Inventario

Vector unitario.

Un vector unitario es un vector con magnitud 1. Para la obtención del vector

unitario se necesitan de dos datos, el vector y su magnitud, después se utiliza la
siguiente formula:

v
U=
|v|

Ejemplo:

2 i+ 4 j 2 i 4j
U= = +
√ 20 √ 20 √20

Si al vector unitario encontrado se le eleva al cuadrado cada término, los suma y

les saca raíz, debe de obtener la unidad como magnitud así se sabrá que el vector
unitario encontrado es correcto.

Angulo entre dos vectores.

Para obtener el ángulo entre dos vectores se necesita el producto punto de ambos
vectores este se realiza haciendo una multiplicación entre cada termino de los
vectores, el primero con el primero del otro vector y así sucesivamente. Ejemplo:

v=(2,3) u=(−4,6)

u . v=−8−18=−26

Después para encontrar el ángulo entre estos dos vectores necesitamos la

magnitud de cada uno de ello y después multiplicarlas.

|v|= √13 |u|=√ 52 |v||u|=26

Ahora solo aplicamos la siguiente formula:

u.v
cos θ=
|v||u|
θ=cos−1 ( −26
26 )
=180 °

Así se obtiene el ángulo entre dos vectores.

Proyecciones de vectores.

Para obtener la proyección de vectores se utiliza la siguiente formula:

u.v
proy v u= v
|v|2

Un ejemplo es:

u=2i+3 j v=i+ j

u . v=5 |v|2=2

5 5 5
pr oy v u= ( i+ j )= i + j
2 2 2

Lo obtenido es un nuevo vector el cual es la proyección de los dos

anteriores.

Cosenos direccionales en R3.

Esto es lo mismo que obtener el ángulo entre vectores, solo que en este son
tres ángulos obtenidos de un mismo vector, son ángulos dados por un solo
vector, para ellos se necesita dividir cada término del vector por su
magnitud. Un ejemplo es:

v=5 i+2 j+3 k

θ=cos−1 ( √538 )=35.7957 ° β=cos−1 ( √238 )=71.0681 °

σ =cos−1 ( √338 )=60.8784 °
Estos ángulos se representan en un plano de tercera dimensión.

Combinación lineal.

Se dice que un vector x es combinación lineal de otros vectores si:

x=a v 1+ b v 2 +c v 3 +…+ z n v n Para a, b, c,… zn escalares y x, v1, v2, v3,…, vn vectores.

Ejemplo:

¿Es x combinación lineal de u, v, w?

X=(-1,-2,-2) u=(0,1,4) v=(-1,1,2) w=(3,1,2)

(−1 ,−2 ,−2 )=( 0 , a , 4 a ) + (−b , b , 2 b ) + ( 3 c , c , 2 c )

−b+ 3 c=−1

a+ b+c=−2

4 a+2 b+2 c=−2

Para saber si hay una combinación lineal entre estos vectores, se pueden utilizar
los métodos de Gauss-Jordan o el método de Cramer, en este caso usaremos el
método de Cramer.

0 −1 3 0 −1

[
Dp= 1 1 1 1 1 =−8
4 2 24 2 ]
−1 −1 3 −1 −1

[
Da= −2 1 1 −2 1 =−8
−2 2 2 −2 2 ] a=
−8
−8
=1

0 −1 3 0 −1

[
Db= 1 −2 1 1 −2 =16
4 −2 2 4 −2 ] b=
16
−8
=−2

0 −1 −1 0 −1

[
Dc= 1 1 −2 1 1 =8
4 2 −2 4 2 ] c=
8
−8
=−1
Cuando hay una combinación lineal se pueden encontrar los valores que se
necesitan para poder cumplir el resultado, de lo contrario no habrá combinación
lineal, además cabe destacar que al usar el método de cramer no siempre se
puede saber si hay combinación lineal, se recomienda usar el método de Gauss-
Jordan para la realización de estos ejercicios.

Sistemas linealmente independientes.

Un sistema es linealmente independiente si:

a v 1+ b v 2 +c v 3+ …+ zc v n=0

Se forma un sistema homogéneo y tiene una solución trivial, de lo contrario es

linealmente dependiente. Ejemplo:

V1= (1,-3,2) V2= (0,-1,3) V3= (7, 1,-3)

a+7 c=0 −3 a−b+ c=0 2 a+3 b−3 c=0

Estos ejemplos se necesitan resolver por medio del método de Gauss-Jordan, la

finalidad es encontrar la matriz identidad.

1 0 7 1 0 7 R2 1 0 7

[ −3 −1 1
2 3 −3 ]
R 2+3 R 1→ R 2
R 3−2 R 1→ R 3
0 −1 22
0 3 −17
−1 [
0 3 −17 ] [
→ R 2 0 1 −22 R 3−3 R 2→ R 3
]
1 0 7 1 0 7 1 0 0

[ 0 1 −22
0 1 −49
R3
−49 ] 0 0 1 [
→ R 3 0 1 −22 R1−7 R 3→ R 1 0 1 0
R 2+22 R 3 → R 2 ]
0 0 1 [ ]
Cuando se encuentra la matriz identidad se dice que el sistema es linealmente
independiente, pero cuando no se encuentra la matriz identidad se dice que es
linealmente dependiente.

Proceso de orto normalización de Gram-Schmidt.

1. Sea B= { v 1 , v 2 , v 3 … , v n }
2. Sea { w1 , w2 , w3 … , wn } , donde wi es dado por:
 w 1=v1
v2 . w 1
w 2=v2 − 2
w1
|w1|
v3 . w 1
w 3=v 3− 2
w v 3 .w 2
|w1| 1−¿
|w2|
2
w2 ¿

v n . w1
w n=v n− 2
w v n .w 2 v n. w n
|w1| 1−¿
|w 2|
2
w 2−…
|w n|
2
wn ¿

Entonces B´ es una base ortogonal para v.

Wi
3. Sea U I = . Luego B´´={ u1 , u2 ,u3 … , un } es una base ortogonal.
|W i|
Nota.- un conjunto es ortogonormal si es orto normal y de magnitud 1.

Ejemplo:

B= { (1,1 ) ,(0,1) }

w 1=(1,1)

1 1 1 −1 1
w 2=( 0,1 )− ( 1,1 )= ( 0,1 )− , =(
2 2 2 ( )
, )
2 2

(1,1) 1 1
u1 = =( ,
√2 √ 2 √2 )
−1 1
u=
( 2 2 ) −√ 2 √ 2
,
=( , )
2
√2 2 2
2

Y así se encuentra la base orto normal de estos vectores.

Geometría de las transformaciones lineales de R 2 en R2.

Expansión a lo largo de x

ATx = c 0 x
0 1 y [ ][ ]
Para c>0 Expansión a lo largo de y

ATy = 1 0 x
[ ][ ]
0 c y

Compresión a lo largo de x

ATx =[ c0 01][ xy ]
Para 0<c<1 Compresión a lo largo de y

ATy = 1 0 x
[ ][ ]
0 c y

Reflexión en x

[ 10 −10 ][ xy ]
Reflexión y

[−10 01][ xy ]
Reflexión respecto a la recta x=y

[ 01 10][ xy ]
Corte a lo largo de x

[ 10 1c][ xy ]
Corte a lo largo de y

[ 1c 01][ xy ]
Estas fórmulas se utilizan para la graficacion de figuras, aplicando lo que se desee
para poder tener una nueva forma.