x, para todo x 2 V .
Observacion La de nicion de espacio vectorial no dice nada sobre una multiplicacion
entre vectores.
En algunos espacios vectoriales se puede llegar a de nir un producto de vectores (como
en el caso de R nn )
... pero este \ no es un requerimiento" para los espacios vectoriales.
... Veamos el siguiente ejemplo:
Ejemplo  C [a; b] : denota \ el conjunto de funciones contnuas de nidas en el inter-
valo cerrado [a; b], con valores reales".
... Es un nuevo tipo de espacio \vectorial", con las dos operaciones:
Suma de vectores: Si f (t) y g(t) son vectores de este conjunto C [a; b], se de ne la
suma (f + g) mediante
(f + g) (t) = f (t) + g (t)
... y
Multiplicacion por un escalar: Se de ne ( :f ) mediante
( :f ) (t) = :f (t)
El conjunto C [a; b] es \cerrado bajo la suma de vectores y la multiplicacion por un
escalar",
... ya que si f (t) y g (t) son dos funciones contnuas a valores reales, de nidas en el
intervalo cerrado [a; b], entonces f (t) + g (t) y :f (t) son tambien funciones contnuas en
el mismo intervalo.
Los 8 axiomas necesarios se veri can muy facilmente:
Se toma como funcion cero: la f (t) = 0 para todo t 2 [a; b], y
... se de ne (;f ) como : (;f ) (t) = ;f (t), para todo t 2 [a; b].
6
Ejercicio Veri car que C [a; b] cumple los 8 axiomas.
Otro ejemplo ...
Ejemplo  Pn : el conjunto de todos los polinomios de grado menor que n (tienen n
coe cientes, pudiendo ser alguno o todos 0), es otro tipo de "espacio de funciones", ,
donde cada ...
Vector: p (t) = a0 + a1 :t + a2 :t2 +    + an;1 :tn;1
... con las operaciones de nidas:
Suma de vectores: se de ne (p + q) (t) = p (t) + q (t) :
Con esa de nicion,
... el vector \nulo": p (t) = 0 + 0:t +    + 0:tn;1 .
Multiplicacion por un escalar: se de ne ( :p) (t) = :p (t)
Ejercicio Dado el conjunto Pn, de nido en el ejemplo previo:
(i) Veri car que es \cerrado" para las dos operaciones; y
(ii) veri car que los 8 axiomas se satisfacen facilmente.
Observacion (para futuras referencias) En Pn, un vector p puede describirse (de
manera unica) mediante sus coe cientes fa0 ; a1 ; : : : ; an;1 g, y estos pueden ser escritos en
forma de matrices/arreglos columnas de n  1
0 1
BB aa01 CC
p~ = B@ ... CA
an;1
As podemos de nir una correspondencia biyectiva (1-1) entre los vectores de Pn y las
n-uplas en R n :
0 1
a
BB a01 CC
p (t) = a0 + a1 :t + a2 :t2 +    + an;1:tn;1 $ B@ ... CA
an;1
De nicion Mas adelante veremos que como existe esa clase de correspondencia biyectiva
entre estos dos espacios vectoriales, estos espacios son isomorfos.

2.2 Subespacios
De nicion Un subespacio de un espacio vectorial V es cualquier subconjunto (no vaco)
S de V , S  V , tal que el tambien es \un espacio vectorial". Esto es, un subconjunto de
V que sea \cerrado" bajo las operaciones de \suma de vectores" y \multiplicacion por un
escalar".

7
Comentarios Como los vectores en S (los elementos de S ) pertenecen todos a V , los 8
axiomas/condiciones se satisfacen automaticamente. Solo la condicion de clausura (ser
cerrado) debe ser examinada y veri cada para determinar si S es un \subespacio vectori-
al".
Observar, que el elemento \0" de V debe estar en S para ser un subespacio de V .
Ejercicio (i)Si S es un subespacio de V , > porque contiene al 0 de V ?. Reveer la
de nicion ...
(ii) Se puede a rmar que si S es un subespacio de V , > es S un conjunto no vaco?.
>Porque?.
Ejemplo El subconjunto S de R 2 formado por los vectores x = (x1; x2 )T que satisfacen
x2 = 2:x1 (gra camente es una recta que pasa por el origen)es un subespacio de <2. Es
decir,
... los vectores de la forma:
c
2:c
 c   ( :c) 
Multiplicando por un escalar: : 2:c= ;
2: ( :c)
... sumando dos vectores cualesquiera de S :
 c   b   c + b  (c + b) 
2:c + 2:b = 2:c + 2:b 2: (c + b)
... conduce a vectores de la misma forma de los de S , y as estan en S . Luego,
... S es \cerrado" bajo las operaciones dadas, en consecuencia es \un subespacio" de
<2.

Ejercicio En R 3 , los vectores de la forma (x1 ; x2 ; 0)T forman un subespacio. Son los
vectores que se encuentran en el plano x3 = 0

u + v = (u1; u2; 0)T + (v1 ; v2; 0)T = (u1 + v1; u2 + v2 ; 0)T


:u = : (u1; u2; 0)T = ( :u1; :u2; 0)T
- Veri car que es un conjunto \cerrado" para las operaciones y por tanto forma un
subespacio de R 3 .
8
Comentarios Cualquier subespacio de V distinto del mismo V , o del conjunto f0g
(conjunto que solo contiene al vector 0), se llama \subespacio propio" de V .

Problema Analizar si el conjunto S = f(x; y) : x+y = 1; (x; y) 2 <2g es un subespacio


de <2?.
Problema Veri car que dado el espacio vectorial de las matrices <nn, son subespacios
del mismo:
(i) Las matrices simetricas.
(ii) Las matrices triangulares superiores.
(iii) Las matrices triangulares inferiores.
(iv) Proponga algun otro subconjunto de este espacio de matrices que tambien sea un
subespacio.

Problema Veri car que \no es cierto" que el conjunto de \matrices singulares es un
subespacio de las matrices n  n". Lo mismo, para el conjunto de matrices \no-singulares"
n  n.
Proponer, ejemplos para ver lo anterior.

Problema El subconjunto S de R2 formado por los vectores de la forma x = (x1 ; 1)T


no es un subespacio de R 2 , ya que
u + v = (u1; 1)T + (v1 ; 1)T = (u1 + v1; 2)T (no pertenece a S )
:u = : (u1; 1)T = ( :u1; )T (no pertenece a S )
El conjunto S \no es cerrado" por las operaciones de suma o mutiplicacion por un
escalar. >Puede ejempli car para ver mas claramente el signi cado?.

Para practicar ...

9
Ejercicios
2.1 Indicar cual es el vector \cero" en cada uno de los Espacios V ectoriales sigu-
ientes:
(a) El espacio de los polinomios de grado 3, bajo las operaciones naturales.
(b) El espacio de las matrices 2  4.
(c) El espacio ff : [0::1] ! < f es contnuag
X 2.2 Encontrar el opuesto (o inverso respecto de la suma), en los espacios vectoriales,
para los vectores siguientes en particular:
(a) En P3 , si el vector es ;3 ; 2x + x2
(b) En el espacio de matrices 2  2 con terminos reales bajo las usuales operaciones
de suma y multiplicacion por un escalar,
1 ;para el vector
1
0 3
X 2.3 Mostrar que cada uno de los siguientes conjuntos es un espacio vectorial.
(a) El conjunto de los polinomios lineales P1 = fa0 + a1 x a0; a1 2 <g bajo las
usuales operaciones.
(b) El conjunto 0x1
L = f@y A 2 <3 : x + y ; z = 0g
z
bajo las operaciones inherentes a <3.
X 2.4 Mostrar que \no son subespacios" vectoriales, los casos:
(a) Bajo las operaciones usuales
0x1en < , el conjunto
3

f@y A 2 <3 x + y + z = 1g
z
(b) Bajo las operaciones de0< 1 3 , el conjunto
x
f y A 2 <3 x2 + y2 + z2 = 1g
@
z
(c) Bajo las usuales operaciones sobre matrices,

f ab 1c a; b; c 2 <g
(d) Bajo las operaciones
x inherentes a <2 ,

f y 2 <2 x + 3y = 4 y 2x ; y = 3 y 6x + 4y = 10g
2.5 Subespacios: 011 001
(a) Sean los vectores de <3: f@0A ; @1Ag Veri car que el conjunto de los v 2 <3
1 1
que son combinaciones de ellos, forman un subconjunto de <3 que es un subespacio.
Ver car que geometricamente es un plano que pasa por el origen (encontrar la
ecuacion).
(b) Dados dos(2) vectores de <3 cualesquiera, >siempre el conjunto de sus combina-
ciones es un subespacio, que geometricamente es un plano?
10
2.6 (a) Probar que toda recta, o plano que pasa por el \origen" en <3 es un subespacio
vectorial bajo las operaciones inherentes a ese espacio.
(b) > Que ocurre, si ellos no contienen al origen?
2.7 De nir adicion y multiplicacion por un escalar real para que el conjunto de los
numeros complejos sea un espacio vectorial real.
Las operaciones usuales son: (v0 + v1i) + (w0 + w1i) = (v0 + w0) + (v1 + w1)i, y
r(v0 + v1i) = (rv0) + (rv1)i.
Chequear todas las condiciones !.
X 2.8 Para cada conjunto, decidir si es un espacio vectorial con las operaciones usuales.
(a) Las matrices diagonales 2  2. 

f a0 0b a; b 2 <g
(b) El conjunto 0 1x
B y CC 2 <4 x + y + w = 1g
fB
@z A
w
(c) El conjunto de funciones que son solucion de: ff : < ! < df=dx + 2f = 0g (
Veri car si ese conjunto es cerrado bajo la suma y multiplicacion por un escalar).
(d) El conjunto de funciones ff : < ! < df=dx + 2f = 1g. ( Observar si la funcion
f (x) = 0 = cte , esta en ese conjunto).
X 2.9 Probar o dar un contraejemplo sobre si: \ es un espacio vectorial el conjunto de
todas las matrices", bajo las operaciones usuales.
2.10 (a) > Es un espacio vectorial, bajo las usuales operaciones, el conjunto de las:
funciones de una variable (con valores reales) que son diferenciables?
(b) Es un subespacio de las matricesa b2 2?

f c 0 a + b = 0g
(c) Mostrar que un subconjunto no vaco S de un espacio vectorial real V es un
subespacio \ sii " es cerrado bajo las combinaciones lineales de pares de vectores (si
c1; c2 2 < y ~s1;~s2 2 S entonces la combinacion c1~v1 + c2~v2 esta en S ).

11
2.3 Espacio nulo de una matriz
Es un ejemplo de un subespacio, ya conocido como conjunto, y de particular
importancia en el temario que sigue.
... Si A es una matriz de m  n, de nimos N (A), espacio nulo de A, al
conjunto de todas las soluciones del sistema lineal homogeneo A:x = 0.
En la notacion de conjunto:
N (A) = fx 2 R n : A:x = 0g
Como A:x = 0 siempre tiene al menos la solucion trivial x = 0, N (A) es no vaco.
... Si x 2 N (A), y es un numero real,
A: ( :x) = : (A:x) = :0 = 0
) :x es un elemento de N (A), y si
... x e y 2 N (A) ; entonces
...
A: (x + y) = A:x + A:y = 0 + 0 = 0
) x + y 2 N (A). Se obtiene de esos resultados que
... N (A) es un subespacio de R n .
As ...
De nicion El conjunto de todas las soluciones de un sistema lineal de m  n homogeneo
A:x = 0 forma un subespacio de R n llamado espacio nulo de la matriz A.
Observacion El conjunto de soluciones de un sistema \no-homogeneo" A:x = b (b 6= 0)
\no forma un subespacio" de <n . Por ejemplo,
... si x e y son soluciones del sistema entonces
A: (x + y) = A:x + A:y = b + b = 2:b ( = 6 b a no ser que b = 0)
A: ( :x) = :A:x = :b ( = 6 b a no ser que = 1)
) el conjunto de tales soluciones de Ax = b, \no es cerrado" bajo la operacion de la
suma de vectores, ni lo es sobre la multiplicacion por un escalar.
Ejemplo Encontrar N (A) para la siguiente matriz
1 
A = 2 11 10 01
Usando el proceso de reduccion de Gauss-Jordan resolvemos A:x = 0
...
1 1 1 0 0 1 1 1 0 0
(A j 0) = 2 1 0 1 0 ;! 0 ;1 ;2 1 0
 1 0 ;1 1 0   1 0 ;1 1 0 
;! 0 ;1 ;2 1 0 ;! 0 1 2 ;1 0
12
... Tenemos las 2 variables independientes (libres) x3 y x4
x1 = x3 ; x4
x2 = ;2:x3 + x4
... Llamando = x3 , = x4 , la solucion general es
0 ; 1 0 1 1 0;11
x =
BB;2 + CC = : BB;2CC + : BB 1 CC
@ A @1A @0A
0 1
= : (1; ;2; 1; 0)T + : (;1; 1; 0; 1)T para cualquier par de numeros y
... N (A) esta formado por todos los vectores de esta forma, y es un subespacio de R 4 .
Problema (i)Determinar el \conjunto nulo" de la matriz A = [1; 1] ( m = 1, n = 2).
Gra car.
(ii)Determinar el conjunto nulo de la matriz A = [1; 0; 0] (m = 1, n = 3).Gra car.
(iii)Determinar el \espacio nulo" de la matriz A = [1; 1; 1; ;1] (escrita como se usa
en el MATLAB , con m = 2, n = 2). Explicar el resultado.

2.4 Conjunto generador. Espacio generado.


De nicion Dado un conjunto de vectores S = fv1; v2; : : : ; vpg del espacio vectorial V ,
al \conjunto de todos" los vectores v que se obtienen como \combinacion lineal" de ellos,
X
p
v = c1:v1 + c2 :v2 +    + cp:vp = ci:vi (los ci son numeros reales)
i=1
se lo llama \el espacio generado por fv1 ; v2; : : : ; vp g", y se escribe ...

gen(S ) = hv1 ; v2; : : : ; vpi


.
Ejemplo (1)En R 3 , el espacio generado por los vectores S = fe1; e2 g consiste de todos
los vectores de la forma
011 001 0 1
v = :e1 + :e2 = : @0A + : @1A = @ A
0 0 0
Claramente, el conjunto gen(S ) = he1 ; e2 i es un subespacio de R 3 (pues es \cerrado"
por la suma de vectores y la multiplicacion por un escalar. Veri car!).
Geometricamente, en el ejemplo el gen(S ) consiste de los vectores del espacio <3 que
permanecen en el plano de los (x1 ; x2 ; 0) (plano con ecuacion x3 = 0).

13
Otro ejemplo:
(2) El espacio generado por los vectores S = fe1 ; e2 ; e3 g esta formado por los vectores
de la forma
0 1
1
v = 1 :e1 + 2 :e2 + 3 :e3 = 2 A
@
3
que comprende todos los vectores de R 3 .
... En consecuencia, el \espacio generado" por este conjunto S , es :
gen(S ) = he1 ; e2; e3i = R 3
Teorema Si S = fv1; v2 ; : : : ; vk g son vectores del espacio vectorial V , entonces
gen(S ) = hv1; v2 ; : : : ; vk i \es un subespacio" de V .
Demostracion. Hay que mostrar que hv1 ; v2; : : : ; vk i es cerrado por las operaciones del
espacio V .
Multiplicacion por un escalar: si v = 1 :v1 + 2 :v2 +    + k :vk es cualquier elemento
de hv1; v2 ; : : : ; vk i, entonces
:v = : ( 1:v1 + 2:v2 +    + k :vk ) = ( : 1 ) :v1 + ( : 2 ) :v2 +    + ( : k ) :vk
que es un elemento de hv1; v2 ; : : : ; vk i.
... y, si tomamos v = 1:v1 + 2:v2 +    + k :vk y w = 1:v1 + 2 :v2 +    + k :vk ,
entonces
v + w = ( 1 + 1) :v1 + ( 1 + 2 ) :v2 +    + ( k + k ) :vk
es tambien un elemento del conjunto gen(S ) = hv1 ; v2; : : : ; vk i.
Por tanto, gen(S ) es un subespacio de V , si S  V .
Comentarios ... En R 3 , si dos vectores, S = fv; wg, se pueden usar para de nir un
plano pasando por el \origen", entonces este plano es la representacion geometrica de
gen(S ) = hv; wi.
Dado un conjunto de vectores S = fv1; v2 ; : : : ; vk g que estan en el espacio
vectorial V .
... Si gen(S ) = hv1; v2 ; : : : ; vk i, coincide con el espacio V , se dice que los vectores
v1; v2 ; : : : ; vk generan V ; y fv1; v2 ; : : : ; vk g se dice que es un conjunto generador del espacio
V.
... Tenemos la siguiente de nicion:
De nicion El conjunto S = fv1 ; v2; : : : ; vk g es un \ conjunto generador del espacio
vectorial V " si y solo si todo vector de V puede escribirse como combinacion lineal de
v1 ; v2; : : : ; vk .

14
Ejercicio ... > Son los siguientes conjuntos \ generadores" del espacio vecto-
rial <3 ?
n o
1. S = e1 ; e2 ; e3 ; (1; 2; 3)T
n o
2. S = (1; 1; 1)T ; (1; 1; 0)T ; (1; 0; 0)T
n o
3. S = (1; 0; 1)T ; (0; 1; 0)T
n o
4. S = (1; 2; 4)T ; (2; 1; 3)T ; (4; ;1; 1)T
A modo de ejemplo, hacemos el 1. y el 4.:
Solucion ... Para ver si S genera todo el espacio <3 :
En el caso 1 ...
n o
1. S = e1 ; e2 ; e3 ; (1; 2; 3)T :
0a1
Consideramos un vector arbitrario en <3 , @ b A,
c
... sabemos que se puede escribir
0a1 0a1 001 001
@bA = @0A + @bA + @0A
c 0 0 c
= a:e1 + b:e2 + c:e3 + 0: (1; 2; 3)T
) que ese vector arbitario se puede expresar como una combinacion de los vectores
de S . Eso quiere decir que
... S es un \conjunto generador" de R 3 .
Observemos que ...
... el ultimo vector de S es super uo, ya que no se necesito para lograr la combi-
nacion. Bastan los 3 primeros vectores! para generar todo <3 .
2. Queda como ejercicio.
3. Queda como ejercicio.
En el caso 4. el conjunto S es:
n o
4. S = (1; 2; 4)T ; (2; 1; 3)T ; (4; ;1; 1)T De nuevo, tomamos un vector arbitrario de
<3, y analizamos si es posible expresarlo como combinacion de los vectores de S ?
0a1 011 021 041
@bA = 1: @2A + 2: @1A + 3: @;1A
c 4 3 1

15
... Para saber si \realmente existen" tales coe cientes para combinar,
... resolvemos el sistema de ecuaciones lineales planteado para encontrar 1 ; 2; 3
1 + 2: 2 + 4: 3 = a
2: 1 + 2 ; 3 = b
4: 1 + 3: 2 + 3 = c
... En este caso, la matriz de coe cientes es singular, pues aplicando el metodo de
reduccion Gaussiana, usando la matriz aumentada, se obtiene
01 2 4 a
1 01 2 4 a
1
@2 1 ;1 b A ;! @ 0 1 3 2 a
3
;b A
4 3 1 c 0 0 0 2a ; 3c + 5b
... Si 2a ; 3c + 5b 6= 0, el sistema es inconsistente !. Quiere decir que \no hay
solucion".
As los vectores v = (a; b; c), para los cuales a,b,c cumplan 2a ; 3c + 5b 6= 0,
no se pueden generar a partir del conjunto S .
... > Cuando hay solucion y se pueden hallar los coe cientes de la combinacion
planteada?. > Cuales vectores de <3 si se pueden generar desde el conjunto S ?.
... Solamente se pueden obtener como combinacion de los vectores de S , los vectores
de <3, (a; b; c)T cuyas coordenadas cumplen 2a ; 3c + 5b = 0. Es decir, los vectores
que estan en ese plano.
As S genera solamente un \subespacio propio" del <3.
En consecuencia,... S \no genera" a R 3 .
... Observar que los 3 vectores de S pertenecen a un mismo plano 2a + 5b ; 3c = 0
(ver que satisfacen esa ecuacion), as
... solo los vectores (a; b; c)T en ese plano podran ser expresados como combinacion
lineal de los vectores de S !. S \ es un conjunto generador del conjunto de puntos
de ese plano" (... que pasa por el origen !).
... Ademas, advertimos que en realidad no se necesitan los 3 vectores de S para
generar ese plano! ( explicar >porque?)

3 Independencia lineal
Comentarios La ultima a rmacion, del ultimo ejemplo, nos lleva a preguntarnos ...
> Cuantos vectores son \necesarios" para generar el plano: 2a + 5b ; 3c = 0.?
Proxima pregunta: >Como encontrar el conjunto generador mas peque~no de un espa-
cio vectorial V (conjuntos \generadores" de V con la menor cantidad posible de
vectores).
... Pasamos a dar respuesta a esa pregunta en lo que sigue ...

16
Comentarios Un conjunto de generadores \minimal" para V sera aquel conjunto S de
vectores que no tenga elementos \redundantes" o innecesarios, es decir \todos los vectores
del conjunto S deben ser necesarios" para generar V .
Para decidir si un conjunto de vectores S = fv1 ; v2 ; : : : ; vp g constituye un conjunto
\generador minimal" de V , necesitamos ...
...analizar \si los vectores que estan en S " \dependen unos de los otros ".
Con ese objetivo ...
...introducimos la nocion de \dependencia lineal" e \independencia lineal" de vectores.
Considerar, por ejemplo, el subespacio generado V = hv1 ; v2; v3i, siendo
011 0;21 0;11
v1 = @;1A ; v2 = @ 3 A ; v3 = @ 3 A
2 1 8
Sabemos que V es un subespacio de R 3 . Pero tal V puede ser construido a partir de
v1 y v2 , pues v3 ya es una combinacion de los dos primeros,
v3 = 3:v1 + 2:v2 : (1)
... v3 ya esta en el espacio generado por v1 y v2 . Por tanto, cualquier combinacion
lineal de v1 ; v2; v3 puede ser reducida a una combinacion lineal de v1 y v2:

1:v1 + 2:v2 + 3:v3 = 1 :v1 + 2 :v2 + 3 : (3:v1 + 2:v2 )


= ( 1 + 3 3 ) :v1 + ( 2 + 2 3) :v2
= 1 :v1 + 2 :v2
)
V = hv1; v2 ; v3i = hv1; v2 i
... ya que v3 es "redundante", no agrega nada a las posibles combinaciones de fv1; v2g.
Podemos reescribir la dependencia de v3 con respecto a v1 y v2 (expresion (1)) como
3:v1 + 2:v2 ; v3 = 0:
En este caso, como ninguno de los 3 coe cientes es cero, se puede despejar de la
ecuacion cualquiera de los vectores en funcion de los otros dos restantes.
As
... el subespacio V esta generado por
V = hv1 ; v2; v3i = hv1 ; v2i = hv1; v3 i = hv2 ; v3i
En este ejemplo, cualquiera de los tres vectores puede ser considerado como \redun-
dante" o innecesario, ya que puede ser expresado como combinacion lineal de los \otros
dos".
< Solo 2 de ellos son necesarios!.
Ademas, se podra preguntar ...
17
... >si no existe una relacion de \dependencia" entre v1 y v2 ?. Es decir, si existen
escalares c1 y c2 (no simultaneamente nulos) tales que...
c1 :v1 + c2:v2 = 0?
Si existieran esos escalares ...
... entonces podramos despejar uno de ellos en terminos del otro
v1 = ; cc2 :v2 (si c1 6= 0); o v2 = ; cc1 :v1 (si c2 6= 0)
1 2
... eso dira que uno de los vectores es multiplo escalar del otro. Pero, a simple vista
(repasar) se observa que esto es imposible para los vectores v1 y v2.
Lo mismo pasa con fv2 ; v3g, e igualmente se observa para fv1; v3 g. As
... en este ejemplo, \solo los tres vectores juntos" tienen la propiedad de \dependencia
lineal".
Otra forma de decirlo: hv1 i y hv2 i generan subespacios \propios" de hv1; v2 i.
Para generalizar:
Importante ! 1. Si los vectores fv1 ; v2 ; : : : ; vpg generan V , y si alguno de los vi
puede ser escrito como combinacion lineal de los restantes (p ; 1) vectores, entonces
estos (p ; 1) vectores \generan V ".
Ademas, se tiene la siguiente equivalencia:
2. Dados p vectores fv1 ; v2 ; : : : ; vpg.
\ Si alguno de estos vectores es combinacion lineal de los otros (p ; 1) vectores ,
existen escalares c1 ; c2; : : : ; cp (no todos nulos) tales que
c1:v1 + c2 :v2 +    + cp:vp = 0
Demostracion de (1). Supongamos que vp puede ser escrito como combinacion lineal
de v1 ; v2; : : : ; vp;1, entonces
vp = 1:v1 + 2:v2 +    + p;1:vp;1
Si v es cualquier vector en V . Como fv1 ; v2; : : : ; vpg generan a V se tiene que
v = 1:v1 + 2:v2 +    + p;1:vp;1 + p:v;p 
= 1:v1 + 2:v2 +    + p;1:vp;1 + p: 1 :v1 + 2 :v2 +    + p;1:vp;1
; 
= ( 1 + n 1) :v1 + ( 2 + n 2) :v2 +    + p;1 + p p;1 :vp;1
...Esto es, cualquier vector v de V puede ser escrito como combinacion lineal de
v1; v2 ; : : : ; vp;1. As estos vectores generan V .
Demostracion de (2). La parte (2), se obtiene de suponer que uno (por ejemplo vp)
es combinacion de los otros. Luego, existen coe cientes para los que

vp = 1:v1 + 2:v2 +    + p;1:vp;1

18
... entonces, pasando vp al segundo miembro se obtiene que existen coe cientes, no
todos nulos, que satisfacen:

