Índice general

1. Vectores 2
1.1. Vectores en el plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Operaciones con vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3. Coordenadas del espacio y vectores en el espacio . . . . . . . . . . . . . . . . . . 9
1.3.1. Vectores en el espacio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4. El producto escalar de dos vectores . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.4.1. Ángulo entre dos vectores . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4.2. Cosenos directores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5. Componentes de un vector . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.6. El producto vectorial de dos vectores en el espacio . . . . . . . . . . . . . . . . . 16
1.7. El triple producto escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.8. Independencia lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.8.1. Interpretación geométrica de la dependencia lineal en R3 . . . . . . . . . 23
2. Funciones 27
2.1. Definiciones y generalidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2. Dominio e Imagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2.1. Algunas funciones especiales . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3. Representación cartesiana de funciones . . . . . . . . . . . . . . . . . . . . . . . 28
2.4. Clasificación de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.5. Composición de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.6. Función inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.7. Imagen y preimagen de subconjuntos del dominio y del rango de una función . . 33
2.8. Relación de equivalencia asociada a una función . . . . . . . . . . . . . . . . . . 34
Capı́tulo 1

Vectores

1.1. Vectores en el plano

Muchas cantidades, tanto en geometrı́a como en fı́sica, tales como el área, el volumen, la temper-
atura, la masa y el tiempo, pueden caracterizarse completamente mediante un único número real
en una escala de medición apropiada. Las denominamos magnitudes escalares y llamamos
escalar al número real asociado con cada una de ellas.
Otras magnitudes, tales como la fuerza y la velocidad, contienen magnitud y dirección, y no
pueden caracterizarse completamente con un único número real. Para representar esas magni-
tudes usamos un segmento orientado, como se muestra en la figura 1.

´ ´
´ ´
Q ´ ´
P unto f inal ´ ´ ´
´ ´ ´´ ´
±£ +́ ´ +́
£ ´ ´´
£ ´ +́
´ ´
£ +́ ´
£ ´ ´ ´
´ ´ ´
£ −→ ´ ´ ´
£ PQ +́ ´ ´
´ ´ ´
£ ´ +́ +́
£ ´
£ ´
´
£ +́
P £
P unto inicial Segmentos orientados equivalentes
F igura 1 F igura 2
−→
El segmento orientado P Q tiene por punto inicial a P y por punto final a Q, y denotamos
−→
su longitud por kP Qk. Dos segmentos orientados de la misma longitud, dirección y sentido se
llaman equivalentes. Por ejemplo, los segmentos orientados de la Figura 2 son todos equiva-
lentes. Al conjunto de los segmentos orientados que son equivalentes a uno dado los llamamos
−→
vector del plano y escribimos v= P Q.
Nota: Denotaremos los vectores mediante letras minúsculas en negrita, tales como u, v y w.

2
Ejemplo 1.1.1. Representamos a u mediante el segmento orientado que va de (0, 0) a (3, 2) y
a v por el que va de (1, 2) a (4, 4). Veamos que u = v.

6y
(4, 4)
4 3́ S
´
´
´
´
3 ´
´
´
´
´ (3, 2)
(1, 2) ´´
2 R 3́ Q
´
´
´
´
1 ´
´
´
´
´ x
´
´ -
P
1 2 3 4 5

Sean P = (0, 0), Q = (3, 2), R = (1, 2) y S = (4, 4), como se ve en la figura. Podemos ver que
−→ −→
P Q y RS tienen la misma longitud usando la fórmula de la distancia en el plano:
−→ p √
kP Qk = (3 − 0)2 + (2 − 0)2 = 13
−→ p √
kRSk = (4 − 1)2 + (4 − 2)2 = 13

Además,ambos segmentos tienen la la misma dirección, ya que ambos están dirigidos hacia
arriba y a la derecha según lı́neas de la misma pendiente:
−→ 2 − 0 2 −→ 4 − 2 2
pendiente de P Q = = y pendiente de RS = =
3−0 3 4−1 3
−→ −→
Por lo tanto, P Q y RS tienen la misma longitud y orientación, y concluı́mos que v = u.

Nota: El segmento orientado cuyo punto inicial es el origen es frecuentemente el representante

más conveniente de un conjunto de segmentos orientados equivalentes, tales como aquellos que
se mostraron en la Figura 2. Decimos que este representante de v está en la posición normal
o canónica
Un segmento orientado cuyo punto inicial está en el origen puede representarse de forma única
por las coordenadas de su punto final Q = (v1 , v2 ). Se conoce como vector en forma de
componentes .
Definición 1.1.2. Si v es un vector del plano cuyo punto inicial es el origen y cuyo punto
final es (v1 , v2 ), entonces el vector v en forma de componentes viene dado por v = (v1 , v2 ).
Las coordenadas v1 y v2 se conocen como componentes de v. Si ambos puntos, el inicial y el
final, son el origen, entonces a v se lo llama vector cero y se lo denota mediante 0 = (0, 0).

Nota: Esta definición implica que dos vectores u = (u1 , u2 ) y v = (v1 , v2 ) son iguales si y sólo
si u1 = v1 y u2 = v2 .
Para pasar de segmentos dirigidos a la forma de componentes y viceversa, empleamos los sigu-
ientes procedimientos:

3
 1. Si P = (p1 , p2 ) y Q = (q1 , q2 ), entonces la forma de componentes del vector v está rep-
−→
resentada por P Q y es (v1 , v2 ) = (q1 − p1 , q2 − p2 ). Además, la longitud de v viene dada
por q
p
kvk = q1 − p1 ) + (q2 − p2 ) = v12 + v22
2 2

2. Si v = (v1 , v2 ), entonces v puede representarse mediante el segmento orientado, en posi-

ción normal, que va de P = (0, 0) a Q = (v1 , v2 ).

y
Ejemplo 1.1.3.
Calcular las componentes y la longitud de un vector v cuyos puntos inicial y final son P =
(1, −2) y Q = (−4, 1) respectivamente.

2
}
Z
Z
Z
Z
Z 1
Z
Z
Z x
Z -
Z
Z
−4 −3 −2 −1
Z 1 2 3
Z
Z
Z
−1Z
Z
Z
Z
−2 Z

Las
p componentes√de v son
√ Q − P = (−4, 1) − (2, −2) = (−6, 3), y la longitud de v es kvk =
2 2
(−6) + 3 = 45 = 3 5

Nota: La longitud de v se conoce también como norma o módulo de v. Si la norma de v es

1, a v se lo llama vector unitario. Además, kvk = 0 si y sólo si v es el vector 0.

