Unidad 4

Base,

diMensin y Matriz
de transicin

Objetivos:
Al inalizar la unidad, el alumno:
Conocer la deinicin de base de un espacio vectorial.
Identiicar bases cannicas para algunos espacios vectoriales.
Encontrar las coordenadas de un vector relativas a una base especica.
Comprender el concepto de dimensin de un espacio vectorial.
Aplicar la matriz de transicin para cambiar de base un espacio vectorial.

lgebralineal

Introduccin

n la unidad anterior vimos cuando un conjunto de vectores linealmente

independientes generaba todo el espacio vectorial. Vimos tambin
que tener ese conjunto era muy cmodo, pues cualquier vector poda
escribirse como combinacin lineal de los vectores de ese conjunto. En esta
unidad definiremos formalmente el concepto de base de un espacio vectorial y
conoceremos sus caractersticas. Veremos tambin que un espacio vectorial puede
tener varias bases, se mostrar cmo alguna de stas son ms cmodas que
otras y el modo de cambiar de una a otra.

4.1. Definicin de base de un espacio vectorial

Un espacio vectorial siempre tiene al menos un conjunto de vectores que lo
generan lo que nos lleva a la siguiente definicin.

Definicin 4.1. Sea V un espacio vectorial y {v1, v2, . . .,vn} un conjunto finito
de vectores de V. Entonces {v1, v2, . . ., vn} se llama base de V si satisface las
siguientes condiciones:
i) {v1, v2, . . ., vn} es linealmente independiente.
ii) {v1, v2, . . ., vn} genera V.
Esta definicin nos proporciona las caractersticas que debemos buscar en
un conjunto para que sea una base.

Ejemplo 1
a) Recordemos que en la unidad pasada vimos que en R 2 los vectores i =
(1, 0) y j = (0, 1) eran linealmente independientes y que generaban a R2 , por
lo tanto podemos decir que el conjunto {i, j} es una base para R2.
b) Tambin recordemos que el teorema 3.9. nos indica que cualquier
conjunto de n vectores linealmente independientes de Rn genera a Rn , por lo
tanto, podemos afirmar el siguiente resultado:

135

Unidad 4

Todo conjunto de n vectores linealmente independiente en Rn es una base

de Rn.

Ahora veremos en el siguiente apartado ejemplos de bases para espacios

vectoriales distintos de Rn.

4.2. Bases en varios tipos de espacios

vectoriales
En este apartado consideraremos ejemplos de espacios vectoriales distintos
a Rn. Para manejar ms fcilmente al espacio vectorial en su conjunto,
encontraremos tambin algunas de las llamadas bases cannicas.
1. Consideremos el espacio vectorial formado por
H = {(x, y, z) en R3 tales que 2x y + 3z = 0}
Vamos a encontrar una base para H.
Tomemos un vector (x, y, z) en H, entonces satisface el hecho de que
2x y + 3z = 0;
podemos reescribir esta condicin como y = 2x + 3z, de donde tenemos que
los vectores de H los podemos escribir de la siguiente manera:
x x 0
1 0
2 x + 3 z = 2 x + 3 z = x 2 + z 3 de donde podemos decir que los
z 0 z
0 1

1 0
vectores 2 y 3 generan H.
0 1

1 0
Vamos ahora a probar que 2 y 3 son linealmente independientes.
0 1

Consideremos una combinacin lineal de ellos igual a cero:

136

lgebralineal
1
0 0


a 2 + b 3 = 0 , entonces tenemos que a = 0; 2a + 3b = 0 y b = 0, por
0
1 0

1 0
lo tanto 2 y 3 son linealmente independientes.
0 1

Podemos concluir que, como son linealmente independientes y generan H,

1 0
entonces 2 y 3 son una base para H.
0 1

2. Consideremos el espacio vectorial formado por todas las matrices de
22 de la forma

0 a
D22 =
/ a y b R'

b 0
Vamos a encontrar una base para este espacio vectorial.
0 a
Tomemos una matriz de este espacio
, entonces podemos
b
0

0 0
0 1
0 a
reescribirla como
= a 0 0 + b 1 0 de donde podemos afirmar que
b
0

0 1
0 0 generan todo el espacio vectorial. Claramente observamos
0 0 y 1 0

que tambin son linealmente independientes, por lo que podemos afirmar que
son base del espacio D22.
3. Consideremos el sistema homogneo de ecuaciones lineales
x + 2y z = 0
2 x y + 3z = 0
Vamos a encontrar el conjunto solucin S del sistema.
Para encontrar el conjunto solucin consideremos la matriz aumentada
asociada al sistema y llevmosla a la forma escalonada reducida por renglones.

137

Unidad 4
1
2

2
1

1
3

0 1

0 0

2
5

1
5

0 1 2 1

0 0 1 1

0 1 0

0 0 1

1
1

0
0

x = z
x+z=0
de donde
,
y=z
yz=0
de manera que todas las soluciones del sistema son de la forma
De aqu obtenemos el siguiente sistema

x z
y = z
z z

1
= z 1

, por lo que

1
1
1

es una base para S.

Probaremos que S es un subespacio vectorial:

Sean a y b en S, entonces existen a y b nmeros tales que a = a(1,1,1) =
(a, a, a) y b = b (1,1,1) = (b, b, b).
i) a + b = (a, a, a) + (b, b, b) = (ab, a+b, a+b) = ((a+b), a+b, a+b)
est en S.
ii) a = (a, a, a) = ((a), a, a) = ( a, a, a) est en S.
Entonces, por el teorema 3.2, S es un subespacio vectorial de R3.
4. Consideremos el espacio vectorial P2 (los polinomios de grado menor o
igual a 2). Vamos a encontrar una base para P2.
Sea p un polinomio de P2, entonces p = ax2+bx+c de donde podemos
observar que el conjunto formado por { x2, x, 1} genera a P2.
Probemos ahora que { x2, x, 1} es un conjunto linealmente independiente.
Tomemos una combinacin lineal igual a cero, entonces ax2 + bx +c = 0 de
donde obtenemos que existe la solucin trivial para a = b = c = 0 por lo que el
conjunto es linealmente independiente.
Podemos entonces concluir que { x2, x, 1} es una base para P2.
5. Sea P3 un espacio vectorial, detemina si el conjunto B = {1, 1+x, 1+x2,
1+x }es una base para P3.
3

138

lgebralineal
Sea p un polinomio de P3, entonces p = a1x3 + a2 x2 + a3x + a4.
Si B es una base, entonces genera a P3 y, por lo tanto, p es una combinacin
lineal de B.
Sea la combinacin lineal p = b11 + b2(1+x) + b3(1+x2) + b4(1 + x3),
entonces
p = b1 + b2 + b2 x + b3 + b3x2 + b4 + b4x3 = (b1 + b2 + b3 + b4) + b2 x + b3x2 + b4x3
de donde igualando ambas expresiones tenemos que:
a1= b4;

a2 = b3;

a 3 = b 2;

a4 = b1 + b2 + b3 + b4 = b1 + a3 + a2 + a1

por lo tanto B s genera a P3.

Veamos ahora si B es linealmente independiente.
Consideremos una combinacin lineal igual a cero,
b11 + b2(1+x) + b3(1+x2) + b4(1 + x3) = 0
entonces b1 + b2 + b2 x + b3 + b3x2 + b4 + b4 x3 = (b1 + b2 + b3 + b4) + b2 x
+ b 3 x2 + b4 x3 = 0
de tal manera, b1 + b2 + b3 + b4 = 0; b2 = 0; b3 = 0; b4 = 0 de donde
b1 = 0.
Por lo tanto, B es linealmente independiente y B es base de P3.
6. Vamos a probar que {(1, 0), (0, 1)} es base para R2.
Sea (x, y) en R2, entonces (x, y) = x (1, 0) + y (0, 1) por lo tanto genera a R2.
Si a(1, 0) + b(0, 1) = (0, 0) entonces a = 0 y b = 0, y es linealmente
independiente, por tanto {(1, 0), (0, 1)} es una base para R2 y recibe el nombre
de base cannica.
7. De igual manera se puede probar que {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es la
base cannica para R3.
8. Sea p en P3 donde p = a1 + a2 x + a3 x2 + a4 x3, entonces {1, x, x2, x3}
generan a P3.

139

Unidad 4
Consideremos una combinacin lineal de ellos igual a cero, entonces
a1 + a2 x + a3x2 + a4 x3 = 0, esto implica que a1 = a2 = a3 = a4 = 0 por lo cual
tambin son linealmente independientes.
Esto nos lleva a asegurar que {1, x, x2, x3} es una base para P3, llamada
base cannica de P3.

Ejercicio 1
1. Detemina si el conjunto de vectores dado es base para el espacio vectorial
referido:
a) En P2, {x21, x22, x2 3}

3 1 3 2 5 1 0
1
b) En M22

,
,
,
0 0 0 0 0 6 0 7
2. Encuentra una base para cada uno de los espacios vectoriales:
a) {(x, y, z) en R3 tales que 2x y z = 0}
b) {(x, y) en R2 tales que x + y = 0}
3. Encuentra una base para el espacio solucin del sistema homogneo
dado:
a) x 2 y = 0
3x + y = 0
b)

x 3y + z = 0

2 x + 2 y 3 z = 0
4 x 8 y + 5 z = 0

4. Encuentra una base cannica para el espacio vectorial M22.

5. Encuentra una base cannica para el espacio vectorial R4.

4.3. Coordenadas de un vector, relativas a

alguna base
Como vimos anteriormente, si un espacio vectorial V tiene al menos una
base que genera a todo el espacio vectorial, entonces cualquier vector se puede
escribir como combinacin lineal de los vectores de la base; sin embargo, surge

140

lgebralineal
la pregunta: esta combinacin lineal es nica o hay varias? Consideremos el
siguiente resultado.

Teorema 4.1. Si {v1, v2, . . . , vn} es una base para el espacio vectorial V y si
v est en V, entonces existe un conjunto nico de escalares c1, c2, . . ., cn tales
que
v = c1v1 + c2v2 + . . . + cnvn
Este teorema nos indica que la expresin de un vector como combinacin
lineal de los vectores de una base es nica. A continuacin veremos algunos
ejemplos de ello.

Ejemplo 2
a) En R2 {(1, 0), (0, 1)} forman la base cannica, por lo tanto
(x, y) = x (1, 0) + y (0, 1)
Supongamos que hay otra combinacin lineal de estos vectores que nos dan
el vector (x, y)
(x, y) = a (1, 0) + b(0, 1), como ambas combinaciones dan el mismo
vector tenemos que x (1, 0) + y (0, 1) = a (1, 0) + b(0, 1) de donde tenemos
que (x, y) = (a, b) por lo tanto x = a, y = b y la combinacin lineal es nica.
b) Veamos ahora cmo podemos encontrar las coordenadas de un vector
con respecto a una base dada.
Consideremos el conjunto {(1, 3), (1, 2)}, veremos que es base de R2.
Para ello lo nico que tenemos que hacer es mostrar que es linealmente
independiente, ya que el teorema 3.9. nos indicara que generan R2.
Sea a (1, 3) + b(1, 2) = 0 una combinacin lineal, entonces a b= 0,
3a + 2b = 0 de donde obtenemos que a = b = 0; por lo que es linealmente
independiente y por tanto base de R2.
Tomemos ahora un vector cualquiera de R2 (x, y), por el teorema 4.1. existen
escalares c1 y c2 nicos de manera que (x, y) = c1 (1, 3) + c2 (1, 2). Entonces
tenemos que

