Documentos de Académico
Documentos de Profesional
Documentos de Cultura
, y cuando n
sea fijo o se pueda determinar del contexto, emplearemos únicamente la palabra vector.
Notación:
Las operaciones básicas son la suma de dos vectores y la multiplicación de un vector por un
escalar:
Suma de dos vectores
, la suma de x
yy
, denotada por:
x+y
es el vector [γi]
dado por
x+y=[γi]=[ξi+ηi]
Podemos ver esta operación como una función que toma dos vectores de Rn
y devuelve un vector de Rn
+:Rn×Rn→Rn
+(x,y)=x+y
y x=[ξi]∈Rn
, el producto de λ
y x,
escrito λx,
λx=[λ ξi]
Podemos ver esta operación como una función que toma un escalar de R
y devuelve un vector de Rn
:
⋅:R×Rn→Rn
⋅(λ,x)=λx
por el escalar λ
. Si λ<0
, entonces λx
Las operaciones suma y multiplicación por escalar son análogas a las operaciones de los vectores
columna, por consiguiente las propiedades de los vectores de Rn∗
también lo son.
dada por:
aφ
la podemos ver como la función que transforma vectores columna en vectores renglón. A esta
operación la llamaremos transposición.
Notación
Sea x
el vector columna:
x=⎛⎝⎜⎜⎜⎜ξ1ξ2⋮ξn⎞⎠⎟⎟⎟⎟
entonces φ(x)
lo denotamos como:
φ(x)=xt,
donde xt
se lee x
transpuesto. Entonces xt
es un vector renglón.
Resultado. φ
Demostración
, entonces:
∴φ es inyectiva
, entonces:
∴φ es sobreyectiva ■
Por lo tanto φ
y Rn∗
x=⎛⎝⎜⎜⎜⎜ξ1ξ2⋮ξn⎞⎠⎟⎟⎟⎟∈Rn
Sea φ−1:Rn∗→Rn
la función inversa de φ
Si nos permitimos ampliar el significado del término transponer ---entendiendo por transposición
tanto la operación que transforma columnas en renglones (φ)
--- , entonces podemos pensar en la transposición como la función que transforma columnas en
renglones y renglones en columnas.
Con este sentido del término transponer, es lícito usar la siguiente notación:
si x∈Rn, φ(x)=xt
si xt∈Rn∗, φ−1(xt)=(xt)t
φ−1(xt)=φ−1(φx)=x
Pero φ−1(xt)=(xt)t
∴ x=(xt)t
yy
dado por:
x⋅y=ξ1η1+ξ2η2+...+ξnηn=∑i=1nξiηi
como:
∥x∥=x⋅x−−−−√
Definición. Sean x
Rn
. Decimos que x
∥x∥=1
Definición. Sean x
Rn
. Decimos que
u=1∥x∥x
Desigualdad de Shwartz
Sean x,y∈Rn,
entonces
|x⋅y|≤∥x∥∥y∥
Vectores Ortogonales
Rn
. Decimos que x
es ortogonal a y
si x⋅y=0
. Si x
es ortogonal a y
, escribimos x⊥y
tales que no son múltiplos uno del otro. ¿Podemos encontrar siempre un vector que sea
ortogonal a x
, x,y≠0
no colineales, entonces:
Demostración
Rn
. Entonces al vector αx
con α=x⋅y∥x∥2
, lo llamamos la proyección de y
sobre x
, denotada por Px
Px(y)=αx, α=x⋅y∥x∥2
Rn
con α=x⋅y∥x∥2
sobre x
P⊥x(y)=y−αx, α=x⋅y∥x∥2
Rn
, se sigue que:
y=P⊥x(y)+Px(y)
y el vector y
como:
cosθ=x⋅y∥x∥∥y∥
Hay muchas magnitudes físicas que tienen intensidad (o módulo) y dirección, como por ejemplo la
velocidad o la fuerza. Los vectores se usan para representar las magnitudes de este tipo, y el
álgebra de vectores para manejarlas y hacer cálculos con ellas.
Circunstancialmente puede convenir considerar el vector libre de igual módulo y dirección que un
vector ligado (o deslizante). Decimos que se trata del "vector libre asociado" al vector ligado (o
deslizante). Decimos que dos vectores son "equipolentes" si tienen el mismo vector libre
asociado.
Un sistema de vectores es un conjunto cualquiera de vectores del mismo tipo. Por tanto, hay
sistemas de vectores ligados, deslizantes y libres. Siempre hay que tener en cuenta que el uso de
uno u otro tipo de vectores está en función de su utilidad para el problema en consideración.
Siempre se presupone el estado de equilibrio del sólido analizado, y por tanto de cualquiera de sus
partes. Como es sabido, a efectos del equilibrio, es indiferente que las fuerzas se apliquen en uno
u otro punto, con tal de que se mantengan en la misma línea de acción. Por ello, el álgebra de
vectores deslizantes es especialmente interesante en todos los problemas que involucren
equilibrio de fuerzas. A continuación se reseñan algunos de sus conceptos básicos.
Mo = OAxv = OBxv
Es un vector Mo que puede considerarse ligado al punto O, aunque suele considerarse como libre.
Véase la nota al final de esta página. Siendo A un punto cualquiera de la recta de acción, su valor
se obtiene del producto vectorial OAxv. El resultado es independiente del punto que se elija sobre
la recta de acción.
Es un vector deslizante sobre la recta. Se obtiene proyectando sobre ella el momento respecto a
uno de sus puntos O, siendo indiferente el punto O que se elija sobre la recta. Si es e un vector
unitario sobre la recta, el valor del momento respecto de la recta viene dado por ( Mo · e ) e.
Una propiedad inmediata es que los momentos respecto de tres rectas que coincidan con unos
ejes coordenados cartesianos, son las componentes (vectoriales) del momento respecto del origen
de coordenadas:
Mo = M(r1) + M(r2) + M(r3)
SISTEMAS DE VECTORES DESLIZANTES
Es un vector libre R que se obtiene como adición de los vectores libres asociados a los vectores del
sistema:
R = v1 + v2 +...+ vn = S vi
Mo = S OAi x vi
El momento es diferente para cada punto del espacio O elegido, por lo que se engendra un campo
de momentos. Conocido el momento respecto de un punto O, es inmediato hallar el momento
respecto de otro punto O', que resulta ser:
Mo' = Mo + O'O x R
1.- El momento respecto de dos puntos O y O' no varía si OO' es paralelo a R.
3.- El producto escalar de la resultante por el momento en un punto es invariante respecto del
punto elegido.
Se comprueba sin mas que multiplicar la ecuación del campo de momentos escalarmente por R, lo
que produce R.Mo' = R.Mo. Este producto escalar se denomina "segundo invariante" del sistema
de vectores.
Otra manera de enunciar esta propiedad es que la proyección del momento respecto de cualquier
punto sobre la dirección de la resultante es constante, como muestra la figura.
4.- El momento mínimo del sistema de vectores será paralelo a R, o bien nulo.
Con "momento mínimo" nos referimos al momento de menor módulo. La demostración es
evidente a la vista de la propiedad 3 anterior: si la proyección de los momentos sobre R es
constante, el menor módulo corresponde al momento paralelo a R. En la misma figura anterior se
dibuja en negro el momento respecto de un cierto punto O (no mostrado), que por ser paralelo
a R tendrá módulo menor que todos los demás, y será el momento mínimo aludido.
5.- El lugar geométrico de puntos de momento mínimo es una recta paralela a R.
Dos sistemas de vectores deslizantes son iguales si contienen exactamente los mismos vectores.
Por ejemplo: Una condición necesaria y suficiente para que dos sistemas sean equivalentes es que
tengan la misma resultante y el mismo momento respecto de un punto dado. Otra condición
necesaria y suficiente es que tengan el mismo momento respecto de tres puntos dados.
