INTRODUCCIÓN

Definición de un espacio vectorial.

Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto con dos operaciones
binarias llamadas suma y multiplicación por un escalar y que satisfacen los diez axiomas enumerados a
continuación.
Definición de un espacio vectorial con producto interno.
Algunas nociones geométricas en R2 y en R3 pueden definirse a partir del producto escalar. La definición que
sigue es una generalización del producto escalar a otros espacios vectoriales.
Un espacio vectorial complejo V se denomina espacio con producto interno si para cada par ordenado de vectores
u y v en V, existe un número complejo único (u, v), denominado producto interno de u y v, tal que si u, v y w
están en V y α ϵ C, entonces se cumplen los siguientes axiomas:
1. Simetría o conmutatividad:
̅̅̅̅̅̅̅̅̅̅̅̅
< 𝑢̅| 𝑣̅ >=< 𝑢̅| 𝑣̅ >
2. Aditividad o distributividad:

< 𝑢̅| 𝑣̅ + 𝑤
̅ > = < 𝑢̅| 𝑣̅ > +< 𝑢̅| 𝑤
̅>
3. Homogeneidad:
< ∝ 𝑢̅| 𝑣̅ > = ∝< 𝑢̅| 𝑣̅ >
4. Positividad:
< 𝑢̅| 𝑣̅ > > 0 ∀𝑢̅ ≠ 0 ó bien < 𝑢̅| 𝑣̅ > = 0 𝑠𝑖 𝑢 𝑠𝑜𝑙𝑜 𝑠í 𝑢̅ = 0

̅̅̅̅̅̅̅̅̅̅̅̅
Donde< 𝑢̅| 𝑣̅ > representa el conjugado del número complejo < 𝑢̅| 𝑣̅ >.

Puede haber más de un producto interno (P.I.) en un espacio vectorial (E.V.). Por ejemplo, para los vectores
𝑥̅ = (𝑥1 , 𝑥2 ) y 𝑦̅ = (𝑦1 , 𝑦2 ) y que ∈ R2, el producto interno puede ser:
 (𝑥̅ | 𝑦̅) = 𝑥1 𝑦1 + 𝑥2 𝑦2 → Producto interno usual.

 (𝑥̅ | 𝑦̅) = 2𝑥1 𝑦1 + 𝑥1 𝑦2 + 𝑥2 𝑦1 + 𝑥2 𝑦2 → Producto interno que no es el usual (así como éste, en un
espacio vectorial pueden haber más productos internos que no son los usuales).

Otros productos internos usuales son:

 En el espacio V de las funciones reales de variable real, continúas en el intervalo (a, b), la función (. | . )
definida por:
𝑏
(𝑥̅ | 𝑦̅) = ∫𝑎 𝑓(𝑥)𝑔(𝑥)𝑑𝑥 → Es un producto interno real.

 En el espacio V de las matrices de m×n con elementos en R, el siguiente es un producto interno real:
 (𝐴| 𝐵) = 𝑡𝑟(𝐴𝑇 𝐵) → Para números reales.

 En el espacio V de las matrices de m×n con elementos en C, la siguiente función es un producto interno
real:
(𝐴| 𝐵) = 𝑡𝑟(𝐴∗ 𝐵) → Para números complejos, y donde 𝐴∗ representa la conjugada transpuesta de A.

Ejemplos explicados con GeoGebra:

Desigualdad de Cauchy-Schwarz.

La Desigualdad de Cauchy-Schwarz se define mediante la siguiente expresión:

|< 𝑢̅| 𝑣̅ > |2 ≤ < 𝑢̅|𝑢̅ >< 𝑣̅ | 𝑣̅ >
ó bien (en términos de la norma):
|< 𝑢̅| 𝑣̅ > | ≤ < ‖ 𝑢̅‖ ‖ 𝑣̅ ‖ >
Donde ‖ 𝑢̅‖ y ‖ 𝑣̅ ‖ son la norma de 𝑢̅ y 𝑣̅ , respectivamente; y |< 𝑢̅| 𝑣̅ > | es el módulo del producto interno <
𝑢̅| 𝑣̅ >.
El módulo de un escalar se define como:
 Para números complejos:

─De la forma: ∝ = 𝑎 + 𝑏𝑖 → |∝| = √𝑎2 + 𝑏 2

─De la forma: ∝ = 𝑎 − 𝑏𝑖 → |∝| = √𝑎2 + 𝑏 2

 Para números reales:

─De la forma: ∝ = 𝑎 → |∝| = √𝑎2 = 𝑎

La desigualdad de Cauchy-Schwarz permite determinar si dos vectores son linealmente dependientes o

independientes:
 Si |< 𝑢̅| 𝑣̅ > |2 = < 𝑢̅|𝑢̅ >< 𝑣̅ | 𝑣̅ > → los vectores 𝑢̅ y 𝑣̅ , son linealmente dependientes
 Si |< 𝑢̅| 𝑣̅ > |2 < < 𝑢̅|𝑢̅ >< 𝑣̅ | 𝑣̅ > → 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠𝑢̅ y 𝑣̅ 𝑠𝑜𝑛 𝑙𝑖𝑛𝑒𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
Ejemplos explicados con GeoGebra:

Norma de un Vector.
1
La norma de un vector se define mediante la expresión: ‖ 𝑢̅‖ = < 𝑢̅|𝑢̅ >2 = √< 𝑢̅|𝑢̅ >
O bien: ‖ 𝑢̅‖2 = < 𝑢̅|𝑢̅ >
Un vector es unitario cuando su norma es igual a uno ‖ 𝑢̅‖ = 1. Además, cualquier vector puede convertirse en
1
vector unitario utilizando la siguiente expresión 𝑒̅ = ‖ 𝑢̅‖ 𝑢̅

Las propiedades fundamentales que satisface toda norma son:

1. ‖ 𝑢̅‖ > 0
2. ‖ 𝑢̅‖ = 0 si y sólo si 𝑣̅ = 0
3. ‖ ∝ 𝑢̅‖ = |∝|‖ 𝑢̅‖
4. ‖ 𝑢̅ + 𝑣̅ ‖ ≤ ‖ 𝑢̅‖ + ‖ 𝑣̅ ‖ → conocida como desigualdad del triángulo
Ejemplos explicados con GeoGebra:

Angulo entre dos vectores

El ángulo θ entre dos vectores 𝑢̅ y 𝑣̅ se puede obtener mediante las siguientes expresiones:
 Cuando < 𝑢̅| 𝑣̅ >es un número real:
̅,𝑣̅>
<𝑢
 cos 𝜃 = ‖𝑢̅‖‖𝑣̅‖

NOTA: Cuando Cos θ = 0 → θ = 90°.

 Cuando < 𝑢̅| 𝑣̅ > es un número complejo:
𝑅<𝑢̅,𝑣̅>
 cos 𝜃 = ‖𝑢
̅‖‖𝑣̅‖

NOTA: Al igual que la norma de un vector, se pueden tener distintos ángulos entre dos vectores, dependiendo del
producto interno especificado en cada caso.
PROPIEDADES IMPORTANTES:
Si “θ” es el ángulo entre los vectores y, entonces: u v
 “θ” es agudo sí. < 𝑢̅| 𝑣̅ > > 0
 “θ” es obtuso sí. < 𝑢̅| 𝑣̅ > < 0
𝜋
 “θ” es recto (θ = 90° = 2 ) sí. < 𝑢̅| 𝑣̅ > = 0

Ejemplos explicados con GeoGebra:

Distancia entre dos vectores.
La distancia entre dos vectores 𝑢̅ y 𝑣̅ se determina con la expresión:
𝑑(𝑢̅ , 𝑣̅ ) = ‖ 𝑢̅ − 𝑣̅ ‖ = ‖ 𝑣̅ − 𝑢̅‖
Las propiedades que satisface la distancia son:
1. 𝑑(𝑢̅ , 𝑣̅ ) ≤ 0
2. 𝑑(𝑢̅ , 𝑣̅ ) = 0 si y sólo si 𝑢̅ = 𝑣̅
3. 𝑑(𝑢̅ , 𝑣̅ ) = 𝑑(𝑣̅ , 𝑢̅)
̅) ≤ 𝑑(𝑢̅ , 𝑣̅ ) + 𝑑(𝑣̅ , 𝑤
4. 𝑑(𝑢̅ , 𝑤 ̅)
NOTA: La distancia entre dos vectores también puede variar, dependiendo del producto interno especificado en
cada caso.
Ejemplos explicados con GeoGebra:

Teorema de Pitágoras.

Si dos vectores 𝑢̅ y 𝑣̅ son ortogonales, entonces se debe cumplir que:

2
‖ 𝑢̅ + 𝑣̅ ‖2 = ‖ 𝑢̅‖2 + ‖ 𝑣̅ ‖
Ejemplos explicados con GeoGebra:

Ortogonalidad.
El término ortogonalidad es una generalización de la noción geométrica de perpendicularidad. En el espacio
euclídeo convencional el término ortogonal y el término perpendicular son sinónimos. Sin embargo, en espacios
de dimensión finita y en geometrías no euclídeas el concepto de ortogonalidad generaliza al de
perpendicularidad.
El concepto de ortogonalidad puede extenderse a otros objetos geométricos diferente de los vectores. Por ejemplo
dos curvas suaves se consideran ortogonales en un punto si sus respectivos vectores tangentes son ortogonales.
Dos familias de curvas se llaman ortogonales si en el punto de intersección de una curva de la primera familia
con una curva de la segunda familia ambas resultan ser ortogonales. Un ejemplo de esto es el de las líneas
isostáticas de tracción y compresión en una viga, las cuales son las envolventes de las tensiones principales.

Dos vectores 𝑢̅ y 𝑣̅ son ortogonales cuando su producto interno es igual a cero: < 𝑢̅| 𝑣̅ >= 0
Es decir, el ángulo entre ellos es:
< 𝑢̅, 𝑣̅ > 0
cos 𝜃 = = =0
‖𝑢̅‖‖𝑣̅ ‖ ‖𝑢̅‖‖𝑣̅ ‖
𝜋
cos 𝜃 = cos−1 0 = 90ª =
2

Ejemplos explicados con GeoGebra:

Proyección Ortogonal.
Una proyección ortogonal, por lo tanto, es aquella que se crea a partir del trazado de la totalidad de las rectas
proyectantes perpendiculares a un cierto plano. De este modo, existe un vínculo entre los puntos de aquello que
se proyecta con los puntos proyectados.
La proyección ortogonal es una herramienta muy utilizada en el campo del dibujo técnico para lograr la
representación gráfica de un objeto.
<𝑢,𝑣>
Si el ángulo que forman los vectores 𝑢 y 𝑣 es ∝, entonces ‖𝑢‖ cos(∝) = ‖𝑣‖
.

Interpretando esta igualdad en el espacio euclídeo ℝ3 se tiene que el triángulo

rectángulo cuya hipotenusa es 𝑢 y que tiene un cateto en la dirección del vector 𝑣,
<𝑢,𝑣>
verifica que la longitud de este cateto es exactamente ‖𝑣‖
, por tanto, el vector que

representa ese cateto es:

< 𝑢, 𝑣 > 𝑣 < 𝑢, 𝑣 >
𝑢̂ = = 𝑣
‖𝑢‖ ‖𝑣‖ < 𝑣, 𝑣 >
Dicho vector notado por 𝑢̂ recibe el nombre de proyección ortogonal de 𝑢 en la dirección del vector 𝑣.
DEFINICIÓN
La proyección ortogonal del vector 𝑢 ∈ ℝ𝑛 sobre el subespacio ℒ(𝑣) ⊂ ℝ𝑛 es el vector

< 𝑢, 𝑣 >
𝑢̂ = 𝑣
< 𝑣, 𝑣 >
PROYECCIÓN DE UN VECTOR SOBRE OTRO (NOMENCLATURA DIFERENTE)

Si 𝑢
⃗ es un vector y 𝑣 una recta en el plano es fácil ver que la proyección ortogonal 𝑝 = 𝑃𝑟𝑜𝑦𝑣 𝑢
⃗ de 𝑢
⃗ sobre 𝑣
para calcularse a partir de cualquier vector 𝑥 contenido en la recta mediante la fórmula:
⃗ ,𝑥 >
<𝑢
𝑃𝑟𝑜𝑦𝑣 𝑢
⃗ = 𝑃𝑟𝑜𝑦𝑥 𝑢
⃗ = <𝑥 ,𝑥 > 𝑥

Ejemplos explicados con GeoGebra:

Ejemplo 1.

Sean lo vectores 𝑢 = (3, −3) y 𝑣 = (3, −2) dos vectores en el espacio euclidiano 𝑅 2 . Determine la proyección
ortogonal de 𝑢 sobre 𝑣.

〈𝑣 ∗ 𝑢〉
𝑝𝑟𝑜𝑦𝑢 𝑣 = 𝑢
〈𝑢 ∗ 𝑢〉

1. Graficaras el vector 𝑢 utilizando la barra de entrada.

Se introducirá de la siguiente forma:

𝑢 = (−1, −3)
2. Repetirás el anterior paso con el vector 𝑣.
3. Una vez especificado cada vector realizaras la siguiente operación en la barra de entrada.
Proyuv= ((v*u)/ (u*u)) (u)
Nota: procura poner atención en cada paréntesis ya que cualquier paréntesis fuera de lugar provocara que
no obtengas el resultado deseado.

4. Para trazar la recta perpendicular (la proyección), seleccionaras perpendicular en el menú de herramientas,
luego seleccionaras perpendicular y le darás en el punto de la proyección y en la recta v.
5. Por ultimo para poder darle color, darás clic derecho sobre el vector que se desea cambiar de color, que
se encuentra en la pestaña “vista algebraica”, desplegara un menú e iras a la opción propiedades.

6. Abrirá orto menú como se muestra abajo, ya estando en el menú te dirigirás a la pestaña color, seleccionas
y color (de sugerencia diferente al de los vectores) y por ultimo repites los dos últimos pasos en los
vectores restantes.
Resultado

Ejemplo 2.

Sean lo vectores 𝑢 = (−2,3,3) y 𝑣 = (−3,1,2) dos vectores en el espacio euclidiano 𝑅 3 . Determine la

proyección ortogonal de 𝑢 sobre 𝑣.

〈𝑣 ∗ 𝑢〉
𝑝𝑟𝑜𝑦𝑢 𝑣 = 𝑢
〈𝑢 ∗ 𝑢〉

1. Graficaras el vector 𝑢 utilizando la barra de entrada.

Se introducirá de la siguiente forma:

 𝑢 = (−2,3,3)
2. Repetirás el anterior paso con el vector 𝑣.
3. Una vez especificado cada vector realizaras la siguiente operación en la barra de entrada.
Proyuv= ((v*u)/ (u*u)) (u)
Nota: procura poner atención en cada paréntesis ya que cualquier paréntesis fuera de lugar provocara que
no obtengas el resultado deseado.
4. Una vez que todos los vectores aparezcan en la ventana “vista algebraica”, como se muestra a
continuación, te dirigirás a la barra de herramientas y darás clic en la opción vista.

Vista

Vectores

5. Se desplegara un menú como el siguiente, dará clic en vista grafica 3D.

6. Una vez que despliegue una ventana con una gráfica 3D se deberá cerrar la pestaña “vista grafica” dándole
clic en la equis de la parte superior derecha.
7. Por ultimo para poder darle color, darás clic derecho sobre el vector que se desea cambiar de color, que
se encuentra en la pestaña “vista algebraica”, desplegara un menú e iras a la opción propiedades.
 8. Abrirá orto menú como se muestra abajo, ya estando en el menú te dirigirás a la pestaña color, seleccionas
y color (de sugerencia diferente al de los vectores) y por ultimo repites los dos últimos pasos en los
vectores restantes.

Resultado
Caso de que un vector no sea ortogonal.
EL PROCESO DE GRAM-SCHMIDT
Permite convertir un conjunto de vectores que no es ortogonal, en uno que sí es ortogonal:
 Sea 𝐴 = {𝑣̅1 , 𝑣̅2 } ⇒ conjunto que no es ortogonal.
 Sea 𝐵 = {𝑤
̅1 , 𝑤
̅ 2 } ⇒ conjunto que se convierte en ortogonal.
Los vectores que forman el nuevo conjunto ortogonal 𝐵 = {𝑤 ̅ 2 }, se obtienen con el proceso de Gram-
̅1 , 𝑤
Schmidt a partir de las siguientes expresiones:
(𝑣̅ |𝑤
̅ )
𝑤 ̅ 2 = 𝑣̅2 − (𝑤̅2 |𝑤̅1 ) 𝑤
̅1 = 𝑣̅1 ; 𝑤 ̅1
1 1

b) Si el conjunto original tiene tres vectores: 𝐴 = {𝑣̅1 , 𝑣̅2 , 𝑣̅3 } los vectores que constituyen el nuevo conjunto
ortogonal 𝐵 = {𝑤
̅1 , 𝑤
̅2, 𝑤
̅ 3 }, se obtienen con las expresiones:
𝑤
̅1 = 𝑣̅1
(𝑣̅2 |𝑤
̅1 )
𝑤
̅ 2 = 𝑣̅2 − 𝑤
̅
̅1 |𝑤
(𝑤 ̅1 ) 1
(𝑣̅3 |𝑤
̅1 ) (𝑣̅3 |𝑤
̅2)
𝑤
̅ 3 = 𝑣̅3 − 𝑤
̅1 − 𝑤
̅
̅1 |𝑤
(𝑤 ̅1 ) (𝑤 ̅2 ) 2
̅ 2 |𝑤
Y así sucesivamente, se pueden obtener los nuevos vectores 𝑤
̅ 𝑖 de un conjunto ortogonal con las siguientes
expresiones generales (proceso de ortogonalización de Gram-Schmidt):
𝑤
̅1 = 𝑣̅1
(𝑣̅ |𝑤
̅ )
̅ 𝑖 = 𝑣̅𝑖 − ∑𝑖−1
Y: 𝑤 𝑘=1 (𝑤
𝑖 𝑘
̅ |𝑤
𝑤
̅
̅ ) 𝑘
𝑘 𝑘

En cualquiera de los casos anteriores, el nuevo conjunto ortogonal 𝐵 = {𝑤

̅1 , 𝑤
̅2, … 𝑤
̅𝑛 }, constituye una base
̅ 𝑖 ≠ 0̅ .
ortogonal, donde sus elementos son todos aquellos 𝑤
Además, es posible obtener una base ortonormal a partir de cualquier base ortogonal 𝐵 𝑂𝐺 = {𝑤
̅1 , 𝑤
̅2, … 𝑤
̅𝑛 },
solamente convirtiendo los vectores 𝑤
̅ 𝑖 en vectores unitarios, con las expresiones:
1 1 1
𝑒̅1 = ‖𝑤̅ ‖ 𝑤
̅1 ; 𝑒̅2 = ‖𝑤̅ ‖ 𝑤
̅ 2 ; 𝑒̅𝑛 = ‖𝑤̅ ‖ 𝑤
̅𝑛
1 2 𝑛

Siendo 𝐵 𝑂𝐺 = {𝑒̅1 , 𝑒̅2 , … 𝑒̅𝑛 } la base ortonormal.

Ejemplos explicados con GeoGebra: