ÁLGEBRA Y GEOMETRÍA

ANÁLITICA

AÑO 2020

Ing CLAUDIO BERASATEGUI

 1

PROGRAMA ANALÍTICO
UNIDAD N°1: Números. Sistemas de
coordenadas.
• Números complejos. Operaciones. Suma. Resta. Producto. Cociente. Potencia. Raíz.
Gráfico.
• Formas binómicas y trigonométricas.
• Sistemas de coordenadas sobre una recta, en el plano y en el espacio. Coordenadas
cartesianas.

UNIDAD N°2: Vectores libres en R2 y R3 .

• Vectores libres. Definición. Operaciones de “suma” y “multiplicación por un escalar”.
Propiedades.
• Paralelismo de vectores libres. Expresión cartesiana de un
vector.
• Producto escalar canónico en R2 y R3. Definición y
propiedades.
• Aplicaciones del producto: Longitud de un vector. Ángulo entre
vectores.
• Ortogonalidad. Vectores unitarios. Descomposición de un vector en dos direcciones
perpendiculares. Distancia entre dos puntos.
• “Producto vectorial” y “Producto mixto” de vectores en R3. Definición. Propiedades.
Aplicaciones.
• Combinación lineal de vectores. Dependencia e independencia lineal de
vectores.
UNIDAD N°3: Matrices.
• Matriz, definición, clasificación.
• Operaciones de suma de matrices y producto de una matriz por un escalar,
propiedades.
• Multiplicación de matrices, definición, propiedades.
• Operaciones elementales de filas y equivalencias por filas de
matrices.
• Matriz escalón reducida por filas. Rango de una matriz.
• Matrices elementales. Condición de equivalencia de
matrices.
• Inversibilidad de matrices, definición.
• Caracterización de matrices inversibles. Cálculo de la inversa. Método de la matriz reducida por
fila. Inversibilidad de productos y de matices elementales. Propiedades.

UNIDAD N°4: Determinantes.

• Definición, propiedades.
• Cálculo de determinante. Regla de Sarrus. Desarrollo por cofactores. Método de triangulación.
Método de Chio.
• Aplicación del determinante a la caracterización de irreversibilidad de una matriz y al cálculo de
la matriz inversa. Método de la matriz adjunta.

UNIDAD N°5: Sistema de ecuaciones

lineales.
• Sistema de ecuaciones lineales. Notación matricial de un
sistema.
• Equivalencia de sistemas. Sistemas homogéneos y no
homogéneos.
• Métodos de resolución: Gauss, Gauss-Jordan, de la matriz
inversa.
• Teorema de Rouche Frobenius.

UNIDAD N°6: Rectas y planos.

• Ecuaciones vectoriales, paramétricas y cartesianas de la recta en R2 y
R3.
 • Ecuaciones vectoriales, paramétricas y cartesianas del plano en
R3.
• Posiciones relativas entre dos rectas, dos planos, una recta y un
plano.
• Problemas de paralelismo e intersección. Problemas de distancia. Ecuación normal de la recta y
el plano. Ángulo entre dos rectas, ángulo entre rectas y planos. Ángulos entre planos.
2
• Haz de rectas. Haz de planos.

UNIDAD N°7: Cónicas y Cuádricas.

• Traslación de ejes coordenados. Ecuaciones.
• Circunferencia, definición, ecuación canónica, ordinaria y
general.
• Parábola, definición, ecuación canónica, foco, directriz, ecuación ordinaria y
general.
• Elipse, definición, ecuación canónica, focos, excentricidad, ecuación ordinaria y
general.
• Hipérbola, definición, ecuación canónica, focos, excentricidad, asíntotas, ecuación ordinaria y
general.
• Cuádricas: elipsoide, hiperboloide, paraboloide, etc. Ecuaciones.
Gráficos

UNIDAD N°8: Espacios Vectoriales.

• Espacios vectoriales y subespacios, definiciones, ejemplos,
propiedades.
• Definiciones y teoremas de caracterización. Generación de un Espacio
Vectorial.
• Bases y dimensión de un Espacio Vectorial. Definiciones. Ejemplos.
Teoremas.
• Cambio de bases. Matriz de cambio de bases.

UNIDAD N°9: Aplicaciones o transformaciones

lineales.
• Definición. Propiedades. Aplicación lineal matricial.
• Imagen y núcleo de una aplicación lineal. Definición. Propiedades. Teoremas de las
 dimensiones.
• Matriz estándar (Rn→Rm). Operadores lineales en el plano
R2→R2.
• “Composición” de las aplicaciones lineales. Matrices de las transformaciones lineales.
Representación de aplicaciones lineales por matrices. Base canónica y otras bases.
• Semejanza y/o similaridad.

UNIDAD N° 10: Valores y vectores

propios.
• Definiciones de “valor propio”, “vector propio” y “subespacio propio”
• Caracterización de los valores propios. Ecuación y polinomio
característico.
• Determinación de los subespacios propios. Propiedades de los valores y vectores
propios.
• Operadores diagonalizables.
• Espacios de productos interiores. Definición.
Propiedades.
• Teorema de Cauchy-Schwarz. Desigualdad del triángulo y Pitágoras
generalizado.
• Longitud y ángulo.
• Normalización de un vector. Bases ortogonales y
ortonormales.
• Proceso de ortogonalización de Gram-Schmidt.
• Diagonalización ortogonal.
• Aplicación a las cónicas.
 3
BIBLIOGRAFÍA

• “Introducción al Álgebra Lineal”. H. Antón,

• “Álgebra Lineal con aplicaciones”. Stanley Grossman,

• “Álgebra Lineal”. S. Lipschutz,

• “Álgebra Lineal con aplicaciones”. G. Nakos y D. Joyner,

• “Geometría Analítica”. C. Lehmann

• “Geometría Analítica del Plano y del Espacio y Nomografía”. D. Di Pietro.

• “Nociones de Geometría y Álgebra Lineal”. Kosak, Pastorelli, Vardanega. Editorial Mc Graw

Hill

• “Álgebra y Geometría. Teoría, Práctica y Aplicaciones”. S. Gigena, F Molina y otros. Editorial

Universitaria

• Álgebra y Geometría Analítica”. A.E. Venturini

 4

UNIDAD N°1: Números. Sistemas de

coordenadas.

Coordenadas
Cartesianas
En un sistema coordenado lineal, (sistema de una dimensión), cuyos puntos se hallan restringidos a
estar sobre una recta, “el eje”, es evidente que nos encontramos extremadamente limitados a
efectuar una investigación analítica de las propiedades geométricas. Por ejemplo, no es posible
estudiar las propiedades de los puntos de una circunferencia. Para extender la utilidad del método
analítico, consideremos ahora un sistema coordenado en el cual un punto puede moverse en todas
direcciones manteniéndose siempre en un plano (dos dimensiones). Este sistema se llama
“coordenado cartesiano” (en homenaje a Descartes-1596-1650) o también coordenado bidimensional
o sistema coordenado plano, o sistema coordenado rectangular. Dicho sistema consta de dos rectas
dirigidas x’x e y’y, llamadas ejes coordenados, que pueden ser perpendiculares entre sí o no, y que
nosotros usaremos ese caso particular.

La recta x’x se llama eje de las “x” o primer eje, o también eje de las abscisas; el otro eje, el eje y’y,
se lo conoce como eje de las “y” o segundo eje, o también como eje de las ordenadas. La
intersección de ambos ejes es el punto “O”, origen del sistema de coordenadas. Estos ejes
coordenados dividen al plano en cuatro regiones llamadas cuadrantes y numerados I, II, III y IV, tal
como se indica La dirección positiva del eje de las “x” es del origen hacia la derecha; la dirección
positiva del eje de las “y” es desde el origen hacia arriba. Todo punto “P” del plano puede localizarse
por medio del sistema rectangular. Para ello se traza el segmento PA̅̅ perpendicular al eje de las “x” o
paralelo al eje de las “y” y luego se traza el segmento PB̅̅ perpendicular al eje “y” o paralelo al eje “x”.
La longitud del segmento dirigido OA ̅̅ se representa por “x” y se denomina abscisa del punto “P”; la
longitud del segmento dirigido OB ̅̅ se representa por “y” y se llama ordenada del punto “P”. Los
números reales, “x” e “y” se denominan coordenadas de “P” y se representan o indican por (x , y).
Estos valores deben ser escritos en forma “ordenada”, escribiendo primero el valor de la abscisa “x”
y en segundo lugar el valor de la ordenada “y”. Es por esta razón, que un par de coordenadas en el
plano se denomina “par ordenado de números reales”. Es evidente entonces, que a cada punto “P”
del plano coordenado le corresponde uno y solamente un par de coordenadas “x ; y”.
Recíprocamente, un par de coordenadas (x ; y) cualquiera determina uno y solamente un punto en el
plano coordenado. Analicemos ahora un punto referido a un sistema de coordenadas rectangulares
en el espacio tridimensional. Consideremos para ello, tres planos mutuamente perpendiculares y que
se cortan en un punto común “O”. (ver figura)
 5

El punto en el espacio tridimensional se localiza con relación a estos elementos. Dichos planos se
denominan planos coordenados y las rectas intersección de dichos planos se llaman ejes
coordenados. El punto “O” se señala como el origen del sistema de coordenadas rectangulares. Un
convenio indica a los ejes coordenados según lo mostrado y se denominan, respectivamente el eje
“x”, el eje “y” y el eje “z”. Estos ejes son rectas dirigidas, cuya dirección positiva está indicada en la
figura y es conocido como sistema coordenado de la mano derecha. Cada plano coordenado se
designa por los dos ejes coordenados que contiene; así, el plano coordenado que contiene a los ejes
“x” e “y” se denomina plano “xy”; tenemos entonces también los planos coordenados “xz” e “yz”. Los
tres planos coordenados dividen el espacio en ocho regiones llamadas octantes.

Prácticamente no se grafican los planos sino simplemente los ejes coordenados. Sea “P” un punto
cualquiera del espacio. Su posición puede determinarse pasar por “P” planos paralelos planos
coordenados y considerando los puntos A, B y C en que cortan a los ejes “x”, “y” y “z”,
respectivamente. Estos planos juntos con los planos coordenados forman un paralelepípedo recto
rectangular. La posición de “P” con relación al sistema de coordenadas está determinada por sus
distancias a los planos coordenados. Dichas distancias están dadas por las longitudes de los
segmentos “OA ̅”,̅ “OB ̅”̅ y “OC ̅”,
̅ denominados respectivamente “x”, “y”, “z”. Entonces los tres
números reales x, y, z constituyen la coordenada “x” o abscisa, la coordenada “y” u ordenada y la
coordenada “z” o cota del punto “P”. Cada coordenada se mide a partir del origen “O” sobre el eje
coordenado correspondiente y dichos valores pueden ser positivos o negativos. Las coordenadas x, y,
z de cualquier punto P se escriben en ese orden, se encierran entre paréntesis y el punto se
representa por P(x, y, z). Un punto en el espacio tiene una y solamente una terna de coordenadas (x,
y, z) relativa a un sistema coordenado rectangular especificado. Recíprocamente, una terna de
coordenadas (x, y, z) determina uno y solamente un punto del espacio respecto a un sistema
coordenado fijo. Es importante escribir las coordenadas (x, y, z) de un punto del espacio en su propio
orden, ya que la posición de una coordenada en el conjunto indica a lo largo de qué eje se mide la
coordenada particular. Por esto, las coordenadas de un punto en el espacio forman una terna
ordenada de números reales. Podemos afirmar entonces que, un sistema de coordenadas
rectangulares en el espacio establece una correspondencia biunívoca entre cada punto del
espacio y una terna ordenada de números reales. De acuerdo a lo que puede observarse en la
figura, los ejes “y” y “z” se trazan en este sistema de proyección, perpendiculares entre sí, pero el eje
“x” se traza de tal manera que el ángulo xoy sea mayor de 90o y, usualmente se toma igual a 135o.

6
Números
complejos

Aparece la necesidad de la creación de los números complejos para dar solución a ecuaciones
del tipo:

x2 + 1 = 0

que no puede ser resuelta en el conjunto de los números reales, porque para que una suma de
números reales positivos sea igual a cero, uno de los números debe ser opuesto del otro; o sea x2
tiene que ser opuesto de 1 , es decir, debe ser negativo
x2 < 0

condición esta, que como dijimos no puede cumplir ningún número real. Hace falta entonces,
encontrar un número cuyo cuadrado sea igual a -1. Considerando entonces la ecuación: x2 + 1 = 0 ,

de donde resulta x2 = −1 . Si a esta última expresión le sacamos la raíz cuadrada, tendremos: √x2 =

√−1 de donde: x = √−1

valor éste último que se consideró como “unidad imaginaria”, y se identifico por la letra “i” latina
minúscula, es decir:
√−1 = i
Definición de número complejo Es todo par ordenado de números
reales, o sea: C = {( a , b ) / a ε R ∧ b ε R} Al número complejo definido
por el par ordenado (a , b) lo indicamos como:

Z = (a,b) (1)

ó si estuviese escrito en su forma binómica

es:

Z = a + bi (2).

Esta es entonces la expresión de un número complejo como par ordenado de números reales o en su
forma binómica. Ejemplos:
1
Z1 = (−1 ,3) ó Z1 = −1 + 3i Z2 = (
⁄ ,−4) ó Z = 1 − 4i
2 2 2 Z3 = (5 ,√5) ó
Z3 = 5 + √5 i

Dados los complejos Z1 = ( a , b ) y Z2 = ( c , d ) , podemos establecer la siguiente relación de

igualdad:

Z1 = Z2 ⇔ a = c ʌ b = d

Observamos que según esta definición, una igualdad entre números complejos significa dos
igualdades entre números reales.0 Para que la expresión (1) ó (2) adquiera la categoría de “número
complejo”, debemos introducir las operaciones de adición y multiplicación.

Adición o suma: Dados los complejos Z1 = (a ,b) = a + bi y Z2 = (c ,d) = c + di , la adición de los

mismos se define por:
Z1 + Z2 = (a ,b) + (c ,d) = (a + c ,b + d) = [(a + c) + (b + d)i]

7
Ejemplo:
Z1 + Z2 = (1,−6) + Z1 (−2 = (1 ,4) ,−6) = (1 = − 1 2 − ,−6 6i ; + 4) = (1 Z2 − = 2) (−2 + ,4)
(−6 = + −2 4)i + = 4i
(−1 ,−2) = −1 − 2i
Multiplicación: La multiplicación de dos complejos dados como par ordenado ó en su
forma binómica, se define como:
Z1 = (a ,b) = a + bi y Z2 = (c ,d) = c + di
Z1.Z2 = (a ,b).(c ,d) = (ac − bd ,ad + bc) (3)
Z1.Z2 = (a + bi).(c + di) = (ac + bdi2) + (ad + bc)i =
= (ac − bd) + (ad + bc)i (3)
Para los complejos dados como ejemplo, tendremos
entonces:
Z1 = (1 ,−6) = 1 − 6i ; Z2 = (−2 ,4) = −2 + 4i
Z1.Z2 = (1 ,−6).(−2 ,4) = [1.(−2) − (−6).4 ,1.4 + (−6)(−2) = (−2 + 24 ,4 + 12) = (22 ,16)
Z1= .Z{[−2 2 = (1 + − (−24)i6i).(−2 2] + + 4 4i) + 12)i} = {[1.(−2) = [(−2 + + (−6).4i24) + (4 2]
+ + [1.4 12)i] + = (−6).(−2)]i} 22 + 16i
=
Diferencia: Dados los números complejos Z1 = (a ,b) Z= 1 − a Z+ 2 bi = Zy 1 Z+ 2 (−Z= (c
2)
,d) = c + di resulta que:
es decir que podemos expresar la diferencia de dos números complejos como la suma
de Z1 con el inverso aditivo de Z2. En este caso, será entonces:
Z1 − Z2 = (a ,b) − (c ,d) = (a ,b) + (−c ,−d) = (a − c ,b − d) ó
Z1 − Z2 = (a + bi) − (c + di) = (a + bi) + (−c − di) = (a − c) + (b − d)i
Conjugado: Dado Z = (a ,b) = a + bi , llamamos conjugado de Z, que simbolizaremos
por Z , al número complejo Z = (a ,−b) = a − bi Es decir, un conjugado de un número
complejo, es aquel complejo en el cual se cambia sólo el signo de la parte imaginaria o
segunda componente. Ejemplo:
̅
si Z = (−3 ,1) = −3 + 1i el conjugado es Z = (−3 ,−1) = −3 − 1i Cociente:
Dados nulo Z2. (Zdos 2 ≠ números (0 ,0) ≠ complejos 0 + 0i), definimos Z1 = (a el ,b)
cociente = a + bi como y Zel 2 = producto (c ,d) de = c Z1 + por di, el siendo inverso Z2
multiplicativo un complejo no de
−1
Tendremos entonces: ZZ12 = Z1.(Z2) y aplicando lo anteriormente expuesto, resultará:
1

( ) 2 2 2 2 2 2 2 2 2 2 2 2 2 Z Z = a , b ⎛ │ ⎝ c c + d ; c - d + d ⎞ │ ⎠ = ⎛ │ ⎝ c ac + d + c bd
, bc ad
+d c +d-c +d
ac + bd
⎞ │ ⎠ = Z1Z2 = ( c2 +
 ,bc − ad
d2 c2 +
) (4)
d2
Al mismo resultado obtenido se llega multiplicando numerador y denominador de la
fracción dada por el conjugado del denominador:
8
= ∙
ZZ ZZ Z
= ( a , b ) . ( c , -d )
Z ( c , d ) . ( c , - d ) y resolviendo tendremos:
=
( a , b ) . ( c , -d ) ( c , d ) . ( c , - d ) ( ac + bd ; bc - ad ) ( cc + dd + dc - cd ) resultando
finalmente:
ac + bd
Z1Z2 = ( c2 +
,bc − ad
d2 c2 +
) (5)
d2
y si los complejos estuviesen dados en su forma binómica, tendríamos:
=
112222Z Z Z Z .Z

.
=(a+bi).(c-di)
Z ( c + d i ) . ( c - d i ) y resolviendo tendremos:
=
(a+bi).(c-di)(c+di).(c-di) ( ac + bd )+( bc - ad)i ( cc + dd + dc - cd )
ac + bd
resultando finalmente: Z1Z2 = ( c2
, bc − ad
+ d2 c2 +
) (5)
d2
y comparando las expresiones (4) y (5), observamos que las mismas son iguales.
Representación Geométrica – Complejos Reales – Complejos Imaginarios Dado el
número complejo Z = (a , b), los números reales “a” y “b” reciben el nombre de
componentes de Z. “a” es su primera componente y se llama parte real de Z o del
número complejo. Simbólicamente se indica Re (Z) = a; “b” es su segunda componente
y se llama parte imaginaria del número complejo. Simbólicamente se indica Im (Z) = b.
 Considerando un sistema cartesiano, los números complejos se corresponden con los
puntos del plano.
La abscisa de cada punto es la parte real y la ordenada es la parte imaginaria. Un
complejo Z = (a , b) se representa entonces geométricamente por el punto del plano (
que indicamos con la misma letra Z) de coordenadas cartesianas “a” y “b” o por el
vector asociado al complejo que va desde el origen del sistema de coordenadas hasta el
punto Z. Luego a cada complejo corresponde un solo punto del plano y un solo vector,
que parte del origen del sistema y cuyo extremo está determinado por el par ordenado
correspondiente, y recíprocamente. Luego: “Un número complejo puede tomarse
como representante de un vector y un vector puede tomarse como representante
de un número complejo”. El punto Z que corresponde al número complejo (a , b) es la
imagen del mismo, mientras que (a , b) es el afijo de Z.
• Un número complejo es real, sí y sólo sí, su parte imaginaria es cero ⇒ Z = (a , 0) = (a
+ 0i).
• Un complejo es imaginario puro, sí y sólo sí, su parte real es cero ⇒ Z = (0 , b) = (0 +
bi).
• Si un complejo no es real, ni tampoco imaginario puro, entonces se llama imaginario ⇒
Z=(a , b)=(a + bi)
211

222

9
Vamos a analizar ahora la forma de llegar a la expresión trigonométrica, polar o exponencial del
número complejo. Para ello utilizaremos la representación gráfica del complejo Z = ( a , b ) = ( a + bi )
(ver figura).

a ⁄ , de donde: a = |Z|cosφ y la del sen φ = b / │Z │ , de donde: b = │Z

La expresión del cosφ = |Z|
│sen φ
Reemplazando los valores de a y b en el par ordenado o en la expresión binómica o
cartesiana del número complejo, tendremos
Z = (a ,b) = a + bi = |Z|cosφ + i sen φ = |Z|(cosφ + i sen φ)
Entonces: Z = │Z │(cos φ + i sen φ) es la forma trigonométrica del número complejo Z = a + bi La
expresión polar es: Z = │Z │φ , en donde se destaca al igual que en la expresión trigonométrica el
valor del módulo del complejo │Z │ y el valor del argumento (ángulo) φ. La forma exponencial es: Z =
|Z|eiφ en donde también se resalta el valor del módulo y del argumento. Es decir, son tres formas de
escribir lo mismo.

Operaciones con Números Complejos expresados en Forma

Trigonométrica

Igualdad : Dos complejos expresados en forma trigonométrica; Z1 = ρ (cos α+i sen α), y , Z2 = σ (cos
ω+i sen ω) serán iguales, si son iguales sus módulos ⇒ ρ = σ y además sí son iguales sus
argumentos o los mismos difieren en un número exacto de giros, o sea:

α = ω ó α = ω + 2πk ó α = ω + 360o k

en donde el término 2πk significa: dos pi radianes o trescientos sesenta grados sexagesimales
multiplicado por el escalar “k”, siendo éste último (k) un número natural equivalente a la cantidad de
giros.

Producto: Dados los complejos: Z1 = ρ (cos α + i sen α) , y , Z2 = σ (cos ω + i sen ω) ,

se define:

Z1 . Z2 = ρ.σ [(cos α + i sen α) . (cos ω + i sen ω)] = = ρ.σ [(cos α

cos ω - sen α sen ω) + i (sen α cos ω + cos α sen ω)

y dentro de este desarrollo, los términos entre paréntesis nos

quedan:
(cos α cos ω - sen α sen ω) = cos ( α + ω ) y (sen α cos ω + cos α sen ω) = sen ( α + ω )

resultando finalmente el producto de Z1 por Z2 expresado en su forma

trigonométrica:

Z1 . Z2 = ρ.σ [ cos ( α + ω ) + i sen ( α + ω )

]

Es decir: “El producto de dos números complejos dados en forma trigonométrica, polar o
exponencial es otro número complejo, cuyo módulo es el producto de los módulos y su
argumento la suma de los argumentos de los complejos dados”.

