CAPÍTULO 1.

ESPACIO VECTORIAL EN R3

COMPETENCIAS.
Al final de éste primer capítulo el estudiante deberá tener la capacidad de:

 Definir a un espacio vectorial

 Conocer un vector n dimensional y sus elementos
 Manejar adecuadamente las operaciones con vectores.
 Interpretar geométricamente las operaciones con vectores.
 Proyectar un vector sobre una dirección cualquiera.
1. ESPACIO R n .
Considérese el conjunto de todas las n-adas ordenadas de números reales, que
se denotarán por Rn.
𝑹𝒏 = {(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) | 𝑥1 , 𝑥2 , … , 𝑥𝑛 ∈ 𝑹 }
A cada uno de los números reales 𝑥1 , 𝑥2 , … , 𝑥𝑛 que conforman la n-ada
(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ∈ 𝑹𝒏 , se le llama componente o coordenada de n-ada
correspondiente y, puesto que éstas son ordenadas, se dice que 𝑥𝑖 es la i-ésima
coordenada de (𝑥1 , 𝑥2 , … , 𝑥𝑛 ), 𝑖 = 1,2, … , 𝑛.
Por ejemplo:
 Si n = 1, el conjunto R1 no es más que el conjunto de números reales R.
5 ∈ 𝑹 ; −𝟑 ∈ 𝑹
 Si n = 2, 𝐑2 será el conjunto de pares ordenados de números reales que
se puede escribir como: {(𝑥, 𝑦)| 𝑥, 𝑦 ∈ 𝑹}.
(2,5) ∈ 𝐑2 ; (−3,0) ∈ 𝐑2
Como las n-adas son ordenadas: (2,5) ≠ (5,2)
  Si n = 3, el conjunto 𝐑3 estará formado por las ternas ordenadas de
números reales, que se pueden escribir como: {(𝑥, 𝑦, 𝑧)| 𝑥, 𝑦, 𝑧 ∈ 𝑹}.
(0, −2,4) ∈ 𝐑3 ; (4,1, −7) ∈ 𝐑3
Como las n-adas son ordenadas: (0, −2,4) ≠ (−2,0,4) ≠ (4,0, −2)
En el conjunto Rn pueden definirse dos operaciones entre sus elementos, las
cuales cumplen con ciertas propiedades (asociatividad, conmutatividad,
distributividad, existencia de neutros para la suma y producto, existencia de
inverso para la suma), esto hace que éste conjunto tenga una estructura
algebraica llamada ESPACIO VECTORIAL Rn.
Las operaciones que se definen en Rn son:
A) SUMA DE N-ADAS ORDENADAS.
Si (𝑥1 , 𝑥2 , … , 𝑥𝑛 ), (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) son dos elementos de Rn se define la suma
como:
(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) + (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) = (𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 , … , 𝑥𝑛 + 𝑦𝑛 )
Si consideramos las siguientes n-adas en 𝑹2 (pares ordenados): (1,3) y (−2,7),
la suma es otro par ordenado: (1,3) + (−2,7) = (1 − 2 , 3 + 7) = (−1,10)
B) PRODUCTO DE UNA N-ADA ORDENADA POR UN ESCALAR.
Si (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) es un elemento de Rn, y 𝑐 es un número real (escalar). El
producto de la n-ada (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) por el escalar 𝑐 ∈ 𝑹, se define como:
𝑐(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = (𝑐𝑥1 , 𝑐𝑥2 , … , 𝑐𝑥𝑛 )
Si se considera a n-ada en 𝑹2 : (−2,7) ∈ 𝑹2 y al escalar: 5∈ 𝑹, entonces:
5 (−2,7) = (5 ∙ (−2), 5 ∙ 7) = (−10 , 35)
Tanto la suma de n-adas como el producto de una n-ada por un escalar son
operaciones cerradas en Rn porque en su resultado se obtiene n-adas del
conjunto Rn.
Los elementos del espacio vectorial Rn , que son las n-adas ordenadas del
conjunto Rn, se denominan vectores.
 2. VECTOR.
Cuando se considera a un vector en 𝑹2 , este es representado por el segmento
⃗⃗⃗⃗⃗ tiene un punto inicial P y un punto final Q.
de recta dirigido 𝑃𝑄
⃗ = ⃗⃗⃗⃗⃗
Sea 𝑉 𝑃𝑄 , entonces existe un segmento de recta dirigido igual a ⃗⃗⃗⃗⃗
𝑃𝑄 , cuyo
⃗ en posición
punto inicial es el origen, éste segmento de recta representa a 𝑉
estándar.