141

Unidad 4
x = c1 c2 , y = 3c1 + 2c2 ; al resolver el sistema para c1 y c2 obtenemos que

3 x + y
2x + y
, c2 =
que son las coordenadas de (x, y) con respecto a la
5
5
base {(1, 3), (1, 2)}.
c1 =

c) Usando el ejemplo anterior vamos a encontrar las coordenadas del vector

(1, 2) con respecto a la base {(1, 3), (1, 2)}.
2(1) + 2
4
=
Sean c1 y c2 las coordenadas, entonces c1 =
5
5
3(1) + 2
1
c2 =
=
, de tal manera que, para (x, y) = (1, 2) obtenemos
5
5
(1, 2) = 4/5 (1, 3) 1/5 (1, 2).

Ejercicio 2
1. Encuentra las coordenadas de los vectores dados relativas a la base
indicada:
a) x = (3, 2); {(1, 3), (1, 2)}
b) x = (2, 4); {(2,5), (0, 3)}
c) x = (3, 5, 1); {(1, 0, 3), (0, 2, 0), (0, 0, 1)}

4.4. Dimensin de un espacio vectorial

Si hablamos de que un espacio vectorial puede tener muchas bases surge
la pregunta: contienen todas las bases el mismo nmero de vectores? La
respuesta para Rn es s, ya que el teorema 3.9. nos indica que cualquier conjunto
de n vectores linealmente independientes en Rn lo generan, y el corolario
3.1. nos dice que un conjunto linealmente independiente contiene a lo ms
n vectores. Al unir ambos resultados obtenemos que todas las bases de Rn
contienen n vectores.
El siguiente teorema nos da la respuesta para todos los espacios
vectoriales.

Teorema 4.2. Si {u1, u2, . . ., um} y {v1, v2, ..., vn} son bases de un espacio
vectorial V, entonces m = n; es decir, cualesquiera dos bases en un espacio
vectorial V tienen el mismo nmero de vectores.

142

lgebralineal
Y debido a l podemos definir el siguiente concepto que es uno de los ms
importantes del lgebra lineal.

Definicin 4.2. Si el espacio vectorial V tiene una base finita, entonces la

dimensin de V es el nmero de vectores de todas sus bases y se dice que V es
un espacio vectorial de dimensin finita. A la dimensin de V se le denota por
dim V.

En los siguientes ejemplos encontraremos la dimensin de varios espacios

vectoriales.

Ejemplo 3
a) Si V = {0} entonces se dice que V tiene dimensin cero y dim V = 0. ste
es el nico espacio con esta dimensin.
b) Consideremos el espacio vectorial de todos los polinomios de grado
menor o igual a 3, P3.
Probaremos que el conjunto {1, x, x2, x3} es una base para P3.
Consideremos una combinacin lineal de ellos igual a cero, entonces
a(1) + b(x) + c(x2) + d(x3) = 0, entonces a = b = c = d = 0, por lo tanto
es linealmente independiente. Es obvio que el conjunto genera P3; por lo tanto
podemos afirmar que {1, x, x2, x3} es una base para P3 y por lo tanto dim P3 = 4.
c) Como las bases de R n contienen n vectores podemos afirmar que dim
R = n.
n

d) Consideremos el espacio vectorial de las matrices de orden 32, (M32)

y el conjunto formado por las matrices

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

0 0 , 0 0 , 1 0 , 0 1 , 0 0 , 0 0 , comprobaremos que
0 0 0 0 0 0 0 0 1 0 0 1
son una base para M32.
Tomemos una combinacin lineal igual a cero.

143

Unidad 4
a
c
e

b
1 0
0 1 0 0
0 0 0 0
0 0
d = a 0 0 + b 0 0 + c1 0 + d 0 1 + e 0 0 + f 0 0
0 0
0 0 0 0
0 0 1 0
0 1
f

lo que indica que generan a M32.

1 0
0 1 0 0
0 0 0 0
a 0 0 + b 0 0 + c1 0 + d 0 1 + e 0 0 +
0 0
0 0 0 0
0 0 1 0

a
=c
e

b 0 0
d = 0 0
f 0 0

0 0
f 0 0
0 1

esto implica claramente que a = b = c = d = e = f = 0 y que el conjunto

es linealmente independiente.
Por lo anterior podemos afirmar que forma una base para M32 y que
dim M32 = 6.
Consideremos en R 3 el subespacio vectorial H = {(x, y, z) tales que
2x y +3z = 0
1 0
En el ejemplo 1 de la seccin 4.2. se demostr que 2 y 3 son una base
0 1

para H; podemos concluir que dim H = 2 y sabemos que dim R3 = 3; suceder
esto con todos los subespacios vectoriales? El siguiente resultado nos da la
respuesta.
Teorema 4.3. Sea H un subespacio de un espacio vectorial V de dimensin
finita. Entonces H es de dimensin finita y dim H dim V.
Usaremos el teorema anterior para encontrar todos los subespacios de R3.

Ejemplo 4
Como dim R3 = 3, entonces los subespacios de R3 tendrn dimensiones 0, 1,
2 y 3.
El nico subespacio de dimensin 0 es {0}.

144

lgebralineal
Vamos a encontrar todos los subespacios de dimensin 1.
Sea H un subespacio de R3 de dimensin 1, por lo tanto tiene una base
formada por un solo vector v = (a, b, c). Sea x = (x, y, z) en H, entonces existe
t escalar tal que x = t (a, b, c), por lo tanto (x, y, z) = t (a, b, c) = (ta, tb, tc) de
donde x = ta, y = tb, z = tc. Pero esta es la ecuacin de una recta en R3 que
pasa por el origen.
Vamos a encontrar todos los subespacios de dimensin 2.
Sea H un subespacio de R3 de dimensin 2, por lo tanto tiene una base
formada por dos vectores v1 = (a1, b1, c1) y v2 = (a2, b2, c2) . Sea x = (x, y, z) en
H, entonces existen escalares s y t tales que x = s (a1, b1, c1) + t (a2, b2, c2), por
lo tanto (x, y, z) = s (a1, b1, c1) + t (a2, b2, c2) de donde x =sa1+ ta2, y = sb1 + tb2,
z = sc1+ tc2.
Esta es la ecuacin de un plano en R3 que pasa por el origen.
Por lo tanto los nicos subespacios de R3 son los vectores que estn en una
recta o en un plano que pasa por el origen.
Ser necesario probar que un conjunto de vectores linealmente
independientes genera a un espacio vectorial para asegurar que es una base?
El siguiente teorema nos da una condicin para asegurarnos que tenemos una
base.

Teorema 4.4. Cualesquiera n vectores linealmente independientes en un

espacio vectorial V de dimensin n forman una base para V.

Veamos algunos ejemplos donde usaremos este resultado para encontrar

bases de espacios vectoriales.

Ejemplo 5
Consideremos a R3, el conjunto {(2, 3, 5), (1,0,0), (2, 1, 0)} es una base
de R ?
3

Por el teorema anterior basta probar que es linealmente independiente ya

que dim R3 = 3.

145

Unidad 4
Tomemos una combinacin lineal igual a cero, a(2, 3, 5) + b(1, 0, 0) +
c(2, 1, 0) = (0, 0, 0) entonces 2a + b + 2c = 0, 3a c = 0, 5a = 0; de donde a = b
= c = 0 ; el conjunto es linealmente independiente y por tanto una base para R3.

Ejercicio 3
1. Di si son falsas o verdaderas las siguientes afirmaciones:
a) Cualesquiera tres vectores en R3 forman una base para R3.
b) Cualesquiera tres vectores linealmente independientes en R3 forman una
base para R3.
c) Una base para un espacio vectorial es nica.
d) Un espacio vectorial de dimensin 4 puede tener una base con 3
vectores.
e) Si H es un subespacio de V, entonces dim H > dim V.
2. Encuentra la dimensin de los siguientes espacios vectoriales:
a) H = {(x, y, z) en R3 tales que 3x y +6z = 0}
x 3y + z = 0

b) El espacio solucin del sistema homogneo 2 x + 2 y 3 z = 0

4 x 8 y + 5 z = 0

4.5. Rango, nulidad, espacio de renglones y

columnas de una matriz
En la seccin anterior vimos que es un poco difcil y tedioso encontrar una
base para cualquier espacio vectorial; ahora veremos cmo se puede obtener
una base para el espacio generado por un conjunto de vectores mediante la
reduccin por renglones de una matriz. Recordemos que para que un conjunto
genere un espacio no es necesario que sea una base.
Tambin estudiaremos algunos conceptos muy importantes que se refieren
a las matrices y por consiguiente a los sistemas de ecuaciones.

Definicin 4.3. Sea A una matriz de mn, consideremos el conjunto

NA = {x en Rn tales que Ax = 0}

146

lgebralineal
entonces NA es un subespacio vectorial que se llama espacio nulo o kernel
de A y su dimensin (A) = dim NA se llama nulidad de A.
En los siguientes ejemplos encontraremos el kernel y la nulidad de varias
matrices usando esta definicin.

Ejemplo 6
1
a) Sea A =
2
de A.

2
1

1
vamos a encontrar el espacio nulo y la nulidad
3

Lo que queremos encontrar es el conjunto de vectores x = (x, y, z) de R3

que satisfacen Ax = 0, esto significa tener el siguiente sistema de ecuaciones:
x +2y z= 0 y 2x y + 3z = 0 lo que se busca es encontrar una base para el
espacio solucin de este sistema homogneo.
Como se vio en el ejemplo 3 de la seccin 4.2, este sistema tiene como base
al vector (1, 1, 1) y por lo tanto, NA = gen {(1, 1, 1)} y (A) = 1.
2
b) Encontrar el espacio nulo y la nulidad de la matriz A = 4
6

Para esto se diagonalizar la matriz aumentada:

2
4

1
2
3

3
6
9

0 1 1 / 2
0 4
2

0 6
3

3/ 2
6
9

1
2
3

0 1 1 / 2 3 / 2
0
0
0 0

0
0
0 0

3
6 .
9
0
0
0

Entonces los vectores del kernel satisfacen que x 1/2y + 3/2z = 0 de

donde y = 2x + 3z y se pueden reescribir como
x x x 0
1 0
y = 2 x + 3z = 2 x + 3z = x 2 + z 3 .
z z 0 z
0 1

1
Esto nos asegura que los vectores 2 ,
0

0
3 forman una base para el
1

147

Unidad 4
espacio nulo (kernel). Y por lo tanto: (A) = 2, es decir, la nulidad de A es 2.
El siguiente resultado une los conceptos de matriz invertible con el kernel
y nulidad.

Teorema 4.5. Sea A una matriz de nn, entonces A es invertible, si y slo

si, (A) = 0.
Recordemos que si A es invertible, el sistema Ax = b tiene slo una
solucin nica x = A1b, esto nos lleva a que el sistema homogneo Ax = 0 slo
tiene la solucin trivial x = 0, de donde el kernel de A, NA = {x en Rn tales
que Ax = 0}= {0} y por tanto (A) = 0.
Definiremos otros conceptos que nos son necesarios para encontrar una
base en el espacio generado por un conjunto de vectores.

Definicin 4.4. Sea A una matriz de mn. Entonces la imagen de A es el

conjunto imagen A = {y en Rm tales que Ax = y para alguna x en Rn}.

Encontraremos la imagen de una matriz.

Ejemplo 7

1 2
Sea A =
vamos a encontrar su imagen. Por la definicin anterior
0 1
tenemos que:
Imagen A = {y en R2 tales que Ax = y para alguna x en R2}, estamos
buscando entonces todos los productos de la forma Ax = y.
1 2 x
Sea x = (x, y) en R2, entonces Ax =
= (x + 2 y, y ) , de donde
0 1 y
tenemos que los vectores de la imagen de A tienen la forma (x + 2y, y), es decir,
imagen A = {(x+2y, y)}.
El siguiente resultado nos dice que la imagen de una matriz es tambin un
espacio vectorial y esto nos va a simplificar el mtodo para encontrar una base
para un espacio generado por un grupo de vectores.

148

lgebralineal

Teorema 4.6. Sea A una matriz de mn, entonces la imagen de A es un

subespacio de Rm.

Usaremos el ejemplo anterior para checar que la imagen es en verdad un

subespacio vectorial.

Ejemplo 8
Dada la imagen A = {(x+2y, y)} mostrar que es un subespacio vectorial de R2.
Tomemos dos elementos de la imagen A: u = (u1+2u2, u2) v = (v1+2v 2, v 2),
entonces u + v = (u1+2u2, u2) + (v1+2v 2, v 2) = (u1+2u2 + v1+2v 2, u2 + v 2) =
(u1+ v1 + 2u2+2v2, u2 + v2) = (u1+ v1 + 2(u2+v2), u2 + v2) est en imagen A.

u = (u1+2u2, u2) = ((u1+2u2), u2) = (u1+2u2, u2) est en la

imagen de A, por lo anterior podemos decir que imagen A es un subespacio
vectorial de R2.
Como vimos, la imagen de A es un subespacio de Rm, y como dim Rm =
m, entonces la imagen de A tiene dimensin finita. La siguiente definicin nos
dir cul es esa dimensin y cmo se llama.

Definicin 4.5. Sea A una matriz de mn. Entonces el rango de A, denotado

por (A), est dado por (A) = dim imagen A.

Vamos a encontrar la dimensin de la imagen A del ejemplo anterior.

Ejemplo 9
Imagen A = {(x+2y, y)}, entonces los vectores de la imagen se
2
1
x + 2y x 2y
= + = x + y de donde
pueden reescribir como

1
0
y 0 y
1 2
,
generan
la
imagen
A
y
como
son
linealmente
independientes,
0 1

podemos asegurar que son una base para imagen A, por lo tanto el rango de la
matriz A (A) = 2.

149

Unidad 4
Las siguientes definiciones y teoremas nos facilitarn el clculo del rango
de una matriz.
Definicin 4.6. Sea A una matriz de mn, sean {r1, r2, . . . , rm} los renglones
de A y {c1, c2, . . . , cn} las columnas de A. Entonces definimos
RA = espacio de renglones de A = gen {r1, r2, . . . , rm}
CA = espacio de columnas de A = gen {c1, c2, . . . , cn}
1 2
Tomando de nuevo el ejemplo 7 tenemos A =

0 1
entonces R A = gen {(1, 2), (0, 1)} y CA = gen {(1, 0), (2, 1)} = imagen A
(ejemplo 9).
El siguiente teorema nos demuestra que el espacio de las columnas de una
matriz es igual a su imagen para cualquier matriz.
Teorema 4.7. Para cualquier matriz A, la imagen de A es igual al espacio de
sus columnas
CA = imagen de A
En el siguiente ejemplo vamos a calcular el kernel, la imagen, el rango y la
nulidad de una matriz A.

Ejemplo 10
2 1
1
a) Consideremos A =

2 1 3
i) Clculo del kernel (espacio nulo) de A
Para esto vamos a llevar a la matriz aumentada a su forma escalonada
reducida por renglones.
1
2 1

2 1 3

0 1
2 1

0 0 5 5

de donde obtenemos que

150

0 1 2 1

0 0 1 1

0 1 0 1

0 0 1 1

x = z
x+z=0
de tal manera que y = z y
yz=0

lgebralineal
x z
1
1

y = z = z 1 de esto se obtiene que 1 es una base para el

z z
1
1

kernel, es decir NA = gen {(1, 1, 1)}

ii) Clculo de la nulidad de A
La nulidad de A = (A) = dim NA = 1
1 0
La imagen de A = CA = gen , = R2 ya que son 2 vectores linealmente
0 1
independientes.
iii) Imagen de A

iv) Rango de A
(A) = dim imagen A = dim CA = 2
v) Espacio de renglones R A.
R A = gen {(1, 2, 1), (2, 1, 3)}
Consideremos una combinacin lineal de ellos igual a cero a(1, 2, 1)
+ b(2, 1, 3) = 0, entonces a + 2b = 0, 2a b = 0, a + 3b = 0 de donde
obtenemos que a = b = 0, y por lo tanto dim R A = 2.
Observemos que dim R A = dim CA = 2. Ser slo una coincidencia?
El siguiente resultado nos muestra que no.

Teorema 4.8 Si A es una matriz de mn, entonces:

dim R A = dim CA = dim imagen A = (A)
Este teorema nos indica que los espacios vectoriales formados por las
columnas y por los renglones de una matriz tienen la misma dimensin, y que
podemos usar cualquiera de ellos para encontrar el rango de una matriz. El
siguiente ejemplo nos muestra un mtodo usando los renglones de la matriz.

151

Unidad 4

Ejemplo 11
2 1 3

Calcula la imagen y el rango de la matriz A = 4 2 6

6 3 9

Observemos que los renglones 2 y 3 se obtienen de multiplicar el primer

rengln por 2 y 3, respectivamente, por lo que podemos asegurar que dim R A = 1
y por el teorema anterior afirmar que cualquier columna de A es base para la
imagen de A y el rango de A es (A) = 1.
El siguiente teorema nos simplifica el clculo de la imagen, el rango y la
nulidad.

Teorema 4.9 Si la matriz A es equivalente por renglones a la matriz B,

entonces
R A = R B; (A) = (B); (A) = (B)
Este teorema es muy importante pues nos dice que para encontrar el rango
y la imagen de una matriz basta llevarla a la forma escalonada por renglones
para obtener el rango y la imagen.
Tambin nos brinda un mtodo para encontrar una base para el espacio
generado por un conjunto de vectores.

Ejemplo 12

1 1 3

0 4 .
a) Calcular el rango y la imagen de la matriz A = 2
1 3 1

Vamos a reducirla por renglones.

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

0 4 0
2 2 0 1 1 0 1 1 0 1 1
2
1 3 1 0 4
4 0 4
4 0
0
0 0 0
0

De aqu podemos observar que dim R A = 2 = (A) y por tanto Imagen de

A = gen{(1, 0, 0), (0, 1, 0)}
b) Encontrar una base para el espacio generado por el conjunto de vectores
de R3

152

lgebralineal
1 2

G = 2 , 0
3 4

los vectores dados.

0

, 4
2

2

, 4
6

Se forma la matriz cuyos renglones son

2 3
1

0
4
2
Vamos a llevarla a la forma escalonada por renglones
0
4 2

6
2 4

2 3 1
1

0
4 0
2

0
4 2 0

6 0
2 4

2 3 1

4 2 0

4 2 0

0
0 0

2 3

1 1 / 2
0
0

0
0

Entonces una base para gen G es 2

3

, 1
1 / 2

Un ltimo teorema nos garantiza las dimensiones del rango y la nulidad.

Teorema 4.10. Sea A una matriz de mn, entonces

(A) + (A) = n
Es decir, el rango ms la nulidad es igual al nmero de columnas de A.

Con el ejemplo siguiente comprobaremos el teorema anterior.

Ejemplo 13
1 3 1
Considera la matriz A = 0 2 1 , vamos a llevar la matriz aumentada
0 0 2

a su forma escalonada reducida por renglones:

153

Unidad 4
1 3 1 0 1 3 1 0 1 3 0
0 2 1 0 0 2 1 0 0 2 0

0 0 2 0 0 0 1 0 0 0 1

entonces dim R A = 3 = (A).

0 1 3 0
0 0 1 0
0 0 0 1

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

Vamos a encontrar la nulidad de A. El kernel de A es x = y = z = 0, por tanto

(A) = 0 y entonces (A) + (A) = 3 + 0 = 3

Ejercicio 4
1. Encuentra el rango y la nulidad de las siguientes matrices:
1
a)
2
1

b) 3
5

3 2

6 4
1 2

1 4
1 8

2. Encuentra una base para la imagen y el espacio nulo de las matrices

anteriores.

4.6. Matriz de transicin. Cambio de bases

En la seccin anterior se manej que un espacio vectorial poda tener
muchas bases, y que por lo tanto cualquier vector del espacio vectorial poda
tener coordenadas en cada una de ellas. Sin embargo, surge la pregunta: se
podr cambiar de base fcilmente?
En la presente seccin se dar respuesta a esta pregunta a travs de una
matriz especial.
Consideremos un ejemplo en R2.
Sean i = (1, 0) y j = (0, 1) la base cannica (B1) para R2 ; y sean v1= (1, 3)
y v2 = (1, 2) vectores de R2. Consideremos una combinacin lineal de v1 y v2
igual a cero.
a(1, 3) + b(1, 2) = 0 entonces a b = 0, 3a + 2b = 0 de donde a = b = 0 y por
tanto son linealmente independientes y forman otra base B2 = {v1, v2} para R2.

154

0
0
0

lgebralineal
x
0
1
Sea x = (x1, x2) en R2, por lo tanto x = 1 = x1 + x2 = x1 i + x2 j
x
0
1

2
en trminos de la base cannica (B1) y para hacer hincapi en este hecho se
x
escribe (x) B1 = x1
2
Como B2 es otra base de R2, existen escalares c1 y c2 tales que
c
x = c1v1 + c2v2 y por lo tanto se escribe (x) B2 = c1 .
2
Para encontrar los escalares c1 y c2 vamos a proceder de la siguiente
manera:

Se escriben los elementos de la base B1 en trminos de la base B2.

1
1
1 0
1
1
= a1 + b1 y = a2 + b2 entonces,
2
3
2 1
3
0
a1 b1 = 1
a2 b2 = 0
y
de estos obtenemos:
3a1 + 2b1 = 0
3a2 + 2b2 = 1

a1 = 2/5; b1 = 3/5; a2 = 1/5; b2 = 1/5

por lo tanto: i = (2/5)v1 (3/5)v2 j = (1/5)v1 + (1/5)v2

Despus se escribe el vector sustituyendo las nuevas coordenadas:

x
x = x1 = x1i + x2 j = x1[(2 / 5) v1 (3 / 5) v 2 ] + x 2 [(1 / 5) v1 + (1 / 5) v 2 ]
2
= [(2 / 5) x1 + (1 / 5) x 2 ] v1 + [ (3 / 5) x1 + (1 / 5) x 2) ] v 2

de donde c1= [(2 / 5) x1 + (1 / 5) x 2 ] y c 2 = [ (3 / 5) x1 + (1 / 5) x 2 ].

Por ltimo formamos una matriz cuyas columnas sean las coordenadas
de los vectores de la primera base en trminos de la segunda.
Por tanto tenemos que
c1 (2 / 5 ) x1 + (1 / 5 ) x2 2 / 5 1 / 5 x1
=
x = =

c2 (3 / 5 ) x1 + (1 / 5 ) x2 3 / 5 1 / 5 x2
A continuacin daremos la definicin para esta matriz.

155

Unidad 4

Definicin 4.7 A la matriz cuyas columnas son las coordenadas de los

vectores de la base B1 en trminos de la base B2 se llama matriz de transicin
de la base B1 a la base B2.
Para obtener las coordenadas de cualquier vector en esta nueva base B2,
basta multiplicar la matriz de transicin por las coordenadas del vector en la
base B1.

Ejemplo 14
a) Consideremos el vector x = (3, 4), entonces las coordenadas en la base
B2 del ejemplo anterior sern:
2 / 5 1/ 5 3 2 / 5
(x) B2 =
para verificarlo tenemos que
=
3 / 5 1 / 5 4 13 / 5
(2/5)v1 (13/5)v2 = 2/5(1, 3) 13/5(1, 2) = (3, 4)
Los siguientes teoremas nos indican formalmente el procedimiento
realizado anteriormente que nos permitir cambiar de una base a otra.

Teorema 4.11 Sean B1 y B2 bases de un espacio vectorial V. Sea A la matriz

de transicin de B1 a B2. Entonces para todo x en V tenemos:
(x) B2 = A(x) B1
Teorema 4.12 Si A es la matriz de transicin de B1 a B2, entonces A1 es
la matriz de transicin de B2 a B1.
Este teorema hace que sea sencillo encontrar la matriz de transicin a partir
de una base cannica en Rn a cualquier otra base de Rn.

156

lgebralineal

Ejemplo 15
Encontrar la matriz de transicin de la base cannica de R 3 a la base B2
1 3 0
= 0 , 1 , 1

2 0 2

Para ello escribiremos la matriz C cuyas columnas son los vectores de B2.
3 0
1

C = 0 1 1 esta matriz es la de transicin de la base B2 a la base

cannica, ya que los vectores de la base B2 se encuentran expresados en

trminos de la base cannica. Entonces, por el teorema anterior, la matriz C1
ser la matriz que estamos buscando. Es fcil verificar
2 / 8 6 / 8 3/ 8
C = 2 / 8 2 / 8 1 / 8

2 / 8 6 / 8 1 / 8

2 / 8 6 / 8 3 / 8 1 1/ 4

Si (x) B1 = (1, 2, 4), entonces (x) B2 = 2 / 8 2 / 8 1 / 8 2 = 1 / 4

2 / 8 6 / 8 1 / 8 4 7 / 4

1
3
0 1
de donde 1 / 4 0 + 1 / 4 1 7 / 4 1 = 2 .
2
0
2 4

Ejercicio 5
1. Encuentra la matriz de transicin de la base B1 a la base B2:
1 0
B1 = , B2 =
0 1

2 3
,
3 4

2 1 3

2. Escribe (x, y, z) de R en trminos de la base 1 , 4 , 2

3 5 4

3

157

Unidad 4
2 7
3. Si en R2 (x) B1 = (4, 1) donde B1 = , . Escribe x en trminos
5 3
2 3
de la base B2 = , .
1 2

Ejercicios resueltos
1. Encuentra una base para H = {(x, y, z) de R3 tales que 3x + 6z 2y = 0}
Sea (x, y, z) en H, entonces 3x + 6z 2y = 0, lo reescribimos como
y = (3/2)x + 3z, entonces todos los elementos de H pueden escribirse de la
siguiente manera
x
x
x 0
1 0

y = (3 / 2 ) x + 3 z = (3 / 2 ) x + 3 z = x 3 / 2 + z 3
z
0 z
0 1
z

1
0

3 / 2 y 3 generan H.
0
1

de

donde

Probaremos ahora que son linealmente independientes; tomemos una

combinacin lineal igual a cero:
1
0 0

a 3 / 2 + b 3 = 0 , entonces a = 0, (3/2)a + 3b = 0, b = 0 de donde a
0
1 0

= b = 0 y son linealmente independientes, por lo tanto son una base para H.
2. Encuentra las coordenadas del vector (2, 1, 3) relativas a la base
B={(1, 0, 3), (0, 1, 1), (1, 2, 0)}
Como B es base, existen a, b, c tales que (2, 1, 3) = a(1, 0, 3) + b(0, 1, 1)
+ c(1, 2, 0)
a+c=2

de donde obtenemos el siguiente sistema de ecuaciones b 2c = 1 al

3a + b = 3
a = 6 / 5

resolverlo tenemos que b = 3 / 5 por lo tanto (2, 1, 3) = 6/5 (1, 0, 3)

c = 4 / 5
3/5 (0, 1, 1) + 4/5 (1, 2, 0).

158

lgebralineal
3. Encuentra el rango, nulidad, y una base para la imagen y el kernel (espacio
1 1 0 3
nulo) de la matriz A = 0 1 4 3 .

0
2
4

Vamos a llevar la matriz A a la forma escalonada reducida por renglones.

