Ingeniera Civil.

Matem
aticas I. 2012-2013.
Departamento de Matem
atica Aplicada II.
Escuela Superior de Ingenieros. Universidad de Sevilla.

Tema 4.- Espacios vectoriales. Transformaciones lineales.

4.1.- Espacios y subespacios vectoriales.
4.2.- Espacios vectoriales de coordenadas.
Espacio nulo y espacio columna de una matriz.
Dependencia e independencia lineal.
Ecuaciones parametricas y ecuaciones implcitas de un subespacio.
4.3.- Bases de un subespacio.
Coordenadas. Dimension.
Rango de una matriz. El teorema del rango.
Cambios de base.
4.4.- Ejercicios.
Enunciados.
Soluciones.

4.1.- Espacios y subespacios vectoriales.

De forma generica, un espacio vectorial es un conjunto donde hay definida una operacion
suma (la suma de dos elementos del conjunto es otro elemento del conjunto) y una operacion producto por escalares (el producto de un escalar, real o complejo, por un elemento del
conjunto es otro elemento del conjunto) con las propiedades que conocemos de la suma y producto por escalares para vectores de coordenadas (conmutatividad, asociatividad, existencia
de elemento nulo, elemento opuesto, distributivas, etc.). Se dice que el espacio vectorial es
real o es complejo en funcion de que se consideren escalares reales o complejos respectivamente. Ademas de los espacios de coordenadas, Rn y Cn , que manipulamos habitualmente,
algunos ejemplos tpicos de espacios vectoriales son, con las operaciones usuales de suma de
matrices y funciones y de producto de una matriz o una funcion por un escalar:
El conjunto de todas las matrices de dimensiones determinadas, m n.
El conjunto de todos los polinomios en una variable.
El conjunto de todos los polinomios en una variable de grado menor o igual que un
cierto n N.
93

94

Tema 4.- Espacios vectoriales. Transformaciones lineales.

El conjunto de todas las funciones continuas (en un punto, en un intervalo).
El conjunto de todas las funciones derivables (en un punto, en un intervalo).
El conjunto de todas las funciones integrables en un intervalo.
El conjunto de las funciones (continuas, derivables, integrables) que se anulan en un
punto prefijado.

Y algunos ejemplos tpicos de conjuntos que, con las operaciones usuales, no son espacios
vectoriales:
El conjunto de todas las matrices cuadradas de orden n que tienen inversa.
El conjunto de los polinomios de un grado prefijado n N.
El conjunto de las funciones continuas f (en un punto, en un intervalo) tales que
f (x0 ) = 1 siendo x0 un punto del intervalo dado.
El conjunto de los vectores de R2 cuya segunda coordenada es igual a uno.
El conjunto de los vectores de R2 cuyas coordenadas verifican una ecuacion de segundo
grado.
El tipo de subconjuntos mas importantes dentro de un espacio vectorial son los llamados
subespacios vectoriales. En ellos se puede realizar las operaciones del espacio vectorial sin
salirnos de dicho subconjunto.
Definici
on. Se dice que un subconjunto (no vacio) S de un espacio vectorial es un subespacio vectorial si, con las operaciones que hay definidas en el espacio vectorial, es un
espacio vectorial. Es decir, si verifica que:
(a) u S, K = u S.
(b) u, v S = u + v S.
De forma equivalente, S es un subespacio vectorial si
u, v S y , K = u + v S.
Notemos que si S es un subespacio vectorial, el vector nulo tiene que pertenecer a S.
La propiedad (a) nos dice que si tenemos un vector no-nulo de un subespacio vectorial,
la recta determinada por dicho vector esta contenida en el subespacio. La propiedad (b)
nos dice que si tenemos dos vectores (que no sean uno m
ultiplo del otro) de un subespacio
vectorial, el plano determinado
por
dichos
vectores
est
a
contenido
en el subespacio.
{ }
n
Obviamente S = 0 y S = K son subespacios vectoriales (a veces llamados subespacios
triviales). En el espacio tridimensional, cualquier recta o plano que pase por el origen es
un subespacio vectorial. En el plano, los vectores de posicion determinados por los puntos
de una par
abola NO forman un subespacio vectorial.
Matematicas I.

Ingeniera Civil

4.1.- Espacios y subespacios vectoriales.

95

Proposici
on. El conjunto de todas las combinaciones lineales de unos vectores dados es
un subespacio vectorial. Es decir, dados {v1 , . . . , vn },
Gen {v1 , . . . , vn } = {c1 v1 + + cn vn : c1 , . . . , cn K}
es un subespacio vectorial (del espacio vectorial que se este considerando). Este subespacio
vectorial se denomina subespacio generado por {v1 , . . . , vn }.
Es facil comprobar que se cumplen las siguientes propiedades.
Propiedades.
(1) Gen {v2 , . . . , vn } Gen {v1 , v2 , . . . , vn } .
(2) Gen {v1 , v2 , . . . , vn } = Gen {cv1 , v2 , . . . , vn } si c = 0.
(3) Gen {v1 , v2 , . . . , vn } = Gen {v1 + v2 , v2 , . . . , vn }.
(4) El subespacio generado por un conjunto de vectores no cambia al a
nadir combinaciones
lineales de dichos vectores o quitar vectores que sean combinacion lineal de los restantes.
Ejemplos. Algunos ejemplos de subconjuntos que son o no son subespacios vectoriales.
En el espacio vectorial de las matrices m n,
el subconjunto de las matrices que tienen una fila (prefijada) nula es un subespacio
vectorial.
el subconjunto de las matrices que tienen una fila (prefijada) no nula no es un
subespacio vectorial.
En el espacio vectorial de las matrices cuadradas n n,
el subconjunto de las matrices simetricas es un subespacio vectorial.
el subconjunto de las matrices A cuadradas n n que verfican que A2 = 0 no es
un subespacio vectorial.
el subconjunto de las matrices cuadradas n n con determinante cero no es un
subespacio vectorial.
En el espacio vectorial de todos los polinomios en una variable,
el subconjunto de los polinomios de grado par no es un subespacio vectorial.
el subconjunto de los polinomios de grado impar no es un subespacio vectorial.
el subconjunto de todos los polinomios en una variable de grado menor o igual
que un cierto n N.
Relacionados con los subespacios vectoriales estan las llamadas variedades lineales (o
afines). No son otra cosa que trasladados de subespacios vectoriales. Es decir, una variedad
es un conjunto de vectores que se puede expresar de la forma p + S siendo p un vector
dado y S un subespacio vectorial. Por ejemplo, en el plano o en el espacio, puesto que
una recta que pase por el origen de coordenadas es un subespacio vectorial, cualquier recta
Matematicas I.

2012-2013

96

Tema 4.- Espacios vectoriales. Transformaciones lineales.

sera una variedad puesto que puede obtenerse trasladando, seg

un un cierto vector, la recta
paralela que pasa por el origen de coordenadas. El estudio que haremos a continuacion de la
estructura de espacio vectorial se centrara en los subespacios vectoriales. No consideraremos
de forma explcita el estudio de las variedades lineales aunque aparezcan: la solucion general
de un sistema lineal es una variedad lineal porque la solucon general del sistema homogeneo
asociado es un subespacio vectorial.
A partir de la seccion siguientes no vamos a considerar espacios vectoriales genericos. Consideraremos, exclusivamente, los espacios vectoriales de coordenadas Rn y Cn . Los espacios
vectoriales de coordenadas Rn y Cn son los modelos para trabajar con espacios vectoriales
de dimension finita (reales y complejos, respectivamente). As, Rn , n = 1, 2, . . . , es el modelo
para el estudio de los espacios vectoriales reales de dimension finita n. Por ejemplo, en lo
que se refiere exclusivamente a las operaciones suma y produco por un escalar, trabajar con
el espacio de las matrices reales de dimensiones 3 2 o con el espacio vectorial de los polinomios reales (en una variable) de grado menor o igual que 5 (6 coeficientes reales arbitrarios)
es equivalente a trabajar con el espacio R6 . Obviamente, todo lo que no se refiera exclusivamente a las operaciones suma y producto por un escalar en el espacio de las matrices o de los
polinomios, se pierde al representar dichos espacios como R6 (factorizacion de polinomios,
producto de matrices,...).

4.2.- Espacios vectoriales de coordenadas.

