Escuela de Matemáticas

Fundación universitaria de Popayán

VECTORES EN Rn
Fabian Pomeo

Mayo del 2024

1 / 35
 Introducción

Una vez tenemos claro lo que es un Sistema de Ecuaciones Lineales y

su representación matricial, el significado de su solución, el tipo de con-
junto solución y un método para calcular y/o analizar dicho conjunto,
queremos formalizar uno de los conceptos matemáticos que intuitiva-
mente utilizamos en el capı́tulo anterior. En este capı́tulo, estudiaremos
las n-úplas como vectores de Rn , las principales operaciones entre ellos
y sus aplicaciones e interpretaciones geométricas, bien sean relacionados
con un sistema de coordenadas o como vectores libres, particularizando
a los casos de R2 y R3 .

2 / 35
 Conceptos Básicos

Definición (1. Vector de Rn )

Llamamos vector de Rn a una
 lista
 ordenada de n números reales, la
x1
 x2 
cual denotamos como x =  . . A x1 lo llamamos primera
 
 .. 
xn
componente, a x2 segunda componente y en general, a xk lo llamamos
k-ésima componente del vector x .

Cualquier vector cuyas componentes sean cero lo llamamos vector nulo

o vector cero y lo denotamos 0.

3 / 35
Definición (2. Vector libre)
Un vector libre es un objeto matemático que podemos determinar por
su dirección, sentido y magnitud.

Geométricamente, podemos representar los vectores libres como segmen-

tos dirigidos, los que denotamos con letras en negrilla, tales como u, v,
etc., o bien como P Q, RS, donde las primeras letras corresponden a los
puntos iniciales y las otras a los puntos finales de estos segmentos.

4 / 35
 Operaciones con Vectores

Definición (Suma de vectores Rn )

Definimos la suma entre dos vectores u y v de Rn como el vector u + v,
cuyas componentes son la suma de las componentes
  respectivas
 de los
u1 v1
 u2   v2 
vectores u y v; es decir, dados u =  .  y v =  . , definimos
   
 ..   .. 
un vn
 
u1 + v1
 u2 + v2 
u+v = 
 
.. 
 . 
un + vn

5 / 35
 Operaciones con Vectores
En término de vectores libres, el vector u + v es el vector que va desde
el punto inicial del vector u hasta el punto final del vector v, después
de mover paralelamente el vector v de tal manera que su punto inicial
coincida con el punto final de u.

6 / 35
 Operaciones con Vectores

Definición
Definimos el producto por escalar de un vector u por un número real λ
como el vector λu, cuyas componentes son el producto de λporlas
u1
 u2 
componentes respectivas del vector u; es decir, dados u =  .  y
 
 .. 
un
 
λu1
 λu2 
λ ∈ R, definimos λu =  . 
 
 .. 
λun

7 / 35
 Operaciones con Vectores

En término de vectores libres, el vector λu es el vector que tiene igual

dirección que el vector u y que dependiendo del signo de λ, tiene igual
sentido (λ > 0) o sentido opuesto (λ < 0) al del vector u, y cuya mag-
nitud es |λ| por la magnitud del vector u.

8 / 35
 Operaciones con Vectores

Definida la suma y el producto por escalar, podemos definir la resta u−v

como la suma de u con el opuesto de v . En término de vectores libres,
la resta u − v es la diagonal del paralelogramo de lados u y v que va
desde el punto final de v hasta el punto final de u, cuando ellos tienen
el mismo punto inicial.

9 / 35
 Propiedades Vectores

Teorema (1.Propiedades de la suma y el producto por escalar de

vectores )
Sean u, v y w vectores de Rn y sean λ y β dos números reales.
Entonces se cumplen las siguientes proposiciones
1 (u + v) ∈ Rn . Ley clausurativa para la suma
2 (u + v) + w = u + (v + w). Ley asociativa para la suma
3 u + v = v + u. Ley conmutativa para la suma
4 Existe un único vector z ∈ Rn tal que u + z = z + u = u(z = 0).
Ley modulativa para la suma
5 Para cada u, existe un único vector p ∈ Rn tal que
u + p = p + u = 0(p = -u). Existencia del opuesto para la suma

10 / 35
 Propiedades Vectores

Teorema (1)
6 λu ∈ Rn Ley clausurativa para el producto por escalar
7 α(u + v) = αu + αv. Ley distributiva del producto por escalar
respecto a la suma de vectores
8 (α + β)u = αu + βu. Ley distributiva del producto por escalar
respecto a la suma de escalares
9 (αβ)u = α(βu) = β(αu). Ley asociativa respecto al producto por
escalares
10 1u = u. Ley modulativa para el producto por escalar
11 0u = 0.
12 α0 = 0.
13 αu = 0, si y solo si, α = 0 ó u = 0.

11 / 35
 Producto Escalar

Definición (Producto escalar)

Dados dos vectores u y v de Rn , definimos u · v, el producto escalar
entre u y v, como el escalar que obtenemos al sumar los productos de
las componentes de u con las respectivas componentes de v. En otras
palabras, dados
   
u1 v1
 u2   v2 
u = .yv = .
   
..  .. 
un vn
u · v = u1 v1 + u2 v2 + ... + un vn .

12 / 35
 Propiedades del Producto Escalar

Theorem
Dados los vectores u, v y w de Rn y el escalar α, tenemos que:
1 u · v=v · u. Ley conmutativa.
2 u · (v + w) = u · v + u ·w. Ley distributiva para la suma de
vectores.
3 (αu) · v = α(u ·v).
4 u · u ≥ 0.
5 u · u = 0, si y solo si, u = 0.

13 / 35
 Aplicaciones geométricas
Sea O el origen de unsistema
 de coordenadas y P es un punto cuyas
a
coordenadas son p = aplicando el Teorema de Pitágoras, la magni-
b
tud del segmento dirigido OP

14 / 35
 Aplicaciones geométricas
Sea O el origen de un sistema
 de coordenadas y P es un punto cuyas
a
coordenadas son p =  b  aplicando el Teorema de Pitágoras, la mag-
c
nitud del segmento dirigido OP

15 / 35
 Aplicaciones geométricas

Definición (Norma)
Definimos ∥ u ∥, la norma del vector u de Rn , como la raı́z cuadrada
de u · u; es decir,
√ p
∥ u ∥= u.u = u21 + ... + u2n .

Teorema (Propiedades de la norma)

Dados los vectores u y v y el escalar α, tenemos que:
1 ∥ αu ∥=| α |∥ u ∥
2 ∥ u ∥= 0 , si y solo si, u = 0

16 / 35
 Vector unitario

Decimos que el vector u es unitario cuando ∥ u ∥= 1. Es fácil ver que, si

1
u es un vector no nulo, ∥u∥ u es un vector unitario, que por ser múltiplo
escalar positivo de u, tiene la misma dirección y sentido que u.
Ejemplo: Encontremos un vector unitario en la dirección de v = (1, −1, 3)

17 / 35
 Propiedades

Teorema (Norma de la suma y la resta de vectores )

Dados los vectores u y v de Rn , tenemos que:
1 ∥ u + v ∥2 =∥ u ∥2 + ∥ v ∥2 +2(u·v)
2 ∥ u − v ∥2 =∥ u ∥2 + ∥ v ∥2 −2(u·v)

Teorema (Desigualdad de Cauchy-Schwarz)

Dados los vectores u y v de Rn , tenemos que:

|u · v |≤∥ u ∥∥ v ∥

18 / 35
 Propiedades

Teorema (Desigualdad triangular)

Dados los vectores u y v de Rn , tenemos que:

∥ u + v ∥≤∥ u ∥ + ∥ v ∥

La igualdad se cumple, si y solo si, u = λv con λ ≥ 0.

Definición (Vectores ortogonales)

Dados los vectores no nulos u y v de Rn .

u y v son ortogonales, si y solo si, u · v=0

19 / 35
 Ángulo entre vectores

Definición
Dados los vectores no nulos u y v de Rn , definimos el ángulo
determinado por u y v como el menor giro positivo que hace uno de
ellos para coincidir con la dirección y sentido del otro.

Una forma para calcular la medida del ángulo entre dos vectores no nulos
de Rn , tomando a θ como el ángulo es:
u·v
cos θ = ∥u∥∥v∥

20 / 35
Ángulo entre vectores

21 / 35
 Proyección ortogonal

Definición
Si u ̸= 0 y v son vectores de Rn , definimos proyu v, la proyección
ortogonal de v sobre u, como el vector
 
u·v
proyu v = ∥u∥ 2 u

Si llamamos vc = v - proyu v , tenemos que, si u y v son ortogonales,

proyu v = 0 y por tanto, vc = v; si u y v son paralelos, proyu v = v y
por tanto, vc = 0

22 / 35
 Proyección ortogonal
Ejemplos:

23 / 35
 Rectas y Planos

Definición (Recta)
Dado un punto P ∈ Rn y un vector d no nulo de Rn , diremos que la
recta L que contiene a P y tiene dirección d es el conjunto formado por
P y todos los puntos X que determinan vectores P X paralelos a d. Al
vector d lo llamamos vector dirección o vector director de la recta.

24 / 35
 Rectas

Ecuación vectorial de la recta x − p = td para algún t ∈ R de donde

x = p + td.
La cual también puede expresarse en término de sus componentes

A estas últimas ecuaciones las llamamos ecuaciones paramétricas de

la recta.

25 / 35
 Rectas

A estas ecuaciones lineales, que podemos escribir como

las llamamos ecuaciones simétricas de la recta

Definición (Rectas paralelas)
Sean L1 y L2 dos rectas en Rn , con vectores directores d1 y d2 ,
respectivamente. Diremos que las rectas L1 ∥L2 son paralelas, si y solo
si, los vectores d1 ∥d2 .

26 / 35
Rectas

27 / 35
Rectas

28 / 35
 Rectas

Definición (Rectas iguales)

Dos rectas son iguales, si y solo si, las dos rectas son paralelas y tienen
al menos un punto en común.

Definición
Sean L1 y L2 dos rectas con vectores directores d1 y d2 ,
respectivamente. Diremos que las rectas L1 y L2 son ortogonales, si y
solo si, los vectores d1 y d2 lo son; es decir, si y solo si, d1 · d2 = 0

29 / 35
Producto cruz

30 / 35
Producto cruz

31 / 35
 Producto cruz

Definición (Norma del producto vectorial)

Dados dos vectores arbitrarios u y v de R3 , si θ es el ángulo entre los
vectores u y v, entonces tenemos las siguientes igualdades.
1 ∥ u × v ∥2 =∥ u ∥2 ∥ v ∥2 −(u·v)2 . (Identidad de Lagrange )
2 ∥ u × v ∥2 =∥ u ∥∥ v ∥ sen θ. (Norma del producto vectorial )

Corolario
Dos vectores no nulos de R3 son paralelos, si y solo si, u × v = 0.

32 / 35
 Plano

Definición (Plano)
Sea P un punto en el espacio y sea n un vector dado diferente de cero.
Entonces el conjunto de todos los puntos Q para los que PQ · n = 0
constituye un plano en R3

ax + by + cz = PQ · n

33 / 35
 aralelismo y ortogonalidad de planos en R3

Definición (Plano)
Sean P1 y P2 dos planos en R3 , con vectores normales n1 y n2 ,
respectivamente.
1 Los planos P1 y P2 son paralelos, si y solo si, los vectores n1 y n2
lo son; es decir, si y solo si, n1 es múltiplo por escalar de n2 .
2 Los planos P1 y P2 son ortogonales, si y solo si, los vectores n1 y
n2 lo son; es decir, si y solo si, n1 · n2 = 0.

34 / 35
35 / 35