Vectores en Rn

Definición. A los elementos de Rn

los llamamos vectores columna de orden o dimensión n

Rn=⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪ ⎛⎝⎜⎜⎜⎜ξ1ξ2⋮ξn⎞⎠⎟⎟⎟⎟:ξ1,ξ2,...,ξn ∈ R⎫⎭⎬⎪⎪⎪⎪⎪⎪⎪⎪

Los números ξ1,ξ2,...,ξn

son los elementos o componentes del vector.

Siempre que nos refiramos a un vector de orden n

estaremos pensando en un vector columna de orden n

, y cuando n

sea fijo o se pueda determinar del contexto, emplearemos únicamente la palabra vector.

Notación:

En lo sucesivo siempre que nos refiramos al vector ⎛⎝⎜⎜⎜⎜ξ1ξ2⋮ξn⎞⎠⎟⎟⎟⎟∈Rn

estaremos pensando en el vector [ξi], i=1,2,…,n

o simplemente en el vector x∈Rn.

En el ámbito geométrico un vector de orden n

se puede pensar como un punto en el espacio n-dimensional y se representa como un segmento

dirigido que va del origen del espacio a dicho punto.

Operaciones entre vectores en Rn

Las operaciones básicas son la suma de dos vectores y la multiplicación de un vector por un
escalar:
Suma de dos vectores

Definición. Sean x=[ξi],y=[ηi]∈Rn

, 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

Multiplicación de un vector por un escalar

Definición. Sea λ∈R

y x=[ξi]∈Rn

, el producto de λ

y x,

escrito λx,

es el vector dado por:

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

Geométricamente, la operación de multiplicar el vector x

por el escalar λ

cambia la longitud del vector por un factor de ∣∣ λ ∣∣

. Si λ<0

, entonces λx

tiene dirección opuesta a la de x

Propiedades de los vectores en Rn

I.1.2 Vectores en Rn∗

Definición. A los elementos de Rn∗

los llamamos vectores renglón de orden n

Rn∗={[ξ1 ξ2 ... ξn]:ξ1,ξ2,...,ξn∈R}

Los números ξ1,ξ2,...,ξn

son los elementos o componentes del vector renglón.

Nos referiremos a un vector renglón de orden n

como un renglón o un renglón de orden n

, cuando sea necesario especificar su dimensión.

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.

I.1.3 Transposición de vectores

Sea φ:Rn→Rn∗

dada por:

φ ( ⎛⎝⎜⎜⎜⎜ξ1ξ2⋮ξn⎞⎠⎟⎟⎟⎟ )=[ξ1 ξ2 ... ξn],

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

es una función biyectiva.

Demostración

Sean x=⎛⎝⎜⎜⎜⎜ξ1ξ2⋮ξn⎞⎠⎟⎟⎟⎟, y=⎛⎝⎜⎜⎜⎜η1η2⋮ηn⎞⎠⎟⎟⎟⎟ ∈Rn

, entonces:

φ(x)=φ(y)⇒[ξ1 ξ2 … ξn]=[η1 η2 … ηn]

⇒ξ1=η1ξ2=η2 ⋮ξn=ηn⇒⎛⎝⎜⎜⎜⎜ξ1ξ2⋮ξn⎞⎠⎟⎟⎟⎟=⎛⎝⎜⎜⎜⎜η1η2⋮ηn⎞⎠⎟⎟⎟⎟⇒(x=y)

∴φ es inyectiva

Sea [ξ1 ξ2 ... ξn]∈Rn∗

, entonces:

φ⎛⎝⎜⎜⎜⎜ξ1ξ2⋮ξn⎞⎠⎟⎟⎟⎟=[ξ1 ξ2 ... ξn]

∴φ es sobreyectiva ■

Por lo tanto φ

es una correspondencia biunívoca entre Rn

y Rn∗

, esto nos sugiere introducir la siguiente notación :

A los vectores columna los denotaremos por x

x=⎛⎝⎜⎜⎜⎜ξ1ξ2⋮ξn⎞⎠⎟⎟⎟⎟∈Rn

A los vectores renglón los denotaremos por xt

xt=[ξ1 ξ2 ... ξn]∈Rn∗

Sea φ−1:Rn∗→Rn

la función inversa de φ

φ−1([ξ1 ξ2 ... ξn])=⎛⎝⎜⎜⎜⎜ξ1ξ2⋮ξn⎞⎠⎟⎟⎟⎟

Es decir, φ−1(xt)=x ∀xt∈Rn∗

Podemos ver a φ−1

como la función que transforma renglones en columnas.

Si nos permitimos ampliar el significado del término transponer ---entendiendo por transposición
tanto la operación que transforma columnas en renglones (φ)

como la que transforma renglones en columnas (φ−1)

--- , 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

Entonces tendremos que

φ−1(xt)=φ−1(φx)=x

Pero φ−1(xt)=(xt)t

∴ x=(xt)t

Propiedades de la Transposición de vectores

I.1.4 Producto punto

Definición. Sean x=[ξi],y=[ηi]∈Rn

. El producto punto o producto escalar de x

yy

es el escalar denotado por x⋅y

dado por:

x⋅y=ξ1η1+ξ2η2+...+ξnηn=∑i=1nξiηi

Observación: El producto punto de dos vectores es un número real.

Propiedades del producto punto

Norma Euclideana

Definición. Sea x∈Rn

. Definimos la norma euclideana o longitud de x

, denotada por ∥x∥

como:

∥x∥=x⋅x−−−−√

Propiedades de la Norma Euclideana

Definición. Sean x

Rn

. Decimos que x

es un vector unitario o está normalizado si

∥x∥=1

Definición. Sean x

Rn

. Decimos que

u=1∥x∥x

es el vector unitario en la dirección de x

Desigualdad de Shwartz

Sean x,y∈Rn,

entonces

|x⋅y|≤∥x∥∥y∥

La demostración queda como ejercicio.

Ángulo entre dos vectores

Vectores Ortogonales

Definición. Sean x,y

Rn

. Decimos que x

es ortogonal a y

si x⋅y=0

. Si x

es ortogonal a y

, escribimos x⊥y

Supongamos ahora que tenemos dos vectores no nulos x,y∈Rn

tales que no son múltiplos uno del otro. ¿Podemos encontrar siempre un vector que sea
ortogonal a x

Resultado. Sean x,y∈Rn

, x,y≠0

no colineales, entonces:

y−αx es ortogonal a x⇔α=x⋅y∥x∥2.

Demostración

(y−αx)⊥x⇔x⋅(y−αx)=0⇔x⋅y+x⋅(−αx)=0⇔x⋅y−α(x⋅x)=0⇔α=x⋅yx⋅x esto es posible ya que

x≠0⇔α=x⋅y∥x∥2■
Definición. Sean x,y

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

Definición. Sean x,y

Rn

. Entonces al vector y−αx

con α=x⋅y∥x∥2

, lo llamamos la proyección ortogonal de y

sobre x

, denotada por P⊥x

P⊥x(y)=y−αx, α=x⋅y∥x∥2

Propiedad. De las definiciones anteriores, dados x,y

Rn

, se sigue que:

y=P⊥x(y)+Px(y)

Es decir podemos escribir a y

como la suma de dos vectores ortogonales.

Como consecuencia de la desigualdad de Schwartz podemos introducir el siguiente concepto:

Definición. Sean x,y∈Rn

. Definimos al coseno del ángulo entre el vector x

y el vector y

como:

cosθ=x⋅y∥x∥∥y∥

TIPOS DE VECTORES Y OPERACIONES BÁSICAS

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.

Según convenga para el propósito particular, se usan vectores de distintos tipos:

1. Vector deslizante. Puede considerarse en cualquier posición dentro de una recta ("recta

de acción"). Dos vectores de igual módulo y sentido sobre la misma recta, son el mismo
vector deslizante.

2. Vector ligado. Está asociado a un determinado punto del espacio (punto de aplicación).

3. Vector libre. no se considera asociado a ningún punto ni recta particular.

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.

Las operaciones más comunes con vectores son las siguientes:

Adición de vectores.

Producto de un vector por un escalar.

Producto escalar de dos vectores.

Producto vectorial de dos vectores.

Probablemente recordarás la definición de estas operaciones, y sus expresiones en función de

unas componentes cartesianas de los vectores. En principio, esas operaciones se definen para
vectores libres, aunque pueden definirse para vectores deslizantes o ligados bajo ciertas
circunstancias. Por ejemplo, la adición de vectores deslizantes está definida si las rectas de acción
de los vectores pasan por un punto.

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.

MOMENTO DE UN VECTOR DESLIZANTE

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.

Momento de un vector deslizante v respecto de un punto O.

    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.

Momento de un vector deslizante respecto de una recta (r).

    M(r) = (Mo.e)e = ((OAxv).e)e = ((O'Bxv).e)e = ...

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

Un sistema de vectores deslizantes es cualquier conjunto de vectores deslizantes, digamos vi, con

i=1...n, actuando en sus respectivas rectas de acción (r i). Llamaremos Ai a un punto genérico en la
recta de acción (ri) del vector vi.

Resultante de un sistema 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

Se le conoce también como primer invariante del sistema de vectores.

Campo de momentos de un sistema de vectores deslizantes.

En primer lugar se define el momento Mo del sistema de vectores respecto de un punto O, que se

obtiene como la adición de los momentos de cada uno de los vectores del sistema respecto de O, y
puede considerarse como un vector libre o ligado a O, según convenga.

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

Que es la ecuación del campo de momentos.

ALGUNAS PROPIEDADES DEL CAMPO DE MOMENTOS DE UN SISTEMA DE VECTORES

DESLIZANTES

1.- El momento respecto de dos puntos O y O' no varía si OO' es paralelo a R.

2.- Un sistema de resultante nula genera un campo uniforme de momentos.

Ambas son evidentes a la vista de la ecuación del campo de momentos.

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.

Por la propiedad 1 enunciada, si O es un punto de momento mínimo, O' tendrá el mismo

momento (por tanto mínimo), si se cumple que OO' sea paralelo a R. Se llama eje central del
sistema de vectores a esa recta de puntos cuyo momento es mínimo.

IGUALDAD Y EQUIVALENCIA DE SISTEMAS DE VECTORES DESLIZANTES

Dos sistemas de vectores deslizantes son iguales si contienen exactamente los mismos vectores.

Dos sistemas de vectores deslizantes son equivalentes si tienen el mismo campo de momentos.

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.

REDUCCIÓN DE SISTEMAS DE VECTORES DESLIZANTES

Definición: Una reducción de un sistema de vectores es otro sistema de vectores que

sea equivalente y resulte más sencillo de manejar.

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)

R.Mo # 0 (momento mínimo no nulo)

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.

R.Mo = 0 (momento mínimo nulo)

La reducción más sencilla es la resultante R aplicada en un punto del eje central.

R = 0 (resultante nula) El campo de momentos será uniforme.

M # 0 (momento mínimo no nulo)

La reducción mas sencilla es el momento M aplicado en cualquier punto, o cualquier par de

fuerzas que proporcione ese momento.

M = 0 (momento mínimo nulo)

Se llama sistema nulo de vectores, por tener resultante y momento nulos.

Algunos casos particulares de reducción.

Un sistema de vectores paralelos siempre tendrá momento mínimo nulo. Puede entenderse

razonando que R tendrá la dirección de los vectores, mientras que el momento de cada vector
respecto de un punto dado será perpendicular a esa dirección (por ser un producto vectorial en
que unos de los factores es el vector). La suma de todos los momentos será también perpendicular
a esa dirección, evidenciando que el momento mínimo será nulo. Por tanto, la  reducción más
sencilla será la resultante aplicada en el eje central. Es el caso típico del peso de un sólido,
consistente en una distribución continua de vectores fuerza diferenciales paralelos entre sí, que a
efectos del equilibrio pueden reducirse a la resultante (peso total del sólido) aplicada en el eje
central (que pasa por el centro de gravedad del sólido).

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.

La figura muestra una reducción de un cierto sistema de vectores deslizantes consistente en la

resultante R aplicada en un punto O, y el momento Mo respecto de ese punto. Se ha tomado unos
ejes cartesianos con centro en O y de forma que Mo y R están en el plano 1-3, y R coincide con el
eje 3. Se pide representar aproximadamente, -sin cálculos-, el eje central.

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.

Consideremos un punto B genérico. El momento respecto de B será 

MB = Mo + BO x R

Si queremos que el momento en B sea paralelo a R debemos elegir B de tal manera

que BO x R tenga la dirección del eje 1 y sentido opuesto, para que cancele la componente
(positiva) de Mo sobre este eje 1. Como se aprecia en la figura siguiente, si tomamos B sobre la
zona positiva del eje 2, el producto BO x R tendrá la dirección deseada. Su posición debe ser tal
que |BO|.|R|=|Mo|senf. A falta de una escala en el dibujo, podemos responder que el eje central
cortará al eje 2 en la zona positiva, y tendrá por tanto una apariencia como la dibujada. Se
representa en verde la reducción del sistema consistente en la resultante aplicada en el punto B, y
el momento en B.
 

NOTA SOBRE EL MOMENTO COMO VECTOR LIBRE

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.

Usualmente, como en el ejercicio de reducción presentado en el epígrafe anterior, el momento se

representa en su punto de cálculo. Pero podría situarse en otro punto cualquiera y el campo de
momentos sería el mismo. La resultante en cambio debe situarse correctamente, ya que su
posición sí afecta al campo de momentos.
ÁLGEBRA VECTORIAL; FUNDAMENTOS Definicion, notacion y clasificacion de los vectores. Un
vector (en Geometria) es un ente geométrico definido por un segmento orientado de recta, que se
utiliza para la representación de magnitudes llamadas magnitudes vectoriales. Otra definición
(más Mecánica) es la de una cantidad que tiene magnitud, dirección y sentido. Otra (Matemática);
elemento de un espacio vectorial (ver 2.3). En Mecánica, una magnitud es vectorial cuando en su
determinación necesitamos, además de su medida (módulo), una dirección y un sentido. Por
tanto, los vectores se representan gráficamente por segmentos acabados en una punta de flecha.
Queda determinado su módulo por la longitud del segmento; su dirección por la recta a que
pertenece; y su sentido por la punta de la flecha. Al origen del vector se le llama punto de
aplicación. Para la escritura de vectores se utiliza la notación adoptada por la Unión Internacional
de Física Pura y Aplicada (U.I.F.P.A.), representando estas magnitudes vectoriales por letras
negritas, por ejemplo; V (en negrita); y la representación de su módulo por la correspondiente
letra cursiva V o bien la notación V . Cuando definamos el vector por su origén (O) y extremo (O¨)
convendremos en representarlo así: OO¨ o también mediante la diferencia simbólica O´- O . Sin
embargo, en las figuras optamos por representarlos como normalmente se hace en un manuscrito
o en la pizarra del aula, es decir, con la flecha indicativa de vector sobre la letra que representa a la
magnitud vectorial correspondiente. Los vectores en general pueden ser: Libres.- Sin localización
especifica en el espacio. Un vector libre puede trasladar su origen a cualquier punto del espacio,
siempre que conserve su módulo y sentido y mantenga paralela su dirección. Ej. momento de un
par. Deslizantes.- Sin localización especifica a lo largo de una recta dada. Un vector deslizante solo
puede trasladar su origen a lo largo de su recta de aplicación. Ej. la fuerza aplicada a un sólido. 1
Fijos.- Un vector fijo es el de origen fijo. Ej. la intensidad del campo gravitatorio en un punto dado.
Comparativamente pueden ser: Vectores equipolentes.- Son los que tienen igual módulo, la misma
dirección o direcciones paralelas y el mismo sentido. La equipolencia es una relación de
equivalencia, que establece una partición del conjunto de los vectores en clases de equivalencia.
Vectores iguales.- Son los que tienen la misma magnitud, dirección y sentido. Vectores
equivalentes.- Son los que producen el mismo efecto. Atendiendo a lo que representan pueden
ser: Vectores polares.- Son los que representan magnitudes físicas relacionadas con una traslación,
como la velocidad lineal por ejemplo. Vectores axiales.- Son los que representa magnitudes físicas
ligadas a una rotación, como el vector velocidad angular. Fijado un sistema de referencia, se
denominan componentes de un vector V los valores de las proyecciones del vector sobre los ejes
del sistema de referencia, por ejemplo; Vx,Vy,Vz. 2 Para el estudio de cualquier fenómeno físico
necesitamos un sistema de referencia, la forma más simple empleada, es el de coordenadas
cartesianas ortogonales. Veamos como se establece este criterio. Inicialmente, podemos asociar
un conjunto de puntos X con el conjunto de los números reales, lo que constituiria un sistema
coordenado del espacio unidireccional formado por los puntos de X. Podemos enunciar que el par
de números (x,y) que representen las coordenadas de un punto P en el plano, y la correspondencia
biunívoca de parejas ordenadas de números con el conjunto de puntos del plano XY es el sistema
coordenado ortogonal del espacio bidimensional constituido por los puntos del plano. Por tanto, la
terna ordenada de números (x,y,z) que representan las coordenadas de un punto P en el espacio, y
la correspondencia biunívoca de ternas ordenadas de números con el conjunto de puntos del
espacio XYZ es el sistema coordenado ortogonal del espacio tridimensional constituido por los
puntos del espacio. Convenimos llamar triedro trirrectangulo positivo o dextrogiro el representado
en la figura. 3 a b c 180- O A C B D x y sen CD OC > arcsen ( a·senc ) Operaciones fundamentales;
suma y diferencia de vectores. Adición de vectores. Sumar o componer dos o más vectores es
hallar otro vector resultante cuyas componentes sean iguales a la suma de las componentes de los
vectores sumados. Gráficamente se pueden sumar vectores usando la ley del paralelogramo. Por
el Teorema de los cosenos deducimos: c = a +b - 2·a·b·cos(180-) = a +b + 2·a·b·cos 2 22 2 2 O
también sumando las componentes cartesianas, situando el eje x en b tendremos: c = c + c , a = a +
a , b = b , a = a·cos 222 222 xy xy x x c = a c = b + a => c = b + a + 2·b a y y x x x x x x x· x 222 luego; c
= b + a + 2·b a + a = a +b + 2·a·b·cos 2 2 2 2 22 x x x· x y El angulo será: O aplicando el teorema de
los senos: Propiedades de la suma de vectores: - Conmutativa: a + b = b + a - Asociativa: (a + b) + c
= a + (b + c) Sustracción de vectores. Se cambia de sentido uno de ellos y se suman. a - b = a + (-b)
4 5 6 r x 2 y 2 z 2 x 2 y 2 z 2 r 2 ·(cos2 cos2 cos2
) > cos2 cos2 cos2 1 x = r cos y = r cos x = r cos
(1) Forma trinomia y vectores unitarios. En el espacio tridimensional hemos definido un punto por
tres coordenadas (x,y,z). Definimos lo mismo mediante un vector r = r (x,y,z) llamado vector de
posición, a la terna ordenada de números (x,y,z) los llamamos componentes coordenados del
vector. Si utilizamos un sistema de coordenadas diferente, los tres números cambian a (x´,y´,z´),
sin embargo, el vector r es el mismo en ambos sistemas, es decir la definición de vector
permanece invariable o independiente del sistema de coordenadas elegido. En un sistema
coordenado ortogonal X, Y, Z como en el de la figura, y dándole carácter vectorial a las
proyecciones ortogonales, x, y, z; de r sobre los ejes, podemos escribir: r = x + y + z Las
componentes x, y, z, tienen de módulo: Los cosenos de ángulos , ,
, que forma r con cada uno de los ejes se les llama cosenos directores. El módulo de r (diagonal del
paralelepipedo construido con x, y, z como lados) es: Si elevamos al cuadrado las igualdades (1) y
sumamos, obtendremos: 7 v = xi + yj + zk ev = x/v i + y/v j + z/v k = cos i + cos j + cos
k Si el vector viene dado por las coordenadas de su origen A (x,y,z) y de su extremo B(x´,y´,z´),
entonces las componentes coordenadas del vector AB serán: (x´- x, y´- y, z´- z). Tendremos: X = x´-
x Y = y´- y escribiremos: AB = X + Y + Z Z = z´- z Llamamos vector unitario (o versor) a todo vector de
módulo unidad, por tanto; el vector unitario en una dirección se obtiene dividiendo cualquier
vector en esa dirección por su módulo. Si las componentes de un vector v son x, y, z, su ecuación
vectorial será: v = x + y + z Llamando i, j, k, a los vectores unitarios en la dirección y sentido de los
ejes, se verificará: x = xi, y = yj, z = zk; siendo x, y, z, los módulos de x, y, z. Sustituyendo en la
ecuación vectorial tendremos: Al ser los cosenos directores: cos = x/v, cos = y/v, cos
= z/v, el vector unitario en la dirección de v será: 8 Álgebra vectorial Las magnitudes físicas se
dividen en escalares, vectores y tensores z Las diferentes magnitudes pueden ser: z Escalares z Se
caracterizan sólo por un número (con signo) z Vectoriales z Módulo (cantidad escalar positiva)
Módulo (cantidad escalar positiva) z Dirección z Sentido z Tensores de orden superior z
Representables por matrices 9 Todas las leyes físicas poseen homogeneidad en sus expresiones z
En todas las ecuaciones debe haber homogeneidad: z Los dos miembros son del mismo tipo z
Todos los sumandos son del mismo tipo z Un escalar nunca puede ser igual a un vector z Un
escalar nunca puede sumarse a un vector A = + B C G G G A = + B C G G A = + B C A = + B C G G
Correcto Incorrecto z Para distinguirlos, es importante incluir las flechas ( ). En l lb l l ( ) l Correcto
Incorrecto A G los libros, los escalares van en cursiva (A) y los vectores en negrita (A) Operaciones
internas con cantidades escalares: suma y producto z Pueden sumarse z El resultado es un escalar
z Requiere que los sumandos tengan las mismas unidades z El resultado tiene las mismas unidades
que los sumandos z Ejemplo: masa de un sistema Ejemplo: masa de un sistema 123 1 n i V i M m m
m m M dm = = + + += = " ∑ ∫ z Pueden multiplicarse z El resultado es un escalar i 1 z Sus unidades
son el producto de las de los factores z La suma y el producto poseen las propiedades asociativa y
conmutativa. 10 Vector: ente que posee una dirección y un sentido z Es un ente que además de su
valor escalar (módulo) posee dirección y sentido. Ej.: Fuerza z Un vector puede darse indicando z
Módulo y dos ángulos con los ejes (un ángulo en 2D) z C b( omponentes respecto a una base
(siempre h dl ay que indicar la base) F jk =+ + 32 N ι ( ) G G G G z Los vectores pueden ser libres o
ligados F jk 32 N ι + + ( ) z Los ligados requieren dar el origen (ej. campo eléctrico) z Los libres
pueden trasladarse de un punto a otro (ej. resultante de un conjunto de fuerzas) un conjunto de
fuerzas) Los vectores pueden sumarse, empleando la regla del paralelogramo z Los vectores
pueden sumarse, resultando un vector. Ej. Resultante de dos fuerzas B JG A JG B JG A JG A+ B JG JG
A B + JG JG B A JG P d l l l dl ll B B JG A B + z Puede emplearse la regla del paralelogramo o poner
uno a continuación del otro. z Para que se puedan sumar deben ser libres o tener el Para que se
puedan sumar deben ser libres o tener el mismo origen z La suma verifica la propiedad asociativa y
la conmutativa La suma verifica la propiedad asociativa y la conmutativa 11 Los vectores pueden
multiplicarse por cantidades escalares z Un vector puede multiplicarse por un número. Ej. fuerza
eléctrica sobre una carga puntual F qE = G G G 3A JG A × 3 = z El resultado es otro vector z Misma
dirección z Mismo sentido, si q>0. Opuesto, si q

Espacios y subespacios vectoriales

En las unidades anteriores vimos que el álgebra de vectores y el álgebra de matrices presentan

similitudes. Pudimos observar que las propiedades de la suma (de vectores o de matrices) y del
producto por un escalar son idénticas en ambos conjuntos.

En esta unidad, generalizaremos el concepto de vector a partir de estas propiedades en común

que hemos señalado para vectores geométricos y matrices.

Definición de espacio vectorial

Un espacio vectorial es un conjunto no vacío V� de objetos, llamados vectores, en el que se han

definido dos operaciones: la suma y el producto por un escalar (número real) sujetas a los diez
axiomas que se dan a continuación. Los axiomas deben ser válidos para todos los
vectores u�, v� y w� en V� y todos los escalares α� y β� reales.
Llamamos u+v�+� a la suma de vectores en V�, y αv�� al producto de un número
real α� por un vector v∈V�∈�.
1. u+v∈V�+�∈�
2. u+v=v+u�+�=�+�
3. (u+v)+w=u+(v+w)(�+�)+�=�+(�+�)
4. Existe un vector nulo 0V∈V0�∈� tal que v+0V=v�+0�=�
5. Para cada v� en V�, existe un opuesto (–v)∈V(–�)∈� tal que v+(–v)=0V�+(–�)=0�
6. αv∈V��∈�
7. α(u+v)=αu+αv�(�+�)=��+��
8. (α+β)v=αv+βv(�+�)�=��+��
9. α(βv)=(αβ)v�(��)=(��)�
10. 1v=v1�=�

Observación: En la definición anterior, cuando decimos «escalares» nos estamos refiriendo a

números reales. En este caso, se dice que V� es un espacio vectorial real.

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.

Los espacios Rn�� , con n≥1�≥1 , son los ejemplos principales de espacios vectoriales. La

intuición geométrica desarrollada para R3�3 nos ayudará a entender y visualizar muchos
conceptos de esta unidad.

Los vectores de Rn�� son n-uplas de números reales, o sea:

Rn={(x1,x2,…,xn),conxi∈R}��={(�1,�2,…,��),�����∈�}

En Rn�� , la suma de vectores y el producto por un escalar se definen así:

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

Llamemos P2�2 al conjunto de polinomios de grado menor o igual que 2, incluyendo el polinomio

nulo.

Recordemos la suma de polinomios y la multiplicación por un escalar:

Dados p(x)=ao+a1x+a2x2∈P2�(�)=��+�1�+�2�2∈�2 y q(x)=bo+b1x+b2x2∈P2�(�)=�
�+�1�+�2�2∈�2

Definimos las operaciones:

(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.

Generalizando, para cualquier n≥0�≥0 , el conjunto Pn�� de todos los polinomios de

grado menor o igual que n� (incluyendo el polinomio nulo) es un espacio vectorial.

Observación:

¿Por qué no definimos Pn�� como el conjunto de polinomios de grado exactamente igual a n�?

Si lo definiéramos así, no sería un espacio vectorial como se muestra en el siguiente ejemplo:

p(x)=x2�(�)=�2 y q(x)=–x2+1�(�)=–�2+1 son polinomios de grado 2, pero la suma es un

polinomio de grado cero. Entonces no se verificaría el primer axioma de espacio vectorial (la suma
de vectores de un espacio vectorial V� debe estar en V�).

Propiedades de los espacios vectoriales

A partir de los axiomas de espacios vectoriales, pueden demostrarse estas propiedades que

resultan «naturales»:

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

Sea V� un espacio vectorial y W� un subconjunto no vacío de V�.

W� es un subespacio de V� si W� es en sí mismo un espacio vectorial con las mismas

operaciones (suma de vectores y producto por un escalar) definidas en V�.

Ejemplo

W={(x1,x2)∈R2:x2=3x1}�={(�1,�2)∈�2:�2=3�1} ¿es un subespacio de R2�2?

Primero analicemos el conjunto W�. Son todos vectores de R2�2 tales que la segunda

componente es el triple de la primera:

(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.

Condiciones necesarias y suficientes para caracterizar subespacios

Sea W� un subconjunto de un espacio vectorial V� (W⊆V)(�⊆�).
W� es subespacio de V� si y sólo si se cumplen las siguientes condiciones:
a. 0V0� está en W�.
b. Si u� y v� están en W�, entonces u+v�+� está en W�.
c. Si u� está en W� y k� es un escalar, ku�� está en W�.

Observaciones

1. La condición (a) asegura que W no es vacío. La mejor manera de comprobar si W es un

subespacio es buscar primero si contiene al vector nulo. Si 0V0� está en W, entonces deben
verificarse las propiedades (b) y (c). Si 0V0� no está en W, W no puede ser un subespacio y no
hace falta verificar las otras propiedades.

2. Las propiedades a, b y c corresponden a los axiomas 4, 1 y 6 de espacios vectoriales.

3. Los axiomas 2, 3, 7, 8, 9 y 10 de espacio vectorial se cumplen para W� porque éste es un

subconjunto de V�. Puede decirse que W� «hereda» esas propiedades de V�.

4. Faltaría comprobar que cada vector de W� tiene su opuesto en W� (axioma 5 de espacios

vectoriales):
Teniendo en cuenta la condición (c) de subespacios,
c. Si u� está en W� y k� es un escalar, ku�� está en W�.
Si tomamos k=–1�=–1, resulta:
Para cada u∈W,(–1)u=–u∈W�∈�,(–1)�=–�∈�.
Y por lo tanto cada vector de W� tiene su opuesto en W�.
De las observaciones anteriores se deduce que las condiciones (a), (b) y (c) son suficientes para
demostrar que W� es un espacio vectorial, y por lo tanto subespacio de V�.

Subespacios triviales

Si V� es un espacio vectorial, entonces V� es un subespacio de sí mismo.

0V+0V=0V0�+0�=0� y k0V=0Vparacualquierkreal�0�=0���������������
����

Los subespacios {0V}{0�} y V� se denominan subespacios triviales de V�.

Ejercitación sobre subespacios

Ejemplo 1

Consideremos el conjunto W={(x,y)∈R2|xy=0}�={(�,�)∈�2|��=0}, ¿Es un subespacio

de R2�2?

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:

(1,0)+(0,1)=(1,1)∉W(1,0)+(0,1)=(1,1)∉�

Entonces W� no es un subespacio de R2�2.

Ejemplo 2

Consideremos el conjunto W={(x,y)∈R2|x=0}�={(�,�)∈�2|�=0}. Es decir, la recta de

ecuación x=0�=0. ¿Es un subespacio de R2�2?

Se cumple (a) pues (0,0)∈W(0,0)∈�

Se cumple (b) pues la suma de dos vectores de W�, está en W�:

(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,��)

Luego W� es subespacio de R2�2.

Ejemplo 3

Consideremos el conjunto W={(x,y)∈R2|x2–y2=0}�={(�,�)∈�2|�2–�2=0}. ¿Es un subespacio

de R2�2?

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)∉�

Entonces W� no es un subespacio de R2�2.

Ejemplo 4

Consideremos el conjunto W={(x,y,z)∈R3|x+y+2z=0}�={(�,�,�)∈�3|�+�+2�=0}. Es decir un

plano que pasa por el origen. ¿Es un subespacio de R3�3?

De la ecuación del plano se deduce que: x=–y–2z�=–�–2�

Por lo tanto los vectores que pertenecen a W� responden a la forma (–y–2z,y,z)(–�–

2�,�,�) con y,z∈R�,�∈�.

Se cumple (a) pues (0,0,0)∈W(0,0,0)∈�

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��,��,��)∈�

Entonces W� es subespacio de R3�3.

Ejemplo 5

Consideremos el conjunto W={p∈P2|p(0)=0}�={�∈�2|�(0)=0}. Es decir, los polinomios de

grado menor o igual que 2 (incluyendo el polinomio nulo) tales que evaluados en  00 dan por
resultado 00. ¿Es un subespacio de P2�2?

Se cumple (a) pues el polinomio nulo pertenece a W�.

Recordemos la definición de suma de funciones y de producto de un real por una función:

(f+g)(x)=f(x)+g(x)(�+�)(�)=�(�)+�(�), para todo x� perteneciente al dominio de f� y

de g�

(kf)(x)=kf(x)(��)(�)=��(�) para todo x� perteneciente al dominio de f�.

Los polinomios son funciones, por lo tanto si consideramos p,q∈W�,�∈�, resulta:

(p+q)(0)=p(0)+q(0)=0+0=0⇒p+q∈W(�+�)(0)=�(0)+�(0)=0+0=0⇒�+�∈�
(kp)(0)=k.p(0)=k0=0⇒kp∈W(��)(0)=�.�(0)=�0=0⇒��∈�

Demostramos que W� es un subespacio de P2�2.

Ejemplo 6

Consideremos el conjunto W={A∈R2×2|A=At}�={�∈�2×2|�=��}. Es decir, el conjunto de

matrices simétricas de 2×22×2.

Se cumple (a) porque la matriz nula pertenece a W�.

Se cumple (b) pues si A,B∈W�,�∈� entonces (A+B)t=At+Bt=A+B(�+�)�=��+��=�+�,

luego (A+B)∈W(�+�)∈�

Se cumple (c) pues si A∈W�∈� entonces (kA)t=kAt=kA(��)�=���=��,

luego (kA)∈W(��)∈�

Demostramos que el conjunto de matrices simétricas de 2×22×2 es un subespacio de R2×2�2×2.

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

Consideremos el conjunto W={A∈R2×2|det(A)=0}�={�∈�2×2|det(�)=0}. ¿Es un subespacio

de R2×2�2×2?

Se cumple (a) porque la matriz nula pertenece a W�.

En general det(A+B)≠det(A)+det(B)det(�+�)≠det(�)+det(�), entonces podría ocurrir

que A,B∈W�,�∈� pero que A+B�+� no esté en W�. Por ejemplo

A=(1–3–13),B=(00–25),A+B=(1–3–38)�=(1–3–13),�=(00–25),�+�=(1–3–38)

Entonces no se cumple (b).

W� no es un subespacio de R2×2�2×2.

Resumen de los subespacios de R2�2 y R3�3

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.

Dependencia e independencia lineal

Ir a la navegaciónIr a la búsqueda

Vectores linealmente independientes en  (en el espacio tridimensional).

Vectores linealmente dependientes en  (en el plano).

En álgebra lineal, se dice que un conjunto de vectores es linealmente independiente si ninguno de

ellos puede ser escrito como combinación lineal de los restantes.

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

 3.1.1Método alternativo usando determinantes

o 3.2Ejemplo 2

 3.2.1Demostración

o 3.3Ejemplo 3

 3.3.1Demostración

 4Véase también

Definición[editar]

Dado un conjunto finito de vectores  pertenecientes a un espacio vectorial , se dice que

son linealmente independientes si la ecuación  se satisface únicamente cuando  (los escalares son
todos cero). En caso contrario, se dice que son linealmente dependientes.

Nótese que el símbolo a la derecha del signo igual no es cero, sino que simboliza al vector nulo .

La definición anterior también puede extenderse a un conjunto infinito de vectores,

concretamente un conjunto cualquiera de vectores es linealmente dependiente si contiene un
conjunto finito que sea linealmente dependiente.

Utilizando el concepto de subespacio generado por un conjunto de vectores podemos redefinir la

independencia lineal así:
Un conjunto de vectores  es linealmente independiente si .

Esta idea es importante porque los conjuntos de vectores que son linealmente independientes,
generan un subespacio vectorial y forman una base para dicho subespacio.

Entre las propiedades de los vectores linealmente dependientes e independientes encontramos:

1. Un conjunto de vectores es linealmente dependiente si y solamente si alguno de los

vectores es combinación lineal de los demás.

2. Si un conjunto de vectores es linealmente independiente, cualquier subconjunto suyo

también lo es.

3. Si un conjunto de vectores es linealmente dependiente, también lo es todo conjunto que

lo contenga.

Significado geométrico[editar]

 Dos vectores son linealmente independientes si y sólo si no tienen la misma dirección. En

otras palabras, deben generar un plano (dimensión 2).

 Tres vectores son linealmente independientes si y sólo si no están contenidos en el mismo

plano vectorial. En otras palabras, deben generar un volumen (dimensión 3).

 En general,  vectores son linealmente independientes si y sólo si generan un subespacio

vectorial de dimensión .

Ejemplo[editar]

En la imagen:

  y  son dependientes por tener la misma dirección.

  y  son independientes y definen el plano .

 ,  y  son dependientes por estar los tres contenidos en el mismo plano.

  ,  y  son independientes por serlo  y  entre sí y no ser  una combinación lineal de ellos, o lo
que es lo mismo, por no pertenecer al plano . Los tres vectores generan el espacio
tridimensional.

 Los vectores  (vector nulo, cuyas componentes son iguales a cero) y  son dependientes ya

que .

Ejemplos[editar]

Ejemplo 1[editar]

¿Son los tres vectores siguientes independientes?

Buscamos tres valores x, y y z que satisfagan la ecuación:

Lo que equivale al sistema de ecuaciones siguiente:

Dado que la única solución es la trivial (x = y = z = 0), los tres vectores son independientes.

Método alternativo usando determinantes[editar]

Un método alternativo usa el hecho que n vectores en  son linealmente independientes si y solo si

el determinante de la matriz formada por estos vectores como columnas es distinto de cero.

Dados los vectores:

La matriz formada por éstos es:

El determinante de esta matriz es:

Ya que el determinante es no nulo, los vectores (1, 1) y (−3, 2) son linealmente independientes.

Ejemplo 2[editar]

Sea V = Bn y consideremos los siguientes elementos en V:

Entonces e1, e2,..., en son linealmente independientes. Estos vectores constituyen la base

canónica en R.

Demostración[editar]

Supongamos que a1, a2,..., an son elementos de R tales que:

Sustituyendo e1, e2,..., en resulta:

Multiplicando:

Sumando coordenadas:
Por lo que se obtiene: 

Así que:

Además: 

Pero 0 es un vector, entonces: 

Por lo que ai = 0 para todo i en {1,..., n}.

Entonces los vectores  son linealmente independientes

Ejemplo 3[editar]

Sea V el espacio vectorial de todas las funciones a variable real. Entonces las

funciones et y e2t en V son linealmente independientes.

Demostración[editar]

Supongamos que a y b son dos números reales tales que:

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

En otras palabras, la función bet debe ser independiente de t, lo cual ocurre únicamente

cuando b = 0. Por lo tanto, a es cero.

BASES Y DIMENSIÓN DE ESPACIOS VECTORIALES. Definición: Base. Se llama base de un espacio (o

subespacio) vectorial a un conjunto linealmente independiente que sea a la vez sistema generador
de dicho espacio o subespacio. • Por tanto, la dimensión es el máximo número de vectores
linealmente independientes que podemos tener en el espacio o subespacio. En otras palabras, es
el máximo rango que puede tener un conjunto de vectores de dicho espacio. Es también el rango
de cualquier sistema generador de dicho espacio. Propiedades de las bases. 1. Una base de S es un
sistema generador minimal de S (lo más pequeño posible). 2. Además es un conjunto
independiente maximal dentro de S (lo más grande posible). 3. Una base de S permite expresar
todos los vectores de S como combinación lineal de ella, de manera única para cada vector.
Ejemplos de bases. 1. La base canónica de ! n: e1 = (1,0,. . . ,0) e2 = (0,1,. . . ,0) ........ en =
(0,0,. . . ,1) - Son linealmente independientes porque forman un determinante no nulo. - Son
sistema generador de ! n porque todo vector (a1,a2,. . . ,an)∈ ! n se puede expresar como
combinación lineal de ellos: (a1,a2,. . . ,an) = a1(1,0,. . . ,0) + a2(0,1,. . . ,0) + . . . + an(0,0,. . . ,1) 2.
Otra base de ! 3 distinta de la canónica: (1,0,0), (1,1,0), (0,2,-3). - Son linealmente independientes
porque forman un determinante no nulo. - Son sistema generador de ! 3 porque cualquier vector
(a,b,c) se puede poner como combinación lineal de ellos. En efecto, dado (a,b,c), buscamos , , que
satisfagan (a,b,c)= (1,0,0)+ (1,1,0)+ (0,2,-3) Se obtiene un sistema: + = a +2 =b -3 = c en las
incógnitas α , β ,γ , que es compatible determinado para cualesquiera a, b, c. Neila Campos - Univ.
de Cantabria - http://personales.unican.es/camposn ÁLGEBRA LINEAL - Bases y dimensión 2 3.
(1,2,3), (4,5,6), (7,8,9) en ! 3 no forman base porque no son linealmente independientes (su
determinante es nulo). 4. Base de un subespacio. En ! 3 , consideremos el subespacio S= plano XY.
Veamos que los vectores (3,2,0) , (1,–1,0) forman una base de S. - Son linealmente
independientes, porque uno no es múltiplo del otro. - Son un sistema generador de S: Dado un
vector genérico de S, de la forma (a,b,0), lo podemos poner como combinación lineal de (3,2,0) y
(1,–1,0). Para ello, buscamos , que cumplan: (a,b,0)= (3,2,0)+ (1,–1,0) ! 3 + = a 2 – = b 5. Extender
un conjunto para que forme base. ¿Es (1,0,2), (1,0,–1) base de ! 3 ? - Son linealmente
independientes, porque uno no es múltiplo del otro. - Pero no son un sistema generador de ! 3 ,
porque no es cierto que todo vector de ! 3 pueda ponerse como combinación lineal de ellos. Por
ejemplo, el (0,1,0) no se puede poner (resulta un sistema incompatible). Por tanto no son base
de ! 3 . ¿Puede obtenerse una base de ! 3 de algún modo? Sí, añadiendo algún otro vector de
manera que siga siendo independiente de los anteriores, por ejemplo (0,1,0). Así el conjunto
(1,0,2), (1,0,–1), (0,1,0) es linealmente independiente, y genera ! 3 , por tanto es base de ! 3 . 6.
Reducir un conjunto para que forme base. ¿Es (2,0,0), (0,3,0), (4,1,0) base de S=plano XY de ! 3 ? -
Son un sistema generador de S, pero no son independientes (su determinante es nulo). Por tanto
no son base de S. ¿Puede obtenerse una base de S de algún modo? Sí. Uno de los vectores es
combinación lineal de los demás: (4,1,0)=2·(2,0,0) + · (0,3,0). Suprimimos por tanto (4,1,0) y los
restantes vectores (2,0,0), (0,3,0) siguen generando el mismo subespacio S y son independientes.
Son por tanto base de S. Teorema y definición: Dimensión. Todas las bases de un mismo espacio o
subespacio tienen el mismo número de vectores. Se llama dimensión de dicho espacio o
subespacio. Ejemplos de dimensión. 1. n tiene dimensión n, pues tiene una base de n elementos
(p.ej. la canónica). S. C. D. para cualesquiera a,b. Neila Campos - Univ. de Cantabria -
http://personales.unican.es/camposn ÁLGEBRA LINEAL - Bases y dimensión 3 2. M2x2= {matrices
2x2 con términos reales} tiene dimensión 4. Una base de M2x2 es: , , , 3. P2= {polinomios de grado
2 con coeficientes reales} tiene dimensión 3. Una base de P2 es, por ejemplo, la formada por los
tres polinomios siguientes: 1+0x+0x2 , 0+x+0x2 , 0+0x+x2 (es decir, los polinomios 1, x, x2 ). Otra
base: 1+2x+3x2 , 4+x2 , 3–x–5x2 . Propiedades de la dimensión. 1. Significado físico de la
dimensión: los planos tienen dimensión 2, las rectas dimensión 1, el punto dimensión 0. El
subespacio {0} es el único que tiene dimensión 0. 2. La dimensión de un subespacio en ! n ,
coincide con el número de parámetros libres en su forma paramétrica. 3. Si S y T son subespacios y
S está contenido en T, entonces dim S dim T. Además, si se da la igualdad, dim S = dim T, ambos
espacios han de coincidir. 4. El rango de una familia de vectores, es igual a la dimensión del
subespacio que generan. Es decir: si v1,v2,. . . vn generan un cierto subespacio S, y si el rango de
dicho conjunto es r, entonces dim S = r. (Si un cierto conjunto de vectores tienen rango 2,
entonces generan un plano; etc.) Ejemplo. En ! 3 , sea S el subespacio generado por: (1,0,2), (0,–
1,–2), (3,3,3), (2,2,0). Observamos que el rango de este conjunto (= rango de la matriz que forman,
por filas o por columnas) es 3. Así por la propiedad 4 , tenemos que dim S = 3. Pero como estamos
en ! 3 , por la propiedad 3 ha de ser S= ! 3 . Teorema. Sea S un espacio o subespacio de dimensión
m. Entonces, • Si tenemos m vectores linealmente indep. en S, también serán sistema generador
de S. • Si tenemos m vectores que generan S, también serán linealmente independientes. Por
tanto, si tenemos un conjunto formado por tantos vectores como indica la dimensión, dichos
vectores serán a la vez linealmente independientes y sistema generador, o bien ninguna de las dos
cosas. Neila Campos - Univ. de Cantabria - http://personales.unican.es/camposn ÁLGEBRA LINEAL -
Bases y dimensión 4 Así pues, para probar que son base, bastaría probar solamente una de las dos
cosas: que son linealmente independientes, o que son sistema generador. Esto solamente se
puede aplicar cuando conocemos la dimensión del espacio y cuando tenemos tantos vectores
como indica la dimensión. Teorema. En un espacio o subespacio de dimensión m, • un conjunto de
más de m vectores nunca puede ser linealmente independiente. • un conjunto de menos de m
vectores nunca puede ser sistema generador. Así pues, por ejemplo, 3 vectores en ! 2 podrán ser o
no sistema generador de ! 2 , pero nunca podrán ser linealmente independientes. Del mismo
modo, 2 vectores en ! 3 podrán ser linealmente independientes o no, pero nunca serán sistema
generador de ! 3 (aunque sí podrán serlo de un subespacio más pequeño). IMPLICITACIÓN Vimos
ya las formas implícita y paramétrica de subespacios; el paso de la forma implícita a la paramétrica
es sencillo pues se reduce a resolver un sistema de ecuaciones. El paso inverso, de la paramétrica
a la implícita, puede explicarse ahora a la luz de los conocimientos que ya tenemos. Podrá hacerse
de dos formas; veámoslo con unos ejemplos. 1) Expresar en forma implícita el subespacio S= { (α,
β, 3α−5β) } de ! 3 . 1ª forma. Veamos primero cuántas ecuaciones implícitas son necesarias. La
forma paramétrica tiene dos parámetros libres. Entonces, nº ecuaciones + nº parámetros libres (es
decir, dim S) = 3 (en ! 3 ) 1 + 2 = 3 Hace falta, por tanto, 1 ecuación implícita. Tratemos de buscar
una relación entre las coordenadas x,y,z del vector genérico (α, β, 3α−5β) Observamos que la
tercera coordenada es tres veces la primera menos cinco veces la segunda. Así, la relación es z = 3x
- 5y. Esta es la forma implícita. (Nota: las ecuaciones implícitas nunca pueden tener término
independiente, pues siempre ha de satisfacerlas el vector cero). 2ª forma. Obtenemos una base de
S: ( α, β, 3α−5β ) = α(1,0,3) + β (0,1,-5) → sistema generador (1,0,3) , (0,1,-5). Neila Campos - Univ.
de Cantabria - http://personales.unican.es/camposn ÁLGEBRA LINEAL - Bases y dimensión 5 y son
linealmente independientes: rg 1 0 0 1 3 −5 ⎛ ⎝ ⎜ ⎜ ⎜ ⎞ ⎠ ⎟ ⎟ ⎟ =2, luego son base. (Por tanto
dimS = 2). Ahora, un vector (x,y,z) de 3 pertenecerá a S si es combinación lineal de (1,0,3) , (0,1,-
5) : por tanto si al añadirlo a ellos, el rango no aumenta y sigue siendo 2. Debe ser rg 1 0 x 0 1 y 3
−5 z ⎛ ⎝ ⎜ ⎜ ⎜ ⎞ ⎠ ⎟ ⎟ ⎟ =2. Escalonamos esta matriz para ver su rango. (Notar que el hecho
de que sus términos sean incógnitas no impide en absoluto efectuar operaciones elementales en
las filas, como en cualquier matriz numérica.) 1 0 x 0 1 y 3 −5 z ⎛ ⎝ ⎜ ⎜ ⎜ ⎞ ⎠ ⎟ ⎟ ⎟ → 1 0 x 0 1
y 0 5 z − 3x ⎛ ⎝ ⎜ ⎜ ⎜ ⎞ ⎠ ⎟ ⎟ ⎟ → 1 0 x 0 1 y 0 0 z − 3x + 5y ⎛ ⎝ ⎜ ⎜ ⎜ ⎞ ⎠ ⎟ ⎟ ⎟ Las dos
primeras filas de la matriz son no nulas, así que el rango será 2 cuando la tercera fila sea nula, es
decir, cuando z - 3x + 5y = 0. Esta es la forma implícita buscada. Notar que es la misma que se
obtuvo en la 1ª forma. Otra variante de esta 2ª forma: como la matriz 1 0 x 0 1 y 3 −5 z ⎛ ⎝ ⎜ ⎜ ⎜
⎞ ⎠ ⎟ ⎟ ⎟ es cuadrada, podemos también hallar su determinante, que resulta ser z - 3x + 5y .
Cuando el determinante sea nulo, el rango de la matriz es 2. Se obtiene así también la misma
ecuación implícita. 2) Expresar en forma implícita el subespacio S= { (α, β, 2α+β, −α+ 3β) } de ! 4 .
1ª forma. nº ecuaciones + nº parámetros libres (es decir, dim S) = 4 (en ! 4 ) 2 + 2 = 4 Hacen falta,
por tanto, 2 ecuaciones implícitas. Tratemos de buscar dos relaciones entre las coordenadas x,y,z,t
del vector genérico (α, β, 2α+β, −α+3β ) Estas dos relaciones son “claramente” z = 2x + y ; t = -x +
3y. Así pues, esta es la forma implícita. (Nota: La forma implícita no es única. Otra posibilidad es: z
= 2x + y ; z + 2t = 7y por ejemplo.) Neila Campos - Univ. de Cantabria -
http://personales.unican.es/camposn ÁLGEBRA LINEAL - Bases y dimensión 6 2ª forma.
Obtenemos una base de S: (α, β, 2α+β, −α+3β) = α(1,0,2,-1) + β(0,1,1,3) y son linealmente
independientes: rg 1 0 0 1 2 1 −1 3 ⎛ ⎝ ⎜ ⎜ ⎜ ⎜ ⎞ ⎠ ⎟ ⎟ ⎟ ⎟ =2, luego son base. (Por tanto
dimS = 2). Un vector (x,y,z,t) de ! 4 pertenecerá a S si es combinación lineal de (1,0,2,-1) , (0,1,1,3),
por tanto si al añadirlo a ellos, el rango no aumenta y sigue siendo 2. Debe ser rg 1 0 x 0 1 y 2 1 z
−1 3 t ⎛ ⎝ ⎜ ⎜ ⎜ ⎜ ⎞ ⎠ ⎟ ⎟ ⎟ ⎟ =2. Escalonamos esta matriz para ver su rango. 1 0 x 0 1 y 2 1 z
−1 3 t ⎛ ⎝ ⎜ ⎜ ⎜ ⎜ ⎞ ⎠ ⎟ ⎟ ⎟ ⎟ → 1 0 x 0 1 y 0 1 z − 2x 0 3 t + x ⎛ ⎝ ⎜ ⎜ ⎜ ⎜ ⎞ ⎠ ⎟ ⎟ ⎟ ⎟ →
1 0 x 0 1 y 0 0 z − 2x − y 0 0 t + x − 3y ⎛ ⎝ ⎜ ⎜ ⎜ ⎜ ⎜ ⎞ ⎠ ⎟ ⎟ ⎟ ⎟ ⎟ Las dos primeras filas de la
matriz son no nulas, así que el rango será 2 cuando la tercera y cuarta filas sean nulas, es decir,
cuando z – 2x – y = 0 ; t + x – 3y = 0. Estas son las ecuaciones implícitas buscadas. Notar que son las
mismas que se obtuvieron en la 1ª forma. 3) Expresar en forma implícita el subespacio S= { (α, 2α,
3α) } de ! 3 . 1ª forma. nº ecuaciones + nº parámetros libres (es decir, dim S) = 3 (en ! 3 ) 2 + 1 = 3
Hacen falta, por tanto, 2 ecuaciones implícitas. Tratemos de buscar dos relaciones entre las
coordenadas x,y,z,t del vector genérico (α, 2α, 3α ). Estas dos relaciones son z = 3x ; y = 2x. Estas
son las ecuaciones implícitas. 2ª forma. Obtenemos una base de S: (α, 2α, 3α ) = α( 1,2,3 ) luego
(1,2,3) es una base. (Por tanto dimS = 1). Ahora, un vector (x,y,z) de ! 3 pertenecerá a S si es
combinación lineal de (1,2,3) por tanto si al añadirlo a él , el rango no aumenta y sigue siendo 1.
Debe ser rg 1 x 2 y 3 z ⎛ ⎝ ⎜ ⎜ ⎜ ⎞ ⎠ ⎟ ⎟ ⎟ =1. Escalonamos esta matriz para ver su rango.
Neila Campos - Univ. de Cantabria - http://personales.unican.es/camposn ÁLGEBRA LINEAL - Bases
y dimensión 7 1 x 2 y 3 z ⎛ ⎝ ⎜ ⎜ ⎜ ⎞ ⎠ ⎟ ⎟ ⎟ → 1 x 0 y − 2x 0 z − 3x ⎛ ⎝ ⎜ ⎜ ⎜ ⎞ ⎠ ⎟ ⎟ ⎟ La
primera fila de la matriz es no nula, así que el rango será 1 cuando la tercera y cuarta filas sean
nulas, es decir, cuando y – 2x = 0 ; z – 3x = 0. Estas son las ecuaciones implícitas buscadas. Notar
que son las mismas que se obtuvieron en la 1ª forma. 4) Expresar en forma implícita el subespacio
S= { (α+ 2β, 2α+ 4β, 3α+ 6β) } de ! 3 . A pesar de las apariencias, pues hay dos parámetros, la
dimensión de S no es dos. Ello se debe a que los parámetros no son libres. Se aprecia al hallar una
base: ( α+2β, 2α+4β, 3α+6β ) = α( 1,2,3 ) + β ( 2,4,6 ) → Sistema generador (1,2,3) , (2,4,6) Pero no
son independientes, luego no son base. Hay que quitar el segundo vector, que es múltiplo del
primero: La base es (1,2,3), por tanto se trata del mismo espacio del ejemplo 3). 5) Expresar en
forma implícita el subespacio S= { ( 6α+ 2β, 0, 0, α+ 4β, 0) } de ! 5 . Es inmediato por la 1ª forma: nº
ecuaciones + nº parámetros libres (es decir, dim S) = 5 (en ! 5 ) 3 + 2 = 5 Hay que buscar tres
relaciones entre las coordenadas x,y,z,t,s del vector genérico (6α+2β, 0, 0, α+4β, 0). Obviamente
se tiene: y=0 , z=0 , s=0. Por tanto, estas son las ecuaciones implícitas. (Nota: una forma
paramétrica más sencilla de este subespacio es (λ, 0, 0, µ, 0) ).

Espacio vectorial normado

Ir a la navegaciónIr a la búsqueda

Jerarquía de espacios matemáticos. Los espacios vectoriales normados son un superconjunto de

los espacios con producto interno y un subconjunto de los espacios métricos, que a su vez son un
subconjunto de los espacios topológicos.

En matemática, un espacio normado o espacio vectorial normado es un espacio vectorial en el

que se ha definido explícitamente una norma vectorial. Podemos señalar los siguientes hechos
que ayudan a comprender la importancia del concepto de espacio normado:

 En un espacio euclídeo, la norma coincide precisamente con la longitud del vector.

 Todo espacio vectorial normado es un espacio métrico con la distancia inducida por la

norma.

 Si el espacio vectorial es además completo se dice que es un espacio de Banach.

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

o 2.1De dimensión finita

o 2.2De dimensión infinita

 3Distancia inducida

 4Espacios vectoriales normados de dimensión finita

 5Espacios normados de dimensión infinita

 6Referencias

o 6.1Bibliografía

Definición[editar]

Un espacio vectorial V sobre un cuerpo  en el que se define un valor absoluto (generalmente  o ) se

dice que es normado si en él se puede definir una norma, es decir, una aplicación , que verifica:

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 .

2. Homogeneidad. Para todo  de  y para todo k de  se satisface que  donde  es el módulo

o valor absoluto.

3. Desigualdad triangular. Para todos  e  de  se cumple que .

Generalmente se denotará a  al espacio vectorial normado y, cuando la norma sea clara,
simplemente por .

Ejemplos[editar]

De dimensión finita[editar]

 Los espacios euclídeos  , estudiados en el análisis clásico.

 Las matrices cuadradas de orden n sobre : 

De dimensión infinita[editar]

 Todos los espacio de Hilbert y, en particular, el conformado por todas las funciones de

cuadrado integrable sobre un intervalo  con la norma dada por el producto escalar .

 El espacio de funciones continuas  sobre un espacio topológico compacto con la norma

del supremo: 
Distancia inducida[editar]

En todo espacio vectorial normado se puede definir la distancia :

con la cual (V,d) es un espacio métrico.

Espacios vectoriales normados de dimensión finita[editar]

Se cumplen los siguientes resultados (que generalmente no son ciertos para espacios de
dimensión infinita):

 Todas las normas definidas en el espacio son equivalentes, es decir, definen la

misma topología. La convergencia o divergencia de una sucesión no depende de la norma
escogida. El resultado no es cierto para espacios de dimensión infinita siendo siempre
posible encontrar dos normas que no son equivalentes.

 El espacio es completo, es decir, es un espacio de Banach. Como consecuencia, todo

subespacio de dimensión finita de un espacio vectorial (no necesariamente de dimensión
finita) es cerrado.

 Un espacio vectorial normado es de dimensión finita si y solo si la bola unidad es

compacta.

 Todo funcional lineal es continuo. Si el espacio tiene dimensión infinita, existen

funcionales lineales no continuos.

 Teorema de Heine-Borel o teorema de Borel-Lebesgue. Un subconjunto del espacio

vectorial es compacto si y solo si es cerrado y acotado.

Espacios normados de dimensión infinita[editar]

En análisis funcional, teoría de ecuaciones diferenciales e incluso en mecánica cuántica intervienen

espacios normados de dimensión infinita, en especial espacios de Banach y espacios de Hilbert.
Ambos tipos de espacios son métricamente completos, siendo todo espacio de Hilbert
trivialmente también un espacio de Banach (al revés solo es cierto si la norma del espacio de
Banach satisface la ley del paralelogramo).

Los espacios de Banach son ampliamente usados para discutir ecuaciones de evolución que

involucran ecuaciones diferenciales ordinarias (en concreto un problema bien definido está
definido sobre un espacio de Banach).

Resumen

Cuatro aspectos importantes determinan la formaci�n de las nociones b�sicas responsables de

estructurar el pensamiento matem�tico de los ni�os: el dominio de las bases que determinan un
sistema de numeraci�n, la ejecuci�n de operaciones matem�ticas escritas, el desarrollo de las
habilidades de c�lculo mental-oral y el desarrollo de los principios de Geometr�a, especialmente
la noci�n de espacio. Estos conceptos constituyen los marcos l�gico-matem�ticos
fundamentales que han de servir para estructurar el futuro pensamiento abstracto- formal.

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

La referencia histórica de la evolución y desarrollo de la Geometría nos lleva, en primera instancia,

a la época de los griegos y a su afán por establecer un sistema de demostración y razonamiento
fundamentado en la deducción y en la formalidad del pensamiento. Este método busca
determinar la verdad de nuevos conceptos, deducidos de otros anteriores, que han sido aceptados
como conceptos e ideas abstractas absolutamente ciertas. Todo este sistema de razonamiento
encontró� su mejor expresi�n en la Geometr�a y en Euclides, su mayor exponente. De all�,
que se habla de la Geometr�a Euclidiana.

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.

La Geometr�a Euclidiana tambi�n conocida como �M�trica�, trata del estudio y

representaci�n de longitudes, �ngulos, �reas y vol�menes como propiedades que
permanecen constantes, cuando las figuras representadas son sometidas a transformaciones
�r�gidas�; es decir, movimientos en el plano horizontal o vertical, giros sobre alguno de sus
ejes� Como se observa en la figura N� 1, la representaci�n de la forma luego de haber sufrido
movimientos r�gidos, conserva las longitudes de sus lados, la magnitud de sus �ngulos y el
�rea interior sigue siendo la misma. Se trata de la representaci�n de figuras congruentes, puesto
que una puede ser obtenida de la otra, trasladando y/o rotando una de ellas.

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,�).