Vectores

Vectores fijos en el espacio

Un vector fijo es un segmento de recta orientado. El primero de sus puntos recibe el
nombre de origen, y el segundo, extremo.
Cualquier punto A del espacio se considera como un vector fijo en el que coinciden
origen y extremo.
Todo vector fijo est caracterizado por su:
Mdulo: es la longitud del segmento.
Direccin: determinada por la recta que contiene al segmento y todas sus paralelas.
Sentido: para cada direccin hay dos sentidos posibles. El que corresponde al definido
por el recorrido desde A hasta B y el definido por el recorrido desde B hasta A.

extremo

AB
origen
A

BA

A extremo

origen
Estos dos vectores tienen
igual mdulo, igual direccin
y sentido contrario.

(vectores de posicin)

Ejemplo

P
O
P
O
P
x21,y21
12
2
1

DEFINICIN 7.1

Suma, Producto por un Escalar, Igualdad

Sea a = <a1, a2>, b = <b1, b2> vectores en R2

(i) Suma: a + b = <a1 + a2, b1 + b2>
(1
(ii) Producto por un escalar: ka = <ka1, ka2>
k es un escalar
(2)
(iii)Igualdad: a = b si y slo si a1 = b1, a2 = b2
a b = <a1 b1, a2 b2>
(4)

Ejemplo
Si a = <1, 4>, b = <6, 3>, hallar a
+ b, a b, 2a + 3b.
Solucin
Usando (1), (2), (4), tenemos
a b 1 (6), 4 3 5, 7
a b 1 (6), 4 3 7, 1
2a 3b 2, 8 18, 9 16, 17

Propiedades
(i) a + b = b + a
C onmutativa
(ii)
a + (b + c) = (a + b) + c
Asociativa
(iii)
a+0=a
Elemento neutro
(iv)
a + (a) = 0
Elemento inverso
(v)
k(a + b) = ka + kb k escalar
(vi)
(k1 + k2)a = k1a + k2a
k1, k2
escalares
(vii) k1(k2a) = (k1k2)a k1, k2 escalares
(viii) 1a = a
(ix) 0a = 0 = <0, 0>
0 = <0, 0>

Espacio vectorial. Definicin

Decimos que el conjunto V ( no vaco) es un espacio vectorial sobre el cuerpo

K si tiene definidas dos operaciones:

Suma es una operacin interna que verifica las propiedades, asociativa,

elemento neutro, elemento simtrico y conmutativa, es decir, es un grupo
conmutativo

Producto por un escalar es una operacin externa en la que se multiplica un

escalar del cuerpo K por un vector de V y que verifica:
1) 1 v = v
2) ( u) = ( ) u
3) ( + ) u = u + u
4) ( u + v) = u + v
Entonces (V, +, K) es un espacio vectorial

Definicin y Caracterizacin de subespacios

Un subconjunto S de V se dice que es subespacio vectorial si es no vaco y es

espacio vectorial con las operaciones inducidas de V
Caracterizacin de los subespacios

Un subconjunto S de V es
subespacio vectorial si y slo
si
se cumplen las siguientes
condiciones:
a) u + v S u, v S
b) u S R u S

Un subconjunto S de V es
subespacio vectorial si y slo si
se cumplen la siguiente
condicin:

u+vS
, R

u, v S

Ejemplo 1
Determinar si cada uno de los conjuntos
(a) V = {1} y (b) V = {0} bajo la
suma y producto por un escalar son
espacios vectoriales.
Solucin
(a) V = {1}, viola muchos de los axiomas.
(b) V = {0}, es fcil de comprobar que es
un espacio vectorial.
Adems, se denomina el espacio
vectorial nulo o trivial.

Ejemplo 2
Considere el conjunto V de todos los
nmeros reales positivos. Si x y y denotan
nmeros reales positivos, entonces
escribimos vectores como x = x, y = y.
Ahora la suma de vectores se define como
x + y = xy
y producto por un escalar como
kx = xk
Determinar si el conjunto es un espacio
vectorial.

Ejemplo 2 (2)
Solucin
Repasamos los 10 axiomas.
(i) Pra x = x > 0, y = y > 0 de V, x + y = x +
y>0
(ii) Para todo x = x, y = y de V,
x+y=x+y=y+x= y+x
(iii) Para x = x , y = y, z = z de V
x + (y + z) = x(yz) = (xy) = (x + y) + z
(iv) Como 1 + x = 1x = x = x, x + 1 = x1 = x
=x
El vector nulo 0 es 1 = 1

Ejemplo 2 (3)
(v) Si definimos x = 1/x, entonces
x + (x) = x(1/x) = 1 = 1 = 0
x + x = (1/x)x = 1 = 1 = 0
(vi) Si k es un escalary x = x > 0 es de V,
entonces
kx = xk > 0
(vii) Si k es un escalar,
k(x + y) = (xy)k = xkyk = kx + ky
(viii) (k1+k2)x = xk1+k2 = xk1xk2 = k1x+ k2x
(ix) k1(k2x) = (xk2 )k1 = xk1k2 = (k1k2)x
(x) 1x = x1 = x = x

DEFINICIN 7.6

Subespacio

Si un subconjunto W de un espacio vectorial V e

s mismo un espacio vectorial con las mismas
operaciones de suma de vectores y producto po
escalar definidas en V, entonces W se denomina
subespacio de V.

TEOREMA 7.4

Criterios para un Subespacio

Un conjunto no vaco W es un subespacio de V s

slo si W es cerrado frente las operaciones de s
de vectores y producto por un escalar definidas
(i) Si x y y son de W, entonces x + y es de
(ii) Si x es de W y k un escalar cualquiera,
entonces kx es de W.

Ejemplo 3
Suponemos que f y g son funciones
continuas y de valor real definidas en (,
). Sabemos que f + g y kf, para cualquier
nmero real k, son continuas y de valor
real. Por lo cual, llegamos a la conclusin
de que C(, ) es un subespacio del
espacio vectorial de funciones de valores
reales definidas en (, ).

Ejemplo 4
El conjunto Pn de polinomios de
grado menor o igual que n es un
subespacio de C(, ).

DEFINICIN 7.7

Independencia Lineal

Un conjunto de vectores {x1, x2, , xn} se dice q

linealmente independiente, las nicas consta
satisfacen
k1x1 + k2x2 + + knxn = 0
son k1= k2 = = kn = 0. Si el conjunto de vecto
linealmente independiente, es linealmente
dependiente.

 Por ejemplo:
i, j, k son linealmente independiente.
<1, 1, 1> , <2, 1, 4> y <5, 2, 7>
son linealmente dependiente, porque
3<1, 1, 1> + <2, 1, 4> <5, 2, 7>
= <0, 0, 0>
3a + b c = 0

DEFINICIN 7.8

Base de un Espacio Vectorial

Considere un conjunto de vectores B = {x1, x2,
un Espacio Vectorial V. Si el conjunto es linealm
independiente y si todo vector de V puede expre
Como combinacin lineal de estos vectores, ento
se dice que B es una base de V.
Puede demostrarse que cualquier conjunto
de tres vectores linealmente independientes
es una base de R3. Por ejemplo
<1, 0, 0>, <1, 1, 0>, <1, 1, 1>

 Base Estndar: {i, j, k}

Para Rn :
e1 = <1, 0, , 0>, e2 = <0, 2, ,
0> ..
en = <0, 0, , 1> (4)
Si B es un base, entonces existen cierto
escalares tales que
v c1x1 c2 x 2 cn xc
(5)
donde estos escalares ci, i = 1, 2, .., n, se
llaman coordenadas de v respecto de la
base B.

DEFINICIN 7.8

Dimensin de un Espacio Vectorial

Se dice que el nmero de vectores de una base B

espacio vectorial V es la dimensin del espacio

Ejemplo 5
(a)Las dimensiones de R, R2, R3, Rn son
respectivamente 1, 2, 3, n.
(b)Hay n + 1 vectores en B = {1, x, x2,
, xn}.
La dimensin es n + 1
(c)La dimensin del espacio nulo {0}
es ceero.

ED Lineales
La solucin general de la siguiente ED
dny
d n1 y
dy
an ( x(6)
) n an1 ( x) n1 a1 ( x) a0 ( x) y 0
dx
dx
dx

puede escribirse como y = c1y1 + c1y1

+ cnyn y se dice que es espacio
solucin. As {y1, y2, , yn} es una
base.

Ejemplo 6
La solucin general de y + 25y = 0
es
y = c1 cos 5x + c2 sen 5x
entonces {cos 5x , sin 5x} es una
base.

Otras formas de
Definiciones
Un conjunto S de vectores {x1, x2, ,
xn} de un espacio vectorial V es una
base, si S es linealmente
independiente y es un conjunto de span
de V. El nmero de vectores de este
conjunto de span S es la dimensin
del espacio V.

Gram-Schmidt Orthogonalization Process

Base Ortonormal
Todos los vectores de la base son
ortogonales entre s y tienen la
longitud unidad.

Ejemplo 1
El conjunto de vectores

1 1 1
w1
, ,
,
3 3 3
(1)
2 1 1
w2
,
,
,
6 6 6
1
1
w 3 0,
,
es linealmente independiente
en R3. De ah
2
2
que B = {w1, w2, w3} es una base. Como ||
wi|| = 1, i = 1, 2, 3,
wi wj = 0, i j, B es una base ortonormal.

TEOREMA 7.5

Coordenadas respecto a una Base Ortonormal

Supongamos que B = {w1, w2, , wn} es una b

ortonormal de Rn. Si u es un vector cualquiera de

entonces u = (u w1)w1 + (u w2)w2 + + (u

Demostracin
Como B = {w1, w2, , wn} es una base
ortonormal, entonces cualquier vector
puede expresare como
u = k1w1 + k2w2 + + knwn(2)
(u wi) = (k1w1 + k2w2 + + knwn) wi
= ki(wi wi) = ki

Ejemplo
Determinar las coordenadas de u =
<3, 2, 9> respecto a la base
ortonormal del Ejemplo 1.
10
1
11
Solucin
uw
,uw
,uw
1

6
10
1
11
u
w1
w2
w3
3
6
2

v12
u
12
u
2v
1

Proceso de Ortogonalizacin de GramSchmidt

La transformacin de la base B = {u1,

u2} en una base ortogonal B= {v1,
v2} consta de dos pasos. Fig 7.64.
(3)

Fig 7.64(a)

Fig 7.64(b)

Fig 7.64(c)

v12
u

3
,14
11
1
3
,01

,5
Ejemplo 3

Sea u1 = <3, 1>, u2 = <1, 1>.

Transformarlos en una base ortonormal.
Solucin
De (3)
Normalizando:

1
w1
v1
v1

Fig 7.65

3
1
,
10 10

1
1
3
w2
v2
,
v2
10 10

Fig 7.65

vv132
u
1

32
u
u
v
2
1
31
u
3v
2 2

Proceso de Ortogonalizacin de GramSchmidt

Para R3:

(4)

xxpr
v1v12u
oywu3vw12u3
u
v2u132v2 2
3
31

Observe la Fig 7.66. Suponemos que

W2 = Span{v1, v2}, entonces

21

es de W2 y se llama proyeccin
ortogonal de u3 sobre W2, denotado por
x = proyw2u3.
(5)
(6)

Fig 7.66

vv132
,
u

1
u
31
32
u
v
5
2
1
2
1

,u
1
,3v2 2302)1
2

1
,3
Ejemplo 4

Sea u1 = <1, 1, 1>, u2 = <1, 2, 2>, u3

= <1, 1, 0>. Transformarlos en una
base ortonormal.
Solucin
De (4)

Ejemplo 4 (2)

2 1 1
1 1
B v1 , v 2 , v 3 1, 1, 1 , , , , 0, ,
3 3 3
2 2

6
2
1
v1 3 , v 2
, v3
y wi
v i , i 1, 2, 3,
3
2
vi
B w1 , w 2 , w 3

w1

1 1 1
2 1 1
,
,
, w2
,
,
,
3 3 3
6 6 6

1
1
w 3 0,
,
,
2
2

u
1
1

32m
u
u
v
2
1

v32m
u
3m1v1
u
m2v222v
3v

1vm1vm1
u
m
TEOREMA 7.6

Proceso de Ortogonalizacin
Sea B = {u1, u2, , um}, m n, una base del subespacio
Rn. Entonces {v1, v2, , vm}, donde

es una base ortogonal de Wm. Una base ortonormal de W

B w1 , w 2 , , w m

1
1

v1 ,
v 2 , ,
vm
v2
vm
v1