.
Si se considera los elementos del espacio vectorial Rn:
𝑃(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) y 𝑄(𝑦1 , 𝑦2 , … , 𝑦𝑛 ) la resta de ambos vectores viene dada por:
(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) − (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) = (𝑥1 − 𝑦1 , 𝑥2 − 𝑦2 , … , 𝑥𝑛 − 𝑦𝑛 )
Sea:
(𝑣1 , 𝑣2 , … , 𝑣𝑛 ) = (𝑥1 − 𝑦1 , 𝑥2 − 𝑦2 , … , 𝑥𝑛 − 𝑦𝑛 )

Entonces se cumple que: ⃗ = ⃗⃗⃗⃗⃗

𝑉 𝑃𝑄
En el gráfico se tiene representada ésta igualdad en R3, en la cual se observa
que la flecha asociada al vector 𝑉 ⃗ que parte del origen y llega al punto V es
equivalente a la flecha original que partía de P y llegaba a Q.
 ⃗ es un vector en R3, igual al vector con punto inicial en el origen y punto
Si 𝑉
⃗ en componentes es:
final (𝑣1 , 𝑣2 , 𝑣3 ), entonces la expresión de 𝑉
⃗ = 〈𝑣1 , 𝑣2 , 𝑣3 〉
𝑉
Ejemplo: Sean 𝑃(1,2,3) y 𝑄(5, −4,1) elementos del espacio vectorial 𝑹3 , de
⃗⃗⃗⃗⃗ = (5 − 1, −4 − 2,1 − 3) = (4, −6, −2).
esta manera el vector 𝑃𝑄
Entonces existe un vector igual a ⃗⃗⃗⃗⃗
𝑃𝑄 de tal manera que su origen se encuentra
en el origen de coordenadas, siendo éste vector: 𝑉⃗ = ⃗⃗⃗⃗⃗
𝑃𝑄 = (4, −6, −2).
De esta manera se puede expresar cualquier vector con su equivalente que tiene
su origen en el origen de coordenadas y se le denomina vector posición.
3. BASE DE UN ESPACIO VECTORIAL.

Dado un conjunto de vectores ⃗⃗⃗

𝑉1 , ⃗⃗⃗
𝑉2 , … , ⃗⃗⃗
𝑉𝑛 ∈ 𝑹𝑛 , se dice que el vector 𝑉 ⃗ ∈ 𝑹𝑛
es una combinación lineal de los vectores ⃗⃗⃗ 𝑉1 , ⃗⃗⃗
𝑉2 , … , ⃗⃗⃗
𝑉𝑛 , si existen escalares
𝑐1 , 𝑐2 , … , 𝑐𝑛 tales que:
⃗ = 𝑐1 ⃗⃗⃗
𝑉 𝑉1 + 𝑐2 ⃗⃗⃗
𝑉2 + … + 𝑐𝑛 ⃗⃗⃗
𝑉𝑛
⃗⃗⃗1 , 𝑉
Es decir que si se efectúa la suma de los vectores: 𝑉 ⃗⃗⃗2 , … , ⃗⃗⃗
𝑉𝑛 , multiplicados
cada uno de ellos por un determinado escalar (número), se obtiene como
⃗.
resultado al vector 𝑉

Ejemplo: El vector (7, 5) es una combinación lineal de los vectores (2, 1) y (1, 1)
puesto que:
(7,5) = 𝑐1 (2, 1) + 𝑐2 (1, 1)
De donde: 7 = 2𝑐1 + 𝑐2
5 = 𝑐1 + 𝑐2
Resolviendo el sistema se tiene: 𝑐1 = 2 ; 𝑐2 = 3
Efectivamente:
(7,5) = 2 (2, 1) + 3 (1, 1)
VECTORES LINEALMENTE INDEPENDIENTES.

Un conjunto de vectores ⃗⃗⃗

𝑉1 , ⃗⃗⃗
𝑉2 , … , ⃗⃗⃗
𝑉𝑛 ∈ 𝑹𝑛 son linealmente independientes, si
la combinación lineal:

𝑐1 ⃗⃗⃗
𝑉1 + 𝑐2 ⃗⃗⃗
𝑉2 + … + 𝑐𝑛 ⃗⃗⃗
𝑉𝑛 = 0 ↔ 𝑐1 = 𝑐2 = … = 𝑐𝑛 = 0
Los vectores son linealmente independientes si es que la única manera para que
se verifique la igualdad es que los escalares sean ceros.
Si es que la igualdad se verifica siendo que NO todos los escalares son iguales a
cero, entonces se dice que los vectores son linealmente dependientes.
Un conjunto de vectores es linealmente independiente si y solo si el
determinante de la matriz que tiene por vectores columna (o fila) a estos
vectores es distinto de cero.
Ejemplo: Sean los vectores (2, 1) y (1, 1), determine si los vectores son
linealmente dependientes o independientes:
2 1
| |= 2−1= 1≠0
1 1
Como el determinante es distinto de cero, entonces los vectores son
linealmente independientes.
Ejemplo: Sean los vectores (-2, 5) y (6, -15), determine si los vectores son
linealmente dependientes o independientes:
−2 5
| | = 30 − 30 = 0
6 −15
Como el determinante es cero, los vectores son linealmente dependientes.

BASE DEL ESPACIO VECTORIAL 𝑹𝑛 .

Un conjunto formado por n vectores: ⃗⃗⃗

𝑉1 , ⃗⃗⃗
𝑉2 , … , ⃗⃗⃗
𝑉𝑛 ∈ 𝑹𝑛 es una base de 𝑹𝑛 , si
estos vectores son linealmente independientes.
⃗⃗⃗1 , ⃗⃗⃗
Teorema 1. Si 𝛽 = {𝑉 𝑉2 , … , ⃗⃗⃗
𝑉𝑛 } es una base del espacio 𝑹𝑛 , entonces cada
⃗ ∈ 𝑹𝑛 se escribe de manera única como combinación lineal de los
vector 𝑉
vectores de 𝛽, es decir, existen únicos escalares 𝑐1 , 𝑐2 , … , 𝑐𝑛 tales que
 ⃗ = 𝑐1 ⃗⃗⃗
𝑉 𝑉1 + 𝑐2 ⃗⃗⃗
𝑉2 + … + 𝑐𝑛 ⃗⃗⃗
𝑉𝑛
Ejemplo: Como se demostró en el ejemplo anterior los vectores ⃗⃗⃗⃗ 𝑣1 =(2, 1) y
𝑣2 = (1, 1) son linealmente independientes, por lo que se constituyen en una
⃗⃗⃗⃗
base del espacio vectorial 𝑹2 . De esta manera ahora se puede escribir cualquier
vector de 𝑹2 como una combinación lineal de éstos vectores.

Sea el vector (−2,1), éste puede escribirse como una combinación lineal de:
(−2,1) = 𝑐1 ⃗⃗⃗⃗ 𝑣2 = 𝑐1 (2,1) + 𝑐2 (1,1)
𝑣1 + 𝑐2 ⃗⃗⃗⃗
Determinando los escalares: 𝑐1 = −3 y 𝑐2 = 4. Entonces:
(−2,1) = −3 ⃗⃗⃗⃗
𝑣1 + 4 ⃗⃗⃗⃗
𝑣2

10 1
Sea el vector (12 , 12), éste puede escribirse como una combinación lineal de:
10 1
( , ) = 𝑐1 ⃗⃗⃗⃗ 𝑣2 = 𝑐1 (2,1) + 𝑐2 (1,1)
𝑣1 + 𝑐2 ⃗⃗⃗⃗
12 12
3 2
Determinando los escalares: 𝑐1 = 4 y 𝑐2 = − 3. Entonces:
10 1 3 2
( , ) = ⃗⃗⃗⃗ 𝑣1 − ⃗⃗⃗⃗
𝑣
12 12 4 3 2

BASE CANÓNICA DE 𝑹𝑛 .
Sea el conjunto de vectores: {𝑒⃗⃗⃗1 , ⃗⃗⃗ 𝑒𝑛 } donde: ⃗⃗𝑒𝑖 = (0, 0, … , 0, 1, 0, … , 0),
𝑒2 , … , ⃗⃗⃗⃗
correspondiendo el 1 a la i-ésima coordenada, siendo: 𝑖 = 1, 2, … , 𝑛.
La matriz que conforman éstos vectores es una matriz identidad, por lo que su
determinante es 1, con lo cual se demuestra que los vectores constituyen una
base, llamada base canónica.
Base canónica es por lo tanto un conjunto de n vectores linealmente
independientes en 𝑹𝑛 , de tal manera que en éstos vectores una de sus
coordenadas es 1 y el resto de sus coordenadas son ceros.

De esta manera cualquier vector 𝑉 ⃗ = (𝑣1 , 𝑣2 , … , 𝑣𝑛 ) ∈ 𝑹𝑛 se escribe en

⃗ = (𝑣1 , 𝑣2 , … , 𝑣𝑛 ) = 𝑣1 ⃗⃗⃗
términos de la base como: 𝑉 𝑒1 + 𝑣2 ⃗⃗⃗
𝑒2 + … + 𝑣𝑛 ⃗⃗⃗⃗
𝑒𝑛 .
En el espacio 𝑹2 ,, los vectores de la base canónica son:
𝑒1 = (1, 0) = 𝑖
⃗⃗⃗
𝑒2 = (0, 1) = 𝑗
⃗⃗⃗

Ejemplo: Represente el vector 𝐴 = (5, −2) ∈ 𝑹2 como una combinación lineal

de los vectores de la base canónica.
𝐴 = 5𝑖 − 2𝑗
3
En el espacio 𝑹 ,, los vectores de la base canónica son:
𝑒1 = (1, 0, 0) = 𝑖
⃗⃗⃗
𝑒2 = (0, 1, 0) = 𝑗
⃗⃗⃗

𝑒3 = (0, 0, 1) = ⃗⃗⃗
⃗⃗⃗ 𝑘𝑗

Ejemplo: Represente el vector 𝐵⃗ = (𝑎, 𝑏, 𝑐) ∈ 𝑹3 como una combinación lineal

de los vectores de la base canónica.
⃗ =𝑎𝑖+b𝑗+𝑐𝑘
𝐵 ⃗

Geométricamente los vectores de la base canónica en 𝑹2 y en 𝑹3 se observan

de la siguiente manera:
 4. PRODUCTO PUNTO.
El producto punto en 𝑹𝑛 es una función 𝑹𝑛 𝑥 𝑹𝑛 → 𝑹 que a cada par de
⃗ = (𝑦1 , 𝑦2 , … , 𝑦𝑛 ), donde 𝑋 , 𝑌
vectores 𝑋 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ), 𝑌 ⃗ ∈ 𝑹𝑛 le asocia
un número real dado por:
⃗ = 𝑥1 ∙ 𝑦1 + 𝑥2 ∙ 𝑦2 + … + 𝑥𝑛 ∙ 𝑦𝑛
𝑋 ∙ 𝑌
⃗ = (1, 1)
Ejemplo: Determine el producto punto de los vectores: 𝑋 =(2, 1) y 𝑌
⃗ = 2∙1+1∙1 =3
𝑋 ∙ 𝑌

Ejemplo: Determine el producto punto de los vectores: 𝑖 =(1, 0) y 𝑗 = (0, 1)

𝑖 ∙ 𝑗 = 1∙0+0∙1= 0

En el teorema siguiente se recogen las propiedades más importantes del

producto punto:
⃗ ∙ Y
Teorema 2. El producto punto X ⃗ de dos vectores 𝑋 , 𝑌
⃗ ∈ 𝑹𝑛 tiene las
siguientes propiedades:

i) ⃗X ∙ ⃗X ≥ 0 , ⃗X ∙ ⃗X = 0 ↔ ⃗X = ⃗0
ii) ⃗ ∙ Y
X ⃗ =Y ⃗ ∙ X⃗
iii) ⃗ +𝑍)∙ Y
(X ⃗ =X ⃗ ∙ Y⃗ +Z ⃗ ∙ Y
⃗ , 𝑍 ∈ 𝑹𝑛
iv) ⃗ ) ∙ ⃗Y = 𝑐(X
(𝑐X ⃗ ∙ ⃗Y) , 𝑐 ∈ 𝑹

El teorema anterior señala que el producto punto es una función definida

positiva (propiedad 1) ya que al efectuar la operación con el mismo vector el
resultado es siempre positivo, simétrica (propiedad 2) y lineal (propiedad 3 y 4)
porque admiten la distributividad y producto por un escalar.
⃗ ∈ 𝑹𝑛 dos vectores
Teorema 3. Desigualdad de Cauchy – Schwarz. Sean 𝑋 , 𝑌
cualesquiera, entonces:
𝟐
⃗ ) ≤ (𝑋 ∙ 𝑋)(𝑌
(𝑋 ∙ 𝑌 ⃗ ∙ 𝑌
⃗)
VECTORES ORTOGONALES.
⃗ ∈ 𝑹𝑛 son ortogonales si: X
Se dice que los vectores 𝑋 , 𝑌 ⃗ ∙ Y
⃗ =0.

⃗
𝑌
𝑋

Para ilustrar la definición, consideremos a los vectores: 𝑋 = (𝑥1 , 𝑥2 ) ∈ 𝑹2 ,

⃗ = (𝑦1 , 𝑦2 ) ∈ 𝑹2 los cuales son perpendiculares (ortogonales) y se hallan
𝑌
representados en la figura.
𝑥
La recta en la que se encuentra el vector 𝑋 tiene pendiente 𝑥2, y la que contiene
1
𝑦2
⃗ tiene pendiente . Estas dos rectas son perpendiculares si y sólo si
al vector 𝑌 𝑦 1
el producto de sus pendientes es igual a −1, es decir:
𝑥2 𝑦2
( ) ( ) = −1
𝑥1 𝑦1
𝑥2 ∙ 𝑦2 = −𝑥1 ∙ 𝑦1
𝑥2 ∙ 𝑦2 + 𝑥1 ∙ 𝑦1 = 0
Es decir el producto punto de los vectores:
⃗ ∙ Y
X ⃗ =0

Un conjunto de vectores ⃗⃗⃗

𝑉1 , ⃗⃗⃗
𝑉2 , … , ⃗⃗⃗
𝑉𝑛 ∈ 𝑹𝑛 se dice ser ortogonal si tomados dos
a dos, éstos son ortogonales.
Ejemplo. Verificar si el conjunto 𝐴 = {(−1,1,1), (2,1,1), (0, −1,1)}es un
conjunto ortogonal de vectores en 𝑹3 .

Considerando los vectores de dos en dos para comprobar si éstos son

ortogonales:

⃗⃗⃗
𝑉1 ∙ ⃗⃗⃗
𝑉2 = (−1,1,1) ∙ (2,1,1) = −1 ∙ 2 + 1 ∙ 1 + 1 ∙ 1 = 0
Los vectores ⃗⃗⃗
𝑉1 y ⃗⃗⃗
𝑉2 son ortogonales.

⃗⃗⃗
𝑉1 ∙ ⃗⃗⃗
𝑉3 = (−1,1,1) ∙ (0, −1,1) = −1 ∙ 0 + 1 ∙ (−1) + 1 ∙ 1 = 0
Los vectores ⃗⃗⃗
𝑉1 y ⃗⃗⃗
𝑉3 son ortogonales.

⃗⃗⃗
𝑉2 ∙ ⃗⃗⃗
𝑉3 = (2,1,1) ∙ (0, −1,1) = 2 ∙ 0 + 1 ∙ (−1) + 1 ∙ 1 = 0
Los vectores ⃗⃗⃗
𝑉2 y ⃗⃗⃗
𝑉3 son ortogonales.

Por tanto, el conjunto A de vectores es un conjunto ortogonal en 𝑹3 .

Teorema 4. Sea 𝐴 = {𝑉 ⃗⃗⃗1 , ⃗⃗⃗

𝑉2 , … , ⃗⃗⃗⃗
𝑉𝑘 } un conjunto de k vectores no nulos en 𝑹𝑛 .
Si este conjunto es ortogonal, entonces es también linealmente independiente
(y entonces necesariamente 𝑘 ≤ 𝑛).
Un conjunto de dos vectores puede ser linealmente independiente en un espacio
𝑹2 , así también un conjunto de dos vectores puede ser linealmente
independiente en cualquier espacio 𝑹n , siendo 𝑛 ≥ 2.
Por otro lado un conjunto de tres vectores pueden ser linealmente
independientes en un espacio 𝑹3 , así también un conjunto de tres vectores
pueden ser linealmente independientes en cualquier espacio 𝑹n , siendo 𝑛 ≥ 3.
Y lo que establece el teorema es que un conjunto de tres vectores no pueden ser
linealmente independientes en un espacio 𝑹2 , en éste caso necesariamente uno
de los tres puede escribirse mediante una combinación lineal de los otros dos.
 5. PROYECCIÓN ORTOGONAL DE UN VECTOR SOBRE OTRO.

⃗ , 𝑣 ∈ 𝑹𝑛 . El vector proyección de 𝑢
Sean 𝑢 ⃗⃗⃗⃗⃗ sobre una dirección dada por
⃗ = 𝑃𝑄
el vector no nulo 𝑣 = ⃗⃗⃗⃗𝑃𝑆, como se muestra en la figura, es el vector ⃗⃗⃗⃗⃗ 𝑃𝑅
determinado al trazar una perpendicular desde 𝑄 hasta la recta que pasa por
𝑃𝑆. La notación para este vector es: ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃𝑅𝑢→𝑣 = 𝑝𝑟𝑜𝑦𝑣⃗ 𝑢 ⃗ .

El vector proyección ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗

𝑃𝑅𝑢→𝑣 es un múltiplo escalar del vector 𝑣, es decir existe:
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝜆 ∈ 𝑹 tal que 𝑃𝑅𝑢→𝑣 = 𝜆𝑣 (I)
⃗⃗⃗⃗⃗ = 𝑢
Por otro lado, el vector 𝑅𝑄 ⃗ − ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃𝑅𝑢→𝑣 es un vector ortogonal a 𝑣, por lo que
se cumple:

⃗ − ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
(𝑢 𝑃𝑅𝑢→𝑣 ) ∙ 𝑣 = 0
(𝑢
⃗ − 𝜆𝑣) ∙ 𝑣 = 0
Utilizando las propiedades de linealidad (propiedades 3 y 4 del Teorema 2) del
producto punto, se obtiene:

𝑢
⃗ ∙ 𝑣 − 𝜆𝑣 ∙ 𝑣 = 0
𝑢
⃗ ∙ 𝑣 = 𝜆𝑣 ∙ 𝑣
𝑢
⃗ ∙𝑣
𝜆=
𝑣∙𝑣
Reemplazando en ( I ), se tiene que la proyección ortogonal de 𝑢
⃗ sobre 𝑣 es el
vector:
𝑢
⃗ ∙𝑣
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃𝑅𝑢→𝑣 = ( )𝑣
𝑣∙𝑣

Si el ángulo entre los vectores 𝑢⃗ y 𝑣 es mayor a 90° entonces el vector

proyección ⃗⃗⃗⃗⃗
𝑃𝑅 , se determina de la misma manera previa trazando una
⃗⃗⃗⃗ ,
perpendicular desde 𝑄 hasta la recta sobre la cual se encuentra el vector 𝑃𝑆
dicho vector proyección se observa en la siguiente figura y se calcula con la
igualdad calculada previamente.

Si el vector 𝑢
⃗ representa una fuerza aplicada a un objeto, entonces la proyección
del vector 𝑢 ⃗ sobre un vector v⃗ , representa la fuerza efectiva a la que se somete
el objeto en la dirección de v⃗
 ⃗ = (6,2) ∈ 𝑹2, 𝑣 = (1,5) ∈ 𝑹2.
Ejemplo: Considere los vectores 𝑢

Determine la proyección de 𝑢
⃗ sobre el vector 𝑣 .

𝑢
⃗ ∙𝑣 (6,2) ∙ (1,5) 6∙1+2∙5 16
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃𝑅𝑢→𝑣 = 𝑣= 𝑣= 𝑣= 𝑣
𝑣∙𝑣 (1,5) ∙ (1,5) 1∙1+5∙5 26

8 8
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃𝑅𝑢→𝑣 = 𝑣= (1,5)
13 13

8 40 8 40
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃𝑅𝑢→𝑣 = ( , )= 𝑖+ 𝑗
13 13 13 13

Determine la proyección de 𝑣 sobre el vector 𝑢

⃗.

𝑣∙𝑢⃗ (1,5) ∙ (6,2) 6∙1+2∙5 16

⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃𝑅𝑣→u = 𝑢
⃗ = 𝑢
⃗ = 𝑢
⃗ = 𝑢
⃗
𝑢
⃗ ∙𝑢
⃗ (6,2) ∙ (6,2) 6∙6+2∙2 40

2 2
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃𝑅𝑣→u = 𝑢 ⃗ = (6,2)
5 5

12 4 12 4
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃𝑅𝑣→u = ( , ) = 𝑖+ 𝑗
5 5 5 5
 6. NORMA.

Se define la norma (norma euclidiana) de un vector 𝑋 ∈ 𝑹𝑛 , denotada por ‖𝑋‖,

como:

‖𝑋‖ = √𝑋 ∙ 𝑋

Entonces, si: 𝑋 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ), se tiene:

‖𝑋‖ = √𝑥12 + 𝑥22 + . . . +𝑥𝑛2

Presentado de otra manera, la norma de un vector en 𝑹𝑛 es una función:

‖ ‖: 𝑹𝑛 → 𝑹

tal que a cada vector 𝑋 ∈ 𝑹𝑛 le asocia el número real ‖𝑋‖ y que cumple con las
propiedades que se mencionan en el Teorema 5.
Cuando la noción de norma de un vector, que ha sido definida en general en el
espacio 𝑹𝑛 , se particulariza a los espacios 𝑹2 y 𝑹3 esta definición de norma da
la noción de “tamaño del vector”.
Es así que si 𝑋 = (𝑥1 , 𝑥2 , 𝑥3 ) ∈ 𝑹3 la norma del vector:

‖𝑋‖ = √𝑥12 + 𝑥22 + . . . +𝑥32

no es más que la distancia del punto (𝑥1 , 𝑥2 , 𝑥3 ) al origen (0,0,0).

En el teorema siguiente se recogen las principales propiedades de la norma de
un vector en 𝑹𝑛 .
⃗ ∈ 𝑹𝑛 y 𝑐 ∈ 𝑹 . Se tiene:
Teorema 5. Sean 𝑋 , 𝑌

i) ‖𝑋‖ ≥ 0, ‖𝑋‖ = 0 ↔ 𝑋 = ⃗0
ii) ‖𝑐𝑋‖ = |𝑐| ‖𝑋‖
iii) ⃗ ‖ ≤ ‖𝑋‖ + ‖𝑌
‖𝑋 + 𝑌 ⃗ ‖ Desigualdad triangular

La tercera propiedad describe un hecho geométrico bien conocido: en un

triángulo cualquiera, la longitud de uno de sus lados no puede exceder a la
suma de las longitudes de los otros dos lados. Es por eso que el resultado es
conocido como desigualdad triangular y puede observarse en la figura.

