Espacio vectorial real

Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto con dos
operaciones binarias llamadas sumas (x+y) y multiplicación por un escalar (ax), y que
satisfacen los diez axiomas enumerados.

Espacio vectorial :V = { ⃗x , ⃗y }
Donde x y y son vectores y pertenecen al conjunto V, V es además un espacio vectorial.

Axiomas: faltan otros 8 que están en el libro, capitulo 5.1

1- Cerradura bajo la suma:

Si x ϵ V ∧ y ϵ V ,entonces x + y ∈V
Si x + y=k y k ∉V , entonces ,V no es un espacio vectorial

Esto no es un espacio vectorial:

Sean los vectores: x=1 ∧ y=2, vectores pertenecientes al conjuntoV ={ x , y } .Se concluye que el
conjunto V no puede ser un espacio vectorial ya que:

Si :1 ϵ V ∧2 ϵ V , entonces 1+ 2∉ V , ya que :3 ∉V

2- Cerradura bajo la multiplicación:

Si x ∈ V y a es un escalar , entonces ax ∈ V
Siax=k y k ∉ V , entonces ,V no es un espacio vectorial

Esto no es un espacio vectorial:

Sean los vectores: x=1 y a=3 , un escalar . si x pertenece al conjunto V ={ x } .Se concluye que
el conjunto V no puede ser un espacio vectorial ya que:

2 ( 3 )=6 y 6 ∉V , por tanto ,V no es un espacio b=vectorial

 Espacio vectorial trivial

V ={0}
Es el conjunto que contiene un único elemento, el cero.

Subespacio vectorial

Se dice que H es un subespacio vectorial de V, si H es un subconjunto no vacío de V ( H ⊂ V ),

y H es un espacio vectorial por sí mismo, junto con las operaciones de suma entre vectores y
multiplicación por un escalar definidas para V.

Nuevamente, para que H sea un espacio vectorial debe satisfacer una serie de axiomas,
particularmente:

1- Cerradura bajo la suma:

Si x ϵ B ∧ y ϵ H , entonces x + y ∈ H
Si x + y=k y k ∉ H , entonces , H no es un espacio vectorial

2- Cerradura bajo la multiplicación:

Si x ∈ H y a es un escalar , entonces ax ∈ H

Si ax=k y k ∉ H , entonces , H no es un espacio vectorial

Todo subespacio de un espacio vectorial V contiene al 0

 Subespacio vectorial trivial

H= { 0 }
Es el conjunto que contiene un único elemento, el cero

Plano y espacio

Cuando uno dice el plano ( R2 ) se hace referencia a todos los vectores de 2 dimensiones (x;y)
en el plano. Los planos tienen 2 dimensiones (x;y)

Cuando uno dice el espacio (R3 ) se hace referencia todos los vectores de 3 dimensiones (x;y;z)
en el espacio. Los espacios tienen 3 o más dimensiones (x;y;z)

El espacio Rn es un espacio de n dimensiones.

Combinación lineal

Se dice que un vector k⃗ es combinación lineal del conjunto de vectores { ⃗v 1 , ⃗v2 . . .. ⃗v n } si se

cumple la siguiente ecuación:

k⃗ =⃗v 1 a1 + ⃗v 2 a 2+ .. . . ⃗v n an

Donde, a 1 , a2 . .. . a n son escalares.

Ejemplo:

()
3
En el espacio R3 , el vector k⃗ = 12 es una combinación lineal de { ⃗v 1 , ⃗v2 }
3

() ()
1 1
Donde: ⃗v 1= 5 ; ⃗v 2= 2 ; a1=2 ; a2=1
1 1

() () ()
3 1 1
⃗
Ya que: k = 12 ¿ ⃗v 1 a1 +⃗v 2 a2 = 5 2+ 2 1
3 1 1
 Dependencia o independencia lineal

Se dice que el conjunto de vectores { ⃗v 1 , ⃗v2 . . .. ⃗v n } es:

Linealmente independiente: si la combinación lineal del conjunto de vectores mencionados

anteriormente es igual al vector cero, tal que, todos los coeficientes de la combinación lineal en
cuestión son iguales a cero.

Independencia lineal : ⃗ v n 0=⃗0

v 2 0+. . .. ⃗
v 1 0+⃗

Linealmente dependiente: si la combinación lineal del conjunto vectores mencionados

anteriormente es igual al vector cero, tal que, no todos los coeficientes de la combinación lineal
en cuestión son iguales a cero.

Dependencia lineal :⃗ v 2 a 2+. . . . ⃗

v 1 0+⃗ v n 0=0 ⃗v

Donde a 2 ≠ 0

Conjunto generador

El conjunto de vectores { ⃗v 1 , ⃗v2 , . .. , ⃗v n } pertenecientes a V, se dice que genera a V, si podemos

usar al conjunto de vectores mencionados anteriormente para crear una combinación lineal que
genere a cada vector del espacio vectorial V .

O sea, si la siguiente transformación lineal genera a cada posible vector ⃗v usando al conjunto
mencionado anteriormente, entonces el conjunto es generador de V porque literalmente puede
generar cada vector de V

⃗v =⃗v 1 a1 + ⃗v 2 a 2+ ⃗v 3 a3 … . ⃗v n an

Donde ⃗v es un vector genérico de n dimensiones y a n son escalares no conocidos.

Los conjuntos generadores se denotan de la siguiente forma, si el conjunto de vectores
{ ⃗v 1 , ⃗v2 , . .. , ⃗v n } es un conjunto generador. Entonces, a dicho conjunto se le puede expresar de la
siguiente manera:

gen { ⃗v 1 , ⃗v 2 , .. . , ⃗v n }

Ejemplo 1

()
x
Para todo vector de la forma ⃗v = y en el espacio, se tiene el siguiente conjunto de vectores
z

() ( ) ()
1 −1 5
en el espacio: ⃗v 1= 2 , ⃗v 2= 2 , ⃗v 3= 2 .Demuestre que existen escalares a n que
3 3 3

satisfacen la siguiente combinación lineal y que el conjunto genera a V:

⃗v =⃗v 1 a1 + ⃗v 2 a 2+ ⃗v 3 a3

() () ( ) ()
x 1 −1 5
y = 2 a1 + 2 a2 + 2 a3
z 3 3 3

Agrupando por componentes:

{
a1−a2 +5 a3=x
2 a1 +2 a2 +2 a3= y
3 a1 +3 a2 +3 a3 =z

Matriz Aumentada:

( |)
1 −1 5 x
2 2 2 y
3 3 3 z

Gauss-Jordán:

( | )
y−2 x
x+
4
1 0 3
y−2 x
0 1 −2
4
0 0 0
z−3 x−6
y −2 x
4 ( )
 {
y−2 x
a1−0+3 a3=x +
4
y−2 x
0+a 2−2 a3=
4
0=z−3 x−6 (
y−2 x
4 )
El sistema no tiene solución ya que todas las variables x , y entran en contradicción en la
tercera ecuación.
Por tanto, las constantes a no satisfacen la combinación lineal y el conjunto de vectores no es
conjunto generador.

Ejemplo 2

{( ) ( )}
2 4
El conjunto generador: H=gen −1 , 1 debe satisfacer:{⃗v :⃗v =⃗v 1 a1+ ⃗v 2 a2 +. . .} Para ser
4 6
considerado un conjunto generador del espacio H. Demuéstrelo.

()( ) ()
x 2 4
y = −1 a1+ 1 a2
z 4 6

Falta encontrar las constantes a . Agrupando por componentes:

{
2 a1 +4 a2=x
−a1+ a2= y
4 a1 +6 a 2=z

Matriz Aumentada:

( |)
2 4x
−1 1 y
4 6 z

Gauss-Jordán:
 (| )
x 2y
−
6 3
1 0
x y
0 1 −
6 3
0 0
−5 x 2 y
−
3 3+ z

A partir de ahí, se pueden hallar los valores de los coeficientes que satisfacen la combinación
lineal:

{ {
x 2y x 2y
a1 +0= − a 1= −
6 3 6 3
x y x y
0+a 2= − → a2 = −
6 3 6 3
−5 x 2 y 5 x −2 y
0+0= − =
3 3+ z 3 3+ z

Se concluye que las constantes deben tener deben tener solución y satisfacer la combinación
lineal. Por tanto, el conjunto es generador de H.

Bases de un espacio vectorial

Un conjunto de vectores {⃗v 1 , ⃗v 2 , . . ., ⃗v n } es una base para el espacio vectorial V si:

- El conjunto {⃗v 1 , ⃗v 2 , . . ., ⃗v n } es linealmente independiente

- El conjunto { ⃗v 1 , ⃗v2 , . .. , ⃗v n } es un conjunto generador de V. O sea, gen { ⃗v 1 , ⃗v 2 , .. . , ⃗v n }

Importante:

 Todo conjunto de n vectores linealmente independientes en Rn forman una base para para
n
R
 Todo conjunto de n vectores linealmente independientes en el espacio vectorial V forman
una base para para el espacio vectorial V
 Los espacios vectoriales pueden tener mas de una base, eso sí, todas las bases de un
espacio vectorial V tienen el mismo número de vectores.
 Bases Canónicas

Las bases canónicas son un conjunto de vectores (bases) que se caracterizan porque sus
columnas están asociadas a la matriz identidad. Ejemplo de bases canónicas:

Base canónica del espacio Rn

{( ) ( ) ( )}
1 0 0
El conjunto de vectores e R = 0 ; 1 ; 0
3 es L.I. y conjunto generador. Entonces los vectores
0 0 1
anteriores se denominan bases canónicas de R3 , porque sus componentes tienen la forma de
una matriz identidad. La base anterior es solo para R3, si se necesita la base de R4 pues los
vectores serian 4 y cada uno tendrían 4 dimensiones y así para cada tipo de espacio Rn
Base canónica de un polinomio Pn
La base estándar de un espacio vectorial con forma de polinomio es el conjunto de vectores
con forma de polinomio: e P ={ 1 , x , x , x … x }
2 3 n
n

Base canónica de un matriz M mxn

La base canónica de un espacio vectorial con forma de matriz M 2 x 2 por ejemplo, es el conjunto
de vectores con forma de matriz:

eM =
2x2
{( ) ( ) ( ) ( )}
1 0 0 1 0 0 0 0
; ; ;
0 0 0 0 1 0 0 1

Nótese que cada elemento de los vectores de la base canónica son los elementos de la
columna de la matriz identidad.
Por otro lado, la base canónica de una matriz 2 x 3:

{( )( )(
eM = 1 0 0 ; 0 1 0 ; 0 0 1 ; 0 0 0 ; 0 0 0 ; 0 0 0 ;
0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1
2x3 )( )( )( )}

Como determinar una base

Ejemplo 1: Polinomio
Demuestre que el conjunto de vectores c={(1−x 2) , ( x ) } puede ser una base del polinomio de
grado 2 ( P2)

Independencia lineal: si demuestras que todos los coeficientes pueden ser cero y satisfacer la
combinación lineal, entonces hay independencia lineal.

a 1 ⃗v1 + a2 ⃗v 2=0 v⃗

a 1 ( 1−x 2 ) + a2 ( x )=0 x 2 +0 x +0

−a 1 ( x 2 ) +a 2 ( x ) +a1=0 x 2 +0 x +0
Se demostró que todos los coeficientes puedes ser cero y satisfacer la combinación, por tanto,
hay independencia lineal.

Conjunto generador: Debes demostrar que el conjunto de vectores es un conjunto generador

2
P2=gen {(1−x ), ( x ) }
2
(1−x )a1+(x )a 2

−a 1 ( x 2 ) +a 2 ( x ) +a1= ( d x 2 +ex + f )

No es conjunto generador por: a 1=−d y

Ejemplo 2: Polinomio
Demuestre que el conjunto de vectores b={(−3 x ) ,(1+ x 2), ( x 2−5 ) } es una base para el
polinomio de grado 2 ( P2)

Independencia lineal: si demuestras que todos los coeficientes pueden ser cero y satisfacer la
combinación lineal, entonces hay independencia lineal.

a 1 ⃗v1 + a2 ⃗v 2+ a3 ⃗v 3=0 ⃗v

a 1 (−3 x ) +a2 ( 1+ x 2 )+ a3 ( x 2−5 ) =0 x2 +0 x +0

a 2 ( x 2 ) +a 3 ( x 2 ) +a 1 (−3 x ) +a2 +a 3 (−5 )=0 x 2+ 0 x +0

( a 2+ a3 ) x 2−3 a1 ( x )+ ( a2−5 a 3 )=0 x 2 +0 x+ 0

Despejando:
3 a1 =0

a 2−5 a3=0

a 2+ a3=0 → 5 a3 +a 3=0 → 6 a3=0

a 2−5 a3=0→ a 2−5(0)=0→ a2 =0

Se demostró que todos los coeficientes pueden ser cero y satisfacer la combinación, por tanto,
hay independencia lineal.
Conjunto generador: Debes demostrar que el conjunto de vectores es un conjunto generador.
P2=gen {(−3 x ) ,(1+ x 2), ( x 2−5 ) }
a 1 v1 + a2 v 2+ a3 v 3=v

a 1 (−3 x ) +a2 ( 1+ x 2 )+ a3 ( x 2−5 ) =bx 2+ cx+ d

a 2 ( x 2 ) +a 3 ( x 2 ) +a 1 (−3 x ) +a2 +a 3 (−5 )=bx 2+ cx +d

( a 2+ a3 ) x 2−3 a1 ( x )+ ( a2−5 a 3 )=bx 2 +cx +d

Despejando
−c
−3 a1 =c → a1=
3
a 2−5 a3=d →

−a 2−a3 =−b

−d−b
a 3=
6

a 2=d−5 a 3=d +5 ( d −b
6 )

Es conjunto generador. Ya que cada coeficiente tiene un único valor.

Ejemplo 3: Matriz
Demuestre que el conjunto de vectores d={ ( 30 10) ,( 30 20) ,(−50 16) ,(00 1
−7 )
} es una base de

la matriz de 2 dimensiones ( M 2 x 2 )

Independencia lineal: si demuestras que todos los coeficientes pueden ser cero y satisfacer la
combinación lineal, entonces hay independencia lineal.

a 1 ⃗v1 + a2 ⃗v 2+ a3 ⃗v 3 +a 3 ⃗v 4=0 ⃗v
 a1 ( 30 10)+ a (30 20)+a (−50 16)+ a ( 00 −71 )=( 00 00)
2 3 4

( 0 0 )(
0 0
+
0 )(
3 a 1 a1 3 a2 2 a2 −5 a3 a 3
+ +
0 a4
6 a 3 0 −7 a 4)(
=
0 0
0 0 )( )
( 0 6 a3−7 a4 )( )
3 a 1+3 a2−5 a3 a1 +2 a2 +a 3+ a4
=0 0
0 0

No hay independencia lineal, ya que ningún escalar es igual a cero.

Ejemplo 4: Plano
Encuentre una base para el espacio vectorial R3 ,tal que, el conjunto de vectores de la base
debe satisfacer la siguiente ecuación: 3 x−2 y +5 z =0. O sea:

{( ) }
x
π= y :3 x−2 y+ 5 z =0
z

3x 5z
Agarramos a x y z con valores arbitrarios y despejamos y de la ecuación del plano: y= +
2 2
Reemplazamos y en el vector genérico del plano:

()( ) () ()
x 1 0
x
3 5 3 5
y = x+ z =x +z
2 2 2 2
z
z 0 1

( )( ) {( ) ( )}
1 0 1 0
3 5 3 5
Entonces concluimos que los vectores ; son una base ; para π y son L.I.
2 2 2 2
0 1 0 1
porque ninguno es múltiplo escalar del otro.
Ejemplo 5: Sistema de ecuaciones homogéneo
Considere el siguiente sistema de ecuaciones homogéneo, ahora halle la base del sistema de
ecuaciones.
Se debe crear una matriz aumentada y reducir todos los renglones excepto 1, para poder saber
como construir la base con ese renglón. Puedes usar G.J

{
2 x− y +3 z=0
4 x−2 y +6 z=0
−6 x+ 3 y−9 z=0

( |) ( |)
2 −1 3 0 2 −1 3 0
R2 : R2−2 R1
4 −2 6 0 0 0 00
−6 3 −9 0 R3 :R 3−3 R1 0 0 0 0

2 x− y +3 z=0 →2 x +3 z= y
Agarrando a x con valores arbitrarios (siempre pon las ecuaciones en función de la variable
libre):

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

{( ) ( )}
1 0
Entonces una base para el sistema es 2 ; 3
0 1
 Matriz de transición (Cambio de Base)

Los espacios vectoriales no tienen una sola base, tienen infinitas bases de hecho. Y si tienes 2
B
Bases B1 y B2 entonces puedes obtener su matriz de transición M B 1

{( )( )( )}
a b c
B1={ ⃗a , b⃗ , ⃗c } = x x x
ay by c y

{( )( )( )}
d e f
B2={ ⃗d , e⃗ , ⃗f = x x x
}
dy ey f y

El procedimiento consiste en agarrar a cada vector de la base 1 y escribirla como una

combinación lineal usando los vectores de la base 2.

Para el vector a:

() ( ) () ()
ax
ay
d e f
=α a x + β a x + γ a x
dy ey fy

1- Igualando cada componente

( a x )=α a ( d x ) + β a ( e x ) +γ a ( e x )
( a y )=α a ( d y ) + β a ( e y ) +γ a ( e y )

2- Se debe despejar el valor de α , β , γ del sistema de ecuaciones anterior

3- Una vez conocidos los valores de las constantes, se construye el primer vector columna de
la matriz de transición.

()
αa
( a⃗ )B= β a
γa
Para el vector b:

() ( ) () ()
bx
by
d e f
=α b x + β b x + γ b x
dy ey fy

1- Igualando cada componente

( b x )=α b ( d x ) + β b ( e x ) +γ b ( e x )
( a y )=α b ( d y ) + β b ( e y ) +γ b ( e y )

2- Se debe despejar el valor de α , β , γ del sistema de ecuaciones anterior

3- Una vez conocidos los valores de las constantes, se construye el primer vector columna de
la matriz de transición.

()
αb
( b⃗ )B = β b
γb

Para el vector c:

() ( ) () ()
cx
cy
d e f
=α c x + β c x + γ c x
dy ey fy

1- Igualando cada componente

( c x )=α c ( d x ) + β c ( e x )+ γ c ( e x )
( c y ) =α c ( d y ) + βc ( e y ) +γ c ( e y )

2- Se debe despejar el valor de α , β , γ del sistema de ecuaciones anterior

3- Una vez conocidos los valores de las constantes, se construye el primer vector columna de
la matriz de transición.

()
αc
( c⃗ )B = β c
γc

Finalmente, la matriz de transición:

( )
αa α b αc
B1
M = βa βb βc
B2

γa γ b γc

1) Dimensión de un espacio vectorial

La dimensión de un espacio vectorial es el número de vectores que contenga la base de dicho

espacio vectorial. Se denota como dim V
Teoremas

 SI el espacio vectorial V tiene como base al conjunto de vectores { ⃗v 1 , ⃗v2 , … ⃗v n } entonces la

Dimensión de V es finita y es: dim V =n

 Si la dimensión de V no es finita, entonces es infinita.

 Si el espacio V es de la forma: V = { 0 } entonces el espacio vectorial tiene dimensión nula.

 Suponga que la dim V =n. Si { u⃗ 1 , ⃗u2 ,… u⃗ m } es un conjunto de m vectores linealmente

independientes en V, entonces m ≤n

Como conocer la dimensión de ciertos espacios vectoriales

 Dimensión de un espacio vectorial tipo polinomio: dim (¿ P ¿¿ n)=n+1 ¿ ¿

Por ejemplo, la base canónica de P3 es e P ={ 1 , x , x , x } y la dimensión de la base es 4, ya

2 3
3

que hay 4 vectores. dim (¿ P ¿¿ 3)=3+1=4 ¿ ¿

 Dimensión de un espacio vectorial tipo matriz: dim ( M mxn ) =mn

Por ejemplo, la base canónica de una matriz 2 x 2 es:

eM 2x2
{( ) ( ) ( ) ( )}
1 0 ; 0 1 ; 0 0 ; 0 0
0 0 0 0 1 0 0 1
y como se ve, la base tiene 4 vectores por tanto su

dimensión es 4. dim ( M 2 x 2 )=2

 Dimensión de un espacio: dim Rn =n

{( ) ( ) ( )}
1 0 0
Por ejemplo, la base canónica de R3 es e R = 0 ; 1 ; 0
3 como la base tiene tres vectores,
0 0 1
3
su dimensión es 3. dim R =3

Dimensión de un subespacio

Si H es un subespacio de V, entonces:

dim H ≤ dimV

Nota: La dimensión de un espacio vectorial V será infinita (dim V :infinita) sí V contiene a un

subespacio vectorial H de dimensión infinita también (dim H :infinita)

Ejemplo: Paso 1

Encuentre la dimensión de la siguiente matriz A= (12 2 −1

−1 3 )
La dim ( A mxn )=2.3=6
 2) Espacio Nulo de una matriz (Kernel)

El espacio nulo de una matriz Amxn es el subespacio de Rn denotado por:

N A ={ ⃗x ϵ R n : A ⃗x =0⃗ }

Nota que el espacio nulo se determina resolviendo el sistema de ecuaciones A ⃗x =0⃗ a través de
G.J.

N A =gen { Base de A }

O sea, el espacio nulo de una matriz es el conjunto generador cuyos vectores del conjunto
generador son los vectores de la base de A. Por tanto, necesitas conocer previamente las
bases de la matriz a través de G.J.

Ejemplo: Paso 2
Encuentre el espacio nulo de la matriz A

A= (12 2 −1
−1 3
→) (
1 2 −1 0
0 −5 5 0
→ |) (
1 2 −1 0
0 1 −1 0
→
1 0 1 0
0 1 −1 0 |) ( |)
 { xy−z=0
+ z=0 → x=−z ; y =z

Ya que z es una variable libre, la usaremos para la parametrización del vector:

( ) ( ) () ()
x −z 1 1
y = z =z 1 → Base : 1
z z 1 1

{( )}
1
N a =gen 1
1

3) Nulidad de una matriz

La Nulidad de un espacio vectorial A es: v ( A )=dim N A

Nota: Sea una matriz A nxn , entonces A es invertible si y solo si v ( A )=0

Ejemplo: Paso 3
Encuentre la nulidad de la matriz A. Como el espacio nulo de A solo tiene un vector:

v ( A )=dim N A =1
 4) Imagen de una matriz

Sea A una matriz mxn , su imagen se define como:

ℑ A={ ⃗y ∈ R : A ⃗x =⃗y ; para algunas ⃗x ∈ R }

m m

Para calcular la imagen de cualquier matriz:

Debes conocer previamente la nulidad de la matriz v ( A )=dim ( N A )=n . Una vez conocida la
nulidad, la imagen de A son las columnas de A quitando n columnas de la matriz A contadas de
derecha a izquierda. O sea:

A=
( a11 a12 a13
a21 a22 a23 ) a a
{( )( )}
y v ( A )=dim ( N A ) =1→ ℑ A= 11 12
a 21 a 22

Como la nulidad es 1, y A tiene tres columnas, entonces la imagen son las 2 primeras
columnas ya que se elimina 1 columna, se elimino la tercera columna por estar de derecha a
izquierda
También la: ℑ A=C A

Sea A una matriz mxn . Entonces la imagen de A ℑ A es un subespacio de Rm

Ejemplo: Paso 4
Calcule la imagen de A. Como la nulidad de A es 1 temenos que:

A= (12 2 −1
−1 3 )
y v ( A )=dim ( N A )=1 → ℑ A=
1 2
{( )( )}
2 −1

ℑ A=C A=gen ({ 12)(−12 )}

5) Rango de una matriz

El rango de un espacio vectorial se denota como ρ( A)

ρ ( A )=dim ( ℑ A )

Podemos afirmar que:

ρ ( A ) :es el numero de pivotes de A en su forma escalonada reducida

Nota: Una matriz A nxn es invertible si y solo si: ρ ( A )=n

Ejemplo: Paso 5
Calcule el rango de la matriz A:
 A en su forma G . J es : (10 0 1 0
1 −1 0 |)
y tiene 2 pivotes , por tanto : ρ ( A )=2

ρ ( A )=dim ( ℑ A ) =2

6) Espacio de los renglones de una matriz

Para calcular el espacio renglón de una matriz A, primero debes conocer la matriz reducida de
A. Los renglones no nulos de A reducida (o sea, los renglones reducidos con pivote) son los
renglones que generan al espacio renglón.

R A =gen {( renglon red 1 ) , ( renglon red 2) , . . ., ( renglon red m ) }

Ejemplo: Paso 6
Determine el espacio renglón de A

R A =gen { ( 1 0 1 ) ; ( 0 1 −1 ) }
La base estándar del espacio renglón se encuentra reduciendo por G.J. la matriz cuyos
renglones son los vectores del espacio renglón. Ahora, una vez reducida la matriz se extraen
los renglones de la matriz reducida que no sean puros ceros, o sea con pivotes, porque serán
los vectores de la base del espacio renglón.

7) Espacio de las columnas de una matriz

C A=gen {( columna1 ) , ( columna2 ) , . . ., ( columna n ) }

El espacio columna también es: ℑ A=C A

Ejemplo: Paso 7
Determine el espacio columna de A

C A=ℑ A=gen
{( )( )}
1 2
2 −1

La base estándar del espacio columna se encuentra reduciendo la matriz cuyos renglones son
los vectores del espacio columna. Ahora, una vez reducida la matriz se extraen los renglones
de la matriz reducida que no sean puros ceros, o sea, con pivotes, porque serán los vectores
de la base del espacio renglón.

Teoremas importantes

Sea A una matriz mxn :

dim ( R A )=¿ dim ( C A )=¿ dim ( ℑ A )=ρ ( A ) ¿ ¿

ρ ( A ) + v ( A )=n

Ejemplo: Paso 8

dim ( R A )=¿ dim ( C A )=¿ dim ( ℑ A )=ρ ( A ) ¿ ¿

 2 ¿ 2¿ 2 ¿ 2

ρ ( A ) + v ( A )=n
1+2=3