Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Segundo intento
J. Garcı́a León.
Departamento de Matemáticas
Facultad de Ciencias
UNAM
Universidad Autónoma de la Ciudad de México
UACM
e-mail: jgarcia@servidor.unam.mx
28 de mayo de 2009
Índice general
I Introducción 3
0.1. Primeros intentos . . . . . . . . . . . . . . . . . . . . . . . . . 4
1
0.6.1. Transformaciones del plano y matrices . . . . . . . . . 46
0.6.2. Coordenadas polares . . . . . . . . . . . . . . . . . . . 52
0.6.3. Traslaciones y Espacios afines . . . . . . . . . . . . . . 54
0.6.4. Rotaciones . . . . . . . . . . . . . . . . . . . . . . . . . 56
0.6.5. Reflexiones . . . . . . . . . . . . . . . . . . . . . . . . 59
0.6.6. Movimientos Rı́gidos . . . . . . . . . . . . . . . . . . . 64
2
Parte I
Introducción
3
0.1. Primeros intentos
Debemos confesar que hubo momentos en los cuales el Algebra lı́neal y el
Cálculo tienen tan fuerte intersección que no sabiamos cual era el caso desa-
rrollar unas notas ası́, sin embargo el tiempo nos mostró que en efecto valı́a la
pena intentarlo, aún en el caso que mencionamos anteriormente, pues estas
notas dejan las puertas abiertas para dos grandes ramas de las matemáticas:
Análisis Matemático y Algebra lı́neal, amén de todos sus derivados.
4
Parte II
5
0.2. Introducción
La pregunta puede tener varias respuestas, una de ellas es la más simple y
a su ves la más complicada, también la más generalizada: Mientras el Cálculo
I y II trata de las funciones de una variable, el Cálculo III y IV trata de las
funciones varias variables.
La respuesta es bastante clara cuando ya se tiene cierto grado de conoci-
miento de la materia, sin embargo, para un estudiante novicio en la materia
resultarı́a por demás bastante general y chocante dicha respuesta, estas no-
tas es un intento de dar una explicación que pretendemos sea lo más sencilla
posible.
Los cuatro cursos tienen un común denominador: En todos se estudian
continuidad, derivada e la integral de funciones, dicho generalmente, sin em-
bargo, hay una diferencia entre ellos, los dominios e imagenes estan ubicados
en espacios que difieren en dimensión.
En los pasillos hemos escuchado con cierta frecuencia lo siguiente:
es claro que aquı́ la idea que se tiene de aumentar dimensión es sólo aumentar
coordenadas, lo cual es incorrecto, el proceso es complejo y ésta es una de
las diferencias entre Análisis y Cálculo1 .
En particular queremos hacer enfasis en la riqueza de teoremas que se
presentan en los dos últimos cursos de la materia; los teoremas de Green,
Gauss y Stokes cuya versión en los dos primeros cursos no existe. Notese
que tampoco es un asunto de aumentar pocas variables, el problema es más
profundo.
Si quisieramos explicar la diferencia entre los Cálculos de manera gráfica,
diriamos que en los dos primeros cursos las funciones se graficarian - depen-
diendo que queremos mostrar - como en la figura 1, mientras que en Cálculo
III y IV las dibujariamos como en la figura 2. Noten que en el primer caso
el dominio de la función es un intervalo Iab , que puede ser abierto, cerra-
do o ninguno de los anteriores, mientras en el segundo caso se trata de un
conjunto arbitrario que denotamos como Ω. En ambos casos tenemos que
trabajar con los conceptos de lı́mite, continuidad, derivada e integración, por
supuesto sabemos que - también en ambos casos - tienen una intepretación
1
Mientras en Análisis se manejan espacios de dimensión arbitraria, en Cálculo sólo se
trabaja con espacios de dimensión finita.
6
Y
f(a)
f(b)
X
a b
7
z
x
Ω
Lı́mite,
derivada,
integral.
8
su exposición. Sólo resta decir que hay tres clases de funciones que tiene su
interes separar:
α : R → Rn ,
F : Rn → R,
F : Rn → Rm ,
las primeras son representadas por curvas, mientras la segunda clase son
representadas por superficies, el último caso corresponde ya a la generalidad
de funciones sobre espacios Euclideanos, estas tres clases de funciones tienen
que ser estudiadas de manera separada.
9
Parte III
Espacios vectoriales
10
0.4. Distancia y ángulo
En los elementos de Euclides, uno de varios teoremas establece que dos
triangulos son congruentes si y solamente si los lados correspondientes son
iguales. En otras palabras, si observamos la figura 3 el teorema establece que
C' b'
C
B'
b
c c'
a'
a
B A'
A
b = b0
c = c0 .
Aquı́ a representa la distancia entre los puntos A y B, a0 la distancia entre
A0 y B 0 , b entre B y C y ası́ sucesivamente. Existen también teoremas para
la semejanza de triángulos, por ejemplo: “Dos triangulos son semejantes si
y sólo si sus tres ángulos interiores correspondientes son iguales”. Si bien
los conceptos de distancia y ángulo ya habán sido estudiados por los griegos,
ambos se han desarrollado a lo largo de la historia. En nuestros dı́as estos con-
ceptos tienen un significado mucho más amplio y preciso, se pueden aplicar a
11
problemas diversos, de tal manera que son conceptos bastantes generales que
merecen ser estudiados. El Cálculo nos permite entender estos dos conceptos
que siguen estudiandose y profundizar sus propiedades y aplicaciones.
En la actualidad la distancia es conocida cómo métrica también, en Rn ,
el concepto de norma se ajusta a esa necesidad de definir distancia entre
dos puntos, la norma es un concepto que se desarrolla par el estudio de los
espacios vectoriales (EV) llamados Espacios normados. No podemos ocultar
la complejidad que tiene el estudio de los EV, éstos son estudiados de manera
más profunda en Algebra lı́neal que se cursa el mismo semestre.
En estas notas, nos proponemos dar una explicación lo más sencilla po-
sible de estos conceptos que son parte escencial de los cursos de Cálculo
vectorial (Cálculo III y IV).
12
y ( x, y)
v + u = (x + z, y + w). (2)
ξ − z = x, y η − w = y,
Notese que hacemos uso del teorema de Geometrı́a Euclideana que establece:
13
( x, y)
y y
( 0, 0 ) x
Es cerrada.
Es asociativa.
Es conmutativa.
14
η v+u
v
y
w
u
x z ξ
15
cv=( cx, cy)
cy
v=( x, y)
y
x cx
Rn = {(x1 , x2 , . . . xn ) : xi ∈ R}.
c v = (cxi ), para c ∈ R y v ∈ Rn .
Pn 1
2 2
kvk2 = ( i = 1 xi ) .
16
Básicamente un espacio vectorial sobre el campo R es un conjunto V con
dos operaciones definidas:
Suma vectorial “+ ”, v + u.
Producto escalar “·”, c · v.
Estas operaciones satisfacen las propiedades:
Suma:
1. Cerradura: Si v & u ∈ V , entonces v + u ∈ V .
2. Conmutatividad: Si v, & u ∈ V , entonces v + u = u + v.
3. Asociatividad: Si v, u & w ∈ V , entonces (v + u) + w = v + (u + w).
4. Si v & u ∈ V , entonces existe w ∈ V tal que v + w = u.
Producto escalar:
1. Si c ∈ R y v ∈ V , entonces c · v ∈ V .
2. Si a, b ∈ R y v ∈ V , entonces a · (b v) = (ab) · v.
3. 1 · v = v, para toda v ∈ V .
4. Si a, b ∈ R y v ∈ V , entonces (a + b) · v = a · v + b · v.
5. Si c ∈ R y v, u ∈ V , entonces c · (v + u) = c · v + c · u.
De esta manera, cualquier espacio vectorial (EV) debe satisfacer todas
estas propiedades que deben ser checadas estrictamente si queremos probar
que un cierto conjunto V , con suma y producto escalar definidos es un (EV).
También queremos hacer notar que a menos que se diga lo contrario, el punto
· lo omitiremos de aqui en adelante.
Antes de continuar, creemos que vale la pena demostrar el siguiente:
Lema 0.4.1 (Existencia del neutro aditivo) Sea V un espacio vectorial,
entonces existe un único 0 ∈ V tal que:
v + 0 = v,
para cualquier v ∈ V .
17
Dem.
u + 0 = (z + v) + 0
= z + (v + 0)
= z +v
= u.
0 = 0 + 00
= 00 + 0
= 00 .
Dem.
18
Claramente por la propiedad 4 de la suma, sólo hay que tomar u = 0. El
inverso aditivo de v lo denotaremos por − v.
19
1. kvk ≥ 0, para todo v ∈ V .
2. kvk = 0, si solamente si v = 0.
Ejemplo 0.4.5 Sea V como en el ejemplo 0.4.3, con D = [a, b]. Sea kf k
definida como sigue:
0.4.6. Distancia
Noten que hasta el momentos hemos logrado, con mediana precisión, dar
una definición de distancia. Solamente hemos definido el concepto de nor-
ma en un espacio vectorial, sin embargo podemos empezar a investigar las
diferencias que posiblemente tienen. Primero que nada, la norma es una fun-
ción del espacio vectorial en los números reales, la distancia, según nuestra
intuición, por cada dos puntos le debemos asociar un número que tiene que
ser positvo. Dicho de manera simbolica: Si v, u ∈ V entonces una distancia
entre ellos debe ser un número no negativo, por demás, la distancia de uno al
otro debe ser la misma que del otro al uno. En este punto ya creemos nece-
sario definir de manera abstracta el concepto de distancia que manejaremos
a lo largo del curso:
1. Si v, u ∈ V , entonces d(v, u) ≥ 0.
20
2. d(v, u) = 0, si y solamente si v = u.
21
4. La desigualda del triángulo se demuestra de la siguiente manera: Si
v = u, es inmediato: d(v, u) = 0. En caso contrario, si w diferente
de alguno de los dos e igual al restante, digamos w = v, pero w 6= u
entonces se tiene una igualdad: d(v, u) = d(w, u) = 1. La desigualdad
estricta se obtiene tomando w diferente de v y u, ası́ tenemos d(v, u) <
d(v, w) + d(w, u) = 1 + 1 = 2.
Dem.
22
interesados cuando el radio es unitario y el centro es el origen, es decir si C
es el centro de la circunferencia y r > 0 el radio, nos proponemos analizar
el caso cuando C = (0, 0) ∈ R2 y r = 1. Tomaremos también distintas
distancias definidas en R2 y usaremos el hecho que toda norma induce una
distancia (Teorema 0.4.9)..
x2 + y 2 = 1,
Ahora veremos dos normas, que si bien son comúnes en Analisis y otras
materias, la primera impresión acerca de ellas es extraña pues ya no co-
rresponde con nuestra intuición, veremos dos ejemplos para ilustrar nuestras
palabras.
23
y
1
r=
x
Figura 8: kvk2 = 1
24
y
Figura 9: kvk1 = 1
25
y
A2 = {(− 1, y) : − 1 ≤ y ≤ 1},
A3 = {(x, 1) : − 1 ≤ x ≤ 1},
A4 = {(x, − 1) : − 1 ≤ x ≤ 1},
también son soluciónes de la ecuación (9), los cuatro completan todas las
soluciones.
La figura 10 nos muestra gráficamente como es entonces el conjunto de
soluciones, aquı́ tenemos otra “curiosa circunferencia”que no coincide con
nuestra intuición.
26
mos herramientas más complicadas, más aún, el problema esta muy lejos de
ser agotado.
Las normas recién definidas se pueden generalizar inmediatamente a R3
de manera natural, con la norma Euclideana la esfera de radio unitario es
precisamente una esfera, sin embargo, con la norma k · k1 obtendremos un
“diamante”como “esfera de radio unitario”, mientras que con la norma k · k∞
obtendremos un cubo, es recomedable que el estudiante trate de analizar esto
por su propia cuenta.
n
! 12
X
kuk2 = |xi |2 .
i=1
k
! p1 k
! p1 k
! p1
X X X
(ai + bi )p ≤ (ai )p + (bi )p . (11)
i=1 i=1 i=1
27
Para demostrar este teorema, recurrimeremos a otra desigualdad conocida
como la desigualdad de Hölder:
f ( x )= xp-1
b
28
Dem. (Teorema 0.4.16)
Sean a y b dos números reales, sin pérdida de generalidad supongamos
que ambos son positivos. De la gráfica de la función f (x) = xp − 1 , tenemos
la siguiente desigualdad:
Z a Z b
1
p−1
ab ≤ x dx + y p − 1 d y. (14)
0 0
Ahora, usando las ecuaciones (15), tenemos que para cada i se cumple:
q
¯ āi p b¯i
āi bi ≤ + . (18)
p q
Sumando ambos lados de la ecuación (18), tenemos:
Pk ¯ Pk a¯i p b¯i
q
ā
i=1 i ib ≤ i=1 p
+ q
= 1
Pk
āi p + 1
Pk q (19)
p i=1 q i = 1 bi
= 1,
aplicando la ecuación (17) y el hecho que p y q son conjugados. Ahora,
aplicando la definición (16) obtenemos
k k
! p1 k
! 1q
X X X
ai b i ≤ api bqi ,
i=1 i=1 i=1
29
que es la ecuación (13).
Pk P 1q P p1
p k (p − 1)q k p
i=1 (ai + bi ) ≤ i = 1 (ai + bi ) i = 1 ai
(22)
P 1 P 1
k (p − 1)q q k p p
+ i = 1 (ai + bi ) i = 1 bi
(p − 1) q = p
(23)
1
q
= 1 − p1 .
Pk P 1 − p1 P p1
p k p k p
i=1 (ai + bi ) ≤ i = 1 (ai + bi ) i = 1 ai
(24)
P 1 − p1 P p1
k p k p
+ i = 1 (ai + bi ) i = 1 bi .
30
Factorizando los sumandos del lado derecho de (24), y despejando obtenemos
la desigualdad deseada (11) del Teorema de Minkovski 0.4.15.
0.8
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1
x
Una forma de interpretar esta pregunta es, cual es la diferencia entre las
formas de las circunferencias unitarias para p0 s distintas. En otras palabras
cual es el lugar geométrico del conjunto solución en R2 de la ecuación:
kvkp = 1,
31
Para responder esta pregunta, analizaremos ejemplos para distintos valo-
res de p, los casos p = 1, 2 y p = ∞ han sido estudiados. Al tratar graficar
la circunferencia unitaria con la p-norma, tenemos sorpresas agradables. La
figura 12, es una parte la gráfica de la circunferencia unitaria obtenida con
la 3-norma en R2 , es decir;
kvk3 = 1,
mientras que la figura 13 representa la gráfica de la cuarta parte de la cir-
cunferencia en R2 con la 5-norma:
kvk5 = 1.
0.8
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1
x
32
Figura 14: Circunferencias unitarias con normas k · k1 , k · k2 , k · k3 y k · k5 .
33
Para el caso general v = (xi ) ∈ Rn tenemos una regla similiar:
n
! p1
X 1
|xi |p ≤ n p máx |xj |, (25)
1≤j ≤n
i=1
34
y
35
c b y
θ
a x
36
u
θ
u.v v
37
u
v-u
θ
v
38
tes, que se pueden checar una a una sin mayor problema:
Para toda u, v y w ∈ V , y para todo c ∈ R.
1. u · u ≥ 0
2. u · v = v · u.
3. (u + v) · w = u · w + v · w.
4. (c u) · v = u · (c v) = c (u · v).
5. Si u es tal que u · v = 0 para cualquier v, entonces u = 0.
Finalmente, un espacio vectorial V que tiene definido un producto pun-
to, se denota por (V, ·) y se le llama espacio vectorial con producto punto,
algunos autores prefieren llamarle espacio vectorial con producto interno.
También diremos que dos vectores u y v son perpendiculares si y sólo si
u · v = 0. En algebra lineal los vectores perpendiculares se acostumbra a
llamarlos vectores ortogonales. Inicialmente esta definición se ajusta a la defi-
nición de producto punto que dimos para R2 , sin embargo no dejan de existir
los conjuntos que retan nuestra intuición, como lo veremos en el siguiente:
Ejemplo 0.5.3 Tomemos V como el conjunto de las funciones continuas
sobre el intervalo [a, b]. Probar que V es un EV no es difı́cil, como lo men-
cionamos en el ejemplo 0.4.3. Definimos en V el producto punto como sigue;
si f, g ∈ V entonces: Z b
f ·g = f g d x. (34)
a
Demostrar que en efecto es un producto punto, es sólo checar que satisface
las propiedades anteriores:
Rb
1. f · f = a f 2 d x ≥ 0.
Rb Rb
2. f · g = a f g d x = a g f d x = g · f .
Rb Rb Rb
3. f · (g + h) = a f (g + h)d x = a f g d x + a f h d x = f · g + f · h.
Rb Rb
4. (cf ) · g = a (cf ) g d x = c a f g d x = c (f · g).
5. RSi f es tal que f · g = 0, para cualquier g función continua, entonces
b
a
f g d x = 0, esto es f g = 0, ası́ f = 0.
Concluimos que en efecto la ecuación (34) define un producto punto.
39
0.5.3. Dos teoremas previos
Los siguientes teoremas son en realidad auxiliares, nos permitimos pri-
mero demostrarlos dada la sencilles de su demostración y su interpretación
gemétrica accesible. Estos teoremas sonn utilizados en la sección 0.5.4 para
conectar el producto punto con la norma.
v = a u + w. (35)
w = v − a u.
u · v − a u · u = 0.
Obs 0.5.5 Notese que entonces es imprecindible que ambos vectores no sean
nulos. Este proceso de buscar vectores ortonormales es muy usado en Algebra
lineal y es conocido como proceso de Granmm-Scmith.
40
u v
au
w
Dem. Notese que si el producto punto esta definido por la ecuación (29),
entonces el resultado es inmediato:
| cos θ| ≤ 1.
(u − v) · (u − v) ≥ 0. (38)
u · u − 2 u · v + v · v ≥ 0. (39)
|u · v| ≤ 1. (40)
Sean
u v
ū = √ y v̄ = √ ,
u·u v ·v
41
entonces tenemos:
ū · ū = v̄ · v̄ = 1.
Por último aplicamos a los vectores ū y v̄ la ecuación (40) para obtener:
u v
√
u · u · √v ·
≤ 1,
v
u · u = kuk2 . (41)
Para demostrar que la ecuación (41) define una norma, hay checar las pro-
piedades una a una las propiedades de norma:
√
1. kuk = u · u ≥ 0, por la propiedad 1 de la definición de producto
punto.
42
Como el vector v es arbitrario, tenemos que por la propiedad 5 del
producto punto u = 0.
⇐)
Es inmediato.
3. Tenemos por definición:
kcuk2 = (cu) · (cu)
= |c|2 (u · u)
= |c|2 kuk2 .
El resultado se obtiene sacando raices cuadradas en ambos lados de las
igualdades.
4. Sólo falta demostrar la desigualdad del triangulo, ésta es una conse-
cuencia del teorema 0.5.6, ası́, tenemos:
ku + vk2 = (u + v) · (u + v)
= (u · u) + 2u · v + (v · v)
(43)
2 2
≤ kuk + 2kuk kvk + kvk
= (kuk + kvk)2 .
Entonces la desigualdad se obtiene sacando raı́z cuadrada de ambos
lados en la ecuación (43).
Obs 0.5.7 Regresando a la figura 17, gracias al producto punto, damos una
reinterpretación del teorema 0.5.6, esto es el viejo teorema de la geometrı́a
Euclidenana: En todo triángulo rectángulo cualquier cateto es menor que la
hipotenusa.
43
Corolario 0.5.9 Todo EV con producto punto es un espacio métrico con la
métrica inducida por el producto punto.
Obs 0.5.10 Los problemas inversos son bastante interesantes, sin embargo,
estos son problemas de Análisis bastante difiı́ciles que no se abordan en los
cursos de cálculo dada su complejidad.
44
Parte IV
45
0.6. Introducción
En Cálculo III y IV, cambiar coordenadas en ocasiones nos facilita resolver
un problema, por ello es conveniente empezar a estudiar algunos cambios de
coordenadas del plano R2 , el caso general de Rn tendrá que esperar hasta
mejores momentos. En esta sección abordaremos los cambios de coordenadas
más simples y comunes, el tener una idea geométrica ayuda a entender el
caso general y a comprender su profundidad.
46
es lineal, pero no es invertible. Por supuesto, la pregunta natural es ¿cuando
una transformación lı́neal es invertible?. Esta pregunta tiene respuesta en los
cursos de Algebra lı́neal, en estas notas trataremos de dar una explicación a
través de relacionar las transformaciones lineales con las matrices.
De acuerdo a la definición dada en Algerbra Superior, una matrı́z 2 × 2
es un arreglo de la forma:
a b
, (44)
c d
donde a, b, c y d ∈ R. Las matrices también las podemos sumar del siguiente
modo:
x y a b x+a y +b
+ = , (45)
z w c d z +c w +d
de esta manera, no es difı́cil notar lo siguiente: tenemos las primeras propie-
dades de conmutatividad y asociatividad de la suma matricial, además de la
existencia de tanto el nuetro como el inverso aditivos.
La multiplicación escalar la definimos como sigue:
a b αa αb
α = , (46)
c d αc αd
47
definimos lA : R2 −→ R2 como sigue:
(a, c) ; v = (1, 0),
lA (v) = (b, d) ; v = (0, 1), (48)
α (a, c) + β (b, d) ; v = (α, β).
= lA (v) + lA (u).
Esto significa en palabras que dada una matrı́z A, ésta tiene una trans-
formación lı́neal lA asociada, el inverso también es cierto:
48
Obs 0.6.1 En general no es verdad la conmutatividad en el producto de ma-
trices, por el contrario en general se tiene la relación:
AB 6= BA.
El producto matricial (51) es interesante; las propiedades de la composi-
ción de transformaciones lineales nos dicen que la composición es asociativa,
por tanto el producto matricial también debe serlo. La matrı́z
1 0
I = ,
0 1
satisafece la pripiedad AI = IA = A para cualquier matriz A, a esta
matrı́z se le llama matrı́z identidad y a ésta le corresponde precisamente con
la transformación identidad I(v) = v.
El siguiente paso es buscar las condiciones bajo las cuales dada una trans-
formación lı́neal l es inversitble, por la discusión anterior l tiene una matrı́z
asociada A, ahora si l tiene inversa A debe también tener una matrı́z inversa,
que en el contexto matricial quiere decir que existe B matrı́z tal que:
AB = BA = I. (52)
El hablar de que una transformación sea invertible quiere decir que no com-
prime el plano en una recta o un punto, es decir que si tomamos dos vectores
que generan un paralelepipedo con área no nula, bajo la transformacón l
siguen generando un paralelepipedo con área no nula. Siguiendo esta idea,
si v = (a, c) y u = (b, d) son vectores como se muestra en la figura 20,
tomamos la matrı́z A aquélla que tiene como columnas a los vectores v y u.
El área en gris en la figura 20 se calcula como sigue:
det A = a d − b c, (53)
que se conoce como el determinante de la matrı́z A. Noten que si ac = db ,
quiere decir que los vectores v y u son paralelos y por tanto el área compren-
dida entre ellos es nula. Ası́ el área en gris es no nula siempre y cuando dichos
vectores no sean paralelos, en otras palabras el determinante de la matrı́z es
no nulo. De esta manera tenemos un teorema de Algebra lineal:
Teorema 0.6.2 Sea l : R2 −→ R2 una transformación lineal. l es una
transformación invertible si y sólo si su matrı́z asociada A satisface:
det A 6= 0.
49
v
det l = det A,
50
3. Una transformación lineal es invertible si y sólo si su matrı́z asociada
es un amatriz invertible.
Dem.
entonces:
ae + bg af + bh
det AB = det , (57)
ce + dg cf + dh
haciendo calculos tenemos:
det AB = adeh + bcgf − adf g − bceh
= ad(eh − f g) − bc(eh − f g)
(58)
= (ad − bc)(eh − f g)
= det A det B.
51
2. La ecuación (55), se demuestra aplicando el resultado anterior, ecuación
(54): Sabemos que
AA− 1 = I,
ası́, aplicando la ecuación (54), tenemos:
1 = det I = det AA− 1 = det A det A− 1 ,
de aqui se obtiene la ecuación (55).
52
y
r
θ
x
donde e1 = (1, 0). Aquı́, la función arc cos y la consideramos como la función
inversa de cos x.
53
Ejemplo 0.6.8 En coordenadas polares, el lugar geométrico de todos los
puntos que satisfacen la ecuación:
r = constante > 0,
θ = constante,
Noten que las coordenadas polares nos permiten dar una transformación
del plano en el plano, como sigue:
Tu : R2 −→ R2 ,
definida como
Tu (v) = v − u. (62)
La imagen de esta traslación le asignamos una notación especial:
54
y'
y
b
x'
x
a
55
Y
u
X
(0,0)
0.6.4. Rotaciones
Rotar R2 un ángulo θ, significa encontrar “nuevas coordenadas”que de-
penden del ángulo, al igual que en los casos anteriores también usaremos la
56
visualización geométrica para obtener las nuevas coordenadas. En esta parte
del material usaremos la regla de Cramer vista en Geometrı́a analı́tica, para
resolver sistemas de ecuaciones 2 × 2.
Y
X'
Y'
y
α θ
y' x'
x X
57
Recordando las formulas de trigonometrı́a elemental:
cos(α + θ) = cos α cos θ − sin α sin θ,
Notamos dado que una rotación es una transformación lineal del plano en el
plano, que este cambio de coordenadas podemos representarlo mediante una
matrı́z:
cos θ − sin θ
Rθ = . (69)
sin θ cos θ
a la cual llamaremos matrı́z de rotación. De este modo el sistema (67) tiene
la forma matricial:
0
x cos θ − sin θ x
= . (70)
0
y sin θ cos θ y
De esta manera una rotación será representada por una matrı́z Rθ y su matrı́z
inversa es R− θ , lo cual quiere decir Rθ R− θ = I, donde I es la matrı́z diagonal
unitaria:
1 0
I = ,
0 1
la interpretación geométrica de R− θ es clara.
58
Contrariamente a las traslaciones vistas en la sección 0.6.3, si θ es un
ángulo fijo la imagen de Rθ es nuevamente R2 , el cual es un EV. No es difı́cil
también ver, que si v ∈ R2 , entonces:
En palabras la ecuación (71) nos dice que la rotación deja intacta la distancia,
lo cual intuitivamente es claro, pues lo único que varia es el ángulo.
0.6.5. Reflexiones
Existe otro tipo de movimientos en R2 que nos interesa abordar y son las
reflexiones. La idea es simple, la Figura 25 muestra tres reflexiones del vector
v = (x, y):
Notese que al reflejar dos veces con la misma reflexión es regresar al punto
de partida, por lo cual podemos decir que dada una reflexión, entendida como
una transformación del plano en el plano es biyectiva según la definición
59
(-x, y) ( x, y)
(-x,-y) (x, -y )
60
x
y=
v'
(x, y) 7→ (− x, − y),
y su matrı́z asociada es
0 −1
. (75)
−1 0
De manera general estamos de acuerdo que podemos reflejar respecto a
cualquier recta de la forma y = mx, en la figura 27 muestra como es posible
esto.
El siguiente paso entonces es encontrar la matrı́z asociada a esta reflexión,
denotemos por el momento la recta con la letra l y la reflexión respecto a l
como Rl , ahora, sabemos que si θ es el ángulo entre l y el eje X entonces
satisface:
tan θ = m.
La idea geométrica es la siguiente, rotamos primero la recta l hasta hacerla
coincidir con el eje X, es decir, aplicamos la rotación R− θ , después aplicamos
la reflexión respecto al eje X, la cual denotamos por RX , y como último paso
61
mx
v'
y=
v
Rl = Rθ RX R− θ . (76)
Obs 0.6.12 Otro modo de decir lo recién descubierto es: Para encontrar
cualquier reflexión nos basta concer solamente RX o RY , puesto que se ob-
tiene multiplicando alguna de ellas con una rotación por la izquierda y su
rotación inversa por la derecha.
det l = − 1. (77)
62
Dem. Sabemos:
det l = det Rθ RX R− θ = det Rθ det RX det R− θ = (1)(− 1)(1),
como se habia mencionado anteriormente, por tanto toda reflexión tiene de-
terminante igual a la unidad.
Obs 0.6.16 La ecuación (80) del teorema 0.6.15 nos dice que en efecto, toda
reflexión es una isometrı́a.
63
0.6.6. Movimientos Rı́gidos
Sabemos que una rotación y una reflexión conservan ángulos, entonces
tenemos los primeros ejemplos de lo que llamaremos movimiento rı́gido.
Y
X'
θ
X
Y'
Obs 0.6.19 Hay una deficinicón general del concepto de movimiento rı́gido
como un “cambio suave de coordenadas en el plano”, sin embargo, la palabra
suave causa tal desconcierto que tendrı́amos que esperar al tema de derivadas
para dar una definición precisa del concepto de suavidad.
64
Como sabemos, dada una transformación lı́neal tiene un amatrı́z asociada
esta la denotaremos por R, también es muy claro que el producto de dos
movimientos rigidos es un movimiento rı́gido, y dado un movimiento rı́gido,
este puede invertirse, en otras paralbras tenemos:
1. R R0 es un movimiento rı́gido.
Dem.
= u · v,
2. Se deja al los estudiantes como ejercicio, lo único que tiene que demos-
trar en realidad es det R 6= 0 de acuerdo con el teorema 0.6.5.
65
Dem. Sabemos que kuk2 = u · u, entonces si u es un vector en el plano:
= u·u (83)
= kuk2 .
66
vectorial R2 . En esta sección nos proponemos asignarle a Tu una matrı́z con
la cual podamos trabajar comodamente. Poniendo en términos de sistema de
ecuaciones lı́neales, tenemos:
x − a = x0
(84)
0
y − b = y,
67
de trabajar con rotaciones y traslaciones tiene sentido también al trabajar
con las reflexiones y las traslaciones. Recordamos también, que gracias a la
ecuación (76) sabemos que si Rl es una reflexión, entonces ésta tiene la forma:
Rl = Rθ RX R− θ o Rl = Rθ RY R− θ , (88)
donde RX y RY son las rotaciones primarias. Por el teorema 0.6.22 sabemos
que todo movimiento rı́gido es producto de rotaciones y traslaciones, lo cual
nos facilita el trabajo pues basta conocer tres tipos de matrices solamente,
las demás son producta de estas, la primera matrı́z esta dada por (87) y las
otras son las correspondientes a reflexiones;
respecto al eje X:
1 0 −a
Tu RX := 0 − 1 − b
(89)
0 0 1
y respecto al eje Y :
−1 0 −a
Tu RY := 0 1 − b .
(90)
0 0 1
No es difı́cil demostrar que el producto de dos matrices de movimien-
to rı́gido es un movimiento rı́gido, esto quiere decir geométricamente que
si movemos rigidamente el plano, se siguen conservando los ángulos dados,
tenemos entonces una definición precisa:
Definition 0.6.23 Por un movimiento rı́gido general en el plano, entende-
remos una matrı́z de la forma (87), (89) y (90), o bien el pructo de estas
tres principales matrices.
En otras palabras un movimiento rı́gido general en el plano, o simplemente
movimiento rı́gido, es una matrı́z de la forma:
a b e
R = c d f ,
(91)
0 0 1
68
tal que:
a b
det = ad − bc = ± 1. (92)
c d
Siguiendo el mismo razonamiento hecho anterirormente, concluimos que
todo movimiento R rigido preserva distancia:
69
Por otro lado, sabemos que:
entonces la ecuación
Volviendo al problema que dio origen a estas notas (ver sección 0.4), el
demostrar que un par de triangulos sean congruentes, en el lenguaje mo-
derno quiere decir que podamos rotar, reflejar y trasladar un triángulo para
hacerlo coincidir con el otro, es decir, si podemos encontrar una rotación,
una reflexión y una traslación tal que la imagen del primer triángulo sea el
segundo bajo estos movimientos. Si revisamos cuidadosamente los elementos,
es esta la descripción que se hace para demostrar cuando dos triángulos son
congruentes, entonces lo mismo se puede decir acerca de los polı́gonos, de
hecho tenemos un teorema general que presentamos sin demostración:
Teorema 0.6.25 Sean P1 y P2 dos polı́gonos cualesquiera en el plano. De-
cimos que P1 y P2 son congruentes sı́ y sólo si existe un movimiento rı́gido
R tal que:
R
P1 −→ P2 .
Con esto damos por concluida esta parte que se extendio más allá de lo
esperado, tenemos la esperanza que estas notas sirvan de algo, aunque es el
primer tema y requiere aún de más trabajo al menos es un principio.
Fin
70