Cociente: Dados los complejos: Z1 = ρ (cos α + i sen α) , y , Z2 = σ (cos ω + i sen ω) , con la condición
que Z2 sea distinto de cero ⇒ Z2 ≠ (0, 0).
10
Para resolver el cociente entre Z1/Z2, se procede en forma análoga al utilizado para la
forma binómica o cartesiana, multiplicando numerador y denominador por el conjugado
del denominador, o sea:
ρ(cosα + i sen α).σ(cosω − i sen ω)
Z1Z2 =
= ρ[(cosα cosω + sen α sen ω) +i(sen αcosω − cosα sen
σ(cosω + i sen ω).σ(cosω − i sen ω)
ω)]
σ[(cosωcosω + sen ωsen ω) + i(senωcosω − cosω sen ω)]
y del numerador obtenemos:
(cos α cos ω + sen α sen ω) = cos ( α - ω ) y de (sen α cos ω - cos α sen ω) = sen (α - ω
)
y del denominador:
[(cos ω cos ω - i cos ω sen ω+ i sen ω cos ω + sen ω sen ω)] = cos2 ω + sen2 ω = 1 o
ρ [cos (α − ω) + i sen (α − ω)]
sea: Z1Z2 = σ
Es decir, “El cociente de dos números complejos dados en forma trigonométrica,
polar o exponencial, siendo el denominador distinto de cero, es otro número
complejo, cuyo módulo es el cociente de los módulos dados y cuyo argumento es
la diferencia entre los argumentos del dividendo y del divisor”.
Potenciación de números complejos – Fórmula de De Moivre Dados “ n ” números
complejos: Z1 = ρ α ; Z2 = σ ω ; Z3 = τ θ ; . . . ; Zn = δ β y si efectuamos el producto de los
mismos, según la fórmula usada para el producto de complejos en forma trigonométrica,
obtendremos el complejo:
Z1.Z2.Z3. . . . Zn = ρ.σ.τ. . . δ [ cos (α+ω+θ+ ...... +β) + i sen (α+ω+θ+ ...... +β) ] (6)
Si suponemos ahora que: Z1 = Z2 = Z3 =. . . .= Zn = Z , resultarán: ρ = σ = τ = . . . . . . = δ
= λ y además: α = ω = θ =. . . . . . = β = φ; luego, reemplazando en (6), resulta:
Zn = [ λ (cos φ + i sen φ) ]n = λn [ cos (nφ) + i sen (nφ) ]
En donde “n” pertenece a los números naturales. Esta fórmula se la conoce con el
nombre de Fórmula de De Moivre y permite calcular trigonométrica- mente las
potencias de exponente natural de los números complejos. Observamos que: “La
potencia “n-sima” de un número complejo dado en forma trigonométrica, polar o
exponencial, es otro número complejo que tiene por módulo la potencia “n-sima”
de su módulo y por argumento el producto de su argumento por “ n”.
Radicación de Números Complejos expresados en forma trigonométrica Dado un
número complejo Z = ρ φ ; queremos encontrar otro complejo Z0 = σ ω cuya potencia
enésima (siendo “n” un número natural) coincida con el primero; es decir:
 Z0n = Z, o sea: √Z n = Z0 o sea si existe: √ρ(cosφ + i sen φ) n = σ(cosω + i sen ω) (7) tal

que: [ σ ( cos ω + i sen ω ) ]n = ρ (cos φ + i sen φ) y según la fórmula de De Moivre: σn (

cos nω + i sen nω ) = ρ (cos φ + i sen φ) Teniendo en cuenta la condición de igualdad de

dos números complejos dados en forma trigonométrica, y de acuerdo a lo dicho para la
igualdad, se deberá verificar:
σn = ρ (8) , y además: nω = φ + 2πk (9) De (8) tenemos:
φ + 2πk (11)
σ = √ρ n (10) y de (9) ω = n n Reemplazando (10) y (11) en (7), obtenemos la
fórmula buscada:
φ + 2πk
√ρ cosφ + i sen φ n = √ρ n [cos(
) + i sen (φ + 2πk
n
)] (12)
n con “k” que pertenece a los números enteros.
11
Mientras en esta fórmula, el módulo de la raíz buscada está perfectamente determinado
hallando la raíz n- sima aritmética de ρ , no ocurre aparentemente lo mismo con el
argumento, pues como está en función de k (y k pertenece a los enteros), resultarían
infinitos valores para la raíz. Pero esto no ocurre, ya que el número de raíces queda
perfectamente determinado, pues si damos a k los “n” primeros valores (0, 1, 2,. . . .,
n-1) , obtenemos respectivamente, según la fórmula (12) :
φ ) ; (φ + 2π
( n n
) ; (φ + 2 . 2π
n
) ; (φ + 3 . 2π
n
) ; ... ; (φ + (n − 1)2π
n
)

valores estos que se repiten cíclicamente dándole a “k” los valores de: n , n+1 , n+2 , . . .
; pues para k = n, por ejemplo, obtenemos:
φ + n.2π
( n
) = (φ ) + (n .2πk
n
) = φ + 2π = φ
n n n que como podemos observar es el mismo argumento que para k = 0,
aumentado en 2π, y así sucesivamente. Luego: “Todo número complejo no nulo, [Z = ( ρ
φ )], tiene “n” raíces (obtenidas por la fórmula 12), de módulo n √ρ y cuyos argumentos
mínimos se obtienen de la expresión:
φ + 2πk
ω= n n
al dar a “k” valores desde 0 (cero) hasta n-1 ”.
Ejemplo: Dado Z = −2 − 2√3 i , hallar y representar gráficamente Z1/4 . Para expresar Z
en forma trigonométrica o polar, necesitamos conocer su módulo y su argumento, o sea:

( )
Z = a 2 + b 2 = ( - 2 ) 2 + - 2 3 = 4 + 4.3 = 4 + 12 = 16 = 4 El ángulo o argumento del
2

complejo lo obtenemos como el arco tangente de la relación entre el valor de la parte

imaginaria sobre el valor de la parte real;
b
φ = arc tan a En éste caso en particular, si graficáramos el complejo dado, tendríamos
que el mismo estaría representado en el tercer cuadrante, dado que tanto la parte real
como la parte imaginaria son ambas negativas y el vector representativo de dicho
complejo está ubicado en el tercer cuadrante, es decir entre 180o y 270o grados
sexagesimales. Efectuando el cálculo del ángulo, tendremos entonces:
-
φ = arc tan 2 - 2 3 ⇒ φ = arc tan 3 ⇒ φ = 240 0 y que como podemos observar “φ ”
,pertenece al tercer cuadrante. Aplicando la fórmula, obtenemos las raíces: Para k = 0 ⇒
⎛
Z0 = 4 4 │ ⎝ 0 ()
240 240
cos 4 + i sen 0

⎞ ⎛ 240 + 360
4 │ ⎠ = 4 4 cos60 0 + i sen 60 0 Para k = 1 ⇒ Z1 = 4 4 │ ⎝ cos 0 0
4+i
240 + 360
sen 0 0

4( )
⎞ ⎛ 240 + 720
│ ⎠ = 4 4 cos150 0 + i sen 150 0 Para k = 2 ⇒ Z2 = 4 4 │ ⎝ cos 0 0
4+i
240 + 720
sen 0
4 0

⎞
│⎠
240 + 1080
()= 4 4 cos240 0 + i sen 240 0 Para k = 3 ⇒ Z3 = 4 4
⎛
│ ⎝ cos 0 0
4 + i sen
240 + 1080
0 0

⎞
4 │⎠
 = 4 4 ( cos330 0 + i sen 330 0 )
12
Para representar gráficamente dichas raíces, debemos trazar una circunferencia con centro en el
origen de un sistema de coordenadas cartesianas ortogonales y radio n √ρ (en nuestro caso 4 √4 ); a
esta circunferencia pertenecerán las imágenes de las “n” raíces. Una de las imágenes (punto Z0) se
determina considerando a partir del semieje positivo de las abscisas, el valor de un ángulo medido en
sentido antihorario igual φ/n (valor del argumento dividido por “n”) y las restantes raíces diferirán de
esta primera un valor angular de 360o dividido “n”. Uniendo los extremos de los vectores que
representan las “n” raíces, obtenemos un polígono regular de “n” lados. En nuestro caso representará
un cuadrado inscripto en la circunferencia de radio n √ρ .

Z1 Radio = 4 4 a

Z3

Z2
Zo

Z1

60o O
 13

UNIDAD N°2: Vectores libres en R2 y R3

Vectores
Magnitudes escalares y magnitudes vectoriales Del conjunto de las magnitudes
utilizadas distinguiremos dos grupos: las magnitudes escalares y las magnitudes
vectoriales. Las primeras son aquellas que se expresan por un número y la unidad
correspondiente, tales como: volúmenes (3m3), masas (5 Kg masa), energías,
 cantidades de calor, potenciales eléctricos, etc. Dichas magnitudes pueden ser
representadas por segmentos tomados sobre una recta a partir de un origen y de
longitud igual al número real que indica su medida. Para definir las magnitudes
vectoriales debemos dar simultáneamente su módulo, su dirección y su sentido.
Son magnitudes vectoriales: las fuerzas (7 Nw), velocidades (30 r.p.m. ó 140 Km/hora),
campo eléctrico, etc. Un segmento de recta queda determinado por dos puntos
extremos. Cuando dichos puntos están dados en cierto orden, se dice que el segmento
está orientado. Un vector es entonces un segmento orientado. El primero de los
puntos que lo determinan se llama origen o punto inicial y el segundo, extremo o punto
final del vector.
• El módulo es un número que indica la intensidad de la magnitud que el vector
representa y es un valor siempre positivo.
• La dirección es la de la recta soporte o sostén del vector; de tal manera que
todas las rectas paralelas tienen la misma dirección, en cambio, rectas no
paralelas tienen direcciones diferentes.
• El sentido está dado por la punta del vector, pues cada dirección tiene dos
sentidos y el mismo queda determinado partiendo de su origen y dirigiéndose
hacia su extremo. Toda magnitud vectorial puede representarse entonces por un
vector, cuya longitud sea proporcional a la intensidad de la magnitud que representa y

cuya dirección y sentido sean correspondientes a la magnitud vectorial considerada.

E
Para indicar un vector se usa una letra minúscula a la cual se le coloca encima una
flecha o un trazo de la siguiente manera a̅

⃗ ̅̅
a , a̅ o bien OE ó OE O
Clases de vectores Existen distintas clases de vectores.
• Vectores axiales o deslizables: se llama así al vector cuyo sentido y recta de acción
están fijados, no así su punto de aplicación, pudiendo desplazarse sobre la recta de
acción.
• Vector ligado: vector axial o deslizable que además se da el punto de aplicación
• Vector libre o equipolente: aquel que no tiene definidos ni el punto de aplicación ni la
recta de acción y se lo puede trasladar a cualquier punto del espacio. En el cálculo
vectorial lo que más interesa son los vectores libres, y las reglas de cálculo son las
mismas para todos los vectores, por lo cual prescindiremos en lo que sigue de hacer
distinciones entre ellos y sobreentenderemos que trabajamos con vectores libres.
14
Componentes de un vector Vamos a referir nuestro estudio a un sistema de ejes coordenados
cartesianos ortogonales en el espacio tridimensional, de origen “O” y ejes “x”, “y”, “z”.
 z

zF
az az
zP F
P ay ax

yP ay yF o y xP ax xF

x
(fig. 1)

Sean P (xP, yP, zP) y F(xF, yF, zF) el origen y el extremo de un vector dado ā, según lo indicado en la
figura. Se llaman componentes de un vector ā respecto al sistema de ejes coordenados (0, x, y, z), a
las proyecciones de ā sobre los ejes, o sea, a los números:

ax = xF – xP ; ay = yF – yP ; az = zF - zP (1)

y en forma genérica, escribiremos: a̅ (ax ; ay ; az) para indicar que ax , ay, az son las componentes del
vector a̅. Remarquemos que estas componentes son números que pueden ser positivos o negativos.

Siempre debemos tomarlos como se definen en (1), es decir, como diferencia entre las coordenadas
del extremo o del punto final (F) del vector y las coordenadas del origen o principio del vector (P). De
esta manera resulta que dos vectores opuestos (de igual módulo y de igual dirección, pero de sentidos
opuestos), tienen las componentes iguales en valor absoluto, pero de signos contrarios. Al observar la
figura 1, vemos que el vector ā es la diagonal de un paralelepípedo, cuyas aristas son: ax , ay , az . El
módulo del vector ā , verifica:

aaaa=++
222xyz expresión que se toma siempre positiva y que nos da el módulo de un vector en
función de sus componentes.
 15
Cosenos directores de un vector Si hacemos coincidir el origen de un vector v, con el
origen de un sistema de ejes coordenados ortogonales, observamos que dicho vector
forma con los sentidos positivos de los ejes, los ángulos α, β y γ.
z
γ
v
v βO
Z

v
α v Yy Xx
(fig. 2)
Los ángulos hay que tomarlos entre 0o y 180o, de manera que los cosenos directores
pueden ser positivos o negativos. Los cosenos de dichos ángulos se denominan
cosenos directores. De la expresión general del coseno, se deduce:
θ=
cos
cat . adyacente hipotenusa entonces resulta:
α=v β=vy γ=v
cos x v ; cos v ; cos
(2) ,
z v de donde podemos despejar:
v x = v cos α ; v y = v cos β ; v z = v cos γ (3),
que expresan que la proyección de un vector (o segmento orientado) sobre un eje;
es igual a la longitud del segmento (módulo) por el coseno del ángulo que el
mismo forma con el eje. Elevando al cuadrado la expresión (3) :
v2x =

v 2 cos2 α ; v2y =

v 2 cos2 β ; v2z =
 v 2 cos2 γ y sumando miembro a miembro, se tiene:
v2x + v2y + v2z =

v 2 cos2 α +

v 2 cos2 β +

v 2 cos2 γ =

v 2 (cos2 α + cos2 β + cos2 γ ) (4) y recordando que el valor del módulo de un vector
puede ser expresado por :
v=v +v +
x2 2y

v
z2 resulta (4) igual a :

cos2 ∝ +cos2β + cos2γ = 1

que es la relación fundamental que liga los cosenos directores de un vector. De las
expresiones (2) y (3), se deduce también que:
cos α = ; cos β = ; cos γ =
v xv x2+ v y2+ v z2 v yv x2+ v 2y+ v z2 v zv x2+ v y2+
v z 2 es decir, un vector queda completamente determinado (módulo, dirección y
sentido) por sus componentes.
16
Igualdad de vectores Dos vectores se dicen iguales cuando tienen el mismo módulo, la misma
dirección y el mismo sentido.

Así los vectores de la figura son iguales, lo cual se

escribe:
mentos de un conjunto, a saber:
̅
a̅ b (fig. 3)
̅
a̅ = b Esta definición• Reflexiva a = a
̅ ̅
de igualdad es admisible, pues ella cumple las tres
propiedades que se exigen a toda definición de igualdad
̅ ̅
• Simétrica si a̅ = b , b = a̅
̅ ̅
• Transitiva si a̅ = b y b = c ,es a̅ = c

El módulo de un vector es siempre un número positivo. Del análisis y comparación de la definición de

componentes de un vector y de la definición general de igualdad de vectores se deduce: dos
vectores iguales tienen las mismas componentes en cualquier sistema de coordenadas.

Expresión cartesiana ó canónica de un vector Referimos el vector ā = AB a una terna cualquiera

de ejes cartesianos. Si proyectamos el vector ā sobre los ejes, tendremos:
ax = xB − xA , ay = yB − yA , az = zB − zA

que son las componentes del vector ā

.

z
zB

aZ

zA a B
A

B2 B1

yA aY yB
y xA aX

xB

x (fig. 4)

Tomemos ahora sobre cada eje, vectores en su dirección y de módulo unitario. Todo vector de módulo
unitario se denomina versor. Al versor correspondiente al eje “x” se lo designa i, al del eje “y” se lo
̅
designa j y al del eje “z” se lo nominak. Considerando ahora las proyecciones del vector a̅ sobre los
̅
ejes como vectores; éstos serán: ax i; ay j; az k, lo cual resulta de multiplicar los versores por las
respectivas componentes del vector a̅ Trasladando los ejes al punto A es fácil ver que el vector ā
resulta como suma geométrica (suma vectorial) de los vectores proyección:
a̅ = ax i + ay j + az k
17
que es la expresión cartesiana del vector. Diremos también
que en R3, las componentes de los versores son:
Módulo de un vector Si analizamos el triángulo AB1B2 (fig. 4), que es rectángulo en
B2 , se obtiene por Pitágoras:
AB AB B B = +
2221221 Del triángulo AB1B , rectángulo en B1 , también
por Pitágoras se obtiene:
AB AB B B = + ,
22211 pero:

AB = │ā│ ; 2 AB = ax ; 2 1 B B = ay ; 1B B = az ,
por lo tanto, reemplazando , resulta:

|a|2 = ax2 + ay2 +

ay2 y despejando, se obtiene finalmente:

|a̅| = √ax2 + ay2 + az2

Entonces como conclusión tenemos, que el módulo de un vector es igual a la raíz cuadrada de la
suma de los cuadrados de sus componentes.

Vectores paralelos Si dos vectores ā (ax, ay, az) y b (bx, by, bz) son paralelos y del mismo sentido,
tendrán los mismos cosenos directores y por lo tanto, tendremos:

ax = │ā│ cos α ; ay = │ā│ cos β ; az = │ā│ cos γ (1) Paralelos y del mismo
sentido. bx = b cos α ;
by = b cos β ; bz = b cos γ (2) Si son paralelos y de sentidos contrarios, los ángulos que forman con los
ejes coordenados difieren en 180o y por lo tanto, los cosenos directores resultan iguales pero de
signos opuestos; o sea que tendremos:

ax = │ā│ cos α ; ay = │ā│ cos β ; az = │ā│ cos γ (1) Paralelos y de sentido

contr
ario. bx = b - cos α ; by = b - cos β ; bz = b - cos γ (3)
 a a |a| ̅|
De las relaciones entre (1) y (2) y entre (1) y (3), tendremos: axbx = y y=
b z z=
b ± ̅ |b valiendo el
signo más ( + ) en el primer caso y el signo menos ( - ) en el segundo. Como conclusión
enunciaremos el siguiente teorema: La condición necesaria y suficiente para que dos vectores
a
sean paralelos es que sus componentes homólogas sean proporcionales, es decir: axbx = yby

a
= z z
b
̅
i (1,0,0) ,j (0,1,0) , k (0,0,1)
18
si el valor de estas igualdades es positivo, los vectores tienen el mismo sentido y
si es negativo, tienen sentidos opuestos.
̅
Adición o suma de vectores Para sumar dos vectores a̅ (ax,ay,az) y b (bx, by, bz) se
procede de la siguiente manera. A partir de un punto cualquiera “O” del plano se traza
un vector equipolente al vector ā, haciendo coincidir el origen de éste con el punto “O”.
̅
Por el extremo de a̅ trazamos un vector equipolente al vector b de tal manera que
coincida el origen de éste último con el extremo de a̅; y el vector cuyo origen es el origen
̅ ̅̅̅
de a̅ y cuyo extremo es el extremo del vector b, es el vector suma: a + b Al mismo
̅
resultado se llega tomando los vectores a̅ y b con el mismo origen “O” y definiendo la
suma como la diagonal que pasa por “O”, del paralelogramo construido con los vectores
̅
equipolentes de los vectores a̅ y b dados.
̅̅ ̅̅
̅ ̅ ̅ ̅
bba+b a+b
̅
a̅ O b O
a̅ a̅ Observando la figura siguiente, deducimos que proyectando la poligonal formada por
̅
los vectores ā, b y a + b sobre los ejes coordenados, resulta que las componentes del
̅
vector suma a + b son la suma de las componentes de los vectores a̅ y b. Por ejemplo,
al proyectarse sobre el eje “x”, la componente de a + b es:
PP=PP-PP=a+b
1x 1x 2x x 3x 2x 3x x

z
̅̅
̅
a + b P3 P1
̅
a̅ b P2
P1y P2y P3y
O y P2x P3x P1x
̅
x Se puede por tanto establecer: El vector suma de otros dos [a̅ (ax,ay,az) y b (bx, by, bz)]
es el vector que tiene por origen y extremo, respectivamente, el origen y el extremo de
la poligonal obtenida llevando un vector a continuación del otro. Las componentes del
vector suma son las sumas de las componentes, o sea: ax + bx ; ay + by ; az + bz y
generalizando para más de dos vectores, diremos que las componentes del vector suma
son las sumas de las componentes homólogas de todos los vectores intervinientes.
La adición o suma de vectores goza de las siguientes propiedades:
 ̅ , b̅ ̅ ̅ ̅ ̅ ̅) + c = a̅ + (b̅
1) Uniforme: a̅ = a′ = b′ ⇔ a̅ + b = a′ + b′ 2) Asociativa: (a̅ + b + c) 3)
̅ ̅
Conmutativa: a̅ + b = b + a̅ 4) Del cero: existe un único vector, llamado el cero 0 (0, 0) ,
que sumado con cualquier otro vector no
lo altera: 0̅ + a̅ = a̅ + 0̅ = a̅
19
5) Del opuesto: dado un vector a̅ (ax, ay, az), existe uno opuesto -a̅ (-ax, -ay, -az) (es decir
el opuesto de un vector es aquel que tiene las componentes con los signos opuestos o
contrarios) que sumado con aquel da por resultado el vector cero: a̅ + (-a̅) = 0
Sustracción o diferencia de vectores De acuerdo a lo expresado en el párrafo
anterior, dado un vector b (bx, by, bz) se representa por – b al vector opuesto, es decir, al
que tiene el mismo módulo y la misma dirección, pero sentido contrario. Las
̅ ̅
componentes de −b son: La sustracción o diferencia −ba̅ x − , b −bde y ,−bz dos vectores
̅
le sumamos al vector a̅ el opuesto del vector b
̅
es igual a la suma del vector a̅ y del vector −b, es decir
̅
Por lo tanto, las componentes del vector diferencia a̅ − b son las diferencias de las
componentes homólogas, o sea: ax – bx ; ay – by ; az - bz Para la verificación geométrica
̅ ̅
de la diferencia a̅ − b procederemos como en el caso de la suma, tomando −b en lugar
̅
de b .
b b a̅ a̅
̅̅ ̅̅
̅ ̅
a − b b- b- a − b a̅
Suma algebraica de varios vectores Como restar el vector b es lo mismo que sumar
̅
−b, cuando se tengan varios vectores que haya que sumar o restar entre sí, bastará

siempre considerar únicamente el caso de una suma: a + b +

( - c ) +∙ ∙ ∙ ∙ + e
tomando con el signo cambiado aquél vector que haya que restar. Para verificar
geométricamente esta suma basta llevar sucesivamente estos vectores, de manera que
el origen de cada uno coincida con el extremo del precedente. El vector que une el
origen del primero “a̅” con el extremo del último “e̅”, es el vector suma. En particular, si
̅
los vectores a̅,b,...,e forman una poligonal cerrada, el vector suma tiene su origen y
extremo coincidentes; es decir, su resultado es el vector nulo, o dicho de otra forma, los
 ̅
vectores considerados están en equilibrio. Analíticamente, el vector a̅ + b + c + ⋯+ e es
el que tiene por componentes las sumas de las componentes respectivas:
̅
a̅ + b + c + ⋯ + e = (ax+bx+cx+ . . .+ex ; ay+by+cy+ . . . +ey ; az+bz+cz+ . . +ez)
Producto de un vector por un escalar
a̅ aλ aλ-
Propiedades: 1) El producto de un escalar por un vector es distributivo respecto a la
suma de escalares:
( λ + σ ) a̅ = λ a̅ + σ a̅
En efecto, siendo λ a̅ y σ a̅ de la misma dirección que a̅ , su suma nos da un vector de la
misma dirección, cuyo módulo es el valor absoluto de la suma algebraica de dos
segmentos cuyo sentido depende de los signos de λ y σ y cuyos valores absolutos son λ
‫׀‬a̅‫ ׀‬y σ ‫׀‬a̅‫׀‬.
Las figuras son análogas al caso de la suma de vectores. Debemos hacer notar que la
̅
diferencia es la operación inversa de la suma, es decir: a̅ − b = c de donde se deduce
̅
que: a̅ = b + c
Dado un vector a̅ y un escalar λ (o sea un número real cualquiera), el producto λ . a̅ es
otro vector de la misma dirección que a̅ , cuyo módulo es igual a λ veces el módulo de a̅
y cuyo sentido es el mismo de a̅si λ es positivo o el opuesto si λ es negativo.
20
2) Es distributiva con respecto a la suma de vectores:
λ (a̅ + b ) = λ a̅ + λ b

3) Goza este producto de la propiedad asociativa respecto del producto de

escalares:
λ (σ . a̅ ) = (λ.σ) a̅ = σ ( λ. a̅ )

Finalmente, la expresión cartesiana de la multiplicación por un escalar

será:
λ. a̅ = λ.ax i + λ.ay j + λ.az k

Producto escalar de dos vectores Se llama o se define como producto escalar o interno, o producto
̅ ̅
punto de dos vectores a̅ y b, al escalar obtenido como producto de los módulos de a̅ y b por el coseno
del ángulo formado por los dos vectores. Indicaremos el producto escalar con un punto, de manera
que será:
̅ ̅
b a̅ .b =
 ̅
|a̅||b|cosθ θ
a̅ siendo θ el
̅| sus módulos. Además θ varía entre: 00
ángulo que forman los dos vectores y |a̅| y |b ≤ θ ≤ π Si
expresamos los vectores por medio de su forma canónica o cartesiana, tendremos:
̅) , b̅ ̅
a̅ = (axi + ayj + azk = (bxi + byj + bzk) y realizando su producto
como sí se tratara de dos polinomios (en forma distributiva) y teniendo en cuenta los productos de los
vectores unitarios o versores, tendremos:
̅ ̅) .(b i + b j + b k)̅̅
a̅ .b = (axi + ayj + azk x y z =

̅ ̅ ̅ ̅ ̅ ̅
= axbxi .i + axbyi .j + axbzi . k + aybxj .i + aybyj .j + aybzj . k + azbxk .i + azbyk .j + azbzk .k

Consideremos en la expresión anterior, los productos escalares de los vectores unitarios o versores.
Recordemos que los versores coinciden con los ejes coordenados y estos son perpendiculares entre
sí (90o). Entonces tendremos:
i . i = |i||i|cos0° = 1 .1 .1 = 1 =
2
i por igual razón:
̅ ̅ ̅
j .j = 1 = j2 y k .k = 1 = k2

Recordar que: cos 0o = 1 y que: cos 90o = 0 Analizando ahora

los productos cruzados de los versores, tenemos:

i .j = |i||j|cos90° = 1 .1 .0 =
0 y de la misma forma:
̅ ̅ ̅ ̅
i .k = j . i = j .k = k . i = k .j = 0

Teniendo en cuenta lo aquí analizado, el producto escalar de dos vectores dados en su forma
canónica, queda así determinado:
̅
a̅ .b = ax bx + ay by + az bz

resultando entonces que el producto escalar de dos vectores dados en su forma canónica no es otra
cosa que la sumatoria de los productos de las componentes homólogas de ambos vectores.
 21
Otra forma de llegar al mismo resultado obtenido para el producto punto de dos vectores
dados en su forma canónica es: z
P(uX;uY;uZ)

u θ v Q(vX;vY;vZ)
y
x

v - u 2 = u 2 + v 2 - 2 u v cos θ y si de la misma ahora despejamos: u v cos θ = 1 2 (u 2

+ v 2- v - u 2
)
en ésta última expresión podemos observar que lo que está a la izquierda del signo

igual no es otra cosa que el producto escalar de dos vectores, o u . v sea = 1 2 que
(
dicha u 2 + fórmula v 2 - v - u puede 2
)
ser escrita también como: (1)
si ahora hacemos la sustitución:

u 2 = ux2 + uy2 + uz2 y

Sean u̅ = (ux, uy, uz) y v = (vx, vy, vz) dos vectores diferentes de cero. Si θ el ángulo entre
u̅ y v (ver figura), entonces por la ley de los cosenos resulta:
|PQ̅̅ |2 = |u̅|2 + |v|2 − 2|u̅||v|cosθ
y puesto que PQ = v - u , la última expresión puede ser escrita como:

v 2 = vx2 + vy2 + vz2 y además

v u- 2 = ( vx – ux )2 + ( vy – uy )2 + ( vz – uz )2 en la ecuación (1), de la cual después de

simplificar se obtiene:
u̅ .v̅ = uxvx + uyvy + uzvz
El Producto Escalar goza de las siguientes propiedades:
̅ ̅ ̅
a) Conmutativo: a̅ . b = b . a̅ b) Distributiva respecto a la suma de vectores: a̅ . (b + c ) =
̅
a̅. b + a̅ . c c) Si se multiplica uno de los vectores por un número, el producto escalar
quedará multiplicado por
dicho número
̅ ̅ ̅
( λ . a̅ ) . b = λ (a̅ . b ) = (λ . b ) . a̅ con la condición de que λ ≠ 0 d) a̅ . a̅ = ‫׀‬a̅2‫ ; ׀‬es decir ,
¹⁄
‫׀‬a̅‫( = ׀‬a̅ . a̅ )
Demostración de d): Supuesto que el ángulo θ entre a̅ y a̅ es cero, se tiene:
a̅ . a̅ = ‫׀‬a̅‫ ׀‬. ‫׀‬a̅‫ ׀‬cos θ = ‫׀‬a̅2‫ ׀‬cos 0o = ‫׀‬a̅2‫( ׀‬Tener presente que coseno de cero grado es
igual a uno → cos 0o = 1)
Ángulo de dos vectores De la definición de producto escalar, se puede considerar que:
̅
a̅ . b = a b cos θ , lo que implica que: a̅ . b = 0 ⇒

⎧ ││ ⎨│ │⎩ θb a= = = 00

π 2 = 90o De esta última expresión deducimos que si es nulo el producto escalar de

dos vectores, no siéndolo ninguno de ellos, podemos asegurar que los vectores
son perpendiculares, o dicho de otra manera, la
22
condición necesaria y suficiente para que dos vectores sean perpendiculares es
que su producto escalar sea nulo, no siéndolo ninguno de los dos factores. De la
̅
expresión del producto escalar a̅ . b = a b cos θ , se puede despejar el valor de cos θ y a
partir de allí calcular θ , determinando para ello el valor del arc cos , o sea:
θ=
cos
a . b a .b pero habíamos visto que:
a̅ . b = ax bx + ay by + az bz y también que:
a=a +a +a
x2 2y z2
yb=b2 +b 2 +
x y

b 2
z es decir que reemplazando se tiene:
cos + + cos +
θ = a x b x a y b y a z b z a x 2 + a 2 y + a z 2 b 2 x + b y 2 + b z 2 ⇒ θ = arc a xb x a yb
+
y
a zb z

a x2+ a 2y+ a z2b 2x+ b y2+

̅ ̅| cos θ , se puede analizar
b z 2 También de la definición de producto escalar, a̅ . b = |a̅|.|b
la misma y considerar ̅| cos θ. Dicho producto no
del segundo miembro el producto de |b
es otra cosa que la proyección

̅
Pb
̅ P’ a̅
θ O ba
Es útil, en algunas circunstancias “descomponer” un vector en una suma de vectores
̅
perpendiculares. Si a̅ y b son vectores diferentes de cero en el espacio bidimensional o
tridimensional, entonces es posible escribir al vector a̅ como:
a̅ = w̅̅ 1 +w̅̅ 2 2w
̅ ̅
a en donde a b. w̅̅ 1 es un múltiplo escalar del vector b y w̅̅ 2 es perpendicular
̅
1 w b El vector ortogonal a 1w b.
̅
recibe el nombre de proyección ortogonal de ā sobre b y 2w es la componente de ā
Los vectores 1w y 2w se pueden obtener de la forma siguiente. Debido a que 1w es un
̅
múltiplo escalar del vector b , entonces 1w puede ser expresado como:
̅ ̅
1 w = k b Por lo tanto: a̅ = w 1 w+ 2 = k b + 2w (2) Si ahora efectuamos el producto escalar
̅
de los vectores a̅ y b, considerando para ello el valor final del vector a̅ dada por la
expresión (2) , tendremos:
̅ ̅ ̅
a̅ . b = ( k b + 2w ) . b = k
̅
del vector b sobre el vector a̅. Si observamos la figura, vemos que el vector OP ' es la
̅
componente de b en la dirección de a̅, o sea:
 OP ' = b cos θ = a . b a b 2 + 2w . b̅
Supuesto que 2w es perpendicular a b , se tiene entonces que: 2w . b = 0 , de modo que
para esta ecuación se llega a:
̅
a̅ . b = k

b 2 de donde se puede despejar el valor de k ; tenemos entonces:

23
2k
=
.a b
b
̅
y como habíamos expresado que w 1= k b se obtiene el valor de w 1reemplazando el
valor de k últimamente determinado:
w 1 = kb =
.a b
b
2 b
̅
siendo entonces w 1la proyección ortogonal del vector a̅ sobre el vector b. De la
expresión a̅ = w 1+ 2w podemos despejar el valor de 2w y entonces tendremos: 2w = a̅ - w
1expresión esta que queda:

w 2= a -
a.bb

2b siendo entonces w 2 la componente del vector a ortogonal al vector b . Producto

vectorial En algunas aplicaciones de ingeniería es útil poder realizar la construcción de
un vector en el espacio tridimensional que sea perpendicular a otros dos. Este producto
vectorial que a continuación desarrollaremos, nos da la solución de la inquietud
planteada. Se llama PRODUCTO VECTORIAL, PRODUCTO CRUZ ó PRODUCTO
̅
EXTERNO de dos vectores a̅ y b, al vector o pseudo vector c , que tiene: El módulo
̅
igual al producto de los módulos de a̅ y b por el seno del ángulo que forman dichos
vectores; la dirección es perpendicular al plano determinado por las direcciones de los
vectores a̅ y
V
cb
PV
θ
 ̅
a También se puede decir que el sentido es tal que el triedro a̅ , b , c tenga la misma
orientación que el espacio, o sea el triedro tenga la orientación positiva o directa; otra
manera sería, un tornillo de rosca derecha (o un sacacorchos) colocado normalmente al
̅ ̅
plano determinado por los vectores a̅ y b y girando el vector a̅ hacia el b , el tornillo
avanza hacia arriba.
El módulo del vector o pseudo vector que representa el producto vectorial es igual al
área del paralelogramo construido con los vectores que intervienen en dicho producto
vectorial.
El Producto Vectorial se representa con los siguientes símbolos: × ó ∧ , o sea Vpv = a ∧
b⇒
̅
b y el sentido es tal, que un observador parado con los pies en el origen de los vectores
vea girar el vector que premultiplica sobre el vector que posmultiplica en sentido
antihorario. El ángulo que pueden formar dichos vectores está comprendido entre cero y
ciento ochenta grados.
Otra forma es la regla de la mano derecha, donde si ponemos los dedos de dicha mano
de modo que apunten en la dirección de rotación, entonces el pulgar indica la dirección
del vector resultado. (Ver figura)
24
Vpv = a b senθ Si se analiza el producto vectorial de los versores, se tiene: i ∧ i = i i
senθ , pero como los vectores están uno sobre otro el ángulo que forman es 0o y el sen

0o = 0, resulta que el producto vectorial de i ∧ i = i 2 = 0 ; de igual manera: j ∧ j = k ∧ k =

0 O sea, el producto vectorial de los versores por sí mismo es igual a cero. En cambio
los productos cruzados son:
i ∧ j = k ;- j ∧ i = k osea j ∧ i = -
k

j ∧ k = i ;- k ∧ j = i oseak ∧ j = -
i

k∧i=j;
- i ∧ k = j oseai ∧ k = - j
Propiedades:
1) a ∧ b = - ( b ∧ a ) No es conmutativo o es anticonmutativo. 2) a̅ ∧ (b +c ) = (a̅ ∧ b ) + (a̅
∧ c) Propiedad distributiva (por izquierda) 3) (a̅ +b ) ∧ c = (a̅ ∧ c) + (b ∧ c) Propiedad
distributiva (por derecha) 4) a̅ ∧ (b ∧ c) ≠ (a̅ ∧ b ) ∧ c No goza de la propiedad asociativa.
5) Siendo λ un escalar se verifica: λ (a̅∧b ) = (λa̅ ) ∧ b = a̅ ∧ (λb ) 6) a̅ ∧ 0̅ = 0̅ ∧ a̅ = 0̅ 7) a̅
 ∧ a̅ = 0
Consideremos ahora dos vectores expresados en su forma canónica:
̅) , b̅ ̅
a̅ = (axi + ayj + azk = (bxi + byj + bz k)y recordando la propiedad distributiva y el valor
de:
i ∧ i = j ∧ j = k ∧ k = 0 yquetambien i ∧ j =
̅ ̅
k , etc ., seresuelve : b = bxi + byj + bzk
̅
a̅ = axi + ayj + bzk
̅ ̅ ̅ ̅ ̅
a̅ ∧ b = axbxi2 + axbyi ʌ j + axbzi ʌ k + aybxj ʌ i + aybyj2 + aybzj ʌ k + azbxk ʌ i + azbyk ʌ j +
̅
azbzk2 =
̅ ̅
= axbyk − axbzj − aybxk + aybzi + azbxj − azbyi
̅ ̅
a̅ ∧ b = (aybz − azby)i + (azbx − axbz)j + (axby − aybx)k
siendo éste el resultado que nos da las componentes del vector producto vectorial. Al
mismo resultado se llega mediante la resolución de un determinante planteado de la
siguiente manera:
̅ ̅
i j k a̅ ∧ b = |
ax ay az

En la primera fila se escriben los versores: i , j y k̅; en la segunda fila las componentes
del vector que bx by bzpremultiplica, y en la tercera fila las componentes
del vector que posmultiplica. |
25
̅
Producto mixto de tres vectores Se llama producto mixto de tres vectores a̅ , b , c y se representa
̅ ̅
por (a̅ ˄ b . c) al resultado del producto vectorial de los vectores a̅ y b multiplicado en forma escalar
por el vector c.
El producto mixto de tres vectores es igual al
V pv volumen del paralelepípedo construido sobre
los mismos una vez llevados a partir de un
origen común. Esto se obtiene como
cγ
̅
consecuencia de que el producto vectorial a̅ ʌ b
bθ nos da un vector (V pv ) perpendicular al plano
a̅ determinado-
 por los vectores a y b y cuyo módulo representa el área del paralelogramo definido por dichos
vectores (base del paralelepípedo). Dicho Vector Producto Vectorial hace un ángulo γ con el vector c ,
con quien se debe multiplicar en forma escalar, resultando de ello que dicho producto representa la
altura del paralelepípedo (proyección del vector c sobre el vector producto vectorial). (Recordemos
que el producto escalar de dos vectores me da como resultado un escalar). Puede suceder que el
valor del Volumen (solución del producto mixto) resulte negativo. Esto ocurrirá cuando el ángulo sea
mayor que un recto (en éste caso el cos γ es negativo, es decir, cuando γ toma valores entre 90o y
180o).

Producto Mixto (Expresión Cartesiana) La forma de resolver el producto mixto se puede efectuar
̅
realizando el producto vectorial de los vectores a̅ y b , expresados en forma cartesiana y luego
multiplicando este resultado en forma escalar por el vector “c”; o sea, siendo:
̅ ̅
a̅ ∧ b = (aybz − azby)i + (azbx − axbz)j + (axby − aybx)k y
ahora multiplico el resultado anterior, por el vector:
c = cxi + cyj +
̅
czk en forma escalar, resultando:

̅
(a̅ ∧ b).c̅ = (aybz − azby)cx + (azbx − axbz)cy + (axby − aybx)cz
rda a derecha) y finalmente, en la tercera fila, las
onentes del último de los vectores.

̅).c = | c c c
(a̅ ∧ b a xxa yya zz
bx by bz|
Al mismo resultado se llega mediante el desarrollo del
siguiente determinante, formado como podemos
observar, colocando en la primera fila las componentes
del primer factor (vector que está más a la izquierda en
la expresión del producto mixto), en la segunda fila las
componentes del vector que ocupa la posición del
medio (del producto y siempre siguiendo el orden de
Combinación lineal de vectores Dependencia e independencia lineal de vectores
h
a 3a
2a
g 1a
e
Resulta así:
̅
a̅ = pe + qg + rh (1). Entonces podemos concluir de esto, que:
̅
Dados tres vectores e̅, g̅ y h, en R3 , no paralelos a un mismo plano, todo otro
vector ā puede escribirse en la forma indicada en (1), es decir, como una
combinación lineal de ellos.
Recordando que el vector de longitud cero se denomina vector cero o vector nulo y el
mismo se indica por 0 . El mismo no tiene dirección natural y por tal razón se le podrá
asignar cualquier dirección que resulte conveniente para el problema considerado. Sean
̅
los vectores unitarios o versores i, j, k. Deseamos hallar los posibles escalares d1, d2 y d3
que satisfagan:
Expresado en función de sus componentes, resulta:
̅
0̅ = d1i + d2j + d3k
(0 , 0 , 0) = d1(1 ,0 ,0) + d2(0 ,1 ,0) + d3(0 ,0 ,1)
de donde:
(0 ,0 ,0) = (d1 ,0 ,0) + (0 ,d2, 0) + (0 , 0 , d3) = (d1,d2,d3)
d1 = 0 ,d2 = 0 ,d3 = 0
Se trata pues de un sistema con solución única y la misma es nula. En forma general:
0 = 0 1v + 0 2v + . . . . . . . + 0 nv
Resulta que en éste caso todos los escalares son nulos. Se trata pues de una
combinación lineal trivial. Consideremos ahora los vectores u = (1, 2, 3) y v = ( 2, 4, 6).
Podemos expresar:
2 u + (-1) v = 0 es decir, se puede obtener el vector nulo como combinación lineal de los
vectores u y v a través de los escalares 2 y -1. Tenemos entonces que aparte de la
combinación lineal trivial, que siempre se puede formar, puede existir otra combinación,
en donde los escalares no sean todos nulos. Entonces podremos definir: “Un de
expresar conjunto al de vector vectores nulo u̅̅ 1 ,ucomo ̅̅ 2 ,... ,ucombinación ̅̅ n se
dice linealmente independiente lineal de ellos cuando la única posibilidad es
mediante escalares todos nulos (combinación lineal trivial)”.
̅
Sean e , g y h tres vectores no paralelos a un mismo plano y a̅ otro vector cualquiera.
̅
Proyectando el vector a̅ sobre cada uno de los vectores e , g y h (considerados como
ejes de referencia), paralelamente al plano determinado por los otros dos y llamando 1a ,
2a y 3a a los vectores obtenidos como proyección, resulta entonces: a̅ = a̅1+ a̅2 + a̅3.Por
 otra parte, siendo a̅1 un vector que tiene la dirección de e , es: a̅1 = p e, siendo p un
escalar (igual al cociente entre los módulos de a̅1 y e , con signo positivo (+) si estos
tienen el mismo sentido y signo negativo (-) si tienen sentidos opuestos). Análogamente
̅
es r h , siendo q y r escalares.
a̅2 = q g y a̅3 =
27
Por otra parte decimos que: “Si existe alguna combinación lineal con coeficientes no todos
nulos, los vectores se dicen linealmente dependientes”. El significado geométrico de la definición
anterior, es el siguiente: Si dos vectores u y v son linealmente dependientes, indica que se puede
escribir:
d
d1 u + d2 v = 0 suponiendo que: d1 ≠ 0 , tendremos: 21
d
u = d v - y llamando 21 d = d - , nos queda u = d v es decir “u ” es un múltiplo escalar de v ; dicho de
otra manera, ambos vectores tiene la misma dirección (son paralelos). Cuando esto no ocurre, los
vectores son linealmente independientes y tendrán direcciones distintas. La condición necesaria y
suficiente para que tres vectores sean coplanares, es que sean linealmente dependientes. Si los
vectores son linealmente independientes, los mismos tienen tres direcciones diferentes. En otras
palabras, tres vectores son linealmente dependientes sí y sólo sí su producto mixto es cero (es decir
no generan volumen). Las propiedades de dependencia e independencia lineal nos permiten definir el
concepto de base y dimensión. La dimensión de un espacio vectorial está dada por el número
máximo de vectores independientes de dicho espacio vectorial. Por ejemplo, si la dimensión es tres
(3), son necesarios tres vectores linealmente independientes para definir dicha dimensión; y si la
dimensión fuese “n” es necesario tener “n” vectores linealmente independientes. El análisis del
espacio de tres dimensiones (R3), nos da una idea general acerca de lo que se puede considerar
como una base. Todo conjunto de tres vectores linealmente independientes en R3 definen una base
de dicho espacio vectorial. En cada espacio existe más de un conjunto linealmente independiente que
permite definir una base; es decir que para cada espacio vectorial “n” dimensional hay conjuntos de
vectores distintos linealmente independientes que conforman bases para dicho espacio vectorial.
Cambiar un vector “v̅” de base en un espacio vectorial a otra base de dicho espacio vectorial,
significa cambiar el sistema de ejes coordenados, luego en este nuevo sistema (nueva base) el vector
tendrá otras componentes que lo identifiquen.
 28

UNIDAD N°3: Matrices. Se llama matriz a un cuadro ordenado, que

puede contener en su interior números reales o complejos, letras o números y letras; es
decir elementos dispuestos en un cierto orden, distribuidos en “m” filas y “p”
columnas. A los elementos de una matriz se los distingue con un doble subíndice; el
primero indica el número de orden de la fila contando de arriba hacia abajo; y el
segundo, el número de orden de la columna contando de izquierda a derecha. Por
ejemplo, el elemento aij ocupa la fila “i” y la columna “j”. Se identifica a las matrices,
encerrando el cuadro de elementos entre corchetes, [ ] , paréntesis gruesos, ( ) , o
dobles barras ││ ││. Entonces una matriz que tenga “m” filas y “n” columnas, se dice
que es de dimensión, de orden, de tamaño o de tipo “m x n”. Si la matriz tiene “m”
filas y “m” columnas, decimos que la matriz es cuadrada de orden “m”. A las
matrices las identificamos con letras mayúsculas (A, B, C, . . . . , M) y se las escribe del
siguiente modo:
11 12 13 1
21 22 23 2
123

........
A =⌈ │ │ │ │ │ │ ⌊ a a a . . a a . . a a a
a ........
a . ........ . . ........ . a ........
a
⌉ │ │ │ │ │ │ ⌋ Esta es la matriz “A” de orden “m x n” . En forma abreviada se expresan
las matrices:A = ǁaijǁ, en donde i = 1, 2, 3, . . . . , m y j = 1, 2, 3, . . . . . , p . Si se quiere
poner en evidencia las dimensiones de la matriz, se escribe: A (mxp) = ǁaijǁ. No
usaremos la notación [aij] ó (aij) ya que se puede pensar que los corchetes o los
paréntesis encierran un único elemento aij La matriz compuesta de una sola fila se llama
matriz fila o vector fila y se conviene usar paréntesis para indicar (encerrar) una
matriz de una sola fila:
A = (a1 a2 a3 . . . . . ap )
La matriz compuesta de una sola columna se llama matriz columna o vector columna
y en este caso se usan
los corchetes para designarla.
nn
m m m mn

A
⌈ ⌉
= │ │ │ │ │ │ ⌊ aa a..12m │ │ │ │ │ │ ⌋ Para simplificar la escritura, en lugar de
escribir en columna los elementos de la matriz columna, se los puede escribir en fila,
encerrando los mismos entre corchetes:
A = [a1 a2 . . . . . . . am ]
Existe completa equivalencia entre vectores y matrices que tienen una sola fila o una
sola columna. Cuando estudiemos las operaciones con matrices, comprobaremos que la
definición de igualdad, la adición y multiplicación por un escalar coincide para vectores y
para matrices filas o columnas. En muchas ocasiones es conveniente representar las
filas o columnas de una matriz como vectores. Entonces una matriz “A” puede ser
escrita como una fila de vectores columnas o bien como una columna de vectores fila.
29

...... A = ⌈ │ │ │ │ │ │ │ │ ⌊ a a a a . . a a a . . a a a a ...... a a ...... a . ...... . . ....... . a ......

a B B ( A A A .... A ) B . . B

B B B .... B 11 21 31 1 12 22 32 2 13 23 33 3
123 ⌉ │ │ │ │ │ │ │ │ ⌋ = 123= ⌈ │ │ │ │ │ │ │ │ ⌊ 12

⌉ │ │ │ │ │ │ │ │ ⌋ = 123
3

donde el vector correspondiente a la columna “j” es: Aj = [a1j a2j a3j . . . . . amj] y el vector
correspondiente a la fila “i” es: Bi = (ai1 ai2 ai3 . . . . . . . ain )
Igualdad de Matrices: Dos matrices son iguales sí y sólo sí tienen el mismo orden (es
decir igual número de filas y de columnas) y sus elementos correspondientes son
iguales. (Se llaman elementos correspondientes a aquellos que pertenecen a igual fila e
igual columna). Simbólicamente, dadas las matrices:
A = (aij ) y B = ( bij ) , resulta A = B ⇔ aij = bij
Adición o Suma de Matrices: Es condición necesaria para que se puedan sumar dos
matrices, que las mismas sean de igual orden, es decir que tengan igual número de filas
y de columnas entre sí. En este caso se dice que las matrices son “sumables” o
“conformables”. Entonces, dadas las matrices A = (aij ) y B = ( bij ) definidas en el campo
de los números reales y de orden n x m, la suma es otra matriz “C = ( cij )”, que también
pertenece al campo de los números reales y es igualmente de orden n x m, y cuyos
elementos son la suma de los elementos correspondientes de las matrices dadas. Es
decir:
C = A + B ⇒ ( cij ) = (aij ) + ( bij )
Ejemplo: Sean:
A ⌈ - ⌉ yB ⌈ - ⌉
= │⌊-3410 52 │⌋ = │ ⌊ 3 2 1 - 2 4 0 │ ⌋ resulta:
C A B ⌈ + - + - + ⌉ ⌈
= + = │ ⌊ 3 ( - 4) ( + 3) 1 1 2 0 + ( - 2) ( 2) 5 + 0 4 │ ⌋ = │ ⌊ - 0 3 3 - 2
nnn

p [m
]
m m m mn m

⌉
25 │⌋
Propiedades de la Adición de Matrices
a) Propiedad de clausura (u operación cerrada): La suma de dos matrices es otra matriz
definida en
forma única. b) Propiedad Conmutativa: A + B = B + A
En base a la definición de la suma de matrices, es: A + B = (aij) + (bij) = (y por la
propiedad conmutativa de la adición para números reales) = (bij) + (aij) = B + A c)
Propiedad Asociativa: (A + B) + C = A + (B + C) y por la definición de suma de matrices
es: (A + B) + C = [ (aij) + (bij) ] + (cij) = (y por la propiedad asociativa de la adición para
números reales) = (aij) + [ (bij) + (cij) ] = A + (B + C) d) Existencia del Elemento Neutro:
Una matriz cuyos elementos son todos ceros, se llama matriz cero o matriz nula. O sea:
N = (nij), está definida por nij = 0 para todo “i” y para todo “j” ⇒ ( nij = 0 , ∀i ∧ ∀ j) Si a la
matriz Anxm le sumamos la matriz nula Nnxm , el resultado será la misma matriz “Anxm”.
Para el conjunto de todas las matrices de orden “n x m”, la matriz nula de orden n x m es
 el elemento neutro de la adición para dichas matrices. e) Existencia del Elemento
Opuesto: La matriz opuesta de A = (aij) es -A = ( - aij ) ; es decir: “La matriz opuesta es el
elemento opuesto o inverso aditivo de la adición de matrices” , ya que sí: A = (aij) es -A =
( - aij ) y se verifica que: A + ( -A ) = (aij ) + ( - aij ) = 0 = N
30
PRODUCTO DE MATRICES Dadas las matrices Amxp y Bpxq , llamaremos producto de estas matrices,
en ese orden, y lo indicaremos con: Amxp .Bpxq = Cmxq donde:
Cij = ai1.b1j + ai2.b2j + . . . . .+ aip.bpj

en donde: i varía entre 1, 2, . . m, y, j varía entre 1, 2, . . . q, y en forma

abreviada:

k=1 Cmxq = Amxp .Bpxq = (cij) con cij = ∑ aik . bkj k=p es decir

que para calcular el término cij del producto, se multiplica término a término la fila “i” del primer factor
por la columna “j” del segundo factor y se efectúan las sumas de dichos productos. Esto se realiza
como se indica en el esquema siguiente:
columna j

fila i
Cij

o expresado de otra manera, diremos que multiplicamos el primer elemento de la fila “i” por el primer
elemento de la columna “j” a quien le sumamos el producto del segundo elemento de la fila “i” por el
segundo elemento de la columna “j”, más el producto del tercer elemento de la fila “i” por el tercer
elemento de la columna “j”, y así sucesivamente, hasta haber completado todos los elementos de
dicha fila y columna.

b11 b12 b21 b22 b31 b32

a11 a12 a13 a11b11+ a12b21+ a13b31 a11b12+ a12b22+ a13b32 a21 a22 a23
a21b11+ a22b21+ a23b31 a21b12+ a22b22+ a23b32

En números:
1 0 2 –1 B3x2 4 1 A2x3 -2 3 1 8 -2
5 6 4 33 -2 C2x2 3 9 5 41
-4

Con las operaciones realizadas, podemos observar que: 1) Para poder efectuar el producto de dos
matrices es necesario que el número de columnas de la primera matriz (es decir la matriz que
premultiplica) sea igual al número de filas de la segunda (o sea de la matriz que posmultiplica). En
ese caso, se dice que las matrices propuestas para realizar el producto son conformables. 2) En el
caso de matrices conformables, la matriz producto tiene el mismo número de filas que la matriz
que premultiplica y el mismo número de columnas de la matriz que
posmultiplica.

En el producto A.B se dice que A multiplica a B por la izquierda (o que A premultiplica a B) y que B
multiplica a A por la derecha ( o que B posmultiplica a A). Aclaración: Se ha efectuado en forma
práctica (en números), el producto de la matriz “A” de orden dos por tres (2x3) por la matriz “B” de
orden tres por dos (3x2), obteniendo como resultado la matriz “C” de orden dos por dos (2x2).
Podemos observar en este ejemplo que tanto en la matriz “A” (la matriz que premultiplica) como en la
Matriz “C” (matriz resultado), que existe en ambas una fila adicional (números encerrados en un
cuadrito). La fila adicional de la matriz “A” ha sido constituida sumando los elementos de dicha matriz
por columnas, o sea, de la primera columna: -2 + 5 = 3 ; de la segunda columna: 3 + 6 = 9 ; y de la
tercera columna: 1 + 4 =
31
5. Una vez constituida dicha fila adicional en la matriz “A”, utilizo la misma como si se tratara de una
fila más de “A”, operando la misma en forma similar a las otras filas de “A”, lo cual me da por
resultado la tercer fila de la matriz “C”. Los números de esta tercer fila de la matriz resultado “C”,
deben ser iguales a la suma de los elementos de las columnas de dicha matriz “C”, o sea:
41 = 8 + 33 , y , -4 = -2 + (-2). Esta operación adicional al
producto de las matrices “A” y “B” nos permite comprobar la exactitud de los resultados obtenidos; es
decir se trata de una verificación del producto de las matrices “A” y “B”.

Propiedades de la Multiplicación de Matrices 1) En general, la multiplicación de matrices

no goza de la Propiedad Conmutativa; es decir que:
A.B ≠ B.A Si como caso especial, resulta A.B = B.A ,
se dice que las dos matrices conmutan o que son permutables. También puede ocurrir que si A.B =
-B.A , en este caso las matrices se denominan anticonmutativas. Ejemplo:
⌈ - 3⌉ ⌈ - 12 3 ⌉
A= │⌊ 5 │ ⌋ ; B = [ 4 - 1 ] ⇒ AB . = │ ⌊ 20 - 5 │ ⌋ ; BA . = [ -
17 ] 2) Dadas las siguientes matrices: Anxm ; Bmxp y Cpxq , se pueden multiplicar las mismas con la
condición de que el número de columnas de cada una de ellas sea igual al número de filas de la
siguiente, o sea:
A.B.C = ( A.B ) . C = A . ( B.C )

Esta proposición permite demostrar, (bajo la condición de que el número de columnas de la

matriz que premultiplica sea igual al número de filas de la matriz que posmultiplica), que el
Producto de Matrices goza de la Propiedad Asociativa. El producto de las matrices A.B.C , ya
citadas, me da como resultado otra matriz D de orden nxq . Esto resulta que si multiplico las matrices
A.B el resultado es una matriz F de orden nxp; la cual puedo multiplicar por la matriz C de orden pxq y
dicho resultado me da la matriz D de orden nxq. En esta forma puedo continuar con el análisis y
demostrar la Propiedad Asociativa. 3) Propiedad Distributiva: La operación ( A+B ).C = A.C + B.C ,
indica que el producto de matrices es
distributivo a derecha respecto a la suma de matrices. También: C.( A+B ) = C.A + C.B , goza de la
Propiedad Distributiva, pero en este caso decimos que es distributiva a izquierda respecto de la
suma de matrices. 4) Puede ocurrir también que como consecuencia del producto de dos matrices no
nulas, obtengamos por
resultado una matriz NULA.

A . B 0 A 0 B0 = ⇒ ⎧ ⎨ ⎩ ≠ ≠ 5) El producto de una matriz “A” por una matriz nula, ó el producto

de una matriz nula por una matriz
“A”, da por resultado una matriz NULA
.A.0 = 0.A = 0 6) El producto de un escalar “λ” por el producto de dos matrices es igual al producto
de dicho escalar por
una de ellas y este resultado luego multiplicado por la otra matriz, o
sea:
λ ( B.C ) = ( λ.B).C = B.( λ.C) 7) La transpuesta del resultado del producto de dos matrices es igual al
producto de dichas transpuestas
pero en orden inverso:
( A.B )t = Bt.At

Multiplicación de un Escalar por una Matriz La multiplicación de un escalar λ por una matriz “A” o
de una matriz “A” por un escalar λ, es la matriz que se obtiene al multiplicar cada elemento de “A” por
el escalar λ , o sea, si A = (aij ) y λ es un número que pertenece a los reales, ello implica:
λ.A = A.λ =
(aij.λ) es decir, por definición:
32
λλ
⌈ │ │ │ │ │ │ ⌊ a ..... λ λ λ λ λ . . λ λ λ ..... . ..... . . ..... . ..... 11 a 12 a 1 m a a .....
a a 21 a 22 a 2 m a a .....
a . . ..... . . . ..... . a n 1 a n 2 a nm a a .....
a ⌉ │ │ │ │ │ │ ⌋ = ⌈ │ │ │ │ │ │ ⌊ 11 21 n 1 12 22 n 2
1
m
2
m
 nm ⌉ │ │ │ │ │ │ ⌋ En particular, si: λ.A = 0 , deberá ser λ = 0 ó “A” una matriz nula.
Propiedades del Producto de un Escalar por una Matriz: a) El producto de un
escalar por una matriz es otra matriz definida en forma única. b) Propiedad asociativa
respecto al producto por escalares:
λ1 (λ2.A) = (λ1.λ2).A λ1.(λ2. aij) = (λ1 . λ2 . aij) = λ1 . λ2 (aij) c) Propiedad Distributiva respecto
del producto de un escalar por la suma de matrices:
λ (A + B) = λ . A + λ . B pues
λ (aij + bij) = (λaj + λ bij) = (λaij) + (λ bij) = λ (aij) + λ (bij) d) Propiedad Distributiva respecto
a la suma de escalares:
(λ1 + λ2) . A = λ1.A + λ2.A ; pues: (λ1 + λ2) (aij) = [(λ1+λ2) aij] = (λ1. aij + λ2. aij) = = (λ1. aij) +
(λ2. aij) = λ1.(aij) + λ2.(aij) e) Si el escalar λ = 1 , resulta:
λ.A = 1.A = A pues :
1.(aij) = (1. aij) = (aij)
f) Si se considera la operación de transponer el producto de un escalar por una matriz
resulta:
(λ . A)t = λ . At
Distintos Tipos de Matrices Ya hemos definido la matriz cuadrada, como aquella que
tiene el mismo número de filas que de columnas.
• Matriz Rectangular: es aquella que tiene diferente número de filas y de columnas.
Pueden ser matrices rectangulares de tipo horizontal o de tipo vertical. La primera, la de
tipo horizontal, es aquella que tiene mayor número de columnas que de filas; y la
segunda, o sea la de tipo rectangular vertical, es la que tiene más filas que columnas.
• Matriz Transpuesta: Dada la matriz “A” de orden n x p, se denomina transpuesta (o
traspuesta) de “A” y se indica At a la matriz que tiene como filas y columnas, las
columnas y filas de “A” (respetando el orden). Es decir, si Anxp = (aij), la matriz
transpuesta de A es: At(pxn) = (aji) Ejemplo: Si

1 2 3 5 , 4 2 = -⌈ │ │ │ ⌊ - 1 3 4 2 5 2 ⌉ │ │ │ ⌋ = -⌈ │ ⌊ - A es A t ⌉ │ ⌋ Toda matriz de
orden 1x1 es igual a su traspuesta. La transposición verifica (At )t = A La transposición
de matrices goza de las siguientes propiedades: 1) La transpuesta de una suma de
matrices es la suma de las transpuestas: ( A + B )t = At + Bt 2) La transpuesta de un
producto de matrices se obtiene multiplicando en orden inverso las transpuestas de
sus diferentes factores: ( A.B )t = Bt.At
• Diagonal Principal: Dentro de una matriz cuadrada (igual cantidad de filas que de
columnas), podemos analizar sus elementos y definir de tal modo lo que constituye su
diagonal principal. Se denomina diagonal principal a todos los elementos de la matriz
que están ubicados entre dos líneas paralelas imaginarias que se extienden desde el
ángulo superior izquierdo al ángulo inferior derecho, o que dicha diagonal la constituyen
todos los elementos que tienen iguales sus subíndices ⇒ aii. Tomemos como ejemplo, la
matriz “A” de orden n x n:
33
.....

A=⌈││││││││⌊aaa..aaaa..aaa
a .....
a a .....
a . ..... . . ..... . a .....
a

⌉ │ │ │ │ │ │ │ │ ⌋ los elementos a11, a22, a33, . . . ., ann son los que constituyen la
diagonal principal de la matriz A. En cambio, si consideramos los elementos ubicados
entre dos líneas paralelas imaginarias que se extienden desde el ángulo inferior
izquierdo al ángulo superior derecho, tendremos la diagonal secundaria de dicha matriz
“A”.
• Traza de una Matriz: Se denomina traza de una matriz cuadrada a la suma de los
elementos de su diagonal principal. Ejemplo:
523102413
11 12 13 1
21 22 23 2
31 32 33 3
123

nnn
n n n nn

-=A

⌈│││⌊⌉│││⌋
es su traza entonces: 5 + 0 +3 = 8
• Matriz Diagonal: Una matriz cuadrada cuyos elementos son todos nulos, excepto los
de la diagonal principal, se llama matriz diagonal. Es decir:
Anxn es diagonal ⇔ i ≠ j ⇒ aij = 0 Ejemplo:

A = ⌈ │ │ │ ⌊ 11
0 22
33 a 0 0 0 0 0 ; a a

⌉│││⌋200030005B

=⌈│││⌊-⌉│││⌋
• Matriz Escalar: Se denomina matriz escalar a la matriz diagonal que tiene todos los
elementos de la diagonal iguales; es decir, Anxn es escalar, cuando: Ejemplos:
=⌈│││⌊α
0000α
0;0α

⌉│││⌋=⌈│││⌊300003003⌉│││⌋
• Matriz Unidad o Matriz Identidad: Se llama matriz unidad o matriz identidad a la
matriz escalar en la cual todos los elementos de la diagonal principal son iguales a uno (
1 ). Esta matriz se la señala como matriz “I”. En la matriz Inxn se cumple que: Ejemplo:

⌈100001000010;0001
aij = α sí i = j A B
aij = 0 sí i ≠ j
aij = 1 sí i = j

= │ │ │ │ ⌊ a = 0 sí i ⌉ │ │ │ │ ⌋ ≠ j = ⌈ │ │ │ ⌊ 1 0 0 0 0 1 0 0 1 ⌉ │ │ │ ⌋ y además se
si A x ⌈ 2 1 ⌉ eI x ⌈ 1 0 ⌉
(2 2) =
verifica que: A.I = I.A = A │⌊- 3 4 │⌋ (2 2) =
│⌊ 0 1 │⌋
entonces se cumple que
⌈ ⌉ ⌈
AI . = I . A = │ ⌊ - 2 3 1 4 │ ⌋ . │ ⌊ 1 0 0 1 I I
⌉ ⌈ ⌉
│⌋= │⌊-2314 │⌋
34
• Matriz Simétrica: Una matriz cuadrada se denomina simétrica sí y sólo sí es igual a su
transpuesta. Por lo tanto, en una matriz simétrica los elementos simétricos con respecto
a la diagonal principal son iguales; es decir: Anxn es simétrica ⇔ A = At ⇔ aij = aji Ejemplo:
La matriz

=⌈│││⌊-1565-6322-4⌉│││⌋
es simétrica, pues es igual a

=⌈│││⌊-1565-6A
t

322-4⌉│││⌋
• Matriz Antisimétrica: Una matriz cuadrada se denomina antisimétrica sí y sólo sí es
igual a la opuesta de su transpuesta. Por lo tanto en una matriz antisimétrica los
elementos simétricos con respecto a ladiagonal principal son opuestos. Es decir Anxn es
antisimétrica sí y sólo sí A = - At ⇔ aij = - aji Ejemplo: La matriz
05-6A
 = 5 0 2 6 2 0 ⌈ │ │ │ ⌊ -- ⌉ │ │ │ ⌋
es antisimétrica.
Nota: Los elementos de la diagonal principal de una matriz antisimétrica son nulos, pues
para que aii = - aii sólo se puede verificar si aii = 0. Son válidas las siguientes
Propiedades: 1) El producto de toda matriz por su transpuesta es una matriz
simétrica, o sea A.At es simétrica (no
es necesario que la matriz considerada sea cuadrada). 2) La suma de toda matriz
cuadrada y de su transpuesta es simétrica; o sea: A + At es simétrica 3) La
diferencia de toda matriz cuadrada con su transpuesta es antisimétrica; o sea: A –
At es
antisimétrica. 4) Toda matriz cuadrada es la suma de una matriz simétrica y de una
matriz antisimétrica. Si “A” es una matriz cuadrada de orden nxn, de las propiedades
2a y 3a resulta que: ¹⁄ (A+At) es simétrica, y que ¹⁄ (A-At) es antisimétrica, por lo tanto:
A = ¹⁄ (A+At) + ¹⁄ (A-At)
• Matriz Triangular: Una matriz cuadrada se denomina “triangular” cuando los elementos
ubicados por encima o por debajo de la diagonal principal son ceros. Es decir, existen
dos tipos de matrices triangulares. ✓ Matriz Triangular superior es aquella en la cual los
elementos nulos son los que están por debajo de
la diagonal principal. Esto se expresa: Matriz Triangular superior ⇔ i > j ⇒ aij = 0
Ejemplo:
T

=⌈│││⌊100-260-84
S

3⌉│││⌋ ✓ Matriz Triangular inferior es aquella en la cual los elementos nulos se

encuentran por encima de la
diagonal principal. Esto se expresa: Matriz Triangular inferior ⇔ i < j ⇒ aij = 0 Ejemplo:

= ⌈ │ │ │ ⌊ 2 5 3 0 4 6 0 -0 -7 ⌉ │ │ │ ⌋
• Matriz Escalonada: Se denomina matriz escalonada a una matriz no necesariamente
cuadrada, que tiene la forma similar a una matriz triangular superior, en la cual los
renglones o filas cuyos elementos son todos nulos aparecen en la parte inferior de la
matriz; y además, en los renglones que no contienen solamente ceros, el primer
elemento no nulo en el renglón inferior ocurre más hacia la derecha que el primer
elemento no nulo del renglón superior.
T
I

35
Ejemplos de matrices escalonadas:
⌈││││⌊200045-715032480062900047⌉││││⌋;⌈│││⌊30021

5709⌉│││⌋;354963570431800096;02000600000000⌈│││

│⌊⌉││││⌋⌈││││⌊⌉││││⌋
• Matriz Inversa: Decimos que una matriz cuadrada “A” es invertible, si es posible
encontrar una matriz cuadrada “B” del mismo orden que “A”, tal que:
A.B = B.A = I Entonces la matriz “B” es la matriz inversa de “A” y viceversa. La matriz
inversa de “A” se la indica con el símbolo A-1.
• Matriz Ortogonal: Una matriz cuadrada no singular se denomina ortogonal sí y sólo sí
su inversa es igual a su transpuesta; o sea A es ortogonal ⇔ A-1 = At. O también,
expresado de otra manera, una matriz cuadrada es ortogonal, sí y sólo sí el producto de
dicha matriz por su transpuesta da como resultado la matriz unidad, o sea:
A es ortogonal ⇔ A . At = At . A = I Ejemplo: La matriz

= ⌈ │ │ │ -│ ⌊ 1 2 3 2 3 2 1 2
⌉││││⌋

⌈ = │ │ │ │ ⌊ - ⌉ │ │ │ │ ⌋ y se cumple:

131322.22313110012222
13
A
es ortogonal, pues

A
T2 2

3122

⌈ │ │ │ -│ ⌊ ⌉ │ │ │ │ ⌋ ⌈ │ │ │ │ ⌊ - ⌉ │ │ │ │ ⌋ = ⌈ │ ⌊ ⌉ │ ⌋ y además el producto escalar

de los vectores filas o columnas debe ser igual a cero, es decir los vectores filas o
columnas deben ser perpendiculares entre sí.
Matrices equivalentes por filas Para obtener una matriz equivalente a la matriz dada
se pueden realizar operaciones elementales que van transformando la matriz dada en
matrices equivalentes. Decimos que la matriz “B” es “equivalente por filas” a la matriz
“A”, si existe una sucesión finita de operaciones elementales que transformen la matriz
“A” en la matriz “B”. La relación de equivalencia es simétrica, o sea que podemos decir
también que la matriz “A” es equivalente por filas a la matriz “B”. Se demuestra que
dos matrices son equivalentes por filas, sí y sólo sí, tienen la misma matriz
reducida (por filas). Las operaciones elementales válidas que se pueden realizar
sobre las filas ó columnas de una matriz, son las siguientes: ✓ Multiplicar la fila “i” por
el escalar “λ ≠ 0”. Esta operación se indica: ei(λ) . ✓ Sumar a la fila “i” otra fila “l”,
previamente multiplicada por el escalar “λ” . Se sobre entiende que i ≠ l
y que λ ≠ 0 . Esta operación se expresa: eil(λ) . ✓ Intercambiar la fila “i” con la fila “l”.
(Intercambiar dos filas entre sí). Se escribe: eil
36
Ejemplo de Operaciones Elementales: Dada la matriz
A

=⌈│││⌊230101121⌉│││⌋
1) Aplicar a la matriz “A”, primero e1(-2) ; después e13(2) y por último e32.

2 A = 1( 2) 13(2) 32

⌈│││⌊30101121-420311021⌉│││⌋422422311021021311⇒
e-

⇒⌈│││⌊-⌉│││⌋⇒e⇒⌈│││⌊-⌉│││⌋⇒e⇒⌈│││⌊-⌉│││⌋
2) A la matriz “A” del ejercicio anterior, aplicar e32 ; e13(2) y e1(-2) sucesivamente: Compare
este resultado
con el obtenido en el apartado anterior. Saque conclusiones.

A = ⌈ │ │ │ ⌊ 2 32 13(2) 1( 2)

3 0 1 0 1 1 2 1 2 1 0 0 2 1 3 1 1 ⌉ │ │ │ ⌋ 8 3 2 0 2 1 3 1 1 - 16 6 4 ⇒ e ⇒ 0 2 1 3 1 1 ⌈ │

││⌊⌉│││⌋⇒e⇒⌈│││⌊⌉│││⌋⇒e-

⇒⌈│││⌊--⌉│││⌋
3) Aplicar a la matriz “B”, la operación e12(3) y luego e12(-3). ¿Qué deduce de este
resultado?

B = ⌈ │ │ │ ⌊ 0 2 3 1 1 2 12(3) 12( 3)

0 1 1 ⌉ │ │ │ ⌋ 11 4 3 ⇒ e ⇒ 3 1 1 0 2 1 ⌈ │ │ │ ⌊ ⌉ │ │ │ ⌋ 2 1 0 3 1 1 0 2 1 ⇒ e -

⇒⌈│││⌊⌉│││⌋
Matriz Reducida por Filas Para obtener una matriz reducida por filas es necesario
realizar una serie de operaciones elementales que van transformando la matriz dada en
matrices equivalentes. Una Matriz Reducida por Filas es aquella que satisface las
siguientes condiciones:
1) Tiene forma escalonada, es decir, los primeros elementos no nulos de una fila, se
encuentran a la derecha de los de cualquier fila anterior. A dichos elementos no nulos se
los denomina elementos conductores. 2) Los elementos conductores suelen hacerse
iguales a uno (para facilitar las operaciones). 3) En las columnas de los elementos
conductores, los restantes elementos son ceros. 4) Las filas nulas (si existen), están
debajo de las no nulas.
Ejemplo de matriz reducida por filas :

⌈│││⌊1005000100014-22

⌉ │ │ │ ⌋ ¿Qué valores deben tener “α” y “β” para que la matriz M, sea una matriz
reducida por filas?
M

=⌈│││⌊0001α
0100-7023010β

0 ⌉ │ │ │ ⌋ Para que la matriz “M” sea una matriz reducida por filas, de acuerdo a la
definición, deberá ser α = 0 y β = 1 , ó , β = 0. ¿Qué operación elemental debemos
aplicar a la matriz “C” para que resulte una matriz reducida por filas?
37

1 C = ⌈ │ │ │ ⌊ 0 0 3 0 0 0 1 0 0 1 1 1 3 3 ⌉ │ │ │ ⌋ 1 3 0 0 3 ⇒⇒ e 23( -
1)

⇒⇒ 0 0 1 0 2
00013⌈│││⌊-⌉│││⌋
Toda matriz puede reducirse por filas mediante operaciones elementales. La matriz
reducida es única. En general, la técnica empleada consiste en eliminar los elementos
inferiores de la primera columna usando la primera fila, los de la segunda columna
usando la segunda fila, etc. ( y así sucesivamente) hasta que la matriz dada quede
escalonada. Luego, se emplean los elementos conductores para eliminar los elementos
que se encuentran por encima de ellos.
Rango: Se define como rango o característica de una matriz a la cantidad de vectores
filas o vectores columnas linealmente independientes que constituyen dicha matriz. Uno
de los métodos para calcular el mismo, es a través de la obtención de la matriz
escalonada de la matriz dada, utilizando operaciones elementales sobre filas. Los
distintos autores identifican al rango o característica de una matriz, con la letra “r” o con
la letra “h”. En la matriz reducida, el rango o característica queda definido por la
cantidad de filas no nulas que tiene dicha matriz reducida. Matriz Elemental: Una
matriz elemental de orden “n x n” se puede obtener a partir de una matriz identidad de
orden “n” realizando una sola operación elemental de filas sobre la misma.
 El producto de la matriz elemental “E” por la matriz “A” es la misma matriz que resultaría
de efectuar la misma operación elemental sobre las filas de “A”. Toda matriz elemental
es invertible. Ejemplo: Dadas las matrices

A=⌈│││⌊4532132-2-1;⌉│││⌋100010001I

=⌈│││⌊⌉│││⌋
I = ⌈ │ │ │ ⌊ 1 0 12

0 0 0 1 0 0 1 ⌉ │ │ │ ⌋ ⇒⇒ e ⇒⇒ E

=⌈│││⌊010100001⌉│││⌋
4 2 1 4 2 1 5 3 2 = A 5 3 2 e12 3 -2 1 3 -2 -1 0 1 0 5 3 2 5 3 2 E = 1 0 0 4 2 1 = E.A 4 2 1
0 0 1 3 -2 1 3 -2 -1
Matriz Inversa Obtención de la Matriz Inversa mediante Operaciones Elementales La
condición necesaria y suficiente para que una matriz cuadrada admita inversa, es que
todas las filas (o columnas) de la misma sean linealmente independientes. Se dispone

de la siguiente manera: A ⇓ ⇓ eil

⇓ RA

In ⇓ ⇓ eil

⇓ A-1
38
Se le realizan operaciones elementales de filas a la matriz “A” de forma tal de llegar a su reducida por
filas, que es la matriz identidad ⇒ RA = In . Si en el transcurso de las operaciones (al obtener la matriz
triangular) aparece un cero en la diagonal principal, “A” no será invertible, puesto que dicho cero
muestra la existencia de una combinación lineal entre las filas de “A”. Si simultáneamente aplicamos
las mismas operaciones por filas a una matriz identidad, al obtenerse la reducida por filas de “A”, de la
matriz Identidad obtendremos la matriz inversa de la matriz dada “A”, o sea A-1. La justificación de
este método es debido a que se pueden encontrar matrices elementales, tales que:
EK . . . . . . . E2.E1.A = In

Si a esta expresión se la posmultiplica por la inversa de la matriz “A”, o sea por A-1,
tendremos:
EK . . . . . . . E2.E1.A.A-1 =
In . A-1 y finalmente queda:
EK . . . . . . . E2.E1.In = A-1
Propiedades de la Matriz Inversa

1) A . A-1 = A-1 . A = In 2) (A . B)-1 = B-1 . A-1 3) Si An = A . A . . . . A (n veces) , entonces:

A-n = (A-1)n = A-1 . A-1 . . . . . . A-1 (n veces) 4) (A-1)-1 = A 5) (An)-1 = (A-1)n

6) ( m . A ) - 1 =

39

UNIDAD N°4: Determinantes.

A toda matriz cuadrada viene asociado un número, un valor intrínseco, propio de cada
matriz, que se denomina determinante. En esta unidad se estudiará la función
determinante, que es una “función con valores reales de una variable matricial” en el
sentido que asocia un número real f(X) con una matriz X. El trabajo que se efectuará
sobre funciones determinantes tendrá importantes aplicaciones en la teoría de sistemas
de ecuaciones lineales y también conducirá a una fórmula explícita para calcular la
inversa de una matriz invertible.
Definición: Sea A una matriz cuadrada. La función determinante se simboliza por:
a a
det A, ó det [ a11 21 a 12 22] ó simplemente como |A|
, es decir “A” encerrado entre simples barras, se define como la suma de los productos
elementales con signo de A. El número det A, se denomina determinante de A. Por
producto elemental de una matriz A n x n se entiende cualquier producto de n
elementos de A, de los cuales ningún par de elementos proviene del mismo renglón o
de la misma columna. Supuesta una matriz “A”, cuadrada, de orden n x n, es decir n
filas y n columnas, o sea un total de n2 elementos, se obtiene el valor del determinante
de “A”, formando la sumatoria de todos los productos posibles de “n” elementos elegidos
entre los n cuadrados (n2) elementos de la matriz, con la condición que en cada
producto haya siempre un elemento de cada fila y uno de cada columna, anteponiendo
a cada uno de estos productos el signo más (+) o el signo menos (-) según que las
permutaciones que indican las filas y las columnas sean de clase par o impar
respectivamente. En la siguiente tabla podemos ver las permutaciones de {1, 2, 3} como
se clasifican en par o impar:
Número de
Permutación
Clasificación
inversiones (1, 2, 3) 0 Par (1, 3, 2) 1 Impar (2, 1, 3) 1 Impar (2, 3, 1) 2 Par
(3, 1, 2) 2 Par (3, 2, 1) 3 impar
Sea una matriz cuadrada de segundo orden:
a a
A = [ a11 21 a12 22]
Enumerar todos los productos elementales con signo de las matrices
Producto elemental
Permutación
Par o impar Producto elemental
asociada
con signo a11a22 (1, 2) Par a11a22 a12a21 (2, 1) Impar − a12a21
40
y el determinante asociado será, según lo dicho anteriormente:
a a
detA = det [ a11 21 a12 22] =a11a22 − a12a21
Si en lugar de ser una matriz de segundo orden (o sea de 2x2), se tratara de una matriz
de 3x3, tendremos:
 a a a
B = |aa 11 21 31 aa12 22 32 aa13 23 33|
Producto elemental
Permutación
Par o Impar Producto elemental
asociada
con signo a11a22a33 (1, 2, 3) Par a11a22a33
a11a23a32 (1, 3, 2) Impar − a11a23a32 a12a21a33 (2, 1, 3) Impar − a12a21a33 a12a23a31 (2, 3,
1) Par a12a23a31 a13a21a32 (3, 1, 2) Par a13a21a32 a13a22a31 (3, 2, 1) Impar − a13a22a31
y el determinante asociado será, según lo dicho anteriormente:
a a a
det B = det | aa11 21 31 aa 12 22 32 aa13 23 33| =
= a11a22a33 + a12a23a31 + a13a21a32 − a11a23a32 − a12a21a33 − a13a22a31
Para no tener que memorizar estas expresiones difíciles de manejar, se sugiere usar
técnicas mnemotécnicas que se describen a continuación: Para matrices de 2 x 2, como
la matriz A de arriba, se obtiene al multiplicar los elementos de la flecha hacia la
derecha y restar el producto de los elementos de la flecha hacia la izquierda, según se
ve en la figura siguiente:
a a
[a 11 21 a12 22]
Para matrices de 3 x 3, como la B de arriba, se conoce como “Regla de Sarrus” y
consiste en agregar debajo de la tercera fila, las dos primeras, o a continuación de la
tercera columna, las dos primeras, y luego realizar los productos cruzados como se
muestra a continuación:
a a a
| aa11 21 31 aa12 22 32 aa 13 23 33| aa11 21 aa12 22 aa13 23
a a a
; | aa11 21 31 aa12 22 32 aa 13 23 33|

aaa11 21 31aaa12 22 32
Estos productos que corresponden a la diagonal principal de la matriz (es decir la que va
del extremo superior izquierdo al extremo inferior derecho) y sus dos paralelas, salen a
conformar la sumatoria con el signo que tienen (positivo si todos sus términos son
positivos ó negativo si alguno de sus términos es negativo) que indicamos con el signo (
+ ) y la que corresponde a la diagonal secundaria (la que va del
41
extremo inferior izquierdo al extremo superior derecho) y sus dos paralelas cambian su
signo para con- formar la sumatoria. Esto significa que si son positivos resultarán
negativos y sí son negativos resultan positivos. Esto está indicado con el signo ( - ). Esta
“Regla de Sarrus” sólo se utiliza para determinantes de hasta tercer orden. Para mayor
orden, ya veremos que se hace muy difícil su solución. Si se tratara de un determinante
de cuarto orden, el desarrollo del mismo sería:
a a a a
A =|aa 11 21 31 aa12 22 32 aa13 23 33 aa 14 24 34 a41 a42 a43 a44det A = a11 a22 a33 a44 + a11
a23 a34 a42 + a11 a24 a32 a43 + a12 a21 a34 a43 + a12 a23 a31 a44+a12 a24 a33 a41 + a13 a21 a32 a44 +
a13 a22 a34 a41 + a13 a24 a31 a42
|
+ a14 a21 a33 a42 +a14 a22 a31 a43 + a14 a23 a32 a41 – a11 a22 a34 a43 – a11 a23 a32 a44 – a11a24 a33
a42 –a12 a21 a33 a44 – a12 a23 a34 a41 – a12 a24 a31 a43 – a13 a21 a34 a42 – a13 a22 a31 a44 – a13 a24
a32 a41 – a14 a21 a32 a43 – a14 a22 a33 a41 – a14 a23 a31 a42
Si observamos los desarrollos de los determinantes de segundo, de tercero y de cuarto
orden aquí expuestos, podemos ver como a medida que es mayor el orden del
determinante, mayor es la cantidad de términos que forman parte del desarrollo. Vemos
que la cantidad de términos de cada desarrollo es igual a factorial de “n”, o sea: n! . En
el caso del de segundo orden (2 x 2) tenemos n = 2 ⇒ n! = 2! = 2.1 = 2 ; el de tercer
orden (3 x 3) es n = 3 ⇒ n! = 3! ⇒ 3.2.1 = 6; el de cuarto orden (4 x 4) es: n = 4 ⇒ n! = 4!
= 4.3.2.1 = 24 , y un determinante de 10 x 10 incluiría el cálculo de 10!= 3.628.800. Por
esta razón, cuando el determinante es mayor a tercer orden, se hace muy difícil
resolverlo por este método.
Una matriz cuadrada de orden “n” es regular o no singular, si el determinante asociado
a ella es distinto de cero ⇒ |A| ≠ 0. Esto indica que los “n” vectores filas o “n” vectores
columnas que la conforman son linealmente independientes; es decir, el rango de
dicha matriz es “n”. Por el contrario, decimos que una matriz cuadrada de orden “n” es
singular, no regular o degenerada, cuando el determinante asociado a ella es cero ⇒
|A| = 0 ; es decir que el rango de dicha matriz será menor que “n” , lo que nos indica
que algún vector fila o vector columna es combinación lineal de los otros.
Menor Complementario Dada una matriz cuadrada de orden “n”, se denomina “menor
complementario” de un elemento cualquiera aij , al determinante asociado a la
submatriz de orden “n-1”, que se obtiene después de suprimir la fila que ocupa el lugar
“i” y la columna del lugar “j”. Dada la matriz “A” de orden 3x3, el menor
complementario del elemento a23 , es:

a 11 12 13 11 12 13 A = 21 22 23 21 22 23 23
11 12

31 32 31 32 33 31 32 33 ⌈│││⌊aaaaaaaa⌉│││⌋

⇒⇒ a A = a a a a a a a a ⇒⇒ M = a a a a Al menor complementario lo indicamos con la

letra M con el doble subíndice que índica fila y columna del elemento al cual pertenece
el menor.
Adjunto o Cofactor Se denomina adjunto o cofactor de un elemento aij,
correspondiente a una matriz cuadrada, a su menor complementario con signo más o
signo menos, según que la suma de los subíndices que indicansu fila y su columna sea
par o impar respectivamente. Al adjunto o cofactor lo denotamos con la letra “C” con
doble subíndice que indica fila y columna del elemento al cual pertenece dicho adjunto o
cofactor.
42
En símbolos, esto es:
Cij = ( -1 )i+j Mij

Relacionado con el ejemplo anterior, el adjunto o cofactor del elemento a23 , es: C 23
=-

a a 31 32 a a Desarrollo de un Determinante por los Elementos de una Línea o

11 12

por Cofactores Demostraremos que: “El valor de un determinante es igual a la suma de

los elementos de una línea cualquiera multiplicados por sus adjuntos correspondientes”.
Si desarrollamos el determinante de tercer orden:
a 11 a 12 a
13 A = a 21 a 22 a
23

= a11a22a33 + a12a23a31 + a13a21a32 - a11a23a32 - a12a21a33 - a13a22a31= a 31 a 32 a

33 y extrayendo factores comunes, resulta:

= a11 (a22a33 - a23a32) + a12 (a23a31- a21a33) + a13 (a21a32 -a22a31) = a11M11 + a12M12 + a13M13
=
Menor complementario Cofactor Cofactor Cofactor

= a 11 a 22 a 32 a 23 a 33 - a 12 a 21 a 23 a 31 a 33 + a 13

a 21 a 31 a 22 a 32
= a11C11 - a12C12 + a13C13
De la observación del desarrollo de un determinante por los elementos de una línea, nos
permite aconsejar tomar para ello la línea que tenga la mayor cantidad de ceros
posibles, pues esto nos evitaría tener que calcular el adjunto correspondiente, pues este
producto sería nulo. Como caso particular del desarrollo de un determinante por los
elementos de una línea, diremos que: “Si en un determinante todos los elementos de
una línea son nulos, excepto uno, el determinante es igual al producto de ese elemento
no nulo por el adjunto del mismo”.
Propiedades de los Determinantes 1a Propiedad: “Si se permutan filas por columnas
ó columnas por filas de una matriz, los correspondientes determinantes son iguales”. Si:
a 11 a 12 a 13 a 11 a 21 a
31 A = a 21 a 22 a 23 ; A
t

=
a 12 a 22 a
32 a 31 a 32 a 33 a 13 a 23 a
33

Todo término del primer determinante está formado por “n” elementos, uno de cada fila y
uno de cada columna, luego pertenece también al segundo determinante. Las dos
permutaciones que indican filas (columnas) en el segundo determinante, son las mismas
que indican columnas (filas) en el primero, luego el signo de dicho término en ambos
determinantes es (+) ó ( - ) , según que ambas permutaciones sean de clase par o impar
respectivamente:

A = 2 5 3 1 = 2 - 15 = - 13 ; A t = 2 3 5 1

= 2 - 15 = - 13 2a Propiedad: “Si se permutan dos filas (o dos columnas) de una matriz,

los correspondientes determinantes son opuestos”, es decir, tienen el mismo valor
absoluto pero distinto signo.
a 11 a 12 a 13 a 21 a 22 a
23 A 1 = a 21 a 22 a 23 ;

A 2=
a 11 a 12 a
13 a 31 a 32 a 33 a 31 a 32 a
33
43
Intercambiar entre sí dos filas significa una transposición en los primeros índices, lo cual
cambia la clase de permutación y como la de los segundos índices correspondientes a
las columnas no ha variado, habrá un cambio de signo en cada término del
determinante:
2 3 5 1
A 1 = 5 1 = 2 - 15 = - 13 ; A 2 = 2 3 = 15 - 2 = 13 Consecuencia de la segundad
propiedad: “El determinante de toda matriz que tenga dos filas (o dos columnas)
idénticas es nulo”.
a 11 a 12 a
13 Si A =

a 21 a 22 a
23 a 31 a 32 a

33 al permutar dos filas ( la primera y la segunda en este caso), y por lo expresado en la

propiedad segunda, el determinante será: - A ; pero siendo idénticas dichas filas, el

nuevo determinante es igual al anterior; es decir:

A = - A , luego A + A = 0 ⇒ 2 A = 0 ⇒ A = 0 2 = 0 1 3 5 A = 2 4 - 1 = 1.4.5 + 2.3.5 +

1.3.( - 1) - 1.4.5 - 2.3.5 - 1.3.( - 1) = 20 + 30 - 3 - 20 - 30 + 3 =
0135
3a Propiedad: “Si se multiplican todos los elementos de una línea de una matriz por un
mismo número λ, el determinante correspondiente queda multiplicado por λ”. Si
a 11 a 12 a
13 A =

a 21 a 22 a
23 a 31 a 32 a

33 Según el desarrollo de un determinante por los elementos de una línea, si

multiplicamos por “λ” los elementos de la primera fila, resulta:

λ a 11 λ a 12 13

a 21 a 22 23 11 11 12 12 13 13 11 22 23 12 21 23 13 a 31 a 32 λ
aa=λaC+λaCa
33

⌈
+ λ a C = λ │ ⌊ a a a 32 a a 33 - a a a 31 a a 33 + a a 21 a 31 a 22 a 32
⌉
│ ⌋ = λ A Esta propiedad permite separar como factor del determinante un factor común
a todos los elementos de una línea cualquiera, simplificando ésta ; por ejemplo:
5 10 15 3 1 0 = 5.1.1 + 3.( - 1).15 + 2.0.10 - 2.1.15 - 3.10.1 - 5.( - 1).0 = 5 - 45 + 0 - 30 - 30 + 0 =
5 - 105 = -
100 2 -
11
5 10 15 1 2 3 3 1 0 = 5 3 1 0 = 5(1 - 9 + 0 - 6 - 6 + 0) = 5( - 20) = -
100 2 - 1 1 2 -
11
Consecuencia de la tercera propiedad: “El determinante de una matriz es nulo si los
elementos de una línea son proporcionales a los correspondientes de otra paralela a
ella”. De acuerdo a esto, si separamos el coeficiente de proporcionalidad como factor
del determinante, queda otro con dos líneas iguales y por lo tanto es nulo.
-1-
40A
=
3 12 2 2 8 1
44
La segunda columna es combinación lineal de la primera, pues: 2a Columna = 1a
Columna x 4 ; luego, separando el factor de proporcionalidad, resulta:
-1-
10A
= 4 3 3 2 = 4.0 =
0 2 2 1 4a Propiedad: “La suma de los productos de los elementos de una fila (ó
columna) de una matriz cuadrada por los adjuntos de los elementos correspondientes
 de una fila (ó columna) paralela a ella es cero”. Dado:
a 11 a 12 a
13 A =

a 21 a 22 a
23 a 31 a 32 a

33 Resulta que si sumamos los productos de los elementos de la segunda fila por los

adjuntos de la primera, obtenemos:

a 21 C 11 + a 22 C 12 + a 23 C 13 = a 21 a 22 a 32 23 33 a a - a 22 a 21 a 31 a 23 a 33 + a 23
a 21 a 31 22 32
0
21 22 33 21 23 32 21 22 33 22 23 31 21 23 32 22 23 31

aa
=
=aaa-aaa-aaa+aaa+aaa-aaa
= Esto es lo mismo que tener:
a 21 a 22 a
23 a 21 a 22 a

23 a 31 a 32 a

33 Si observamos aquí, tenemos 1a y 2a fila iguales, o sea el valor del determinante es

cero, según lo anteriormente demostrado. Además si se desarrolla por la primera fila,

tendremos el desarrollo efectuado aquí, y esto sería igual a cero por tener dos filas
iguales.
5a Propiedad: “Si una línea de una matriz es el vector nulo, su determinante es nulo”.
En efecto, según la 3a propiedad, separando como factor común del determinante, el
elemento nulo, resultaría:
0 . │A │ = 0
6a Propiedad: “Si los elementos de una línea de una matriz son polinomios de “m”
términos, puede descomponerse el determinante correspondiente en suma de “m”
determinantes , que tienen las mismas restantes líneas y en lugar de aquella, la formada
por los primeros sumandos, por los segundos, . . . . . . , y por los m-ésimos
respectivamente”. Si los elementos de la primera fila son binomios, desarrollando por los
elementos de la misma, resultará:
a 11 + b 11 a 12 + b 12 a 13 +
b
13 A = a 21 a 22 a 23 = ( a 11 + b 11 ) C 11 + ( a 12 + b 12 ) C 12 + ( a 13 + b 13 )

C
13

= a 31 a 32 a
33
= [ a 11 C 11 + a 12 C 12 + a 13 C 13 ] + [ b 11 C 11 + b 12 C 12 + b 13 C 13 ]
= a 11 a 21 a 12 a 22 a 13 b 11 b 12 b
13 a 23 +

a 21 a 22 a
23 a 31 a 32 a 33 a 31 a 32 a
33
45

2B=X+3Y5-X+2Y2

= (2 X + 3 Y ).2 - 5.( - X + 2 Y ) = 4 X + 6 Y + 5 X - 10 Y = 9 X -

4Y

B=2X+3Y5-X+2Y2=2X5-X2+3Y52Y2

= 2 . 2 X - 5.( - X ) + 2 . 3 Y - 5 . 2 Y

=
= 4 X + 5 X + 6 Y - 10 Y = 9 X -
4
Y
Consecuencia de la sexta propiedad: “El determinante de una matriz no varía sí a una
línea se le suma una combinación lineal de otra o de otras”. Dado:
11 12 13
21 22 23
31 32 33

[]
aaaA=
a a a a a a Si a la primera fila le sumamos el producto de la segunda previamente
multiplicada por cualquier escalar λ ≠ 0 , resulta: a 11 + λ a 21 a 12 + λ a 22 a 13 +
λ
a
23A = a 21 a 22 a 23
= segun la sexta propiedad
= a 31 a 32 a
33

a 11 a 12 a 13 λ a 21 λ a 22 λ
a
23 = a 21 a 22 a 23 + a 21 a 22 a 23

=A+=
A por ser la fila combinacion lineal de la segunda a 31 a 32 a 33 a 31 a 32 a
33

Esta consecuencia permite simplificar los determinantes, reduciendo a cero varios

elementos de una misma línea mediante adiciones y sustracciones convenientes. Cada
elemento que se logre anular así, evita el cálculo de un cofactor al desarrollar por
elementos de esa línea.

3 2 4 2 6 8 14 ; 3 4 2.4 2 2.( 2) 2 1a 2a 2 3 8 2 4 11 2 4 2 4 2 22 8 14 ( )
0 ( 1a )
++ -
A = - =- - =- - a la fila le sumamos la previamente multiplicada por + - - = - - = - + = -
7a Propiedad: “Si una matriz es triangular, entonces el determinante asociado es igual
al producto de los elementos de la diagonal”.
a 11 a 12 a
13 A = 0a 22 a 23 =

a 11 a 22 a

33
00
a
33

Esta propiedad permite el cálculo de cualquier determinante, ya que por medio de las
propiedades anteriores (1a, 2a, 3a, 4a, 5a y 6a) podemos triangular el determinante y
así facilitar su cálculo. Tener en cuenta los cambios que se producen en el valor del
determinante al aplicar la 2a y 3a propiedad.
8a Propiedad: “El determinante de un producto de matrices es igual al producto de sus
determinantes”.
A.B=
A.B
46
MÉTODO DE CHÍO (REGLA DE CHÍO) Otro método para resolver determinantes lo
constituye la Regla de Chío, que tiene como ventaja que en cada paso que realiza
reduce el orden del mismo en una unidad. Considerando la consecuencia de sexta
propiedad de los determinantes, que dice: “si a los elementos de una línea se le suma
una combinación lineal de otra o de otras, el determinante no varía”, podemos calcular
el determinante de una matriz reduciendo a uno de menor orden, para lo cual se
transforma en cero a todos los elementos de una línea cualquiera salvo uno de ellos que
denominamos “pivote”, aplicando la propiedad enunciada. El elemento pivote es el que
se utiliza para efectuar las combinaciones lineales a los fines de transformar en cero los
elementos de una fila o columna. Al respecto se debe tener en cuenta que si hay que
transformar en cero elementos de una columna, se trabaja con combinación lineal de
filas, y si los elementos son de una fila, a través de combinaciones lineales de
columnas, considerando la fila o columna donde se encuentra el “pivote”, denominada
por este motivo fila o columna pivotal. Dado un determinante de orden “n” :
11 12 1 1
21 22 2 2
12
12 a a .... a j .....
a
n a a .... a j .....

a
n. . . .

A=
. a i . . a i .... a ij .....

.a
in . . . . . . . . a n a n .... a nj .....
a
nnEl procedimiento consiste en tomar un elemento no nulo como pivote, tal como aij,
extraerlo como factor común de la fila “i”, obteniendo:
a 11 a 12 .... a 1 j .....
a
1

na 21 a 22 .... a 2 j .....
a
2

n ........A=
a
ij
a i 1 a i 2 a ij a ij 1 2
.... 1.....
a in a i j . . . . . . . . a n a n .... a nj .....
a
nny luego reducir a cero los elementos restantes de la columna del pivote, (en nuestro
caso la columna “j”), restando a cada fila “h” , (con h ≠ i), la fila “i” multiplicada por ahj,
obteniendo:
47

aaaaaaaaaaaaaaaaaaaaaaaaaaaaAaaaa
aaa

a a a a a a a a a a 11 - i 1 1 j 12 - i 2
1 j .... 1 j - 1 1 j .....

1n-
in
1
j ij ij ij

21 - i 1 2 j 22 - i 2
2 j .... 2 j - 1 2 j .....
2n -
in
2

j ij ij ij ....
=
ij

....
i1i2

.... 1.....
in

ij ij i j ........
n1 - i 1 nj n 2
-i
2

nj.... nj - 1 nj
. .... nn ij ij

a-
a a in ij

a nj
O sea que resolviendo las operaciones indicadas en la columna “j”, tenemos:

a 11 - a i 1 a ij a 1 j a 12 - a i 2

a ij 1 1 1
1 2 21 2 22 2 2 2
12
1212

a j .... 0.....

a n-
aa
in
ij

aj

a - a i a ij a j a - a i a ij a j .... 0.....

a n-
aa
in
ij

aj
....
A=
a ij

. a i a ij . . .

a i a ij .... 1.....

a
in a

ij . . . . . . . . a n - a i a ij a nj a n - a i a ij a nj .... 0.....

a nn -
aa
in
ij

a nj
Finalmente, desarrollando por elementos de la columna “j”, obtenemos un determinante
de orden “n-1” multiplicado por (-1)i+j aij. El procedimiento se reitera hasta obtener un
determinante de segundo orden, que se resuelve fácilmente.
Ejemplo Encuentre el determinante de la matriz A
A=[
1 2 −1 2 3 0 1 −2 1 0 5 3
]

−2 −4 1 6|A| = [
]e (−1)
1 2 −1 2 3 0 1 5 1 −2 0 3 −2 −4 1 6 13 e23(−3) e43(2)
0 4 −1 −1 ]
|A| = [0 1 6 −2 1 −4 0 3 0 −8 1 12
Pivote 1
48
Desarrollando por cofactores
4 −1 −1 ] e (1)
|A| = (−1)1+3 [ 6 1 −4 −8 1 12 12
|A| = 1[ 10 0 −5 ]
e32(−1) 6 1 −4 −14 0 16
Pivote 2
Desarrollando nuevamente por cofactores
10 −5
|A| = (−1)2+2.1[
] = 1.1{(10 .16) − [(−5).(−14)]} = 1 .1(160 − 70) = 90
−14 16
49
UNIDAD N°5: Sistema de ecuaciones lineales.
Definimos como una ecuación lineal con incógnitas o variables x1, x2, . . . , xn , una
expresión que puede escribirse en la forma: a1x1 + a2x2 + . . . . + anxn = b (1) en donde a1,
a2, . . . , an y b son constantes, siendo los “ai” denominados coeficientes de las
incógnitas y “ b ” es el término independiente de dicha ecuación. Como podemos
observar en todos los sumandos del primer miembro de la expresión (1), las variables o
incógnitas se encuentran elevadas a la potencia uno (dicha ecuación se asemeja a la
ecuación de una recta: ax + by = c ; de allí el nombre de lineal); y el término que se
encuentra en el segundo miembro (“ b ”) carece de variable, razón por la cual recibe el
nombre de término independiente. Un conjunto de este tipo de ecuaciones constituye un
sistema de ecuaciones lineales. Entonces podemos considerar como un sistema de
ecuaciones lineales al siguiente:

⎧⎨ ⎩ a a 11 21 1 1 12 2 22 2 1 2 x + a x x + a x = b = b
Para que el mismo tenga solución, deberá cumplir con lo exigido por el:
Teorema de Rouché-Frobenius:
“Es condición necesaria y suficiente para que un sistema de ecuaciones lineales
admita solución, que el rango de la matriz principal y el de la matriz ampliada sean
iguales”
⇒ rMP = rMA .
La matriz principal de dicho sistema es aquella que está constituida por los coeficientes
de las incógnitas, o sea:

MP = ⌈ │ ⌊ a 11 a 21 a
12 a
22

⌉│⌋
La matriz ampliada de dicho sistema es la que conformamos con los coeficientes de las
incógnitas a quienes les agregamos la columna de los términos independientes, es
decir:

MA = ⌈ │ ⌊ a a 11 21 a 12 b 1 a 22 b
2

⌉│⌋
De dichas matrices debemos obtener el valor de su rango o característica, o sea,
determinar la cantidad de vectores filas o columnas linealmente independientes que las
mismas poseen. El valor del rango, (según lo ya explicado en el tema Matrices y
Determinantes), lo podemos obtener por medio de la matriz reducida por filas ó
mediante el cálculo del determinante asociado a dicha matriz. Para el caso de la matriz
principal (MP), que en este ejemplo es una matriz cuadrada (igual cantidad de filas que
de columnas), se lo puede obtener a través del cálculo del respectivo determinante; en
cambio para la matriz ampliada (MA), que no es cuadrada, pues tiene más columnas
que filas, para obtener el rango utilizando también determinantes, vamos a sustituir en
dicha matriz, por ejemplo, la primera columna (columna que corresponde a los
coeficientes de la variable x1) por los términos independientes, es decir tendremos una
matriz ampliada que será en realidad una matriz sustituta de x1 , la cual quedará
entonces conformada por:

MA = M SX 1
b a
=⌈│⌊b 12 12

a
22

⌉ │ ⌋ Los sistemas de ecuaciones que vamos a estudiar pueden ser no homogéneos u

homogéneos; y dentro de estas dos posibilidades, los mismos pueden ser cuadrados o
rectangulares. Los cuadrados son aquellos que tienen el mismo número de ecuaciones
que de incógnitas y dentro de los rectangulares los mismos pueden ser de tipo
horizontal, donde tengo más incógnitas que ecuaciones o pueden ser rectangulares de
tipo vertical, es decir que tenga más ecuaciones que incógnitas.
50
Análisis del Sistema No Homogéneo Sistema cuadrado ⇒ n x n (la misma cantidad
de ecuaciones que de incógnitas)
⎧│ ││⎨││ │⎩ 11 21 1 1 1 1 12 2 22 2 2 2
11

22 a x + a x ...... a x a x ......
. . ...... . . . . ...... . . a x a x ......
++ax=b+++ax=b

+ + + a x = b Analizado este sistema de ecuaciones, si el rango de la matriz principal es

igual al rango de la matriz ampliada, el sistema tiene solución, es decir:
Si rMP = rMA ⇒ El sistema tiene solución.
Si rMP = rMA = n (número de incógnitas) ⇒Sistema Compatible Determinado (Solución
única).
Si rMP = rMA < n (número de incógnitas) ⇒ Sistema Compatible Indeterminado (Infinitas
soluciones).
Si rMP ≠ rMA Sistema Incompatible (No tiene solución).
Sistema rectangular horizontal ⇒ m < n (más incógnitas que ecuaciones)
11 1 12 2 1 1
21 1 22 2 2 2
1122
nn
nn
n n nn n n

⎧│ ││⎨││ │⎩
...... a x + a x a x a x ......
. . ...... . . . . ...... . . a x a x ......

++ax=b+++ax=b

+ + + a x = b En éste caso, el número de ecuaciones es menor que el número de

incógnitas, por lo tanto el rango de la Matriz Principal no puede ser mayor que el número
de ecuaciones ⇒ rMP = m. Si los rangos de la Matriz Principal y de la Matriz Ampliada
son iguales el sistema de ecuaciones tendrá solución. Pero como en éste caso el valor
de dichos rangos es menor que el número de incógnitas (n), el sistema tendrá infinitas
soluciones. Para resolver dicho sistema, paso al segundo miembro (n – m) incógnitas,
obteniendo en éste caso un sistema equivalente al dado, constituido por “m” ecuaciones
y “m” incógnitas principales, teniendo en este caso un nuevo sistema, cuadrado él, en
donde el “rMP = rMA = m”, (que es menor al número de incógnitas del sistema primitivo).
Si los rangos de la Matriz Principal y de la Matriz Ampliada no son iguales, el sistema de
ecuaciones no tendrá solución.
Sistema rectangular vertical ⇒ m > n (más ecuaciones que incógnitas)
11 1 12 2 1 1
21 1 22 2 2 2
1122
nn
nn
m m mn n m

⎧│ ││⎨││ │⎩ a x + a ...... a x a ......

. . ...... . . . . ...... . . a m x a ......
x x x + + a nx n

= b + + + a nx n

=b

+ m + + a mn x n = b
m En éste caso, el número de ecuaciones es mayor que el número de incógnitas, por lo
tanto el rango de la Matriz Principal no puede ser mayor al número de incógnitas (n).
Este es entonces un sistema de más ecuaciones que incógnitas. Si en dicho sistema
existen “n” ecuaciones linealmente independientes, el sistema se puede reducir a:
rMP = rMA ⇒ Sistema Compatible Determinado (Solución única)
rMP = rMA < n ⇒ Sistema Compatible Indeterminado (Infinitas soluciones).
Si las “m” ecuaciones son linealmente independientes, entonces el sistema no tiene
solución.
51
Análisis del Sistema Homogéneo Estos sistemas siempre tienen solución. La solución
que poseen siempre es la conocida como solución trivial, o sea, darle a cada una de las
variables el valor cero, de tal manera que con dichos valores se verifican las
ecuaciones. Sistema cuadrado ⇒ n x n (misma cantidad de ecuaciones que de
incógnitas)

⎧│ ││⎨││ │⎩ 11 21 1 1 1 1 12 2 22 2 2 2
1

2 a ...... . . x 0 a x ...... 0 . ...... . . . ...... . . a n x ...... 0 + a a a x x x + + a n x n = + + + a n x

n
= + n + + a nn x
n
= Si el rango de la Matriz de los Coeficientes es igual a “n” ⇒ ( rMC = n ), el sistema sólo
admite la solución trivial; pues dicho sistema está conformado por “n” ecuaciones
linealmente independientes. Si el rango de la Matriz de los Coeficientes es menor que
“n”, entonces el sistema además de la solución trivial admite infinitas soluciones (pasa
a ser un sistema compatible indeterminado). Para resolver dicho sistema, paso al
segundo miembro “n – r” incógnitas y también elimino “n – r” ecuaciones, obteniendo
bajo estas condiciones un sistema equivalente al dado, que es cuadrado, con “r”
ecuaciones y “r” incógnitas principales, teniendo dicho sistema “términos
independientes” constituidos por las “n – r” incógnitas no principales.

⎧│││⎨││ │⎩ 11 21 1 1 1 1 12 2 ...... 1 22 2 2 2 2 1 1 1 1 2 2 2 1 1 2 2 2 1 1 2 2
12 a . . ( ...... ( . ...... . . . ...... . . ...... ( x + a ..... ) a x a ..... )
. ..... . . ..... . a r x a .
xxxaxaxaxaxaxaxaxaxax
a x + a x + r+ + + + rr= - r+r++ r+r+
++
nn+ rr= - r

+r + + r + r + + + n n + rr r = - rr + r + + rr + r

+ .... + a rn x n ) Sistema rectangular horizontal ⇒ m < n (más incógnitas que

ecuaciones)

⎧│ ││⎨││ │⎩ 11 21 1 1 1 1 12 2 22 2 2 2
1

2 a ...... . . x + a x + + a x
= 0 a x + a x + ...... + a x

= 0 . ...... . . . ...... . . a x + a x + ...... + a x

= 0 En éste caso el rango de la Matriz de los Coeficientes no puede ser mayor que el
número de ecuaciones ⇒ “rMC = m”. El sistema admitirá infinitas soluciones, las cuales
se obtendrán pasando al segundo miembro las “n – m” incógnitas no principales. (caso
similar al analizado en el punto anterior).
Sistema rectangular vertical ⇒ m > n (más ecuaciones que incógnitas)
11 1 12 2 1
21 1 22 2 2
1122
nn
nn
m m mn n

⎧│ ││⎨││ │⎩ a ...... . . x + a x 0 a x a x ...... 0 . ...... . . . ...... . . a m x a x ...... 0

+ + a nx

n = + + + a nx

n
= + m + + a mn x
n
= En éste caso el rango de la Matriz de los Coeficientes puede ser igual o menor que el
número de incógnitas ⇒ “rMC = n”. Si el rango de la Matriz de los Coeficientes es igual a
“n”, entonces el sistema no tiene otra solución que la trivial. Si el rango de la Matriz
de los Coeficientes es menor que “n”, entonces el sistema además de la solución trivial
admite infinitas soluciones (pasa a ser un sistema compatible indeterminado).
52
Métodos para resolver los sistemas de ecuaciones lineales
a) Método de Gauss Este método es aplicable tanto a sistemas de ecuaciones
homogéneos como no homogéneos. Sea un sistema de ecuaciones lineales, por
ejemplo, un sistema “n por n”:
⎧│ ││⎨││ │⎩ 11 21 1 1 1 1 12 2 13 3 22 2 23 3 2 2 3 3 a x + a x + a x + ......
+ a 1x = b
1 a x + a x + a x + ......

+ a 2x = b
2 . . . ...... . . . . . ...... . . a x + a x + a x + ......

+ a x = b del mismo tomamos la matriz ampliada:

11 12 13 1 1
21 22 23 2 2
123
nn
nn
n n n nn n n

⌈ │ │ │ │ │ ⌊ a a a ..... a a a ..... . . . . .... . . a a a ..... a nb a n

b
nnn a nn b

⌉ │ │ │ │ │ ⌋ Aplicamos a dicha matriz ampliada las operaciones elementales de filas

n

hasta obtener la matriz triangular; si el rango de la matriz principal es igual al rango de la

matriz ampliada e igual al número de incógnitas ⇒ ( rMP = rMA = no de incógnitas ), o
hasta obtener la matriz escalonada si el rango de la matriz principal es igual al rango de
la matriz ampliada pero menor que el número de incógnitas ⇒ (rMP = rMA < no de
incógnitas). En el primer caso, ( rMP = rMA = no de incógnitas ), habiéndose operado
sobre la matriz ampliada se llega a la condición de que uno de los coeficientes de las
incógnitas de la última ecuación es distinto de cero siendo todos los demás nulos,
pudiéndose despejar esa incógnita. Quedará entonces:

⌈ │ │ │ │ │ │ │ │ ⌊ 11 12 22 13 ...........
1 23 2 33

31 00..0aaaacc
.... . ...... 0 d
.... . .... .. . . ..... ...... . . . . ..... ...... . . 0 0 ..... . ....
b c d e nnnnn

βαφ ⌉ │ │ │ │ │ │ │ │ ⌋ ⇒ enn xn = φ ∴ xn = φ/enn

Con ésta incógnita despejada, se pasa a la ecuación de la fila anterior, reemplazándose
su valor en ella, pudiendo en consecuencia despejar otra incógnita. Prosiguiendo de
esta manera hasta llegar a la primera fila, se podrá despejar todas las incógnitas. En el
segundo caso, es decir cuando el rMP = rMA < no de incógnitas, datos estos que
obtenemos luego de haber operado sobre la matriz ampliada, se llega al caso de que en
la última fila de la matriz reducida, todos los coeficientes son nulos, incluido el
coeficiente correspondiente a la columna de los términos independientes; y en la fila
inmediata anterior todos los coeficientes son nulos con excepción de los dos últimos de
dicha fila y el correspondiente a la columna de los términos independientes, pudiéndose
en éste caso despejar una incógnita en función de otra o de otras. Resulta entonces,
luego de haber obtenido la matriz escalonada por las operaciones por filas:
⌈ │ │ │ │ │ │ │ │ │ │ ⌊ 11 12 22 13 23 33
. 11
2 3 ( 1)( 1) ( 1) 0 0 . . . 0 0 . . . 0 .......... .... . ..... . .... . .... . . . ..... ..... . . ..... ..... . . ..... ..... 0 ..... . ... . a a a c . . .
. 00 a c d
b c d e n n e nnn
nn

⌉││││││││││⌋
⇒ e(n-1)(n-1) x(n-1) + e(n-1)n xn = φ ⇒ (n-1)

βα- - - φ x = φ

- e (n-1)n e
(n-1)(n-1)

xn
53
En el caso en que el sistema dado no sea cuadrado, sino que tenga más incógnitas que
ecuaciones (sistema rectangular horizontal):

⎧│ │││⎨│││ │⎩ 11 1 21 1 1 1 12 2 13 3 22 2 23 3 2 2 3 3 a x + a x + a x + .......
+ a 1x = b

1 a x + a x + a x + .......

+ a 2x = b
2 . . . ........ . . . . . ........ . . . . . ........ . . a x + a x + a x + .......

+ a x = b siendo el valor de “m” menor que “n” ( m < n ) . “m” representa la cantidad
de ecuaciones y “n” el número de incógnitas. Aquí debemos tener en cuenta que el
rango de la matriz principal y el de la matriz ampliada no podrán superar el valor de “m”,
es decir el rango no podrá exceder en su valor a la cantidad de ecuaciones del sistema
y en éste caso, si el sistema tiene solución, siempre será un sistema compatible
indeterminado con infinitas soluciones, estando el valor de algunas de las incógnitas
principales en función de otra o de otras incógnitas, que en este caso son incógnitas
secundarias.
11 12 13 1( 1) 1 1
22 23 2( 1) 2
33 3( 1) 3
( 1)
nn
nn
m m m mn n m

⌈ │ │ │ │ │ │ │ │ │ ⌊ a ....... 0 0 . . 0 a a a n -a n
b
c c .......
c n-
c
n 0 d .......

d n -d
n . . ....... . . .
. . ....... . . .
0 0 .......
e mn-
e
mn

βαφ ⌉ │ │ │ │ │ │ │ │ │ ⌋

e m ( n - 1) x ( n - 1) + e mn x n = φ ⇒ x ( n
-
1)

=
e x
φ- mn n

e
m ( n-

1)Debemos tener presente que “(n-1)” es igual a “m”, o sea que el rango de la matriz
principal y el de la matriz ampliada son iguales a “m” que es menor que “n” y en éste
caso lo hemos supuesto como si “m” fuese igual a “(n-1)”. Esquemáticamente podemos
representar:
Sistema cuadrado n x n Sistema rectangular m x n
xxxxxxxxx
0 x x x Compatible det er min ado 0 x x x x Compatiblein det er min
ado
00xx00
xxx
xxxxxxxxx
0 x x x Incompatible 0
x x x x Incompatible
000x0000
x
xxxxxxxxx
0 x x x Compatible In det er min ado 0 x x x x Compatible In det er min
ado
000000000
b) Método de Gauss – Jordan Este método es una ampliación del método de Gauss y
también es válido para sistemas homogéneos como no homogéneos. Si en lugar de
obtener la matriz triangular ó escalonada, calculamos la matriz reducida por filas,
podemos entonces obtener directamente los valores de las variables que satisfacen el
sistema.
54
Esquemáticamente resulta:
Sistema cuadrado n x n Sistema rectangular m x n
100x100
xx
0 1 0 x Compatible det er min ado 0 1 0 x x Compatiblein det er min
ado
001x001
xx
100x10
xxx
0 1 0 x Incompatible 0 1
x x x Incompatible
000x0000
x
10xx10
xxx
0 1 x x Compatible In det er min ado 0 1 x x x Compatible In det er min
ado
000000000
c) Método matricial o de la matriz inversa (Regla de Cramer) Este método es
aplicable a cualquier sistema de ecuaciones cuadrado, previo análisis y cumplimiento
del Teorema de Roche-Frobenius ⇒ rMP = rMA. Sea un sistema de ecuaciones lineales,
por ejemplo, un sistema “n por n”:
⎧ │ │││ ⎨│││ │⎩ 11 21 1 1 1 1 12 2 22 2 2 2 13 3 ..... 1 23 3 2 3 3 1 2 a 11 12 13 1 21 22 23 2 . . . 1 2 3 . . . ..... . . . . . . . ..... x
+ax.....axax.....

. . . ..... . . . . ..... . . . . ..... . a x a x . . . . . a x a x a x + + + a x = b ⌈ a a a a + + + + a x = b a a a

a

⇒++++ax=baaaa
x││││││││⌊⌉││││││││⌋

⌈││││││││⌊xx⌉││││││││⌋=⌈││││││││⌊bb

b ⌉ │ │ │ │ │ │ │ │ ⌋ O sea que resulta:

A . X = B (1)
en donde “A” es la matriz cuadrada no singular del sistema lineal, “X” es la matriz
columna de “n” filas (denominada matriz de las incógnitas) y “B” es la matriz columna de
los términos independientes. Siendo “A” una matriz “no singular”, multiplicamos por la
izquierda ambos términos de (1) por A-1 y tendremos:
A-1 . A . X = A-1. B y recordando que: A-1. A = I resulta: I . X = A-1 . B ⇒ A-1 . B = X (2)
para obtener A-1 utilizamos el método de la adjunta, que dice:
Adj (A)
A−1 = |A|
(3)

Donde la adjunta de la matriz A es la matriz resultante de transponer la matriz formada

por los adjuntos o cofactores de los elementos de la matriz principal A, o sea
A A ... A -1
Adj (A) = [ 11 21 n1
A... 12 A... 22 ... ... A... n2 A1n A2n ... Ann] Reemplazando A de (3)
en (2), queda
nnn
nnn
n n n nn n n n n n nn
11

22
.......
nn
55
x 1 [A A ... A
X = [ 1x2...xn] = |A| 11 21 n1 12 A22 ... An2
A ... ... ... ...
b
A1n A2n ... Ann][ 1b2...bn] =
A b +A
[ 11 |A| 1 21

b + ⋯+ A
|A| 2 n1

b b +A
|A| n A12 |A| 1 22

b + ⋯+ A
|A| 2 n2

b b +A
|A| n ...
A1n |A| 1 2n

b + ⋯+ A
|A| 2 nn

b
|A| n
] Entonces, la primera incógnita x1 por igualdad de vectores queda
A b + A b + ⋯+ A b
x1 = 11 1 21 2 n1 n

|A| Se observa que el numerador representa el desarrollo por los elementos de la

primera columna de un determinante como el siguiente:
b a ... a
A11b1 + A21b2 + ⋯+ An1bn = [ 1 12 1n 2 a22 ... a2n
b ... ... ... ... bn an2 ... ann] Es el
determinante de la matriz de coeficientes en la cual se reemplazó la 1° por el vector de
términos independientes. Podemos generalizar:
|A |
xi = i |A| Donde |Ai| representa el determinante de la matriz de coeficientes en la cual
 se reemplazó la columna i- ésima por el vector de términos independientes Tipos de
soluciones: Si A-1 existe ⇒ Solución única (sistema compatible determinado).
Infinitas soluciones (sistema compatible indeterminado). Si A-1 no existe ⇒
No tiene solución (sistema incompatible).
Ejemplo: Resolver el sistema siguiente:
2x1 + x2 = 3 x1 + 5x2 = 6
Calculamos |A|
21
|A| = |
| = 2 .5 − 1 .1 = 9 ⇒ |A| ≠ 0 ∴ r(A) = 2
15 Lo que nos dice que la matriz A es “no
singular”, por lo que el sistema tendrá una única solución que será
|A |
x1 = 1

= |3 1 |
|A| 65
= 3 .5 − 6 . 1
9
=9 =1
9 9
|A |
x2 = 2

= |2 3 |
|A| 16
=2.6−3.1
9
=9 =1 x 1 ]
9 9 x = [ 1x2] = [ 1
56
Ejemplo: Resolver el siguiente sistema:
2x1 + x2 = 3 4x1 + 2x2 = 5 Calculamos |A|
21
|A| = |
| = 2 . 2 − 1 .4 = 0 ⇒ |A| = 0
42 Vemos que los dos vectores son dependientes
linealmente, pero sus términos independientes no, con la cual tenemos:
rMP = 1 ≠ rMA = 2 ⇒ no se cumple Rouche − Frobenius Además
31
|A1| = |
| = 1 ; |A | = |2 3
52 2

| = −2
45 Por lo tanto
 1 ; x = −2 ⇒ Sistema incompatible
x1 = 0 2 0
Ejemplo: Resolver el sistema
2x1 + x2 = 3 4x1 + 2x2 = 6 Vemos que como en caso anterior |A| = 0, pero en este caso;
rMP = 1 = rMA = 1 ⇒ se cumple Rouche − Frobenius Vemos que
31
|A1| = |
| = 0 ; |A | = |2 3
62 2

|=0
46 Por lo tanto
0 ; x = 0 ⇒ Sistema compatible indeterminado
x1 = 0 2 0 Para encontrar las soluciones se
debe utilizar el método de Gauss o Gauss-Jordan
57

UNIDAD N°6: Rectas y planos.

Generalidades:
La Geometría Analítica es la parte de la matemática que tiene por objeto el estudio y análisis
de los lugares geométricos en base a la deducción de las ecuaciones y construcción de las
gráficas. Lugar Geométrico: Recibe este nombre toda figura cuyos puntos cumplen con dos
condiciones:
a) Todo punto de la figura goza de una propiedad determinada; b) Todo punto que goza
de esa propiedad pertenece a la figura.
Como deducción, vemos que la Geometría Analítica cumple con dos objetivos
fundamentales:
c) Dado un lugar geométrico o la condición que deben cumplir los puntos del mismo,
determinar su
ecuación. d) Dada una ecuación, construir la gráfica correspondiente.
Todos los conceptos anteriores se basan en dos condiciones recíprocas importantes:
e) Si las coordenadas de un punto satisfacen una ecuación, ese punto pertenece a la
gráfica de esa
ecuación; f) Si un punto está sobre la gráfica de una ecuación, sus coordenadas
satisfacen esa ecuación.
La solución de todo problema de la Geometría Analítica debe ir acompañada de un
sistema de ejes coordenados, que es lo que la distingue de la “geometría pura”.
La línea recta
Se define la Línea Recta como el lugar geométrico de todos los puntos, tales que,
pasando por uno de coordenadas conocidas, se encuentran sobre la misma dirección,
dada por un vector también conocido.
Ecuación Vectorial de la Línea Recta:
De acuerdo a la definición, para encontrar la y a̅
ecuación de la Línea Recta, necesitamos un punto particular P1(x1;y1) y una dirección
determinada en este caso por el vector ā. Teniendo en cuenta
y P(x , y)
que ecuación es toda expresión matemática representativa de los infinitos puntos de un
lugar λa̅
geométrico determinado, se hace necesario (en
y1
P1(x1 , y1)
todos los casos) considerar el punto genérico P(x,y), obteniendo la expresión vectorial:
β
̅̅ OP = ̅̅ OP + ̅̅ P P a a̅ α
1 1 2
̅̅ OP = ̅̅̅ OP + λa̅ (1)
1
O x1 a1 x x
Ecuación vectorial paramétrica de la Línea Recta, válida para cualquier espacio.
Ecuación Cartesiana Paramétrica Partiendo de la ecuación (1), en R2, y considerando
los vectores unitarios “ i ” y “ j ” de componentes (1,0) y (0,1) respectivamente, estando
el primero de ellos asociado al eje de abscisas (eje de las “x”) y el segundo (“j”) al eje de
ordenadas (eje de las “y”), y teniendo presente el escalar o parámetro “λ”, así como
también “a1” y “a2”, componentes del vector dirección “a̅”, tendremos:
58
OP = xi +
yj
OP = x i +
yj
λa=λ
ai + a j Si ahora reemplazamos todos estos valores, en la expresión (1), tendremos:
xi + yj = xi + y j + λ ai + λ a j
1 1 1 2 Para que dos vectores sean iguales, deben ser iguales

sus componentes homólogas. Si agrupamos las componentes homólogas obtendremos:

x = x1 + λa1 y = y1 + λa2
Si en lugar de un espacio de dos dimensiones se hubiese trabajado en tres
dimensiones, tendríamos: x = x1 + λa1 y = y1 + λa2 z = z1 + λa3
De las ecuaciones (2) podemos obtener:
x − x1 = λa1 y − y1 = λa2
resulta entonces:
y x − − yx1 1 = = λaλa1 2 ⇒ ⇒ x y − − xy1 1 = = λa̅ λa̅ cosα cosβ
y si esto fuese en el espacio de tres dimensiones, resultaría:
a
cosγ = a 3⇒ a3 = a̅ cosγ y las ecuaciones serían:
̅
x − y − xy1 1 = = λaλa1 2 ⇒ ⇒ x y − − xy1 1 = = λa̅ λa̅ cos α cosβ z − z1 = λa3 ⇒ z − z1 = λa̅
cos γ
En donde las componentes del directores de la recta orientada y vector son los a̅ valores
(a1, aque 2, aubican 3) son los llamados números de dirección ó números
al vector ā en el espacio. Partiendo de las ecuaciones (4), obtenemos:
1

111
112
2

1 ( 111
2

)
(2)
ecuaciones paramétricas de la línea recta en R2 donde λ es el parámetro variable. Este
parámetro puede tomar valores de - ∞ a + ∞, dando las infinitas posiciones que puede tener el
punto genérico “P”.
(3)

Siendo en éste caso “a3” la tercer componente del vector dirección “a̅”. (4) y recordando
a
cos ∝ = a 1⇒ a1 = a̅ cos ∝
̅
a
cosβ = a 2⇒ a2 = a̅ cosβ
̅
(5)
(6)

x-xay-ya

= = λ λ⎫ │ │ ⎬ │ │⎭
x-xa=y-y
a
(7)
La ecuación (7) es la llamada Forma Simétrica de la línea recta en R2. Si ahora
analizáramos (6), tendríamos:
x-x1 λ y-y1 λ z-z1 λ x-x1 y-y1
a 1= ; a 2= ; a 3= ⇒ a 1= a 2=
z-z

1
a 3 ( 8 ) La expresión (8) es similar a la expresión (7), es decir, la Forma Simétrica de
la ecuación de la recta en R3.
59
De la expresión (7), podemos obtener:
2
1

( 1 ) ( ) 1 y - y = a a x - x 9 que es la ecuación de la Línea Recta que pasa por el punto

P1(x1,y1) y tiene la dirección del vector a̅ A la relación de los números directores a2 y a1
se la llama coeficiente angular de la recta no paralela al eje “y” y se lo designa con: y
sen α
m = tanα = cosα
=a
a1
2a̅ α a2
Reemplazando la expresión de “m” en (9), nos queda: a1 x
y − y1 = m (x − x1) (10)
si a esta última ecuación, la desarrollamos y despejamos el valor de “y” , resulta: y
y = mx − mx1 + y1 y haciendo: mx1 + y1 = b , podemos escribir: y = mx + b
y = mx + b (11)
x conocida como Forma Explícita de la ecuación de la recta en R2. Se puede
comprobar que “b” es la magnitud comprendida desde el origen del sistema de
coordenadas al punto en que la recta corta al eje de ordenadas (eje “y”), recibiendo por
esta razón el nombre “ordenada al origen”. Esto se obtiene haciendo x=0 en la
ecuación (11). Ahora, si en dicha ecuación (11) agrupamos todos los términos en el
primer miembro, es decir igualamos a cero:
−mx + y − b = 0
y multiplicando ambos miembros de dicha expresión por B, siendo “B” una constante
real y arbitraria, resulta:
−Bmx + By − Bb = 0
y haciendo: - B m = A ; - B b = C , nos queda finalmente:
Ax + By + c = 0 (12)
conocida como Forma General o Implícita de la Línea Recta, en donde “A” y “C”
también son constantes reales y arbitrarias.
Análisis de la ecuación (12)
• Si en dicha ecuación es A = 0 con B ≠ 0 que la distancia “x”.
= b (ordenada = cte, representa al
relación constante (13) −CB , y = −CB yC≠0⇒By+
 la ecuación de una recta paralela origen). Esta ecuación (13) se cumple
C = 0 ⇒ y = −CB
= cte (13). Esto me dice aleje “x”, ubicada a la

para cualquier valor de

= cte (14). Esta es la ecuación

• Si ahora es B = 0 con A y C ≠ 0 ⇒ A x + C = 0 ⇒ x = −CA
paralela (a la variable que falta) al eje “y”, ubicada a una distancia constante del eje “y”
el nombre de abscisa al origen.
de una recta −C = a y recibe
A

60
• Si C = 0 con A y B ≠ 0 ⇒ A x + B y = 0 (15), obtenemos la ecuación de la recta que
pasa por el origen del sistema de coordenadas, por cuanto la expresión (15) se verifica
para los valores de x = 0 e y = 0.
• Si son A = 0 y C = 0 y B ≠ 0 ⇒ B y = 0. Como B ≠ 0 , debe ser y = 0 entonces resulta
la ecuación del eje “X”.
• Si B = 0 y C = 0 con A ≠ 0 ⇒ A x = 0 . Como A ≠ 0, debe ser x = 0, resultando
entonces la ecuación del eje “Y”.
• En la ecuación (12), si A, B y C son distintos de cero, su representación gráfica resulta
ser una recta que no pasa por el origen y que no es paralela a ningún eje coordenado.
Ecuación Segmentaría de la Línea Recta Partiendo de la ecuación General ó Implícita
(12), se dividen ambos miembros por - C y se pasan los valores de A y de B dividiendo
al denominador:
A x+ By + C= 0 ⇒ x
Ax + By + C = 0 ⇒ −C −C −C −CA
y
+ −C B
−1=0
Reemplazando los valores de:
−C = b y = 1 (16)
−CA = a y B ya analizados en el punto anterior, resulta: a x+ b
expresión que recibe el nombre de ecuación segmentaría por cuanto están
explicitados los valores de la abscisa al origen (a) y ordenada al origen (b), o sea las
medidas de los respectivos segmentos, siendo por consiguiente inmediata su
representación gráfica.
Ejemplo 1: Hallar la ecuación de la recta que pasa por el punto M (-3; 1) y tiene la
dirección del vector a̅ (5; 4). Exprese la misma en sus formas vectorial, paramétrica,
simétrica, general o implícita, explícita y segmentaría.
Solución: La ecuación de la recta en su forma vectorial está dada por: ̅̅ OP = ̅̅̅ OM + λa̅,
en donde el vector ̅̅ OP está definido por las coordenadas del origen del sistema de
coordenadas cartesianas (0, 0) y el punto genérico “P” de coordenadas (x ; y) y el vector ̅̅̅
OM por las coordenadas del origen del sistema (0 , 0) y las coordenadas del punto M(-3;
1), los vectores:

y el vector “a̅ ” por sus componentes (a1 ; a2) = (5 ; 4), o sea determinando

OP = ⎧ ⎨ ⎩ y x - - y x 0 0 = = y x - - 0 0 = = y x ; OM = ⎧ ⎨ ⎩
x - x 0= - 3 - 0 = - 3 y - y
0

= 1 - 0 = 1 y sustituyendo en la ecuación dada en su forma vectorial resulta:

(x,y) = (−3,1) + C (5,4) a ésta última expresión podemos también escribirla:
x − x0 = (xM − x0) − λa1 ⇒ x = xM − λa1 ⇒ x = −3 + 5λ
y − y0 = (yM − y0) − λa2 ⇒ y = yM − λa2 ⇒ y = 1 + 4λ
de donde resulta la ecuación de la recta en su forma paramétrica. y esta última
expresión también puede ser escrita como:
MM

61

3xx355x3y

1
y14y

1 5 4 4 + ⎧ │ ⎨ │ ⎩ + - = λ= λ ⇒ ⎧ │ │ ⎨ │ │ ⎩

- = λ = λ ⇒ + = - ⇒ si ahora tomamos la última ecuación y la escribimos:

4(x + 3) = 5(y − 1) ⇒ 4x + 12 = 5y − 5 ⇒ 4x − 5y + 12 − 5 = 0 de donde resulta

4x − 5y + 17 = 0 forma General o implícita y de esta última fórmula: 4x + 17 = 5y ⇒ y =

17 Forma explícita
45x + 5
si en esta última igualdad hacemos es: y = 0 resulta al origen, podemos ⇒ escribir:

x = − 174 x = 0 , resulta: ⇒ y = 175 que es la ordenada al origen, si en cambio que es la

abscisa al origen y con estos dos valores de ordenada y abscisa

1 17 17
145
Forma simétrica
 + =⇒ +
ax by x y
=
-
que es la Ecuación en su Forma Segmentaría
Ejemplo 2: Hallar la ecuación de la recta que pasa por el punto M(5; -2; 3) y tiene la
dirección del vector ā (-9; 5; 4). Exprese la misma en todas sus formas posibles.
Solución: La resolución de éste ejercicio es similar al anterior, la variación que existe es
que los datos están dados en R3, es decir que tenemos la ecuación de una recta en un
espacio de tres dimensiones. Tendremos entonces, que la ecuación de la recta en su
forma vectorial está dada por:
OP = OM + aλ En donde el vector ̅̅ OP esta definido por las coordenadas del origen del
sistema de coordenadas cartesianas (0, 0, 0) y el punto genérico “P” de coordenadas (x;
y, z) y el vector ̅̅̅ OM por las coordenadas del origen del sistema (0, 0, 0) y las
coordenadas del punto M(5; -2; 3), y el vector “ ā ” por sus componentes (a1; a2; a3) =

(-9; 5; 4), o sea determinando los vectores: OP = ⎧ │ ⎨ │ ⎩

x - x 0 = x - 0 = x 0 y - y 0 = y - 0 = y ; OM = 0 z - z 0 = z - 0 = z 0 ⎧ │ ⎨ │ ⎩ x y z - x

=5-0=5-y

= - 2 - 0 =- 2 - z

=3-0=3
y sustituyendo en la ecuación dada en su forma vectorial resulta:
(x,y, z) = (5 , −2 ,3) + λ(−9 ,5 ,4) a ésta última expresión podemos también escribirla:
x − x0 = (xM − x0)− λa1 ⇒ x = xM − λa1 ⇒ x = 5 − 9λ y − y0 = (yM − y0) − λa2 ⇒ y = yM − λa2
⇒ y = −2 + 5λ z − z0 = (zM − z0) − λa3 ⇒ z = zM − λa3 ⇒ z = 3 + 4λ
de donde resulta la ecuación de la recta en su forma paramétrica.
MMM

62
A la fórmula paramétrica la podemos también escribir

x 5 9 x 95 y 2 5 y 5 2 x 9 5 y 5 2 z 4

3 Forma simetrica

z 3 4 z 4- =- - + = - = 3 ⇒ ⇒ ⇒ - = + = - = ⎫ │ │ │ ⎬ │ │ │⎭ ⇒ - - = + = - Ecuación
Vectorial de la Línea Recta que contiene dos puntos dados
y
y P(x,y)
y2 P2
y1 P1
ā
0 x1 x2 x x
Desarrollando la ecuación (17) y suponiendo que trabajamos en un espacio de dos
dimensiones (R2), tendremos:

OP = xi + y j ; OP 1 = x 1 i + y 1 j ; λ PP 1 2 = λ ⌈ ⌊ ( x 2 - x 1 ) i + ( y 2 - y 1 ) j ⌉ ⌋ y
reemplazando en la expresión (17), resulta:

xi + yj = xi 1 + y 1 j + λ ⌈ ⌊ ( x 2 - x 1 ) i + ( y 2 - y 1 ) j ⌉ ⌋ = xi 1 + y 1 j + λ ( x 2 - x 1 ) i + λ ( y

2 - y 1 ) j y agrupando términos homólogos, tenemos:

xi + y j = ⌈ ⌊ x 1 + λ ( x 2 - x 1 ) ⌉ ⌋ i + ⌈ ⌊ y 1 + λ ( y 2 - y 1 ) ⌉ ⌋ j Recordando que dos

vectores iguales, tienen iguales sus componentes homólogas:
x = [x1 + λ ( x2 – x1)] y = [y1 + λ ( y2 – y1)]
Si se hiciese el mismo análisis para el espacio tridimensional, tendríamos:
x = [x1 + λ ( x2 – x1)] y = [y1 + λ ( y2 – y1)] (19) z = [z1 + λ ( z2 - z1)]
Si ahora volvemos a analizar la ecuación (18), de la misma podemos despejar:
x-x1 λ;y-y1 λ x-x1 y-y1 λ x-x1 y
x 2- x 1= y 2- y 1= ⇒ x 2- x 1= y 2- y 1= ⇒ x 2- x 1=
-y1 20
y 2- y 1( ) La expresión (20) se conoce como ecuación simétrica de la línea
recta por dos puntos en el espacio bidimensional.
λλ
λλ
λλ
Dados los puntos P1(x1, y1) y P2(x2, y2) y considerando un punto genérico P(x, y),
representativo de cualquier punto de la recta, la ecuación vectorial de la misma que
contiene esos dos puntos, resulta:
OP = OP 1 + λ PP 1 2 ( 17 ) que se llama Ecuación Vectorial Cartesiana
(Válida para cualquier espacio).
Ecuaciones Cartesianas Paramétricas de la Línea Recta
(18) puntos dados en el
espacio de dos dimensiones (R2).
que contiene dos

63
Aquí podemos observar que los números directores de la recta orientada están dados
por la diferencia de las coordenadas homólogas de los puntos dados (comparar con
ecuación (7)). De la ecuación (20) podemos obtener:
y2 y1
1y
-y= x 2-

x
1

( x - x 1 ) ( 21 ) y aquí obtenemos el coeficiente angular como la relación

( y 2( x 2- y 1
)-

x
1

) = m Si por el contrario, se trabajase con la ecuación (19), tendríamos:

111
( ) 212121x - x x - x = y - y y - y = z - z
z-
z 22 que es la ecuación simétrica de la línea recta en el espacio tridimensional.
Volviendo a la ecuación (21), (ecuación de la recta que pasa por dos puntos dados
conocidos), si se multiplica la misma por (x2 – x1) y se pasan todos sus términos al
primer miembro, se obtiene:
x1y2 – x2y1 – y2x + x2y + y1x – x1y = 0 (23)
expresión esta que puede escribirse en forma de determinantes:
x y 1x 1 y
1

1 0 x 2y
2

1
=
Al mismo resultado podemos llegar (ecuación de una recta que pasa por dos puntos
dados conocidos P1(x1, y1) y P2(x2, y2) ), considerando la ecuación general ó implícita de
la recta (expresión 12) ya vista:
A x + B y + C = 0 (12)
Como los puntos P1 y P2 están sobre la recta, sus coordenadas deben satisfacer dicha
ecuación (12), tendremos entonces:
A x1 + B y1 + C = 0 (24) A x2 + B y2 + C = 0 (25)
Como la ecuación buscada es de la forma de (12), debemos considerar los coeficientes
A, B y C como incógnitas. Sus valores, además, deben ser los mismos en las
ecuaciones (24) y (25) si la recta pasa por los puntos P1 y P2. Podemos considerar
entonces las ecuaciones (12), (24) y (25) como un sistema de tres ecuaciones lineales
homogéneas con tres incógnitas (A, B y C). Por álgebra sabemos que para que un
sistema de éste tipo tenga solución, es necesario y suficiente que el determinante de la
matriz de los coeficientes se anule, es decir:
x y 1x 1 y
1

1 0 x 2y
2

1
=
Ejemplo 3: Hallar la ecuación de la recta que contiene los puntos M(2; 1) y Q(3; 4).
Expresar la misma en sus formas vectorial, paramétrica, simétrica, general o implícita,
explícita y segmentaría.
Solución: La resolución de éste ejercicio es similar al ejemplo no 1. La variación que
existe es que el vector dirección de la recta hay que determinarlo en función de las
coordenadas de los puntos M y Q . Tendremos entonces, que la ecuación de la recta en
su forma vectorial está dada por:
64
OP = OM + λ MQ En donde el vector ̅̅ OP está definido por las coordenadas del origen
del sistema de coordenadas cartesianas (0, 0) y el punto genérico “P” de coordenadas
(x; y) y el vector ̅̅ OM por las coordenadas del origen del sistema (0, 0) y las
coordenadas del punto M(2; 1), y las componentes (a1; a2) del vector “ ā ” como las
diferencias de coordenadas de los puntos “M” y “Q”:

=⎧⎨⎩--⎧( )()
( ) ( ) ( ) = - = = - = = ⎧ ⎨ ⎩ - - = - = = - = = │ ⎨ │⎩ = = - - = = OP x x 0 x 0 y y 0y 0 ; 2 1 - - x y

OM x Mx 0 y M y 0 = = ⇒ = y reemplazando todos estos valores en la forma vectorial,

obtenemos:
(x ; y) = (2 ; 1) + λ (1 ; 3)
que es la ecuación vectorial de la línea recta por dos puntos de acuerdo a lo ya visto
en el ejemplo 1. Pasaremos ahora a las otras formas pedidas. Entonces a ésta última
expresión podemos también escribirla:
x – x0 = (xM – x0) + λ a1 ⇒ x = xM + λ a1 ⇒ x = 2 + 1 λ y – y0 = (yM – y0) + λ a2 ⇒ y = yM +
λa2 ⇒ y = 1 + 3 λ
de donde resulta la ecuación de la recta en su forma paramétrica, expresión ésta que
también podemos escribir
 221121

131
133

0 0 1 2 ; a a 1x Qx Ma 2y Qy
M

3 2 1 4 1 3 a 1;3 x x x y

y y - ⎧ │ ⎨ │ ⎩ - - = = ⇒ ⎧ │ │ ⎨ │ │ ⎩ - = = ⇒ - = - si ahora tomamos la última

ecuación y efectuamos la siguientes operaciones:
3(x - 2) = 1(y - 1) ⇒ 3x - 6 = y – 1 ⇒ 3x – y - 6 + 1 = 0 de donde resulta:
3x – y - 5 = 0 que es la forma General o Implícita,
de esta última fórmula:
y = 3x - 5 ⇒ Forma Explícita
si en esta última igualdad hacemos x = 0 resulta: ⇒ y = -5 que es la ordenada al origen;
5 que
si en cambio es: Con λλ λ λ y estos = 0 dos resulta valores ⇒ de x = ordenada 3
es la abscisa al origen.

y abscisa al origen, podemos escribir:

155
13
Forma simétrica
+ =⇒ +
ax by x -y
=
que es la Ecuación en su Forma Segmentaría
La ecuación General o Implícita podría en éste caso también ser hallada utilizando el
determinante de tercer orden:
x y 1x 1 y
1

1 0 x 2y
2

1
=
en el cual sustituyendo las coordenadas de los puntos M(2; 1) y Q(3; 4) por x1 e y1 y por
x2 e y2 respectivamente, resulta:
65
1xy211
= 3 4 1 expresión esta última que multiplicada por menos uno (-1), nos queda:
3x – y – 5 = 0
Ejemplo 4: Dados los puntos M(1; -5; 4) y N(0; 3; -2), hallar la ecuación de la recta que
pasa por ellos. Exprese dichas ecuaciones en sus formas vectorial, paramétrica y
simétrica.
Solución: La resolución de éste ejercicio es similar a lo visto para el ejemplo 2, es decir
debemos trabajar en el espacio vectorial R3, y tendremos como solución una recta en un
espacio de tres dimensiones. Aplicamos también los conceptos utilizados en el ejemplo
3, pues son dos puntos los que definen el vector dirección de la recta. Tendremos
entonces, que la ecuación de la recta en su forma vectorial está dada por:
OP = OM + λ MN En donde el vector ̅̅ OP esta definido por las coordenadas del origen
del sistema de coordenadas cartesianas (0, 0, 0) y el punto genérico “P” de
coordenadas (x; y, z) y el vector ̅̅ OM por las coordenadas del origen del sistema (0, 0, 0)
y las coordenadas del punto M(1; -5; 4), y las componentes (a1; a2; a3) del vector “ ā ”
como las diferencias de coordenadas homólogas de los puntos “M” y “N”.

( ) ( ) ( ) ( ) ( ) ( ) ( ) - (1 − 4)x −(2 −3)y + (8− 3) 1 = −3x + 1y +5 = 0 0 OP = - =- + = - =- ⇒

⇒⇒-+--⎧│⎨│⎩===xyz⎫│││⎬│││⎭-x=x-0=x-y=y-0=y;-z=z-0=z
OM = ⎧ │ ⎨ │ ⎩ x z y x _ y z 1 0 1

505;a404a=xxayyazz
11358a
1;8;6

2 4 6 ⇒ - - = + = - - - = - = =- - =- - = - = = 0 0 0 M0 M 0 M 0 ⎧ │ │ ⎨ │ │⎩

12
= 3= N- M= - = - N- M

= ⌈ ⌊ - - ⌉ ⌋ = ⇒ N - M = - - = - = - y sustituyendo en la ecuación dada en su forma vectorial

resulta:
(x; y; z) = (1; -5; 4) + λ (-1; 8; -6)
a ésta última expresión podemos también escribirla:
x – x0 = (xM – x0) + λ a1 ⇒ x = xM + λ a1 ⇒ x = 1 - 1 λ y – y0 = (yM – y0) + λ a2 ⇒ y = yM + λa2
⇒ y = -5 + 8 λ y – z0 = (zM – z0) + λ a3 ⇒ z = zM + λa3 ⇒ z = 4 - 6 λ
de donde resulta la ecuación de la recta en su forma paramétrica. A la fórmula
paramétrica la podemos también escribir

1 1 11 5 8 8 5 1 1 8 x
λxλ
yλyλ
xy5z6

4 Forma Simetrica

46λz6
4λ
66
Ángulo de dos rectas
y
Consideremos las rectas r1(a1;b1) y r2(a2;b2) definidas en el espacio vectorial
bidimensional ⇒ R2.Al ángulo que forman las dos rectas lo obtenemos aplicando el
r
concepto de producto 2α escalar de dos vectores:
r 1r 1 .r 2 =r 1 . r 2
cos
α

cos α

=
r 1 .r 2 r 1 .r
20 x Tomando en cuenta que el producto escalar de dos vectores es igual a la suma de
los productos de las componentes homólogas o números directores homólogos, resulta:
cos α =
+
a 1a 2 b 1b
2

(26) a 1 2 + b 1 2 .
a 22+ b
2
2

.
y
Otra forma de calcular el valor del ángulo es: α = α2 - α1 diferencia de los ángulos que
r
cada recta forma con el 2semieje positivo de las “x”
Por trigonometría: Por trigonometría:
 r
α
1
21
21
12

α1 α2
0x
Ejemplo 5: Dadas las rectas:
1 x + 4 , r̅ ⇒ y = 5 x − 6 en su forma explícita
r̅ 1⇒ y = 3 2 2 se pide calcular el ángulo “α”
que forman las mismas.
Solución: Las rectas dadas en forma explícita tienen por ecuación y = mx + b , siendo

m=∆∆
y xtan α = tan ( α - α ) = 1 tan +

tan α - tan α α tan α Utilizando la tangente trigonométrica, nos permite poner esta última
expresión en función de los coeficientes angulares de ambas rectas, que en general son
conocidas:
tan α - α arc tan
= 1 m + 2 mm 1 m 12⇒ = 1m+
-
2 m 1 .

m m 1 2 ⇒ m = a ya x=

a 2a 1
, correspondiendo los valores de a1 y a2 a las componentes del vector dirección En Con
el las caso componentes de r̅ 1dicho de vector los vectores dirección dirección será: ā
̅ ̅
(a1; y a a2) través ⇒ ā (3; del de la recta 1) y para producto rescalar ̅⇒ 2b (b1; b2)⇒ ā b
(a1; (2; 5). a2).
puedo encontrar el valor del ángulo “ α ”, o sea:

a . b = a . b cos α ⇒ α =

arc cos a . b a . b
67
+
3.2 α = arc cos 1.5 3 2 + 1 2 . 2 2 +

52
 11
⇒ α = arc cos 290 ⇒ α = 49 0 46'30'' Otra forma de calcular “ α ” podría ser a través
de la expresión:
tan -
α = arc m2 m1

1+

m 1 . m 2 ⇒ = tan α arc 5 2 -
1 3 1 + 1 3 .5 2

⇒ α = arc tan 13 11 ⇒ α = arc tan 1,181818 ⇒ α

=

49 0 46 '30 '' Condiciones de Perpendicularidad de dos Rectas Para que r1 sea

perpendicular a r2, deberá ser:
1 + m m
r̅ 1⊥ r̅ 2⇒ α = 90° ⇒ cotan 90° = 0 ⇒ m 1 − 1m 2 2
1
= 0 ⇒ 1 + m1m2 = 0 ⇒ m1 = − m 2 (27)
Es decir, que para que dos rectas cumplan la condición de perpendicularidad, el
coeficiente angular de una de ellas debe ser igual a la inversa del otro con el signo
(cambiado) opuesto. A un resultado similar podemos llegar, considerando el producto
escalar de los vectores dirección de ambas rectas:

α = 90 0 ⇒ cos α = 0 ⇒
+
a 1. b 1 a 2. b
2a 12+ a 22b 12+
b
2
2

y para que se cumpla, deberá ser:

a .b +a .b =0
1 1 2 2 (28)
Es decir que cuando la suma de los productos de las componentes homólogas de los
vectores dirección de las rectas (o la suma de los productos de los números directores
homólogos de las rectas) es igual a cero, dichas rectas son perpendiculares.
Ejemplo 6: Verificar si los siguientes pares de rectas son perpendiculares:
r1: 4x + 2y – 13 = 0 r3: 2x – y + 4 = 0
a) b)
r2: 3x – 7y + 3 = 0 r4: 34x + 68y – 187 = 0
Solución: Para que dos rectas sean perpendiculares debe cumplirse que el coeficiente
angular de una de ellas debe ser igual a la inversa del otro con el signo cambiado, o
sea:
m1
1
= - m 2Para el caso a) tendremos:
4 13 4
r 1 ⇒ 2 y = - 4 x + 13 ⇒ y = - 2 x + 2 ⇒ m 1= - 2 = -
3 3 3
2 r 2 ⇒ 7 y = 3 x + 3 ⇒ y = 7 x + 7 ⇒ m 2 = 7 es evidente que: m1 ≠ − m12 por lo
tanto r̅ 1no es perpendicular a r̅
2
68

Para el apartado b) de r̅ 4⇒ - 68 y = 34 x – 187 de donde se verifica que: ⇒ y = de −68

34

x − 187
r̅ 3 ⇒ y = 2 x + −68

⟹y
4 ⇒ m3 = 2

= − 1 x + 187 ⟹m =−1 1 1 lo que comprueba que r̅ ⊥ r̅

2 68 4 2 m3 = − m 4 ⟹ 2 = − 2 3

4Condiciones de Paralelismo de dos Rectas Si del r̅ 1otro es a paralela través de a un

r̅, 2escalar significa (k) que (como se puede combinación obtener lineal).
uno cualquiera de esos vectores dirección en función
a1i + a2j = k(b1i + b2j) ⟹ a1 = kb1 a2 = kb2

⟹ k = ab1 1= ab2 2(29)

Si las componentes de los vectores dirección de ambas rectas reúnen la condición (29),
entonces decimos que dichas rectas son paralelas.
Ejemplo 7: Compruebe si los siguientes pares de rectas son paralelos

a) ⎧ │⎨│ ⎩ r:7 r 12:4 2 0

10x-y=x-y

- = b)

;
⎧ │⎨│ ⎩
m1 = m2 ó m1 = λm2 ó
⟹ m1 ≠ m2 - + = - + = Solución: Si dos rectas son paralelas sus coeficientes angulares
deben ser iguales o también que uno de ellos sea proporcional del otro; o sea:
a ; b ; a b a a
m 1= 2a 1 m 2= 2b 1 ⇒ 2a 1= 2b 1⇒ 2b 2= 1
. .
b 1⇒ a 1 b 2- a 2 b 1
0
= Para el caso a)
77
r:2 1 7 2 12
r 2 : 4 1 24
r 3: 6 x 2 y
11 0
r 4:3 x y
50

⎧ ││⎨│ │⎩

y = x ⇒ y = x ⇒ m = y = x - ⇒ m = o también:

⎧ │ │││ ⎨││ │ │⎩ 1 2 2
121
2212

1
m 12
12
m=72

= ∆ ∆ ay x = a ⇒ a ( a ; a ) ⇒ a (2 ; 7) = 4 ⇒ m = 14 = ∆ ∆ by x = b

⇒ b ( b ; b ) ⇒ b (1; 4) a b = a b

⇒12≠74
a1 . b2 – a2 . b1 = 0 ⇒ 2 . 4 – 1 . 7 ≠ 0
todo lo expuesto indica que este par de rectas analizadas, no son paralelas.
69
Para el caso b)
⎧ ││ ⎨│ │⎩ r: 3 4 2 6 11 6 2 4
33

34
y = x + ⇒ y = x + 11 m 6 2

m
3mm
r:y=3x+5⇒m

= 3 ⇒ = ⇒ = ⇒ = o también:

⎧ │││ ⎨││ │⎩ m 3 = 6 2

⇒ a ( a 1; a 2

)⇒a

(2 ; 6) 1 2
12 m 4= 3 ⇒ m 4= 3 1

⇒ b ( b 1; b 2

)⇒b

(1 ; 3) ⇒ a b = a b

⇒12=63
a1 . b2 – a2 . b1 = 0 ⇒ 2 . 3 – 6 . 1 = 0 lo aquí analizado indica que para este caso b) las
rectas son paralelas, es decir: r̅ 3∥ r̅. 4Forma Normal de la Ecuación de la Línea Recta
en R2 Esta forma de la ecuación es interesante cuando se debe determinar la distancia
entre un punto y una recta.
y
B r0
r P0(x0;y0)
n (A,B)
P1(x1;y1) d
p y1 P(x;y)
ωy
0 A x1 x x
nPP . = 0 ⇒
1 { n = Ai + Bj } ; { PP 1
=
( x - x 1) i + ( y - y 1) j } y reemplazando,

resulta:
( Ai + Bj ) . ⌈ ⌊ ( x - x 1 ) i + ( y - y 1 ) j ⌉ ⌋ = 0 y resolviendo el producto escalar
indicado:
A (x – x1) + B (y – y1) = 0 ⇒ Ax + By – (Ax1 + By1) = 0 (30)
y dividiendo esta última expresión por el módulo del vector “n̅” , tendremos:
 A B A
nx ny n x 1 Deducción de la ecuación
Consideremos la recta r determinada por el punto P1(x1 ; y1) y la dirección normal, dada
n (A, B), con sentido radial (desde el
por el vector origen del sistema de coordenadas).
Éste vector forma un ángulo ω, con el semieje positivo de las abscisas (eje “x”). El punto
P1(x1, y1), con el punto genérico P(x, y) (que no puede faltar), conforman “n̅” (por
construcción). el vector ̅̅̅ P1P Teniendo perpendicular en cuenta al vector esta condición,
podemos escribir, que el producto escalar de ambos vectores es igual a cero, o sea:
B
+-⎛││⎝+ n
0
y 1⎞ │ │ ⎠ = y como:
A B
n = cos ω ; n = sen ω resulta:
x cos ω + y sen ω - ( x1 cosω + y1 sen ω ) = 0 y haciendo:
x1 cos ω + y1 sen ω = p (31)
70
nos queda finalmente:
x cos ω + y sen ω− p = 0 (32)

que es la Forma Normal de la ecuación de la recta. Si suponemos el punto P1 coincidente con el

punto de intersección de la recta “r” y la normal “n̅”, comprenderemos que “p” representa la distancia
desde el origen del sistema de coordenadas a la recta “r”, medida según el sentido del vector “n̅”, es
decir en forma radial.

Posiciones relativas de la recta en el

plano
• Si ω ≠ 0° y p ≠ 0, la recta sin pasar por el origen del sistema de coordenadas se encuentra en
cualquier posición en el plano.
• Si ω = 0° y p ≠ 0, la ecuación (32) se transforma en (tener presente que cos 0o = 1 y sen 0o = 0): x -
p = 0 ⇒ x = p ó lo que es lo mismo: x = cte. ⇒ recta paralela al eje “y”.
• Si ω = 90o y p ≠ 0 (recordar que cos 90o = 0 y sen 90o = 1), se obtiene: y - p = 0 ⇒ y = p, resultando
una recta paralela al eje coordenado “x”.
• Si ω = 180o y p ≠ 0 (recordar que cos 180o = -1 y sen 180o = 0), tendremos: - x – p = 0 ⇒ x = - p,
Recta paralela al eje coordenado “y”, ubicada a la izquierda del origen de coordenadas.
• Si ω = 270o y p ≠ 0 (recordar que cos 270o = 0 y sen 270o = -1), resulta: - y – p = 0 ⇒ y = - p, recta
paralela al eje “x”, ubicada por debajo del origen de coordenadas.
• Si p = 0, la recta pasa por el origen del sistema de
coordenadas.
• Si ω = 0o ó 180o y p = 0 ⇒ x = 0 Ecuación del eje coordenado “y”.
• Si ω = 90o ó 270o y p = 0 ⇒ y = 0 Ecuación del eje coordenado
“x”.

Distancia desde una Recta a un Punto en R2 Supongamos que se quiera determinar la distancia
desde la recta “r” al punto P0(x0, y0) cuyas coordenadas se conocen – (vamos a utilizar la misma
figura del apartado anterior). Por P0 trazamos la recta r0̅ , paralela a r. Su ecuación será:
x cos ω + y sen ω - ( p + d ) = 0 Esta recta que es paralela a
la recta “r”, tiene el mismo ángulo ω de su normal “n̅” y si pasa por el punto P0, las coordenadas de
éste punto satisfacen su ecuación. Por lo tanto:
x0 cos ω + y0 sen ω - p -
d = 0 y despejando “d” , resulta:
d = x0 cos ω + y0 sen ω − p (33)
Es decir que para encontrar la distancia desde una recta a un punto P0(x0, y0) basta con determinar el
valor que adquiere la ecuación de la recta, dada en su forma normal (32) para x = x0 e y = y0. Se
entiende por distancia, al valor absoluto de una dimensión (ya sea positiva o negativa) o al módulo de
un vector. El valor de “d” obtenido de la expresión (33)
d = x0 cos ω + y0 sen ω - p puede resultar positivo o
negativo. Si se quiere interpretar el significado del signo correspondiente, diremos que cuando “d” es
positivo, resulta que el punto P0 y el origen del sistema de coordenadas se encuentran en distintos
semiplanos respecto a la recta dada; y cuando “d” es negativo se encuentran en el mismo semiplano.

Transformación de la ecuación General ó Implícita a la Forma Normal Si la ecuación está dada

en la forma general ó implícita: A x + B y + C = 0 y de acuerdo con la expresión (30):
Ax + By – (Ax1 + By1) = 0 para obtener la ecuación normal, debemos dividir todo por el
módulo del vector “n̅” , o sea:

22
nAB=+

71
entonces nos queda:
A B
x+ y
C
+ =
0
(34) A 2 + B 2 A 2 + B 2 A 2 +
B 2 que es la ecuación de transformación de la forma general ó implícita a la forma
normal. La expresión de: C = – (Ax1 + By1) comparada con: p = x1 cos ω + y1 sen ω ,
nos indica que “p” tiene signo contrario de “C”. Como “p” debe aparecer en la ecuación
correspondiente con signo negativo, resulta que si “C” es negativo, para obtener la
ecuación (32) se divide directamente la ecuación general ó implícita por el módulo de
“n̅”. Si “C” es positivo, debemos hacer la misma división indicada pero multiplicando
luego todo por menos uno (-1) para que el término “p” resulte negativo.
Ejemplo 8: La ecuación de una recta es: 5x – 7y – 11 = 0 . Reducir su ecuación a la
forma normal y hallar los valores de “ p ” y de “ω ”.
Solución: En la ecuación dada es: A = 5 ; B = -7 y C = -11. El módulo del vector n̅ , será:

n = ± A 2 + B 2 =± 5 2+ ( - 7 ) =± 25 + 49 = ± 74 Para determinar la forma normal de la

2

ecuación dada en su modo general o implícita, vamos a dividir dicha ecuación por el
módulo del vector “n̅ ” o sea en éste caso por ±√74 , valor que toma-remos con el signo
positivo dado que el término independiente “c” de la ecuación propuesta es negativo, y
-
tendremos entonces: 5 74 x +
( )7 74 y - 11 74 = 0 que es la forma normal pedida; en
-
donde cos ω = 5 74 ; sen ω = 7 74 , y , " p " = 11 74 Aquí podemos observar que el
valor del coseno es positivo y el del seno es negativo, razón por la cual podemos
asegurar que el ángulo que la recta forma con el semieje positivo de las “x” está en el
cuarto cuadrante, es decir:
-

7 tan ω = sen cos ω

ω = 74 5 ⇒ tan ω = - 5 7 ⇒ ω = arc tan - 5

7⇒ω=

305 0 32' 74
Ejemplo 9: Calcule la distancia desde la recta: 3x – 4y + 5 = 0 al punto P(2; 1), utilizando
la forma normal de la ecuación de la recta. Analice además el signo de la distancia y
explique el porqué del mismo.

Solución: 3x − 4y + 5 = 0 ⟹ |n| = ±√a2 + b2 = ±√32 + (−4)2 = ±√9 + 16 = ±√25 = ±5 Como

̅
el término independiente de la ecuación de la recta dada es positivo, tomo el valor de la
normal del vector “n̅” con signo negativo o sea “n̅ = - 5” y resulta:
- 3 5 x - - 4 5 y + - 5 5 = 0 ⇒ - 5 3 x + 5 4 y - 1 = 0 y reemplazando en ésta última
ecuación los valores de “x” y de “y” por las coordenadas del punto “P”, tendremos la
distancia “d” buscada:
-
- 3 5 . 2 + 4 5 .1 - 1 = d ⇒ d = 6 5 + 4 5 - 1 ⇒ d = -

75
72
el valor del signo de la distancia ( - ) indica que el punto P y el origen del sistema de
coordenadas se encuentran del mismo lado respecto a la recta estudiada, es decir,
ambos están en el mismo semiplano respecto de la recta. Familia o haz de rectas
Tomemos la ecuación de la recta:
A x + B y + C = 0 Los coeficientes son constantes reales y arbitrarias, es decir, pueden
tomar cualquier valor real, siempre que A y B no sean simultáneamente nulos. Uno
podría decir que esas tres constantes son independientes, pero en realidad sólo dos de
ellas son independientes. En efecto, uno, cuando menos, de los coeficientes A y B
deben ser diferentes de cero. Por lo tanto si A ≠ 0, podemos dividir toda la ecuación por
“A” de manera que tome la forma:
B C
x + A y + A = 0 de donde resulta que hay sólo dos constantes independientes que
son las razones arbitrarias
B C
A , y , A Para calcular estas constantes se necesitan dos ecuaciones
independientes que las contengan, y cada una de estas ecuaciones se obtiene a partir
de una condición independiente. Entonces, analíticamente, la ecuación de una recta
queda perfectamente determinada por dos condiciones independientes.
Geométricamente, una recta queda determinada por dos condiciones independientes,
es decir una recta está completamente determinada si se conocen dos de sus puntos, ó
uno de sus puntos y su dirección.
Por lo tanto una recta que satisface una sola condición no es una recta única.
Hay muchas rectas que cumplen una única condición y cada uno de estos grupos tiene
la propiedad común asociada con esa única condición. De acuerdo con ello podemos
formular la siguiente definición:
“La totalidad de las rectas que satisfacen una única condición geométrica se
llama Familia o Haz de Rectas”.
Rectas Paralelas: Son aquellas que tienen un mismo coeficiente angular o pendiente
y varían en su término independiente. Su ecuación es de la forma:
y = m x + k en donde “m” (pendiente de la recta) es un valor conocido igual para todas
las rectas y donde “k” es una constante arbitraria que puede tomar todos los valores
reales.
Rectas Concurrentes: Responden a esta característica todas las rectas que pasan por
un mismo punto, teniendo diferentes pendientes o coeficientes angulares. La fórmula
que las agrupa, es la siguiente:
y – y1 = k (x – x1) en donde x1 e y1 son las coordenadas de un punto “P” por el cual
pasan todas las rectas que conforman el haz y “k” que representa al coeficiente angular
o pendiente de la recta es una constante que puede tomar todos los valores reales.
Familia o Haz de Rectas que pasan por la intersección de otras dos rectas dadas:
Constituye un caso particular de familia de rectas. Dadas las rectas:
rr̅: ̅: 12A1x + B1y + C1 = 0 A2x + B2y + C2 = 0 (35) (36)
y supongamos que las mismas se cortan en un punto, o sea que deberá ser:
≠
A 1A 2
B
1 B 2 (es decir no son paralelas); y sea entonces P(x1, y1) su punto de intersección. La
familia de rectas que pasan por la intersección de las rectas r̅ 1y r̅ 2responden a la
ecuación:
73
k1 (A1x + B1y + C1) + k2 (A2x + B2y + C2) = 0 (37)
en donde k1 y k2 son constantes arbitrarias que pueden tomar todos los valores reales,
con excepción del caso en que ambas sean simultáneamente nulas (cero). Vamos a
demostrar que la ecuación (37) representa la familia de rectas que pasan por el punto
“P”. Como k1 y k2 son constantes, la ecuación (37) es lineal en las variables “x” e “y”, y
por lo tanto representa una línea recta. Además, como el punto P(x1, y1) está sobre
ambas rectas (punto de corte de las mismas), sus coordenadas satisfacen sus
ecuaciones. Si ahora hacemos en (37),
x = x1 e y = y1 hallamos:
k1 . 0 + k2 . 0 = 0 que es verdadera para todos los valores de k1 y k2 ; de donde se
deduce que la ecuación (37) representa todas las rectas que pasan por P(x1 , y1), punto
de intersección de (35) y (36). En particular, si en (37) hacemos k1 ≠ 0 y k2 = 0 ,
obtenemos la recta (35) . Si en cambio es k1 = 0 y k2 ≠ 0 , obtenemos la recta (36).
Podemos, por ejemplo, especificar que k1 puede tomar todos los valores reales excepto
cero. Bajo esta hipótesis podemos dividir la ecuación (37) por k1 y si reemplazamos la

constante k2/k1 por “k”, la expresión (37) toma la forma más simple: A1x + B1y + C1 + k

(A2x + B2y + C2) = 0 (38)

en donde el parámetro “k” puede tomar todos los valores reales. Esta última ecuación
representa la familia de rectas que pasan por la intersección de las rectas (35) y (36). Lo
más importante de ella es que nos permite obtener la ecuación de una recta que pasa
por la intersección de otras dos sin tener que calcular el punto de intersección. Si a la
expresión (38) le damos la forma general o implícita, nos quedará:
(A1 + k A2) x + (B1 + k B2) y + C1 + k C2 = 0 (39) en la cual, el coeficiente angular es:
A kA
m= - ⎛ │ ⎝ B 1 1 + 2
+kB
2

⎞ │ ⎠ y la ordenada al origen es:

= C kC
b -⎛│⎝ B 11+ + k B 22
⎞ │ ⎠ La importancia de la ecuación (38) o de su equivalente (39) radica en que es
posible determinar la ecuación de cualquier recta que pase por el punto de intersección
de otras dos sin necesidad de conocer dicho punto de intersección.
Ejemplo 10: Dadas las rectas pasando por el familias de rectas.
punto r̅ 1: 4x + 2y – 13 = 0 y de intersección de r̅ r1̅: 2y 3x r̅ 2– sea 7y perpendicular + 3 =
0 , se pide a determinar la recta la ecuación de la recta que r̅: 32x – y + 4 = 0 , utilizando
Solución: La familia de rectas determinada por r̅y 1r̅ 2esta dada por una ecuación de la
forma: r̅ 1+ λ r̅ 2= 0 ⇒ 4x + 2y – 13 + λ (3x – 7y + 3) = 0 ⇒ 4x + 2y – 13 + 3λx -7λy + 3λ =
0 ⇒ (4 + 3λ)x + (2 - 7λ)y – 13 + 3λ = 0 y llamando a esta última ecuación vemos que la
misma representa la r̅: familia 4(4 + 3λ)x + (2 - 7λ)y – 13 + 3λ = 0 de rectas que pasan
por la intersección (r̅) 4tiene como vector dirección:
de r̅ 1y r̅. 2Esta ecuación
a (a1; a2) ⇒ a [(2-7λ); (4+3λ)] y la recta r̅, 3como vector dirección
b (b1, b2) ⇒ b (-1; 2).
74
Recordar que si dos rectas son perpendiculares, el producto escalar de sus vectores
̅
dirección tiene que ser igual a cero, o sea: a̅ .b = a1.b1 + a2.b2 = 0 ⇒
(2 - 7λ) (-1) + (4 + 3λ) . 2 = -2 + 7λ + 8 + 6λ = 0 ⇒ 13λ + 6 = 0 ⇒ 13λ = - 6 ⇒

λ = - 13 6valor éste que reemplazamos en la ecuación de r̅ 4y nos queda:

⌈ ⎛ ⎞ ⌉ ⌈ ⎛ ⎞ ⌉ ⎛ ⎞
│⌊4+3 │ ⎝ - 13 6 │ ⎠ │ ⌋ x + │ ⌊ 2 - 7 │ ⎝ - 13 6 │ ⎠ │ ⌋ y - 13 + 3 │ ⎝ - 13 6
⎛ ⎞ ⎛ ⎞
│⎠=0⇒ │ ⎝ 4 - 18 13 │⎠x+ │ ⎝ 2 + 13 42 │ ⎠ y - 13 - 18 13 = 0 ⇒ 13 34 x + 68 13 y - 187

13 = 0 ⇒ y multiplicando todo por 13 resulta finalmente:

34 x + 68 y - 187 = 0
PLANO
Ecuación Vectorial del Plano determinada por un Punto P1 y la dirección de su
Normal
z
n̅(A,B,C)
γ P1(x1,y1,z1)
β P(x,y,z) α y
x
̅
n̅ = Ai + Bj + Ck y
P P = (x - x ) i + (y - y ) j + (z - z ) k
1 1 1 1 la expresión (1) puede ser escrita
como:
(A i + B j + C k) . [(x - x ) i + (y - y ) j + (z - z ) k] = 0
1 1 1 y resolviendo el producto escalar
indicado:
A (x – x1) + B (y – y1) + C (z – z1) = 0 ⇒ A x + B y + C z + ( -A x1 – B y1 – C z1) = 0
y haciendo:
-A x1 – B y1 – C z1 = D resulta finalmente:
A x + B y + C z + D = 0 (2)
que es la ecuación cartesiana del plano, llamada forma general o implícita, en donde
A, B y C son las componentes del vector “n̅”, es decir los números directores de su
normal y que fijan su dirección. A su vez, α, β y γ son los ángulos que forma el vector “n̅
” con cada uno de los ejes coordenados, recibiendo el nombre de “ángulos directores
de la normal del plano”. Como consecuencia de ello: cos α, cos β y cos γ son los
cósenos directores de la normal “n̅ ”. Ejemplo 1:
Consideremos, relacionado con un espacio de tres dimensiones (R3), un plano, en el
que se encuentran definidos un punto particular P1(x1,y1,z1) y un punto genérico P(x, y,
̅
z).Entre ambos puntos podemos definir un vector de un vector, ̅.̅ P1P Supongamos
ahora la existencia que parte del origen del sistema de coordenadas y es perpendicular
al plano. Dicho vector está identificado por n̅ y sus componentes son A, B y C. La
̅
condición de perpendicularidad de determina la ecuación los vectorial vectores del ̅̅
̅̅̅
plano, P1P y n̅, a través del producto escalar, el cual debe ser
n̅ .P 1P = 0 (1)
igual a cero. Siendo:
75
Halle la ecuación del plano que pasa por el punto M(-2; -1; 5) y es perpendicular a la
recta “ l ” determinada por los puntos Q(2; -1; 2) y R(-3; 1; -2).
Solución: La recta “l” tiene por números directores a la diferencia de las coordenadas
homólogas de los puntos Q y R. Como dicha recta es perpendicular al plano buscado,
sus números directores constituyen, a su vez, la normal del plano pedido. Entonces una
vez hallados dichos números directores, podremos confeccionar la ecuación del plano
que pasa por un punto M de coordenadas conocidas y tiene su normal “n̅ ” definida. Los
números directores de la ecuación de la recta serán entonces:
l ⇒ [xQ – xR ; yQ – yR ; zQ – zR] ⇒ l [2 – (-3); -1 –1 ; 2 – (-2)] ⇒ l [5; -2; 4] y de acuerdo a lo
dicho, los números directores de la recta son los números directores de la normal del
plano ⇒ n̅ [A, B, C] ⇒ n̅ [5; -2; 4]. Considerando ahora el punto M(-2; -1; 5) y un punto
genérico P(x; y; z) podemos determinar el vector
PM̅ ⇒ [ x-(-2); y-(-1); z-5] ⇒ (x+2; y+1; z-5) y con ambos vectores, PM̅̅ y n̅ determinar la
̅
ecuación vectorial del plano, o sea: n̅. PM̅̅ = 0 y reemplazando valores:
[5; -2; 4] . (x+2; y+1; z-5) = 0 y resolviendo, nos queda:
5 (x + 2) – 2 (y + 1) + 4 (z – 5) = 0 ⇒ 5x – 2y + 4z + 10 – 2 – 20 = 0 ⇒
5x – 2y + 4z – 12 = 0
que es la ecuación del plano pedido.
Posiciones relativas del plano respecto a los ejes y planos coordenados
Basándonos en la ecuación (2), es decir la expresión general o implícita:
Ax+By+Cz+D=0, tendremos:
z
• Si A = 0 ⇒ B y + C z + D = 0 (3). Esto significa que cos α = 0 ó α = 90o y la normal “n̅”
es perpendicular al eje “x”, lo cual implica que el plano
y
es paralelo al eje “x” ó lo que es lo mismo es perpendicular al plano coordenado “yz”. La
ecuación (3) pasa a ser la traza del plano sobre el
x
plano coordenado “yz”.
z
• Si B = 0 ⇒ A x + C z + D = 0 (4). Esto significa que β = 90o ⇒ cosβ = 0 y es “n̅” ⊥ al eje
“y”, lo que implica que el plano es paralelo al eje “y”; ó
x
y
que el plano dado es perpendicular al plano coordenado “xz”. La ecuación (4) es la traza
del plano sobre el plano coordenado “xz”. z
• Si C = 0 ⇒ A x + B y + D = 0 (5). Entonces es: γ = 90o ⇒ cos γ = 0 ⇒ “n̅”⊥ al eje “z”, lo
que implica que el plano es paralelo al eje “z”; ó el plano estudiado es perpendicular al
plano coordenado “xy”. La ecuación (5) pasa y
a ser la traza del plano en estudio sobre el plano coordenado “xy”. x
• Si D = 0 ⇒ A x + B y + C z = 0 (6), ecuación que se verifica para x = 0; y = 0; z = 0, es
decir que el plano pasa por el origen del sistema de coordenadas.
• Si A = 0 y D = 0 ⇒ B y + C z = 0 (7). Ecuación del plano que
z
pasa por el origen del sistema de coordenadas y contiene al eje “x” (eje de la variable
que falta) y es perpendicular al plano coordenado “yz”
y
x
76
z
yx
z
y
xz
y
x
z
yxz
y
xz
y x Haciendo un análisis similar, se llega a:
• Si B = 0 ; C = 0 y D = 0 ⇒ A x = 0 y como A ≠ 0 , resulta x = 0 , es decir: x = 0 es la
ecuación del plano coordenado “yz”.
• Si A = 0 ; C = 0 y D = 0 ⇒ B y = 0 y como B ≠ 0 , resulta y = 0 , es decir: y = 0 es la
ecuación del plano coordenado “xz”.
Ejemplo 2: Hallar la ecuación del plano perpendicular al plano coordenado “xy” y que
pasa por los puntos R(1; 5; -3) y Q(-5; -4; 11).
Solución: Como el plano buscado es perpendicular al plano coordenado “xy”, su
ecuación es de la forma:
Ax + By + D = 0 y como éste plano debe pasar por los puntos “R” y “Q”, las coordenadas
de dichos puntos deben satisfacer a la ecuación del plano; entonces tendremos:
1A + 5B + D = 0 - 5A - 4B + D = 0 La solución de este sistema (por cualquiera de los
• Si B = 0 y D = 0 ⇒ A x +
métodos conocidos) para “A” y “B” en términos de “D”, resulta:
C z = 0 (8). Ecuación del plano que
pasa por el origen del sistema de coordenadas y
contiene al eje “y” (eje de la variable que falta) y es perpendicular al plano coordenado
“xz”.
• Si C = 0 y D = 0 ⇒ A x + B y = 0 (9). Ecuación del plano que pasa por el origen del
sistema de coordenadas y contiene al eje “z” (eje de la variable que falta) y es
perpendicular al plano coordenado “xy”.
• Si A = 0 y B = 0 ⇒ C z + D = 0 ⇒ z = - D/C = cte. (10), plano paralelo al plano
coordenado “xy”; es decir que es paralelo al plano definido por las dos variables que
faltan y perpendicular al eje “z”
• Si B = 0 y C = 0 ⇒ A x + D = 0 ⇒ x = - D/A = cte. (11). Plano paralelo al plano
coordenado “yz”; es decir que es paralelo al plano definido por las dos variables que
faltan y perpendicular al eje “x”.
• Si A = 0 y C = 0 ⇒ B y + D = 0 ⇒ y = - D/B = cte. (12). Plano paralelo al plano
coordenado “xz”; es decir que es paralelo al plano definido por las dos variables que
faltan y perpendicular al eje coordenado “y”.
• Si A = 0 ; B = 0 y D = 0 ⇒ C z = 0 y como C ≠ 0 , resulta z = 0 , es decir: z = 0 es la
ecuación del plano coordenado “xy”.
77

3 A = 7 D ; B = - 7 2 D y sustituyendo estos valores en la ecuación Ax + By + D = 0 y

dividiendo todo por “D”, tendremos:

3 7 Dx - 2 7 Dy + D = 0 ⇒ 7 3 x - 2 7 y + 1 = 0 y multiplicando todo por “7” para eliminar

denominadores, nos queda finalmente:
3x-2y+7=0
Forma Segmentaría de la Ecuación del Plano Si en la ecuación general implícita del
plano: Ax + By + Cz + D = 0 , son A ≠ 0 ; B ≠ 0; C ≠ 0 y D ≠ 0, significa que tenemos un
plano ubicado en cualquier posición en el espacio. A continuación haremos un análisis
de donde intercepta el plano a los ejes coordenados: z
• Si: y = 0 ∧ z = 0 ⇒ Ax + D = 0 ⇒ x = - D/A = a (11) ⇒
S(0 , 0 ,c)
punto M(a, 0, 0)
• Si: x = 0 ∧ z = 0 ⇒ By + D = 0 ⇒ y = - D/B = b (12) ⇒ punto R(0, b, 0)
• Si: x = 0 ∧ y = 0 ⇒ Cz + D = 0 ⇒ z = - D/C = c (10) ⇒ punto S(0, 0, c)
R (0 , b , 0) y
M (a , 0 ,0) x Volviendo a la ecuación general implícita: Ax + By + Cz + D = 0 y
dividiendo ambos miembros por - D, se tiene:
A B C D
- D x + - D y + - D z + - D = 0 operando
xy z
DD-+-+

-
D - 1 = 0 A B C y sustituyendo (10), (11), y (12) y pasando el término independiente al
otro miembro, se tiene:
llamada Ecuación Segmentaría
y + z = 1 (13)
xa + b c
La ecuación segmentaría del plano, recibe este nombre porque se encuentran
explicitados los valores a, b y c, que son las distancias desde el origen del sistema de
coordenadas a las intersecciones del plano con cada uno de los ejes coordenados, o
sea es la medida de los segmentos correspondientes.
Ejemplo 3: Dado el plano de ecuación: x + 2y + 2z – 4 = 0 ; se pide hallar la ecuación
segmentaría del mismo. Representar gráficamente.
Solución: Considerando la ecuación del plano dado x + 2y + 2z – 4 = 0 , en la cual
pasamos al segundo miembro el término independiente del mismo ⇒ x + 2y + 2z = 4 y
dividiendo todo por “ 4 ”, resulta:

4x+24y+24z=44

⇒ y operando x 4 + y 4 + z 4 =

1122
78
y +z
z de Este donde plano resulta corta al eje coordenado x4 + 2 2 “x” en el punto (4; 0;
2 0); al eje coordenado “y” en el punto (0; 2; 0) y al eje coordenado “z” en el punto (0; 0;
2); es decir los denominadores de dicha ecuación son los segmentos que el plano
determina sobre los respectivos ejes coordenados.
4
2y
x
Ángulo de dos Planos Dados los planos π1 y π2 de ecuaciones:
A1x + B1y + C1z + D1 = 0
A2x + B2y + C2z + D2 = 0
Sabemos que en la ecuación vectorial del plano, el vector normal al mismo está
determinado por los coeficientes de las respectivas variables de las ecuaciones (A1; B1;
C1) y en el caso Π1 forman dichos planos es de los planos, el de: mismo n̅̅ 2(A2, B2, o
sea, C2). en El el ángulo caso de que n̅ 1que hacen las normales a ambos planos y lo
podemos obtener como si se tratara de dos vectores, es decir por medio del producto
escalar
φ
n̅̅ 1φ n̅̅
2Π2

n 1 .n 2 = n 1 . n 2

cos φ ⇒ cos φ =
n 1n 122

(14) .n . n o sea:
φ + +
cos = AA 1 2 BB 1 2 CC

12 A 12+ B 12+ C 12.

A 22+ B 22+
C2
2

Ejemplo 4: Hallar el ángulo formado por el plano: 5x + 4y – z + 8 = 0 y el plano

coordenado “xy”.
Solución: El cálculo del ángulo entre dos planos se realiza considerando el ángulo que
hacen sus respectivas normales. El mismo se mide utilizando el producto escalar entre
vectores.
Plano:5 x + 4 y - z
+8=01
⎫ 1212
Plano coordenado ''xy'' 2

⇒ ⇒ n n (5;4;-1) (0;0;1)

│ ⎬│ ⎭

⇒ n .n = n . n cos
α

cos α = n 1 .n 2 n 1 . n 2 ⇒ α = arc cos n 1 .n 2 n 1 . n 2

+ + - -1
⇒ α = arc cos 5.0 4.0 ( 1).1 5 2 + 4 2 + ( - 1) 2 . 1 2 ⇒ ⇒ α = arc cos 42 ⇒ α =
81 0 7'
79
Condición de Perpendicularidad
Si los planos π1 y π2 son perpendiculares, implica que el ángulo que hacen ambos es
igual a 90o ⇒ φ = 90o o sea que cos φ = 0. En

Π1 n̅̅ 1este caso, de la expresión (14), se tiene:

Π2 A1A2 + B1B2 + C1C2 = 0 (15)
n̅̅ 2Condición de Paralelismo
Si los planos π1 y π2 son paralelos, significa que sus vectores normales vectores,
 podemos n̅̅ 1y n̅̅ 2también lo son. De acuerdo a lo que sabemos de expresar a uno de
ellos como combinación lineal
n̅
del otro, o sea:
Π2 n 1 = λ n 2 ⇒ A 1 i + B 1 j + C 1 k = λ
( A 2i + B 2j + C 2
k
)⇒
⇒ A 1i + B 1j + C 1k = λ A 2i + λ B 2j +
λ
C2
ky si existe igualdad de dos vectores, deberán ser iguales las
Π1
componentes homólogas:
A
A1 = λ A2 B1 = λ B2 ⇒ 1A2 Ángulo entre una Recta y un Plano
n̅
rα
φ
π
Razonando en forma similar al caso anterior, se llega a que:
cos
222.

222 = BB12 = CC12 (16) C1 = λ C2

Dada una recta r en donde están explicitados sus números directores r (a, b, c) y un
plano π de ecuación Ax + By + Cz + D = 0 , (el cual está dado por un punto P1 y la
dirección de su normal n̅ (A, B, C)); el ángulo φ que hace la recta r con el plano π , es el
que forma con su proyección ortogonal sobre el plano Los datos disponibles permiten
calcular α. Tener presente que α es complemento de φ ⇒ (cos α = sen φ).
+ +
α = sen φ = Aa Bb Cc A + B + C a + b +

x+2 = y= z−4 y el plano “

c (17) Ejemplo 5: Hallar el ángulo que forman la recta “r”: 3 −1 2

π ”: 2x + 3y – z + 11 = 0
Solución: La recta tiene como vector dirección: a̅ (3; -1; 2) y el
plano tiene como normal n̅ (2; 3; -1). Aplicando el producto escalar entre el vector “a̅ ” de
la recta y la normal “n̅ ” del plano π, y recordando que los ángulos “α” y “φ” son
complementarios, tendremos:

cos α = sen φ = Aa + Bb + Cc A 2 + B 2 + C 2 . a 2 + b 2 + c 2 ⇒ φ
= arc sen Aa + Bb + Cc A 2 + B 2 + C 2 .

a 2+ b 2+

c
2

φ = arc sen 2.3 + 3.( - 1) + ( - 1).2 2 2 + 3 2 + ( - 1) 2 . 3 2 + ( - 1) 2 +

2
2

⇒ φ = arc sen

0,0714 ⇒ φ

=40

6'
80