UNIVERSIDAD POLITÉCNICA DE TLAXCALA

INGENIERÍA MECATRÓNICA.

“Algebra Vectorial”

Funciones Matemáticas

Ing. Víctor Serrano Tzoni.

Alumno: Fabio Sánchez Camargo.

1 “A”.
 ¿Qué es el álgebra vectorial?
El álgebra vectorial es una rama de las matemáticas encargada de estudiar
sistemas de ecuaciones lineales, vectores, matrices, espacios vectoriales y sus
transformaciones lineales. Se relaciona con áreas como ingeniería, resolución de
ecuaciones diferenciales, análisis funcional, investigación de
operaciones, graficas computacionales, entre otras.

Vectores
Los vectores son segmentos de una línea recta que están orientados dentro de un
plano bidimensional o tridimensional, también conocido como un espacio vectorial.
Su expresión matemática se representa mediante una letra con una flecha en la
parte superior y, a nivel gráfico, también se utiliza el recurso de la fecha para
señalarlos.

Los vectores pueden representar magnitudes físicas con intensidad y

dirección, como la fuerza, el desplazamiento y la velocidad. Además, suelen
representarse en planos a través de coordenadas.

Definición
Un vector se puede definir como algo que tiene una magnitud, dirección y sentido.
Se usa el R2 para definir un plano, o sea 2 dimensiones, y R3 para definir el espacio,
o sea 3 dimensiones. Y aunque con esto es suficiente para la definición de un vector,
puede que se encuentren con otros identificadores que veremos en seguida:
Origen
El punto de partida, o el punto donde se aplica el vector. Generalmente este será en
el origen para un mejor estudio del mismo. También se le conoce como la cola del
vector.
Modulo
Esto es la magnitud del vector, o sea su tamaño (longitud).
Dirección
Como el nombre lo dice, especifica cual es su línea de acción del vector en el
espacio.
Sentido
Esto define hacia que lado de la línea de acción se dirige el vector y por convención
se usa una flecha. También se le conoce como la cabeza del vector.

Vectores en 2 dimensiones.

Cuando un vector se encuentra en un plano se puede definir en sus partes con

respecto a dos dimensiones, o sea en dos ejes, generalmente en X y Y. Veamos
una imagen para hacer un análisis.
Como se puede ver aquí, para definir este vector, se mueve una distancia Ax a lo
largo del eje X y una distancia Ay a lo largo del eje Y. Este vector se puede escribir
de la siguiente manera:

A→=⟨Ax,Ay⟩
De esta forma se define que el vector "A" tiene una componente en X que es
Ax antes de la coma y una componente en Y que es Ay después de la coma. Otra
manera de escribir esto es:

A→=Axıˆ+Ayȷˆ Como se puede ver aquí, para definir este vector, se mueve una
distancia Ax a lo largo del eje X y una distancia Ay a lo largo del eje Y. Este vector
se puede escribir de la siguiente manera:

A→=⟨Ax,Ay⟩

De esta forma se define que el vector "A" tiene una componente en X que es
Ax antes de la coma y una componente en Y que es Ay después de la coma. Otra
manera de escribir esto es:

A→=Axıˆ+Ayȷˆ
Para sacar la magnitud de este vector, recordemos que es lo mismo que la
longitud del mismo, así que solo tenemos que calcular la longitud. Ya tenemos dos
catetos definidos, que son, Ax y Ay y solo nos falta por sacar la hipotenusa que en
este caso es la magnitud del vector A. Así que la formula para sacar la magnitud
de un vector en 2 dimensiones es la siguiente:
Vectores en 3 dimensiones
Para los vectores en el espacio es lo mismo, solo que le aplicamos la tercera
dimensión. Veamos una imagen para estudiarla:

De igual manera, las notaciones para este vector son:

A→=⟨Ax,Ay,Az⟩�→=
A→=Axıˆ+Ayȷˆ+Azkˆ
Para encontrar la magnitud de un vector en 3 dimensiones veamos que si
hacemos el mismo proceso de usar los componentes en X y Y del vector A, como
catetos, la hipotenusa (magnitud en este caso) es la magnitud (longitud) del vector
B:

Ya teniendo la magnitud del vector B, esta misma cantidad se puede usar como un
cateto junto con la componente en Z del vector A y haciendo eso, la hiponenusa
nos da que es la magnitud del vector A, que es exactamente lo que estamos
buscando:
En esta imagen se puede ver la parte cortada por el plano amarillo con el eje Z y
como la componente en z del vector A junto con la magnitud del vector B son los
catetos y la magnitud del vector A es la hipotenusa.