1:v1 + 2 :v2 +    + p;1:vp;1 ; vp = 0


Para ver la recproca, hay que seguir el razonamiento o procedimiento anterior hacia
atras...
De nicion Los vectores v1; v2 ; : : : ; vp de un espacio V se dicen linealmente dependientes
si existen escalares fci g no todos nulos tales que
c1:v1 + c2 :v2 +    + cp:vp = 0
De nicion Los vectores v1 ; v2; : : : ; vp se dicen \linealmente independientes" si la com-
binacion
c1:v1 + c2 :v2 +    + cp:vp = 0
implica que \todos los ci son nulos".
Comentarios Cuando existe una eleccion de escalares ci \ no todos nulos " tal que la
combinacion lineal c1 :v1 + c2 :v2 +    + cp:vp es el vector cero, entonces v1 ; v2 ; : : : ; vp son
linealmente dependientes.
Por el contrario, si la unica manera de lograr que la combinacion lineal: c1 :v1 + c2:v2 +
   + cp:vp = 0 (resulte = al vector nulo) es haciendo que todos los escalares ci \sean
cero", entonces
...los v1 ; v2 ; : : : ; vp son linealemente independientes.

3.1 Interpretacion geometrica:


En R 2 , si dos vectores u y v son \linealmente dependientes", entonces
c1:u + c2:v = 0 (donde c1 6= 0 o c2 6= 0)
En cada uno de estos casos se tiene:
u = ; cc2 :v (si c1 6= 0)
1
c
v = ; c1 :u (si c2 6= 0)
2
Es decir, uno de ellos es multiplo escalar del otro, son co-lineales.

19
Lo mismo pasa en R 3 : si dos vectores u y v son \linealmente independientes" no puede
ser uno multiplo escalar del otro. Por tanto,
... estos dos vectores \linealmente independientes" no pertenecen a una misma recta
que pasa por el (0; 0; 0). As de nen un plano. Todo vector que este en este plano puede
ser escrito como \combinacion lineal" de u y v. Luego ...
... cualquier otro w = (w1; w2; w3) que pertenece a este plano, junto con u y v,
determinan un conjunto fu; v; wg que es \linealmente dependiente".
En cambio ...
... tomando un w que no pertenece a este plano , el conjunto fu; v; wg resulta \lin-
ealmente independiente", ya que el ultimo no es combinacion de los otros dos.
Ejemplo
011 011 011
u = @1A ; v = @1A ; w = @0A
1 0 0
En este caso, son linealmente independientes. Para ver eso ...
... los combinamos e igualamos a cero:
c1:u + c2:v + c3 :w = 0
entonces
0c 1 0c 1 0c 1 0c + c + c 1 001
@c11A + @c22A + @ 03A = @ 1 c1 +2 c2 3A = @0A
c1 0 0 c1 0
De tal igualdad ...
... se llega al sistema
c1 + c2 + c3 = 0
c1 + c2 = 0
c1 = 0
que tiene solucion unica: c1 = c2 = c3 = 0.
... Eso implica que los \tres vectores" dados son \linealmente independientes".

20
Ejemplo
011 001
u = @0A ; v = @1A
1 0
Se plantea la igualdad:
c1 :u + c2 :v = 0, la que implica ...
0c 1 001
@c12A = @0A
c1 0
... se deduce que c1 = c2 = 0. Eso ...
) que son linealmente independientes.
Otro ejemplo...
Ejemplo
011 021 041
u = @2A ; v = @1A ; w = @;1A
4 3 1
En ese caso, la igualdad c1 :u + c2 :v + c3 :w = 0 implica
c1 + 2c2 + 4c3 = 0
2c1 + c2 ; c3 = 0
4c1 + 3c2 + c3 = 0
Este sistema homogeneo, > cuantas soluciones tiene ?.
Para averiguarlo ... (conocemos dos formas de hacerlo, cuales?)
Una forma, analizando la matriz de coe cientes A de este sistema homogeneo de 3  3,
si es singular o no-singular:
1 2 4
1 ;1 2 ;1 2 1
2 1 ;1 usando el det(A) = (;1) : 3 1 + (;1) :2: 4 1 + (;1) :4: 4 3
1+1 2+1 3+1
4 3 1
= (1 + 3) ; 2 (2 + 4) + 4 (6 ; 4)
= 0:
En consecuencia, sabemos que el sistema homogeneo tiene soluciones no triviales (c1 ; c2 ; c3 ).
Esto dice que
... los vectores dados fu; v; wg son \linealmente dependientes".
Este resultado puede resumirse y generalizarse de la siguiente manera:
Teorema Dado el espacio vectorial <n.
Si u1 ; u2 ; : : : ; un son vectores en R n , el conjunto fu1 ; u2 ; : : : ; ung es \linealmente de-
pendiente" si y solo si la matriz U = (u1 ; u2 ; : : : ; un) es singular.

21
Demostracion. La expresion
c1:u1 + c2:u2 +    + cn:un = 0
es el sistema lineal homogeneo
c1:u11 + c2 :u12 +    + cn:u1n = 0
c1:u21 + c2 :u22 +    + cn:u2n = 0
... ...
c1:un1 + c2 :un2 +    + cn:unn = 0
... que tendra solucion no trivial (c1;c2; : : : ; cn) si y solo si la matriz de coe cientes, la
matriz U = (u1;u2 ; : : : ; un) es singular.
Comentarios Luego ...
... la matriz U (de n  n) es \no singular", si y solo si el conjunto fu1 ; u2; : : : ; un g
\es linealmente independiente".

Sntesis As para determinar si n vectores de R n , forman un conjunto \linealmente


independiente", se construye una matriz A de dimension n  n cuyos vectores columnas
son los vectores en cuestion (en cualquier orden) y luego se evalua el det(A):
 Si det A = 0 ) A es singular, y los vectores son linealmente dependientes.
 Si det A 6= 0, A es \no singular" y los vectores son linealmente independientes.
Importante ! Una combinacion lineal de un conjunto S de vectores \linealmente inde-
pendientes" es unica. Esto es,
... existe una unica manera de expresar un \vector particular" como combinacion
lineal de los vectores S \linealmente independientes ".
...
Teorema Si v1;v2 ; : : : ; vp son vectores de un V . Todo vector v en el subespacio generado
hv1;v2 ; : : : ; vpi, puede escribirse de manera unica en combinacion de v1;v2; : : : ; vp \si y
solo si" los vectores fv1;v2 ; : : : ; vp g son linealmente independientes.
Demostracion. Supongamos que v1;v2; : : : ; vp son linealmente independientes. Supong-
amos tambien que podemos escribir v de dos maneras diferentes como combinacion lineal
de v1;v2; : : : ; vp:
...

v = 1:v1 + 2:v2 +    + p:vp


y tambien
v = 1:v1 + 2:v2 +    + p:vp
22
... restando ambas ecuaciones tenemos
; 
0 = ( 1 ; 1) :v1 + ( 2 ; 2) :v2 +    + p ; p :vp
Como los vectores fvig son linealmente independientes, cada i ; i debe ser 0, para
i = 1; : : : ; p .
... Entonces, los coe cientes de la combinaciones son iguales( son unicos !).
Recprocamente: supongamos que todo v en el espacio generado por los vectores fvi g,
puede escribirse de manera unica como combinacion lineal de ellos.
As en particular el vector v = 0 que esta en ese conjunto generado, puede escribirse
de manera unica,
0 = 1 :v1 + 2:v2 +    + p:vp
... entonces, por ser unica, deben ser los betai = 0, i = 1; : : : ; p !! .
As los p vectores son linealmente independientes !.
Ejercicios
X 3.1 Mostrar que las las \no nulas " de una matriz en forma escalonada reducida
forman un conjunto linealmente independiente de vectores.
3.2 (a) Mostrar que cualquier conjunto de 3 vectores en <2 es linealmente dependi-
ente.
(b) Eso es verdad para un conjunto de cuatro ?.
(c) > Cual es el maximo de elementos que un subconjunto linealmente independiente
de <2 puede tener ?
X 3.3 Hay algun conjunto de 4 vectores de <3, tal que cualquier subconjunto de 3 vectores
forme un conjunto linealmente independiente ?.
3.4 > Todo conjunto linealmente dependiente, debe tener un subconjnto que es lineal-
mente dependiente y un subconjunto independiente?
3.5 En <4, > cual es el subconjunto mas grande de vectores linealmente independi-
entes?.
> Y el mas peque~no?
X 3.6 (a) Mostrar que si el conjunto de vectores de un espacio vectorial V f~u;~v; w~ g es un
conjunto linealmente independiente entonces tambien lo es : f~u; ~u + ~v; ~u + ~v + w~ g.
Pero que f~u;~v; ~u + ~vg es dependiente.
3.7 El conjunto vaco es linealmente independiente.
(a) > Cuando un conjunto de \un elemento" es linealmente independiente ?
(b) > Si el conjunto tiene 2 elementos, que deben cumplir para ser independientes?

3.2 Para practicar ...

23
Ejercicios
X 3.1 Decidir si cada uno de los siguientes subconjuntos de <3 son linealmente indepen-
dientes (pueden usar la PC y el MATLAB para decidir).
Para cada uno, cuando el conjunto es independiente debe probarse, y cuando es
dependiente
0 1 1puede 021exponerse
001 la dependencia (mediante un ejemplo).
(a) f@;3A ; @2A ; @0Ag
0 51 1 0421 004 1
(b) f@;3A ; @2A ; @;4Ag
0115 0214 03114
(c) f@7A ; @7A ; @7Ag
070 1 7011 7
(d) f@ 0 A ; @0Ag
09;11 0214 0 3 1 0 12 1
(e) f@9A ; @0A ; @ 5 A ; @ 12 Ag
0 01 1 01 21 0;44 1 ;1
(f) fB
B;3CC ; BB2CC ; BB;4CCg
@ 5 A @4A @ 14 A
1 1 1
X 3.2 Probar que cada conjunto ff; ggdado, es linealmente independiente en el espacio
vectorial de todas las funciones de <+ a <.
(a) f (x) = x y g(x) = 1=x
(b) f (x) = cos(x) y g(x) = sin(x)
(c) f (x) = ex y g(x) = ln(x)
Considerar Z la funcion cero: Z (x) = 0, para todo x. (Ayuda: ver que no son
dependientes.) Otra forma: ver si es posible obtener la isma combinacion en particular,
cuando x = 1, o cuando x = 2.
3.3 Mostrar que si f~x; ~y; ~zg es linealmente independiente entonces todos sus subcon-
juntos propios son linealmente independientes
: f~x; ~yg, f~x; ~zg, f~y; ~zg, f~xg,f~yg, f~zg, y fg. Vale la recproca ?.
3.4 (a) Mostrar que el conjunto 011 0;11
S = f@1A ; @ 2 Ag
0 0
es un subconjunto linealmente independiente de <3 .
(b) Mostrar que 031
@2A
0

24
esta en el conjunto generado por S , encontrando los coe cientes c1 y c2 que deter-
minan esa relacion: 011 0;11 031
c1 @1A + c2 @ 2 A = @2A
0 0 0
Mostrar que el par c1 , c2 es unico.
X 3.5 (a) Probar que un conjunto de dos vectores perpendiculares (no nulos) de <n es
linealmente independiente si n > 1.
(b) > Que pasa si n = 1?
(c) Generalizar para mas que 2 vectores en <n ( a lo mas cuantos?).
3.6 Mostrar que, cuando S es un subespacio de V , si un subconjunto T de S es lineal-
mente independiente en S entonces T es tambien linealmente independiente en V .
La recproca, vale?

