Escolar Documentos
Profissional Documentos
Cultura Documentos
< 𝑢̅| 𝑣̅ + 𝑤
̅ > = < 𝑢̅| 𝑣̅ > +< 𝑢̅| 𝑤
̅>
3. Homogeneidad:
< ∝ 𝑢̅| 𝑣̅ > = ∝< 𝑢̅| 𝑣̅ >
4. Positividad:
< 𝑢̅| 𝑣̅ > > 0 ∀𝑢̅ ≠ 0 ó bien < 𝑢̅| 𝑣̅ > = 0 𝑠𝑖 𝑢 𝑠𝑜𝑙𝑜 𝑠í 𝑢̅ = 0
̅̅̅̅̅̅̅̅̅̅̅̅
Donde< 𝑢̅| 𝑣̅ > representa el conjugado del número complejo < 𝑢̅| 𝑣̅ >.
Puede haber más de un producto interno (P.I.) en un espacio vectorial (E.V.). Por ejemplo, para los vectores
𝑥̅ = (𝑥1 , 𝑥2 ) y 𝑦̅ = (𝑦1 , 𝑦2 ) y que ∈ R2, el producto interno puede ser:
(𝑥̅ | 𝑦̅) = 𝑥1 𝑦1 + 𝑥2 𝑦2 → Producto interno usual.
(𝑥̅ | 𝑦̅) = 2𝑥1 𝑦1 + 𝑥1 𝑦2 + 𝑥2 𝑦1 + 𝑥2 𝑦2 → Producto interno que no es el usual (así como éste, en un
espacio vectorial pueden haber más productos internos que no son los usuales).
En el espacio V de las funciones reales de variable real, continúas en el intervalo (a, b), la función (. | . )
definida por:
𝑏
(𝑥̅ | 𝑦̅) = ∫𝑎 𝑓(𝑥)𝑔(𝑥)𝑑𝑥 → Es un producto interno real.
En el espacio V de las matrices de m×n con elementos en R, el siguiente es un producto interno real:
(𝐴| 𝐵) = 𝑡𝑟(𝐴𝑇 𝐵) → Para números reales.
En el espacio V de las matrices de m×n con elementos en C, la siguiente función es un producto interno
real:
(𝐴| 𝐵) = 𝑡𝑟(𝐴∗ 𝐵) → Para números complejos, y donde 𝐴∗ representa la conjugada transpuesta de A.
Desigualdad de Cauchy-Schwarz.
Norma de un Vector.
1
La norma de un vector se define mediante la expresión: ‖ 𝑢̅‖ = < 𝑢̅|𝑢̅ >2 = √< 𝑢̅|𝑢̅ >
O bien: ‖ 𝑢̅‖2 = < 𝑢̅|𝑢̅ >
Un vector es unitario cuando su norma es igual a uno ‖ 𝑢̅‖ = 1. Además, cualquier vector puede convertirse en
1
vector unitario utilizando la siguiente expresión 𝑒̅ = ‖ 𝑢̅‖ 𝑢̅
NOTA: Al igual que la norma de un vector, se pueden tener distintos ángulos entre dos vectores, dependiendo del
producto interno especificado en cada caso.
PROPIEDADES IMPORTANTES:
Si “θ” es el ángulo entre los vectores y, entonces: u v
“θ” es agudo sí. < 𝑢̅| 𝑣̅ > > 0
“θ” es obtuso sí. < 𝑢̅| 𝑣̅ > < 0
𝜋
“θ” es recto (θ = 90° = 2 ) sí. < 𝑢̅| 𝑣̅ > = 0
Teorema de Pitágoras.
2
‖ 𝑢̅ + 𝑣̅ ‖2 = ‖ 𝑢̅‖2 + ‖ 𝑣̅ ‖
Ejemplos explicados con GeoGebra:
Ortogonalidad.
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.
El concepto de ortogonalidad puede extenderse a otros objetos geométricos diferente de los vectores. Por ejemplo
dos curvas suaves se consideran ortogonales en un punto si sus respectivos vectores tangentes son ortogonales.
Dos familias de curvas se llaman ortogonales si en el punto de intersección de una curva de la primera familia
con una curva de la segunda familia ambas resultan ser ortogonales. Un ejemplo de esto es el de las líneas
isostáticas de tracción y compresión en una viga, las cuales son las envolventes de las tensiones principales.
Dos vectores 𝑢̅ y 𝑣̅ son ortogonales cuando su producto interno es igual a cero: < 𝑢̅| 𝑣̅ >= 0
Es decir, el ángulo entre ellos es:
< 𝑢̅, 𝑣̅ > 0
cos 𝜃 = = =0
‖𝑢̅‖‖𝑣̅ ‖ ‖𝑢̅‖‖𝑣̅ ‖
𝜋
cos 𝜃 = cos−1 0 = 90ª =
2
Proyección Ortogonal.
Una proyección ortogonal, por lo tanto, es aquella que se crea a partir del trazado de la totalidad de las rectas
proyectantes perpendiculares a un cierto plano. De este modo, existe un vínculo entre los puntos de aquello que
se proyecta con los puntos proyectados.
La proyección ortogonal es una herramienta muy utilizada en el campo del dibujo técnico para lograr la
representación gráfica de un objeto.
<𝑢,𝑣>
Si el ángulo que forman los vectores 𝑢 y 𝑣 es ∝, entonces ‖𝑢‖ cos(∝) = ‖𝑣‖
.
< 𝑢, 𝑣 >
𝑢̂ = 𝑣
< 𝑣, 𝑣 >
PROYECCIÓN DE UN VECTOR SOBRE OTRO (NOMENCLATURA DIFERENTE)
Si 𝑢
⃗ es un vector y 𝑣 una recta en el plano es fácil ver que la proyección ortogonal 𝑝 = 𝑃𝑟𝑜𝑦𝑣 𝑢
⃗ de 𝑢
⃗ sobre 𝑣
para calcularse a partir de cualquier vector 𝑥 contenido en la recta mediante la fórmula:
⃗ ,𝑥 >
<𝑢
𝑃𝑟𝑜𝑦𝑣 𝑢
⃗ = 𝑃𝑟𝑜𝑦𝑥 𝑢
⃗ = <𝑥 ,𝑥 > 𝑥
Sean lo vectores 𝑢 = (3, −3) y 𝑣 = (3, −2) dos vectores en el espacio euclidiano 𝑅 2 . Determine la proyección
ortogonal de 𝑢 sobre 𝑣.
〈𝑣 ∗ 𝑢〉
𝑝𝑟𝑜𝑦𝑢 𝑣 = 𝑢
〈𝑢 ∗ 𝑢〉
4. Para trazar la recta perpendicular (la proyección), seleccionaras perpendicular en el menú de herramientas,
luego seleccionaras perpendicular y le darás en el punto de la proyección y en la recta v.
5. Por ultimo para poder darle color, darás clic derecho sobre el vector que se desea cambiar de color, que
se encuentra en la pestaña “vista algebraica”, desplegara un menú e iras a la opción propiedades.
6. Abrirá orto menú como se muestra abajo, ya estando en el menú te dirigirás a la pestaña color, seleccionas
y color (de sugerencia diferente al de los vectores) y por ultimo repites los dos últimos pasos en los
vectores restantes.
Resultado
Ejemplo 2.
〈𝑣 ∗ 𝑢〉
𝑝𝑟𝑜𝑦𝑢 𝑣 = 𝑢
〈𝑢 ∗ 𝑢〉
Vista
Vectores
6. Una vez que despliegue una ventana con una gráfica 3D se deberá cerrar la pestaña “vista grafica” dándole
clic en la equis de la parte superior derecha.
7. Por ultimo para poder darle color, darás clic derecho sobre el vector que se desea cambiar de color, que
se encuentra en la pestaña “vista algebraica”, desplegara un menú e iras a la opción propiedades.
8. Abrirá orto menú como se muestra abajo, ya estando en el menú te dirigirás a la pestaña color, seleccionas
y color (de sugerencia diferente al de los vectores) y por ultimo repites los dos últimos pasos en los
vectores restantes.
Resultado
Caso de que un vector no sea ortogonal.
EL PROCESO DE GRAM-SCHMIDT
Permite convertir un conjunto de vectores que no es ortogonal, en uno que sí es ortogonal:
Sea 𝐴 = {𝑣̅1 , 𝑣̅2 } ⇒ conjunto que no es ortogonal.
Sea 𝐵 = {𝑤
̅1 , 𝑤
̅ 2 } ⇒ conjunto que se convierte en ortogonal.
Los vectores que forman el nuevo conjunto ortogonal 𝐵 = {𝑤 ̅ 2 }, se obtienen con el proceso de Gram-
̅1 , 𝑤
Schmidt a partir de las siguientes expresiones:
(𝑣̅ |𝑤
̅ )
𝑤 ̅ 2 = 𝑣̅2 − (𝑤̅2 |𝑤̅1 ) 𝑤
̅1 = 𝑣̅1 ; 𝑤 ̅1
1 1
b) Si el conjunto original tiene tres vectores: 𝐴 = {𝑣̅1 , 𝑣̅2 , 𝑣̅3 } los vectores que constituyen el nuevo conjunto
ortogonal 𝐵 = {𝑤
̅1 , 𝑤
̅2, 𝑤
̅ 3 }, se obtienen con las expresiones:
𝑤
̅1 = 𝑣̅1
(𝑣̅2 |𝑤
̅1 )
𝑤
̅ 2 = 𝑣̅2 − 𝑤
̅
̅1 |𝑤
(𝑤 ̅1 ) 1
(𝑣̅3 |𝑤
̅1 ) (𝑣̅3 |𝑤
̅2)
𝑤
̅ 3 = 𝑣̅3 − 𝑤
̅1 − 𝑤
̅
̅1 |𝑤
(𝑤 ̅1 ) (𝑤 ̅2 ) 2
̅ 2 |𝑤
Y así sucesivamente, se pueden obtener los nuevos vectores 𝑤
̅ 𝑖 de un conjunto ortogonal con las siguientes
expresiones generales (proceso de ortogonalización de Gram-Schmidt):
𝑤
̅1 = 𝑣̅1
(𝑣̅ |𝑤
̅ )
̅ 𝑖 = 𝑣̅𝑖 − ∑𝑖−1
Y: 𝑤 𝑘=1 (𝑤
𝑖 𝑘
̅ |𝑤
𝑤
̅
̅ ) 𝑘
𝑘 𝑘