Índice general

2. Vectores en R2 y R3 2
2.1. Definición y operaciones aritméticas entre vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2. Representación gráfica de vectores en R2 y R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3. Vectores canónicos. Combinaciones lineales de vectores . . . . . . . . . . . . . . . . . . . . . . . . . . 7

1
Capı́tulo 2

Vectores en R2 y R3

En el curso de Álgebra 1 estudiaron los números complejos y, para ello, los representamos gráficamente como puntos
o vectores en el plano de Argand.
En Fı́sica 1 ya estudiaron el concepto de vector, definieron operaciones entre vectores y vieron además que cantidades
como la fuerza o la velocidad pueden ser representadas mediante vectores.
En este curso comenzaremos trabajando con vectores de dos y tres componentes, los representaremos gráficamente,
realizaremos operaciones aritméticas con ellos y los utilizaremos para definir rectas y planos, podremos calcular la
magnitud o longitud de un vector y la distancia entre vectores.

2.1. Definición y operaciones aritméticas entre vectores

La semana pasada, para poder trabajar con sistemas de ecuaciones lineales en forma matricial, definimos el conjunto
Rn .
En este capı́tulo, como lo dedicaremos al trabajo con vectores de R2 y R3 , repetiremos esta definición.
Definición 2.1 (Vectores en Rn ). Sea n ∈ N. Se define un vector v en Rn como la lista ordenada de n elementos
de R, los cuales se denotan mediante

x1

 x2 
T
T
v= , o bien, v = x1 x2 ··· xn , o también, v = x1 , x2 , · · · , xn .
 
..
 . 
xn

Más precisamente,
   
 x1 
 

  x2  

n
R = x =  .  tales que para cada i ∈ {1, 2, . . . , n} se cumple que xi ∈ R .
 

  ..  


 

xn


x1

 x2 
En algunos textos se representan los vectores en Rn como [x1 , x2 , · · · , xn ], [x1 , x2 , · · · , xn ]T , o incluso como  .
 
..
 . 
xn
En lo que sigue usaremos la representación dada en la definición de Rn .

2
CAPÍTULO 2. VECTORES EN R2 Y R3 3
   
x1 −2
Ejemplo 2.2. Un vector de R2 (n = 2) es de la forma x = con x1 , x2 ∈ R. Por ejemplo, x = es un
x2 0
 
2+i
vector de R2 , pero no lo es.
−1
   
x1 1
Por su parte, un vector de R3 (n = 3) es x = x2  con x1 , x2 , x3 ∈ R, por ejemplo, x =  0 .
x3 −1

x1
  
y1
 x2   y2 
Definición 2.3 (Igualdad de vectores). Los vectores x =  .  e y =  .  de Rn son iguales si y solo si para
   
 ..   .. 
xn yn
cada i ∈ {1, 2, . . . , n} se cumple que xi = yi .

A continuación veremos dos operaciones básicas con vectores y sus propiedades. Comenzamos por definir qué se
entiende por suma de vectores y producto por escalar.
Definición 2.4 (Suma de vectores y producto por escalar). Sean n ∈ N fijo y x, y ∈ Rn ,
 
x1
 
y1
 x2   y2 
x =  . , y =  . .
   
 ..   .. 
xn yn
Se definen,

la suma de los vectores x, y ∈ Rn , denotada x + y, como el nuevo vector de Rn cuyas componentes son,
    
x1 y1 x1 + y1

 x2   y2   x2 + y2 
x+y = . + . =
     
..
 ..   ..  

. 
xn yn xn + yn
el producto del vector x ∈ Rn por el escalar λ ∈ R, denotado λ x, como el nuevo vector de Rn cuyas
componentes son,
  
x1 λ x1

 x2   λ x2 
λx = λ .  =  . .
   
 ..   .. 
xn λ xn
   
1 −2
Ejemplo 2.5. Si x = ,y= , λ = 2, entonces
2 0
   
−1 2
x+y =y+x= , λ x = 2x = .
2 4

−1
   
1
Ejemplo 2.6. Si x =  2 ,y=
  0 , λ = 2, entonces
−1 1
   
0 2
x + y = y + x = 2 , λ x = 2x =  4  .
0 −2
CAPÍTULO 2. VECTORES EN R2 Y R3 4

Las operaciones suma entre vectores y producto de un vector por un escalar verifican las siguientes propiedades:
1. la suma es conmutativa y asociativa, es decir, para cualquier par de vectores x, y ∈ Rn se cumple que
x + y = y + x y para vectores cualesquiera x, y, z ∈ Rn se tiene que x + (y + z) = (x + y) + z.
2. Existe el elemento neutro para la suma y es el vector con todas sus componentes iguales a cero, el cual es
 
0
0
llamado vector nulo y lo representaremos por la letra θ, es decir, θ =  .  es tal que para cada x ∈ Rn se
 
 .. 
0
cumple que x + θ = x.
El vector nulo de Rn es el único vector de Rn que, al sumarlo con cualquier otro vector, obtenemos el mismo
vector.
3. Para cada x ∈ Rn , existe el inverso aditivo de x y es el vector − x = (−1) x. Para cada vector x ∈ Rn , su
inverso aditivo es único.
A partir de este momento llamaremos diferencia entre vectores y la denotaremos x − y, a la suma de x con
el inverso aditivo de y, es decir, a x + (−y).
4. Para cada x ∈ Rn se cumple que 1 x = x.
5. Para todo par de escalares λ1 , λ2 ∈ R y para todo x ∈ Rn se tiene que λ1 (λ2 x) = (λ1 λ2 ) x.
T
Esto es cierto porque si x = (x1 , x2 , . . . , xn ) , entonces

λ 2 x1
 
λ1 (λ2 x1 )

 λ2 x2   λ1 (λ2 x2 ) 
λ1 (λ2 x) = λ1  .  = 
   
..
 ..  

. 
λ2 xn λ1 (λ2 xn )

y, como el producto de números reales es asociativo, se cumple que

λ1 (λ2 x1 ) = (λ1 λ2 )x1 , λ1 (λ2 x2 ) = (λ1 λ2 )x2 , . . . , λ1 (λ2 xn ) = (λ1 λ2 )xn ,

por tanto,

λ1 (λ2 x1 )
 
(λ1 λ2 )x1
  
x1
 λ1 (λ2 x2 )   (λ1 λ2 )x2   x2 
=  = (λ1 λ2 )  .  = (λ1 λ2 )x.
     
.. ..
 .. 

 .   . 
λ1 (λ2 xn ) (λ1 λ2 )xn xn

6. Para todo par de escalares λ1 , λ2 ∈ R y para todo x ∈ Rn se cumple que (λ1 + λ2 ) x = λ1 x + λ2 x.

7. Para todo escalar λ ∈ R y para todo par de vectores x, y ∈ Rn se satisface λ (x + y) = λ x + λ y.
8. Para todo escalar λ ∈ R y para todo vector x ∈ Rn se cumple que λ x = θ ⇔ λ = 0 ∨ x = θ.
Esta propiedad nos dice que el producto de un vector por un escalar es el vector nulo si y solo si el escalar es
cero o el vector es el nulo.
Demostrémosla. Es claro que si λ = 0 o x = θ, entonces λx = θ.
Demostremos la implicación contraria: si λx = θ, entonces λ = 0 o x = θ.
Llamemos p a la proposición λx = θ, denotemos por q a λ = 0 y por r a x = θ. Queremos demostrar entonces
que p → q ∨ r es verdadera. Si recuerdas lo aprendido en Álgebra 1

p → (q ∨ r) ⇔ ∼ p ∨ (q ∨ r) ⇔ (∼ p ∨ q) ∨ r ⇔ ∼ (p∧ ∼ q) ∨ r ⇔ p∧ ∼ q → r.

Es decir, la proposición
si λx = θ, entonces λ = 0 o x = θ
es equivalente a
si λx = θ y λ ̸= 0, entonces x = θ.
CAPÍTULO 2. VECTORES EN R2 Y R3 5

Demostremos la veracidad de esta última. Para ello supongamos que λ ∈ R y x ∈ Rn son tales que λx = θ y
λ ̸= 0. Demostremos que x = θ.
Si λ ̸= 0, entonces existe inverso multiplicativo de λ, que denotamos λ−1 , y es tal que λλ−1 = λ−1 λ = 1,
λx = θ ⇒ λ−1 (λx) = λ−1 θ.
Utilizando la propiedad 5 anterior se tiene que λ−1 (λx) = (λ−1 λ)x = 1x y, por propiedad 4, 1x = x. Por otro
lado, λ−1 θ = θ. Tenemos entonces que
λ−1 (λx) = λ −1
θ ⇒ x = θ.
| {z } | {z }
=x =θ

2.2. Representación gráfica de vectores en R2 y R3

En las siguientes secciones, para comprender mejor algunas de las propiedades de vectores, los representaremos
gráficamente en un sistema con dos o tres coordenadas cartesianas, como segmentos de recta orientados (flechas)
desde un punto a otro en R2 o R3 1 .
A los vectores que comienzan en el origen de coordenadas les llamamos vectores en el origen. A los que comienzan
en un punto distinto del origen de coordenadas les llamamos vectores libres. El punto donde comienza el segmento
de recta se denomina punto inicial del vector y el punto donde termina, punto final.
 
x1
El vector en el origen x = ∈ R2 se representa gráficamente en el plano cartesiano como el segmento dirigido
x2
 
x1
desde el origen de coordenadas al punto (x1 , x2 ). El vector en el origen x = x2  ∈ R3 se representa gráficamente

x3
como el segmento dirigido desde el origen de coordenadas del sistema cartesiano al punto (x1 , x2 , x3 ).
 
x1
 x2 
Un vector en el origen x ∈ Rn , x =  .  puede ser trasladado a un punto A = (a1 , a2 , . . . , an ) (A distinto
 
 .. 
xn
del origen de coordenadas) y representado como un vector libre. El vector resultante es equivalente al vector
original (sus componentes son iguales), pero se representa gráficamente como la flecha desde A al punto B =
(a1 + x1 , a2 + x2 , . . . , an + xn ).
De manera similar, si A y B son los siguientes puntos A = (a1 , a2 , a3 , · · · , an ) y B = (b1 , b2 , b3 , · · · , bn ), el vector
⃗ puede trasladarse al origen de coordenadas y representarse como el vector en
de A a B, que se escribe como AB,
el origen  
b1 − a1
b − a 
 2 2
 b3 − a3  .
 
 . 
 . 
 . 
bn − an
 
1
Por ejemplo, el vector en R2 se puede representar como un segmento de recta dirigido (flecha) desde el origen
2
de coordenadas al punto (1, 2) (en rojo en la figura 2.1). Este vector puede trasladarse al punto (3, 2) y representarse
1 Aunque tanto puntos como vectores de Rn son listas ordenadas de n números reales, los representaremos tanto algebraica como
gráficamente, de modo distinto. Ya sabemos cómo  se representan ambos gráficamente. Algebraicamente representamos a un vector
x1
 x2 
 
de Rn con componentes x1 , x2 , . . . , xn como   .. , mientras que a un punto con coordenadas x1 , x2 , . . . , xn lo escribimos como

 . 
xn
(x1 , x2 , . . . , xn ).
CAPÍTULO 2. VECTORES EN R2 Y R3 6

como el vector libre desde (3, 2) al punto (4, 4) (vector azul en 2.1). Algebraicamente ambos vectores (rojo y azul
en 2.1) son iguales, aunque se representen gráficamente en posiciones distintas del plano cartesiano. Ellos son
representaciones gráficas distintas del mismo vector.

Figura 2.1: Representación geométrica de vectores en R2 y R3 , libres (azules) y en el origen (rojos).

Observación 2.7. Cabe destacar que a veces, debido a la gran similitud algebraica entre puntos y vectores en Rn ,
 
x1
 x2 
no se hace distinción entre ellos. Nota que al punto (x1 , x2 , · · · , xn ) puede asociarse el vector (en el origen)  . 
 
 .. 
xn
y viceversa.
Dependiendo del contexto puede considerarse a Rn como el conjunto de puntos de la forma (x1 , x2 , . . . , xn ) con
x1 , x2 , . . . , xn ∈ R.
En este curso consideraremos que Rn es, como se definió antes, un conjunto de vectores y cuando escribamos x ∈ Rn
debemos asumir, si no se especifica que x es un punto, que x es un vector. Además, a menos que especifiquemos lo
contrario, representaremos gráficamente a cada vector como uno en el origen.
También podemos valernos de la representación gráfica para calcular la suma de vectores en R2 o en R3 o el
producto por un escalar entero.
Si queremos, por ejemplo, sumar los vectores x e y podemos trasladarlos a un origen común para, posteriormente,
trasladar al vector y al punto final del vector x (o trasladar al vector x al punto final del vector y), el vector desde
el punto 
inicial
 de  x al punto final de y es x + y. En la figura 2.2 se ha representado gráficamente la suma de los
1 −2
vectores y .
2 0

2
Figura 2.2: Representación
 gráfica de la suma
 de vectores en R . El vector dibujado en negro es el que resulta de
1 −2
sumar los vectores x = (rojo) e y = (azul). El vector representado con una lı́nea discontinua azul es y
2 0
trasladado al extremo final de x.
CAPÍTULO 2. VECTORES EN R2 Y R3 7

En R3 se procede de manera similar. Observe la figura 2.3.

Figura 2.3: Representación gráfica de la suma de vectores en R3 . El vector dibujado en negro es el que resulta de
−3
   
1
sumar los vectores x = −2 (rojo) e y = 3 (azul). El vector representado con una lı́nea discontinua azul es
4 3
y trasladado al extremo final de x.

Antes mencionamos que para cada x ∈ Rn , existe su inverso aditivo, que representamos por −x, gráficamente este
vector se obtiene rotando a x 180 grados con respecto a su origen.
Sabiendo cómo representar gráficamente la suma de vectores también podemos representar gráficamente el producto
de un vector x por un escalar entero λ:
Si λ = 0, el resultado es el vector nulo,
si λ > 0, solo debemos sumar a x consigo mismo λ veces,
mientras que si λ < 0, sumamos a x consigo mismo |λ| veces y rotamos al vector resultante 180 grados
alrededor de su origen.

2.3. Vectores canónicos. Combinaciones lineales de vectores

Dos vectores especiales en R2 son los vectores canónicos de R2 , definidos como,
   
⃗i = 1 , ⃗j = 0 .
0 1
 
x
Nota que cualquier vector de R2 se puede representar como
y
 
x
= x⃗i + y ⃗j.
y
 
x
De este modo se dice que el vector es una combinación lineal de los vectores canónicos de R2 con coeficientes
y
x e y.
Para el caso de R3 los vectores canónicos son
     
1 0 0
⃗i = 0 , ⃗j = 1 , ⃗k = 0 ,
0 0 1
 
x
y al igual que en el caso n = 2, observa que cualquier vector y  de R3 se puede representar mediante

z
 
x
y  = x⃗i + y ⃗j + z ⃗k,
z
CAPÍTULO 2. VECTORES EN R2 Y R3 8

 
x
de donde se dice que el vector y  es una combinación lineal de los vectores canónicos de R3 con coeficientes x,
z
y y z.
 
−1
Ejemplo 2.8. El vector x = es una combinación lineal de ⃗i y ⃗j (observa la figura 2.4), en efecto:
3/2
     
−1 1 0
= −1 + (3/2) .
3/2 0 1

Figura 2.4: Vector (−1, 3/2)T como combinación lineal de vectores canónicos de R2

−1
 

⃗ =  2  es una combinación lineal de los vectores ⃗i, ⃗j y ⃗k (observa la figura 2.5):

En R3 , el vector w
√
3

−1
       
1 0 √ 0
 2  = −1 0 + 2 1 + ( 3) 0 .
√
3 0 0 1

Definición 2.9 (Combinación lineal de vectores). Una suma de la forma

α1 u1 + α2 u2 + . . . + αm um
con u1 , u2 , . . . , um ∈ Rn y α1 , α2 , . . . , αm ∈ R es la combinación lineal de los vectores u1 , u2 , . . . , um con escalares
α1 , α2 , . . . , αm .

Un vector v ∈ Rn es combinación lineal de vectores u1 , u2 , . . . , um ∈ Rn dados si y solo si existen escalares

α1 , α2 , . . . , αm ∈ R de modo que
v = α1 u1 + α2 u2 + . . . + αm um .
       
1 1 2 0
Ejemplo 2.10. El vector 4 es combinación lineal de los vectores 0 ,  1  y 0 si y solo si existen
2 1 −2 3
a, b, c ∈ R de modo que
       
1 1 2 0
4 = a 0 + b  1  + c 0 .
2 1 −2 3
CAPÍTULO 2. VECTORES EN R2 Y R3 9

√
Figura 2.5: Vector (−1, 2, 3)T como combinación lineal de vectores canónicos de R3

Teniendo en cuenta las definiciones de suma de vectores y producto vector por escalar , se obtiene
       
1 2 0 a + 2b
a 0 + b  1  + c 0 =  b .
1 −2 3 a − 2b + 3c
 
1
Dado que dos vectores son iguales si y solo si sus componentes son iguales, el vector 4 es combinación lineal
2
de los vectores dados si y solo existen a, b, c ∈ R tales que
a + 2b = 1,
b = 4,
a − 2b + 3c = 2.
Este sistema ya tiene una estructura sencilla. Con la segunda ecuación tenemos un valor para b. Si sustituimos
b por 4 en la primera ecuación, obtenemos a = −7 y, por último, reemplazando a por −7 y b por 4 en la última
     
1 1 2
ecuación se tiene que c = 17
3 . Por tanto, el vector 4 sı́ es combinación lineal de los vectores 0 ,  1  y
2 1 −2
 
0
0 y es la combinación lineal con escalares −7, 4 y 17 ,
3
3
       
1 1 2 0
4 = −7 0 + 4  1  + 17 0
3
2 1 −2 3

−3 −1
       
1 3
Ejemplo 2.11. El vector v =  10  es combinación lineal de los vectores u1 = −3 , u2 = −9 y u3 =  4 
−2 2 6 2
si y solo si existen a, b, c ∈ R de modo que
−3 −1
       
1 3
 10  = a −3 + b −9 + c  4  .
−2 2 6 2
CAPÍTULO 2. VECTORES EN R2 Y R3 10

−3
 

Es decir, el vector  10  es combinación lineal de los vectores dados si y solo existen a, b, c ∈ R tales que
−2

a + 3b − c = −3,
−3a − 9b + 4c = 10,
2a + 6b + 2c = −2.

Escribamos el sistema en forma matricial,

−1 −3
    
1 3 a
−3 −9 4   b  =  10  .
2 6 2 c −2

Utilicemos el método de eliminación gaussiana para encontrar un sistema equivalente, pero más sencillo de resolver,

−1 | −3 f2 + 3f1 → f2 −1 | −3 −1 | −3
     
1 3 1 3 1 3
−3 f3 − 4f2 → f3 
−9 4 | 10  f3 − 2f1 → f3 0 0 1 | 1 0 0 1 | 1 .
∼
2 6 2 | −2 ∼ 0 0 4 | 4 0 0 0 | 0

Las ecuaciones asociadas a este último sistema son

a + 3b − c = −3,
c = 1,
0 = 0.

Estas ecuaciones se satisfacen si y solo si c = 1 y a = −2 − 3b, siendo b un número real cualquiera. Esto significa
que existen infinitas combinaciones lineales de los vectores dados que son iguales al vector v, por ejemplo,
Si tomamos b = −2 entonces a = −2 − 3(−2) = 4 y se cumple

−3 −1
       
1 3
 10  = 4 −3 − 2 −9 + 1  4  .
−2 2 6 2

Si tomamos b = 0 entonces a = −2 − 3(0) = −2 y se cumple

−3 −1
       
1 3
 10  = −2 −3 + 0 −9 + 1  4  .
−2 2 6 2

Todas las combinaciones lineales de la forma

−1
     
1 3
(−2 − 3b) −3 + b −9 + 1  4  , b∈R
2 6 2

son iguales a v.

−3
       
1 1 0
Ejemplo 2.12. El vector 4 es combinación lineal de los vectores  0  ,  2  y  3  si y solo si existen
2 −1 −2 0
a, b, c ∈ R de modo que
−3
       
1 1 0
4 = a  0  + b  2  + c  3  .
2 −1 −2 0
CAPÍTULO 2. VECTORES EN R2 Y R3 11

 
1
El vector 4 es combinación lineal de los vectores dados si y solo existen a, b, c ∈ R tales que
2

a − 3c = 1,
2b + 3c = 4,
−a − 2b = 2.

Escribamos nuevamente el sistema en forma matricial y resolvámoslo por el método de eliminación gaussiana. La
matriz ampliada del sistema es

0 −3 | 1 1 0 −3 | 1 1 0 −3 | 1
     
1
f 3 + f1 → f3 f3 + f 2 → f 3
0 2 3 | 4 0 2 3 | 4 0 2 3 | 4
∼ ∼
−1 −2 0 | 2 0 −2 −3 | 3 0 0 0 | 7

Las ecuaciones asociadas a este último sistema son

a − 3c = 1,
2b + 3c = 4,
0 = 7.

Esta última igualdad es falsa. No existen, por tanto, valores para a, b y c de modo que las ecuaciones anteriores se
−3
       
1 1 0
satisfagan, el vector 4 no es combinación lineal de los vectores  0  ,  2  y  3 .
2 −1 −2 0
Dado un conjunto de vectores {u1 , u2 , . . . , um } de Rn , denotamos mediante

⟨{u1 , u2 , . . . , um }⟩

al conjunto de vectores de Rn que pueden escribirse como combinación lineal de ellos.

Según lo comentado anteriormente se cumple que
Dn oE
R2 = ⃗i, ⃗j si ⃗i y ⃗j denotan a los vectores canónicos de R2 . Además,
Dn oE
R3 = ⃗i, ⃗j, ⃗k si ⃗i, ⃗j y ⃗k son los vectores canónicos de R3 . También vimos que
  *     +
1  1 2 0 
4 ∈ 0 ,  1  , 0 ,
−2
 
2 1 3
  *     +
1  1 0 −3 
4 ̸∈  0 , 2 , 3  ,
−1 −2
 
2 0
  *     +
−3  1 3 −1 
 10  ∈ −3 , −9 ,  4  .
−2
 
2 6 2
Observación 2.13 (Bibliografı́a adicional recomendada). Si deseas profundizar en los temas tratados en este
documento, te recomendamos revisar los siguientes libros/apuntes/videos.
Ten en cuenta que la notación utilizada en algunos de los libros/apuntes/videos recomendados no es exactamente
la misma que la utilizada en estos apuntes. Si crees que eso podrı́a confundirte, no te preocupes, la información en
los apuntes es suficiente para aprender el contenido del curso.
1. Secciones desde 2.1 a 2.5 y 2.7 de Lipschutz, S. Álgebra Lineal.