De este procedimiento podemos deducir que la formula para sacar la magnitud de

un vector en 3 dimensiones es la siguiente:

Se entiende que:
Así que cualquiera de las ecuaciones de los vectores ya sea en 2 o 3 dimensiones
se pueden intercambiar. Esto es solo para informar acerca de la notación. Unos
ejemplos son:

Y así sucesivamente en cualquier ecuación donde vayan los componentes de un

vector.

Operaciones con funciones de variables complejas y

vectores en 2 y 3 dimensiones con su representación
gráfica.
Módulo o magnitud.
Un vector representa la magnitud y orientación de una cantidad física, por lo tanto,
tiene una longitud (un numero real o negativo), así como dirección (u orientación).
La longitud del vector se le denomina magnitud o modulo.

Calculo de la magnitud de un vector.

Calculo de la magnitud de un vector, magnitud de un vector 2 para calcular la

magnitud o módulo de un vector A= (Ax, Ay) conociendo sus coordenadas, se utiliza
la siguiente fórmula:

A= √[(Ax)2 + (Ay)2]
Esta expresión es una aplicación del teorema de Pitágoras.

Sea 0AxA un triangulo rectángulo, observemos que 0A es la hipotenusa; al aplicar

el teorema de portadoras tenemos:

(0A)2 = (Ax)2 + (Ay)2

Es decir:

A= √ [(Ax)2 + (Ay)2]

En 3 dimensiones

A= √[(Ax)2 + (Ay)2 + (Az)2]

Suma y resta de vectores
La suma y resta de vectores A y B, da como resultado otro vector, es decir, A+B =C
y A-B= C

Para la suma y resta de vectores se aplican distintos métodos dependiendo si estos

tienen o no la misma dirección. Los principales métodos son : El método directo,
el del triángulo y el paralelogramo.

Suma de dos vectores con la misma dirección y el mismo sentido.

Dibujamos el vector B a continuación del vector A, de manera que sean

consecutivos, respetando sus módulos, direcciones, y sentidos.

El vector A + B tiene como módulo la suma de los módulos de ambos, la misma

dirección y el mismo sentido de los vectores dados.

El vector resultante A + B tiene como módulo la suma de A y de B, la misma dirección

y el mismo sentido que A y B.
Suma de 2 vectores con la misma dirección y el sentido opuesto.

Dibujamos el vector B a continuación del vector A, de manera que sean

consecutivos, respetando sus módulos, direcciones y sentidos.

El vector suma tiene como módulo la diferencia de los módulos de ambos, la misma
dirección y el sentido del vector mayor.

El vector resultante A + B tiene como módulo la diferencia de A y de B, la misma

dirección y el mismo sentido que A y B.

Suma de 2 vectores con distinta dirección.

Para sumar dos vectores A y B que forman un ángulo entre sí, se usan dos métodos:
el método del triángulo y el método del paralelogramo.

Suma de 2 vectores con distinta dirección.

Dibujamos los vectores de forma consecutiva , es decir, el origen de B tiene que

coincidir con el extremo de A.

El vector suma A + B tiene como origen, el origen de A y como extremo el de B.

Ley o método de paralelogramo.

Dibujamos el vector A en el origen de un plano cartesiano respetando su módulo,

dirección o sentido.

Dibujamos el origen de A, el vector B respetando su módulo, dirección, y sentido.

Se trazan rectas paralelas a cada vector formando un paralelogramo.

El vector resultante será la diagonal del paralelogramo que inicia en el origen del
plano cartesiano.

Resta de vectores.
Para restar dos vectores A y B se suma A con el opuesto del vector B , es decir:

A – B = A + (-B)

Los componentes del vector A-B se obtienen restando sus componentes :

A – B = (Ax – Bx, Ay – By, Az – Bz)

Ejemplo: sea A= (5, 2 4) y B = (-3, 5, 9), calculamos el vector A – B.

A – B = (5-(-3), 2-5 4-9) = (8, -3,-5).

Método del vector opuesto.

Para restar dos vectores A y B:

Como el vector B es el sustraendo debemos dibujar su vector opuesto; por ello

dibujamos un vector igual a B pero de sentido opuesto.

