SUBESPACIOS

Dr. AMADO MENDEZ CRUZ

https://www.youtube.com/watch?v=ykPhVT_twsU
 INTRODUCCION
❑ La noción de subespacio es simplemente una generalización algebraica de los ejemplos
geométricos de rectas y planos que pasan por el origen.

❑ De la idea de vectores directores de rectas y planos se deriva el

concepto de base
❑ El concepto de base permitirá dar una definición precisa de dimensión
de un espacio.
DEFINICION
Una colección S de vectores en 𝑹𝑛 es un subespacio de 𝑹𝑛 si se cumple:
1. El vector cero 0, está en S.
2. Si u y v están en S, entonces u + v está en S . (S es cerrado bajo la suma)
3. Si u está en S y c es un escalar, entonces cu está en S. (S es cerrado bajo la multiplicación escalar)

NOTA También podría combinar las propiedades (2) y (3) :

Si u y v están en S => cu + dv está en S

EJEMPLO
Toda recta y plano a través del origen en 𝑹3 es un subespacio de 𝑹3 .
Verifique geométricamente que se satisfacen las propiedades (1) a (3).
Sea Ƥ un plano a través del origen con vectores directores 𝐯1 y 𝐯2 , es decir X = t𝐯1 + s𝐯2
Por tanto, Ƥ = gen(𝐯1 , 𝐯2 ).

❑ El vector cero 0 está en ℘, pues 0 = 0 𝐯1 + 0 𝐯2 .

❑ Ahora sean
u = 𝑐1 𝐯1 + 𝑐2 𝐯2 y v = 𝑑1 𝐯1 + 𝑑2 𝐯2 en Ƥ.
Entonces u + v = (𝑐1 𝐯1 + 𝑐2 𝐯2 ) + (𝑑1 𝐯1 + 𝑑2 𝐯2 ) = (𝑐1 + 𝑑1 ) 𝐯1 + (𝑐2 + 𝑑2 ) 𝐯2
Por tanto, u + v es una combinación lineal de 𝐯1 y 𝐯2 ,y por tanto está en Ƥ.
❑ Ahora sea c un escalar. Entonces si u = 𝑐1 𝐯1 + 𝑐2 𝐯2
cu = c (𝑐1 𝐯1 + 𝑐2 𝐯2 ) = (c 𝑐1 ) 𝐯1 + (c 𝑐2 ) 𝐯2
que muestra que cu también es una combinación lineal de 𝐯1 y 𝐯2 y por tanto está en Ƥ.

Luego Ƥ = gen(𝐯1 , 𝐯2 ), es un subespacio de 𝑹3 .

 TEOREMA
Sean u1 , u𝟐 , . . . , u𝑘 vectores en 𝑹𝑛 . Entonces gen(u1 , u𝟐 , . . . , u𝑘 ) es un subespacio de 𝑹𝑛
DEMOSTRACION
Sea S = gen (u1 , u𝟐 , . . . , u𝑘 )
1. 0 está en S pues 0 = 0 u1 +0 u𝟐 + . . . +0 u𝑘
2. Sean u = 𝑐1 u1 + 𝑐2 u𝟐 + . . . + 𝑐𝑘 u𝒌 y v = 𝑑1 𝐮𝟏 + 𝑑2 u𝟐 + . . . + 𝑑𝑘 u𝒌 vectores en S.
Entonces
u + v = (𝑐1 u1 + 𝑐2 u𝟐 + . . . + 𝑐𝑘 u𝒌 ) + (𝑑1 𝐮𝟏 + 𝑑2 u𝟐 + . . . + 𝑑𝑘 u𝒌 )
= (𝑐1 + 𝑑1 ) 𝐮𝟏 +(𝑐2 + 𝑑2 )u𝟐 + . . . +(𝑐𝑘 + 𝑑𝑘 )u𝒌
Por tanto, u + v es una combinación lineal de u1 , u𝟐 , . . . , u𝑘 y por tanto está en S.
3. Sea c un escalar. Entonces
cu = c(𝑐1 u1 + 𝑐2 u𝟐 + . . . + 𝑐𝑘 u𝒌 ) = (c 𝑐1 ) u1 + (c 𝑐2 ) u𝟐 + . . . + (c 𝑐𝑘 ) u𝒌 Luego, gen(u1 , u𝟐 , . . . , u𝑘 )
Por tanto cu es una combinación lineal de u1 , u𝟐 , . . . , u𝑘 y por tanto está en S. es un subespacio de 𝑹𝑛

gen (u1 , u𝟐 , . . . , u𝑘 ) es llamado subespacio generado por u1 , u𝟐 , . . . , u𝑘 .

 EJEMPLO
𝑥
Sea el conjunto M = { 𝑦 / x = 3y , z = -2y}, vectores en 𝑹3 .
𝑧

𝑥 3𝑦 3 3
De aquí, se tiene 𝑦 = 𝑦 = y 1 . Esto es equivalente a gen{ 1 }, y
𝑧 −2𝑦 −2 −2
Por tanto es un subespacio de 𝑹3 .
Geométricamente, este conjunto de vectores representa la recta que pasa por

3
el origen en 𝑹3 , con vector director 1
−2

EJEMPLO
𝑥
Sea el conjunto M = { 𝑦 / x = 3y+1 , z = -2y}, vectores en 𝑹3 .
𝑧
 𝑥 3𝑦 + 1 3 1
De aquí, se tiene 𝑦 = 𝑦 = y 1 + 0 . El vector cero 0 no es de esta forma.
𝑧 −2𝑦 −2 0
Luego, este conjunto de vectores no es un subespacio de 𝑹3 .

EJEMPLO
𝑥
Sea el conjunto S = { 𝑦 / y = 𝑥 2 }, vectores en 𝑹2 .

0
De aquí, se tiene 0 = pertenece a S. por tanto se cumple la propiedad (1).
0
𝑥1 𝑥2 𝑥1 + 𝑥2
Sea u = 2 y v = 2 en S. Entonces u + v = 2 2 , que en general no está en S, pues 𝑥12 + 𝑥22 ≠ 𝑥1 + 𝑥2 2 .
𝑥1 𝑥2 𝑥1 + 𝑥2

1 3 4
Por ejemplo, u = y v= en S, se tiene u + v =
1 9 10
no pertenece a S, pues 10 ≠ 16.
Por tanto, S no es un subespacio de 𝑹2 .
 SUBESPACIOS ASOCIADOS CON MATRICES

DEFINICION Sea A una matriz de orden m x n

1. El espacio renglón de A es el subespacio renglón(A) de ℝ𝑚 generado por los renglones de A.
2. El espacio columna de A es el subespacio col(A) de ℝ𝑛 generado por las columnas de A.

EJEMPLO
1 −1 1
Sea la matriz A = 0 1 . a) Determine si b = 2 está en el espacio columna de A . b) Determine si w = [4 5] está
3 −3 3

en el espacio renglón de A. c) Describa renglón(A) y col(A)

a) Anteriormente vimos que b es una combinación lineal de las columnas de A si y sólo si el sistema lineal Ax = b es
consistente. Entonces la matriz aumentada se reduce del modo siguiente:

Por tanto, el sistema es consistente y b está en col(A).

b) Las operaciones elementales con renglones solo crean combinaciones lineales de los renglones de una matriz.
Esto es, producen vectores solamente en el espacio renglón de la matriz.
Si el vector w está en renglón(A), entonces w es una combinación lineal de los renglones de A, de modo que si A se

A
aumenta con w como − será posible aplicar operaciones elementales con renglones a esta matriz aumentada para
𝐰

A
reducirla a la forma − usando solamente operaciones elementales con renglones de la forma 𝑅𝑖 + k 𝑅𝑗 , donde i >j;
𝟎

así, se tiene

Por tanto, w es una combinación lineal de los renglones de A (de hecho, estos cálculos muestran que
w = 4[1 -1] + 9[0 1], operaciones de 4 y 9 sobre w) , y por tanto w está en renglón(A).
 c) Describa renglón(A)
A
Es fácil comprobar que, para cualquier vector w = [x y], la matriz aumentada −
𝐰
se reduce a

en forma similar. Por tanto, todo vector en 𝑹2 está en renglón(A), y en consecuencia renglón (A) = 𝑹2 .

Describa col(A): se tiene

Vector que es combinación

de las columnas

Por lo que col(A) coincide con el plano (a través del origen) en 𝑹3 con ecuación 3x - z = 0.

NOTA
w está en renglón(A) si y sólo si 𝒘𝑇 está en col(𝐴𝑇 ). Esto es verdadero si y sólo si el sistema 𝐴𝑇 x = 𝒘𝑇 es consistente.
 TEOREMA
Sea B cualquier matriz que es equivalente por renglones a una matriz A. Entonces renglón(B) = renglón(A)

TEOREMA
Sea A una matriz de m x n y sea N el conjunto de soluciones del sistema lineal homogéneo Ax = 0.
Entonces N es un subespacio de 𝑹𝒏 .

DEMOSTRACIÓN
[Note que 0 = 𝟎𝑚 es el vector cero en 𝑹𝒎.]
• Dado que A𝟎𝑛 = 𝟎𝑚 , 𝟎𝑛 está en N.
• Ahora sean u y v en N. Por tanto, Au = 0 y Av = 0. Se tiene que A(u + v) = Au + Av= 0 + 0 = 0
En consecuencia, u + v está en N.
• Finalmente, sea u en N y c cualquier escalar, A(cu) = c(Au) = c0 = 0 y en consecuencia cu está en N.

Se tiene que N es un subespacio de 𝑅𝑛 .

DEFINICION
Sea A una matriz de orden m x n. El espacio nulo de A es el subespacio de ℝ𝑛 que consiste
de las soluciones del sistema lineal homogéneo Ax = 0.

Notación: nul (A).

ℝ𝑚
ℝ𝑛
0
x
 BASES
• Un plano se genera mediante cualesquiera dos vectores que son
paralelos al plano pero no son paralelos entre ellos.

• En lenguaje algebraico, dos vectores que generan el plano son

linealmente independientes.

• Menos de dos vectores no funcionará; más de dos vectores no son necesarios. Esta es la esencia de
una base para un subespacio.
 DEFINICION Una base para un subespacio S de ℝ𝑛 es un conjunto de vectores en S que
1. genera S, y
2. es linealmente independiente.

EJEMPLO
Los vectores unitarios estándar 𝑒1 , 𝑒2 ,. . ., 𝑒𝑛 en 𝑅𝑛 son linealmente independientes y generan 𝑅𝑛 .
Por tanto, forman una base para 𝑅𝑛 , llamada base estándar.

EJEMPLO

2 1
Anteriormente se vio que 𝑅2 = gen , .
−1 3
2 1
Dado que , son linealmente independientes (no son múltiplos), forman una base para 𝑅2 .
−1 3
EJEMPLO
3 2 0
Encuentre una base para S = gen(u, v, w) , donde u = −1 , v = 1 y w = −5
5 3 1

SOLUCIÓN
Los vectores u, v y w ya generan S, Ahora falta verificar si son linealmente independientes.

Es fácil determinar que no lo son; de hecho, w = 2u - 3v. Por tanto, puede ignorarse w.
Esto implica que S = gen (u, v, w) = gen (u, v).
Dado que u y v son linealmente independientes (no son proporcionales), forman una base
para S.
EJEMPLO
1 1 3 1 6
Encuentre una base para el espacio renglón de A = 2 −1 0 1 −1
−3 2 1 −2 1
4 1 6 1 3
SOLUCIÓN La forma escalonada reducida por renglones de A es

Por un Teorema anterior, renglón(A) = renglón(R), entonces es suficiente encontrar una base para el espacio renglón de R.
Pero renglón(R) es generado por sus renglones distintos de cero, y entones se debe comprobar que los primeros tres
renglones de R sean linealmente independientes. Pero esto es fácil. (están en escalera)

En consecuencia, una base para el espacio renglón de A es

EJEMPLO
3 2 0
Encuentre una base para S = gen(u, v, w) , donde u = −1 , v = 1 y w = −5
5 3 1
SOLUCIÓN
TRANSPONGA u, v y w para obtener vectores renglón y luego formar una matriz con dichos vectores :

Por tanto una base para gen(u, v, w) es

COMENTARIOS
• No es necesario llegar a la forma escalonada reducida por renglones, la forma escalonada es suficiente.
Si U es una forma escalonada por renglones de A, entonces los vectores renglón distintos de cero de U
formarán una base para renglón(A).
En el ejemplo último, B puede reducirse a

para gen(u, v, w).

que produce la base
 • Los métodos usados en los ejemplos y el comentario anterior por lo general producirán diferentes bases.

EJEMPLO
1 1 3 1 6
Encuentre una base para el espacio columna de A = 2 −1 0 1 −1
−3 2 1 −2 1
4 1 6 1 3

SOLUCIÓN
Sea 𝑎𝑖 un vector columna de A y 𝑟𝑖 un vector columna de la forma escalonada reducida

Puede ver rápidamente por inspección que 𝑟3 = 𝑟1 + 2𝑟2 y 𝑟5 = −𝑟1 + 3𝑟2 + 4𝑟4 .
Por tanto, 𝒓𝟑 y 𝒓𝟓 no contribuyen a col(R).
Los vectores columna restantes, 𝑟1 , 𝑟2 𝑦 𝑟4 , son linealmente independientes, pues son vectores unitarios estándar.
En consecuencia, también es verdadero para los vectores columna de A.

Por tanto, los vectores columna (𝑎3 𝑦 𝑎5 ) de A se eliminan, y los restantes serán linealmente
independientes y en consecuencia forman una base para col(A): {𝑎1 , 𝑎2 , 𝑎4 }
 OBSERVACION
Use las columnas de A que correspondan a las columnas de R que contengan los 1 pivote.

1 1 3 1 6
Una base para col(A) es 2 −1 0 1 −1
−3 2 1 −2 1
4 1 6 1 3

ADVERTENCIA
¡Las operaciones elementales con renglones cambian el espacio columna!
Así, col(A) ≠ col(R), ya que todo vector en col(R) tiene su cuarto componente igual a 0, y no sucede en col(A).
Por lo que se debe usar la matriz original A para obtener los vectores columna para una base de col(A).
Para ser específico, en el ejemplo recién resuelto 𝑟1 , 𝑟2 𝑦 𝑟4 no forman una base para el espacio columna de A.
EJEMPLO
1 1 3 1 6
Encuentre una base para el espacio nulo de A = 2 −1 0 1 −1
−3 2 1 −2 1
4 1 6 1 3

SOLUCIÓN
Hay que describir las soluciones del sistema homogéneo Ax = 0.
Ya se calculó la forma escalonada reducida por renglones R de A:
La matriz aumentada final es
 entonces los 1 pivote están en las columnas 1, 2 y 4, así que se resuelve
para 𝑥1 , 𝑥2 y 𝑥4 en términos de las variables libres 𝑥3 𝑦 𝑥5 .
Si Se obtiene 𝑥1 = - 𝑥3 + 𝑥5 , 𝑥2 = - 2𝑥3 - 3𝑥5 , 𝑥4 = - 4𝑥5 ,
Al hacer 𝑥3 = s y 𝑥5 = t, se obtiene

Por tanto, u y v generan nul(A), y dado que son linealmente independientes, forman una base para nul(A).
 RESUMEN
Procedimiento para encontrar bases para el espacio renglón, el espacio columna
y el espacio nulo de una matriz A.

1. Encuentre la forma escalonada reducida por renglones R de A.

2. Use los vectores renglón ≠ de cero de R (que contengan los 1 pivote) para formar una base para
renglón(A).
3. Use los vectores columna de A que correspondan a las columnas de R que contengan los 1 pivote (las
columnas pivote) para formar una base para col(A).
4. Resuelva para las variables pivote de Rx = 0 en términos de las variables libres, iguale las variables
libres a parámetros, sustituya de vuelta en x y escriba el resultado como una combinación lineal de p
vectores (donde p es el número de variables libres). Estos vectores p forman una base para nul(A).
 TEOREMA El Teorema de la Base
Sea S un subespacio de 𝑅𝑛 . Entonces cualesquiera dos bases para S tienen el mismo número de vectores.

DEMOSTRACION
Sean B = { 𝒖𝟏 . 𝒖𝟐 . . . . , 𝒖𝒓 . } y C = { 𝒗𝟏 . 𝒗𝟐 . . . . , 𝒗𝒔 } bases de S. Tenemos que demostrar que r = s

Suponga que r < s.