25
4 Bases y dimension de los espacios vectoriales.
Objetivo
... Aun no sabemos cuando un conjunto generador de un espacio V es minimal !.
En esta seccion ...
... veremos que un conjunto \generador" de un espacio vectorial V es \minimal" si
los vectores en ese conjunto son \linealmente independientes".
... Es decir, no sirve agregar \vectores super uos (que son dependientes de los otros)",
ya que estos no agregan nada.
Este tipo de conjunto \generador minimal", con vectores linealmente independientes,
es un conjunto \ basico" de vectores, que provee las \piezas" para construir el espacio
vectorial V .
De nicion Un conjunto de vectores v1; v2; : : : ; vp forma una base del espacio vectorial
V , si y solo si:
1. fv1 ; v2 ; : : : ; vpg son \linealmente independientes", y
2. fv1 ; v2 ; : : : ; vpg generan V
Ejemplo Bases para R 3 :
8011 001 0019
< =
Base canonica: fe1; e2 ; e3g = :@0A ; @1A ; @0A;
0 0 1
Veri car que cumplem (1) y (2).
8011 011 0119 80 1 1 001 0019
< = < =
@ A @ A @ A
Otras bases de < : : 1 ; 1 ; 0 ;. Tambien es una base : : 0 ; 1 ; 1 ;,
3 @ A @ A @ A
1 0 0 ;1 0 1
etc.
Se debe veri car que son linealmente independientes y que generan al espacio total
<3.
 1 0 0 1 0 0 0 0
Ejemplo Bases para R : E1 = 0 0 , E2 = 0 0 , E3 = 1 0 ; E4 = 0 1
22
Veamos que este conjunto es linealmente independiente...
c c  0 0
c1:E1 + c2:E2 + c3 :E3 + c4:E4 = c1 c2 = 0 0
3 4
y por tanto, c1 = c2 = c3 = c4 = 0. Eso indica que son \linealmente independientes".
Veamos ahora que \cualquier matriz de 2  2" puede ser generada a partir de esas
matrices ( o que toda matriz de 2  2 se puede escribir como combinacion lineal de ellas)
a a 
A = a1 a2 = a1 :E1 + a2 :E2 + a3 :E3 + a4:E4
3 4
En consecuencia...
... estos \cuatro" vectores son necesarios para formar una base de R 22 .
26
Observacion Los vectores fE1; E2 ; E3; E4g se denotan tambien como fE11 ; E12; E21 ; E22 g,
son una base del espacio de las matrices de 2  2.
Este resultado se puede extender...
... para el caso de matrices de m  n . Se necesitan ahora m  n vectores(matrices)
para formar una base de R mn .
Otros ejemplos....
Ejemplo Encontrar una \base" para el espacio nulo N (A) , si A es la matriz de 2  4.
1 
A = 2 11 10 01
El \espacio nulo" es un subespacio de <4 . En un ejemplo previo sobre espacio nulo, vimos
que N (A) consiste de todos los vectores de la forma
0 1 1 0;11
B;2CC + : BB 1 CC
: B
@1A @0A
0 1
donde y son dos numeros cualesquiera.
Eso ) que los vectores de N (A) se pueden escribir como combinacion lineal de
011 0;11
B;2CC
n1 = B y
B 1 CC
n2 = B
@1A @0A
0 1
As ...
N (A) = gen(fn1; n2g = hn1 ; n2i
...Ese conjunto fn1; n2 g, >es una base del N (A)?.
Para ver eso,
... hay que ver si el conjunto de los dos vectores fn1 ; n2 g son linealmente independi-
entes (observando los coe cientes 3 y 4).
... se concluye que son linealmente independientes !.
En consecuencia, forman una \base" para N (A), pues cumplen las \dos condiciones".
Ejercicio Veri car que los vectores generadores de N (A), del ejemplo previo, haciendo
los calculos son linealmente independientes.

27
Ejercicio Usar el MATLAB: Dada una matriz
(a) A = [1; 2; 3; 1; 2; 3; 1; 2; 3], si usa el comando:
B = null(A), en B da una base del N (A), cuyos vectores son ortogonales, o sea una base
ortogonal de N (A).
(b) Veri car que ese es el resultado que obtendra Ud., hallando N (A), como se hizo
antes.
(c)Si la matriz A = [1; ;1; 0; 1; 1; 0; 1; 0], hallar N (A) en su hoja, y luego usando el
MATLAB, hallar un conjunto linealmente independiente de vectores de R4 que genere a
N (A).
Luego veri car:que toda combinacion de esos vectores del MATLAB, cumple que estan
en N (A).
Ejercicio Resultado importante ...
Teorema Si S = fv1; v2 ; : : : ; vng forman un conjunto generador de V , entonces
cualquier conjunto de m vectores de V , con m > n, es linealmente dependiente.
Para demostrar ese resultado, es facil hacerlo si se piensa en que todo vector de V es
una combinacion de los vectores de S .
Usando el ultimo resultado ...
Corolario Si B1 = fv1; v2; : : : ; vng, y B2 = fu1 ; u2; : : : ; um g, son \dos bases" de V )
m = n.
Demostracion. Si fv1; v2; : : : ; vng es una base de V entonces genera V . Los vectores
fu1; u2 ; : : : ; umg son linealmente independientes, por ser base, y por lo tanto m  n (por
el teorema anterior). El mismo razonamiento dira que n  m. Por lo tanto m = n.
Dimension de un espacio vectorial
De nicion Si una \base" de un espacio vectorial V tiene n vectores, se dice que V tiene
dimension n.
En particular, el subespacio f0g, se dice que tiene dimension 0.
Un espacio vectorial V se dice de dimension nita si existe un conjunto \ nito" de
vectores que lo generan. En caso contrario se dice que V tiene dimension in nita.
Ejemplos:
(1) <n es de dimension nita pues todo vector se puede generar mediante un conjunto
de \n vectores linealmente independientes", ejemplo: fei g, i = 1; : : : ; n.
Ejemplo El espacio de todos polinomios de grado nito tiene una base con in nito
numero de vectores h1; x; x2; : : : i.
Comentarios ... Recordar que para determinar cuando \n vectores" de R n forman un
conjunto \linealmente independiente" se puede construir una matriz A de n  n, cuyas
columnas son los vectores en cuestion (en cualquier orden), y luego se evalua det(A).
... Si det A = 0, entonces A es singular y los vectores son linealmente dependientes.
... Si det A 6= 0, entonces A es \no singular" y los vectores son linealmente indepen-
dientes.
28
Importante ! Observacion Desde las sentencias anteriores se tiene:
... Si A es una matriz de n  n, entonces
 A no singular (det A =6 0) implica que los vectores columna de A son linealmente
independientes.
 A singular (det A = 0) implica que los vectores columna de A son linealmente
dependientes.
Como det AT = det A, y los vectores columna de AT son los vectores la de A, se
puede decir los mismo sobre los vectores las de A ...
 Si una matriz A de n  n es \no singular" (det A 6= 0), los vectores las y los
vectores columnas de A son linealmente independientes.
 Si A es \singular" (det A = 0), los vectores columnas y los vectores las de A son
linealmente dependientes.

Sntesis Estas sentencias son consistentes con nuestros conocimientos anteriores:


 Un sistema lineal A:x = b de n  n siempre tiene una unica solucion si A es no
singular:
Si A es no singular, los vectores columnas de A son linealmente independientes
=) forman una base de R n
=) cualquier vector columna b en R n puede escribirse (de forma unica) como com-
binacion lineal de los vectores columna de A.
=) A:x = b tiene solucion unica.
 Cuando A es singular, el sistema Ax = b, puede \tener in nitas soluciones", o "no
tener" solucion:
Si A es singular, los vectores columnas de A son linealmente dependientes,
=) no forman una base de R n
=) no todos los vectores b de R n pueden escribirse como combinacion lineal de los
vectores columnas de A (porque esas columnas no forman una base de <n )
=) A:x = b puede no tener solucion....
o
=) si A:x = b tiene alguna solucion, esto es, si b puede escribirse como combi-
nacion lineal de los vectores columna de A, esta representacion no es unica: habra
in nitas soluciones ( porque?).
Relacionando conocimientos ...

29
Lista de equivalencias para matrices de n  n (actualizacion)
Lista A Lista B
A es no-singular (tiene inversa) A es singuar (no tiene inversa)
det A 6= 0 det A = 0
Los vectores columnas (los vectores las) Los vectores columnas (los vectores las)
de A son linealmente independientes y gen- de A son linealmente dependientes y no
eran R n . generan R n .
El sistema lineal A:x = b tiene solucion El sistema lineal A:x = b no tiene solucion
unica x = A;1:b. o tiene in nitas soluciones (depende de b).
El sistema (homogeneo) A:x = 0 tiene solo El sistema (homogeneo) A:x = 0 tiene in-
la solucion trivial. nitas soluciones.
El espacio nulo de A contiene unicamente El espacio nulo de A tiene dimension  1.
al vector nulo.(dimension = 0)
A es equivalente por las a In. A no es equivalente por las a In.
A puede expresarse como producto de ma- A no puede ser expresada como producto
trices elementales. de matrices elementales.
La de nicion de dimension puede ser aplicada a subespacios:
1. Un vector no nulo x en R3 genera un subespacio uni-dimensional de R 3
hxi = f :x : cualquier escalarg
Un vector z pertenece a hxi si y solo si (z1 ; z2; z3 )T es multiplo escalar de (x1 ; x2 ; x3)T .
Geometricamente, un subespacio uni-dimensional de R 3 es una recta que pasa por
el origen.
2. Dos vectores linealmente independientes, x e y en R 3 general un subespacio bi-
dimensional de R 3
hx; yi = f :x + :y : y escalares cualesquierag
Un vector z pertenece a hx; yi si y solo si (z1 ; z2 ; z3)T pertenece al plano generado
por x, y y el origen.
Geometricamente, un subespacio bi-dimensional de R 3 es un plano que pasa por el
orige n.
Finalmemte...
Teorema Si V es un espacio vectorial de \dimension n" (n > 0) entonces
1. Cualquier conjunto de n vectores \linealmente independientes" de V genera todo V
(forman una base de V ) .Ademas
2. Todo conjunto de n vectores que generan V son \linealmente independientes"
No lo demostramos aqu . Consultar la bibliografa. Aunque no es di cil pensarlo
y hacerlo (el 1. es inmediato formando un sistema, y en el 2. pensar que ocurrira si
fuesen dependientes, pueden generar todo el espacio de dimension n ?.
30
Conclusiones Es decir, que n-vectores linealmente independientes de un espacio V que
tiene dimension n son una base de V . Las bases de V estan determinadas por n-vectores
linealmente independientes.
Ejemplo Determinar si los siguientes vectores forman una base de R 3
n o
(1; 2; 3)T ; (;2; 1; 0)T ; (1; 0; 1)T
Como la dimension de R 3 es 3, solo necesitamos averiguar si estos 3 vectores son
linealmente independientes
1 ;2
1
2 1 0 = (;1)1+3 :1: (0 ; 3) + (;1)2+3 :0: (0 + 6) + (;1)3+3 :1: (1 + 4)
3 0 1
= ;3 + 5 = 2 6= 0
Por tanto, los vectores son \linealmente independientes" y forman una base de R 3 .
Ejercicios
X 4.1 *** Hemos visto que toda base de <3 contiene el mismo numero de vectores (=
3).
(a) Mostrar que no hay subconjuntos de <3 linealmente independientes, con mas de
3 elementos.
(b) Dados los vectores a = [1; 0; 1], y b = [1; 0; 0] de <3, analizar si son linealmente
independientes, y si pueden generar a todo el espacio <3 .
Por ejemplo: el vector [0; 1; 0] se puede escribir como combinacion de esos vec-
tores?. Hacerlo.
(c) Mostrar que un subconjunto con menos de 3 elementos no genera <3 .
Problema Demostrar que \ si V es un espacio vectorial de dimension n (n > 0)"
entonces:
1. Ningun conjunto con menos de n vectores puede generar a V
2. Cualquier conjunto con menos de n vectores linealmente independientes puede ser
extendido para formar una base de V
3. Cualquier conjunto con mas de n vectores que genere a V puede ser recortado para
formar una base de V

