U.N.Sa.

- Facultad de Ciencias Exactas

Asignatura: Algebra Lineal y Geometría Analítica
Carreras: LAS, PM, LF, LER, TEU, TUES, TUP
do
Año: 2015 -2 Cuatrimestre
Docente: Ing. Augusto A. Estrada V.

RESUMEN DEL TEMA 5

VECTORES
1.- INTRODUCCION
El concepto de vector tiene distintos significados según el contexto en el que se lo utiliza. Así
en la física un vector se utiliza para designar alguna magnitud física en la que se necesita para
determinarla indicar además de su magnitud escalar, una dirección y un sentido por ejemplo para
describir una fuerza, la velocidad de un móvil etc. En la medicina más precisamente en la
epidemiología se utiliza el término de vector para indicar el organismo portador y trasmisor de
una enfermedad, por ejemplo se dice que el vector del dengue es el mosquito Aedes aegypti.
En matemática un vector se considera como un elemento de un espacio vectorial y en el caso
de R n como una n − upla ordenada de números reales y desde el punto de vista geométrico como
un segmento dirigido. Esta última acepción es la que vamos a estudiar en el presente capítulo.
2.- VECTORES
2.1.-Vectores en R n
En el Tema 3 estudiamos el concepto de espacio vectorial y probamos que R n es un espacio
vectorial sobre el cuerpo de los reales con las operaciones de suma y producto por un escalar
usuales:
Suma (+) : ∀U, V ∈ R n , U = u 1 , u 2 , . . . u n  ; V = v 1 , v 2 , . . . v n 
⇒ U + V = u 1 + v 1 , u 2 + v 2 , . . . . . u n + v n 
Producto por un escalar (∙ : ∀U ∈ R n ∀α ∈ R ⇒ α ∙U = αu 1 , αu 2 , . . . αu n 
Asimismo utilizando el concepto de coordenadas de un vector mostramos que:
∀X ∈ R n ,X = x 1 , x 2 , . . . x n  se cumple que: x 1 ,
x 2 , . . . x n  = x 1 1, 0. . . . 0 + x 2 0, 1. . . . 0 +. . . . . . +x n 0, 0. . . . 1
Siendo el conjunto 1, 0. . . . 0, 0, 1. . . . 0. . . . . . 0, 0. . . . 1 una base de R n llamada la base
canónica de R n . De esta manera, dijimos que x 1 , x 2 , . . . x n  son las coordenadas de cualquier
vector X ∈ R n respecto a la base canónica de R n y consideramos a los elementos de R n como una
n − upla ordenada de números reales y por ser elementos de un espacio vectorial los llamamos
vector. Esta forma de definir un vector, es desde el punto de vista algebraico.
En este capítulo definiremos un vector desde el punto de vista geométrico. Lo haremos para
el caso n = 2 (el plano bidimensional R 2 ) y n = 3 (el espacio tridimensional R 3  como espacios
euclídeos.
2.2.-Vectores en R 2 y R 3
Dados dos puntos distintos P, Q de R 2 ó R 3 , sabemos por un axioma de la geometría
euclidiana que determinan una recta. También sabemos por otro axioma que los puntos de una
recta constituyen un conjunto abierto, denso y ordenado y que hay dos formas una opuesta de la
otra de ordenar los puntos de una recta, indicando un orden de precedencia entre dos puntos
distintos de la recta. Así si establecemos que el punto P precede a Q estamos estableciendo un
sentido de recorrido en la recta opuesto al que correspondería a establecer que el punto Q le
precede a P.
2.2.1.-Definición de vector desde el punto de vista geométrico.
 Dados dos puntos distintos P, Q de R 2 ó R 3 , definimos como vector de origen P y extremo Q
al segmento dirigido desde P hacia Q y lo simbolizamos con PQ o bien V = PQ
El vector desde el punto de vista geométrico queda bien definido si se dan tres datos: su
magnitud, su dirección, y su sentido.
La magnitud del vector PQ es la longitud del segmento de extremos P y Q y que será igual a
la distancia entre los puntos P y Q
La dirección del vector PQ es la de la recta determinada por P y Q o cualquier recta paralela
El sentido es el que va desde P (origen del vector) hacia Q (extremo del vector)

