TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLOGICO DE CERRO AZUL

ALUMNO: Francisco Cobos Isidro.

NO. DE COTROL: 17500122.

SEMESTRE: 2°.

CARRERA: INGENIERIA CIVIL.

GRUPO: 1.

DOCENTE: ING. JOSE VICTOR TRINIDAD PUENTE.

MATERIA: CALCULO VECTORIAL.

TRABAJO: RESUMEN DE LA UNIDAD 1. VECTORES EN EL ESPACIO.

INTRODUCCION
El estudio de los vectores es uno de tantos conocimientos de las matemáticas que
provienen de la física. En esta ciencia se distingue entre magnitudes escalares y
magnitudes vectoriales. Se llaman magnitudes escalares aquellas en que sólo
influye su tamaño. Por el contrario, se consideran magnitudes vectoriales aquellas
en las que, de alguna manera, influyen la dirección y el sentido en que se aplican

2
1.2.- ALGEBRA VECTORIAL Y SU GEOMETRIA…………………...
1.3.- PRODUCTO ESCALAR Y VECTORIAL…………………………
1.4.- ECUACION DE LA RECTA……………………………………….
1.5.- ECUACION DEL PLANO………………………………………….
1.6.- APLICACIONES……………………………………………………
CONCLUSION……………………………………………………………
BIBLIOGRAFIA…………………………………………………………..

3
1.1.- DEFINICION DE VECTOR EN EL PLANO Y EN EL
ESPACIO Y SU INTERPRETACION GEOMETRICA

DEFINICION DE UN VECTOR
Definición de vectores
Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee
unas características que son:
Origen: O también denominado
Punto de aplicación Es el punto exacto sobre el que actúa el vector.
Módulo:
Es la longitud o tamaño del vector. Para hallarla es preciso conocer el origen y el
extremo del vector, pues para saber cuál es el módulo del vector, debemos medir
desde su origen hasta su extremo.
Dirección:
Viene dada por la orientación en el espacio de la recta que lo contiene.
Sentido:
Se indica mediante una punta de flecha situada en el extremo del vector,
indicando hacia qué lado de la línea de acción se dirige el vector.

Definición de espacio vectorial

Un conjunto E
Es un espacio vectorial si en él se definen dos operaciones, una interna (suma) y
otra externa (producto por números), cumpliendo las siguientes propiedades
Un sistema de coordenadas tridimensional se construye trazando un eje Z,
perpendicular en el origen de coordenadas a los ejes X e Y.
Cada punto viene determinado por tres coordenadas P(x, y, z).
Los ejes de coordenadas determinan tres planos coordenados: XY, XZ e YZ.
Estos planos coordenados dividen al espacio en ocho regiones llamadas
octantes, en el primer octante las tres coordenadas son positivas.

Vector en el espacio
Un vector en el espacio es cualquier segmento orientado que tiene su origen
en un punto y su extremo en el otro1.
4
REPRESENTACIÓN DE LAS OPERACIONES EN R2 Y R3.

DIRECCION DE LOS VECTORES.

Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee
unas características que son:
Definición: la dirección de un vector u=(a,b) es el ángulo medio en radianes que
forma el vector con el eje positivo de las x.
El ángulo se puede medir haciendo tan=b/a; pero es importante localizar el vector
puesto que =tan-1b/a da valores entre -/2 y /2 mientras que el ángulo buscado
estará entre 0 y 2

Ejemplo 1: encontrar la direccion del vector (-3,1) tan=-1/3=-/6; sin embargo

el vector esta en segundo cuadrante; por lo tanto el angulo  sera de -/6=5/6.


 

5
   

k2a2+k2b2=|k2|a2+b2=|k| ||u||

REPRESENTACIÓN GEOMETRICA DE LA SUMA Y LA RESTA DE VECTORES.

para vectores posición la suma u+v es el vector representado por la diagonal
principal del paralelogramo cuyos lados están conformados por los vectores u y v.
La resta u-v o v-u es el vector representado por la otra diagonal (al hacer v-u el
punto final del vector es v y el inicial es u, por eso la flecha, si fuera u-v el punto
final sería el de u y el vector tendría la dirección opuesta).

6
1.2.- ALGEBRA VECTORIAL Y SU GEOMETRICA
Definición, notación y clasificación de los vectores.
Un vector (en Geometría) 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.2

7
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.

Magnitudes vectoriales: son las que no quedan determinadas sólo por un

número real, sino que es preciso dar la dirección y el sentido con que actúan. Ej.:
fuerza, aceleración
, velocidad, translación.
Para estudiar matemáticamente estas últimas es necesario recurrir a los e
n-
tes que las representen y modelizan: los
vectores

vector Geométrico
UN RECUERDO SOBRE EL CONCEPTO DE MAGNITUDES
ESCALA-
RES Y VECTORIALES

Revisemos algunos conceptos del mundo físico:

Magnitudes escalares: son las que quedan perfectamente determinadas
por un número real, que es su medida. Ej.: longitud, temperatura, ángulo,
tiempo, saldo de cuenta de un banco.
Magnitudes vectoriales: son las que no quedan determinadas sólo por
un número real, sino que es preciso dar la dirección y el sentido con que
actúan. Ej.: fuerza, aceleración, velocidad, translación.
Para estudiar matemáticamente estas últimas es necesario recurrir a los
entes que las representen y modelizan: los vectores.

1.1 Segmento orientado

Si ubicamos dos puntos sobre una recta, en la Geometría que
conocemos,

8
 el segmento AB es igual al segmento BA.
Cuando consideramos al punto A como origen o punto
inicial, y a B punto final o extremo, diremos que hemos
orientado el segmento. La orientación elegida la indicaremos con
una flecha.

A
Utilizaremos la siguiente notación para representar este
segmento orientado:

AB o bien a

Llamamos vector a todo segmento orientado. En nuestro caso

hemos intro-

ducido al vector a.
Ahora debemos caracterizar a este objeto matemático.
Los puntos A y B determinan una recta, a la que pertenecen.
Hemos convenido en que A es el punto inicial u origen y que B
es el punto final o extremo.
Como A B, existe una distancia entre ellos.
De acuerdo con estas tres observaciones, resulta natural
definir a un vector mediante tres características:

9
 Características de un vector
Dirección: la de la recta que contiene a ambos puntos,
llamada recta sostén, o la de cualquier paralela a la misma (dos
rectas paralelas tienen la misma dirección).
Sentido: la orientación del segmento elegida sobre la
recta, al decidir cuál es el punto origen y cuál es el punto extremo
(gráficamente está indicado por la flecha).
Módulo: es la longitud (número real no negativo), del
segmento AB, es de-

cir, la distancia entre A y B. Se simboliza a .

Igualdad de vectores

Si tenemos dos vectores a y b, parece natural afirmar que son

iguales si y sólo si tienen
• misma dirección
• mismo sentido
• igual módulo
Lo simbolizamos a = b

Si alguna de las condiciones anteriores no se cumple decimos

que a y b

son distintos. Lo simbolizamos a b .

Vector opuesto
Observamos en el ejercicio 4-c) de las actividades, que los
vectores tienen la misma dirección (porque están contenidos en
rectas paralelas ), el mismo módulo pero sentidos opuestos.
Esos vectores se llaman vectores opuestos.

Si a es un vector, simbolizaremos su opuesto con –a

OBSERVACIÓN: ¿qué vector es el opuesto de –a ?

Vector nulo
Si sobre una recta tomamos los puntos A y B coincidentes:

10
 no se obtiene un vector tal como lo presentamos, pues la
dirección y el sentido no están determinados, sin embargo nos
conviene introducir el concepto de vector nulo; que es aquél
cuyo punto origen y punto final coinciden.

Lo simbolizaremos 0
Naturalmente no podremos hablar ni de su dirección ni de su
sentido, pero es evidente que 0 = 0.
Ahora, podemos ampliar la definición de igualdad entre
vectores, que hemos dado, diciendo que todos los vectores de
módulos cero son iguales.

Operaciones de vectores
REFLEXIONES PREVIAS A LA CONSTRUCCIÓN DE UNA
DEFINICIÓN
A partir de uno o dos vectores construiremos nuevos vectores definiendo
operaciones sobre vectores dados, algunas de las cuales ya se han conocido
al trabajar con elementos de la Física o se pueden intuir ¿Cómo podría
construirse un vector suma de dos vectores con la misma dirección y el mismo
sentido?.
¿Cómo podría construirse con la misma dirección y distinto sentido? ¿y
con distinta dirección? ¿Cómo construir un vector suma que sirva para operar
en todas estas situaciones?

Suma de dos vectores.

Dados los vectores a y b , por ser vectores libres, siempre es
posible hacer

coincidir el origen de b con el extremo de a . En esta posición definimos

como

vector suma a + b a aquél que tiene como origen, el origen de a y como

extremo,

11
el de b .

a b a
b

OBSERVACIÓN: dados a y b , a + b es + b
único.

REFLEXION
¿Qué propiedades podría tener la operación suma así definida en
analogía con la suma de números?

Propiedades de la suma

Si con V simbolizamos al conjunto de todos los vectores, valen

las siguientes

propiedades a,b,c V:

V (clausura )
S5) S1) a b
a
(asociativa)
S2) (a b) c a (b c)

(conmutativa)
S3) a b b a

S4) a 0 a (existencia y unicidad del elemento neutro)

( a) 0 (existencia y unicidad del elemento opuesto
de un vector)

Diferencia entre dos vectores

Sean a y b vectores, definimos diferencia entre a y b y simbolizamos

12
 a b al vector a ( b).

Es decir por definición a b=a ( b).

Si a 0yb 0 , construimos a b.

-b

a
b
b a

1.3.- PRODUCTO ESCALAR Y VECTORIAL

Vectores fundamentales
Dado un sistema de coordenadas ortogonales, se considera sobre cada uno
de los ejes y coincidiendo con el sentido positivo de los mismos los versores: ~ı,
~ , ~k, cuyas componentes son:
~ı = (1,0,0) ~ = (0,1,0) ~k = (0,0,1)
y se llaman versores fundamentales.
Todo vector A~ = (a1,a2,a3) puede escribirse en la forma:

A~ = a1~ı+ a2~ + a3~k

Esta descomposici´on de un vector como suma de tres vectores en la direccio´n
de los ejes coordenados es muy importante y u´til. Se llama descomposici´on
cano´nica de un vector.
Ejemplos:
1) Vectores en el plano: dado el vector A~, con origen en P(−3,5) y extremo
en 7); podemos escribirlo en funci´on de sus componentes como:
A = (7,2) = 7~ı+ 2~

13
 2) Vectores en el espacio: dado un vector C~, con origen en R(3,−1,4) y
extremo en S(0,3,−2); podemos escribirlo en funcio´n de sus componentes
como:
C~ = (−3,4,−6) = −3~ı+ 4~ − 6~k
3)

Producto escalar 6~ --
Se llama producto 2 escalar o producto interno
de dos vectores A~ = (a1,a2,a3) B~ = (b1,b2,b3), al
escalar:

A~ · B~ = a1b1 + a2b2 + a3b3

Observacio´n importante: el producto escalar entre dos vectores es un

nu´mero Ejemplos:

1) Si son vectores de R2 con componentes 9),

entonces el producto escalar entre ellos es:

2) 1) Si B1 y B2 son vectores de R3 con

componentes
(−2,0,1), entonces el producto escalar entre ellos es:

Propiedades:

1. A~ · B~ = B~ · A~

2. A~ · (B~ + C~) = A~ · B~ + A~ · C~

3. Si λ es un nu´mero real cualquiera: (

14
 4. Si A~ es el vector nulo ( 0)), entonces A~ · A~ = 0; si
A~ es cualquier otro vector: A · A = |A|2

Todas estas propiedades son sencillas de demostrar usando la definicio´n de

producto escalar.

Observacio´n: Para los versores fundamentales~ı,~ ,~k, resulta que:

~ı·~ı = ~ ·~ = ~k ·~k = 1 ~ı·~ = ~ ·~k = ~k ·~ı = 0

Teorema 1: Si A~ y B~ son dos vectores perpendiculares, entonces: A~ · B~ = 0.

6y
@

A~
@I
~ 90
@ ◦ -
O x

Si A~ y B~ son perpendiculares, A~ +B~ es la diagonal de un recta´ngulo, cuyos

lados

miden ~ ~

Luego: (teorema de Pita´goras)

Como: |A + B|2 = (A + B) · (A + B) = |A|2 + |B|2 + 2A · B (por propiedades del

producto escalar)
Por lo tanto: 2A~ · B~ = 0 que es lo mismo que:

A~ · B~ = 0

Angulo entre dos vectores´

Dados dos vectores es el a´ngulo entre A~ y el

eje x y αB el ´angulo entre B y el eje

15
Las componentes de A~. Las
componentes de B~ son: .
El ´angulo entre A y B es θ = αB − αA
b2
a2

A~

-
O b1 a1 x
A~ · B~ = a1b1 + a2b2 = |A~|cosαA|B~|cosαB + |A~|senαA|B~|senαB

= |A~||B~|(cosαA cosαB + senαAsenαB) = |A~||B~|cos(αB − αA) =

|A~||B~|cosθ Luego:

El ´angulo θ entre dos vectores, se calcula:

Ejemplo:

El coseno del a´ngulo entre los vectores A~ = (3,−2,0) y B~ = (−2,1,5) es:

Observacio´n 1: Puesto que cos podemos deducir otra forma

para

16
calcular el producto escalar entre dos vectores:

Observacio´n 2: Si cos θ = 0, entonces A· B= 0. Pero puesto que |A~|

>0y

|A~||B~|

0, tiene que ser = 0 y luego θ = π/2, es

decir, A es perpendicular a B.

Del Teorema 1 y de la observaci´on anterior se desprende el siguiente

resultado que nos da una condicio´n para saber cuando dos vectores son
perpendiculares:

Propiedad importante: Dados dos vectores A~ y B~,

A~ · B~ = 0 es equivalente a que A~ es perpendicular a B~

Ejemplo:

Dados los vectores: A~ = 3~ı+ 2~ −~k y B~ = −~ı+ 2~ +~k.

Como A~ · B~ = 3(−1) + 2 2 + (−1)1 = 0 entonces A~ es perpendicular a B~.

1.4.- ECUACION DE LA RECTA

Definición de una recta por medio de un punto y un vector

17
Como puedes observar en la figura r se trata de una recta que pasa por el punto A
y cuya dirección viene dada por el vector v→.

El vector encargado de determinar la dirección de la recta recibe el nombre de

vector director y como podrás imaginar este no es único ya que cualquier vector
paralelo a este nos sirve también para determinar la dirección de la recta. De esta
forma, si v→ es un vector director de la recta r, también lo serán cualquier múltiplo
de v→ (λ⋅v→ λ∈R).

Multiplicación de un número real por un vector cualquiera

Observa en la figura como al multiplicar el vector a→ por un número real este no

cambia de dirección, aunque si lo puede hacer en módulo (tamaño) o en sentido
(si el número es negativo). De forma básica para definir una recta es necesaria la
dirección de un vector (no su módulo o sentido). Por tanto, si utilizamos el vector
a→ para definir una recta en realidad podemos utilizar cualquier vector que
cumpla que λ⋅a→ λ∈R, ya que todos tienen la misma dirección.

La ecuación vectorial que permite determinar cada punto (x,y) de cualquier recta
r se obtiene por medio de la siguiente expresión:

(x,y)=(a1,a2)+λ(v1,v2) λ∈R

Donde:

 x e y son las coordenadas de cualquier punto P(x,y) de la recta.

 a1 y a2 son las coordenadas de un punto conocido de la recta A(a1,a2).
 v1 y v2 son las componentes de un vector director v→=(v1,v2) de r.
 λ es un valor real que determina cada coordenada P(x,y) dependiendo del
valor que se le asigne.

1.5.- ECUACION DEL PLANO

Ecuación vectorial
Un plano queda determinado por un punto P y un par de vectores con distinta
dirección.

18
Para que el punto P pertenezca al plano π el vector tiene que ser coplanario
con y .

Ecuaciones paramétricas del plano

Operando en la ecuación vectorial del plano llegamos a la igualdad:

Esta igualdad se verifica si:

Ecuación general o implícita del plano

Un punto está en el plano π si tiene solución el sistema:

19
Este sistema tiene que ser compatible determinado en las incógnitas λ y µ· Por
tanto el determinante de la matriz ampliada del sistema con la columna de los
términos independientes tiene que ser igual a cero.

Desarrollamos el determinante.

Damos los valores:

Sustituimos:

Realizamos las operaciones y le damos a D el valor:

Obtenemos la ecuación general de plano:

Vector normal

El vector es un vector normal al plano, es decir, perpendicular al

plano.

20
Si P(x0, y0, z0) es un punto del plano, el vector es
perpendicular al vector , y por tanto el producto escalar es cero.

De este modo también podemos determinar la ecuación general del plano, a

partir de un punto y un vector normal.
Ecuación canónica o segmentaria del plano

Sean los puntos A(a, 0, 0), B(0, b, 0) y C(0, 0, c), la ecuación canónica viene
dada por:

21
Ecuación canónica o segmentaria del plano

Sean los puntos A(a, 0, 0), B(0, b, 0) y C(0, 0, c), la ecuación canónica viene
dada por:

1.6.- APLICACIONES
Un espacio vectorial sobre un conjunto de números K es intuitivamente un
conjunto en el que tenemos definida una suma y una multiplicación por números
con las propiedades habituales. La definición rigurosa es más complicada
requiriendo la estructura algebraica de grupo abeliano con la suma y cuatro
propiedades que ligan la suma y la multiplicación. Los elementos de un espacio
vectorial se llaman vectores y los elementos del cuerpo (los números) escalares.

22
 En principio los vectores pueden diferir mucho de la idea habitual que tenemos
acerca de ellos. Por ejemplo, los polinomios forman un espacio vectorial y también
las matrices Mm×n. En este curso prácticamente sólo nos ocuparemos de Rn y de
sus subespacios.
Un subespacio vectorial es un espacio vectorial incluido en otro con las mismas
operaciones. Las propiedades de espacio vectorial se cumplen inmediatamente en
un subconjunto siempre que las operaciones estén bien definidas, por ello para
demostrar que cierto subconjunto S de un espacio vectorial sobre K, digamos
sobre R para simplificar, es un subespacio basta comprobar que no nos salimos
de él al sumar o multiplicar por números, esto es:

1) ⃗u,⃗v ∈ S ⇒ ⃗u +⃗v ∈ S y 2) ⃗u ∈ S, λ ∈ R ⇒ λ⃗u ∈ S

Ejemplo.Si definimos los siguientes subconjuntos de R3:

V1 = {(x,y,z∈ ) ∈ R3 : xyz = 0}}, V2 = {{(x,y,z) ∈∈ R3 : x + y + z = 1}, } V3 =

{(x,y,z) R : x + y + z = 0 , V4 = (x,y,z) R : x = 0, y + 2z = 0 ;

el primero no es subespacio porque (0,1,1) y (1,0,0) están en V1 pero no su suma;

el segundo tampoco lo es porque (1,0,0) ∈ V2 pero 2·(1,0,0) ̸∈ V2; finalmente V3 y
V4 sí son subespacios. La razón es simplemente que podemos separar sumas de
cosas que dan cero con paréntesis o que podemos multiplicar algo igualado a cero
por cualquier número.

Una conclusión del ejemplo anterior es que un sistema de ecuaciones lineales

igualadas a cero en Rn siempre definen un subespacio vectorial. De hecho, todos
los subespacios de Rn se pueden expresar de esta forma [HVZ12].

Dados vectores ⃗v1,⃗v2,...⃗vn, una combinación lineal de ellos es cualquier

expresión del tipo λ1⃗v1 + λ2⃗v2 + ··· + λn⃗vn con λ1,...λn ∈ K. Los vectores que se
obtienen como combinaciones lineales de elementos de un conjunto de vectores C
= {⃗v1,⃗v2,...,⃗vk} forman el subespacio generado por C que se denota con
L({⃗v1,⃗v2,...,⃗vk}). Es fácil ver que realmente es un subespacio vectorial.

23
 Se dice que los vectores ⃗v1,⃗v2,...,⃗vk son linealmente independientes si
ninguno es combinación lineal de los otros. Otra forma de expresar esto es que λ1
= λ2 = ··· = λk = 0 es la única solución de λ1⃗v1 + λ2⃗v2 + ··· + λk⃗vk = ⃗0.

Con ello decidir si ciertos vectores son linealmente independientes se reduce a

estudiar si un sistema homogéneo (igualado a cero) tiene solución única. Si
utilizamos reducción de Gauss, esto equivale a que al poner los vectores en
columna haya tantos escalones como columnas en la matriz escalonada.

Ejemplo. Estudiemos si los vectores (1,2,1), (2,1,0), (4,5,2) de R3 son linealmente

independientes. como acabamos de mencionar, los ponemos en columna y
aplicamos reducción de Gauss:

El sistema tiene infinitas soluciones (porque el número de escalones, dos, no

coincide con el de columnas, tres), por tanto son linealmente independientes.

Una base B de un espacio vectorial V es un subconjunto que verifica L(B) = V

(sistema de generadores) y que es linealmente independiente.

Intuitivamente, es un conjunto de vectores que no tiene información redundante

y que sirve para construir todos los vectores de un subespacio. Más formalmente,
dada una base

⃗v se puede escribir de forma única como

combinación
lineal ⃗v = λ1b1 + λ2b2 + ··· + λnbn. Los números λ1,λ2,...,λn se llaman coordenadas o

componentes de ⃗v en la base B.

Un espacio vectorial V puede tener muchas bases pero todas ellas tienen el
mismo número de elementos, llamado dimensión que se indica con dimV .

Ejemplo. El ejemplo más simple de una base en Rn es la llamada base canónica B

= {⃗e1,⃗e2,...,⃗en}, donde ⃗ej es el vector con todas sus coordenadas cero excepto la
j-ésima que vale 1. Las coordenadas de un vector con respecto a esta base son
las coordenadas en el sentido habitual. Así en R3,

24
(x,y,z) = x(1,0,0) + y(0,1,0) + z(0,0,1).

Si sabemos de antemano la dimensión de un subespacio, no es necesario

comprobar la condición de sistema de generadores, dicho de otra forma, en un
espacio vectorial de dimensión n siempre n vectores linealmente independientes
forman una base.
Por otro lado, siempre que tengamos un subespacio definido por ecuaciones
lineales igualadas a cero, al resolver el sistema habremos expresado las
soluciones como combinación lineal de vectores multiplicados por parámetros
arbitrarios. Si hemos utilizado reducción de Gauss (o cualquier método sin añadir
información redundante), estos vectores siempre serán linealmente
independientes y por tanto formarán una base.
Ejemplo. Para hallar una base del subespacio {(x,y,z) ∈ R3 : x + 2y + 3z = 0},
debemos resolver la ecuación x+2y+3z = 0. Obviamente podemos escoger las dos
últimas variables como parámetros arbitrarios: y = λ, z = µ y consecuentemente x =
−2λ − 3µ. Entonces cada vector del subespacio es de la forma

(−2λ − 3µ,λ,µ) = λ(−2,1,0) + µ(−3,0,1).

Los vectores (−2,1,0) y (−3,0,1) forman una base porque todos los vectores del
subespacio son combinación lineal de ellos y porque son linealmente
independientes (por la construcción o porque uno no es múltiplo de otro).

Por definición, B = {⃗v1,⃗v2,...,⃗vk} es siempre un sistema de generadores del

subespacio L({⃗v1,⃗v2,...,⃗vk}), pero podría no ser base porque algunos vectores
fueran combinaciones lineales de otros (linealmente dependientes). A veces se
presenta el problema de quitar algunos vectores para obtener una base. Si hemos
comprobado que no son linealmente independientes usando reducción de Gauss,
siempre los vectores de las columnas pivote dan lugar a una base.

El número de columnas pivote, esto es, el número de vectores linealmente

indpendientes, se llama rango. Es bien conocido que la discusión de las
soluciones de un sistema lineal se reduce a consideraciones sobre el rango.
Aunque hay una definición con determinantes, ésta suele ser poco eficiente,
especialmente para dimensión mayor que tres.

Ejemplo. Sabíamos por un ejemplo anterior que los vectores ⃗v1 = (1,2,1), ⃗v2 =
(2,1,0), ⃗v3 = (4,5,2) no son linealmente independientes. Por tanto no son base de

25
L({⃗v1,⃗v2,⃗v3}). Como al aplicar reducción de Gauss las columnas pivote eran la
primera y la segunda, se tiene que B = {⃗v1,⃗v2} es base de este subespacio.

Aplicaciones lineales
Una aplicación lineal (o transformación lineal) es una función entre espacios
vectoriales que preserva las operaciones (suma de vectores y producto por
escalares). Desde el punto de vista práctico podemos considerar que una
aplicación lineal f : Rn −→ Rm es siempre una función de la forma f(⃗x) = A⃗x con A
∈ Mm×n cuando escribimos ⃗x y f(⃗x) como vectores columna. Las filas de A están
formadas por los coeficientes que aparecen en las coordenadas de f(⃗x)

Geométricamente, una aplicación lineal es una manera de deformar los objetos

[Gol86], en cierta forma como verlos en perspectiva. Dicho sea de paso, las
aplicaciones lineales que dan la perspectiva son cruciales en el software 3D (por
ejemplo, los videojuegos) y curiosamente se representan por matrices M4×4.

Ejemplo.
La aplicación f : R3 −→ R2 dada por f(x,y,z) = (x + y + 2z,x − y) es lineal y su matriz
es

porque .

En realidad la descripción anterior de las aplicaciones lineales es un poco

simplista y con un poco más de rigor sólo se define la matriz de una aplicación
lineal una vez que se ha fijado una base con respecto a la cual definir las
coordenadas. Sin entrar en detalles (véase [HVZ12]), si pensamos en una
aplicación lineal de Rn en Rn como una función que a cada ⃗x ∈ Rn le asigna ⃗y =
A⃗x, otro “observador” que usase una base distinta vería ⃗y′ = C⃗y y ⃗x′ = C⃗x con
lo cual ⃗y′ = CAC−1⃗x′, entonces para él la matriz sería CAC−1. Ésta es la fórmula
de cambio de base. Aunque aquí no profundizaremos sobre ella, motiva las
fórmulas que aparecen al diagonalizar.

Se llama núcleo de una aplicación lineal f, y se escribe Nuc(f), a las soluciones

de f(⃗x) = ⃗0. Siempre forman un subespacio y, como se ha sugerido antes, todos
los subespacios de Rn se pueden conseguir así.

26
Ejemplo. El núcleo de f(x,y,z) = (x + y + z,x + y,z) es la solución de x + y + z = 0, x

+ y = 0, z = 0. Es fácil ver que se tiene x = λ, y = −λ, z = 0, con λ arbitrario. Así

Nuc(f) = {λ(1,−1,0)} que también es L({(1,−1,0)}).

Las aplicaciones lineales más importantes son las que aplican Rn en sí mismo y
por tanto tienen una matriz cuadrada A ∈ Mn×n. Un problema natural que aparece
en muchas aplicaciones es saber si utilizando una base adecuada (por así decirlo,
cambiando el sistema de referencia) se podría simplificar A hasta hacer que sea
muy sencilla. Esto es lo que motiva la diagonalización de matrices.

Dada A una matriz cuadrada, se llama ecuación característica a |A−λI| = 0, y

polinomio característica al primer miembro. Cada una de sus raíces se dice que es
un autovalor (o valor propio) y, dado un autovalor λ, se llama autovector (o vector
propio) a cualquier vector ⃗v ≠ ⃗0 tal que (A − λI)⃗v = ⃗0.

Como estamos identificando aplicaciones lineales Rn −→ Rn y matrices cuadradas,

cuando hablemos de los autovalores y autovectores de una aplicación lineal, nos
estaremos refiriendo a los que coresponden a su matriz.

Ejemplo.Vamos a hallar los autovalores y autovectores de

f : R2 −→ R2 con.
⃗x 7−→ A⃗x

Los autovalores se obtienen resolviendo la

ecuación característica:

.
Para los autovectores son los múltiplos (no nulos) de (−2,1) porque

=⇒ x = −2µ, y = µ.
De la misma forma, para λ = 4 los autovectores son los múltiplos (no nulos) de
(1,1) porque

27
 Una matriz A ∈ Mn×n, o la aplicación lineal a la que representa, se dice que es
diagonalizable si podemos encontrar n autovectores linealmente independientes.
Dicho de otra forma, si hay una base n-dimensional formada por autovectores. Si
los autovalores respectivos son λ1,λ2,...,λn, entonces se cumple

(1)

donde P es la matriz formada por los autovectores elegidos colocados

ordenadamente en columna y la matriz central es diagonal (los elementos no
indicados son nulos). La terminología al uso es decir que A diagonaliza en la base
formada por las columnas de P.

Ejemplo. En el ejemplo anterior, si escogemos los autovectores (−2,1) y (1,1),

respectivamente, para los autovalores 1 y 4, se tiene

Con otra elección de los autovectores, también se tendría una igualdad válida.

Un resultado asegura que los autovectores de autovalores distintos son

siempre linealmente independientes. Por tanto, si la ecuación característica de una
matriz A ∈ Mn×n tiene n raíces distintas, es diagonalizable.

Ejemplo. La aplicación lineal f(x,y) = (−y,x) tiene una matriz cuyo polinomio
característico es λ2 + 1. No tiene raíces reales pero sí dos raíces complejas
distintas. Entonces es diagonalizable sobre C (pero no sobre R). Un cálculo como
el de antes prueba que una posible elección de los autovectores correspondientes
a los autovalores λ = ±i es (±i,1).

La única manera de que una matriz no sea diagonalizable sobre C es que haya

28
raíces múltiples y que para un autovalor no haya tantos autovectores
independientes como la multiplicidad. Es decir, para ser diagonalizable debe haber
dos autovectores independientes para una raíz doble de la ecuación característica,
tres para una triple y así sucesivamente.

Ejemplo. Calculemos todos los autovalores y autovectores de f : R3 −→ R3 dada

por f(⃗x) = A⃗x donde

Unos cálculos, que se pueden simplificar con las propiedades de los

determinantes, prueban que la ecuación característica es

|A − λI| = −λ3 + 13λ2 − 40λ + 36 = (9 − λ)(λ − 2)2 = 0.

Conclusión:

En este trabajo de investigación aprendimos sobre los vectores del espacio con
gran entendimiento en las operaciones.

son muy fundamentales para aplicarlas en cualquier son vectores fundamentales

que se aplican cualquier rama de las ciencias para realizar problemas de la vida
cotidiana o fenómenos que suceden en la naturaleza.

29
BIBLIOGRAFIA
https://hellsingge.files.wordpress.com/2013/05/vectores-en-el-plano-y-en-el-
espacio.pdf..1
https://es.wikipedia.org/wiki/vector
https://cursos.aiu.edu/matematica%20superiores/pdf/tema%201.pdf
https://matematicascienciasbasicas.files.worpress.com/2011/09/unidad-1.pdf
www.uhu.es/javier.pajon/apuntes/macanicaUD1.pdf
https://www.biol.unlp.edu.ar/alimentos/MTHA-6-vectpres2.pdf
www.profesorenlinea.com.mx/geometria/Recta_Ecuacion_de.html
https://aga.frba.utn.edu.ar/ecuaciones-del-plano/
fcm.ens.aubc.mx/~matematicas/algebralineal/IV%20EspVect/aplicación%203.html
https://www.vitutor.com/geo/vec/b_6.html

30