Aplicamos la ley del paralelogramo

Método del triángulo.

Dibujamos en el origen A, el vector B respetando su módulo , dirección y sentido.

El vector resultante A – B tendrá como origen el extremo de B (vector sustraendo) y

como extremo, el extremo de A (vector minuendo).
Multiplicación escalar de vectores.

Para multiplicar un vector por escalar, multiplique cada componente por el escalar.

Si tiene una magnitud y una dirección d, entonces donde n es un número real

positivo, la magnitud es n, y su dirección es d.

Desde cuenta que si n, es negativa, entonces la dirección de n u es el opuesto de

d.

Propiedades de la multiplicación escalar.

Digamos que u y v son vectores, y digamos que c y d son escalares. Entonces las
propiedades siguientes son verdaderas.
Producto punto.

El producto punto de 2 vectores será un número escalar y se hará de la siguiente

manera:

Teniendo los vectores U= ( X1,Y1, Z1) y V = (X2,Y2,Z2).

El producto punto es de U.V y seria igual a = X1.X2 + Y1.Y2 + Z1.Z2 = K

K es el escalar resultante a la multiplicación de 2 vectores.

Es decir el producto punto es la suma de las mediciones multiplicadas por sus

respectivas de los vectores.

Para sacar la magnitud del producto punto de los vectores.

Es elevar el resultado al cuadrado y sacar sus raíz , prácticamente igual que como
lo hacíamos solo que aquí será nada más del escalar. Si se pide la magnitud de los
vectores dados es igual que como lo veníamos haciendo.

Para sacar la dirección si cambia un poco, existen 2 maneras de sacra la

dirección de un producto.

La primera es de □ = Cos^-1 [U.V(producto punto)/ U V ]

Es decir, para sacar la dirección es el coseno ala menos 1 de la división del producto
punto entre la multiplicación de las magnitudes de los 2 vectores.
Y la segunda

Da el mismo resultado pero es primero sacar beta y después alfa y restar ambas.
Su fórmula es:

□= Tan^-1 Y1/X1

□= Tan ^-1 Y2/X2

□= □ – □

Producto cruz.

El producto de cruz no se puede para todo, para que se pueda sacar el producto
cruz a los vectores debe de ser para aquellos vectores en tercera dimensión (3D).

El producto cruz es el determinante de la matriz que se genera por los 2 vectores

con la primer línea de i,j y k. Es decir como resultado tendremos un vector y para
poder calcularlo hay que hacer el uso de determinantes.

La manera es la siguiente:

Teniendo

U = Ai + bj + ck

V = di + ej + fk

[ i, j, k]

UxV = Det [a b c]

[d e f ]

[i j k]

VxU = Det [d e f]

[a b c]
Lo que nos lleva a que UxV = VxU entonces no importa de que manera efectuamos
para sacar nuestro producto cruz es igual.

Para el producto cruz sacar su magnitud es igual ala suma de los cuadrados de sus
constantes del vector y su área es de un modo distinto por que se produce un
paralelogramo.

Para este paralelogramo primero se saca su área, pero lo curioso es que su área
es igual que la magnitud solo que añadiendo unidades cuadradas.

Y para la dirección se hace de la siguiente manera □ = Sen ^-1 [UxV / U V].

Es decir, el seno ala menos 1 de la división de la magnitud del producto cruz sobre
la multiplicación de la magnitudes de los vectores.

Vector unitario.
Un vector unitario es aquel que tiene módulo 1. Para hallar un vector unitario a partir
de cualquier vector, hay que dividir este último por su módulo.

Un vector unitario puede emplearse para definir el sentido positivo de cualquier eje.

Así, para los ejes cartesianos x, y, z se emplean los vectores i, j y k:

Vectores unitarios para los ejes cartesianos.

La orientación de estos 3 ejes cartesianos puede cambiarse, siempre y cuando su

orientación relativa sea la misma.

Del mismo modo pueden definirse un vector tangente y un vector perpendicular a

una curva en cada punto, o un vector unitario en las direcciones radial y angular.

Con ayuda de estos vectores unitarios pueden expresarse un vector cualquiera en

función de sus vectores constituyentes.

Vectores constituyentes de un vector.

Una vez introducidos los vectores unitarios i, j, k que definen los sentidos positivos
de los ejes cartesianos, podemos expresar cualquier vector como la suma de los
siguientes vectores.
Como se observa en la figura anterior:

Y de forma análoga en 3 dimensiones:

Que es la forma que más comúnmente emplearemos para expresar una magnitud
vectorial.

Transformación de vectores.

¿Concepto de transformación lineal?

Primer lugar, una transformación lineal es una funcion. Por ser función, tiene
su dominio y su codominio, con la particularidad de que éstos son espacios
vectoriales. Tenemos dos espacios vectoriales V y W, y una función que va
de V a W. O sea una regla de asignación que transforma vectores de V en vectores
de W. Pero no toda función que transforme vectores de V en vectores de W es una
transformación lineal. Debe cumplir ciertas condiciones:
Propiedades de las transformaciones lineales
Las transformaciones lineales tienen cuatro propiedades que son el núcleo, la
nulidad, la imagen y el rango. Las transformaciones no-lineales no cuentan con
estas propiedades.

Núcleo

El núcleo de una transformación lineal Nu(T) está formado por todos aquellos
vectores v que pertenecen al espacio vectorial V y que al ser transformados dan
como resultado el vector cero. Es decir:

En la mayoría de las ocasiones resulta más conveniente expresar al núcleo como

el conjunto de vectores generado a través de combinaciones lineales de sus
vectores base.

Nulidad
La nulidad de una transformación lineal ν(T) es la dimensión del núcleo, es decir, el
número de vectores en la base del núcleo. Podemos expresar a la nulidad como:

Cuando el núcleo de una transformación sólo contiene al vector cero, entonces la

nulidad es cero.
Imagen

La imagen de una transformación lineal im(T) está dada por el conjunto de

vectores w que pertenecen al espacio transformado W y son obtenidos al aplicar la
transformación T a vectores v que pertenecen al espacio V. La imagen también se
puede expresar de manera equivalente como:

De manera similar al núcleo, es más conveniente expresar a la imagen como el

conjunto de vectores generado a través de combinaciones lineales de los vectores
base del espacio transformado W.

Rango

El rango de una transformación lineal está definido como la dimensión de la imagen,

es decir,

Cabe mencionar que la suma de la nulidad más el rango es igual al número de

renglones linealmente independientes de la matriz de coeficientes del sistema de
ecuaciones
Aplicaciones de la transformación lineal

Las aplicaciones de la transformación lineal son diversas y se encuentran en varios

campos, incluyendo:

1. **Gráficos por computadora**: Utilizadas para transformar y manipular imágenes

y objetos en aplicaciones de diseño gráfico y animación.

2. **Procesamiento de señales**: Empleadas en el análisis y la manipulación de

señales de audio, imágenes y vídeo.

3. **Criptografía**: En algoritmos de cifrado y descifrado para asegurar la

comunicación segura de datos.

4. **Análisis de datos**: Fundamentales en técnicas estadísticas y de aprendizaje

automático para el procesamiento y la interpretación de conjuntos de datos.

5. **Sistemas de control**: Utilizadas en la modelización y el análisis de sistemas

dinámicos en ingeniería y control automático.

6. **Economía**: Aplicadas en modelos económicos para analizar relaciones entre

variables económicas y prever tendencias.

7. **Física**: En la modelización de fenómenos físicos como el movimiento de

partículas, la propagación de ondas y la mecánica cuántica.

Estas son solo algunas de las áreas donde las transformaciones lineales encuentran
aplicación, pero su utilidad se extiende a muchos otros campos de la ciencia y la
ingeniería.
Tipos de transformaciones

1. Reflexión:

- Definición: Una reflexión es una transformación geométrica que invierte la

dirección de los objetos a lo largo de una línea imaginaria llamada eje de reflexión.
Cada punto en el objeto original se refleja simétricamente a través de este eje.

- Ejemplo: Si tienes un triángulo y lo reflejas a lo largo del eje vertical, obtendrás

un triángulo con la misma forma, pero con sus lados opuestos.

2. Rotación:

- Definición: Una rotación es una transformación geométrica que gira un objeto

alrededor de un punto fijo llamado centro de rotación. Los puntos del objeto original
se mueven en una trayectoria circular alrededor de este punto.

- Ejemplo: Si tienes un cuadrado y lo giras 90 grados en sentido antihorario

alrededor de su centro, obtendrás un nuevo cuadrado con sus lados orientados de
manera diferente.

3. Contracción:

- Definición: En el contexto de transformaciones geométricas, la contracción

generalmente se refiere a una transformación que reduce el tamaño de un objeto.
Esto puede involucrar una reducción uniforme en todas las direcciones o una
reducción en direcciones específicas.

- Ejemplo: Si tienes un círculo y lo reduces a la mitad de su tamaño original,

obtendrás un nuevo círculo con un radio más pequeño.

4. Traslación:

- Definición: Una traslación es una transformación geométrica que desplaza un

objeto de una ubicación a otra, manteniendo su forma y tamaño. Todos los puntos
del objeto se mueven en la misma dirección y distancia.
 - Ejemplo: Si tienes un rectángulo y lo desplazas 5 unidades hacia la derecha y 3
unidades hacia arriba, obtendrás un nuevo rectángulo con la misma forma y tamaño,
pero ubicado en una posición diferente.

5. Expansión:

- Definición: La expansión es el opuesto de la contracción en el contexto de

transformaciones geométricas. Se refiere a una transformación que aumenta el
tamaño de un objeto. Esto puede implicar un aumento uniforme en todas las
direcciones o un aumento en direcciones específicas.

- Ejemplo: Si tienes un triángulo y lo expandes en un factor de 2, obtendrás un

nuevo triángulo con longitudes de lado el doble del tamaño del original.

La transformación lineal en espacios vectoriales se realiza

utilizando matrices.

1. **Multiplicación de matriz por vector:** Una matriz se multiplica por un vector

para transformarlo en otro vector. Cada componente del nuevo vector es el producto
punto entre la fila correspondiente de la matriz y el vector original.

2. **Multiplicación de matriz por matriz:** Se utiliza para combinar múltiples

transformaciones lineales en una sola. La matriz resultante es el producto de las
dos matrices originales.

3. **Composición de transformaciones:** Esto implica aplicar una transformación

lineal seguida de otra. En términos de matrices, esto es simplemente multiplicar las
matrices correspondientes en el orden adecuado.

4. **Inversa de una matriz:** Si una matriz es invertible, su inversa se puede usar

para deshacer la transformación lineal. La multiplicación de la matriz original por su
inversa produce la matriz identidad.
5. **Determinante de una matriz:** Determina si una matriz es invertible y
proporciona información sobre cómo la transformación afecta el volumen en el
espacio vectorial.

Estas operaciones son fundamentales para comprender y manipular

transformaciones lineales utilizando matrices en espacios vectoriales.

Conclusión
El álgebra vectorial es una rama fundamental de las matemáticas que estudia las
propiedades y manipulaciones de los vectores, que son objetos matemáticos que
tienen magnitud y dirección. Esta disciplina es esencial en diversos campos
científicos y de ingeniería, incluyendo la física, la ingeniería eléctrica, la informática,
entre otros.

En álgebra vectorial, se estudian operaciones como la suma de vectores, la

multiplicación por un escalar, el producto punto y el producto cruz, entre otras. Estas
operaciones permiten realizar cálculos y análisis en múltiples dimensiones, lo que
resulta crucial en la descripción y resolución de problemas físicos y geométricos
complejos.

La representación geométrica de los vectores y sus operaciones facilita la

comprensión visual de conceptos abstractos, lo que hace que el álgebra vectorial
sea una herramienta poderosa tanto para la modelización teórica como para la
resolución práctica de problemas.
Transformación de vectores.

La transformación de vectores es fundamental en matemáticas y ciencias aplicadas.

Permite modificar la posición, dirección o magnitud de un vector mediante
operaciones como traslación, rotación, reflexión y escala. Estas transformaciones
son esenciales en geometría, física, informática gráfica y muchos otros campos,
facilitando el análisis y la representación de datos en múltiples dimensiones. La
comprensión de las transformaciones de vectores es crucial para resolver
problemas complejos y modelar fenómenos en el mundo real, lo que demuestra su
importancia en la investigación y el desarrollo tecnológico.

Referencias bibliográficas

https://aga.frba.utn.edu.ar/definicion-y-propiedades-de-las-
transformaciones-lineales/

https://blogs.ugto.mx/rea/clase-digital-6-transformaciones-
lineales/

https://eva.fcien.udelar.edu.uy/pluginfile.php/25635/mod_reso
urce/content/1/Cap%C3%ADtulo%207%20-
%20libro%20azul.pdf

https://es.khanacademy.org/math/multivariable-
calculus/thinking-about-multivariable-
function/x786f2022:vectors-and-matrices/a/cross-products-
mvc