Ejemplo: Verifique la desigualdad triangular con los vectores:

𝑋 = (1, −2,3,2) ∈ 𝑹4
⃗ = (5, −3,0,1) ∈ 𝑹4
𝑌
 ⃗ = (1 + 5, −2 − 3,3 + 0,2 + 1) = (6, −5,3,3)
𝑋+𝑌

⃗ ‖ = √62 + (−5)2 + 32 + 32 = √79

‖𝑋 + 𝑌

Por otro lado:

‖𝑋‖ = √12 + (−2)2 + 32 + 22 = √18

⃗ ‖ = √52 + (−3)2 + 02 + 12 = √35

‖𝑌

Como la desigualdad triangular expresa:

⃗ ‖ ≤ ‖𝑋‖ + ‖𝑌
‖𝑋 + 𝑌 ⃗‖

Entonces:
√79 ≤ √18 + √35

VECTOR UNITARIO.
⃗ se llama vector unitario si ‖𝑉
El vector 𝑉 ⃗ ‖ = 1.

El vector unitario que tiene la misma dirección que el vector dado 𝑋, se llama
versor de 𝑋 y se lo denota como 𝜇 ⃗⃗⃗⃗𝑋 . Dado el vector 𝑋, su vector unitario es:

𝑋
𝜇
⃗⃗⃗⃗𝑋 =
‖𝑋‖

Tome en cuenta que los vectores de la base canónica de 𝑹𝑛 son unitarios,

puesto que:

‖𝑒𝑖 ‖ = √02 + . . . +12 + … + 02 = √1 = 1, 𝑠𝑖𝑒𝑛𝑑𝑜 𝑖 = 1,2, … 𝑛

Ejemplo: Sea el vector: 𝑋 = (1, −2,3) ∈ 𝑹3, determinar su versor:

La norma del vector: ‖𝑋‖ = √12 + (−2)2 + 32 = √14

Entonces el versor:
(1, −2,3) 1 −2 3
𝜇
⃗⃗⃗⃗𝑋 = =( , , )
√14 √14 √14 √14

Donde se puede verificar que: ‖𝜇

⃗⃗⃗⃗𝑋 ‖ = 1

Ejemplo: Sea el vector de la base canónica 𝑹4 : 𝑖 = (1,0,0,0) ∈ 𝑹4 . Verificar que

este es un vector unitario.

La norma del vector: ‖𝑖‖ = √12 + 02 + 02 + 02 = √1 = 1

DESIGUALDAD DE CAUCHY - SCHWARZ

En el Teorema 3 se presentó la desigualdad de Cauchy – Schwarz:
𝟐
⃗ ) ≤ (𝑋 ∙ 𝑋)(𝑌
(𝑋 ∙ 𝑌 ⃗ ∙ 𝑌
⃗)

Si se toma raíz cuadrada en ambos miembros de esta desigualdad, queda:

𝟐
√(𝑋 ∙ 𝑌
⃗ ) ≤ √(𝑋 ∙ 𝑋)√(𝑌
⃗ ∙ 𝑌
⃗)

⃗ | ≤ ‖𝑋‖ ‖𝑌
|𝑋 ∙ 𝑌 ⃗‖

Expresión que se utiliza en capítulos posteriores de la asignatura.

 7. ANGULO ENTRE DOS VECTORES.
⃗ ∈ 𝑹𝑛 dos vectores no nulos representados en la figura:
Sean 𝑋 , 𝑌

En el triángulo rectángulo mostrado en la figura se determina:

⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
‖𝑃𝑅 𝑌→X ‖
cos 𝜃 =
‖𝑌 ⃗‖

⃗ ∙𝑋
𝑌 ⃗ ∙ 𝑋|
|𝑌
‖ ‖
𝑋∙𝑋 ‖𝑋‖
cos 𝜃 = =
‖𝑌⃗‖ ‖𝑌⃗‖

Por lo tanto:
⃗ ∙ 𝑋|
|𝑌
cos 𝜃 =
‖𝑋‖ ‖𝑌 ⃗‖

⃗ ∈ 𝑹𝑛 como
De esta manera se define al ángulo entre los vectores no nulos 𝑋 , 𝑌
el ángulo: 𝜃, 0 ≤ 𝜃 ≤ 𝜋, dado por:

𝑌⃗ ∙𝑋
𝜃 = arccos
‖𝑋‖ ‖𝑌⃗‖
De la anterior igualdad se puede sacar las siguientes conclusiones:
𝜋
⃗ ∙𝑋 >0→0<𝜃 <
𝑌
2
𝜋
⃗ ∙𝑋 =0→𝜃 =
𝑌
2
𝜋
⃗
{𝑌 ∙ 𝑋 < 0 →→ 2 < 𝜃 < 𝜋
Si el producto punto es positivo el ángulo 𝜃 es agudo, si es negativo el ángulo 𝜃
es obtuso y si es cero el ángulo 𝜃 es recto.
Finalmente a partir del ángulo entre dos vectores se puede establecer la
siguiente igualdad:
⃗ ∙ 𝑋| = ‖𝑋‖ ‖𝑌
|𝑌 ⃗ ‖ cos 𝜃

