Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Álgebra Lineal
Universidad Nacional de Colombia, sede Medellín
Clase 1. Vectores y producto punto
1. Vectores en Rn
Definición: El espacio Euclidiano de dimensión n, denotado por R n, es el conjunto de todas las n-tuplas ordenadas de números
[]
v1
v2
reales. Un elemento v de R n es llamado vector y se representa (como vector columna) de la forma v = . El escalar v i se
⋮
vn
[]
1
denomina la i-ésima componente de v. Por ejemplo el vector v = −1 es un vector en R 3 cuyas componentes son − 1, 1 y 3.
3
Nota: Los vectores también se pueden representar como vectores fila de la forma v = [ v 1, v 2, …,
]
v n . En estas notas
usualmente vamos a denotar los vectores como vectores columna.
Loading [MathJax]/jax/output/CommonHTML/fonts/TeX/fontdata.js
[] []
u1 v1
u2 v2
Definición: Supongamos que u = yv= son vectores en R n y sea λ un escalar (esto significa que λ es un número
⋮ ⋮
un vn
[ ][ ][ ]
u1 v1 u1 + v1
u2 v2 def. u2 + v2
u+v= + = .
⋮ ⋮ ⋮
un vn un + vn
Por otro lado, definimos el producto por escalar de λ y v, denotado por λv, como el vector de R n :
[ ][ ]
v1 λv 1
v2 def. λv 2
λv = λ = .
⋮ ⋮
vn λv n
En otras palabras, la suma y producto por escalar de vectores se realiza componente a componente.
[ ] [ ] []
1 1 1
2 0 1
Ejemplo: Sean v 1 = , v2 = y v3 = . Calcular:
−1 −2 5
2 0 1
1. 3v 1 + 2v 2 − v 3.
2. v 1 + v 2.
Solución:
Loading [MathJax]/jax/output/CommonHTML/fonts/TeX/fontdata.js
[ ] [ ][] [ ] [ ]
1 1 1 3+2−1 4
2 0 1 6+0−1 5
1. 3v 1 + 2v 2 − v 3 = 3 +2 - = = .
−1 −2 5 −3 − 4 − 5 − 12
2 0 1 6+0−1 5
[ ][][]
1 1 2
0 1 1
2. v 2 + v 3= + = .
−2 5 3
0 1 1
Nota: La suma de vectores solamente está definida para vectores con el mismo número de entradas.
→
En las propiedades 3 y 4, 0 denota el vector cuyas componentes son todas iguales a cero.
2. Combinaciones Lineales
Definición: Un vector v es combinación lineal de los vectores v 1, v 2, …, v k si existen escalares c 1, c 2, …, c k tales que
v = c 1v 1 + c 2v 2 + ⋯ + c kv k.
Loading [MathJax]/jax/output/CommonHTML/fonts/TeX/fontdata.js
En general para determinar si un vector dado es combinación lineal de otros vectores dados se debe resolver un sistema de
ecuaciones lineales. Esto se discutirá más adelante.
[] []
1 −1
2 −3
Ejemplo: Supongamos que u 1 = y u2 = . Encuentre el conjunto de todas las combinaciones lineales de dichos vectores.
−1 2
0 1
Solución: Denotemos por H al conjunto de todas las combinaciones lineales de los vectores u 1 y u 2. Entonces
[] [] [ ] [ ][ ]
x x 1 −1 a−b
y y 2 −3 2a − 3b
∈ H si y sólo si =a +b =
z z −1 2 − a + 2b
w w 0 1 b
{[ ]| }
a−b
2a − 3b
H= a, b ∈ R .
− a + 2b
b
3. Producto Punto
[] []
u1 v1
u2 v2
Definición: Si u = yv= son vectores en R n, entonces el producto punto de u y v está definido por
⋮ ⋮
un vn
u ⋅ v = u 1v 1 + u 2v 2 + ⋯ + u nv n.
Loading [MathJax]/jax/output/CommonHTML/fonts/TeX/fontdata.js
[] [ ]
1 −1
Ejemplo: Si u = 2 yv= 0 , entonces u ⋅ v = (1)( − 1) + (2)(0) + (3)(2) = 5.
3 2
Nota: El producto punto solamente está definido para vectores con el mismo número de entradas.
El producto punto puede utilizarse para estudiar ciertas propiedades geométricas de los vectores. Algunas de estas propiedades se
estudian a continuación.
Longitud:
[]
v1
v2
Supongamos que v = es un vector en R n. La longitud o norma de v se define como el número real denotado por ‖v‖ que se
⋮
vn
define por
2 2 2
‖v‖ = √v ⋅ v = √v 1 + v 2 + ⋯ + v n.
En general, la ecuación que define la longitud de un vector se puede ver como una generalización del teorema de Pitágoras en altas
dimensiones.
[]
1
2
Ejemplo: Dado v = , encuentre un vector unitario en la misma dirección de v.
−1
2
[][ ]
1
√10 / 10
1 1 2 √10 / 5
Solución: Un vector unitario en la dirección de v es el vector q = v= = .
‖v‖ √10 −1 − √10 / 10
2
√10 / 5
Ángulo:
Definición: Supongamos que u y v son dos vectores no nulos en R n. El ángulo que forman los vectores u y v es el único ángulo
0 ≤ θ ≤ π tal que
(u ⋅ v)
cos(θ) = .
‖u‖‖v‖
[] [ ]
1 3
Ejemplo: Supongamos que u = 3 yv= − 1 . Notemos que u ⋅ v = 0. Si denotamos por θ al ángulo entre u y v se tiene que
0 5
0
cos(θ) = ‖ u ‖ ‖ v ‖ = 0. De aquí concluimos que θ = π / 2, es decir, los vectores u y v son perpendiculares. Esto se puede ver en la
siguiente figura.
Loading [MathJax]/jax/output/CommonHTML/fonts/TeX/fontdata.js
La desigualdad de Cauchy-Schwarz: Para todo par de vectores u y v en R n se satisface la siguiente desigualdad:
|u ⋅ v| ≤ ‖u‖‖v‖.
La desigualdad de Cauchy-Schwarz se puede deducir a partir de la definición del ángulo entre los vectores u y v. Para ver
|u⋅v|
recordemos que para cualquier ángulo θ se tiene que |cos(θ)| ≤ 1. Por lo tanto ‖ u ‖ ‖ v ‖ ≤ 1 y así obtenemos |u ⋅ v| ≤ ‖u‖‖v‖.
‖u + v‖ ≤ ‖u‖ + ‖v‖.
Loading [MathJax]/jax/output/CommonHTML/fonts/TeX/fontdata.js