Conf.

1
Título: Espacios vectoriales.
Sumario:
• Cuerpo.
• Espacio vectorial sobre un cuerpo 𝐾.
• Combinación lineal de los vectores de un subconjunto finito.
• Subespacios vectoriales. Inclusión, unión e intersección de subespacios vectoriales.
• Producto escalar o interno. Vectores ortogonales. Conjuntos ortogonales. Complemento
ortogonal de un conjunto.
• Norma de un vector. Vector unitario. Norma inducida por un producto escalar. Conjuntos
ortonormales.
• Distancia entre dos puntos. Espacios vectoriales métricos. Distancia euclidiana en ℝ𝑛 .
Bibliografía: Álgebra Lineal y Geometría Analítica para Ingeniería (Colectivo de autores del
CEMAT) Versión digital, Capítulo IV.

Objetivos:
1. Introducir el concepto de “cuerpo” para el abordaje de la teoría de Espacios Vectoriales.
2. Definir y caracterizar el concepto de espacio vectorial sobre un cuerpo conmutativo 𝐾
(ℝ 𝑜 ℂ).
3. Caracterizar los subconjuntos más destacados de un espacio vectorial: conjuntos finitos
de vectores y subespacios vectoriales.
4. Destacar a la combinación lineal de vectores de un espacio vectorial como la combinación de
operaciones que permite caracterizar relaciones y conceptos más complejos entre vectores
del espacio vectorial (pertenecer a un subespacio vectorial, coordenadas de un vector en una
base, conjuntos LI o LD, etc.).
5. Definir las operaciones de producto escalar, norma y distancia en un espacio vectorial,
particularizándola al caso del producto escalar euclidiano, la norma euclidiana y la distancia
euclidiana en ℝ𝑛 .
6. Generalizar los conceptos de vectores ortogonales, conjuntos ortogonales, vectores
unitarios y conjuntos ortonormales estudiados en el plano y el espacio al final de la
Matemática I a cualquier espacio ℝ𝑛 .
7. Definir el concepto de complemento ortogonal de un conjunto de vectores en un espacio
euclídeo.

Introducción:
Recordar los principales conceptos asociados a vectores del plano y del espacio que fueron
estudiados al final de la asignatura Matemática I.
Desarrollo:
Cuerpo
Definición (cuerpo conmutativo)
Sea 𝐾 un conjunto cualquiera (𝐾 ≠ ∅) sobre el que se definen las operaciones + y ∙ con sus
elementos, a las que se les denomina “adición” y “multiplicación” respectivamente. Si se
cumplen en 𝐾 las siguientes propiedades:
Propiedades de “+” en 𝑲
“+” es asociativa y conmutativa. Además, posee elemento neutro (elemento 0) dentro del
propio conjunto 𝐾 y todo elemento posee un opuesto en 𝐾.
Propiedades de " ∙ " en 𝑲
" ∙ " es asociativa y conmutativa. Además, posee elemento neutro (elemento unidad) dentro del
propio conjunto 𝐾 y todo elemento posee un inverso (recíproco) en 𝐾 ∗ .
Propiedades de interacción de “+” y " ∙ " en 𝑲
" ∙ " es distributiva en 𝐾 con respecto a “+”.
Entonces se dice que 𝐾 con las operaciones “+” y “∙ " es un cuerpo conmutativo o que las
operaciones de adición y multiplicación definidas en 𝐾 establecen en 𝐾 una estructura de
cuerpo.

Destacar que los dominios numéricos ℚ, ℝ 𝑦 ℂ son cuerpos, aunque no son los únicos.

Espacio vectorial sobre un cuerpo conmutativo 𝑲

En actividades anteriores hemos estudiado conjuntos de diferente naturaleza, para los cuales las
operaciones definidas en ellos cumplen propiedades análogas. Por ejemplo:
• En el conjunto de vectores 𝑉 de un plano con origen O, si 𝑎⃗ 𝑦 𝑏⃗⃗ son dos vectores de dicho
conjunto, entonces el vector 𝑐⃗ = 𝑎⃗ + 𝑏⃗⃗ y 𝑑⃗ = 𝜆 ∙ 𝑎⃗, con 𝜆 ∈ 𝑅, son también elementos de 𝑉.
• En el conjunto de las matrices de igual orden, si 𝐴 y 𝐵 pertenecen a 𝑀, la matriz 𝐶 = 𝐴 + 𝐵 y
la matriz 𝐷 =  𝐴, son también elementos de 𝑀.

Resulta de mucha utilidad englobar en una sola definición todos los conjuntos como los
mostrados anteriormente que, con determinadas operaciones, cumplan ciertas propiedades.

Definición de espacio vectorial:

Sea 𝐸 un conjunto no vacío cuyos elementos se denominan “vectores”, sobre el cual se han
definido dos operaciones:
• una que combina dos vectores 𝑥, 𝑦 de 𝐸, llamada “adición de vectores” y se simboliza por
"𝑥 + 𝑦",
• una que combina un escalar 𝛼 de un cuerpo conmutativo 𝐾 con un vector 𝑥 de 𝐸, llamada
“multiplicación por un escalar”, y se simboliza por yuxtaposición como 𝛼𝑥.
Se dice que el conjunto 𝐸 provisto de las operaciones de adición y multiplicación por un escalar
definidas en 𝐸, es un espacio vectorial sobre 𝐾, o que 𝐸 es un 𝐾-espacio vectorial, si se
satisfacen las siguientes propiedades:
1- Para todos 𝑥, 𝑦 𝜖 𝐸, se cumple que (𝑥 + 𝑦) 𝜖 𝐸.
2- Para todos 𝑥, 𝑦 𝜖 𝐸, se cumple que 𝑥 + 𝑦 = 𝑦 + 𝑥.
3- Para todos 𝑥, 𝑦, 𝑧 𝜖 𝐸, se cumple que (𝑥 + 𝑦) + 𝑧 = 𝑥 + (𝑦 + 𝑧).
 4- Existe un vector 𝑒 𝜖 𝐸, tal que para todo 𝑥 𝜖 𝐸 se cumple que 𝑥 + 𝑒 = 𝑥.
5- Para todo 𝑥 𝜖 𝐸 existe un vector 𝑦 𝜖 𝐸, tal que 𝑥 + 𝑦 = 𝑒.
6- Para todo 𝛼 ∈ 𝐾, y para todo 𝑥 𝜖 𝐸, se cumple que 𝛼𝑥 𝜖 𝐸.
7- Para todo 𝑥 𝜖 𝐸, si 1 es el elemento unidad de 𝐾, se cumple que 1𝑥 = 𝑥.
8- Para todos 𝛼, 𝛽 ∈ 𝐾, y para todo 𝑥 𝜖 𝐸, se cumple que 𝛼(𝛽𝑥) = (𝛼𝛽)𝑥.
9- Para todo 𝛼 ∈ 𝐾, y para todos 𝑥, 𝑦 𝜖 𝐸, se cumple que 𝛼(𝑥 + 𝑦) = 𝛼𝑥 + 𝛼𝑦.
10- Para todos 𝛼, 𝛽 ∈ 𝐾, y para todo 𝑥 𝜖 𝐸, se cumple que (𝛼 + 𝛽)𝑥 = 𝛼𝑥 + 𝛽𝑥.

Para representar simbólicamente el espacio vectorial sobre un cuerpo 𝐾 se escribe: 𝐸𝐾 o más

sencillamente 𝐸, si no hay dudas sobre quién es el cuerpo 𝐾 asociado.
En el caso particular de que 𝐾 = ℝ se dice que 𝐸 es un espacio vectorial real. Si 𝐾 = ℂ, sería 𝐸
es un espacio vectorial complejo.
En la asignatura sólo se abordarán espacios vectoriales reales; por su relación con los
contenidos del Cálculo Diferencial e Integral de funciones de varias variables.

Algunos ejemplos de espacios vectoriales reales:

➢ 𝑉2 𝑦 𝑉3 : Conjuntos de los vectores bidimensionales y tridimensionales.
➢ 𝑅 3 : Conjunto de las ternas ordenadas de números reales.
➢ 𝑀2 (𝑅): Conjunto de las matrices reales de orden 2 sobre el cuerpo 𝑅.
➢ 𝑃𝑛 [𝑥]: Conjunto de los polinomios de grado menor o igual que n con coeficientes reales,
sobre el cuerpo 𝑅.

El espacio vectorial trivial o espacio vectorial nulo

El conjunto 𝐸 = {0} formado únicamente por el número cero, con las operaciones usuales de
adición y multiplicación de números reales es un espacio vectorial real.

Los vectores del espacio vectorial real ℝ𝑛 se representarán como una sucesión de 𝑛
componentes ordenadas de números reales. A saber: 𝑥 ∈ ℝ𝑛 si y sólo si 𝑥 = (𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 ),
siendo de mucho interés, los espacios vectoriales ℝ2 y ℝ3 , que podrían identificarse como los
espacios de las coordenadas de los puntos del plano y del espacio tridimensional
respectivamente.
Si 𝑥, 𝑦 ∈ ℝ𝑛 y 𝛼 ∈ ℝ, entonces las operaciones usuales en un espacio ℝ𝑛 son las siguientes:
𝑥 + 𝑦 = (𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 ) + (𝑦1 , 𝑦2 , ⋯ , 𝑦𝑛 )
𝛼𝑥 = 𝛼(𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 ) = (𝛼𝑥1 , 𝛼𝑥2 , ⋯ , 𝛼𝑥𝑛 )

Observación: Aunque los vectores de ℝ𝑛 fueron definidos de esa forma, en ocasiones

convendrá representarlos como matrices columna, con lo cual las operaciones antes citadas son
idénticas a las operaciones de adición de matrices y de multiplicación de un escalar por una
matriz y en lo adelante tendrá sentido multiplicar una matriz real de orden 𝑚 × 𝑛 por un vector de
ℝ𝑛 , el cual deberá ser escrito como vector columna.
Subconjuntos de vectores. Combinación lineal de los vectores de un subconjunto finito
Entre los subconjuntos más importantes de un espacio vectorial cualquiera; están los conjuntos
finitos de vectores, en ocasiones ordenados, y los subconjuntos que ellos mismos son espacios
vectoriales.
Definición (sistema finito de vectores):
Sea 𝐸 un 𝐾-espacio vectorial y 𝐴 = {𝑎1 , … , 𝑎𝑛 } ⊂ 𝐸. Se dice que 𝐴 es un sistema finito de
vectores de 𝐸 si 𝐴 ⊂ 𝐸, 𝐴 es finito y los elementos de 𝐴 están ordenados.

Si no es necesario destacar el orden de los vectores en el conjunto, entonces se referirá a

conjunto de vectores. Cuando es necesario destacar el orden, o por el hecho de que un vector
deba aparecer repetido, entonces se referirá a sistema de vectores.

Definición (combinación lineal de vectores):

Se denomina combinación lineal de un sistema de 𝐾 vectores {𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑘 } de un espacio
vectorial 𝐸, con los escalares 1 , 2 , 3 , … , 𝑘 , a la expresión:
𝑣 = 1 𝑥1 + 2 𝑥2 + ⋯ 𝑘 𝑥𝑘

Ejemplo 1: Exprese al vector (15, −3, −9,11) como combinación lineal de los vectores del
sistema 𝐴 = {(3,0,0,2), (2,1,3,1)} ⊂ ℝ4.
Solución: (15, −3, −9,11) = 7(3,0,0,2) − 3(2,1,3,1)
Ejemplo 2: Todo vector de ℝ𝑛 se puede expresar como combinación lineal de los vectores
canónicos:
(6, −2, 5) = 6(1,0,0) − 2(0,1,0) + 5(0,0,1)

SUBESPACIOS VECTORIALES
Definición: Sea 𝐸 un 𝐾-espacio vectorial y sea 𝑆 un subconjunto no vacío de 𝐸. Si 𝑆 es también un
𝐾-espacio vectorial con las mismas operaciones definidas en 𝐸, se dice que 𝑆 es un subespacio
vectorial de 𝐸.

En otras palabras, todo subconjunto no vacío de un espacio vectorial 𝐸 que posea él mismo la
estructura de espacio vectorial, con las mismas operaciones, y sobre el mismo cuerpo 𝐾 que 𝐸,
es un subespacio vectorial de 𝐸.
Obsérvese además, que no tiene ningún sentido decir que cierto conjunto “𝑆 es un subespacio
vectorial” sin hacer alusión al espacio vectorial que lo incluye.
A partir de la definición, el procedimiento a seguir para probar que un conjunto 𝑆 dado es un
subespacio vectorial de un 𝐾-espacio vectorial 𝐸 conocido, es el siguiente:
1. Determinar que 𝑆 es un subconjunto de 𝐸.
2. Probar que 𝑆 ≠ ∅.
3. Demostrar que 𝑆 es también un 𝐾-espacio vectorial con las mismas operaciones definidas
en 𝐸.
 Algunos ejemplos de subespacios vectoriales y los correspondientes espacios vectoriales universos
que los contienen son los siguientes:
Espacio
Subespacio vectorial
vectorial
{O} ⊂ 𝐸 𝐸 de 𝐸, es el menor subespacio de 𝐸 en el sentido de
𝑆 = {(𝑥, 𝑦) ∈ ℝ2 |𝑦 = 𝑚𝑥} ℝ2
𝑃 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 |𝐴𝑥 + 𝐵𝑦 + 𝐶𝑧 = 0} ℝ3
𝐷: El espacio de las matrices
𝑀2 (ℝ)
diagonales reales de orden 2
𝐼 = {𝑎 + 𝑏𝑖 ∈ ℂ|𝑎 = 0} ℂℝ
𝑆: El conjunto solución de un SEL
ℝ𝑛
homogéneo de 𝑛 variables
Teorema: (Caracterización de subespacio vectorial)
Sea 𝐸 un 𝐾-espacio vectorial y sea un subconjunto no vacío de 𝐸. 𝑆 es un subespacio vectorial de
𝐸 si y sólo si se cumple que:
• Para todo 𝑥, 𝑦 ∈ 𝑆, 𝑥 + 𝑦 ∈ 𝑆
• Para todo 𝑥 ∈ 𝑆 y para todo 𝛼 ∈ 𝐾, 𝛼𝑥 ∈ 𝑆
Observación
El subespacio nulo, formado sólo por el vector nulo
la inclusión de conjuntos.
Cada una de las rectas del plano que pasan por el
origen de coordenadas, geométricamente representa
un subespacio de ℝ2 , aquel para el cual las
componentes de sus vectores satisfacen la ecuación
de la recta correspondiente.
Cada una de los planos del espacio geométrico
tridimensional que pasan por el origen de
coordenadas, representa geométricamente un
subespacio de ℝ3 , aquel para el cual las
componentes de sus vectores satisfacen la ecuación
general del plano.
En cada espacio de matrices cuadradas de orden
n, existe un subespacio vectorial de las matrices
diagonales. También existen en los espacios de
matrices complejas.
𝐼 representa al conjunto de todos los números
complejos con parte real igual a 0, los llamados
números imaginarios puros.
Todo SEL homogéneo es compatible, por tanto
siempre tiene solución. Su conjunto solución puede
estar integrado por una sola solución, la trivial, que
sería el vector nulo del espacio ℝ𝑛 , el cual es un
subespacio vectorial; o puede estar integrado por
infinitas soluciones si el SEL es indeterminado. En ese
caso también es un subespacio vectorial de ℝ𝑛 .

En otras palabras, si toda combinación lineal de dos vectores de 𝑆 es también un vector de 𝑆,

entonces 𝑆 es un subespacio vectorial del espacio vectorial que lo contiene.

Ejemplo 3: Pruebe que 𝑆 = {(𝑥, 𝑦) ∈ ℝ2 |𝑦 = 𝑚𝑥} es un subespacio vectorial de ℝ2 .

Solución:
1. 𝑆 ⊂ ℝ2 porque todos los puntos de cualquier recta 𝑦 = 𝑚𝑥 es un punto de ℝ2 .
 2. 𝑆 ≠ ∅, porque al menos (0,0) ∈ 𝑆 .
3. Falta probar que: ∀𝑎, 𝑏 ∈ 𝑆 ∀𝛼, 𝛽 ∈ ℝ: 𝛼𝑎 + 𝛽𝑏 ∈ 𝑆, o sea, que toda combinación lineal de
vectores de 𝑆 es también un vector de 𝑆.
i) Establecemos la forma de dos vectores cualesquiera del conjunto 𝑆:
Sean 𝑎 = (𝑎1 , 𝑎2 ) y 𝑏 = (𝑏1 , 𝑏2 ) dos vectores cualesquiera de 𝑆, por tanto pueden
escribirse como 𝑎 = (𝑎1 , 𝑚𝑎1 ) y 𝑏 = (𝑏1 , 𝑚𝑏1 ).
ii) Establecemos la combinación lineal de los dos vectores definidos en i) con dos
escalares cualesquiera 𝛼 𝑦 𝛽 reales.
𝛼𝑎 + 𝛽𝑏 = 𝛼(𝑎1 , 𝑚𝑎1 ) + 𝛽(𝑏1 , 𝑚𝑏1 )
iii) Se efectúan las operaciones indicadas en la combinación lineal, respetando el
orden de las operaciones (primero la multiplicación por un escalar y después la
adición de vectores), hasta obtener un vector del espacio en su representación
estándar.
𝛼(𝑎1 , 𝑚𝑎1 ) + 𝛽(𝑏1 , 𝑚𝑏1 ) = (𝛼𝑎1 , 𝛼𝑚𝑎1 ) + (𝛽𝑏1 , 𝛽𝑚𝑏1 ) = (𝛼𝑎1 + 𝛽𝑏1 , 𝛼𝑚𝑎1 + 𝛽𝑚𝑏1 )
iv) Se comprueba si el vector resultante obtenido pertenece al conjunto que se investiga.
En efecto, el vector (𝛼𝑎1 + 𝛽𝑏1 , 𝛼𝑚𝑎1 + 𝛽𝑚𝑏1 ) = (𝛼𝑎1 + 𝛽𝑏1 , 𝑚(𝛼𝑎1 + 𝛽𝑏1 )) es un
vector donde la segunda componente es el resultado de multiplicar por el parámetro 𝑚
la primera componente, por tanto 𝛼𝑎 + 𝛽𝑏 es un vector de 𝑆.
v) Se concluye que 𝑆 es un subespacio vectorial de ℝ2 con las operaciones usuales en
este espacio.
Nota: Los pasos 1-2-3i)-v) son siempre los mismos para la identificación de la condición de
subespacio vectorial de un subconjunto cualquiera de un 𝐾-espacio vectorial.

Ejemplo 4: Verifique que el conjunto 𝐻 = {(𝑥, 𝑦) ∈ 𝑅 2 : 𝑥 = 𝑦 + 1} no es un subespacio vectorial

de 𝑅 2.
Solución: Es fácil ver que en el conjunto 𝐻 no existe el elemento neutro (0,0), dada la condición
𝑥 = 𝑦 + 1, por tanto no es un subespacio vectorial.

Inclusión, unión e intersección de subespacios vectoriales

(Estudiar en el texto pág. 162 y 163)

Producto escalar o interno. Espacios euclídeos. Sistemas ortogonales. Complemento

ortogonal de un conjunto
En la asignatura Matemática I se introdujo el concepto de producto escalar o producto punto de
dos vectores bidimensionales (tridimensionales) y la importancia que tenía el definirlos en el
plano y el espacio. Asimismo, se introdujo el concepto de norma de un vector.
La siguiente tabla rememora las operaciones denominadas producto escalar o producto punto,
vistas en el tema de Geometría Analítica:

Espacio vectorial Producto escalar usual

𝑉2 : espacio de los vectores geométricos 𝑎⃗ · 𝑏⃗⃗ = ‖𝑎⃗‖‖𝑏⃗⃗‖ 𝑐𝑜𝑠 𝜃
bidimensionales
𝑉3 : espacio de los vectores geométricos 𝑎⃗ · 𝑏⃗⃗ = ‖𝑎⃗‖‖𝑏⃗⃗‖ 𝑐𝑜𝑠 𝜃
tridimensionales
ℝ2 : espacio de los pares ordenados de números (𝑎1 , 𝑎2 ) ∙ (𝑏1 , 𝑏2 ) = 𝑎1 𝑏1 + 𝑎2 𝑏2
reales
ℝ3 : espacio de las ternas ordenadas de (𝑎1 , 𝑎2 , 𝑎3 ) ∙ (𝑏1 , 𝑏2 , 𝑏3 ) = 𝑎1 𝑏1 + 𝑎2 𝑏2 +𝑎3 𝑏3
números reales
Al insertarse un sistema coordenado cartesiano en el plano, se establece un isomorfismo y una
isometría (aplicación que conserva las longitudes) entre los espacios vectoriales reales 𝑉2 y ℝ2 ,
lo que permite que se conserve el producto escalar, o sea, el valor del escalar que resulte del
⃗⃗⃗⃗ es el mismo que el que resulte del producto
producto escalar de dos vectores geométricos 𝑎⃗ y 𝑏
escalar de los vectores correspondientes de ℝ2 :
𝑎⃗ ∙ 𝑏⃗⃗ = ‖𝑎⃗‖‖𝑏⃗⃗‖ 𝑐𝑜𝑠 𝜃 = 𝑎1 𝑏1 + 𝑎2 𝑏2 = (𝑎1 , 𝑎2 ) ∙ (𝑏1 , 𝑏2 )
Esta correspondencia entre ambos productos escalares, permite utilizar el producto escalar en
ℝ2 para calcular las magnitudes geométricas de las longitudes de los vectores (sus normas) y la
amplitud del ángulo comprendido entre los dos vectores.
Análogamente sucede con el producto escalar en 𝑉3 y el producto escalar en ℝ3 .
(Estudiar una forma más general de definir la operación producto escalar o interno en espacios
vectoriales reales, pág. 164)

Observaciones:
A los espacios vectoriales en los que se ha definido un producto escalar, se les denomina
espacios vectoriales euclídeos. También es usual utilizar la denominación genérica espacios
vectoriales con producto interno o espacios vectoriales con producto escalar.
En el caso de los espacios ℝ𝑛 el producto escalar usual es una generalización del que se conoce
del trabajo con las componentes de los vectores geométricos, el cual se denomina producto
escalar euclidiano:
Para cualesquiera vectores 𝑎 𝑦 𝑏 ∈ ℝ𝑛
𝑛

𝑎 ∙ 𝑏 = (𝑎1 , … , 𝑎𝑛 ) ∙ (𝑏1 , … , 𝑏𝑛 ) = 𝑎1 𝑏1 + 𝑎2 𝑏2 + … + 𝑎𝑛 𝑏𝑛 = ∑ 𝑎𝑖 𝑏𝑖
𝑖=1

El propio espacio vectorial ℝ𝑛 se tomará como un espacio euclídeo con el producto escalar
usual.
En los espacios euclídeos tiene sentido incorporar el concepto de ortogonalidad de vectores, que
ya en general no tiene el sentido geométrico de perpendicularidad, aunque en los espacios
geométricos, ambos conceptos coinciden.
 Definición (vectores ortogonales):
Dos vectores 𝑎 𝑦 𝑏 ∈ ℝ𝑛 , se dicen ortogonales, si y sólo si el producto escalar 𝑎 ∙ 𝑏 = 0.
Definición (conjunto ortogonal):
Un sistema de vectores 𝐴 = {𝑎1 , … , 𝑎𝑛 } ⊂ ℝ𝑛 se dice que es un sistema ortogonal, si y sólo si
los vectores de 𝐴 son ortogonales dos a dos.

En símbolos: (𝐴 = {𝑎1 , … , 𝑎𝑛 } 𝑒𝑠 𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙) ⟺ (∀𝑖, 𝑗: 𝑖 ≠ 𝑗 ⟹ 𝑎𝑖 ∙ 𝑎𝑗 = 0)

Ejemplo 5: Determine si el sistema 𝐴 = {(2,0,1), (0,5,0), (1,0, −2)} ⊂ ℝ3 es un sistema ortogonal
de ℝ3 con el producto escalar usual en este espacio.
Solución:
(2,0,1) ∙ (0,5,0) = 0 Por tanto, (2,0,1) y (0,5,0) son ortogonales.
(2,0,1) ∙ (1,0, −2) = 0 Por tanto, (2,0,1) y (1,0, −2) son ortogonales.
(0,5,0) ∙ (1,0, −2) = 0 Por tanto, (0,5,0) y (1,0, −2) son ortogonales.
Como todos los vectores de 𝐴 son ortogonales entre sí dos a dos, puede concluirse que 𝐴 es un
sistema ortogonal de ℝ3 .

Un concepto importante es el de complemento ortogonal de un conjunto en los espacios

euclídeos.

Definición: Se denomina complemento ortogonal de un conjunto 𝐴 ⊂ ℝ𝑛 al conjunto de todos los

vectores de ℝ𝑛 que son ortogonales a todos y cada uno de los vectores de 𝐴 y se denotará 𝐴⊥ .

En símbolos: 𝐴⊥ = {𝑥 ∈ ℝ𝑛 | 𝑎𝑖 ∙ 𝑥 = 0, para todo 𝑎𝑖 ∈ 𝐴}

Ejemplo 6: Halle el complemento ortogonal de 𝐴 = {(2,0,1), (0,5,0)} ⊂ ℝ3.

Solución:
Considérese un vector cualquiera (𝑥, 𝑦, 𝑧) ∈ ℝ3, perteneciente al complemento ortogonal de 𝐴.
Entonces, se debe que cumplir que:
(2,0,1) ∙ (𝑥, 𝑦, 𝑧) = 0 2𝑥 + 𝑧 = 0 2 0 1
}⇒{ 𝑀= [ ]
(0,5,0) ∙ (𝑥, 𝑦, 𝑧) = 0 5𝑦 = 0 0 5 0
SEL homogéneo y compatible indeterminado
Su conjunto solución es el complemento ortogonal de 𝐴:
𝑨⊥ = {(𝑥, 𝑦, 𝑧) ∈ ℝ𝟑 | 𝑧 = −2𝑥; 𝑦 = 0}
O en otras palabras, el conjunto de todos los vectores de la forma: (𝑥, 0, −2𝑥) ∈ ℝ3 .

Norma de un vector. Norma inducida por un producto escalar. Vector unitario. Sistemas
ortonormales
Ya en el tema de Geometría Analítica se introdujo el concepto de norma (módulo) de un vector
geométrico y este se vio asociado al producto escalar de los espacios ℝ2 y ℝ3 , según si el vector
era bidimensional o tridimensional.
Recordando:
𝑉2 : espacio de los vectores geométricos ‖𝑎⃗‖ = √𝑎12 + 𝑎22 = ‖〈𝑎1 , 𝑎2 〉‖
bidimensionales
𝑉3 : espacio de los vectores geométricos
‖𝑎⃗‖ = √𝑎12 + 𝑎22 + 𝑎32 = ‖〈𝑎1 , 𝑎2 , 𝑎3 〉‖
tridimensionales

Ahora se está en condiciones de definir una norma vectorial en un 𝐾-espacio vectorial real.

Definición (norma de un vector) (pág. 167):

Sea 𝐸 un espacio vectorial real. La operación monaria ‖ ‖: 𝐸 → 𝐾 es una norma en 𝐸, si para
cualesquiera 𝑥, 𝑦 ∈ 𝐸 y cualquier escalar 𝜆 ∈ ℝ, se cumplen las siguientes propiedades:
1) ‖𝑥‖ ≥ 0 y ‖𝑥‖ = 0 si y solamente si 𝑥 = 0 (no negatividad de la norma)
2) ‖𝑥 + 𝑦‖ ≤ ‖𝑥‖ + ‖𝑦‖ (desigualdad triangular)
3) ‖𝜆𝑥‖ = |𝜆|‖𝑥‖ (homogeneidad de la norma)

Se va a preferir la doble barra, para diferenciar esta norma del módulo de un número.

Ejemplo 7:
Hallar la norma del vector 𝑥 = (5,4, −2,0, 6) inducida por el producto escalar usual en ℝ5 .

Solución:
‖𝑥‖ = √(5,4, −2,0, 6) ∙ (5,4, −2,0, 6) = √52 + 42 + (−2)2 + 02 + 62 = √81 = 9

Al igual que antes, se definirá como vector unitario a aquel que tenga norma igual a 1 y se podrá
normalizar un vector, o sea obtener un vector unitario a partir de un vector no nulo cualquiera,
multiplicando dicho vector por el recíproco de su norma.

Se llamarán espacios normados a aquellos espacios vectoriales donde haya definida una norma,
sea esta inducida o no por un producto escalar.

Sistema ortonormal de vectores:

Un sistema de 𝑘 vectores de un espacio vectorial euclídeo 𝐸, es un sistema ortonormal de
vectores si es un sistema ortogonal y todos sus vectores son unitarios.

Ejemplos de sistemas ortonormales

• {𝑖, 𝑗}, el sistema de vectores canónicos del plano es ortonormal, pues: son unitarios y
ortogonales.
• {𝑖, 𝑗, 𝑘}, el sistema de vectores canónicos del espacio es ortonormal, pues: son unitarios y
ortogonales.
1 √6 √6 1
• {( , 0, − 3 ) , (0,1,0), ( 3 , 0, 3)} es un sistema ortonormal de ℝ3 , porque:
√3 √
 2
1 √6 1 2 √6 1 6
‖( , 0, − )‖ = √( ) + 02 + (− ) = √ + = 1
√3 3 √3 3 3 9
2 son vectores unitarios
√6 1 √6 1 2 6 1
√
‖( , 0, )‖ = ( ) + 0 + ( ) = √ + = 1
2
3 √3 3 √3 9 3
‖(0,1,0)‖ = √02 + 12 + 02 = √1 = 1 }

1 √6
( , 0, − ) ∙ (0,1,0) = 0
√3 3
1 √6 √6 1 √6 √6
( , 0, − ) ∙ ( , 0, ) = +0− = 0 son ortogonales entre sí, dos a dos
√3 3 3 3 3√3 3√3
√6 1
( , 0, ) ∙ (0,1,0) = 0
3 3 }

Distancia entre dos vectores (Estudiar pág. 169)

Conclusiones
Realizar unas breves conclusiones de los aspectos más importantes de la conferencia,
puntualizando dichas informaciones en los espacios ℝ𝑛 .

Orientaciones para el estudio independiente:

- Estudiar la bibliografía y los temas indicados.
- Ejercicios 3, 6, 9, 16, 17(a), 18, 19 pág. 173-174.