Ejemplo: Determine el ángulo entre los vectores:

𝑋 = (1, −2,3,2) ∈ 𝑹4
⃗ = (5, −3,0,1) ∈ 𝑹4
𝑌
El producto punto es:
𝑋∙𝑌 ⃗ = 1 ∙ 5 + (−2) ∙ (−3) + 3 ∙ 0 + 2 ∙ 1 = 13

Como:
‖𝑋‖ = √12 + (−2)2 + 32 + 22 = √18

⃗ ‖ = √52 + (−3)2 + 02 + 12 = √35

‖𝑌

Entonces se calcular el ángulo entre los dos vectores:

𝑌⃗ ∙𝑋 13
𝜃 = arccos = arccos = arccos 0.51793
‖𝑋‖ ‖𝑌⃗‖ √18√35

𝜃 = 58.81° = 1.026 rad

 CONTROL DE LECTURA

Como una forma de evaluación sobre la primera parte de este capítulo, cada
estudiante deberá responder la siguiente evaluación y enviarla vía whatsapp o
al correo electrónico: moramaymorandoguzman@hotmail.com hasta el día
Viernes 27 de Marzo de 2020. La resolución puede realizarse en computadora
o en manuscrito.

1. Sean los vectores:

i) {(3, 2,1), (1,0,0), (−4,5, −2)}
ii) {(1,2,3), (−1, −1,2), (1,3,8)}
iii) {(1,1,9), (2,1,3), (2,2,3), (3, −3, −7)}
A) Determine si los siguientes conjuntos de vectores son linealmente
independientes o dependientes, justificando su respuesta.
B) Determine cuáles de los siguientes conjuntos de vectores se
constituyen en una base del espacio vectorial.
C) Represente al vector: 𝐵 ⃗ = (2, 4, −1) ∈ 𝑹3 como una combinación
lineal de la base de los espacios vectoriales del inciso anterior.

2. Demostrar que los vectores que se constituyen en base de un espacio

vectorial del ejercicio 1, son un conjunto ortogonal de vectores.

3. Halle un vector (𝑥, 𝑦, 𝑧) ∈ 𝑹3 que sea ortogonal a:

A) (3, 1, 1)
B) (3, 1, 1) y (6, 2, 2)
C) (3, 1, 1) y (2, 1, 5)

4. Sea el vector 𝑢⃗ = (6,3,2) y el vector 𝑣 = (1, −2, −2). Determine la

proyección de 𝑢⃗ sobre el vector 𝑣 así como también la proyección de 𝑣
sobre el vector 𝑢
⃗.
5. Sean 𝑋 , 𝑌 ⃗ ∈ 𝑹𝑛 y 𝑐 es un escalar 𝑐 ∈ 𝑹. Demuestre las siguientes
igualdades y verifíquelas con un ejemplo en 𝑹3 .
A) ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃𝑅𝑦→−x = ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃𝑅𝑦→x
B) ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃𝑅−𝑦→x = −𝑃𝑅 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑦→x
C) ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃𝑅𝑐 𝑦→x = 𝑐 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃𝑅𝑦→x

6. Calcule la norma de los vectores: A) (−3, 1) ; B) (2, −3,4) ; C)

(1,3,2,0, −1)

7. ¿Qué es la norma de un vector 𝑋 ∈ 𝑹1 ? ¿Cómo se ven las propiedades

de la norma (Teorema 5) en este caso?

⃗ ∈ 𝑹𝑛 dos vectores ortogonales, tales que: ‖𝑋‖ = 3 , ‖𝑌

8. A) Sean 𝑋 , 𝑌 ⃗‖=
⃗ ‖ y ‖𝑋 − 𝑌
7. Calcule: ‖𝑋 + 𝑌 ⃗‖.

B) Sean 𝑋 , 𝑌⃗ ∈ 𝑹𝑛 , tales que: ‖𝑋‖ = 4 , ‖𝑌

⃗ ‖ = 5, ‖𝑋 + 𝑌
⃗‖=7 .
Calcule: ‖𝑋 − 𝑌⃗‖

⃗ = (3,1,2) .
9. Calcule el ángulo entre los vectores: A) 𝑋 = (2,1, −2) y 𝑌
B) 𝑋 = (−2,0,2,1) y 𝑌⃗ = (0,0,3,7)

15
⃗ ∈ 𝑹3 sabiendo que es
10. Sea 𝑋 = (6, −8, − 2 ). Determine el vector 𝑌
linealmente dependiente con 𝑋, que ‖𝑌 ⃗ ‖ = 50 y que el ángulo que
forma 𝑌⃗ con la parte positiva del eje Z es agudo.