UNIVERSIDAD CATOLICA DEL NORTE

FACULTAD DE CIENCIAS
DEPARTAMENTO DE MATEMATICAS
ALGEBRA LINEAL
Espacios Vectoriales
Prof. Juan C. Ega na
Denicin 1 El conjunto de los n-vectores, denotado por R
n
, se llama n-
espacio. Esto es,
R
n
=
_
u = (u
1
, u
2
, . . . , u
n
)
T
tal que u
i
R, i = 1, 2, . . . , n
_
Ejemplo 1 .
1. R
2
=
_
u = (u
1
, u
2
)
T
tal que u
i
R, i = 1, 2
_
=
_
. . . , (1, 2), (0, 0), (
2
3
,

37), . . .
_
2. R
3
=
_
u = (u
1
, u
2
, u
3
)
T
tal que u
i
R, i = 1, 2, 3
_
=
_
. . . , (1, 2, 1), (0, 0, 0), (
2
3
, 132,

37), . . .
_
Denicin 2 Un espacio vectorial real es un conjunto V con dos opera-
ciones y que satisfacen las siguientes propiedades:
1. Si u y v son elementos cualesquiera en V , entonces u v esta en V
(es decir, V es cerrado bajo la operacion ).
(a) u v = v u, para u y v en V .
(b) u (v w) = (u v) w, para u, v y w en V .
(c) Existe un elemento

0 en V tal que
u

0 = u, para todo u en V.
(d) Para cada u en V existe un elemento u en V tal que
u u =

0 .
1
2. Si u es cualquier elemento de V y es cualquier n umero real, entonces
u esta en V (es decir, V es cerrado bajo la operacion ).
(a) (u v) = ( u) ( v), para todo n umero real y todo
u y v en V .
(b) ( + ) u = ( u) ( u), para todo n umero real y , y
todo u en V .
(c) ( u) = () u, para todo n umero real y y todo u en
V .
(d) 1 u = u, para todo u en V .
Los elementos de V se llaman vectores; los n umeros reales se llaman
escalares. La operacion se llama suma vectorial; La operacion se
llama multiplicacion escalar. El vector

0 en la propiedad 1(c) se llama
el vector nulo. El vector u en la propiedad 1(d) es el negativo de u.
Ejemplo 2 R
n
es un espacio vectorial con las operaciones:
(u
1
, u
2
, . . . , u
n
)
T
(v
1
, v
2
, . . . , v
n
)
T
= (u
1
+ v
1
, u
2
+ v
2
, . . . , u
n
+ v
n
)
T
(1)
(v
1
, v
2
, . . . , v
n
)
T
= (v
1
, v
2
, . . . , v
n
)
T
Por ejemplo, R
3
, con las operaciones denidas en (1), cumple con todas las
propiedades anteriores. En efecto:
1. Sean u = (u
1
, u
2
, u
3
)
T
y v = (v
1
, v
2
, v
3
)
T
dos vectores de R
3
. Entonces
u v = (u
1
+v
1
, u
2
+v
2
, u
3
+v
3
)
T
R
3
, puesto que u
i
+v
i
R, i =
1, 2, 3.
(a) uv = (u
1
+v
1
, u
2
+v
2
, u
3
+v
3
)
T
= (v
1
+u
1
, v
2
+u
2
, v
3
+u
3
)
T
= vu.
(b)
(u v) w = (u
1
+ v
1
, u
2
+ v
2
, u
3
+ v
3
)
T
(w
1
, w
2
, w
3
)
T
= (u
1
+ v
1
+ w
1
, u
2
+ v
2
+ w
2
, u
3
+ v
3
+ w
3
)
T
= (u
1
, u
2
, u
3
)
T
(v
1
+ w
1
, v
2
+ w
2
, v
3
+ w
3
)
T
= u (v w)
2
(c) Existe

0 = (0, 0, 0)
T
R
3
tal que

0 u = (0 + u
1
, 0 + u
2
, 0 +
u
3
)
T
= (u
1
, u
2
, u
3
)
T
= u
(d) Existe u = (u
1
, u
2
, u
3
)
T
tal que uu = (u
1
+u
1
, u
2
+
u
2
, u
3
+ u
3
)
T
= (0, 0, 0)
T
=

