Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso 2004/2005
5
-0
05
9-
l2
de
n
rsió
Ve
Ve
rsió
n
de
l2
9-
05
-0
5
Índice general
I Geometrı́a Afı́n 7
1. Espacios afines 9
1.1. La definición de espacio afı́n . . . . . . . . . . . . . . . . . . . . . 9
1.2. Variedades lineales . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5
1.3. Coordenadas en espacios afines. Referencias. . . . . . . . . . . . . 16
-0
1.4. Ecuaciones de variedades lineales . . . . . . . . .
05 . . . . . . . . . 24
1.5. La razón simple. Teorema de Menelao y de Ceva . . . . . . . . . 29
9-
1.6. Orientación en espacios afines reales . . . . . . . . . . . . . . . . 32
l2
2. Afinidades 33
de
Ejercicios 59
Problemas 63
II Geometrı́a Euclı́dea 67
3
4 ÍNDICE GENERAL
Ejercicios 121
Problemas 125
5
III Geometrı́a proyectiva 129
-0
6. El espacio proyectivo 05 133
6.1. La noción de espacio proyectivo. Construcción por recurrencia . . 133
9-
6.2. La definición abstracta del espacio proyectivo . . . . . . . . . . . 136
l2
Ejercicios 183
Problemas 185
Ejercicios 223
5
-0
Problemas 05 225
9-
Bibliografı́a 227
l2
de
n
r sió
Ve
6
Ve
rsió
n
de
l2
9-
05
-0
5
ÍNDICE GENERAL
Parte I
5
Geometrı́a Afı́n -0
05
9-
l2
de
n
sió
r
Ve
7
Ve
rsió
n
de
l2
9-
05
-0
5
Capı́tulo 1
Espacios afines
5
-0
1.1.1 Nuestro primer objetivo es desarrollar una estructura formal que nos
permita usar la maquinaria del Álgebra Lineal para estudiar Geometrı́a. Al-
05
gunos conceptos tı́picamente geométricos, como rectas, planos, etcétera, nos han
9-
aparecido ya como subespacios de espacios vectoriales. Pero un espacio vectorial
l2
tiene un punto distinguido (el origen), cuya existencia no tiene sentido desde un
punto de vista geométrico. Por ejemplo, nos gustarı́a estudiar todas las rectas y
de
Necesitamos, de algún modo, ser capaces de definir una estructura que in-
sió
corpore algo ası́ como “un espacio vectorial con el origen fijado donde más nos
convenga”. La noción correcta es la siguiente:
r
Ve
ϕ :A×A −→ E
(p, q) 7−→ ϕ(p, q)
tal que:
ϕp : A −→ E
i) Para todo p ∈ A, la aplicación es biyectiva.
q 7−→ ϕ(p, q)
9
10 CAPÍTULO 1. ESPACIOS AFINES
A q E
Φ (p,q)
5
r Φ (p,r)
-0
05
Φ (q,r)
9-
l2
de
→
−
pq + →
−
qr = →
−
pr.
r
Ve
1.1.3 Si hemos entendido bien la relación entre puntos y vectores, las siguientes
propiedades deberı́an no chocarnos en absoluto:
5
modo abreviado de decir que → −
pq = → −
u . Más adelante, cuando introduzcamos
-0
coordenadas, comprobaremos que, de hecho, esta notación es bastante natural.
05
9-
1.2. Variedades lineales
l2
a + F := {b ∈ A | ab ∈ F } = {b ∈ A | b = a + →
−
u,→
−
u ∈ F }.
sió
1.2.2 Ejemplos:
1. Sea E un espacio vectorial. Considera en E la estructura natural de espacio
afı́n. Sea H ⊂ E un subespacio vectorial. Entonces H, visto como subconjunto
de puntos del espacio afı́n E, es una variedad lineal. Pero no todas las variedades
lineales, es decir los subespacios afines de (E, estructura afı́n), son subespacios
vectoriales de (E, estructura vectorial).
Por ejemplo, en el plano R2 solamente las rectas que pasan por el origen son
subespacios vectoriales de dimensión 1. Cualquier recta, pase por donde pase,
es una variedad lineal de dimensión 1.
1.2.3 La definición que hemos dado de las variedades lineales habrá extrañado
a más de uno. ¿Qué papel cumple el punto a, cuando hablamos de la variedad
a + F ? ¿Es importante dicho punto para describir la variedad? Si lo es, ¿cómo
elegir el punto adecuado?... La siguiente proposición resulta tranquilizadora:
5
-0
Proposición Si b ∈ a + F , entonces a + F = b + F .
05
→
− →
− →
− → −
9-
Demostración.- Como ab ∈ F por hipótesis, se tiene bx ∈ F ⇔ ab + bx =
−
→ ∈ F . Luego x ∈ a + F ⇔ x ∈ b + F . Es decir, que ambos conjuntos son
ax
l2
idénticos.
de
(obviamente).
sió
→
− →
− →
−
pertenece a L1 y a L2 , y por tanto →
−
ac ∈ F , bc ∈ G. Pero entonces cb = − bc ∈ G,
→
− →
− →
−
de modo que ab = ac + cb ∈ F + G.
Veamos que en realidad, este análisis es válido con total generalidad, para
cualquier par de variedades lineales de cualquier espacio afı́n.
5
o sea c ∈ b + G. Por tanto c ∈ (a + F ) ∩ (b + G), y ambas variedades se cortan.
-0
05
9-
1.2.6 En nuestro análisis de posiciones relativas de variedades, tratamos ahora
la noción de paralelismo. Ahora, más que un teorema, necesitamos definir en
l2
1.2.7 Lee atentamente la definición anterior. Observa que la idea que tienes
de rectas paralelas en el espacio está cubierta por la definición dada. Pero no
sólo eso. Por ejemplo: ¿pueden variedades paralelas cortarse?. Aparte del caso
trivial de variedades coincidentes, la respuesta es sı́ (se necesita que sean de
dimensiones diferentes).
→
−
Si (a + F ) ∩ (b + G) 6= ∅, la proposición 1.2.5 nos dice que ab ∈ F + G. Pero
→
− →
−
F + G = G en este caso, luego ba = −ab ∈ G. Por tanto a ∈ (b + G), luego
(a + G) = (b + G), y entonces (a + F ) ⊂ (a + G) = (b + G).
5
Proposición Si c ∈ (a+F )∩(b+G), entonces (a+F )∩(b+G) = c+(F ∩G).
-0
→∈F
−
05
xa
Demostración.- x ∈ (a + F ) ∩ (b + G) ⇔ →
− . Ahora bien, como
xb ∈ G
9-
−
→+→ −
→
− →
− xa ac = →
−
xc ∈ F
⇔ →−
l2
ac ∈ F , cb ∈ G, lo anterior es equivalente a →
− → − −
→∈G xc ∈
xb + bc = xc
F ∩ G ⇔ x ∈ c + (F ∩ G).
de
1.2.10 Ya sabemos que un punto es una variedad lineal. El conjunto que for-
n
Ası́ que, en general, parece que la unión de variedades lineales no va a ser una
r
variedad lineal.
Ve
Pero, pensando si uno tuviera que definir algo ası́ como la menor variedad
en la que están dos puntos p y q... parece claro que el candidato adecuado serı́a
por ejemplo p + h→−
pqi, la recta que pasa por p y está dirigida por h→
−
pqi (piensa en
el caso del plano o el espacio usual).
Ese concepto de mı́nima variedad que contiene a unos cuantos puntos dados
se puede definir, formalmente, con toda generalidad:
5
→
−
a + F + G + habi, que contiene obviamente a b + G como en el paso anterior. De
-0
modo que L1 + L2 contiene a L1 y a L2 . 05
Ahora, supongamos que una variedad lineal c + H contiene a a + F y a
9-
b + G. Como a ∈ c + H, entonces c + H = a + H. Como, por hipótesis, (a + F ) ⊂
(c + H) = (a + H), se tiene F ⊂ H. Del mismo modo comprobamos G ⊂ H.
l2
→
− →
−
Además a ∈ c + H, b ∈ c + H ⇒ → −
ac ∈ H, bc ∈ H ⇒ ab ∈ H.
→
− →
− →
−
de
Ası́ que F, G, habi ⊂ H, por tanto F +G+h abi ⊂ H, ası́ que a+F +G+h abi ⊂
a + H = c + H.
n
sió
Atención, que hay que tener mucho cuidado con un detalle: en ii) lo que
aparece es dim(F ∩ G) y no dim(L1 ∩ L2 ). Ambas pueden no ser iguales (piensa,
por ejemplo, en el caso de rectas paralelas).
16 CAPÍTULO 1. ESPACIOS AFINES
→
−
Demostración.- Si L1 ∩ L2 6= ∅, entonces ab ∈ F + G, y por tanto F +
→
−
G + habi = F + G, que tiene dimensión dimF + dimG − dim(F ∩ G). Como
dimF = dimL1 , dimG = dimL2 por definición, y dim(F ∩ G) = dim(L1 ∩ L2 )
(ver proposición 1.2.9), hemos probado i).
→
− →
−
Si L1 ∩ L2 = ∅, entonces ab ∈ / F + G, de modo que dim(F + G + h abi) =
→
− →
−
dim(F +G)+dimhabi−dim((F +G)∩h abi) = dimF +dimG−dim(F ∩G)+1−0 =
dimL1 + dimL2 − dim(F ∩ G) + 1.
1.2.14 Las fórmulas de Grassmann son de gran importancia. Sirven, por ejem-
plo, para dar pruebas consistentes de hechos que nos parecen intuitivamente
ciertos (y otros donde la intuición no nos sirve de mucha ayuda: ¿quién puede
intuir algo en un espacio de dimensión 127? ¿Y cómo intuir algo si el cuerpo K
es, por ejemplo, finito?). Por ejemplo:
En dimensión 2 dos rectas no paralelas siempre se cortan. La razón es que
si L1 = a + F y L2 = b + G son dos rectas que no se cortan, entonces 2 ≥
dim(L1 + L2 ) = 3 − dim(F ∩ G). Se deduce dim(F ∩ G) ≥ 1, pero como F y G
tienen dimensión 1, la única opción es F = G, y por tanto L1 y L2 son paralelas.
5
-0
(La idea es que no hay suficiente dimensión en el espacio ambiente para que
las rectas se crucen. Sin embargo, como todos sabemos, en dimensión 3 si puede
05
pasar).
9-
Más aún, podemos decir dónde se cortan L1 y L2 : sabemos dim(L1 + L2 ) =
l2
son paralelas).
n
5
Vamos a definir también otro tipo de referencias que va a consistir sólo en
-0
una elección apropiada de puntos de A. Para ello, necesitamos hacer un poco
de trabajo previo. 05
9-
Definición Decimos que los k puntos a1 , . . . , ak del espacio afı́n (A, E, ϕ)
son linealmente independientes si los k − 1 vectores − a− → −−→
l2
1 a2 , . . . , a1 ak de E son
linealmente independientes.
de
X X
Demostración.- i) ⇒ ii). −−
λh a → → −
i ah = 0 =
−−
λh ( a → −−→ −−→
i a1 +a1 ah )+λ1 ai a1 =
h6=i h6=i,1
X X
−−
λh a →
1 ah + ( λh ) −
a− →
i a1 . Por i), se tiene entonces λh = 0 para h 6= 1, i, y
h6=i,1 h6=i
X
0=− λh = −λ1 , es decir λ1 = 0.
h6=i
5
j≥2 i≥1
-0
X X
λj −
a−→
1 aj . El primer término de esta suma es nulo, pues
05 λi = 0. Por tanto,
j≥2 i≥1
por i), tenemos λj = 0 ∀j ≥ 2. De nuevo usando que la suma de los λ’s vale 0,
9-
obtenemos λ1 = 0.
l2
k k k k
de
→
− X X X X
iii) ⇒ i). 0 = λj −
a−→
1 aj = ( λj ) −
a→
1p + λj −→j = (−
pa λj ) −→1 +
pa
j=2 j=2 j=2 j=2
n
k
X k
X
sió
j=2 j=2
X
Ve
1.3.5 El último paso antes de definir los sistemas baricéntricos es poder con-
seguir un conjunto de puntos independientes lo mayor posible (como ya hemos
dicho, n + 1 puntos si la dimensión es n). Esto se puede lograr siempre a base de
ir ampliando el número de puntos de modo apropiado, como muestra el siguiente
resultado:
Sean a0 + − −→ := ak+1 , . . . , a0 + −
vk+1 v→
n := an (recuerda -mira el párrafo 1.1.4-
que esto no es más que notación: quiere decir que ϕ(a0 , ak+1 ) = − −→, etcétera,
vk+1
y los puntos aj existen por biyectividad de ϕa0 ).
Entonces, por definición de independencia lineal de puntos en un espacio
afı́n, {a0 , . . . , an } son linealmente independientes.
Una vez que se tiene un sistema de referencia baricéntrico: ¿cómo definir las
coordenadas?. Pongamos por ejemplo que la dimensión es 2, y que {p0 , p1 , p2 }
son puntos independientes. Dado un punto x, el conjunto {x, p0 , p1 , p2 } no puede
ser linealmente independiente (son demasiados puntos). Ası́ que existe algún
p ∈ A, y k, k0 , k1 , k2 ∈ K no todos nulos tales que k + k0 + k1 + k2 = 0 y
k−→ + k0 −
px →0 + k1 −
pp pp→1 + k2 −→2 = →
pp
−
0 . Ahora, si fuera k = 0, {p0 , p1 , p2 } serı́an
5
dependientes. De modo que k 6= 0, y podemos dividir entre k. Obtenemos:
-0
−
→ = x0 −
px →0 + x1 −
pp →1 + x2 −
pp →2
pp
05
,
1 = x 0 + x1 + x2
9-
l2
Entonces:
i) La misma expresión es válida, con los mismos coeficientes, cambiando el punto
p por cualquier otro q ∈ A.
ii) Los valores x0 , . . . , xk son únicos si p0 , . . . , pk son linealmente independien-
tes.
Demostración.- i) − →=→
qx −
qp + −→=→
px −
qp + x0 −→0 + · · · + xk −
pp →k = →
pp −
qp + x0 →
−
pq +
−→ →
− − → →
− →
− −→ −→
x0 qp0 + · · · + xk pq + xk qpk = qp + (−x0 − · · · − xk )qp + x0 qp0 + · · · + xk qpk =
−→0 + · · · + xk −
x0 qp →k , la última igualdad siendo consecuencia de x0 + · · · + xk = 1.
qp
ii) Si
−
→ = x0 −
px →0 + · · · + xk −
pp →k
pp
1 = x0 + · · · + xk
20 CAPÍTULO 1. ESPACIOS AFINES
y también
−
→ = x0 − → 0 −→
px 0 pp0 + · · · + xk ppk
,
1 = x00 + · · · + x0k
5
1.3.9 Ejemplo (plano afı́n estándar): Sea (A, E, ϕ) el plano afı́n estándar.
-0
Sean p0 = (0, 0), p1 = (4, 0), p2 = (0, 4). Tomemos R = {p0 , p1 , p2 } y Rc =
05
{p0 ; −
p− → −−→
0 p1 , p0 p2 }.
Como − p− → −−→
0 p1 = ϕ(p0 , p1 ) = (4 − 0, 0 − 0) = (4, 0), p0 p2 = ϕ(p0 , p2 ) = (0 −
9-
0, 4 − 0) = (0, 4) y {(0, 4), (4, 0)} es base del espacio vectorial R2 , se sigue que
l2
Rc es referencia cartesiana.
Sea x = (4, −4) ∈ A. Claramente, sus coordenadas en Rc son (1, −1). ¿Y
en R? Tomemos, por ejemplo, p = (2, 0); − →=−
px →0 + −
pp →1 − −
pp →2 , de modo que
pp
n
sió
que
Ve
−
→
qx =→−
qp0 + →
−
qp1 − →−
qp2
q X
(4, −6) = (0, −2) + (4, −2) − (0, 2)
x 0 =1 x 0 =0
x 0 >1 p p x 0 <0
0 1
5
Observa que el punto medio del segmento −
p−→ 1 1
0 p1 es 2 p0 + 2 p1 .
-0
Ejercicio.-Realiza un análisis como el anterior para las coordenadas bari-
05
céntricas en una base baricéntrica cualquiera del plano afı́n real (dimensión 2).
9-
1.3.11 La descripción que acabamos de hacer del punto medio de un segmento
l2
dado por b = m a1 + · · · + m am .
Ve
Observa que para que el baricentro de m puntos exista, se debe poder dividir
m
z }| {
entre m =1 + · · · + 1 en K. Eso no es cierto en todo cuerpo. De hecho, se dice
p
z }| {
que K tiene caracterı́stica p si p es el menor entero tal que 1 + · · · + 1= 0 en K.
Si no existe tal entero, se dice que la caracterı́stica es 0.
De modo que en caracterı́stica 0 siempre existe el baricentro de m puntos,
mientras que en Z/3Z no existe el baricentro de 3 puntos, ni de 6, 9, etcétera.
n
X
De modo que xj = ei λji para j = 0, . . . , n. Equivalentemente, en no-
x
i=0
tación matricial,
x0 λ00 ··· λ0n e0
x
x1 λ10 ··· λ1n e1
x
.. = .. .. .. .
. . . .
5
xn λn0 · · · λnn en
x
-0
05
Observa que las columnas de la matriz cuadrada en la ecuación anterior
e en la referencia R, y que dicha matriz
son las coordenadas de los puntos de R
9-
transforma coordenadas en R e en coordenadas en R.
l2
0 →
−0 →
−0
Sean R = {p; → −
e1 , . . . , −
e→ 0
n } y R = {p , e1 , . . . , en } dos referencias cartesianas.
→
−
Supongamos que e0i = λ1i → −
e1 + · · · + λni e−→ n , i = 1, . . . , n. Supongamos también
n
0
en R, es decir → e1 + · · · + pn e−
− 0 = p1 →
− →
sió
j
Entonces
n
X n
X X n XX n n
−→ →
−
p0 x = x0i e0i = x0i ( λji →
−
ej ) = ( λji x0i )→
−
ej
i=1 i=1 j=1 j=1 i=1
q
n
X n
X n
X
→−−
−
px
→
pp0 = xj →
−
ej − pj →
−
ej = (xj − pj )→
−
ej
j=1 j=1 j=1
de modo que
n
X
xj = p j + λij x0i
i=1
para j = 1, . . . , n.
Sea ahora R e = {q0 , q1 , q2 } con q0 = (−8, 4), q1 = (4, 4), q2 = (−4, 12).
¿Cómo son las coordenadas de x en R? e Buscamos una expresión como − → =
px
→
−
e0 pq 0 + x
x →
−
e1 pq 1 + x →
−
e2 pq 2 . Tomemos, por ejemplo, p = q1 :
(0, −8) = −
q1→ e0 −
x=x q→ e2 −
1 q0 + x q→ e0 (−12, 0) + x
1 q2 = x e2 (−8, 8),
por lo que xe2 = −1, x e0 = 2/3, y por tanto x e1 = 4/3.
Para calcular coordenadas en R buscamos una expresión como q0 = λ00 p0 +
−→0 = λ00 pp
λ10 p1 +λ20 p2 , es decir pq −→0 +λ10 pp
−→1 +λ20 pp
−→2 para cualquier p. Tomemos
por ejemplo p = p2 , con lo que
(−8, 0) = − p−→ −−→ −−→
2 q0 = λ00 p2 p0 + λ10 p2 p1 = λ00 (0, −4) + λ10 (4, −4)
⇓
λ10 = −2, λ00 = 2
⇓
λ20 = 1
y, del mismo modo, − →1 = λ01 −
pq pp→0 + λ11 − →1 + λ21 −
pp pp→2 ; tomando, por ejemplo,
p = p0 , resulta
5
-0
(4, 4) = −
p−→ −−→ −−→
0 q1 = λ11 p0 p1 + λ21 p0 p2 = λ11 (4, 0) + λ21 (0, 4)
⇓
05
λ11 = λ21 = 1
9-
⇓
l2
λ01 = −1
Por último −→2 = λ02 − →0 + λ12 − →1 + λ22 − →2 y tomando p = p2 resulta
de
pq pp pp pp
(−4, 8) = −
p−→ −−→ −−→
2 q2 = λ02 p2 p0 + λ12 p2 p1 = λ02 (0, −4) + λ12 (4, −4)
n
⇓
sió
⇓
Ve
λ22 = 3
(12, −8) = −
q0→ e1 −
x=x q−→ e2 −
0 q1 + x q−→ e1 (12, 0) + x
0 q2 = x e2 (4, 8)
⇓
e1 = 4/3, x
x e2 = −1
5
Ası́ que las coordenadas de x en R son (x1 , x2 ), donde
-0
05
x1 3 1 4/3 −2
= + ,
x2 0 2 −1 1
9-
l2
x1 3 1 e1
x −2
= + .
n
x2 0 2 e2
x 1
sió
x ∈a+F
m
−→ = (x1 − a1 , . . . , xn − an ) ∈ F
ax
m
(x1 − a1 )→
−
e1 + · · · + (xn − an )e−→ →
− →
−
n = λ 1 v1 + · · · + λ k vk
= (λ1 v11 + λ2 v12 + · · · + λk v1k )→
−
e1 + · · · + (λ1 vn1 + · · · + λk vnk )e−
→n
5
xn = an + λ1 vn1 + · · · + λk vnk
-0
De otra forma equivalente, x ∈ L ⇔ − → ∈ h→
ax − 05
v1 , . . . , →
−
vk i, lo cual ocurre si en
−
→ →
− →
−
{ax, v1 , . . . , vk } sólo hay k vectores linealmente independientes, es decir
9-
l2
. . . . .
xn − a n vn1 · · · vnk vn1 · · · vnk
n
sió
(si fuese otro menor el no nulo, se deberı́a seguir lo que vamos a hacer a partir
de ese otro, y no del que hemos tomado).
Entonces
x1 − a1 v11 · · · vik
.. .. ..
. . . =0
xk − ak vk1 · · · vkk
xi − ai vi1 · · · vik
para i = k + 1, k + 2, . . . , n, lo cual da un sistema de (n − k) ecuaciones en las n
incógnitas x1 , . . . , xn (obviamente si el menor era otro esta cuenta del número
de ecuaciones resultante es la misma).
26 CAPÍTULO 1. ESPACIOS AFINES
5
-0
determinan un subespacio vectorial F ⊂ E, donde (x1 , . . . , xn ) son coordenadas
en E respecto de la base {→ −
e 1, . . . , →
05 −
e n }.
Ahora, si (a1 , . . . , an ) es una solución particular del sistema no homogéneo
9-
(coordenadas de un punto de L), la solución general del sistema no homogéneo
l2
1.4.2 Ejemplos
n
A E
L=(1,1)+F F={2x+3y=0}
5
-0
05
9-
l2
de
n
sió
L
r
Ve
x−1 z+1
• La recta L1 ≡ = y = y el plano L2 ≡ 3x − 2y + 4z = 5
2 −1
son paralelos: el vector director de la recta, →
−
v = (2, 1, −1), está en el espacio
director del plano, dado por 3x−2y +4z = 0 (basta comprobar que es solución).
De modo que L1 = a + F con F = h→ −
v i y L2 = b + G con F ⊂ G.
5
1.4.3 En general, sea cual sea la dimensión n del espacio afı́n ambiente:
-0
05
• La ecuación a1 x1 + · · · an xn = b con (a1 , . . . , an ) 6= (0, . . . , 0) es un hiper-
9-
plano de un espacio afı́n de dimensión n. el espacio director tiene ecuación
a1 x1 + · · · + an xn = 0.
l2
de
• Las ecuaciones
a11 x1 + · · · + a1n xn = b1
n
..
sió
.
ad1 x1 + · · · + adn xn = bd
r
Ve
x1 − a 1 x2 − a 2 xn − a n
= = ··· =
v1 v2 vn
x0 + · · · + xn = 1.
5
-0
1.5.1 Con el último objeto que introducimos en este capı́tulo vamos a ver que
05
la idea de proporción es también tı́picamente afı́n.
9-
l2
1.5.3 La proposición 1.5.2 es tódo lo que hace falta para demostrar dos teore-
mas clásicos interesantes: el de Menelao y el de Ceva. Tratemos el primero:
Teorema [Menelao] Sean a0 , a1 , a2 linealmente independientes, y sean b0 , b1
y b2 puntos de las rectas determinadas por a1 y a2 , a0 y a2 , a0 y a1 respectiva-
mente, que estén alineados y sean diferentes de a0 , a1 ya2 . Entonces
a1
b2
b0
a2 b1
5
a0
-0
05
9-
Figura 1.5: El teorema clásico de Menelao.
l2
de
α0 β1 α2
sió
α 0 β1 α 2
(b0 a1 a2 ) · (b1 a2 a0 ) · (b2 a0 a1 ) = − .
β0 α 1 β2
Pero
b0 , b1 , b2 alineados
0 α1 α2
0= α0 0 β2 = α 0 β1 α 2 + α 1 β2 β0
β0 β1 0
α 0 β1 α 2
− =1
α 1 β2 β0
1.5. LA RAZÓN SIMPLE. TEOREMA DE MENELAO Y DE CEVA 31
b0
a1
5
-0
p 05
b2
9-
l2
de
n
sió
a0 a2
b1
r
Ve
5
1.6.2 Obviamente, un espacio afı́n real se puede considerar también orientado,
-0
sin más que elegir una orientación en el espacio vectorial real subyacente.
05
9-
l2
de
n
r sió
Ve
Capı́tulo 2
Afinidades
5
-0
2.1.1 Las afinidades, o aplicaciones afines, son a los espacios afines como las
05
aplicaciones lineales a los espacios vectoriales.
9-
l2
A1 A2
de
q f
p f(p) f(q)
n
r sió
Ve
E1 ~ E2
ϕ (p,q) f
1
ϕ (f(p),f(q))
2
33
34 CAPÍTULO 2. AFINIDADES
conmuta.
A veces diremos simplemente que f es una aplicación afı́n si existe fe tal
que el diagrama anterior conmute. Se llama a fe aplicación lineal asociada a f
ó parte lineal de f .
5
u ∈ E1 .
-0
05
Demostración.- Empezamos por demostrar i) ⇒ ii). Sea a+ →
−− −− − →
−u = b, es decir
→
− →
−
ab = →− e→
u . Por i), se tiene f( − e→
e ab) = f (a)f (b), es decir f (a) + f(
u ) = f( −
u ) = f (b).
9-
→
− e →
−
Luego f (a + u ) = f (a) + f ( u ).
l2
→
− →
− −−−−−−−−−− −→
ii) ⇒ i): Si llamamos → −
u a ab, entonces fe(ab) = fe(→ −u ) = f (a)f (a + → u) =
−−−−−→
de
f (a) = f (p + −
→ = f (p) + fe(−
pa) → = g(p) + ge(−
pa) → = g(p + −
pa) → = g(a),
pa)
5
ii) Como a0 , . . . , an es referencia baricéntrica, {− a− → −−→
0 a1 , . . . , a0 an } es base de
-0
−−→
E1 . Defino φ : E1 → E2 dando su acción en esta base, por φ(− 05 a− →
0 a k ) = b0 bk .
Ahora, si existe f debe cumplir que a0 va a b0 , y fe = φ puesto que fe(a −− →
0 ak ) =
−−−−−−−→ −−→
9-
f (a0 )f (ak ) = b0 bk .
Por la parte i), f está definida de manera única, y es f (a) = f (a0 + − a→
l2
0 a) =
−→ −− → −− →
b0 + φ(a 0 a). Observa que se cumple f (a k ) = b 0 + φ( a a
0 k ) = b 0 + b b
0 k = b k.
de
2.2.3 Lo siguiente que debemos comprobar es que las afinidades pueden com-
n
g ◦ f : A1 → A3 es afinidad, y g]
Ve
◦ f = ge ◦ fe.
−−−−−−−−−− −→
Dado que f (a)f (a + → w ) = fe(→−
w ) para cualquier → − e→
w , si f( −
u ) = fe(→
−
v ), se
−−−−−−−−−→ −
→ −−− −−−− −−−→
sigue que f (a)f (a + −u ) = f (a)f (a + →
−v ). Por la definición de espacio afı́n se
tiene f (a + →
−
u ) = f (a + →−
v ) y, como f es inyectiva, a + →−u = a+→ −
v . De nuevo
las propiedades de espacio afı́n aseguran que → −
u =→ −v.
e→− −−−−−→ → −
⇐) Si f (a) = f (b) entonces f( ab) = f (a)f (b) = 0 . Como fe es inyectiva se tiene
→
− →
−
ab = 0 , por lo que a = b.
5
-0
Proposición Si f es una afinidad biyectiva de (A1 , E1 , ϕ1 ) en (A2 , E2 , ϕ2 )
con aplicación lineal asociada fe, entonces f −1 es afinidad con aplicación lineal
05
asociada fg e −1 .
−1 = (f)
9-
l2
−− −− −− − −−− −→ −−→
f −1 (a2 )f −1 (b2 ) = (fe)−1 (a2 b2 ), por lo que f −1 es afı́n, y tiene como aplicación
lineal asociada a (fe)−1 .
n
sió
Observaciones
• Si (A1 , E1 , ϕ1 ) es isomorfo a (A2 , E2 , ϕ2 ), entonces existe f : A1 → A2 iso-
morfismo afı́n. En particular, fe : E1 → E2 es una aplicación lineal biyectiva, de
modo que E1 es isomorfo a E2 .
• Recı́procamente, si E1 es isomorfo a E2 y φ : E1 → E2 es isomorfismo,
tomamos a1 ∈ A1 , a2 ∈ A2 , y existe una única afinidad f con f (a1 ) = a2 y
fe = φ. Como φ es biyectiva, f también lo es, de modo que (A1 , E1 , ϕ1 ) es
isomorfo a (A2 , E2 , ϕ2 ).
• Se deduce que dos espacios afines de dimensión finita sobre el mismo cuerpo
K son isomorfos si y sólo si tienen la misma dimensión. En particular, todos los
espacios afines de dimensión n sobre K son isomorfos al espacio afı́n estándar
Kn .
2.3. ALGUNOS EJEMPLOS IMPORTANTES DE AFINIDADES 37
2.3.2 Es muy sencillo comprobar que las traslaciones son, en efecto, afinidades:
−−−−−−−−−→ −−−−−→ → − −−−−−→
T−
→v (a)T−v (b) = T−
→ →v (a)a + ab + bT− v (b)
→
−−−−−→ → − −−−−−→
= −aT−
→ v (b)
v (a) + ab + bT−
→
→
− −
= −→
−
v + ab + →
v
5
→
−
-0
= ab
→
−
= Id(ab),
05
9-
de modo que T− g
→ v = Id.
v es afinidad, y T−
→
l2
de
del punto).
−−−→
Ası́ que f (p) = p + pf (p) = p + → −
v0 = T−→ v0 .
v0 (a), por lo que f = T−
→
r
Ve
2.3.5 A diferencia de las traslaciones, las homotecias fijan algún punto. ¿Cómo
calcular a tal que f (a) = a?:
f (a) = f (p + −
→ = f (p) + fe(−
pa) → = f (p) + r −
pa) →
pa
a = f (a)
a = f (p) + r −
→
pa
m
−−−→ → −−−→
f (p)p + −
pa = f (p)a = r−
→
pa
5
m
-0
−
→=
05
1 −−−→
pa pf (p)
1−r
9-
l2
1 −−−→
Ası́ que dado p ∈ A cualquiera, el punto p + pf (p) = a es un punto fijo
1−r
de
−−−→
por f . Sea entonces a un punto fijo. Dado cualquier x ∈ A, tenemos af (x) =
−−−−−−→
f (a)f (x) = fe(−
→ = r−
ax) → por lo que f (x) = a + r −
ax, →
ax.
n
sió
Vemos entonces que sólo hay un punto fijo, puesto que si b 6= a fuera otro
→
− →
− →
−
r
f (x) = a + r−
→
ax.
2.3.6 Ejemplo
En la figura 2.2 está representada una homotecia en R2 de razón r = −2 y
centro a = (1, 1).
Observa que f lleva rectas en rectas, conservando además la noción de para-
lelismo. Sin embargo, f no preserva distancias, al menos con la noción habitual
de distancia. Volveremos a este tipo de consideraciones más adelante.
2.3.7 El siguiente tipo de afinidades que vamos a tratar son las proyecciones.
f(q)
p
a
f(p)
q
5
2.3.8 El estudio de las propiedades de las proyecciones va a dejar claro el
-0
porqué del nombre: 05
9-
En primer lugar, observamos que si b es un punto fijo (es decir, tal que
f (b) = b), entonces b ∈ Im(f ) (lo cual es obviamente cierto para cualquier
l2
Obviamente los dos primeros casos carecen de mucho interés. Para el tercero,
si p es un punto fijo y a es un punto cualquiera entonces
f (a) = f (p + −
→
pa)
= f (p) + fe(−
→0 + −
u →1 )
u
= f (p) + fe(−
→0 ) + f(
u e− →1 )
u
= f (p) + −
→1
u
= p+−
→1 ,
u
donde −→=−
pa →0 + −
u → −
→
Lu1 es la descomposición de pa asociada a la de E como suma
directa E = E0 E1 .
De modo que f (a) ∈ p + E1 . Por otra parte, se tiene
−−−→ −−−→ →
f (a)a = f (a)p + −
5
pa
-0
= −→
−
u1+→
−
u0 +→
05 −
u1
9-
= →
−
u 0 ∈ E0 .
l2
{f (a)} = (a + E0 ) ∩ (p + E1 ),
sió
2.3.9 Ejemplos
• La figura 2.3 representa una proyección sobre una recta en dirección paralela
a otra recta en R2 .
2.3.10 En dimensión 3 no existe algo ası́ como proyectar sobre una recta en
dirección paralela a otra recta (no cuadran las dimensiones).
Hay que hacer constar también que las proyecciones no son, en general,
biyectivas (lo cual es una diferencia importante respecto a las traslaciones y
homotecias).
E
A
E1 E0
a
p
a+ E0
p+ E1
f(a)
5
-0
05
Figura 2.3: Proyección sobre una recta en R2 .
9-
l2
de
n
sió
E A
r
Ve
a+ E0
E1
f(a) p+ E1
E0
p
E A
E1
p+ E1
a+ E0 f(a)
E0 a
p
5
-0
canónica de espacio afı́n. En ese caso, cualquier proyección sobre un subespa-
05
cio vectorial en dirección de otro subespacio vectorial (de las dimensiones ade-
9-
cuadas) es una aplicación lineal. Las proyecciones sobre variedades lineales que
no pasen por el origen de E son afinidades pero no son aplicaciones lineales.
l2
de
m
−−−→
pf (a) = −−
→
pa
5
m
-0
→ = 1 af
− −−−→ 1 −−−→ 1 − →
05
ap (a) = af (a) + aa
9-
2 2 2
l2
m
de
1 1
p= a + f (a).
2 2
n
sió
(También se llama a una aplicación como esta simetrı́a central de centro p).
L
• (iii) mfe(x) = (x + 1)(x − 1) ⇒ E = E1 E−1 , donde E1 es el autoespacio
e e
de f de autovalor 1 (f|E1 = IdE1 ) y E−1 es el autoespacio de autovalor −1
(fe|
E−1
= −IdE ).
−1
e−
= f (p) + f( →
pa)
e→
= p + f( −
u 1 ) + fe(→
−
u −1 )
= p+→
−
u1−→
−
u −1 ,
−
→ = →
donde pa −
u1 + →
−
u −1 , →
− , →
u 1 ∈ E1L − −
→
u −1 ∈ E−1 es la descomposición de pa
asociada a la suma directa E = E1 E−1 .
44 CAPÍTULO 2. AFINIDADES
f(q)
p
a
f(p)
q
5
→
−
Como a = p + →
−
u1 +→
−
u −1 , se tiene a = f (a) ⇔ →
−
-0
u −1 = 0 ⇔ a ∈ p + E1 .
05 1 1
Ya sabı́amos {Puntos fijos de f} = {Puntos medios a + f (a), a ∈ A}. En-
2 2
9-
tonces ∀a ∈ A se tiene
l2
1 1
a + f (a) ∈ p + E1 ,
2 2
de
−−−→
y si a = p + u 1 + u −1 entonces af (a) = −2→
→
− →
− −
u −1 (pues f (a) = p + →
−
u1 −→
−
u −1 ).
De modo que
n
sió
f (a) ∈ a + E−1 .
Estas dos condiciones determinan f (a).
r
Ve
2.3.14 Ejemplos
En las figuras 2.7 , 2.8, 2.9 vemos ejemplos de simetrı́as en R2 y R3 (obvia-
mente relacionadas con las proyecciones descritas en la sección 2.3.9).
Nota que el mismo tipo de observaciones que hicimos en la sección 2.3.10
al respecto de las distintas posibilidades que existen en función del espacio am-
biente se aplican también al caso de las simetrı́as.
2.3.15 Ejemplo
Consideremos la aplicación f : R2 → R2 definida por
8 3 4 8 3 4
+ x− y −
x
x 5 5 5 5 5 5
7→
=
+
y 16 4 3 16 4 3
− x− y − − y
5 5 5 5 5 5
2.3. ALGUNOS EJEMPLOS IMPORTANTES DE AFINIDADES 45
E
A
E1 E−1
a+ E
−1
p
p+ E1
a
f(a)
5
-0
05
Figura 2.7: Simetrı́a sobre una recta en R2 .
9-
l2
de
n
sió
E A
r
Ve
a+ E−1
E1 f(a)
p+ E1
E−1
p
a
E A
E1
f(a)
p+ E1
a+ E−1
E−1 a
p
5
-0
Se comprueba directamente que 05
8 3 8 3 4 4 16 4 3
9-
+ + x − y − − x − y
x 5 5 5 5 5 5 5 5 5
l2
f f =
y 16 4 8 3 4 3 16 4 3
de
− + x− y − − x− y
5 5 5 5 5 5 5 5 5
n
x
sió
= ,
r
y
Ve
5
ker(A + I) →
= ,
-0
4 2 y 0
−
05
5 5
que da la ecuación x = 2y.
9-
l2
p+E1 E−1
de
ón
si
p
er
V
5
2.4.2 Corolario Si f es afinidad de A1 en A2 entonces:
-0
(a) Im(f ) es variedad lineal de dimensión rango(fe).
05
(b) f lleva variedades lineales paralelas en variedades lineales paralelas.
9-
Demostracion.- (a) Simplemente porque dim(fe(E1 )) = rg(fe).
l2
2.4.3 Una observación importante es que tres puntos alineados (i.e. que están
en una recta) van por una aplicación afı́n a tres puntos alineados (o los tres al
n
mismo):
sió
−−−−−−−→
Si a3 ∈ a1 +h−a−→ e −−→
1 a2 i entonces f (a3 ) ∈ f (a1 )+ f(ha1 a2 i) = f (a1 )+hf (a1 )a(a2 )i,
r
que es una variedad lineal de dim 0 si f (a1 ) = f (a2 ) o una recta si no. Esta
Ve
2.4.5 En esta sección enunciamos unos pocos resultados que muestran el buen
comportamiento de las afinidades respecto de las coordenadas baricéntricas. Las
demostraciones, que omitimos aquı́, pueden ser completadas por el lector.
Xr
Proposición Si f : A1 → A2 es una afinidad y x = xi ai , en coordenadas
i=1
r
X
afines (x1 + · · · + xr = 1), entonces f (x) = xi f (ai ).
i=1
2.5. AFINIDADES Y COORDENADAS 49
5
Demostración.- Basta calcular:
-0
−
a−→ −−→
1 a3 = r a1 a2 05
⇓
9-
l2
−−−−−−−→ −−−−−−−→
f (a1 )f (a3 ) = fe(r−
a− → e −−→
1 a2 ) = r f (a1 a2 ) = r f (a1 )f (a2 )
de
⇓
n
sió
Ve
5
que también se suele escribir
-0
xe1 a11 · · · a1n b1 x1
.. ..
. .
=
..
.
05 .. ..
.
. .
9-
xem am1 · · · amn bm xn
l2
1 0 ··· 0 1 1
de
M b
La matriz N = es la matriz de la afinidad f en las referencias
0 1
R1 y R2 . Nota que coordenada a coordenada es:
n
sió
e1 = a11 x1 + · · · + a1n xn + b1
x
..
r
.
Ve
xem = am1 x1 + · · · + amn xn + bm
Observacion.- Dadas ecuaciones en coordenadas como las anteriores, existe
aplicación afı́n g : A1→ A2 cuya matriz en las referencias R1 , R2 dadas es
una
a11 · · · a1n b1
.. .. ..
. . .
. Es decir, que hay una correspondencia 1 − 1 entre
am1 · · · amn bm
0 ··· 0 1
M b
afinidades y ecuaciones del tipo f (x) = b + M x (⇔ Matrices ).
0 1
2.5.2 La proposición siguiente nos asegura que una composición de afinidades
se traduce en coordenadas en un producto de matrices.
5
(b) f ◦ f −1 = Id tiene como matriz (en cualquier referencia cartesiana) la
-0
identidad. 05
9-
2.5.3 Nos interesa ahora saber cómo cambian las ecuaciones de una afinidad
al cambiar la referencia. La razón es que hay referencias en las que una afinidad
l2
Ejemplo
sió
E
r
Ve
A
G
F
v r
e1
0
u
e2
r+F
Figura 2.11: Una referencia mal adaptada a una reflexión, y otra bien adaptada.
52 CAPÍTULO 2. AFINIDADES
En general:
Sea f : A1 → A2 afinidad de ecuación x̄ = b + M x en las referencias carte-
sianas R1 = {p; →
−
e1 , . . . , −
e→ −
→ −→
n } de A1 y R2 = {q; u1 , . . . , um } de A2 .
0 →− −
→ 0 −→ −→
Sean R1 = {p ; e1 , . . . , en } y R2 = {q ; u1 , . . . , um 0 } dos nuevas referencias
0 0 0 0 0
5
de A1 y A2 respectivamente. Buscamos las ecuaciones de f en R01 y R02 :
-0
A1,R1
f
05
→ A2,R2
9-
IdA1 ↓ ↓ IdA2
f
l2
A1,R01 → A2,R02
de
0 0
x̄ T a M b R c x
=
r
1 0 1 0 1 0 1 1
Ve
T M R a + T (b + M c) x0
= .
0 1 1
Describimos R0 en función de R:
→
−
or = 6− →1 + 3−
u →2
u
→
− 3 − 1
→1 + − →2
v1 = u u
2 2
→
− 1→ 3−
v2 = − − u1 + u →2
2 2
2.5. AFINIDADES Y COORDENADAS 53
E A r
E−1 E1 L
v2 u2 v1
u1 o
5
x1 x1
-0
x2 = 1 3 x02 .
3 05
1 2 2 1
9-
0 0 1
l2
Al contrario,
de
3 1 −1 3 1 21
− 6 −
0 2 2 5 5 5
n
x1 x1 x1
sió
x02 = 1 3 x2 = 1 3 3 x2 .
3 − −
1 2 2 1 5 5 5 1
r
Ve
0 0 1 0 0 1
Luego la ecuación de f en R es
3 1 3 1 21
− 6 −
2 2 1 0 0 5 5 5
y1 x1
y2 = 1 3 0 −1 0 1 3 3 x2
3 − −
5 5
1 2 2 5 1
0 0 1
0 0 1 0 0 1
4 3 3
−
5 5 5
x1
= 3 4 9 x2 ,
−
5 5 5 1
0 0 1
54 CAPÍTULO 2. AFINIDADES
ó 3 4 3
−
y1 5 5 5 x1
=
+
.
y2 9 3 4 x2
−
5 5 5
5
−−−−−−−−− →
Ası́ que si f (q) ∈ q + F, f (q + v ) ∈ F ⇒ f ( v ) = f (q)f (q + →
→
− e →
− −
-0
v ) ∈ F.
Luego fe(F ) ⊂ F , es decir, F es un subespacio invariante por fe. En particular,
05
si q + F es invariante por f y F = h→ −u i, entonces →−u es autovector de fe. El
9-
recı́proco no es cierto: no toda recta p + h v i donde →
→
− −
v sea autovector de Fe
l2
−−−→ →
−
queda invariante. Hace falta además que pf (p) ∈ h v i (como se ve claramente
en el ejemplo 2.6.6).
de
(figura 2.13).
sió
b
r
L
Ve
f(b)
2.6.4 Observaciones:
• El conjunto de puntos fijos de una afinidad es una variedad lineal.
• Si existe un punto fijo, la variedad de puntos fijos tiene como dirección el
autoespacio de autovalor 1.
→
−
• Las traslaciones por →
−
v 6= 0 no tienen puntos fijos.
• Las proyecciones sobre una variedad y las simetrı́as en una variedad tienen a
dicha variedad como conjunto de puntos fijos.
• f tiene un único punto fijo exactamente cuando 1 no es autovalor de f. e Lo
comprobamos:
Como en coordenadas cartesianas f (x) = x̄ = b + M x, x es punto fijo ⇔
x = x̄ = b + M x ⇔ −b = (M − I)x ⇔ x es solución del sistema
x1 b1
(M − I) ... = − ... ,
xn bn
por lo que el punto fijo es único exactamente cuando det(M −I) 6= 0, i.e. cuando
5
1 no es autovalor.
-0
2.6.5 Según su dimensión:
05
• dim 0; Un punto p es invariante por f si f (p) = p, i.e. p punto fijo.
9-
• dim 1; rectas invariantes ⇔ rectas de dirección un autovector → −v de fe que
l2
−−−→ →
−
pasen por un punto p tal que pf (p) ∈ h v i.
de
x̄1 = a11 x1 + · · · + a1n xn + b1
sió
.. ,
.
r
Ve
el hiperplano π : c1 x1 + · · · cn xn + c = 0 es invariante si
n
X n
X n
X
ci x̄i = c1 (b1 + a1i xi ) + · · · + cn (bn + ani xi ) + c
i=1 i=1 i=1
n
X n
X n
X
= ( ci ai1 )x1 + · · · + ( ci ain )xn + ( ci bi ) + c = 0,
i=1 i=1 i=1
que es la ecuación de f −1 (π), es una ecuación que define el mismo plano que π,
i.e. si
c1 cn c
= ··· = = .
c1 a11 + · · · + cn an1 c1 a1n + · · · + cn ann c1 b1 + · · · + c n bn + c
2.6.6 Ejemplo.- Sea f : A → A de ecuaciones
x̄ = −2x + 1
ȳ = 3x + y − 1
56 CAPÍTULO 2. AFINIDADES
• Rectas invariantes:
−2 0 −2 − λ 0
0 = det − λI = det = (λ − 1)(λ + 2)
3 1 3 1−λ
m
λ = 1, −2 autovalores.
e −3 0 x
Autovectores para λ = 1: E1 = ker(f −I) viene dado por ⇒
3 0 y
x = 0, ası́ que E1 = h(0, 1)i.
5
e 0 0 x
-0
Autovectores para λ = −2: E−2 = ker(f +2I) viene dado por
05 3 3 y
⇒ 3x + 3y = 0, ası́ que E−2 = h(1, −1)i.
9-
−−−→
Si q +F es recta invariante por f , entonces F = E1 ó F = E−2 , y qf (q) ∈ E1
l2
ó E−2 .
−−−→
de
Luego
sió
−−−→
qf (q) ∈ E1 ⇔ −3x0 + 1 = 0 ⇔ x0 = 1/3
r
Ve
−−−→
qf (q) ∈ E−2 ⇔ −3x0 + 1 = −3x0 + 1 ⇔ x0 arbitrario
= a(−2x + 1) + b(3x + y − 1) + c
= (−2a + 3b)x + by + (a − b + c)
a b c
= =
−2a + 3b b a−b+c
2.6. VARIEDADES INVARIANTES 57
a
Si b 6= 0, se tiene = 1 ⇔ a = b. Es un hiperplano paralelo a (1, −1)
−2a + 3b
(y como c es arbitrario, es cualquiera de ellos).
a c 1 c
Si b = 0 (por tanto a 6= 0), entonces
= ⇔− = ⇔ a−c =
−2a a+c 2 a+c
a a 1
2c ⇔ c = − . Es decir, ax − ⇔ x = .
3 3 3
5
-0
05
9-
l2
de
n
r sió
Ve
58
Ve
rsió
n
de
l2
9-
05
-0
5
Ejercicios de Geometrı́a
Afı́n
5
-0
p1 = (−1, 2, −1, 0, 4), p2 = (0, −1, 3, 5, 1),
05
p3 = (4, −2, 0, 0, −3), p4 = (3, −1, 2, 5, 2).
9-
2. Considera la familia de planos 2λx + (λ + 1)y − 3(λ − 1)z + 2λ − 4 = 0 en
l2
R3 .
a. Demuestra que estos planos tienen una recta en común.
de
b. Determina los planos de esta familia que pasan por el punto (1, −1, 2).
c. Determina los planos de esta familia que son paralelos a la recta
ón
L = {x + 3z − 1 = 0 , y − 5z + 2 = 0}
si
er
x1 = 2λ + 5, x2 = λ + 1, x3 = λ + 1, x4 = λ + 1 .
59
60
v1∗ = (0, 1, −2, 0), v2∗ = (0, 1, 0, 3), v3∗ = (1, 0, 0, 4).
Determina las ecuaciones paramétricas del subespacio afı́n de R4 que pasa por
el punto (1, 1, 1, 1) y tiene como dirección W ∗ = Ann(W ), dual de W
5
un sistema de referencia cartesiano en A4 (K). Considera los hiperplanos de
-0
ecuación (respecto de R0 ) π1 : 1 + x + y + z + t = 0, π2 : 2 + x − y + z − t = 0,
05
y el punto p = (1, 1, 1, −4).
a. Verifica que p ∈ π1 , y halla un sistema de referencia afı́n, R, de π1 que
9-
no tenga ninguno de sus puntos en el hiperplano π2 .
b. Fijado el sistema de referencia R del apartado anterior, halla las ecua-
l2
R a la referencia R0 .
V
Halla la ecuación del haz de hiperplanos que tiene como base el plano determi-
nado por los puntos a, b y c.
L1 = {x + y + z = 0 , x + 2y = 0} , L2 = {2x + 2y + z = 3 , x + y = 2}
L3 = {3x + 2y + 2z = 2 , 2x + y + z = 0}.
a. Demuestra que se cruzan dos a dos y que existe un plano π paralelo a las
tres rectas.
61
b. Demuestra que toda recta que corte a las tres es paralela a un plano fijo,
y determinar ese plano.
13. Halla las ecuaciones de la afinidad definida por los pares de puntos:
p1 = (0, 0), p01 = (3, 6); p2 = (−1, 2), p02 = (22, 48); p3 = (2, −2), p03 = (−11, 28).
14. Halla las ecuaciones de la aplicación afı́n que transforma los puntos
del sistema de referencia baricéntrico R = {p0 , p1 , p2 , p3 } en los puntos q0 =
(2, −3, 1, 1), q1 = (1, −2, 0, 2), q3 = (0, 4, −1, −2), y q4 = (3, −9, 2, 5) respecti-
vamente, donde las coordenadas de los puntos qi están referidas al sistema de
referencia baricéntrico R.
5
15. Considera una referencia afı́n R = {O; u1 , u2 , u3 } en R3 , y la afinidad
-0
f de ecuaciones:
x0 = 12 (x + y + z + 1) 05
y 0 = −x + 2y + z + 1 .
9-
z 0 = 12 (3x − 3y − z − 3)
l2
x0 = 2 − x + y − z
r
Ve
y 0 = 1 + 2x + 2y + 2z
z 0 = 1 − 2z
Ve
rsió
n
de
l2
9-
05
-0
5
Problemas de Geometrı́a
Afı́n
5
-0
en B. Demuestra que todo subespacio afı́n es convexo.
05
2. Considera el plano afı́n A2 (F3 ) sobre el cuerpo F3 .
a. Calcula cuántos puntos y rectas hay en A2 (F3 ). Calcula el cardinal de
9-
una recta.
l2
sistemas de referencia:
sió
~ ac},
R = {a; ab, ~ ~ bc}.
y R0 = {b; ba, ~
r
Ve
Sea R0 = {O; ~v1 , ~v2 } con ~v1 = ~u1 + α~u2 , ~v2 = β~u1 + γ~u2 , donde γ − αβ 6= 0.
Determina los valores de α, β, γ para que en el sistema de referencia R0 el
conjunto de puntos que satisfacen (∗) sean los puntos que verifican la ecuación
0 0
x0 y 0 = 1, donde x , y son las coordenadas en R0 .
L1 : 3x + 2y = 1, L2 : y = 5, L3 : 6x + y = −13.
63
64
a1 b1 c1
(∗) a2 b2 c2 =0.
a3 b3 c3
es una condición necesaria para que las tres rectas sean concurrentes (es decir,
se corten las tres en el mismo punto).
5
Da un ejemplo de tres rectas no concurrentes que verifiquen (∗).
-0
Supongamos que se da la condición (∗).¿Qué condicienes geométricas y al-
05
gebraicas han de verificarse para que las tres rectas sean concurrentes?
9-
8. Sea E un K-espacio vectorial, y (A, E, ϕ) un espacio afı́n sobre K. Dados
tres puntos alineados a1 , a2 , a3 de A , se llama razón simple de a1 , a2 , a3 , y se
l2
a1~a3 = λa1~a2 .
n
sió
que para que el subespacio afı́n engendrado por q1 , . . . , qr tenga dimensión r −1,
es condición necesaria y suficiente que la matriz Λ tenga rango r.
12. Demuestra que existe una única afinidad en un plano afı́n que transforma
cada uno de los vértices de un triángulo dado en el punto medio del lado opuesto.
Estudia esta afinidad.
5
-0
15. Sea A un espacio afı́n de dimensión 2 sobre un cuerpo K. Clasifica las
05
afinidades de A en función de su conjunto de puntos fijos. Da una interpretación
geométrica de cada tipo de afinidad.
9-
l2
de
n
r sió
Ve
66
Ve
rsió
n
de
l2
9-
05
-0
5
Parte II
5
Geometrı́a Euclı́dea -0
05
9-
l2
de
n
sió
r
Ve
67
Ve
rsió
n
de
l2
9-
05
-0
5
69
5
-0
05
9-
l2
de
n
r sió
Ve
70
Ve
rsió
n
de
l2
9-
05
-0
5
Capı́tulo 3
Espacios vectoriales
euclı́deos y unitarios
5
-0
3.1. Formas bilineales 05
3.1.1 Partimos de un objeto que va a resultar fundamental:
9-
l2
−
→1 + u
i) φ(u −
→2 , →
− −
→1 , →
v ) = φ(u − −
→2 , →
v ) + φ(u − −
→1 , u
v ) ∀u −
→2 , →
−
v ∈ E.
φ(k →
−
u,→−v ) = kφ(→ −
u,→
−v )∀k ∈ R, ∀→−u,→−v ∈ E.
n
sió
ii) φ(→−u,→
−
v1 + →
−
v2 ) = φ(→
−
u,→−
v1 ) + φ(→
−
u,→−
v2 ) ∀→
−
u,→
−
v1 , →
−
v2 ∈ E.
φ(→−u , k→
−
v ) = kφ(→−
u,→−
v )∀k ∈ R, ∀→−
u,→−
v ∈ E.
r
Ve
3.1.2 Ejemplo.- E = R2 .
La aplicación
φ : R2 × R 2 → R
((x1 , x2 ), (y1 , y2 )) →
7 3x1 y1 + 4x1 y2 − 2x2 y2
es bilineal.
Sin embargo
φ : R2 × R 2 → R
((x1 , x2 ), (y1 , y2 )) →
7 x21 y2 + 3x1 y1 − 6x2 y1
no lo es.
3.1.3 Las aplicaciones bilineales se pueden describir con matrices. En el ejem-
plo anterior, tenemos
3 4 y1
φ(x, y) = 3x1 y1 + 4x1 y2 − 2x2 y2 = (x1 x2 ) .
0 −2 y2
71
72 CAPÍTULO 3. ESPACIOS VECTORIALES EUCLÍDEOS Y UNITARIOS
Proposición Sea {→ −
e1 , . . . , −
e→
n } base del R−espacio vectorial E:
i) Sea φ bilineal. La matriz B = (bij ), donde bij = φ(→ −ei , →
−
ej ) determina φ. En
→
− →
− −
→ →
− →
− →
−
concreto, si x = x1 e1 + · · · + xn en , y = y1 e1 + · · · + yn en , entonces
y1
φ(→
−
x ,→
−y ) = (x1 · · · xn )B ... = xt By.
yn
ii) Dada una matriz B = (bij ) cualquiera, ∃φ bilineal tal que φ(→
−
ei , →
−
ej ) = bij .
Demostración.- i) Calculamos:
Pn Pn
φ(→ −
x,→−
y ) = φ( i=1 xi →
−
ei , j=1 yj →
−
ej )
Pn Pn
= xi φ(→
−
ei , j=1 yj →
−
ej )
5
i=1
-0
Pn Pn
= i=105 xi ( j=1 yj bij )
9-
y1
= (x1 · · · xn )B ...
l2
yn
de
ii) Basta definir φ(x, y) = xt By y ver que es bilineal (y, obviamente, que su
n
matriz es B).
sió
3 4
Ve
Sea B 0 = {→−
v1 , →
−
v2 } nueva base, donde →
−
v1 = 2→
−
e1 − →
−
e2 , →
−
v2 = →
−
e1 + →
−
e2 .
0
¿Cuál es la matriz de φ en B ?
3 4 2 2
c11 = φ(→
−
v1 , →
−
v1 ) = (2 − 1) = (6 10) =2
0 −2 −1 −1
3 4 1 1
c12 = φ(→
−
v1 , →
−
v2 ) = (2 − 1) = (6 10) = 16
0 −2 1 1
3 4 2 2
c21 = φ(→
−
v2 , →
−
v1 ) = (1 1) = (3 2) =4
0 −2 −1 −1
3 4 1 1
c22 = φ(→
−
v2 , →
−
v2 ) = (1 1) = (3 2) =5
0 −2 1 1
3.2. ESPACIOS VECTORIALES EUCLÍDEOS 73
2 16
Luego la matriz es . Observa que
4 5
C = P t BP,
2 1
donde P = es la matriz de cambio de base.
−1 1
La fórmula general es exactamente esta. Hay que recalcar que sale P t y no
−1
P como en el caso de las aplicaciones lineales.
5
la matriz:
-0
05
Proposición Una forma bilineal es simétrica si y sólo si su matriz es
9-
simétrica (es decir, si B = B t ).
l2
3.1.7 De entre todas las formas bilineales, nos van a interesar especialmente
n
→
−
positiva si cumple φ(→
−
u ,→
−
u ) ≥ 0∀→
−
u ∈ E, y además φ(→
−
u,→−
u) =0 ⇔ → −
u = 0.
Ejemplos
3 4
• La forma bilineal φ de matriz no es simétrica.
0 −2
3 4
• La forma φ de matriz es simétrica, pero no definida positiva:
4 −2
74 CAPÍTULO 3. ESPACIOS VECTORIALES EUCLÍDEOS Y UNITARIOS
5
Observa que
-0
φ1 (→
−e1 , →−
e1 ) = 1
05
φ1 ( e 2 , −
→
− →
e2 ) = 1
9-
φ1 (→
−e1 , →−
e2 ) = 0
l2
las dos primeras igualdades suelen expresarse diciendo que los vectores de la
de
base son unitarios. Cuando los vectores de la base son ortogonales dos a dos, se
dice que es una base ortonormal, y si además son unitarios se dice que es una
n
base ortonormal.
sió
Sin embargo,
sea ahora φ2 (→
−
x,→−y ) = 2x1 y1 + x1 y2 + x2 y1 + x2 y2 . La matriz
r
Ve
2 1
de φ2 en B es (que es simétrica). Además φ2 (→−
x,→ −
x ) = 2x1 2 +2x1 x2 +
1 1
x2 2 = (x1 + x2 )2 + x1 2 ≥ 0 y vale 0 si y sólo si x1 = x2 = 0 (definida positiva).
2 1 0 0
Ahora φ2 (→
−
e1 , →
−
e2 ) = (1 0) = (2 1) = 1. Ası́ que →
−
e1 y
1 1 1 1
→
−
e2 no son ortogonales respecto a φ2 .
3.2.3 Como ya hemos visto, una misma base puede ser ortogonal para unos
productos y no serlo para otros. Sin embargo siempre se puede modificar una
base dada para construir a partir de ella otra que sı́ que sea ortonormal. Estudi-
aremos el procedimiento para hacerlo, llamado método de Gram-Schmidt: para
ello necesitamos un resultado previo.
Lema Si {→ −
v1 , . . . , →
−
vk } son vectores no nulos y ortogonales dos a dos respecto
de un producto escalar cualquiera φ, entonces {→ −
v1 , . . . , →
−
vk } son linealmente in-
dependientes.
3.2. ESPACIOS VECTORIALES EUCLÍDEOS 75
P →
−
Demostración.- Supongamos λj v~j = 0 . Entonces, para 0 ≤ i ≤ k se
tiene P − → P
φ( λj → vj , −
vi ) = λj φ(→ −
vj , →
−
vi ) = λi φ(→
−
vi , →
−
vi )
||
→
− −
φ( 0 , →
vi )
||
0
y como φ(→ −
vi , →
−
vi ) > 0 por ser φ definida positiva, se sigue que λi = 0 para
i = 1, . . . , k.
5
-0
Demostración.- Sea {→
−
e1 , . . . , −
e→
n } base cualquiera de E. Tomamos los sub-
05
espacios
9-
E 1 = h→
−
e 1 i ⊂ E 2 = h→
−
e1 , →
−
e 2 i ⊂ · · · ⊂ E n = h→
−
e1 , . . . , →
−
en i = E,
l2
→
−
En E1 , basta tomar u −→1 = p e1 −
→1 } sea ortonormal
para que la base {u
φ(→
−
e1 , →
−
e1 )
n
sió
0
que u1 y u2 sean ortogonales. Imponemos entonces
Ve
0 = φ(−
→1 , −
u →2 0 ) = φ(−
u →1 , →
u −
e2 ) − kφ(−
→1 , −
u →1 ) = φ(−
u →1 , →
u −
e2 ) − k,
es decir, kj = φ(−−→, →
er+1 −
uj ) para j = 1, . . . , r.
−−
u →0
−− → r+1 −
→ −−→
Finalmente definimos u r+1 = −−
φ(u →0 −−→0 , y {u1 , . . . , ur+1 } es base ortonor-
r+1 , ur+1 )
mal de Er+1 .
3.2.6 El corolario anterior no da, sin embargo, un criterio práctico para decidir
si una forma bilineal dada es o no un producto escalar. En la práctica usamos
el conocido:
5
-0
Proposición [Criterio de Sylvester] Sea φ forma bilineal con matriz B
en la base {→−
e1 , . . . , −
e→
n }. 05
Sea Br el menor de B formado por las r primeras filas y columnas de B,
9-
Entonces φ es producto escalar si y sólo si B es simétrica y det B r > 0 ∀r.
l2
espacio Er = h→
−
e1 , . . . , →
−
er i y sea φr la restricción de φ a Er × Er ,
n
φr : Er × Er −→ R
sió
(→
−u,→
− 7 → φ(→
v) − −
u,→
−
v)
r
Ve
X X
= φ(−
e−→ −−→ −−→ → −
r+1 , er+1 ) − φ(er+1 , ui ) − ki φ(→
−
ui , −
e−→
r+1 ) + ki2
i i
X
= φ(−
e−→ −−→
r+1 , er+1 ) − φ(→
−
ui , −
e−→ −−→ → −
r+1 )φ(er+1 , ui )
i
1 ··· 0 φ(−
→1 , −
u e−→
r+1 )
.. .. .. ..
= . . . .
0 ··· 1 φ(−
→r , −
u e−→
r+1 )
−−→ −
→ −−→ −
→ −−→ −−→)
5
φ(er+1 , u1 ) · · · φ(er+1 , ur ) φ(er+1 , er+1
-0
05
donde la última igualdad se puede comprobar desarrollando el determinante por
la última fila.
9-
Esa es la matriz de φr+1 en la base {−→1 , . . . , −
u →r , −
u e−→
r+1 } y se obtiene por tanto
l2
Ve
2 1 −1
1 1 0
−1 0 3
en la base canónica.
Vemos que φ es forma bilineal simétrica. Los menores principales de la matriz
2 1 −1
2 1
son |1| > 0, = 1 > 0, y 1 1 0 = 2 > 0, de modo que por el
1 1
−1 0 3
criterio de Sylvester, φ es producto escalar.
con lo que
→2 0 = (0, 1, 0) − √1
−
u
1
√ , 0, 0 =
1
− , 1, 0 .
2 2 2
Como
2 1 −1 −1/2
φ(− →2 0 ) = (−1/2 0 0) 1 1 0 0 = 1 ,
→2 0 , −
u u
2
−1 0 3 0
√ !
→2 = √2− 2 √
normalizando tenemos − →2 0 = −
5
u u , 2, 0 .
2
-0
Del mismo modo u −
→3 0 = →
− −
→1 − k2 u
e3 − k 1 u −
→2 , donde
05
√
9-
2 1 −1 1/ 2
k1 = φ(→
− →1 ) = (0 0 1) 1 1 0 0 = − √1
e3 , −
l2
u
−1 0 3 0 2
de
√
2 1 −1 − √2/2 √
2
n
→
− −
→
k2 = φ( e3 , u2 ) = (0 0 1) 1 1 0 2 =
sió
−1 0 3 2
0
r
Ve
de modo que
√ √ !
−
→3 0 1 1 2 2 √
u = (0, 0, 1) + √ √ , 0, 0 − − , 2, 0
2 2 2 2
1 1
= (0, 0, 1) + , 0, 0 + , −1, 0
2 2
La base
( √ ! )
1 2 √ 1 1 1
√ , 0, 0 , − , 2, 0 , √ , − √ , √
2 2 2 2 2
es ortonormal respecto a φ.
5
en esta sección. Los detalles, que no son más que una reproducción de lo que
-0
hicimos para el caso real, quedan para ser completados por el lector.
05
3.3.1 Definición Una aplicación φ : E × E → C, donde E es un C-espacio
9-
vectorial, es una forma sesquilineal si
• φ(−
→1 + − →2 , →
−
v ) = φ(−→1 , →
−v ) + φ(−
→2 , →
−v ) ∀−
→1 , −
→2 , →
−
l2
u u u u u u v ∈E
→
− →
− →
− →
− →
−
• φ(k u , v ) = kφ( u , v )∀k ∈ C, ∀ u , v ∈ E→
−
de
• φ(→
−u ,→−
v1 + → −
v2 ) = φ(→
−
u,→ −
v1 ) + φ(→
−
u,→ −
v2 ) ∀→
−
u,→ −v1 , →
−
v2 ∈ E
→
− →
− →
− →
− →
− →
−
• φ( u , k v ) = kφ( u , v )∀k ∈ C, ∀ u , v ∈ E
n
sió
5
3.3.5 Definición Un espacio vectorial euclı́deo es un R−espacio vectorial con
-0
un producto escalar.
05
9-
3.4. Ortogonalidad y subespacios
l2
S ⊥ = {→
−
v ∈E |→
−
u ·→
−
v = 0 ∀→
−
u ∈ S}.
2 2 1
3.4.2 Ejemplo.- Consideremos R con el producto escalar de matriz
1 1
en la base usual de R2 B = {→−
e1 = (1, 0), →
−
e2 = (0, 1)}.
→− ⊥ 2
Como { e1 } = {(x, y) ∈ R t.q. φ((x, y), (1, 0)) = 0}, donde (x, y) son coor-
denadas en la base B, resulta
2 1 1 1
(x y) = (2x + y x + y) = 2x + y,
1 1 0 0
de modo que {→
−
e1 }⊥ es la recta (vectorial) 2x + y = 0.
3.4. ORTOGONALIDAD Y SUBESPACIOS 81
e1
2x+y=0
5
-0
3.4.3 Proposición Sea E espacio vectorial euclı́deo o unitario de dimensión
05
finita, y S ⊂ E subconjunto.
i) S ⊥ es un subespacio vectorial.
9-
ii) S ⊂ R ⇒ R⊥ ⊂ S ⊥ .
l2
iii) S ⊥ = hSi⊥ .
→
−
iv) hSi ∩ S ⊥ = { 0 }.
de
⊥
v) hSi ⊂ S ⊥ .
n
sió
por lo que λ1 →
−u + λ2 →
−v ∈ S ⊥ ∀λ1 , λ2 .
Ve
La prueba del resto de los aparados es igual de sencilla, y queda como ejer-
cicio. En el caso de iv), basta tomar una base ortonormal de hSi.
E = F + F ⊥.
3.4.6 Hay que tener mucho cuidado en cómo se relaciona el tomar ortogonales
con las otras operaciones conocidas entre subespacios (intersecciones y sumas).
5
Tomar ortogonales no conmuta con estas operaciones, ni mucho menos. De hecho
-0
las intercambia, en el sentido del resultado siguiente:
05
Proposición Si F1 , F2 son subespacios entonces (F1 + F2 )⊥ = F1⊥ ∩ F2⊥ y
9-
(F1 ∩ F2 )⊥ = F1⊥ + F2⊥
l2
→
−
por lo que v ∈ (F1 + F2 ) .⊥
r sió
⊥ ⊥ ⊥
F1⊥ + F2⊥ = F1⊥ ∩ F2⊥ = F 1 ∩ F2 .
Tomando de nuevo ortogonales y usando otra vez el corolario 3.4.5 ii), deducimos
que
h ⊥ i⊥ ⊥
F1⊥ + F2⊥ = F1⊥ + F2⊥ = (F1 ∩ F2 ) .
5
-0
0
05
= (2x + y − z x + y − x + 3z) 1
0
9-
= x+y
l2
2x + y − z = 0
n
,
x+y =0
sió
S = <S>
<S>
y
L ⊥
3.5.1 Si W es un subespacio vectorial de E, como W W = E, cada ~e ∈ E
se descompone de manera única como ~e = ~u + ~v con ~u ∈ W, ~v ∈ W ⊥ .
5
-0
Definición Con la notación anterior, ~u es la proyección ortogonal de ~e sobre
05
W . Es decir, una proyección ortogonal es una proyección sobre un subespacio
en la dirección del subespacio ortogonal.
9-
l2
de
nal”.
Ve
→
−
x ·−
→1 − λ1 (−
u →1 , −
u →1 ) − · · · − λr (−
u →r , −
u →1 ) = 0
u
.. Sistema de r ecuaciones
. con r incógnitas λ1 , . . . , λr
→
−
x ·−
→r − λ1 (−
u →1 , −
u →r ) − · · · − λr (−
u →r , −
u →r ) = 0
u
Como p(→
−
x ) es único, el sistema tiene que tener solución única, de modo que
(−
→1 · −
u →1 ) · · · (−
u →r · −
u →1 )
u
Dr = .. .. 6= 0
. .
(−
→1 · −
u →r ) · · · (−
u →r · −
u →r )
u
3.5. PROYECCIONES Y SIMETRÍAS ORTOGONALES 85
Ası́ p(→
−
x ) = λ1 −
→1 + · · · + λr −
u →r con los λ’s anteriores.
u
5
x ). En esos términos, la aplicación “simetrı́a
-0
ortogonalrespecto de W es
→
−
x 7→ s(→
−
x ) = p(→
−
x ) − q(→
−
x ).
05
9-
Para calcularla sólo en términos de p, basta observar que →
−
x +s(→
−
x ) = 2p(→
−
x ),
l2
luego
s(→
−
x ) = 2p(→−x)−→ −
de
x.
sió
2 1 −1
1 1 0
r
Ve
−1 0 3
en la base canónica.
Sea W = {z = 0} = h(1, 0, 0), (0, 1, 0)i y B = {− →1 = (1, 0, 0), −
u →2 = (0, 1, 0)}
u
base de W .
Calculamos
(−→1 · −
u →1 ) (−
u →2 · −
u →1 )
u 2 1
−
→ −
→ −
→ →2 ) = 1 1 = 1
−
( u1 · u2 ) ( u2 · u
Sea →
−
x = (x1 , x2 , x3 ), y p(→− −
→1 + λ2 u
x )= λ1 u −
→2 .
2 1 −1 1
Como →−x ·−→1 = (x1 x2 x3 ) 1 1 0 0 = 2x1 + x2 − x3 , y
u
−1 0 3 0
2 1 −1 0
→
−
x ·−→2 = (x1 x2 x3 ) 1 1 0 1 = x1 + x2 , tenemos
u
−1 0 3 0
1 →
−
x ·−
→1
u −
→2 · −
u →1
u 2x1 + x2 − x3 1
λ1 = →
− −
→2 −
→ −
→2 = = x1 − x3 ,
1 x ·u u2 · u x1 + x 2 1
86 CAPÍTULO 3. ESPACIOS VECTORIALES EUCLÍDEOS Y UNITARIOS
y
1 2 2x1 + x2 − x3
λ2 = = x2 + x3 .
1 1 x1 + x2
Luego p(→
−x ) = (x1 − x3 )−
→1 + (x2 + x3 )−
u →2 = (x1 − x3 , x2 + x3 , 0) (ecuación
u
de la proyección ortogonal sobre W ).
Por ejemplo p((0, 0, 1)) = (−1, −1, 0), mientras que s((0, 0, 1)) = (−2, 2, −1).
5
-0
→
−
u · f ∗ (→
−
v ) = f (→
−
u)·→
−
v ∀→
05 −
u,→
−
v ∈ E.
9-
l2
Para ver que la definición de adjunta tiene sentido debemos comprobar dos
de
cosas:
i) Existe g tal que →−
u · g(→
−
v ) = f (→
−
u)·→
−v ∀→−
u ,→
−v.
n
→
−
u · g(→
−
v ) = f (→
−
u)·→
−
v =→
−
u · h(→
−
v ) ∀→
−
u ,→
−
v,
entonces
→
−
u · (g(→
−
v ) − h(→
−
v )) = 0 ∀→
−
u,→
−
v.
→
− −
En particular, tomando →−
u = g(→ −v )−h(→ −v ) deducimos g(→
−
v )−h(→−
v ) = 0 ∀→
v,
y por tanto g ≡ h.
Para demostrar i), sea B = {→
−
e1 , . . . , −
e→
n } base ortonormal de E y M la matriz
de f en esa base.
Sea C la matriz M t en el caso real y M t en el complejo, y g la aplicación
lineal en E cuya matriz en B es M . Veamos que g = f ∗ .
f (→
−
ei ) · →
−
ek = (a1i →
−
e1 + · · · + ani →
−
en ) · →
−
ek = aki
→
−
ei · g(→
−
ek ) = →
−
ek · (ak1 →
−
e1 + · · · + akn −
e→
n ) = aki
Ası́ que f (→
−
ei ) · →
−
ek = →
−
ei · g(→
−
ek ).
3.6. APLICACIONES ADJUNTAS Y AUTOADJUNTAS 87
n
X n
X
Ahora, dados →
−
x = xi →
−
ei , →
−
y = yj →
−
ej tenemos
i=1 j=1
n X
X n
f (→
−
x)·→
−
y = xi yj (f (→
−
ei ) · →
−
ej )
i=1 j=1
n X
X n
= xi yj (→
−
ei · g(→
−
ej ))
i=1 j=1
= →
−
x · g(→
−
y ).
Luego, efectivamente, g = f ∗ .
5
-0
• La identidad tiene como adjunta a sı́ misma.
• (f ∗ )∗ = f .
• (f + g)∗ = f ∗ + g ∗ .
05
9-
• (f ◦ g)∗ = g ∗ ◦ f ∗ .
• Si f tiene inversa, (f −1 )∗ = (f ∗ )−1 .
l2
3.6.3 Parece claro que las aplicaciones que sean adjuntas de sı́ mismas deberı́an
n
f (→
−
u)·→
−
v =→
−
u · f (→
−
v ) ∀→
−
u,→
−
v ∈ E.
3.6.5 Nuestro objetivo ahora va a ser comprobar que las aplicaciones autoad-
juntas (i.e. las matrices simétricas o hermı́ticas) siempre diagonalizan.
Para ello necesitamos un resultado previo:
88 CAPÍTULO 3. ESPACIOS VECTORIALES EUCLÍDEOS Y UNITARIOS
p(x) = ±(x − λ1 ) · · · (x − λn ),
5
mismo polinomio caracterı́stico. Por el caso anterior, todos los autovalores son
-0
reales.
05
3.6.6 El resultado que buscábamos es:
9-
l2
5
-0
Un producto escalar o hermı́tico, además de permitirnos hablar de ortogo-
nalidad, determina una forma de definir una noción de tamaño de los vectores
05
mediante el cálculo de φ(→
−
v ,→
−
v ). De hecho, lo que se obtiene (una norma) es un
9-
caso particular de un objeto más general:
l2
una aplicación
k k: E → R
n
→
−v 7→ k → −
v k
sió
tal que
→
−
r
i) k →
−v k= 0 ⇔ →−v = 0
Ve
ii) k k →
−
v k= |k| k →
−
v k
iii) k u + v k≤k →
→
− →
− −u k+k→ −
v k (desigualdad triangular)
(donde |k| es valor absoluto en el caso de R y módulo en el caso de C).
E → Rp
→
−
u 7→ φ(→
−
u,→
−
u ) =k →
−
u k
es una norma.
89
90 CAPÍTULO 4. ESPACIOS AFINES EUCLÍDEOS
|φ(→
−
u,→
−
v )|2 ≤ φ(→
−
u,→
−
u )φ(→
−
v ,→
−
v ) ∀→
−
u,→
−
v ∈ E.
5
φ(→
−u,→−
-0
v)
k= →
− →
− ,
φ( v , v )
05
y tenemos
9-
l2
0 ≤ (→
−
u − k→
−
v ) · (→
−
u − k→
−
v)
de
= →
−
u ·→
−
u − k(→
−
v ·→
−
u ) − k(→
−
u ·→
−
v ) + kk(→
−
v ·→
−
v)
n
(→
−
u ·→
−
v )(→
−
v ·→
−
u ) (→
−
u ·→
−
v )(→
− v ) (→
u ·→
− −
u ·→
−
v )(→
−
u ·→
−
v)
sió
= →
−
u ·→
−
u − →
− →
− − →
− →
− + →
− →
−
(v · v) (v · v) (v · v)
r
Ve
(→
−
u ·→
−
v )(→
−
v ·→
−
u) √
= →
−
u ·→
−
u − →
− →
−
(v · v)
(→
−
u +→
−
v ) · (→
−
u +→
−
v) = →
−
u ·→
−
u +→
−
u ·→
−
v +→
−
v ·→
−
u +→
−
v ·→
−
v
= →
−
u ·→
−
u +→
−
v ·→
−
v + (→
−
u ·→
−
v +→
−
u ·→
−
v)
≤ →
−
u ·→
−
u +→
−
v ·→
−
v + 2|→
−
u ·→
−
v|
√ √
≤ →
−
u ·→
−
u +→
−
v ·→
−
v +2 →−
u ·→
−
u → −
v ·→
−
v
√ √
= ( →
− u + →
u ·→
− −v ·→
−
v )2
4.1. NORMA Y DISTANCIA 91
4.1.4 La gracia de tener un producto escalar en E que, como hemos visto nos
permite calcular tamaño de vectores, nos va a servir para medir distancias en
A. De nuevo, la noción matemática de distancia es algo más general:
Definición Sea X un conjunto. Una distancia en X es una aplicación
d:X ×X → R
5
i) d(p, q) ≥ 0, y d(p, q) = 0 ⇔ p = q.
-0
ii) d(p, q) = d(q, p). 05
iii) d(p, q) ≤ d(p, r) + d(r, q) (desigualdad triangular).
9-
l2
d :A×A → R
Ve
p
(p, q) 7→ d(p, q) = φ(→
−
pq, →
−
pq) =k →
−
pq k
es una distancia.
4.1.6 Quizá el resultado matemático mas conocido para el gran público sea el
Teorema de Pitágoras. En él se combinan dos nociones que hemos tratado aquı́:
distancia y ortogonalidad, en el caso del espacio euclı́deo real usual (con las
nociones de ortogonalidad y de distancia asociadas al producto escalar usual).
Sin embargo, se trata de un teorema absolutamente general, que funciona en
cualquier espacio afı́n euclı́deo (con cualquier producto escalar):
= →
−
qr · →
−
qr
= (→
−
pr − →
−
pq) · (→
−
pr − →
−
pq)
= k→
−
pr k2 + k →
−
pq k2
5
supuesto, en términos de ortogonalidad en espacios vectoriales:
-0
05
Definición Dos variedades lineales a + F y b + G de un espacio afı́n de
dimensión n son ortogonales o perpendiculares cuando se dan una de estas dos
9-
condiciones:
l2
•→−
u ·→−v = 0 ∀→−
u ∈ F, ∀→−v ∈ G (por tanto F ⊂ G⊥ , y necesariamente la suma
de las dos dimensiones es ≤ n).
de
de las dimensiones de las dos variedades sea menor, mayor o exactamente igual
a 3).
5
dos rectas.
-0
→
−
Como {→ −u,→−v ,→
−
w } son base de R3 , ab ∈ h→−u,→
−w i + h→−
v ,→
−
w i. Es decir, que los
05
dos planos se cortan, y lo hacen en una variedad lineal, de dimensión necesaria-
mente 1, dada como (a + h→ −u,→−
w i) ∩ (b + h→
−
v ,→
−
w i) = c + (h→−
u,→ −
w i ∩ h→
−v ,→−
w i) =
9-
c + h→−
w i. Es claro que esa es la recta perpendicular común a a + h→ −u i, b + h→
−vi
l2
(que es perpendicular está claro, pero: ¿ves por qué esa recta corta a las dos de
partida?). Los puntos de corte de la perpendicular común con las dos rectas se
de
b+<v>
r
Ve
c+<w>
a+<u>
L1
L2
5
2 1 −1
-0
con el producto φ de matriz 1 1 0 en la base usual?
05
−1 0 3
9-
Para calcular el espacio ortogonal a h(0, 0, 1), (1, 0, 0)i:
l2
2 1 −1 0 0
(x y z) 1 1 0 0 = (2x + y − z, x + y, −x + 3z) 0
de
−1 0 3 1 1
n
= −x + 3z = 0
sió
r
2 1 −1 1 1
Ve
(x y z) 1 1 0 0 = (2x + y − z, x + y, −x + 3z) 0
−1 0 3 0 0
= 2x + y − z = 0
Como reescritas en forma paramétrica las ecuaciones anteriores son x =
3z, y = −5z, entonces h(0, 0, 1), (1, 0, 0)i⊥ = h(3, −5, 1)i.
Sea π1 = (0, 1, 0) + h(0, 0, 1), (3, −5, 1)i, que tiene ecuación
x 0 3
y − 1 0 −5 = 3y − 3 + 5x = 0.
z 1 1
Igualmente, si π2 = (0, 0, 1) + h(1, 0, 0), (3, −5, 1)i, su ecuación es
x 1 3
y 0 −5 = −5z + 5 − y = 0.
z−1 0 1
4.3. DISTANCIA ENTRE VARIEDADES 95
5
-0
05
No entraremos en ello ahora, pero el mı́nimo que aparece en la definición
anterior siempre existe, y siempre existen a ∈ L1 , b ∈ L2 tales que d(L1 , L2 ) =
9-
d(a, b). Antes de ocuparnos de cómo se calcula en un caso absolutamente general,
l2
qx
2 2 2 2
Pitágoras d(p, x) = d(p, q) + d(q, x) ≥ d(p, q) . De modo que d(p, a + F ) =
r
d(p, q).
Ve
2 1 −1
Ejemplo.- Consideramos de nuevo R3 , con φ de matriz 1 1 0
−1 0 3
en la base usual.
Sea π el plano z = 0, p = (0, 0, 1). Vimos (ver ejemplo 3.5.4) que la proyección
ortogonal de p sobre π es (−1, 1, 0). Cuando lo hicimos consideramos R3 como
espacio vectorial euclı́deo, pero lo que allı́ hicimos no nos valdrı́a para calcular
una proyección ortogonal sobre una variedad lineal que no pase por el origen
(i.e. que no sea subespacio vectorial). Vamos a repetir aquel cálculo de forma
más propiamente afı́n.
Escribimos π = {z = 0} = (0, 0, 0) + h(1, 0, 0), (0, 1, 0)i.
(0, 1, 0)i. Como vimos en el ejemplo 3.4.7, F ⊥ = h(−1, 1, −1)i,
Sea F = h(1, 0, 0),
2x + y − z = 0
que tiene ecuaciones . Ası́ que p + F ⊥ tiene ecuaciones
x+y =0
x y z−1
= = ,
−1 1 −1
96 CAPÍTULO 4. ESPACIOS AFINES EUCLÍDEOS
z=0
x+y =0
y+z−1
5
Observación.- Dados p, π = a+F , se puede evitar el cálculo de la proyección
-0
ortogonal si se usa el siguiente truco: si →
−
u es ortogonal a F y unitario, entonces
→
− →
− 05
pq = k u (siendo q la proyección ortogonal), con |k| = d(p, q). Entonces, dado
x ∈ π cualquiera se tiene
9-
−
→·→−
u = (→
−
pq + −
→ ·→−
u = k→
−
u ·→
−
l2
px qx) u = k,
de
luego
d(p, π) = |−
→·→
px −
u | =k pF ⊥ (−
→) k
px
n
( con x ∈ π cualquiera).
sió
→
− 1
u =p (a1 , . . . , an )
a21 + · · · + a2n
en dicha base.
Dado x ∈ π,
−
→·→− 1
px u = p ((x1 − p1 )a1 + · · · + (xn − pn )an )
a21 + · · · + a2n
1
= p (a1 x1 + · · · + an xn − a1 p1 − · · · − an pn − b)
a21 + · · · + a2n
−1
= p (a1 p1 + · · · + an pn + b),
a21 + · · · + a2n
luego
|a1 p1 + · · · an pn + b|
d(p, π) = p
a21 + · · · + a2n
(observa que el numerador es simplemente evaluar en p la ecuación de π).
4.3. DISTANCIA ENTRE VARIEDADES 97
restando se tiene
5
-0
Una observación importante es que si p ∈ L1 y q ∈ L2 es su proyección a L2 ,
entonces p es la proyección de q a L1 . 05
9-
l2
de
p L1
n
Puntos de L 2 que se
sió
proyectan en p
r
Ve
Proyeccion de p
L2
5
−1 0 3 1 1
-0
3 −5 1
05
el vector →
−
w = √ ,√ ,√ es unitario.
9-
10 10 10
l2
Ası́ que
de
3
√
n
2 1 −1 10
−5
sió
√
Ve
10
3
√
10
−5
√
= (2, 1, −3)
10
1
√
10
2
= √
10
4
Lo calculamos de otro modo: sabemos (sección 4.2.4) que los pies son 0, 1,
5
3 1
y , −1, .
5 5
4.3. DISTANCIA ENTRE VARIEDADES 99
3
2 1 −1 5
3 1
k→
− k2
pq = ( , −1, ) 1 1 0 −1
5 5 1
−1 0 3
5
3
2 5
= 0, − , 0
−1
5 1
5
2 4 √
= =
5 10
4.3.6 La distancia entre variedades es, en general:
5
clı́deo. Sean W1 , W2 los espacios directores de L1 y L2 , y π : E → (W1 + W2 )⊥
-0
la proyección ortogonal sobre (W1 + W2 )⊥ . 05
Entonces d(L1 , L2 ) =k π(→
−
pq) k, donde p ∈ L1 , q ∈ L2 son dos puntos cua-
lesquiera.
9-
l2
L1 = {p}, L2 hiperplano.
sió
p L1
r
Ve
L2
luego d(L1 , L2 ) = |−
→·→
px −
w | con →
−
w normal y unitario y x ∈ L2 cualquiera.
p
p · 1
·
q q
1
5
-0
05
9-
Figura 4.6: La distancia entre rectas que se cruzan se alcanza en los pies de la
l2
perpendicular común.
de
Si L1 , L2 son rectas que se cruzan, d(L1 , L2 ) = d(p, q) donde p, q son los pies
de la perpendicular común. Dados p1 ∈ L1 , q1 ∈ L2 se tiene − p−→ −→ −→ → −
1 q1 = p1 p+ qq1 + pq.
n
−→ −→ →
−
Como p1 p + qq1 ∈ W1 + W2 , pq es la proyección ortogonal.
sió
−−
p → → − →
− → − →
−
1 q1 · w = pq · w = ± k pq k .
Luego d(L1 , L2 ) = |−
p−→ → − →
−
1 q1 · w | con w normal unitario y p1 ∈ L1 , q1 ∈ L1 son
arbitrarios.
c) Variedades paralelas.
Isometrı́as. Movimientos en
R2 y R 3
5
-0
5.1. Isometrı́as
05
9-
5.1.1 Una vez que hemos introducido una noción de distancia, es lógico que
nos preocupemos por tratar las aplicaciones que conservan dicha noción:
l2
f (a) = f (b)
er
⇓
V
5.1.2 A estas alturas no deberı́a extrañar que si una aplicación entre los es-
pacios de puntos conserva la distancia (que es algo definido en términos del
espacio vectorial subyacente), es porque su parte lineal debe estar conservando
el producto escalar:
101
102 CAPÍTULO 5. ISOMETRÍAS. MOVIMIENTOS EN R2 Y R3
= d(a, b)2
5
-0
Por otra parte, sea f isometrı́a. Fijemos un p ∈ A1 , y definamos
φ : E1 −→ E2
05
→
− −−−−−− →
v =− → −
pa 7 → φ(→
−
u ) = f (p)f (a)
9-
→
−
l2
Dados →−u =− → →
pa, −
v = pb tenemos
→
− → k 2+ k →
− 2 →·→−
de
d(a, b)2 =k ab k 2 =k −
ap pb k + 2−
ap pb = d(a, p)2 + d(p, b)2 − 2→
−
u ·→
−
v
n
e igualmente
sió
d(f (a), f (b)) = d(f (a), f (p))2 + d(f (p), f (b))2 − 2φ(→
−
u ) · φ(→
−
v)
r
v.
Además (ver el lema siguiente), una aplicación que conserva el producto
escalar es siempre lineal, de modo que
→
− →
− →
φ(ab) = φ( pb − −
→
− → =−
pa) = φ( pb) − φ(−
pa)
−−−−→ − −−−−− → −−−−−→
f (p)f (b) − f (p)f (a) = f (a)f (b),
Definición Dos espacios afines euclı́deos son isomorfos si existe una isometrı́a
biyectiva entre ellos.
5
5.2. Aplicaciones ortogonales
-0
05
5.2.1 En este capı́tulo vamos a querer estudiar los llamados desplazamientos,
que son las isometrı́as de un espacio afı́n euclı́deo en sı́ mismo. Para ello, tras lo
9-
que hemos visto hasta aquı́, vamos a necesitar entender las aplicaciones de un
l2
u · v ∀u, v .
r sió
i) k f (→
−
u ) k=k →−
u k ∀→
−u ∈ E.
ii) u , v son ortogonales si y sólo si f (→
→
− →
− −
u ), f (→
−
v ) son ortogonales.
iii) f es biyectiva.
iv) Si k es autovalor entonces |k| = 1 (siendo | | valor absoluto o norma com-
pleja).
v) Si →−u,→
−v son autovectores correspondientes a autovalores diferentes, →
−
u y→
−v
son ortogonales.
Demostración.- a) ⇔ b) es un ejercicio.
b) ⇔ c) Observar que {f (→ −
e1 ), . . . , f (e−
→n )} es base por el punto iii) de la
proposición 5.2.2 (f es biyectiva).
La matriz del producto en esa base es At GA (caso real) o At GA (caso com-
plejo). Luego
At GA = G (ó At GA)
m
f (→
−
ei ) · f (→
−
ej ) = → −ei · →
−
ej ∀i, j
5
-0
5.2.4 De lo anterior se deduce inmediatamente el interesante corolario sigu-
iente:
05
9-
Corolario Si f tiene matriz A en una base ortonormal,
f ortogonal ⇔ At A = Id (A es una matriz ortogonal)
l2
5.2.7 En el caso real la situación no es tan idı́lica como para que las matrices
diagonalicen, pero están a punto de hacerlo:
5.3. MOVIMIENTOS DE LA RECTA EUCLÍDEA 105
5
-0
es
decir, una
matriz diagonal por cajas donde las submatrices A i son de la forma
a b
con a2 + b2 = 1.
05
−b a
9-
l2
[ca-Ll].
n
Los movimientos son siempre, por lo que hemos visto hasta ahora, afinidades
biyectivas. Es más, si se elige un sistema de referencia adecuado (un sistema
ortonormal bien adaptado al movimiento en cuestión), los movimientos son
aplicaciones que se pueden expresar en coordenadas como f (x1 , . . . , xn ) =
x1
(p0 , . . . , pn ) + M ... , siendo M la forma canónica de una aplicación ortog-
xn
onal.
fe ortogonal
⇓
det(fe) = ±1
. &
fe = Id fe = −Id
p u f(p)
5
-0
u
05
9-
Figura 5.1: Una traslación en R1 .
l2
→
−
u
Si tomamos la referencia (ortonormal o no) {p; }, siendo p un punto
de
→
−
k u k
cualquiera, f tiene ecuación
n
sió
x0 = f (x) = x+ k →
−
u k
r
x0 = f (x) = −x
que representa un giro de ángulo θ y centro p (ver la figura 5.2). Esto incluye
el caso particular en que cos θ = −1 (θ = π), que corresponde a una simetrı́a
central de centro p.
f(q2) q
5
-0
2
f(q1) q1 05
9-
l2
e2 p
de
e1
n
r sió
Ve
5.4.3 Hay que tener cuidado por el hecho obvio de que existen dos giros del
mismo centro y el mismo ángulo (que se diferencian sólo en el sentido de giro).
Es fácil comprobar que la aplicación lineal que tiene matriz
0
x = x cos θ − y sen θ
y 0 = x sen θ + y cos θ
q1
5
-0
e2
q2 05
9-
l2
f(q2 ) p e1
de
n
f(q1)
r sió
Ve
q1
e2
q2
p e1
f(q2 )
f(q1)
5
A tal f se le llama habitualmente simetrı́a deslizante (ojo con no confundirse
-0
con la nomenclatura: una simetrı́a deslizante f no es una simetrı́a en el sentido
05
de la definición 2.3.11, pues f 2 es una traslación de vector 2c→ −
e1 y no la apli-
cación identidad: desafortunadamente, esta es la terminologı́a estándar). Es la
9-
composición de la simetrı́a axial de eje p + h→
−
e1 i y la traslación de vector c→
−
e1 . Es-
l2
tas dos afinidades conmutan, de modo que da igual en qué orden componerlas:
el resultado en ambos casos es la simetrı́a deslizante descrita.
de
5.4.5 Hemos descrito todos los movimientos del plano euclı́deo, pero siempre
n
caso).
r
4o ) Si es inverso, f es una simetrı́a axial si hay una recta de puntos fijos (que
es entonces el eje de simetrı́a). Si no hay puntos fijos, se trata de una simetrı́a
→
−
deslizante f = T− →u ◦ S, donde T− →u es una traslación de vector u y S es la
simetrı́a respecto de la única recta invariante por f , cuya dirección h→ −u i es el
subespacio E1 de autovectores de autovalor 1 de f. e
Una vez calculado E1 es fácil determinar el eje, puesto que
−−−→
Eje = {x t.q. xf (x) ∈ E1 },
−−−→
y el vector de desplazamiento es →
−
u = xf (x) para cualquier punto x ∈ Eje.
Método 1 : Dado que la base usual es ortonormal, sabemos que la parte lineal
5
-0
de f debe ser de matriz √ √
√2/2 −√ 2/2 ,
05
2/2 2/2
9-
por lo que la ecuación de f en la referencia usual es:
l2
0 √ √
x1 a1 √ 2/2 −√ 2/2 x1
de
= +
x02 a2 2/2 2/2 x2
n
√
a1 1 + √2/2
=
r
a2 2 − 3 2/2
Ve
y ya hemos terminado.
k
√ √
√2/2 −√ 2/2 1 1 0 −1
2/2 2/2 2 0 1 −2
0 0 1 0 0 1
k
√ √ √
√2/2 −√ 2/2 1 + √2/2
2/2 2/2 2 − 3 2/2
0 0 1
5
-0
5.4.7 Ejemplo.- Estudiar la afinidad f de R2 (con el producto usual) de
ecuación 0 √
05
x1 1 3/2 1/2
√ x1
=
9-
x02 0 1/2 − 3/2 x2
l2
en la referencia usual.
√
de
o 3/2 1/2
√
1 ) Como es una matriz ortogonal (y la base usual es
1/2 − 3/2
n
3/2 1/2
√
2o ) det = −1, luego es un movimiento inverso.
1/2 − 3/2
r
Ve
√
x = 1x − 3x
2 1 2
2 2
es un sistema incompatible, luego no hay puntos fijos. De modo que f es una
simetrı́a deslizante.
¿Cuál es el eje? Como dijimos, p = (x1 , x2 ) es del eje exactamente cuando
−−−→ e Calculamos dicho autoespacio:
pf (p) está en el autoespacio de autovalor 1 de f.
√ !
3 1
−1 x+ y =0
√
2 2
3/2 − 1 √ 1/2
ker ←→ !
1/2 − 3/2 − 1
√
1
3
2x − − 2 − 1 y = 0
112 CAPÍTULO 5. ISOMETRÍAS. MOVIMIENTOS EN R2 Y R3
√
que resulta el subespacio vectorial unidimensional de ecuación x = ( 3 + 2)y.
Dado p = (x1 , x2 ), su imagen por f tiene coordenadas
√ √ !
3 1 1 3
1+ x1 + x2 , x1 − x2 ,
2 2 2 2
por lo que
√ ! √ ! !
−−−→ 3 1 1 3
pf (p) = 1+ − 1 x1 + x2 , x1 − − + 1 x2 ,
2 2 2 2
que está en el autoespacio anterior exactamente cuando
√ ! √ ! !
3 1 √ 1 3
1+ − 1 x1 + x2 = ( 3 + 2) x1 − − + 1 x2 .
2 2 2 2
Operando obtenemos la ecuación del eje, que es
√
−2x1 + (4 + 2 3)x2 + 1 = 0
5
-0
o, en forma paramétrica
05
1 √
, 0 + t(1, 2 − 3).
2
9-
l2
−−−→ 1
Para obtener el vector de traslación calculamos pf (p) para p = , 0 por
! !2
de
√ √
3 1 1 3 1
ejemplo. Resulta f (p) = 1 + , , con lo que →
−
v = + , .
4 4 2 4 4
n
√
sió
v = + , .
Ve
2 4 4
p
3
p p
e3 2 1
5
-0
p f(p ) f(p1)
2
05
9-
f(p )
l2
3
de
0
Ve
x = x cos θ − y sen θ
y0 = x sen θ + y cos θ
0
z = z
Las dos primeras ecuaciones tienen siempre solución única (x0 , y0 ). Como el
sistema debe ser incompatible (no tener solución), necesariamente e 6= 0.
La recta
x = x0
y = y0
es invariante, y tomando p en ella, las ecuaciones en la referencia {p; → −
e1 , →
−
e2 , →
−
e3 }
son 0
x = x cos θ − y sen θ
y0 = x sen θ + y cos θ
0
z = z+e
Es una rotación de ángulo θ y eje p + h→−
e3 i (de sentido positivo en el plano
h e1 , e2 i, esto es de e1 hacia e2 ), seguida de una traslación de vector e · →
→
− →
− →
− →
− −
e3
(que es paralelo al eje de rotación); equivalentemente, es la traslación segui-
da de la rotación mencionadas, dado que ambas conmutan. Se suele llamar a
un movimiento de este tipo movimiento helicoidal. El giro sin desplazamiento
descrito arriba se puede considerar como caso particular de este (movimiento
5
helicoidal sin desplazamiento).
-0
Caso inverso.-Existe una base ortonormal en la que la matriz de fe es
05
9-
cos θ − sen θ 0
sen θ 0
l2
cos θ
0 0 −1
de
e2 i es plano
sió
0
x =x
y0 = y
0
z = −z
e −−−→
El plano z = es invariante. Tomando p en él se tiene pf (p) = (c, d, 0). La
2
ecuación de f en {p; →
−
e1 , →
−
e2 , →
−
e3 } es
0
x =x+c
y0 = y + d ,
0
z = −z
5
0
z = −z
-0
05
que corresponde a la composición de una simetrı́a especular respecto al plano
p + h→
−
e1 , →
−
e2 i y de una rotación de ángulo θ con eje p + h→
−
e3 i perpendicular al plano
9-
(y de sentido positivo en el plano h e1 , e2 i, esto es de →
→
− →
− −
e1 hacia →
−
e2 ). Estas dos
l2
ahora del proceso inverso al que hemos seguido en las secciones previas: dado
sió
5
en rotaciones y movimientos helicoidales como en rotaciones seguidas de una
-0
simetrı́a ortogonal al eje). Cuando estudiamos uno de tales movimientos, dado en
05
una referencia arbitraria por la ecuación x0 = M x+b, se tiene tr(M ) = 1+2 cos θ,
lo cual describe (si θ 6= π) dos ángulos que difieren en la orientación. O, dicho
9-
de forma equivalente, si uno de los ángulos es θ el otro es 2π − θ.
l2
giro: si se toma → −
v1 ∈ E ⊥ , se dice que el giro es en sentido positivo respecto de
→
−e ∈ E si { v1 , v2 = M →
→
− →
− −
v1 , →
−
e } es una base orientada positivamente (es decir, si
n
los tres vectores ordenados forman las columnas de una matriz de determinante
sió
positivo). Ası́, un giro de ángulo 0 < θ < π con la orientación inducida por
→
−e serı́a un giro de ángulo 2π − θ con la orientación inducida por −→ −
r
e (ver el
Ve
ejemplo siguiente).
cuya única solución es (0, 1, 2). De modo que se trata de una simetrı́a compuesta
con un giro de eje perpendicular al plano de simetrı́a.
5.5. MOVIMIENTOS DEL ESPACIO EUCLÍDEO TRIDIMENSIONAL 117
−−−→
El eje de giro es {p | pf (p) ∈ E−1 }. Calculamos el autoespacio:
1 0 −1 x 0
ker(A + Id) ←→ 0 0 0 y = 0
1 0 1 z 0
x=0
que resulta , que son las ecuaciones de E−1 .
z=0
Si p = (x, y, z), entonces f (p) = (−z + 2, −y + 2, x + 2), de modo que
−−−→
pf (p) = (−z − x + 2, −2y + 2, x − z + 2) ∈ E−1
m
−z − x + 2 = 0
ecuaciones del eje.
x−z+2=0
Observa que, efectivamente, (0, 1, 2) es un punto del eje. En forma paramétri-
5
ca es (0, 1, 2)+h(0, 1, 0)i. Respecto al ángulo de giro: tr A = −1 = −1+2 cos θ ⇒
-0
cos θ = 0. Si tomamos → −
v1 = (1, 0, 0), entonces 05
1 0 −1 1 0
9-
→
−
v2 = 0 0 0 0 = 0
l2
1 0 1 0 1
Ası́, el vector →
−
de
1 0 →
−
e1
→
−
r
0 0 e2 = (0, −1, 0)
Ve
0 1 →
−
e3
π
donde {→ −
e1 , →
−
e2 , →
−
e3 } es la base usual. Ası́, el ángulo es θ = respecto a la ori-
2
→
−
entación dada por e = (0, −1, 0).
El plano de simetrı́a es (0, 1, 2) + h(1, 0, 0), (0, 0, 1)i (el plano y = 1).
5.5.6 Ejemplo.- Hallar las ecuaciones del movimiento helicoidal de eje (0, 0, 1)+
π
t(0, 1, 1), ángulo (en la orientación dada por →−e = (0, 1, 1)) y vector de
4
traslación (0, 1, 1), en la referencia usual.
√ √ !
2 2
El vector director del eje es (0, 1, 1), que normalizado es 0, , . El
2 2
ortogonal a él es !{y + z = 0} = h(1, 0, 0), (0, 1, −1)i. Tomo la base ortonormal
√ √ √ √ !
2 2 2 2
B = 0, , , (1, 0, 0), 0, ,− (que está orientada positivamente:
2 2 2 2
de lo contrario deberı́a cambiar el orden de los dos últimos vectores).
118 CAPÍTULO 5. ISOMETRÍAS. MOVIMIENTOS EN R2 Y R3
5
√0 1 √0 0
-0
2/2 0 0
P −1 = √ 05 √2/2 .
2/2 0 − 2/2 1
0 0 0 1
9-
l2
2/2 −1/2
√ 1/2
√ −1/2√
1/2 1/2 + √2/4 1/2 − √2/4 −1/2 + √2/4
M = P −1 N P = .
n
0 0 0 1
r
Ve
Como √
1/2 1/2 1/ √2
1/2
√ √ −1/ 2
1/2 =1
−1/ 2 1/ 2 0
5.5. MOVIMIENTOS DEL ESPACIO EUCLÍDEO TRIDIMENSIONAL 119
es un movimiento directo.
5
1/2 1/2 1/ √2 x 0
-0
ker(fe − Id) ←→ 1/2 √ 1/2
√ −1/ 2 y = 0
05
−1/ 2 1/ 2 0 z 0
9-
por lo que E1 tiene ecuaciones
l2
√
x−y− 2z = 0
de
√ √ .
− 2x + 2y − 2z = 0
n
sió
1 1 2 1 1 2
Ve
f (p) = x+ y+ z + 3, x + y − z + 3, − 2x + 2y ,
2 2 2 2 2 2
con lo que
√ √ !
−−−→ 1 1 2 1 1 2 √ √
pf (p) = − x+ y+ z + 3, x − y − z + 3, − 2x + 2y − z ,
2 2 2 2 2 2
5
-0
05
9-
l2
de
n
r sió
Ve
Ejercicios de Geometrı́a
Euclı́dea
5
simétrica dada por:
-0
1 −1 0 y1
05
ϕ((x1 , x2 , x3 ), (y1 , y2 , y3 )) = (x1 , x2 , x3 ) −1
0
3
1
1 y2
1 y3
9-
a. Demuestra que φ es un producto escalar en R3 .
l2
121
122
W1 = {x ∈ R3 : x1 = x2 = x3 } y W2 = {x ∈ R3 : x1 + 2x2 + 3x3 = 0} .
5
R3 (resp. W = {(x1 , x2 , x3 , x4 ) ∈ R4 : x1 +x2 +x3 +x4 = 0 , 2x1 −x2 = 0} ⊂ R4 ).
-0
8. Encuentra la aplicación adjunta de:
05
a. La aplicación h : R3 −→ R3 , h(x, y, z) = (x+y+z, x+2y+2z, x+2y+3z),
9-
con el producto escalar usual de R3 .
l2
x2 + x3 )(y1 + y2 + y3 ).
c. La aplicación g : R[x]2 −→ R[x]2 ,dada por g(p(x)) = xp0 (x) − (xp(x))0 ,
n
sió
5
Estudia la isometrı́a composición de las dos anteriores.
-0
14. Sea {p; e1 , e2 , e3 } una referencia ortonormal del espacio afı́n euclı́deo
05
(A, E). Designemos por s la simetrı́a respecto al eje p+ < (a, b, c) > y por s̃ su
endomorfismo asociado.
9-
a. Demuestra que, para todo v ∈ E, s̃(v) + v es un vector propio de valor
l2
y σ̃ el endomorfismo de E asociado a σ.
er
a. Calcula la ecuación de la recta `α que pasa por los puntos p = (1, α, −1)
y q = (1, 2α, −2).
b. Calcula el punto rα simétrico del punto m = (1, 0, −2) con respecto a la
recta `α .
c. Demuestra que el lugar geométrico de los puntos rα con α ∈ R, es la recta
(−1, 0, 2)+ < (0, 1, 1) >.
5
1
√
2 1 0
0
x = 1 + 2 x√+ 2 y√+ 2 z x =1+y
-0
2
y 0 = −1 + √2 x − 2 z2 05 , y0 = 1 − z
0 1 0
2
z = 2x − 2 y + 2z 1 z = −x
9-
Estudia la composición de las dos isometrı́as anteriores.
l2
de
n
r sió
Ve
Problemas de Geometrı́a
Euclı́dea
5
-0
X 05
φ(u, v) = λi,j fi (u)fj (v).
1≤i,j≤k
9-
l2
Demuestra que φ es una forma bilineal simétrica si y sólo si λi,j = λj,i , para
1 ≤ i, j ≤ k.
de
2(kuk2 + kvk2 ) = ku + vk2 + ku − vk2 . Esta igualdad se conoce como la Ley del
paralelogramo.
r
Ve
125
126
7. Determina el lugar geométrico de las imágenes del punto (1, 1) por todos
los giros de R2 de ángulo π/2 y centro sobre la recta x + y = 1.
5
-0
11. Considera R3 con el producto escalar habitual.
05
a. Demuestra que la composición de dos simetrı́as con respecto a dos planos
paralelos es una traslación.
9-
b. Demuestra que la composición de dos simetrı́as con respecto a planos
l2
secantes es un giro con eje la recta común a los dos planos y ángulo el doble del
ángulo entre los planos.
de
Considera su forma diagonal D = Q−1 AQ, donde det(Q) > 0. Demuestra que
Q es una rotación de ángulo
1 2b
θ = arctan
2 a−d
14. Dados dos triángulos isométricos en un plano afı́n euclı́deo, estudia las
isometrı́as que llevan uno en otro.
5
-0
05
9-
l2
de
n
r sió
Ve
128
Ve
rsió
n
de
l2
9-
05
-0
5
Parte III
5
Geometrı́a proyectiva -0
05
9-
l2
de
n
sió
r
Ve
129
Ve
rsió
n
de
l2
9-
05
-0
5
131
La geometrı́a proyectiva es, en esta lı́nea, más general que las otras dos.
Ası́ que los conceptos propios de esta geometrı́a serán muy pocos, y todos los
resultados que se obtengan serán de algún modo ciertos en geometrı́a afı́n o
5
euclı́dea.
-0
Como veremos, en geometrı́a proyectiva no sólo no hay noción de distancia
05
(como en la euclı́dea), sino que tampoco hay noción de paralelismo (como en la
9-
afı́n). Sólo la colinealidad y la incidencia son tı́picamente proyectivos.
l2
de
Transformaciones
proyectivas
n
sió
Afinidades
r
Ve
Isometrias
Ve
rsió
n
de
l2
9-
05
-0
5
Capı́tulo 6
El espacio proyectivo
5
ción por recurrencia
-0
05
6.1.1 La geometrı́a proyectiva surgió a partir de los artistas renacentistas,
que observaron que tenı́an que comprender cómo se pueden representar escenas
9-
tridimensionales en lienzos, que son bidimensionales (Durero, S. XVI, estudios
l2
de perspectiva).
Lo que el ojo ve son los rayos de luz que se reflejan en cada punto de la
de
· ··
· ··
Figura 6.1: La geometrı́a proyectiva está conectada con nuestra forma de ver el
mundo.
133
134 CAPÍTULO 6. EL ESPACIO PROYECTIVO
L π
5
-0
05
Figura 6.2: Las vı́as de un tren parecen cortarse en un punto en el infinito.
9-
Los objetos que viven en π quedan representados en el lienzo π 0 por medio
l2
la recta paralela a L que pasa por p son de este tipo (linea del horizonte).
Por otra parte, las traviesas de la vı́a se ven en π 0 como segmentos cada vez
más pequeños. De modo que la proyección a π 0 no conserva ni el paralelismo ni
las longitudes o distancias.
6.1.3 La unión del plano π con todos los “puntos en el infinito”es lo que se va
a llamar el plano proyectivo.
p
"Punto del infinito"
|R
Recta afin real
5
-0
Recta del infinito
3
Origen de IR
2 05
IR , plano afin
9-
l2
de
Es decir, P1R = R1 ∪ P0R (con P0R = P∞ punto del infinito), P2R = R2 ∪ P1R
(con P1R = L∞ recta del infinito), P3R = R3 ∪ P2R (donde P2R = π∞ es el plano del
infinito), etc. . .
136 CAPÍTULO 6. EL ESPACIO PROYECTIVO
5
-0
que sin la motivación previa uno puede no entenderla correctamente.
Definición Dado E un espacio vectorial, el espacio proyectivo P(E) es el
05
→
−
conjunto cociente de E r { 0 } por la relación de equivalencia →−u ∼→−v ⇔→ −v =
9-
→
−
λ u para algún λ 6= 0
l2
de
6.2.2 Observaciones
• Es sencillo comprobar que la relación ∼ de la definición anterior es, efec-
→
−
n
→
− Kn+1
Kn+1 r { 0 } −→ ' PnK
∼
→
−
u 7−→ [→
−
u]
5
-0
R2
6.2.5 Hemos definido la recta proyectiva real de dos formas diferentes:
05 ∼
ó R1 ∪ P∞ . ¿Por qué coinciden?
9-
l2
de
(1, µ) µ IR
n
sió
y= λ x
r
Ve
(1, λ) λ IR
y= µ x
Recta x1=1
(IR)
Figura 6.5: La recta proyectiva real se obtiene añadiendo un punto a una recta
afı́n.
5
con x2 = 1 podrı́amos cortar con x1 = 2, 2x1 + 3x2 = 3, ó en general cualquier
-0
recta afı́n de R2 , lo cual identificarı́a una parte diferente de P1R como parte
05
afı́n, y otro como punto del infinito. De hecho, todos los puntos de un espacio
proyectivo son exactamente iguales, y no hay ninguno que sea canónicamente
9-
clasificable como “punto del infinito”.
l2
b ⊂ Yb .
Además X ⊂ Y ⇔ X
5
.
-0
b b hiperplano (proyectivo); dimensión n
X hiperplano (dimensión n) −→ P(X) 05
b b
X = E (dimensión) n + 1 −→ P(X) = P(E) = Pn dimensión n
9-
Ejemplo.- Una recta proyectiva en el plano proyectivo real. Si dibujamos
l2
Parte afin de IP 2
n
r sió
Ve
Figura 6.6: La parte afı́n de una recta dentro del plano proyectivo.
De hecho, una recta proyectiva no es más que una recta afı́n con un punto
adicional (que corresponde a su dirección). Si representamos el espacio vectorial
140 CAPÍTULO 6. EL ESPACIO PROYECTIVO
IP(IR3)
5
-0
05
9-
Figura 6.7: Una recta proyectiva tiene un punto más que una recta afı́n.
l2
de
sección 6.2.5 en una dimensión menor, se identifica con la parte afı́n de P2R . La
r
= n − dim(X)
b − 1)
= n − (dim(X)
b
= n + 1 − dim(X)
b
= dim(E) − dim(X)
b
= codim(X)
6.4. OPERACIONES ENTRE VARIEDADES PROYECTIVAS 141
bi ,
= ∩i∈I X
5
que es un espacio vectorial. Por tanto X es variedad proyectiva.
-0
05
6.4.2 Definición Si A es un subconjunto de un espacio proyectivo, la variedad
9-
proyectiva generada por A es
l2
\
X
de
X⊃A
X var. proy.
n
sió
L1
L2
p2
p1
L
5
6.4.5 Ejemplos.- • Si A = ∪i∈I Xi con Xi variedades proyectivas, entonces
-0
V[
(A) = V\
(∪Xi )
05
9-
= hπ −1 (∪Xi )i
l2
bi i
= h∪X
n
sió
P b
= Xi
r
ui ] con
→
− →
− [ −
→ −
→ −
→ −
→
ui 6= 0 , por lo que V (A) = hu1 i + · · · + hun i = hu1 , . . . , un i.
\
dim (X ∩ Y ) = dim (X b ∩ Yb ) − 1,
∩ Y ) − 1 = dim (X
\
mientras que, puesto que V (X b + Yb , entonces
∪Y) =X
\
dim V (X ∪ Y ) = dim V (X b + Yb ) − 1.
∪ Y ) − 1 = dim (X
6.4. OPERACIONES ENTRE VARIEDADES PROYECTIVAS 143
Ası́ que
b + Yb ) − 1
dim V (X ∪ Y ) = dim (X
b + dim Yb − dim (X
= dim X b ∩ Yb ) − 1
b − 1) + (dim Yb − 1) − (dim (X
= (dim X b ∩ Yb ) − 1)
5
lo cual confirma lo que ya sabı́amos, pues V (X, Y ) es en este caso la recta por
-0
p1 y p 2 .
05
6.4.8 Quizá la forma más clara de evaluar lo fundamental que es el Teorema de
9-
incidencia sea el corolario siguiente, de extraordinaria importancia en geometrı́a
l2
proyectiva.
Corolario Una recta y un hiperplano proyectivos siempre se cortan.
de
n ≥ dim V (X, Y )
r
Ve
= 1 + (n − 1) − dim (X ∩ Y ),
Parte afin de IP 2
L2
L1
Se cortan
en el infinito
5
-0
05
Figura 6.9: Rectas que en la parte afı́n parecen no cortarse (paralelas) se cortan
9-
en el infinito.
l2
de
p2
p3 p1
u2
u1
u3
5
-0
05
9-
l2
b) Si P0 = [−
→0 ], . . . , Pn = [−
u u→ →
−
n ] y uj = (uj0 , . . . , ujn ) en una cierta base de E,
Ve
entonces
u00 · · · un0
P0 , . . . , Pn l. i. ⇐⇒ .. .. 6= 0
. .
u0n · · · unn
6.5.5 Ejemplo.- Consideramos en P2R los tres puntos {P0 = [(1, 0)], P1 =
[(0, 1)]; U = [(1, 1)]}.
Dado que
1 0 0 1 1 1
6= 0, 6= 0, 6= 0,
0 1 1 1 0 1
se trata de una referencia proyectiva.
5
− − → →
− −
→
-0
E, vn+1 = λ0 v0 + · · · + λn vn para unos únicos λ0 , . . . , λn .
Veamos que ninguno de los λi puede ser nulo: λi = 0 ⇒ v−n+1
05 −→ ∈ h{→ −
vj , j 6=
i}i ⇒ U ∈ V ({Pj , j 6= i}) ⇒ Los n + 1 puntos P0 , . . . , Pi−1 , Pi+1 , . . . , Pn , U
9-
son linealmente dependientes, lo cual contradice la condición de ser referencia
l2
proyectiva.
Sea pues {→ −
e0 = λ 0 →
−
v0 , . . . , →
−
en = λ n −
v→ →
−
n } base de E. Cumple [ ei ] = Pi y también
de
→
− −
→
[ e0 + · · · + en ] = U .
n
ii) Sean {→ −
e0 , . . . , −e→ →
−0 −
→0
n }, { e0 , . . . , en } dos bases asociadas a la misma referencia
sió
proyectiva.
Como [→ −e i ] = [→ −
ei 0 ], entonces → −ei = λ i →−
ei 0 .
r
Como [→ −
e0 +· · ·+ − e→ →
− 0 −
→ 0 →
− −
→ →
−0 −
→0
Ve
n ] = [ e0 +· · ·+ en ], se tiene e0 +· · ·+ en = λ( e0 +· · ·+ en ).
De modo que λ0 → −
e0 + · · · + λ n −
0
e→ 0 →
− 0 −
→ 0
n = λ e0 + · · · + λen , de lo que se deduce que
λ0 = · · · = λn = λ.
6.5.7 Ejemplo.- Tomemos R = {P0 = [(1, 2)], P1 = [(0, 3)]; U = [(2, 0)]}
referencia proyectiva en P1R . ¿Cómo calcular base normalizada?
4
(2, 0) = λ0 (1, 2) + λ1 (0, 3) =⇒ λ0 = 2, λ1 = −
3
de modo que (2, 0) = (2, 4) + (0, −4) = →
−
e1 + →
−
e2 .
La base B = {(2, 4), (0, −4)} es base normalizada.
6.5.9 Ejemplo.- Si R = {P0 = [(1, 2)], P1 = [(0, 3)]; U = [(2, 0)]}, ya calcu-
lamos en el ejemplo 6.5.7 la base normalizada B = {→
−
e0 = (2, 4), →
−
e1 = (0, −4)}.
¿Cuáles son las coordenadas homogéneas en R de P = [(4, 4)]?
5
• Las coordenadas homogéneas en R = {P0 , . . . , Pn ; U } de P0 son (1 : 0 · · · : 0),
-0
de P1 son (0 : 1 : 0 · · · : 0),. . . y de Pn son (0 : · · · : 0 : 1). Las de U son
05
(1 : · · · : 1) (¡compruébalo!), lo cual explica el nombre de punto unidad.
9-
l2
• ¿Para qué se necesita el punto unidad? A primera vista suena un poco arti-
ficial, pero es absolutamente necesario. Si intentara definir una referencia como
de
con [→−u i ] = [→
−
vi ] = Pi , pero las coordenadas de cierto → −v en las dos bases son
totalmente diferentes (no solo proporcionales).
r
Ve
6.5.11 Ejemplo.- Tomamos R = {P0 = [(1, 2)], P1 = [(0, 3)]; U = [(2, 0)]}. Ya
vimos que [(4, 4)] = (2 : 1)R .
Sea ahora R0 = {P00 = [(0, 3)], P10 = [(2, 0)]; U 0 = [(1, 2)]}. Como
2 1
(1, 2) = λ0 (0, 3) + λ1 (2, 0) ⇒ λ0 = , λ1 = ,
3 2
{→−
e0 = (0, 2), →
−
e1 = (1, 0)} es base asociada a R0 . Como (4, 4) = 2(0, 2) + 4(1, 0),
[(4, 4)] = (2 : 4)R0 .
148 CAPÍTULO 6. EL ESPACIO PROYECTIVO
es decir, que
a00 ··· a0n
.. ..
. .
an0 · · · ann
es la matriz de cambio de B a B 0 .
5
-0
Entonces, dado P ∈ P(E), si (x0 : · · · : xn ) son sus coordenadas homogéneas
05
en R, y (x00 : · · · : x0n ) son sus coordenadas homogéneas en R0 , entonces
9-
0
l2
con λ 6= 0 cualquiera.
r
R = {[(1, 2)], [(0, 3)]; [(2, 0)]} −→ B = {(2, 4), (0, −4)}
R0 = {[(0, 3)], [(2, 0)]; [(1, 2)]} −→ B 0 = {(0, 2), (1, 0)}
5
xn
-0
0 05
..
. . Ahora, P = [→ −v ] = (z0 : · · · : zn )R cumple
9-
0
l2
P ∈X ⇔ λ→
− b λ 6= 0
v ∈ X,
de
λz0 z0 0
n
.. = ..
⇔ C ... = λC . .
sió
zn zn 0
r
Ve
z0 0
..
⇔ C ... = .
zn 0
de modo que las ecuaciones de X en la referencia proyectiva R son
λ00 z0 + · · · + λ0n zn = 0
.. .
.
λk0 z0 + · · · + λkn zn = 0
Además, por el Teorema de Rouché-Frobenius
b − 1 = n + 1 − rg(C) − 1 = n − rg(C).
dim X = dim X
6.7.2 Ejemplo.- Una recta proyectiva en P2 está dada por una ecuación lineal
homogénea en 3 variables.
En general, un hiperplano en Pn viene dado por una ecuación lineal ho-
mogénea en n + 1 variables.
x y z
0= 1 0 3 = −6y + z + 6y − 3x,
−2 1 −6
z3 − 3z1 = 0,
5
-0
donde (z1 : z2 : z3 ) denotan coordenadas en una referencia R que tenga a B
05
como base asociada.
9-
l2
de
n
r sió
Ve
Capı́tulo 7
Dualidad y teoremas
clásicos de incidencia
5
-0
7.1. Dualidad 05
7.1.1 Sea E un K−espacio vectorial, y E ∗ el espacio dual (cuyos elementos
9-
son aplicaciones lineales E → K). Sea dim(E ∗ ) = dim(E) = n.
l2
a0 x0 + · · · + an xn = 0.
sió
h
E −→ K
Ve
(x0 , . . . , xn ) −
7 → a 0 x0 + · · · + a n xn ,
es un elemento de E ∗ , que podemos pensar que “corresponde.al hiperplano X.
De hecho, λ(a0 x0 + · · · + an xn ) = 0 es también una ecuación para X. De modo
que más que h ∈ E ∗ , podemos asociar a X el elemento [h] ∈ P(E ∗ ) (y llamamos
a dicha asociación δ, de modo que δ(X) = [h] en este caso). Ası́ que:
Teorema Existe una correspondencia biyectiva entre el conjunto de hiper-
planos proyectivos de P(E) y los elementos de P(E ∗ ).
X = P(X)e
δ
e
X ⊂ E de dim n −→ [h]
y ec. h = 0
P(ker f ) ←− [f ]
151
152CAPÍTULO 7. DUALIDAD Y TEOREMAS CLÁSICOS DE INCIDENCIA
5
h1 = 0
-0
..
.
05
hr = 0
9-
y
l2
h1 = 0
..
de
.
hr = 0
n
P(E) P(E ∗ )
∪ ∪
X −→ X ∗ := {δ(H) : H ⊃ X, H hiperplano de P(E)}
[
H ←− Y
H hip.
δ(H) ∈ Y
5
-0
b = {(x, y, z) ∈
7.1.5 Ejemplo.- En P2R , sea X la recta x + y + z = 0. Ası́ que X
05
3
R | x + y + z = 0}.
9-
Entonces
l2
b = {h ∈ (R3 )∗ | kerh ⊃ X}
Ann(X) b
de
b
= {h ∈ (R3 )∗ | ker h = X}
n
sió
= h(1, 1, 1)i,
b = 2 = dim(ker h).
donde en la segunda igualdad usamos que dim X
∗
Ası́ pues X = {[1, 1, 1]}.
7.1.8 Con lo que hemos visto hasta ahora, es claro que si P es cierta en P(E ∗ ),
entonces P ∗ es cierta en P((E ∗ )∗ ) = P(E), vı́a la dualidad canónica. ası́ obten-
emos:
5
ción relativa a variedades proyectivas de espacios proyectivos de dimensión finita
-0
es cierta si y sólo si lo es su proposición dual.
05
Demostración.- P es cierta en P(E) si y sólo si P es cierta en P(E ∗ ) (puesto
9-
que E y E ∗ son de la misma dimensión sobre el mismo cuerpo), y esto ocurre
si y sólo si P ∗ es cierta en P(E ∗∗ ) = P(E)
l2
7.1.9 Ejemplo.- Sabemos ya que dos puntos diferentes de P2R generan una
de
recta.
P = “Dos variedades de dimensión 0 (puntos) generan una variedad de dimen-
n
una es la dual de la otra, sólo hace falta probar una para verificar que ambas
son verdaderas. Por cierto, observa que la dimensión dual proyectiva a 1 en este
caso es 2 − 1 − 1 = 0.
están alineados.
5
-0
05
A
9-
l2
B
de
C
n
P
sió
Q R
r
Ve
C’
B’
A’
5
(1 − c)q1 + (1 − b)q2 = 0.
-0
Como a 6= 1, b 6= 1, c 6= 1 ⇒ p0 6= 0, p1 6= 0, r0 6= 0, r2 6= 0, q1 6= 0, q2 6= 0 y
05
P = [a − 1, 1 − b, 0], R = [1 − a, 0, c − 1], Q = [0, b − 1, 1 − c].
9-
Ahora bien, un cálculo directo muestra que
l2
a−1 1−a 0
1−b 0 b−1 = 0,
de
0 c−1 1−c
n
Ası́ que gracias al principio de dualidad no tenemos nada más que comprobar.
P = V (A, B 0 ) ∩ V (A0 , B)
Q = V (A, C 0 ) ∩ V (A0 , C)
R = V (B, C 0 ) ∩ V (B 0 , C)
están alineados.
→
−
Demostración.- Sea → −x ∈ E r { 0 }, siendo P2 = P(E), tal que [→ −
x ] = O.
→
− →−
Como O, A, B, C son cuatro puntos de L diferentes, existe y ∈ E r { 0 } tal
que [→
−
y ] = A, [→
−
x +→ −y ] = B, [→
−
x + a→
−y ] = C para cierto a ∈ K r {0, 1}.
→
−
Análogamente, existe → −z ∈ E r { 0 } tal que [→ −
z ] = A0 , [→
−
x +→−z ] = B0 y
[→
−
x + b→−
z ] = C 0 para cierto b ∈ K r {0, 1}.
7.2. DOS TEOREMAS CLÁSICOS SOBRE INCIDENCIA 157
C L
B
A
5
-0
05
9-
R
l2
P Q
de
n
r sió
Ve
A’ L’
B’
C’
luego [→
−
x + a→ −
y + b→
−z ] = Q.
Por último R = [(ab − 1)→−
x + a(b − 1)→
−y + b(a − 1)→
−
z ], puesto que
[(ab − 1)→
−x + a(b − 1)→−
y + b(a − 1)→
−
z ] = [a(b − 1)(→ −x +→−y)
5
+ (a − 1)( x + b→
→
− −z )] ∈ V (B, C 0 )
-0
05 .
[(ab − 1)→
−
x + a(b − 1)→
−
y + b(a − 1)→
−
z] = [(a − 1)b(→
−
x +→−
z)
+(b − 1)( x + a→
→
− −
9-
y )] ∈ V (B 0 , C)
l2
(ab − 1)→
−
x + a(b − 1)→
−
y + b(a − 1)→
−
z = ab(→
−
x +→
−
y +→
−
z ) − (→
−
x + a→
−
y + b→
−
z ).
n
sió
r
7.2.3 Por dualidad, haber probado el Teorema de Pappus tiene como conse-
Ve
cuencia que hemos probado también el resultado dual (que es menos conocido
que el Teorema de Pappus).
Teorema [Pappus dual] Dadas rectas A, B, C pasando por un punto L
y rectas A0 , B 0 , C 0 pasando por otro punto L0 , entonces las rectas P = V (A ∩
B 0 , A0 ∩ B), Q = V (A ∩ C 0 , A0 ∩ C), R = V (B ∩ C 0 , B 0 ∩ C) son concurrentes.
Aplicaciones proyectivas
5
tivos
-0
05
Vamos a introducir ahora las aplicaciones naturales entre espacios proyec-
tivos. Como es de esperar, se van a definir mediante aplicaciones entre los cor-
9-
respondientes espacios vectoriales.
l2
Si b
h:P b → Pb0 es lineal, consideramos
r sió
b
h
b
P −→ Pb0
Ve
πP ↓ ↓ π P0
P P0
h(→
h(x) = [b −
u )], siendo X = [→
−
u ].
h(→
h(X) = [b −
u )], siendo X = [→
−
u ].
159
160 CAPÍTULO 8. APLICACIONES PROYECTIVAS
h(λ→
[b − h(→
u )] = [λb − h(→
u )] = [b −
u )],
P \ Z −→ P0 .
Z se llama el centro de h.
5
todo P.
-0
ii) b
h es sobre ⇔ h es sobre. 05
Demostración.- i) Si bh no es inyectiva, existen vectores no nulos →
−
u,→
−
9-
v ∈Pb
b →
− →
− b b →
− →
−
l2
tales que h( u ) 6= 0 ∈ P , h( v ) = 0 .
0
Entonces →−
w =→ −
u +→−
v y→ −u son vectores linealmente independientes, y [→
−
w] =
de
→
− b →
− b →
−
Y ∈ P, [ u ] = X ∈ P son dos puntos distintos. Como h( w ) = h( u ), h(X) =
h(Y ) por lo que h no es inyectiva.
n
sió
→
−
Ve
λ 6= 0, por lo que b →
− →
− →
− →
−
h( u − λ v ), con lo que u − λ v ∈ ker bh. Como →
−u − λ→−
v 6= 0
(pues P 6= Q), bh no es inyectiva.
→
−
h es sobre, dado Y = [→
ii) Si b −
v ] ∈ P0 , →
−
v 6= 0 , existe →
− h(→
b tal que b
u ∈P −u) =
→
− →
− →
− b →
−
v 6= 0 . De modo que h está definida en X = [ u ] y h(X) = [h( u )] = Y .
→
−
Recı́procamente si h es sobre, dado → −
v ∈ Pb0 , →
−
v 6= 0 , existe X ∈ P tal que
→
− →
− →
−
h(X) = [ v ]. De modo que si u ∈ P cumple [ u ] = X, entonces [b
b h(→
−
u )] = [→
−
v]y
→
−
por tanto v = λb →
−
h( u ) = b →
−
h(λ u ) con λ 6= 0.
5
-0
Se tiene ker(b
h) = {x0 = 0, x1 = 0}, que es una recta en R3 . De modo que
05
Z = P(ker(b
h)) = {[x0 , x1 , x2 ] | x0 = x1 = 0} = {[0, 0, 1]},
9-
con lo que h : P2R r {[0, 0, 1]} → P1R está bien definida.
l2
Calculamos:
h(X r [0, 0, 1]) = {[x0 , x1 ] ∈ P2R | ∃x2 con [x0 , x1 , x2 ] ∈ X, (x0 , x1 ) 6= (0, 0)}
n
sió
= {[x0 , x1 ] ∈ P1R | x0 + x1 = 0, x0 6= 0}
r
Ve
= b
h({(x, y, z) ∈ R3 | x + y = 0}.
Si por ejemplo Y = {[2, 3]} ⊂ P1R , entonces
h−1 (Y ) ∪ Z = Z ∪ {[x0 , x1 , x2 ] ∈ P2R | [x0 , x1 ] = [2, 3]}
Además
h−1\
(Y ) ∪ Z = {(x, y, z) ∈ R3 | 3x = 2y}
coincide con
b
h−1 (Yb1 ) = b
h−1 ({[2λ, 3λ], λ ∈ R}) = {(2λ, 3λ, z) ∈ R3 | λ, z ∈ R}
8.1.7 Observación.- Hemos dicho que una aplicación proyectiva viene asoci-
ada a una aplicación lineal b
h. Dos aplicaciones lineales pueden inducir la misma
aplicación proyectiva, como b h y fb = λbh. Ambas tienen el mismo núcleo, y si
→
−
u ∈ b
/ ker(h) entonces
f ([→
−
u ]) = [fb(→
− h)(→
u )] = [(λb − h(→
u )] = [λ(b − h(→
u ))] = [b −
u )] = h([→
−
u ]).
5
existe λ 6= 0 tal que ∀→
−
u bh(→
− g (→
u ) = λb −
u )).
-0
05
Demostración.- Ya hemos visto que aplicaciones lineales proporcionales
9-
inducen la misma aplicación proyectiva. Nos centramos en el recı́proco:
Si las dos aplicaciones proyectivas h y g coinciden, en particular tienen el
l2
son base de Im(b g ) (puesto que dim Im(fb) = dim Im(b g) = dim P b − dim ker, y
sió
−
→
λr w r .
Además
h(→
b −u) = − →1 + · · · + −
w w→r
gb(→
−u ) = λ1 −→1 + · · · + λr −
w w→r ⇒ λj = λ ∀j
gb(→−
u ) = λb h(→
−
u)
Si ahora completamos con {− e−→ −
→
r+1 , . . . , en } vectores linealmente independi-
→
− −
→ b vemos que gb(→
− →
−
entes que hagan que { e1 , . . . , en } sea base de X, h(→
ek ) = 0 = λb −
ek ).
b
Ası́ que gb = λh.
Ejemplo.- La aplicación
P1R −→ P1R
[x, y] −
7 → [x − y, y]
es una homografı́a. Basta observar que está inducida por
b 1 −1 x
h(x, y) = ,
0 1 y
que es claramente inyectiva.
8.2.2 De entre las aplicaciones proyectivas no inyectivas, las más importantes
son las llamadas proyecciones cónicas.
5
u ∈ P, u Y , con
-0
→
−
uZ ∈ Z by→ −
u Y ∈ Yb . Hay una proyección lineal asociada a esa suma directa:
b
h:Pb −→
05
Yb
→
− →
− →
− →
−
9-
u = u Z + u Y 7−→ uY
l2
h:P −→ Y
[→
−
uZ +→
−
u Y ] 7−→ [→
−
uY]
n
b b b
h(P) = Y , la imagen de h es Y .
Ve
→
− →
−
Demostración.- Si → −
u =→ −u Z +→ −
u Y , con →
− h(→
u Y 6= 0 , b −
u) = →
−
u Y ∈ Yb r{ 0 },
h(→
y también b −
u)=→ −u −→ −u Z ∈ h→
− b
u , Zi.
Por tanto
h(→
b −u ) ∈ h→− b ∩ Yb ,
u , Zi
→
−
por lo que si x = [ u ] entonces
h(x) ∈ V (x, Z) ∩ Y.
Para concluir, basta ver que dim(V (x, Z) ∩ Y ) = 0, lo cual es consecuencia
b L Yb = P.
del Teorema de Incidencia (ver el Teorema 6.4.6), y del hecho de que Z b
164 CAPÍTULO 8. APLICACIONES PROYECTIVAS
3
IP p
V(p,Z)
Y
h(p)
5
Figura 8.1: Interpretación geométrica de una proyección cónica h en P 3 .
-0
05
8.2.4 Tratamos a continuación las perspectividades, que son restricciones de
proyecciones cónicas en P2R (ó P2K ). Se construyen como sigue:
9-
Sean L1 , L2 dos rectas proyectivas distintas en P2R . Sea {P } = Z una variedad
l2
Z
L1
er
V
O
π(p) L2 π(q)
5
Geometrı́a Proyectiva.
-0
Proposición Sean E y E 0 dos espacios vectoriales de la misma dimensión,
y R, R0 referencias proyectivas en P(E) y P(E 0 ) respectivamente. Existe una
05
única homografı́a h : P(E) → P(E 0 ) que transforma R en R0 .
9-
l2
→
− P−
spectivamente. Sea b h la aplicación lineal dada por → − h( →
ui 7→ u0i . entonces b ui ) =
P→ −0
n
g (−
[b →0 ) + · · · + gb(−
u u→ g (−
n )] = [b
→0 + · · · + −
u u→ 0
n )] = g([xn+1 ]) = xn+1 .
5
-0
05
9-
l2
de
n
r sió
Ve
Capı́tulo 9
5
-0
9.1. Parte afı́n e hiperplano en el infinito 05
9.1.1 Hemos comentado ya que Rn ⊂ Pn R, y que lo que se añade a un espacio
9-
afı́n son unos cuantos “puntos en el infinito”. Pero: ¿cuántos puntos hay que
l2
añadir?.
Proposición Pn R \ Rn es un hiperplano proyectivo (el hiperplano en el
de
infinito).
n
Rn → P n R
(y0 , . . . , yn−1 ) →
7 [y0 , . . . , yn−1 , 1]
es inyectiva.
Luego la descomposición es
y la segunda parte es obviamente un hiperplano (puesto que está dado por una
sola ecuación).
167
168 CAPÍTULO 9. ESPACIO AFÍN - ESPACIO PROYECTIVO
x2
( x 0 , x 1 ,1)
x2 x2
(x0 , x1 , x2 )
x1
x0
5
Figura 9.1: El espacio afı́n dentro del espacio proyectivo.
-0
05
9.1.2 Ya mencionamos en la sección 6.2.5 (allı́ para dimensión 2, aunque el
9-
comentario es obviamente válido en dimensión arbitraria) que no hay puntos
l2
Pn R = Rn ∪ {Hiperplano}
sió
R3 −→ R3
(y0 , y1 , y2 ) −
7 → (1 + y0 + y1 , 3 − y2 + y0 , y1 − y0 )
xi
cociente de coordenadas homogéneas , con lo que reescribimos
x3
P3 P3
∪ ∪
,
R3 −→ R3
[y0 , y1 , y2 , 1] 7−→ [1 + y0 + y1 , 3 − y2 + y0 , y1 − y0 ]
es decir
P3 P3
∪ ∪
3 3
R −→ R
.
x0 x1 x2 x0 x1 x2 x0 x1 x0
, , ,1 7−→ 1+ + ,3− + , −
x3 x3 x3 x3 x3 x3 x3 x3 x3
5
de la misma clase multiplicando cada coordenada por x3 ), es claro que F : P3 −→
-0
P3 es la extensión natural de la aplicación afı́n f a todo el espacio proyectivo
P3 que contiene a R3 (en el sentido de que F|R3 = f .
05
x3 + x 0 + x 1 = 0
9-
3x3 − x2 + x0 = 0
l2
en el infinito.
n
En general, nada cambia respecto de este ejemplo: toda aplicación afı́n tiene
sió
xi
yi por cocientes de coordenadas proyectivas , por el que las coordenadas de la
xn
imagen de la aplicación afı́n (que eran polinomios lineales quizá no constantes)
se transforman en polinomios lineales sin término independiente (polinomios
lineales homogéneos).
5
-0
es obviamente afinidad, y su completado es F .
05
9.3. Completación proyectiva de variedades linea-
9-
les
l2
de
tor de Rn+1 →−
vi = (ui0 , . . . , ui(n−1) , 0). Ası́, en P(Rn+1 ) = Pn = Rn ∪ H∞ la
Ve
referencia
RP = {[→ −
v0 ], . . . , [v−n−1
−→], [→
−
v ], [→
−
v0 + · · · + v−n−1
−→ + →
−
v ]}
es la referencia proyectiva asociada a RC . Es claro que {→ −
v0 , . . . , −
v→n } es la base
asociada a RP .
Ahora, si q ∈ Rn , entonces q = p + λ0 − →0 + · · · + λn−1 u
u −−n−1
−→ (es decir,
n
(λ0 , . . . , λn−1 ) son las coordenadas cartesianas de q en R ). Visto como pun-
to en la parte afı́n de Pn , q = [λ0 → − −−n−1
v0 + · · · + λn−1 n −→ + 1 · − v→n ], de modo que
[λ1 , . . . , λn−1 , 1] son sus coordenadas homogéneas.
(Del mismo modo, a partir de una referencia proyectiva en Pn se puede
definir una referencia cartesiana en Rn ).
5
-0
05
9-
l2
de
n
r sió
Ve
172 CAPÍTULO 9. ESPACIO AFÍN - ESPACIO PROYECTIVO
5
-0
05
9-
l2
de
n
sió
r
Ve
Capı́tulo 10
La recta y el plano
proyectivos
5
-0
10.1. La razón doble
05
10.1.1 Consideremos en P1R la referencia R{(1 : 0), (0 : 1), (1 : 1)}. Recordemos
9-
una vez más que con la identificación
l2
↓ψ ↓
x0
=t∈R “∞”
n
x1
sió
Observa que la razón doble da una biyección de X r {a, b, c} con R r {0, 1}.
Luego para cada ρ ∈ R, ρ 6= 0, 1, existe un único dρ ∈ X tal que dρ 6= a, b, c y
tal que [a b c dρ ] = ρ.
10.1.2 El interés teórico de la razón doble queda claro por el resultado sigu-
iente:
173
174 CAPÍTULO 10. LA RECTA Y EL PLANO PROYECTIVOS
5
-0
Además, sea g : X → X 0 la homografı́a que transforma a, b, c en a0 , b0 , c0 .
Tenemos el diagrama conmutativo 05
X0
9-
X −→
f & . f0
l2
P1R
de
que envı́a
a, b, c −→ a 0 , b0 , c0
n
f & . f0
sió
∞, 0, 1
r
luego f 0 ◦ g = f .
Ve
10.1.4 En la práctica, las razones dobles son fáciles de resolver, por medio del
resultado siguiente:
Proposición Sean a, b, c, d cuatro puntos distintos de un recta proyectiva X,
y sea R = {a, b; c} la referencia formada por los tres primeros. Supongamos que
x0
(x0 : x1 ) son las coordenadas homogéneas de d en R. Entonces [a b c d] = .
x1
Demostración.- Sea B = {→ −
u ,→−
v } base asociada a R.
El isomorfismo de espacios vectoriales fb : X b → R2 definido por f( b→−
u) =
b →
− 1
(1, 0), f ( v ) = (0, 1) induce una homografı́a f : X → P tal que f (a) = ∞,
f (b) = 0, f (c) = 1. Por tanto [a b c d] = f (d), y como fb(x0 →
−
u + x1 →
−
v ) = (x0 , x1 ),
x0
ası́ f (d) = [x0 , x1 ] ↔ ∈ R r {0, 1, ∞}.
x1
5
dado de [a b c d] al caso en que d coincida con uno de los otros tres puntos,
-0
mediante: 05
[a b c d] = 0 ⇔ d = b
[a b c d] = 1 ⇔ d = c
9-
[a b c d] = ∞ ⇔ d = a
l2
X1 ≡ x 0 − x 1 − x 2 = 0
r
Ve
X2 ≡ x0 + 2x1 + x2 = 0
¿Coordenadas de d1 en {a1 , b1 ; c1 }?
1
(5, 3, 2) = x0 (−1, −1, 0) + x1 (2, 1, 1) ⇒ x1 = 2, x0 = −1 ⇒ [a1 b1 c1 d1 ] = − .
2
Igual para d2 y d02 en {a2 , b2 ; c2 }:
1
(1, 1, −3) = x0 (−2, 1, 0) + x1 (−1, 0, 1) ⇒ x0 = 1, x1 = −3 ⇒ [a2 b2 c2 d2 ] = −
3
1
(0, −1, 2) = x0 (−2, 1, 0) + x1 (−1, 0, 1) ⇒ x0 = −1, x1 = 2 ⇒ [a2 b2 c2 d02 ] = − .
2
De modo que existe una homografı́a X → X 0 que envı́a
a1 7→ a2
b1 7 → b2
c1 7→ c2
d1 7 → d02 ,
5
-0
pero no una homografı́a tal que
a1
057→ a2
9-
b1 7 → b2
c1 7→ c2
l2
d1 7 → d2 .
de
10.2.2 Por las propiedades de la razón doble, dados tres puntos a, b, c siempre
existe el cuarto armónico d, tal que {a, b, c, d} = −1.
b c a d
5
cuatro puntos de P2 que están alineados, es decir que
-0
05
a10 a11 a12
a20 a21 a22
Rg = 2.
9-
a30 a31 a32
l2
Sean
→
−
v1 = (a10 , a11 , a12 )
→
−
n
→
−
v3 = (a30 , a31 , a32 )
→
−
v4 = (a40 , a41 , a42 )
r
Ve
y por tanto
a40 = x0 αa10 + x1 βa20
a41 = x0 αa11 + x1 βa21
a42 = x0 αa12 + x1 βa22
y por tanto
a4k βa2k αa1k a4k
a4l βa2l αa1l a4l
x0 = , x1 =
αa1k βa2k αa1k βa2k
αa1l βa2l αa1l βa2l
Luego
5
a1l a4l a2l a3l
-0
Ejercicio.- Usar este método en el último ejemplo, y comprobar que sale el
resultado que obtuvimos.
05
9-
10.3.2 Estudiamos el siguiente caso particular :
l2
0 a1 1 a1 1
Ahora miramos a , cuyo menor cumple det = a1 −
0 a2 1 a2 1
ón
a2 6= 0, pues A1 6= A2 .
a1 a3 a2 a4
si
1 1 1 1 (a1 − a3 )(a2 − a4 )
Entonces {A1 , A2 ; A3 , A4 } = = .
er
a1 a4 a2 a3 (a1 − a4 )(a2 − a3 )
1 1 1 1
V
∞ − a3 (a2 − a4 ) a4 − a 2
{∞, A2 ; A3 , A4 } = · = = (a2 a3 a4 )
∞ − a4 (a2 − a3 ) a3 − a 2
es la razón simple. Ası́ que la razón simple se obtiene de la razón doble como
caso particular.
Z
L1
B
A
P
L2 O
h(P) h(A) h(B)
5
-0
05
Figura 10.2: El eje de cruce de una perspectividad.
9-
l2
L2 ≡ x1 = 0.
Ası́ A0 = V (A, Z) ∩ L2 = {x0 − x2 = 0} ∩ {x1 = 0} = [1, 0, 1] (la ecuación
n
x0 1 0
sió
de V (A, Z) se obtiene de x1 1 1 = x0 − x2 ).
x2 0 1
r
Ve
L1
P L
5
A
-0
L2 B 05
O h(P) h(Q)
9-
l2
de
P
P3
P2
P1
5
-0
10.5.1 Teorema (de Thales) Sea (A, E, ϕ) un plano afı́n. Sean L1 , L2 , L3
05
tres rectas paralelas y distintas en A. Sean L y L0 dos rectas no paralelas a Li .
9-
Sea pi = L ∩ Li , p0i = L0 ∩ Li , i = 1, 2, 3. Entonces (p1 p2 p3 ) = (p01 p02 p03 ) (las
l2
L2 L3
r
L1 L
Ve
p
3
p
2
p
1
O L’
p’1 p’ p’3
2
L −→ L0
pj 7−→ p0j
Luego
5
-0
p
3
p2
05
p p’
9-
3
1 p’
2
l2
p’
1
de
O
n
sió
5
-0
la variedad generada por los planos X e Y .
05
2. Determina si los siguientes conjuntos de puntos están alineados (i.e., están
9-
en la misma recta proyectiva):
(1) [1, 2, 3], [1, 1, −2], [2, 1, −9].
l2
rectas de P(R3 ):
sió
(1) r : x − y − z = 0 y s : x + 5y + 2z = 0.
r
(2) t : x + 2y − z = 0 y w : x + 2y − 4z = 0.
Ve
5. Consideremos la base B = {~u1 = (1, 0, 0), ~u2 = (1, 1, 0), ~u3 = (1, 1, 1)} de
R3 . Calcular una referencia proyectiva R de P(R3 ) que tenga B como base vec-
torial asociada. Deduce razonadamente si hay alguna otra referencia proyectiva
con esta misma propiedad.
183
184
5
x0 := 8x + 3y + 2z, y 0 := 3x + 4y, z 0 := 2x + 2z.
-0
05
Encuentra los tres puntos cuyas coordenadas son las mismas en ambos sis-
temas de referencia.
9-
l2
5
dim(X) + dim(Y ) ≥ dim(P).
-0
Prueba que X e Y se cortan. 05
2. Sea P un espacio proyectivo y X e Y ⊂ P dos variedades proyectivas
9-
que no se cortan. Demuestra que V (X, Y ) = P si y sólo si dim(X) + dim(Y ) =
l2
dim(P) − 1.
de
a0 a1 a2
b0 b1 b2 =0
c0 c1 c2
185
186
5
[−1, 1, 1], [1, −1, 1], [1, 1, −1], [1, 1, 1]
-0
respectivamente.
05
9-
9. Demuestra que la composición de tres simetrı́as en R2 de ejes concurrentes
l2
fijos.
sió
y L01 , L02 , L03 , L04 tales que ninguna cuaterna contiene tres rectas concurrentes.
Demuestra que existe exactamente una homografı́a f : P2 → P2 tal que f (Li ) =
L0i para i = 1, 2, 3, 4.
13. Traza, con la única ayuda de una regla, la recta que une un punto de
una hoja de papel con el punto de intersección de dos rectas de la hoja que se
cortan fuera de ella. (Indicación: Usa el Teorema de Desargues).
14. Demuestra que es posible trazar la recta que une dos puntos de una
hoja de papel usando una regla más corta que la distancia entre los puntos.
(Indicación: Usa el Teorema de Desargues).
187
están alineados.
b. Enuncia el teorema dual.
c. Demuestra que el Teorema de Desargues en el espacio implica el Teorema
de Desargues en el plano.
5
-0
puntos
05
l := V (a, b0 ) ∩ V (a0 , b); m := V (b, c0 ) ∩ V (b0 , c); n := V (c, a0 ) ∩ V (c0 , a);
9-
están alineados.
l2
{a, b; c, d} + {a, c; b, d} = 1.
Lista los valores de k para los que las anteriores cantidades son distintas.
188
21. Sea f una homografı́a con dos puntos fijos distintos p, q. Prueba que el
par {k, 1/k} donde k = {p, q; m, f (m)} para todo m, sólo depende de f y no del
orden en que consideremos p y q. Si f 4 tiene por matriz
a b
,
c d
5
-0
que permuta a, b, c cı́clicamente, en los puntos fijos de la homografı́a que permuta
a0 , b0 , c0 cı́clicamente. 05
9-
l2
de
n
r sió
Ve
Parte IV
5
-0
Formas cuadráticas y 05
cónicas
9-
l2
de
n
sió
r
Ve
189
Ve
rsió
n
de
l2
9-
05
-0
5
Capı́tulo 11
Formas cuadráticas y
cónicas
5
-0
11.1. Formas cuadráticas
05
9-
11.1.1 Definición Sea E un R−espacio vectorial, y φ : E ×E → R una forma
l2
Q:E → R
de
→
−
v 7→ φ(→
−
v ,→
−
v)
ón
11.1.2 Ejemplo.- Si E = R2 y
V
a11 a12
φ(→
−
u,→
−
v)=→
−
ut →
−
v,
a21 a22
entonces para → −
v = (x, y) se tiene Q(x, y) = a11 x2 + (a12 + a21 )xy + a22 y 2 .
Recı́procamente, si tenemos un polinomio de la forma αx2 + βxy + γy 2 ,
α β/2
podemos construir una forma bilineal φ cuya matriz sea , que
β/2 γ
tiene como forma cuadrática asociada a ese polinomio (observar que tal φ no es
la única que induce esa forma cuadrática).
11.1.3 Dos observaciones fáciles de comprobar, pero importantes, son las si-
guientes. Para cualquier forma cuadrática Q se cumple:
• Q(λ→−
u ) = λ2 Q(→
−u ).
• Q( u + v ) − Q( u ) − Q(→
→
− →
− →
− −
v ) = φ(→
−u,→
−v ) + φ(→
−
v ,→
−
u ), para cualquier φ que tenga
a Q como forma cuadrática asociada.
191
192 CAPÍTULO 11. FORMAS CUADRÁTICAS Y CÓNICAS
5
.. .. ..
-0
. . .
a1n /2 a2n /2 · · · ann
05
Por ejemplo, para Q(x, y, z) = x2 + 7y 2 + 8z 2 + 2xy − 4xz + 6yz la matriz es
9-
1 1 −2
l2
1 7 3 .
de
−2 3 8
11.1.6 Teorema (Forma Canónica) Sea E espacio vectorial euclı́deo de di-
n
tiene que
Ve
λ1 0 x1
.. ..
Q(→
−v ) = λ1 x21 + · · · + λn x2n = (x1 , . . . , xn ) . .
0 λn xn
(forma canónica de Q).
ası́ que
Q(→
−
v ) = φQ (→
−
v ,→
−
v)=→
−
v t f (→
−
v)=→
−
v t D→
−
v = λ1 x21 + · · · + λn x2n
5
− 2 1 y 0
-0
√ √ ! 05
3 2
que tiene a →
−
v1 = ,√ como vector director unitario.
9-
3 3
Igualmente, para λ = −2, calculamos
l2
√
√
de
−1
√ − 2 x 0
= ⇒ x = − 2y,
− 2 −2 y 0
n
√ √ !
sió
2 3
tiene a →
−
v2 = −√ , como vector director unitario.
3 3
r
Ve
En la base B 0 = {→ −
v1 , →
−
v2 }, si (x0 , y 0 ) son coordenadas en B 0 entonces
0
1 0 x
Q(x0 , y 0 ) = (x0 , y 0 ) = x02 − 2y 02 .
0 −2 y0
Demostración.- Supongamos
(contradicción).
5
a1 b1
-0
.. ..
. .
05
ap bq
p = rg = rg =q
9-
0 0
l2
.. ..
. .
de
0 0
n
sió
La matriz asociada es
1 0 −2
0 1 0 ,
−2 0 1
cuyos autovalores s e calculan por medio de
λ−1 0 2
0 λ−1 0 = (λ − 1)3 − 4(λ − 1) = (λ2 − 1)(λ − 3),
2 0 λ−1
11.2. Cónicas
11.2.1 Un doble cono recto es la figura que engendra una recta g al girar
alrededor de una recta h que la corta.
11.2. CÓNICAS 195
5
-0
11.2.2 Ejemplo En R3 , consideremos el cono C de vértice (0, 0, 0), eje el eje
05
z, y generatriz formando un ángulo α0 con el eje.
Si p tiene k p k= t entonces
9-
l2
para algún θ.
n
r sió
Ve
p
α0
Luego
p = (x, y, z) ∈ C ⇔ x2 + y 2 = (tan α0 )2 z 2
Según sea el ángulo relativo entre el plano π y el eje del cono, se obtiene una
5
-0
u otra cónica. Si representamos la situación en un corte frontal, las posibilidades
son las de la figura 11.3. 05
9-
(3)
l2
(4)
de
n
sió
(2)
r
Ve
(1)
Corresponden, caso por caso, a los diferentes tipos de cónicas existentes, tal
y como se muestran en la figura 11.4:
Analı́ticamente, tomamos la ecuación de un plano π en R3 que pase por un
punto p = (x0 , y0 , z0 ) de vector normal unitario →
−
n = (a, b, c), que viene dada
por
π ≡ a(x − x0 ) + b(y − y0 ) + c(z − z0 ) = 0.
11.2. CÓNICAS 197
5
-0
05
9-
l2
de
n
r sió
Ve
a b
Al despejar z = − (x−x0 )− (y −y0 )+z0 e introducirlo en la otra ecuación
c c
queda una expresión del tipo
x2 + y 2 = (r tan α0 )2 ,
5
x2 + y 2 = R 2 ,
-0
una circunferencia de radio R.
05
9-
Caso 2.- Si π 6⊥, sea γ0 el ángulo entre π y h, que por definición es el que forman
l2
→
−
n y h. Supongamos γ0 < α0 .
En este caso →−
de
5
-0
Caso 5.- Existen cónicas degeneradas, que aparecen cuando π contiene al vértice
del cono.
05
En ese caso, la intersección es
9-
l2
Un punto
ó
de
una recta (la generatriz).
r sió
11.3. La circunferencia
Ve
c p
5
-0
05
9-
l2
de
n
r sió
Ve
Q
C
P’
Demostración
Si comprobamos que α = π/2 y, por tanto, β = π/2 (ver la figura 11.6)
entonces, por Pitágoras,
−−
→ −−→ −−
→ −−→ −−→ −−→
k QP k2 =k CQ k2 − k CP k2 =k CQ k2 − k CP 0 k2 =k QP 0 k2 .
−−
→ −− →
Veamos pues que α = π/2, es decir P Q · P C = 0.
Sean (x, y) las coordenadas respecto de la referencia que tiene como origen a
P y como base a la usual. La circunferencia es entonces (x + a)2 + (y + b)2 = r2
(si P es el punto (a, b) visto desde C, C es el (−a, −b) visto desde P ), con
a2 + b2 = r2 pues P ∈ C.
Luego C ∩ {y = λx} es (1 + λ2 )x2 + (−2a − 2bλ)x = 0. La recta es pues
tangentecuando esta ecuación
cuadrática tiene sólo una solución doble, es decir
2(a + bλ) a −−
→
cuando x − = x, esto es λ = − . Se sigue que P Q ∈ h(b, −a)i,
1 + λ2 b
−−→ −−→ −− →
mientras que P C ∈ h(−a, −b)i, de modo que P Q · P C = 0.
5
11.4. Elipse, hipérbola y parábola. Focos y ex-
-0
05
centricidad.
9-
l2
Pero entonces
−−→ −−→ −−→
k P F1 k + k P F2 k=k M N k,
202 CAPÍTULO 11. FORMAS CUADRÁTICAS Y CÓNICAS
5
-0
05 F1
9-
F2
l2
de
P
n
sió
M
r
Ve
a
F2 c F1 x
5
-0
05
9-
l2
La ecuación es
n
x 2 y 2
sió
+ = 1,
a b
r
c
dario y se llama excentricidad al cociente ε = < 1.
a
11.4.3 Lema Si P es un punto de una elipse E de focos F1 y F2 entonces
−−→ −−→
k P F1 k + k P F2 k= 2a, donde a es el semieje principal.
−−→ −−→
Demostración.- Sea λ ∈ R tal que k P F1 k + k P F2 k= λ ∀P ∈ E.
Si A1 es el punto más cercano a F1 de entre los dos puntos de corte de E con
el eje principal, entonces
−−−→ −−−→
λ =k A1 F1 k + k A1 F2 k= a − c + (a + c) = 2a.
−−−→
de modo que k B1 F1 k= a, y por Pitágoras se sigue que
a2 = b 2 + c 2
p = (x, y) ∈ E
m
p p √
d(P, F1 ) + d(P, F2 ) = x2 + (y − 1)2 + (x + 1)2 + (y − 2)2 = 2 2
5
-0
m
√ p p
05
2 2 − (x + 1)2 + (y − 2)2 = x2 + (y − 1)2
9-
l2
m
de
√ p 2 p 2
2 2 − (x + 1)2 + (y − 2)2 = x2 + (y − 1)2
n
sió
m
r
√ p
Ve
8 + x2 + 2x + 1 + y 2 − 4y + 4 − 4 2 (x + 1)2 + (y − 2)2 = x2 + y 2 − 2y + 1
m
√ p
4 2 (x + 1)2 + (y − 2)2 = 2x − 2y + 12
√ p 2
2
2 2 (x + 1)2 + (y − 2)2 = (x − y + 6)
m
8 x2 + 2x + 1 + 42 − 4y + 4 = x2 + y 2 + 36 − 2xy + 12x − 12y
5
-0
(x0 , y 0 ) (calcular el cambio; una expresión del tipo x0 = x0 (x, y), y 0 = (x, y)), y
sustituir en la ecuación anterior. 05
11.4.6 Teorema Una hipérbola es el lugar geométrico de los puntos p de un
9-
plano π cuya diferencia de distancias a dos puntos distintos determinados F 1 y
l2
F1
5
-0
05
R1
9-
l2
de
R2
n
sió
F2
r
Ve
y= − b x y= b x
a a
c b
F2 F1
c a x
5
-0
Figura 11.10: Una hipérbola en forma canónica.
05
c
9-
11.4.8 Observación.- Para una hipérbola, la excentricidad es ε = > 1. Por
a√
l2
2 2 2
otra parte, b viene dado por c = a + b o, lo que es equivalente, b = a ε2 − 1.
de
11.4.9 No vamos a probarlo ahora (puedes intentarlo), pero dada una cónica
no degenerada siempre existe un punto F , una recta L y un número ε > 0 tal
n
d(p, F ) = εd(P, L)
r
Ve
Según hemos visto si ε < 1 la cónica es una elipse y si ε > 1 es una hipérbola.
Una parábola tiene sólo un foco. Tomando coordenadas en las que el eje x
pase por el foco y coincida con el eje de simetrı́a, el punto de coordenadas (0, 0)
p
esté en la parábola y el foco esté en , 0 , la ecuación de la parábola es
2
y 2 = 2px.
p
La directriz es, por tanto, L = {x = − }.
2
208 CAPÍTULO 11. FORMAS CUADRÁTICAS Y CÓNICAS
5
-0
05
9-
l2
de
L
Ve
5
p (2x − y + 3)
-0
(x − 3)2 + (y + 1)2 = 3 √
5 05
9-
⇓
l2
9
(x − 3)2 + (y + 1)2 = (4x2 + y 2 + 9 − 4xy + 12x − 6y)
de
⇓
n
sió
Nos preguntamos ahora si toda ecuación del tipo (∗) representa una cónica
y en caso afirmativo de qué cónica se trata.
→
− → −
Suponemos que (x, y) son coordenadas en una base ortonormal { e1 , e2 } de
−
→1 , u
−
→2 } base ortonormal de autovectores de la matriz A = a11 a12 /2
R2 . Sea {u .
a12 /2 a22
210 CAPÍTULO 11. FORMAS CUADRÁTICAS Y CÓNICAS
Entonces
λ1 0
= P t AP.
0 λ2
Además P cambia una base ortonormal en otra base ortonormal, de modo
que P conserva el producto escalar (pues es la matriz de una aplicación ortog-
onal), ası́ que P t P = Id2×2 .
P es pues la matriz de un giro o de una simetrı́a. Haciendo el cambio de
coordenadas en R2 0
x x
=P
y y0
y evaluando en (∗) se obtiene una expresión del tipo
5
-0
λ1 (x0 )2 + λ2 (y 0 )2 + b1 x0 + b2 y 0 + b = 0 (∗∗).
05
9-
A partir de aquı́ tenemos que distinguir casos:
l2
Caso I.- Supongamos det(A) = λ1 λ2 > 0 (i.e. ambos autovalores son del
de
mismo signo).
Supongamos λ1 > 0, λ2 > 0, y λ1 ≤ λ2 (si fueran negativos, multiplicamos
n
sió
2 2
Ve
b1 b2 b21 b2
λ1 0
x + + λ2 0
y + +b− − 2 = 0.
2λ1 2λ2 4λ1 4λ2
La traslación de ecuaciones
b1
x00 = x0 +
2λ1
b2
y 00 = y 0 +
2λ2
transforma la cónica en
λ1 (x00 )2 + λ2 (y 00 )2 = d,
b21 b2
donde d = + 2 − b.
4λ1 4λ2
Como hemos supuesto 0 < λ1 ≤ λ2 entonces:
11.5. DETERMINACIÓN DEL TIPO DE UNA CÓNICA 211
Caso II.- Supongamos det(A) = λ1 λ2 < 0 (i.e. que los autovalores tienen
signos distintos).
Mediante la transformación ortogonal seguida de una traslación (movimien-
to), como en el caso anterior, dada por
00 b1
x x
=P + 2λ1
y 00 y b2
5
λ2
-0
2
obtenemos
05
λ1 (x00 )2 + λ2 (y 00 )2 = d,
9-
b21 b2
l2
donde d = + 2 − b.
4λ1 4λ2
de
λ2
sió
2 2
Ve
x00 y 00
− =1
a b
√ √
d d
(como la de la figura 11.10 de la página 207), con a = √ , b = √ y
λ1 − λ2
2 2 2
c =a +b .
Hemos supuesto d > 0: en caso contrario hay que hacer el cambio obvio.
λ2 (y 0 )2 + b1 x0 + b2 y 0 + b = 0 (∗∗).
b2
y 00 = y 0 +
2λ2
obtenemos la ecuación
b1 00
(y 00 )2 = − x ,
λ2
que es una parábola en el plano (x00 , y 00 ) como la de la figura 11.12 (página 208).
Como la ecuación canónica de laparábola es de la forma y 2 = 2px, en nuestro
p b
1
caso el foco es ,0 = − , 0 y la directriz es la recta de ecuación
2 4λ2
b1
x00 = − .
2λ2
5
-0
• Si b1 = 0, podemos reescribir (∗∗) como 05
b 2 b2
9-
λ2 y +0
+ b − 2 = 0.
2λ2 4λ2
l2
Luego la traslación
de
x00 = x0
n
b2
y 00 = y 0 +
sió
2λ2
r
transforma (∗∗) en
Ve
c
(y 00 )2 = −
λ2
b22
con c = b − . Luego:
4λ2 r
−c 00 −c
-Si > 0 se obtiene y = ± (un par de rectas).
λ2 λ2
−c
-Si < 0 no hay solución.
λ2
−c
-Si = 0 se obtiene como solución la recta y 00 = 0.
λ2
11.5.2 Ejemplo.- Consideremos la cónica de ecuación
x2 + y 2 + 2xy − 7x − 5y + 7 = 0.
y
√ √ !
2 2
ker(A − 2I) = {−x + y = 0} −→ −
→2 =
u , .
2 2
Sea entonces √ √
2/2 2/2
P = √ √
,
− 2/2 2/2
y consideramos el cambio
5
-0
x x0
=P . 05
y y0
9-
Observa que P representa un giro de ángulo −π/4. Tras el giro, una vez
l2
2(y 0 )2 − 2x0 − 6 2y 0 + 7 = 0,
n
2
3√
0
√ 9
2 y − 2 − 2x0 + 7 − ,
r
2 2
Ve
que es a su vez
2
0 3√ √ 0 5
2 y − 2 − 2 x +− √ .
2 2 2
Tras la traslación
5
x00 = x0 − √
2 2
√
3 2
y 00 = y 0 −
2
la ecuación resultante es √
2(y 00 )2 − 2x00 = 0,
es decir √
00 2 2 00
(y ) = x ,
2
√
que es una parábola en la forma habitual, con foco en (x00 , y 00 ) = ( 2/8, 0).
214 CAPÍTULO 11. FORMAS CUADRÁTICAS Y CÓNICAS
y
y’ y’’
x’ x’’
Figura 11.13: La parábola del ejemplo 11.5.2 y las diferentes coordenadas uti-
5
lizadas.
-0
05
11.5.3 Ejemplo.- Sea la cónica de ecuación
9-
3x2 + 3y 2 − 2xy + 18x + 10y + 19 = 0.
l2
de
3 −1 x
Q(x, y) = (x y) ,
sió
−1 3 y
r
√ √ !
−
→1 = 2 2
Calculando los correspondientes autovectores unitarios resulta u ,
2 2
√ √ !
−
→ 2 2
y u2 = − , .
2 2
Hacemos 0
x x
P = ,
y0 y
siendo
√ √
P = √2/2 −√ 2/2
2/2 2/2
luego si
7√
x00 = x0 + 2
2
√
00 0 2
y =y −
2
obtenemos, operando,
2 2
x00 y 00
√ + √ √ = 1,
3 3/ 2
r
3 √ √
que es una elipse con c = 3+ = 3 2/2. Como el semieje mayor es a = 3
2
√
3
la excentricidad resulta ser ε = √ .
2
5
-0
3x2 + 3y 2 − 10xy + 14x − 2y + 3 = 0. 05
9-
Estudiamos la forma cuadrática
l2
3 −5 x
Q(x, y) = (x y) ,
−5 3 y
de
√ √ !
sió
2 2
Calculando los correspondientes autovectores unitarios resulta −
→1 =
u ,−
2 2
r
√ √ !
Ve
−
→ 2 2
y u2 = , .
2 2
Hacemos 0
x x
P = ,
y0 y
siendo √ √
√2/2 √2/2
P = .
− 2/2 2/2
En estas coordenadas la ecuación de la cónica es
√ √
8(x0 )2 − 2(y 0 )2 + 8 2x0 + 6 2y 0 + 3 = 0
es decir
√ !2 √ !2
02 0 3 2
8 x + −2 y − = −8,
2 2
o bien
√ !2
3 2
0
y − √ !2
2 2
0
− x + = 1.
4 2
Ası́, tras el cambio √
2
x00 = x0 +
2
√
3 2
00 0
y =y −
2
obtenemos 2
y 00
5
− (x00 )2 = 1,
-0
2
05
que es una hipérbola de semiejes 2 y 1. Observa que el papel de las coordenadas
x00 e y 00 está intercambiado respecto de la que dimos como hipérbola canónica
9-
2 2 2
en la sección
√ 11.4.6 (ver en concreto la figura 11.10). Además c = a + b = 5,
l2
luego c = 5.
de
x’’
x’’=(1/2)y’’
n
r sió
Ve
( 5,0)
y’’
Figura 11.14: La hipérbola del ejemplo 11.5.4 en las coordenadas x00 e y 00 (ojo:
están intercambiadas respecto a lo habitual).
y’’
y’’=2x’’
(0, 5)
x’’
5
-0
05
9-
l2
y como
√ √ −1 0
n
x0 2/2 √2/2 x
sió
= √ ,
y0 − 2/2 2/2 y0
r
entonces
Ve
00 0 √ √ √ √
x x 2/2
√ √ 2/2 −
√ 2/2 x √2/2
= + = + .
y 00 y0 −3 2/2 2/2 2/2 y −3 2/2
Para calcular elementos en el plano (x, y) hay que hacer el movimiento in-
verso √ √ 0
x √2/2 √2/2 x
=
y − 2/2 2/2 y0
√ √ 00 √
√2/2 √2/2 x − √2/2
=
− 2/2 2/2 y 00 + 3 2/2
√ √ 00
= √2/2 √2/2 x
+
1
.
− 2/2 2/2 y 00 2
00 00
Por ejemplo el centro,
√ que es (x , √ y ) = (0, 0)√corresponde a (x, y) = (1, 2).
00 00 00 00
El foco
√ (x , y ) = (0, 5)
√ es (x, y) = √ 10/2+1, 10/2+2), y el foco (x , y ) =
(
(0, − 5) es (x, y) = (− 10/2 + 1, − 10/2 + 2).
218 CAPÍTULO 11. FORMAS CUADRÁTICAS Y CÓNICAS
El semieje mayor x00 = 0, es decir, los puntos ! de la forma (x00 , y 00 ) = (0, t),
√ √
2 2
corresponde a (x, y) = t + 1, t + 2 . El semieje menor, y 00 = 0 es, del
2 2
√ √ !
2 2
mismo modo, la recta paramétrica (x, y) = t + 1, − t+2 .
2 2
La ası́ntota y 00 = 2x00 , que paramétricamente
! es (x00 , y 00 ) = (t, 2t), correspon-
√ √
3 2 2
de a (x, y) = t + 1, t+2 .
2 2
5
a) Si C es una elipse, la linea bisectriz entre −P F y P F 0 es tangente a C en P .
-0
−−→ −−→
b) Si C es una hipérbola, la linea bisectriz entre P F y P F 0 es tangente a C en
05
P.
−→
c) Si C es una parábola, sea R ∈ D el punto tal que P R es perpendicular a D.
9-
−−
→ −→
Entonces la linea bisectriz entre P F y P R es tangente a C en P .
l2
de
propiedades de reflexión. Dado que las leyes de la óptica estipulan que un rayo
de luz, al reflejarse, tiene el mismo ángulo de salida que ángulo de incidencia
r
• Elipses.- Un rayo de luz que se emite desde un foco (en cualquier dirección),
tras reflejarse en la elipse incide en el otro foco (y ası́ ad infinitum).
• Hipérbolas.- Un rayo de luz que se emita entre las dos ramas y en dirección a
un foco, se refleja en la hipérbola en dirección al otro foco.
11.6.3 Es obvio que las propiedades descritas arriba tienen multitud de poten-
ciales aplicaciones prácticas. Veamos algunas absolutamente serias y otras. . . más
prosaicas.
11.6. CÓNICAS Y REFLEXIÓN 219
y’’ y’ x’
x’’
5
x
-0
05
9-
l2
de
n
r sió
Ve
Figura 11.16: La hipérbola del ejemplo 11.5.4 y las diferentes coordenadas uti-
lizadas.
220 CAPÍTULO 11. FORMAS CUADRÁTICAS Y CÓNICAS
α=β α
P
β
α
F F’
5
-0
α=β
05 α
P
9-
α
l2
F’ β F
de
n
sió
r
α=β
α
R P
α
β
5
flanqueado por un alto muro de la misma forma. Enfrente se encuentra un seto
-0
recto que encierra un espacio frente al banco que recordarı́a a un semicı́rcu-
05
lo. . . de no ser porque es una semielipse. El seto está colocado a lo largo del
9-
eje principal, y un banquito está estratégicamente colocado en el foco. Es fre-
cuente ver a la pareja de turistas de turno, convenientemente asesorados por las
l2
efecto producido en la voz de su colega cuando éste alcanza el otro foco (algo
ası́ como pasar de mono a estéreo súbitamente). Es obvio que el efecto inmediato
r
sus posiciones.
Más en serio, podemos pensar en la utilidad de concentrar rayos de luz en un
punto (foco) al poner la fuente de luz en el otro foco frente a un espejo elı́ptico.
Las lamparillas que usan los dentistas funcionan ası́.
5
-0
05
9-
Figura 11.20: Esquema de un telescopio Schmidt-Cassegrain.
l2
de
n
r sió
Ve
Ejercicios de formas
cuadráticas y cónicas
5
-0
P3
(b) Q(x1 , x2 , x3 ) = i=1 (xi − s)2 con s = 31 (x1 + x2 + x3 ), en R3 .
05
Pn 2
(c) i<j (i − j) xi xj .
9-
l2
Q3 (x, y, z, t) = xy + yz + zt
En cada caso da una base ortonormal en la que se obtenga la forma canónica.
223
224
x2 − 2y 2 − xy + 2x + 5y − 3 = 0
5
-0
05
9-
l2
de
n
r sió
Ve
Problemas de formas
cuadráticas y cónicas
5
-0
2. Escribe la ecuación de la hipérbola con un foco en (2, −1) y ası́ntotas de
05
ecuación x = 0, 3x − 4y = 0.
9-
3. Escribe las ecuaciones de las parábolas de foco (2, −1) que pasan por
l2
6. Escribe la ecuación de la elipse con un vértice en (−1, 1), centro en (3, −1)
y excentricidad 1/2.
225
226
Ve
rsió
n
de
l2
9-
05
-0
5
Bibliografı́a
5
-0
[He] E. Hernández, Algebra Lineal y Geometrı́a, Ed. Univ. Autónoma de
Madrid, Madrid 1994. 05
9-
[Je] G.A. Jennings, Modern Geometry with Applications, Ed. Springer-
Verlag, 1994.
l2
227