Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Teorico Aga - 230524 - 074445
Teorico Aga - 230524 - 074445
VECTORES
Magnitudes
Escalares Vectoriales
Quedan determinadas cuando especificamos su: Quedan determinadas cuando especificamos su:
Magnitud-Valor numérico Módulo-Valor numérico, intensidad de la magnitud
Unidad- utilizada en la medición. Dirección- es la línea de acción del vector (ref ángulo)
Sentido- es la orientación del vector (punta de flecha)
Ejemplos Sentido
Los autos que se desplazan en una misma calle doble
mano lo pueden hacer en dos sentidos por ejemplo
Este–Oeste u Oeste-Este
En una recta vertical el sentido será hacia arriba o
hacia abajo
VECTORES
Definición
Un vector es un segmento orientado que se utiliza para
representar las magnitudes vectoriales
Elementos
Recta: que determina la dirección
La punta de la flecha indica el sentido
B Extremo
𝑎ത 𝑉𝑒𝑐𝑡𝑜𝑟
A Origen
𝛼 á𝑛𝑔𝑢𝑙𝑜 𝑞𝑢𝑒 𝑖𝑛𝑑𝑖𝑐𝑎 𝑙𝑎 𝑑𝑖𝑟𝑒𝑐𝑐𝑖ó𝑛
Los vectores se indican con letra minúscula con un El módulo del vector (intensidad de la
guion o Flecha por encima magnitud) se indica:
𝑎ത 𝑜 𝑎Ԧ ; 𝐴𝐵 𝑜 𝐴𝐵 𝑎ത
y es número positivo
VECTORES
Clases de Vectores
Vectores
Aplicados Equipolentes
(fijos) Tienen distinto origen
Tienen el mismo origen e igual módulo, dirección y sentido
𝑏ത
𝑎ത + 𝑏ത 𝑒𝑠 𝑙𝑎 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝑚𝑎𝑦𝑜𝑟 𝑑𝑒𝑙 𝑝𝑎𝑟𝑎𝑙𝑒𝑙𝑜𝑔𝑟𝑎𝑚𝑜
𝑎ത − 𝑏ത = 𝑎ത + (−𝑏) −𝑏 𝑏ത
Se suma el opuesto del sustraendo, 𝑎ത − 𝑏ത
igual módulo y dirección 𝑎ത 𝑎ത − 𝑏ത 𝑎ത
pero distinto sentido
−𝑏 𝑏ത
𝑎ത − 𝑏ത 𝑒𝑠 𝑙𝑎 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝑚𝑒𝑛𝑜𝑟 𝑑𝑒𝑙 𝑝𝑎𝑟𝑎𝑙𝑒𝑙𝑜𝑔𝑟𝑎𝑚𝑜
Propiedades
Conmutativa 𝑎ത + 𝑏ത = 𝑏ത + 𝑎ത
Asociativa 𝑎ത + (𝑏ത + 𝑐ҧ = 𝑎ത + 𝑏ത + 𝑐ҧ
Elemento neutro 𝑎ത + 0ത = 0ത + 𝑎ത = 𝑎ത
Elemento opuesto 𝑎ത + −𝑎 = −𝑎 + 𝑎ത = 0ത
VECTORES
Producto de un vector por un escalar
Cuando multiplicamos un vector por un escalar, obtenemos otro vector, en el que cambia
Propiedades
Asociativa 𝜆𝑘 𝑎ത = 𝜆(𝑘𝑎)
ത
Distributiva respecto a la suma de vectores 𝜆 𝑎ത + 𝑏ത = 𝜆𝑎ത + 𝜆𝑏ത
Distributiva respecto a la suma de escalares 𝜆 + 𝑘 𝑎ത = 𝜆𝑎 + (𝑘𝑎)
Elemento neutro 1𝑎ത = 𝑎ത
VECTORES
Componentes de un vector
En el plano ℝ 2
𝑂𝑟𝑖𝑔𝑒𝑛 𝑥0 ; 𝑦0 𝐸𝑥𝑡𝑒𝑟𝑚𝑜 (𝑥1 ; 𝑦1 )
y
𝑆𝑖 𝑠𝑒 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑎 𝑒𝑙 𝑣𝑒𝑐𝑡𝑜𝑟, 𝑝𝑒𝑟𝑝𝑒𝑛𝑑𝑖𝑐𝑢𝑙𝑎𝑟𝑚𝑒𝑛𝑡𝑒, 𝑠𝑜𝑏𝑟𝑒 𝑙𝑜𝑠 𝑒𝑗𝑒𝑠 𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑙𝑎𝑠 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒𝑠 𝑎1 𝑦 𝑎2
y1
𝑎2 𝑆𝑖𝑒𝑛𝑑𝑜 𝑎1 = 𝑥1 − 𝑥0 𝑎2 = 𝑦1 − 𝑦0
𝑎ത
y0 𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑎ത = 𝑎1 ; 𝑎2 𝑦 𝑎ത = 𝑎12 + 𝑎22
𝑆𝑖𝑒𝑛𝑑𝑜 𝑎𝑥 = 𝑥1 − 𝑥0 𝑎𝑦 = 𝑦1 − 𝑦0 𝑎𝑧 = 𝑧1 − 𝑧0
𝑎𝑧
𝑎ത 𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑎ത = 𝑎𝑥 ; 𝑎𝑦 ; 𝑎𝑧 𝑦 𝑎ത = 𝑎𝑥2 + 𝑎𝑦2 + 𝑎𝑧2
𝑘ത 𝑎𝑦
𝑖ҧ
𝑎𝑥 𝑗ҧ y
𝐸𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 𝑎ത 𝑒𝑠 𝑙𝑎 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝑑𝑒𝑙 𝑝𝑎𝑟𝑎𝑙𝑒𝑙𝑒𝑝í𝑝𝑒𝑑𝑜
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠, ഥ
ഥ = 𝒂𝒙 𝒊ҧ + 𝒂𝒚 𝒋 ҧ + 𝒂𝒛 𝒌
𝒂 𝑬𝒙𝒑𝒓𝒆𝒔𝒊ó𝒏 𝒄𝒂𝒓𝒕𝒆𝒔𝒊𝒂𝒏𝒂 𝒅𝒆𝒍 𝒗𝒆𝒄𝒕𝒐𝒓 𝒆𝒏 𝑹𝟑
VECTORES
En n dimensiones ℝ𝑛
Si n es un número entero positivo, ℝ𝑛 denota las n dimensiones, donde podemos denotar un vector de la
siguiente manera:
𝑎1
𝑎2 ¿Cómo interpretamos
𝑎ത = 𝑎3 ℝ𝑛 ?
⋮
𝑎𝑛
Este tipo de vectores es el más utilizado en Álgebra, ya que como veremos en la unidad 8 de Espacios
Vectoriales, se pueden expresar determinados objetos de esta forma, por ejemplo, el listado de precios en algún
comercio (panadería) como el que sigue:
Hemos puesto 6 ítems, con lo que n, en este caso es 6, pero un
𝑝𝑎𝑛 𝑓𝑟𝑎𝑛𝑐é𝑠 $30 automóvil podemos también, expresarlo como un vector con
𝑐𝑟𝑖𝑜𝑙𝑙𝑜𝑠 $25 alrededor de 1.700 ítems, o un edificio con alrededor de 500 ítems,
𝑚𝑒𝑑𝑖𝑎𝑙𝑢𝑛𝑎𝑠 $22
𝑃𝑟𝑒𝑐𝑖𝑜𝑠 = 𝑔𝑟𝑖𝑠𝑖𝑛𝑒𝑠 = con lo que, en el caso del automóvil, n será 1.700 y en el edificio será
$15
𝑓𝑎𝑐𝑡𝑢𝑟𝑎𝑠 $32 500.
𝑝𝑎𝑛 𝑚𝑖𝑔𝑛𝑜𝑛 $35 Como conclusión, diremos que todo el desarrollo que sigue, que lo
haremos en ℝ2 𝑜 ℝ3 , será válido para ℝ𝑛
Ángulos directores
VECTORES
𝛼, 𝛽 𝑦 𝛾 𝑠𝑜𝑛 𝑙𝑜𝑠 á𝑛𝑔𝑢𝑙𝑜𝑠 𝑞𝑢𝑒 𝑓𝑜𝑟𝑚𝑎 𝑒𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 𝑐𝑜𝑛 𝑙𝑎 𝑝𝑎𝑟𝑡𝑒
z 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑗𝑒𝑠 𝑥, 𝑦 𝑦 𝑧, 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑖𝑣𝑎𝑚𝑒𝑛𝑡𝑒
𝐿𝑜𝑠 𝑐𝑜𝑠𝑒𝑛𝑜𝑠 𝑑𝑖𝑟𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑠𝑜𝑛 𝑙𝑜𝑠 𝑐𝑜𝑠𝑒𝑛𝑜𝑠 𝑑𝑒 𝑑𝑖𝑐ℎ𝑜𝑠 á𝑛𝑔𝑢𝑙𝑜𝑠
𝑎𝑥 𝑎𝑦
cos 𝛼 = cos 𝛽 =
𝑎𝑥2 + 𝑎𝑦2 + 𝑎𝑧2 𝑎𝑥2 + 𝑎𝑦2 + 𝑎𝑧2
𝑎ത
𝑎𝑧 𝛾 𝑎𝑧
cos 𝛾 =
𝛽 𝑎 𝑎𝑥2 + 𝑎𝑦2 + 𝑎𝑧2
𝑦
𝑎𝑥 y
𝛼
𝑅𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑓𝑢𝑛𝑑𝑎𝑚𝑒𝑛𝑡𝑎𝑙 𝑞𝑢𝑒 𝑙𝑖𝑔𝑎 𝑙𝑜𝑠 𝑐𝑜𝑠𝑒𝑛𝑜𝑠 𝑑𝑖𝑟𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑢𝑛 𝑣𝑒𝑐𝑡𝑜𝑟
𝒄𝒐𝒔𝟐 𝜶 + 𝒄𝒐𝒔𝟐 𝜷 + 𝒄𝒐𝒔𝟐 𝜸 = 𝟏
x Igualdad y paralelismo de Vectores
- Dos vectores son iguales si tiene igual módulo, dirección y sentido
- Dos vectores son paralelos si sus cosenos directores son iguales 𝒂𝒙 𝒂𝒚 𝒂𝒛 ഥ
𝒂
= = =±
𝑎𝑥 = 𝑎ത cos 𝛼 ; 𝑎𝑦 = 𝑎ത cos 𝛽 ; 𝑎𝑧 = 𝑎ത cos 𝛾 𝒃𝒙 𝒃𝒚 𝒃𝒛 ഥ
𝒃
𝑏𝑥 = 𝑏ത cos 𝛼 ; 𝑏𝑦 = 𝑏ത cos 𝛽 ; 𝑏𝑧 = 𝑏ത cos 𝛾 𝑳𝒂 𝒄𝒐𝒏𝒅𝒊𝒄𝒊ó𝒏 𝒏𝒆𝒄𝒆𝒔𝒂𝒓𝒊𝒂 𝒚 𝒔𝒖𝒇𝒊𝒄𝒊𝒆𝒏𝒕𝒆 𝒑𝒂𝒓𝒂 𝒒𝒖𝒆 𝒅𝒐𝒔
𝐷𝑖𝑣𝑖𝑑𝑖𝑒𝑛𝑑𝑜 𝑚𝑖𝑒𝑚𝑏𝑟𝑜 𝑎 𝑚𝑖𝑒𝑚𝑏𝑟𝑜 𝑦 𝑐𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎𝑛𝑑𝑜 𝑞𝑢𝑒 𝒗𝒆𝒄𝒕𝒐𝒓𝒆𝒔 𝒔𝒆𝒂𝒏 𝒑𝒂𝒓𝒂𝒍𝒆𝒍𝒐𝒔 𝒆𝒔 𝒒𝒖𝒆 𝒔𝒖𝒔 𝒄𝒐𝒎𝒑𝒐𝒏𝒆𝒏𝒕𝒆𝒔
𝑎ത 𝑦 𝑏ത 𝑠𝑜𝑛 𝑝𝑎𝑟𝑎𝑙𝑒𝑙𝑜𝑠, 𝑛𝑜𝑠 𝑞𝑢𝑒𝑑𝑎 𝒉𝒐𝒎ó𝒍𝒐𝒈𝒂𝒔, 𝒔𝒆𝒂𝒏 𝒑𝒓𝒐𝒑𝒐𝒓𝒄𝒊𝒐𝒏𝒂𝒍𝒆𝒔
VECTORES
Producto escalar, Producto punto o Producto Interno
El producto escalar entre dos vectores, es el número (escalar) que se obtiene al multiplicar el módulo del
primer vector por el módulo del segundo vector por el coseno del ángulo que forman dichos vectores
𝑎ത 𝑎ത . 𝑏ത = 𝑎ത . 𝑏ത cos 𝜃 0° ≤ 𝜃 ≤ 180°
𝜃
𝑎ത . 𝑏ത
𝑏ത 𝑃𝑜𝑑𝑒𝑚𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟 𝜃 𝑐𝑜𝑚𝑜 = cos 𝜃
𝑎ത 𝑏 ത
Condición de Perpendicularidad
𝜋
𝑆𝑖 𝜃 = 90° 𝑜 𝜃= ⟹ cos 𝜃 = 0
2
𝑃𝑜𝑟 𝑙𝑜 𝑞𝑢𝑒 𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑒𝑠𝑐𝑎𝑙𝑎𝑟 𝑠𝑒𝑟á 𝑖𝑔𝑢𝑎𝑙 𝑎 𝑐𝑒𝑟𝑜 𝑠𝑖𝑒𝑛𝑑𝑜 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑎ത 𝑦 𝑏ത 𝑛𝑜 𝑛𝑢𝑙𝑜𝑠
𝐿𝑢𝑒𝑔𝑜 𝒂 ഥ=𝟎
ഥ . 𝒃 ⟹ 𝒂 ഥ
ഥ⊥𝒃 𝑒𝑠 𝑙𝑎 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑒𝑟𝑝𝑒𝑛𝑑𝑖𝑐𝑢𝑙𝑎𝑟𝑖𝑑𝑎𝑑
𝑐𝑢𝑎𝑛𝑑𝑜 ℎ𝑎𝑏𝑙𝑎𝑚𝑜𝑠 𝑑𝑒 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙𝑒𝑠 𝑛𝑜𝑠 𝑟𝑒𝑓𝑒𝑟𝑖𝑚𝑜𝑠 𝑎 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑞𝑢𝑒 𝑠𝑜𝑛 𝑝𝑒𝑟𝑝𝑒𝑛𝑑𝑖𝑐𝑢𝑙𝑎𝑟𝑒𝑠
VECTORES
Expresión cartesiana del producto escalar en R3
𝐶𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎𝑛𝑑𝑜 𝑑𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑎ത 𝑦 𝑏ത 𝑒𝑥𝑝𝑟𝑒𝑠𝑎𝑑𝑜𝑠 𝑒𝑛 𝑠𝑢 𝑓𝑜𝑟𝑚𝑎 𝑐𝑎𝑟𝑡𝑒𝑠𝑖𝑎𝑛𝑎
𝑎ത = 𝑎𝑥 𝑖 ҧ + 𝑎𝑦 𝑗 ҧ + 𝑎𝑧 𝑘ത 𝑦 𝑏ത = 𝑏𝑥 𝑖 ҧ + 𝑏𝑦 𝑗 ҧ + 𝑏𝑧 𝑘ത 𝑎ത . 𝑏ത = 𝑎𝑥 𝑖 ҧ + 𝑎𝑦 𝑗 ҧ + 𝑎𝑧 𝑘ത . (𝑏𝑥 𝑖 ҧ + 𝑏𝑦 𝑗 ҧ + 𝑏𝑧 𝑘)
ത
𝑅𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑎𝑛𝑑𝑜 𝒂 ഥ = 𝒂𝒙 𝒃𝒙 + 𝒂𝒚 𝒃𝒚 + 𝒂𝒛 𝒃𝒛
ഥ .𝒃
𝐸𝑥𝑝𝑟𝑒𝑠𝑖ó𝑛 𝑐𝑎𝑟𝑡𝑒𝑠𝑖𝑎𝑛𝑎 𝑑𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑒𝑠𝑐𝑎𝑙𝑎𝑟:
𝑬𝒔 𝒍𝒂 𝒔𝒖𝒎𝒂𝒕𝒐𝒓𝒊𝒂 𝒅𝒆 𝒍𝒐𝒔 𝒑𝒓𝒐𝒅𝒖𝒄𝒕𝒐𝒔 𝒅𝒆 𝒍𝒂𝒔 𝒄𝒐𝒎𝒑𝒐𝒏𝒆𝒏𝒕𝒆𝒔 𝒉𝒐𝒎ó𝒍𝒐𝒈𝒂𝒔
𝐶𝑎𝑙𝑐𝑢𝑙𝑎𝑟 𝑎ത . 𝑏ത 𝑠𝑖𝑒𝑛𝑑𝑜 𝑎ത = 2 ; −3 ; 1 𝑏ത = −3 ; 2 ; 4
𝑎ത . 𝑏ത = 2 . −3 + −3 . 2 + 1 . 4 = −8
Ejemplo 2
𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑟 𝜃 𝑎ത = 1 ; 3 𝑏ത = (−3 ; 2)
𝑎ത . 𝑏ത 𝑎ത . 𝑏ത
𝑎ത . 𝑏ത = 𝑎ത . 𝑏ത cos 𝜃 ⟹ = cos 𝜃 ⟹ 𝜃 = 𝑎𝑟𝑐𝑜𝑠
𝑎ത 𝑏 ത 𝑎ത 𝑏ത
1 . −3 + 3 . 2 3
𝜃 = 𝑎𝑟𝑐𝑜𝑠 = 𝑎𝑟𝑐𝑜𝑠
12 + 32 . (−3)2 +22 10 . 13
3
𝜃 = 𝑎𝑟𝑐𝑜𝑠 = 74°
130
VECTORES
Proyección Ortogonal
En algunas circunstancias es útil descomponer un vector como la suma de dos vectores perpendiculares
𝑎ത = 𝑤1 + 𝑤2
𝑤2 𝑎ത
𝑤1 𝑒𝑠 𝑙𝑎 𝑝𝑟𝑜𝑦𝑒𝑐𝑐𝑖ó𝑛 𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙 𝑑𝑒 𝑎ത 𝑠𝑜𝑏𝑟𝑒 𝑏ത
𝑤2 𝑒𝑠 𝑙𝑎 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑑𝑒 𝑎ത 𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙 𝑎 𝑏ത
𝑤1 𝑏ത
𝑆𝑒 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑛 𝑐𝑜𝑚𝑜
𝑎ത . 𝑏ത
𝑤1 = 2 . 𝑏ത
𝑏ത
𝑎ത . 𝑏ത
𝑤2 = 𝑎ത − 2 . 𝑏ത
𝑏ത
𝑉𝑒𝑟 𝑑𝑒𝑚𝑜𝑠𝑡𝑟𝑎𝑐𝑖ó𝑛 𝑒𝑛 𝑒𝑙 𝑎𝑝𝑢𝑛𝑡𝑒
VECTORES
Producto Vectorial
Si queremos mover una tuerca con una llave notaremos que el sentido en el que avanza la tuerca es
perpendicular a la llave que se emplea y a la fuerza aplicada, y además intuitivamente nos podemos dar
cuenta de que cuanto mayor es la distancia entre la fuerza aplicada y el punto de apoyo (llave más larga) y
cuanto mayor es la intensidad de la fuerza aplicada más fácil es mover la tuerca por lo que tenemos en juego
tres vectores,
- El vector que caracteriza a la distancia del punto de apoyo a la fuerza,
- La fuerza que se aplica
- Un vector perpendicular a ambos que describe el movimiento de la
tuerca.
𝒂 ഥ= 𝒂
ഥ𝒙𝒃 ഥ 𝒔𝒆𝒏 𝜽
ഥ . 𝒃 𝟎° ≤ 𝜽 ≤ 𝟏𝟖𝟎°
𝐻𝑒𝑚𝑜𝑠 𝑑𝑒𝑓𝑖𝑛𝑖𝑑𝑜 𝑚ó𝑑𝑢𝑙𝑜 𝑦 𝑑𝑖𝑟𝑒𝑐𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 𝑐,ҧ
𝑐ҧ 𝑎ℎ𝑜𝑟𝑎 𝑐𝑢á𝑙 𝑠𝑒𝑟á 𝑠𝑢 𝑠𝑒𝑛𝑡𝑖𝑑𝑜?
𝑼𝒕𝒊𝒍𝒊𝒛𝒂𝒎𝒐𝒔 𝒍𝒂 𝒓𝒆𝒈𝒍𝒂 𝒅𝒆 𝒍𝒂 𝒎𝒂𝒏𝒐 𝒅𝒆𝒓𝒆𝒄𝒉𝒂
𝑏ത
Si con la mano derecha orientamos el dedo índice con el primer vector y el
𝜃 dedo mayor con el segundo vector, el dedo pulgar extendido nos da el vector
producto vectorial entre ambos vectores.
𝑎ത
Otra forma, es si ponemos la palma de la mano sobre el vector que
premultiplica (𝑎)
ത y la hacemos girar en el sentido del vector que posmultiplica
ത la posición del dedo gordo nos dará el sentido del vector resultante
(𝑏),
El módulo del vector que representa el producto vectorial es igual al área del
paralelogramo construido con los vectores que intervienen en dicho producto
vectorial.
Si quieren repasar vean este video
https://www.youtube.com/watch?v=-2ELkfk2FGw
VECTORES
Producto Vectorial
Condición de paralelismo
El producto de dos vectores es igual a cero cuando el ángulo formado por los vectores es igual a 0° 𝑜 180°
Propiedades
1) 𝑎ത 𝑥 𝑏ത = −𝑏ത 𝑥 𝑎ത 𝑎𝑛𝑡𝑖𝑐𝑜𝑚𝑛𝑢𝑡𝑎𝑡𝑖𝑣𝑎
ത 𝑏ത = 𝑎𝑥 𝑏𝑥 𝑖𝑥
𝑎𝑥 ҧ 𝑖 ҧ + 𝑎𝑥 𝑏𝑦 𝑖𝑥 ҧ 𝑘ത + 𝑎𝑦 𝑏𝑥 𝑗𝑥
ҧ 𝑗 ҧ + 𝑎𝑥 𝑏𝑧 𝑖𝑥 ҧ 𝑖 ҧ + 𝑎𝑦 𝑏𝑦 𝑗𝑥 ҧ 𝑘ത + 𝑎𝑧 𝑏𝑥 𝑘𝑥
ҧ 𝑗 ҧ + 𝑎𝑦 𝑏𝑧 𝑗𝑥 ത 𝑖 ҧ + 𝑎𝑧 𝑏𝑦 𝑘𝑥
ത 𝑗 ҧ + 𝑎𝑧 𝑏𝑧 𝑘𝑥
ത 𝑘ത
0 𝑘ത −𝑗 ҧ −𝑘ത 0 𝑖ҧ 𝑗ҧ −𝑖 ҧ 0
𝑖ҧ 𝑗ҧ 𝑘ത 𝑉𝑒𝑟𝑠𝑜𝑟𝑒𝑠
𝑎ത 𝑥 𝑏ത = 𝑎𝑥 𝑎𝑦 𝑎𝑧 𝐶𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒𝑠 𝑑𝑒𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 𝑞𝑢𝑒 𝑝𝑟𝑒𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎
𝑏𝑥 𝑏𝑦 𝑏𝑧 𝐶𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒𝑠 𝑑𝑒𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 𝑞𝑢𝑒 𝑝𝑜𝑠𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎
𝑎ത = 0 ; 1 ; −4 𝑏ത = 2 ; −1 ; 1 𝑎ത 𝑥 𝑏ത =?
𝑖ҧ 𝑗ҧ 𝑘ത 1 −4 0 −4 +𝑘ത 0 1
𝑎ത 𝑥 ഥ𝑏 = 0 1 −4 = + 𝑖 ҧ −𝑗 ҧ
−1 1 2 1 2 −1
2 −1 1
1 −4 0 −4 0 1 ത − 2)
= +𝑖 ҧ − 𝑗ҧ + 𝑘ത = 𝑖 ҧ 1 − 4 −𝑗 ҧ 0 + 8 +𝑘(0
−1 1 2 1 2 −1
ഥ = −𝟑𝒊ҧ − 𝟖𝒋 ҧ − 𝟐𝒌
ഥ𝒙𝒃
𝒂 ഥ
VECTORES
Producto Mixto
𝑆𝑒 𝑑𝑒𝑛𝑜𝑚𝑖𝑛𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑚𝑖𝑥𝑡𝑜 𝑑𝑒 3 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑎ത 𝑏ത 𝑦 𝑐ҧ 𝑦 𝑠𝑒 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑝𝑜𝑟 𝑎ത 𝑥 𝑏ത . 𝑐ҧ 𝑎𝑙 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜 𝑑𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜
𝑣𝑒𝑐𝑡𝑜𝑟𝑖𝑎𝑙 𝑑𝑒 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑎ത 𝑦 𝑏ത 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑑𝑜 𝑒𝑠𝑐𝑎𝑙𝑎𝑟𝑚𝑒𝑛𝑡𝑒 𝑝𝑜𝑟 𝑐ҧ
ഥ . 𝒄ത = 𝒂𝒚 𝒃𝒛 − 𝒂𝒛 𝒃𝒚 𝒄𝒙 + 𝒂𝒛 𝒃𝒙 − 𝒂𝒙 𝒃𝒛 𝒄𝒚 + 𝒂𝒙 𝒃𝒚 − 𝒂𝒚 𝒃𝒙 𝒄𝒛
ഥ𝒙𝒃
𝒂
𝐸𝑠 𝑙𝑎 𝑠𝑢𝑚𝑎𝑡𝑜𝑟𝑖𝑎 𝑑𝑒 𝑙𝑎𝑠 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒𝑠 ℎ𝑜𝑚ó𝑙𝑜𝑔𝑎𝑠
VECTORES
𝐸𝑛 𝑢𝑛 𝑜𝑟𝑑𝑒𝑛 𝑝𝑟á𝑐𝑡𝑖𝑐𝑜 𝑝𝑜𝑑𝑒𝑚𝑜𝑠 𝑢𝑡𝑖𝑙𝑖𝑧𝑎𝑟 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡𝑒𝑠 𝑝𝑎𝑟𝑎 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟 𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑚𝑖𝑥𝑡𝑜
𝒂𝒙 𝒂𝒚 𝒂𝒛
ഥ . 𝒄ത =
ഥ𝒙𝒃
𝒂 𝒃𝒙 𝒃𝒚 𝒃𝒛 Disposición en el
determinante
𝒄𝒙 𝒄𝒚 𝒄𝒛
Orden del producto
Ejemplo
𝑎ത = 1 ; 0 ; 0 𝑏ത = 0 ; 1 ; 1 𝑐ҧ = (0 ; 0 ; 5)
𝟏 𝟎 𝟎
ഥ . 𝒄ത = 𝟎 𝟏 𝟏 = +𝟏 𝟏
ഥ𝒙𝒃
𝒂
𝟏
−𝟎
𝟎 𝟏
+𝟎
𝟎 𝟏
= 𝟓 𝑼𝒏𝒊𝒅𝒂𝒅𝒆𝒔 𝒅𝒆 𝒗𝒐𝒍𝒖𝒎𝒆𝒏
𝟎 𝟓 𝟎 𝟓 𝟎 𝟎
𝟎 𝟎 𝟓
Combinación lineal
ℎത
𝑎ത = 𝑎1 + 𝑎2 + 𝑎3 (1)
𝑎ത 𝑎1 = p. 𝑒ҧ
𝑎3
𝑎2 = q. 𝑔ҧ (2)
𝑎3 = r. ℎത
𝑎2 𝑔ҧ
𝑎1 Reemplazamos (2) en (1)
𝑎ത = p. 𝑒ҧ + q. 𝑔ҧ + r. ℎത Expresamos el vector 𝑎ത
𝑒ҧ
como combinación lineal de
los vectores 𝑒,ҧ 𝑔ҧ y ℎത
𝑦
𝑎ത 𝑃 𝑥; 𝑦 𝑝𝑢𝑛𝑡𝑜 𝑔𝑒𝑛𝑒𝑟𝑖𝑐𝑜
Representa a los infinitos puntos de la recta
𝑃(𝑥; 𝑦)
𝑃1 𝑥1 ; 𝑦1 𝑝𝑢𝑛𝑡𝑜 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜
𝑃1 (𝑥1 ; 𝑦1 )
𝑎ത vector dirección
𝑂 𝑥
Ecuaciones de la RECTA
𝑃 𝑥; 𝑦 𝑝𝑢𝑛𝑡𝑜 𝑔𝑒𝑛é𝑟𝑖𝑐𝑜 𝑃1 𝑥1 ; 𝑦1 𝑝𝑢𝑛𝑡𝑜 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜 𝑎ത vector dirección
Representa a los infinitos puntos de la recta λ: parámetro
−∞ < λ < ∞
𝑦
𝑂𝑃 = 𝑂𝑃1 + 𝑃1 𝑃
𝑎ത
𝑃1 𝑃 𝑎ത ∴ 𝑃1 𝑃 = λ𝑎ത
λ𝑎ത 𝑃(𝑥; 𝑦)
𝑂𝑃 = 𝑂𝑃1 + λ𝑎ത
𝑃1 (𝑥1 ; 𝑦1 )
𝑂 𝑥
Ecuaciones de la RECTA
𝑃 𝑥; 𝑦 𝑝𝑢𝑛𝑡𝑜 𝑔𝑒𝑛é𝑟𝑖𝑐𝑜 𝑃1 𝑥1 ; 𝑦1 𝑝𝑢𝑛𝑡𝑜 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜 𝑎ത vector dirección
Representa a los infinitos puntos de la recta λ: parámetro
−∞ < λ < ∞
𝑦
𝑂𝑃 = 𝑂𝑃1 + 𝑃1 𝑃
𝑎ത
𝑦 𝑃1 𝑃 𝑎ത ∴ 𝑃1 𝑃 = λ𝑎ത
λ𝑎ത 𝑃(𝑥; 𝑦)
𝑦1 𝑂𝑃 = 𝑂𝑃1 + λ𝑎ത
𝑃1 (𝑥1 ; 𝑦1 ) 𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒗𝒆𝒄𝒕𝒐𝒓𝒊𝒂𝒍 𝒑𝒂𝒓𝒂𝒎é𝒕𝒓𝒊𝒄𝒂
𝑂𝑃 = x − 0 𝑖 ҧ + (𝑦 − 0) 𝑗 ҧ = 𝑥 𝑖 ҧ + 𝑦𝑗 ҧ = (𝑥; 𝑦)
𝑎2 𝑎ത
𝑂𝑃1 = 𝑥1 − 0 𝑖 ҧ + (𝑦1 − 0) 𝑗 ҧ = 𝑥1 𝑖 ҧ + 𝑦1 𝑗 ҧ = (𝑥1 ; 𝑦1 )
𝑂 𝑥1 𝑎1 𝑥 𝑥
λ 𝑎ത =λ(𝑎1 − 0) 𝑖 ҧ + 𝑎2 − 0 𝑗 ҧ = λ 𝑎1 𝑖 ҧ + 𝑎2 𝑗 ҧ = λ(𝑎1 ; 𝑎2 )
Expresándola con las componentes (𝑥; 𝑦) = (𝑥1 ; 𝑦1 ) + λ(𝑎1 ; 𝑎2 )
Ecuaciones de la RECTA
Despejando λ
𝑂𝑃 = 𝑂𝑃1 + λ𝑎ത
𝑥 − 𝑥1 𝑦 − 𝑦1 𝑅2
𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒗𝒆𝒄𝒕𝒐𝒓𝒊𝒂𝒍 𝒑𝒂𝒓𝒂𝒎é𝒕𝒓𝒊𝒄𝒂 =
𝑎1 𝑎2
(𝑥; 𝑦) = (𝑥1 ; 𝑦1 ) + λ(𝑎1 ; 𝑎2 ) 𝑅2
𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒔𝒊𝒎é𝒕𝒓𝒊𝒄𝒂
(𝑥; 𝑦; 𝑧) = (𝑥1 ; 𝑦1 ; 𝑧1 ) + λ (𝑎1 ; 𝑎2 ; 𝑎3 ) 𝑅3 𝑥 − 𝑥1 𝑦 − 𝑦1 𝑧 − 𝑧1
= = 𝑅3
𝑎1 𝑎2 𝑎3
𝑥 = 𝑥1 + λ 𝑎1 Igualando las
2
𝑦 = 𝑦1 + λ 𝑎2 𝑅 𝑦 − 𝑦1 = 𝑎2 𝑥 − 𝑥1
componentes
homólogas
𝑎1
𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒄𝒂𝒓𝒕𝒆𝒔𝒊𝒂𝒏𝒂 𝒑𝒂𝒓𝒂𝒎é𝒕𝒓𝒊𝒄𝒂
𝑥 = 𝑥1 + λ 𝑎1 𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒅𝒆 𝒍𝒂 𝒓𝒆𝒄𝒕𝒂 𝒒𝒖𝒆 𝒑𝒂𝒔𝒂 𝒑𝒐𝒓 𝒖𝒏 𝒑𝒖𝒏𝒕𝒐
𝑦 = 𝑦1 + λ 𝑎2 𝑅 3
𝑧 = 𝑧1 + λ 𝑎3
Ecuaciones de la RECTA
𝑃 𝑥; 𝑦 𝑝𝑢𝑛𝑡𝑜 𝑔𝑒𝑛é𝑟𝑖𝑐𝑜 𝑃1 𝑥1 ; 𝑦1 𝑝𝑢𝑛𝑡𝑜 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜 𝑎ത vector dirección
Representa a los infinitos puntos de la recta λ: parámetro
−∞ < λ < ∞
𝑦 𝑂𝑃 = 𝑂𝑃1 + 𝑃1 𝑃
𝑎ത
𝑃1 𝑃 𝑎ത ∴ 𝑃1 𝑃 = λ𝑎ത
𝑦 λ𝑎ത 𝑃(𝑥; 𝑦) 𝑂𝑃 = 𝑂𝑃1 + λ𝑎ത
𝑦1 𝛼 𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒗𝒆𝒄𝒕𝒐𝒓𝒊𝒂𝒍 𝒑𝒂𝒓𝒂𝒎é𝒕𝒓𝒊𝒄𝒂
𝑃1 (𝑥1 ; 𝑦1 ) 𝑠𝑒𝑛 𝛼 𝑎2
𝑡𝑔𝛼 = = =m
cos 𝛼 𝑎1
𝑎2 𝑎ത 𝑂𝑃 = x − 0 𝑖 ҧ + (𝑦 − 0) 𝑗 ҧ = 𝑥 𝑖 ҧ + 𝑦𝑗 ҧ = (𝑥; 𝑦)
𝛼 𝑂𝑃1 = 𝑥1 − 0 𝑖 ҧ + (𝑦1 − 0) 𝑗 ҧ = 𝑥1 𝑖 ҧ + 𝑦1 𝑗 ҧ = (𝑥1 ; 𝑦1 )
𝑂 𝑥1 𝑎1 𝑥 𝑥
λ 𝑎ത = (𝑎1 − 0) 𝑖 ҧ + 𝑎2 − 0 𝑗 ҧ = λ 𝑎1 𝑖 ҧ + 𝑎2 𝑗 ҧ = λ(𝑎1 ; 𝑎2 )
Expresándola con las componentes (𝑥; 𝑦) = (𝑥1 ; 𝑦1 ) + λ(𝑎1 ; 𝑎2 )
Ecuaciones de la RECTA
Despejando λ
𝑂𝑃 = 𝑂𝑃1 + λ𝑎ത
𝑥 − 𝑥1 𝑦 − 𝑦1 𝑅2
𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒗𝒆𝒄𝒕𝒐𝒓𝒊𝒂𝒍 𝒑𝒂𝒓𝒂𝒎é𝒕𝒓𝒊𝒄𝒂 =
𝑎1 𝑎2
(𝑥; 𝑦) = (𝑥1 ; 𝑦1 ) + λ(𝑎1 ; 𝑎2 ) 𝑅2
𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒔𝒊𝒎é𝒕𝒓𝒊𝒄𝒂
(𝑥; 𝑦; 𝑧) = (𝑥1 ; 𝑦1 ; 𝑧1 ) + λ (𝑎1 ; 𝑎2 ; 𝑎3 ) 𝑅3 𝑥 − 𝑥1 𝑦 − 𝑦1 𝑧 − 𝑧1
= = 𝑅3
𝑎1 𝑎2 𝑎3
𝑥 = 𝑥1 + λ 𝑎1 Igualando las
2
𝑦 = 𝑦1 + λ 𝑎2 𝑅 𝑦 − 𝑦1 = 𝑎2 𝑥 − 𝑥1
componentes
homólogas
𝑎1
𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒄𝒂𝒓𝒕𝒆𝒔𝒊𝒂𝒏𝒂 𝒑𝒂𝒓𝒂𝒎é𝒕𝒓𝒊𝒄𝒂
𝑥 = 𝑥1 + λ 𝑎1 𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒅𝒆 𝒍𝒂 𝒓𝒆𝒄𝒕𝒂 𝒒𝒖𝒆 𝒑𝒂𝒔𝒂 𝒑𝒐𝒓 𝒖𝒏 𝒑𝒖𝒏𝒕𝒐
𝑦 = 𝑦1 + λ 𝑎2 𝑅 3
𝑦 − 𝑦1 = 𝑚 𝑥 − 𝑥1
𝑧 = 𝑧1 + λ 𝑎3
𝑚: 𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑐𝑡𝑎
Ecuaciones de la RECTA
𝑦 − 𝑦1 = 𝑚 𝑥 − 𝑥1 𝑦 − 𝑦1 = 𝑚 𝑥 − 𝑥1 𝑚 = 𝑎2 = 𝑦2 − 𝑦1
𝑎1 𝑥2 − 𝑥1
𝑦 = 𝑚x − 𝑚𝑥1 + 𝑦1 𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒅𝒆 𝒍𝒂 𝒓𝒆𝒄𝒕𝒂 𝒒𝒖𝒆 𝒑𝒂𝒔𝒂 𝒑𝒐𝒓 𝒅𝒐𝒔 𝒑𝒖𝒏𝒕𝒐𝒔
𝑦2
𝑏
ord. al origen 𝑦 − 𝑦1 = 𝑦2 − 𝑦1 𝑥 − 𝑥1 𝑦1
𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒆𝒙𝒑𝒍í𝒄𝒊𝒕𝒂 𝑥2 − 𝑥1
𝑦 = 𝑚x + b 𝑥1 𝑥2
𝑦 − 𝑚x − b = 0 Dividimos por –C
𝐴 𝐵 𝐶
𝑥+ y+ =0
−𝐶 −𝐶 −𝐶
Multiplicamos por B 𝐵𝑦 − 𝐵𝑚x − Bb = 0 1 1
𝑥+ y=1
𝐴 𝐶 −𝐶 −𝐶 𝑏
𝐴 𝐵
𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 í𝒎𝒑𝒍𝒊𝒄𝒊𝒕𝒂 𝒐 𝒈𝒆𝒏𝒆𝒓𝒂𝒍
−𝐶 −𝐶 1 1
=𝑎; =𝑏 𝑎
A𝑥 + 𝐵y + 𝐶 = 0 𝐴 𝐵 𝑥+ y=1
A: positivo (+) 𝑎 𝑏
A; B; C enteros
𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒔𝒆𝒈𝒎𝒆𝒏𝒕𝒂𝒓𝒊𝒂
Ejemplo
Ecuaciones de la RECTA
Hallar la ecuación de la recta que pasa por el punto M (-3; 1) y tiene la dirección del vector 𝑎ത (5; 4). Expre
se la misma en sus formas vectorial, paramétrica, simétrica, general o implícita, explícita y segmentaría.
Solución:
La ecuación de la recta en su forma vectorial está dada por: 𝑂𝑃 = 𝑂𝑀 + 𝜆𝑎, ത en donde el vector 𝑂𝑃 está defin
ido por las coordenadas del origen del sistema de coordenadas cartesianas (0, 0) y el punto genérico “P” de coo
rdenadas (x ; y) y el vector 𝑂𝑀 por las coordenadas del origen del sistema (0 , 0) y las coordenadas del punto
M(-3; 1), y el vector “𝑎ത ” por sus componentes (𝑎1 ; 𝑎2 ) = (5 ; 4), o sea determinando los vectores:
𝑥 − 𝑥0 = 𝑥 − 0 = 𝑥 𝑥𝑀 −𝑥𝑂 = −3 − 0 = −3
𝑂𝑃 = ; 𝑂𝑀 =
𝑦 − 𝑦0 = 𝑦 − 0 = 𝑦 𝑦𝑀 − 𝑦𝑂 = 1 − 0 = 1
y sustituyendo en la ecuación dada en su forma vectorial resulta:
𝑥, 𝑦 = −3,1 + 𝜆(5,4)
a ésta última expresión podemos también escribirla:
𝑥 − 𝑥0 = 𝑥𝑀 − 𝑥0 − a1 x = 𝑥𝑀 − a1 x = −3 + 5 𝜆
𝑦 − 𝑦0 = 𝑦𝑀 − 𝑦0 − a2 y = 𝑦𝑀 − a2 y=1+4𝜆
de donde resulta la ecuación de la recta en su forma paramétrica. y esta última expresión también puede ser
escrita como:
Ecuaciones de la RECTA
𝑥+3
𝑥 + 3 = 5𝜆 =𝜆 𝑥+3 𝑦−1
⟹ 5 ⟹ = 𝐹𝑜𝑟𝑚𝑎 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎
𝑦 − 1 = 4𝜆 𝑦−1 5 4
=𝜆
4
si ahora tomamos la última ecuación y la escribimos:
4 𝑥+3 =5 𝑦−1 ⇒ 4𝑥 + 12 = 5𝑦 − 5 ⇒ 4𝑥 − 5𝑦 + 12 + 5 = 0
de donde resulta
4𝑥 − 5𝑦 + 17 = 0 𝑓𝑜𝑟𝑚𝑎 𝑮𝒆𝒏𝒆𝒓𝒂𝒍 𝒐 𝒊𝒎𝒑𝒍í𝒄𝒊𝒕𝒂
y de esta última fórmula: 4 17
4𝑥 + 17 = 5𝑦 ⇒ 𝑦 = 𝑥 + 𝐹𝑜𝑟𝑚𝑎 𝒆𝒙𝒑𝒍í𝒄𝒊𝒕𝒂
5 5 17
si en esta última igualdad hacemos x = 0 , resulta: 𝑦 = que es la ordenada al origen, si en cambio e
5
17
s: y = 0 resulta 𝑥 = − que es la abscisa al origen y con estos dos valores de ordenada y abscisa al
4
origen, podemos escribir:
𝑥 𝑦 𝑥 𝑦
+ =1 ⟹ + =1 𝑞𝑢𝑒 𝑒𝑠 𝑙𝑎 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑒𝑛 𝑠𝑢 𝑓𝑜𝑟𝑚𝑎 𝑠𝑒𝑔𝑚𝑒𝑛𝑡𝑎𝑟𝑖𝑎
𝑎 𝑏 17 17
−
4 5
Ángulo de dos rectas
𝑟1 (𝑎1 ; 𝑎2 ) 𝑟2 (𝑏1 ; 𝑏2 )
𝑟2 Por trigonometría 𝛼 = 𝛼2 − 𝛼1
𝑦
𝛼
𝑟1 tan 𝛼2 − tan 𝛼1
tan 𝛼 = tan( 𝛼2 − 𝛼1 ) =
1 + tan 𝛼1 tan 𝛼2
𝑚2 − 𝑚1
tan 𝛼 =
1 + 𝑚1 𝑚2
𝛼1 𝛼2
0 𝑥 𝑚2 − 𝑚1
𝛼 = 𝑎𝑟𝑐𝑡𝑎𝑛
1 + 𝑚1 𝑚2
Ángulo de dos rectas
Condiciones de perpendicularidad
1 + 𝑚1 𝑚2
𝑟1 𝑟2 𝛼 = 90° 𝑐𝑜𝑡𝑎𝑛 90° = 0 0= 1 + 𝑚1 𝑚2 = 0
𝑚2 − 𝑚1
−1
𝑚1 =
𝑚2
𝑎1 𝑏1 + 𝑎2 𝑏2
𝛼 = 90° cos 𝛼 = 0 0=
𝑎1 𝑏1 + 𝑎2 𝑏2 = 0
𝑎1 2 + 𝑎2 2 𝑏1 2 + 𝑏2 2
Ángulo de dos rectas
Condiciones de paralelismo
𝑟1 𝑟2 𝑟1 = 𝑘 𝑟2
𝑦1
0 𝑥 0 𝑥1 𝑥
𝒚 = 𝒎𝒙 + 𝒌 𝑦 − 𝑦1 = 𝑘 (𝑥 + 𝑥1 )
−∞ < 𝑘 < ∞
−∞ < 𝑘 < ∞
k: constante arbitraria
Tienen la misma pendiente o coeficiente Pasan por un punto y tienen distintas
angular pendientes
Familia o haz de rectas
Satisfacen una unica condición geométrica
Rectas que pasan por el punto intersección de otras dos
𝑦
𝑟1 𝑟2 𝑟1 : 𝐴1 𝑥 + 𝐵1 y + 𝐶1 = 0
𝑟2 : 𝐴2 𝑥 + 𝐵2 y + 𝐶2 = 0
18 42 18 34 68 187
4 x 2 y 13 0 x y 0
13 13 13 13 13 13
34 x + 68 y - 187 = 0
Forma Normal de la Ecuación de la RECTA en R2
𝑛ത = 𝐴𝑖 ҧ + 𝐵 𝑗 ҧ 𝑃1 𝑃 = x − 𝑥1 𝑖 ҧ + (𝑦 − 𝑦1 ) 𝑗 ҧ 𝑃1 𝑃 𝑛ത ∴ 𝑃1 𝑃 . 𝑛ത = 0
𝑟: recta que pasa por el punto 𝑃1 y es 𝑃1 𝑃 . 𝑛ത = 𝐴𝑖 ҧ + 𝐵 𝑗 ҧ x − 𝑥1 𝑖 ҧ + 𝑦 − 𝑦1 𝑗 ҧ = 0
perpendicular a un vector 𝑛ത
𝑝∶ Distancia desde el origen hasta la recta 𝐴 x − 𝑥1 + 𝐵 𝑦 − 𝑦1 = 0
en dirección normal
𝐴x − 𝐴𝑥1 + 𝐵𝑦 − 𝐵𝑦1 = 0
𝑦 𝐴x + 𝐵𝑦 − (𝐴𝑥1 + 𝐵𝑦1 ) = 0
𝑟 𝑛(𝐴;
ത 𝐵) Dividiendo por 𝑛ത (módulo del vector normal)
𝐵
𝐴 𝐵 𝐴 𝐵
x+ 𝑦− 𝑥 + 𝑦 =0
𝑛ത 𝑛ത 𝑛ത 1 𝑛ത 1
𝑦1 𝑃1 (𝑥1 ; 𝑦1 ) 𝐴 𝐵
Siendo: = 𝑐𝑜𝑠𝜔 = 𝑠𝑒𝑛𝜔
𝑝 𝑛ത 𝑛ത
𝑦 𝑃(𝑥; 𝑦)
𝑥 𝑐𝑜𝑠𝜔 + 𝑦 𝑠𝑒𝑛𝜔 − (𝑐𝑜𝑠𝜔 𝑥1 + 𝑠𝑒𝑛𝜔 𝑦1 ) = 0
𝜔
𝑂 𝑥1 𝐴𝑥 𝑥 𝑥 𝑐𝑜𝑠𝜔 + 𝑦 𝑠𝑒𝑛𝜔 − 𝑝 = 0
Forma Normal de la Ecuación de la RECTA en R2
𝐴 𝐵 𝐴 𝐵
x+ 𝑦− 𝑥1 + 𝑦 =0
𝑦𝑦 𝑛ത 𝑛ത 𝑛ത 𝑛ത 1
𝑟𝑟 𝑛(𝐴;
ത 𝐵)
𝐴 𝐴 𝐵
Siendo: = 𝑐𝑜𝑠𝜔 = 𝑠𝑒𝑛𝜔
𝑛ത 𝑛ത
𝐴 𝐵 𝐴 𝐵
Forma Normal x+ 𝑦− 𝑥1 + 𝑦 =0
𝑛ത 𝑛ത 𝑛ത 𝑛ത 1
𝐴 𝐵 𝐶
x+ 𝑦+ =0
± 𝐴2 + 𝐵2 ± 𝐴2 + 𝐵2 ± 𝐴2 + 𝐵2
𝑛ത : Vector normal
𝐴 𝐵 𝐶 𝐴𝑥 + 𝐵𝑦 + 𝐶
x+ 𝑦+ =𝑑 𝑑=
± 𝐴2 + 𝐵2 ± 𝐴2 + 𝐵2 ± 𝐴2 + 𝐵2 ± 𝐴2 + 𝐵 2
Iguales consideraciones respecto al signo que las indicadas en la forma normal de la
ecuación de la recta
r ∶ A𝑥 + 𝐵y + 𝐶 = 0 𝑃0 (𝑥0 ; 𝑦0 )
𝐴𝑥0 + 𝐵𝑦0 + 𝐶
𝑑=
± 𝐴2 + 𝐵 2
Cálculo de la distancia de una recta a un punto
𝑟
𝑦
𝑦 𝑟
𝑂 𝑥
𝑂 𝑥
𝑧 𝑧
𝑦 𝑦
𝑥 𝑥
Se intersectan en un plano común
Comparten un mismo plano
Rectas en el espacio
Rectas alabeadas
Los planos son
𝑧 paralelos
𝑃1 𝑃2 cos 𝛼 = 𝑑
𝑃1 𝑃2 . (𝑎1 ˄𝑎2 ) 𝑃1 𝑃2 . 𝑛ത
=𝑑 =𝑑
𝑥 𝑎1 ˄𝑎2 𝑃1 𝑃2 . 𝑛ത = 𝑛ത 𝑑 𝑛ത
Plano
Unidad 2
𝑃1 𝑥1 ; 𝑦1 ; 𝑧1 𝑝𝑢𝑛𝑡𝑜 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜 𝑦
𝑃 𝑥; 𝑦; 𝑧 𝑝𝑢𝑛𝑡𝑜 𝑔𝑒𝑛𝑒𝑟𝑖𝑐𝑜.
𝑛(𝐴;
ത 𝐵; 𝐶) Ambos pertenecen al plano (𝜋)
𝛾 Definimos el vector 𝑃1 𝑃
𝛽 𝑛ത 𝐴; 𝐵; 𝐶 : Vector normal
𝑃 𝑥; 𝑦; 𝑧
𝑂 𝛼 𝑦
𝑃1 𝑃 𝑛ത ∴ 𝑃1 𝑃 . 𝑛ത = 0
𝑃1 (𝑥1 ; 𝑦1 ; 𝑧1 )
𝜋
𝑃1 𝑃 . 𝑛ത = 0
𝑥 𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒗𝒆𝒄𝒕𝒐𝒓𝒊𝒂𝒍 𝒅𝒆𝒍 𝒑𝒍𝒂𝒏𝒐
PLANO
𝑃1 𝑃 . 𝑛ത = 0
𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒗𝒆𝒄𝒕𝒐𝒓𝒊𝒂𝒍 𝒅𝒆𝒍 𝒑𝒍𝒂𝒏𝒐
𝑛ത = 𝐴𝑖 ҧ + 𝐵𝑗 ҧ + 𝐶 𝑘ത
𝑃1 𝑃 = x − 𝑥1 𝑖 ҧ + (𝑦 − 𝑦1 ) 𝑗 ҧ + (𝑧 − 𝑧1 ) 𝑘ത
𝑃1 𝑃 . 𝑛ത = 𝐴𝑖 ҧ + 𝐵 𝑗 ҧ + 𝐶 𝑘ത x − 𝑥1 𝑖 ҧ + 𝑦 − 𝑦1 𝑗 ҧ + 𝑧 − 𝑧1 𝑘ത = 0
𝐴 x − 𝑥1 + 𝐵 𝑦 − 𝑦1 + 𝐶 𝑧 − 𝑧1 = 0
𝐴x − 𝐴𝑥1 + 𝐵𝑦 − 𝐵𝑦1 + 𝐶𝑧 − 𝐶𝑧1 = 0
𝐴x + 𝐵𝑦 + 𝐶𝑧 − (𝐴𝑥1 + 𝐵𝑦1 + 𝐶𝑧1 ) = 0
𝑎; 0; 0
𝑥
PLANO
Ecuación segmentaría del plano
𝑎; 0; 0
𝑥
PLANO
Ecuación segmentaría del plano
𝑎; 0; 0
𝑥
PLANO
Ecuación segmentaría del plano
−𝐷 −𝐷 −𝐷
x= =𝑎 𝑦= =𝑏 𝑧= =c
𝐴 𝐵 𝐶
𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒈𝒆𝒏𝒆𝒓𝒂𝒍 𝒐 í𝒎𝒑𝒍𝒊𝒄𝒊𝒕𝒂 𝐴x + 𝐵𝑦 + 𝐶𝑧 + 𝐷 = 0
En la ecuación general dividiendo por (-D):
𝑧 0; 0; 𝑐
𝐴 𝐵 𝐶 𝐷
x+ 𝑦+ 𝑧+ =0
−𝐷 −𝐷 −𝐷 −𝐷
1 1 1
x+ 𝑦+ 𝑧−1=0
0; 𝑏; 0 −𝐷 −𝐷 −𝐷
𝐴 𝐵 𝐶
𝑦 Los valores de “a”,”b”, ”c”
1 1 1 son las distancias desde el
x+ 𝑦+ 𝑧 =1
𝑎 𝑏 𝑐 origen de coordenadas hasta
𝑎; 0; 0 𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝑺𝒆𝒈𝒎𝒆𝒏𝒕𝒂𝒓í𝒂 las intersecciones del plano
𝑥 con cada eje
PLANO
Ecuación vectorial del plano determinado por tres puntos
Por tres puntos no alineados pasa un único plano
Entonces para determinar la ecuación del plano 𝜋:
𝑃1 (𝑥1 ; 𝑦1 ; 𝑧1 ); 𝑃2 (𝑥2 ; 𝑦2 ; 𝑧2 ); 𝑃3 (𝑥3 ; 𝑦3 ; 𝑧3 ) tres puntos conocidos
𝑧
𝑃 𝑥; 𝑦; 𝑧 Tendremos también el punto genérico 𝑃 𝑥; 𝑦; 𝑧
𝑃3 (𝑥3 ; 𝑦3 ; 𝑧3 ) Formando los vectores 𝑃1 𝑃 𝑃1 𝑃3 𝑃1 𝑃2
𝑃1 (𝑥1 ; 𝑦1 ; 𝑧1 )
𝑃2 (𝑥2 ; 𝑦2 ; 𝑧2 ) Si tres vectores son coplanares, el producto mixto
𝜋 es igual a cero
𝑦
𝑃1 𝑃 . 𝑃1 𝑃2 ∧ 𝑃1 𝑃3 = 0
𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒗𝒆𝒄𝒕𝒐𝒓𝒊𝒂𝒍 𝒅𝒆𝒍 𝒑𝒍𝒂𝒏𝒐
𝒅𝒆𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒅𝒂 𝒑𝒐𝒓 𝒕𝒓𝒆𝒔 𝒑𝒖𝒏𝒕𝒐𝒔
𝑥
PLANO
Ecuación vectorial del plano determinado por tres puntos
𝑃1 𝑃 . 𝑃1 𝑃2 ∧ 𝑃1 𝑃3 = 0
𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒗𝒆𝒄𝒕𝒐𝒓𝒊𝒂𝒍 𝒅𝒆𝒍 𝒑𝒍𝒂𝒏𝒐
𝒅𝒆𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒅𝒂 𝒑𝒐𝒓 𝒕𝒓𝒆𝒔 𝒑𝒖𝒏𝒕𝒐𝒔
𝑛ത
𝑧 Recordando que 𝑃1 𝑃2 ∧ 𝑃1 𝑃3 = 𝑛ത 𝑛ത 𝑃1 𝑃
𝑃 𝑥; 𝑦; 𝑧
𝑃1 𝑃 . 𝑛ത = 0
𝑃3 (𝑥3 ; 𝑦3 ; 𝑧3 )
𝑃1 (𝑥1 ; 𝑦1 ; 𝑧1 ) 𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒗𝒆𝒄𝒕𝒐𝒓𝒊𝒂𝒍 𝒅𝒆𝒍 𝒑𝒍𝒂𝒏𝒐
𝜋 𝑃2 (𝑥2 ; 𝑦2 ; 𝑧2 )
𝑥 − 𝑥1 𝑦 − 𝑦1 𝑧 − 𝑧1
𝑦
𝑃1 𝑃 . 𝑃1 𝑃2 ∧ 𝑃1 𝑃3 = 𝑥2 − 𝑥1 𝑦2 − 𝑦1 𝑧2 − 𝑧1 = 0
𝑥3 − 𝑥1 𝑦3 − 𝑦1 𝑧3 − 𝑧1
𝑥
Ángulo entre planos
𝜋1 : 𝐴1 𝑥 + 𝐵1 𝑦 + 𝐶1 𝑧 + 𝐷1 = 0 𝑛1 =(𝐴1 ; 𝐵1 ; 𝐶1 )
𝜋2 : 𝐴2 𝑥 + 𝐵2 𝑦 + 𝐶2 𝑧 + 𝐷2 = 0 𝑛2 =(𝐴2 ; 𝐵2 ; 𝐶2 )
𝑛2
El ángulo "𝛼 "que forman los planos 𝜋1 y 𝜋2 ,
𝛼 es el mismo que forman sus vectores normales
𝑛1
𝑛1 y 𝑛2
𝜋1
𝛼 Aplicando el producto escalar
Podemos determinar el ángulo ∝
𝑛1 . 𝑛2
𝑛1 . 𝑛2 = 𝑛1 𝑛2 cos 𝛼 cos 𝛼 =
𝜋2 𝑛1 𝑛2
𝐴1 𝐴2 + 𝐵1 𝐵2 + 𝐶1 𝐶2
cos 𝛼 =
𝐴1 2 + 𝐵1 2 + 𝐶1 2 𝐴2 2 + 𝐵2 2 + 𝐶2 2
Ángulo entre planos
Condición de perpendicularidad 𝜋1 : 𝐴1 𝑥 + 𝐵1 𝑦 + 𝐶1 𝑧 + 𝐷1 = 0 𝑛1 =(𝐴1 ; 𝐵1 ; 𝐶1 )
𝜋2 : 𝐴2 𝑥 + 𝐵2 𝑦 + 𝐶2 𝑧 + 𝐷2 = 0 𝑛2 =(𝐴2 ; 𝐵2 ; 𝐶2 )
Si: 𝜋1 𝜋2 𝑛1 𝑛2
𝑛2
𝛼 = 90° cos 90° = 0
𝜋1 𝛼
𝛼 𝐴1 𝐴2 + 𝐵1 𝐵2 + 𝐶1 𝐶2
𝑛1 0=
𝐴1 2 + 𝐵1 2 + 𝐶1 2 𝐴2 2 + 𝐵2 2 + 𝐶2 2
𝐴1 𝐴2 + 𝐵1 𝐵2 + 𝐶1 𝐶2 = 0
Ángulo entre planos
Condición de paralelismo 𝑛1 =(𝐴1 ; 𝐵1 ; 𝐶1 )
𝜋1 : 𝐴1 𝑥 + 𝐵1 𝑦 + 𝐶1 𝑧 + 𝐷1 = 0
𝑛1 𝜋2 : 𝐴2 𝑥 + 𝐵2 𝑦 + 𝐶2 𝑧 + 𝐷2 = 0 𝑛2 =(𝐴2 ; 𝐵2 ; 𝐶2 )
Si: 𝜋1 𝜋2 𝑛1 𝑛2
Si 𝐴 = 0
𝐵𝑦 + 𝐶𝑧 + 𝐷 = 0
𝑧 𝜋 𝜋𝑦𝑧
𝜋 𝑒𝑗𝑒 𝑥
𝜋
𝑦
𝑥
Posiciones relativas del plano
-respecto a los ejes y planos coordenados-
𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒈𝒆𝒏𝒆𝒓𝒂𝒍 𝒐 í𝒎𝒑𝒍𝒊𝒄𝒊𝒕𝒂 𝐴x + 𝐵𝑦 + 𝐶𝑧 + 𝐷 = 0 Siendo: 𝐴, 𝐵, 𝐶, 𝐷 ≠ 0
Tenemos un plano en cualquier posición en el espacio
Si 𝐴 = 0 Si 𝐵 = 0
𝐵𝑦 + 𝐶𝑧 + 𝐷 = 0 𝐴x + 𝐶𝑧 + 𝐷 = 0
𝑧 𝜋 𝜋𝑦𝑧 𝑧 𝜋 𝜋𝑥𝑧
𝜋 𝑒𝑗𝑒 𝑥 𝜋 𝑒𝑗𝑒 𝑦
𝜋
𝜋
𝑦 𝑦
𝑥 𝑥
Posiciones relativas del plano
-respecto a los ejes y planos coordenados-
𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒈𝒆𝒏𝒆𝒓𝒂𝒍 𝒐 í𝒎𝒑𝒍𝒊𝒄𝒊𝒕𝒂 𝐴x + 𝐵𝑦 + 𝐶𝑧 + 𝐷 = 0 Siendo: 𝐴, 𝐵, 𝐶, 𝐷 ≠ 0
Tenemos un plano en cualquier posición en el espacio
Si 𝐴 = 0 Si 𝐵 = 0 Si 𝐶 = 0
𝐵𝑦 + 𝐶𝑧 + 𝐷 = 0 𝐴x + 𝐶𝑧 + 𝐷 = 0 𝐴x + 𝐵𝑦 + 𝐷 = 0
𝜋
𝑦 𝑦 𝑦
𝑥 𝑥 𝑥
Posiciones relativas del plano
-respecto a los ejes y planos coordenados-
Regla: plano // al eje que NO figura y ⊥ al plano que forman los ejes que SI figuran
en la ecuación del plano
Si 𝐴 = 0 Si 𝐵 = 0 Si 𝐶 = 0
𝐵𝑦 + 𝐶𝑧 + 𝐷 = 0 𝐴x + 𝐶𝑧 + 𝐷 = 0 𝐴x + 𝐵𝑦 + 𝐷 = 0
𝜋
𝑦 𝑦 𝑦
𝑥 𝑥 𝑥
Posiciones relativas del plano
-respecto a los ejes y planos coordenados-
𝐴x + 𝐵𝑦 + 𝐶𝑧 + 𝐷 = 0
Si D=0 el plano pasa por el origen de sistemas de coordenadas
Si 𝐴 = 0 𝑦 𝐷 = 0
𝐵𝑦 + 𝐶𝑧 = 0
𝑧 𝜋 𝜋𝑦𝑧
𝜋 𝑒𝑗𝑒 𝑥
𝜋
𝑦
𝑥
Posiciones relativas del plano
-respecto a los ejes y planos coordenados-
𝐴x + 𝐵𝑦 + 𝐶𝑧 + 𝐷 = 0
Si D=0 el plano pasa por el origen de sistemas de coordenadas
Si 𝐴 = 0 𝑦 𝐷 = 0 Si 𝐵 = 0𝑦𝐷 =0
𝐵𝑦 + 𝐶𝑧 = 0 𝐴x + 𝐶𝑧 = 0
𝑧 𝜋 𝜋𝑦𝑧 𝑧 𝜋 𝜋𝑥𝑧
𝜋 𝑒𝑗𝑒 𝑥 𝜋 𝑒𝑗𝑒 𝑦
𝜋
𝜋
𝑦 𝑦
𝑥 𝑥
Posiciones relativas del plano
-respecto a los ejes y planos coordenados-
𝐴x + 𝐵𝑦 + 𝐶𝑧 + 𝐷 = 0
Si D=0 el plano pasa por el origen de sistemas de coordenadas
Si 𝐴 = 0 𝑦 𝐷 = 0 Si 𝐵 = 0𝑦𝐷 =0 Si 𝐶 = 0 𝑦 𝐷 = 0
𝐵𝑦 + 𝐶𝑧 = 0 𝐴x + 𝐶𝑧 = 0 𝐴x + 𝐵𝑦 = 0
𝜋
𝑦 𝑦 𝑦
𝑥 𝑥 𝑥
Posiciones relativas del plano
-respecto a los ejes y planos coordenados-
Regla: la ecuación con dos variables representa un plano que pasa por el origen
y contiene al eje coordenado que NO aparece en la ecuación del plano
Si 𝐴 = 0 𝑦 𝐷 = 0 Si 𝐵 = 0𝑦𝐷 =0 Si 𝐶 = 0 𝑦 𝐷 = 0
𝐵𝑦 + 𝐶𝑧 = 0 𝐴x + 𝐶𝑧 = 0 𝐴x + 𝐵𝑦 = 0
𝜋
𝑦 𝑦 𝑦
𝑥 𝑥 𝑥
Posiciones relativas del plano
-respecto a los ejes y planos coordenados-
𝐴x + 𝐵𝑦 + 𝐶𝑧 + 𝐷 = 0
Si 𝐴 = 0 𝑦 𝐵 = 0
𝐶𝑧 + 𝐷 = 0
𝜋 𝜋𝑥𝑦
𝑧
𝜋 𝑒𝑗𝑒 𝑧
𝑥
Posiciones relativas del plano
-respecto a los ejes y planos coordenados-
𝐴x + 𝐵𝑦 + 𝐶𝑧 + 𝐷 = 0
Si 𝐴 = 0 𝑦 𝐵 = 0 Si 𝐴=0𝑦𝐶 =0
𝐶𝑧 + 𝐷 = 0 𝐵𝑦 + 𝐷 = 0
𝜋 𝜋𝑥𝑦
𝑧 𝑧 𝜋 𝜋𝑥𝑧
𝜋 𝑒𝑗𝑒 𝑧 𝜋 𝑒𝑗𝑒 𝑦
𝜋
𝜋
𝑦 𝑦
𝑥 𝑥
Posiciones relativas del plano
-respecto a los ejes y planos coordenados-
𝐴x + 𝐵𝑦 + 𝐶𝑧 + 𝐷 = 0
Si 𝐴 = 0 𝑦 𝐵 = 0 Si 𝐴=0𝑦𝐶 =0 Si 𝐵 = 0 𝑦 𝐶 = 0
𝐶𝑧 + 𝐷 = 0 𝐵𝑦 + 𝐷 = 0 𝐴x + 𝐷 = 0
𝜋 𝜋𝑥𝑦 𝜋 𝜋𝑥𝑧 𝜋 𝜋𝑦𝑧
𝑧 𝑧 𝑧
𝜋 𝑒𝑗𝑒 𝑧 𝜋 𝑒𝑗𝑒 𝑦 𝜋 𝑒𝑗𝑒 𝑥
𝜋
𝜋
𝜋
𝑦 𝑦 𝑦
𝑥 𝑥 𝑥
Posiciones relativas del plano
-respecto a los ejes y planos coordenados-
Regla: plano // al plano que forman las variables que NO figuran y ⊥ al eje de la
variable que SI figura en la ecuación del plano
Si 𝐴 = 0 𝑦 𝐵 = 0 Si 𝐴=0𝑦𝐶 =0 Si 𝐵 = 0 𝑦 𝐶 = 0
𝐶𝑧 + 𝐷 = 0 𝐵𝑦 + 𝐷 = 0 𝐴x + 𝐷 = 0
𝜋 𝜋𝑥𝑧 𝜋 𝜋𝑦𝑧
𝜋 𝜋𝑥𝑦
𝑧 𝑧 𝜋 𝑒𝑗𝑒 𝑦 𝑧
𝜋 𝑒𝑗𝑒 𝑧 𝜋 𝑒𝑗𝑒 𝑥
𝜋
𝜋
𝜋
𝑦 𝑦 𝑦
𝑥 𝑥 𝑥
Familia o haz de planos
Planos paralelos Planos concurrentes
𝑛(𝐴;
ത 𝐵; 𝐶)
𝑃1 (𝑥1 ; 𝑦1 ; 𝑧1 )
𝐴x + 𝐵𝑦 + 𝐶𝑧 + 𝑘 = 0
𝑘1 x − 𝑥1 + 𝑘2 𝑦 − 𝑦1 + 𝑘3 𝑧 − 𝑧1 = 0
−∞ < 𝑘 < ∞
k: constante arbitraria
Para cada valor de “k” se tiene un plano Pasan por un punto y cambian las
Paralelo El vector normal es el mismo 𝑛ത 𝐴; 𝐵; 𝐶 componentes del vector normal
Familia o haz de rectas
Planos que pasan por la recta intersección de otros dos
𝜋1 : 𝐴1 𝑥 + 𝐵1 y + 𝐶1 𝑧+𝐷1 = 0
𝜋2 : 𝐴2 𝑥 + 𝐵2 y + 𝐶2 𝑧 + 𝐷2 = 0
𝐴 𝐵 𝐶 𝐷
x+ 𝑦+ 𝑧+ =0
± 𝐴2 + 𝐵2 + 𝐶2 ± 𝐴2 + 𝐵2 + 𝐶2 ± 𝐴2 + 𝐵2 +𝐶 2 ± 𝐴2 + 𝐵2 +𝐶 2
Parábola Hipérbola
Plano al eje
Plano a la generatriz
Circunferencia
Intersecciones del plano con la superficie cónica
Circunferencia Elipse
Parábola Hipérbola
Plano al eje
Plano a la generatriz
Elipse
Intersecciones del plano con la superficie cónica
Circunferencia Elipse
Parábola Hipérbola
Plano al eje
Plano a la generatriz
Parábola
Intersecciones del plano con la superficie cónica
Circunferencia Elipse
Parábola Hipérbola
Plano al eje
Plano a la generatriz
Hipérbola
Ecuación General de las Cónicas
𝐴𝑥 2 + 𝐵𝑥𝑦 + 𝐶𝑦 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0
Términos cuadráticos Término independiente
Ecuación General de las Cónicas
𝐴𝑥 2 + 𝐵𝑥𝑦 + 𝐶𝑦 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0
Términos cuadráticos Término independiente
Términos lineales
𝐴𝑥 2 + 𝐶𝑦 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0
Términos cuadráticos Término independiente
𝐶(ℎ; 𝑘)
𝑥
Circunferencia
Definición: lugar geométrico de un punto que se mueve en un plano
de tal manera que se encuentran siempre a una distancia
constante de un punto fijo de ese plano.
Circunferencia
Definición: lugar geométrico de un punto que se mueve en un plano
de tal manera que se encuentran siempre a una distancia
constante de un punto fijo de ese plano.
𝑦
𝑦 𝑃(𝑥; 𝑦) 𝐶𝑃 = 𝑟
𝑟
𝑘
𝐶(ℎ; 𝑘)
ℎ 𝑥 𝑥
Circunferencia
Definición: lugar geométrico de un punto que se mueve en un plano
de tal manera que se encuentran siempre a una distancia
constante de un punto fijo de ese plano.
𝑦
𝐶𝑃 = 𝑟
𝑦 𝑃(𝑥; 𝑦)
𝑟 (𝑥 − ℎ)2 +(𝑦 − 𝑘)2 = 𝑟
𝑘
𝐶(ℎ; 𝑘)
(𝑥 − ℎ)2 +(𝑦 − 𝑘)2 = 𝑟 2
Segunda Ecuación ordinaria
ℎ 𝑥 𝑥
Circunferencia
Definición: lugar geométrico de un punto que se mueve en un plano
de tal manera que se encuentran siempre a una distancia
constante de un punto fijo de ese plano.
𝑦 𝐶𝑃 = 𝑟
𝑥 2 + 𝑦2 = 𝑟2
Primer Ecuación ordinaria
Forma canónica
Circunferencia
Relación entre la ecuación ordinaria y la general
𝑥 2 − 2𝑥ℎ + ℎ2 + 𝑦 2 − 2𝑦𝑘 + 𝑘 2 − 𝑟 2 = 0
𝑥2 + 𝑦 2 − 2ℎ𝑥 − 2𝑘𝑦 + 𝑘 2 + ℎ2 − 𝑟 2 = 0
𝐴 𝐶 𝐷 𝐸 𝐹
𝑥 2 + 𝑦 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0
Donde: 𝐴 = 𝐶
Forma general
Circunferencia
Paso de la forma general a la ordinaria
𝑥 2 + 𝑦 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0 (𝑥 − ℎ)2 +(𝑦 − 𝑘)2 = 𝑟 2
Forma general Segunda Ecuación ordinaria
2 2 2 𝐷
(𝑥 + ℎ) = 𝑥 + 2ℎ𝑥 + ℎ 𝐷 = 2ℎ =ℎ
2
2
𝑥2 + 𝐷𝑥 + 𝑦2 + 𝐸𝑦 = −𝐹 𝐷
= ℎ2
2
2
𝐷 2 2 𝐷 𝐷2
(𝑥 + ) = 𝑥 + 𝐷𝑥 + = ℎ2
2 2 4
Circunferencia
Paso de la forma general a la ordinaria
𝑥 2 + 𝑦 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0 (𝑥 − ℎ)2 +(𝑦 − 𝑘)2 = 𝑟 2
Forma general Segunda Ecuación ordinaria
2 2
𝐷 𝐸 (𝑥 − ℎ)2 +(𝑦 − 𝑘)2 = 𝑟 2
𝑥+ + 𝑦+ = 𝑟2
2 2 Segunda Ecuación ordinaria
Si 𝑟 = 0 Punto (− 𝐷 ; − 𝐸 )
2 2
𝐷 𝐸
Si 𝑟 > 0 Circunferencia con centro en 𝐶(− 2 ; − 2 ) y radio
1
𝑟= −4𝐹 + 𝐷2 + 𝐸 2
2
Elipse
Definición: Es el lugar geométrico de un punto que
se mueve en un plano de manera que la suma
de sus distancias a dos puntos fijos (focos)
𝑦 de ese plano se mantiene constante y mayor
que la distancia entre ellos (2a).
𝑃(𝑥; 𝑦)
𝐹′ 𝐹 𝑥
Elipse
Definición: Es el lugar geométrico de un punto que
se mueve en un plano de manera que la suma
de sus distancias a dos puntos fijos (focos)
de ese plano se mantiene constante y mayor
que la distancia entre ellos (2a).
Elipse
Definición: Es el lugar geométrico de un punto que
se mueve en un plano de manera que la suma
de sus distancias a dos puntos fijos (focos)
𝑦 de ese plano se mantiene constante y mayor
que la distancia entre ellos (2a).
𝑃(𝑥; 𝑦)
𝑃𝐹 + 𝑃𝐹′ = 2𝑎
𝐹′ 𝐹 𝑥
Elipse
Definición: Es el lugar geométrico de un punto que se mueve en un plano de manera que la suma de
sus distancias a dos puntos fijos (focos) de ese plano se mantiene constante y
mayor que la distancia entre ellos (2a).
𝑃(𝑥; 𝑦)
𝑉′(−𝑎; 0) 𝑉(𝑎; 0)
𝐹′(−𝑐; 0) 𝐶(0; 0) 𝐹(𝑐; 0) 𝑥
𝑎 𝑎
Elipse
Definición: Es el lugar geométrico de un punto que se mueve en un plano de manera que la suma de
sus distancias a dos puntos fijos (focos) de ese plano se mantiene constante y
mayor que la distancia entre ellos (2a).
𝐴′(0; −𝑏)
Elipse
Definición: Es el lugar geométrico de un punto que se mueve en un plano de manera que la suma de
sus distancias a dos puntos fijos (focos) de ese plano se mantiene constante y
mayor que la distancia entre ellos (2a).
𝑃𝐹 + 𝑃𝐹′ = 2𝑎
𝑦
𝐹 𝑦 𝐹 ′ : 𝑓𝑜𝑐𝑜𝑠 𝐹 ′ 𝐹: 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑓𝑜𝑐𝑎𝑙 = 2𝑐
𝐿’
𝐴′(0; −𝑏)
Elipse
Definición: Es el lugar geométrico de un punto que se mueve en un plano de manera que la suma de
sus distancias a dos puntos fijos (focos) de ese plano se mantiene constante y
mayor que la distancia entre ellos (2a).
𝑃𝐹 + 𝑃𝐹′ = 2𝑎
𝑦
𝐹 𝑦 𝐹 ′ : 𝑓𝑜𝑐𝑜𝑠 𝐹 ′ 𝐹: 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑓𝑜𝑐𝑎𝑙 = 2𝑐
𝑎 (𝑐 − 𝑥)2 +𝑦 2 + (𝑐 + 𝑥)2 +𝑦 2 = 2𝑎
𝑏 𝑏2 + 𝑐 2 = 𝑎2
𝑐 𝑅𝑒𝑙𝑖𝑧𝑎𝑚𝑜𝑠 𝑢𝑛𝑎 𝑠𝑒𝑟𝑖𝑒 𝑑𝑒 𝑝𝑎𝑠𝑜𝑠 𝑎𝑙𝑔𝑒𝑏𝑟𝑎𝑖𝑐𝑜𝑠 𝑦 𝑙𝑙𝑒𝑔𝑎𝑚𝑜𝑠 𝑎:
𝑅𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑓𝑢𝑛𝑑𝑎𝑚𝑒𝑛𝑡𝑎𝑙 𝑥 2 𝑎2 − 𝑐 2 + 𝑎2 𝑦 2 = 𝑎2 𝑎2 − 𝑐 2
𝑦
𝐴 𝑝𝑎𝑟𝑡𝑖𝑟 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑓𝑢𝑛𝑑𝑎𝑚𝑒𝑛𝑡𝑎𝑙 𝑏2 = 𝑎2 − 𝑐 2
𝑥 2 𝑏2 + 𝑎2𝑦 2 = 𝑎2𝑏2
𝐴(0; 𝑏) 𝑃(𝑥; 𝑦) 𝐷𝑖𝑣𝑖𝑑𝑖𝑚𝑜𝑠 𝑝𝑜𝑟 𝑎2 𝑏2
𝐿
𝑥 2 𝑏2 𝑎2𝑦 2 𝑎2𝑏2
+ =
𝑉′(−𝑎; 0) 𝑉(𝑎; 0) 𝑎2 𝑏2 𝑎2𝑏2 𝑎2𝑏2
𝐹′(−𝑐; 0) 𝐶(0; 0) 𝐹(𝑐; 0) 𝑥 𝑥2 𝑦2
+ =1
𝑎2 𝑏2
𝐿’ Primer Ecuación ordinaria
𝐴′(0; −𝑏)
Forma canónica
Elipse(𝐴𝑛á𝑙𝑖𝑠𝑖𝑠)
𝑏
𝑥 2
𝑦 2 S𝑖 𝑑𝑒𝑠𝑝𝑒𝑗𝑎𝑚𝑜𝑠 𝑦: 𝑦=∓ 𝑎2 − 𝑥 2
+ =1 𝑎
𝑎2 𝑏2
Primer Ecuación ordinaria 𝑂𝑏𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑟𝑒𝑎𝑙𝑒𝑠 𝑑𝑒 𝑦 𝑐𝑢𝑎𝑛𝑑𝑜: −𝑎 ≤ 𝑥 ≤ 𝑎
𝑎 2
Forma canónica S𝑖 𝑑𝑒𝑠𝑝𝑒𝑗𝑎𝑚𝑜𝑠 𝑥: 𝑥=∓ 𝑏 − 𝑦2
𝑏
𝑦 𝑂𝑏𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑟𝑒𝑎𝑙𝑒𝑠 𝑑𝑒 𝑥 𝑐𝑢𝑎𝑛𝑑𝑜: −𝑏 ≤ 𝑦 ≤ 𝑏
𝑉′(−𝑎; 0) 𝑉(𝑎; 0)
𝐹′(−𝑐; 0) 𝐶(0; 0) 𝐹(𝑐; 0) 𝑥
𝐿’
𝐴′(0; −𝑏)
Elipse(𝐴𝑛á𝑙𝑖𝑠𝑖𝑠)
𝑦
𝑃𝐹 ′ : 𝑟𝑎𝑑𝑖𝑜 𝑣𝑒𝑐𝑡𝑜𝑟
Elipse(𝐴𝑛á𝑙𝑖𝑠𝑖𝑠) 2𝑏 2
𝐿𝐿′ : 𝑙𝑎𝑑𝑜 𝑟𝑒𝑐𝑡𝑜:
𝑎
𝑦 𝑥2 𝑦2
+ =1
𝑎2 𝑏2
𝐴(0; 𝑏) 𝑏
S𝑖 𝑑𝑒𝑠𝑝𝑒𝑗𝑎𝑚𝑜𝑠 𝑦: 𝑦=∓ 𝑎2 − 𝑥 2
𝐿 𝑎
0<𝑐<𝑎
¿Y si e = 0?
El foco se encuentra en el centro y lo
que tenemos es una circunferencia
Elipse
Los elementos son los mismos que en el
caso anterior, pero cambian las coordenadas!
𝑦 𝑉(0; 𝑎)
𝑥2 𝑦2
+ =1 Elipse vertical
𝑏2 𝑎2
𝐿’ 𝐿
𝐹(0; 𝑐)
𝑃(𝑥; 𝑦)
𝐴′(−𝑏; 0) 𝐴(𝑏; 0)
𝑥
𝐹′(0; −𝑐) 𝑥2 𝑦2
+ =1 Elipse horizontal
𝑎2 𝑏2
𝑉′(0; −𝑎)
Elipse
Con centro (ℎ; 𝑘) de coordenadas y eje focal paralelo con el eje x
𝑦′
Trasladamos los ejes coordenados “x” e “y” de
𝑦 modo que coincidan con el nuevo centro (h; k)
𝑃(𝑥; 𝑦)
𝑘 𝐶(ℎ; 𝑘) 𝑥′
ℎ 𝑥
Traslación de ejes
𝑦′
𝑦
′ 𝑥′ = x − h
𝑃′(𝑥′; 𝑦′) 𝑥= 𝑥 +h
𝑦 𝑦′
𝑃(𝑥; 𝑦) 𝑦 = 𝑦′+ k 𝑦′ = y − k
𝑦′
𝑘
𝑜(ℎ; 𝑘) 𝑥′ 𝑥′
𝑦 𝑥′
𝑘
𝑜 ℎ 𝑥 𝑥
ℎ
𝑥
Elipse
Con centro (ℎ; 𝑘) de coordenadas y eje focal paralelo con el eje x
𝑦′
Trasladamos los ejes coordenados “x” e “y” de
𝑦 modo que coincidan con el nuevo centro (h; k)
𝐴(ℎ; 𝑘 + 𝑏) 𝑃(𝑥; 𝑦)
𝐿 Entonces
𝑥 = 𝑥′ + h 𝑥′ = x − h
𝑉′(ℎ − 𝑎; 𝑘) 𝑉(ℎ + 𝑎; 𝑘)
𝑘 𝑦 = 𝑦′ + k 𝑦′ = y − k
𝐹′(ℎ − 𝑐; 𝑘) 𝐶(ℎ; 𝑘) 𝐹(ℎ + 𝑐; 𝑘) 𝑥′
𝑥 ′2 𝑦′2
𝐿’ + =1
𝑎2 𝑏2
𝐴′(ℎ; 𝑘 − 𝑏)
(𝑥 − ℎ)2 (𝑦 − 𝑘)2
+ =1
ℎ 𝑥 𝑎2 𝑏2
Segunda Ecuación ordinaria
Elipse
Con centro (ℎ; 𝑘) de coordenadas y eje focal paralelo con el eje y
𝑦′ 𝑉(ℎ; 𝑘 + 𝑎)
𝑥 ′2 𝑦′2
𝑦 𝐿 + 2 =1
𝐿’ 𝑏2 𝑎
𝐹(ℎ; 𝑘 + 𝑐)
𝑃(𝑥; 𝑦)
𝐹′(ℎ; 𝑘 − 𝑐)
𝑉′(ℎ; 𝑘 − 𝑎)
ℎ 𝑥
Elipse Relación entre la ecuación ordinaria y la ecuación general
(𝑥 − ℎ)2 (𝑦 − 𝑘)2 𝑀𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑚𝑜𝑠 𝑝𝑜𝑟 𝑎2 𝑏2
+ =1
𝑎2 𝑏2
2 2
(𝑥 − ℎ) (𝑦 − 𝑘)
Segunda Ecuación ordinaria 𝑎2 𝑏2 2 + 𝑎2 𝑏2 2 = 𝑎2 𝑏2
𝑎 𝑏
𝐴𝑥 2 + 𝐶𝑦 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0 𝑏2 𝑥 2 − 2ℎ𝑥 + ℎ2 + 𝑎2 𝑦 2 − 2𝑘𝑦 + 𝑘 2 = 𝑎2 𝑏2
Ecuación General de las Cónicas
𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑖𝑚𝑜𝑠 𝑒 𝑖𝑔𝑢𝑎𝑙𝑎𝑚𝑜𝑠 𝑎 𝑐𝑒𝑟𝑜
𝑏2 𝑥 2 − 2𝑏2 ℎ𝑥 + 𝑏2 ℎ2 + 𝑎2 𝑦 2 − 2 𝑎2 𝑘𝑦 + 𝑎 2 𝑘 2 − 𝑎2 𝑏2 = 0
𝑏2 𝑥 2 + 𝑎2 𝑦 2 − 2𝑏2 ℎ𝑥 − 2 𝑎 2 𝑘𝑦 + 𝑎2 𝑘 2 + 𝑏2 ℎ2 − 𝑎2 𝑏2 = 0
𝐴 𝐶 𝐷 𝐸 𝐹
𝐴 𝑦 𝐶 mismo signo 𝐴𝑥 2 + 𝐶𝑦 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0
Forma general
Parábola
Definición: lugar geométrico de un punto que se mueve en un plano de tal
manera que su distancia a una recta fija situada en el plano
(directriz,𝑙𝑑 ) , es siempre igual a su distancia a un punto fijo
del plano (foco, F) y que no pertenece a la recta
𝑦
𝑙𝑑
𝑃(𝑥; 𝑦)
V 𝐹 𝑥
Parábola
Definición: lugar geométrico de un punto que se mueve en un plano de tal
manera que su distancia a una recta fija situada en el plano
(directriz,𝑙𝑑 ) , es siempre igual a su distancia a un punto fijo
del plano (foco, F) y que no pertenece a la recta
Parábola
Definición: lugar geométrico de un punto que se mueve en un plano de tal
manera que su distancia a una recta fija situada en el plano
(directriz,𝑙𝑑 ) , es siempre igual a su distancia a un punto fijo
del plano (foco, F) y que no pertenece a la recta
𝑦
𝑙𝑑 𝑃𝐹 = 𝑃𝐷
𝑃(𝑥; 𝑦)𝐿 𝑙𝑑 : 𝑟𝑒𝑐𝑡𝑎 𝑓𝑖𝑗𝑎, 𝑑𝑖𝑟𝑒𝑐𝑡𝑟𝑖𝑧
𝑦
𝐷 𝐹 ∶ 𝑓𝑜𝑐𝑜
𝑉 ∶ 𝑣é𝑟𝑡𝑖𝑐𝑒
𝑎
𝐴 V 𝐹 𝑥 𝑎: 𝑒𝑗𝑒 𝑑𝑒 𝑙𝑎 𝑝𝑎𝑟á𝑏𝑜𝑙𝑎
𝐴: 𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑒 𝑙𝑑 y 𝑎
𝑦 𝑝>0 𝑝<0 𝑦
+∞ +∞
La parábola es
simétrica
respecto al eje
𝑥 de la parábola. 𝑥
-∞
x =R+ -∞ x =R-
Parábola(𝐴𝑛á𝑙𝑖𝑠𝑖𝑠)
Primer Ecuación ordinaria 𝑦 2 = 4𝑝𝑥
o 𝑦 = ±2 𝑝𝑥
Forma canónica
𝑦 = ±2𝑝
V 𝐹(𝑝; 0) 𝑥
𝐿𝐿′ = 4𝑝
𝐿’
Parábola(𝐴𝑛á𝑙𝑖𝑠𝑖𝑠)
𝑦
𝑙𝑑 𝐸
𝑃(𝑥; 𝑦) 𝐿
𝐷 𝑆𝑒𝑔𝑚𝑒𝑛𝑡𝑜𝑠: 𝐵𝐵′ : 𝑐𝑢𝑒𝑟𝑑𝑎
𝐵
𝐸𝐸 ′ : 𝑐𝑢𝑒𝑟𝑑𝑎 𝑓𝑜𝑐𝑎𝑙
𝐵’
𝐸′
𝐿’
Parábola
Con vértice en el origen de coordenadas y eje coincidente con el eje y
𝑃(𝑥; 𝑦)𝐿 𝑦 = 𝑦′ + k 𝑦′ = y − k
𝑦′2 = 4𝑝𝑥′
𝑘 (y − k)2 = 4𝑝(x − h)
V(h; k) 𝐹(ℎ + 𝑝; 𝑘) 𝑥′
Segunda Ecuación ordinaria
ℎ 𝐿’ 𝑥
𝑙𝑑 : 𝑥 = ℎ − 𝑝
Parábola
Con centro de coordenadas (ℎ; 𝑘) y eje paralelo con el eje y
ℎ 𝑥
Parábola
Relación entre la ecuación ordinaria y la ecuación general
𝐶𝑦 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0 𝐴𝑥 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0
Forma general Forma general
𝑃(𝑥; 𝑦)
𝐹′ 𝐹 𝑥
Hipérbola
Definición: Es el lugar geométrico de un punto que se mueve en un plano
de manera que el valor absoluto de la diferencia de sus
distancias a dos puntos fijos (focos) del plano se mantiene
constante y menor que la distancia entre dichos puntos.
Hipérbola
Definición: Es el lugar geométrico de un punto que se mueve en un plano
de manera que el valor absoluto de la diferencia de sus
distancias a dos puntos fijos (focos) del plano se mantiene
constante y menor que la distancia entre dichos puntos.
𝑦
𝑃𝐹 − 𝑃𝐹′ = 2𝑎
𝑃(𝑥; 𝑦) 𝑙: 𝑒𝑗𝑒 𝑓𝑜𝑐𝑎𝑙
𝐹 𝑦 𝐹 ′ : 𝑓𝑜𝑐𝑜𝑠 𝐹 ′ 𝐹: 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑓𝑜𝑐𝑎𝑙 = 2𝑐
𝑙
𝐹′(−𝑐; 0) 𝑐 𝑐 𝐹(𝑐; 0) 𝑥
Hipérbola
Definición: Es el lugar geométrico de un punto que se mueve en un plano
de manera que el valor absoluto de la diferencia de sus
distancias a dos puntos fijos (focos) del plano se mantiene
constante y menor que la distancia entre dichos puntos.
𝑦
𝑃𝐹 − 𝑃𝐹′ = 2𝑎
𝑃(𝑥; 𝑦) 𝑙: 𝑒𝑗𝑒 𝑓𝑜𝑐𝑎𝑙
𝐹 𝑦 𝐹 ′ : 𝑓𝑜𝑐𝑜𝑠 𝐹 ′ 𝐹: 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑓𝑜𝑐𝑎𝑙 = 2𝑐
𝑉′(−𝑎; 0) 𝑙 𝑉 𝑦 𝑉 ′ : 𝑣é𝑟𝑡𝑖𝑐𝑒𝑠 𝑉 ′ 𝑉: 𝑒𝑗𝑒 𝑡𝑟𝑎𝑛𝑠𝑣𝑒𝑟𝑠𝑜 = 2𝑎
𝐹′(−𝑐; 0) 𝑎 𝑉𝑎(𝑎; 0) 𝐹(𝑐; 0) 𝑥
Hipérbola
Definición: Es el lugar geométrico de un punto que se mueve en un plano
de manera que el valor absoluto de la diferencia de sus
distancias a dos puntos fijos (focos) del plano se mantiene
constante y menor que la distancia entre dichos puntos.
𝑦
𝑃𝐹 − 𝑃𝐹′ = 2𝑎
𝑃(𝑥; 𝑦) 𝑙: 𝑒𝑗𝑒 𝑓𝑜𝑐𝑎𝑙
𝐴(0; 𝑏)
𝐹 𝑦 𝐹 ′ : 𝑓𝑜𝑐𝑜𝑠 𝐹 ′ 𝐹: 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑓𝑜𝑐𝑎𝑙 = 2𝑐
𝑏
𝑉′(−𝑎; 0) 𝑙 𝑉 𝑦 𝑉 ′ : 𝑣é𝑟𝑡𝑖𝑐𝑒𝑠 𝑉 ′ 𝑉: 𝑒𝑗𝑒 𝑡𝑟𝑎𝑛𝑠𝑣𝑒𝑟𝑠𝑜 = 2𝑎
𝐹′(−𝑐; 0) 𝑉(𝑎; 0) 𝐹(𝑐; 0) 𝑥
𝑏 𝐴′ 𝐴: 𝑒𝑗𝑒 𝑐𝑜𝑛𝑗𝑢𝑔𝑎𝑑𝑜 = 2𝑏
𝐴′(0; −𝑏)
Hipérbola
Definición: Es el lugar geométrico de un punto que se mueve en un plano
de manera que el valor absoluto de la diferencia de sus
distancias a dos puntos fijos (focos) del plano se mantiene
constante y menor que la distancia entre dichos puntos.
𝑦
𝑃𝐹 − 𝑃𝐹′ = 2𝑎
𝐿
𝑃(𝑥; 𝑦) 𝑙: 𝑒𝑗𝑒 𝑓𝑜𝑐𝑎𝑙
𝐴(0; 𝑏)
𝐹 𝑦 𝐹 ′ : 𝑓𝑜𝑐𝑜𝑠 𝐹 ′ 𝐹: 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑓𝑜𝑐𝑎𝑙 = 2𝑐
𝑉′(−𝑎; 0) 𝑙 𝑉 𝑦 𝑉 ′ : 𝑣é𝑟𝑡𝑖𝑐𝑒𝑠 𝑉 ′ 𝑉: 𝑒𝑗𝑒 𝑡𝑟𝑎𝑛𝑠𝑣𝑒𝑟𝑠𝑜 = 2𝑎
𝐹′(−𝑐; 0) 𝑉(𝑎; 0) 𝐹(𝑐; 0) 𝑥
𝐴′ 𝐴: 𝑒𝑗𝑒 𝑐𝑜𝑛𝑗𝑢𝑔𝑎𝑑𝑜 = 2𝑏
𝐴′(0; −𝑏) ′
2𝑏2
𝐿𝐿 : 𝑙𝑎𝑑𝑜 𝑟𝑒𝑐𝑡𝑜 =
𝑎
𝐿’
Hipérbola
Definición: Es el lugar geométrico de un punto que se mueve en un plano
de manera que el valor absoluto de la diferencia de sus
distancias a dos puntos fijos (focos) del plano se mantiene
constante y menor que la distancia entre dichos puntos.
𝑦
𝑃𝐹 − 𝑃𝐹′ = 2𝑎
𝐿 𝑙: 𝑒𝑗𝑒 𝑓𝑜𝑐𝑎𝑙
𝑃(𝑥; 𝑦)
𝐴(0; 𝑏) 𝐹 𝑦 𝐹 ′ : 𝑓𝑜𝑐𝑜𝑠 𝐹 ′ 𝐹: 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑓𝑜𝑐𝑎𝑙 = 2𝑐
𝑉 𝑦 𝑉 ′ : 𝑣é𝑟𝑡𝑖𝑐𝑒𝑠 𝑉 ′ 𝑉: 𝑒𝑗𝑒 𝑡𝑟𝑎𝑛𝑠𝑣𝑒𝑟𝑠𝑜 = 2𝑎
𝑉′(−𝑎; 0) 𝑙
𝐹′(−𝑐; 0) 𝑉(𝑎; 0) 𝐹(𝑐; 0) 𝑥 𝐴′ 𝐴: 𝑒𝑗𝑒 𝑐𝑜𝑛𝑗𝑢𝑔𝑎𝑑𝑜 = 2𝑏
2𝑏2
𝐴′(0; −𝑏) 𝐿𝐿′ : 𝑙𝑎𝑑𝑜
𝑟𝑒𝑐𝑡𝑜 =
𝑎
𝑏
𝐿’ 𝐴𝑠í𝑛𝑡𝑜𝑡𝑎𝑠: 𝑦 = ± 𝑥
𝑎
Hipérbola
Definición: Es el lugar geométrico de un punto que se mueve en un plano
de manera que el valor absoluto de la diferencia de sus
distancias a dos puntos fijos (focos) del plano se mantiene
constante y menor que la distancia entre dichos puntos.
𝑦
𝑃𝐹 − 𝑃𝐹′ = 2𝑎
𝐿 𝑙: 𝑒𝑗𝑒 𝑓𝑜𝑐𝑎𝑙
𝑃(𝑥; 𝑦)
𝐴(0; 𝑏) 𝐹 𝑦 𝐹 ′ : 𝑓𝑜𝑐𝑜𝑠 𝐹 ′ 𝐹: 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑓𝑜𝑐𝑎𝑙 = 2𝑐
𝑉 𝑦 𝑉 ′ : 𝑣é𝑟𝑡𝑖𝑐𝑒𝑠 𝑉 ′ 𝑉: 𝑒𝑗𝑒 𝑡𝑟𝑎𝑛𝑠𝑣𝑒𝑟𝑠𝑜 = 2𝑎
𝑉′(−𝑎; 0) 𝑙
𝐹′(−𝑐; 0) 𝑉(𝑎; 0) 𝐹(𝑐; 0) 𝑥 𝐴′ 𝐴: 𝑒𝑗𝑒 𝑐𝑜𝑛𝑗𝑢𝑔𝑎𝑑𝑜 = 2𝑏
𝑐 2𝑏2
𝐴′(0; −𝑏) 𝑏 𝐿𝐿′ : 𝑙𝑎𝑑𝑜
𝑟𝑒𝑐𝑡𝑜 =
𝑏 2 + 𝑎2 = 𝑐 2 𝑎
𝑎 𝑏
𝐿’ 𝑅𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑓𝑢𝑛𝑑𝑎𝑚𝑒𝑛𝑡𝑎𝑙 𝐴𝑠í𝑛𝑡𝑜𝑡𝑎𝑠: 𝑦 = ± 𝑥
𝑎
Hipérbola
Definición: Es el lugar geométrico de un punto que se mueve en un plano
de manera que el valor absoluto de la diferencia de sus
distancias a dos puntos fijos (focos) del plano se mantiene
constante y menor que la distancia entre dichos puntos.
𝑦
𝑃(𝑥; 𝑦)
𝑐 𝑏
𝑙 2 + 𝑎2 = 𝑐 2
𝑎 𝑏
𝐹(𝑐; 0) 𝑥
𝑅𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑓𝑢𝑛𝑑𝑎𝑚𝑒𝑛𝑡𝑎𝑙
𝐿’
Hipérbola
Definición: Es el lugar geométrico de un punto que se mueve en un plano
de manera que el valor absoluto de la diferencia de sus
distancias a dos puntos fijos (focos) del plano se mantiene
constante y menor que la distancia entre dichos puntos.
𝑦
𝑃𝐹 − 𝑃𝐹′ = 2𝑎
𝐿 𝑙: 𝑒𝑗𝑒 𝑓𝑜𝑐𝑎𝑙
𝑃(𝑥; 𝑦)
𝐴(0; 𝑏) 𝐹 𝑦 𝐹 ′ : 𝑓𝑜𝑐𝑜𝑠 𝐹 ′ 𝐹: 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑓𝑜𝑐𝑎𝑙 = 2𝑐
𝑉 𝑦 𝑉 ′ : 𝑣é𝑟𝑡𝑖𝑐𝑒𝑠 𝑉 ′ 𝑉: 𝑒𝑗𝑒 𝑡𝑟𝑎𝑛𝑠𝑣𝑒𝑟𝑠𝑜 = 2𝑎
𝑉′(−𝑎; 0) 𝑙
𝐹′(−𝑐; 0) 𝑉(𝑎; 0) 𝐹(𝑐; 0) 𝑥 𝐴′ 𝐴: 𝑒𝑗𝑒 𝑐𝑜𝑛𝑗𝑢𝑔𝑎𝑑𝑜 = 2𝑏
𝑐 2𝑏2
𝐴′(0; −𝑏) 𝑏 𝐿𝐿′ : 𝑙𝑎𝑑𝑜
𝑟𝑒𝑐𝑡𝑜 =
𝑏 2 + 𝑎2 = 𝑐 2 𝑎
𝑎 𝑏
𝐿’ 𝑅𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑓𝑢𝑛𝑑𝑎𝑚𝑒𝑛𝑡𝑎𝑙 𝐴𝑠í𝑛𝑡𝑜𝑡𝑎𝑠: 𝑦 = ± 𝑥
𝑎
Hipérbola 𝑃𝐹 − 𝑃𝐹′ = 2𝑎
𝑐 𝑏 (𝑐 − 𝑥)2 +𝑦 2 − (𝑐 + 𝑥)2 +𝑦 2 = 2𝑎
𝑎 𝑏2 + 𝑎2 = 𝑐 2
𝑅𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑓𝑢𝑛𝑑𝑎𝑚𝑒𝑛𝑡𝑎𝑙 𝑅𝑒𝑙𝑖𝑧𝑎𝑚𝑜𝑠 𝑢𝑛𝑎 𝑠𝑒𝑟𝑖𝑒 𝑑𝑒 𝑝𝑎𝑠𝑜𝑠 𝑎𝑙𝑔𝑒𝑏𝑟𝑎𝑖𝑐𝑜𝑠 𝑦 𝑙𝑙𝑒𝑔𝑎𝑚𝑜𝑠 𝑎:
𝑥 2 𝑐 2 − 𝑎2 − 𝑎2 𝑦 2 = 𝑎2 𝑐 2 − 𝑎2
𝑦
𝐴 𝑝𝑎𝑟𝑡𝑖𝑟 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑓𝑢𝑛𝑑𝑎𝑚𝑒𝑛𝑡𝑎𝑙 𝑏2 = 𝑐 2 − 𝑎2
𝐿 𝑥 2 𝑏2 − 𝑎2𝑦 2 = 𝑎2𝑏2
𝑃(𝑥; 𝑦)
𝐴(0; 𝑏) 𝐷𝑖𝑣𝑖𝑑𝑖𝑚𝑜𝑠 𝑝𝑜𝑟 𝑎2 𝑏2
𝑥 2 𝑏2 𝑎2𝑦 2 𝑎2𝑏2
𝑉′(−𝑎; 0) 𝑙 − =
𝐹′(−𝑐; 0) 𝑉(𝑎; 0) 𝐹(𝑐; 0) 𝑥 𝑎2 𝑏2 𝑎2𝑏2 𝑎2𝑏2
𝑥2 𝑦2
𝐴′(0; −𝑏) − =1
𝑎2 𝑏2
𝐿’ Primer Ecuación ordinaria
Forma canónica
Hipérbola(𝐴𝑛á𝑙𝑖𝑠𝑖𝑠)
𝑥2 𝑦2 𝑏
− =1 S𝑖 𝑑𝑒𝑠𝑝𝑒𝑗𝑎𝑚𝑜𝑠 𝑦: 𝑦=± 𝑥 2 − 𝑎2
𝑎2 𝑏2 𝑎
Primer Ecuación ordinaria 𝐿𝑎 ℎ𝑖𝑝é𝑟𝑏𝑜𝑙𝑎 𝑛𝑜 𝑒𝑠𝑡𝑎 𝑑𝑒𝑓𝑖𝑛𝑖𝑑𝑎 𝑝𝑎𝑟𝑎: −𝑎 < 𝑥 < 𝑎
Forma canónica
𝑎
𝑦 S𝑖 𝑑𝑒𝑠𝑝𝑒𝑗𝑎𝑚𝑜𝑠 𝑥: 𝑥=∓ 𝑦 2 + 𝑏2
𝑏
𝑂𝑏𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑟𝑒𝑎𝑙𝑒𝑠 𝑑𝑒 𝑥 𝑝𝑎𝑟𝑎
𝐿
𝑃(𝑥; 𝑦) 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑟𝑒𝑎𝑙𝑒𝑠 𝑑𝑒 𝑦
𝐴(0; 𝑏)
𝐿𝑎 ℎ𝑖𝑝é𝑟𝑏𝑜𝑙𝑎 𝑛𝑜 𝑒𝑠 𝑢𝑛𝑎 𝑐𝑢𝑟𝑣𝑎 𝑐𝑒𝑟𝑟𝑎𝑑𝑎
𝑉′(−𝑎; 0)
𝐹′(−𝑐; 0) 𝑉(𝑎; 0) 𝐹(𝑐; 0) 𝑥 𝑐𝑜𝑛𝑠𝑡𝑎 𝑑𝑒 𝑑𝑜𝑠 𝑟𝑎𝑚𝑎𝑠 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒𝑠 𝑦 es
simétrica respecto a ambos ejes coordenados
𝐴′(0; −𝑏)
y al origen
𝐿’
Hipérbola(𝐴𝑛á𝑙𝑖𝑠𝑖𝑠)
𝑥2 𝑦2
𝐿𝐿′ : 𝑙𝑎𝑑𝑜 𝑟𝑒𝑐𝑡𝑜 − =1
𝑎2 𝑏2
𝑏
S𝑖 𝑑𝑒𝑠𝑝𝑒𝑗𝑎𝑚𝑜𝑠 𝑦: 𝑦=± 𝑥 2 − 𝑎2
𝑎
𝑦
𝐹(𝑐; 0) S𝑖 𝑠𝑢𝑠𝑡𝑖𝑡𝑢𝑖𝑚𝑜𝑠 𝑥 = 𝑐
𝑃(𝑥; 𝑦)𝐿 𝑏 2
𝐿 𝑦=∓ 𝑐 − 𝑎2
𝐴(0; 𝑏) 𝑎
𝑑𝑒 𝑙𝑎 𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑓𝑢𝑛𝑑𝑎𝑚𝑒𝑛𝑡𝑎𝑙 𝑏2 = 𝑐 2 − 𝑎2
𝑉′(−𝑎; 0)
𝐹′(−𝑐; 0) 𝑉(𝑎; 0) 𝐹(𝑐; 0) 𝑥 𝑏 𝑏2
𝑦=∓ 𝑏2 𝑦=∓
𝑎 𝑎
𝐴′(0; −𝑏)
2
𝐿’ 2𝑏
𝐿’ 𝐿𝐿′ : 𝑙𝑎𝑑𝑜 𝑟𝑒𝑐𝑡𝑜:
𝑎
Hipérbola(𝐴𝑛á𝑙𝑖𝑠𝑖𝑠)
𝐴𝑠í𝑛𝑡𝑜𝑡𝑎𝑠 𝑥2 𝑦2
− =1
𝑎2 𝑏2
𝑏
S𝑖 𝑑𝑒𝑠𝑝𝑒𝑗𝑎𝑚𝑜𝑠 𝑦: 𝑦=± 𝑥 2 − 𝑎2
𝑎
𝑏 𝑏 Escrita de la forma: 𝑏 𝑎2
𝑦=− 𝑥 𝑦= 𝑥 𝑦 =± 𝑥 1− 2
𝑎 𝑎 𝑎 𝑥
𝐿 𝑃(𝑥; 𝑦)𝐿
𝐴(0; 𝑏) Si un punto de la hipérbola se mueve
de modo que aumenta x: 𝑎 2
𝑉′(−𝑎; 0) →0
𝑥2
𝐹′(−𝑐; 0) 𝑉(𝑎; 0) 𝐹(𝑐; 0)
𝑏
𝑦=± 𝑥
𝐴′(0; −𝑏) 𝑎
𝐿’
𝐿’
Hipérbola(𝐴𝑛á𝑙𝑖𝑠𝑖𝑠)
𝑦
𝐸 𝐵
𝐿 𝑆𝑒𝑔𝑚𝑒𝑛𝑡𝑜𝑠: 𝐵𝐵′ : 𝑐𝑢𝑒𝑟𝑑𝑎
𝐷 𝑃(𝑥; 𝑦)
𝐸𝐸 ′ : 𝑐𝑢𝑒𝑟𝑑𝑎 𝑓𝑜𝑐𝑎𝑙
𝑦 𝑦2 𝑥2
𝑙 − =1
𝑎2 𝑏2
Primer Ecuación ordinaria
𝐹(0; 𝑐) 𝐿
𝐿’ Forma canónica
𝑃(𝑥; 𝑦)
𝑉(0; 𝑎)
𝐴′(−𝑏; 0) El eje transverso se corresponde con la
𝐴(𝑏; 0) 𝑥 variable que tiene coeficiente positivo
𝑉′(0; −𝑎)
𝐿’ 𝐿
𝐹′(0; −𝑐)
Hipérbola
Centro (h; k) y eje paralelo al eje coordenado “x”
𝑦 𝑥 = 𝑥′ + h 𝑥′ = x − h
𝐹(ℎ; 𝑘 + 𝑐) 𝐿
𝐿’ 𝑃(𝑥; 𝑦) 𝑦 = 𝑦′ + k 𝑦′ = y − k
𝑉(ℎ; 𝑘 + 𝑎)
𝐴′(ℎ − 𝑏; 𝑘) 𝐴(ℎ + 𝑏; 𝑘)
𝑘 𝑦′2 𝑥′2
𝑥′ − =1
𝑉′(ℎ; 𝑘 − 𝑎) 𝑎2 𝑏2
𝐿’ 𝐿
𝐹′(ℎ; 𝑘 − 𝑐) (𝑦 − 𝑘)2 (𝑥 − ℎ)2
− =1
𝑎2 𝑏2
Segunda Ecuación ordinaria
ℎ 𝑥
Hipérbola
Relación entre la ecuación ordinaria y la ecuación general
(𝑥 − ℎ)2 (𝑦 − 𝑘)2 𝑀𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑚𝑜𝑠 𝑝𝑜𝑟 𝑎2 𝑏2
− =1
𝑎2 𝑏2 (𝑥 − ℎ)2
(𝑦 − 𝑘) 2
Segunda Ecuación ordinaria 𝑎2 𝑏2 2 − 𝑎2 𝑏2 2 = 𝑎2 𝑏2
𝑎 𝑏
𝐴𝑥 2 + 𝐶𝑦 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0 𝑏2 𝑥 2 − 2ℎ𝑥 + ℎ2 − 𝑎2 𝑦 2 − 2𝑘𝑦 + 𝑘 2 = 𝑎2 𝑏2
Ecuación General de las Cónicas
𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑖𝑚𝑜𝑠 𝑒 𝑖𝑔𝑢𝑎𝑙𝑎𝑚𝑜𝑠 𝑎 𝑐𝑒𝑟𝑜
𝑏2 𝑥 2 − 2𝑏2 ℎ𝑥 + 𝑏2 ℎ2 − 𝑎2 𝑦 2 + 2 𝑎2 𝑘𝑦 − 𝑎 2 𝑘 2 − 𝑎2 𝑏2 = 0
𝑏2 𝑥 2 − 𝑎2 𝑦 2 − 2𝑏2 ℎ𝑥 + 2 𝑎 2 𝑘𝑦 − 𝑎2 𝑘 2 + 𝑏2 ℎ2 − 𝑎2 𝑏2 = 0
𝐴 𝐶 𝐷 𝐸 𝐹
𝐴 𝑦 𝐶 distinto signo 𝐴𝑥 2 + 𝐶𝑦 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0
Forma general
Hipérbola 𝐸𝑞𝑢𝑖𝑙𝑎𝑡𝑒𝑟𝑎 𝑜 𝑅𝑒𝑐𝑡𝑎𝑛𝑔𝑢𝑙𝑎𝑟
𝑦
Las longitudes de los ejes
transverso y conjugado
son iguales.
𝑎=𝑏
𝑥
Hipérbola 𝐶𝑜𝑛𝑗𝑢𝑔𝑎𝑑𝑎𝑠
𝑦 Si la longitud del eje transverso
de una hipérbola es igual a la
longitud del eje conjugado de
otra y viceversa
𝑥
Ambas hipérbolas tienen el centro común,
ambas asíntotas también son comunes
y los focos equidistan del centro.
https://www.youtube.com/watch?v=iX3ofAj
GGjo
Cuádricas
Unidad N° 9
Superficies Cuádricas
Se trata de una generalización de las cónicas
Ecuación General
Representa una rotación de los ejes = 0
Término
Términos rectangulares independiente
Ecuación General
Hiperboloide
Elipsoide
Hiperboloide de dos hojas
Los coeficientes de una hoja
De los coeficientes M, N, P
M, N, P
De los coeficientes M, N, P Uno es positivo
son positivos
Dos son positivos
Cuádricas con centro
𝑴𝒙𝟐 + 𝑵𝒚𝟐 + 𝑷𝒛𝟐 = 𝐑
Podemos dividir dicha ecuación por “R”
𝑴 𝟐 𝑵 𝟐 𝑷 𝟐 𝑹
𝒙 + 𝒚 + 𝒛 =
𝑹 𝑹 𝑹 𝑹
Puede expresarse como: 𝒙𝟐 𝒚𝟐 𝒛𝟐 Haciendo:
+ + =𝟏
𝑹 𝑹 𝑹 𝑹
=𝒂𝟐
𝑹
=𝒃𝟐
𝑹
= 𝒄𝟐
𝑴 𝑵 𝑷 𝑴 𝑵 𝑷
Resultado: 𝒙𝟐 𝒚𝟐 𝒛𝟐
± 𝟐± 𝟐± 𝟐=𝟏
𝒂 𝒃 𝒄
Cuádricas con centro
Es una figura geométrica generada por la
Elipsoide rotación de un disco ovalado o una
elipse en su eje mayor.
Esta superficie es el
equivalente a
una elipse en R3, la
cual se caracteriza por
tener ciertas trazas
circulares y elípticas
Cuádricas con centro
𝒙𝟐 𝒚𝟐 𝒛𝟐 Todos
Elipsoide 𝟐
+ 𝟐+ 𝟐=𝟏
𝒂 𝒃 𝒄 positivos
Gran Teatro
Cybertecture Egg
Nacional (Pekín,
(Mumbai, India)
China)
Cuádricas con centro
𝟐 𝟐 𝟐
Hiperboloide 𝒙 𝒚 𝒛 De los
± 𝟐 ± 𝟐 ± 𝟐 = 𝟏 coeficientes dos
de una hoja 𝒂 𝒃 𝒄
son positivos
El eje del hiperboloide corresponde a la variable
cuyo coeficiente es negativo
𝒙𝟐 𝒚𝟐 𝒛𝟐 𝒙𝟐
𝒚𝟐
𝒛 𝟐 𝒙𝟐 𝒚𝟐 𝒛𝟐
𝟐
+ 𝟐− 𝟐=𝟏 − 𝟐+ 𝟐=𝟏 − 𝟐+ 𝟐+ 𝟐=𝟏
𝒂 𝒃 𝒄 𝒂 𝟐 𝒃 𝒄 𝒂 𝒃 𝒄
Cuádricas con centro
𝒙𝟐 𝒚𝟐 𝒛𝟐
Hiperboloide 𝟐
+ 𝟐− 𝟐=𝟏 Trazas
𝒂 𝒃 𝒄
de una hoja Traza sobre el plano xy
Para obtener la traza sobre el plano xy, realizamos la intersección de la
superficie con el plano de ecuación z= 0.
𝒙𝟐 𝒚𝟐
𝒛=𝟎 𝟐
+ 𝟐=𝟏
𝒂 𝒃
Esta ecuación representa los puntos de
una elipse/circunferecia sobre el
plano de ecuación z = 0 (plano xy)
Cuádricas con centro
𝒙𝟐 𝒚𝟐 𝒛𝟐
Hiperboloide 𝟐
+ 𝟐− 𝟐=𝟏 Trazas
𝒂 𝒃 𝒄
de una hoja Traza sobre el plano xz
Para obtener la traza sobre el plano xz, realizamos la intersección de la
superficie con el plano de ecuación y = 0.
𝒙𝟐 𝒛𝟐
𝒚=𝟎 𝟐
− 𝟐=𝟏
𝒂 𝒄
Esta ecuación representa los puntos de
una hipérbola sobre el plano de
ecuación y = 0 (plano xz)
Cuádricas con centro
𝒙𝟐 𝒚𝟐 𝒛𝟐
Hiperboloide 𝟐
+ 𝟐− 𝟐=𝟏 Trazas
𝒂 𝒃 𝒄
de una hoja Traza sobre el plano yz
Para obtener la traza sobre el plano yz, realizamos la intersección de la
superficie con el plano de ecuación x = 0.
𝒚𝟐 𝒛𝟐
𝒙=𝟎 𝟐
− 𝟐=𝟏
𝒃 𝒄
Esta ecuación representa los puntos de
una hipérbola sobre el plano de
ecuación x = 0 (plano yz)
Hiperboloide
Cuádricas con centro
𝑥2 𝑧2
de una hoja Traza xz 𝑎 2
− 2=1
𝑐
Trazas
𝑥2 𝑦2
2
+ 2=1
𝑎 𝑏
Traza xy
𝑦2 𝑧2
2
− 2=1
𝑏 𝑐
Traza yz
Hiperboloide
Cuádricas con centro
de una hoja Ejemplos reales
Torres de refrigeración.
Cuádricas con centro
Hiperboloide
𝒙𝟐 𝒚𝟐 𝒛𝟐
de dos hojas ± 𝟐± 𝟐± 𝟐=𝟏
𝒂 𝒃 𝒄
De los coeficientes dos son negativos
El eje del hiperboloide corresponde a la
variable cuyo coeficiente es positivo
𝒙𝟐 𝒚𝟐 𝒛𝟐 𝒙𝟐 𝒚𝟐 𝒛𝟐 𝒙𝟐 𝒚𝟐 𝒛𝟐
𝟐
− 𝟐− 𝟐=𝟏 − 𝟐+ 𝟐− 𝟐=𝟏 − 𝟐− 𝟐+ 𝟐=𝟏
𝒂 𝒃 𝒄 𝒂 𝒃 𝒄 𝒂 𝒃 𝒄
Cuádricas con centro
Hiperboloide 𝒙𝟐 𝒚𝟐 𝒛𝟐
de dos hojas 𝟐
− 𝟐− 𝟐=𝟏 Trazas
𝒂 𝒃 𝒄
Traza sobre el plano xy
Para obtener la traza sobre el plano xy, realizamos la intersección de la
superficie con el plano de ecuación z= 0.
𝒙𝟐 𝒚𝟐
𝒛=𝟎 𝟐
− 𝟐=𝟏
𝒂 𝒃
Esta ecuación representa los puntos de
una hipérbola sobre el plano de
ecuación z = 0 (plano xy)
Cuádricas con centro
Hiperboloide 𝒙𝟐 𝒚𝟐 𝒛𝟐
de dos hojas 𝟐
− 𝟐− 𝟐=𝟏 Trazas
𝒂 𝒃 𝒄
Traza sobre el plano xz
Para obtener la traza sobre el plano xz, realizamos la intersección de la
superficie con el plano de ecuación y = 0.
𝒙𝟐 𝒛𝟐
𝒚=𝟎 𝟐
− 𝟐=𝟏
𝒂 𝒄
Esta ecuación representa los puntos de
una hipérbola sobre el plano de
ecuación y = 0 (plano xz)
Cuádricas con centro
Hiperboloide 𝒙𝟐 𝒚𝟐 𝒛𝟐
de dos hojas 𝟐
− 𝟐− 𝟐=𝟏 Trazas
𝒂 𝒃 𝒄
Traza sobre el plano yz
Para obtener la traza sobre el plano yz, realizamos la intersección de la
superficie con el plano de ecuación x = 0.
𝒚𝟐 𝒛𝟐
𝒙=𝟎 − 𝟐− 𝟐=𝟏
𝒃 𝒄
Valor no lógico: la suma de dos números
negativos es igual al número uno positivo.
Pero si se mueve un plano paralelo al plano
yz obtendremos una elipse o circunferencia
Cuádricas con centro
Hiperboloide
de dos hojas Traza xz Trazas
Traza xy
Paraboloide 𝒙𝟐 𝒚𝟐 Paraboloide
± 𝟐 ± 𝟐 = 𝒄𝒛
Elíptico 𝒂 𝒃
Hiperbólico
Los coeficientes cuadráticos
son positivos Uno de los coeficientes
cuadráticos es positivo y el
otro negativo
Cuádricas sin centro
Paraboloide
Es una figura geométrica generada por el
Elíptico desplazamiento de parábolas, si las
parábolas son iguales, el paraboloide
resulta ser de revolución y podría
generarse también mediante el giro de la
parábola alrededor de su eje.
Paraboloide
Cuádricas sin centro
𝒙𝟐 𝒚𝟐
Elíptico ± 𝟐 ± 𝟐 = 𝒄𝒛 Los coeficientes cuadráticos
𝒂 𝒃 son positivos
Para cada forma podemos tener dos variaciones,
según sea “c” positivo o negativo.
𝒙𝟐 𝒚𝟐 𝒙𝟐 𝒛𝟐 𝒚𝟐 𝒛𝟐
𝟐
+ 𝟐 = 𝒄𝒛 𝟐
+ 𝟐 = 𝒄𝒚 𝟐
+ 𝟐 = 𝒄𝒙
𝒂 𝒃 𝒂 𝒃 𝒂 𝒃
Cuádricas sin centro
Paraboloide 𝒙𝟐 𝒚𝟐
± ± = 𝒄𝒛 Los coeficientes
Elíptico 𝒂 𝒃 cuadráticos son positivo
Para cada forma podemos tener dos variaciones, según sea
𝟐 𝟐
“c” positivo o negativo.
𝒙 𝒚 𝒙𝟐 𝒛𝟐 𝒚 𝟐 𝒛𝟐
𝟐
+ 𝟐 = −𝒄𝒛 + 𝟐 = −𝒄𝒚 + 𝟐 = −𝒄𝒙
𝒂 𝒃 𝒂 𝟐 𝒃 𝒂 𝟐 𝒃
Cuádricas sin centro
Paraboloide 𝒙𝟐 𝒚𝟐
𝟐
+ 𝟐 = 𝒄𝒛 Trazas
Elíptico 𝒂 𝒃
Traza sobre el plano xy
Para obtener la traza sobre el plano xy, realizamos la intersección de la
superficie con el plano de ecuación z= 0.
𝒙𝟐 𝒚𝟐
𝒛=𝟎 + 𝟐=𝟎
𝒂 𝟐 𝒃
Esta ecuación representa un punto sobre
el plano de ecuación z = 0 (plano xy). Si
el plano se desplaza hacia z (Plano
paralelo al plano xy) positivo se tendrá
una elipse/circunferencia
Cuádricas sin centro
Paraboloide 𝒙𝟐 𝒚𝟐
+ = 𝒄𝒛 Trazas
Elíptico 𝒂 𝒃
Traza sobre el plano xz
Para obtener la traza sobre el plano xz, realizamos la intersección de la
superficie con el plano de ecuación y = 0.
𝒙𝟐
𝒚=𝟎 𝟐
= 𝒄𝒛
𝒂
Esta ecuación representa los puntos de
una parábola sobre el plano de
ecuación y = 0 (plano xz)
Cuádricas sin centro
Paraboloide 𝒙𝟐 𝒚𝟐
+ = 𝒄𝒛 Trazas
Elíptico 𝒂 𝒃
Traza sobre el plano yz
Para obtener la traza sobre el plano yz, realizamos la intersección de la
superficie con el plano de ecuación x = 0.
𝒚𝟐
𝒙=𝟎 𝟐
= 𝒄𝒛
𝒃
Esta ecuación representa los puntos de
una parábola sobre el plano de
ecuación x = 0 (plano yz)
Cuádricas sin centro
Paraboloide Trazas
Elíptico
Traza xz
Traza yz
Traza plano a xy
Traza xy
Cuádricas sin centro
Paraboloide Ejemplos reales
Elíptico
Cuádricas sin centro
Paraboloide Es una figura geométrica,
Hiperbólico una superficie, que en una
dirección tiene las secciones
en forma de parábola con los
lados hacia arriba y, en la
sección perpendicular, las
secciones son en forma de
parábola con los lados hacia
abajo.
Cuádricas sin centro
Paraboloide
𝒙𝟐 𝒚𝟐 Los coeficientes
Hiperbólico ± 𝟐 ± 𝟐 = 𝒄𝒛
𝒂 𝒃 cuadráticos son distintos
(uno positivo y el otro
negativo)
𝒙𝟐 𝒚𝟐 𝒙𝟐 𝒛𝟐 𝒚 𝟐
𝒛 𝟐
𝟐
− 𝟐 = 𝒄𝒛 − 𝟐 = 𝒄𝒚 − 𝟐 = 𝒄𝒙
𝒂 𝒃 𝒂 𝟐 𝒃 𝒂 𝟐 𝒃
Cuádricas sin centro
Paraboloide
Hiperbólico 𝒙𝟐 𝒚𝟐 Trazas
𝟐
− 𝟐 = 𝒄𝒛
𝒂 𝒃
Traza sobre el plano xy
Para obtener la traza sobre el plano xy, realizamos la intersección de la
superficie con el plano de ecuación z= 0.
𝒙𝟐 𝒚𝟐
𝒛=𝟎 𝟐
− 𝟐=𝟎
𝒂 𝒃
Esta ecuación representa rectas sobre
el plano de ecuación z=0 (Plano xy).
Cuando el plano es de ecuación z = k
(plano paralelo al plano xy) se
obtienen hipérbolas
Cuádricas sin centro
Paraboloide
Hiperbólico 𝒙𝟐 𝒚𝟐 Trazas
𝟐
− 𝟐 = 𝒄𝒛
𝒂 𝒃
Traza sobre el plano xz
Para obtener la traza sobre el plano xz, realizamos la intersección de la
superficie con el plano de ecuación y= 0.
𝒙𝟐
𝒚=𝟎 𝟐
= 𝒄𝒛
𝒂
Esta ecuación representa una parábola
sobre el plano y= 0 (plano xz)
Cuádricas sin centro
Paraboloide
Hiperbólico 𝒙𝟐 𝒚𝟐 Trazas
𝟐
− 𝟐 = 𝒄𝒛
𝒂 𝒃
Traza sobre el plano yz
Para obtener la traza sobre el plano yz, realizamos la intersección de la
superficie con el plano de ecuación x= 0.
𝒚𝟐
𝒙=𝟎 − 𝟐 = 𝒄𝒛
𝒃
Esta ecuación representa una parábola
sobre el plano x= 0 (plano yz)
Cuádricas sin centro
Paraboloide
Hiperbólico Trazas
Traza xz Traza yz
Traza xy
Cuádricas sin centro
Paraboloide
Hiperbólico Ejemplos reales
𝑛
VECTORES EN n DIMENSIONES ℝ
VECTORES EN n DIMENSIONES
En n dimensiones ℝ𝑛
Si n es un número entero positivo, ℝ𝑛 denota las n dimensiones, donde podemos denotar un vector de la
siguiente manera:
𝑎1
𝑎2 ¿Cómo interpretamos
𝑎ത = 𝑎3 ℝ𝑛 ?
⋮
𝑎𝑛
Este tipo de vectores es el más utilizado en Álgebra, ya que como veremos en la unidad 8 de Espacios
Vectoriales, se pueden expresar determinados objetos de esta forma, por ejemplo, el listado de precios en algún
comercio (panadería) como el que sigue:
Hemos puesto 6 ítems, con lo que n, en este caso es 6, pero un
𝑝𝑎𝑛 𝑓𝑟𝑎𝑛𝑐é𝑠 $30 automóvil podemos también, expresarlo como un vector con
𝑐𝑟𝑖𝑜𝑙𝑙𝑜𝑠 $25 alrededor de 1.700 ítems, o un edificio con alrededor de 500 ítems,
𝑚𝑒𝑑𝑖𝑎𝑙𝑢𝑛𝑎𝑠 $22
𝑃𝑟𝑒𝑐𝑖𝑜𝑠 = 𝑔𝑟𝑖𝑠𝑖𝑛𝑒𝑠 = con lo que, en el caso del automóvil, n será 1.700 y en el edificio será
$15
𝑓𝑎𝑐𝑡𝑢𝑟𝑎𝑠 $32 500.
𝑝𝑎𝑛 𝑚𝑖𝑔𝑛𝑜𝑛 $35 Como conclusión, diremos que todo el desarrollo que vimos, que lo
hicimos en ℝ2 𝑜 ℝ3 , será válido para ℝ𝑛
Definición
VECTORES EN n DIMENSIONES
Un vector de ℝ𝑛 es un conjunto ordenado de n números reales, los cuales son llamados componentes. Lo
denotaremos de la siguiente manera: 𝑣1
𝑣2
𝑣 = 𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 = 𝑣3
⋮
Igualdad de vectores 𝑣𝑛
Dos vectores 𝑣 = 𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 y 𝑢 = 𝑢1 , 𝑢2 , 𝑢3 , … , 𝑢𝑛 en ℝ𝑛 son iguales si:
𝑣1 = 𝑢1 , 𝑣2 = 𝑢2 , 𝑣3 = 𝑢3 , … , 𝑣𝑛 = 𝑢𝑛
Suma/Resta de vectores
La suma de dos vectores 𝑣 = 𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 y 𝑢 = 𝑢1 , 𝑢2 , 𝑢3 , … , 𝑢𝑛 en ℝ𝑛 se define por:
𝑣 + 𝑢 = (𝑣1 + 𝑢1 , 𝑣2 + 𝑢2 , 𝑣3 + 𝑢3 , … , 𝑣𝑛 + 𝑢𝑛 )
Propiedades
1) Uniforme: 𝑎 = 𝑎′ , 𝑏 = 𝑏′ ⇔ 𝑎 + 𝑏 = 𝑎′ + 𝑏′
2) Asociativa: 𝑎 + 𝑏 + 𝑐 = 𝑎 + (𝑏 + 𝑐)
3) Conmutativa: 𝑎 + 𝑏 = 𝑏 + 𝑎
4) Del cero: existe un único vector, llamado el cero 0 (0, 0, 0, …, 0) , que sumado con cualquier otro vector no lo altera: 0 +
𝑎 =𝑎+0=𝑎
5) Del opuesto: dado un vector 𝑎 (𝑎1 , 𝑎2 , 𝑎3 , … , 𝑎𝑛 ), existe uno opuesto −𝑎 (−𝑎1 , −𝑎2 , −𝑎3 , … , −𝑎𝑛 ) (es decir el opuesto de
un vector es aquel que tiene las componentes con los signos opuestos o contrarios) que sumado con aquel da por resultado el
vector cero: 𝑎 + −𝑎 = 0
VECTORES EN n DIMENSIONES
Ingeniería y vectores de ℝ𝑛
Volviendo al ejemplo de la panadería, supongamos que en la panadería hay el siguiente stock de productos:
𝑝𝑎𝑛 𝑓𝑟𝑎𝑛𝑐é𝑠 100 𝑝𝑎𝑛 𝑓𝑟𝑎𝑛𝑐é𝑠 50
𝑝𝑎𝑛 𝑚𝑖ñó𝑛 150 𝑝𝑎𝑛 𝑚𝑖ñó𝑛 100
𝑐𝑟𝑖𝑜𝑙𝑙𝑜𝑠 ℎ𝑜𝑗𝑎𝑙𝑑𝑟𝑒 260 𝑐𝑟𝑖𝑜𝑙𝑙𝑜𝑠 ℎ𝑜𝑗𝑎𝑙𝑑𝑟𝑒 60
𝑃1 = = e ingresa la siguiente mercadería: 𝑃2 = =
𝑐𝑟𝑖𝑜𝑙𝑙𝑜𝑠 𝑐𝑜𝑚𝑢𝑛𝑒𝑠 350 𝑐𝑟𝑖𝑜𝑙𝑙𝑜𝑠 𝑐𝑜𝑚𝑢𝑛𝑒𝑠 35
𝑓𝑎𝑐𝑡𝑢𝑟𝑎𝑠 230 𝑓𝑎𝑐𝑡𝑢𝑟𝑎𝑠 23
𝑚𝑒𝑑𝑖𝑎𝑙𝑢𝑛𝑎𝑠 525 𝑚𝑒𝑑𝑖𝑎𝑙𝑢𝑛𝑎𝑠 125
𝐴𝑚𝑥𝑛 𝑚≠𝑛
𝑛 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠
𝑛 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠
𝑉𝑒𝑟𝑡𝑖𝑐𝑎𝑙 𝐻𝑜𝑟𝑖𝑧𝑜𝑛𝑡𝑎𝑙
𝑀𝑎𝑦𝑜𝑟 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑀𝑎𝑦𝑜𝑟 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒
𝑓𝑖𝑙𝑎𝑠 𝑞𝑢𝑒 𝑑𝑒 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 𝑚 𝑓𝑖𝑙𝑎𝑠 𝑐𝑜𝑙𝑢𝑛𝑎𝑠 𝑞𝑢𝑒 𝑑𝑒 𝑓𝑖𝑙𝑎𝑠 𝑚 𝑓𝑖𝑙𝑎𝑠
𝑚>𝑛 𝑛>𝑚
Matriz Transpuesta
Matriz que tiene por filas y columnas, las columnas y filas de la matiz A en ese orden. Se simboliza 𝐴𝑡
𝐴𝑛𝑥𝑝 ⟹ 𝐴𝑡𝑝𝑥𝑛
Ejemplo
−1 2
−1 3 4
𝐴= 3 5 = 𝐴3𝑥2 𝐴𝑡 = = 𝐴2𝑥3
2 5 −2
4 −2
MATRICES
Matriz Cuadrada
Tiene igual número de filas y de columnas
𝐴𝑛𝑥𝑛
Matriz Diagonal
Todos los elementos son nulos menos los de la diagonal principal
𝐴𝑛𝑥𝑛 𝑒𝑠 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙 ⟺ 𝑝𝑎𝑟𝑎 𝑖 ≠ 𝑗 ; 𝑎𝑖𝑗 = 0
𝑎11 0 0 3 0 0 𝐷𝑒𝑓𝑖𝑛𝑖𝑚𝑜𝑠 𝑐𝑜𝑚𝑜 𝑻𝑹𝑨𝒁𝑨 𝑑𝑒 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑎 𝑙𝑎
𝐴= 0 𝑎22 0 𝑃𝑜𝑟 𝑒𝑗𝑒𝑚𝑝𝑙𝑜 𝐴 = 0 5 0 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 𝑙𝑎 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙
0 0 𝑎33 0 0 2 Σ𝑎𝑖𝑗 𝑝𝑎𝑟𝑎 𝑖 = 𝑗
Matriz Escalar
Matriz diagonal con los elementos de la diagonal principal todos iguales
𝛼 0 0 3 0 0
𝐴= 0 𝛼 0 𝑃𝑜𝑟 𝑒𝑗𝑒𝑚𝑝𝑙𝑜 𝐴 = 0 3 0
0 0 𝛼 0 0 3
MATRICES
Matriz Identidad
Matriz escalar donde los elementos de la diagonal principal son “1”
1 0 0
𝑎𝑖𝑗 = 1 𝑝𝑎𝑟𝑎 𝑖=𝑗 𝐴= 0 1 0
0 0 1
Matriz Simétrica
𝐴𝑛𝑥𝑛 𝑒𝑠 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎 𝑠𝑖 𝐴 = 𝐴𝑡
𝑎𝑖𝑗 = 𝑎𝑗𝑖 4 7 −4 4 7 −4
𝐴= 7 1 2 𝐴𝑡 = 7 1 2
𝐴 𝑒𝑠 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎 𝑠𝑖 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 𝑠𝑢 𝑡𝑟𝑎𝑛𝑠𝑝𝑢𝑒𝑡𝑎
−4 2 3 −4 2 3
𝐿𝑎 𝑠𝑖𝑚𝑒𝑡𝑟í𝑎 𝑒𝑠 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝑙𝑎 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙
Matriz Antisimétrica
𝑆𝑒 𝑑𝑒𝑛𝑜𝑡𝑎 0𝑚𝑥𝑛
MATRICES
Igualdad de Matrices
Dos matrices son iguales si tienen el mismo orden y sus elementos correspondientes son iguales
𝐸𝑛 𝑠í𝑚𝑏𝑜𝑙𝑜𝑠
𝐴𝑚𝑥𝑛 = 𝐵𝑚𝑥𝑛 ⟺ 𝑎𝑖𝑗 = 𝑏𝑖𝑗
1 − 𝐴𝑠𝑜𝑐𝑖𝑎𝑡𝑖𝑣𝑎 𝜆1 𝜆2 𝐴 = 𝜆1 𝜆2 𝐴
4 − 𝐸𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑛𝑒𝑢𝑡𝑟𝑜 𝑆𝑖 𝜆 = 1 ⟹ 𝜆𝐴 = 𝐴
MATRICES
Multiplicación de Matrices
Condición necesaria
El número de columnas de la matriz que premultiplica debe ser igual que el número de filas de la matriz que
postmultiplica
En símbolos
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑓𝑖𝑙𝑎𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝐴 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑓𝑖𝑙𝑎𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜
𝐴 𝑚 𝑥 𝑛 . 𝐵 𝑛 𝑥 𝑝 = 𝐶𝑚 𝑥 𝑝
𝐶𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠
𝑁𝑒𝑐𝑒𝑠𝑎𝑟𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝐵 = 𝑛ú𝑚𝑒𝑟𝑜
𝑑𝑒 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜
Ejemplo
2 1 1
1 2 0
𝐷𝑎𝑑𝑎𝑠 𝑙𝑎𝑠 𝑚𝑎𝑡𝑟𝑖𝑐𝑒𝑠 𝐴= 𝐵= 1 2 0 𝐸𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒 𝑜𝑏𝑡𝑒𝑛𝑒𝑟 𝐴 . 𝐵?
0 1 −2
−2 −2 1
𝑉𝑒𝑎𝑚𝑜𝑠 𝑠𝑖 𝑐𝑢𝑚𝑝𝑙𝑒 𝑙𝑎
𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑛𝑒𝑐𝑒𝑠𝑎𝑟𝑖𝑎
𝐴2 𝑥 3 . 𝐵3 𝑥 3 = 𝐶2 𝑥 3 La matriz producto 𝑪
estará constituida por
Siiiiii dos filas y tres columnas
MATRICES
Disposición Práctica
Para calcular el término cij del producto, se multiplica término a
𝑅𝑒𝑠𝑜𝑙𝑣𝑒𝑟𝑒𝑚𝑜𝑠 𝐴𝑚𝑥𝑛 . 𝐵𝑛𝑥𝑝 = 𝐶𝑚𝑥𝑝
término la fila “i” del primer factor por la columna “j” del segundo factor
Matriz que postmultiplica y se efectúan las sumas de dichos productos.
𝐵𝑛𝑥𝑝
𝐴𝑚𝑥𝑛 𝐶𝑚𝑥𝑝
Matriz que premultiplica Matriz Producto Cálculo de los elementos de la matriz C
Propiedades
No es conmutativa 𝐴 . 𝐵 ≠ 𝐵 . 𝐴 excepto A . 𝐴−1 = 𝐴−1 . 𝐴 = 𝐼
Asociativa 𝐴 . 𝐵 .𝐶 = 𝐴 .𝐵 .𝐶
Distributiva respecto a la suma de matrices 𝐴 . 𝐵 + 𝐶 = 𝐴 .𝐵 + 𝐴 .𝐶
A derecha 𝐴 + 𝐵 .𝐶 = 𝐴 .𝐶 + 𝐴 .𝐵
Elemento neutro 𝐴 .𝐼 = 𝐼 .𝐴 = 𝐴
Transpuesta del producto (𝐴 . 𝐵)𝑡 = 𝐵𝑡 . 𝐴𝑡
Asociativa para la multiplicación por escalar 𝜆 𝐴 . 𝐵 = 𝜆𝐴 . 𝐵
Multiplicación por la matriz nula 𝐴 .0 = 0 .𝐴 = 0
OPERACIONES ELEMENTALES
𝒆𝒊 𝒍 2 −1
𝒆𝟐 𝟑
2 −1
5 2 −3 0
Intercambiar fila ¨𝑖¨
con la fila ¨𝑙¨
−3 0 5 2
𝒆𝒊 (λ) 2 −1
𝒆𝟑 (−𝟏)
2 −1
5 2 5 2
Multiplicar fila ¨𝑖¨ −3 0 3 0
por escalar λ≠ 0
𝒆𝒊 𝒍(λ)
2 −1 2 −1
Sumar a la fila ¨𝑖¨, la fila 5 2 𝒆𝟐 𝟑 (𝟐) −1 2
¨𝑙¨ previamente −3 0 −3 0
multiplicada por un
escalar λ
1 5 0 0 4
0 0 1 0 −2 Matriz rectangular
0 0 0 1 2 horizontal 4x5
0 0 0 0 0
1 0 0 0 Filas linealmente
0 1 0 0 Matriz cuadrada
independientes
0 0 1 0 4x4
0 0 0 1 Matriz Identidad
1 0 0 −3 Filas linealmente
0 1 0 0 Matriz
dependientes
cuadrada
0 0 1 2 4x4
0 0 0 0
Matriz Reducida por Filas
Debe satisfacer las siguientes condiciones:
1 5 0 0 4
0 0 1 0 −2 Tiene forma escalonada , es decir, los primeros elementos no
0 0 0 1 2 nulos de una fila, se encuentran a la derecha de los de
cualquier fila anterior. A dichos elementos no nulos se los
0 0 0 0 0 denomina elementos conductores.
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
1 0 0 −3
0 1 0 0
0 0 1 2
0 0 0 0
Matriz Reducida por Filas
Debe satisfacer las siguientes condiciones:
1 5 0 0 4
0 0 1 0 −2 Tiene forma escalonada , es decir, los primeros elementos no
0 0 0 1 2 nulos de una fila, se encuentran a la derecha de los de
0 0 0 0 0 cualquier fila anterior. A dichos elementos no nulos se los
denomina elementos conductores.
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
1 0 0 −3
0 1 0 0
0 0 1 2
0 0 0 0
Matriz Reducida por Filas
Debe satisfacer las siguientes condiciones:
1 5 0 0 4
0 0 1 0 −2 Tiene forma escalonada , es decir, los primeros elementos no
0 0 0 1 2 nulos de una fila, se encuentran a la derecha de los de
cualquier fila anterior. A dichos elementos no nulos se los
0 0 0 0 0 denomina elementos conductores.
1 0 0 0
Los elementos conductores suelen hacerse
0 1 0 0 iguales a uno (para facilitar las operaciones).
0 0 1 0
0 0 0 1
1 0 0 −3
0 1 0 0
0 0 1 2
0 0 0 0
Matriz Reducida por Filas
Debe satisfacer las siguientes condiciones:
1 5 0 0 4
0 0 1 0 −2 Tiene forma escalonada , es decir, los primeros elementos no
0 0 0 1 2 nulos de una fila, se encuentran a la derecha de los de
cualquier fila anterior. A dichos elementos no nulos se los
0 0 0 0 0 denomina elementos conductores.
1 0 0 0
Los elementos conductores suelen hacerse
0 1 0 0 iguales a uno (para facilitar las operaciones).
0 0 1 0
0 0 0 1 En las columnas de los elementos
conductores, los restantes elementos
1 0 0 −3
son ceros.
0 1 0 0
0 0 1 2
0 0 0 0
Matriz Reducida por Filas
Debe satisfacer las siguientes condiciones:
1 5 0 0 4
0 0 1 0 −2 Tiene forma escalonada , es decir, los primeros elementos no
0 0 0 1 2 nulos de una fila, se encuentran a la derecha de los de
cualquier fila anterior. A dichos elementos no nulos se los
0 0 0 0 0 denomina elementos conductores.
1 0 0 0
Los elementos conductores suelen hacerse
0 1 0 0 iguales a uno (para facilitar las operaciones).
0 0 1 0
0 0 0 1 En las columnas de los elementos
conductores, los restantes elementos
1 0 0 −3
son ceros.
0 1 0 0
0 0 1 2 Las filas nulas (si existen),
0 0 0 0 están debajo de las no nulas.
Rango de una matriz
Es la cantidad de vectores fila/columna linealmente independientes.
Corresponde a la cantidad de filas no nulas de la matriz reducida por filas o escalonada
El rango de una matriz no cambia por aplicar operaciones elementales de filas sobre ella.
Matriz Elemental
Es una matriz cuadrada de orden 𝑛𝑥𝑛 que se obtiene realizando una operación elemental
en la matriz identidad
El producto de E. A es la misma matiz que resultaría de efectuar la misma operación sobre
las filas de la matriz A
Matrices Equivalentes por filas
Si la matriz C, se obtiene de la matriz A, mediante una sucesión finita de operaciones
elementales de fila se dice que C es equivalente por filas a A
Matriz Inversa
𝑈𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝐵 𝑒𝑠 𝑙𝑎 𝑖𝑛𝑣𝑒𝑟𝑠𝑎 𝑑𝑒 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑎 𝐴 𝑠𝑖
𝐴 . 𝐵 = 𝐼 ⟹ 𝐵 = 𝐴−1 𝑒𝑠 𝑙𝑎 𝑖𝑛𝑣𝑒𝑟𝑠𝑎 𝑑𝑒 𝐴
𝑦 𝑠𝑒 𝑐𝑢𝑚𝑝𝑙𝑒 𝑞𝑢𝑒 𝐴 . 𝐴−1 = 𝐴−1 . 𝐴 = 𝐼
Condición para su existencia
El determinante de la matriz A es distinto de cero
Los vectores fila de la matriz son linealmente independientes (filas no nulas)
Obtención de la matriz inversa mediante operaciones elementales
𝐴 𝐼
Se aplican operaciones elementales
hasta obtener la matriz reducida por 𝑒𝑖𝑗 ⋮
⋮
filas
𝐼 𝐴−1
1 0 1 0 1 0 3 𝒆𝟑𝟏(𝟏) 2 −1 −3 1 0 0 −1
2 −1 0 0 0 1 2 3 0 3 0 3 0 9
−5 1 0 −1 −3 0 −8 5 −1 0 1 3 0 8
1 0 1 0 1 0 3 𝒆 𝟏
𝟑(− ൗ𝟑)
−3 0 0 −1 −3 1 −6 FILA 3 + FILA 1 . (1)
−5 1 0 −1 −3 0 −8 2 −1 0 0 0 1 2
1 0 1 0
1ൗ
1 0 3 𝒆𝟏𝟑(𝟓) −5 1 0 −1 −3 0 −8
1 − 1ൗ3
1 0 0 3 2 −3 0 0 −1 −3 1 −6
0 1 0 2ൗ
3 2 − 5ൗ3 2 FILA 1 + FILA 3 . (5)
1 0 1 0 1 0 3 𝒆𝟐𝟑(−𝟏) −5 1 0 −1 −3 0 −8
1ൗ 1 5 5
1 0 0 3 1 − ൗ3 2 5 0 0 5 − 10
2ൗ 5 3 3
0 1 0 3 2 − ൗ3 2
−1ൗ 0 1ൗ 2 5
0 0 1 3 3 1 0 1 0 2 − 2
3 3
1 0 0 1ൗ
3 1 − ൗ3
1 2
1ൗ − 1ൗ3
1 0 0 3 1
2
0 1 0 2ൗ 2 −5ൗ
3 3 2
0 0 1 −1ൗ
3 0 1ൗ
3 1
Matriz Inversa
Justificación del método
Se pueden encontrar matrices elementales, tales que
𝐸𝑘 … 𝐸2 𝐸1 𝐴 = 𝐼𝑛 𝐿𝑎 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑚𝑎𝑡𝑟𝑖𝑐𝑒𝑠 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠 𝑒𝑛 𝑜𝑟𝑑𝑒𝑛 𝑖𝑛𝑣𝑒𝑟𝑠𝑜 𝑝𝑜𝑟 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝐴 𝑒𝑠
𝑖𝑔𝑢𝑎𝑙 𝑎 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑖𝑑𝑒𝑛𝑡𝑖𝑑𝑎𝑑
𝐸𝑘 … 𝐸2 𝐸1 𝐴𝐴−1 = 𝐼𝑛 𝐴−1 𝑃𝑜𝑠𝑡𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑛𝑑𝑜 𝑝𝑜𝑟 𝑙𝑎 𝑖𝑛𝑣𝑒𝑟𝑠𝑎 𝑑𝑒 𝐴
𝐸𝑘 … 𝐸2 𝐸1 𝐼 = 𝐴−1
Propiedades
1 − 𝐴 . 𝐴−1 = 𝐴−1 . 𝐴 = 𝐼
2 − (𝐴 . 𝐵)−1 = 𝐵−1 . 𝐴−1
3 − 𝐴 𝑛 = 𝐴 .𝐴 .𝐴 …𝐴 𝑛 𝑣𝑒𝑐𝑒𝑠 ⟹ (𝐴−1 )𝑛 = 𝐴−1 . 𝐴−1 . 𝐴−1 … 𝐴−1 𝑛 𝑣𝑒𝑐𝑒𝑠
4 − (𝐴−1 )−1 = 𝐴
det(𝑨) ≠ 𝟎 det(𝑨) = 𝟎
Matriz regular: Matriz Singular:
“A” tiene “n” vectores fila/columna “A” tiene algún vector fila/columna que es
Linealmente Independientes combinación lineal de los otros, existe dependencia
lineal
El rango de la matriz será 𝑅(𝐴) = 𝑛 El rango de la matriz será 𝑅(𝐴) < n
DETERMINANTES
𝑎11 𝑎12
det (A) , det 𝑎
21 𝑎22 o 𝐴
Condición: en cada producto haya siempre un elemento de cada fila y uno de cada columna,
anteponiendo a cada uno de estos productos el signo más (+) o el signo menos (-) según las permutaciones
que indican las filas y las columnas sean de clase par o impar respectivamente.
Número de
Permutación Clasificación
inversiones
(1, 2, 3) 0 Par
(1, 3, 2) 1 Impar
Permutaciones de {1, 2, 3} : (2, 1, 3) 1 Impar
(2, 3, 1) 2 Par
(3, 1, 2) 2 Par
(3, 2, 1) 1 Impar
EJEMPLO: MATRIZ CUADRADA DE SEGUNDO ORDEN
𝑎11 𝑎12
𝐴 = 𝑎 = 𝑎11 𝑎22
21 𝑎22
EJEMPLO: MATRIZ CUADRADA DE SEGUNDO ORDEN
𝑎11 𝑎12
𝐴 = 𝑎 = 𝑎11 𝑎22 𝑎12 𝑎21
21 𝑎22
EJEMPLO: MATRIZ CUADRADA DE SEGUNDO ORDEN
𝑎11 𝑎12
𝐴 = 𝑎 = 𝑎11 𝑎22 𝑎12 𝑎21
21 𝑎22
Producto elemental Permutación asociada Par o impar Producto elemental con signo
𝑎11 𝑎22 (1, 2) Par
EJEMPLO: MATRIZ CUADRADA DE SEGUNDO ORDEN
𝑎11 𝑎12
𝐴 = 𝑎 = 𝑎11 𝑎22 𝑎12 𝑎21
21 𝑎22
Producto elemental Permutación asociada Par o impar Producto elemental con signo
𝑎11 𝑎22 (1, 2) Par 𝑎11 𝑎22
EJEMPLO: MATRIZ CUADRADA DE SEGUNDO ORDEN
𝑎11 𝑎12
𝐴 = 𝑎 = 𝑎11 𝑎22 𝑎12 𝑎21
21 𝑎22
Producto elemental Permutación asociada Par o impar Producto elemental con signo
𝑎11 𝑎22 (1, 2) Par 𝑎11 𝑎22
𝑎11 𝑎12
𝐴 = 𝑎 = 𝑎11 𝑎22 𝑎12 𝑎21
21 𝑎22
Producto elemental Permutación asociada Par o impar Producto elemental con signo
𝑎11 𝑎22 𝑎33 (1, 2, 3) Par 𝑎11 𝑎22 𝑎33
EJEMPLO: MATRIZ CUADRADA DE TERCER ORDEN
Producto elemental Permutación asociada Par o impar Producto elemental con signo
𝑎11 𝑎22 𝑎33 (1, 2, 3) Par 𝑎11 𝑎22 𝑎33
𝑎11 𝑎23 𝑎32 (1, 3, 2) Impar − 𝑎11 𝑎23 𝑎32
EJEMPLO: MATRIZ CUADRADA DE TERCER ORDEN
Producto elemental Permutación asociada Par o impar Producto elemental con signo
𝑎11 𝑎22 𝑎33 (1, 2, 3) Par 𝑎11 𝑎22 𝑎33
𝑎11 𝑎23 𝑎32 (1, 3, 2) Impar − 𝑎11 𝑎23 𝑎32
𝑎12 𝑎21 𝑎33 (2, 1, 3) Impar − 𝑎12 𝑎21 𝑎33
EJEMPLO: MATRIZ CUADRADA DE TERCER ORDEN
Producto elemental Permutación asociada Par o impar Producto elemental con signo
𝑎11 𝑎22 𝑎33 (1, 2, 3) Par 𝑎11 𝑎22 𝑎33
𝑎11 𝑎23 𝑎32 (1, 3, 2) Impar − 𝑎11 𝑎23 𝑎32
𝑎12 𝑎21 𝑎33 (2, 1, 3) Impar − 𝑎12 𝑎21 𝑎33
𝑎12 𝑎23 𝑎31 (2, 3, 1) Par 𝑎12 𝑎23 𝑎31
EJEMPLO: MATRIZ CUADRADA DE TERCER ORDEN
Producto elemental Permutación asociada Par o impar Producto elemental con signo
𝑎11 𝑎22 𝑎33 (1, 2, 3) Par 𝑎11 𝑎22 𝑎33
𝑎11 𝑎23 𝑎32 (1, 3, 2) Impar − 𝑎11 𝑎23 𝑎32
𝑎12 𝑎21 𝑎33 (2, 1, 3) Impar − 𝑎12 𝑎21 𝑎33
𝑎12 𝑎23 𝑎31 (2, 3, 1) Par 𝑎12 𝑎23 𝑎31
𝑎13 𝑎21 𝑎32 (3, 1, 2) Par 𝑎13 𝑎21 𝑎32
EJEMPLO: MATRIZ CUADRADA DE TERCER ORDEN
Producto elemental Permutación asociada Par o impar Producto elemental con signo
𝑎11 𝑎22 𝑎33 (1, 2, 3) Par 𝑎11 𝑎22 𝑎33
𝑎11 𝑎23 𝑎32 (1, 3, 2) Impar − 𝑎11 𝑎23 𝑎32
𝑎12 𝑎21 𝑎33 (2, 1, 3) Impar − 𝑎12 𝑎21 𝑎33
𝑎12 𝑎23 𝑎31 (2, 3, 1) Par 𝑎12 𝑎23 𝑎31
𝑎13 𝑎21 𝑎32 (3, 1, 2) Par 𝑎13 𝑎21 𝑎32
𝑎13 𝑎22 𝑎31 (3, 2, 1) Impar − 𝑎13 𝑎22 𝑎31
EJEMPLO: MATRIZ CUADRADA DE TERCER ORDEN
Producto elemental Permutación asociada Par o impar Producto elemental con signo
𝑎11 𝑎22 𝑎33 (1, 2, 3) Par 𝑎11 𝑎22 𝑎33
𝑎11 𝑎23 𝑎32 (1, 3, 2) Impar − 𝑎11 𝑎23 𝑎32
𝑎12 𝑎21 𝑎33 (2, 1, 3) Impar − 𝑎12 𝑎21 𝑎33
𝑎12 𝑎23 𝑎31 (2, 3, 1) Par 𝑎12 𝑎23 𝑎31
𝑎13 𝑎FLORENCIA
21 𝑎32MURATORE (3, 1, 2) Par 𝑎13 𝑎21 𝑎32
𝑎13 𝑎22 𝑎31 (3, 2, 1) Impar − 𝑎13 𝑎22 𝑎31
MATRIZ CUADRADA DE CUARTO ORDEN
(3 x 3) n=3 n = 3 3.2.1 = 6
(4 x 4) n=4 n = 4 = 4.3.2.1 = 24
2 −1 1 + - +
𝐴 = 3 4 −2 = 2 . (−1)1+1 4 −2 + −1 . −1 1+2 3 −2
+ 1 . (−1)1+3 3 4
1 −3 5 −3 5 1 5 1 −3
𝐴 = 2 . 1 4 . 5 − −3 −2 + −1 −1 3 . 5 − 1 −2 + 1 . 1 3 . −3 − 1 . 4 =
= 28 + 17 − 13
𝑨 = 𝟑𝟐
Determinación de la Matriz inversa por medio de la Matriz Adjunta
𝑆𝑒𝑎 𝐴𝑛𝑥𝑛 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑎 𝑑𝑒 𝑜𝑟𝑑𝑒𝑛 𝑛 𝑦 𝑟𝑒𝑔𝑢𝑙𝑎𝑟, 𝑜 𝑠𝑒𝑎 𝐴 ≠ 0
Procedimiento
1 − 𝐴 𝑝𝑎𝑟𝑡𝑖𝑟 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝐴 𝑎𝑟𝑚𝑎𝑟 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑐𝑜𝑓𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝐴 − 𝐶𝐴
2 − 𝑇𝑟𝑎𝑛𝑠𝑝𝑜𝑛𝑖𝑒𝑛𝑑𝑜 𝐶𝐴 𝑜𝑏𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝐶𝐴𝑡 𝑞𝑢𝑒 𝑒𝑠 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑎𝑑𝑗𝑢𝑛𝑡𝑎 𝑑𝑒 𝐴 − 𝐴𝑑𝑗 (𝐴)
3 − 𝑀𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑛𝑑𝑜 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝐴 𝑝𝑜𝑟 𝑠𝑢 𝑎𝑑𝑗𝑢𝑛𝑡𝑎, 𝑜𝑏𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑒𝑠𝑐𝑎𝑙𝑎𝑟 𝑑𝑜𝑛𝑑𝑒 𝑙𝑎
𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙 𝑒𝑠𝑡á 𝑐𝑜𝑛𝑠𝑡𝑖𝑡𝑢𝑖𝑑𝑎 𝑝𝑜𝑟 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒𝑙 𝐴
𝐴 0 0
𝐴 . 𝐴−1 . 𝐴𝑑𝑗 𝐴 Pos multiplicando
𝐴 . 𝐴𝑑𝑗 𝐴 = 0 𝐴 0 = 𝐼 . 𝐴−1 por 𝐴−1
𝐴
0 0 𝐴 𝑨𝒅𝒋 𝑨
𝐴 . 𝐴𝑑𝑗 𝐴 = 𝐴 . 𝐼 = 𝑨−𝟏
𝑨
Dividiendo ambos miembros por 𝐴 La inversa de una matriz cuadrada cuyo
𝐴 . 𝐴𝑑𝑗 𝐴 𝐴 .𝐼 determinante es regular se obtiene
= multiplicando el reciproco del determinante de
𝐴 𝐴
la matriz A por la adjunta de A
Determinación de la Matriz inversa por medio de la Matriz Adjunta
Veamos un ejemplo 2 1 −2
Encontrar la matriz inversa de A 𝐴= 0 1 2
1 2 3 −1 0
𝐴11 = (−1)1+1 =2
−1 0
0 2 2 6 −3 2 2 4
𝐴12 = (−1)1+2 =6
3 0 𝐶𝐴 = 2 6 5 𝐴𝑑𝑗 𝐴 = 𝐶𝐴𝑡 = 6 6 −4
0 1 4 −4 2 −3 5 2
𝐴13 = (−1)1+3 = −3
3 −1
1 −2 2 1 −2
𝐴21 = (−1)2+1 =2
−1 0 𝐶𝑎𝑙𝑐𝑢𝑙𝑎𝑚𝑜𝑠 𝑒𝑙 det 𝐴 𝐴 = 0 1 2 = 6 + 6 + 4 = 16
2 −2 3 −1 0
𝐴22 = (−1)2+2 =6
3 0
2 1 2 2 4 2 2 4 𝟏 𝟏 𝟏
𝐴23 = (−1)2+3 =5
3 −1 6 6 −4 16 16 16 𝟖 𝟖 𝟒
1 −2 6 6 4 𝟑 𝟑 𝟏
𝐴31 = (−1)3+1 =4 𝐴−1 = −3 5 2 =
− = −
1 2 16 16 16 16 𝟖 𝟖 𝟒
2 −2 3 5 2 𝟑 𝟓 𝟏
𝐴32 = (−1)3+2 = −4 − −
0 2 16 16 16 𝟏𝟔 𝟏𝟔 𝟖
2 1
𝐴33 = (−1)3+3 =2
0 1
Propiedades de los determinantes
1ª Propiedad: “Si se permutan filas por columnas ó columnas por filas de una
matriz, los correspondientes determinantes son iguales”.
2ª Propiedad: “Si se permutan dos filas (o dos columnas) de una matriz, los
correspondientes determinantes son opuestos”, es decir, tienen el mismo valor
absoluto pero distinto signo.
Consecuencia de la segundad propiedad: “El determinante de toda matriz que
tenga dos filas (o dos columnas) idénticas es nulo”.
3ª Propiedad: “Si se multiplican todos los elementos de una línea de una matriz por
un mismo número , el determinante correspondiente queda multiplicado por ”.
Consecuencia de la tercera propiedad: “El determinante de una matriz es nulo si
los elementos de una línea son proporcionales a los correspondientes de otra
paralela a ella”.
Propiedades de los determinantes
4ª Propiedad: “Si una línea de una matriz es el vector nulo, su determinante es
nulo”. En efecto, según la 3ª propiedad, separando como factor común del
determinante, el elemento nulo, resultaría:
0 . A = 0
5ª Propiedad: “Si los elementos de una línea de una matriz son polinomios de “m”
términos, puede descomponerse el determinante correspondiente en suma de “m”
determinantes , que tienen las mismas restantes líneas y en lugar de aquella, la
formada por los primeros sumandos, por los segundos, . . . . . . , y por los m-ésimos
respectivamente”.
Consecuencia de la quinta propiedad: “El determinante de una matriz no
varía sí a una línea se le suma una combinación lineal de otra o de otras”.
Propiedades de los determinantes
6ª Propiedad: “Si una matriz es triangular, entonces el determinante asociado es
igual al producto de los elementos de la diagonal”.
7ª Propiedad: “El determinante de un producto de matrices es igual al producto de
sus determinantes”.
A. B A . B
8ª Propiedad: “El determinante de una matriz es el recíproco del determinante de la
inversa de la matriz ”.
1 −1
1
𝐴 = −1 → 𝐴 =
𝐴 𝐴
Método de Chío
• Matrices de orden igual o mayor que 3
En función de la consecuencia de la quinta propiedad, al
resolver en cada paso se reduce el orden del determinante
de la matriz hasta llegar a un total de 2 orden
Veamos un ejemplo
Encuentre el determinante de la matriz A
1 2 −1 2
3 0 1 5
𝐴=
1 −2 0 3
−2 −4 1 6
1 2 −1 2 0 4 −1 −1
𝑒13 (−1)
3 0 1 5 0 6 1 −4
𝐴 =
1 −2 0 3 𝑒23 (−3) 𝐴 =
1 −2 0 3
−2 −4 1 6 𝑒43 (2) 0 −8 1 12
Pivote 1
Desarrollando por cofactores
4 −1 −1 𝑒12 (1) 10 0 −5
1+3 𝐴 = 1 6 1 −4
𝐴 = −1 6 1 −4 𝑒32 (−1)
−8 1 12 −14 0 16
Pivote 2
Desarrollando nuevamente por cofactores
2+2 10 −5
𝐴 = −1 .1 = 1.1 10 . 16 − [ −5 . −14 ሿ = 1 .1 160 − 70 = 90
−14 16
Método de Triangulación
• Matrices de orden igual o mayor que 3
𝑆𝑖 𝑙𝑎𝑠 𝑚𝑎𝑡𝑟𝑖𝑐𝑒𝑠 𝑠𝑜𝑛 𝑒𝑞𝑢𝑖𝑣𝑎𝑙𝑒𝑛𝑡𝑒𝑠 𝑝𝑜𝑟 𝑓𝑖𝑙𝑎𝑠 (𝑠𝑒 𝑝𝑢𝑒𝑑𝑒 𝑜𝑏𝑡𝑒𝑛𝑒𝑟 𝑢𝑛𝑎 𝑎 𝑡𝑟𝑎𝑣é𝑠 𝑑𝑒 𝑢𝑛𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑓𝑖𝑛𝑖𝑡𝑎 𝑑𝑒 𝑜𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠
𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠 𝑎 𝑝𝑎𝑟𝑡𝑖𝑟 𝑑𝑒 𝑙𝑎 𝑝𝑟𝑖𝑚𝑒𝑟𝑎) 𝑙𝑜𝑠 𝑠𝑖𝑠𝑡𝑒𝑚𝑎𝑠 𝑑𝑒 𝑒𝑐𝑢𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑡𝑖𝑒𝑛𝑒𝑛 𝑒𝑙 𝑚𝑖𝑠𝑚𝑜 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛.
𝑃𝑎𝑟𝑎 𝑠𝑎𝑏𝑒𝑟 𝑠𝑖 𝑢𝑛 𝑆𝐸𝐿 𝑡𝑖𝑒𝑛𝑒 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛, 𝑟𝑒𝑐𝑢𝑟𝑟𝑖𝑚𝑜𝑠 𝑎𝑙 𝑇𝑒𝑜𝑟𝑒𝑚𝑎 𝑑𝑒 𝑅𝑜𝑢𝑐ℎ𝑒 − 𝐹𝑟𝑜𝑏𝑒𝑛𝑖𝑢𝑠, 𝑞𝑢𝑒 𝑑𝑖𝑐𝑒:
Este método se puede aplicar a cualquier tipo de SEL, cuadrado, rectangular, homogéneo y no
homogéneo
Pasos a realizar:
1- Escribir la matriz ampliada/coeficientes
3- A partir de la matriz reducida por filas escribir el sistema resolvente (sin los términos nulos ni las
ecuaciones nulas)
𝐼 . 𝑋 = 𝐴−1 . 𝐵
𝑆𝑖 𝑒𝑥𝑖𝑠𝑡𝑒 𝐴−1 ⟹ 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜
𝑆𝑖 𝑛𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝐴−1 ⟹ 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 𝐼𝑛𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜 𝑿 = 𝑨−𝟏 . 𝑩
𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐼𝑛𝑐𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒
Sistemas de Ecuaciones Lineales (SEL)
Ejemplo
𝑺 = 𝒙𝟏 ; 𝒙𝟐 = (𝟏 ; 𝟐)
Sistemas de Ecuaciones Lineales (SEL)
4- Método de Cramer
Este método se puede aplicar a SEL cuadrado, homogéneo y no homogéneo Compatible Determinado
3 1 2 3 𝑥1 1
𝑥1 = 6 5 = 1 𝑥2 = 1 6 =1 𝑥2 =
1 𝑺 = 𝒙𝟏 ; 𝒙𝟐 = (𝟏 ; 𝟏)
9 9
Ejemplo 2
𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝑑𝑒 𝐸𝑐𝑢𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑐𝑖ó𝑛 𝑀𝑎𝑡𝑟𝑖𝑧 Vemos que
2𝑥1 + 𝑥2 = 3 𝑅𝑒𝑔𝑢𝑙𝑎𝑟 𝑟 𝐴 ≠ 𝑟 𝐴′
4𝑥1 + 2𝑥2 = 5 2 1
𝑑𝑒𝑡 =0
4 2
3 1 2 3
5 2 1
𝑥2 = 4 5 = −2 ⟹ 𝑺𝒊𝒔𝒕𝒆𝒎𝒂 𝑰𝒏𝒄𝒐𝒎𝒑𝒂𝒕𝒊𝒃𝒍𝒆
𝑥1 = =
0 0 0 0
Sistemas de Ecuaciones Lineales (SEL)
Ejemplo 3
3 1 2 3
0 6 =0 ⟹ 𝑺𝒊𝒔𝒕𝒆𝒎𝒂 𝑪𝒐𝒎𝒑𝒂𝒕𝒊𝒃𝒍𝒆 𝑰𝒏𝒅𝒆𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒅𝒐
𝑥1 = 6 2 = 𝑥2 = 4
0 0 0 0
Matrices, polinomios,
funciones
continuas, vectores, números
(estructuras algebraicas)
Espacios Vectoriales
1 SUMA
Si “u” y “v” ∈ “V” entonces u+v ∈V
Ley de composición interna LCI
2 CONMUTATIVA Ley de cerradura para la suma vectorial
Combinación Lineal
Interpretación a la ingeniería
Combinación lineal
Podemos pensar en elementos que se obtengan a partir de la participación de otros, y así acercarnos al
concepto de combinación lineal. Podemos pensar que un auto es combinación lineal de chapa, pintura,
vidrios, plásticos, motor, etc; un edificio, como combinación lineal de hormigón, ladrillos, arena,
cemento, etc, el dulce de leche como combinación lineal de leche y azúcar, la mayonesa como
combinación lineal de aceite y huevos; en general, a cualquier elemento se lo puede interpretar como
combinación lineal de las partes que lo componen, donde los coeficientes son las cantidades con que
intervienen. Podemos generalizar que cualquier plato de comida es una combinación lineal de sus
ingredientes.
7
Espacios Vectoriales
DEFINICIONES
Conjunto Generador
Base
Dado un espacio vectorial V y un conjunto de vectores
𝑆 = 𝑣1 , 𝑣2 , . . . , 𝑣𝑛 de dicho espacio vectorial, diremos que S es base del
espacio vectorial V si se cumple que
S es Linealmente Independiente
S genera a V
Recordemos que los vectores de la base S serán linealmente independientes si se pueden
expresar como 0= 𝑎1 𝑣1 + 𝑎2 𝑣2 + … + 𝑎𝑛 𝑣𝑛 𝑠𝑖𝑒𝑛𝑑𝑜 𝑙𝑜𝑠 𝑒𝑠𝑐𝑎𝑙𝑎𝑟𝑒𝑠 𝑎𝑖 = 0
Espacios Vectoriales
DEFINICIONES
Base
Todo conjunto de “n” vectores linealmente independientes en R n genera
a Rn ; por lo tanto:
Todo conjunto de “n” vectores linealmente independientes en Rn es una
base de Rn”.
Espacios Vectoriales
DEFINICIONES
Base
En Rn se define un conjunto 𝑆 = 𝑒1 , 𝑒2 , . . . , 𝑒𝑛 ; siendo:
𝑒1 = (1, 0, 0, . . . , 0) ; 𝑒2 = (0, 1, 0, . . . , 0) ; 𝑒𝑛 = (0, 0, 0, . . . ,1)
Siendo 𝑒1 , 𝑒2 , . . . , 𝑒𝑛 linealmente independientes.
Además cualquier vector “v” en Rn se puede expresar como combinación lineal, o
sea: v = 𝑘1 𝑒1 + 𝑘2 𝑒2 + . . . + 𝑘n 𝑒𝑛 ∴ “S” genera a Rn y ∴ “S” es una base para Rn
𝑅 2 𝑆 = 𝑒1 , 𝑒2 𝑒1 = (1,0) 𝑒2 = (0,1)
3
𝑅 𝑆 = 𝑒1 , 𝑒2 , 𝑒3 𝑒1 = (1,0,0) 𝑒2 = (0,1,0) 𝑒3 = (0,0,1)
Dimensión
Si S = v1, v2, . . . . , vn es una base para un espacio vectorial “V”, entonces todo
conjunto con más de “n” vectores es “Linealmente Dependiente”.
Si S = v1, v2, . . . . , vr es un conjunto “Linealmente Independiente” en un espacio
“V” de dimensión “n” y “ r n ”, entonces se puede agrandar “S” hasta formar una
base para “V” , es decir, existen los vectores vr+1, vr+2, . . . . , vn tales que v1, v2, . . .
. , vr, vr+1, vr+2, . . . . ,vn es una base para “V”.
Espacios Vectoriales
Interpretación a la ingeniería
Dependencia e independencia lineal
Un conjunto de elementos es linealmente independiente (LI), si ninguno de ellos se puede obtener a partir de los demás. Por el contrario,
si algún elemento del conjunto se puede obtener a partir de los otros, ese conjunto de elementos es linealmente dependiente (LD).
Por ejemplo: 𝐴 = 𝑎𝑧ú𝑐𝑎𝑟 ; 𝑙𝑒𝑐ℎ𝑒 , es LI, pero 𝐵 = 𝑎𝑧ú𝑐𝑎𝑟 ; 𝑙𝑒𝑐ℎ𝑒 ; 𝑑𝑢𝑙𝑐𝑒 𝑑𝑒 𝑙𝑒𝑐ℎ𝑒 es LD, ya que el dulce de leche se puede obtener
a partir de azúcar y leche. Lo mismo ocurre con este caso:𝐴 = ℎ𝑢𝑒𝑣𝑜𝑠 , 𝑎𝑐𝑒𝑖𝑡𝑒 es LI, pero 𝐵 = ℎ𝑢𝑒𝑣𝑜𝑠 , 𝑎𝑐𝑒𝑖𝑡𝑒 , 𝑚𝑎𝑦𝑜𝑛𝑒𝑠𝑎 es LD
Conjunto generador
Un conjunto de elementos A constituye un conjunto generador de otro conjunto V, si cualquier elemento de V se puede expresar como
combinación lineal de los elementos de A.
Así podemos pensar que el conjunto A de ingredientes de una empresa de autos es el depósito, donde están todos los materiales para
armar un auto, es un conjunto generador del conjunto de autos producidos V que arma dicha empresa.
Este concepto podemos trasladarlo a una empresa constructora. Así el conjunto de elementos que trabaja en un depósito de materiales de
construcción, constituye un conjunto generador de los departamentos o casas que ofrece esa empresa.
Si por ejemplo se pide un auto o una casa que no estuviesen disponibles, quiere decir que el conjunto de materiales con el que se está
trabajando, no es un conjunto generador.
Base
Definimos Base como un conjunto LI y que genera el espacio vectorial. Podemos decir que para que un conjunto de materiales sea una
base, debe permitir generar todos los productos que lleguemos a producir, pero además no debe haber elementos que se puedan obtener a
partir de otros.
14
Espacios
ESPACIOS RENGLONES (FILAS) Y O COLUMNAS/
Vectoriales ESPACIOS VECTORIALES MATRICIALES
𝑎11 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛 Son espacios vectoriales asociados con matrices
𝐴= ⋮ ⋮ ⋱ ⋮ Se utilizan para hallar vectores que constituyan una
𝑎m1 𝑎m2 … 𝑎mn base
𝑟1 = (𝑎11 𝑎12 … 𝑎1𝑛 ) Espacio renglones (filas)
𝑟2 = (𝑎21 𝑎22 … 𝑎2𝑛 ) “m” vectores Es el subespacio R n
generado
filas
𝑟𝑚 = (𝑎m1 𝑎m2 … 𝑎m𝑛 ) por los “m” vectores fila de A
“n” elementos
2 1 0
EJEMPLO 𝐴=
3 −1 4
Observaciones
Las operaciones elementales sobre renglones no
cambian el espacio de renglones de una matriz.
Podemos determinar la matriz escalonada donde los
vectores fila de dicha matriz distintos de cero
constituyen una base para el espacio de renglones
de A
Espacios Vectoriales
ESPACIOS RENGLONES (FILAS) Y O COLUMNAS/ ESPACIOS VECTORIALES
MATRICIALES
Los renglones y columnas podemos escribirlos en forma vertical y horizontal
respectivamente por lo que el espacio de columnas de A es igual al espacio de
renglones de 𝐴𝑡
𝒕
Espacio de columnas de A = Espacio de renglones de 𝑨
2 3
EJEMPLO 2 1 0 3 vectores columna 𝑡
𝐴 = 1 −1 3 vectores fila
𝐴=
3 −1 4 con 2 elementos
0 4
con 2 elementos
Espacio de columnas de A Espacio de renglones de 𝐴𝑡
𝑅2 𝑅2
Si “A” es una matriz cualquiera, entonces el espacio de renglones y el espacio
de columnas de “A” tienen la misma dimensión.
A es invertible
det (A) ≠ 0
𝐴. 𝑥 = 0 y 𝐴. 𝑥 = 𝑏 tienen
solución
Espacios Vectoriales
RELACIÓN ENTRE CONCEPTO DE BASE Y COORDENADAS
El punto “P” tiene por coordenadas (𝑎; 𝑏)
𝑃(𝑎; 𝑏)
Considerando los vectores unitarios 𝑖 ҧ y 𝑗 ҧ
𝑏𝑗 ҧ
perpendiculares entre si y con un mismo punto de origen
obtenemos los vectores 𝑎𝑖 ҧ y 𝑏𝑗 ҧ de modo que
𝑗ҧ
𝑂 𝑖ҧ 𝑎𝑖 ҧ 𝑂𝑃 = 𝑎𝑖 ҧ + 𝑏𝑗 ҧ
𝑢ത = 𝑐1 𝑣1 + 𝑐2 𝑣2 + 𝑐3 𝑣3 + ⋯ + 𝑐𝑛 𝑣𝑛
Es la expresión del vector 𝑢ത en función de la base “S”
𝑣ഥ ∈ 𝑉 Demostraremos que:
𝑣ҧ 𝐵´ = 𝑃 𝑣ҧ 𝐵
𝐵: 𝐵𝑎𝑠𝑒 𝐼𝑛𝑖𝑐𝑖𝑎𝑙 𝐵´: 𝐵𝑎𝑠𝑒 𝑁𝑢𝑒𝑣𝑎
𝑣ҧ 𝐵 𝑣ҧ 𝐵´ P: 𝐵→ 𝐵’
P es la matriz de transición de B a B’
Cuál es la
relación entre
ambas?
Espacios Vectoriales
Cambio de Base – Matriz de transición
Sean: 𝐵 = 𝑢ത1 , 𝑢ത 2 𝐵𝑎𝑠𝑒 𝐼𝑛𝑖𝑐𝑖𝑎𝑙 𝐵′ = 𝑤
ഥ1 , 𝑤
ഥ2 𝐵𝑎𝑠𝑒 𝑁𝑢𝑒𝑣𝑎
𝑉
Matriz de coordenadas de 𝑣ҧ en
𝑘1
𝑣ҧ 𝐵 = 𝑘
relación a la base inicial B 2 𝑢ത1 = 𝑎𝑤
ഥ 1 + b𝑤
ഥ2
𝑣ҧ = 𝑘1 𝑢ത1 + 𝑘2 𝑢ത 2 𝑢ത 2 = 𝑐 𝑤
ഥ1 + 𝑑 𝑤
ഥ2
𝑣ҧ = 𝑘1 (𝑎𝑤 ഥ 2 ) +𝑘2 (𝑐 𝑤
ഥ 1 + b𝑤 ഥ1 + 𝑑 𝑤
ഥ2 )
Vector ̅ expresado en función de los
vectores de la nueva base 𝐵’
Espacios Vectoriales
Cambio de Base – Matriz de transición
𝑣ҧ = 𝑘1 (𝑎𝑤 ഥ 2 ) +𝑘2 (𝑐 𝑤
ഥ 1 + b𝑤 ഥ1 + 𝑑 𝑤
ഥ2 )
Reagrupando 𝑣ҧ = 𝑘1 𝑎 + 𝑘2 𝑐 𝑤
ഥ1 + 𝑘1 𝑏 + 𝑘2 𝑑 𝑤
ഥ2
𝑘1 𝑎 + 𝑘2 𝑐 𝑎 𝑐 𝑘1
Entonces 𝑣ҧ 𝐵´ = 𝑘 𝑏 + 𝑘 𝑑 = 𝑏 𝑑 𝑘2
1 2
𝑷 𝑣ҧ 𝐵
P: 𝐵→ 𝐵’
P: Matriz de Transición de la
base B a la base B’
Espacios Vectoriales
Cambio de Base – Matriz de transición
𝑎 𝑐
𝑃=
𝑏 𝑑
Son las coordenadas de los vectores de la base inicial respecto a la nueva base
𝑎 𝑐
𝑢ത1 𝐵´ = 𝑢ത 2 𝐵´ =
𝑏 𝑑
Partimos de 𝑣ҧ 𝐵´ = 𝑃 𝑣ҧ 𝐵 P: 𝐵→ 𝐵’
−1 −1
Premultiplicando por 𝑃 −1
𝑃 𝑣ҧ 𝐵´ = 𝑃 𝑃 𝑣ҧ 𝐵
−1
𝑣ҧ 𝐵 = 𝑃 𝑣ҧ 𝐵´
−1
𝑃 −1
: 𝐵’→ 𝐵 𝑄 = 𝑃
Espacios Vectoriales
Cambio de Base – Matriz de transición
Resumiendo:
−1
∀𝑣ҧ se tiene 𝑣ҧ 𝐵´ = 𝑃 𝑣ҧ 𝐵 y 𝑣ҧ 𝐵 =𝑃 𝑣ҧ 𝐵´
𝑃es invertible
𝑃 es la matriz de transición de la base B a la base
B’
−1
𝑃 es la matriz de transición de la base B’ a la base
B
Espacios Vectoriales
Interpretación a la ingeniería
Cambio de base
Cambiar la base en una empresa, significa cambiar los materiales, pero cumpliendo con las condiciones de
base, o sea poder generar todos los productos sin repetir elementos, por ejemplo, cuando en un vehículo se
hace una mejora en el cambio de modelo (agregan GPS, EDB, etc).
Estas son simplemente algunas ideas para desestructurar un poco la estructura de espacio vectorial y
algunos conceptos vinculados a ella.
Podemos pensar en otros ejemplos.
Si una empresa trabaja con un conjunto de empleados que es una base, quiere decir que trabaja con la
cantidad mínima necesaria para poder generar el conjunto de tareas que realiza la empresa. Si el conjunto de
empleados es un conjunto generador, pero no es LI, es decir que no es base, quiere decir que hay tareas que
se superponen, sobra gente.
29
APLICACIONES O
TRANSFORMACIONES LINEALES
TRANSFORMACIONES LINEALES
V F W Estudiaremos ahora las funciones con valor vectorial de una variable
vectorial, es decir, funciones que tienen la forma w = F(v), en donde
𝑣1 la variable independiente “v” y la variable dependiente “w”, son
𝑤1 vectores.
𝑣2
𝑤2
Si “V” y “W” son espacios vectoriales y “F” ó “T” es una función que
𝑣3 𝑤3 asocia un vector único en “W” con cada vector en “V”, se dice que
“F” ó “T” aplica o mapea “V” en “W” y ello se escribe como:F: V W.
Imagen Además, si “F” ó “T” asocia el vector w al vector v, se escribe w =
Codominio F(v) y se dice que w es la imagen de v bajo “F”.
Dominio
Definición:
Si la expresión F:VW es una función del espacio vectorial “V” hacia el espacio vectorial “W”, entonces “F” es una
transformación lineal si se cumple:
1- F(u + v) = F(u) + F(v) para todos los vectores u y v V;
2- F(ku) = kF(u) para todos los vectores u en V y todos los escalares “k”.
TRANSFORMACIONES LINEALES
Transformación Matricial
Sea “A” una matriz de orden m x n. Si se utiliza la notación matricial para vectores en Rm y Rn, entonces es posible definir
una función T:RnRm por medio de:
T(x) = Ax
Aplicando las propiedades de la multiplicación de matrices, se obtiene:
A(u + v) = Au + Av , y , A(ku) = k (Au)
Transformación Cero
Sean “V” y “W” dos espacios vectoriales cualesquiera. La aplicación T:VW tal que T(v) = 0 para todo vector “v” que
pertenece al espacio vectorial “V” es una transformación lineal que se conoce como transformación cero. A fin de ver que
“T” es lineal, obsérvese que:
T(u + v) = 0 ; T(u) = 0 ; T(v) = 0 ; y T(ku) = 0
Por lo tanto,
T(u + v) = T(u) + T(v) ; y ; T(ku) = kT(u)
Transformación Identidad
Sea “V” cualquier espacio vectorial. La aplicación T:VV definida por “T(v) = v” se conoce como transformación identidad
sobre “V”.
Si T:VV es una transformación lineal de un espacio vectorial “V” en sí mismo, entonces “T” es un operador lineal sobre
“V”.
Sea “V” cualquier espacio vectorial y “k” cualquier escalar fijo. La función “T: VV” definida por: T(v) = kv es un
operador lineal sobre “V”.
TRANSFORMACIONES LINEALES
Núcleo
Si la expresión T:VW representa una transformación lineal, entonces el conjunto de vectores en “V” (conjunto de salida) que
“T” aplica hacia 0 (cero) se conoce como núcleo, kernel o espacio nulo de “T”.
ker(T) = x tal que Ax = 0
V T W El núcleo es el espacio solución del sistema homogéneo, que siempre es
compatible
Otra manera distinta de definir el núcleo, es: “Dados los espacios
vectoriales “V” y “W” y sea F:VW una aplicación lineal. El conjunto
0 de elementos “v” que pertenecen al espacio vectorial “V”, tales que
F(v) = 0w, se conoce como núcleo, kernel o espacio nulo de F.”
Imagen o Recorrido Vemos que el núcleo pertenece al espacio vectorial de salida.
Si la expresión T: V W representa una transformación lineal, entonces el conjunto de todos los vectores en “W” que son
imágenes bajo “T” de al menos algún vector que pertenece a “V”, se conoce como imagen o recorrido de “T”.
V T W
R(T) = b tal que Ax = b es compatible
Imagen: sistema no homogéneo que será compatible si “b” está en
el espacio de columnas de la matriz A
0
TRANSFORMACIONES LINEALES
Propiedades de las transformaciones lineales.
1- T(0) = 0
2- T(-v) = -T(v) para todos los vectores “v V”.
3- T(v – w) = T(v) – T(w) para todos los vectores “v” y “w” que pertenecen a “V”.
4- El núcleo de “T” es un subespacio de “V”
5- El recorrido de “T” es un subespacio de “W”
6- La dimensión del recorrido de “T” se conoce como “rango de T”
7- La dimensión del núcleo, se denomina “nulidad de T”
Teorema de la Dimensión
Si la expresión T:VW es una transformación lineal desde un espacio vectorial “V” con una dimensión “ n ” hacia un espacio
vectorial “W”, entonces:
(rango de T) + (nulidad de T) = n
Teorema
Si “A” es una matriz de orden “m x n”, entonces la dimensión del espacio de soluciones de AX = 0 es:
Nulidad de T = n – rango de A
TRANSFORMACIONES LINEALES
Ejemplo:
Dado el siguiente sistema de ecuaciones lineales homogéneo:
2𝑥1 + 2𝑥2 − 𝑥3 + ⋯ + 𝑥5 = 0 el cual se puede resolver a través de las operaciones elementales
−𝑥1 − 𝑥2 + 2𝑥3 − 3𝑥4 + 𝑥5 = 0 por filas (Método de Gauss-Jordan), resulta
𝑥1 + 𝑥2 − 2𝑥3 + ⋯ − 𝑥5 = 0
… … … … … 𝑥3 + 𝑥4 + 𝑥5 = 0
2 2 −1 0 1 4 1 1 0 0 1 3 1𝑥1 + 1𝑥2 + 1𝑥5 = 0 ⇒ 𝑥1 = −𝑥2 − 𝑥5
−1 −1 2 −3 1 −2 0 0 1 0 1 2 1𝑥3 + 1𝑥5 = 0 ⇒ 𝑥3 = −𝑥5
⇒ ⇒
1 1 −2 0 −1 −1 0 0 0 1 0 1
1𝑥4 = 0 ⇒ 𝑥4 = 0
0 0 1 1 1 3 0 0 0 0 0 0
y haciendo x2 = s y x5 = t , resulta el conjunto solución: lo que demuestra que los vectores:
𝑥1 −𝑥2 − 𝑥5 −𝑠 − 𝑡 −1 −1 −1 −1
𝑥2 𝑥2 𝑠 1 0 1 0
𝑥 = 𝑥3 = −𝑥5 = −𝑡 = 0 𝑠 + −1 𝑡 𝑣1 = 0 ; 𝑣2 = −1
𝑥4 𝑥4 0 0 0 0 0
𝑥5 𝑥5 𝑡 0 1 0 1
generan el espacio de soluciones. Como estos vectores son linealmente independientes, el conjunto {𝑣1 , 𝑣2 } es una base y el
espacio de soluciones es bidimensional. Este espacio de soluciones del sistema homogéneo analizado (Ax = 0) constituye el
núcleo de la transformación. (El núcleo es el “espacio de soluciones” del sistema homogéneo).
TRANSFORMACIONES LINEALES
Dijimos también que el conjunto solución tiene dos vectores, es decir que es bidimensional, por lo tanto, la dimensión del núcleo
es dos (2) y por ende la nulidad de la transformación es dos (2). (Recordar que la dimensión del núcleo se denomina “nulidad”).
Debido a que la matriz de los coeficientes del sistema analizado tiene cinco (5) columnas (5 incógnitas) n = 5 ; por el teorema
que expresa:
Rango de T + Nulidad de T = nº de columnas del sistema ó número de columnas de “A”
y además:
rango de T = rango de A entonces tendremos:
rango de A = 5 – 2 rango de A = 3 lo que también se puede observar en la matriz reducida por filas,
la cual posee tres (3) filas no nulas rango de A = 3
TRANSFORMACIONES LINEALES
Transformaciones lineales de Rn hacia Rm
S = {v1, v2, . . . . , vn} Base para V T: V W es una transformación lineal
Si conocemos las imágenes de los vectores base T(v1), T(v2), . . . . , T(vn), podemos conocer la imagen T(v) de cualquier vector
v = k1v1 + k2v2 + . . . . + knvn [T(k1v1 + k2v2 + . . . . + knvn) = k1T(v1) + k2 T(v2) + . . . . + kn T(vn)]
T(v) = k1 T(v1) + k2 T(v2) + . . . . + kn T(vn) Una transformación lineal, está completamente determinada por sus “valores”
en una base
Ejemplo:
Consideremos la base S = {v1, v2, v3} para ℝ3, donde: v1 = (1; 1; 1) ; v2 = (1; 1; 0) ; v3 = (1; 0; 0) y sea T: ℝ3ℝ2 una
transformación lineal tal que: T(v1) = (1; 0) ; T(v2) = (2; -1) ; T(v3) = (4; 3)
encontrar T(2 ; -3 ; 5) es decir nos piden hallar la imagen [T(v)] del vector (2 ; -3 ; 5).
Solución:
Lo primero que encontraremos será el vector v = (2 ; -3 ; 5) como combinación lineal de los vectores de la base, o sea de v1, v2 y v3.
v = k1v1 + k2v2 + k3v3 (2 ; -3 ; 5) = k1 (1; 1; 1) + k2 (1; 1; 0) + k3 (1; 0; 0)
𝑘1 = 5 (2 ; -3 ; 5) = 5 v1 – 8 v2 + 5 v3
1𝑘1 + 1𝑘2 + 1𝑘3 = 2 de donde tendremos:
1𝑘1 + 1𝑘2 + 0𝑘3 = −3 Resolviendo resulta ⇒ 𝑘2 = −8
𝑘3 = 5 T(2 ; -3 ; 5) = 5 Tv1 – 8 Tv2 + 5 Tv3
1𝑘1 + 0𝑘2 + 0𝑘3 = 5
T(2 ; -3 ; 5) = 5 (1, 0) – 8 (2; -1) + 5 (4; 3) T(2 ; -3 ; 5) = (9; 23)
TRANSFORMACIONES LINEALES
Matriz estándar de la transformación
Podemos demostrar que toda transformación lineal de ℝn hacia ℝm, es una transformación matricial.
Concretamente, si la transformación T: ℝn ℝm es cualquier transformación lineal, entonces es posible encontrar una matriz “A”
de orden m x n, tal que dicha transformación “T” sea la multiplicación por la matriz “A”.
Vamos a verificar esto y para ello sea: e1, e2, . . . . , en la base estándar para ℝn y supóngase que “A” es la matriz de orden “m x
n” que tiene a:
T(e1), T(e2), . . . . , T(en) como sus vectores columnas.
Por ejemplo, si la transformación T: ℝ2 ℝ2 está dada por:
𝑥1 𝑥 + 2𝑥2 1 1 0 2 1 2
𝑇 𝑥 = 1 entonces: 𝑇 𝑒1 = 𝑇 = 𝑦 𝑇 𝑒2 = 𝑇 = 𝐴=
2 𝑥1 − 𝑥2 0 1 1 −1 1 −1
Y de forma más general, si: T(e1) T(e2)
𝑎11 𝑎12 𝑎1𝑛 𝑎11 𝑎12 … 𝑎1𝑛
𝑎 𝑎 𝑎 𝑎21 𝑎22 … 𝑎2𝑛
𝑇(𝑒1 ) = 21 ; 𝑇(𝑒2 ) = 22 ; … ; 𝑇(𝑒𝑛 ) = 2𝑛 entonces es: 𝐴= ⋮
⋮ ⋮ ⋮ ⋮ ⋱ ⋮
𝑎𝑚1 𝑎𝑚2 𝑎𝑚𝑛 𝑎m1 𝑎m2 … 𝑎mn
T(e1) T(e2) T(en)
Se puede demostrar entonces que la transformación lineal T: ℝn ℝm es la multiplicación por “A”.
TRANSFORMACIONES LINEALES
𝑥1
Para ello, obsérvese que si: 𝑥2
𝑥 = ⋮ = 𝑥1 𝑒1 + 𝑥2 𝑒2 + ⋯ + 𝑥𝑛 𝑒𝑛
𝑥𝑛
Por lo tanto, por la linealidad de la transformación “T”, tendremos: T(X) = x1 T(e1) + x2 T(e2) + . . . . . + xn T(en) (1)
𝑎11 𝑎12 … 𝑎1𝑛 𝑥1 𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛
Por otra parte:
𝑎21 𝑎22 … 𝑎2𝑛 𝑥2 𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛
𝐴𝑥 = ⋮ ⋮ ⋱ ⋮ ⋮ = ⋮ =
𝑎m1 𝑎m2 … 𝑎mn 𝑥𝑛 𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛
𝑎11 𝑎12 𝑎1𝑛
𝑎 𝑎 𝑎
= 𝑥1 21 + 𝑥2 22 + ⋯ + 𝑥𝑛 2𝑛 = 𝑥1 𝑇 𝑒1 + 𝑥2 𝑇 𝑒2 + ⋯ + 𝑥𝑛 𝑇 𝑒𝑛 (2)
⋮ ⋮ ⋮
𝑎𝑚1 𝑎𝑚2 𝑎𝑚𝑛
Si se comparan las expresiones (1) y (2), se llega a la conclusión de que T(X) = Ax , es decir, la transformación “T” es la
multiplicación por la matriz “A”.
“A” se la llama “matriz estándar” para la transformación “T”
Como conclusión, podemos decir que: “la matriz estándar para una transformación matricial es
la propia matriz de la transformación”.
TRANSFORMACIONES LINEALES
Transformaciones lineales en el plano (T:R2R2)
a b
Sea T:R2R2 una transformación lineal en el plano y A es la matriz estándar para
dicha transformación “T”, entonces: c d
x a b x ax by
T .
y c d y cx dy
Podemos interpretar a los elementos de la matriz como componentes de los vectores o como
coordenadas
y y
(x , y) (x , y)
x x
TRANSFORMACIONES LINEALES
Movimientos en el plano
1- Reflexiones
Se definen respecto a cualquier recta en el plano. La transformación lineal aplica como un
espejo respecto de la recta. Hay simetría
(-x , y) (x , y) (x , y)
x
x (x , -y) x
TRANSFORMACIONES LINEALES
2- Rotaciones
Si T:R2R2 es una transformación matricial y 𝜎 es un ángulo fijo de modo que 𝑇 (x) = 𝐴x
Siendo la matriz estándar
σ Operador de rotación
1 0
0° 0 1
2 2
2 2
45° 2 2
2 2
0 1
90° 1 0
1 0
180° 0 1
0 1
270° 1 0
TRANSFORMACIONES LINEALES
3- Expansiones y compresiones
3-a- En la dirección del eje x
Se producen cuando a la coordenada “x” de cada punto en el plano se la multiplica por una
constante 𝒌 > 𝟎
y y y
(1/2 x , y) (x , y) (2x , y)
x x x
Compresión 𝟎 < 𝒌 < 𝟏 Figura Inicial Dilatación/Expansión
k= 𝟏/𝟐 𝒌 > 𝟏 k= 2
Matriz estándar
TRANSFORMACIONES LINEALES
3-b- En la dirección del eje y
Se producen cuando a la coordenada “y” de cada punto en el plano se la multiplica por una
constante 𝒌 > 𝟎
y y y
(x , 2y)
(x , y)
(x , ½ y)
x x x
Compresión 𝟎 < 𝒌 < 𝟏 Figura Inicial Dilatación/Expansió
k= 𝟏/𝟐 n 𝒌 > 𝟏 k= 2
Matriz estándar
TRANSFORMACIONES LINEALES
4- Deslizamientos cortantes o cizallamientos
4-a- En dirección del eje x
Se producen cuando se mueve cada punto (x; y) del plano paralelo al eje x en una cantidad
“ky” hacia una nueva posición (x+ky; y) siendo k una constante.
y y y
(x+k , y) (x , y) (x+k , y)
x x x
𝒌<0 Figura Inicial 𝒌 >0
Los puntos sobre el eje x no se mueven pues y = 0 Los puntos más lejanos al eje x se
mueven más que los más cercanos
x x ky 1 1 0 k 1 k
T ( x) T ; T MT
y y 0 0 1 1 0 1
TRANSFORMACIONES LINEALES
4-b- En dirección del eje y
Se producen cuando se mueve cada punto (x; y) del plano paralelo al eje y en una cantidad
“kx” hacia una nueva posición (x; y)+kx siendo k una constante.
y y y
(x , y+k)
(x , y)
(x , y+k)
x x x
𝒌<0 Figura Inicial 𝒌 >0
Los puntos sobre el eje y no se mueven pues x = 0 Los puntos más lejanos al eje y se
mueven más que los más cercanos
x x 1 1 0 0 1 0
T ( y) T 0 k ; T 1 1 MT
y y kx k 1
TRANSFORMACIONES LINEALES
Observaciones:
1- La multiplicación por la matriz identidad de orden 2 por 2 aplica cada punto en sí mismo.
A esta transformación se la denomina transformación identidad.
2- Si se efectúan en sucesión un número muy grande, pero finito, de transformaciones
lineales de Rn a Rn, entonces es posible obtener el mismo resultado mediante una sola
transformación matricial.
Hallar una transformación matricial de R2 hacia R2 que primero lleve a cabo un
deslizamiento cortante en un factor de 2 en la dirección de “x” ; y a continuación, realice una
reflexión respecto a la recta “y = x”
1 2
La matriz estándar para el deslizamiento cortante es: A1
0 1
0 1
y para la reflexión es: A2
1 0
de modo que la matriz estándar para el deslizamiento cortante seguido por la reflexión es:
0 1 1 2 0 1
A2 . A1
1 0 0 1 1 2
TRANSFORMACIONES LINEALES
Transformaciones inversas
Sea T:R2R2 la multiplicación por una matriz invertible “A” y supóngase que la
transformación “T” aplica el punto (x, y) hacia el punto (x' ,y'). Entonces:
x x ' x ' x
1
A. ; A .
y y ' y ' y
A partir de estas ecuaciones se deduce que si la multiplicación por “A” aplica (x, y) hacia (x',
y'), entonces la multiplicación por “A-1 regresa (x', y') hacia su posición original (x, y). Es por
esta razón que se dice que la multiplicación por “A” y la multiplicación por “A-1 son
transformaciones inversas.
Ejemplo:
Si T:R2R2 comprime al plano en ½ en dirección del eje y para regresar cada punto a su
posición original se debe dilatar el plano un factor 2 en dirección del eje y
1 0
Entonces: A comprime en dirección del eje y
0 1/ 2
1 1 0
A expande en dirección del eje y
0 2
TRANSFORMACIONES LINEALES
Matrices de las transformaciones lineales
A[x]B = [T(x)]B'
Cálculo Directo
x T(x) 1- Calcular la matriz de coordenadas [x]B ;
2- Multiplicar [x]B desde la izquierda por la matriz “A” , para
producir [T(x)]B'
Multiplíquese por A 3- Reconstruir T(x), a partir de su matriz de coordenadas
[x]B [T(x)]B' [T(x)]B'
Supóngase que “V” es un espacio de “n” dimensión con base B = {u1, u2, . . . , un} y que W es
un espacio de “m” dimensión con base B' = {v1, v2, . . . , vm} a 11
1 a11 a12 . . . . . a1n 1 a 11 a
a11 a12 . . . . . a1n 0 a a 22 . . . . . a 2n 0 a 21
a 21 21
21 a 22 . . . . . a 2n [u1 ]B = 0 de modo que: A.[u1 ]B = . . . . . . . . . 0 . . = [T(u1 )]B'
A= . . . . . . . . . . . . . . . . . . . .
0 a m1 a m2 . . . . . a mn 0 a m1 a m1
. . . . . . . .
a m1 a m2 . . . . . a mn 0 a11 a12 . . . . . a1n 0 a12 a12
1 a a 22 . . . . . a 2n 1 a a
A[u1]B = [T(u1)]B 21 22 22
[u 2 ]B = 0 de modo que: A.[u 2 ]B = . . . . . . . . . 0 . . = [T(u 2 )]B'
.
A[u2]B = [T(u2)]B' . . . . . . . . . . .
0 a m1 a m2 . . . . . a mn 0 a m2 a m2
La matriz única “A” que se obtiene de esta manera Matriz de T con respecto a las bases B
se conoce como matriz de la transformación “T” y B' A = [ [T(u1)]B' ¦[T(u2)]B' ¦. . . . . .
con respecto a las bases B y B'. ¦[T(un)]B' ]
TRANSFORMACIONES LINEALES
En una Empresa autopartista que fabrica cables para abastecer a una terminal de producción de automotores, se desea conocer la
cantidad, en metros, de cable y de terminales, en unidades, necesarios para poder producir las partes solicitadas por la terminal
automotriz, según el siguiente programa mensual de producción de dicha terminal:
Modelo Estándar 4x2 Estándar 6x2 Base 4x2
Las cantidades utilizadas de cables y terminales por unidad son las siguientes:
Estándar 4x2 Estándar 6x2 Base 4x2
Cable (mt) 28 92 48
Terminales (un) 200 250 150
Solución
Tenemos una transformación lineal de ℝ3→ ℝ2, porque conocemos la producción de vehículos (vector x de ℝ3), las cantidades
utilizadas (ley, matriz A) y debemos determinar cuántos metros de cable y cuantas unidades de terminales debo comprar para
poder llevar a cabo la producción (vector de ℝ2), entonces Vector
50 transformado
58 92 48 58 . 50 + 92 . 500 + 48 . 1.000 96.900
𝑇 𝑥 = 𝐴𝑥 = 500 = = que nos dice
200 250 150 200 . 50 + 250 . 500 + 150 . 1.000 285.000 cuánto de
1.000 cada insumo
necesitamos
Matriz A, también Vector x, cantidad de cable Combinación lineal
llamada matriz de por unidad a producir, es el entre cantidades Para llevar a cabo dicha producción solicitada
insumo-producto, ya que que necesitamos unitarias por producto por la terminal automotriz, debo comprar
me dice la cantidad de transformar para saber cuál y cantidad de
insumos necesarios para va a ser nuestra necesidad producto para lograr 96.900 metros de cable y 285.000 unidades de
elaborar cada producto de cada uno la necesidad total terminales.
TRANSFORMACIONES LINEALES
Semejanza (similaridad)
Teorema:
Sea la expresión T: VV un operador lineal sobre un espacio vectorial de dimensión finita
“V”. Si “A” es la matriz de la transformación “T” con respecto a una base “B”, y “A' ” es la
matriz de la misma transformación “T” con respecto a una base “B' ”, entonces:
A' = P-1.A.P
en donde “P” es la matriz de transición de la base B' hacia la base B.
Del análisis de lo desarrollado, obtenemos la siguiente conclusión: “Si “A” y “B” son matrices
cuadradas, se dice que la matriz “B” es semejante a la matriz “A”, si existe una matriz
inversible “P”, tal que:
B = P-1.A.P
Nótese que la ecuación B = P-1.A.P se puede escribir también como: A = P.B.P-1 o bien,
como:
A = (P-1)-1.B.P-1
Si ahora hacemos: Q = P-1 , se obtiene: A = Q-1.B.Q con lo que se afirma que la matriz “A”
es semejante a la matriz “B”.
Por lo tanto, la matriz “B” es semejante a la matriz “A” sí y sólo sí, la matriz “A” es semejante
a la matriz “B”. En general, simplemente diremos que las matrices “A” y “B” son semejantes.
Con ésta terminología, se afirma que dos matrices que representan el mismo operador lineal
( T:VV ) con respecto a bases diferentes son semejantes.
AUTOVALORES Y AUTOVECTORES
AUTOVALORES Y AUTOVECTORES
Definición
Sea 𝑇:𝑉 → 𝑉 una transformación lineal
𝐴. 𝑣 = 𝜆. 𝑣
1 6 6 3
Sean 𝐴 = ,𝑢 = 𝑦𝑣= , 𝑠𝑜𝑛 𝑢 𝑦 𝑣 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑝𝑟𝑜𝑝𝑖𝑜𝑠 𝑑𝑒 𝐴?
5 2 −5 −2
Solución:
1 6 6 −24 6
𝐴𝑢 = = = −4 = −4𝑢
5 2 −5 20 −5
1 6 3 −9 3
𝐴𝑣 = = ≠𝜆
5 2 −2 11 −2
𝐴 𝑣 = 𝜆.𝐼 𝑣
𝐴 𝑣 − 𝜆.𝐼 𝑣 = 0
3 2 3 1 2 2 2
Para 2 = 1 1
1 1
1 1
2 2 x1 0 2 x 2 x2 0 2 x 2 x2 x1 x2
1 1 . x 0 1 1
2 1x1 1x2 0 x1 1 x2 x1 x2
x x - t 1
x 1 2 si x2 t x t 1 t u 2 = 1 , 1
x2 x2
Para cada valor de “t” obtenemos los infinitos autovectores asociados a 2.
AUTOVALORES Y AUTOVECTORES
Para terminar con el ejemplo
Para cada valor “t” tenemos infinitos autovectores asociados a 1 = 2 𝑦 2 = 1 Los
infinitos autovectores forman un autoespacio asociado a un autovalor
Propiedades
1- Una matriz simétrica tiene todos sus valores propios reales
2- Los valores propios de una matriz son los recíprocos de los valores propios de la
matriz inversa
3- Cuando el valor propio es cero, el vector correspondiente es el vector nulo
4- Los valores propios de una matriz son iguales a los de la matriz transpuesta
5- Los valores propios de una matriz triangular son los elementos de la diagonal
principal
6- Si una matriz se multiplica por una constante, los valor propios resultaran
multiplicados por dicha contante, pero los vectores propios no cambian.
7- Los vectores propios de autoespacios diferentes de una matriz simétrica son
siempre ortogonales entre si.
8- La suma de los valores propios de una matriz cualquiera es igual a la traza (valor
de la suma de los elementos de la diagonal principal) de dicha matriz
DIAGONALIZACIÓN
¿Por qué nos interesa diagonalizar una matriz?
Porque facilita cálculos como por ejemplo la potenciación
Definición
Se dice que una matriz cuadrada es diagonalizable si existe una matriz cuadrada P
tal que
Las matrices A y D son semejantes o similares “A” puede reducirse a una forma
diagonal “D” mediante un cambio de base
DIAGONALIZACIÓN
Teorema
Si A es una matriz de n x n entonces las siguientes proposiciones son equivalentes
1- A es diagonalizable
2- A tiene “n” autovectores linealmente independientes
Demostración
Suponemos que A es diagonalizable, entonces por definición:
𝑃-1𝐴 𝑃 = D
Premultiplicando por P
𝑃 𝑃-1𝐴 𝑃 = 𝑃 D ⇒ 𝐴 𝑃 = 𝑃 D
Partimos de
p11 p12 . . . . . . p1n 1 0 ...... 0 1 p11 2 p12 . . . . . . n p1n
p
21 p 22 . . . . . . p 2n 0 2 . . . . . . 0 1 p 21 2 p22 . . . . . . n p 2n
AP .
. ...... . . .
. ...... . .
. ...... .
= [𝜆1𝑃1 𝜆2𝑃2 … 𝜆n𝑃n ]
. . ...... . . . ...... . . . ...... .
p n1 p n2 . . . . . . p nn 0 0 ...... n 1 p n1 2 p n 2 . . . . . . n p nn
Además
DIAGONALIZACIÓN
𝐴𝑃1 = 𝜆1 𝑃1 𝜆1 ; 𝜆2 ; … ; 𝜆𝑛 𝑠𝑜𝑛 𝑙𝑜𝑠 𝑎𝑢𝑡𝑜𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝐴
𝐴𝑃2 = 𝜆2 𝑃2
Como 𝐴 𝑃 = P 𝐷 entonces … … …
𝑃1 ; 𝑃2 ; … ; 𝑃𝑛 𝑠𝑜𝑛 𝑙𝑜𝑠 𝑎𝑢𝑡𝑜𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 A
𝐴𝑃n= 𝜆𝑛𝑃n
correspondientes a cada 𝜆
Una matriz 𝐴𝜖𝑅 𝑛𝑥𝑛 es diagonalizable si tiene “n” vectores propios LI. Siendo los
elementos de la diagonal principal de la matriz D los autovalores y los vectores
columna de la matriz de transición P los autovectores de A
Veamos un ejemplo
DIAGONALIZACIÓN
3 2 0
A 2 3 0 ¿Es diagonalizable?
0 0 5
6 36 20 6 16 6 4 5
2
2 2 2 3 1
resultando finalmente las raíces del polinomio p(): 1=2= 5 y 3= 1 (valores
característicos).
DIAGONALIZACIÓN
3- Utilizando = 5 en la expresión:
3 2 0 x 0
2 3 0 . y 0
0 0 5 z 0
tendremos
2 2 0 x 0 2 x 2 y 0 z 0
2 2 0 . y 0 2 x 2 y 0 z 0 2 x 2 y 0 z 0
0 0 0 z 0
0 x 0 y 0 z 0
2
2x 2 y 0z x y 0z x y 0z
2
y haciendo y = s ; z = t , resulta:
x 1s 1 0
x y 1s 1 s 0 t
z 1t 0 1
A pesar de que “z = 0”, se toma z = t para que aparezca el vector [0 0 1] que sería
de alguna manera quien representaría al vector propio correspondiente al doble
valor (dos veces) del valor propio 1=2 = 5. Además nuestro sistema de ecuaciones
lineales tiene tres ecuaciones con tres incógnitas que son x, y, z.
DIAGONALIZACIÓN
Si ahora utilizamos = 1, tendremos:
3 2 0 x 0
2 3 0 . y 0
0 0 5 z 0
2 2 0 x 0 2x 2 y 0z 0
2 2 0 . y 0 2 x 2 y 0 z 0 2 x 2 y 0 z 0 2 x 2 y x y
0 0 4 z 0 0 x 0 y 4 z 0 z0
0 x 0 y 4 z 0
x t 1
x y t 1 t
z 0 0
DIAGONALIZACIÓN
4- Confeccionamos ahora la matriz modal, o sea la matriz “P”
P = [p1p2p3]
lo que nos queda
-1 0 1
P 1 0 1
0 1 0
5- Debemos resolver ahora: P-1. A .P para obtener D. Para ello es necesario hallar
P-1. 1 1 0
2 2
P 0
-1
0 1
1 2 1
2
0
y ahora podemos efectuar:
P-1. A . P = D
3 -2 0 -1 0 1 resultando:
-2 3 0 1 0 1
0 0 5 0 1 0 5 0 0
- ½ ½ 0 -5/2 5/2 0 5 0 0 D 0 5 0
0 0 1 0 0 5 0 5 0 0 0 1
½ ½ 0 ½ ½ 0 0 0 1
ESPACIOS DE PRODUCTOS INTERIORES
Definición
Un producto interior sobre un espacio vectorial “V” es una función que asocia un
número real u, v con cada pareja de vectores u y v en V, de tal manera que se
satisfacen los axiomas siguientes para todos los vectores que pertenecen a V y todos
los escalares k.
1- < u , v > = < v , u >
2- < u + v , w > = < u, w > + < v, w >
3- < k u, v > = k < u, v >
4- < v, v > 0 y < v, v > = 0 sí y sólo sí v = 0
Definición
En un espacio de productos interiores, se dice que dos vectores u y v son ortogonales
si <u , v> = 0 . Además, si “u” es ortogonal a cada vector en un conjunto W, se dice
que “u” es ortogonal a W.
Conviene destacar que la ortogonalidad depende de la selección del producto
interior. Dos vectores pueden ser ortogonales con respecto a un producto interior
pero no con respecto a otro.
ESPACIOS DE PRODUCTOS INTERIORES
Teorema de Pitágoras generalizado
Demostración:
Ejemplo:
1 1 1 1
Dados los vectores 𝑣1 = 0 , 1 , 0 ; 𝑣2 = ,0 , ; 𝑣3 = ( , 0, − )
2 2 2 2
El conjunto 𝑆 = {𝑣ҧ1 , 𝑣ҧ 2 , 𝑣ҧ 3 }
Teorema
Si S = {𝑣1 , 𝑣2 , . . ., 𝑣𝑛 } es una base ortonormal para un espacio de productos interiores V, y “ത
𝑢” es cualquier vector en V,
entonces
ത 𝑣1>𝑣1 + <𝑢,
𝑢ത = <𝑢, ത 𝑣2 >𝑣2 + . . . . + <𝑢ത , 𝑣𝑛 > 𝑣𝑛
Demostración:
<𝑢ത , 𝑣ഥ𝑖 > = <k1𝑣1 + k2𝑣2 + . . . . + kn𝑣2 , 𝑣ഥ𝑖 > = k1 <𝑣1 , 𝑣ഥ𝑖 > + k2 <𝑣2 , 𝑣ഥ𝑖 > + . . . . + kn <𝑣𝑛 , 𝑣ഥ𝑖 >
<𝑢,
ത 𝑣ഥ𝑖 > = ki
ESPACIOS DE PRODUCTOS INTERIORES
Teorema
Si S = {𝑣ҧ 1, 𝑣ҧ 2, . . ., 𝑣ҧ n} es un conjunto ortogonal de vectores diferentes de cero en un espacio de productos interiores,
entonces S es linealmente independiente.
Demostración:
k1𝑣ҧ 1 + k2𝑣ҧ 2 + . . . . + kn𝑣ҧ n = 0 k1 = k2 = . . . . = kn = 0 <k1𝑣ҧ 1 + k2𝑣ҧ 2 + . . . . + kn𝑣ҧ n , 𝑣ҧ i > = <0, 𝑣ҧ i > = 0
k1 <𝑣ҧ 1 , 𝑣ҧ i > + k2 <𝑣ҧ 2 , 𝑣ҧ i > + . . . . + kn <𝑣ҧ n , 𝑣ҧ i > = 0 Por la ortogonalidad del conjunto S, <𝑣ҧ j , 𝑣ҧ i > = 0 cuando j i
ki<𝑣ҧ i , 𝑣ҧ i > = 0
Dado que hemos supuesto que los vectores en S son diferentes de cero y por el axioma de positividad para los productos
interiores, resulta <𝑣ҧ i , 𝑣ҧ i> 0 . Por lo tanto ki = 0 . Ya que el subíndice “i” es arbitrario, se tiene k1 = k2 = . . . . . = kn = 0 ,
por lo tanto, el conjunto “S” es linealmente independiente.
Teorema
Sea “V” un espacio de productos interiores y {𝑣ҧ 1, 𝑣ҧ 2, . . . , 𝑣ҧ r} un conjunto ortonormal de vectores en “V”. Si “W” indica el
espacio generado por los vectores 𝑣ҧ 1, 𝑣ҧ 2, . . ., 𝑣ҧ r, entonces todo vector “𝑢ത ” que pertenezca a “V” se puede expresar en la
forma: 𝑢ത = 𝑤
ഥ1 + 𝑤 ഥ 1 está en “W” y 𝑤
ഥ 2 en donde 𝑤 ഥ 2 es ortogonal a “W”
Siendo entonces: 𝑤
ഥ 1 = < 𝑢,
ത 𝑣ҧ 1>𝑣ҧ 1 + < 𝑢,
ത 𝑣ҧ 2>𝑣ҧ 2 + . . . . + < 𝑢ത , 𝑣ҧ r>𝑣ҧ r y
𝑤ഥ 2 = 𝑢ത - < 𝑢,ത 𝑣ҧ 1>𝑣ҧ 1 - < 𝑢ത , 𝑣ҧ 2>𝑣ҧ 2 - . . . . - < 𝑢ത , 𝑣ҧ r>𝑣ҧ r
𝑢ത 𝑤
ഥ2 De la observación de la figura, podemos decir que a 𝑤 ഥ 1 se le da el nombre de proyección
𝑤
ഥ1 ortogonal de 𝑢ത sobre W y esto se indica por proyw 𝑢ത . El vector 𝑤 ഥ 2 = 𝑢ത – proyw 𝑢ത se conoce
W como componente de 𝑢ത ortogonal a W.
ESPACIOS DE PRODUCTOS INTERIORES
Teorema
Todo espacio de productos interiores diferente de cero y de dimensión finita tiene una base ortonormal.
Demostración:
Sea “V” cualquier espacio de productos interiores diferente de cero y con dimensión “n” y supóngase que S={𝑢ത 1, 𝑢ത 2, . . . . .
. , 𝑢ത n} es cualquier base para “V”. La sucesión siguiente de pasos produce una base ortonormal {𝑣ҧ 1, 𝑣ҧ 2, . . . , 𝑣ҧ n} para “V”.
Paso 1º - Sea 𝑣ҧ 1 = 𝑢ത 1/||ത
𝑢1|| . El vector 𝑣ҧ 1 tiene norma igual a 1.
Paso 2º - Para construir un vector 𝑣ҧ 2 de norma uno y que además sea ortogonal a 𝑣ҧ 1, se calcula la componente de 𝑢ത 2
ortogonal al espacio W1 generado por 𝑣ҧ 1 y a continuación se normaliza, es decir:
u 2 proyw1 u 2 u 2 u 2 , v1 v1
v2
u 2 proyw1 u 2 u 2 u 2 , v1 v1
Paso 3º - Para construir un vector 𝑣ҧ 3 de norma uno y que sea ortogonal tanto a 𝑣ҧ 1 como a 𝑣ҧ 2, se calcula la componente de 𝑢ത 3
ortogonal al espacio W2 generado por los vectores 𝑣ҧ 1 y 𝑣ҧ 2 y luego se normaliza, es decir:
u 3 proyw2 u 3 u 3 u 3 , v1 v1 u 3 , v 2 v2
v3 =
u 3 proyw2 u 3 u 3 u 3 , v1 v1 u 3 , v2 v2
Paso 4º - Para determinar un vector 𝑣ҧ 4 de norma uno que sea ortogonal a 𝑣ҧ 1, 𝑣ҧ 2 y ഥ𝑣3 se calcula la componente de 𝑢ത 4 ortogonal
al espacio W3 generado por 𝑣ҧ 1, 𝑣ҧ 2 y ഥ𝑣3 y se normaliza; por lo tanto
u 4 - proy w3 u 4 u 4 - <u 4 , v1 >v1 - <u 4 , v 2 >v 2 - <u 4 , v3 >v3
v4 = =
u 4 - proy w3 u 4 u 4 - <u 4 , v1 >v1 - <u 4 , v 2 >v 2 - <u 4 , v3 >v3
Bien hasta aquí toda la materia, espero que la hayan disfrutado y sobre todo hayan aprendido algo,
muchos éxitos con el resto de la carrera.