1

AUTOVALORES Y AUTOVECTORES

Carvajal Leonor

1
 2
Leonor Carvajal

AUTOVALORES Y AUTOVECTORES

Definición.: Si A es una matriz de orden n, entonces un vector X diferente del vector cero en Rn se denomina
AUTOVECTOR de A si A.X es un múltiplo escalar de X.
Es decir: A.X =  . X con   R

El escalar  se denomina AUTOVALOR de A.

Se dice que X es un AUTOVECTOR de A correspondiente a  .

3 0 
Ejemplo: Obtener los autovalores y autovectores de A =   .
 8  1
1) Determinación de los autovalores:

A  I . X  N
Por definición, A.X =  . X  A. X   X  N  polinomio
es la Ecuación característica.
característico
Luego:
 3 0   x1   x   3 0   x1   x   0  3 0   1 0   x1   0   3   0   x1   0 
       1          1                       
 8  1  x 2   x 2   8  1  x 2   x2   0   8  1  0 1   x 2   0   8  1     x 2   0 

Tenemos un sistema homogeneo del que se buscan soluciones no triviales pues X no es el vector cero.
Ello se obtiene cuando Det  A   I   0 .

3 0
En nuestro ejemplo:  0  1  3   2  1 . Estos son los AUTOVALORES de A
8 1 

2) Obtención de los autovectores:

 0 0   x1   0  x   x  x  1
Para 1  3 :         8 x1  4 x 2  0  x 2  2 x1   1    1    1   1  
 8  4   x2   0   x 2   2 x1   x 2   2

 4 0   x1   0  x   0  x   0
Para 1  1 :         x1  0; x 2  0   1       1    2  
 8 0   x2   0   x2   x2   x2  1

 1   0
3) Pares característicos: son los pares i ; X i  o sea,  3; 1    y   1;  2    .
  2  1

2
 3
Leonor Carvajal

Interpretación geométrica en R2 y en R3

A X es la expresión matricial de una T.L. T : V  V / T ( X )  A X .

Los vectores X distintos del vector cero, tales que T ( X )   X , o sea, AX   X son los autovectores de A son
los únicos en los que la T.L. produce una dilatación o contracción en sus direcciones y sólo en ellas.

Subespacios característicos o propios de A

Los autovectores Xi correspondientes a los autovalores  i , son los vectores no nulos del subespacio solución del

sistema homogeneo  A   I  X  N , llamado subespacio característico de A correspondiente a  i y lo

simbolizamos S i .

En nuestro ejemplo, para 1  3 , es S 3  gen 1;2. Una base de S3 es 1;2y su dimensión es 1.

Análogamente, para  2  1 , es S 1  gen 0;1. Una base de S-1 es 0;1 y su dimensión es 1.

Observamos que Dim S3 + Dim S-1 = 2 , que es el orden de A ( n = 2).

Pero esto no siempre ocurre…

…………………………………………………………………………………………………………………

AUTOVALORES Y AUTOVECTORES DE UNA TRANSFORMACIÓN LINEAL

Sea T : V  V / T ( X )   X . El problema que se presenta es hallar los escalares  para los cuales se obtiene X
no nulos. La solución consiste en hallar los autovalores y autovectores de cualquiera de las matrices que
representan a T respecto de una base, tal como lo expresa el siguiente teorema:
Si V es un espacio vectorial de dimensión finita, T : V  V es una transformación lineal y AB una matriz
asociada a la transformación lineal en cualquier base B de V, entonces:
1) Los valores propios de T son los valores propios de AB.

 x1 
2) Un vector X V (X no nulo) es un autovector de T para  si y sólo si la matriz de coordenadas de X=   en la
 x2  B
base B es un vector propio de AB .

3
 4
Leonor Carvajal

Procedimiento:
1) Se elige una base B de V.
2) Se haya AB que representa a T en la base B.
3) Se hallan los pares característicos de A.

Ejemplo. Proporcione los valores propios y los vectores propios de T : R 2  R 2 / T ( x; y)  2 x ; x  3 y 

 2 0  x 
que también puede expresarse T : R 2  R 2 / T ( x; y )      , 1) respecto de la base B = 1;0 , 0;1
 1 3  y 
2) respecto de la base B´= 1;1, 0;1

Desarrollo:
 2 0
1) * En la base canónica, es AB =   y los autovalores de T (autovalores de AB) resultan de resolver:
 1 3
2 0 2 0
 0  2   . 3     0  1  2  2  3  0  1  2  2  3
1 3 1 3

* Los autovectores de T (autovectores de AB ):

 0 0  x   0  x  x   x 1
Para 1  2 :         x  y  0  y   x           1  
1 1  y   0  y  x  y   1
  1 0  x   0  x 0  x  0
Para  2  3:         x  0 , y            2  
 1 0  y   0  y  y  y 1

 1   0 
* Los subespacios característicos: S 1  2  gen   y S 2 3  gen  
  1  1 

2) * Respecto de la base B´= 1;1, 0;1, para obtener AB´ :

T 1;1  2;  2  T 1;  1   1;  1   0;1    2    0  2 0

 AB´ =  
T 0 ;1  0 ; 3  T 0 ;1   ´1;  1   ´0;1   ´ 0   ´  3  0 3

* Autovalores de T (autovalores de AB´) se obtienen resolviendo:

2 0
 0  1  2   2  3
0 3

4
 5
Leonor Carvajal

* Autovectores de T ( autovectores de AB´) :

 0 0  x   0  x   x  x 1
Para 1  2 :         y  0  x           1  
 0 1  y   0  y  0  y  0
 1 0  x   0   x   0  x  0
Para 2  3 :               x  0, y     2  
 0 0  y   0  0   0  y 1
 1   0 
* Los subespacios característicos: S 1  2  gen   y S 2 3  gen  
 0   1 

Observaciones:

1) Los vectores de la base B´ son los autovectores que expresan a la transformación lineal en la base B.
2) La matriz AB´ asociada a la transformación lineal en la base de los autovectores de A, es DIAGONAL y
los elementos de la diagonal principal son los autovalores de AB.

En síntesis :
Si la interpretación geométrica es más sencilla cuando se elige una base B´ para la cual la matriz asociada a la
T.L. es diagonal, ¿ cómo elegir una base B´ adecuada?. ¿Esto será siempre posible?.

El tema de tener una “representación matricial de la T.L.” con una matriz DIAGONAL, está relacionado con
pasar de AB a AB´ , siendo AB´ DIAGONAL.
Este proceso se conoce como DIAGONALIZACIÓN de AB .
………………………………………………………………………………………………………………..

Los siguientes teoremas y definiciones nos conducirán a determinar cuándo y cómo se puede diagonalizar
una matriz.
Definición: A  R nn es diagonalizable   P  R nn inversible / D = P -1. A . P y D es diagonal.

Decimos que P diagonaliza a A.

5
 6
Leonor Carvajal

Propiedades:

1) Dos matrices semejantes tienen la misma ecuación característica y por lo tanto los mismos autovalores.
En efecto:
C nxn es semejante a Anxn  Pnn inversible / C = P- 1 .A . P
C   I  P 1 . A.P   I
C   I  P 1 . A.P   I
C   I  P 1 . A.P   P 1 I P
C   I  P 1 ( A   I ) P
C   I  P 1 . (A   I ) . P
C   I  (A   I ) que es lo que se quería demostrar.

(¡¡¡Cuidado !!! , la afirmación recíproca no es propiedad).

Luego, como D y A son semejantes y los autovalores de D son los elementos de su diagonal principal, estos elementos son
los autovalores de A.
………………………………….

2) Si A tiene n autovalores distintos, la matriz A es diagonalizable.

(¡¡¡ Cuidado !!! , la afirmación recíproca no es propiedad).

…………………………………

3) A es diagonalizable si y sólo si tiene un conjunto de n autovectores linealmente independientes.

…………………………………

4) A es diagonalizable si y sólo si la multiplicidad algebraica de cada uno de los autovalores es igual a la multiplicidad
geométrica.
…………………………………

Consecuencias:

* A  R nn es diagonalizable si y sólo si existe una base de Rn constituida por los autovectores de A.

r
* Si los autovalores de A son 1 , 2 , 3 , ... , r con r  n , entonces A es diagonalizable si y sólo si  Dim S 
i 1
i
n.

Esta consecuencia nos permite anticipar si A es diagonalizable.

…………………………………………

6
 7
Leonor Carvajal

Procedimiento:
1) Hallar los n autovectores linealmente independientes de A.
2) Armar P cuyas columnas son los n autovectores de A.
3) Obtener D = P-1. A . P diagonal (semejante a A) con los autovalores 1 , 2 , ...., n en la diagonal principal,

correspondientes a los autovectores X1,X2, …, Xn .

Importante: Si se cambia el orden de los i en D, también debe cambiarse el orden de los autovectores Xi en P.
..............................................................

 3  2 0
 
Ejemplo. Diagonalizar la matriz A    2 3 0  .
 0 0 5 


1) Hallamos autovalores y autovectores de A:

3    2 0   x   0 3 2 0
    
  2 3 0  . y    0  *  2 3   0  0  1  2  5  3  1
 0    
5     z   0  5
 0 0 0

  2  2 0  x   0  x  x   x 1  0
              
Para 1  2  5 en *:   2  2 0  .  y    0    2 x  2 y  0 , z  R   y     x    y   1   1   2  0 
 0 0 0  z   0 z  z  z 0 1
              
 1   0 
   
Luego S 1 2 5  gen   1 ,  0   Dim S 1 2 5  2
 0   1 
   

 2  2 0  x   0  x   x  x  1
            
Para 3  1 en * :   2 2 0  .  y    0   x  y , z  0   y    x    y    3  1 
 0 0 4   z   0   z  0  z   0
        
 1 
 
Luego S 3 1  gen  1   Dim S 3 1 1
 0 
 

Se verifica: Dim S 1 2  Dim S 3  Dim R 3 . Luego, A es diagonalizable.

7
 8
Leonor Carvajal

 1 0 1
 
2) Armamos P    1 0 1  que “diagonaliza a A “
 0 1 0
 
5 0 0
1
 
3) Armamos D  P . A. P . Después de hacer todas las cuentas, resulta: D   0 5 0 
0 0 1
 
…………………………………………
DIAGONALIZACIÓN DE MATRICES SIMÉTRICAS.

1) Para toda matriz simétrica A, existe una matriz P del mismo orden y ortogonal (P -1 = P t ) tal que D = P -1.A . P
y D es diagonal.
2) Dada A simétrica de orden n existe un conjunto de n vectores propios ortonormales, que constituyen una base
ortonormal de Rn.

Consecuencia: toda matriz simétrica es diagonalizable.

Procedimiento:
1) Hallar los subespacios característicos de A y una base en cada uno de ellos.
2) Unir las bases para obtener una base B´ de Rn .
3) Ortonormalizar esta base B´.
4) Formar una matriz P cuyas columnas son los n vectores del item (3).
5) Obtener D.

 3 4
Ejemplo. Diagonalizar A =  
 4 9 
 3   4    
x 0 3 4
1)  .       0  1  1  2  11
 4 9      
y 0 4 9  
 2 4  x   0  x  x   x 2  2 
 .       2 x  4 y  0  y   x      1      1    B1   
1
Para 1  1 : 
 4 8  y   0 2  y    2 x   y   1   1
8  1 
Para 2  11 : 
4   x   0  x  x   x 1
 .       8 x  4 y  0  y  2 x            2    B2   
 4  2  y   0  y   2x   y  2  2 

 2   1 
 2   1     
2) B´=   ,   3) B´ ortonormalizada es:   5 , 5 
  1  2   1   2 
    
 5  5 
 2 1 
 
1 0 
4) P =  5 5 5) D =  
 1 2   0 11
 
 5 5

8
 9
Leonor Carvajal

Cuando diagonalizamos una matriz simétrica por este procedimiento, estamos cambiando una base ortonormal
(canónica) por otra base ortonormal, cosa que en R2 se visualiza así:

y x´ y y´
P 1 P  1
y´ x
 
x Rotación de ejes Rotación más reflexión de ejes
x´

A los fines prácticos, “ordenamos” los autovalores de la base ortonormal de manera que P  1 para que los

ejes sólo roten.

DIAGONALIZACIÓN DE LAS FORMAS CUADRÁTICAS.

SECCIONES CÓNICAS.

Hasta el momento hemos trabajado con ecuaciones lineales.

Consideremos ahora, una superficie cónica circular seccionada por un plano. La intersección es una cónica:

Si el plano no pasa por el vértice de la superficie cónica, las figuras se denominan cónicas irreducibles.
Si en cambio, el plano pasa por el vértice de la superficie cónica se obtienen las denominadas cónicas
reducibles o degeneradas.

9
 10
Leonor Carvajal

1) Cónicas irreducibles. Son:

 paralelo a una sola  corta a todas  corta a todas  paralelo a dos

generatiz las generatrices. las generatrices generatrices
  eje

2) Cónicas reducibles o degeneradas. Son:

a) Dos rectas reales (que son dos

generatrices).

b) Una recta (cuando  es tangente a la

superficie cónica.)

c) Dos rectas imaginarias ( sólo interseca

a la superficie en el vértice.)

10
 11
Leonor Carvajal

Ecuación general de segundo grado con dos variables

Todas las cónicas responden a la ecuación general de segundo grado con dos variables:

a11 x 2  a 22 y 2  2a12 xy  a13 x  a23 y  a33  0 con a11 , a 22 y a12 no simultáneamente nulos.
          
Tér min os cuadráticos T . Re c tan gular Tér min os lineales T . indep.

Dada de esta manera, no es fácil reconocer a qué cónica corresponde.

Si la ecuación carece de término rectangular, el tema se soluciona rápidamente, como veremos en las próximas
clases.
Pero la existencia de término rectangular, indica que el o los ejes de las cónicas, están rotados con respecto a
los ejes coordenados. Por tal motivo, haremos un cambio de base. Para ello comenzamos por expresar a la
ecuación, en forma matricial:

a a12   x   x
x y  11     a13 a 23    a33  0 .Obsérvese que A es simétrica y por lo tanto, diagonalizable.
a12  a22   y   y
A

Puede demostrarse que la misma se reduce a otra ecuación equivalente pero sin término rectangular, haciendo el
cambio de base, anunciado.
Así, se obtiene:
x´ y´ D    a13 a23  P    a33  0 siendo P la matriz que diagonaliza a la matriz A.
x´ x´
 y´  y´

Ejemplo.
Sea la ecuación 9 x 2  16 y 2  24 xy  20 x  15 y  0 . Reducirla a una forma más simple y graficar la cónica correspondiente.

Desarrollo.
 9 12  x   x
1) Expresamos la ecuación en forma matricial:  x y     20 15    0
12 16  y   y
 x´   x´ 
2) Debemos llegar a la forma: x´ y´ D     20 15 P    0
 y´  y´
3) Obtenemos D y P :
9   12   x   0  9 12
         0  1  0  2  25
 12 16     y   0  12 16  
 x   1 
Para 1  0 :  9 12   x    0   9 x  12 y  0  y   3 x   x    3    x   1  3   B 0   4 
12 16   y   0   y  x  y    
     4    4      3 
1

 4
 x  1
Para 2  25 :  16 12   x    0    16 x  12 y  0  y  4 x   x    4    x    2  4   B 25   3 
 12  9   y   0  3  y   3 x   y    4 
2

3

11
 12
Leonor Carvajal

 4   3   4 3
 5   5   
5  con P 1 . Además: D  
 0 0
Una base de R ortonormalizada es: B´   ,    P   5
2
 .
    
3 4  3 4  0 25 
 5   5   
 5 5

4) Reemplazando en (2) y operando, resulta:

 4 3
 0 0   x´   
x´ y´      20 15 5 5   x´   0  y´2= x´ . O sea, una parábola de eje x´.
 0 25   y´  3 4   y´
 
 5 5

En el gráfico de la figura adjunta se observa

que los puntos de intersección de la cónica
con los ejes coordenados son (2,21; 0) y (0; -1)
Una forma de verificar si el gráfico de la
cónica está bien realizado es utilizar esos
puntos. La forma de hacerlo es calcularlos
directamente de la ecuación original,
haciendo x = 0 e y = 0, y resolviendo las
ecuaciones cuadráticas correspondientes.

Observaciones:
1) Si uno de los autovalores es nulo, la cónica es “del tipo” parábola.
2) Si los autovalores tienen igual signo, la cónica es “del tipo” elipse.
3) Si los autovalores tienen signos contrarios, la cónica es “del tipo” hipérbola.

12
13

13
 1

TRANSFORMACIONES LINEALES

Carvajal Leonor

1
 2
Leonor Carvajal

TRANSFORMACIONES L1NEALES

Vamos a ocuparnos de unas funciones muy especiales cuyos dominios y codominios son espacios vectoriales
( V,+,R,.) y ( W,+,R,.) , respectivamente. O sea T : V  W / T (v) = w.
Estas funciones que vamos a estudiar a partir de ahora, se denominan TRANSFORMACIONES LINEALES
( sobre R) y tienen la siguiente definición:
Si (V,+,R,.) y (W,+,R,.) son dos espacios vectoriales y T : V  W es una función, entonces T es una
transformación lineal si y sólo si :
1) T (u + v) = T (u) + T (v) u  V , v  V
2) T ( k .u) = k. T (u) k  R, u  V

Ejemplo 1:
Demuestre que T: R2  R2 / T ( x , y ) = ( 2x , x + y ) es una transformación lineal.
    
1) Debe demostrarse que : T x, y   x , , y ,  T x, y   T x , , y ,

En efecto: T x, y   x , y  T x  x , y  y 

, , , ,

T x, y   x , y  2x  x , x  x  y  y 

, , , , ,

T x, y   x , y  2 x, x  y   2 x , x  y 
, , , , ,

O sea: T x, y   x , y  T x, y   T x , y 

, , , ,

2) Debe demostrarse que: T k.x, y  k.T x, y  k  R

Se cumple, pues: T k.x, y  T kx, ky
T k.x, y  2(kx) , kx  ky
T k.x, y  k 2 x, x  y 
T k.x, y  k.T x, y 

2
 3
Leonor Carvajal

Ejemplo 2:
Idem para T: R3  R2 / T ( x , y , z ) = ( x + y , y – z)
1) Debe demostrarse que:     
T x, y, z   x , , y , , z ,  T x, y, z   T x , , y , , z ,

En efecto: T x, y, z   x , y , z  T x  x , y  y , z  z 

, , , , , ,

T x, y, z   x , y , z  x  x  y  y , y  y  z  z 
, , , , , , ,

T x, y, z   x , y , z  x  y, y  z   x  y , y  z 
, , , , , , ,

O sea: T x, y, z   x , y , z  T x, y, z   T x , y , z 

, , , , , ,

2) Debe demostrase que: T k x, y, z  k.T x, y, z  k  R

Se cumple, pues: T k x, y, z  T kx, ky, kz
T k x, y, z  kx  ky, ky  kz
T k x, y, z  k. x  y, y  z 
T k x, y, z  k.T x, y, z 

Propiedades de las transformaciones lineales

Sea T : V  W una transformación lineal.

Simbolizamos con OV y OW a los vectores ceros o vectores nulos de V y W, respectivamente.

Propiedad 1:
La imagen del vector cero del primer espacio, por la transformación lineal, es el vector cero del segundo
espacio: T (OV) = OW
Demostración: T (OV) = T(0.x)
T (OV) = 0 . T(x)
T (OV) = OW

3
 4
Leonor Carvajal

Propiedad 2:
La imagen del opuesto de todo vector del primer espacio, por la transformación lineal, es igual al opuesto de su
imagen.
T (-x) = - T (x)
Demostración: T (-x) = T (-1 . x)
T (-x) = -1. T (x)
T (-x) = - T (x)

3) Las transformaciones lineales conservan las combinaciones lineales:

 n
 n
T   i xi  =
 i 1 
  .T ( x )
i 1
i i

Clasificación de las transformaciones lineales

Sea T: V  W una transformación lineal.

T es un monomorfismo  T es inyectiva.
T es un epimorfismo  T es sobreyectiva.
T es un isomorfismo  T es biyectiva.

