Definición de Espacio Vectorial Euclídeo y Matriz Asociada

Contenidos
Índice
1 Definición de Espacio Vectorial Euclı́deo

Tema 6: Geometrı́a euclı́dea
2 Matriz asociada a un producto escalar
3 Propiedades métricas
5 de diciembre de 2014 4 Ortogonalidad
5 Diagonalización ortogonal
email: zulima@uniovi.es 6 Espacio afı́n euclı́deo
Tema 6: Geometrı́a euclı́dea 5 de diciembre de 2014 1 / 50 Tema 6: Geometrı́a euclı́dea 5 de diciembre de 2014 2 / 50
Definición de Espacio Vectorial Euclı́deo Definición de Espacio Vectorial Euclı́deo
Contenido Definición
Definición 6.1
1 Definición de Espacio Vectorial Euclı́deo ·: V ×V → R
V , R−espacio vectorial, la aplicación es un
(~v , ~u ) → ~v · ~u
2 Matriz asociada a un producto escalar producto escalar si cumple:
a) ∀~v1 , ~v2 , ~u ∈ V ∀α, β ∈ R entonces
(α~v1 + β~v2 ) · ~u = α~v1 · ~u + β~v2 · ~u
4 Ortogonalidad ~u · (α~v1 + β~v2 ) = α~u · ~v1 + β~u · ~v2
b) Simetrı́a ∀~v , ~u ∈ V ~v · ~u = ~u · ~v
c) Definida positiva
6 Espacio afı́n euclı́deo ∀~v ∈ V
~v · ~v ≥ 0
~v · ~v = 0 → ~v = ~0
Al par (V , ·) se le denomina espacio euclı́deo.
Definición de Espacio Vectorial Euclı́deo Definición de Espacio Vectorial Euclı́deo
Ejemplo Cuadrado escalar
Ejemplo 6.1 Definición 6.2

A la aplicación:
Probar que la aplicación siguiente es un producto escalar: V −→ R
~v → ~v 2 = ~v · ~v
(x1 , x2 ) · (y1 , y2 ) = 2x1 y1 + x2 y1 + x1 y2 + x2 y2
la llamaremos cuadrado escalar.
Definición de Espacio Vectorial Euclı́deo Matriz asociada a un producto escalar
Ejemplo Contenido
Ejemplo 6.2 2 Matriz asociada a un producto escalar

Calcular el cuadrado escalar asociado al producto:
(x1 , x2 ) · (y1 , y2 ) = 2x1 y1 + x2 y1 + x1 y2 + x2 y2
4 Ortogonalidad
Calcula (1, 0)2
6 Espacio afı́n euclı́deo
Matriz asociada a un producto escalar Matriz asociada a un producto escalar
Representación matricial Propiedades de la Matriz de Gram
Se fija una base B = {~v1 , ~v2 , . . . , ~vn } y expresamos los vectores ~u , w

~ ∈ V,
con coordenadas ~u = x1~v1 + x2~v2 + · · · + xn~vn , Por la simetrı́a del producto escalar se cumple que ~vi · ~vj = ~vj · ~vi , la matriz
~ = y1~v1 + y2~v2 + · · · + yn~vn , entonces el producto escalar se puede
w G debe ser simétrica.
escribir como: Como ~v 2 > 0, entonces gii > 0.
n X
n
~u · w ~ = X t GY X
Además: (x1 , x2 , . . . , xn ) · (y1 , y2 , . . . , yn ) = gij xi yj , es decir, el
donde i=1 j=1
elemento i, j de la matriz G es el coeficiente del producto xi yj .
~v12 ~v1 .~v2 ... ~v1 .~vn
     
x1 y1 n n−1
~v1 .~v2 ~v22
X X
... ~v2 .~vn x2 y2 2 2
      El cuadrado escalar serı́a (x1 , x2 , . . . , xn ) = gii xi + 2gij xi xj
G = ;X =  ;Y = 
     
.. .. .. .. ..  i=1
 . . .   .   .  i =1
~v1 .~vn ~v2 .~vn ... ~vn2 xn yn j >i
A la matriz G asociada al producto escalar se le llama Matriz de Gram.
Ejemplos Una condición sobre la matriz asociada
Ejemplo 6.3
Dado el producto escalar:
Teorema 6.1 (Criterio de Sylvester)
(x1 , x2 , x3 ) · (x1 , y2 , y3 ) =
Una condición necesaria y suficiente para que una matriz A esté asociada a
= x1 y1 + 6x2 y2 + 7x3 y3 + 2x1 y2 + 2x2 y1 − 2x2 y3 − 2x3 y2 un producto escalar es que sea simétrica y cumpla
 
Calcula la matriz asociada. a11 a12 ... a1i
 a12 a22 ... a2i 
det  . ..  > 0 ∀i ∈ {1, 2, . . . n}
 
Ejemplo 6.4 ..
 .. . . 
Dado el cuadrado escalar: a1i a2i ... aii
(x, y )2 = 3x 2 − xy + 2y 2
Calcule la matriz asociada al producto escalar correspondiente.
¿Son productos escalares? Cambio de base en productos escalares
Sea · un producto escalar, cuya matriz asociada en la base B es G y en la

base B 0 es H, entonces: H = P t GP, donde P matriz de cambio de base de
5 1 2 2 0 1
   
B a B0 .
A =  −1 1 −1  , B= 0 8 2 ,
   
Ejemplo 6.5
−2 1 3 1 2 −2 Calcúlese la matriz del producto escalar:
1 1 −1 1 3 1
   
C = 1 2

0 

D =  3 0 1 .
  (x1 , x2 ) · (y1 , y2 ) = 2x1 y1 + x2 y1 + x1 y2 + x2 y2
−1 0 3 1 1 1 en la base canónica. Calcúlese la matriz asociada en la base

B = {(1, 1), (−1, 1)}
Propiedades métricas Propiedades métricas
Contenido Longitud
Definición 6.3
Llamaremos
√ longitud,
√ norma o módulo de un vector al número real:
k~v k = ~v · ~v = ~v 2
3 Propiedades métricas Definición 6.4

Un vector ~v diremos que es unitario si k~v k = 1
4 Ortogonalidad
Definición 6.5
5 Diagonalización ortogonal Dado un vector ~v 6= ~0, llamaremos vector unitario asociado a ~v al vector:
6 Espacio afı́n euclı́deo ~v

k~v k
Propiedades métricas Propiedades métricas
Propiedades Ángulo que forman dos vectores
Definición 6.6
~v ·~
w
Si los dos vectores son no nulos: −1 ≤ ||~v || ||~w || ≤ 1 y existe un único
Teorema 6.2 (desigualdad de Cauchy-Schwartz) número real θ ∈ [0, π] tal que
Dados dos vectores cualesquiera del espacio euclı́deo V se cumple:
~v · w
~
cos(θ) =
|~v · w
~ | ≤ ||~v || ||~
w || ||~v || ||~
w ||
A θ ∈ R le llamaremos ángulo que forman los vectores ~v y w

~.
Corolario
Si los vectores ~v y w
~ son linealmente dependientes entonces se verifica la Nota 6.1
igualdad.
Si multiplicamos la expresión del coseno por las longitudes de los vectores
se obtiene la expresión habitual del producto escalar:
~v · w
~ = ||~v || ||~
w || cos(θ)
Propiedades métricas Ortogonalidad
¿Sorprendente?, no, la métrica depende del producto Contenido

escalar
Ejemplo 6.6 2 Matriz asociada a un producto escalar

Con el producto escalar que en la base canónica tiene asociada la matriz
 
1 1 −1
G = 1 2 −1  4 Ortogonalidad
−1 −1 2
Calcúlese el coseno del ángulo que forman los vectores (1, 0, 0) y (0, 1, 0).
Ortogonalidad Ortogonalidad
Vectores ortogonales
Definición 6.7
Dos vectores ~u y ~v diremos que son ortogonales y lo denotaremos por
~u ⊥ ~v si ~u · ~v = 0. Ejemplo 6.7
En R3 con el producto escalar habitual, se considera el vector
Teorema 6.3 ~v = (2, −3, 1), expresa el vector ~u = (1, 3, 5) como suma de dos vectores,
Sea (V , ·) un espacio euclı́deo, y sea ~v un vector no nulo de V , entonces, uno proporcional a ~v y otro ortogonal a éste.
cualquier vector ~u ∈ V se puede expresar de forma única como suma de un
vector proporcional a ~v y uno ortogonal a éste.
Teorema 6.4
En un espacio euclı́deo, cualquier sistema de vectores no nulos y
ortogonales dos a dos es un sistema libre.
Bases ortogonales
A continuación nos plantearemos el cálculo de una base donde la matriz
asociada al producto escalar sea lo más sencilla posible, es decir, siempre
que sea posible diagonal, y mejor aún, la identidad. Veamos qué tipo de
base serı́a, si queremos que la matriz asociada sea la identidad. Si Definición 6.8
Diremos que una base
B = {~v1 , ~v2 , . . . , ~vn }
B = {~v1 , ~v2 , . . . , ~vn }
es la base en la que la matriz asociada es la identidad, debe verificar que es una base ortogonal si sus vectores son ortogonales dos a dos.

 1 si i = j
Nota 6.2
~vi · ~vj =

0 si i 6= j Si trabajamos en una base ortogonal, la matriz de Gram es diagonal.
Bases ortonormales Método de Ortogonalización de Gram-Schmidt
A partir de una base cualquiera B = {~e1 ,~e2 , . . . ,~en }, vamos a obtener una
Definición 6.9 base ortogonal B 0 = {~v1 , ~v2 , . . . , ~vn } como sigue:
Diremos que una base
∀p ∈ {1, 2, . . . , n} ~ep = α1~v1 + α2~v2 + · · · + αp−1~vp−1 + ~vp
B = {~v1 , ~v2 , . . . , ~vn }
es una base ortonormal si sus vectores son ortogonales dos a dos y ~ep · ~vi
de forma que ~vp ⊥ ~vi entonces αi = para todo
unitarios. ~vi · ~vi
i ∈ {1, 2, . . . , p − 1}. Ası́, la base
Nota 6.3
~v1 ~v2 ~vn

Si trabajamos en una base ortonormal, la matriz de Gram es la identidad. , , ..., = {~u1 , ~u2 , ..., ~un }
k~v1 k k~v2 k k~vn k
es una base ortonormal de E .
Un ejemplo Ortogonalidad de subespacios
Definición 6.10
Se dice que dos subespacios U y V de E son subespacios ortogonales si
~v · w
~ = 0 para cada ~v ∈ U y para cada w
~ ∈ V . En este caso, se puede
Ejemplo 6.8 escribir U ⊥ V .
Utilı́cese el método anterior para calcular una base ortonormal para el
producto escalar definido en la base canónica por la matriz Definición 6.11
  Si U es un subespacio de un espacio euclı́deo E , el conjunto de los
1 1 −1 vectores ortogonales a U se denota por
G = 1 2 −1 
−1 −1 2 U ⊥ = {~
w ∈ E / ~v · w
~ = 0 ∀~v ∈ U}
Teorema 6.5
U ⊥ es subespacio de E y se le denomina suplemento ortogonal de U
respecto de E .
‘El’ suplemento ortogonal Proyección ortogonal
Consideremos en el espacio euclı́deo E de dimensión finita o no, U un

subespacio vectorial de E de dimensión m y un vector ~v ∈ E .
Teorema 6.6
n o Buscamos un vector ~u ∈ U tal que ~v − ~u sea ortogonal a U, es decir,
U ∩ U ⊥ = ~0 ~v − ~u ∈ U ⊥ . Al vector ~u se le denomina proyección ortogonal de ~v sobre
U y se le denota por ~u = proyU (~v ), o también ~u = πU (~v ) .
Teorema 6.7 Teorema 6.8
Para que un vector ~b ∈ E sea ortogonal al subespacio U es suficiente que Si U es un subespacio de dimensión finita de un espacio euclı́deo E (no
sea ortogonal a los vectores de una base cualquiera de U, necesariamente de dimensión finita) y ~p ∈ U es la proyección ortogonal de
B = {~e1 ,~e2 , ...,~en }. ~v ∈ E sobre U, ~v ∈
/ U, entonces
k~v − w
~ k > k~v − ~p k ∀~
w ∈U w
~ 6= ~p
Cálculo de la proyección Cálculo de la proyección de una función
Supongamos que conocemos una base del subespacio U: Ejemplo 6.9

B = {~e1 ,~e2 , · · · ,~em }, buscamos ~u ∈ U que debe ser de la forma Calcula la proyección ortogonal de la función f (x) = sen(πx) definida para
x ∈ [0, 1], en el espacio euclı́deo R2 [x] con el producto escalar:
~u = c1~e1 + c2~e2 + ... + cm~em Z 1
y que cumple ∀p, q ∈ R2 [x] p·q = p(x)q(x)dx

⊥ 0
~v − (c1~e1 + c2~e2 + ... + cm~em ) ∈ U
Para calcular la proyección, descomponemos ~v en suma de un vector de U 60π 2 − 720 2 60π 2 − 720 12π 2 − 120
y otro de U ⊥ y la proyección será el vector de U obtenido. p(x) = x − x +
π3 π3 π3
Ortogonalidad Diagonalización ortogonal
Contenido
4 Ortogonalidad
Diagonalización ortogonal Diagonalización ortogonal
Operadores simétricos
Ejemplo 6.10
Sea (R3 , ·), el espacio euclı́deo cuyo producto escalar tiene asociada en la
base canónica tiene asociada la matriz
Definición 6.12  
Sea (E , ·) un espacio euclı́deo, y sea T : E → E un endomorfismo, se dice 2 2 2
que es un operador simétrico si verifica la condición siguiente: G = 2 4 0 
2 0 3
∀~u , ~v ∈ V ~u · T (~v ) = T (~u ) · ~v
Se considera el endomorfismo cuya matriz asociada en la base canónica es:
Sean G y A las matrices asociadas a · y T en una cierta base B, entonces  
1 2 a
GA = At G = (GA)t A= 2 1 b 
2 2 3
Si G = I , entonces A es simétrica.
Calcúlense los valores de a, b ∈ R que hacen que el operador sea simétrico.
Diagonalización ortogonal Diagonalización ortogonal
Propiedades de los operadores simétricos Ejemplo

Ejemplo 6.11
Teorema 6.9 Se considera en R3 el producto escalar · : R3 × R3 −→ R cuya matriz
Si T : V → V es un operador simétrico, y α 6= β son valores propios de T , asociada en la base canónica es:
S(α) ⊥ S(β) 
2 −3 3

G =  −3 5 −4 
Teorema 6.10 3 −4 6
El polinomio caracterı́stico de un operador simétrico es de la forma:
y el operador T cuya matriz asociada en la base canónica es
n1 n2 np
p(λ) = (λ1 − λ) (λ2 − λ) · · · (λp − λ) λi ∈ R  
3 α 0
A=  0 −1 0 
Teorema 6.11
−2 4 −1
Todo operador simétrico es diagonalizable en una base ortonormal.
a) Calcula los valores de α ∈ R para los que el operador es simétrico.
b) En dichos casos, diagonalizar T en una base ortonormal.
Espacio afı́n euclı́deo Espacio afı́n euclı́deo
Contenido Espacios afines
Definición 6.13
1 Definición de Espacio Vectorial Euclı́deo Un conjunto E 6= ∅, a cuyos elementos se les llama puntos, se dice que es
un espacio afı́n asociado a un espacio vectorial dado V , si se dispone de
2 Matriz asociada a un producto escalar una aplicación
3 Propiedades métricas E × E −→ V
−→
(P, Q) → ~v = PQ ∈ V
4 Ortogonalidad que a cada par de puntos (P, Q) le asigna un vector ~v ∈ V , que se denota
−→
~v = PQ , verificando las dos condiciones siguientes:
5 Diagonalización ortogonal 1 Para cada punto P ∈ E y cada vector ~v ∈ V existe un único punto
−→
Q ∈ V tal que PQ = ~v (también se denota Q = P + ~v ).
2 Dados tres puntos cualesquiera P, Q, R de E se verifica que
−→ −→ −→
PQ + QR = PR
El plano y el espacio afı́n euclı́deo.
Nota 6.4
La relación del apartado (2) equivale a decir que
(P + ~u ) + ~v = P + (~u + ~v ) ∀ P ∈ E y ~u , ~v ∈ V Definición 6.14

Sea E un espacio afı́n asociado a un espacio vectorial real V . Se dice que
E es un espacio afı́n euclı́deo, si V es un espacio vectorial euclı́deo.
Nota 6.5
En lo sucesivo trabajaremos siempre considerando E = R2 como conjunto
de puntos y V = R2 como espacio vectorial o bien E = R3 como conjunto En un espacio afı́n euclı́deo podremos definir la distancia entre dos puntos
de puntos y V = R3 como espacio vectorial, es decir, considerando el como la norma del vector que determinan.
plano y el espacio tridimensional ordinarios.
Sistemas de referencia en el espacio afı́n. Cambio de sistema de referencia afı́n

Sea < = {O; {e~1 , e~2 , . . . , e~n }} una referencia afı́n en la que el punto Q
tiene coordenadas (x1, x2 , ..., xn )T . Supongamos que tenemos otra
Definición 6.15 0
0 0
referencia < = O ; e~1 , e~2 , . . . , e~n 0 0

en la que Q tiene coordenadas
Se llama sistema de referencia cartesiano a cada par formado por un (x10 , x20 , ..., xn0 )T . Si conocemos la nueva referencia en función de la
punto O de E y una base {e~1 , e~2 , . . . , e~n } del espacio vectorial V . Lo primera, esto es si sabemos que:
denotaremos < = {O; {e~1 , e~2 , . . . , e~n }}.
P es la matriz del cambio de base de {e~1 , e~2 , . . . , e~n } a e~1 0 , e~2 0 , e~3 0

El punto O se dice origen de la referencia.
−−→0
OO = o1 e~1 + o2 e~2 + · · · + on e~n
Se llaman coordenadas cartesianas de un punto P ∈ E , respecto del
Entonces las coordenadas del punto Q en las dos referencias están
sistema de referencia anterior a las coordenadas (x1 , x2 , ..., xn ) del vector
−→ relacionadas como sigue:
OP en la base {e~1 , e~2 , . . . , e~n }.
     0 
x1 o1 x1
En un espacio afı́n euclı́deo un sistema de referencia que tenga la base  x2   o2   x0 
ortonormal se llamará rectangular.  2 
 ..  =  ..  + P  .. 
   
 .   .   . 
xn on xn0
Cambio de sistema de referencia afı́n Ejemplo
Con la notación de la transparencia anterior, si


a11 a12 · · · a1n
 Ejemplo 6.12
 a21 a22 · · · a2n  En R3 se consideran sistemas de referencia < = {O; {e~1 , e~2 , e~3 }} y
dos
P=
<0 = O 0 ; e~1 0 , e~2 0 , e~3 0 . Sabiendo que

 ··· ··· ··· ··· 
an1 an2 · · · ann  −−→
 OO 0 = e~1 + 2e~2 − 3e~3
la relación entre coordenadas se suele escribir

 0
e~1 = e~1 + e~2
~0 ~ ~
x10  e2 = e2 + e3
    
x1 a11 a12 · · · a1n o1


 x2   x20 e~3 = e~1 + e~3
a21 a22 · · · a2n o2  
   
 ..   ..
 . = · ·· ··· ··· ··· ···  Obtener las coordenadas en la referencia <0 del punto P cuyas

   .
a n1 an2 · · · ann on 0 coordenadas en < son (1, 2, 3)T .
  
 xn    xn 
1 0 0 ··· 0 1 1
Ejemplo Variedades afines
Ejemplo 6.13
Definición 6.16
En R2 se consideran dos sistemas de referencia < = {O; {e~1 , e~2 }} y
<0 = O 0 ; e~1 0 , e~2 0 . Sabiendo que
Supongamos que P es un punto del espacio afı́n E y que H es un
subespacio vectorial del espacio vectorial V , entonces al conjunto
 −−→
 OO 0 = e~1 + 2e~2 −→
W = {Q ∈ E | PQ ∈ V } = {P + →
−
w |→
−
w ∈ V}
e~ 0 = e~1 + e~2
 10
e~2 = e~2 − e~1 se le denomina variedad afı́n que pasa por el punto P y tiene espacio de
Obtener las coordenadas en la referencia <0 del punto P cuyas dirección W . Usualmente se denota W = P + H.
coordenadas en < son (1, 2)T .
Ejemplos Ecuaciones de rectas y planos
Ejemplo 6.15
Calcúlense las ecuaciones paramétricas y cartesianas de la recta que pasa
Ejemplo 6.14 por el punto (1, 3) y tiene como subespacio direccional la recta de
En R2 consideramos el punto P = (1, 1) y el subespacio vectorial H de ecuación x + y = 0.
ecuación x = 0. El conjunto de puntos de R2
Ejemplo 6.16
W = (1, 1) + H = {(1, 1) + (0, y ) ∈ R2 | y ∈ R}
Calcúlense las ecuaciones paramétricas y cartesianas del plano que pasa
es la variedad afı́n que pasa por el punto (1, 1) y tiene espacio de dirección por el punto (1, 2, −1) y tiene como subespacio direccional el subespacio
x = 0. Como el subespacio H tiene dimensión 1 puede ser generado por un H = {(x, y , z) ∈ R3 | x + 2y + 3z = 0, x + y − z = 0} .
solo vector, por ejemplo →−v = (0, 1) y, suele decirse que es la recta
pasando por (1, 1) cuyo vector director es → −
v. Ejemplo 6.17
Calcúlense las ecuaciones paramétricas y cartesianas de la recta que pasa
por el punto (3, −7, 2) y tiene como subespacio direccional el subespacio
H =< (2, 2, 1) >.

Definición de Espacio Vectorial Euclídeo y Matriz Asociada

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Definición de Espacio Vectorial Euclídeo y Matriz Asociada

Cargado por

Copyright:

Formatos disponibles

Contenidos

1 Definición de Espacio Vectorial Euclı́deo

5 de diciembre de 2014 4 Ortogonalidad

email: zulima@uniovi.es 6 Espacio afı́n euclı́deo

Definición de Espacio Vectorial Euclı́deo Definición de Espacio Vectorial Euclı́deo

Ejemplo Cuadrado escalar

Ejemplo 6.1 Definición 6.2

Definición de Espacio Vectorial Euclı́deo Matriz asociada a un producto escalar

1 Definición de Espacio Vectorial Euclı́deo

Ejemplo 6.2 2 Matriz asociada a un producto escalar

6 Espacio afı́n euclı́deo

Representación matricial Propiedades de la Matriz de Gram

Se fija una base B = {~v1 , ~v2 , . . . , ~vn } y expresamos los vectores ~u , w

A la matriz G asociada al producto escalar se le llama Matriz de Gram.

Matriz asociada a un producto escalar Matriz asociada a un producto escalar

Ejemplos Una condición sobre la matriz asociada

Calcule la matriz asociada al producto escalar correspondiente.

¿Son productos escalares? Cambio de base en productos escalares

Sea · un producto escalar, cuya matriz asociada en la base B es G y en la

−1 0 3 1 1 1 en la base canónica. Calcúlese la matriz asociada en la base

Propiedades métricas Propiedades métricas

3 Propiedades métricas Definición 6.4

6 Espacio afı́n euclı́deo ~v

Propiedades Ángulo que forman dos vectores

A θ ∈ R le llamaremos ángulo que forman los vectores ~v y w

Propiedades métricas Ortogonalidad

¿Sorprendente?, no, la métrica depende del producto Contenido

1 Definición de Espacio Vectorial Euclı́deo

Ejemplo 6.6 2 Matriz asociada a un producto escalar

Bases ortonormales Método de Ortogonalización de Gram-Schmidt

es una base ortonormal de E .

Un ejemplo Ortogonalidad de subespacios

‘El’ suplemento ortogonal Proyección ortogonal

Consideremos en el espacio euclı́deo E de dimensión finita o no, U un

Cálculo de la proyección Cálculo de la proyección de una función

Supongamos que conocemos una base del subespacio U: Ejemplo 6.9

y que cumple ∀p, q ∈ R2 [x] p·q = p(x)q(x)dx

1 Definición de Espacio Vectorial Euclı́deo

2 Matriz asociada a un producto escalar

6 Espacio afı́n euclı́deo

Diagonalización ortogonal Diagonalización ortogonal

Propiedades de los operadores simétricos Ejemplo

Espacio afı́n euclı́deo Espacio afı́n euclı́deo

Contenido Espacios afines

El plano y el espacio afı́n euclı́deo.

(P + ~u ) + ~v = P + (~u + ~v ) ∀ P ∈ E y ~u , ~v ∈ V Definición 6.14

Espacio afı́n euclı́deo Espacio afı́n euclı́deo

Sistemas de referencia en el espacio afı́n. Cambio de sistema de referencia afı́n

Cambio de sistema de referencia afı́n Ejemplo

Con la notación de la transparencia anterior, si

Espacio afı́n euclı́deo Espacio afı́n euclı́deo

Ejemplo Variedades afines

Ejemplos Ecuaciones de rectas y planos

También podría gustarte