Reducciones más típicas. El esquema siguiente muestra algunas de las reducciones más típicas
según sean o no nulas la resultante y el momento mínimo.
R # 0 (resultante no nula)
Sistema más general. La reducción más sencilla es la resultante R aplicada en un punto O (ya sea
del eje central o no), y el momento Mo en ese punto. O bien la resultante y un par que
proporcione ese momento Mo.
Un sistema de vectores coplanarios también tendrá siempre momento mínimo nulo. Puede verse
razonando que R estará en el plano, mientras que el momento de cada vector respecto de un
punto del plano será perpendicular al plano, y la suma de todos los momentos también lo será,
evidenciando que el momento mínimo será nulo. Por tanto, la reducción más sencilla será la
resultante aplicada en el eje central. Esto es aplicable a cualquier problema "bidimensional",
entendiendo por ello que todas las rectas de acción de los vectores estén en el mismo plano, como
representa el caso de la figura siguiente.
Un ejercicio de reducción.
Para trazar el eje central necesitamos un punto de momento mínimo, es decir paralelo a R.
Sabemos que el eje central pasará por ese punto y será también paralelo a R.
MB = Mo + BO x R
Anteriormente se apuntó que el momento podía considerarse como un vector ligado al punto
respecto del que se calcula, o bien como un vector libre.
La primera opción parece la más natural, ya que el momento de un vector o sistema es función del
punto. Existe por tanto de todas formas una "ligazón" (en sentido coloquial) entre el momento y el
punto de cálculo. Pero en realidad, ello no implica necesidad de considerar el vector momento
como ligado al punto (en el sentido del álgebra vectorial).
De hecho, puede razonarse que el momento (o un sistema equivalente a él, como un par),
considerado él mismo como subsistema, tiene resultante nula, y por tanto genera un campo
uniforme de momentos. Este campo uniforme tiene el valor del propio momento. Si elegimos
representar (reducir) el sistema a un vector momento, es indiferente el punto de aplicación del
mismo: el campo (uniforme) es exactamente igual. Por tanto, si lo que nos interesa es el campo de
momentos, como en el caso de problemas de equilibrio de sólidos, no hay inconveniente en
considerar al vector momento como un vector libre.
También es posible que los escalares pertenezcan a otro conjunto numérico, por ejemplo los
números complejos con los cuales trabajaremos en la última unidad.
Ejemplo 1
De acuerdo con las propiedades que vimos en la primera unidad, podemos afirmar que R3�3 es
un espacio vectorial.
Rn={(x1,x2,…,xn),conxi∈R}��={(�1,�2,…,��),�����∈�}
Sean u=(u1,u2,…,un)yv=(v1,v2,…vn)∈Rn�=(�1,�2,…,��)��=(�1,�2,…��)∈��
u+v=(u1+v1,u2+v2,…,un+vn)∈Rn�+�=(�1+�1,�2+�2,…,��+��)∈��
αv=(αv1,αv2,…,αvn)∈Rn��=(��1,��2,…,���)∈��
Puede comprobarse que las operaciones definidas verifican los axiomas de espacio vectorial.
Ejemplo 2
De acuerdo con las propiedades enunciadas en la segunda unidad, para
cada m� y n� Rmxn���� es un espacio vectorial.
Tenemos por ejemplo R2×3�2×3, espacio vectorial cuyos vectores son las matrices de 2×32×3.
Ejemplo 3
Dados p(x)=ao+a1x+a2x2∈P2�(�)=��+�1�+�2�2∈�2 y q(x)=bo+b1x+b2x2∈P2�(�)=�
�+�1�+�2�2∈�2
(p+q)(x)=p(x)+q(x)=(ao+bo)+(a1+b1)x+(a2+b2)x2∈P2(�+�)(�)=�(�)+�(�)=(��+��)+
(�1+�1)�+(�2+�2)�2∈�2
(αp)(x)=αp(x)=(αao)+(αa1)x+(αa2)x2∈P2(��)(�)=��(�)=(���)+(��1)�+
(��2)�2∈�2
Puede demostrarse que estas operaciones verifican todos los axiomas de espacio vectorial.
En particular, el vector nulo en este espacio es el polinomio nulo, es decir el polinomio cuyos
coeficientes son todos iguales a cero.
Observación:
Propiedad 1
0u=0V0�=0�
Propiedad 2
α0V=0V�0�=0�
Propiedad 3
(–α)u=–(αu)(–�)�=–(��)
En particular, para α=1�=1 :(–1)u=–u(–1)�=–�
Propiedad 4
αu=0V⇒α=0∨u=0V��=0�⇒�=0∨�=0�
Veamos cómo puede demostrarse esta última propiedad:
Si α=0�=0 , se cumple la proposición.
Si α≠0�≠0 , podemos multiplicar por 1α1� :
αu=0V⇒1ααu=1α0V⇒u=0V��=0�⇒1���=1�0�⇒�=0�
¡Demostrado!
Subespacios vectoriales
Definición
Ejemplo
(x1,3x1)=x1(1,3)(�1,3�1)=�1(1,3)
W� es la recta que pasa por el origen y tiene vector director (1,3), o sea la recta de ecuación y =
3x.
Para decidir si W� es un subespacio de R2�2 habría que verificar que se cumplen los axiomas del
1 al 10. El lector puede comprobar que todos se cumplen en este caso.
Pero en general no es necesario verificar los axiomas porque existe un criterio sencillo para
determinar si un subconjunto W� de un espacio vectorial V� es un subespacio, es el que sigue.
Observaciones
Subespacios triviales
0V+0V=0V0�+0�=0� y k0V=0Vparacualquierkreal�0�=0���������������
����
Ejemplo 1
(1,0)+(0,1)=(1,1)∉W(1,0)+(0,1)=(1,1)∉�
Ejemplo 2
(0,y1)+(0,y2)=(0,y1+y2)(0,�1)+(0,�2)=(0,�1+�2)
Se cumple (c) pues el producto de un vector de W� por un número real está en W�:
k(0,y)=(0,ky)�(0,�)=(0,��)
Ejemplo 3
x2–y2=0⇔y=x∨x=–y�2–�2=0⇔�=�∨�=–�
Se cumple (a) pues (0,0)∈W(0,0)∈�
No se cumple (b) porque la suma de dos vectores de W� puede no estar en W�, por ejemplo:
(1,1)+(1,–1)=(2,0)∉W(1,1)+(1,–1)=(2,0)∉�
Ejemplo 4
Se cumple (b) pues la suma de dos vectores del plano, sigue estando en ese plano:
(–y–2z,y,z)+(−y′–2z′,y′,z′)=(–(y+y′)–2(z+z′),y+y′,z+z′)(–�–2�,�,�)+(−�′–2�′,�′,�′)=(–(�+�′)–
2(�+�′),�+�′,�+�′)
Se cumple (c)(�) pues k(–y–2z,y,z)=(–ky–2kz,ky,kz)∈W�(–�–2�,�,�)=(–��–
2��,��,��)∈�
Ejemplo 5
Ejemplo 6
Observación: En la comprobación de las condiciones (a), (b) y (c) no fue necesario hacer referencia
al tamaño de las matrices. Esto significa que es válido para matrices simétricas de n×n�×�.
Ejemplo 7
A=(1–3–13),B=(00–25),A+B=(1–3–38)�=(1–3–13),�=(00–25),�+�=(1–3–38)
Después de estos ejemplos podemos resumir cuales son los diferentes tipos de subespacios
de R2�2 y R3�3:
No hay ninguna otra clase de subespacios en R2�2 y R3�3.
Ir a la navegaciónIr a la búsqueda
Por ejemplo, en , el conjunto de vectores es linealmente independiente, mientras que no lo es, ya
que el tercero es la suma de los dos primeros.
Índice
1Definición
2Significado geométrico
o 2.1Ejemplo
3Ejemplos
o 3.1Ejemplo 1
o 3.2Ejemplo 2
3.2.1Demostración
o 3.3Ejemplo 3
3.3.1Demostración
4Véase también
Definición[editar]
Nótese que el símbolo a la derecha del signo igual no es cero, sino que simboliza al vector nulo .
Esta idea es importante porque los conjuntos de vectores que son linealmente independientes,
generan un subespacio vectorial y forman una base para dicho subespacio.
Significado geométrico[editar]
Ejemplo[editar]
En la imagen:
Ejemplos[editar]
Ejemplo 1[editar]
Dado que la única solución es la trivial (x = y = z = 0), los tres vectores son independientes.
Ya que el determinante es no nulo, los vectores (1, 1) y (−3, 2) son linealmente independientes.
Ejemplo 2[editar]
Demostración[editar]
Sustituyendo e1, e2,..., en resulta:
Multiplicando:
Sumando coordenadas:
Por lo que se obtiene:
Así que:
Además:
Ejemplo 3[editar]
Demostración[editar]
aet + be2t = 0
Para todos los valores de t. Necesitamos demostrar que a = 0 y b = 0. Para hacer esto dividimos
por et (que es un número real diferente de cero, sea cual sea t) y restando obtenemos:
bet = −a
Ir a la navegaciónIr a la búsqueda
Nótese que sobre un espacio vectorial se pueden definir diferentes normas, lo cual da lugar a
diferentes espacios normados que tienen el mismo espacio vectorial como base de la
construcción.
Índice
1Definición
2Ejemplos
3Distancia inducida
6Referencias
o 6.1Bibliografía
Definición[editar]
1. No negatividad. Para todo de su norma ha de ser positiva, y será cero si y solo si es el
vector cero: si y .
Generalmente se denotará a al espacio vectorial normado y, cuando la norma sea clara,
simplemente por .
Ejemplos[editar]
De dimensión finita[editar]
De dimensión infinita[editar]
Se cumplen los siguientes resultados (que generalmente no son ciertos para espacios de
dimensión infinita):
Resumen
El desarrollo de la Noci�n de Espacio en el ni�o, es uno de ellos; en tal sentido, resulta imperioso
el conocimiento de tal proceso por parte de los docentes que atienden a grupos de ni �os en sus
primeros a�os de vida escolar especialmente a nivel de pre-escolar, ya que de ello depender� la
adecuada selecci�n de estrategias de ense�anza y de actividades de aprendizaje que fomenten
el desarrollo de las nociones de car�cter topol�gico, proyectivo y euclidiano que garanticen, a
futuro, la comprensi�n de los principios fundamentales de la Geometr�a.
El espacio euclidiano
Las figuras comunes de la geometr�a, lo mismo que las relaciones simples, como la
perpendicularidad, el paralelismo, la congruencia y la semejanza provienen de la experiencia
ordinaria. Los �rboles crecen perpendicularmente al suelo, y las paredes de una casa se
construyen verticales a prop�sito, para que tengan estabilidad m�xima. Las orillas de un r�o
son paralelas. El constructor que erige una serie de casas conforme a un mismo plano desea que
todas ellas tengan el mismo tama�o y la misma forma, es decir quiere que sean congruentes�
semejantes al objeto representado� (Kline, 1997; 129).
Esta cita, permite introducirnos en lo que se conoce como nociones del espacio de car�cter
euclidiano, que adem�s de un m�todo de razonamiento deductivo nos proporciona todo un
sistema de representaci�n formal de los cuerpos y figuras geom�tricas que dibujan la realidad.
FIG 1
En estos casos, estamos ante representaciones de car�cter euclidiano, que requieren del
conocimiento y manejo de sistemas de representaci�n formales; es decir, de sistemas
convencionales de representaci�n, que incluyen adem�s de la aceptaci�n de conceptos
primitivos como �punto, recta, plano, figura geom�trica��, el uso de instrumentos
cognoscitivos de un alto grado de abstracci�n (lenguaje, s�mbolos, relaciones,
clasificaciones,�).