3 1 1 0 3
1 1 0 3 1 1 0 3 1 1 0

4
3 0 1 4 3
0 1 4 3 0 1 4 3 0 1
1
0 2 4 0 1 2 1 0
0 2 2 0
0 1 1

2
1 1 0 3 1 0 0

0 1 0 1 0 1 0 1 Por lo tanto (A) = 3 y (A) = 1

0
0 1 1 0 0 1
1

1 0 0

adems 0 , 1 , 0 forman una base para la imagen de A.
0 0 1

Vamos a obtener una base para el kernel, sabemos que de la ltima matriz
x + 2w = 0
x = 2 w

obtenemos el sistema de ecuaciones y w = 0 de donde y = w , por

z + w = 0
z = w
lo tanto los elementos del kernel de A podemos escribirlos de la siguiente
manera:
x 2 w
2

y = w = w 1 por lo tanto
z w
1

w w
1

2

1 es una base para el kernel de A.
1

1

4. Encuentra la matriz de transicin de la base B1 = {(1, 1),(2, 3)} a la base

B2 ={(0, 3),(5, 1)}
Primero vamos a escribir los elementos de la base B1 en trminos de la base B2.
(1, 1) = a (0, 3) + b(5, 1) 5b = 1 y 3a b = 1 de donde b = 1/5 y a = 2/5
(2, 3) = c (0, 3) + d(5, 1)5d = 2 y 3c d = 3 de donde d = 2/5 y c = 17/15

159

Unidad 4
Ahora vamos a formar la matriz de transicin poniendo en sus columnas las
coordenadas de los vectores de la base B1 en trminos de la base B2:
2 / 5 17 / 15
1/ 5 2 / 5

5. Usando la matriz de transicin del ejercicio anterior escribe las

coordenadas del vector (x) B1= (2, 0) en trminos de la base B2:
2 / 5 17 / 15 2 4 / 5
(x) B2= 1 / 5 2 / 5 0 = 2 / 5

Ejercicios propuestos
1. Di si el vector B = {3x, 1+x2, x25} es base en P2.
2. Encuentra una base para

x yz=0
2x y + z = 0

3. Encuentra las coordenadas de los vectores dados en la base indicada:

a) (1, 0) en {(1, 3),(1, 2)}
b) (0, 0, 1) en {(1, 0, 3),(0, 2, 0),(0, 0, 1)}
4. Encuentra una base para 3x y + 2z = 0 y di cul es su dimensin.
5. Si dim P2 = 3, {x21, 3x, 2x25} es base de P2?
6. Encuentra una base para la imagen y el espacio nulo (kernel), adems del
1 1 2 3
rango y la nulidad de 0 1 4 3 .
1
0 6 6

1
1
7. Encuentra la matriz de transicin de la base , a la base
1 1
cannica de R2.

160

lgebralineal

Autoevaluacin
1. Es una base para R3
a) {(1, 0, 2), (1, 2, 1), (4, 0, 0), (1, 1, 0)}
b) {(1, 2),(2, 1),(0, 1)}
c) {(1, 0, 3),(0, 0, 3),(1, 4, 0)}
d) {(1, 0, 0), (3, 0, 0), (1, 0, 0)}
2. Si {(1, 2, 2),(2, 0, 0)}forman una base para el espacio vectorial G,
entonces:
a) dim G = 0
b) dim G = 1
c) dim G = 3
d) dim G = 2
3. Si H es un subespacio vectorial de R3, entonces puede ser una base para
H:
a) {(3, 2, 1)}
b) {(1, 1),(2, 1)}
c) {(1, 1, 1), (2, 2, 2),(0, 0, 0)}
d) {(1, 0, 0),(0, 1, 0),(0, 0, 1),(1, 1, 1)}
1 2 3 4
4. El rango de la matriz 0 2 1 5 es:
0 0 3 7

a)
b)
c)
d)

1
2
3
4

5. Si una matriz de orden 57 tiene nulidad 2, entonces su rango es:

a)
b)
c)
d)

5
3
2
7

161

Unidad 4
2
1

6. La nulidad de la matriz 2 4 es:

3 6

a) 0
b) 1
c) 2
d) 3
1 0
7. La matriz de transicin en R2 de la base 2 , 3 a la base 0 , 1

3 4
es:
2 3
a)

3 4

3
2
b)

3 4
4 3
c)

3 2

4 3
d)

2
3

162

lgebralineal

Respuestas a los ejercicios

Ejercicio 1
1.
a) No es base; el polinomio x no puede escribirse como combinacin lineal
de ellos.
b) No es base.

1 0

a) 2 , 1
0 1

2.

1
b)
1
3.
0
a)
0

7 / 4

b) 1 / 4
1

4. 1 0 , 0 1 , 0 0 , 0 0
0 0 0 0 1 0 0 1
1 0 0 0
0 1 0 0
5. , , ,
0 0 1 0

0 0 0 1

163

Unidad 4

Ejercicio 2
a) (3, 2) = (8/5, 7/5)
b) (2, 4) = (1, 3)
a) (3, 5/2, 10)

Ejercicio 3
1.

a) F
b) V
c) F
d) F
e) F

2.
a) dim H = 2
b) dim = 1

Ejercicio 4
1.
a) rango = 1; nulidad = 2
b) rango = 2; nulidad = 1
2.
a) Imagen A = gen {(1, 0)}; kernel A = gen {(3, 1, 0), (2, 0, 1)}
b) Imagen A = gen {(1, 0, 0), (1, 4, 4)}; kernel A = gen {(3, 1, 2)}

Ejercicio 5
1. 4 3
3 2
6 x 11 y + 10 z

2. (1 / 31) 2 x + 17 y 7 z
7 x + 13 y 9 z

3. (x) B2= (67, 45)

164

lgebralineal

Respuestas a los ejercicios propuestos

1. S es.
2

2. Una base es 3
1

3.
a) (1, 0) = 2/5(1, 3) 3/5(1, 2)
b) (0, 0, 1) = 0(1, 0, 3) + 0(0, 2, 0) + 1(0, 0, 1)
1 0

4. 3 , 2 dim = 2
0 1
5. S es
6. Imagen
kernel
rango
nulidad

A = gen {(1, 0, 0), (0, 1, 0)}

A = gen {(6, 4, 1, 0),(6, 3, 0, 1)}
A=2
A=2

1/2 1/2
7.

1/2 1/2

Respuestas a la autoevaluacin
1. c)
2. d)
3. a)
4. c)
5. a)
6. b)
7. a)

165