Geometría Vectorial y Analítica

Resumen teoría parcial

Johana Ramírez Gaviria

Universidad Nacional de Colombia - Sede

Medellín

2 de febrero de 2022
 La recta numérica
La recta real da una imagen visual de los números
reales (R).

Sean A = (a) y B = (b) dos puntos de la recta, la

Distancia entre A y B se define como

dist(A, B) = |a − b|

Definición del valor absoluto

(
a si a ≥ 0
|a| =
−a si a < 0
 El plano cartesiano
El plano cartesianos es la representación gráfica 2
  de R ,
u
parejas ordenas de números de la forma U = ,
v
estos elementos los llamaremos vectores del plano.

Suma de Vectores y producto

  por escalar.
 
x1 y
Dados dos vectores, X = , Y = 1 y un escalar
x2 y2
r ∈ R. Definimos
     
x y x + y1
Suma de vectores: X + Y = 1 + 1 = 1
x2 y2 x2 + y2
   
x rx1
Producto por escalar: rX = r 1 =
x2 rx2
Suma de Vectores y producto por
escalar.

Propiedades.
     
x y z
Si X = 1 , Y = 1 , Z = 1 y r ∈ R entonces
x2 y2 z2

a) (X + Y ) + Z = X + (Y + Z ),

b) r (sX ) = (rs)X ,

c) (r + s)X = rX + sX

d) r (X + Y ) = rX + rY
 Rectas y rayos de un Vector.
 
u
Dado un vector U = no nulo, definimos:
v
La recta generada por U:

LU = {tU  t ∈ R}.

Rayo positivo de U:

R+

U = {tU t ∈ R, t > 0}.


Rayo negativo de U:

R−

U = {tU t ∈ R, t < 0}.


Si U y V son vectores no nulos tales que V = rU con

r ∈ R, entonces LV = LU .
 Dependencia e Independencia lineal.

Dos vectores U y V son

 L.D. si V=rU.
a c
Teorema 1. Sean A = yB= vectores en el
b d
plano. Entonces

A y B son L.D. si y sólo si ad − bc = 0

Usarlo para verificar Dependencia
   Lineal

a c
Teorema 2. Sean A = yB= vectores en el
b d
plano. Entonces

A y B son L.I. si y sólo si ad − bc ̸= 0

Usarlo para verificar Independencia Lineal
 Combinación lineal.

Dados dos vectores U y V , una combinación lineal de

ellos es un vector de la forma

rU + sV

para escalares r , s ∈ R
Teorema.
Dos vectores no nulos A y B son L.D. si y sólo si el
vector nulo O puede escribirse como una combinación
lineal de A y B.

rA + sB = O
 Vector inverso en la suma

 
u
Dado un vector U = , el inverso aditivo de U es
v  
−u
−U = U =
−v
Regla del paralelogramo.
Dados dos vectores A y B, el vector A + B puede verse
gráficamente como una de las diagonales del
paralelogramo generado por A y B.
y B − A = B + (−A) se ve como el vector que une los
puntos A y B.
 Vectores importantes
 
0
✓ El vector O = tiene la propiedad:
0

X +O =X X + (−1)X = X − X = O
   
1 0
✓ Los vectores E1 = y E2 son L.I.
0 1
Usando el Teorema 2 de la clase 1, E1 y E2 resultan
ser L.I, pues 1(1) − 0(0) = 1 ̸= 0
✓ Los vectores E1 y E2 están sobre los ejes
coordenados y notemos que
     
x 1 0
X = =x +y = xE1 + yE2
y 0 1
 Combinación lineal.

Dados dos vectores U y V , una combinación lineal de

ellos es un vector X de la forma

X = rU + sV

para escalares r , s ∈ R
Acabamos de notar entonces que cualquier vector X
es combinación lineal de E1 y E2 .
En general, si tomamos dos vectores U y V L.I, ellos
generan a todos los demás como combinación lineal.
 Descomposición de un vector
Teorema.
Dados dos vectores L.I. U y V , todo vector del plano
puede descomponerse como combinación lineal de U y V .
Sea X un vector arbitrario,

X = rU + sV

1. Verificamos que U y V sean L.I.

2. Escribimos la ecuación vectorial X = rU + sV .
3. Descomponemos cada coordenada como una
ecuación.
4. Solucionamos el sistema de ecuaciones para las
incógnitas r y s.
 Magnitud de un vector

Definimos la magnitud de un vector X como su

distancia al Origen y la denotamos por ||X ||.
 
x
, ||X || = x 2 + y 2
p
Explícitamente si X =
y

Propiedades:
Sean X y U vectores y r ∈ R, entonces
✓ ||X || ≥ 0 y ||X || = 0 si y sólo si X = 0.
✓ ||rX || = |r |||X ||
✓ |X · U| ≤ ||X ||||U||
✓ ||X + U|| ≤ ||X || + ||U||
 Normalización de un vector
Dado un vector no nulo A, la idea es encontrar un
vector B con la misma dirección de A pero cuya
magnitud sea 1.

Para que tengan la misma dirección necesitamos que

B ∈ R+
A , es dercir que B = rA para algún r > 0.
Entonces

1 = ||B|| = ||rA|| = |r |||A|| = r ||A||

despejando r de la expresión anterior,

1
r=
||A||
1 A
B= A=
||A|| ||A||
 Producto punto
El producto punto (o producto
  escalar)
  lo efectuamos
x u
entre dos vectores X = yU= y su resultado
y v
es un número.    
x u
X ·U = · = xu + yv
y v
Propiedades del producto punto Sean X , U y V vectores
del plano y r ∈ R. Entonces se cumplen las siguientes
propiedades:

✓ X ·U =U ·X
✓ X · (U + V ) = X · U + X · V
✓ rX · U = r (X · U)
✓ X · X = ||X ||2
✓ X y U son perpendiculares si y solo si X · U = 0
 Desigualdades

Desigualdad de Cauchy-Schwartz Si X y U son cualquier

par de vectores entonces

|X · U| ≤ ||X ||||U||

La igualdad se tiene en el siguiente caso

|X · U| = ||X ||||U|| si y solo si X y U son L.D.

Desigualdad triangular
Si X y U son cualquier par de vectores entonces

||X + U|| ≤ ||X || + ||U||

La igualdad se tiene si y sólo si X y U están en el mismo
rayo.
Distancia entre dos puntos del plano

   
x u
Sean X = yU= puntos del plano. Definimos la
y v
distancia entre X y U como
 
 x − u  q
dist(X , U) = ||X − U|| = 
   = (x − u)2 + (y − v )2
y − v 

Notemos que ||X || es precisamente la distancia de X al

origen y que dist(X , U) = dist(U, X )
 Vectores ortogonales

Dos vectores
  X y Y se llaman ortogonales si X · Y = 0.
a
Si A = , un vector ortogonal es
b
 
⊥ −b
A =
a
Notemos que A y A⊥ son ortogonales.

A · A⊥ = a(−b) + b(a) = −ab + ab = 0

Propiedades
Sean A y B vectores y r ∈ R entonces
✓ (A + B)⊥ = A⊥ + B ⊥
✓ (rA)⊥ = rA⊥
 Teoremas

Teorema de pitágoras Sean X y Y dos vectores, ellos

son ortogonales si y sólo si

||X − Y ||2 = ||X ||2 + ||Y ||2

Teorema    
x u
Si dos vectores no nulos X = yY = son
y v
ortogonales entonces ellos son L.I.
Nota: El recíproco no es cierto, hay vectores L.I pero
que no son ortogonales.
 Proyección ortogonal

Definimos la proyección de X sobre U como el vector

X ·U
PU (X ) = U
||U||2

Si X es cualquier vector, U y V son vectores no nulos

ortogonales entonces
X ·U X ·V
X = U+ V
||U||2 ||V ||2

De esta manera, notemos que

X = PU (X ) + PV (X )
 Proyección ortogonal
   
x u
Sean X = yU= no nulo. ¿Cómo hallar dos
y v
vectores P y Q que satisfagan lo siguiente?
a) X =P +Q
b) U y P son L.D.
c) Q es ortogonal a U
Pasos.
1) Hallamos un vector no nulo V ortogonal a U, por
ejemplo U ⊥ funciona.
2) Usando un teoremas anteriores, U y V son L.I, X
es combinación lineal de U y V y además

X = PU (X ) + PV (X )

3) Tomamos P = PU (X ) y Q = PV (X )
 Propiedades
Teorema. Si U y W son L.D. y X es cualquier otro
vector entonces

PU (X ) = PW (X )

Propiedades. Sean U un vector no nulo, X y Y dos

vectores cualquiera y r ∈ R.

• PU (X + Y ) = PU (X ) + PU (Y )
• PU (rX ) = rPU (X )
Teorema. Si U es un vector no nulo y X es cualquier
otro vector entonces

PU (X ) = X si y sólo si X ∈ LU
 Orientación, Coseno y Seno

Orientación. Dados dos vectores U y X ,

X ∈ L+
U si y solo si U⊥ · X > 0

X ∈ L−
U si y solo si U⊥ · X < 0
Coseno y Seno Sean X y Y dos vectores no nulos, se
define el coseno del ángulo ∠(XOY ) como

X ·Y X⊥ · Y
cos∠(XOY ) = sen∠(XOY ) =
||X ||||Y || ||X ||||Y ||
 Propiedades
Propiedades coseno.
• cos∠(XOY ) = cos∠(YOX )
• cos∠(XOX ) = 1
• cos∠(XOX ⊥ ) = 0
• cos∠(XO(−X )) = −1
• −1 ≤ cos∠(XOY ) ≤ 1
• ||X − Y ||2 = ||X ||2 + ||Y ||2 − 2||X ||||Y ||cos∠(XOY )
Propiedades seno.
• sen∠(XOY ) = −sen∠(YOX )
• sen∠(XOX ) = 0
• sen∠(XOX ⊥ ) = 1
• sen∠(XO(−X )) = 0
• −1 ≤ sen∠(XOY ) ≤ 1
• sen2 ∠(XOY ) + cos 2 ∠(XOY ) = 1
 Rotación
   
x u
Supongamos que X = yY = son vectores no
y v
nulos. Entonces
   
u xcos∠(XOY ) − ysen∠(XOY )
||X || = ||Y || si y sólo si =
v xsen∠(XOY ) + ycos∠(XOY )
 Congruencia de ángulos

Matemáticamente nos referimos a que dos ángulos

son congruentes si ellos comparten los mismos valores
del seno y del coseno.

Propiedades. Si X y Y son vectores no nulos,

a) cos∠(XOY ) = 1 si y sólo si ∠(XOY ) ∼
= ∠(E1 OE1 )
b) cos∠(XOY ) = −1 si y sólo si ∠(XOY ) ∼
= ∠(E1 O(−E1 ))
c) ∼ ∠(E1 OE2 )
cos∠(XOY ) = 0 si y sólo si ∠(XOY ) =
 Forma polar de un vector
 
x
Supongamos que X = ̸= O, recordemos que
y
 
1
E1 = Examinemos cos∠(E1 OX ) y sen∠(E1 OX ).
0
E1 · X x
cos∠(E1 OX ) = =
||E1 ||||X || ||X ||
por lo tanto x = ||X ||cos∠(E1 OX )

Similarmente

E1⊥ · X y
sen∠(E1 OX ) = =
||E1 ||||X || ||X ||

De aquí, y = ||X ||sen∠(E1 OX )

 Forma polar de un vector
 
x
Sea X = ̸= O, definimos la dirección de X como el
y
ángulo
dir (X ) = ∠(E1 OX )
De lo anterior tenemos
     
x ||X ||cos(dir (X )) cos(dir (X ))
= = ||X ||
y ||X ||sen(dir (X )) sen(dir (X ))

Si dir (X ) = θ, entonces

X = ||X ||cos(θ)E1 + ||X ||sen(θ)E2

 Circunferencia
 
x
Son los puntos P = del plano que están a una
y
 
h
distancia r de un punto centro C = . De la
k
definición tenemos

dist(P, C ) = r
||P − C || = r
||P − C ||2 = r 2
(x − h)2 + (y − k)2 = r 2
 Medida de ángulos
Los ángulos podemos medirlos en grados o en radianes
y podemos pasar de una medida a la otra mediante la
siguiente equivalencia

2π ⇐⇒ 360◦
π ⇐⇒ 180◦

Si θ es un ángulo en grados y x es un ángulo en

radianes entonces podemos hacer la conversión
πθ
θ ⇐⇒
180◦
x 180◦
x ⇐⇒
π
 Bisección de ángulos
Supongamos que (X , Y ) son vectores no nulos,
decimos que el vector U ̸= 0 biseca al ángulo ∠(XOY ) si
se cumplen las siguientes dos condiciones:
i) U ∈ ∠(XOY )
ii) ∠(XOU) ∼
= ∠(UOY )
 Bisección de ángulos

Propiedades Si X y Y son vectores no nulos,

a) Si ∠(XOY ) es llano, entonces X ⊥ biseca ∠(XOY ).
b) Si (X , Y ) está orientado positivamente, entonces
 
1 X Y
+
2 ||X || ||Y ||

biseca ∠(XOY ).
c) Si (X , Y ) está orientado negativamente, entonces
 
1 X Y
− +
2 ||X || ||Y ||

biseca ∠(XOY ).
 Vectores libres

Supongamos que A y B son dos puntos del plano.

−→
Podemos considerar el vector AB de unir los puntos
Veamos la siguiente gráfica

Recta generada por dos puntos. Dados A y B dos

puntos del plano con A ̸= B, definimos

L−→ = {X ∈ R2 : X = A + t(B − A), t ∈ R}

AB
 Vectores colineales

Dados 3 puntos A, B y C en el plano diremos que son

colineales si uno de ellos pertenece a la recta generada
por los otros dos.

Para determinar si A, B y C son colineales, debemos

−→ −→
verificar si AB = B − A y AC = C − A son L.D, en caso de
que ellos sean L.I. entonces A, B y C no son colineales.
La Línea Recta- Resumen ecuaciones
Vectorial Paramétrica Normal

X = P + tD N · (X − P) = 0

Escalares Paramétricas General

x = x0 + tc ax + by + c = 0
y = y0 + td

Usando dos puntos Intercepto-pendiente

X = (1 − t)P + tQ y = mx + b

Ecuaciones simétricas Punto-pendiente

x − x0 y − y0
= y − y0 = m(x − x0 )
c d
 Recta generada por dos puntos
Supongamos que conocemos dos puntos P y Q de una
recta L, entonces la ecuación de la recta está dada por

L: X = (1 − t)P + tQ, t∈R

 Ecuación vectorial paramétrica

Un vector director D es aquel que es L.D con

−→
PQ = (Q − P) para cualquier par de puntos P y Q de la
recta.

Conociendo un punto y un vector director de la recta

L tenemos la ecuación

L: X = P + tD
Nota: Cualquier múltiplo escalar de D, digamos rD es
también vector director de L
Ecuaciones escalares paramétricas

Tomamos la ecuación vectorial paramétrica

     
x x c
L : X = P + tD ⇔ = 0 +t
y y0 d
   
x0 c
donde P = un punto de la recta y D = un
y0 d
vector director y las separamos en coordenadas para
obtener

x = x0 + tc
y = y0 + td

conocidas como ecuaciones escalares paramétricas.

 Ecuaciones simétricas

De las ecuaciones despejamos en ambas a t e igualamos.

Suponiendo c ̸= 0 y d ̸= 0

x − x0
x = x0 + tc ⇒ t=
c
y − y0
y = y0 + td ⇒ t=
d

Obtenemos
x − x0 y − y0
=
c d
 Ecuación en forma normal

Un vector N es normal a una recta L si N es

ortogonal a cualquier segmento de la recta L.

Por lo tanto si P es un punto fijo de la recta y X es

cualquier otro punto distinto de P que también está
sobre la recta,

N · (X − P) = 0
Nota: Cualquier múltiplo escalar de N, digamos rN es
también vector normal de L.
 Ecuación en forma general
Escribamos la ecuación anterior usando coordenadas
     
a x x
N · (X − P) = 0 ⇔ · − 0
b y y0
   
a x
Con N = un vector normal y P = 0 un punto de
b y0
la recta. Entonces

a(x − x0 ) + b(y − y0 ) = 0 ⇔ ax + by + (−ax0 − by0 ) = 0

De lo anterior

ax + by + c = 0
Tomando c = −ax0 − by0
 Ecuación intercepto-pendiente

Otra forma de ver una recta es con la ecuación de la

pendiente
y = mx + b
Aquí m es la pendiente y b es el intercepto o punto de
corte con el eje y .
 Ecuación punto pendiente

 
x
Si la recta L pasa por el punto P = 0 y tiene
y0
pendiente m, entonces la ecuación punto pendiente de
L es:
y − y0 = m(x − x0 )
 
x
Si en lugar de m tenemos un segundo punto Q = 1
y1
de la recta entonces
y1 − y0
m=
x1 − x0
Relaciones entre vectores directores,
normales y la pendiente
   
c a
Sea L una recta, D = un vector director, N =
d b
un vector normal y m la pendiente de L.
• Cualquier vector ortogonal a D es un vector
normal de la recta, en particular D ⊥
• Cualquier vector ortogonal a N es un vector
director de la recta, en particular N ⊥
d
• La pendiente es m = c = − ba .
• Si conocemos
  la pendiente m, un
 vector
 director
1 −m
es y un vector normal es
m 1
Posición relativa entre dos rectas

Dos rectas L1 y L2 son paralelas si

• Sus vectores directores son L.D.
• Sus vectores normales son L.D.
• Tienen la misma pendiente.
• El vector director de una es ortogonal al vector
normal de la otra.
Si además comparten un punto las rectas son iguales
Posición relativa entre dos rectas

Dos rectas L1 y L2 se intersectan en un punto si

• Sus vectores directores son L.I.
• Sus vectores normales son L.I.
• Tienen diferente pendiente.
Posición relativa entre dos rectas

Dos rectas L1 y L2 son perpendiculares si

• Sus vectores directores son ortogonales
• Sus vectores normales son ortogonales
• El producto de sus pendientes es −1
• El vector director de una es L.D. al vector normal
de la otra.
 Hallar punto de intersección
La intersección de dos rectas

L1 : X = P + tD
L2 : X = Q + sC
se puede hallar con un sistema 2 × 2 o como sigue:
Paso 1. Verificamos que los vectores D y C sean L.I.
Entonces C ⊥ · D ̸= 0
Paso 2. Igualamos P + tD = Q + sC
Paso 3. Encontrar t o s y reemplazar en la ecuación.

tD − sC = Q − P
C · (tD − sC ) = C ⊥ · (Q − P)
⊥

t(C ⊥ · D) − s(C · C ⊥ ) = C ⊥ · (Q − P)
C ⊥ · (Q − P)
t=
(C ⊥ · D)
Ángulo de inclinación de una recta
Es el ángulo θ que forma la recta L con el eje positvo
de las x.

• θ = dir (D) ó θ = dir (−D) si la segunda coordenada es

positiva.
• tan(θ) = m ⇒ θ = tan−1 m
 Ángulo entre dos rectas

El ángulo entre las rectas corresponde al ángulo entre

sus vectores directores o entres sus vectores
normales.
 Ángulo en rectas
Ángulo de inclinación
Dada una recta L, el ángulo de inclinación de L es el
ángulo entre LE1 y L
Si D es un vector director de L con E1⊥ · D > 0
entonces
∠(LE1 , L) = ∠(E1 , D)
Nota: Si E1⊥ · D < 0 es decir d < 0 entonces tomamos el
vector director −D y calculamos ∠(LE1 , L) = ∠(E1 , −D)
Ángulo entre dos rectas
Sean L y L′ dos rectas no verticales y no
perpendiculares con pendientes m y m′ respectivamente.
Si θ = ∠(L, L′ ) entonces

m′ − m
tan(θ) =
1 + m′ m
Proyección Ortogonal a una recta

Sean D un vector director y N un vector normal de

una recta L. Si V es un punto cualquiera del plano y P
es un punto cualquiera del recta entonces la
proyección de V sobre L está dada por la ecuación

PL (V ) = PD (V ) + PN (P)
Propiedades Sea L una línea recta y V un punto
cualquiera del plano
a. PL (V ) = V si y solo si V ∈ L
b. PL (V ) = PL (W ) si y solo si W pertenece a la línea
recta L′ que pasa por V y es perpendicular a L
 Distancia de un punto a una recta

Sea L una línea recta y V un punto del plano. Definimos

la distancia de V a L como la distancia entre V y la
proyección ortogonal de V a L, es decir

dist(V , L) = dist(V , PL (V )) = ||V − PL (V )||

Teorema Sea L una recta  con ecuación general

u
ax + by + c = 0 y sea U = . Entonces
v

|au + bv + c|
dist(U, L) = √
a2 + b 2
 Reflexión sobre una recta
La reflexión de X sobre la recta generada por U la
definimos como

SU (X ) = 2PU (X ) − X

Propiedades
1. SU (X + Y ) = SU (X ) + SU (Y )
2. SU (rX ) = rSU (X )
3. SU (X ) = X si y sólo si X ∈ LU
4. PU (SU (X )) = PU (X )
5. ||SU (X ) − PU (X )|| = ||X − PU (X )||

La reflexión de X sobre la recta L está definida de

manera similar como

SL (X ) = 2PL (X ) − X
 Combinación lineal convexa
Dados dos puntos P y Q una Combinación lineal
convexa de ellos es

aP + bQ a, b ≥ 0 a+b =1

La combinación lineal convexa me permite recorrer el

segmento de P hasta Q. Notemos que esto es
equivalente a la ecuación

(1 − t)P + tQ 0 ≤t≤1
Si tenemos 3 puntos P, Q, R, una combinación lineal
convexa de ellos será

aP + bQ + cR a, b, c ≥ 0 a+b+c =1

Conjunto convexo Un conjunto C es convexo si dados

cualquier par de puntos P y Q en C entonces toda
combinación lineal convexa también está en C
 Parametrización de un segmento
El segmento de P hasta Q podemos parametrizarlo por

X = (1 − t)P + tQ 0 ≤t≤1

donde t es la proporción de la distancia de X a P

respecto a la longitud del segmento y 1 − t es la
proporción de la distancia de X a Q respecto a la
longitud del segmento.
t m m n
Si escribimos 1−t = n, entonces t = m+n y 1−t = m+n .

n m
X = P+ Q
m+n m+n

El punto X es tal que la razón entre su distancia a P y

su distancia a Q es m
n
 Triángulo

Todo triángulo es un conjunto convexo.

Rectas asociadas a un triángulo:

• Mediana: Pasa por el punto medio del segmento y
por el otro vértice.
• Bisectriz: Divide el ángulo interno en dos ángulos
congruentes.
• Mediatriz: Pasa por el punto medio del segmento y
es perpendicular al segmento.
• Altura: Pasa por un vértice y cae perpendicular al
segmento opuesto.
 Medianas - Baricentro
El Baricentro es la intersección de las medianas.

1 1 1 1
Baricentro = (A + B + C ) = A + B + C
3 3 3 3
 Bisectrices - Incentro

El Incentro es la intersección de las bisectrices.

 Mediatrices - Circuncentro
El Circuncentro es la intersección de las mediatrices.
 Alturas - Ortocentro
El Ortocentro es la intersección de las alturas.
 Círculo

Un círculo con centro en C y radio r es el conjunto de

los puntos del plano cuya distancia a C es menor o igual
a r.
D = {X : ||X − C || ≤ r }
Todo círculo es convexo.

Si P es un punto en la frontera de un círculo de

centro C y radio r , entonces el diámetro QP está dado
por Q = 2C − P y los puntos sobre ese diámetro son

{X ∈ R2 : X = (1 − 2t)P + 2tC , t ∈ [0, 1]}

 Funciones

Una función es una asignación de un conjunto A a un

conjunto B, donde a cada elemento de A le corresponde
un solo elemento de B

f :A→B

• El conjunto A se llama el dominio de f .

• El conjunto B se llama codominio de f .
• La imagen de x es el elemento f (x) ∈ B.
• El rango de f es el conjunto de todas las imágenes
de f

f (A) = {f (x) : x ∈ A}
 Transformaciones Lineales

Una transformación lineal es una función

T : R2 → R2

que tiene la forma:

   
x ax + by
T =
y cx + dy

para a, b, c y d son números reales fijos.

 Teorema

Una función T : R2 → R2 es una transformación lineal

si
a. T (X + Y ) = T (X ) + T (Y )
b. T (rX ) = rT (X )

Por lo tanto T es una transformacion es lineal si y

sólo si
T (rX + sY ) = rT (X ) + sT (Y )
para todo a, b ∈ R, X , Y ∈ R2
 Propiedades

Recordemos que
 
x
X = = xE1 + yE2
y

Entonces, si T es una transformación lineal:

 
x
T = T (xE1 + yE2 ) = xT (E1 ) + yT (E2 )
y

Si U y V son L.I. y T es una transformación lineal,

entonces basta conocer T (U) y T (V ) para saber cómo
es la transformación para cualquier X .
 Ejercicio
   
u w
Sean U = yW = vectores L.I y sea T una
v z
transformación lineal tal que
   
a c
T (U) = y T (W ) =
b d
 
x
Hallar T .
y
Recordemos que como U y W son L.I, entonces
cualquier vector X puede escribirse como combinación
lineal de ellos.

X = rU + sW ⇒ T (X ) = T (rU + sW ) = rT (U) + sT (W )

Basta enconces hallar r y s.

De la combinación lineal tenemos

x = ru + sw
y = rv + sz
Por lo tanto, multiplicando la primera ecuación por v y
la segunda por −u tenemos

xv = ruv + swv
−uy = −ruv − usz

Sumamos:
xv − uy
xv − uy = swv − suz = s(wv − uz) ⇒ s=
wv − uz
Notemos que como los vectores U y W son L.I,
entonces wv − uz ̸= 0. Además, similarmente
xz − wy
xz − wy = rzu − rvw = r (zu − vw ) ⇒ r=
zu − vw
 Transformación inyectiva y
sobreyectiva
Sea f : A → B una función, entonces
• Función inyectiva:f es inyectiva si x ̸= y entonces
f (x) ̸= f (y ), o equivalentemente si f (x) = f (y )
entonces x = y .
• Función sobreyectiva: f es sobreyectiva si para
todo y ∈ B existe un elemento x ∈ A tal que
f (x) = y .
• Función biyectiva: Una función f : A → B es
biyectiva si es inyectiva y sobreyectiva.
• Núcleo de una función: El núcleo de f es el
subconjunto del dominio

N(f ) = {x ∈ A : f (x) = 0}
 Teorema

Si T : R2 → R2 es una transformación lineal, entonces

los siguientes enunciados son equivalentes
a.) T es inyectiva.
b.) T es sobreyectiva.
c.) El núcleo de T es únicamente el vector nulo,
N(T ) = 0.
d.) T (E1 ) y T (E2 ) son L.I.
Caracterización del Núcleo y el Rango
 Imagen de una Recta

La ecuación de la recta debemos darla en términos

vectoriales
Opción 1. Recta que pasa por dos puntos

X = (1 − t)A + tB

T (X ) = T ((1 − t)A + tB) = (1 − t)T (A) + tT (B)

Opción 2. Recta con un punto y un vector director.

X = P + rD

T (X ) = T (P) + rT (D)
Caracterización de la imagen de una
línea recta por una TL.
Sea T una transformación lineal y L una recta,
entonces:

1.) Si T es inyectiva, la imagen de L bajo T , T (L) es

también una línea recta.

2.) Si T no es inyectiva, tenemos dos opciones

2.1) La imagen de L bajo T , T (L) es una línea recta que

pasa por el origen si T (D) ̸= 0 para cualquier vector
director de L.

2.2) La imagen de L bajo T , T (L) es un punto si T (D) = 0

para cualquier vector director de L.
 Observaciones sobre vectores
directores y normales

Sea T una transformación lineal inyectiva entonces:

• T envía vectores directores en vectores
directores.

• T en general No envía vectores normales en

vectores normales!!

• No se preservan ángulos!
Caracterización de la imagen de un
segmento de recta
Sea T una transformación lineal y AB es un segmento
entonces:

1.) Si T es inyectiva, la imagen de AB bajo T , T (AB) es

también un segmento de recta.

2.) Si T no es inyectiva, tenemos dos opciones

2.1) La imagen de AB bajo T , T (AB) es un segmento de

recta ( de una recta que pasa por el origen) si
T (A) ̸= T (B).

2.2) La imagen de AB bajo T , T (AB) es un punto si

T (A) = T (B).
Imagen de un polígono bajo una T.L.
inyectiva

Triángulos y Cuadriláteros
       
6 3 5 1
Sean A = ,B= yC= ,yD=
3 2 1 −2

Tomemos las transformaciones

       
x −x + 3y x 4x + 6y
T = y S =
y 5x − 2y y −2x − 3y
Veamos como son sus imágnes bajo las
transformaciones T y S.
 Operaciones entre T.L
Tenemos tres operaciones entre transformaciones
lineales: Suma, Producto por escalar y Composición.
Sean
       
x ax + by x px + qy
T = y S =
y cx + dy y rx + sy

Definimos la Suma:
   
x (a + p)x + (b + q)y
(T + S) =
y (c + r )x + (d + s)y

Definimos el Producto por escalar:

     
x ax + by tax + tby
tT =t =
y cx + dy tcx + tdy
 Composición

Veamos ahora la composición de las transformaciones

       
x ax + by x px + qy
T = y S =
y cx + dy y rx + sy

Entonces
   
x px + qy
(T ◦ S) = T (S(X )) = T
y rx + sy
y    
x ax + by
(S ◦ T ) = S (T (X )) = S
y cx + dy
Inversa de una Transforación lineal
inyectiva
Sea    
x ax + by
T =
y cx + dy
una transformación lineal inyectiva, entonces T es
invertible!

Es decir, podemos encontrar una transformación

lineal "que haga el proceso contrario"de T .

Formalmente, podemos encontrar otra

transformación R, tal que

R ◦ T = I = T ◦ R,

donde I es la transformación identidad.

Inversa de una Transforación lineal
inyectiva

¿Cómo calcular la inversa?

Si
   
x ax + by
T =
y cx + dy
Es T.L. inyectiva, entonces su inversa T −1 es:
   
−1 x 1 dx − by
T =
y ad − bc −cx + ay
 Forma matricial de las
Transformaciones Lineales

Dada una transformación lineal

   
x ax + by
T =
y cx + dy

Notemos que todo que necesitamos para definir a T

son los cuatro números a,b,c y d.

Decimos que la matriz asociada a la transformación T

es:  
a b
m(T ) =
c d
 Suma - Producto por escalar

La suma de dos transformaciones

       
x ax + by x px + qy
T = S =
y cx + dy y rx + sy

se puede ver matricialmente como:

 
a+p b+q
m(T + S) =
c +r d +s

y a su vez, el producto por escalar tiene matriz asociada

   
a b ta tb
m(tT ) = t =
c d tc td
 Composición
Veamos ahora cómo es la composición vista de forma
matricial. Para esto necesitamos definir el producto de
dos matrices de 2 × 2.
  
a b p q
m(T ◦ S) = m(T )m(S) =
c d r s
    
a b p q ap + br ?
Paso 1. = =
c d r s ? ?
    
a b p q ap + br aq + bs
Paso 2. = =
c d r s ? ?
    
a b p q ap + br aq + bs
Paso 3. = =
c d r s cp + dr ?
    
a b p q ap + br aq + bs
Paso 4. = =
c d r s cp + dr cq + ds
 Observación

Si  
a b
m(T ) =
c d
Notemos que
      
a b x ax + by x
= =T
c d y cx + dy y

En general, sólo se pueden multiplicar dos matrices si el

número de columnas de la primera coincide con el
número de filas de la segunda. n × m y m × p.
 Determinante

El determinante de la matriz
 
a b
m(T ) =
c d

se define como

det(m(T )) = ad − bc

Notemos que el determinante  es lo que hemos  llamado

a b
el producto cruzado de T (E1 ) = y T (E2 ) = y
c d
además
det(m(T )) = T (E1 )⊥ · T (E2 )
 Propiedades del Determinante

Sean A y B matrices cuadradas de orden n y r ∈ R,

entonces

• det(AB) = det(A)det(B)
 Propiedades del Determinante

Sean A y B matrices cuadradas de orden n y r ∈ R,

entonces

• det(AB) = det(A)det(B)
1
• det(A−1 ) = det(A)
 Propiedades del Determinante

Sean A y B matrices cuadradas de orden n y r ∈ R,

entonces

• det(AB) = det(A)det(B)
1
• det(A−1 ) = det(A)

• det(AT ) = det(A)
 Propiedades del Determinante

Sean A y B matrices cuadradas de orden n y r ∈ R,

entonces

• det(AB) = det(A)det(B)
1
• det(A−1 ) = det(A)

• det(AT ) = det(A)

• det(rA) = r n det(A)
 Inversa

Si T es una transformación lineal inyectiva con matriz

 
a b
m(T ) =
c d

Entonces la matriz asociada a la transformación

inversa de T es:
   
−1 1 d −b 1 d −b
m(T ) = =
det(T ) −c a ad − bc −c a
 Transpuesta

Definimos la matriz transpuesta por

 T  
a b a c
=
c d b d
   
x u
Para los vectores X = yY = , notemos que
y v
• XTY = X · Y
• X T X = X · X = ||X ||2
• det(AT ) = det(A)
• (A + B)T = AT + B T
• (rA)T = rAT
 Matriz simétrica y Ortogonal
A es simétrica si A = AT .

A de orden 2 × 2 es Ortogonal si AT A = I , dicho de otra

manera, si A−1 = AT .

Si  
a b
A=
c d
Es una matriz ortogonal entonces existe θ ∈ [0, 2π] tal
que
   
cosθ −senθ cosθ senθ
A= ó A=
senθ cosθ senθ −cosθ

Toda transformación ortogonal es una rotación o es

una reflexión.
 Isometrías

F : R2 → R2 es una isometría si ||X − Y || = ||F (X ) − F (Y )||

Las transformaciones ortogonales son Isometrías.

F es una isometría si y sólo si existe una matriz

ortogonal A y un vector X0 tal que F (X ) = AX + X0 . Es
decir:
Toda isometría es la compuesta de una traslación y una
transformación ortogonal.

Gráficas
 Observación
Las isometrías envian círculos en círculos, pero en
general las transformaciones lineales inyectivas No
 Vectores en el espacio
 
x
X = y

z
¿Cómo se ven?
 Matrices 3x3

Con tres vectores en el espacio podemos formar una

matriz de 3x3.
Sean      
x u p
X = y , U = v , P = q
    
z w r
formemos la matriz
 
x u p
y v q
z w r

¿Cuál será su determinante?

 Determinante en matrices 3x3
Sea
 
a1 a2 a3
A = b1 b2 b3  , entonces det(A) = |A|
c1 c2 c3

se puede calcular como:

Opción 1.
     
a1 a2 a3 a1 a2 a3 a1 a2 a3
b1 b2 b3  b1 b2 b3  b1 b2 b3 
c1 c2 c3 c1 c2 c3 c1 c2 c3

 
a1 a2 a3       
  b2 b3  b1 b3  b1 b2 
det(A) = b1 b2 b3  = a1 
    − a2 
  + a3 
 
 c1 c2 c3  c2 c3  c1 c3  c1 c2 
 Determinante en matrices 3x3
Sea
 
a1 a2 a3
A = b1 b2 b3  , entonces det(A) = |A|
c1 c2 c3

se puede calcular como:

Opción 2.
     
a1 a2 a3  a1 a2 a3  a1 a2 a3 
   
b1 b2 b3  b1 b2 b3  b1 b2 b3 
   
 c1 c2 c3   c1 c2 c3   c1 c2 c3 
   
a1 a2 a3  a1 a2 a3  a1 a2 a3 
   
b1 b2 b3  b1 b2 b3  b1 b2 b3 
|A| = a1 b2 c3 + b1 c2 a3 + c1 a2 b3 − a3 b2 c1 − b3 c2 a1 − c3 a2 b1
 ¿Para qué sirve el deteminante?
Sirve para saber si 2 vectores en R2 son L.D o L.I.

Sirve para saber si 3 vectores en R3 son L.D o L.I.

Definición. 3 vectores A, B y C en R3 son L.D, si uno de

ellos es combinación lineal de los otros dos. Digamos

A = rB + sC
     
a1 b1 c1
Teorema. 3 vectores A = a2 , B = b2  y C = c2 
a3 b3 c3

en R3 son L.D, si  
a1 b1 c1 
 
a2 b2 c2  = 0
 
a3 b3 c3 
Ángulos
Orientación de vectores en el espacio

Sean A, B y C tres vectores en el espacio. Entonces la

terna (A, B, C ) está orientada positivamente si

A · (B × C ) > 0
 Producto cruz

Dados dos vectores que no son paralelos, podemos

encontrar un vector X × Y tal que X × Y es
perpendicular a X y X × Y es perpendicular a Y .

Área del paralelogramo = ||X × Y || = ||X ||||Y |||senθ|

Video

Regla de la mano derecha

¿Cómo calcular el producto cruz?

   
x1 x2
Sean X = y1  y Y = y2  que no son paralelos,
z1 z2
podemos encontrar el vector X × Y
 
 E1 E2 E3       
  y1 z1  x1 z1  x1 y1 
X × Y =  x1 y1 z1  =  E − E + E
y2 z2  1 x2 z2  2 x2 y2  3
      
 x2 y2 z2 
 Propiedades
• (A × B) × C ̸= A × (B × C )
• A × B = −B × A
• A × (A × B) = 0
• A × B = 0 con A ̸= 0 y B ̸= 0 entonces A y B son
paralelos.
• (A + B) × C = A × C + B × C
• (A × B) × C = B(A · C ) − C (A · B)
• A · (B × C ) = (A × B) · C
• ||A × B|| = ||A||||B|||senθ|, θ = ∠(A, B)
• A×A=0
• k(A × B) = (kA) × B = A × (kB)
• El área del paralelogramo determinado por A y B es
||A × B||
 Propiedades

El volumen del paralelepípedo es:

Vol = |U · (V × W )|
 Plano

Dados U y V dos vectores L.I, el plano generado por U y

V es
PUV = {X = rU + sV : r , s ∈ R}
Gráfica Plano
 Plano
Si U y V son vectores L.I y si X, Y son vectores L.I que
pertenecen al plano PUV entonces PUV = PXY Sean U y
V vectores L.I y X ∈ R3 . Entonces

X = rU + sV + t(U × V )

con
||V ||2 (X · U) − (U · V )(X · V )
r=
||U × V ||2
2
||U|| (X · V ) − (U · V )(X · U)
s=
||U × V ||2
X · (U × V )
t=
||U × V ||2
Proyección Ortogonal sobre un plano

Sean U y V vectores L.I y X un punto cualquiera,

entonces
X · (U × V )
PUV (X ) = X − PU×V (X ) = X − (U × V )
||U × V ||2

Proposición. Si U, V son L.I y W , Z son vectores L.I. del

plano PUV , entonces para cualquier X ∈ R3 se tiene que

PUV (X ) = PWZ (X )
 Puntos coplanares

     
a1 b1 c1
Cuatro puntos A = a2 , B = b2 , C = c2  y
    
a3 b3 c3
 
d1
D = d2  son coplanares (están en el mismo plano) si
d3
B − A, C − A y D − A son vectores L.D. Es decir, si
 
b1 − a1 c1 − a1 d1 − a1 
 
b2 − a2 c2 − a2 d2 − a2  = 0
 
b3 − a3 c3 − a3 d3 − a3 
 Distancia de un punto al plano

Sean U y V vectores L.I. y X ∈ R3 , entonces

|X · (U × V )|
dist(X , PUV ) = ||X − PUV (X )|| = ||PU×V (X )|| =
||U × V ||
 Rectas en el espacio
• Ecuación vectorial

L : X = P + tD : t ∈ R

• Ecuaciones escalares paramétricas

L : x = x0 + td1
y = y0 + td2
z = z0 + td3
 
x0
Donde P = y0  es un punto sobre la recta y

z0
 
d1
D = d2  es un vector director.
d3
 Rectas en el espacio

• Ecuaciones simétricas
x − x0 y − y0 z − z0
L: = =
d1 d2 d3
• Ecuación dados dos puntos. Sean P y Q puntos de
la recta
L : X = (1 − t)P + tQ : t ∈ R
 Observaciones

• Tres puntos A, B y C son colineales (están en la

misma recta) si B − A y C − A son L.D.

• Si L pasa por los puntos P y Q, entonces D = Q − P

es un vector director de la recta L.

• El segmento de recta que une los puntos P y Q se

puede escribir como

(1 − t)P + tQ, 0 ≤t≤1

Posición de las rectas en el espacio

Dadas dos rectas en el espacio L1 y L2 con vectores

directores D1 y D2 respectivamente, ellas pueden ser

1. Paralelas si D1 y D2 son L.D. Si además L1 y L2

tienen un punto en común entonces L1 = L2 .

2. Se cortan si D1 y D2 son L.I. y si las rectas L1 y L2

tienen un punto en común.

3. Se cruzan si D1 y D2 son L.I. y L1 y L2 no tienen

ningún punto en común.
Gráfica
Ángulo entre rectas en el espacio

Dadas dos rectas en el espacio L1 y L2 con vectores

directores D1 y D2 respectivamente, el ángulo entre
ellas está dado por
 
−1 |D1 · D2 |
∡(L1 , L2 ) = ∡(D1 , D2 ) = cos
||D1 ||||D2 ||

Notemos que 0 ≤ ∡(L1 , L2 ) ≤ π2 .

Distancia de un punto a una recta en R3
 
r1
Dado un punto R = r2  y una recta L que pasa por el
r3
punto P y tiene vector director D,
      
 x x0 d1 
L : X = P + tD = y  = y0  + t d2  : t ∈ R
z z0 d3
 

calculamos la distancia de R a L usando la expresión:

||D × (R − P)||
dist(R, L) =
||D||
 Vector normal a un plano

Un plano puede determinarse dados 3 puntos que

estén en el plano, o dado un punto y un vector normal
o dado un punto y dos vectores que están sobre el
plano.

Un vector normal al plano es un vector N que es

ortogonal a cualquier vector que pertenece al plano.
Este vector va a formar un ángulo de 90◦ con el plano.
Vector normal a un plano
 Ecuaciones del plano
• Ecuación vectorial del plano.

X = P + tU + sV ; t, s ∈ R

• Ecuaciones paramétricas del plano.

x = x0 + tu1 + sv1
y = y0 + tu2 + sv2
z = z0 + tu3 + sv3

donde P es un punto y contiene los vectores U y V

     
x0 u1 v1
P = y0  , U = u2  , V = v2 
z0 u3 v3
 Ecuaciones del plano

• Ecuación normal.

(X − P) · N = 0

donde P es un punto y N es un vector normal de P.

• Ecuación normal del plano dado tres puntos. Sean

P, Q y R puntos no colineales de un plano.
−→ −→
(X − P) · (PQ × PR) = 0

Notemos que estamos tomando como vector

−→ −→
normal PQ × PR.
 Ecuaciones del plano

• Ecuación escalar o general del plano. Está dada por

la expresión

P : ax + by + cz + d = 0
 
a
donde a, b, c, d ∈ R y si tomamos N = b , N es un
c
vector normal de P y d = −N · P, para algún punto P
del plano.
Posiciones relativas entre dos planos

Sean P1 y P2 dos planos en el espacio con vectores

normales N1 y N2 respectivamente. Las posiciones
relativas entre ellos son:

1. P1 y P2 son paralelos. Ocurre si N1 y N2 son L.D. Si

además, los planos tienen un punto en común,
entonces P1 = P2 .

2. P1 y P2 se cortan. Los planos se intersectanen una

línea recta L que tiene vector director D = N1 × N2 .
Un caso particular de esta situación es cuando P1 y
P2 son perpendiculares, que se tiene cuando
N1 · N2 = 0
Posiciones relativas entre dos planos
Posiciones relativas entre dos planos
Posiciones relativas entre una recta y
un plano
Consideremos ahora una recta L con vector director
D y un plano P con vector normal N. La posición de la
recta con respecto al plano puede ser:

1. L es paralela a P. Esto ocurre si D es perpendicular

a N. Es decir, si D · N = 0. En particular, esto se
tiene cuando le recta está contenida en el plano.

2. L corta a P. Esto ocurre si y sólo si D no es

perpendicular a N y L tiene un único punto en
común con P. En particular, si D y N son
linealmente dependientes, entonces L resulta ser
perpendicular al plano P.
Gráfica
 Distancia de un punto a un plano

 
x0
Dado un punto X0 = y0  y P un plano con ecuación

z0
ax + by + cz + d = 0. Entonces la distancia de X0 a P está
dada por

|ax0 + by0 + cz0 + d|

d ∗ = dist(X0 , P) = √
a2 + b 2 + c 2
 Triángulos en el espacio

Sean A, B y C tres puntos No colineales. Podemos

formar el triángulo cuyos vértices son estos tres
puntos y cualquier punto X que estén en el triángulo
se puede escribir como combinación lineal convexa de
ellos, es decir

X = rA + sB + tC r +s +t =1 0 ≤ r , s, t ≤ 1

El baricentro se calcula de manera usual:

1
Baricentro: Y = (A + B + C )
3