UNIVERSIDAD TECNOLÓGICA DE PANAMÁ

FACULTAD DE INGENIERÍA CIVIL

MATEMATICAS AVANZADAS PARA INGENIERÍA

Ph.D. Idulfo Arrocha Rodrı́guez

Enero de 2018.

Resumen
El presente escrito constituye un resumen del contenido del curso de Matemáticas Avan-
zadas para Ingenierı́a. El mismo consiste en una recopilacion de contenidos de varios libros
a fin de brindar un panorama general del curso. Sin embargo, para una ampliación de los
contenidos es necesario revisar la bibliografı́a que aparece al final del mismo.

1
1. MÓDULO I: ANÁLISIS VECTORIAL BÁSICO
1.1. Introducción
En los cursos elementales de las carreras de ingenierı́a se suele definir el vector de la siguiente
manera:

”El vector es una cantidad que posee magnitud, dirección y sentido”

Estos atributos son fáciles de identificar en cantidades fı́sicas familiares como la velocidad y la
fuerza, que son vectores. Esta definición es adecuada a ese nivel elemental. Sin embargo, esta
no es la noción más general del concepto de vector. Los vectores son elementos de conjuntos
denominados Espacios Vectoriales. Estos espacios poseen una estructura algebraica especı́fica
(unas reglas de operación con sus elementos), caracterizada por un sistema de axiomas. Si los
elementos se combinan con números reales en una operación de multiplicación, se dice que el
espacio vectorial es real.
En muchas áreas de la ingenierı́a se identifican o diseñan objetos matemáticos cuyas reglas
naturales de operación algebraica corresponden a las de un espacio vectorial real. A estos objetos
no necesariamente se les asignan propiedades de magnitud, dirección y sentido. Por ejemplo,
existen espacios vectoriales cuyos elementos son osciladores, coeficientes de polinomios de n-
ésimo grado, algún conjunto de polı́gonos en el plano, etc.
Una de las caracterı́sticas más útiles de los vectores para las diferentes ramas de la ingenierı́a
es que:
Todo vector en un espacio vectorial real se puede generar a partir de unos cuantos vectores
básicos mediante las operaciones de suma y producto escalar.
De manera que el concepto matemático de vector abarca, por supuesto, los vectores que
empleamos en la fı́sica y la geometrı́a elemental, los cuales son materializaciones especiales de la
noción abstracta. A estos los denominaremos, especı́ficamente, Vectores fı́sicos, que no son más
que las ternas ordenadas de números reales (multiplicados por una unidad de medida). Pero
también abordaremos el concepto de vector desde un punto de vista más general y abstracto,
de modo de podamos generalizar su aplicabilidad a objetos mucho más complejos y diversos.
En este módulo nos concentraremos en primero lugar a repasar los conceptos básicos del
análisis vectorial que nos servirán de base para los módulos siguientes.

1.2. Conceptos básicos

1.2.1. Escalares y vectores
En el mundo fı́sico muchas cantidades están completamente descritas si se conoce su magni-
tud. Por ejemplo, la temperatura de un punto dentro de una habitación, está determinada por
un valor numérico en una cierta escala (Fo o Co ). Estas cantidades se llaman escalares. Ejemplo
de estas cantidades fı́sicas y matemáticas son: números reales, longitud, área, volumen, masa
rapidez, presión quı́mica, concentración, resistencia eléctrica, potencial eléctrico y energı́a. Por
otro lado, existen otras cantidades que están completamente especificadas cuando se dan tanto
su magnitud como sentido. Cantidades como estas son llamadas caridades vectoriales o vectores.
Un ejemplo tı́pico de un fenómeno que involucra una cantidad vectorial es el movimiento ins-
tantáneo de una partı́cula dentro de un fluido tan como un rió. En este caso es necesario tener
la rapidez de la partı́cula y su dirección para poder describir completamente el movimiento. La
rapidez cuando se orienta en una dirección se llama velocidad, la cual es una cantidad vectorial.

2
Otros ejemplos de cantidades vectoriales son: fuerza, aceleración, momento, flujo de calor, el
campo magnético de la tierra en determinado posición, el gradiente, etc.
Por definición, la magnitud de una cantidad vectorial es un número no negativo (un escalar)
que determina el tamaño del vector sin tener el cuenta su dirección, ası́ por ejemplo, la magnitud
de la velocidad es la rapidez.
Geométricamente, un vector se puede representar mediante un segmento de lı́nea recta tra-
zado en el espacio, paralelo a la dirección requerida. Dicho segmento contiene una punta de
flecha en su extremo la cual indica el sentido en que el vector actúa. Mientras que la longitud de
segmento es proporcional a la magnitud del vector. Un deslazamiento de un segmento de lı́nea
recta es una traslación del vector que este representa Nótese que la representación geométrica

Figura 1: Magnitud de un vector

de un vector como un segmento de recta dirigido en el espacio se define sin referencia a ningún
sistema de coordenadas especı́fico. Esta interpretación puramente geométrica del vector tiene
muchas aplicaciones, con lo que es necesario una forma diferente de representarlos, ası́ como
también es necesario un álgebra de vectores para introducir el cálculo.

Definición 1: (Vector fı́sico)

Un vector a es una triada ordenada de números reales (a1 , a2 , a3 ) donde a1 , a2 y a3 son las
componentes del vector a, esto es:
a = (a1 , a2 , a3 ) donde a1 , a2 , a3 ∈ R
Geométricamente,un vector se representa como un segmento de recta desde el origen de coor-
denadas cartesianas (0, 0, 0) a un punto (a1 , a2 , a3 ). La magnitud del vector es la magnitud o la
norma y es la distancia desde el origen hasta el punto (a1 , a2 , a3 ).

Definición 2: (Norma de un vector)

La norma o magnitud de un vector a = (a1 , a2 , a3 ) es el número k(a1 , a2 , a3 )k definido como:
q
kak = k(a1 , a2 , a3 )k = a21 + a22 + a23

Definición 3: (Vector nulo)

3
 Figura 2: Norma de un vector

Es aque en el que todos sus componentes son ceros, esto es:

0 = (0, 0, 0)

Definición 4: (Igualdad de vectores)

Dos vectores a = (a1 , a2 , a3 ) y b = (b1 , b2 , b3 ) son iguales, esto es: a = b si y solo sı́

a 1 = b1 ; a 2 = b2 ; a3 = b3

Definición 5: (Producto de un escalar por un vector)

El producto de un número real λ por un vector a = (a1 , a2 , a3 ), que se representa como λa, se
define como:
λa = (λa1 , λa2 , λa3 )

Teorema 1: Sea a un vector y λ un escalar, entonces se tiene que:

1. kλak = |λ| kak (1)

2. kak = 0 si y solo sia = 0 (2)

Definición 6: (Suma de vectores)

La suma de dos vectores a = (a1 , a2 , a3 ) y a = (a1 , a2 , a3 ) se define como:

a + b = (a1 + b1 , a2 + b2 , a3 + b3 )

Teorema 2: (Álgebra de vectores) Sean P, Q y R vectores arbitrarios , α y β escalares (números

reales arbitrarios), entonces se tiene
1. P + Q = Q + P. Conmutativa

2. P + 0 = 0 + P. Elemento identidad

3. (P + Q) + R = P + (Q + R). Asociativa

4
 4. α (P + Q) = αP + αQ. Distributiva del producto escalar.

5. (αβ)P = α(βP) = β(αP). Asociativa del producto escalar.

6. (α + β)P = αP + βP. Distributiva del la suma de escalares.

7. kαPk = |α| kPk. Escalamiento.

1.2.2. Representación de vectores en términos de los vectores unitarios i, j, k

Los componentes de un vector junto a la adición de vectores se pueden usar para describirlos
de una manera más conveniente. Cualquier vector se puede escribir como la suma de escalares
multiplicados por los vectores unitarios.

i = (1, 0, 0), j = (0, 1, 0), k = (0, 0, 1) (3)

Se llaman unitarios ya que:kik = kjk = kkk = 1.

Dado un vector F = (a, b, c), se tiene que:

F = a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1) = ai + bj + ck

, esta es la llamada representación estándar.

1.2.3. Vector unitario en la dirección de un vector

A menudo es necesario calcular un vector unitario en la dirección de un vector arbitrario
F = ai + bj + ck. Un vector unitario F̂ en la dirección del vector F se difine como:
F ai + bj + ck
F̂ = =√ (4)
kFk a2 + b2 + c2
a b c
= i+ + k (5)
kFk kFk kFk

1.3. Espacios Vectoriales

Definición 7: (Espacio Vectorial)
Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto con dos
operaciones binarias llamadas suma y multiplicación por un escalar y que satisfacen los diez
axiomas enumerados a continuación.

1. Si x ∈ V y y ∈ V , entonces x + y ∈ V (cerradura bajo la suma).

2. Para todo x, y y z en V , (x + y) + z = x + (y + z) (ley asociativa de la suma de vectores).

3. Existe un vector 0 ∈ V tal que para todo , x ∈ V , x + 0 = 0 + x (el 0 se llama vector cero
o idéntico aditivo).

4. Si x ∈ V , existe un vector −x ∈ V tal que x + −x = 0 (x se llama inverso aditivo de −x)

5. Si x ∈ V y y ∈ V , entonces x + y = y + x (ley conmutativa de la suma de vectores).

6. Si x ∈ V y α es un escalar, entonces αx ∈ V (cerradura bajo la multiplicación por un

escalar).

5
 7. Si x y y están en V y α es un escalar, entonces α (x + y) = αx + αy (primera ley
distributiva).

8. Si x ∈ V y α y β son escalares, entonces (α + β)x = αx + βx (segunda ley distributiva).

9. x ∈ V y α y β son escalares, entonces α(βx) = (αβ)x (ley asociativa de la multiplicación

por escalares).

10. Para cada vector x ∈ V , 1x = x

Ejemplos
1. Sea V = Rn el conjunto de todas las n-tuplas de números reales de la forma x =
(x1 , x2 , ..., xn ), donde xi ∈ R. El conjunto Rn con las operaciones de suma de vectores
y producto por escalar es un espacio vectorial.

2. El el espacio R3 de los vectores fı́sicos de la forma x = (x1 , x2 , x3 ) con la suma y multipli-

cación por escalar es un espacio vectorial.

3. El conjunto C de los números complejos de la forma z = a + bi con a, b ∈ R con la suma

de números complejos y la multiplicación por un número real es un espacio vectorial.

4. Sea V = Mn×n en conjunto de matrices cuadradas de orden n. Este conjuntos con la suma
de matrices y multiplicación por un número real forma un espacio vectorial.

5. Sea V = Pn , el conjunto de polinomios con coeficientes reales de grado menor o igual a n.

Teorema 3:

Sea V un espacio vectorial. Entonces

1. α0 = 0 para todo escalar α.

2. 0x = 0 para todo x ∈ V .

3. Si αx = 0, entonces α = 0 o x = 0 (o ambos).

4. (−1)x = −x para todo x ∈ V .

Definición 8: (Subespacio)
Sea H un subconjunto no vacı́o de un espacio vectorial V y suponga que H es en sı́ un espacio
vectorial bajo las operaciones de suma y multiplicación por un escalar definidas en V . Entonces
se dice que H es un subespacio de V .

Teorema 4: (Subespacio)
Un subconjunto no vacı́o H de un espacio vectorial V es un subespacio de V si se cumplen las
dos reglas de cerradura:
1. Si x ∈ H y y ∈ V , entonces x + y ∈ H.

2. Si x ∈ H, entonces αx ∈ H para todo escalar α.

Ejemplos

6
 1. El subespacio trivial: Para cualquier espacio vectorial V , el subconjunto {0} que consiste
en el vector cero es únicamente un subespacio ya que 0+0 = 0 y α0 = 0 para todo número
real α. Esto se denomina el subespacio trivial.

2. Para cada espacio vectorial V , V es un subespacio de sı́ mismo. Los subespacios distintos
a {0} y V se denominan subespacios propios.

3. Un subespacio propio de R2 : Sea H = {(x, y) ∈ R2 /y = mx}, donde m es un número

real fijo y x es un número real arbitrario. Entonces, H es un subespacio de R2 . H consiste
en el conjunto de puntos que se encuentran sobre una recta con pendiente m y que pasa
por el origen.

1.3.1. Combinación lineal y espacio generado

Se ha visto que todo vector x = (a, b, c) en R3 se puede escribir en la forma:

x = ai + bj + ck

En cuyo caso se dice que x es una combinación lineal de los tres vectores i, j y k. De manera
más general, se tiene la siguiente definición.

Definición 9: (Combinación lineal)

Sean x1 , x2 , ..., xn . vectores en un espacio vectorial V . Entonces cualquier vector de la forma
n
X
a1 x1 + a2 x2 +, ..., +an xn = ai xi (6)
i=1

donde, a1 , a2 , ..., an son escalares se denomina una combinación lineal de x1 , x2 , ..., xn .

Ejemplos

1. En R3 , (−7, 7, 7) es una combinación lineal de (−1, 2, 4) y (5, −3, 1) ya que (−7, 7, 7) =

2(−1, 2, 4) − (5, −3, 1).

2. En Pn todo polinomio se puede escribir como una combinación lineal de los monomios
1, x, x2 , ..., xn .

Definición 10: (Conjunto generador o span)

Se dice que los vectores x1 , x2 , ..., xn de un espacio vectorial V generan a V si todo vector en V
se puede escribir como una combinación lineal de los mismos. Es decir, para todo x ∈ V , existen
escalares a1 , a2 , ..., an tales que
n
X
x = a1 x1 + a2 x2 +, ..., +an xn = ai xi (7)
i=1

Ejemplos

   
1 0
1. Los vectores i = yj= generan a R2 .
0 1

7
      
1 0 0
2. Los vectores i =  0  ,j=  1  yk=  0  generan a R3
0 0 1

3. En Pn los monomios 1, x, x2 , ..., xn generan a Pn .

Definición 11: (Espacio generado por un conjunto de vectores)

Sean x1 , x2 , ..., xk , k vectores de un espacio vectorial V . El espacio generado por {x1 , x2 , ..., xk },
es el conjunto de combinaciones lineales x1 , x2 , ..., xk .. Es decir
k
X
gen {x1 , x2 , ..., xk } = {x/x = a1 x1 + a2 x2 + ... + ak xk = ai xi } (8)
i=1

donde a1 , a2 , ..., ak son escalares arbitrarios.

De hecho el gen {x1 , x2 , ..., xk } de un espacio vectorial V es un subespacio de V .

Ejemplo: (El espacio generado por dos vectores en R3 )

Sea x1 = (2, −1, 4) y x2 = (4, 1, 6). Entonces H = gen {x1 , x2 } = {x/x = a1 x1 + a2 x2 }. Esto
es, si x = (x, y, z) ∈ H, entonces x = 2a1 + 4a2 , y = −a1 + a2 y z = 4a1 + 6a2 . Que no son más
que las ecuaciones paramétricas de un plano en R3 que pasa por el origen.

Definición 12: (Dependencia e independencia lineal)

Sean x1 , x2 , ..., xn , n vectores en un espacio vectorial V . Entonces se dice que los vectores son
linealmente dependientes si existen n escalares c1 , c2 , ..., cn no todos cero tales que

c1 x1 + c2 x2 +, ..., +cn xn = 0 (9)

Si los vectores no son linealmente dependientes, se dice que son linealmente independientes.

Teorema 6: (Dependencia e independencia lineal)

Dos vectores en un espacio vectorial son linealmente dependientes si y sólo si uno de ellos es un
múltiplo escalar del otro.

Ejemplo: (Dos vectores linealmente dependientes en R4 )

Los vectores x1 = (2, −1, 0, 3) y x2 = (−6, 3, 0, −9) son linealmente dependientes ya que
x2 = −3x1 .

Teorema 7:
Un conjunto de n vectores en Rm es siempre linealmente dependiente si n > m.
Sean x1 , x2 , ..., xn , n vectores en Rm e intentemos encontrar constantes c1 , c2 , ..., cn no todos
cero tales que
c1 x1 + c2 x2 +, ..., +cn xn = 0 (10)
Entonces si el conjunto de vectores es linealmente dependiente el sistema resultante no tiene
solución única a que hay más vectores que ecuaciones.

Corolario 8:
Un conjunto de vectores linealmente independientes en Rn contiene a lo sumo n vectores.

8
Lo anterior también significa que la matriz formada por los vectores columna, elementos de Rn
es invertible.
Por último tenemos el siguiente teorema.

Teorema 9:
Cualquier conjunto de n vectores linealmente independientes en Rn genera a Rn .

Definición 13: (Base)

Un conjunto finito de vectores {x1 , x2 , ..., xn } es una base para un espacio vectorial V si:

{x1 , x2 , ..., xn } es linealmente independiente.

{x1 , x2 , ..., xn } genera a V .

Como consecuencia de esta definición se tiene que:

1.3.2. Base y dimensión

Todo conjunto de n vectores linealmente independiente en Rn es una base de Rn .

Ejemplos:

1. Base canónica para Pn . Los polinomios 1, x, x2 , x3 son linealmente independientes en p3 .

Como ya hemos visto estos vectores generan a P3 , Asi{1, x, x2 , x3 } es una base para P3 .
       
1 0 0 1 0 0 0 0
2. Base canónica para M22 . Las matrices: , , y ge-
0 1 0 0 1 0 0 1
neran a M22 y además son linealmente independientes, por lo tanto forman una base para
M22 .

Teorema 10:
Si {x1 , x2 , ..., xn } es una base para V y si x ∈ V , entonces existe un único conjunto de escalares
c1 , c2 , ..., cn tales que x = c1 x1 + c2 x2 + ..., +cn xn

Del teorema anterior se tiene como consecuencia que cualesquiera dos bases de un espacio
vectorial V tienen el mismo número de vectores.

Definición 14: (Dimensión)

Si el espacio vectorial V tiene una base con un número finito de elementos, entonces la dimensión
de V es el número de vectores en todas las bases y V se denomina espacio vectorial de dimen-
sión finita. De otra manera, V se denomina espacio vectorial de dimensión infinita. Si V = {0},
entonces se dice que V tiene dimensión cero.

Ejemplos:

1. La dimensión de Rn : Como n vectores linealmente independientes en Rn consituyen una

base, se observa que:
dim Rn = n
.

9
 2. La dimensión de Pn : Los polinomios {1, x, x2 , ..., xn } consituyen una base en Pn . Entonces
dim Pn = n + 1.

Cambio de base:
Cada uno de los espacios vectoriales Rn , Pn , tienen sus respectivas bases canónicas, las cuales se
usan ampliamente por la sencillez que ofrecen el trabajar con ellas. Pero en ocasiones ocurre que
es más conveniente alguna otra base, como veremos en la siguiente sección. Existe un número
infinito de bases para elegir, ya que en un espacio vectorial de dimensión n, cualesquiera n
vectores, linealmente independientes, forman una base. En esta sección veremos cómo cambiar
de una base a otra mediante el cálculo de cierta matriz.
Sean B1 = {u1 , u2 , ..., un } y B2 = {v1 , v2 , ..., vn } dos bases para un espacio vectorial real V
de dimensión n. Sea x ∈ V . Entonces x se puede escribir en términos de ambas bases, esto es:

x = b1 u1 + b2 u2 + ... + bn un (11)

y
x = c1 v1 + c2 v2 + ... + cn vn (12)
donde las bi y ci son números reales. De donde se infiere que:
 
b1
 b2 
(x)B1 =  . 
 
 .. 
bn

denota la representación de x en términos de la base B1 . Mientras que.

 
c1
 c2 
(x)B2 =  .
 
 ..


cn

denota la representación de x en términos de la base B2 . Lo cual es correcto ya que estos escalares

son únicos en cada base de acuerdo con el teorema 9.

Definición 15: (Matriz de transición)

La matriz A de n × n cuyas columnas están dadas por:
 
a1j
 c2j 
(uj )B2 =  . 
 
 .. 
cnj

se denomina matriz de transición de la base B1 a la base B2 . Esto es,

 
a11 a12 a13 · · · a1n
 a21 a22 a23 · · · a2n 
A=  .. .. .. ..  (13)
 
 . . . . 
an1 an2 an3 · · · ann


= (u1 )B2 (u2 )B2 (u3 )B2 · · · (un )B2 (14)

10
Teorema 11:
Sea B1 y B2 bases para un espacio vectorial V . Sea A la matriz de transición de B1 a B2 .
Entonces para todo x ∈ V
(x)B2 = A (x)B1 (15)

Ejemplo:    
1 0
Sean u1 = , u2 = los vectores de la base canónica de R2 que denotaremos como
0 1
   
2 1 −1
B1 = {u1 , u2 }. Consideremos otros dos vectores de R : v1 = , v2 = . Se puede
3 2
comprobar fácilmente que son linealmente independiente. De modoque B2 = {v1 , v2 } es una
x1
segunda base de R2 . Esto significa que, para todo vector x = de R2 :
x2

x = x1 u1 + x2 u2

y
x = c1 v1 + c2 v2
De modo que:    
x1 c1
(x)B1 = (x)B2 = ,
x2 c2
mientras que
2 1
   
5 5
(u1 )B2 =   (u2 )B2 =  
− 35 1
5
De modo que la matriz de transición es:
2 1
 
5 5
A= 
− 35 1
5
 
3
Ası́ por ejemplo si queremos convertir el vector (x)B1 = en la nueva base B2 se tiene:
−4
 2 1 
2
   
5 5 3
(x)B2 = = 5
− 13

−4
− 53 1
5
5

1.3.3. Rotación de Coordenadas

Como ya lo mencionamos anteriormente, la definición de un vector fı́sico como una cantidad
con magnitud y dirección ya no resulta consistente en estudios avanzados. Los procedimientos
simplistas resultan inadecuados para generalizar y para extenderse a cantidades más complejas.
El mundo fı́sico está descrito por matemáticas, pero cualquier predicción fı́sica que pudiéramos
establecer debe ser independiente del análisis matemático. En ese sentido los objetos conside-
rados deben pertenecer a un espacio isotropico; es decir, no hay dirección preferida o todas las
direcciones son equivalentes. De esta manera, el sistema fı́sico que se analiza o la ley fı́sica es-
tablecida no puede depender de la orientación de nuestro sistemas de coordenadas. Es ası́ como
el concepto de vector se debe interpretar como un objeto geométrico independiente del sistemas

11
de coordenadas. Matemáticamente esto equivale a decir que un vector sigue siendo el mismo
independientemente de la base en la cual se exprese y además debe ser independiente de la
transformación que le apliquemos al cambiar de una base a otra.
De esta manera, consideramos a un vector r en dos sistemas de coordenadas diferentes (que
matemáticamente significa que esta expresado en dos bases distintas), uno rotado con relación
al otro. Por simplicidad consideremos en primer lugar el caso bidimensional. Esto es si las
coordenadas (x, y) se hacen girar en sentido contrario de las manecillas del reloj a través de un
ángulo ϕ conservando r fijo, se tienen ls siguientes relaciones entre las componentes del vector
expresados en el sistema original y los expresados en el nuevo sistema rotado:
x′ = x cos ϕ + y sen ϕ (16)
′
y = −x sen ϕ + y cos ϕ (17)
o equivalentemente  
cos ϕ sen ϕ
x′
   
x
= (18)
y′

y
− sen ϕ cos ϕ
x′
 
De donde se tiene que x′ = son las componentes del vector r en el sistema rotado,
y′
 
x
x = , las correspondientes componentes el vector r en el sistema original y la matriz
y
 
cos ϕ sen ϕ
A=  es la matriz del cambio de coordenadas. La cual es fácil de verificar
− sen ϕ cos ϕ
que efectivamente es no singular, es decir los vectores correspondientes a las columnas son
linealmente independientes, por lo tanto generan a todo el espacio bidimensional.
Por otro lado, también se puede verificar fácilmente que:
kxk = kx′ k (19)
lo que significa que efectivamente la magnitud del vector r es invariante bajo la transformación
de rotación de coordenadas.

1.4. Producto escalar y vectorial

Hasta ahora hemos estudiado el producto de un vector por un escalar. Ahora consideraremos
el producto de un vector por otro vector. Sin embargo, no es tan obvio el significado de este
producto ya que de hecho comúnmente se define dos tipos de productos, el producto escalar y el
producto vectorial. Como su nombre lo indica, el producto escalar es un número, mientras que
el vectorial es otro vector. Aunque ni el producto escalar ni el vectorial es lo que normalmente
podrı́amos pensar como un producto, su uso está muy extendido y tiene numerosas aplicaciones.
Nuevamente, en primera instancia definiremos tales producto desde una perspectiva fı́sica, es
decir como vectores de R2 y R3 y posteriormente abordaremos dichos conceptos con un enfoque
mucho más general como operadores en un espacio vectorial.

1.4.1. El producto escalar

Sean a y b dos vectores que tienen el mismo punto de origen y sea θ el ángulo comprendido
entre ambos, donde 0 ≤ θ ≤ π. El producto escalar (producto punto o producto interior ) de a y
b se define como:
a · b = kakkbk cos θ (20)

12
Geométricamente, el producto escalar a · b se puede considerar como la magnitud de a multi-
plicada por la proyección de b en a.
Nótese que esta definición permite generalizar el concepto de producto escalar a Rn ya que no
dice como operar en particular los componentes de los vectores. Sin embargo, requiere el cálculo
del ángulo entre ambos vectores. Una definición alternativa para vectores en Rn en general es la
siguiente:
Sean a = (a1 , a2 , ..., an ) y b = (b1 , b2 , ..., bn ) dos vectores en Rn . El producto escalar de a y
b se define como:
Xn
a · b = a1 b1 + a2 b2 + ... + an bn = ai bi (21)
i=1
Propiedades del producto escalar:
Sean a y b dos vectores y λ y µ dos escalares. Entonces se tiene que:
1. a · b = b · a. El producto escalar es conmutativo.

2. a · (b + c) = a · b + a · c Distributiva

3. a · (λb + µc) = λa · b + µa · c linealidad.

4. Vectores paralelos: Si θ = 0, entonces los vectores son paralelos y

a · b = kakkbk

En particular se tiene que a · a = kak2

π
5. Vectores perpendiculares: Si θ = 2, entonces los vectores son perpendiculares y se
tiene que:
a·b=0

6. Producto de Vectores unitarios: Si â y b̂ son vectores unitarios se tiene entonces que:

â · b̂ = cos θ

Como consecuencia de las propiedades anteriores se tiene que para los vectores canónicos de R3
se tiene:
i·i=j·j=k·k=1 (22)
y
i·j =j·i =i·k =k·i =j·k =k·j =0 (23)
Lo anterior lo podemos generalizar para vectores en el espacio vectorial Rn . Esto es sean
e1 , e2 , ..., en los vectores de la base canónica de Rn . Esto es:

e1 = (1, 0, ..., 0), e2 = (0, 1, ..., 0), ...., en = (0, 0, ..., 1)

Se tiene entonces que:

ei · ej = δij (24)
donde (
1 si i = j
δij = (25)
0 si i 6= j,
es la función δ de Kronecker.

13
Teorema 13:
Sea v un vector distinto de cero. Entonces para cualquier otro vector u el vector:
u·v
w =u− v
kvk2

es ortogonal a v.

Definición 16:
Sean u y v dos vectores diferentes de cero. Entonces la proyección de u sobre v es un vector
denotado por Proyuv se define como:
u·v
Proyuv = v (26)
kvk2

Definición 17: (Dirección de un vector en R3 )

v
La dirección de un vector v en R3 se define como un vector unitario û = kvk 2

Si α, β y γ son los ángulos entre v y cada uno de los ejes coordenados x , y, z, respectivamente,
dichos ángulos se les llama ángulos directores del vector v. Si (x0 , y0 , z0 ) son las coordenadas
del vector v se tiene que:
x0 y0 z0
cos α = , cos β = , cos γ = (27)
kvk kvk kvk

lamados cosenos directores del vector v. De lo anterior es fácil comprobar que:

cos2 α + cos2 β + cos2 γ = 1

Dos importantes aplicaciones del producto escalar son las siguientes:

Teorema 14: (Desigualdad de Cauchy- Schwarz )

Sean a y b dos vectores cualesquiera, entonces se tiene que:

|a · b|≤ kakkbk (28)

Teorema 15: (Desigualdad triangular )

Sean a y b dos vectores cualesquiera, entonces se tiene que:

ka + bk ≤ kak + kbk (29)

Ecuación del Plano:

Sean n̂ un vector fijo. Si consideramos a todos los vectores x = (x, y, z) que son perpediculares
a n̂ se tiene que
x · n̂ = 0
Si n̂ = (ai + bj + yk) y x = (x, y, z) se tiene:

x · n̂ = ax + by + cz = 0

de esto se desprende la siguiente definición.

Definición 18: (Plano en R3 )

14
Sea x = (x, y, z) un vector en R3 y n̂ = (a, b, c) un vector fijo diferente de cero. Entonces el
conjunto de los puntos para los que
x · n̂ = 0
constituye un plano en R3 .
Nótese que también podemos afirmar que el conjunto de todos los vectores ortogonales a un
vector normal n̂ dado es un subespacio de R3 . Es decir cualquier vector normal genera un plano.

Trabajo:
Consideremos una partı́cula P sobre la que actúa una fuerza F , función de la posición de la
partı́cula en el espacio, esto es F = F (r) y sea dr un desplazamiento elemental (infinitesimal)
experimentado por la partı́cula durante un intervalo de tiempo dt. Llamamos trabajo elemental,
dW , de la fuerza F durante el desplazamiento elemental dr al producto escalar F · dr; esto es,
dW = F · dr = kF kdr cos θ

Movimiento libre de partı́culas:

Para aplicar la noción de ortogonalidad en dos dimensiones, consideremos primero el movimiento
libre de una partı́cula a lo largo de una lı́nea recta. Por ejemplo
r (t) = (x(t), y(t)) = (−3t, 4t)

Figura 3:

y que pasa por el orı́gen ( ver la figura 3). La partı́cula viaja con una velocidad vx = −3
en la dirección x y vy = 4 en la dirección y (en m/s). La velocidad constante v = (−3, 4) es
caracterı́stica del movimiento libre de acuerdo con las ecuaciónes de Newton.
Eliminando el tiempo t encontramos la ecuación lineal homogénea ex + 3y = 0, cuyo vector
de coeficientes (4, 3) lo ortonormalizamos, esto es, escribimos la ecuación lineal como:
4 3
x+ y =n·r=0
5 5
donde n = (4/5, 3/5) es un vector unitario constante y r es un vector cualquiera del plano x − y;
esto es ,r = xi + yj. El producto escalar
n · r = 0, (30)

15
significa que la proyección sobre n del vector r(t) apuntando desde el origen hacia un punto
general sobre la linea es cero, ası́ que n es la normal a la lı́nea recta. Podemos verificar que
efectivamente,  
4 3 t
(−3t, 4t) · , = (−3 · 4 + 4 · 3) = 0
5 5 5
Dado que la velocidad de la partı́cula es un vector tangente a la lı́nea, podemos incluso escribir
el producto escalar como:
v·n =0
Si hacemos pasar la partı́cula a través del origen en una dirección arbitraria con alguna
velocidad v, también viajará en una lı́nea a través del origen. Esto es, mediante la variación
del vector normal unitario la ecuación lineal (30) define una lı́nea recta arbitraria a través del
origen en el plano x − y. En el espacio euclideo n-dimensional (Rn ), la ecuación (30) describe
un hiperplano n − 1 dimensional.

1.4.2. El producto vectorial

(Producto Cruz) Sean u y v dos vectores arbitrarios y n̂ un vector normal unitario al plano
que contiene a u y v. Entonces, si θ es el ángulo entre ambos, el producto cruz o producto
vectorial de los vectores u y v se escribe u × v se define como:

u × v = kukkvk sen θn̂ (31)

Definición 19:
Sean u = a1 i + b1 j + c1 k y v = a2 i + b2 j + c2 k, entonces el producto cruz (vectorial) de u y v,
denotado por u × v, es un nuevo vector definido por:

u × v = (b1 c1 − c1 b2 )i + (c1 a2 − a1 c2 )j + (a1 b2 − b1 a2 )k (32)

Teorema 16:
Una expresión alternativa para el producto cruz en términos de las componentes cartesianas de
a y b se logra usando el esquema de un determinante de tercer orden, esto es:
 
 i j k 
 
u × v =  a1 b1 c1  (33)
 a2 b2 c2 

Teorema 17:
Si θ es el ángulo entre u y v, de la fórmula (31) se tiene:

|u × v| = kukkvk|sen θ| (34)

Teorema 18: (Propiedades del producto vectorial)

1. u × v = −(v × u) anticonmutativa.

2. u × (v + w) = u × v + u × w distributiva.

3. si u y v son paralelos, entonces u × v = 0.

4. si u y v son ortogonales, entonces u × v = kukkvkn̂.

16
 5. Si u y v son vectores unitarios, entonces u × v = sen θn̂.

6. (αu) × v = α(u × v) linealidad.

7. (u × v) · w = u · (v × w) triple producto escalar.

8. u · (u × v) = v · (u × v) = 0 ( u × v es ortogonal a u y v).
Una consecuencia inmediata de las propiedades anteriores es:

i×i=j×j=k×k=0

y también

i × j = k; j × i = −k
j × k = i; k × j = −i
k × i = j; i × k = −j

1.4.3. Aplicaciones del producto Vectorial

El momento angular
La cantidad de movimiento angular L ~ de una partı́cula se define mediante el producto cruz
del vector de posición ~r de la partı́cula y el movimiento lineal (cantidad de movimiento
lineal p~). Esto es:
~ = ~r × p~
L
La relación entre la velocidad lineal ~v y la velocidad angular ~ω está dada por:

~v = ~ω × ~r

donde ~r es nuevamente el vector de posición.

La Inducción magnética
~ se define generalmente por medio de la ecuación
La inducción magnética B

F~M = q~v × B
~

~M se llama la fuerza de Lorentz, ~v es la velocidad y q es la carga eléctrica.

donde F

El área del paralelogramo

Si A y B son dos vectores con origen común, entonces se tiene que el área del paralelogramo
cuyos lados son A y B tienen como área

|A × B|= kAkkBk|sen θ|

Teorema 19: (Prueba para la independencia lineal)

Sean a,b y c tres vectores de R3 . Entonces, estos vectores son linealmente independientes si:

(a × b) · c 6= 0,

y son linealmente dependientes si

(a × b) · c = 0,
es decir, tres vectores de R3 son linealmente independientes si el triple producto escalar es
distintos de cero. Por otra parte,de acuerdo al Teorema 13 el triple producto escalar se puede

17
calcular como un determinante, esto es: sean a = a1 i + a2 j + a3 k, b = b1 i + b2 j + b3 k y
c = c1 i + c2 j + c3 k, entonces se tiene que:
 
 i j k 
 
 a1 a2 a3 
(a × b) · c =   (35)
 b1 b2 b3 

 c1 c2 c3 

1.4.4. El triple producto vectorial

Dados tres vectores de R3 : ~u, ~v y w,
~ el triple producto vectorial: ~u × ~v × w
~ se define como:

~u × ~v × w
~ = (~u · w)~
~ v − (~u · ~v )w
~ (36)

18
2. REFERENCIAS

[1] G.B. Arfken, H.J. Weber. Mathematical Methods for Physicist. Sixth Edition, Elsevier Aca-
demic Press,2005.

[2] K.F. Riley, M.P. Hobson and S.J. Bence. Mathematical Methods for Physics and Engineering,
Thirth Edition, Cambridge University Press, 2006.

[3] S. Selcuk Bayin. Mathematical Methods in Science and Engineering, John Wiley and Sons
Inc. 2006.

[4] T.L. Harman, J.B. Dabney and N.J. Richert. Advanced Engineering Mathematics with
MATLAB, Thompson Learning,2000.

[5] J.E. Marsden, A. J. Tromba. Cálculo Vectorial, Quinta Edición, Pearson Addison-Wesley,
2004.

[6] A. Jeffrey. Advanced Engineering Mathematics, Harcourt Academic Press, 2002.

[7] H.J. Weber, G.B. Arfken. Essential Mathematics Methods for Physicist, Harcourt Academic
Press, 2003.

[8] N. Kemmer. Vector Analysis. A Pysicist’s guide to the mathematics of field in three dimen-
sions, Cambridge University Press, 2008.

[9] A.R. Soria, H.B. Hernández y N.F. Hernández. Campos Vectoriales y Tensoriales, Universi-
dad Autónoma Metropolitana, División de Ciencias Básicas, México, 2000.

[10] S.I. Grossman. Álgebra Lineal, Ed. McGraw-Hill, 2012.

19