REPBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA DEFENSA

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITCNICA
DE LA FUERZA ARMADA NACIONAL BOLIVARIANA
UNEFA NCLEO BARINAS

FUNDAMENTOS DE
UN VECTOR

Barinas, septiembre del 2016

Introduccin

Hoy en da, la ciencia generalmente se basa en conductas matemticas que

demuestran que un hecho sea real o no, como se comporta, cmo reacciona y que
resulta, por lo que el hombre a travs del tiempo ha creado una serie de ciencias
que han permitido estudiar de una manera especfica este tipo de
comportamientos en infinidades de mbitos.
As mismo, una de estas ramas es la estadstica que es el estudio que
rene, clasifica y recuenta todos los hechos que tienen una determinada
caracterstica en comn, para poder llegar a conclusiones a partir de los datos
numricos extrados. Por lo que conocer este tipo de argumentos matemticos no
ayudar a diferencia y a estudiar diferentes aspectos de la vida desde diferentes
puntos de vista.
Por lo tanto, esta ciencia estudia tambin por medio de varias definiciones,
fundamentos de optimizacin que se centra ms que todo en una toma de
decisin sin tener que enumerar y evaluar explcitamente todas las alternativas. A
dems de esto existen diferentes definiciones y conceptos vectoriales y matriciales
que conoceremos a continuacin.

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

 En el conjunto R2 definimos las operaciones siguientes:(x1, x2) + (y1, y2) =

(x1+ x2, y1+2) .(x1, x2) = (x1, x2) puede comprobarse que se verifican
todas las propiedades enunciadas por lo que la terna(R 2, +, *) es un
espacio vectorial real.
Igualmente ocurre si consideramos R3= {(x1, x2, x3); x1, x2, x3R} con las
operaciones:(x1, x2, x3) + (y1, y2, y3) = (x1+ x2+x3, y1+y2+ y3) (x1, x2,
x3) = (x1, x2, x3)

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.

Tambin se cumple el reciproco: un vector es combinacin

lineal de otros, entonces todos los vectores son linealmente
dependientes.
2. Dos vectores del plano son linealmente dependientes si, y
slo si, son paralelos.

3. Dos vectores libres del plano

= (u 1 , u 2 ) y
= (v 1 , v 2 )
son linealmente dependientes si sus componentes son
proporcionales.

Ejemplos
Sea S = {(1,2),(2,3)} un subconjunto de R2. Determine si S es Linealmente
Independiente o Linealmente Dependiente.
Solucin

Usando la regla de Cramer se tiene que

Por tanto el sistema tiene solucin nica y como es homogneo

.
Lo que implica que S es Linealmente Independiente
Sea S = {(-2,2),(-1,1)} un subconjunto de R2.

Como al menos uno de los escalares de la Combinacin Lineal es

diferente de cero, entonces el conjunto S es Linealmente Dependiente.
En el espacio vectorial usual R^2 analizar si v1=(2, 1), v2= (3, 2) son
linealmente independientes.
Solucin
La igualdad 1(2, 1) + 2 (3, 2)=(0,0) equivale al sistema
{21+32=0
{1+22=0.

Sumando a la primera ecuacin la segunda multiplicada por 2 obtenemos

72=0 o bien, 2=0 Sustituyendo en la segunda deducimos 1=0 Es decir,
v1,v2 son linealmente independientes
En el espacio vectorial usual R3 analizar si son linealmente independientes
los vectores v1=(1, 2, 1), v2 =(2, 1, 3), v3 =(3 ,4 ,5).
Solucin
La igualdad 1 v1+ 2 v2 + 3 v3=0 equivale al sistema
H:{1+ 22 33=0
{21 2 + 43=0
{1 32 + 53=0.
Escalonamos el sistema
H {1+2233=0
H {52+103=0
H

~{2+2=0

{1+2233=0
~ {2+23=0

El sistema lineal homogneo H es indeterminado, es decir tiene

soluciones distintas de la trivial 1=2=3=0. Concluimos que los vectores
v1, v2, v3 no son linealmente independientes.

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

Los vectores u y v son ortogonales entre s.

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

La base ortogonal funciona como un sistema de referencia; los ejes de

coordenadas del plano cartesiano es un ejemplo de base ortogonal. Cualquier par
ordenado es una simple combinacin lineal de los vectores x y y.

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.

Matriz nula: en una matriz nula todos los

elementos son ceros.

Matriz triangular superior: en una matriz triangular

superior los elementos situados por debajo de la diagonal
principal son ceros.
Matriz triangular inferior: en una matriz triangular inferior los elementos
situados por encima de la diagonal principal son ceros.
Matriz diagonal: todos los elementos situados por encima y por debajo de
la diagonal principal son nulos.

 Matriz escalar: es en la que los elementos de la diagonal principal son

iguales.

Matriz identidad o unidad: es una matriz diagonal en la que los elementos

de la diagonal principal son iguales a 1.

Matriz traspuesta: dada una matriz A, se llama matriz traspuesta de A a la

matriz que se obtiene cambiando ordenadamente las filas por las columnas.

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

duplicasen. Esta expansin es una transformacin con valor propio 2. Cada

vector desde el punto fijo a cualquier otro es un vector propio, y el espacio
propio es el conjunto de todos esos vectores.
Una cuerda sujeta por sus extremos, como la de un instrumento de cuerda.
La distancia de los tomos de la cuerda vibrante desde sus posiciones
cuando sta est en reposo pueden interpretarse como componentes de un
vector en el espacio con tantas dimensiones como tomos tenga dicha
cuerda. Si se supone que la cuerda es un medio continuo y se considera la
transformacin de la cuerda en el transcurso del tiempo, sus vectores
propios o funciones propias son sus ondas estacionarias lo que, mediante
la intervencin del aire circundante, se puede interpretar como el resultado
de taer una guitarra. Las ondas estacionarias corresponden a oscilaciones
particulares de la cuerda tales que la forma de la cuerda se escala por un
factor (el valor propio) con el paso del tiempo. Cada componente del vector
asociado con la cuerda se multiplica por este factor dependiente del tiempo.
Las amplitudes (valores propios) de las ondas estacionarias decrecen con
el tiempo si se considera la atenuacin. En este caso se puede asociar
un tiempo de vida al vector propio, y relacionar el concepto de vector propio
con el concepto de resonancia.
Ejercicio
Hallar los autovalores y autovectores de la siguiente matriz:
A=

(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

(32 12)( 10 01)

det

(32 12) (0 0)

det

(3
2

(3 -

)*(2 -

1
2

2=0

Aplicamos propiedad distributiva

6-3 -2 +
2- 5 + 4 = 0

2=0
Ecuacin caracterstica

Usamos la ecuacin de segundo grado para hallar los autovalores

b b24 ac
x=
2a
5

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

Los autovalores son:

1=1
2=4
Calculando los autovectores
(A I) v = 0

(3
2

1
2

( xx2)= (00)
1

Si resolvemos el producto, nos queda un sistema de ecuacin

( 3 ) x 1+ x 2=0
2 x 1+ ( 2 ) x 2=0

Para obtener los autovectores sustituimos los autovalores en el sistema de

ecuacin
1=1

( 31 ) x 1 + x 2=0
2 x 1+ ( 21 ) x 2=0

2 x 1+ x2 =0
2 x 1+ x2 =0

Debido a que nos quedan dos ecuaciones iguales, eliminaremos una y

trabajaremos con la restante
2 x 1 + x 2=0
Podemos despejar cualquiera de las dos incgnitas, en este caso
x2
despejaremos a
x 2=2 x 1
Observemos que

x2

va a depender del valor que le demos a

Le podemos dar cualquier valor a

x1

excepto 0, en nuestro caso:

x 1=1
x 2=2( 1 )
x 2=2
Nuestro primer autovector ser:
v 1= 1
2

( )

De la misma forma calculamos el otro autovector

2=4

( 34 ) x 1 + x 2=0
2 x 1+ ( 24 ) x2 =0

x 1+ x2 =0
2 x 12 x2 =0

x1

Las ecuaciones resultantes son proporcionales, es decir, si calculamos el

determinante nos dar 0 entonces eliminamos una de ellas y trabajaremos con
la restante
x 1 + x 2=0
Despejamos a

x2

x 2=x 1
Si

x 1=1

entonces
x 2=1

Nuestro segundo autovector es:

v 2= 1
1

()

Propiedades de los autovalores

Los autovalores de una matriz A y su transpuesta (At), coinciden.
Si A es una matriz de rango r, el nmero de autovalores nulos de una matriz
de orden n es mayor o igual a n-r.
El determinante de una matriz A es igual al producto de sus autovalores
La traza de una matriz A coincide con la suma de sus autovalores.
Si una matriz A tiene por autovalores 1, 2, 3, n, entonces los
autovalores de la matriz aA son

Si una matriz A tiene por autovalores

1,

autovalores de la matriz inversa A-1 son

1,

2,

2,

3,

3,

.
, entonces los

n .

Los autovalores de una matriz triangular son los elementos de la diagonal.

Propiedades de los autovectores

 Los autovectores de una matriz A y su transpuesta (At), no coinciden.

Si una matriz es simtrica y sus autovalores son distintos, entonces los
correspondientes autovectores son ortogonales.
Los autovectores de A y aA son los mismos.
Los autovectores de A y A-1 son los mismos.
Los autovectores de una matriz correspondientes a autovalores distintos
son siempre linealmente independientes.
Aplicaciones
Orbitales moleculares: en mecnica cuntica, y en particular en fsica
atmica y molecular, y en el contexto de la teora de Hartree-Fock, los
orbitales atmicos y moleculares pueden definirse por los vectores propios
del operador de Fock. Los valores propios correspondientes son
interpretados como potenciales de ionizacin a travs del teorema de
Koopmans. En este caso, el trmino vector propio se usa con un significado
ms general, pues el operador de Fock es explcitamente dependiente de
los orbitales y sus valores propios. Si se quiere subrayar este aspecto se
habla de ecuacin de valores propios implcitos. Tales ecuaciones se
resuelven normalmente mediante un proceso iterativo, llamado mtodo de
campo consistente propio. En qumica cuntica a menudo se representa la
ecuacin de Hartree-Fock en una base no ortogonal. Esta representacin
particular es un problema de valor propio generalizado que tiene el nombre
de ecuaciones de Roothaan.
Caras propias: en procesado de imagen, las imgenes procesadas de
caras pueden verse como vectores cuyas componentes son la luminancia
de cada pxel. La dimensin de este espacio vectorial es el nmero de
pxeles. Los vectores propios de la matriz de covarianza asociada a un
conjunto amplio de imgenes normalizadas de rostros se llaman caras
propias. Son muy tiles para expresar una imagen de un rostro como la
combinacin lineal de otras. Las caras propias proporcionan un medio de
aplicar compresin de datos a los rostros, para propsitos de biometra.
Anlisis factorial: los valores propios de la matriz de covarianza
corresponden a los factores, y los valores propios a las cargas. El anlisis
factorial es una tcnica estadstica usada en ciencias sociales y
mercadotecnia, gestin de producto, investigacin operativa y otras ciencias
aplicadas que tratan con grandes cantidades de datos. El objetivo es
explicar la mayor parte de la variabilidad entre varias variables aleatorias
observables en trminos de un nmero menor de variables aleatorias no
observables llamadas factores. Las variables aleatorias no observables se
modelan como combinaciones lineales de los factores ms trminos de
errores.

 Tensor de inercia: en mecnica, los vectores propios del momento de

inercia definen los ejes principales de un cuerpo rgido. El tensor de inercia
es necesario para determinar la rotacin de un cuerpo rgido alrededor de
su centro de masa. Los valores propios definen los momentos mximos y
mnimos obtenidos mediante el crculo de Mohr.
Tensor de tensin: en mecnica de slidos deformables, el tensor de
tensin es simtrico, as que puede descomponerse en un tensor diagonal
cuyos valores propios en la diagonal y los vectores propios forman una
base.

Conclusin
Existen muchos conceptos bsicos de la matemtica que pueden ser tiles
para resolver problemticas del da a da dentro de una organizacin.

La optimizacin lineal se basa en aplicar la matemtica para maximizar

beneficios y reducir costos; para ello se hace uso de los conceptos mencionados
en este documento tales como los espacios vectoriales, vectores y matrices.
Muchos procesos presentan unas funciones del tipo f(x) que se pueden
representar en el plano cartesiano otras veces existirn problemas como la
distribucin que son tratados a travs de matrices; dichos procesos pueden ser
estudiados de forma matemtica y para ello se debe conocer estos conceptos aqu
mencionados.
La optimizacin se conoce como un problema de programacin matemtica,
consiste en maximizar o minimizar una funcin real eligiendo valores de entrada y
computando el valor de la funcin.

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

[Consulta: 2016, septiembre 08]

Vitutor vectores y bases ortogonales. [Articulo]. Disponible en:
http://www.vitutor.com/geo/vec/b_4.html
[Consulta: 2016, septiembre 12]
(2014) [Pgina en lnea].Organizacin matemtica libre. Editorial "El
Ateneo". Buenos Aires. Disponible en:
http://www.ditutor.com/matrices/matriz.html
[Consulta: 2016, septiembre 11]
(2016). Subespacio Vectorial. [Enciclopedia libre]. Wikipedia. La enciclopedia
libre. Disponible en: http://es.m.wikipedia.org/wiki/Subespacio_vectorial
[Consulta: 2016, septiembre 10].
Propiedades de autovalores y autovectores. [Artculo]. Disponible en:
http://www.frsn.utn.edu.ar/gie/av/props_valores.html#inicio
[Consulta: 2016, septiembre 10].
Faires J.D. Autovalores y Autovectores. [PDF]. Disponible
http://ocwus.us.es/matematica-aplicada/algebranumerica/PREPARADOAgebraNumerica/Contenido/an_capitulo4.pdf
[Consulta: 2016, septiembre 10].

en:

Autovalores y Autovectores. Qu son?... Para qu sirven?... [PDF]. Grupo

de
Ingeniera
&
Educacin.
Disponible
en:
http://www.frsn.utn.edu.ar/gie/av/ejercicios.pdf
[Consulta: 2016, septiembre 10].
Ingeniera Civil. (2012-2013) Autovalores y Autovectores. [PDF]. Universidad
de Sevilla. Departamento de Matemtica Aplicada II. Disponible en:
http://www.matematicaaplicada2.es/data/pdf/1355483599_1789516930.pdf
[Consulta: 2016, septiembre 10].
(2016). Vector propio y Valor propio. [Enciclopedia libre]. Wikipedia. La
enciclopedia
libre.
Disponible
en:
https://es.wikipedia.org/wiki/Vector_propio_y_valor_propio#Ejemplos
[Consulta: 2016, septiembre 10].
Valores
y
vectores
propios.
[PDF].
Disponible
en:
http://www.etsist.upm.es/uploaded/docs_personales/hernandez_heredero_r
afael_jose/old/Algebra/ALApC6.pdf
[Consulta: 2016, septiembre 10].

 Valores
y
vectores
propios.
[PDF].
Disponible
http://personales.upv.es/jbenitez/cajon_sastre/val_prop.pdf
[Consulta: 2016, septiembre 10].

en:

Juan M. Garcia. Valores y vectores propios de una matriz.

[PDF].
Disponible en:
http://www.vc.ehu.es/campus/centros/farmacia/deptosf/depme/apuntes/gracia/Curso_Actual/bolonia/matematicas/capitulo_1/espe
ctral/ValoresVectoresPropiosPapel.pdf
[Consulta: 2016, septiembre 10].