Subespacios vectoriales en Rn

Vctor Domnguez
Octubre 2011

1.

Introduccin

Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas
palabras, se puede resumir en tcnicas de manejo de subespacios vectoriales en Rn y de
las operaciones bsicas.

2.
2.1.

Subespacioes en Rn
Primeras definiciones

Un subespacio en Rn es un conjunto de ntuplas (x1 , x2 , . . . , xn ) que es cerrado con

la suma de vectores y productos por escalares. Esto es, un conjunto =
6 U Rn es un
1
subespacio vectorial si cumple
u1 , u2 U u1 + u2 U
u U , R u U
Esencialmente hay dos formas de describir un subespacio vectorial en Rn :
1. Mediante un sistema generador,



U := 1 u1 + + r ur  i R Rm .
Es decir, uno toma una familia finita de vectores y considera cualquier suma de
estos vectores escalados de la forma que se desee. Se escribe entonces
U = spanha1 , a2 , . . . , ar i
y se dice que U es la clausura lineal de {a1 , . . . , ar }.
Si una matriz tiene como columnas ai , es decir,


A = a1 a2 an .
Entonces al subespacio que generan las columnas, su clausura lineal, se denomina
espacio columna de A y se escribe R(A).
Observa que la definicin tiene sentido en sitios ms generales que Rn . Tienes ejemplos de subespacios
en conjuntos de polinomios, matrices, funciones continuas,...
1

2
2. Como soluciones de un sistema lineal homogneo, o sea, con trmino independiente
nulo: dada una matriz A m n.
 

U := x  Ax = 0 Rn .
Se escribe que U es el espacio nulo de la matriz A y se denota N (A).
Teorema 2.1 El sistema Ax = b tiene solucin (sistema compatible) si y slo si b
R(A).
Adems, la solucin es nica (sistema compatible determinado) si N (A) = {0}.

2.2.

Clausuras lineales/Espacios columna

Si
U = spanha1 , . . . , an i
entonces {a1 , . . . , an } se dice sistema generador. Un sistema generador, salvo el caso
trivial del subespacio {0} no es nico.
Proposicin 2.2
1. Si U = spanha1 , . . . , an i y V son dos subespacios, entonces U V si y slo si,
a1 , . . . , an V
2. Se cumple
spanha1 , . . . ,

ai , . . . , aj , . . . an i = spanha1 , . . . , aj , . . . , ai , . . . an i
|{z}
|{z}
|{z}
|{z}

isimo

jsimo

isimo

jsimo

= spanha1 , . . . , aj , . . . an i
= spanha1 , . . . , ai , . . . , aj + ai , . . . an i
con 6= 0 y R. Es decir, si en un sistema generador intercambiamos dos
vectores, multiplicamos uno por un nmero distinto de cero o bien sumamos a uno
otro multiplicado por un nmero, seguimos teniendo un sistema generador del mismo
subespacio.
3. Tenemos
spanha1 , . . . , an i = spanha1 , . . . , an , 0i
esto es aadir, o eliminar vectores nulos, en un sistema generador no cambia el
subepacio que generan.
La demostracin del punto 1 es un simple ejercicio, la del segundo se deduce de forma
directa del primero y el punto tercero es inmediato.
Las operaciones presentadas en el segundo punto recuerdan las que definen el mtodo
de Gauss. Esto es consecuencia de la estructura que subyace a los sistemas lineales y a
los espacios vectoriales, que es esencialmente la linealidad.

3
Por otro lado, es importante comprobar si un sistema generador contiene informacin
redundante o no, esto es, si con menos vectores es posible crear el mismo subespacio. Para
ello vamos a introducir nuevos conceptos.
Una familia de vectores {a1 , . . . , an } se dice ligada o linealmente dependiente
si existe una combinacin lineal no trivial que consiga el vector nulo, esto es, si existe
1 , . . . , n R con alguno distinto de cero de forma que
1 a1 + . . . + n an = 0.
En caso contrario, es decir, si la nica forma de conseguir de conseguir el vector nulo es
i = 0, i, entonces la familia de vectores se dice libre o linealmente independiente.
Algunos hechos que se derivan de esta nueva propiedad vienen recogidos en la siguiente
proposicin:
Proposicin 2.3
1. La familia {a1 , . . . , an } es linealmente dependiente si y slo si existe j de forma que
aj spanha1 , . . . , 
a
Z
j , . . . , an i,
Z
esto es,
spanha1 , . . . , aj , . . . , an i = spanha1 , . . . , 
aZ
Z

j , . . . , an i,
Dicho de otra forma, si {a1 , . . . , an } es linealmente independiente, entonces
spanha1 , . . . , 
a
Z
j , . . . , an i $ spanha1 , . . . , aj , . . . , an i
Z
es decir el contenido es estricto.
2. Si {v1 , . . . , vr } spanha1 , . . . , aj , . . . , an i es una familia de vectores linealmente
independiente, entonces r n.
Dada una familia {a1 , . . . , an } se dice base de U si es sistema generador de U y
linealmente independiente. Es decir,
U = spanha1 , . . . , aj , . . . , an i,

{a1 , . . . , aj , . . . , an } es linealmente independiente.

Proposicin 2.4
1. Todas la bases de un subespacio tiene el mismo nmero de elementos.
2. Si {a1 , . . . , an } es una base de U , entonces para cualquier u U
u = 1 a1 + 2 a2 + + n an
y los nmeros 1 , . . . , n son nicos.
Definimos la dimensin de un subespacio, y escribiremos dim U , al nmero de elementos de cualquiera de sus bases. Por otro lado, a los coeficientes i del resultado anterior
se le llama coordenadas de u en la base {a1 , . . . , an }.
Como consecuencia de los resultados anteriores tenemos el siguiente resultado
Proposicin 2.5
1. Si una familia de n vectores {v1 , v2 , . . . , vn } U es linealmente independiente y
dim U = n entonces {v1 , v2 , . . . , vn } es base de U
2. Si U V y dim U = dim V , entonces U = V .

Cmo obtener una base a partir de un sistema generador?

Hay dos formas bsicas, la primera elimina de un sistema generador los vectores redundantes, en lnea con el punto 1 de la Proposicin 2.3. La segunda estrategia usa la
Proposicin 2.2 para transformar un sistema generador en otro nuevo donde los vectores
son claramente linealmente independientes o nulos. Tras eliminar estos ltimos tenemos
ya una base.
Ejemplo 1
Consideremos los vectores
{(1, 2, 1, 4), (3, 1, 0, 1), (2, 0, 1, 3), (5, 4, 0, 5)}

(1)

y denotemos por U el subespacio que generan (su clausura lineal).

Forma 1 Vamos a plantear si alguno de ellos es combinacin lineal de los otros. Dicho
de otra manera, si
1 (1, 2, 1, 4) + 2 (3, 1, 0, 1) + 3 (2, 0, 1, 3) + 4 (5, 4, 0, 5) = (0, 0, 0, 0, 0)
con algn i 6= 0. El vector correspondiente .
linealmente independiente y por tanto es base.
Resolver (2) nos lleva al sistema lineal

1
2
Ax = 0,
A=
1
4
Aplicando la eliminacin

1 3
2
2 1
0

1 0
1
4 1 3

Gaussiana, obtenemos

5 0
F2 F2 2F1
F3 F3 F1
4 0
F4 F4 4F1

0 0
5 0
F3 F3 3/5F2
F4 F4 13/5F2

F4
3/7F3

F4 +

(2)

Si no es posible, entonce la familia es

3
2
1
0
0
1
1 3

5
4
.
0
5

1 3
0 5

0 3
0 13

1 3
0 5

0 0
0 0

1 3
0 5

0 0
0 0

0
0

0
0

2
5
0
4
6 0

7/5 7/5 0
3/5 3/5 0

2
5
0
4 6 0

7/5 7/5 0
0
0
0
2
5
4 6
1 5
11 15

Deducimos por tanto que la familia de vectores es linealmente dependiente (el sistema
anterior es compatible indeterminado), pero los tres primeros s lo son porque si nos

5
quedamos con ellos, ignorando el cuarto, el sistema que sale es un sistema escalonado que
admite una nica solucin. Es ms, el cuarto vector se puede escribir en funcin de los
tres primeros (bastara mandarlo como trmino independiente al otro lado).
Por tanto {(1, 2, 1, 4), (3, 1, 0, 1), (2, 0, 1, 3)} es linealmente independiente y
spanh(1, 2, 1, 4), (3, 1, 0, 1), (2, 0, 1, 3)i
= spanh(1, 2, 1, 4), (3, 1, 0, 1), (2, 0, 1, 3), (5, 4, 0, 5)i.
En otras palabras, {(1, 2, 1, 4), (3, 1, 0, 1), (2, 0, 1, 3)} es base del subespacio U .
Forma 2 Utilizamos los resultados de
la matriz

1
3

2
5

la Proposicin 2.2. Construimos en primer lugar

2 1 4
1 0 1

0 1 3
4 0 5

es decir, la matriz cuyas filas son los vectores de (1). Procedemos a hacer ceros utilizando
las operaciones elementales

1 2 1 4
1 2
1
4
F2 F2 3F1
F3 2F1
3 1 0 1 FF34
0 5 3 13
F4 5F1

2 0 1 3
0 4 1 11
5 4 0 5
0 6 5 15

1 2
1
4
F3 F3 4/5F2
0 5 3
13
F4 F4 6/5F2

0 0
7/5 3/5
0 0 7/5 3/5

1 2
1
4
0 5 3 13
F4 F4 + F3

0 0 7/5 3/5 .
0 0
0
0
En cada paso tenemos una matriz cuyas filas siguen generando el subespacio de trabajo
U (ver Proposicin 2.2). As, finalmente,
U = spanh(1, 2, 1, 4), (0, 5, 3, 13), (0, 0, 7/5, 7/5), (0, 0, 0, 0)i.
Podemos eliminar el ltimo vector (ver Proposicin 2.2) y claramente los tres primeros
son linealmente independientes, luego una base de U viene dada por
{(1, 2, 1, 4), (0, 5, 3, 13), (0, 0, 7/5, 7/5)}.
Si se desea se puede optar por esta familia, ms simple
{(1, 2, 1, 4), (0, 5, 3, 13), (0, 0, 1, 1)}.

6
Revisitando el rango de una matriz
Empezamos definiendo el rango de una matriz como el nmero de ecuaciones que
quedaban tras aplicar la eliminacin gaussiana. Del proceso que estamos realizando uno
intuye (que no prueba) que el rango es independiente de cmo se efectuan estas operaciones. Una demostracin rigurosa requerira pasar por la dimensin del espacio nulo o por
la forma escalonada reducida de una matriz que s hemos visto es nica (ver problema
19).
En otro orden de cosas, observamos que en las estrategias hemos trabajado con una
matriz A (forma 1) y su matriz transpuesta A> (forma 2). En ambos casos hemos llevado
la matriz a su forma escalonada, y el nmero de filas diferentes de cero coincide con la
dimensin de R(A), el espacio columna de A.
Por tanto podemos concluir que
rang (A) = rang (A> )
esto, el rango de una matriz y su transpuesta, lo que se ha dado en llamar el rango por
columnas y filas de una matriz, coincide.
Para finalizar dos resultados de especial importancia sobre el rango del producto de
dos matrices. Su demostracin se propone como un ejercicio guiado (ver problema 18).
Teorema 2.6 Sea A m n y B n p. Entonces,
1. rang (AB) mn{rang (A), rang (B)}.
2. Si rang (B) = p, entonces rang (AB) = rang (A).
3. Si rang (A) = m, entonces rang (AB) = rang (B).

2.3.

Espacio nulo de una matriz

Sea una matriz A m n. Consideramos el subespacio

 

N (A) = x  Ax = 0 Rn .
Nos preguntamos Cul es su dimensin? Cmo calcular una base?.
La respuesta es simplemente resolver el sistema homogneo asociado.
Ejemplo
Sea
U = {(x, y, z, t, u) R5 | 2x + 2y t u = 0,
4x + 4y + z + t u = 0, x + y + z + t + u = 0}.
Entonces
U = {x R5 | Ax = 0} = N (A),

2 2 0 1 1
con A = 4 4 1 1 1 .
1 1 1 1
1

7
Resolvemos el sistema homogneo (no trabajamos con
mino independiente son todo ceros)

2 2 0 1 1 F2 F2 2F1
2
2 1/2F3
4 4 1 1 1 F3 F
0
1 1 1 1
1
0

2
F3 F3 F2
F3 F2 1/2F3
0

la matriz ampliada porque el tr

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

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

Tenemos ya la matriz en su forma escalonada, comprobamos por tanto que el rango de

sta es 3. La solucin del sistema homogneo se haya resolviendo el sistema escalonado
Claramente se puede tomar como parmetros u e y de forma que la solucin es



(y + 2u/3, y, 2u, u/3, u)  u, y R =
= spanh(1, 1, 0, 0, 0), (2/3, 0, 2, 1/3, 1)i
= spanh(1, 1, 0, 0, 0), (2, 0, 6, 1, 3)i
Observa que la dimensin del subespacio es 2 que coincide con la dimensin del espacio
donde est contenida, 5, menos el rango de la matriz de coeficientes, 3. Es decir
dim(N (A)) = n rang(A).
Dado que rang(A) = dim(R(A)) tenemos el siguiente resultado, otro de los ms relevante del lgebra matricial:
dim(N (A)) + dim(R(A)) = n .
Date cuenta que en esta relacin el nmero de filas no aparece de forma explcita.

Cmo escribir un subespacio en forma N (A)?

A lo largo de la seccin anterior hemos con un subespacio expresado en trmino de un
sistema generador o, an mejor, de una base, esto es,
U = spanhu1 , u2 , . . . , un i.
Hemos vistos como expresar un subespacio escrito en forma de espacio nulo (N (A)) a
describirlo va un sistema generador, o mejor an, una base.
Nos preocupamos ahora si es posible de realizar el camino opuesto, escribir el subespacio descrito va un sistema generador en forma de espacio nulo de una matriz. Esto es,
si
U = spamhu1 , . . . , um i
es posible encontrar una matriz A de forma que U = N (A)?.
Nuevamente la solucin se basa en resolver un sistema de ecuaciones, en este caso el
sistema cuyas filas estn formadas por los vectores del sistema generador de U .

8
Ejemplo
Sea
{(1, 2, 1, 1, 3), (2, 0, 1, 3, 1), (1, 6, 5, 9, 7), (3, 2, 1, 0, 1)}

(3)

y consideremos U el subespacio que generan

U = spanh(1, 2, 1, 1, 3), (2, 0, 1, 3, 1), (1, 6, 5, 9, 7), (3, 2, 1, 0, 1)i.
Nuestro objetivo es encontrar una matriz A tal que
 

U = x Ax = 0 .
Ello nos lleva a buscar un sistema lineal

a11 x + a12 y + a13 z + a14 t + a15 u = 0

a21 x + a22 y + a23 z + a24 t + a25 u = 0

.................................................

ar1 x + ar2 y + ar3 z + ar4 t + ar5 u = 0

(4)

que admitan a los vectores de (3) como solucin. En otras palabras, los coeficientes de
cada ecuacin (ai1 , ai2 , ai3 , ai4 , ai5 ) son solucin del sistema

ai1
+ 2ai2 + ai3 ai4 + 3ai5 = 0

2ai1
ai3 + 3ai4 + ai5 = 0
ai1
6ai2 5ai3 + 9ai4 7ai5 = 0

3ai1 + 2ai2 + ai3

+ ai5 = 0
As pues, para encontrar estas ecuaciones procedemos como sigue
Construimos la matriz B cuyas filas sean los vectores de (3)

1
2
1 1 3
2
0 1 3
1

B=
1 6 5 9 7
3 2
1
0
1
Observa por tanto que U = R(B > ).
Ba = 0

3
1 2
1
F2 F2 2F1
F3 F3 F1
0 4 3
1
F4 F4 + 3F1

0 8 6
7
1
0 8
4

1 2
1 1 3
F3 F3 2F2

F4
F3 F3 + 2F2
0 4 3 5 5 F3

0 0
0
0
0
0 0 2 7
0

Resolvemos el sistema

1
2
1 1
2
0
1
3

1 6 5 9
3 2
1
0

1 3
5 5

10 10
3 10

1 2
1 1 3
0 4 3 5 5/4

0 0 2 7
0
0 0
0
0
0

9
Si a = (a1 , a2 , a3 , a4 , a5 ) entonces podemos tomar a4 , a5 como parmetros de forma
que las soluciones



(a4 /4 a5 /2, 11/8a4 5/4a5 , 7/2a4 , a4 , a5 )  a4 , a5 R
= spanh(1/4, 11/8, 7/2, 1, 0), (1/2, 5/4, 0, 0, 1)i
= spanh(2, 11, 28, 8, 0), (2, 5, 0, 0, 4)i
Por tanto, los vectores de (3) son solucin del sistema

2x 11y + 28z + 8t
= 0
2x 5y
+
+ 4u = 0
Definamos pues A la matriz de coeficientes


2 11 28 8 0
A=
2 5 0 0 4
Tenemos que rang(A) = 2. Por tanto dim N (A) = 5 2 = 3. As
U N (A),

dim(N (A)) = U

U = N (A)

y A es la matriz que buscamos.

Algoritmo Problema: Dados {u1 , . . . , um } Rn , encontrar A tal que
spanhu1 , . . . , um i = N (A).
Para resolver este problema se siguen los siguientes pasos
Se construye la matriz B cuyas filas son ui :
>
u1
>
u2

B=


u>
m
Hallar una base de N (B):
{a1 , , as }
Entonces la matriz buscada es

>
a1
>
a
A= 2

a>
s

Observar que al finalizar, s = n dim(U ).

(5)

10

3.

Operacin con subespacios

Dados dos subespacios U, V podemos considerar dos subespacios construidos a partir

de ellos
U +V
U V




= u + v  u U, v V ,
 

= u u, U, u V

El primero se conoce como la suma de subespacios, mientras que el segundo es, obviamente, la interseccin de subespacios.
Es fcil comprobar que U + V y U V son ambos subespacios2 . La cuestin que nos
ocupa es dar una expresin ms concreta de ellos. Antes de entrar en la respuesta de esta
cuestin enunciaremos el siguiente resultados que relaciona las dimensiones de todos los
subespacios implicados
Teorema 3.1 U, V subespacios. Entonces
dim(U + V ) = dim(U ) + dim(V ) dim(U V ).

3.1.

Suma de subespacios

Para el clculo de la suma de subespacios, lo ms apropiado es tener estos subespacios

escritos en forma de clausura lineal. El clculo es tan sencillo como sigue:
Algoritmo Dados U , V .
Escribir
U = spanhu1 , . . . , ur i,

V = spanhv1 , . . . , vs i.

Entonces
U + V = spanhu1 , . . . , ur , v1 , . . . , vs i.
Observa que en general {u1 , . . . , ur , v1 , . . . , vs } no es base de U + V aunque {u1 , . . . , ur }
y hv1 , . . . , vs } lo fueran de U y V .
En su forma matricial, se puede ver que si
U = R(A),
2

V = R(B),

U + V = R(C),

con C =

Hazlo. Prueba tambin que U V no lo es, salvo que U V o V U

A B

11
Ejemplo
U = spanh(1, 2, 0, 1, 0), (1, 2, 1, 3, 0)i
V = spanh(0, 0, 1, 3, 0), (3, 2, 1, 1, 1), (2, 4, 1, 3, 0)i
entonces
U + V = spanh(1, 2, 0, 1, 0), (1, 2, 1, 3, 0), (0, 0, 1, 3, 0), (3, 2, 1, 1, 1), (2, 4, 1, 3, 0)i.
En su versin matricial, tenemos

1 1
0 3 2
2 2
0 2
4

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

C=

1 1 0 3 2
2 2 0 2
4

0 1 1 1 1
,
1 3 3 1 3
0 0 0 1
0

entonces
U = R(A),

3.2.

V = R(B),

U + V = R(C).

Interseccin de subespacios

A diferencia del caso anterior, es mejor tener los subespacios escritos en forma de
espacios nulos de matrices.
Algoritmo
Escribir

 
U = N (A) = x  Ax = 0 ,

 

V = N (B) = x  Bx = 0

Entonces
 

U V = N (C) = x  Cx = 0 ,


C=

Observa que C no es ms que el resultado de reunir las ecuaciones que cumple U y V

por separado.
Ejemplo
U = {(x, y, z, t) | x + y t = 0, x + y + z = 0}
V = {(x, y, z, t) | x y + z 3t = 0, 2x + 2y + z t = 0}
entonces
U V


(x, y, z, t) 

x + y t = 0, x + y + z = 0, x y + z 3t = 0, 2x + 2y + z t = 0

12
Dicho de otra forma
U = N (A),

V = N (B),

U V = N (C),

donde


1 1 0 1
A=
,
1 1 1 0


1 1 1 3
B=
,
2 2 1 1

1 1 0 1
1 1 1 0

C=
1 1 1 3
2 2 1 1