0
2. Sean u = (u
1
, u
2
, u
3
)
T
R
3
y R. Entonces u = (u
1
, u
2
, u
3
)
T

R
3
, puesto que u
i
R, i = 1, 2, 3.
(a)
(u v) = ((u
1
+ v
1
), (u
2
+ v
2
), (u
3
+ v
3
))
T
= (u
1
+ v
1
, u
2
+ v
2
, u
3
+ v
3
)
T
= (u
1
, u
2
, u
3
)
T
(v
1
, v
2
, v
3
)
T
= ( u) ( v)
(b)
( + ) u = (( + )u
1
, ( + )u
2
, ( + )u
3
)
T
= (u
1
+ u
1
, u
2
+ u
2
, u
3
+ u
3
)
T
= (u
1
, u
2
, u
3
)
T
(u
1
, u
2
, u
3
)
T
= ( u) ( u)
(c)
( u) = (u
1
, u
2
, u
3
)
T
= (u
1
, u
2
, u
3
)
T
= () (u
1
, u
2
, u
3
)
T
= () u
(d) 1 u = (1u
1
, 1u
2
, 1u
3
)
T
= (u
1
, u
2
, u
3
)
T
= u
Ejemplo 3 El conjunto M
nm
de las matrices de n m es un espacio vec-
torial.
Ejemplo 4 Sea V = {u = (u
1
, u
2
, u
3
)
T
tal que u
1
, u
2
R, u
3
= 0} con las
operaciones usuales :
(u
1
, u
2
, u
3
)
T
(v
1
, v
2
, v
3
)
T
= (u
1
+ v
1
, u
2
+ v
2
, u
3
+ v
3
)
T
(u
1
, u
2
, u
3
)
T
= (u
1
, u
2
, u
3
)
T
(2)
El conjunto V es un espacio vectorial con las operaciones denidas en (2).
En efecto:
3
1. Sean u = (u
1
, u
2
, 0)
T
y v = (v
1
, v
2
, 0)
T
dos vectores de V . Entonces
u v = (u
1
+ v
1
, u
2
+ v
2
, 0)
T
V , puesto que u
i
+ v
i
R, i = 1, 2.
(a) u v = (u
1
+ v
1
, u
2
+ v
2
, 0)
T
= (v
1
+ u
1
, v
2
+ u
2
, 0)
T
= v u.
(b)
(u v) w = (u
1
+ v
1
, u
2
+ v
2
, 0)
T
(w
1
, w
2
, 0)
T
= (u
1
+ v
1
+ w
1
, u
2
+ v
2
+ w
2
, 0)
T
= (u
1
, u
2
, 0)
T
(v
1
+ w
1
, v
2
+ w
2
, 0)
T
= u (v w)
(c) Existe

0 = (0, 0, 0)
T
V tal que

0 u = (0+u
1
, 0+u
2
, 0+0)
T
=
(u
1
, u
2
, 0)
T
= u
(d) Existe u = (u
1
, u
2
, 0)
T
tal que u u = (u
1
+ u
1
, u
2
+
u
2
, 0)
T
= (0, 0, 0)
T
=

0
2. Sean u = (u
1
, u
2
, 0)
T
V y R. Entonces u = (u
1
, u
2
, 0)
T

V , puesto que u
i
R, i = 1, 2.
(a)
(u v) = ((u
1
+ v
1
), (u
2
+ v
2
), 0)
T
= (u
1
+ v
1
, u
2
+ v
2
, 0 + 0)
T
= (u
1
, u
2
, 0)
T
(v
1
, v
2
, 0)
T
= ( u) ( v)
(b)
( + ) u = (( + )u
1
, ( + )u
2
, 0)
T
= (u
1
+ u
1
, u
2
+ u
2
, 0 + 0)
T
= (u
1
, u
2
, 0)
T
(u
1
, u
2
, 0)
T
= ( u) ( u)
(c)
( u) = (u
1
, u
2
, 0)
T
= (u
1
, u
2
, 0)
T
= () (u
1
, u
2
, 0)
T
= () u
(d) 1 u = (1u
1
, 1u
2
, 0)
T
= (u
1
, u
2
, 0)
T
= u
4
Ejemplo 5 Sea V = {u = (u
1
, u
2
, u
3
)
T
tal que u
1
, u
2
, u
3
R} con las op-
eraciones:
(u
1
, u
2
, u
3
)
T
(v
1
, v
2
, v
3
)
T
= (u
1
+ v
1
, u
2
+ v
2
, u
3
+ v
3
)
T
(u
1
, u
2
, u
3
)
T
= (u
1
, u
2
, u
3
)
T
(3)
El conjunto V no es un espacio vectorial con las operaciones denidas en
(3). En efecto, se puede probar que se cumplen las primeras propiedades,
pero la propiedad 2(b) no se cumple:
( + ) u = (( + )u
1
, u
2
, u
3
)
T
= (u
1
+ u
1
, u
2
, u
3
)
T
Sin embargo,
( u) ( u) = (u
1
, u
2
, u
3
)
T
(u
1
, u
2
, u
3
)
T
= (u
1
+ u
1
, 2u
2
, 2u
3
)
T
Es decir,
( + ) u = ( u) ( u)
Teorema 1 Si V es un espacio vectorial, entonces:
1. 0 u =

0 , u V.
2.

0 =

0 , R.
3. Si u =

0 , entonces = 0 o u =

0 .
4. (1) u = u, u V.
Ejemplo 6 El espacio vectorial R
3
con las operaciones usuales denidas en
(1) cumple con las proipedades del teorema anterior:
1. 0 u = 0 (u
1
, u
2
, u
3
)
T
= (0u
1
, 0u
2
, 0u
3
)
T
= (0, 0, 0)
T
=

0
2.

0 = (0, 0, 0)
T
= (0, 0, 0)
T
= (0, 0, 0)
T
=

0
3. Supongamos que u =

0 y = 0. Entonces
u = 1 u =
_

_
u =
1

( u) =
1

0 =

0
5
4. (1) u = (1u
1
, 1u
2
, 1u
3
)
T
= (u
1
, u
2
, u
3
)
T
= u
Denicin 3 Sea V un espacio vectorial y W V, W = . Si W es un
espacio vectorial con respecto a las mismas operaciones en V , entonces W
es un subespacio vectorial de V .
Ejemplo 7 Sea V = R
3
con las operaciones usuales y W = {u = (u
1
, u
2
, u
3
)
T
tal que u
1
, u
2
R, u
3
= 0}. Claramente, se tiene
1. W (R
3
= V ) y W = , puesto que existe al menos el elemento

0 = (0, 0, 0)
T
en W.
2. En el ejemplo (4), se probo que W es un espacio vectorial con las
operaciones usuales.
Por lo tanto, W es un subespacio de R
3
.
Teorema 2 Sea V un espacio vectorial con las operaciones y y sea
W V, W = . Entonces W es un subespacio de V si y solo si cumple con
las siguientes dos propiedades:
1. Si u, v W, entonces u v W. (cerrado bajo la operacion ).
2. Si R y u W, entonces u W. (cerrado bajo la operacion ).
Ejemplo 8 Sea W = {A =
_
a
11
a
12
0
0 a
22
a
23
_
tal que a
ij
R}. W es un
subespacio vectorial de M
23
. En efecto, W M
23
y W = , puesto que
existe al menos el elemento O =
_
0 0 0
0 0 0
_
en W. Ademas,
Teorema 3 1. Si A, B W, entonces
A B =
_
a
11
a
12
0
0 a
22
a
23
_

_
b
11
b
12
0
0 b
22
b
23
_
=
_
a
11
+ b
11
a
12
+ b
12
0
0 a
22
+ b
22
a
23
+ b
23
_
W
6
2. Si R y u W, entonces
A =
_
a
11
a
12
0
0 a
22
a
23
_
=
_
a
11
a
12
0
0 a
22
a
23
_
W
Ejemplo 9 Sea W = {u = (u
1
, u
2
, u
3
)
T
tal que u
3
= 1} R
3
. W no es un
subespacio de R
3
. En efecto,
1. Sea u, v W, entonces
u v = (u
1
, u
2
, 1)
T
(v
1
, v
2
, 1)
T
= (u
1
+ v
1
, u
2
+ v
2
, 2)
T
/ W
Ejemplo 10 Sea W = {

0 } es un subespacio vectorial de todo espacio vec-

torial V . Todo espacio vectorial V es subespacio de si mismo.
Denicin 4 Sea V un espacio vectorial y sean v
1
, v
2
, . . . , v
n
V . Un vector
v V es una combinacion lineal de v
1
, v
2
, . . . , v
n
si
v = (
1
v
1
) (
2
v
2
) (
n
v
n
)
para ciertos
1
,
2
, . . . ,
n
R.
Ejemplo 11 Sea S = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} R
3
. Cualquier vector
v = (v
1
, v
2
, v
3
) R
3
es un combinacion lineal de los vectores de S. Por
ejemplo,
v = (2, 3, 7) = 2 (1, 0, 0) (3) (0, 1, 0) 7 (0, 0, 1)
Observacin 1 En lo sucesivo obviaremos la notacion de las operaciones y
.
Denicin 5 Si S = {v
1
, v
2
, . . . , v
k
} es el conjunto de vectores en un espacio
vectorial V , entonces el conjunto de todos los vectores en V que son combi-
naciones lineales de los vectores en S se denota
gen S o gen {v
1
, v
2
, . . . , v
k
}
7
Ejemplo 12 Sea S = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} R
3
. Como cualquier vec-
tor de v = (v
1
, v
2
, v
3
) R
3
es una combinacion lineal de los elementos de S,
entonces gen S = R
3
. En efecto, si v = (a, b, c) es cualquier vector de R
3
,
entonces
v = (a, b, c) = a (1, 0, 0) b (0, 1, 0) c (0, 0, 1)
Ejemplo 13 Consideremos el conjunto S de matrices de 2 3 dadas por
S =
__
1 0 0
0 0 0
_
,
_
0 1 0
0 0 0
_
,
_
0 0 0
0 1 0
_
,
_
0 0 0
0 0 1
__
.
Entonces gen S es el conjunto en M
23
que consta de todos los vectores de
la forma
a
_
1 0 0
0 0 0
_
+ b
_
0 1 0
0 0 0
_
+ c
_
0 0 0
0 1 0
_
+ d
_
0 0 0
0 0 1
_
=
_
a b 0
0 c d
_
donde a, b, c y d son n umeros reales. Es decir, gen S es el conjunto en M
23
que consta de todas las matrices de la forma
_
a b 0
0 c d
_
. En otras palabras,
gen S =
_
A =
_
a
11
a
12
a
13
a
21
a
22
a
23
_
tal que a
13
= a
21
= 0
_
. (4)
Teorema 4 Sea S = {v
1
, v
2
, . . . , v
k
} el conjunto de vectores en un espacio
vectorial V . Entonces, gen S es un subespacio de V .
Ejemplo 14 Vericar que el conjunto gen S dado en el ejemplo anterior en
(4) es un subespacio de M
23
.
Denicin 6 Los vectores v
1
, v
2
, . . . , v
k
en un espacio vectorial V generan a
V si todo vector en V es una combinacion lineal de v
1
, v
2
, . . . , v
k
. Ademas, si
estos vectores son distintos y los denotamos como un conjunto S = {v
1
, v
2
, . . . , v
k
},
entonces tambien decimos que el conjunto S genera a V , o que {v
1
, v
2
, . . . , v
k
}
genera a V , o que V es generado por S o, gen S = V .
Observacin 2 El procedimiento para vericar si los vectores v
1
, v
2
, . . . , v
k
generan al espacio vectorial V es el siguiente:
8
1. Se elige un vector arbitrario v en V .
2. Se determina si v es una combinacion lineal de los vectores dados. Si
lo es, entonces los vectores dados generan a V . Si no lo es, entonces
no generan a V .
Ejemplo 15 Sea V el espacio vectorial R
3
y sean v
1
= (1, 2, 1), v
2
= (1, 0, 2), v
3
=
(1, 1, 0). v
1
, v
2
, v
3
generan a V ?.
1. Sea v = (a, b, c) cualquier vector en R
3
, donde , y son n umeros
reales arbitrarios.
2. Debemos ver si existen a, b y c tales que
v = v
1
+ v
2
+ v
3
.
Esto conduce al sistema lineal (verique)
+ + = a
2 + + = b
+ 2 = c
_
_
_
Una solucion es (verique)
=
2a + 2b + c
3
, =
a b c
3
, =
4a b 2c
3
.
Como hemos obtenido una solucion para cada eleccion de a, b y c, con-
cluimos que v
1
, v
2
, v
3
generan a R
3
. Esto equivale a decir que gen
{v
1
, v
2
, v
3
} = R
3
.
Ejemplo 16 Mostraremos que
S =
__
1 0
0 0
_
,
_
0 1
1 0
_
,
_
0 0
0 1
__
genera al subespacio de M
22
formado por todas las matrices simetricas, es
decir, al subespacio
U =
_
A =
_
a
11
a
12
a
21
a
22
_
M
22
tal que A = A
T
, es decir, a
12
= a
21
_
.
9
1. Una matriz simetrica arbitraria tiene la forma
A =
_
a b
b c
_
,
donde a, b, y c son n umeros reales cualesquiera.
2. Debemos determinar constantes
1
,
2
, y
3
tales que
_
a b
b c
_
=
1
_
1 0
0 0
_
+
2
_
0 1
1 0
_
+
3
_
0 0
0 1
_
,
lo cual conduce a un sistema lineal cuya solucion es (verique)

1
= a,
2
= b, y
3
= c
Como hemos determinado una solucion para cada eleccion de a, b, y c,
conclumos que S genera al subespacio dado.
Ejemplo 17 Consideremos el sistema lineal homogeneo Ax =

0 , donde
A =
_

_
1 1 0 2
2 2 1 5
1 1 1 3
4 4 1 9
_

_
.
El determinante de la matriz de coecientes A es igual a cero (verique).
Esto implica que el sistema homogeneo tiene innitas soluciones. En efecto,
la matriz escalonada reducida por las de la matriz aumentada es de la forma
(verique)
_

_
1 1 0 2 0
0 0 1 1 0
0 0 0 0 0
0 0 0 0 0
_

_
.
Entonces, la solucion general esta dada por
x
1
= r 2s
x
2
= r
x
3
= s
x
4
= s,
10
donde r y s son n umeros reales cualesquiera. En forma matricial, tenemos
que cada miembro del espacio solucion esta dado por

x =
_

_
x
1
x
2
x
3
x
4
_

_
= r
_

_
1
1
0
0
_

_
+ s
_

_
2
0
1
1
_

_
.
Por lo tanto, los vectores
_

_
1
1
0
0
_

_
y
_

_
2
0
1
1
_

_
generan al espacio solucion.
Denicin 7 Lo vectores v
1
, v
2
, . . . , v
k
de un espacio vectorial son lineal-
mente dependientes si existen constantes
1
,
2
, . . . ,
k
no todas iguales
a cero, tales que

1
v
1
+
2
v
2
+ +
k
v
k
=

0 . (5)
En caso contrario, se dice que v
1
, v
2
, . . . , v
k
son linealmente independi-
entes. Es decir, v
1
, v
2
, . . . , v
k
son linealmente independientes si siempre que

1
v
1
+
2
v
2
+ +
k
v
k
=

0 , debemos tener

1
=
2
= =
k
= 0.
Es decir, la unica combinacion lineal de v
1
, v
2
, . . . , v
k
que da como resultado
el vector cero es aquella en la cual todos los coecientes son iguales a cero. Si
los vectores v
1
, v
2
, . . . , v
k
son distintos y los denotamos como un conjunto S =
{v
1
, v
2
, . . . , v
k
}, entonces tambien decimos que el conjunto S es linealmente
dependiente (LD) o linealmente independiente (LI).
Observacin 3 El procedimiento para determinar si los vectores v
1
, v
2
, . . . , v
k
son linealmente dependientes o independientes es el siguiente:
1. Se forma la ecuacion (5), lo cual conduce a un sistema homogeneo.
2. Si el sistema homogeneo obtenido en el paso 1 solo tiene la solucion
trivial, entonces los vectores dados son linealmente independientes; si
tiene una solucion no trivial, entonces los vectores dados son lineal-
mente dependientes.
11
Ejemplo 18 Determinaremos si los vectores
_

_
1
1
0
0
_

_
y
_

_
2
0
1
1
_

_
que seg un el ejemplo (17), generan al espacio solucion de Ax =

0 , son
linealmente dependientes o independientes.
Al formar la ecuacion (5),

1
_

_
1
1
0
0
_

_
+
2
_

_
2
0
1
1
_

_
=
_

_
0
0
0
0
_

_
,
obtenemos el sistema homogeneo (verique)

1
2
2
= 0

1
+ 0
2
= 0
0
1
+
2
= 0
0
1
+
2
= 0
_

_
,
cuya unica solucion es
1
=
2
= 0 (verique). Por lo tanto, los vectores
dados son LI.
Ejemplo 19 Son los vectores
v
1
= (1, 0, 1, 2), v
2
= (0, 1, 1, 2) y v
3
= (1, 1, 1, 3) en R
4
LD o LI?
Formamos la ecuacion (5),

1
v
1
+
2
v
2
+
3
v
3
=

0 ,
y despejamos
1
,
2
y
3
. El sistema homogeneo resultante es (verique)

1

2
+
3
= 0

2
+
3
= 0

1
+
2
+
3
= 0
2
1
+ 2
2
+ 3
3
= 0
_

_
,
que tiene como unica solucion
1
=
2
=
3
= 0 (verique), lo cual muestra
que los vectores dados son linealmente independientes.
12
Ejemplo 20 Consideremos los vectores
v
1
= (1, 2, 1), v
2
= (1, 2, 1), v
3
= (3, 2, 1), v
4
= (2, 0, 0) en R
4
.
Es el conjunto S = {v
1
, v
2
, v
3
, v
4
} LD o LI?
Al plantear la ecuacion (5), obtenemos el sistema homogeneo (verique)

1
+
2
3
3
+ 2
4
= 0
2
1
2
2
+ 2
3
= 0

1
+
2

3
= 0
_
_
_
,
un sistema homogeneo de tres ecuaciones con cuatro incognitas. Claramente,
no existe una solucion trivial. Por lo tanto, S es LD.
Observacin 4 Si los vectores v
1
, v
2
, . . . , v
k
son vectores LI en un espacio
vectorial, entonces deben ser todos distintos y ninguno de ello puede
ser el vector nulo.
Denicin 8 Los vectores v
1
, v
2
, . . . , v
k
en un espacio vectorial V forman una
base para V si:
1. v
1
, v
2
, . . . , v
k
generan a V , y
2. v
1
, v
2
, . . . , v
k
son LI.
Denicin 9 Si consideramos el espacio vectorial R
2
, entonces los vectores
canonicos e
1
= (1, 0) y e
2
= (0, 1) forman una base para R
2
. En efecto,
1. e
1
y e
2
son LI, puesto que

1
(1, 0) +
2
(0, 1) = (0, 0)
implica que

1
+ = 0
+
2
= 0
_
,
es decir,

1
=
2
= 0.
13
2. R
2
=gen {e
1
, e
2
}, es decir, e
1
y e
2
genera al espacio R
2
. En efecto, sea
(a, b) R
2
(a, b) =
1
(1, 0) +
2
(0, 1)
implica que

1
+ = a
+
2
= b
_
,
es decir,

1
= a y
2
= b.
Observacin 5 En ejemplo anterior se puede generalizar para el espacio vec-
torial R
n
. Esto es, los espacios vectoriales R
3
tienen una base canonica
e
1
= (1, 0, 0), e
2
= (1, 0, 0), e
3
= (0, 0, 1)
El espacio vetorial R
4
tiene una base canonica
e
1
= (1, 0, 0, 0), e
2
= (0, 1, 0, 0), e
3
= (0, 0, 1, 0), e
3
= (0, 0, 0, 1)
en general, R
n
tiene una base canonica
e
1
= (1, 0, . . . , 0), e
2
= (0, 1, 0, . . . , 0), e
3
= (0, 0, 1, 0, . . . , 0), . . . , e
n
= (0, . . . , 0, 1).
Ejemplo 21 Sea S = {v
1
, v
2
, v
3
, v
4
}, donde v
1
= (1, 0, 1, 0), v
2
= (0, 1, 1, 2), v
3
=
(0, 2, 2, 1) y v
3
= (1, 0, 0, 1). Mostraremos que S es una base para R
4
.
1. Sea

1
v
1
+
2
v
2
+
3
v
3
+
4
v
4
=

0 .
Esta ecuacion nos lleva al sistema lineal homogeneo (verique)
14

1
+
4
= 0

2
+
3
= 0

1

2
+ 2
3
= 0
2
2
+
3
+
4
= 0
_

_
,
que tiene una unica solucion trivial
1
=
2
=
3
=
4
= 0 (verique).
2. Para mostrar que S genera a R
4
, supongamos que v = (a, b, c, d) es un
vector arbitrario de R
4
. Entonces (a, b, c, d) R
4
implica que
v =
1
v
1
+
2
v
2
+
3
v
3
+
4
v
4
,
luego

1
+
4
= a

2
+
3
= b

1

2
+ 2
3
= c
2
2
+
3
+
4
= d
_

_
,
Esto implica que

1
=
3a + 5b c 3d
2
,
2
=
2a + 10b 2c 3d
6
,
3
=
2a 4b + 2c + 3d
6
y
4
=
a 5b + c + 3d
2
.
Ejemplo 22 El conjunto
S =
__
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
__
es una base para el espacio M
22
de las matrices de 2 2 (vercar). Esta
base es conocida como la base canonica.
Observacin 6 Un espacio vetorial puede tener mas de una base.
Teorema 5 Si S = {v
1
, v
2
, . . . , v
n
} y T = {w
1
, w
2
, . . . , w
m
} son bases para
un espacio vectorial V , entonces m = n. En otras palabras, todas las bases
de un espacio vectorial tienen la misma cardinalidad (el mismo n umero de
elementos).
15
Ejemplo 23 El espacio R
4
tiene al menos dos bases distintas, la base canonica
y la base dada en el ejemplo (21).
Denicin 10 La dimension de un espacio vectorial V no nulo es el n umero
de vectores en una base para V . Denotaremos la dimension de V por dim(V ).
Observacin 7 Por convencion diremos que el espacio vetorial trivial V =
{

0 } tiene dimension cero. Es decir, dim ({

0 }) = 0.
Ejemplo 24 Basta considerar las bases canonicas para determinar que los
espacios vectorial R
2
, R
3
y R
4
tienen dimension 2, 3 y 4, respectivamente.
En general, el espacio vectorial R
n
tiene dimension n.
Ejemplo 25 Los espacios vetoriales M
22
y M
23
tienen dimensiones 4 y
6, respectivamente. En general, considerando la base canonica el espacio
vectorial M
mn
tiene dimension mn.
Ejemplo 26 Consideremos el espacio vectorial V = {(x, y, z) tal que z = 0}.
Para determinar la dimension de V debemos encontrar una base. Notemos
que v = (a, b, c) V implica que
(a, b, c) = (a, 0, 0) + (0, b, 0)
= a(1, 0, 0) + b(0, 1, 0)
Luego, cualquier vector v = (a, b, c) V puede escribirse como una com-
binacion lineal de los vectores (1, 0, 0) y (0, 1, 0). Por tanto, V = gen (S),
donde S = {(1, 0, 0), (0, 1, 0)}. As tenemos que S es candidato a ser una
base para V . Para armar esto solo debemos probar que S es un conjunto LI
(vericar).
Teorema 6 Sea V un espacio vectorial de dimension n, y sea S = {v
1
, v
2
, . . . , v
n
}
un conjunto de n vectores en V . Entonces
1. Si S es LI, entonces es una base para V .
2. Si S genera a V , entonces es una base para V .
Observacin 8 El teorema anterior nos dice claramente que si V es un es-
pacio vectorial con dimension conocida y S es un conjunto con la misma
cardinalidad que la dimension del espacio vectorial, entonces solo basta ver-
icar una de las dos condiciones para que S sea una base, es decir, vericar
que S es LI o que S genere al espacio vectorial V .
16
Ejemplo 27 El conjunto S = {v
1
, v
2
} con v
1
= (1, 1) y v
2
= (1, 1) es LI,
puesto que

1
(1, 1) +
2
(1, 1) = (0, 0)
implica que

1
+
2
= 0

1

2
= 0
_
El sistema lineal tiene una unica solucion trivial (verique)
1
=
2
= 0.
Por tanto, el conjunto S es LI. Ademas, podemos asegurar que es una base
para R
2
, puesto que S posee dos elementos y la dimension de R
2
es dos.
Observacin 9 Consideremos el siguiente sistema lineal homogeneo
_

_
1 1 4 1 2
0 1 2 1 1
0 0 0 1 2
1 1 0 0 2
2 1 6 0 1
_

_
_

_
x
1
x
2
x
3
x
4
x
5
_

_
=
_

_
0
0
0
0
0
_

_
. (6)
Reduciendo la matriz aumentada, usando operaciones las, a su forma escalon-
ada reducida obtenemos (verique)
_

_
1 0 2 0 1 0
0 1 2 0 1 0
0 0 0 1 2 0
0 0 0 0 0 0
0 0 0 0 0 0
_

_
Esto implica que el sistema tiene innitas soluciones las cuales estan dadas
por
x
4
= 2x
5
, x
2
= 2x
3
+ x
5
, x
1
= 2x
3
x
5
,
Entonces el espacio solucion E
S
, de todas las soluciones del sistema lineal
homogeneo esta dado por:
E
S
= {x = (x
1
, x
2
, x
3
, x
4
, x
5
) tal que x
4
= 2x
5
; x
2
= 2x
3
+ x
5
; x
1
= 2x
3
x
5
}
= {(2x
3
x
5
, 2x
3
+ x
5
, x
3
, 2x
5
, x
5
)}
= {x
3
(2, 2, 1, 0, 0) + x
5
(1, 1.0, 2.1)}
17
Por tanto, podemos armar que E
S
= gen {(2, 2, 1, 0, 0), (1, 1.0, 2.1)}.
Sea S = {(2, 2, 1, 0, 0), (1, 1.0, 2.1)}. Se puede vericar sin mayor
dicultad que S es un conjunto LI. Por tanto, S es una base para el espacio
solucion E
S
. Luego, la dimension de E
S
es dos, es decir, dim E
S
= 2.
Denicin 11 La dimension del espacio solucion de un sistema lineal ho-
mogeneo
Au =

0
es llamada la nulidad de A, la cual es denotada por (A).
Ejemplo 28 La nulidad de la matriz de coecientes del sistema lineal de
la observacion (9) presentada por la ecuacion (6) es dos, (A) = 2, ya que
S = {(2, 2, 1, 0, 0), (1, 1.0, 2.1)} es una base del espacio solucion E
S
,
y entonces, su dimension es igual a dos.
Teorema 7 Si A es una matriz de mn, entonces n = rango(A)+nulidad(A),
es decir, n = rg (A)+ (A).
Ejemplo 29 La matriz
A =
_

_
1 1 4 1 2
0 1 2 1 1
0 0 0 1 2
1 1 0 0 2
2 1 6 0 1
_

_
de la observacion (9) dada por la ecuacion (6) tiene rango igual a tres, puesto
que la matriz escalonada tiene tres las no nulas. Ademas, se puede vericar
usando el teorema anterior, pues
rg (A) = 5 (A) = 5 2 = 3
donde 5 es el n umero de columnas de la matriz A.
Ejemplo 30 Sea
A =
_

_
1 2 0 3 4
3 2 8 1 4
2 3 7 2 3
1 2 0 4 3
_

_
.
18
Queremos determinar la nulidad de la matriz A. La respuesta puede ser
obtenida al menos de dos maneras. Una alternativa es encontrar una base
para el espacio solucion del sistema homogeneo cuya matriz de coecientes
es la matriz

A. Otra alternativa, mas rapida, es obtener el rango de A y
considerar el teorema (7). Esto es, el n umero de columnas es 5 y el rango es
3, puesto que la matriz escalonada por las es
B =
_

_
1 0 2 0 1
0 1 1 0 1
0 0 0 1 1
0 0 0 0 0
_

_
Entonces, (A) = 5 3 = 2.
Denicin 12 Un conjunto S = {u
1
, u
2
, . . . , u
k
} en R
n
es ortogonal si cua-
lesquiera dos vectores distintos en S son ortogonales, es decir, si u
i
u
j
= 0
para i = j. Un conjunto ortonormal de vectores es un conjunto ortogo-
nal de vectores unitarios. Es decir, S = {u
1
, u
2
, . . . , u
k
} es ortonormal si
u
i
u
j
= 0 para i = j.y u
i
u
j
= 1 para i = j.
Ejemplo 31 Si u
1
= (1, 0, 2), u
2
= (2, 0, 1) y u
3
= (0, 1, 0), entonces
S = {u
1
, u
2
, u
3
} es un conjunto ortogonal en R
3
. Puesto que
u
1
u
2
= 1 (2) + 0 0 + 2 1 = 0
u
1
u
3
= 1 0 + 0 1 + 2 0 = 0
u
2
u
3
= (2) 0 + 0 1 + 1 0 = 0
Pero, S no es un conjunto ortonormal. Puesto que
u
1
u
1
= 1 1 + 0 0 + 2 2 = 5 = 1
u
2
u
2
= (2) (2) + 0 0 + 1 1 = 5 = 1
u
3
u
3
= 0 0 + 1 1 + 0 0 = 1 = 1
Denicin 13 Sea x = (x
1
, x
2
, . . . , x
n
) un vector de R
n
. La norma del vector
x, denotada por x, es el n umero real nonegativo denido por
x =
_
x
2
1
+ x
2
2
+ + x
2
n
0.
Ejemplo 32 Sea x = (1, 4, 2, 0) R
4
. Entonces x =
_
(1)
2
+ (4)
2
+ (2)
2
+ (0)
2
=

21 0.
19
Observacin 10 Si consideramos el vector x dado en el ejemplo (32), pode-
mos observar que
x x = 1 1 + (4) (4) + 2 2 + 0 0
= (1)
2
+ (4)
2
+ (2)
2
+ (0)
2
= 21.
Es decir,
x =

x x. (7)
Entonces, de acuerdo a la ecuacion (7), tenemos que un conjunto S es
ortonormal, si S es ortogonal y todos sus elementos tienen norma igual a
uno.
Ejemplo 33 El conjunto de los vectores canonicos de R
n
es un conjunto
ortonormal, puesto que tienen norma igual a uno y son ortogonales. Por
ejemplo, en R
3
, S = {e
1
= (1, 0, 0), e
2
= (0, 1, 0), e
3
= (0, 0, 1)} es un con-
junto ortonormal, pues e
1
e
2
= e
1
e
3
= e
2
e
3
= 0. Ademas, e
1
= e
2
=
e
3
= 1.
Observacin 11 El conjunto S = {u
1
, u
2
, u
3
}, donde u
1
= (1, 0, 2), u
2
=
(2, 0, 1) y u
3
= (0, 1, 0) dado en ejemplo (31) es ortogonal, pero no ortonor-
mal, puesto que u
1
= 5, u
2
= 5. Pero, es posible transformar S en otro
conjunto ortonormal. En efecto, denamos los vectores u
1
, u
2
por
u
1
=
1
u
1

u
1
=
_
1

5
, 0,
2

5
_
u
2
=
1
u
2

u
2
=
_

5
, 0,
1

5
_
Notemos que, u
1
= 1 y u
2
= 1. Por tanto, el nuevo conjunto

S =
{ u
1
, u
2
, u
2
}, donde u
1
=
_
1

5
, 0,
2

5
_
, u
2
=
_

5
, 0,
1

5
_
y u
3
= u
3
=
(0, 1, 0) es ortonormal.
Resnumiendo, podemos armar
1. Un vector u que tiene una norma diferente de 1, es posible transfor-
marlo en un vector con norma igual a 1. Para esto, basta dividir el
vector u por su norma, es decir, u =
1
u
u siempre tiene norma igual
a 1.
20
2. Un conjunto S ortogonal siempre puede ser transformado en un con-
junto ortonormal. Para esto, basta transformar todos los vectores de S
con norma distinta de 1, en vectores con norma igual a 1 dividiendolos
por su propia norma.
Observacin 12 La pregunta natural es : Un conjunto que no es ortogonal,
es posible transformarlo en un conjunto ortonormal?. La respuesta es ar-
mativa solo para algunos conjuntos. Estos conjuntos estan restringidos solo
aquellos que son base del espacio vectorial correspondiente. Esto es posible,
mediante un procedimiento llamado el metodo de Gram - Schmidt.
El procedimiento de Gram - Schmidt para transformar una base S =
{u
1
, u
2
, . . . , u
m
} de un subespacio W R
n
en una base ortonormal T =
{w
1
, w
2
, . . . , w
m
} es el siguiente:
1. Sea v
1
= u
1
.
2. Calcular de manera sucesiva los vectores v
2
, v
3
, . . . , v
m
, mediante la
formula
v
i
= u
i

_
u
i
v
1
v
1
v
1
_
v
1

_
u
i
v
2
v
2
v
2
_
v
2

_
u
i
v
i1
v
i1
v
i1
_
v
i1
.
El conjunto de vectores {v
1
, v
2
, . . . , v
m
} es un conjunto ortogonal.
3. Sean
w
i
=
1
v
i

v
i
1 i m.
Entonces T = {w
1
, w
2
, . . . , w
m
} es una base ortonormal para W.
Ejemplo 34 Consideremos la base S = {u
1
, u
2
, u
3
} de R
3
, donde
u
1
= (1, 1, 1), u
2
= (1, 0, 1) y u
3
= (1, 2, 3).
Utilizaremos el proceso de Gram - Schmidt para transformar S en una base
ortonormal para R
3
.
1. Sea v
1
= u
1
= (1, 1, 1)
21
2. Ahora calculamos v
2
y v
3
:
v
2
= u
2

_
u
2
v
1
v
1
v
1
_
v
1
= (1, 0, 1)
_
2
3
_
(1, 1, 1) = (
1
3
,
2
3
,
1
3
).
Al multiplicar v
2
por 3 para eliminar las fracciones, obtenemos (1, 2, 1),
que ahora utilizamos como v
2
. Entonces
v
3
= u
3

_
u
3
v
1
v
1
v
1
_
v
1

_
u
3
v
2
v
2
v
2
_
v
2
= (1, 2, 3)
4
3
(1, 1, 1)
2
6
(1.2 1)
= (2, 0, 2)
As,
v
1
= (1, 1, 1), v
2
= (1, 2, 1) y v
3
= (2, 0, 2)
es una base ortogonal para R
3
.
3. Sean
w
1
=
1
v
1

v
1
=
1

3
(1, 1, 1)
w
2
=
1
v
2

v
2
=
1

6
(1, 2, 1)
w
3
=
1
v
3

v
3
=
1

8
(2, 0, 2)
Entonces
T = {w
1
, w
2
, w
3
} =
_
1

3
(1, 1, 1),
1

6
(1, 2, 1),
1

8
(2, 0, 2)
_
es una base ortonormal para R
3
.
22