Professional Documents
Culture Documents
FUNDAMENTOS DE
UN VECTOR
Introduccin
Espacio Vectorial
Conceptos Bsicos
Vector: Un vector es la representacin grfica de la Direccin, magnitud y
sentido de una fuerza.
Magnitud o mdulo: determina el tamao del vector.
Direccin: determina la recta en el espacio en que se ubica el vector.
Sentido: determina hacia qu lado de la recta de accin apunta el vector.
Escalar: Es una magnitud que solo se describe con la cantidad mediante
un nmero y una unidad, Ejemplo de magnitudes escalares son la
temperatura, la energa, entre otros., Estas magnitudes se diferencian delas
cantidades vectoriales porque estas ltimas adems de la cantidad
requieren que se d la direccin y el sentido
Definicin de espacio vectorial
Un espacio vectorial (o espacio lineal) es el objeto bsico de estudio en la
rama de la matemtica llamada lgebra lineal. A los elementos de los espacios
vectoriales se les llama vectores. Sobre los vectores pueden realizarse dos
operaciones: la multiplicacin por escalares y la adicin (una asociacin entre un
par de objetos). Tambin, un espacio vectorial sobre un cuerpo K (como el cuerpo
de los nmeros reales o los nmeros complejos) es un conjunto V no vaco,
dotado de dos operaciones para las cuales ser cerrado:
Supongamos que en V hay una operacin suma, que denotaremos por + y
una operacin producto por un escalar, que denotaremos por * diremos que (V,+,*)
es un espacio vectorial real (o simplemente un espacio vectorial) si se verifican
las siguientes propiedades:
1. Propiedad asociativa (+): (u + v) + w = u + (v + w); u, v, w V.
2. Propiedad conmutativa: u + v = v + u; u, v, V.
3. Existencia del elemento neutro: Hay un elemento 0 en V tal que u + 0 =u,
u V.
4. Existencia del elemento opuesto: Cada elemento u tiene su elemento
opuesto u talque u + (-u) = 0, es decir, (V, +) es un grupo conmutativo
5. Propiedad distributiva I: a * (u + v) = a*u + a*v, a R, u; v V.
6. Propiedad distributiva II: (a + b) * v = a*v + b*v; a; b R; v V.
7. Propiedad asociativa (*): a * (b*v) = (ab) * v, a; b R, v V.
8. Elemento unidad: 1*v = v; v V.
A los elementos de un espacio vectorial se les llama vectores y a los
elementos del cuerpo, escalares.
Ejemplos
Dependencia Lineal
En lgebra lineal, un conjunto de vectores es linealmente independiente si
ninguno de ellos puede ser escrito con una combinacin lineal de los restantes.
Por ejemplo, en R3, el conjunto de vectores (1, 0, 0), (0, 1, 0) y (0, 0, 1) es
linealmente independiente, mientras que (2, 1, 1), (1, 0, 1) y (3, 1, 2) no lo es, ya
que el tercero es la suma de los dos primeros.
Varios vectores libres del plano se dice que son linealmente
dependientes si hay una combinacin lineal de ellos que es igual
al vector cero, sin
que sean cero todos los coeficientes de
la combinacin lineal .
Propiedades
1. Si varios vectores son linealmente dependientes , entonces
al menos uno de ellos se puede expresar como combinacin
lineal de los dems.
Ejemplos
Sea S = {(1,2),(2,3)} un subconjunto de R2. Determine si S es Linealmente
Independiente o Linealmente Dependiente.
Solucin
~{2+2=0
{1+2233=0
~ {2+23=0
Producto Interno
El producto interno, en un espacio vectorial V, es una funcin que se le
asigna a cada par ordenado de vectores u,v elementos de V, un nmero real: =
(u/v), que satisface una serie de propiedades.
Donde el producto (u/v) puede ser real o complejo, pero (u/u) siempre nos
va a dar un nmero real.
En el espacio vectorial R2, se tiene: Si u= (a1; b1) y v= (a2; b2) (u/v)= a1 * a2+ b1 *
b2.
Ejemplo
Encontrar todos los productos internos posibles de los dos vectores dados
u= (2;3), v = (5;2) que pertenecen a R2.
(u/v)= 10+6=16
(v/u)= 10+6=16
(u/u)=4+9=13
(v/v)= 25+4=29
Norma de un vector
La longitud, mdulo o norma de un vector es igual a la raz cuadrada del
producto interno del mismo vector. De la siguiente manera: ||A||= (u/u) .
Ejemplo
Calculo de la norma de un vector:
U = (3; 8; -2)
(u/u) = 9 + 64 + 4 = 77
||u||= 77
Vectores ortogonales
Dos vectores son ortogonales o perpendiculares si su producto escalar es
cero
u . v =0
Dos vectores ortogonales tienen entre si 90.
Ejemplo:
u (2; 0) * v (0; 2) =
2*0 + 0*2 = 0 + 0 = 0
Base ortogonal
Dos vectores vector U y vector V con distinta direccin forman una base,
porque cualquier vector del plano se puede poner como combinacin lineal de
ellos.
Donde (a,b) son las coordenadas
x =a u ; b v
Subespacio vectorial
En lgebra lineal, un Subespacio vectorial es el subconjunto de un espacio
vectorial, que satisface por s mismo la definicin de espacio vectorial con las
mismas operaciones que V.
Un Subespacio vectorial que cumple las dos condiciones siguientes es un
espacio vectorial.
Teorema de Subespacio.
Un subconjunto no vaco de H de un espacio vectorial V es un sub espacio
de V si se cumplen las dos reglas de cerradura:
Reglas de cerradura para ver si un subconjunto no vaci es un sub espacio
1. Si x H y y H, entonces x + y H.
2. Si x H, entonces x H para todo escalar .
Matrices
Una matriz es una tabla cuadrada o rectangular de datos (llamados
elementos o entradas de la matriz) ordenados en filas y columnas, donde una fila
es cada una de las lneas horizontales de la matriz y una columna es cada una de
las lneas verticales de la matriz. A una matriz con m filas y n columnas se le
denomina matriz m x n; y a m y n se les denomina dimensiones de la matriz.
Las dimensiones de la matriz siempre se dan con el nmero de fila primero
y el nmero de columnas.
Por lo general se trabaja con matrices formadas por nmeros reales. Las
matrices se usan generalmente para describir sistemas de ecuaciones lineales,
sistemas de ecuaciones diferenciales o representar una aplicacin lineal (dada
una base).
Tipos de matrices
Matriz cuadrada: tiene el mismo nmero de filas que de columnas. Los
elementos de la forma aii constituyen la diagonal principal. La diagonal
secundaria la forman los elementos con i+j = n+1.
Ejemplo
Multiplicacin de matrices
Autovalores y autovectores
Los vectores propios, autovectores o eignvectores de un operador lineal
son los vectores no nulos que, cuando son transformados por el operador, dan
lugar a un mltiplo escalar de s mismos, con lo que no cambian su direccin. Este
escalar recibe el nombre de valor propio, autovalor o eigenvalor.
La palabra alemana eigen, que se traduce en espaol como propio, se us
por primera vez en este contexto por David Hilbert en 1904 (aunque Helmholtz la
us previamente con un significado parecido). Eigen se ha traducido tambin
como inherente, caracterstico o el prefijo auto-, donde se aprecia el nfasis en la
importancia de los valores propios para definir la naturaleza nica de una
determinada transformacin lineal.
Definicin matemtica
Un vector propio de una matriz A de n n es un vector x R, distinto de
0, tal que para cierto escalar R.
Ax = x.
Un escalar tal, se denomina valor propio de A, es decir, es valor propio
de A si existe una solucin no trivial de Ax=x, y a x se lo denomina vector propio
asociado al valor propio .
Teorema
Para calcular valores y vectores propios
El escalar es valor propio de A si y solo si |(A I)| = 0.
El vector v es vector propio de A asociado a si (A I) v = 0.
Ejemplos
A medida que la Tierra rota, los vectores en el eje de rotacin permanecen
invariantes. Si se considera la transformacin lineal que sufre la Tierra tras
una hora de rotacin, una flecha que partiera del centro de la Tierra al polo
Sur geogrfico sera un vector propio de esta transformacin, pero una
flecha que partiera del centro a un punto del ecuador no sera un vector
propio. Dado que la flecha que apunta al polo no cambia de longitud por la
rotacin, su valor propio es 1.
Una lmina de metal que se expandiera uniformemente a partir de un punto
de tal manera que las distancias desde cualquier punto al punto fijo se
(32 12)
Solucin:
Calculando los autovalores
Para hallar los autovalores es preciso encontrar la ecuacin caracterstica y para
eso utilizamos la siguiente frmula:
det (A I) = 0.
Dnde: A= Matriz
= Escalar
I= Matriz identidad
det= Determinante
det
det
(32 12) (0 0)
det
(3
2
(3 -
)*(2 -
1
2
2=0
2=0
Ecuacin caracterstica
24(1)(4 )
(5)
x=
x=
5 2516
2
x=
5 9
2
x=
5 3
2
x 1=
53
=1
2
x 2=
5+ 3
=4
2
(3
2
1
2
( xx2)= (00)
1
( 3 ) x 1+ x 2=0
2 x 1+ ( 2 ) x 2=0
( 31 ) x 1 + x 2=0
2 x 1+ ( 21 ) x 2=0
2 x 1+ x2 =0
2 x 1+ x2 =0
x2
x1
x 1=1
x 2=2( 1 )
x 2=2
Nuestro primer autovector ser:
v 1= 1
2
( )
( 34 ) x 1 + x 2=0
2 x 1+ ( 24 ) x2 =0
x 1+ x2 =0
2 x 12 x2 =0
x1
x2
x 2=x 1
Si
x 1=1
entonces
x 2=1
()
1,
1,
2,
2,
3,
3,
.
, entonces los
n .
Conclusin
Existen muchos conceptos bsicos de la matemtica que pueden ser tiles
para resolver problemticas del da a da dentro de una organizacin.
Bibliografa
Referencias electrnicas
Castellet, M.; Llerena, I. (1988). IV espais vectorials. lgebra lineal I
geometra (en cataln). Publ. UAB. Disponible en:
https://es.wikipedia.org/wiki/Espacio_vectorial
en:
Valores
y
vectores
propios.
[PDF].
Disponible
http://personales.upv.es/jbenitez/cajon_sastre/val_prop.pdf
[Consulta: 2016, septiembre 10].
en: