Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Introducción………………………………………………………………………pag3
Vector……………………………………………………………………………… pag4
Norma de un Vector…………………………………………………………pag5-6
Vector Ortogonal……………………………………………………………pag7
Base Ortogonal………………………………………………………………pag8-10
Matrices…………………………………………………………………………pag14-17
Conjunto Convexo……………………………………………………………pag22
VECTOR
Es la representación grafica de una magnitud física llamada magnitud vectorial, es todo
segmento de recta dirigido en el espacio.
Característica de un Vector
Origen:
Modulo:
Es la longitud o tamaño del vector, para hallarlo es preciso conocer el origen y el extremo del
vector pues, para saber cual es el modulo del vector debemos medir desde su origen hasta su
extremo.
Dirección:
Trazo:
Un vector siempre se representa como un segmento de recta, que tiene su origen en el punto
de aplicación y termina en el extremo.
Espacio vectorial:
También llamado espacio euclídeo, es el tipo de plano cartesiano sobre el que se traza el
vector y en el que se indica su dirección. Puede ser unidimensional (Eje X, recta numérica),
bidimensional (Ejes XY, coordenadas cartesianas) y tridimensional (Ejes XYZ, trazo espacial).
Resultante:
Es el vector que se traza desde el punto de origen de un vector hasta el extremo del último
vector trazado, cuando cada segmento representa la continuidad de una magnitud (como
sucede en la representación de un móvil que cambia varias veces de dirección. En estos casos
pueden sumarse vectores que van en una u otra dirección, y la resultante será la distancia total
recorrida, que es el vector que se traza desde el punto de origen hasta el extremo del último
trazo).
Norma de un Vector
La definición general de norma se basa en generalizar a espacios vectoriales abstractos el
concepto de módulo de un vector de un espacio euclídeo. En un espacio no euclídeo la noción
de camino más corto entre dos puntos no es más identificable con el de la línea recta; por lo
cual, se recurre a las propiedades operacionales de la norma euclídea. Definamos entonces lo
que es una norma euclídea.
En un espacio euclídeo los vectores son representados como segmentos orientados entre
puntos del espacio (euclídeo). Dado un vector de un espacio vectorial euclídeo, la norma
de un vector es definida como la distancia (en línea recta) entre dos puntos A y B que
delimitan al vector. Coincidiendo en un espacio euclídeo la norma de un vector con el
módulo del vector AB.
• En dos dimensiones:
• Ampliando lo anterior al espacio euclídeo de tres dimensiones, es de igual forma
elemental que:
De esto se sigue que, fijada una base ortonormal B en la cual un vector V se da a partir de
sus componentes en esta base, VB= (v1, v2…, vn), la norma de dicho vector vendrá dada
por:
De la norma euclídea se extraen entonces las condiciones que debe cumplir la “longitud de
un vector”, o norma vectorial, en un espacio vectorial. Estas condiciones siempre son
positivas e independientes de la orientación de la medición. La longitud es directamente
proporcional al tamaño y entre dos puntos será menor o igual que la suma de longitudes
desde esos mismos dos puntos a un tercero distinto de ellos. Dichas condiciones generan
la siguiente definición matemática:
Decimos que:
Mientras que para el caso p = 2 obtenemos la norma euclídea explicada más arriba.
• Otro operador norma sería, la norma del supremo:
Dos vectores son ortogonales si forman un ángulo (no necesariamente si se cortan) serian
perpendiculares, si se cortan y además forman un ángulo recto. Si además de ortogonales los
vectores son unitarios se llaman ortonormales.
Ejemplo
Así en caso del problema plano los vectores a = {ax; ay} y b = {bx; by} son ortogonales si
a · b = ax · bx + ay · by = 0
Ejercicio 1. Comprobar que los vectores a = {1; 2} y b = {2; -1} son ortogonales.
a · b = 1 · 2 + 2 · (-1) = 2 - 2 = 0
Resultado: así que el producto escalar equivale a cero, entonces los vectores a y b son
ortogonales.
Ejercicio2. Calcular el valor del número (parámetro) n con el cual a = {2; 4} y b = {n; 1}
serán ortogonales.
a · b = 2 · n + 4 · 1 = 2n + 4
2n + 4 = 0
2n = -4
n = -2
Resultado: n = -2.
Base Ortogonal
Una base de un espacio vectorial es ortogonal cuando los vectores que lo forman son
perpendiculares dos a dos.
Dos vectores y con distinta dirección forman una base, porque cualquier vector del plano
se puede poner como combinación lineal de ellos.
Ejemplo:
Los dos vectores que forman una base no pueden ser paralelos.
2) Sean los vectores libres = (2, 1), = (1, 4) y = (5, 6). Determinar:
3 = a + 2b
a = 3 - 2b
a = 7/3
5 = 2a + b
5 = 2 (3 - 2b) + b
b = 1/3
Existen múltiples ejemplos de sub espacio, sin embargo, en primer lugar, se demostrará un
resultado que hace relativamente sencillo determinar si un subconjunto de V es en realidad
sub espacio de V
1) Si x € H y y € H, entonces x + y € H.
Es obvio que, si H es un espacio vectorial, entonces las dos reglas de cerradura se deberán
cumplir. De lo contrario, para demostrar que es un espacio vectorial, se deberá demostrar que
los axiomas i) a x) de la definición cumplen bajo las operaciones de suma de vectores y
multiplicación por un escalar definidas en V. Las dos operaciones de cerradura [axiomas i) y iv)]
se cumplen por hipótesis, como los vectores en H son también vectores en V, las identidades
asociativa, conmutativa, distributiva y multiplicativa [axiomas ii), v), vii), viii), ix) y x)] se
cumplen.
H, la suma u + v está en H.
3). H es cerrado bajo la multiplicación por escalares. Esto es, para cada
Paso 1: Escribir la matriz ampliada asociada al sistema de ecuaciones lineales donde la matriz
del sistema está compuesta por los vectores de V como columnas, y un vector genérico del
espacio vectorial, especificado por medio de variables, como la columna adicional para
conformar la matriz ampliada.
┌ ┐
│ -2 -1 1 | x │
│ -4 2 6|y│
│ 2 0 -2 | z │
│ -4 1 5|w│
└ ┘
f2 <---> f2 - 2•f1
f3 <---> f3 + f1
f4 <---> f4 - 2•f1
┌ ┐
│ -2 -1 1 | x │
│ 0 4 4 | -2x+y │
│ 0 -1 -1 | x+z │
│ 0 3 3 | -2x+w │
└ ┘
f2 <---> f3
┌ ┐
│ -2 -1 1 | x │
│ 0 -1 -1 | x+z │
│ 0 4 4 | -2x+y │
│ 0 3 3 | -2x+w │
└ ┘
f3 <---> f3 + 4•f2
f4 <---> f4 + 3•f2
┌ ┐
│ -2 -1 1| x │
│ 0 -1 -1| x+z │
│ 0 0 0 | 2x+y+4z │
│ 0 0 0 | x+3z+w │
└ ┘
Paso 3: Para que el sistema tenga solución es necesario que los elementos de la última
columna, correspondiente a filas nulas en la matriz del sistema, sean cero (rangos iguales). Las
ecuaciones definidas por esas expresiones, son las ecuaciones implícitas del subespacio
vectorial generado por el conjunto de vectores.
Variables libres.
{z, w }
y-2z-2w = 0
y = 2z+2w
x+3z+w = 0
x = -3z-w
Representación paramétrica.
E = [V] = {(-3z-w ; 2z+2w ; z ; w) | z, w ∈ R }
Matrices
Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma
rectangular, formando filas y columnas.
Cada uno de los números de que consta la matriz se denomina elemento. Un elemento se
distingue de otro por la posición que ocupa, es decir, la fila y la columna a la que pertenece.
Dos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el
mismo lugar en ambas, son iguales.
Tipos de matrices
Matriz fila:
Matriz columna:
Matriz rectangular:
Aquella matriz que tiene distinto número de filas que de columnas, siendo su dimensión mxn.
Matriz cuadrada:
Matriz nula:
Matriz diagonal:
Todos los elementos situados por encima y por debajo de la diagonal principal son nulos.
Matriz escalar:
Es una matriz diagonal en la que los elementos de la diagonal principal son iguales.
Es una matriz diagonal en la que los elementos de la diagonal principal son iguales a 1.
Matriz traspuesta:
(At)t = A
(A + B)t = At + Bt
(α · A) t = α ·At
(A · B)t = Bt · At
Matriz regular:
Matriz singular:
Matriz idempotente:
Si A2 = A.
Matriz involutiva:
Si A2 = I.
Matriz simétrica:
Matriz ortogonal:
Si verifica: A · At = I
Suma de matrices
Dadas dos matrices de la misma dimensión, A=(aij) y B=(bij), se define la matriz suma como:
A+B=(aij+bij). Es decir, aquella matriz cuyos elementos se obtienen: sumando los elementos de
las dos matrices que ocupan la misma misma posición.
Propiedades
Interna:
Asociativa: A + (B + C) = (A + B) + C
Elemento neutro: A + 0 = A
Conmutativa: A + B = B + A
Dada una matriz A=(aij) y un número real k R, se define el producto de un número real por
una matriz: a la matriz del mismo orden que A, en la que cada elemento está multiplicado por
k.
kA=(k aij)
Propiedades
a · (b · A) = (a · b) · A A Mmxn, a, b
1·A=AA Mmxn
Producto de matrices
Mm x n x Mn x p = M m x p
Propiedades
Asociativa:
A · (B · C) = (A · B) · C
Elemento neutro:
A·I=A
No es Conmutativa:
A·B≠B·A
Matriz inversa
A · A−1 = A−1 · A = I
Propiedades
(A · B) −1 = B−1 · A−1
(A−1) −1 = A
(k · A) −1 = k−1 · A−1
(A t) −1 = (A −1) t
Sea A una matriz cuadrada de orden n. Para calcular la matriz inversa de A, que denotaremos
como A−1, seguiremos los siguientes pasos:
1º Construir una matriz del tipo M = (A | I) esto es, A está en la mitad izquierda de M y la
matriz identidad I en la derecha.
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.
Av.=? v. ¿El vector v?0 se llama auto vector de a correspondiente al autovalor? sí A es la matriz
identidad, entonces para cualquier vector v Cn se cumple Av.=Iv=v.
Así, =1 es el único valor propio de A, ¿y todo v?0, vCn es un vector propio de I. ¿Sí? es un valor
propio de A, entonces existe un vector v?0 tal q Av=? v=? Iv.
Reescribiendo resulta: ¿Av -? Iv=0 (¿A -? I)v=0 q es un sistema homogéneo de n ecuaciones con
n incógnitas. Como el sist. tiene soluciones no triviales, se debe cumplir (¿A -? I)=0. Si Det (¿A -?
¿I)?0 entonces la única solución de (¿A -?) v=0 es v=0 y? ya no sería un autovalor de A. Se tiene
así el siguiente teorema.
Teorema: Sea A una matriz de orden n x n. ¿Entonces? es un valor propio de A si y solo si p(?)=
de (A -? I)=0. La ecuación det (¿A -? I)=0 se llama ecuación característica de A y p(?) se llama
polinomio característico de A. Contando multiplicidades, toda matriz de orden n x n tiene n
autovalores.
Demostración: ¿Si Av=? v Av -? I=0 E es el espacio nulo de A o espacio solución del sistema
homogéneo (¿Av -? I)=0 y por lo tanto es un subespacio de Cn.
Teorema: ¿Sea A una matriz de orden n x n y sean?; …; los valores propios distintos de A con
vectores propios correspondientes v; v ...; v. Entonces v; v; ...v son linealmente independientes.
Es decir, q los vectores propios correspondientes a valores propios distintos son L.I
Definición de forma cuadrática
Llamamos forma cuadrática a una aplicación Q
Resulta muy cómodo, tanto para escribir el polinomio de 2º grado a partir de la matriz, sin
tener que hacer la multiplicación:
como para deducir la matriz simétrica asociada a la forma cuadrática a partir del
aparecerá:
aparecerá:
Solución:
NOTA: Observemos que a partir de un polinomio se deduce una matriz simétrica, pero podrían
deducirse infinitas matrices no simétricas; por ejemplo, también corresponden a la forma
cuadrática anterior:
Sin embargo, cuando nos referimos a formas cuadráticas, siempre escogemos la matriz
simétrica por sus particulares propiedades.
Conjunto Convexo
CONJUNTO A
CONJUNTO B
CONJUNTO C
CONJUNTO D.
Definimos la idea de conjunto convexo como aquel conjunto que contiene cualquier
segmento que une dos puntos del conjunto.
Consideremos el conjunto B:
Obsérvese que para cualquier par de puntos (x, y) que estén dentro del conjunto B, el
segmento que une dichos puntos no queda dentro del conjunto, en consecuencia, B no sería
un conjunto convexo.
Consideremos el conjunto C:
En este caso para cualquier par de puntos (x, y) de esta recta C, el segmento que los une queda
dentro del conjunto, en consecuencia, C es un conjunto convexo.
Es claro gráficamente que para cualquier par de puntos x, y, el segmento que los une está
totalmente contenido en dicho conjunto.
Consideremos un último ejemplo en el plano, sea el conjunto E
(conjunto poligonal delimitado por los puntos (0,0), (5,0), (0,3), (1,2), (0,0))
Se puede ver que existen segmentos, como el indicado en la figura que se sale del conjunto
por lo que este conjunto no sería CONVEXO.
EJERCICIO VII-1
a. Conjunto poligonal determinado por los puntos (0,1), (1,0), (1,3), (0,1)
b. Conjunto poligonal determinado por los puntos (1,1), (2,1), (2,3), (-1,2), (-1,0), (1,1)
SOLUCION:
a. es convexo
(b) no es convexo
Primero dibujamos la curva que delimita el conjunto. En DERIVE resulta sencillo basta editar la
función y=x y aplicar Clot
Para delimitar la región del plano basta considerar un punto que no esté en la curva, por
ejemplo (1,2) si ese punto satisface la ecuación entonces ese es el recinto que considerar, en
nuestro caso como 2 sí es mayor o igual que 1, entonces el recinto es
Obsérvese que es claramente convexo pues cualquier par de puntos que estén en S3 el
segmento que los une está claramente contenido en S3.
CONJUNTO CONVEXO.
EJEMPLO:
es un conjunto convexo.
Habría que comprobar si b (x1, y1) +(1-b) (x2, y2) es un vector que pertenece a S3 para cualquier
valor de b en [0,1]
. bx1+(1-b) x2 ³ by1+(1-b) y2
Y comprobando si el vector
EJERCICIO VII-2
a.
b.
SOLUCIONES:
Para ello dibujamos los dos límites del conjunto x2+y2=1 y x2+y2=4 (circunferencias de radio 1 y
radio 2)
¿cuál es el recinto?
Es cierta por tanto el conjunto es la corona circular situada entre la circunferencia de radio 1 y
la circunferencia radio 2.
Claramente se ve que no, tomemos dos puntos cualesquiera por ejemplo (-1,1/2) y (2,0),
ambos pertenecen al conjunto, sin embargo, el segmento que los une como se ve no
pertenecen al conjunto.
Para saber cuál es exactamente el recinto, tomemos un punto que no esté en dichas rectas,
por ejemplo (0,0).
Y por otro lado para determinar el conjunto x-y£ 1 comprobamos que 0-0£ 1 por tanto
también es de la recta hacia el (0,0), con lo cual tendremos que el recinto será:
Bibliografía
http://www.ejemplode.com/37-fisica/3429-caracteristicas_de_un_vector.html
http://www.ehu.eus/izaballa/Ana_Matr/Apuntes/lec2.pdf
https://es.wikipedia.org/wiki/Norma_vectorial
http://www.ehu.eus/izaballa/Ana_Matr/Apuntes/lec2.pdf
https://es.slideshare.net/NajidAugusto/vectores-perpendiculares-u-ortogonales
http://www.ub.edu/glossarimateco/content/base-ortogonal-y-base-ortonormal
http://www.nibcode.com/es/algebra-lineal/subespacio-vectorial-generado
https://www.vitutor.com/algebra/matrices/res.html
https://www.wikiteka.com/apuntes/autovalores/
https://www.uam.es/personal_pdi/economicas/portega/web-algebra/capitulo-7/teoria7-1/7-
1-teoria.htm#concepto-convexo
https://sites.google.com/site/sistemasalgebralineal/unidad-4---espacios-
vectoriales/definicion-de-subespacio-vectorial-y-sus-propiedades