1.

- DEFINA:

A).- VECTORES EN R2 Y R3
VECTORES EN R2

Un vector o vector fila es una pareja ordenada (x , y) donde x e y son

números reales. El conjunto de todos los vectores

{ (x,y) | x e R , y e R}

se denomina R2.

Sobre un eje de coordenadas se representan por flechas con origen en

(0,0) y extremo en (x,y). Para distinguir a los vectores y diferenciarlos de las
coordenadas de sus extremos, que se denotan de la misma manera, usaremos la
siguiente notación

v = (x,y), denota al vector y V (x,y) , denota el punto extremo

Por comodidad tipográfica denominaremos al vector v , de aquí en adelante

por v.
X V(x,y)
v

En el conjunto R2 , definimos las operaciones suma de vectores, resta de

vectores, y multiplicación por un escalar (número real)., así:

Suma: Si u = (u1, u2) y v = (v1, v2), definimos u + v = (u1 + v1, u2 +

v2)
Resta: Si u = (u1, u2) y v = (v1, v2), definimos u- v = (u1 - v1, u2 -
v2)

Ejemplos

u = (2, 1) y v = (1, 3), u + v = (2 + 1, 1 + 3) = (3,4)

u - v = (2 - 1, 1 - 3) = (1,-2)
v - u = (1 - 2, 3 - 1) = (-1,2)
3u = ( 3×2,3×1) = (6,3)
 -u = -1(2,1) = (-2,-1)
(1/3) v = 1/3 (1,3) = (1/3,1)

La resta es realmente una suma, ya que por ejemplo,

u – v = u + (- v) = (2, 1) + (-1,-3) = (2-1,1-3) = (1, -2)

Aceptaremos los siguientes principios o propiedades de las operaciones así

definidas:

u+v = v+u Propiedad conmutativa

u + (v + w) = (u + v) + w Propiedad asociativa
u+0=0+u=u 0 es el elemento neutro 0 = (0,0).
c (u + v) = c u + c v
c ( d u ) = (cd) u.

Estas operaciones con sus leyes le dan a R2 la estructura de espacio vectorial.

Gráficamente las operaciones de suma y resta se representan y efectúan

gráficamente siguiendo la conocida ley del paralelogramo, como lo demuestran las
siguientes figuras.

v u+v v v u-v

u u
-u X -v u-v

Nótese que el vector u-v es paralelo y está en la dirección de la flecha que

va de v a u, y no de u a v.

Para un vector u = (u1, u2), definimos la norma, longitud o módulo de u así

u
P Siguiendo el teorema de Pitágoras:
u2 ïuï u2 ïuï= Ö (u1 2 + u2 2)
O u1
VECTORES EN R3

Generalizaremos algunos de los resultados obtenidos sobre vectores en R 2

(el plano X-Y) a vectores en el espacio de 3 dimensiones X-Y-Z. o espacio R3 .

Un punto de coordenadas P(x,y,z) puede reprersentarse en el espacio tal

como se muestra en la figura, donde (x,0,0), (0,y,0) y (0,0,z), son puntos situados
respectivamente sobre los ejes ortogonales X-Y-Z, a distancias x, y, z ,
respectivamente, del origen O.

Z
(0,0,z)
P(x,y,z)
v
O (0,y,0) Y

(x,0,0)
X

De manera similar al caso en R2 , el vector v, con origen en O(0,0,0) y

extremo en P(x,y,z), se expresa como v = (x,y,z), en donde x,y,z se denominan las
componentes de v.

B).- PRODUCTO VECTORIAL

Sean dos vectores y en el espacio vectorial . El producto vectorial entre

y da como resultado un nuevo vector, . Para definir este nuevo vector es
necesario especificar su módulo y dirección:

 El módulo de está dado por

donde θ es el ángulo determinado por los vectores a y b.

 La dirección del vector c, que es ortogonal a a y ortogonal a b, está dada

por la regla de la mano derecha.
 El producto vectorial entre a y b se denota mediante a × b, por ello se lo llama
también producto cruz. En los textos manuscritos, para evitar confusiones con la
letra x (equis), es frecuente denotar el producto vectorial mediante a ∧ b.

El producto vectorial puede definirse de una manera más compacta de la

siguiente manera:

donde es el vector unitario y ortogonal a los vectores a y b y su dirección está

dada por la regla de la mano derecha y θ es, como antes, el ángulo entre a y b. A
la regla de la mano derecha se la llama a menudo también regla del sacacorcho.

C).- VECTOR UNITARIO

Un vector unitario se denota frecuentemente con un acento circunflejo sobre

su nombre, como (se lee "r vector" o "vector r"). La notación mediante el uso de
una breve ( ) también es común, especialmente en desarrollos manuscritos. La
tendencia actual es representar el vector en la dirección del vector en la forma
.

Habiendo definido el concepto de vector unitario al comienzo de este

artículo y habiendo presentado la notación usual en la sección anterior,
presentamos en esta sección una definición simbólica de vector unitario.

Sea el vector v ∈ .l.n. Se dice que v es un vector unitario y se lo denota

mediante si y solamente si el módulo de v es igual a 1.

O en forma más compacta:

D).- ANGULO ENTRE VECTORES

El ángulo que forman dos vectores y viene dado por la expresión:

Ejemplo

Ejercicios

Calcular el producto escalar y el ángulo que forman los siguientes vectores:

1. = (3, 4) y = (−8, 6)

· = 3 · (−8) + 4 · 6 = 0

2. = (5, 6) y = (−1, 4)

· = 5 · (−1) + 6 · 4 = 19

3. = (3, 5) y = (−1, 6)

· = 3 · (−1) + 5 · 6 = 27
E).- PARALELISMO Y PERPENDICULARIDAD

Paralelismo

He aquí dos criterios para determinar si dos rectas son paralelas:

Dos rectas son paralelas si tienen la misma dirección y ésto ocurre cuando
sus vectores de dirección son iguales o proporcionales.

Proposición

Dos rectas son paralelas si y sólo si sus pendientes coinciden: .

Perpendicularidad

He aquí dos criterios para determinar si dos rectas son perpendiculares:

Dos rectas son perpendiculares si sus vectores de dirección son

ortogonales, o lo que es lo mismo, si el producto escalar de sus vectores de
dirección es cero. Traduciendo ésto a coordenadas: Dos rectas con vectores de
dirección y son perpendiculares.

Proposición

Dos rectas son perpendiculares si sus pendientes y cumplen que:

F).- Proyección ortogonal

En geometría Euclidiana, Proyección ortogonal es aquella cuyas rectas

proyectantes auxiliares son perpendiculares al plano de proyección (o a la recta de
proyección), estableciéndose una relación entre todos los puntos del elemento
proyectante con los proyectados.

En el plano, la proyección ortogonal es aquella cuyas líneas proyectantes

auxiliares son perpendiculares a la recta de proyección L.
 Así, dado un segmento AB, bastará proyectar los puntos "extremos" del
segmento –mediante líneas proyectantes auxiliares perpendiculares a L–, para
determinar la proyección sobre la recta L.

Una aplicación de proyecciones ortogonales son los teoremas de las

Relaciones métricas en el triángulo mediante las cuales se puede calcular la
dimensión de los lados de un triángulo.

El concepto de proyección ortogonal se generaliza a espacios euclidianos

de dimensión arbitraria, inclusive de dimensión infinita. Esta generalización juega
un papel importante en muchas ramas de matemática y física.

G).- ESPACIO VECTORIAL

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

la rama de la matemática llamada álgebra lineal. Las operaciones que podemos
realizar entre ellos son: la suma de vectores y la multiplicación por un escalar, el
producto punto, el producto vectorial y el triple producto escalar con algunas
restricciones naturales como el cierre de estas operaciones, la asociatividad de
estas y la combinación de estas operaciones, siguiendo, llegamos a la descripción
de una estructura matemática llamada espacio vectorial.

H).- COMBINACIÓN LINEAL

Un vector (elemento de un espacio vectorial) es combinación lineal de un

conjunto de vectores si existe una cantidad finita, pero a su vez se encuentra
regida por la ley de Bohegiher IV de elementos de que denotaremos por
, y esa misma cantidad de escalares (elementos del cuerpo sobre
el que el espacio vectorial está construido) , 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 do

I).- DEPENDENCIA E INDEPENDENCIA LINEAL

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. Los vectores que no son linealmente
independientes son linealmente dependientes.

Sea {v1, v2,..., vn} un conjunto de vectores. Decimos que son linealmente
dependientes si existen números 'a1, a2,..., an, no todos iguales a cero, tal que:

Nótese que el cero en el lado derecho es el vector nulo, no el número cero. y el

conjunto de vectores nulos forma la matriz nula.

Si tales números no existen, entonces los vectores son linealmente

independientes.

Utilizando conceptos de espacios vectoriales podemos redefinir la

independencia lineal así:

Un conjunto de vectores U de un espacio vectorial es linealmente

independiente si ∀
 Esta idea es importante porque los conjuntos de vectores que son
linealmente indepedientes y generan a un espacio vectorial, forman una base para
dicho espacio.

Entre las propiedades de los vectores linealmente dependientes e

independientes encontramos:

1. Un conjunto de vectores es linealmente dependiente si y solamente si

alguno de los vectores es combinación lineal de los demás.
2. Si un conjunto de vectores es linealmente independiente cualquier
subconjunto suyo también lo es.

Obviamente, si tenemos un conjunto de vectores tales que ninguno de ellos es

combinación de los demás, escogiendo solamente unos cuantos, no podrán ser
combinación de los otros.

1. Si un conjunto de vectores es linealmente dependiente también lo es todo

conjunto que lo contenga.

Ya que un conjunto de vectores es linealmente dependiente si y solo si tiene

algún vector que es combinación lineal de los demás, si metemos este conjunto de
vectores en otro más grande, seguimos teniendo el vector que es combinación
lineal de otros, por tanto, el conjunto más grande sigue siendo linealmente
dependiente.

Ejemplo

En el espacio tridimensional usual:

 u y j son dependientes por tener la misma dirección (y sentidos opuestos).

 u y v son independientes y definen el plano P.
 u, v y w son dependientes por estar los tres contenidos en el mismo plano.
 u v y k son independientes por serlo u y v entre sí y no ser k una
combinación lineal de ellos o, lo que es lo mismo, por no pertenecer al
plano P. Los tres vectores definen el espacio tridimensional.
 Los vectores o (vector nulo, cuyas componentes son iguales a cero) y k son
dependientes ya que o = 0 ·k
Ejemplo del uso de la fórmula f:

¿Son los tres vectores siguientes independientes?

Buscamos tres valores x, y y z que satisfagan la ecuación:

Lo que equivale al sistema de ecuaciones siguiente:

Dado que la única solución es la trivial (x = y = z = 0), los tres vectores son
independientes.

J) DIMENSIÓN Y BASE DE UN ESPACIO VECTORIAL

DIMENSIÓN DE UN ESPACIO VECTORIAL

La dimensión de un espacio vectorial es la respuesta a la pregunta:

¿Cuántos parámetros se necesitan para localizar con toda precisión un punto en
este espacio?

Bien es sabido que sobre una recta donde se ha escogido dos puntos,
O(origen) e I(1,0) todo punto, M, está perfectamente definido a partir de su abscisa
x:

En un plano (P), se escogen tres puntos distintos O,I e J, y se definen los

vectores:
y un punto M es localizado por su abscisa x y su ordenada y: M(x, y) significa

Si se cambia el cuerpo de los escalares, de a , entonces el mismo punto

M será deteminado por el complejo zM =x + yi, es decir por un solo parámetro.

La dimensión de P es 1 sobre y dos sobre :

Un plano real es por lo tanto una recta compleja. La apelación plano

complejo para designar un plano real con escritura compleja de las coordenadas (
x + yi en vez de (x; y) ) es errónea, pero muy común.

El espacio ambiente es tridimensional y se requiere por lo tanto tres reales

(x, y, z) para definir un punto. No se le puede considerar como un espacio sobre
.

En la teoría de la relatividad, se añade una cuarta variable: el tiempo, y un

punto (x, y, z, t) de este espacio cuadridimensional corresponde a un evento o
acontecimiento (las coordenadas nos dicen donde y cuando ocurrió).

BASE DE UN ESPACIO VECTORIAL

Hasta el momento, hemos visto que las relaciones de orden nos ofrecen
una forma de organizar los subespacios de un espacio vectorial según su

contención, en especial, todos los múltiplos escalares de un subespacio

forman el menor conjunto que incluye a .

Supongamos que para , con , todo elemento

es una combinación lineal de los elementos de , es decir:

 (1)

entonces se dice que es una expansión de .

Para , decimos que es linealmente

dependiente si existen escalares no todos iguales a 0 tal que:

(2)

Esto indica que alguno de los elementos de es múltiplo de otro; en caso

contrario, si la ecuación 2 no se cumple más que para ,

entonces los elementos de son linealmente independientes.

De aquí, si es una expansión de , entonces el conjunto de vectores

linealmente independientes forma una base de . Con las relaciones de

orden sobre , podemos encontrar como el conjunto de elementos linealmente
independientes que generan a por medio de todas las posibles combinaciones

lineales, así, el número de vectores linealmente independiente en dado por

define la dimensión del espacio.

