Cálculo III

Unidad I
Espacio Euclidiano
Tema:Vectores y producto punto

Universidad Nacional de San Agustín - UNSA/2020-I

Definiciones Básicas

Espacio generado: rectas y planos

Bases del espacio Eucliciano

Producto Punto
Espacio n-dimensional
El espacio Euclidiano de dimensión n está definido como el siguiente
conjunto:

Rn = {x = (x1 , x2 , . . . , xn ) : x1 , x2 , . . . , xn ∈ R} .

En caso n = 2 se denomina plano cartesiano (elementos (x, y )) y n = 3

espacio Euclidiano tridimensional (elementos (x, y , z)).
Espacio n-dimensional
El espacio Euclidiano de dimensión n está definido como el siguiente
conjunto:

Rn = {x = (x1 , x2 , . . . , xn ) : x1 , x2 , . . . , xn ∈ R} .

En caso n = 2 se denomina plano cartesiano (elementos (x, y )) y n = 3

espacio Euclidiano tridimensional (elementos (x, y , z)).

Operaciones Vectoriales:
I Suma vectorial: si x = (x1 , x2 , . . . , xn ), y = (y1 , y2 , . . . , yn ) ∈ Rn la
suma vectorial se define naturalmente como,

x + y =(x1 + y1 , x2 + y2 , . . . , xn + yn ),
Espacio n-dimensional
El espacio Euclidiano de dimensión n está definido como el siguiente
conjunto:

Rn = {x = (x1 , x2 , . . . , xn ) : x1 , x2 , . . . , xn ∈ R} .

En caso n = 2 se denomina plano cartesiano (elementos (x, y )) y n = 3

espacio Euclidiano tridimensional (elementos (x, y , z)).

Operaciones Vectoriales:
I Suma vectorial: si x = (x1 , x2 , . . . , xn ), y = (y1 , y2 , . . . , yn ) ∈ Rn la
suma vectorial se define naturalmente como,

x + y =(x1 + y1 , x2 + y2 , . . . , xn + yn ),

I Producto por escalar: si t ∈ R y x = (x1 , x2 , . . . , xn ) ∈ Rn el

producto por escalar se define como,

t · x = (tx1 , tx2 , . . . , txn ).

Combinación lineal

Dados vectores v1 , v2 , . . . , vk ∈ Rn y números t1 , t2 , · · · , tk ∈ R.

Llamamos combinación lineal de v1 , v2 , . . . , vk de al vector

t1 v1 + t2 v2 + . . . + tk vk .
Combinación lineal

Dados vectores v1 , v2 , . . . , vk ∈ Rn y números t1 , t2 , · · · , tk ∈ R.

Llamamos combinación lineal de v1 , v2 , . . . , vk de al vector

t1 v1 + t2 v2 + . . . + tk vk .

t1 v1 + t2 v2

t2 v 2

v2
t1 v1
v1
Espacio generado
Definición 1
Dados vectores v1 , v2 , . . . , vk ∈ Rn , definimos el espacio generado por
estos vectores como

Gen(v1 , v2 , . . . , vk ) = {v ∈ R : v = t1 v1 +t2 v2 +. . .+tk vk , t1 , . . . , tk ∈ R}.

Espacio generado
Definición 1
Dados vectores v1 , v2 , . . . , vk ∈ Rn , definimos el espacio generado por
estos vectores como

Gen(v1 , v2 , . . . , vk ) = {v ∈ R : v = t1 v1 +t2 v2 +. . .+tk vk , t1 , . . . , tk ∈ R}.

Dado un punto x0 ∈ Rn , llamamos espacio afín a un conjunto de la

forma,

x0 + Gen(v1 , v2 , . . . , vk ) = {x0 + v : v ∈ Gen(x1 , x2 , . . . , xk )}

Espacio generado
Definición 1
Dados vectores v1 , v2 , . . . , vk ∈ Rn , definimos el espacio generado por
estos vectores como

Gen(v1 , v2 , . . . , vk ) = {v ∈ R : v = t1 v1 +t2 v2 +. . .+tk vk , t1 , . . . , tk ∈ R}.

Dado un punto x0 ∈ Rn , llamamos espacio afín a un conjunto de la

forma,

x0 + Gen(v1 , v2 , . . . , vk ) = {x0 + v : v ∈ Gen(x1 , x2 , . . . , xk )}

Casos Particulares: En R3 tenemos los siguientes casos importantes

I Rectas: Sea x0 = (x0 , y0 , z0 ) y v = (a, b, c), tome
(x, y , z) ∈ x0 + Gen(v).
(x, y , z) =(x0 , y0 , z0 ) + t(a, b, c) ⇒ x = x0 + ta , y = y0 + tb
z = z0 + tc
Ecuaciones paramétricas de la recta. v = (a, b, c) es llamado vector
direccional, y x = (x , y , z )punto de paso.
Espacio generado: rectas y planos
I Plano: Sea x0 = (x0 , y0 , z0 ) y v1 = (a1 , b1 , c1 ) y v2 = (a2 , b2 , c2 ),
tome (x, y , z) ∈ x0 + Gen(v1 , v2 ).

(x, y , z) =(x0 , y0 , z0 ) + t1 (a1 , b1 , c1 ) + t2 (a2 , b2 , c2 )

x = x0 + t1 a1 + t2 a2 , y = y0 + t1 b1 + t2 b2 y z = z0 + t1 c1 + t2 c2

Ecuaciones paramétricas del plano. Cuidado! Las ecuaciones

anteriores representan un plano solo cuando v1 y v2 no son paralelos.
Espacio generado: rectas y planos
I Plano: Sea x0 = (x0 , y0 , z0 ) y v1 = (a1 , b1 , c1 ) y v2 = (a2 , b2 , c2 ),
tome (x, y , z) ∈ x0 + Gen(v1 , v2 ).

(x, y , z) =(x0 , y0 , z0 ) + t1 (a1 , b1 , c1 ) + t2 (a2 , b2 , c2 )

x = x0 + t1 a1 + t2 a2 , y = y0 + t1 b1 + t2 b2 y z = z0 + t1 c1 + t2 c2

Ecuaciones paramétricas del plano. Cuidado! Las ecuaciones

anteriores representan un plano solo cuando v1 y v2 no son paralelos.

Ejercicio 1
Determine si el punto (3, −1, 2) pertenece al plano

(1, 1, 0) + Gen((1, 0, 2), (−1, 2, 0)).

Espacio generado: rectas y planos
I Plano: Sea x0 = (x0 , y0 , z0 ) y v1 = (a1 , b1 , c1 ) y v2 = (a2 , b2 , c2 ),
tome (x, y , z) ∈ x0 + Gen(v1 , v2 ).

(x, y , z) =(x0 , y0 , z0 ) + t1 (a1 , b1 , c1 ) + t2 (a2 , b2 , c2 )

x = x0 + t1 a1 + t2 a2 , y = y0 + t1 b1 + t2 b2 y z = z0 + t1 c1 + t2 c2

Ecuaciones paramétricas del plano. Cuidado! Las ecuaciones

anteriores representan un plano solo cuando v1 y v2 no son paralelos.

Ejercicio 1
Determine si el punto (3, −1, 2) pertenece al plano

(1, 1, 0) + Gen((1, 0, 2), (−1, 2, 0)).

Solución.
Resolvemos (3, −1, 2) = (1, 1, 0) + t1 (1, 0, 2) + t2 (−1, 2, 0). Luego,
t1 − t2 = 2 y 2t2 = −2 y 2t1 = 2, así t1 = 1 y t2 = −1 .
Conjuntos LI y LD

Definición 2
Un conjunto de vectores v1 , v2 , . . . , vk ∈ Rn se dice linealmente
independiente (LI) si el sistema de ecuaciones

α1 v1 + α2 v2 + . . . + αk vk = 0,

tiene como única solución α1 = α2 = · · · = αk = 0. Si por el contrario

algún αi puede ser distinto de cero, entonces el conjunto se dice ser
linealmente dependiente (LD).
Conjuntos LI y LD

Definición 2
Un conjunto de vectores v1 , v2 , . . . , vk ∈ Rn se dice linealmente
independiente (LI) si el sistema de ecuaciones

α1 v1 + α2 v2 + . . . + αk vk = 0,

tiene como única solución α1 = α2 = · · · = αk = 0. Si por el contrario

algún αi puede ser distinto de cero, entonces el conjunto se dice ser
linealmente dependiente (LD).

Ejemplo 1
El conjunto v1 = (3, 2), v2 = (−2, 3) es LI en R2 .
Pues,

3α1 − 2α2 = 0 α = 0
α1 (3, 2) + α2 (−2, 3) = (0, 0) ⇒ ⇒ 1
2α1 + 3α2 = 0 α2 = 0
Base

Ejemplo 2
El conjunto v1 = (3, 2), v2 = (−2, 3), v3 = (1, 5) ∈ R2 es LD.
Pues
(1)(3, 2) + (1)(−2, 3) + (−1)(1, 5) = (0, 0).

Definición 3
Un conjunto de vectores v1 , v2 , . . . , vk ∈ Rn se dice ser una base si es LI
y
Rn = Gen(v1 , v2 , . . . , vk ).
Base

Ejemplo 2
El conjunto v1 = (3, 2), v2 = (−2, 3), v3 = (1, 5) ∈ R2 es LD.
Pues
(1)(3, 2) + (1)(−2, 3) + (−1)(1, 5) = (0, 0).

Definición 3
Un conjunto de vectores v1 , v2 , . . . , vk ∈ Rn se dice ser una base si es LI
y
Rn = Gen(v1 , v2 , . . . , vk ).

Teorema 1
Todo conjunto formado por n vectores en el espacio Rn que sea LI es
automáticamente una base.
Base

Observación 1
Existen infinitas bases en el espacio Rn .
Bases canónicas. En los espacios Euclidianos existen bases canónicas
que son enumeradas a seguir:
I R2 tenemos {i, j} = {(1, 0), (0, 1)}.
Base

Observación 1
Existen infinitas bases en el espacio Rn .
Bases canónicas. En los espacios Euclidianos existen bases canónicas
que son enumeradas a seguir:
I R2 tenemos {i, j} = {(1, 0), (0, 1)}.
I R3 tenemos {i, j, k} = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.
Base

Observación 1
Existen infinitas bases en el espacio Rn .
Bases canónicas. En los espacios Euclidianos existen bases canónicas
que son enumeradas a seguir:
I R2 tenemos {i, j} = {(1, 0), (0, 1)}.
I R3 tenemos {i, j, k} = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.
I Rn tenemos
{e1 , e2 , . . . , en } = {(1, 0, 0, . . . , 0), (0, 1, 0, . . . , 0), . . . , (0, 0, . . . , 1)}.
Producto Punto

Dados x = (x1 , x2 , . . . , xn ), y = (y1 , y2 , . . . , yn ) ∈ Rn . El producto interno

de estos vectores es definido como

x · y = x1 y1 + x2 y2 + · · · + xn yn .
Producto Punto

Dados x = (x1 , x2 , . . . , xn ), y = (y1 , y2 , . . . , yn ) ∈ Rn . El producto interno

de estos vectores es definido como

x · y = x1 y1 + x2 y2 + · · · + xn yn .

Propiedades: dados αx, y, z ∈ Rn y α ∈ R.

1. Positividad: x · x ≥ 0. Si x · x = 0 entonces x = 0
Producto Punto

Dados x = (x1 , x2 , . . . , xn ), y = (y1 , y2 , . . . , yn ) ∈ Rn . El producto interno

de estos vectores es definido como

x · y = x1 y1 + x2 y2 + · · · + xn yn .

Propiedades: dados αx, y, z ∈ Rn y α ∈ R.

1. Positividad: x · x ≥ 0. Si x · x = 0 entonces x = 0
2. Simetría: x · y = y · x
Producto Punto

Dados x = (x1 , x2 , . . . , xn ), y = (y1 , y2 , . . . , yn ) ∈ Rn . El producto interno

de estos vectores es definido como

x · y = x1 y1 + x2 y2 + · · · + xn yn .

Propiedades: dados αx, y, z ∈ Rn y α ∈ R.

1. Positividad: x · x ≥ 0. Si x · x = 0 entonces x = 0
2. Simetría: x · y = y · x
3. Bilinealidad: (x + y) · z = x · z + y · z y (αx) · y = (αx · y)
Producto Punto

Dados x = (x1 , x2 , . . . , xn ), y = (y1 , y2 , . . . , yn ) ∈ Rn . El producto interno

de estos vectores es definido como

x · y = x1 y1 + x2 y2 + · · · + xn yn .

Propiedades: dados αx, y, z ∈ Rn y α ∈ R.

1. Positividad: x · x ≥ 0. Si x · x = 0 entonces x = 0
2. Simetría: x · y = y · x
3. Bilinealidad: (x + y) · z = x · z + y · z y (αx) · y = (αx · y)
Modulo de un vector: dado x = (x1 , x2 , . . . , xn ) ∈ Rn llamamos módulo
al número kxk, definido por

kxk2 = x12 + x22 + x32 + · · · + xn2

Note que kxk2 = x · x

Producto punto: interpretación geométrica

y2 y

x2 x

θ
α
y1 x1 X
Producto punto: interpretación geométrica

y2 y

x2 x

θ
α
y1 x1 X
 
x1 y1 x2 y2
x · y =kxkkyk +
kxk kyk kxk kyk
x · y =kxkkyk(cos(α) cos(α + θ)
+sen(α)sen(α + θ))
Producto punto: interpretación geométrica

Y Luego,

x · y = kxkkykcos(θ)
y2 y

x2 x

θ
α
y1 x1 X
 
x1 y1 x2 y2
x · y =kxkkyk +
kxk kyk kxk kyk
x · y =kxkkyk(cos(α) cos(α + θ)
+sen(α)sen(α + θ))
Producto punto: interpretación geométrica

Y Luego,

x · y = kxkkykcos(θ)
y2 y Como una consecuencia
importante tenemos la siguiente
x2 x propiedad en R2 y R3 . Dos
vectores x e y son perpendiculares
θ si y solo si x · y = 0.
α
y1 x1 X
 
x1 y1 x2 y2
x · y =kxkkyk +
kxk kyk kxk kyk
x · y =kxkkyk(cos(α) cos(α + θ)
+sen(α)sen(α + θ))
Proyección
u
v

Proyv u
Proyección
u
v

Proyv u

I Proyv u = αv
Proyección
u
v

Proyv u

I Proyv u = αv
I (u − Proyv u) · v = 0
Proyección
u
v

Proyv u

I Proyv u = αv
I (u − Proyv u) · v = 0

(u − αv) · v = 0
u · v − αv · v = 0
u·v
α=
kvk2
Proyección
u
v

Proyv u

I Proyv u = αv
I (u − Proyv u) · v = 0

(u − αv) · v = 0
u · v − αv · v = 0
u·v
α=
kvk2

Por tanto,

u·v
Proyv u = v.
kvk2
Proyección
u
Ejercicio 2
v
Calcule la distancia del punto
Proyv u (1, 1, 1) a la recta
(x, y , z) = (1, 1, 0) + t(1, 0, −1).

I Proyv u = αv
I (u − Proyv u) · v = 0

(u − αv) · v = 0
u · v − αv · v = 0
u·v
α=
kvk2

Por tanto,

u·v
Proyv u = v.
kvk2
Proyección
u
Ejercicio 2
v
Calcule la distancia del punto
Proyv u (1, 1, 1) a la recta
(x, y , z) = (1, 1, 0) + t(1, 0, −1).

I Proyv u = αv Solución.
Según el gráfico calculamos la
I (u − Proyv u) · v = 0
proyección de
(u − αv) · v = 0 u = (1, 1, 1) − (1, 1, 0) = (0, 0, 1),
u · v − αv · v = 0
u·v
α=
kvk2

Por tanto,

u·v
Proyv u = v.
kvk2
Proyección
u
Ejercicio 2
v
Calcule la distancia del punto
Proyv u (1, 1, 1) a la recta
(x, y , z) = (1, 1, 0) + t(1, 0, −1).

I Proyv u = αv Solución.
Según el gráfico calculamos la
I (u − Proyv u) · v = 0
proyección de
(u − αv) · v = 0 u = (1, 1, 1) − (1, 1, 0) = (0, 0, 1),
u · v − αv · v = 0
u·v sobre el vector dirección
α= v = (1, 0, −1).
kvk2
−1
Por tanto, Proyv u = (1, 0, −1).
2
u·v
Proyv u = v.
kvk2
Proyección
u
Ejercicio 2
v
Calcule la distancia del punto
Proyv u (1, 1, 1) a la recta
(x, y , z) = (1, 1, 0) + t(1, 0, −1).

I Proyv u = αv Solución.
Según el gráfico calculamos la
I (u − Proyv u) · v = 0
proyección de
(u − αv) · v = 0 u = (1, 1, 1) − (1, 1, 0) = (0, 0, 1),
u · v − αv · v = 0
u·v sobre el vector dirección
α= v = (1, 0, −1).
kvk2
−1
Por tanto, Proyv u = (1, 0, −1).
2
u·v
Proyv u = v.
kvk2
d =ku − Proyv uk= k(1/2, 0, 1/2)k
√
= 2/2
Producto punto, desigualdad de Cauchy-Schwartz

Dado x, y ∈ Rn , el producto punto cumple la siguiente desigualad,

|x · y|≤ kxkkyk.
Producto punto, desigualdad de Cauchy-Schwartz

Dado x, y ∈ Rn , el producto punto cumple la siguiente desigualad,

|x · y|≤ kxkkyk.

Prueba.
El polinomio

p(t) = kx + tyk2 = (x + ty) · (x + ty) = kxk2 +2t(x · y) + t 2 kyk2 ,

Producto punto, desigualdad de Cauchy-Schwartz

Dado x, y ∈ Rn , el producto punto cumple la siguiente desigualad,

|x · y|≤ kxkkyk.

Prueba.
El polinomio

p(t) = kx + tyk2 = (x + ty) · (x + ty) = kxk2 +2t(x · y) + t 2 kyk2 ,

por ser ≥ 0 debe tener discriminante ∆ ≤ 0.

Producto punto, desigualdad de Cauchy-Schwartz

Dado x, y ∈ Rn , el producto punto cumple la siguiente desigualad,

|x · y|≤ kxkkyk.

Prueba.
El polinomio

p(t) = kx + tyk2 = (x + ty) · (x + ty) = kxk2 +2t(x · y) + t 2 kyk2 ,

por ser ≥ 0 debe tener discriminante ∆ ≤ 0. Luego

∆ = 4(x · y)2 − 4kyk2 kxk2 ≥ 0

⇒
(x · y) ≤ kyk2 kxk2
2
Producto punto, desigualdad de Cauchy-Schwartz

Gracias a la desigualdad de Cauchy-Schwartz podemos hablar de un

ángulo para vectores de de Rn . Dados x, y ∈ Rn definimos el ángulo
entre x e y por
x·y
cos(θ) = .
kxkkyk
Producto punto, desigualdad de Cauchy-Schwartz

Gracias a la desigualdad de Cauchy-Schwartz podemos hablar de un

ángulo para vectores de de Rn . Dados x, y ∈ Rn definimos el ángulo
entre x e y por
x·y
cos(θ) = .
kxkkyk

La desigualdad de Cauchy-Schwartz nos dicep que |cos(θ)|≤ 1. Luego

podemos hablar de la razón seno sin(θ) = 1 − cos2 (θ) y del resto de
razones trigonométricas para dos vectores de Rn .
Producto punto, desigualdad de Cauchy-Schwartz

Gracias a la desigualdad de Cauchy-Schwartz podemos hablar de un

ángulo para vectores de de Rn . Dados x, y ∈ Rn definimos el ángulo
entre x e y por
x·y
cos(θ) = .
kxkkyk

La desigualdad de Cauchy-Schwartz nos dicep que |cos(θ)|≤ 1. Luego

podemos hablar de la razón seno sin(θ) = 1 − cos2 (θ) y del resto de
razones trigonométricas para dos vectores de Rn .

Desigualdad triangular: kx + yk≤ kxk+kyk.

kx + yk2 = (x + y) · (x + y) = kxk2 +2(x · y) + kxk2

≤ kxk2 +2kxkkyk+kxk2 Cauchy-Schwartz
2
= (kxk+kxk)
Ejercicio 3 (Ejercicios)
Libro de Claudio Pita Ruiz
I Pag. 23 ejercicios 4e, 6, 8b, 10b, 21d (investgue que es un conjunto
ortogonal), 23d, 25a.
I En el libro de Claudio Pita la palabra “norma” significa “módulo”.
pag. 31 5, 8, 9, 13 (analizar para 2 vectores), 18, 22, 35, 36a y 41a.