Si V = W entonces la transformación lineal es un endomorfismo y si este es biyectivo recibe el nombre de

automorfismo.
O sea, un automorfismo es toda transformación lineal biyectiva de un espacio vectorial en sí mismo.

4
 5
Leonor Carvajal

Algunas transformaciones lineales particulares:

1) Transformación lineal nula o transformación cero.

La función T: V  W que asigna a todo vector de V el vector cero o nulo de W es una transformación lineal
que se denomina Transformación Lineal Nula o Transformación Cero. T: V  W / T(x) = OW ; x V
Demostración:
1º) T (x + y) = OW 2º) T ( k. x) = OW
T (x + y) = OW + OW T ( k. x) = k . OW
T (x + y) = T (x) + T (y) T ( k. x) = k . T (x)

2) Transformación lineal identidad.

La función T: V  V que asigna a todo vector de V el mismo vector es una transformación lineal que se
denomina Transformación Lineal Identidad. T: V  V / T (x) = x ; x V
Demostración:
1º) T (x + y) = x + y 2º) T ( k. x) = k.x
T (x + y) = T (x) + T (y) T ( k. x) = k . T (x)

Consideremos ahora el siguiente ejemplo extraído de la Mecánica: Imaginemos un corte lateral de un cubo de
gelatina sostenido con ambas manos como indica la figura (1) :

Figura (1) Figura (2)

5
 6
Leonor Carvajal

Si la mano que sostiene la base permanece fija y la otra mano se desplaza arrastrando al cubo como se muestra
en la figura (2), el cubo sufre una deformación relacionada con algo que se denomina deslizamiento cortante
o corte .

Para esquematizar la situación tomamos un sistema de ejes cartesianos ortogonales, solidarios con el corte,
como se muestra en la figura (3).



j j
k
}
O E O ........ 
i
s
t
o
Fig.3 Fig.4
s
s
o
Si tomamos k razonablemente pequeño, la altura sigue siendo la misma.
n     
Observamos que estel deslizamiento cortante transforma a i en i y a j en k i + j .
En términos matriciales o se puede escribir:
s
 1  p
1  0 k 
  en   y   en  
 0  0 u  1  1
n
t

Esta transformación odeslizamiento cortante o corte en la dirección de i aplicada a otro punto P del plano de
s
d  x1 
e de coordenadas canónicas  x  , lo transforma en otro punto P cuyas coordenadas
´
corte lateral del cubo,
i  2

 x  nkx 
canónicas son  1 t 2  .
 x 2e 
r
s
e
c
c
i
ó 6
n
d
e
 7
Leonor Carvajal

Esto puede simbolizarse de la siguiente manera:

 x   1 k   x1   x1  kx2 
T  1     .     
 x2   0 1   x2   x2 

 1  1 k   1  1
En efecto: T      .     
 0  0 1   0  0
 0  1 k   0  k 
T      .      que coincide con lo dicho.
 1  0 1   1  1 

y  x1 
 
 x2   x1  k x 2  Los puntos sobre el eje de
 
 x2  abscisas quedan fijos pues
k>0 x2 = 0, y los puntos
k<0
más alejados de este eje se
desplazan a una distancia
mayor cuanto mayor sea x2,
x que los cercanos al eje x.

Demostramos ahora que T es una transformación lineal:

 x   x ,  x   x, 
1) Debe cumplirse: T  1    1,   T  1   T  1, 
 x 2   x 2   x2   x2 

 x   x ,   x  x1, 
En efecto: T  1    1,   T  1 
, 
 x 2   x 2   x2  x2 

 x   x ,   1 k   x1  x1, 
T  1    1,     .  
, 
 x2   x2   0 1   x2  x 2 

7
 8
Leonor Carvajal

 x   x ,   x  x1,  k ( x 2  x 2, ) 
T  1    1,    1 

 x 2   x2   x 2  x 2, 

 x   x1,   x1  k .x2   x1,  k .x2, 

T  1    ,       ,


 x2   x 2   x2   x2 

 x   x1,   x1   x1, 
Luego: T  1    ,   T    T  , 
   
 x 2   x 2   x2   x2 

  x  x 
2) Debe demostrarse que: T h 1   h.T  1  con h  R
  x 2   x2 

  x   h.x 
Se cumple, pues: T h 1   T  1 
  x 2   h.x 2 

  x   1 k   h.x1 
T h 1     .  
  x 2   0 1   h.x 2 

  x   h.x  k .(h.x 2 ) 
T h 1    1 

  2  
x h. x 2 

  x   x  k .x 2 
T h 1   h.  1 
  x 2    x 2 

  x  x 
En efecto: T h 1   h.T  1 
  x 2   x2 

NOTA: en general, toda transformación de R2 en R2 que pueda expresarse en la forma T(X) = A . X , donde
x 
A  R 2 x 2 y X   1  es un punto, es una transformación lineal de R2 en R2.
 x2 

Análogamente, el deslizamiento cortante o corte en la dirección de j , queda caracterizado con la siguiente

 x   1 0   x1   x1 
expresión matricial: T  1     .     
 x2   k 1   x2   kx1  x2 
Ahora, los puntos que están sobre el eje de ordenadas son los que se mantienen fijos pues x1 = 0.

8
 9
Leonor Carvajal

1
Ejemplo: obtener T   , para k = 4.
 2
 1  1 0  1  1   1
Resulta: T      .        
 2  4 1  2  4.1  2   6
El deslizamiento cortante o corte como función lineal representable por una matriz, es sólo una de muchas
aplicaciones importantes.
Por ello es necesario estudiar funciones representables mediante matrices que multiplican las matrices de
coordenadas canónicas de los vectores.
En general, dada una función lineal T de la forma:
 x  a a12   x1 
T  1    11  .   ,
 x2   a 21 a 22   x2 
interesa describir geométricamente cómo transforma T a los vectores.

Por ejemplo: consideremos T caracterizada por una matriz escalar, o sea:

x   k 0   x1   k .x1  x 
T  1     .       k .  1 
 x2   0 k   x 2   k .x 2   x2 

x 
¿Qué efecto produce T sobre  1  ?
 x2 
y
k>1
k > 1  T es función dilatación
0 < k < 1  T es función compresión
x2 k = 1  T es función identidad
k = 0  T es función cero.
O x
x1

 x   2 0   x1   2 x1 
Veamos ahora la transformación T : R 2  R 2 / T  1     .    
 2
x  0 1   2  2 
x x

x 
Esta transformación “dilata” la abscisa del punto  1  , duplicándola y preserva la ordenada.
 x2 

9
 10
Leonor Carvajal

El efecto es, entonces, “dilatar” cada figura plana en la dirección del eje de abscisas.

y
y
 x1 
   2x1 
 x2   
 x2 
x2 x2
x x
x1 x1 2x1
 x1   x1 
   
 x2   x2 

1 1

A una transformación lineal de este tipo se la llama dilatación en la dirección del eje x con coeficiente k = 2
 x   k 0   x1   kx1 
En general, si k > 1, la transformación T  1     .     es una dilatación en la dirección del eje
 x2   0 1   x2   x2 
x, con coeficiente k.

Si 0< k <1, el efecto de aplicar la transformación es “comprimir” la abscisa de cada punto mientras se preserva
la ordenada. Luego, la figura plana sufre una compresión en la dirección del eje x, con coeficiente k.

Si k = 1 no hay dilatación ni compresión, la transformación lineal se denomina identidad.

 x   1 0   x1   x1 
Su expresión matricial es T  1     .    
 x2   0 1   x2   x2 

De manera análoga, si se preserva la abscisa de cada punto y se multiplica la ordenada por k  R  , el efecto
sobre cada figura plana es una dilatación ( k >1) o una compresión ( 0 < k < 1) en la dirección del eje de
ordenadas.

La transformación tiene la siguiente expresión matricial:

 x   1 0   x1   x1 
T  1     .    
 x 2   0 k   x 2   k .x 2 

10
 11
Leonor Carvajal

x   1 0   x1   x1 
Sea ahora: T  1     .     
 x2   0 0   x2   0 

y
 x1 
  Se conserva la primera componente y se anula la segunda.
  x2 
Se tiene la “función proyección sobre el eje de abscisas”.

O x

 x1 
 
0
x   0 0   x1   0 
Análogamente : T  1     .     
 x2   0 1   x2   x2 
y
 x1  Se anula la primera componente y se conserva la segunda.
0  
     x2  Se tiene la “función proyección sobre el eje de ordenadas “.
 x2 

O x

x   k 0   x1   k .x1  x 
Si tenemos: T  1     .       k .  1 
 x2   0 0   x2   0  0

Dilatación ( k > 1) Proyección sobre

Compresión ( 0 < k <1) el eje x

 k 0  k 0  k 0   1 0
La matriz   puede escribirse:      .  
 0 0  0 0  0 k   0 0
 k 0  1 0  k 0 
O bien:      .  
 0 0  0 0  0 k 
Este ejemplo nos muestra el siguiente principio general:

11
 12
Leonor Carvajal

Para hacer un análisis geométrico, debemos dividir a la función en una serie de funciones simples como
dilatación, compresiones, proyecciones, etc.

Consideremos otra función, que es la rotación de un punto P en sentido antihorario y con ángulo  .

 x´1  En Trigonometría se demuestra que las ecuaciones de rotación

P’  x '2   x1 
y
 P  antihoraria con ángulo  son:
  x2 

 
 x1  cos  . x1  sen . x 2
 ,

O x  ,
 x 2  sen .x1  cos  .x 2


que se pueden anotar matricialmente:

 x1,   cos  sen   x1 

 ,    . x 
x
 2 sen  cos 
1 4 4 2 4 4 3   2 
matriz asociada a la
funcion rotacion antihoraria

Por ejemplo:
  0  1
Para   la matriz que caracteriza a la rotación es   y el transformado de un punto cualquiera
2 1 0 
 4  4   0  1  4    1
  es T      .     
 1  1 1 0   1  4 

12
 13
Leonor Carvajal

Consideremos ahora las simetrías o reflexiones:

a) Con respecto al eje de ordenadas b) Con respecto al eje de abscisas

y y
  x1   x1   x1 
 
 x2   
 
 x2  x2   x 2 

x x
O O
x
-x1 x1

-x2
  x1 
 
 x2 
 1 0  1 0 
 0 1  0 1
   
 x    1 0   x1    x1   x   1 0   x1   x1 
T  1          T  1         
 x2   0 1   x2   x2   x2   0  1  x2    x2 

 0 1
c) Con respecto a y=x:  1 0
 

 x1 
y  
●  x2 

 x1 
   x   0 1   x1   x2 
● 2  T  1     .    
x
O
x  x2   1 0   x2   x1 
y=x

Consideremos dos ejemplos más complejos:

13
 14
Leonor Carvajal

 x   0 1   x1   x   x2 
Ejemplo 1: T  1     .   o sea T  1    
 x2   1 2   x2   x 2   x1  2x 2 
Se observa que x1 se cambia por x2 lo cual hace pensar en una reflexión con respecto a la recta y = x .
x   x2 
Luego a la nueva ordenada se le suma 2 x2 lo cual “desliza” el punto  1  hacia una nueva posición  
 x2   x1 2x 2 
produciendo un deslizamiento cortante de coeficiente 2 en la dirección del eje de ordenadas.
Como los puntos del eje de ordenadas tienen todos abscisa nula, permanecen fijos.
Esta información la reflejamos mediante:
 0 1
Reflexión con respecto a y = x   
 1 0
 1 0
Deslizamiento cortante de coeficiente 2 en la dirección de y   
 2 1

Pero, ¿cuál es el orden de aplicación?

a) Siguiendo el análisis previo:

 1 0   0 1   x1   1 0   x2   x2   x1 
  .   .      .      T  
 2 1   1 0   2  
x 2 1  1  1
x x  2 x 2  x2 
b) Si seguimos el otro orden:

 0 1   1 0   x1   0 1   x1   2 x1  x2   x1 
  .   .      .       T  
 1 0   2 1   x2   1 0   2 x1  x2   x1   x2 

EL ORDEN CORRECTO ES EL PRIMERO.

Recordar que el producto de matrices no es conmutativo. En consecuencia es de esperar que sólo un cierto
orden sea el correcto.

14
 15
Leonor Carvajal

 x   2 0   x1   2 x1 
Ejemplo 2: Por último consideremos T  1     .    
 x2   0 3   x2   3x2 

x   2 0   0 0   x1 
Lo mismo puede anotarse: T  1        .  
 x2   0 0   0 3   x2 
x   2 0   x1   0 0   x1 
T 1     .   0 3 .  x 
 x2   0 0   x2     2

Proyección sobre eje x Proyección sobre eje y

Dilatación k=2 Dilatación k=3

Luego T es la suma de dos funciones lineales: T1 y T2 .

T1 es una proyección sobre el eje x seguida de una dilatación con k = 2.
T2 es una proyección sobre el eje y seguida de una dilatación con k = 3.
Por lo tanto la acción de T es la de una suma de ambas.

RESUMEN
1 k   1 0
Deslizamiento cortante en la dirección de x......................   y en la dirección de y …………..  
0 1  k 1
 k 0 1 0
Dilatación o compresión en la dirección de x ..................   y en la dirección de y ………….  
 0 1 0 k 
 1 0  0 0
Proyección sobre el eje x .................................................   y sobre el eje y …………………  
 0 0   0 1 
1 0    1 0
Reflexión respecto del eje x ............................................   y del eje y …………………….  
 0 1  0 1
 0 1
Reflexión respecto de y = x ..............................................  
 1 0
 cos   sen 
Rotación antihoraria de ángulo  ....................................  
 sen cos  

15
 16
Leonor Carvajal

Núcleo e imagen o recorrido de una transformación lineal

Sea T: V  W una transformación lineal.

Definición: Núcleo de una transformación lineal T: V  W es el conjunto de los vectores de V cuyas imágenes
por T son el vector cero de W. V T W

Así: NT =  x V / T ( x)  0W 
NuT OW
O sea: x  NT  T /( x)  0W

Propiedad 1:
El núcleo de toda transformación lineal entre dos espacios vectoriales, es un subespacio del primero.
Demostración:
1) NT  V por definición de núcleo
2) NT   pues OV  NT (Prop. de pág. 3 )
3) + es ley de composición interna:
x  NT  y  NT  T (x) = OW  T (y) = OW
Sumando miembro a miembro: T (x) + T (y) = OW
Pero T es una transf.. lineal: T (x + y ) = OW
Luego ( x + y )  NT
4) . es ley de composición externa:
k  R  x  NT  k  R  T (x) = OW
Multiplicando miembro a miembro: k. T (x) = k. OW
Pero T es una transf.. lineal: T ( k . x) = OW
Luego ( k. x )  NT

Propiedad 2:
Una transformación lineal T: V  W es inyectiva si y sólo si el único elemento del núcleo es el vector cero.
T: V  W es inyectiva  NT = 0V 

16
 17
Leonor Carvajal

Demostración:
1) T es inyectiva  NT = 0V  2) NT = 0V   T es inyectiva

x NT : T (x) = OW Por def. de inyect. x  x´  T (x)  T (x´)

Pero OV  NT  T(OV) = OW O bien, por el contrarrecíproco:
Como T es inyectiva, a imágenes iguales corresponden T (x) = T (x´)  x = x´
preimágenes iguales. Del antec. T( x ) – T( x´) = OW
Así: x = OV T ( x – x´) = OW
Por lo tanto: NT = 0V  ( x – x`)  NT

( x – x´) = OV
x = x´
Luego, T es inyectiva.

Definición: imagen de una transformación lineal T: V  W es el conjunto imagen del dominio V, o sea, es la
totalidad de las imágenes de los vectores del primer espacio.
Así: ImT =  y W / y  T ( x) V T W

OV .
OW
Im T

Propiedad:
La imagen o recorrido de toda transformación lineal es un subespacio del segundo espacio vectorial, o sea, del
codominio.
Demostración:
1) ImT  W por definición de imagen.
2) ImT   pues OW  ImT (Prop. de pág. 3 )
3) + es ley de composición interna:
T (x)  ImT  T (y)  ImT  x V  y V /  x  y  V  T  x  y   ImT

Pero T es una transf.. lineal . Luego: T ( x)  T ( y)  ImT

17
 18
Leonor Carvajal

4) . es ley de composición externa:

k  R  T (x)  ImT  k  R  x  V
Pero T es una transf.. lineal. Luego: ( k . x)  V
Entonces: T ( k. x )  ImT
Pero T es una transf.. lineal:  k.T ( x)  ImT

Dimensión del núcleo y dimensión de la imagen

Definición 1: Si T: V  W es una transformación lineal, la dimensión del núcleo se denomina nulidad de T.
Definición 2: Si T: V  W es una transformación lineal, la dimensión de la imagen o recorrido se denomina
rango de T.

Propiedad (Teorema de las dimensiones).

Si T: V  W es una transformación lineal de un espacio vectorial V de dimensión finita n en otro espacio
vectorial W de dimensión finita m, entonces:
Dim NT + Dim Im T = Dim V
Nulidad de T + Rango de T = n

En el caso especial en el que V = Rn , W = Rm y T: V  W es la multiplicación por una matriz Amxn , el teorema

de las dimensiones conduce al siguiente resultado:
Nulidad de T = n – rango de T
Nulidad de T = nº de columnas de A – rango de T (*)
Pero la nulidad de T es la dimensión del espacio de soluciones de A.X = N, y que el rango de T es el rango de la
matriz A, puede demostrarse.
Luego, lo que figura en (*) conduce al teorema:
Si Amxn , la dimensión del espacio de soluciones de A.X = N es n – rango de A.
O sea: Dim (SH) + rango (A) = n
Ejemplo:
2 x1  x2  x3  0
Sea el sistema 
 x1  2 x2  2 x3  0

18
 19
Leonor Carvajal

Al resolverlo vemos que el espacio solución tiene dimensión uno.

 2 1 1
Como la matriz de los coeficientes A =   tiene tres columnas, por el teorema anterior:
 1 2 2 
1 = 3 – rango de A
O sea, rango de A = 2, cosa que puede verificarse rápidamente.

……………………………………………………………………………………………………………………

TEOREMA FUNDAMENTAL DE LAS TRANSFORMACIONES LINEALES

Sean ( V; + ; R ; . ) y (W ; +; R ; . ) espacios vectoriales y B  v1; v2 ;...; vn  una base de V.

Si w1, w2, …., wn son n vectores cualesquiera de W , entonces existe una única transformación lineal T: V  W
tal que T(vi) = wi , i = 1; 2; 3; …; n.

Ejercicio:
Sea la transformación lineal T: R3  R2 que asigna a los vectores de la base B  1,1,1 ; 1,1,0  ; 1,0,0  los

vectores (1; 2), (1; 2) y (-1;1) de R2 , respectivamente.

Necesitamos determinar la imagen de un vector genérico (a; b; c) de R3.

Expresamos a este vector como combinación lineal de los elementos de la base dada:
(a; b; c) = 1 (1; 1; 1) +  2 (1; 1; 0) +  3 (1; 0; 0)

Resulta: 1 = c 2 = b – c 3 = a - b
Luego: (a; b; c) = c (1; 1; 1) + ( b – c) (1; 1; 0) + (a - b) (1; 0; 0)
y T (a; b; c) = c (1; 2) + ( b – c) (1; 2) + (a - b) (-1; 1)
T (a; b; c) = (2b – a; b + a )

19
 20
Leonor Carvajal

MATRIZ ASOCIADA A UNA TRANSFORMACIÓN LINEAL

Hasta ahora hemos trabajado con funciones que aplicaban R2 en R2 y que estaban definidas como el producto de
una matriz real A de orden dos por la matriz de coordenada canónicas de un punto cualquiera de R2.
Estas funciones resultaron ser transformaciones lineales.
Cabe preguntarse ahora, si dada una transformación lineal T: R 2  R 2 , será siempre posible hallar una matriz
A  R 2x 2 , de manera que se pueda obtener la imagen por T de cada punto de R2 como producto de A por la
matriz de coordenadas canónicas de dicho punto.
Consideremos el siguiente ejemplo:
x   x  6 x2 
Sea T: R 2  R 2 la transformación lineal que asigna a cada punto  1  R 2 el punto  1  R 2 .
 x2   3x1  4 x 2 

 x   x  6 x2 
O sea , T: R 2  R 2 / T  1    1  .
 x2   3x1  4 x2 
¿Cuál es la matriz asociada?
1  0
Las imágenes de la base canónica de R2, e1=   y e2 =   pueden calcularse aplicando la fórmula dada de T.
 0 1
 1   1  0  6
Así: T      y T     
 0   3  1  4
1 6
Armemos con estas imágenes una matriz A de orden dos: A =   y premultipliquemos por A la matriz de
 3 4
las coordenadas canónicas de cualquier punto de R2 :
 1 6   x1   x1  6 x2  x 
  .       T  1 
 3 4   x2   3x1  4 x2   x2 
Resulta T la premultiplicación por A. La matriz A se llama MATRIZ ESTÁNDAR para T y sus columnas son
las coordenadas canónicas de los transformados por T de los vectores de la base canónica o estándar de R2.

¿ Qué pasará si cambiamos las bases canónicas por otras bases?.

¿ Podemos hallar una matriz D que “represente” a T y que permita obtener T(P) por multiplicación?.
¿ Y si trabajamos en otros espacios?.

20
 21
Leonor Carvajal

Consideremos una transformación lineal T: V  W entre los espacios vectoriales V y W, de dimensiones

finitas: n y m, respectivamente. Sean BV y BW bases ordenadas de cada uno de estos espacios.

Sabemos que: Directo (fórmula)

v V T (v) W

BV BW

vB V T (v)B W

¿Cómo cerrar este rectángulo para ir de v  V hasta T (v) W , por otro camino?

Demostraremos que si se fija una base en cada espacio, la transformación lineal queda caracterizada por una
matriz Amxn , que llamaremos matriz de la transformación lineal, respecto de las bases dadas.

En efecto: sean BV = v1 ; v 2 ; v3 ;...; v n  una base de V y BW = w1 ; w2 ; w3 ; ... ; wm una base de W, ambas
ordenadas.
Si v es cualquier vector de V, puede expresarse como combinación lineal de la base fijada:
 1 
 
 2
(1) v =  1 .v1   2 .v 2  ...   n .v n  vB   .... 
 .... 
V

 
 n 
Si el transformado de v V es T (v) W , T (x) se puede expresar como combinación lineal de la base BW:
  `1 
 
 
(2) T (v) = 1 .w1   2 .w2  ...   m .wm  T (v)BW  2 
...
 
 
 m  m1

21
 22
Leonor Carvajal

En (1), por el teorema fundamental de las transformaciones lineales:

T (v) =  1 .T (v1 )   2 . T (v 2 )  ...   n T (v n )
   
W W W

T (v) = 1 .a11.w1  a 21.w2  a31.w3  ...  a m1 .wm    2 .a12 .w1  a 22 .w2  a32 .w3  ...  a m2 .wm   ... 

  n .a1n .w1  a 2n .w2  a3n .w3  ...  a mn .wm 

Obsérvese que el primer subíndice de los aij corresponde a los vectores de la base BW del segundo espacio y el
segundo subíndice a la base BV del primer espacio.

También puede expresarse:

     1            2              m       
T (v) = 1.a11   2 .a12  ...   n .a1n .w1  1.a21   2 .a22  ...   n .a2n .w2  ...  1.am1   2 .am2   3.am3  ...   n .amn .wm

Esta igualdad puede escribirse en forma matricial, de la siguiente manera:

 a11 a12 ... ... a1n   1   1 

     
 a21 a22 ...
 ... ... ...
... a2 n    2    2   T (v ) T v2 B ... ... T vn B . vB  T v BW por (1) y (2)
... ...  .  ...    ...  
1 BW w W V

     
 ... ... ... ... ...   ...   ... 
a ... a       
 m1  am 2 ...   mn   n  m 
Am  n v BV T ( v ) BW

O sea: Amn . vBV  T (v)BW ´

Por consiguiente, para hallar la matriz de una transformación lineal T respecto de una base en cada espacio, se
procede de la siguiente manera:
1) determinamos las imágenes, por T, de los vectores de la base del primer espacio.
2) expresamos estas imágenes como combinación lineal de los elementos de la base del segundo espacio y los
expresamos como una matriz de orden n  m.
3) la traspuesta de la matriz de los coeficientes es la matriz de orden m  n de la transformación lineal respecto
de las bases dadas.

22
 23
Leonor Carvajal

Luego, el rectángulo inicial puede cerrarse de la siguiente manera:

Directo (fórmula)
v V T (v) W

BV BW

vB V Premultiplicar T (v)BW

por Amxn

Ejemplo:
Sean T: R3  R2 / T(x;y;z) = ( x + y + z ; 2 x + 3 y ). BR3  1;1;1;, 1;1;0, 1;0;0 y BR 2  1;1 , 1;0 bases
ordenadas de cada espacio vectorial. Obtener la matriz asociada a la transformación lineal T.

1) T ( 1; 1; 1) = ( 3 ; 5)
T ( 1; 1; 0) = ( 2 ; 5)
T ( 1; 0; 0) = ( 1 ; 2)

2) ( 3 ; 5) = a11 ( 1; 1) + a21 ( 1; 0)  a11 = 5  a21 = - 2

( 2 ; 5) = a12 ( 1; 1) + a22 ( 1; 0)  a12 = 5  a22 = - 3
( 1 ; 2) = a13 ( 1; 1) + a23 ( 1; 0)  a13 = 2  a23 = - 1

 5 5 2
3) A2x3 =   que es la matriz pedida.
  2  3  1

Propiedad: Rango de A = Dimensión de ImT , o sea, rango de A = rango de T.

……………………………………………………………………………………………………………………

23
 24
Leonor Carvajal

Transformaciones lineales inversas

Sabemos que si T: V W es una T.L., la imagen de T, o sea: ImT es el subespacio de W formado por todas las
imágenes de los vectores de V, según T.
Si T es monomorfismo o 1-1, a distintos vectores de V corresponden distintas imágenes o transformados en W.
Por lo tanto se puede definir una nueva función, denominada inversa de T (se simboliza T -1) que tiene por
dominio al conjunto imagen de T y que hace “retroceder” a los w  W en v  V.

V W
T

V .

-1
T
 T1 (v) ImT
Luego: T T (v)  v
1
 1
y T T (w)  w 
De tal manera que aplicando T y T-1 en forma sucesiva y en cualquier orden cancelan entre sí el efecto que
tienen.

Observación: El dominio de T -1 es ImT que no necesariamente coincide con W.

Si T:V  V es 1-1, entonces ImT = V y en este caso el dominio de T -1 es todo V.

Ejemplo: Sea T: R3  R3 / T (x;y;z) = (x + y + z ; x + y ; x – y).

Determinar si es 1-1 y en caso afirmativo, hallar T-1.

Desarrollo:
x  y  z  0

Buscamos el NuT , o sea, resolvemos  x  y  0  x  y  z  0  NuT  0;0;0  T es 1-1 y existe T .
-1

x  y  0

 0 0 2  1 1
t
1 1 1   0
  1 1  1 1 
A  1 1 0   A    1 1 2   A    0 1 1 
2  2
1  1 0 
   1 1 0   2 2 0 
 x  0  1  1  x 
  1   
T : R  R / T  y     0  1 1 . y 
-1 3 3

 x 2
   2 2 0   z 

24
 25

Leonor Carvajal

Composición de transformaciones lineales

Si T1 : V  U y T2 : U  W son transformaciones lineales, la composición de T2 con T1 T2 T1  que se lee

“ T1 seguida de T2 “, es la función definida:
T2 T1 : V  W / T2 T1 (v)  T2 T1 (v) con v V
El dominio de T2 debe contener a la imagen de T1 .

T2 T1

v T1(v)  T2(T1(v)) = w
 T1 T2

V U W

Este diagrama muestra la composición de T1 seguida de T2 , o sea, composición de T2 con T1 .

Propiedades:

1) Si T1 : V  U y T2 : U  W son transformaciones lineales, entonces T2 T1 : V  W es una transf. lineal.

2) Si T1 : V  U y T2 : U  W son 1-1, entonces T2 T1 : V  W es 1-1.
3) T2 T1   T11 T21
1

4) La matriz estandar para la inversa de una composición es el producto de las inversas de las matrices
estandar, en orden invertido o cambiado: AT T 1  AT11 . AT21
2 1

Nota: Si A1 es la matriz de la transformación lineal T1 y A2 es la matriz de la transformación lineal T2, resulta:

1) la matriz de la transformación lineal T2 T1 es A2 .A1
2) la matriz de la transformación lineal T1 T2 es A1 .A2

Ejercicio:
Sean T1 : R 2  R 2 / T1 x; y   x  y ; x  y  y T2 : R 2  R 2 / T2 x; y   2 x  y ; x  2 y  . Se pide:
a) Demostrar que T1 y T2 son monomorfismos o 1-1.
b) Encontrar fórmulas para T11 ; T21 y T2 T1 1
c) Comprobar que T2 T1   T11  T21
1

25
 26

Leonor Carvajal

Desarrollo:
x  y  0
a)   x  y  0  NuT  0,0  T1 es monomorfismo. Análogamente, T2 es monomorfismo.
x  y  0

1 1  1   1  1 1 1 1   x
b) b-1) AT1     AT11      T11  R 2  R 2 / T11 x; y    . 
1  1 2 1 1  2 1  1  y 
x y x y
T11 : R 2  R 2 / T1 x; y   
1
; 
 2 2 

2 1  1   2  1 1 2 1   x
b-2) AT2     AT21      T21  R 2  R 2 / T21 x; y    . 
 1  2 5  1 2  5  1  2   y 

T21 : R 2  R 2 / T2
1
x; y    2 x  y ; x  2 y 
 5 5 

1  x  1 1 1  1  2 1   x  1  x  1  3  1  x 
b-3) T2 T1            T2 T1        
 y  2 1  1 5  1  2   y   y  10  1 3   y 
T2 T1 1     3x  y ; x  3 y 
x
 y   10 10 

c) c-1) T2 T1 x; y   T2 x  y ; x  y   2x  y   x  y ; x  y  2x  y 

 3 1 1  3  1
(T2 T1 )x; y   3x  y ;  x  3 y   AT2 T1     AT21T1   
  1 3  10  1 3 

 2x  y x  2 y 2x  y x  2 y 
   
1  2 x  y x  2 y     3x  y ; x  3 y 

c-2) T11 T21 
x; y   T1  ;
5  
=  5 5 ; 5 5
  10
 5 2 2 10 
 
 

…………………………………………………………………………………………………………………………

26
 27

Leonor Carvajal

CAMBIO DE BASE:

En muchas situaciones no es conveniente trabajar con la base canónica (por ejemplo).

En cambio, trabajar con matrices diagonales o triangulares suele simplificar los cálculos, por la abundancia de
ceros.
Por tal motivo, dada una transformación lineal T : V  V (V de dimensión finita), puede ser muy útil hacer un
CAMBIO DE BASE.
x2 y2
Por ejemplo: y La gráfica corresponde a una elipse cuya ecuación es de la forma 2  2  1
a b
b y
a
x x

Pero cuando los ejes de la elipse no son coincidentes o paralelos a los coordenados: la ecuación
de la cónica no es tan sencilla. Por esta razón recurrimos a una nueva base en función de la cual, la cónica sea
fácilmente reconocible y graficable:
y´ x´
x´2 y´ 2
b a  2 1
a2 b

Consideremos en R2 las bases S = u1 , u 2  y T  v1 , v2 . (S es la base “vieja” y T es la base “nueva”).

 x  x  x  c 
Si X     R 2 en la base S se anota: (*)    c1 u1  c2 u 2      1  .
 y  y  y  S  c2 
Como u1 y u2 pertenecen a R2, se pueden escribir como combinación lineal de la base T, es decir:
u1 = p11 . v1 + p21 . v2 y u2 = p12 . v1 + p22 . v2
Estas expresiones se reemplazan en (*) y resulta:
 x
   c1  p11 . v1  p 21 . v 2   c 2  p12 . v1  p 22 . v 2 
 y
 x
   c1 . p11  c 2 . p12 . v1  c1 . p 21  c 2 . p 22  .v 2
 y
Estos coeficientes son las coordenadas de X en la base T.

27
 28
Leonor Carvajal

 x   c .p  c .p   x  p p12   c1 
Se puede anotar:     1 11 2 12       11  .  
 y  T  c1 . p 21  c 2 . p 22   y  T  p21  p 22 c 2 
P  x  
   
 y   S

Luego: X T  P .X S donde PS T es una matriz inversible.

Por lo tanto: PT1 S , es decir X S  P 1 .X T

Nota: Obsérvese que las columnas de P son las coordenadas de los elementos de la base S, en función de la base
T.
p p12 
P   11 
 p 21 p 22 
u1 T u 2 T
Ejemplo: Sean S  1,2, 2,0 y T   1,1, 0,1.
1) Obtenga PS T y PT S

2) Verifique que PS T y PT S son inversas.

 1 
3) Busque las coordenadas de X =   en la base S, en la base T y luego verifique respuestas aplicando
  2
PS T y PT S .

Desarrollo:
1) PS T :

 p11 1
(1,2) = p11. (-1,1) + p21 .(0,1)    p11  1 y p 21  3
 p11  p 21  2

 p 2
(2,0) = p12 .(-1,1) + p22 .(0,1)   12  p12  2 y p 22  2
 p12  p 22  0
  1  2
Luego: PS T   
3 2 

28
 29
Leonor Carvajal

Para PT S :

 q11  2q 21  1 1 3
(-1,1) = q11 .(1,2) + q21 .(2,0)    q11  y q 21  
2.q11  1 2 4

 q  2.q 22  0 1 1
(0,1) = q12 .(1,2) + q22 .(2,0)   12  q12  y q 22  
2.q12 1 2 4

 1 1 
 
Resulta: PT S  2 2 
  3  
1
 4 4

 1 1 
  1  2  2 
2    1 0 
2) PS T . PT S    .
3 2    3 
   0 1 
1 

 4 4

 1 1 
 
PT S . PS T  2 2  .   1  2    1 0 
  3 1  2   0 1 
   3
 4 4
Luego: PS T y PT S son inversas.

 1 
3)   :
  2  S

 1   1  2   1  2. 2  1
    1     2       1  1 y 2  1
  2  2  0 2. 1  2

 1    1
Luego:     
  2  S  1 
 1    1
Análogamente:      pues:
  2  T   1

 1    1  0   1 1
    1 .    2 .      1  1 y  2  1
  2 1  1   1   2  2

29
 30
Leonor Carvajal

Verificamos ambas respuestas aplicando PS T y PT S de la siguiente manera:

 1 1 
 1     1 
   2 2  .   1    1   1  2    1   1
  
1    
y      .    
  2  S   3     1  1    2  T  3 2   1    1
 4 4
Nota: Si S y T son bases ortonormales, entonces P es ortogonal, o sea: P.Pt = I.

…………………………………………………………………………………………………………………
Esquemas para tener en cuenta
X B premultipl ico T ( X )B
X directo T(X)
por AB
B B` P P-1
X B ' premultipl ico T ( X )B ' X B ' premultipl ico T ( X )B '

por AB ' por AB '

Del segundo esquema:

X B´  PB B´ X B

X B  PB´1B X B´
T  X B  AB . X B
T  X B ´  AB ´ .X B ´
T  X B = P -1 T  X B ´

………………………………………………………………………………………………………………….
¿Cómo asociar la matriz asociada a una transformación lineal con la matriz cambio de base?

30
 31
Leonor Carvajal

Relación entre la matriz asociada a una transformación lineal y la matriz cambio de base P

¿Qué relación existe entre la matriz P de transición de una base B a otra base B´ con las matrices asociadas a
una transformación lineal T:V  V, AB y AB´ respecto de las bases B y B´ ?

Puede demostrarse que: AB = P -1 . AB´ . P

En efecto, cualquiera sea X  V se verifica:
T ( X )B  AB .X B y T ( X )B  P 1.´T ( X ) B '

Igualando los segundos miembros:

AB .X B  P 1 T ( X )B' ´ pero T ( X )B '  AB' .X B' ´

Reemplazando:
AB .X B  P 1 . AB' .X B' intercalo el neutro I

AB .X B  P 1 . AB' . I .X B' pero I  P . P 1

AB .X B  P 1 . AB ' . P . P 1 . X B '

        
 X B

Comparando ambos miembros de la igualdad:

AB =P -1. AB´ . P

Ejemplo: Sea T : R 2  R 2 / T x; y   2 x ; x  3 y  .

 2 0
En la base canónica B  1;0 , 0;1 es AB    que no muestra el efecto que produce la T.L. sobre los
 1 3
pares de R2. Por tal motivo, consideramos otra base B ´ 1;1 , 0;1.

Para obtener la matriz de transición de la base B a la base B´:

1;0  p11 1;1  p 21 0;1  p11  p 21  1 1 0   1 0

 P     P 1   
0;1  p12 1;1  p 22 0;1  p12  0 , p 22  1 1 1    1 1

1 0   2 0   1 0   2 0
Por lo tanto: AB´ =   .   .    AB´ =   que es una matriz DIAGONAL y facilita los
1 1   1 3    1 1   0 3
cálculos posteriores.

¿Se podrá lograr siempre una matriz DIAGONAL? . ¿Cómo conseguir una base B´conveniente?

31
 32
Leonor Carvajal

Definición: Dos matrices A y C cuadradas de orden n, son SEMEJANTES, si y sólo si existe una matriz P
inversible de orden n tal que C = P-1 . A . P

Luego, Sea T:V  V una transformación lineal.

Dos matrices cualesquiera que representan a T , son SEMEJANTES.

Propiedades: las matrices semejantes tienen:

1) la misma traza.
2) igual determinante.
3) el mismo rango.
¡ CUIDADO! : las afirmaciones recíprocas no son propiedades.

Ejemplos.
 1  1  1 2 0 
2
1) A    y C    son semejantes pues existe P    tal que A = P-1 . C . P
 2
 3 0   6  1
 6 3
Obsérvese que : 1) tr (A) = tr ( C) = 1
2) A  C  3

3) rango (A) = rango (C) = 2

 1 2  1 0
2) A    y C    no son semejantes a pesar de tener la misma traza, el mismo determinante
 0 1  0 1
y el mismo rango.

32
33

33
 Superficies Cuádricas o Cuádricas
Ya hemos tenido un primer contacto con el tema de superficies cuando trabajamos con
plano.
Así, las ecuaciones x = 2, 2x + y = 2, x + 3y + 4z = 1 corresponden, respectivamente, a
los planos:
z z z

1/4
2
y y 1/3
y
2 1 1

x x x

Vemos, que en cada caso se trata de una sola ecuación de primer grado, con a lo sumo,
tres variables: x, y, z.

Definimos como superficie al conjunto de puntos y solamente de aquellos puntos, cuyas

coordenadas satisfacen una sola ecuación de la forma F(x; y; z) = 0.

Ej.: 3x2 + y2 + 2z2 = 1 x2 + y2 – z2 = 25 x2 + y2 = z

cuyos respectivos gráficos son (según veremos enseguida):

S3
S1 S2
Elipsoide Hiperboloide de una hoja Paraboloide elíptico

En la Geometría Analítica de tres dimensiones es sumamente importante la ecuación ge-

neral de segundo grado con tres variables de la forma:

a11 x 2  a22 y 2  a33 z2  2a12 xy  2a13 xz  2a23 yz  2a14 x  2a24 y  2a34 z  a44 0,
                         
Términos cuadráticos Términos rectangulares Términos lineales T .independ.

con a11, a22, a33, a12, a13, a23 no simultáneamente nulos. Las superficies cuyas ecuaciones
tienen esta forma, se denominan superficies cuádricas o simplemente cuádricas.

1
 Análogamente a lo visto cuando estudiamos cónicas, se puede hacer una rototraslación
conveniente de ejes coordenados según la cual la superficie queda en posición canónica o
normal.

Así, se obtienen ecuaciones que anotamos:

Ax2 + By2 + Cz2 = P (I)

Ax2 + By2 = Qz ( II )

Si todos los coeficientes de estas ecuaciones son no nulos, las mismas pueden escri-
birse, respectivamente:

x2 y 2 z 2
   1 Ecuaciones canónicas de las cuádricas con centro
a 2 b2 c2

Ecuaciones canónicas de las cuádricas sin centro

x2 y 2
   2c z
a 2 b2

Si uno o más de los coeficientes de las ecuaciones ( I ) y ( II ) son nulos, se dice que las
cuádricas a las que corresponden estas ecuaciones son cuádricas degeneradas.

Análisis de la ecuación de una superficie

Para graficar una superficie es conveniente tener en cuenta:

1) Intersecciones con los ejes coordenados (a los que llamaremos ejes principales de la su-
perficie).

2) Trazas o intersecciones con los planos coordenados (a los que llamaremos planos principa-
les de la superficie).

3) Simetría con respecto a los ejes coordenados, planos coordenados y al origen de coorde-
nadas.

4) Secciones con planos paralelos a los coordenados.

5) Extensión de la gráfica.

Con respecto a la simetría, decimos que para determinar si una superficie F(x; y; z) = 0 es
simétrica con respecto a los ejes coordenados, planos coordenados y origen de coordenadas
debe tenerse en cuenta el siguiente cuadro:

2
 Superficie simétrica respecto al:
a) F(x; y; z) = F(-x; y; z) = 0 Plano yz
1 b) F(x; y; z) = F(x; -y; z) = 0 Plano xz
c) F(x; y; z) = F(x; y; -z) = 0 Plano xy
a) F(x; y; z) = F(-x;-y; z) = 0 Eje z
2 b) F(x; y; z) = F(-x; y; -z) = 0 Eje y
c) F(x; y; z) = F(x; -y; -z) = 0 Eje x

3 F(x; y; z) = F(-x; -y; -z)= 0 Origen de coordenadas.

Así, la superficie de ecuación x2 – 2y2 + 3z2 = 1 es simétrica con respecto a los tres ejes
coordenados, a los tres planos coordenados y al origen de coordenadas pues:

x2 – 2y2 + 3z2 = (-x)2 – 2(-y)2 + 3(-z)2 = 1

Analizamos primero las cuádricas con centro. Son:

A Elipsoide B Hiperboloide C Hiperboloide de

de una hoja dos hojas

S1
S2 Ka Kb

a. Elipsoide

Si todos los coeficientes de la ecuación

x 2 y 2 z2
 2  2  2 1
a b c

son positivos, se tiene la ecuación de un elipsoide. O sea:

x 2 y 2 z2
  1
a2 b2 c 2

3
 Del análisis de esta ecuación, resultan las siguientes propiedades:

( I ) Las intersecciones del elipsoide con los ejes de abscisas, ordenadas y cotas son, respec-
tivamente, los puntos

A1,2  ( a;0;0 ) , B1,2  ( 0; b;0 ) y C1,2  ( 0;0; c ).

Los segmentos A1A2 = 2 a; B1B2 = 2 b; C1C2 = 2 c son los “ejes del elipsoide”.

(II) El elipsoide es simétrico con respecto a cada uno de los planos coordenados (estos pla-
nos se denominan “planos principales” del elipsoide), con respecto a cada uno de los ejes
coordenados (estos ejes se denominan “ejes principales” del elipsoide) y con respecto al
origen de coordenadas. Ello se debe a que:

x 2 y 2 z2 (  x )2 (  y )2 ( z )2
     1
a2 b2 c 2 a2 b2 c2

(III) Las “trazas” del elipsoide, o sea, sus intersecciones con los planos principales son las
elipses cuyas respectivas ecuaciones son:
x2 y 2 x 2 z2 y 2 z2
  1 ,   1 y   1 , que se obtienen haciendo, en la
a2 b2 a2 c 2 b2 c 2
x 2 y 2 z2
ecuación    1 , z = 0 para la primera, y = 0 para la segunda y x = 0 para la
a2 b2 c 2
tercera.

(IV) Cuando el elipsoide es intersecado por un plano paralelo al plano xy, o sea, por un plano
de ecuación z = k, la ecuación resultante se obtiene reemplazando en la ecuación del
elipsoide a z por k.

x2 y 2 k 2
Es decir:   1
a2 b2 c 2

x2 y 2 k2
Resulta:   1  . #
a2 b2 c2

Puede darse:

k2 k2
(i) 1  0 (se obtienen elipses) 1  k  c  c  k  c
c2 c2

k2
(ii) 1  0 (se obtienen dos puntos: ( 0 ;0 ; c ) , “elipses degeneradas”)
c2
k2
 1  k  c  k  c o k  c
c2

4
 k2 k2
(iii) 1   0 (no existe lugar geométrico) 1  k c  k c o k  c
c2 c2

Por lo tanto ya podemos decir que el elipsoide está definido o se extiende en el intervalo
[-c; c] con respecto al eje z.

Un razonamiento similar se debe hacer cuando el plano es paralelo al plano xz (el elipsoi-
de de extiende en [-b, b]), o al plano yz (se extiende en [-a,a]). Luego el elipsoide es una su-
perficie cerrada.

Casos particulares de elipsoide

1) Si a = b la ecuación # corresponde a una circunferencia para k  c y se dice entonces

que el elipsoide es un elipsoide de revolución de eje z, es decir, se puede obtener el elip-
soide haciendo rotar su traza con el plano xz, en torno del eje z.
Análogamente, si a = c tenemos un elipsoide de revolución de eje y y si b = c un elipsoi-
de de revolución de eje x.
Si a = b = c , el elipsoide es una “superficie esférica” de radio a.
Su ecuación puede escribirse:
x2 + y2 + z2 = a2
2) El elipsoide puede ser real o imaginario, según que en la ecuación

x 2 y 2 z2
    1 , se verifique
a2 b2 c 2
     
 elipsoide real
    

     
 elipsoide imaginario.
    

b. Hiperboloide de una hoja

Si dos de los coeficientes de la ecuación:

x 2 y 2 z2
   1
a2 b2 c 2

son positivos y uno es negativo, se tiene la ecuación de un hiperboloide de una hoja.

O sea:

x 2 y 2 z2 x 2 y 2 z2 x 2 y 2 z2
   1 ;    1 ;    1
a2 b2 c 2 a2 b2 c 2 a2 b2 c 2

5
 Consideremos, por ejemplo, la ecuación:

x 2 y 2 z2
  1
a2 b2 c 2

S2

Del análisis de la misma, resultan las siguientes propiedades:

(I) Las intersecciones del hiperboloide con el eje de abscisas son los puntos A =(  a;0 ;0 ),
con el eje de ordenadas: B = (0;  b; 0) y no corta al eje de cotas. Se dice que es un hi-
perboloide situado a lo largo del eje z.
(II) El hiperboloide es simétrico con respecto a cada uno de los planos coordenados (son los
planos principales del hiperboloide), con respecto a los ejes coordenados y con respecto
al origen.
(III) Las “trazas” del hiperboloide o sea, sus secciones con los planos principales son las cóni-
cas de ecuaciones:

x2 y 2
 1 Elipse (con respecto al plano xy).
a2 b2
x2 z 2
 1 Hipérbola (con respecto al plano xz).
a2 c2
y2 z2
 1 Hipérbola (con respecto al plano yz).
b2 c2

(IV) La sección del hiperboloide con un plano paralelo al plano xy es una cónica que tiene por
ecuaciones:

 x 2 y 2 z2
 2  2  2 1
a b c
z  k


x2 y 2 k2
O sea:   1  , que corresponde a elipses.
a2 b2 c2

Si k crece en valor absoluto, el plano de ecuación z = k se aleja del plano coordenado xy

y los diámetros de la elipse se hacen cada vez mayores.

6
Análogamente, las secciones del hiperboloide con planos paralelos al plano xz o al plano yz
son hipérbolas cuyas respectivas ecuaciones son:

 x 2 y 2 z2  x 2 y 2 z2
 2  2  2 1  2  2  2 1
a b c y a b c
y  k x  k
 1  2

O sea:

2 2
x 2 k1 z2 k2 y 2 z2
  1 y   1
a2 b2 c 2 a2 b2 c 2

2
x 2 z2 k y 2 z2 k22
2
 2  1  12 y   1 
a c b b2 c 2 a2

Cuando k1 crece en valor absoluto hasta b, los vértices de la hipérbola se van acercando.
Cuando k1  b la hipérbola degenera en un par de rectas que se cortan en B = (0;  b; 0) y
cuando k1  b los ejes de la hipérbola intercambian sus direcciones.

Caso particular

Si a = b, la traza con el plano xy es una circunferencia y el hiperboloide se denomina hi-

perboloide de revolución, de eje z.

Análogamente,

x 2 y 2 z2 x 2 y 2 z2
   1 y    1
a2 b2 c 2 a2 b2 c 2
corresponden, respectivamente, a hiperboloides de una hoja situados a lo largo del eje y y del
eje x, que se transformarán en hiperboloides de revolución cuando a = c y b = c.
Ejercicio: Sea el hiperboloide de una hoja de ecuación:

x2 y 2 z 2
  1
4 9 2
Halle las ecuaciones de las secciones del hiperboloide con los planos de ecuaciones z = 2 ,
y = 2.

Para hallar las ecuaciones pedidas, resolvemos los sistemas:

 x2 y2 z 2  x2 y 2 z 2
   1    1
4 9 2 y 4 9 2
z  2 y  2
 

O sea:

7
 x 2 y 2 22 x 2 22 z 2
  1 y   1
4 9 2 4 9 2

x2 y 2 x2 z 2
 1 y  1
12 27 20 10
9 9

“elipse” “hipérbola”

c. Hiperboloide de dos hojas

Si uno de los coeficientes de la ecuación:

x2 y 2 z 2
   1
a 2 b2 c 2

es positivo y los otros dos son negativos, se dice que la superficie a la que corresponde es un
hiperboloide de dos hojas.
O sea:

x2 y 2 z 2 x2 y 2 z 2 x2 y 2 z 2
  1 ;  2  2  2 1 ;  2  2  2 1
a 2 b2 c 2 a b c a b c

Consideremos por ejemplo la ecuación:

x2 y 2 z 2
  1
a 2 b2 c 2

Ka Kb
Del análisis de la misma, resultan las siguientes propiedades:

(I) Las intersecciones del hiperboloide con el eje de abscisas son los puntos ( a;0 ;0 ) . No
hay intersecciones con el eje de ordenadas ni con el eje de cotas.

8
(II) El hiperboloide es simétrico con respecto de cada uno de los planos coordenados (son los
planos principales del hiperboloide), con respecto a los ejes coordenados y con respecto
al origen, pues
x 2 y 2 z 2 ( x) 2 (  y ) 2 (  z ) 2
    2  2  1.
a 2 b2 c 2 a2 b c
(III) Sus trazas son las cónicas de ecuaciones:

x2 y 2
 1 Hipérbola (con respecto al plano xy)
a 2 b2

x2 z 2 Hipérbola (con respecto al plano xz)

 1
a2 c2

(IV) Las secciones del hiperboloide con planos paralelos al xy y al xz, o sea, con planos de
ecuaciones z = k1 y y = k2 , respectivamente, son hipérbolas cuyos vértices se van ale-
jando uno del otro a medida que k1 y k2 crecen en valor absoluto.

En el primer caso: En el segundo caso:

x2 y 2 k12 x2 z 2 k22
  1    1 
a 2 b2 c2 a2 c2 b2

Las secciones del hiperboloide con planos paralelos al yz, o sea, con planos de ecuación
x = k3 , son elipses si k3  a , dos puntos si k3  a y no hay intersección si k3  a .

(V) El hiperboloide de ecuación:

x2 y 2 z 2
   1 está situado a lo largo del eje x.
a 2 b2 c 2

Análogamente, los de ecuaciones:

x2 y 2 z 2 x2 y 2 z 2
   1 y    1
a 2 b2 c2 a 2 b2 c2

están situados, respectivamente, a lo largo del eje y y del eje z (que son los términos positi-
vos).

Caso particular

Si en las ecuaciones del punto (V), b = c, a = c o a = b, respectivamente, los hiperboloides se

denominan hiperboloides de revolución.

9
Importante: Resumen de la clasificación de cuádricas con centro.

La superficie correspondiente a

x2 y 2 z 2
   1
a 2 b2 c 2
es un elipsoide si todos los términos del primer miembro son positivos; un hiperboloide de una
hoja si un solo término es negativo y un hiperboloide de dos hojas si dos términos son negati-
vos.

Si es un hiperboloide, se dice que está situado a lo largo del eje correspondiente al término
cuyo signo difiere del de los demás.

Si todos los términos del primer miembro son negativos, la superficie es imaginaria.

Ejercicio. Exprese las siguientes ecuaciones en su forma canónica u ordinaria, según corres-
ponda. Clasifíquelas,

a. 2x2 + y2 – z2 + 4 = 0
b. 3x2 + y2 + z2 – 6x + 8y + 3 = 0
c. x2 – 4y2 – 2z2 + 16y – 2 = 0
d. x2 + 8y2 + 5z2 + 1 = 0

Resultan:

a. 2x2 + y2 – z2 + 4 = 0

x2 y 2 z 2
   1 que es un hiperboloide de dos hojas situado a lo largo del eje z.
2 4 4

b. 3x2 + y2 + z2 – 6x + 8y + 3 = 0

Completando cuadrados:

3(x – 1)2 + (y + 4)2 + z2 = 16

( x  1)2 ( y  4)2 z 2
  1 que es un elipsoide con centro en O´ = (1; -4; 0)
16 16 16
3

10
 c. x2 – 4y2 – 2z2 + 16y – 2 = 0

Completando cuadrados:

x2 – 4(y – 2)2 – 2z2 = -14

x 2 ( y  2)2 z 2 que es un hiperboloide de una hoja, con centro O´= (0; 2; 0),
   1 situado a lo largo de un eje paralelo al de las x.
14 7 7
2

d. x2 + 8y2 + 5z2 + 1 = 0

- x2 – 8y2 – 5z2 = 1 que es un elipsoide imaginario.

Analizamos ahora las cuádricas sin centro. Son:

A Paraboloide elíptico B Paraboloide hiperbólico

S3 Paraboloide5

Si los signos de los coeficientes de x2 e y2 en la ecuación:

x2 y2
   2c z
a2 b2

son iguales, la superficie correspondiente es un paraboloide elíptico y si son distintos, se tiene

un paraboloide hiperbólico.

11
a. Paraboloide elíptico

Sea la ecuación

x2 y 2
  2c z
a 2 b2

S3
Del análisis de la misma, resultan las siguientes propiedades:

(I) La única intersección del paraboloide elíptico con los ejes coordenados es el origen
(II) El paraboloide elíptico es simétrico con respecto a los planos coordenados yz y xz, y con
respecto al semieje positivo de cotas.
(III) Sus trazas son:

x2 y 2 (con respecto al plano xy es una elipse degenerada, es

 0
a 2 b2 el punto (0;0; 0)).

x2
 2c z (con respecto al plano xz es una parábola de eje z)
a2

y2
2c z (con respecto al plano yz es una parábola de eje z).
b2

(IV) Las secciones del paraboloide elíptico con planos paralelos al yz y al xz, o sea con planos
cuyas respectivas ecuaciones son x = k1 y y = k2 , son parábolas cuyos vértices se alejan
del plano xy a medida que k1 o k2 crecen en valor absoluto.
La sección del paraboloide elíptico con un plano paralelo al xy o sea con un plano de
ecuación z = k3 está dada por:

 x2 y 2
 2  2  2c z
a b
z  k
 3

x2 y2 x2 y2
o sea:   2 c k3 o bien:  1
a2 b2 2a 2ck 3 2b 2ck 3

que corresponde a una elipse si c y k3 tienen igual signo, a una cónica imaginaria si c y k3
tienen signos distintos.

12
Si c > 0 el paraboloide se encuentra arriba del plano xy y cuando k3 crece, las elipses se van
alejando del plano xy.
Se dice que es un paraboloide elíptico situado a lo largo del semieje positivo de cotas.

Análogamente, si c < 0, la superficie se halla por debajo del plano xy y se dice que está situado
a lo largo del semieje negativo de cotas.

Luego,
x2 z 2 y2 z2
  2b y y   2a x
a2 c2 b2 c 2

son ecuaciones que corresponden, respectivamente, a paraboloides elípticos situados a lo lar-

go del semieje positivo de ordenadas (si b > 0) y a lo largo del semieje positivo de abscisas
(si a > 0).
Caso particular

Si a = b, a = c y b = c, las ecuaciones

x2 y 2 x2 z 2 y2 z2
  2c z ,   2b y y   2a x
a 2 b2 a2 c2 b2 c 2

corresponden, respectivamente, a paraboloides elípticos de revolución, cuyos ejes coinciden

con los semiejes positivos de coordenadas (si c > 0, b > 0 y a > 0).

b. Paraboloide hiperbólico

Sea la ecuación

x2 y2
  2c z
a2 b2

Paraboloide5
Del análisis de la misma, resultan las siguientes propiedades:

(I) Es simétrico con especto a los planos yz y xz y con respecto al eje de cotas pues
x 2 y 2 ( x) 2 (  y ) 2
   2  2c z
a 2 b2 a2 b

(II) La única intersección del paraboloide hiperbólico con los ejes coordenados es el origen.

(III) Sus trazas son las cónicas de ecuaciones:

13
 x2 y 2
 0 Hipérbola que degenera en dos rectas (con el plano xy)
a 2 b2

x2
 2c z parábola de eje z (con el plano xz)
a2

y2 parábola de eje z (con el plano yz)

  2c z
b2

IV) La sección del paraboloide hiperbólico con un plano paralelo al xy o sea, con un plano de
ecuación z = k1 , se expresa:

 x2 y 2
 2  2  2c z
a b
z  k
 1

x2 y2 x2 y2
O sea:   2 c k1 O bien:  1
a 2 b2 2a 2ck1 2b2ck1

que corresponde a hipérbolas.

A medida que k1 crece en valor absoluto, los vértices de las hipérbolas se alejan del eje z.

Se dice que se tiene un paraboloide hiperbólico situado a lo largo del eje de cotas.

Análogamente, se dice que las ecuaciones

x2 z 2 y2 z2
  2b y y   2a x
a2 c2 b2 c 2

corresponden a paraboloides hiperbólicos situados a lo largo del eje de ordenadas y de absci-

sas, respectivamente.

Las secciones del paraboloide hiperbólico con planos paralelos al yz o al xz son parábolas.
Obtenga sus ecuaciones.
Importante. El paraboloide elíptico y el paraboloide hiperbólico se hallan situados a lo largo del
eje correspondiente a la variable de primer grado de sus respectivas ecuaciones.

Ejercicio 1. Clasifique las ecuaciones:

a. 2x2 + 3z2 – y = 0
b. 3x2 – y2 + 4x = 0
c. 4y2 + z2 + 2x = 0

14
Desarrollo:

a. 2x2 + 3z2 = y Paraboloide elíptico situado a lo largo del semieje positivo

de ordenadas.

b. 3x2 – y2 = -4z Paraboloide hiperbólico situado a lo largo del eje z

c. 4y2 + z2 = -2z Paraboloide elíptico situado a lo largo del semieje negativo

de abscisas.

Ejercicio 2. Halle las ecuaciones de las trazas de los hiperboloides de ecuaciones

x2 z 2 x2 y 2
  4y y    9z
4 9 9 25

Desarrollo:

Traza con respecto al plano de ecuación

Superficie
x=0 y=0 z=0
2
x z2
z2 = 36y  0 x2 = 16y
x2 z 2 4 9
  4y
4 9 Elipse degenerada.
Parábola de eje y Es el punto (0; 0; 0) Parábola de eje y
“positivo” “positivo”
x2 y 2
y2 = 225z x2 = -81z   0
x2 y 2 9 25
   9z
9 25 Par de rectas:
Parábola de eje z Parábola de eje z 5
“positivo” “negativo” y=  x
3

Cuádricas degeneradas

Hasta el momento hemos considerado las superficies que responden a ecuaciones de la

forma:

Ax2 + By2 + Cz2 = P y Ax2 + By2 = Qz,

con todos los coeficientes no nulos.

Supongamos ahora que uno o más de los coeficientes es nulo. Obtendremos así las lla-
madas cuádricas degeneradas. Son las superficies cilíndricas y la superficie cónica.

15
1) Superficies cilíndricas

Se llama superficie cilíndrica a la superficie engendrada por una recta (llamada generatriz)
que se desplaza siempre paralela a una recta fija y que pasa por todos los puntos de una curva
fija (llamada directriz).

Ejemplo
z

generatriz directriz

y
x

Nosotros consideraremos el caso particular de superficies cilíndricas con directriz incluida

en algún plano coordenado y generatriz perpendicular a dicho plano coordenado (esta última
condición hace que se denominen superficies cilíndricas rectas).

Ejemplos

Superficie cilíndrica Superficie cilíndrica Superficie cilíndrica

recta parabólica recta elíptica recta hiperbólica

S CP6 S CE6 S CH6S CH7

y2 = x 9x2 + 4y2 = 36 9x2 – 4y2 = 36

16
 Observe que: una ecuación que representa a una superficie cilíndrica recta con generatri-
ces perpendiculares al plano coordenado que incluye a la directriz, carece de la variable “no
medida” en ese plano. El lugar geométrico plano de esta ecuación es la directriz.

¡Cuidado! Cuando tenga que decir en el futuro qué lugar geométrico está representado
por, por ejemplo, x2 + y2 = 16, debe ubicarse primero en qué dimensión está trabajando, pues
en 2 corresponde a una circunferencia de radio 4 y en 3 corresponde a una superficie ci-
líndrica circular a lo largo del eje z (que es la variable que falta).

Ejercicio: Complete el siguiente cuadro, clasificando las ecuaciones según corresponda

Ecuación En 2 En 3
x2 – 2y2 = 1
x2 + 2y2 = 1
x2 = 2y
x2 + y2 = 1

Desarrollo

Ecuación En 2 En 3
Superficie cilíndrica
x2 – 2y2 = 1 Hipérbola
recta hiperbólica
Superficie cilíndrica
x2 + 2y2 = 1 Elipse
recta elíptica
Superficie cilíndrica
x2 = 2y Parábola de eje y+
recta parabólica
Superficie cilíndrica
x2 + y2 = 1 Circunferencia
recta circular.

¿Y las ecuaciones de la forma Ax2 = P, By2 = P, Cz2 = P?

Por ejemplo: x2 = 9, y2 = 0.
En 3 , ambas representan dos planos.
La primera, dos planos paralelos distintos: x = 3, x = -3.
La segunda, dos planos coincidentes: y = 0, o sea el plano xz.

P1 P2 Pl 3

17
 2) Superficie cónica

Se llama superficie cónica a la engendrada por una recta que se desplaza de tal manera
que pasa por todos los puntos de una curva fija (llamada directriz) y por un punto fijo (llamado
vértice), que no pertenece al plano de la curva.

Ejemplo

cono2

Consideraremos el caso particular de la directriz incluida en algún plano paralelo a un

plano coordenado, y el vértice en el origen de coordenadas.

Ejemplos

Ax2 + By2 – Cz2 = 0 Ax2 - By2 + Cz2 = 0 -Ax2 +By2 + Cz2 = 0

En síntesis

Complete el siguiente cuadro clasificando en 2 y en 3 (cuando sea posible).

Ecuación En 2 En 3
2x + 3y2 + z2 = 1
2

3x2 – y2 = 2
5x2 – y2 – z2 = 1
x2 + 2y2 = 3
6x2 = 1
-x2 + 2y2 + z2 = 1
y2 = 0
2x2 – y2 + z2 = 0

18
Desarrollo:

Ecuación En 2 En 3

2x2 + 3y2 + z2 = 1 _____ Elipsoide

Superficie cilíndrica recta

3x2 – y2 = 2 Hipérbola hiperbólica (a lo largo del
eje z)

5x2 – y2 – z2 = 1 _____ Hiperboloide de dos hojas

Superficie cilíndrica recta

x2 + 2y2 = 3 Elipse
elíptica a lo largo del eje z
Dos planos paralelos
6x2 = 1 Dos rectas paralelas

-x2 + 2y2 + z2 = 1 _____ Hiperboloide de una hoja

Dos rectas coincidentes: Dos planos coincidentes:

y2 = 0
el eje de abscisas el plano coordenado xz
Superficie cónica a lo lar-
2x2 – y2 + z2 = 0 _____
go del eje y.

19
 1

ESPACIOS VECTORIALES REALES

Leonor Carvajal

1
 2

Leonor Carvajal

DEFINICIÓN DE ESPACIOS VECTORIALES REALES

Sea V un conjunto no vacío de elementos que se denominan vectores y en el cual están definidas dos operaciones:

 Una ley de composición interna denominada suma de vectores, que se simboliza con el signo +.
 Una ley de composición externa denominada producto de un escalar (número real) por un vector, que se
simboliza con el signo .

La cuaterna (V; + ; R ; . ) es un espacio vectorial real si y sólo si se cumplen los siguientes axiomas:

1) + Es ley de composición interna. x V ; y  V : ( x  y )V .

2) + Es conmutativa. x V ; y V : x  y  y  x

3) + Es asociativa. x V ; y V ; z V : ( x  y )  z  x  ( y  z )

4) Existencia de elemento neutro para + . Se simboliza O y es tal que: x  V : x + O = O + x = x

5) Existencia de inverso aditivo. El inverso aditivo de x  V se simboliza –x y es tal que: x +(-x) = -x +x = O

6) . Es ley de composición externa.   R; x  V :  x   V

7) . Es distributiva con respecto a la suma de vectores.   R; x V ; y V :  x  y    x   y

8) . Es distributiva con respecto a la suma de escalares.   R;   R; x V :     x   x   x

9) Asociatividad mixta.   R;   R; x V :     x   ( x)   ( x )

10) Existencia de elemento neutro para . . Es   1 pues x  V :1 x  x

Ejemplos de espacios vectoriales:

( R2; +; R; . ) siendo R2 el conjunto de los pares ordenados de números reales.

( R3; +; R; . ) siendo R3 el conjunto de los ternas ordenadas de números reales.

( Rm x n; +; R; . ) siendo Rm x n el conjunto de matrices con elementos reales y de orden m x n.

( P(x) ; + R; . ) siendo P(x) el conjunto de los polinomios en la variable o indeterminada x.

2
 3
Leonor Carvajal

Propiedades de los espacios vectoriales

Sea ( V; +; R; . ) un espacio vectorial.

1) El producto del escalar cero por cualquier vector x es el vector nulo.
En efecto: por neutro de la adición en R:  x  (  0) x
Por axioma 8:  x   x  0x
Por axioma 4:  x  O   x  0x
Por axioma 5:  x  O   x  0x
Luego: 0x  O

2) El producto de cualquier escalar por el vector nulo, es el vector nulo.

Por axioma 4:  x    x  O
Por axioma 7:  x   x  O
Por axioma 4:  x  O   x  O
Por axioma 5:  x  O   x  O
Luego: O  O

3) Si el producto de un escalar por un vector es el vector nulo, entonces, el escalar es cero o el vector es el vector
nulo.
En símbolos: x  O    0  x  O ( Trate de demostrarlo )

4) El opuesto de cualquier escalar por un vector es igual al opuesto de su producto.

En símbolos: ( ) x  ( x) ( Trate de demostrarlo )

SUBESPACIOS
Definición: S   es un subespacio de ( V; +; R; . ) si y sólo si ( S; +; R; . ) es un espacio vectorial y S  V.

Cualquiera que sea ( V; +; R; . ), tanto V como O son subespacios de V, llamados subespacios triviales.

Ejemplos: Consideremos el espacio vectorial (R2; +; R; . ) y los subconjuntos A   x, y   R 2 / y  3x y

B   x, y   R 2 / y  3x  2 .

A es un subespacio de R2 pues puede demostrarse que verifica todos los axiomas correspondientes.
B no es subespacio de R2 pues no cumple con el axioma 4 ya que el vector nulo (0;0) no pertenece a B.

3
 4
Leonor Carvajal

CONDICIÓN SUFICIENTE
Puede demostrarse que para determinar si ( S; +; R; . ) es un subespacio de ( V; +; R; . ), es suficiente probar:
1) S   .
2) S  V
3) “+” es Ley de Composición Interna en S, o sea: x  S  y  S  ( x  y)  S .
4) “.” Es ley de Composición Externa, o sea:   R  x  S  ( x)  S

Ejemplo: Sea S   x, y, z   R3 / z  x  y . Demostrar que ( S; +; R; . ) es un subespacio de ( R3; +; R ; . ).

En efecto:
1) S   pues, por ejemplo, (0, 0, 0)  S .
2) S  R3 , por definición de S.

 x, y , z   S 
 z  x y 
3) “+” es Ley de Comp. Interna en S, pues:    z  z '  x  x ' y  y '
 x , y , z   S  z '  x ' y '
' ' '

O sea,  x  x ', y  y ', z  z '  S   x, y, z    x ' y ' z '  S .

4)   R   x, y, z   S    R  z  x  y   z   x   y    x,  y,  z   S    x, y, z   S

Nota: Geométricamente, el conjunto S corresponde al plano de ecuación general x + y – z = 0, que pasa por el
origen de coordenadas.

Operaciones con subespacios.

1) Intersección de subespacios:
Sea Si  una familia de subespacios de (V; +; R; . ).

Simbolizamos con S a la intersección de dicha familia, o sea, S  I Si .

iI

Luego: S   X / X  S1  X  S2  ...  X  Sn  .

Propiedad: La intersección de toda familia de subespacios de V, es otro subespacio de V.

Ejemplo:
Dos rectas del plano, que pasan por el origen de coordenadas, corresponden a dos subespacios de (R2; +; R; . ).
La intersección de las rectas es (0, 0), que es un subespacio de R2 que, sabemos, se denomina subespacio trivial.

4
 5
Leonor Carvajal

2) Unión de subespacios
Si S1 y S2 son dos subespacios de ( V; +; R; . ), entonces S1 U S2 , no es generalmente, un subespacio de V,
como lo probamos con el siguiente ejemplo:
y S2 x1  S1  x1  S1 U S2

x2  S2  x2  S1 U S2

x2 S1 Pero ( x1 + x2)  S1 U S2 y `por lo tanto no se cumple la ley de cierre.

x1
x

3) Suma de subespacios
La suma de dos subespacios de V, es un subespacio de V.

Ejemplo: Sean S1=  a, b, c   R3 / c  0 y S2 =  a´, b´, c´  R3 / b´ 0 .

El subespacio suma S = S1 + S2 está formado por las termas  a, b, c    a´, b´, c´   a  a´, b  b´, c  c´

Es decir:  a, b, c    a´, b´, c´   a´´ , b, c´ que son ternas de números reales.

Por lo tanto es S  R3 .

Caso particular: Es importante el caso en el que los dos subespacios son disyuntos, es decir, S1 I S2  O .

En este caso el subespacio S = S1 + S2 recibe el nombre de suma directa y se utiliza la notación S  S1  S2 .

Ejemplo: Sean los subespacios S1   x, y, z   R3 /  x, y, z    1,0,0  con   R y

S2   x, y, z   R3 /  x, y, z     0,1,0  con   R . Determinar si la suma de ambos es o no directa.

Se tiene S = S1  S2   x, y, z   R3 /  x, y, z    1,0,0     0,1,0  con   R,   R .

z O sea, S es el plano coordenado (x,y) y, efectivamente,

S es suma directa: S  S1  S2
0
S S2
S1

5
 6
Leonor Carvajal

COMBINACIÓN LINEAL
Concepto: Sea A  v1 , v2 ,..., vn  una familia o conjunto de vectores de un espacio vectorial ( V; +; R; . ).

Entendemos por combinación lineal de la familia A, toda suma de productos de escalares arbitrarios, por los
vectores de A.
Definición: Combinación lineal de la familia A  V , es todo vector de la forma:
n

 v
i 1
i i  1v1   2v2  ... n vn con i  R; vi  A

Los  i , se denomina coeficientes de la combinación lineal.

En particular, si todos los coeficientes son nulos, la combinación lineal se denomina trivial y se obtiene el vector
nulo.

Definición: El vector v V es combinación lineal de la familia A  V , si y sólo si existen escalares 1 ,  2 ,...,  n

n
tales que v    i vi .
i 1

Ejemplo: v = ( 1; -2; 3) es combinación lineal de v1 = (0;1;2) , v2 = ( 0;3;0) y v3 = (1;-1;2) pues:

v  1v1   2v2  3v3

1; 2;3  1  0;1;2  2  0;3;0  3 1; 1;2 

 3  1

 1  3 2   3  2
2  2 3  3
 1

Resulta 1 
1
; 2  
1
y 3  1 . 1 1
2 2
Luego: v v1  v2  v3
2 2

DEPENDENCIA E INDEPENDENCIA LINEAL

1) Conjunto linealmente independiente. Sea ( V; +; R; . ) un espacio vectorial.
La familia A  V es linealmente independiente si y sólo si la única combinación lineal de dicha familia, cuyo
resultado es el vector nulo, es la trivial.
n
O sea: A  v1 , v2 ,..., vn  es linealmente independiente  i :   i vi  O   i  0
i 1

Luego, para investigar la independencia lineal de un conjunto de vectores, se propone una combinación lineal de
estos (con escalares a determinar) que sea igual al vector nulo.
Si todos los coeficientes son necesariamente nulos, entonces el conjunto es linealmente independiente( L.I).
6
 7
Leonor Carvajal

Ejemplo: Dado el espacio vectorial (R3; + ; R ; . ) , determinar si A  1;2;3 ,  1;0;1 ,  0;2;2  es L.I.

Se plantea:  0;0;0   1;2;3    1;0;1    0;2;2 

   0

Luego: 2  2  0        0 . Por lo tanto Aes L.I.
3    2  0


2) Conjunto linealmente dependiente. Sea ( V; +; R; . ) un espacio vectorial.

La familia A  V es linealmente dependiente si y sólo si no es linealmente independiente.
La familia A  v1 , v2 ,..., vn  es un conjunto linealmente dependiente (L.D.) si y sólo si existe una combinación

lineal no trivial de dicha familia, cuyo resultado sea el vector nulo.

n
O sea: A  v1 , v2 ,..., vn  es linealmente dependiente  i :   i vi  O  i  0
i 1

 3 
Ejemplo: Dado el espacio vectorial (R2; + ; R ; . ) , determinar si A   2;   ,  8;3  es L.D.
 4 

 0;0     2; 
3
Se plantea:     8;3
 4

 2  8  0

Luego:  3
 4   3  0

Al resolver el sistema, resulta   4 . Es decir, para cada valor de  se obtiene el correspondiente de  .

O sea,  y  no son necesariamente nulos con lo cual queda demostrado que A es L.D.

Propiedades
1) Todo vector no nulo de un espacio vectorial constituye un conjunto L.I.
En efecto, sea ( V; +; R; . ) un espacio vectorial y v  O .
Planteamos:  v O
Por prop.3 de pág. 2, como v  O , es   0 y en consecuencia v es L.I.

2) El vector nulo de cualquier espacio vectorial constituye un conjunto linealmente dependiente.

Planteamos:  O O
Por prop.2 de pág. 2, cualquier escalar  satisface esta igualdad. En consecuencia, O es L.D.

7
 8
Leonor Carvajal

3) El conjunto al que pertenezca el vector nulo es linealmente dependiente.

En efecto, sea A  v1 , v2 ,..., O,..., vn  .

Se plantea: O  0v1  0v2  ...O  ...  0vn con  no necesariamente nulo. Luego, A es L.D.

4) Un conjunto finito y no vacío de vectores es linealmente dependiente si y sólo si algún vector es combinación
lineal de los demás.

5) Un conjunto finito y no vacío de vectores es linealmente independiente si y sólo si ningún vector es

combinación lineal de los demás.

SISTEMA DE GENERADORES
La familia A  v1 , v2 ,..., vn  es un sistema de generadores (S.G.) de V si y sólo si todo vector de V puede

expresarse como combinación lineal de los vectores de A.

Ejemplos: Sea el espacio vectorial (R2; + ; R ; . ).

1) A   2;1 ,  1;3 es un sistema de generadores de R2 pues cualquier  x; y   R 2 se puede expresar:

 x; y     2;1    1;3 con  y  a determinar.

2) A   2;1 no es un sistema de generadores de R2 pues, por ejemplo, (-3;5)  R 2 y no puede expresarse como

  2;1 , cualquiera sea el escalar  .

BASE DE UN ESPACIO VECTORIAL

Sea A  v1 , v2 ,..., vn  una familia o conjunto de vectores de un espacio vectorial ( V; +; R; . ).

la familia A  V es una base de ( V; +; R; . ) si y sólo si es un conjunto linealmente independiente y sistema de

generadores de V.

A  V es una base de ( V; +; R; . )  A es L.I. y S.G. de V

8
 9
Leonor Carvajal

Ejemplo: determine una base del subespacio S   x; y   R 2 / y  3x de ( R2; +; R; . ).

Para ello consideramos un elemento genérico de S, o sea,  x; y   S , pero y = 3 x.

Entonces:  x;3x   S   x 1;3  S

O bien  1;3  S , con   R . Lo que significa que 1;3 es un S.G.de S .

Como además 1;3 es L.I., resulta ser 1;3 una base de S.

Propiedad: todas las bases de un espacio vectorial tiene el mismo número de elementos.

Coordenadas de un vector
Si B  v1 , v2 ,..., vn  es una base de un espacio vectorial ( V; +; R; . ), cada vector de V puede expresarse de modo

único como combinación lineal de la base B.

Respecto de la base dada, el vector v V queda caracterizado por los coeficientes de la combinación lineal, o sea,
por la n-upla de número reales 1; 2 ;...; n  . Estos escalares  i con i = 1; 2; …; n, se denominan coordenadas

del vector v V , respecto de la base B.

Se simboliza:
 1   1 
   
2   2 
 v B   ...  . Si se elige otra base B’ de V, entonces el mismo v V tiene otras coordenadas:  v B '   ...  .
   
 ...   ... 
   
 n  n

Ejemplo. Determine las coordenadas de v   3; 2  perteneciente a (R2;+;R ; . ), respecto de las bases:

1) B   1;1 ,  2;0 

2) B’ = 1;0 , 0;1 (Llamada base canónica).

2
1  2 2  3  3  
En el primer caso: (3; 2) = 1  1;1   2  2;0         5  .

 1  2  2   B  
2
 1  3  3    3
En el segundo caso:  3; 2   1 1;0    2  0;1          .
  2  2  2   B '  2 

9
 10
Leonor Carvajal

DIMENSIÓN DE UN ESPACIO VECTORIAL

La dimensión de un espacio vectorial ( V ; +; R : . ) es el número cardinal de cualquiera de sus bases.

En el ejemplo anterior, la dimensión de (R2;+;R ; . ) es dos.

Si V consiste únicamente en el vector nulo, decimos que su dimensión es cero.

Consecuencias:
1) n vectores linealmente independientes de ( V ; +; R : . ) n-dimensional, constituyen una base del mismo.
2) Todo sistema de generadores de n vectores de ( V ; +; R : . ) n-dimensional, es una base del mismo.
3) todo conjunto de más de n vectores de un espacio ( V ; +; R : . ) n-dimensional es linealmente dependiente.

Dimensión de la suma de dos espacios vectoriales

Si S1 y S2 son dos subespacios de ( V ; +; R : . ) y la dimensión de V es finita, entonces se verifica:

Dim( S1 + S2 ) = Dim S1 + Dim S2 – Dim S1 I S2

Ejemplo. Determine la dimensión de la suma de los siguientes subespacios de ( R3 ; +; R : . ):

S1   x; y; z   R3 / x  y  z  0 y S2   x; y; z   R3 / x  z  0

S1 y S2 son, geométricamente, dos planos y por lo tanto la dimensión de cada subespacio es dos.
S1 I S2 es una recta y por lo tanto su dimensión es uno.

O sea, S1 I S2   x; y; z   R3 / x  z  y  0 .

Sus elementos son de la forma  x;0; x   x 1;0;1 , cualquiera que sea x  R .

Luego, una base de S1 I S2 , es B  1;0;1 y su dimensión es uno.

Por lo tanto: Dim( S1 + S2 ) = 2 + 2 – 1

Dim( S1 + S2 ) = 3
O sea, S1 + S2 = R3

Dimensión de la suma directa.

Si S1 y S2 son dos subespacios disyuntos de ( V ; +; R : . ), entonces, la dimensión de la suma directa es igual a la
suma de las dimensiones de S1 y S2, pues dim S1 I S2 = dim O = 0.

Dim( S1  S2 ) = Dim S1 + Dim S2

10
 11
Leonor Carvajal

Ejemplo. Sean los subespacios de ( R3 ; +; R : . ), S1   x; y; z   R3 /  x; y; z    1;0;0  con   R y

S2   x; y; z   R3 /  x; y; z     0;1;0  con   R que corresponden a dos rectas y por lo tanto tienen dimensión
uno. (Eje de abscisas y eje de ordenadas, respectivamente).
Como S1 I S2   0;0;0 cuya dimensión es cero, resulta: Dim( S1  S2 ) = 1 + 1 = 2.
Así, S1  S2 es el plano coordenado (x; y).

PRODUCTO INTERNO O PRODUCTO INTERIOR

Sea ( V ; +; R : . ) un espacio vectorial. El símbolo < u ; v > se lee: producto interior entre los vectores u y v.

Definición. Producto interior en ( V ; +; R : . ) es toda función de la forma < > : V x V  R que cumple:
1) < u ; v > = < v; u > Simetría.
2) < u + v; w > = < u ;w > + < v ; w > Aditividad.
3) < k u ; v > = k < u ; v > Homogeneidad.
4) < v ; v >  0 y ( < v ; v > = 0  v = O ).

Ejemplo. El producto interno usual es el producto escalar en R2, R2, …, R n.

En R2 la definición del mismo para los vectores u = ( u1; u2 ) y v = ( v1; v2 ) se interpreta de la siguiente manera:
< u ;v > = u1 v1 + u2 v2 , que satisface las condiciones 1), 2), 3) y 4).

Definición: módulo o norma de un vector en un espacio vectorial con producto interno, es la raíz cuadrada del
producto interior de dicho vector por sí mismo. u   u; u 

Ejemplo. En R2, si u = (-4;3) y tomamos como producto interior al producto escalar, resulta:

u   (4;3),(4;3) 

u  4.(4)  3.3
u 5

Definición: en el espacio vectorial ( V ; +; R : . ) con producto interno, dos vectores son ortogonales si y sólo si su
producto interno es nulo.

u  v se lee: u es ortogonal a v .
Luego: u  v   u; v   0

Ejemplo. En R2 con el producto interno usual, los vectores u = ( 6; 4) y v = (-2;3) son ortogonales pues
< u ; v > = 6 . (-2) + 4 . 3 = 0

Conjunto ortogonal de vectores

Definición: Un conjunto v1; v2 ;...; vq  en un espacio vectorial con producto interno, es ortogonal, si y sólo si dos
vectores cualesquiera y distintos, son ortogonales.
v1; v2 ;...; vq  es ortogonal  i  j   vi ; v j   0
11
 12
Leonor Carvajal

Propiedad: todo conjunto ortogonal de vectores, al que no pertenece el vector nulo, es linealmente independiente.

Base ortonormal: decimos que B = v1; v2 ;...; vn   V es una base ortonormal de V si y sólo si B es un conjunto

ortogonal de vectores de módulo uno.


 5 2 5   2 5 5   
Ejemplo. En R2 con el producto interno usual, puede ser B   ;  ,  ;   .
 5
 5   5 5  

Complemento ortogonal de un subespacio:

Sea ( V ; +; R : . ) un espacio vectorial con producto interno y S un subespacio de V.
Definición. Complemento ortogonal del subespacio S de V es el conjunto de todos los vectores de V que son
ortogonales a todos los vectores de S.
Se simboliza: S  y se lee “complemento ortogonal de S ”.

Luego: S   v V / v  s, s  S

Ejemplo. En R3, con el producto interno usual, si S   s1;0;0  con s1  R (es el eje de abscisas), su

complemento ortogonal es el plano (x,y), pues:

z S    a; b; c   R3 /   a; b; c  ,  x1;0;0   0

S    a; b; c   R3 / a. x1  0. b  0.c  0

S y S    a; b; c   R3 / a  0

S S    a; b; c   R3 / b  0;1;0   c  0;0;1  0 que es el plano (y, z)

Propiedades
1) S  es un subespacio de V.
2) S I S   O

3) Dim S + Dim S  = Dim V

4) S  S   V
5) ( Una base de S ) U ( Una base de S  ) = Una base de V.

12
 13
Leonor Carvajal

Ejercicio.
1) Dado el subespacio S   x1; x2 ; x3   R3 / 2 x1  3x2  x3  0 de R3 , con el producto interno usual, halle una

base del mismo.

2) Utilizando el resultado obtenido en 1), halle una base de R3.

Resolvemos este ejercicio por dos caminos:

 
1) S n S es un plano que pasa por el origen y su vector asociado es n = ( 2; -3; -1).

S  es una resta que pasa por (0;0;0) y tiene vector asociado a = ( 2; -3; -1).
Como una base de S es 1;0;2 ,  0;1; 3 y una base de S 
es  2; 3; 1 ,
resulta, que una base de R 3 es 1;0; 2 ,  0;1; 3 ,  2; 3; 1 .

2) Por definición, es S    a; b; c   R3 /   a; b; c  ,  x1; x2 ; x3    0

S    a; b; c   R3 / a.x1  b.x2  c.x3  0

2 x1- 3 x2 = 0
S    a; b; c   R3 / a.x1  b.x2  c.(2 x1  3x2 )  0

S    a; b; c   R3 /(a  2c) x1  (b  3c).x2  0

0 0 pues x1 y x2 son reales cualesquiera.

a  2c  0 a b c 
Luego:     que corresponde a una recta con vector asociado a = ( 2; -3; -1).
b  3c  0 2 3 1

Por lo tanto una base de S  es  2; 3; 1 .

Entonces una base de R3 es 1;0;2 ,  0;1; 3 ,  2; 3; 1

13
ALGUNAS MATRICES PARTICULARES

1) Matriz nula: es toda matriz en la cual todos los elementos son nulos.
A=N  aij  0 , i  N , j  N
Ejemplos:  0 0 ;  0 0 0
N    N   
 0 0 2 x 2  0 0 0 2 x 3

2) Matriz rectangular: es toda matriz en la cual el número de filas no es igual al de columnas.

O sea: m  n
1 1 3 4 3 1
Ejemplos: A    ;  
B  4 0 
 0 5  2 3  2x4 1  2
 3x2

3) Matriz fila: es toda matriz formada por una sola fila.

O sea, m = 1.
Ejemplos: C = 4 0  51x3 ; D =  1 8 0 31x 4

4) Matriz columna: es toda matriz formada por una sola columna.

O sea, n = 1.
 5 7
Ejemplos: E    ;  
F  0 
 1  2 x1   1
 

5) Matrices iguales: son las matrices de igual orden en las cuales los elementos homólogos son iguales.
A mxn  Bmxn  aij  bij con i  1,..., m
j  1,..., n

6) Matrices opuestas: son las matrices de igual orden en las cuales los elementos homólogos son opuestos.
Amxn   Bmxn  aij   bij con i  1,..., m
j  1,..., n

7) Matrices traspuestas: la traspuesta de una matriz A se simboliza At y se obtiene transformando,

ordenadamente, las filas de A en columnas.
2 5 
Ejemplo: A   2  1 0   
 5 3  2  At    1 3 
  2 x3  0  2
 3x2

8) Matriz cuadrada: es toda matriz en la cual el número de filas es igual al de columnas.

O sea, m = n
Nota: en toda matriz cuadrada, los elementos de igual subíndice forman su diagonal principal y la suma de
los mismos se denomina “traza” de la matriz.

Ejemplo: P   4 3   marcamos con rojo la diagonal principal de P y por lo tanto, 4 + 5 = 9 es la

  1 5
 
traza de P
8-1) Matriz diagonal: es toda matriz de orden nxn en la cual los elementos que no pertenecen a la diagonal
principal, son nulos.
1 0 0
O sea: i  j  aij  0 Ejemplo:  
Q  0  2 0
0 0 4
 

8-2) Matriz escalar: es toda matriz diagonal en la cual los elementos de la diagonal principal son iguales.
i  j  aij  0
O sea:  Ejemplo: 7 0
W   
i  j  aij  k , con k  R
 0 7

8-3) Matriz Identidad. Es toda matriz escalar en la cual k = 1.

1 0 1 0 0
Ejemplos: I    ;  
I  0 1 0
 0 1  2x2 0 0 1
  3 x3

8-4) Matrices triangulares

8-4-1) Triangular superior: i  j  aij  0 . Ejemplo: V    2 4 
 0 5
 
8-4-2) Triangular inferior: i  j  aij  0 . Ejemplo: S    2 0 
 7 5
 

8-5) Matriz simétrica: Los elementos que equidistan de la diagonal principal, son iguales.
 2 1  3  2 1  3
Ejemplo:     
A 1 6 8  A  1 6 8 
t

 3 8 0   3 8 0 
   
Propiedad: A  At .

8-6) Matriz antisimétrica: Es toda matriz cuadrada igual a la opuesta de su traspuesta.

O sea: A   At
 0  2 5  0  2 5
Ejemplo:     
A 2 0 8 A  2t
0 8
  5  8 0   5  8 0
   

8-7) Matriz idempotente: Es toda matriz cuadrada igual a su cuadrado.

O sea: A A 2

8-8) Matriz involutiva: Es toda matriz cuadrada tal que su cuadrado es igual a la matriz identidad.
O sea: A 2  I

8-9) Matriz inversa: La inversa de una matriz cuadrada A se simboliza A-1 y es tal que, si existe, se cumple:
A . A-1 = A-1. A = I
 2 5  3  5
Ejemplo: A     A 1   
 1 3  1 2 

8-10) Matriz ortogonal: Es toda matriz cuadrada igual a la inversa de su traspuesta.

O sea: A = (At )-1
 Leonor Carvajal

NÚMEROS COMPLEJOS

El conjunto de números con el que hemos trabajado hasta el momento, es el de los números reales.


 
Números Naturales : N   
  
Cero  Números Enteros : Z  Números Racionales : Q  Números Reales : R
  
Números negativos   
Números fraccionarios  
Números irracionales 

-e ½ 2 
g gg g g g g g g g gg g
-4 -3 -2 -1 0 1 2 3 4

A cada número le corresponde un solo punto de la recta y a cada punto de la recta le corresponde un solo
número real. Se dice que hay una correspondencia BIUNÍVOCA entre LOS NÚMEROS REALES Y LOS
PUNTOS DE UNA RECTA.

Para resolver la ecuación x 2  9  0 , debemos encontrar dos números que elevados al cuadrado nos de por
resultados, -9. Esto es imposible en el conjunto de los Números Reales.
Se crean entonces, los números imaginarios que con los ya conocidos, forman el CONJUNTO DE LOS
NÚMEROS COMPLEJOS: C


 
 
 
 
Números Naturales : N   
   
Cero  Números Enteros : Z  Números Racionales : Q  Números Reales : R  Números Complejos : C
   
Números negativos    
Números fraccionarios   
Números irracionales  

Números imaginarios 

Los números complejos se definen como pares ordenados de números reales.

El complejo al que llamaremos Z, se simboliza:
Z = ( a; b) con a  R; b  R

Primera componente o Segunda componente o

componente real de Z componente imaginaria de Z

1
 Leonor Carvajal

Así como los números reales se identifican con puntos de una recta, los NÚMEROS COMPLEJOS se
identifican con puntos del plano.

Eje imaginario

b Z   a; b 

a Eje real

Complejos particulares

1) Complejo nulo: es aquel cuyas dos componentes son ceros: ( 0 ; 0 ).

2) Complejo real: es aquel que tiene la segunda componente nula: ( a; 0 ). Sobre la recta real es el número a.

3) Complejos imaginarios o imaginarios puros: son los que tienen la primera componente nula: (0 ; b).
Se corresponden con puntos del eje imaginario.
3-1) Unidad imaginaria: es el par ( 0; 1) y le asignaremos la letra j. O sea, j = ( 0 ; 1).

4) Complejos iguales: son los que tienen las componentes homólogas iguales.
a  c
Z1   a; b  y Z 2   c; d  son iguales  
b  d
Se simbolizan Z1 = Z2

5) Complejos opuestos: son los que tienen las componentes homólogas, opuestas.

 a  c
Z1   a; b  y Z 2   c; d  son opuestos  
b  d
Se simbolizan Z1 = - Z2 o bien Z2 = - Z1. Son simétricos con respecto al origen de coordenadas.

6) Complejos conjugados: son los que sólo difieren en el signo de la segunda componente.

a  c
Z1   a; b  y Z 2   c; d  son conjugados  
b  d
Se simbolizan Z1  Z 2 o bien Z 2  Z1 . Son simétricos con respecto al eje real.

2
 Leonor Carvajal

Operaciones con complejos como pares ordenados de números reales

1) Adición: Sean Z1= ( a ; b ) y Z2 = ( c ; d ). Z1 + Z2 = Z3 / Z3 = ( a + c ; b + d )

Propiedades: * Ley de composición interna: está asegurada por la definición de adición de complejos.
* Ley conmutativa:  Z1;  Z2 : Z1 + Z2 = Z2 + Z1
* Ley asociativa:  Z1;  Z2 ;  Z3 : Z1 + ( Z2 + Z3 ) = ( Z1 + Z2 ) + Z3
* Elemento neutro: es el complejo nulo pues  Z : Z + ( 0 ; 0 ) = ( 0 ; 0 ) + Z1
* Elemento inverso aditivo: es el complejo opuesto pues Z + ( - Z ) = -Z + Z

2) Sustracción: Sean Z1= ( a ; b ) y Z2 = ( c ; d ). Z1 – Z2 = Z1 + Z2

3) Multiplicación: Sean Z1= ( a ; b ) y Z2 = ( c ; d ). Z1 . Z2 = Z3 / Z3 = ( a c - b d ; a d + b c)

Ejemplo: Multiplicar Z1 = ( 2 ; 3 ) y Z2 = ( 4 ; 7 ).
Resulta: Z1. Z2 = ( 2.4 – 3.7 ; 2 .7 – 3.4 )  Z1 . Z2 = ( -13 ; 2 )

Propiedades: * Ley de composición interna: está asegurada por la definición de adición de complejos.
* Ley conmutativa:  Z1;  Z2 : Z1 . Z2 = Z2 . Z1
* Ley asociativa:  Z1;  Z2 ;  Z3 : Z1 . ( Z2 . Z3 ) = ( Z1 . Z2 ) . Z3
* Elemento neutro: es el complejo ( 1; 0) pues  Z : Z . ( 1 ; 0 ) = ( 1 ; 0 ) . Z1
 a b 
* Elemento inverso multiplicativo para todo Z = ( a; b) no nulo: es  2 ; 2 
 a b a  b2 
2

 a b   a b 
pues Z .  2 ; 2 2 
= 2 ; 2  . Z = ( 1; 0 )
 a b a b   a b a  b2 
2 2

Z1 Z1 Z 2
4) División: Sean Z1= ( a ; b ) y Z2 = ( c ; d ) no nulo.  
Z2 Z2 Z2
Ejemplo: Dividir Z1 = ( 2 ; 3 ) por Z2 = ( 4 ; 7 ).
Z1  2;3  4; 7  Z  2.4  3(7); 2.(7)  3.4   Z1   29; 2   Z1   29 ;  2 
   1   
Z 2  4;7   4; 7  Z 2  4.4  7.(7); 4.(7)  7.4  Z2  65;0  Z 2  65 65 

5) Potenciación con exponente n  N0 : Zn = Z. Z. Z……..Z ( n factores Z). ¡¡¡ Resulta engorroso !!!
Sólo hallaremos las potencias enésimas de la unidad imaginaria, o sea, jn
 j0 = 1
 j1 = j
 j2 = ( 0; 1 ) . ( 0 ; 1 )  j2 = -1
 j3 = j2. j  j3 = -j
 j4 = j2.j2  j4 = 1
 j5 = j2. j3  j5 = j

Observamos que los resultados se repiten “cada cuatro”.

3
 Leonor Carvajal

Cuando debemos calcular jn con n  N0 , decimos que j n = j r siendo r el resto de la división de n por 4, pues:

n 4 O sea: n = 4. c + r . Luego: j n = j 4. c + r
r c j n = j 4. c . j r
j n = ( j 4 )2 . j r
j n = ( 1 )2 . j r
j n = jr
Ejemplo: calcular j 122
Resulta j 122 = j 2 122 4
2 30
122
Por lo tanto j = -1

Como resulta cada vez menos práctico trabajar con números complejos como pares ordenados de números
reales, vamos a recurrir a otra notación, que es la:

FORMA BINÓMICA O CARTESIANA

Sabemos que Z = ( a ; b) , por definición de números complejos.

Z = ( a ; 0 ) + ( 0 ; b ) , por adición de complejos.
Z = ( a ; 0 ) + ( b ; 0 ) . ( 0 ; 1 ) , por multiplicación de complejos.
Z = a + b.j , por complejos particulares.

Resulta:
Z=a+bj

Operaciones: en forma binómico o cartesiana, los complejos se puede sumar, restar, multiplicar o elevar a
una potencia con exponente natural, como un binomio más.

Ejemplo. Sean Z1 = ( 2 ; 3 ) , Z2 = ( 4 ; 7 ) y Z3 = ( -1 ; 1) . Se pide:

Expresarlos en forma binómica o cartesiana y en esta forma, calcular:
Z
* ( Z1 + Z2 – Z3 ). Z1 ** 1 *** ( Z1)3
Z2

Resulta: Z1 = 2 + j 3 ; Z2 = 4 + j 7 y Z3 = -1 + j

Además:
* ( Z1 + Z2 – Z3 ). Z1 =  2  j3   4  j 7   1  j    2  j 3
( Z1 + Z2 – Z3 ). Z1 = ( 7 + j 9). ( 2 + j 3)
( Z1 + Z2 – Z3 ). Z1 = 14 + j 21+ j 18 + j 2 27 por propiedad distributiva.
( Z1 + Z2 – Z3 ). Z1 = -13 + j 39 pues j 2 = -1

Z1 2  j 3 4  j 7 Z 8  j14  j12  j 2 21 Z 29  j 2 Z 29 2
** =   1=  1=  1= j
Z 2 4  j 7 4  j7 4   j7  Z 2 16  49
2 2
Z2 Z 2 65 65

*** ( Z1)3 = (-1 + j )3  ( Z1)3 = (-1)3 +3. (-1)2 .j + 3. (-1) . j 2 + j 3  ( Z1)3 = -1 + 3.1.j + 3.(-1).(-1)+ (-j )
( Z1)3 = -1 + j 3 + 3 – j
( Z1)3 = 2 + j 2

4
 Leonor Carvajal

Dado que: Eje imaginario

b Z Módulo de Z = Z  
Argumento principal de Z =  / 0    2

 Eje real
a

Puede demostrarse que otras formas de anotar los números complejos, son las siguientes:

FORMA TRIGONOMÉTRICA FORMA POLAR FORMA EXPONENCIAL

Z =   cos   j sen    Z  .e j 

Z= 

Operaciones

Sean:
1
Z1 = 1 (cos 1 + j sen 1 ) Z1 = 1 Z1 = 1  e j 1

2
Z2 =  2 (cos  2 + j sen  2 ) Z2 =  2 Z2 = 2  e j 2

1) Multiplicación 1 +  2
Z1.Z2 = 12  cos (1  2 )  j sen(1  2 )  Z1.Z2 = 1 2 Z1.Z2 = 1  2 e j (1 2 )

2) División 1 -  2
Z1 1 Z1  1  Z1  1  j1 2 
  cos(1  2 )  j sen(1  2 )      e
Z 2 2 Z 2  2  Z 2  2 
No nulo

3) Potenciación con n  N0
n
Z n =  n  cos(n )  j sen(n ) 
j  n 
Z n = n Z n = n e

4) Radicación (Z no nulo)

Las n raíces enésimas de un complejo se calculan mediante:

   2 k   2 k 
n
Z  n   cos  j sen  con k  0,1,.., n  1
 n n 

5
 Leonor Carvajal

Las n raíces, son vértices de un polígono regular inscripto en una circunferencia centrada en el origen de
coordenadas y radio n  .

Ejemplo: calcular y graficar 3

2  j 2 3

   (2) 2  (2 3) 2   4
 
Como Z = -2 + j 2 3   
  2 3
2 3
 1º cuadrante  sen  
 4

Luego:
   
 2  2 k 2  2 k 
3
2  j 2 3 = 3 4  cos 3  j sen 3  con k  0,1, 2
 3 3 
 
   
 2  2 0 2  2 0 
  
k = 0  W0  3 4  cos 3  j sen 3   W0  4  cos 2  j sen2 
3

 3 3   9 9
 
   
 2  2 1 2  2 1 
  
k = 1  W1  3 4  cos 3  j sen 3   W1  4  cos8  j sen8 
3

 3 3   9 9
 
   
 2  2 2 2  2 2 
  
k = 2  W2  3 4  cos 3  j sen 3   W2  4  cos14  j sen14 
3

 3 3   9 9
 

Eje imaginario

W0
W1

Eje real

W2

6
 1

PLANO. ECUACIONES

Prof. Leonor Carvajal

 2

Distintas formas de la ecuación del plano. L.Carvajal

 
¿Cuántos planos existen que sean perpendiculares a la dirección de un vector n ? n

Efectivamente, son infinitos. n.

Como queremos uno en particular, tenemos que saber por dónde pasa.
O sea, necesitamos conocer un punto P0 del plano buscado.

Por tal motivo, consideramos la siguiente gráfica: n

P0

Siempre que se necesite deducir la ecuación de un plano, se debe obtener una ecuación que se satisfaga para
todos los puntos de ese plano y sólo para ellos.

Para obtener esta ecuación, relacionamos los datos con un punto cualquiera P = (x;y;z) del plano, que
representa a todos los puntos de dicho plano.


n  n x ; n y ; n z 
Luego consideramos el vector P0 P
 
¿Cómo son las direcciones de los vectores n y P0 P ?
P
Efectivamente, son perpendiculares y por lo tanto:
P0

 
n . P0 P  0 Ecuación vectorial
normal del plano.
Desarrollando esta ecuación:
nx ; ny ; nz . x  x0 ; y  y0 ; z  z0   0

nx x + ny y + nz z + ( - nx x0 - ny y0 - nz zo ) = 0 n = ( A; B; C )

A B C D

Resulta: Ax+By+Cz+D=0 Ecuación general o implícita del plano

(Con A, B y C no simultáneamente nulos)
 3

Si D  0 : L.Carvajal

z
Ax+By+Cz=-D
c
x y z
  1
D D D
  
A B C
b y

a
x
x y z
  1
a b c
Ecuación segmentaria del plano

Notas. 1) a, b y c se denominan abscisa al origen, ordenada al origen y cota al origen, respectivamente

2) Las rectas intersecciones de un plano con los planos coordenados, se denominan trazas

Otros datos para obtener la ecuación de un plano

¿Cuántos puntos, no alineados, se necesitan para determinar un plano?

Efectivamente, son tres, tal como se ve en la figura:

P1.

P0. P2.

Como siempre, tomamos un punto genérico P = (x,y,z), del plano.

  
Creamos, por ej, los vectores: P P, P P y P P que
0 0 1 0 2
como son coplanares, ¿a qué es igual su producto mixto?
P1. .P
  
P0 P  P0 P1 . P0 P2  0
P0. P2.
En efecto:
 4

Otros datos, para determinar un plano, podrían ser los que vemos en la figura:

a  a x ; a y ; a z //  z
   

b  b x ; b y ; b z  //  a // b a
P   x ; y ; z   
 0 0 0 0 P0  
b

0 y

Como siempre, tomamos un punto genérico P = (x;y;z) ,del plano

z

a
P0  .P 
b

     
Trazamos: OP,OP
0
y P0 P tales que: OP  OP0  P0 P
  
Como P P, a y b son L.D., cualquiera de ellos puede escribirse como combinación lineal de los demás,
0
es decir:    
OP  OP0   a   b con   R,   R

Ecuación vectorial paramétrica del plano

 5

Desarrollando esta ecuación, se obtiene: L.Carvajal

 x  x0   a x   bx

 y  y0   a y   b y con   R ,   R

 z  z0   a z   bz
Ecuaciones paramétricas cartesianas del plano

Posiciones particulares de dos planos.


n1   A1 ; B1 ; C1 

1) Planos paralelos: //  2
1

1

 1 : A1 x  B1 y  C1 z  D1  0 n2   A2 ; B2 ; C2 
 2 : A2 x  B2 y  C2 z  D2  0

2
Resulta:
 
 1 //  2  n1 // n2

A1 B1 C1
 1 //  2   
A2 B2 C2

Si A B1 C1 D1 ¿cómo son los planos?

1
  
A2 B2 C2 D 2

2) Planos perpendiculares:   2
1

 

n1   A1 ; B1 ; C1 
 1   2  n1  n2
O sea:

 
 1   2  n1  n2  0


n2   A2 ; B2 ; C2 
1
2
 6

Posiciones particulares de los planos con respecto a los ejes y a los planos coordenados

1) Planos paralelos a un eje coordenado

a)  // eje x
 
n  0; B; C 

z pues: n  i

y Luego: A x + B y + C z + D = 0


i 

 :By+Cz+D=0
x

Análogamente:
b)  // eje y
z

n   A;0; C 
  
n j  B0
y Ax  By  Cz  D  0

j
 : Ax  Cy  D  0
X

c)  // eje z z

  
n   A; B;0 n kC 0

Ax  By  Cz  D  0

y  : Ax  By  D  0
 7

¿Qué sucede en cada uno de los casos anteriores, si D = 0 ? L.Carvajal

By+Cz+D=0

 n y  :By+Cz=0
i




En efecto, en este caso, el plano incluye al eje de abscisas.


n El plano incluye al eje de ordenadas.
y

j  : Ax C z  0


El plano incluye al eje de cotas.


k
 : Ax  B y  0
y


n
x
 8

2) Planos paralelos a un plano coordenado L.Carvajal

a)  // plano ( y; z)
z
Ax  By  Cz  D  0

 D
x
A
y

a : xa

x n   A;0;0

¿Qué sucede si el término independiente es nulo?

¿Qué planos se obtienen? z

………………….
Si D = 0: Ax  By  Cz  D  0 .......................  ..
……
……
……
: x0
y
Es el plano coordenado( y; z )

b)  // plano coordenado ( x; z)


z .. n  0; B;0 Ax  By  Cz  D  0
…..
…….
D
………  y
B
………. b y
……
….

x  : y b
 9

Si D  0  Ax  By  Cz  D  0  : y0 Es el plano coordenado (x ; z) L.Carvajal

…
......
………
……
………
 …… 0 y
………
……
….

Finalmente:
z


c n  0;0; C  : z c

………. y
……………….…
…………..  …… : z0 Es el plano coordenado(x:y)

Haz de planos
¿Cómo se encuentra la recta e con respecto a todos los planos?

En efecto, la recta e está incluida en todos los planos.

Definición: haz de planos de eje “e”, es el conjunto

de los infinitos planos que incluyen a la recta “e”

¿Cuántos planos se necesitan para que un haz de eje “e”

quede determinado?

Efectivamente, son dos (obviamente, no paralelos)

 10

1 : A1 x  B1 y  C1 z  D1  0 L.Carvajal

 2 : A2 x  B2 y  C2 z  D2  0
e

Puede demostrarse que el haz determinado por  1 y  2 , tiene por ecuación:

  A1 x  B1 y  C1 z  D1    A2 x  B2 y  C2 z  D2   0

con   R,   R (no simul tan eamente nulos )

¿Qué se obtienen para los distintos valores de reales de  y  ?

¿Qué plano se obtiene para   1 y   0 ?

¿Qué plano se obtiene para   0 y   1 ?

Ángulo determinado por dos planos


n1


n2 El ángulo determinado por dos planos, es el ángulo determinado por
sus respectivos vectores asociados o por el suplemento del mismo.
Luego:


 
n1 . n 2
  arc cos  
( o su suplementario)
n1 n2
 11

Distancias de punto a plano L.Carvajal

Observando la figura, ¿cómo definiría usted la distancia de un punto a un plano?

 P0  xo ; y0 ; z0 

 : Ax  By  Cz  D  0

En efecto, es la medida del segmento de perpendicular al plano trazado por el punto y comprendido
entre ambos.

¿Cómo calcular la distancia de un punto a un plano?

 P0  xo ; y0 ; z0 


n  d Consideramos el punto P  x; y; z  genérico,

perteneciente al plano y el vector PP0 .

Construimos un triángulo rectángulo tal que:

P  x; y; z 
 
d PP0 . n d
cos   
  
 
PP0 PP0 n PP0

 
PP0  n
Luego: d 
n

Ax0  By0  Cz0  D

Desarrollando: d
A2  B 2  C 2
PROPIEDADES DE LOS DETERMINANTES

Sea A R nxn . El determinante asociado a la matriz A, se simboliza: Det (A) o bien A

1) Det (A) = 0 si A tiene:

1-1) Dos líneas paralelas proporcionales.

1-2) Dos líneas paralelas iguales.
1-3) Una línea nula.

2) Det (A) no varía, si a una línea se le suma una combinación lineal de las restantes líneas paralelas.

3) Si se permutan dos líneas paralelas de A, el Det (A) sólo cambia de signo.

a b c d
Ejemplo: 
c d a b

4) Det (A) = Det (At)

5) Det (A1 ….. k Aj …. An) = k . Det (A1 …. Aj …. An ).

Ejemplo: Det (A1 A2 A3 ) = 6. Calcular Det (A1 3A2 A3 ).

Resulta que: Det (A1 3A2 A3 ) = 3. Det (A1 A2 A3 )

O sea: Det (A1 3A2 A3 ) = 3. 6 = 18

6) Det (  A) =  n Det (A)

1.5 2.5 1.5 1 2 1

Ejemplo: 0.5 4.5 2.5  5 . 0 4 2
3

7.5 1.5 2.5 7 1 2

7) Det (I) = 1

1
8) Det (A-1) =
Det ( A)

9) Det (A.B) = Det (A) . Det (B) con A R nxn , B  R nxn

10) Det (A-1 ) = (Det A)-1

11) Det (Ah ) = (Det A) h con h  N

12) Det (A1 A2 Ai+Aj .......An ) = Det (A1 A2 Ai ……An) + Det (A1 A2 Aj ……An )

Ejemplo: Det (A1 A2 A3 ) = 6. Calcular Det (A1 A1+A2 A3).

Resulta que: Det (A1 A1+A2 A3 ) = Det (A1 A1 A3) + Det (A1 A2 A3 ).

O sea: Det (A1 A1+A2 A3 ) = 0 + 6 = 6

 1

RECTA EN R3 . ECUACIONES

Leonor Carvajal
 2

L. Carvajal

Ecuaciones de la recta, en R3


¿Cuántas rectas existen, paralelas a un vector a ?

z a = ( ax ; ay ; az )

0 y

Efectivamente, son infinitas.

Como queremos una en particular, necesitamos saber por dónde pasa, o sea,
conocer uno de sus puntos, por ejemplo, P0


z a = (ax ;ay ; az )
PP0


0 y
r
 
a // r ( a asociado a r )
x Datos: 
 P0  x0 ; y 0 ; z 0 r


Consideramos ahora, un punto cualquiera de r, por ejemplo: P = (x;y;z) y lo

relacionamos con los datos para obtener una ecuación de la recta r.

  
Trazamos los vectores OP0 , P0 P y OP .

z a Por la regla del polígono:
  
P0 OP  OP0  P0 P

 
 P Pero P0 P// a
y Ecuac. vectorial
 
L.Car

r paramétrica de
x OP  OP0   a la recta
(  R)
Nota: para cada valor de   R , se obtiene un punto de la recta r
 3

L.Carvajal

Desarrollado esta ecuación, se obtiene:

(x ;y; z) = (x0 ;y0 ;z0 ) +  (ax ; ay ; az ) con   R

Luego: Ecuaciones paramétricas

 x  x0   a x cartesianas de la recta,

 y  y0   a y con   R

z  z0   a z

Despejando  e igualando:
Ecuaciones simétricas de
x  x0 y  y 0 z  z 0 la recta.
 
ax ay az (ax  0 ;ay  0; az  0)

¿Qué representan cada una de las tres ecuaciones del cuadro anterior?

x  x0 y  y 0 x  x0 z  z 0 y  y0 z  z0
  
ax ay ax az ay az

Efectivamente, son tres planos que incluyen a la recta y son perpendiculares a los
planos coordenados.

Por tal motivo se denominan Planos proyectantes de la recta.

 4

L.Carvajal

x  x0 y  y 0 x  x0 z  z 0 y  y0 z  z0
1 :  2 :  3 : 
ax ay ax az ay az

z z z

.
3
y . 2 y y
1
x x r x r
r

x  x0 y  y 0 z  z 0
¿Qué sucede con las ecuaciones simétricas de la recta:  
ax ay az

si una o dos de las componentes del vector asociado a una recta, es nula?

¿En qué posición estaría la recta con respecto a los ejes y/o planos coordenados?
 5

L.Carvajal

1) Una sola componente nula

Por ejemplo: a x  0 a y  0 , a z  0

Resulta : a  0; a y ; a z 


Luego la recta puede considerarse como la intersección de estos dos planos:

 x  x0

 y  y0  z  z0 z
 a az
 y

a
y

x0

Análogamente:

a y  0 a x  0 ; a z  0 a z  0 a x  0 ; a y  0
 y  y0 z  z0
 
 x  x0 z  z 0  x  x0  y  y 0
 a   a
 x az  x ay
z z
r r
z0
 
a y a
yo y

x x

Observamos que cuando una sola componente del vector asociado a la recta, es

nulo, la recta es perpendicular el eje de la componente nula

 6

L.Carvajal

2) Sólo dos componentes nulas

Por ejemplo: a x  a y  0  a z  0

Resulta : a  0;0; a z 

Luego la recta puede considerarse como la intersección de estos dos planos:


z a
 x  x0

 y  y0

y0 y
x x0 r

Análogamente:

a x  a z  0 a y  0  a y  a z  0 a x  0 
Resulta: a  0; a y ;0
 
a  a x ;0;0

Luego, cada recta puede considerarse como la intersección de los planos:

z z
 x  x0  y  y0
 z0  z0 r
z  z0 z  z0
 
r a a
y0 y
y
x x0 x
 7

L.Carvajal

Observamos que cuando dos componentes del vector asociado a la recta, son nulas,

la recta es perpendicular al plano coordenado correspondiente a las componentes

nulas.

Ángulo determinado por dos rectas


a r1


r2

b

Es el ángulo determinado por sus respectivos vectores asociados, o el suplementario

Distancia de punto a recta

. P0
recta r
d r Datos 
 P0 r

Es la medida del segmento de perpendicular a la recta trazada por el punto y

comprendido entre ambos .
 8

L. Carvajal

recta r
Distancia de punto a recta Datos 
 P0 r

  
Sea P1 r . Trazamos P1 P0 y calculamos P1 P0  a
   
P0 P1 P0  a = P1 P0 a sen 
 
d r P1 P0  a = PP 
a
d
1 0 
P1 P0

 


P1 P0  a
P1 a d= 
a

Posiciones particulares de dos rectas

1) Rectas paralelas: r1 // r2

r1 r2
 
a b

 
r1 // r2  a // b

Recordemos la condición de paralelismo de dos vectores

2) Rectas perpendiculares: r1  r2

r1 r2


a

b

  L.Carvajal
r1  r2  a  b

Recordemos la condición de perpendicularidad de dos vectores

 9

3) Rectas alabeadas

r1 y r2 son alabeadas si y sólo si no existe un plano que las incluya

Por ejemplo: r1

r2

Distancia entre rectas alabeadas

La distancia entre rectas alabeadas es la medida del único segmento de

perpendicular comprendido entre ambas.

Para visualizarlo fácilmente, consideramos el siguiente caso:

d
dd

r2
r1

En general:

a P1 r1


b P2 r2
Puede demostrarse que la distancia entre dos rectas alabeadas se calcula
mediante:
  
P1 P2  a . b
L.Carvajal
d  
ab
 10

Proyección de un punto sobre un plano

La proyección de un punto P sobre un plano, es la intersección del plano

con la recta perpendicular al mismo, que pasa por P.

gP

Proyección de una recta sobre un plano

La proyección de una recta r sobre un plano  , es la recta determinada

por las proyecciones de dos puntos de r sobre el plano.

r P Q r
Q

r //  r // 

También puede definirse como la intersección del plano dado con el plano
perpendicular al mismo, que incluye a la recta

r r
SISTEMAS DE ECUACIONES LINEALES CON TRES INCÓGNITAS

1º) Dos ecuaciones

 A1 x  B1 y  C1 z  D1  0

 A2 x  B2 y  C2 z  D2  0

A1 B1 C1 A1 B1 C1 D1
1)   2)    3) No hay proporcionalidad
A2 B2 C2 A2 B2 C2 D2

1

1   2 1
2 1   2 2

r
Conjunto solución:  Conjunto solución: 1   2 Conjunto solución: recta r

2º) Más de dos ecuaciones.

a) Consideremos tres ecuaciones:

 A1 x  B1 y  C1 z  D1  0

 A2 x  B2 y  C2 z  D2  0
A x  B y  C z  D  0
 3 3 3 3

1
2 3 2 1

P
2
3

r 1 3

Sist. Compat. Indeterminado Sist. Compat. Determinado: S  P Sist. Incompatible: S   

S es la recta r (es un ejemplo)

Nota: Los sistemas HOMOGENEOS, SIEMPRE SON COMPATIBLES.

b) Consideremos cuatro a más ecuaciones:

 A1 x  B1 y  C1 z  D1  0
A x  B y  C z  D  0
 2 2 2 2

 3A x  B3 y  C3 z  D3 0
 A4 x  B4 y  C3 z  D4  0

Sistema Compatible Indeterminado Sistema Incompatible: S   

S es la recta r (Es un ejemplo)

Sistema Compatible Determinado: S  P

 1

SISTEMAS DE ECUACIONES LINEALES

Leonor Carvajal
 2
Leonor Carvajal

SISTEMAS DE ECUACIONES LINEALES

Un sistema de ecuaciones lineales es un conjunto formado por dos o más ecuaciones de primer grado.

a11 x1  a12 x2  .......  a1n xn  b1

a x  a x  .......  a x  b
 21 1 22 2 2n n 2

...............................................
...............................................

am1 x1  am 2 x2  .......  amn xn  bm

 a11 a12 .... .... a1n b1 

 a11 a12 .... .... a1n   x1   b1   
   
 
 x2   a21 a22 .... .... a2 n b2 
 a21 a22 .... .... a2 n   b2 
A   .... .... .... .... 
;
X   .... 
;
B   .... 
; A´  .... .... .... .... .... .... 

....
      
 .... .... .... .... ....   ....   ....   .... .... .... .... .... .... 
a .... .... amn mn x  b  a bm m n 1
 m1 am 2  n  n1  m  m1  m1 am 2 .... .... amn

A m x n es la matriz de los coeficientes. Si m = n es sistema se denomina cuadrado. Si m  n, es rectangular.

X n x 1 es la matriz de las incógnitas.
B m x 1 es la matriz de los términos independientes. Si B = N, el sistema se denomina homogeneo.
A´m x (n + 1) es la matriz ampliada con los términos independientes (la última columna es la de los términos
independientes).

Por lo tanto, un sistema de ecuaciones lineales puede expresarse en forma matricial, de la siguiente manera:

A.X=B

Resolver un sistema de ecuaciones, significa hablar el/los valor/es de la/s variable/s que lo forman.

Si un sistema tiene solución, se dice COMPATIBLE y si no la tiene, INCOMPATIBLE.

  DETERMINADO
 
  Solución única 
COMPATIBLE ( S  ) 
A.X=B :  INDETERMINADO
 

  Infinitas soluciones 




 INCOMPATIBLE ( S  )
 3
Leonor Carvajal

Recordamos que:
El rango fila de una matriz A, es el mayor número de vectores fila linealmente independientes de A.
El rango columna de una matriz A, es el mayor número de vectores columna linealmente independientes de A.

El rango fila de una matriz es igual a su rango columna.

A este número de lo denomina RANGO DE LA MATRIZ A y se lo simboliza:   A .

Ejemplos:
 1 2 3 3 2 5 1 
   2 1 4   
Los rangos de las matrices P   2 4 6  ; Q    y W   0 0 0 1  , son, respectivamente:
3 6 9 0 5 6   0 0 2 1
   
  P   1 ;   Q   2 y  W   3 .

¿Cómo determinar si un sistema de ecuaciones lineales es compatible o incompatible?.

1) Si el sistema es homogeneo, SIEMPRE ES COMPATIBLE.

2) Si el sistema no es homogeneo, aplicamos el TEOREMA DE ROUCHÉ-FROBENIUS:

Un sistema de ecuaciones lineales A . X = B es compatible si y sólo si el rango de la matriz de los coefi-
cientes es igual al rango de la matriz ampliada con los términos independientes.
O sea:

A . X = B es compatible    A    A´

Con respecto al número de soluciones, o sea, si es determinado o indeterminado:

1)   A    A´  n  A. X  B es COMPATIBLE DETERMINADO.

2)   A    A´  n  A. X  B es COMPATIBLE INDETERMINADO.
En este caso, n -   A es el número de variables independientes.

¿Cómo resolver un sistema de ecuaciones lineales?.

Por ejemplo, se puede aplicar el método de Gauss- Jordan, que mostramos en los siguiente ejercicios:

 x  2 y  z  1  x  2 y  z  1  x  2 y  z  1
  
a) 3x  7 y  3z  5 b) 3x  7 y  3z  5 c) 3x  7 y  3z  5
2 x  5 y  5 z  6 2 x  5 y  4 z  6 2 x  5 y  4 z  4
  
 4
Leonor Carvajal

1 2  1 1 1 2  1 1 1 2  1 1
a) 3 7 3 5 b) 3 7 3 5 c) 3 7 3 5
2 5 5 6 2 5 4 6 2 5 4 4

1 2 1 1 1 2 1 1 1 2 1 1
0 1 6 2 0 1 6 2 0 1 6 2
0 1 7 4 0 1 6 4 0 1 6 2

1 0 13 3 1 0 13 3 1 0 13 3

0 1 6 2 0 1 6 2 0 1 6 2
0 0 1 2 0 0 0 2 0 0 0 0

  A  2 ;   A´  3
1 0 0 23   A    A´  2
0 1 0 10   A    A´ Sistema Incompatible
Sistema Compatible.
0 0 1 2
S 
  A    A´  n
  A    A´  3 Sistema Comp. Indeterminado.
Sistema Compatible.
n    1 variables independientes
  A    A´  n
Sistema Comp. Determinado.
S   x; y; z   R3 /  x; y; z    3  13; 2  6;   con   R
S   23;10; 2 

--------------------------------------------------------------------------------------------------------------------------------

Regla de Cramer

Si A. X  B es un sistema cuadrado, cada incógnita se obtiene mediante el cociente de dos determinantes:

El determinante del denominador es el asociado a la matriz de los coeficientes y el determinante del
numerador sólo difiere con el anterior en que la columna de la variable a calcular se reemplaza por los
términos independientes.

Ejemplo
 x  2 y  z  1

Resolver por la regla de Cramer: 3x  7 y  3z  5
2 x  5 y  5 z  6

 5
Leonor Carvajal

Resulta:
1 2 1 1 1 1 1 2 1
5 7 3 3 5 3 3 7 5
6 5 5 2 6 5 2 5 6
x y z
1 2 1 1 2 1 1 2 1
3 7 3 3 7 3 3 7 3
2 5 5 2 5 5 2 5 5

x  23 y  10 z  2

S   23;10; 2 

Si el sistema es HOMOGENEO, como siempre es COMPATIBLE, el que decide si es determinado o no,

es el determinante del denominador.

SISTEMAS DE ECUACIONES LINEALES CON TRES INCÓGNITAS

1º) Dos ecuaciones

 A1 x  B1 y  C1 z  D1  0

 A2 x  B2 y  C2 z  D2  0

A1 B1 C1 A1 B1 C1 D1
1)   2)    3) No hay proporcionalidad
A2 B2 C2 A2 B2 C2 D2

1

1   2 1
2 1   2 2

r
Conjunto solución:  Conjunto solución: 1   2 Conjunto solución: recta r
 6
Leonor Carvajal

2º) Más de dos ecuaciones.

a) Consideremos tres ecuaciones:

 A1 x  B1 y  C1 z  D1  0

 A2 x  B2 y  C2 z  D2  0
A x  B y  C z  D  0
 3 3 3 3

1
2 3 2 1

P
2
3

r 1 3

Sist. Compat. Indeterminado Sist. Compat. Determinado: S  P Sist. Incompatible: S   

S es la recta r (es un ejemplo)

Nota: Los sistemas HOMOGENEOS, SIEMPRE SON COMPATIBLES.

b) Consideremos cuatro a más ecuaciones:

 A1 x  B1 y  C1 z  D1  0
A x  B y  C z  D  0
 2 2 2 2

 3A x  B3 y  C3 z  D3 0
 A4 x  B4 y  C3 z  D4  0

Sistema Compatible Indeterminado Sistema Incompatible: S   

S es la recta r (Es un ejemplo)
 7
Leonor Carvajal

Sistema Compatible Determinado: S  P

Ejercicio: analice el siguiente sistema para los distintos valores de k  R

 x  3y  4z  1

2 x  7 y  z  2
 x  4 y  (k 2  1) z  3k  3


Aplicamos Gauss Jordan:

1 3 4 1
2 7 1 2
1 4 k  1 3k  3
2

1 3 4 1
0 1 9 4
0 1 k 2  5 3k  2
1 3 4 1
0 1 9 4
0 0 k  4 3k  6
2

Puede suceder:

1) k 2  4  0  k  2  k  2  Sistema Compatible Determinado, pues   A    A´  n

k  2  Sist. Compat. Indeterminado pues   A    A´  n

2) k  4  0  
2

k  2  Sist. Incompatible pues  A   A´

    
 1

VECTORES GEOMÉTRICOS

Carvajal Leonor
 2

Carvajal Leonor

VECTORES GEOMÉTRICOS

B
Se lee : vector AB

Se simboliza : AB Se lee :vector a

A a 

A es el origen Se simboliza : a
B es el extremo

Elementos de los vectores geométri cos B


 Módulo : AB  0

A  Dirección

 Sentido

Vectores equipolent es

    
ab c d b
Tiene igual :
    Módulo
a c d
 Dirección
 Sentido

Vectores opuestos
Tienen :
       Igual módulo
a b a   b o bien b   a
 Igual dirección
 Sentidos contrarios

Vector nulo
 El origen y el extremo coinciden
 No se grafica

 Se simboliza : 0

 Tiene módulo cero, o sea : 0  0
 3

Expresión de un vector como par ordenado de números reales (o sea, en R 2 )

y a x es la primera componente
a y es la segunda componente

a
ax
a  a x ; a y 


ay

Por lo tanto:
  a x  bx   a x  bx 
1) a  b   2) a   b   3) 0  0;0
a y  b y a y  b y

Módulo de un vector en R 2

a  ax  a y
2 2

Visualizando el gráfico anterior y aplicando el teorema de Pitágoras, resulta:

Versores canóni cos en R 2

y
  
1 Son: i  (1; 0) Luego: i  j 1
 
j j  (0 ;1)
1 x

i
 4

Carvajal Leonor

Expresión de un vector , como terna ordenada de números reales ( en R 3 )


az a
a  a x ; a y ; a z 

ay

ax y

Luego:
a x  b x a x  bx
 
 

  
1) a  b  a y  b y 2) a   b  a y  b y 3) 0  0;0;0 a  ax  a y  az
2 2 2
4)
 
a z  b z a z  bz

Versores canóni cos en R 3

  
z Se simbolizan: i  1;0;0 , j  0;1;0 , k  0;0;1

1
   
k 1 y Luego: i  j  k 1
 
x y
1
x

Operaciones con vectores

  
** Adición : a  b  r

r
 
b Por la regla del paralelogramo: a
 
a b
 5

Carvajal Leonor

Si son más de dos vectores conviene aplicar la regla del polígono:

  
c b c

b

  
a a r

Adición en forma analítica:

a  b = a x  bx ; a y  by  (en R2) a  b = a x  bx ; a y  by ; a z  bz  (en R3)
   

 
Ejercicios. Obtener a  b si :
   
1) a  2;1 y b  3;5 2) a  2;1;4 y b  (3;5;6)

Respuestas:
     
1) a  b  2  3; 1  (5)  a  b  5;4 2) a  b  5;4;10

Propiedades de la adición de vectores

1) Ley de composición interna.

     
2) Ley conmutativa.  a ,  b : a  b  b  a
        
3) Ley asociativa.  a,  b ,  c : ( a  b )  c  a  ( b  c )
      
4) Elemento neutro: es 0 pues  a : a  0  0  a  a

5) Elemento inverso aditivo: es el vector opuesto pues a    a    a  a  0

    

 

  
  
6) ** Sustracción de vectores a b = a   b   d
 

- b
Por la regla del paralelogramo:
  
a b d

a
 6

Carvajal Leonor

Expresión de un vector como diferencia entre su extremo y su origen (en R2)

y A
  
Por la regla del polígono: OP  OA AB
B
  
Luego: AB  OB OA

AB  bx ; b y  a x ; a y 
0 x 

Análogamente, en R3:
AB  bx ; b y ; bz  a x ; a y ; a z 


** Multiplicación de un escalar por un vector

     
a b k  R ; k a  b tal que: 1) b  k a
 
2) Direc. de b = Direc. de a
  iguales si k  0
3) Sentidos de b y a 
contrarios si k  0

Multiplicación de un escalar por un vector, analíticamente


a
k  R ; k a  b / b  k a x ; k a y  (en R2)
   
b

b  k a x ; k a y ; k a z  (en R3)


  1   1   1 3
Ejercicio. Siendo a = ( 2; -6), obtenga: 2 a y - a Rta: 2 a = ( 4 ; -12) y - a =  ; 
4 4  2 2
 7

Carvajal Leonor

Versor asociado a un vector

Es el versor con la dirección y el sentido del vector considerado

Cómo obtener el versor asociado a un vector?


b

b ¿Por qué número hay que multiplicar a un versor para que se
transforme en el vector al que está asociado?

En efecto, debe ser multiplicado por el módulo del vector.

    1 
O sea: b b  b  b  b
b

Condición de paralelismo
     
Sean a y b dos vectores tales que a  k b con k  R . Luego a // b

Sabemos que, en R2: a x ; a y  k bx ; by 

a x  k b x ax a y  
   k con bx  0 ; b y  0 a b
a y  k b y bx b y
 
Es decir, a // b  componentes homólogas proporcionales.

Análogamente, en R3: ax a y az
  k con b x  0 ; b y  0 ; b z  0
bx b y bz

¿Qué significa k > 0, o bien, k < 0 ?

Propiedades de la multiplicación de un escalar por un vector

1) Ley de composición externa.

2) Distributiva con respecto a la adición de vectores:    

k a b   k a k b
 
  
3) Distributiva con respecto a la adición de escalares: k  h a  k a  h a
 
4) Asociatividad mixta: k . h a  k (h a )
 
5) Elemento neutro: es el escalar uno, pues 1. a  a
 8

Combinación lineal de vectores

    
Dados b observamos que 3 b O sea: r  2 a  3 b

r
 
a 2 a

  
Se dice que r es combinación lineal de los vectores a y b .

En general:

       
r es C.L. de los elementos de V = a , b ,..., p  si y sólo si : r  1 a   2 b  ...   n p .
 
Los escalares se denominan coeficientes de la C.L.

Cuando los escalares son todos nulos la combinación lineal se denomina trivial.

 
Por lo tanto, a es combinación lineal de i , j  puesto que:


  
y a  ax i  a y j


ay a
Forma cartesiana de un vector, en R2


j

i ax x

 
 

Análogamente, a es combinación lineal de i , j , k , en R3, puesto que:
z

az
   
a  ax i  a y j  az k

a
 
k ay Expresión cartesiana de a , en R3
 
i j y
ax

x
 9

Carvajal Leonor

Dependencia e independencia lineal (en R2)


Ejemplo. Exprese a 0 como combinación lineal de los elementos de los conjuntos dados y preste especial
atención a los coeficientes de cada combinación lineal:

1) V1 = 2;4,  3;1
2) V2 =  4;2; 2;1
3) V3 = 1;3; 2;2; 4;1
4) V4 = 0;0;  5;2
5) V5 = 6;1
6) V6 = 2;5

Respuestas

1) V1 = 2;4,  3;1 0  0 (2;4) + 0 (-3;1)

2) V2 =  4;2; 2;1 0  1 (-4;2) + 2 (2;-1) (ejemplo)

3) V3 = 1;3; 2;2; 0;1 0  2(1;-3) +(-1) (2;-2) + 4 (0;1) (ejemplo)

4) V4 = 0;0;  5;2 0 = 7 (0;0) + 0 (-5;2) (ejemplo)

5) V5 = 6;1 0  0 (6;-1)

6) V6 = 2;5 0  0 (2;5)

Observe y responda las siguientes preguntas

1) ¿Cuáles son los coeficientes de las combinaciones lineales de los casos 1), 5) y 6)? ¿ Por qué?.
¿Existen otras posibilidades?. Enuncie sus conclusiones.

2) ¿Cuáles son los coeficientes de las combinaciones lineales de los casos 2), 3) y 4)? ¿Por qué?
¿Existen otras posibilidades?. Enuncie sus conclusiones.

Dependencia e independencia lineal. Definiciones.

1) Un conjunto V es linealmente independiente si y sólo si la única combinación lineal de sus elementos


que da el 0 es la trivial. Ej: 1), 5) y 6)

Nota: en el futuro, linealmente independiente, se anotará L.I.

 10

Carvajal Leonor

2) Un conjunto Ves linealmente dependiente cuando no es linealmente Independiente. Ej: 2), 3) y 4).

Nota: en el futuro, linealmente dependiente, se anotará L.D.

Ejercicio: En función de lo desarrollado en R2, responda las siguientes preguntas

¿ Es L.I. o L.D. todo conjunto V que contenga :

1) un solo vector no nulo?

2) dos vectores de distintas direcciones?

3) dos vectores de igual dirección?

4) tres o más vectores?

5) al vector nulo?

Dependencia e independencia lineal (en R3)

Le proponemos un ejercicio similar al desarrollado en R2.

Sean:
1) V1 = 2;4;5 
2) V2 =  4;2;6; 2;1; 3
3) V3 = 1;3;1; 2;2;3
4) V4 = 0;0;1;  5;2;0; 1;0;1
5) V5 = 6;1;1; 1;1;2; 7; 0;  1
6) V6 = 6;1;1; 0;0;0; 7; 0;  1
7) V7 = 6;1;1; 1;1;2; 7; 0;  1; 1;1;1


a) Exprese a 0 como combinación lineal de los elementos de los conjuntos dados y preste especial atención
a los coeficientes de cada combinación lineal.
b) ¿Cuáles son los conjuntos L.I. y cuáles L.D.?. Justifique.
 11

Carvajal Leonor

Otra operación con vectores:

     
**Producto escalar o producto punto: se simboliza a gb y se lee “ a escalarmente b ” o bien “ a punto b ”

     
a  b Lo definimos: 1) a gb = a . b . cos 
 
0    2) a gb = a x bx  a y b y (en R2)
 
a gb = a x bx  a y b y + a z bz (en R3)

Ejercicio:

1) De la definición de producto escalar o producto punto, ¿qué se obtiene como resultado?

  3  
2) a  4  b  3      a gb =
4
    
3) a   3; 4   b  2     a gb 
3
   
4) a   2; 1  b   3; 4   a gb 
   
5) a   1;3; 4   b   2;3;1  a gb 

6) Si un producto escalar en nulo, ¿qué puede afirmar con respecto a los vectores dados o al ángulo que
determinan?

Condición de perpendicularidad

¡¡¡¡¡¡ IMPORTANTÍSIMO !!!!

 
Dos vectores no nulos son perpendiculares si y sólo si a gb = 0

Luego, puede afirmarse:

       
a gb  0  a  b  a  0  b  0
 12

Carvajal Leonor

Propiedades del producto escalar o producto punto

     
1) Conmutativa.  a,  b : a gb  b ga
   
     
2) Distributiva con respecto a la adición de vectores.  a ,  b ,  c : a g b  c   a gb  a gc
 
       
3) Asociatividad mixta.  k  R,  a ,  b : k ( a gb )  ( k a )gb  a g(k b )

Proyección de un vector en la dirección de otro

 
Se necesita obtener la proyección de a en la dirección de b .
 
a Ello se simboliza: Pr oyb a

    
b Pr oyb a b Sabemos que: Pr oy a  k b (*)
b


Además, a puede descomponerse en la suma de dos vectores, de la siguiente manera:
  
a = u + Pr oyb a
  
u a Multiplicamos ambos miembros escalarmente por b

       
b Pr oyb a b a gb = ( u + Pr oyb a ) gb
     
a gb = u gb + k b gb
   2
a gb = k b

Despejando k y reemplazando en (*):

 
 a.b 
Pr oy  a  b
b  2
b
 13

Carvajal Leonor

** Producto vectorial o producto cruz

 
Se simboliza: a b
    
a  bc Se lee: a vectorialmente b

       
b Se define: a  b  c tal que: 1) ab  a b .sen 
 
 
 2) (Direc. de a  b )  plano  a ; b 
 
  
a 3) Sentido de a  b responde a la terna derecha

   
Nota: del item 3) se deduce que a  b  b  a , o sea, NO ES CONMUTATIVA

Cálculo del producto vectorial de dos vectores.

 
Puede demostrarse que a  b se calcula de la siguiente manera:

  
i j k
 
a  b = ax ay az
bx by bz

  
a  b = a y .bz  a z .by i  a x .bz  a z .bx  j  a x .by  a y .bx k
 
O sea:

Propiedades del producto vectorial o producto cruz

  
1) Distributiva con respecto a la adición de vectores:  a ,  b ,  c
      
1-1) A izquierda: a ( b  c )  a b  a c
      
1-2) A derecha: ( b  c )  a  b  a  c  a

2) Asociatividad mixta:  k  R,  a,  b : k  a b    k a   b  a   k b 
       

     

        
3)
a  b  0  a // b  a0  b0
 14

Carvajal Leonor

Interpretación geométrica del módulo del producto vectorial

          h   
a b a b  a b sen   a b  a b 
 a b  a h
b

b
   
 
h a b  base . altura  a b  área del parale log ramo ( a , b )


a

Ejercicio:
 
Calcule el área del paralelogramo de lados a  1; 2; 3 y b   5; 1;1 .

( ( (
i j k
    ( ( (  
Desarrollo: a b  1 2 3  a b  i  16 j  11k  área paralelogramo = a b  378
5 1 1

Última operación con vectores:

** Producto mixto.

     
Dados tres vectores a , b y c , su producto mixto se simboliza: a b gc
    
c b Se lee: a vectorialmente b escalarmente c

Puede demostrarse que se calcula mediante:

 ax ay az
a   
a b gc = bx by bz
cx cy cz
 15

Carvajal Leonor

Interpretación geométrica del valor absoluto del producto mixto

 
ab

Puede demostrarse fácilmente, que: a b gc  volumen paralelepípedo  a , b , c 

     

 

              h
c  h b pues: a b gc  a b c cos   a b gc  a b c 
c

a
  
Luego: a b gc  área de la base . altura

     
Entonces: a  b gc  volumen paralelepí pedo ( a , b , c )

Ejercicio:
  
Calcule el volumen del paralelepípedo de aristas a   2; 4; 5 , b  1;0; 2  y c   3;1; 1 .
Desarrollo:
2 4 5
     
a b gc  1 0 2  a b gc  21  volumen del paralelepípedo = 21  21
3 1 1

Condición de coplanaridad

        
Sean a , b y c no nulos . a, b y c son coplanares  a  b gc  0

Ejercicio:
  
Determine si los vectores a   3; 2; 4  , b   0; 1;1 y c   4; 2;1 son o no coplanares.
Desarrollo:
3 2 4
     
a b gc  0 1 1  a b gc  0  Los vectores dados no son coplanares.
4 2 1
16
17
18