4.2.1.- Espacio nulo y espacio columna de una matriz.
Definici
on. Sea A una matriz m n con elementos en K. Se llama
espacio nulo de A a Nul (A) := {x Kn : Ax = 0} . Es decir, al conjunto solucion del
sistema homogeneo Ax = 0.
espacio columna de A al subespacio (de Km ) generado por las columnas de A,
Col (A) := {y Km : y es combinacion lineal de las columnas de A} .
Notemos que decir que un vector y Km es combinacion lineal de las columnas de A es
equivalente a decir que el sistema Ax = y, con termino independiente y e incognita x, tiene
solucion. Si llamamos v1 , . . . , vn a las columnas de A y se tiene que y = 1 v1 + + n vn
entonces = (1 , . . . , n )T es solucion de Ax = y puesto que y = A. Y viceversa, cada
solucion de Ax = y (si existe) nos da los coeficientes de una combinacion lineal de v1 , . . . , vn
que es igual a y. Es decir,
Col (A) = {y Km : Ax = y es un sistema compatible} .
No haremos especial referencia al espacio fila de A (subespacio vectorial generado por las
filas de A). Cuando necesitemos referirnos a el lo haremos mediante Col (AT ).
Proposici
on. Sea A una matriz m n con elementos en K.
Nul (A) es un subespacio vectorial de Kn .
Col (A) es un subespacio vectorial de Km .
Matematicas I.

Ingeniera Civil

4.2.- Espacios vectoriales de coordenadas.

97

Puesto que Nul (A) es un subespacio vectorial, para cualquier vector p Kn , el conjunto
p + Nul (A) es una variedad lineal. Para cualquier v p + Nul (A) tendremos un vector
u Nul (A) tal que v = p + u y por tanto, Av = Ap + Au = Ap. Es decir, v es solucion del
sistema Ax = b siendo b = Ap. Reciprocamente, si tenemos un sistema Ax = b compatible y
p es una solucion, cualquier otra solucion v puede expresarse mediante v = p + (v p) que
es un vector de p + Nul (A) (puesto que A(v p) = Av Ap = b b = 0).
Por tanto, asociado a una matriz A, m n tenemos:
(1) Nul (A), el conjunto solucion del sistema homogeneo Ax = 0 (es un subespacio vectorial
de Kn ).
(2) Col (A), el conjunto de terminos independientes y para los que el sistema Ax = y es
compatible (es un subespacio vectorial de Km )
(3) Para cada y Km , el conjunto solucion del sistema Ax = y, {x Kn : Ax = y}.
Si y Col (A) (el sistema Ax = y es compatible) es una variedad lineal de Kn . Si
y
/ Col (A) (el sistema Ax = y es incompatible) no hay ning
un vector en dicho
conjunto.
Ejercicio.
(1) Que relacion hay entre el espacio columna de una matriz y el de la matriz que se
obtiene al hacer operaciones columna sobre la matriz?
(2) Que relacion hay entre el espacio nulo de una matriz y el de la matriz que se obtiene
al hacer operaciones fila sobre la matriz?
4.2.2.- Dependencia e independencia lineal.
Definici
on. Consideremos un conjunto finito de vectores {v1 , . . . , vn }.
(a) Se dice que {v1 , . . . , vn } es linealmente dependiente (L.D.) si existe alguna combinacion lineal no trivial de dichos vectores igual al vector nulo. Es decir, si existen
coeficientes 1 , 2 , . . . , n K no todos nulos tales que
1 v1 + 2 v2 + + n vn = 0.
(b) Se dice que {v1 , . . . , vn } es linealmente independiente (L.I.) si no es linealmente
dependiente.
Si {v1 , . . . , vn } son vectores linealmente dependientes y tenemos una combinacion lineal
de estos vectores igual al vector nulo
1 v1 + 2 v2 + + n vn = 0
y el coeficiente k = 0, entonces de la igualdad anterior se puede despejar vk que quedara expresado como combinacion lineal de los restantes vectores. Reciprocamente si tenemos un
vector que es combinacion lineal de otros, el conjunto formado por estos y el vector combinacion lineal es un conjunto linealmente dependiente. Notemos ademas de que si una
combinacion lineal de vectores es igual al vector nulo, la combinacion lineal que resulta de
multiplicar por cualquier coeficiente tambien es el vector nulo.
Propiedades. Consideremos un conjunto finito de vectores {v1 , . . . , vn }.
Matematicas I.

2012-2013

98

Tema 4.- Espacios vectoriales. Transformaciones lineales.

(1) La dependencia o independencia lineal de {v1 , . . . , vn } no depende del orden en el que

esten dados los vectores.
(2) Si uno de los vectores es nulo o hay vectores repetidos, entonces es L.D.
(3) La dependencia/independencia lineal de un conjunto no cambia al sustituir un vector
por un m
ultiplo no-nulo. Siendo c = 0 (c K),
{v1 , . . . , vn } es L.D. {u1 = cv1 , v2 , . . . , vn } es L.D.
(4) La dependencia/independencia lineal de un conjunto no cambia al sumar a un vector
un m
ultiplo de otro (distinto). Siendo K
{v1 , . . . , vn } es L.D. {v1 , u2 = v2 + v1 , . . . , vn } es L.D.
(5)

Al a
nadir vectores a un conjunto L.D. se obtiene un conjunto L.D.
Al suprimir vectores de un conjunto L.I. se obtiene un conjunto L.I.

Teorema. Consideremos vectores {v1 , . . . , vn } en Km y sea A la matriz cuyas columnas son

los vectores dados
. .

.. .. ...

A = v1 v2 vn
.
.. ..
. . ..
Son equivalentes:
(1) {v1 , . . . , vn } es un conjunto linealmente dependiente.
(2) El sistema de ecuaciones Ax = 0 tiene infinitas soluciones.
(3) Al reducir A a forma escalonada se obtienen r pivotes, r < n.
(4) Alguno de los vectores vk es combinacion lineal de los restantes.
(5) Si el primer vector v1 es no-nulo, alguno de los vectores es combinacion lineal de los
anteriores.
Observaci
on. Interpretacion de la reduccion por filas de una matriz A en relacion con la
dependencia o independencia lineal de los vectores-columna de la matriz A.
Notemos que dar una cierta combinacion lineal de vectores es lo mismo que multiplicar la matriz cuyas columnas son dichos vectores por el vector columna formado por los
correspondientes coeficientes

.. ..
..
x1
. . .

x2

.
x1 v1 +2 v2 + + xn vn = v1 v2 . . . vn

.
..

.. ..
..
. . .
xn
Matematicas I.

Ingeniera Civil

4.2.- Espacios vectoriales de coordenadas.

Si al reducir A a forma escalonada obtenemos U

..
.

..
.

A=
v1 v2
.. ..
. .

99

..
0
operaciones
.

fila - U =
..

. vn

..

*
0

tenemos que:
Cada columna de U en la aparece un pivote es linealmente independiente con las
anteriores columnas de U . Por tanto, esto mismo es cierto para las correspondientes
columnas de A.
Cada columna de la matriz U en la que no hay pivote es combinacion lineal de las
anteriores columnas de U . Por tanto, esto mismo es cierto para las correspondientes
columnas de A.
Si tenemos una cierta fila nula en la matriz U esto quiere decir que una cierta combinacion lineal de las filas de la matriz A es igual a la fila nula.
Las filas pivote (de U y las correspondientes de A dependiendo de los intercambios de
fila que se hayan hecho) son linealmente independientes.
Es decir, en la situacion del esquema anterior, se verifica que
la columna 3 de U es combinacion lineal de las columnas 1 y 2 (y lo mismo es cierto
para las correspondientes columnas de A),
las columnas {columna1, columna2, columna4} de U son linealmente independientes (y
lo mismo es cierto para las correspondientes columnas de A.

4.2.3.- Ecuaciones param

etricas y ecuaciones implcitas.
Asociados a una matriz A, m n,
. .
.. ..

A = v1 v2
.. ..
. .

a11 a12 a1n

..
.
a21 a22 a2n

vn = ..
..
..
...
.
.
.
..
.
am1 am2 amn

hemos considerado;
El espacio nulo de la matriz A, esto es el conjunto de vectores x Kn caracterizados
por las ecuaciones implcitas homogeneas

a11 x1 + a12 x2 + + a1n xn = 0

a21 x1 + a22 x2 + + a2n xn = 0

Ax = 0
.
..
.. ..

.
.
.

a x + a x + + a x = 0

m1 1
m2 2
mn n
Matematicas I.

2012-2013

100

Tema 4.- Espacios vectoriales. Transformaciones lineales.

El espacio columna de la matriz A (y el subespacio generado por unos ciertos vectores), esto es, el conjunto de vectores y
y = 1 v1 + 2 v2 + + n vn
caracterizado por

y1

y2
..

las ecuaciones parametricas homogeneas

=
=
..
.

1 a11 + 2 a12 + + n a1n

1 a21 + 2 a22 + + n a2n
..
.

, 1 , 2 , . . . , n K.

= 1 am1 + 2 am2 + + n amn

Resolviendo el sistema homogeneo Ax = 0 podemos obtener los vectores del espacio

nulo de A como el conjunto de vectores que se pueden expresar como combinacion lineal
(arbitraria) de determinados vectores, es decir, como el subespacio generado por ciertos
vectores o como el espacio columna de la matriz que tiene a dichos vectores como vectores
columna.
Por otra parte, puesto que el espacio columna de una matriz A esta formado por los
vectores, y, tales que el sistema de ecuaciones Ax = y es compatible, obteniendo las condiciones de compatibilidad de este sistema (en funcion del termino independiente y), tendremos
unas ecuaciones lineales homogeneas que permiten expresar el citado espacio columna como
espacio nulo de otra matriz.
Por tanto, hablar de espacio nulo o espacio columna de una matriz (o subespacio generado
por ciertos vectores) no es hablar de conjuntos de vectores con caractersticas distintas, sino
que es hablar de un mismo tipo de conjunto de vectores, los subespacios vectoriales, pero
expresados en forma distinta:
(a) Cuando un subespacio vectorial viene dado como espacio nulo de una matriz tenemos una descripcion implcita (ecuaciones implcitas) de dicho conjunto (un vector
esta en el conjunto considerado si, y solo si, sus coordenadas verifican el sistema homogeneo asociado a la matriz).
(b) Cuando uno de dichos conjuntos de vectores viene dado como espacio columna de una
matriz tenemos una descripcion parametrica (ecuaciones param
etricas) de dicho
conjunto (un vector esta en el conjunto considerado si, y solo si, puede expresarse
como combinacion lineal de determinados vectores).
Entre las descripciones implcitas de un subespacio vectorial habra unas mejores que
otras, en el sentido de que una puede tener ecuaciones redundantes y otra no. De unas
ecuaciones implcitas dadas Ax = 0 se podran suprimir las que sean redundantes, es decir
las ecuaciones que sean combinacion lineal de las restantes. Dichas ecuaciones las podemos
localizar sin mas que reducir a forma escalonada por filas la matriz A dada. Las filas (tanto
de la matriz original A como de la matriz escalonada final U ) que contengan alg
un pivote
nos daran unas ecuaciones implcitas, no redundantes, de dicho subespacio. Si resolvemos el
sistema tendremos una descripcion parametrica del conjunto solucion, es decir del subespacio
dado, el espacio nulo de la matriz A original.
Si en la descripcion parametrica eliminamos los parametros, llegaremos a unas ecuaciones
homogeneas que daran una descripcion implcita del subespacio considerado. De la misma
Matematicas I.

Ingeniera Civil

4.2.- Espacios vectoriales de coordenadas.

101

forma que en el caso de ecuaciones implcitas, entre las descripciones parametricas de un

subespacio vectorial, unas seran mejores que otras en el sentido de que unas involucren menos
vectores que otras. Es decir, si tenemos el espacio columna de una cierta matriz A, m n,
y los vectores columna de A son linealmente dependientes, suprimiendo vectores que sean
combinacion lineal de los que quedan, tendremos que el espacio columna de la matriz original
tambien es el espacio columna de la matriz que resulta de la matriz anterior suprimiendo
algunas columnas. Si nos quedamos con un conjunto de vectores linealmente independiente,
tendremos que dichos vectores generan el espacio columna de la matriz original y cada vector
de dicho espacio se puede expresar de forma u
nica como combinacion lineal de los vectores
linealmente independientes obtenidos. Dichos vectores constituyen lo que se denomina una
base (es decir, un conjunto de vectores linealmente independiente que genera el subespacio)
del subespacio vectorial considerado, el espacio columna de la matriz original.
De la misma forma que un subespacio vectorial, S, puede caracterizarse mediante
ecuaciones implcitas o ecuaciones parametricas homog
eneas, una variedad lineal, p + S,
puede caracterizarse mediante ecuaciones implcitas, en general no homog
eneas, y mediante
ecuaciones parametricas, en general no homog
eneas, puesto que el vector nulo puede no
pertenecer a la variedad. Una vez que se tienen unas ecuaciones parametricas/implcitas de
un subespacio S, puesto que la variedad p + S esta formada por los vectores v tales que
u = v p esta en S, esto sera equivalente a decir que u = v p verifica las citadas ecuaciones
de S.
Ejemplo.- (Ecuaciones implcitas Ecuaciones implcitas no redundantes, Ecuaciones
parametricas y una base). Consideremos el espacio nulo de la matriz

1 2 0 3
A = 3 0 1 1 .
1 4 1 5
Es decir, estamos considerando el conjunto S de los vectores x R4 cuyas coordenadas
(x1 , x2 , x3 , x4 ) verifican las ecuaciones (implcitas)

x1 + 2x2 +
3x4 = 0
3x1 +
x3 x4
= 0 .

x1 + 4x2 + x3 + 5x4 = 0
Haciendo operaciones fila sobre la matriz A
ecuaciones del sistema) tenemos

1 2 0 3
1
F2 + 3F1

3 0 1 1
0
A=
F3 + F1
1 4 1 5
0

(que se corresponden con operaciones sobre las

2 0 3
6 1 8
6 1 8

1 2 0 3
- U = 0 6 1 8 .
0 0 0 0

F3 F2

De hecho, refiriendonos a la matriz original tenemos que F3 (A) = F2 (A)+2F1 (A). Equivalentemente, la tercera ecuacion del sistema original es combinacion lineal de las dos primeras con
lo cual si un vector es solucion de las dos primeras tambien lo es de la tercera. Resumiendo,
tenemos que
[
]
[
]
1 2 0 3
1 2 0 3
S = Nul (A) = Nul
= Nul (U ) = Nul
3 0 1 1
0 6 1 8
Matematicas I.

2012-2013

102

Tema 4.- Espacios vectoriales. Transformaciones lineales.

con lo cual nuestro conjunto S de vectores esta caracterizado por las ecuaciones (no redundantes)
} (
})
x1 + 2x2 +
3x4 = 0
x1 + 2x2 +
3x4 = 0
o por
.
6x2 + x3 + 8x4 = 0
3x1 +
x3 + x4
= 0
Resolviendo el sistema U x = 0 tenemos

Variables libres
-1 2 0 3 0

x3 y x4 .

0
6 1 8 0 =
Variables fijas =
0
0 0 0 0
x1 y x2 .

x2 = 61 (x3 8x4 )

x1 = 2x2 + 3x4 = 26 (x3 8x4 ) + 3x4 = 31 x3 + 13 x4

x1
x2

x3 = x3
x4

1
31
3
8
16
+ x4 6 .
0
1
0
1

Por tanto,

1
13
3
1
8
6
6

Nul (A) = Gen v1 =

, v2 = 0
1

0
1

31 13
1 8
6
6 = Col
= Col
1
0
0
1

= Gen

1
6v1 =
6

, 3v2 = 4

2 1
1 4

.
6
0
0
3

Los vectores {v1 , v2 } forman una base de S = Nul (A). Los vectores de Nul (A) son los que
pueden expresarse como combinacion lineal de v1 y v2 y, como consecuencia de la independencia lineal, cada vector de S solo puede expresarse de una forma como combinacion lineal
de v1 y v2 . Los coeficientes que aparezcan en dicha combinacion lineal son las coordenadas
del vector de S respecto a la base {v1 , v2 } (de S). El vector v = [8 5 18 6] esta en S y
sus coordenadas respecto a {v1 , v2 } son la solucion de
1 1

3 3 8
[ ]
1 8 5

6
6
,
v = v1 + v2 v = v1 v2

1

0 18
0
1 6
es decir, = 18, = 6 (v = 18v1 6v2 ).
Ejemplo.- (Ecuaciones parametricas Ecuaciones parametricas y Ecuaciones implcitas
no redundantes y una base). Vamos a utilizar la misma matriz A del ejemplo anterior.
El espacio columna de dicha matriz es, por definicion de espacio columna, el conjunto de
Matematicas I.

Ingeniera Civil

4.2.- Espacios vectoriales de coordenadas.