2.2.2.-Definición de igualdad de vectores

Dados dos vectores U, V ∈ R n . Decimos que U, V son equivalentes ( iguales) si y solo si
tienen igual magnitud, igual dirección e igual sentido.
Esta definición nos permite afirmar que podemos trasladar un vector sobre la recta que lo
contiene o en forma paralela a ella y el vector ocupara distintas posiciones del plano o del
espacio pero seguirá siendo el mismo vector (o equivalente).
2.2.3.-Operaciones de suma y producto por un escalar
Se consideran las operaciones de suma y producto por un escalar usuales definidas más arriba
para R n particularizadas para n = 2 ( R 2  ó n = 3 (R 3 ). Al ser R n un espacio vectorial sobre el
cuerpo de los reales con estas operaciones, ellas son operaciones cerradas y cumplen con todas
las propiedades de espacio vectorial.
2.2.3.1.- Suma geométrica (regla del paralelogramo)
La suma de vectores en forma geométrica (gráfica) se realiza utilizando la regla del
paralelogramo. Esta regla indica que el vector suma de U + V es el vector que se obtiene llevando
en forma paralela el vector V hasta hacer coincidir su origen con el extremo del vector U el
vector suma será aquel que tiene origen en el origen de U y extremo en el punto al cual se
traslada el extremo de V. Geométricamente el vector suma es la diagonal del paralelogramo de
lados U y V y cuyo origen coincide con el origen de esos vectores.
Esta forma de sumar vectores es equivalente a la suma usual definida en el espacio R n . En la
figura 1 se muestra el cumplimiento de la propiedad conmutativa.
Figura 1

V U+V V
V+U

U
U

2.2.3.2,- Producto por un escalar (interpretación geométrica)

El producto de un escalar (número real) por un vector es otro vector que tiene la misma
dirección que el vector por el cual se multiplica el escalar (es una combinación lineal de él) así
que ambos vectores son paralelos o colineales por lo que tendrán la misma dirección (sus
extremos serán puntos alineados). Si el escalar es el cero será el vector nulo, sí es positivo los
vectores tendrán igual sentido y si el escalar es negativo tendrán sentidos contrarios. En la figura
2 se muestra la interpretación geométrica de la situación.
 Figura 2

tV, t>0; V y tV tienen igual sentido

V
O

tV, t<0 ; V y tV tienen entidos contrarios

2.2.4.- Representación de un vector en el plano (R 2 

Si consideramos un sistema de coordenadas ortogonales x, y (asociado a la base canónica de
R 2 ). Sabemos que cualquier punto de R 2 se considera como un par ordenado de números reales
x, y, donde x e y son sus coordenadas respecto a esa base. Entonces cada punto del plano es el
extremo de un vector cuyo origen es el origen de coordenadas (llamado vector posición del
punto).
Dado el vector PQ entonces podemos graficar los vectores posición de los puntos P y Q.
sabemos que el vector −P es paralelo y de sentido contrario que el vector P en consecuencia el
vector Q − P = Q + −P es el vector que tiene origen en el origen en el origen de Q que es O y
el extremo del vector suma de Q y −P (que sabemos se realiza llevando a continuación de Q el
vector −P de manera que los puntos O, P, Q, −P son vértices de un paralelogramo y sabemos que
sus lados opuestos son paralelos y de igual medida. De esta manera el vector PQ se obtiene
haciendo la diferencia de las respectivas coordenadas de los puntos Q y P como se observa en la
figura 3
Figura 3 Figura 4

y y

q2 Q
Q-P
p2 P 3 X=(x,y)=(2,3)

(q 2 -p 2 ) 1 -P
Q-P
1
1
p1 q1 x
1
O 2 x

-P

En la figura 4 se muestra como se grafica un vector X = x, y = 2, 3. El punto X, extremo
del vector, se obtiene marcando las coordenadas cartesianas x = 2 e y = 3 del vector y como
intersección de las paralelas al eje y por x = 2 y al eje x por y = 3. El vector X es la diagonal del
paralelogramo.
2.2.5.-.Representación de un vector en el espacio (R 3 
De forma similar que en el plano, si consideramos un sistema de coordenadas ortogonales
x, y, z cualquier punto del espacio se considera como una terna ordenada de números reales
x, y, z en la que x, y, z son las coordenadas respecto a la base canónica de R 3 y cada punto del
espacio será entonces el extremo de un vector con origen en el origen de coordenadas y con
extremo en el punto considerado.
En la figura 5 se muestra como se grafica un vector en R 3 . El procedimiento es similar al
utilizado en el plano. Primero se marcan las coordenadas x = 2, y = 2, z = 3 en el sistema de
ejes cartesianos ortogonales x, y, z cuyo origen es O, luego se traza en cada uno de los planos
coordenados las paralelas a cada uno de los ejes pr ejemplo en el plano xy trazamos la paralela al
eje y por x = 2 y la paralela al eje x por y = 2. De esta manera se forman los paralelogramos que
constituyen las caras de un paralelepípedo cuyos lados tienen longitud igual a las respectivas
coordenadas 2, 2, 3.
El vector X es la diagonal del paralelepípedo que une los puntos O y X.
Figura 5
z

X=(x, y, z) = (2, 2, 3)
2

1 O 1 2 y
2

Observación: Debido a que el eje x está inclinado (en perspectiva) las longitudes en él no se
ven en verdadera magnitud sino que dependen de la perspectiva con la que se dibuja. En cambio
tanto en el eje y como en el z, las longitudes se aprecian en su verdadera magnitud. Por ello y a
los efectos de que los objetos que se dibujan se vean en perspectiva, las escalas (unidad) en los
ejes y, z son las mismas no así el eje x. En el dibujo el eje x está inclinado a 45º por lo que la
unidad respecto a los otros se toma en forma aproximada la mitad.
3.- PRODUCTO INTERNO
3.1.- Definición: Sea (V, +, R,∙ un espacio vectorial, Una función , : V × V → R, define
un producto interno en V si verifica los siguientes axiomas
∀ U, V, W ∈ V ∧∀α ∈ R
Ax1 : 〈U, V〉 = 〈V, U〉 conmutatividad Ax2 : 〈kU, V〉 = k〈U, V〉 Homogeneidad

Ax3 : 〈U, V + W〉 = 〈U, V〉 + 〈U, W〉 Linealidad Ax4 : 〈U, U〉  0 ∧ 〈U, U〉 = 0  U = ⊙

(⊙ neutro de la suma en V.
4.- PRODUCTO INTERNO USUAL O ESCALAR EN R n
4.1.- Definición: Dados U = u 1 , u 2 , . . . . . , u n  y V = v 1 , v 2 , . . . . . , v n  U y V se define 〈, 〉 :
R n → R/
n
〈U, V〉 = ∑ u i v i = u 1 v 1 + u 2 v 2 , . . . . . +u n v n
i=1
Se puede demostrar que esta función cumple con los axiomas que definen un producto
interno por lo que define un producto interno en R n .
A esta función se la denomina producto interno usual o producto escalar en R n