4.1 Para practicar ...

31
Ejercicios
X 4.1 Decidir
01si1son03bases
1 0de 1<3 , los conjuntos
0 1 0
que1siguen: 0 1 0 1 0 1
0 1 3 0 1 2
(a) h@2A ; @2A ; @0Ai (b) h@2A ; @2Ai (c) h@ 2 A ; @1A ; @5Ai
030 1 01 11 01 11 3 1 ;1 1 0
(d) h@ 2 A ; @1A ; @3Ai
;1 1 0
4.2 Encontrar bases para el conjunto solucion del sistema:
x1 ; 4x2 + 3x3 ; x4 = 0
2x1 ; 8x2 + 6x3 ; 2x4 = 0
Tener en cuenta que1 la;reducci on (veri car)
 indica
 que 
4 3 ;1 0 ;2;! 1 +2 1 ;4 3 ;1 0
2 ;8 6 ; 2 0 0 0 0 0 0
1on que x1 = 4x2 ; 3x3 +0x4.1El conjunto
da0la unica condici 0 1solucio0n es1
4x2 ; 3x3 + x4 4 ;3 1
B
fB x2 C
C
x ; x ; x 2 <g = f x
B
B 1C + x B 0 C + x B0C
C B C B C x ; x ; x 2 <g
@ x3 A 2 3 4 2 @0A @ 1 A @0A 2 3 4
3 4
x4 0 0 1
Observar que la candidata obvia 041para0;la31base0es: 1
1
B1CC ; BB 0 CC ; BB0CCi
hB
@0A @ 1 A @0A
0 0 1
Mostrar que es cierto!.
X 4.3 Encontrar una base para M22 , las matrices de 2  2.
X 4.4 Encontrar una base para :
(a) El espacio de los vectores las de 3- componentes (x1; x2; x3), cuya suma de la
componente 1 y 2 es cero.
4.5 Debe una base permanecer siendo base aunque sus terminos se permuten?
4.6 Puede una base de V contener al vector \cero" de V?
X 4.7 Sea h~ 1; ~ 2 ; ~ 3i una base de un espacio vectorial (de dimension 3).
(a) Mostrar que hc1~ 1; c2~ 2; c3~ 3i es una base cuando c1 ; c2; c3 6= 0. >Que sucede
cuando al menos algun ci es 0?
(b) Probar que h~ 1; ~ 2 ; ~ 3 i es una base si ~ i = ~ 1 + ~ i.
X 4.8 Si h~ 1; : : : ; ~ ni es una base, mostrar que en la ecuacion
c1~ 1 +    + ck~ k = ck+1~ k+1 +    + cn~ n
todos los ci 's valen cero. Generalizar.
4.9 Para un conjunto base, hemos mostrado que todas sus combinaciones lineales son
unicas.
Si un conjunto \no es una base", >puede tener combinaciones lineales distintas que
den el mismo vector ?

32
4.2 Bases canonicas
Para Rn , los vectores fe1 ; e2; : : : ; eng:
01 01 01
1 0 0
BB0CC BB1CC BB0CC
B@ ... CA , B@ ... CA , , B .. C
@.A
0 0 1
Para R 22 , los vectores (matrices de 2  2):
1 0 0 1 0 0 0 0
0 0 , 0 0 , 1 0 , 0 1
Base para Pn: las funciones polinomicas:
p0 (x) = 1; p1 (x) = x; : : : ; pn;1 (x) = xn;1
Comentarios Estas bases parecen ser las mas simples y las mas \naturales" para ser
usadas. Sin embargo,
... en algunos contextos (y en algunas aplicaciones) no son convenientes o utiles. Esto
nos lleva a considerar : : :

5 Bases, coordenadas y cambio de base


5.1 Coordenadas de un vector
Un vector x = (x1 ; x2)T de R 2 puede expresarse en terminos de la base canonica e1; e2
como
x = x1 :e1 + x2 :e2
Podemos considerar a x1 y a x2 como las coordenadas de x con respecto a la base
canonica fe1; e2 g. Gra car.
... Tambien podemos escribir a x como combinacion lineal de otras bases de R 2 , es
decir
... se puede usar como base cualquier par de vectores y y z linealmente independientes
x = :y + :z
... Ahora y seran las coordenadas de x con respecto a la base fy; zg.
Si ordenamos los vectores de esta base, y y z (y es el primero en la base y z es el
segundo), y
... escribimos las base ordenada como
[y; z]
 
... entonces podemos referirnos a = ( ; )T como el vector de coordenadas de x con
respecto a la base [y; z].
33
Las coordenadas del vector x con respecto a la base canonica son (x1 ; x2 )T , pero esto no
es cierto si consideramos cualquier otra base [y; z].

Sobre el orden en los vectores de una base:


Observacion El vector coordenadas de un vector x con respecto a una base ordenada
[z; y]
... es ( ; )T , y el vector coordenadas de x con respecto a la base ordenada
[e2 ; e1]
... es (x2 ; x1 )T .

Comentarios El orden de los vectores en una base es importante, y se indica usualmente


en forma explcita mediante los subndices
[u1; u2 ; : : : ; un]
Ejemplo En R 2 , sean: u1 = (2; 1)T y u2 = (1; 4)T (como u1 y u2 son linealmente
independientes, forman una base de R 2 ). El vector
x = (7; 7)T = 7:e1 + 7:e2
puede ser escrito como
x = 3:u1 + u2
... en consecuencia, el vector coordenadas de x con respecto a [u1; u2 ] es
T
... (3; 1) :

Ejercicio
1 Encontrar las coordenadas
1 ;1respecto de la base indicada, para el vector:
2 , si la base es B = h 1 ; 1 i  <
2

34
5.2 Cambio de base
Objetivo ...
Pregunta: Si para un vector espec co, se conocen las coordenadas respecto
de una base,
... >como se obtienen las coordenadas respecto de otra base?
... > Como ir de una base a la otra, y conocer las coordenadas respecto de las respectivas
bases?.
En R 2 , supongamos que queremos intercambiar las bases [e1 ; e2] y [u1; u2 ], siendo
3 1
u1 = 2 y u2 = 1
) hay dos problemas distintos:
Uno ... x 
1. Dado un vector x = x1 = x1 :e1 + x2 :e2 , encontrar sus coordenadas con respecto
2
a [u1 ; u2].
Otro ...
2. Dado un vector con coordenadas respecto de la base u1 y u2, c1:u1 + c2:u2 , encontrar
sus coordenadas con respecto a la base [e1 ; e2].
Para resolver el segundo problema: Base "vieja": [u1 ; u2 ]
Base "nueva": [e1 ; e2]
... expresamos los vectores de la \base vieja" en terminos de los vectores de la \base
nueva"
u1 = 3:e1 + 2:e2
u2 = e1 + e2:
Entonces ...
x = c1 :u1 + c2:u2 = (3c1:e1 + 2c1:e2 ) + (c2:e1 + c2:e2 )
= (3c1 + c2 ) :e1 + (2c1 + c2 ) :e2
=) que el vector de coordenadas de x, x = (c1 :u1 + c2:u2 ) con respecto a [e1 ; e2] es
3c + c  3 1 c 
x = 2c1 + c2 = 2 1 : c1
1 2 2
... Por tanto, si consideramos la matriz ...
 3 1
U = (u1 ; u2) = 2 1 ,
Si c = (c1; c2)T es el vector de coordenadas respecto de la base fu1; u2g, entonces el
producto
U:c
da el vector de las coordenadas de x, respecto de la base canonica.
35
Conclusiones As ...
... dado cualquier vector de coordenadas c con respecto a la base [u1 ; u2 ],
... para encontrar el correspondiente vector de coordenadas x, con respecto a la base
[e1 ; e2], debemos multiplicar U por c:
x = U:c
La matriz U de 2  2 se llama matriz de transicion de la base ordenada [u1; u2 ] a la
base ordenada [e1 ; e2].

... Ahora, para responder al otro problema (el primer problema propuesto):
conociendo las coordenadas de un vector respecto de la \base canonica", >como se procede
para conocer las coordenadas respecto de la base dada por \ u1 y u2"?.
Necesitamos la matriz de transicion de la base canonica a la \nueva" es decir de [e1 ; e2]
a [u1 ; u2]...
... Esto es simple, como los vectores columnas de la matriz U u1 y u2 son linealmente
independientes, la matriz
3 1
U = (u1 ; u2 ) = 2 1
es \no singular". As \tiene inversa" U ;1 .
... Luego, las coordenadas c respecto de la base fu1; u2g
se obtienen...
c = U ;1 :x
... es decir, U ;1 es la matriz de transicion de [e1 ; e2] a [u1 ; u2].
7
Ejemplo Encontrar las coordenadas de x = 4 con respecto a la base [u1 ; u2] anterior.
Tomamos, de nuevo,
3 1
U = 2 1
1
 1 ;1  1 ;1
;1
U = (3 ; 2) ;2 3 = ;2 3
y por tantolas coordenadas c respecto de la otra base ...
 1 ;1 7  3 
c = U ;1 :x = ;2 3 : 4 = ;2 ,
As eso signi ca que 3 y ;2 son las coordenadas respecto de la base nueva, o sea:
x = 3:u1 ; 2:u2

36
Ejercicio Encontrar la matriz de transicion de [e1 ; e2] a [b1 ; b2], donde
1 ;2
b1 = ;1 , b2 = 3
La matriz de transicion de [b1 ; b2 ] a [e1 ; e2 ] es
 1 ;2
B = (b1 ; b2) = ;1 3
Por tanto, la matriz de transicion de [e1 ; e2] a [b1; b2 ] es
3 2
B ;1 = 1 1
1
Si x = 2 , su vector de coordenadas c con respecto a la base [b1 ; b2] es
3 2 1 7
c = B ;1 :x = 1 1 : 2 = 3
Chequeo ...
1 ;2
7:b1 + 3:b2 = 7: ;1 + 3: 3
 7  ;6
= ;7 + 9
1
= 2 =x

Caso mas general: Llamemos S a la matriz de transicion de la base ordenada [v1 ; v2]
de R 2 a [u1 ; u2]
s s 
S = 11 12
s21 s22
... >Como se hallan los coe cientes sij ?
Como
v1 = 1:v1 + 0:v2 ,
... su vector de coordenadas relativo a [u1 ; u2] es

... Ademas, como


v2 = 0:v1 + 1:v2
37
su vector de coordenadas relativo a [u1 ; u2 ] es
s s  0 s 
s2 = s11 s12 : 1 = s12
21 22 22
)
v1 = s11 :u1 + s21 :u2
v2 = s12 :u1 + s22 :u2
Conclusiones ... Si los elementos v1 y v2 de la base "vieja" seT escriben en terminos
de la base "nueva" [u1 ; u2 ], el vector de coordenadas s1 = (s11 ; s21 ) correspondiente a v1
sera la primer columna de la matriz de transicion S ,
... y el vector de coordenadas s2 = (s12 ; s22 )T correspondiente a v2 sera la segunda
columna de S .
... Por tanto, S es la matriz cuya primer columna es el vector de los coe cientes para
expresar v1 mediante la base u, y la segunda columna son las coordenadas de v2 respecto
de u1 y u2 .
Ejemplo Encontrar S correspondiente al cambio de bases [v1; v2] ;! [u1 ; u2 ], donde
5 7 3 1
v1 = 2 , v2 = 3 , u1 = 2 , u2 = 1
Escribimos v1 y v2 en terminos de [u1 ; u2 ]
v1 = s11 :u1 + s21 :u2
v2 = s12 :u1 + s22 :u2
La primer ecuacion es
5 3s + s 
2= 11 21 ,2s11 + s21
s   3 
que tiene solucion s11 = ;4 .
21
La segunda ecuacion es
7 3s + s 
3 = 12 22 212 + s22
s   4 
que tiene solucion s12 = ;5 .
 3 224 
Luego, S = ;4 ;5 es la matriz de transicion de [v1 ; v2 ] a [u1 ; u2 ].

38
Metodo alternativo: Cambio de bases de [v1; v2 ] ;! [u1 ; u2] a traves de la base
canonica ; es decir,
[v1; v2 ] ;! [e1; e2 ] ;! [u1; u2 ]
Tomemos un vector dado en la base canonica x = (x1 ; x2 )T en R 2 . Si c es el vector
de coordenadas de x con respecto a [v1; v2 ], y d es el vector de coordenadas de x con
respecto a [u1 ; u2], entonces
c1:v1 + c2:v2 = x1 :e1 + x2 :e2 = d1:u1 + d2:u2
Si V es la matriz de transicion de [v1 ; v2] a [e1 ; e2], y U ;1 es la matriz de transicion
de [e1 ; e2] a [u1 ; u2], entonces
V:c = x y U ;1 :x = d
por lo tanto
U ;1 :V:c = U ;1 :x = d,
U ;1 :V es la matriz de transicion de [v1 ; v2] a [u1 ; u2].
Ejemplo (anterior)
5 7 3 1
v1 = 2 , v2 = 3 , u1 = 2 , u2 = 1
Debera ser
3 1;1 5 7
S = U ;1 :V = 2 1 : 2 3
1  
;1 : 5 7
=
;32 3
4
 2 3
= ;4 ;5
Esquematicamente

o,
V U ;1
[v1; v2 ] ;! [e1; e2 ] ;! [u1; u2 ]
Como siempre, las operaciones deben realizarse en el orden correcto:
39
1. [v1; v2 ] ;! [e1 ; e2 ]: multiplicar por V .
... luego
2. [e1 ; e2 ] ;! [u1; u2 ]: multiplicar por U ;1 .
Caso general: espacio vectorial n-dimensional Si V es una espacio vectorial n-
dimensional con una base ordenada E = [v1 ; v2; : : : ; vn], entonces cualquier vector v
puede ser escrito en la forma
v = c1:v1 + c2 :v2 +    + cn:vn
donde fcj g son escalares.
Podemos asociar a cada vector v en V un unico vector c en R n :
0 1
c
BBc12 CC
B@ ... CA ,
cn
llamado vector de coordenadas de v con respecto a la base ordenada E . Los fcj g se llaman
coordenadas de v relativas a E , y c se suele escribir como: c = [v]E .
Recprocamente, a cada vector c en Rn podemos asociarle un unico vector v en V
v = c1:v1 + c2 :v2 +    + cn:vn
Hemos generado una correspondencia 1-1 entre los espacios vectoriales V y R n .
En el caso de un espacio vectorial n-dimensional, la matriz de transicion entre dos
bases ordenadas diferentes sera una matriz de n  n.
Ejemplo En R 3 , dos bases E , F :
2011 021 0113
E = [v1; v2 ; v3] = 4@1A ; @3A ; @5A5
20111 0211 04113
F = [u1; u2 ; u3] = 4@1A ; @2A ; @2A5
0 0 1
Encontrar la matriz de transicion E ;! F (a traves de [e1 ; e2 ; e3 ]).
Como en el ejemplo anterior de dimension 2, la matriz de transicion es:
01 1 11;1 01 2 11
U ;1 :V = @1 2 2A : @1 3 5A
002 0 ;11 0 1 1012 24 11
= @;1 1 ;1A @1 3 5A
0 01 01 ;131 1 2 4
= @;1 ;1 0 A
1 2 4

40
Ejemplo Encontrar las coordenadas con respecto a la base ordenada F de los vectores
x = 3:v1 + 2:v2 ; v3 y y = v1 ; 3:v2 + 2:v3
Tomando
031 011
[x]E = @ 2 A y [y]E = @;3A
;1 2
tendremos
0 1 1 ;31 0 3 1 0 8 1
[x]F = @;1 ;1 0 A : @ 2 A = @;5A
1 2 4 ;1 3
y
0 1 1 ;31 0 1 1 0;81
[y]F = @;1 ;1 0 A : @;3A = @ 2 A
1 2 4 2 3
Veri cacion:
8:u1 ; 5:u2 + 3:u3 = 3:v1 + 2:v2 ; v3
;8:u1 + 2:u2 + 3:u3 = v1 ; 3:v2 + 2:v3

Para practicar ...


Ejercicios
X 5.1 Representar
 0  el vector dado con respecto de la base que se indica :
(a) ;1 respecto de la base u1 = (1; ;1) y u2 = (1; 1) .
0 1 0
B;1CC, respecto de la base canonica. E  <4
(b) B
@0A 4
0 01 1
(c) @;1A, respecto de la base (1; 1; 0), (1; ;1; 0), (0; 0; 1).
0
5.2 Suponga que, en el plano los ejes se rotan un angulo  (medido en radianes) en el
sentido antihorario. Esto da nuevos ejes que se denotan x~; y~.
> Cuales son las coordenadas (x; y) , en la base canonica, de los vectores unitarios
e1 , e2 rotados?.
Mostrar que la matriz de transicion (o del cambio de coordenadas ) desde la vieja
fe1 ; e2g a la nueva es :  cos() sen()
;1
U = ;sen() cos()
- Si  = =4, hallar las coordenadas respecto de los nuevos ejes del vector x = (2; 3)
(dado en coordenadas canonicas). Gra car e interpretar geometrcamente.

41
Dimension n: Cambio de bases de E = [w1; w2; : : : ; wn] a F = [v1 ; v2; : : : ; vn] (bases
ordenadas de V ).
Escribimos cada elemento de E en terminos de los elementos de F :
w1 = s11 :v1 + s21 :v2 +    + sn1:vn
w2 = s12 :v1 + s22 :v2 +    + sn2:vn (2)
......
wn = s1n:v1 + s2n:v2 +    + snn:vn
Tomando cualquier vector v. Y escribimos x = [v]E y y = [v]F . Esto es
v = x1:w1 + x2 :w2 +    + xn:wn
= y1:v1 + y2:v2 +    + yn:vn
Se sigue que
y = S:x
donde los coe cientes fsij g son la matriz de transicion S de nida en el sistema 2:
Observacion Si y = 0, esto es, las coordenadas de v con respecto a la nueva base F
son todas cero, entonces v debe ser el vector cero. Por lo tanto las coordenadas de v con
respecto a la vieja base E (o cualquier otra base) deben ser cero, esto es x = 0. En otras
palabras, si y = 0, el sistema lineal de n  n
S:x = y
tiene solo la solucion trivial, x = 0. Por lo tanto:
La matriz de transicion S es no singular, y la matriz de transicion de la base F a la
base E es S ;1 , esto es
x = S ;1:y
Mas generalmente, cualquier matriz no singular de n  n puede ser considerada como
la matriz de transicion entre una base [v1 ; : : : ; vn ] y alguna otra base:
Si [v1 ; : : : ; vn ] es una base, y S = fsij g es una matriz no singular de n  n, de nimos
los vectores [w1 ; : : : ; wn] como
w1 = s11 :v1 + s21 :v2 +    + sn1:vn
w2 = s12 :v1 + s22 :v2 +    + sn2:vn
... ...
wn = s1n:v1 + s2n:v2 +    + snn:vn
Se puede demostrar (nosotros no lo haremos) que los vectores wi son linealmente
independientes porque los vectores vi lo son y porque S es no singular. Como [w1 ; : : : ; wn]
son n vectores, forman una base. Y la matriz S es la matriz de transicion de [w1 ; : : : ; wn]
a [v1; : : : ; vn ].

42
En la practica, la eleccion optima de la base depende del caso particular o del problema
que se quiere resolver.
Dos tipos importantes de bases de <n en ciertas aplicaciones son:
 Bases ortonormales, consistente en vectores que son ortogonales entre si, y cada
vector tiene longitud unitaria. Ejemplo, la canonica en <n.
 Bases de autovectores asociados a una cierta matriz A de n  n. Esto se vera mas
adelante. Auun no hemos de nido que es un autovector de una matriz A.
Ejemplo Espacio de funciones.
La base canonica de P3 es E = [p0 ; p1; p2 ], con
p0 (x) = 1, p1 (x) = x, p2 (x) = x2
Consideremos el vector p = 2:p0 ; p1 + 3:p2 . Esto es,
p (x) = 2 ; x + 3x2
El vector coordenadas de p con respecto a la base canonica es
021
[p]E = @;1A
3
Consideremos ahora otra base ordenada U = [u0 ; u1 ; u2 ], con
u0 (x) = 1, u1 (x) = 1 ; x, u2 (x) = 1 + x2
>Son bases de P3 ?. Son 3 vectores en un espacio de dimension 3. Por lo tanto, solo
hace falta comprobar la independencia lineal:
0 = c0 :u0 + c1:u1 + c2:u2
Concluimos que
;
0 = c0 + c1 (1 ; x) + c2 1 + x2

= (c0 + c1 + c2 ) ; c1x + c2x2

=) c0 + c1 + c2 = 0; c1 = 0; c2 = 0
c0 = c1 = c2 = 0
... y por tanto [u0 ; u1 ; u2] forman una base de P3.
...>Cuales son las coordenadas de p con respecto a la nueva base dada por ui, i = 1; 2; 3?
Primero expresamos la nueva base en terminos de la base canonica
u0 = p0 = 1:p0 + 0:p1 + 0:p2
u1 = p0 ; p1 = 1:p0 ; 1:p1 + 0:p2
u2 = p0 + p2 = 1:p0 + 0:p1 + 1:p2
43
La matriz de transicion de la base U a la E es
01 1 11
U = @0 ;1 0A
0 0 1
La matriz de transicion de E a U es
01 1 ;11
U ;1 = @0 ;1 0 A
0 0 1
Por lo tanto
01 1 ;11 0 2 1 0;21
[p]U = U ;1 : [p]E = @0 ;1 0 A : @;1A = @ 1 A
0 0 1 3 3
Esto es, p = ;2:u0 + u1 + 3:u2 .
Veri cacion:
;
;2:u0 (x) + u1 (x) + 3:u2 (x) = ;2 + (1 ; x) + 3 1 + x2

= 2 ; x + 3x2
= p (x)
Ejercicios
X 5.1 Representar el vector dado con respecto de la base :
(a) x2 + x3 , D = h1; 1 + x; 1 + x + x2; 1 + x + x2 + x3 i  P3

6 Espacio la y espacio columna de una matriz


... Volvemos al mundo de las matrices de m  n.
Cada la de una matriz A de m  n puede ser considerada como una matriz de 1  n
( y un elemento del espacio vectorial R n ), y cada una de las columnas de A como una
matriz de m  1 (un elemento de R m ).
Objetivo ... En lo que sigue obtendremos resultados sobre sistemas lineales, respecto de
la no existencia o la existencia de una o mas soluciones, a partir de conocer el numero
de las o columnas linealmente independientes de la matriz A, y las caractersticas del
termino b del sistema.

De nicion Sea A una matriz de m  n.


Vectores las de A : Son los m vectores (1  n) correspondientes a las las de A.
Vectores columnas de A: Son los n vectores (m  1) correspondientes a las columnas
de A.
Espacio la de A: El subespacio de Rn generado por los vectores las de A.
Espacio columna de A: El subespacio de Rm generado por los vectores columnas de A.
44
1 
Ejemplo A = 0 01 00
El espacio la de A son todos los vectores de 1  3 de la forma
: (1; 0; 0) + : (0; 1; 0) = ( ; ; 0)
El espacio columna de A es el conjunto de todos los vectores de 2  1 de la forma
1 0 0
: 0 + : 1 + : 0
As el espacio la de A es un subespacio ... R 3 de dimension 2.
Mientras que el espacio columna de A es (todo)... R 2 .
Teorema Si dos matrices A y B de m  n son \equivalentes" por las ) tienen el \
mismo espacio la".
Demostracion. Si B es equivalente por las a A, entonces B se obtiene a partir de A
mediante una secuencia nita de operaciones elementales por las.
Eso ! que los vectores las de B son una combinacion lineal de los vectores las de
A.
Luego, el espacio la de B esta contenido en el espacio la de A.
Recprocamente,...
... si A es equivalente por las a B , el espacio la de A debe ser un subespacio del
espacio la de B .
... Por tanto, los dos espacios son iguales.
Conclusiones ... Se obtiene de ah que el subespacio de <n generado por las las
linealmente independientes de la forma escalonada reducida (las las no nulas) coincide
con el subespacio generado por las las de A. Por tanto, el numero de las linealmente
de A y la escalonada son iguales, y las las no nulas de esta ultima son una base de ese
subespacio.
Rango de una matriz
De nicion El rango de una matriz A de m  n es la dimension del espacio la de A.
Y se denota como
rango (A) = rank(A)
... La dimension del espacio la de una matriz A es igual a la cantidad maxima de
vectores las linealmente independientes de A.
... As si A es del tipo m  n, no nula, su rango sera r siendo 1  r  m (el numero
de las linealmente independientes que coincide con el numero de las las no nulas de la
matriz escalonada reducida correspondiente).
Por ejemplo,
 1 0 0
A = ;1 0 0 , rango (A) = 1

45
... Para determinar el rango (A), se reduce A a la forma escalonada reducida por las.
Luego,
... las las \no nulas" de las matriz escalonada por las formaran una base del espacio
la.
01 ;2 3
1 0
1 ;2 3
1
Ejemplo A = @2 ;5 1 ;! U = 0 1 5A
A @
1 ;4 ;7 0 0 0
(1; ;2; 3) y (0; 1; 5) forman una base del espacio la de U . Pero como U y A son
equivalentes por las, tienen el mismo espacio la: rango (A) = 2.
A veces, el rango de una matriz puede determinarse inmediatamente por inspeccion de
los vectores las, sin necesidad de la reduccion por las, analizando cuantas las lineal-
mente independientes hay en forma directa.
Ejercicio Encontrar una base del espacio de las las mediante el metodo de Gauss
(tomando las no nulas). Por ejemplo:
01 1
3 1 ; + 6 +
01 3 1
1
@1 4 1A ;2;!
1 2
1 +3
;!
2 3 @0 1 0A
2 0 5 0 0 3
; ; ; 
produce la base h 1 3 1 ; 0 1 0 ; 0 0 3 i para el espacio la. Esta base es base
para ambas matrices la inicial y nal.

6.1 Relacion con los sistemas lineales de m  n (completando el


cuadro).
Dijimos previamente que un sistema lineal A:x = b, de m  n se puede escribir como una
sola ecuacion entre vectores columnas del tipo m  1:
0a 1 0a 1 0a 1 0b 1
11 12
BB a21 CC BB a22 CC BB a12nn CC BB b12 CC
x1 : B@ ... CA + x2: B@ ... CA +    + xn: B@ ... CA = B@ ... CA
am1 am2 amn bm
o
x1 :a1 + x2 :a2 +    + xn:an = b
Cada ai indica la columna i;esima.
 Tal igualdad implica que un sistema es \consistente" (tiene alguna solucion) si y
solo si el vector columna b puede ser escrito como combinacion lineal de los vectores
columnas de A. Los coe cientes en esta combinacion lineal son las n incognitas
x1 ; x2; : : : ; xn.
Enunciamos esto de una manera mas concisa ...

46
Teorema Teorema de consistencia.
Un sistema lineal A:x = b de m  n es consistente \ si y solo si" el vector columna b
pertenece al espacio columna de A.
As ...
(i) En el caso de un sistema homogeneo, se sabe que siempre tiene solucion, ...
A:x = 0
o
x1 :a1 + x2 :a2 +    + xn :an = 0
... pero el sistema tiene solo la solucion trivial (x = 0) \si y solo si" los vectores
columnas de A son linealmente independientes (en ese caso el cero vector se puede
escribir como una combinacion de las columnas solo con coe cientes \ceros" ).
... En el caso de sistemas cuadrados n  n, eso es equivalente a que la matriz de
coe cientes es \ no singular" (existe la inversa A;1).
... Para un sistema m  n con m < n, menos ecuaciones que incognitas, signi ca
que el sistema Ax = 0 tiene in nitas soluciones, ya que todos los n vectores colum-
nas de R m \ no pueden ser linealmente independientes" pues como m < n a lo mas
habra m vectores de <m linealmente independientes. As las n columnas seguro son
linealmente dependientes. Por lo tanto, el sistema homogeneo tiene in nitas solu-
ciones, ya que el vector 0 se puede escribir de in nitas maneras como combinacion
de esas columnas dependientes.
Por otra parte ...
(ii)
Teorema Dada A una matriz de m  n.
(a) El sistema A:x = b es consistente (tiene al menos una solucion) para todo vector b
de R m si y solo si los vectores columnas de A generan R m .
Ademas ...
(b) El sistema tiene \ a lo sumo una solucion (no tiene solucion o solo una)" para todo
b en R m si y solo si los vectores columnas de A son linealmente independientes.
... La parte (a) se deduce del teorema de consistencia: Si todo vector b en R m
pertenece al espacio columna de A entonces los vectores columnas de A deben
generar todo el espacio R m . Es decir que debe haber m vectores columnas que son
linealmente independientes (y as forman una base de <m ) y generan todo <m . Y
recprocamente, si existem m vectores columnas independientes generan todo <m,
entonces todo b esta en el espacio columna. .
... La parte (b) se deduce de lo siguiente: Si el sistema tiene a lo sumo una unica
solucion para cada b, entonces en particular el sistema A:x = 0, que siempre tiene
47
solucion, tiene una unica solucion. Entonces, los vectores columnas faj g deben ser
linealmente independientes, ya que el vector cero se escribe de una unica forma como
combinacion de las columnas con coe cientes todos ceros.
Recprocamente, supongamos que los vectores faj g son linealmente independientes.
Si existiese mas de una solucion ..., si existen dos soluciones distintas x1 y x2 de
A:x = b, entonces se debera satisfacer A: (x1 ; x2 ) = A:x1 ; A:x2 = b ; b = 0.
Pero, como los faj g son linealmente independientes, debe ser x1 ; x2 = 0. Esto es,
x1 y x2 deberan ser iguales. Por tanto, si el sistema tiene solucion, a lo sumo tiene
una unica solucion.
Ahora...
Conclusiones Supongamos que A tiene dimension m  n, entonces:
 Si m > n, a lo mas habra n columnas independientes, por lo tanto esas columnas
(que son menos de m) no generan todo <m , entonces (de acuerdo a (a)) existen
vectores b de <m para los cuales el sistema Ax = b no tiene solucion, ya que estos
b no estaran en el espacio generado por las columnas.
... Si m > n, y si hay exactamente n columnas independientes, entonces cada vez
que el b pertenezca al espacio de las columnas, el sistema tendra una unica solucion
(de acuerdo a (b)).
... Si m > n, y si hay r columnas independientes con r < n < m, si el sistema tiene
solucion (b esta en el espacio generado por las columnas) tendra in nitas soluciones.
 Si m < n, hay mas columnas ( n vectores de <m ) que las. Por lo tanto, seguro
que las n columnas son linealmente dependientes. Luego, el sistema Ax = 0 tiene
in nitas soluciones.
... Ademas, el rango(A) = r de la matriz (dimension del espacio de las las) es
r  m < n.
... Si hay m columnas independientes (m < n), esas columnas generan todo <m , as
todo vector b de <m esta en el espacio generado por las columnas, \existe solucion"
y son in nitas.
... Si el espacio columna tiene r columnas linealmente independientes, con r < m <
n, puede no haber solucion, dependiendo de saber si el vector b 2 <m esta o no en
el espacio de dimension r, generado por las columnas.
 Si m = n, ....
... si las columnas son linealmente independientes, vimos que A es no singular ( AT
tambien), as para todo b el sistema Ax = b tiene solucion unica.
... Si las columnas son linealmente dependientes, el sistema Ax = 0 tiene in nitas
soluciones, y la matriz A es singular (AT tambien). En ese caso, el sistema Ax = b
no tendra solucion o tendra in nitas soluciones dependiendo de saber si b esta en
el espacio generado por las columnas de A.

48
Ademas ...
... Si A cuadrada n  n, y los vectores columnas son linealmente independientes (,
A no singular), los vectores columnas de A generan una base de <n, y por el teorema (a)
para todo b, el sistema Ax = b tiene una unica solucion ( ya se sabia).
Rango y nulidad de una matriz
De nicion Se denomina nulidad de una matriz A de m  n a la dimension de su espacio
nulo N (A).
... Se tiene el siguiente resultado, relacionando el rango de una matriz (dimension del
subespacio de las las de A contenido en <n) y la dimension del espacio nulo N (A) (
subespacio de <n).
Teorema (Rango-Nulidad) Dada una matriz A de m  n, entonces
rango (A) + nulidad (A) = n
Demostracion. Si U es la matriz escalonada reducida por las de A, el sistema A:x = 0
es equivalente al sistema U:x = 0. Si rango (A) = r, entonces U tiene r las no nulas, y
el sistema U:x = 0 involucra n ; r variables independientes y r variables dependientes.
Pero la dimension de N (A) es precisamente el numero de variables independientes, y por
lo tanto
rango (A) + nulidad (A) = r + (n ; r) = n

Eso dice, que si hay r las linealmente independientes ( vectores de <n), y la dimen-
sion del subespacio de <n generado por ellas tiene dimension r, el subespacio N (A) que
esta formado por los vectores ortogonales al de las las, es complementario de este con
dimension n ; r, de tal forma que la suma de las dos dimensiones es n, la dimension del
espacio <n.
Ejemplo Encontrar una base para el espacio la y para el espacio nulo de
01 2 ;1 11
A = @2 4 ;3 0A
1 2 1 5
y veri car que nulidad (A) = n; rango (A).
... Al reducir por las a A obtenemos
01 2 0 3
1
U = @0 0 1 2A
0 0 0 0
Luego, [(1; 2; 0; 3) ; (0; 0; 1; 2)] es una base para el espacio la (de A y de U ), y el
rango (A) = 2.
49
Para encontrar el N (A), resolvemos el equivalente U:x = 0
x1 + 2x2 + 0x3 + 3x4 = 0
x3 + 2x4 = 0
Hay dos variables dependientes: x3 y x1 .
Variables independientes: x2 y x4 .
x1 = ;2x2 ; 3x4
x3 = ;2x4
... Tomando x2 = y x4 = , la solucion general es
0x 1 0;2 ; 3 1 0;21 0;31
BBx12CC = BB CC = : BB 1 CC + : BB 0 CC
@x3A @ ;2 A @ 0 A @;2A
x4 0 1
... El espacio nulo de A consiste en todos los vectores de esa forma. Estos dos vectores
columnas son una base para el N (A) (son linealmente independientes). Y
nulidad (A) = 2 = 4 ; 2 = 4 ; rango (A)
... Luego conociendo la dimension de N (A), o la dimension del espacio de
las las de A se obtiene el otro.
6.2 Espacio columna de A (m  n). Igualdad entre las dimen-
siones del espacio la y el espacio columna.
Las matrices A, y la escalonada reducida U , del ejemplo previo, tienen diferentes espacios
columna, pero sus vectores columnas tienen las mismas relaciones de dependencia ...
... Observar
01 2 ;1 11 01 2 0 31
A = @2 4 ;3 0A ; U = @0 0 1 2A
1 2 1 5 0 0 0 0
Notar que ...
u2 = 2:u1
u4 = 3:u1 + 2:u3
y
a2 = 2:a1
a4 = 3:a1 + 2:a3
Comentarios Si A es una matriz de m  n y U es la matriz escalonada reducida por
las correspondiente, entonces sus vectores columnas satisfacen las mismas relaciones de
dependencia, ya que los sistemas A:x = 0 y U:x = 0 son equivalentes (tienen igual
solucion).
50
... y se tiene el importante resultado:
Teorema La dimension del espacio la de una matriz A (rango(A)) de m  n es igual
a la dimension de su espacio columna.
Demostracion. La matriz U escalonada reducida por las de A tiene r coe cientes 1
como pivotes; y las columnas que contienen a estos pivotes son linealmente independientes
(son algunos de los vectores ei de la base canonica de <m ). Sin embargo, estas columnas
no forman una base para el espacio columna de A ya que (en general) A y U no tienen
el mismo espacio columna.
Sea UL la matriz que se obtiene desde U al borrar las columnas que contienen las
variables libres (las columnas que no contienen a los pivotes), y sea AL la matriz que se
obtiene a partir de A al borrar las mismas columnas.
Por ejemplo, en el caso anterior
01 01 01 ;11
UL = @0 1A y AL = @2 ;3A
0 0 1 1
Dado que U y A son equivalentes por las, UL y AL tambien lo son (pensar en
que se obtiene UL desde AL por operaciones elementales for las). As , el rango(AL) =
rango(UL). Ademas
! Si x es solucion del sistema AL:x = 0, x debe ser tambien solucion del sistema UL:x = 0
(sistemas equivalentes)
! (dado que las columnas de UL son linealmente independientes) la unica solucion del
sistema anterior es x = 0,
! lo mismo vale para AL:x = 0, la unica solucion debe ser la x = 0, por ser equivalentes,
! las r columnas de AL son linealmente independientes.
! Dado que AL tiene r columnas independientes, la dimension del espacio columna de
A debe ser  r. Ademas r = rango de A (espacio la de A) por ser A equivalente
a U que tiene r pivotes 1, igual a r las no nulas.
Esto es,
dim (espacio columna de A)  dim (espacio la de A)
Aplicando el mismo razonamiento a AT se obtendra
;
dim (espacio la de A) = dim espacio columna de AT

; 
 dim espacio la de AT = dim (espacio columna de A)
... Luego, el espacio la y el espacio columna tienen la misma dimension.

51
Conclusiones Dada una matriz A de m  n, el numero de las linealmente independi-
entes de A \ es igual" al numero de columnas linealmente independientes.
... As el rango(A) = numero de las linealmente independientes = al numero de
columnas linealmente independientes.
... El rango de AT es igual al rango de A.
Observacion: Lo dicho previamente, no signi ca que el subespacio generado por las
las, sea el mismo que el generado por las columnas, sino solo que las dimensiones de
esos subespacios son iguales.
Ejercicios
X 6.1 Probar que un sistema lineal tiene solucion \ sii" la matriz de los coe cientes tiene
el mismo rango que la matriz aumentada.
6.2 Encontrar el rango columna de la matriz: 
1 3 ;1 5 0 4
2 0 1 0 4 1
6.3 Mostrar que un sistema lineal con al menos una solucion tiene una unica solucion
si y solo si la matriz de coe cientes tiene rango igual al numero de columnas.
X 6.4 Si una matriz es 5  9, cual conjunto debe ser dependiente , el conjunto de las o
el conjunto de las columnas ?
6.5 Dar un ejemplo para mostrar que a pesar que tienen igual rango por las y por
columnas, aunque tengan igual dimension, el espacio por las y por columnas no
necesariamente son iguales. Nunca son iguales?
Bases del espacio columna
 Para encontrar una \ base del espacio columna" de una matriz A de m  n, se re-
duce la matriz A a la matriz escalonada por las U y \ se identi can" las columnas
de U correspondientes a las variables dependientes (aquellas que tienen los coe -
cientes 1 como pivotes). Las columnas \correspondientes de A" seran linealmente
independientes y formaran una base para el espacio columna de A.
 Precaucion: U nos dice solo cuales son las columnas de A para formar una base
del espacio columna de A. No podemos usar los vectores columnas de U , ya que
en general los espacios columnas de A y U son diferentes. Lo vimos en un ejemplo
previo.
Ejemplo
0 1 ;2 1 1 2
1
B;1 3
A=B 0 2 ;2CC
@0 1 1 3 4A
1 2 5 13 5
Le corresponde la matriz escalonada por las
01 ;2 1 1
1
2
U =B
B0 1 1 3 0C
C
@0 0 0 0 1A
0 0 0 0 0

52
Los pivotes 1 aparecen en las columnas 1, 2 y 5. Por lo tanto, una base (no es la
unica) para el espacio columna de A puede ser
011 0;21 021
B;1CC , a = BB 3 CC , a = BB;2CC
a1 = B
@0A 2 @1A 5 @4A
1 2 5
y la dimension del espacio columna de A (y por lo tanto el rango (A)) es 3.
... La dimension del espacio nulo de A es n ; rango (A) = 5 ; 3 = 2. Precisamente
coincide con el numero de variables independientes que se observan en U .

6.3 Metodo alternativo para encontrar una base para el espacio


columna
Dado que las columnas de A son las las de AT , se puede reducir por las AT y encontrar
una base para el espacio la de ella.
... Luego, se pueden transponer estos vectores las para obtener una base para el
espacio columna de A.
Ejemplo
0 1 ;2 1 1 2
1
A =
BB;1 3 0 2 ;2C
C
@0 1 1 3 4A
0 11 ;21 5
0
13 5
1
1
BB;2 3 1 2CC
AT = BB 1 0 1 5CC
@1 2 3 13A
2 ;2 4 5
y
0 1 ;1 0 1
1 1
0 ;1 0 1
1
BB;2 3 1 2CC B
BB00 1 1 4CC
BB 1 0 1 5C ;!
C B@0 0 1 3=4C
C
@1 2 3 13A 0 0 0A
2 ;2 4 5 0 0 0 0
n o
... Una base para el espacio columna de A puede ser: (1; ;1; 0; 1)T ; (0; 1; 1; 4)T ; (0; 0; 1; 3=4)T .
Pregunta: >Como es esta base con respecto a la base fa1 ; a2 ; a5 g anterior?>Deberan
ser identicas?
Podemos resumir todo lo que sabemos sobre sistemas lineales de n  n y
m  n en dos tablas:

53
Lista de equivalencias para matrices n  n
Si A es una matriz de nn, las siguientes proposiciones son equivalentes
Lista A Lista B
A es no singular (tiene inversa) A es singular (no tiene inversa)
det A 6= 0 det A = 0
Los vectores columnas (vectores - Los vectores columnas (vectores -
las) de A son linealmente indepen- las) de A son linealmente dependi-
dientes y generan R n (forman una entes y no generan R n (no forman
base de Rn ) una base de R n )
El sistema lineal A:x = b tiene El sistema lineal A:x = b no tiene
solucion unica (para cualquier b): solucion o tiene in nitas soluciones,
x = A;1:b dependiendo de b
El sistema homogeneo A:x = 0 El sistema homogeneo A:x = 0
tiene solo la solucion trivial (x = 0) tiene in nitas soluciones
El espacio nulo de A tiene solo al El espacio nulo de A tiene dimen-
vector nulo (dimension = 0) sion  1
rango (A) = n rango (A) < n
A es equivalente por las a In A no es equivalente por las a In
A puede representarse como pro- A no puede representarse como pro-
ducto de matrices elementales fEig ducto de matrices elementales
Lista de propiedades para matrices de m  n
Si A es una matriz de m  n, las siguientes proposiciones son verdaderas
Lista A (m < n) Lista B (m > n)
0  rango (A)  m 0  rango (A)  n
El sistema homogeneo A:x = 0 El sistema no homogeneo A:x = b
tiene in nitas soluciones puede no tener solucion si b 6= 0
rango (A) + dim N (A) = n
Los vectores columna de A no Los vectores columna de A no
pueden ser linealmente independi- pueden generar a R m
entes
Los vectores las de A no pueden Los vectores las de A no pueden
generar a R 1n ser linealmente independientes
El espacio la y el espacio columna de A tienen la misma dimension,
igual a rango (A)
Si rango (A) = m, los vectores - Si rango (A) = n, los vectores
las de A son linealmente independi- columnas son linealmente indepen-
entes dientes
El sistema A:x = b es consistente El sistema A:x = b no puede ser
para todo b en R m si y solo si las consistente para todo b en R m
columnas de A generan R m
El sistema A:x = b tiene a lo sumo
una unica solucion para cada b en
R m si y solo si los vectores colum-
na de A son linealmente independi-
entes

54
Ejercicios
X 6.1 Una matrizm  n tiene rango completo por las si el rango de las las es m, y es
de rango completo por columnas si el rango de sus columnas es n.
(a) Mostrar que una matriz puede tener rango completo por las y por columnas
solo si es cuadrada.
(b) Probar que un sistema lineal con matriz de coe cientes A tiene solucion para
todo b1 , : : : , bm 's de la derecha \ sii" A tiene rango completo por las.

Para practicar ...

55
Ejercicios
X 6.1 Decidir si el vector dado esta0en el espacio
1 la de la matriz.
2 1 ;  0 1 3 ; 
(a) 3 1 , 1 0 (b) @;1 0 1A, 1 1 1
;1 2 7
X 6.2 Decidir si el vector dado est
0a1en 3el espacio
1 columna
011 de la matriz
1 1 1 1
(a) 1 1 , 3 (b) @2 0 4 A, @0A
1 ;3 ;3 0
X 6.3 Encontrar una base para el espacio 02 0 la 3de la4matriz:
1
BB0 1 1 ;1CC
@3 1 0 2 A
1 0 ;4 ;1
X 6.4 Encontrar
02 1el rango 1 de cada0matriz. 1 01 3 21
3 1 ;1 2
(a) @1 ;1 2A (b) @ 3 ;3 6 A (c) @5 1 1A (d)
00 0 1010 3 ;2 2 ;4 6 4 3
@0 0 0A
0 0 0
X 6.5 Encontrar
;  una
; base para
; el espacio
;  generado por cada conjunto.
(a) f 01 13 ;0;113 0; 1 14 ; 2 1 g  M12
1 3 1
(b) f 2 ; 1 ; ;3Ag  <3
@ A @ A @
1 ;1 ;3
(c) f1+ x; 1 ; x2 ; 3+ 2x ; x2g  P3 
1 0 1 1 0 3
(d) f 3 1 ;1 ; 2 1 4 ; ;1 ;1 ;9 g  M23 ; 1 0 ; 5
6.6 > Cuales matrices tienen rango cero? > Rango 1??
6.7 Encontrar el rango columna de la matriz: 
1 3 ;1 5 0 4
2 0 1 0 4 1
6.8 Mostrar que el conjunto f(1; ;1; 2; ;3); (1; 1; 2; 0); (3; ;1; 6; ;6)g no tiene el mismo
subespacio generado que el generado por f(1; 0; 1; 0); (0; 2; 0; 3)g.
X 6.9 Mostrar que 8 el 0conjunto
1 de vectores columnas 9
< d1 3x + 2y + 4z = d1=

:@dd23A existe x, y, z tal que 2xx + 2y ;+ 5zz == dd23;
es un subespacio de <3. Encontrar una base .
X 6.10 En esta seccion hemos visto que la reduccion Gaussiana encuentra una base del
espacio la.
(a) Mostrar que esta base no es unica, diferentes reducciones pueden conducir a
diferentes bases.
(b) Producir matrices con igual espacio la pero distinto numero de las.

56
(c) Probar que dos matrices tienen igual espacio la \ sii" despues de hacer la re-
duccion de Gauss - Jordan las las no ceros son iguales.
6.11 Mostrar que el rango por las de una matriz m  n es a lo mas m. > Hay otra
cota mejor ?
X 6.12 Mostrar que el rango de una matriz es igual al de su transpuesta.
6.13 Es verdadera o falsa la siguiente a rmacion. El espacio columna de una matriz
es igual al espacio la de su transpuesta.
6.14 (a) Probar que un sistema homogeneo tiene solucion unica \ sii" su matriz de
coe cientes A tiene rango completo por columnas.
X 6.15 > Cual es la relacion entre rank(A) y el rank(;A)?. Entre rank(A) y el rank(kA)?.
Hay alguna relacion entre rank(A), rank(B ), y rank(A + B )?. Poner algunos ejemplos.
Ver que puede ocurrir rank(A + B )  rank(A) + rank(B )

57