Vectorial Espacio

MATEMÁTICA BÁSICA
CÁLCULO VECTORIAL I
Espacios Vectoriales
PARA LOS ESTUDIANTES DE CIENCIAS

CÁLCULO VECTORIAL I
Espacios Vectoriales
1ra. edición
Agosto del 2012
AUTOR/EDITOR: Gustavo, Marca Castromonte
Hecho en computadora
e-mail: marcagustavo@yahoo.com
Este material puede ser compartido, reproducido en cualquiera de sus formas, con total
libertad, para fines académicos, de manera muy especial por los estudiantes de la Facultad de
Ciencias de la Universidad Nacional de Ingeniería.
Hecho el Depósito Legal en la Biblioteca Nacional del Perú

NÚMERO DEL DEPÓSITO LEGAL: 2012-08801
Lima - Perú
i
Y escribe el ángel de la iglesia en Laodicea: He aquí el Amén, el testigo fiel y verdadero,

el principio de la creación de Dios, dice esto:
Yo conozco tus obras, que ni eres frío ni caliente. ¡Ojalá fueses frío o caliente!.
Pero por cuanto eres tibio, y no frío ni caliente, te vomitaré de mi boca.
Porque tú dices: Yo soy rico, y me he enriquecido, y de ninguna cosa tengo necesidad; y
no sabes que tú eres un desventurado, miserable, pobre, ciego y desnudo.
Por tanto, yo te aconsejo que de mí compres oro refinado en fuego, para que seas rico, y
vestiduras blancas para vestirte, y que no se descubra la vergüenza de tu desnudez; y
unge tus ojos con colirio, para que veas.
Yo reprendo y castigo a todos los que amo; sé, pues, celoso, y arrepiéntete.
He aquí, yo estoy a la puerta y llamo; si alguno oye mi voz y abre la puerta, entraré a él,
y cenaré con él, y él conmigo.
Al que venciere, le daré que se siente conmigo en mi trono, así como yo he vencido, y me
he sentado con mi Padre en su trono.
El que tiene oído, oiga lo que el Espíritu dice a las iglesias.
El Apocalipsis 3:14-22
Índice general
Índice general iii
Índice de figuras v
Índice de símbolos vii
1 Calculo Vectorial 1
1.1. Producto Cartesiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Cuerpos o Campos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 Espacios Vectoriales en General 9

2.1. Espacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2. Representación Geométrica de los Vectores . . . . . . . . . . . . . . . . . . 18
2.3. Paralelismo de Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3 Espacios con Producto Interno 21

3.1. Producto Interno en un Espacio Vectorial . . . . . . . . . . . . . . . . . . . 21
3.2. Vectores Ortogonales en un Espacio Vectorial . . . . . . . . . . . . . . . . 26
4 Espacios Normados 33
4.1. Norma en un Espacio Vectorial . . . . . . . . . . . . . . . . . . . . . . . . 33
4.2. Problemas Propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.3. Vector Unitario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
iii
iv ÍNDICE GENERAL
5 Espacios Geométricos 45
5.1. Distancia en un Espacio Vectorial . . . . . . . . . . . . . . . . . . . . . . . 45
5.2. Ángulo entre Dos Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.3. Problemas propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.4. Proyección Ortogonal en un Espacio Vectorial . . . . . . . . . . . . . . . . 51
5.6. Área de un Paralelogramo . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
6 Introducción al Álgebra Lineal 63

6.1. Bases de un Espacio Vectorial . . . . . . . . . . . . . . . . . . . . . . . . . 63
6.3. Problemas resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
7 Problemas Variados 81
7.1. Problemas Propuestos Finales . . . . . . . . . . . . . . . . . . . . . . . . . 81
Bibliografía 95
Índice alfabético 97
Índice de figuras
2.1. Gráfica del vector u . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

2.2. Vectores paralelos en el plano . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
7.1. Triángulo ABC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89

7.2. Circunferencia circunscrita . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
7.3. Triángulo inscito ABC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
v
Índice de símbolos
× producto cartesiano
vii
1
Calculo Vectorial
1.1. Producto Cartesiano

Definición 1.1. Sean A y B dos conjuntos no vacíos, se define el producto cartesiano de
A y B del modo siguiente
A × B = {(x, y)/ x ∈ A, y ∈ B}
Comentario: Los elementos producto cartesiano, de dos conjuntos son pares ordenados
(x, y), donde el elemento x ∈ A le llamaremos primera componente del par ordenado,
mientras al elemento y ∈ B segunda componente.
Estamos dejando el caso en que los conjuntos A o B son conjuntos vacíos, aunque muy
bien se puede considerar que en este caso, el producto cartesiano es el vacío A × B = ∅.
A modo de ejemplo considere A = {2, 3, 4} y B = {5, 6} por lo definido anteriormente se
tiene
A × B = {(2, 5), (2, 6), (3, 5), (3, 6), (4, 5), (4, 6)}
Otro ejemplo importante es el caso en que A = B = R, es decir el producto cartesiano

de R en R
R × R = R2 = {(x, y) : x, y ∈ R}
Sobre este conjunto R × R definiremos una relación de igualdad (=), antes de dar
dicha definición debemos indicar que al definir cualquier igualdad en cualquier estructura
E, esta definición debe cumplir con tres axiomas, que acontinuación detallamos
(i) (reflexiva) u = u, ∀u ∈ E
1
2 CAPÍTULO 1. CALCULO VECTORIAL
(ii) (simétrica) u = v → v = u
(iii) (transitiva)u = v ∧ v = w → u = w
Con respecto a la reflexiva, nos indica que todo elemento es igual a si mismo, así si estamos
√ √
en R tenemos 4 = 4 , 5 = 5. Ahora para nuestro caso, en donde se tiene R2 podemos
definir la igualdad del modo siguiente:
Definición 1.2. Sean u = (a, b), v = (x, y) ∈ R2
(a, b) = (x, y) ↔ a = x, b = y
1.2. Cuerpos o Campos

Definición 1.3. Dada un conjunto no vacío K 6= ∅, en el cual se establecen dos opera-
ciones, que por tradición le llamaremos adición y multiplicación
+ : K ×K → K
(a, b) → a+b
· : K ×K → K
(a, b) → a+b
las cuales verifican los siguientes axiomas:

Axiomas para la adición
A1 : a + b = b + a, ∀a, b ∈ K
A2 : (a + b) + c = a + (b + c), ∀a, b, c ∈ K
A3 : existe un elemento en K, que lo denotaremos por 0 ∈ K y le llamaremos elemento

neutro aditivo, de modo que verifica con ∀a ∈ K, a + 0 = 0 + a = a
A4 : para cada a ∈ K, existe un elemento b ∈ K de modo que se tenga
a+b=b+a=0
A dicho elemento lo denotaremos por b = −a

1.2. CUERPOS O CAMPOS 3
Axiomas para la multiplicación
M1 : ∀a, b ∈ K : ab = ba
M2 : (ab)c = a(bc), ∀a, b, c ∈ K
M3 : existe un elemento denotado por 1 ∈ K llamado uno o elemento neutro multiplicativo

de modo que 1 6= 0 y
∀a ∈ K : a.1 = 1.a = a
M4 : para cada elemento a ∈ K no nulo, existe un elemento b ∈ K de modo que ab =

ba = 1.
Notación: b = a−1
Axioma de la distributividad
D : a(b + c) = ab + ac.
Por lo tanto, K juntamente con las dos operaciones forman una tripleta (K, +, ·) la
cual le llamaremos cuerpo o campo si y solo si verifican los axiomas antes mencionados.
La definición de la estructura antes dicha, es de mucha importancia al hacer estudios de
los espacios vectoriales, es decir para nuestro curso en desarrollo constituye la base para
generar nuevas formas abstractas en esta materia de Cálculo Vectorial 1. Se sugiere al
estudiante no solo memorizar estos axiomas, sino también dedicar tiempo para pensar
en ellos y en sus cualidades. Cuanto mas tiempo invirtamos en ello los resultados serán
buenos.
A cada elemento del cuerpo K, le llamaremos escalares, así tenemos los escalares que
estarán en todo cuerpo 1, 0 ∈ K. Claro esta que podemos indicar la misma notación del
cero, si no hay lugar a confusión, para diferentes cuerpos existentes.
Del axioma A2 , se demuestra por un proceso de inducción matemática, que para los
n ∈ N escalares
a1 , a2 , . . . , an
asociados de modo arbitrario nos origina el mismo resultado, por lo tanto se obvia los
signos de colección, es decir tiene sentido escribir
a1 + a2 + · · · + an
En el axioma A3 se garantiza la existencia del cero, pero se deduce que este escalar es
único, es decir existe un único elemento nulo o cero 0 elemento neutro aditivo. Probemos
ello.
Sean 0, 00 ∈ K de modo que se cumpla
∀a ∈ K : a + 0 = 0 + a = a
también, se tiene
∀a ∈ K : a + 00 = 00 + a = a
de lo anterior se tiene 0 + 00 = 00 + 0 = 0 = 00 , por lo tanto se tiene que dichos elementos

son iguales, esto nos indica que solamente existe un único elemento neutro aditivo.
De manera similar se tiene la únicidad del opuesto aditivo que se menciona en el axioma
A4 , esto significa que para cada escalar a ∈ K, existe en forma única el elemento b ∈ K,
de modo que cumpla con a + b = b + a = 0. Ahora, gracias a la representación única se le
denotará así b = −a ∈ K.
De manera similar que para la adición se tiene para el caso de la multiplicación,
considere a1 .a2 . . . an no hay la necesidad de usar los signos de colección.
También se demuestra la unicidad del uno en K. Se sugiere al lector intentar demostrarla.
Para el caso de la distributividad D, demostraremos que se cumple ∀a, b, c ∈ K : (a+b)c =
ab + ac.
En efecto, vamos a utilizar la técnica de comenzar de un miembro y llegar a deducir el
otro término. Veamos este proceso
(a + b)c = c(a + b)
= ca + cb
= ac + bc
Cada vez que se define alguna estructura matemática(funciones, conjuntos, matrices

. . . ), no significa que exista alguna entidad concreta o explícita que la cumpla, luego
es necesario que se mencionen algunos ejemplos y contraejemplos utilizando esta nueva
definición , considerando ello, daremos algunos ejemplos concretos de un cuerpo.
Ejemplo 1.1. El conjunto de los números racionales Q, juntamente con las operaciones
triviales o conocidas
a m an+bm
b
+ n
= bn
am am
b n
= bn
Se demuestra con un poco de paciencia, que la tripleta (Q, +, .) es un cuerpo o campo.
Ejemplo 1.2. Existen cuerpos que tienen una cantidad limitada de elementos, es decir
cuerpos finitos, uno de ellos es conocido como los enteros módulo 3, veamos dicho campo:
Z3 = {0, 1, 2}, con las dos operaciones que le daremos explícitamente y en tablas de doble
entrada
+ 0 1 2
0 0 1 2
1 1 2 0
2 2 0 1
Operación de Adición
. 0 1 2
0 0 0 0
1 0 1 2
2 0 2 1
Operación de Multiplicación
Ejemplo 1.3. Considerando el conjunto producto cartesiano Q × Q, también las dos

operaciones binarias
(a, b) + (x, y) = (a + x, b + y)
(a, b)(x, y) = (ax − by, ay + bx)
Se demuestra que (Q × Q, +, .) es un cuerpo, en donde se tiene que 0 = (0, 0) y la unidad

está dada por (1, 0), también en opuesto aditivo de (a, b) está dado por −(a, b) = (−a, −b)
y uno de los elementos más importante es el elemento inverso de un no nulo
a −b
(a, b)−1 = ( , 2 )
a2 + b a + b2
2
Ejemplo 1.4.
Uno de los cuerpos que se va a utilizar en casi todo este curso, es el cuerpo de los números
reales, justamente con las dos operaciones que consideramos como conocidas, es decir
(R, +, ·)
Los espacios vectoriales a utilizar mas adelante, están en relación de este cuerpo R, for-
mando así lo que vamos a llamar R−espacio vectorial.
Ahora, nos ponemos en un caso, en que si quitamos de los axiomas la restricción

que 1 6= 0, y consideramos que 1 = 0, ¿Qué forma tendría el cuerpo K?. Dejaremos la
respuesta al estudiante, para que explore esta situación, solo indicaremos que el cuerpo
K, se transforma a un conjunto muy especial.
Cada vez que se dan ejemplos de estructuras que cumplan una definición, también es
necesario mostrar entidades matemáticas que no verifiquen dicha definición, es decir vamos
a mostrar ejemplos de no cuerpos.
Ejemplo 1.5.
El conjunto de los números naturales N = {1, 2, 3, . . .} con las operaciones
conocidas, es una muestra de la existencia de no cuerpos.
El problema radica en la carencia del elemento neutro aditivo o del cero, y en el caso que
el lector quiera utilizar al conjunto de los números naturales con el cero N = {0, 1, 2, 3, . . .},
la falta del elemento opuesto aditivo del uno, es lo que imposibilita que sea un cuerpo.
Ejemplo 1.6.
El conjunto de los números enteros juntamente con las dos operaciones están-
dares de la adición (+) y la multiplicación (·) no es un cuerpo.
Debe notar el estudiante que se tiene la existencia del elemento neutro aditivo el
cual es el cero 0 ∈ Z, también se tiene la existencia del elemento opuesto, para cada
entero ∀a ∈ Z, existe −a ∈ Z. Es claro que el uno o elemento neutro multiplicativo es el
1 ∈ Z, aquí radica el problema, en que para 2 ∈ Z debería existir un elemento llamado el
inverso del dos, el cual no es posible su existencia(sería muy bueno que se verifique esta
afirmación, la búsqueda de caminos para ello, es muy importante en las matemáticas)
Ejemplo 1.7.
Si consideramos los enteros modulo 4, Z4 = {0, 1, 2, 3}, con las operaciones
que se muestran en las tablas de doble entrada, no es un cuerpo o campo.
+ 0 1 2 3
0 0 1 2 3
1 1 2 3 0
2 2 3 0 1
3 3 0 1 2
Operación de Adición en Z4
. 0 1 2 3
0 0 0 0 0
1 0 1 2 3
2 0 2 0 2
3 0 3 2 1
Operación de Multiplicación en Z4
Es notorio que el elemento neutro multiplicativo está dado por 1 ∈ Z4 , pero el 2 6= 0

es un elemento no nulo, luego debe tener, si es que fuere un cuerpo, su elemento inverso,
pero si uno observa en la tabla de multiplicación en la tercera fila horizontal, se descubre
que no existe el inverso para el dos 2 ∈ Z4
2 0 2 0 2
2
Espacios Vectoriales en General
2.1. Espacios Vectoriales

Es uno de las estructuras algebraicas de mayor importancia en el Álgebra Lineal, ya
que se hablará de espacios vectoriales con producto interno, luego se estudiara los espa-
cios vectoriales normados y también hablaremos de lo que significa un subespacio vectorial.
Definición 2.1. Sea K un cuerpo y V un conjunto no vacío. Definamos en ella dos

operaciones que le llamaremos adición y multiplicación por un escalar .
+ : V ×V → V
(v, u) → v+u
· : K ×V → V
(λ, v) → λv
De modo que verifique con los siguientes axiomas:
Axiomas de la Adición
EV1: u + v = v + u, ∀u, v ∈ V
EV2: (u + v) + w = u + (v + w), ∀u, v, w ∈ V
EV3: existe un elemento que le llamaremos el cero o elemento neutro y lo denotaremos

por 0 ∈ V , de manera que se cumpla con ∀u ∈ V : u + 0 = 0 + u = u
9
10 CAPÍTULO 2. ESPACIOS VECTORIALES EN GENERAL
EV4: para cada elemento u ∈ V , existe un elemento v ∈ V de modo que se cumpla con
u+v =v+u=0
A este elemento, gracias a su unicidad lo denotaremos por v = −u
Axiomas del producto por un escalar

EV5: λ(βu) = (λβ)u
EV6: λ(u + v) = λu + λv
EV7: (λ + β)u = λu + βu
EV8: 1v = v
Si se verifica todo lo anterior, podemos decir que la cuaterna (V, K, ∗, .) es un

K−espacio vectorial o un espacio vectorial sobre el cuerpo K.
Notación
A cada elemento del conjunto V, le llamaremos vectores y a cada elemento del
cuerpo K, escalares.
Si se tiene que K = R, entonces V será llamado un espacio vectorial real, mientras que si
el campo fuese K = C recibirá el nombre de espacio vectorial complejo.
Ejemplo 2.1.
Considere V = R2 juntamente al cuerpo de los números reales y las operaciones
triviales
(a, b) + (x, y) = (a + x, b + y)
λ(a, b) = (λa, λb)
Por lo tanto se prueba que (V, +, ., R) es un espacio vectorial real.

2.1. ESPACIOS VECTORIALES 11
Nota: este espacio vectorial es el que se va a utilizar en gran parte de este material, para
el desarrollo de vectores en el plano, rectas y muchas situaciones más.
Como una especie de aplicación tenemos:
(2, 4) + (5, 6) = (2 + 5, 4 + 6) = (7, 10)
también tenemos
4(2, 4) = (8, 16)
Ejemplo 2.2.
Considere el conjunto siguiente V = {(x, y) ∈ R2 /; 3x − 2y = 0} considerando
el cuerpo de los números reales y las operaciones triviales
(a, b) + (x, y) = (a + x, b + y)
λ(a, b) = (λa, λb)
Afirmamos: V es un R−espacio vectorial.
Es claro que V 6= ∅, basta notar que (2, 3) ∈ V .