5.-NORMA DE UN VECTOR
Dado un espacio vectorial V con producto interno 〈, 〉 y X ∈ V. definimos:
‖X‖ = 〈X, X〉
En el caso particular de que V = R n con el producto interno usual (escalar) definido
anteriormente tendremos que:
Si ,X = x 1 , x 2 , . . . x n  entonces ‖X‖ = 〈X, X〉 = 〈x 1 , x 2 , . . . x n , x 1 , x 2 , . . . x n 〉 =
= x 21 + x 22 +. . . . +x 22 . Entonces:
‖X‖ = x 21 + x 22 +. . . . +x 22 1
La 1 proporciona la norma de cualquier vector X ∈ R n . Es la llamada norma euclidea y nos
da la longitud del vector X.
En el caso de que ,X = PQ siendo P = p 1 , p 2 , . . . , p n  y Q = q 1 , q 2 , . . . , q n  puntos
distintos de R n y como X = Q − P = q 1 − p 1 , q 2 − p 2 , . . . . . , q n − p n  será:
‖X‖ = q 1 − p 1  2 , q 2 − p 2  2 , . . . . . , q n − p n  2 2
La 2 proporciona la longitud del vector X ∈ R n y es la distancia entre los punto P y Q.
5.1.- Propiedades de la norma
Dado el espacio vectorial V con producto interno , y U, V ∈ V entonces
P1 : ‖U‖  O ∧ ‖U‖ = 0 ⇔ U = ⊙
P2 : ‖U‖ 2 = 〈U, U〉
P3 : ‖kU‖ = |k|‖U‖
P4 : |〈U, V〉|  ‖U‖‖V‖ (Desigualdad de Cauchy-Schwardz
P5 : ‖U + V‖  ‖U‖ + ‖V‖Desigualdad triangular
5.2.-Vector unitario
Definición: Dado un espacio vectorial V con producto interno , y U ∈ V Decimos que U
es un vector unitario sii ‖U‖ = 1
Ejemplo 1: V = R 2 , U, V ∈ R 2 , U = u 1 , u 2  y V = v 1 , v 2  y U, V = u 1 v 1 + u 2 v 2
Los vectores de la base canónica de R 2 I = 1, 0 y J = 0, 1 son vectores unitarios ya que:
‖I‖ = 〈I, I〉 = 〈1, 0, 1, 0〉 = 1. 1 + 0. 0 = 1 y
‖J‖ = 〈J, J〉 = 〈0, 1, 0, 1〉 = 0. 0 + 1. 1 = 1
Teorema 5.1: Sea R n con el producto interno usual , y U ∈ R n , entonces el vector
W = ± 1 U es un vector unitario que tiene la misma dirección que el vector U
‖U‖
Corolario: U ∈ R n y W = ± 1 U, entonces W tiene el mismo sentido U ó sentido contrario
‖U‖
que U.
6.-ANGULO ENTRE DOS VECTORES
Dados dos vectores U, V ∈ R n , el ángulo ϕ 0  ϕ  π es el ángulo entre U, V y cumple:
〈U, V〉 〈U, V〉
cos ϕ = y en consecuencia: ϕ = arco cos  3
‖U‖‖V‖ ‖U‖‖V‖
π
Si ϕ = 2
⇒ cos ϕ = 0 ⇒ 〈U, V〉 = 0 entonces tiene sentido dar la siguiente definición:
Definición: Decimos que dos vectores no nulos de un espacio vectorial son ortogonales si y
solo si su producto interno es nulo
7.- PROYECCION ORTOGONAL DE UN VECTOR SOBRE OTRO
 Dados dos vectores U, V ∈ R n . Definimos Proyección ortogonal de U sobre V al vector W
que tiene la misma dirección que V y lo simbolizamos por proy V U
dado por:
〈U, V〉
proy V U = V 4
‖V‖ 2
La 4 proporciona el vector W, proyección ortogonal del vector U sobre el vecto V.
El Vector W tiene la misma dirección que el vector V, su sentido es igual al de V si
〈U, V〉 > 0 ó tiene sentido contrario a V si 〈U, V〉 < 0 y:
〈U, V〉
‖W‖ = 5
‖V‖
La 5 proporciona la norma del vector proyección ortogonal de U sobre V.
En la figura 6 se muestra la interpretación geométrica del vector proyección ortogonal de U
sobre V.
Figura 6

U U

ϕ
ϕ ϕ
W V W V
W y V tienen sentido contrario W y V tienen igual sentido

8.- COMPLEMENTO ORTOGONAL

8.1.- Definición:
Dado un subespacio S de un espacio vectorial V con producto interno 〈, 〉. LLamamos
complemento ortogonal de S y lo simbolizamos por S  al conjunto de todos los vectores del
espacio V que son ortogonales a cualquier vector de S. Es decir;
S  = X ∈ V/〈X, Y〉 = 0 ∀Y ∈ S
Definición: Sea V un espacio vectorial con producto interno 〈, 〉, S un subespacio de V y
V∈V
Decimos que V es ortogonal a S y lo simbolixamos por VS si y solo si V es ortogonal a
cualquier vector de S
Teorema 5.3: Si G =V 1 , V 2 , . . . . V k  es un conjunto generador de un subespacio S ⊂ V y
W ∈ V entonces:
WV i ∀i = 1, 2, . . . , k ⇔ WS
9.- BASES ORTOGONALES Y ORTONORMALES.
Definición: Dada una base B =V 1 , V 2 , . . . . . , V n  de un espacio vectorial V
1. Decimos que B es una base ortogonal de V si y solo si: 〈V i , V j 〉 = 0 ∀i ≠ j
2. Decimos que B es una base ortonormal de V si y solo si: 〈V i , V j 〉 = 0 ∀i ≠ j ∧ ‖V i ‖ = 1
∀i = 1, 2, . . . n
10.- PROCESO DE ORTOGONALIZACION DE GRAM-SCHMIDT
Dada B =V 1 , V 2 , . . . . . , V n  una base de R n , y el producto interno usual en R n entonces
existen un par de bases B 1 y B 2 para R n , siendo B 1 una base ortogonal y B 2 una base
ortonormal, con la aplicación del siguiente proceso:
Si B 1 = W 1 , W 2 , . . . . . , W n  y B 2 = U 1 , U 2 , . . . . . , U n 
Serán:
W1 = V 1 ⇒ U1 = 1 W1
‖W 1 ‖
W 2 = V 2 − 〈V 2 , U 1 〉U 1 ⇒ U 2 = 1 W2
‖W 2 ‖
.
.
W k = V k − 〈V k , U 1 〉U 1 − 〈V k , U 2 〉U 2 . . . . −〈V k , U k−1 〉U k−1 ⇒ U k = 1 Wk
‖W k ‖
Las últimas igualdades nos la fórmula general para cualquier k que en particular para k = 1
nos da W 1 y U 1 , para k = 2 nos da W 2 y U 2 y así sucesivamente.
Ejemplo 1: Dada B =V 1 , V 2 =1, 2, 2, 3 una base de R 2 . Utiliza el proceso de
Gram-Schmidt para encontrar una base ortogonal y una base ortonormal para R 2
Si aplicamos la fórmula general del proceso de Gram-Schmidt con k = 1, 2 tendremos que:
W1 = V 1 ⇒ U1 = 1 W1 ⇒ U1 = 1 V 1
‖W 1 ‖ ‖V 1 ‖

W 2 = V 2 − 〈V 2 , U 1 〉U 1 ⇒ U 2 = V 2 − V 2 , 1 V1 1 V1
‖V 1 ‖ ‖V 1 ‖

⇒ U2 = V2 − V2, 1 V 1 V 1 = V 2 − 〈V 2 , V 1 〉 V 1
‖V 1 ‖ 2 ‖V 1 ‖ 2

Te proponga que realices los cálculos y encuentres las bases, ortogonal y ortonormal para
R2.
11.-PRODUCTO VECTORIAL
Dados los vectores U = u 1 , u 2 , u 3 , V = v 1 , v 2 , v 3  de R 3
11.1.- Definición: Denominamos como producto vectorial de U por el vector V y se lo denota
U × V (también U ∧ V al vector W = U × V = u 2 v 3 − v 2 u 3 , v 1 u 3 − u 1 v 3 , u 1 v 2 − v 1 u 2 
Si consideramos sus coordenadas en la base canónica de R 3 , se lo puede expresar como:
W=
U × V = u 2 v 3 − v 2 u 3 , v 1 u 3 − u 1 v 3 , u 1 v 2 − v 1 u 2  = u 2 v 3 − v 2 u 3 I + v 1 u 3 − u 1 v 3 J + u 1 v 2 − v 1 u 2
W =U × V = u 2 v 3 − v 2 u 3 I − u 1 v 3 − v 1 u 3 J + u 1 v 2 − v 1 u 2 K 6
Se puede mostrar que este último resultado se puede obtener calculando el determinante de
una matriz especial mediante el desarrollo de Laplace por su primera fila. Esta matriz especial de
3x3 es la matriz cuya primer fila tiene como componentes a los vectores de la base canónica de
R 3 , como segunda fila al vector U y como tercera fila al vector V. Es decir:
I J K
W = U×V = u1 u2 u3 7
v1 v2 v3
Cuyo desarrollo por Laplace por la primera fila nos da la 6. En consecuencia, la 7
permite calcular el producto vectorial de U por V, que como podemos ver se calcula mediante un
determinante, por lo que gozará de todas las propiedades de un determinante.
Con esta definición se puede demostrar que el vector producto vectorial U × V es un vector
por lo que debe estar definido su longitud, dirección y sentido, los que vienen dados por:
1 Longitud: ‖U × V‖ = ‖U‖‖V‖senϕ siendo ϕ el ángulo entre U y V
2 Dirección: U × VU ∧U × VV (perpendicular simultáneamente a U y V (o bien
perpendicular al plano paralelo a los vectores U y V si estos son L. I. 
3 Sentido: Está dado por la regla de la mano derecha (ó el del avance de un tornillo
universal cuando se realiza el giro desde U hacia V
De la 1 podemos decir que si ϕ = 0 ∘ ∨ ϕ = 180 ∘ , es decir U y V son colineales o paralelos
entonces senϕ = 0 y en consecuencia
‖U × V‖ = ‖U‖‖V‖senϕ = 0 que es la condición necesaria y suficiente para que dos
vectores sean paralelos o colineales. Es decir:
‖U × V‖ = 0  U‖V.

11.2.-Propiedades
Dados U, V, W ∈ R 3 y α ∈ R entonces:
P1 : U × ⊙ = ⊙ ×U = ⊙
P2 : U × V = −V × U
P3 : αU × V = αU × V = U × αV
P4 : U × V + W = U × V + U × W
P5 : U ≠ ⊙ y V ≠ ⊙  U × V = ⊙  U‖V
P6 : ‖U × V‖ 2 = ‖U‖ 2 ‖V‖ 2 − 〈U, V〉 2
11.3.- Aplicaciones:
11.3.1 Area del paralelogramo de lados los vectores U y V

A P =‖U × V‖ 8
La 8 permite calcular el área del paralelogramo de lados los vectores U y V
10.3.1,- Area del tríangulo de lados los vectores U y V

A T = 12 ‖U × V‖ 9
 La 9 permite calcular el área del triángulo de lados los vectores U y V.
12.- PRODUCTO MIXTO
Dados los vectores de R 3 , U = u 1 , u 2 , u 3 , V = v 1 , v 2 , v 3  y W.= w 1 , w 2 , w 3 
12.1.- Definición: Llamamos producto mixto de U, V, W ∈ R 3 y lo denotamos UVW al
escalar obtenido al combinar las operaciones de producto escalar y producto vectorial. Es
decir realizar el producto interno entre el vector U × V y el vector W
Es decir:
UVW = 〈U × V, W〉 10
Se puede demostrar que si realizamos tal producto el resultado es equivalente al determinante
de la matriz de 3x3 cuyas filas son los vectores U, V, W

u1 u2 u3
U, V, W = 〈U × V, W〉 = v1 v2 v3 11
w1 w2 w3

La 11 permite calcular el producto mixto entre los vectores U, V y W. Nuevamente

podemos ver que el producto mixto se calcula como un determinante, por lo que goza de todas
las propiedades del mismo. Así que si recordamos las propiedades de los determinantes, podemos
afirmar que:
Sí UVW = 0 significará que U, V, W es L. D. (condición necesaria y suficiente para que
un conjunto de tres vectores de R 3 sea L. D. 
Es decir:
UVW = 0  U, V, W es L. D.

12.2.-Propiedades
P1 : U × V, W = U, V × W
P2 : U, U × V = V, U × V = 0

12.3.-Aplicaciones
12.3.1.- Volumen de un paralelepípedo de lados los vectores U, V, W.

UxV

P
W

Vol = S b . h
Siendo:
S b : Superficie de la base
 h : Altura respecto a la base
La base del paralelepípedo (de la figura) es el paralelogramo de lados los vectores U y V. Ya
probamos que su superficie viene dada por: S b = ‖U × V‖
Como la altura respecto a la base se mide sobre la perpendicular a la base y la dirección
perpendicular a la base está dada por el vector U × V entonces tendremos que:
〈U × V, W〉 |〈U × V, W〉| |UVW|
h : ‖proy U×V W‖ = = =
‖U × V‖ ‖U × V‖ ‖U × V‖
Si reemplazamos en la expresión del volumen tendremos que:
|UVW|
Vol = S b . h = |U × V| = |UVW|
‖U × V‖
Es decir:
Vol = |UVW| 12

La 12 permite el volumen del paralelepípedo cuyos lados son los vectores U, V, W, y
muestra es el valor absoluto del producto mixto de los tres vectores.

Ing Augusto A. Estrada V./2015