1.2. Operaciones con vectores

Las dos operaciones básicas con vectores son la suma de vectores y el producto de un
vector por un escalar. Geométricamente, el producto de un vector v por un escalar k es
un vector que tiene por longitud k veces la longitud de v. Si k es positivo k v tiene el mismo
sentido que v, y si Si k es negativo k v tiene sentido contrario que v, como se ve en la siguiente
figura:

4
 1 3
v 2
v 2v −v − 2
v
¢̧ ¢̧ ¢̧ ¢ ¢
¢ ¢ ¢ ¢ ¢
¢ ¢ ¢ ¢ ¢
¢ ¢ ¢ ¢ ¢
¢ ¢ ¢ ¢
¢ ¢ ¢ ¢
¢ ¢ ¢ ¢
¢ ¢ ¢® ¢
¢ ¢
¢ ¢
¢ ¢
¢ ¢®
¢
¢
¢
¢

Para sumar dos vectores geométricamente, los colocamos (sin cambiar su longitud y sentido)
de forma tal que el punto inicial de uno coincida con el punto final del otro. La suma u + v se
conoce como el vector resultante, y se forma al unir el punto inicial del primer vector con el
punto final del segundo vector, como se indica en la siguiente figura:

6y

v
¢̧ u
¢
¢ 3́
¢ ´
´
´
´ x
-

para sumar u + v
6y

µ
¡
¢̧
¡¢
u + v ¡¢ v
¡3́¢
¡´
¡´
´
¡ u
´ x
-
mover el punto inicial de v al punto f inal de u

Definición 1.2.1. Sean los vectores u = (u1 , u2 ) y v = (v1 , v2 ) y el escalar k. Definimos las
operaciones siguientes:

5
 1. La suma de los vectores u y v es el vector u + v = (u1 + v1 , u2 + v2 ).
2. El producto por un escalar de k y u es el vector k u = (k u1 , k u2 ).
3. El opuesto de v es el vector −v = (−v1 , −v2 ).
4. La diferencia de u y v es el vector u − v = u + (−v) = (u1 − v1 , u2 − v2 ).
Veamos que las definiciones geométrica y algebraica de suma de vectores y producto por un
escalar coinciden:
6

µ
¡
¡u + v
¡
v ¢̧ ¡3́
¢ ¡´
¡´u
¢´
´
¢
¡ -

Notemos que el vector u + v tiene la misma dirección y sentido que cuando se lo calculó en
forma geométrica.

Ejemplo 1.2.2. Dados los vectores v = (−2, 5) y w = (3, 4), calcular los siguientes vectores:
1
1. 2
v
2. w − v
3. v + 2w
Resolución:
1. Como v = (−2, 5), resulta:
1 ³1 1 ´ ³ 5 ´
v= (−2), (5) = − 1,
2 2 2 2

2. w − v = (3 − (−2), 4 − 5) = (5, −1).

3. Como 2 w = (6, 8), resulta que

v + 2w = (−2, −5) + (6, 8)

= (−2 + 6, −5 + 8)

= (4, 13)

Propiedades de la suma de vectores y de su producto por un escalar

Sean u, v y w vectores del plano, y sean c y d escalares.

6
 1. u + v = v + u
2. (u + v) + w = u + (v + w )
3. u + 0 = u
4. u + (- v) = 0
5. c (d u) = (c d) u
6. (c + d) u = c u + d u
7. c (u + v) = c u + c v
8. 1 u = u ; 0 (u) = 0
Demostración. Demostraremos las propiedades segunda y sexta, y las demás quedan como
ejercicio. Notemos que en las demostraciones se utilizan las propiedades de los números reales.

(u + v) + w = [(u1 , u2 ) + (v1 , v2 )] + (w1 , w2 )

= (u1 + v1 , u2 + v2 ) + (w1 , w2 )

= ((u1 + v1 ) + w1 , (u2 + v2 ) + w2 )

= (u1 + (v1 + w1 ), u2 + (v2 + w2 ))

= (u1 , u2 ) + (v1 + w1 , v2 + w2 )

= u + (v + w)

(c + d) u = (u1 , u2 )

= ((c + d)u1 , (c + d)u2 )

= (cu1 + du1 , cu2 + du2 )

= (cu1 , cu2 ) + (du1 , du2 )

= cu + du

Teorema 1.2.3. Longitud del múltiplo escalar de un vector. Sea v un vector y c un

escalar, entonces
||c v || = |c| ||v ||
donde |c| es el valor absoluto de c.
Demostración. Como c v = (c v1 , c v2 ), sigue que

p p
||c v || = ||(c v1 , c v2 ) = (c v1 )2 + (c v2 )2 = c2 v12 + c2 v22
p p
= c2 (v12 + v22 ) = |c| v12 + v22 = |c| ||v ||

En muchas aplicaciones de los vectores es útil hallar un vector unitario con la misma orientación
que un vector dado. El siguiente teorema nos proporciona un procedimiento para hacerlo.

7
Teorema 1.2.4. Vector unitario en la dirección de v. Sea v un vector no nulo del plano,
entonces el vector
v
u=
||v ||
tiene longitud 1 y la misma orientación que v
1
Demostración. Como ||v ||
es positivo y

à !
1
u= .v
||v ||

concluimos que u tiene la misma dirección que v. Queda como ejercicio la demostración de que
v es de longitud unidad.
Nota: Hemos llamado a u un vector unitario en la dirección de v. El proceso de multiplicar v
1
por para conseguir un vector unidad se llama normalización de v.
||v ||
Ejemplo 1.2.5. Calcular un vector unitario en la dirección de v = (−2, 5) y comprobar que el
resultado tiene longitud 1.
El vector unitario en la dirección de v es à !
v (−2, 5 ) 1 −2 5
=p = √ (−2, 5) = √ , √
||v || (−2)2 + (5)2 29 29 29
Este vector tiene norma
và 1, pues
u ! Ã !2 r r
u −2 2 5 4 25 29
t √ + √ = + = =1
29 29 29 29 29

En general, no es cierto que la norma de la suma de dos vectores sea igual a la suma de sus
normas.
y
6

µ
¡
¢̧
¡¢
u + v ¡¢ v
¡3́¢
¡´
¡´
´
¡ u
´ x
-

Considerando a u y a v como dos lados de un triángulo, vemos que la longitud del tercer lado
es ||u + v|| y se tiene:
Teorema 1.2.6. Desigualdad triangular Si u y v son vectores del plano, entonces
||u + v|| = ||u || + ||uk|
y la igualdad vale solamente si u y v tienen la misma dirección.

8
Definición 1.2.7. Los vectores unitarios (1, 0) y (0, 1) se conocen como vectores unitarios
canónicos del plano, y se denotan por
i = (1, 0) y j = (0, 1)
Estos vectores pueden usarse para representar cualquier vector:
v = (v1 , v2 ) = v1 (1, 0) + v2 (0, 1) = v1 i + v2 j.
A esta expresión la llamamos combinación lineal de i y j.
Ejemplo 1.2.8. Sea u = (3, 8). Expresarlo como combinación lineal de los vectores unitarios
canónicos.
u = 3 (1, 0) + 8 (0, 1) = 3 i + 8 j.

1.3. Coordenadas del espacio y vectores en el espacio

Las fuerzas fı́sicas y las velocidades se manifiestan, en general, en el espacio, no solamente en
un plano. Por eso, extenderemos el estudio de los vectores del plano a los vectores del espacio. Lo
hacemos con la ayuda de un sistema coordenado tridimensional, que se construye haciendo
pasar un eje z perpendicularmente a ambos ejes, x e y, por el origen. En la siguiente figura se
muestran los semiejes positivos:
Z
6

¡ x
y ¡
b¡
(x, y, z)

Y
-
¡ z
¡
¡
¡
¡
¡
ª
¡ X
Tomados de a pares, estos tres ejes determinan los tres planos coordenados , nombrados
como plano xy, plano xz y plano yz. Estos tres planos coordenados separan el espacio
tridimensional en ocho octantes. El primer octante es aquel en que las tres coordenadas son
positivas. En este sistema tridimensional, un punto P del espacio queda determinado por un
conjunto ordenado de tres elementos (x, y, z) donde
x = distancia orientada desde el plano yz a P.
y = distancia orientada desde el plano xz a P.
z = distancia orientada desde el plano xy a P.
Muchas de las fórmulas des espacio tridimensional son simples extensiones de las del espacio
bidimensional. Ası́, para calcular la distancia entre dos puntos en el espacio empleamos el teo-
rema de Pitágoras dos veces, y se obtiene de esta forma la distancia entre los puntos (x1 , y1 , z1 )
y (x2 , y2 , z2 ).
p
d = (x2 − x1 )2 + (y2 − y1 )2 + (z2 − z1 )2

Ejemplo 1.3.1. Calcular la distancia entre (2, −1, 3) y (1, 0, −2).

p √
Por la fórmula de distancia, tenemos d = (1 − 2)2 + (0 + 1)2 + (−2 − 3)2 = 1 + 1 + 25 =
√ √
27 = 3 3

9
1.3.1. Vectores en el espacio
En el espacio, denotamos los vectores mediante tripletes ordenados
v = (v1 , v2 , v3 )
con el vector 0 = (0, 0, 0) denotamos al vector nulo en el espacio. Usando los vectores
unitarios i, j y un vector unitario en la dirección positiva del eje z, el k, la notación con vectores
unitarios canónicos para v es
v = v1 i + v2 j + v3 k

Definición 1.3.2. Sean u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ) vectores en el espacio y sea c un

escalar.
1. Igualdad de vectores: u = v si y sólo si u1 = v2 , u2 = v2 y u3 = v3 .
2. Componentes: si se representa a v mediante el segmento orientado desde P = (p1 , p2 , p3 )
a Q = (q1 , q2 , q3 ), entonces
v = (v1 , v2 , v3 ) = (q1 − p1 , q2 − p2 , q3 − p3 )
p
3. Longitud: ||v || = v12 + v22 + v32
à !
v 1
4. Vector unitario en la dirección de v: = (v1 , v2 , v3 ).
||v || ||v ||

5. Suma de vectores: u + v = (u1 + v1 , u2 + v2 , u3 + v3 ).

6. Producto por un escalar: cv = (c v1 , c v2 , c v3 ).

Las propiedades de la suma de vectores y de su producto por un escalar también son válidas
para los vectores del espacio. La demostración queda como ejercicio.

Ejemplo 1.3.3. Hallar las componentes y la longitud de un vector v cuyo punto inicial es
(2, 3, −1) y el punto final es (0, −4, 4). Luego, hallar un vector unitario en la dirección de v.
Las componentes de v son:

v = (q1 − p1 , q2 − p2 , q3 − p3 )

= (0 − (−2), −4 − 3, 4 − 1)

= (2, −7, 3)

por lo tanto, su longitud es p √

||v || = (2)2 + (−7)2 + (3)2 = 62

Usando esta longitud, hallamos el vector unitario en la dirección de v:

à !
v 1 2 −7 3
u= = √ (2, −7, 3) = √ , √ , √
||v || 62 62 62 62

Definición 1.3.4. El vector v es paralelo al vector u si hay un escalar c 6= 0 tal que

v = c u.

10
Ejemplo 1.3.5. El punto inicial del vector w es el (2, −1, 3) y el final es el (−4, 7, 5). ¿Cuál
de los siguientes vectores es paralelo a w?
1. u = (3, −4, −1)
2. v = (12, −16, 4)

Primero, calculamos las componentes de w:

w = ( −4 − 2 , 7 − (−1) , 5 − 3 ) = (−6, 8, 2).
1 1
1. Puesto que u = (3, −4, −1) = − (−6, 8, 2) = − w, concluı́mos que u es paralelo a w.
2 2
2. En este caso, queremos encontrar un escalar c tal que v = (12, −16, 4) = c (−6, 8, 2)
Pero cuando igualamos las componentes correspondientes, obtenemos c = −2 para las dos
primeras componentes y c = 2 para la tercera. Por lo tanto, la ecuación no tiene solución,
y concluı́mos que los vectores no son paralelos

1.4. El producto escalar de dos vectores

Hasta aquı́ hemos estudiado dos operaciones con vectores: la suma de vectores y el producto de
un vector por un escalar, cada una de las cuales da por resultado otro vector. Introduciremos
ahora una tercera operación, conocida como producto escalar. Este producto da por resultado
un escalar; es decir, un número, en lugar de un vector.

