Está en la página 1de 26

1

ESPACIOS VECTORIALES.
Espacio vectorial. Propiedades
Definicin: Sea V un conjunto no vaco. V es un espacio vectorial sobre un cuerpo K , si en
V estn definidas dos leyes de composicin u operaciones: una interna que se denomina suma
de vectores (+) tal que v1 , v2 V est definido un elemento v1 v2 V y otra externa
llamada producto por escalares ( ) tal que K , v V existe un elemento v V que
cumplen las siguientes propiedades:
a) Asociativa

de

la

suma

de

vectores:

v1 (v2 v3 ) (v1 v2 ) v3

v1 , v2 , v3 V
b) Existencia de elemento neutro de la suma de vectores: 0 V / 0 v v 0 v

v V
c) Existencia de elemento opuesto: v V /( v) v v (v) 0
d) Conmutativa de la suma de vectores: v1 v2 v2 v1
e) Asociativa de escalares: 1 ( 2 v) (1 2 ) v
f)

v V

v1 , v2 V

1 , 2 K , v V

Distributiva del producto con respecto a la suma de escalares:

(1 2 ) v 1 v 2 v

1 , 2 K , v V

g) Distributiva del producto con respecto a la suma de vectores:

(v1 v2 ) v1 v2 ) K , v1 , v2 V
h) 1 v v

v V

Esta estructura suele representarse como la cuaterna ordenada (V ,, K ,)

y se lee Espacio

Vectorial V sobre el cuerpo K o simplemente K espacio vectorial.

Ejemplos:
2

1. La recta R , el plano R y el espacio R y los vectores pertenecientes a ellos con la


suma y el producto conocidos, son espacios vectoriales.
En general, ( R ,, R,) es un espacio vectorial con la suma y el producto conocidos,
n

n
siendo R , con n 1, el conjunto de las n-uplas de nmeros reales ( x1 , x2 ,...., xn )

con xi R porque cada n-upla es una matriz.


2. V {0} con la suma y producto usuales es un espacio vectorial sobre R : espacio
vectorial

trivial, porque

0 0 0 V , 0.0 0 V y se cumplen todas las

propiedades de la definicin.

UNNOBA

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

3. V ( x, y) R / y p.x ,
2

pR

fijo , recta del plano que pasa por el origen,

es un espacio vectorial sobre R ya que:


-

Si v1 , v2 V v1 ( x1 , y1 ) R 2 / y1 p.x1 v2 ( x2 , y 2 ) R 2 / y 2 p.x2

v1 v2 ( x1 , y1 ) ( x2 , y2 ) ( x1 , p.x1 ) ( x2 , p.x2 ) ( x1 x2 , p.x1 p.x2 )


x1 x2 , p(.x1 x2 ) v1 v2 V

Sean R, v V .
Si v V v ( x, y) R / y p.x
2

v ( x, y) ( x, p.x) ( .x, . p.x) .x, p.( .x) .v V


Adems se cumplen:
-

a), d), e), f), g) y h) por ser los elementos de V vectores de R 2 , que es un espacio
vectorial.

b) 0 (0,0) (0, p.0) V / 0 v v 0 v v V

c) Si v V v ( x, y) / y p.x y

v ( x, p.( x)) V /( v) v v (v) 0

4.

Pn ( R) p( x) a0 x n a1 x n1 ....... an / a0 , a1 ,......, an R

polinomios

de

grado menor o igual que n con coeficientes reales, con las operaciones habituales, es
un espacio vectorial sobre R .

5.

M mn ( R) A [aij ], i 1,...., m ; j 1,...., n / aij R matrices reales m n ,con la


suma y producto por escalares usuales, es un espacio vectorial sobre los reales.

Propiedades
Sea V un espacio vectorial sobre K . Entonces :
1. 0 v 0 v V
2. 0 0 K
3. Si v 0 0 v 0
4. ( ) v ( v) K , v V

UNNOBA

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

3
Demostracin:
1.

0 v (0 0) v 0 v 0 v por ser 0 el elemento neutro de la suma de vectores y


por la propiedad distributiva con respecto a la suma de escalares.
Es decir: 0 v 0 v 0 v (1)

Por otro lado: 0 v V 0.v V / 0.v [0.v ] 0 por la existencia de


elemento opuesto..
Sumando (0.v) a ambos miembros de (1) y aplicando la propiedad asociativa de la
suma de vectores resulta:

0 v [(0.v)] (0 v 0 v) [(0.v)] 0 0 v [0 v (0.v)]


0 0.v 0 0 0.v

0.v 0
2. Se prueba de manera similar :

0 .(0 0) .0 .0
Es decir: 0 .0 .0 (2)
Pero 0 V ( .0) V / .0 [( .0)] 0
Sumando ( .0) a ambos miembros de (2):
0 .0 .0 .0 [(.0)] (.0 .0) [(.0)]
0 .0 [ .0 ( .0)] 0 .0 0 0 .0

v 0
3. Sea v 0 K / 0
Si 0 1 K / 1 1 1
Si v 0 , multiplicando ambos miembros por
, aplicando la propiedad
asociativa de escalares, la propiedad 2 recin demostrada y la propiedad 1 v v ,
obtenemos:
1

v 0 1 .( .v) 1 .0 ( 1 .. ).v 0 1.v 0 v 0

v 0 0 v 0
4.

( ) v v ( ).v 0.v 0 por propiedad distributiva con respecto a la


suma de escalares y la propiedad 2 .

( ) v v 0

Sumando a ambos miembros ( v) :

( ) v v 0 [( ) v v] [( v)] 0 [( v)]
( ) v { v [( v)]} ( v) ( ) v 0 ( v) ( ) v ( v)
por propiedad asociativa de la suma de vectores y por ser 0 elemento neutro de la
suma.

UNNOBA

( ) v ( v)

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

Subespacio vectorial. Propiedades


Definicin: Sea V un espacio vectorial sobre K y W un subconjunto no vaco de V . W es un
subespacio vectorial de V si , con la suma de vectores y el producto por escalares, es un
espacio vectorial .

Propiedad:
Sea V un espacio vectorial sobre K y W un subconjunto no vaco de V . W es un subespacio
vectorial de V si y slo si la suma de vectores y el producto por escalares son cerradas.
Es decir:

W V /W
w1 , w2 W w1 w2 W
W es un subespacio vectorial de V
K , w W w W
Demostracin:

) Si W es un subespacio vectorial, obviamente la suma y el producto por escalares son


cerradas por ser un espacio vectorial en s mismo.

) Si la suma y el producto por escalares son cerradas en W , para probar que W es un


subespacio vectorial debemos probar que se cumplen los axiomas de la definicin de espacio
vectorial:
Como W V , los elementos de W pertenecen al espacio vectorial V y se cumplen por lo
tanto las propiedades asociativa y conmutativa de la suma de vectores, la asociativa de
escalares, las distributivas con respecto a la suma de escalares y a la suma de vectores y
1 w w w W .
Adems se verifica la existencia del elemento neutro de la suma de vectores: 0 W
porque 0 w W
w W por ser cerrado el producto por escalares y
0 w 0
w W por ser W un espacio vectorial y por propiedad 1 de
espacios vectoriales.
Por otro lado se cumple existencia de elemento opuesto: w W
Porque

w W

(1) w W w W por ser cerrado el producto por escalares y


(1) w (1 w) w w W por ser W un espacio vectorial y por propiedad

4 de espacios vectoriales.

UNNOBA

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

5
Observaciones:
En virtud de la propiedad anterior
1.

0 W para todo subespacio vectorial W de un espacio vectorial V .

2. Para probar que un subconjunto W es un subespacio de un espacio vectorial V , basta


con probar que la suma de vectores y el producto por escalares son cerradas.

Ejemplos:

W ( x, y) R 2 / x y
W es un subespacio de V porque:
w ( x1 , y1 ) con
- Si w1 , w2 W 1
w2 ( x2 , y 2 ) con

1. V R 2

x1 , y1 R 2 x1 y1
x2 , y 2 R 2 x2 y 2

w1 w2 ( x1 , y1 ) ( x2 , y2 ) ( x1 x2 , y1 y2 )
con

x1 x2 , y1 y2 R 2 x1 x2 y1 y2

w1 w2 W

Sean R, w W .

x, y R 2 x y
w ( x, y) ( x, y) con x, y R 2 x y
Si w W w ( x, y) con

w W

n
2. V M ( R) [aij ], i 1,...., n; j 1,...., n / aij R

W [aij ] M n ( R) / aij 0
-

i j es un subespacio de V :

w1 [aij ], i 1,...., n; j 1,...., n / aij 0


w2 [bij ], i 1,...., n; j 1,...., n / bij 0

w1 w2 [aij bij ], i 1,...., n; j 1,...., n / aij bij 0

i j
i j

w1 w2 W

Sean R, w W .
Si w W w [aij ], i 1,...., n; j 1,...., n / aij 0

i j

w [aij ] .aij , i 1,...., n; j 1,...., n / .aij 0

UNNOBA

i j

Si w1 , w2 W

i j

w W

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

Propiedad:
Sean U y S dos subespacios de un espacio vectorial V . Entonces:
1. U S {u s / u U s S}
2. U S {w / w U w S}
son subespacios vectoriales de V .

Demostracin:
1. U S es un subespacio vectorial porque:

w1 u1 s1
w2 u 2 s 2

- Si w1 , w2 U S

con u1 U s1 S
con u 2 U s 2 S

w1 w2 (u1 s1 ) (u 2 s2 ) (u1 u 2 ) (s1 s2 )


con u1 u 2 U s1 s2 S por ser U y S subespacios.

w1 w2 U S

Sean R, w U S .
Si w U S w u s

con u U s S

w (u s) u s

con u U s S por ser U y S

subespacios.

w U S

w1 U w1 S

w2 U w2 S

2. - Si w1 , w2 U S

w1 w2 U w1 w2 S por

ser U y S subespacios.

w1 w2 U S

Sean R, w U S .
Si w U S w U w S w U

w S por ser U y S

subespacios.

w U S

Por lo tanto U S es un subespacio vectorial .

UNNOBA

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

Combinacin lineal
Definicin: Sea V un espacio vectorial sobre K y sean v1 , v2 ,......, vn V . Una combinacin
lineal

de

v1 , v2 ,......, vn

sobre

es

cualquier

elemento

de

la

forma

1v1 2 v2 ...... n vn con 1 , 2 ,......, n K .


Ejemplos:
1. En V R 2

(3,14) es combinacin lineal de (1,4) , (4,2) y (1,0) porque


(3,14) 3.(1,4) (1).(4,2) 2.(1,0)

2. En V M 3 ( R)

2 2 5
7 1
7 es combinacin lineal de

6 3 1

0 3
1
0 2 1
2 1 4 y 3 1 1 ya que

5 1 0
4 1 1

0 3
2 2 5
1
0 2 1
7 1

7 2. 2 1 4 (1).3 1 1

6 3 1
5 1 0
4 1 1

Sistemas de generadores
Definicin: Sea V un espacio vectorial sobre K y sea v1 , v2 ,......, vn un subconjunto de V .

v1 , v2 ,......, vn es

un sistema de generadores de V , si cualquier vector de V puede

expresarse como combinacin lineal de v1 , v2 ,......, vn .

v1 , v2 ,......, vn sistema de generadores de V


1 , 2 ,....., n K / v 1v1 2 v2 ...... n vn

v V

Ejemplos:
1.

(1,0), (0,1) es un sistema de generadores de V R 2

porque

v ( x, y) R 2 , v x.(1,0) y.(0,1)
UNNOBA

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

(3,5), (1,2) es un sistema de generadores de V R 2

2.

1 , 2 R / v ( x; y) 1 .(3,5) 2 .(1,2) ( x, y) (31 ,51 ) ( 2 ,2 2 )


x 3 1 2
( x, y ) (3 1 2 ,5 1 2 2 )
y 5 1 2 2
Resolviendo el sistema se obtiene: 1

2x y
5x 3 y
y 2
11
11

Por lo tanto (3,5), (1,2) es un sistema de generadores de R 2 .

1, x, x ,......, x es un sistema de generadores de V P (R) pues cualquier


2

3.

polinomio

p( x) Pn ( R) se puede escribir

p( x) an .1 an1 x an2 x 2 ...... a0 x n

a b
M 2 ( R)

c d

4. Dada cualquier matriz

a b
1 0
0 1
0 0
0 0
c d a.0 0 b.0 0 c.1 0 d .0 1

1 0 0 1 0 0 0 0
2
,
,
,
es un sistema de generadores de M ( R) .

0 0 0 0 1 0 0 1

Luego

Definicin: Sea V un espacio vectorial sobre K y sea v1 , v2 ,......, vn un subconjunto de V .


El conjunto de todas las combinaciones lineales de v1 , v2 ,......, vn es el espacio generado por
dicho conjunto de vectores.

gen

v1 , v2 ,......, vn v V / v 1v1 2 v2 ...... n vn

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

Observacin:

gen

v1, v2 ,......, vn es un subespacio vectorial de V .

Ejemplos:
1. En V R

gen

(1,0); (0,1) v R 2 / v 1.(1,0) 2 .(0,1)

v R 2 / v (1 , 2 )
UNNOBA

, 1 , 2 R

, 1 , 2 R R 2

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

2. En V R 3

gen

(1,0,0); (0,1,0) v R 3 / v 1.(1,0,0) 2 .(0,1,0)

v R 3 / v (1 , 2 ,0)

gen

, 1 , 2 R

, 1 , 2 R

(1,0,0); (0,1,0) (plano xy )

3. En V R 3

gen

(2,1,4); (4,1,6) v R 3 / v 1.(2,1,4) 2 .(4,1,6)

, 1 , 2 R

v R 3 / v (21 4 2 ,1 2 ,4 16 2 )

, 1 , 2 R

x 2 1 4 2

3
( x, y, z ) R / y 1 2 con 1 , 2 R

z 4 6

1
2

x 2 1 4 2

Trabajamos con el sistema y 1 2 y eliminamos 1 y 2 :


z 4 6
1
2

y 1 2 1 y 2
x 21 4 2 x 2.( y 2 ) 4 2 x 2 y 2 2 4 2 x 2 y 2 2
x 2y
2
2

z 4 16 2 z 4.( y 2 ) 6 2 z 4 y 4 2 6 2 z 4 y 2 2
z 4y
2
2
x 2y z 4y

x 2y z 4y x 2y z 4y 0 x 2y z 0
2
2

gen

(2,1,4); (4,1,6) x 2 y z 0 ( plano que pasa por el origen y que

contiene a los vectores que lo generan)

UNNOBA

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

10

Vectores linealmente independientes y linealmente dependientes


Definicin: Sea V un espacio vectorial sobre K y sean v1 , v2 ,......, vn V .

v1 , v2 ,......, vn son linealmente dependientes (ld) si existen escalares, no todos nulos, tales que
la combinacin lineal de ellos es igual a 0 y son linealmente independientes (li) en caso
contrario.

v1 , v2 ,......, vn ld 1 , 2 ,....., n K , no todos nulos / 1v1 2 v2 ...... n vn 0


v1 , v2 ,......, vn li 1v1 2 v2 ...... n vn 0 1 2 ..... n 0

Ejemplos:
1. En V R 2

, v1 (1,0) y v2 (0,1) son li porque:

1v1 2 v2 0 1 .(1,0) 2 .(0,1) (0,0) (1 ,0) (0, 2 ) (0,0)


(1 , 2 ) (0,0) 1 2 0
2. En V R 2

, v1 (1,2) y v2 (2,4)

1v1 2 v2 0 1 .(1,2) 2 .(2,4) (0,0) (1 ,21 ) (2 2 ,4 2 ) (0,0)


2 2 0
( 1 2 2 ,2 1 4 2 ) (0,0) 1
2 1 4 2 0
Resolviendo el sistema:

1 2 2 0 1 2 2
21 4 2 0 2.(2 2 ) 4 2 0 0. 2 0 2 puede tomar cualquier
valor y no es necesariamente nulo.
Por lo tanto v1 (1,2) y v2 (2,4) son ld ( v2 2v1 )
3. En V M ( R)
2

1 0
0 1
0 0
0 0
v1
, v2
, v3
, v4

son li:
0 0
0 0
1 0
0 1

1v1 2 v2 3 4 v4 0
1 0
0 1
0 0
0 0 0 0
1
2
. 3
4

0 0
0 0
1 0
0 1 0 0

2 0 0
1

1 2 3 4 0
3 4 0 0
UNNOBA

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

11

Propiedades:
1. Sea V un espacio vectorial sobre K y sean v1 , v2 ,......, vn V .

v1 , v2 ,......, vn son linealmente dependientes si y slo si uno de ellos es combinacin


lineal de los restantes.
n
2. Sean v1 , v2 ,......, vn R y A la matriz cuyas filas ( o columnas) son las componentes

de v1 , v2 ,......, vn .

v1 , v2 ,......, vn son linealmente independientes si y slo si A X 0 tiene solucin


nica ( solucin trivial)

Observaciones:
1. En virtud de la propiedad 2 y la teora de los sistemas lineales homogneos :
-

v1 , v2 ,......, vn R n son linealmente independientes A 0

v1 , v2 ,......, vn R n son linealmente dependientes A 0


siendo A la matriz cuyas filas (o columnas) son las componentes de v1 , v2 ,......, vn .
Ejemplos:
En V R
a)

v1 (1,0,0) , v2 (0,1,0) y v3 (0,0,1) son li porque:

1 0 0
A 0 1 0 y
0 0 1
b)

v1 (1,4,1) , v2 (1,1,0) y v3 (2,8,2) son ld porque:

1 4 1
A 1 1 0 y
2 8 2

A 1 0

A 0

v1 , v2 ,......, vn R n son linealmente independientes si reduciendo la matriz A ,


cuyas filas (o columnas) son las componentes de v1 , v2 ,......, vn , a la forma

UNNOBA

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

12
escalonada no se obtiene ninguna fila completa de ceros, y linealmente
dependientes en caso contrario.
Ejemplos:
En V R 3
a) v1 (1,0,0) , v2 (0,1,0) y v3 (0,0,1) son li porque:

1 0 0
A 0 1 0 y es una matriz escalonada con todas sus filas no nulas.
0 0 1
b) v1 (1,4,1) , v2 (1,1,0) y v3 (2,8,2) son ld porque:

1 4 1
A 1 1 0 y su forma escalonada
2 8 2

1 4 1
0 3 1 tiene una fila

0 0
0

completa de ceros.

2. Si v1 , v2 R son linealmente dependientes, pertenecen a la misma recta ( porque


2

uno de ellos es mltiplo del otro, por propiedad 1) y a rectas distintas si son
linealmente independientes.

3.

v1 , v2 , v3 R 3 son linealmente dependientes si son coplanares ( porque A 0 por


observacin 1) y si no pertenecen al mismo plano son linealmente independientes.

Bases y dimensin
Definicin: Sea V un espacio vectorial sobre K y sea v1 , v2 ,......, vn un subconjunto de V .

v1 , v2 ,......, vn es una base de V si y slo si es un sistema de generadores de V y sus

elementos son linealmente independientes .

v1 , v2 ,......, vn

UNNOBA

gen

base de V

v1 , v2 ,......, vn V
v1 , v2 ,......, vn

lgebra y Geometra Analtica

li

Lic. Silvia Graciela Capalbo

13
Ejemplos:
1. En V R 2 : v1 (1,0) y v2 (0,1) son li ( ver ejemplo 1 pg. 10)

v1 (1,0) y v2 (0,1) generan R 2 (ver ejemplo1 pg. 8)


Por lo tanto: (1,0); (0,1) es una base de R 2 : Base cannica.

2. En V R 2 : v1 (3,5) y v2 (1,2) son li porque

3 5
6 (5) 11 0
1 2

v1 (3,5) y v2 (1,2) generan R 2 (ver ejemplo 2 pg. 8)


Por lo tanto: (3,5); (1,2) es una base de R 2 .

3.

En V R 3 :
11) y generan R

v1 (1,0,0) , v2 (0,1,0) y v3 (0,0,1) son li ( ver ejemplo pg.


3

( ver ejemplo 2 pg. 9).

Luego (1,0,0); (0,1,0); (0,0,1) es una base de R 3 : Base cannica.

1 0 0 1 0 0 0 0
2
,
,
,
es una base M ( R) porque es un sistema de

0 0 0 0 1 0 0 1

4.

generadores de M 2 ( R) (ver ejemplo 4 pg. 8) y son li. (ver ejemplo 3 pg. 10)

Propiedad 1
Sea V un espacio vectorial sobre K y v1 , v2 ,......, vn una base de V .
Entonces, todo elemento del espacio vectorial se puede expresar de manera nica como
combinacin lineal de elementos de la base.
Es decir

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

ni cos / v 1v1 2 v2 ...... n vn

v V

Demostracin:
Sea v V y supongamos que se puede expresar de dos maneras distintas como combinacin
lineal de elementos de la base:

v 1v1 2 v2 ...... n vn con 1 , 2 ,....., n K


v 1v1 2 v2 ...... n vn con 1 , 2 ,....., n K

UNNOBA

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

14
Si 1v1 2 v2 ...... n vn 1v1 2 v2 ...... n vn

1v1 2 v2 ...... n vn 1v1 2 v2 ...... n vn 0


1 1 v1 2 2 v2 ...... n n vn 0
1 1 2 2 .......... n n 0 por ser v1 , v2 ,......, vn una base y por lo
tanto li.
Luego 1 1 ; 2 2 ;..........; n n , lo que prueba que la representacin de v V es
nica.

Propiedad 2
Sea V un espacio vectorial sobre K y v1 , v2 ,......, vn , w1 , w2 ,......, wm son dos bases
cualesquiera de V . Entonces dichas bases tienen el mismo nmero de elementos.

v1 , v2 ,......, vn , w1 , w2 ,......, wm

bases de V n m

Definicin: Sea V un espacio vectorial sobre K con una base finita. La dimensin del espacio
vectorial es el nmero de elementos de cualquier base. En este caso, V es un espacio
vectorial de dimensin finita o finito-dimensional.
Si v1 , v2 ,......, vn base de V dim V n

Observacin:

Si V 0 dim V 0

Ejemplos:

dim R 2 2
3
2. dim R 3
3. dim M 2 ( R) 4
1.

Propiedad
Sea V un espacio vectorial de dimensin finita n . Entonces V tiene a lo sumo n vectores
linealmente independientes.

UNNOBA

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

15

Coordenadas. Cambio de base


Definicin: Sea V un espacio vectorial de dimensin finita y sea B v1 , v2 ,......, vn una
base de V .
Si v V 1 , 2 ,....., n K / v 1v1 2 v2 ...... n vn

1 , 2 ,....., n son las coordenadas de v en la base

Notacin:

B.

1

2
C B (v ) .

.

n

Ejemplos:
1. V R 2 ;

B (1,2); (3,1) ; v (5,3)

v 1v1 2 v2 (5,3) 1 (1,2) 2 (3,1) (5,3) (1 3 2 ,21 2 )


3 2 5
1
1 2 ; 2 1
2 1 2 3

2
C B (v)
1

2. V R

B (1,0); (0,1) ; v (5,3)

5
v 1v1 2 v2 (5,3) 1 (1,0) 2 (0,1) (5,3) ( 1 , 2 ) 1
2 3

5
C B (v)
3

3. V R

B (0,1); (1,0) ; v (5,3)

3
v 1v1 2 v2 (5,3) 1 (0,1) 2 (1,0) (5,3) ( 2 , 1 ) 1
2 5

UNNOBA

3
C B (v)
5

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

16
4. V P3 ;

B x 3; 2 x 5; x 2 1

; v 2 3x 5 x 2

v 1v1 2 v2 3 v3 2 3x 5x 2 1 ( x 3) 2 (2 x 5) . 3 ( x 2 1)
2 3x 5x 2 1 x 31 2 2 x 5 2 3 x 2 3

3 1 5 2 3 2

2 3x 5 x (3 1 5 2 3 ) ( 1 2 2 ) x 3 x 1 2 2 3

3 5

1 1; 2 2 ; 3 5

1

C B (v) 2
5

5. V M 2 ( R) ;

1 0 0 1 0 0 0 0
B
,
,
,
;
0 0 0 0 1 0 0 1

2 1
v

1 5

v 1v1 2 v2 . 3 v3 4 v4

2 1
1 0
0 1
0 0
0 0

1
2
3
4

1 5
0 0
0 0
1 0
0 1

2 1 1

1 5 0

0 0 2 0

0 0 0 3

0 0 0

0 0 4

2 1 1 2

1 2 ; 2 1; 3 1; 4 5

1 5 3 4

UNNOBA

2

1
C B (v)
1

5

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

17
Observaciones:
1. Si v (1 , 2 ,......, n ) R n y B la base cannica .

1

2
Entonces C B (v) .

.

n
2. Las coordenadas de un vector dependen de la base del espacio vectorial y tambin
del orden de los elementos de la misma. Es decir, si se cambia la base B del espacio
vectorial o se cambia el orden de los vectores de B , cambian las coordenadas del
vector.

Propiedad. ( Cambio de base)


Sea V un espacio vectorial de dimensin finita, sean B y D dos bases de V y v V .
Entonces

C D (v) P C B (v)
donde P es una matriz invertible cuyas columnas son las coordenadas de los vectores de la
base B en la base D .

Demostracin:

Sean B v1 , v2 ,......, vn y D w1 , w2 ,......, wn bases de V y sea v V .


Por ser B una base de V :

v v1 v 2

v 1v1 2 v2 ...... n vn con 1 , 2 ,....., n K

1

2
. . vn .

.
n

(1)

Por ser D una base de V : v 1 w1 2 w2 ...... n wn

v w1

UNNOBA

w2

1

2
. . wn .

.
n

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

(2)

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

18

Por otro lado, todo vector de la base B se puede expresar como combinacin lineal de los
vectores de la base D :

vi 1i w1 2i w2 ...... ni wn con 1i , 2i ,....., ni K ; i 1,2,........, n

vi w1 w2

1i

2i
. . wn . para i 1,2,........, n

.
ni

Luego:

v1

v2

. . v n w1

w2

11 12

21 22
. . wn .

.
n1 n 2

.
.

.
.

1n
2 n

. (3)

.
nn

Por (1) y (3):

v v1 v 2

1
11 12

2
21 22
. . v n . v w1 w2 . . wn .

.
.
n
n1 n 2

.
.
.

. 1n 1
2 n 2
. .

. . .
. nn n
(4)

Teniendo en cuenta (2) y (4), por unicidad de coordenadas:

1 11 12

2 21 22
. .

. .
n n1 n 2
UNNOBA

.
.

.
.

1n 1
2 n 2
. .

. .
nn n

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

19

1
1


2
2
. son las coordenadas de v en la base B y . son las coordenadas de v en la base D .


.
.
n
n

11 12

21 22
.

.
n1 n 2

1n
2 n

. es una matriz cuyas columnas son las coordenadas de los vectores

.
.
. . nn
de la base B en la base D , a la que llamamos P .
.

C D (v) P C B (v)

Observacin:

P es llamada matriz de transicin de la base B a la base D y P 1 es la matriz de transicin


de D a B .

Ejemplo:

V R2 ;
Si

B (1,0); (0,1) ;

D (2,1); (1,1)

3
C B (v) , hallar CD (v)
3
a) Determinamos las coordenadas de los vectores de la base B en la base D :

v1 (1,0) 1 (2,1) 2 (1,1) (1,0) (21 2 , 1 2 )


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

UNNOBA

C D (v1 ) 3
1

3
lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

20

v2 (0,1) 1 (2,1) 2 (1,1) (0,1) (21 2 , 1 2 )


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

1

C D (v 2 ) 3
2

3

b) La matriz de transicin de la base B a la base D es P 3


1

1
3
2

c) Las coordenadas de v en la nueva base D son:


3

C D (v ) P C B (v ) 3
1

1
3 3 2
2 3 1

2
C D (v)
1

Nulidad y rango de una matriz


Definicin: El espacio nulo de una matriz A M mn (R) es el conjunto de soluciones del
sistema A X 0 .

N ( A) X R n / A X 0

Propiedad
n
El espacio nulo de una matriz A M mn (R) es un subespacio vectorial de R .

Demostracin:

N ( A) X R n / A X 0 es un subespacio vectorial porque:

UNNOBA

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

21
Si X 1 , X 2 N ( A) A X 1 0

A X 2 0

A ( X1 X 2 ) A X1 A X 2 0 0 0

X 1 X 2 N ( A)

Sean X N ( A), R .

Si X N ( A) A X 0

A ( . X ) .( A X ) .0 0

. X N ( A)

Definicin: La nulidad de una matriz A M mn (R) es la dimensin de espacio nulo, es decir


la dimensin del conjunto de soluciones del sistema A X 0 .

( A) dim N ( A) .
Observacin:

Si N ( A) 0 ( A) 0
Ejemplo:

2 1 1
A

1 2 3

N ( A) X R 3 / A X 0

x1
2 1 1 0 2 x1 x 2 x3 0
A X 0
x2
1 2 3 x 0 x1 2 x 2 3x3 0
3
Resolvemos el sistema: x1 x3 ; x2 x3 ; x3 x3 R

x3

N ( A) x3
x
3

Pero

x3
1
x x 1
3
3

x3
1

UNNOBA

1

1 es base de N ( A) dim N ( A) 1
1

( A) 1

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

22
Propiedad
Una matriz cuadrada es invertible si y slo si su nulidad es cero.
Es decir:

A M nn ( R) invertible si y slo si ( A) 0

Demostracin:

A M nn (R) invertible A 0 .
Adems un sistema homogneo A X 0 es compatible determinado y su nica solucin es
la trivial cuando A 0 .
Por lo tanto

A M nn (R) invertible A 0 A X 0 tiene solucin nica X 0

N ( A) 0 ( A) 0

Aplicacin:
Si un sistema lineal homogneo es compatible indeterminado podemos determinar una base
del espacio solucin, que es una base del espacio nulo y la dimensin del mismo, que es la
nulidad de la matriz de los coeficientes.
Ejemplo:

x1 2 x 2 4 x3 3x 4 0

x1 2 x 2 2 x3 2 x 4 0
2 x 4 x 2 x 3 x 0
2
3
4
1

1 2 4 3

La matriz de los coeficientes es A 1 2 2 2

2 4 2 3
Reducimos la matriz a la forma escalonada:

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

0
2 4 2 3 0 0 6 3 0 0 0

Entonces

x1 2 x 2 4 x3 3x4 0

2 x3 x 4 0

2 x3 x 4 0 x3

UNNOBA

1
x4
2
lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

23

1
x1 2 x2 4 x3 3x4 0 x1 2 x2 4. x4 3x4 0
2
x1 2 x2 x4 0 x1 2 x2 x4

x1
x
2 N ( A) es:
X

Luego
x3

x4
2 x 2 x 4 2 x 2 x 4
1
2

1
x2

x2 0
X 1

1
x 2 . x 4 . 1

0
0
x
4
2 4
2
2

0 x 4
0
x4
1
2

1
Y una base de N (A) y por lo tanto del conjunto solucin es ;
0
0

1
0
1

2

y la dimensin del espacio solucin es ( A) 2 .

Definicin: La imagen de una matriz A M mn (R) es el conjunto

Im( A) Y R m / A X Y para a lg n X R n

Propiedad
La imagen de una matriz A M mn (R) es un subespacio vectorial de R m .
Demostracin:

Im( A) Y R m / A X Y para a lg n X R n es un subespacio vectorial porque:


-

n
Si Y1 , Y2 Im( A) X 1 , X 2 R / A X 1 Y1 A X 2 Y2

X 1 X 2 R n / A ( X 1 X 2 ) A X 1 A X 2 Y1 Y2 Y1 Y2 Im( A)
-

Sean Y Im( A), R .

Y Im( A) X R n / A X Y . X R n / A ( . X ) .( A X ) .Y
.Y Im( A)

UNNOBA

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

24
Definicin: El rango de una matriz A M mn (R) es la dimensin de espacio imagen.

( A) dim Im( A) .

Definiciones:
-

El espacio fila de una matriz A M mn (R) es el subespacio de R m generado por


sus filas.

R A gen
-

r1 , r2 ,......, rm donde r1 , r2 ,......, rm son las filas o renglones de

A.

El espacio columna de una matriz A M mn (R) es el subespacio de R n


generado por sus columnas.

C A gen

c1 , c2 ,......, cn donde c1 , c2 ,......, cn son las columnas de

A.

Ejemplo:

2 1 1
A

1 2 3

RA gen (2,1,1); (1,2,3)

C A gen (2,1); (1,2); (1,3)

Propiedades
1. La imagen de una matriz es igual a su espacio columna.
Sea A M mn (R) Im( A) C A
2. El rango de una matriz es igual a la dimensin de su espacio fila y a la dimensin de su
espacio columna.
Sea A M mn (R) ( A) dim R A dim C A
3. La suma del rango y de la nulidad de una matriz es igual al nmero de sus columnas.
Sea A M mn (R) ( A) ( A) n

Observaciones
1. Como Im( A) C A y C A est generado por las columnas de A , para determinar
una base y la dimensin del espacio imagen basta con ver cules de los vectores
columnas que generan C A son linealmente independientes para formar una base
de C A y por lo tanto de Im(A) .
UNNOBA

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

25

Ejemplo:

2 1 1
A

1 2 3

Im( A) C A gen (2,1); (1,2); (1,3)


Vemos cules de los vectores que la generan son li. Una forma de hacerlo es
expresar dichos vectores como filas de una matriz y reducir la matriz a la forma
escalonada:

2 1 2 1 2
2 1 1
1

2 2 1 0 5 0 5

1 3 1 3 0 5 0 0
Los 2 primeros son linealmente independientes.

Base Im( A) (2,1); (1,2) y

( A) 2

2. Como ( A) dim R A y R A est generado por las filas de A , para determinar el


rango de A debemos ver qu filas son li para formar una base de R A .
Para ello reducimos la matriz A a la forma escalonada y el rango es la cantidad de
filas cuyos elementos no son todos 0.
Ejemplo:

2 1 1
A

1 2 3
2 1 1 1 2 3 1 2 3
A

1 2 3 2 1 1 0 5 5

( A) 2

Como tambin ( A) dim C A , se puede proceder de manera similar

pero

partiendo de la matriz cuyas filas son los vectores que generan C A .

UNNOBA

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

26
3. Como ( A) ( A) n . Entonces ( A) n ( A)
Ejemplo:

2 1 1
A

1 2 3
Como ( A) 2

n 3 , resulta

( A) n ( A) 3 2 1

( A) 1

Aplicacin:
El clculo del rango lo empleamos para determinar si un sistema lineal homogneo tiene o no
solucin. Recordar que un sistema homogneo A X B es compatible si ( A) ( A' ) e
incompatible en caso contrario, siendo A la matriz de los coeficientes y A' la matriz ampliada.

UNNOBA

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo