Conferencia # 5

Tema 2: Nociones de Álgebra Lineal Abstracta con aplicaciones geométricas y

algorítmicas.

Asunto: Subespacio generado. Sistema generador. Generador, base y dimensión de un

espacio vectorial. Matriz de cambio de base. Ejemplos de interpolación lineal y cuadrática
de Lagrange.
Objetivos: Determinar el subespacio vectorial generado por una sistema de vectores.
Determinar una base y la dimensión de un espacio o un subespacio vectorial.

Desarrollo
Espacio vectorial
Recordar la definición de espacio y subespacio vectorial.

Generador de un espacio vectorial

Definición: Un sistema de vectores u 1 , u 2 , u 3 ,...., u n de un espacio vectorial E es un generador de
E si y solo si cualquier vector de E se puede expresar como combinación lineal de los vectores del
sistema. Esto es, el sistema U genera a E ssi:
X  E , X  1 u 1   2 u 2  3 u 3  ....   n u n

Ejemplo 1:
El sistema u 1 = (1; 0), u 2 = (0; 1) es un generador de  2 pues X = (x1; x2).
1 u 1   2 u 2  X
1 (1; 0)+  2 (0; 1) = (x1; x2) 1 = x1  2 = x2
Existen los coeficientes 1 ,  2 que coinciden o toman los mismos valores de las componentes
del vector (x1; x2).
El subespacio vectorial generado por un sistema de vectores u 1 , u 2 , u 3 ,...., u n es el conjunto de
las combinaciones lineales de los vectores u i .

Ejemplo 2:
Determinar el subespacio vectorial generado por los vectores u1= (1; -1; 2), u2 = (-2; 2; 1) de  3 .
S(u) =   x, y, z    3 / 1u1   2 u 2  ( x, y , z )}
1 (1; -1; 2) +  2 (-2; 2; 1) = (x; y; z)

1  22  x  1  2 x  1  2 x  1  2 x 
     
 1  22  y (A/B) =  1 2 y  ~  0 0 x  y  ~ 0 5  x  z 
21  2  z 2 1 z   0 5  x  z  0 0 x  y 
  
 r(A) = r(A/B)
si x+y=0
Luego la combinación lineal existe si x+y = 0
Por tanto, el subespacio vectorial generado por los vectores u 1 , u 2 está determinado por: S(u) =
  x, y, z    3 / x  y  0} .

Base de un espacio o subespacio vectorial

Definición: Una base de un espacio vectorial E es un sistema de vectores linealmente
independiente generador de E.
- Los sistemas generadores pueden ser linealmente independientes o linealmente dependientes,
pero solo los (L.I) serán base del espacio o el subespacio que generan.
- De un sistema generador (L.D) siempre se podrá extraer una base del espacio.

Dimensión de un espacio
Definición: la dimensión de un espacio vectorial es la cantidad de vectores que tenga una de sus
bases.
- La dimensión de  n es ‘n’.
- Un sistema de vectores con menos de ‘n’ vectores no puede generar a  n .
- Todo sistema de vectores (L.I) de ‘n’ vectores de  n es una base de  n .

Ejemplo 1:
a) El sistema u 1 = (1;0;0), u 2 = (1;1;0), u 3 = (1;1;1) es una base de  3 pues es (L.I).

1 1 1
0 1 1 r(A) = 3 = n
 

0 0 1


1 1 1
 1
b) 0 0

0 0 2
Los vectores columna de esta matriz no forman una base de  3 pues es (L.D), ya que el
determinante de dicha matriz es cero (dos columnas iguales) o dos filas proporcionales.

Ejemplo 2: Determinar la dimensión y una base del (s.e.v) generado por el sistema: A = {(1; 1; 2);
(0; 2; 3)} de  3 .

S(A) = {( x1 ; x 2 ; x3 )   / 1 (1;1;2)   2 (0;2;3)}

3

1  x1
1  22  x2
21  32  x3
  1 0 x1   1 0 x1   1 0 x1 
     
(A/B) =  1 2 x 2 
~ 0 2 x 2  x1  
~ 0 2 x 2  x1 
 2 3 x   0 3 x  2 x   0 0  3x  2 x  x 
 3  3 1  2 3 1
F2  F2  F1
F3  2 F3  3F2 r(A) = r (A/B)
F3  F3  2F1
si -3x2 + 2x3 – x1 = 0
x1 = 2x3 –3x2

S (A) = {( x1 ; x2 ; x3 )   / x1  2 x3  3 x 2 }
3

Dim S = 2 (dim  3 - no. de restricciones)

Una base de S(A) puede ser (1; 1; 2), (0; 2; 3) o cualquier par de vectores de S(A) no
proporcionales (L.I).

Matriz de cambio de base

Analizar que para dos bases de un mismo espacio vectorial es posible determinar una matriz
asociada a dichas bases.

Aplicaciones

Ejemplo: Vamos a ver un ejemplo en la interpolación lineal y cuadrática de Lagrange.

Problema: Dado un conjunto de m puntos S  {( x1 ; y1 ); ( x 2 ; y 2 );....; ( xm ; y m )} donde los xi son
todos distintos existe un polinomio de grado m-1 dado por la ecuación
f (t )   0  1t   2t 2 ....   m1t m1 que pasa por cada uno de estos puntos y es único.
Quiere decir que los coeficientes  i del polinomio tienen que satisfacer cada una de las
ecuaciones:
0   1 x1   2 x12  ....   m1 x1m1  f ( x1 )  y1
m 1
0   1 x2   2 x2
2
 ....   m1 x 2  f ( x2 )  y 2
....... .. .......... ... ....... .. .... .. ...... .. ...
m 1
0   1 xm   2 xm  ....   m1 xm  f ( xm )  y m

Escribiendo este sistema en forma matricial:

1 x1 x1
2
 x1 
m 1

 2 m 1  
1 x 2 x2  x2     y1 

0
   y 
 1 
=  2 

   
   

  
  m 1



 y m



 2 m 1 
1 x m xm  x m 
Como se puede apreciar los coeficientes de la matriz del sistema forman una matriz cuadrada de
Vandermonde, garantizando que es no singular, por tanto el sistema es compatible determinado
por lo que tiene una sola solución lo que significa que solo existe un solo polinomio de grado m-1
que pasa por todos los puntos del conjunto S.
Este polinomio f (t )   0  1t   2t ....   m1t
2 m1
se conoce como polinomio de interpolación de
Lagrange de grado m-1.

 m

m
  (t  x j ) 
 
El polinomio está dado por f (t )    yi m
j i
 (ec. 1)
i 1
  ( xi  x j ) 
 j i 

Para el caso de un conjunto de dos puntos:

Sea el conjunto S de dos puntos: S  {( 4;2); ( 2;3)} hallar el polinomio lineal que pasa por
estos puntos.
En este caso se puede ver que es una recta por tanto el polinomio sería de la forma f (t )   0  1t
y planteando el modelo:
Los coeficientes  i del polinomio tienen que satisfacer las ecuaciones:

 0   1 x1  y1 1 x1   0   y1 
que expresado en forma matricial: 1 =
x2 
  y 
 0   1 x2  y 2   1   2 

Al sustituir los valores de los puntos en el sistema:

1 4   0   2
1    = 3 
  2  1   

Al resolverlo obtenemos como resultado  0  8 / 3 y  1  1 / 6 , por lo que el polinomio que pasa

8 1
por esos puntos sería la recta con ecuación f (t )   t .
3 6
Rectificando por la ecuación 1 nos queda
 m

2


 (t  x j ) 
 t  2 t  4 t  2 t  4 16  t
f (t )    yi m
j i
  2 6  3  6  3  2  6 que es el mismo resultado
i 1
  ( xi  x j ) 
 j i 
8 1
obtenido anteriormente si agrupamos f (t )   t.
3 6

Para el caso de tres puntos:

Veamos el caso de una interpolación cuadrática que sería para un conjunto de tres puntos:
S  {(1;4); ( 1;6); ( 2;9)} hallar el polinomio de grado 2 en este caso que pasa por estos
puntos. Este es el ejercicio 13 de la clase práctica 2 tratada anteriormente y por tanto este
polinomio es una parábola.
Por tanto el polinomio sería de la forma f (t )   0  1t   2t y planteando el modelo:
2

Los coeficientes  i del polinomio tienen que satisfacer las ecuaciones:

 0  1 x1   2 x1  y1
2
1 x1 x1 
2

 2   

0

 0  1 x2   2 x2 2  y 2 que expresado en forma matricial: 1 x2 x2  



 =

1

 

1 x3 x3 
2
2
 0   1 x 3   2 x3  y 3
2

 y1 
 y 
 2 

 y3 


Al sustituir los valores de los puntos en el sistema:

1 1 1
  
1 1 1  
0

 4
6 
    =  

1
  9 
 
 

1 2 4

2

Al resolverlo obtenemos como resultado  0  3 , 1  1 y  2  2 , por lo que el polinomio que

pasa por esos puntos sería la recta con ecuación f (t )  3  t  2t 2 .

Rectificando por la ecuación 1 nos queda

 m

3


 (t  x )  j
(t  1)(t  2) (t  1)(t  2) (t  1)(t  1)
f (t )    y i
j i
  4  6  9
m
(1  (1))(1  2) (1  1)(1  2) ( 2  1)(2  (1))
i 1
  ( xi  x j ) 
 j i 
f (t )  2(t 2  t  2)  (t 2  3t  2)  3(t 2  1)  2t 2  t  3 que es el mismo resultado obtenido
anteriormente.

Estudio Independiente
 Lt. Álgebra Lineal de Maria Virginia Varela
1. Estudiar los conceptos, definiciones de espacio vectorial (Página 269-297 y 311 - 313).
2. Responder las preguntas 1 – 21, 26 - 30(Página 255 – 257).
3. Estudiar los ejercicios resueltos 1 – 9, 13 (Página 315 - 330).
4. Resolver los ejercicios propuestos 1 - 11, 16, 17 (Página 264 - 265).

 Lt. Algebra Lineal. Teoría y problemas de Celia Fernández.

1. Estudiar los ejercicios (Página 111).

 Lt. Matrix Analysis and Applied Linear Algebra de Carl D. Meyer.

1. Estudiar las páginas 185-186.