el espacio vectorial - personal.us.espersonal.us.es/jsmonter/jes1/pdf/EV.pdf · En la secci´on...
Transcript of el espacio vectorial - personal.us.espersonal.us.es/jsmonter/jes1/pdf/EV.pdf · En la secci´on...
Capıtulo 9
El espacio vectorial Rn.
9.1 Definiciones y propiedades.
En la seccion 2.1.2 vimos que un vector es un segmento orientado que queda determinado por su
longitud, direccion y sentido. Sin embargo, desde el punto de vista del Algebra, un vector no es mas
que una matriz columna y lo que se estudia en este tema es la estructura que le dan las operaciones
que hacemos con ellos. Ası, el conjunto de los vectores junto con las dos operaciones que vamos a
definir forma la estructura de espacio vectorial, (Rn, +, · ). Esta estructura tambien la tienen
otros conjuntos, como el conjunto de las matrices o el conjunto de los polinomios, y la mayorıa de
los conceptos que vamos a ver son aplicables a ellos.
Definicion 9.1
El espacio vectorial n-dimensional, cuyos elementos reciben el nombre de vectores, es el
conjunto de las matrices columna de orden n× 1 que, por comodidad, se representan por n-tuplas:
Rn = {(u1, u2, . . . , un)/u1, u2, . . . , un ∈ R}.
Nota Aunque en un sistema de coordenadas cartesianas el vector −→u = (u1, u2, . . . , un) tiene como
representante el segmento que va del origen al punto (u1, u2, . . . , un), es una matriz columna y a la
hora de operar se escribe como
u =
u1
u2
...
un
141
142 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
Definicion 9.2
• La suma de dos vectores −→u = (u1, u2, . . . , un) ∈ Rn y −→v = (v1, v2, . . . , vn) ∈ R
n es:
−→u +−→v = (u1 + v1, u2 + v2, . . . , un + vn) ∈ Rn.
• El producto de un escalar α ∈ R por un vector −→u = (u1, u2, . . . , un) ∈ Rn es:
α−→u = (α u1, α u2, . . . , α un) ∈ Rn. ♣
vÓ
u
u+vÓ
u
Λu HΛ=3L
Proposicion 9.3 (Propiedades de la suma de vectores)
1. −→u +−→v ∈ Rn ∀ −→u ,−→v ∈ R
n (operacion interna).
2. −→u + (−→v +−→w ) = (−→u +−→v ) +−→w ∀ −→u ,−→v ,−→w ∈ Rn (asociativa).
3. El vector nulo n-dimensional o vector cero, definido por−→θ = (0, . . . , 0), verifica
−→u +−→θ =
−→θ +−→u = −→u ∀−→u ∈ R
n (existencia del elemento neutro).
4. El vector opuesto de −→u = (u1, u2, . . . , un) ∈ Rn, definido por −−→u = (−u1, . . . ,−un), verifica
−→u + (−−→u ) = (−−→u ) +−→u =−→θ (existencia de elemento opuesto).
5. −→u +−→v = −→v +−→u ∀−→u ,−→v ∈ Rn (conmutativa). ♣
Proposicion 9.4 (Propiedades del producto de escalares por vectores)
1. α−→u ∈ Rn ∀α ∈ R, ∀−→u ∈ R
n (operacion externa).
2. (α+β)−→u = α−→u +β−→u ∀α, β ∈ R, ∀−→u ∈ Rn (distributiva respecto a la suma de escalares).
3. α (−→u +−→v ) = α−→u +α−→v ∀α ∈ R ∀−→u ,−→v ∈ Rn (distributiva respecto a la suma de vectores).
4. α (β−→u ) = (α β)−→u ∀α, β ∈ R ∀−→u ∈ Rn (asociativa mixta).
5. 1−→u = −→u ∀−→u ∈ Rn (buen comportamiento del uno). ♣
Corolario 9.5 (Propiedades del producto por cero) Sean α, β ∈ R y −→u ,−→v ∈ Rn
1. (a) 0−→u =−→θ (b) α
−→θ =
−→θ (c) α−→u =
−→θ =⇒ α = 0 o −→u =
−→θ
2. (a) α−→u = β−→u y −→u 6=−→θ =⇒ α = β (b) α−→u = α−→v y α 6= 0 =⇒ −→u = −→v
♣
EL ESPACIO VECTORIAL Rn 143
9.2 Dependencia e independencia lineal.
Los conceptos de dependencia e independencia que hemos visto para las filas y columnas de una
matriz se trasladan de forma natural a los vectores. De forma que un conjunto de vectores sera
linealmente dependiente si algun vector se puede expresar como combinacion lineal de los restantes y
linealmente independiente si ningun vector se puede expresar como combinacion lineal de los otros.
Definicion 9.6 Sean −→u 1,−→u 2, . . . ,
−→u k ∈ Rn.
Una combinacion lineal de −→u 1,−→u 2, . . . ,
−→u k es cualquier expresion de la forma
α1−→u 1 + α2
−→u 2 + · · ·+ αk−→u k
con α1, α2, . . . , αk ∈ R ♣
Ejemplo 9.1 Sean −→u = (3, 1, 2), −→v = (1, 0, 1), y −→w = (−1, 2, 0) vectores de R3.
• −→u − 2−→v + 3−→w = (−2, 7, 0) es una combinacion lineal de −→u , −→v y −→w .
• 0−→u + 0−→v + 0−→w = (0, 0, 0) es otra combinacion lineal de −→u , −→v y −→w .
• Una combinacion lineal generica de −→u , −→v y −→w es
α−→u + β−→v + γ−→w = (3α + β − γ, α + 2γ, 2α + β)
En todos los casos son vectores de R3. ♣
Definicion 9.7
• {−→u 1,−→u 2, . . . ,
−→u k} es linealmente dependiente (l.d.) si:
∃α1, α2, · · · , αk no todos nulos /α1−→u 1 + α2
−→u 2 + · · ·+ αk−→u k =
−→θ .
• {−→u 1,−→u 2, . . . ,
−→u k} es linealmente independiente (l.i.) en caso contrario, es decir, si:
α1−→u 1 + α2
−→u 2 + · · ·+ αk−→u k =
−→θ =⇒ α1 = α2 = · · · = αk = 0. ♣
Proposicion 9.8 Sea {−→u 1,−→u 2, . . . ,
−→u k} ⊆ Rn.
{−→u 1,−→u 2, . . . ,−→u k} es linealmente dependiente si y solo si algun vector se puede expresar como
combinacion lineal de los restantes. ♣
144 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
Vectores independientes Vectores dependientes
Ejemplo 9.2 Vamos a estudiar si dos conjuntos de vectores de R3 son linealmente independientes
o linealmente dependientes aplicando la definicion:
• {(1, 1, 1), (1, 2, 3), (1,−1, 1)}
Construimos una combinacion lineal generica de los vectores y la igualamos al vector cero
α(1, 1, 1) + β(1, 2, 3) + γ(1,−1, 1) = (α + β + γ, α + 2β − γ, α + 3β + γ) = (0, 0, 0)
obteniendo el sistema
α + β + γ = 0
α + 2β − γ = 0
α + 3β + γ = 0
Como el sistema es compatible determinado,
rg
1 1 1
1 2 −1
1 3 1
= 3 (numero de variables)
la unica solucion es α = β = γ = 0 y los vectores son linealmente independientes.
• {(1, 1, 1), (1, 2, 3), (2, 3, 4)}
Construimos una combinacion lineal generica de los vectores y la igualamos al vector cero
α(1, 1, 1) + β(1, 2, 3) + γ(2, 3, 4) = (α + β + 2γ, α + 2β + 3γ, α + 3β + 4γ) = (0, 0, 0)
obteniendo el sistema
α + β + 2γ = 0
α + 2β + 3γ = 0
α + 3β + 4γ = 0
EL ESPACIO VECTORIAL Rn 145
Como el sistema es compatible indeterminado,
rg
1 1 2
1 2 3
1 3 4
= 2 < 3 (numero de variables)
existen soluciones distintas de la solucion α = β = γ = 0 y los vectores son linealmente
dependientes. Por tanto, un vector se puede escribir como combinacion lineal de los otros (de
hecho el tercer vector es suma de los otros dos). ♣
Como hemos visto en los ejemplos, si igualamos una combinacion lineal de los vectores a−→θ ,
α1−→u 1 + α2
−→u 2 + · · ·+ αk−→u k =
−→θ
el sistema obteniendo es un sistema homogeneo cuyas variables son α1, α2, . . . , αk ∈ R y en el cual
la matriz de coeficientes tiene por columnas las coordenadas de los vectores
A =
↑ ↑ · · · ↑
u1 u2 · · · uk
↓ ↓ · · · ↓
.
Los vectores son linealmente independientes si y solo si este sistema, que siempre es compatible,
tiene solucion unica y esto sucede si y solo si el rango de la matriz coincide con el numero de variables.
Como el numero de variables viene dado por el numero de vectores, los vectores son linealmente
independientes si y solo si el rango de la matriz coincide con el numero de vectores (rg(A) = k).
Ademas, como en Rn los vectores tienen n coordenadas, el rango de la matriz cuyas columnas
son las coordenadas de los vectores es como maximo n. Por tanto, en un conjunto de vectores de Rn
linealmente independiente hay como maximo n vectores.
Ejemplo 9.3 Vamos a estudiar si los conjuntos de vectores del ejercicio 9.2 son linealmente inde-
pendientes o linealmente dependientes, solo que ahora lo haremos a traves del rango:
• {(1, 1, 1), (1, 2, 3), (1,−1, 1)}
Calculamos el rango de la matriz cuyas columnas son las coordenadas de los vectores:
rg
1 1 1
1 2 −1
1 3 1
= 3 (numero de vectores)
Como hay tres vectores linealmente independientes y tenemos tres vectores, los vectores son
linealmente independientes y ninguno se puede escribir como combinacion lineal de los otros.
146 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
• {(1, 1, 1), (1, 2, 3), (2, 3, 4)}
Calculamos el rango de la matriz cuyas columnas son las coordenadas de los vectores:
rg
1 1
1 2
2
3
1 3 4
= 2 < 3 (numero de vectores).
Como solo hay dos vectores linealmente independientes y tenemos tres vectores, los vectores
son linealmente dependientes y el tercer vector se puede escribir como combinacion lineal de
los otros dos. ♣
Nota El rango de la matriz cuyas columnas son las coordenadas de los vectores es el numero maximo
de vectores linealmente independientes que hay dentro del conjunto:
rg
↑ ↑ · · · ↑
u1 u2 · · · uk
↓ ↓ · · · ↓
= numero maximo de vectores l. i. de {−→u 1,−→u 2, . . . ,
−→u k}
Proposicion 9.9 Sea {−→u 1,−→u 2, . . . ,
−→u k} ⊆ Rn.
(a) Si {−→u } esta formado por un vector no nulo es linealmente independiente.
(b) Si {−→u 1,−→u 2, . . . ,−→u k} es linealmente dependiente un conjunto que lo contenga tambien lo es.
(c) Si {−→u 1,−→u 2, . . . ,
−→u k} es linealmente independiente un subconjunto suyo tambien lo es.
(d) Si {−→u 1,−→u 2, . . . ,−→u k} contiene al vector−→θ es linealmente dependiente. ♣
9.3 Sistemas generadores y bases de Rn.
Un sistema generador del espacio vectorial Rn es un conjunto de vectores que genera todos los
vectores del espacio, de forma que todo vector del espacio es combinacion lineal de los vectores del
conjunto. Cuando consideramos solo vectores linealmente independientes aparece el concepto de base
del espacio vectorial.
Definicion 9.10 Sea {−→u 1,−→u 2, . . . ,−→u k} ⊆ Rn.
{−→u 1,−→u 2, . . . ,
−→u k} es un sistema generador de Rn si cualquier v ∈ R
n se puede obtener como
combinacion lineal de −→u 1,−→u 2, . . . ,−→u k, es decir, si:
∀v ∈ Rn ∃α1, α2, · · · , αk ∈ R / α1
−→u 1 + α2−→u 2 + · · ·+ αk
−→u k = v. ♣
EL ESPACIO VECTORIAL Rn 147
Ejemplo 9.4 Vamos a estudiar si dos conjuntos de vectores de R3 son un sistema generador de R
3
aplicando la definicion:
• {(1, 1, 1), (1, 2, 3), (1,−1, 1)}
Construimos una combinacion lineal generica de los vectores y la igualamos a un vector −→v :
α(1, 1, 1) + β(1, 2, 3) + γ(1,−1, 1) = (α + β + γ, α + 2β − γ, α + 3β + γ) = (v1, v2, v3)
obteniendo el sistema
α + β + γ = v1
α + 2β − γ = v2
α + 3β + γ = v3
El rango de la matriz del sistema y el rango de la matriz ampliada valen 3
rg
1 1 1
1 2 −1
1 3 1
= 3 rg
1 1 1
1 2 −1
1 3 1
v1
v2
v3
= 3
Como el sistema siempre es compatible, independientemente del vector −→v , todos los vectores
de Rn se pueden obtener como combinacion lineal del conjunto de vectores. Por tanto, este
conjunto de vectores forma un sistema generador.
• {(1, 1, 1), (1, 2, 3), (2, 3, 4)}
Si construimos una combinacion lineal generica y la igualamos a un vector −→v
α(1, 1, 1) + β(1, 2, 3) + γ(2, 3, 4) = (α + β + 2γ, α + 2β + 3γ, α + 3β + 4γ) = (v1, v2, v3)
obtenemos el sistema
α + β + 2γ = v1
α + 2β + 3γ = v2
α + 3β + 4γ = v3
que sera compatible si y solo si el rango de la matriz del sistema coincide con el rango de la
matriz ampliada.
El rango de la matriz del sistema es 2
rg
1 1
1 2
2
3
1 3 4
= 2
148 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
pero, al contrario que en el caso anterior, existen vectores para los que el rango de la matriz
ampliada vale 3, por ejemplo, −→v = (0, 0, 1):
rg
1 1
1 2
1 3
2
3
4
0
0
1
= 3
Como el sistema es incompatible para algunos vectores, hay vectores que no se pueden obtener
como combinacion lineal del conjunto de vectores. Por tanto, este conjunto de vectores no
forma un sistema generador. ♣
Si igualamos una combinacion lineal de los vectores −→u 1,−→u 2, . . . ,−→u k a un vector −→v generico
α1−→u 1 + α2
−→u 2 + · · ·+ αk−→u k = v
el sistema obtenido es compatible si y solo si rg(A) = rg(A)
rg
↑ ↑ · · · ↑
u1 u2 · · · uk
↓ ↓ · · · ↓
= rg
↑ ↑ · · · ↑ ↑
u1 u2 · · · uk v
↓ ↓ · · · ↓ ↓
Esta igualdad es cierta para todo −→v si y solo si el rango de A alcanza su valor maximo. Esto
sucede si y solo si el rango de A coincide con el numero de ecuaciones, que es el maximo valor que
puede alcanzar el rango. Como el numero de ecuaciones viene dado por el numero de coordenadas
de los vectores, la igualdad sera cierta para todo −→v si y solo si el rango coincide con el numero
de coordenadas. Por tanto, un conjunto de vectores es un sistema generador de Rn si y solo si el
rango de la matriz cuyas columnas son las coordenadas de los vectores coincide con el numero de
coordenadas (rg(A) = n).
Por otra parte, para que el rango de la matriz cuyas columnas son las coordenadas de los vectores
coincida con el numero de coordenadas necesitamos al menos n vectores. Como el rango de esta
matriz tambien nos da el numero de vectores linealmente independientes, tenemos que en un sistema
generador de Rn hay como mınimo n vectores linealmente independientes.
EL ESPACIO VECTORIAL Rn 149
Ejemplo 9.5 Vamos a estudiar si los conjuntos de vectores del ejercicio 9.4 forman un sistema
generador de R3, solo que ahora lo analizamos a traves del rango:
• {(1, 1, 1), (1, 2, 3), (1,−1, 1)}
Calculamos el rango de la matriz cuyas columnas son las coordenadas de los vectores:
rg
1 1
1 2
2
3
1 3 4
= 2 < 3 (numero de coornenadas).
Como solo hay dos vectores linealmente independientes y tenemos tres coordenadas, los vectores
no forman un sistema generador.
• {(1, 1, 1), (1, 2, 3), (2, 3, 4)}
Calculamos el rango de la matriz cuyas columnas son las coordenadas de los vectores:
rg
1 1 1
1 2 −1
1 3 1
= 3 (numero de coordenadas)
Como hay tres vectores linealmente independientes y tenemos tres coordenadas, los vectores
forman un sistema generador. ♣
Definicion 9.11 Sea {−→u 1,−→u 2, . . . ,−→u k} ⊆ Rn.
El conjunto ordenado de vectores {−→u 1,−→u 2, . . . ,
−→u k} es una base de Rn si:
• {−→u 1,−→u 2, . . . ,−→u k} es un sistema generador de Rn.
• {−→u 1,−→u 2, . . . ,
−→u k} es linealmente independiente. ♣
En toda base de Rn, {−→u 1,
−→u 2, . . . ,−→u k}, se tiene
rg
↑ ↑ · · · ↑
u1 u2 · · · uk
↓ ↓ · · · ↓
=
k por ser linealmente independientes
n por ser sistema generador
Por tanto, k = n y todas las bases de Rn estan formadas por n vectores. Este numero recibe el
nombre de dimension de Rn y se denota por dim(Rn):
dim(Rn) = n.
De este modo, solo un conjunto de Rn formado por n vectores puede ser base.
150 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
Nota Un conjunto {−→u 1,−→u 2, . . . ,
−→u n} es una base de Rn si y solo si
↑ ↑ · · · ↑
u1 u2 · · · un
↓ ↓ · · · ↓
6= 0
Ejemplo 9.6 Base canonica de Rn.
Si consideramos los vectores que tienen todas sus componentes iguales a 0 excepto la i-esima que
es igual a 1, −→e i = (0, · · · ,(i)
1 , · · · , 0), obtenemos una base de Rn
C = {−→e 1,−→e 2, . . . ,−→e n}
que recibe el nombre de base canonica de Rn.
En R2 esta base esta formada por los vectores −→e 1 = (1, 0) y −→e 2 = (0, 1) y en R
3 por los vectores
−→e 1 = (1, 0, 0), −→e 2 = (0, 1, 0) y −→e 3 = (0, 0, 1). Para dimensiones superiores las bases canonicas se
forman de manera analoga. ♣
Proposicion 9.12
(a) Un conjunto de n vectores de Rn linealmente independiente siempre es una base de R
n.
(b) Si de un sistema generador de Rn eliminamos los vectores que dependen de otros se obtiene
una base de Rn.
(c) Si un conjunto de vectores es linealmente independiente es posible obtener una base de Rn que
lo contenga (teorema de la base incompleta). ♣
Ejemplo 9.7 Consideremos el espacio vectorial R2 con dim
(R
2)
= 2
• El conjunto de vectores {(1, 1), (1,−1)} es linealmente independiente y esta formado por dos
vectores. Por tanto, es una base.
• El conjunto de vectores {(2, 1), (1, 2), (3, 3)} es un sistema generador de R2 pero es linealmente
dependiente, ya que el tercer vector es suma de los otros dos. Por tanto, si eliminamos este
vector obtenemos una base.
• El conjunto de vectores {(1, 1} es linealmente independiente, pues esta formado por un unico
vector no nulo. Por tanto, podemos anadir un vector para obtener una base. ♣
EL ESPACIO VECTORIAL Rn 151
9.4 Las bases de Rn como sistemas de referencia.
En esta seccion vamos a ver que el concepto de base es una extension de los sistemas de referencia
que hemos utilizado hasta ahora para representar un vector.
Teorema 9.13 Sea B = {−→u 1,−→u 2, . . . ,−→u n} ⊆ Rn una base de R
n y −→v ∈ Rn.
−→v se puede expresar de forma unica como
−→v = a1−→u 1 + a2
−→u 2 + · · ·+ an−→u n. ♣
Este teorema nos permite identificar un vector con los coeficientes de la combinacion lineal, por
lo que decimos que a1, a2, . . . , an son las coordenadas de −→v respecto a B y lo escribimos como
−→v = (a1, a2, . . . , an)B.
Ejemplo 9.8 Sean C = {−→e 1,−→e 2} la base canonica de R
2 y B = {−→u 1,−→u 2} una base de R
2 formada
por los vectores −→u 1 = (1, 1) y −→u 2 = (1,−1).
La base canonica establece el sistema de coordenadas cartesiano formado por lıneas verticales y
horizontales. En el sistema de coordenadas que establece la base B las lıneas que lo forman siguen
las direcciones de los vectores correspondientes. Los dos sistemas marcan coordenadas distintas para
un mismo vector.
Base C Base B
Ası vector −→v = (3, 1) tiene distintas coordenadas en la base canonica y en la base B:
• −→v = (3, 1) = 3(1, 0) + 1(0, 1) = 3−→e 1 + 1−→e 2 = (3, 1)C
• −→v = (3, 1) = 2(1, 1) + 1(1,−1) = 2−→u 1 + 1−→u 2 = (2, 1)B ♣
Nota Las coordenadas de −→v ∈ Rn con respecto a la base canonica coinciden con las coordenadas
cartesianas:
−→v = (a1, a2, . . . , an) =⇒ −→v = (a1, a2, . . . , an)C.
152 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
Teorema 9.14 (Cambio de base) Sean C = {−→e 1,−→e 2, . . . ,
−→e n} y B = {−→u 1,−→u 2, . . . ,
−→u n} dos bases
de Rn y −→v ∈ R
n un vector.
Si conocemos las coordenadas de los vectores de B con respecto a C
B
−→u 1 = (u11, u12, . . . , u1n)C
−→u 2 = (u21, u22, . . . , u2n)C...
−→u n = (un1, un2, . . . , unn)C
tenemos una relacion entre las coordenadas del vector −→v en la base B, XB = (x′1, x′
2, . . . , x′
n)B, y sus
coordenadas en la base C, XC = (x1, x2, . . . , xn)C
x1
x2
...
xn
C
=
u1
↓u2
↓ · · ·un
↓
u11 u21 · · · un1
u12 u22 · · · un2
...... · · ·
...
u1n u2n · · · unn
x′1
x′2...
x′n
B
Esta relacion recibe el nombre de ecuaciones del cambio de base de B a C, ya que relacionan
las coordenadas respecto a dos bases distintas de un mismo vector y transforman sus coordenadas
respecto a B en sus coordenadas respecto a C.
La matriz recibe el nombre de matriz del cambio de base de B a C y sus columnas son las
coordenadas de los vectores de la base B con respecto de la base C. ♣
Nota La matriz del cambio de base de B a C se suele denotar con la letra P y las ecuaciones del
cambio de base de B a C se escriben abreviadamente
XC = P XB
Nota Si P es la matriz del cambio de base de B a C entonces la matriz del cambio de base de C a B
es P−1 y las ecuaciones del cambio de base de C a B se escriben abreviadamente
XB = P−1 XC
EL ESPACIO VECTORIAL Rn 153
Ejemplo 9.9 Sean C = {−→e 1,−→e 2} la base canonica de R
2 y B = {−→u 1,−→u 2} una base de R
2 formada
por los vectores −→u 1 = (1, 1) y −→u 2 = (1,−1).
Obtener las coordenadas en la base canonica del vector −→u = (2, 1)B y las coordenadas en la base
B del vector −→v = (−4, 2)
• Las ecuaciones del cambio de base de B a C son
x1
x2
C
=
u1
↓u2
↓
1 1
1 −1
x′1
x′2
B
Esta ecuacion permite obtener las coordenadas en la base canonica de un vector del que sepamos
sus coordenadas en la base B:
3
1
C
=
1 1
1 −1
2
1
B
• Las ecuaciones del cambio de base de C a B se obtienen al calcular la inversa de la matriz
x′1
x′2
B
=
12
12
12−1
2
x1
x2
C
De esta forma, podemos obtener las coordenadas en la base B de un vector del que sepamos sus
coordenadas en la base canonica
1
−3
B
=
12
12
12−1
2
−2
4
C
♣
9.5 Subespacios vectoriales de Rn.
Los subespacios vectoriales de Rn son los subconjuntos del espacio vectorial que mantienen esta
estructura. De forma que un subconjunto de Rn, E, es un subespacio vectorial si y solo si (E, +, · )
tiene estructura de espacio vectorial.
Definicion 9.15 Sea E ⊆ Rn un subconjunto no vacıo de R
n (E 6= ∅).
E es un subespacio vectorial de Rn si
• −→u +−→v ∈ E ∀−→u ,−→v ∈ E (E es cerrado respecto a la suma de vectores).
• α−→u ∈ E ∀α ∈ R ∀−→u ∈ E (E es cerrado respecto al producto de escalares por vectores). ♣
154 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
Teorema 9.16 (Condicion necesaria y suficiente de subespacio vectorial) Sea E ⊆ Rn.
E es un subespacio vectorial de Rn si y solo si α−→u + β−→v ∈ E ∀α, β ∈ R ∀−→u ,−→v ∈ E.
Corolario 9.17 (Condicion necesaria de subespacio vectorial) Sea E ⊆ Rn.
Si E es un subespacio vectorial de Rn entonces
−→θ ∈ E.
Nota Los subespacios vectoriales de R3 son conjuntos de direcciones que tienen como representantes:
• el origen, que recibe el nombre de subespacio trivial
• las rectas que pasan por el origen
• los planos que pasan por el origen
• el espacio tridimensional R3, que recibe el nombre de subespacio total
Teorema 9.18 Sea A ∈Mm×n(R)
Las soluciones del sistema lineal homogeneo A · x = θ forman un subespacio vectorial de Rn. ♣
Definicion 9.19 Sean E ⊆ Rn un subespacio vectorial de R
n y A ∈Mm×n(R).
Un sistema A · x = θ forma las ecuaciones implıcitas del subespacio E si
E = {x ∈ Rn/A · x = θ} ♣
Nota Todo subespacio vectorial se puede expresar mediante unas ecuaciones implıcitas.
Nota Un subespacio de Rn definido por una unica ecuacion recibe el nombre de hiperplano y su
solucion depende de n− 1 parametros.
x=y
X
Y
x=y
X
Y
Z
E = {(x, y) ∈ R2/ x− y = 0} F = {(x, y, z) ∈ R
3/ x− y = 0}
Ejemplo 9.10 El subespacio de R2 dado por la ecuacion implıcita x−y = 0 es la bisectriz del primer
cuadrante. Sin embargo, el subespacio de R3 dado por la ecuacion implıcita x − y = 0 es un plano
en el que la variable z puede tomar cualquier valor. ♣
EL ESPACIO VECTORIAL Rn 155
Teorema 9.20 Sean −→u 1,−→u 2, . . . ,
−→u k ∈ Rn.
El conjunto formado por todas las combinaciones lineales de −→u 1,−→u 2, . . . ,
−→u k
〈−→u 1,−→u 2, . . . ,−→u k〉 = {α1−→u 1 + α2
−→u 2 + · · ·+ αk−→u k / α1, α2, · · · , αk ∈ R}
es un subespacio vectorial de Rn el cual recibe el nombre de variedad lineal generada por
−→u 1,−→u 2, . . . ,
−→u k y tambien se denota por L(−→u 1,−→u 2, . . . ,
−→u k). ♣
Definicion 9.21 Sean E ⊆ Rn un subespacio vectorial de R
n y −→u 1,−→u 2, . . . ,−→u k ∈ Rn.
El conjunto {−→u 1,−→u 2, . . . ,
−→u k} es un sistema generador del subespacio E si
E = 〈−→u 1,−→u 2, . . . ,−→u k〉 . ♣
Nota Todo vector de un subespacio se expresa como combinacion lineal del sistema generador
∀−→v ∈ E ∃α1, α2, · · · , αk ∈ R /−→v = α1−→u 1 + α2
−→u 2 + · · ·+ αk−→u k.
Nota Si −→u 1 = (u11, u12, . . . , u1n),−→u 2 = (u21, u22, . . . , u2n), . . . , −→u k = (uk1, uk2, . . . , ukn) la variedad
lineal generada por estos vectores se expresa mediante su ecuacion parametrica:
u1
↓u2
↓ · · ·uk
↓
x1 = u11α1 + u21α2 + · · · + uk1αk
x2 = u12α1 + u22α2 + · · · + uk2αk
......
......
xn = u1nα1 + u2nα2 + · · · + uknαk
con α1, α2, . . . , αk ∈ R
Definicion 9.22 Sean E ⊆ Rn un subespacio vectorial de R
n y −→u 1,−→u 2, . . . ,
−→u k ∈ Rn.
El conjunto {−→u 1,−→u 2, . . . ,−→u k} es una base del subespacio E si:
• {−→u 1,−→u 2, . . . ,−→u k} es un sistema generador de E.
• {−→u 1,−→u 2, . . . ,
−→u k} es linealmente independiente. ♣
Proposicion 9.23 Sean E ⊆ Rn un subespacio vectorial de R
n.
El numero de vectores de cualquier base de E es siempre el mismo.
Este numero recibe el nombre de dimension del subespacio E y se denota por dim(E). ♣
Nota El rango de la matriz cuyas columnas son las coordenadas de los vectores nos da la dimension:
rg
↑ ↑ · · · ↑
u1 u2 · · · uk
↓ ↓ · · · ↓
= dim 〈u1, u2, . . . , uk〉
Nota Si de un sistema generador se eliminan los vectores que dependen de otros se obtiene una base.
156 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
Ejemplo 9.11 El subespacio engendrado por el vector (1, 2, 3) es una recta y tiene dimension uno.
Este vector forma una base del subespacio, ya que un conjunto formado por un vector siempre es
linealmente independiente.
X
Y
Z
X
Y
Z
X
Y
Z
Sin embargo el subespacio engendrado por los vectores (1, 2, 1), (1, 2, 3) y (2, 4, 4) tiene dimension
dos y es un plano. Como el tercer vector es suma de los otros dos, su base esta formada solo por los
dos primeros vectores que sı son linealmente independientes.
Obtencion de una base conocidas las ecuaciones implıcitas del subespacio:
Si las ecuaciones implıcitas de E ⊆ Rn son:
(⋆)
a11x1 + a12x2 + · · ·+ a1nxn = 0
a21x1 + a22x2 + · · ·+ a2nxn = 0...
am1x1 + am2x2 + · · ·+ amnxn = 0
una base de E se obtiene resolviendo el sistema (⋆), ya que sus soluciones son las ecuaciones pa-
rametricas del subespacio:
u1
↓u2
↓ · · ·uk
↓
x1 = u11α1 + u21α2 + · · · + uk1αk
x2 = u12α1 + u22α2 + · · · + uk2αk
......
......
xn = u1nα1 + u2nα2 + · · · + uknαk
con α1, α2, . . . , αk ∈ R
Si el conjunto de vectores obtenido no es linealmente independiente se eliminan los vectores que
dependen de los demas para obtener la base. En esta base el numero de vectores (dimension del
subespacio) es
dim(E) = dim(Rn)− numero de ecuaciones implıcitas linealmente independientes .
EL ESPACIO VECTORIAL Rn 157
Obtencion de las ecuaciones implıcitas conocida una base del subespacio:
Si {−→u 1,−→u 2, . . . ,
−→u k} es una base de E cuyas coordenadas respecto a la base canonica son:
u1 = (u11, u12, . . . , u1n)
u2 = (u21, u22, . . . , u2n)...
uk = (uk1, uk2, . . . , ukn)
las ecuaciones implıcitas de E se obtienen al imponer
u1
↓u2
↓ · · ·uk
↓
rg
u11 u21 · · · uk1 x1
u12 u22 · · · uk2 x2
......
......
...
u1n u2n · · · ukn xn
= dim(E).
El numero de ecuaciones linealmente independientes del sistema lineal homogeneo obtenido es:
m = dim(Rn)− dim(E).
Ejemplo 9.12 Obtener la dimension, una base, las ecuaciones parametricas y las ecuaciones im-
plıcitas de los subespacios de R3
E = 〈(1, 1, 1)〉 y F = {(x, y, z) ∈ R3/ x + z = 0, x + y + z = 0}
Subespacio E
• Como tenemos un unico vector, este vector el linealmente independiente y, por tanto, tenemos
una recta cuya base es el vector
{(1, 1, 1)} base de E .
• Las ecuaciones parametricas se obtienen imponiendo que un vector generico sea combinacion
lineal del vector de la base (ecuacion vectorial):
(x, y, z) = α (1, 1, 1) =⇒ E
x = α
y = α
z = α
α ∈ R
158 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
• Determinamos unas ecuaciones implıcitas linealmente independientes de E:
⋆ El numero de ecuaciones implıcitas linealmente independientes que vamos a obtener es:
no de ecuaciones implıcitas l.i. = n− dim(E) = 3− 1 = 2
⋆ Anadimos un vector generico a la base e imponemos que el rango coincida con la dimen-
sion (orlamos el menor que determina el rango con las dos filas que quedan fuera de este):
rg
1 x
1 y
1 z
= dim(E) = 1 =⇒
∣∣∣∣∣∣
1 x
1 y
∣∣∣∣∣∣
= 0 ⇔ x− y = 0
∣∣∣∣∣∣
1 x
1 z
∣∣∣∣∣∣
= 0 ⇔ x− z = 0
Por tanto, las ecuaciones implıcitas de E son
x− y = 0
x− z = 0
Subespacio F
• El rango de la matriz nos da el numero de ecuaciones implıcitas linealmente independientes:
no de ecuaciones implıcitas l.i. = rg
1 0 1
1 1 1
= 2
• Como son linealmente independientes, tenemos que la dimension del subespacio es:
dim(F ) = n− no de ecuaciones implıcitas l.i. = 3− 2 = 1 (recta)
• Obtenemos las ecuaciones parametricas de F resolviendo el sistema:
F :
x + z = 0
x + y + z = 0
⋆ Como hay dos ecuaciones implıcitas linealmente independientes, dos de las tres variables
del sistema dependen de la otra y tendremos un parametro (dim(F ) = 1), que sera la variable
que queda fuera del menor que determina el rango:
z = α con α ∈ R.
⋆ Sustituimos el parametro en las ecuaciones implıcitas y resolvemos el sistema:
x + z = 0 =⇒ x + α = 0 =⇒ x = −α
x + y + z = 0 =⇒ − α + y + α = 0 =⇒ y = 0
EL ESPACIO VECTORIAL Rn 159
⋆ Al ordenar las variables se obtienen las ecuaciones parametricas:
F
x = −α
y = 0
z = α
α ∈ R.
• Una base de F esta formada por el vector (−1, 0, 1) (coeficientes de α)
{(−1, 0, 1)} base de F . ♣
Ejemplo 9.13 Obtener la dimension, una base, las ecuaciones parametricas y las ecuaciones im-
plıcitas de los subespacios de R4.
V =< (1, 1,−1, 1), (1, 0, 1, 1) > y W = {(x, y, z, t) ∈ R4/ 2x− y + t = 0; x + y + 2t = 0}
Subespacio V
• Consideramos la matriz cuyas columnas son los vectores de V cuyo rango nos da el numero de
vectores linealmente independientes (dimension de V ):
rg
1 1
1 0
−1 1
1 1
= 2 =⇒ dim(V ) = 2 (plano)
• Como los vectores son linealmente independientes forman una base de V :
base de V {(1, 1,−1, 1), (1, 0, 1, 1)}
• Las ecuaciones parametricas se obtienen imponiendo que un vector generico sea combinacion
lineal de los vectores de la base (ecuacion vectorial):
(x, y, z, t) = α (1, 1,−1, 1) + β (1, 0, 1, 1) =⇒ E + F
x = α + β
y = α
z = −α + β
t = α + β
α, β ∈ R
• Determinamos unas ecuaciones implıcitas linealmente independientes de V :
⋆ El numero de ecuaciones implıcitas linealmente independientes que vamos a obtener es:
no de ecuaciones implıcitas l.i. = n− dim(V ) = 4− 2 = 2
160 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
⋆ Anadimos un vector generico a la base e imponemos que el rango coincida con la dimen-
sion (orlamos el menor que determina el rango con las filas que quedan fuera de este):
rg
1 1 x
1 0 y
−1 1 z
1 1 t
= dim(V ) = 2 =⇒
∣∣∣∣∣∣∣∣∣
1 1 x
1 0 y
−1 1 z
∣∣∣∣∣∣∣∣∣
= 0 ⇔ x− 2y − z = 0
∣∣∣∣∣∣∣∣∣
1 1 x
1 0 y
1 1 t
∣∣∣∣∣∣∣∣∣
= 0 ⇔ − x + t = 0
Por tanto, las ecuaciones implıcitas de E son
x− 2y − z = 0
−x + t = 0
Subespacio W
• Consideramos la matriz cuyas filas son los coeficientes de las ecuaciones (matriz del sistema)
cuyo rango nos da el numero de ecuaciones implıcitas linealmente independientes:
no de ecuaciones implıcitas l.i. = rg
2 −1 0 1
1 1 0 2
= 2
• Determinamos la dimension del subespacio:
dim(W ) = n− no de ecuaciones implıcitas l.i. = 4− 2 = 2 (plano)
• Las ecuaciones implıcitas son las que nos dan, ya que son linealmente independientes:
W :
2x− y + t = 0
x + y + 2t = 0
• Obtenemos las ecuaciones parametricas de W resolviendo el sistema:
⋆ Como hay dos ecuaciones implıcitas linealmente independientes, dos de las cuatro varia-
bles del sistema dependen de las otras y tendremos dos parametros (dim(W ) = 2), que seran
las variables que quedan fuera del menor:
z = α, t = β con α, β ∈ R.
EL ESPACIO VECTORIAL Rn 161
⋆ Sustituimos el parametro en las ecuaciones implıcitas y resolvemos el sistema:
2x− y + β = 0 =⇒ y = 2x + β =⇒ y = 2(−β) + β = −β
x + y + 2β = 0 =⇒ x = −β
⋆ Al ordenar todas las variables se obtienen las ecuaciones parametricas:
W
x = −β
y = −β
z = α
t = β
α, β ∈ R.
• Una base esta formada por (0, 0, 1, 0) (coeficientes de α) y (−1,−1, 0, 1) (coeficientes de β):
{(0, 0, 1, 0), (−1,−1, 0, 1)} base de W . ♣
9.6 Operaciones con subespacios vectoriales.
Definicion 9.24 Sean E, F ⊆ Rn subespacios vectoriales de R
n.
• La interseccion de E y F es el conjunto E ∩ F = {u ∈ Rn/u ∈ E y u ∈ F}.
• La suma de E y F es el conjunto E + F = {u + v ∈ Rn/u ∈ E y v ∈ F}. ♣
E
FE+F
X
Y
Z E
FEÝFX
Y
Z
Proposicion 9.25 Sean E, F ⊆ Rn subespacios vectoriales de R
n.
• E ∩ F es el mayor subespacio vectorial de Rn contenido en E y en F .
• E + F es el menor subespacio vectorial de Rn que contiene a E y a F . ♣
Nota La union de E y F es el conjunto E ∪ F = {u ∈ Rn/u ∈ E o u ∈ F} y es el menor conjunto
que contiene a E y a F . Sin embargo, solo es un subespacio vectorial cuando uno de los subespacios
esta contenido en el otro.
162 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
Proposicion 9.26 Sean E, F ⊆ Rn subespacios vectoriales de R
n.
Si {u1, u2, . . . , uk1} es un sistema generador de E y {v1, v2, . . . , vk2
} un sistema generador de F
entonces {u1, u2, . . . , uk1, v1, v2, . . . , vk2
} es un sistema generador de E + F . ♣
Teorema 9.27 Sean E, F ⊆ Rn subespacios vectoriales de R
n
dim(E + F ) = dim(E) + dim(F )− dim(E ∩ F ). ♣
Nota Si E∩F = {θ} se dice que E+F es una suma directa y se denota el subespacio suma por E⊕F .
Si ademas E + F = Rn se dice que E y F son suplementarios.
Calculo de la suma de dos subespacios:
A partir de las base de E y F :
(E) {u1, u2, . . . , uk1} (F ) {v1, v2, . . . , vk2
}
se obtiene una base de E +F uniendo las bases de los subespacios y eliminando los vectores que sean
linealmente dependientes en el sistema generador:
(E + F ) {E
︷ ︸︸ ︷u1, u2, . . . , uk1
,F
︷ ︸︸ ︷v1, v2, . . . , vk2
}.
Calculo de la interseccion de dos subespacios:
A partir de las ecuaciones implıcitas de E y F :
(E)
a11x1 + a12x2 + · · ·+ a1nxn = 0...
am11x1 + am12x2 + · · ·+ am1nxn = 0
(F )
b11x1 + b12x2 + · · ·+ b1nxn = 0...
bm21x1 + bm22x2 + · · ·+ bm2nxn = 0
se obtienen las ecuaciones implıcitas de E∩F uniendo las ecuaciones de los subespacios y eliminando
las que sean linealmente dependientes en el sistema
(E ∩ F )
a11x1 + a12x2 + · · ·+ a1nxn = 0...
am11x1 + am12x2 + · · ·+ am1nxn = 0
E
b11x1 + b12x2 + · · ·+ b1nxn = 0...
bm21x1 + bm22x2 + · · ·+ bm2nxn = 0
F
EL ESPACIO VECTORIAL Rn 163
Ejemplo 9.14 Obtener la suma e interseccion de los subespacios del ejemplo 9.12:
Subespacio E ∩ F
• Obtenemos unas ecuaciones implıcitas de E ∩ F uniendo las ecuaciones implıcitas:
(E ∩ F )
x− y = 0
x− z = 0
E
x + z = 0
x + y + z = 0
F
• El rango de la matriz nos da el numero de ecuaciones implıcitas linealmente independientes:
nøecuaciones implıcitas l.i. = rg
1 −1 0
1 0 −1
1 0 1
1 1 1
= 3
• Determinamos la dimension del subespacio :
dim(E ∩ F ) = n− no de ecuaciones implıcitas l.i. = 3− 3 = 0
• Como la dimension es cero, el subespacio esta formado solo por el vector cero:
E ∩ F = {θ}.
Subespacio E + F
• Obtenemos un sistema generador de E + F uniendo las bases de E y de F :
E + F =<
E︷ ︸︸ ︷
(1, 1, 1),
F︷ ︸︸ ︷
(−1, 0, 1) >
• El rango de la matriz nos da el numero de vectores linealmente independientes (dimension):
rg
1 −1
1 0
1 1
= 2 =⇒ dim(E + F ) = 2 (plano)
164 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
• Como los vectores son linealmente independientes forman una base de E + F :
base de E + F {(1, 1, 1), (−1, 0, 1)}
• Las ecuaciones parametricas se obtienen imponiendo que un vector generico sea combinacion
lineal de los vectores de la base (ecuacion vectorial):
(x, y, z) = α (1, 1, 1) + β (−1, 0, 1) =⇒ E + F
x = α− β
y = α
z = α + β
α, β ∈ R
• Determinamos unas ecuaciones implıcitas linealmente independientes de E + F :
⋆ El numero de ecuaciones implıcitas linealmente independientes que vamos a obtener es:
no de ecuaciones implıcitas l.i. = n− dim(E + F ) = 3− 2 = 1
⋆ Anadimos un vector generico a la base e imponemos que el rango coincida con la dimen-
sion (orlamos el menor que determina el rango con la fila que queda fuera de este):
rg
1 −1 x
1 0 y
1 1 z
= 2 =⇒
∣∣∣∣∣∣∣∣∣
1 −1 x
1 0 y
1 1 z
∣∣∣∣∣∣∣∣∣
= 0 =⇒ x− 2y + z = 0
Por tanto, la ecuacion implıcita de E + F es
E + F{
x− 2y + z = 0
Ası, E y F son dos rectas que se cortan en el origen y estan contenidas en un plano. ♣
Ejemplo 9.15 Obtener la dimension, una base, las ecuaciones parametricas y las ecuaciones im-
plıcitas de la interseccion y suma de los subespacios de R3
E = 〈(1, 1, 1), (0, 1, 0)〉 y F = {(x, y, z) ∈ R3/x + y + z = 0}.
Antes de calcular la interseccion y suma de estos subespacios necesitamos la base y las ecuaciones
implıcitas de ambos subespacios
EL ESPACIO VECTORIAL Rn 165
Subespacio E
• El rango de la matriz nos da el numero de vectores linealmente independientes (dimension):
rg
1 0
1 1
1 0
= 2 =⇒ dim(E) = 2 (plano)
• Como los vectores son linealmente independientes tenemos una base de E:
{(1, 1, 1), (0, 1, 0)} base de E .
• Las ecuaciones parametricas, que dependen de dos parametros (no de parametros=dim(E) = 2),
se obtienen imponiendo que un vector generico sea combinacion lineal de los vectores de la base
(ecuacion vectorial):
(x, y, z) = α (1, 1, 1) + β (0, 1, 0) =⇒ E
x = α
y = α + β
z = α
α, β ∈ R
• Determinamos unas ecuaciones implıcitas linealmente independientes de E:
⋆ El numero de ecuaciones implıcitas linealmente independientes que vamos a obtener es:
no de ecuaciones implıcitas l.i. = n− dim(E) = 3− 2 = 1
⋆ Anadimos un vector generico a la base e imponemos que el rango coincida con la dimen-
sion de E (orlamos el menor que determina el rango con la fila que queda fuera de este):
rg
1 0 x
1 1 y
1 0 z
= dim(E) = 2 =⇒
∣∣∣∣∣∣∣∣∣
1 0 x
1 1 y
1 0 z
∣∣∣∣∣∣∣∣∣
= 0 =⇒ − x + z = 0
Por tanto, la ecuacion implıcita de E es
E{
−x + z = 0
166 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
Subespacio F
• Como solo tenemos una ecuacion, tenemos un subespacio de dimension:
dim(F ) = n–no de ecuaciones implıcitas l.i. = 3− 1 = 2 (plano)
• Obtenemos las ecuaciones parametricas de F resolviendo el sistema:
F :{
x + y + z = 0
⋆ Como hay una ecuacion implıcita linealmente independiente, una de las tres variables del
sistema dependen de las otras y tendremos dos parametros (dim(F ) = 2). Estos parametro van
a ser las variables que quedan fuera del menor que determina el rango:
y = α z = β con α, β ∈ R.
⋆ Sustituimos los parametros en las ecuaciones implıcitas y resolvemos el sistema:
x + y + z = 0 =⇒ x + α + β = 0 =⇒ x = −α − β
⋆ Al ordenar las variables se obtienen las ecuaciones parametricas:
F
x = −α− β
y = α
z = β
α, β ∈ R.
• Una base de F esta formada por (−1, 1, 0) (coeficientes de α) y (−1, 0, 1) (coeficientes de β)
{(−1, 1, 0), (−1, 0, 1)} base de F .
Subespacio E ∩ F
• Obtenemos unas ecuaciones implıcitas de E ∩ F uniendo las ecuaciones implıcitas de E y F :
E ∩ F
−x + z = 0}
E
x + y + z = 0}
F
• El rango de la matriz nos da el numero de ecuaciones implıcitas linealmente independientes:
no ecuaciones implıcitas l.i. = rg
−1 0 1
1 1 1
= 3
EL ESPACIO VECTORIAL Rn 167
• Por tanto, la dimension del subespacio :
dim(E ∩ F ) = n–no de ecuaciones implıcitas l.i. = 3− 2 = 1 (recta)
• Las ecuaciones implıcitas, al ser linealmente independientes, son las que hemos obtenido:
E ∩ F
−x + z = 0
x + y + z = 0
• Obtenemos las ecuaciones parametricas resolviendo el sistema:
⋆ Como hay dos ecuaciones implıcitas linealmente independientes, dos de las tres variables
del sistema dependen de la otra y tendremos un parametro (dim(E ∩ F ) = 1), que sera la
variable que queda fuera del menor que determina el rango:
z = α con α ∈ R.
⋆ Sustituimos el parametro en las ecuaciones implıcitas y resolvemos el sistema:
−x + z = 0 =⇒ − x + α = 0 =⇒ x = α
x + y + z = 0 =⇒ α + y + α = 0 =⇒ y = −2α
⋆ Al ordenar las variables se obtienen las ecuaciones parametricas:
F
x = α
y = −2α
z = α
α ∈ R.
• Una base esta formada por el vector (1,−2, 1) (coeficientes de α)
{(−1,−2, 1)} base de E ∩ F .
Subespacio E + F
• Obtenemos un sistema generador de E + F uniendo las bases de E y de F :
E + F =<
E︷ ︸︸ ︷
(1, 1, 1), (0, 1, 0),
F︷ ︸︸ ︷
(−1, 1, 0), (−1, 0, 1) >
168 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
• El rango de la matriz nos da el numero de vectores linealmente independientes (dimension):
rg
1 0 −1 −1
1 1 1 0
1 0 0 1
= 3 =⇒ dim(E + F ) = 3 (espacio tridimensional)
observese que tambien se puede calcular la dimension por la formula:
dim(E + F ) = dim(E) + dim(F )− dim(E ∩ F ) = 2 + 2− 1 = 3
• Como la dimension coincide con la dimension del espacio total el subespacio es el espacio total:
E + F = R3.
Ası, E y F son dos planos que se cortan en una recta. ♣
Ejemplo 9.16 Obtener la suma e interseccion de los subespacios del ejemplo 9.13:
Subespacio V ∩W
• Obtenemos las ecuaciones implıcitas de V ∩W uniendo las ecuaciones implıcitas:
V ∩W
x− 2y − z = 0
−x + t = 0
V
2x− y + t = 0
x + y + 2t = 0
W
• El rango de la matriz nos da el numero de ecuaciones implıcitas linealmente independientes:
no ecuaciones implıcitas l.i. = rg
1 −2 −1 0
−1 0 0 1
2 −1 0 1
1 1 0 2
= 4
• Determinamos la dimension del subespacio :
dim(V ∩W ) = n− no de ecuaciones implıcitas l.i. = 4− 4 = 0.
• Como la dimension es cero, el subespacio esta formado solo por el vector cero:
V ∩W = {θ}.
EL ESPACIO VECTORIAL Rn 169
Subespacio V + W
• Obtenemos un sistema generador de V + W uniendo las bases:
V + W =<
V︷ ︸︸ ︷
(1, 1,−1, 1), (1, 0, 1, 1),
W︷ ︸︸ ︷
(0, 0, 1, 0), (−1,−1, 0, 1) >
• El rango de la matriz es el numero de vectores linealmente independientes (dimension):
rg
1 1 0 −1
1 0 0 −1
−1 1 1 0
1 1 0 1
= 4 =⇒ dim(V + W ) = 4
que tambien se puede calcular por la formula:
dim(V + W ) = dim(V ) + dim(W )− dim(V ∩W ) = 2 + 2− 0 = 4
• Como la dimension coincide con la dimension del espacio total tenemos que:
V + W = R4.
Ası, V y W son dos planos que se cortan en el origen. ♣
170 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
Ejercicios del capıtulo.
Ejercicio 9.17 Estudiar para que valores de k el conjunto de vectores {(1, 1, 1), (1, k, 0), (2, 0, k)} es
linealmente independientes.
Solucion
• Calculamos el rango de la matriz cuyas columnas son las coordenadas de los vectores en
funcion de k:
rg
1 1 2
1 k 0
1 0 k
⋆ Determinamos los valores crıticos para el rango igualando a cero el menor de mayor orden
que pueda ser no nulo, que en este caso es el determinante de la matriz:
∣∣∣∣∣∣∣∣∣
1 1 2
1 k 0
1 0 k
∣∣∣∣∣∣∣∣∣
= k2 − 3k = 0 ⇔ k = 0 o k = 3.
⋆ Calculamos el rango para los valores crıticos:
⋄ Para a 6= 3, 0 el determinante es distinto de cero y el rango, por tanto, es 3.
⋄ Para a = 3 rg
1 1 2
1 3 0
1 0 3
= 2 (la comprobacion se deja como ejercicio).
⋄ Para a = 0 rg
1 1 2
1 0 0
1 0 0
= 2 (la comprobacion se deja como ejercicio).
En resumen,
rg(A) =
3 a 6= 0, 3
2 a = 0, 3
• El rango de A coincide con el numero de vectores solo para a 6= 3, 0, por tanto, los vectores
son linealmente independientes si y solo si a 6= 3, 0.
Observese que en este caso forman una base de R3. ♣
EL ESPACIO VECTORIAL Rn 171
Ejercicio 9.18 Obtener la dimension, las ecuaciones implıcitas, las ecuaciones parametricas y una
base del subespacio
E = {(x, y, z, t) ∈ R4/ x + y + t = 0, x + y + 2z − t = 0, z + t = 0}
Solucion
• El rango de la matriz nos da el numero de ecuaciones implıcitas linealmente independientes:
no de ecuaciones implıcitas l.i. = rg
1 1 0 1
1 1 2 −1
0 0 1 1
= 3
• La dimension del subespacio es:
dim(E) = n− no de ecuaciones implıcitas l.i. = 4− 3 = 1 (recta)
• Tenemos 3 ecuaciones implıcitas independientes
x + y + t = 0
x + y + z − t = 0
z + t = 0
por tanto, tres de las cuatro variables del sistema dependen de las otras y tendremos un parametro
(dim(E) = 1). Este parametro sera la variable que queda fuera del menor que determina el rango:
x = α con α ∈ R.
• Sustituimos el parametro en las ecuaciones implıcitas y resolvemos el sistema:
α + y + t = 0 =⇒ α + y − z = 0 =⇒ z = α + y =⇒ z = 0
α + y + z − t = 0 =⇒ α + y + 2z = 0 =⇒ y = −α
z + t = 0 =⇒ t = −z =⇒ t = 0
• Al ordenar las variables se obtienen las ecuaciones parametricas:
x = α
y = −α
z = 0
t = 0
α ∈ R.
• Una base esta formada por el vector (1,−1, 0, 0) (coeficientes de α)
base de E {(−1, 0, 1)}. ♣
172 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
Ejercicio 9.19 Calcula la dimension, una base, unas ecuaciones parametricas y unas ecuaciones
implıcitas de los siguientes subespacios vectoriales:
(a) E = {(x, y, z) ∈ R3/x1 + x3 = 0, x2 + x3 = 0, x1 + x2 + 2x3 = 0}
(b) F = 〈(1, 0, 1, 0), (0, 1, 0, 1), (1, 1, 1, 1)〉
Solucion
Apartado a Tenemos un subespacio E ⊆ R3 dado por sus ecuaciones implıcitas:
x1 + x3 = 0
x2 + x3 = 0
x1 + x2 + 2x3 = 0
• El rango de la matriz nos da el numero de ecuaciones implıcitas linealmente independientes:
no de ecuaciones implıcitas l.i. = rg
1 0 1
0 1 1
1 1 2
= 2
• Determinamos la dimension del subespacio:
dim(E) = n− no de ecuaciones implıcitas l.i. = 3− 2 = 1 (recta)
• Eliminamos las ecuaciones implıcitas linealmente dependientes:
F :
x1 + x3 = 0
x2 + x3 = 0
• Obtenemos las ecuaciones parametricas de E resolviendo el sistema:
⋆ Como hay dos ecuaciones implıcitas linealmente independientes, dos de las tres variables
del sistema dependen de las otras y tendremos un parametro (dim(E) = 1), que sera la variable que
queda fuera del menor que determina el rango:
x3 = α con α ∈ R.
⋆ Sustituimos el parametro en las ecuaciones implıcitas y resolvemos el sistema:
x1 + x3 = 0 =⇒ x1 + α = 0 =⇒ x1 = −α
x2 + x3 = 0 =⇒ x2 + α = 0 =⇒ x2 = −α
EL ESPACIO VECTORIAL Rn 173
⋆ Al ordenar todas las variables se obtienen las ecuaciones parametricas:
x1 = −α
x2 = −α
x3 = α
α ∈ R.
• Una base esta formada por el vector (−1,−1, 1) (coeficientes de α)
{(−1, 0, 1)} base de E
Apartado b Tenemos un subespacio F ⊆ R4 dado por un sistema generador
{(1, 0, 1, 0), (0, 1, 0, 1), (1, 1, 1, 1)}
• El rango de la matriz nos da el numero de vectores linealmente independientes (dimension):
rg
1 0 1
0 1 1
1 0 1
0 1 1
= 2 =⇒ dim(F ) = 2 (plano)
• Al eliminar los vectores linealmente dependientes se obtiene una base de F :
base de F {(1, 0, 1, 0), (0, 1, 0, 1)}.
• Las ecuaciones parametricas, que dependen de dos parametros, se obtienen imponiendo que
un vector generico sea combinacion lineal de los vectores de la base (ecuacion vectorial):
(x, y, z, t) = α (1, 0, 1, 0) + β (0, 1, 0, 1) =⇒ F
x = α
y = β
z = α
t = β
α, β ∈ R
• Determinamos unas ecuaciones implıcitas linealmente independientes de F :
⋆ El numero de ecuaciones implıcitas linealmente independientes que vamos a obtener es:
no de ecuaciones implıcitas l.i. = n− dim(F ) = 4− 2 = 2
174 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
⋆ Anadimos un vector generico a la base e imponemos que el rango coincida con la dimension
de F (orlamos el menor que determina el rango con las dos filas que quedan fuera de este):
rg
1 0 x
0 1 y
1 0 z
0 1 t
= 2 =⇒
∣∣∣∣∣∣∣∣∣
1 0 x
0 1 y
1 0 z
∣∣∣∣∣∣∣∣∣
= 0 ⇔ z − x = 0
∣∣∣∣∣∣∣∣∣
1 0 x
0 1 y
0 1 t
∣∣∣∣∣∣∣∣∣
= 0 ⇔ t− y = 0
Por tanto, las ecuaciones implıcitas de F son
x− z = 0
y − t = 0
Ejercicio 9.20 Estudiar en funcion de los parametros la dimension de los subespacios de R3
(a) E = 〈(1, 1, 1), (a, 1, 1), (0, a, 0)〉
(b) F = {(x, y, z) ∈ R3/kx + y + z = 0, x + ky + z = 0, x + y + kz = 0}.
Solucion
Apartado a
• Consideramos la matriz cuyas columnas son los vectores de E:
A =
1 a 0
1 1 a
1 1 0
• Determinamos los valores crıticos para el rango, igualando a cero el menor de mayor orden
que pueda ser no nulo, que en este caso es el determinante de A:
|A| =
∣∣∣∣∣∣∣∣∣
1 a 0
1 1 a
1 1 0
∣∣∣∣∣∣∣∣∣
= a2 − a = 0 ⇔ a = 0, 1.
EL ESPACIO VECTORIAL Rn 175
• Calculamos el rango para estos valores, ya que para el resto es 3 (el maximo posible):
a = 0 =⇒ rg(A) = rg
1 0 0
1 1 0
1 1 0
= 2 a = 1 =⇒ rg(A) = rg
1 1 0
1 1 1
1 1 0
= 2
En resumen se tiene rg(A) =
3 a 6= 0, 1
2 a = 0, 1
• La dimension de E es el rango de la matriz:
dim(E) = no de vectores l.i. = rg(A) =
3 a 6= 0, 1
2 a = 0, 1
Apartado b
• Consideramos la matriz cuyas filas son los coeficientes de las ecuaciones (matriz del sistema):
B =
k 1 1
1 k 1
1 1 k
• Determinamos los valores crıticos para el rango, igualando a cero el menor de mayor orden
que pueda ser no nulo, que en este caso es el determinante de B:
B =
∣∣∣∣∣∣∣∣∣
k 1 1
1 k 1
1 1 k
∣∣∣∣∣∣∣∣∣
= k3 − 3k + 2 = 0 ⇔ k = −2, 1
• Calculamos el rango para los valores crıticos, ya que para el resto es 3 (el maximo posible):
k = −2 =⇒ rg(B) = rg
−2 1 1
1 −2 1
1 1 −2
= 2 k = 1 =⇒ rg(B) = rg
1 1 1
1 1 1
1 1 1
= 1
En resumen se tiene rg(B) =
3 k 6= −2, 1
2 k = −2
1 k = 1
176 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
• La dimension de F se calcula por la formula:
dim(F ) = n–no de ecuaciones inplıcitas l.i. = n− rg(B) =
0 k 6= −2, 1
1 k = −2
2 k = 1
Observese que en este caso la dimension no coincide con el rango de la matriz . ♣
Ejercicio 9.21 Obtener la dimension, una base, las ecuaciones parametricas y las ecuaciones im-
plıcitas de la interseccion y suma de los subespacios de R4:
V =< (1, 0,−1, 1), (1, 0, 1, 1), (1, 0, 0,−1) > y W = {(x, y, z, t) ∈ R4/ 2x−z+t = 0; x+z+2t = 0}.