K).- RANGO DE UNA MATRIZ:

Es el número de líneas de esa matriz (filas o columnas) que son linealmente

independientes.

Una línea es linealmente dependiente de otra u otras cuando se puede

establecer una combinación lineal entre ellas.

Una línea es linealmente independiente de otra u otras cuando no se

puede establecer una combinación lineal entre ellas.
 El rango de una matriz A se simboliza: rang(A) o r(A).

Cálculo por el método de Gauss

Podemos descartar una línea si:

 Todos sus coeficientes son ceros.

 Hay dos líneas iguales.
 Una línea es proporcional a otra.
 Una línea es combinación lineal de otras.

F3 = 2F1

F4 es nula

F5 = 2F2 + F1

r(A) = 2.

L).- TRANSFORMACION LINEAL

Una transformación lineal es un conjunto de operaciones que se realizan

sobre un elemento de un sub espacio, para transformarlo en un elemento de otro
sub-espacio. En ocasiones trabajar con vectores es muy sencillo ya que pueden
ser fácilmente interpretados dentro de un contexto gráfico, lamentablemente no
siempre ocurre y es necesario transformar a los vectores para poderlos trabajar
más fácilmente. Por otra parte, trabajar con sistemas lineales es mucho más
sencillo que con sistemas no lineales, ya que se puede utilizar una técnica llamada
superposición, la cual simplifica de gran manera gran variedad de cálculos, por lo
que es de gran interés demostrar que un proceso puede ser reducido a un sistema
lineal, lo cual solo puede lograrse demostrando que estas operaciones forman una
transformación lineal.
 Se denomina transformación lineal, función lineal o aplicación lineal a
toda aplicación cuyo dominio y codominio sean espacios vectoriales que cumpla la
siguiente definición:

Sean V y W espacios vectoriales sobre el mismo cuerpo o campo K, y T una

función de V en W. T es una transformación lineal si para todo par de vectores u y
v pertenecientes a V y para todo escalar k perteneciente a K, se satisface que:

1.
2. donde k es un escalar.

La particularidad de una transformación lineal es que preserva las operaciones

de suma de vectores y producto de un escalar por un vector.

Son aplicaciones lineales los operadores usados en la formulación matemática de

la mecánica cuántica

M).- NÚCLEO (KERNEL) E IMAGEN

Si es lineal, se define el núcleo y la imagen de T de la

siguiente manera:

Es decir que el núcleo de una transformación lineal está formado por el

conjunto de todos los vectores del dominio que tienen por imagen al vector nulo
del codominio.

El núcleo de toda transformación lineal es un subespacio del dominio:

1. dado que
2. Dados
 3. Dados

Se denomina nulidad a la dimensión del núcleo. Nulidad(T) = dim(ker(T))

O sea que la imagen de una transformación lineal está formada por el conjunto
de todos los vectores del codominio que son imágenes de al menos algún vector
del dominio.

 La imagen de toda transformación lineal es un subespacio del codominio.

 El rango de una transformación lineal es la dimensión de la imagen.

rg(T) = dim(Im(T))

N).- PROGRAMACIÓN LINEAL

La Programación Lineal es un procedimiento o algoritmo matemático

mediante el cual se resuelve un problema indeterminado, formulado a través de
ecuaciones lineales, optimizando la función objetivo, también lineal.

Consiste en optimizar (minimizar o maximizar) una función lineal,

denominada función objetivo, de tal forma que las variables de dicha función estén
sujetas a una serie de restricciones que expresamos mediante un sistema de
inecuaciones lineales.

2.- OPERACIONES Y PROPIEDADES DE VECTORES

La suma de vectores

Sean los vectores

la suma se define como

La resta de vectores

El producto escalar o producto punto

donde para este producto hay que considerar la siguiente convención

En principio podemos observar que bajo esta definición el producto escalar entre
dos vectores se realiza como si estuviéramos multiplicando dos polinomios
El producto vectorial

Una operación de gran utilidad dentro de algunas áreas de ciencias e

ingenierías. El producto vectorial permite encontrar un vector perpendicular a los
dos vectores involucrados:

ahora las restricciones son presentadas como sigue:

aplicando esto tendremos:

Esta expresión vectorial se puede también se puede expresar mediante el

siguiente determinante:
Producto de vectores por escalares

Cuando un vector es multiplicado por una cantidad escalar lo que se

modifica es la magnitud del vector, haciéndolo más grande o mas pequeño.

Por ejemplo, si este es el vector A:

dos veces el vector, 2A tendríamos:

únicamente aumento de tamaño. Por el contrario, si multiplicamos por un escalar

r<1, donde r es el escalar, tendríamos un vector mas pequeño, por ejemplo si
multiplicamos por r = 1/2

Producto Mixto
 Se llama producto mixto de los vectores u, v y w y se representa por [u,v,w],
al número que resulta del producto escalar del primero de ellos, por el producto
vectorial de los otros dos.
[u,v,w] = u. (v x w)

PROPIEDADES LAS TRANSFORMACIONES LINEALES

Sean y espacios vectoriales sobre (donde representa el cuerpo) se

satisface que:

Si es lineal, se define el núcleo (ker) y la imagen (Im) de de la

siguiente manera:

Es decir que el núcleo de una transformación lineal está formado por el conjunto
de todos los vectores del dominio que tienen por imagen al vector nulo del
codominio.

El núcleo de toda transformación lineal es un subespacio vectorial del dominio:

1. dado que
2. Dados

3. Dados

Se denomina nulidad a la dimensión del núcleo.

La imagen de una transformación lineal está formada por el conjunto de todos los
vectores del codominio que son imágenes de al menos algún vector del dominio.

 La imagen de toda transformación lineal es un subespacio del codominio.

 El rango de una transformación lineal es la dimensión de la imagen.

Una función lineal es la correspondencia

4.- DEFINIR:

HIPERPLANO

En un espacio unidimensional (como una recta), un hiperplano es un punto;

divide una línea en dos líneas. En un espacio bidimensional (como el plano xy), un
hiperplano es una recta; divide el plano en dos mitades. En un espacio
tridimensional, un hiperplano es un plano corriente; divide el espacio en dos
mitades. Este concepto también puede ser aplicado a espacios de cuatro
dimensiones y más, donde estos objetos divisores se llaman simplemente
hiperplanos, ya que la finalidad de esta nomenclatura es la de relacionar la
geometría con el plano.

DESIGUALDADES LINEALES

Las desigualdades lineales se resuelven exactamente como las

igualdades, con una importante excepción: al multiplicar o dividir por una cantidad
negativa, el signo de desigualdad se invierte.

El conjunto solución lo escribimos así: S = ]-¥, -13/7]

INTRODUCCIÓN

En principio, podemos considerar un vector como un segmento de recta con

una flecha en uno de sus extremos. De esta forma podemos, en un vector,
distinguir cuatro partes fundamentales: punto de aplicación, intensidad, dirección y
sentido. Si dos vectores se diferencian en cualquiera de los tres últimos
elementos, intensidad, dirección o sentido, los consideraremos distintos, mientras
que si sólo se diferencian en el punto de aplicación los consideraremos iguales.

Los vectores son un auxiliar utilísimo para la geometría del espacio. En esta
unidad partiendo de lo que ya se sabe de vectores en el plano, se contemplan las
herramientas necesarias para la geometría tridimensional.

CONCLUSIÓN

Los vectores, que eran utilizados en mecánica en la composición de fuerzas

y velocidades ya desde fines del siglo XVII, no tuvieron repercusión entre los
matemáticos hasta el siglo XIX cuando Gauss usa implícitamente la suma vectorial
en la representación geométrica de los números complejos en el plano y cuando
 Bellavitis desarrolla sus "equipolencias", un conjunto de operaciones con
cantidades dirigidas que equivale al cálculo vectorial de hoy.

El paso siguiente lo da Hamilton. Con Hamilton inicia el estudio de los

vectores. Se le debe a él el nombre de 'vector' producto de la creación de un
sistema de números complejos de cuatro unidades, denominado "cuaterniones'',
muy usados hoy en día para el trabajo con rotaciones de objetos en el espacio 3D.
Actualmente, casi todas las áreas de la Matemáticas son representadas por medio
del lenguaje de los vectores.

BIBLIOGRAFIA

Hoffman, K. y Kunze, R "Álgebra Lineal". Ediciones Zacatenco. 1965

2. Anton, H. "Introducción al Álgebra Lineal". Limusa. 1985
3. Grossman, S. "Álgebra Lineal". Ed. Iberoaméricana.
4. Arce, C., González, J. y Castillo, W. "Álgebra Lineal". UCR. 1995.
5. Noble, D. "Algebra Lineal Aplicada". Prentice-Hall. 1990.