Definición 1.4.1.
Vectores en el plano: el producto escalar de u = (u1 , u2 ) y v = (v1 , v2 ) es
u . v = u1 v 1 + u2 v 2
Vectores en el espacio: el producto escalar de u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ) es
u . v = u1 v1 + u2 v2 + u3 v3

Propiedades del producto escalar

Si u, v y w son vectores del plano o del espacio y c es un escalar, entonces se verifican las
siguientes propiedades:
1. u . v = v . u
2. u . (v + w) = u . v + u . w
3. c ( u . v) = (c u) . v = u . (c v)
4. 0 . v = 0
5. v . v = ||v||2
Demostración.
Demostraremos la primera y la quinta propiedades para vectores del espacio, y quedan todas
las demás como ejercicio.
1) Sean u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ). Entonces
u . v = u1 v 1 + u2 v 2 + u3 v 3 = v 1 u1 + v 2 u2 + v 3 u3 = v . u
5) Sea u = (u1 , u2 , u3 ). Entonces
³q ´2
2 2 2
v . v = v1 + v2 + v3 = v1 + v2 + v3 = ||v||2 .
2 2 2

11
Ejemplo 1.4.2. Dados u = (2, −2), v = (5, 8) y w = (−4, 3), calcular:

1. u . v
2. (u . v) w
3. u .(2 v)
4. ||w ||2

Resolución:
1. u . v = (2, −2) . (5, 8) = 2 5 + (−2) 8 = −6
2. (u . v) w = −6 (−4, 3) = (24, −18).
3. u .(2 v) = 2(u . v) = 2 (−6) = −12
4. ||w ||2 = w . w = (−4, 3).(−4, 3) = (−4)(−4) + 3 3 = 25

1.4.1. Ángulo entre dos vectores

Si θ es el ángulo entre dos vectores no nulos u y v, entonces
u . v
cosθ =
||u || ||v ||
Demostración.

u
³³ 1
¤º
³³
³³ ¤
³³ ¤
A ¤
A ¤
A ¤ v − u
A ¤
A ¤
v A ¤
A ¤
A ¤
A ¤
AU¤
Consideremos el triángulo determinado por los vectores u, v y v - u como se ve en la figura.
Por la ley de los cosenos, tenemos
||v - u ||2 = ||v || + ||u || − 2 ||v ||||u ||cosθ

Usando las propiedades del producto escalar, podemos reescribir el miembro izquierdo como
||v - u ||2 = (v − u) . (v − u) = (v − u) . v − (v − u) . u =
= v . v − u . v − v . u + u . u = ||v ||2 − 2u . v + ||u ||2

que, sustituido en la ley de los cosenos nos lleva a

||v ||2 − 2u . v + ||u ||2 = ||u ||2 + ||v ||2 − 2||u || . ||v ||cosθ
Entonces
−2u . v = −2||u || . ||v ||cosθ
y, por lo tanto

12
 u . v
cosθ =
||u || ||v ||
Nota: Si conocemos el ángulo entre dos vectores, podemos calcular el producto escalar con la
fórmula:
u . v = ||u || . ||v ||cosθ

Esta forma también nos muestra que, como ||u || y ||v || son positivas siempre, u . v y cosθ
tienen el mismo signo. Esto quiere decir que:
0 < θ < 90◦ ⇒ 0 < cosθ < 1 ⇒ u . v > 0.
θ = 90◦ ⇒ cosθ = 0 ⇒ u . v = 0.
90◦ < θ < 180◦ ⇒ −1 < cosθ < 0 ⇒ u . v < 0.
Como consecuencia de lo expuesto:
Definición 1.4.3. Los vectores u y v son ortogonales si u . v = 0.

A partir de esta definición se deduce que el vector cero es ortogonal a todo vector u, ya que
0 . u = 0. Además, para 0 ≤ θ ≤ 90◦ , sabemos que cosθ = 0 si y sólo si θ = π2 . Por lo tanto,
podemos concluı́r que dos vectores no nulos son ortogonales si y sólo si el ángulo entre ellos
es π2 = 90◦ .
Nota 1.4.4. Los términos perpendicular, ortogonal y normal significan, esencialmente, la mis-
ma cosa: encuentro en ángulos rectos. Sin embargo, se prefiere decir que dos vectores son or-
togonales, dos rectas o planos son perpendiculares, y un vector es normal a una recta o un
plano.

Ejemplo 1.4.5. Sean u = (3, −1, 2); v = (−4, 0, 2), w = (1, −1, −2) y z = (2, 0, −1). Calcular
el ángulo entre
a) u y v b)u y w c) v y z
u . v −12 + 4 −8 −4
a) cosθ = =√ √ = √ √ =√
||u || . ||v || 14 20 2 14 5 70
−4
Como u . v < 0, θ = arccos √ ≈ 118◦ 250 2800 ≈ 2, 069 radianes.
70
u . w 3+1−4 0
b) cosθ = = √ √ = √ =0
||u || . ||w || 14 6 84
Como u . w = 0, u y w son ortogonales y θ = π2 .

v . z −8 + 0 − 2 −10
c) cosθ = = √ √ =√ = −1
||v || . ||z || 20 5 100
En consecuencia, θ = π = 180◦ .

13
1.4.2. Cosenos directores
Para un vector del plano se vio que es conveniente medir la dirección mediante el ángulo, medido
en sentido antihorario, desde el eje x positivo hasta el vector. En el espacio es más conveniente
medir la dirección en términos de los ángulos entre el vector v y los tres vectores unitarios i, j
y k. Llamamos α al ángulo entre v e i; β al ángulo entre v y j, y γ al ángulo entre v y k. Estos
tres ángulos se llaman ángulos de dirección de v y a cosα, cosβ y cosγ cosenos directores de v.
Como
v . i = (v1 , v2 , v3 ) . (1, 0, 0) = v1 ,
v1
resulta que cosα = . Por un razonamiento similar para j y k, se tiene que
||v ||
v1 v2 v3
cosα = ; cosβ = ; cos γ =
||v || ||v || ||v ||

En consecuencia, cualquier vector no nulo v del espacio tiene la forma normalizada

v v1 v2 v3
= i + j + k = cosα i + cosβ j + cosγ k
||v || ||v || ||v || ||v ||
v
y por ser un vector unitario, resulta que
||v ||
cos2 α + cos2 β + cos2 γ = 1.

Ejemplo 1.4.6. Calcular los cosenos directores y los ángulos para el vector v = (2, 3, 4), y
demostrar que cos2 α + cos2 β + cos2 γ = 1.
√ √
Como ||v || = 22 + 32 + 42 = 29, tenemos
v1 2
cosα = =√ ⇒ α ≈ 68, 2◦
||v || 29
v2 3
cosβ = =√ ⇒ β ≈ 56, 1◦
||v || 29
v3 2
cosγ = =√ ⇒ γ ≈ 42, 0◦
||v || 29
y
4 9 16 29
cos2 α + cos2 β + cos2 γ = + + = = 1
29 29 29 29

1.5. Componentes de un vector

Hasta ahora, hemos visto aplicaciones en que se suman dos vectores para obtener un vector
resultante. Pero hay muchas situaciones en fı́sica e ingenierı́a en que lo que nos interesa es el
problema inverso: descomponer un vector en suma de dos vectores componentes.

14
 ©
© ©©
©
©©
© ©©
©
©©A ©©
© A © ©©
A ©©
v© A©
¼©
A© A w
©
©© A
© © AU
©© ?
©© F

Consideramos un bote en una rampa inclinada, como vimos en la figura precedente. La fuerza F
debida a la gravedad tira del bote hacia abajo por la rampa y hacia la rampa. Estas dos fuerzas,
v y w son ortogonales y las conocemos como las componentes vectoriales de F. Escribimos
F=v+w
Las fuerzas v y w nos ayudan a analizar el efecto de gravedad sobre el bote. Por ejemplo,
(- v) indica la fuerza necesaria para evitar que el bote ruede hacia abajo por la rampa. Por
otro lado, w nos indica la fuerza que deben soportar las ruedas.
Definición 1.5.1. Sean u y v vectores no nulos. Además, sean u = w1 + w2 , donde w1 es
paralelo a v y w2 es ortogonal a v, como se indica en la siguiente figura.
1. Llamamos a w1 vector componente de u sobre v y se denota por w1 = proyv u.
2. Llamamos a w2 = u - w1 vector componente de u ortogonal a v

θ es agudo θ es obtuso
YH
H
6 µ
¡ H 6
¡ HH
¡ H
HH
u¡ u H
w2 ¡ HH w2
¡ HH
¡ HH
¡ v w1 H HH
v
¡ - ¾ -
w1

Por esta definición vemos que es fácil hallar el vector componente w1 una vez que hemos
hallado la proyección de v. Para hallar esta proyección, empleamos el producto escalar, tal
como se indica en el teorema siguiente:

Teorema 1.5.2. Si u y v son dos vectores no nulos, entonces la proyección de u sobre v

está dada por à !
u . v
proyv u = v
||v ||2

Demostración. Tal como vimos en la figura anterior, hacemos w1 = proyv u. Como w1 es

múltiplo escalar de v, podemos escribir
u = w1 + w2 = c v + w2
calculando en ambos miembros el producto escalar con v, tenemos

15
 u.v = (c v).v + w2 .v = c ||v ||2 + w2 .v

Como w2 y v son ortogonales, w2 .v = 0 y tenemos

u.v
u.v = c ||v ||2 ⇒ c =
||v ||2

Luego, podemos escribir a w1 como à !

u.v
w1 = v
||v ||2

La proyección de u sobre v puede escribirse como un múltiplo escalar de un vector unidad en

la dirección de v. Esto es, Ã ! Ã !
u.v u.v v v
2
v= =k
||v || ||v || ||v || ||v ||

Llamamos k a la componente de u en la dirección de v. Luego

u.v
k= = ||u || cos θ
||v ||

Ejemplo 1.5.3. Hallar el vector componente de u sobre v y el vector componente de u ortogonal

a v para
u = (3, −5, 2) y v = (7, 1, −2)

El vector componente de uÃsobre v!es à ! à !

u . v 12 14 2 4
w1 = 2
v= (7, −5, 2) = , ,−
||v || 54 9 9 9

El vector componente de u ortogonal a v es à ! à !

14 2 4 13 47 22
w2 = u − w1 = (3, −5, 2) − , ,− = ,− ,
9 9 9 9 9 9

1.6. El producto vectorial de dos vectores en el espacio

En muchas aplicaciones de la fı́sica, la ingenierı́a y la geometrı́a se trata de encontrar un vector
del espacio que sea ortogonal a otros dos vectores dados. Estudiaremos un producto que nos
conduce a dicho vector. Se lo llama producto vectorial, y la forma más conveniente para su
definición, ası́ como para realizar cálculos con él, se basa en el empleo de los vectores unitarios
canónicos.
Definición 1.6.1. Sean
u = u1 i + u2 j + u3 k y v = v1 i + v2 j + v3 k
vectores del espacio.El producto vectorial de u por v es el vector
u × v = (u2 v3 − u3 v2 ) i − (u1 v3 − u3 v1 ) j + (u1 v2 − u2 v1 ) k

Tengamos en cuenta que esta definición se aplica solamente a vectores tridimensionales. No se

define el producto vectorial de vectores de R2

16
Una manera conveniente de calcular u × v es usar el determinante siguiente, y desarrollar por
cofactores por la primera fila: ¯ ¯
¯ ¯
¯ i j k ¯
¯ ¯
¯ ¯
¯ ¯
¯
u × v = ¯ u1 u2 u3 ¯¯
¯ ¯
¯ ¯
¯ ¯
¯ v1 v2 v3 ¯
¯ ¯ ¯ ¯ ¯ ¯
¯ ¯ ¯ ¯ ¯ ¯
¯ u u ¯ ¯ u u ¯ ¯ u u ¯
¯ 2 3 ¯ ¯ 1 3 ¯ ¯ 1 2 ¯
= i ¯¯ ¯ − j¯
¯ ¯
¯ + k¯
¯ ¯
¯=
¯
¯ v v ¯ ¯ v v ¯ ¯ v v ¯
¯ 2 3 ¯ ¯ 1 3 ¯ ¯ 1 2 ¯

= (u2 v3 − u3 v2 ) i − (u1 v3 − u3 v1 ) j + (u1 v2 − u2 v1 ) k

Ejemplos 1.6.2. Sea u= (1, −2, 1) y v = (3, 1, −2). Hallar:

a) u × v ; b) v ×u ;
c) v × v.
¯ ¯
¯ ¯
¯ i j k ¯¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ ¯ ¯ −2 1 ¯ ¯ 1 1 ¯ ¯ 1 −2 ¯
¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯
a) u × v = ¯¯ 1 −2 1 ¯¯ = i ¯¯ ¯ − j¯
¯ ¯
¯ + k¯
¯ ¯
¯=
¯
¯ ¯ ¯ 1 −2 ¯ ¯ 3 −2 ¯ ¯ 3 1 ¯
¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ 3 1 −2 ¯¯
¯

= (4 − 1) i − (−2 − 3) j + (1 + 6) k = 3 i + 5 j + 7 k = (3, 5, 7)
¯ ¯
¯ ¯
¯ i j k ¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ ¯ ¯ 1 −2 ¯ ¯ 3 −2 ¯ ¯ 3 1 ¯
¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯
b) v × u = ¯¯ 3 1 −2 ¯¯ = i ¯¯ ¯ − j¯
¯ ¯
¯ + k¯
¯ ¯
¯=
¯
¯ ¯ ¯ −2 1 ¯ ¯ 1 1 ¯ ¯ 1 −2 ¯
¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ ¯
¯ 1 −2 1 ¯

= (1 − 4) i − (3 + 2) j + (−6 − 1) k = −3 i − 5 j − 7 k = (−3, −5, −7)

Notemos que el vector obtenido es el opuesto del vector del inciso anterior.
¯ ¯
¯ ¯
¯ i j k ¯
¯ ¯
¯ ¯
¯ ¯
c) v × v = ¯¯ 3 1 −2 ¯ = (0, 0, 0) = 0
¯
¯ ¯
¯ ¯
¯ ¯
¯ 3 1 −2 ¯

Propiedades del producto vectorial

1) u × v = −(v × u)
2) u × (v + w) = (u × v) + (u × w)
3) c (u × v) = (c u) × v = u × (c v)
4) u × 0 = 0 × u = 0

17
 5) u × u = 0
6) u . (v × w) = (u × v) . w
Demostración. La mayor parte de las demostraciones utilizan las propiedades de los determi-
nantes, y quedan como ejercicio.
Propiedades geométricas del producto vectorial
1) u × v es ortogonal a ambos, a u y a v
2) ||u × v || = ||u || ||v || sen θ
3) u × v = 0 si y sólo si u y v son múltiplos escalares uno del otro.
3) ||u × v || es el área del paralelogramo que tiene a u y v como lados adyacentes.
Demostración. Demostraremos las propiedades segunda y cuarta, y las demás quedarán como
ejercicio.
u.v
Para la segunda propiedad, recordemos que cos θ = . Entonces
||u || ||v ||

√
||u || ||v || sen θ = ||u || ||v || 1 − co2 θ
s
(u . v)2
= ||u || ||v || 1−
||u ||2 ||v ||2
p
= ||u ||2 ||v ||2 − (u . v)2
p
= (u21 + u22 + u23 )2 (v12 + v22 + v32 )2 − (u1 v1 + u2 v2 + u3 v3 )2
p
= (u2 v3 − u3 v2 )2 + (u1 v3 − u3 v1 )2 + (u1 v2 − u2 v1 )2

= ||u × v ||

Para demostrar la cuarta propiedad, veamos la siguiente figura:

µ
¡ ¡
v ¡ - ||v|| sen θ ¡
¡ ¡
¡ θ -¡
u

En la figura se ve un paralelogramo que tiene a u y v como lados adyacentes. Veamos que

la longitud de la altura es ||u || ||v || sen θ. Como sabemos que el área del paralelogramo es
Área = longitud de la base × longitud de la altura
Entonces
Área = ||u || ||v || sen θ = ||u × v ||

Ejemplo 1.6.3. Hallar el área del paralelogramo determinado por u= (1, −4, 1) y v = (2, 3, 0)
Calculamos

18
 ¯ ¯
¯ ¯
¯ i j k ¯
¯ ¯
¯ ¯
¯ ¯
u × v = ¯¯ 1 −4 1 ¯¯ = 3i + 2j + 11 k
¯ ¯
¯ ¯
¯ ¯
¯ 2 3 0 ¯

Entonces, el área del paralelogramo

p es √
||u × v || = (−3) + 22 + 112 = 134unidades de superficie
2

1.7. El triple producto escalar

Sean los vectores del espacio u, v y w. Se conoce como triple producto escalar al producto
escalar de u y w × w:
u . (w × w)

Este producto tiene una interpretación geométrica práctica y puede calcularse mediante el
determinante del próximo teorema:
Teorema 1.7.1. Sean u = (u1 , u2 , u3 ) , v = (v1 , v2 , v3 ) y w = (w1 , w2 , w3 ). El triple producto
escalar se puede calcular con ¯ ¯
¯ ¯
¯ u u u3 ¯¯
¯ 1 2
¯ ¯
¯ ¯
u . (v × w) = ¯¯ v1 v2 v3 ¯¯
¯ ¯
¯ ¯
¯ ¯
¯ w1 w2 w3 ¯

Demostración. Ejercicio.
Si los vectores u, v y w no están en el mismo plano, el triple producto escalar se puede usar
para calcular el volumen del paralelepı́pedo cuyos lados adyacentes son u, v y w, como se indica
en la siguiente figura:

v×w
6
©©
©¢
© ¢ ©©¢
© ¢ ©
©© ¢ ©© ¢
||proyv×w u|| 6 ¢̧ ¢ ¢ ¢
¢ ¢ ¢ ¢
¢ ¢ ¢ ¢
¢ ¢ ¢ ¢
u ¢ ¢ ¢ ¢
¢ ¢ ¢ ¢
¢ ¢ ¢ ¢
¢ ¢ ¢ ¢
¢ ¢ ¢ ¢
¢ ©w *
© ¢ ©© ©
¢ ©© ¢©©
¢
© © -¢©
v

19
Teorema 1.7.2. El volumen V del paralelepı́pedo con vectores u, v y wcomo lados adyacentes,
está dado por
V = |u . (v × w)|
Demostración. Según vemos en la figura anterior,
||v × w|| = área de la base
||proyv×w u|| = altura del paralelepı́pedo
Luego, el volumen es

V = (altura)(área de la base) = ||proyv×w u|| . ||v × w||

¯ ¯
¯ u . (v × w) ¯
¯ ¯
= ¯ ¯ . ||v × w||
¯ ||v × w|| ¯

= |u . (v × w)|

Ejemplo 1.7.3. Hallar el volumen del paralelepı́pedo que tiene a u = (3, −5, 1) , v =
(0, 2, −2) y w = (3, 1, 1), como lados adyacentes.
Por el teorema anterior, ¯ ¯
¯ ¯
¯ 3 −5 1 ¯
¯ ¯
¯ ¯
¯ ¯
|u . (v × w)| = ¯¯ 0 2 −2 ¯¯ = 36 unidades de volumen
¯ ¯
¯ ¯
¯ 3 1 1 ¯
¯ ¯

Una consecuencia natural del Teorema 1.7.2 es que el volumen del paralelepı́pedo es cero si y
sólo si los tres vectores son coplanares.

Criterio para los vectores coplanares Si los vectores u = (u1 , u2 , u3 ) , v = (v1 , v2 , v3 ) y w

= (w1 , w2 , w3 ) tienen el mismo punto inicial, ¯entonces pertenecen
¯ al mismo plano si y sólo si
¯ ¯
¯ u u u ¯
¯ 1 2 3 ¯
¯ ¯
¯ ¯
¯
u . (v × w) = ¯ v1 v2 v3 ¯¯ = 0
¯ ¯
¯ ¯
¯ ¯
¯ w1 w2 w3 ¯

1.8. Independencia lineal

En esta sección se define el significado de independencia lineal y se muestra su relación con la
teorı́a de sistemas de ecuaciones y determinantes.
¿Existe una relación especial entre los vectores v1 = (1, 2) y v2 = (2, 4)? Por supuesto, se ve
que v2 = 2v1 ; o, si se escribe esta ecuación de otra manera,
2 v1 − v2 = 0 (1)

Es decir, el vector cero se puede escribir con una combinación lineal no trivial de v1 y v2 ; es
decir, una combinación lineal donde los coeficientes no son ambos cero.
¿Que tienen de especial los vectores v1 = (1, 2, 3) , v2 = (−4, 1, 5) y v= (−5, 8, 19)? La
respuesta a esta pregunta es más difı́cil a primera vista. Sin embargo, es sencillo verificar que
v3 = 3 v1 + 2 v2 ; reescribiendo esto tenemos:
3 v1 + 2 v2 − v3 = 0 (2)

20
Se ha escrito al vector cero como una combinación lineal de v1 , v2 y v3 . Parece que los
dos vectores de la ecuación (1) y los tres vectores de la ecuación (2) tienen una relación más
cercana que un par arbitrario de vectores de R2 o una terna de vectores de R3 . En cada uno de
estos casos, decimos que los vectores son linealmente dependientes.

Definición 1.8.1. Sean v1 , v2 , . . . , vn n vectores de Rn . Entonces se dice que los vectores

son linealmente dependientes si existen n escalares c1 , c2 , . . . , cn , no todos cero tales que
c1 v1 + c2 v2 + · · · + cn vn = 0
Si los vectores no son linealmente dependientes, se dice que linealmente independientes.

Para decirlo de otra manera, v1 , v2 , . . . , vn son linealmente independientes si la ecuación c1 v1 +

c2 v2 +· · ·+cn vn = 0 se cumple sólo para c1 = c2 = · · · = cn = 0. Son linealmente dependientes
si el vector cero en Rn se puede expresar como una combinación lineal de v1 , v2 , . . . , vn con
coeficientes no todos iguales a cero.

Nota 1.8.2. Se dice que los vectores v1 , v2 , . . . , vn son linealmente independientes o que el
conjunto de vectores {v1 , v2 , . . . , vn } es linealmente independiente. Es decir, se usan las dos
expresiones indistintamente.

Veamos cómo determinar si un conjunto de vectores es linealmente dependiente o independiente.

En el caso de los vectores de R2 es sencillo.
Teorema 1.8.3. Dos vectores son linealmente dependientes si y sólo si uno es un múltiplo
escalar del otro.
Demostración. Primero supongamos que v1 = c v2 para algún escalar c 6= 0. Entonces
v1 − c v2 = 0 y v1 y v2 son linealmente dependientes.
Por otro lado, supongamos que v1 y v2 son linealmente dependientes. Entonces existen
constantes c1 y c2 , al menos uno distinto de cero, tales que c1 v1 + c2 v2 = 0. Si c1 6= 0, entonces
dividiendo por c − 1 se obtiene à !
c2
v1 + v2 = 0,
c1

o sea, Ã !
c2
v1 = v2
c1

Es decir, v1 es un múltiplo escalar de v2 . Si c1 6= 0, entonces c2 = 0 y, por lo tanto,

v2 = 0 = 0 v2 .
Ejemplos 1.8.4.

1. Dos vectores linealmente dependientes en R4 Los vectores v1 = (2, −1, 0, 3) y

v2 = (−6, 3, 0, −9) son linealmente dependientes porque v2 = −3 v1
2. Dos vectores linealmente independientes en R3 Los vectores v1 = (1, 2, 4) y
v2 = (2, 5, −3) son linealmente independientes. Si no lo fueran, deberı́a ser (1, 2, 4) =
c (2, 5, −3) = (2c, 5c, −3c). Pero entonces 2c = 1, 5c = 2 y −3c = 4, lo que es imposible
para cualquier número real c.
3. Determinación de la dependencia o independencia lineal de tres vectores en
R3 Determinar si los vectores (1, −2, 3) , (2, −2, 0) y (0, 1, 7) son linealmente dependientes
o independientes.
Supongamos que c1 (1, −2, 3) + c2 (2, −2, 0) + c3 (0, 1, 7) = 0 = (0, 0, 0).
Entonces, multiplicando y sumando se obtiene

21
    
 c1 + 2c3   0 
   
   
 −2c − 2c + c = 0 
 1 2 3   
   
   
3c1 + 7c3 0

Esto lleva al sistema homogéneo de tres ecuaciones con tres incógnitas c1 , c2 y c3 :





 c1 + 2c2 = 0



−2c1 − 2c2 + c3 = 0 (a)






 3c1 + 7c3 = 0

Ası́, los vectores serán linealmente dependientes si y sólo si el sistema (a) tiene soluciones
no triviales. Se escribe el sistema utilizando la matriz ampliada y después se reduce por
filas. La forma escalonada reducida por filas de
   
.. ..
 1 2 0 . 0   1 0 0 . 0 
   
   
 −2 −2 1 ... 0  es  0 1 0 ... 0 
   
   
 ..   .. 
3 0 7 . 0 0 0 1 . 0

Este último sistema de ecuaciones nos indica que la única solución es S = (0, 0, 0).
Por lo tanto, (a) no tiene soluciones no triviales, y los vectores dados son linealmente
independientes.
4. Determinación de la dependencia o independencia lineal de tres vectores en
R3 Determinar si los vectores (1, −3, 0) , (3, 0, 4) y (11, −6, 12) son linealmente dependi-
entes o independientes.
La ecuación c1 (1, −3, 0) + c2 (3, 0, 4) + c3 (11, −6, 12) = 0 = (0, 0, 0)
conduce al sistema homogéneo




 c1 + 3c2 + 11c3 = 0



−3c1 − 6c3 = 0 (b)






 4c2 + 12c3 = 0

Escribiendo al sistema (b) en la forma de matriz ampliada y reduciendo por filas, se

obtiene
     
. .. .
 1 3 11 .. 0   1 3 11 . 0   1 0 2 .. 0 
     
     
 −3 0 −6 ... 0   .   . 
  ∼  0 1 3 .. 0  ∼  0 1 3 .. 0 
     
 .   ..   . 
0 4 12 .. 0 0 4 12 . 0 0 0 0 .. 0

22
 Ya sabemos que este sistema tiene un número infinito de soluciones. La solución general
es S.G. = {(−2c3 , −3c3 , c3 ), c3 ∈ R}
Si hacemos c3 = 1, resulta −2 (1, −3, 0) − 3 (3, 0, 4) + (11, −6, 12) = 0 = (0, 0, 0) y los
vectores son linealmente dependientes.

1.8.1. Interpretación geométrica de la dependencia lineal en R3

En el ejemplo 3 se encontraron tres vectores en R3 que eran linealmente independientes. En el
ejemplo 4 se encontraron tres vectores que eran linealmente dependientes. Veamos qué significa
geométricamente esto.
Sean u, v y w tres vectores linealmente dependientes. Entonces existen constantes c1 , c2 y c3
tales que
c1 u + c2 v + c3 w = 0 (c)
Supongamos, sin pérdida de generalidad, que c3 6= 0. Entonces se pueden dividir ambos miem-
bros de (c) por c3 y reacomodar los términos para obtener
c1 c2
w=− u− v=k u+m v
c3 c3
c1 c2
donde k = − y m = − . Ahora se demostrará que u, v y w son coplanares. Se calcula
c3 c3

w . (u × v) = (k u + m v) . (u × v)

= k [u . (u × v)] + m [v . (u × v)]

= k . 0+m . 0

= 0

porque u y v son ambos ortogonales a u × v. Entonces, según lo visto en el Teorema 1.7.2, los
tres vectores son coplanares.
Se puede concluı́r que
Tres vectores en R3 son linealmente dependientes si y sólo si son coplanares.

Teorema 1.8.5. Un conjunto de n vectores de Rm siempre es linealmente dependiente si n > m

Demostración. Sean v1 , v2 , . . . , vn n vectores en Rm e intentemos encontrar constantes
c1 , c2 , . . . , cn no todos cero tales que
c1 v1 + c2 v2 + · · · + cn vn = 0 (d)

Sea v1 = (a11 , a21 , . . . , am1 ), v2 = (a12 , a22 , . . . , am2 ), . . . , vn = (a1n , a2n , . . . , amn )
Entonces la ecuación 
(d) se convierte en



 a11 c1 + a12 c2 + · · · + a1n cn = 0






 a21 c1 + a22 c2 + · · · + a2n cn = 0
(e)

 .. .. ..

 . . .






 am1 c1 + am2 c2 + · · · + amn cn = 0

23
Pero este sistema de ecuaciones tiene un número infinito de soluciones si n > m. Ası́, existen
escalares c1 , c2 , . . . , cn no todos cero, que satisfacen (e) y, por lo tanto, los vectores v1 , v2 , . . . , vn
son linealmente dependientes.
Ejemplo 1.8.6. Cuatro vectores en R3 que son linealmente dependientes Los vectores
(2, −3, 4); (4, 7, −6); (18, −11, 4) y (2, −7, 3) son linealmente dependientes ya que constituyen un
conjunto de cuatro vectores con tres componentes.
Corolario 1.8.7. Un conjunto de vectores linealmente dependientes en Rn contiene a lo sumo
n vectores.
Nota 1.8.8. El corolario se puede expresar de otra manera: si se tienen n vectores de Rn
linealmente dependientes, entonces no se pueden agregar más vectores sin convertir al conjunto
en uno linealmente dependiente.

Teorema 1.8.9. Sea  

 a11 a12 . . . a1n 
 
 
 a 
 21 a22 . . . a2n 
 
 . .. .. 
 .. . . 
 
 
 
am1 am2 . . . amn

Entonces las columnas de A, consideradas como vectores, son linealmente dependientes si y sólo
si el sistema (e) que se
puede
escribir como A . c = 0 tiene soluciones no triviales.

 c1 
 
 
 c 
 2 
En este caso, c = 
 .


 .. 
 
 
 
cn

Ejemplo 1.8.10. Veamos cómo escribir las soluciones de un sistema homogéneo como combi-
naciones lineales de vectores solución linealmente dependientes.
Consideremos el sistema homogéneo


 x1 + 2 x2 − x3 + 2 x4 = 0


 3 x1 + 7 x2 + 3 x3 + 4 x4 = 0

Haciendo una reducción por filas:

     
.. .. ..
 1 2 −1 2 . 0   1 2 −1 2 . 0   1 0 −9 6 . 0 
  v   v  
 .   ..   .. 
3 7 1 4 .. 0 0 1 4 −2 . 0 0 1 4 −2 . 0

El último sistema es

24
 


 x1 − 9x3 + 6 x4 = 0


 x2 + 4 x3 − 2 x4 = 0

Se ve que este sistema tiene un número infinito de soluciones, que se escriben como una
combinación lineal de los vectores columna:
       
 x1   9x3 − 6 x4   9   −6 
       
       
 x   −4 x + 2 x   −4   2 
 2   3 4     
  =  = x3   + x4  
       
 x   x3   1   0 
 3       
       
       
x4 x4 0 1
   
 9   −6 
   
   
 −4   2 
   
Observemos que 

 y 
 

 son soluciones linealmente dependientes para el
 1   0 
   
   
   
0 1
sistema dado. Como x3 y x4 son números reales arbitrarios, se ve que el conjunto de soluciones
se puede obtener con las combinaciones lineales de estos dos vectores.
Teorema 1.8.11. Sean v1 , v2 , . . . , vn n vectores en Rn y sea A una matriz de n × n cuyas
columnas son v1 , v2 , . . . , vn . Entonces v1 , v2 , . . . , vn son linealmente independientes si y sólo si
la única solución al sistema homogéneo Ax = 0 es la solución trivial x = 0
Demostración. Es el Teorema 1.8.9 para el caso m = n.

Teorema 1.8.12. Sea A una matriz de n × n. Entonces detA 6= 0 si y sólo si las columnas de
A son linealmente independientes.
Demostración. Por el Teorema 1.8.11 y el Teorema Resumen, las columnas de A son lineal-
mente independientes si y sólo si 0 es la única solución del sistema A . x = 0 si y sólo si
detA 6= 0.

Teorema 1.8.13. TEOREMA RESUMEN

Sea A una matriz de n × n. Entonces las siguientes siete afirmaciones son equivalentes; es
decir, cada una implica a las otras seis; si una de ellas es verdadera, las otras son verdaderas,
y si una es falsa, las otras seis son falsas.

1. A es inversible.
2. La única solución del sistema homogéneo A . x = 0 es la solución trivial x = 0.
3. El sistema A . x = b tiene una única solución para cada vector b de Rn .
4. A es equivalente por filas a la matriz identidad de n × n, In .
5. A se puede escribir como el producto de matrices elementales.

25
 6. detA 6= 0.
7. Las filas y columnas de A son linealmente independientes.

Demostración. La única parte que no se ha demostrado es que las filas de A son linealmente
independientes ⇔ detA 6= 0
Las columnas de A son linealmente independientes ⇔ detA 6= 0. Pero entonces detAt =
detA 6= 0 ⇔ las columnas de At son linealmente independientes. Pero las columnas de At son
las filas de A. Esto completa la prueba.

26