República Bolivariana de Venezuela

Ministerio del Poder Popular para la Educación

UNEFA "Universidad Nacional Experimental de las fuerzas Las Armadas"
Guanare -Portuguesa

ESPACIOS
VECTORIALES

Integrantes:
Nombre: Gisell Frias
C.I: 29.556.257
 Índice
Espacios vectoriales……………………………………………………………………4
Subespacio vectoriales………………………………………………………………....7
Combinación lineal……………………………………………………….……………..8
Generación de espacios……………………………………………………….……....9
Dependencia e independencia lineal………………………………………………….12
Bases……………………………………………………………………………………..15
Los espacios Rn…………………………………………………………………………17
Producto vectorial y mixto………………………………………………………………19
Producto escalar………………………………………………………………...……….22
Conclusión………………………………………………………………………………..25
 Introducción
A lo largo de la historia el hombre ha tratado de explicar al mundo que lo rodea la
importancia del uso de las matemáticas. El álgebra no ha estado alejada de ese
contexto, puesto que en la antigüedad los griegos explicaron varias teorías
considerando el uso del razonamiento inductivo; es decir, repetidas observaciones
son utilizadas para establecer "reglas de cajón" (sin rigor estricto). Uno de los
conceptos que es objeto de estudio en el Álgebra Lineal es el de espacio vectorial,
el cual relaciona otros conceptos como dependencia lineal, base, generador,
dimensión, coordenada de un vector en una base y transformación lineal. Para que
una estructura algebraica sea un espacio vectorial debe cumplir con ciertas
propiedades referentes a una operación interna. La demostración de un espacio
vectorial requiere cierta habilidad matemática.
 Espacio vectorial
Un espacio vectorial es una terna (𝑉, +,·), donde V es un conjunto no vacío 𝑦 +,·
son dos operaciones del tipo +∶ 𝑉 × 𝑉 → 𝑅,· : 𝑅 × 𝑉 → 𝑉 a las que llamaremos
’suma de vectores’ 𝑦 ’producto por escalares respectivamente y con las siguientes
propiedades: denotando +(𝑢, 𝑣) = 𝑢 + 𝑣 𝑦 · (𝜆, 𝑣) = 𝜆𝑣,
1. 𝑢 + (𝑣 + 𝑤) = (𝑢 + 𝑣) + 𝑤, ∀𝑢, 𝑣, 𝑤 ∈ 𝑉 (asociativa).
2. 𝑢 + 𝑣 = 𝑣 + 𝑢, ∀𝑢, 𝑣 ∈ 𝑉 (conmutativa).
3. Existe 𝑒 ∈ 𝑉 tal que 𝑒 + 𝑣 = 𝑣 + 𝑒 = 𝑣, ∀𝑣 ∈ 𝑉 (elemento neutro).
4. Para cada v ∈ V existe w tal que v + w = w + v = e (elemento opuesto).
5. 𝜆(µ𝑣) = (𝜆µ)𝑣, ∀𝑣 ∈ 𝑉 , ∀𝜆, µ ∈ 𝑅 (seudo-asociativa).
6. 𝜆(𝑢 + 𝑣) = 𝜆𝑢 + 𝜆𝑣 𝑦 (𝜆 + µ)𝑣 = 𝜆𝑣 + µ𝑣, ∀𝑢, 𝑣 ∈
𝑉 𝑦 ∀𝜆, µ ∈ 𝑅 (distributiva).
7. 1𝑣 = 𝑣, ∀𝑣 ∈ 𝑉 (unimodular).

De forma abreviada, diremos que 𝑉 es un espacio vectorial. A los elementos de

𝑉 lo llamamos vectores y a los de 𝑅, escalares
Proposición 1.1: En un espacio vectorial 𝑉:

 El elemento neutro es único. Se denotaría por 0.

 El elemento opuesto de un vector es único. Si v es un vector, su opuesto lo
denotamos por −𝑣.

Proposición 1.2: En un espacio vectorial se tiene las siguientes propiedades:

1. 𝜆0 = 0, 𝜆 ∈ 𝑅.
2. 0𝑣 = 0, 𝑣 ∈ 𝑉.
3. (−𝜆)𝑣 = −(𝜆𝑣), 𝜆 ∈ 𝑅, 𝑣 ∈ 𝑉 .
4. Si 𝜆𝑣 = 0, entonces 𝜆 = 0 𝑜 𝑣 = 0.

Ejemplo:
Si n es un numero natural, se considera el espacio euclídeo 𝑅𝑛 = {(𝑥1 , . . . , 𝑥𝑛 );
𝑥𝑖 ∈ 𝑅} con la suma y producto por escalares siguientes:
(𝑥1 . . . , 𝑥𝑛 ) + (𝑦1 , . . . , 𝑦𝑛 )0(𝑥 1 + 𝑦1 , . . . , 𝑥𝑛 + 𝑦𝑛 ).
𝜆(𝑥1 , . . . , 𝑥𝑛 ) = (𝜆𝑥1 , . . . , 𝜆𝑥𝑛 ).
Estructura de espacio vectorial.
Las propiedades que acabamos de ver no sólo las cumplen los vectores
geométricos, hay una familia muy numerosa de conjuntos que las verifican,
denominándose a estos espacios vectoriales.
Sea E un conjunto no vacío cuyos elementos se llaman vectores (𝑥, 𝑦, 𝑧, . . . ), y un
cuerpo (por ejemplo ℝ o ) cuyos elementos se denominan escalares (𝛼, 𝛽, 𝛾, . . . ).
Definimos en 𝐸 dos leyes de composición: una interna, que denotaremos por (+) y
denominaremos “Suma o adición de vectores de 𝐸”, y otra externa, a la que
llamaremos “Producto de un vector por un escalar”. En estas condiciones, se dice
que E es un espacio vectorial sobre 𝕂 si se verifican las siguientes condiciones:
Para la ley interna “Suma de vectores de 𝐸”, el par (𝐸, +) es un Grupo Abeliano,
por lo que cumple las propiedades siguientes:

1. ∀ 𝑥, 𝑦 ∈ 𝐸 𝑥 + 𝑦 = 𝑦 + 𝑥 Conmutatividad
2. ∀ 𝑥, 𝑦, 𝑧 ∈ 𝐸 (𝑥 + 𝑦) + 𝑧 = 𝑥 + ( 𝑦 + 𝑧 ) Asociatividad
3. ∀𝑥 ∈ 𝐸 ∃! 0 ∈ 𝐸 / 𝑥 + 0 = 0 + 𝑥 = 𝑥 Elemento neutron
4. ∀ 𝑥 ∈ 𝐸 ∃ (−𝑥 ) ∈ 𝐸 𝑥 + (−𝑥 ) = (−𝑥 ) + 𝑥 = 0 Elemento opuesto

Para la ley de composición externa, “Producto de un vector por un escalar”, que

asocia a cada escalar 𝛼, y a cada vector 𝑥 de E un vector único, llamado producto
de 𝛼 y 𝑥, y que se representa por 𝛼𝑥 o 𝑥𝛼, se satisfacen las siguientes propiedades:

1. ∀ 𝑥, 𝑦 ∈ 𝐸 ∧ ∀𝛼 ∈ 𝕂 𝛼 (𝑥 + 𝑦) = 𝛼𝑥 + 𝛼𝑦
2. ∀𝑥 ∈ 𝐸 ∧ ∀ 𝛼, 𝛽 ∈ 𝕂 (𝛼 + 𝛽) 𝑥 = 𝛼𝑥 + 𝛽𝑥
3. ∀𝑥 ∈ 𝐸 ∧ ∀ 𝛼, 𝛽 ∈ 𝕂 (𝛼𝛽) 𝑥 = 𝛼 (𝛽𝑥)
4. ∀𝑥 ∈ 𝐸, 1𝑥 = 𝑥 (siendo 1 el elemento neutro del producto en 𝕂 ).

Un espacio vectorial real es un espacio vectorial en el que los escalares pertenecen

al cuerpo ℝ de los números reales, y un espacio vectorial complejo es un espacio
vectorial en el que los escalares pertenecen al cuerpo de los números complejos
(en nuestro caso, trabajaremos preferentemente sobre espacios vectoriales reales).

Ejemplo:
El conjunto de funciones 𝐸 = {𝑓: ℝ → ℝ }, es decir, las funciones reales de variable
real, dotado de las operaciones:
Suma de funciones: (𝑓 + 𝑔)(𝑥) = 𝑓(𝑥) + 𝑔(𝑥) ∀ x ∈ ℝ
Producto por un escalar: (𝜆𝑓)(𝑥) = 𝜆𝑓(𝑥) ∀ 𝑥 ∈ ℝ ∧ 𝜆 ∈ ℝ
Tiene estructura de espacio vectorial sobre ℝ . El elemento neutro de la suma es la
función nula

Consecuencias de la definición de Espacio Vectorial

1. ∀𝑥 ∈ 𝐸 0𝑥 = 0 (vector nulo)
Demostración. 𝛼𝑥 = (𝑎 + 0 ) 𝑥 = 𝑎𝑥 + 0𝑥 de donde se deduce que 0𝑥 = 0
(vector nulo)

2. ∀𝑥 ∈ 𝐸 𝑦 ∀𝛼 ∈ 𝕂 se tiene que (−𝛼)𝑥 = −𝛼𝑥.

Demostración. Como [(−𝛼) + 𝛼] 𝑥 = 0𝑥 = 0 ⇒ (−𝛼)𝑥 + 𝛼𝑥 = 0 ⇒ (−𝛼)𝑥 =
−𝛼𝑥.
En particular (−1)𝑥 = −(1𝑥) = −𝑥.

3. ∀𝛼 ∈ 𝕂 𝛼0 = 0.
Demostración. 𝛼0 + 𝛼0 = 𝛼(0 + 0) = 𝛼0, sumando −𝛼0 en las dos partes de la
igualdad, se obtiene que 𝛼0 = 0.

4. La igualdad 𝛼𝑥 = 0 sólo se verifica si 𝛼 = 0 ó 𝑠𝑖 𝑥 = 0.

Demostración. Supongamos que 𝛼𝑥 = 0, pueden pasar dos cosas, que 𝛼 = 0 o
que 𝛼 ≠ 0. Si α ≠ 0 existirá 𝛼 −1 ∈ 𝕂 / 𝛼 𝛼 −1 = 1. Multiplicando en 𝛼𝑥 = 0 por 𝛼 −1
se obtiene:
𝛼 −1 𝛼𝑥 = 𝑎−1 0 = 0 ⇒ 𝑥 = 0 .

De donde se deduce que, ó 𝛼 = 0 ó 𝑥 = 0.

5. I) ∀α ≠ 0 αx = αy ⇒ x = y
II) ∀x ≠ 0 αx = βx ⇒ α = β
Demostración.
I). De la igualdad 𝛼𝑥 = 𝛼𝑦 ⇒ 𝛼𝑥 − 𝛼𝑦 = 0 ⇒ 𝛼(𝑥 − 𝑦) = 0, y de 4) se tiene que
𝛼 = 0 ó 𝑥 − 𝑦 = 0. Pero como estamos suponiendo que 𝛼 ≠ 0, debe verificarse
que 𝑥 − 𝑦 = 0; luego 𝑥 = 𝑦.
II). De la igualdad 𝛼𝑥 = 𝛽𝑥 ⇒ 𝛼𝑥 − 𝛽𝑥 = 0, y de 4) 𝛼 − 𝛽 = 0 ó 𝑥 = 0, pero
como estamos suponiendo 𝑥 ≠ 0, debe cumplirse 𝛼 − 𝛽 = 0, luego 𝛼 = 𝛽.

Subespacio vectorial
Sea 𝑉 un espacio vectorial y 𝑊 un subconjunto no vacío de 𝑉.
𝑊 es un subespacio de 𝑉 si 𝑊 es en sí mismo un espacio vectorial con las mismas
operaciones (suma de vectores y producto por un escalar) definidas en 𝑉.

Características
Sea 𝑊 un subconjunto de un espacio vectorial 𝑉 (𝑊 ⊆ 𝑉) 𝑊 es subespacio de 𝑉 si
y sólo si se cumplen las siguientes condiciones:
a) 0𝑣 esta en 𝑊
b) Si 𝑢 y 𝑣 están en 𝑊, entonces 𝑢 + 𝑣 está en 𝑊
c) Si 𝑢 está en WW y 𝑘 es un escalar, 𝑘𝑢 está en 𝑊.

Ejemplo:
𝑊 = {(𝑥1 , 𝑥2 ) ∈ 𝑅2 : 𝑥2 = 3𝑥1 }

¿Es un subespacio de 𝑅2 ?
Primero analicemos el conjunto 𝑊. Son todos vectores de 𝑅2 tales que la segunda
componente es el triple de la primera:
(𝑥1 , 3𝑥1 ) = 𝑥1 (1,3)
𝑊 es la recta que pasa por el origen y tiene vector director (1,3), o sea la recta de
ecuación 𝑦 = 3𝑥.
Para decidir si 𝑊 es un subespacio de 𝑅2 habría que verificar que se cumplen los
axiomas del 1 al 10. El lector puede comprobar que todos se cumplen en este caso.
Pero en general no es necesario verificar los axiomas porque existe un criterio
sencillo para determinar si un subconjunto 𝑊 de un espacio vectorial 𝑉 es un
subespacio, es el que sigue.

Combinación lineal
Una combinación lineal de dos o más vectores es el vector que se obtiene al sumar
esos vectores multiplicados por algunos escalares. Es decir, una combinación lineal
es una expresión de la forma:

Para el caso particular de dos vectores , , y dos números , entonces

una combinación lineal de y está dada por el vector .
La siguiente figura muestra la representación gráfica del vector

Cualquier vector en el plano se puede poner como combinación lineal de otros dos
vectores que tengan distinta dirección. Asimismo, esta combinación lineal es única.

Ejemplos:

Dados los vectores y , hallar el vector combinación

lineal .

Solución: Para encontrar el vector , simplemente realizamos las operaciones

necesarias:

Por lo que,
 Espacios generados
Sea 𝑉 un espacio vectorial, y 𝑣1, 𝑣2, . . . , 𝑣𝑘 vectores de 𝑉 . El conjunto formado por
todas las posibles combinaciones lineales de los vectores 𝑣1, 𝑣2, . . . , 𝑣𝑘 se llama el
espacio generado por 𝑣1, 𝑣2, . . . , 𝑣𝑘. Este conjunto se representa por
𝐺𝑒𝑛 {𝑣1, 𝑣2, . . . , 𝑣𝑘}
Si 𝑉 = 𝐺𝑒𝑛 {𝑣1, 𝑣2, . . . , 𝑣𝑘} diremos que {𝑣1, 𝑣2, . . . , 𝑣𝑘} genera a 𝑉 y que
{𝑣1, 𝑣2, . . . , 𝑣𝑘} es un conjunto generador de 𝑉 .

Ejemplo:
Indique si la matriz

pertenece al espacio generado por las matrices:

Solución: Buscamos saber si existen constantes 𝑐1, 𝑐2 𝑦 𝑐3 tales que:

Es decir,

Si se efectúa cada producto y se realiza la suma de las matrices en el lado izquierdo

obtenemos:

Si se igualan elementos correspondientes de estas matrices se obtiene:

Formando la matriz aumentada y aplicando Gauss-Jordan obtenemos:

Debido al pivote en la columna de las constantes, el sistema es inconsistente. Como

el sistema es inconsistente, no existen 𝑐1, 𝑐2 𝑦 𝑐3 que cumplen:

Por tanto, 𝐴 no pertence al espacio Gen{𝐴1 , 𝐴2 , 𝐴3 } .

Observación Es importante observar la relación entre

y la matriz aumentada:

El efecto final es como si las matrices se convirtieran en un vector columna. El

proceso de conversión consiste en acomodar en una gran columna todos y cada
uno de los renglones. Esto consiste en un proceso de zig-zag sobre los renglones
de la matriz. 𝐴 este proceso de convertir una matriz en un vector columna lo
llamaremos vectorización de una matriz.

Reducción del conjunto generador

En ciertas situaciones es importante determinar un conjunto de generadores
reducido. Para ello, deberemos ser capaces de eliminar de un conjunto generador
ciertos vectores que no aportan información al espacio generado. El siguiente
resultado indica cuales vectores se pueden eliminar de un conjunto generador.
Teorema
Si uno de los vectores 𝑣1, 𝑣2, . . . , 𝑣𝑘 del espacio vectorial 𝑉 es combinaci´on lineal
de los restantes, el generado permanece igual si se elimina dicho vector.

Ejemplo:
Considere los vectores:

y suponga que

Indique que opciones contienen vectores que se pueden remover del generador y
que el conjunto restante puede seguir generando 𝑊

Solución
Formamos [𝑣1 𝑣2 𝑣5 |𝑣3 𝑣4 ] y reducimos:

Concluimos que como queda un pivote en la parte derecha 𝑣3 y 𝑣4 no pueden ser

removidos simultáneamente y seguir generando el mismo espacio. Formamos
[𝑣1 𝑣2 𝑣4 |𝑣3 𝑣5 ] y reducimos:
Concluimos que como queda un pivote en la parte derecha 𝑣3 y 𝑣5 no pueden ser
removidos simultáneamente y seguir generando el mismo espacio. Formamos
[𝑣2 𝑣3 𝑣1 |𝑣1 𝑣5 ] y reducimos:

Concluimos que como queda un pivote en la parte derecha 𝑣1 y 𝑣5 no pueden ser

removidos simultáneamente y seguir generando el mismo espacio. Formamos
[𝑣1 𝑣3 𝑣4 𝑣5 |𝑣2 ] y reducimos:

Concluimos que no como queda un pivote en la parte derecha 𝑣2 sí puede ser

removido y seguir generando el mismo espacio.

Dependencia e independencia lineal

Dependencia Lineal:

Varios vectores libres del plano se dice que son linealmente dependientes si hay
una combinación lineal de ellos que es igual al vector cero, sin que sean cero todos
los coeficientes de la combinación lineal.

Propiedades:

1. Si varios vectores son linealmente dependientes, entonces al menos uno de

ellos se puede expresar como combinación lineal de los demás.

También se cumple el reciproco: si un vector es combinación lineal de otros,

entonces todos los vectores son linealmente dependientes.
 2. Dos vectores del plano son linealmente dependientes si, y sólo si, son
paralelos
3. Dos vectores libres del plano son linealmente
dependientes si sus componentes son proporcionales.

4. 𝑛 vectores en ℝ𝑛 son linealmente dependientes si su determinante es igual

a cero

Ejemplo:

Determinar los valores de para que sean linealmente dependientes los

vectores Escribir como
combinación lineal de y , siendo el valor calculado.

Los vectores son linealmente dependientes si el determinante de la matriz que

forman es nulo, es decir que el rango de la matriz es menor que 3.

1. Calculamos el determinante

2. Igualamos el determinante a cero

3. Resolvemos la ecuación y obtenemos

 4. Así para los vectores son .
Escribimos en términos de y

5. Calculamos los valores de los escalares 𝑎, 𝑏

6. Igualando las coordenadas del lado izquierdo con las del derecho y
resolviendo las ecuaciones obtenemos

7. Así la combinación lineal buscada es

8. Se repiten los pasos 4, 5, 6 y 7 para

Independencia Lineal

Varios vectores libres son linealmente independientes si ninguno de ellos puede ser
escrito con una combinación lineal de los restantes, de manera que si la
combinación lineal es igual a cero, entonces cada uno de sus coeficientes es igual
a cero

Los vectores linealmente independientes tienen distinta dirección y sus

componentes no son proporcionales. 𝑛 vectores en ℝ𝑛 son linealmente
independientes si su determinante es distinto de cero.

Ejemplo:
Estudiar si son linealmente dependientes o independientes los vectores.

1. Calculamos el determinante de los vectores

2. Como el determinante es igual a cero, concluimos que los vectores son

linealmente dependientes.

Base

Tres vectores con distinta dirección forman una base, porque cualquier
vector del espacio se puede representar como combinación lineal de ellos.

Las coordenadas del vector respecto a la base son:

Ejemplo de bases:

1. La base canónica (o base natural, o base estándar) de 𝑅𝑛 :

𝑒1 = (1,0,. . . ,0)
𝑒2 = (0,1,. . . ,0)
........
𝑒𝑛 = (0,0,. . . ,1)

 Son linealmente independientes porque forman un determinante no nulo.

 Son sistema generador de 𝑅𝑛 porque todo vector (𝑎1 ,𝑎2 ,. . . ,𝑎𝑛 ) ∈ 𝑅𝑛 se
puede expresar como combinación lineal de ellos:
 2. Otra base de 𝑅3 distinta de la canónica: (1,0,0), (1,1,0), (0,2, −3).

 Son linealmente independientes porque forman un determinante no nulo.

 Son sistema generador de 𝑅3 porque cualquier vector (𝑎, 𝑏, 𝑐) se puede
poner como combinación lineal de ellos. En efecto, dado (𝑎, 𝑏, 𝑐), buscamos
𝛼 , 𝛽 , 𝛾 que satisfagan

Se obtiene un sistema:

en las incógnitas 𝛼 , 𝛽, 𝛾 , que es compatible determinado para cualesquiera

𝑎, 𝑏, 𝑐.

3. (1,2,3), (4,5,6), (7,8,9) en 𝑅3 no forman base porque no son linealmente

independientes (su determinante es nulo).

4. Base de un subespacio. En 𝑅3 , consideremos el subespacio 𝑆= plano 𝑋𝑌.

Veamos que los vectores (3,2,0) , (1, – 1,0) forman una base de 𝑆.

 Son linealmente independientes, porque uno no es múltiplo del otro.

 Son un sistema generador de 𝑆: Dado un vector genérico de 𝑆, de la forma
(𝑎, 𝑏, 0), lo podemos poner como combinación lineal de (3,2,0), (1, – 1,0). Para
ello, buscamos α, b que cumplan:

Ejemplo:

Para que valores de 𝑎 los vectores forman una

base?

1. Calculamos el determinante de los vectores

 2. El determinante se hace cero para , luego los vectores son linealmente
dependientes y no forman una base sí .

3. El determinante es distinto de cero para , luego los vectores son

linealmente independientes y forman una base si .

Los espacios 𝑹𝒏
La estructura de espacio vectorial es posiblemente la estructura más versátil y
utilizada en la ciencia. Es usual tener un ejemplo de referencia a partir del cual se
van dando definiciones más abstractas y propiedades. En este caso nuestro modelo
será ℝ2 y ℝ3 . Formalmente, se define

como el conjunto formado por todas las n-uplas de números reales ordenados. Sus
elementos se pueden sumar componente a componente, y también se pueden
multiplicar por un número real, multiplicando cada componente por dicho número.
La primera operación se llama ley de composición interna y se define como

donde

Propiedades.

1. Asociativa. Para cada 𝑢, 𝑣, 𝑤 ∈ ℝ𝑛 , (𝑢 + 𝑣) + 𝑤 = 𝑢 + (𝑣 + 𝑤)

2. Elemento neutro. Existe un elemento 𝑒 ∈ 𝑅𝑛 tal que para cada 𝑢 ∈ ℝ𝑛 , 𝑒 +
𝑢 = 𝑢 + 𝑒 = 𝑒.
En efecto, 𝑒 = (0, . . . , 0), y se denotará por 0.
3. Inverso. Dado 𝑢 ∈ ℝ𝑛 , existe un 𝑣 ∈ 𝑅𝑛 , tal que 𝑢 + 𝑣 = 𝑣 + 𝑢 = 0. En
nuestro caso, 𝑣 = −𝑢 y se llama el opuesto de 𝑢.
4. Conmutativa. Para todo 𝑢, 𝑣 ∈ ℝ𝑛 , 𝑢 + 𝑣 = 𝑣 + 𝑢.

Cualquier conjunto con las propiedades 1,2 y 3 se llama grupo, y si, además
tiene la propiedad 4 se llama grupo abeliano o conmutativo.

La segunda operación se llama ley de composición externa y se define como

donde 𝜆

Propiedades.

1. Distributivas. Para cada 𝜆, µ ∈ ℝ y cada 𝑢, 𝑣 ∈ ℝ

(𝑎) (𝜆 + µ)𝑢 = 𝜆𝑢 + µ𝑢
(𝑏) 𝜆(𝑢 + 𝑣) = 𝜆𝑢 + 𝜆𝑣

2. 1𝑢 = 𝑢

3. Seudoasociativa. Para cada 𝜆, µ ∈ ℝ y cada 𝑢 ∈ ℝ𝑛 (𝜆µ)𝑢 = 𝜆(µ𝑢)

Los elementos de ℝ𝑛 se llaman vectores y los de ℝ escalares. La tripleta (ℝ𝑛 , +,·

) formada por ℝ𝑛 con la suma de vectores y el producto por escalares se llama
espacio vectorial. El nombre de los elementos de ℝ𝑛 proviene de su representación
gráfica.

Ejemplo

ℝ𝑛 se representa como un plano con dos ejes perpendiculares que se cruzan en el

0 que se llamara origen, y si 𝑢 ∈ ℝ2 , 𝑢 = (𝑥1, 𝑥2), se representa como el vector
que tiene origen en 0 y final en el punto de ℝ2 de coordenadas (𝑥1 , 𝑥2 ). La suma de
vectores está dada por la regla del paralelogramo.
 Producto vectorial y mixto

Producto vectorial.

El producto vectorial es una operación interna entre dos vectores de tres

dimensiones. El producto vectorial de dos vectores 𝑢 ⃗ = (𝑢𝑥 , 𝑢𝑦 , 𝑢𝑧 ) 𝑦 𝑣 =
(𝑣 𝑥 , 𝑣 𝑦 , 𝑣 𝑧 ) se denota 𝑢
⃗ × 𝑣 o bien 𝑢
⃗ ∧𝑣 .
Para obtener una “regla mnemotécnica” que permita calcular el vector resultante del
producto vectorial, debemos recordar que todo vector puede expresarse como
combinación lineal de los tres vectores unitarios de la base canónica

Importante: El resultado del producto vectorial es otro vector. Repetimos: El

resultado del producto vectorial es otro vector.

Ejemplo:

Calcula el producto vectorial de

Algunas propiedades importantes del producto vectorial:

 Es anticonmutativo → 𝑢
⃗ ×𝑣 =−𝑣×𝑢
⃗

 Es distributivo respecto de la suma de vectores → 𝑢

⃗ × (𝑣 + 𝑤
⃗⃗ ) = 𝑢
⃗ ×𝑣+𝑢
⃗ ×
𝑤
⃗⃗

 El producto vectorial 𝑢
⃗ × 𝑣 es perpendicular al plano que contiene a las
vectores 𝑢
⃗ y 𝑣 → (𝑢
⃗ ×𝑣)⊥𝑢 ⃗ , (𝑢
⃗ × 𝑣 ) ⊥ 𝑣 . Esta propiedad nos permite, por
 ejemplo, obtener de forma directa un vector perpendicular a un plano, si
conocemos dos vectores linealmente independientes del plano.

 El sentido del producto vectorial 𝑢

⃗ × 𝑣 viene dado por la regla del saca corcho
o por la regla de la mano derecha: girar el primer vector sobre el segundo

 Describiendo el camino más corto (por el menor ángulo). Algunos ejemplos

intuitivos de este signo son: 𝑖̂ × 𝑗̂ = 𝑘̂ , 𝑗̂ × ̂𝑖 = −𝑘̂ , 𝑗̂ × 𝑘̂ = 𝑖̂ , ̂𝑘 × 𝑗̂ =
− 𝑖̂ , 𝑘̂ × 𝑖̂ = 𝑗̂ , 𝑖̂ × 𝑘̂ = − 𝑗̂

 El módulo del producto vectorial de dos vectores es igual al producto de los

módulos de cada vector por el seno del ángulo que forman ambos vectores.
Es decir: ∣ 𝑢
⃗ × 𝑣 ∣=∣ 𝑢
⃗ ∣·∣ 𝑣 ∣· 𝑠𝑒𝑛(𝛼)

 El módulo al cuadrado de un producto vectorial cumple la siguiente relación

→∣𝑢 ⃗ × 𝑣 ∣2 =∣ 𝑢
⃗ ∣2 ·∣ 𝑣 ∣2 − (𝑢
⃗ · 𝑣 )2

Ejemplo:

Sea el punto 𝑃(1,2 , −1) y el plano dado en paramétricas

Una recta perpendicular al plano que pase por el punto 𝑃. Una opción para resolver
este problema sería obtener la ecuación general del plano, y de ahí sacar
directamente el vector normal al plano. Y con ese vector perpendicular al plano y el
punto 𝑃, escribir la ecuación de la recta solución. Otra opción, usando el producto
vectorial, es realizar el producto vectorial de los dos vectores linealmente
independientes que pertenecen al plano, y cuyos valores podemos obtener de la
expresión en paramétricas.

Este vector es perpendicular al plano. En efecto, si hubiésemos obtenido la ecuación

general del plano, obtendríamos 𝛱: 𝑥 − 𝑦 + 1 = 0 → Donde es obvio que el vector
normal al plano es 𝑢⃗ 𝑛 𝛱 = (1, −1,0) . Pues bien. Con este vector y el punto del
enunciado, podemos trazar la ecuación de la recta perpendicular al plano.
Producto mixto:

Una nueva operación entre vectores, con la diferencia de que ahora manejamos
tres, es la que llamamos producto mixto. El nombre se debe a que ponemos en
juego a la vez, el producto escalar y vectorial de vectores.

El producto mixto de tres vectores, que expresaremos , se define como

el producto escalar del primero por el resultado del producto vectorial de los otros
dos. El resultado, por tanto, será un número o escalar.

En realidad, y puesto que nuestros vectores están referidos a la base canónica,

esta operación conjunta equivale a calcular el determinante de la matriz que
forman los tres vectores:

Propiedades del producto mixto:

Si cambiamos de orden los vectores, el producto mixto cambia de signo, salvo que
hagamos un cambio cíclico, en el que el signo se mantendrá pues equivale a hacer
dos cambios ordinarios:

El producto mixto de tres vectores es nulo si, y sólo si, los tres vectores son
linealmente dependientes, o lo que es lo mismo, los tres vectores están incluidos en
un plano o son coplanarios.

Interpretación geométrica: El valor absoluto del producto mixto de tres vectores

nos da el volumen del paralelepípedo que genera las aristas de esos tres vectores.
Además, puesto que el tetraedro que tiene de aristas esos tres vectores es la sexta
parte del paralelepípedo, el volumen del tetraedro será el producto mixto entre seis:
 Producto escalar

Sean 𝐴 = (𝐴𝑥 , 𝐴𝑦 , 𝐴𝑧 ) 𝑦 𝐵 = (𝐵𝑥 , 𝐵𝑦 , 𝐵𝑧 ); el producto escalar (denominado

también producto punto o producto interno) de dos vectores se define como:

Donde 𝜃 es el ángulo entre ambos vectores. También, se puede expresar como:

El producto escalar siempre es un número real, es conmutativo y distributivo, de él

surge el teorema del coseno. Además, cuando el producto escalar de dos vectores
𝐴 y 𝐵 es nulo (cero) significa que son perpendiculares entre sí.

Propiedades:

1. El producto escalar de un vector consigo mismo, siempre es positivo:

Y sólo será nulo si A es un vector nulo. Por lo tanto:

2. El producto escalar es conmutativo:

Ya que el ángulo entre los vectores es el mismo y la multiplicación entre

escalares es conmutativa.

3. El producto escalar es distributivo:

4. La multiplicación por un escalar:

5. Del producto escalar surge el Teorema del Coseno:

Que no es otra cosa que el teorema del coseno.

 6. Diremos que dos vectores, no nulos, son ortogonales (perpendiculares) si su
producto escalar es nulo (cero):

Ejemplo:

Calcular el producto escalar de los vectores 𝐴 = (2, 4, 5) 𝑦 𝐵 = (− 2, 3, 7).

De la fórmula del producto escalar tenemos:

Por lo tanto:
 Conclusión

Para comprender el desarrollo teórico en el que se basa la transformada de

ondículas es necesario tener conocimientos de ciertos tópicos o fundamentos
teóricos del álgebra lineal como lo son los espacios vectoriales y sus propiedades
entre otros. El álgebra lineal permite conceptualizar esta transformada a través de
un enfoque vectorial, de este hecho deriva la importancia de comprender y dominar
los tópicos del algebra lineal para poder establecer una relación con las teorías que
involucra la transformada wavelet y posteriormente proceder a su análisis y sus
aplicaciones. La asignatura álgebra lineal forma parte de los estudios básicos en el
área de ingeniería y para un ingeniero más allá de dominar una teoría es muy
importante analizarlas aplicaciones de la misma.