Solucion
Antes de calcular la interseccion y suma de estos subespacios necesitamos la base y las ecuaciones
implıcitas de ambos subespacios
Subespacio V
• Consideramos la matriz cuyas columnas son los vectores de V cuyo rango nos da el numero
de vectores linealmente independientes (dimension de V ):
rg
1 1 1
0 0 0
−1 1 0
1 1 −1
= 3 =⇒ dim(V ) = 3 (espacio tridimensional)
• Como los vectores son linealmente independientes forman una base de V :
base de V {(1, 0,−1, 1), (1, 0, 1, 1), (1, 0, 0,−1)}
• Las ecuaciones parametricas, que dependen de tres parametros, se obtienen imponiendo que
un vector generico sea combinacion lineal de los vectores de la base (ecuacion vectorial):
(x, y, z, t) = α (1, 0,−1, 1) + β (1, 0, 1, 1) + γ (1, 0, 0,−1) =⇒ E + F
x = α + β + γ
y = 0
z = −α + β
t = α + β − γ
α, β, γ ∈ R
EL ESPACIO VECTORIAL Rn 177
• Determinamos unas ecuaciones implıcitas linealmente independientes de V :
⋆ El numero de ecuaciones implıcitas linealmente independientes que vamos a obtener es:
no de ecuaciones implıcitas l.i. = n− dim(V ) = 4− 3 = 1
⋆ Anadimos un vector generico a la base e imponemos que el rango coincida con la dimension
(orlamos el menor que determina el rango con la fila que queda fuera de este):
rg
1 1 1 x
0 0 0 y
−1 1 0 z
1 1 −1 t
= dim(V ) = 3 =⇒
∣∣∣∣∣∣∣∣∣∣∣∣
1 1 1 x
0 0 0 y
−1 1 0 z
1 1 −1 t
∣∣∣∣∣∣∣∣∣∣∣∣
= 0 =⇒ − 4y = 0 =⇒ y = 0
Por tanto, la unica ecuacion implıcita de V es y = 0.
Subespacio W
• Consideramos la matriz cuyas filas son los coeficientes de las ecuaciones (matriz del sistema)
cuyo rango nos da el numero de ecuaciones implıcitas linealmente independientes:
no de ecuaciones implıcitas l.i. = rg
2 0 −1 1
1 0 1 2
= 2
numero que, ademas, nos permite determinar la dimension del subespacio:
dim(W ) = n–no de ecuaciones implıcitas l.i. = 4− 2 = 2 (plano)
• Las ecuaciones implıcitas son las que nos dan, ya que son linealmente independientes:
W :
2x− z + t = 0
x + z + 2t = 0
• Obtenemos una base mediante las ecuaciones parametricas de W , que se obtienen resolviendo
el sistema.
⋆ Como hay dos ecuaciones implıcitas linealmente independientes, dos de las cuatro variables
del sistema dependen de las otras y tendremos dos parametros (dim(W ) = 2). Estos parametro seran
las variables que quedan fuera del menor que determina el rango:
y = α, t = β con α, β ∈ R.
⋆ Sustituimos el parametro en las ecuaciones implıcitas y resolvemos el sistema:
2x− z + β = 0 =⇒ z = 2x + β z = 2(−β) + β = −β
x + z + 2β = 0 =⇒ x + (2x + β) + 2β = 0=⇒ x = −β
178 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
⋆ Al ordenar las variables se obtienen las ecuaciones parametricas:
W
x = −β
y = α
z = −β
t = β
α, β ∈ R.
• Una base esta formada por (0, 1, 0, 0) (coeficientes de α) y (−1, 0− 1, 1) (coeficientes de β):
{(0, 1, 0, 0), (−1, 0− 1, 1)} base de W .
Subespacio V ∩W
• Obtenemos las ecuaciones implıcitas de V ∩W uniendo las ecuaciones implıcitas de V y W :
V ∩W
y = 0}
V
2x− z + t = 0
x + z + 2t = 0
W
• El rango de la matriz nos da el numero de ecuaciones implıcitas linealmente independientes:
no ecuaciones implıcitas l.i. = rg
0 1 0 0
2 0 −1 1
1 0 1 2
= 3
• Determinamos la dimension del subespacio :
dim(V ∩W ) = n− no de ecuaciones implıcitas l.i. = 4− 3 = 1 (recta)
• Las ecuaciones implıcitas son las obtenidas, ya que son linealmente independientes:
V ∩W
y = 0
2x− z + t = 0
x + z + 2t = 0
• Obtenemos las ecuaciones parametricas de V ∩W resolviendo el sistema:
⋆ Como hay tres ecuaciones implıcitas linealmente independientes, tres de las cuatro variables
del sistema dependen de las otras y tendremos un parametro, que sera la variable que queda fuera del
menor que determina el rango:
t = α con α ∈ R.
EL ESPACIO VECTORIAL Rn 179
⋆ Sustituimos el parametro en las ecuaciones implıcitas y resolvemos el sistema:
y = 0
2x− z + α = 0 =⇒ z = 2x + α z = 2(−α) + α = −α
x + z + 2α = 0 =⇒ x + (2x + α) + 2α = 0=⇒ x = −α
⋆ Al ordenar todas las variables que forman la solucion del sistema se obtienen las ecuaciones
parametricas:
W
x = −α
y = 0
z = −α
t = α
α ∈ R.
• Una base esta formada por el vector (−1, 0− 1, 1) (coeficientes de α):
{(−1, 0− 1, 1)} base de V ∩W .
Subespacio V + W
• Obtenemos un sistema generador de V + W uniendo las bases de V y de W :
V + W =<
V︷ ︸︸ ︷
(1, 0,−1, 1), (1, 0, 1, 1), (1, 0, 0,−1),
W︷ ︸︸ ︷
(0, 1, 0, 0), (−1, 0− 1, 1) >
• El rango de la matriz nos da el numero de vectores linealmente independientes (dimension):
rg
1 1 1 0 −1
0 0 0 1 0
−1 1 0 0 −1
1 1 −1 0 1
= 4 =⇒ dim(V + W ) = 4
que tambien se puede calcular por la formula:
dim(V + W ) = dim(V ) + dim(W )− dim(V ∩W ) = 3 + 2− 1 = 4
• Como la dimension coincide con la dimension del espacio total es el espacio total:
V + W = R4.
Ası, V y W son un espacio tridimensional y un plano que se cortan en una recta. ♣
180 BLOQUE III: ALGEBRA LINEAL BASICA Y TEORIA DE MATRICES
Ejercicio 9.22 Sea B= {−→u 1,−→u 2,
−→u 3} una base de R3. Demuestra que B′= {−→u 2,
−→u 3,−→u 1} es una
base de R3 y determina las coordenadas con respecto a B′ del vector −→u = (1, 0,−1)B. ¿Son B y B′
la misma base?.
Solucion
Al ser B una base tenemos que B es un sistema generador de R3 linealmente independiente.
• B′ es una base, ya que los conceptos de sistema generador y de vectores linealmente indepen-
dientes no dependen del orden de los vectores.
• No es la misma base, ya que el orden de los vectores es distinto y conceptos como el de
coordenadas con respecto a una base sı dependen del orden.
• En particular, en las coordenadas de u con respecto a B y B′ cambia el orden:
u = (1, 0,−1)B = u1 + 0u2 − u3 = 0u2 − u3 + u1 = (0,−1, 1)B′ ♣
Ejercicio 9.23 Sean E = {(x, y) ∈ R2/ax + y = 0} y F = {(x, y) ∈ R
2/x + y = 0} subespacios
vectoriales.
Calcula a para que su suma tenga dimension 1.
Solucion
Como E y F tienen dimension 1
dim(E) = dim(R2)− no ecuaciones implıcitas l.i. = 2− 1 = 1
dim(F ) = dim(R2)− no ecuaciones implıcitas l.i. = 2− 1 = 1
para que la dimension de la suma sea 1, la dimension de la interseccion debe valer 1
dim(E ∩ F ) = dim(E) + dim(F )− dim(E + F ) = 1 + 1− 1 = 1.
Para ello, las dos ecuaciones deben ser linealmente dependientes
E∩F
ax + y = 0}E
x + y = 0}Fcon no ecuaciones implıcitas l.i. = dim(R2)−dim(E∩F ) = 2−1 = 1.
Para que la interseccion solo tenga una ecuacion linealmente independiente, el rango tiene que
ser 1 y su determinante 0:
no ecuaciones implıcitas l.i. = rg
a 1
1 1
= 1 ⇔
∣∣∣∣∣∣
a 1
1 1
∣∣∣∣∣∣
= a− 1 = 0 ⇔ a = 1. ♣
Capıtulo 10
Diagonalizacion de matrices cuadradas.
10.1 Matrices diagonalizables.
Una matriz D∈Mn×n(R) es diagonal si es de la forma
D =
d1 0 · · · 0
0 d2 · · · 0...
.... . .
...
0 0 · · · dn
El objetivo de este tema es relacionar una matriz cuadrada con una matriz diagonal de las mismas
dimensiones, de forma que, en cierto modo, ambas sean equivalentes.
Definicion 10.1 Sea A∈ Mn×n(R) una matriz cuadrada.
A es diagonalizable si existe una matriz no singular P ∈ Mn×n(R) tal que
P−1AP = D con D diagonal. ♣
Nota Si P es la matriz de paso tal que P−1AP es diagonal y u1, u2, . . . , un son las columnas de P
P =
↑ ↑ · · · ↑
u1 u2 · · · un
↓ ↓ · · · ↓
se tiene que B = {u1, u2, . . . , un} es una base de Rn y que P es la matriz del cambio de base de B a
la base canonica de Rn. Esto hace que P reciba el nombre de matriz de paso y que digamos que
A y D son matrices semejantes.
Nota Si A es diagonalizable y P es la matriz de paso podemos escribir A como
A = PDP−1
181