Ahora veamos que la operación de adición esta bien definida, en efecto, sean (x, y), (a, b) ∈
V , por lo tanto se tiene
3x − 2y = 0
3a − 2b = 0
ahora calculamos 3(x + a) − 2(y + b) = 0, por lo tanto
(x + a, y + b) ∈ V
por lo tanto
(x, y) + (a, b) ∈ V
EV1 Considere dos elementos arbitrarios u = (a, b), v = (x, y) de V , luego
u + v = (a + x, b + y) = (x + a, y + b) = (x, y) + (a, b) = v + u
EV2 Sea u = (a, b), v = (x, y), w = (m, n) ∈ V arbitrarios, luego se sugiere que el
estudiante verifique la asociatividad en V , esto es (u + v) + w = u + (v + w).
EV3 Ahora consideremos 0 = (0, 0), debido a que 3(0) − 2(0) = 0, entonces se tiene que
(0, 0) ∈ V , esto es, el elemento nulo esta presente en el conjunto V , y es claro que
se cumple con
∀u ∈ V, u + 0 = 0 + u = u
EV4 Sea u = (a, b) ∈ V cualquiera, esto significa que debe cumplir con su regla de
correspondencia, es decir
3a − 2b = 0
ahora de la ecuación anterior, también se tiene
3(−a) − 2(−b) = 0
esto significa que (−a, −b) ∈ V , es decir, por la notación considerada
−u ∈ V
En esta parte, es importante garantizar la buena definción de la multiplicación por

un escalar, esto es: Sean λ ∈ R, u = (x, y) ∈ V , por lo tanto 3x − 2y = 0, ahora sí,
calculemos
3(λx) − 2(λy) = λ(3x − 2y) = λ(0) = 0 (2.1)
según la ecuación (5.1), se tiene la clausura o cerradura de la operación multiplicación

por un escalar, es decir
λu ∈ V
EV5 Considere dos escalares arbitrarios λ, β ∈ R y u = (x, y) ∈ V , ahora calculemos
λ(βu) = λ(β(x, y))
= λ(βx, βy)
= (λ(βx), λ(βy))
= ((λβ)x, (λβ)y)
= (λβ)(x, y)
= (λβ)u
Sugerencia: Se deja a cargo del estudiante la verificación de los otros puntos

(EV 6), (EV 7) y (EV 8), para reforzar lo aprendido.
Comentario: ¿Es siempre necesario demostrar todos los axiomas de un espacio vectorial?.
Creemos, en efecto que es muy importante al inicio del desarrollo, para lograr su manejo
y las deducciones que se pueden sacar de ella , las cuales solo podrán ser visualizadas, si
se comprueba meticulosamente.
Luego, cuando la comprensión de la materia se incremente, se podrá notar que las clau-
suras o cerraduras, en la mayoría de casos se vuelven muy importante, en cualquier caso,
la verificación de los axiomas mencionados, entra a la labor personal de cada profesional.
Ejemplo 2.3.
Considere el conjunto V = R2 con el cuerpo de los reales K = R,considere las
operaciones siguientes
(a, b) + (c, d) = (b + d, a + c)
λ(a, b) = (λa, λb)
¿V es un espacio vectorial?
Prueba: Si se intuye que si es un espacio vectorial, entonces se debe proceder a la com-

probación, verificando cada uno de los axiomas que definen a un espacio vectorial. En
caso contrario, si percibimos que no lo es, bastará encontrar un solo axioma que no se
cumpla, con ello quedará probado la imposibilidad de ser un espacio vectorial.
Uno de los axiomas indica que la Adición es asociativa, veamos para una tripleta de pares
ordenados concretos.
Calculemos
[(1, 2) + (3, 1)] + (3, 3) = (3, 4) + (3, 3) = (7, 6)
Por otro lado, calculemos
(1, 2) + [(3, 1) + (3, 3)] = (1, 2) + (4, 6) = (8, 5)
por lo visto, en los dos cálculos anteriores, no se verifica la asociatividad(basta comprobar

con un solo ejemplo), luego no es un espacio vectorial.
Comentario: Cuando se define cualquier estructura matemática o simplemente se da

un concepto, es casi necesario mostrar, ejemplos y contraejemplos de situaciones en don-
de cumplan y no con lo definido. La pedagogía sugiere que se muestre situaciones que

verifiquen y también con entidades que no cumplan con lo dado.
Ejemplo 2.4.
Considere el siguiente conjunto V = {(x, y) ∈ R2 : x + y ≤ 1} y las operacio-
nes triviales o estándares.
¿V es un R−espacio vectorial?
Prueba: Sospechamos que no lo es, ahora debemos buscar negar uno de los axiomas,
veamos que la adición no es de clausura, consideremos u = (1, 0) ∈ V y v = (0, 1) ∈ V ,
esto es cierto ya que cumple con
x+y ≤1
si fuere un espacio vectorial debería cumplir con
u+v ∈V
luego (1, 0) + (0, 1) ∈ V , entonces (1, 1) ∈ V , por lo tanto debería verificarse con
1+1≤1
lo cual es imposible, esto nos lleva a decir que V no puede ser un espacio vectorial.
Comentario: Nótese que en el trayecto de la demostración se ha utilizado la suposición

contraria, esto es, que V es un espacio vectorial, para luego por medio de un hecho y
valores concretos, llegar a una contradicción, esta metodología demostrativa se utilizará
en forma constante durante el desarrollo de este material.
Ejemplo 2.5.
Considerando V = R. Probar que V no es un espacio vectorial complejo.
Prueba: Basta notar que la multiplicación por un escalar no es de cerradura
(3 + 4i)2 = 6 + 8i 6∈ V
Ejemplo 2.6.
Sea V un K-espacio vectorial. Demostrar la unicidad del elemento neutro
aditivo.
Demostrando: Sean 0, 00 ∈ V dos elementos que cumplen con los axiomas del elemento
nulo, es decir
∀u ∈ V, u + 0 = 0 + u = u
∀u ∈ V, u + 00 = 00 + u = u
de lo anterior se tiene que 0 + 00 = 00 , pero también 0 + 00 = 0, por lo tanto se cumple
0 = 00
Ejemplo 2.7.
Sea V un K−espacio vectorial. Probar que ∀λ ∈ K, λ0 = 0.
Prueba: operando
λ0 = λ(0 + 0)
λ0 = λ0 + λ0
0 = λ0
Ejemplo 2.8.
Sea V un espacio vectorial sobre el cuerpo K y λ ∈ K, v ∈ V .
Demostrar, si λv = 0, entonces λ = 0 o v = 0.
Prueba: Supóngase que λ 6= 0, entonces esta claro la existencia de λ−1 ∈ K, de manera

que se cumpla
λ.λ−1 = λ−1 .λ1
Ahora, calculemos
v = 1v = (λ−1 .λ)v = λ−1 (λv) = λ−1 0 = 0
por lo tanto v = 0
Ejemplo 2.9.
Sea V un espacio vectorial real y λ ∈ R, v ∈ V . Pruebe que (−λ)v = λ(−v) =
−λv.
Prueba: Se sabe que λv + (−λ)v = (λ + (−λ))v = 0v = 0, por lo tanto (−λ)v = −λv.

De manera similar se obtiene λ(−v) = −λv.
Nota: Debe observar que, para demostrar varias igualdades sucesivas una estrategia es
hacer que cada una de ellas sea igual a una de ellas considerada como fija, el siguiente
esquema muestra el modelo de la demostración
Interrogante:
Expresión 1 = Expresión 2 = · · · = Expresión n
Proceso:
Expresión 1 = Expresión n
Expresión 2 = Expresión n
..
.
Expresión (n-1) = Expresión n
Ejemplo 2.10.
Sea V = {(x, y) ∈ N : x + y = 1} juntamente con las operaciones triviales,¿es
un espacio vectorial real?
Prueba: Es natural pensar que no lo es, para ello basta notar que (2, −1) ∈ V , pero el
opuesto es decir el elemento −(2, −1) 6∈ V . Basta con ello para haber probado que no se
trata de un espacio vectorial.
Ejemplo 2.11.
Considere el siguiente conjunto V = {(x, y) ∈ R2 : x ≤ y}. Demostrar que V
no es un espacio vectorial, con las operaciones estándares.
Prueba: Se deja al estudiante su verificación.

Ejemplo 2.12.
Sabiendo que se tiene V = {(x, y, z) ∈ R3 : x + y = z}. Pruebe que V es un
R−espacio vectorial.
Prueba: Detallar.
Ejemplo 2.13.
Sea V = {(x, 0) : x ∈ R+ } con las operaciones
(x, 0) + (y, 0) = (xy, 0)
λ(x, 0) = (xλ , 0)
Pruebe que V es un espacio vectorial real.
Prueba: Tenemos que mostrar todos los axiomas que definen un espacio vectorial, pero ya
en este punto dejaremos al estudiante la prueba de la clausura, la asociativa, conmutativa
de la adición.
Afirmamos que (1, 0) ∈ V es el elemento nulo, en efecto, sea (x, 0) ∈ V arbitrario, luego
(x, 0) + (1, 0) = (x.1, 0) = (x, 0)
de manera similar
(1, 0) + (x, 0) = (1.x, 0) = (x, 0)
es suficiente, esto, para haber probado que el elemento cero o nulo está dado por (1, 0) ∈ V .
Ahora, veamos el opuesto de (x, 0) ∈ V un elemento arbitrario, consideramos el elemento
(x−1 , 0) es claro que es un elemento del conjunto V , ya que x > 0, luego calculemos
(x, 0) + (x−1 , 0) = (x.x−1 , 0) = (1, 0)
Por otro lado, sea λ ∈ R, (x, 0) ∈ V , como xλ > 0, luego se tiene λ(x, 0) ∈ V , esto nos
indica que se cumple la clausura de la operación multiplicativa por un escalar.
EV5: Sean α, β ∈ R y (x, 0) ∈ V , entonces
α(β(x, 0)) = α(xβ , 0) = ((xβ )α , 0) = (xαβ , 0) = (αβ)(x, 0)
Se deja al lector, la verificación de todos los axiomas restantes.

2.2. Representación Geométrica de los Vectores

 
a b
Sabemos que M = {  : a, b, c, d ∈ R} es un espacio vectorial real, ¿cómo
c d
representarlos gráficamente a cada vector de este espacio M?.
De manera similar, si consideramos C = {f : [0, 1] → R : f es una función y f ( 12 ) =

0} es demostrable que se trata de un espacio vectorial, a cada elemento de C recibe el
nombre de vector, la cual tiene una representación gráfica.
Cuando el espacio vectoriales real es el plano cartesiano, es decir R2 , sus elementos pueden
ser representados gráficamente, mediante flechas, como muestra la figura 2.1.
u=(x,y)
u=P-Q
Figura 2.1: Gráfica del vector u
2.3. Paralelismo de Vectores
Definición 2.2. Sea V un espacio vectorial sobre un cuerpo K, u, v ∈ V
u k v ⇐⇒ ∃λ ∈ K/ u = λv o v = λu
2.3. PARALELISMO DE VECTORES 19
 
3 4
Así, tenemos que en el espacio de matrices de orden 2 × 2, como 2   =
−1 2
 
6 8
 , por lo tanto por medio de la definción dada se tiene que
−2 4
   
3 4 6 8
 k 
−1 2 −2 4
Podemos notar que por definición el vector nulo 0 ∈ V es paralelo a cualquier vector,
es decir sea u ∈ V un vector dado en forma arbitraria, luego se tiene
uk0
En el caso que estemos trabajando con vectores u, v no nulos en el plano euclidiano, se

darán dos casos:
Si existe λ ∈ R+ , tal que u = λv, diremos que dichos vectores son paralelos y del
mismo sentido.
En el caso que se de, la existencia de λ ∈ R− tal que u = λv, diremos que son
vectores paralelos y se sentido contrario, como se muestra en la figura 2.2.
Paralelismo de vectores u
u paralelo y del mismo sentido que v
u paralelo y de sentido contrario a w
Figura 2.2: Vectores paralelos en el plano

Este paralelismo con la multiplicación por un escalar no nulo, va a general una relación
muy importante llamada relación de equivalencia, y con ella se obtiene una partición del
espacio euclideano, donde cada recta será una clase de equivalencia, estas cosas serán
vistas en la segunda parte del curso de Vectorial I.
3
Espacios con Producto Interno
3.1. Producto Interno en un Espacio Vectorial

Definición 3.1. Sea V un espacio vectorial real. Un producto interno(p.i.) sobre el espacio
V es una función h i : V × V → R de modo que cumpla con los axiomas siguientes:
P1: ∀u ∈ V, hu, ui ≥ 0
P2: hu, ui = 0 ⇐⇒ u = 0
P3: ∀λ ∈ R, u, v ∈ V : hλu, vi = λhu, vi
P4: ∀u, v, w ∈ V : hu + v, wi = hu, wi + hv, wi
P5: ∀u, v ∈ V : hu, vi = hv, ui
Ω
Nuestro objetivo, es dar un producto interno al espacio vectorial R2 , antes de ello, notemos
que el axioma P1, nos indica que el producto interno de cualquier vector consigo mismo,
debe ser un real no negativo. Pero el axioma P2, añade algo más, que la única forma de
ser cero, al operar consigo mismo, es el vector nulo.
El estudiante debe notar que por definición se cumple que
h0, 0i = 0
El axioma P3 permite extraer escalares de la primera componente del pi
hλu, vi = λhu, vi
21
22 CAPÍTULO 3. ESPACIOS CON PRODUCTO INTERNO
Es natural preguntarse si se puede extraer escales en la segunda componente, la respuesta

es afirmativa, veamos ello
hu, λvi = hλv, ui = λhv, ui = λhu, vi
Por lo tanto, combinando ambos resultados, se tiene en forma general, para cualquier
espacio con producto interno
∀λ, β ∈ K, u, v ∈ V : hλu, βvi = λβhu, vi
Ahora le toca al axioma P4, es una especie de linealidad por la izquierda, es decir la
adición se distribuye con el pi
hu + v, wi = hu, wi + hv, wi
Se dejará al lector la comprobación que también se cumple esta misma cualidad, para el
lado derecho, esto es
hu, v + wi = hu, vi + hu, wi
Por lo tanto, con las consideraciones dadas, se puede operar la expresión siguiente
hu + v, w + li = hu, wi + hu, li + hv, wi + hv, li
Es claro la interpretación del axioma P5, diremos que el pi es conmutativo, en ese

sentido
hu, vi = hv, ui
En el espacio vectorial real de las matrices cuadradas de orden 2, vamos a definir un

producto interno, de la manera siguiente
∀A, B ∈ M2 : hA, Bi = tr(At .B)
donde M2 es dicho espacio de matrices cuadradas de orden 2 × 2 y tr es la traza de la

matriz At .B.
En primer lugar debe notar que tr(A.B) ∈ R es decir lo definido establece una buena
función del producto cartesiano M2 × M2 hacia R.
3.1. PRODUCTO INTERNO EN UN ESPACIO VECTORIAL 23
Sea A ∈ M2 tomado arbitrariamente y calculemos
hA, Ai = tr(At .A)

   
a c a b
= tr  . 
b d c d
 
a2 + c2 ab + cd
= tr  
2 2
ab + cd b + d
= a2 + b 2 + c 2 + d 2 ≥ 0
logrando así verificar en primer axioma de pi. El estudiante podría de manera similar,
trabajando con matrices cuadradas de orden 2 × 2, poder comprobar los otros axiomas.
Ya habíamos comentado que nuestro interés, es dotar al espacio R2 de un producto
interno. Definamos una función
h i : R × R2 → R
definida por, considere u = (a, b), v = (x, y) luego
hu, vi = ax + by
Es necesario realizar la demostración de que se trata de un producto interno, para ello

debemos verificar los cinco axiomas que lo definen
P1: Considere un elemento cualquiera de R2 , u = (x, y) y calculemos
hu, ui = x2 + y 2 ≥ 0
P2: Sabiendo que se cumple hu, ui = 0, entonces a2 + b2 = 0, por lo tanto a = b = 0,

con lo cual se tiene u = (a, b) = (0, 0) = 0.
Por otro lado, si se tiene que u = (0, 0), entonces podemos calcular hu, ui = 02 +02 =
0.
De lo anterior se tiene demostrado el axioma P2.
P3: Considere λ ∈ R y u = (a, b), v = (x, y) tomados arbitrariamente, calculemos
hλu, vi = hλ(a, b), (x, y)i
= h(λa, λb), (x, y)i
= λax + λby
= λ(ax + by)
= λh(a, b), (x, y)i
= λhu, vi
por lo tanto el axioma P3, está demostrado, el alumno debe notar que se ha depen-
dido únicamente de la definición dada hu, vi = ax + by
P4: Sean los vectores u = (a, b), v = (x, y), w = (p, q) del espacio R2 , calculando
hu + v, wi = h(a + x, b + y), (p, q)i
= (a + x)p + (b + y)q
= (ap + bq) + (xp + yq)
= hu, wi + hv, wi
por lo tanto, diremos que la función definida es lineal con respecto a la primera
variable.
P5: Con respecto a la conmutatividad, de sus componentes, se dejará para el estudiante

su verificación.
El producto interno antes mencionado por lo que va a generar en el plano R2 , con respecto
a los ángulos de manera especial la perpendicularidad de los vectores, recibirá un nombre
especial producto interno canónico o euclidiano.
Si en un problema trabajando en el plano, no se menciona el p.i. ha desarrollarse, se
sobreentenderá que se trata del canónico.
Por lo visto en general, al trabajar en R2 , se tiene las cualidades adicionales
1. hu, λvi = λhu, vi
2. hu, v + wi = hu, vi + hu, wi

3.1. PRODUCTO INTERNO EN UN ESPACIO VECTORIAL 25
3. h0, vi = hu, 0i = 0
Es razonable pensar que pueden existir otros productos internos asociados al espacio
R2 , un ejemplo de esto es, considere u = (a, b), v(x, y)
hu, vi = 2(ax + by)
se dejará su verificación para entrenarse en este mundo de las demostraciones.
Ejemplo 3.1.
Considere u = (a, b), v = (x, y) ∈ R2 , definamos hu, vi = ax − by, ¿es un
producto interno en es espacio R2 ?
Prueba: Es claro que si intuimos que si define un buen producto interno, pasaremos a
demostrar cada uno de los cinco axiomas que lo definen. En el caso que sospechamos, que
esto no se da, es necesario dar un ejemplo concreto (en este caso un par de pares ordenados)
en donde no se cumpla, al menos no se cumpla, basta y sobra encontrar uno tales axiomas.
Si consideramos el vector u = (1, 4) si es que fuera un pi, debería cumplir con
hu, ui ≥ 0
pero si calculamos con la definición dada, se tiene
hu, ui = 1 × 2 − 4 × 4 = −15 < 0
con lo cual se ha demostrado, que no puede ser un pi para R2 .
Ejemplo 3.2.
Considere u = (a, b), v = (x, y) y defina hu, vi = λ(ax + by). ¿Que condición
le darías a λ ∈ R, para h i defina un producto interno en R2 ?
Prueba: Creemos que, con un intento de resolver este problema nos impulsa a considerar
el valor de λ como positivo , es decir
λ>0
Se deja la demostración al estudiante, de los axiomas. Es necesario también verificar que

con otros valores para λ esto no se cumple , es decir cuando
λ=0oλ<0
llegamos a una contradicción con alguno de los axiomas que define un producto interno.
Ejemplo 3.3.
Sea V = R2 y u = (x1 , x2 ), v = (y1 , y2 ) ∈ V dos elementos arbitrarios,
definamos
hu, vi = 2x1 y1 + 3(x1 y2 + x2 y1 ) + 5x2 y2
Pruebe que h i es un producto interno en V .
Prueba: Es necesario mostrar los cinco axiomas de un pi.

Considere u = (x1 , x2 ) ∈ V cualquiera, ahora calculemos
3 1
hu, ui = 2x1 x1 + 3(x1 x2 + x2 x1 ) + 5x2 x2 = 2(x1 + x2 )2 + x22 ≥ 0
2 2
dejaremos para su entrenamiento, la realización de los otros cuatro axiomas.
3.2. Vectores Ortogonales en un Espacio Vectorial

Es notorio que la ortogonalidad en geometría genera propiedades fundamentales como
el Teorema de Pitágoras, cálculos de regiones triangulares, propiedades en la circunferencia
y en cada tema de la geometría esta presente la perpendicularidad. Para generar vectores
ortonormales, es necesario realizar un procedimiento llamado Gram Schmidt, en donde la
ortogonalidad de vectores en fundamental.
Es también importante que la ortogonalidad depende del producto interno asociado al
espacio vectorial, acontinuación lo definiremos en un K-espacio vectorial arbitrario, en
donde está asociado un producto interno cualquiera.
Definición 3.2. Sea V un K-espacio vectorial, con un producto interno asociado a él.
Sean u, v ∈ V dos vectores en dicho espacio
u⊥v ⇐⇒ hu, vi = 0
3.2. VECTORES ORTOGONALES EN UN ESPACIO VECTORIAL 27
Recalcaremos algunas observaciones de esta definición:
◦ A la notación u⊥v, será llamado u ortogonal a v.
◦ Para hablar de ortogonalidad, es necesario que los elementos ortogonales estén en

un espacio vectorial que posea un producto interno.
◦ La ortogonalidad de dos vectores por ejemplo en el espacio vectorial R2 no significa

que dichos vectores forman un ángulo recto entre ellos. Cabe la posibilidad que
dichos vectores formen un ángulo cuya medida sea 45◦ y sean vectores ortogonales.
Es decir la ortogonalidad y su representación gráfica depende del producto interno
que tenga.
◦ En el caso especial que el producto interno asociado al espacio vectorial real, sea el
canónico en decir
h(a, b), (x, y)i = ax + by
la ortogonalidad pasa a llamarse perpendicularidad.
◦ Como la ortogonalidad está en cualquier espacio con p.i, luego es válido hablar de
matrices ortogonales, funciones ortogonales.  
a b
Por ejemplo en el espacio de matrices M = {  : a, b, c, d ∈ R} , juntamente
c d
con el producto interno asociado a este espacio
hA, Bi = traza(At .B)

   
1 2 3 2
Considere dos vectores en este espacio A =  y  , operando con el p.i
0 1 2 0
hA, Bi = 7
por lo tanto, los vectores A y B no son ortogonales, es decir
A 6⊥ B
   
1 0 0 1
Pero si tomamos los vectores  yB=  si son ortogonales, se sugiere
1 0 0 −1
verifícalo.
Un caso particular, el cual es de nuestro interés, es cuando en espacio vectorial R2

tenga como p.i el canónico, en este caso se tiene:
Sean u = (a, b), v = (x, y) dos elementos arbitrarios del espacio euclidiano de dos dimen-
siones
u ⊥ v ⇐⇒ hu, vi = 0 ⇐⇒ ax + by = 0
En esta parte, cambiaremos el producto interno en el espacio R2 por u = (a, b), v =

(x, y)
hu, vi = 2ax + bx + ay + 3by
Considere los vectores u = (1, 2) y v = (7, −4), si se considera el p.i canónico, se tiene
hu, vi = −1
es decir, no son ortogonales o no son perpendiculares u 6⊥ v.

Por otro lado, si consideramos el p.i último mencionado, se tiene
hu, vi = 14 + 14 − 4 − 24 = 0
esto nos indica, que si son ortogonales, es decir u ⊥ v.

Conclusión: La ortogonalidad depende del producto interno asociado en él.
Debe notar el estudiante que la medida del ángulo formado por estos dos vectores en
el plano, no es 90◦ , realizando algunos cálculos se descubre que es aproximadamente 93◦ .
Como un caso especial de ortogonalidad, definiremos el ortogonal de un vector en R2 .
Definición 3.3. Sea u = (a, b) ∈ R2 , con el producto interno canónico.
u⊥ = (−b, a)
llamada el ortogonal de u o u ortogonal.
Así tenemos, sea u = (2, 4), luego u⊥ = (−4, 2). Esta definición tiene algunas particu-
laridades, que lo expondremos en forma de propiedades o ejercicios.
Ejemplo 3.4.
Sea u = (a, b) ∈ R2 arbitrario, entonces se tiene hu, u⊥ i = 0
Prueba: Basta aplicar el p.i a dichos elementos.

Ejemplo 3.5.
Considere u, v dos elementos del espacio R2 . Probar que (u + v)⊥ = u⊥ + v ⊥
Ejemplo 3.6.
Sean λ ∈ R2 y u ∈ R2 . Demostrar que (λu)⊥ = λu⊥ .
Ejemplo 3.7.
Sea u ∈ R2 , entonces se cumple que (u⊥ )⊥ = −u
A continuación se establece una relación entre el paralelismo y la ortogonalidad de

vectores en R2 , nos va a permitir pasar de una expresión a otra, usando la ortogonalidad.
Ejemplo 3.8.
Sean u, v ∈ R2 dos vectores no nulos. Probar que
u k v ⇐⇒ hu, v ⊥ i = 0
Prueba:(=⇒) Sabiendo que se tiene u k v, entonces se tiene la existencia de un escalar

λ ∈ R tal que
u = λv
Por lo tanto calculemos
hu, v ⊥ i = h(λv), v ⊥ i = λhv, v ⊥ i = 0
por lo tanto
hu, v ⊥ i = 0
(⇐=) Considere u = (a, b) y v = (x, y) luego tenemos v ⊥ = (−y, x), por hipótesis se tiene
que hu, v ⊥ = 0, con lo cual se obtiene bx = ay.
En esta parte existe dos posibilidades para el valor de a ∈ R:
Si a = 0, entonces bx = 0, como b 6= 0, entonces x = 0, por lo tanto y 6= 0.
Calculemos
u = (a, b) = (0, b) = (0, (b.y −1 )y) = b.y −1 (0, y) = by −1 (x, y) = (b.y −1 v
de lo anterior se tiene que

ukv
Ahora en el otro caso, es decir si a 6= 0, en este caso se desprende en dos subcasos:

(i) si b = 0, entonces y = 0, por lo tanto se tiene
v = (x, y) = (x, 0) = (x.a− 1.a, 0) = (x.a−1 )(a, 0) = (x.a−1 (a, b)
por lo tanto u k v
(ii) si b 6= 0, se deja al lector su verificación, que u k v
Ejemplo 3.9.
Definamos para u = (x, y) ∈ R2 la norma del vector u de la forma siguiente
p
kuk = x2 + y 2
Considere dos vectores u, v ∈ R2 . Demostrar que |hu, vi| ≤ 1, siempre que

kuk = kvk = 1.
Prueba: Sabiendo que u = (x, y), entonces como kuk = 1, se tiene x2 + y 2 = 1

también se tiene v = (a, b), luego como kvk = 1, se cumple a2 + b2 = 1
ahora operando
|hu, vi| = |ax + by| ≤ |ax| + |by|
Recordemos que si se tienen dos números reales m, n ∈ R no nulos, entonces (|m|−|n|)2 ≥

0, por lo tanto
m2 + n2 ≥ 2|m||n|
por lo tanto se cumple

m2 + n2
|mn| ≤
2
aplicando lo obtenido, se tiene
a2 + x 2 y 2 + b 2 x2 + y 2 + a2 + b2
hu, vi ≤ |ax| + |yb| ≤ + = =1
2 2 2
por lo tanto, se cumple que

|hu, vi| ≤ 1
Ejemplo 3.10.
Dado un vector u = (a, b) 6= (0, 0). Probar que para todo w ∈ R2 se puede
escribir
w = xu + yu⊥
para algún x, y ∈ R, en forma única.
Prueba: Considere w = (p, q) y formamos el sistema de dos ecuaciones lineales
xa − yb = p
xb + ya = q
la cual es un sistema en incógnitas x, y ∈ R. Como el determinante del sistema

a −b

4s = 6= 0

b a
ya que el vector w = (a, b) es no nulo. Esto nos indica que el sistema anterior tiene solución
en x e y, la cual se puede determinar por Cramer, la cual está dada por

p −b

q a pa + bq
x= = 2
a −b
a + b2

b a
de manera similar, se obtiene la segunda expresión

a p

b q aq − bp
y= = 2
a −b
a + b2

b a
por lo tanto, esto me indica que
w = (p, q) = x(a, b) + y(−b, a)
la cual, es equivalente al sistema anteriormente mostrado.

Ahora compete a la unicidad, de la representación, considere que existe x0 , y 0 ∈ R de modo
que
w = x0 u + y 0 u⊥
esta ecuación nos permite generar de manera muy natural, un sistema de ecuaciones
x0 a − y 0 b = p
x0 a + y 0 b = q
pero se trata del mismo sistema anteriormente dado, luego gracias a la existencia y uni-
cidad de su solución se tiene que
x = x0 ∧ y = y 0
Ejemplo 3.11.
Dada dos vectores u, v ∈ R2 . Pruebe que hu, vi2 + hu, v ⊥ i2 = kuk2 kvk2
Prueba: Considere u = (a, b), v = (x, y), por lo tanto el ortogonal del vector v esta dada
por v ⊥ = (−y, x). Por lo tanto, se tiene quedar
hu, vi = ax + by , hu, v ⊥ i = (−ay, bx)
con lo cual, reemplazando en la siguiente expresión
hu, vi2 + hu, v ⊥ i = (ax + by)2 + (bx − ay)2
= a2 x2 + b2 y 2 + 2abxy + b2 x2 + a2 y 2 − 2abxy
= (a2 + b2 )x2 + (a2 + b2 )y 2
= (a2 + b2 )(x2 + y 2 )
√ 2p 2
= a2 + b2 x2 + y 2
= kuk2 kvk2
4
Espacios Normados
4.1. Norma en un Espacio Vectorial

Esta noción está fundamentada en la siguiente definición.
Definición 4.1. Sea V un R−espacio vectorial. Se denomina norma en V a una función

k k : V → R, de manera que se cumplan con cuatro axiomas
N1 : kvk ≥ 0, ∀v ∈ V
N2 : kuk = 0 ⇐⇒ u = 0
N3 : kλuk = |λ|kuk
N4 : ku + vk ≤ kuk + kvk.
A continuación se dará algunas observaciones:
El axioma N1 nos indica que la norma de un vector, siempre es no negativo, es decir

no es posible que se tenga
kvk = −1
Con respecto al axioma M2 , nos indica que el único vector cuya norma es cero, es
el vector nulo.
Este axioma tiene dos implicaciones:
kuk = 0 =⇒ u = 0
también
u = 0 =⇒ kuk = 0
33
34 CAPÍTULO 4. ESPACIOS NORMADOS
El axioma N3 nos indica que los escalares pueden salir de la norma, pero con valor
absoluto. Debe notar que se cumple con este axioma, lo siguiente
3k(2, 3)k = |3|k(2, 3)k = k3(2, 3)k = k(6, 9)k
en el caso que el escalar sea negativo
−7k(4, 1)k = −|7|k(4, 1)k = −k(28, 7)k
otra de las consecuencias de este axioma, esta dado por
k − uk = kuk
El axioma N4 es conocida como la desigualdad triangular, la cual se puede extender

para tres vectores, es decir
ku + v + wk ≤ kuk + kvk + kwk
Ahora, por un proceso de inducción matemática sobre el número de vectores n ∈ N,

se tiene
kv1 + v2 + . . . + vn k ≤ kv1 k + . . . + kvn k
Nuestra intención es dar al espacio vectorial R2 una norma especial. Sea R2 el espacio
vectorial juntamente con su producto interno canónico, es decir
hu, vi = ax + by
donde u = (a, b) y v = (x, y). Podemos de manera muy natural, originar una función
kk : R2 → R cuya regla de correspondencia esta dada por
√
kuk = k(a, b)k = a2 + b 2
se demostrará que la función obtenida, es una norma del espacio R2 .
Ejemplo 4.1.
Sea V un espacio vectorial con producto interno y kk una norma en dicho
espacio. Demuestre que
∀u, v ∈ V, |hu + vi| ≤ kuk + kvk

4.1. NORMA EN UN ESPACIO VECTORIAL 35
Prueba: Si se tiene que u = 0 ∨ v = 0, se comprueba que se verifica directamente.

Ahora, el caso en que u 6= 0 y v 6= 0
como hw, wi ≥ 0, ∀w ∈ V , en particular para
hu, viui
w=v−
kuk2
luego reemplazando se obtiene
hu, viu hu, viu

hv − 2
,v − i≥0
kuk kuk2
simplificando la expresión anterior con mucho cuidado, obtenemos
hu, vi2 ≤ kuk2 kvk2
de esta expresión, se obtiene lo pedido.
Ejemplo 4.2.
Sea V un K-espacio vectorial con producto interno.
p
Demostrar que kuk = hu, ui, ∀u ∈ V es una norma en el espacio V .
Prueba: Para poder demostrar ello, es necesario hacer cumplir los cuatro axiomas, vea-
mos a continuación cada uno de ellos
N1 : Por axioma de producto interno, se cumple que ∀u ∈ V, hu, ui ≥ 0, por lo tanto se

tiene
p
kuk = hu, ui ≥ 0
p
N2 : Considere que se cumple kuk = 0, luego hu, ui = 0 por lo tanto
hu, ui = 0
luego por axioma que define el producto interno, se cumple u = 0.

Ahora en forma recíproca, es decir sea u = 0, luego calculemos
p √
kuk = k0k = h0, 0i = 0 = 0
con todo ello se ha probado el axioma N2 .

N3 : Considere λ ∈ R y u ∈ V elementos totalmente arbitrarios, luego calculemos

p p p
kλuk = hλu, λui = λ2 hu, ui = |λ| hu, ui = |λ|kuk
Debe notar que estas propiedades, se esta demostrando en forma independiente del
espacio vectorial y del cuerpo que se este actuando
N4 : Considere u, v ∈ V dos elementos arbitrarios, luego calculemos
ku + vk2 = kuk2 + kvk2 + 2hu, vi ≤ kuk2 + kvk2 + 2|hu, vi|
≤ kuk2 + kvk2 + 2kukkvk
= (kuk + kvk)2
en la ecuación anterior, se ha necesitado el ejemplo anterior, demostrado llamado

comúnmente la desigualdad de Cauchy Schwarz.
Nótese que tomando los extremos de las inecuaciones obtenidas, se tiene el resultado
pedido.
Una observación importante del ejercicio anterior, es que el resultado obtenido, no

depende del espacio tomado, es decir es aplicable a cualquier espacio vectorial y también
no depende del producto interno en dicho espacio, ya que únicamente se ha necesitado,
de los axiomas que lo definen, por lo tanto es un teorema muy importante.
Como una aplicación al ejercicio anterior, si consideramos el espacio R2 juntamente

con el producto interno
h(a, b), (x, y)i = 2(ax + by)
podemos definir una norma, es decir convertir a dicho R2 en un espacio normado, consi-
derando
p
k(a, b)k = h(a, b), (a, b)i
esto quiere decir

p p
k(a, b)k = h(a, b), (a, b)i = 2(a2 + b2
por lo tanto la norma de (3, 4) sería
√
k(3, 4)k = 5 2
pero si utilizamos la norma euclidiana, es decir la que proviene del producto interno
canónico, se obtiene
k(3, 4)k = 5
esto nos indica que si me preguntan, cual es la norma kuk de una vector u ∈ V , la
respuesta sería depende de la norma ha utilizar, es decir, dame una norma en dicho
espacio y podré darte la respuesta.
Ejemplo 4.3.
Sea u, v ∈ R2 con el producto interno arbitrario. Probar que
u ⊥ v ⇐⇒ ku + vk2 = kuk2 + kvk2
Prueba:(=⇒) Como los vectores u y v son ortogonales, es decir u ⊥ v, por lo tanto

hu, vi = 0 y recordando que se cumple
ku + vk2 = kuk2 + kvk2 + 2hu, vi
se tiene como resultado final
ku + vk2 = kuk2 + kvk2
lo cual es expresión pedida.
(⇐=) se deja al estudiante para su resolución.
Ejemplo 4.4.
En el espacio vectorial R2 con producto interno. Demostrar que
u ⊥ v ⇐⇒ ∀λ ∈ R, ku + λvk ≥ kuk
Prueba:(=⇒) Considere un real arbitrario λ ∈ R luego calculemos
ku + λvk2 = kuk2 + 2hu, λvλi + kλvk2
= kuk2 + 2λ(0) + λ2 kvk2
= kuk2 + λ2 kvk2
≥ kuk2
por lo anterior se tiene

ku + λvk2 ≥ kuk2
finalmente extrayendo la raíz cuadrada, se obtiene lo que nos piden.
(⇐=) considere cierto que ku + λvk ≥ kuk, ∀λ ∈ R, elevando al cuadrado se obtiene
kuk2 + 2λhu, vi + |λ|2 kvk2 ≥ kuk2
por lo tanto
λ2 (kvk2 ) + λ(2hu, vi) + 0 ≥ 0, ∀λ ∈ R
ahora, aplicando la propiedad del discriminante de una expresión cuadrática, se

obtiene
(2hu, vi)2 − 4kvk2 .0 ≤ 0
por lo tanto 4hu, vi2 ≤ 4kvk2 .0, luego
hu, vi2 ≤ 0
de donde por propiedades de los números reales se obtiene
hu, vi = 0
esto quiere decir que

u⊥v
Ejemplo 4.5.
Demostrar: Sean u, v ∈ R2 con el producto interno canónico. Entonces
|hu, vi| = kukkvk ⇐⇒ u k v

Prueba:(=⇒) En este punto dividiremos la demostración en dos casos.

Si se tiene que u = 0 o v = 0, entonces se cumple que los vectores son paralelos.
En otro caso, es decir si u 6= 0 y v 6= 0, en este punto, definamos una función
f :R→R
f (r) = ku + rvk2
por lo tanto, simplificando lo anterior, se tiene
f (r) = hu + rv, u + rvi
= hu, ui + hu, rvi + hrv, ui + hrv, rvi
= r2 kvk2 + 2rhu, vi + kuk2

2 hu, v 2 kuk2 kvk2 − hu, vi2
= kvk (r + ) +
kvk2 kvk2
como es para todo r ∈ R, tomemos uno en particular
hu, vi
r=−
kvk2
reemplazando, en la expresión anterior, se obtiene
kuk2k vk2 − hu, vi2
f (r) =
kvk2
en este punto utilizamos la hipótesis, por lo tanto
f (r) = 0
luego por definicón de la función f
ku + rvk2 = 0
luego se tiene ku + rvk = 0 esto nos lleva a indicar que u + rv = 0, no olvidemos,

que en esta ecuación esta fijo el valor de r, luego
hu, vi
u = −rv = −(− )v
kvk2
por lo tanto
u = βv
hu,vi
para β = kvk2
, esto nos indica que los vectores u y v son paralelos, es decir
ukv
(⇐=) Si se tiene como hipótesis que u k v, entonces existe algún λ ∈ R de modo que se
tenga
u = λv
operando
|hu, vi| = |hλv, vi| = |λhv, vi| = |λ||hv, vi| = |λ|kvk2 = |λ| v| | vk = kukkvk
4.2. Problemas Propuestos

1. Considere el espacio vectorial R2 y la función
k(a, b)k = max{|a|, |b|}
Pruebe que k.k función anterior define una norma en R2 , llamada también la norma
del máximo.
2. En V = R2 se define kuk = k(a, b)k = |a| + |b|(norma de la suma).

Probar que k.k es una norma en V .
3. Demostrar que en un espacio con norma inducida por el producto interno, es decir
p
kuk = hu, ui, se verifica que
ku + vk2 = kuk2 + kvk2 + 2hu, vi
4. Demostrar: Sea V = R2 un espacio vectorial real, con producto interno. Entonces
kuk = kvk ⇐⇒ (u + v) ⊥ (u − v)
5. Considere u, v dos elementos del plano cartesiano R2 . Sabiendo que se cumple con
2u⊥ − v = 2v ⊥ − u, entonces demostrar que u = v.
6. Considere un semicírculo con base de diámetro AC y B un punto cualquiera de la

semicircunferencia.
Probar que el triángulo ABC es rectángulo.
4.2. PROBLEMAS PROPUESTOS 41
7. Considere u, v ∈ R2 dos elementos no nulos. Demostrar que se cumple
ku + vk = kuk + kvk ⇐⇒ [u = λv, para algún λ ∈ R+ ]
8. Demostrar que las diagonales de un rectángulo son de la misma longitud.
9. Probar que las diagonales de un cuadrado son perpendiculares.
10. Probar que el punto medio de la hipotenusa de un triángulo rectángulo equidista de

los tres vértices.
11. Demostrar que las diagonales de un trapecio y la recta que une los puntos medios
de los lados paralelos, se cortan en un único punto.
12. Sean u, v ∈ R2 . Demostrar que si kuk = kvk = 1, entonces k 21 u + 13 vk < 1.
13. En un triángulo ABC, E es el punto medio de CA y EF es paralelo a CB.

Probar que F es el punto medio de AB.
14. Dados los puntos A = (2, 5), B = (9, 1), C = (−3, 2), hallar un punto D de manera
que estos cuatro puntos formen los vértices de un paralelogramo.
15. Tres puntos A,B y C son colineales si y solo si para todo P ∈ R2 existe λ ∈ R tal
−→ −→ −−→
que P C = (1 − λ)P A + λP B.
16. Demostrar que en un cuadrilátero los segmentos que unen los puntos medios de los
lados opuestos se bisecan mutuamente.
17. Probar que las tres alturas en un triángulo cualquiera, se cortan en un solo punto.
18. Considere el vector v = hb⊥ , cia − ha⊥ , cib con a, b, c ∈ R2 .

Demostrar que v k c.
19. Probar: sean u, v ∈ R2 en forma arbitraria. Entonces
kuk − kvk ≤ |kuk − kvk ≤ ku − vk
−−→ −−→ −→
20. Dado un triángulo ABC cuyas medianas son AD, BE y CF . Probar que
−−→ −−→ −→ → −
AD + BE + CF = 0
21. Las coordenadas de los vértices de un cuadrado son (1, 4) y (4, 8). Determine las
otras coordenadas de dicho cuadrado.
22. Sea V = {(x, y) ∈ R2 : 2x − 5y = 0} con las operaciones de adición y producto por

un escalar real conocida.
Probar que (V, +, ) es un R-espacio vectorial.
4.3. Vector Unitario

Definición 4.2. Sea V = R2 un espacio vectorial real y w ∈ V .
w se dirá vector unitario si y solo si kwk = 1
Como una observación adicional, es que para cualquier vector no nulo v ∈ V , conside-
remos
v
w=
kvk
tomando módulo al vector w, obtenemos que es un vector unitario
kwk = 1
esto no lleva a indicar que todo vector no nulo, se puede representar como un escalar
multiplicado por un vector unitario, es decir
v
v = kvk( ) = kvkw
kvk
v
donde w = kvk
, además, v y w son vectores paralelos y del mismo sentido, es decir
vkw
En el espacio euclidiano R2 , existen dos vectores que sirven como orientadores en el

plano
i = (1, 0) y j = (0, 1)
estos vectores son unitarios con respecto a la norma canónica o euclidiana, es decir la
norma que proviene del producto interno euclidiano
kik = 1 y kjk = 1
También, si consideramos v = (x, y), luego se tiene
v = (x, y) = xi + yj
Podemos en este punto hacernos una pregunta: ¿el vector v = (− 35 , 54 ) es unitario?

La respuesta a esta pregunta, como lo comentamos líneas anteriores, depende de la norma
a utilizar.
Si se tiene que
p
kvk = hv, vi, ∀v ∈ R2
con h.i el producto interno canónico, la respuesta sería verdadero, ya que

r
3 4 9 16
kvk = k(− , )k = + =1
5 5 25 25
Ahora si el producto interno que estamos trabajando es
hu, vi = 2x1 y1 + x2 y1 + x1 y2 + 3x2 y2
donde u = (x1 , x2 ), v = (yx , y2 ) y la norma, la inducida por este producto interno esto
quiere decir
p
kuk = hu, ui
para el vector u = (− 53 , 45 ) procedemos a calcular se norma

r r √
3 4 3 4 42 42
kuk = h(− , ), (− , )i = =
5 5 5 5 25 5
notamos que dicho vector no es unitario.

Podemos convenir, que si no se hace mención del tipo de norma a utilizar, debemos
considerar que se esta refiriendo a la norma euclidiana.

1. Dado los puntos colineales A(2, 1), B(8, b) y C(a, 3). Utilizando vectores unitarios,
determine el valor de K = a + b.
2. Sabiendo que AB es un segmento de extremos A = (8, 2) y B = (4, −2), determine

los puntos que dividen al segmento en tres partes de la misma longitud.
3. Considere dos vectores u, v ∈ R2 , donde kuk = 1 y v = (2, 1). Sabiendo que hu, vi =
kuk, determine el vector u.
5
Espacios Geométricos
5.1. Distancia en un Espacio Vectorial

Definición 5.1. Sea S un conjunto no vacío y d : S × S → R una función con dominio
en el producto cartesiano S × S.
d es una función distancia en el conjunto S si y solo si cumplen con los siguientes axiomas
D1 : d(x, y) ≥ 0, ∀x, y ∈ S
D2 : d(x, y) = 0 ⇐⇒ x = y
D3 : d(x, y) = d(y, x), ∀x, y ∈ S
D4 : d(x, y) ≥ d(x, z) + d(z, y), ∀x, y, z ∈ S
Note que esta definición de función distancia, está dado, para un conjunto cualquiera,
no vacío S. Ahora como un caso especiales es cuando el conjunto S viene a ser un espacio
vectorial. Con respecto al primer axioma (D1) nos indica lo que uno espera de la distancia
entre dos puntos, que sea asociada a un número no negativo.
El axioma (D2) me indica que la única forma que la distancia entre dos puntos sea cero,
es cuando los puntos mencionados son iguales, es decir se debe tratar del mismo punto.
De manera similar podemos generar, algunas reflexiones con los axiomas (D3) y (D4).
La idea en definir una función distancia en el espacio euclidiano R2 , esta distancia la
definiremos en términos de la norma de un vector, es decir es inducida por una norma.
Considerando un espacio vectorial R2 normado, es decir está garantizado la existencia

de k.k de manera que se cumpla con los axiomas de norma. Luego podemos originar una
45
46 CAPÍTULO 5. ESPACIOS GEOMÉTRICOS
función d : R2 × R → R de manera quedar
d(u, v) = ku − vk
donde u, v ∈ R2 .
Ejemplo 5.1.
Probar que d : R2 × R → R definido anteriormente, es una función distancia.
Prueba: Basta con demostrar que se verifique los cuatro axiomas de distancia
D1 : Considere u, v ∈ R2 totalmente arbitrario, luego
d(u, v) = ku − vk ≥ 0
D2 : Sabiendo que se cumple d(u, v) = 0 luego ku − vk = 0, por lo tanto por axioma de

norma u − v = 0, luego
u=v
Por otro lado, si se tiene u = v, luego calculemos
d(u, v) = d(u, u) = ku − uk = k0k = 0
D3 : Considere u, v ∈ R2 dados arbitrariamente. Luego calculemos
d(u, v) = ku − vk = k − (v − u)k = kv − uk = d(v, u)
D4 : Finalmente, considere u, v, w ∈ R2 y procedemos a calcular
d(u, v) = ku − vk = k(u − w) − (v − w)k ≥ ku − wk + kv − wk = d(u, w) + d(w, v)
Con ello, si consideramos una norma en R2 , dada por u = (a, b), v = (x, y)
√
kuk = a2 + b 2
5.1. DISTANCIA EN UN ESPACIO VECTORIAL 47
luego esta norma induce una función distancia

p
d(u, v) = ku − vk = k(a − x, b − yk = (a − x)2 + (b − y)2
Por lo tanto, podemos indicar que si tenemos u = (3, 4), v = (1, 1), luego la distancia
entre los puntos u y v esta dada por
p √ √
d(u, v) = (3 − 1)2 + (4 − 1)2 = 4 + 9 = 13
Claro está que si consideramos otra norma en R2 , y aplicamos la distancia inducida

por tal norma, nos va a generar otro valor real, para la distancia.
Ejemplo 5.2.
En R originar una función distancia.
Prueba: Podemos considerar por ejemplo la función que dependa del valor absoluto, es
decir d : R × R → R definido por medio de
d(x, y) = |x − y|
Utilizando las propiedades con el valor absoluto |.|, se tiene la demostración de los cuatro
axiomas de distancia. Se deja al lector con este detalle.
Ejemplo 5.3.
Sea S un conjunto no vacío arbitrario. Buscar una función que sea una dis-
tancia en S.
Prueba: Tomando la siguiente función d : S × S → R, definida por


0, si x = y

d(x, y) =
1, si x 6= y

Podrá comprobar el estudiante, que verifica con los cuatro axiomas de distancia.
A esta distancia para cualquier conjunto S, le llamaremos, la distancia discreta. Debe

notar que si se reemplaza la imagen de 1 por cualquier otro número positivo, sigue con-
servando la cualidad de ser función distancia.
Si aplicamos esta distancia al espacio R2 se tiene quedar
d((3, 4), (1, 1)) = 1

5.2. Ángulo entre Dos Vectores

Definición 5.2. Dada V un K-espacio vectorial con un producto interno y su norma
inducida por ella y u, v ∈ V dos elementos de V no nulos. Diremos que θ es la medida del
ángulo formado por los vectores u y v y la definiremos por medio de
hu, vi
cos θ =
kukkvk
A continuación se dará algunas observaciones:
De la definición dada anteriormente, la presencia de la medida de un ángulo, se puede

dar en cualquier espacio dado, basta que se tenga asociado un producto interno. Si
nuestro espacio es el de matrices cuadradas de orden dos, con el producto interno
conocido, es decir: Sean A, B dos matrices de orden 2, luego
hA, Bi = T raza(A⊥ B)
 
1 0
luego en este espacio podemos definir el ángulo formado por los vectores A =  
1 0
y  
1 1
B= , con un proceso de matrices podemos notar que
1 0
√ √
kAk = 2, kBk = 3
luego nos hemos asegurado que dichos vectores son no nulos, por lo tanto tiene
sentido definir el ángulo formado por estos vectores, mediante el coseno
√
hA, Bi 2 6
cosθ = =√ =
kAkkBk 6 3
de esta ecuación podemos señalar la medida del ángulo θ.
Como nuestro objetivo, en este curso de Cálculo Vectorial 1, es constantemente bus-

car trabajar en el espacio vectorial euclidiano R2 , podemos en este espacio asociar
un ángulo entre dos vectores u, v ∈ R2 utilizando el producto interno canónico, una
primera pregunta sería ¿Qué relación existe este ángulo que se obtiene por definición
con el ángulo que forman dichos vectores en forma tradicional?.
5.2. ÁNGULO ENTRE DOS VECTORES 49
La respuesta es la esperada, es decir se tratan de la misma medida. Esto es un hecho

que se tendrá como importante en esta sesión.
Sean u, v ∈ R2 con el producto interno canónico, consideramos θ el ángulo geomé-
trico que forman estos dos vectores en el plano cartesiano, luego se tiene
hu, vi
cosθ =
kukkvk
Así, por ejemplo, considere dos vectores u = (1, 2), v = (−4, 2), calculando
hu, vi = 0
√
kuk = 5
√
kvk = 20
luego reemplazando en la ecuación inicial, se tiene

0
cos θ = =0
10
por lo tanto los vectores en el plano cartesiano, son perpendiculares, es decir
(1, 2) ⊥ (−4, 2)
Ejemplo 5.4.
π
Sabiendo que los vectores u, v ∈ R2 forman un ángulo de 3
radianes y kuk =
5, kvk = 8.
Determine ku − vk.
Prueba: Por propiedad se tiene que
ku − vk2 = kuk2 + kvk2 − 2hu, vi
por otro lado tenemos

π hu, vi 1
cos = =
3 kukkvk 2
combinando ambas expresiones se tiene que
ku − vk = 7
Ejemplo 5.5.
Probar que si u, v ∈ R2 no nulos, están formando un ángulo cuya medida es θ
con 0 ≤ θ ≤ π, entonces
|hv ⊥ , ui|
sen θ =
kukkvk
Prueba: Por propiedad dados u, v ∈ R2 se tiene la existencia de escalares a, b ∈ R de
modo que se cumpla con
u = av + bv ⊥
por lo tanto hu, v ⊥ i = bkv ⊥ k = bkvk2 ahora sí, calculando el seno de θ:
kbv ⊥ k |b|kv ⊥ k |b|kvk2 hu, v ⊥ i

sen θ = = = =
kuk kuk kukkvk kukkvk
Ejemplo 5.6.
Considere u, v ∈ R2 dos vectores no nulos. Demostrar que u ⊥ v si y solo si
el ángulo formado por u y v 90◦
Prueba: Considerando que u ⊥ v y se tiene
hu, vi = kukkvk cos θ
luego como hu, vi = 0, entonces necesariamente cosθ = 0, por lo tanto θ = 90◦ .

El regreso, si 90◦ es la medida del ángulo formado por dichos vectores, entonces
hu, vi = kukkvk cos θ = 0i
Ejemplo 5.7.
Demostrar que si u, v ∈ R2 son dos vectores no nulos, de igual longitud, es
decir
kuk = kvk, entonces u + v biseca al ángulo entre u y v.
Prueba: Considere α la medida del ángulo formado por los vectores u y u + v, de igual
modo ψ la medida del ángulo entre los vectores v y u + v.
Por lo aprendido, se tiene
hu, u + vi kuk2 + hu, vi

cos α = = (5.1)
kukku + vk kukku + vk
por otro lado se tiene también
hu + v, vi hu, vi + kvk hu, vi + kuk2

cos ψ = = = (5.2)
ku + vkkvk ku + vkkvk kukku + vk
luego de las ecuaciones (5.1) y (5.2) se obtiene que
cos α = cos ψ
ahora como la función coseno en el intervalo [0, π] es inyectiva, luego podemos concluir
que α = ψ.
Ejemplo 5.8.
¿Qué condiciones debe cumplir u y v dos vectores no nulos de R2 , para que
u + v biseque al ángulo entre u y v.
Prueba: Se deja al estudiante para su análisis.
5.3. Problemas propuestos

1. Sabiendo que ku + vk > ku − vk para u, v ∈ R2 . ¿Qué puede indicar sobre u y v?
2. Considere que u, v ∈ R2 dos vectores unitarios y α la medida del ángulo entre ellos.
α ku − vk
Demostrar que sen =
2 2
u v
3. Dado dos vectores no nulos u, v ∈ R2 . Demostrar que kuk
+ kvk
biseca al ángulo
entre u y v.
5.4. Proyección Ortogonal en un Espacio Vectorial

El objetivo de esta sección es, dada los vectores u, v, w ∈ R2 totalmente arbitrarios,
¿Qué condiciones son necesarias para expresar w en términos de los vectores u y v?¿Luego
en el caso que es posible expresarlo como combinación lineal, poder determinar los esca-
lares adecuados para ello?. Esto quiere decir
w = au + bv
para a, b ∈ R.
Nosotros en forma muy particular estaremos interesados en una descomposición del tipo
ortogonal o perpendicular, esto es:
Dados u, v ∈ R2 encontrar los escalares a, bR de manera que se verifique lo siguiente
u = av + bv ⊥
Ejemplo 5.9.
Sean u, v ∈ R2 dos vectores no nulos y no paralelos. Demostrar que si w es un
vector arbitrario en R2 , entonces existen escalares a, b ∈ R de manera única
de modo que se cumpla
w = au + bv
Prueba: En este punto se trabajará previamente en borrador, luego de ello damos en

forma directa los escalares a y b, debemos recordar que se ha realizado previamente un
intento para hallarlos.
Considere el valor de a, de la manera siguiente
hw, v ⊥ i
a=
hu, v ⊥ i
de manera simétrica el valor de b:

hw, u⊥ i
b=
hv, u⊥ i
antes de avanzar, se debe notar la buena definición de dichos escalares.
Observación: toda expresión matemática en donde se defina, construya o se invente
en un proceso teórico o de demostración, es necesario asegurarnos la buena definición
de ella, es decir, si formas una función se tiene que verificar que de un elemento del
dominio, se obtenga una sola imagen y que todas las imágenes caigan dentro del conjunto
de llegada, si creas una fracción en Q tienes que verificar que el denominador no es nulo.
5.4. PROYECCIÓN ORTOGONAL EN UN ESPACIO VECTORIAL 53
Para nuestro caso se sabe que
u k v ⇐⇒ u ⊥ v ⊥ ⇐⇒ hu, v ⊥ i = 0
la cual es equivalente a
u 6k v ⇐⇒ u 6⊥ v ⊥ ⇐⇒ hu, v ⊥ i =
6 0
por lo tanto, por medio la hipótesis dada se tiene
hu, v ⊥ i =
6 0
de manera similar se tiene

hv, u⊥ i
por lo tanto los valores de a y b están bien definidos.

Finalmente podemos afirmar que w = au + bv.
Para demostrar ello, ingresaremos a sus componentes, es decir considerar
w = (x, y)
u = (x1 , y1 ), u⊥ = (−y1 , x1 )
v = (x2 , y2 ), v ⊥ = (−y2 , x2 )
ahora sí, calculamos antes los valores de a y b por medio de las componentes definidas
−xy2 + yx2
a=
−x1 y2 + x2 y1
también
−xy1 + x1 y
b=
−x2 y1 + x1 y2
calculando

−xy2 + yx2 −xy1 + x1 y
au + bv = (x1 , y1 ) + (x2 , y2 )
−x1 y2 + x2 y1 −x2 y1 + x1 y2

xy1 x2 − xy2 x1 yx2 y1 − x1 yy2
= ;
−x1 y2 + x2 y1 −x1 y2 + x2 y1
= (x, y)
= w
Es notorio que este tipo de demostración es operativa, la clave de ella es ingresar a

sus componentes y con un poco de paciencia obtener lo deseado.
En matemática, nos vamos a encontrar constantemente con dos situaciones en la gran

mayoría de asignaturas, es la existencia y la unicidad, en esta demostración, hasta este
punto se ha probado la existencia de los escales a y b.
En esta segunda parte, se demostrará la unicidad de tales elementos. ¿Cómo se hace ello?
Como ya tenemos la existencia asegurada, tomemos dos escalares a y b que cumplan con
au + bv = w
luego tenemos que probar, que estos escalares son los mismos valores dados anteriormente
vistos en la existencia, es decir
hw, v ⊥ i
a=
hu, v ⊥ i
y
hw, u⊥ i
b=
hv, u⊥ i
para ello calculemos
hw, v ⊥ = hau + bv, v ⊥ i = ahu, v ⊥ i + bhv, v ⊥ i = ahu, v ⊥ i
pero como u 6⊥ v, luego hu, v ⊥ i =

6 0, por lo tanto se tiene
hw, v ⊥ i
a=
hu, v ⊥ i
de manera muy similar, se obtiene
hw, u⊥ i
b=
hv, u⊥ i
Ahora si, con el resultado anterior, podemos en forma particular descomponer un

vector ortogonalmente en término de un vector y su ortogonal, veamos ello.
Ejemplo 5.10.
Sea w ∈ R2 un vector no nulo. Entonces para cada u ∈ R2 existen en forma
única escalares α y β en R, de modo que se cumpla
u = αw + βw⊥
Prueba: Este resultado, ya se demostró en el ejercicio anterior, pero lo que si nos interesa,
es como son los coeficientes. Calculemos para poder determinarlos
hu, (w⊥ )⊥ i hu, −wi hu, wi

α= ⊥ ⊥
= =
hw, (w ) i hw, −wi kwk2
de manera similar se tiene

hu, w⊥ i
β=
kwk2
En este punto, adoptaremos una notación, por la importancia de estos coeficientes, y

por lo que significa geométricamente.
hu, wi
proyw u = w
kwk2
al cual le llamaremos protección ortogonal del vector u sobre el vector w.
De manera similar, tenemos
hu, w⊥ i
proyw⊥ u = w
kwk2
de manera similar le denominaremos proyección del vector u sobre el ortogonal de w.
Luego podemos generalizar este resultado, dando una definición a esta expresión, vea-
mos ello
Definición 5.3.
Sean u, w dos vectores de R2 con w no nulo, luego la proyección del vector u
sobre el vector w esta dado por la expresión siguiente
hu, wi
proyw u = w
kwk2
Con está definición dada, se tendría en forma simplificada
u = proyw u + proyw⊥ u
Ejemplo 5.11.
Sea w ∈ R2 un vector no nulo. Probar que
proyw (u + v) = proyw u + proyw v

Prueba: La metodología de esta demostración es en forma directa, basta con operar

adecuadamente
hu + v, wi hu, wi hv, wi
proyw (u + v) = 2
w= 2
w+ w = proyw u + proyw v
kwk kwk kwk2
Ejemplo 5.12.
Sean u, w dos vectores en R2 con w 6= 0. Demostrar que para todo t ∈ R se
cumple
proyw (tu) = tproyw u
Prueba: Calculemos
htu, wi
proyw (tu) = w
kwk2
hu, wi
= t w
kwk2
= tproyw u
Componente de un Vector Sobre Otro

Definición 5.4. Sean u, w ∈ R2 con w un vector no nulo, se denomina componente
escalar del vector u en la dirección del vector w, la cual lo denotaremos por compw u y
definido por
hu, wi
compw u =
kwk
En primer lugar, debe notar que la componente de un vector sobre otro, puede ser
cualquier número real es decir positivo, negativo o cero. El hecho que la componente sea
positivo, tendrá una relación con el ángulo que forman dichos vectores.
El valor absoluto de la componente, nos va a indicar la longitud o norma de la pro-

yección de un vector sobre otro, esto quiere decir que
|compw u| = kproyw uk
Demostremos ello
hu, wi
kproyw uk = k wk
kwk2
hu, wi w
= k k
kwk kwk
hu, wi
= | |
kwk
= |compw u|
Podemos también indicar que:
1. Si compw u > 0, entonces se cumple que proyw u w, es decir son paralelos y tienen
dichos vectores el mismo sentido. Esta cualidad es muy importante al momento de
graficar dichos vectores.
2. Si compw u < 0, podemos concluir que proyw u ↑↓ w, es decir dichos vectores, la

proyección y w son paralelos pero de sentido contrario.
Esto es cierto gracias a la ecuación siguiente

w
proyw u = (compw u)
kwk
Ejemplo 5.13.
Determine la proyección ortogonal y la componente del vector u(−3, −4) sobre
w(4, −2)
Prueba: Calculemos en primer lugar la proyección

hu, wi −4 (4, −2) −4 2
proyw u = w= √ √ = ,
kwk2 2 5 2 5 5 5
Ahora con respecto, a la componente se tiene
√
2 5
compw u = − <0
5
luego podemos indicar que
proyw u ↑↓ w
es decir tienen sentidos opuestos. Esto nos lleva a pensar que el ángulo que forman los
vectores u y w es del tipo obtuso, luego se tiene una información más completa la gráfica
de dichos vectores.
Ejemplo 5.14.
Sabiendo que kak = 5, kbk = 3 y compb a = − 52 . Determine la longitud del
vector ka − bk.
Prueba: Veamos, para ello, calculemos el módulo o norma del vector pedido
ka − bk2 = kak2 + kbk2 − 2ha, bi
por otro lado tenemos compb a = − 25 luego
ha, bi 5
=−
kbk 2
por lo tanto, juntando ambas ecuaciones se tiene
ka − bk2 = 49
por lo tanto
ka − bk = 7
Del ejercicio anterior, podemos indicar que se cumple
ka − bk2 = kak2 + kbk2 − 2 compb a kbk
También podemos indicar que
ha, bi
compb a =
kbk
hb, ai
compa b =
kak
ahora como ha, bi = hb, ai, podemos decir que
ha, bi = kbkcompb a = kakcompa b
Ejemplo 5.15.
Sean a, b, c, d ∈ R2 , donde a + b + c + b = 0, ka + bk = x, kck = y 6= 0, kdk = z.
Halle compc d en términos de los escalares x, y, z.
Prueba: Como se tiene que ka + bk = x, de aquí podemos concluir que kc + dk = x,

luego
kc + dk2 = x2
entonces
kck2 + kdk2 + 2hc, di = x2
por lo tanto
x2 − y 2 − z 2
hc, di =
2
Finalmente
hd, ci x2 − y 2 − z 2
compc d = =
kck 2y
Ejemplo 5.16. Sean a, b ∈ R2 vectores no nulos. Sabiendo que se cumple proyb⊥ a =

proya⊥ b, ¿se puede concluir con la ecuación anterior, que a = b?
Prueba: Trabajando con la ecuación dada, nos parece que no llegamos al objetivo, es
decir a = b, esto ya nos indica que busquemos un contraejemplo.
Considere a = (1, 1), b = (2, 2), se deja al lector para verificar que es un contraejemplo
buscado.

1. Demostrar: Sean a, b ∈ R2 vectores no nulos. Sabiendo que se cumple
proya (proyb a) = proyb (proya b)
entonces se tiene que a k b⊥ ∨ a = b
2. Probar que si a es un vector no nulo en R2 , entonces se cumple
compa (a⊥ + b) ≤ kbk
3. Sean u = (k, −2), v = (2k, k + 2) con k ∈ R. Si proyv u y v son paralelos pero con
sentidos opuestos. Determine todos los valores de k que verifique tal situación.
4. Sea r ∈ R+ , a, b ∈ R2 . Probar que compb⊥ a = −comprb a⊥
5. Sabiendo que a, b ∈ R2 , C = proyb (ta) con t ∈ R. Probar hproyc (a + b), b⊥ i = 0.
6. Indicar si la proposición siguiente es verdadera o falsa, con t 6= 0: proytb (ta) = proyb a
5.6. Área de un Paralelogramo

El cálculo de regiones planas es una de las aplicaciones que tiene el producto interno
canónico, sabemos que el área de una región paralepípeda, está dada por medio del pro-
ducto de un lado y la altura con respecto a éste.
Podemos indicar también que con dos vectores que parten de un mismo punto podemos
generar de manera muy natural un paralelogramo, calculemos dicha área en términos de
estos vectores.
Ejemplo 5.17.
−
→
Dada los vectores −
→
a , b ∈ R2 que definen una región paralelepípeda, es decir
forma un paralelogramo. Entonces el área de ella esta dada por
−
→ −
→
A = |h−
→
a , b ⊥ i| = |h−
→
a ⊥ , b i|
Prueba: Se deja para su demostración.
Ejemplo 5.18. Dada un paralelogramo, con vértices A(1, 2), B(3, 5), D(6, 3). Determine
el valor del área de dicho paralelogramo.
→
−
Prueba: Basta notar que → −
a = (3, 5) − (1, 2) = (2, 3) y b = (6, 3) − (1, 2) = (5, 1).
→
−
Porlo tanto se tiene h→
−
a , b ⊥ i = 13, por lo tanto dicha área pedida es 13.
Como consecuencia directa a esta propiedad se tiene el cálculo del área de una región
triangular.
→
−
Ejemplo 5.19. Considere →
−
a b ∈ R2 dos vectores que definen un triángulo, por lo tanto
el valor de su área, esta dada por
→
−
|h→
−
a , b ⊥ i|
A=
2
5.6. ÁREA DE UN PARALELOGRAMO 61
Prueba: Se deja la demostración.
Ejemplo 5.20. Determine el área del 4ABC, sabiendo que A = (3, −2), B = (8, 1) y
C = (5, −4).
Prueba: El área pedida tiene el valor de 8.
Ejemplo 5.21. Sabiendo que el área de la región triangular ABC, es 5, con A = (x +

5, 4), B = (4, 3) y C = (1, −6). Determine el valor de x, sabiendo que x < 0.
Prueba: Respuesta − 16
9
.
6
Introducción al Álgebra Lineal
6.1. Bases de un Espacio Vectorial

Definición 6.1. Sea V un K-espacio vectorial sobre el cuerpo K, u, v, w ∈ V . Diremos
que w ∈ V es una combinación lineal de los vectores u y v si y solo si existen escales
α, β ∈ K de modo que se cumpla
w = αu + βv
Ω
Ahora como nuestro objetivo de esta parte del curso, es trabajar en el espacio cartesiano,
particularizaremos la definición general anterior, al espacio vectorial R2 .
Definición 6.2. Sean u, v ∈ R2 dos vectores y w ∈ R2 . Diremos que w es una combinación

lineal de los vectores u y v si y solo si existe α, β ∈ R de manera que se cumpla
w = αu + βv
Ejemplo 6.1.
Considere w = (1, 2) y u = (3, 4), v = (1, 0), ¿w es combinación lineal de u y
v?
Prueba: Una forma de responder a esta pregunta es resolviendo la ecuación siguiente en

términos de α, β ∈ R
(1, 2) = α(3, 4) + β(1, 0)
63
64 CAPÍTULO 6. INTRODUCCIÓN AL ÁLGEBRA LINEAL
formando un sistema de ecuaciones, se resuelve obteniendo
1 1
α = ,β = −
2 2
luego podemos indicar que sí es una combinación lineal.

Note que al colocar el sistema, no nos asegura que tiene solución.
Ejemplo 6.2.
Considere w = (2, 3) y u = (1, 2), v = (2, 4). Demostrar que w no es combi-
nación lineal de u y v.
Prueba: Esta forma de desarrollo es diferente, utilizaremos el método contradicción, es

decir, supongamos que si es una combinación lineal, luego deberá existir α, β ∈ R de modo
quedar
w = αu + βv
luego se tiene (2, 3) = α(1, 2) + β(2, 4), luego podemos formar el sistema
α + 2β = 2
2α + 4β = 3
el sistema anterior, es incompatible, es decir no tiene solución, por lo tanto entramos a

una contradicción.
Por lo tanto negando, lo supuesto, se tiene que no es w una combinación lineal de u y
v.
Ω
Note que el resultado anterior no significa que u no lo sea también una combinación lineal
entre w y v.
Es claro que esta definición esta dada para dos elementos u y v, pero se puede generalizar
para más elementos, por ejemplo para tres vectores, es decir
Definición 6.3. Sea w un vector en R2 y u1 , u2 , u3 ∈ R2 . Diremos que w es una combi-

nación lineal entre los vectores u1 , u2 , u3 si y solo si existen α, β, γ ∈ R de modo que
w = αu1 + βu2 + γu3

6.1. BASES DE UN ESPACIO VECTORIAL 65
Ejemplo 6.3.
Probar que (1, 2) es una combinación lineal entre los vectores (2, 3), (1, 5) y
(−4, 8)
Prueba: Se deja a cargo esta demostración al estudiante.
Más adelante veremos que si u, v ∈ R2 son vectores no nulos y no paralelos, entonces

B = {u, v} será una base del espacio R2 , esto no llevará a indicar un resultado muy
importante, que cualquier vector w del espacio cartesiano, se puede expresar como una
combinación lineal de u y v, algo más los escalares existentes, deben ser en forma única,
es decir, existen en forma única α, β ∈ R de modo que se cumpla
w = αu + βv
Si consideramos cierta esta cualidad, entonces podemos determinar estos escalares que ya
existen y no olvidemos que se dan en forma única.
Ejemplo 6.4.
Sean u, v dos vectores no nulos y no paralelos del espacio cartesiano vectorial.
Sea w un vector dada en forma arbitraria luego
w = αu + βv
hw,v ⊥ i hw,u⊥ i
donde α = hu,v ⊥ i
y también β = hv,u⊥ i
Prueba: Calculamos hw, v ⊥ i = hαu + βv, v ⊥ i, por lo tanto hw, v ⊥ i = αhu, v ⊥ i, ahora
como son vectores no paralelos, es decir
u∦v
entonces se tiene
u 6 ⊥v ⊥
por lo tanto despejando α se obtiene
hw, v ⊥ i
α=
hu, v ⊥ i
de manera similar se despeja el valor de β, es necesario realizarlo, para su desarrollo

demostrativo, pensando en cada uno de los pasos que se está dando. Luego
hw, u⊥ i
β=
hv, u⊥ i
A continuación daremos un ejemplo sobre esta técnica de calculo por medio de la

propiedad dada anteriormente.
Ejemplo 6.5.
Considere w = (1, 2) y u = (3, 4), v = (1, 0). Determine α, β de modo que
w = αu + βv
Prueba: Hallando α :
hw, v ⊥ i 2 1
α= = =
hu, v ⊥ i 4 2
de la misma manera vamos a determinar el valor de β
hw, u⊥ i 2 1
β= ⊥
= =−
hv, u i −4 2
Una de las definiciones importantes del álgebra lineal, es la independencia lineal, a con-
tinuación daremos la definción para cualquier espacio vectorial, para luego particularizarlo
al espacio R2 .
Definición 6.4.
Sea V un espacio vectorial y u, v ∈ V . Diremos que u y v son vectores lineal-
mente independiente (li) si y solo si [αu + βv = 0 =⇒ α = β = 0]
Esto nos quiere indicar que la única forma de expresar dichos vectores como combina-
ción lineal del vector nulo, es con escalares nulos.
Ejemplo 6.6.
Si u o v es un vector nulo, entonces probar que son vectores no linealmente
independiente.
Prueba: En el caso que u = 0, entonces se puede expresar
1u + 0v = 0
por lo tanto no implica que ambos escalares sean nulos. Luego no son l.i.
Ejemplo 6.7.
Probar: Sabiendo que u y v son vectores paralelos (u k v) en el espacio
vectorial real R2 , implica que no es linealmente independiente (l.i).
Prueba: Por hipótesis tenemos existe λ ∈ R, u = λv, por lo tanto
1u + (−λ)v = 0
por lo tanto hemos encontrado una combinación lineal nula, con coeficientes no todos
nulos. Luego por definición u y v no son linealmente independiente.
Así, por ejemplo, tenemos u = (1, 2), v = (−2, −4), como u k v, luego por el teorema
anterior se tiene que u y v no son l.i
Ejemplo 6.8.
Demostrar que u = (1, 2), v = (3, 1) son vectores en el espacio real R2 , l.i.
Prueba: Para demostrar que son l.i. procederemos por definición, colocando la ecuación
en a y b
au + bv = 0
a continuación lo resolvemos y tenemos que encontrar una única solución para dichos
escalares
a=b=0
por lo tanto, se tiene a(1, 2)+b(3, 1) = (0, 0) = 0. La ecuación anterior se transforma

en un sistema
a + 3b = 0
2a + b = 0
por lo tanto, se tiene resolviendo dicho sistema a = b = 0.

Por lo tanto podemos concluir que son l.i.
En este punto, podemos generalizar para tres o mas vectores el hecho de ser l.i. se deja
al lector esta generalización.
Claro que con esta idea podemos proceder a definir el término l.i para un número finito
de vectores en un espacio vectorial cualquiera.
Definición 6.5. Sea V un espacio vectorial sobre un cuerpo K, y v1 , v2 , . . . , vn ∈ V para

algún n ∈ N. Diremos que v1 , v2 , . . . , vn son vectores l.i si y solo si, λ1 v1 +λ2 v2 +· · ·+λvn =
0, podemos implicar que
λ1 = λ2 = · · · = λn = 0
Ejemplo 6.9.
Sea V un espacio vectorial sobre un cuerpo K, considere D ⊂ V un subcon-
junto no vacío de V .
Definir lo que significaría que D es un conjunto l.i en V sobre el cuerpo K.
Prueba: Se deja al estudiante, la búsqueda de tal definción, considerando que hasta

ahora se tiene definido el término l.i para dos, tres o un número finito de elementos, pero
no para un conjunto arbitrario que podría ser infinito. Se sugiere en primer lugar intuir
como podría ser tal definción.
Para no estar diciendo continuamente que no es l.i, cambiaremos este lenguaje de

negación, por la expresión que van a ser linealmente dependiente (l.d).
Definición 6.6. Sea V un espacio vectorial y v1 , v2 , . . . , vn ∈ V donde n ∈ N. Diremos

que v1 , v2 , . . . , vn son vectores linealmente dependiente (l.d) si y solo si v1 , v2 , . . . , vn no
son l.i.
No debe sorprender al estudiante que comienza en este camino de las matemáticas,

definiciones como la anterior, obtenidas a partir de la negación de otras, este argumento
matemático se utilizará en todo su desarrollo.
Podemos luego indicar que van a ser l.d., si podemos encontrar una combinación lineal
nula, de tales vectores, con escalares no todos nulos.
Como en este material, estamos apuntando no solo a la generalización de las defini-

ciones, sino trasladar todas ellas el espacio vectorial R2 , podemos indicar en el siguiente
ejercicio, una de las cualidades de este espacio.
Ejemplo 6.10.
Probar que tres vectores en R2 nunca es l.i, es decir necesariamente es l.d.
Prueba: Tomemos tres vectores arbitrarios en este espacio u, v, w ∈ R2 podemos en este

punto, considerar.
Si alguno de los vectores es nulo, entonces se tiene que son l.d.
Si algún para de vectores de los tres dados son paralelos (ejemplo ukv), luego por un
proceso conocido, serán l.d.
Finalmente, si dichos vectores son no nulos y no paralelos dos a dos, en particular para u
y v, por un ejercicio anteriormente visto, se tiene que existen dos escalares α y β ∈ R de
modo que se cumpla
w = αu + βv
de aquí se obtiene una combinación nulo de dichos vectores con coeficiente no todos nulos
1w + (−α)u + (−β)v = 0
por lo tanto dichos vectores obligatoriamente son l.d.
Ejemplo 6.11.
Probar que dos vectores no son paralelos en R2 si y solo si dichos vectores son
l.i.
Prueba: Verificar.
Tres cosas son importantes en esta última parte de este material: El término lineal-
mente independiente, conjunto generador de un espacio vectorial y finalmente Base de
un espacio vectorial, esperando que estas tres definiciones podamos reflexionarlos, inver-
tir tiempo en discutir esos conceptos, pensar como seria la negación de las mismas, dar
ejemplos de conjuntos finitos e infinitos que cumplan estas tres cualidades, dado un es-
pacio vectorial, poder determinar una base para él, ya que se tiene por cierto que todo
espacio vectorial, cualquiera que sea tiene Base y no necesariamente esta es única, pero
si son biyectables. Definiremos a continuación lo que significa un conjunto en un espacio
vectorial, que esté generado por vectores.
Definición 6.7. Sea V un espacio vectorial y L ⊂ V un subconjunto no vacío en dicho

espacio. Denotaremos por
£{L} = {w ∈ V : existen λ1 , λ2 , . . . , λn ∈ K, v1 , v2 , . . . , vn ∈ L, n ∈ N,
w = λ1 v1 + · · · + λn vn }
diremos que es un conjunto generado por los elementos de L o por el conjunto L.
Podemos indicar, que cada elemento del conjunto £{L}, es una combinación lineal de
los elementos del conjunto L.
El el curso del Álgebra Lineal, veremos que este conjunto formado por todas las combi-
naciones lineal de los elementos de L, van a formar en sí mismo, un espacio vectorial, y
como esta dentro de otro espacio vectorial L ⊂ V , vamos a indicar en su tiempo, ya que
todo tiene su tiempo, tiempo para ganar, tiempo para perder, ya que escrito está, diremos
que £{L} es un subespacio de V .
En forma muy especial, si el conjunto de estos generadores logra ser o alcanzar o
igualarse al espacio V , diremos que L es un conjunto generador de dicho espacio vectorial.
Confirmaremos esto, sellándolo en una definicón.
Definición 6.8. Sea V un K-espacio vectorial y L ⊂ V no vacío. Diremos que L es un

generador del espacio V si y solo si
£{L} = V
Esto nos está indicando que cualquier elemento del espacio vectorial V , se puede
expresar no necesariamente en forma única, como combinación lineal de los elementos de
L.
Ejemplo 6.12.
Probar que el espacio vectorial R2 , puede ser generado por dos elementos.
Prueba: Claro está que basta encontrar un par de elementos que logren generarlos. Para
ello consideremos a los vectores
e1 = (1, 0), e2 = (0, 1)
llamado los vectores canónicos de este espacio. Más adelante trabajará en el espacio R3 ,
allí se detallaran como en paralelo estas definiciones y aparecerán otras nuevas.
Podemos afirmar que £{e1 , e2 } = R2 (estamos utilizando una notación simplificada ya que
debería haber dos paréntesis).
Ejemplo 6.13.
Considere u ∈ R2 no nulo. Probar que {u, u⊥ } es un generado del espacio
vectorial R2 .
Prueba: Debe notarse que dichos vectores son no nulos y no paralelos, luego por un resul-
tado anteriormente visto, cualquier elemento w del espacio vectorial R2 , se puede expresar
como combinación lineal de dicho par de vectores, lo cual es justo lo que necesitamos.
Notará el estudiante, como se va armando la teoría de algún tema matemático, por

medio secuenciales de definiciones, teoremas, propiedades, lemas, corolarios y se deducen
uno seguido del otro, en una dependencia, formando así como una malla de definiciones
y deducciones que se derivan de ellas.
Ejemplo 6.14.
Demostrar que {(3, 4), (1, 2)} genera a R2 .
Prueba: Se deja al lector.
Ejemplo 6.15.
Demostrar que {(3, 4), (1, 2), (1, 9)} genera a R2 .
Prueba: Se deja al estudiante.

Este resultado me indica que si tenemos un conjunto generador de un espacio, podemos
agregarle más vectores y siguen teniendo esta misma cualidad de ser generador, no pierde
esta virtud.
Claro está que teniendo un conjunto de generadores, si le quitamos un elemento, puede
ser que no lo genere.
Ejemplo 6.16.
Demostrar que {(1, 2), (2, 4)} no genera a R2 .
Prueba: La demostración de este ejercicio es importante ya que aparece una técnica de

demostración que a lo largo de la formación aparece continuamente. Supongamos que sí
lo genera, es decir, estamos ingresando a la demostración por contradicción, luego como
(2, 1) ∈ R2 , existe por la suposición hecha λ, β ∈ R tal que
(2, 1) = λ(1, 2) + β(2, 4)
pero esto va a generar un sistema de dos ecuaciones con dos incógnitas, que van a ser
incompatibles (detallar), es decir se entra a un proceso de contradicción, luego debemos
negar lo supuesto, es decir {(1, 2), (2, 4)} no genera a R2 .
Ahora daremos casí la última definción de este material, el de ser Base de un espacio
vectorial, este concepto está dependiendo de los dos dados anteriormente, el hecho de ser
l.i y generador.
Definición 6.9. Sea V un K-espacio vectorial y B ⊂ V . Diremos que B es una Base del
espacio vectorial V si y solo si cumple con dos axiomas
1. B es l.i.
2. B genera al espacio V , es decir £{B}
Ejemplo 6.17.
Probar que B = {(1, 2), (2, 6)} es una Base del espacio R2 .
Prueba: Es necesario demostrarlo en dos partes, primero probar que B = {(1, 2), (2, 6)}
es un conjunto generador, luego B = {(1, 2), (2, 6)} que es l.i. o también en forma contra-
ria, primero que es l.i., luego lo generá.
Se deja al estudiante para su verificación.
Ejemplo 6.18.
¿{(1, 3), (−2, −6)} es una base para el espacio R2 ?
Prueba: Si crees que si lo es, se debe probar verificando los dos axiomas, pero si no lo
es, se debe buscar el que no cumpla con alguno de ellos, para nuestro caso no es l.i, ya
que
2(1, 3) + 1(−2, −6) = (0, 0)
y esto es suficiente, basta y sobra negar uno de ellos, luego, no es Base.
Se debe notar que dicho conjunto tampoco es un generador (ver), esto no se da siempre,
para cualquier conjunto en un espacio que tengamos por cierto que no es Base. Como el
siguiente ejercicio.
Ejemplo 6.19.
Demostrar que {(1, 4), (2, 3), (3, 8))} no es una Base en el espacio R2
Prueba: Se nota, que no es l.i, pero si es un conjunto que lo genera.
Ejemplo 6.20.
Toda Base del espacio vectorial R2 tiene exactamente dos elementos.
Prueba: Primero probaremos la existencia, es decir tenemos que mostrar una Base que
tenga dos elementos, para ello tomemos lo anteriormente demostrado, la Base canónica,
es decir {e1 , e2 } es una Base del espacio R2 .
A continuación veremos acerca de la unicidad del número de elementos de las Bases.
Supongamos que exista una base de un solo elemento v = (a, b), es decir B = {v} es una
Base por suposición del espacio R2 , ahora debemos obtener la contradicción.
Si a = 0, se demuestra que w = (1, 2) 6= £{B} = £{v}, luego este caso no se puede dar.
Luego es otro caso, es decir si a 6= 0, como w = (a, b + 1) ∈ R2 , existe λ ∈ R tal que
w = λv
es decir
(a, b + 1) = λ(a, b)
se trabaja con esta ecuación y se obtiene o deduce una contradicción, ver.

Como conclusión una Base de un solo elemento no puede darse.
Supongamos que exista una Base con más de dos elementos. Sean u1 , u2 , u3 tres elementos
distintos de dicha Base que existe por suposición, como u1 , u2 son vectores no nulos y no
paralelos, ya que si fuesen alguno de ellos con estas características ya no sería Base. Luego
por un ejercicio realizado anteriormente se tiene que
u3 = αu1 + βu2
con lo cual resulta que no sería l.i., luego esto no se puede dar.
Esto significa que más de dos elementos no puede contener una Base en R2 .
Por lo tanto como está garantizada su existencia, no queda otro caso que considerar que
dicha Base tenga dos elementos.
Gracias a este teorema, podemos darle un nombre especial a este único número, le
denominaremos Dimensión del espacio vectorial y lo denotaremos por
dim(R2 ) = 2

1. Sabiendo que v1 , v2 son vectores l.i en un espacio general V . Probar que (v1 + v2 ) y
v2 son l.i.
2. Sabiendo que se cumple v1 + v2 y v2 son l.i en un espacio vectorial V . ¿Los vectores

v1 y v2 son l.i?
3. Si consideremos el espacio vectorial V = {(x, y) ∈ R2 : 2x − y = 0}. Determine una

Base para dicho espacio.
Note que no se trata de todo el espacio R2 .
4. Probar que {(1, j), (1, j + 1)} donde j ∈ N = {1, 2, 3, . . .} es una base de R2 .
Nota: con este ejercicio se ha demostrado que existen infinitas Bases para el espacio
euclideano.
5. Sea v = (1, 2), graficar el espacio V = {u ∈ R2 : hu, vi = 0}.

6. Considere v = (1, 2). Determine una Base para el espacio vectorial V = {u ∈ R2 :

hu, vi = 0}.
7. Sabiendo que v1 , v2 ∈ R2 con hu, vi = 0. Probar que {v1 , v2 } es un conjunto l.i.
8. Sabiendo que (a, b) y (c, d) son dos vectores en R2 , serán l.i si y solo si se cumple
ad − bc 6= 0.
9. Determine todos los números reales t ∈ R, para los cuales (1 + t, 1 − t) y (1 − t, 1 + t)

son vectores l.i.
10. Dado el conjunto M = {(1, 2), (2, −4), (2, −3), (1, −2)} de pares ordenados. Encon-
trar subconjuntos no vacíos se M , de modo que sean cada uno ellos l.i.
11. Sabiendo que {u, v} es una Base para R2 y λ 6= 0. Demostrar que {u + λv, v} es
también una Base.
12. Sabiendo que v1 , v2 , . . . , vm son vectores l.i en un espacio V (no necesariamente R2 ).

Probar que
{v1 , v2 − v1 , v3 − v1 , . . . , vm − v1 }
es también un conjunto l.i en V sobre un cuerpo K arbitrario.
13. Sean u, v ∈ R2 l.i, ¿los vectores proyv⊥ u, proyu v ⊥ son l.i?
14. Determine el espacio generado por los vectores u = (1, 1) y v = (−2, 3).
15. Determine el espacio que generan los vectores u = (2, 3) y (−4, −6).
16. Sean {u, v} dos vectores no nulos de R2 . Demostrar que {u⊥ , proyv u} es l.i si y solo
si u y b no son ortogonales.
17. Dados los vectores no nulos y no paralelos u, v ∈ R2 . Demostrar que u + v y u − v

son l.i.
18. Sean u, v ∈ R2 dos vectores. Demostrar {u, v} son l.i si y solo si {u, v} es generador
de R2 .
19. Sabiendo que S es un subconjunto no vacío de un espacio arbitrario V . Si S es un

conjunto l.i. Probar que cualquier subconjunto no vacío de S es también l.i.
20. Dado un espacio V y B = {u, v, w} una Base de V . Demostrar que {u+v, u+w, v+w}
es una Base del espacio V .
Observación: No necesariamente V tiene que tratarse como R2 , se está considerando
un espacio arbitrario.
21. Considere la notación siguiente: Si M es un subconjunto no vacío del espacio vec-

torial V , denotaremos al espacio generado por M , mediante < M >. (2, 5) ∈<
{(2, 3), (4, 6)} >?
22. Encontrar una Base del espacio de todas las matrices de orden 2 × 2 con entradas
en los reales.
Obserbación: se notará que la dimensión de este espacio es 4, es decir dimM2 = 4.
23. Definamos: Sean V1 , V2 ⊂ V subconjuntos no vacíos de un espacio V . Se define la

suma de V1 y V2 así
V1 + V2 = {u + v : u ∈ V1 , v ∈ V2 }
Considere los conjuntos L1 = {λ(1, 2) : λ ∈ R} y L2 = {β(1, 3) : β ∈ R}.

Probar que se cumple L1 + L2 = R2 .
24. Sabiendo que en un espacio vectorial V , S = {u, v, w} es l.d en V . Demostrar que

{u, v, w, h} ⊂ V es también un conjunto l.d.
25. Sean u, v y w tres vectores l.i en un espacio V . Demostrar que u+v, u−v y u−2v +w
también son l.i.
26. Sean L1 y L2 dos subconjuntos l.i, no vacíos de un espacio V . ¿La unión L1 ∪ L2 de

dichos conjuntos, es también un conjunto l.i en V ?
6.3. PROBLEMAS RESUELTOS 77
6.3. Problemas resueltos

1. Sea A 6= ∅ un subconjunto de un espacio vectorial V con producto interno (p.i) en
V . Sabiendo que
A⊥ = {u ∈ V : hu, vi = 0, ∀v ∈ A}
Probar que A⊥ es un espacio vectorial o lo que se conoce también como subespacio

vectorial de V .
Prueba: Como para cualquier u ∈ V ⊥ se cumple que h0, ui = 0, luego se tiene
0∈V⊥
por lo tanto el conjunto V ⊥ es un conjunto no vacío.

Por otro lado, dado dos elementos arbitrarios u1 , u2 ∈ V ⊥ , se tiene que
∀v ∈ A : hu1 , vi = 0, hu2 , vi = 0
por lo tanto se demuestra que
∀v ∈ A : hu1 + u2 , vi = 0
por lo tanto, se tiene u1 + u2 ∈ V ⊥ .

De manera similar se tiene la asociatividad, es decir
∀u1 , u2 , u3 ∈ V ⊥ : (u1 + u2 ) + u3 = u1 + (u2 + u3 )
también se tiene la conmutatividad de la adición en V ⊥ , es decir
∀u1 , u2 ∈ V ⊥ : u1 + u2 = u2 + u1
La existencia del elemento nulo, está garantizada, en el sentido que dicho elemento
debe coincidir con el elemento nulo del espacio V , y como ya se tiene que 0 ∈ V ⊥ ,
este es el elemento buscado.
Ahora con respecto al opuesto aditivo, considere u ∈ V ⊥ totalmente arbitrario, luego
se tiene
∀v ∈ A : hu, vi = 0
ahora calculemos, para cualquier elemento del conjunto v ∈ A
h−u, vi = −hu, vi = −0 = 0
por lo tanto −u ∈ V ⊥ .
Ahora nos enfrentamos al producto por un escalar, considere λ ∈ R arbitrario (o en
su lugar un cuerpo K), y u ∈ A⊥ , v ∈ A calculemos
hλu, vi = λhu, vi = λ0 = 0
por lo tanto se tiene λu ∈ V ⊥ .

Finalmente, solo resta detallar los axiomas λ, β ∈ R, v ∈ A, u1 , u2 ∈ V ⊥
(λβ)u1 = λ(βu1 )
(λ + β)u1 = λu1 + βu1
λ(u1 + u2 ) = λu1 + λu2
1u1 = u1
por lo tanto, se tiene demostrado que V ⊥ es un espacio vectorial.
2. Considere el conjunto unitario A = {(1, 2)} . Determine el espacio vectorial A⊥

llamado también, conjunto ortogonal de A.
Prueba: Como se tiene h(1, 2), (−2, 1)i = 0 con el producto interno canónico, lue-
go intuimos (la cual es una cualidad importante a desarrollar) que el conjunto B
definido por
B = {λ(−2, 1) : λ ∈ R}
es el conjunto que buscamos, es decir V ⊥ = B.
¿Cómo demostramos una igualdad entre conjuntos?, de una manera muy natural,
por doble inclusión, veamos ello
Sea w = (x, y) ∈ V ⊥ arbitrariamente tomado, luego debe cumplir que
h(x, y), (1, 2)i = 0

6.3. PROBLEMAS RESUELTOS 79
luego x + 2y = 0 por lo tanto x = −2y, por otro lado como w = (x, y) = (−2y, y) =
y(−2, 1), se tiene por definición del conjunto B que
w∈B
Ahora, la otra inclusión, sea w ∈ B arbitrario, luego existe β ∈ R de modo que
w = β(−2, 1)
ahora calculemos
hw, (1, 2)i = hβ(−2, 1), (1, 2)i = βh(−2, 1), (1, 2)i = β.0 = 0
por lo tanto w ∈ V ⊥ .
3. Considere el conjunto con dos elementos A = {(−1, 3), (1, 2)}. ¿Cuáles son los
elementos del subespacio B ⊥ ?
Prueba: Parece ser, que la ortogonal del conjunto A es el espacio nulo, esto es
Afirmamos: A⊥ = {(0, 0)}
Veamos: Sea w = (a, b) ∈ A⊥ un elemento arbitrario, luego h(a, b), (−1, 3)i = 0 es
decir
−a + 3b = 0
por otro lado, se tiene h(a, b), (1, 2)i = 0, luego
a + 2b = 0
resolviendo ambas ecuaciones lineales, se tiene que w = (a, b) = (0, 0), por lo tanto
w ∈ {(0, 0)}.
Recíprocamente, es claro que (0, 0) ∈ A⊥ .
7
Problemas Variados
7.1. Problemas Propuestos Finales
1. Pruebe que el elemento nulo, en un espacio vectorial es único.
2. Demuestre la unicidad del elemento opuesto en un espacio vectorial.
3. Sea V un espacio vectorial, donde u, v, w ∈ V y α ∈ R. Demuestre que
a) w + u = w + v =⇒ u = v
b) 0.u = 0
c) α.0 = 0
d ) (−1)u = −u
4. Con las operaciones usuales en R2 , indique cuál de los siguientes conjuntos pueden
ser considerados un espacio vectorial real.
a) {(x, y) ∈ R2 : x = 0 ∨ y = 0}
b) {(x, y) ∈ R2 : xy = 0}
c) {(x, y) ∈ R2 : ax + by = 0}
5. Si se considera M = {(x, y) ∈ R2 : x − y ∈ Z} juntamente con las operaciones

triviales en R2 .
¿M puede ser considerado un espacio vectorial real?
81
82 CAPÍTULO 7. PROBLEMAS VARIADOS
√
6. Sea ABC un triángulo equilátero con centro en el punto (1, 1) y el vértice A(2, 3 +
1).
Determine las coordenadas de los otros dos vértices del triángulo.
7. Considere ABCD los vértices de un cuadrado, con centro (2, 2) y A(4, 6). Calcule
los vértices restantes del cuadrado.
8. Considere el conjunto A = {(2, −4)}. Determine el espacio vectorial A⊥ .
9. Sabiendo que B = {(0, 0)}. ¿Cuales son los elementos del conjunto B ⊥ ?
10. Si A = {(3, 4)}. Probar que (A⊥ )⊥ = {λ(3, 4) : λ ∈ R}.
11. Probar que en el espacio vectorial R2 , se cumple
a) u + (u⊥ )⊥ = 0
b) hu, v ⊥ i + hu⊥ , vi = 0
12. Sabiendo que a, b son vectores paralelos no nulos y a = (3, 4). Si ka + bk = kakkbk.
Determine el valor de (a + b)⊥ .
13. Demostrar que
a) (a + b)⊥ = a⊥ + b⊥ .
b) ha, b⊥ i = −ha⊥ , bi
c) ha⊥ , b⊥ i = ha, bi
d ) (ra)⊥ = ra⊥
14. Demostrar que si u, v son vectores paralelos en R2 , entonces |hu, vi = kukkvk
15. Sabiendo que d = b + c en R2 y b es paralelo al vector a. Probar que d k a si y solo

si c k a.
16. Determine el valor mínimo de la norma de v, es decir kvk, sabiendo que se cumple
con
v = (3x − 1, x − 2), x ∈ R
7.1. PROBLEMAS PROPUESTOS FINALES 83
17. Demostrar que el vector hu, wiv − hu, viw es un vector ortogonal al vector u.
18. Sean u, v ∈ R2 dos vectores, sabiendo que se cumple con (u+v)⊥(u−v) y 2u⊥ −v =
2v ⊥ − u.
¿Qué se puede afirmar de los vectores u y v?
19. Sean u, v ∈ R2 . Demostrar que se cumple ku⊥ + vk = ku − b⊥ k.

→
−
20. Sabiendo que se cumple con →
−
a , b ∈ R2 vectores no nulos.
→
− →
− →
−
Demostrar que si →
−a⊥+ b =→ −
a + b ⊥ , entonces →
−
a = b.
21. Determinar todos los vectores reales x, de modo que se cumpla con
(x4 − 5x3 + 5x2 − x − 3, 8x − 4) k (−6, 8)
22. Demostrar que en un triángulo isósceles, la altura y la mediana relativa al lado

desigual, tienen la misma longitud.
23. Sabiendo que se cumple con u + v + w = (0, 0) y kuk = 2, kvk = 5, kwk = 6.

Determine el valor de hu, vi
24. Demostrar que las diagonales de un paralelogramo ABCD, se bisecan entre sí.
25. Mostrar que si u y v son dos vectores en el espacio euclidiano con kuk = kvk. Probar
que los vectores u + v y u − v son ortogonales.
¿lo recíproco es cierto?
26. Considere P, Q ∈ R2 dos vectores, con P no nulo. Demostrar que el vector Q− hP,Qi
kP k2
P
es un vector ortogonal al vector P .
27. Sobre el lado AB de un cuadrado ABCD, se construye un triángulo equilátero ABE,

sabiendo que A = (4, 9), B = (12, 3). Determinar el valor de K = DE + CA.
28. Descomponer el vector P = (5, 5) en dos vectores B y C de modo que B es paralelo

al vector (−3, 2) y C es ortogonal al vector (4, 2).
29. Demostrar que la mediana en un trapecio es paralela a las bases y tiene por longitud
la semisuma de las longitudes de sus dos bases.
30. Sean u, v ∈ R2 dos vectores no nulos. Sabiendo que u y v son vectores no paralelos.
Pruebe que
au + bv = 0 ⇐⇒ a = b = 0
31. Sean u, v ∈ R2 vectores no nulos y u//v. Pruebe que no existen a, b ∈ R tal que
u⊥ = au + bv.
32. Expresar (0, −4) como combinación lineal de (1, 3) y (2, 4).
33. Un alumno al realizar su exámen final, hace la siguiente conjetura: Sean u, v, w ∈ R2 ,

si
hu, vi = hu, wi, u 6= 0 =⇒ v = w
¿Considera cierto esta afirmación?
34. Probar que si ∀u ∈ R2 , hw, vi = 0, entonces w = 0.
35. Sean u, v ∈ R2 no nulos y no paralelos. Probar que existe en forma única un vector
w ∈ R2 , tal que hu, wi = hv, wi = 0.
36. Sea u = (3, 4) un vector en R2 , determine un vector v ∈ R2 tal que se cumpla con
a) kvk = 2
b) hv, ui = 6
37. Considere los puntos A = (1, 2), C = (−4, 3). Encontrar un punto B ∈ R2 de modo
que el 4ABC sea rectángulo, recto en B.
38. Demostrar la verdad de las siguientes afirmaciones
P1 : Si A es ortogonal a B, entonces kA + xBk ≥ kAk, ∀x ∈ R
P2 : Si kA + xBk ≥ kAk, ∀x ∈ R, entonces A es ortogonal al vector B.
39. Sean A, B, C ∈ R2 vectores no nulos. Si el ángulo que forman A y C es igual al que

forman C y B. Probar que C es ortogonal al vector kBkA − kAkB.
¿Será verdadero lo recíproco?
40. Determine la longitud de la altura del 4ABC trazada desde el vértice A = (3, −2),
donde B = (8, 1) y C = (5, −4).
41. Considere los puntos A = (x + 5, 4), B = (4, 3) y C = (1, −6) del plano cartesiano.
Determine el valor positivo de x, sabiendo que el valor del área del 4ABC es 5.
42. Considere los puntos A = (−1, 2), B = (1, 4), C = (b + 1, 3) y D = (6, 8). Sabiendo
que se cumple
Area(4ABC) = 2Area(4ABD)
determine el valor de b, sabiendo que el punto C pertenece al segundo cuadrante

(C ∈ IIC).
43. Determine los vectores a y b en R2 , de manera que se cumpla con las condiciones
siguientes
a) a + b⊥ = (−1, 5)
b) (a⊥ + b)⊥(−5, 3)
c) (a + b) k (1, −1)
44. En un rectángulo ABCD de área 36, donde A = (−1, 6), B = (2, 3). Sabiendo que
AC k (3, 1), DB⊥(−3, 1).
Determine los vértices C y D.
45. Sabiendo que A = (x2 − 9, −x), B = (1 − x, x2 − 8), P = (2x2 − 1, x − 5). Si

−→ −−→
AP + 3P B = (0, 0).
Determine el valor del área del 4ABO, donde O = (0, 0).
46. Dado el punto A = (−1, 6) es uno de los vértices de un cuadrado ABCD cuyo centro
es el punto P = (− 23 , 52 ).
Determinar los otros vértices de dicho cuadrado.
47. Sabiendo que a, b ∈ R2 vectores no nulos. Demostrar que si proya (proyb a) =

proyb (proya b), entonces a k b⊥ o kak = kbk.
−→ −−→ −→
48. Sea ABC un triángulo equilátero. Si AB + mHB = nAC, donde H es el punto de
1
intersección de las tres alturas. Determine el valor de m
+ n1 .
−−→
49. Considere un triángulo ABC recto en A, con C = (2, 7), BC = (−8, 4). Sabiendo
−→
que P es punto medio de BC y proy− → AP = (3, 1). Determine el punto A.
AB
50. Sea ABC un triángulo, si se sabe que M = (1, 9), N = (6, 2) son los puntos medios
−→ −→
de los lados AB y BC respectivamente. Si AB k (1, 1) y proy− −→ AB = 8 (3, −1).
AN 5
Hallar los vértices del 4ABC.
51. Sea v = (1, 2), considere V = {u ∈ R2 : hu, vi = 0}. Determine la dimensión del
espacio vectorial V , es decir dim(V ).
52. Sean a ∈ K y V un K-espacio vectorial. Definimos: a + V = {a + v : v ∈ V }.

Demostrar que a + V es un espacio vectorial si y solo si a = 0.
53. Sean u = (1, 2) y a = 3. Encontrar un vector w, de modo que hw, ui = a.
54. Sean u = (2, 4), v = (5, −1). Encontrar un vector w ∈ R2 tal que
hu, wi = 2 ∧ hv, wi = 1
55. Sean v1 , v2 , . . . , vn vectores no nulos y mutuamente ortogonales (es decir hvi , vj i =

0, i 6= j).
Probar que ellos son l.i.
56. En V = R2 y u = (x1 , x2 ), v = (y1 , y2 ), considerando el p.i
hu, vi = 2x1 y1 + 3(x1 y2 + x2 y1 ) + 5x2 y2
Encontrar dos vectores ortogonales.
57. En V = R2 y u = (x1 , x2 ), v = (y1 , y2 ), considerando el p.i
hu, vi = 2x1 y1 + x2 y1 + x1 y2 + 3x2 y2
Dada el triángulo 4ABC, con A = (1, 2), B = (−2, 1), C = (0, 0).
−→
a) Determine la longitud del vector AB, utilizando para ello la norma inducida
por el p.i dado.
b) Determine el área del triángulo ABC, utilizando el producto interno canónico.

58. Considere R, como Q-espacio vectorial.

√
a) Probar que v = 2 es l.i.
b) Probar que v = 1 y u = 2 es l.d.

√
c) ¿1 y 2 son vectores l.i?
59. Sabiendo que {u1 , u2 , . . . , un } son vectores l.i y a1 , a2 , . . . , an ∈ K elementos no nulos

de un cuerpo.
Probar que a1 u1 , a2 u2 , . . . , an un son l.i.
60. Sea v 6= 0 y u 6∈ £({v}). Probar que {v, u} es un conjunto l.i.
61. Sean V1 y V2 dos K-espacios vectoriales , f : V1 → V2 una función que cumple con
(i) f (u + v) = f (u) + f (v), ∀u, v ∈ V1
(ii) f (λu) = λf (u), ∀λ ∈ K, u ∈ V1
Probar que
a) f (0) = 0
b) ∀u, v, w ∈ V1 , f (u + v + w) = f (u) + f (v) + f (w)
c) Si u1 , u2 , u3 son vectores l.i en V1 , probar que f (u1 ), f (u2 ), f (u3 ) son vectores
l.i en V2 .
observación: Una función f : V1 → V2 que cumple con las dos condiciones (i), (ii)
dadas del ejercicio, le llamaremos una transformación lineal.
62. Sea f : V → W una transformación lineal del espacio V en el espacio vectorial W .

Sabiendo que f es sobreyectiva y {u1 , u2 , . . . , um } un conjunto generador del espacio
V.
Probar que {f (u1 ), . . . , f (um )} es un generador de W .
63. Considere la función f : R2 → R2 definida por
f (x, y) = (x + 3y, x + 2y)
Probar que f es una transformación lineal.

64. Sea φ : V → W una transformación lineal entre los espacios vectoriales V en W .

Sabiendo que φ es una función biyectiva.
Probar {v1 , v2 , . . . , vm } es Base del espacio V si y solo si {φ(v1 ), . . . , φ(vm )} es una
Base de W .
65. Los vectores u y v forman un ángulo de 60◦ , se sabe además que kuk = 5, kvk = 8.
Determine ku + vk y ku − vk.
66. Considerando V = R2 , definimos dos operaciones
(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 + 1, y1 + y2 + 1)
λ.(x, y) = (λx, λy)
Probar que V juntamente con estas operaciones no es un R-espacio vectorial.
67. Considerando V = R2 , definimos dos operaciones
(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 + 1, y1 + y2 + 1)
λ.(x, y) = (λ + λx − 1, λ + λy − 1)
Probar que V juntamente con estas operaciones es un R-espacio vectorial.
68. Considere W = {(x, y) ∈ R2 : y = 2x}. Probar
a) W ∩ W ⊥ = ∅.
b) W + W ⊥ = R2
69. Sean V y W dos espacios vectoriales en R2 . Diremos que V es ortogonal a W (V ⊥W )

si y solo si ∀v ∈ V, w ∈ W : hv, wi = 0.
Considere el espacio vectorial V = {u ∈ R2 : hu, vi = 0} con v = (1, 3).
Encontrar un espacio vectorial W ⊂ R2 de modo que se cumpla que
V ⊥W
√
70. Demostrar que el triángulo ABC, con A = (0, 0), B = (a, b) y C = 21 (a + b 3, 12 b −
√
a 3), forma un equilátero.(ver figura 7.1 )
A C
Figura 7.1: Triángulo ABC
71. Encontrar el área del triángulo cuyos vértices son P1 = (x1 , y1 ), P2 = (x2 , y2 ) y el
origen del sistema O = (0, 0).
72. Los vértices de un triángulo están dados por (2, 7), (5, 1) y (x, 3). Sabiendo que el
área de dicho triángulo es 21. Determine el valor adecuado de x.
73. Demostrar que la condición necesaria y suficiente para que tres puntos A, B y C
estén alineados, es que existan tres números a, b y c todos no nulos, de modo que se
cumpla a + b + c = 0 y
−→ −−→ −→
aOA + bOB + cOC = (0, 0)
74. Considere P (x1 , y1 ), Q(x2 , y2 ) dos puntos del plano cartesiano. Demuestre que el
x1 + x2 y 1 + y 2
punto medio de P Q esta dado por M = ( , ).
2 2
75. Encontrar el área de la circunferencia circunscrita al 4ABC donde

A(8, 6), B(−3, 3), C(1, −1) (ver figura 7.2)
76. Demuestre que los puntos A(−5, 6), B(−1, 3) y C(7, −3) son colineales, es decir se
encuentran sobre una lineal recta.
77. Se tiene un triángulo isósceles ABC, con lado desigual AC. Sabiendo que
A(6, 1), C(−1, 2) y B(3, a). Determine el valor adecuado de a.
78. Sabiendo que u, v ∈ R2 con u + v = (kuk, kvk). Probar que v es ortogonal al vector
u.
A C
Figura 7.2: Circunferencia circunscrita
79. Determinar los vértices de un triángulo ABC, sabiendo que los puntos medios de
sus lados están dado por los puntos (3, 7), (−4, 0) y (1, −4).
80. Considere los vectores P, Q, R ∈ R2 , de manera que se cumpla con kP k =

√
5, kQk2 = 3, kRk = 2 y P + Q + R = 0. Determine el valor de
hP, Qi + hQ, Ri + hR, P i
→
− −→ → − −−→
81. Sean los vectores X = AB , Y = AD. Demostrar que el área del paralelogramo
ABCD, esta dado por
→
− →
− →
− → −
q
k X k2 k Y k2 − h X , Y i2
→
− − → −
82. Sabiendo que el coseno del ángulo que forman los vectores →
−
a + b y→ a − b es 60◦ .
→
− →
−
Sabiendo que k→
−a + b k = 4, k→
−
a − b k = 3. Calcule la medida del ángulo que forman
→
−
los vectores →
−
a y b.
−→ −→ −→ −→
83. Dado un triángulo ABC y m∠(AB, AC) = 120◦ , kABk = 4, kACk = 7. Determine
−→
comp−→ AC.
−
BC
84. Sea el paralelogramo ABCD, M es punto medio de AB y E es punto de corte de

DM y AC.
Encontrar el valor de r ∈ R, sabiendo que
−→ −→
AE = rAC
−→ −−→ −→
85. Considere M, N, R son puntos medios de los lados AB, BC y AC respectivamente,
en un triángulo ABC. Sabiendo que P ∈ R2 (P un punto cualquiera). Probar que
−−→ −−→ −→ −→ −−→ −→

PM + PN + PR = PA + PB + PC
86. Sea u = (x1 , x2 ), v = (y1 , y2 ) vectores en R2 y sea k un escalar real. Dada la expresión
siguiente
hu, vik = x1 y1 − 3x1 y2 − 3x2 y1 + kx2 y2
para que valores de k, hacen que h, ik sea un producto interno en R2 .
87. Determine el valor o los valores de x, para que los vectores (x − 5, 4) y (2, x − 1)
sean l.i.
88. Sabiendo que los vectores no nulos →

−
a y→
−c son paralelos en R2 . Probar que se cumple
con
P roy− →
−
→ a = P roy−
→
−
b c a
→
89. Si se define: Sean u, v ∈ R2 dos vectores. u es paralelo al vector v si y solo si existe

λ ∈ R de modo que se cumpla u = λv.
Lo denotaremos por u k v.
a) Sabiendo que u k v, ¿se puede concluir que v k u?.
b) Si u k v y v k w, con v 6= 0, ¿se prueba que u k w?
90. En la figura 7.3, se tiene un triángulo ABC inscrito en una semicircunferencia.

Probar que el triángulo ABC es rectángulo.
91. Sean M, N y R los puntos medios de los lados de un triángulo ABC y sea P un
punto exterior al triángulo. Demostrar que
−−→ −−→ −→ −→ −−→ −→

PM + PN + PR = PA + PB + PC
92. Sabiendo que A = (2, 8) es uno de los vértices de un cuadrado ABCD cuyo centro
esta dado por el punto (4, 3). Determine los vértices restantes del cuadrado.
A C
Figura 7.3: Triángulo inscito ABC
93. Sabiendo que A, B = (3, −2) y C = (4, 2) son tres puntos colineales y distintos
entre sí. Si se tiene que
A + B = λC + λ2 B
con λ ∈ R2 . Determine el valor del punto A.

→
− −
94. Sabiendo que →
−
a + b +→
c = (0, 0). Demostrar
→
− →
− − 1
h→
−
a , b i + h b ,→
c i + h→
−c , →
−
a i = − (kak2 + kbk2 + kck2 )
2
95. Determine el valor de λ, para que los vectores u = (λ − 5, 4) y v = (2λ, −1) sean l.i.
96. Sabiendo que u, v ∈ R2 son vectores no nulos. Si P royu v es un vector unitario.

Demostrar que kvk ≥ 1.
97. Definamos: Sea v ∈ R2 no nulo. Denotaremos al vector unitario en v por Uv y

v
definida por Uv = kvk
.
Demostrar: Sean v, w ∈ R2 no nulos. Entonces {v, w} es l.i si y solo si {Uv , Uw } es
l.i.
98. Considere u, v ∈ R2 dos vectores no nulos. Demostrar que si {u, v} es una Base para
el espacio R2 , entonces {P royu v, P royv u} es también una base.
¿El recíproco, es cierto?
99. Considere los vectores no nulos u, v del plano R2 . Demostrar {u, v} es una base para
R2 si y solo si {u⊥ , v ⊥ } es base para R2 .
100. Indicar la verdad o falsedad de las afirmaciones siguientes para vectores u, v, w ∈ R2 .
(i) existen λ, β ∈ R, tal que w = λu + βv
(ii) {u, u + v, u + v + w} es un generador del espacio R2 .
(iii) Si u⊥v y v⊥w, entonces se cumple que u k w
101. En un espacio vectorial V arbitrario probar que si dos vectores son l.d, entonces uno
de ello es múltiplo del otro.
Bibliografía
[1] Juan Alberto Quispe Vasquez: MATEMÁTICA BÁSICA I VECTORES
Universidad Nacional de Ingenieria, Lima-Perú,1986
[2] Elon Lages Lima: ALGEBRA LINEAL
INSTITUTO DE MATEMÁTICA PURA Y APLICADA 1998
[3] Fco. Javier Cobos Gavala: APUNTES DE ÁLGEBRA LINEAL
Departamento de Matemática Aplicada.
[4] Carlos Chávez Vega: ÁLGEBRA LINEAL
Segunda edición, Lima-Perú,2007
[5] Cesar Saal Riqueros: PROBLEMAS DE BASICA I
Universidad Nacional de Ingenieria, Lima-Perú,1984
95
Índice alfabético
adición, 9
combinación lineal, 71
componente escalar, 64
distancia, 51
multiplicación por un escalar, 9
norma, 37
producto cartesiano, 1
producto interno, 23
vector unitario, 47
97

Vectorial Espacio

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Vectorial Espacio

Cargado por

Copyright:

Formatos disponibles

MATEMÁTICA BÁSICA

PARA LOS ESTUDIANTES DE CIENCIAS

Hecho el Depósito Legal en la Biblioteca Nacional del Perú

Y escribe el ángel de la iglesia en Laodicea: He aquí el Amén, el testigo fiel y verdadero,

Índice general iii

Índice de símbolos vii

2 Espacios Vectoriales en General 9

3 Espacios con Producto Interno 21

6 Introducción al Álgebra Lineal 63

2.1. Gráfica del vector u . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

7.1. Triángulo ABC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89

1.1. Producto Cartesiano

Otro ejemplo importante es el caso en que A = B = R, es decir el producto cartesiano

Definición 1.2. Sean u = (a, b), v = (x, y) ∈ R2

1.2. Cuerpos o Campos

las cuales verifican los siguientes axiomas:

A3 : existe un elemento en K, que lo denotaremos por 0 ∈ K y le llamaremos elemento

A4 : para cada a ∈ K, existe un elemento b ∈ K de modo que se tenga

A dicho elemento lo denotaremos por b = −a

Axiomas para la multiplicación

M2 : (ab)c = a(bc), ∀a, b, c ∈ K

M3 : existe un elemento denotado por 1 ∈ K llamado uno o elemento neutro multiplicativo

M4 : para cada elemento a ∈ K no nulo, existe un elemento b ∈ K de modo que ab =

de lo anterior se tiene 0 + 00 = 00 + 0 = 0 = 00 , por lo tanto se tiene que dichos elementos

Cada vez que se define alguna estructura matemática(funciones, conjuntos, matrices

Se demuestra con un poco de paciencia, que la tripleta (Q, +, .) es un cuerpo o campo.

Ejemplo 1.3. Considerando el conjunto producto cartesiano Q × Q, también las dos

(a, b)(x, y) = (ax − by, ay + bx)

Se demuestra que (Q × Q, +, .) es un cuerpo, en donde se tiene que 0 = (0, 0) y la unidad

Ahora, nos ponemos en un caso, en que si quitamos de los axiomas la restricción

Es notorio que el elemento neutro multiplicativo está dado por 1 ∈ Z4 , pero el 2 6= 0

2.1. Espacios Vectoriales

Definición 2.1. Sea K un cuerpo y V un conjunto no vacío. Definamos en ella dos

De modo que verifique con los siguientes axiomas:

EV2: (u + v) + w = u + (v + w), ∀u, v, w ∈ V

EV3: existe un elemento que le llamaremos el cero o elemento neutro y lo denotaremos

A este elemento, gracias a su unicidad lo denotaremos por v = −u

Axiomas del producto por un escalar

Si se verifica todo lo anterior, podemos decir que la cuaterna (V, K, ∗, .) es un

λ(a, b) = (λa, λb)

Por lo tanto se prueba que (V, +, ., R) es un espacio vectorial real.

(2, 4) + (5, 6) = (2 + 5, 4 + 6) = (7, 10)

λ(a, b) = (λa, λb)

Afirmamos: V es un R−espacio vectorial.

Es claro que V 6= ∅, basta notar que (2, 3) ∈ V .

ahora calculamos 3(x + a) − 2(y + b) = 0, por lo tanto

EV1 Considere dos elementos arbitrarios u = (a, b), v = (x, y) de V , luego

ahora de la ecuación anterior, también se tiene

esto significa que (−a, −b) ∈ V , es decir, por la notación considerada

En esta parte, es importante garantizar la buena definción de la multiplicación por

según la ecuación (5.1), se tiene la clausura o cerradura de la operación multiplicación

EV5 Considere dos escalares arbitrarios λ, β ∈ R y u = (x, y) ∈ V , ahora calculemos

λ(βu) = λ(β(x, y))

Sugerencia: Se deja a cargo del estudiante la verificación de los otros puntos

λ(a, b) = (λa, λb)

Prueba: Si se intuye que si es un espacio vectorial, entonces se debe proceder a la com-

Por otro lado, calculemos

(1, 2) + [(3, 1) + (3, 3)] = (1, 2) + (4, 6) = (8, 5)

por lo visto, en los dos cálculos anteriores, no se verifica la asociatividad(basta comprobar

Comentario: Cuando se define cualquier estructura matemática o simplemente se da

de cumplan y no con lo definido. La pedagogía sugiere que se muestre situaciones que

si fuere un espacio vectorial debería cumplir con

Comentario: Nótese que en el trayecto de la demostración se ha utilizado la suposición

Prueba: Basta notar que la multiplicación por un escalar no es de cerradura