Sea 𝑐1 𝒗𝟏 + 𝑐2 𝒗𝟐 + . . . , + 𝑐𝑠 𝒗𝒔 = 0 [1] 𝑣𝑖 𝑠𝑜𝑛 𝐿. 𝐼.

Dado que B es una base, entonces cada 𝒗𝒊 se puede escribir como combinación lineal de los elementos 𝒖𝒋 :
𝒗𝟏 = 𝑎11 𝒖𝟏 + 𝑎12 𝒖𝟐 + . . . , + 𝑎1𝑟 𝒖𝒓
𝒗𝟐 = 𝑎21 𝒖𝟏 + 𝑎22 𝒖𝟐 + . . . , + 𝑎2𝑟 𝒖𝒓 [2]
⋮
𝒗𝒔 = 𝑎𝑠1 𝒖𝟏 + 𝑎𝑠2 𝒖𝟐 + . . . , + 𝑎𝑠𝑟 𝒖𝒓
Al sustituir [2] en [1] se obtiene
𝑐1 (𝑎11 𝒖𝟏 + 𝑎12 𝒖𝟐 + . . + 𝑎1𝑟 𝒖𝒓 ) + 𝑐2 (𝑎21 𝒖𝟏 + 𝑎22 𝒖𝟐 + . . + 𝑎2𝑟 𝒖𝒓 ) + . . + 𝑐𝑠 (𝑎𝑠1 𝒖𝟏 + 𝑎𝑠2 𝒖𝟐 + . . + 𝑎𝑠𝑟 𝒖𝒓 ) = 0
Al reagrupar se tiene
(𝑐1 𝑎11 +𝑐2 𝑎21 + . . . , +𝑐𝑠 𝑎𝑠1 ) 𝒖𝟏 + (𝑐1 𝑎12 +𝑐2 𝑎22 + . . . , +𝑐𝑠 𝑎𝑠2 ) 𝒖𝟐 + . . . + (𝑐1 𝑎1𝑟 +𝑐2 𝑎2𝑟 + . . . , +𝑐𝑠 𝑎𝑠𝑟 ) 𝒖𝒔 = 0

Ahora, dado que B es una base, los términos 𝒖𝒋 son linealmente independientes.

De modo que cada una de las expresiones entre paréntesis debe ser cero.
𝑐1 𝑎11 +𝑐2 𝑎21 + . . . , +𝑐𝑠 𝑎𝑠1 = 𝟎
𝑐1 𝑎12 +𝑐2 𝑎22 + . . . , +𝑐𝑠 𝑎𝑠2 = 𝟎 [2]
⋮
𝑐1 𝑎1𝑟 +𝑐2 𝑎2𝑟 + . . . , +𝑐𝑠 𝑎𝑠𝑟 = 𝟎
r < s.
Este es un sistema homogéneo de r ecuaciones lineales con las s variables 𝑐1 , 𝑐2 , . . . , 𝑐𝑠 . r fila, s columnas

Dado que r < s, se sabe de un Teorema anterior que existe un número infinito de soluciones.
En particular, existe una solución no trivial (algún 𝑐𝑖 ≠ 0), lo que da una relación de dependencia no trivial en la
ecuación [1].
Por tanto, C es un conjunto linealmente dependiente de vectores.
Pero este hallazgo contradice el hecho de que C fue dado como base y en consecuencia es linealmente independiente.
Se concluye que r < s no es posible.
De igual modo (al intercambiar los roles de B y C), se descubre que r > s conduce a una contradicción.
Por tanto, debe tener r = s, como se deseaba.

DEFINICION Si S es un subespacio de ℝ𝑛 , entonces el numero de vectores en una base para

S se llama la dimensión de S, y se denota dim S.

EJEMPLO
❑ Dado que la base estándar para 𝑅𝑛 tiene n vectores entonces dim(𝑅𝑛 ) = n.
❑ En los ejemplos anteriores se verificó que col(A) tenia una base con tres vectores y renglón(A)
también tres vectores. Mientras tanto, nul(A) tenia 2 vectores. Por tanto, dim(col(A)) = 3,
dim(renglón(A)) = 3 y dim ( nul(A) ) = 2.
 TEOREMA
Los espacios renglón y columna de una matriz A tienen la misma dimensión.

DEFINICION El rank de una matriz A es la dimensión de sus espacios renglón y columna y

se denota mediante rango(A).

El rank de una matriz indica el número de renglones y columnas que son linealmente
independientes (¡y este número es el mismo en cada caso!).
 TEOREMA
Para cualquier matriz A, rank(𝐴𝑇 ) = rank ( A )

DEMOSTRACIÓN
Se tiene

NOTA: En otras palabras,

DEFINICION La nulidad de una matriz A es la dimensión de su espacio
nulidad(A) es la dimensión
nulo y se denota por nulidad(A).
del espacio solución de Ax
= 0, que es igual al número
TEOREMA El teorema del rank de variables libres en la
Si A es una matriz de m x n, entonces solución.

rank(A) + nulidad (A) = n.

EJERCICIO, Próxima clase

EJEMPLO
1 2 2 2
Encuentre la nulidad de la matriz P = 2 4 6 8
3 6 8 10

SOLUCIÓN
1 2 0 −2
se aplican operaciones elementales con renglones para reducirla a 0 0 2 4
0 0 0 0

Reescribiéndola como sistemas de ecuaciones: 𝑥1 = - 2 𝑥2 + 2 𝑥4 , 2𝑥3 = - 4 𝑥4

Existen 2 variables libres: 𝑥2 y 𝑥4

rank A = 2, Nulidad = 𝑁𝑜 variable libres = 2 n=4

EJEMPLO
Encuentre la nulidad de las siguientes matrices: 1. 2.

SOLUCIÓN
1. Dado que las dos columnas de M claramente son linealmente independientes, rank(M) = 2. Por tanto, por el
teorema del rank, nulidad(M) = 2 - rank(M) = 0.
2. No hay dependencia obvia entre los renglones o columnas de N, así que se aplican operaciones con
renglones para reducirla a

La matriz se redujo lo suficiente (aquí no es necesaria la forma escalonada reducida por renglones, pues no
se busca una base para el espacio nulo).
Se ve que sólo existen dos renglones distintos de cero, de modo que rank(N) = 2. En consecuencia,
nulidad (N) = 4 - rank(N) = 4 - 2 = 2.
TEOREMA EL TEOREMA FUNDAMENTAL DE LAS MATRICES INVERTIBLES:
versión 2
Sea A una matriz n x n. Los siguientes enunciados son equivalentes

a. A es invertible. h. Los vectores columna de A son linealmente

b. AX = b tienen una solución única para todo b independientes.
en 𝑅𝑛 . i. Los vectores columna de A generan 𝑅𝑛 .
c. AX = 0 tiene solo la solución trivial. j. Los vectores columna de A forman una base para
d. La forma escalonada reducida por renglones de 𝑅𝑛 .
A es 𝐼𝑛 . k. Los vectores renglón de A son linealmente
e. A es un producto de matrices elementales. independientes. rank(𝐴𝑇 ) = rank(A),
f. rank(A) = n. l. Los vectores renglón de A generan 𝑅𝑛 .
g. nulidad(A) = 0 m.Los vectores renglón de A forman una base para 𝑅𝑛 .
DEMOSTRACIÓN

Ya se estableció la equivalencia desde (a) hasta (e).

Falta por demostrar

que los enunciados (f) al (m) son equivalentes a los primeros cinco enunciados.

(f) rank(A) = n. ⇔ (g) nulidad(A) = 0

Por el teorema del rank, rank(A) + nulidad(A) = n luego se cumple rank(A) = n si y sólo si nulidad(A) = 0.

(f) ⟹ (d) ⟹ (c) ⟹(h)

(f) rank(A) = n. ⟹ (d) La forma escalonada reducida por renglones de A es In .

Si rank(A) = n, entonces la forma escalonada reducida por renglón de A tiene n 1 pivotes, y por tanto es 𝐼𝑛 .
(d) La forma escalonada reducida por renglones de A es 𝐼𝑛 . ⟹ (c ) AX = 0 tiene solo solución trivial. ⟹ (h ) Los
vectores columna de A son linealmente independientes.

Se sabe que Ax = 0 sólo tiene la solución trivial, lo que implica que los vectores columna de A son linealmente
independientes, pues Ax es justo una combinación lineal de los vectores columna de A.

h. Los vectores columna de A son linealmente independientes. ⟹ (i) Los vectores columna de A generan 𝑅𝑛 .

Si los vectores columna de A son linealmente independientes, entonces Ax = 0 sólo tiene la solución trivial.
Por tanto, por (c) ⟹ (b), Ax = b, tiene una solución única para todo b en 𝑅𝑛 .
Esto significa que todo vector b en 𝑅𝑛 puede escribirse como una combinación lineal de los vectores columna de
A, lo que establece (i)
(i) Los vectores columna de A generan 𝑅𝑛 . ⟹ (j) Los vectores columna de A forman una base para 𝑅𝑛 .

Si los vectores columna de A generan 𝑅𝑛 , entonces col(A) = 𝑅𝑛 por definición, de modo que
rank(A) = dim(col(A)) = n. Esto es (f), y ya se estableció que (f) ⟹ (h).
Se concluye que los vectores columna de A son linealmente independientes y por tanto forman una
base para 𝑅𝑛 .

(j) Los vectores columna de A forman una base para 𝑅𝑛 . ⟹ (f) rank(A) = n.

Si los vectores columna de A forman una base para 𝑅𝑛 , entonces, en particular, son linealmente independientes.
Se tiene que la forma escalonada reducida por renglones de A contiene n 1 pivotes, y por tanto rank(A) = n.

El análisis anterior demuestra que (f) ⟹(d) ⟹(c) ⟹(h) ⟹(i) ⟹(j) ⟹(f) ⟺ (g).
 Ahora recuerde que, por el Teorema anterior, rank(𝐴𝑇 ) = rank(A), de modo que lo recién demostrado da
los resultados correspondientes acerca de los vectores columna de 𝐴𝑇 .
Estos son entonces resultados acerca de los vectores renglón de A, lo que incluye en (k), (l) y (m) a la red
de equivalencias y completa la demostración.

EJEMPLO
1 −1 4
Demuestre que los vectores 2 , 0 , y 9 forman una base para 𝑅3 .
3 1 7

SOLUCIÓN
De acuerdo con el Teorema Fundamental, los vectores formarán una base para 𝑅3 si y sólo si una matriz con
estos vectores como sus columnas (o renglones) tiene rank = 3.
Se realizan sólo suficientes operaciones con renglones para determinar esto:
Se ve que A tiene rank 3, de modo que los vectores dados son una base par 𝑅 3 , por la equivalencia de (f) y (j).

TEOREMA
Sea A una matriz m x n . Entonces
a. rank(𝐴𝑇 A) = rank(A)
b. La matriz 𝐴𝑇 A de n x n es invertible si y sólo si rank(A) = n.

DEMOSTRACIÓN
(a) Dado que 𝐴𝑇 A es de n x n, tiene el mismo número de columnas que A. El teorema del rank dice entonces que
 Por tanto, para demostrar que rank(A) = rank(𝐴𝑇 A), es suficiente demostrar que nulidad(A) = nulidad(𝐴𝑇 A).

Es decir que los espacios nulos de A y 𝐴𝑇 A son iguales.

Para este fin, sea x en nul(A), de modo que Ax = 0. Entonces 𝐴𝑇 A x = 𝐴𝑇 0 = 0, y por tanto x está en nul(𝐴𝑇 A).
A la inversa: sea x en nul(𝐴𝑇 A). Entonces 𝐴𝑇 A x = 0, de modo que 𝐱 𝑇 𝐴𝑇 Ax = 𝐱 𝑇 0 = 0. Pero entonces

y en consecuencia Ax = 0, por la parte 1.2(d) de un Teorema sobre vectores.

Por tanto, x está en nul(A), de modo que nul(A) = nul(𝐴𝑇 A), como se requería. u.u ≥ 0 , u.u = 0 si
y sólo si u = 0.
(b) Por el teorema fundamental, la matriz 𝐴𝑇 A de n x n es invertible si y sólo si rank(𝐴𝑇 A) = n.
Pero, por (a), esto se cumple si y sólo si rank(A) = n.
b. La matriz 𝐴𝑇 A de n x n es invertible si y sólo si rank(A) = n.
 COORDENADAS
Un plano que pasa por el origen es un subespacio bidimensional de 𝑅3 , con cualquier conjunto de dos vectores dirección
que funcionan como base.
Los vectores base ubican ejes coordenados en el plano-subespacio y a su vez permiten ver el plano como una “copia” de
𝑅2 .

TEOREMA
Sea S un subespacio de 𝑅𝑛 y sea B = {𝐯1 , 𝐯2 , . . ., 𝐯k } una base para S. Para todo vector v en S, existe
exactamente una única forma de escribir v como una combinación lineal de los vectores base en B:
v = c1 𝐯1 + c2 𝐯2 + . . . + ck 𝐯k ,

DEMOSTRACIÓN
Dado que B es una base, genera a S, de modo que v puede escribirse en al menos una forma como combinación
lineal de 𝐯1 , 𝐯2 , . . ., 𝐯k .
 v = c1 𝐯1 + c2 𝐯2 + . . . + ck 𝐯k .

Esta es la única forma de escribir v como combinación lineal de 𝐯1 , 𝐯2 , . . ., 𝐯k .

En efecto:
Suponga que también se tiene: v = d1 𝐯1 + d2 𝐯2 + . . . + dk 𝐯k
Entonces
c1 𝐯1 + c2 𝐯2 + . . . + ck 𝐯k = d1 𝐯1 + d2 𝐯2 + . . . + dk 𝐯k
Al reordenar se obtiene
(c1 − d1 )𝐯1 +(c2 − d2 )𝐯2 + . . . +(ck − d𝑘 )𝐯k = 0

Dado que B es una base, 𝐯1 , 𝐯2 , . . ., 𝐯k son linealmente independientes. Por tanto,

(c1 − d1 ) = (c2 − d2 ) = . . . .= (ck − d𝑘 ) = 0

En otras palabras, c1 = d1 , c2 = d2 , . . . , ck = d𝑘 , y las dos combinaciones lineales en realidad son iguales.

Por ende, existe exactamente una forma de escribir v como una combinación lineal de los vectores base en B.
EJEMPLO
2
Sea E = {𝑒1 , 𝑒2 , 𝑒3 } la base estándar de 𝑅3 . Encuentre el vector coordenada de V = 7 con respecto a E.
4
SOLUCIÓN
𝟐 El vector coordenada de todo vector (columna) en
Dado que v = 2 𝑒1 + 7𝑒2 + 4𝑒3 , 𝐯𝐄= 𝟕 𝑅3 con respecto a la base estándar es justo el vector
𝟒 mismo
EJEMPLO

vector de coordenada
del vector X respecto
a la base B:
3
𝑋 𝐵=
2
EJEMPLO
1 1 0 2
3
Encuentre las coordenadas de X = 2 en 𝑅 relativa a la base B ={𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } = 0 , −1 , 3
−1 1 2 −5
SOLUCIÓN
Escribimos X como combinación lineal 𝑢1 , 𝑢2 y 𝑢3 : X = 𝑐1 𝒖𝟏 + 𝑐2 𝒖𝟐 + 𝑐3 𝒖𝟑

1 1 0 2 c1 + 2c3 = 1 1 0 2 c1 1
2 = 𝑐1 0 + 𝑐2 −1 + 𝑐3 3 - c2 + 3𝒄3 = 2 0 −1 3 c2 = 2
−1 1 2 −5 c1 + 2𝒄2 - 5c3 =-1 1 2 −5 c3 −1

La solución de este sistema es 𝑐1 = 5, 𝑐2 = -8 y 𝑐3 = -2.

1 0 2 y la matriz de coordenadas de X respecto a B es

Por tanto X = 5 0 − 8 −1 -2 3 5
1 2 −5 𝑿 𝑩 = −8
−2
 EJEMPLO

Son tres vectores en el mismo subespacio (plano que pasa por

el origen) S de 𝑅3 y que B = {u, v} es una base para S.

Dado que w = 2u – 3v, se tiene

𝟐
𝐰 𝐁=
−𝟑