103

vectores y que se pueden expresar como combinacion lineal de las columnas de A, es decir
los vectores y (con 3 coordenadas!) que se pueden expresar mediante

y1
1
2
0
3
y = y2 = 3 + 0 + 1 + 1
y3
1
4
1
5
para ciertos , , , R. Esto es lo mismo que decir que el espacio columna esta formado
por los vectores y R3 para los que el sistema de ecuaciones Ax = y tiene solucion. En dicho
caso, cada solucion del sistema Ax = y nos dara una forma de expresar y como combinacion
lineal de las columnas de A. Obtengamos, para un vector generico y R3 las condiciones de
compatibilidad del sistema Ax = y, reduciendo la matriz ampliada del sistema [A|y] a forma
escalonada. Haciendo las mismas operaciones fila que hemos hecho cuando hemos obtenido
el espacio nulo tenemos

1 2 0 3 y1
F2 + 3F1
1 2 0 3
y1
- 0 6 1 8 y + 3y
[A|y] = 3 0 1 1 y2
2
1
1 4 1 5 y3
F3 + F1
0 6 1 8 y3 + y1
F3 F2

-1
- U = 0
0

2
6
0

0 3
y1
.
1 8
y2 + 3y1
0 0 y3 y2 2y1

Por tanto, el sistema Ax = y es compatible (determinado o indeterminado) la tercera

ecuacion tiene solucion y3 y2 2y1 = 0. Es decir, el espacio columna de A esta formado
por los vectores y R3 cuyas coordenadas verifican la ecuacion (lineal homogenea) y3 y2
2y1 = 0. Se trata, por tanto, de un plano (en R3 ) que pasa por el origen de coordenadas.
Ademas, teniendo la forma escalonada U que hemos obtenido, tenemos que:
las columnas 1 y 2 de U son linealmente independientes y
las columnas 3 y 4 son combinacion lineal de las columnas 1 y 2.
Por tanto, lo mismo sucede con las columnas correspondientes de la matriz A. Es decir, el
espacio columna de A (generado por las 4 columnas) coincide con el espacio generado por
las columnas 1 y 2 de A (no de U !). Los vectores dados por las columnas 1 y 2 de A forman
una base de Col (A) puesto que son linealmente independientes y generan dicho espacio. Si
denotamos por v1 , v2 , v3 y v4 a los vectores columna de A, cada vector y Col (A) se puede
expresar de infinitas formas distintas como combinacion lineal de v1 , v2 , v3 y v4 puesto que el
sistema de ecuaciones Ax = y es compatible (puesto que y Col (A)) indeterminado (puesto
que hay 2 variables libres). Sin embargo, dicho vector y Col (A) solo puede exprearse de
una forma como combinacion lineal de v1 y v2 puesto que el sistema de ecuaciones

[ ]
y1
v1 v2 = y 2

y3
tiene solucion u
nica. Para discutir, y resolver, este sistema basta con suprimir las columnas
3 y 4 de la reduccion que hemos hecho del sistema Ax = y con lo cual tenemos

-1 2
y1
1 2 y1
3 0 y2 0
6
1y2 + 3y1 .
1 4 y3
0
0 y3 y2 2y1
Matematicas I.

2012-2013

104

Tema 4.- Espacios vectoriales. Transformaciones lineales.

La solucion u
nica (, ) de este sistema (compatible cuando y Col (A)) nos dara los
coeficientes para los cuales se verifica
y = v1 + v2 .
Estos coeficientes (, ) (
unicos para cada vector y Col (A)) se denominan coordenadas de
y respecto de la base {v1 , v2 }. Por ejemplo, las coordenadas del vector

1

y= 1
( Col (A) puesto que y3 y2 2y1 = 3 1 2 = 0)
3
respecto a la base {v1 , v2 } de Col (A) vienen dadas

[ ]
-1
1
v1 v2 = 1 0

3
0
Ejemplo. Consideremos la matriz

por la solucion del sistema

[ ] [ 1 ]
2 1

= 34 .
6 4 =

6
0 0

1 0 1 2
1
2 2 2 5
0

A=
1 4 0 3 3 .
1 2 1 3 1

Con el mismo proceso de reduccion a forma escalonada vamos a obtener: S1 = Nul (A) K5 ,
unas ecuaciones parametricas de S1 , S2 = Col (A) K4 , unas ecuaciones implcitas de S2 ,...
Reducimos a forma escalonada un sistema de ecuaciones Ax = y siendo y un vector
generico de K4 ,

[A|y]

F2 2F1
-1
0 1
F3 + F1

F4 F1 0 2 0
0 4 1
0
2 0

-1
0 1
F3 + 2F2

0
F4 F2 0 2
0 0 1
0 0 0

2
1
y1
1 2 y2 2y1

1
4 y3 + y1
1
0 y4 y1
2
1
y1
1 2
y2 2y1
1
0 3y1 + 2y2 + y3
0
0
y1 y2 + y4

Por tanto, tenemos:

(a) El espacio columna de A: El sistema Ax = y es compatible si, y solo si, el vector y K4
verifica y1 y2 +y4 = 0. Es decir Col (A) = {y K4 : y1 y2 + y4 = 0}. Por otra parte,
teniendo en cuenta la reduccion que hemos hecho, los dos u
ltimos vectores columna de
A son combinacion lineal de los tres primeros y estos tres primeros vectores columna son
linealmente independientes. Si denotamos por {v1 , v2 , v3 , v4 , v5 } los vectores columna
de A, tenemos

Col (A) = Col v1 v2 v3

Matematicas I.

Ingeniera Civil

4.3.- Bases de un subespacio.

105

y cada vector y Col (A) se puede expresar de infinitas formas distintas (cada una de
las soluuciones del sistema Ax = y) como combinacion lineal de los vectores columna
de A, pero de una u
nica forma como combinacion lineal de {v1 , v2 , v3 }.
(b) El espacio nulo de A, las soluciones del sistema Ax = 0: Puesto que al reducir hemos
obtenido 2 variables libres, la solucion general del sistema homogeneo se podra expresar
en funcion de 2 parametros arbitrarios,

-1
0
[A|0]
0
0

0
2
0
0

1
0
1
0

2
1 0
-1

1 2 0 F1 F3 0

1
0 0
0
0
0 0
0

x1 = x4 + x5

1
x2 = 2 x4 + x5 =

x3 = x4

x1
x2
x3
x4
x5

0
2
0
0

+
12 +

Por tanto, el espacio nulo de A esta generado por

dientes,

1
u1 =
, u2 =

0
0
1
0

1
1 0
1 2 0

1
0 0
0
0 0

1
12
1
1
0

1
1
0
0
1

los vectores, linealmente indepen1

1
0
0
1

Notemos por u
ltimo que, puesto que al hacer la reduccion del sistema Ax = 0 hemos
obtenido una fila de ceros, dicha ecuacion es redundante en el sistema homogeneo y
por tanto tenemos que

-1

Nul (A) = Nul

0
0

0
2
0

1 2
1
1 0 1 2 1
0 1 2 = Nul 2 2 2 5 0 .
1 4 0 3 3
1 1
0

4.3.- Bases de un subespacio.

Ya hemos citado lo que es una base de un subespacio vectorial.
Definici
on. Dado un subespacio S de Kn distinto del subespacio trivial nulo S = {0}, se
dice que un conjunto de vectores
{v1 , v2 , . . . , vr }
de S es una base de S si:
(a) {v1 , v2 , . . . , vr } es Linealmente Independiente,
(b) {v1 , v2 , . . . , vr } genera S, S = Gen {v1 , v2 , . . . , vr }.
Matematicas I.

2012-2013

106

Tema 4.- Espacios vectoriales. Transformaciones lineales.

Las anteriores condiciones se pueden expresar de

la matriz cuyas columnas son los vectores dados

.. ..
. .

A = v1 v2 . . .
.. ..
. .

forma matricial: Si denotamos por A a

..
.

vr

..
.

las columnas de A forman una base de un subespacio vectorial S si:

(a) El sistema homogeneo Ax = 0 tiene solucion u
nica (condicion equivalente a que los
vectores sean linealmente independientes) y
(b) S = Col (A), es decir S esta formado por los vectores y Km para los que el sistema
de ecuaciones Ax = y es compatible.
Ejemplos.
(1) Los vectores canonicos de Kn ,

e1 = ..

, e2 =

..

, . . . , en = .

0
1
0
1
..
.

forman una base de Kn .

(2) Los vectores {e1 , e1 + e2 , , e1 + e2 + + en } tambien forman una base de Kn .
(3) Si tenemos una matriz A, m n, y al reducir a forma escalonada obtenemos n pivotes,
entonces los vectores columna de A forman una base del espacio columna de dicha
matriz. En general, si al reducir a forma escalonada obtenemos r pivotes, las r columnas
pivote de A (no de la forma escalonada U ) forman una base de Col (A).
(4) Si una matriz cuadrada A, n n, tiene inversa, sus n columnas formam una base del
espacio total Kn .
4.3.1- Coordenadas. Dimensi
on.
Teorema/Definici
on. (Coordenadas respecto de una base) Sea S un subespacio vectorial
(S = {0}) y sea {v1 , v2 , . . . , vr } una base de S.
(1) Teorema. cada vector v de S se puede expresar de forma u
nica como combinacion lineal
de los vectores de la base dada,
v = c 1 v1 + c 2 v2 + + c r vr .
(2) Definici
on. Los coeficientes que aparecen en dicha expresion (c1 , . . . , cr ) se denominan
coordenadas de v respecto a la base dada B = {v1 , v2 , . . . , vr } y se suele denotar

c1

[v]B = ... .
cr
Matematicas I.

Ingeniera Civil

4.3.- Bases de un subespacio.

107

Teorema/Definici
on. Consideremos un subespacio vectorial S = {0} de Km .
(1) Teorema. Se verifica:
(a) S tiene base.
(b) Todas las bases de S tienen el mismo n
umero de elementos.
(2) Definici
on. Al n
umero de elementos de una base de S se le denomina dimensi
on de
S. Por definicion, la dimension del subespacio nulo es cero.
Si, al igual que antes, denotamos por A a la matriz cuyas columnas son los vectores dados

.. ..
.
. . ..

..
,
A=
.
v
v
v
1
2
r

.. ..
..
. . .
para cada vector v (vector columna) de S se verifica que v = Ac para alg
un vector de
coeficientes c. De esta forma, todo subespacio se puede expresar como espacio columna de una
matriz cuyas columnas sean los vectores de una base. Por tanto, se puede expresar mediante
ecuaciones parametricas, y elminando los parametros se podran obtener unas ecuaciones
implcitas que caractericen al subespacio dado.
Teorema (El Teorema de la Base). Consideremos un subespacio vectorial S de Km de
dimension p y un conjunto de vectores {u1 , . . . , uq } S:
(a) Si {u1 , . . . , uq } generan S, entonces q p. Ademas, q = p {u1 , . . . , uq } es una base
de S.
(b) Si {u1 , . . . , uq } es linealmente independiente, entonces q p. Ademas, q = p
{u1 , . . . , uq } es una base de S.
En particular, si tenemos un conjunto de n vectores de Km :
Si n > m, los n vectores no pueden ser linealmente independientes,
Si n < m, los n vectores no pueden generar Km .
4.3.2.- Rango de una matriz. El teorema del rango.
Definici
on. Dada una matriz A, m n, se llama rango de A a la dimension de su espacio
columna, es decir, a la dimension del subespacio vectorial (de Km )
Col (A) = {combinaciones lineales de las columnas de A}
= {Ax : x Kn } = {y Km : Ax = y es un S.C.} .
Teniendo en cuenta la relacion entre la dimension del espacio columna de A y la reduccion
de A a forma escalonada tenemos que rango(A) = n
umero de pivotes de A.
Para una matriz cuadrada A de orden n, teniendo en cuenta los resultados sobre la
existencia de la inversa obtenemos que: A tiene inversa rango(A) = n.
Teorema. Consideremos una matriz A, m n. Se verifican:
Matematicas I.

2012-2013

108

Tema 4.- Espacios vectoriales. Transformaciones lineales.

(a) rango(A) = rango(AT ). Es decir, la dimension del subespacio vectorial (de Kn ) generado
por las m filas de A coincide con la dimension del espacio columna de A (subespacio
vectorial de Km generado por las n columnas de A):
(
)
dim (Col (A)) = dim Col (AT ) .
Es decir, si por un lado reducimos la matriz A a forma escalonada por filas (mediante
operaciones fila) y por otro reducimos a forma escalonada por columnas (mediante
operaciones columna), el n
umero de pivotes que se tienen en ambas reducciones es el
mismo.
(b) Teorema del rango: dim (Col (A)) + dim (Nul (A)) = n.
(c) En terminos de la reduccion por filas de A a forma escalonada, el Teorema del rango se
puede expresar mediante:
(n
umero de pivotes) + (n
umero de variables libres) = n.

La propiedad (a) anterior no es otra cosa que la expresion de que al reducir a forma
escalonada el n
umero de filas-pivote coincide con el n
umero de columnas-pivote.
Si consideramos la transformacion lineal T : Kn Km , asociada a una matriz A, m n,
el espacio imagen de la transformacion es el espacio columna de la matriz de la matriz A,
Imagen(T ) = T (Kn ) = {T (x) Km : x Kn } =
= {y Km : y = T (x) para alg
un x Kn } = Col (A).
Se trata, por tanto, de un subespacio vectorial de Km cuya dimension es rango(A).
Dada una matriz Am n, la imagen, mediante la transformacion lineal T (x) = Ax, de
cualquier subespacio vectorial S de Kn sera un subespacio vectorial T (S) de Km contenido en
el espacio imagen (columna) y por tanto la dimension de dicho subespacio T (S) sera menor o
igual que el rango (y menor o igual que la dimension del subespacio S original). Ademas, si el
subespacio S puede generarse con ciertos vectores {u1 , . . . , up } (en particular si {u1 , . . . , up }
es una base de S) entonces T (S) puede generarse con {T (u1 ), . . . , T (up )},
S = Gen ({u1 , . . . , up }) = T (S) = Gen ({T (u1 ), . . . , T (up )}) .
No obstante, el que {u1 , . . . , up } sea una base de S no implica que {T (u1 ), . . . , T (up )} sea
una base de T (S).
Por otra parte, si consideramos un subespacio vectorial H de Km , el conjunto de los
vectores x Kn cuyos transformados T (x) = Ax pertenecen a H forman un subespacio
vectorial de Kn .
Ejercicio. Sea A una matriz m n y B una matriz n p, prueba que
rango(AB) mn {rango(A), rango(B)} .
Matematicas I.

Ingeniera Civil

4.3.- Bases de un subespacio.

109

4.3.3.- Cambios de Base.

Todas las bases de Kn estan formadas por n vectores. Puesto que en ese caso tendremos
n vectores linealmente independientes con n coordenadas cada uno, la matriz cuadrada
formada por dichos vectores como vectores columna tiene inversa (y los vectores columna de
dicha matriz inversa formaran otra base de Kn ). Por otra parte, tambien los vectores fila de
cada una de las dos matrices citadas seran una base de Kn . Para comprobar si n vectores
forman una base de Kn bastara con reducir a forma escalonada la matriz formada por dichos
vectores como vectores columna y comprobar si se obtienen n pivotes o menos. Notemos
que, puesto que el orden de los vectores no influye en si estos forman base o no, en la matriz
citada podemos intercambiar las columnas. De hecho, podramos hacer operaciones columna.
Ejemplo. Sean e1 , e2 , . . . , en los vectores canonicos de Kn . Los vectores
e1 , e1 + e2 , e1 + e2 + e3 , . . . , e1 + e2 + + en
forman una base de Kn . Para calcular las coordenadas de un vector generico x Kn respecto
de esta base basta con resolver el sistema (con termino independiente x)

1 1 1
1
x1
0 1 1 2 x2

.. .. . . .. .. = .. .
. .
. . . .
0 0 1
n
xn
Resolvemos el sistema

1 1 x1

1 1 x2

.. . . .. ..

. . .
.

0 0 1 xn

1
0
..
.

0 0 0 x1 x2
1 0 0 x2 x3
..
.. . .
.
. . . . ..
.
.
0 0 1 0 xn1 xn
0 0 0 1
xn
1
0
..
.

Por tanto, las coordenadas de x respecto a la base dada son

1
x1 x2
2 x2 x3

..
.
.
.
. =
.

n1 xn1 xn
xn
n
Dada una base V = {v1 , v2 , . . . , vn } de Kn , las coordenadas de un vector x Kn respecto
a dicha base son los coeficientes (
unicos) 1 , 2 , . . . , n para los cuales se verifica

.. ..
..
x1
1
. . .
x2

=
x
=
1 v1 + 2 v2 + + n vn = x v1 v2 . . . vn
..

.
..
.
.. ..
.
. . ..
xn
n
Matematicas I.

2012-2013

110

Tema 4.- Espacios vectoriales. Transformaciones lineales.

Solo vamos a considerar cambios de bases entre bases del espacio total Kn . No consideraremos
el problema de cambio de base entre bases de un subespacio.
Dadas dos bases
U = {u1 , u2 , . . . , un }

y V = {v1 , v2 , . . . , vn }

de Kn se trata de hallar la relacion entre las coordenadas de un vector x Kn respecto de

ambas bases. Las coordenadas de un vector x Kn respecto a U vienen dadas por un vector
[x]U que verifica que

x=

x1
x2
..
.

1
2
..
.

[x]U =

xn

x = 1 u1 + 2 u2 + + n un

La matriz

..
.

x1
x2
..
.

..
.

..
.

= u1 u2

..
..
.
.
xn

..
. un

..
.
..
.

1
2
..
.

()

.
..

..
. un

..
.

..
.

u u
1 2
..
..
.
.

que relaciona las coordenadas de un mismo vector x respecto a la base canonica con las
coordenadas del mismo vector x respecto a la base U se denomina matriz del cambio de
base U C de U a la base canonica C = {e1 , e2 , . . . , en } y se denota por

..
.

..
.

..
.

= u1 u2 . . . un
,
CU
..
..
..
.
. .
Puesto que la

1
2

..
.
n
(
la matriz

igualdad () es

..
..
.
.

= u1 u2

..
..
.
.

P
CU

equivalente a

.. 1
.

..
. un

..
.

P
[x]U
CU

[x]U =

P
CU

)1
[x]C

xn

)1
es la matriz del cambio de base C U con lo cual
P
=
U C

Matematicas I.

x1
x2
..
.

x = [x]C =

P
CU

)1
.
Ingeniera Civil

4.3.- Bases de un subespacio.

111

De forma analoga, si tenemos dos bases distintas de Kn ,

B = {v1 , v2 , . . . , vn }

y U = {u1 , u2 , . . . , un }

podramos obtener las matrices de cambio de base B U y U B de la misma forma

que lo que acabamos de hacer si conocieramos las coordenadas de los vectores de una base
respecto a la otra. Si conocemos las coordenadas de los vectores de ambas bases respecto,
por ejemplo, a la base canonica, podemos considerar un planteamiento similar.
Denotemos las coordenadas de un vector generico, x Kn , respecto de ambas bases B y
U mediante

1
1

[x]B = ... , [x]U = ... .

n
n
Tenemos entonces que x = 1 v1 + +n vn = 1 u1 + +n un y expresando estas igualdades
en forma matricial tenemos que

x1
1
1

x = ... = v1 v2 vn ... = u1 u2 un ...

x3
n
n
es decir, siendo B la matriz cuyas columnas son los vectores de la base B y siendo U la
matriz cuyas columnas son los vectores de la base U se verifica que
x = B [x]B = U [x]U .
De estas expresiones podemos obtener las matrices de cambio de base,
[x]B = B 1 U [x]U =

P
= B 1 U,
BU

[x]U = U 1 B [x]B =

P
= U 1 B.
U B

Ejemplos.
(1) Vamos a calcular las matrices de cambio de base entre la base canonica de R3 y la base
{
}
B = v1 = [2 1 0]T , v2 = [1 2 3]T , v3 = [1 0 1]T .
Siendo las coordenadas de un vector generico x R3 respecto a B y respecto a la base
canonica respectivamente,

x1
1
x = x2
[x]B = 2 ,
x3
3
Matematicas I.

2012-2013

112

Tema 4.- Espacios vectoriales. Transformaciones lineales.

se verifica que

x1
1
x = 1 v1 + 2 v2 + 3 v3 x2 = v1 v2 v3 2 .
x3
3

Por tanto, la matriz

P = v1 v2

2 1 1
v3 = 1 2 0
0
3 1

(cuyas columnas son las coordenadas de los vectores B respecto a la base C) es la matriz
P
del cambio de base B C, puesto que
CB
x = [x]C = P [x]B ,

x R3 .

Puesto que la inversa P 1 verifica [x]B = P 1 [x]C ,

x R3 dicha matriz es la del
cambio de base C B. Resumiendo,

2 1 1
2 2 2
1
P
P
= P 1 = 1 2 1 .
= P = 1 2 0 ,
6
BC
0
3 1
3 6
3
CB
(2) Calculemos las matrices de cambio de base entre las bases

1
1
2

y
B = v1 = 1 , v2 = 2 , v3 = 0

1
3
0

1
1
1

U = u1 = 2 , u2 = 2 , u3 = 3 .

1
2
2
Denotemos las coordenadas de un vector generico x R3 respecto de ambas bases B
y U mediante

1
1
[x]B = 2 , [x]U = 2 .
3
3
Tenemos entonces que x = 1 v1 + 2 v2 + 3 v3 = 1 u1 + 2 u2 + 3 u3 . Escribiendo estas
igualdades en forma matricial

2 1 1
1 1 1
x1
1
1
x2 = 1 2 0 2 = 2 2 3 2
x3
3
3
0
3 1
1 2
2
obtenemos

Matematicas I.

2 1 1
1
1 1 1
1
2 = 1 2 0 2 2 3 2 .
3
0
3 1
3
1 2
2

Ingeniera Civil

4.3.- Bases de un subespacio.

113

Por tanto,

2 1 1
1 1 1
2 2 2
1 1 1
P
= 1 2 0 2 2 3 = 61 1 2 1 2 2 3
BU
0
3 1
1 2
2
3 6
3
1 2
2

4 2 12
= 16 4 7 3 .
18 9 21
Analogamente podramos obtener

P
P
=
U B
BU

Matematicas I.

20 25 15
1
5 22 6 .
=
15
15 12 6

2012-2013

114

Tema 4.- Espacios vectoriales. Transformaciones lineales.

4.4.- Ejercicios.
4.4.1.- Enunciados.
Ejercicio 1. Determina cuales de los siguientes conjuntos de vectores son subespacios vectoriales, cuales son variadades y cuales no son ni lo uno ni lo otro:
(a) El conjunto de los vectores (x1 , x2 ) R2 cuyas coordenadas verifican, respectivamente,
(a1) x1 x2 = a (a R),
(a2) x1 + 2x2 = 0 o x1 x2 = 0,
(a3) x21 + x22 = a (a R),
(a4) x1 + 2x2 = a y x1 x2 = b, (a, b R).
(b) El conjunto de los vectores (x1 , x2 , x3 ) R3 cuyas coordenadas verifican, respectivamente,
(b1) (x1 + x2 )(x2 + x3 ) = 0,
(b2) x1 = 0 y (x2 = 0 o x3 = 0),

x1 = ,
2
x
=

,
(b3) Se pueden expresar de la forma
2

x3 = 0,

para alg
un R.

(b4) x1 + x2 + x3 0.
(c) El conjunto de los vectores (a1 , a2 , . . . , an ) Rn cuyas coordenadas verifican, respectivamente,
(c1) Cada una de las coordenadas a3 , . . . , an es la media (aritmetica) de las coordenadas anteriores,
(c2) Cada una de las coordenadas a3 , . . . , an es la media geometrica de las dos coordenadas anteriores, a1 + a2 t + a3 t2 + + an tn1 vale 3 para t = 1.
Ejercicio 2. Determina dos bases distintas de cada uno de los subespacios siguientes as
como ecuaciones implcitas independientes para cada uno de ellos:
(a) Vectores de R3 que pueden expresarse como combinacion lineal de

1
1

0
v1 =
y v2 = 1
2
1
y cuyas coordenadas verifican la ecuacion x1 x2 + x3 = 0.
(b) Subespacio de R4 generado por los vectores

1
2
1
0
0
1

v1 =
2 , v2 = 4 v3 = 1
0
0
1
Matematicas I.

y v4 = 2 .
0

2
Ingeniera Civil

4.4.- Ejercicios.

115

(c) Subespacio de R4 definido por las ecuaciones implcitas

x1 x2 + x3 x4 = 0,
2x1 + x2 + x3 = 0,

3x1 2x2 x4 = 0.

Ejercicio 3. Sea V la variedad de R4

x1

x2
x3

x4

dada por las ecuaciones parametricas

=
=
=
=

1 + + 2,
1 + 2 + ,
2 + 2 7,
+ .

Determina una base (del subespacio director) y la dimension de V y halla unas ecuaciones
implcitas.

Ejercicio 4.
(1) Determina el rango de las siguientes matrices:

0 1 1 2
0
1
0 2 1

2 2
3
A=
, B=
0 1 1 2
2
0
0 0 1 2 3
0

1 1 2
2 3
2
.
1 2
2
1 0 2

(2) Sea A una matriz 20 15 cuyo rango es rango(A) = 12. Determina la dimension de los
siguientes subespacios vectoriales,
Col (A), Nul (A), Col (AT ) y Nul (AT ).

Ejercicio 5.

1
0
T
0
1

Determina la matriz de una

1
1
0
0
0 1
= , T =
1
1 1
2
2
0

aplicacion lineal T : R4 R4 sabiendo

0
0
0
1

1 0
0 0
, T = , T =

1 0
0 0
0
1
1
0

Ejercicio 6. Sea T : R3 R4 la transformacion lineal que verifica

1
0
1
1
1
1
3

T 2 =
, T 1 =
, T 0 =

1
0
0
0
1
2
3

que

1
4
.
1
5

(a) Calclula la matriz A de dicha transformacion.

Matematicas I.

2012-2013

116

Tema 4.- Espacios vectoriales. Transformaciones lineales.

(b) Encuentra un sistema generador linealmente independiente y unas ecuaciones implcitas

de Col (A).
(c) Obten un conjunto linealmente independiente de vectores que genere el subespacio
Nul (A).
Ejercicio 7. Determina la matriz A de una transformacion lineal T : R3 R2 sabiendo
que el espacio nulo de A viene dado por la ecuacion implcita x1 x2 x3 = 0 y que

[
]
1
2

1
T
=
.
1
1
Ejercicio 8. Se considera la transformacion lineal T cuya matriz asociada es
[
]
1 2 1 2
A=
.
2 4 1 3
(a) Determina el espacio columna de A, Col (A).
(b) Calcular los vectores del n
ucleo de T que, a su vez, verifican el sistema de ecuaciones
{
x1 + 4x2 2x3 + x4 = 2,
x1 + 6x2 4x3 + x4 = 4.
(c) Sea V el conjunto de los vectores encontrados en el apartado anterior. Es V un subespacio vectorial de R4 ? Justifica la respuesta.
Ejercicio 9. Siendo e1 , e2 , e3 los vectores de la base canonica de R3 y sabiendo que los
vectores {u1 , u2 , u3 } e1 = 2u1 + 2u2 + u3 , e2 = u1 2u2 + 2u3 , e3 = 2u1 + u2 + 2u3 , se
nala
la relacion correcta:

2
2 1
(a) [e1 e2 e3 ] = 1 2 2 [u1 u2 u3 ] .
2 1 2

2
2 1
2 1 2
(b) [u1 u2 u3 ] = 1 2 2 = 91 2 2 1 .
2 1 2
1 2
2

2 1 2
2
2 1
(c) [u1 u2 u3 ] = 2 2 1 = 91 1 2 2 .
1 2
2
2 1 2
Ejercicio 10. Consideremos los siguientes vectores de R5 ,

1
1
2
5
1
1

4
0 ,
,
1
v
=
v
=
v1 =
3
2

2
1
3
1
1
2
Matematicas I.

v4 =

2
6
4
3
2

Ingeniera Civil

4.4.- Ejercicios.

117

(a) Son v1 , v2 , v3 y v4 linealmente independientes?

(b) Es v4 combinacion lineal de v1 , v2 y v3 ?
(c) Es v1 combinacion lineal de v2 , v3 y v4 ?
(d) Es v4 combinacion lineal de v1 y v2 ?
(e) Es v4 combinacion lineal de v2 y v3 ?
(f ) Son v1 , v2 y v3 linealmente independientes?

Ejercicio 11. Sea f : R3 R4 la aplicacion lineal

1 2 3
2 1 4
f (x) =
3 a
1
b 4 b

dada por

x1
x2 .

x3

Determinar las condiciones a satisfacer por a y b para que el vector v = (1, 3, 2, b 4)

verifique respectivamente:
(a) No pertenezca a la imagen de f .
(b) Sea la imagen de un u
nico vector de R3 .
(c) Sea la imagen de infinitos vectores de R3 .

Ejercicio 12. Sea T : R2 R2 la transformacion que hace corresponder al punto P =

(x1 , x2 ) el punto Q = (x1 , x2 ). Se
nala la u
nica opcion que es correcta.
es una transformacion que no esta bien definida.
es una aplicacion lineal que se representa, respecto de las bases canonicas, por la matriz
[
]
1 0
A=
.
0 1
es una transformacion, pero no es lineal porque tiene por ecuaciones

y1 = x1 cos 2 + x2 sen 2 ,

y2 = x1 sen 2 + x2 cos 2 .

Ejercicio 13. (a) Demuestra que para una matriz cuadrada A se verifica que
Nul (A) Nul (A2 ) y Col (A) Col (A2 )
Matematicas I.

2012-2013

118

Tema 4.- Espacios vectoriales. Transformaciones lineales.

(b) Demuestra que para dos matrices A y B con las dimensiones adecuadas se verifica que
Nul (B) Nul (AB) y Col (A) Col (AB).
Ejercicio 14. Extender a una base de Rn el conjunto linealmente independiente que se da:
(a) {v1 = (1, 1, 1)} en R3 .
(b) {v1 = (1, 3, 4), v2 = (1, 0, 2)} en R3 .
(c) {v1 = (1, 1, 0), v2 = (1, 3, 0)} en R3 .
(d) {v1 = (1, 1, 0, 1), v2 = (2, 1, 0, 3)} en R4 .
Ejercicio 15. Dadas las bases de R2
[
]
[ ]
5
2
B1 = {u1 =
, u2 =
} y
2
1

[
B2 = {v1 =

3
1

[
, v2 =

]
4
},
1

se pide:
(a) Hallar las matrices de cambio de base entre B1 y B2 .
(b) Obtener las coordenadas,
[ ]en la base B2 , del vector v cuyas coordenadas respecto de la
2
base B1 son [v]B1 =
.
1
Ejercicio 16. Consideremos la base B = {(2, 1), (3, 1)} de R2 .
(a) Obtener, en dicha base, las ecuaciones implcitas y las parametricas de los subespacios
que en la base canonica vienen definidos mediante:
E x1 + x2 = 0, F x1 2x2 = 0, G = Gen {(3, 1)}.
(b) Obtener, en la base canonica, las ecuaciones implcitas y las parametricas de los subespacios que en la base B vienen definidos mediante:
E y1 + 5y2 = 0, F y2 = 0, G = Gen {(1, 0)B }.

Ejercicio 17. Halla las ecuaciones parametricas de Nul (A), siendo A la matriz

1 2
0 0
1 3
3 0

1 1 0
A=
0
.
1
2
4 0
2 3 1 0

Matematicas I.

Ingeniera Civil

4.4.- Ejercicios.

119

4.5.1.- Soluciones.
Ejercicio 1. (a) (a1) El conjunto considerado no es subespacio vectorial y es inmediato
comprobar que tampoco es una variedad.
(a2) x1 + 2x2 = 0 o x1 x2 = 0.
El conjunto considerado no es un subespacio vectorial. Puede comprobarse que
tampoco es una variedad (al desplazar dos rectas que pasan por el origen se
obtienen otras dos rectas).
(a3) x21 + x22 = a (a R),
Para a = 0 el u
nico vector que verifica la ecuacion es el vector nulo y por tanto, se
trata de un subespacio vectorial.
Para a < 0, no hay ning
un vector (x1 , x2 ) R2 que verifique la ecuacion. Por tanto,
se trata del conjunto vaco que no es ni un subespacio vectorial ni una
variedad.
Para a > 0, la ecuacion dada determina la circunferecia de centro el origen de coordenadas y radio a. Por tanto, no es ni un subespacio vectorial ni una
variedad.
(a4)
Si a = b = 0, se trata de un subespacio vectorial puesto que el conjunto considerado
esta definido como el espacio nulo de una matriz, adems resolviendo el sistema que
caracteriza al conjunto tenemos que el u
nico vector que verifica las dos ecuaciones
es el vector nulo.
Si a = 0 o b = 0, el conjunto de vectores considerado es una variedad (es un u
nico
punto) cuyo subespacio director viene dado por las ecuaciones implcitas x1 +
2x2 = 0 y x1 x2 = 0, es decir el subespacio director es el subespacio nulo.
(b) (b1) Es el conjunto formado por dos planos (que no es lo mismo que la recta interseccion). Obviamente dicho conjunto no es ni un subespacio ni una variedad.
(b2) Dicho conjunto no es ni un subespacio ni una variedad.
(b3) Eliminando el parametro , el conjunto citado es el de los vectores cuyas coordenadas verifican
{
x2 = x1 + x21 ,
x3 = 0.
Es decir, se trata de una parabola (en R3 ) que esta contenida en uno de los
planos coordenados. Obviamente dicho conjunto no es ni un subespacio ni una
variedad.
(b4) El vector (1, 0, 0) verifica la inecuacion dada, sin embargo, 2(1, 0, 0) =
(2, 0, 0) no la verifica. Por tanto, no es un subespacio vectorial. De la misma
forma, tampoco se trata de una variedad.
(c) (c1) Las condiciones que caracterizan a los vectores del conjunto considerado vienen
Matematicas I.

2012-2013

120

Tema 4.- Espacios vectoriales. Transformaciones lineales.

dadas

a3

a4

..

a
n

por las siguientes ecuaciones,

= 12 (a1 + a2 ) ,

a
+
a

2a
=
0,
1
2
3

1
= 3 (a1 + a2 + a3 ) ,
a
+
a
+
a

4a
=
0,
1
2
3
4

.. ..
..
.. ..

. .
.
. .

1
= n1 (a1 + + an1 ) ,
a1 + + an1 (n 1)an = 0.

Es decir, el conjunto considerado puede caracterizarse como el espacio nulo de

una matriz. por tanto, es un subespacio vectorial.

(c2) La media geometrica de dos n

umeros (reales positivos) y es = .
Obviamente el conjunto considerado no es un subespacio vectorial puesto que
un m
ultiplo con coeficiente negativo de un elemento del conjunto no esta en el
conjunto. Tampoco es una variedad.

Ejercicio 2. (a) Se trata del subespacio generado por el vector v1 = [2, 1, 1]T (la recta
que pasa por el origen de coordenadas y tiene a dicho vector como vector direccion).
Una base, {v1 }.
Otra base, {2v1 }.
Ecuaciones impcitas:

(b)

x1 + 2x3 = 0,
x2 + x3 = 0.

Observaci
on.- El subespacio estaba originalmente definido como la interseccion
de un plano que vena dado en forma parametrica con un plano que vena dado en
forma implcita. Lo u
nico que hemos hecho ha sido expresar la recta interseccion
en forma parametrica y en forma implcita.
{
}
2x1 3x2 + x3 = 0
Ecuaciones implcitas no redundantes
.
x2 + x4 = 0

1
1

0
1

.
,v =
Una base v1 =
2 3 1

0
1
Otra base {v1 , v3 + v1 }.

(c)

El subespacio considerado puede caracterizarse mediante cualesquiera de las siguientes

parejas de ecuaciones implcitas no redundantes (y otras muchas),
{
}
{
}
x1 x2 + x3 x4 = 0
x1 2x3 + x4 = 0,
, y
.
x2 + 3x3 2x4 = 0
x2 + 3x3 2x4 = 0.
Una base es

Matematicas I.

2
1
3
2

v1 =
1 , v2 = 0

0
1

Ingeniera Civil

4.4.- Ejercicios.

121

Otra base es {v1 , v2 3v1 }.

Ejercicio 3.

La ecuacion implcita de V viene dada por:

12x1 + 13x2 7x3 25x4 = 39.

Una base de S, el subespacio

v1 =

director de V , es

2
1
1
0
1
2
,v =
,v =
2 2 0 3 7
1
0
1

Ecuacion implcita de S : 12x1 + 13x2 7x3 25x4 = 0.

dim (V ) = dim (S) = 3.

Ejercicio 4.
(a) Reduciendo a forma escalonada se obtiene rango(A) = rango(B) = 3.
(b)

dim (Col (A)) = 12.

dim (Nul (A)) = 15 12 = 3.
(
)
dim Col (AT ) = rango(AT ) = rango(A) = 12.
(
)
dim Nul (AT ) = 20 12 = 8.

Ejercicio 5. La matriz A

1 0
0 1
A=
1 1
2 0

es
0
0
0
1

1
1 1
1

0 0 1 1
1
0
0 0
1 1 1
0

0
0 2 2

0 0 1 1
=
0 1 0
0
1
2 3 2

1
0
.
0
0

Ejercicio 6. (a) La matriz A asociada a la transformacion T es

1
1
2
5
2
1

A=
1 1 2 .
4 1
1
Matematicas I.

2012-2013

122

(b)

Tema 4.- Espacios vectoriales. Transformaciones lineales.

Un sistema generador linealmente independiente de Col (A) es

1
1

5
2

v1 =
1 , v2 = 1

4
1
Unas ecuaciones implcitas vienen dadas por
{
x1 2x2 x4 = 0,
x1 + x3 = 0.
.

(c) Un conjunto generador linealmente independiente de Nul (A) es

u1 = 3 .

[
Ejercicio 7. A =

2 2
2
1 1 1

]
.

Ejercicio 8. (a) El espacio columna de A es Col (A) = R2 .

(b)

x1
2
x2 1

x3 = 0
x4
0

+ 1 , R.

1
1

(c) Obviamente V no es un subespacio vectorial, el vector nulo no esta en V .

Ejercicio 9. Las relaciones dadas entre los vectores de la base canonica {e1 , e2 , e3 } y los
vectores de la base B = {u1 , u2 , u3 } pueden expresarse en forma matricial

2 1 2
e1 e2 e3 = u1 u2 u3 2 2 1 = (c).
1 2
2

Ejercicio 10. (a) v1 , v2 , v3 y v4 no son linealmente independientes.

(b) v4 es combinacion lineal de v2 y v3 ,
Matematicas I.

Ingeniera Civil

4.4.- Ejercicios.

123

(e) y, por tanto, de v1 , v2 y v3 .

(c) v1 no es combinacion lineal de v2 , v3 y v4 .
(d) v4 no es combinacion lineal de v1 y v2 .
(f ) los vectores {v1 , v2 , v3 } son Linealmente Independientes.

Ejercicio 11. (Comparar con los resultados obtenidos en el Ejercicio 9 del Tema 3)
(a) Para un vector v R3 ,
v
/ Im (f ) f (R3 ) Ax = v es un sistema incompatible (ver Ejercicio 9)
(b) Un vector v R3 es imagen de un u
nico vector de R3
Ax = v es un sistema compatible determinado (ver Ejercicio 9)
(c) Un vector v R3 es imagen de infinitos vectores de R3
Ax = v es un sistema compatible indeterminado (ver Ejercicio 9)

Ejercicio 12. X es una aplicacion lineal que se representa, respecto de las bases canonicas, por la matriz
]
[
1 0
.
A=
0 1

Ejercicio 13. (a)

Comprobemos que Nul (A) Nul (A2 ), las otras inclusiones se pueden obtener de forma analoga,
Si x Nul (A) = Ax = 0 = AAx = 0 = x Nul (A2 )
Comprobemos que Col (A2 ) Col (A), las otras inclusiones se pueden obtener de
forma analoga:
y Col (A2 ) = x tal que A2 x = y = A(Ax) = y = y Col (A).
(b)

Si x Nul (B) = Bx = 0 = ABx = 0 = x Nul (AB).

y Col (AB) = x tal que ABx = y = A(Bx) = y
= y Col (A)puesto que z = Bx tal que Az = y.

Matematicas I.

2012-2013

124

Tema 4.- Espacios vectoriales. Transformaciones lineales.

Ejercicio 14. (a) Primero tomamos un vector que no este en la recta generada por v1 , por
ejemplo v2 = e1 . A continuacion tomamos un vector que no este en el plano generado
por v1 y v2 , por ejemplo v3 = (0, 1, 2). Y ya esta.
(b) Basta tomar un vector que no este en el plano determinado por v1 y v2 . Puesto que la
ecuacion del plano es 6x1 + 2x2 3x3 =, podemos tomar v3 = e1 , por ejemplo.
(c) Basta tomar v3 = e3 .
(d) Para obtener una base de R4 hacen falta dos vectores linealmente independientes que
sean linealmente independientes con v1 y v2 . Si obtenemos unas ecuaciones impltas
del subespacio que generan v1 y v2 tendremos dos ecuaciones impltas. Si tomamos
un vector v3 que verifique una de dichas ecuaciones y no la otra y un vector v4 que
verifique la otra pero no la primera, ya estara.

Ejercicio 15. (a)

[
AB1 B2 =

[
(b) [v]B2 =

3 2
1
1

[
AB2 B1 =

1 2
1 3

]
4
.
1

Ejercicio 16. (a) Llamemos y1 e y2 las coordenadas en la base B, tenemos

para E x1 + x2 = 0, ecuaciones impltas: 3y1 4y2 = 0 y las ecuaciones
parametricas:
{
y1 = 43
R.
y2 =
para F x1 2x2 = 0, ecuaciones impltas: y2 = 0 y ecuaciones parametricas:
y1 = , y2 = 0.
para G, ecuacions impltas: y1 = 0 y ecuaciones parametricas: y1 = 0, y2 = .
(b) Expresando, en cada caso, y1 e y2 en funcion de x1 y x2 tenemos
E 6x1 + 13x2 = 0,
F x1 + 2x2 = 0.
G x1 2x2 = 0.
Ejercicio 17. Una base de Nul (A) es e4 , por lo tanto Nul (A) = Gen {e4 } .

Matematicas I.

Ingeniera Civil