Vectores y operaciones

Un vector es una magnitud física caracterizable mediante un módulo

y una dirección (u orientación) en el espacio.

De un modo más formal y abstracto, un vector es una magnitud física

tal que, una vez establecida una base, se representa por una secuencia
de números o componentes independientes tales que sus valores sean
relacionables de manera sistemática e inequívoca cuando son medidos
en diferentes sistemas de coordenadas.

Los vectores se pueden representar geométricamente como segmentos

de recta dirigidos o flechas en planos o ; es decir, bidimensional
o tridimensional.

Ejemplos

 La velocidad con que se desplaza un móvil es una magnitud

vectorial, ya que no queda definida tan sólo por su módulo (lo
que marca el velocímetro, en el caso de un automóvil), sino que
se requiere indicar la dirección hacia la que se dirige.
 La fuerza que actúa sobre un objeto es una magnitud vectorial,
ya que su efecto depende, además de su intensidad o módulo,
de la dirección en la que opera.
 El desplazamiento de un objeto.

Operaciones con vectores:

a) Suma de vectores.

b) Regla del paralelogramo

c) Producto de un vector por un escalar.

d) Método del triángulo.

Propiedades de las operaciones

Propiedades de las operaciones vectoriales.

  La suma de vectores goza de las siguientes propiedades:

a) Conmutativa: a + b = b + a

b) Asociativa: (a + b) + c = a + (b + c)

c) Elemento neutro o vector 0: a + 0 = 0 + a = a

d) Elemento simétrico u opuesto a`: a + a' = a' + a = 0 ; a' = -a

 El producto de un vector por un escalar cumple las siguientes

propiedades:

a) Conmutativa: k · v = v · k.
b) Distributiva: k (v + u) = (k · v ) + (k · u).
c) Elemento Neutro: 1 · v = v.
d) Elemento Simétrico: -1 · v = - v.

 El producto escalar de dos vectores cumple las siguientes

propiedades:

a) Conmutativa : r · v = v · r
b) Distributiva : r · ( v + u ) = r · v + r · u
c) Asociativa : ( k · r ) · v = k · ( r · v ) = r · ( k · v ) siendo k
escalar.

Además :

d) r · r = 0 si, y sólo sí r = 0.
e) Si r y v <> 0 y r · v = 0, esto implica que los vectores son
perpendiculares, (cos 90º = 0).
f) El producto escalar de dos vectores es equivalente a multiplicar
escalarmente uno de ellos por el vector proyección del otro sobre él.

Norma o longitud de un vector.

Un vector es un elemento de un espacio vectorial para el que, en
ocasiones, especialmente en Física y Geometría, interesa conocer su
longitud. Esto es lo que hace el operador norma: determina la
longitud del vector bajo consideración.

Definición de norma euclídea

En un espacio euclídeo ordinario los vectores son representables como

segmentos orientados entre puntos de dicho espacio. Dado un vector
de un espacio vectorial euclídeo, la norma de un vector se define como
la distancia entre dos puntos A y B que delimitan dicho vector. De
hecho, en un espacio euclídeo la norma de un vector coincide
precisamente con el módulo del vector AB.

Definición matemática general

La definición general de norma se basa en generalizar a espacios

vectoriales abstractos de la noción de módulo de un vector de un
espacio euclídeo. A partir de las propiedades de la norma euclídea
definida más arriba se extraen algunas condiciones razonables que
deben cumplir la "longitud de un vector" o norma.

Independencia lineal

La independencia lineal entre un conjunto de vectores tiene

interpretaciones diversas según el tipo de problema a resolver. Está
ligada a la idea de base y dimensión de un espacio vectorial. Una matriz
cuadrada es no singular si y sólo sí sus filas y columnas son linealmente
independientes.

En álgebra lineal, un conjunto de vectores es linealmente

independiente si ninguno de ellos puede ser escrito con una
combinación lineal de los restantes. Por ejemplo, en R3, los vectores
(1, 0, 0), (0, 1, 0) y (0, 0, 1) son linealmente independientes, mientras
que (2, −1, 1), (1, 0, 1) y (3, −1, 2) no lo son, ya que el tercero es la
suma de los dos primeros.

Para ver documento en Word, haga "click" aquí.

Proyección de un vector sobre otro.

El hallar la proyección de un vector sobre otro, procedimiento que se
extiende a proyectar vectores sobre espacios vectoriales, es
ampliamente utilizado, en especial en problemas de "aproximación por
mínimos cuadrados".

Definición: Dados los vectores u y v, queremos obtener la proyección

ortogonal de v sobre u.

La proyección de v sobre u será un nuevo vector w, y tendremos que

w = s u, tenemos que determinar el valor de s.

Sabemos que -su + v es ortogonal a u, por tanto su producto escalar

es nulo.

(-s u + v) * u = 0

-s u*u+v*u = 0

s=v*u/(u*u)

y la proyección ortogonal es:

w = v*u/(u*u) u

Para ver documento en Word, haga "click" aquí.

Subespacios

Un espacio vectorial (o espacio lineal) es el objeto básico de estudio

en la rama de la matemática llamada álgebra lineal. A los elementos
de los espacios vectoriales se les llama vectores. Sobre los vectores
pueden realizarse dos operaciones: la multiplicación por escalares y la
adición (una asociación entre un par de objetos). Estas dos operaciones
se tienen que ceñir a un conjunto de axiomas que generalizan las
propiedades comunes de las tuplas de números reales así como de los
vectores en el espacio euclídeo. Un concepto importante es el de
dimensión.
Un subespacio vectorial es el subconjunto de un espacio vectorial,
que debe cumplir ciertas características específicas.

Para ver documento en PDF, haga "click" aquí.

Bases y dimensión

En álgebra lineal, se dice que un conjunto ordenado B es base de un

espacio vectorial V si se cumplen las siguientes condiciones:

 Todos los elementos de la base B deben pertenecer al espacio

vectorial V.
 Todos los elementos de la base B deben ser linealmente
independientes.
 Todo elemento de V se puede escribir de manera única como una
combinación lineal de los elementos de la base B, es decir B es
un sistema generador de V.

La dimensión de un espacio vectorial se define como el número de

elementos o cardinal de una base de dicho espacio.

Bases y dimensiones. Click aquí.

Espacio columna, Espacio fila y Rango de una matriz

La palabra "rango" fué introducida por el matemático alemán Ferdinand

Georg Frobenius, como el orden del mayor "menor" de una matriz A.
Pero el concepto había sido utilizado tan temprano como en 1851 por
el matemático inglés James J. Sylvester (1814-1897).

Rango de una matriz y sistema de ecuaciones lineales:

Sea una matriz Am x n = entonces sus n-adas corresponden a las

Filas de la matriz, ejemplo: (a11, a12, ..., a1n), (a21, a22, ..., a2n),
..., (am1,am2, ..., amn) estas series son los vectores fila de A y los
vectores columnas de A corresponden a las columnas de la matriz
ejemplo: (a11, a21, ..., am1), (a12, a22, ..., am2), ..., (a1n, a2n, ...,
amn).

El espacio fila y el espacio columna son sub-espacios de Rn

generado por los vectores fila y espacio columna de A.

Veremos a continuación que los espacios fila y espacio columna

comparten muchas propiedades veremos primero el espacio fila,
considerando que dos matrices son equivalentes por fila si la segunda
matriz se obtiene por operaciones elementales entre fila esta tienen el
mismo espacio fila, también hay que considerar que la matriz no se
modifica sus columnas por las operaciones elementales entre filas, pero
si pueden modificar sus filas.

Si la matriz equivalente B esta en forma escalonada entonces esta

constituye un conjunto independiente.

Y la base para el espacio fila de una matriz: si la matriz A es igual en

fila a la matriz B entonces en esta ultima los vectores fila B son
diferentes de cero esta forma una base para el espacio fila.

Si A es una matriz m x n entonces el espacio renglón y el espacio

columna son iguales.

Para poder resolver la ecuación lineal utilizaremos la notación matricial

Ax = B que se utiliza para representar ecuaciones lineales.
Para ver documento en Word, haga "click" aquí.

Expresión de un vector en una base

Tal como sucede en los espacios de vectores de dimensión 2 y 3, un

vector se puede expresar de una sola manera como combinación lineal
de los elementos de una base.

Combinación lineal

Un vector se dice que es combinación lineal de un conjunto de

vectores si existe una forma de expresarlo como
suma de parte o todos los vectores de multiplicados cada uno de ellos
por un coeficiente escalar , de forma que:

Así, es combinación lineal de vectores de si podemos expresar

como una suma de múltiplos de una cantidad finita de elementos de
.

Ejemplo: 2x + 3y − 2z = 0.

Se dice que z es combinación lineal de x y de y, porque podemos

escribir:

Sin más que despejar la z. De la misma manera, despejando

oportunamente, cada una de estas variables se podría expresar como
combinación lineal de las otras dos.

En otras palabras, cuánto de cada vector del conjunto necesito para

que, cuando se combinen linealmente dichos elementos, pueda
formar al vector en cuestión.
Para cargar documento en Word, haga "click" aquí

Bases ortogonales y Proceso de Gram-Schmidt

Jorgen P. Gram (1850-1916) fué un actuario Danés. Gram presentó la

esencia del proceso de ortogonalización en 1883. Gram aparentemente
no sabía que Pierre Simon Laplace (1749-1827) había usado el método
anteriormente. Erhard Schmidt (1876-1959) estudió con Herman
Schwarz y el gran matemático alemán David Hilbert. Utilizó
explicitamente el proceso de ortogonalización en 1907 al estudiar
ecuaciones integrales que llevaron a lo que ahora se llama los espacios
de Hilbert. Como siempre quien utiliza un resultado con éxito, queda
ligado a su historia aun cuando no sea el autor primigenio.

Jorge Gram Erhard Schmidt

En álgebra lineal, el proceso de ortogonalización de Gram–

Schmidt es un algoritmo para construir, a partir de un conjunto de
vectores de un espacio prehilbertiano (usualmente, el espacio euclídeo
Rn), otro conjunto ortonormal de vectores que genere el mismo
subespacio vectorial.

Este algoritmo recibe su nombre de los matemáticos Jørgen Pedersen

Gram y Erhard Schmidt.

Proceso de Ortogonalizacion de Gram-Schmidt, ver enlace pdf.

Para mayor información ver documento en word, click aquí.

Expresión de un vector en una base ortogonal

Las bases ortogonales, las cuales son muy convenientes, permiten

calcular las componentes de cada vector en dicha base, de manera
singular.
Definición. Los vectores que forman una base ortogonal son
perpendiculares entre sí.

Cualquier vector del plano se puede poner como combinación lineal de

los vectores que forman la base.

Para abrir documento en PDF, haga "click" aquí

Solución de sistemas de ecuaciones lineales por mínimos

cuadrados

He aquí una de las aplicaciones más afortunadas y exitosas a través de

los tiempos, del álgebra lineal.

Mínimos cuadrados es una técnica de análisis numérico encuadrada

dentro de la optimización matemática, en la que, dados un conjunto de
pares (o ternas, etc), se intenta encontrar la función que mejor se
aproxime a los datos (un "mejor ajuste"), de acuerdo con el criterio de
mínimo error cuadrático.

En su forma más simple, intenta minimizar la suma de cuadrados de

las diferencias ordenadas (llamadas residuos) entre los puntos
generados por la función y los correspondientes en los datos.
Específicamente, se llama mínimos cuadrados promedio (LMS) cuando
el número de datos medidos es 1 y se usa el método de descenso por
gradiente para minimizar el residuo cuadrado. Se puede demostrar que
LMS minimiza el residuo cuadrado esperado, con el mínimo de
operaciones (por iteración), pero requiere un gran número de
iteraciones para converger.
Para ver documento en Word, haga "click" aquí.

El término ortogonalidad es una generalización de la noción

geométrica de perpendicularidad. En el espacio euclídeo convencional
el término ortogonal y el término perpendicular son sinónimos. Sin
embargo, en espacios de dimensión finita y en geometrías no euclídeas
el concepto de ortogonalidad generaliza al de perpendicularidad.

Los siguientes ejercicios le permitirán medir su capacidad para resolver

problemas.

Tendrás ejercicios sobre algunos puntos tratados a lo largo de esta

unidad.

Para ver documento en Word, haga "click" aquí.