Referente Pensamiento Eje 4

ÁLGEBRA LINEAL
Jairo Ariza Herreño
EJE 4
Propongamos
Fuente: Shutterstock/593362550
Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Espacio euclídeo N dimensiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Definiciones y operaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Álgebra de los vectores y la norma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Producto punto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Ortogonalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Transformación lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Definición y concepto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Propiedades y rango . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
Núcleo de una transformación lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
ÍNDICE
Introducción
Sin lugar a dudas cada vez es más importante la utilización de herra-

mientas tecnológicas, como el software especializado que permite la
aplicación efectiva de los conceptos básicos de las ciencias en la inge-
niería. Específicamente para el álgebra lineal, la utilización de software
como GeoGebra o Matlab le da la oportunidad al estudiante de aplicar lo
INTRODUCCIÓN
aprendido de una manera más eficiente en el desarrollo de su futura vida

profesional, por esto abordaremos los conceptos de manera teórica y al
final del eje lo invitaremos a observar cómo podemos realizar estas tareas
aplicando software especializado, de tal manera que también pueda usar
estas herramientas en la solución de problemas geométricos en ingeniería.
Espacio euclídeo N
dimensiones
Comúnmente utilizamos números reales para ubicar posiciones en una recta numérica,
parejas de números para localizar puntos en el plano y ternas de números para localizar
puntos en el espacio tridimensional, esta idea se utilizó por primera vez a mediados del
siglo XVII. Sin embargo, con el desarrollo del trabajo de algunos matemáticos y físicos a
finales del siglo XIX, se hizo necesario ampliar este concepto y no quedarse únicamente
en las ternas que representan los tres planos o el espacio tridimensional conocido por
todos. Se reconoció que los conjuntos ordenados de cuatro números (a1, a2, a3, a4) se
podían considerar como puntos en el espacio de una cuarta dimensión “tetradimen-
sional”, los conjuntos ordenados de cinco números (a1, a2, a3, a4, a5) como puntos en el
espacio de una quinta dimensión “pentadimensional”, etc. Aunque concebir un espacio
de más de tres dimensiones resulte una cuestión bastante compleja para la mayoría de
las personas debido a que la concepción geométrica no se extiende más allá del espacio
tridimensional, es posible extender muchas ideas conocidas más allá de tal espacio,
trabajando con propiedades analíticas o numéricas de puntos y vectores, en lugar de las
propiedades geométricas.
Si n es un número positivo, entonces una n-ada ordenada es una sucesión de n números

reales (a1, a2, a3, . . ., an). El conjunto de todas las n-adas ordenadas se conoce como
espacio n dimensional y se denota por Rn.
Cuando n = 2, o bien, 3, es común usar los términos “pareja ordenada” y “terna

ordenada” en lugar de 2-ada y 3-ada ordenadas. Cuando n = 1, cada n-ada ordenada
consta de un número real y, por tanto, R1 se puede concebir como el conjunto de los
números reales.
Como ya sabemos, el símbolo (a1, a2, a2) tiene dos interpretaciones geométricas dife-
rentes, puede interpretarse como un punto en el espacio tridimensional, en cuyo caso a1,
a2 y a3 son las coordenadas cartesianas (x, y, z) o se puede interpretar como un vector,
en cuyo caso a1, a2 y a3 son las componentes del vector (i, j, k). Podemos concluir que
una n-ada ordenada (a1, a2, . . ., an) se puede concebir como un “punto generalizado” o
como un “vector generalizado. Por consiguiente, tenemos libertad de describir la 5-ada
(-2, 4, 0, 1, 6) como un punto en R5 o como un vector en R5.
Definiciones y operaciones
Un espacio euclídeo o también llamado espacio vectorial real, si se limita en el conjunto

de los números reales se puede definir como un espacio vectorial de dimensión n, Rn, en
el cual se ha definido un producto interno que corresponde al mismo producto escalar
definido para vectores en R2 o R3. Por ejemplo, para un espacio vectorial n dimensional
Rn se puede definir:
Álgebra lineal - eje 4 propongamos 5

Que como podemos observar es la definición del producto punto o escalar. Es reco-
mendable recordar algunos conceptos que son importantes en el trabajo con espacios
vectoriales.
• Producto escalar o producto punto: dado dos vectores

y se define el producto escalar o punto:
Ejemplo
Calcule el producto escalar para los siguientes vectores:
y
• Norma de un vector: para un vector se define la norma o magnitud:
Ejemplo
Encuentre la norma del vector
• Vectores ortogonales: dos vectores son ortogonales si su producto punto es

cero:
Instrucción
Para realizar operaciones que relacionan la norma de un
vector, utilizando el software matemático GeoGebra,
revise el recurso de aprendizaje videorresumen, titulado
Norma de un vector. Disponible en la plataforma.

Ejemplo
Ejemplo 3
Verifique si los vectores y son

ortogonales:
Como se verifica que , entonces los vectores son

ortogonales.
• Base de un espacio vectorial: para que un conjunto de vectores sean la base de

un espacio vectorial Rn deben cumplir con que sean linealmente independientes
y que además estos constituyan un conjunto generador del espacio vectorial Rn.
• Si de dos vectores que están en un mismo plano cartesiano se dice que son
perpendiculares u ortogonales si el ángulo entre ellos es de 90° o . Entonces
es posible encontrar el ángulo entre los vectores utilizando la siguiente expresión:
Álgebra de los vectores y la norma
Las operaciones y las propiedades de los vectores descritas en R2 y R3 se pueden gene-

ralizar a vectores en un espacio n dimensional.
• Se dice que dos vectores = (u1, u2, ,un) y = (v1, v2, ,vn) en Rn son igua-
les si:
u1 = v1, u2 = v2, ,un = vn
• La suma + se define por:

+ = (u1 + v1, u2 + v2, , un + vn)
• Si k es cualquier escalar, el múltiplo escalar k se define por:

k = (ku1, ku2, , kun)
Las operaciones de adición y multiplicación escalar dadas en esta definición se deno-
minan operaciones estándar sobre Rn:
• Se define el vector cero en Rn como el vector:

0 = (0, 0, , 0)

• Si = (u1, u2, , un) es un vector cualquiera en Rn, entonces el negativo o inverso
aditivo de se denota por y se define por:
- = (-u1, -u2, , -un)
• Se define la sustracción de vectores en Rn por o, en términos de las
componentes:
En el teorema que sigue se muestran las propiedades aritméticas más importantes de

la adición y la multiplicación escalar de vectores en Rn.
Teorema
Si = (u1, u2, , un), = (v1, v2, , vn), = (w1, w2, ... ,wn) son vectores en Rn,
y k y l son escalares, entonces:
Demostraremos el inciso h del anterior teorema, para lo cual definiremos un vector

, el cual se multiplica por el escalar 1:
Con este teorema se pueden manipular los vectores en Rn sin expresarlos en términos
de componentes, casi de la misma manera como se manipulan los números reales. Por
ejemplo, para despejar en la ecuación vectorial + =, se puede sumar a ambos
miembros y proceder de la siguiente forma:

La norma, magnitud o longitud de un vector se definió anteriormente en términos
de sus componentes, ahora es posible expresarla como un producto punto de la siguiente
manera:
Aplicando el producto punto tenemos:
Esta última ecuación es la definición de norma de un vector en términos de sus

componentes.
Dado un vector , debemos comprobar que las dos

definiciones de norma de un vector son iguales.
Ejemplo
Ejemplo 4
Norma de un vector
Calcule la norma del vector en R2 utilizando las dos defini-

ciones de la norma de un vector.
Primero lo realizamos en términos de sus componentes y obtenemos:
Ahora lo desarrollamos aplicando el producto escalar:
Como era de esperar obtenemos el mismo resultado aplicando cual-

quiera de las dos definiciones, también podemos darnos cuenta que
la norma de un vector es un número real.

Al aplicar la definición vectorial de la norma se llega a dos conclusiones:
La norma, magnitud o longitud de un vector cumple ciertas propiedades. Para dos

vectores , y un escalar definidos en Rn se tiene:
Ilustraremos la demostración de la propiedad, las otras dos se dejan como ejercicio

para el estudiante.
Si se tiene un vector y un escalar en Rn debemos demostrar que:
Tomando la raíz positiva de que en este caso equivale a queda realizada la

demostración.
Se dice que un vector es unitario o normalizado sí
Para un vector cualquiera, con , que no sea unitario,

siempre podemos extraer un vector unitario de la siguiente manera:

Instrucción
Para revisar aplicaciones de los vectores utilizando el
software matemático GeoGebra, revise el recurso de
aprendizaje: videorresumen 2, titulado Una aplicación
de los vectores en física. Lo encuentra disponible en la
página principal de este eje.
Ejemplo
Ejemplo 5
Obtención de un vector unitario
Dado el vector en R3 encuentre un vector unitario
Producto punto
Dados dos vectores y en Rn podemos, entonces

definir el punto o producto euclidiano como:
Observe que cuando n = 2 o bien 3, el producto euclidiano interior es el producto escalar

ordinario.

Ejemplo
Ejemplo 6
Producto euclidiano interior de dos vectores en R4:
Dados los vectores . encontrar
El producto escalar también llamado producto interno cumple las siguientes propie-
dades para cualquier par de vectores . en Rn y que son escalares.
Es decir, un producto escalar es bilineal, simétrico y positivo.
Demostraremos la 1.° propiedad y las otras se sugieren como ejercicio al estudiante:
Dados los vectores y demostrar que
Aplicando la ley conmutativa de la multiplicación se obtiene que:
Con lo cual se demuestra que

Ejemplo
Ejemplo 7
Propiedades del producto interno
Con los vectores y los escalares

y demuestre que
Como nos da una igualdad esto nos indica que sí se cumple la propiedad
Ortogonalidad
Recordemos que dos vectores y son ortogonales entre sí cuando el producto

escalar entre ellos es cero:
Pero si además la norma de los vectores es uno, se dice que los vectores son
ortonormales.
Si un conjunto de vectores definido en Rn cumple que:
La segunda condición nos dice que todos los vectores del conjunto S son vectores
unitarios. Entonces se dice que el conjunto S es un conjunto ortonormal, si solo cumple
la primera condición el conjunto es ortogonal.
Cualquier base de Rn se puede convertir en una base ortonormal, para esto se utiliza
el método de ortonormalización de Gram-Schmidt que recibe este nombre en honor a
los matemáticos Jörgen Pedersen Gram (1850-1916) y Erhardt Schmidt (1876-1959). Y se
procede de la siguiente manera.

Para cualquier base se debe hallar otra base en
donde cada par de vectores sean ortogonales entre sí.
Se definen los vectores de la nueva base de la siguiente manera:
Donde los coeficientes se determinan de tal forma que cada vector sea
ortogonal al resto de vectores.
De esta manera:
Entonces despejando llegamos a:
De manera análoga se procede para teniendo en cuenta las siguientes condiciones:
Entonces:
Por tanto:
De aquí se puede llegar a una expresión genérica:
De esta manera se consigue una base de vectores ortogonales, si dividimos ahora cada
uno de ellos por su norma obtenemos una base ortonormal de vectores:
Ilustraremos el procedimiento anterior con un ejemplo.

Ejemplo
Ejemplo 8
Elaboración de una base ortonormal de vectores en R3
Construir una base ortonormal en R3 si se tiene la base , en

donde
Entonces siguiendo el procedimiento anteriormente descrito tenemos:
Ahora se normalizan los vectores, y dividiéndolos por su respectiva

norma:
Y así obtenemos los tres vectores ortonormales.

Instrucción
Para revisar aplicaciones de la forma de encontrar el ángulo entre
dos vectores, utilizando el software matemático GeoGebra, revise el
recurso de aprendizaje: videorresumen 3 Ángulo entre dos vectores.
Disponible en la página principal de este eje.
Transformación lineal
Recordemos que una función f: A → B es una regla de asociación entre los elementos
de los conjuntos A y B, de tal forma que a cada elemento a del conjunto A se le asigna
un único elemento b del conjunto B, el que se denomina imagen de a por medio de f, es
decir, b = f(a).
Los conjuntos A y B reciben el nombre de dominio y codominio o contradominio de f,

respectivamente, y al subconjunto de B formado por todas las imágenes de los elementos
de A lo llamamos rango o conjunto imagen de f.
Ahora nos interesa el estudio de las funciones entre espacios vectoriales que cumplan
con las operaciones de suma y multiplicación por escalar definidas para cada una de ellas;
es decir, que la imagen de una suma de vectores sea la suma de las imágenes y que la
imagen de una multiplicación por escalar de un vector sea también una multiplicación
por escalar de la imagen del vector.
Ejemplo
Ejemplo 9
Dominio, codominio y rango de una función
Dados los conjuntos A = (1, 2, 3, 4) y B = (1, 2, 3, 4, 5, 6, 7, 8, 9, 0) se

define la función f(x) = 2x. Encuentre el dominio, codominio y rango de
la función.
El dominio de la función corresponde a los elementos el conjunto A que

tienen imagen en el conjunto B, en este caso Dom f = (1, 2, 3, 4).
El codominio o rango son los elementos del conjunto B (1, 2, 3, 4, 5, 6, 7,

8, 9, 0).
El rango está formado por los elementos del conjunto B que son imagen
de un elemento del conjunto A, para este caso R f = (2, 4, 6, 8).

