Subespacios vectoriales en Rn

Víctor Domínguez
Octubre 2011

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

2. Subespacioes en Rn
2.1. Primeras definiciones
Un subespacio en Rn es un conjunto de n−tuplas (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 , λ ∈ R ⇒ λu ∈ U
Esencialmente hay dos formas de describir un subespacio vectorial en Rn :
1. Mediante un sistema generador,

U := λ1 u1 + · · · + λr ur  λi ∈ 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).
1
Observa que la definición tiene sentido en sitios más generales que Rn . Tienes ejemplos de subespacios
en conjuntos de polinomios, matrices, funciones continuas,...

1
2

2. Como soluciones de un sistema lineal homogéneo, o sea, con término 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 solución (sistema compatible) si y sólo si b ∈

R(A).
Además, la solución es única (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 único.

Proposición 2.2

1. Si U = spanha1 , . . . , an i y V son dos subespacios, entonces U ⊂ V si y sólo si,

a1 , . . . , an ∈ V

2. Se cumple

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

= spanha1 , . . . , λaj , . . . an i
= spanha1 , . . . , ai , . . . , aj + νai , . . . an i

con λ 6= 0 y ν ∈ R. Es decir, si en un sistema generador intercambiamos dos

vectores, multiplicamos uno por un número distinto de cero o bien sumamos a uno
otro multiplicado por un número, seguimos teniendo un sistema generador del mismo
subespacio.

3. Tenemos
spanha1 , . . . , an i = spanha1 , . . . , an , 0i
esto es añadir, o eliminar vectores nulos, en un sistema generador no cambia el
subepacio que generan.

La demostración 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 método
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 información

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 combinación lineal no trivial que consiga el vector nulo, esto es, si existe
λ1 , . . . , λn ∈ R con alguno distinto de cero de forma que
λ1 a1 + . . . + λn an = 0.
En caso contrario, es decir, si la única forma de conseguir de conseguir el vector nulo es
λi = 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
proposición:
Proposición 2.3
1. La familia {a1 , . . . , an } es linealmente dependiente si y sólo si existe j de forma que
aj ∈ spanha1 , . . . , j , . . . , an i,
a
ZZ
esto es,
spanha1 , . . . , aj , . . . , an i = spanha1 , . . . , j , . . . , an i,
aZ
Z

Dicho de otra forma, si {a1 , . . . , an } es linealmente independiente, entonces

spanha1 , . . . , j , . . . , an i $ spanha1 , . . . , aj , . . . , an i
a
ZZ
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.
Proposición 2.4
1. Todas la bases de un subespacio tiene el mismo número de elementos.
2. Si {a1 , . . . , an } es una base de U , entonces para cualquier u ∈ U
u = λ1 a1 + λ2 a2 + · · · + λn an
y los números λ1 , . . . , λn son únicos.
Definimos la dimensión de un subespacio, y escribiremos dim U , al número de ele-
mentos de cualquiera de sus bases. Por otro lado, a los coeficientes λi del resultado anterior
se le llama coordenadas de u en la base {a1 , . . . , an }.
Como consecuencia de los resultados anteriores tenemos el siguiente resultado
Proposición 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 .
4

¿Cómo obtener una base a partir de un sistema generador?

Hay dos formas básicas, la primera elimina de un sistema generador los vectores re-
dundantes, en línea con el punto 1 de la Proposición 2.3. La segunda estrategia usa la
Proposición 2.2 para transformar un sistema generador en otro nuevo donde los vectores
son claramente linealmente independientes o nulos. Tras eliminar estos últimos 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 combinación lineal de los otros. Dicho
de otra manera, si

λ1 (1, 2, 1, 4) + λ2 (3, 1, 0, −1) + λ3 (2, 0, 1, −3) + λ4 (5, 4, 0, 5) = (0, 0, 0, 0, 0) (2)

con algún λi 6= 0. El vector correspondiente . Si no es posible, entonce la familia es

linealmente independiente y por tanto es base.
Resolver (2) nos lleva al sistema lineal
 
1 3 2 5
 2 1 0 4 
Ax = 0, A=  1
.
0 1 0 
4 −1 −3 5

Aplicando la eliminación Gaussiana, obtenemos

   
1 3 2 5 0 F2 → F2 − 2F1 1 3 2 5 0
F3 → F3 − F1
 2 1 0 4 0  F4 → F4 − 4F1
 0 −5 −4 −6 0 
  ∼ 
 0 −3

 1 0 1 0 0  −1 −5 0 
4 −1 −3 5 0 0 −13 −11 −15 0
 
1 3 2 5 0
F3 → F3 − 3/5F2
F4 → F4 − 13/5F2  0 −5 −4 −6 0 
∼  
 0 0 7/5 −7/5 0 
0 0 −3/5 3/5 0
 
1 3 2 5 0
F4 → F4 +
3/7F3  0 −5 −4 −6 0 
∼  
 0 0 7/5 −7/5 0 
0 0 0 0 0

Deducimos por tanto que la familia de vectores es linealmente dependiente (el sistema
anterior es compatible indeterminado), pero los tres primeros sí lo son porque si nos
 5

quedamos con ellos, ignorando el cuarto, el sistema que sale es un sistema escalonado que
admite una única solución. Es más, el cuarto vector se puede escribir en función de los
tres primeros (bastaría mandarlo como término 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 Proposición 2.2. Construimos en primer lugar

la matriz  
1 2 1 4
3
 1 0 −1 
2 0 1 −3
5 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 F2 → F2 − 3F1 1 2 1 4
3 1 0 −1 FF34 → F3 − 2F1
→ F4 − 5F1
0 −5 −3 −13

2 0 1 −3
 ∼ 
0 −4 −1 −11


5 4 0 5 0 −6 −5 −15
 
1 2 1 4
F3 → F3 − 4/5F2
F4 → F4 − 6/5F2 0 −5 −3 −13 
∼  
0 0 7/5 −3/5
0 0 −7/5 3/5
 
1 2 1 4
F4 → F4 + F3 0 −5 −3 −13 
∼ 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 Proposición 2.2). Así, 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 último vector (ver Proposición 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, más 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 número de “ecuaciones” que
quedaban tras aplicar la eliminación gaussiana. Del proceso que estamos realizando uno
intuye (que no prueba) que el rango es independiente de cómo se efectuan estas operacio-
nes. Una demostración rigurosa requeriría pasar por la dimensión del espacio nulo o por
la forma escalonada reducida de una matriz que sí hemos visto es única (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 número de filas diferentes de cero coincide con la
dimensión 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 demostración se propone como un ejercicio guiado (ver problema 18).

Teorema 2.6 Sea A m × n y B n × p. Entonces,

1. rang (AB) ≤ mı́n{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 ¿Cuál es su dimensión? ¿Cómo calcular una base?.

La respuesta es simplemente resolver el sistema homogéneo 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
 
2 2 0 −1 −1
U = {x ∈ R5 | Ax = 0} = N (A), con A = 4 4 1 1 −1 .
1 1 1 1 1
 7

Resolvemos el sistema homogéneo (no trabajamos con la matriz ampliada porque el tér-
mino independiente son todo ceros)
   
2 2 0 −1 −1 F2 → F2 − 2F1 2 2 0 −1 −1
4 4 1 1 −1 F3 → F∼ 2 − 1/2F3
0 0 1 3 1 
1 1 1 1 1 0 0 1 3/2 3/2
 
F3 → F3 − F2 2 2 0 −1 −1
F3 → F2 − 1/2F3
∼ 0 0 1 3 1 
0 0 0 −3/2 1/2

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

ésta es 3. La solución del sistema homogéneo se haya resolviendo el sistema escalonado
Claramente se puede tomar como parámetros “u” e “y” de forma que la solución 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 dimensión del subespacio es 2 que coincide con la dimensión del espacio
donde está 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 más rele-
vante del Álgebra matricial:

dim(N (A)) + dim(R(A)) = n .

Date cuenta que en esta relación el número de filas no aparece de forma explícita.

¿Cómo escribir un subespacio en forma N (A)?

A lo largo de la sección anterior hemos con un subespacio expresado en término de un
sistema generador o, aún 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 vía un sistema generador, o mejor aún, una base.
Nos preocupamos ahora si es posible de realizar el camino opuesto, escribir el subes-
pacio descrito vía 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 solución se basa en resolver un sistema de ecuaciones, en este caso el
sistema cuyas filas están 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

(4)
 .................................................

ar1 x + ar2 y + ar3 z + ar4 t + ar5 u = 0


que admitan a los vectores de (3) como solución. En otras palabras, los coeficientes de
cada ecuación (ai1 , ai2 , ai3 , ai4 , ai5 ) son solución del sistema


 ai1 + 2ai2 + ai3 − ai4 + 3ai5 = 0
2ai1 − ai3 + 3ai4 + ai5 = 0


 ai1 − 6ai2 − 5ai3 + 9ai4 − 7ai5 = 0
−3ai1 + 2ai2 + ai3 + ai5 = 0


Así 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 > ).

Resolvemos el sistema Ba = 0
   
1 2 1 −1 3 F2 → F2 − 2F1 1 2 1 −1 3
F3 → F3 − F1
2 0 −1 3 1 F4 → F4 + 3F1
0 −4 −3 5 −5 

 1 −6 −5 9
 ∼  
−7 0 −8 −6 10 −10
−3 2 1 0 1 0 8 4 −3 10
   
1 2 1 −1 3 1 2 1 −1 3
F3 → F3 − 2F2
0 −4 −3 5 −5 F3 ↔
F3 → F3 + 2F2
  F4 0 −4 −3 5 5/4
∼ 0 0 ∼ 
0 0 −2 7

0 0 0 0 
0 0 −2 7 0 0 0 0 0 0
 9

Si a = (a1 , a2 , a3 , a4 , a5 ) entonces podemos tomar a4 , a5 como parámetros 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 solución del sistema


2x − 11y + 28z + 8t = 0
(5)
−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. Así

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 ).

10

3. Operación con subespacios

Dados dos subespacios U, V podemos considerar dos subespacios construidos a partir
de ellos
 
U +V = u + v  u ∈ U, v ∈ V ,
 
U ∩V = u u, ∈ U, u ∈ V

El primero se conoce como la suma de subespacios, mientras que el segundo es, obvia-
mente, la intersección de subespacios.
Es fácil comprobar que U + V y U ∩ V son ambos subespacios2 . La cuestión que nos
ocupa es dar una expresión más concreta de ellos. Antes de entrar en la respuesta de esta
cuestión 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 cálculo de la suma de subespacios, lo más apropiado es tener estos subespacios
escritos en forma de clausura lineal. El cálculo 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), V = R(B), U + V = R(C), con C = A B

2
Hazlo. Prueba también que U ∪ V no lo es, salvo que U ⊂ V o V ⊂ U
 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 versión matricial, tenemos

     
1 −1 0 3 −2 1 −1 0 3 −2
2 2  0 2 4  2 2 0 2 4 
     
A = 0 1  , B = 1 −1 1 
  
, C=
 0 1 1 −1 1 ,
1 3  3 −1 3   1 3 3 −1 3 
0 0 0 1 0 0 0 0 1 0
entonces
U = R(A), V = R(B), U + V = R(C).

3.2. Intersección 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  
  A
U ∩ V = N (C) = x  Cx = 0 , C=
B
Observa que C no es más 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
1 1 0 −1 1 −1 1 −3 1 1 1 0 
A= , B= , C= 
1 1 1 0 2 2 1 −1 1 −1 1 −3
2 2 1 −1