Álgebra y Geometría - Sewald - Suardiaz - 2016

ÁLGEBRA Y GEOMETRÍA
NOTAS DE CURSO
Ana Marı́a Suardı́az y Julio A. Sewald
DEPARTAMENTO DE MATEMÁTICA − UNS
2016 (última versión)

A Bibı́ Maccari, Laura Rueda, Romina Wagner
y en especial a Sonia Savini, cuyos pertinentes
comentarios permitieron las sucesivas mejoras de
estas notas,
¡¡ gracias !!
Índice
1. Números Complejos 5
1.1. Forma binómica. Operaciones. Módulo y conjugado . . . . . . . . . . . . . . . . 5
1.2. Representación geométrica de los números complejos . . . . . . . . . . . . . . . 10
1.3. Forma polar. Operaciones. Potencia y radicación . . . . . . . . . . . . . . . . . . 10
1.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2. Polinomios 23
2.1. Definición. Grado. Operaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2. Raı́ces de polinomios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3. Matrices, sistemas de ecuaciones lineales y determinantes 40

3.1. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.2. Matrices y sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . 44
3.3. Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.4. Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4. Vectores 68
4.1. Segmentos orientados. Vectores libres . . . . . . . . . . . . . . . . . . . . . . . . 68
4.2. Proyección ortogonal y producto escalar . . . . . . . . . . . . . . . . . . . . . . 75
4.3. Orientaciones del Plano y el Espacio . . . . . . . . . . . . . . . . . . . . . . . . 80
4.4. Producto vectorial y producto mixto . . . . . . . . . . . . . . . . . . . . . . . . 81
4.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5. Geometrı́a analı́tica en el Plano y en el Espacio 88

5.1. Ecuación de la recta en el Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.2. Rectas y planos en el Espacio . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6. Espacios vectoriales 109

6.1. Definición. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
6.2. Subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
6.3. Dependencia lineal y bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
6.4. Componentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
6.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
7. Cambio de base. Bases ortonormales 127
7.1. Cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
7.2. Espacios euclı́deos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
7.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
8. Transformaciones lineales 143

8.1. Definición y ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
8.2. Matriz asociada a una transformación lineal . . . . . . . . . . . . . . . . . . . . 146
8.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
9. Autovalores y autovectores 154

9.1. Definición y ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
9.2. Cálculo de autovalores y autovectores . . . . . . . . . . . . . . . . . . . . . . . . 155
9.3. Transformaciones lineales simétricas . . . . . . . . . . . . . . . . . . . . . . . . . 161
9.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
10. Cónicas y Cuádricas 168

10.1. Cónicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
10.2. Reducción de una cónica a la forma canónica . . . . . . . . . . . . . . . . . . . . 181
10.3. Cuádricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
10.4. Reducción de una cuádrica a la forma canónica . . . . . . . . . . . . . . . . . . 188
10.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
11. Respuestas e indicaciones 199

11.1. Números complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
11.2. Polinomios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
11.3. Matrices. Sistemas de ecuaciones lineales. Determinantes . . . . . . . . . . . . . 204
11.4. Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
11.5. Geometrı́a analı́tica en el Plano y en el Espacio . . . . . . . . . . . . . . . . . . 209
11.6. Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
11.7. Cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
11.8. Transformaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
11.9. Autovalores y autovectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
11.10.Cónicas y cuádricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
12. Apéndice 224

12.1. Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
12.2. Matrices Ortogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
12.3. Sobre transformaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
12.4. Transformaciones lineales ortogonales . . . . . . . . . . . . . . . . . . . . . . . . 235
12.5. Sobre transformaciones lineales simétricas . . . . . . . . . . . . . . . . . . . . . 242
Bibliografı́a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
Álgebra y Geometrı́a por Ana Marı́a Suardı́az y Julio A. Sewald 5
1. Números Complejos
Es sabido que los números reales no son suficientes para resolver cualquier ecuación cuadrática
con coeficientes reales. Como a2 6= −1; para todo a ∈ R, la ecuación x2 + 1 = 0 carece de
soluciones reales. El problema que se plantea es el de ampliar el sistema de los números reales
de manera que la ecuación anterior tenga solución.
Utilizaremos para su construcción pares ordenados de números reales, por lo que el nuevo
sistema numérico se representará geométricamente por todos los puntos del Plano.
1.1. Forma binómica. Operaciones. Módulo y conjugado

Sea R el cuerpo de los números reales y R2 = {(a, b) : a, b ∈ R}, donde rige el siguiente
criterio de igualdad:
(a, b) = (a0 , b0 ) si, y sólo si a = a0 y b = b0 .
En R2 definimos las operaciones de suma y producto como sigue:

Para cada (a, b) y (c, d) ∈ R2 ,
(a, b) + (c, d) = (a + c , b + d) ; (a, b) · (c, d) = (a c − b d , a d + b c).
Al conjunto R2 , algebrizado con las operaciones de suma y producto definidas anteriormente,

se lo nota habitualmente C y se lo denomina el conjunto de los números complejos.
Teniendo en cuenta las propiedades de la suma y el producto de números reales, se prueba que
C es un cuerpo conmutativo pues se verifican las siguientes propiedades:
S1 ) (z + u) + w = z + (u + w), para todo z, u, w ∈ C.
S2 ) z + w = w + z, para todo z, w ∈ C.
S3 ) Existe un único elemento 0 = (0, 0) ∈ C, tal que z + 0 = z, para todo z ∈ C.
S4 ) Para cada z = (a, b) ∈ C, existe un único elemento −z = (−a, −b) tal que
z + (−z) = 0.
P1 ) (z · u) · w = z · (u · w), para todo z, u, w ∈ C.
P2 ) z · w = w · z, para todo z, w ∈ C.
P3 ) Existe un único elemento 1 = (1, 0) ∈ C tal que z · 1 = z, para todo z ∈ C.

−1 a −b
P4 ) Para cada z ∈ C, z 6= 0, existe un único elemento z = , 2 tal que
a2 + b 2 a + b2
z · z −1 = 1.
D) z · (u + w) = z · u + z · w, para todo z, u, w ∈ C.
Observaciones
1. Cuando no haya lugar a dudas escribiremos z w en lugar de z · w .
2. Definimos la diferencia y el cociente de dos números complejos z y w de manera

análoga al caso real:
z
z − w = z + (−w) y si w 6= 0, entonces = z · w−1 .
w
1
Es claro que w−1 = .
w
Sea R0 = {(a, 0) : a ∈ R} ⊆ C y f : R → R0 definida por: f (a) = (a, 0).
f es una función biyectiva y además verifica, para todo a, b ∈ R, que:
1) f (a + b) = (a + b , 0) = (a, 0) + (b, 0) = f (a) + f (b).
2) f (a b) = (a b, 0) = (a, 0) · (b, 0) = f (a) · f (b).
Es decir, f preserva las operaciones de suma y producto, lo que significa que los complejos
de la forma (a, 0) se comportan, respecto de las operaciones de suma y producto, como los
números reales a. Esto permite identificar el complejo (a, 0) con el número real a y podemos
escribir, vı́a f, (a, 0) = a.
Por lo tanto C contiene un subconjunto que se comporta como R.
Veamos que C, contiene una solución de la ecuación x2 + 1 = 0.
En efecto, teniendo en cuenta la identificación anterior, (0, 1) · (0, 1) = (−1, 0) = −1, por lo
que si consideramos a = (0, 1) se tiene que
a2 + 1 = [(0, 1) · (0, 1)] + (1, 0) = (−1, 0) + (1, 0) = (0, 0) = 0.
Sea z = (a, b) ∈ C.
1. a se denomina la parte real y b la parte imaginaria de z. Los notamos Re(z) e

Im(z), respectivamente.
2. Si b = 0, el complejo (a, 0) se denomina un complejo real.

Si a = 0 y b 6= 0, el complejo (0, b) se denomina un complejo imaginario puro.
3. El complejo i = (0, 1) se denomina unidad imaginaria y verifica i2 = −1.

Además b i = (b, 0) · (0, 1) = i b y 1 i = (1, 0) · (0, 1) = (0, 1) = i.
Observaciones
1. Si z , w ∈ C, entonces z = w si, y sólo si Re(z) = Re(w) e Im(z) = Im(w).

Es decir, dos complejos son iguales si coinciden sus partes reales y sus partes imaginarias.
2. Recordemos que R es un cuerpo ordenado, es decir existe una relación < definida
en R, de modo que cualesquiera que sean a, b, c ∈ R, se tiene que:
E1 ) Se verifica una, y sólo una de las siguientes condiciones:

i) a = b ii) a < b iii) b < a. [Ley de tricotomı́a]
E2 ) Si a < b y b < c, entonces a < c. [Propiedad transitiva]
E3 ) Si a < b, entonces a + c < b + c. [ Ley de monotonı́a para la suma]
E4 ) Si a < b y 0 < c, entonces a c < b c. [Ley de monotonı́a para el producto]
En C no es posible definir una relación < que verifique las mismas propiedades.
Si ası́ fuese, como i 6= 0, deberı́a ser 0 < i ó i < 0. Si 0 < i, entonces por
E4 ), 0 · i < i · i, lo que implica 0 < −1, una contradicción.
Análogamente se razona si suponemos que i < 0.
Forma binómica
Sea z = (a, b) ∈ C. Como (0, b) = (b, 0) · (0, 1) = b i entonces z = (a, b) = (a, 0) + (0, b) =
(a, 0) + (b, 0) · (0, 1) = a + b i. Luego todo complejo se expresa en la forma:
z = a + b i,
que se denomina la forma binómica de z.

En lo que sigue escribiremos:
z = 0, en lugar de z = 0 + 0 i.
z = a, en lugar de z = a + 0 i.
z = b i, en lugar de z = 0 + b i.
La forma binómica permite aplicar las mismas propiedades que en el campo real para obtener
la suma y el producto, operando como si i fuese real pero teniendo en cuenta que i2 = −1.
En efecto:
(a + b i) + (c + d i) = (a + c) + (b + d) i,
(a + b i) · (c + d i) = (a c − b d) + (a d + b c) i.
Ejemplo
Si z = 3 + 5 i y z 0 = 2 − i, entonces
a) z + z 0 = (3 + 5 i) + (2 − i) = 5 + 4 i.
b) z − z 0 = (3 + 5 i) − (2 − i) = 1 + 6 i.
c) z · z 0 = (3 + 5 i) · (2 − i) = 11 + 7 i.
Conjugado de un número complejo

Definición 1.1.1 Dado el número complejo z = a + b i, llamaremos conjugado de z al
número complejo
z = a − b i.
Ejemplo
Si z = 1 + i, entonces z = 1 − i.
Si z = 3, entonces z = 3.
Propiedades del conjugado
Si z = a + b i, entonces se verifican:
1) z = z 6) z = −z si, y sólo si Re(z) = 0
2) z + z = 2 Re(z) 7) z + w = z + w
3) z − z = 2 i Im(z) 8) z−w =z−w
4) z · z = a2 + b2 9) z · w = z · w
5) z = z si, y sólo si Im(z) = 0 10) Si z 6= 0, entonces z −1 = (z)−1
Valor absoluto de un número real
Sea x ∈ R. El valor absoluto de x que notamos |x|, se define como sigue:
( x, si x ≥ 0
|x| = .
−x, si x < 0
Propiedades
1) |x| ≥ 0. Además, |x| = 0 si, y sólo si x = 0.
2) | − x| = |x|.
3) Si d ∈ R , d > 0, entonces |x| ≤ d si, y sólo si −d ≤ x ≤ d.
4) Si d ∈ R , d > 0, entonces |x| ≥ d si, y sólo si x ≤ −d ó x ≥ d.
5) −|x| ≤ x ≤ |x|.
6) |x + y| ≤ |x| + |y|.
7) |x − y| ≥ | |x| − |y|.
8) |x · y| = |x| · |y|.

x |x|
9) = .
y |y|
√
10) x2 = |x|.
Módulo de un número complejo
Definición 1.1.2 Dado z = a + b i, se llama módulo de z al número real no negativo

√
a2 + b2 . Notaremos √
kzk = a2 + b2 .
Ejemplo
√ √ p √ √
k2 + 3 ik = 22 + 32 = 13 ; k − 2 − ik = (−2)2 + (−1)2 = 4 + 1 = 5.
Observación
√
Si z = a + 0 i, entonces kzk = a2 = |a|, por lo que la noción de módulo generaliza a la de
valor absoluto.
Propiedades del módulo
1) kzk ≥ 0. Además, kzk = 0 si, y sólo si z = 0.
2) kzk = kzk = k − zk.
3) z · z = kzk2 .
4) |Re(z)| ≤ kzk , |Im(z)| ≤ kzk.
5) kz · wk = kzk · kwk.
z kzk
6) Si w 6= 0, = .

w kwk
7) kz + wk ≤ kzk + kwk.
8) |kzk − kwk| ≤ kz − wk.
Cociente de números complejos en forma binómica

z
Sean z, w ∈ C ; w 6= 0. Si z = a + b i y w = c + d i, para hallar el cociente = z · w−1 se
w
puede proceder de la siguiente manera:
z z w 1 (a + b i)(c − d i) (ac + bd) + (bc − ad) i ac + bd bc − ad

= · = 2
z·w = = 2 2
= 2 + 2 i.
w w w kwk (c + d i)(c − d i) c +d c + d2 c + d2
Ejemplo
3+i (3 + i) · (2 + 5 i) 1 + 17 i 1 17
= = = 29
+ 29
i.
2 − 5i (2 − 5 i) · (2 + 5 i) 29
1.2. Representación geométrica de los números complejos

Teniendo en cuenta que los números complejos se han definido como pares ordenados de números
reales, es natural representarlos en un sistema de coordenadas cartesianas ortogonales.
Sabemos que todo punto P (a, b) del Plano está determinado por dos números reales a y b
que son, respectivamente, la abscisa y la ordenada de P. Entonces a cada número complejo
z = (a, b) (ó z = a + b i), le corresponde un punto en el Plano de abscisa a y ordenada b.
Recı́procamente, al punto P (a, b) del Plano le corresponde el número complejo z = a + b i,
de parte real a y de parte imaginaria b. El punto P correspondiente al número complejo
z se llama el afijo de z.
√
Teniendo en cuenta que kzk = a2 + b2 , el módulo de z es la longitud del segmento OP .
Si z es un complejo real, entonces su afijo está sobre el eje de abscisas, que por esta razón se
llama eje real.
Si z es imaginario puro, entonces su afijo está sobre el eje de las ordenadas, que recibe el
nombre de eje imaginario.
El Plano cuyos puntos se identifican con los números complejos se denomina Plano complejo.
...
..........
...
...
...
...
...
...
...
... z = a + bi
Im(z) = b ........ ...... ...... ...... ...... ...... ...... ...... ...... ...... ...... ...... ...... ............... • .. .
.. ...... .
.. ......
... ...... ...
... .
..
.......
.
. ...
... ......
... .
..
.......
. .
.
... ...... ...
... kzk ...
.......
. .
... ..
..
..... ...
... ..
..
..... .
... ..
..
..... ...
... ..
..
..... .
... ..
..
..... ...
... ..
..
..... .
... ..
..
..... ...
... ..
..
..... .
... .
..
.....
. ...
.
.... ............ .
............ .
......................................................................................................................................................................................................................
....
O ... Re(z) = a
...
..
..
Figura 1
Ejemplo
Representar el complejo z = 2 + i.
.
...
........
....
...
...
...
...
...
...
...
...
...
...
... 2+i
1 ...
•
...... .... .... .... .... .... .... .... .... ...............
.... ...
.......
... .......
... ....... ...
... .
...
......... ...
... .......
....... ...
... .............
.................................................................................................................................................................................................
...
...
O .. 2
...
...
...
..
Figura 2
1.3. Forma polar. Operaciones. Potencia y radicación

Vimos que el complejo z = a + b i queda determinado por su parte real y su parte imagina-
ria, es decir por la coordenadas de su afijo en un sistema de coordenadas cartesianas orto-
gonales. También
√ z queda determinado por sus coordenadas polares, es decir por la longitud
ρ = kzk = a2 + b2 del segmento OP y la medida radial θ, 0 ≤ θ < 2 π del ángulo orientado
−→
positivamente determinado por el semieje real positivo y la semirrecta OP , considerando como
sentido positivo de giro, el antihorario.
.... .... .... ....
........ ........ ......... .........
.... .... .....
............................... .
..
...............................
... . ... .
. ..
... .............. ... ....
...
. ... .....
....
.
... ... .....
...
...
... ..... ... a ... .... ... .
.... ...
... .
......
. ... ... θ ...
... ..
. θ
.. a ...
.
..... ...... .. .. .
... .... . ..
....... ... ................................................................................................................................................... ....................................................................................................................................................
... ..... ..... ... . .... .
..
.. ... . ... ... ..... ..
... ..... ..... ... . ..
. O ... O ... ......
... .
..
...... .....
..... ...
.
... ............. ........ ....
. . ... ... ....... ...
.. ..... . .
b ... ...... ...... ...... ...... ............. • z = a + bi .....
...... ...... ...... ...... .........
.
... .........
... .... ....... .... ......................
..................... . ..... ...
... .... .. z = a + bi • .......... b ... . ....... ...
... ..... .. .. ... ... .....
.... . .......... ......... ...... ...... ...........
..
...
... .....
....
.
..
. .
..
.. .........
. .....
...
... z = a + bi • .
...
.
... ...... ...... ..........
. b
..
... b ... •z = a + bi .....
.....
... ..... ... ... .....
..... ............................. ..
.. ... .....
... .......... .
.... ..... ... .....
... ...... ..........
.
. . ................ ..
.....
......
..... .
.....
.
. ... .....
.
... ... .. .. ..... .... ... ..... .... ... .....
... ......... ... .. .. ..... .. ..
. ... .....
θ ... ....... ... ..... .. θ ...
.. ..
....
. ... ..... .....
. ..
. . .
.......................................................................................................................................................
. .
.
. ........
....................................................................................................................................... ............
. ... .. .......
..........
.. ... ..... ... ... .
.... .. ... ...
O .. a O .. ...
..
...
. .. ..
Figura 3
θ se denomina el argumento principal de z y se nota θ = Arg(z).
Observación
Si z = 0, entonces su argumento principal no está definido, por lo que z queda caracterizado
por su módulo.
Forma polar ó trigonométrica de un número complejo
Sea z = a + b i, z 6= 0. En todos los casos, a, b, ρ y θ se relacionan a partir de:
 √

a = ρ cos θ  ρ = a2 + b 2
y .
b = ρ sen θ  tg θ = b , si a 6= 0
a
Entonces
z = a + b i = ρ(cos θ + i sen θ),
y se denomina la forma polar ó trigonométrica de z.
Si α = θ + 2 k π, k ∈ Z, entonces ρ(cos α + i sen α) = ρ [cos(θ + 2 k π) + i sen(θ + 2 k π)] =
ρ(cos θ+i sen θ) = z. Es decir el complejo z queda determinado por su módulo y por cualquier
número real que difiere de θ en un múltiplo entero de 2 π.
Todo elemento del conjunto {θ + 2 k π, k ∈ Z} se denomina un argumento de z y se nota
arg(z). Entonces
arg(z) = Arg(z) + 2 k π, k ∈ Z.
Si α = arg(z), entonces abreviamos z = kzkα = ρα .

Además si z = ρθ y z 0 = ρ0α , entonces
z = w si, y sólo si ρ = ρ0 y α = θ + 2 k π, k ∈ Z.
Ejemplos
√
a) Hallemos la forma polar de z = 3 + i .
q√ √
kzk = ( 3)2 + 12 = 3 + 1 = 2.
Si θ es el argumento principal de z, entonces tg θ = √13 . Por lo tanto θ = π6 ó
θ = π6 + π. Como el afijo de z pertenece al primer cuadrante, θ = π6 .
En consecuencia, z = 2 π6 .
√
b) Si z = 2 π3 , entonces z = 2 cos π3 + i sen π3 = 1 + 3 i. Por lo tanto la forma binómica

√
de z es z = 1 + 3 i.
Producto de números complejos en forma polar
Proposición 1.3.1 Si z = ρ θ y w = ρ0Ψ , entonces z · w = (ρ.ρ0 ) θ+Ψ .
Dem. z · w = (ρ θ ) · (ρ0Ψ ) = [ρ(cos θ + i sen θ)] · [ρ0 (cos Ψ + i sen Ψ)] = ρ.ρ0 [cos θ cos Ψ −
sen θ sen Ψ] + i[cos θ sen Ψ + sen θ cos Ψ] = ρ.ρ0 [cos(θ + Ψ) + i sen(θ + Ψ)] = (ρ.ρ0 ) θ+Ψ . 2
Luego, el producto de dos números complejos expresados en forma polar es otro complejo cuyo
módulo es el producto de los módulos y uno de sus argumentos es la suma de los argumentos
de los complejos dados. Es decir:
arg(z · w) = arg(z) + arg(w).
Observación
Si θ y Ψ son los argumentos principales de z y w respectivamente, entonces θ + Ψ no
necesariamente es el argumento principal de z · w.
Ejemplo
Si z = 2 π6 y w = 3 π4 , entonces z · w = 6( π6 + π4 ) = 6 5
π.
12
Cociente de números complejos en forma polar

z ρ
Proposición 1.3.2 Si z = ρθ y w = ρ0Ψ ,
entonces = .
w ρ0 θ−Ψ

z ρθ ρ(cos θ + i sen θ) ρ (cos θ + i sen θ)(cos Ψ − i sen Ψ)
Dem. = 0 = 0 = 0 =
w ρΨ ρ (cos Ψ + i sen Ψ) ρ (cos Ψ + i sen Ψ)(cos Ψ − i sen Ψ)
ρ ρ
0
[(cos θcos Ψ + sen θsen Ψ) + i (sen θcos Ψ − cos θsen Ψ)] = 0 [cos(θ − Ψ) + i sen (θ − Ψ)] =
ρ
ρ
ρ
. 2
ρ0 θ−Ψ
Luego el cociente de dos números complejos expresados en forma polar es un complejo cuyo
módulo es el cociente de los módulos y uno de sus argumentos es la diferencia de los argumentos
de los complejos dados.
Es decir:
z
arg = arg(z) − arg(w).
w
Ejemplos

z 3 3 3
1. Si z = 3 π4 y w = 2 π2 , entonces = ( π4 − π2 ) = − π4 = 7
π.
w 2 2 2 4

1 1 1
2. Si z = ρθ , entonces z −1 = = = .
z ρ −θ ρ 2 π−θ
Potencia de números complejos
Sea z ∈ C y n ∈ N. La potencia n−ésima de z se define, por recurrencia, como sigue:
1
z =z
.
z n+1 = z · z n
La definición anterior se extiende para z ∈ C, z 6= 0 y n ∈ Z, n ≤ 0 como sigue:

0
z =1
.
z n = (z −n )−1
Las propiedades de la potencia de exponente entero que valen para números reales, también
valen en C.
Ejemplos
1. Potencias de i
i0 = 1.
i1 = i.
i 2 = i · i = −1.
i 3 = i 2 · i = (−1) · i = −i.
i 4 = i 3 · i = (−i) · i = −i 2 = −(−1) = 1.
En general:
Si n ∈ N y r es el resto de dividir n por 4, entonces i n = i r .
En efecto, como n = 4 q + r; 0 ≤ r < 4, entonces i n = i 4 q+r = i 4 q · i r = (i 4 )q · i r =

1 q · i r = i r.
1 1
2. (1 − i)−2 = 2
= = − 12 i.
(1 − i) −2 i
Fórmula de De Moivre
La fórmula de De Moivre (1667 − 1754) se usa para calcular la potencia entera de un complejo
expresado en forma polar.
Teniendo en cuenta las propiedades del módulo y el argumento de un producto, y utilizando
un proceso inductivo, se demuestra que:
Si n ∈ N y z = ρ θ , entonces z n = (ρn ) n θ .
La fórmula anterior se verifica para n = 0.

−n
Si n ∈ Z, n < 0, entonces z n = (z −1 )−n = [(ρ−1 )−θ ] = (ρn )n θ .
Entonces
z n = ρn [cos (n θ) + i sen (n θ)], para todo n ∈ Z.
Ejemplos
√
1. Calculemos (−1 − i)−78 . Si z = −1 − i, entonces kzk = 2 y tg θ = 1.
Luego θ = π4 ó θ = 45 π. Como el afijo de z pertenece al tercer cuadrante, θ = 5
4
π,
√ √ 78
luego z = 2 5 π y por la fórmula de De Moivre, z 78 = ( 2 ) 78· 5 π = (2 39 ) 39· 5 π .
4 4 2
5 195
Como 39 · 2
= 2
, entonces se tiene que 195 = 2 × 97 + 1. Por lo tanto
195 1 3
π = 97 π + π = 48 · 2 π + π,
2 2 2

1 1
luego z 78 = (2 39 ) 3 π y por consiguiente, z −78
= 78 = = (2−39 ) π2 = 2−39 · i.
2 z 239 − 3 π
2
√
2. Calcular (− 3 + i)105 .
√
z = − 3 + i = 2 5 π , luego z 105 = (2105 ) 525 π .
6 6
Si deseamos hallar su argumento principal observamos que:
525 π π
6
π = 87 π + 2
= 86 π + π + 2
= 86 π + 23 π, luego z 105 = (2105 ) 3 π = −2105 i.
2
Regiones del Plano complejo

Analicemos, a partir de algunos ejemplos, un par de problemas que se presentan al considerar
subconjuntos de números complejos.
a) Hallar todos los complejos z que verifican una ó más condiciones, y graficar en el Plano
complejo.
b) Dada una región del Plano complejo, hallar las condiciones mı́nimas que caracterizan a
los complejos cuyos afijos pertenecen a la misma.
Ejemplos
1. Sea r ∈ R, r > 0 y z0 = x0 + y0 i. Hallar los z ∈ C tal que kz − z0 k < r.

Si z = x + y i, entonces z − z0 = (x − x0 ) + (y − y0 )i.
p
Luego kz − z0 k = (x − x0 )2 + (y − y0 )2 < r si, y sólo si (x − x0 )2 + (y − y0 )2 < r2 .
En consecuencia los afijos de los complejos buscados pertenecen al interior de la circun-
ferencia de centro z0 y radio r.
.
...
........
....
...
... ... ..... .... ..
.... . . . . . .. .... z
... ................... ....
... •
............................................
... .... . . . . . . . . ..... . . ..
... .. . . . . . . . . .... . . . .
... ..................................................
r
.
y ... .... .... ....................................................................
0 ... •z
.... . . . . . . ... . . . . . . ..
... ........... .......0...........
... ...... ......
... ... .......... ................... ...
. . . . . . .
...
... .............. ................
.
... ...... . ..... ................. ....
... ... ... .. . ....
. ...... ....
... .
... ...
..
............................................................................................................................................................
....
O ..
. x 0
..
Figura 4
2. Hallar los z ∈ C que verifican kz − ik ≤ 1 y |Re(z)| ≥ 12 .

Si z = x + y i, entonces |Re(z)| ≥ 21 si, y sólo si x ≥ 12 ó x ≤ − 21 .
La condición kz − ik ≤ 1 es un caso particular del Ejemplo 1, considerando z0 = i
y r = 1. Luego los complejos que verifican ambas condiciones se hallan en la región
indicada en la Figura 5.
...
.........
...
....
.. .. ..
... ... ...
... ... ..
... ....................... ....
.......... .. ..........
. .
...
.... ..
..... .
. ...............
.... . .. .... ...........
.......... ... ............
........... .
. ........ ...
................
. .... .............
... ......... ... ......... ...
... . . . ..
... ........
• i .
.
..
......... ...
. ........ ...
... ........ ..
. ....... ...
... . ... .
.
.
... . ... . . . ..........
...... .. ..
. ...........
........ .
.
. ...........
........ .
. .
..
. .
.. . .
..
....................................................................................................................................
.... .... ....
− 21 O ...
..
1
2
...
..
...
..
Figura 5
π
3. Hallar los complejos que verifican 4
< arg(i z) ≤ 34 π e Im(z) ≤ 1.
Como arg(z · w) = arg(z) + arg(w), se tiene que π4 < arg(i) + arg(z) ≤ 43 π .
Como arg(i) = π2 + 2 k π, k ∈ Z, analizando los distintos valores de k obtenemos que
− π4 < arg(z) ≤ π4 . Si z = x + y i, entonces Im(z) ≤ 1 si, y sólo si y ≤ 1.
..
........
...
....
..
...
...
...
... .
.....
... .....
... .....
... .
..
......
.
... .....
... .....
.....
y=1
.. .....
...........................................................................................................................................
.... ..
..... . . . . . . . .
... ...... .................
... ..... .... . . . . . . . .
π ...........................
... ...................................
... .................................
4.. .... . . . . . .. . . . . . . .
◦
.....................................................................................................................................................................................
.... ..... ........................
O ... ...........................
... ................................
. ........
..................
. ......
..............
. ....
..........
. ..
......
..
Figura 6
4. Caracterizar las regiones indicadas a continuación:
....
.........
..
.
... ...... ..........................................
........ .
.. . . . . . . . . .
....... . . . . .. . . . . ........
..... .
... ..........................................................
..... . . . . . . . .. . . . . . . . ..... √
3i .. .... . . . . . . . ... . . . . . . . ....
... ............................................
..............................................................................
..•............
2 3 + 2i
................................................................................................................................•
....
................................... . ... .... .....
.................................... ...
....... 2i ... .......
....................................
 ....
.......
....... .
. .... ......... ...
...
.....
. . . . . . . . . .... . . . ...
....................................................
. . . . . . . . . .... . . . ...
 −2 < Re(z) ≤ 1 ..
...
.
.......
..............
.
....... .... ............ ...
....................................................................................................................................................................
..
..................................................... ...

. . . . . . . . . .... . . . ...
 O ....
..................................................... ....
.................................. ..
..................................... ...
. . . . . . . . . .... . . . ... 
....................................................
 kzk ≤ 4

. . .
.......................................................................................................................................................................

−2 ≤ Im(z) < 3

...................................................
−2 ..................................... O 1
...................................
....................................
....................................
Im(z) ≥ 2
......................... . . ...

.........................................
.................................
...................................................................................................
...
....
−2 i
Figura 7
Radicación de números complejos
Definición 1.3.1 Sea z ∈ C y n ∈ N. Un complejo w se dice una raı́z n−ésima de z
si wn = z.
Si n = 2, w se dice una raı́z cuadrada de z, si n = 3 una raı́z cúbica y ası́ sucesivamente.
Ejemplos
1. Como 12 = (−1)2 = 1, entonces 1 y −1 son raı́ces cuadradas de 1.
2. Como 14 = (−1)4 = i4 = (−i)4 = 1, entonces 1, −1, i y −i son raı́ces cuartas de 1.
3. Si w = x + y i es una raı́z cuadrada de 3 + 4 i, entonces w2 = (x + y i)2 = (x2 − y 2 ) +
2 x y i = 3 + 4 i. Por el criterio de igualdad de dos complejos en forma binómica se tiene
que: 2
x − y2 = 3
.
xy = 2
2
De la segunda ecuación obtenemos que y = . Reemplazando en la primera ecuación y
x
operando se obtiene la ecuación bicuadrada x4 − 3 x2 − 4 = 0. De la resolución de la
misma resulta que x = 2 ó x = −2. Luego y = 1 ó y = −1 y entonces w0 = 2 + i ó
w1 = −2 − i = −w0 .
Cálculo de las raı́ces de un complejo

Sea z ∈ C y n ∈ N.
Si z = 0, la única raı́z n−ésima de z es w = 0, para todo n ∈ N.
Si z 6= 0, entonces z = ρ θ , 0 ≤ θ < 2 π. Sea w = ρ0α una raı́z n−ésima de z.
Como wn = z, entonces por la fórmula de De Moivre se tiene que ρ0n n α = ρ θ . Luego, por
el criterio de igualdad de dos complejos en forma polar, se tiene que ρ0n = ρ y n α =
θ + 2 k π, k ∈ Z.
√ θ + 2kπ
Concluimos que ρ0 = n ρ y α = , k ∈ Z.
n
θ θ + 2π θ + 2(n − 1)π
Si k = 0, 1, . . . , (n − 1), obtenemos los argumentos , , ..., , los
n n n
cuales no difieren, dos a dos, en un múltiplo entero de 2 π.
√ √ √
Entonces w0 = ( n ρ) θ , w1 = ( n ρ) θ+2 π , . . . , wn−1 = ( n ρ) θ+2(n−1)π son n raı́ces n−ésimas
n n n
distintas de z.
Si k 6= 0, 1, . . . , (n − 1), como k y n son enteros, k = q n + r, con 0 ≤ r < n.
En consecuencia
θ + 2(q n + r)π θ + 2rπ
α= = + 2 q π ; q ∈ Z, r = 0, 1, . . . , (n − 1).
n n
Es decir, α difiere de alguno de los argumentos anteriores en un múltiplo entero de 2 π.
Hemos probado que:
Teorema 1.3.1 Todo complejo no nulo z posee exactamente n raı́ces n−ésimas distintas.
Sus módulos son la raı́z n−ésima aritmética del módulo de z y sus argumentos principales
θ θ + 2π θ + 2(n − 1)π
son: , , ... , .
n n n
p
Al conjunto de las raı́ces n−ésimas de z lo notamos n ((z)) y escribimos

p
n √ θ + 2 k π θ + 2 k π
((z)) = n ρ cos + i sen .
n n k=0, 1, ... , (n−1)
Ejemplos
√
1. Hallar las raı́ces cúbicas de z = −1 + i. √De z = −1 + i obtenemos que ρ = 2 y su
argumento principal es 43 π, luego z = ( 2) 3 π .
p 4
3
Los elementos
√ del conjunto ((z)) son: √ √
wk = 6 2 3 π + 2 k π , k = 0, 1, 2. Por lo tanto w0 = ( 6 2) π4 , w1 = ( 6 2) 11 π y
12
4
√ 3
w2 = ( 6 2) 19 π .
12
√
3 2 − 3i
2. Hallar todos los valores de z que verifican z 3 = √ .
− 2+i
Efectuando el cociente obtenemos que z 3 = −3 = 3 π .
Luego los complejos buscados son los elementos de
√

p
3 3 π + 2kπ π + 2kπ
((−3)) = 3 cos + i sen .
3 3 k=0, 1, 2
√ √ √
Obtenemos: w0 = ( 3 3) π3 , w1 = ( 3 3) π y w2 = ( 3 3) 5 π .
3
Representación geométrica de las raı́ces de un número complejo

√
Como todas las raı́ces n−ésimas de un complejo z = ρθ tienen módulo n ρ, entonces sus
afijos equidistan del origen de coordenadas, es decir se encuentran sobre la circunferencia C
√
con centro en el origen y radio n ρ.
2π
Como Arg wj+1 − Arg wj = , el argumento principal de cada raı́z se obtiene sumándole al
n
2π
argumento principal de la raı́z anterior .
n
2π
Como es la medida radial del ángulo central correspondiente a un arco obtenido al dividir
n
la circunferencia en n arcos congruentes, entonces los afijos de las n raı́ces n−ésimas de
z, n ≥ 3, son los vértices de un polı́gono regular de n lados, inscripto en una circunferencia
√
con centro en el origen y radio n ρ.
....
.......
....
.. w 1
...................................... •
w ....
..................................................................................
2 ............................. ....
.. ...
... ......................
..
...• .
... ..
.. .
. ...... .....
.... ....
.
...
...... ......
..... ...... .....
..... ... ... ...... .....
......
. . .
. ...................
.
. ........ ...... ....
.... ...
.
.
.
. .......
.........
.........
... . ...
..
. ... .
.
..
. ........ •w
... ..... ... .....
... ..
. 0
...
. √ .
.
.
. ..
.
. 2π .
..
. . ...
... ρ n ... ..
. ......
. ...
... ... ... ... n ....
. ...
... . ... ..... ...
... ... ... ... .. ...
... . ... . ... ..... ...
... ........... .. ..
.............................................................................................................................................................................................................................
.
... .
. .
... .
. ...
... .... ....
... ... ...
... ... ..
...
... ... ...
... ... ....
... .
. ..
... .... .
...
...
... ... ...
... ...
.....
..... .
. ..
.....
.
..... .... .....
...... .....
...... ... .....
....... ... ......
........
.......... .
. ...
...........
........................................................
....
.
Figura 8
Ejemplo
q
4
√ √
Calculemos ((−1 + 3 i)). Como z = −1 + 3 i se tiene que z = 2 2 π , por lo tanto las
3
raı́ces son:
√ !
√
4
√
4
√
4 3 1
2 cos π6 + i sen π

w0 = ( 2) π6 = 6
= 2 + i .
2 2
√ !
√ √ √ 1 3
w1 = ( 4 2) 4
2 cos 23 π + i sen 32 π 4

2
π = = 2 − + i .
3 2 2
√ !
√ √ √ 3 1
w2 = ( 4 2) 4
2 cos 76 π + i sen 67 π 4

7
π = = 2 − − i .
6 2 2
√ !
√ √ √ 1 3
w3 = ( 4 2) 5 π = 4 2 cos 53 π + i sen 35 π = 4 2

− i .
3 2 2
Representemos en el plano complejo, las raı́ces halladas:

....
........
....
..
w 1 ................
...........................................
.........
.. .
.. ... .......
......
• ... .
..
.
............ ...... ...... .
...
.
.......
......
.......... . ..... ..... .......
.... .....
.....
.....
...
. ... ... ... . . . .....
.... ... . ..... ... .....
.. . .... .
. ... ...... .. ...
.. .... ... ....
.
.
.
.
.
.
. w
.. ...... ....... 0
...
.
. .
..
.
.
...
.
.
.
.
. • ...
....
..........
... ...
. .
.
. . .
........ .. ....
.
... ...
...
.... ....... .. ....
...
... ...... ...
. ...
... ....
. ......... .
... ...
... ... ....... ...........
....
... ... π ..
. .
......... ... √ .
.
...
... 4
... .. .. ...
... ... ... .. ............ ... ..
2 ...
.
. ............. 6 ..
.......................................................................................................................................................................................................................................
.
...
........ ......
. ..
... .
.. ..
... ..... . ....
.
. .
.
.
....
... . ....... .
... ...... .... ..... . ...
... ... ....... ... ... .. ...
... . ....... ... ... ..
... ... . ............ . ... .
... .
...
... . .......... . .... .
............. .... ... . ...
• ....... ..... ... ... ... ...
.. . ...... ... ...
.. ...
w 2 ....... ...... .. .
. ... .. .. ...
.... ....
.. ...... ...
... ..
..... ... .. .....
.....
..... ........ .. ... .. .........
......
...... .... .... ...... ..... ....... ..........
... . .........
.......
.........
............ .. • ........
.....
.................................................
.... w 3
.
Figura 9
1.4. Ejercicios
1. i) Escribir en forma binómica los siguientes números complejos:
√
a) z = (0, 12 ) b) z 0 = (− 3, 0) c) w = (−5, 3) d) w0 = (2, 3)
ii) Representar geométricamente, los afijos de los siguientes números complejos:
√
a) z1 = 1 − 2 i b) z2 = −2 i c) z3 = −1 − 2 i d) z4 = −3 + 2 i
2. En cada uno de los siguientes casos hallar: Re(z), Im(z), kzk, Re(z −1 ), Im(z −1 ),
Re(−i z) e Im(i z).
a) z = (1 + 2 i) + i (2 + i) b) z = (1 + 3 i)−1 (1 + i)
1+i
c) z = d) z = i17 + 12 i (1 − i)2
i
√ √
e) z = [( 2 − i)( 2 + i)]−1 f) z = (1 + i)(2 + i)
1
g) z = (1 + i)(−2 + i)(3 + i) h) z =
1−i
3. a) Hallar los módulos de los siguientes números complejos:

1
√
3
√
2 3 + 4i i 2
+ 2
i 5 + 2i k1 − ik + i k3 + 2 ik · i
b) Hallar los conjugados de los siguientes números complejos:
1 4+i
1 − 3i 2 2i 7 + 4i
i 1−i
x+i
4. Calcular el valor real de x de modo que sea un complejo:
2+i
a) Real.
b) Imaginario puro.
√
c) Con módulo 2.
d) Con afijo en la recta que contiene a la bisectriz del primer y del tercer cuadrante.
5. Hallar a, b ∈ R, de modo que:
i) El producto de los complejos 2 − a i y 3 − b i sea igual a 8 + 4 i.

3b − 2ai
ii) El complejo sea real y de módulo 1.
4 − 3i
iii) (2 a + 6 i) i27 = (3 + b i)(6 − 2 i).
6. Hallar complejos z y w de modo que:

z
a) z · w = −8 y = 8.
w
z
b) sea imaginario puro, z + w = 5 y kzk = 2 kwk.
w
7. Expresar en forma polar los complejos:
a) (i5 + i−12 )3 b) (i 2015 )4
2
2 i5 + 3 i 17

π π 4
c) [2(cos 4
+ i sen 4
)] d)
1+i
8. Dados los complejos z = −3 (cos 73 π + i sen 37 π), w = 21 (cos 11

3
π − i sen 13
3
π) y t = 4 i,
obtener la forma polar de:
z z3 t·w
a) z · t b) c) d)
w2 w · t2 z
1 1
9. Sea z = 6 9 π y w = − . Hallar el módulo y el argumento principal de
z 52
5 1+i 1−i
.
w
√ !16
1 + 3i
10. a) Calcular .
1−i
√ √
b) Hallar todos los n ∈ Z, para los cuales ( 3 + i)n = 2n−1 (−1 + 3 i).
11. Calcular, expresando los resultados en forma polar y graficando luego en el plano complejo:
√ √ −2 + 2 i
a) Las raı́ces cúbicas de los complejos −i, 2+ 2i y √ .
1 + 3i
i5 − i3 √
b) Las raı́ces cuartas de los complejos y −8 + 8 3 i.
1+i
q √
c) 6 ((1 − 3 i)).
12. Hallar los números complejos z que verifican:

1 − 3i
a) 4 i27 + z + z 3 = (2 − i) z + (−1 − i)4 .
1−i
b) (1 − i)10 + z 5 = 32 − 32 i9 .
c) z 3 = 81 (−1 + i)12 .
d) i z 2 − (2 + 2 i)z + 2 − i = 0.
e) 2 i z = kz + 2 ik.
f) z 2 + 2 = Re(z) z.
13. Representar en el Plano complejo la región determinada por los z ∈ C que verifican:
a) kz − 1k = kz − 2k = kz − ik.
π
b) 4
≤ arg(i z 2 ) ≤ π.
c) Re(z) ≥ |Im(z)| y 0 ≤ Re(z − i) ≤ 2.
d) kzk2 ≤ 2 Re(z) + 1 y 0 ≤ Im(z) ≤ Re(z) − 1.
e) kz − 2 ik ≤ 1 y Re((1 + i) z) > −1.
f) 4 < kzk2 ≤ 9 y − π2 ≤ arg(z) ≤ π.
14. a) Sean z = ρα = ρ(cos α + i sen α) y w = 1β = cos β + i sen β.

i) Hallar la forma polar de z · w.
ii) Representar en el Plano complejo z y z · w, indicando el efecto que produce
sobre el afijo de z la multiplicación por w.
b) Los afijos de los complejos z1 , z2 y z3 son los vértices de un triángulo equilátero
inscripto en una circunferencia con centro en el origen de coordenadas. Si z1 = 1+i,
hallar z2 y z3 .
15. Caracterizar, por una ó más condiciones, las siguientes regiones del plano complejo:
√ ..
.
....
.......
−3 + 3 3 i .......... ..
... ...... .............
....
............... ...... . ...............
•................................................................................................. ..
................. ...................................
............................. ....... . . . . . .. . . . . . . . .....
............... .............................
. ....................... ..... . . . . . . . . .... . . . . . . . . .....
............................ ..... ............. ...............................
. . . . . . . . . . ... ..................... ...........................................................
................................. .. . . . . . . . ........ ....
......... ............. ..
. . . . . . . . . .... ... ..................... ...... . . . . . . ...
..... . . . . . ..
....................... ... ................... ... .............. . ...
. ................. ... . . . . . .... ... ... . . . . . ..
.................... ... .................... .
. .... . . . . ...
.... .......... .. ...
. . . . . . . ... .... .............. ......... ... ..
...............
.... . . . . .... ... ............. ... ... . . . . . ...
...... ... ............. ... ....... .... ...
................
........................ ..................................................................................................................................................................................................
.. . . . . . .
. .
.
... ... .. . .
.....
...... ..... ... ... O .
. 3 ...
5 ...
..
. .. ... ... .... .. ..
.....
.
.
... ... ... .
. .... .
...
... ... ... ...
.... .. ...
. ... ... ...
... .... ... ..... ... .... ...
.... .....
... ..... ..
...
..
...
...
...
......
......... . ........... .
....
... .............................. . . ..
......................................................................................................................
.
. ..... .. ...
.. ..... ... .....
−2 .... O ..... ... .....
..
......
...... .
. . . . . .....
.
... ........ ... .....
.......... ........
.................................................
....
..
...
....
........ √ ....
............................... 3 + 3 3i ........
... ....... ...
... ...•
..........
.. ... . ....................
..
... ...
...
...
... ... ... ......... .......... . . .... . . ...........
... . ........... ..... .
..
.......................................................
. .
... .... ... ..... . . . . . . .... . . . . . . ....
.
.......... ... ..........................................
...
... ..
..
...........
...
... √ .... . . . . . . . . .. . . . . . . . . ...
................................................
√
... ...............
. . . .. ...
... −2 3 + 2 i .•
.........................................................• ... 2 3 + 2i
... ................ ... ... .................................................................. ...
...
... ................. ... ... ...... . . . . .. . . . . ......
........ . . .... . . ....... ...
..................... ... .... ....... .......... ........ ...
. .. . . . . . ... ........ .. .......
........................................................................................................................
. . . . .. ..
.. . ................................................................................................................................................................................
O ... .... ...
...
..
.. ... O
... . ....
... ... ..
... ... ...
... ... .
... ....
.
... ....
....
... .....
... ......
... ............
....
.......................
....
..
.... ....
....... ........
.. ....
.. . ...
........ . ......... ...
.
............ ....... √ ...
....
. .............. ......... ...
.. . . . . . . . .
..... . . . . . . . ..
..... . . . . . . . . ... y = − 3x ...
...
..... ............. ........
.... . . . . . . . . ...... ... ...
............................................... ...
.
...
... ...
... .................... ..... ... ...
... .................. .. ..... ...
... .................. ..... .. .... .
... .............. ... ..... .......
.... ................... ... y = −x .....
..... ..... . ....
... . ....
... . . . . .... ... ................ ...
... .......... ... ... ......... . . .... ...
... ............. . ... ......... ......... ...
..................................................................................................................................... .... ..... . ...
..... . ... ...
.... . . . . . . ..... ..
....... . O . .... ...... . ... ....
. . .
−5 ........................ .... ..
. .. . .
..... .... ...
.......................... ... .... ........ ..
....... ..
................ ... .
.. ......
.............. ... .................................................................................................................................................................................................
............ ... ..........
... ....... ... −2 O ... ...........
.... ... ... ... .......
• .... ... .... .......
−3 − 3 i .. ... ... ..
... ...
... ...
.... ...
. .
.... √
....... 3 + 3 3i
....
... ..•
..
. ...
... .... ... .........
... .... .. ...
... ....... ..... ....
...
...
....... ...
.. . . −3 + 3 i •.......... ... .
. ...............
... .... . . .. ...... ......
......... ... ......... .... ................. .... .
... ....
... ... .......... .. ...... ........ .......... ...
..... .. ..... .... . ....................... ... ............ .... ...... ............... ...
......... .... ....... ... .. . . . . ..
............. ... ...... ...... ....... ...
....... ...
...... ... ......... ..... ...
... ... ...... .... . . . . . .. .....
.... ... .....
√ ... ... ........... .. ........ ..... ...
.
...... .
. ..... ... ................ ..... ........ ..... ...
.... 2i .
.
.
...
2 3 + 2i
.... ... .................. ... ........ .....
..... ...
....................................................................................................................................• . ... ............................ .... ...... ..... ..
.................................................. ..... ... .................... ... ...... ..... ...
..... ..
.. ................................. ..........
. ... ... ...................... .... ... .......
. . .. ...
.... ............................................ ... ... ... . . . . . . . . . .. ...................................................................................................................................................................
. . . . . . . . . . ... . .
.. ........................................ .. ............................................................................................................................................................................. ...
.
.....................................................................................................................................................................
. . ... .......................... ... O ...
O .. O ... ........ . . . . . . ..
................. .. ...
... ... ........ . . . .. ...
.... ... ........ . . ...
.......... .. ....
.. ... ......... ..
.... ... .•.. ...
. ... ...
.. √ ...
..... 3− 3i ...
.. ...
. ....
.
Figura 10
2. Polinomios
2.1. Definición. Grado. Operaciones

La definición de polinomio no es sencilla de dar dentro de los niveles de este curso.
Aquı́ adoptaremos la presentación del Dr. Enzo Gentile en su libro “ Anillo de polinomios”.
En esta sección, con K representamos al cuerpo de los números racionales, reales ó complejos.
Definición 2.1.1 Una sucesión de elementos de K es una función f : N ∪ {0} → K.
Ejemplos
1
1. f : N ∪ {0} → R, f (n) = .
n+1
2. f : N ∪ {0} → R, f (n) = n2 + 1.
Una sucesión queda determinada por a0 = f (0), a1 = f (1), a2 = f (2), . . . , aj = f (j), . . . .

Por lo tanto, dar una sucesión f : N ∪ {0} → K es equivalente a dar ordenadamente los
números a0 = f (0), a1 = f (1), a2 = f (2), . . . , aj = f (j), . . . . Entonces, se escribe
a = (a0 , a1 , a2 , . . . , aj , . . .) = (an )n∈N∪{0} .
1
Ası́ por ejemplo, dar la sucesión f : N ∪ {0} → R, f (n) = es equivalente a dar la
n + 1
expresión a = 1, 12 , 31 , . . . , j+1 1 1

, . . . = n+1 n∈N∪{0}
.
Los números ai de la sucesión a = (a0 , a1 , a2 , . . . , aj , . . .) = (an )n∈N∪{0} , se denominan los
coeficientes de la misma.
Definición 2.1.2 Sean a = (a0 , a1 , a2 , . . . , aj , . . .) y b = (b0 , b1 , b2 , , . . . , bj , . . .). Diremos

que a es igual a b y se nota a = b, si ai = bi , para todo i ∈ N ∪ {0}.
Observación
Las sucesiones a = (a0 , a1 , a2 , . . . , aj , . . .) y b = (0, 0, 0, . . . , 0, . . .) son iguales si, y sólo si
ai = 0, para todo i ∈ N ∪ {0}.
Consideremos ahora sólamente aquellas sucesiones tales que sus coeficientes son nulos desde un
ı́ndice en adelante. La notación utilizada para designar el siguiente conjunto se verá justificada
más adelante.
Sea K[X] = {(an )n∈N∪{0} : ai ∈ K, i ∈ N ∪ {0} y existe m ∈ N tal que ai = 0 si i > m}.
Ejemplo
Son elementos de K[X] :
1. a = (0, 0, 0, . . . , 0, . . .) ; donde ai = 0, para todo i ∈ N ∪ {0}.
2. a = (1, 0, 0, . . . , 0, . . .) ; donde a0 = 1 y ai = 0, si i ≥ 1.
3. a = (0, 1, 0, . . . , 0, . . .) ; donde a0 = 0, a1 = 1 y ai = 0, si i ≥ 2.
Algebricemos a K[X].
Definición 2.1.3 Sean a = (a0 , a1 , a2 , . . . , aj , . . .) y b = (b0 , b1 , b2 , . . . , bj , . . .) ∈ K[X].

Entonces la suma de a y b, que se nota a + b, se define como sigue:
a + b = (a0 + b0 , a1 + b1 , a2 + b2 , . . . , aj + bj , . . .).
Esto es, a + b es la sucesión cuyo coeficiente i−ésimo es (a + b)i = ai + bi .
Observaciones
1. Es claro que si a, b ∈ K[X], entonces a + b ∈ K[X].
2. (K[X], + ) es un grupo abeliano pues verifica:
G1 ) Si a, b, c ∈ K[X], entonces (a + b) + c = a + (b + c).

G2 ) Si a, b ∈ K[X], entonces a + b = b + a.
G3 ) 0 = (0 , 0, 0, . . . , 0, . . .) es tal que 0 + a = a + 0 = a, para todo a ∈ K[X].
G4 ) El elemento −a = (−a0 , −a1 , −a2 , . . . , −aj , . . .) es el simétrico de la sucesión
a = (a0 , a1 , a2 , . . . , aj , . . .).
Definiremos ahora un producto en K[X]. Previamente vamos a definir el producto de un

elemento de K por un elemento de K[X], para obtener una representación finita de los
elementos de K[X] que nos permita operar con mayor sencillez.
Definición 2.1.4 Sean k ∈ K y a = (a0 , a1 , a2 , . . . , aj , . . .) ∈ K[X]. Entonces el producto

de un elemento de K por uno de K[X], que se nota k.a, se define como sigue:
k.a = (k · a0 , k · a1 , k · a2 , . . . , k · aj , . . .).
Esto es, k.a es la sucesión cuyo coeficiente i−ésimo es (k.a)i = k · ai .
Observación
0.a = 0 = (0, 0, 0, . . . , 0, . . .), para toda sucesión a.
Propiedades
a) k.(a + b) = k.a + k.b, para todo a, b ∈ K[X] ; k ∈ K.
b) (k1 + k2 ).a = k1 .a + k2 .a, para todo a ∈ K[X] ; k1 , k2 ∈ K.
c) (k1 · k2 ).a = k1 .(k2 .a), para todo a ∈ K[X] ; k1 , k2 ∈ K.
d) 1.a = a, para todo a ∈ K[X].

Vamos a destacar ahora algunas sucesiones particulares de K[X] :
X0 = (1, 0, 0, 0, . . .)
X1 = (0, 1, 0, 0, . . .)
X2 = (0, 0, 1, 0, . . .)
.. ..
. .
Xi = (0, 0, . . . , 0, 1, 0, . . .), con xi = 1 y xj = 0, si i 6= j.
Si a = (a0 , a1 , a2 , . . . , aj , . . .) ∈ K[X] y suponemos que ai = 0 para i > n, entonces a

puede escribirse en la forma:
a = a0 .(1, 0, 0, 0, . . .)+a1 .(0, 1, 0, 0, . . .)+a2 .(0, 0, 1, 0, . . .)+· · ·+an .(0, 0, . . . , 0, . . . , 1, . . .)
= a0 .X0 + a1 .X1 + a2 .X2 + · · · + an .Xn . En particular,
0 = a0 .X0 + a1 .X1 + a2 .X2 + · · · + an .Xn si, y sólo si a0 = a1 = a2 = · · · = an = 0.
Entonces todo elemento a ∈ K[X] se puede representar como una combinación lineal finita
de las sucesiones X0 , X1 , X2 , . . . , Xi , . . . , con coeficientes en K.
Para definir un producto en K[X], basta definirlo para los elementos X0 , X1 , X2 , . . . , Xi , . . . ,
y extenderlo a todos los elementos de K[X] por medio de la propiedad distributiva.
Definición 2.1.5 Xi · Xj = Xi+j .
Observación
a) El producto anterior es asociativo y conmutativo.
b) X0 · Xi = Xi , para todo i.
c) X12 = X1 · X1 = X2 , X13 = X1 · X1 · X1 = X12 · X1 = X2 · X1 = X3 , . . . , X1n = Xn , para

todo n.
Entonces, si convenimos en notar X10 = X0 = 1 y X1 = X11 = X, la expresión de un elemento

cualquiera de K[X] es:
a0 . 1 + a1 .X + a2 .X 2 + · · · + an .X n .
Si consideramos la función ϕ : A → A[X] definida por ϕ(a) = a.X0 = a. 1, se tiene que ϕ
es inyectiva y respeta las operaciones de suma y producto. En consecuencia, para cada a ∈ A,
podemos identificar a con ϕ(a). Es decir, podemos escribir a = a · X0 = a · 1 y entonces la
expresión de un elemento de A[X] es a0 + a1 .X + a2 .X 2 + · · · + an .X n ; ai ∈ A, 0 ≤ i ≤ n.
Los elementos de A[X] se llaman polinomios con coeficientes en A en la indeterminada
X. En lo que sigue los notaremos, en forma simplificada,
P (X) = a0 + a1 X + a2 X 2 + · · · + an X n .
Con esta representación el producto de elementos de A[X] se efectúa teniendo en cuenta la

propiedad distributiva y la siguiente Definición.
Definición 2.1.6 (ai X i ) · (bj X j ) = (ai · bj ) X i+j .
Observación
Para calcular el producto A(X) · B(X) se multiplica cada término ai .X i de A(X) por cada
término bj .X j de B(X) y se suman los resultados obtenidos. Luego, para obtener ck .X k en
el producto, hay que tomar i + j = k y se tiene que
X
ck = ai · bj .
i+j=k
Ejemplos
1. Si A(X) = X 2 +X +1 y B(X) = 2 X 3 +1, entonces A(X)+B(X) = 2 X 3 +X 2 +X +2.
2. Si A(X) = X 2 − 1 y B(X) = X 3 + 2, entonces A(X) · B(X) = (X 2 − 1)(X 3 + 2) =

X 5 − X 3 + 2 X 2 − 2.
Grado de un polinomio
Si P (X) = a0 + a1 X + a2 X 2 + · · · + an X n 6= 0, entonces algún coeficiente es no nulo.
Definición 2.1.7 Se llama grado de un polinomio no nulo P (X) y se nota gr P (X), al

mayor ı́ndice i ∈ N ∪ {0} tal que ai 6= 0.
Observaciones
1. Al polinomio nulo no se le atribuye grado.
2. Si P (X) = a0 + a1 X + a2 X 2 + · · · + an X n , no necesariamente gr P (X) = n.

Por ejemplo, gr (1 + X + 0 X 2 ) = 1.
3. Si P (X) = a0 + a1 X + a2 X 2 + · · · + an X n , an 6= 0, entonces gr P (X) = n.

an se denomina el coeficiente principal de P (X). Si an = 1, P (X) se dice mónico.
4. Al escribir un polinomio, por convención, los monomios de la forma 0 X j , j > 0 son

omitidos.
Propiedades del grado

Sean A(X) y B(X) ∈ K[X].
a) Si A(X) · B(X) 6= 0, entonces
gr(A(X) · B(X)) = gr A(X) + gr B(X).
b) Si A(X) + B(X) 6= 0, A(X) 6= 0 y B(X) 6= 0, entonces
gr (A(X) + B(X)) ≤ máx(gr A(X) , gr B(X)).

c) gr P (X) = 0 si, y sólo si P (X) = k ∈ K, k 6= 0. Esto es, los polinomios de grado cero
son las constantes no nulas.
De las propiedades a) y c) obtenemos que los únicos polinomios que tienen inverso multipli-
cativo, es decir polinomios A(X) para los cuales existe B(X) tal que A(X) · B(X) = 1, son
las constantes no nulas.
Igualdad de Polinomios
Podemos dar ahora una nueva versión del criterio de igualdad para dos polinomios no nulos.
Si A(X) = a0 + a1 X + a2 X 2 + · · · + an X n , an 6= 0 y B(X) = b0 + b1 X + b2 X 2 + · · · +
bm X m , bm 6= 0, entonces
A(X) = B(X) si gr A(X) = gr B(X) y ai = bi , para todo i, 0 ≤ i ≤ n.
Funciones polinomiales
Dado un polinomio P (X) = a0 + a1 X + a2 X 2 + · · · + an X n ∈ K[X] la función ϕP : K → K
definida por ϕP (x) = a0 +a1 x+a2 x2 +· · ·+an xn , se denomina función polinomial asociada
a P (X).
Si K es el cuerpo de los números racionales, reales o complejos, existe una correspondencia
biunı́voca entre funciones polinomiales y polinomios.
Este resultado no es, en general, válido. Basta considerar como K un cuerpo con un número
finito de elementos.
Ejemplo
Sea K = {0, 1}, con las operaciones de suma y producto definidas por las siguientes tablas:
+ 0 1 . 0 1
0 0 1 0 0 0
1 1 0 1 0 1
(K, +, .) es un cuerpo, es decir verifica para la suma y el producto las mismas propiedades
que R. Si consideramos K[X] y los polinomios P (X) = X y Q(X) = X 2 , es claro
que P (X) 6= Q(X) pues son de distinto grado. Sin embargo, si consideramos las funciones
polinomiales ϕP y ϕQ , asociadas a P (X) y a Q(X) respectivamente, tenemos que
ϕP (0) = ϕQ (0) y ϕP (1) = ϕQ (1). Por lo tanto, por el criterio de igualdad de funciones,
ϕP = ϕQ .
División entera de polinomios
Como cuando trabajamos con números enteros, en K[X] existe un algoritmo de la división
entera, que enunciamos sin demostración.
Proposición 2.1.1 Dados A(X) y B(X) ∈ K[X], B(X) 6= 0, existen polinomios q(X)
y r(X) ∈ K[X] denominados, respectivamente, el cociente y el resto de dividir A(X) por
B(X), unı́vocamente determinados, tales que:
A(X) = B(X) · q(X) + r(X) ; con r(X) = 0 ó gr (r(X)) < gr B(X).
Si r(X) = 0 diremos que B(X) divide a A(X), que A(X) es divisible por B(X) ó que
B(X) es un factor de A(X).
Observación
Si gr B(X) > gr A(X), entonces q(X) = 0 y r(X) = A(X).
Ejemplos
1. Sean A(X) = X 4 − 3 X 2 + 1 y B(X) = X 2 − 2 X.

X4 + 0 X3 − 3 X2 + 0 X + 1 |X 2 − 2 X
X4 − 2 X3 X2 + 2 X + 1
2 X3 − 3 X2
2 X3 − 4 X2
X2 + 0 X
X2 − 2 X
2X + 1
Entonces q(X) = X 2 + 2 X + 1 y r(X) = 2 X + 1.
2. Determinar los valores a ∈ R de modo que X 3 + 3 X 2 + (a + 3) X + (a2 − 1) sea

divisible por X 2 + 1.
Efectuamos la división y obtenemos r(X) = (a + 2) X + (a2 − 4), luego a + 2 = 0 y
a2 − 4 = 0, por lo que a = −2.
Regla de Ruffini
El cálculo se simplifica cuando se trata de dividir un polinomio P (X) por uno de la forma
(X − c). En efecto, aplicando el algoritmo de la división se ve que los coeficientes del cociente
q(X) = qn−1 X n−1 + qn−2 X n−2 + · · · + q1 X + q0 verifican las siguientes relaciones:
qn−1 = an
qn−2 = an−1 + qn−1 c
qn−3 = an−2 + qn−2 c
.. .. ..
. . .
q1 = a2 + q 2 c
q0 = a1 + q 1 c
y el resto de la división es r(X) = a0 + q0 c. La regla que de aquı́ resulta para calcular los
coeficientes del cociente y el resto de dividir un polinomio P (X) por otro de la forma X − c,
se denomina la regla de Ruffini y el cálculo se dispone en la práctica como sigue:
an an−1 ··· a1 a0
c c qn−1 ··· c q1 c q0
qn−1 = an qn−2 = an−1 + c qn−1 ··· q0 = a1 + c q1 r(X) = a0 + c q0
Ejemplo
1 0 −2 1
3
Sea A(X) = X − 2 X + 1 y B(X) = X − 2. 2 2 4 4
1 2 2 5
Entonces q(X) = X 2 + 2 X + 2 y r(X) = 5.
2.2. Raı́ces de polinomios

Definición 2.2.1 Sea c ∈ K y P (X) = an X n + an−1 X n−1 + · · · + a1 X + a0 ∈ K[X].
Se llama valor numérico de P en c al número P (c) = an cn + an−1 cn−1 + · · · + a1 c + a0 .
Es decir P (c) = ϕP (c).
Si P (c) = an cn + an−1 cn−1 + · · · + a1 c + a0 = 0, diremos que c es raı́z de P (X).
Ejemplo
Sea P (X) = X 2 + 2 X − 1. Entonces P (2) = 7, P (−1) = −2 y P (0) = −1.
Teorema del resto
Teorema 2.2.1 El resto de dividir un polinomio P (X) por otro de la forma X − c es P (c).
Dem. Sean q(X) y r(X) el cociente y el resto de dividir P (X) por X − c. Entonces
P (X) = q(X)(X − c) + r(X), donde r(X) = 0 ó gr (r(X)) < gr (X − c) = 1.
Luego r(X) = r y entonces P (c) = q(c)(c − c) + r = r = r(X). 2
Corolario 2.2.1 Un número c es raı́z de un polinomio P (X) si, y sólo si P (X) es divisible
por (X − c).
Dem. c es raı́z de P (X) si, y sólo si P (c) = 0. Como P (c) es el resto de dividir P (X)
por (X − c), entonces c es raı́z de P (X) si, y sólo si P (X) = (X − c)q(X) lo que es
equivalente a decir que P (X) es divisible por (X − c). 2
Ejemplo
Verificar que 3 es raı́z de P (X) = X 3 − X 2 − 5 X − 3. Para ello basta ver que el resto de
dividir P (X) por (X − 3) es el polinomio nulo.
Aplicamos la regla de Ruffini:

1 −1 −5 −3
3 3 6 3
1 2 1 0
Observación
A partir del Corolario del Teorema del resto, si P (X) es un polinomio de grado n y conocemos
una raı́z c de P (X), entonces existe un polinomio q(X) tal que P (X) = (X − c)q(X).
Si b es raı́z de q(X), entonces P (b) = (b − c) q(b) = (b − c) 0 = 0, es decir b también es raı́z
de P (X). Esto es, las restantes raı́ces de P (X) son las raı́ces de q(X), que es un polinomio
de un grado menor que el grado de P (X).
Raı́ces múltiples
Definición 2.2.2 Sea P (X) ∈ K[X] y c una raı́z de P (X). Se dice que c es una raı́z
multiple de orden k de P (X) ó que c es una raı́z de orden de multiplicidad k de
P (X) si P (X) = (X − c)k q(X), con q(c) 6= 0. Es decir, c es una raı́z de multiplicidad k
de P (X) si k es el mayor número natural tal que P (X) es divisible por (X − c)k .
Si k = 1, c se dice una raı́z simple.
Si k > 1, c se dice una raı́z múltiple.
Observar que para hallar el orden de multiplicidad de una raı́z de un polinomio basta aplicar
reiteradamente la regla de Ruffini.
Ejemplo
Verificar que 2 es raı́z del polinomio P (X) = X 5 − 6 X 4 + 11 X 3 − 2 X 2 − 12 X + 8 y hallar
su orden de multiplicidad.
Debemos efectuar divisiones sucesivas por (X − 2) hasta que el resto no dé el polinomio nulo.
1 −6 11 −2 −12 8
2 2 −8 6 8 −8
1 −4 3 4 −4 0
2 2 −4 −2 4
1 −2 −1 2 0
2 2 0 −2
1 0 −1 0
2 2 4
1 2 3
Entonces el orden de multiplicidad de la raı́z es 3.
Si conocemos una raı́z de P (X) es conveniente calcular su orden de multiplicidad para obtener
un polinomio de menor grado cuyas raı́ces son también raı́ces de P (X). Ası́, en el ejemplo
anterior, 2 es raı́z múltiple de orden 3 de P (X) y se tiene que P (X) = (X − 2)3 (X 2 − 1).
Luego las restantes raı́ces son las de X 2 − 1, es decir 1 y −1.
Proposición 2.2.1 Si P (X) ∈ K[X] es un polinomio de grado n ≥ 1, entonces P (X)

tiene a la sumo n raı́ces en K.
Observaciones
1. Cada raı́z se cuenta tantas veces como su orden de multiplicidad.
2. X 2 + 1 ∈ Q[X] ⊂ R[X] y no posee raı́ces reales.
La situación dada en la Observación anterior no se da si consideramos a los polinomios en

C[X], pues se verifica el siguiente resultado.
Teorema Fundamental del Álgebra
Teorema 2.2.2 Todo polinomio no constante con coeficientes en C tiene por lo menos una
raı́z en C.
La primera demostración de este teorema fue hecha por Gauss a principios del siglo XIX y
escapa a los alcances del curso.
Veamos que el Teorema Fundamental del Álgebra es equivalente a decir que todo polinomio de
grado n, n > 1, con coeficientes en C, tiene exactamente n raı́ces en C, contando cada
raı́z tantas veces como su orden de multiplicidad.
En efecto, si P (X) = an X n + an−1 X n−1 + · · · + a1 X + a0 ∈ C[X], an 6= 0, por el Teorema
Fundamental del Álgebra, P (X) tiene una raı́z c1 en C. Luego P (X) = (X − c1 )q1 (X),
con gr q1 (X) = n − 1. Pero por el Teorema Fundamental del Álgebra, q1 (X) tiene una
raı́z c2 en C, luego q1 (X) = (X − c2 )q2 (X), con gr q2 (X) = n − 2, y entonces
P (X) = (X − c1 )(X − c2 )q2 (X). Reiterando este procedimiento, luego de n pasos, se tiene
que P (X) = an (X − c1 )(X − c2 ) · · · (X − cn ) y P (X) tiene exactamente n raı́ces en C.
Si con α1 , α2 , . . . , αt notamos a las raı́ces distintas de P (X), entonces el polinomio admite
una descomposición como producto de polinomios en C[X] de la forma
P (X) = an (X − α1 )n1 (X − α2 )n2 · · · (X − αt )nt , con n1 + n2 + · · · + nt = n.
Raı́ces complejas de polinomios con coeficientes reales

Sea P (X) ∈ R[X] y α ∈ C . Teniendo en cuenta las propiedades del conjugado y el módulo
de un complejo se obtiene que
• P (α) = P (α).
• ϕ(X) = (X − α)(X − α) = X 2 − 2 Re(α) X + kαk2 = X 2 + p X + q ∈ R[X].
Proposición 2.2.2 Sea P (X) = an X n + an−1 X n−1 + · · · + a1 X + a0 ∈ R[X] y α = a + b i,

b 6= 0, una raı́z compleja de P (X). Entonces α es raı́z de P (X) si, y sólo si α es raı́z de
P (X). Además α y α poseen el mismo orden de multiplicidad.
Dem. Como α = α, basta demostrar una de las implicaciones. Si α es raı́z de P (X)

entonces P (α) = 0 y por lo tanto P (α) = P (α) = 0 = 0, luego α es raı́z de P (X).
Veamos que α y α tienen el mismo orden de multiplicidad.
Supongamos que α y α son de orden k y l respectivamente y que k 6= l; podemos tomar,
por ejemplo, k > l, es decir, k − l > 0.
Como α y α son raı́ces de P (X) de orden k y l respectivamente, entonces
P (X) = (X − α)k (X − α)l q1 (X) = (X − α)l (X − α)l (X − α)k−l q1 (X) = ϕ(X)(X − α)k−l q1 (X),
con q1 (α) 6= 0. Como q(X) = (X − α)k−l q1 (X) es el cociente de dos polinomios de R[X],
entonces q(X) ∈ R[X]. Luego q(α) = 0 y q(α) 6= 0; pues α − α 6= 0, lo que contradice la
primera parte del Teorema. Por lo tanto, k = l. 2
Observaciones
1. Las raı́ces complejas de un polinomio con coeficientes reales aparecen de a pares conju-
gados.
2. Si gr P (X) = n > 0 ; c1 , c2 , . . . , cr son todas sus raı́ces reales y α1 , α1 , α2 , α2 , . . . ,

αs , αs , son todas sus raı́ces complejas no reales, entonces P (X) admite una descompo-
sición en R[X] del tipo
P (X) = an (X −c1 )(X −c2 ) · · · (X −cr )(X 2 +p1 X +q1 )(X 2 +p2 X +q2 ) · · · (X 2 +ps X +qs ),
con r + 2 s = n.
3. Si P (X) = X 2 − i X entonces sus raı́ces son 0 e i, lo que muestra que el Teorema

anterior deja de ser válido si el polinomio no tiene coeficientes reales.
Corolario 2.2.2 Todo polinomio con coeficientes reales de grado impar admite por lo menos
una raı́z real.
Ejemplo
Hallar todas las raı́ces del polinomio X 7 + 5 X 5 − 2 X 4 − 33 X 3 − 16 X 2 + 27 X + 18, sabiendo
que −1 y −3 i son raı́ces.
Aplicamos Ruffini y obtenemos:
1 0 5 −2 −33 −16 27 18
−1 −1 1 −6 8 25 −9 −18
1 −1 6 −8 −25 9 18 0
−1 −1 2 −8 16 9 −18
1 −2 8 −16 −9 18 0
−1 −1 3 −11 27 −18
1 −3 11 −27 18 0
Al efectuar nuevamente la división por X + 1, el resto es no nulo, luego
P (X) = (X + 1)3 (X 4 − 3 X 3 + 11 X 2 − 27 X + 18).

Como P (X) ∈ R[X] y −3 i es raı́z , entonces 3 i también lo es. Por lo tanto, (X 2 + 9)

divide a X 4 − 3 X 3 + 11 X 2 − 27 X + 18.
Si efectuamos la división obtenemos como cociente X 2 − 3 X + 2. Podemos escribir entonces
P (X) = (X + 1)3 (X 2 + 9) (X 2 − 3 X + 2).
Las restantes raı́ces son las del polinomio X 2 − 3 X + 2. Resolviendo la ecuación cuadrática
obtenemos α1 = 2 y α2 = 1. Luego las raı́ces de P (X) son : −1 (triple), 3 i, −3 i, 2 y 1.
Cálculo de las raı́ces de un polinomio
a0
Es muy simple calcular la única raı́z α = − de un polinomio de primer grado a1 X + a0 .
a1
Para polinomios de grado 2, a2 X 2 + a1 X + a0 , es muy conocida la fórmula que permite
calcular sus raı́ces. Las mismas están dadas por:
−a1 + t −a1 − t
α1 = ; α2 = ,
2 a2 2 a2
donde t es un elemento de K que verifica t2 = a21 − 4 a2 a0 .
A pesar de que los griegos ya conocı́an los métodos de resolución de las ecuaciones cuadráticas,
el descubrimiento de las fórmulas para calcular las raı́ces de polinomios de tercer y cuarto grado
pertenece al siglo XVI, aunque creemos razonable no incluirlas aquı́.
Se dice que las ecuaciones algebraicas de grado menor que 5 admiten resolubilidad por radicales
porque pueden resolverse mediante fórmulas que involucran las operaciones de suma, producto
y radicación entre sus coeficientes.
El problema de la resolución general de la ecuación de grado n por radicales ha sido de gran
importancia en la historia de la Matemática y su estudio ha sido el motivador de gran parte
de la matemática actual. Se puede demostrar que no existe una fórmula general que involucre
sólamente operaciones de suma, producto y extracción de raı́ces n−ésimas que permita calcular
las raı́ces de un polinomio de grado mayor o igual que 5. La solución de este problema se debe
a Evaristo Galois (1811 − 1832).
Raı́ces racionales de polinomios en Q[X]
Sea P (X) ∈ Q[X]. Sin perder generalidad, podemos considerar que P (X) tiene coeficientes
enteros, pues en caso contrario, si k es el producto de los denominadores de sus coeficientes,
entonces k P (X) ∈ Z[X] y tiene las mismas raı́ces que P (X).
p
Proposición 2.2.3 Sea P (X) = an X n + an−1 X n−1 + · · · + a1 X + a0 ∈ Z[X] y ∈ Q,
q
una fracción irreducible.
Si P ( pq ) = 0, entonces p es divisor de a0 y q es divisor de an .

Observaciones
1. Si a, b ∈ Z, recordar que b es un divisor de a si existe c ∈ Z tal que a = b c.
2. Si P (X) ∈ Z[X] es mónico, sus raı́ces racionales, en caso de existir, son enteras.
Ejemplo
Calcular todas las raı́ces racionales del polinomio P (X) = X 3 + 12 X 2 − 27 X − 3.
Las raı́ces del polinomio coinciden con las de 2 X 3 + X 2 − 7 X − 6 que se obtiene del anterior
p
multiplicándolo por 2. Si existen raı́ces racionales, son de la forma , donde p divide a −6
q
y q divide a 2. Por lo tanto p ∈ {±1, ±2, ±3, ±6 } y q ∈ {±1, ±2}.
Luego las posibles raı́ces racionales son: ±1, ±2, ±3, ±6, ± 12 , ± 23 . Aplicando la Definición
ó la regla de Ruffini, se ve que las raı́ces racionales son: −1, −2 y − 32 .
Búsqueda de raı́ces reales
Diversos problemas se reducen al cálculo de las raı́ces reales de un polinomio a coeficientes reales.
Como no existen métodos para calcularlas con exactitud se plantean los siguientes problemas:
1. Acotar las raı́ces reales. Esto es, determinar un intervalo real que las contenga a todas.
2. Separar las raı́ces. Es decir, determinar ciertos intervalos en cada uno de los cuales haya
una única raı́z.
3. Aproximar las raı́ces con cierta exactitud prefijada.
Acotación de las raı́ces reales de un polinomio con coeficientes reales

Dado un polinomio P (X) con coeficientes reales, existen varios métodos que permiten encon-
trar un intervalo [a, b] ⊆ R de modo que [a, b] contenga, en caso de existir, a todas las raı́ces
reales de P (X). Como una aplicación del Teorema del resto y la regla de Ruffini daremos el
siguiente método.
Regla de Laguerre−Thibault
Proposición 2.2.4 Sea P (X) = an X n + · · · + a1 X + a0 un polinomio no constante a

coeficientes reales tal que an > 0. Si al dividir P (X) por X − c, c ≥ 0, el resto y todos los
coeficientes del cociente son no negativos, entonces c es una cota superior de las raı́ces reales,
en caso de existir, de P (X).
Dem. Por el Teorema del resto P (X) = (X − c)(an X n−1 + qn−2 X n−2 + · · · + q0 ) + P (c).
Como todos los coeficientes del cociente q(X) y P (c) son no negativos entonces, para todo
x0 , x0 > c ≥ 0, P (x0 ) = (x0 − c)(an x0n−1 + qn−2 x0n−2 + · · · + q0 ) + P (c) > 0, por lo tanto
P (X) no posee raı́ces reales mayores que c. Luego c es una cota superior para las raı́ces
reales de P (X).
Para la cota inferior se tiene en cuenta que:
• α es raı́z de P (−X) si, y sólo si −α es raı́z de P (X).

• α ≤ c si, y sólo si −c ≤ −α.
Entonces si l es una cota superior de las raı́ces reales de P (−X), se tiene que −l es cota
inferior para las raı́ces reales de P (X). 2
Observación
Si el coeficiente principal de P (X) es negativo, basta considerar −P (X), que posee las
mismas raı́ces que el anterior.
Ejemplo
Hallar un intervalo [a, b] en el cual se encuentren todas las raı́ces reales del polinomio
X 3 − X + 4.
Aplicamos la regla de Laguerre−Thibault.
1 0 −1 4
1 1 1 0 Como todos los coeficientes son no negativos, 1 es cota superior, luego
1 1 0 4
tomamos b = 1. Calculamos P (−X) = −X 3 + X + 4, como a3 < 0 consideremos −P (−X)
que posee las mismas raı́ces que P (−X).
−P (−X) = X 3 − X − 4.
Hallemos una cota superior para las raı́ces reales de −P (−X).
1 0 −1 −4
2 2 4 6 Luego 2 es cota superior y por lo tanto, −2 es cota inferior de
1 2 3 2
las raı́ces de P (X) y entonces tomo a = −2. Las raı́ces reales de P (X) se hallan en el
intervalo [−2, 1].
Raı́ces reales positivas y negativas de un polinomio con coeficientes reales
Existen métodos para calcular el número exacto de raı́ces reales positivas y negativas de un
polinomio con coeficientes reales. Más aún, permiten conocer el número de raı́ces reales que
existen en cualquier intervalo (a, b). El método más sencillo es el de Sturm (1803 − 1855).
La regla de los signos de Descartes, que enunciaremos sin demostración, nos proporciona sola-
mente una cota del número de raı́ces reales positivas y negativas de P (X).
Sea P (X) = an X n + an−1 X n−1 + · · · + a1 X + a0 ∈ R[X] y V (P (X)) = V (an , an−1 , . . . , a0 ),
el número de variaciones de signo de la sucesión finita an , an−1 , . . . , a0 .
Regla de los signos de Descartes
Proposición 2.2.5 El número de raı́ces reales positivas de un polinomio P (X) con coeficien-
tes reales, contadas tantas veces como su orden de multiplicidad, es a lo sumo V (P (X)). Si
es menor, difiere de V (P (X)) en un número par. Análogamente, el número de raı́ces reales
negativas de P (X), es a lo sumo V (P (−X)). Si es menor, difiere de V (P (−X)) en un
número par.
Ejemplos
1. Si P (X) = X 2 + 1, como V (P (X)) = V (P (−X)) = V (1, 0, 1) = 0, la regla de
Descartes nos asegura que P (X) no tiene raı́ces reales.
2. Acotar el número de raı́ces reales positivas y negativas de P (X) = −X 3 + 7 X − 3.
Como V (P (X)) = V (−1, 0, 7, −3) = 2, el número de raı́ces reales positivas de P (X)
es 0 ó 2 . Por otro lado P (−X) = X 3 − 7 X − 3 y V (P (−X)) = 1. Entonces el
número de raı́ces reales negativas es 1.
El siguiente Teorema juega un papel importante en la localización y aproximación de las raı́ces
reales de un polinomio con coeficientes reales. Dado P (X) ∈ R[X] y teniendo en cuenta que
la función polinómica asociada ϕP (x) es continua en toda la recta, se tiene que:
Teorema de Bolzano
Proposición 2.2.6 Sean a, b ∈ R, a < b. Si P (a) · P (b) < 0, entonces existe c ∈ (a, b) tal
que P (c) = 0.
Ejemplo
Usemos el Teorema de Bolzano y localicemos, para el polinomio P (X) = −X 3 + 7 X − 3, los
intervalos en que se encuentran las raı́ces reales de P (X).
Calculemos los valores de P (a) para algunos enteros a.
P (0) = −3 (N egativo)
P (1) = 3 (P ositivo)
P (3) = −9 (N egativo)
P (−1) = −9 (N egativo)
P (−2) = −9 (N egativo)
P (−3) = 3 (P ositivo)
Una raı́z real positiva se halla en el intervalo (0, 1), la otra en el intervalo (1, 3) y la negativa
en el intervalo (−3, −2).
Y ....
.......
.....
...
...
........
... .. ....... .......
... ... .... .. ..........
... ... ... .. ....
....
... ... .... .. ...
... ... ... .. ...
... . ..
. ...
... .. ...
. .
.
. ...
...
... . ..
.
...
.
−1 .
. ...
.
.
1 . .
.
.
.
...
..
...................................................................................................................................................................................................................................................................................
• • •
.. . . ...
α 1 ..... ... O α .
.. ...
.
.
2 α 3 ...
... X
..
..
... ....... ...
.. ... ....
. ..
.. ...
. ..
.. ..
.. ... ...... ..
.. . .
.. ..
.. . .
. ..
.. .. . . ..
.. . . ..
.. ... ..
..
..
..
...
.
.
. .
.
.
..
..
..
y = ϕP (x) = −x3 + 7 x − 3
.. .. .... ..
... ... .
.... ..
... .
... ..
... . .. . ..
. .
. .
. ..
... ... . . ..
... ... .... ..
..
... ... ... . ..
...
... .
.
... ... .
.
. ...
...
... .. .... ...
...
... .
. .
. ...
... . .
.
.
.... ... ... ...
.... . ...
.... . .
. ...
.....
...... . ....... ...
...............
Figura 11
2.3. Ejercicios
1. Dados A(X) = X 3 − 3 y B(X) = −X 3 + 2 X 2 + 1, calcular:
a) A(X) · B(X), 3 A(X) + B(X) y A(X)2 − B(X).

b) El grado de cada uno de los polinomios obtenidos en a).
c) El coeficiente de X 3 en A(X) · B(X).
2. Hallar, en caso de existir, todos los polinomios P (X) ∈ R[X], tales que:
a) P (X)2 − X · P (X) = X + 1.
b) P (X)2 − X · P (X) = X 2 + 1.
c) P (X) 6= 0 y P (X)3 = gr(P (X)) X 2 · P (X).
3. Determinar, si existen, a, b, c ∈ R de modo tal que:
i) 3 X − 2 = a (X 2 + X + 3) + b (X 2 − 2 X + 1) + c (X 2 − 3).
ii) (2 X − 1)(X + 1) = a X 2 + b (X + 1)(X + 3).
4. Hallar el cociente y el resto de dividir A(X) por B(X), en los siguientes casos:
a) A(X) = 5 X 4 + 2 X 3 − X + 4, B(X) = X 2 + 2.
b) A(X) = 8 X 4 + 6 X 3 − 2 X 2 + 14 X − 4, B(X) = 2 X 3 + 1.
5. Determinar los valores de a ∈ R de modo que:
i) El polinomio 2 a2 X 3 + 3 a X 2 − 2 sea divisible por X − 1 y posea sólo raı́ces reales.

ii) El polinomio X 4 − a X 3 + 2 X 2 + X + 1 sea divisible por X 2 + X + 1.
6. Al dividir un polinomio P (X) por X − 1 y X − 2, se obtienen como restos 5 y 3

respectivamente. Hallar el resto de dividir P (X) por (X − 1)(X − 2).
7. Hallar los valores de a, b ∈ R que hacen que el resto de la división del polinomio
P (X) = 3 X 3 + 4 X 2 − 2 a X + b por Q(X) = X 2 + X + 1 sea:
i) −4 X + 2.
ii) 2.
iii) 0.
8. Dado el polinomio P (X) = 5 X 3 + a X 2 + (−8 − a) X + b, determinar a, b ∈ R sabiendo

que se verifican simultáneamente:
i) −3 es raı́z de P (X).
ii) El resto de dividir P (X) por X − 2 es 45.
9. Determinar la multiplicidad de α como raı́z de P (X) en cada uno de los siguientes

casos:
a) α = 1, P (X) = (X 2 − 1)(X − 1)3 (X 5 − 1).

b) α = 2, P (X) = (X − 2)2 (X 2 − 4) + (X − 2)3 (X − 1).
c) α = i, P (X) = (X 4 + 1)(X 2 + 1)(X 3 + i).
d) α = 21 , P (X) = 4 X 4 + 5 X 2 − 7 X + 2.
10. a) Hallar las raı́ces racionales, en caso de existir, de los siguientes polinomios:
i) 2 X 5 + 3 X 4 + 2 X 3 − X.
ii) X 4 + 2 X 3 − 3 X 2 − 2.
iii) 43 X 3 + 78 X 2 − 24
7
X − 16 .
10 7
b) Sea q(X) el cociente de dividir el polinomio X 5 + 3
X4 − 5 X3 + X2 − 6 X − 3
por X 2 + 1. Hallar las raı́ces racionales de q(X).
11. Hallar las raı́ces de los siguientes polinomios indicando el correspondiente orden de mul-
tiplicidad:
a) 5 X 7 − 2 X 6 − 10 X 5 + 4 X 4 − 15 X 3 + 6 X 2 .
√
b) X 7 − 51 X 6 − 2 X 5 + 52 X 4 − 13 X 3 + 13
5
X 2 − 10 X + 2, sabiendo que 2 i es raı́z.
c) X 4 + 2 X 3 + 3 X 2 + 10 X − 10, sabiendo que tiene una raı́z imaginaria pura.
d) X 8 − 32 X 7 + 43 X 6 − 18 X 5 + 16 X 4 − 24 X 3 + 12 X 2 − 2 X.
e) X 5 + X 3 + (1 − i) X 2 + (1 − i), sabiendo que X 2 + 1 es un factor del mismo.
f) X 5 − 32.
12. Hallar un polinomio P (X) ∈ R[X], de grado mı́nimo, que verifique simultáneamente:
• Las soluciones de z 2 − i z = 0 son raı́ces de P (X).

• P (X) tiene una raı́z doble y P (1) = −3.
1
13. a) Hallar P (X) ∈ R[X], de grado mı́nimo, que tenga a 2
como raı́z simple, a 1 + i
como raı́z doble y verifique P (0) = −2.
b) Hallar todos los polinomios P (X) con coeficientes reales, de grado tres, que tengan
a −2 como raı́z doble y verifiquen P (1) = P (−1).
14. Hallar todos los a ∈ C tales que:
a) P (X) = X 4 − (a + 4)X 3 + (4 a + 5) X 2 − (5 a + 2) X + 2 a tiene a a como raı́z

doble.
b) −1 es raı́z doble del polinomio P (X) = (X 3 − a X 2 − a2 X + 1)(X 2 − a2 ).
c) a es imaginario puro y raı́z del polinomio P (X) = X 4 − 3 X 3 + 5 X 2 − 27 X − 36.
15. Hallar un intervalo [a, b] en el cual se encuentran todas las raı́ces reales de los siguientes
polinomios:
a) X 5 + 98 X 3 + 7 X 2 − 91 X − 79 .
b) X 4 − 2 X + 1.
c) 2 X 5 − 9 X 4 + 3 X 3 + X + 1.
d) X 3 − X − 4.
16. a) Acotar, utilizando la regla de los signos de Descartes, el número de las posibles raı́ces
reales positivas y negativas de los siguientes polinomios:
i) X 4 − 8 X + 6.
ii) X 5 − 6 X 2 + 3.
iii) 105 − 352 X + 344 X 2 − 128 X 3 + 16 X 4 .
b) Determinar con exactitud el número de raı́ces reales, positivas y negativas, de los
polinomios del inciso anterior.
c) Para cada una de las raı́ces consideradas en el b), hallar un intervalo que la contenga,
pero que ninguna otra raı́z pertenezca al mismo.
17. Mostrar que el polinomio 2 X 5 − 9 X 4 + 3 X 3 + X + 1 tiene exactamente dos raı́ces reales

positivas. ¿Cuántas raı́ces complejas no reales tiene P (X)?
18. Sea P (X) = X 2 + p X + q y ϕP (x) la función polinómica asociada.
a) Dar las condiciones sobre los coeficientes p y q que hagan que:

i) El gráfico de la función polinómica y = ϕP (x) intersecte al eje de las abscisas
en dos puntos distintos.
ii) El gráfico de la función polinómica y = ϕP (x) sea tangente al eje de las
abscisas.
iii) El gráfico de la función polinómica y = ϕP (x) no intersecte al eje de las
abscisas.
b) En la situación i), calcular la suma y el producto de las raı́ces de P (X) y comparar
los resultados con p y q.
3. Matrices, sistemas de ecuaciones lineales y determinantes

Los coeficientes numéricos utilizados en esta sección pertenecen al cuerpo de los números ra-
cionales Q, al cuerpo de los números reales R, ó al cuerpo de los números complejos C, que
notaremos indistintamente con K.
3.1. Matrices
Una matriz m × n (ó de orden m × n) es un cuadro de números con m filas (horizontales)
y n columnas (verticales):
a11 a12 · · · a1n
 
 a21 a22 · · · a2n 
A=  ... .. ... ..  .
. . 
am1 am2 · · · amn
Si m = n, A se dice una matriz cuadrada de orden n. El número aij es el elemento de
la matriz que está en la fila i y en la columna j.
También usaremos la notación A = (aij ), 1 ≤ i ≤ m, 1 ≤ j ≤ n, para designar una matriz de
orden m × n.
Si n = 1, la matriz tiene una sola columna y se llama matriz columna. De la misma manera,
si m = 1, la matriz tiene una sola fila y se llama matriz fila.
Si A es una matriz m × n, la diagonal principal de A está formada por los elementos
aii , 1 ≤ i ≤ mı́n{n, m}.
Una matriz cuadrada A = (aij ) de orden n se dice:
• Triangular superior, si aij = 0, para i > j.
• Triangular inferior, si aij = 0, para i < j.
• Triangular, si es triangular superior ó triangular inferior.
• Diagonal, si aij = 0, cuando i 6= j.
• Escalar, si A = λ · In , donde In es la matriz cuadrada de orden n definida por
( 1, si i = j
In = (δij ), con δij = .
0, si i 6= j
Observación
Si [1, n] = {x ∈ N : 1 ≤ x ≤ n} = {1, 2, . . . , n}, entonces, formalmente, una matriz m × n
con coeficientes en K es una función a : [1, m] × [1, n] → K, definida por a(i, j) = aij .
Igualdad de matrices
Dos matrices m × n, A = (aij ) y B = (bij ), son iguales si aij = bij , para todos los valores
posibles de los subı́ndices i y j.
Operaciones con matrices

Suma de matrices y multiplicación de un número por una matriz
Definición 3.1.1 La suma de dos matrices A y B de orden m × n es otra matriz m × n
que se obtiene sumando los elementos correspondientes de A y B. En sı́mbolos, si A = (aij )
y B = (bij ), entonces
A + B = (aij ) + (bij ) = (aij + bij ).
Ejemplo

−2 1 4 6 3 0
Si A = y B= , entonces
2 −3 5 −2 0 −7

−2 + 6 1+3 4+0 4 4 4
A+B = = .
2 − 2 −3 + 0 5 − 7 0 −3 −2
Propiedades
Sean A, B, C matrices m × n. Entonces:
S1 ) (A + B) + C = A + (B + C).
S2 ) A + B = B + A.
 
0 0 ... 0
. . .. 
S3 ) La matriz de orden m × n, 0 =  .. .. . es tal que 0 + A = A + 0 = A para
0 0 ... 0
toda matriz A de orden m × n.
S4 ) Dada A = (aij ), la matriz B = (−aij ) es tal que A + B = 0.
Definición 3.1.2 El producto de un número k y la matriz A es la matriz k · A que se
obtiene multiplicando por el número k cada uno de los elementos de A. En sı́mbolos,
k · A = k · (aij ) = (k aij ).
En estos casos es costumbre llamar escalares a los elementos de K y la operación anterior se
denomina multiplicación por un escalar.
Ejemplo

0 1 −5 0 3 −15
Si A = , entonces 3 · A = .
2 −3 2 6 −9 6
Propiedades
Sean A, B matrices de orden m × n y λ, λ0 ∈ K. Entonces:
1) λ · (A + B) = λ · A + λ · B .
2) (λ + λ0 ) · A = λ · A + λ0 · A.
3) (λ λ0 ) · A = λ · (λ0 · A).
4) 1 · A = A.
Producto de matrices
Definición 3.1.3 Sea A una matriz m × n y B una matriz n × p. El producto de A y
B es la matriz A · B de orden m × p definida por:
A · B = (cij ),
donde n
X
cij = ai1 b1j + ai2 b2j + · · · + ain bnj = ait btj .
t=1
Es decir, para obtener el elemento cij de A · B se multiplica cada elemento de la fila i de

A por el correspondiente elemento de la columna j de B y luego se suman esos productos.
Ejemplos

1 4 5 −1 3 5 7 −5
1. Si A = y B= , entonces A · B = .
−3 2 0 2 −2 −15 7 −13
Observemos que en este ejemplo no es posible efectuar el producto B · A.

3 −2 5 1 27 −3
2. Si A = y B= , entonces A · B =
1 4 −6 3 −19 13

16 −6
y B·A= .
−15 24
Los productos A · B y B · A pueden efectuarse y sin embargo, A · B 6= B · A.
Propiedades
Siempre que el producto pueda efectuarse, se verifican
M1 ) A · (B · C) = (A · B) · C.
M2 ) A · (B + C) = A · B + A · C , (B + C) · A = B · A + C · A.
M3 ) In , la matriz identidad de orden n, es tal que A · In = In · A = A, para toda matriz
A de orden n.
M4 ) (λ · A) · B = A · (λ · B) = λ · (A · B), λ ∈ K.
Observación

1 0 0 0 1 0 0 0 0 0
Sean A = y B= . Entonces A · B = · =
0 0 1 0 0 0 1 0 0 0

0 0 1 0 0 0
y B·A= · = .
1 0 0 0 1 0
De lo anterior se deduce que:
1. El producto de matrices no es, en general, conmutativo.
2. El producto puede ser nulo sin que ninguno de los factores lo sea.
Potencia natural de una matriz
Definición 3.1.4 Si A es una matriz cuadrada de orden n y k ∈ N, definimos la potencia

natural como sigue: A1 = A, Ak+1 = Ak · A, para k ≥ 1.
Matriz traspuesta
Definición 3.1.5 Se llama matriz traspuesta de la matriz A y se nota AT , a la matriz

que se obtiene al intercambiar las filas y las columnas de A. Es decir, si A = (aij ), entonces
AT = (bij ), con bij = aji .
Observaciones
1. Si A es de orden m × n, entonces AT es de orden n × m.
2. Si A = AT , entonces A se dice una matriz simétrica.
Ejemplo


−1 −2
−1 2 5
La matriz traspuesta de la matriz A = es la matriz AT =  2 3 .
−2 3 −7
5 −7
Propiedades
1) (AT )T = A.
2) (A + B)T = AT + B T .
3) (λ · A)T = λ · AT , λ ∈ K.
4) Si el producto A · B está definido, entonces el producto B T · AT también lo está y

(A · B)T = B T · AT .
Probemos, a modo de ejemplo, la propiedad 4).

Sean A = (aij ) de orden m × t y B = (bij ) de orden t × n. Es claro que el producto A · B
está definido, por lo que existe (A · B)T . Análogamente, por la definición de matriz traspuesta
se tiene que AT = (a0ij ), con a0ij = aji , es una matriz de orden t × m y B T = (b0ij ), con
b0ij = bji es de orden n × t, por lo que el producto B T · AT está definido. Resta ver que vale
la igualdad.
X t
Por la definición de producto, A · B = (cij ), con cij = aik bkj y (A · B)T = (c0ij ), donde
k=1
t
X t
X t
X
c0ij = cji = T T
ajk bki . Ahora bien, B · A = (hij ), con hij = b0ik a0kj = bki ajk = c0ij .
k=1 k=1 k=1
En consecuencia,
B T · AT = (A · B)T .
3.2. Matrices y sistemas de ecuaciones lineales

Consideremos un sistema de dos ecuaciones lineales con dos incógnitas:

ax + by = e
.
cx + dy = f
El nombre de lineales, que también se utiliza para mayor número de incógnitas, se debe a que
las ecuaciones del tipo a x + b y = e se representan en el Plano por una recta.
Un par ordenado de números (x0 , y0 ) se llama solución del sistema si al reemplazar x por
x0 e y por y0 se satisfacen ambas ecuaciones. Geométricamente, esto sucede cuando el punto
de coordenadas (x0 , y0 ) es punto de intersección de las rectas r1 y r2 , donde r1 y r2 son
los gráficos de a x + b y = e y c x + d y = f, respectivamente.
Hay tres posibilidades para el conjunto de soluciones:
1. Puede ser vacı́o, es decir, las rectas r1 y r2 no se intersectan. Decimos entonces que el
sistema es incompatible.
2. Contiene exactamente un punto. Geométricamente significa que las rectas se intersectan.

Decimos que el sistema es compatible determinado.
3. Contiene infinitos puntos, es decir, r1 y r2 son coincidentes. En este caso decimos que
el sistema es compatible indeterminado.
Ejemplos

2x − y = 2 2x − 3y = 0 2x − y = 2
2x − y = 4 2x − y = 4 4x − 2y = 4
... ... ...
........ ........ ........
... ... ...
Y ....
..
Y ...
....
Y ...
....
... .. ..
... ... ...
... ... ...
... ... ...
... ... ...
... ... ...
... ... ...
... . . ... . ... .
... ... ... ... ... ... ...
... ... ... ... ... ... ...
... ... ... ... ... ... ...
... ..
. ..
. ... ..........
. ... ..
.
... r r .. .
... ..... ... ... ... ... ... ... ... ... ... ... ... ... ... .................
• ... .
...
... 1 ..... ... 2 2 ... ..... ... ...
... ... ...... ...
... ... (3, 2) ...... ... ... ...
... .. .. ... ...... .. .. ... ..
... ..
. .
.. ... ....... .... ..
. ...
.
...
... ..
.
..
. r ... 1 ........... .
..
.. .. ... r =r ...
... .. .. .
...... .. .. ... ... 1 2
... ... ...
...... ... .. ...
... ... ... ... ...... ... .. ... .
... .
..
. . .. ... ........... ... .. ... ..
..
... ... .. ... ........ .. ... .
.. .. . .
.
............................................................................................................................................................................... ................................................................................................................................................................................... ..............................................................................................................................................................................
... .. .. .... .
. .. ... ...
1 ... 2 .... . ... ...... ... 2 3 ...
. 1 ... ...
...
...
...
...
...
... X ....
...
.
...
..
X ...
...
.
...
..
X
.. ... ... r .. ... 2 .. ...
Figura 12
Las tres situaciones anteriores son las únicas posibles, es decir, no puede haber un sistema con
exactamente dos soluciones, exactamente tres soluciones, etc. Esto es claro en el caso de dos
ecuaciones con dos incógnitas, porque dos puntos determinan una recta, pero también es válido
para un número mayor de ecuaciones y de incógnitas.
Para resolver un sistema de dos ecuaciones lineales con dos incógnitas se acostumbra usar
alguno de estos tres métodos: 1. Sustitución. 2. Igualación. 3. Eliminación.
Ejemplo
Resolver el siguiente sistema de ecuaciones lineales:

3 x − 2 y = 50
.
2 x + 4 y = 140
Sustitución. Despejamos una de las incógnitas, por ejemplo y, en una de las ecuaciones y
la reemplazamos en la otra. De la primera ecuación, y = −25 + 32 x.
Reemplazando en la segunda ecuación, 2 x + 4(−25 + 32 x) = 140.
Resolviendo obtenemos x = 30, y sustituyendo este valor en y = −25 + 23 x resulta y =
−25 + 45 = 20. Luego la solución es el par ordenado (30, 20).
Igualación. Despejamos una misma incógnita de ambas ecuaciones e igualamos las expresiones
obtenidas.
De la primera ecuación, y = −25 + 23 x, y de la segunda, y = 35 − 21 x. Luego −25 + 32 x =
1
35 − 21 x. De aquı́ se obtiene x = 30, y entonces y = 35 − · 30 = 20.
2
Eliminación. Se elimina una incógnita, multiplicando cada ecuación por el coeficiente de esa
incógnita en la otra ecuación, y luego restando ambas ecuaciones.
En el ejemplo, supongamos que queremos eliminar la incógnita x. Multiplicamos la primera
ecuación por 2 y la segunda por 3 y luego restamos:
6x − 4y = 100
6x + 12 y = 420
−16 y = −320
Luego y = 20. Para determinar x se sustituye y = 20 en cualquiera de las ecuaciones, y se
resuelve, obteniendo x = 30.
Método de eliminación de Gauss
Nos proponemos indicar un método que nos permita resolver sistemas de m ecuaciones lineales
con n incógnitas, m y n arbitrarios. Tal sistema puede escribirse:


 a11 x1 + a12 x2 + · · · + a1n xn = b1
 a21 x1 + a22 x2 + · · · + a2n xn = b2

.. .. .. .. .. .. .. .. .. (1)


 . . . . . . . . .
 a x + a x + ··· + a x = b
m1 1 m2 2 mn n m
donde los números aij , 1 ≤ j ≤ n, 1 ≤ i ≤ m, son los coeficientes y los números

b1 , b2 , . . . , bm son los términos independientes.
Una n−upla de números (k1 , k2 , . . . , kn ), es una solución del sistema de ecuaciones lineales
(1), si cada una de las ecuaciones del mismo se convierte en una identidad después de haber
sustituido en ellas las incógnitas xi por los correspondientes valores ki , i = 1, 2, . . . , n.

Las definiciones de sistema compatible (determinado e indeterminado) e incompatible vistas
anteriormente se aplican también al caso general.
Si un sistema de ecuaciones lineales no tiene solución, entonces se denomina incompatible.
Si el sistema de ecuaciones lineales tiene solución se denomina compatible. Se dice que un
sistema compatible es determinado si posee solución única, e indeterminado si tiene más
de una solución.
Nota: Si b1 = b2 = · · · = bm = 0, el sistema (1) se dice homogéneo y siempre es compatible,
pues la n−upla (0, 0, . . . , 0) es solución del mismo.
Un problema de la teorı́a de los sistemas de ecuaciones lineales consiste en la elaboración de
métodos que permitan establecer si un sistema dado es compatible ó no, y en caso de serlo,
indicar el número de soluciones y señalar un método para hallarlas a todas.
Operaciones elementales y matriz asociada al sistema
Si se aplica a un sistema de ecuaciones lineales alguna de las tres operaciones que se indican
a continuación, se obtiene un nuevo sistema equivalente al dado, en el sentido que ambos
sistemas tienen las mismas soluciones:
(I) Intercambiar dos ecuaciones entre sı́.
(II) Reemplazar una ecuación por la que se obtiene multiplicándola por una constante distinta
de cero.
(III) Reemplazar una ecuación por la que se obtiene sumando a dicha ecuación otra ecuación
multiplicada por una constante.
En el sistema (1) podemos suponer, sin pérdida de generalidad, que a11 6= 0.

Por ejemplo, dado el sistema

 2x + 3y − z = 1
x + 4y − z = 4 ,
3x + y + 2z = 5

si intercambiamos la primera y segunda ecuación, obtenemos el siguiente sistema equivalente:


 x + 4y − z = 4
2x + 3y − z = 1 .
3x + y + 2z = 5

Si ahora reemplazamos:
• la segunda ecuación por la suma de la segunda y la primera multiplicada por −2, y
• la tercera ecuación por la suma de la tercera mas la primera multiplicada por −3,
obtenemos el siguiente sistema equivalente:


 x + 4y − z = 4
−5 y + z = −7 .
−11 y + 5 z = −7

1
Multiplicando ahora la segunda ecuación por − :
5

 x + 4y − z = 4
1 7
y − 5z = 5
.
− 11 y + 5 z = −7

Reemplazando la tercera ecuación por la suma de la tercera y 11 veces la segunda:


 x + 4y −
 z = 4
y − 5 z = 57 .
1
 14
z = 42

5 5
Este último sistema es equivalente al primero y puede resolverse en forma muy sencilla.
El resultado es z = 3, y = 2 y x = −1; esto es, la solución es el conjunto S = {(−1, 2, 3)}.
La matriz cuyos elementos son los coeficientes de un sistema de ecuaciones lineales dado, se
llama matriz de los coeficientes. Se llama matriz del sistema ó matriz ampliada a la
matriz  
a11 a12 · · · a1n b1
 a21 a22 · · · a2n b2 
..  .
 
 .. .. . . ..
 . . . . . 
am1 am2 · · · amn bm
Podemos aplicar a las filas de la matriz del sistema las mismas operaciones que se aplicaron a
las ecuaciones. Aplicadas a la matriz reciben el nombre de operaciones elementales.
Traducidas en términos de la matriz del sistema, estas operaciones son:
1. Intercambiar dos filas de la matriz.
2. Reemplazar una fila por la que se obtiene al multiplicarla por un número distinto de cero.
3. Reemplazar una fila por la que se obtiene al sumarle a esa fila otra fila previamente
multiplicada por un número.
Estas operaciones elementales transforman la matriz del sistema en otra matriz que corresponde
a un sistema de ecuaciones equivalente al dado.
La aplicación de las operaciones elementales tiene por objetivo obtener una matriz que tenga:
• Ceros debajo de la diagonal principal.
• Elementos no nulos en la diagonal principal (eventualmente puede aparecer algún cero).
Este procedimiento se llama el método de eliminación de Gauss (Karl Friedrich Gauss,

1777−1855).
Ejemplo
Resolver el siguiente sistema de ecuaciones lineales:

 x + y + z = 2
2x + 5y + 3z = 1 .
3 x − y − 2 z = −1

Comenzamos considerando la matriz del sistema. Las operaciones elementales que se efectúan
se indican usando Fi para indicar la fila i.
   
1 1 1 2 1 1 1 2 ( 1 )F2 → F2
F2 −2F1 → F2 ; F3 −3F1 →F3
 2 5 3 1  −→  0 3 1 −3  3 −→
3 −1 −2 −1 0 −4 −5 −7
     
1 1 1 2 1 1 1 2 (− 3
)F → F
1 1 1 2
1 F +4F2 → F3 1 3 3
 0 1 −1  3 −→  0 1 −1  11
−→  0 1 1 −1 
3 3 3
0 −4 −5 −7 0 0 − 11 3
−11 0 0 1 3
Esta última matriz representa el sistema

 x + y + z = 2
1
y + 3
z = −1
z = 3

cuya solución es (1, −2, 3).

Si durante la aplicación del método de eliminación de Gauss alguna de las matrices intermedias
tiene una fila con todos los elementos nulos excepto el último, es decir, una fila de la forma
0 0 ··· 0 b, con b 6= 0,
entonces el sistema es incompatible, ya que esa fila corresponde a una ecuación
0 x1 + 0 x2 + · · · + 0 xn = b
que no tiene solución.

Si alguna de las matrices tiene una fila con todos los elementos nulos (incluyendo el último),
esa fila simplemente se elimina.
Si en la última matriz el número de filas r es igual al número de incógnitas n, entonces el
sistema es compatible determinado. Si r < n, hay n − r incógnitas a las cuales se les
puede dar valores arbitrarios y calcular en función de ellos los valores de las otras incógnitas.
En ese caso el sistema es compatible indeterminado.
Ejemplos
1. Resolver 
x − 2y  + 3 z = 10
2x − 3y − z = 8 .
5x − 9y + 8 z = 20

     
1 −2 3 10 1 −2 3 10 1 −2 3 10
 2 −3 −1 8  −→  0 1 −7 −12  −→  0 1 −7 −12 
5 −9 8 20 0 1 −7 −30 0 0 0 −18
El sistema es incompatible.
2. Resolver 
x − 2y  + 3 z = 10
2x − 3y − z = 8 .
4x − 7y + 5 z = 28

     
1 −2 3 10 1 −2 3 10 1 −2 3 10
 2 −3 −1 8  −→  0 1 −7 −12  −→  0 1 −7 −12 
4 −7 5 28 0 1 −7 −12 0 0 0 0
El sistema asociado es
x − 2y + 3z = 10
.
y − 7 z = −12
Resolviendo la segunda ecuación y reemplazando en la primera se obtiene:
x = 11 z − 14, y = 7 z − 12, z arbitrario. El sistema es compatible indeterminado
y la solución general del mismo es
S = {(11 k − 14, 7 k − 12, k), con k ∈ R}.
3. Resolver 

 x + 3y + z = 1
2 x + 7 y + z − u = −1

.

 3x − 2y + 4u = 8
−x + y − 3 z − u = −6

   
1 3 1 0 1 1 3 1 0 1
 2 7 1 −1 −1    0 1 −1 −1 −3 

 3 −2 −→   −→
0 4 8   0 −11 −3 4 5 
−1 1 −3 −1 −6 0 4 −2 −1 −5
   
1 3 1 0 1 1 3 1 0 1
 0
 1 −1 −1 −3   0
 −→  1 −1 −1 −3 
 −→
1
 0 0 −14 −7 −28   0 0 1 2
2 
0 0 2 3 7 0 0 2 3 7
   
1 3 1 0 1 1 3 1 0 1
 0
 1 −1 −1 −3   0 1
 −→  −1 −1 −3 
.
 0 1 1
0 1 2
2   0 0 1 2
2 
3
0 0 0 2 3 0 0 0 1 2
El sistema asociado es


 x + 3y + z = 1
y − z − u = −3

1 .

 z + 2
u = 2
3
u =

2
Entonces, u = 32 , z = 45 , y = − 14 y x = 21 .
1
, − 14 , 54 , 32

El sistema es compatible determinado, con única solución 2
.
4. Determinar los valores de a para los cuales el sistema, cuya matriz ampliada se da a
continuación, es incompatible:
 
1 −3 3 2
 −2 3 −3 2 .
0 a + 1 −a − 1 3 + a
Aplicando operaciones elementales a la matriz anterior, escalonamos la misma.

En efecto,
   
1 −3 3 2 1 −3 3 2
 −2 3 −3 2  −→  0 −3 3 6  −→
0 a + 1 −a − 1 3 + a 0 a + 1 −a − 1 a + 3
   
1 −3 3 2 1 −3 3 2
 0 −1 1 2  −→  0 −1 1 2 .
0 a + 1 −a − 1 a + 3 0 0 0 3a + 5
En consecuencia, el sistema asociado es incompatible si a 6= − 35 .
5. La edad de un padre duplica a la suma de las edades de sus dos hijos, mientras que hace
unos años (exactamente la diferencia de las edades actuales de los hijos), la edad del padre
triplicaba la suma de las edades, en aquel tiempo, de sus hijos. Cuando pasen tantos
años como la suma de las edades actuales de los hijos, la suma de las edades de las tres
personas será de 150 años. ¿Qué edad tenı́a el padre en el momento de nacer sus hijos?
Si con x, y, z notamos a las edades actuales del padre y sus dos hijos, respectivamen-
te, a partir de las hipótesis queda planteado el siguiente sistema de ecuaciones lineales
compatible determinado: (x − 2y − 2z = 0
x + 2y − 8z = 0 .
x + 4 y + 4 z = 150
Aplicamos el método de eliminación de Gauss y obtenemos: x = 50, y = 15, z = 10.
Luego, el padre tenı́a al nacer sus hijos 35 y 40 años, respectivamente.
3.3. Determinantes
Determinantes de segundo y tercer orden

a11 a12
Dada una matriz cuadrada de orden 2, A = , el valor de su determinante se
a21 a22
define como
det A = |A| = a11 a22 − a12 a21 .
Ejemplo

3 2
Si A = , entonces |A| = 3 · 2 − (−1) · 2 = 8.
−1 2
Consideremos ahora una matriz cuadrada de tercer orden
 
a11 a12 a13
A =  a21 a22 a23  .
a31 a32 a33
Entonces el determinante de A se define como
det A = |A| = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31 − a11 a23 a32 − a12 a21 a33 ,
donde cada término consta de un producto de tres factores, uno de cada fila y uno de cada
columna. Si a cada término le asociamos la permutación σ de {1, 2, 3} determinada
por los
1 2 3
subı́ndices (por ejemplo, al término a11 a23 a32 le asociamos σ = ) entonces se
1 3 2
asigna a ese término el signo (−1)s , donde s es el número de inversiones de la permutación
σ.
Para obtener rápidamente el valor de det A, puede aplicarse la siguiente regla práctica, llamada
regla de Sarrus:
s s s s s s
@ @

HH
A HA
@ @ A HA
s
@ s @s s A s H A Hs
@ @ HHA A
@ H
@ A HHA
s @s @s

s As HAs
Signo + Signo −
Ejemplo

2 −4 −5

1 0 4 = 2 · 0 · (−6) + (−4) · 4 · 2 + 1 · 3 · (−5) − ((−5) · 0 · 2 + (−4) · 1 · (−6) + 4 · 3 · 2) = −95.

2 3 −6
Determinantes de orden n
Sea dada una matriz cuadrada de orden n,
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A =  .. ..  .
 
.. ..
 . . . . 
an1 an2 · · · ann
Consideremos todos los productos posibles de n elementos de esta matriz de modo que en cada
producto haya un factor de cada fila y uno de cada columna, o sea, productos de la forma
a1α1 a2α2 · · · anαn
donde los subı́ndices α1 , α2 , . . . , αn forman una permutación de los números 1, 2, . . . , n.

Hay n! productos de esta forma.
A cada producto de este tipo se le adjunta un signo + ó un signo − según que la permutación

1 2 ... n
σ=
α1 α2 . . . αn
sea de clase par o impar, respectivamente. Es decir, se considera el número
(−1)s a1α1 a2α2 · · · anαn ,
donde s es el número de inversiones de σ.

[Cfr. Abad, Manuel ; Elementos de Álgebra, pág. 158, EDIUNS, 2000.]
Definición 3.3.1 Se llama determinante de la matriz cuadrada A a la suma de los n!
productos de la forma (−1)s a1α1 a2α2 · · · anαn . Se nota det A ó |A|.
X
det A = |A| = (−1)s a1α1 a2α2 · · · anαn .
σ
det A se dice un determinante de orden n.
Ejemplo
Calcular
−1 0 0 0

0 0 1 0

1
1 −1 1

3 −1 0 2
Los productos que no se anulan son: a11 · a23 · a32 · a44 y a11 · a23 · a34 · a42 . Además el número
de inversiones de 1 3 2 4 es 1 y el número de inversiones de 1 3 4 2 es 2. Luego,
det A = (−1)1 ·a11 ·a23 ·a32 ·a44 +(−1)2 ·a11 ·a23 ·a34 ·a42 = −(−1)·1·1·2+(−1)·1·1·(−1) = 2+1 = 3.

a11 a12
Para n = 2, si A = , det A = (−1)0 · a11 · a22 + (−1)1 · a12 · a21 = a11 · a22 − a12 · a21 .
a21 a22
 
a11 a12 a13
Para n = 3, si A =  a21 a22 a23  , det A = (−1)0 · a11 · a22 · a33 + (−1)1 · a11 · a23 · a32 +
a31 a32 a33
+(−1)2 · a12 · a23 · a31 + (−1)1 · a12 · a21 · a33 + (−1)2 · a13 · a21 · a32 + (−1)3 · a13 · a22 · a31 =
a11 · a22 · a33 + a12 · a23 · a31 + a13 · a21 · a32 − a11 · a23 · a32 − a12 · a21 · a33 − a13 · a22 · a31 , resultado
que puede obtenerse aplicando la regla de Sarrus para el cálculo de determinantes de orden 3.
Es fácil convencerse de que la definición de determinante es completamente ineficiente para
calcular determinantes de orden n, incluso para valores de n no muy grandes, por lo que es
necesario establecer algunas propiedades de los determinantes que faciliten su cálculo.
El caso más simple de cálculo de un determinante es el caso del determinante de una matriz
triangular:
a11 a12 a13 . . . a1n
 
 0 a22 a23 . . . a2n 
 
A=  0. 0 a33
.. ..
. . . a3n 
.. .. 
.
 .. . . . . 
0 0 0 . . . ann
Todos los términos del determinante se anulan excepto el formado por el producto de los
elementos de la diagonal principal, luego
det A = a11 a22 · · · ann .
Propiedades
Vamos a ver ahora algunas propiedades elementales de los determinantes que serán de utilidad
para hallar métodos para calcularlos.
Propiedad 1 El determinante de una matriz coincide con el determinante de su traspuesta.
Es decir, det A = det AT .
De la Propiedad 1 se deduce que a toda propiedad de un determinante relativa a las columnas
le corresponde una análoga para las filas y recı́procamente, puesto que las columnas (filas) de
una matriz son las filas (columnas) de la matriz traspuesta. En lo que sigue indicaremos las
propiedades de los determinantes únicamente para las columnas pero sabemos, por lo anterior,
que para las filas valen propiedades análogas.
Propiedad 2 Si una de las columnas de la matriz A está constituida por ceros, entonces
det A = 0.
Propiedad 3 Si A0 es la matriz que se obtiene de la matriz A intercambiando dos columnas,

entonces det A0 = −det A.
Propiedad 4 Si A es una matriz con dos columnas iguales, entonces det A = 0.
Propiedad 5 Si A0 es la matriz que se obtiene multiplicando todos los elementos de una

columna de la matriz A por un número k, entonces det A0 = k · det A.
Ejemplo
1
0 −1

2 1 1 0 −1

3
1 −2 = · 3 1 −2 .

2 2
1 1 −1

1

2
1 −1
Propiedad 6 Si A es una matriz que tiene dos columnas proporcionales, entonces det A = 0.
Propiedad 7 Si A = (aij ) y la columna r−ésima se puede expresar en la forma air =

bir + cir , 1 ≤ i ≤ n, entonces det A = det B + det C, donde B y C coinciden con A
salvo en la columna r−ésima, en la que B tiene los elementos bir y C tiene los elementos
cir , 1 ≤ i ≤ n.
Ejemplo
a11 b12 + c12 a13 a11 b12 a13 a11 c12 a13

a21 b22 + c22 a23 = a21 b22 a23 + a21 c22 a23 .

a31 b32 + c32 a33 a31 b32 a33 a31 c32 a33
Sea A una matriz de orden m × n. Si indicamos con C1 , C2 , . . . , Cn las columnas de
A, diremos que la columna Ci es combinación lineal de las columnas Cj y Ck , con
1 ≤ j, k ≤ m, si existen números α, β ∈ K tales que Ci = α · Cj + β · Ck .
En forma análoga se define una combinación lineal de un número cualquiera de columnas y una
combinación lineal de dos ó más filas.
Ejemplos
 
1 5 7
−1 0
a) En  −2 1 −3  , C3 = 2 · C1 + C2 . b) En , C 2 = 0 · C1 .
1 0
3 0 6

1 0 −2 3
c) En , C3 = −2 · C1 .
2 1 −4 −1
Propiedad 8 Si en una matriz A una columna es combinación lineal de otras, entonces
det A = 0.
Propiedad 9 Si A0 es la matriz que se obtiene al sumar a una columna de una matriz A

una combinación lineal de otras columnas de A, entonces det A0 = det A.
Ejemplo
   
2 0 −1 2 0 3
Si A =  0 1 −2  , reemplazando C3 por 2 · C1 + C3 se obtiene A0 =  0 1 −2  .
3 1 −3 3 1 3
Entonces det A = det A0 .
Cálculo de determinantes
De las propiedades anteriores resulta que si se pasa de una matriz A a otra matriz por medio
de una operación elemental, entonces
(I) El determinante cambia de signo si se intercambian dos columnas (filas).
(II) El determinante queda multiplicado por un escalar no nulo si se reemplaza una columna
(fila) por un múltiplo no nulo de esa columna (fila).
(III) El determinante no varı́a si a una columna (fila) se le suma un múltiplo de otra.
Por consiguiente, un método para calcular el determinante de una matriz A consiste en

transformar A en una matriz A0 triangular, cuyo determinante es de cálculo inmediato.
Según lo anterior, det A y det A0 diferirán a lo sumo en un escalar.
Ejemplo

0 3 2 3 0 2
1
1 −6 6 = C1 ↔ C2 − −6 1 6 = .C1 → C1 =
3
5 9 1 9 5 1

1 0 2 1 0 0

= −3. −2 1 6 = −2.C1 + C3 → C3 −3. −2 1 10
= −10.C2 + C3 → C3

3 5 1 3 5 −5

1 0 0

= −3. −2 1 0 = (−3) · (−55) = 165

3 5 −55
Desarrollo de un determinante por los elementos de una lı́nea (fila o columna).

Dada una matriz A = (aij ) se llama menor complementario del elemento aij y se nota
Mij al determinante de la matriz que se obtiene a partir de A suprimiendo la i−ésima fila y
la j−ésima columna.
Se llama complemento algebraico, cofactor o adjunto del elemento aij de A al número
Aij = (−1)i+j · Mij .
Teorema 3.3.1 El determinante de una matriz A = (aij ) es igual a la suma de los elementos
de una lı́nea (fila o columna) multiplicados cada uno de ellos por sus respectivos complementos
algebraicos.
Ası́, det A = ai1 · Ai1 + ai2 · Ai2 + · · · + ain · Ain es el desarrollo de det A por los elementos de
la i−ésima fila y det A = a1j · A1j + a2j · A2j + · · · + anj · Anj es el desarrollo de det A por
los elementos de la j−ésima columna.
Corolario 3.3.1 Si A = (aij ), la suma de los elementos de una fila (columna) multiplicados
cada uno de ellos por los complementos algebraicos de los elementos correspondientes de otra
fila (columna) distinta, es cero.
Es decir, as1 · At1 + as2 · At2 + · · · + asn · Atn = 0 y a1s · A1t + a2s · A2t + · · · + ans · Ant = 0, si
s 6= t.
Dem. En efecto, as1 · At1 + as2 · At2 + · · · + asn · Atn es el desarrollo del determinante de la
matriz que se obtiene reemplazando en A la fila t por la fila s. Esta matriz tiene dos filas
iguales, y por consiguiente, su determinante es cero. 2
Ejemplo
Calculemos el siguiente determinante desarrollándolo por los elementos de una lı́nea.
Para aplicar este método resulta conveniente que la fila ó columna elegida tenga la mayor
cantidad de ceros posible.

2 −1 0 5
2 3 1 0 3 1
0 2 3 1 1+1
1+2

= (−1) · 2 · 0 −1 4 + (−1) · (−1) · 1 −1 4 +
1
0 −1 4
1 −2 8

2 −2 8
2 1 −2 8

0 2 1 0 2 3

+(−1)1+3 · 0 · 1 0 4 + (−1)1+4 · 5 · 1 0 −1 = 2 · 13 + 0 + 0 + (−5) · 3 = 11.
2 1 8 2 1 −2
Si una matriz A = (aij ) de orden n tiene iguales a cero los elementos de una lı́nea, excepto
uno de ellos, el cálculo de su determinante se reduce, desarrollando por los elementos de esa
lı́nea al cálculo de un determinante de orden n − 1.
Ejemplo

3 5 −2 6 0 −1 1 3

1 2 −1
−3 F 2 + F 1 → F 1
−1 1 3
1
= −2 F2 + F3 → F3 =
1 2 −1 1 2+1

2 4
= (−1) · 1 · 0 3 3 =
1 5 0 0 3 3

3 7
−3 F2 + F4 → F4 1 8 0
5 3 0 1 8 0

0 9 3
9 3
F1 + F3 → F1 = − 0 3 3 = −(−1)3+1 · 1 · = −18.
1 8 0 3 3
Algunas propiedades más de los determinantes
Propiedad 10 Si A es una matriz de orden n y α es un número, entonces det (α · A) =

αn · det A.
Propiedad 11 El determinante de un producto de matrices es el producto de los determinantes

de cada una de ellas, es decir, si A y B son matrices cuadradas del mismo orden, entonces
det (A · B) = det A · det B.
Ejemplo
Hallar todos los valores numéricos de xpara los cuales det A = 4 x6 + 2 x5 + 2 x4 − x2 , siendo
 
1 2 3 4 5 6
 −1 x 0 0 0 0 
 
 1 2 x+3 4 5 6 
A=  0
.
 0 0 x 0 0  
 0 0 0 0 x 0 
0 0 0 0 0 x2

1 2 3 x 0 0

Como A es una matriz de bloques, entonces det A = −1 x 0 · 0 x 0 =
1 2 x + 3 0 0 x2

1 2 3

0 x + 2 3 · x4 = x6 + 2 x5 = 4 x6 + 2 x5 + 2 x4 − x2 . En consecuencia,

0 0 x
3 x6 + 2 x4 − x2 = x2 (3 x4 + 2 x2 − 1) = 0.
Se tiene que x = 0 es una raı́z doble y al resolver la ecuación bicuadrada se obtienen las
soluciones x = ±i y x = ± √13 .
3.4. Matriz Inversa

Definición 3.4.1 Una matriz A de orden n se dice inversible, si existe una matriz B de
orden n tal que A · B = B · A = In , donde In es la matriz unidad de orden n.
Observaciones

2 1
1. No toda matriz tiene inversa. Si A = no existe ninguna matriz B tal que
2 1
A · B = B · A = In .

x y 2 1 x y 1 0
En efecto, si existiese B = tal que . = , entonces
z u 2 1 z u 0 1
2x + z 2y + u 1 0
= , de donde resulta
2x + z 2y + u 0 1
2x + z = 1


2x + z = 0

,
2y + u = 0

2y + u = 1
que es un sistema incompatible.
2. Si la matriz B existe, es única y se denomina la inversa de A. Se nota B = A−1 .

Si B y B 0 son tales que A · B = B · A = In y A · B 0 = B 0 · A = In , entonces
B 0 = B 0 · In = B 0 (A · B) = (B 0 · A) · B = In · B = B.
Propiedades
a) Si A es inversible, también lo es A−1 y (A−1 )−1 = A.
b) Si λ es un número real no nulo y A es inversible, entonces también lo es λ · A y

1
(λ · A)−1 = · A−1 .
λ
c) Si A y B son matrices inversibles, entonces A·B también lo es y (A·B)−1 = B −1 ·A−1 .
1
d) Si A es inversible, entonces det A−1 = .
det A
Demostremos, a modo de ejemplo, la propiedad b). La demostración de las restantes propie-
dades queda a cargo del lector entusiasta.
Como A es inversible, existe A−1 y al ser λ un número real no nulo, es un elemento que
1
tiene inverso λ−1 = . Ahora bien,
λ
1 1 1
( · A−1 ) · (λ · A) = (λ · ) · (A · A−1 ) = A · A−1 = In = (λ · A) · ( · A−1 ),
λ λ λ
1
por lo que λ · A es una matriz inversible y (λ · A)−1 = · A−1 .
λ
Definición 3.4.2 Sea A = (aij ) una matriz de orden n. La matriz adjunta de A es la
matriz de orden n, AdjA = (Aij ), donde Aij es el complemento algebraico del elemento aij .
A11 A12 · · · A1n

 
 A21 A22 · · · A2n 
AdjA =   ... .. ... ..  .
. . 
An1 An2 · · · Ann
Ejemplo
   
1 −1 2 3 3 −1
Si A =  0 1 3  , AdjA =  −2 −2 0 .
1 −1 0 −5 −3 1
Caracterización de las matrices inversibles
Teorema 3.4.1 Sea A una matriz de orden n. Entonces A es inversible si, y sólo si
det A 6= 0. En ese caso,
(Adj A)T
A−1 = .
det A
Dem. Veamos que A · (Adj A)T = (Adj A)T · A = det A · In . Si A · (AdjA)T = (cij ), entonces
cij = ai1 · Aj1 + ai2 · Aj2 + · · · + ain · Ajn , donde Ajk es el complemento algebraico del elemento
ajk . Por lo tanto, según el Teorema 1.3.1 y su corolario, resulta que:

det A, si i = j
cij = .
0, si i 6= j
 
det A 0 ··· 0
 0 det A · · · 0 
Luego, A · (AdjA)T = 
 ... .. .. ..  = det A · In .
. . . 
0 0 · · · det A
Análogamente se prueba que (AdjA)T · A = det A · In . Por lo tanto, si det A 6= 0,
(AdjA)T (AdjA)T
A· = · A = In
det A det A
y por consiguiente,
(AdjA)T
A−1 = .
det A
Recı́procamente, supongamos que A es inversible. Entonces existe una matriz A−1 tal que
A · A−1 = In . Por la Propiedad 11, det A · det (A−1 ) = det In = 1. En consecuencia det A 6= 0.
2
Ejemplos
1. Averiguar si la matriz A es inversible. En caso afirmativo hallar su inversa.
 
1 −1 2
A= 0 1 3 
1 −1 0
Como det A = −2 6= 0, A es inversible. Su inversa es
 
3 −2 −5
 3 −2 −3   − 3 1 5 
2 2
−1 (AdjA)T −1 0 1  3 3 
A = = =  −2 1 2 
.
det A −2
1 1
2
0 −2
 
0 0 4 −1
 1 0 2 x 
2. Sea A =   3 2 5 −2  . Calcular los valores de x para los cuales A es inversible.

3 0 0 1
Debo hallar los valores de x para los cuales det A 6= 0. Desarrollando el determinante
por los elementos de la segunda columna obtenemos que det A = (−4)(6 x + 1).
En consecuencia, A en inversible si x 6= − 61 .
Cálculo de la inversa de una matriz aplicando operaciones elementales

Sea A una matriz de orden n. Si A es equivalente por filas a la matriz In , entonces la
matriz A es inversible, y para calcular su inversa basta aplicar a la matriz unidad de orden
n las mismas operaciones elementales que a A y en el mismo orden. En efecto, si
E1 · (E2 · (· · · (Ek · A))) = (E1 · E2 · · · Ek ) · A = In , entonces A es inversible y se tiene que
A−1 = E1 · E2 · · · Ek = (E1 · E2 · · · Ek ) · In .
Si al aplicar operaciones elementales por filas a la matriz A, tratando de obtener la matriz
unidad, se obtiene una fila nula, entonces A no es inversible.
Ejemplo
Decir si la matriz A es ó no inversible, y en caso afirmativo, hallar su inversa:
 
1 −1 2
A= 3 0 1 
4 −1 5
   
1 −1 2 1 0 0
A= 3 0 1   0 1 0 
4 −1 5 0 0 1
   
1 −1 2 1 0 0
−3F1 + F2 → F2  0 3 −5   −3 1 0 
−4F1 + F3 → F3
0 3 −3 −4 0 1
1 −1
   
2 1 0 0
( 31 )F2 → F2  0 1 − 53   −1 1
3
0 
0 3 −3 −4 0 1
 1
  1

1 0 3
0 3
0
F2 + F1 → F1 5  1
0 1 − −1 0 
  
−3F2 + F3 → F3 3  3
 
0 0 2 −1 −1 1
 1
  1

1 0 3
0 3
0
( 12 )F3 → F3  0 1 − 35   −1 1
0 
   
3
0 0 1 − 21 − 12 21
 1 1

− 16
 
−( 13 )F3 + F1 → F1 1 0 0 6 2
 0 1 0  − 11 − 12 5
 = A−1
 
6 6
( 53 )F3

+ F2 → F2 0 0 1 − 12 − 12 1
2
Verificación:    
1 1 1
−
 
1 −1 2 6 2 6 1 0 0
 3 0 1  ·  − 11 − 12 5 
= 0 1 0  .

6 6 
4 −1 5 − 12 − 12 1 0 0 1
2
Resolución de sistemas lineales por determinantes. Regla de Cramer
Como aplicación del Teorema 1.4.1, vamos a probar que si el determinante de la matriz de los
coeficientes de un sistema de n ecuaciones lineales con n incógnitas es distinto de cero,
entonces el sistema tiene una única solución. Además vamos a dar una fórmula que expresa la
solución única del sistema en función de los coeficientes y de los términos independientes.
Un sistema de n ecuaciones y n incógnitas


 a11 x1 + a12 x2 + · · · + a1n xn = b1
 a21 x1 + a22 x2 + · · · + a2n xn = b2

.. .. .. ..


 . . . .
 a x + a x + ··· + a x = b
n1 1 n2 2 nn n n
puede escribirse en forma matricial como sigue:

     
a11 a12 . . . a1n x1 b1
 a21 a22 . . . a2n   x2   b2 
· = .
     
 .. .. .. . .. ..
. ..  
 
 . . .   . 
an1 an2 . . . ann xn bn
Es decir, puede escribirse A · X = B, donde A = (aij ) es la matriz de orden n × n de los
coeficientes del sistema, X = (xi ) es la matriz de orden n × 1 de las incógnitas y B = (bi )
es la matriz de orden n × 1 de los términos independientes.
Regla de Cramer
Teorema 3.4.2 Si det A 6= 0, el sistema A · X = B es compatible determinado, y la única
solución del sistema está dada por

a11 a12 . . . b1 ... a1n

a21 a22 . . . b2 ... a2n
. .. .. ..
.. . . .

a an2 . . . bn ... ann
xi = n1 ,
det A
donde b1 , b2 , . . . , bn son los elementos de la i−ésima columna.
Dem. Si det A 6= 0, entonces A es inversible. Entonces una solución del sistema A · X = B
es X = A−1 · B, ya que A · (A−1 · B) = (A · A−1 ) · B = B. Además, esta solución es única,
pues si Z es solución del sistema, se tiene A · Z = B, de donde A−1 · A · Z = A−1 · B, esto
es, Z = A−1 · B.
(AdjA)T
De X = A−1 · B, y teniendo en cuenta que A−1 = , resulta:
det A
  
x1 A11 · · · An1
A21 b1
  
 x2   A12 · · · An2 
A22  b2
 . = 1

·
 ... .. ..  .  .. =
 
 ..  det A ...
. .   . 
xn A1n · · · Ann
A2n bn
A11 b1 + A21 b2 + · · · + An1 bn
 
 
1
·  A12 b1 + A22 b2 + · · · + An2 bn 
 
.

det A  ..
. 
A1n b1 + A2n b2 + · · · + Ann bn
Luego, para cada i = 1, 2, . . . , n se verifica
A1i · b1 + A2i · b2 + · · · + Ani · bn
xi = ,
det A
es decir,
a11 a12 ... b1 ... a1n

a21 a22 ... b2 ... a2n
. .. .. ..
.. . . .

a an2 . . . bn . . . ann
n1
xi = .
det A
2
Ejemplo
Verificar si los siguientes sistemas son compatibles determinados, y en caso afirmativo, hallar
la solución aplicando la regla de Cramer. 
 x − y + u = 0
 2x − 6y = 3


2x − z + 3u = 4

a) x − 3y + z = 2 b)
5 y − z − u = 1
2 y − 3 z = −1
 

3x + 4y − 2z + 3u = 5

 
2 −6 0
a) A =  1 −3 1 .
0 2 −3
Como det A = −4 6= 0, el sistema es compatible determinado. La solución es:

3 −6 0 2 3 0 2 −6 3

2 −3 1 1 2 1 1 −3 2

−1 2 −3 9 0 −1 −3 1 0 2 −1 1
x= = , y= = , z= = .
−4 4 −4 4 −4 2
 
1 −1 0 1
 2 0 −1 3 
b) A =  .
 0 5 −1 −1 
3 4 −2 3
En este caso det A = 0, luego el sistema no puede resolverse por la regla de Cramer.
La expresión matricial de la solución suele ser útil. Sin embargo hay que enfatizar que, para un
sistema genérico dado, el método de Gauss es más rápido a los efectos del cálculo numérico.
3.5. Ejercicios
1. a) Mostrar tres matrices A = (aij ), cuadradas de orden 3, que verifiquen:
i) aij + aji = 1, 1 ≤ i, j ≤ 3.
ii) aij = −aji , 1 ≤ i, j ≤ 3.
X3
iii) aii = 0.
i=1
b) Construir matrices que cumplan las siguientes condiciones:

i) A = (aij ) de orden 2 tal que aij = i2 − 2 j + 1.
ii) B = (bij ) de orden 3 tal que bij − bji = 0, si i 6= j y bij = 0, si i = j.
2. Efectuar los siguientes productos entre matrices:

     
1 −3 2 2 5 6 2 −1
1 2 3
a)  3 −4 1  ·  1 2 5  b)  0 1 ·
0 −1 1
2 −5 3 1 3 2 2 0
   
1 2 2 2
1 −4 2
3. Sean A = , B =  −1 3  y C =  1 −1  .
−1 4 −2
5 −2 1 3
Calcular:
a) B + C b) A · B c) B · A d) A · (B + C)
4. Sean A, B, C y D matrices de orden n tal que C = A + B y D = A − B. Calcular

A2 − B 2 en función de C y D.
5. Dadas las matrices A y B, obtener x e y sabiendo que A · B T − 3 · B T = (dij ),

con d32 = 13 y d31 = 25. Para los valores de x e y hallados anteriormente indicar,
justificando la respuesta, si B es una matriz simétrica.
   
3 y −1 y 3 −1
A =  −1 2 −2  B= x 0 −1 
x 1 −1 −1 −1 1
6. a) Si A, B, C son matrices cuadradas de orden n, decidir la verdad ó falsedad de las

siguientes afirmaciones justificando la respuesta:
i) Si A · B = 0, entonces B · A = 0.
ii) (2 · A + B · C)T = 2 · AT + B · C, donde B y C son matrices diagonales.
iii) La suma de matrices simétricas es una matriz simétrica.
iv) El producto de dos matrices simétricas es una matriz simétrica, si las matrices
conmutan.
v) Si A es una matriz simétrica, entonces A3 es una matriz simétrica.
vi) Si A, B y A · B son simétricas, entonces B · A también lo es.
vii) Si A y B son matrices simétricas, entonces A · B y B · A, también lo son.
viii) Las matrices A · AT y AT · A son simétricas.
b) Hallar los valores de x, y, z de modo que la siguiente matriz sea simétrica:
 
x x+y x−z
 x−y y y + z .
y+z−2 z−y z
7. Resolver y clasificar los siguientes sistemas de ecuaciones lineales. Si el sistema es com-

patible indeterminado, hallar la solución general y una solución particular del mismo.
(x + y + z = 0 (x − y − z = 1
a) −2 x + 5 y + 2 z = 0 b) 3x − 2y + 2z = 3
3x + y + z = 3 2 x − y + 3 z = −1
2x − y + 3z − t + u = 2

(2x + y + z = 8 
4x − 2y + 6z − 2t − 2u = 4

c) 3x − 2y − z = 1 d)
4 x − 7 y + 3 z = 10 2x − y − z + 2t = 0

4z − 3t + u = 2
x + 3 y + z = 11

 (x + y − z = 0
x + 2y − 3z = 4

e) f) 2x + 4y − z = 0
 2 x + 5 y − 4 z = 13

−x + y + 2z = 0
2 x + 6 y + 2 z = 22
8. Hallar los valores de λ para los cuales los siguientes sistemas son compatibles determi-
nados ó compatibles indeterminados:
( x − 2 y + z = −1
λx + y + z = λ
(
a) x + y + 3z = 4 b) x + λ y + z = λ
5 x − y + λ z = 10 x + y + λz = λ
9. Determinar los valores de α para los cuales los siguientes sistemas son incompatibles:
(2x − y = 1 − α
−x + (−3 + α) y = 2
a) x = 2α b)
9 x + (1 + α) y = 2 + α
3x + 4y = 5α
10. a) Dos obreros trabajan 8 horas diarias en la misma empresa. El primero gana 50
pesos diarios menos que el segundo; pero ha trabajado durante 30 jornadas mientras
que el segundo sólo 24. Si el primero ha ganado 3300 pesos más que el segundo,
calcular el salario diario de cada obrero.
b) Hallar dos números tales que la diferencia de los mismos sea 120 y su suma 6.
c) Efectuando la división entera de la suma de dos números enteros, por su diferencia,
se obtiene cociente 3 y resto 6. Si el doble del primer número más el triple del
segundo es igual a 64, determinar el producto de los mismos.
d) En un pueblo, hace muchos años, se utilizaba como unidades de medida de peso, la
libra y la onza. Recientemente se encontró un documento del siglo pasado en el que
aparecı́an los siguientes pasajes: “... pesando 3 libras y 4 onzas, es decir 1495
gramos...” y “... resultando 2 libras y 8 onzas. Cuando un extranjero preguntó
por el peso en gramos le contestaron: “ pesa 1150 gramos”. ¿Sabrı́as calcular el
valor, en gramos, de la libra y la onza?
11. Calcular:

2 1 cos θ −sen θ a 1
a) b) c)
1 2 sen θ cos θ a b

a−x b
12. Mostrar que si a, b, c ∈ R, entonces las raı́ces de la ecuación = 0 son
b c−x
reales.
 
x y z
13. Si A =  4 0 2  y det A = 10 decir, sin efectuar cálculos, cuánto valen los si-
5 5 5
guientes determinantes:

3x 3y 3z 0 4 2 x + 1 y + 1 z + 1

a) 2 0 1 b) y x z c) 4 0 2
1 1 1 5 5 5 5 5 5
14. Calcular, triangulando previamente la matriz, los siguientes determinantes:

1 0 0 0
3 0 1
0 1 2 3
a) 4 3 2 b)
1 2 1 2 1 1 1

0 3 2 1
15. Calcular, desarrollando por los elementos de la fila ó columna con más ceros, el determi-
nante
3 0 0 3

0 3 0 3

0 0 3 .
3
3 3 0 0
16. Calcular los siguientes determinantes haciendo previamente todos los elementos de una
fila ó columna cero excepto uno, y desarrollando luego por esa lı́nea.

1 −1 2
1
2 −1 3 x 1 1 1

0 1 −1 2 1 x 1 1
a) 0 1 3 b) c)
−1 2 −1 5 0 1 1 x 1
1 1
0

1 1 1 1 1 1 x
17. a) Comprobar, sin desarrollar el determinante, que det A es un múltiplo de 9.

 
2 6 7
A =  5 12 14  .
3 18 9

3 1
b) Sea A = . Comprobar que det (A + I2 ) = det A + det I2 .
−8 −3
¿Vale dicha propiedad para una matriz A arbitraria?
c) Hallar todas las matrices A, de orden 2, que verifican
det (A + I2 ) = det A + det I2 .
18. Determinar si las siguientes afirmaciones son verdaderas ó falsas, justificando convenien-
temente las respuestas:
a) Si A y B son matrices inversibles, entonces A + B también lo es.

b) Si A y B son matrices inversibles, entonces A · B también lo es.
c) Si A es inversible, entonces α · A también lo es, para todo α ∈ R.
d) Si A es inversible, entonces A3 también lo es y (A3 )−1 = (A−1 )3 .
19. Dadas las siguientes matrices decir si son ó no inversibles, y en caso afirmativo, hallar su
inversa:
   
1 2 0 1 1 1
a)  1 2 4  b)  1 1 0 
0 1 1 0 0 0
 
1 1 1
1 1
c)  1 1 0  d)
1 2
1 0 0
20. Determinar los valores de a para que las siguientes matrices no sean inversibles:
   
a 1 2 2 0 0
a)  2 a 2  b)  0 a + 1 −1 
1 a 1 0 1 a−3
 
  0 a 1 0
a+1 1 1  0 1 a 1 
c)  1 a−1 1  d) 
 a

1 0 0 
0 1 a+2
a 1 0 a
21. Sean A y B matrices de orden 3, con det A = 2 y det B = 4. Se pide hallar:
a) det ( 21 · A) y det (A · AT ).
b) det [(3 · A2 )−1 · AT ].
c) det [(5 · A−1 · B T )−1 ].
 
1 0 −1
22. Sea A =  0 −1 4  y B una matriz cuadrada de orden 3 tal que det(A·B) = 2.
2 3 2
a) Calcular, utilizando operaciones elementales, A−1 .

b) Hallar det B −1 .
   
3 0 2 2
23. Sean A =  0 0 1  y B=  1 .
0 1 0 0
a) Calcular, utilizando operaciones elementales, A−1 .

b) Resolver la ecuación matricial A · X + 2 · A · B = B.
24. a) Determinar, usando la regla de Cramer, para qué valores de λ tiene soluciones no
triviales el sistema


 x + y + z + t = 0
x + λy + z + t = 0

.

 x + y + λz + t = 0
x + y + z + λt = 0


nx − y = 5
b) ¿Para qué valores de n ∈ Z, la solución del sistema satisface la
2x + 3ny = 7
condición x > 0 e y < 0?
4. Vectores
4.1. Segmentos orientados. Vectores libres

Consideremos A y B dos puntos del Plano ó del Espacio y sea AB el segmento determinado
por ellos. Si A y B están dados en cierto orden, A el origen y B el extremo, decimos que
AB está orientado. [ Ver Figura 13]
−→
Definición 4.1.1 Se llama vector a todo segmento orientado. Lo notaremos ~v = AB.
.
.....
.....
.....
..
......
.
..
.....
.....
.....
.....
.
..
......
..
• .....
............
..... .
.
..
.....
.
......
. B
.....
.....
~v .
...
.
.....
.....
.
.....
.....
.....
.....
..
......
.
.
.....
.....
.....
.....
..
......
.
..
.....
• .....
.....
.....
.....
L .
.....
.....
..
..
A
.....
.....
..
......
.
....
.....
.....
Figura 13
Si A 6= B, la recta que contiene al vector y todas sus paralelas, determinan la dirección del
mismo ; y la orientación sobre la recta, definida por la semirrecta con origen A que contiene a
B, el sentido del vector. Todos los vectores situados sobre una misma recta ó rectas paralelas
tienen igual dirección y se dicen paralelos.
−→ −→
A la longitud del segmento AB que define al vector AB se la denomina el módulo de AB
−→
y lo notamos kABk.
−→ −−→
Sean AB y A0 B 0 vectores paralelos no contenidos en la misma recta y L la recta determinada
por A y B. Si el punto C que se obtiene al proyectar B 0 sobre L en forma paralela al
−→
segmento A0 A, pertenece a la semirrecta con origen A que contiene a B, diremos que AB
−−→
y A0 B 0 tienen el mismo sentido. En caso contrario diremos que tienen sentidos opuestos.
−→ −−→ −−→
Si AB y A0 B 0 están contenidos en L, el caso se reduce al anterior por traslación de A0 B 0
a una recta L0 , paralela a L. [Ver Figura 14].
Observación
Si A = B, entonces el segmento se reduce a un punto. En este caso no puede hablarse de
−→ −→
vector pues no está determinada su dirección. A pesar de ello, llamaremos a ~v = AB = AA
vector nulo y lo notaremos ~0.
.
.....
.....
.....
.....
...
......
.
.....
.....
.....
.....
.
......
C •
.............
...
.
..... .
• .....
..
..
.
.....
..... B .....
.....
.....
..... C
....... .....
..... . .....
..... ..
..... ..
•
.....
........
−→ .....
..... .
. .
.. .....
.....
..
..... L ... ......
... ..........
AB .....
..... ... .....
..... .
... ..........
.....
..
.....
.....
.
...
...
..
.....
.....
.....
.
...
..
L0 ...
...
.....
.....
.....
..... A
..... . ..... .....
........ ..
..
......
. ... ..... •
........
•.....
.....
.....
.
.
...
... .....
.....
.....
. ...
...
... ......
... .......... −→
.....
..... ... ..
.....
.....
. ... .
... .......... AB
L .....
.....
....
..... ...
.
.
A ..
.
.....
.....
.
....
.
..
...
...
...
...
.....
.....
.....
.....
.....
.
.. ... ....... .....
....... . ........... ... ... .....
.....
..
.....
.
. .
...........
•
..... ... ... .....
.....
.....
.....
...
... .....
.....
.......
B0 .....
.....
...
...
...
...
..... .
...............B
..
.....
....
.. .....
..... ... ... •.....
.....
..... 0 ..... .....
.
..
...
.
.....
.....
..... L .....
..... ...
..... ..
..... .
...
.
..
.....
.....
.....
.
...
.....
.....
...
..
−− → ..... ..
..... .
......
...
A0 B 0
...
... ...... .....
•
......
. ..... .......... ...
........... .....
.....
..... •.....
..... B0 .....
.....
.....
..... ..
...
..... ...
.
..... .....
A0
.
..
. ..... ..
....
..... ......
.......
Figura 14 −− → • ....
.....
.....
A0 B 0 A0 .....
.....
.....
....
Observaciones
−→
1. kABk ≥ 0, para todo par de puntos A y B.
−→ −→
Si A = B, entonces kABk = kAAk = k~0k = 0, lo que caracteriza al vector nulo como
aquel vector que tiene módulo cero.
−→ −→
2. Si A 6= B, entonces los vectores AB y BA tienen el mismo módulo, la misma dirección
y sentido opuesto.
Igualdad de vectores
−→ −−→
Definición 4.1.2 Diremos que dos vectores no nulos, AB y A0 B 0 , son iguales si:
−→ −−→
1) kABk = kA0 B 0 k,
−→ −−→
2) AB y A0 B 0 tienen la misma dirección,
−→ −−→
3) AB y A0 B 0 tienen el mismo sentido.
−→ −−→ −→ −−→
Notaremos AB = A0 B 0 . Caso contrario notamos AB 6= A0 B 0 .
Con este criterio de igualdad todos los vectores pueden ser trasladados de modo que tengan un
mismo origen O. De esta manera, cada vector y sus iguales tendrán un único representante
entre los vectores con origen O. Se dice entonces que trabajamos con vectores libres.
Al conjunto de los vectores libres del Plano ó del Espacio los notaremos E2 y E3 , respecti-
vamente. Si no es necesario distinguirlos los notaremos V .
Ejemplo
−→ −−→ −−−→
Si consideramos los segmentos orientados AB, A0 B 0 y A00 B 00 , como muestra la Figura 15,
−−→ −−→ −→ −→ −−−→ −−→
entonces A0 B 0 = OS 0 , AB = OS y A00 B 00 = OS 00 .
........ ..................................................................................
........
......
.
......
.
..
.......
. B B0 A0
......
......
......
...... S 00 ..
.........
..
.........
B 00
..
..
. . .
..
...... .... ....
......
...... .. ..
...... ... ...
... ...
A ....
..
....
..
... ...
... ...
.... ....
.. ..
... ...
... ...
.... ........ ....
.. ........ ..
... ...... ...
....
..
.
......
.
..
.......
. S ...
....
... ......
...... ..
... ...... ...
.... . . .
. . ...... ...
...
.. ......... ....
... ...... ..
........................................................................................ ..
A00
S0 O Figura 15
Operaciones con vectores
Suma de vectores
−−→ −−→
Definición 4.1.3 Sean ~u = OB y ~v = BC vectores del Plano ó del Espacio. Se llama suma
−→
de ~u y ~v y la notamos ~u + ~v , al vector OC.
....
B
........... ...........
... ......
... ......
.. ......
... ......
... ......
.. ......
... ......
......
~u .
..
........ ......
......
......
......
~v
.. ......
.... ......
.... ......
... ......
. ......
...
. ......
... ......
. ......
.... ......
... ......
. ......
...
. ......
... ......
. ...... .
... .....
.............................................................................................................................................................................................................................................
.
O ~u + ~v C
Figura 16
Propiedades
V1 ) (~u + ~v ) + w
~ = ~u + (~v + w), ~ ∈V.
~ para todo ~u, ~v , w
V2 ) ~u + ~v = ~v + ~u, para todo ~u, ~v ∈ V .
V3 ) ~u + ~0 = ~u, para todo ~u ∈ V .
V4 ) Para cada ~u ∈ V existe u~0 ∈ V tal que ~u + u~0 = ~0.
Observaciones
1. u~0 es único y se nota u~0 = −~u.
2. Por definición escribiremos ~u − ~v = ~u + (−~v ).
−→ −→
3. Si ~v = AB, entonces −~v = BA.
−−→ −→
4. Si ~u y ~v se consideran con origen común O, es decir, ~u = OB y ~v = OA con O, A
−→
y B puntos distintos y no alineados, entonces ~u + ~v = OC de modo que O, A, B
y C forman un paralelogramo. En tal caso decimos que para sumar vectores usamos la
regla del paralelogramo.
5. Para efectuar geométricamente la suma de varios vectores, basta dibujar a los mismos de
manera que el origen de cada uno coincida con el extremo del precedente. El vector que
une el origen del primero con el extremo del último, es el vector suma.
Ejemplo
~u
.......................................................
~u
...
...
O .................................................................................
... ... .....
.....
..
. ...
... .....
... ... .....
....
.......... ..... ..
.
.............. w
~ ...
...
...
...
.....
.....
..... ~v
... ..... .. .. ... .....
.... .
.. ..... ...
. .
...
...
... .....
.....
.. ..... ... ... .....
... ..... ... .....
...
... .....
..... ..... ... .....
... ..... ... ..... .. ... .....
.... .
.....
. .
.....
.....
.
.. ... .....
.
.... . ........ ... ..... .
~t ...
..
...
.....
.....
..... ~s + ~t .
...
.....
.....
.....
..... ~v
..
...
...
...
...
............
.
...
.... ..
......
. .. ..... ...
... ...
.. .... ... ..... ... ..
..... ..... ..
... ..... ... ..... ...
... ..
... .... .....
...
.....
.... .........
.. ..... ..
.
..
.....
.....
.....
.....
~u + ~v + w
~ ...
...
...
...
...
... w
~
... ....... ..... ... ...
......... ... ....... ... ...
.......................................................................................... ......... ...
. ... ...
... ...
... ..
O ~s Figura 17
... ..
........
...................
.
..
Producto de un escalar por un vector

Definición 4.1.4 Sea ~v un vector y λ ∈ R, definimos el producto de λ por ~v y lo
notamos λ.~v como sigue:
• Si λ = 0 ó ~v = ~0, entonces λ.~v = ~0.
• Si λ 6= 0 y ~v 6= ~0, entonces
a) λ.~v posee igual dirección que ~v ,

b) kλ.~v k =| λ | k~v k,
c) λ.~v posee igual sentido que ~v , si λ > 0 y sentido opuesto, si λ < 0.
Ejemplo . .
.......... ..........
.... ....
... ...
.
.... .
....
.. ..
... ...
... ...
... ...
.
.... .
....
.. ..
... ...
...
...
...
~u ~v ...
...
...
...
...
..
.
. .. ...
... ... ...
... .. .... ....
... ....... ... ...
... ..... ... ...
.
...
.
.
..
.
.
...
....
...
1 ...
...
...
...
...
... − 12 .~v
...
...
...
...
...
... 3
.~u ..
...
...
.
. ..
.........
....
. .
Figura 18
Propiedades
V5 ) λ.(~u + ~v ) = λ.~u + λ.~v , para todo λ ∈ R ; ~u, ~v ∈ V.
V6 ) (λ + µ).~u = λ.~u + µ.~u, para todo λ, µ ∈ R ; ~u ∈ V.
V7 ) (λ µ).~v = λ.(µ.~v ), para todo λ, µ ∈ R ; ~v ∈ V.
V8 ) 1.~v = ~v , para todo ~v ∈ V.

Observaciones
1
1. Si ~u 6= ~0, el vector · ~u, denominado versor ~u, tiene igual dirección y sentido que
k~uk
~u y módulo 1.
2. Dos vectores no nulos v~1 y v~2 son paralelos si v~1 = λ.v~2 , λ ∈ R.
3. −(λ.~u) = (−λ).~u = λ.(−~u), para todo λ ∈ R ; ~u ∈ V. En particular: −~u = (−1).~u.
Definición 4.1.5 Un vector ~u ∈ V se dice una combinación lineal de los vectores v~1 ,
v~2 , . . . , v~n si existen escalares λ1 , λ2 , . . . , λn ∈ R tales que ~u = λ1 .v~1 + λ2 .v~2 + · · · + λn .v~n .
Bases de E2 y E3
Si consideramos en el Plano dos vectores b~1 y b~2 no nulos ni paralelos (podemos suponerlos
con origen común O), todo vector ~u del Plano se escribe en forma única como combinación
lineal de b~1 y b~2 . En tal caso diremos que B = {b~1 , b~2 } forma una base de E2 .
En el Espacio, B = {b~1 , b~2 , b~3 } es base si, y sólo si b~1 , b~2 y b~3 son no nulos y no paralelos a
un mismo plano. Si los pensamos con origen común {b~1 , b~2 , b~3 } es base si, y sólo si b~1 , b~2 y
b~3 son no coplanares.
Si en V a los vectores de una base B los consideramos en cierto orden, diremos que B es
una base ordenada.
.. ..
.. ..
... ...
... .
...
......... ....... ....... ....... ................... ........... ....... ....... ....... ....... .........
..... .... .............
.. .... . .
. ..... . .
. ..
. ..... .. . .
... .....
.
λ2 .b~2 ..
.
. ..
...... .
.
..... ..... ..
... ..
..
λ2 .b~2
...
..... ...
.. ..... ... .
... ..... .. .. ... .
...
.
..
.
..
.
.
.... ~u .....
.
.....
.
.....
.
..
..
.
...
~u
...
...
...
...........
.
... .
... .. ... ... ...
... ..... ...
b~2 ..... .. ...
... ..... .. ...
...
b~2
...
... ..... .. ... ..
.. ..
..... .. . ... ..
.
.
.
.. ........
. ... .
.. ... .
..
... .......
. ... ..
.. . ... ....
... ....... ... ... ... ..
......... .. ... ..
......... . . .. ...
. .
.......................................... ......... ........... ....... ....... ....... ....... ....... ............ ....... ....... ....... ....... ........................................................... ....... ....... .......
O b~ λ1 .b~1 λ1 .b~1 O b~1
1 ..
....... .......
..
..... ... ......
.
.
. .
. ......
. ..... .
.... ..
. .
... ......
... . .
......
... ....... ... .
......
.. . .
... ... . ......
.
. .......
. ... .
.. .. ......
.. ..... . .
.. ...... .. .
. ......
. . .
λ3 .b~3 .... ...... ...

... . .... ...............
... ... . ..
. .
...............
.... ...... ...... ..
.
. ......
.
...... ~u ........
........
..... ...
.....
.. .
λ .b~
...
...
2 2 ............... .
. .
...... ...............
........
.
...
.......... .. ...... . . ... ..... ...... ..
.
. ......
... ....
.. ...... ................ . .... .
...... . ..
b~3 ... . ..
... ........ ..
... ........ ....... . ..... ...
b~
.... 2..............
.....
. ..
.... . ........ ....... ...
.
..
.. ..... ........ .
...
........ ......
... ....... ........... . ..
...................... ...... .. .
..
................. . .
. .
...... ........ .
O ......
......
......
...... .
.
..
......
.
...... ..
...
...... . .
...... . .....
...
b~1
...... ..
.........
.. ..... .....
..... .... .
.....
...... ..
. .. .....
......
. ... .....
...... ..
. ... ..
....... .. ....
λ1 .b~1 ..............
......
.
......
.
....
Figura 19
Como los elementos de V son de naturaleza geométrica, queremos obtener una expresión
numérica de los vectores a fin de efectuar con ellos cálculos en forma eficiente.
Si B = {b~1 , b~2 } es una base ordenada del Plano, todo vector ~v se escribe de manera única
en la forma ~v = λ1 .~b1 + λ2 .~b2 . Entonces al vector ~v le podemos asociar el par ordenado
(λ1 , λ2 ). Los números reales λ1 , λ2 se denominan las componentes
del vector ~v en la base
λ1
B. Notamos (~v )B = (λ1 , λ2 ) ó en forma matricial [~v ]B = .
λ2
Sea O un punto del Plano y B = {b~1 , b~2 } una base ordenada de E2 . La base y O
determinan, en el Plano, un sistema de coordenadas cartesianas (O, XY ).
.
...........
...
...
... Y
...
...
...
...
...
.
.
.....
1.
...
....
b~2 ......
.
...
...
...
...
...
...
...
...
.
..
b~1
.... .... .... .... .................................................................................................................... .... .... .... .... .... .... .... .... .... .... .... ................
.
.
...
...
.
O 1 X
...
...
Figura 20
Recı́procamente, un sistema (O, XY ) de coordenadas cartesianas en el Plano, determina una

−→ −−→
base ordenada {OU , OV } de E2 .
..
.........
....
...
.... ... Y
...
...
...
.....
..
...
...
V 1 ...
.
.......
...
...
....
−−→ ...
...
...
OV ...
.. ..
...
...
.....
...
...
.
1
.......................................................................................................................................................................................................................................................................................
...
.
..
...
O −→ U X
.
...
...
... OU
...
...
... Figura 21
Dado un punto P del Plano veamos que relación existe entre sus coordenadas en el sistema
−→
(O, XY ) y las componentes del vector OP en la base B.
Sea P un punto de coordenadas (λ1 , λ2 ) en el sistema (O, XY ). Si P1 (λ1 , 0), P2 (0, λ2 )
−−→ −−→ −→ −−→ −−→
y consideramos los vectores OP1 y OP2 , entonces se tiene que OP = OP1 + OP2 =
−→
λ1 .~b1 + λ2 .~b2 . Por lo tanto (OP )B = (λ1 , λ2 ). Como también vale la recı́proca concluimos que
−→
P (λ1 , λ2 ) en (O, XY ) si, y sólo si (OP )B = (λ1 , λ2 ).
.
......
....
..
...
.
...
..
..
Y
P2 (0, λ2 ) ....... ....... ....... ....... ....... ....... ....... ....... ....... ....... ....... ....................
....... .......
P (λ1 , λ2 )
....... .
. ....... ...
... .......
. ...
.........
. .
... ... .
....... ...
.......
...
.
−→ .......
.......
....... ...
..
.
...
.
OP
.......
.......
.
...
.......
..
...
.
...
.
1 ...
............ ...
.......
.
...
..
.......
.......
..
..
..
b~2 ..
...
...
...
...
..
..........
.
.......
.......
.......
....
.
..
.. ...
... ....... .
... ....... ...
... .......
....... .
.
.... .............. ...
... ........ .
........... ...
....... ....................................................................................................................... ....... ....... ....... ................ ....... ....... ....... ....... ....... ....... ............
..
.
... O b~1 1 P1 (λ1 , 0) X
Figura 22
Veamos que fijados O y la base ordenada B = {b~1 , b~2 }, podemos identificar al vector
~u = λ1 .~b1 + λ2 .~b2 con el par ordenado (λ1 , λ2 ) y escribir ~u = (λ1 , λ2 ).
Debemos definir una aplicación biyectiva de E2 y R2 que respete las operaciones.
Si ~u = λ1 .~b1 + λ2 .~b2 , ϕ : E2 → R2 tal que ϕ(~u) = (λ1 , λ2 ), define una función biyectiva.
Notemos que si ~u = λ1 .~b1 + λ2 .~b2 , ~v = µ1 .~b1 + µ2 .~b2 y λ ∈ R; ~u + ~v = (λ1 .~b1 + λ2 .~b2 ) +
(µ1 .~b1 + µ2 .~b2 ) = (λ1 + µ1 ).~b1 + (λ2 + µ2 ).~b2 y λ.~u = λ.(λ1 .~b1 + λ2 .~b2 ) = (λ λ1 ).~b1 + (λ λ2 ).~b2 .
Luego ϕ(~u + ~v ) = ϕ(~u) + ϕ(~v ) y ϕ(λ.~u) = λ.ϕ(~u), algebrizando a R2 como sigue:
(λ1 , λ2 ) + (µ1 , µ2 ) = (λ1 + µ1 , λ2 + µ2 )
λ.(λ1 , λ2 ) = (λ λ1 , λ λ2 )
En lo que sigue trabajaremos con sistemas de coordenadas cartesianas ortogonales.
Fijamos en el Plano y en el Espacio un punto O, y las bases ordenadas {~e1 , ~e2 } y {~e1 , ~e2 , ~e3 },
respectivamente, cuyos vectores se representan por segmentos perpendiculares dos a dos y de
longitud 1.
Sea (O, XY ) un sistema de coordenadas cartesianas ortogonales, A(x1 , y1 ) y B(x2 , y2 )
−→
puntos del Plano. Consideremos el vector AB, y supongamos que queremos encontrar las
−→
componentes (λ1 , λ2 ) del mismo, es decir las coordenadas del punto P de modo que OP =
−→
AB. ..
.......
Y .........
..
y2 ............. .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... ...................................................B
.. ....... .... .
... ....... ........ ..
.. ....... ...
... ............. ..
.....
.. ....
... ....... ....
...
... .
........ ..
y1 ... A
...... .... .... .... .... .... ................
.......
.......
.
. ..
..
.
.
.....
....
. ...
...
... ......... .....
. ...
... .. . .....
... .. ...
. ..
..... ...
... .. ..
. ..
...
. ...
... ... .. ....
.. . ..... ...
... . .
. ... ..
... ... . ..
. ...
... ...
.. .....
... ... .
. ..
..... ...
... ... . ..
.... ...
.. .....
... ... ........ ...
... ... .
... ... ..
..... ...
... ... .... ..
... ... .
...... ..
. ...
.
...
...
.
...
..
..
.....
....
.
.
.....
P .
..
... ..
...
.............
...
...
... . ..
..... ....
... ... ....... .
........... ..
. ... ...
.
.... .. .... .........
....... .... ....... ...... ...
...
.... .... ........ ..............
e~2 ... ......... ...........
.......................
...
...
...
...
.
. .
..
..
...
....................................................................................................................................................................................................................................................................
.
. .
. .
..
O e~1 ....x1
..
x2 X
...
...
.
...
Figura 23
−→ −→ −−→ −→ −→ −−→ −→ −−→ −→

Como OA + AB = OB se tiene que OA + OP = OB y entonces OP = OB − OA.
En función de las componentes este resultado se expresa como: (λ1 , λ2 ) = (x2 , y2 ) − (x1 , y1 ) =
−→
(x2 − x1 , y2 − y1 ). Es decir, OP = (x2 − x1 , y2 − y1 ).
−→ −→
En forma análoga para el caso de E3 , el vector OP que representa a AB tiene componentes
(x2 − x1 , y2 − y1 , z2 − z1 ), donde A(x1 , y1 , z1 ) y B(x2 , y2 , z2 ).
Ejemplos
−→
1. Dados los puntos A(3, −1, 0) y B(1, 2, 4), hallar las componentes del vector AB.
−→
Teniendo en cuenta el resultado anterior, AB = (1, 2, 4) − (3, −1, 0) = (−2, 3, 4).
2. Si ~u = (3, −1, 2) y su extremo se halla en el punto B(−1, 1, 2), calcular las coordenadas
de su origen A.
Si A(x, y, z), entonces ~u = (3, −1, 2) = (−1, 1, 2) − (x, y, z) = (−1 − x, 1 − y, 2 − z).
Concluimos que x = −4, z = 0 e y = 2. Luego A(−4, 2, 0).
4.2. Proyección ortogonal y producto escalar

a) Proyección ortogonal de un punto sobre una recta
Sea L una recta y P un punto.
• Si P ∈ L, entonces proyL P = P.
• / L, entonces proyL P = L ∩ L0 , donde L0 es la única recta perpendicular a
Si P ∈
L que pasa por P e intersecta a L.
.....
.....
.....
.....
P
•.....
.....
.....
.....
.....
.....
.....
.....
.....
.....
.....
.....
.....
.....
.....
.....
.....
.....
.....
.....
.....
.....
.....
.....
.....
L0
.....
..... ....
..... .....
..... .....
..... .....
..... .....
..... ..
.
..... ....
..... .....
..... .....
..... .....
.....
..... ..
.......
.....
......... .....
..... ....
..... ......... ......... .........
..... ..... ..... .....
...... .....
.
..... .
..... .........
..... .....
....
•........
..... ......... M = proyL P
..... .....
..... .....
..... .....
..... .....
.......
.
.....
.....
.
...... .....
.
.... .....
..... .....
.... .....
....
.........
.....
L .....
.....
...
.
..
.....
Figura 24
b) Proyección ortogonal de un vector sobre otro
B ..
..............
.
... ..
..... ..
.. ..
... ...
...
... ...
...
~u .........
...
. ...
...
.. ... ...
. . .. ...
...
.. ... ...
.... ...
...
..... ...
...... ...~v
.... .... .... .... .... .... .... .... .... .... ................................................................................................................................................... .... .... .... .... .... .... .... .... ....
•
L O ~v
M
k~v k
Figura 25
Sean ~u y ~v vectores, ~v 6= ~0, considerados con origen común y L la recta que contiene
~v
a ~v . Fijemos sobre L, como unidad de medida y sentido positivo, el versor .
k~v k
[Ver Figura 25].
Si M es la proyección ortogonal de B sobre L, llamamos proyección ortogonal de
~u sobre ~v y la notamos proy~v ~u, a la abscisa de M .
Observaciones
1. Si ~u y ~v son vectores no nulos con origen común O y θ es la medida radial del

ángulo por ellos formado, 0 ≤ θ ≤ π, se tiene que: proy~v ~u = k~uk cos θ.
2. La proyección ortogonal de ~u sobre ~v puede ser positiva, negativa ó nula, según la

medida del ángulo θ, como lo indica la Figura 26.
. . ..
.......... ...
......... ...............
...... ...
.
.... ... .... ... .....
.
... ... ... .. ...
...
... ... . ...
... ... ... ... ...
.
.... ... ... ... ...
...
~u
.
...
.
.
... ... ~u
...
... .. ~u ...
...
...
.. ... ... ... ...
... ... ...
....
. ... ... ... ...
.. ...
.. ... ... ... ... ...........................................
...... ... ..... ......
.... ......... ... ... ...
...
...
.....
.. ... ...
.. .... ... ... ... ... ...
... ... .. ... ...
...
....
.
.
θ .
...
.
....
.. .
.
. .
. .. . .. .
~v ...............
.. ...~v
............
... ...
. θ ...
....
...
...
...
.... .... .... .... .... .... ................................................................................................................... ... .... .... ....................................................................................... ... .... .... .... .... ..... .... .... .... .... .... .... .... .............................................................. .... .... ....
O O O ~v
proy~v ~u > 0 proy~v ~u = 0 proy~v ~u < 0
π π π
0≤θ< 2
θ= 2 2
<θ≤π
Figura 26
Propiedades
1) proy~v (~u + w)
~ = proy~v ~u + proy~v w.
~
2) proy~v (λ.~u) = λ proy~v ~u ; λ ∈ R.

Definición 4.2.1 Dados dos vectores ~u, ~v ; ~v 6= ~0, llamaremos vector proyección de ~u
−−−−→ ~v
sobre ~v al vector proy~v ~u = (proy~v ~u). . En consecuencia, llamaremos longitud de la
k~v k
−−−−→

proyección de ~u sobre ~v al número real proy~v ~u .
Producto escalar
Definición 4.2.2 Sean ~u y ~v vectores de V. Llamamos producto escalar de ~u y ~v y

lo notamos h~u, ~v i al número real definido como sigue:

 0, si ~u = ~0 ó ~v = ~0
h~u, ~v i = ,
k~uk k~v k cos θ, si ~u 6= ~0 y ~v 6= ~0

donde θ es la medida del ángulo comprendido entre ~u y ~v .
Propiedades
~ ∈ V y λ ∈ R entonces se verifican:
Si ~u, ~v y w
a) h~u, ~v i = h~v , ~ui.
b) h~u + ~v , wi
~ = h~u, wi
~ + h~v , wi.
~
c) hλ.~u, ~v i = λ h~u, ~v i.
d) h~v , ~v i ≥ 0. Además h~v , ~v i = 0 si, y sólo si ~v = ~0.
De la definición de producto escalar se deduce:

p
a) Si ~u = ~v , entonces h~u, ~ui = k~uk2 y por lo tanto k~uk = h~u, ~ui.
b) h~u, ~v i = 0 si, y sólo si ~u = ~0, ~v = ~0 ó θ = π2 . En tal caso diremos que ~u y ~v son

ortogonales.
c) Dados los vectores ~u y ~v , ~v 6= ~0, de la definición de proyección se obtiene:
h~u, ~v i −−−−→ h~u, ~v i −−−−→ | h~u, ~v i |

i) proy~v ~u = ii) proy~v ~u = .~v iii) proy~v ~u = .
k~v k k~v k2 k~v k
Producto escalar en término de las componentes de los vectores
Si trabajamos en E3 y consideramos la base {e~1 , e~2 , e~3 } entonces
( 1, si i = j
h~
ei , e~j i = ,
0, si i 6= j
por lo tanto si ~u = x1 .e~1 + x2 .e~2 + x3 .e~3 y ~v = y1 .e~1 + y2 .e~2 + y3 .e~3 se tiene, aplicando
sucesivamente las propiedades de producto escalar, que
h~u, ~v i = x1 y1 + x2 y2 + x3 y3 .
Ejemplo
Si ~u = 2.e~1 − e~2 + 3.e~3 y ~v = 3.e~1 + 2.e~2 − e~3 entonces h~u, ~v i = 2 · 3 + (−1) · 2 + 3 · (−1) = 1.
Observaciones
1. En el caso de E2 el producto escalar de dos vectores en término de sus componentes se

obtiene a partir de h~u, ~v i = x1 y1 + x2 y2 .
p p
2. k~v k = h~v , ~v i = x21 + x22 + x23 .
h~u, ~v i x1 y1 + x2 y2 + x3 y3
3. Dados los vectores ~u y ~v , ~v 6= ~0, entonces proy~v ~u = = p 2 .
k~v k y1 + y22 + y32
4. Si ~u y ~v son vectores no nulos entonces el ángulo entre ~u y ~v se obtiene a partir de
h~u, ~v i x1 y1 + x2 y2 + x3 y3
cos α = =p 2 p .
k~uk k~v k x1 + x22 + x32 y12 + y22 + y32
Sea ~u = x1 .e~1 + x2 .e~2 + x3 .e~3 , ~u 6= ~0. Se tiene que:

p
x1 = h~u, e~1 i = k~uk cos α = x12 + x22 + x32 cos α, α es el ángulo entre ~u y e~1 .
p
x2 = h~u, e~2 i = k~uk cos β = x12 + x22 + x32 cos β, β es el ángulo entre ~u y e~2 .
p
x3 = h~u, e~3 i = k~uk cos γ = x12 + x22 + x32 cos γ, γ es el ángulo entre ~u y e~3 .
....
.........
...
...
Z
....
...
... .. . ...
... .. .. ... ....
.. .. ....
...
... . ... .. ... ....
...
x3 ..........
. .... .
.. ...
...
..
P (x1 , x2 , x3 ) .
....
...............
. . . .....
.
. .
..... .... ..... ... ..... ..
. ... ...
... .... . ... ...
... .... .... ... ... ..
...........
. .. ... ..... .
... .................. .
. ...
........
...
...
...
.........
~u ......
.. ....... ... .
....... ..
.
.. . ...
...
... ... .. ........
.. .. .. ... ........
..
.. .. ....... .
γ ....
....
.. ...
... ............. ..
...
... .
.......
..
...
.......
....... Y
.. .. .......... .......
... .. .... ..... ... .......
... .. ..... .......
...
..
....
β .............
.. .. ...
.
. ...
... ........
. .
... .............
...
.... ... . ..... ... .............. ..
... .. ... ............ ...
..
... ....
... . x2. ................. ....
.
...
.... ..... ................ ...
...
.... ..
.. ... ......... . ... .... .
................. . ... .. ....
..... ... .
..... ... . ...
O α .....
..... ...
..... ..
..... . .... ... ....
. .....
.
... .... ...
...... .... ..
.....
x1 .....
.....
.....
..... .. .
..
..
.
..
..... ..
.......
.....
.....
.....
.....
.....
.....
.....
X .....
.....
.....
.....
.....
.......
.........
.
Figura 27
Por lo tanto tenemos que:

x1 x2 x3
cos α = p 2 , cos β = p , cos γ = p
x1 + x22 + x32 x12 + x22 + x32 x12 + x22 + x32
cos α, cos β y cos γ se denominan los cosenos directores de ~u. [Ver Figura 27].
~u
Observar que = (cos α, cos β, cos γ), por lo que cos2 α + cos2 β + cos2 γ = 1.
k~uk
Ejemplos
1. Sean ~u = (1, 2, −3), ~v = (2, 1, 5) y w

~ = (4, 7, −1). Hallar:
a) −~u + ~v + 2.w.
~
−~u + ~v + 2.w~ = −(1, 2, −3) + (2, 1, 5) + 2.(4, 7, −1) = (−1, −2, 3) + (2, 1, 5) +
(8, 14, −2) = (9, 13, 6).
b) Un versor en la dirección de ~v + w, ~ pero de sentido contrario.
~v + w ~
El versor buscado es ~t = − = −( √329 , √429 , √229 ).
k~v + wk~
−−−−−−−−−→
c) proyw~ (~u + ~v ).
h ~u + ~v , w
~i h (3, 3, 2), (4, 7, −1) i
proyw~ (~u + ~v ) = = √ = √3166 . Por lo tanto
kwk~ 66
−−−−−−−−−→ w~
proyw~ (~u + ~v ) = √3166 . .
kwk
~
d) Los cosenos directores de ~u.
~u
1 2 −3

Como = (cos α, cos β, cos γ) = √ , 14 , 14 , entonces
√ √
k~uk 14
√1 , √2 −3
cos α = 14
cos β = 14
y cos γ = √
14
.
2. Dados los vectores ~u = (1, t, −1) y ~v = (−1, t, 2), hallar t ∈ R para los cuales
|proy~u+~v (~u − ~v )| = 1.
√
Como ~u − ~v = (2, 0, −3), ~u + ~v = (0, 2 t, 1) y k~u + ~v k = 4 t2 + 1 se tiene que

h ~u − ~v , ~u + ~v i h (2, 0, −3), (0, 2 t, 1) i
|proy~u+~v (~u − ~v )| = = √ = √ 3 = 1.
k~u + ~v k 2
4t + 1 4 t2 + 1
2
Elevando
√ ambos miembros al cuadrado y operando se obtiene t = 2, por lo que
t = ± 2.
3. Demostrar, usando propiedades, que si ~u y ~v son tales que k~u −5.~v k2 +10 k~uk proy~u~v =
26 k~v k2 , entonces k~uk = k~v k.
k~u − 5.~v k2 + 10 k~uk proy~u~v = h~u − 5.~v , ~u − 5.~v i + 10 h~u, ~v i = h~u, ~ui − 5 h~u, ~v i − 5 h~u, ~v i +
25 h~v , ~v i + 10 h~u, ~v i = k~uk2 + 25 k~v k2 = 26 k~v k2 . Por lo tanto k~uk2 = k~v k2 . Luego
k~uk = k~v k.
4.3. Orientaciones del Plano y el Espacio

Orientación del Plano
Dados en el Plano un punto O y una base ordenada B = {b~1 , b~2 }, queda determinado
un ángulo convexo α. Diremos que B = {b~1 , b~2 } tiene orientación positiva si el ángulo
convexo que hay que “rotar” b~1 para superponerlo a b~2 es positivo. En caso contrario diremos
que B = {b~1 , b~2 }, tiene orientación negativa. [Ver Figura 28]
Ejemplo
Sea B = {b~1 , b~2 } una base ordenada..
del Plano. ..
.. ..
..
.
..
.
.
Y .
..
... X
.. ...
... ...
... .
. .
.......... ..........
.. .
...
... ...
... ...
... .
................. ..
.
.........
.. . ....... .. .......
b~2
.
...
...
...
...
.....
...
...
...
b~1
.
...
...
...
...
.....
...
...
...
... ... ... ...
.. ... .. ...
.... ... .... ...
.. ..
......
.
..
α ...
...
. ......
.
..
α ...
.
............
....... ....... ........................................................................................................................... ....... ....... .......
. .
....... ....... ............................................................................................................................ ....... ....... .......
.. ..
..
.
..
.
O b~1 X
..
.
... O b~2 Y
.. ..
.. ..
... ...
{~b1 , ~b2 } con orientación positiva {~b1 , ~b2 } con orientación negativa
Figura 28
Orientación del Espacio
Para el caso del Espacio, si considero un punto O y una base ordenada B = {b~1 , b~2 , b~3 },
diremos que B tiene orientación positiva, es destrógira ó directa; si colocando un tornillo
ó tirabuzón en la dirección de b~3 y girándolo el ángulo convexo que superpone b~1 con b~2 ,
resulta que el tornillo avanza en el sentido de b~3 .
Si el tirabuzón avanza en sentido contrario al de b~3 , diremos que B = {b~1 , b~2 , b~3 } tiene
orientación negativa, ...
.......
. es levógira ó inversa. [Ver Figura.... 29]
...
... ........
...
... Z ... Z
... ...
. ... . ...
... ...
... ...
... ...
.. ...
..
.
.......... ..........................
.
... .. . . .
... .
.
.
...... .
......... ......................... ...
..... ... .... ........ ..... .
....
.... ...
.... . .. .. .... .. ...
...
... .
.. .. ... ... ... ..
...... .. ...... .. ...
..................... ................. ... ............ ....... ............ . .. . ....
...
................. ... ................. ...
.... ... ... .... .... ...
... ... ... ...
... .... ...
... ... .... ..........
... . ....
... ............ ... ............
... ......... ... .........
....... .......
....
...
.. ... . ....... .....
..
.. ... . .......
.........
... .......
.......
.......
...
Y .........
... .......
.......
.......
...
X
....... .. .......
~e3 ~e2 ~e3 ~e2
..
... .
. ...
. ....... .... .
. ...
. .......
... ...
.... .............. .... ..............
.................... . ............
...... ............
.....
O .....
.....
..............
O .....
.......
........
~e1 .....
.....
.....
.....
~e1 .....
.....
.....
.....
..... .....
..... .....
..... .....
..... .....
..... .....
.....
X
.....
.....
.....
.....
.....Y
.....
.....
..... .....
....... .......
.......... ..........
. .
{~e1 , ~e2 , ~e3 } es destrógira {~e2 , ~e1 , ~e3 } es levógira

Figura 29
Cuando se da un sistema de coordenadas cartesianas fijo, al cual se refiere todo el Espacio

( O y una base ordenada), se puede decir que queda determinada una orientación del mismo,
siendo la orientación de dicho sistema de coordenadas la misma que la de la base.
Fijado O consideraremos el Espacio orientado positivamente conforme al sistema de coorde-
nadas determinado por O y la base ordenada {e~1 , e~2 , e~3 }.
4.4. Producto vectorial y producto mixto

Producto vectorial
Definición 4.4.1 Sean ~u y ~v vectores de E3 , se llama producto vectorial de ~u y ~v y

lo notamos ~u ∧ ~v al vector definido como sigue:
• Si ~u = ~0 ó ~v = ~0, entonces ~u ∧ ~v = ~0.
• Si ~u 6= ~0 y ~v 6= ~0, entonces:
a) k~u ∧ ~v k = k~uk k~v k sen α; α la medida del ángulo comprendido entre ~u y ~v .

b) h~u ∧ ~v , ~ui = 0 = h~u ∧ ~v , ~v i.
c) Si ~u y ~v no son paralelos, el sistema de coordenadas determinado por {~u, ~v , ~u ∧~v }
tiene orientación positiva.
Propiedades
1) ~u ∧ ~v = −( ~v ∧ ~u).
2) λ.(~u ∧ ~v ) = λ.~u ∧ ~v = ~u ∧ λ.~v , λ ∈ R.
3) ~u ∧ (~v + w)
~ = (~u ∧ ~v ) + (~u ∧ w).
~
~ ∧ ~u = (~v ∧ ~u) + (w
4) (~v + w) ~ ∧ ~u).
5) k~u ∧ ~v k2 + h~u, ~v i2 = k~uk2 k~v k2 .
Observación
Si ~u y ~v son vectores no nulos, entonces
~u k ~v si, y sólo si ~u ∧ ~v = ~0.
En efecto, si ~u ∧ ~v = ~0, entonces k~u ∧ ~v k = 0 = k~uk k~v k sen θ. Como ~u y ~v son vectores no
nulos, se tiene que sen θ = 0, por lo que θ = 0 ó θ = π. Como θ es el ángulo comprendido
por ~u y ~v , se tiene que ~u = λ.~v .
Interpretación geométrica
Sean ~u y ~v vectores de E3 , no nulos ni paralelos. Consideremos el paralelogramo por ellos
determinado y notemos con A a su área.
...... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... ......
..............
.. .. ...
. ... .. ...
.... .. ..
.
... ...
... .. ...
... . ...
~u .
...
..
. .
.
.
...
..
.
... ...
.
...
.......
.. ....
h ...
.
.. .
..
...
.. ......... ...
.
..
... ...
... ... . ...
... ... .. ..
...
..
... α ... ...
... ........
.. .. .. ..
.
..
.
...............................................................................................................................................................
O ~v
Figura 30
Se tiene que A = b · h = k~v k · h = k~v k · k~uk· sen α = k~u ∧ ~v k. Por lo tanto
A = k~u ∧ ~v k.
Componentes del producto vectorial

Supongamos el Espacio orientado positivamente de acuerdo a la base ordenada {e~1 , e~2 , e~3 }.
Se tiene entonces que :
e~1 ∧ e~1 = e~2 ∧ e~2 = e~3 ∧ e~3 = ~0.
e~1 ∧ e~2 = e~3 = −(e~2 ∧ e~1 ).
e~2 ∧ e~3 = e~1 = −(e~3 ∧ e~2 ).
e~3 ∧ e~1 = e~2 = −(e~1 ∧ e~3 ).
Sean ~u y ~v vectores. Si ~u = u1 .e~1 + u2 .e~2 + u3 .e~3 y ~v = v1 .e~1 + v2 .e~2 + v3 .e~3 , teniendo en

cuenta las propiedades del producto vectorial y las identidades anteriores, obtenemos que:
~u ∧ ~v = (u2 v3 − u3 v2 ).e~1 − (u1 v3 − u3 v1 ).e~2 + (u1 v2 − u2 v1 ).e~3 .
Usamos la siguiente regla para recordar la fórmula:

e~1 e~2 e~3

~u ∧ ~v = u1 u2 u3
v1 v2 v3
y desarrollamos, como si fuera un determinante, por la primera fila.

Ejemplos

e~1 e~2 e~3

1. Si ~u = (1, 2, 3) y ~v = (−1, 0, 1), ~u∧~v = 1 2 3 = (2.e~1 − 4.e~2 +2.e~3 ) = (2, −4, 2).
−1 0 1
2. Dados los puntos A(1, −1, 0), B(1, 1, 1) y C(3, 1, −1), hallar el área del triángulo
4
ABC .
−→ −→
Si consideramos los vectores AB = (0, 2, 1) y AC = (2, 2, −1) y notamos con AT al
área del triángulo, si tiene que
−→ −→
AT = 12 kAC ∧ ABk = 3.
Observación
Como (~e1 ∧~e1 ) ∧~e2 = ~0 y ~e1 ∧ (~e1 ∧~e2 ) = ~e1 ∧~e3 = −~e2 , el producto vectorial no es asociativo
y carece de sentido la expresión ~u ∧ ~v ∧ w. ~
Producto Mixto
Definición 4.4.2 Sean ~u, ~v , w

~ vectores, se llama producto mixto de ~u, ~v y w
~ al número
real h~u ∧ ~v , wi.
~
Interpretación geométrica
Sean ~u, ~v y w,
~ vectores no nulos ni coplanares de E3 , y consideremos el paralelepı́pedo por
ellos determinado.
.... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... ..
....... ......
.... . .... ..
.... ... .... ...
.
.. . .
. ...
.... .... .
.. .... ...
........ .... ... .... ...
.... . .... . .... .
... .
. .... .
... .... .
... .... ..
...
~u ∧ ~v
...
... ....
....
... ...
.
....
.
..
... .... ... .... ..
... .... .. .... ...
... .... ....
... ....
.
.. ...
. ...
... .... ... .... ...
... .... .... ..
... .... ... ...
... . ....... .... .... .... .... .... .... .... .... .... ...... .... .... .... .... .... .... .... .... .... . ..
.
... .. ..
........... ..
.
..
... . ..
... ... ... ...
.. .. .
..
............. ... .. .. .
.
... ............ .. ..... .... .... .... .... .... .... .... .... ...... .... .... .... .... .... .... .... .... .... ........
... .. .. ............. ..
... ... . ..... ... .....
.....
α ...
... ... ... ~v
.... ...
......
.. .
...
.
..
.
..
...
....
.
.....
... .. ..... .....
... ... ... ..... ... .....
... ... ... ..... .....
..... ..
h ... ....
... ... ... ...
.....
.
..
.
...
...
...
...
..
... ... ... ..... . ....
... ... ..... ..
..... ... .....
... ... ... ........ .
..
...
w
~ ... ...
... ...
... ...
... .......
..
........
...
... ...
...
....
... ... ..
.......
. .
. .....
.. . . ..
...... ...................... . ...
...... ...... ..... . .. ......
............ .. ...
......................................................................................................................................................................
O ~u
Figura 31
El volumen del mismo está determinado por: V = k~u ∧ ~v k h = k~u ∧ ~v k kwk

~ | cos α | =
| h~u ∧ ~v , wi
~ | . Por lo tanto
V =| h~u ∧ ~v , wi
~ |.
Observaciones
1. Si ~u, ~v y w
~ son paralelos a un mismo plano (coplanares, si los pienso con origen común),
entonces h~u ∧ ~v , wi
~ = 0.
2. ~u, ~v y w ~ determinan un sistema de coordenadas cartesianas con orientación positiva si

h~u ∧ ~v , wi
~ > 0.
Cálculo del producto mixto

Si ~u = (u1 , u2 , u3 ), ~v = (v1 , v2 , v3 ) y w ~ = (w1 , w2 , w3 ), teniendo en cuenta las expresiones
del producto escalar y el producto vectorial en términos de las componentes de los vectores
obtenemos que: h~u ∧ ~v , wi ~ = w1 (u2 v3 − v2 u3 ) − w2 (u1 v3 − v1 u3 ) + w3 (u1 v2 − v1 u2 ).
Por lo tanto se tiene que:

u1 u2 u3

h~u ∧ ~v , wi
~ = v1 v2 v3 .
w1 w2 w3
Ejemplos
1. Si ~u = (2, −1, 0), ~v = (3, 2, −1) y w ~ = (−1, 4, 1), entonces

2 −1 0

h~u ∧ ~v , wi
~ = 3 2 −1 = 14.
−1 4 1
2. Dados los vectores ~u = (1, 1, 0), ~v = (1, −1, 0) y w ~ = (0, 0, 1), hallar el vo-
lumen del paralelepı́pedo determinado por los mismos e indicar si la base ordenada
{(1, 1, 0), (1, −1, 0), (0, 0, 1)} es destrógira ó levógira.

1 1 0

~ = 1 −1 0 = −2. Por lo tanto V = | − 2| = 2 y la base ordenada tiene
h~u ∧ ~v , wi
0 0 1
orientación negativa.
4.5. Ejercicios
1. Dados los vectores ~u y ~v , construir los siguientes vectores:
1
a) ~v − ~u b) −~v − ~u c) 2.~u − ~v d) 2
.~u − 2.~v e) − 15 .~u
2. En una recta se toman sucesivamente tres puntos: M, N y P.
−−→ −−→ −−→ −−→
a) Si P M = 3.P N , expresar el vector M N en función del vector P N .
b) Si A es el punto medio del segmento M N y B es el punto medio del segmento
−→ −−→
N P , expresar al vector AB en función del vector P M .
3. a) Hallar la suma ~u + ~v + w,
~ donde ~u, ~v y w
~ son los vectores representados en cada
uno de los cuadrados ABCD considerados en la siguiente figura:
B .........................................................................C B .........................................................................C B ...................................~
u C
.........................................
...... .............. ............ .... ..... ............
.......... .... ...... .. ... ....... .... ... ... .... .
..... ..
... .... . ..... .... ... ....... .... .... ... .... ..... ....
... ... ~v .......
. ... ... .....
~v .. .
... ... ... .... .
....... ...
... .... .... ... .....
.....
... ... ..... .... .... ...
..... .....
.. .....
.
..
.
... .... ..... ... ... .....
..... .. ... ... ... .... ...
... ............. ... ... ....... ... ... .... ............. ~v ...
...
. .... ........
~
u ...
... ..
.
..
.
.... .. ... ...
...
w
~ ~
u ....
... ..
.
.. .
. ......
.
.
.
...
...
w
~ ... ..
..
.
. .........
......
...
...
...
. . .. ..... ..
... .....
. .... ... ... .
... ....... ... ...
... .
... ..
..... ...
... .
..
. .... ... ... .. ..
..... ... .
. ..
..... ...
.. .. ..
... ......... .... ... ... .
...
....... .... ...
... . ... . ...... ....
.
... ....... .. .... ........ ... .
. . ..
.. ... . w
~ .... .
.............................................................................................. ............................................................................................. ............................................................................................
A D A D A D
Figura 32
b) En la figura adjunta las circunferencias están divididas en tres, cuatro y seis arcos
congruentes, respectivamente. Hallar la suma de los vectores representados en la
figura.
.................. .................. ..........................
......... ........... .............. ......... ........... .............. ......... .....
...... ..... ...... ..... .......... ....................
..... .... .... ..... .... .... ..... ............
. .... ... ... ..... ... ... .... ..... .....
. ... .... .....
... ~v
... ... ... ~v
... ... ... ... .. ~v .
. .. ...
.... ...
...
... .... ~
u ...
...
... ..
..
~
u .... ..... ... .... ...
...
.... .... . ... ... . ..
.... ... .
. . ... . .
... • . .
. . ...........................................................................................
• ....... .... ....... .... ..........................................................
•
... ~
u ......
......... .......... w
~
....... ..
..
... ......
.
... .. ... ... . .
. .
. ..
... .. . ... .. ... .... .. .. .. ..
... ...............
..... .
.
. . ............ ..
.
. ..
.. ..... .
. ... .
....
w
~ .
...
. ...
... ... . . .
w
~ .
..
.
.
.
. ..
.
.
.... ..
...
.... ~t ... ... .... .... .. ... .... .....
~t
..... ... ..... ... ... ..... ...... ....... .........
...... ..... ...... ..... ...........
......... ...... ......... .. ........ .
. ....
. ......... .....
........................... .................... ...........................
Figura 33
4. En el Plano se da un hexágono regular como lo indica la figura. Hallar las componentes de
todos los vectores indicados en la misma, respecto a la base ordenada {e~1 , e~2 }, sabiendo
−−→
que kOEk = 4.
...
...
Y ..
...
...
...
...
...
B .
C
............................................................................
. ...
................. ................
. ... ... ...
.
. ... .....
.... .... .... ...
... .. ... ...
. . ...
... .... ... ...
.... .
. .... ...
... .
.
. ... ...
...
. ..
. .... ...
...
.
.. .
.
. ... ...
.... ..
. .... ...
. . . .
.
. .
.. ...........
A ...... ..
. .... D .
................
.......... .
. ... ..
.. .
... .
.
.
. ..
..
...
....... .....
.
... .... ....
... .... .... ..
.. .
.
... ... ...
. ...... .
...
... .......
... ... ....... ...
...
... ... ....... ..
...
... .
. ...
. ...
.......... ....
.
.
... ... ... ....... ...
.
... .. ... ....... ...
... ... ... ....... ...
... .. ... ............
..... .. ........ .......
.
. . ...
......................................................................................................................................................................................................
....
..
O ... E X
...
....
Figura 34
−→
5. a) Dados los puntos A(3, −1, 2) y B(−1, 2, 1), hallar las componentes de AB y
−→
BA.
b) Hallar las coordenadas del origen A del vector ~u = (3, −1, 4), si su extremo
coincide con B(1, 2, −3).
c) Hallar las coordenadas del extremo B del vector ~u = (3, −1, 2), si su origen es
A(1, 1, 1).
d) Dados ~u = (1, 3, −1) y ~v = (0, 5, 2), hallar 2.~u − 3.~v .
6. a) Hallar un vector ~u de módulo 2, con igual dirección y sentido contrario que
~v = (1, 3).
b) Hallar un vector ~u paralelo a ~v = (1, −2) y de módulo 5.
7. a) Dados ~u = (5, 2, 5) y ~v = (2, −1, 2), calcular proy~v ~u.
−−−−−−−−−→
b) Dados ~u = (3, −6, −1), ~v = (1, 4, −5) y w
~ = (3, −4, 12), calcular proyw~ ( ~u + ~v ).
c) Dados los vectores ~u = (−1, 2, 0) √y ~v = (2, −1, 3), hallar un vector w,
~ perpendi-
~ = −9 5. ¿Es único?
cular a ~v , tal que proy~u w
8. Explicar por qué cada una de las siguientes expresiones carece de sentido:
a) h~u, h~v , wii.
~ b) h~u, ~v i + w.
~
c) kh~u, ~v ik. d) hk, ~u + ~v i, k ∈ R.
9. El ángulo entre los vectores ~u y ~v mide 120o . Sabiendo que k~uk = 5 y k~v k = 4,
calcular:
a) h~u, ~v i b) h~u + 2.~v , ~u + 3.~v i c) k~u − ~v k2
10. Sean A(3, −2, 0), B(3, −3, 1) y C(5, 0, 2), puntos del Espacio.
−→ −→ −−→
a) Si ~u = AB, ~v = AC y w ~ = BC, calcular:
i) h~u, ~v i + hw,
~ ~v i.
2
~ 2.
ii) k~u + ~v k y k − ~u + ~v + 2.wk
iii) h~u, ~v i.w
~ y h~v , wi.~
~ u.
b) Si los puntos son vértices de un paralologramo, hallar el restante vértice D y el
−→ −−→
ángulo entre los vectores AC y BD. ¿Existe una única solución?
11. a) Calcular los cosenos directores del vector ~u = (12, −15, −16).
π
b) Un vector ~u ∈ E3 forma con e~1 y e~2 ángulos que miden, respectivamente, 3
y
2
3
π. Calcular sus componentes, si k~uk = 2.
12. a) Demostrar que k~u + ~v k2 + k~u − ~v k2 = 2 ( k~uk2 + k~v k2 ), para todo ~u, ~v ∈ V e
interpretar geométricamente.
k~u + ~v k2 − k~u − ~v k2
b) Mostrar que vale la igualdad h~u, ~v i = .
4
~ 2 = 12 kwk
c) Mostrar que si k~u + 6.wk ~ entonces ~u = ~0.
~ proyw~ (~u + 3.w),
13. a) Hallar h3.~u + 2.~x, ~v i, sabiendo que k~uk = 3 , proy~u~v = 4 y ~x es ortogonal a ~v .
b) Sean ~a, ~b y ~c tales que ~c es perpendicular a ~a, ||~c|| = 15 y h3 .~b−h~b, ~ai.~a , ~ci = 12.
Hallar proy~c ~b.
π
14. Sea ~u ∈ V tal que k~uk = 3. Si el ángulo entre un vector ~v y ~u mide 3
y ~u − ~v es
ortogonal a ~u, calcular k~v k y proy~v ~u.
15. Dados los vectores ~u = (2, −1, 3), ~v = (1, −3, 2) y w~ = (3, 2, −4), hallar el vector
~x que satisface, simultáneamente, las condiciones: h~x, ~ui = −5, h~x, ~v i = −11 y
h~x, wi
~ = 20.
~ = (0, 1, −2) y ~t = (2, −1, 0), se
16. Dados los vectores ~u = (1, −2, 3), ~v = (2, 2, −1), w
pide calcular:
a) ~u ∧ ~v b) (~u + ~v ) ∧ w
~ c) (~u − ~v ) ∧ ~t
d) (~u + ~v ) ∧ (~t − w)
~ e) (~u + 2.~t) ∧ w
~ ~ + ~t)
f) (2.~u − 3.~v ) ∧ (w
4
17. a) Calcular el área del triángulo ABC, cuyos vértices son los puntos A(1, 2, 0),
B(3, 0, −3) y C(5, 2, 6).
~ es perpendicular a los vectores ~u = (4, −2, 3) y ~v = (0, 1, 3). Hallar
b) El vector w
sus componentes sabiendo que forma con el eje Y un ángulo obtuso y kwk ~ = 6.
c) Los vectores ~u y ~v son perpendiculares. Si k~uk = 3 y k~v k = 4, calcular
k(~u + ~v ) ∧ (~u − ~v )k.
18. a) Determinar los posibles valores de h~u, ~v i, sabiendo que k~uk = 3, k~v k = 26 y
k~u ∧ ~v k = 72.
b) Hallar k~u ∧ ~v k, sabiendo que k~uk = 10, k~v k = 2 y h~u, ~v i = 12.
19. a) Determinar si los vectores ~u = (−2, −1, −3), ~v = (−1, 4, 6) y w

~ = (1, 5, 9) son
coplanares.
b) Calcular el volumen del paralelepı́pedo construido a partir de los vectores:
~u = (1, 2, 3), ~v = (−1, 3, 4) y w
~ = (2, 5, 2).
20. a) El vector w ~ es perpendicular a ~u y ~v y el ángulo formado por ~u y ~v mide

π
6
. Sabiendo que k~uk = 6, k~v k = 3 y kwk~ = 3, determinar los posibles valores de
h~u ∧ ~v , wi.
~
b) La base ordenada B = {~u, ~v , w}
~ está orientada negativamente y los vectores son
perpendiculares dos a dos. Si k~uk = 7, k~v k = 5 y kwk
~ = 6, calcular h~u ∧ ~v , wi.
~
5. Geometrı́a analı́tica en el Plano y en el Espacio
5.1. Ecuación de la recta en el Plano

Ecuación paramétrica de la recta en el Plano
Supongamos fijado en el Plano un sistema de coordenadas cartesianas ortogonal.
Sean ~u = (u1 , u2 ) un vector no nulo, P0 (x0 , y0 ) un punto del Plano y L la recta que pasa
por P0 y es paralela a la recta que pasa por O y contiene a ~u. [Ver Figura 35]
...
..........
...
....
...
Y ...
...
... .....
.....
.....
...
... P .....
.
.........
...
• .....
... ............
... ......
... ........
−−→ ......
... .......
.. ....
P0 P ..
.. .............
... ...
.... .
....
.....
..... ...
..... .
.....
..
......
. ...
... .....
....
. .....
.
.... ... .....
P0 (x0 , y0 ) • .....
.
.....
.
..
.......... ....... ....... ....... .... y0
.
.. .
....
.....
.....
.
..
..... . .
.... .....
. .
...... .... . ..
......
.
..
.....
.
.... ....
..... .....
..... .... ... .....
... .....
.....
L ....
.
...
... .....
.
.....
.
..
... .....
.... .... .....
... . .
........
.....
.... ... ..... .
.....
.
....
~u ...
...
... ...
.
.....
.....
.....
... .....
... ... .....
. ... .........
. ..
..
.. .. ....
.............................................................................................................................................................................................................................................
x0 ...
..... ...
.
.. .
..... ..
O X
.....
.....
.....
Figura 35
Entonces
−−→
P ∈ L si, y sólo si P0 P = λ.~u ; λ ∈ R.
En término de las componentes de los vectores
P ∈ L si, y sólo si (x − x0 , y − y0 ) = λ.(u1 , u2 ),
es decir: x − x0 = λ u1 ; y − y0 = λ u2 . Por lo tanto

x = x0 + λ u1
L: , λ ∈ R (1)
y = y0 + λ u2
La expresión (1) se denomina la forma paramétrica de L ó las ecuaciones paramétricas
de la recta L y ~u un vector director de la misma. Se nota ~u = d~L .
• Si u1 6= 0 y u2 6= 0, a partir de (1) se obtiene u2 (x − x0 ) − u1 (y − y0 ) = 0 lo que
implica que u2 x − u1 y − u2 x0 + u1 y0 = 0. Si a = u2 , b = −u1 y c = −u2 x0 + u1 y0 ,
obtenemos que L tiene ecuación a x + b y + c = 0, denominada la ecuación implı́cita,
cartesiana ó general de L.
• Si u1 = 0 ó u2 = 0, entonces x = x0 ó y = y0 , las cuales son casos particulares de la
ecuación anterior.
Observaciones
1. De la expresión (1) se deduce que la forma paramétrica de L no es única.
2. Si L : a x + b y + c = 0, con a 6= 0 ó b 6= 0, entonces el vector ~nL = (a, b) es ortogonal
−→
a todo vector P Q, con P (x0 , y0 ) y Q(x1 , y1 ) ∈ L.
En efecto,
−→
hP Q , (a, b)i = h(x1 − x0 , y1 − y0 ) , (a, b)i = a(x1 − x0 ) + b(y1 − y0 ) = (a x1 + b y1 ) −
(a x0 + b y0 ) = 0. En este caso diremos que ~nL = (a, b) es un vector normal a L ó
que el mismo es perpendicular a L.
3. Si L : a x + b y + c = 0, con a 6= 0 ó b 6= 0, entonces el vector ~v = (b, −a) = −(−b, a)
es un director de L.
Ejemplos
1. Escribir la forma paramétrica de la recta L de ecuación implı́cita x − 2 y + 3 = 0.
−−→
Sean P1 (−3, 0) y P2 (−1, 1) ∈ L. Entonces d~L = P1 P2 = (2, 1) y su forma paramétrica
x = −3 + 2 λ
es L : , λ ∈ R.
y=λ

x=1−t
2. Dada la recta L : , t ∈ R, hallar su ecuación cartesiana y la intersección
y = −3 + t
de la misma con L0 : 3 x − 2 y − 5 = 0.
Para hallar la ecuación implı́cita de L, despejamos el parámetro t de ambas ecuaciones.
Entonces 1 − x = t = y + 3, de donde se obtiene x + y + 2 = 0.
Para hallar la intersección de L y L0 basta resolver el sistema de ecuaciones determinado
por sus ecuaciones implı́citas. Como la recta L está dada por su forma paramétrica, es
más sencillo y útil reemplazar en L0 , x e y y obtener el(los) valor(es) del parámetro
t con el que obtengo, en caso de existir, las coordenadas del punto de intersección.
En este caso 3(1 − t) − 2(−3 + t) − 5 = 0, de donde se obtiene t = 54 . Reemplazando
en las ecuaciones paramétricas de L se tiene que el punto de intersección es Q( 15 , − 11
5
).
Ángulo entre rectas
Sean L y L0 rectas del Plano, L : a x + b y + c = 0 y L0 : a0 x + b0 y + c0 = 0.
...
....
.....
.....
.....
L0 .....
.....
.
.....
.
..
.....
..
.....
.
.....
.....
...... .....
.......... .....
..... ..
......
..... ....
.....
~nL.....
.....
.
..................
0
.....
.....
...........
... ..
..
.. ..... .. ...
...... ..... ..... ...
...... ..... .............. .........
....
...... α
....... .......
..... .....
...
...
......................................................................................................................................................................................................................
.
. .. ..
.
...... ..
... .... .
......
β......
...... .....
. ..
..... ....
..
....
L
...... ......... ...
............
. . . ..
.... ...
...... ....................... .
....
. ..........................
....
...
...
~nL ...
...
...
.........
....
Figura 36
El ángulo entre dos rectas se define como el ángulo no obtuso determinado por las mismas.
Si con α notamos a la medida radial del ángulo entre L y L0 y con β, la medida radial del
ángulo entre los vectores normales n~L = (a, b) y n~L0 = (a0 , b0 ), se tiene que:
a) Si 0 ≤ β ≤ π2 , entonces α = β.
π
b) Si 2
< β < π, entonces α = π − β.
Como en todos los casos vale que cos α = |cos β|, la medida radial α del ángulo que
determinan L y L0 se obtiene por medio de la siguiente fórmula:

~ ~
|hn~L , n~L0 i| hd L , d L0 i
cos α = = .
kn~L k kn~L0 k kd~L k kd~L0 k
Ejemplo
Calcular el coseno del ángulo determinado por las rectas −3 x−4 y+25 = 0 y 4 x+3 y−25 = 0.
Ssegún la fórmula anterior obtenemos
|(−3) 4 + (−4) 3| 24
cos α = √ √ = .
32 + 42 42 + 32 25
Distancia de punto a recta en el Plano
Sean P0 (x0 , y0 ), L : a x + b y + c = 0 y P1 (x1 , y1 ) ∈ L. [Ver Figura 37]
−−→
Consideremos el vector P0 P1 , ~u un vector normal a L y con d(P0 , L) notemos a la distancia
de P0 a L.
.....
..
.....
....
.........
.......
.....
... ~u
........
...
.....
.....
... ......... .....
.... .....
.
α • P0 (x0 , y0 )
..... ..
.
.....
..... .....
..
...... .....
... .....
... ....... .....
...
... ... ..
.....
.
..... ... ..... .....
....... .. .. .....
...... .....
....
..
.....
..
..... ..
..
.....
..... L
.. .. .....
.....
−−→ ...
...
.
.......... .....
........ ...........
P0 P 1 ....
..
..... .....
...
.....
... .....
... .....
.... .........
.. .....
... .....
.....
... .....
.... .
..
.....
.
.. .....
... .....
.....
... .....
... .........
.............
...
......
•
.....
.....
..
......
... P1 (x1 , y1 )
.....
....
.....
.....
.
..
......
.
.....
.....
....
.....
Figura 37
Se tiene entonces que:
h− −→

−−→ P0 P1 , ~ui |h(x1 − x0 , y1 − y0 ), (a, b)i|
d(P0 , L) = proy~u P0 P1 = = √ =

k~uk a2 + b 2
|a x1 + b y1 − a x0 − b y0 | |−c − a x0 − b y0 | |a x0 + b y0 + c|
= √ = √ = √ .
a2 + b2 a2 + b 2 a2 + b 2
Luego
|a x0 + b y0 + c|
d(P0 , L) = √ .
a2 + b 2
Ejemplo
Hallar los vértices de un triángulo isósceles sabiendo que la base está sobre la recta
L : y = x + 1, un vértice es P (−3, 4) y el área del triángulo es 6. Realizamos un gráfico de
la situación. [Ver Figura 38]
..... ...
..... ..........
.....
.....
.....
.....
.....
...
...Y
...
..... ...
.....
.....
•p
P (−3, 4)
.........
...
...
... .....
.................. ... .....
......... ......... .....
... ..... ........ .
... ...... .........
...
... ..
.......
... ...... ....... ....
....... ... .....
... ..... ....... ... .....
... ..... ....... ... ....
... .....
..... .......
... ... .........
... ..... .
....... ... .....
... ..... ....... . .....
.......
...
...
.....
..... ....... ....
....... .. y =x+1 .....
.....
....
...
...
...
.....
.....
.....
.....
........
V2
.
.... ..............
.
..
....... .....
........
.
•p
...
... ..... .... ....... ........
..... ... ........
... ..... . ....
... ..... . .
..
... ..... .
.... .....
... ..... ....
..... ... .....
... ..... . .....
...
... ..... ... .........
..... .. .....
•p
... .............
...
...
...
... ..
..
.....
............
..... .... .........
(0, 1)
... ....... ... .......
... .
..... .... .....
.....
... ..... .... .....
... ........ .....
•p
... ...... ... ....
... .
...............................................................................................................................................................................................................................................................................................................................................
. .
... . .....
..... .
. .....
........
.....
..
.
V3 O .
....
.
.
.....
.....
..... X
...
.... .
.
.
.....
.....
....... .
.
. .....
....... .
.
. .....
....
. .
. .....
..... .
. .....
.... .
. .....
.
...... .
.
.
.....
.....
... .
. .......
... .
.....
.
L .
.
.
.
.
.
.
.
.....
.....
.....
.....
.... . .....
L0
.. ... . .
. .
Figura 38
a) La recta L0 perpendicular a L que pasa por P tiene ecuación L0 : y = −x + c. Como

(−3, 4) ∈ L0 entonces c = 1. Luego L0 : y = −x + 1.
√
| − 3 − 4 + 1| √ b·3 2
b) h = d(P, L) = √ = 3 2. La base b del triángulo verifica que 6 = ,
√ 2 2
luego b = 2 2.
√
Los restantes vértices del triángulo
√ √se encuentran
√ sobre L a una distancia 2 del punto de
coordenadas (0, 1), luego 2 = x2 + x2 = 2 |x|. Entonces x = 1 ó x = −1 y por lo
tanto V2 (1, 2) y V3 (−1, 0).
5.2. Rectas y planos en el Espacio

Ecuación paramétrica de la recta en el Espacio
Consideremos un sistema de coordenadas cartesianas ortogonal en el Espacio, ~u = (u1 , u2 , u3 )
un vector no nulo y P0 (x0 , y0 , z0 ) un punto, razonando en forma análoga que para el caso del
Plano, obtenemos que la forma paramétrica de la recta L que pasa por P0 y es paralela a
~u = d~L , es
x = x0 + λ u1
(
L: y = y0 + λ u2 , λ ∈ R.
z = z0 + λ u3
• Si u1 6= 0, u2 6= 0 y u3 6= 0, despejando λ e igualando, obtenemos que
x − x0 y − y0 z − z0
= = , denominadas las ecuaciones simétricas de la recta L.
u1 u2 u3
• Si u1 6= 0 , u2 6= 0 y u3 = 0, la recta L queda determinada por las ecuaciones
x − x0 y − y0
= y z − z0 = 0.
u1 u2
• Si u1 = u2 = 0 y u3 6= 0, entonces las ecuaciones x − x0 = 0 e y − y0 = 0 determinan
L.
Ejemplos
1. La forma paramétrica de la recta L que pasa por el punto P (1, 2, −3) y es paralela a
~u = (4, −3, 1), es
x = 1 + 4λ
(
L : y = 2 − 3 λ , λ ∈ R.
z = −3 + λ
Las ecuaciones simétricas de L son:
x−1 y−2
= = z + 3.
4 −3
x+1 y−2 z+3

2. Dada la recta L0 : = = , hallar sus ecuaciones paramétricas.
3 4 −5
x+1 y−2 z+3
Si consideramos = = = µ, se obtiene:
3 4 −5
( x = −1 + 3 µ
L0 : y = 2 + 4 µ , µ ∈ R.
z = −3 − 5 µ
Ecuación del plano

Sea π un plano, P0 (x0 , y0 , z0 ) ∈ π y ~u = (a, b, c) un vector perpendicular a π, es decir
ortogonal a todo vector contenido en el mismo. Entonces se tiene que
−−→
P ∈ π si, y sólo si hP0 P , ~ui = 0.
Pasando a coordenadas P ∈ π si, y sólo si h(x − x0 , y − y0 , z − z0 ), (a, b, c)i = 0.

Efectuamos el producto escalar y obtenemos:
π : a (x − x0 ) + b (y − y0 ) + c (z − z0 ) = 0.
Luego P ∈ π si verifica una ecuación del tipo
π : a x + b y + c z + d = 0,
con d = −a x0 − b y0 − c z0 . Esta ecuación se denomina la ecuación cartesiana de π y

~u = (a, b, c) un vector normal del plano, que notaremos n~π = (a, b, c). [Ver Figura 39]
... ........
..
......... ..... ....................
..... ..........
... .....
......
....... ~u ...
...
......
.....
. .
.. ..........
..........
..........
..........
...
...
...
Z ...
... ........
... ......
... ..........
..........
..........
..........
... ...... ..........
...
... ..... ...
...
.... ....
... −−→ •
P ..........
..........
..........
...
... .........
.
....
. ... .. ...
P0 P
...
... .......
. . .
.....
. . . ...
...
....... ......
.. .
. ..
................
π ......
.....
....
.....
... ....... ............ ..
..... . ..
.
... .. .................. .. ....
.....
.......
......
.. .....
P0 • ............
........
..
..... .....
.....
.....
..
...... ....
. . . ..
.......
..... ... ..... ....
..... . .....
..... .... ... .. .....
.............. . .... .....
.......... .... . . . ..
. .
.......
.
............. . .... .....
.. ............. .....
... .......... .. .. .....
...
...........
. .... .... .....
... .. .................... .....
. .
.......
... ...... ....
... .... ................... .....
... ... ..... .......... .....
... ... ..... .......... .....
... ... ....... ..........
...
.. ........
.
... ..............
... ... .... ..
... ... .....
... ... .....
... ... .. ....
.
. ..
... ... .......
... ... ......
... ... ......
... ... ......
............
........
.......
..
.......... ....................
.......
.......
. . ... .....
. .
O ..........
..........
..........
..........
.......... .............
.......... ..........
X Y
Figura 39
Ejemplos
1. Hallar la ecuación del plano π que pasa por P0 (2, 1, 3) y es perpendicular a ~u =
(2, −1, 5).
π tiene ecuación 2 x − y + 5 z + d = 0. Como P0 ∈ π se tiene que 18 + d = 0, luego
d = −18 y por lo tanto π : 2 x − y + 5 z − 18 = 0.
2. Hallar la intersección del plano π, de ecuación 2 x + 3 y + 4 z − 12 = 0, con la recta L
que pasa por los puntos M1 (3, −1, 0) y M2 (−2, −5, 4).
−−−−→
Como M1 , M2 ∈ L, entonces d~L = M1 M2 = (−5, −4, 4). Luego su forma paramétrica
es: (x = 3 − 5µ
L: y = −1 − 4 µ , µ ∈ R.
z = 4µ
Si P0 (x0 , y0 , z0 ) ∈ L ∩ π, se verifica que 2(3 − 5 µ) + 3(−1 − 4 µ) + 16 µ − 12 = 0.
Obtenemos que µ = − 32 , por lo que P0 ( 21 2
, 5, −6).
3. Hallar la ecuación del plano π, que pasa por los puntos M1 (−2, 3, 5), M2 (4, −3, 0) y
M3 (0, 6, −5).
−−−−→ −−−−→
Como M1 , M2 , M3 ∈ π, se tiene que n~π = M1 M2 ∧ M1 M3 = 5(15, 10, 6). Entonces la
ecuación del plano es 15 x + 10(y − 6) + 6(z + 5) = 0, es decir
π : 15 x + 10 y + 6 z − 30 = 0.
Paralelismo entre planos y paralelismo entre recta y plano

Definición 5.2.1 Los planos π : a x + b y + c z + d = 0 y π 0 : a0 x + b0 y + c0 z + d0 = 0 se
dicen paralelos si ~nπ = λ.~nπ0 , es decir si a = λ a0 , b = λ b0 y c = λ c0 . Si además d = λ d0 ,
los planos son coincidentes.
Una recta L y un plano π se dicen paralelos, si h~nπ , d~L i = 0.
Ejemplo
Los planos π : 2 x + 3 y + 4 z − 12 = 0 y π 0 : 6 x + 9 y + 12 z − 12 = 0 son paralelos no
coincidentes pues n~π0 = 3.n~π , pero d0 6= 3 d.
Distancia de punto a plano
Sea π un plano de ecuación a x + b y + c z + d = 0 y P0 (x0 , y0 , z0 ). Sea P1 (x1 , y1 , z1 ) ∈ π y
−−→
consideremos el vector P0 P1 .
h− −→

P P , ~
n i

−−→ 0 1 π |h(x1 − x0 , y1 − y0 , z1 − z0 ), (a, b, c)i|
d(P0 , π) = d(P0 , Q) = proy~nπ P0 P1 = = √

k~nπ k a2 + b 2 + c 2
|a(x1 − x0 ) + b(y1 − y0 ) + c(z1 − z0 )| |a x0 + b y0 + c z0 + d|
= √ = √ .
a2 + b 2 + c 2 a2 + b2 + c2
Por lo tanto,
|a x0 + b y0 + c z0 + d|
d(P0 , π) = √ .
a2 + b 2 + c 2
....
.........
..
n~π ....
..
...
...... . .
.... ..... ....
.... ....
....
...
...
α rP0 ........
...
.
... ....
........ ..
.. .
.
...
......................................... ... ...
..... .......................... .
..... . ...........................
.
...
.
..
.
.
.....
−−→ ........ ...
..
.......................
.......................
.......................
..
.......
.
.....
.
.
P0 P1 ......
....
..
.
.
....................
....
.....
.....
. ... .....
..
..
.
... .....
. ....
.......... ..
.......
..... ..
rQ .....
.
..... ... .... ....
..... ... .. ....... .....
..... ... ...... .....
..
...... ....
. . . .
..... . ...
......
... . ...... ....
..... π ... .... .....
P1 r
..... ......... ....... .. .....
.......................... ....... .....
.......................
....................... ..
.......
..
....................... .....
.......................
....................... .....
....................... .....
.......................
Figura 40
Ejemplos
|3 · 0 + 4 · 1 − 1| 3
1. Si P0 (0, 1, 3) y π : 3 x + 4 y − 1 = 0, entonces d(P0 , π) = √ = .
25 5
2. Si se desea calcular la distancia entre los planos paralelos π : x − 2 y + 2 z − 3 = 0 y

π 0 : 2 x − 4 y + 4 z − 30 = 0, basta con tomar un punto en uno de ellos y calcular la
distancia de este punto al otro plano.
En nuestro caso P (1, 0, 1) ∈ π, luego
|2 · 1 − 4 · 0 + 4 · 1 − 30| | − 24|
d(π, π 0 ) = √ = √ = 4.
2
2 +4 +42 2 36
Ecuación de una recta como intersección de planos

Sean π : a x + b y + c z + d = 0 y π 0 : a0 x + b0 y + c0 z + d0 = 0 dos planos no paralelos.
La intersección de los mismos determina la recta
ax + by + cz + d = 0
(
L: . (∗)
a0 x + b 0 y + c 0 z + d 0 = 0
.
........
...... ..
...... ....
.
.......... ...
....
...... ...
...... ... ...
....... ......
......... P ... 0 ..............
r
.... ...
......... .
. ..
. ....
.
......
. ...
...... .............
...... . ....... ....... ....... ..............................................................................
...... . ...... . .
....... .......... ..... ...... .. ......
. ...
.
.. . ...... ......
...... ...... ... ......
....
....... ......... ........... . ...
........
......
. . ....... ...
......
......
......
.
...... .... d~
... L ................... . .........
..........
...... n~ 0 ... .... .......
..
..
. ...... ......
. π .
. ........... .......... ....
.
... ..............
.. .... ....
...... ...... ... .........
....... ..... ............................................................... ......
.... .... .. ...... . ......
... ... ....
....... n~ π . .......... ...........
. . .
.. ...... ...... ......
........ ...... ...... ......
...... . ...... ...... ......
...... .... ...... ...... ......
..........
. .
. .... ....... . .......... ..........
.
. . ...... . .
...... ..... ...... ...... ......
...... 0 ... ........... ...... ......
...... π ...... ......
...... .. ...... ......
....................................................................................................................... ..... ......
. .
...... .. ......
...... .... ......
...... ......
...... .
.... ......
..........
. . ..........
.
.... L π
..... ......
......
... ......
......
... ......
... ...........
........
Figura 41
A partir del sistema de ecuaciones que determina a L, podemos obtener su forma paramétrica,
de la siguiente manera:
Las coordenadas de los puntos de L son las soluciones del sistema (∗), y como L está
contenida en los planos π y π 0 , es perpendicular a los vectores ~nπ y ~nπ0 . Por lo tanto,
d~L = ~nπ ∧ ~nπ0 . Si P0 (x0 , y0 , z0 ) es tal que sus coordenadas satisfacen (∗) y d~L = (u1 , u2 , u3 ),
entonces L tiene forma paramétrica,
x = x0 + u1 λ
(
L: y = y0 + u2 λ , λ ∈ R.
z = z0 + u3 λ
Recı́procamente, a partir de sus ecuaciones paramétricas, toda recta L del Espacio se expresa
como intersección de planos.
Ejemplos
2x − y + z = 1
n
1. Dada la recta L : , hallar su forma paramétrica.
x + z = −2
P (0, −3, −2) ∈ L, pues satisface el sistema y d~L = (2, −1, 1) ∧ (1, 0, 1) = (−1, −1, 1).
Luego
x = −λ
(
L: y = −3 − λ , λ ∈ R.
z = −2 + λ
(x = 3
x=2+λ
(
2. Escribir a las rectas L : y = −1 + 3 λ , λ ∈ R, L0 : y = −1 + µ , µ ∈ R y
z =2−λ z = 2 − 2µ
al eje Y, como intersección de planos.
Consideremos la recta L, despejamos λ de cada una de las ecuaciones y obtenemos
y+1
x−2= = 2 − z, luego
3

3x − y − 7 = 0
L: .
y + 3z − 5 = 0
Para L0 , por un procedimiento análogo, obtenemos

0 x=3
L : .
2y + z = 0
El eje Y es intersección de los planos XY e Y Z, luego queda representado por

z=0
n
.
x=0
Haz de planos

ax + by + cz + d = 0
Si L : , existen infinitos planos que contienen a L.
a0 x + b 0 y + c 0 z + d 0 = 0
En efecto, cualquier plano de la forma α(a x + b y + c z + d) + β(a0 x + b0 y + c0 z + d0 ) = 0, con
α y β no simultáneamente nulos, contiene a L. Dando valores a α y a β obtenemos todos
los planos que contienen a L. Esta familia se denomina el haz de planos que contiene a L.
Ejemplo

x−y+ z =1
Dada la recta L : , hallar la ecuación del plano que contiene a L y es
y + 5z = 0
paralelo al vector ~v = (−1, 2, 0).
Si el plano π contiene a L, es uno de los de la familia α(x − y + z − 1) + β (y + 5 z) = 0,

entonces α x + (β − α)y + (α + 5 β) z − α = 0. Como π es paralelo al vector ~v = (−1, 2, 0) se
tiene que h~nπ , ~v i = 0 = h(α, β − α, α + 5 β), (−1, 2, 0)i = −α + 2 (β − α) = −3 α + 2 β, luego

β = 23 α. Entonces α (x − y + z − 1) + 32 α (y + 5 z) = 0. Como α y β no son simultáneamente
nulos, α 6= 0 y por lo tanto
π : 2 x + y + 17 z − 2 = 0.
Posición relativa de dos rectas en el Espacio
Definición 5.2.2 Sean L1 y L2 rectas en el Espacio. Si L1 y L2 están contenidas en
un plano, entonces las rectas se dicen coplanares. En caso contrario, L1 y L2 se dicen
alabeadas.
El siguiente resultado permite determinar la posición relativa de dos rectas en el Espacio.
Proposición 5.2.1 Sean L1 y L2 rectas en el Espacio. Las siguientes condiciones son
equivalentes:
a) L1 y L2 son coplanares.
−−→
b) hd~L1 ∧ d~L2 , P1 P2 i = 0 ; para todo P1 ∈ L1 , P2 ∈ L2 .
−−→
c) hd~L1 ∧ d~L2 , P1 P2 i = 0 ; para algún P1 ∈ L1 y P2 ∈ L2 .
L1................
....
.....
.....
....
......
d~L
........
......
.....
1..........
..
..
....
.....
.....
.....
P1 .
.......
r
.
.....
....... ....
....... .......
....... ..... ..
..... .....
.......
.......
.......
.....
.
.....
.
..
... −−→
.......
....... .....
.....
....
...
...
...
...
P 1 P2
..
..
..
....
. ...
..
....
. ...
...
. ...
..
. ...
....... .......
........ ......
...
...
..
.
.
.....
. ... ..............
....... r
.......
.....
d~L
.......
..... .......
....
P2 .......
........
..........
..........
2
..........
..........
..........
..............
.......
.......
.......
.......
.......
.......
.......
Figura 42 L2 ...
Ejemplos
(x = 5 + µ
x = −3 + 2 λ
(
1. Consideremos las rectas L1 : y = −2 + 3 λ , λ ∈ R y L2 : y = −1 − 4 µ , µ ∈ R.
z = 6 − 4λ z = −4 + µ
Veamos que L1 y L2 son coplanares.
En efecto: d~L1 = (2, 3, −4), d~L2 = (1, −4, 1), P1 (−3, −2, 6) ∈ L1 y P2 (5, −1, −4) ∈ L2 .
−−→
Si tomamos P1 P2 = (8, 1, −10) se tiene que

2 3 −4
−− →
hd~L1 ∧ d~L2 , P1 P2 i = 1 −4

1 = 0.
8 1 −10
Veamos que L1 y L2 se intersectan. Si P (x0 , y0 , z0 ) ∈ L1 ∩ L2 existen λ y µ ∈ R tal

que: −3 + 2 λ = 5 + µ, −2 + 3 λ = −1 − 4 µ y 6 − 4 λ = −4 + µ, lo que es equivalente
a resolver el sistema de ecuaciones
µ − 2 λ = −8
(
−4 µ − 3 λ = −1 .
µ + 4 λ = 10
Aplicando el método de eliminación de Gauss obtenemos que λ = 3 y µ = −2, de
donde L1 y L2 se intersectan en P (3, 7, −6).
x=2+λ
(
x−y =1
n
2. Dadas las rectas L1 : y L2 : y=1 , λ ∈ R, hallar las
−2 x + z = 0
z = −4 + λ
ecuaciones paraméticas de una recta L, que corte a L1 y L2 , y sea paralela al vector
~u = (−1, −1, −1).
Para resolver un problema que involucre un par de rectas en el Espacio, es conveniente
determinar la posición relativa de las mismas, es decir hay que ver si son coplanares ó
alabeadas.

e~1 e~2 e~3
d~L1 = 1 −1 0 = (−1, −1, −2) = −(1, 1, 2) y P1 (0, −1, 0) pertenece a L1 .

−2 0 1
Además, P2 (2, 1, −4) ∈ L2 y d~L2 = (1, 0, 1). Entonces

2 2 −4
−−→
hP1 P2 , d~L1 ∧ d~L2 i = 1 1

2 = 8 6= 0,
1 0 1
por lo tanto L1 y L2 son alabeadas.

Para determinar las ecuaciones de L basta hallar las coordenadas de un punto P que
pertenezca a la misma, pues d~L = ~u. Como L y L1 deben intersectarse, las mismas
serán coplanares.
El plano π que las contiene tiene por normal al vector n~π = ~u ∧ d~L1 = (−1, 1, 0). Como
P1 (0, −1, 0) ∈ L1 se halla en el mismo, su ecuación es π : − x + y + 1 = 0.
Para garantizar que L y L2 sean rectas incidentes se observa que {P } = π ∩ L2 .
Por lo tanto P (2, 1, −4). La forma paramétrica de la recta buscada es
(x = 2 + µ
L: y = 1 + µ , µ ∈ R.
z = −4 + µ
Resta verificar que L ∩ L1 6= ∅. Las coordenadas de los puntos de L satisfacen las

ecuaciones de los planos que determinan a L1 , luego L∩L1 = {Q}, con Q(−6, −7, −12).
Ángulos entre rectas y planos

Ángulo entre dos rectas
Sean L y L0 dos rectas con directores d~L y d~L0 respectivamente, la medida α del
ángulo que ellas determinan está dada por:

~ ~
hdL , dL0 i
cos α = .
kd~L k kd~L0 k
Ángulo entre dos planos

La medida radial α del ángulo entre dos planos π1 y π2 es el que se obtiene a partir
de:
|h~nπ1 , ~nπ2 i|
cos α = .
k~nπ1 k k~nπ2 k
Ejemplo
Sean π1 : x − y − 4 z − 5 = 0 y π2 : 2 x + y − 2 z − 4 = 0. Como n~π1 = (1, −1, −4)
y n~π2 = (2, 1, −2) se tiene que el coseno√del ángulo que forma π1 y π2 está dado
|h(1, −1, −4) , (2, 1, −2)i| 2
por cos α = √ √ = , lo que implica que π1 y π2 forman un
18 9 2
ángulo que mide π4 radianes.
Ángulo entre recta y plano

Sea L una recta con director d~L y π un plano con vector normal n~π . El ángulo entre
L y π se define como el ángulo entre las rectas L y L0 , proyección ortogonal de L
sobre π.
..
...
...
.....
...
...
...
...
.
...
L
.... ..
.......... ............
.
...
n~π ...
.............. .
....
d~L
.
...... ... .................... .....
..... ................................................. ..........
..... .................................
.
..
...... .
. .. .....
. .........................
.. .
..... .... ..... .......................
.
.....
..... β
... ... .....
... .......
....... ....
...
.......................
....................
.
.
.. .
.....
.
.
..... .
.
. ....
.
.
. ....
.
..
α .... ..
.....
.....
.....
..
.
.
.... .
...
.. .
..... .... ..... . ..
........
.
.... . . .. ....
..... .... ............ .....
..... ...... ..
. .....
..... .....
.
..
...... ....... ... ..
.......
.....
.
..... π
.......................... ..
..
. .....
.....
.....
....................... .....
....................... .
.. .......
.
....................... .. ....
........................ .....
... .......................
....................... .....
... ........................
....
.
.
...
...
...
...
Figura 43
...
Si α es la medida radial del ángulo entre L y π y β la medida del ángulo entre d~L
y n~π , entonces se tiene que:
a) Si 0 ≤ β ≤ π2 , entonces α = π
2
− β.
π
b) Si 2
< β < π, entonces α = β − π2 .
En ambos casos se verifica que sen α = |cos β|, luego el ángulo se determina a partir de

h~nπ , d~L i

sen α = |cos β| = .
k~nπ k kd~L k
Ejemplo
x−1 y z−7
Calcular el ángulo entre la recta L : = = y el plano π : 4 x + y + z + 13 = 0.
2 2 −1
Como d~L = (2, 2, −1) y n~π = (4, 1, 1), a partir de la fórmula anterior obtenemos que
|2 · 4 + 2 · 1 − 1 · 1| 1
sen α = √ √ =√ .
4 + 4 + 1 16 + 1 + 1 2
π
El ángulo entre la recta y el plano mide 4
radianes.
Distancias
Distancia de un punto a una recta
Sea P0 (x0 , y0 , z0 ) y L una recta en el Espacio.
.......
... ......
... .......
... .....
.. .....
.....
... .....
... .....
... .....
.....
... .....
... .....
.....
.... .....
.....
.. .....
.... .....
.... .....
..... .....
... ..... ......
......
...
...
...
Pr 0 .....
.....
.....
..... ... .
.
.......
.
..
........
...... ..... ...... .
...
.............. ..... ......
... ..... ......
... ... ... ..... ..
..
.......
d~L = n~π
..... ... . ..... ....
... .. ..... ......
... ..... ......
... ... ..... ......
... ... ..... ......
... ..... ...........
....
... −−→ ...
... ... .....
..........
...... .....
..
...
...
P 1 P0 ...
...
...
...
...
.... .......
...... ..
...
... ........
r
.... ... ...
..... ... ...... ..... ...
..... .................. .. ...
..... ... ............ .... ...
.....
.....
.....
..... rθ
...
.
... ......
...
. ..Q
.....
. ... ...
...
...
..... . . . . . .... ...
..... .......... ...
..... ....
.........
.. ..
.... ....... P1 .....
...
...
.... . . . ....
......... .....
. . ..
..
... .... .....
.
. ...
..
..
..... .....
.
. ...
.....
. .....
. .
...... ..
..... ...
..
.. ....... ...
..
..
..... ....... ...
..
..
..... .
...... ...
..
......
L .....
..... π
.....
...
...
.....
..... ....
..... ..
Figura 44 .....
.....
.....
..... ...
...
...
..... ..
........
..
A diferencia de lo que ocurre en el Plano, existen infinitas rectas perpendiculares a L que

pasan por P0 . Todas se hallan contenidas en el único plano π que pasa por P0 y es
perpendicular a L. Dicho plano intersecta a L en un único punto Q. Definimos la distancia
de P0 a L, y la notamos d(P0 , L), como la distancia entre P0 y Q. [Ver Figura 44]
−−→ −−→
Sea P1 ∈ L y consideremos el vector P1 P0 . Si θ es el ángulo entre P1 P0 y d~L entonces
−−→ −−→
−−→ kP1 P0 k sen θ kd~L k kP1 P0 ∧ d~L k
d(P0 , L) = d(P0 , Q) = kP1 P0 k sen θ = = . Por lo tanto
kd~L k kd~L k
−−→
kP1 P0 ∧ d~L k
d(P0 , L) = .
kd~L k
Distancia de recta a plano

Sea L una recta y π un plano.
• Si L ∩ π 6= ∅, entonces d(L, π) = 0.
• Si L ∩ π = ∅, entonces L es paralela a π, luego d(L, π) = d(P0 , π), con P0 ∈ L.
L3 .
.. .........
L2 ....
.
...
... Pr0 ...
...... ..........
.........
..........
..
... ......... .
.........
............................................................................................................................................................ ......................................................................................................................................................................
... ... ....
.
...
....
...
.
....
.
...
π
.
....
.
.
..
....
........
...................
...................
...
..
...
π ...
...
...
..
.
.... ..... ..... ..
..
.
. . ...
...
.. ..
...
..
... .............. ...
...
.
...
... ... ... ... ... .... .. ...
... ... ... ... . .... ...
... .... .... ...
...
.
..
....
P0 r ...
.
.... L1 ...
..
....
.
...
..... .
... .
...
.
.....
... ... ... ... ...

... ... ............................................. ... ... ...
.... ..... ..
.... .
................................ ..... ....
. .....
... ............ .
.. ... .
..
... ... ... ... ...
... ... ... ... ...
........................................................................................................................................................... ........................................................................................................................................................
...
..
...
...
...
.....
...
L ∩ π 6= ∅ L∩π =∅
Figura 45
Distancia entre planos

Consideremos los planos π y π 0 .
• Si π ∩ π 0 6= ∅, entonces d(π, π 0 ) = 0.
• Si π ∩ π 0 = ∅, entonces π es paralelo a π 0 , luego d(π, π 0 ) = d(π, P0 ), P0 ∈ π 0 .
........................................................................................................................................................
... ..
...
........................................................................................................................................................
... ...
...
π0 ...
...
...
...
....................................... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... ... π ...
...
...
..
...
..
.
..
.
.... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... ........................ ....
.
...
... ...
.
. ... .... ... ... ...
..
...
..
... ..... . ... ... ... ...
... ...
... .....
.. ....
... .. P0 ... ...
r
.. . .. .
.
.. .. .. .. ..
........................................................................................................................................................................................................................ ... ... . ... ...
. . . ... ... ... .. ... ...
.. ..
... .... ... ... ...
... .. ..... ... .. .. ... ...
... 0 .. . .. .
.
.
...
....
... ... π
... ..
... ...
...
........................................................................................................................................................
. ...
... ...
.
.. ...
...
.............................................................................................................................................................. ...
...
..
...
..... ...
. .
. ... ..
. .
. ...
..........................................................................................................................................................
..
...
...
.
. π ...
...
...
.
..........................................................................................................................................................
π ∩ π 0 6= ∅ π ∩ π0 = ∅
Figura 46
Ejemplo
x+3 y+2 z−8
Calcular la distancia del punto P0 (1, −1, −2) a la recta = = , hallando las
3 2 −2
coordenadas del punto Q que la realiza.
−−→
p punto P1 (−3, −2,
El √ 8) pertenece a la recta, luego P0 P1 = (−4, −1, 10) y kd~L k =
2 2 2
3 + 2 + (−2) = 17. Entonces
−−→
kP1 P0 ∧ d~L k k(−4, 1, 10) ∧ (3, 2, −2)k
d(P0 , L) = = √ = 7.
kd~L k 17
Como lo indica la Figura 44, para hallar el punto que realiza la distancia debemos considerar
el plano auxiliar π, de modo que n~π = d~L = (3, 2, −2) y que pasa por P0 .
El plano π tiene ecuación 3 x + 2 y − 2 z + d = 0. Como P0 ∈ π se tiene que d = −5.
Luego π : 3 x + 2 y − 2 z − 5 = 0.
El punto Q se obtiene intersectando L y π. Para ello, a partir de las ecuaciones simétricas
obtengamos las ecuaciones paramétricas.
( x = −3 + 3 µ
L: y = −2 + 2 µ , µ ∈ R.
z = 8 − 2µ
34
Entonces 3(−3 + 3 µ) + 2(−2 + 2 µ) − 2(8 − 2 µ) − 5 = 0 = 17 µ − 34. Luego µ = 17
=2 y
Q(3, 2, 4).
Distancia entre rectas
Sean L1 y L2 rectas en el Espacio.
1. Si L1 y L2 son coplanares, puede suceder que: [Ver Figura 47]
• L1 y L2 se corten en un punto, luego d(L1 , L2 ) = 0.

• L1 y L2 sean paralelas y entonces d(L1 , L2 ) = d(L1 , P0 ) , P0 ∈ L2 .
............................................................................................................................................................ ...
..........................................................................................................................................................
...
.
...
... L2 ...........
π ..
...
... ....
.
... L2 .............
π ...
...
...
..
.
....
.
....... ........
. .
..
...
..
.
....
.
....
...................
. .
..
... ....
...
...
..
...........
...........
........... ...
.
... ...
...
.
P0 .............
.............
.............
.
...
...
..
...
... ..........
.
...
Pr 0
..... ...... ....................
.
...........
..
....
...
...
...
...
....... ..... r
...............
.............
.... .
....
...
.........
. ...
...
...
.. ............................. .. .. ........ ..
.............
.
...
... ........... ... ... ..
.............
.
...
...
... ..........
..........
..........L1
.......... .
...
...
...
.
...
...
...
......................
..
..............
............. L1 .....
...
...
... .
.. ... ...... ...
... ... ... ...
... ... ... ...
........................................................................................................................................................ ........................................................................................................................................................
L1 ∩ L2 6= ∅ L1 k L2
Figura 47
2. Si L1 y L2 son alabeadas, existe una única recta L perpendicular a ambas y que las
corta. Es claro que d~L = d~L1 ∧ d~L2 . Sean P y Q los respectivos puntos de intersección
de L con L1 y L2 . Definimos la distancia entre L1 y L2 como la distancia entre P
−−→

y Q. Entonces d(L1 , L2 ) = d(P, Q) = proyd~L P 1 P2 ; P1 ∈ L 1 , P 2 ∈ L 2 .

1
∧d~L2
En consecuencia,
−−→ ~

~
hP1 P2 , dL1 ∧ dL2 i

d(L1 , L2 ) = , donde P1 ∈ L1 , P2 ∈ L2 .
kd~L1 ∧ d~L2 k
Para hallar las coordenadas de los puntos P y Q que realizan la distancia existen varios
métodos:
Primer método
Por un punto P1 ∈ L1 trazamos la recta L0 perpendicular a L1 y a L2 . Es claro que
d~L0 = d~L1 ∧ d~L2 .
L0 y L1 son coplanares y el plano π que las contiene, intersecta a L2 en Q, en caso
contrario L1 y L2 serı́an coplanares. Por Q trazamos la recta L paralela a L0 y
hallamos P intersectando L con L1 . [Ver Figura 48]
Segundo método
Como se indica en la Figura 48 se consideran puntos genéricos P1 y P2 pertenecientes
−−→
a L1 y L2 , respectivamente. En tal caso debemos hallar λ y µ de modo que P1 P2
sea ortogonal a d~L1 y a d~L2 . Es decir debemos hallar los parámetros de modo que
−−→ −−→
hP1 P2 , d~L1 i = 0 = hP1 P2 , d~L2 i. (∗)
.
....
...
..
...
...
...
...
L
...
...
...
...
...
...
..
....
......
....
....
...
1 d~L ∧ d~L 2 .....

...
.
d~L .......
.......
.......
.
... 2.....................
....
..
P2 r .......
........
..... .
... ...........
... ..
........... ........
...
... .......
....... ...
.. ........ ....... ...
.......... .... .............. ...
... ............. ..
............. ........
....... ..
Qr . ....
...
.
...
.............
.............
............. ..........
....... ....
. −−→ ..
..
.
L1 .......
.......
.......
.
.....
.............
.
... P1 P2
.
...
...
.......
r
............ ..
........ ............ ... ..... ..
...
...
. .. .
. ...
.. .
.
...... .
.
.......
L2 P .... ......................
... ............
............ ....
..
..
d~L
...
...
r
.............
............ 1
.............. .
...
... P1 ....................
............
............
... ............
............
... ..
...
..
..
Figura 48
Ejemplo
( x = −5 + 4 µ
x = −4 + 2 λ
(
Sean L1 : y =4−λ , λ ∈ R y L2 : y = 5 − 3µ , µ ∈ R, rectas alabeadas.
z = −1 − 2 λ z = 5 − 5µ
Queremos calcular la distancia entre L1 y L2 y hallar las coordenadas de los puntos P y

Q que la realizan.
Sea P1 (−4, 4, −1) ∈ L1 , hallemos la ecuación de la recta L0 que pasa por P1 y es
perpendicular a L1 y a L2 .
x = −4 − λ
(
Como d~L0 = d~L1 ∧ d~L2 = (−1, 2, −2), tenemos que L0 : y = 4 + 2 λ , λ ∈ R.
z = −1 − 2 λ
0
Como L1 y L son coplanares, la ecuación del plano π que pasa por P1 y contiene a L1
y a L0 está dada por π : 2 x + 2 y + z + 1 = 0, pues ~nπ = d~L1 ∧ (d~L1 ∧ d~L2 ).
x = 3 − λ0
(
Si hallamos π ∩ L2 , obtenemos Q(3, −1, −5). Sea L : y = −1 + 2 λ0 , λ0 ∈ R, la recta que
z = −5 − 2 λ0
~ ~
pasa por Q y tal que√ dL = dL0 . Al calcular L1 ∩ L obtenemos P (2, 1, −7), por lo tanto
d(L1 , L2 ) = d(P, Q) = 9 = 3.
Verifiquemos el resultado aplicando la fórmula:
−−→ ~

hP1 P2 , dL1 ∧ d~L2 i

|h(−1, 1, 6), (−1, 2, −2)i| 9
d(L1 , L2 ) = = √ = √ = 3.
kd~L1 ∧ d~L2 k 9 9
Si aplicamos el segundo método, P1 (−4 + 2 λ, 4 − λ, −1 − 2 λ) y P2 (−5 + 4 µ, 5 − 3 µ, 5 − 5 µ),

−−→
por lo cual P1 P2 = (−1 + 4 µ − 2 λ, 1 − 3 µ + λ, 6 − 5 µ + 2 λ).
En este caso el sistema (∗) toma la forma

−9 λ + 21 µ − 15 = 0
.
−21 λ + 50 µ − 37 = 0
Resolviendo el mismo se obtiene: λ = 3 y µ = 2. Los puntos que realizan la distancia son:

P1 (2, 1, −7) y P2 (3, −1, −5), que se corresponden con los puntos P y Q, obtenidos por el
método anterior.
5.3. Ejercicios
En los ejercicios correspondientes al Plano sugerimos hacer todos los gráficos.
1. Hallar la forma paramétrica e implı́cita de la recta que verifica:
a) Pasa por los puntos P0 (3, 5) y P1 (−2, 4).

b) Es paralela a la recta de ecuación 4 x + 6 y + 17 = 0 y contiene al punto P (1, −3).
c) Pasa por el punto M (2, 1) y es perpendicular a la recta de forma paramétrica

x = −4 µ
, µ ∈ R.
y = −1 + 2 µ
2. Dos lados de un paralelogramo se hallan sobre las rectas x−4 y+11 = 0 y 2 x+y−5 = 0.
Si una de sus diagonales se encuentra sobre la recta de ecuación D : x − y − 1 = 0,
hallar los vértices del mismo.
3. Sean A(2, 1), B(−2, 3) y C(−10, −13) los vértices de un triángulo.
a) Hallar el coseno del ángulo determinado por la recta que contiene a A y a B, y la

que contiene a A y a C.
b) Calcular la distancia del punto B a la recta L que contiene a la mediana trazada
desde C.
4. a) Calcular el área del triángulo que determina la recta de ecuación 3 x − 4 y − 12 = 0,

con los ejes coordenados.
b) Hallar la ecuación de una recta que pase por A(4, −3), de manera que el área del
triángulo determinado por la recta y los ejes coordenados sea 3 unidades cuadradas.
5. Sean L : (m − 1) x + m y − 5 = 0 y L0 : m x + (2 m − 1) y + 7 = 0. Determinar los

valores de m para los cuales:
a) L y L0 son perpendiculares.
b) L y L0 se intersectan en un punto que pertenece al eje de las abscisas.
1
c) El producto de sus pendientes es igual a 4
.
6. Dos lados de un cuadrado se hallan sobre las rectas de ecuación L1 : 4 x − 3 y + 3 = 0

y L2 : 4 x − 3 y − 17 = 0.
a) Calcular el área del mismo.

b) Hallar las formas paramétricas de las rectas que contienen a los restantes lados
sabiendo que uno de sus vértices es el punto V0 (2, −3).
c) Hallar la ecuación de la recta L que es paralela a L1 y L2 , de manera que
d(L, L1 ) = d(L, L2 ).
7. Sea el punto A(−1, 1) y la recta de ecuación L : 2 x − y − 7 = 0.
a) Determinar el punto B, que es el simétrico de A con respecto a la recta L.

4
b) Hallar sobre L un punto C, de manera que el triángulo ABC tenga área igual a
10.
8. a) Sean A(3, 4, 1 + 2 a) y B(−3, a, 0).

i) Hallar la forma paramétrica de la recta que pasa por A y B.
ii) ¿Existe algún valor de a para el cual dicha recta contenga al punto C(9, 4, 6)?
b) Hallar la forma paramétrica de las siguientes rectas:
x = 1 − 3λ
(
i) Pasa por el punto P0 (−5, 0, 1) y es paralela a L : y=0 , λ ∈ R.
z = −1 + λ
ii) Pasa por Q(3, −1, 5) y es perpendicular al plano π : 8 x − 5 y + 2 z + 3 = 0.
Indicar sus ecuaciones simétricas.
9. a) Escribir la ecuación de los siguientes planos:

i) Pasa por el punto P (1, 3, −2) y su vector normal es n~π = (1, −3, 4).
ii) Paralelo al plano π : 3 x − y + 2 z − 3 = 0 y pasa por el origen de coordenadas.
b) Sean los puntos A(λ, 2, λ), B(2, −λ, 0) y C(λ, 0, λ + 2).
i) ¿Existe algún valor de λ ∈ R para que A, B y C estén alineados?
4
ii) Comprobar que si A, B y C no están alineados, el triángulo ABC es
isósceles.
iii) Para λ = 0, hallar la ecuación del plano que contiene al triángulo de vértices
A, B y C.
10. Escribir las ecuaciones de los siguientes planos:
a) Paralelo(s) a π : 12 x + 3 y − 4 z − 7 = 0 que diste(n) 6 unidades del mismo.

b) Pasa por los puntos M (2, −1, 3) y N (3, 1, 2) y es paralelo a ~u = (3, −1, −4).
c) Pasa por el punto P (3, 4, −5) y es paralelo a los vectores ~u = (3, 1, −1) y
~v = (1, −2, 1).
d) El pie de la perpendicular al mismo, que pasa por el origen de coordenadas, es el
punto P (1, 3, −2).
y+6
11. Dados P (1, 1, −1), L : x = = z − 3 y el plano π : x + z − 2 = 0, se pide:
4
a) Hallar el punto simétrico de P respecto a π.
1
b) Hallar los puntos Q ∈ L que distan √ unidades de π.
2

x − y + az = 0
12. Dados L : , con a ∈ R, π : x + y + z − 2 = 0 y P (1, 1, 2), se pide:
ay − z − 4 = 0
a) Hallar los valores de a para los cuales L es paralela a π.

b) Para a = 2, hallar la distancia de L a π.
c) Para a = 0, la distancia de P a L y las coordenadas del punto Q que la realiza.
13. Sea π el plano de ecuación x − 2 y − 4 z + 1 = 0. ¿Para qué valores de α y β la

x+α y−1 z−4
recta = = está contenida en π?
2 β 3
14. a) Determinar la medida del ángulo agudo formado por las rectas:
y+2 z z+5
x−3= =√ ; x+2=y−3= √ .
−1 2 2
b) Sea L la recta que pasa por el origen de coordenadas y tiene director ~v = (4, 3, 1).
Hallar las coordenadas de un punto P contenido en dicha recta, tal que si Q es
4
su proyección sobre el plano de ecuación z = 0, el triángulo OP Q tenga área 10.
x = 1 + 2λ
(
x=0
15. Sean L1 :
y+z−1=0
y L2 : y = 2 + λ , λ ∈ R.
z=λ
a) Determinar si las rectas son coplanares ó alabeadas.
b) Verificar que L1 y L2 son perpendiculares.
c) Hallar la ecuación de un plano π que contenga a L1 y sea paralelo a L2 .
16. Dado el haz de planos πλ : (1 + 2 λ)x + (1 − λ)y + (1 + 3 λ)z + (2 λ − 1) = 0, λ ∈ R, se
pide:
a) Hallar la recta L1 determinada por πλ .
b) Estudiar la posición relativa de las rectas L1 y L2 , siendo L2 la recta dada por:
x−1 y+1 z−2
L2 : = = .
4 −1 −3
c) Calcular la distancia entre ambas rectas.
17. a) Escribir como intersección de planos a la recta, contenida en el plano Y Z, que pasa
por el origen de coordenadas de manera perpendicular a la recta
x − 13 y−1 z−4
L: = = .
8 2 3
b) Determinar el simétrico del punto P (1, 0, 1) respecto a la recta determinada en el
inciso anterior.
x=2+λ
(
x−y =1
n
18. Dadas las rectas: L1 : y L2 : y=1 , λ ∈ R se pide:
−2 x + z = 0
z = −4 + λ
a) Hallar la forma paramétrica de una recta perpendicular a L1 que pase por
P (1, −1, 0) y corte a L2 .
√
b) Hallar la ecuación de un plano paralelo a L1 y L2 que diste 7 3 de la recta L2 .
x−y−5=0
n
19. Sea P (2, 1, 3) y la recta L : .
z−1=0
a) Hallar la forma paramétrcia de la recta que pasa por P y corta perpendicularmente
a L.
4
b) Hallar dos puntos A y B de L de modo que el triángulo P AB sea equilátero.
20. Hallar la distancia entre las siguientes rectas:

x = 9 + 6t
(
x+5 y+5 z−1 0
L: = = ; L : y = −2 t , t ∈ R.
3 2 −2
z =2−t
6. Espacios vectoriales
6.1. Definición. Propiedades
Definición 6.1.1 Un R−espacio vectorial ó espacio vectorial sobre R es una terna (V, +, ·)
formada por un conjunto no vacı́o V, una operación interna + : V × V → V, de modo que
+(u, v) = u + v y una operación externa · : R × V → V tal que ·(λ, u) = λ.u para las cuales
se verifican los siguientes axiomas:
V1 ) (u + v) + w = u + (v + w), para todo u, v, w ∈ V.
V2 ) u + v = v + u, para todo u, v ∈ V.
V3 ) Existe un elemento 0 ∈ V tal que u + 0 = u, para todo u ∈ V.
V4 ) Para cada u ∈ V existe u0 ∈ V tal que u + u0 = 0.
V5 ) λ.(u + v) = λ.u + λ.v, para todo λ ∈ R ; u, v ∈ V.
V6 ) (λ + µ).u = λ.u + µ.u, para todo λ, µ ∈ R ; u ∈ V.
V7 ) (λ µ).v = λ.(µ.v), para todo λ, µ ∈ R ; v ∈ V.
V8 ) 1.v = v, para todo v ∈ V.
Observación
A los elementos del conjunto V se los denomina, habitualmente, vectores y a las operaciones,
suma y producto por escalares, respectivamente. Además, a la terna (V, +, ·) se la nota
simplemente V.
Propiedades
1) El vector 0, denominado vector nulo, es único.
2) Dado u ∈ V, existe un único u0 ∈ V tal que u + u0 = 0. Lo notaremos u0 = −u y

lo denominaremos el simétrico de u. Además, por definición, escribiremos: u − v =
u + (−v).
3) 0.u = 0, para todo u ∈ V.
4) λ.0=0, para todo λ ∈ R.
5) λ.u = 0 si, y sólo si λ = 0 ó u = 0.
6) −(λ.u) = (−λ).u = λ.(−u), para todo λ ∈ R ; u ∈ V. En particular, −u = (−1).u.

Ejemplos
1. E2 y E3 con la suma y el producto por escalares definidos previamente, son R−espacios

vectoriales.
2. Rn = {(x1 , x2 , . . . , xn ) : xi ∈ R, 1 ≤ i ≤ n} es un R−espacio vectorial, definiendo
(x1 , x2 , . . . , xn ) + (y1 , y2 , . . . , yn ) = (x1 + y1 , x2 + y2 , . . . , xn + yn ),
λ.(x1 , x2 , . . . , xn ) = (λ x1 , λ x2 , . . . , λ xn ), λ ∈ R.
3. El conjunto Mm×n (R) de las matrices m × n, con la suma de matrices y el producto

de un escalar por una matriz, es un R−espacio vectorial. Cuando m = n, escribimos
Mn (R).
4. R[X], con la suma de polinomios y el producto de un escalar por un polinomio es un

R−espacio vectorial.
5. C, el conjunto de los números complejos, con la suma y el producto de un número real

por un complejo, habituales, es un R−espacio vectorial.
6. Sea X un conjunto y RX = {f : X → R}, el conjunto de todas las funciones de X en

R. Definiendo (f +g)(x) = f (x)+g(x), y (λ.f )(x) = λ f (x), para todo λ ∈ R, x ∈ X,
se tiene que la terna (RX , +, ·) es un R−espacio vectorial.
7. Si en el ejemplo anterior consideramos X = {1, 2, . . . , n} = [1, n], se tiene que

R[1,n] = {f : [1, n] → R}. Cada función f queda determinada por la n−upla
(f (1), f (2), . . . , f (n)) ∈ Rn . Identificando funciones con n−uplas se tiene que R[1,n] se
identifica con Rn . Análogamente, si consideramos X = [1, m] × [1, n], entonces RX se
identifica con Mm×n (R).
8. Z, con la suma habitual de números enteros y la siguiente ley de composición externa:
Si r ∈ R y z ∈ Z, entonces r.z = r · z = 0,
no es un espacio vectorial sobre R. Verificar como ejercicio que se cumplen todos los
axiomas, salvo V8 .
Definición 6.1.2 Sea V un R−espacio vectorial. Un vector u ∈ V se dice una combina-

ción lineal de los vectores v1 , v2 , . . . , vn si existen escalares λ1 , λ2 , . . . , λn ∈ R tales que
u = λ1 .v1 + λ2 .v2 + · · · + λn .vn .
Ejemplos
1. Sea V = R3 . Expresar, si es posible, a los vectores u = (−1, −8, 2) y v = (0, 0, 1)

como combinación lineal de los vectores v1 = (1, −1, 1) y v2 = (3, 6, 0).
El vector u es combinación lineal de v1 y v2 si, y sólo si existen λ1 y λ2 ∈ R tal
que u = λ1 .v1 + λ2 .v2 . Entonces (−1, −8, 2) = λ1 .(1, −1, 1) + λ2 .(3, 6, 0).
La combinación lineal anterior es posible si, y sólo si el sistema
λ1 + 3 λ2 = −1
(
−λ1 + 6 λ2 = −8 ,
λ1 = 2
es compatible. En este caso λ1 = 2 y λ2 = −1, por lo que u = 2.v1 + (−1).v2 .
Si consideramos v = (0, 0, 1) y realizamos el mismo planteo, el sistema resultante es
incompatible, por lo que v no es combinación lineal de v1 y v2 .
2. Dados u = (1, 2, −1), v = (6, 4, 2) y w = (9, 2, k), hallar el valor de k para el cual w
es combinación lineal de u y v.
El vector w es combinación lineal de u y v si, y sólo si λ1 .(1, 2, −1) + λ2 .(6, 4, 2) =
(9, 2, k) con λ1 y λ2 ∈ R. Es decir debemos hallar el valor de k para el cual el sistema
λ1 + 6 λ2 = 9
(
2 λ1 + 4 λ2 = 2 ,
−λ1 + 2 λ2 = k
sea compatible. Aplicando el método de eliminación de Gauss se obtiene k = 7.

6 3 1 2
3. Determinar si la matriz es combinación lineal de las matrices A =
0 8 −1 3
0 1 4 −2
B= y C= .
2 4 0 −2

6 3 1 2 0 1 4 −2
La matriz = λ1 . + λ2 . + λ3 . si, y sólo si el
0 8 −1 3 2 4 0 −2
sistema
λ + 4 λ3 = 6

 1

2 λ1 + λ2 − 2 λ3 = 3
,
 −λ1 + 2 λ2
 =0
3 λ1 + 4 λ2 − 2 λ3 = 8
es compatible. Aplicando el método de eliminación de Gauss obtenemos λ1 = 2, λ2 =
λ3 = 1, por lo que
6 3
= 2.A + B + C.
0 8
6.2. Subespacios
Definición 6.2.1 Sea V un R−espacio vectorial y ∅ = 6 S ⊆ V. El subconjunto S se dice
un subespacio de V, si la restricción de las operaciones de V a S hacen del mismo un
R−espacio vectorial.
Proposición 6.2.1 Sea V un R−espacio vectorial y S ⊆ V. Las siguientes afirmaciones

son equivalentes:
1) S es un subespacio de V.
2) S1 ) 0 ∈ S.
S2 ) Si u, v ∈ S, entonces u + v ∈ S.
S3 ) Si u ∈ S y λ ∈ R, entonces λ.u ∈ S.
Dem.
[1) ⇒ 2)] Como S 6= ∅ existe v ∈ S, esto implica que −v ∈ S y entonces v − v = 0 ∈ S, luego

se verifica S1 ). Las condiciones S2 ) y S3 ) se verifican trivialmente pues vale 1).
[2) ⇒ 1)] Como 0 ∈ S, entonces S 6= ∅. Como S verifica S2 ) y S3 ), entonces es cerrado

respecto a la suma y al producto por escalares definido en V y se verifican claramente
los axiomas V1 , V2 , . . . , V8 .
2
Observación
Las condiciones S1 ), S2 ) y S3 ) son las usadas habitualmente para probar que un subconjunto
S de un R−espacio vectorial V es un subespacio.
Ejemplos
1. {0} y V son subespacios del R−espacio vectorial V, denominados los subespacios

triviales de V.

3 x+y + z =0
2. Sea V = R y el sistema . El conjunto S, de las soluciones del
y − z=0
sistema anterior, es un subespacio de R3 .
S = {(−2 z, z, z) : z ∈ R}. Verifiquemos S1 ), S2 ) y S3 ).
Si z = 0, entonces (0, 0, 0) ∈ S y vale S1 ).
Sean v1 y v2 ∈ S, luego v1 = (−2 z0 , z0 , z0 ), z0 ∈ R y v2 = (−2 z1 , z1 , z1 ), z1 ∈ R,
entonces v1 + v2 = (−2 z0 , z0 , z0 ) + (−2 z1 , z1 , z1 ) = (−2(z0 + z1 ), z0 + z1 , z0 + z1 ) ∈ S,
por lo tanto vale S2 ).
Si v ∈ S y λ ∈ R, entonces λ.v = λ.(−2 z0 , z0 , z0 ) = (−2 λ z0 , λ z0 , λ z0 ) ∈ S, luego se
verifica S3 ) y por lo tanto, S es un subespacio de R3 .

Observemos que el sistema representa una recta de R3 , que pasa por el origen de
coordenadas.
3. Sea V = M3 (R). S = {(aij ) ∈ M3 (R) : a11 = 0} es un subespacio de V .
4. Rn [X] = {P (X) ∈ R[X] : P (X) = 0 ó grP (X) ≤ n} es un subespacio de V = R[X].
5. Sea V = R2 . El subconjunto S = {(x, y) ∈ R2 : x = y 2 } no es un subespacio de V .

En efecto, u = (1, 1) y v = (1, −1) pertenecen a S, pero u + v = (2, 0) ∈
/ S.
6. Sea T = {z ∈ C : z = z} ⊆ C. Las condiciones S1 y S2 se verifican a partir de las

propiedades del conjugado. Si k ∈ R y z ∈ T, entonces k · z = k · z = k · z, por lo que
T es un subespacio de C.
7. Sea A = (aij ) ∈ Mm×n (R). El conjunto S de soluciones del sistema homogéneo

A · X = 0 es un subespacio de Rn .
Proposición 6.2.2 Si S y T son subespacios de un R−espacio vectorial V, entonces

S ∩ T es un subespacio de V.
Dem. Veamos que S ∩ T verifica las condiciones S1 ), S2 ) y S3 ).
S1 ) Como S y T son subespacios 0 ∈ S y 0 ∈ T, luego 0 ∈ S ∩ T .
S2 ) Si u y v ∈ S ∩ T, entonces u ∈ S, u ∈ T, v ∈ S y v ∈ T, por lo tanto u + v ∈ S

y u + v ∈ T, de donde resulta u + v ∈ S ∩ T.
S3 ) Si u ∈ S ∩ T y λ ∈ R entonces u ∈ S, u ∈ T y λ ∈ R, luego λ.u ∈ S y

λ.u ∈ T, es decir λ.u ∈ S ∩ T.
2
Ejemplo
Sean S = {(x, y, z) ∈ R3 : x + y + z = 0} y T = {(x, y, z) ∈ R3 : 2 x − y + 3 z = 0}.
S ∩ T = {(x, y, z) ∈ R3 : x + y + z = 0 ; 2 x − y + 3 z = 0} y por lo tanto el subespacio de
soluciones del sistema
x+y+z =0
.
2x − y + 3z = 0
Aplicando el método de eliminación de Gauss se obtiene que S ∩ T = {(−4 y, y, 3 y) : y ∈ R}.
Entonces S ∩ T es la recta que pasa por el origen, intersección de los planos S y T .
Observaciones
1. La Proposición anterior es válida para una familia arbitraria (finita ó no) de subespacios.
2. Si S y T son subespacios de un R−espacio vectorial V, entonces S ∪ T no es

necesariamente un subespacio de V, como lo muestra el siguiente contraejemplo:
Sean V = R2 , S = {(x, y) : x = 0} y T = {(x, y) : y = 0}. Entonces (0, 1) y (1, 0)
pertenecen a S ∪ T = {(x, y) : x = 0 ó y = 0}, pero (1, 1) = (1, 0) + (0, 1) ∈
/ S ∪ T.
3. Sea V un R−espacio vectorial y X ⊆ V.

La familia F = {S : X ⊆ S ⊆ V, S subespacio de V } es no vacı́a, ya que V ∈ F.
Subespacio generado
Definición 6.2.2 Sea V un R−espacio vectorial y M ⊆ V, llamaremos subespacio

generado por M en V y notaremos M , a la intersección de todos los subespacios de V
que contienen a M.
De la definición anterior se deduce que, respecto a la inclusión de conjuntos, M es el menor

subespacio de V que contiene a M.
Entonces, si V es un R−espacio vectorial y M ⊆ V, son equivalentes:
1) S = M .
2) S ⊆ V, verifica:
a) S es subespacio.
b) M ⊆ S.
c) Si S 0 es un subespacio tal que M ⊆ S 0 , entonces S ⊆ S 0 .
Observaciones
1. Si M = ∅, entonces M = {0}.
2. S es subespacio de V si, y sólo si S = S.
Teorema 6.2.1 Sea V un R−espacio vectorial y M = {v1 , v2 , . . . , vt } ⊆ V. Entonces
M = {v ∈ V : v = λ1 .v1 + λ2 .v2 + · · · + λt .vt , λi ∈ R, 1 ≤ i ≤ t}.
Dem. Sea C = {v ∈ V : v = λ1 .v1 + λ2 .v2 + · · · + λt .vt , λi ∈ R, 1 ≤ i ≤ t}.

Probemos que
a) C es subespacio de V .
b) M ⊆ C.
c) Si S 0 es un subespacio de V tal que M ⊆ S 0 , entonces C ⊆ S 0 .

[Dem a)] Es claro que 0 = 0.v1 + 0.v2 + · · · + 0.vt ∈ C.

Sean u y v ∈ C. Entonces u = λ1 .v1 + λ2 .v2 + λ3 .v3 + · · · + λt .vt y v = µ1 .v1 +
µ2 .v2 + · · · + µt .vt , luego u + v = (λ1 + µ1 ).v1 + (λ2 + µ2 ).v2 + · · · + (λt + µt ).vt ∈ C
y λ.u = (λ λ1 ).v1 + (λ λ2 ).v2 + · · · + (λ λt ).vt ∈ C. En consecuencia, C es un
subespacio de V .
[Dem b)] Sea vi ∈ M, 1 ≤ i ≤ t. Como vi = 1.vi , entonces vi ∈ C y por lo tanto M ⊆ C.
[Dem c)] Sea S 0 ⊆ V, S 0 un subespacio de V tal que M ⊆ S 0 .
Si v ∈ C, entonces v = λ1 .v1 + λ2 .v2 + · · · + λn .vt , y como vi ∈ M ⊂ S 0 , entonces
vi ∈ S 0 para todo 1 ≤ i ≤ t. Como S 0 es subespacio, v ∈ S 0 y por lo tanto
C ⊆ S 0.
2
Definición 6.2.3 Si V es un R−espacio vectorial y G ⊆ V es tal que G = V, entonces
G se dice un sistema de generadores de V .
Si existe un conjunto finito G de generadores, entonces V se dice finitamente generado
ó de dimensión finita y se nota dimR V < ∞. Caso contrario V se dice de dimensión
infinita y se nota dimR V = ∞.
Ejemplos
1. ∅ = {0} y V = V .
2. Sea M = {(1, 2, 0), (0, −1, 1), (3, 5, 1), (−2, −4, 0)} ⊂ R3 . Si (x, y, z) ∈ M entonces
(x, y, z) = λ1 .(1, 2, 0) + λ2 .(0, −1, 1) + λ3 .(3, 5, 1) + λ4 .(−2, −4, 0), luego el sistema
λ1 + 3 λ3 − 2 λ4 = x
(
2 λ1 − λ2 + 5 λ3 − 4 λ4 = y
λ2 + λ3 = z
λ1 + 3 λ3 − 2 λ4 = x
(
es compatible. Aplicamos Gauss y obtenemos −λ2 − λ3 = y − 2 x . Como el
0 = y − 2x + z
sistema es compatible se verifica que − 2 x + y + z = 0, luego
M = {(x, y, z) ∈ R3 : −2 x + y + z = 0}.
3. Si V = R[X], entonces M = {1, X, X 2 , . . . , X n , . . .} es tal que M = R[X], pero V

no es finitamente generado.
4. Rn está generado por e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, 0, . . . , 0, 1).
5. El R−espacio vectorial R está generado por {1} y también por {k}, k 6= 0.
6. Geométricamente, el subespacio de R3 generado por dos vectores no nulos es un plano
que pasa por el origen ó una recta que pasa por el origen.
7. Sea V = R2 [X] y W = {X + 1, X 2 + 1}. Queremos caracterizar a W por medio de

ecuaciones.
El polinomio P (X) = a2 X 2 + a1 X + a0 ∈ W si, y sólo si a2 X 2 + a1 X + a0 =
λ1 (X + 1) + λ2 (X 2 + 1) = λ2 X 2 + λ1 X + (λ1 + λ2 ). Entonces
λ 1 + λ 2 = a0
(
P (X) ∈ W si, y sólo si λ1 = a1 es compatible.
λ2 = a2
Utilizamos el método de eliminación de Gauss y concluimos que el sistema es compatible

si se verifica a2 + a1 − a0 = 0. Entonces
W = {a2 X 2 + a1 X + a0 ∈ R2 [X] : a0 = a1 + a2 }.
Proposición 6.2.3 Sea V un R−espacio vectorial y v1 , v2 , . . . , vt ∈ V. Entonces si u =

λ1 .v1 + λ2 .v2 + · · · + λt .vt se tiene que {v1 , v2 , . . . , vt , u} = {v1 , v2 , . . . , vt }.
Dem. Si v ∈ {v1 , v2 , . . . , vt , u}, entonces v = µ1 .v1 + µ2 .v2 + · · · + µt .vt + µ.u = µ1 .v1 + µ2 .v2
+· · ·+µt .vt +µ.(λ1 .v1 +λ2 .v2 +· · ·+λt .vt ) = (µ1 +λ1 µ).v1 +(µ2 +λ2 µ).v2 +· · ·+(µt +λt µ).vt ∈
{v1 , v2 , . . . , vt }.
Recı́procamente, si v ∈ {v1 , v2 , . . . , vt }, entonces v = µ1 .v1 + µ2 .v2 + · · · + µt .vt = µ1 .v1 +
µ2 .v2 + · · · + µt .vt + 0.u ∈ {v1 , v2 , . . . , vt , u}. Por doble inclusión se obtiene la igualdad de los
subespacios. 2
Observación
El resultado anterior nos permite caracterizar subespacios generados por medio de ecuaciones
eliminando generadores supérfluos. El proceso de eliminación puede llevarse a cabo, en el caso
de Rn , utilizando operaciones elementales, lo que permite obtener un nuevo sistema de ge-
neradores a partir del cual el cálculo resulta más simple.
Ejemplo
Sea V = R4 y S = {(1, −1, 1, 1), (2, 3, 0, 1), (−1, −4, 1, 0), (1, 1, 1, 1)}.
Para eliminar generadores supérfluos consideramos la matriz cuyas filas están formadas por los
generadores de S. Aplicamos operaciones elementales y obtenemos:
     
1 −1 1 1 1 −1 1 1 1 −1 1 1
 2
 3 0 1  →  0
 5 −2 −1   →  0
 5 −2 −1   →
 −1 −4 1 0   0 −5 2 1   0 0 0 0 
1 1 1 1 0 2 0 0 0 1 0 0
   
1 −1 1 1 1 −1 1 1
 0 1 0 0   0 1 0 0 
 
 → .
 0 5 −2 −1   0 0 −2 −1 
0 0 0 0 0 0 0 0
Entonces S = {(1, −1, 1, 1), (0, 1, 0, 0), (0, 0, 2, 1)} = {(x, y, z, t) : x + z − 2 t = 0}.
En lo que sigue trabajaremos con R−espacios vectoriales finitamente generados, si bien los
resultados que se obtienen son, en general, para espacios vectoriales arbitrarios.
6.3. Dependencia lineal y bases

Dado un R−espacio vectorial V y v1 , v2 , . . . , vn ∈ V, siempre es posible escribir al vector
0 como combinación lineal de v1 , v2 , . . . , vn . Basta considerar la combinación lineal trivial
0 = 0.v1 + 0.v2 + · · · + 0.vn .
Definición 6.3.1 Sea V un R−espacio vectorial y v1 , v2 , . . . , vn ∈ V. Se dice que

v1 , v2 , . . . , vn son linealmente independientes ó que el conjunto {v1 , v2 , . . . , vn } es
linealmente independiente si la condición λ1 .v1 + λ2 .v2 + · · · + λn .vn = 0, con λi ∈ R,
1 ≤ i ≤ n, implica λ1 = λ2 = · · · = λn = 0.
Caso contrario se dice que los vectores v1 , v2 , . . . , vn son linealmente dependientes, ó que
el conjunto {v1 , v2 , . . . , vn } es linealmente dependiente.
Ejemplos
1. Sea V = R2 . M = {(2, 3), (1, −1)} es linealmente independiente pues si

2 λ1 + λ2 = 0
λ1 .(2, 3) + λ2 .(1, −1) = (0, 0), entonces , lo que implica 5 λ1 = 0 y por
3 λ1 − λ2 = 0
lo tanto λ1 = 0 = λ2 .
2. Los siguientes resultados son de utilidad práctica:
a) {v} es linealmente independiente si, y sólo si v 6= 0.

b) Dado M = {v1 , v2 , . . . , vn } ⊆ V, si vi = 0, para algún i = 1, 2, . . . , n, entonces
M es linealmente dependiente.
c) Si u 6= 0 y v 6= 0, entonces: {u, v} es linealmente dependiente si, y sólo si existe
λ ∈ R, ; λ 6= 0 tal que u = λ.v.
3. Si V = R[X], M = {1, X, X 2 , X 2 + X + 1} es linealmente dependiente pues

1 + X + X 2 + (−1)(X 2 + X + 1) = 0.
4. Sea V = R3 y M = {(x1 , y1 , z1 ), (x2 , y2 , z2 ), (x3 , y3 , z3 )} ⊆ R3 . Entonces:

x1 x2 x3

M es linealmente dependiente si, y sólo si y1 y2 y3 = 0.
z1 z2 z3
     
 1 0 0 0 1 1 0 0 1 
5. Sea V = M3 (R) y M =  0 0 0  ,  0 0 0  ,  −1 0 0  .
0 0 0 0 0 0 0 0 0
 
Supongamos que:
       
1 0 0 0 1 1 0 0 1 0 0 0
λ1 . 0 0 0
  + λ2 . 0 0 0
  + λ3 . −1
 0 0  =  0 0 0  . Entonces
0 0 0 0 0 0 0 0 0 0 0 0
   
λ1 λ2 λ2 + λ3 0 0 0
 −λ3 0 0  =  0 0 0  , lo que implica que λ1 = λ2 = λ3 = 0.
0 0 0 0 0 0
Por lo tanto M es linealmente independiente.
6. En el R−espacio vectorial C, el conjunto {1, i} es linealmente independiente.
Caracterización de los conjuntos linealmente independientes
Teorema 6.3.1 Dados v1 , v2 , . . . , vn ∈ V, las siguientes condiciones son equivalentes:
1) {v1 , v2 , . . . , vn } es linealmente independiente.
2) Si λ1 .v1 + λ2 .v2 + · · · + λn .vn = µ1 .v1 + µ2 .v2 + · · · + µn .vn , entonces λi = µi , 1 ≤ i ≤ n.
3) Ningún vi es combinación lineal de los restantes.
4) v1 6= 0 y ningún vi , 2 ≤ i ≤ n es combinación lineal de los precedentes.
Dem.
[1) ⇒ 2)] Si λ1 .v1 + λ2 .v2 + · · · + λn .vn = µ1 .v1 + µ2 .v2 + · · · + µn .vn , entonces

(λ1 − µ1 ).v1 + · · · + (λn − µn ).vn = 0 luego por 1), λi − µi = 0, 1 ≤ i ≤ n, por lo tanto
λi = µi , 1 ≤ i ≤ n.
[2) ⇒ 3)] Si vi = λ1 .v1 + λ2 .v2 + · · · + λi−1 .vi−1 + λi+1 .vi+1 + · · · + λn .vn , entonces
λ1 .v1 + λ2 .v2 + · · · + λi−1 .vi−1 − vi + λi+1 .vi+1 + · · · + λn .vn = 0 = 0.v1 + 0.v2 + · · · +
0.vi + · · · + 0.vn y como −1 6= 0, se contradice 2).
[3) ⇒ 4)] Si v1 = 0 = 0.v2 + · · · + 0.vn se contradice 3), por lo tanto, v1 6= 0.

Supongamos que algún vi , 2 ≤ i ≤ n es tal que vi = λ1 .v1 + λ2 .v2 + · · · + λi−1 .vi−1 .
Esto implica que vi = λ1 .v1 + · · · + λi−1 .vi−1 + 0.vi+1 + · · · + 0.vn , que contradice 3).
[4) ⇒ 1)] Supongamos que λ1 .v1 + λ2 .v2 + · · · + λn .vn = 0, debemos probar que λi = 0 ; 1 ≤ i ≤ n.
Supongamos que existe i, 1 ≤ i ≤ n tal que λi 6= 0. Sea t el mayor subı́ndice tal
que λt 6= 0. Se tiene que t > 1, pues si t = 1, λ1 .v1 = 0 con λ1 6= 0, entonces
v1 = 0. Por lo tanto 0 = λ1 .v1 + · · · + λt .vt + 0.vt+1 + · · · + 0.vn , de donde se deduce que
λ1 λ2 λt−1
vt = − .v1 − .v2 − · · · − .vt−1 .
λt λt λt
Luego vt es combinación lineal de los precedentes, en contradicción con 4). Por lo tanto
λi = 0, para todo i, 1 ≤ i ≤ n, y {v1 , v2 , . . . , vn } es linealmente independiente.
2
Propiedades
1. Si M = {v1 , v2 , . . . , vk } es linealmente independiente, la manera de expresar a un vector

v como combinación lineal de los vectores de M es única.
2. Si M = {v1 , v2 , . . . , vk } es linealmente independiente, todo subconjunto de M lo es.
3. Si los vectores v1 , v2 , . . . , vk , son linealmente independientes, entonces vi 6= vj para

todo i 6= j.
4. Si M = {v1 , v2 , . . . , vk } es linealmente independiente y u no es combinación lineal de

ellos, entonces {v1 , v2 , . . . , vk , u} es linealmente independiente.
Proposición 6.3.1 Sean v1 , v2 , . . . , vn ∈ V. Entonces
a) {v1 , v2 , . . . , vn } es linealmente independiente si, y sólo si {v1 , v2 +k2 .v1 , . . . , vn +kn .v1 }
es linealmente independiente, para todo k2 , . . . , kn ∈ R.
b) {v1 , v2 , . . . , vn } es linealmente independiente si, y sólo si {k.v1 , v2 , . . . , vn } es lineal-

mente independiente, para todo k 6= 0, k ∈ R.
Dem. Ejercicio a cargo del lector entusiasta. 2

Observación
La Proposición anterior permite averiguar si un subconjunto de vectores de Rn es linealmente
independiente, utilizando operaciones elementales. En efecto, podemos formar una matriz A
cuyas filas son los vectores dados. Como el escalonamiento de A se logra sumando a filas de
A combinaciones lineales de otras filas de A, la independencia de los vectores dados resultará
de la independencia de los vectores fila de la matriz escalonada.
Ejemplo
Determinar si el conjunto {(1, −1, 3, 2), (4, 3, −2, 1), (3, 2, 1, 0)} es linealmente independiente.
     
1 −1 3 2 1 −1 3 2 1 −1 3 2
 4 3 −2 1  →  0 7 −14 −7  →  0 1 −2 −1  →
3 2 1 0 0 5 −8 −6 0 5 −8 −6
 
1 −1 3 2
 0 1 −2 −1  .
0 0 2 −1
Es fácil ver que los vectores fila de la última matriz son linealmente independientes, luego los
vectores dados son linealmente independientes.
La noción de independencia y dependencia lineal se generaliza para un subconjunto arbitrario
de V como sigue:
Definición 6.3.2 Sea V un R−espacio vectorial y L ⊆ V. Se dice que L es linealmente

independiente si L = ∅ ó si cualquier subconjunto finito de L es linealmente independiente.
Caso contrario L se dice linealmente dependiente.
Definición 6.3.3 Sea V un R−espacio vectorial. Un subconjunto B de V se dice una

base de V si:
B1 ) B es linealmente independiente.
B2 ) V = B.
Es decir, una base de un R−espacio vectorial V es un conjunto de vectores linealmente

independientes que genera a V, lo que es equivalente a decir, por el Teorema 6.3.1, que todo
vector de V se escribe en forma única como combinación lineal de vectores de B.
Ejemplos
1. Si V = {0}, entonces B = ∅ es una base de V .
2. Cn = {(1, 0, . . . , 0), (0, 1, 0, . . . , 0), . . . , (0, 0, 0, . . . , 1)} es una base de Rn llamada la

base canónica.
3. Si V = R3 , entonces B = {(1, −1, 0), (0, 1, 0), (2, 1, 3)} es una base de R3 .
En efecto:
B es linealmente independiente pues λ1 .(1, −1, 0) + λ2 .(0, 1, 0) + λ3 .(2, 1, 3) = (0, 0, 0)
λ1 + 2 λ3 = 0
(
implica que −λ1 + λ2 + λ3 = 0 , y por lo tanto λ1 = λ2 = λ3 = 0.
3 λ3 = 0
Además si (x, y, z) ∈ R3 , (x, y, z) = (x − 32 z).(1, −1, 0) + (x + y − z).(0, 1, 0) +
( 31 z).(2, 1, 3), por lo tanto B genera a V .
4. Si V = E2 , una base de V está formada por dos vectores no nulos ni paralelos.

Si V = E3 , forman base de V tres vectores no nulos y no paralelos a un mismo plano
(no coplanares si los pensamos con origen común).

1 0 0 1 0 0 0 0
5. Si V = M2 (R), B = , , , es una base de V .
0 0 0 0 1 0 0 1
Proposición 6.3.2 Sea V = {w1 , w2 , . . . , ws } un R−espacio vectorial y {v1 , v2 , . . . , vr }

un subconjunto linealmente independiente de V. Entonces r ≤ s.
Dem. Como {w1 , w2 , . . . , ws } genera V entonces vi = a1i .w1 + a2i .w2 + · · · + asi .ws ;
1 ≤ i ≤ r. Consideremos el sistema de s ecuaciones con r incógnitas homogéneo:
a11 x1 + a12 x2 + · · · + a1r xr = 0


a x + a x + ··· + a x = 0

21 1 22 2 2r r
.. .. .. .

 . . .
as1 x1 + as2 x2 + · · · + asr xr = 0

Si r > s, entonces el sistema es compatible indeterminado, por lo que existe una solución no
trivial del mismo (λ1 , λ2 , . . . , λr ). Entonces:
λ1 .v1 + λ2 .v2 + · · · + λr .vr = λ1 .(a11 .w1 + a21 .w2 + · · · + as1 .ws ) + λ2 .(a12 .w1 + a22 .w2 + · · · +
as2 .ws ) + · · · + λr .(a1r .w1 + a2r .w2 + · · · + asr .ws ) = (λ1 a11 + λ2 a12 + · · · + λr a1r ).w1 + (λ1 a21 +
λ2 a22 + · · · + λr a2r ).w2 + · · · + (λ1 as1 + λ2 as2 + · · · + λr asr ).ws = 0.w1 + 0.w2 + · · · + 0.ws = 0,
con algún λi no nulo. Esto contradice la hipótesis de que {v1 , v2 , . . . , vr } es linealmente
independiente. Por lo tanto r ≤ s. 2
Teorema 6.3.2 Sea V un R−espacio vectorial de dimensión finita y S ⊆ V, un conjunto

linealmente independiente. Entonces existe una base B de V que contiene a S.
Dem. Si S = {v1 , v2 , . . . , vr } genera V, la Proposición está probada. Caso contrario, existe

u1 ∈ V tal que {v1 , v2 , . . . , vr , u1 } es linealmente independiente.
Si {v1 , v2 , . . . , vr , u1 } no genera V, reiteramos el procedimiento anterior y luego de un
número finito de pasos, pues V es finitamente generado, obtenemos u1 , u2 , . . . , us ∈ V de
modo que B = {v1 , v2 , . . . , vr , u1 , u2 , . . . , us } es linealmente independiente y genera V.
Por lo tanto B es base de V . 2
Corolario 6.3.1 Todo R−espacio vectorial V de dimensión finita tiene una base. Además,
dos bases de V son coordinables.
Dem. Si V = {0}, entonces B = ∅ es base. Si V 6= {0}, entonces existe v1 ∈ V, v1 6= 0.

Para mostrar la existencia de una base B, basta considerar S = {v1 }, que es linealmente
independiente y aplicar el Teorema 6.3.2. Si B y B 0 son bases de V, con cardinal s y t,
respectivamente, se tiene que s ≤ t y t ≤ s, por lo que s = t. 2
Definición 6.3.4 Sea V un R−espacio vectorial. Diremos que V tiene dimensión n

sobre R si posee una base con n vectores. Se nota dimR V = n.
Observaciones
1. El Corolario anterior es válido para un R−espacio vectorial V arbitrario.
2. Si dimR V = n, entonces:
i) Todo conjunto de vectores con más de n elementos es linealmente dependiente.

ii) B = {v1 , v2 , . . . , vn } es base de V si, y sólo si B es linealmente independiente.
3. Si V = {v1 , v2 , . . . , vk }, entonces dimR V es el número máximo de vectores linealmente

independientes existentes entre los k generadores.
Ejemplos
1. Si V = {0}, entonces B = ∅ es base y dimR V = 0.
2. dimR E2 = 2 y dimR E3 = 3.
3. Si V = Rn , entonces dimR Rn = n.
4. Si V = M2 (R) se tiene que dimR V = 4.
5. Si V = Rn [X] = {P (X) ∈ R[X] : P (X) = 0 ó grP (X) ≤ n}, entonces

B = {1, X, X 2 , . . . , X n } es una base de V, por lo tanto dimR Rn [X] = n + 1.
Proposición 6.3.3 Si S es un subespacio propio de V y dimR V < ∞, entonces dimR S <

dimR V.
Dem. Como dimR V +1 vectores de S son linealmente dependientes, entonces dimR S < ∞.
Si {w1 , w2 , . . . , wm } es una base de S, entonces es un subconjunto linealmente independiente
de V. En consecuencia, existe una base B de V tal que {w1 , w2 , . . . , wm } ⊆ B. Luego
dimR S ≤ dimR V. Si dimR S = dimR V, entonces B = {w1 , w2 , . . . , wm }. Por lo tanto
S = V, una contradicción, ya que S es propio. En consecuencia dimR S < dimR V. 2
Ejemplo

4 x1 − x2 + 2 x3 = 0
Sea S ⊆ R , el subespacio de soluciones del sistema . Entonces
x3 − x4 = 0
S = {(x2 − 2 x4 , x2 , x4 , x4 ) : x2 , x4 ∈ R} = {x2 .(1, 1, 0, 0) + x4 .(−2, 0, 1, 1) : x2 , x4 ∈ R} =
{(1, 1, 0, 0), (−2, 0, 1, 1)}. Como BS = {(1, 1, 0, 0), (−2, 0, 1, 1)} es linealmente independiente,
es una base de S.
6.4. Componentes
Una de las caracterı́sticas de una base B de un R−espacio vectorial V, de dimensión
n, es que permite introducir componentes en V en forma análoga a las de un vector v =
(x1 , x2 , . . . , xn ) ∈ Rn . Dada una base B = {v1 , v2 , . . . , vn } y u ∈ V, las componentes de
u se obtienen a partir de la unicidad de la expresión de u como combinación lineal de los
vectores de B. Si B es la base canónica de Rn se puede decir cuál es la i−ésima componente
porque se tiene un orden natural, si B es una base arbitraria se lo debe fijar. Necesitamos
entonces el concepto de base ordenada.
Definición 6.4.1 Si V es un R−espacio vectorial de dimensión n, una base ordenada es

una sucesión v1 , v2 , . . . , vn de vectores linealmente independientes que generan V .
Observación
Si v1 , v2 , . . . , vn es base ordenada, entonces B = {v1 , v2 , . . . , vn } es base de V. Por abuso
de notación escribiremos B = {v1 , v2 , . . . , vn } para notar a la base ordenada B.
Tener en cuenta que B = {v1 , v2 , . . . , vn } 6= B 0 = {v2 , v3 , . . . , vn , v1 } como bases ordenadas,
pero iguales como bases.
Sea V un R−espacio vectorial de dimensión n y B = {v1 , v2 , . . . , vn } una base ordenada
de V. Dado u ∈ V existe una única n−upla (x1 , x2 , . . . , xn ) ∈ Rn tal que
u = x1 .v1 + x2 .v2 + · · · + xn .vn , xi se denomina la i−ésima componente   de u respecto
x1
 x2 
a B. Notamos (u)B = (x1 , x2 , . . . , xn ) ó matricialmente [u]B =  ..  . Fijada la base
 
 . 
xn
n
ordenada B la correspondencia ϕ : V → R definida por ϕ(u) = (x1 , x2 , . . . , xn ), si
u = x1 .v1 + x2 .v2 + · · · + xn .vn , es biyectiva y además, si u = x1 .v1 + x2 .v2 + · · · + xn .vn ,
v = y1 .v1 + y2 .v2 + · · · + yn .vn y λ ∈ R, se tiene que:
u + v = (x1 + y1 ).v1 + · · · + (xn + yn ).vn ; λ.u = (λ x1 ).v1 + · · · + (λ xn ).vn .
Por lo tanto ϕ(u + v) = ϕ(u) + ϕ(v) y ϕ(λ.u) = λ.ϕ(u).

Como ϕ respeta las operaciones, entonces podemos identificar a cada R−espacio vectorial
V de dimensión n, con Rn .
6.5. Ejercicios
1. Determinar cuales de los siguientes conjuntos son R−espacios vectoriales:
a) V = R2 con las operaciones:

(x, y) + (x0 , y 0 ) = (x + x0 + 1 , y + y 0 + 1) ; λ.(x, y) = (λ x , λ y), λ ∈ R.
b) V = R+ = {x ∈ R : x > 0}, con las operaciones:
x⊕y =x·y ; λ x = xλ , λ ∈ R.
2. Dados los vectores v1 = (2, 5, 1), v2 = (10, 1, 5) y v3 = (4, 1, −1), hallar w ∈ R3 que
verifique:
a) 3.(v1 − w) + 2.(v2 + w) = 5.(v3 + w).

b) v1 + 3.v2 + 4.v3 + 2.w = 0.
3. Sea V = R3 . Hallar todos los valores de k para los cuales el vector u es combinación
lineal de los vectores dados a continuación:
a) v1 = (2, 3, 5), v2 = (3, 7, 8), v3 = (1, −6, 1) y u = (7, −2, k).

b) v1 = (3, 4, 2), v2 = (6, 8, 7) y u = (9, 12, k).
c) v1 = (4, 4, 3), v2 = (7, 2, 1), v3 = (4, 1, 6) y u = (5, 9, k).

d) v1 = (1, 2, −1), v2 = (2, 4, −2) y u = (4, 5, 2 k).
4. a) Sea V = R3 y u = (1, −2, 3). Escribir, si es posible, al vector u como combina-

ción lineal de los vectores pertenecientes a los siguientes conjuntos, indicando si la
expresión es única: {(−1, 1, 1), (0, 0, 1), (0, 1, 1)}, {(−1, 2, 3), (0, 0, 1), (−1, 2, 0)},
{(1, 2, 0), (0, 0, −1)}.
13

18 6
b) Sea V = M2 (R). Verificar que la matriz A = es combinación lineal
8 −18
1
3 1

5 2 4 6
de y .
0 −2 2 −3
c) Expresar, si es posible, a P (X) ∈ R[X], como combinación lineal de q(X) =
2 X 2 + 3 X + 4 y r(X) = X 2 − 2 X − 3, en los siguientes casos:
i) P (X) = 4 X 2 + 13 X + 18.
ii) P (X) = 4 X 2 − 6 X − 1.
5. Determinar cuales de los siguientes subconjuntos son subespacios del correspondiente

R−espacio vectorial:
a) S = {(x, y, z) ∈ R3 : x + y − z = 0 }.
b) S = {(x, y) ∈ R2 : 2 x − 4 y ≥ 0}.
c) S = {A ∈ Mn (R) : det A = 0}.
d) S = {X ∈ Mn (R) : A · X = X · A, con A ∈ Mn (R), fija },
e) S = {A ∈ M3 (R) : A tiene alguna fila nula}.
f) S = {P (X) ∈ R4 [X] : P (1) = P 0 (1) = 0}.
g) S = {P (X) ∈ R[X] : P (X) = 0 ó gr P (X) = n, con n ∈ N, fijo}.
6. a) Calcular los subespacios generados por los siguientes subconjuntos de vectores:

i) {(1, 1), (0, 1), (2, 1)} ⊆ R2 .
ii) {(1, 2, −1), (1, 0, 1), (0, 1, 0)} ⊆ R3 .
iii) {(1, 1, 2), (0, 0, 1)} ⊆ R3 .
b) Verificar que {(0, 1, 1), (0, 2, −1)} = {(0, 1, 2), (0, 2, 3), (0, 3, 1)}.
c) Hallar α, β ∈ R, de modo que {(−1, 5, 4), (α, −2, −3)} = {(β, 1, 0), (5, −1, −2)}.
7. a) Mostrar que {(1, 1), (1, 2), (2, 1)} forman un sistema de generadores de R2 .
b) Hallar un sistema de generadores de los siguientes subespacios:
i) W = {(x, y) ∈ R2 : 2 x + y = 0}.
ii) W = {(x, y, z) ∈ R3 : x + y = 0, z − y = 0}.

a − 3b 4b
iii) W = : a, b ∈ R ⊆ M2 (R).
−4 b a + 3 b
8. Determinar si los conjuntos de vectores indicados a continuación son linealmente indepen-
dientes:
a) {(3, 0, 1), (2, 1, 0), (0, 1, 2)} ⊆ R3 .

b) {(1, 1) , (2, −1) , (0, 0)} ⊆ R2 .
c) {(1, −3, 7) , (2, 0, −6) , (3, −1, −1) , (2, 4, −5)} ⊆ R3 .
d) {1 − X, 1 + X, X 2 } ⊆ R2 [X].

2 −1 0 −3 4 1
e) , , ⊆ M2 (R).
4 0 1 5 7 −5
9. Determinar en cada caso los valores de k para los cuales el conjunto de vectores que se
indica es linealmente independiente:
a) {(1, k), (1 + k, 0)} ⊆ R2 .

b) {(0, 1, 3), (−1, 1, k), (1, −2, 0)} ⊆ R3 .
c) {(1, −1, 2), (k, k − 1, k + 6), (k − 1, k, 1)} ⊆ R3 .

k−1 k+1 0 k+1 1 1 2 −1
d) , , , ⊆ M2 (R).
1 0 0 0 0 k −1 k
10. Sea {v1 , v2 , v3 } un conjunto de vectores linealmente independiente de un R−espacio

vectorial V. Indicar, justificando la respuesta, si las siguientes afirmaciones son verdade-
ras ó falsas:
a) {v1 − v2 , v2 − v3 , v3 − v1 } es linealmente dependiente.

b) {v1 , v1 + v2 , v1 + v3 } es linealmente independiente.
c) {v1 + v2 , v2 + v3 , v1 + v3 } es linealmente independiente.
d) {v1 − α.v3 , v1 + β.v2 , α.v2 + β.v3 } es linealmente dependiente si β 2 = 2 α.
11. Sean v1 , v2 y v3 , vectores linealmente independientes de un R−espacio vectorial V y

w = 3.v1 + 3.v2 + (β + 5).v3 .
Si S = {v1 + v2 + 2.v3 , v1 − v2 , 2.v1 + 2.v3 , v1 − v2 + (1 − α).v3 }, hallar los valores de
α y β para los cuales w ∈ S.
12. Sea F = {(1, 2, 3, 4), (4, 3, 2, 1), (3, 1, −1, −3)} ⊆ R4 . ¿Existe algún subespacio vectorial
S tal que F ⊂ S ⊂ R4 ?
13. Hallar una base y la dimensión de los siguientes subespacios:

a 0
a) W = : a = c + d ⊆ M2 (R).
c d
b) F = {P (X) ∈ R3 [X] : P (0) = P (2) = 0}.

· X = X ·B} ; S 0 = {X ∈ M2 (R) : A · X = B · X}, con
{X ∈ M2 (R) : A
c) S =
2 0 1 0
A= y B= .
1 1 −1 1
14. a) Verificar que los vectores u = (1, 1, 0, 2) y v = (1, −1, 2, 0) forman un conjunto
linealmente independiente y extenderlo a una base de R4 .
b) Hallar una base de R4 que contenga al vector (1, 2, −1, 1).
c) ¿Existe una base de R3 que contenga a los vectores (1, −1, 2) y (2, −2, 4)?
15. Hallar una base y la dimensión de S ∩ T, siendo:
a) S = {(x, y, z, t) : x − y − z + t = 0 , x + 2 y − 2 z + t = 0} y T = {(x, y, z, t) :
x − 2 y − z = 0}.
b) S = {(x, y, z) : x − y + 2 z = 0} y T = {(0, −3, 0), (1, 1, 1)}.
c) S = {(1, 1, 2), (1, −2, 0)} y T = {(4, 0, −2), (2, 0, −1)}.

x y c d
d) S = : x, y ∈ R y T = : c, d, e ∈ R .
−y x e −c
7. Cambio de base. Bases ortonormales
7.1. Cambio de base

Recordemos que si V es un R−espacio vectorial de dimensión n y B = {b1 , b2 , . . . , bn } es
una base ordenada de V, todo vector v ∈ V puede escribirse de manera única como combina-
ción lineal de los vectores de la base B. Es decir, existen α1 , α2 , . . . , αn ∈ R, unı́vocamente
determinados, tales que v = α1 .b1 + α2 .b2 + · · · + αn .bn . Los coeficientes α1 , α2 , . . . , αn , se
denominan las componentes del vector v con respecto a la base ordenada B. Usaremos, de
acuerdo a las circunstancias, las siguientes notaciones:
 
α1
 α2 
[v]B =  ..  , matriz de orden n × 1 ó (v)B = (α1 , α2 , . . . , αn ). En este último caso, si
 
 . 
αn
V = Rn y B es la base canónica, escribiremos simplemente v = (α1 , α2 , . . . , αn ).
Sean B = {b1 , b2 , . . . , bn } y B 0 = {b01 , b02 , . . . , b0n }, bases ordenadas de un R−espacio
vectorial V. Dado v ∈ V, queremos hallar sus componentes en la base B 0 , conocidas las
mismas en la base B.
Supongamos que (v)B = (α1 , α2 , . . . , αn ) y que b1 = a11 .b01 + a21 .b02 + · · · + an1 .b0n ,
b2 = a12 .b01 + a22 .b02 + · · · + an2 .b0n , . . . , bn = a1n .b01 + a2n .b02 + · · · + ann .b0n .
Entonces v = α1 .(a11 .b01 + a21 .b02 + · · · + an1 .b0n ) + α2 .(a12 .b01 + a22 .b02 + · · · + an2 .b0n ) + · · · +
αn .(a1n .b01 + a2n .b02 + · · · + ann .b0n ) = (a11 α1 + a12 α2 + · · · + a1n αn ).b01 + (a21 α1 + a22 α2 + · · · +
a2n αn ).b02 + · · · + (an1 α1 + an2 α2 + · · · + ann αn ).b0n .
     
a11 α1 + a12 α2 + · · · + a1n αn a11 a12 · · · a1n α1
 a21 α1 + a22 α2 + · · · + a2n αn   a21 a22 · · · a2n   α2 
Es decir, [v]B 0 =  = . · ,
     
.. .. .. .. ..
 .   . . . ..   . 
an1 α1 + an2 α2 + · · · + ann αn an1 an2 · · · ann αn
luego,  
a11 a12 · · · a1n
 a21 a22 · · · a2n 
[v]B 0 = · [v]B .
 
.. .. . . . .. 
 . . . 
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
La matriz A =  ..  = [b1 ]B 0 [b2 ]B 0 · · · [bn ]B 0 , cuyas columnas
 
.. .. . .
 . . . . 
están formadas por las componentes de los vectores de la base B respecto a la base B 0 , se
denomina la matriz de cambio de base de la base B a la base B 0 y la notaremos [B]B 0 .
Obtenemos entonces que:

[v]B 0 = [B]B 0 · [v]B ,
igualdad que nos permite hallar las componentes de cualquier vector v respecto a la base B 0 ,
conociendo sus componentes respecto a la base B.
Análogamente [v]B = [B 0 ]B · [v]B 0 permite obtener las componentes de cualquier vector v
respecto a la base B, conociendo sus componentes respecto a la base B 0 .
Proposición 7.1.1 Si B y B 0 son bases ordenadas de un R−espacio vectorial V de
dimensión n, entonces [B 0 ]B = [B]−1
B0 .
Dem. [v]B 0 = [B]B 0 · [v]B = [B]B 0 · ([B 0 ]B · [v]B 0 ) = ([B]B 0 · [B 0 ]B ) · [v]B 0 , para todo v ∈ V.
 
1
 0 
Sea [B]B 0 · [B 0 ]B = (cij ). Si v = b01 , entonces como [b01 ]B 0 =  ..  se tiene que
 
 . 
0
       
1 c11 c12 · · · c1n 1 c11
 0   c21 c22 · · · c2n   0   c21 
 ..  =  .. ..  ·  ..  =  ..  .
       
.. . .
 .   . . . .   .   . 
0 cn1 cn2 · · · cnn 0 cn1
Repitiendo el procedimiento para cada uno de los vectores de la base B 0 obtenemos que
(cij ) = In , de donde resulta la Proposición. 2
Ejemplo
Sean B = {(1, −1, 2), (1, 0, 1), (2, −1, 1)} y B 0 = {(3, 0, 1), (−1, 2, 0), (2, 2, 3)} bases orde-
nadas de R3 . Si (v)B = (1, 2, −1) queremos hallar sus componentes en la base B 0 .
Para hallar [B]B 0 , debemos escribir cada vector de la base B como combinación lineal de los
vectores de la base B 0 . Supongamos que (1, −1, 2) = α · (3, 0, 1) + β · (−1, 2, 0) + γ · (2, 2, 3).
3α − β + 2γ = 1
(
Entonces se obtiene el sistema 2 β + 2 γ = −1 , cuya solución es α = − 34 , β = − 12 17
y
α + 3γ = 2
γ = 11
12
. Por lo tanto, (1, −1, 2) = (− 34 ) · (3, 0, 1) + (− 12
17
) · (−1, 2, 0) + 11
12
· (2, 2, 3). Haciendo
1
lo mismo para los otros dos vectores de B, se obtiene: (1, 0, 1) = (− 3 ).(−1, 2, 0) + 13 .(2, 2, 3)
y (2, −1, 1) = 14 .(3, 0, 1) + (− 43 ).(−1, 2, 0) + 14 .(2, 2, 3) luego,
− 34 0 1     −1 

4 1
[v]B 0 = [B]B 0 · [v]B =  − 17 − 13 − 43  ·  2  =  − 43  .
   
12
11 1 1 −1 4
12 3 4 3
Proposición 7.1.2 Sean B, B 0 y B 00 bases ordenadas de un R−espacio vectorial V de

dimensión n. Entonces
[B]B 00 = [B 0 ]B 00 · [B]B 0 .
Dem. Siguiendo un razonamiento análogo al de la Proposición anterior, basta probar que

[B]B 00 · [v]B = ([B 0 ]B 00 · [B]B 0 ) · [v]B , para todo v ∈ V.
[B]B 0
B ...............................................................................................
B0
... ..
... ...
... ...
... ...
...
... ....
... ...
... ...
... ...
...
... ...
.
...
[B 0 ]B 00
...
[B]B 00
...
...
... ...
..
...
... ..
.
............ ....
. .......
...
B 00
En efecto, [B]B 00 · [v]B = [v]B 00 = [B 0 ]B 00 · [v]B 0 = [B 0 ]B 00 · ([B]B 0 · [v]B ) = ([B 0 ]B 00 · [B]B 0 ) · [v]B .2
Corolario 7.1.1 Si V = Rn y C es la base canónica, se tiene que
[B]B 0 = [B 0 ]−1
C · [B]C .
[B]C
B ...............................................................................................
C
... ...
...
... ...
... ...
... ....
... .
... ...
... ...
... ...
...
... ....
...
[B 0 ]−1
...
[B]B 0
...
...
...
... ...
.
...
...
C
............ ..
. ..
. ........
...
B0
Ejemplo
 
3 −1 2
En el ejemplo de la página anterior como A = [B 0 ]C =  0 2 2  y det A = 12, se tiene
  1 0 3
6 3 −6
1
entonces que: A−1 = .  2 7 −6 .
12
−2 −1 6
     
6 3 −6 1 1 2 −9 0 3
1 1
Luego [B]B 0 = .  2 7 −6  ·  −1 0 −1  = .  −17 −4 −9  .
12 12
−2 −1 6 2 1 1 11 4 3
  
−1
  
−9 0 3 1
1  4 
Por lo tanto [~v ]B 0 = .  −17 −4 −9  ·  2  =  − 3  .
12
11 4 3 −1 4
3
Interpretación geométrica de un cambio de base

Recordemos que si V = E2 ó E3 , al fijar un punto O y una base ordenada B del Plano ó
del Espacio, queda determinado un sistema de coordenadas cartesianas. Si cambiamos la base
B por otra B 0 obtenemos, en forma análoga, un sistema de coordenadas cartesianas distinto

−→ x
al anterior. Si P tiene coordenadas (x, y) en el sistema (O, XY ) entonces [OP ]B = .
y
Al cambiar la base, si queremos hallar las coordenadas hx0 , y 0 i de P en el sistema (O, X 0 Y 0 )
usamos que: 0
x −→ −→ x
0 = [OP ]B 0 = [B]B 0 · [OP ]B = [B]B 0 · .
y y
De aquı́ resultan las fórmulas que nos permiten efectuar los correspondientes cambios de coor-
denadas en E2 :
0 0
x x x −1 x
= [B]B 0 · = [B]B 0 ·
y0 y y y0
Para E3 las fórmulas son análogas.
 0      0
x x x x
 y 0  = [B]B 0 ·  y   y  = [B]−1
B0 ·
 y0 
z0 z z z0
..
...
..
...
Y ...
...
...
... .
... ...
... ...
...
...
...
Y0 ...
.
...
...
0 0
... P (x, y) = P hx , y i
...
y ......... ....... ....... ....... .......... ....... ....... ....... ............
... • .. . .
.
....... . ....
... ...
... ... ....... . .
... .
... ..
.. ....... .
... .. ....... .. ...
... ....... ...
y0 ...
...
...
.
...
.
.....
..
.
.
...
.. ......
.......
... .. ... .......
.... ..
. ..
. .. ..............
X0
. . ....
..... .... . ..
..
.... .
. .
....... ..
... ... ............. ....
... ......... ...........
.....
~b2 ~b0
...
...
...
.
..
..
..... .
. ..
. .......
.
...
..
2
...
... ....
... ...
x0 .
.......
..
.. .
.....
. .
. .
.
..................
. .
...
..
~b0 ... ... ...................
...... ...............
...
..
1 .
..........................................................................................................................................................................................................................................
..
..... ... ... . .
.......
.......
......
...... ... ...
O . .
... ...
~b1 x X
... ...
... ...
.. ...
..
Figura 49
Ejemplo
Sea V = R3 , (O, XY Z) el sistema de coordenadas asociado a la base canónica y (O, X 0 Y 0 Z 0 )
el sistema asociado a la base B = {(1, 0, 0), (0, −1, 2), (0, 1, 1)}.
 
1 0 0
 
1 0 0
Se tiene entonces que [B]C =  0 −1 1  y [B]−1 C =  0 −3
1 1 
, por lo que

3 
0 2 1 0 2 1
3 3
0
 
 x = x0 x = x
0
y = −y + z 0
, y 0 = − 13 y + 31 z
z = 2 y0 + z0 z 0 = 23 y + 31 z
 
a) Si P h1, 0, −2i en (O, X 0 Y 0 Z 0 ), hallar sus coordenadas en (O, XY Z).

      
x 1 0 0 1 1
 y  =  0 −1 1   0  =  −2  . Por lo tanto P (1, −2, −2).
z 0 2 1 −2 −2
b) Si π : x0 +3 y 0 +3 z 0 +2 = 0, en el sistema (O, X 0 Y 0 Z 0 ), hallar su ecuación en (O, XY Z).

Reemplazando obtenemos x + 3 − 31 y + 31 z + 3 32 y + 13 z + 2 = x + y + 2 z + 2 = 0.

Luego π tiene ecuación x + y + 2 z + 2 = 0 en (O, XY Z).
Observaciones
1. Si π : a x0 + b y 0 + c z 0 + d = 0, en (O, X 0 Y 0 Z 0 ) asociado a una base B que no es la

canónica de R3 , en general (~v )B = (a, b, c) no es perpendicular a π.
0
a x + b y0 + c z0 + d = 0
2. Si L : en (O, X 0 Y 0 Z 0 ) asociado a B = {~b1 , ~b2 , ~b2 } ,
a0 x 0 + b 0 y 0 + c 0 z 0 + d 0 = 0
( 0
x = x0 + ∆ 1 t
entonces la ecuación paramétrica de L es: L : y 0 = y0 + ∆2 t , t ∈ R, donde
z 0 = z0 + ∆3 t
~b1 ~b2 ~b3

(x0 , y0 , z0 ) es una solución particular del sistema y (∆1 , ∆2 , ∆3 ) = a b c , como
a0 b 0 c 0
si fuera un producto vectorial.
Traslaciones
Supongamos que trasladamos el origen O de coordenadas a otro punto O0 , es decir a los
vectores de B los pensamos con origen en O0 . Obtenemos nuevos ejes X 0 e Y 0 , distintos,
paralelos a los anteriores y con las mismas unidades de medida.
Sean (x0 , y0 ) las coordenadas de O0 en el sistema (O, XY ) y P un punto del Plano que en
el sistema (O, XY ) tiene coordenadas (x, y).
Si con hx0 , y 0 i notamos las coordenadas de P en el sistema (O0 , X 0 Y 0 ) entonces se obtiene:
−−→0 −→ −−→
OO = x0 .b~1 + y0 .b~2 , OP = x.b~1 + y.b~2 y O0 P = x0 .b~1 + y 0 .b~2 .
−→ −−→ −−→
Como OP = OO0 + O0 P , entonces obtenemos x.b~1 + y.b~2 = x0 .b~1 + y0 .b~2 + x0 .b~1 + y 0 .b~2 =
(x0 + x0 ).b~1 + (y 0 + y0 ).b~2 . Por lo tanto,
0
x = x0 + x0 x = x − x0
0 (1) (2)
y = y + y0 y 0 = y − y0
Las fórmulas (1) y (2) nos permiten pasar del sistema (O, XY ) al (O0 , X 0 Y 0 ) y recı́proca-
mente. En forma matricial (1) y (2) se expresan, respectivamente:
0 0
x x + x0 x x − x0
= =
y y 0 + y0 y0 y − y0
.
...
...
...
...
Y ...
...
Y0 ...
...
...
.. ..
y .
...
........ ....... ....... ....... ....... ....... ......... ....... ...................
P (x, y) .
...
... .. ....
..........
... ..
. .........
... .
... ..... ...
... .... ................
.
... ....... ...... ....
. ... .
... ... ....... .... ...
...
... ~b2 ... ..... ... .
........... ..... ..
.
... .... . ..
.... .....
... ....... . .
... ....... ... ...
... ..
....... .... .....
... ....... ... .... ...
... .... . .. .
..... .... .....
... ..... . . ..
... ..... .. ... ..
... ...
. ..... ... .....
. .
. .
.. ..... ....... ...
........... ..... .......
.....
y0 .
... .....
.........
...... ...
....... ....... ....... ................................................................................................................................................................................................................................................
.
... .....
..
...... ... ..
...
... .....
.....
.....
O0 ~
......
...... ..
...... .... ..
..
X0
~b2
.
...
...
..
.....
.....
.
....
.
..
......
......
... ...
b1 ...
...
..
..
..
...... ...
... ..... ...... ..
.. . . ..... ........... ... .
..
.
... ..
... ......... .
.
. ...
.
. .
.. ... .
... ....... ......... . .
... ................ .. ...
... ........... ..
........................ . ....
.. .
........................................................................................................................................................................................................................................................................................
.
.
...
...
.. O ~b1 x0 x X
...
...
..
.
...
...
Figura 50
Ejemplo
Consideremos la base C = {e~1 , e~2 } y (O, XY ) el sistema de coordenadas asociado.
Sea (O0 , X 0 Y 0 ) el sistema que se obtiene trasladando paralelamente los ejes X e Y, al nuevo
origen O0 (−1, 6).
a) Si P (2, 5) en el sistema (O, XY ), ¿cuáles son sus coordenadas en el (O0 , X 0 Y 0 )?

x0 = x − x0 = x + 1; y 0 = y − y0 = y − 6. Si x = 2 entonces x0 = 3, y si y = 5
entonces y 0 = −1, luego P tiene coordenadas h3, −1i en el sistema (O0 , X 0 Y 0 ).
b) Si Qh−3, 2i en el sistema (O0 , X 0 Y 0 ), ¿cuáles son sus coordenadas en el (O, XY )?

x = x0 + x0 = x0 − 1 , y = y 0 + y0 = y 0 + 6. Si x0 = −3 entonces x = −4; si y 0 = 2
entonces y = 8, luego Q tiene coordenadas (−4, 8) en el sistema (O, XY ).
c) Si 3 x + y − 2 = 0 es la ecuación de una recta L en el sistema (O, XY ), ¿cuál es la

ecuación de L en el (O0 , X 0 Y 0 )?
Como L tiene ecuación 3 x + y − 2 = 0, x = x0 − 1 e y = y 0 + 6 tenemos que
3(x0 − 1) + y 0 + 6 − 2 = 0, lo que implica que 3 x0 + y 0 + 1 = 0. Luego L tiene ecuación
3 x0 + y 0 + 1 = 0 en el sistema (O0 , X 0 Y 0 ).
Traslación y cambio de base

Supongamos ahora que trasladamos el sistema y además cambiamos la base.
Sea B = {b~1 , b~2 }, una base ordenada y (O, XY ) el sistema de coordenadas asociado a la
base B. Sea O0 (x0 , y0 ) el nuevo origen y consideremos la base ordenada B 0 = {b~01 , b~02 }.
El sistema (O0 , X 00 Y 00 ) es el que se obtiene trasladando el (O, XY ) al punto O0 y luego
cambiando la base. Si un punto P tiene coordenadas (x, y) en el sistema (O, XY )
escribiremos hx0 , y 0 i para representar las coordenadas de P en el sistema (O0 , X 0 Y 0 ) y

hhx00 , y 00 ii para representar las coordenadas de P en el sistema (O0 , X 00 Y 00 ).
.
...
.....
.....
.....
.....
Y ..
......
.. .....
.....
.
.....
..... .. .. .....
Y0 X 00
..... .. .
. ..
.
00 ... ... ....
Y .....
..... ... ...
.....
.....
y rP .....
.....
..... ... ... .....
..... ......... ....... ....... ....... ....... ....... ......... ....... ........... .
...
..
..... .
... ... .. . .....
.....
..... ... .. .... .... ...... ........
..... ... .. .. . ....
..... .. ...... .... .... .
......
.
.....
x00
. .
......... ...... . .
...
..... ... . .....
..... ... ... . .. .....
.....
....
...........
..... .. ..
..
.. ~b2 .
.
.. .....
.... .
.. ..
... .........
..
.....
..... .. ..... ... .........
....... .... ....
.
... ..... ........ ........
...
. ~b0
.. .........
.....
.. ..
.
..
. .
.. ....
.
.....
..... ..
.
........
.
... 2 .....
..... ..... .... ..... .
... ..... .......
.. .....
. . ...... ..
.
.
.
.......... .....
. ..... . . .. .
... ......... ... ....... .
... ..... ... ...... ...
y0 .
..........
.. y 00 ~b0
.....
1
..... .... .........
..... .......
. . ..
.
........ ....... ....... ...................................................................................................................................................................................................................................................
... ..... ... ..
....... .........
...
.. ........ .... ~b1 ..... .
..
X0
O0
. .
... ... .......
..
. .... .. .. .
.....
... ..... .... ..
... .....
.... .. .. .........
..
~b2 ...
..
.
.....
..
.
...
.. .
..
.
.....
.
... ...
... .
..
. .. ..
.
... ... ..
.. ...
.. ..
.....................................................................................................................................................................................................................................................................................
.
...
.
...
..
O ~b1 x0 x X
...
..
.
...
...
...
Figura 51
Veamos la relación que existe entre las mismas.
0 00 0
x x − x0 x x
Trabajando en forma matricial tenemos que 0 = y 00 = [B]B 0 · ,
y y − y0 y y0
de donde
00
x x − x0
= [B]B 0 · .
y 00 y − y0
Recı́procamente tenemos que
0 00 0 0 00
x 0 x x x + x0 x x0 0 x x0
0 = [B ]B · 00 y = 0 = 0 + = [B ]B · 00 + ,
y y y y + y0 y y0 y y0
de donde
00
x 0 x x0
= [B ]B · + .
y y 00 y0
En lo que sigue trabajaremos con sistemas de coordenadas cartesianas ortogonales.
Ejemplos
1. Sea (O, XY ) el sistema de coordenadas asociado a la base C = {e~1 , e~2 }, (O, X 0 Y 0 )

el sistema obtenido rotando, en sentido antihorario, el sistema (O, XY ) un ángulo α
y (O0 , X 00 Y 00 ) el sistema obtenido trasladando los ejes X 0 e Y 0 al nuevo origen O0 de
coordenadas (x0 , y0 ) en el sistema (O, XY ). Si B = {b~1 , b~2 } es la base asociada al
sistema (O, X 0 Y 0 ) entonces, b~1 = cos α.e~1 + sen α.e~2 y b~2 = −sen α.e~1 + cos α.e~2 , por

cos α −sen α −1 cos α sen α
lo tanto [B]C = y [B] C = .
sen α cos α −sen α cos α
Las fórmulas de cambio de coordenadas son:
00 00
x cos α sen α x − x0 x cos α −sen α x x
00 = · , = · 00 + 0 .
y −sen α cos α y − y0 y sen α cos α y y0
2. Sea (O0 , X 00 Y 00 ) el sistema que se obtiene rotando el sistema (O, XY ) en un ángulo de

π
3
radianes y trasladando el origen del sistema al punto O0 de coordenadas (1, 1) en el
sistema (O, XY ).
a) Hallar las coordenadas, en el sistema (O0 , X 00 Y 00 ), del punto A que en el sistema

(O, XY ) tiene coordenadas (2, 1).
√ !
00 1 3
x 2√ 2 x−1
= · , remplazando x por 2 e y por 1 se
y 00 − 23 12 y−1
√
obtiene x00 = 21 e y 00 = − 23 , que son las coordenadas del punto A en el sistema
(O0 , X 00 Y 00 ).
b) Hallar la ecuación, en el sistema (O0 , X 00 Y 00 ), de la recta L cuya ecuación en el
sistema (O, XY ) es y − 2 x = 0.
√ !
1 3
− x00
√
x 2 2 1 1 00 3 00
= √ · + , por lo tanto x = x − y +1 e
y 3 1 y 00 1 2 2
2 2
√
y= x + y + 1, luego la ecuación de la recta L en el sistema (O0 , X 00 Y 00 ) es
2
3 00 1
2
00
√ √
( 3 − 2) x00 + (1 + 2 3) y 00 − 2 = 0.
En forma análoga al caso del Plano, si O es un punto del Espacio y B = {b~1 , b~2 , b~3 }
es una base ordenada del mismo, queda determinado un sistema de coordenadas cartesianas
(O, XY Z). Cualquier punto P del Espacio tendrá, en el sistema (O, XY Z), coordenadas
−→
(λ1 , λ2 , λ3 ) que son las componentes del vector OP en la base B.
Sea (O, XY Z) el sistema asociado a una base ordenada B = {b~1 , b~2 , b~3 }, (O, X 0 Y 0 Z 0 ) el
sistema asociado a una base ordenada B 0 = {b~01 , b~02 , b~03 } y (O0 , X 00 Y 00 Z 00 ) el sistema que se
obtiene trasladando paralelamente los ejes X 0 , Y 0 y Z 0 a un nuevo origen O0 que en el
sistema (O, XY Z) tiene coordenadas (x0 , y0 , z0 ).
Las fórmulas del cambio de coordenadas son:
x00
       00   
x − x0 x x x0
 y 00  = [B]B 0 ·  y − y0  ,  y  = [B 0 ]B ·  y 00  +  y0  .
z 00 z − z0 z z 00 z0
Ejemplo
Sea (O, XY Z) el sistema de coordenadas asociado a la base canónica de R3 , la base
B = {( √13 , √13 , √13 ), (0, − √12 , √12 ), ( √26 , − √16 , − √16 )} con sistema asociado (O, X 0 Y 0 Z 0 )
y (O0 , X 00 Y 00 Z 00 ) el sistema obtenido del (O, X 0 Y 0 Z 0 ) trasladando los ejes al nuevo origen
O0 , cuyas coordenadas en el sistema (O, XY Z) son (0, −1, 3).
 √ √
 x00 = √ 12 + 3 λ
Dada la recta L de ecuación paramétrica y 00 = −√ 8 , λ ∈ R, en el sistema
 00
z = 3 6λ
(O0 , X 00 Y 00 Z 00 ), hallemos su ecuación en el (O, XY Z).
 1 
 00      √ √1 √1  
x x − x0 x − x0 3 3 3 x
 y 00  = [C]B ·  y − y0  = [B]−1  y − y0  =  0 − √1 √1  ·  y + 1  ,
 
C · 2 2 
z 00

z − z0 z − z0 √2 − √1 − √1 z−3
6 6 6
 
   00    √1 0 √2  00
  
x x x0 3 6 x 0
1
− √12 1
 
 y  = [B]C ·  y 00  +  y0  =  √ − √6  ·  y 00  +  −1  .
3
z 00 z 00
 
z z0 √1 √1 − √16 3
3 2
√ √
Un vector
√ director de
√ L es d~L = hh 3, 0, 3 6ii y un punto perteneciente a L es
P0 hh 12, − 8, 0ii.
Observación
Cuando se realiza una traslación del sistema de coordenadas las componentes de los vectores
no cambian por la misma, sı́ las coordenadas de los puntos.
De acuerdo con la observación, obtenemos:
 √  
 1 
  √ 0 √2 
x 3 6 3 7
 y  =  √1 − √1 − √1  ·  0  =  −2  , por lo tanto, d~L = (7, −2, −2).
 
 3 2 6  √
z √1 √1
−√ 1 3 6 −2
3 2 6
Las coordenadas de P0 se ven afectadas por la traslación y por el cambio de base:

√  
 1 
  √ 0 √2   
x 3 6
√12 0 2
 y  =  √1 − √1 − √1  ·  − 8  +  −1  =  3  . Como P0 (2, 3, 3), entonces
 
 3 2 6 
z 1
√ √1 1
− √6 0 3 3
3 2
x = 2 + 7λ
(
la ecuación paramétrica de L en el sistema (O, XY Z) es y = 3 − 2 λ , λ ∈ R.
z = 3 − 2λ
7.2. Espacios euclı́deos
Definición 7.2.1 Sea V un R−espacio vectorial. Un producto interno sobre V es una

función h , i : V × V → R que asigna a cada par ordenado de vectores (u, v) un número real
hu, vi de tal modo que para cualquier u, v, w ∈ V y λ ∈ R se verifiquen:
1) hu, vi = hv, ui.
2) hu + v, wi = hu, wi + hv, wi.
3) hλ.u, vi = λ hu, vi.
4) hv, vi ≥ 0. Además, hv, vi = 0 si, y sólo si v = 0.
Definición 7.2.2 Un R−espacio vectorial que tiene definido un producto interno se denomina
espacio vectorial con producto interno ó espacio euclı́deo.
Ejemplos

 0, si ~u = ~0 ó ~v = ~0
1. V = E2 ó E3 , donde h~u, ~v i = ,
k~uk k~v k cos θ, si ~u 6= ~0 y ~v 6= ~0

con θ la medida del ángulo comprendido entre ~u y ~v .
2. V = Rn . Si u = (x1 , x2 , . . . , xn ) y v = (y1 , y2 , . . . , yn ) ∈ V, hu, vi = x1 y1 + · · · + xn yn

define un producto interno llamado producto interno ó producto escalar canónico.
3. V = R2 . Si u = (x1 , x2 ) y v = (y1 , y2 ) ∈ V, hu, vi = 3 x1 y1 + 2 x2 y2 define un

producto interno en V, distinto del canónico.
4. V = Mn (R). La función que a cada par de matrices (A, B) le asocia el número real
hA, Bi = tr(A · B T ), donde con tr(A) notamos a la traza de A, define un producto
interno en V.
Definición 7.2.3 Sea V un R−espacio vectorial con producto interno h , i. Se llama norma
de v ∈ V al número real p
kvk = hv, vi.
Ejemplo
Sea V = R2 y v = (x1 , x2 ).
p
• Si consideramos el producto interno canónico, entonces kvk = x12 + x22 .
• Si el producto
p interno que consideramos está definido por hu, vi = x1 y1 +3 x2 y2 , entonces
kvk = x12 + 3 x22 .
Propiedades
Sea V es un R−espacio vectorial con producto interno, u, v ∈ V y λ ∈ R. Entonces:
1) kλ.vk =| λ | kvk.
2) kvk ≥ 0. Además, kvk = 0 si, y sólo si v = 0.
3) ku + vk ≤ kuk + kvk. Desigualdad triangular.
4) | hu, vi |≤ kuk kvk. Desigualdad de Cauchy−Schwarz.
Bases ortonormales
Definición 7.2.4 Sea V un espacio euclı́deo. Los vectores u y v ∈ V se dicen ortogonales

si hu, vi = 0.
Definición 7.2.5 Sea V un espacio euclı́deo de dimensión finita y B = {v1 , v2 , . . . , vn }

una base de V.

1, si i = j
B se dice ortonormal si hvi , vj i = .
0, 6 j
si i =
Ejemplos
Considererando el producto interno canónico se tiene:
1. En E2 y E3 las bases {e~1 , e~2 } y {e~1 , e~2 , e~3 } son bases ortonormales.
n o
2. En R2 , C = {(1, 0), (0, 1)} y B = ( √15 , − √25 ), ( √25 , √15 ) son bases ortonormales.
n o
3. En R3 , C = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} y B = ( √15 , 0, − √25 ), ( √25 , 0, √15 ), (0, 1, 0)
son bases ortonormales.
Observación
La desigualdad de Cauchy−Schwarz implica que si u y v son vectores no nulos, entonces
hu, vi
−1 ≤ ≤ 1.
kuk kvk
Esto permite definir la noción de ángulo entre los vectores u y v a partir de la igualdad
hu, vi
cos α = .
kuk kvk
Proposición 7.2.1 Sea V un espacio euclı́deo y B = {b1 , b2 , . . . , bn } una base ortonormal

de V. Si u = λ1 .b1 + λ2 .b2 + · · · + λn .bn y v = µ1 .b1 + µ2 .b2 + · · · + µn .bn , entonces
hu, vi = λ1 µ1 + λ2 µ2 + · · · + λn µn .
Dem. Aplicando reiteradamente la linealidad del producto interno, obtenemos que:

h u, v i = h λ1 .b1 + λ2 .b2 + · · · + λn .bn , µ1 .b1 + µ2 .b2 + · · · + µn .bn i = λ1 µ1 h b1 , b1 i+
λ2 µ2 h b2 , b2 i + · · · + λn µn h bn , bn i = λ1 µ1 + λ2 µ2 + · · · + λn µn . 2
Proposición 7.2.2 Si V es un espacio euclı́deo y M = {b1 , b2 , . . . , br } ⊆ V es un conjunto

de vectores no nulos ortogonales dos a dos, entonces M es linealmente independiente.
Dem. Supongamos que λ1 .b1 + λ2 .b2 + · · · + λr .br = 0. Entonces se tiene que 0 = h bi , 0i =

h bi , λ1 .b1 + λ2 .b2 + · · · + λr .br i = λ1 h bi , b1 i + λ2 h bi , b2 i + · · · + λi h bi , bi i + · · · + λr h bi , br i =
λi h bi , bi i = λi kbi k2 , lo que implica λi = 0, pues kbi k 6= 0 para i = 1, 2, . . . , r. Entonces
M es linealmente independiente. 2
Cálculo de una base ortonormal de R3
v1
Sea v1 ∈ R3 , v1 6= 0 y consideremos b1 = . Si b1 = (x1 , x2 , x3 ), sea b = (0, − x3 , x2 ).
kv1 k
b
Como h b1 , b i = x2 x3 − x3 x2 = 0, tomemos b2 = y b3 = b1 ∧ b2 . Es claro que
kbk
B = {b1 , b2 , b3 } es un base ortonormal de R3 .
Ejemplo
Construyamos una base ortonormal de R3 a partir de v1 = (1, 1, 1).
v1
Sea b1 = kv1 k
= ( √13 , √13 , √13 ) y b = (0, − √13 , √13 ). Luego b2 = (0, − √12 , √12 ) y b3 = b1 ∧ b2 =
n o
( √26 , − √16 , − √16 ). Por lo tanto B = ( √13 , √13 , √13 ), (0, − √12 , √12 ), ( √26 , − √16 , − √16 ) es una base
ortonormal de R3 .
Método de ortonormalización de Gram−Schmidt
El siguiente Teorema prueba la existencia de bases ortonormales para todo subespacio de un
espacio euclı́deo de dimensión finita y además, da un procedimiento efectivo para calcularlas.
Teorema 7.2.1 Todo subespacio S 6= {0}, de un espacio euclı́deo de dimensión finita tiene
una base ortonormal.
Dem. Sea V un espacio euclı́deo de dimensión finita, S un subespacio de V y B =

{b1 , b2 , . . . , br } una base de S. Vamos a construir, a partir de B, una base ortonormal de
S por medio de una construcción conocida como el método de Gram−Schmidt.
b1
Sea v1 = , y consideremos v20 = b2 − h b2 , v1 i.v1 . [Ver Figura 52]
kb1 k
Se tiene entonces que hv20 , v1 i = hb2 − hb2 , v1 i · v1 , v1 i = hb2 , v1 i − hb2 , v1 i · kv1 k2 = 0.
v0
Si v2 = 20 , entonces hv1 , v2 i = 0 y v1 , v2 pertenecen a S, pues son combinación lineal
kv2 k
de b1 y b2 .
Supongamos conocidos v1 , v2 , . . . , vs tales que:

1, si i = j
1) hvi , vj i = , 1 ≤ i, j ≤ s.
0, si i 6= j
2) Cada vi es combinación lineal de b1 , b2 , . . . , bs .
0
vs+1 0
Entonces, vs+1 = 0
, donde vs+1 = bs+1 − (hbs+1 , v1 i.v1 + · · · + hbs+1 , vs i.vs ).
kvs+1 k
0 0
Se verifica además que hvs+1 , vi i = 0, 1 ≤ i ≤ s y vs+1 ∈ S.
Continuando con este proceso, podemos conseguir un conjunto de vectores {v1 , v2 , . . . , vr },
donde cada vi , 1 ≤ i ≤ r, se obtiene aplicando el método anterior. Como dimR S = r
y {v1 , v2 , . . . , vr } es linealmente independiente, entonces {v1 , v2 , . . . , vr } es una base
ortonormal de S. 2
.
.............
~b1 ...................
.
.... ...
....
....
....
..
.....
−−−−−→ ...... ....

~v2
.....
........ .....
....... .... ......
.... ..........
proy~v ~b2 1 ....
....
....
.
...
.
. ...........
.....
.
.....
..
. ..
...
v~20
..
. .....
..
.... ..
.... .....
.. ..
............
~v1 ...
.
...
...
.
~b2
.....
..
.....
..
.....
. .....
.....
. ..
.. .
...............................................................................................................................................................................
Figura 52
Corolario 7.2.1 Todo espacio euclı́deo de dimensión finita tiene una base ortonormal.
Ejemplo
Sea S = {(1, 0, 0, 0), (1, 1, 0, 0), (0, 1, 1, 1)} ⊆ R4 . B = {(1, 0, 0, 0), (1, 1, 0, 0), (0, 1, 1, 1)}
es linealmente independiente, por lo tanto es base de S. Sea v1 = (1, 0, 0, 0). Luego
v20 = (1, 1, 0, 0) − h (1, 1, 0, 0), (1, 0, 0, 0) i.(1, 0, 0, 0) = (1, 1, 0, 0) − (1, 0, 0, 0) = (0, 1, 0, 0).
Como kv20 k = 1, entonces v2 = (0, 1, 0, 0). Continuamos el proceso y obtenemos que
v30 = (0, 1, 1, 1) − (h (0, 1, 1, 1), (1, 0, 0, 0) i.(1, 0, 0, 0) + h (0, 1, 1, 1), (0, 1, 0, 0) i.(0, 1, 0, 0)) =
(0, 1, 1, 1) − (0, 1, 0, 0) = (0, 0, 1, 1).
v0 n o
Por lo tanto, v3 = 30 = (0, 0, √12 , √12 ) y B 0 = (1, 0, 0, 0), (0, 1, 0, 0), (0, 0, √12 , √12 ) es
kv3 k
una base ortonormal de S.
7.3. Ejercicios
1. Sean B = {(1, 0, 0), (0, 0, 1), (1, 1, 1)} y B 0 = {(1, 0, 0), (1, 1, 0), (1, 1, 1)}, bases
ordenadas de R3 .
a) Hallar [B]C , [C]B , [B 0 ]C , [C]B 0 , [B]B 0 y [B 0 ]B .

b) Si v = (2, 1, −4), hallar (v)B y (v)B 0 .

2. Sean B = {b1 , b2 , b3 } y B 0 = {b01 , b02 , b03 } bases ordenadas de R3 tal que b1 = 3.b01 ,
b2 = b01 − b02 + b03 y b3 = b02 .
a) Encontrar [B]B 0 y [B 0 ]B .
b) Sabiendo que (v)B 0 = (3, 0, −2), hallar (v)B .
3. Sean v1 = (1, 1, 2), v2 = (2, 0, 3) y v3 = (1, 1, 0), vectores de R3 y B = {u1 , u2 , u3 }
una base de R3 tal que: (v1 )B = (2, 1, 0), (v2 )B = (2, 0, 2) y (v3 )B = (1, 1, −2).
Determinar los vectores de la base B.
 
1 1 1
4. Sabiendo que A =  1 −1 1  es la matriz de cambio de base que permite pasar de
0 0 1
la base ordenada B = {(1, 0, 0), (1, 0, 1), (0, 1, −1)} a una base ordenada B 0 , encontrar
B0.
5. Sea B = {v1 , v2 , v3 , v4 } una base ordenada de un R−espacio vectorial V.
a) Probar que B 0 = {2.v1 , −v1 + v2 , −v2 + v4 , v1 + v3 } también es una base de V .
b) Si un vector de V tiene componentes (0, α, 0, α) respecto de la base ordenada B,
¿qué componentes tendrá respecto de la base ordenada B 0 ?
c) Hallar los vectores v ∈ V tales que (v)B = (v)B 0 .

1 1 2 0 0 1 0 −2
6. Sea V = M2 (R), B = , , , y
−1 0 3 1 −1 0 0 4

0 1 −1 1 1 0 0 0 0
B = , , , .
0 0 0 0 1 1 −1 1
Si A ∈ M2 (R) es tal que (A)B = (−1, 2, 1, 0), hallar [A]B 0 .
7. Sea V = R3 [X], B = {1, X, X 2 , X 3 } y B 0 = {1, 1 − X, (1 − X)2 , (1 − X)3 }.
Si P (X) ∈ V es tal que (P )B = (−3, 1, 2, −1), hallar (P )B 0 .
8. Sean B = {(1, 3), (2, −1)} y B 0 = {(− √110 , √310 ), ( √310 , √110 )}, bases ordenadas de R2 .
Sea (O, XY ) el sistema de coordenadas asociado a la base ordenada B y (O, X 0 Y 0 )
el sistema asociado a la base B 0 .
a) Si la recta L tiene ecuación implı́cita 2 x + y − 5 = 0, en el sistema (O, XY ),
hallar su forma paramétrica en el sistema (O, X 0 Y 0 ).
√ √
b) Si P ( 10, − 10), en (O, XY ), hallar las coordenadas de P en (O, X 0 Y 0 ).
9. Los vectores de S = {(2, −1, 1), (1, 3, 2)} poseen componentes que satisfacen, en el
sistema (O, XY Z), la ecuación de un plano.
Hallar dicha ecuación en el sistema de coordenadas (O, X 0 Y 0 Z 0 ), determinado por la
base ordenada B = {(2, 1, 0), (−1, 1, 4), (1, 0, −1)}.
10. Sea (O, XY ) el sistema de coordenadas asociado a la base canónica de R2 y (O0 , X 0 Y 0 )

el sistema que se obtiene trasladando paralelamente los ejes X e Y al nuevo origen
O0 de coordenadas (x0 , y0 ).
a) Hallar O0 (x0 , y0 ), sabiendo que P (2, −3) se halla en el nuevo eje de abscisas y que
Q(1, −7) se halla en el nuevo eje de ordenadas.
b) Hallar las coordenadas de P y Q en el sistema (O0 , X 0 Y 0 ).
c) Hallar la forma paramétrica, en el sistema (O, XY), de la recta L que en el
x0 = 1 + 2 λ
sistema (O0 , X 0 Y 0 ), tiene ecuaciones paramétricas , λ ∈ R.
y 0 = −λ
11. Sea (O, X 0 Y 0 ) el sistema que se obtiene rotando el sistema (O, XY ), asociado a la base
canónica de R2 en un ángulo de α radianes. Determinar el valor de α, si una de las
fórmulas de cambio de coordenadas está dada por:
 √
 x = 12 x0 − 23 y 0
√
.
3 0 1 0
y= 2 x +2y

12. Sea (O0 , X 00 Y 00 ) el sistema de coordenadas que se obtiene rotando el sistema (O, XY ),
asociado a la base canónica, en un ángulo de π3 radianes y trasladando el origen al punto
O0 (1, −2). Sea P (3, −4) y la recta L1 : x +√2 y + 1 = 0, en el sistema (O, XY ) y la
00
recta de forma paramétrica L2 : x00 = 1 + 3 µ , µ ∈ R, en el sistema (O0 , X 00 Y 00 ) .
y =µ
a) Hallar en el sistema (O, XY ) la ecuación implı́cita de la recta L3 , que es paralela
a L2 y pasa por P .
b) Calcular, en el sistema (O0 , X 00 Y 00 ), las coordenadas del punto en que se intersectan
L1 y L3 .
13. Sea (O0 , X 00 Y 00 ) el sistema de coordenadas que se obtiene a partir de (O, XY ) trasladan-
do el origen al punto O0 (−2, 1) y considerando la base ordenada B = {( 35 , 45 ), (− 54 , 35 )}.
a) Si P hh−3, 1ii en el sistema (O0 , X 00 Y 00 ), hallar sus coordenadas en el sistema
(O, XY ).
b) Hallar, en el sistema (O0 , X 00 Y 00 ), las ecuaciones paramétricas de la recta paralela
al eje Y que pasa por O0 .
c) Graficar los sistemas de coordenadas, el punto y la recta considerados en a) y b).
14. Sea (O, XY Z) el sistema de coordenadas asociado a la base canónica de R3 y
(O0 , X 00 Y 00 Z 00 ) el sistema asociado a la base B = {(1, −1, 0), (0, −1, 1), (2, 0, −1)} con
origen en el punto O0 cuyas coordenadas en el sistema (O, XY Z) son (1, 0, 1).
a) Si el plano π tiene ecuación x00 − 2 y 00 + z 00 + 1 = 0 en el sistema (O0 , X 00 Y 00 Z 00 ),
hallar su ecuación en el sistema (O, XY Z).

x−y+1=0
b) Si la recta L en (O, XY Z) está dada por , verificar que el punto
y + 2z = 0
que tiene coordenadas hh4, −4, −3ii en el sistema (O0 , X 00 Y 00 Z 00 ) pertenece a L.
n √ √ √ √ o
15. Sean B = ( 22 , − 22 , 0), ( 22 , 22 , 0), (0, 0, 1) , B 0 = ( 45 , 0, − 35 ), ( 35 , 0, 54 ), (0, 1, 0)

y B 00 = ( 13 , 23 , 23 ), ( 23 , − 32 , 13 ), ( 23 , 31 , − 32 ) , bases ordenadas de R3 .

a) Averiguar si son bases ortonormales.

b) Hallar [B]B 00 y [B 0 ]B 00 .
16. Sea B = {b1 , b2 , b3 } una base ortonormal de R3 .
a) Mostrar que para todo v ∈ R3 , se tiene que v = hv, b1 i.b1 + hv, b2 i.b2 + hv, b3 i.b3 .
b) Hallar kvk2 .
√
c) Mostrar que kb1 − b2 k = kb1 − b3 k = kb2 − b3 k = 2.
n o
17. Sea T = ( √16 , k, 0), (−k, √16 , 0) . Hallar los valores de k para los cuales T pueda
extenderse a una base ortonormal de R3 . Indicar una de esas bases.
8. Transformaciones lineales
8.1. Definición y ejemplos

Definición 8.1.1 Sean V y W, R−espacios vectoriales. Una aplicación T : V → W se
dice una transformación lineal si verifica:
T1 ) T (u + v) = T (u) + T (v), para todo u, v ∈ V .
T2 ) T (λ.u) = λ.T (u), para todo u ∈ V, λ ∈ R.
Consecuencias de la definición
Si T : V → W es una transformación lineal, entonces de la definición se deduce que:
1) T (0) = 00 . En lo que sigue notaremos al vector nulo de cualquier espacio vectorial con 0.
2) T (−v) = −T (v), para todo v ∈ V .
3) T (u − v) = T (u) − T (v), para todo u, v ∈ V .
4) T (λ1 .v1 + λ2 .v2 + · · · + λn .vn ) = λ1 .T (v1 ) + λ2 .T (v2 ) + · · · + λn .T (vn ), para todo vi ∈

V ; λi ∈ R, 1 ≤ i ≤ n.
Ejemplos
1. Sea V un R−espacio vectorial, c ∈ R, c fijo. T : V → V definida por T (v) = c.v es

una transformación lineal denominada homotecia de razón c.
• Si c = 0, entonces T (v) = 0, para todo v ∈ V, por lo que T se denomina

transformación lineal nula y se nota T = O.
• Si c = 1, entonces T (v) = v, para todo v ∈ V. En consecuencia, T se denomina
transformación lineal identidad y se nota T = IdV .
2. T : R2 → R2 definida por T (x, y) = (x2 , y) no es una transformación lineal pues,

T (1, 0) + T (−1, 0) = (1, 0) + (1, 0) = (2, 0) 6= (0, 0) = T [(1, 0) + (−1, 0)].
3. T : R2 → R3 definida por T (x, y) = (x, x + y, x − y) es una transformación lineal.

En efecto, si u = (x1 , y1 ) y v = (x2 , y2 ), entonces u + v = (x1 + x2 , y1 + y2 ).
T (u + v) = T (x1 + x2 , y1 + y2 ) = (x1 + x2 , x1 + x2 + y1 + y2 , x1 + x2 − y1 − y2 ) =
(x1 , x1 + y1 , x1 − y1 ) + (x2 , x2 + y2 , x2 − y2 ) = T (x1 , y1 ) + T (x2 , y2 ) = T (u) + T (v).
Si λ ∈ R, entonces λ.u = λ.(x1 , y1 ) = (λ x1 , λ y1 ). En consecuencia,
T (λ x1 , λ y1 ) = (λ x1 , λ x1 + λ y1 , λ x1 − λ y1 ) = λ.(x1 , x1 + y1 , x1 − y1 ) = λ.T (x1 , y1 ) =
λ.T (u).
4. T : R3 → R3 definida por T (x, y, z) = (x, y, 0) es una transformación lineal que se

interpreta geométricamente como la proyección ortogonal de un punto P (x, y, z) sobre
el plano XY .
5. Sea T : R3 → R3 la simetrı́a respecto al eje X.

Sea P (x0 , y0 , z0 ) un punto cualquiera del Espacio y π un plano que contiene al punto
P y es perpendicular al eje X.
Si Q es el punto de intersección de π con el eje X, T (P ) es el punto que pertenece a
la recta L, que pasa por P y Q, y que verifica d(T (P ), Q) = d(P, Q).
.
...
.........
....
Z ...
...
...
...
...
...
...
...
...
...
...
... ...............
...................
.. L ....
.....
... ............... ... .....
... ............... ... .....
.
. ... .
....
...
... .............. ... ..
....... ............
........ . .......... ... ........................
........ ................ .............
............... ... ..... ....... ........
........
.. .................
....................... . ....... .
...... ..
P .......
. Y
....
r
. ... .... ..
..
....... .. ...... ..... ...
... ....... . ..... .............. ......... ....
... O
.......... ....... .. ....... ...
. . .
... ..... .. ..
..... ... ... ....... ....... ..... .... ....
... ...... .. ..............
. .............. .......
..... ....... .... ....
.. ..
..
...... .
. ............ ...
..
.
.
.
....... ....
.. .. .
............. .... ....... . ....... ..... ............ ....
.
...
...
...
...............
. .
.
....
.. .
......
. ......
r .........................................
..... .
................. ........................
...
....
... . .......................... .. . .. ...
... .... .... Q .... .
.... ............
............ ....
... ... ....... ...
............
... .... ..... ...
.... .... ...........
...
...
.
...
.
..... ........
....
..... ..
....
........
X........
........
r
... .. . .
.........
. ... ........ ..
............
...
... ... .........
.
.. .
π .
.
....
.
...
...
. ..... T (P ) ..
..
. ....
. ...... .. .......... .....
.. .
.... ...
... ....... ...............
..... ...............
...
..... . ...............
... ...............
... .......................................
.
...... .
... ..................................... ....
..... .... ...
..... ...
.....
Figura 53

 x = x0
π : x − x0 = 0, Q(x0 , 0, 0), L : y = α y0 , α ∈ R.
z = α z0

Si T (P )(x00 , y00 , z00 ), entonces x00 = x0 , y00 = α y0 y z00 = α z0 .

Además d(T (P ), Q) = d(P, Q), es decir, α2 y02 + α2 z02 = y02 + z02 , por lo tanto
(α2 − 1)(y02 + z02 ) = 0 lo que implica α2 − 1 = 0 ó y0 = z0 = 0.
Si y0 = z0 = 0, entonces P está sobre el eje X y por lo tanto T (P ) = P .
Para α = 1 obtenemos el punto P y para α = −1 obtenemos T (P )(x0 , −y0 , −z0 ).
Luego T está definida por T (x, y, z) = (x, −y, −z).
6. Sea T : R2 → R2 la aplicación que a cada punto de coordenadas (x, y) del Plano le

hace corresponder el que se obtiene rotándolo un ángulo θ, 0 ≤ θ < 2 π alrededor
del origen. Sea P (x, y) un punto cualquiera de R2 , φ el ángulo que forma el vector
−→
OP con el semieje positivo de las abscisas y supongamos que T (P ) tiene coordenadas
(x0 , y 0 ).
...
..........
...
Y
...
....
...
...
...
...
... 0 0
T (P )(x , y )
r
...
y0 ......... ....... ....... ....... .......... .
...
... ........... ..
.. .....
... ... ..
... ... .....
..
... ... ... .....
... ... .. ..
... ... .
... .....
... ..
. .
.
... ...
. ...
... ... ... ..
... . ..
rP (x, y)
.. ...
y ...
..
. .
.......... ....... ......... ....... ........... ....... ....... ....... .........................
.
.
...
...
... ...
....
.
... r ...
.. .
......
..
...........
....... .
...
... ... .......... .......
.
... ..
..
.....
... ... ................. ...
... .
. ... ...... . .. ... .
. ..
θ ... ....
... ...
..... ..
...
..
.......... .
.
.
...
...
. ...
φ .. ...
.... ... ..............
.............
. .
...
.. ..
...
...
...
...
..
...
.
. . .
................................................................................................................................................................................................................................................................
....
O x0 ...
....
x X
...
..
Figura 54
−→ −−−−→
Observemos que kOP k = kOT (P )k y notemos a este número con r. Entonces
x = r cos φ, y = r sen φ, x0 = r cos(φ + θ) e y 0 = r sen(φ + θ). Es decir:
x0 = r cos φ cos θ − r sen φ sen θ = x cos θ − y sen θ
y 0 = r sen φ cos θ + r cos φ sen θ = y cos θ + x sen θ
Por lo tanto
T (x, y) = (x cos θ − y sen θ, x sen θ + y cos θ).
7. Sea T : R3 → R3 la aplicación que a cada punto de coordenadas (x, y, z) le hace

corresponder el que se obtiene rotándolo un ángulo θ, 0 ≤ θ < 2 π alrededor del eje
Z y en forma paralela al plano XY .
Es claro que T (x, y, z) = (x0 , y 0 , z), donde x0 = x cos θ − y sen θ e y 0 = x sen θ + y cos θ.
Luego
T (x, y, z) = (x cos θ − y sen θ, x sen θ + y cos θ, z).
Un Teorema fundamental
El siguiente teorema es elemental, pero de gran importancia. Nos muestra que las transforma-
ciones lineales son funciones, entre espacios vectoriales, con propiedades muy particulares.
Teorema 8.1.1 Sea V un R−espacio vectorial de dimensión finita y B = {b1 , b2 , . . . , bn }

una base ordenada de V. Sea W un R−espacio vectorial y v1 , v2 , . . . , vn ∈ W. Entonces
existe una única transformación lineal T : V → W tal que T (bi ) = vi , 1 ≤ i ≤ n.
Dem. Si v ∈ V, entonces v = α1 .b1 + α2 .b2 + · · · + αn .bn , con α1 , α2 , . . . , αn ∈ R,

unı́vocamente determinados. Definimos T (v) = α1 .v1 + α2 .v2 + · · · + αn .vn .
Debemos probar que T es la única transformación lineal que verifica las condiciones del
enunciado.
T1 ) Si u, w ∈ V, u = β1 .b1 + β2 .b2 + · · · + βn .bn y w = γ1 .b1 + γ2 .b2 + · · · + γn .bn ,

entonces u + w = (β1 + γ1 ).b1 + (β2 + γ2 ).b2 + · · · + (βn + γn ).bn , por lo tanto
T (u + w) = (β1 + γ1 ).v1 + (β2 + γ2 ).v2 + · · · + (βn + γn ).vn =
(β1 .v1 + β2 .v2 + · · · + βn .vn ) + (γ1 .v1 + γ2 .v2 + · · · + γn .vn ) = T (u) + T (w).
T2 ) Si α ∈ R, entonces α.u = (α β1 ).b1 + (α β2 ).b2 + · · · + (α βn ).bn , luego

T (α.u) = (α β1 ).v1 + (α β2 ).v2 + · · · + (α βn ).vn = α.(β1 .v1 + β2 .v2 + · · · + βn .vn ) =
α.T (u).
Además T (bi ) = T (0.b1 + · · · + 1.bi + · · · + 0.bn ) = 0.v1 + · · · + 1.vi + · · · + 0.vn = vi .
Sea T 0 una transformación lineal tal que T 0 (bi ) = vi , 1 ≤ i ≤ n.
Cualquiera sea v ∈ V, se tiene que v = α1 .b1 + α2 .b2 + · · · + αn .bn , por lo tanto
T 0 (v) = α1 .T 0 (b1 ) + α2 .T 0 (b2 ) + · · · + αn .T 0 (bn ) = α1 .v1 + α2 .v2 + · · · + αn .vn = T (v).
Luego T = T 0 . 2
Concluimos que cualquier función definida sobre una base B de un espacio vectorial V puede
extenderse, de manera única, a una transformación lineal T definida sobre todo el espacio V .
Ejemplos
1. Sean V = R3 , W = R2 , B = {(1, −1, 0), (0, 1, 1), (0, 1, 0)} una base de R3 y
S = {(1, −1), (0, 1), (3, 1)} ⊆ R2 .
Hallar la única transformación lineal T : R3 → R2 tal que T (1, −1, 0) = (1, −1),
T (0, 1, 1) = (0, 1) y T (0, 1, 0) = (3, 1).
Como (x, y, z) = x.(1, −1, 0) + z.(0, 1, 1) + (x + y − z).(0, 1, 0), teniendo en cuenta
el Teorema anterior, T (x, y, z) = x.T (1, −1, 0) + z.T (0, 1, 1) + (x + y − z).T (0, 1, 0) =
x.(1, −1) + z.(0, 1) + (x + y − z).(3, 1) = (4 x + 3 y − 3 z, y). Entonces se tiene que
T (x, y, z) = (4 x + 3 y − 3 z, y).
2. ¿Existe alguna transformación lineal T : R2 → R2 que verifique: T (1, −1) = (1, 0),
T (2, 1) = (0, 1) y T (3, −2) = (1, 2)?
Como (3, −2) = (1, −1) + (2, −1), si existiera la transformación lineal T se debe
verificar que: T (3, −2) = T (1, −1) + T (2, −1) = (1, 0) + (0, 1) = (1, 1).
Como T (3, −2) = (1, 2), no existe tal transformación lineal.
8.2. Matriz asociada a una transformación lineal

Sea V un R−espacio vectorial de dimensión n, W un R−espacio vectorial de dimensión
m, B = {b1 , b2 , . . . , bn } una base ordenada de V, B 0 = {b01 , b02 , . . . , b0m } una base ordenada
de W y T : V → W una transformación lineal.
T queda determinada por T (bj ) = a1j .b01 + a2j .b02 + · · · + amj .b0m , 1 ≤ j ≤ n, lo que
 
a1j
 a2j 
implica que [T (bj )]B 0 =  , 1 ≤ j ≤ n. Luego a T le podemos asociar la matriz
 
..
 . 
amj
A = (aij ) ∈ Mm×n (R). La misma se denomina matriz de T respecto a las bases B y
B 0 , y se tiene que
A = [T ]BB 0 = ([T (b1 )]B 0 [T (b2 )]B 0 · · · [T (bn )]B 0 ) .
Además,
[T (v)]B 0 = [T ]BB 0 · [v]B .
En efecto, si v = λ1 .b1 + λ2 .b2 + · · · + λn .bn , se tiene que T (v) = λ1 .T (b1 ) + λ2 .T (b2 ) +
· · · + λn .T (bn ) = λ1 .(a11 .b01 + a21 .b02 + · · · + am1 .b0m ) + · · · + λn (a1n .b01 + a2n .b02 + · · · + amn .b0m ) =
(λ1 a11 + λ2 a12 + · · · + λn a1n ).b01 + · · · + (λ1 am1 + λ2 am2 + · · · + λn amn ).b0m .
Entonces  
λ1 a11 + λ2 a12 + · · · + λn a1n
 λ1 a21 + λ2 a22 + · · · + λn a2n 
[T (v)]B 0 =   = [T ]BB 0 · [v]B .
 
..
 . 
λ1 am1 + λ2 am2 + · · · + λn amn
Recı́procamente, si A = (aij ) ∈ Mm×n (R), la aplicación T : V → W definida por
T (b1 ) = a11 .b01 + a21 .b02 + · · · + am1 .b0m , T (b2 ) = a12 .b01 + a22 .b02 + · · · + am2 .b0m , . . . ,
T (bn ) = a1n .b01 + a2n .b02 + · · · + amn .b0m , es una transformación lineal.
Como consecuencia, para cada par de bases B, B 0 de V y W respectivamente, existe una
correspondencia biunı́voca entre el conjunto de las transformaciones lineales de V en W y
Mm×n (R). Mas aún, se identifican como espacios vectoriales. [Cfr. Apéndice]
Si V = W y B = B 0 , la matriz [T ]BB se denomina la matriz de T respecto de la base
B y para abreviar notamos: [T ]B . Se tiene entonces que:
[T (v)]B = [T ]B · [v]B .
Ejemplos
1. Sea T : R3 → R3 la transformación lineal definida por T (x, y, z) = (x − y, x + z, 2 x).

Queremos hallar la matriz de T con respecto a la base canónica de R3 .
T (1, 0, 0) = (1, 1, 2), T (0, 1, 0) = (−1, 0, 0) y T (0, 0, 1) = (0, 1, 0). Entonces,
 
1 −1 0
[T ]C =  1 0 1 .
2 0 0
2. Sea V un R−espacio vectorial B = {b1 , b2 , . . . , bn } y B 0 = {b01 , b02 , . . . , b0n } bases

ordenadas de V e IdV : V → V, tal que IdV (v) = v, para todo v ∈ V.
Entonces:
i) [IdV ]B = In .
ii) [IdV ]BB 0 = [B]B 0 .
3. Sea T : R2 [X] → R3 la transformación lineal definida por:
T (a0 + a1 X + a2 X 2 ) = (a0 + 2 a1 + a2 , a1 + a2 , −a0 + a1 + 2 a2 ).
Si B = {1, X, X 2 } es una de las bases usuales de R2 [X] y B 0 = C3 , como T (1) =

(1, 0, −1), T (X) = (2, 1, 1) y T (X 2 ) = (1, 1, 2) se tiene que
 
1 2 1
[T ]BC3 =  0 1 1  .
−1 1 2
Proposición 8.2.1 Sea V un R−espacio vectorial de dimensión n, T : V → V una

transformación lineal y B, B 0 bases ordenadas de V. Entonces
[T ]B 0 = [B 0 ]−1 0
B · [T ]B · [B ]B .
Dem. Para todo v ∈ V se tiene que [T (v)]B 0 = [B]B 0 · [T (v)]B = [B]B 0 · ([T ]B · [v]B ) =
[B]B 0 · [[T ]B · ([B 0 ]B · [v]B 0 )] = ([B]B 0 · [T ]B · [B 0 ]B ) · [v]B 0 . Como [T (v)]B 0 = [T ]B 0 · [v]B 0 , resulta
que
[T ]B 0 · [v]B 0 = ([B]B 0 · [T ]B · [B 0 ]B ) · [v]B 0 .
Si B 0 = {b01 , b02 , . . . , b0n }, reemplazando v sucesivamente por b01 , b02 , . . . , b0n , se obtiene la
igualdad que queremos demostrar. Teniendo en cuenta que [B]B 0 = [B 0 ]−1 B , resulta que
[T ]B 0 = [B 0 ]−1 0
B · [T ]B · [B ]B .
2
[T ]B 0
...............................................................................................
V V
... .
...
...
... ........
... ..
... ...
...
... ...
... ...
...
... ...
... ...
[B 0 ]B ...
...
...
...
...
...
...
[B]B 0
... ...
... ...
... ...
... ...
. ...
......... ...
.... ...
...............................................................................................
V V
[T ]B
Ejemplos
x−y =0
n
3 3
1. Sea T : R → R la simetrı́a en el Espacio, respecto de la recta L : .
z=0
Como T es una transformación lineal, usando una base adecuada, queremos hallar [T ]C .
d~L
Sea B = {b1 , b2 , b3 }, la base ortonormal de R3 , donde b1 = , b2 es un versor
kd~L k
ortogonal a b1 y b3 = b1 ∧ b2 . Entonces B = {( √12 , √12 , 0), (0, 0, 1), ( √12 , − √12 , 0)}.
Como T (b1 ) = b1 = 1.b1 + 0.b2 + 0.b3 , T (b2 ) = −b2 = 0.b1 + (−1).b2 + 0.b3 y T (b3 ) =
−b3 = 0.b1 + 0.b2 + (−1).b3 , entonces
 
1 0 0
[T ]B =  0 −1 0 .
0 0 −1
Por otra parte, sabemos que: [T ]C = [B]C · [T ]B · [B]−1

C . Luego, reemplazando
       
1 0 1 1 0 0 1 1 √0 0 1 0
1 
[T ]C = · 1 √0 −1  ·  0 0 −1  ·  0 0 2 = 1 0 0 .
2
0 2 0 0 0 −1 1 −1 0 0 0 −1
x=λ
(
2. Sea T : R3 → R3 la proyección sobre la recta L : y = −λ , λ ∈ R, en forma paralela
z=0
al plano π : x + z + 1 = 0. Queremos hallar, usando una base adecuada, [T ]C .
Si T 0 : R3 → R3 es la proyección  ortogonal 0
 sobre el eje Z, entonces T (x, y, z) =
0 0 0
0
(0, 0, z). Por lo tanto [T ]C =  0 0 0  . Debemos hallar B = {b1 , b2 , b3 } tal que
  0 0 1
0 0 0
0
[T ]B = [T ]C =  0 0 0  . Sea b3 = d~L = (1, −1, 0). Consideramos π 0 : x + z = 0,
0 0 1
paralelo a π por el origen de coordenadas y b1 = (0, 1, 0), b2 = (1, 0, −1) ∈ π 0 .
 
0 0 0
Si B = {b1 , b2 , b3 }, entonces [T ]B =  0 0 0  . Luego
0 0 1
 
1 0 1
[T ]C = [B]C · [T ]B · [B]−1
C =
 −1 0 −1  .
0 0 0
Observaciones
1. En el ejemplo anterior la base adecuada no puede elegirse ortonormal.
2. En el caso de una rotación la base adecuada debe tomarse con orientación positiva, es
decir det[B]C > 0.
La Proposición anterior es un caso particular del siguiente resultado:
Proposición 8.2.2 Sean V y W, R−espacios vectoriales de dimensión finita, B y B1 ,

bases ordenadas de V, B 0 y B10 bases ordenadas de W. Si T : V → W es una
transformación lineal, entonces
[T ]B1 B10 = [B 0 ]B10 · [T ]BB 0 · [B1 ]B .

Ejemplo
Sean B = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} y B 0 = {(1, 1, 1), (0, 1, 1), (0, 0, 1)}, bases de R3 y
T : R3 → R3 tal que  
1 −1 0
[T ]BB 0 =  0 2 1 .
1 0 a
Determinar los valores de a para los cuales T (1, 2, 1) = (0, 1, −6).
Por la Proposición anterior
 
0 −1 2
[T ]C = [B 0 ]C · [T ]BB 0 · [B]−1
C =
 1 0 0 .
1 + a −a 1
       
0 0 −1 2 1 0
Entonces [T (1, 2, 1)]C =  1  =  1 0 0 · 2 = 1 .
−6 1 + a −a 1 1 −a + 1
En consecuencia −6 = −a + 1, por lo que a = 7.
8.3. Ejercicios
1. Sean V y W espacios vectoriales sobre un cuerpo R y T una función de V en W.
Probar que las siguientes condiciones son equivalentes:
a) T es transformación lineal.
b) T satisface T (α.u + v) = α.T (u) + T (v), para todo u, v ∈ V ; α ∈ R.
2. Aplicar la definición e indicar cuáles de las siguientes aplicaciones son transformaciones

lineales:
a) T : R2 → R2 que a cada punto P (x, y) del Plano le hace corresponder su proyección

ortogonal sobre el eje de las abscisas.
b) T : R2 → R2 definida por T (x, y) = (2 x − 5, x + y).
c) T : R3 → R3 que a cada punto de coordenadas (x, y, z) del Espacio le hace
corresponder su simétrico respecto al plano XZ.
 
x1 x1 − x 2
d) T : R2 → M3×2 (R), tal que T (x1 , x2 ) =  0 −x2  .
−x1 0
e) T : Mn (R) → R tal que T (A) = det A.

1
f) T : M2 (R) → M2×1 (R) tal que T (A) = A · .
−1
g) T : R2 [X] → R2 tal que T (a X 2 + b X + c) = (a + b, c).
3. Hallar la expresión de T (v) para todo vector v ∈ V, siendo:
a) V = R2 , T : R2 → R2 tal que T (−1, 2) = (1, 0) y T (−1, 1) = (2, 3).

b) V = R3 , T : R3 → R3 la transformación lineal tal que T (−1, 1, 1) = (0, 0, 1),
T (−1, −2, 1) = (0, 0, 0) y T (1, 1, 1) = (1, 1, 0).
c) V = R3 , T : R3 → R3 es una transformación lineal tal que T (1, 0, 0) = (2, 0, 0) y
T (0, 1, 0) = (0, 3, 1). ¿Es única? Justificar la respuesta.
4. a) Mostrar que existe una única transformación lineal T : R2 → R2 tal que T (1, 1) =
(−5, 3) y T (−1, 1) = (5, 2). Para dicha T, determinar T (5, 3) y T (−1, 2).
b) ¿Existe una transformación lineal T : R2 → R2 que verifique T (1, 1) = (2, 6),
T (−1, 1) = (2, 1) y T (2, 7) = (5, 3)?
c) Sean T, T 0 : R3 → R3 transformaciones lineales tales que:
T (1, 0, 1) = (1, 2, 1), T (2, 1, 0) = (2, 1, 0), T (−1, 0, 0) = (1, 2, 1) y
T 0 (1, 1, 1) = (1, 1, 0), T 0 (3, 2, 1) = (0, 0, 1), T 0 (2, 2, −1) = (3, −1, 2).
Determinar si T = T 0 .
5. Sea T : V → W una transformación lineal, S = {v1 , v2 , . . . , vn } ⊂ V y T (S) =

{T (v1 ), T (v2 ), . . . , T (vn )}.
Determinar si las siguientes afirmaciones son verdaderas son verdaderas ó falsas, justifi-
cando la respuesta:
a) Si S es linealmente independiente, entonces T (S) es linealmente independiente.

b) Si S es linealmente dependiente, entonces T (S) es linealmente dependiente.
c) Si S es linealmente independiente, entonces T (S) es linealmente dependiente.
d) Si S es linealmente dependiente, entonces T (S) es linealmente independiente.
6. Sea B = {v1 , v2 , v3 } una base de R3 y B 0 = {w1 , w2 , w3 , w4 } una base de R4 .

Si T : R3 → R4 la transformación lineal tal que
 
1 −2 1
 −1 1 −1 
[T ]BB 0 = 
 2
,
1 4 
3 −2 5
se pide:
a) Hallar T (3.v1 + 2.v2 − v3 ) y sus componentes en la base B 0 .

b) Describir el conjunto T −1 (w1 − 3.w3 − w4 ).
7. En cada uno de los siguientes incisos, hallar [T ]BB 0 , para las bases ordenadas indicadas:
a) T : R2 → R3 , T (x, y) = (3 x + y, 2 x − y, x + y), B = C2 , B 0 = C3 .
b) T : R2 → R2 , T (x, y) = (2 x − y, y), B = {(−1, 0), (0, 1)}, B 0 = {(1, 1), (0, 1)}.
c) T : R3 → R2 , T (x, y, z) = (x − y, x + y + z), B = {(1, −1, 2), (0, 2, −1), (0, 0, 1)},
B 0 = {(2, 1), (1, −1)}.
8. a) Hallar la matriz, respecto de las bases ordenadas usuales de M2 (R)y R1 [X],

de
a b
la transformación lineal T : R1 [X] → M2 (R) tal que T (a X + b) = .
b a
P (X) − P (0)
b) Hallar [T ]BB 0 , siendo T : R2 [X] → R1 [X], T (P (X)) = , con
X
B = {1 + X, X + X 2 , 1 + X 2 } y B 0 = {1 + X, 1 − X} .
9. Sea T : R3 → R3 , la transformación lineal definida por:
T (1, 0, 0) + T (0, 1, 0) = (a, a + 1, 1)

T (1, 0, 0) + T (0, 0, 1) = (−1, a, 2)
T (0, 0, 1) = (−1, 0, 1)
Hallar A = [T ]C , y determinar los valores de a de modo que det A = 0.
10. Para cada una de las siguientes transformaciones lineales T : Rn → Rn , hallar la matriz
de la transformación con respecto a la base canónica de Rn y usando esta matriz, hallar
la matriz de T respecto a la base ordenada B indicada:
a) n = 2, T (x, y) = (x − 2 y, −y), B = {(2, 1), (−3, 4)}.

b) n = 3, T la proyección ortogonal, en el Espacio, sobre el plano XY,
B = {(1, 0, 0), (1, 1, 0), (1, 1, 1)}.
11. Para cada una de las transformaciones lineales T : R3 → R3 hallar, usando base
adecuada, la matriz de T con respecto a la base canónica de R3 :
a) T : R3 → R3 la transformación lineal que a cada punto del Espacio le hace corres-

ponder su proyección ortogonal sobre la recta L que pasa por el punto P (0, 1, −1).
b) T la aplicación que a cada punto del Espacio le hace corresponder su simétrico
x−y =0
respecto a la recta L : .
y+z =0
c) T lasimetrı́a con respecto al plano π : x − y + z = 0, en forma paralela a la recta
 x=1+λ
L: y = 2 − λ , λ ∈ R.
z=0

9. Autovalores y autovectores
9.1. Definición y ejemplos

Sea V un R−espacio vectorial de dimensión n y T : V → V una transformación lineal.
Queremos hallar, si es posible, una base ordenada B = {b1 , b2 , . . . , bn } tal que
 
λ1 0 · · · 0
 0 λ2 · · · 0 
A = [T ]B = ([T (b1 )]B [T (b2 )]B · · · [T (bn )]B ) =  .. ..  .
 
.. . .
 . . . . 
0 0 · · · λn
Es decir, queremos hallar una base ordenada B = {b1 , b2 , . . . , bn } tal que T (bi ) = λi .bi , para
todo i, 1 ≤ i ≤ n. Nos interesa hallar vectores no nulos v, tales que T (v) = λ.v.
En R2 y R3 , buscamos vectores no nulos de modo que T (v) y v sean paralelos ó T (v) = 0.
Definición 9.1.1 Sea V un R−espacio vectorial y T : V → V una transformación lineal.
Un escalar λ ∈ R se dice un autovalor de T, si existe un vector no nulo v ∈ V tal que
T (v) = λ.v. El vector v se denomina un autovector asociado a λ.
Ejemplos
1. Sea V = E2 y T la proyección ortogonal sobre el eje X.
....
........
....
Y ...
......... ....... ....... ....... ....... ....... ..
... rP
... ...............
.
... ... .
...
... ....
.
... ..
.
... . ...
... ...
.. ..
... ...
... ... ...
...
... −→ .
.
.... ..
...
...
...
OP .
.
.
..
.
.
.. ...
..
.. ...
...
....
. ..
... ..
... .. ...
... ...
. ..
... .
..
.
... ... ...
... .... ..
... ..
.
... ... ...
... ... . ..
.... ... .
...
.........
r
..
.....................................................................................................................................................................................................................................................................................
O −→ ...
... X
T (OP ) ..
....
.
Figura 55
−→ −→ −→
Si P 6= O se halla sobre el eje X, entonces T (OP ) = OP = 1.OP . Por lo tanto
−→
λ = 1 es un autovalor de T y OP es un autovector asociado.
−→ −→
Si P 6= O se halla sobre el eje Y, se tiene que T (OP ) = 0 = 0.OP . Entonces
−→
λ = 0 es un autovalor de T con autovector asociado OP .
2. Sea V = E3 y T la simetrı́a respecto al plano XY .

−→ −→ −→
Si P 6= O pertenece al plano XY, entonces T (OP ) = OP = 1.OP , de donde se
−→
deduce que λ = 1 es un autovalor de T, con autovector asociado OP .
−→ −→ −→
Si P 6= O pertenece al eje Z, entonces T (OP ) = −OP = (−1).OP , por lo tanto
−→
λ = −1 es autovalor de T y OP es un autovector asociado.
...
..........
...
...
Z
...
...
....
..
...
...
...
...
...
...
z0 ....
........ ..
.. .....
.. .......
... .......
...
... r P (x0 , y0 , z0 ) ......
........
... ....... .
... ......... ....
... ....
..... ...
... ..... ..
... .....
... ........
. ...
.
... ........ ..
O ... ........ y0
..............................................................................................................................................................................................
......... ... . .
..
..
. ...... ....
.... .. .
...... . ..... .... .... ...
......
......
x0 .
......
.
..
.......
. ... ...
. .
....
....
....
.... .. ..
.. . .
.
.
..
.... Y
.......... ....... ....... ......... .......... ....... ..............
...... .. ...
...... ....
..
..
....... .
.
...
..
.
...... .. ...
..
..
....... ...
.
.
....
.... .... ...
...... ...
...... ... ...
..
..
....... .
. .
. .
...... ... ...
.
..
............
.
.
X −z0 .
... .......
...
..... ..
... .
..
....... .. .
... ....... .... ...
...................
r
.
T (P )(x0 , y0 , −z0 )
....
.....
...
..
Figura 56
Proposición 9.1.1 Sea V un R−espacio vectorial y T : V → V una transformación lineal.

Si v ∈ V es un autovector de T asociado a λ y λ0 , entonces λ = λ0 .
Dem. Si T (v) = λ.v = λ0 .v, entonces (λ − λ0 ).v = 0. Por lo tanto v = 0 ó λ − λ0 = 0.
Como v es un autovector de T, entonces λ − λ0 = 0. En consecuencia λ = λ0 . 2
Proposición 9.1.2 Sea V un R−espacio vectorial y T : V → V una transformación lineal.
Entonces Vλ = {v ∈ V : T (v) = λ.v} es un subespacio de V.
9.2. Cálculo de autovalores y autovectores

Proposición 9.2.1 Sea V un R−espacio vectorial de dimensión n, T : V → V una
transformación lineal y A = [T ]B , donde B es una base ordenada de V.
Entonces,
λ ∈ R es un autovalor de T si, y sólo si det(A − λ · In ) = 0.
Dem. Sea v un autovector asociado a λ y supongamos que (v)B = (x1 , x2 , . . . , xn ), con

algún xi 6= 0, 1 ≤ i ≤ n.
x1 x1
   
 x2   x2 
Como T (v) = λ.v y [T (v)]B = A · [v]B = λ · [v]B , se tiene que: A · 
 ...  = λ ·  ...  .
  
xn xn
x1 x1 x1
         
0 0
 x2   x2   0   x2   0 
Entonces A ·  ...  − λ ·  ...  =  ...  , por lo cual (A − λ · In ) ·  ...  =  ...  , luego
        
xn xn 0 xn 0
el sistema de ecuaciones lineales homogéneo
X1
   
0
 X2   0 
(A − λ · In ) · 
 ...  =  ...  (∗)
  
Xn 0
tiene solución no trivial y por lo tanto la matriz de los coeficientes tiene determinante nulo, es
decir, det(A − λ · In ) = 0.
Recı́procamente, si det(A − λ · In ) = 0, el sistema (∗) es compatible indeterminado y posee
una solución no nula (x1 , x2 , . . . , xn ). Tomando v ∈ V tal que (v)B = (x1 , x2 , . . . , xn ), se
tiene que v es un autovector asociado a λ. 2
Por lo tanto, si T : V → V es una transformación lineal y A = (aij ) = [T ]B , donde B es
una base ordenada de V, entonces:

a11 − λ a 12 · · · a 1n

a21 a22 − λ · · · a2n
• λ es un autovalor de T si, y sólo si = 0.

.. .. ... ..

. . .

an1 an2 · · · ann − λ
Es decir,
λ es autovalor de T si, y sólo si λ es raı́z del polinomio det (A − X · In ).
• v es autovector de T  asociado
 a λ si  (v)B = (x1 , x2 , . . . , xn ) es solución no trivial del
X1 0
 X2   0 
sistema (A − λ · In ) · 
 ...  =  ...  .
  
Xn 0
Teorema 9.2.1 Sea V un R−espacio vectorial de dimensión n, T : V → V una
transformación lineal, A = [T ]B y A0 = [T ]B 0 ; con B y B 0 bases ordenadas de V.
Entonces det(A − X · In ) = det(A0 − X · In ).
Dem. Si D = [B 0 ]B , entonces det(A − X · In ) = det(D · A0 · D−1 − X · In ) =

det[D·A0 ·D−1 − D·(X ·In )·D−1 ] = det[D·(A0 −X ·In )·D−1 ] = det D det(A0 −X ·In ) det D−1 =
det(A0 − X · In ). 2
El Teorema 9.2.1 nos permite concluir que los autovalores de una transformación lineal T no
dependen de la base elegida para representarla matricialmente.
Al polinomio PT (X) = det(A − X · In ) se lo denomina polinomio caracterı́stico de T .
Observación
El polinomio det (X · In − A) = (−1)n PT (X) tiene las mismas raı́ces que PT (X) y es mónico.
Ejemplos

2 2 0 −1
1. Sea T : R → R tal que A = [T ]C = .
1 0
−X −1
det(A − X · I2 ) = = X 2 + 1. Como X 2 + 1 no tiene raı́ces reales, T no
1 −X
posee autovalores reales.
 
3 1 −1
2. Sea T : R3 → R3 tal que A = [T ]C =  2 2 −1  .
2 2 0
3−X 1 −1

det(A − X · I3 ) = 2 2 − X −1 = −(X − 1)(X − 2)2 . Los autovalores de T
2 2 −X
son: λ1 = 1, λ2 = λ3 = 2.
•Si λ = 1,
     
2 1 −1 x 0
2 x + y − z = 0 2x + y − z = 0
 2 1 −1  ·  y  =  0  ⇒ ⇒ .
2x + 2y − z = 0 y=0
2 2 −1 z 0
Luego V1 = {(x, y, z) : y = 0, z = 2 x} = {(x, 0, 2 x) : x ∈ R} = {(1, 0, 2)}.

•Si λ = 2,
      (x + y − z = 0
1 1 −1 x 0
x+y − z =0
 2 0 −1  ·  y  =  0  ⇒ 2x − z = 0 ⇒ .
−2 y + z = 0
2 2 −2 z 0 2x + 2y − 2z = 0
Entonces V2 = {(y, y, 2 y) : y ∈ R} = {(1, 1, 2)}.

Observemos que en este caso, como dimR V2 = 1, no es posible hallar una base de R3
formada por autovectores.
3. Sea T : R3 → R3 definida por: T (x, y, z) = (−x + 2 y + 2 z, −y, −x − 3 y − 4 z).

 
−1 2 2
Entonces A = [T ]C =  0 −1 0  y PT (X) = −(X + 1)(X + 2)(X + 3).
−1 −3 −4
En consecuencia los autovalores son: λ1 = −1, λ2 = −2, λ3 = −3.
• Si λ = λ1 = −1, entonces V−1 = {(0, −z, z) : z ∈ R} = {(0, −1, 1)}.

Si b1 = (0, −1, 1), se tiene que T (b1 ) = (−1).b1 .
• Si λ = λ2 = −2, entonces V−2 = {(−2 z, 0, z) : z ∈ R} = {(−2, 0, 1)}.

Si b2 = (−2, 0, 1), se tiene que T (b2 ) = (−2).b2 .
• Si λ = λ3 = −3, entonces V−3 = {(−z, 0, z) : z ∈ R} = {(−1, 0, 1)}.

Si b3 = (−1, 0, 1), se tiene que T (b3 ) = (−3).b3 .
Si B = {(0, −1, 1), (−2, 0, 1), (−1, 0, 1)} se tiene que:
 
−1 0 0
[T ]B =  0 −2 0 .
0 0 −3
Definición 9.2.1 Sea V un R−espacio vectorial de dimensión n. Una transformación

lineal T : V → V se dice diagonalizable si existe una base ordenada B de V formada por
autovectores de T .
que T : V →
Entonces, de la definición anterior se deduce  V es
 diagonalizable si, y sólo si
λ1 0 · · · 0
 0 λ2 · · · 0 
existe una base ordenada B tal que [T ]B =  .. .
 
.. . . ..
 . . . . 
0 0 ··· λn
Ejemplo
T : R3 → R3 definida por T (x, y, z) = (−y − z, x + 2 y + z, x + 2 y + z), es una transformación
lineal.
 
0 −1 −1
Sea A = [T ]C =  1 2 1  . Como det(A−X ·I3 ) = −X(X −2)(X −1), los autovalores
1 2 1
de T son : λ1 = 0, λ2 = 2, λ3 = 1.
• Si λ = 0,
     
0 −1 −1 x 0
−y − z = 0
 1 2 1  · y = 0
    ⇒ ⇒ z = −y , x = −y.
x + 2y + z = 0
1 2 1 z 0
Obtenemos ası́ V0 = {(−y, y, −y) : y ∈ R} = {(1, −1, 1)}.

• Si λ = 2,
      ( −2 x − y − z = 0
−2 −1 −1 x 0
−2 x − y − z = 0
 1 0 1  · y = 0
    ⇒ x+z =0 ⇒ .
−y + z = 0
1 2 −1 z 0 x + 2y − z = 0
Entonces V2 = {(−z, z, z) : z ∈ R} = {(1, −1, −1)}.

• Si λ = 1,
     
−1 −1 −1 x 0
x + y + z = 0 x+y+z =0
 1 1 1  · y  = 0 ⇒ ⇒ .
x + 2y = 0 y−z =0
1 2 0 z 0
V1 = {(−2 y, y, y) : y ∈ R} = {(−2, 1, 1)}.

B = {b1 , b2 , b3 } = {(1, −1, 1), (1, −1, −1), (−2, 1, 1)} es una base ordenada de R3 y se
verifica que:
T (b1 ) = 0.b1 = 0.b1 + 0.b2 + 0.b3
T (b2 ) = 2.b2 = 0.b1 + 2.b2 + 0.b3
T (b3 ) = b3 = 0.b1 + 0.b2 + 1.b3 .
 
0 0 0
Por lo tanto T es diagonalizable y [T ]B =  0 2 0  .
0 0 1
Si se hubiera considerado la base B 0 = {(1, −1, −1), (1, −1, 1), (−2, 1, 1)}, entonces
 
2 0 0
[T ]B 0 = 0 0
 0.
0 0 1
Proposición 9.2.2 Si T : R3 → R3 es una transformación lineal, entonces a dos autova-
lores distintos les corresponden autovectores linealmente independientes.
Dem. Si λ1 y λ2 , λ1 6= λ2 , son autovalores de T, con autovectores asociados b1 , b2
respectivamente, entonces T (b1 ) = λ1 .b1 y T (b2 ) = λ2 .b2 . Si α.b1 + β.b2 = 0, entonces
0 = T (α.b1 + β.b2 ) = α.T (b1 ) + β.T (b2 ) = α.(λ1 .b1 ) + β.(λ2 .b2 ) = (−λ1 β).b2 + (β λ2 ).b2 =
(λ2 − λ1 ) β.b2 .
Como λ2 − λ1 6= 0 y b2 6= 0 se tiene que β = 0 lo que implica α.b1 = 0 y en consecuencia
α = 0, pues b1 6= 0. Por lo tanto {b1 , b2 } es linealmente independiente. 2
Proposición 9.2.3 Si T : R3 → R3 es una transformación lineal con autovalores λ1 , λ2 ,
λ3 , distintos dos a dos, y autovectores asociados b1 , b2 , b3 respectivamente, entonces
{b1 , b2 , b3 } es linealmente independiente.
Dem. Como λ1 6= λ2 , entonces {b1 , b2 } es linealmente independiente. Para probar la
Proposición basta ver que b3 no es combinación lineal de b1 y b2 .
Supongamos que b3 = α.b1 + β.b2 , entonces λ3 .b3 = T (b3 ) = T (α.b1 + β.b2 ) = α.T (b1 ) +
β.T (b2 ) = α.(λ1 .b1 ) + β.(λ2 .b2 ), por lo tanto λ3 .(α.b1 + β.b2 ) = (α λ1 ).b1 + (β λ2 ).b2 .
Se tiene entonces que (α λ3 ).b1 + (β λ3 ).b2 = (α λ1 ).b1 + (β λ2 ).b2 .

α λ3 = α λ1
Como {b1 , b2 } es linealmente independiente, se tiene que , esto implica que
β λ3 = β λ2

α(λ1 − λ3 ) = 0
. Como λ1 − λ3 6= 0 y λ3 − λ2 6= 0, debe ser α = β = 0.
β(λ3 − λ2 ) = 0
Entonces b3 = 0, contradiciendo la hipótesis de que b3 es un autovector de T . 2
Corolario 9.2.1 Si T : R3 → R3 es una transformación lineal con autovalores λ1 , λ2 , λ3 ,

distintos dos a dos, entonces existe una base ordenada B formada por autovectores y por
consiguiente T es diagonalizable.
Dem. Si b1 , b2 , b3 son los autovectores correspondientes a λ1 , λ2 y λ3 , entonces

 
λ1 0 0
B = {b1 , b2 , b3 } es base de R3 y [T ]B =  0 λ2 0 . 2
0 0 λ3
Observación
Si n = 3 y PT (X) admite una raı́z doble, es decir si PT (X) = (λ1 − X)(λ2 − X)2 , nada
podemos asegurar de su diagonalización, como lo demuestran los siguientes ejemplos.
 
1 1 0
1. Sea T : R3 → R3 tal que A = [T ]C =  0 1 0 .
0 0 −1
Como det(A − X · I3 ) = −(X − 1)2 (X + 1), resulta que λ1 = −1 y λ2 = λ3 = 1 son
autovalores de T .
•Si λ = −1,
     
2 1 0 x 0
 0 2 0  · y  = 0 ⇒ 2x+y =0
⇒ x = y = 0.
2y = 0
0 0 0 z 0
Por lo tanto V−1 = {(0, 0, z) : z ∈ R}.
•Si λ = 1,
     
0 1 0 x 0
y=0
n
 0 0 0  · y  = 0 ⇒ . Por lo tanto V1 = {(x, 0, 0) : x ∈ R}.
z=0
0 0 −2 z 0
Entonces T no es diagonalizable pues no se puede elegir una base formada por autovec-
tores.
 
1 0 0
3 3
2. Sea T : R → R tal que A = [T ]C =  0 1 −1  .
0 0 −1
Entonces det(A − X · I3 ) = −(X + 1)(X − 1)2 lo que implica que λ1 = −1, λ2 = λ3 = 1
son los autovalores de T .
•Si λ = −1,
     
2 0 0 x 0
2x=0
 0 2 −1  ·  y  =  0  ⇒ ⇒ x = 0, z = 2 y.
2y−z =0
0 0 0 z 0
Por lo tanto V−1 = {(0, y, 2 y) : y ∈ R}.
•Si λ = 1,
     
0 0 0 x 0
 0 0 −1  · y = 0  ⇒ z = 0. Entonces V1 = {(x, y, 0) : x, y
   ∈ R}.
0 0 −2 z 0
 
−1 0 0
Si se considera B = {(0, 1, 2), (1, 0, 0), (0, 1, 0)} se tiene que [T ]B =  0 1 0 .
0 0 1
9.3. Transformaciones lineales simétricas

Definición 9.3.1 Sea V un espacio euclı́deo. Una transformación lineal T : V → V se dice
una transformación lineal simétrica si hT (u), vi = hu, T (v)i, para todo u, v ∈ V.
Proposición 9.3.1 Sea V un espacio euclı́deo de dimensión n y B = {b1 , b2 , . . . , bn } una

base ortonormal de V. Si T : V → V es una transformación lineal y [T ]B = (aij ), entonces
aij = hT (bj ), bi i.
n
X
Dem. Como [T ]B = (aij ) = ([T (b1 )]B [T (b2 )]B · · · [T (bn )]B ) , entonces T (bj ) = akj .bk .
k=1
Xn n
X
Luego, hT (bj ), bi i = h akj .bk , bi i = akj hbk , bi i = aij , pues B es base ortonormal. 2
k=1 k=1
Proposición 9.3.2 Sea V un espacio euclı́deo de dimensión n. Si T : V → V es una

transformación lineal, entonces las siguientes condiciones son equivalentes:
a) T es transformación lineal simétrica.
b) [T ]B es una matriz simétrica, para toda base ortonormal B de V .
c) [T ]B es una matriz simétrica, para alguna base ortonormal B de V .

Dem.
[a) ⇒ b)] Sea B = {b1 , b2 , . . . , bn } una base ortonormal de V y supongamos que A =
[T ]B = (aij ). Entonces, aij = hT (bj ), bi i = hbj , T (bi )i = hT (bi ), bj i = aji , pues vale a). Luego
A = AT , por lo que [T ]B es una matriz simétrica.
[b) ⇒ c)] Trivial.
[c) ⇒ a)] Probemos a) para los vectores de la base ortonormal B = {b1 , b2 , . . . , bn } que
existe en las condiciones de c). Por la Proposición 9.3.1, se tiene que hT (bj ), bi i = aij =
aji = hbj , T (bi )i. Como el resultado vale para los vectores de una base de V, concluimos
que hT (u), vi = hu, T (v)i, para todo u, v ∈ V, por lo que T es una transformación lineal
simétrica. 2
Entre las propiedades más importantes de las transformaciones lineales simétricas, que permiten
dar otra caracterización de las mismas se encuentran las siguientes:
a) Todas las raı́ces del polinomio caracterı́stico son reales.
b) A autovalores distintos corresponden autovectores ortogonales.

Los resultados anteriores permiten concluir que si V es un espacio euclı́deo y T : V → V es
una transformación lineal, entonces:
T es una transformación lineal simétrica si, y sólo si es diagonalizable en una base

ortonormal. [Cfr. Apéndice, pág. 242]
Ejemplos
 
−2 0 −36
1. Sea T : R3 → R3 tal que A = [T ]C =  0 −3 0 .
−36 0 −23
Como C en una base ortonormal y [T ]C es simétrica, entonces T es transformación
lineal simétrica.
Calculemos los autovalores y una base ortonormal B, formada por autovectores, con
respecto a la cual [T ]B es diagonal.

−2 − X 0 −36

det(A − X · I3 ) = 0 −3 − X 0 = (−3 − X)(X 2 + 25 X − 1250).

−36 0 −23 − X
Son autovalores: λ1 = −3, λ2 = 25, λ3 = −50.

•Si λ = −3,
     
1 0 −36 x 0
x − 36 z = 0
n
 0 0 0  · y = 0
    ⇒ ⇒ x = z = 0.
−36 x − 20 z = 0
−36 0 −20 z 0
V−3 = {(0, y, 0) : y ∈ R} = {(0, 1, 0)} .

Considero a b1 = (0, 1, 0) como autovector asociado al autovalor −3.
•Si λ = 25,
     
−27 0 −36 x 0
(
−27 x − 36 z = 0
 0 −28 0  · y = 0
    ⇒ −28 y = 0 ⇒ y = 0, x = − 43 z.
−36 0 −48 z 0 −36 x − 48 z = 0
Por lo tanto V25 = {(− 43 z, 0, z) : z ∈ R } = {(−4, 0, 3)}. Sea b2 = (− 45 , 0, 35 ) un

autovector asociado a λ = 25.
•Si λ = −50,
     
48 0 −36 x 0
(
48 x − 36 z = 0
 0 47 0  · y = 0
    ⇒ 47 y = 0 ⇒ y=0, z = 34 x,
−36 0 27 z 0 −36 x + 27 z = 0
entonces V−50 = {(x, 0, 34 x) : x ∈ R }. Sea b3 = ( 53 , 0, 54 ) un autovector asociado a
λ = −50.
B = {b1 , b2 , b3 } = (0, 1, 0), (− 45 , 0, 35 ), ( 35 , 0, 54 ) es una base ortonormal de R3 y

 
−3 0 0
[T ]B =  0 25 0 .
0 0 −50
 
4 2 2
2. Sea T : R3 → R3 tal que [T ]C =  2 4 2  .
2 2 4
Por lo enunciado anteriormente T es una transformación lineal simétrica, y por lo
tanto existe una base ortonormal B tal que [T ]B es diagonal. B está formada por
autovectores de T.
4−X 2 2

det(A − X · I3 ) = 2 4−X 2 = −(X − 2)2 (X − 8), lo que implica que
2 2 4−X
λ1 = 8, λ2 = λ3 = 2 son autovalores de T.
• Si λ = 8,
     ( −2 x + y + z = 0
−4 2 2 x 0
x − 2y + z = 0
 2 −4 2 · y  =  0  ⇒ x − 2y + z = 0 ⇒ ⇒
−3 y + 3 z = 0
2 2 −4 z 0 x + y − 2z = 0
y = z = x, por lo tanto V8 = {(z, z, z) : z ∈ R} = {(1, 1, 1)}. Sea b1 = ( √13 , √13 , √13 ).
•Si λ = 2,
     
2 2 2 x 0
 2 2 2  ·  y  =  0  ⇒ x + y + z = 0.
2 2 2 z 0
Luego V2 = {(x, y, −x − y) : x, y ∈ R} y b2 = ( √12 , 0, − √12 ), es un autovector
asociado al autovalor 2. Para completar la base debemos hallar b3 ∈ V2 tal que
kb3 k = 1. b3 = b1 ∧ b2 = (− √16 , √26 , − √16 ), verifica lo pedido.
Por lo tanto B = {b1 , b2 , b3 } es una base ortonormal y

 
8 0 0
[T ]B =  0 2 0  .
0 0 2
Proposición 9.3.3 Si T : R3 → R3 es una transformación lineal no simétrica tal que sus

autovalores son λ1 = λ2 = λ3 , entonces T no es diagonalizable.
Dem. Si T fuese diagonalizable existirı́a una base B tal que [T ]B = λ1 · I3 . Entonces
[T ]C = [B]C · [T ]B · [B]−1 −1
C = [B]C · (λ1 · I3 ) · [B]C = λ1 · I3 ,
que es una matriz simétrica, de donde se deduce que T es una transformación lineal simétrica,
contradiciendo la hipótesis. 2
Caracterización de las transformaciones lineales diagonalizables
Teorema 9.3.1 Sea V un R−espacio vectorial de dimensión n, T : V → V una transfor-
mación lineal y PT (X) = (−1)n (X − λ1 )r1 (X − λ2 )r2 · · · (X − λk )rk , con λi ∈ R ; λi 6= λj si
i 6= j y r1 + r2 + · · · + rk = n. Entonces las siguientes condiciones son equivalentes:
a) T es diagonalizable.
b) dimK Vλi = ri , 1 ≤ i ≤ k.
Dem. [Cfr. Hoffman, K. y Kunze, R., Álgebra lineal, Prentice−Hall, 1973.] 2
Ejemplo
Se sabe que T : R3 → R3 definida por:
 
0 0 −2
A = [T ]C =  −1 0 −1  ,
k 3 −1
tiene un autovalor igual a −2.

a) Determinar el valor de k.
b) Decidir si T es diagonalizable.
Como λ1 = −2 es un autovalor de T, es raı́z del polinomio PT (X) = det(A − X · I3 ) =

−X 0 −2

−1 −X
−1 = −X 3 + X 2 − (2 k + 3)X + 6. Entonces PT (−2) = 0, por lo que
k 3 −1 − X
k = −6. Como el cociente de dividir PT (X) por X + 2 es −X 2 + 3 X + 3, se observa que
el discriminante de la ecuación cuadrática asociada es positivo, por lo que la transformación
lineal tiene los tres autovalores distintos. En consecuencia, T es diagonalizable.
9.4. Ejercicios
1. Indicar, haciendo uso de un gráfico, cuáles son los autovalores y los autovectores de las
siguientes transformaciones lineales T : Rn → Rn :
a) n = 3 y T la proyección ortogonal sobre un plano que pasa por el origen.

b) n = 2 y T la proyección ortogonal sobre una recta que pasa por el origen.
c) n = 3 y T la proyección ortogonal sobre una recta que pasa por el origen.
d) n = 3 y T la simetrı́a respecto de un plano que pasa por el origen.
e) n = 2 y T el simétrico respecto de una recta que pasa por el origen.
f) n = 3 y T la rotación alrededor de una recta que pasa por el origen.
2. Sea V un R−espacio vectorial y T : V → V una transformación lineal. Probar que

si u y v son autovectores no paralelos de T, asociados a λ, entonces para todo
α, β ∈ R, α y β no simultáneamente nulos, α.u + β.v es un autovector de T
asociado a λ.
3. Cada una de las matrices siguientes es la matriz asociada a una transformación lineal T
respecto a la base canónica de R2 ó R3 . Hallar, si existen, sus autovalores reales λ y
los correspondientes subespacios Vλ .
2 −1
   
0 1 1 1
−7 5 3 −5
; ;  0 2 1  ;  0 −5 −4 
−10 8 1 −1 0 8 7
0 0 1
       
1 1 1 1 1 0 1 1 0 2 3 −1
 0 1 1  ;  0 1 1  ;  0 1 0  ;  −1 1 4 
0 0 1 0 0 1 0 0 1 1 2 −1
4. Calcular los autovalores y los correspondientes autovectores de cada una de las siguientes
transformaciones lineales:
a) T : R3 → R3 , T (x, y, z) = (x + y + z, x + y, −z).
b) T : R2 → R2 , T (x, y) = (−2 x − 2 y, −5 x + y).
c) T : R2 [X] → R2 [X], T (a + b X + c X 2 ) = (3 a − 2 b) + (−2 a + 3 b) X + 5 c X 2 .

a b 2c a+c
d) T : M2 (R) → M2 (R), T = .
c d b − 2c d

0 2 2 −β 1 + α2
5. Sean v = (α, 1) y T, T : R → R definidas por A = [T ]C = y
1 −(1 + β)
α β
A0 = [T 0 ]C = . Determinar para qué valores de α y β, el vector v es un
0 2
autovector de T y T 0 , simultáneamente.
 
0 0 −3
6. Sea T : R3 → R3 tal que A = [T ]C =  1 0 −1  .
k 1 −1
a) Hallar los valores de k ∈ R, para los cuales λ = 1 es autovalor de T.

b) Para los valores de k hallados anteriormente, calcular los correspondientes Vλ .
7. Hallar todos los valores de k ∈ R, de modo que λ = 9 sea autovalor doble de la

transformación lineal T : R3 → R3 definida por T (x, y, z) = (k 2 x − 2 y , 7 y , 5 y + 9 z).
8. Sea T : R3 → R3 la transformación lineal cuya matriz en la base canónica es

 
3 −1 1
A = [T ]C =  0 −5 0  .
0 7 2
 
3 0 0
Encontrar una base ordenada B de R3 para la cual A0 = [T ]B =  0 −5 0  .
0 0 2
9. Para cada una de las siguientes transformaciones lineales indicadas a continuación, hallar
[T ]C , determinando si T es diagonalizable.
a) T : R2 → R2 , tal que T (1, 1) = (7, −8) y T (−1, 2) = (−4, 8).

b) T : R2 → R2 tal que v = (1, 1) es un autovector de T asociado a λ = 2 y
T (0, 1) = (1, 2).
c) T : R2 → R2 posee a v1 = (1, 2) y a v2 = (3, 1) como autovectores y T (5, −5) =
(2, −1).
10. Sea T : R3 → R3 la transformación lineal definida por:
T (2, 1, 0) = (2, 2 α + 1, 0) ; T (1, 1, 1) = (1, α + 1, 2) ; T (2, 0, 1) = (2, 2 α, 2).
Determinar los valores de α para los cuales T es diagonalizable.
11. Sea T : R3 → R3 la transformación lineal cuya matriz respecto a la base canónica es

 
a 0 0
A = [T ]C =  −1 0 2  , a ∈ R.
0 0 a2
a) Hallar los valores de a para los cuales T es diagonalizable.

b) Para a = 1, hallar una base ordenada de R3 formada por autovectores.
c) Calcular los valores de a, para los cuales λ = 4 es autovalor de T.
12. Cada una de las siguientes matrices es la matriz asociada a una transformación lineal
simétrica con respecto a la base canónica. Hallar una base ortonormal B tal que la
matriz de la transformación con respecto a la misma sea diagonal.
 
1 −1 −1
3 4 2 1 1 −1
, , ,  −1 1 −1 
4 −3 1 2 −1 1
−1 −1 1
     
0 0 1 1 −1 0 2 0 1
 0 1 0  ,  −1 2 −1  ,  0 1 0  .
1 0 0 0 −1 1 1 0 2
13. Dadas las siguientes transformaciones lineales hallar, si es posible, una base ortonormal
B tal que [T ]B sea una matriz diagonal.
a) T : R3 → R3 la aplicación que acada punto del Espacio le hace corresponder su

x+y =0
simétrico respecto a la recta L : .
y−z =0
b) T : R3 → R3 la aplicación definida por T (x, y, z) = (y, −z, x + y).
c) T : R2 → R2 la aplicación que a cada punto del Plano le hace corresponder la
proyección ortogonal sobre la recta de ecuación 2 x + y = 0.
14. Definir una transformación lineal T : R3 → R3 que tenga autovalores 1 y −1, de

modo que V1 = {(x, y, z) : 2 x − y + z = 0 } y V−1 = {(−2 z, 0, z) : z ∈ R}.
¿De qué tipo de transformación lineal se trata?
15. Sea B = {(1, 1, 1), (1, −1, 0), (1, 1, 0)} una base de R3 y T : R3 → R3 tal que
 
−1 0 0
[T ]B =  0 1 0 .
0 0 −1
a) Indicar los autovalores y los autovectores de T .

b) ¿Es una transformación lineal simétrica?
16. Sea B = {(1, 0, −1), (0, 2, 1), (−1, 3, 2)} y T : R3 → R3 la transformación lineal tal
que  
0 2 a
[T ]B =  0 b 2 .
1 0 1
a) Encontrar a y b para que T (−1, −1, 0) = (−1, −1, 0).
b) Para lo valores hallados, determinar si T es diagonalizable.
c) ¿Es T diagonalizable en una base ortonormal? Justificar la respuesta.
10. Cónicas y Cuádricas
10.1. Cónicas
Estudiaremos someramente un grupo de curvas que los griegos denominaron cónicas.
Son ellas: la elipse (y como caso particular la circunferencia), la hipérbola y la parábola.
Los matemáticos griegos consideraron un cono circular e intentaron describir todas las curvas
obtenidas al intersectar el cono con un plano. Si el plano no pasa por el vértice, se obtienen las
cónicas propiamente dichas:
......
..
.... .........
... .......
.................................
.................................................................. .................................................................. .. .
. ..... .
...... . ........ ...................
........... ....... ........... ....... ........... .... ......... .........
....... ..... ....... ..... ....... ... ...... ......
..... ... ..... ... ..... ... ... ...... ...
....... .
..... ....... .
..... ....... ... ... .......
.
...
......
......... ........ ......
........ .......
.
......
.........
.
.
.
.
... ...... ..........
. ...
. ... .. . .... ................... .. ....
.
..................
.. .. .
....... ........... ..............
... ......................................................................
... . ..................
..
.
.
. . ..... . .
... ............................................ . .. ... ............................................. . .......
... ... ...
... ... ...
... ... ........ .........
... ... ... ... ...
......... .....
... ... ... ... ... ... .....
...
... .
.... ... . .... .... .................................................................... ...
... ..... .....
...
.. ... .. . . ... .. ..
...
... ... ... ... .. ...
...
... .... ... ... ... .. ... .. ... ...
...
... ... ........ .... ... .. . ... ..
.
... .
..... ... . ...
... .... .............. ... ... .. . .. . .
... .... ...
. ...
... .
. ......... ... ... . ... ......... .. ..
.....
... .
..
. .. ... ..... ... ... ..
... ................ ... ... ... ..
..
... .... .... ...
.
.
... ....... ... . .... ..... ..... .. ... ... .... ...
...... ........
. ... .. .....
... ... .......... ....
..... ...
. . ... ... ... ...
..... ...... .
.. . ... ... .... .... ... ... .... .... ...
..... ... ... ... ... ... ...... .. ... .... .... ...
. .. . ...... . .
... .
... ...... . ... .... ... ..
. ...... .... ...
.
........ .
.
.
.. .. .... ........ .
.......... .. .
....
. .... .
... . .. .... ...
........ .
.. .... .. .......
. ... .... .
...... . .... ...
.. . . .. .
. ..
.. ..
. . . ...
. ... .... ...... ... .. .
.......... ....
...... .
..... .... .............. ... ... ... .... ......... .. ... .. ...
.....
... ....... ......... ... ... .. . ... .. ... .. ....
... ........ .........
.. ..
....
.
. ..... ... ..
.... ... .
.......
...
... ................... ...
.. ..
... ... ... . . ...
...
... ....
......... ..... ... ... . .
... ....
... ... ... ..
.
.. ... .
.. ...... ....
... .... ... ... ... ... .. .. ... ... ....
... .. ....... ... ... .... ....
.
.. ..... .... .. . .
... .. ...
....... . ..
. . . ...
... ... . ...................... .... .... .... .... .... . ..... .... ..
.. ... .... .... .... .... .... .... ....... .... ....... . .
.. .... .... .... .... .... .... ...... .... .... ...... ..
. . . ...
...
....................... ... ...... ... ...... .... .... ............. ..
...... . .. .... ....
... . . . ... ........... ............. ... .. . . . . ... .....
... .... ........ ... ............. ... ... ....... ...
. .. .
. . . ...
... ................ ..... .... ....... .... .. .. .
.
.....
. ... .. . .
... ...
............ .... ...
. .... .... ... ... ... ...... .... ... .. .
. .. ....
......
......... .
........... ......
......... . ....
..
. . ... .
.
.
.
. ........... .......
..........
.
...... ... .... ...
................ .... ................. .. . .... ......
.................................................. .............................................................. .....................
...................... ... .. ... ..... .
. .... .... ...
...... ... ...
... ...
... ...
...
... .....
... .
... ....
Elipse Parábola Hipérbola ... ..
... ...
.....
.....
Figura 57
Si el plano pasa por el vértice del cono las posibles intersecciones serán: un punto, una recta ó
un par de rectas; denominadas cónicas degeneradas. ....
.... .............................
... ...............
.......
... ...............
........ ...
... ......... ..
....................
.........................................
.......... ....................
.........................................
............... ..... . ... .... .... .... .... .... .... .... .... ........
.. .. ........... ....... .. ... .......... . ......
. .....
..... . . ..
. .......... . ... ..........
....
.. .... .... .. ...... ..... ......... ... ....
......
...
. .....
. ..... ..
.
.....
..... .
.... .. ... ... ...
..
...... .
.... ...... ... .
.... ..... ..... ... .. .... .......
......... .
... .. ......... .. ..
. . ..... .......... .. .
.................. .......
..... . . .. .... .........
.. . .... ................... . .............
.
.
........................................................... ..... ... .................... .............. ... ..... ................................................................... ....
... .... .. . .. .. .. .................. ........
.
..
..
... ... . ..
...
... .
..
.. .... ..
.
..
.
. ...
.. ......... .. ... .......
... .... .... . .... ... ... .... ... ... ....
... ... ... ... ... ... .... ... .. ....
... ...
...
... ... ... ... .... .. ... ... ....
... ... ... ... ... . . .
... ...
...
... .. ... ... ... ... . ... ... ....
... .. . . .
..
. .
. ... ... ... ... .. ..
..................................... ................................................................ ...
... .... ... ...
. ...
... .
..... ...
.. ... ... ... ... ...
... ..
...... ...
... ... ... ...
... .
... ...
... ... .
..... .
..
... ... ... ...
.....
...... ..... ... ... ..... ..... .. ...
... ... ..... . . . .
. ... .... .... ....
... ... ... ... .. .. .. . .......
..... ... ... .......... ... ... ..
... . ... ... .. ... ... ...... ...
... ... ... ... ... ... .. ... ... .... ...... ...
.... ... ... ... .. ... ..... ... .... ... ...... ... ..
. ...
... .. . .. ..... ... .
... ... ... ... ... .... ... ... ... .
....
. ... .. . ..
.. ... ... ... ... . . ...
......................................................................................................................................................................................... ... ... ... .. ... .
.
.... ... ... .
... ...
. ..... .
....
. ... ..... ... ..
.
.... .... ... ....
... ... .. .. ....... .. ... .. ..
... ... ... ... ... ........ ... .. ...
... ... ... ... ...... ... .... .. ... .. ..
... ... ... ... ... ... ... .... ... ... .....
... ... . ... .... ... .....
. .... . ... ..
...
.
. .... ....
....
...
. ... .... .. .. ... .....
.
... .... ....
.... . ... .... ..
.. .
. .. .... .... .. ... .
.. ......
.
....
.
... .... .... ...
. . .. . .... . .
.. ... . .
.. .... .... .... .........
.
................ .... .... .... .... .... .... ............. ......... .....
.
....... .... ... ........... ... .... .... ............ ... ... .... ...
... .... ... ..... ... .... ....
.. ....... ... .. ....
....... ... .... . .
.
.. ... ...... .... ... ... ....
... ... ... ......
..... ...... ..... .
. ....
. .... ....
.... ..... .........
..
.......
........... ..
.......... .. ..... ....
. ....
............... .......
.......... .... . .........
........................................................... . . .
... ... .... .... .............................................. . ..................... . .. .
... . ................................................ ....
... ... ....... ..
... ... ....... ...
... .. ......
... . ....
... .. .
... ...
......
Punto Recta Par de rectas
Figura 58
Circunferencia
Fijemos en el Plano un sistema de coordenadas cartesianas ortogonal (O, XY ). Consideremos
C(x0 , y0 ) un punto fijo y r ∈ R, r > 0.
Definición 10.1.1 Llamaremos circunferencia con centro C y radio r, al conjunto C(C,r)
de los puntos P del Plano cuya distancia a C es r.
.
........
..
Y
...
... ..
... ................ ......................
.......
y ... ......
... ...... ...... ...... ...... .................... ...... ...... ...... ...... ................. r P (x, y) ......
.
...
...
.. ...
..
.
.
.
r .
...
.
.
..
. .
..... ... ....
... . ....
. .
..
.... ..
.. ..... ... ....
.....
y0 ... ... r
........ ...... ...... ...... ......... ...... ...... ...... .......... ...... . .
... ... .
.... ...
..
..
.. ....
...
...
...
...
...
...
C .
... .
.
... .....
..
.
... ...
... .... . ..
... ..... ......
...
...... .
. ...
......
.
.......
... ............ . .................. ...
............. .
... ..
... ... ....
... .
... ...
... ... .
... . ..
... ... .
.... . .
....................................................................................................................................................................................................................................
O
..
....
...
x0 x X
..
Figura 59
p
P (x, y) ∈ C(C,r) si, y sólo si d(P, C) = r. Luego (x − x0 )2 + (y − y0 )2 = r, y en consecuencia
(x − x0 )2 + (y − y0 )2 = r2 (∗).
Si x0 = y0 = 0, el centro es el origen de coordenadas y la ecuación toma la forma x2 + y 2 = r2 .
Desarrollando (∗) obtenemos x2 + y 2 − 2 x0 x − 2 y0 y + x20 + y02 − r2 = 0.
Si A = x0 , B = y0 y C = x20 + y02 − r2 resulta x2 + y 2 − 2 A x − 2 B y + C = 0.
Recı́procamente, toda ecuación del tipo x2 + y 2 − 2 A x − 2 B y + C = 0 ;√con A2 + B 2 − C > 0,
es la ecuación de una circunferencia con centro C(A, B) y radio r = A2 + B 2 − C.
Basta “completar el cuadrado” y obtener (∗), donde x0 = A e y0 = B.
Observaciones
1. Dada una recta L y una circunferencia C(O,r) de centro O y radio r, se dan las
siguientes situaciones:
a) L contiene un punto interior a C(O,r) , por lo que la recta intersecta a la circunfe-
rencia en exactamente dos puntos. En este caso L se dice secante a C(O,r) .
b) L intersecta a C(O,r) en un único punto, por lo que L y C(O,r) se dicen tangentes.
c) L ∩ C(O,r) = ∅, por lo que L es exterior a la circunferencia.
2. Tres resultados fundamentales sobre circunferencias son los siguientes:
i) La recta perpendicular a una tangente por su punto de tangencia pasa por el centro
de la circunferencia.
ii) La mediatriz de una cuerda pasa por el centro de la circunferencia.
iii) Un triángulo inscripto en una circunferencia C(O,r) es rectángulo si, y sólo si uno
de sus lados es un diámetro de la misma.
Ejemplos
1. La ecuación de la circunferencia de radio 4 y centro en C(1, −2) es
(x − 1)2 + (y + 2)2 = 16.
2. Dada la circunferencia de ecuación x2 + y 2 + 3 x + 5 y − 21 = 0, queremos hallar las

coordenadas de su centro y su radio.
√
−2 A = 3 y −2 B = 5 implica A = x0 = − 32 , B = y0 = − 25 y r = A2 + B 2 − C =
√
9 = 3. Por lo tanto la circunferencia tiene centro C(− 32 , − 52 ) y radio 3.
3. Hallar la ecuación de la circunferencia con centro en la recta L : x + 2 y − 5 = 0 y que

pasa por A(−1, 4) y B(3, 0).
Como el centro de C(C,r) pertenece a L, se tiene que C(5 − 2 y0 , y0 ). Por definición
de circunferencia se tiene que d(A, C) = d(B, C), por lo que (6 − 2 y0 )2 + (y0 − 4)2 =
(2 − 2 y0 )2 + y02 . Operando se obtiene que y0 = 2 y x0 = 1. En consecuencia, C(1, 2)
y r2 = 8, por lo que su ecuación es:
(x − 1)2 + (y − 2)2 = 8.
4. Determinar los valores de k ∈ R de modo que la recta y = k x verifique:
i) Es tangente a la circunferencia x2 + y 2 − 10 x + 16 = 0.
ii) Intersecta a la circunferencia en dos puntos.
iii) Es exterior a la circunferencia.
2
x + y 2 − 10 x + 16 = 0
Planteamos la intersección .
y = kx
Se tiene entonces que x2 + k 2 x2 − 10 x + 16 = (1 + k 2 ) x2 − 10 x + 16 = 0. Para dar
respuesta a i), ii) y iii) hay que considerar el discriminante ∆ de la ecuación
cuadrática.
∆ = 100 − 64 (1 + k 2 ) = 0 si, y sólo si k = ± 43 .
En este caso la ecuación cuadrática tiene solución única y se da respuesta a i).

Si la recta es exterior a la circunferencia, entonces la ecuación cuadrática no tiene solu-
ciones reales por lo que ∆ < 0. En consecuencia |k| > 43 . Finalmente la recta es secante
a la circunferencia si |k| < 43 .
5. Hallar la ecuación de la circunferencia con centro en C(−1, −1) y tangente a la recta

L que pasa por los puntos A(2, −1) y B(−1, 3).
Como la recta L pasa por A(2, −1) y B(−1, 3), su ecuación es 4 x + 3 y − 5 = 0.
Como la circunferencia es tangente a la recta dada, el radio trazado desde el punto de
tangencia es perpendicular a la misma. Para determinar el radio es necesario hallar la
distancia desde el punto C(−1, −1) a la recta de ecuación 4 x + 3 y − 5 = 0.
Luego,
|4 · (−1) + 3 · (−1) − 5| 12
r= √ = .
42 + 32 5
Entonces la ecuación de la circunferencia es
144
(x + 1)2 + (y + 1)2 = 25
.
Elipse
Definición 10.1.2 Llamamos elipse al lugar geométrico E de los puntos del Plano tales que
la suma de sus distancias a dos puntos fijos F1 y F2 , llamados focos, es constante y mayor
que la distancia entre F1 y F2 .
Observación
La suma de las distancias de un punto M a dos puntos fijos F1 y F2 nunca es menor que
la distancia entre F1 y F2 . La suma es igual a la distancia entre F1 y F2 si, y sólo si M
pertenece al segmento F1 F2 . La restricción respecto a la constante elimina esta posibilidad.
Sea O el punto medio del segmento F1 F2 . Como eje X consideremos la recta que contiene
a los puntos F1 , F2 y como eje Y, a la recta perpendicular a la anterior que contiene a O.
Supongamos que F1 y F2 tienen, respectivamente, coordenadas (−c, 0) y (c, 0), c ≥ 0 y
llamemos 2 a, a > 0 a la constante.
.
...
........
....
..
....
...
...
...
...
Y
...
...
...
...
....
....
. .............. .................................... .......... ....
........
....
...
M
r (x, y)
...........................................
..................
.............
..
........ . ....................................
............ .
. .......... ..... ........
...
.... .
.
. ..
............ ..... ........
........... .
.
. ................. ..... .......
......
. .... ......
...... ........................ .....
..... ......
.... ........ . . .....
.
...... ................ ... .....
......
.....
.....
......
. ................ .
.
. .. .....
.... ................. .
.
.
.....
. . ...
..
. ................ .
.
.
.....
......
...
...
... ................ .
.
. .
. ...
.... ....
. ........... .
.
.
.....
...... ...
......
r r
.... .
. ...
... .... ..
.. . ..
.........................................................................................................................................................................................................................................................................................................................................................................................................................
... .
. ..
..
...
...
... F1 (−c, 0) O .
.
.
....
.
F2 (c, 0) X ..
...
..
... . ..
... .... ..
..... ...
..... ... .....
..... ... .....
...... .
. ..........
......
.... ......
...... ......
.......
........ ... .......
......... ... ........
.......... . .
. ..... ........
.
........... . ....
.............. .... ...........
................... .............
......................................................................................................
..
...
....
..
....
Figura 60
p
Sea
p M (x, y) ∈ E = {P : d(P, F1 ) +pd(P, F2 ) = 2 a}. Entonces
p (x + c)2 + y 2 +
(x − c)2 + y 2 = 2 a, lo que implica que (x + c)2 + y 2 = 2 a − (x − c)2 + y 2 .
p
Elevando al cuadrado ambos miembrospse obtiene (x + c)2 + y 2 = 4 a2 − 4 a (x − c)2 + y 2 +
(x − c)2 + y 2 . Entonces a2 − x c = a (x − c)2 + y 2 .
Luego (a2 − x c)2 = a2 [(x − c)2 + y 2 ] , por lo que a2 (a2 − c2 ) = (a2 − c2 ) x2 + a2 y 2 . (∗)
Como d(F1 , M ) + d(F2 , M ) = 2 a > d(F1 , F2 ) = 2 c, se tiene que a > c ≥ 0.
Entonces a2 − c2 > 0, por lo que es el cuadrado de un número real positivo.
Si b2 = a2 − c2 , reemplazando en (∗) obtenemos que a2 b2 = b2 x2 + a2 y 2 y dividiendo por
a2 b2 resulta:
x2 y 2
(E) 2 + 2 = 1 ; a ≥ b > 0,
a b
que es una de las formas canónicas de la ecuación de la elipse.
Los ejes X e Y se denominan los ejes de simetrı́a de la elipse. Los segmentos A0 A y B 0 B
se denominan, respectivamente, el eje mayor y el eje menor de la elipse. Los segmentos OA
y OB se llaman, respectivamente, el semieje mayor y el semieje menor y los números
a y b, son sus respectivas longitudes. Si a = b obtenemos le ecuación de una circunferencia
de radio a. La ecuación (E) implica que |x| ≤ a e |y| ≤ b. Los cuatro puntos en que la
elipse corta a los ejes se llaman vértices y sus coordenadas son A0 (−a, 0), A(a, 0), B(0, b)
y B 0 (0, −b). O se denomina el centro de la elipse.
..
........
...
...
...
Y ...
...
...
Br ...
...
....................................
................ . .......................................................
....
...... ... ...............
.........
.......... ...
............
..........
...
............ ... .........
...... ........
......
 .
. .......
....
.....
 .
. .......
. .
..
.....
 .
. ......
...... .
. ......
... . .....
..........
.....
b .
.
.
.
.
.
.
.....
.....
....
...
. ..
. ...
...
.. ..
.

 . ...
.. .. ...
A0 r
.  .
rA
.... .... ...
..
. r ..
. ..
............................................................................................................................................................................................................................................................................................................................................................................................................
... .
. ...
...
... O| .
....
{z } X ...
...
...
...
...
...
...
a ...
...
...
.....
..... ..
. ......
.
..... ... .....
...... .....
...... ... ......
...... ... ......
.......
........ .
. .....
.......
......... .... .......
.......... ........
........... ... ..........
.............. ...........
.. ..............
...................
r
......................................................................................................
...
...
B0 ..
...
...
Figura 61
Observación
Si en los casos anteriores se considera como eje Y a la recta que pasa por los focos y como eje
X su perpendicular por O obtendremos, por un procedimiento análogo,
x2 y2
(E 0 ) + = 1 ; b ≥ a > 0.
a2 b2
Observaciones
c
1. El número ε = se denomina la excentricidad de la elipse. Es claro que 0 ≤ ε < 1
a
y que si ε = 0 la elipse es una circunferencia.
a a
2. Si a > b, las rectas x = − y x = se llaman directrices de la elipse y cada una
ε ε
de ellas tiene la siguiente propiedad:
Si r es la distancia de un punto arbitrario de la elipse a un foco y d es la distancia del
r
mismo punto a la directriz, unilateral a este mismo foco, entonces = ε.
d
3. En cada punto P de la elipse, la recta tangente forma ángulos iguales con los segmentos
P F1 y P F2 , que unen el punto con los focos.
Ejemplos
1. Hallar la ecuación de la elipse formada por los puntos cuya suma de distancias a F1 (8, 0)
y F2 (−8, 0) vale 20.
La elipse tiene el centro en el origen de coordenadas y eje mayor paralelo al eje de abscisas.
Como F1 (8, 0), entonces c = 8. Como la suma de distancias a F1 y a F2 es 20,
entonces 2 a = 20, por lo que a = 10. Como c2 = 64 = a2 − b2 , entonces b2 = 36.
En consecuencia, la ecuación de la elipse es
x2 y2
+ = 1.
100 36
2. Dada la elipse de ecuación x2 + 2 y 2 − 2 x + 4 y + 1 = 0, hallar su centro, las coordenadas

de sus focos y la longitud de sus semiejes.
Como x2 + 2 y 2 − 2 x + 4 y + 1 = (x − 1)2 + 2 (y + 1)2 − 2 = 0, obtenemos que
(x − 1)2
+ (y + 1)2 = 1.
2
Si x0 = x − 1 e y 0 = y + 1, se tiene la ecuación canónica
x02
+ y 02 = 1.
2
√
En consecuencia, su centro es O0 (1, −1), a = 2 , b = 1 y c = 1, pues c2 = a2 − b2 =
2 − 1 = 1. Los focos son los puntos F1 h−1, 0i y F2 h1, 0i. Cambiando de coordenadas
obtenemos por la traslación: F1 (−2, 1) y F2 (0, 2).
3. Hallar la ecuación de una elipse con vértice en V (−1, 1), centro en O0 (3, −1) y tal que
c 1
= . ¿Cuántas elipses existen en esas condiciones?
a 2
−−→
Como V es un vértice y O0 es el centro de la elipse, entonces kV O0 k puede considerarse
como la longitud del eje mayor ó la longitud del eje menor. Luego existen dos elipses que
verifican las condiciones del problema.
−−→ √
Supongamos que a = kV O0 k = 20 es la longitud del semieje mayor. Como O0 (3, −1),
necesitamos hallar una base ortonormal B de manera que en el sistema de coordenadas
(O0 , X 00 Y 00 ), asociado a O0 y B, la elipse tenga ecuación canónica.
−−→0
VO
Consideramos ~b1 = −−→ = ( √25 , − √15 ) y ~b2 = ( √15 , √25 ). Entonces B = {~b1 , ~b2 } es
kV O 0 k
una base ortonormal y en el sistema de coordenadas (O0 , X 00 Y 00 ) asociado a O0 y B la
x002 y 002
elipse tiene ecuación + 2 = 1.
20 b
2 2 2 c 1 2 x002 y 002
Como c = a − b y = , entonces b = 15. Por lo tanto + = 1.
a 2 20 15
Para hallar la ecuación en el sistema (O, XY ) de partida consideramos las correspon-
dientes fórmulas de cambio de coordenadas:
√2 − √15 x − 3
00 !
x x − x 0 5
= [B]TC = .
y 00 y − y0 √1 √2 y+1
5 5
2x − y − 7 x + 2y − 1
Se tiene entonces que x00 = √ e y 00 = √ . Reemplazando y efectuando
5 5
los cálculos se obtiene
16 x2 + 19 y 2 + 4 x y − 92 x + 26 y − 149 = 0.
√
Análogamente, si consideramos a = 20 como la longitud del semieje menor obtenemos
24 x2 + 21 y 2 − 4 x y − 148 x + 54 y − 251 = 0.
....
..........
....
...
... .
... ...
... ...
Y ...
...
... ...
...Y 00
..
..
... ...
... ..
... .
...
.
... ...
... ....... ...
... ........................ .................................... ..
........... ......... ....
... ............... ..........
... ......... .........
..... ... ............
....... .. ......
...
...... ... ...
. .....
.... ... . .....
.... .. .....
....... ... .
.
. .... .....
....... .. .....
....... .... ..
. .. .....
.............. .... .... .. .
•
.
.
.. ...
.
.................. ...
....... ..
........
1 .
. ..
.
...
.
. ...
...
...
...
.... .. ...
.... ..
..............
.... ....... 3 . . . .
.........................................................................................................................................................................................................................................................................................................................
...
...
... ... ....... .. . ...
~b
−1 O ... ..........
....... ...
.... ... .......
....... 2... ....
... ... ....... ...
...
... ... ~b
....... ...
X
−1 ...
...
...
. .... .... .... .... .... .... .... .... .... ....................
.
..
.
.
.
.
•
..
.
... ........... .
..............
.
1
.......
...
...
...
.
... . 0 .. ...
...
...
...
.
.
....
...
O ..
.
...
.
. ...........
.......
.......
.
....... ......
... ... ...
. .......
....... ...
...
... ... ... ....... ...
... ... ..
.. .......
....... . ...
... .
. .. ..
......... ..
... ...
.... .. ... ........
.
..... .. ... ..............
........ ... .......
...... ...
. .
.. .
...
..... .......... ..
..
......
......
.......
....... ......
...... ...
.......
X 00
....
........
.......... ........
............. .........
...........................................................
Figura 62
Hipérbola
Definición 10.1.3 Llamamos hipérbola al lugar geométrico H de los puntos del Plano cuya
diferencia de distancias a dos puntos fijos F1 y F2 , llamados focos, es constante en valor
absoluto, menor que la distancia entre los focos y no nula.
Observación
La diferencia, en valor absoluto, entre las distancias de un punto M a dos puntos fijos F1 y
F2 , nunca es mayor que la distancia entre F1 y F2 . La diferencia, en valor absoluto, es igual
a la distancia entre F1 y F2 si M pertenece a la recta determinada por F1 y F2 , pero no
al segmento abierto F1 F2 . La diferencia es nula si M equidista de F1 y F2 , es decir, si M
pertenece a la mediatriz de F1 F2 . Estos casos han sido excluidos por la restricción dada a la
constante.
Sea (O, XY ) el sistema de coordenadas considerado para hallar la ecuación canónica de la
elipse y llamemos 2 a, a > 0 a la constante.
...
.........
...
Y
...
...
...
...
...... ...
... ...
...... .....
...... ... ......
..... ... ......
.....
..... .
. .........
..... .... .....
..... .....
..... ... .....
..... ... .....
..... .....
.....
.....
.
.
.... r .......
.
..
. .
.....
.....
..... ...
... ..............
M (x, y)
....................
.............. ............
.... ...
..... .
. .
...
...
...
................
. .... .
... ....... ... ....
.. ........................
.. ................. .. ..
.............. ..
..
.. .............. ... .. ...
... ............................ . .. ..
r r
.. .
. .. ..
.....
..
...
. .
. .
. ..
.................................................................................................................................................................................................................................................................................................................................................................................................................
...
... ....
F1 (−c, 0) ..
..
..
O ...
...
F2 (c, 0) ..
..
..
..
X
..
. .
. ...
.. .
.
. ....
.... . ....
..
. .
. .....
.....
. .
.
. .....
.
...... .
.
. .....
......
. .
.
. .....
.....
..
. .... .
.
. .....
...
.... .
.
. .....
.....
..
.. ... .
.
. .....
.
....... .
.
. .....
.....
.
....... .
.
. .....
.. ..
.... .
.
.
......
......
........ .
.
. ......
..... .... ..
...
...
Figura 63
Sea M (x, y) ∈ H = {P : | d(P, F1 ) − d(P, F2 ) |= 2 a}. Entonces obtenemos que

p p
(x + c)2 + y 2 − (x − c)2 + y 2 = ±2 a. Por un cálculo análogo al realizado para la elipse
resulta:
x2 (c2 − a2 ) − a2 y 2 = a2 (c2 − a2 ) (∗)
Como 2 c = d(F1 , F2 ) > | d(F1 , M ) − d(F2 , M ) |= 2 a, lo que implica que c > a > 0.
Entonces c2 > a2 , por lo que c2 − a2 > 0.
Si b2 = c2 − a2 , reemplazando en (∗) obtenemos que x2 b2 − a2 y 2 = a2 b2 .
Dividiendo por a2 b2 resulta:
x2 y 2
(H) − 2 = 1 ; a > 0, b > 0,
a2 b
que es una de las formas canónicas de la ecuación de la hipérbola.

El eje X se denomina el eje de la hipérbola. La ecuación (H) implica que |x| ≥ a, luego la
hipérbola consta de dos partes, llamadas ramas. La hipérbola intersecta a su eje en los puntos
A0 (−a, 0) y A(a, 0), llamados vértices. O es el centro de la hipérbola y los números a y
b las longitudes de sus semiejes. Si a = b la hipérbola se dice equilátera.
Las diagonales del rectángulo determinado por |x| ≤ a , |y| ≤ b son las rectas de ecuación
b b
y = x e y = − x, que se denominan las ası́ntotas de la hipérbola.
a a
....
.......
....
Y ...
...
...... ......
......
...... ... ......
. ... ......
...... ........... ... ...... .....
...... ...... .
. ........... .
....
...... ......
.... .... ....
..... ...... ...... ......
..... ...... ... ...... .....
.....
.....
......
...... .
. ........... .........
. .....
..... ...... .... ...... .....
..... ...... ...... .....
..... ...... ... ...... .....
..... ...... ... ......
.....
.....
......
...... .
. .
.. .......
. .........
. ..
..... ...... .... ...... .....
......
......
(
..... ...... ... ...... .....
..... ...... ... ...... .....
.....
...
......
...... . .
.. ......
. ......
. ..... .
..
..
..
..
......
......
......
......
....
... ......
b ......
...... ..
..
..
.. ...... .... ...........
A0 r ...
r A ..
}r
. ..
.... . ... . .
.. ..
.
.....................................................................................................................................................................................................................................................................................................................................................................................................................................
. .... . .... ...
...... .... ...........
.
.
...
...
...........O
.
........
| {z
a .
.
.
.
.
......
......
.
..
..
..
..
..
X
... ...
...... .
.
.
......
. .. ...
... ..
......... .
.
.
......
...
...
.....
......
...
...... .
.
.
......
.
.. .....
..
..... ......... .
.
.
......
.. . .....
.... .....
. .
. ...... .....
... .
.. . ..
....... .....
.
...... . .
.. ..... .
.
. .
.. ...... .....
. ...... ...
.. .... .
.
. .
. .......
.....
.....
.
...... ..... .... .
.
. ......... .....
.......
. ......... .
.
. .
........
.....
.....
.
.....
. . ..
. ..... .
.
. ... ...... .....
.......
. ......... .
.
. . ........
.....
......
..
...... ........
. .
.
. . ........ ......
....
.... ..... .... .
.
. ....... ......
...
..
.. ..
. .... .
.
. ..........
...
. ....
. .
.
. ......
.. ... ......
...... .
Figura 64
Observación
Si en los casos anteriores se considera a la recta que pasa por los focos como eje Y, y como eje
X su perpendicular por O obtendremos, por un procedimiento análogo,
y 2 x2
(H0 ) − 2 = 1 ; a > 0, b > 0,
b2 a
que es la otra forma canónica de la ecuación de la hipérbola.
Ejemplos
1. Hallar los vértices, los focos y las ası́ntotas de la hipérbola de ecuación 9 x2 − 16 y 2 = 144.
La ecuación canónica de la hipérbola es
x2 y 2
− = 1.
16 9
En consecuencia, a = 4, b = 3. Por lo tanto c = 5. Entonces los vértices y los focos
tienen, respectivamente, coordenadas: V1 (4, 0), V2 (−4, 0), F1 (−5, 0) y F2 (5, 0).
Las ası́ntotas son de ecuación: y = ± 43 x.
2. Hallemos la ecuación de la hipérbola con vértices A0 (−3, 4), A(1, −1) y foco F1 (5, −6).
Encontremos un sistema de coordenadas (O0 , X 00 Y 00 ) en el cual la cónica tenga una
ecuación canónica. Para esto, debemos hallar O0 y una base ortonormal B.
Como A0 y A son los vértices de la hipérbola es claro que O0 es el punto medio del
segmento A0 A, es decir, O0 (−1, 32 ).
Tomemos como eje X 00 a la recta L : 5 x + 4 y − 1 = 0, que contiene a A0 y a A,
como eje Y 00 elegimos la recta perpendicular a L que pasa por O0 .
n o
4 5 5 4
Una base ortonormal adecuada es B = ( 41 , − 41 ), ( 41 , 41 ) . [Ver Figura 65]
√ √ √ √
x00 2 y 00 2
En el sistema (O0 , X 00 Y 00 ) la hipérbola tiene ecuación − 2 = 1, pues F1 pertenece
a2 b
al eje X 00 .
2
d(A0 , A)

41
Entonces a = 2
= y c2 = a2 + b2 = 41
4
+ b2 . Como c2 = [d(O0 , F1 )]2 =
2 4
369 2 369 41
, entonces b = 4 − 4 = 82. La ecuación de la hipérbola es:
4
x00 2 y 00 2
41 − = 1.
4
82
Luego de un fácil cálculo obtenemos 8 x00 2 − y 00 2 = 82 (1).

....
..........
....
...
... ..
....
... . . ... ....
....
Y
... .... ...
... .... ...
... ......
... ...... ... ...
...
.....
.. ... .....
... .. ... .....
... ..... .....
... .... ... .....
...
.... .. ...
. .
. .
..
......
.. ..
...
...
... ......
... ......
r
....
...... ...... ...... ...... ...... ...... ...... ......
0
....
...
.....
.....
..... Y 00
.....
.....
A ..
. ..
....... ...
.
..... ... .......
.
. .. .
.... 4 .....
.....
.
... ..
.
.... ... .....

.... . ...
... .....
... ..... .
.
...
.. .
. .
..
......
.... .
......
. . .... .....
......
... .....
....... .... ...
... ... ..........
....... ... ...........
.......
b~2
.
.. . .... . ..
..... . ... .
..... .. ... .......
........ ...
... .............. ....
........
.. ... .......... . ...
O r ~
. 3
..
........
.
.
..........
.... .
.0 . .. ... ....
.. ..... .. .... 2 ... ..
..... .. ......... ... ........
.
...
...
.............. b1
.
. .
..
...
...... ...
.
. .... .... .....
.....
........
... .
....... .
.
. .. . .
...
.......
. ...... ..
..... .......
. ....... . ....
1 . ......
...................................................................................................................................................................................................................................................................................................................................................................
.. ...
..... . ....
−1 O X
.... .
. .
.... . . ..
.
... .... ....
.
.....
.....
.....
..... −3 ...
r
.... ..
... .. ........
... ......
.....
.....
... ..
...... −1 ......... ...... ...................
.
.... ....... ......
.
... ..
.....
.....
....
A ... .....
........
.
...
...
...
...
...
. ..
..... ... ...
....... ... ....
..... .
. ...
.. . ...
.. ...
. .
.
. ...
...
.... .
X 00
... .
. ...
..... .
.
.
...
...
..... ..
. ...
....
.. .. .
.
. ...
... .... ...
...
... ...
...
...
...
...
...
..
Figura 65
Hallemos su ecuación en el sistema (O, XY ). El cambio de coordenadas queda determi-

nado por:
!
√4 − √5
00
x t x + 1 41 41 x+1
= [B]C · = · , de donde obtenemos
y 00 y − 32 √5 √4 y − 32
41 41
x00 = √4
41
x − √541 y + 2√2341 e y 00 = √5
41
x + √441 y − √141 . Reemplazando en (1) se obtiene
103 x2 − 360 x y + 184 y 2 + 746 x − 912 y − 2305 = 0.

√ −1
00
0 00 00 3 x x
En el sistema (O , X Y ), F2 hh− 2 41, 0ii, y como = [B]C · +
y y 00 3
2
obtenemos que F2 (−7, 9).
Observaciones
c
1. El número ε = , se llama la excentricidad de la hipérbola y se verifica que ε > 1.
a
x2 y2
2. Si la hipérbola viene dada por la ecuación 2 − 2 = 1 ; a > 0, b > 0, las rectas
a b
a a
determinadas por las ecuaciones x = − y x = se denominan las directrices de la
ε ε
hipérbola. Cada directriz tiene la siguiente propiedad:
Si r es la distancia de un punto arbitrario de la hipérbola a uno de los focos y d es la
r
distancia desde el mismo punto hasta la directriz, unilateral a este foco, entonces = ε.
d
3. La hipérbola tiene la siguiente propiedad focal: En cada punto P de la hipérbola, la
recta tangente forma ángulos iguales con los segmentos P F1 y P F2 , que unen el punto
con los focos.
Parábola
Definición 10.1.4 Llamaremos parábola al lugar geométrico P de los puntos del Plano
cuya distancia a un punto fijo F llamado foco, coincide con su distancia a una recta fija D,
que no pasa por el foco, llamada directriz.
Sea L la recta perpendicular a D por F y {M } = D ∩ L. Consideremos el punto medio
O del segmento F M , como eje X la recta paralela a D por O y como eje Y la recta L.
Suponemos que F (0, p), p 6= 0, y directriz D de ecuación y = −p. [Ver Figura 66]
Sea P (x, y) ∈ P = {P : d(P, F ) = d(P, D)}. Se tiene entonces que:
p
x2 + (y − p)2 =| y + p | .
Elevando ambos miembros al cuadrado obtenemos que x2 + (y − p)2 = (y + p)2 , lo que implica
que x2 + y 2 − 2 p y + p2 = y 2 + 2 p y + p2 . De aquı́ obtenemos:
(P) 4 p y = x2 ,
que es una de las formas canónicas de la ecuación de la parábola.
El eje Y se denomina el eje de simetrı́a de la parábola y O el vértice.
.
...
........
....
... Y
...
...
...
...
...
...
...
...
...
...
... ... ..
...
... ... ...
... ... ....
... .
. ..
.
... .... ...
... ... ...
... ... ...
...
... ... ...
.
...
...
...
...
... r P (x, y) ........
..
...
... ..... .....
...
... .
. ...... . ..... ..
... .... ...... ... ...
..... ...... .... .
..... ... ..... ....
.....
.....
.....
.....
F (0, p)r ... ... ......
.....
.
. .
.
.
...
.
.
.....
..... ...
.
...
...... .
. . .
...
...... . ..
.. .
....... ..
. ....
..... ...
r ....
........ .
.
. .....
. .
. .
.
..................................................................................................................................................................................................................................................................................................................................
... ...
O ..
....
X .
..
r ...
............................................................................................................................................................................................................................................................
...
M y = −p ..
....
...
...
...
...
...
....
Figura 66
Observaciones
1. Si la directriz pasara por el foco, los puntos pertenecientes a la recta que pasa por F y
es perpendicular a la directriz verificarı́an la definición.
2. Si consideramos como eje X a la recta L y como eje Y la recta paralela a D por O,

se tiene que el foco tiene coordenadas (p, 0), p 6= 0 y la directriz ecuación D : x = −p.
Por un procedimiento análogo, obtenemos la ecuación canónica:
(P 0 ) 4 p x = y 2 ,
que es la otra forma canónica de la ecuación de la parábola.
3. La parábola posee la siguiente propiedad focal:

En cada punto P de la parábola, el ángulo que forma la recta tangente con el segmento
P F , que une el punto con el foco, coincide con el ángulo que forma con la recta, paralela
al eje, que pasa por P.
Ejemplos
1. Sabemos que y = x2 tiene por gráfico una parábola. Hallar las coordenadas de su foco
y la ecuación de su directriz.
1
Como a = 1 = , obtenemos que p = 14 . Entonces F (0, 14 ) y su directriz D : y = − 14 .
4p
2. Hallemos la ecuación de una √parábola que tenga foco en el origen de coordenadas y
directriz de ecuación D : x − 3 y + 16 = 0.
Para hallar un sistema de coordenadas (O0 , X 00 Y 00 ) en el cual, la parábola tenga una
forma canónica, consideremos como eje Y 00 , la recta L perpendicular
√ a la directriz que
00
pasa por el foco. Por lo tanto, la ecuación del eje Y es L : 3 x + y = 0.
El nuevo origen O0 es √ el punto medio del segmento√ F M , donde {M } = L ∩ D, esto

implica que M (−4, 4 3), por lo tanto O0 (−2, 2 3). [Ver Figura 67]
El eje X 00 es la recta paralela a la directriz por O0 y la base nortonormal
√
que determina
√ o
0
junto con O el nuevo sistema de coordenadas es B = (− 2 , − 2 ), ( 12 , − 23 ) =
3 1
{b~1 , b~2 }.
En el sistema (O0 , X 00 Y 00 ) la cónica tiene ecuación 4 p y 00 = x00 2 , con p = d(F, O0 ) = 4.
Esto implica que y 00 = 16 1
x00 2 . ..
...... .....
..
...
...
Y ...
...
...
...
...
...
...
...
...
...
...
... .......
... ............
............
. .
... .
.
....... ..
....... ....
.......
... ....... ....
...
... .
...
........ ...
... ....... ...
... ...... ....... ...
...
....
. ....
. ...
... ......
. . ...
...
...
... .......... M ...
.........
√ ...
......
... .......
.
......... .
. r
. ...... .... .. .. . ... .
..... ..
.. .. .
... .. . . . . . . ...... .... ..
4 3
....
....
........ .. ... ...
D. .
................
.......
.. . ....
.
.
.
...
....
...
...
...
.. . . ...
....... ...
...
... ... .......
. ... ... .......
... ... .......
..
. ... .
. .
... .
........
... ...
.. ...
... .... ............
.. .. .....
... ........ .................
.
...
...
... ............. ....................................
... ....... ...............
0 .....................
... O ...
... ...
.......
..
..
.
√ .
.
.
...
.... b~1 ... .............
........ ...... ...... ...... ...... ....
...........
....... ....... 2 3 ...
b~2
... .......
. ...
........... . ..... ...
............ ..
.... ...................... .... .......... ...
..
. .
. .
.. .. ...
.. ..
...... ....... .
.
...
. ...
.
........... ....... .
. ...
. ...
...
....... ........ .
...
. ...
.... .
..... ....... .
. ...
...
...... ... . ...
.
... .
.. . .... ...
...... .. ..
. .
.
X 00
.
... .. . . . ...
...... . ..
. ...
. ...
.. ..
. ..
. ...
..... . . .... ....
.. .
... ...
... ... ... ..
rF (0, 0)
... ...
. . .
................................................................................................................................................................................................................................................................................................................................................................................................
....
−4 −2 O X ... ....
... ....
... ....
... ...
...
...
Y 00
...
...
..
Figura 67
Para obtener su ecuación en el sistema (O, XY ) de partida usaremos las fórmulas de
cambio de coordenadas.
√ !
3 1
− −
00
x x + 2
√ 2 x + 2
√
= [B]TC · = √2 · . Esto implica que
y 00 y−2 3 1
− 3 y−2 3
2 2
 √
 x00 = − 23 x − 12 y
√
.
 00 1 3
y = 2 x− 2 y+4
Entonces la parábola tiene ecuación
√ √
3 x2 + y 2 + 2 3 x y − 32 x + 32 3 y − 256 = 0.
10.2. Reducción de una cónica a la forma canónica

Supongamos fijado, en el Plano, un sistema de coordenadas cartesianas ortogonal (O, XY ) y
consideremos el conjunto de puntos cuyas coordenadas (x, y) satisfacen:
(1) a x2 + 2 b x y + c y 2 + d x + e y + f = 0 ; a, b, c, d, e, f ∈ R ,
a, b y c no simultáneamente nulos.
Es claro que las ecuaciones canónicas (P), (E) y (H) de las cónicas son casos particulares
de (1). El conjunto de puntos considerado anteriormente puede ser vacı́o (x2 + 1 = 0), un
único punto (x2 + y 2 = 0), una recta ( x2 = 0), dos rectas paralelas (x2 = 1) ó dos rectas
que se cortan (x y = 0).
Veremos que mediante un cambio adecuado de coordenadas, (1) es la ecuación de una cónica
propiamente dicha, una cónica degenerada ó un lugar vacı́o.
Sea f (x, y) = a x2 + 2 b x y + c y 2 + d x + e y + f = 0 y consideremos la transformación lineal

2 2 a b
simétrica T : R −→ R , tal que A = [T ]C = .
b c
Si v = (x, y) es un vector cualquiera de R2 , sabemos que:

x a b x ax + by
[T (v)]C = A · = · = .
y b c y bx + cy
Luego, h T (v), v i = h (a x + b y, b x + c y), (x, y) i = a x2 + 2 b x y + c y 2 . Entonces, notando

L = (d, e), resulta:
f (x, y) = h T (v), v i + h L, v i + f = 0.
Como T es una transformación lineal simétrica, existe una base ortonormal B, formada por
λ1 0
autovectores, tal que [T ]B = . Como B y la base canónica son bases ortonormales,
0 λ2
para todo vector v ∈ R2 , se verifica que:
h T (v), v i = h (T (v))B , (v)B i.
Supongamos que (v)B = (x0 , y 0 ), entonces:

0
λ1 x0

λ1 0 x
[T (v)]B = [T ]B · [v]B = · = .
0 λ2 y0 λ2 y 0
Si notamos (L)B = (d0 , e0 ), tenemos que:

2 2
h (T (v))B , (v)B i + h (L)B , (v)B i + f = λ1 x0 + λ2 y 0 + d0 x0 + e0 y 0 + f.
Por consiguiente, en el sistema de coordenadas (O, X 0 Y 0 ) asociado a la base B, (1) toma la

forma:
2 2
f 0 (x0 , y 0 ) = λ1 x0 + λ2 y 0 + d0 x0 + e0 y 0 + f = 0.
Agrupando las variables y de ser necesario,“completando cuadrados ”se efectúa una traslación
de los ejes a un nuevo origen O0 y ası́ se obtiene un sistema de coordenadas (O0 , X 00 Y 00 ) en
el cual f 00 (x00 , y 00 ) = 0 es la ecuación canónica de una cónica propiamente dicha, de una
cónica degenerada ó un lugar vacı́o.
Obtenemos,
Si λ1 6= 0 ; λ2 6= 0, entonces λ1 x002 + λ2 y 002 + f 00 = 0.
Si λ1 6= 0 ; λ2 = 0, entonces λ1 x002 + e00 y 00 = 0, con e00 6= 0, ó λ1 x002 + k = 0.
Ejemplos
1. Sea f (x, y) = 3 x2 + 10 x y + 3 y 2 + 22 x + 10 y + 5 = 0 .

3 5 3 − X 5
A = [T ]C = luego det (A − X · I2 ) = = X 2 − 6 X − 16,
5 3 5 3−X
sus
raı́ces son λ1 = 8 y λ2 = −2. Hallemos los autovectores asociados.
• Si λ = 8,

−5 5 x 0
· = ⇒−x + y = 0, de aquı́ resulta x = y y entonces
5 −5 y 0
1 √1
V8 = {(x, x) : x ∈ R }. Elegimos v1 = √
2
, 2 .
• Si λ = −2,

5 5 x 0
· = ⇒ x + y = 0, entonces x = −y y por lo tanto
5 5 y 0
V−2 = {(−y, y) : y ∈ R }. Elegimos v2 = − √12 , √12 .

n
1 1 1 1
o 8 0
Sea B = ( √2 , √2 ), (− √2 , √2 ) . Es claro que [T ]B = .
0 −2
! √
√1 √1

22 2 2 22 16 √2
[L]C = ⇒ [L]B = [B]TC · [L]C = 1 1 · = .
10 − 2
√ √
2
10 −6 2
√ √
Luego f 0 (x0 , y 0 ) = 8 x0 2 − 2 y 0 2 + 16 2 x0 − 6 2 y 0 + 5 = 0, y por lo tanto
√ √
8 x0 2 + 16 2 x0 − (2 y 0 2 + 6 2 y 0 ) + 5 = 0. Completando cuadrados obtenemos
√ 2 √ 2
8 x0 + 2 − 2 y 0 + 23 2 − 2 = 0.
√ √
Consideramos x00 = x0 + 2 ; y 00 = !
y 0 + 23 2, es decir efectuamos una!traslación de
√ √ 1
−−→0
− 2 −−→0
− 2
ejes a O0 tal que [OO ]B = √ , luego [OO ]C = [B]C · √ = 2
.
−3 2 2 −3 2 2 − 52
00 2 00 2 x00 2 00 2
Tenemos entonces que 8 x − 2y − 2 = 0, por lo cual − y = 1, que es la
1 2
2
ecuación canónica de una hipérbola.
...
...
...
...
...
...
...
...
...
Y ....
........
.. .....
.....
.....
... .
. ..
......
... .... ....
.....
X 00
...
... ... .....
... .....
... .....
.
00 ... ... ..
.
Y ...
...
...
...
... .....
.....
....
.....
.....
..... ... ... .....
... .
. .
...
.....
.... .....
..... ... .....
..... ... ... .....
..... ... ... .....
.....
..... ... .
. .
......
.
..... ...
.... .....
..... ... 1 .....
..... ...... ... .....
..... ...... ... .....
.....
..... ...... .. 2 ........
...................................................................................................................................................................................................................................................................................................................................
..... ...... ... ...
.....
.....
.....
.....
.....
O .........
.......
....... ...
...
.....
.....
.....
X
..... ....... ... ...
.......... ..... ........ . ....
.......... ..... .....
.... .. .. .....
..........
..........
.........................
...................
v~2
.....
..... ....... ......
..... ... ... ...
..... .. .. .... v~1 . . .
..
.....
.....
...................
..................... ........ ... . ... ............
.
....... ........... ............. .... ... ..................
...... ............ ......... ..... .......
...... ........................ ...
...... ..... .................... .........
− 25 ....... ..... ....... ........... ......
............ .. ...... ................................
.. .. ....O0 ..... ... .. ....

........ ..... ..... .........
... ... .... ... .....
.....
....................
...................
...................
..............
... ... .
. ... ... ...
..........
..........
..... .
. .
... .. ...... ..........
... .
. .
...... ....... .........
. .
. .... .
.
. . . .......
.. ..... .
.
.
......
...... ..
.... .
. .....
... . . .
..... ..
.....
....... .
.
. . . ..
.... ...... .....
..... .... ...... .....
..... ... ...... .....
.....
..... ... ......
... ...... .
. .
. ... .....
.....
......
. .
.
.
...
. .....
.....
.
...... .
.
.
...
... .....
... .... ... .
... ...
... ...
... ...
...
... ..
Figura 68
√ √
2. Sea f (x, y) = 3 x2 + 2 3 x y + y 2 − 32 x + 32 3 y + 256 = 0.
√ √
3 3 3 − X 3
A = [T ]C = √ ⇒ det (A − X · I2 ) = √ = X(X − 4).
3 1 3 1−X
Los autovalores de T son λ1 = 4 y λ2 = 0.
• Si λ = 4,
√ √
3 y = 0 ⇒ x = √3 y.

−1
√ 3 x 0 −x
√ +
· = ⇒
3 −3 y 0 3x − 3y = 0
√ √
Por lo tanto V4 = {( 3 y, y) : y ∈ R } . Elegimos v1 = 23 , 21 .
• Si λ = 0,
√ √
√3 3 x 0 √3 x + 3 y = 0 ⇒ x = − √1 y.
· = ⇒
3 1 y 0 3x + y = 0 3
n o √
Luego V0 = − √13 y, y : y ∈ R . Elegimos v2 = − 21 , 23 .
n √ √ o

3 1 1 3 4 0
Sea B = ( 2 , 2 ), (− 2 , 2 ) . Entonces [T ]B = .
0 0
√ !
3 1
−32
√ 2 −32
√ 0
Como [L]C = , entonces [L]B = [B]TC · [L]C = √2 · = .
32 3 − 12 3 32 3 64
2
Luego, f 0 (x0 , y 0 ) = 4 x0 2 + 64 y 0 + 256 = 4 x0 2 + 64 (y 0 + 4) = 4[x + 16 (y 0 + 4)] = 0. 02
Si x00 = x0 , y 00 = y 0 + 4, se tiene que x00 2 + 16 y 00 = 0 y por lo tanto y 00 = − 16

1
x00 2 , que es
la ecuación de una parábola.
−−→0

0 −−→
Tenemos además que [OO ]B = . Cambiamos coordenadas y obtenemos que [OO0 ]C =
−4
√ !
3 1
−2

2
0 2√
√ · = .
1 3 −4 −2 3
2 2 √
Es decir el sistema de coordenadas (O0 , X 00 Y 00 ) tiene origen en O0 (2, −2 3). [Ver Figura 69]
....
.......
....
Y
...
...
...
...
Y 00 ...
...
...
... ...
... ..
... ...
... ...
... ..
... ...
.. O 2
................................................................................................................................................................................................................................................................................................
......
...
.... .....
... ...
... ....
..
. X
... ... ...
... ...
.... ... ......
...
.... ... ... .......
... ... .......
.......
X 00
... ... .
... ... ...
..
... ......
... ... .......
... ... .. .......
... ... ....... ..........................
.. ... ..
. .
....................................
√ .....
....
v~1 ..
......... ...
.... ..
...
.
..................
....................
.
−2 3 v~2 ..
...... .... .... .... .... .... ........................
... ..
... .............
...
..
.
.....
... .
... .
....... .....
... ...
O0
..
...... ...
... ............. ...
... ....................... ...
... ......... ...... ...
.
. .. .
. ... ...... ...
...... .... .......
. ...
.....
.. ........ ...
....
.. . ...
.......... . ..
..... ...
..
........ ...
... ...
.
...
...
....
...... ..
. . ... ...
... .
. .. ..
. ...
.... ... ...
...
. ....
... ...
...
...
... ...
... ...
...
..... ...
...
... ...
... ...
... ...
...
Figura 69
10.3. Cuádricas
Supongamos fijado, en el Espacio, un sistema de coordenadas cartesianas ortogonal (O, XY Z).
Estudiaremos a las cuádricas, superficies tales que las coordenadas cartesianas de sus puntos,
(x, y, z) satisfacen una ecuación del tipo:
f (x, y, z) = a11 x2 + a22 y 2 + a33 z 2 + 2 a12 x y + 2 a13 x z + 2 a23 y z + a1 x + a2 y + a3 z + k = 0, (∗)
donde los coeficientes de los términos cuadráticos no son simultáneamente nulos.
Cilindros
Un cilindro es una superficie S tal que, para un apropiado sistema de coordenadas, consta de
todas las rectas perpendiculares al plano z = 0, que pasan por una curva γ en dicho plano.
En nuestro caso γ es una cónica. Obtenemos entonces:
x2 y 2
(1) Cilindro elı́ptico: + 2 = 1 ; a ≥ b > 0.
a2 b
x2 y 2
(2) Cilindro hiperbólico: − 2 = 1 ; a > 0, b > 0.
a2 b
(3) Cilindro parabólico: 4 p y = x2 , p 6= 0.
Cilindro hiperbólico Cilindro elı́ptico Cilindro parabólico
Figura 70
Elipsoide
Es una superficie que en un sistema de coordenadas adecuado tiene ecuación:
x2 y 2 z 2
(4) + 2 + 2 = 1 ; a ≥ b ≥ c > 0.
a2 b c
Si a = b = c, obtenemos la ecuación de una esfera de radio a.
Elipsoide Esfera
Figura 71
Conos
Son superficies que en un sistema de coordenadas adecuado tienen ecuación:
x2 y 2
(5) + 2 − z 2 = 0 ; a ≥ b > 0.
a2 b
Cono
Figura 72
Si a = b, el cono se dice circular y se obtiene por rotación alrededor del eje z de una recta
que pasa por el origen. Si a 6= b, el cono se dice elı́ptico.
Hiperboloides
Son superficies que poseen ecuación:
x2 y 2 z 2
(6) − 2 − 2 + 2 = 1 ; a ≥ b > 0 , c > 0. Hiperboloide de dos hojas.
a b c
2 2 2
x y z
(7) 2
+ 2 − 2 = 1 ; a ≥ b > 0 , c > 0. Hiperboloide de una hoja.
a b c
Hiperboloide de dos hojas Hiperboloide de una hoja

Figura 73
Paraboloides
Existen dos cuádricas llamadas paraboloides, el paraboloide elı́ptico de ecuación:
x2 y 2
(8) z = + 2 ; a ≥ b > 0.
a2 b
y el paraboloide hiperbólico o “silla de montar” de ecuación:
x2 y 2
(9) z = − 2 ; a > 0 , b > 0.
a2 b
Paraboloide elı́ptico Paraboloide hiperbólico
Figura 74
Las ecuaciones (1), (2), . . . ,(8) y (9) son casos particulares de (∗) y se denominan ecuaciones
canónicas de las cuádricas.
Observaciones
1. Las cuádricas pueden clasificarse en dos grupos:
• Las cuádricas (1), (2), (4), (5), (6) y (7) se denominan cuádricas con centro y en
un sistema de coordenadas adecuado tienen ecuación:
f (x, y, z) = A x2 + B y 2 + C z 2 + D = 0, con A, B y C no simultáneamente nulos.
• Las cuádricas (3), (8) y (9) se denominan cuádricas sin centro y tienen ecuación:
f (x, y, z) = A x2 + B y 2 + C z = 0, con C 6= 0, A y B no simultáneamente nulos.
2. La ecuación (∗) puede representar el conjunto vacı́o (x2 = −1), un punto (x2 +y 2 +z 2 =
0), una recta (x2 + y 2 = 0), un plano (z 2 = 0), dos planos paralelos (z 2 = 1) ó dos
planos que se cortan (x y = 0).
10.4. Reducción de una cuádrica a la forma canónica

Consideremos la ecuación :
f (x, y, z) = a11 x2 + a22 y 2 + a33 z 2 + 2 a12 x y + 2 a13 x z + 2 a23 y z + a1 x + a2 y + a3 z + k = 0.
Veremos que con un cambio adecuado de coordenadas obtenemos la ecuación canónica de una
cuádrica ó uno de los casos considerados en la observación 2.
A f (x,y, z) = 0 le asociamos
 la transformación lineal simétrica T : R3 → R3 tal que
a11 a12 a13
[T ]C = a12
 a22 a23  . Si (v)C = (x, y, z) y (L)C = (a1 , a2 , a3 ), en forma análoga a lo
a13 a23 a33
visto para cónicas, f (x, y, z) = 0 se expresa en la forma:
f (x, y, z) = hT (v), vi + hL, vi + k = 0.
Como T es transformación lineal simétrica

 existe
 una base ortonormal B formada por
λ1 0 0
autovectores de T, tal que [T ]B =  0 λ2 0  . La base B determina un sistema de
0 0 λ3
coordenadas (O, X 0 Y 0 Z 0 ) en el cual f (x, y, z) = 0 toma la forma
2 2 2
f 0 (x0 , y 0 , z 0 ) = λ1 x0 + λ2 y 0 + λ3 z 0 + a01 x0 + a02 y 0 + a03 z 0 + k = 0.
Observación
Si en la ecuación f (x, y, z) = 0 se tiene que a12 = a13 = a23 = 0, es decir si en la misma
no aparecen términos rectangulares no nulos, para obtener la ecuación canónica de la cuádrica
basta con completar cuadrados y efectuar la traslación correspondiente.
Veamos ahora como proceder en cada caso, de acuerdo a los autovalores obtenidos.
Primer caso: λ1 6= 0, λ2 6= 0, λ3 6= 0.
En tal caso agrupamos las variables, y si fuera necesario “completamos cuadrados” efectuando
una traslación que permita obtener un sistema de coordenadas (O0 , X 00 Y 00 Z 00 ) en el cual
f 0 (x0 , y 0 , z 0 ) = 0 tiene ecuación:
2 2 2
f 00 (x00 , y 00 , z 00 ) = λ1 x00 + λ2 y 00 + λ3 z 00 + k 0 = 0.
Ejemplo
Consideremos la cuádrica de ecuación f (x, y, z) = −x2 + y z + 2 x − 4 z − 5 = 0.
 
−1 0 0 −1 − X
0 0

A = [T ]C =  0 0 21  ⇒ det (A − X · I3 ) = 0 −X 1
=
 
2
0 12 0 1

0 2
−X

−X 1
= (−1 − X) X 2 − 14 = −(X + 1)(X − 12 )(X + 21 ).
2

= (−1 − X)
1
2
−X
Son autovalores: λ1 = −1, λ2 = − 12 y λ3 = 12 .
• Si λ = −1,

0 0 0
    
x 0
 z
y + = 0
0 1 1  · y  = 0 ⇒ 2 ⇒ y = z = 0.
2 y +z =0
0 12 1 z 0 2
Por lo tanto V−1 = {(x, 0, 0) : x ∈ R }. Elegimos v1 = (1, 0, 0).
• Si λ = − 12 ,
 1     
−2 0 0 x 0
1 1    x=0
 0 2 2  · y = 0 ⇒ ⇒ x = 0 , y = −z.
 
y+z =0
0 12 12 z 0

entonces V− 1 = {(0, −z, z) : z ∈ R }. Elegimos v2 = 0, √12 , − √12 .
2
• Si λ = 21 ,
 3     
−2 0 0 x 0
1 1    x=0
 0 −2 · y = 0 ⇒ ⇒ x = 0 , y = z.
 
2  y−z =0
0 1
− 12 z 0
2

Entonces V 1 = {(0, y, y) : y ∈ R }. Elegimos v3 = 0, √12 , √12 .
2
n o
1 1 1 √1
Sea B = (1, 0, 0), (0, 2 , − 2 ), (0, 2 , 2 ) . Entonces,
√ √ √
 
−1 0 0
[T ]B =  0 − 12 0  .
0 0 12
     

2
 1 0 0 2 2
Como [L]C =  0  , [L]B =  0 √12 − √12  ·  0  =  √42  .
   
−4 0 √12 √1 −4 − √42
2
√ √
Por lo tanto f 0 (x0 , y 0 , z 0 ) = −x0 2 − 12 y 0 2 + 21 z 0 2 + 2 x0 + 2 2 y 0 − 2 2 z 0 − 5 = 0 .
Agrupamos las variables y “completamos cuadrados” y determinamos la traslación a efectuar.
2 1 02 √ 1 2 √
f 0 (x0 , y 0 , z 0 ) = −(x0 − 2 x0 ) −
(y − 4 2 y 0 ) + (z 0 − 4 2 z 0 ) − 5 =
2 2
1 √ 1 √
= −[(x0 − 1)2 − 1] − [(y 0 − 2 2)2 − 8] + [(z 0 − 2 2)2 − 8] − 5 =
2 2
1 √ 1 √
= −(x0 − 1)2 − (y 0 − 2 2)2 + (z 0 − 2 2)2 − 4 = 0
2 2
√ √
Si x00 = x0 − 1 ; y 00 = y 0 − 2 2 ; z 00 = z 0 − 2 2 obtenemos
−x00 2 − 12 y 00 2 + 12 z 00 2 − 4 = 0 de donde resulta
x00 2 y 00 2 z 00 2
− − + = 1,
4 8 8
que es la ecuación de un hiperboloide de dos hojas.
Segundo caso: λ1 6= 0, λ2 6= 0, λ3 = 0.
Se tiene que: f 0 (x0 , y 0 , z 0 ) = λ1 x0 2 + λ2 y 0 2 + a01 x0 + a02 y 0 + a03 z 0 + k = 0.
• Si a03 = 0, “completando cuadrados” se obtiene f 00 (x00 , y 00 , z 00 ) = λ1 x00 2 + λ2 y 00 2 + k 0 = 0.
• Si a03 6= 0, “completamos cuadrados” y, sacando un factor común conveniente, obtenemos

f 00 (x00 , y 00 , z 00 ) = λ1 x00 2 + λ2 y 00 2 + a03 z 00 = 0.
Ejemplo
Consideremos la cuádrica de ecuación f (x, y, z) = x2 + y 2 + 6 x y − 2 z − 20 = 0 .
 
1 3 0 1 − X 3 0

A = [T ]C =  3 1 0  ⇒ det (A − X · I3 ) = 3 1−X 0 =
0 0 0 0 0 −X
1 − X 3
− X = −X[(1 − X)2 − 9] = −X(X 2 − 2 X − 8) = −X(X − 4)(X + 2).
3 1−X
Por lo tanto los autovalores de T son: λ1 = 4, λ2 = −2 y λ3 = 0.
• Si λ = 4,
     
−3 3 0 x 0
x−y =0
n
 3 −3 0  ·  y  =  0  ⇒⇒ z = 0, y = x .
z=0
0 0 3 z 0

Entonces V4 = {(x, x, 0) : x ∈ R}. Elegimos v1 = √12 , √12 , 0 .
• Si λ = −2,
     
3 3 0 x 0
x+y =0
n
3 3 0 · y  = 0 ⇒ ⇒ z = 0 , y = −x.
z=0
0 0 2 z 0

Por lo tanto V−2 = {(−y, y, 0) : y ∈ R}. Elegimos v2 = − √12 , √12 , 0 .
• Si λ = 0,
     
1 3 0 x 0
3 1 0 · y  = 0 x + 3y = 0
⇒ ⇒ x = y = 0.
3x + y = 0
0 0 0 z 0
En consecuencia V0 = {(0, 0, z) : z ∈ R}. Elegimos v3 = (0, 0, 1).
Sea B = {( √12 , √12 , 0), (− √12 , √12 , 0), (0, 0, 1)}.
  
√1 √1 0
    
0 2 2 0 0
Como [L]C =  0  entonces [L]B =  − √12 √1 0  ·  0  =  0 .
 
2
−2 0 0 1 −2 −2
Luego f 0 (x0 , y 0 , z 0 ) = 4 x0 2 − 2 y 0 2 − 2 z 0 − 20 = 4 x0 2 − 2 y 0 2 − 2 (z 0 + 10) = 0.

Entonces si x00 = x0 , y 00 = y 0 y z 00 = z 0 + 10, tenemos que:
x00 2 2
1 − y 00 = z 00 ,
2
que es la ecuación de un paraboloide hiperbólico.
Tercer caso: λ1 6= 0, λ2 = λ3 = 0.
f 0 (x0 , y 0 , z 0 ) = λ1 x0 2 + a01 x0 + a02 y 0 + a03 z 0 + k = 0.
• Si a02 = 0 ó a03 = 0 obtenemos, realizando una traslación conveniente, f 00 (x00 , y 00 , z 00 ) =
λ1 x00 2 +a03 z 00 = 0 , f 00 (x00 , y 00 , z 00 ) = λ1 x00 2 +a02 y 00 = 0 ó f 00 (x00 , y 00 , z 00 ) = λ1 x002 +k 0 = 0.
Es decir obtenemos: un cilindro parabólico, un lugar vacı́o, un plano ó dos planos paralelos.
• Si a02 6= 0 y a03 6= 0 debemos elegir, en el plano que contiene los vectores v2 y v3 ,
otro par de vectores v20 y v30 perpendiculares entre sı́ de modo que en la nueva base
ortonormal B 0 = {v1 , v20 , v30 }, f 000 (x000 , y 000 , z 000 ) = 0 tenga a000 000
2 = 0 ó a3 = 0.
1 1
q
Sea a = a02 2 + a03 2 y consideremos v20 = .(a03 .v2 − a02 .v3 ) y v30 = .(a02 .v2 + a03 .v3 ).
a a
0 0 0
B = {v1 , v2 , v3 } es una base ortonormal y permite solucionar nuestro problema.
1 0 0
 
 0  00   00 
x x  a 0
3 a 0 
2 
x
 y 0  = [B 0 ]B ·  y 00  =  0 · y 00  , luego
a a 
 
0 00
z z 0
a2 a3 0 z 00
 
0 −
a a
a03 00 a02 00 a0 a0
x0 = x00 , y 0 = y + z y z 0 = − 2 y 00 + 3 z 00 .
a a a a
Reemplazamos en f 0 (x0 , y 0 , z 0 ) = 0 y obtenemos λ1 x00 2 + a01 x00 + a z 00 + k 0 = 0, por lo
que estamos en las condiciones del primer inciso, ya que a 6= 0.
Ejemplo
Sea f (x, y, z) = 5 x2 + 5 y 2 − 10 x y − 2 x + 3 y + z + 1 = 0.
 
5 −5 0 5−X
−5 0

A = [T ]C =  −5 5 0  ⇒ det (A−X ·I3 ) = −5 5−X 0 = −X 2 (X −10).

0 0 0 0 0 −X
Los autovalores de T son: λ1 = 10 y λ2 = λ3 = 0.
• Si λ = 10,
     
−5 −5 0 x 0
x+y =0
n
 −5 −5 0  · y = 0
    ⇒ ⇒ z = 0, y = −x.
z=0
0 0 −10 z 0

Por lo tanto V10 = {(x, −x, 0) : x ∈ R}. Elegimos v1 = √1 , − √1 , 0 .
2 2
• Si λ = 0,
     
5 −5 0 x 0
 −5 5 0  · y  = 0 ⇒ x−y =0 ⇒ x = y.
0 0 0 z 0

Obtenemos entonces, V0 = {(x, x, z) : x, z ∈ R}. Elegimos v2 = √1 , √1 , 0 y
2 2
v3 = (0, 0, 1).
 
n o 10 0 0
1 1 1 1
Sea B = ( √2 , − √2 , 0), ( √2 , √2 , 0), (0, 0, 1) . Luego, [T ]B =  0 0 0.
 1   0 0 0
1   √5 
√ − 2 0
√ −
 
−2 −2
 √12 1  √12
Como [L]C = 3 , [L]B =  2 √ 0 · 3 = .
     
2 2
1 0 0 1 1 1
Por lo tanto f 0 (x0 , y 0 , z 0 ) = 10 x0 2 − √52 x0 + √12 y 0 + z 0 + 1 = 0, luego a02 = √12 y a03 = 1,

q √ n √ √ o
lo que implica a = 12 + 1 = √32 . Si B 0 = v1 , √23 .v2 − √13 .v3 , √13 .v2 + √23 .v3 , entonces
1 0 0
   
− √5
√ 2
[B 0 ]B =  0 √2 √1  . Observemos que [L] =  √1 , por lo tanto,
   
3 B
√3 2 
1 2 1
0 −√ √ 3 3
1 0 0 − √52
    

√
− √52
[L]B 0 = [B 0 ]TB · [L]B =  0 √2 − √13  √1
  0 
· = .
 
3 √ 2
0 1
√ √2 1 √3
3 3 6
Se tiene entonces,

f 00 (x00 , y 00 , z 00 ) = 10 x00 2 − √52 x00 + √36 z 00 + 1 = 10 x00 2 − 2√1 2 x00 + √36 z 00 + 1 =
2 2
10 x − 4√2 − 32 + √36 z 00 + 1 = 10 x00 − 4√1 2 − 10
00 1 1
32
+ 1 + √36 z 00 =
2 2 √
10 x00 − 1
√
4 2
+ √3
6
z 00 + 22
32
= 10 x00 − 1
√
4 2
+ √3
6
z 00 + 22 6
3·32
= 0.
Si x000 = x00 − 1
√
4 2
, y 000 = y 00 y z 000 = z 00 + 11
√ ,
8 6
se tiene que:
2 3
10 x000 + √ z 000 = 0,
6
que es un cilindro parabólico.
10.5. Ejercicios
1. Expresar las circunferencias indicadas a continuación en la forma (x−x0 )2 +(y−y0 )2 = r2 .
Graficar.
a) Tiene diámetro M1 M2 , con M1 (2, 3) y M2 (10, 9).

b) De ecuación x2 + y 2 − 2 x − 6 y + 6 = 0.
c) De radio 2 y concéntrica con la de ecuación x2 + y 2 − 4 x + 2 y + 4 = 0.
d) Pasa por los puntos A(2, 3), B(0, −1) y C(−1, 0).
e) Su diámetro es el segmento de la recta de ecuación 4 x − 3 y + 12 = 0 situado entre
los ejes coordenados.
f) Tiene centro en el eje de abscisas y C es tangente a las rectas de ecuación x = 8
e y = 3.
2. Determinar si M (−2, 1) pertenece a la circunferencia, es exterior ó interior a la misma

en cada uno de los casos:
a) x2 + y 2 − 8 x − 4 y − 5 = 0.
b) x2 + y 2 + 6 x − 8 y = 0.
3. a) Hallar la intersección de:

i) Las circunferencias x2 + y 2 = 4 y x2 + y 2 − 2 x − 2 y = 0.
ii) La circunferencia x2 + y 2 − 4 x − 4 y + 6 = 0 y la recta y = x.
b) Hallar la de ecuación de la circunferencia circunscripta al triángulo cuyos lados se
hallan sobre las rectas de ecuación: x − 3 y + 1 = 0, 9 x − 2 y − 41 = 0 y
7 x + 4 y + 7 = 0.
4. a) Hallar la ecuación de la circunferencia que pasa por A(1, 0) y es tangente a la recta

x + y − 3 = 0 en el punto B(1, 2).
b) Hallar la ecuación de la recta tangente a la circunferencia con centro C(−1, 3) y
punto de tangencia P (2, 5).
c) Hallar los valores de a para que la recta y = −2 x + a sea tangente a la circunfe-
rencia x2 + y 2 − 2 x − 4 = 0.
5. a) Hallar el área de un cuadrilátero que tiene dos vértices en los focos de la elipse de
ecuación 9 x2 + 25 y 2 − 225 = 0 y los restantes coinciden con los extremos de su eje
menor.
b) El lado de un rombo mide 10. A través de dos vértices opuestos pasa una elip-
se, cuyos focos coinciden con los otros dos vértices del rombo. Hallar la ecuación
de la elipse si los ejes de coordenadas contienen a las diagonales del rombo y las
coordenadas de uno de los focos son F (8, 0).
6. En cada caso hallar, en el sistema (O, XY ), la ecuación de la elipse que satisface las
siguientes condiciones y dibujarla.
a) Dos vértices son A(−1, 2), A0 (−7, 2) y su eje menor es de longitud 2.

b) Posee centro en el origen de coordenadas, semieje mayor sobre la recta de ecuación
2 x − y = 0 de longitud 10 y un vértice en A0 (2, −1).
c) Dos vértices son A0 (1, − 27 ), A(5, − 27 ) y un foco F1 (3, −2).
d) Posee focos F1 (0, −4), F2 (2, 0) y un vértice en A0 (3, −3).
e) Posee centro en O0 (3, −2), foco en F1 (−1, 1) y pasa por P (8, −2).
f) Pasa por P (4, 15
4
) y tiene focos en F1 (4, 2) y F2 (−2, 2).
g) Sus focos se hallan en el eje X, su centro en el origen de coordenadas, d(F1 , F2 ) = 6
y 5 c = 3 a.
7. Dada la hipérbola de ecuación 4 x2 − 3 y 2 + 8 x + 16 = 0, hallar:
a) La longitud de sus semiejes.

b) Las coordenadas de sus focos y de sus vértices.
c) Las ecuaciones de sus ası́ntotas.
8. Hallar la ecuación de una hipérbola que verifique:
a) Sus focos son los vértices, ubicados sobre los ejes, de la elipse 9 x2 + 25 y 2 − 225 = 0
y su excentricidad es 2.
b) Sus ası́ntotas son las rectas de ecuación y = ±2 x y la distancia focal es igual a 10.
9. En cada caso hallar, en el sistema (O, XY ), la ecuación de la hipérbola que satisface las
a) Sus vértices son A0 (1, 2), A(1, 6) y pasa por P (3, 8).
b) Sus vértices son A0 (4, −3), A(0, −3) y d(F1 , F2 ) = 6.
c) Sus vértices son A(1, −2), A0 (−1, 2) y uno de sus focos es F1 (3, −6).
d) Sus vértices son A0 (3, 3), A(3, −5) y sus ası́ntotas y = 2 x − 7, y = −2 x + 5.
e) Sus focos son F1 (4, −4), F2 (−2, 2) y sus ası́ntotas forman un ángulo recto.
f) Sus ası́ntotas se cortan perpendicularmente en el origen de coordenadas y posee un
foco en F1 (1, 3).
g) Posee centro en O0 (3, −4), un vértice en ( √35 + 3 , √6
5
− 4) y un foco en F1 (6, 2).
10. En cada caso hallar, en el sistema (O, XY ), la ecuación de la parábola que satisface las
a) Posee foco en F (−2, 3), pasa por P (−1, 3) y su eje de simetrı́a es paralelo al eje
Y.
¿Es única?
b) Posee el vértice en P (2, 1) y el foco en F (2, 4).
c) Tiene directriz de ecuación 3 x + 4 y − 1 = 0 y foco en F (5, 9).
d) Posee el vértice en O0 (1, 1) y su directriz es la recta y = 7.
e) La ecuación de la recta directriz es x + 2 y + 6 = 0 y su vértice es el origen de
coordenadas.
11. a) Hallar la ecuación de la circunferencia cuyo centro es el foco de la parábola de

ecuación y 2 = 8 x y de modo que sea tangente a la directriz de la parábola. Hallar
la intersección de la parábola y la circunferencia.
b) Hallar la ecuación de una parábola y su directriz, sabiendo que la parábola pasa por
la intersección de la recta y = x con la circunferencia x2 + y 2 − 10 y = 0 y su eje
de simetrı́a es la recta x = 3. Graficar la recta, la circunferencia y la parábola.
12. Para cada una de las siguientes cónicas, hallar un sistema de coordenadas (O0 , X 00 Y 00 )
en el cual la ecuación de la cónica tenga forma canónica. Clasificarla. En a), d) y f)
graficar.
a) 8 x2 + 4 x y + 5 y 2 + 12 y + 4 = 0.
b) x2 + y 2 + 4 x y = 7.
c) x2 − 2 x y + y 2 = 0.
d) 11 x2 − 24 x y + 4 y 2 + 6 x + 8 y = −15.
75
e) 7 x2 − 48 x y − 7 y 2 − 50 x − 25 y − 4
= 0.
f) 16 x2 − 24 x y + 9 y 2 − 30 x − 40 y = 0.
g) x2 + y 2 + 2 x y − 2 x + 2 y = 0.
h) 4 x2 − 4 x y + y 2 + 4 x − 2 y − 3 = 0.
i) 7 x2 + 3 y 2 + 28 x − 42 y + 166 = 0.
13. Hallar, en el sistema (O, XY ), las coordenadas del centro, las coordenadas de los focos
y la intersección con los ejes coordenados de las cónicas de ecuación:
a) 8 x2 + 17 y 2 + 12 x y − 8 x − 16 y − 8 = 0.
b) x y − x − y − 1 = 0.
14. Graficar, en el sistema (O, XY Z), los sólidos delimitados por las siguientes cuádricas y
planos:
a) z ≥ x2 + y 2 , z ≤ x. b) z ≥ x 2 + y 2 , z ≤ 8 − x2 − y 2 .
c) x2 + y 2 ≤ 4, x2 + y 2 ≥ 1, 0 ≤ z ≤ 6. d) x2 + y 2 + z 2 ≤ 4, x2 + y 2 + z 2 ≥ 1.
e) x2 + y 2 + z 2 ≤ 4, x2 + y 2 ≤ z 2 . f) x2 + y 2 ≤ 4 x, z ≤ x, z ≥ −1.
g) z ≥ x2 + y 2 , z ≤ 9, x ≥ 1. h) x2 + y 2 ≤ 2 x, z ≥ x, z ≤ 2 x.
15. Para cada una de las siguientes cuádricas, hallar un sistema de coordenadas respecto
del cual la ecuación de la cuádrica tenga forma canónica. Indicar la ecuación canónica.
Clasificarla.
a) 4 x2 + 36 y 2 − 9 z 2 − 16 x − 216 y + 304 = 0.
b) 8 x2 + 2 y 2 − z 2 + 8 x y = 0.
c) 6 x2 + 6 y 2 + 8 z = 1.
d) 2 x2 + 2 y 2 + 2 z 2 + 2 x z − 2 x y − 2 y z = 1.
√ √
e) x2 + 4 z 2 + 4 x z + 2 5 x + 4 5 z = 0.
f) −2 y 2 + x z − 4 y + 6 z = 5.
g) x2 + y 2 + z 2 − 2 x + 4 y − 6 z = 11.
h) 2 z 2 + 8 x + 4 y − 9 = 0.
i) x2 + 2 y z − 2 y = 0.
j) 2 x z + y = 0.
k) 4 x2 + 9 y 2 − z 2 − 54 y − 50 z = 544.
l) 5 x2 + 5 y 2 − 10 x y − 2 x + 3 y + z + 1 = 0.
m) 2 x2 + y 2 + 4 x + 4 y − 3 z − 1 = 0.
n) x2 + y 2 + 2 z 2 + 6 x y + 4 x z + 4 y z − 2 = 0.
ñ) 3 x2 + 2 z 2 = 0.
o) x2 = 9.
p) 4 x2 + 4 y 2 + 5 z 2 − 4 x z − 8 y z − 36 = 0.
16. Hallar la ecuación de la cuádrica de la figura adjunta.

...
.........
...
...
Z
...
...
...
...
...
...
...
...
• ...
........ ......................
(1, 3, 2)
... .... . ...
... ....... . ..
... ........ .... ... ....
. .
... ..... . . ..
... .... .... ... ....
...... ... .. ..... .
... ........ ..... ..... .. . ...
.... .. ......... ....
..
...
..... ..
......
. .... ... ....
.... . .. . ..
. . .
.. . ......... .... ......... ..... .. .. ...
..
...
..... ...
... .. .. . .. .... ... .. ..
............................................................................................................................................................................................................................................................................
... .. ..... ... ..... ..
.. .
. . . . ..
.. ....... ... ........ ..... . .. ..
.. ......... ..... ... .. ... ... Y
... . ..... .....
..... ......... ... .. .......
... ........ . ... ... ... . .... ...
... ... ... .......................... ... ... ........... ... ... ........................ ... ... ... ... ... ... ... ... ... ... .......... ............... ..... ... ...
• •
. .. .. . .. ... .... .. .... ..
......
... ..... ..... .... . ..........
....... .. .... ......... ........ ........ •
..... .. .. ... ...... .... ..... ..... . .......
..
...... ..... .. . .
..
. .
.
.....
. .. ... ..... ............ .... .........
.... ... ...... .
. ..... . . .. ........ .. .....
..
. .
. .. . . ..
..... .. ... ....... ..
.. ... .... ..... ......
..... ... ... ......... .... .... ... .. ........ (1, 3, 0)
..... ... ........ ... .. ........
..
......
. ... .. ...... ...
. . ... . . ......... ... .. ... .......
......... ... ....... .. .. ...... ... . ... ......
.
.
.......
.
X .
.
........ (1, 1, 0) .
.
... .
.. ... ......
.. ..... .... .. ....
. . .
(2, 3, 0) .....
.... ..... ... .. ..
.... ..... .. .. ..
..... .. ..
... ........ .. ..
... ..... .. ..
.......
Figura 75
17. Determinar, según los valores de α ∈ R, el tipo de cuádrica que corresponde para cada
una de las ecuaciones siguientes:
a) x2 + α y 2 + x + 2 y + (α − 1) z + 1 = 0.
b) 2 x2 − 10 x y − 8 x z − 7 y 2 − 10 y z + 2 z 2 + 6 x + 12 y − 6 z + 5 + α = 0,
11. Respuestas e indicaciones
11.1. Números complejos

√
1. i) a) z = 0 + 12 i b) z 0 = − 3 + 0 i c) w = −5 + 3 i d) w0 = 2 + 3 i
ii)
....
..........
...
...
...
...
...
...
...
z 4 ...
• .... .... .... .... .... .... .... .... .... .... ....... 2
.. ...
... ...
...
... ...
.. ...
...
... ...
... ...
.. −1 1 ..
............................................................................................................................................................................................
. .
....
−3 ..
...
O ... ..
...
...
... ... ...
.
.
... .
.... √ ..
• .... .... .... .....− 2 ..
....
.
z 3 ...... .... .... ......
.
−2 • • ...
... 2
z z .. 1
Figura 76
2. Si representamos la solución en forma de 7−upla:
(Re(z), Im(z), kzk, Re(z −1 ), Im(z −1 ), Re(−i z), Im(i z))
se tiene:
a) (0, 4, 4, 0, − 41 , 4, 0). b) ( 25 , − 51 , √15 , 2, 1, − 51 , 25 ).
√ √
c) (1, −1, 2, 12 , 12 , −1, 1). d) (1, 1, 2, 21 , − 12 , 1, 1).
√
e) ( 31 , 0, 13 , 3, 0, 0, 13 ) f) (3, 1, 10, 10 3 1
, − 10 , 1, 3).
2 3 1 1 √1 1 1
g) (−8, −6, 10, − 25 , 50 , −6, −8) h) ( 2 , 2 , 2 , 1, −1, 2 , 2 ).
√ √
3. a) 2 5 1 1 3 3 13
3
b) 1 + 3 i 2 − 2i i 7 + 4i 2
− 52 i
4. a) x = 2.
b) x = − 21 .
c) x = ± 3.
d) x = 31 .
2
5. i) a = −2 ; b = 1 y a = 3
; b = −3.
3 4
ii) a = 2
; b= 3
y a= − 32 ; b = − 43
iii) a = 21 ; b = −6.
6. a) z = ±8 i ; w = ± i.
b) z = 4 + 2 i ; w = 1 − 2 i y z = 4 − 2 i ; w = 1 + 2 i.
√ 25
7. a) 2 2 3 π.
4
b) 1 0. c) 16 π . d) 2 π .
2
27 2
27 .
8. a) 12 14 π b) 12 2
21
π. c) 8 34
21
π
. d) 3 31
42
π
.

z 52 z 52
9.
w =6 .
52
Arg = 85 π.
w
10. a) 28 4 π .
3
b) n = 4 · (1 + 3 t), t ∈ Z. Usar De Moivre.

p n o q √ √ n√ √ √ o
11. a) 3 ((−i)) = 1 π2 , 1 7 π , 1 11 π ; 3 (( 2 + 2 i)) = 3 2 12π , 3 2 3 π , 3 2 17 π ;
6 6 4 12
s
√ √ √
n
−2 + 2 i 6 6 6
o
3
√ = 2 π, 2 π, 2 π .
5 29 53
1 + 3i 36 36 36
s
i5 − i3 √ √ √ √ √
n o q
b) 4
= 8 2 16π , 8 2 9 π , 8 2 17 π , 8 2 25 π ; 4 −8 + 8 3 i =
1+i 16 16 16
n o
2 π6 , 2 2 π , 2 7 π , 2 5 π .
3 6 3
q
6
√ n√
6
√
6
√
6
√
6
√
6
√6
o
c) ((1 − 3 i)) = 2 5 π , 2 11 π , 2 17 π , 2 23 π , 2 29 π , 2 35 π .
18 18 18 18 18 18
Tener en cuenta que al graficar las raı́ces en el plano complejo los afijos de las mismas
deben determinar, para los incisos a), b) y c) un triángulo equilátero, un cuadrado o
un hexágono regular, respectivamente.
12. Si con S notamos al conjunto solución, se tiene que:

n√ √ √ o
a) S = 6 32 π4 , 6 32 11 π , 6 32 19 π .
12 32
b) S = {2 0 , 2 2 π , 2 4 π , 2 6 π , 2 8 π }.
5 5 5 5
√ √
c) S = {1 + 3 i, 1 − 3 i, −2}.
d) S = {2 − i, −i}.
e) S = {2 i, − 23 i}.
√ √
f) S = { 2 i, − 2 i}.
13. Tener en cuenta que si z = x+y i, se tiene que x = Re(z), y = Im(z) y x2 +y 2 = kzk2 .
Además,
arg(z · w) = arg(z) + arg(w).
3
a) Las tres condiciones son verificadas sólo por el complejo z = 2
+ 23 i, por lo que la
región se reduce al afijo de z.
b) ...
..........
...
c) ...
..........
...
..
...
...
d)
.... .... ...
.. .. ...
... ... ... ....
... ... ... ..........
... ... ... ....
... ... ... ...
... ... ....
• 2 + 2i
..
... ... ..
....... ... ....
... ... .... ... .....
... ... ............. ... .....
.. ... ...
.
.
.... . . ... ... ................................. .....
.
......................... ...... .............. ...... ........ ..
.
..... .. .... . . . ...... .............. ... ................ ............
.. .... ............... ... .................. .
......... .... .... .... .... .... .....................
.... ...
• 2+i
......... ..... ..
. . .
......... . ... ................................ ... ...
...........................
. 7 ... ........................... . .
...
.
.................... .. ... ..... .... ......
π . .............. ......................... . .
.
................. .........
.
.
.......... ......... 8
.......................... .... ............π .............. .... ........................................... .... .... ..
..
.. . . . . . . .
. . . . . . . . . . ... .. ................................ .. .............................. .. .. ................ .......
............................. .. .........................
.......................... ..
◦
................................................................................................................4 ..................................................................
...............
....................................................................................................................................................
... ..............................................
.....................................................................................................................................
... .. •
1
...
.... ..
. . . . . . . . . . .. ..
.................................. .
..........
...... O ... ....................................... ... ... O
... ... ....... .
..
.
..
...
. ... ........................ ... .. ..... ...
.....................
.................. O .... ... .......................
.................... ............ .
...
.
. . . . . .. . .
. ... .................. ....... .....
....................... .... ... ................ ....... ...... ......
............ ... .............. ..... .. ....................................
.... ... ............ ..... ....
..... .... ... ...... ...
.......... ...
. .. ... ...... ..
... ... • .. ...
...
...
...
..
2 − 2i ...
..
...
.
Figura 77
e) ..
........
...
f) ...
..........
...
.. ..
................................... ...
.... ..................
............ ... ...... ..... .......
. .........................................................
.
..... ...
..... ..... ..
...........................................
....
.
.
.
...
... ..
......
. ..... .
........................................................
. ..
... ....
...
... .........
... ..... . . . . . . .
.... . . . . . .. .... ....... .... ........................
... ... .. .... ............. .... .. ..................
.. ... .... .... .... .... ............... .............. .... ..
. ..... . ...........
.... .
. • 1 + 2i
. .
.
............... ..
.
. .
.
.
.
......... .. . ..... ...
. .
...
... .... ....... .... ............... .... . .
......................
... ... ...... . ..... ... .......... ... .. . . . ....
... ... ... ...... ...... ...
. .................... ... .............. ....
.... .
. . ... ......... .
.
..... ... . ... .. . . . ..
...... ... ... . ..... .. . . ..
...........................................................................................................................................................................................................
......... ............................... ... .
•i
...................... ... .. . . . .
........ ... ... O .... 2 ......... .... 3
..
..
... ... ... ... .
. .
. . ... .
... ... ... .... .. . . . ...
....
....
... ........... ...
..... ... ... ... ...................
... ... ... .
... .
. .
... ... ... .... .... ... . . . . ...
... .... ..............
.. . ... .... .
.... .... ...... .... ................................
........................................................................................................................ ..... .. . . . . . . . . ....
.....
.... ..... .
. . . . . . . . . .....
O .. ......
....... ...................................
... ......... ... . . . . .....
......................................................
..
..
Figura 78
14. a) i) z · w = ρα+β .
ii) El afijo de z es rotado un ángulo β en torno al origen. [Ver gráfico adjunto]
b) Considerando w = cos 23 π + i sen 32 π y operando en forma binómica, se obtienen:
√ ! √ ! √ ! √ !
−1 − 3 −1 + 3 −1 + 3 1+ 3
z2 = +i y z3 = −i
2 2 2 2
.
... .......
z · w ................................. z = ρα
..
...
...•
.......... ....
....•
...........
. ..
.
. ..
....... .. ........
...................................... ......
...... . ....... .....
..... ...
... α + β .... ............ .........
.....
........ ... . .
.
.
...... .....
..... ...
.
... .. .
.............................
. . ... ..... ...
...
. ........ ..... ... ...... ............. ... ...
... .
......... .
. . ... ........ .....
.
.
... ...
... ...
.. . .... ... .. .. ...... ..... ... ...
. . ... . . . . . . .
•w
.... ..
..
.
..
. .. .
... .. .. .
. .
. α . .
........ ..... ... ..
... ...
.... . ... .. ... . ..
... . ... . . ... ...
... .... ....... ............... ..... .... ... ...
... ... ......... ........ ... .. ... .. ...
.. .
. .. .
...
... β.
. ... ..
......................................................................................... ................................................................................................
... ... .. ... .
... ... .
. 1 .. ...
...
...
...
... .... ..
..
..
..
... .
. .. .
.
...
... ... .... ...
. ...
... ..... ... ..... ...
... .....
... ..... ...
...
......
......... .
. .
...
........
. .. ..
... ............................ ..
..... .. ....
..... ... .....
..... ... .....
......
....... .
. ...
. . ......
........ ... .....
........... .......
..............................................
....
..
..
Figura 79
15. Las figuras, consideradas de izquierda a derecha y en orden de aparición, están caracteri-
zadas por las siguientes condiciones:


 kzk ≥ 2 
 3 ≤ kzk ≤ 5

√


Im(z) ≤ 3 3
Im(z) ≥ 0

 


π
2
≤ arg(z) < 23 π
 
 Re(z) ≤ 3  kzk ≤ 4
√

0 ≤ Im(z) ≤ 3 Re(z)
 Im(z) ≥ √1 |Re(z)|
3
 
 3 ≤ kzk ≤ 5  kzk ≤ 2
R = R1 ∪ R2 ∪ {0} con R1 : √
π
≤ arg(z) ≤ π −Re(z) ≤ Im(z) ≤ − 3 Re(z)

 2
 Re(z) ≥ −3
y R2 :
π ≤ arg(z) ≤ 54 π

 
0 ≤ Im(z) ≤ 2 Re(z) ≥ −3

  √ 

 − √13 Re(z) ≤ Im(z) ≤ 3 Re(z)

 

 
Im(z) ≥ √13 Re(z) kzk ≥ 3
Re(z) ≤ 3
  
√

 

 
3
Re(z) ≥ −2 3 π ≤ arg(z) ≤ π

4
Para alguna de las regiones también es posible utilizar para su caracterización la noción
arg(z). Tener en cuenta que el complejo nulo no tiene argumento definido.
11.2. Polinomios
1. a) −3 − 6 X 2 + 4 X 3 + 2 X 5 − X 6 , −8 + 2 X 2 + 2 X 3 y 8 − 2 X 2 − 5 X 3 + X 6 .
b) 6, 3 y 6.
c) 4.
2. Haciendo consideraciones sobre el grado de los polinomios involucrados se obtiene:
a) P (X) = −1 y P (X) = X + 1.
b) No existe solución.
c) P (X) = X y P (X) = −X.
3. i) a = 12 , b = − 54 y c = 34 .
ii) No existen a, b y c, de modo que se verifique la igualdad.
4. a) q(X) = 5 X 2 + 2 X − 10 ; r(X) = −5 X + 24.

b) q(X) = 4 X + 3 ; r(X) = −2 X 2 + 10 X − 7.
5. i) a = 12 .
ii) a = −1.
6. r(X) = −2 X + 7.
7. i) a = 0 ; b = 3.
ii) a = −2 ; b = 3.
iii) a = −2 ; b = 1.
8. a = 9 ; b = 3.
9. a) Cinco.
b) Tres.
c) Dos.
d) Dos.
10. a) i) 0, −1 y 21 .
ii) No posee.
iii) − 43 , − 13 y 12 .
b) − 13 .
√ √
11. a) 0 (doble), 52 , 3, − 3, i, −i (simples).
√ √ √ √
b) i, −i, 15 , 2 i, − 2 i, 5, − 5 (simples).
√ √ √ √
c) 5 i, − 5 i, −1 − 3, −1 + 3 (simples).
√ √ √ √
d) 0 (simple), 12 (triple), 2(1 + i), 2(−1 + i), 2(1 − i), 2(−1 − i) (simples).
√
6
√
6
√
6
e) i, −i, 2 π4 , 2 11 π , 2 19 π (simples).
12 12
f) 2, 2 2 π , 2 4 π , 2 6 π , 2 8 π (simples).
5 5 5 5
√ √
12. P (X) = − 32 X 2 (X 2 − 3 X + 1)(X 2 + 3 X + 1)(X 2 + 1).
13. a) P (X) = (X − 12 )(X 2 − 2 X + 2)2 .

b) P (X) = a (X − 45 )(X + 2)2 ; a ∈ R, a 6= 0.
14. a) a = 2.
b) a = 1.
c) a = 3 i ó a = −3 i.
15. Utilizar la regla de Laguerre−Thibault.
a) [−2, 1].
b) [0, 2].
c) [−1, 5].
d) [−1, 2].
16. a) i) Positivas: 2 ó ninguna ; Negativas: ninguna.

ii) Positivas: 2 ó ninguna ; Negativas: 1.
iii) Positivas: 4, 2 ó ninguna ; Negativas: ninguna.
b) i) Positivas: 2 ; Negativas: ninguna.
ii) Positivas: 2 ; Negativas: 1.
iii) Positivas: 4 ; Negativas: ninguna.
c) i) (0, 1) ; (1, 2).
ii) (−1, 0) ; (0, 1) ; (1, 2).
iii) (0, 1) ; (1, 2) ; (2, 3) ; (3, 4).
17. Utilizar la Regla de Descartes y el Teorema de Bolzano. El polinomio tiene dos raı́ces
complejas no reales.
18. a) i) ∆ = p2 − 4 q > 0.
ii) ∆ = p2 − 4 q = 0.
iii) ∆ = p2 − 4 q < 0.
b) α1 + α2 = −p y α1 · α2 = q.
11.3. Matrices. Sistemas de ecuaciones lineales. Determinantes

1
1 −1 −2
   1   
0 02 2
1 1 2
1. a) i) A =  1 12 0  ; B =  0 1
2
1  ; C= 2 1
2
0 .
1 1 12 0 0 12 3 1 1
2
     
0 1 1 0 −1 −1 0 2 3
ii) A =  −1 0 1  ; B= 1 0 −1  ; C =  −2 0 0  .
−1 −1 0 1 1 0 −3 0 0
     
0 1 0 1 0 0 0 3 4
iii) A =  0 0 0  ; B =  0 −1 0  ; C =  3 2 4 .
1 0 0 0 0 0 1 1 −2

0 −2
b) i) A = .
3 1
 
0 1 2
ii) B =  1 0 −1  .
2 −1 0
   
1 5 −5 2 5 5
2. a)  3 10 0  b)  0 −1 1  .
2 9 −7 2 4 6
   
3 4 −1 4 −2
15 −14 15 −2
3. a)  0 2  b) c)  −4 16 −8  d)
−15 14 −15 2
6 1 7 −28 14
4. No es ni C · D ni D · C. Tener en cuenta que el producto de matrices no es conmutativo.
5. Existen dos soluciones: x = 3 e y = 6 y x = −3 e y = −6. En el primer caso B es

una matriz simétrica y en el segundo caso no.
6. a) Si una afirmación es falsa se muestra el correspondiente contraejemplo que lo pruebe.

Si una afirmación es verdadera, se demuestra. En este caso se utilizan las propiedades
de la matriz traspuesta y la definición de matriz simétrica.
b) y = 0, x = 2 z − 2, z ∈ R.
7. Aplicando el método de eliminación de Gauss se obtiene:

a) S = {( 32 , 2, − 27 )}. b) Sistema incompatible.
c) S = {(2, 1, 3)}. d) S = {( 14 − 85 t + 12 y, y, 1
2
+ 34 t, t, 0) : y, t ∈ R}.
e) S = {(1, 3, 1)}. f) S = {( 23 z, − 21 z, z) : z ∈ R}.
8. a) Si λ = 11, el sistema es compatible indeterminado. Si λ 6= 11, el sistema es
compatible determinado.
b) Si λ = 1, el sistema es compatible indeterminado. Si λ 6= 1, −2, el sistema es
compatible determinado.
4
9. a) Si α 6= 21
.
13
b) Si α = 5
.
10. a) S1 = 750 $ ; S2 = 800 $.

b) Los números son: x = 63 y y = −57.
c) Si los números enteros son x e y, entonces x · y = 170.
115
d) Libra= 460 gramos y Onza= 4
gramos.
11. Calculamos los determinantes de orden dos y obtenemos:

a) 3 b) 1 c) a (b − 1)
12. Calcular el determinante planteado y analizar el discriminante de la ecuación cuadrática

obtenida.
13. Utilizando propiedades del determinante se obtiene:

a) 3 b) 10 c) 10
14. Luego de triangular, obtenemos los determinantes:

a) 2 b) 0
15. El determinante vale −162.
16. Cumplimos con la consigna y obtenemos:

a) 3 b) −10 c) (x − 1)3 (x + 3)
17. a) Mostrar, utilizando propiedades del determinante, que el mismo es de la forma:

9 · s, s ∈ Z.
b) Mostrar con un contraejemplo que dicha propiedad no siempre es válida.

x y
c) Son matrices de la forma: , con x, y, z ∈ R.
z −x
18. Como todos los ejercicios de verdadero ó falso se debe dar un contraejemplo si la afirmación
es falsa y probarla, usando propiedades de determinante e inversa en este caso, si la
afirmación es verdadera.
19. Recordando que una matriz es inversible si, y sólo si su determinante es no nulo se obtiene:
 1 1
−2

2 2
a)  14 − 14 1  b) La matriz no es inversible.
1 1
−4 4
0
 
0 0 1
2 −1
c)  0 1 −1  d)
−1 1
1 −1 0
20. Resolvemos la ecuación det A = 0 y en cada caso se obtiene:
√
a) a = 0 y a = 2. √
b) a = 1 ± 3.
c) a = −1 y a = − 21 ± 217 . d) a = 0, a = 1 y a = −1.
1
21. a) 4
y 4.
1
b) 54
.
1
c) 250
.
 7 3 1 
8 16 16
22. a) A−1 =  − 21 − 41 1
4
.
− 81 3
16
1
16
b) det B −1 = −8.
 1
− 23 0

3
23. a) A−1 =  0 0 1 .
0 1 0
 
−4
b) X =  −2  .
1
24. a) λ = 1.
b) n = 0 y n = 1. Usar la regla de Cramer y tener en cuenta que el determinante del
sistema es 3 n2 + 2 > 0.
11.4. Vectores
1. Dibujar un par de fechas y graficar los vectores pedidos teniendo en cuenta la regla del
paralelogramo.
2. M está entre N y P. Los incisos son independientes.

−−→ −−→
a) M N = (−2).P N .
−→ −−→
b) AB = (− 21 ).P M .
−→
3. ~ es igual a: ~v , CA y ~0, respectivamente.
a) ~u + ~v + w
b) ~u + ~v + w~ = ~0. En las restantes figuras, ~u + ~v + w
~ + ~t es igual a: 2.~v ó 2.~t y
~v + w~ ó − (~u + ~v ), respectivamente.
4. Teniendo en cuenta que los ángulos interiores de un hexágono regular miden 120o , se
obtiene que:
−−→
a) OE = 4.e~1 = (4, 0).
−→ √ √
b) OA = −2.e~1 + 2 3 .e~2 = (−2, 2 3).
−→ √ √
c) AB = 2.e~1 + 2 3 .e~2 = (2, 2 3).
−−→ √ √
d) OB = 4 3 .e~2 = (0, 4 3).
−−→
e) BC = 4.e~1 = (4, 0).
−−→ √ √
f) CD = 2.e~1 − 2 3 .e~2 = (2, −2 3).
−−→ √ √
g) DE = −2.e~1 − 2 3 .e~2 = (−2, −2 3).
−→ √ √
h) OC = 4.e~1 + 4 3 .e~2 = (4, 4 3).
−−→ √ √
i) OD = 6.e~1 + 2 3 .e~2 = (6, 2 3).
−→ −→ −→
5. a) AB = (−4, 3, −1) ; BA = (−1).AB = (4, −3, 1).
b) A(−2, 3, −7).
c) B(4, 0, 3).
d) 2.~u − 3.~v = (2, −9, −8).
6. En este ejercicio es de utilidad la noción de versor.
a) ~v = (− √210 , − √610 ) = (−2).( √110 , √310 ).

b) ~u = 5.( √15 , − √25 ) ó ~u = (−5).( √15 , − √25 ).
7. a) 6.
−−−−−−−−−→
b) proyw~ (~u + ~v ) = (− 12
13
, 16
13
, − 48
13
).
~ = (−15 − 2 z, −30 − z, z), z ∈ R.
c) Es solución cualquier vector de la forma: w
8. Tener en cuenta que el producto escalar entre dos vectores tiene por resultado un número
real.
9. a) −10.
b) 71.
c) 61.
10. a) i) 12.
ii) 14, 126.
iii) (0, 0, 0), (0, −12, 12).
b) D(5, 1, 1) y cos α = √3 . Existen tres soluciones al problema.
15
12
11. a) cos α = 25
cos β = − 35 , cos γ = − 16
, 25
.
√ √
b) ~u = (1, −1, 2) ó ~u = (1, −1, − 2).
12. a) Tener en cuenta que k~uk2 = h~u, ~ui. Para la interpretación geométrica considerar
un paralelogramo determinado por vectores ~u y ~v , con origen común.
b) Tener en cuenta la sugerencia dada en a) y efectuar la demostración partiendo del
miembro de la derecha de la igualdad.
c) Tener en cuenta la sugerencia dada en a) y la definición de proyección.
13. a) 36.
b) 20.
3
14. 6 y 2
.
15. ~x = (2, 3, −2).
16. La respuesta en la siguiente tabla:

a) (−4, 7, 6) b) (−2, 6, 3) c) (4, 8, 9)
d) (4, −2, −6) e) (5, 10, 5) f) (20, 10, 20)
17. a) 14.
~ = (− √54
b) w 241
, − √72
241
, √24 ).
241
c) 24.
18. Usar que k~u ∧ ~v k2 + h~u, ~v i2 = k~uk2 k~v k2 .
a) 30 y −30.
b) 16.
19. a) Los vectores son coplanares.

b) ±27.
√
20. a) ±27 3.
b) −210.
11.5. Geometrı́a analı́tica en el Plano y en el Espacio

1. Recordar que la forma paramétrica de una recta no es única.

x = 3 − 5λ
a) L : ; λ∈R ; L : x − 5 y + 22 = 0.
y =5−λ

x = 1 − 3λ
b) L0 : ; λ∈R ; L0 : 4 x + 6 y + 14 = 0.
y = −3 + 2 λ

00 x=2+µ
c) L : ; λ∈R ; L0 : −2 x + y + 3 = 0.
y = 1 + 2µ
2. Un paralelogramo es un cuadrilátero con dos pares de lados paralelos.
A(2, 1), B(1, 3), C(5, 4) y D(6, 2).
3. a) cos α = √1 .
17
b) Las medianas de un triángulo son los segmentos con extremos en cada uno de los
vértices del triángulo y en el punto medio del lado opuesto.
La distancia es √8 .
13
base × altura
4. El área del triángulo se calcula con la fórmula: AT = .
2
a) 6.
b) Existen dos rectas. Sus ecuaciones son: y = − 32 (x − 4) − 3 e y = − 83 (x − 4) − 3.
5. a) m = 0 ó m = 32 .
7
b) m = 12
.
3
c) m = 2
.
6. a) 16.
x = −9 + 4 µ

x = 2 + 4µ
b) ; µ∈R y ; µ ∈ R.
y = −3 − 3 µ y = 14 − 3 µ
Observamos que no existe unicidad. Existen dos cuadrados. La otra recta tiene forma
x = 5 + 4µ
paramétrica: ; µ∈R
y = − 41 − 3 µ
c) L : 4 x − 3 y − 7 = 0.
7. a) B(7, −3).
b) C(4, 1) ó C(2, −3).
( x = −3 + 6 µ
8. a) i) L : y = a + (4 − a) µ ; µ ∈ R.
z = (1 + 2 a) µ
ii) No existe.
( x = −5 − 3 µ
b) i) L0 : y=0 ; µ ∈ R.
z =1+µ
x = 3 + 8λ
(
00 x−3 y+1 z−5
ii) L : y = −1 − 5 λ ; λ ∈ R ; L00 : = = .
8 −5 2
z = 5 + 2λ
9. a) i) π : x − 3 y + 4 z + 16 = 0.
ii) π 0 : 3 x − y + 2 z = 0.
b) i) Los puntos no son colineales para todo valor de λ.
ii) Recordar que un triángulo se dice isósceles si posee dos lados congruentes, por
−→ −−→
lo que tienen igual longitud. Probar que kBAk = kBCk.
iii) π : x + y + z − 2 = 0.
10. a) π1 : 12 x + 3 y − 4 z + 71 = 0 y π2 : 12 x + 3 y − 4 z − 85 = 0.
b) π : 9 x + 3 y + 7 z − 40 = 0.
c) π : x + 4 y + 7 z + 16 = 0.
d) π : x + 3 y − 2 z − 14 = 0.
11. a) P 0 (3, 1, 1).
b) P0 (0, −6, 3) y P1 (−1, −10, 2).
12. a) a = 2 y a = −1.
b) √23 .
c) La distancia es 6 y el punto que realiza la misma es Q(1, 1, −4).
13. β = −5 y α = −17.
14. a) π3 .
b) Existen dos puntos a saber: P0 (8, 6, 2) y P1 (−8, −6, −2).
15. a) Las rectas son coplanares.
b) Son perpendiculares pues el producto escalar entre sus directores es nulo.
c) π : −x + y + z − 1 = 0.

x+y+z−1=0
16. a) L1 : .
2x − y + 3z + 2 = 0
b) Las rectas son coplanares pues sus vectores directores son paralelos.
c) √1726 .

x=0
17. a) . Tener en cuenta que la manera de expresar a una recta como
2y + 3z = 0
intersección de planos no es única.
b) Q(−1, − 12 13
5
, − 13 ).
(x = 1 + 8µ
18. a) L0 :y = −1 + 6 µ ; µ ∈ R.
z = −7 µ
b) Existen dos planos: π1 : −x − y + z + 28 = 0 y π2 : −x − y + z − 14 = 0.
(x = 2 + µ
19. a) L0 : y = 1 − µ ; µ ∈ R.
z =3−µ
√ √ √ √
b) A(4 + 2, −1 + 2, 1) y B(4 − 2, −1 − 2, 1). Recordar que un triángulo
equilátero tiene sus tres ángulos congruentes.
20. 7.
11.6. Espacios vectoriales

1. a) no es un R−espacio vectorial y b) si.
2. a) w = (1, 2, 3).
b) w = (−24, −6, −6).
3. a) k = 15.
b) Todo valor real de k.
c) Todo valor real de k.
d) Ningún valor de k.
4. a) u = (−1).(−1, 1, 1) + 5.(0, 0, 1) + (−1)(0, 1, 1) y la expresión es única. El vector

se escribe en la forma u = 0.(−1, 2, 3) + 3.(0, 0, 1) + (−1).(−1, 2, 0) pero no hay
unicidad. El sistema planteado es compatible indeterminado. Por último, u no es
combinación lineal de los vectores (1, 2, 0) y (0, 0, 1).
b) Si notamos con B y C a las otras matrices, se tiene que A = 3 · B + 4 · C.
c) i) P (X) = 3 q(X) + (−2) r(X).
ii) No es posible.
5. En todos los casos si el conjunto dado es subespacio verificar las condiciones que lo
prueban. Caso contrario, mostrar con un contraejemplo que alguna de ellas no se verifica.
a) Si b) No c) No d) Si e) No f) Si g) No
6. a) i) R2 .
ii) R3 .
iii) {(x, y, z) : x − y = 0}.
b) Utilizar doble inclusión y la forma de los elementos del subespacio generado. Otra
forma: interpretar geométricamente al primer subespacio como un plano que pasa
por el origen.
c) Usamos las mismas ideas y obtenemos: α = 6 y β = 3.
7. a) Ver que el subespacio generado por ellos es R2 .

b) Tener en cuenta que si S es un sistema de generadores de W, entonces S ∪ {v},
con v ∈ W, también lo es.
i) S = {(1, −2)}.
ii) S = {(−1, 1, 1)}.

1 0 −3 4
iii) S = , .
0 1 −4 3
8. a) Si b) No c) No d) Si e) No
9. a) k 6= 0, −1.
b) k 6= −3.
c) k 6= −3, 12 .
d) k 6= 0, −1.
10. a) V b) V c) V d) F
11. Si α 6= 1, entonces w ∈ S, para todo β.

Si α = 1, entonces w ∈ S si β = 1.
12. Si, pues dimR F = 2.

1 0 1 0
13. a) BW = , ; dimR W = 2.
1 0 0 1
b) BF = {X 2 (X − 2), X(X − 2)} ; dimR F = 2.

0 0
c) BS = ; dimR S = 1.
1 0

0 0 0 0
BS 0 = , ; dimR S 0 = 2.
1 0 0 1
14. a) B = {(1, 1, 0, 2), (1, −1, 2, 0), w, t} conjunto linealmente independiente.

b) B = {(1, 2, −1, 1), w, s, t} conjunto linealmente independiente.
c) No, los vectores son linealmente dependientes.
15. a) BS∩T = {(−5, −1, −3, 1)} y dimR (S ∩ T ) = 1.

b) BS∩T = {(1, 3, 1)} y dimR (S ∩ T ) = 1.
c) BS∩T = ∅ y dimR (S ∩ T ) = 0.

0 1
d) BS∩T = y dimR (S ∩ T ) = 1.
−1 0
11.7. Cambio de base

     
1 0 1 1 −1 0 1 1 1
1. a) [B]C =  0 0 1  ; [C]B =  0 −1 1  ; [B 0 ]C =  0 1 1  ;
0 1 1 0 1 0 0 0 1
   
1 −1 0 1 0 0
[C]B 0 =  0 1 −1  ; [B]B 0 =  0 −1 0  = [B 0 ]B .
0 0 1 0 1 1
b) (v)B = (1, −5, 1) ; (v)B 0 = (1, 5, −4).
 1
0 − 13
  
3 1 0 3
2. a) [B]B 0 =  0 −1 1  ; [B 0 ]B =  0 0 1 .
0 1 0 0 1 1
b) (v)B = ( 53 , −2, −2).
3. B = {(2, 0, 1), (−3, 1, 0), (−1, 0, 21 )}.
4. B 0 = {(1, 0, 21 ), (0, 0, − 12 ), (−1, 1, −1)}.
5. a) Basta probar que los vectores son linealmente independientes, pues dimR V = 4.
b) (v)B 0 = (α, 2 α, α, 0).
c) {(x, x, 0, 0) : x ∈ R}.
 3 
2
 3
2
6. [A]B 0 = .
 
 4 
−2
7. (P )B 0 = (−1, −2, −1, 1).

 0 25
 x = − √10 + 18 µ
8. a) ; µ ∈ R.
 y 0 = √25 − 4 µ
10
b) P h13, 1i.
9. El plano tiene ecuación −13 x0 + 30 y 0 − 12 z 0 = 0.
10. a) O0 (1, −3).

b) P h1, 0i y Qh0, −4i.

x = 2 + 2µ
c) ; µ ∈ R.
y = −3 − µ
11. α = π3 .
12. a) x − 3 = 0.
√
b) Qhh1, − 3ii.
13. a) P (− 235
, − 54 ).
00
x = 4µ
b) ; µ ∈ R.
y 00 = 3 µ
c) Lo solicitado está plasmado en el siguiente gráfico:
.....
00
Y . ....
..
.
......
......
Y ..
.
.
.
. ..
.
.
.
.
. ..
.
.. ...
..
.
...... .... ... ...
...... ... ... ...
...... ...
...
X 00 ...
...... .
.
...... .
. ...
. ...
...... . .
.
...... .
. .
..
. ...
...... ..
. .
. ...
...... .
.
. .... ...
......
...... .... . ... ...
...... .
. .... ...
...... . ..
...... .
. .
.
...........
. ...
....... ..
. ...
. ............ .
.
. ..... ...
... ...... . ....
.
. ...
...... . ... .
... ...... ... ... ...
... ............
• .......... .... .... .... .... .... .... .... .... .... ....
.
..
.
..
.. ... ......... . .
. 1 .......
.
.
. . .
.. . ......
... ... .. ...... ....
... ....
− 23
...... .
~e
5 ...
...
...
....
.....
...
O0 ...
.
.
..
.
......
...... 2 ....
....
.
.........................................................................................................................................................................................................................................................................
•
... .. . ... ..
. ....
... .
... ...
.
..
...
...
...
. −2 .
.
.
.... O ~e X ...
...
1
.. .
. ...
P hh−3, 1ii
• .
....
.... ...
...
..
....... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... ....
.. .
.
.
.
.
....
− 45 .
.
.... ... ...
.... ..... ...
.... .
.
.
... .....
..
x = −2 ...
.
Figura 80
14. a) π : −2 x − 3 y − 5 z + 8 = 0.
b) P (−1, 0, 0) satisface el sistema.
15. a) Son bases ortonormales.

 √ 2 √2 2
  2 11 2

−6 2 3 − 15 15 3
 2 √2 1 2 2
b) [B]B 00 =  3 0 1 ; [B 0 ]B 00 =  −3 .
  
3  3 3
√ √ 14 2 1
2 2
− 23 15
− 15 3
6 2
16. a) Expresar a v como combinación lineal de los vectores de la base dada y luego
calcular hv, bi i.
b) Calcular hv, vi.
c) Calcular kbi − bj k2 = hbi − bj , bi − bj i, con i 6= j.
√ √ √
17. k = ± √56 . B = {( √16 , √56 , 0), (− √56 , √16 , 0), (0, 0, 1)}.
11.8. Transformaciones lineales

1. Probar la equivalencia significa que:
Suponiendo que vale a), usando la definición de transformación lineal, se debe probar
b). Luego, suponiendo que vale b), se toman valores particulares de α y u, y se
prueba a).
2. Todas son transformaciones lineales salvo b) y e).

3. a) T (x, y) = (−3 x − y, −6 x − 3 y).

b) T (x, y, z) = ( 12 x + 12 z, 1
2
x + 21 z, − 12 x + 31 y + 16 z).
c) No es única. Su expresión depende de como se extiende el conjunto linealmente
independiente S = {(1, 0, 0), (0, 0, 1)} a una base de R3 .
4. a) Aplicar el Teorema 8.1.1. Se tiene que T (5, 3) = (−25, 10) y T (−1, 2) = (5, 92 ).
b) No.
c) T 6= T 0 .
5. a) F b) V c) F d) F
6. a) T (3.v1 + 2.v2 − v3 ) = (−2).w1 + 4.w3 y (T (3.v1 + 2.v2 − v3 ))B 0 = (−2, 0, 4, 0).
b) T −1 (w1 − 3.w3 − w4 ) = {−(v1 + v2 )}.
 
3 1
7. a) [T ]BB 0 =  2 −1  .
1 1

−2 −1
b) [T ]BB 0 = .
2 2
4
3
− 13 1
3
c) [T ]BB 0 = .
− 32 − 43 − 23
8. a) Si B y B 0 son  las bases
 usuales de R1 [X] y M2 (R) respectivamente, se tiene
0 1
 1 0 
que [T ]BB 0 =  1 0 .

0 1
1 1
2
1 2
b) [T ]BB 0 = 1 1 .
2
0 − 2
 
0 a −1
9. [T ]C =  a 1 0  ; det A = 0 si, y sólo si a = ±1.
1 0 1
3 56
− 11 − 11

1 −2
10. a) [T ]C = y [T ]B = .
0 −1 2
− 11 3
11
   
1 0 0 1 0 0
b) [T ]C =  0 1 0  y [T ]B =  0 1 1  .
0 0 0 0 0 0
 
0 0 0
1
11. a) [T ]C =  0 2
− 12  .
0 − 12 1
2
 
− 13 2
3
− 23
2
b) [T ]C =  − 13 − 23  .
 
3
− 32 − 23 − 13
 
0 1 −1
c) [T ]C =  1 0 1 .
0 0 1
11.9. Autovalores y autovectores

1. a) Los autovalores son: 1 y 0. Los autovectores asociados son, respectivamente, los
vectores no nulos del plano involucrado y los de la recta perpendicular al mismo por
el origen.
b) Los autovalores son: 1 y 0. Los autovectores asociados son, respectivamente, los
vectores no nulos de la recta involucrada y los de la recta perpendicular a la misma
por el origen.
c) Los autovalores son: 1 y 0. Los autovectores asociados son, respectivamente, los
vectores no nulos de la recta involucrada y los del plano perpendicular a la misma
por el origen.
d) Los autovalores son: 1 y −1. Los autovectores asociados son, respectivamente, los
vectores no nulos del plano involucrado y los de la recta perpendicular al mismo por
el origen.
e) Los autovalores son: 1 y −1. Los autovectores asociados son, respectivamente, los
vectores no nulos de la recta involucrada y los de la recta perpendicular a la misma
por el origen.
f) i) Si el ángulo de rotación es α = 0, el único autovalor es 1 y todo vector no
nulo del Espacio es autovector asociado.
ii) Si el ángulo de rotación es α = π, los autovalores son 1 y −1. Los
autovectores asociados al 1 son los vectores no nulos de la recta involucrada y
los correspondientes al −1, los vectores no nulos del plano perpendicular a la
recta por el origen de coordenadas.
iii) Si el ángulo de rotación es α 6= 0, π, el único autovalor es 1 y todos los
vectores no nulos de la recta involucrada son los autovectores asociados.
2. Se recomienda leer previamente y con detenimiento, la Definición 9.1.1.
3. Considerando ordenadamente las matrices dadas y notándolas Mi se tiene que:
M1 : Autovalores: λ1 = 3 ; λ2 = −2. Autovectores: V3 = {(1, 2)} ; V−2 = {(1, 1)}.

M2 : La matriz no tiene autovalores reales.
M3 : Autovalores: λ1 = 2 ; λ2 = 1 ; λ3 = 0. Autovectores: V2 = {(1, 2, 0)} ; V1 =
{(0, −1, 1)} y V0 = {(1, 0, 0)}.
M4 : Autovalores: λ1 = 3 ; λ2 = −1 ; λ3 = 1. Autovectores: V3 = {(−2, −1, 2)} ; V−1 =

{(3, −2, 2)} y V1 = {(1, 0, 0)}.
M5 : Autovalores: λ1 = λ2 = λ3 = 1. Autovectores: V1 = {(1, 0, 0)}.
M6 : Idem a M5 .
M7 : Autovalores: λ1 = λ2 = λ3 = 1. Autovectores: V1 = {(1, 0, 0), (0, 0, 1)}.
M8 : Autovalores: λ1 = 3 ; λ2 = 2 ; λ3 = −1. Autovectores: V3 = {(2, 1, 1)} ; V−2 =
{(1, −1, 1)} ; V1 = {(4, −1, 1)}.
4. a) Autovalores: λ1 = 2, λ2 = −1, λ3 = 0. Autovectores: V2 = {(1, 1, 0)} ; V−1 =

{(−2, 1, 3)} ; V0 = {(−1, 1, 0)}.
b) Autovalores: λ1 = −4, λ2 = 3. Autovectores: V−4 = {(1, 1)} ; V3 = {(−2, 5)}.
c) Autovalores: λ1 = λ2 = 5, λ3 = 1. Autovectores: V5 = {X 2 , −1 + X} ; V1 =
{1 + X}.
d) Autovalores: λ1 = −2, λ2 = −1, λ3 = λ4 = 1. Autovectores:

−1 0 −2 1 0 0 2 3
V−2 = ; V−1 = ; V1 = , .
1 0 1 0 0 1 1 0
5. α = −1 ; β = −3.
6. a) k = −2.
b) V1 = {(−3, −4, 1)} ; V−3 = {(1, 0, 1)}.
7. k = ±3.
8. B = {(1, 0, 0), (−1, −4, 4), (−1, 0, 1)}.
9. Las tres transformaciones lineales son diagonalizables por tener dos autovalores distintos.

6 1
a) [T ]C = .
−8 0

1 1
b) [T ]C = .
0 2
7 1
20
− 20
c) [T ]C = 1 7 .
30 30
10. α = 0.
11. a) T es diagonalizable para todo a ∈ R − {0}.

b) B = {(2, 0, 1), (−1, 1, 0), (0, 1, 0)}.
c) a = 4, a = ±2.
12. Considerando las matrices en su orden de aparición, se tiene que:

n o n o
1 √2 2 √1 1 √1 1 √1
B1 = (− 5 , 5 ), ( 5 , 5 ) ; B2 = ( 2 , 2 ), (− 2 , 2 ) = B3 ;
√ √ √ √
n o
1 1 1 √2 1 1 √1 √1
B4 = (− 2 , 0, 2 ), (− 6 , 6 , − 6 ), ( 3 , 3 , 3 ) ;
√ √ √ √ √
n o
B5 = (− √12 , 0, √12 ), ( √12 , 0, √12 ), (0, 1, 0) ;
n o
B6 = ( √16 , − √26 , √16 ), (− √12 , 0, √12 ), ( √13 , √13 , √13 ) ; B7 = B5 .
 
n o 1 0 0
13. a) B = (− √13 , √13 , √13 ), ( √12 , √12 , 0), (− √16 , √16 , − √26 ) ; [T ]B =  0 −1 0 .
0 0 −1
b) T no es diagonalizable en base ortonormal.

n
1 2 2 1
o 1 0
c) B = ( √5 , − √5 ), ( √5 , √5 ) es tal que [T ]B = .
0 0
14. T queda definida por: T (0, 1, 1) = (0, 1, 1), T (1, 2, 0) = (1, 2, 0), T (−2, 0, 1) = (2, 0, −1)
y es una simetrı́a respecto a un plano, en forma paralela a una recta . Determinar los
mismos.
15. a) λ1 = 1, λ2 = λ3 = −1. V1 = {(1, −1, 0)} ; V−1 = {(1, 1, 1), (1, 1, 0)}.
b) T es transformación lineal simétrica pues [T ]C es una matriz simétrica.
16. a) a = 4 ; b = 2.
b) T es diagonalizable.
c) No, pues no es transformación lineal simétrica.
11.10. Cónicas y cuádricas

1. a) (x − 6)2 + (y − 6)2 = 25.
b) (x − 1)2 + (y − 3)2 = 4.
c) (x − 2)2 + (y + 1)2 = 4.
d) (x − 1)2 + (y − 1)2 = 5.
e) (x + 23 )2 + (y − 2)2 = 25
4
.
f) (x − 5)2 + y 2 = 9 y (x − 11)2 + y 2 = 9.
2. a) Exterior.
b) Interior.
3. a) i) P0 (2, 0) y P1 (0, 2).

ii) Q0 (1, 1) y Q1 (3, 3).
31 2 23 2 221
b) (x − 10
) + (y + 10
) = 10
.
4. a) x2 + (y − 1)2 = 2.
b) 3 x + 2 y − 16 = 0.
c) a = −3 y a = 7.
5. a) 24. Tener en cuenta que el área del rombo es el semiproducto de la longitud de sus
diagonales.
x2 y2
b) + = 1.
100 36
(x + 4)2 (y − 2)2
6. a) + = 1.
9 4
b) 81 x2 + 24 y 2 − 76 x y − 500 = 0.
(x − 3)2 (y + 72 )2
c) + 25 = 1.
4 4
d) 9 x2 − 4 x y + 6 y 2 − 26 x + 28 y − 9 = 0.
e) 24 x2 + 24 x y + 31 y 2 − 96 x + 52 y − 404 = 0.
f) 7 x2 + 16 y 2 − 14 x − 64 y − 41 = 0.
x2 y 2
g) + = 1.
25 16
√
7. a) a = 3 y b = 2.
√ √
b) Vértices: V1 (−1, 2), V2 (−1, −2). Focos: F1 (−1, 7), F2 (−1, − 7).
c) y = ± √23 (x + 1).
8. a) Existen dos soluciones: 12 x2 − 4 y 2 = 75 y −12 x2 + 4 y 2 = 27.

x2 y 2 x2 y 2
b) Existen dos soluciones: − =1 y − + =1
5 20 5 20
−3 (x − 1)2 (y − 4)2
9. a) + = 1.
4 4
(x − 2)2 (y + 3)2
b) − = 1.
4 5
c) −4 x y + 3 y 2 − 20 = 0.
(x − 3)2 (y + 1)2
d) − + = 1.
16 64
e) (x − y − 2)2 − (x + y)2 = 18.
f) 4 x2 − 6 x y − 4 y 2 + 25 = 0.
g) 10(x + 2 y + 5)2 − 3(−2 x + y + 10)2 − 450 = 0.
5
10. a) No es única. y − 2
= 12 (x + 2)2 ; y − 7
2
= − 12 (x + 2)2 .
b) x2 − 4 x − 12 y + 16 = 0.
c) 16 x2 − 24 x y + 9 y 2 − 244 x − 442 y + 2649 = 0.
d) x2 − 2 x + 24 y − 23 = 0.
e) 4 x2 + y 2 − 4 x y − 24 x − 48 y = 0.
11. a) (x − 2)2 + y 2 = 16. Los puntos de intersección de la parábola y la circunferencia

son: A(2, −4) y B(2, 4).
37
b) y − 9 = −(x − 3)2 , D: y= 4
.
12. El sistema de coordenadas queda determinado indicando el nuevo origen O0 , en caso de

existir traslación y una base ordenada B, si existe rotación.
a) B = {( √25 , √15 ), (− √15 , √25 )} ; O0 ( 13 , − 43 ). Elipse.

b) B = {( √12 , √12 ), (− √12 , √12 )}. Hipérbola.
c) B = {( √12 , − √12 ), ( √12 , √12 )}. Recta.
Sin cambiar de base, observamos que: x2 − 2 x y + y 2 = (x − y)2 = 0, si, y sólo si
y = x.
d) B = {( 53 , 45 ), (− 45 , 35 )} ; O0 ( 53 , 45 ). Hipérbola.
e) B = {( 53 , 45 ), (− 45 , 35 )} ; O0 (− 51 , − 11
10
). Rectas incidentes.
f) B = {( 35 , 45 ), (− 45 , 35 )}. Parábola.
g) B = {( √12 , √12 ), (− √12 , √12 )}. Parábola.
h) B = {( √15 , √25 ), (− √25 , √15 )} ; O0 (− 25 , 15 ). Par de rectas paralelas.
i) O0 (−2, 7). Elipse.
√
13. a) O0 ( 15 , √52 ). Focos: F1 (−1, 1) , F2 ( 75 , − 51 ). Intersecta a los ejes en : A( 1+2 5 , 0),
A0 ( 1−2 5 , 0) y B(0, −0,361302), B 0 (0, 1,30248).
b) O0 (1, 1). Focos: F1 (−1, −1) , F2 (3, 3). Intersecta a los ejes en : A(−1, 0) ; B(0, −1).
14. Se recomienda realizar un cuidadoso gráfico en cada una de las situaciones presentadas,
teniendo en cuenta el uso dado en la materia: Análisis Matemático II.
15. Basta indicar un nuevo origen O0 (x0 , y0 , z0 ) y/ó una base ordenada B. La misma está
formada por autovectores de la matriz simétrica asociada y su elección depende del orden
en que se toman los autovalores.
a) O0 (2, 3, 0).
x0 2 02 z0 2
+y − =1 (Hiperboloide de una hoja).
9 4
b) B = {( √25 , √15 , 0), (− √15 , √25 , 0), (0, 0, 1)}, asociada a los autovalores: λ1 = 10,
λ2 = 0, λ3 = −1.
√ √
10 x0 2 − z 0 2 = 0 = ( 10 x0 − z 0 ) · ( 10 x0 + z 0 ) (Par de planos que se cortan).
c) O0 (0, 0, 18 ).
x0 2 y0 2

z0 = − 4 + 4 (Paraboloide circular).
3 3
d) B = {( √12 , √12 , 0), (− √12 , 0, √12 ), ( √13 , − √13 , √13 )}, asociada a los autovalores: λ1 =
λ2 = 1, λ3 = 4.
z0 2
x0 2 + y 0 2 + 1 =1 (Elipsoide).
4
e) O0 (− √15 , 0, − √25 ) ; B = {(0, 1, 0), (− √25 , 0, √15 ), ( √15 , 0, √25 )}, asociada a los autova-
lores: λ1 = λ2 = 0, λ3 = 5.
z 00 2 − 1 = 0 = (z 00 − 1)(z 00 + 1) (Par de planos paralelos).
f) O0 (−6, −1, 0), B = {(0, 1, 0), (− √12 , 0, √12 ), ( √12 , 0, √12 )}, asociada a los autovalores:
λ1 = −2, λ2 = − 12 , λ3 = 12 .
x00 2 y 00 2 z 00 2
− 3 − + =1 (Hiperboloide de dos hojas).
2
6 6
g) O0 (1, −2, 3).
x0 2 + y 0 2 + z 0 2 = 25 (Esfera).
h) O0 ( 10
9 9
, 20 , 0) ; B = {( √15 , − √25 , 0), ( √25 , √15 , 0), (0, 0, 1)}.
√
z 00 2 + 2 5 y 00 = 0 (Cilindro parabólico).
i) O0 (0, 0, 1) ; B = {(1, 0, 0), (0, √12 , √12 ), (0, − √12 , √12 )}, asociada a los autovalo-
res: λ1 = λ2 = 1, λ3 = −1.
x00 2 + y 00 2 − z 00 2 = 0 (Cono circular).
j) B = {(− √12 , 0, √12 ), ( √12 , 0, √12 ), (0, 1, 0)}, asociada a los autovalores: λ1 = −1, λ2 =
1, λ3 = 0.
z 0 = x0 2 − y 0 2 (Paraboloide hiperbólico).
k) O0 (0, 3, −25).
x0 2 y0 2
1 + 1 − z0 2 = 0 (Cono elı́ptico).
4 9
l) O0 (− 48
5
, − 17
48
11
, − 24 ) ; B = {( √12 , − √12 , 0), ( √12 , √12 , 0), (0, 0, 1)} ;
B 0 = {( √12 , − √12 , 0), ( √13 , √13 , − √13 ), ( √16 , √16 , √26 ), asociadas a los autovalores:
λ1 = 10, λ2 = λ3 = 0.
3
10 x000 2 + √ z 000 (Cilindro parabólico).
6
m) O0 (−1, −2, −2).
x02 y 02
z0 = 3 + (Paraboloide elı́ptico).
2
3
n) B = {( √13 , √13 , √13 ), (− √12 , √12 , 0), (− √16 , − √16 , √26 )}, asociada a los autovalores:
λ1 = 6, λ2 = −2, λ3 = 0.
3 x0 2 − y 0 2 = 1 (Cilindro hiperbólico).
ñ) x = z = 0 (Recta).
o) x ± 3 = 0 (Par de planos paralelos).
2 4 5
p) B = {( 3 √ , √
5 3 5
, −3√ 5
), (− √25 , √15 , 0), ( 31 , 23 , 23 )}, asociada a los autovalores:
λ1 = 9, λ2 = 4, λ3 = 0.
x0 2 y 0 2
+ =1 (Cilindro elı́ptico).
4 9
16. (y − 1)2 = 4 (x − 1)2 + z 2 .
17. a) • Si α = 0, la cuádrica es un cilindro parabólico.

• Si α = 1, la cuádrica es un cilindro elı́ptico.
• Si α 6= 0, 1 se tiene que:
i) Si α ∈ (0, 1), entonces la cuádrica es un paraboloide elı́ptico.
ii) Si α ∈ (−∞, 0)∪(1, +∞), entonces la cuádrica es un paraboloide hiperbóli-
co.
b) • Si λ = −2, la cuádrica es un cono elı́ptico.
• Si λ > −2, la cuádrica es un hiperboloide de dos hojas.
• Si λ < −2, la cuádrica es un hiperboloide de una hoja.
12. Apéndice
12.1. Rango de una matriz

Definición 12.1.1 Sea A = (aij ) una matriz de orden m × n. El rango ó caracterı́stica
de A, que notaremos Rg(A), está definido como sigue:
• Si A = 0, entonces Rg(A) = 0.
• Si A 6= 0, entonces Rg(A) es el número entero k, definido por la siguiente condición:
Existe un menor de A de orden k no nulo y todo menor de A de orden mayor que
k, es nulo.
La matriz de un tal menor de orden k se llama submatriz principal. También el menor se
llama principal.
Ejemplos
   
1 1 2 0 1 2 3
Rg 1 1 0 0  = 2 ; Rg 1 0 0  = 3
2 2 2 0 1 0 1
 
1 1 1 1
Rg 2 2 2 2  = 1 ; Rg 1 2 3 =1
3 3 3 3
Observación
Si en la matriz A, de orden m × n, existe un menor de orden k no nulo y todos los menores
de orden k + 1 son nulos, entonces Rg(A) = k.
En efecto, desarrollando cualquier menor de orden k+1+j, con k+1 < k+1+j ≤ min{m, n}
por los menores de k + 1 filas arbitrarias, por la Regla de Laplace, cada uno de los mismos
son suma de menores de orden k + 1 multiplicados por ciertos menores de orden j, con lo
que cada menor de orden k + 1 + j es nulo.
Lema 12.1.1 Sea A = (aij ) una matriz de orden n. Si Rg(A) = n − 1, con submatriz
principal A0 , entonces cualquier columna (fila) de A es combinación lineal de las columnas
(filas) con las cuales se forma A0 .
a11 a12 · · · a1,n−1

a21 a22 · · · a2,n−1

Dem. Supongamos, sin pérdida de generalidad, que α = .. .. .. .. 6= 0.
. . . .

a
n−1,1 an−1,2 · · · an−1,n−1
Por hipótesis, det A = 0, luego
a11 · An1 + a12 · An2 + · · · + a1n · Ann = 0

a21 · An1 + a22 · An2 + · · · + a2n · Ann = 0
.. .. .. .. .. .. .. .. ..
. . . . . . . . .
an1 · An1 + an2 · An2 + · · · + ann · Ann = det A = 0
Luego, como Ann = α 6= 0, resulta

An1 An2 An,n−1
a1n = − · a11 − · a12 − · · · − · a1,n−1
α α α
An1 An2 An,n−1
a2n = − · a21 − · a22 − · · · − · a2,n−1
α α α
.. .. .. .. .. .. .. ..
. . . . . . . .
An1 An2 An,n−1
ann = − · an1 − · an2 − · · · − · an,n−1
α α α
Es decir,
An1 An2 An,n−1
Cn = − · C1 − · C2 − · · · − · Cn−1 .
α α α
Una demostración similar vale para filas en lugar de columnas. 2
Proposición 12.1.1 Todas las columnas (filas) de una matriz m × n son combinación lineal
de las columnas (filas) con las que se forma una submatriz principal.
Dem. Supongamos, sin pérdida de generalidad, que la intersección de las primeras k filas
y las primeras k columnas de la matriz A = (aij ) de orden m × n forman una submatriz
principal M = (mij ).
a11 a12 · · · a1k · · · a1s · · · a1n

 
 a21 a22 · · · a2k · · · a2s · · · a2n 
 . .. .. .. .. .. .. .. 
 .. . . . . . . . 
 
a
 k1 ak2 · · · akk · · · aks · · · akn 
A =  .. .. .. .. .. 

 . ... ... ...
. . . . 
· · · ark · · · ars · · · arn 
 
 ar1 ar2
 . .. ... .. ... .. ... .. 
 .. . . . . 
am1 am2 · · · amk · · · ams · · · amn
Elijamos una fila, digamos r, y una columna, digamos s, de A, y formemos la siguiente
matriz ampliada de M :
a11 a12 · · · a1k a1s

 
 ... ..
.
..
.
..
.
.. 
. 
N =a
k1 a k2 · · · akk aks 
ar1 ar2 · · · ark ars
Como M es una submatriz principal, se tiene que det M 6= 0 y det N = 0. Entonces, por
el lema anterior, la columna Cs de N es combinación lineal de las columnas de M, ó sea,
existen λ1 , λ2 , . . . , λk ∈ K tales que



 λ1 a11 + λ2 a12 + · · · + λk a1k = a1s
 λ1 a21 + λ2 a22 + · · · + λk a2k = a2s



.. .. .. ..
 . . . .



 λ a
1 k1 + λ 2 ak2 + · · · + λk akk = aks
 λ a
1 r1 + λ2 ar2 + · · · + λk ark = ars
Las k primeras ecuaciones de este sistema se pueden escribir M · λ = ds , donde
λ1 a1s
   
 λ2 
 , ds =  a.2s  ,
 
λ= .
 ..   .. 
λk aks
de donde λ = M −1 ds .
Luego la matriz λ (de orden k × 1 ) está determinada por ds y no depende de r.
En consecuencia, cualquier columna Cs , 1 ≤ s ≤ n, de A es combinación lineal con
coeficientes λ1 , λ2 , . . . , λk de las columnas C1 , C2 , . . . , Ck .
En forma análoga se prueba para las filas de A. 2
Corolario 12.1.1 Sea A una matriz cuadrada de orden n. Entonces det A = 0, si y sólo
si existe por lo menos una columna(fila) de A combinación lineal de las restantes.
Dem. Si det A = 0, el único menor de orden n es nulo, por lo que Rg(A) < n. Por lo tanto
existe por lo menos una columna(fila) combinación de las restantes. La recı́proca es trivial de
la Propiedad 8 de los determinantes. 2
Propiedades
1. Sea A una matriz de orden n. Entonces:
a) Rg(A) = Rg(AT ).
b) Si A es triangular superior con ceros en la diagonal principal, entonces Rg(A) < n.
c) Si A es diagonal, entonces Rg(A) es el número de coeficientes no nulos de la
diagonal principal.
2. Si A es una matriz de orden m × n, con m < n, entonces Rg(A) ≤ m.
3. Si A y B son matrices de órdenes m × n y n × p, respectivamente, entonces:
a) Las filas de A · B son combinación lineal de las filas de B.

b) Las columnas de A · B son combinación lineal de las columnas de A.
c) Rg(A · B) ≤ mı́n{Rg(A), Rg(B)}.
Probemos, a modo de ejemplo, la propiedad 3.

Sea A una matriz de orden m × n y B de orden n × p. Entonces A · B = (cij ), es de
Xn
orden m × p, con cij = aik bkj , 1 ≤ i ≤ m ; 1 ≤ j ≤ p.
k=1
Matricialmente, la columna Cq del producto se escribe
   
c1q a11 b1q + a12 b2q + · · · + a1n bnq
 c2q   a21 b1q + a22 b2q + · · · + a2n bnq 
Cq =  ..  =   = b1q · C10 + b2q · C20 + · · · + bnq · Cn0 ,
   
.. .. ..
 .   . . . 
cmq am1 b1q + am2 b2q + · · · + amn bnq
donde Ci0 , 1 ≤ i ≤ n son las columnas de A. En consecuencia,
Rg(A · B) ≤ Rg(A). (1)
Análogamente, la fila Fr = cr1 cr2 · · · crp = ar1 · F10 + ar2 · F20 + · · · + arn · Fn0 , con

Fi0 , 1 ≤ i ≤ n, son las filas de B. Concluimos que
Rg(A · B) ≤ Rg(B). (2)
De (1) y (2) se deduce que
Rg(A · B) ≤ mı́n{Rg(A), Rg(B)}.
Observación
El cálculo del rango de una matriz requiere calcular un número de menores de la misma que,
aunque finito, puede ser muy grande. Los cálculos se simplifican pues, hallado un menor de
orden k no nulo, se deben calcular solamente los menores de orden k + 1 que orlan al mismo,
como se deduce de la demostración anterior. Si todos ellos son nulos, el rango es k.
Ejemplo
Calcular el rango de la matriz A, según los valores del parámetro a.
 
a −a a a
A= 0 0 3 − 2a 1 .
1 a−1 0 0

−a a a

El rango de A puede ser 1, 2 ó 3. Como 0 3 − 2 a 1 = (a − 1)[a − a(3 − 2 a)] =
a−1 0 0
2 (a − 1)2 a, se tiene que:
• Si a 6= 0, 1, entonces Rg(A) = 3.
 
0 0 0 0
0 3

Si a = 0, entonces A =  0 0 3 1  y como 6 0,
•
−1 0 = entonces

1 −1 0 0
Rg(A) = 2.
 
1 −1 1 1 1 −1 1

• Si a = 1, entonces A =  0 0 1 1  y 0 0 1 6= 0, por lo que Rg(A) = 3.
1 0 0 0 1 0 0
( 2, si a = 0
Concluimos que Rg(A) = .
3, si a 6= 0
Cálculo del rango utilizando operaciones elementales
Sea A = (aij ) una matriz m × n y C una matriz inversible de orden m. Como C es
inversible, entonces
B = C · A si, y sólo si A = C −1 · B.
En consecuencia, por la propiedad 3), Rg(A) = Rg(B) = Rg(C · A).
Si aplicamos operaciones elementales a las filas de A y obtenemos su forma escalonada B,
equivalente por filas a A, se tiene que B = En · En−1 · · · E1 · A = C · A y C es una matriz
inversible. Luego Rg(A) = Rg(B).
Ejemplo
   
1 2 0 −1 1 1 1 2 0 −1 1 1
 →  0 −1 1 −1 −1 
 1 1 2 0 0 0   2
A= →
 3 1 0 0 0 1   0 −5 0 3 −3 −2 
1 −2 −2 1 −1 0 0 −4 −2 2 −2 −1
   
1 2 0 −1 1 1 1 2 0 −1 1 1
 0 −1 1 −1 −1 
2  →  0 −1 2 1 −1 −1 

→ .
 0 0 −10 −2 2 3   0 0 −10 −2 2 3 
0 0 −10 −2 2 3 0 0 0 0 0 0
El rango de la última matriz es evidentemente 3. Luego, como se ha obtenido llevando a la
matriz a una forma escalonada todas las anteriores, incluyendo A, tienen rango 3.
12.2. Matrices Ortogonales

Definición 12.2.1 Una matriz A ∈ Mn (R) se dice ortogonal si A · AT = AT · A = In .
Propiedades
1) Si A es ortogonal, entonces es inversible y A−1 = AT .
2) Si A es una matriz ortogonal, entonces A−1 es ortogonal.

3) El producto de dos matrices ortogonales es una matriz ortogonal.
4) Si A es ortogonal, entonces det A = ±1.
Ejemplos
√ √  
2
− 22
! cos α sen α 0
1 0
A = , B = √2 √ y C =  −sen α cos α 0  , son matrices
0 −1 2 2
2 2 0 0 1
ortogonales.
Proposición 12.2.1 Si B es una base ordenada ortonormal de Rn , entonces [B]C es una

matriz ortogonal.
Dem. Sea B = {b1 , b2 , . . . , bn } una base ordenada ortonormal de Rn y supongamos que

 
b11 b12 · · · b1n
 b21 b22 · · · b2n 
[B]C = ( [b1 ]C [b2 ]C . . . [bn ]C ) =  .. ..  .
 
.. . .
 . . . . 
bn1 bn2 · · · bnn
   
b11 b21 · · · bn1 b11 b12 · · · b1n
 b12 b22 · · · bn2   b21 b22 · · · b2n 
T
[B]C · [B]C =  .. ..  ·  .. ..  =
   
.. . . .. . .
 . . . .   . . . . 
b1n b2n · · · bnn bn1 bn2 · · · bnn
 
h b1 , b1 i h b1 , b2 i · · · h b1 , bn i
 h b2 , b1 i h b2 , b2 i · · · h b2 , bn i 
 = In = [B]C · [B]TC , luego [B]C es ortogonal. 2
 
 .. .. .. ..
 . . . . 
h bn , b1 i h bn , b2 i · · · h bn , bn i
Corolario 12.2.1 Si B y B 0 son bases ordenadas ortonormales de Rn , entonces [B]B 0 es

ortogonal.
Dem. [B]B 0 = [B 0 ]−1 0 T 0

C · [B]C = [B ]C · [B]C y como [B]C y [B ]C son ortogonales, [B]B 0 es
ortogonal. 2
Caracterización de las matrices ortogonales
Teorema 12.2.1 Una matriz A ∈ Mn (R) es ortogonal si, y sólo si las columnas de A
forman una base ortonormal de Rn .
Dem. Sea A = (bij ) ∈ Mn (R) una matriz ortogonal y B = {b1 , b2 , . . . , bn } con

bj = (b1j , b2j , . . . , bnj ), 1 ≤ j ≤ n. Entonces:
 
h b1 , b1 i h b1 , b2 i · · · h b1 , bn i
T

T
h b2 , b1 i h b2 , b2 i · · · h b2 , bn i 
A · A = A · A = In =   . Por lo tanto,
 
.. .. .. ..
 . . . . 
h bn , b1 i h bn , b2 i · · · h bn , bn i

1, si i = j
h bi , bj i = ; 1 ≤ i, j ≤ n, luego B es una base ortonormal de Rn .
0, 6 j
si i =
La recı́proca resulta en forma inmediata a partir de la proposición anterior, pues A = [B]C . 2
Ejemplos
 √ 
3
2
− 12 0
√ √ √
3 1 1 3
1. A =  1 3
es ortogonal pues B = {( , , 0), (− , , 0), (0, 0, 1)} es una
 
2
0  2 2 2 2 2
0 0 1
base ortonormal de R3 .
 
1 0 1
2. B =  −1 0 1  no es una matriz ortogonal. Si bien las columnas de B son vectores
0 1 0
3
√
de R , ortogonales dos a dos, no todos tienen norma 1 ya que k(1, −1, 0)k = 2 6= 1.
12.3. Sobre transformaciones lineales

Núcleo e Imagen de una transformación lineal
Definición 12.3.1 Sean V y W, R−espacios vectoriales y T : V → W una transformación

lineal.
a) Se llama núcleo de T al conjunto N uc(T ) = {u ∈ V : T (u) = 0}.
b) Se llama imagen de T al conjunto Im(T ) = {v ∈ W : v = T (u), con u ∈ V }.
Ejemplos
1. Si T : E3 → E3 es la transformación lineal que consiste en una proyección ortogonal

sobre un plano π que pasa por el origen, entonces N uc(T ) = L, donde L es la recta
perpendicular a π por el origen e Im(T ) = π.
2. Si T : V → V es la transformación lineal identidad, entonces T (u) = u para todo

u ∈ V. Luego N uc(T ) = {0} e Im(T ) = V.
3. Si T : V → W es la transformación lineal nula, entonces T (u) = 0 para todo u ∈ V.

En consecuencia, N uc(T ) = V e Im(T ) = {0}.
4. Sea T : R2 → R2 , donde T (x1 , x2 ) = (−3 x1 + x2 , 6 x1 − 2 x2 ).

Entonces T es transformación lineal y N uc(T ) = {(x1 , x2 ) : T (x1 , x2 ) = (0, 0)} =
{(x1 , x2 ) : −3 x1 + x2 = 0 ; 6 x1 − 2 x2 = 0}.
Luego (x1 , x2 ) ∈ N uc(T ) si, y sólo si (x1 , x2 ) es solución del sistema de ecuaciones
−3 x1 + x2 = 0
homogéneo . En consecuencia, −3 x1 + x2 = 0 y
6 x1 − 2 x2 = 0
N uc(T ) = {(x1 , 3 x1 ) : x1 ∈ R} = {(1, 3)}.

 
b −b
a b
5. Sea T : M2 (R) → M3×2 (R), definida por T = d 0 .
c d
a a
   
b −b 0 0
a b
∈ N uc(T ) si, y sólo si  d 0 = 0 0 .
c d
a a 0 0
Por el criterio de igualdad de matrices obtenemos que a = b = d = 0. Entonces

0 0 0 0
N uc(T ) = , c∈R = .
c 0 1 0
Proposición 12.3.1 Si V y W son R−espacios vectoriales y T : V → W es una

transformación lineal, entonces N uc(T ) es un subespacio de V .
Dem. Por definición, N uc(T ) es un subconjunto de V. Veamos que se verifican las tres
condiciones para ser subespacio.
S1 ) N uc(T ) 6= ∅, pues T (0) = 0.
S2 ) Si u y v ∈ N uc(T ), entonces T (u) = 0 y T (v) = 0. Luego T (u + v) = T (u) + T (v) =

0 + 0 = 0, y por lo tanto u + v ∈ N uc(T ).
S3 ) Si u ∈ N uc(T ), entonces T (λ.u) = λ.T (u) = λ.0= 0, y entonces λ.u ∈ N uc(T ), para
todo λ ∈ R.
Proposición 12.3.2 Si V y W son R−espacios vectoriales y T : V → W es una

transformación lineal, entonces Im(T ) es un subespacio de W .
Dem. Por definición, Im(T ) es un subconjunto de W.
S1 ) Im(T ) 6= ∅, ya que 0 = T (0) y entonces 0 ∈ Im(T ).
S2 ) Si v y v 0 ∈ Im(T ), entonces existen u y u0 ∈ V tales que v = T (u) y v 0 = T (u0 ).

Luego v + v 0 = T (u) + T (u0 ) = T (u + u0 ), por lo que v + v 0 ∈ Im(T ).
S3 ) Si v ∈ Im(T ), entonces existe u ∈ V tal que v = T (u), luego λ.u ∈ V y

λ.v = λ.T (u) = T (λ.u), por lo tanto λ.v ∈ Im(T ), para todo λ ∈ R.
Como se verifican S1 , S2 y S3 , entonces Im(T ) es un subespacio de W. 2
Definición 12.3.2 Sean V y W, R−espacios vectoriales y T : V → W una transformación

lineal. Entonces T se denomina:
a) Monomorfismo, si T es inyectiva.
b) Epimorfismo, si T es epiyectiva.
c) Isomorfismo, si T es biyectiva.
Núcleo de una transformación lineal inyectiva
Proposición 12.3.3 Sean V y W, R−espacios vectoriales y T : V → W una transforma-

ción lineal. Entonces
T es inyectiva si, y sólo si N uc(T ) = {0}.
Dem.
(⇒) Si u ∈ N uc(T ), entonces T (u) = 0 y como T (0) = 0 resulta, por ser T inyectiva,
que u = 0.
(⇐) Supongamos que T (u) = T (u0 ). Como T (u − u0 ) = T (u) − T (u0 ) = 0 resulta que
u − u0 ∈ N uc(T ) = {0}, luego u − u0 = 0, lo que implica que u = u0 .
2
Generadores de Im(T )
Proposición 12.3.4 Sean V y W, R−espacios vectoriales y T : V → W una transforma-
ción lineal. Si V = {v1 , v2 , . . . , vs }, entonces
Im(T ) = {T (v1 ), T (v2 ), . . . , T (vs )}.
Dem. Si w ∈ {T (v1 ), T (v2 ), . . . , T (vs )}, entonces w = λ1 .T (v1 )+λ2 .T (v2 )+· · ·+λs .T (vs ) =
T (λ1 .v1 + λ2 .v2 + · · · + λs .vs ) = T (v), con v ∈ V. Por lo tanto w ∈ Im(T ).
Recı́procamente, si w ∈ Im(T ), entonces w = T (v), con v ∈ V = {v1 , v2 , . . . , vs }, por lo
tanto w = T (λ1 .v1 +λ2 .v2 +· · ·+λs .vs ) = λ1 .T (v1 )+λ2 .T (v2 )+· · ·+λs .T (vs ). En consecuencia
w ∈ {T (v1 ), T (v2 ), . . . , T (vs )}. 2
Teorema de la dimensión
El siguiente teorema establece una relación entre las dimensiones de la imagen y el núcleo de
una transformación lineal definida en un espacio vectorial de dimensión finita y proporciona
una importantı́sima herramienta para el estudio de las transformaciones lineales.
Teorema 12.3.1 Sean V y W, R−espacios vectoriales tal que dimR V = n y T : V → W

una transformación lineal. Entonces
dimR V = dimR N uc(T ) + dimR Im(T ).
Dem. Si N uc(T ) = V, entonces T es la transformación lineal nula e Im(T ) = {0}, por lo

que el teorema se verifica.
Supongamos que N uc(T ) 6= V y sea r = dimR N uc(T ). Probemos que dimR Im(T ) = n − r.
Sea BN uc(T ) = {b1 , b2 , . . . , br } una base de N uc(T ). Eventualmente, BN uc(T ) = ∅.
Como BN uc(T ) es linealmente independiente, se puede extender a una base B = BN uc(T ) ∪
{br+1 , . . . , bn } de V. Vamos a demostrar que {T (br+1 ), . . . , T (bn )} es una base de Im(T ),
de donde resulta que dimR Im(T ) = n − r.
1) {T (br+1 ), . . . , T (bn )} es linealmente independiente.

En efecto, supongamos que λ1 .T (br+1 ) + λ2 .T (br+2 ) + · · · + λn−r .T (bn ) = 0. Entonces
T (λ1 .br+1 + λ2 .br+2 + · · · + λn−r .bn ) = 0, y esto implica que u = λ1 .br+1 + λ2 .br+2 + · · · +
λn−r .bn ∈ N uc(T ).
• Si N uc(T ) = {0}, entonces u = 0 y λi = 0 para todo i, 1 ≤ i ≤ n − r, pues

{br+1 , br+2 , . . . , bn } es linealmente independiente.
• Si N uc(T ) 6= {0}, entonces u = α1 .b1 + α2 .b2 + · · · + αr .br , con α1 , . . . , αr ∈
R. Entonces λ1 .br+1 + · · · + λn−r .bn = α1 .b1 + α2 .b2 + · · · + αr .br , por lo tan-
to (−α1 ).b1 + (−α2 ).b2 + · · · + (−αr ).br + λ1 .br+1 + · · · + λn−r .bn = 0 y como
{b1 , . . . , br , br+1 , . . . , bn } es linealmente independiente, resulta que todos los es-
calares de esta combinación lineal son nulos, en particular λi = 0 para todo
i, 1 ≤ i ≤ n − r.
2) Im(T ) = {T (br+1 ), . . . , T (bn )}.

Como V = {b1 , b2 , . . . , bn }, entonces Im(T ) = {T (b1 ), . . . , T (br ), T (br+1 ), . . . , T (bn )}.
Pero T (b1 ) = T (b2 ) = · · · = T (br ) = 0, luego Im(T ) = {T (br+1 ), . . . , T (bn )}.
Por lo tanto, dimR Im(T ) = n − r = dimR V − dimR N uc(T ) ó sea
dimR V = dimR N uc(T ) + dimR Im(T ).
Corolario 12.3.1 Si V y W son R−espacios vectoriales tal que dimR V = n y T : V →

W una transformación lineal biyectiva, entonces dimR V = dimR W .
Dem. Como T es biyectiva, entonces N uc(T ) = {0} e Im(T ) = W, por lo tanto

dimR N uc(T ) = 0 y dimR Im(T ) = dimR W. Por el Teorema de la dimensión dimR V =
dimR N uc(T ) + dimR Im(T ) = dimR Im(T ) = dimR W. 2
Corolario 12.3.2 Si V y W son R−espacios vectoriales de dimensión finita tales que

dimR V = dimR W y T : V → W una transformación lineal, entonces las siguientes condicio-
nes son equivalentes:
a) T es inyectiva.
b) T es epiyectiva.
c) T es biyectiva.
Dem.
[a) ⇒ b)] Como T es inyectiva N uc(T ) = {0} y dimR N uc(T ) = 0. Por el Teorema de la
dimensión dimR V = dimR Im(T ) = dimR W. Como Im(T ) es un subespacio de W de
igual dimensión, resulta que Im(T ) = W, y entonces T es epiyectiva.
[b) ⇒ c)] Como T es epiyectiva Im(T ) = W y dimR Im(T ) = dimR W = dimR V = dimR N uc(T )
+ dimR Im(T ) = dimR N uc(T ) + dimR W.
Resulta entonces que dimR N uc(T ) = 0. Luego N uc(T ) = {0}, por lo que T es
inyectiva.
[c) ⇒ a)] Trivial.

2
Observación
El corolario anterior no vale si dimR V = ∞, como!lo muestra el siguiente contraejemplo.
Xn Xn
i
Sea T : R[X] → R[X] definida por T ai X = ai X i+1 . La transformación lineal
i=0 i=0
T es claramente inyectiva, pero 1 ∈
/ Im(T ).
Ejemplos
1. Consideremos la transformación lineal T : R4 → R3 definida de la siguiente manera:
T (x1 , x2 , x3 , x4 ) = (x1 − x2 + x3 − 2 x4 , x1 − 3 x2 + 4 x3 − 3 x4 , x1 + x2 − 2 x3 − x4 ).

 x1 − x2 + x3 − 2 x4 = 0
(x1 , x2 , x3 , x4 ) ∈ N uc(T ) si, y sólo si x1 − 3 x 2 + 4 x3 − 3 x4 = 0 .
x1 + x2 − 2 x3 − x4 = 0

Resolviendo el sistema homogéneo obtenemos que
N uc(T ) = {(−3 x2 + 5 x3 , x2 , x3 , −2 x2 + 3 x3 ) : x2 , x3 ∈ R}.
En consecuencia, BN uc(T ) = {(−3, 1, 0, −2), (5, 0, 1, 3)} es una base de dicho subespacio.
Como dimR N uc(T ) = 2, resulta que dimR Im(T ) = 2.
Para hallar una base de Im(T ) basta con extender la base de N uc(T ) a una base de
R4 y calcular los transformados de los vectores que se agregan.
Ası́, B = {(−3, 1, 0, −2), (5, 0, 1, 3), (0, 0, 1, 0), (0, 0, 0, 1)} es una base de R4 y los
vectores T (0, 0, 1, 0) y T (0, 0, 0, 1) forman una base de Im(T ).
Entonces
BIm(T ) = {(1, 4, −2), (−2, −3, −1)}.
2. Sea T : R2 [X] → R3 , la transformación lineal definida por T (a X 2 + b X + c) =

(a + b, c, 0). Queremos hallar el núcleo y la imagen de T.
N uc(T ) = {P (X) ∈ R2 [X] : T (P (X)) = (0, 0, 0)} = {a X 2 + b X + c : (a + b, c, 0) =
(0, 0, 0)} = {a X 2 − a X : a ∈ R} = {X 2 − X}. En consecuencia,
BN uc(T ) = {X 2 − X}.
Por el Teorema de la dimensión dimR Im(T ) = 2, y como T (1) = (0, 1, 0) y T (X) =

T (X 2 ) = (1, 0, 0), entonces
Im(T ) = {(0, 1, 0), (1, 0, 0)} = {(x, y, z) : z = 0}.
3. Hallar una transformación lineal T : R3 → R4 de modo que (2, 1, −1, 0) y (1, 0, 0, 0)

pertenezcan a la imagen de T y N uc(T ) = {(x, y, z) : x + z = 0 , y + z = 0}.
N uc(T ) = {(−z, −z, z) : z ∈ R} = {(−1, −1, 1)}. Como dimR N uc(T ) = 1, entonces
dimR Im(T ) = 2. Considero BN uc(T ) = {(−1, −1, 1)} y extiendo a una base de R3 .
Considero B = {(−1, −1, 1), (0, 0, 1), (0, 1, 0)} y defino T (−1, −1, 1) = (0, 0, 0, 0),
T (0, 0, 1) = (2, 1, −1, 0) y T (0, 1, 0) = (1, 0, 0, 0). Como (2, 1, −1, 0) y (1, 0, 0, 0)
pertenecen a la imagen de T y son linealmente independientes, se verifica el Teorema de
la dimensión. Aplicando la construcción provista por el Teorema 6.1.1 se obtiene que
T (x, y, z) = (x + y + 2 z, x + z, −x − z, 0).
12.4. Transformaciones lineales ortogonales
Definición 12.4.1 Sea V un espacio euclı́deo. Una transformación lineal T : V → V se dice

ortogonal si kvk = kT (v)k, para todo v ∈ V, ó lo que es equivalente, hT (v), T (v)i = hv, vi,
para todo v ∈ V.
Ejemplos
1. Si T : E2 → E2 es la rotación alrededor del origen en un ángulo α, entonces T es

ortogonal.
2. Si T : E3 → E3 es la rotación en un ángulo α alrededor de una recta que pasa por el

origen, entonces T es ortogonal.
3. Si T : E3 → E3 es la proyección sobre un plano que pasa por el origen, entonces T no

es ortogonal.
Proposición 12.4.1 Sea V un espacio euclı́deo. Si T : V → V es una transformación lineal

ortogonal, entonces se verifican las siguientes propiedades:
a) ku − vk = kT (u) − T (v)k, para todo u, v ∈ V.
b) hu, vi = hT (u), T (v)i, para todo u, v ∈ V.
c) Si hu, vi = 0, entonces hT (u), T (v)i = 0.
d) áng(u, v) = áng(T (u), T (v)), para todo u, v ∈ V ; u 6= 0 y v 6= 0.
e) Si V es de dimensión finita, entonces T es biyectiva.
Dem.
a) kT (u) − T (v)k = kT (u − v)k = ku − vk.
b) hu + v, u + vi = ku + vk2 = kT (u + v)k2 = kT (u) + T (v)k2 = hT (u) + T (v), T (u) + T (v)i =

kT (u)k2 + 2 hT (u), T (v)i + kT (v)k2 = kuk2 + 2 hT (u), T (v)i + kvk2 .
Por otro lado hu+v, u+vi = kuk2 +2 hu, vi+kvk2 de donde resulta hu, vi = hT (u), T (v)i.
c) Resulta trivialmente de b).

hu, vi hT (u), T (v)i
d) Resulta de la igualdad = .
kukkvk kT (u)kkT (v)k
e) Como V es de dimensión finita, basta ver que N uc(T ) = {0}.
Si T (v) = 0, entonces kT (v)k = kvk = k0k = 0, por lo que v = 0.
2
Las propiedades anteriores muestran que si T es una tranformación lineal ortogonal, entonces
T conserva distancias, ángulos y productos escalares. Además, transforma vectores ortogonales
en vectores ortogonales.
Caracterización de las transformaciones lineales ortogonales
Proposición 12.4.2 Sea V un espacio euclı́deo de dimensión finita y T : V → V una

transformación lineal. Si con T (B) notamos al conjunto de los transformados de los vectores
de una base B, entonces las siguientes condiciones son equivalentes:
a) T es ortogonal.
b) T (B) es una base ortonormal de V, para toda base ortonormal B de V.

c) T (B) es una base ortonormal de V, para alguna base ortonormal B de V .
Dem.
[a) ⇒ b)] Si B = {b1 , b2 , . . . , bn } es una base ortonormal, como T es ortogonal, entonces
por la Proposición 12.4.1 b),

1, si i = j
hT (bi ), T (bj )i = hbi , bj i = .
0, si i 6= j
Luego T (B) = {T (b1 ), T (b2 ), . . . , T (bn )} es una base ortonormal de V .

[c) ⇒ a)] Sea B = {b1 , b2 , . . . , bn } una base ortonormal de V tal que {T (b1 ), T (b2 ), . . . ,
T (bn )} es ortonormal y supongamos que v = λ1 .b1 + λ2 .b2 + · · · + λn .bn .
Entonces T (v) = T (λ1 .b1 + λ2 .b2 + · · · + λn .bn ) = λ1 .T (b1 ) + λ2 .T (b2 ) + · · · + λn .T (bn ).
En consecuencia, hv, vi = λ21 + λ22 + · · · + λ2n = hT (v), T (v)i. 2
Teorema 12.4.1 Sea V un espacio euclı́deo de dimensión finita y T : V → V una trans-

formación lineal. Entonces las siguientes condiciones son equivalentes:
a) T es ortogonal.
b) [T ]B es ortogonal, para toda base ortonormal B de V .
c) [T ]B es ortogonal, para alguna base ortonormal B de V .
Dem.
[a) ⇒ b)] Sea B = {b1 , b2 , . . . , bn } una base ortonormal de V. Como T es ortogonal, por
la Proposición 12.4.2, T (B) es una base ortonormal de V. Luego los vectores columnas de
[T ]B forman una base ortonormal de Rn , lo que implica que [T ]B es ortogonal.
[c) ⇒ a)] Sea B = {b1 , b2 , . . . , bn } una base ortonormal de V tal que [T ]B es ortogonal.
Por la Proposición 12.4.2, como {T (b1 ), T (b2 ), . . . , T (bn )} es una base ortonormal de V, T
es ortogonal. 2
Ejemplos

2 2 cos θ −sen θ
1. Sea Tθ : R → R , definida por [Tθ ]C = , 0 ≤ θ < 2 π.
sen θ cos θ
Tθ es una transformación lineal ortogonal, pues C es una base ortonormal y [Tθ ]C es
una matriz ortogonal.
2. Sea T : E3 → E3 la proyección ortogonal sobre un plano π que pasa por el origen de

coordenadas. T no es ortogonal pues T (n~π ) = ~0, por lo que no se preserva la norma de
los vectores.

 x=1+λ
3. Sean π : x − y + z = 0 y L : y=0 ; λ ∈ R.
z =2+λ

Queremos determinar si la transformación lineal T : R3 → R3 que es la simetrı́a con

respecto a π, paralelamente a L, es una transformación lineal ortogonal.
Por el Teorema 12.4.1, debemos hallar la matriz de T con respecto a una base ortonormal
y ver si dicha matriz es ortogonal.
Respecto a la base B = {(1, 0, 1), (1, 1, 0), (0, 1, 1)} se tiene que
 
−1 0 0
A = [T ]B =  0 1 0  .
0 0 1
A es una matriz ortogonal, pero como B no es una base ortonormal, para ver si la
transformación lineal es ortogonal, debemos calcular [T ]C .
  1 
− 21 1
  
1 1 0 −1 0 0 2 2
[T ]C = [B]C · [T ]B · [B]−1
C =
 0 1 1 · 0 1 0 ·  12 1
− 12  =

2
1 0 1 0 0 1 − 12 1 1
2 2
  1 1 1
 
−2
 
−1 1 0 2 2 0 1 −1
1 1 1 
 0 1 1 ·  2 2
−2  =  0 1 0 .
−1 0 1 −1 1 1 −1 1 0
2 2 2
Por lo tanto T no es ortogonal.
El espacio vectorial de las transformaciones lineales

Al estudiar las transformaciones lineales de V en W es fundamental el hecho que el conjunto
de todas ellas hereda una estructura de espacio vectorial.
Teorema 12.4.2 Sean V y W, R−espacios vectoriales y T, T 0 transformaciones lineales

de V en W. La función T + T 0 : V → W, donde (T + T 0 )(u) = T (u) + T 0 (u), para
todo u ∈ V, es una transformación lineal. Si λ ∈ R, la función λ.T : V → W donde
(λ.T )(u) = λ.T (u), para todo u ∈ V, es una transformación lineal. El conjunto L(V, W )
de todas las transformaciones lineales de V en W, algebrizado por las operaciones definidas
anteriormente, es un R−espacio vectorial.
Dem. Se deben verificar los axiomas V1 , V2 , . . . , V8 , lo que queda a cargo del alumno
entusiasta. 2
Ejemplo
Si T , T 0 : R3 → R2 están definidas por:
T (x1 , x2 , x3 ) = (x1 + x2 − x3 , 2 x1 + x3 ) , T 0 (x1 , x2 , x3 ) = (2 x1 + 3 x2 − x3 , x1 + 2 x3 )
entonces,
(T + T 0 )(x1 , x2 , x3 ) = (3 x1 + 4 x2 − 2 x3 , 3 x1 + 3 x3 )
(5.T )(x1 , x2 , x3 ) = (5 x1 + 5 x2 − 5 x3 , 10 x1 + 5 x3 )
Teorema 12.4.3 Sean V y W, R−espacios vectoriales de dimensión n y m, respectiva-

mente. Entonces dimR L (V, W ) = n · m
Dem. Sean B = {v1 , v2 , . . . , vn } y B 0 = {w1 , w2 , . . . , wm } bases ordenadas de V y W,

respectivamente. Para cada par de enteros (p, q), 1 ≤ p ≤ m ; 1 ≤ q ≤ n, se define una
transformación lineal como sigue:

 0, si i 6= q
(p,q)
E (vi ) = .
wp , si i = q

Los m · n vectores E (p,q) son linealmente independientes y generan L (V, W ).

[Cfr. Hoffman, K. y Runze, R., Álgebra lineal, pág. 75.] 2
Proposición 12.4.3 Sean V y V 0 , R−espacios vectoriales de dimensión finita, T : V → V 0
y T 0 : V → V 0 transformaciones lineales. Si B y B 0 son bases ordenadas de V y V 0
respectivamente, entonces:
a) [T + T 0 ]BB 0 = [T ]BB 0 + [T 0 ]BB 0 .
b) [λ.T ]BB 0 = λ.[T ]BB 0 ; λ ∈ R.

Dem. A cargo del lector entusiasta. 2
Ejemplo
Sean T, T 0 : R3 → R2 , transformaciones lineales tales que, T (x1 , x2 , x3 ) = (x1 + x2 , x1 ) y
T 0 (x1 , x2 , x3 ) = (x3 , −x2 ). Dadas B = {(1, 0, 1), (0, −1, 0), (2, 0, 0)} y B 0 = {(1, −1), (0, 1)},
bases ordenadas de R3 y R2 , respectivamente, entonces:

0 2 −1 2
a) [T + T ]BB 0 = .
3 0 4
En efecto: T (b1 ) = T (1, 0, 1) = (1, 1) = 1.(1, −1) + 2.(0, 1) = 1.b01 + 2.b02 .
T (b2 ) = T (0, −1, 0) = (−1, 0) = −1.(1, −1) − 1.(0, 1) = −1.b01 − 1.b02 .
T (b3 ) = T (2, 0, 0) = (2, 2) = 2.(1, −1) + 4.(0, 1) = 2.b01 + 4.b02 .

1 −1 2
Luego: [T ]BB 0 = ([T (b1 )]B 0 [T (b2 )]B 0 [T (b3 )]B 0 ) = .
2 −1 4
Análogamente, T 0 (b1 ) = T 0 (1, 0, 1) = (1, 0) = 1.b01 + 1.b02 .

T 0 (b2 ) = T 0 (0, −1, 0) = (0, 1) = 0.b01 + 1.b02 .
T 0 (b3 ) = T 0 (2, 0, 0) = (0, 0) = 0.b01 + 0.b02 .

0 1 0 0
Por lo tanto, [T ]BB 0 = . Resulta entonces que,
1 1 0

0 1 −1 2 1 0 0 2 −1 2
[T + T ]BB 0 = + = .
2 −1 4 1 1 0 3 0 4

3 −3 6
b) [3.T ]BB 0 = 3.[T ]BB 0 = .
6 −3 12
Teorema 12.4.4 Sean V y W, R−espacios vectoriales de dimensión n y m, respecti-

vamente. Si B es una base ordenada de V y B 0 una base ordenada de W, entonces la
correspondencia θ : L(V, W ) → Mm×n (R), definida por θ(T ) = [T ]BB 0 , es un isomorfismo de
R−espacios vectoriales.
Dem. Como [T ]BB 0 ∈ Mm×n (R), entonces θ está bien definida, y por lo demostrado en la
Proposición 6.4.1, es transformación lineal. Como dimR L(V, W ) = dimR Mm×n (R) = m · n,
basta verificar, por el corolario del Teorema de la dimensión, que θ es epiyectiva.
En efecto, si A = (aij ) ∈ Mm×n (R), la aplicación T : V → W definida por
T (b1 ) = a11 .b01 + a21 .b02 + · · · + am1 .b0m , T (b2 ) = a12 .b01 + a22 .b02 + · · · + am2 .b0m , . . . ,
T (bn ) = a1n .b01 + a2n .b02 + · · · + amn .b0m , es una transformación lineal y A = [T ]BB 0 = θ(T ). 2
Composición de transformaciones lineales
Proposición 12.4.4 Sean V, V 0 y V 00 , R−espacios vectoriales T : V → V 0 y T 0 : V 0 → V 00

transformaciones lineales. La composición T 0 ◦ T : V → V 00 , definida de la siguiente manera:
(T 0 ◦ T )(u) = T 0 (T (u)), para todo u ∈ V, es una transformación lineal.
Dem. Si u, v ∈ V, entonces (T 0 ◦ T )(u + v) = T 0 (T (u + v)) = T 0 (T (u) + T (v)) =

T 0 (T (u)) + T 0 (T (v)) = (T 0 ◦ T )(u) + (T 0 ◦ T )(v), y vale T1 .
(T 0 ◦ T )(λ.u) = T 0 (T (λ.u)) = T 0 (λ.T (u)) = λ.T 0 (T (u)) = λ.(T 0 ◦ T )(u) ; λ ∈ R, y vale T2 . 2
Ejemplo
Sean T : R4 → R2 y T 0 : R2 → R3 definidas por:
T (x1 , x2 , x3 , x4 ) = (x1 − x2 + x3 − x4 , x1 + x2 ) , T 0 (x1 , x2 ) = (x1 − x2 , x1 + x2 , x2 ).
Entonces,
(T 0 ◦T )(x1 , x2 , x3 , x4 ) = T 0 (x1 −x2 +x3 −x4 , x1 +x2 ) = (−2 x2 +x3 −x4 , 2 x1 +x3 −x4 , x1 +x2 ).
Proposición 12.4.5 Sean V, V 0 y V 00 R− espacios vectoriales de dimensión finita, B, B 0

y B 00 bases ordenadas de V, V 0 y V 00 , respectivamente. Si T : V → V 0 y T 0 : V 0 → V 00
son transformaciones lineales se tiene que:
[T 0 ◦ T ]BB 00 = [T 0 ]B 0 B 00 · [T ]BB 0 .
Dem. ([T 0 ]B 0 B 00 · [T ]BB 0 ) · [v]B = [T 0 ]B 0 B 00 · ([T ]BB 0 · [v]B ) = [T 0 ]B 0 B 00 · [T (v)]B 0 = [T 0 (T (v))]B 00 =

[(T 0 ◦ T )(v)]B 00 = [T 0 ◦ T ]BB 00 · [v]B , para todo v ∈ V. 2
Ejemplo
Sean T : R4 → R2 y T 0 : R2 → R3 definidas por:
T (x1 , x2 , x3 , x4 ) = (x1 − x2 + x3 − x4 , x1 + x2 ), T 0 (x1 , x2 ) = (x1 − x2 , x1 + x2 , x2 ).
Considerando las bases canónicas C4 , C2 y C3 de R4 , R2 y R3 respectivamente, las
matrices asociadas son:  
1 −1
1 −1 1 −1
[T ]C4 C2 = , [T 0 ]C2 C3 =  1 1  y
1 1 0 0
0 1
   
1 −1 0 −2 1 −1
1 −1 1 −1
[T 0 ◦ T ]C4 C3 =  1 1 · = 2 0 1 −1  , por lo tanto
1 1 0 0
0 1 1 1 0 0
(T 0 ◦ T )(x1 , x2 , x3 , x4 ) = (−2 x2 + x3 − x4 , 2 x1 + x3 − x4 , x1 + x2 ).
Observaciones
1. Si T ◦ T 0 está definida, no necesariamente lo está la composición T 0 ◦ T.
2. Si T ◦ T 0 y T 0 ◦ T están definidas, en general, T ◦ T 0 6= T 0 ◦ T.

Transformaciones lineales inversibles
Definición 12.4.2 Sean V y V 0 espacios vectoriales de dimensión finita y T : V → V 0 una
función. T se dice inversible si existe una aplicación T 0 : V 0 → V tal que T ◦ T 0 = idV 0 y
T 0 ◦ T = idV .
Observación
Si T 0 existe, es única y se denomina inversa de T. La notaremos T 0 = T −1 .
Proposición 12.4.6 Si V y V 0 son R−espacios vectoriales de dimensión finita y T :
V → V 0 es una transformación lineal inversible, entonces, T −1 es una transformación lineal.
Además, si B y B 0 son bases ordenadas de V y V 0 respectivamente, entonces
[T −1 ]B 0 B = [T ]−1
BB 0 .
Dem.
T1 ) Sean u0 y v 0 ∈ V 0 . Como T es una biyección u0 = T (u) y v 0 = T (v), lo que implica
que u = T −1 (u0 ) y v = T −1 (v 0 ). Por lo tanto, u0 + v 0 = T (u) + T (v) = T (u + v), de
donde u + v = T −1 (u0 + v 0 ). Luego T −1 (u0 + v 0 ) = T −1 (u0 ) + T −1 (v 0 ).
T2 ) Sea u0 ∈ V 0 y λ ∈ R. Entonces λ.u0 = λ.T (u) = T (λ.u), de donde resulta que

T −1 (λ.u0 ) = λ.u = λ.T −1 (u0 ).
Como se verifica T1 ) y T2 ), resulta que T −1 es transformación lineal.

Finalmente, de la Proposición 12.4.5, considerando V 00 = V, B 00 = B y T 0 = T −1 se deduce
que [T −1 ]B 0 B = [T ]−1
BB 0 . 2
Observaciones
1. T es inversible si, y sólo si T es biyectiva.
2. Si T : V → V 0 es inversible, entonces dimR V = dimR V 0 .
3. T es inversible si, y sólo si det([T ]BB 0 ) 6= 0.

Ejemplo
 
1 2 0
Sea T : R3 → R3 tal que A = [T ]C =  −1 1 0  . Como det A 6= 0, entonces T es
0 0 1
 1 2

3
− 3
0
inversible y [T −1 ]C = [T ]−1 −1  1 1
= A = 0 .

C  3 3
0 0 1

−1 x − 2y x + y
Por lo tanto T (x, y, z) = , ,z .
3 3
Rango de una transformación lineal
Sean V y W, K−espacios vectoriales, B = {b1 , b2 , . . . , bn } y B 0 = {b01 , b02 , . . . , b0m }
bases ordenadas de V y W, respectivamente. Si T : V → W es una transformación lineal,
entonces, por la Proposición 6.2.4, dimK Im(T ) = dimK {T (b1 ), T (b2 ), . . . , T (bn )}, es decir el
número de vectores linealmente independientes del conjunto {T (b1 ), T (b2 ), . . . , T (bn )}.
Dicho número se denomina el rango de T y se nota Rg (T ).
Como T queda determinada por A = [T ]BB 0 = ([T (b1 )]B 0 [T (b2 )]B 0 · · · [T (bn )]B 0 ) , entonces
Rg(T ) es el número de columnas linealmente independientes de A, es decir dimK Im(T ) =
Rg(T ) = Rg(A).
Teniendo en cuenta la Proposición anterior, que las matrices de cambio de base son inversibles
y propiedades del rango, es claro que el cálculo de Rg(T ) es independiente de la representación
matricial de T.
12.5. Sobre transformaciones lineales simétricas

Proposición 12.5.1 Si T : V → V es una transformación lineal simétrica, entonces auto-
vectores correspondientes a autovalores distintos son perpendiculares.
Dem. Si λ1 , λ2 , λ1 6= λ2 , son autovalores de T con autovectores asociados b1 y b2 ,

respectivamente, entonces T (b1 ) = λ1 .b1 y T (b2 ) = λ2 .b2 .
Como T es una transformación lineal simétrica, entonces hT (b1 ), b2 i = hb1 , T (b2 )i.
En consecuencia hλ1 .b1 , b2 i = hb1 , λ2 .b2 i, por lo tanto (λ1 − λ2 )hb1 , b2 i = 0. Como λ1 6= λ2 ,
entonces hb1 , b2 i = 0. Luego b1 es perpendicular a b2 , pues b1 6= 0 y b2 6= 0. 2
En lo que sigue consideraremos V = R3 con el producto interno canónico, si bien los resultados
son válidos para todo espacio euclı́deo de dimensión finita.
Proposición 12.5.2 Si T : R3 → R3 es una transformación lineal simétrica, entonces todas
las raı́ces del polinomio caracterı́stico son reales.
Dem. Sea A = [T ]C . Como det(A − X · I3 ) es un polinomio de grado 3 con coeficientes
reales, admite por lo menos una raı́z real λ1 . Sea b1 un autovector unitario asociado a λ1 ,
es decir T (b1 ) = λ1 .b1 . Consideremos b2 perpendicular a b1 tal que kb2 k = 1 y b3 = b1 ∧ b2 .
Entonces se tiene que B = {b1 , b2 , b3 } es una base ortonormal de R3 .
     
λ1 a d
Como [T (b1 )]B =  0  , [T (b2 )]B =  b  y [T (b3 )]B =  e  , entonces
0 c f
 
λ1 a d
A0 = [T ]B =  0 b e  .
0 c f
Como B es una base ortonormal y T es una transformación lineal simétrica A0 = A0T , de

donde a = d = 0 y e = c. Luego,
 
λ1 0 0
A0 = [T ]B =  0 b c  .
0 c f
Teniendo en cuenta que det(A − X · I3 ) = det(A0 − X · I3 ) resulta

λ1 − X 0 0

det(A − X · I3 ) = 0 b−X c = (λ1 − X)[X 2 − (b + f )X + bf − c2 ].
0 c f −X
∆ = (b + f )2 − 4(bf − c2 ) = (b − f )2 + 4c2 ≥ 0, por lo tanto X 2 − (b + f )X + bf − c2 tiene

sus raı́ces reales, y como λ1 ∈ R, det(A − X · I3 ) tiene todas sus raı́ces reales. 2
Observación
El resultado anterior vale en general y es tema de análisis en un curso de Álgebra Lineal.
Caracterización de las transformaciones lineales simétricas
Las proposiciones anteriores permiten caracterizar a las transformaciones lineales simétricas a
partir de los siguientes resultados:
Teorema 12.5.1 Sea T : R3 → R3 una transformación lineal. Si existe una base ortonormal
B tal que [T ]B es diagonal, entonces T es una transformación lineal simétrica.
 
λ1 0 0
Dem. Como A = [T ]B =  0 λ2 0  , entonces A = AT y como B es una base
0 0 λ3
ortonormal, T es una transformación lineal simétrica. 2
Teorema 12.5.2 Si T : R3 → R3 es una transformación lineal simétrica, entonces existe una
base ortonormal B tal que [T ]B es diagonal.
Dem. Sea A = [T ]C . Como T es una transformación lineal simétrica, posee sus autovalores
λ1 , λ2 y λ3 . Se presentan los siguientes casos:
a) λ1 6= λ2 6= λ3 6= λ1
Sean b1 , b2 y b3 autovectores de módulo 1, asociados a λ1 , λ2 y λ3 , respectivamente.
Como T es transformación lineal simétrica, estos vectores son perpendiculares dos a dos
es decir, B = {b1 , b2 , b3 } es una base ortonormal de R3 .
Por otra parte, T (b1 ) = λ1 .b1 , T (b2 ) = λ2 .b2 y T (b3 ) = λ3 .b3 , de donde,
 
λ1 0 0
[T ]B =  0 λ2 0  .
0 0 λ3
b) λ1 6= λ2 = λ3
Sean b1 y b2 autovectores de módulo 1, asociados a λ1 y λ2 , respectivamente.
Como λ1 6= λ2 y T es una transformación lineal simétrica b1 es perpendicular a b2 .
Sea b3 = b1 ∧ b2 . Observemos que kb3 k = 1, es decir, B = {b1 , b2 , b3 } es una base
ortonormal de R3 y si T (b3 ) = a.b1 + b.b2 + c.b3
 
λ1 0 a
A0 = [T ]B =  0 λ2 b.
0 0 c
Como B es una base ortonormal y T es una transformación lineal simétrica, entonces
A0 = [T ]B es una matriz simétrica, lo que implica a = b = 0 y por lo tanto
 
λ1 0 0
A0 = [T ]B =  0 λ2 0  .
0 0 c
Sabemos que, det(A − X · I3 ) = (λ1 − X)(λ2 − X)(λ2 − X) = det(A0 − X · I3 ) =
(λ1 − X)(λ2 − X)(c − X), entonces c = λ2 y T (b3 ) = λ2 .b3 . Luego b3 es un autovector
asociado a λ2 y  
λ1 0 0
A0 = [T ]B =  0 λ2 0  .
0 0 λ2
c) λ1 = λ2 = λ3
Sea b1 un autovector de módulo 1 asociado a λ1 . Consideremos b2 perpendicular a
b1 tal que kb2 k =1 y b3 = b1 ∧ b2 . Ası́, 
B ={b1 , b2 , b3 } es una
 base
 ortonormal de
λ1 a d
R3 y [T (b1 )]B =  0  . Sean [T (b2 )]B =  b  y [T (b3 )]B =  e  , entonces
0 c f
 
λ1 a d
A0 = [T ]B =  0 b e  .
0 c f
Como B es una base ortonormal y T es una transformación lineal simétrica, entonces

A0 = [T ]B es simétrica, lo que implica a = d = 0, c = e y
 
λ1 0 0
A0 = [T ]B =  0 b c  .
0 c f
Teniendo en cuenta que, det(A0 − X · I3 ) = det(A − X · I3 ), resulta

λ1 − X 0 0

0
b−X c = (λ1 − X)[X 2 − (b + f )X + b f − c2 ] = (λ1 − X)3 .
0 c f −X
Luego, λ1 es raı́z doble de X 2 − (b + f )X + b f − c2 por lo tanto,
∆ = (b + f )2 − 4(b f − c2 ) = (b − f )2 + 4c2 = 0, lo que implica (b − f )2 = 0 y 4 c2 = 0,
es decir, b = f y c = 0. Tenemos entonces que
 
λ1 0 0
[T ]B =  0 b 0.
0 0 b
y por consiguiente los autovalores de T son λ1 , b, b, de donde obtenemos que b = λ1

y
 
λ1 0 0
[T ]B =  0 λ1 0  = λ1 · I3 .
0 0 λ1
2
Bibliografı́a
1. Abad, Manuel, Elementos de Álgebra, EDIUNS, 2000.
2. Anton, Howard., Introducción al álgebra lineal, Limusa,1986.
3. Efimov, N., Curso breve de geometrı́a analı́tica, Editorial MIR, Moscú.
4. Florey, F.G., Fundamentos de álgebra lineal y aplicaciones, Prentice-Hall, 1979.
5. Gastaminza, M. L., Nociones de álgebra, Coop. de la UNS, Bahı́a Blanca, 1970.
6. Golovina, L., Álgebra lineal y algunas aplicaciones, Editorial MIR, Moscú, 1974.
7. Hoffman, K. y Kunze, R.,Álgebra lineal, Prentice-Hall, 1973.
8. Kindle, J., Teorı́a y problemas de geometrı́a analı́tica, Editorial Mc Graw-Hill, 1969.
9. Klétenic, D., Problemas de geometrı́a analı́tica, Editorial Latinoamericana, 1988.
10. Kurosch, A. G., Curso de álgebra superior, Editorial MIR, Moscú, 1975.
11. Murdoch, D., Geometrı́a analı́tica, Limusa, 1973.
12. Santaló, L.,Vectores y tensores con sus aplicaciones, EUDEBA, 1977.

Álgebra y Geometría - Sewald - Suardiaz - 2016

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Álgebra y Geometría - Sewald - Suardiaz - 2016

Cargado por

Copyright:

Formatos disponibles

ÁLGEBRA Y GEOMETRÍA

Ana Marı́a Suardı́az y Julio A. Sewald

DEPARTAMENTO DE MATEMÁTICA − UNS

2016 (última versión)

3. Matrices, sistemas de ecuaciones lineales y determinantes 40

5. Geometrı́a analı́tica en el Plano y en el Espacio 88

6. Espacios vectoriales 109

8. Transformaciones lineales 143

9. Autovalores y autovectores 154

10. Cónicas y Cuádricas 168

11. Respuestas e indicaciones 199

12. Apéndice 224

1.1. Forma binómica. Operaciones. Módulo y conjugado

(a, b) = (a0 , b0 ) si, y sólo si a = a0 y b = b0 .

En R2 definimos las operaciones de suma y producto como sigue:

(a, b) + (c, d) = (a + c , b + d) ; (a, b) · (c, d) = (a c − b d , a d + b c).

Al conjunto R2 , algebrizado con las operaciones de suma y producto definidas anteriormente,

S1 ) (z + u) + w = z + (u + w), para todo z, u, w ∈ C.

S3 ) Existe un único elemento 0 = (0, 0) ∈ C, tal que z + 0 = z, para todo z ∈ C.

P1 ) (z · u) · w = z · (u · w), para todo z, u, w ∈ C.

P3 ) Existe un único elemento 1 = (1, 0) ∈ C tal que z · 1 = z, para todo z ∈ C.

1. Cuando no haya lugar a dudas escribiremos z w en lugar de z · w .

2. Definimos la diferencia y el cociente de dos números complejos z y w de manera

1) f (a + b) = (a + b , 0) = (a, 0) + (b, 0) = f (a) + f (b).

2) f (a b) = (a b, 0) = (a, 0) · (b, 0) = f (a) · f (b).

a2 + 1 = [(0, 1) · (0, 1)] + (1, 0) = (−1, 0) + (1, 0) = (0, 0) = 0.

1. a se denomina la parte real y b la parte imaginaria de z. Los notamos Re(z) e

2. Si b = 0, el complejo (a, 0) se denomina un complejo real.

3. El complejo i = (0, 1) se denomina unidad imaginaria y verifica i2 = −1.

1. Si z , w ∈ C, entonces z = w si, y sólo si Re(z) = Re(w) e Im(z) = Im(w).

E1 ) Se verifica una, y sólo una de las siguientes condiciones:

que se denomina la forma binómica de z.

Conjugado de un número complejo

3) Si d ∈ R , d > 0, entonces |x| ≤ d si, y sólo si −d ≤ x ≤ d.

4) Si d ∈ R , d > 0, entonces |x| ≥ d si, y sólo si x ≤ −d ó x ≥ d.

Módulo de un número complejo

Definición 1.1.2 Dado z = a + b i, se llama módulo de z al número real no negativo

1) kzk ≥ 0. Además, kzk = 0 si, y sólo si z = 0.

2) kzk = kzk = k − zk.

4) |Re(z)| ≤ kzk , |Im(z)| ≤ kzk.

8) |kzk − kwk| ≤ kz − wk.

Cociente de números complejos en forma binómica

z z w 1 (a + b i)(c − d i) (ac + bd) + (bc − ad) i ac + bd bc − ad

1.2. Representación geométrica de los números complejos

1.3. Forma polar. Operaciones. Potencia y radicación

Si α = arg(z), entonces abreviamos z = kzkα = ρα .

Producto de números complejos en forma polar

Proposición 1.3.1 Si z = ρ θ y w = ρ0Ψ , entonces z · w = (ρ.ρ0 ) θ+Ψ .

arg(z · w) = arg(z) + arg(w).

Cociente de números complejos en forma polar

La definición anterior se extiende para z ∈ C, z 6= 0 y n ∈ Z, n ≤ 0 como sigue:

Si n ∈ N y r es el resto de dividir n por 4, entonces i n = i r .

En efecto, como n = 4 q + r; 0 ≤ r < 4, entonces i n = i 4 q+r = i 4 q · i r = (i 4 )q · i r =

La fórmula anterior se verifica para n = 0.

z n = ρn [cos (n θ) + i sen (n θ)], para todo n ∈ Z.

Regiones del Plano complejo

1. Sea r ∈ R, r > 0 y z0 = x0 + y0 i. Hallar los z ∈ C tal que kz − z0 k < r.

2. Hallar los z ∈ C que verifican kz − ik ≤ 1 y |Re(z)| ≥ 12 .

Cálculo de las raı́ces de un complejo

Representación geométrica de las raı́ces de un número complejo

Representemos en el plano complejo, las raı́ces halladas:

3. a) Hallar los módulos de los siguientes números complejos:

5. Hallar a, b ∈ R, de modo que:

i) El producto de los complejos 2 − a i y 3 − b i sea igual a 8 + 4 i.