VECTORES

Johandry Paola carrillo balanta

Producto cruz de dos vectores

El producto cruz o producto vectorial es una forma de multiplicar dos o

más vectores. Existen tres formas de multiplicar vectores, pero ninguna de
estas es una multiplicación en el sentido usual de la palabra. Una de dichas
formas es conocida como producto vectorial, la cual nos da como resultado
un tercer vector.
El producto vectorial, que también es llamado producto cruz o producto
exterior, posee diferentes propiedades algebraicas y geométricas.
Estas propiedades son de gran utilidad, sobre todo en cuanto al estudio de la
física.
Rectas y planos en el espacio

Los puntos de cualquier recta en el espacio son de la forma p(t)=po+tU

donde po es punto de la recta y U es un vector en la recta. Esta es una
parametrización de la recta (todos los puntos están en función del parámetro
t). Cada recta tiene una infinidad de parametrizaciones, ya que podemos
empezar en cualquier punto de la recta y usar cualquier vector en la
dirección de la recta.
Espacio vectorial

Un espacio vectorial es un conjunto no vacío VV 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 VV y todos los escalares α y βreales.
Llamamos u+vu+v a la suma de vectores en VV, y αvαv al producto de un
número real αα por un vector v∈Vv∈V.
■ 1. u+v∈Vu+v∈V
2. u+v=v+u+v=v+u
3. (u+v)+w=u+(v+w)(u+v)+w=u+(v+w)
4. Existe un vector nulo 0V∈V0V∈V tal que v+0V=vv+0V=v
5. Para cada v en V, existe un opuesto (–v)∈V(–v)∈V tal que v+(–v)=0Vv+(–v)=0V
6. αv∈Vαv∈V
7. α(u+v)=αu+αvα(u+v)=αu+αv
8. (α+β)v=αv+βv(α+β)v=αv+βv
9. α(βv)=(αβ)vα(βv)=(αβ)v
10. 1v=v
■ Propiedad 1
■ 0u=0V0u=0V
■ Propiedad 2
■ α0V=0Vα0V=0V
■ Propiedad 3
■ (–α)u=–(αu)(–α)u=–(αu)
■ En particular, para α=1α=1 :(–1)u=–u(–1)u=–u
■ Propiedad 4
■ αu=0V⇒α=0∨u=0Vαu=0V⇒α=0∨u=0V
Subespacios vectoriales

En álgebra lineal, un subespacio vectorial es el subconjunto de un espacio

vectorial, que satisface por sí mismo la definición de espacio vectorial con
las mismas operaciones que V.
Condiciones para caracterizar subespacios

Sea W un subconjunto de un espacio vectorial V (W⊆V)(W⊆V).

W es subespacio de V si y sólo si se cumplen las siguientes condiciones:

a. 0V0V está en W.
b. Si u y v están en W, entonces u+vu+v está en W.
c. Si u está en W y k es un escalar, ku está en W.
 Combinación lineal
En matemática, particularmente en álgebra lineal, una combinación lineal es
una expresión matemática que consiste en la suma entre pares de elementos, de
determinados conjuntos, multiplicados entre sí.
En particular, la combinación lineal de un sistema de vectores se trata de un vector de
la forma

con los elementos de un cuerpo. La definición, provista de esta manera, da

lugar a otras definiciones y herramientas importantes, como son los conceptos
de independencia lineal y base de un espacio vectorial.
Espacio generado

dado un espacio vectorial V, se llama sistema generador de V a

un conjunto de vectores, pertenecientes a V, a partir del cual se puede
generar el espacio vectorial V completo. En este caso, el espacio
vectorial V se denomina conjunto generado o espacio generado
Esto también es válido para subconjuntos de V, en esos casos se habla
de subconjuntos generados, o más específicamente, subespacios
generados por el sistema generador en cuestión.
Base y dimensión

Si V es cualquier espacio vectorial y S ={v1 ,v2,…….vn} es un conjunto

de vectores en V, entonces S se llama base de V si se cumplen las
siguientes condiciones:

1.S es linealmente independiente

2.S genera V

Reciben el nombre de base natural o canónica

Ejemplo

El conjunto S={ v1,v2,v3,v4}, donde v1=(1,0,1,0),v2=(o,1,-1,2),v3=(0,2,2,1),

V4=(1,0,0,1) es una base para R4

En primer lugar hay que demostrar que es linealmente independiente,

C1 v1 +c2 v2 + c3 v3 + c4 v4 =0

Se puede efectuar como se realizó para independencia lineal construyendo la

matriz. Es válido, además resolver el determinante puesto que una de las
condiciones para formar la base es el número de vectores que la forman. Si
el determinante es distinto de cero (0) se dice que es independiente lineal por
lo tanto forman la base, mientras que el resultado si es igual a cero no
forman base. (Recordar las propiedades de los determinantes)
Resolver el determinante factible si la matriz generada posee una dimensión
que lo permita, es decir menos cálculo que por otro método. La matriz
generada siempre es cuadrada sino no sería base
 Rango y nulidad

La dimensión común del espacio renglón y del espacio columna de una matriz
A se denomina rango y se denota rango (A), la dimensión del espacio nulo de
A se llama nulidad y se denota nulidad (A).
Propiedad
Rango (A)= Rango (AT)
Teorema de la dimensión
Si es una matriz A con n columnas, entonces:
Rango (A) + nulidad (A) = n
El procedimiento para calcular el rango de una matriz es el siguiente
Se utiliza los procesos elementales por filas para transformar A
en una matriz B en forma escalonada.
El rango de A es igual al número de filas no nulas (aquellas que
se lograron escalonar).
Cambio de base

Cuando se elige una base B para un espacio vectorial V de dimensión n, la

función de coordenadas asociada sobre Rn proporciona un sistema de
coordenadas para V. Cada x en V se identifica de manera única con su vector
de B-coordenadas [x]B.
En algunas aplicaciones, inicialmente se describe un problema usando una
base B, pero la solución del problema se facilita al cambiar la base B a una
nueva base C.
Bases ortogonales

Si dotamos a un espacio vectorial de tal producto, también podemos aplicar

el término “ortogonal” a ciertos subespacios vectoriales. En lo que sigue,
vamos a aplicar dicho término a otros conceptos.
La importancia de las bases ortogonales radica en que la matriz asociada a la
forma bilineal simétrica f respecto de una base ortogonal es diagonal.
Debido a la sencillez de la matriz asociada, nos interesa tener un método que
nos permita localizar estas bases ortogonales. Para ello, necesitamos
introducir un concepto: el de vector isótropo.