Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Enero de 2018.
Resumen
El presente escrito constituye un resumen del contenido del curso de Matemáticas Avan-
zadas para Ingenierı́a. El mismo consiste en una recopilacion de contenidos de varios libros
a fin de brindar un panorama general del curso. Sin embargo, para una ampliación de los
contenidos es necesario revisar la bibliografı́a que aparece al final del mismo.
1
1. MÓDULO I: ANÁLISIS VECTORIAL BÁSICO
1.1. Introducción
En los cursos elementales de las carreras de ingenierı́a se suele definir el vector de la siguiente
manera:
Estos atributos son fáciles de identificar en cantidades fı́sicas familiares como la velocidad y la
fuerza, que son vectores. Esta definición es adecuada a ese nivel elemental. Sin embargo, esta
no es la noción más general del concepto de vector. Los vectores son elementos de conjuntos
denominados Espacios Vectoriales. Estos espacios poseen una estructura algebraica especı́fica
(unas reglas de operación con sus elementos), caracterizada por un sistema de axiomas. Si los
elementos se combinan con números reales en una operación de multiplicación, se dice que el
espacio vectorial es real.
En muchas áreas de la ingenierı́a se identifican o diseñan objetos matemáticos cuyas reglas
naturales de operación algebraica corresponden a las de un espacio vectorial real. A estos objetos
no necesariamente se les asignan propiedades de magnitud, dirección y sentido. Por ejemplo,
existen espacios vectoriales cuyos elementos son osciladores, coeficientes de polinomios de n-
ésimo grado, algún conjunto de polı́gonos en el plano, etc.
Una de las caracterı́sticas más útiles de los vectores para las diferentes ramas de la ingenierı́a
es que:
Todo vector en un espacio vectorial real se puede generar a partir de unos cuantos vectores
básicos mediante las operaciones de suma y producto escalar.
De manera que el concepto matemático de vector abarca, por supuesto, los vectores que
empleamos en la fı́sica y la geometrı́a elemental, los cuales son materializaciones especiales de la
noción abstracta. A estos los denominaremos, especı́ficamente, Vectores fı́sicos, que no son más
que las ternas ordenadas de números reales (multiplicados por una unidad de medida). Pero
también abordaremos el concepto de vector desde un punto de vista más general y abstracto,
de modo de podamos generalizar su aplicabilidad a objetos mucho más complejos y diversos.
En este módulo nos concentraremos en primero lugar a repasar los conceptos básicos del
análisis vectorial que nos servirán de base para los módulos siguientes.
2
Otros ejemplos de cantidades vectoriales son: fuerza, aceleración, momento, flujo de calor, el
campo magnético de la tierra en determinado posición, el gradiente, etc.
Por definición, la magnitud de una cantidad vectorial es un número no negativo (un escalar)
que determina el tamaño del vector sin tener el cuenta su dirección, ası́ por ejemplo, la magnitud
de la velocidad es la rapidez.
Geométricamente, un vector se puede representar mediante un segmento de lı́nea recta tra-
zado en el espacio, paralelo a la dirección requerida. Dicho segmento contiene una punta de
flecha en su extremo la cual indica el sentido en que el vector actúa. Mientras que la longitud de
segmento es proporcional a la magnitud del vector. Un deslazamiento de un segmento de lı́nea
recta es una traslación del vector que este representa Nótese que la representación geométrica
de un vector como un segmento de recta dirigido en el espacio se define sin referencia a ningún
sistema de coordenadas especı́fico. Esta interpretación puramente geométrica del vector tiene
muchas aplicaciones, con lo que es necesario una forma diferente de representarlos, ası́ como
también es necesario un álgebra de vectores para introducir el cálculo.
3
Figura 2: Norma de un vector
0 = (0, 0, 0)
a 1 = b1 ; a 2 = b2 ; a3 = b3
a + b = (a1 + b1 , a2 + b2 , a3 + b3 )
2. P + 0 = 0 + P. Elemento identidad
3. (P + Q) + R = P + (Q + R). Asociativa
4
4. α (P + Q) = αP + αQ. Distributiva del producto escalar.
3. Existe un vector 0 ∈ V tal que para todo , x ∈ V , x + 0 = 0 + x (el 0 se llama vector cero
o idéntico aditivo).
5
7. Si x y y están en V y α es un escalar, entonces α (x + y) = αx + αy (primera ley
distributiva).
4. Sea V = Mn×n en conjunto de matrices cuadradas de orden n. Este conjuntos con la suma
de matrices y multiplicación por un número real forma un espacio vectorial.
Teorema 3:
2. 0x = 0 para todo x ∈ V .
3. Si αx = 0, entonces α = 0 o x = 0 (o ambos).
Definición 8: (Subespacio)
Sea H un subconjunto no vacı́o de un espacio vectorial V y suponga que H es en sı́ un espacio
vectorial bajo las operaciones de suma y multiplicación por un escalar definidas en V . Entonces
se dice que H es un subespacio de V .
Teorema 4: (Subespacio)
Un subconjunto no vacı́o H de un espacio vectorial V es un subespacio de V si se cumplen las
dos reglas de cerradura:
1. Si x ∈ H y y ∈ V , entonces x + y ∈ H.
Ejemplos
6
1. El subespacio trivial: Para cualquier espacio vectorial V , el subconjunto {0} que consiste
en el vector cero es únicamente un subespacio ya que 0+0 = 0 y α0 = 0 para todo número
real α. Esto se denomina el subespacio trivial.
2. Para cada espacio vectorial V , V es un subespacio de sı́ mismo. Los subespacios distintos
a {0} y V se denominan subespacios propios.
x = ai + bj + ck
En cuyo caso se dice que x es una combinación lineal de los tres vectores i, j y k. De manera
más general, se tiene la siguiente definición.
Ejemplos
2. En Pn todo polinomio se puede escribir como una combinación lineal de los monomios
1, x, x2 , ..., xn .
Ejemplos
1 0
1. Los vectores i = yj= generan a R2 .
0 1
7
1 0 0
2. Los vectores i = 0 ,j= 1 yk= 0 generan a R3
0 0 1
Si los vectores no son linealmente dependientes, se dice que son linealmente independientes.
Teorema 7:
Un conjunto de n vectores en Rm es siempre linealmente dependiente si n > m.
Sean x1 , x2 , ..., xn , n vectores en Rm e intentemos encontrar constantes c1 , c2 , ..., cn no todos
cero tales que
c1 x1 + c2 x2 +, ..., +cn xn = 0 (10)
Entonces si el conjunto de vectores es linealmente dependiente el sistema resultante no tiene
solución única a que hay más vectores que ecuaciones.
Corolario 8:
Un conjunto de vectores linealmente independientes en Rn contiene a lo sumo n vectores.
8
Lo anterior también significa que la matriz formada por los vectores columna, elementos de Rn
es invertible.
Por último tenemos el siguiente teorema.
Teorema 9:
Cualquier conjunto de n vectores linealmente independientes en Rn genera a Rn .
Ejemplos:
Teorema 10:
Si {x1 , x2 , ..., xn } es una base para V y si x ∈ V , entonces existe un único conjunto de escalares
c1 , c2 , ..., cn tales que x = c1 x1 + c2 x2 + ..., +cn xn
Del teorema anterior se tiene como consecuencia que cualesquiera dos bases de un espacio
vectorial V tienen el mismo número de vectores.
Ejemplos:
9
2. La dimensión de Pn : Los polinomios {1, x, x2 , ..., xn } consituyen una base en Pn . Entonces
dim Pn = n + 1.
Cambio de base:
Cada uno de los espacios vectoriales Rn , Pn , tienen sus respectivas bases canónicas, las cuales se
usan ampliamente por la sencillez que ofrecen el trabajar con ellas. Pero en ocasiones ocurre que
es más conveniente alguna otra base, como veremos en la siguiente sección. Existe un número
infinito de bases para elegir, ya que en un espacio vectorial de dimensión n, cualesquiera n
vectores, linealmente independientes, forman una base. En esta sección veremos cómo cambiar
de una base a otra mediante el cálculo de cierta matriz.
Sean B1 = {u1 , u2 , ..., un } y B2 = {v1 , v2 , ..., vn } dos bases para un espacio vectorial real V
de dimensión n. Sea x ∈ V . Entonces x se puede escribir en términos de ambas bases, esto es:
x = b1 u1 + b2 u2 + ... + bn un (11)
y
x = c1 v1 + c2 v2 + ... + cn vn (12)
donde las bi y ci son números reales. De donde se infiere que:
b1
b2
(x)B1 = .
..
bn
10
Teorema 11:
Sea B1 y B2 bases para un espacio vectorial V . Sea A la matriz de transición de B1 a B2 .
Entonces para todo x ∈ V
(x)B2 = A (x)B1 (15)
Ejemplo:
1 0
Sean u1 = , u2 = los vectores de la base canónica de R2 que denotaremos como
0 1
2 1 −1
B1 = {u1 , u2 }. Consideremos otros dos vectores de R : v1 = , v2 = . Se puede
3 2
comprobar fácilmente que son linealmente independiente. De modoque B2 = {v1 , v2 } es una
x1
segunda base de R2 . Esto significa que, para todo vector x = de R2 :
x2
x = x1 u1 + x2 u2
y
x = c1 v1 + c2 v2
De modo que:
x1 c1
(x)B1 = (x)B2 = ,
x2 c2
mientras que
2 1
5 5
(u1 )B2 = (u2 )B2 =
− 35 1
5
De modo que la matriz de transición es:
2 1
5 5
A=
− 35 1
5
3
Ası́ por ejemplo si queremos convertir el vector (x)B1 = en la nueva base B2 se tiene:
−4
2 1
2
5 5 3
(x)B2 = = 5
− 13
−4
− 53 1
5
5
11
de coordenadas. Matemáticamente esto equivale a decir que un vector sigue siendo el mismo
independientemente de la base en la cual se exprese y además debe ser independiente de la
transformación que le apliquemos al cambiar de una base a otra.
De esta manera, consideramos a un vector r en dos sistemas de coordenadas diferentes (que
matemáticamente significa que esta expresado en dos bases distintas), uno rotado con relación
al otro. Por simplicidad consideremos en primer lugar el caso bidimensional. Esto es si las
coordenadas (x, y) se hacen girar en sentido contrario de las manecillas del reloj a través de un
ángulo ϕ conservando r fijo, se tienen ls siguientes relaciones entre las componentes del vector
expresados en el sistema original y los expresados en el nuevo sistema rotado:
x′ = x cos ϕ + y sen ϕ (16)
′
y = −x sen ϕ + y cos ϕ (17)
o equivalentemente
cos ϕ sen ϕ
x′
x
= (18)
y′
y
− sen ϕ cos ϕ
x′
De donde se tiene que x′ = son las componentes del vector r en el sistema rotado,
y′
x
x = , las correspondientes componentes el vector r en el sistema original y la matriz
y
cos ϕ sen ϕ
A= es la matriz del cambio de coordenadas. La cual es fácil de verificar
− sen ϕ cos ϕ
que efectivamente es no singular, es decir los vectores correspondientes a las columnas son
linealmente independientes, por lo tanto generan a todo el espacio bidimensional.
Por otro lado, también se puede verificar fácilmente que:
kxk = kx′ k (19)
lo que significa que efectivamente la magnitud del vector r es invariante bajo la transformación
de rotación de coordenadas.
12
Geométricamente, el producto escalar a · b se puede considerar como la magnitud de a multi-
plicada por la proyección de b en a.
Nótese que esta definición permite generalizar el concepto de producto escalar a Rn ya que no
dice como operar en particular los componentes de los vectores. Sin embargo, requiere el cálculo
del ángulo entre ambos vectores. Una definición alternativa para vectores en Rn en general es la
siguiente:
Sean a = (a1 , a2 , ..., an ) y b = (b1 , b2 , ..., bn ) dos vectores en Rn . El producto escalar de a y
b se define como:
Xn
a · b = a1 b1 + a2 b2 + ... + an bn = ai bi (21)
i=1
Propiedades del producto escalar:
Sean a y b dos vectores y λ y µ dos escalares. Entonces se tiene que:
1. a · b = b · a. El producto escalar es conmutativo.
2. a · (b + c) = a · b + a · c Distributiva
a · b = kakkbk
â · b̂ = cos θ
Como consecuencia de las propiedades anteriores se tiene que para los vectores canónicos de R3
se tiene:
i·i=j·j=k·k=1 (22)
y
i·j =j·i =i·k =k·i =j·k =k·j =0 (23)
Lo anterior lo podemos generalizar para vectores en el espacio vectorial Rn . Esto es sean
e1 , e2 , ..., en los vectores de la base canónica de Rn . Esto es:
13
Teorema 13:
Sea v un vector distinto de cero. Entonces para cualquier otro vector u el vector:
u·v
w =u− v
kvk2
es ortogonal a v.
Definición 16:
Sean u y v dos vectores diferentes de cero. Entonces la proyección de u sobre v es un vector
denotado por Proyuv se define como:
u·v
Proyuv = v (26)
kvk2
Si α, β y γ son los ángulos entre v y cada uno de los ejes coordenados x , y, z, respectivamente,
dichos ángulos se les llama ángulos directores del vector v. Si (x0 , y0 , z0 ) son las coordenadas
del vector v se tiene que:
x0 y0 z0
cos α = , cos β = , cos γ = (27)
kvk kvk kvk
x · n̂ = ax + by + cz = 0
14
Sea x = (x, y, z) un vector en R3 y n̂ = (a, b, c) un vector fijo diferente de cero. Entonces el
conjunto de los puntos para los que
x · n̂ = 0
constituye un plano en R3 .
Nótese que también podemos afirmar que el conjunto de todos los vectores ortogonales a un
vector normal n̂ dado es un subespacio de R3 . Es decir cualquier vector normal genera un plano.
Trabajo:
Consideremos una partı́cula P sobre la que actúa una fuerza F , función de la posición de la
partı́cula en el espacio, esto es F = F (r) y sea dr un desplazamiento elemental (infinitesimal)
experimentado por la partı́cula durante un intervalo de tiempo dt. Llamamos trabajo elemental,
dW , de la fuerza F durante el desplazamiento elemental dr al producto escalar F · dr; esto es,
dW = F · dr = kF kdr cos θ
Figura 3:
y que pasa por el orı́gen ( ver la figura 3). La partı́cula viaja con una velocidad vx = −3
en la dirección x y vy = 4 en la dirección y (en m/s). La velocidad constante v = (−3, 4) es
caracterı́stica del movimiento libre de acuerdo con las ecuaciónes de Newton.
Eliminando el tiempo t encontramos la ecuación lineal homogénea ex + 3y = 0, cuyo vector
de coeficientes (4, 3) lo ortonormalizamos, esto es, escribimos la ecuación lineal como:
4 3
x+ y =n·r=0
5 5
donde n = (4/5, 3/5) es un vector unitario constante y r es un vector cualquiera del plano x − y;
esto es ,r = xi + yj. El producto escalar
n · r = 0, (30)
15
significa que la proyección sobre n del vector r(t) apuntando desde el origen hacia un punto
general sobre la linea es cero, ası́ que n es la normal a la lı́nea recta. Podemos verificar que
efectivamente,
4 3 t
(−3t, 4t) · , = (−3 · 4 + 4 · 3) = 0
5 5 5
Dado que la velocidad de la partı́cula es un vector tangente a la lı́nea, podemos incluso escribir
el producto escalar como:
v·n =0
Si hacemos pasar la partı́cula a través del origen en una dirección arbitraria con alguna
velocidad v, también viajará en una lı́nea a través del origen. Esto es, mediante la variación
del vector normal unitario la ecuación lineal (30) define una lı́nea recta arbitraria a través del
origen en el plano x − y. En el espacio euclideo n-dimensional (Rn ), la ecuación (30) describe
un hiperplano n − 1 dimensional.
Definición 19:
Sean u = a1 i + b1 j + c1 k y v = a2 i + b2 j + c2 k, entonces el producto cruz (vectorial) de u y v,
denotado por u × v, es un nuevo vector definido por:
Teorema 16:
Una expresión alternativa para el producto cruz en términos de las componentes cartesianas de
a y b se logra usando el esquema de un determinante de tercer orden, esto es:
i j k
u × v = a1 b1 c1 (33)
a2 b2 c2
Teorema 17:
Si θ es el ángulo entre u y v, de la fórmula (31) se tiene:
|u × v| = kukkvk|sen θ| (34)
1. u × v = −(v × u) anticonmutativa.
2. u × (v + w) = u × v + u × w distributiva.
16
5. Si u y v son vectores unitarios, entonces u × v = sen θn̂.
8. u · (u × v) = v · (u × v) = 0 ( u × v es ortogonal a u y v).
Una consecuencia inmediata de las propiedades anteriores es:
i×i=j×j=k×k=0
y también
i × j = k; j × i = −k
j × k = i; k × j = −i
k × i = j; i × k = −j
~v = ~ω × ~r
La Inducción magnética
~ se define generalmente por medio de la ecuación
La inducción magnética B
F~M = q~v × B
~
|A × B|= kAkkBk|sen θ|
(a × b) · c 6= 0,
17
calcular como un determinante, esto es: sean a = a1 i + a2 j + a3 k, b = b1 i + b2 j + b3 k y
c = c1 i + c2 j + c3 k, entonces se tiene que:
i j k
a1 a2 a3
(a × b) · c = (35)
b1 b2 b3
c1 c2 c3
~u × ~v × w
~ = (~u · w)~
~ v − (~u · ~v )w
~ (36)
18
2. REFERENCIAS
[1] G.B. Arfken, H.J. Weber. Mathematical Methods for Physicist. Sixth Edition, Elsevier Aca-
demic Press,2005.
[2] K.F. Riley, M.P. Hobson and S.J. Bence. Mathematical Methods for Physics and Engineering,
Thirth Edition, Cambridge University Press, 2006.
[3] S. Selcuk Bayin. Mathematical Methods in Science and Engineering, John Wiley and Sons
Inc. 2006.
[4] T.L. Harman, J.B. Dabney and N.J. Richert. Advanced Engineering Mathematics with
MATLAB, Thompson Learning,2000.
[5] J.E. Marsden, A. J. Tromba. Cálculo Vectorial, Quinta Edición, Pearson Addison-Wesley,
2004.
[7] H.J. Weber, G.B. Arfken. Essential Mathematics Methods for Physicist, Harcourt Academic
Press, 2003.
[8] N. Kemmer. Vector Analysis. A Pysicist’s guide to the mathematics of field in three dimen-
sions, Cambridge University Press, 2008.
[9] A.R. Soria, H.B. Hernández y N.F. Hernández. Campos Vectoriales y Tensoriales, Universi-
dad Autónoma Metropolitana, División de Ciencias Básicas, México, 2000.
19