Definición y concepto
Dados dos espacios vectoriales V y W se define una transformación lineal de V en W,

T: V W a la función que a cada vector del espacio vectorial V un único vector del
espacio vectorial W y que cumple para cualquier par de vectores del espacio V y un
escalar real las siguientes condiciones:
propiedad aditiva.
propiedad homogénea.
En este caso es importante recalcar que los vectores

se encuentran en el espacio vectorial W.
En muchas ocasiones las transformaciones lineales se suelen llamar operadores lineales.
Ejemplo
Ejemplo 10
Transformación de R3 en R2
Dada la función:
Verifique que T es una transformación lineal.
Para probar esta afirmación se debe verificar que T cumple las dos con-
diciones dadas, la propiedad aditiva y la propiedad homogénea.
Comenzamos por verificar la propiedad aditiva para lo cual definimos

dos vectores en R3, entonces:
Con esto queda verificada la primera propiedad, ahora procedemos a

verificar la segunda propiedad.
Definimos el vector (x, y, z) en R3 y el escalar

Como se verifican las dos propiedades podemos concluir que
es una transformación lineal.
Propiedades y rango
Sea T:V →W una transformación lineal, entonces para todos los vectores .
en V y los escalares se cumplen las siguientes propiedades:
En la primera propiedad el cero que se encuentra a la izquierda de la igualdad hace

referencia al vector nulo en el espacio vectorial V, mientras que el cero que se encuentra
a la derecha de la igualdad se refiere al vector nulo del espacio vectorial W.
Demostraremos la segunda propiedad y las otras dos, se sugiere al estudiante que las
realice como ejercicio.
Para una transformación lineal definida T:V→W en donde T(V)=ImT ∁ W, si esta tiene
una dimensión finita, se dice que T tiene rango llamado r(T).
Dicho de otra manera, el rango de una transformación lineal, es un número que nos
mide el tamaño de la imagen de la transformación.
Es conveniente también introducir el concepto de nulidad v(T) esta se puede definir

como
Es decir, la nulidad de una transformación lineal v(T) es el tamaño del núcleo de la

transformación.

Núcleo de una transformación lineal
Sean V y W dos espacios vectoriales y T:V→W una transformación lineal, entonces el

núcleo de T nu T se define como:
Nótese que el conjunto nu T no es un conjunto vacío, ya que T(0)= 0 entonces como

mínimo es un conjunto unitario. De lo que se trata es de encontrar otros vectores del
espacio vectorial V que al aplicarles la transformación lineal se conviertan en cero.
Igualmente podemos definir la imagen de im T como:
La imagen de T, im T es, el conjunto de imágenes de los vectores del espacio vec-

torial V.
El nu T es un subespacio del espacio vectorial V, mientras que la im T es un subespacio

del espacio vectorial W.
Ejemplo 11
Núcleo, imagen, nulidad y rango de una transformación lineal
Dada la transformación T: R4→R3 definida como
Encontrar nu T, im T, v (T) y r(T)
Para comenzar recordamos la base canónica de R4 que contiene los vectores:
Aplicamos la transformación a cada uno de los vectores de la base canónica:

Con estos vectores armamos la matriz asociada a la transformación que nos queda:
Ahora para encontrar nu T resolvemos AT ∙ T = T0
Aplicamos operaciones elementales por columnas para llevar la matriz ampliada a su

forma escalonada:
Intercambiamos las filas 2 y 3.
Multiplicamos la fila 1 por -1 y la sumamos a la fila 2.
Sumamos la fila 2 con la fila 3 para obtener la fila 2.
Sumamos la fila 2 con la fila 1 y dividimos la fila 2

entre 2.
De esta manera obtenemos el siguiente sistema de ecuaciones:

Despejando obtenemos:
Entonces podemos escribir:
Entonces obtenemos el nu T:
Recordemos que la nulidad está dada por v(T)=dim nu T y como el nu T tiene un solo
vector entonces:
v(T)=1
Para encontrar la imagen im T expresamos nuestros vectores de la base como una
combinación lineal:
Como ya sabemos, para generar en R3 necesitamos tres vectores, por lo cual uno de
los cuatro vectores lo podemos expresar como una combinación lineal de los otros, esto
nos queda:
Resolviendo este sistema obtenemos los valores:
Ahora planteamos el determinante con nuestros tres vectores
Como el determinante nos da diferente de cero entonces nuestros vectores son lineal-
mente independientes, entonces la im T es:

Y finalmente el rango de T:
r(T)=3
Ya que es la dimensión de la imagen que en este caso está dada por tres vectores.
Ejemplo 12
Aplicación de una transformación lineal
Un fabricante elabora cuatro productos diferentes p1, p2, p3 y p4, para elaborar cada
uno de ellos requiere de tres tipos de insumos diferentes i1, i2, i3. En la tabla siguiente se
especifican la cantidad de cada uno de los insumos que requiere para elabora una unidad
de cada producto:
Productos
p1 p2 p3 p4
i1 2 1 3 4
Insumos
i2 4 2 2 1
i3 3 3 1 2
Tabla 1.
Fuente: propia
Se requiere saber cuántas unidades de cada insumo se deben utilizar para elaborar un
número determinado de productos. Entonces podemos definir:
Si en determinado momento se requieren producir:
¿Cuántas unidades de cada insumo se requieren para producir esa cantidad de

productos?
Podemos plantear una transformación lineal T: P→i que se puede definir como la
transformación del vector producción en el vector insumos en donde A nos indica la base
del espacio vectorial P:
Ap = i

Entonces, resolviendo tenemos que se necesitan 145 unidades de i1, 105 unidades de i2
y 95 unidades de i3.
Visitar página
Podemos realizar varias aplicaciones de las transformaciones lineales
para resolver diversos problemas con el software GeoGebra o con
Matlab, para esto le pedimos que revise los siguientes vínculos en los
cuales se explican algunas aplicaciones sencillas. Le invitamos, de
igual manera, para que explore muchas más aplicaciones que puede
resolver utilizando estos recursos.
https://youtu.be/GEFlDKW__dk
https://youtu.be/08mvAzroMt0
https://youtu.be/5hvGI4XSZrM
https://youtu.be/fHLZ2EEKX5s
https://youtu.be/CwlUHdj-oyQ
https://bit.ly/2C6CQTp
Así damos por terminado este cuarto eje del módulo de Álgebra Lineal en el cual se
abordaron los temas de espacios euclídeos y transformaciones lineales, esperamos que
con los conceptos trabajados en el desarrollo del eje pueda dar respuesta a la pregunta
orientadora y consiga plantear diferentes alternativas de solución a problemas de la
ingeniería en contextos geométricos.
Instrucción
Para repasar los conceptos vistos durante el eje 4, usted debe
realizar la actividad práctica de aprendizaje que se encuentra
disponible en la plataforma.
Ta m b i é n , l o i n v i ta m o s a re a l i z a r l a l e c t u ra
complementaria:
Álgebra lineal y sus aplicaciones. Combinación lineal (pp
279 a 286)
Eduardo Gutiérrez González y Sandra Ochoa García

Bibliografía
Antón, H. (1994). Introducción al álgebra lineal. Recuperado de https://

bibliotecavirtualmatematicasunicaes.files.wordpress.com /2011/ 11/
introduccic3b3n-al-c3a1lgebra-lineal-3ra-edicic3b3n-howard-anton1.
pdf
Apóstol, T. (2001). Calculus. Cálculo con funciones de una variable, con una
introducción al álgebra lineal. Recuperado de https://calculounicaes.
files.wordpress.com/2012/04/calculo-volumen-1-de-tom-apostol.pdf
Bru, R., y Climent, J. (2002). Álgebra lineal. Valencia, España: Universidad

Politécnica de Valencia.
BIBLIOGRAFÍA
Fernández, S., Martínez, A., y Paniagua, R. (1994). Manual para la matemática

universitaria: álgebra lineal. Madrid, España: Editorial ESIC.
Florey, F. (1993). Álgebra lineal y aplicaciones. México D. F., México: Prentice

Hall.
Grossman, S., y Flores, J. (2012). Algebra lineal. Recuperado de https://

gerortiz.files.wordpress.com/2015/08/algebra_lineal_-_7ma_edicion_-_
stanley_l-_grossman.pdf
Kolman, B., y Hill, D. (2006). Algebra lineal. Recuperado de https://

algebralineal2010.files.wordpress.com/2012/09/algebra-lineal-kolman.
pdf
Swokowski, E., y Cole, J. (2002). Algebra y trigonometría con geometría

analítica. México D. F., México: Cengage Learning Editores.
Tejero, L. (1992). Álgebra lineal. Madrid, España: Universidad Nacional a

Distancia.
Universidad de Valencia. (s.f.). Introducción a la Matemática Económico-

Empresarial. Recuperado de https://www.uv.es/~perezsa/docencia/
material/IMEE/Matrices.pdf
Zill, D., y Dewar, J. (2000). Álgebra, trigonometría y geometría analítica.

Recuperado de http://www.prepa6tecpan.com.mx/Archivos /
B i b l i o te c a /J e s % C 3 % B A s _ D a v i d _ M a r t i n ez _ A b a rc a /4 a l g e b ra -
trigonometr%C3%ADa-y-geometr%C3%ADa-anal%C3%ADtica-3ra-
Edici%C3%B3n-Dennis-G.-Zill.pdf

Referente Pensamiento Eje 4

Cargado por

Información del documento

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

Referente Pensamiento Eje 4

Cargado por

Copyright:

Formatos disponibles

ÁLGEBRA LINEAL

Jairo Ariza Herreño

Espacio euclídeo N dimensiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

Álgebra de los vectores y la norma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

Núcleo de una transformación lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

Sin lugar a dudas cada vez es más importante la utilización de herra-

aprendido de una manera más eficiente en el desarrollo de su futura vida

Si n es un número positivo, entonces una n-ada ordenada es una sucesión de n números

Cuando n = 2, o bien, 3, es común usar los términos “pareja ordenada” y “terna

Un espacio euclídeo o también llamado espacio vectorial real, si se limita en el conjunto

Álgebra lineal - eje 4 propongamos 5

• Producto escalar o producto punto: dado dos vectores

• Norma de un vector: para un vector se define la norma o magnitud:

Encuentre la norma del vector

• Vectores ortogonales: dos vectores son ortogonales si su producto punto es

Álgebra lineal - eje 4 propongamos 6

Verifique si los vectores y son

Como se verifica que , entonces los vectores son

• Base de un espacio vectorial: para que un conjunto de vectores sean la base de

Álgebra de los vectores y la norma

Las operaciones y las propiedades de los vectores descritas en R2 y R3 se pueden gene-

• La suma + se define por:

• Si k es cualquier escalar, el múltiplo escalar k se define por:

• Se define el vector cero en Rn como el vector:

Álgebra lineal - eje 4 propongamos 7

En el teorema que sigue se muestran las propiedades aritméticas más importantes de

Demostraremos el inciso h del anterior teorema, para lo cual definiremos un vector

Álgebra lineal - eje 4 propongamos 8

Aplicando el producto punto tenemos:

Esta última ecuación es la definición de norma de un vector en términos de sus

Dado un vector , debemos comprobar que las dos

Calcule la norma del vector en R2 utilizando las dos defini-

Primero lo realizamos en términos de sus componentes y obtenemos:

Ahora lo desarrollamos aplicando el producto escalar:

Como era de esperar obtenemos el mismo resultado aplicando cual-

Álgebra lineal - eje 4 propongamos 9

La norma, magnitud o longitud de un vector cumple ciertas propiedades. Para dos

Ilustraremos la demostración de la propiedad, las otras dos se dejan como ejercicio

Si se tiene un vector y un escalar en Rn debemos demostrar que:

Tomando la raíz positiva de que en este caso equivale a queda realizada la

Se dice que un vector es unitario o normalizado sí

Para un vector cualquiera, con , que no sea unitario,

Álgebra lineal - eje 4 propongamos 10

Obtención de un vector unitario

Dado el vector en R3 encuentre un vector unitario

Dados dos vectores y en Rn podemos, entonces

Observe que cuando n = 2 o bien 3, el producto euclidiano interior es el producto escalar

Álgebra lineal - eje 4 propongamos 11

Producto euclidiano interior de dos vectores en R4:

Dados los vectores . encontrar

Es decir, un producto escalar es bilineal, simétrico y positivo.

Demostraremos la 1.° propiedad y las otras se sugieren como ejercicio al estudiante:

Dados los vectores y demostrar que

Aplicando la ley conmutativa de la multiplicación se obtiene que:

Con lo cual se demuestra que

Álgebra lineal - eje 4 propongamos 12

Propiedades del producto interno

Con los vectores y los escalares

Recordemos que dos vectores y son ortogonales entre sí cuando el producto

Si un conjunto de vectores definido en Rn cumple que:

Álgebra lineal - eje 4 propongamos 13

Se definen los vectores de la nueva base de la siguiente manera:

Entonces despejando llegamos a: