Álgebra Lineal Semestre 01-2018

Inicio Clases Talleres y Asesorias Ticademia Parciales

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.

Los vectores se pueden representar geométricamente como se describe a continuación.

Interpretación geométrica de vectores

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

real). Definimos la suma de u y v, denotada por u + v, como el vector de R n dado por

[ ][ ][ ]
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.

La suma y producto por escalar de vectores geométricamente de la siguiente manera.

Suma de vectores y producto por escalar

[ ] [ ] []
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.

Propiedades: Supongamos que u, v y w son R n y c, d escalares. Entonces:

1. u + v = v + u.
2. u + (v + w) = (u + v) + w.
→
3. u + 0 = u.
→
4. u + ( − u) = 0.
5. c(u + v) = cu + cv.
6. (c + d)u = cu + du.
7. c(du) = (cd)u.
8. 1u = u.

→
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.

Los escalares c 1, c 2, . . . , c k son llamados los coeficientes de la combinación lineal.

Ejemplo: Consideremos los vectores v 1 = []

1
2
y v2 = [ ]
−1
0
. Entonces el vector w = []
1
4
es combinación lineal de v 1 y v 2 ya que

w = 2v 1 + v 2. Esto se puede ver en la siguiente figura.

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

para algunos escalares a y b. Luego,

{[ ]| }
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

Propiedades: Supongamos que u, v y w son vectores en R n y sea c un escalar. Entonces:

1. u ⋅ v = v ⋅ u.
2. u ⋅ (v + w) = u ⋅ v + u ⋅ w.
3. (cu) ⋅ v = c(u ⋅ v) = u ⋅ (cv).
4. u ⋅ u ≥ 0.
→
5. u ⋅ u = 0 si y sólo si u = 0.

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.

La definición anterior puede ser escribir así: ‖v‖ 2 = v ⋅ v.

Ejemplo: Supongamos que v =

[]
3
4
entonces ‖v‖ = √v ⋅ v = √9 + 16 = 5.

En general, la ecuación que define la longitud de un vector se puede ver como una generalización del teorema de Pitágoras en altas
dimensiones.

Propiedades: Sea v en R n y sea c un escalar. Entonces:

→
1. ‖v‖ = 0 si y sólo si v = 0.
Loading [MathJax]/jax/output/CommonHTML/fonts/TeX/fontdata.js
2. ‖cv‖ = |c|‖v‖.

Definición: Un vector de longitud 1 se conoce como vector unitario .

1
Si v es un vector no nulo, entonces q = v es un vector unitario en la misma dirección de v.
‖v‖

[]
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‖.

Desigualdad Triangular: Para todo par de vectores u y v en R n se tiene

‖u + v‖ ≤ ‖u‖ + ‖v‖.

Tarea: Deducir la desigualdad triangular.

Ley del Coseno

Loading [MathJax]/jax/output/CommonHTML/fonts/TeX/fontdata.js