Álgebra Y Geometría Análitica: Teórico

FACULTAD REGIONAL CÓRDOBA
ÁLGEBRA Y GEOMETRÍA
ANÁLITICA
TEÓRICO
AÑO 2023
Ing CLAUDIO BERASATEGUI
1
FAC. REG CÓRDOBA Álgebra y Geometría Analítica
Este apunte tiene como referencia el Apunte de Álgebra y Geometría Analítica confeccionado en el año 2010
por los Ingenieros Manuel Muñoz y Jorge Bobone, como un apoyo de la parte Teórica para los alumnos que
cursaban las Carreras de Ingeniería en la UTN FRC. En ese momento también se editaba un pequeño apunte
preparado por el Ing Oscar Coraglio sobre Algebra Lineal que era un resumen de temas tomados del libro
Introducción al Algebra Lineal de Howard Anton
1. Competencias
"Las asignaturas homogéneas pertenecientes al Bloque de las Ciencias Básicas de la Ingeniería,

aportan a las Competencias Genéricas sociales políticas y actitudinales y especialmente a las
Tecnológicas. Este aporte se realiza mediante modelos que gradualmente promueven el desarrollo de
las Competencias Específicas necesarias para proyectar, diseñar y calcular"
2. Objetivos de la materia
 Desarrollar capacidad de abstracción, generalización y particularización, fortaleciendo el pensamiento

deductivo e inductivo mediante el uso y aplicación de espacios vectoriales y transformaciones lineales.
 Aplicar modelos lineales (matrices, determinantes, sistemas de ecuaciones lineales, autovalores y
autovectores) para resolver situaciones problemáticas, analizándolas mediante argumentos teóricos,
empleando técnicas, procesos analíticos y representaciones gráficas.
 Resolver problemas de aplicación modelizados matemáticamente con la utilización de vectores y
matrices, interpretando los resultados obtenidos en el contexto de la situación, identificando sus
elementos, usando distintas representaciones semióticas y comunicándolos mediante lenguaje
matemático apropiado.
 Resolver problemas de aplicación utilizando elementos de Geometría Analítica (rectas, planos y formas
cuadráticas), interpretando los resultados obtenidos en el contexto de la situación, identificando sus
elementos y comunicándolos mediante lenguaje geométrico y algebraico.
 Utilizar software de lenguaje simbólico (sistemas de ecuaciones, matrices, transformaciones lineales,
entre otros) y gráfico (vectores, rectas, planos, formas cuadráticas, entre otros) para la resolución de
situaciones problemáticas.
3. Evaluación
 3.1- Modalidad Cuatrimestral (química, electrónica, cursos H)
 Parciales Prácticos: Se efectuarán 2 (dos) Evaluaciones parciales prácticas obligatorias individuales.
Se aprobarán con nota igual o superior a 6 (seis) puntos, debiendo resolver un grupo de ejercicios de
carácter práctico y de aplicación a la Ingeniería. Se podrá recuperar sólo 1 (uno) de los parciales, ya
sea por nota menor a 6 (seis) o por ausentismo.
 Parciales teóricos: Se efectuarán 2 (dos) Evaluaciones parciales teóricos NO obligatorias individuales.
Se aprobará con nota igual o superior a 7 (siete) puntos, debiendo responder un grupo de preguntas
teóricas y de aplicación a la Ingeniería. Se podrá recuperar sólo 1 (uno) de los parciales, ya sea por
nota menor a 7 (siete) o por ausentismo.
 Cuestionarios por unidad: se realizarán cuestionarios teóricos y prácticos por unidad, de
aproximadamente 5 preguntas múltiple opción en modalidad virtual, auto corregibles, a través de la
UV de la Facultad.
2
 3.2- Modalidad Anual (industrial, civil, mecánica, eléctrica, sistemas y metalúrgica)
 Parciales Prácticos: Se efectuarán 3 (tres) Evaluaciones parciales prácticas obligatorios individuales.
Se aprobarán con nota igual o superior a 6 (seis) puntos, debiendo resolver un grupo de ejercicios de
carácter práctico y de aplicación a la Ingeniería. Se podrá recuperar sólo 1 (uno) de los parciales, ya
sea, por nota menor a 6 (seis) o por ausentismo.
 Parciales teóricos: Se efectuarán 3 (tres) Evaluaciones parciales teóricas NO obligatorias individuales.
Se aprobarán con nota igual o superior a 7 (siete) puntos, debiendo responder un grupo de preguntas
teóricas y de aplicación a la Ingeniería. Tendrá una duración de 1 (una) hora. Se podrá recuperar sólo
1 (uno) de los parciales, ya sea por nota menor a 7 (siete) o por ausentismo.
 Cuestionarios por unidad: se realizarán cuestionarios teóricos y prácticos por unidad, de
aproximadamente 5 preguntas múltiple opción en modalidad virtual, auto corregibles, a través de la
UV de la Facultad.
4. Condiciones de la materia
 4.1- Régimen cuatrimestral (química, electrónica, cursos H)
 Abandono: en el caso que un/una estudiante no rindiera ninguno de los parciales prácticos
mencionados en el punto anterior, el/la docente responsable deberá cargar esta condición en el sistema
académico, quedando el estudiante en dicha situación, teniendo que recursar la materia.
 Libre: si un/una estudiante rindiera sólo 1 (uno) de los parciales prácticos o bien no cumpliera con la
aprobación de los 2 (dos) parciales con su instancia recuperatoria correspondiente, el/la docente
responsable deberá cargar esta condición en el sistema académico, quedando el estudiante en dicha
situación, teniendo que recursar la materia
 Regular: si un/una estudiante aprobara 2 (dos) parciales prácticos con nota de 6 (seis), incluyendo la
instancia recuperatoria, el/la docente responsable deberá cargar esta condición en el sistema académico,
debiendo el/la estudiante en el examen final, rendir la parte práctica de la materia y, de aprobar, rendirá
la parte teórica, con un tribunal a designar por la cátedra.
 Promoción práctica: si un/una estudiante aprobara 2 (dos) parciales prácticos con nota de 7 (siete) o
superior, incluyendo la instancia recuperatoria, el/la docente responsable deberá cargar esta condición
en el sistema académico, debiendo el/la estudiante en el examen final, rendir sólo la parte teórica, con
un tribunal a designar por la cátedra.
 Aprobación directa: si un/una estudiante obtuviera la promoción práctica, y además aprueba 2
(dos) parciales teóricos con nota 7 (siete) o superior, incluyendo la instancia recuperatoria, el/la docente
responsable deberá cargar esta condición en el sistema académico, completando la última columna de
nota final con el promedio de las notas alcanzadas en los exámenes teóricos, debiendo el/la estudiante
en examen final, sólo anotarse para rendir, teniendo como nota de examen, la misma que el profesor
responsable ha cargado en la columna correspondiente
 4.2- Régimen anual (industrial, civil, mecánica, eléctrica, sistemas y metalúrgica)
 Abandono: en el caso que un/una estudiante no rindiera ninguno de los parciales prácticos
mencionados en el punto anterior, el/la docente responsable deberá cargar esta condición en el sistema
académico, quedando el estudiante en dicha situación, teniendo que recursar la materia.
 Libre: si un/una estudiante rindiera sólo 1 (uno) o 2 (dos) de los parciales prácticos o bien no cumpliera
con la aprobación de los 3 (tres) parciales con su instancia recuperatoria correspondiente, el/la docente
3
responsable deberá cargar esta condición en el sistema académico, quedando el estudiante en dicha
situación, teniendo que recursar la materia
 Regular: si un/una estudiante aprobara 3 (tres) parciales prácticos con nota de 6 (seis), incluyendo la
instancia recuperatoria, el/la docente responsable deberá cargar esta condición en el sistema académico,
debiendo el/la estudiante en el examen final, rendir la parte práctica de la materia y, de aprobar, rendirá
la parte teórica, con un tribunal a designar por la cátedra.
 Promoción práctica: si un/una estudiante aprobara 3 (tres) parciales prácticos con nota de 7 (siete) o
superior, incluyendo la instancia recuperatoria, el/la docente responsable deberá cargar esta condición
en el sistema académico, debiendo el/la estudiante en el examen final, rendir sólo la parte teórica, con
un tribunal a designar por la cátedra.
 Aprobación directa: si un/una estudiante obtuviera la promoción práctica, y además aprueba 3
(tres) parciales teóricos con nota 7 (siete) o superior, incluyendo la instancia recuperatoria, el/la docente
responsable deberá cargar esta condición en el sistema académico, completando la última columna de
nota final con el promedio de las notas alcanzadas en los exámenes teóricos, debiendo el/la estudiante
en examen final, sólo anotarse para rendir, teniendo como nota de examen, la misma que el profesor
responsable ha cargado en la columna correspondiente
5. Evaluación final (promoción práctica y regulares)
 Todos los alumnos serán matriculados con su condición académica, el día anterior a la fecha de
examen, en el Aula Virtual “ÁLGEBRA Y GEOMETRÍA ANALÍTICA-EXÁMENES FINALES” y
el mismo constará de 2 etapas:
o La primera instancia será OBLIGATORIA PARA TODOS LOS ALUMNOS INSCRIPTOS EN
EL EXAMEN a las 8:15hs, desde la casa en forma sincrónica, en un zoom que será informado a
través del AV donde el/la estudiante con condición regular, deberá rendir un examen práctico
constando de 2 ejercicios de resolución opción múltiple, debiendo tener, por lo menos 1 ejercicio
bien resuelto para aprobar, y el/la estudiante con promoción práctica deberá rendir un examen
teórico, constando de 5 preguntas teóricas de resolución opción múltiple, debiendo tener bien 2
preguntas para aprobar.
o La segunda instancia, de aprobar la primera, será por la tarde a las 16hs PRESENCIAL en las
instalaciones de la UTN, donde deberá rendir un examen oral práctico/teórico, con un tribunal
propuesto por la Cátedra.
4
PROGRAMA ANALÍTICO
UNIDAD N°1: Sistemas de coordenadas. Vectores libres en ℝ2, ℝ3 y ℝn
 Sistemas de coordenadas sobre una recta, en el plano y en el espacio. Coordenadas cartesianas.
 Vectores libres. Definición. Operaciones de “suma” y “multiplicación por un escalar”. Propiedades.
 Paralelismo de vectores libres. Expresión cartesiana de un vector.
 Vectores unitarios. Descomposición de un vector en dos direcciones perpendiculares.
 Combinación lineal de vectores. Dependencia e independencia lineal de vectores.
UNIDAD N°2: Matrices.

 Matriz, definición, clasificación.
 Operaciones de suma de matrices y producto de una matriz por un escalar, propiedades.
 Multiplicación de matrices, definición, propiedades.
 Operaciones elementales de filas y equivalencias por filas de matrices.
 Matriz escalón reducida por filas. Rango de una matriz.
 Matrices elementales. Condición de equivalencia de matrices.
 Inversibilidad de matrices, definición.
 Caracterización de matrices inversibles. Cálculo de la inversa. Método de la matriz reducida por fila.
Inversibilidad de productos y de matices elementales. Propiedades.
UNIDAD N°3: Determinantes.

 Definición, propiedades.
 Cálculo de determinante. Regla de Sarrus. Desarrollo por cofactores. Método de triangulación.
 Aplicación del determinante a la caracterización de irreversibilidad de una matriz y al cálculo de la
matriz inversa. Método de la matriz adjunta.
UNIDAD N°4: Sistema de ecuaciones lineales.

 Sistema de ecuaciones lineales. Notación matricial de un sistema.
 Equivalencia de sistemas. Sistemas homogéneos y no homogéneos.
 Teorema de Rouche Frobenius.
 Métodos de resolución: Gauss, Gauss-Jordan, de la matriz inversa.
 Método de Cramer
UNIDAD N°5: Espacios Vectoriales.

 Espacios vectoriales y subespacios, definiciones, ejemplos, propiedades.
 Definiciones y teoremas de caracterización. Generación de un Espacio Vectorial.
 Dependencia e independencia lineal de vectores.
 Bases y dimensión de un Espacio Vectorial. Definiciones. Ejemplos. Teoremas.
 Cambio de bases. Matriz de cambio de bases.
UNIDAD N°6: Aplicaciones o transformaciones lineales.

 Definición. Propiedades. Aplicación lineal matricial.
 Imagen y núcleo de una aplicación lineal. Definición. Propiedades. Teoremas de las dimensiones.
 Matriz estándar (ℝn→ ℝm). Operadores lineales en el plano ℝ2→ ℝ2.
 “Composición” de las aplicaciones lineales. Matrices de las transformaciones lineales. Representación
de aplicaciones lineales por matrices. Base canónica y otras bases.
5
 Semejanza y/o similaridad.
UNIDAD N° 7: Valores y vectores propios.

 Definiciones de “valor propio”, “vector propio” y “subespacio propio”
 Caracterización de los valores propios. Ecuación y polinomio característico.
 Determinación de los subespacios propios. Propiedades de los valores y vectores propios.
 Operadores diagonalizables.
UNIDAD N°8: Operaciones con vectores libres en ℝ2, ℝ3 y ℝn

 Producto escalar canónico en ℝ2, ℝ3 y ℝn Definición y propiedades.
 Aplicaciones del producto: Longitud de un vector. Ángulo entre vectores.
 “Producto vectorial” y “Producto mixto” de vectores en ℝ3. Definición. Propiedades. Aplicaciones.
UNIDAD N°9: Rectas y planos.

 Ecuaciones vectoriales, paramétricas y cartesianas de la recta en ℝ2 y ℝ3.
 Ecuaciones vectoriales, paramétricas y cartesianas del plano en ℝ3.
 Posiciones relativas entre dos rectas, dos planos, una recta y un plano.
 Problemas de paralelismo e intersección. Problemas de distancia. Ecuación normal de la recta y el
plano. Ángulo entre dos rectas, ángulo entre rectas y planos. Ángulos entre planos.
 Haz de rectas. Haz de planos.
UNIDAD N°10: Cónicas y Cuádricas.

 Circunferencia, definición, ecuación canónica, ordinaria y general.
 Parábola, definición, ecuación canónica, foco, directriz, ecuación ordinaria y general.
 Elipse, definición, ecuación canónica, focos, excentricidad, ecuación ordinaria y general.
 Hipérbola, definición, ecuación canónica, focos, excentricidad, asíntotas, ecuación ordinaria y general.
 Cuádricas: elipsoide, hiperboloide, paraboloide, etc. Ecuaciones. Gráficos
UNIDAD N°11: Números Complejos.

 Operaciones. Suma. Resta. Producto. Cociente.
 Formas binómicas
BIBLIOGRAFÍA
 Lehmann, Charles H., (2004), Álgebra, Limusa
 Anton, Howard, (1994), Introducción al Álgebra Lineal, Limusa
 Grossman, Stanley, (2021), Álgebra Lineal, Mc Graw Hill
 Kosak, A; Pastorelli, S; Vardanega, P, (2007), Nociones de Geometría Analítica y Álgebra Lineal,
Mc Graw Hill
 García Venturini, A; (2016), Álgebra y Geometría Analítica, Ed. Cooperativas
 Notas de Cátedra. Ing Claudio Berasategui
6
UNIDAD N°1: Vectores libres en ℝ2 , ℝ3 y ℝn
Vectores
Magnitudes
Escalares Vectoriales
Quedan determinadas cuando Quedan determinadas cuando especificamos su:

especificamos su: Módulo-Valor numérico, intensidad de la magnitud
Magnitud-Valor numérico Dirección- es la línea de acción del vector (ref ángulo)
Unidad- utilizada en la medición Sentido- es la orientación del vector (punta de flecha)
Ejemplos Dirección
 Los autos que se desplazan en una misma calle recta o
Ejemplos en calles paralelas están desplazándose en la misma
 Volumen de un tanque de agua: dirección.
100l.  Una recta vertical.
 Área de un terreno: 250𝑚2 Ejemplos Sentido
 Temperatura corporal: 370°  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
Introducción
Abordaremos en este capítulo, el concepto de vector geométrico en los espacios bidimensionales ℝ2,
tridimensional ℝ3, y n dimensional ℝn, también estudiaremos cómo efectuar operaciones algebraicas entre
vectores y sus propiedades.
Objetivos
Esperamos que al finalizar la lectura comprensiva y activa de la presente unidad, pueda:
 Identificar una magnitud vectorial.
 Sumar y restar, analítica y gráficamente, vectores de ℝ2, de ℝ3 y de ℝn
 Multiplicar, analítica y gráficamente, un vector de ℝ2, de ℝ3 y de ℝn por un escalar.
 Utilizar las propiedades de las operaciones entre vectores de ℝ2, de ℝ3 y de ℝn para resolver situaciones
problemáticas.
 Expresar vectores en sistemas de coordenadas.
 Obtener las coordenadas de un vector relativas a un sistema de referencia.
 Describir la dirección de un vector mediante sus ángulos directores.
 Obtener el versor asociado a un vector.
7
Definición
Un vector es un segmento orientado que se utiliza para representar las magnitudes
vectoriales
Elementos
Recta que determina la dirección
Los vectores se indican con letra
La punta de la flecha indica el sentido minúscula con un guion o Flecha por
B: extremo encima
𝑎̅ 𝑜 𝑎⃗ ; ̅̅̅̅ 𝐴𝐵 𝑜 ⃗⃗⃗⃗⃗⃗𝐴𝐵
𝑎̅ 𝑉𝑒𝑐𝑡𝑜𝑟 El módulo del vector (intensidad de
la magnitud) se indica:
A: origen |𝑎̅|
y es número positivo
α ángulo que indica la dirección
Clases de Vectores
VECTORES
Aplicados Equipolentes
(fijos) Tienen distinto origen
Tienen el mismo e igual módulo, dirección y sentido
origen
Deslizables o Axiales Libres

Se desplazan sobre la Se desplazan paralelamente
𝑎̅ misma recta de acción a su recta de acción
𝑐̅
𝑏̅
𝑐̅
Ejemplo: Peso de Ejemplo: 𝑐̅
un cuerpo 𝑏̅ Velocidad de un
vehículo
En el cálculo vectorial lo que más interesa son los vectores libres, y las reglas de cálculo son las mismas para
todos los vectores, pero dichos vectores nos permiten realizar operaciones de suma y resta con los métodos
que veremos a continuación, pudiendo realizar representaciones gráficas útiles para el planteo de cálculos; por
ejemplo, en física con los cuerpos en equilibrio. Por esto, prescindiremos en lo que sigue de hacer distinciones
entre ellos y sobreentenderemos que trabajamos con vectores libres.
Suma/Resta de vectores
Para sumar dos vectores 𝑎̅ y 𝑏̅ se procede de la siguiente manera. A partir de un punto cualquiera “O” del
plano se traza un vector equipolente al vector 𝑎̅, haciendo coincidir el origen de éste con el punto “O”. Por el
extremo de 𝑎̅ trazamos un vector equipolente al vector 𝑏̅ de tal manera que coincida el origen de éste último
con el extremo de 𝑎̅; y el vector cuyo origen es el origen de 𝑎̅ y cuyo extremo es el extremo del vector 𝑏̅, es
el vector suma: ̅̅̅̅̅̅̅
𝑎+𝑏
8
Al mismo resultado se llega tomando los vectores 𝑎̅ y 𝑏̅ con el mismo origen “O” y definiendo la suma como
la diagonal que pasa por “O”, del paralelogramo construido con los vectores equipolentes de los vectores 𝑎̅ y
𝑏̅ dados.
𝑏̅ ̅̅̅̅̅̅̅
𝑎+𝑏
̅
𝑏 ̅̅̅̅̅̅̅
𝑎+𝑏
𝑎̅ O 𝑏̅ O
𝑎̅ 𝑎̅
Observando la figura siguiente, deducimos que proyectando la poligonal formada por los vectores 𝑎̅ , 𝑏̅ y
̅̅̅̅̅̅̅
𝑎 + 𝑏 sobre los ejes coordenados, resulta que las componentes del vector suma ̅̅̅̅̅̅̅ 𝑎 + 𝑏 son la suma de las
componentes de los vectores 𝑎̅ y 𝑏. ̅
Dado un vector 𝑏̅ se representa por –𝑏̅ al vector opuesto, es decir, al que tiene el mismo módulo y la misma
dirección, pero sentido contrario. Las componentes de −𝑏̅ son: −𝑏𝑥 , −𝑏𝑦 , −𝑏𝑧
La sustracción o diferencia 𝑎̅ − 𝑏̅ de dos vectores es igual a la suma del vector 𝑎̅ y del vector −𝑏̅, es decir le
sumamos al vector 𝑎̅ el opuesto del vector 𝑏̅
Para la verificación geométrica de la diferencia 𝑎̅ − 𝑏̅ procederemos como en el caso de la suma, tomando
−𝑏̅ en lugar de 𝑏̅ .
𝑏̅ Las figuras son análogas al caso de la
̅
𝑏 𝑎̅ 𝑎̅ suma de vectores. Debemos hacer notar
̅̅̅̅̅̅̅
𝑎−𝑏 b −𝑏̅ ̅̅̅̅̅̅̅
𝑎−𝑏 que la diferencia es la operación inversa
𝑎̅ de la suma, es decir: 𝑎̅ − 𝑏̅ = 𝑐̅ de donde
se deduce que: 𝑎̅ = 𝑏̅ + 𝑐̅
Propiedades
1) Uniforme: 𝑎̅ = 𝑎̅′ , 𝑏̅ = 𝑏′̅ ⇔ 𝑎̅ + 𝑏̅ = 𝑎′̅ + 𝑏′
̅
2) Asociativa: (𝑎̅ + 𝑏̅) + 𝑐̅ = 𝑎̅ + (𝑏̅ + 𝑐̅)
3) Conmutativa: 𝑎̅ + 𝑏̅ = 𝑏̅ + 𝑎̅
4) Del cero: existe un único vector, llamado el cero 0 (0, 0), que sumado con cualquier otro vector no lo
altera: 0̅ + 𝑎̅ = 𝑎̅ + 0̅ = 𝑎̅
5) Del opuesto: dado un vector 𝑎̅, existe uno opuesto −𝑎̅ (es decir el opuesto de un vector es aquel que
tiene las componentes con los signos opuestos o contrarios) que sumado con aquel da por resultado el
vector cero: 𝑎̅ + (-𝑎̅) = 0
Producto de un vector por un escalar
Dado un vector 𝑎̅ y un escalar λ (o sea un número
real cualquiera), el producto λ. 𝑎̅ es otro vector de
𝑎̅ 𝜆𝑎̅ −𝜆𝑎̅ la misma dirección que 𝑎̅ , cuyo módulo es igual a λ
veces el módulo de 𝑎̅ y cuyo sentido es el mismo
de 𝑎̅ si λ es positivo o el opuesto si λ es negativo.
Propiedades:
1) El producto de un escalar por un vector es distributivo respecto a la suma de escalares:
(𝜆 + 𝜎)𝑎̅ = 𝜆𝑎̅ + 𝜎𝑎̅
En efecto, siendo λ 𝑎̅ y σ 𝑎̅ de la misma dirección que 𝑎̅ , su suma nos da un vector de la misma dirección,
cuyo módulo es el valor absoluto de la suma algebraica de dos segmentos cuyo sentido depende de los
signos de λ y σ y cuyos valores absolutos son λ |𝑎̅| y σ |𝑎̅|
2) Es distributiva con respecto a la suma de vectores:
𝜆(𝑎̅ + 𝑏̅ ) = 𝜆𝑎̅ + 𝜆𝑏̅
3) Goza este producto de la propiedad asociativa respecto del producto de escalares:
𝜆(𝜎𝑎̅) = (𝜆𝜎)𝑎̅ = 𝜎(𝜆𝑎̅)
4) Elemento neutro
1𝑎̅ = 𝑎̅
9
Componentes de un vector
1-y En el plano ℝ𝟐
𝑦 Vamos a referir nuestro estudio a un sistema de ejes coordenados
B cartesianos ortogonales en el plano bidimensional, de origen “O” y
𝑦1
ejes “x”, “y”.
𝑎2 𝑎̅ El origen del vector 𝑎̅ se encuentra en el punto A de coordenadas
(𝑥0 ; 𝑦0 ) y el extremo en el punto B de coordenadas (𝑥1 ; 𝑦1 ).
𝑦0 A Si proyectamos el vector, perpendicularmente, sobre los ejes
tendremos las componentes (𝑎1 ; 𝑎2 ). Siendo
O 𝑎1 = 𝑥1 − 𝑥0 𝑎2 = 𝑦1 − 𝑦0
𝑥0 𝑎1 𝑥1 𝑥
Para obtener el módulo del vector, aplicaremos Pitágoras, quedando:
|𝑎̅|2 = 𝑎12 + 𝑎22 ⟹ |𝑎̅| = √𝑎12 + 𝑎22

𝑦 Ahora definimos versores, son vectores cuyo módulo es igual a
la unidad, donde tenemos dos “especiales” a los que llamaremos
𝑖̅ y 𝑗̅, dados por:
𝑖̅ = (1; 0) 𝑗̅ = (0; 1)
Donde podemos ver que el versor 𝑖̅ está sobre el eje x,
pudiéndolo considerar como la unidad vectorial sobre dicho eje,
𝑗̅ mientras que el versor 𝑗̅ se encontrará sobre el eje y, también
considerado como la unidad vectorial sobre el eje y. (ver
𝑖̅ 𝑥 gráfico)
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠,
̅ = 𝒂𝟏 𝒊̅ + 𝒂𝟐 𝒋̅
𝒂 𝑬𝒙𝒑𝒓𝒆𝒔𝒊ó𝒏 𝒄𝒂𝒓𝒕𝒆𝒔𝒊𝒂𝒏𝒂 𝒅𝒆𝒍 𝒗𝒆𝒄𝒕𝒐𝒓 𝒆𝒏 𝑹𝟐
Ejemplo:
𝑦 𝑎̅ = (3 ; 2) = 3𝑖̅ + 2𝑗̅
3𝑖̅ y 2𝑗̅ son las componentes del vector que sumadas nos dan el vector
𝑎̅ y 3 y 2 son las coordenadas de vector.
2 Es como si quisiéramos explicar dónde vivimos, decimos 3
𝛽
𝑎̅ (coordenada) cuadras (versor 𝑖̅) en la dirección de x, y 2 (coordenada)
𝑗̅ 𝛼 cuadras (versor 𝑗̅) en la dirección de y.
𝑖̅ 3 𝑥
Ángulos directores
Un vector forma con los semiejes positivos de los ejes coordenados x e y, ángulos α y β (ver gráfico anterior)
llamados ángulos directores, porque indican la dirección y sentido del vector. Los ángulos son mayores o
iguales a 0° y menores o iguales a 180°.
Cosenos directores
Son los cosenos de los ángulos directores
𝑎1 𝑎2
cos 𝛼 = cos 𝛽 =
𝑎̅ 𝑎̅
Gozan de la siguiente propiedad:
𝑎12 𝑎22
𝑐𝑜𝑠 2 𝛼 = 𝑐𝑜𝑠 2 𝛽 =
|𝑎̅|2 |𝑎̅|2
Sumando
10
𝑎12 + 𝑎22 |𝑎̅|2
𝑐𝑜𝑠 2 𝛼 + 𝑐𝑜𝑠 2 𝛽 = = 2=1
|𝑎̅|2 |𝑎̅|
La suma de los cuadrados de los cosenos directores es igual a 1
2- En el espacio ℝ𝟑
Vamos a referir nuestro estudio a un sistema de ejes coordenados cartesianos ortogonales en el espacio
tridimensional, de origen “O” y ejes “x”, “y”, “z”.
zF
az
az
zP F
P ay
ax
yP ay yF
o y
xP
ax
xF
x
(fig. 1)
Sean P(xP, yP, zP) y F(xF, yF, zF) el origen y el extremo de un vector dado 𝑎̅, según lo indicado en la figura.
Se llaman componentes de un vector 𝑎̅ respecto al sistema de ejes coordenados con origen en 0 y ejes (x, y,
z), a las proyecciones de 𝑎̅ sobre los ejes, o sea, a los números:
𝑎𝑥 = 𝑥 𝐹 − 𝑥 𝑃 ; 𝑎𝑦 = 𝑦𝐹 − 𝑦𝑃 ; 𝑎𝑧 = 𝑧𝐹 − 𝑧𝑃 (1)
y en forma genérica, escribiremos: 𝑎̅ (ax ; ay ; az) para indicar que ax , ay, az son las componentes del vector
𝑎̅.
Remarquemos que estas componentes son números que pueden ser positivos o negativos. Siempre debemos
tomarlos como se definen en (1), es decir, como diferencia entre las coordenadas del extremo o del punto final
(F) del vector y las coordenadas del origen o principio del vector (P).
De esta manera resulta que dos vectores opuestos (de igual módulo y de igual dirección, pero de sentidos
opuestos), tienen las componentes iguales en valor absoluto, pero de signos contrarios.
Al observar la figura 1, vemos que el vector 𝑎̅ es la diagonal de un paralelepípedo, cuyas aristas son: ax , ay ,
az .
El módulo del vector 𝑎̅, verifica:
̅| = √𝒂𝟐𝒙 + 𝒂𝟐𝒚 + 𝒂𝟐𝒛

|𝒂
expresión que se toma siempre positiva y que nos da el módulo de un vector en función de sus componentes.
11
Ángulos directores
Si hacemos coincidir el origen de un vector 𝑣̅ , con el origen de un sistema de ejes coordenados ortogonales,
observamos que dicho vector forma con los sentidos positivos de los ejes, los ángulos ,  y .
γ 𝑣̅
𝑣𝑧

O
 𝑣𝑦 y
𝑣𝑥
x (fig. 2)
Los ángulos hay que tomarlos entre 0º y 180º, de manera que los cosenos directores pueden ser positivos o
negativos.
Cosenos directores
Los cosenos de dichos ángulos se denominan cosenos directores.
De la expresión general del coseno, se deduce:
𝑐𝑎𝑡 𝑎𝑑𝑦𝑎𝑐𝑒𝑛𝑡𝑒
cos 𝜃 =
ℎ𝑖𝑝𝑜𝑡𝑒𝑛𝑢𝑠𝑎
entonces resulta:
𝑣𝑥 𝑣𝑦 𝑣𝑧
cos 𝛼 = ; cos 𝛽 = ; cos 𝛾 = (2)
|𝑣̅ | |𝑣̅ | |𝑣̅ |
de donde podemos despejar:
𝑣𝑥 = |𝑣̅ | cos 𝛼 ; 𝑣𝑦 = |𝑣̅ | cos 𝛽 ; 𝑣𝑦 = |𝑣̅ | cos 𝛾 (3)
que expresan que la proyección de un vector (o segmento orientado) sobre un eje; es igual a la longitud del
segmento (módulo) por el coseno del ángulo que él mismo forma con el eje.
Como en el plano, en el espacio se cumple que:
𝒄𝒐𝒔𝟐 𝜶 + 𝒄𝒐𝒔𝟐 𝜷 + 𝒄𝒐𝒔𝟐 𝜸 = 𝟏
que es la relación fundamental que liga los cosenos directores de un vector.
De las expresiones (2) y (3), se deduce también que; un vector queda completamente determinado (módulo,
dirección y sentido) por sus componentes.
𝑣𝑥 𝑣𝑦 𝑣𝑧
cos 𝛼 = ; cos 𝛽 = ; cos 𝛾 =
√𝑣𝑥2 + 𝑣𝑦2 + 𝑣𝑧2 √𝑣𝑥2 + 𝑣𝑦2 + 𝑣𝑧2 √𝑣𝑥2 + 𝑣𝑦2 + 𝑣𝑧2
Igualdad de vectores
Dos vectores se dicen iguales cuando tienen el mismo módulo, la misma dirección y el mismo sentido.
Así los vectores de la figura son iguales, lo cual se escribe:
𝑎̅ = 𝑏̅
𝑎̅ 𝑏̅ Esta definición de igualdad es admisible, pues ella cumple las
tres propiedades que se exigen a toda definición de igualdad
entre elementos de un conjunto, a saber:
(fig. 3)
 Reflexiva 𝑎̅ = 𝑎̅
 Simétrica 𝑠𝑖 𝑎̅ = 𝑏̅ , 𝑏̅ = 𝑎̅
 Transitiva 𝑠𝑖 𝑎̅ = 𝑏̅ 𝑦 𝑏̅ = 𝑐̅ , 𝑒𝑠 𝑎̅ = 𝑐̅
12
El módulo de un vector es siempre un número positivo.
Del análisis y comparación de la definición de componentes de un vector y de la definición general de igualdad
de vectores se deduce: dos vectores iguales tienen las mismas componentes en cualquier sistema de
coordenadas.
Expresión cartesiana ó canónica de un vector
En el plano (2 dimensiones), teníamos dos versores, en el eje “x” tenemos el versor 𝑖̅, en el eje “y” el versor
𝑗̅, ahora en el espacio (tenemos 3 dimensiones), debemos sumar el eje “z”, donde tendremos el versor que lo
denominamos 𝑘̅.
Considerando ahora las proyecciones del vector 𝑎̅ sobre los ejes como vectores; éstos serán: ax 𝑖̅; ay 𝑗̅; az 𝑘̅,
lo cual resulta de multiplicar los versores por las respectivas componentes del vector 𝑎̅
Trasladando los ejes al punto A es fácil ver que el vector 𝑎̅ resulta como suma geométrica (suma vectorial)
de los vectores proyección:
𝑎̅ = ax 𝑖̅ + ay 𝑗̅ + az 𝑘̅
que es la expresión cartesiana del vector.
Entonces en ℝ3, las componentes de los versores son:
̅ (𝟎, 𝟎, 𝟏)
𝒊̅ (𝟏, 𝟎, 𝟎) , 𝒋̅ (𝟎, 𝟏, 𝟎) , 𝒌
Módulo de un vector
Nuevamente por Pitágoras, nos queda
| 𝑎 | 2 = 𝑎𝑥 2 + 𝑎𝑦 2 + 𝑎 𝑧 2
y despejando, se obtiene finalmente:
̅| = √𝒂𝒙 𝟐 + 𝒂𝒚 𝟐 + 𝒂𝒛 𝟐
|𝒂
Entonces como conclusión tenemos, que el módulo de un vector es igual a la raíz cuadrada de la suma
de los cuadrados de sus componentes.
Vectores paralelos
Si dos vectores 𝑎̅ (ax, ay, az) y 𝑏̅ (bx, by, bz) son paralelos y del mismo sentido, tendrán los mismos cosenos
directores y por lo tanto, tendremos:
ax = |𝑎̅| cos  ; ay = |𝑎̅| cos  ; az = |𝑎̅| cos γ (1) Paralelos y del mismo
sentido.
bx = |𝑏| cos  ; by =|𝑏| cos  ;
̅ ̅ ̅
bz = |𝑏| cos γ (2)
Si son paralelos y de sentidos contrarios, los ángulos que forman con los ejes coordenados difieren en 180º y
por lo tanto, los cosenos directores resultan iguales pero de signos opuestos; o sea que tendremos:
ax = |𝑎̅| cos  ; ay = |𝑎̅| cos  ; az = |𝑎̅| cos γ (1) Paralelos y de sentido

contrario.
bx = −|𝑏̅| cos  ; by =−|𝑏̅| cos  ; bz = −|𝑏̅| cos γ (3)
De las relaciones entre (1) y (2) y entre (1) y (3), tendremos:
13
𝒂𝒙 𝒂𝒚 𝒂𝒛 |𝒂
̅|
= = =±
𝒃𝒙 𝒃𝒚 𝒃𝒛 ̅|
|𝒃
valiendo el signo más (+) en el primer caso y el signo menos (-) en el segundo.
Como conclusión enunciaremos el siguiente teorema:
La condición necesaria y suficiente para que dos vectores sean paralelos es que sus componentes
homólogas sean proporcionales, es decir:
𝒂𝒙 𝒂𝒚 𝒂𝒛
= =
𝒃𝒙 𝒃𝒚 𝒃𝒛
si el valor de estas igualdades es positivo, los vectores tienen el mismo sentido y si es negativo, tienen
sentidos opuestos.
Vectores en ℝn.
Introducción
Hemos visto hasta aquí, vectores de ℝ2 y ℝ3 , definiéndolos con módulo, dirección y sentido.
Utilizamos pares ordenados de números para localizar puntos en el plano y ternas ordenadas para localizar
puntos en el espacio tridimensional. Con el paso del tiempo, se reconoció que las cuádruplas de números
(𝑎1 , 𝑎2 , 𝑎3 , 𝑎4 ) podían considerarse como puntos del espacio “tetradimensional”, las quíntuplas
(𝑎1 , 𝑎2 , 𝑎3 , 𝑎4 , 𝑎5 ) como puntos del espacio “pentadimensional”, y así sucesivamente. A pesar de que, nuestra
representación geométrica se limita al espacio tridimensional, muchos conceptos conocidos se pueden
extender más allá del espacio tridimensional Aquí ampliaremos ese concepto a vectores en ℝ𝑛 , siendo n un
número entero y positivo.
Ingeniería y vectores de ℝ𝑛
Podemos expresar el listado de precios de una panadería como un vector de n dimensiones, siendo n la cantidad
de productos que elabora dicha panadería: pan francés, pan miñón, criollos de hojaldre, criollos comunes,
facturas, medialunas, donde vemos que n, en este caso sería 6.
Armemos el vector:
𝑝𝑎𝑛 𝑓𝑟𝑎𝑛𝑐é𝑠 $ 40
𝑝𝑎𝑛 𝑚𝑖ñó𝑛 $ 50
𝑐𝑟𝑖𝑜𝑙𝑙𝑜𝑠 ℎ𝑜𝑗𝑎𝑙𝑑𝑟𝑒 $ 60
𝑃= = ($ 40, $ 50, $ 60, $50, $ 30, $25) =
𝑐𝑟𝑖𝑜𝑙𝑙𝑜𝑠 𝑐𝑜𝑚𝑢𝑛𝑒𝑠 $ 50
𝑓𝑎𝑐𝑡𝑢𝑟𝑎𝑠 $ 30
[ 𝑚𝑒𝑑𝑖𝑎𝑙𝑢𝑛𝑎𝑠 ] [$ 25]
Vemos que este vector es de dimensión 6, que se puede escribir como una fila o una columna.
Este concepto lo podemos aplicar, también, a los componentes de una torta (harina, azúcar, chocolate, crema,
etc), o a los autos (chapa, ruedas, vidrios, volante, etc), donde, dependiendo de la cantidad de componentes
que posea cada elemento, tendremos el n correspondiente.
Definición
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
( )
⋮
[𝑣𝑛 ]
Igualdad de vectores
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 )
14
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
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]
100 50 150 𝑝𝑎𝑛 𝑓𝑟𝑎𝑛𝑐é𝑠
150 100 250 𝑝𝑎𝑛 𝑚𝑖ñó𝑛
260 60 320 𝑐𝑟𝑖𝑜𝑙𝑙𝑜𝑠 ℎ𝑜𝑗𝑎𝑙𝑑𝑟𝑒
el stock final será 𝑃𝑓 = 𝑃1 + 𝑃2 = + = =
350 35 385 𝑐𝑟𝑖𝑜𝑙𝑙𝑜𝑠 𝑐𝑜𝑚𝑢𝑛𝑒𝑠
230 23 253 𝑓𝑎𝑐𝑡𝑢𝑟𝑎𝑠
[525] [125] [650] [ 𝑚𝑒𝑑𝑖𝑎𝑙𝑢𝑛𝑎𝑠 ]
Producto de un vector por un escalar
Dado 𝑣 = (𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 ) un vector en ℝ𝑛 y 𝑘 un escalar, entonces la multiplicación queda:
𝑘𝑣 = (𝑘𝑣1 , 𝑘𝑣2 , 𝑘𝑣3 , … , 𝑘𝑣𝑛 )
Propiedades:
1) El producto de un escalar por un vector es distributivo respecto a la suma de escalares:
(λ+σ)𝑎=λ𝑎+σ𝑎
En efecto, siendo λ 𝑎 y σ 𝑎 de la misma dirección que 𝑎 , su suma nos da un vector de la misma dirección,
cuyo módulo es el valor absoluto de la suma algebraica de dos segmentos cuyo sentido depende de los
signos de λ y σ y cuyos valores absolutos son λ|𝑎| y σ|𝑎|.
2) Es distributiva con respecto a la suma de vectores:
λ (𝑎 + 𝑏) = λ 𝑎 + λ 𝑏
3) Goza este producto de la propiedad asociativa respecto del producto de escalares:
λ (σ . 𝑎) = (λ.σ) 𝑎 = σ (λ. 𝑎)
4) Elemento neutro
1𝑎 = 𝑎
𝑛
Ingeniería y vectores de ℝ
Siguiendo con el ejemplo de la panadería, supongamos que el dueño decide aumentar el precio 20%, lo que
queda:
𝑝𝑎𝑛 𝑓𝑟𝑎𝑛𝑐é𝑠 $ 40 $ 40 $ 48
𝑝𝑎𝑛 𝑚𝑖ñó𝑛 $ 50 $ 50 $ 60
𝑐𝑟𝑖𝑜𝑙𝑙𝑜𝑠 ℎ𝑜𝑗𝑎𝑙𝑑𝑟𝑒 $ 60 $ 60 $ 72
𝑃= = 𝑎𝑝𝑙𝑖𝑐𝑎𝑚𝑜𝑠 𝑒𝑙 𝑎𝑢𝑚𝑒𝑛𝑡𝑜 𝑑𝑒𝑙 20% 𝑃𝑓 = 1,2 . =
𝑐𝑟𝑖𝑜𝑙𝑙𝑜𝑠 𝑐𝑜𝑚𝑢𝑛𝑒𝑠 $ 50 $ 50 $ 60
𝑓𝑎𝑐𝑡𝑢𝑟𝑎𝑠 $ 30 $ 30 $ 36
[ 𝑚𝑒𝑑𝑖𝑎𝑙𝑢𝑛𝑎𝑠 ] [ $ 25 ] [ $ 25 ] [ $ 30]
Módulo de un vector en ℝ𝑛
Sea 𝑣 = (𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 ), un vector de ℝ𝑛 , el módulo de dicho vector estará dado por:
|𝑣| = √𝑣1 2 + 𝑣2 2 + 𝑣3 2 + ⋯ + 𝑣𝑛 2
15
Combinación lineal de vectores
Lo explicaremos en ℝ3, pero luego lo ampliaremos a ℝ𝑛
Sean 𝑒̅ , 𝑔̅ y ℎ̅ tres vectores no paralelos a un mismo plano y
𝑎̅ otro vector cualquiera. Proyectando el vector 𝑎̅ sobre cada
ℎ̅
uno de los vectores 𝑒̅ , 𝑔̅ y ℎ̅ (considerados como ejes de
referencia), paralelamente al plano determinado por los otros
dos y llamando 𝑎̅1 , 𝑎̅2 , 𝑦 𝑎̅3 a los vectores obtenidos como
𝑎̅ proyección, resulta entonces: 𝑎̅  𝑎̅1+ 𝑎̅2 + 𝑎̅3. Por otra parte,
𝑎̅3 siendo 𝑎̅1 un vector que tiene la dirección de 𝑒̅ , es: 𝑎̅1 = 𝜆1 𝑒̅,
siendo 𝜆1 un escalar (igual al cociente entre los módulos de 𝑎̅1
𝑎̅2 y 𝑒̅, con signo positivo (+) si estos tienen el mismo sentido y
𝑔̅ signo negativo (-) si tienen sentidos opuestos). Análogamente
𝑎̅1 es 𝑎̅2 = 𝜆2 𝑔̅ y 𝑎̅3 = 𝜆3 ℎ̅, siendo 𝜆2 y 𝜆3 escalares.
𝑒̅
Resulta así:
𝑎̅ = 𝜆1 𝑒̅ + 𝜆2 𝑔̅ + 𝜆3 ℎ̅
Entonces podemos concluir de esto, que:
El vector 𝑎̅ es combinación lineal de los vectores 𝑒̅, 𝑔̅ 𝑦 ℎ̅ a través de los escalares 𝜆1 , 𝜆2 𝑦 𝜆3 .
Generalizando:
El vector 𝒗 de ℝ𝒏 , es combinación lineal del conjunto de vectores 𝑨 = (𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 , … , 𝒗𝒏 ), si y solo si,
existen escalares 𝝀𝟏 , 𝝀𝟐 , 𝝀𝟑 , … , 𝝀𝒏 , tales que:
𝒗 = 𝝀𝟏 𝒗𝟏 + 𝝀𝟐 𝒗𝟐 + 𝝀𝟑 𝒗𝟑 + … + 𝝀𝒏 𝒗𝒏
Ingeniería y combinación lineal de vectores
Supongamos que tenemos 4 tachos de pintura colores rojo, amarillo, azul y verde (conjunto A).
Queremos pintar nuestra pieza de color verde (vector 𝑣 de la ecuación anterior), entonces, combinando
linealmente el tacho azul, el amarillo y el verde, logramos lo que necesitamos de la siguiente forma:
𝑉𝑒𝑟𝑑𝑒 = 500𝑚𝑙 𝑎𝑚𝑎𝑟𝑖𝑙𝑙𝑜 + 500𝑚𝑙 𝑎𝑧𝑢𝑙 + 500𝑚𝑙 𝑑𝑒 𝑣𝑒𝑟𝑑𝑒
Lo que estamos haciendo es combinar linealmente (a través de escalares 𝜆1 = 500𝑚𝑙, 𝜆2 = 500𝑚𝑙 𝑦 𝜆3 =
500𝑚𝑙) 3 colores (vectores rojo, azul y amarillo) para obtener lo que necesitamos.
Dependencia e independencia lineal de vectores
Para determinar analíticamente si un conjunto de vectores es linealmente independiente o dependiente, se debe
investigar qué tipo de combinación lineal genera al vector nulo.
Diremos que un conjunto de vectores 𝑨 = (𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 , … , 𝒗𝒏 ) es linealmente independiente, si la única
forma de escribir el vector nulo (0) como combinación lineal de los vectores de A es con todos escalares
nulos. Es decir:
𝟎 = 𝝀𝟏 𝒗𝟏 + 𝝀𝟐 𝒗𝟐 + 𝝀𝟑 𝒗𝟑 + … + 𝝀𝒏 𝒗𝒏 ⟹ 𝝀𝟏 = 𝝀𝟐 = 𝝀𝟑 = ⋯ = 𝝀𝒏 = 𝟎
En caso contrario, 𝑨 = (𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 , … , 𝒗𝒏 ) es linealmente dependiente si para escribir el vector nulo no
necesitamos que los escalares sean todos nulos. Es decir, existe 𝝀𝒊 , tal que 𝝀𝒊 ≠ 𝟎 con 𝒊 = 𝟏; 𝟐; 𝟑; … ; 𝒏
Consideremos ahora los vectores 𝑢̅ = (1, 2, 3) y 𝒗 ̅ = ( 2, 4, 6). Podemos expresar:
̅=0
2 𝑢̅ + (-1) 𝒗
̅ a través de los escalares
es decir, se puede obtener el vector nulo como combinación lineal de los vectores 𝑢̅ y 𝒗
2 y -1.
Tenemos entonces que aparte de la combinación lineal trivial, que siempre se puede formar, puede existir otra
combinación, en donde los escalares no sean todos nulos.
El significado geométrico de la definición anterior es el siguiente: Si dos vectores 𝑢̅ y 𝒗 ̅ son linealmente
dependientes, indica que se puede escribir:
̅ = 0
d1 𝑢̅ + d2 𝒗
16
𝑑 𝑑
suponiendo que: d1  0 , tendremos: 𝑢̅ = − 𝑑1 𝑣̅ y llamando 𝑑 = − 𝑑1 , nos queda 𝑢̅ = d 𝒗
̅
2 2
es decir “𝑢̅” es un múltiplo escalar de 𝒗̅ ; dicho de otra manera, ambos vectores tienen la misma dirección
(son paralelos).
Cuando esto no ocurre, los vectores son linealmente independientes y tendrán direcciones distintas.
La condición necesaria y suficiente para que tres vectores sean coplanares, es que sean linealmente
dependientes. Si los vectores son linealmente independientes, los mismos tienen tres direcciones diferentes.
En otras palabras, tres vectores son linealmente dependientes sí y sólo sí su producto mixto es cero (es decir
no generan volumen).
Ingeniería y Dependencia e independencia lineal de vectores
Volviendo al caso anterior de la pintura, si queremos obtener el color cero (suponiendo que exista),
combinando linealmente el rojo, el azul y el amarillo, nos queda:
0 = 𝜆1 𝑟𝑜𝑗𝑜 + 𝜆2 𝑎𝑧𝑢𝑙 + 𝜆3 𝑎𝑚𝑎𝑟𝑖𝑙𝑙𝑜
Al ser estos 3 los colores primarios, la única combinación de 𝜆1 , 𝜆2 𝑦 𝜆3 , es que todos tengan el valor cero,
ahora tomemos los 4, o sea sumemos el verde, lo que nos queda:
0 = 𝜆1 𝑟𝑜𝑗𝑜 + 𝜆2 𝑎𝑧𝑢𝑙 + 𝜆3 𝑎𝑚𝑎𝑟𝑖𝑙𝑙𝑜 + 𝜆4 𝑣𝑒𝑟𝑑𝑒
Vemos que 𝜆1 , 𝜆2 , 𝜆3 𝑦 𝜆4 , van a ser distintos de 0, ya que combinando linealmente el azul y el amarillo
obtenemos color verde, si le sumamos más verde (en este caso 𝜆4 sería negativo pero ≠ 0), vemos que los
escalares son distintos de cero, por lo que ese conjunto A es linealmente dependiente.
17
18
UNIDAD N°2: Matrices.
Introducción
Las matrices son ampliamente usadas para almacenar información de manera sintética y, por tal motivo,
representa una manera simple de mostrar dicha información. Por ejemplo, información que es almacenada en
este tipo de estructura son los horarios de trenes, la cantidad de existencias de mercadería en un depósito, una
imagen en la pantalla de un monitor. Tengamos en cuenta que una planilla de Excel es una matriz.
Objetivos
Esperamos que al finalizar la lectura comprensiva y activa del presente capítulo, usted pueda:
 Conocer las operaciones matriciales y sus propiedades.
 Resolver ecuaciones matriciales.
 Advertir la utilidad de las matrices y de las operaciones matriciales para manejar datos en problemas
complejos.
 Utilizar las matrices en el modelado de problemas.
Definición
Se llama matriz a un cuadro ordenado, que puede contener en su interior números reales o complejos, letras o
números y letras; polinomios, funciones y todo aquel elemento q sea importante agrupar en forma ordenada
según condiciones del problema particular analizado; es decir elementos dispuestos en un cierto orden,
distribuidos en “m” filas y “n” columnas.
A los elementos de una matriz se los distingue con un doble subíndice; el primero indica el número de orden
de la fila contando de arriba hacia abajo; y el segundo, el número de orden de la columna contando de izquierda
a derecha. Por ejemplo, el elemento 𝑎ij ocupa la fila “i” y la columna “j”.
Se identifica a las matrices, encerrando el cuadro de elementos entre corchetes, [ ] , paréntesis gruesos, ( ) , o
dobles barras  .
Entonces una matriz que tenga “m” filas y “n” columnas, se dice que es de dimensión, de orden o de tipo “m
x n”.
Si la matriz tiene “m” filas y “m” columnas, decimos que la matriz es cuadrada de orden “m”.
A las matrices las identificamos con letras mayúsculas (A, B, C, . . . , M) y se las escribe del siguiente modo:
𝑎11 𝑎12 … 𝑎1𝑛 𝑎22 , 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑎
𝑎 𝑎22 … 𝑎2𝑛 𝑙𝑎 𝑓𝑖𝑙𝑎 2 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 2
𝐴𝑚𝑥𝑛 = [ 21 ] “m” filas
⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛
“n” columnas
Esta es la matriz “A” de orden “m x n”. En forma abreviada se expresan las matrices:𝐴 = ‖𝑎𝑖𝑗 ‖, en donde i =
1, 2, 3, . . . . , m y j = 1, 2, 3, . . . . . , n .
Si se quiere poner en evidencia las dimensiones de la matriz, se escribe: A (mxn) = ‖𝑎𝑖𝑗 ‖. No usaremos la
notación [𝑎ij] ó (𝑎ij) ya que se puede pensar que los corchetes o los paréntesis encierran un único elemento 𝑎ij
La matriz compuesta de una sola fila se llama matriz fila o vector fila y se conviene usar paréntesis para
indicar (encerrar) una matriz de una sola fila:
A = (𝑎1 𝑎2 𝑎3 . . . 𝑎n)
La matriz compuesta de una sola columna se llama matriz columna o vector columna y en este caso se usan
𝑎1
𝑎2
los corchetes para designarla. 𝐴 = 𝑎3
⋮
[ 𝑎𝑚 ]
Para simplificar la escritura, en lugar de escribir en columna los elementos de la matriz columna, se los puede
escribir en fila, encerrando los mismos entre corchetes:
A = [𝑎1 𝑎2 . . . 𝑎m]
19
Existe completa equivalencia entre vectores y matrices que tienen una sola fila o una sola columna. Cuando
estudiemos las operaciones con matrices, comprobaremos que la definición de igualdad, la adición y
multiplicación por un escalar coincide para vectores y para matrices filas o columnas. En muchas ocasiones es
conveniente representar las filas o columnas de una matriz como vectores. Entonces una matriz “A” puede ser
escrita como una fila de vectores columnas o bien como una columna de vectores fila.
𝐵1
𝑎11 𝑎12 … 𝑎1𝑛 𝐵2
𝑎 𝑎22 … 𝑎2𝑛
𝐴𝑚𝑥𝑛 = [ 21 ] = ( 𝐴 𝐴 𝐴 … 𝐴 ) = 𝐵3
⋮ ⋮ ⋮ ⋮ 1 2 3 𝑛
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 ⋮
[𝐵𝑚 ]
donde el vector correspondiente a la columna “j” es: Aj = [𝑎1𝑗 𝑎2𝑗 𝑎3𝑗 . . . 𝑎𝑚𝑗 ] y el vector correspondiente
a la fila “i” es: Bi = (𝑎𝑖1 𝑎𝑖2 𝑎𝑖3 . . . 𝑎𝑖𝑛 )
Tipos de Matrices
Ya hemos definido la matriz cuadrada, como aquella que tiene el mismo número de filas que de columnas.
 Matriz Rectangular: es aquella que tiene diferente número de filas y de columnas. Pueden ser matrices
rectangulares de tipo horizontal o de tipo vertical. La primera, la de tipo horizontal, es aquella que tiene
mayor número de columnas que de filas; y la segunda, o sea la de tipo rectangular vertical, es la que tiene
más filas que columnas.
 Matriz Transpuesta: Dada la matriz “A” de orden n x p, se denomina transpuesta (o traspuesta) de “A” y se
indica At a la matriz que tiene como filas y columnas, las columnas y filas de “A” (respetando el orden). Es
decir, si Anxp = (𝑎ij), la matriz transpuesta de A es: At(pxn) = (𝑎ji)
Ejemplo: Si
−1 2
−1 3 4
𝐴=[ 3 5] ; 𝑒𝑠 𝐴𝑡 = [ ]
2 5 −2
4 −2
Toda matriz de orden 1x1 es igual a su traspuesta. La transposición verifica (𝐴𝑡 )𝑡 = 𝐴
La transposición de matrices goza de las siguientes propiedades:
1) La transpuesta de una suma de matrices es la suma de las transpuestas: (𝐴 + 𝐵)𝑡 = 𝐴𝑡 + 𝐵𝑡
2) La transpuesta de un producto de matrices se obtiene multiplicando en orden inverso las transpuestas de
sus diferentes factores: (𝐴 . 𝐵)𝑡 = 𝐵𝑡 . 𝐴𝑡
 Diagonal Principal: Dentro de una matriz cuadrada (igual cantidad de filas que de columnas), podemos
analizar sus elementos y definir de tal modo lo que constituye su diagonal principal. Se denomina diagonal
principal a todos los elementos de la matriz que están ubicados entre dos líneas paralelas imaginarias que
se extienden desde el ángulo superior izquierdo al ángulo inferior derecho, o que dicha diagonal la
constituyen todos los elementos que tienen iguales sus subíndices  𝑎𝑖𝑖 . Tomemos como ejemplo, la matriz
“A” de orden n x n:
𝑎11 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛
𝐴𝑛𝑥𝑛 = [ ]
⋮ ⋮ ⋮ ⋮
𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑛
los elementos 𝑎11 , 𝑎22 , 𝑎33 , . . ., 𝑎𝑛𝑛 son los que constituyen la diagonal principal de la matriz A.
En cambio, si consideramos los elementos ubicados entre dos líneas paralelas imaginarias que se extienden
desde el ángulo inferior izquierdo al ángulo superior derecho, tendremos la diagonal secundaria de dicha
matriz “A”.
 Traza de una Matriz: Se denomina traza de una matriz cuadrada a la suma de los elementos de su diagonal
principal.
Ejemplo:
5 2 −3
𝐴 = [1 0 2] es su traza entonces: 5 + 0 + 3 = 8
4 1 3
 Matriz Diagonal: Una matriz cuadrada cuyos elementos son todos nulos, excepto los de la diagonal
principal, se llama matriz diagonal. Es decir:
20
Anxn es diagonal  i  j  𝑎ij = 0
Ejemplo:
𝑎11 0 0 2 0 0
𝐴 = [ 0 𝑎22 0 ] ; 𝐵 = [0 3 0]
0 0 𝑎33 0 0 −5
 Matriz Escalar: Se denomina matriz escalar a la matriz diagonal que tiene todos los elementos de la diagonal
principal iguales; es decir, Anxn es escalar, cuando:
Ejemplos:
𝛼 0 0 3 0 0 𝑎ij =  sí i = j
𝐴 = [0 𝛼 0] ; 𝐵 = [0 3 0 ]
0 0 𝛼 0 0 3 𝑎ij = 0 sí i  j
 Matriz Unidad o Matriz Identidad: Se llama matriz unidad o matriz identidad a la matriz escalar en la cual
todos los elementos de la diagonal principal son iguales a uno ( 1 ). Esta matriz se la señala como matriz
“I”.
En la matriz Inxn se cumple que: 𝑎𝑖𝑗 = 1 𝑠𝑖 𝑖 = 𝑗
Ejemplo: aij = 0 sí i  j
1 0 0 0
1 0 0
0 1 0 0
𝐼=[ ] ; 𝐼 = [0 1 0]
0 0 1 0
0 0 1
0 0 0 1
y además se verifica que: 𝐴 . 𝐼 = 𝐼 . 𝐴 = 𝐴
2 1 1 0
𝑠𝑖 𝐴(2𝑥2) = [ ] 𝑒 𝐼(2𝑥2) = [ ]
−3 4 0 1
entonces se cumple que
2 1 1 0 2 1
𝐴 .𝐼 = 𝐼 .𝐴 = [ ] .[ ]=[ ]
−3 4 0 1 −3 4
 Matriz Simétrica: Una matriz cuadrada se denomina simétrica sí y sólo sí es igual a su transpuesta. Por lo
tanto, en una matriz simétrica los elementos simétricos con respecto a la diagonal principal son iguales; es
decir: Anxn es simétrica  A = At  𝑎ij = 𝑎ji
Ejemplo:
La matriz
1 5 −6 1 5 −6
𝑡
𝐴=[ 5 3 2 ] es simétrica, pues es igual a 𝐴 = [ 5 3 2]
−6 2 −4 −6 2 −4
 Matriz Antisimétrica: Una matriz cuadrada se denomina antisimétrica sí y sólo sí es igual a la opuesta de
su transpuesta. Por lo tanto, en una matriz antisimétrica los elementos simétricos con respecto a la diagonal
principal son opuestos. Es decir, Anxn es antisimétrica sí y sólo sí A = - At  𝑎ij = - 𝑎ji
Ejemplo:
La matriz
0 5 −6
𝐴 = [−5 0 2 ] es antisimétrica.
6 −2 0
Nota: Los elementos de la diagonal principal de una matriz antisimétrica son nulos, pues para que 𝑎ii = - 𝑎ii
sólo se puede verificar si 𝑎ii = 0.
Son válidas las siguientes Propiedades:
1) El producto de toda matriz por su transpuesta es una matriz simétrica, o sea A.At es simétrica (no es
necesario que la matriz considerada sea cuadrada).
2) La suma de toda matriz cuadrada y de su transpuesta es simétrica; o sea: A + At es simétrica
3) La diferencia de toda matriz cuadrada con su transpuesta es antisimétrica; o sea: A – At es antisimétrica.
4) Toda matriz cuadrada es la suma de una matriz simétrica y de una matriz antisimétrica. Si “A” es una
matriz cuadrada de orden nxn, de las propiedades 2ª y 3ª resulta que: ½ (A+At) es simétrica, y que ½ (A-
At) es antisimétrica, por lo tanto: A = ½ (A+At) + ½ (A-At)
21
 Matriz Triangular: Una matriz cuadrada se denomina “triangular” cuando los elementos ubicados por
encima o por debajo de la diagonal principal son ceros. Es decir, existen dos tipos de matrices triangulares.
 Matriz Triangular superior es aquella en la cual los elementos nulos son los que están por debajo de la
diagonal principal. Esto se expresa: Matriz Triangular superior  i  j  𝑎ij = 0
Ejemplo:
1 −2 −3
𝐴 = [0 6 4]
0 0 8
 Matriz Triangular inferior es aquella en la cual los elementos nulos se encuentran por encima de la
diagonal principal. Esto se expresa: Matriz Triangular inferior  i  j  𝑎ij = 0
Ejemplo:
2 0 0
𝐴 = [−5 4 0]
−3 6 7
 Matriz Escalonada: Se denomina matriz escalonada a una matriz no necesariamente cuadrada, que tiene la
forma similar a una matriz triangular superior, en la cual los renglones o filas cuyos elementos son todos
nulos aparecen en la parte inferior de la matriz; y además, en los renglones que no contienen solamente
ceros, el primer elemento no nulo en el renglón inferior ocurre más hacia la derecha que el primer elemento
no nulo del renglón superior.
Ejemplos de matrices escalonadas:
2 4 5 −7 1 5 3 5 4 9 6 3 5 7
3 2 1
0 0 3 2 4 8 0 4 3 1 8
[ ] ; [0 5 7 ] ; [ ] ; [ 0 2 0]
0 0 0 6 2 9 0 0 0 9 6 0 0 6
0 0 9
0 0 0 0 4 8 0 0 0 0 0 0 0 0
 Matriz Inversa: Decimos que una matriz cuadrada “A” es invertible, si es posible encontrar una matriz
cuadrada “B” del mismo orden que “A”, tal que:
𝐴.𝐵 = 𝐵 .𝐴 = 𝐼
Entonces la matriz “B” es la matriz inversa de “A” y viceversa.
La matriz inversa de “A” se la indica con el símbolo A-1.
 Matriz Ortogonal: Una matriz cuadrada no singular se denomina ortogonal sí y sólo sí su inversa es igual a
su transpuesta; o sea A es ortogonal  A-1 = At. O también, expresado de otra manera, una matriz cuadrada
es ortogonal, sí y sólo sí el producto de dicha matriz por su transpuesta da como resultado la matriz unidad,
o sea:
A es ortogonal  𝐴 . 𝐴𝑡 = 𝐴𝑡 . 𝐴 = 𝐼 = At . A
Ejemplo: La matriz
1 √3 1 √3
−
𝐴= 2 2 𝑒𝑠 𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙, 𝑝𝑢𝑒𝑠 𝐴𝑡 = 2 2
√3 1 √3 1
−
[ 2 2] [2 2]
y se cumple:
1 √3 1 √3
−
2 2 . 2 2 = [ 1 0]
√3 1 √3 1 0 1
−
[ 2 2] [2 2]
y además el producto escalar de los vectores filas o columnas debe ser igual a cero, es decir los vectores filas
o columnas deben ser perpendiculares entre sí.
Igualdad de Matrices
Dos matrices son iguales sí y sólo sí tienen el mismo orden (es decir igual número de filas y de columnas)
y sus elementos correspondientes son iguales. (Se llaman elementos correspondientes a aquellos que
pertenecen a igual fila e igual columna).
Simbólicamente, dadas las matrices:
22
A = (𝑎ij) y B = (bij) , resulta A = B  𝑎ij = bij
Adición o Suma de Matrices
Es condición necesaria para que se puedan sumar dos matrices, que las mismas sean de igual orden, es decir
que tengan igual número de filas y de columnas entre sí. En este caso se dice que las matrices son “sumables”
o “conformables”.
Entonces, dadas las matrices A = (𝑎ij) y B = (bij) definidas en el campo de los números reales y de orden n x
m, la suma es otra matriz “C = (cij)”, que también pertenece al campo de los números reales y es igualmente
de orden n x m, y cuyos elementos son la suma de los elementos correspondientes de las matrices dadas.
Es decir:
C = A + B  (cij) = (𝑎ij) + (bij)
Ejemplo: Sean:
3 1 −2 −3 2 4
𝐴=[ ] 𝑦 [ ]
−4 0 5 1 −2 0
resulta:
3 + (−3) 1+2 (−2) + 4 0 3 2
𝐶 =𝐴+𝐵 =[ ]=[ ]
(−4) + 1 0 + (−2) 5+0 −3 −2 5
Propiedades de la Adición de Matrices
a) Propiedad de clausura (u operación cerrada): La suma de dos matrices es otra matriz definida en forma
única.
b) Propiedad Conmutativa: A + B = B + A
En base a la definición de la suma de matrices, es: A + B = (𝑎ij) + (bij) = (y por la propiedad conmutativa
de la adición para números reales) = (bij) + (𝑎ij) = B + A
c) Propiedad Asociativa: (A + B) + C = A + (B + C) y por la definición de suma de matrices es: (A + B) + C
= [ (aij) + (bij) ] + (cij) = (y por la propiedad asociativa de la adición para números reales) = (𝑎ij) + [ (bij) +
(cij) ] = A + (B + C)
d) Existencia del Elemento Neutro: Una matriz cuyos elementos son todos ceros, se llama matriz cero o matriz
nula. O sea: N = (nij), está definida por nij = 0 para todo “i” y para todo “j”  ( nij = 0 , i   j) Si a la
matriz Anxm le sumamos la matriz nula Nnxm , el resultado será la misma matriz “Anxm”.
Para el conjunto de todas las matrices de orden “n x m”, la matriz nula de orden n x m es el elemento neutro
de la adición para dichas matrices.
e) Existencia del Elemento Opuesto: La matriz opuesta de A = (𝑎ij) es -A = (- 𝑎ij) ; es decir: “La matriz
opuesta es el elemento opuesto o inverso aditivo de la adición de matrices” , ya que sí: A = (𝑎ij) es -A = (-
𝑎ij) y se verifica que: A + (-A) = (𝑎ij) + (- 𝑎ij) = 0 = N
Multiplicación de un Escalar por una Matriz
La multiplicación de un escalar  por una matriz “A” o de una matriz “A” por un escalar , es la matriz que se
obtiene al multiplicar cada elemento de “A” por el escalar  , o sea, si A = (𝑎ij) y  es un número que
pertenece a los reales, ello implica:
.A = A. = (𝑎ij.)
es decir, por definición:
𝑎11 𝑎12 … 𝑎1𝑛 𝑎11 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛 𝑎21 𝑎22 … 𝑎2𝑛
[ ]=[ ]
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛
En particular, si: .A = 0, deberá ser  = 0 ó “A” una matriz nula.
Propiedades del Producto de un Escalar por una Matriz
a) El producto de un escalar por una matriz es otra matriz definida en forma única.
b) Propiedad asociativa respecto al producto por escalares:
𝜆1 (𝜆2 . 𝐴) = (𝜆1 𝜆2 ). 𝐴 𝜆1 (𝜆2 . 𝑎𝑖𝑗 ) = (𝜆1 𝜆2 𝑎𝑖𝑗 ) = 𝜆1 𝜆2 (𝑎𝑖𝑗 )
c) Propiedad Distributiva respecto del producto de un escalar por la suma de matrices:
 (A + B) =  . A +  . B
23
pues
 (𝑎ij + bij) = (𝑎j +  bij) = (𝑎ij) + ( bij) =  (𝑎ij) +  (bij)
d) Propiedad Distributiva respecto a la suma de escalares:
(1 + 2) . A = 1.A + 2.A ; pues: (1 + 2) (𝑎ij) = [(1+2) 𝑎ij] = (1. 𝑎ij + 2. 𝑎ij) =
= (1. 𝑎ij) + (2. 𝑎ij) = 1.(𝑎ij) + 2.(𝑎ij)
e) Si el escalar  = 1 , resulta:
.A = 1.A = A
pues :
1.(𝑎ij) = (1. 𝑎ij) = (𝑎ij)
f) Si se considera la operación de transponer el producto de un escalar por una matriz resulta:
( . A)t =  . At
Producto de matrices
Dadas las matrices Amxp y Bpxq , llamaremos producto de estas matrices, en ese orden, y lo indicaremos con:
𝑨𝒎𝒙𝒑 . 𝑩𝒑𝒙𝒒 = 𝑪𝒎𝒙𝒒
=
donde:
𝐶𝑖𝑗 = 𝑎𝑖1 . 𝑏1𝑗 + 𝑎𝑖2 . 𝑏2𝑗 + ⋯ + 𝑎𝑖𝑝 . 𝑏𝑝𝑗
en donde: i varía entre 1, 2, . . . m, y, j varía entre 1, 2, . . . q, y en forma abreviada:
𝑘=1
𝐶𝑚𝑥𝑞 = 𝐴𝑚𝑥𝑝 . 𝐵𝑝𝑥𝑞 = (𝑐𝑖𝑗 ) 𝑐𝑜𝑛 𝑐𝑖𝑗 = ∑ 𝑎𝑖𝑘 . 𝑏𝑘𝑗

𝑘=𝑝
es decir que para calcular el término 𝑐𝑖𝑗 del producto, se multiplica término a término la fila “i” del primer
factor por la columna “j” del segundo factor y se efectúan las sumas de dichos productos. Esto se realiza como
se indica en el esquema siguiente:
columna j
fila i
𝑐𝑖𝑗
o expresado de otra manera, diremos que multiplicamos el primer elemento de la fila “i” por el primer elemento
de la columna “j” a quien le sumamos el producto del segundo elemento de la fila “i” por el segundo elemento
de la columna “j”, más el producto del tercer elemento de la fila “i” por el tercer elemento de la columna “j”,
y así sucesivamente, hasta haber completado todos los elementos de dicha fila y columna.
b11 b12
b21 b22
b31 b32
𝑎11 𝑎12 𝑎13 𝑎11b11+ 𝑎12b21+ 𝑎13b31 𝑎11b12+ 𝑎12b22+ 𝑎13b32

𝑎21 𝑎22 𝑎23 𝑎21b11+ 𝑎22b21+ 𝑎23b31 𝑎21b12+ 𝑎22b22+ 𝑎23b32
En números:
1 0
2 –1 B3x2
4 1
A2x3 -2 3 1 8 -2
5 6 4 33 -2
C2x2
3 9 5 41 -4
Con las operaciones realizadas, podemos observar que:
1) Para poder efectuar el producto de dos matrices es necesario que el número de columnas de la primera
matriz (es decir la matriz que premultiplica) sea igual al número de filas de la segunda (o sea de la matriz
que posmultiplica). En ese caso, se dice que las matrices propuestas para realizar el producto son
conformables.
24
2) En el caso de matrices conformables, la matriz producto tiene el mismo número de filas que la matriz que
premultiplica y el mismo número de columnas de la matriz que posmultiplica.
En el producto A.B se dice que A multiplica a B por la izquierda (o que A premultiplica a B) y que B multiplica
a A por la derecha (o que B posmultiplica a A).
Aclaración: Se ha efectuado en forma práctica (en números), el producto de la matriz “A” de orden dos por
tres (2x3) por la matriz “B” de orden tres por dos (3x2), obteniendo como resultado la matriz “C” de orden dos
por dos (2x2).
Podemos observar en este ejemplo que tanto en la matriz “A” (la matriz que premultiplica) como en la Matriz
“C” (matriz resultado), que existe en ambas una fila adicional (números encerrados en un cuadrito).
La fila adicional de la matriz “A” ha sido constituida sumando los elementos de dicha matriz por columnas, o
sea, de la primera columna: -2 + 5 = 3 ; de la segunda columna: 3 + 6 = 9 ; y de la tercera columna: 1 + 4 = 5.
Una vez constituida dicha fila adicional en la matriz “A”, utilizo la misma como si se tratara de una fila más
de “A”, operando la misma en forma similar a las otras filas de “A”, lo cual me da por resultado la tercera fila
de la matriz “C”. Los números de esta tercera fila de la matriz resultado “C”, deben ser iguales a la suma de
los elementos de las columnas de dicha matriz “C”, o sea:
41 = 8 + 33 , y , -4 = -2 + (-2).
Esta operación adicional al producto de las matrices “A” y “B” nos permite comprobar la exactitud de los
resultados obtenidos; es decir se trata de una verificación del producto de las matrices “A” y “B”.
Propiedades de la Multiplicación de Matrices
1) En general, la multiplicación de matrices no goza de la Propiedad Conmutativa; es decir que:
A.B  B.A
Si como caso especial, resulta A.B = B.A, se dice que las dos matrices conmutan o que son permutables.
También puede ocurrir que si A.B = -B.A, en este caso las matrices se denominan anticonmutativas.
Ejemplo:
−3 −12 3
𝐴 = [ ] ; 𝐵 = [4 −1] ⇒ 𝐴. 𝐵 = [ ] ; 𝐵. 𝐴 = [−17]
5 20 −5
2) Dadas las siguientes matrices: Anxm ; Bmxp y Cpxq , se pueden multiplicar las mismas con la condición
de que el número de columnas de cada una de ellas sea igual al número de filas de la siguiente, o sea:
A.B.C = (A.B) . C = A . (B.C)
Esta proposición permite demostrar, (bajo la condición de que el número de columnas de la matriz que
premultiplica sea igual al número de filas de la matriz que posmultiplica), que el Producto de Matrices
goza de la Propiedad Asociativa.
El producto de las matrices A.B.C, ya citadas, me da como resultado otra matriz D de orden nxq . Esto
resulta que si multiplico las matrices A.B el resultado es una matriz F de orden nxp; la cual puedo
multiplicar por la matriz C de orden pxq y dicho resultado me da la matriz D de orden nxq. En esta forma
puedo continuar con el análisis y demostrar la Propiedad Asociativa.
3) Propiedad Distributiva: La operación (A+B).C = A.C + B.C, indica que el producto de matrices es
distributivo a derecha respecto a la suma de matrices.
También: C.(A+B) = C.A + C.B , goza de la Propiedad Distributiva, pero en este caso decimos que es
distributiva a izquierda respecto de la suma de matrices.
4) Puede ocurrir también que como consecuencia del producto de dos matrices no nulas, obtengamos por
resultado una matriz NULA.
𝐴≠0
𝐴 .𝐵 = 0 ⇒
𝐵≠0
5) El producto de una matriz “A” por una matriz nula, ó el producto de una matriz nula por una matriz “A”,
da por resultado una matriz NULA
A.0 = 0.A = 0
6) El producto de un escalar “” por el producto de dos matrices es igual al producto de dicho escalar por
una de ellas y este resultado luego multiplicado por la otra matriz, o sea:
 (B.C) = ( .B).C = B.( .C)
7) La transpuesta del resultado del producto de dos matrices es igual al producto de dichas transpuestas
pero en orden inverso:
(A . B)t = Bt . At
25
Matrices equivalentes por filas
Para obtener una matriz equivalente a la matriz dada se pueden realizar operaciones elementales que van
transformando la matriz dada en matrices equivalentes.
Decimos que la matriz “B” es “equivalente por filas” a la matriz “A”, si existe una sucesión finita de
operaciones elementales que transformen la matriz “A” en la matriz “B”.
La relación de equivalencia es simétrica, o sea que podemos decir también que la matriz “A” es equivalente
por filas a la matriz “B”.
Se demuestra que dos matrices son equivalentes por filas, sí y sólo sí, tienen la misma matriz reducida
(por filas).
Las operaciones elementales válidas que se pueden realizar sobre las filas ó columnas de una matriz, son
las siguientes:
 Multiplicar la fila “i” por el escalar “  0”. Esta operación se indica: ei() .
2 −1 𝟐 −𝟏
[ 5 2 ] 𝒆 𝟑 (−𝟏) [𝟓 𝟐]
−3 0 𝟑 𝟎
 Sumar a la fila “i” otra fila “l”, previamente multiplicada por el escalar “” . Se sobre entiende que i  l y
que   0 . Esta operación se expresa: eil() .
2 −1 𝟐 −𝟏
[ 5 2] 𝒆𝟐 𝟑 (𝟐) [ −𝟏 𝟐]
−3 0 −𝟑 𝟎
 Intercambiar la fila “i” con la fila “l”. (Intercambiar dos filas entre sí). Se escribe: eil
2 −1 𝟐 −𝟏
[ 5 2] 𝒆𝟐 𝟑 [−𝟑 𝟎]
−3 0 𝟓 𝟐
Matriz Reducida por Filas
Para obtener una matriz reducida por filas es necesario realizar una serie de operaciones elementales que van
transformando la matriz dada en matrices equivalentes, hasta que la matriz obtenida, que llamaremos, Matriz
Reducida por Filas, satisfaga las siguientes condiciones:
1) Tiene forma escalonada, es decir, los primeros elementos no nulos de una fila, se encuentran a la derecha
de los de cualquier fila anterior. A dichos elementos no nulos se los denomina elementos conductores.
2) Los elementos conductores son iguales a uno.
3) En las columnas de los elementos conductores, los restantes elementos son ceros.
4) Las filas nulas (si existen), están debajo de las no nulas.
Ejemplo de matriz reducida por filas :
1 5 0 0 4
[0 0 1 0 −2 ]
0 0 0 1 2
0 0 0 0 0
¿Qué valores deben tener “” y “” para que la matriz M, sea una matriz reducida por filas?
0 1 𝛼 −7 0 2
𝑀 = [0 0 1 3 0 1]
0 0 0 0 𝛽 0
Para que la matriz “M” sea una matriz reducida por filas, de acuerdo a la definición, deberá ser  = 0 y  = 1
, ó ,  = 0.
¿Qué operación elemental debemos aplicar a la matriz “C” para que resulte una matriz reducida por filas?
1 3 0 0 3 1 3 0 0 3
𝐶 = [0 0 1 1 1] ⇒ 𝑒23(−1) ⇒ [0 0 1 0 −2]
0 0 0 1 3 0 0 0 1 3
26
Toda matriz puede reducirse por filas mediante operaciones elementales. La matriz reducida es única. En
general, la técnica empleada consiste en eliminar los elementos inferiores de la primera columna usando la
primera fila, los de la segunda columna usando la segunda fila, etc. (y así sucesivamente) hasta que la matriz
dada quede escalonada. Luego, se emplean los elementos conductores para eliminar los elementos que se
encuentran por encima de ellos.
Rango de una matriz
Se define como rango o característica de una matriz a la cantidad de vectores filas o vectores columnas
linealmente independientes que constituyen dicha matriz.
Uno de los métodos para calcular el mismo, es a través de la obtención de la matriz escalonada de la matriz
dada, utilizando operaciones elementales sobre filas.
Los distintos autores identifican al rango o característica de una matriz, con la letra “r” o con la letra “h”.
En la matriz reducida, el rango o característica queda determinado por la cantidad de filas no nulas que
tiene dicha matriz reducida por filas.
Matriz Elemental
Una matriz elemental de orden “n x n” se puede obtener a partir de una matriz identidad de orden “n” realizando
una sola operación elemental de filas sobre la misma.
El producto de la matriz elemental “E” por la matriz “A” es la misma matriz que resultaría de efectuar la
misma operación elemental sobre las filas de “A”.
Toda matriz elemental es invertible.
Ejemplo:
Dadas las matrices
4 2 1 1 0 0
𝐴 = [5 3 2 ] ; 𝐼 = [0 1 0 ]
3 −2 −1 0 0 1
1 0 0 0 1 0
𝐼 = [0 1 0] ⇒ 𝑒12 ⇒ 𝐸 = [1 0 0]
0 0 1 0 0 1
4 2 1 4 2 1
5 3 2 =A 5 3 2 e12
3 -2 -1 3 -2 -1
0 1 0 5 3 2 5 3 2
E= 1 0 0 4 2 1 = E.A 4 2 1
0 0 1 3 -2 -1 3 -2 -1
Obtención de la Matriz Inversa mediante Operaciones Elementales
La condición necesaria y suficiente para que una matriz cuadrada admita inversa, es que todas las filas (o
columnas) de la misma sean linealmente independientes.
Se dispone de la siguiente manera: A In
 
 eil  eil
 
RA A-1
Se le realizan operaciones elementales de filas a la matriz “A” de forma tal de llegar a su reducida por filas,
que es la matriz identidad  RA = In .
Si en el transcurso de las operaciones (al obtener la matriz triangular) aparece un cero en la diagonal principal,
“A” no será invertible, puesto que dicho cero muestra la existencia de una combinación lineal entre las filas
de “A”.
Si simultáneamente aplicamos las mismas operaciones por filas a una matriz identidad, al obtenerse la reducida
por filas de “A”, de la matriz Identidad obtendremos la matriz inversa de la matriz dada “A”, o sea A-1.
La justificación de este método es debido a que se pueden encontrar matrices elementales, tales que:
EK . . . E2.E1.A = In
27
Si a esta expresión se la posmultiplica por la inversa de la matriz “A”, o sea por A-1, tendremos:
EK . . . E2.E1.A.A-1 = In . A-1
y finalmente queda:
EK . . . E2.E1.In = A-1
Propiedades de la Matriz Inversa
1) A . A-1 = A-1 . A = In
2) (A . B)-1 = B-1 . A-1
3) Si An = A . A . . . . A (n veces) , entonces: A-n = (A-1)n = A-1 . A-1 . . . A-1 (n veces)
4) (A-1)-1 = A
5) (An)-1 = (A-1)n
1 1
6) ( m . A ) 1  A
m
28
UNIDAD N°3: Determinantes.
Introducción
En esta unidad mostraremos la existencia de una función que nos va a permitir saber, en la próxima unidad, si
un sistema de n ecuaciones con n incógnitas es compatible determinado.
Desde luego, no es el único uso que tienen los determinantes, lo volveremos a utilizar para calcular el producto
vectorial y el producto mixto de vectores en la unidad 8.
Objetivos
Al finalizar la lectura comprensiva y activa del presente capítulo, el lector podrá:
 Obtener el valor de un determinante de orden n.
 Reconocer y aplicar las propiedades de la función determinante para su obtención.
 Utilizar determinantes para reconocer la existencia de la matriz inversa y determinarlos a través de
la matriz adjunta.
Definición
A toda matriz cuadrada viene asociado un número, un valor intrínseco, propio de cada matriz, que se denomina
determinante.
En esta unidad se estudiará la función determinante, que es una “función con valores reales de una variable
matricial” en el sentido que asocia un número real f(X) con una matriz X. El trabajo que se efectuará sobre
funciones determinantes tendrá importantes aplicaciones en la teoría de sistemas de ecuaciones lineales y
también conducirá a una fórmula explícita para calcular la inversa de una matriz invertible.
IMPORTANTE: sólo a las matrices cuadradas se puede calcular el determinante, a las matrices
rectangulares, verticales u horizontales, NO se pueden calcular el determinante
Sea A una matriz cuadrada. La función determinante se simboliza por:
𝑎11 𝑎12
det A, ó det [𝑎
21 𝑎22 ] ó simplemente como |𝐴|
es decir “A” encerrado entre simples barras, se define como la suma de los productos elementales con signo
de A. El número det A, se denomina determinante de A.
Por producto elemental de una matriz A n x n se entiende cualquier producto de n elementos de A, de los
cuales ningún par de elementos proviene del mismo renglón o de la misma columna.
Supuesta una matriz “A”, cuadrada, de orden n x n, es decir n filas y n columnas, o sea un total de n2 elementos,
se obtiene el valor del determinante de “A”, formando la sumatoria de todos los productos posibles de “n”
elementos elegidos entre los n cuadrados (n2) elementos de la matriz, con la condición que en cada producto
haya siempre un elemento de cada fila y uno de cada columna, anteponiendo a cada uno de estos productos el
signo más (+) o el signo menos (-) según que las permutaciones que indican las filas y las columnas sean de
clase par o impar respectivamente.
En la siguiente tabla podemos ver las permutaciones de {1, 2, 3} como se clasifican en par o impar:
Número de
Permutación Clasificación
inversiones
(1, 2, 3) 0 Par
(1, 3, 2) 1 Impar
(2, 1, 3) 1 Impar
(2, 3, 1) 2 Par
(3, 1, 2) 2 Par
(3, 2, 1) 3 impar
29
Sea una matriz cuadrada de segundo orden:
𝑎 𝑎12
𝑎11 𝑎12 |𝐴| = |𝑎11 𝑎22 | = 𝑎11 𝑎22
21
𝐴 = [𝑎 𝑎22 ] ⟹ 𝑎 𝑎12
21
|𝐴| = |𝑎11 𝑎22 | = 𝑎12 𝑎21
21
Enumerar todos los productos elementales con signo de las matrices

Producto Permutación Producto elemental
Par o impar
elemental asociada con signo
𝑎11 𝑎22 (1, 2) Par 𝑎11 𝑎22
𝑎12 𝑎21 (2, 1) Impar − 𝑎12 𝑎21
y el determinante asociado será, según lo dicho anteriormente:

𝑎11 𝑎12
det 𝐴 = det [𝑎 𝑎22 ] = 𝑎11 𝑎22 − 𝑎12 𝑎21
21
Si en lugar de ser una matriz de segundo orden (o sea de 2x2), se tratara de una matriz de 3x3, tendremos:
𝑎11 𝑎12 𝑎13
𝐵 = |𝑎21 𝑎22 𝑎23 |
𝑎31 𝑎32 𝑎33
Producto Permutación Producto elemental
Par o Impar
elemental asociada 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
y el determinante asociado será, según lo dicho anteriormente:

𝑎11 𝑎12 𝑎13
det 𝐵 = det | 21 𝑎22 𝑎23 | =
𝑎
𝑎31 𝑎32 𝑎33
= 𝑎11 𝑎22 𝑎33 + 𝑎12 𝑎23 𝑎31 + 𝑎13 𝑎21 𝑎32 − 𝑎11 𝑎23 𝑎32 − 𝑎12 𝑎21 𝑎33 − 𝑎13 𝑎22 𝑎31
Para no tener que memorizar estas expresiones difíciles de manejar, se sugiere usar técnicas mnemotécnicas
que se describen a continuación:
Para matrices de 2 x 2, como la matriz A de arriba, se obtiene al multiplicar los elementos de la flecha hacia
la derecha y restar el producto de los elementos de la flecha hacia la izquierda, según se ve en la figura
siguiente:
𝑎11 𝑎12
[𝑎 𝑎22 ]
21
Si se tratara de un determinante de cuarto orden, el desarrollo del mismo sería:
30
det 𝐴 = 𝑎11 𝑎22 𝑎33 𝑎44 + 𝑎11 𝑎23 𝑎34 𝑎42 + 𝑎11 𝑎24 𝑎32 𝑎43 + 𝑎12 𝑎21 𝑎34
𝑎11 𝑎12 𝑎13 𝑎14
𝑎43 + 𝑎12 𝑎23 𝑎31 𝑎44+ 𝑎12 𝑎24 𝑎33 𝑎41 + 𝑎13 𝑎21 𝑎32 𝑎44 + 𝑎13 𝑎22 𝑎34 𝑎41 + 𝑎13
𝑎21 𝑎22 𝑎23 𝑎24
A = |𝑎 𝑎24 𝑎31 𝑎42 + 𝑎14 𝑎21 𝑎33 𝑎42 + 𝑎14 𝑎22 𝑎31 𝑎43 + 𝑎14 𝑎23 𝑎32 𝑎41 – 𝑎11 𝑎22 𝑎34
𝑎32 𝑎33 𝑎34 |
31 𝑎43 – 𝑎11 𝑎23 𝑎32 𝑎44 – 𝑎11 𝑎24 𝑎33 𝑎42 – 𝑎12 𝑎21 𝑎33 𝑎44 – 𝑎12 𝑎23 𝑎34 𝑎41 –
𝑎41 𝑎42 𝑎43 𝑎44
𝑎12 𝑎24 𝑎1 𝑎43 – 𝑎13 𝑎21 𝑎34 𝑎42 – 𝑎13 𝑎22 𝑎31 𝑎44 – 𝑎13 𝑎24 𝑎32 𝑎41 – 𝑎14 𝑎21
𝑎32 𝑎43 – 𝑎14 𝑎22 𝑎33 𝑎41 – 𝑎14 𝑎23 𝑎31 𝑎42
Si observamos los desarrollos de los determinantes de segundo, de tercero y de cuarto orden aquí expuestos,
podemos ver como a medida que es mayor el orden del determinante, mayor es la cantidad de términos que
forman parte del desarrollo. Vemos que la cantidad de términos de cada desarrollo es igual a factorial de “n”,
o sea: n .
En el caso del de segundo orden (2 x 2) tenemos n = 2  n = 2 = 2.1 = 2 ; el de tercer orden (3 x 3) es n = 3
 n = 3  3.2.1 = 6; el de cuarto orden (4 x 4) es: n = 4  n = 4 = 4.3.2.1 = 24 , y un determinante de 10
x 10 incluiría el cálculo de 10!= 3.628.800.
Matriz regular o no singular
Una matriz cuadrada de orden “n” es regular o no singular, si el determinante asociado a ella es distinto de
cero  |𝐴| ≠ 0. Esto indica que los “n” vectores filas o “n” vectores columnas que la conforman son
linealmente independientes; es decir, el rango de dicha matriz es “n”.
Matriz singular o no regular
Por el contrario, decimos que una matriz cuadrada de orden “n” es singular, no regular o degenerada, cuando
el determinante asociado a ella es cero  |𝐴| = 0 ; es decir que el rango de dicha matriz será menor que “n”,
lo que nos indica que algún vector fila o vector columna es combinación lineal de los otros.
Métodos de cálculo de determinantes
1- Regla de Sarrus
Se utiliza sólo para matrices de 3 x 3 y consiste en agregar debajo de la tercera fila, las dos primeras filas, o a
continuación de la tercera columna, las dos primeras columnas, y luego realizar los productos cruzados como
se muestra a continuación:
𝑎11 𝑎12 𝑎13
|𝑎21 𝑎22 𝑎23 | 𝑎11 𝑎12 𝑎13 𝑎11 𝑎12
𝑎31 𝑎32 𝑎33 ; |𝑎21 𝑎22 𝑎23 | 𝑎21 𝑎22
𝑎11 𝑎12 𝑎13 𝑎31 𝑎32 𝑎33 𝑎31 𝑎32
𝑎21 𝑎22 𝑎23
Estos productos que corresponden a la diagonal principal de la matriz (es decir la que va del extremo superior
izquierdo al extremo inferior derecho) y sus dos paralelas, salen a conformar la sumatoria con el signo que
tienen (positivo si todos sus términos son positivos ó negativo si alguno de sus términos es negativo) que
indicamos con el signo (+) y la que corresponde a la diagonal secundaria (la que va del extremo inferior
izquierdo al extremo superior derecho) y sus dos paralelas cambian su signo para con-formar la sumatoria.
Esto significa que si son positivos resultarán negativos y sí son negativos resultan positivos. Esto está indicado
con el signo (-).
Nos queda:
𝐷𝑒𝑡 𝐴 = 𝑎11 𝑎22 𝑎33 + 𝑎12 𝑎23 𝑎31 + 𝑎13 𝑎21 𝑎32 − 𝑎11 𝑎23 𝑎32 − 𝑎12 𝑎21 𝑎33 − 𝑎13 𝑎22 𝑎31
2- Método de Cofactores
Dada una matriz cuadrada de orden “n”, se denomina “menor complementario” de un elemento cualquiera
𝒂𝐢𝐣 , al determinante asociado a la submatriz de orden “n-1”, que se obtiene después de suprimir la fila que
ocupa el lugar “i” y la columna del lugar “j”.
Dada la matriz “A” de orden 3x3, el menor complementario del elemento 𝒂𝟐𝟑 , es:
𝑎11 𝑎12 𝑎13
𝑎11 𝑎12
A = [𝑎21 𝑎22 𝑎23 ] ⟹ 𝑀23 = [𝑎 𝑎32 ]
31
𝑎31 𝑎32 𝑎33
31
Al menor complementario lo indicamos con la letra M con el doble subíndice que índica fila y columna del
elemento al cual pertenece el menor.
Se denomina adjunto o cofactor de un elemento 𝒂𝐢𝐣 , correspondiente a una matriz cuadrada, a su menor
complementario con signo más o signo menos, según que la suma de los subíndices que indican su fila y su
columna sea par o impar respectivamente.
Al adjunto o cofactor lo denotamos con la letra “C” con doble subíndice que indica fila y columna del elemento
al cual pertenece dicho adjunto o cofactor.
𝐸𝑛 𝑠í𝑚𝑏𝑜𝑙𝑜𝑠, 𝑒𝑠𝑡𝑜 𝑒𝑠: 𝐶𝑖𝑗 = (−1)𝑖+𝑗 𝑀𝑖𝑗
Relacionado con el ejemplo anterior, el adjunto o cofactor del elemento 𝒂𝟐𝟑 , es:
𝑎11 𝑎12 𝑎11 𝑎12 𝑎11 𝑎12
𝐶23 = (−1)2+3 [𝑎 𝑎 ] = (−1) [𝑎 𝑎 ] = − [𝑎 𝑎32 ]
31 32 31 32 31
Demostraremos que: “El valor de un determinante es igual a la suma de los elementos de una línea cualquiera
multiplicados por sus adjuntos correspondientes”.
Si desarrollamos el determinante de tercer orden:
𝑎11 𝑎12 𝑎13
|A| = [ 21 𝑎22 𝑎23 ] = 𝑎11 𝑎22 𝑎33 + 𝑎12 𝑎23 𝑎31 + 𝑎13 𝑎21 𝑎32 − 𝑎11 𝑎23 𝑎32 − 𝑎12 𝑎21 𝑎33 − 𝑎13 𝑎22 𝑎31
𝑎
𝑎31 𝑎32 𝑎33
y extrayendo factores comunes, resulta:
= 𝑎11 (𝑎22 𝑎33 − 𝑎23 𝑎32 ) + 𝑎12 (𝑎23 𝑎31 − 𝑎21 𝑎33 ) + 𝑎13 (𝑎21 𝑎32 − 𝑎22 𝑎31 ) = 𝑎11 𝑀11 + 𝑎12 𝑀12 + 𝑎13 𝑀13
Menor complementario
Cofactor Cofactor Cofactor
𝑎 𝑎23 𝑎21 𝑎23 𝑎21 𝑎22

|𝐴| = 𝑎11 |𝑎22 | | | |
32 𝑎33 + 𝑎12 𝑎31 𝑎33 + 𝑎13 𝑎31 𝑎32 | = 𝑎11 𝐶11 + 𝑎12 𝐶12 + 𝑎13 𝐶13
De la observación del desarrollo de un determinante por los elementos de una línea, nos permite aconsejar
tomar para ello la línea que tenga la mayor cantidad de ceros posibles, pues esto nos evitaría tener que calcular
el adjunto correspondiente, pues este producto sería nulo.
Como caso particular del desarrollo de un determinante por los elementos de una línea, diremos que: “Si en un
determinante todos los elementos de una línea son nulos, excepto uno, el determinante es igual al producto de
ese elemento no nulo por el adjunto del mismo”.
Determinación de la Matriz inversa por medio de la Matriz Adjunta
Sea Anxn , se llama matriz adjunta de A a la matriz que se obtiene por transponer la matriz A y reemplazar cada
elemento de At por su correspondiente cofactor. Se simboliza Adj(A)
El procedimiento es el siguiente:
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 de |A|
|𝐴 | 0 0
𝐴 . 𝐴𝑑𝑗(𝐴) = | 0 |𝐴| 0 | 𝐴 . 𝐴𝑑𝑗(𝐴) = |𝐴| . 𝐼
0 0 |𝐴 |
Dividiendo ambos miembros por |𝐴|
𝐴 . 𝐴𝑑𝑗(𝐴) |𝐴| . 𝐼
=
|𝐴 | |𝐴 |
−1
Pos multiplicando por 𝐴
𝐴 . 𝐴−1 . 𝐴𝑑𝑗(𝐴)
= 𝐼 . 𝐴−1
|𝐴 |
𝑨𝒅𝒋(𝑨)
= 𝑨−𝟏
|𝑨|
32
La inversa de una matriz cuadrada cuyo determinante es regular se obtiene multiplicando el reciproco del
determinante de la matriz A por la adjunta de A
Propiedades de los Determinantes
Para poder explicar los siguientes métodos de resolución, debemos primero ver las propiedades de los
determinantes.
1ª Propiedad: “Si se permutan filas por columnas ó columnas por filas de una matriz, los correspondientes
determinantes son iguales”.
𝑎11 𝑎12 𝑎13 𝑎11 𝑎21 𝑎31
𝑆𝑖 |A| = [𝑎21 𝑎22 𝑎23 ] ; |A = [𝑎12
𝑡| 𝑎22 𝑎32 ]
𝑎31 𝑎32 𝑎33 𝑎13 𝑎23 𝑎33
Todo término del primer determinante está formado por “n” elementos, uno de cada fila y uno de cada columna,
luego pertenece también al segundo determinante.
Las dos permutaciones que indican filas (columnas) en el segundo determinante, son las mismas que indican
columnas (filas) en el primero, luego el signo de dicho término en ambos determinantes es (+) ó ( - ) , según
que ambas permutaciones sean de clase par o impar respectivamente:
|𝐴| = |2 3| = 2 − 15 = −13 ; |𝐴𝑡 | = |2 5| = 2 − 15 = −13
5 1 3 1
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.
𝑎11 𝑎12 𝑎13 𝑎21 𝑎22 𝑎23
|A1 | = [𝑎21 𝑎22 𝑎23 ] ; |A2 | = [𝑎11 𝑎12 𝑎13 ]
𝑎31 𝑎32 𝑎33 𝑎31 𝑎32 𝑎33
Intercambiar entre sí dos filas significa una transposición en los primeros índices, lo cual cambia la clase de
permutación y como la de los segundos índices correspondientes a las columnas no ha variado, habrá un
cambio de signo en cada término del determinante:
|𝐴1 | = |2 3| = 2 − 15 = −13 ; |𝐴2 | = |5 1| = 15 − 2 = 13
5 1 2 3
Consecuencia de la segundad propiedad: “El determinante de toda matriz que tenga dos filas (o dos columnas)
idénticas es nulo”.
𝑎11 𝑎12 𝑎13
𝑆𝑖 |A| = [𝑎21 𝑎22 𝑎23 ]
𝑎31 𝑎32 𝑎33
al permutar dos filas ( la primera y la segunda en este caso), y por lo expresado en la propiedad segunda, el
determinante será:−|𝐴|; pero siendo idénticas dichas filas, el nuevo determinante es igual al anterior; es decir:
0
|𝐴| = −|𝐴| , 𝑙𝑢𝑒𝑔𝑜 |𝐴| + |𝐴| = 0 ⇒ 2|𝐴| = 0 ⇒ |𝐴| =
2
1 3 5
|𝐴| = |2 4 −1| = 1.4.5 + 2.3.5 + 1.3. (−1) − 1.4.5. −2.3.5 − 1.3. (−1) = 20 + 30 − 3 − 20 − 30 + 3 = 0
1 3 5
3ª Propiedad: “Si se multiplican todos los elementos de una línea de una matriz por un mismo número , el
determinante correspondiente queda multiplicado por ”.
𝑎11 𝑎12 𝑎13
𝑆𝑖 |A| = [𝑎21 𝑎22 𝑎23 ]
𝑎31 𝑎32 𝑎33
Según el desarrollo de un determinante por los elementos de una línea, si multiplicamos por “” los elementos
de la primera fila, resulta:
𝑎11 𝑎12 𝑎13 𝑎 𝑎23 𝑎21 𝑎23 𝑎21 𝑎22
[ 𝑎21 𝑎22 𝑎23 ] = 𝑎11 𝐶11 + 𝑎12 𝐶12 + 𝑎13 𝐶13 =  [𝑎11 |𝑎22 𝑎33 | − 𝑎12 |𝑎31 𝑎33 | + 𝑎13 |𝑎31 𝑎32 |] = |𝐴|
32
𝑎31 𝑎32 𝑎33
Esta propiedad permite separar como factor del determinante un factor común a todos los elementos de una
línea cualquiera, simplificando ésta; por ejemplo:
33
5 10 15
|3 1 0 | = 5.1.1 + 3(−1)15 + 2.0.10 − 2.1.15 − 3.10.1 − 5(−1)0 = 5 − 105 = −100
2 −1 1
5 10 15 1 2 3
|3 1 0 | = 5 |3 1 0| = 5(1 − 9 + 0 − 6 − 6 + 0) = 5(−20) = −100
2 −1 1 2 −1 1
Consecuencia de la tercera propiedad: “El determinante de una matriz es nulo si los elementos de una línea
son proporcionales a los correspondientes de otra paralela a ella”.
De acuerdo a esto, si separamos el coeficiente de proporcionalidad como factor del determinante, queda otro
con dos líneas iguales y por lo tanto es nulo.
−1 −4 0
|𝐴| = | 3 12 2|
2 8 1
La segunda columna es combinación lineal de la primera, pues: 2ª Columna = 1ª Columna x 4 ; luego,
separando el factor de proporcionalidad, resulta:
−1 −4 0 −1 −1 0
|𝐴| = | 3 12 2| = 4 . | 3 3 2| = 4 . 0 = 0
2 8 1 2 2 1
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”.
Si los elementos de la primera fila son binomios, desarrollando por los elementos de la misma, resultará:
𝑎11 + 𝑏11 𝑎12 + 𝑏12 𝑎13 + 𝑏13
|𝐴| = [ 𝑎21 𝑎22 𝑎23 ] = (𝑎11 + 𝑏11 )𝐶11 + (𝑎12 + 𝑏12 )𝐶12 + (𝑎13 + 𝑏13 )𝐶13 =
𝑎31 𝑎32 𝑎33
𝑎11 𝑎12 𝑎13 𝑏11 𝑏12 𝑏13
= (𝑎11 𝐶11 + 𝑎12 𝐶12 + 𝑎13 𝐶13 ) + (𝑏11 𝐶11 + 𝑏12 𝐶12 + 𝑏13 𝐶13 ) = [𝑎21 𝑎22 𝑎23 ] [𝑎21 𝑎22 𝑎23 ]
𝑎31 𝑎32 𝑎33 𝑎31 𝑎32 𝑎33
|𝐵| = |2𝑥 + 3𝑦 −𝑥 + 2𝑦| = (2𝑥 + 3𝑦). 2 − (−𝑥 + 2𝑦). 5 = 4𝑥 + 6𝑦 + 5𝑥 − 10𝑦 = 9𝑥 − 4𝑦

5 2
2𝑥 + 3𝑦 −𝑥 + 2𝑦 2𝑥 −𝑥 3𝑦 2𝑦
|𝐵 | = | |=| |+| | = [2 . 2𝑥 − 5 . (−𝑥 )] + 2 . 3𝑦 − 5 . 2𝑦 =
5 2 5 2 5 2
= 4𝑥 + 5𝑥 + 6𝑦 − 10𝑦 = 9𝑥 − 4𝑦
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”.
𝑎11 𝑎12 𝑎13
𝐷𝑎𝑑𝑜 | A = [ 21 𝑎22 𝑎23 ]
| 𝑎
𝑎31 𝑎32 𝑎33
Si a la primera fila le sumamos el producto de la segunda previamente multiplicada por cualquier escalar  
0 , resulta:
𝑎11 + 𝜆𝑎21 𝑎12 + 𝜆𝑎22 𝑎13 + 𝜆𝑎23
|A| = [ 𝑎21 𝑎22 𝑎23 ] 𝑝𝑜𝑟 𝑙𝑎 𝑞𝑢𝑖𝑛𝑡𝑎 𝑝𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑
𝑎31 𝑎32 𝑎33
𝑎11 𝑎12 𝑎13 𝜆𝑎21 𝜆𝑎22 𝜆𝑎23
|A| = [𝑎21 𝑎22 𝑎23 ] + [ 𝑎21 𝑎22 𝑎23 ] = |A| + 0 = |A|
𝑎31 𝑎32 𝑎33 𝑎31 𝑎32 𝑎33
Por ser la 1° fila combinación lineal de la 2°
34
Esta consecuencia permite simplificar los determinantes, reduciendo a cero varios elementos de una misma
línea mediante adiciones y sustracciones convenientes. Cada elemento que se logre anular así, evita el cálculo
de un cofactor al desarrollar por elementos de esa línea.
|𝐴| = |3 2
| = −6 − 8 = −14
4 −2
A la 1° fila le sumamos la 2° previamente multiplicada por 2
3 + 2 . 4 2 − 2. (−2) 11 −2
| |=| | = −22 + 8 = 14
4 −2 4 −2
6° Propiedad: “Si una matriz es triangular, entonces el determinante asociado es igual al producto de los
elementos de la diagonal”.
𝑎11 𝑎12 𝑎13
|𝐴| = | 0 𝑎22 𝑎23 | = 𝑎11 . 𝑎22 . 𝑎33
0 0 𝑎33
Esta propiedad permite el cálculo de cualquier determinante, ya que por medio de las propiedades anteriores
(1ª, 2ª, 3ª, 4ª, 5ª y 6ª) podemos triangular el determinante y así facilitar su cálculo. Tener en cuenta los cambios
que se producen en el valor del determinante al aplicar la 2ª y 3ª propiedad.
7ª Propiedad: “El determinante de un producto de matrices es igual al producto de sus determinantes”.
A. B  A . B
8° Propiedad: “El determinante de una matriz es el recíproco del determinante de la inversa de la matriz”
1 1
|𝐴| = → |𝐴−1 | =
|𝐴−1 | |𝐴|
3- Método de triangulación
Por la secta propiedad “Si la matriz es triangular el determinante = producto de los elementos de la diagonal
principal”
Por lo tanto, se aplican operaciones elementales de fila (𝑒𝑖𝑗 ) para triangular la matriz y hacer el producto de la
diagonal principal.
Algunas operaciones elementales de fila modifican el resultado del determinante (propiedades de los
determinantes) por lo que, si se realizan ciertas operaciones, al determinante obtenido tengo que contrarrestarle
estas modificaciones.
35
36
UNIDAD N°4: Sistema de ecuaciones lineales.
Introducción
Muchos problemas de ingeniería y otras ciencias involucran la resolución de sistemas de ecuaciones, la
mayoría de éstos lineales.
En esta unidad se estudian las técnicas de resolución y análisis de los sistemas de ecuaciones lineales,
herramientas fundamentales para comprender los conceptos centrales del Álgebra lineal.
Estos sistemas se utilizan para resolver estructuras de redes de transporte, redes económicas, redes de
comunicación, entre otras. Además, se utilizan para resolver circuitos eléctricos utilizando las leyes de Kirchoff
o para el balanceo de reacciones químicas.
Objetivos
Esperamos que al finalizar la lectura comprensiva y activa de la presente unidad, usted pueda:
 Analizar sistemas de ecuaciones lineales, identificando sus características distintivas: número de
incógnitas, número de ecuaciones, tipo de sistema (homogéneo o no), tipo de solución.
 Comprender los métodos de Gauss y Gauss-Jordan para la resolución de un sistema de ecuaciones
lineales.
 Calcular y expresar la solución de sistemas de ecuaciones lineales en forma expeditiva y apropiada.
 Plantear y resolver situaciones problemáticas mediante el uso de sistemas de ecuaciones lineales.
Definición
Definimos como una ecuación lineal con incógnitas o variables 𝑥1 , 𝑥2 , … 𝑥𝑛 , una expresión que puede
escribirse en la forma:
𝑎1 𝑥1 + 𝑎2 𝑥2 + ⋯ + 𝑎𝑛 𝑥𝑛 = 𝑏 (1)
en donde 𝑎1 , 𝑎2 , . . . , 𝑎𝑛 y b son constantes, siendo los “𝑎𝑖 ” denominados coeficientes de las incógnitas y “b”
es el término independiente de dicha ecuación.
Al conjunto ordenado de escalares reales (𝛼1 , 𝛼2 , … , 𝛼𝑛 ), que verifican la ecuación 𝛼1 𝑥1 + 𝛼2 𝑥2 + ⋯ +
𝛼𝑛 𝑥𝑛 = 𝑏 se denomina solución de la ecuación. Al conjunto de todas las soluciones se denomina conjunto
solución de la ecuación o solución general.
Ejemplo
1- La ecuación, 2𝑥1 = 3 tiene como solución a 3⁄2, porque es el único valor que la verifica.
2- Una solución de 𝑥1 + 2𝑥2 = 4 es por ejemplo (2,1); es decir, cuando 𝑥1 se le asigna el valor 2 se obtiene el
correspondiente valor para 𝑥2 ; cuando 𝑥1 = 4, el valor de 𝑥2 que satisface la ecuación es 0. Por lo tanto
(2,1) y (4,0) son ejemplos de algunos de los infinitos pares de números reales que satisfacen la ecuación.
Estas soluciones obtenidas suelen denominarse soluciones particulares. La solución general puede
expresarse como {(4 − 2𝑡; 𝑡}.
Como podemos observar en todos los sumandos del primer miembro de la expresión (1), las variables o
incógnitas se encuentran elevadas a la potencia uno (dicha ecuación se asemeja a la ecuación de una recta:
𝑎𝑥 + 𝑏𝑦 = 𝑐; de allí el nombre de lineal); y el término que se encuentra en el segundo miembro (“b”) carece
de variable, razón por la cual recibe el nombre de término independiente. Un conjunto de este tipo de
ecuaciones constituye un sistema de ecuaciones lineales.
Definimos un Sistema de Ecuaciones Lineales (SEL) como un conjunto finito de ecuaciones lineales
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
⋮ ⋮ ⋮ ⋮ ⋮ “m” ecuaciones
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + 𝑎𝑚3 𝑥3 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚
“n” incógnitas
37
Que lo podemos escribir:
𝑎11 𝑎12 𝑎13 … 𝑎1𝑛 𝑥1 𝑏1
𝑎21 𝑎22 𝑎23 … 𝑎2𝑛 𝑥 𝑏
[ ] [ 2] = [ 2]
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 … 𝑎𝑚𝑛 𝑥𝑛 𝑏𝑛
Matriz principal Matriz Matriz de términos
de incógnitas independientes
𝑨 . 𝑿=𝑩
Resolver un sistema de ecuaciones, significa encontrar un conjunto de valores 𝑆 = (𝑥1 ; 𝑥2 ; 𝑥3 ; … ; 𝑥𝑛 ) que
son solución de todas las ecuaciones (Sistema Compatible)
Existe el caso en que encontremos un conjunto solución, formado por todas las soluciones del sistema
S = {(S1 ; S2 ; … ; Sn )} (Sistema Compatible indeterminado)
Si las matrices son equivalentes por filas (se puede obtener una a través de una cantidad finita de operaciones
elementales de fila de la primera), los sistemas de ecuaciones tienen el mismo conjunto solución.
Para que el mismo tenga solución, deberá cumplir con lo exigido por el:
Teorema de Rouché-Frobenius:
“Es condición necesaria y suficiente para que un sistema de ecuaciones lineales admita solución, que el
rango de la matriz principal y el de la matriz ampliada sean iguales”
𝒓𝑴𝑷 = 𝒓𝑴𝑨
La matriz principal de dicho sistema es aquella que está constituida por los coeficientes de las incógnitas, o
sea:
𝑎11 𝑎12 𝑎13 … 𝑎1𝑛
𝑎21 𝑎22 𝑎23 … 𝑎2𝑛
𝑀𝑃 = [ ]
⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 … 𝑎𝑚𝑛
La matriz ampliada de dicho sistema es la que conformamos con los coeficientes de las incógnitas a quienes
les agregamos la columna de los términos independientes, es decir:
𝑎11 𝑎12 𝑎13 … 𝑎1𝑛 𝑏1
𝑎 𝑎22 𝑎23 … 𝑎2𝑛 𝑏2
𝑀𝐴 = [ 21 ⋮ ]
⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 … 𝑎𝑚𝑛 𝑏𝑛
De dichas matrices debemos obtener el valor de su rango o característica, o sea, determinar la cantidad de
vectores filas o columnas linealmente independientes que las mismas poseen.
El valor del rango, (según lo ya explicado en el tema Matrices y Determinantes), lo podemos obtener por medio
de la matriz reducida por filas, sumando las filas no nulas de la misma.
La solución del sistema de ecuaciones estará constituida por el conjunto de soluciones comunes a todas ellas.
Veamos algunos ejemplos, incluyendo sus respectivos gráficos:
𝑥1 − 2𝑥2 = −1 𝑥1 − 2𝑥2 = −1 𝑥1 − 2𝑥2 = −1
−𝑥1 + 3𝑥2 = 3 −𝑥1 + 2𝑥2 = 3 −𝑥1 + 2𝑥2 = 1
Una solución (𝑥1 ; 𝑥2 ) = (3; 2) Sin Solución Infinitas soluciones

En los ejemplos y en los ejercicios de la materia, la cantidad de variables (x), será, normalmente, entre 2 y 5,
pero en los problemas de la vida real puede ser 50, 5.000, o incluso valores más grandes de variables.
Entonces vemos que un sistema de ecuaciones lineales puede:
1. No tener solución
38
2. Tener exactamente una solución
3. Tener una cantidad infinita de soluciones
Se dice que un sistema de ecuaciones lineales es compatible, si tiene una solución (determinado) o una
infinidad de soluciones (indeterminado), un sistema es incompatible, cuando no tiene ninguna solución.
Resumiendo, los sistemas pueden ser:
Determinado Solución única
𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 𝑟(𝑀𝑃) = 𝑟(𝑀𝐴)
Sistema 𝑡𝑖𝑒𝑛𝑒 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛
Indeterminado Infinitas soluciones
𝐼𝑛𝑐𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 𝑟(𝑀𝑃) ≠ 𝑟(𝑀𝐴)

𝑁𝑂 𝑡𝑖𝑒𝑛𝑒 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛
Análisis de los sistemas de cuaciones lineales
En función de los términos independientes, los sistemas pueden ser:
𝑎11 𝑎12 𝑎13 … 𝑎1𝑛 𝑥1 0
𝐻𝑜𝑚𝑜𝑔é𝑛𝑒𝑜𝑠: 𝑙𝑜𝑠 𝑡é𝑟𝑚𝑖𝑛𝑜𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠 𝑠𝑜𝑛 𝑎21 𝑎22 𝑎23 … 𝑎2𝑛 𝑥2 0
[ ⋮ ][ ] = [ ]
𝑡𝑜𝑑𝑜𝑠 𝑛𝑢𝑙𝑜𝑠, 𝑠𝑖𝑒𝑚𝑝𝑟𝑒 𝑡𝑖𝑒𝑛𝑒 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛, 𝑙𝑎 𝑡𝑟𝑖𝑣𝑖𝑎𝑙 ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 … 𝑎𝑚𝑛 𝑥𝑛 0
Sistema 𝑎11 𝑎12 𝑎13 … 𝑎1𝑛 𝑥1 𝑏1
𝑁𝑂 𝐻𝑜𝑚𝑜𝑔é𝑛𝑒𝑜𝑠: 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑡é𝑟𝑚𝑖𝑛𝑜 𝑎21 𝑎22 𝑎23 … 𝑎2𝑛 𝑥2 𝑏
[ ⋮ ] [ ] = [ 2]
𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑒𝑠 𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑜 𝑑𝑒 𝑐𝑒𝑟𝑜 ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 … 𝑎𝑚𝑛 𝑥𝑛 𝑏𝑛
Sistemas homogéneos
En este tipo de sistemas, todos los términos independientes son iguales a 0 (cero), se representa como:
𝐴𝑥 = 0 𝑑𝑜𝑛𝑑𝑒 𝑣𝑒𝑚𝑜𝑠 𝑞𝑢𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝐵=0
Estos sistemas siempre tienen por lo menos una solución, la trivial:
𝑥1 = 𝑥2 = 𝑥3 = ⋯ = 𝑥𝑛 = 0
Analizaremos cómo pueden ser los resultados cuando las matrices principales son cuadradas o rectangulares,
viendo en cada caso un ejemplo.
𝑟(𝑀𝑃 ) = 𝑟(𝑀𝐴) = 𝑛 → 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 1 0 0 0
|0 1 0| |0|
𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜 𝑆𝐶𝐷 (𝑢𝑛𝑎 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛)
Cuadrada 0 0 1 0
nxn 10 3 0
𝑟(𝑀𝑃 ) = 𝑟(𝑀𝐴) < 𝑛 → 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒
|01 5| | 0|
𝐼𝑛𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜 𝑆𝐶𝐼 (∞ 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠)
00 0 0
1 0 0 0
0 1 0 0
𝑟(𝑀𝑃 ) = 𝑟(𝑀𝐴) = 𝑛 → 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 |0 0 1|| ||0||
|
Matriz 𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜 𝑆𝐶𝐷 (𝑢𝑛𝑎 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛) 0 0 0 0
principal Vertical 0 0 0 0
m>n 1 0 3 0
𝑟(𝑀𝑃 ) = 𝑟(𝑀𝐴) < 𝑛 → 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 |0 1 5 0
|0 0 0|| ||0||
Rectangular 𝐼𝑛𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜 𝑆𝐶𝐼 (∞ 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠)
0 0 0 0
mxn 0 0 0 0
Horizontal 𝑟(𝑀𝑃 ) = 𝑟(𝑀𝐴) < 𝑛 < 𝑚 → 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒

m<n 𝐼𝑛𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜 𝑆𝐶𝐼 (∞ 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠)
1 0 0 2 4 0 1 0 0 2 4 0
|0 1 0 7 3| | 0| |0 1 0 7 3| |0|
0 0 1 8 5 0 0 0 0 0 0 0
39
Sistemas no homogéneos
𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑡é𝑟𝑚𝑖𝑛𝑜 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑒𝑠 𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑜 𝑑𝑒 𝑐𝑒𝑟𝑜, 𝑠𝑒 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑐𝑜𝑚𝑜:
𝐴𝑥 = 𝐵
Como en el caso anterior, analizaremos cómo pueden ser los resultados cuando las matrices principales son
cuadradas o rectangulares, viendo en cada caso un ejemplo.
1 0 0 2
𝑟(𝑀𝑃 ) = 𝑟(𝑀𝐴) = 𝑛 → 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒
|0 1 0| |4|
0 0 1 7
1 0 3 5
Cuadrada 𝑟(𝑀𝑃 ) = 𝑟(𝑀𝐴) < 𝑛 → 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒
|0 1 5| | 2|
nxn 𝐼𝑛𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜 𝑆𝐶𝐼 (∞ 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠)
0 0 0 0
1 0 3 5
𝑟(𝑀𝑃 ) ≠ 𝑟(𝑀𝐴) → 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐼𝑛𝑐𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 𝑆𝐼 |
0 1 5| |2|
𝑁𝑂 𝑡𝑖𝑒𝑛𝑒 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 0 0 0 4
1 0 0 4
𝑟(𝑀𝑃 ) = 𝑟(𝑀𝐴) = 𝑛 → 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 |0 1 0 3
|0 0 1|| ||2||
0 0 0 0
0 0 0 0
1 0 3 2
0 1 5 8
Vertical 𝑟(𝑀𝑃 ) = 𝑟(𝑀𝐴) < 𝑛 → 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 |0 0 0|| ||0||
|
m>n 𝐼𝑛𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜 𝑆𝐶𝐼 (∞ 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠) 0 0 0 0
0 0 0 0
1 0 3 2
0 1 5 8
𝑟(𝑀𝑃 ) ≠ 𝑟(𝑀𝐴) → 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐼𝑛𝑐𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 𝑆𝐼 |
Rectangular |0 0 0|| ||5||
𝑁𝑂 𝑡𝑖𝑒𝑛𝑒 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 0 0 0 0
mxn
0 0 0 0
𝑟(𝑀𝑃 ) = 𝑟(𝑀𝐴) < 𝑛 < 𝑚 → 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒

𝐼𝑛𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜 𝑆𝐶𝐼 (∞ 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠)
1 0 0 2 4 4
Horizontal |0 1 0 7 3| | 2|
m<n 0 0 1 8 5 8
𝑟(𝑀𝑃 ) ≠ 𝑟(𝑀𝐴) → 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐼𝑛𝑐𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 𝑆𝐼
𝑁𝑂 𝑡𝑖𝑒𝑛𝑒 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛
1 0 0 2 4 2
|0 1 0 7 3| |3| 0 = 5?????
0 0 0 0 0 5
En este caso, como en los casos anteriores, vemos que la incompatibilidad se produce porque los 𝑟(𝑀𝑃 ) ≠
𝑟(𝑀𝐴), si lo analizamos numéricamente, nos queda 0 = 5, lo que nos está mostrando una incongruencia matemática.
Métodos de resolución de sistemas de ecuaciones lineales
¿Cómo hacemos para resolver un sistema de ecuaciones lineales?

Basados en el concepto de matrices equivalentes, que dice que: “Si la matriz C se obtiene de la matriz A,
mediante una sucesión finita de operaciones elementales de fila”, entonces; “Los sistemas de ecuaciones
correspondientes tienen el mismo conjunto solución”
40
1- Método de Gauss
Este método se puede aplicar a cualquier tipo de SEL, cuadrado, rectangular, homogéneo y no homogéneo
Los pasos a realizar, para llegar a la solución, son los siguientes:
1° Paso- Escribir la matriz ampliada
2° Paso- Reducir la matriz, hasta llegar a la forma escalonada y clasificar la solución
3° Paso- A partir de la matriz escalonada, escribir el sistema resolvente (sin los términos nulos ni las ecuaciones
nulas)
4° Paso- Si el sistema es compatible determinado, despejar las incógnitas comenzando por la última ecuación,
𝑥n y continuar con 𝑥n-1, …, 𝑥2, 𝑥1 terminando con la primera incógnita.
5° Paso- Si el sistema es compatible indeterminado, Despejar las incógnitas principales en términos de las no
principales.
6° Paso- Reemplazar las incógnitas no principales por parámetros
7° Paso- Escribir la solución como conjunto de n-uplas. (Solución general)
8° Paso- Para obtener soluciones particulares asignar valores particulares a los parámetros.
Veamos unos ejemplos:
Ejemplo 1
Resolver el siguiente sistema
𝑥1 − 2𝑥2 + 3𝑥3 = 11
4𝑥1 + 𝑥2 − 𝑥3 = 4
2𝑥1 − 𝑥2 + 3𝑥3 = 10
1° Paso- Matriz ampliada
1 −2 3 11
[4 1 − 1 4]
2 −1 3 10
2° Paso- Matriz reducida en forma escalonada y clasificación de la solución
1 −2 3 11 𝑟(𝑀𝑃 ) = 𝑟(𝑀𝐴) = 𝑛
0 9 −13 −40 3=3=3
[ 3 4]
0 0 − − 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜
4 3 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 ú𝑛𝑖𝑐𝑎
3° Paso- Sistema resolvente 4/5° Paso- Despejar incógnitas principales 6° Paso- Parametrizar. N/A
𝑥1 − 2𝑥2 + 3𝑥3 = 11
𝑥1 = 2
9𝑥2 − 13𝑥3 = −40
𝑥2 = −3
4 4
− 𝑥3 = − 𝑥3 = 1
3 3
7° Paso- Solución general
𝑆 = {(𝑥1 ; 𝑥2 ; 𝑥3 ) = (2 ; −3 ; 1)}
8° Paso- Soluciones particulares. No corresponde
Ejemplo 2
𝑥1 + 2𝑥2 − 2𝑥3 = 3
2𝑥1 − 5𝑥2 + 4𝑥3 = 6
−𝑥1 + 16𝑥2 − 14𝑥3 = −3
1 2 − 2 11
[ 2 −5 4 6 ]
−1 16 − 14 − 3
2° Paso- Matriz reducida en forma escalonada y clasificación de la solución
1 2 −2 3 𝑟(𝑀𝑃 ) = 𝑟(𝑀𝐴) = 𝑛
[0 −9 8 0] 2=2<3
0 0 0 0 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 𝐼𝑛𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜
𝐼𝑛𝑓𝑖𝑛𝑖𝑡𝑎𝑠 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠
41
3° Paso- Sistema resolvente 4/5° Paso- Despejar incógnitas principales 6° Paso- Parametrizar.
2 2
𝑥1 + 2𝑥2 − 2𝑥3 = 3 𝑥1 = 3 + 9 𝑥3 𝑥1 = 3 + 𝑡
9
𝑥3 = 𝑡 →
−9𝑥2 + 8𝑥3 = 0 8
𝑥2 = 9 𝑥3
8
𝑥2 = 𝑡
9
−∞ < 𝑡 < ∞
7° Paso- Solución general 8° Paso- Soluciones particulares
2 8
𝑆 = {(𝑥1 ; 𝑥2 ; 𝑥3 ) = (3 + 𝑡 ; 𝑡 ; 𝑡)} 𝑆𝑖 𝑡 = 0 → (𝑥1 ; 𝑥2 ; 𝑥3 ) = (3; 0; 0)
9 9
2 8 2 8
𝑆 = {(𝑥1 ; 𝑥2 ; 𝑥3 ) = (3; 0; 0) + 𝑡 ( ; ; 1)} Si t = 1 → (𝑥1 ; 𝑥2 ; 𝑥3 ) = ( ; ; 1)
9 9 9 9
2- Método de Gauss-Jordan
Este método se puede aplicar a cualquier tipo de SEL, cuadrado, rectangular, homogéneo y no homogéneo
Los pasos a realizar para llegar a la solución son los siguientes:
1° Paso- Escribir la matriz ampliada/coeficientes
2° Paso- Reducir la matriz, hasta llegar a la reducida por filas y clasificar la solución
3° Paso- A partir de la matriz reducida por filas, escribir el sistema resolvente (sin los términos nulos ni las
ecuaciones nulas)
4° Paso- Si el sistema es compatible indeterminado, Despejar las incógnitas principales en términos de las no
principales.
5° Paso- Reemplazar las incógnitas no principales por parámetros
6° Paso- Escribir la solución como conjunto de n-uplas. (Solución general)
7° Paso- Para obtener soluciones particulares asignar valores particulares a los parámetros.
Veamos unos ejemplos:
Ejemplo 1-Sistema no homogéneo
𝑥1 + 𝑥2 + 𝑥3 = 6
𝑥1 − 𝑥2 − 𝑥3 = −4
𝑥1 + 𝑥2 − 𝑥3 = 0

1 1 1 6
[1 − 1 − 1 − 4 ]
1 1 −1 0
2° Paso- Matriz reducida y clasificación de la solución
𝑟(𝑀𝑃 ) = 𝑟(𝑀𝐴) = 𝑛
1 0 0 1
[0 1 0 2] 3=3=3
0 0 1 3 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜
𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 ú𝑛𝑖𝑐𝑎
3° Paso- Sistema resolvente 4° Paso- Despejar incógnitas principales 5° Paso- Parametrizar. N/A
𝑥1 = 1 𝑥1 = 1
𝑥2 = 2 𝑥2 = 2
𝑥3 = 3 𝑥3 = 3
6° Paso- Solución general 7° Paso- Soluciones particulares. N/A

𝑆 = {(𝑥1 ; 𝑥2 ; 𝑥3 ) = (1 ; 2 ; 3)}
Ejemplo 2-Sistema homogéneo
𝑥1 + 𝑥2 + 5𝑥3 − 4𝑥4 = 0
2𝑥1 + 𝑥2 + 7𝑥3 − 3𝑥4 = 0
42
[1 1 5 −4 0]
2 1 7 −3 0
2° Paso- Matriz reducida y clasificación de la solución 𝑟(𝑀𝑃 ) = 𝑟(𝑀𝐴) < 𝑛
1 0 2 −2 0 2=2<4
[ ]
0 1 3 1 0 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 𝐼𝑛𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜
𝐼𝑛𝑓𝑖𝑛𝑖𝑡𝑎𝑠 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠
3° Paso- Sistema resolvente 4° Paso- Despejar incógnitas principales 5° Paso- Parametrizar.

𝑥1 + 2𝑥3 − 2𝑥4 = 0 𝑥1 = −2𝑥3 + 2𝑥4 𝑥 = −2𝑡 + 2𝑠
𝑥3 = 𝑡 𝑦 𝑥4 = 𝑠 → 1
𝑥2 + 3𝑥3 + 𝑥4 = 0 𝑥2 = −3𝑥3 − 𝑥4 𝑥2 = −3𝑡 − 𝑠
−∞ < 𝑡 < ∞
−∞ < 𝑠 < ∞
𝑆 = {(𝑥1 ; 𝑥2 ; 𝑥3 ; 𝑥4 ) = (−2𝑡 + 2𝑠 ; −3 𝑡 − 𝑠 ; 𝑡; 𝑠)} 𝑆𝑖 𝑡 = 0 𝑦 𝑠 = 1 → (𝑥1 ; 𝑥2 ; 𝑥3 ; 𝑥4 ) = (2; −1; 0; 1)
𝑆 = {𝑡(−2; −3; 1; 0) + 𝑠 (2 ; −1 ; 0; 1)} Si t = 1 𝑦 𝑠 = 0 → (𝑥1 ; 𝑥2 ; 𝑥3 ; 𝑥4 ) = (−2 ; −3 ; 1; 0)
Ejemplo 3-Sistema no homogéneo
𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 = 3
𝑥1 − 𝑥2 − 2𝑥3 − 𝑥4 = 0
2𝑥1 + 0𝑥2 + 3𝑥3 + 0𝑥4 = 5
0𝑥1 + 2𝑥2 − 𝑥3 + 2𝑥4 = 3
1 1 1 1 3
[ 1 − 1 − 2 − 1 0]
2 0 3 0 5
0 2 −1 2 3
2° Paso- Matriz reducida y clasificación de la solución
3 3
1 0 0
2 2 𝑟(𝑀𝑃 ) ≠ 𝑟(𝑀𝐴)
1 3
0 1 − 1 2≠3
2 2 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐼𝑛𝑐𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒
0 0 0 0 2
[0 𝑁𝑜 𝑡𝑖𝑒𝑛𝑒 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛
0 0 0 0]
𝟎 = 𝟐!!!!!!!!
3° Paso- Sistema resolvente 4° Paso- Despejar incógnitas principales 5° Paso- Parametrizar.

𝑁𝑜 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒 𝑁𝑜 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒 𝑁𝑜 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒
𝑁𝑜 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒 𝑁𝑜 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒
3- Método matricial
Este método se puede aplicar a SEL cuadrado y no homogéneo Compatible Determinado
Partimos de la expresión matricial de un sistema de ecuaciones lineales
𝐴 . 𝑋=𝐵
Si A es cuadrada y regular o no singular, es decir det A ≠ 0 ⇒ existe inversa, entonces podemos premultiplicar
por A−1
𝐴−1. 𝐴 . 𝑋 = 𝐴−1 . 𝐵 𝐼 . 𝑋 = 𝐴−1 . 𝐵
43
𝑿 = 𝑨−𝟏 . 𝑩
Si A-1 existe  Solución única (sistema compatible determinado).
Infinitas soluciones (sistema compatible indeterminado).
Si A no existe 
-1
No tiene solución (sistema incompatible).

Ejemplo
Resolver el siguiente sistema de ecuaciones
𝑥1 − 2𝑥2 = −1
−2𝑥1 + 4𝑥2 = 6
Expresión matricial Determinante
1 −2 𝑥1 −1 3 −2
[ ] [𝑥 ] = [ ] 𝑑𝑒𝑡 [ ]=8≠0 Sistema Compatible Determinado
−2 4 2 6 −2 4
Calculo la inversa Calculo las incógnitas
1 1 1 1
𝑥1 −1 𝑥1 1
𝐴−1 = [ 2 4] 𝑋 = 𝐴−1 . 𝐵 [𝑥 ] = [ 2 4] . [ ] → [𝑥 ] = [ ]
1 3 2 1 3 6 2 2
4 8 4 8
Conjunto solución
𝑺 = {(𝒙𝟏 ; 𝒙𝟐 ) = (𝟏 ; 𝟐)
4- Método de Cramer
Este método se puede aplicar a SEL cuadrado, homogéneo y no homogéneo Compatible Determinado.
Partimos de la expresión matricial de un sistema de ecuaciones lineales.
𝐴 . 𝑋=𝐵
Si A es cuadrada y regular o no singular, es decir det A ≠ 0 ⇒ el sistema tiene solución única.
Cada incógnita es igual al cociente de dos determinantes, el numerador es el determinante de la matriz que se
forma al sustituir en la matriz de coeficientes A de las incógnitas i-ésima columna por la matriz B de los
términos independientes, y el denominador es el determinante de la matriz de coeficientes A.
𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝐴 𝑑𝑜𝑛𝑑𝑒 𝑙𝑎 𝑐𝑜𝑝𝑙𝑚𝑛𝑎 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑎 𝑙𝑎 𝑖𝑛𝑐ó𝑔𝑛𝑖𝑡𝑎
|𝐴𝑋𝑖 | 𝑎 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟, 𝑠𝑒 𝑟𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑎 𝑝𝑜𝑟 𝑙𝑜𝑠 𝑡é𝑟𝑚𝑖𝑛𝑜𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
=
|𝐴𝑀𝑃 | 𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑀𝑎𝑡𝑟𝑖𝑧 𝑃𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙 𝐴
Ejemplo 1:
Resolver el sistema siguiente:
2𝑥1 + 𝑥2 = 3
𝑥1 + 5𝑥2 = 6
Calculamos |A|
|𝐴| = |2 1| = 2 . 5 − 1 .1 = 9 ⇒ |𝐴| ≠ 0 ∴ 𝑟(𝐴) = 2
1 5
Lo que nos dice que la matriz A es “no singular”, por lo que el sistema tendrá una única solución que será
3 1
|𝐴1 | |6 5| 3 . 5 − 6 . 1 9
𝑥1 = = = = =1
|𝐴 | 9 9 9
2 3
|𝐴2 | |1 6| 2 . 6 − 3 . 1 9
𝑥2 = = = = =1
|𝐴 | 9 9 9
𝑥1 1
𝑥 = [𝑥 ] = [ ]
2 1
Ejemplo 2:
44
Resolver el siguiente sistema:
2𝑥1 + 𝑥2 = 3
4𝑥1 + 2𝑥2 = 5
Calculamos |A|
|𝐴| = |2 1| = 2 . 2 − 1 .4 = 0 ⇒ |𝐴| = 0
4 2
Vemos que los dos vectores son dependientes linealmente, pero sus términos independientes no, con la cual
tenemos:
𝑟𝑀𝑃 = 1 ≠ 𝑟𝑀𝐴 = 2 ⇒ 𝑛𝑜 𝑠𝑒 𝑐𝑢𝑚𝑝𝑙𝑒 𝑅𝑜𝑢𝑐ℎ𝑒 − 𝐹𝑟𝑜𝑏𝑒𝑛𝑖𝑢𝑠
Además
|𝐴1 | = |3 1| = 1 ; |𝐴2 | = |2 3| = −2
5 2 4 5
Por lo tanto
1 −2
𝑥1 = ; 𝑥2 = ⇒ 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝑖𝑛𝑐𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒
0 0
Ejemplo 3:
Resolver el sistema
2𝑥1 + 𝑥2 = 3
4𝑥1 + 2𝑥2 = 6
Vemos que como en caso anterior |A| = 0, pero en este caso;
𝑟𝑀𝑃 = 1 = 𝑟𝑀𝐴 = 1 ⇒ 𝑠𝑒 𝑐𝑢𝑚𝑝𝑙𝑒 𝑅𝑜𝑢𝑐ℎ𝑒 − 𝐹𝑟𝑜𝑏𝑒𝑛𝑖𝑢𝑠
Vemos que
|𝐴1 | = |3 1
|=0 ; |𝐴2 | = |2 3
|=0
6 2 4 6
Por lo tanto
0 0
𝑥1 = ; 𝑥2 = ⇒ 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝑐𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 𝑖𝑛𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜
0 0
Para encontrar las soluciones se debe utilizar el método de Gauss o Gauss-Jordan
45
46
UNIDAD N°5: Espacios Vectoriales.
Introducción
A partir de esta unidad, comenzaremos con las aplicaciones del Álgebra en la Ingeniería, donde usaremos todos
los conceptos vistos en las unidades anteriores, por lo que se sugiere repasar todos estos conceptos.
También vamos a generalizar la definición de vectores.
Los conjuntos en ℝ2 (vectores en el plano), en ℝ3 (vectores en el espacio tridimensional) y en ℝn (vectores en
el espacio n dimensional), tienen varias propiedades interesantes.
Si se suman dos vectores en ℝ2, lo que se obtiene es otro vector en ℝ2.
Ante la adición, los vectores conmutan
[(𝑎̅ + 𝑏̅) = (𝑏̅ + 𝑎̅)]
y también obedecen la Ley de Asociatividad respecto a la suma de vectores
[(𝑎̅ + 𝑏̅) + 𝑐̅ = 𝑎̅ + (𝑏̅ + 𝑐̅)]
Además, si 𝑎̅ pertenece a ℝ  (𝑎̅  ℝ ), entonces: 𝑎̅ + 0̅ = 𝑎̅ (Existencia del elemento neutro); y también que:
2 2
𝑎̅ + (−𝑎̅) = 0̅ (Existencia del elemento inverso).

En ℝ 2 se pueden multiplicar vectores por escalares, obteniéndose, por ejemplo, la Ley Distributiva del producto
de un escalar por la suma de vectores  [𝑘(𝑎̅ + 𝑏̅) = 𝑘𝑎̅ + 𝑘𝑏̅]; así como también la Ley Asociativa respecto
al producto por escalares  𝑘(𝑙𝑎̅)]= (𝑘𝑙) 𝑎̅ y la Ley de la Existencia del Elemento Identidad  1𝑎̅ = 𝑎̅.
En ℝ3 y ℝn son válidas las mismas propiedades.
A los conjuntos ℝ2, ℝ3 y ℝn se les llama espacios vectoriales  V.
Intuitivamente, puede decirse que un espacio vectorial es un conjunto de objetos que obedecen las reglas
descritas en párrafos anteriores.
Esta última afirmación permite generalizar el concepto de vector, diciendo que, si un grupo de objetos satisfacen
determinadas normas o axiomas, a dichos “objetos” se les da el nombre de “vectores”.
Objetivos
Esperamos que, al finalizar la lectura activa y comprensiva de esta unidad, usted pueda:
 Reconocer un espacio vectorial
 Determinar bajo qué condiciones, un subconjunto no vacío de un espacio vectorial es un subespacio
vectorial.
 Analizar cuándo un vector de un espacio vectorial es combinación lineal de un conjunto finito de
vectores del propio espacio vectorial.
 Identificar cuándo conjuntos finitos de vectores de un espacio vectorial son linealmente independientes
o dependientes y qué propiedades cumplen.
 Analizar cuándo un conjunto finito de vectores es un sistema de generadores del espacio vectorial.
 Determinar cuándo un conjunto de vectores es base de un espacio vectorial y, en consecuencia, encontrar
la dimensión del espacio vectorial.
 Describir los vectores de un espacio vectorial en función de sus coordenadas relativas a una base
ordenada de dicho espacio vectorial.
 Resolver problemas de cambio de base en un espacio vectorial.
Definición:
“Un espacio vectorial “V” es un conjunto de objetos, denominados vectores, junto con dos operaciones llamadas
adición o suma y multiplicación por un escalar y que satisfacen los diez axiomas que se enuncian seguidamente:
1) Si “u” y “v” son objetos que pertenecen al espacio vectorial “V”, entonces “u + v” también pertenece a
“V”. (Propiedad de cerradura ante la adición vectorial).
2) Si “u” y “v” son objetos que pertenecen al espacio vectorial “V”, entonces “u + v” = “v + u”; es decir que
gozan de la Ley de la Conmutatividad de la adición vectorial.
3) Si “u”, “v” y “w” son objetos cualesquiera que pertenecen al espacio vectorial “V”, entonces: (u + v) + w
= u + (v + w); es decir que gozan de la Ley de Asociatividad de la adición vectorial.
47
4) Existe un vector 0̅ (vector cero) que pertenece al espacio vectorial “V”, tal que para todo “u” que también
pertenece al espacio vectorial “V”, se cumple: (u + 0̅)=( 0̅ + u) = u se demuestra entonces el cumplimiento
de la Ley de identidad aditiva o elemento neutro.
5) Para cada vector “u” que pertenece al espacio vectorial “V”, existe un vector “–u” que también pertenece
a “V”, tal que: u + ( -u ) = ( -u) + u = 0̅ . “–u” recibe el nombre de elemento opuesto de “u” y se cumple
con la Ley de inverso aditivo.
6) Si “u” es un vector que pertenece al espacio vectorial “V” y “k” es un escalar, entonces ku también
pertenece al espacio vectorial “V”; es decir cumple con la Ley de Cerradura ante la multiplicación por
un escalar.
7) Si “u” y “v” pertenecen al espacio vectorial “V” y “k” es un escalar, entonces k(u+v) = ku + kv también
pertenece al espacio vectorial “V”, es decir, se demuestra aquí que los vectores gozan de la primera Ley
de Distribución o Ley de Distribución respecto a la suma de vectores.
8) Si “u” es un vector que pertenece al espacio vectorial “V” y “k” y “l” son escalares, entonces:( k + l ) u =
k u + l u, es decir se demuestra la Propiedad Distributiva respecto a la suma de escalares ó también
podemos decir goza de la segunda Ley de Distribución.
9) Si “u” es un vector que pertenece al espacio vectorial “V” y “k” y “l” son escalares, entonces k (l u) = (k l)
u , es decir se demuestra la propiedad asociativa respecto al producto de escalares ó también la Ley de
la Asociatividad de la multiplicación por un escalar.
10) Para todo vector “u” que pertenece al espacio vectorial “V”, se cumple: 1u = u , es decir se demuestra la
existencia del elemento neutro respecto al producto por un escalar o de la Ley de la identidad
multiplicativa.
Muy Importante:
Debemos tener presente que, al definir el Espacio Vectorial, no se especifica la naturaleza de los vectores
ni la de las operaciones. Cualquier clase de objetos que se desee puede servir como vectores; todo lo que
se requiere es que se satisfagan los axiomas de los espacios vectoriales.
Como consecuencia de lo expresado en el párrafo anterior, podemos asegurar que hemos generalizado
la idea de vector, o sea que utilizaremos la estructura de los vectores para desarrollar este tema.
Subespacios. Definición:
Un subconjunto no vacío “W” de un espacio vectorial “V”, es un subespacio de “V” sí “W” es un espacio
vectorial bajo las operaciones de adición y multiplicación por un escalar definidas sobre “V”.
En general, se deben verificar los diez axiomas de los espacios vectoriales para demostrar que un conjunto “W”,
con las operaciones de adición y multiplicación por un escalar forma un espacio vectorial.
Sin embargo, si “W” es parte de un conjunto mayor “V” del que ya se sabe que es un espacio vectorial, entonces
no es necesario verificar ciertos axiomas para “W” porque se heredan de “V”.
Por lo tanto, al decir de algunos autores, para demostrar que un conjunto “W” es un subespacio de un espacio
vectorial “V”, sólo es necesario verificar los axiomas 1º, 4º, 5º y 6º.
Combinación Lineal y Espacio Generado
Se ha visto que todo vector 𝑢 = (𝑎, 𝑏, 𝑐) en ℝ3 se puede escribir en la forma:
𝑢 = 𝑎𝑖̅ + 𝑏𝑗̅ + 𝑐𝑘̅
En este caso se dice que “u” es una combinación lineal de los tres vectores: 𝑖̅ , 𝑗̅ , 𝑘̅ . .
En general, se tiene la definición que sigue:
“Se dice que un vector w es una combinación lineal de los vectores v1, v2, . . ., vn si se puede expresar en la
forma:
𝑣 = 𝑘1 𝑣1 + 𝑘2 𝑣2 + 𝑘3 𝑣3 + … + 𝑘𝑛 𝑣𝑛
en donde
k1, k2, . . , kn son escalares”.
48
Ejemplos:
−7 −1 5
3 3
Combinación Lineal en ℝ . En ℝ [ 7 ] es una combinación lineal de [ 2 ] y [−3] ya que:
7 4 1
−7 −1 5
[ 7 ] = 2 [ 2 ] − 1 [−3]
7 4 1
−3 2 8 −1 0 4 0 1 −2
Combinación Lineal en M23. En M23, [ ] = 3[ ]+2⌈ ⌉
−1 9 3 1 1 5 −2 3 −6
−3 2 8 −1 0 4 0 1 −2
lo que demuestra que: [ ] es una combinación lineal de [ ]y⌈ ⌉
−1 9 3 1 1 5 −2 3 −6
Combinaciones Lineales en Pn. En “Pn” todo polinomio se puede expresar como una combinación lineal de
los monomios xº, x1, x2, . . . . , xn.
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. Incluso los colores, son combinación lineal de los
colores primarios, ya que, combinando linealmente el rojo, el azul y el amarillo podemos obtener cualquier
color.
Conjunto Generador de Espacio Vectorial
“Se dice que los vectores 𝑣1 , 𝑣2 , … , 𝑣𝑛 pertenecientes a un espacio vectorial “V” generan a “V”, si todo otro
vector de “V” se puede expresar como combinación lineal de ellos”. Dicho de otra forma, para todo vector “v
 V”, existen escalares 𝑎1 , 𝑎2 , . . , 𝑎𝑛 tales que:
𝑣 = 𝑎1 𝑣1 + 𝑎2 𝑣2 + ⋯ + 𝑎𝑛 𝑣𝑛
Ejemplo de vectores que generan a ℝ3:
Los vectores unitarios o versores 𝑖̅ = (1,0,0) , 𝑗̅ = (0, 1, 0) y 𝑘̅ = (0, 0, 1) generan ℝ3, pues cualquier otro
vector en ℝ3, tal como: u = (𝑎, b, c) ó v = (2, 3, 2) se puede expresar como combinación lineal:
u = (𝑎, b, c) = 𝑎 𝑖̅ + b 𝑗̅ + c 𝑘̅ ; v = (2, 3, 2) = 2 𝑖̅ + 3 𝑗̅ + 2 𝑘̅
Cualquier otra terna que esté definida en ℝ3 y que sea linealmente independiente, genera a ℝ3. Es posible
entonces expresar respecto de esta nueva terna a los vectores “u” ó “v” ó cualquier otro vector definido en
dicho espacio como combinación lineal de la misma.
Ejemplo de n+1 vectores que generan a Pn:
Los monomios xº, x1, x2, . . . . , xn generan el espacio vectorial P n, dado que cada polinomio “p” en Pn, se
puede escribir como: P = 𝑎0 xº + 𝑎1 x1 + 𝑎2 x2 + . . . . + 𝑎𝑛 xn lo cual es una combinación lineal de xº, x1, x2, .
. . . , xn .
Base. Definición:
Si “V” es cualquier espacio vectorial y “𝑆 = {𝑣1 , 𝑣2 … , 𝑣𝑛 }” es un conjunto finito de vectores en dicho espacio
vectorial “V”, entonces “S” se denomina base para “V” sí:
a) 𝑆 = {𝑣1 , 𝑣2 … , 𝑣𝑛 } es linealmente independiente.
b) 𝑆 = {𝑣1 , 𝑣2 … , 𝑣𝑛 } genera a “V”.
Es decir que todo conjunto de “n” vectores linealmente independientes en ℝn genera a ℝn ; por lo tanto:
“Todo conjunto de “n” vectores linealmente independientes en ℝn es una base de ℝn”
49
Ejemplo:
En ℝn se define un conjunto “S” formado por  𝑆 = {𝑒1 , 𝑒2 … , 𝑒𝑛 } ; siendo:
e1 = (1, 0, 0, . . . . , 0) ; e2 = (0, 1, 0, . . . . , 0) ; e3 = (0, 0, 1, . . . . , 0) ; . . . . . ; en = (0, 0, 0, . . . . , 1).
Puedo considerar que los vectores del conjunto “S” son las líneas (filas o columnas) de la matriz identidad de
orden “n”, que tiene por determinante el valor uno, es decir que los vectores: e1, e2, . . . . , en de dicho conjunto
“S” son linealmente independientes y por lo tanto constituyen una base para ℝn.
Además, el conjunto “S” es Linealmente Independiente en ℝn dado que cualquier vector 𝑣 = {𝑣1 , 𝑣2 … , 𝑣𝑛 } en
ℝn se pude expresar como combinación lineal, o sea:
𝑣 = 𝑣1 𝑒1 + 𝑣2 𝑒2 + ⋯ + 𝑣𝑛 𝑒𝑛
es decir, entonces que el conjunto “S” genera a ℝn y por lo tanto es una base para ℝn. Esta base se conoce
como base canónica ó estándar para ℝn.
Ejemplo:
Sean v1= (1, 2, 1) ; v2 = (2, 9, 0) y v3 = (3, 3, 4). Demostrar que el conjunto S = v1, v2, v3 es una base para
ℝ3.
Para ello es necesario demostrar que cualquier vector arbitrario que pertenezca a ℝ3, tal como: b = (b1, b2, b3)
se puede expresar como combinación lineal de los vectores de la base “S”, o sea:
b = k1v1 + k2v2 + k3v3
y reemplazando en términos de las componentes, tendremos:
(b1, b2, b3) = k1(1, 2, 1) + k2(2, 9, 0) + k3(3, 3, 4)
de donde resulta:
𝑏1 1𝑘1 + 2𝑘2 + 3𝑘2 𝑏1 = 1𝑘1 + 2𝑘2 + 3𝑘2
[𝑏2 ] = [2𝑘1 + 9𝑘2 + 3𝑘1 ] ⇒ 𝑏2 = 2𝑘1 + 9𝑘2 + 3𝑘1
𝑏3 1𝑘1 + 0𝑘2 + 4𝑘3 𝑏3 = 1𝑘1 + 0𝑘2 + 4𝑘3
esta combinación lineal se ha transformado en un sistema de ecuaciones lineales con tres incógnitas, que si
tiene solución demuestra que el conjunto “S” genera el espacio vectorial “V”.
Para probar que el conjunto “S” es linealmente independiente, una de las formas es determinar los valores de
k1, k2 y k3 que satisfagan el sistema de ecuaciones lineales no homogéneo o demostrar que la única solución
de:
k1v1 + k2v2 + k3v3 = 0 , es , k1=k2=k3= 0
lo que se reduce a demostrar que el sistema homogéneo:
1𝑘1 + 2𝑘2 + 3𝑘2 = 0
2𝑘1 + 9𝑘2 + 3𝑘1 = 0
1𝑘1 + 0𝑘2 + 4𝑘3 = 0
tiene sólo la solución trivial.
Las dos condiciones (o sea que los vectores sean linealmente independientes y que también generen a “V”), se
pueden demostrar simultáneamente, comprobando que la matriz de los coeficientes de los dos sistemas (el
homogéneo y el no homogéneo) es invertible, ó lo que es lo mismo, que el determinante de dicha matriz es
distinto de cero.
1 2 3
𝑑𝑒𝑡 [2 9 3] ≠ 0
1 0 4
Como consecuencia de lo analizado y expuesto, podemos enunciar los siguientes teoremas:
Dimensión de un espacio vectorial. Definición:
La “dimensión” de un espacio vectorial (V) es el número máximo de vectores linealmente independientes.
Teorema 1:
Si S =  v1, v2, . . , vn  es una base para un espacio vectorial “V”, entonces todo conjunto con más de “n”
vectores es “Linealmente Dependiente”.
Teorema 2:
Dos bases cualesquiera para un espacio vectorial “V” de dimensión finita, tienen el mismo número de vectores.
Teorema 3:
a) Si S =  v1, v2, . . , vn  es un conjunto de “n” vectores Linealmente Independientes en un espacio “V”
de dimensión “n”, entonces “S” es una base para “V”.
50
b) Si S =  v1, v2, . . . , vn  es un conjunto de “n” vectores que genera un espacio de dimensión “n”, entonces
“S” es una base para “V”.
c) 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”.
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. En el caso de los colores: 𝐶 = {𝑟𝑜𝑗𝑜, 𝑎𝑚𝑎𝑟𝑖𝑙𝑙𝑜, 𝑎𝑧𝑢𝑙 }
es LI, pero 𝐷 = {𝑟𝑜𝑗𝑜, 𝑎𝑚𝑎𝑟𝑖𝑙𝑙𝑜, 𝑎𝑧𝑢𝑙 𝑦 𝑣𝑒𝑟𝑑𝑒} es LI, ya que el verde se puede obtener como combinación
lineal del azul y el amarillo.
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 partes 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 existe 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.
Espacio de Renglones y Columnas de una Matriz
A continuación, estudiaremos los “espacios vectoriales” asociados con las matrices.
Los resultados nos darán un procedimiento sencillo para encontrar vectores que constituyan una base. Para
ello consideremos una matriz de orden “m x n”.
𝑎11 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛
𝐴=[ ⋮ ⋮ ⋱ ⋮ ]
𝑎m1 𝑎m2 … 𝑎mn
Los vectores:
𝑟1 = 𝑎11 𝑎12 … 𝑎1𝑛
𝑟2 = 𝑎21 𝑎22 … 𝑎2𝑛
“m” vectores fila
… … … … …
𝑟𝑚 = 𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛
“n” elementos
que son los renglones de la matriz “A” se conocen como vectores renglón o vectores fila de “A”, y los vectores:
𝑎11 𝑎12 𝑎1𝑛
𝑎 𝑎 𝑎
𝐶1 = [ 21 ] ; 𝐶2 = [ 22 ] ; … ; 𝐶𝑛 = [ 2𝑛 ] “m” elementos
⋮ ⋮ ⋮
𝑎𝑚1 𝑎𝑚2 𝑎𝑚𝑛
“n” vectores columna
formados por las columnas de “A” se llaman vectores columnas de “A”.
El subespacio de ℝn generado por los vectores renglón, es el espacio de renglones de A.
51
El subespacio de ℝm generado por los vectores columnas es el espacio de columnas de A .
Ejemplo:
Sea
2 1 0
𝐴=[ ]
3 −1 4
Los vectores renglón de A son: r1 = (2; 1; 0) y r2 = (3; -1; 4) y los vectores columnas de A son:
2 1 0
𝐶1 = [ ] ; 𝐶2 = [ ] ; 𝐶3 = [ ]
3 −1 4
Podemos aquí observar que dicha matriz “A” tiene dos vectores renglón que pertenecen a ℝ3 y tres vectores
columnas que están en ℝ2.
Teorema 4:
“Las operaciones elementales sobre renglones no cambian el espacio de renglones de una matriz”.
Supongamos que los vectores filas o renglón de una matriz “A” son: r 1, r2, . . . , rm y que se obtiene una matriz
“B” a partir de la matriz “A”, efectuando una operación elemental sobre las filas o renglones de “A”.
Consideremos las posibilidades que ofrecen dichas operaciones:
1) Supongamos que la operación sobre las filas o renglones que realizamos es un intercambio entre dos de
ellas. Entonces “B” y “A” tienen los mismos vectores renglón y como consecuencia el mismo espacio de
renglones (o de filas).
2) Si la operación sobre los renglones (o filas) es la multiplicación de uno de ellos por un escalar, o la adición
de un múltiplo de uno de los renglones a otro (multiplicación de una fila por un escalar y luego sumarla a
otra fila), entonces los vectores renglón r’1 ; r’2 ; . . . ; r’m de la matriz “B” son combinaciones lineales de
r1 ; r2 ; . . . ; rm (renglones de A), por consiguiente estarán en el espacio de renglones de la matriz .
Dado que un espacio vectorial es cerrado bajo la adición y la multiplicación por un escalar, todas las
combinaciones lineales r’1 ; r’2 ; . . . . . ; r’m también estarán en el espacio de renglones de la matriz “A”.
Supuesto que la matriz “B” se obtiene a partir de la matriz “A” al efectuar una operación sobre las filas o
renglones; se puede obtener la matriz “A” a partir de la matriz “B”, efectuando la operación inversa.
Por consiguiente, deducimos, que el espacio de renglones de “A” está contenido en el espacio de renglones de
“B”.
Como conclusión diremos que el espacio de renglones de una matriz “A” permanece inalterado al reducirla
hasta una forma escalonada en los renglones (reducida por filas).
Los vectores fila o renglón diferentes de cero de una matriz en la forma escalonada en los renglones siempre
son linealmente independientes, de modo que estos vectores renglón o fila diferentes de cero forman o
constituyen una base para el espacio de renglones.
Entonces podemos enunciar el siguiente:
Teorema 5:
“Los vectores fila o renglón diferentes de cero en una forma escalonada en los renglones de una matriz “A”,
forman una base para el espacio de renglones de “A”.
Debemos hacer notar que hemos escrito los vectores renglón de una matriz en notación horizontal y los
vectores columna en notación vertical (matricial) y es así como está escrito en las matrices y es lo más natural.
Pero no existe razón alguna para que puedan ser escritos los vectores renglón en notación vertical y los vectores
columna en notación horizontal.
Cuando realizamos esto, evidentemente hemos escrito la matriz transpuesta de la matriz dada. Esto nos quiere
decir que el espacio de columnas de una matriz es el mismo que el espacio de renglones de su transpuesta.
Entonces si uno desea encontrar una base para el espacio de columnas de una matriz “A”, puede encontrar una
base para el espacio de filas o renglones de la matriz “A” transpuesta  AT. Esto se indica a través del
siguiente:
Teorema 6:
“Si “A” es una matriz cualquiera, entonces el espacio de renglones y el espacio de columnas de “A” tienen la
misma dimensión”.
52
Definición:
“La dimensión del espacio de renglones y/o columnas de una matriz “A” se conoce como Rango de “A””.
Teorema7:
“Si “A” es una matriz de orden “n” por “n” y tiene rango “n”, entonces las siguientes proposiciones son
equivalentes:
a) “A” es inversible;
b) Ax = 0 tiene únicamente la solución trivial;
c) “A” es equivalente, respecto de los renglones, a In;
d) Ax = b es compatible para toda matriz “b” de orden “n por uno”  n x 1;
e) det (A)  0 ;
f) “A” tiene rango “n”;
g) Los vectores renglón de “A” son linealmente independientes;
h) Los vectores columna de “A” son linealmente independientes.
Cambio de Base – Coordenadas
Existe una directa relación entre la noción o concepto de base y la de sistema de coordenadas.
En geometría analítica plana, se asocia un par de coordenadas (𝑎 , b) con un punto “P” del plano, utilizando
dos ejes perpendiculares de coordenadas.
También es posible introducir coordenadas sin hacer referencia a
𝑏. ̅̅̅
𝑣2 los ejes, utilizando vectores. Por ejemplo, consideremos dos
P(a,b) vectores perpendiculares ̅̅̅
𝑣1 y ̅̅̅
𝑣2 cada uno de longitud uno, y con el
mismo punto de origen.
̅̅̅
𝑣2 Al bajar perpendiculares desde un punto “P” hacia las rectas
determinadas por ̅̅̅
𝑣1 y ̅̅̅,
𝑣2 se obtienen los vectores 𝑎. ̅̅̅
𝑣1 y 𝑏. ̅̅̅,
𝑣2
tales que:
0 𝑣1
̅̅̅ 𝑎. ̅̅̅
𝑣1
̅̅̅̅
𝑂𝑃 = 𝑎𝑣
̅̅̅1 + 𝑏𝑣
̅̅̅2
De esta manera hemos expresado el vector ̅̅̅̅
𝑂𝑃 como una combinación lineal de los vectores ̅̅̅ 𝑣1 y ̅̅̅
𝑣2 a través
de los escalares “𝑎” y “b”.
Pero también podemos decir que los números “𝑎” y “b”, que son las coordenadas del punto “P”, me han
permitido expresar el vector ̅̅̅̅
𝑂𝑃 en términos de los vectores base ̅̅̅
𝑣1 y ̅̅̅.
𝑣2
𝑤
̅
A(a,b,c) Pero para asociar coordenadas a los puntos (en el espacio bi o
tridimensional) no es necesario que los vectores base sean
perpendiculares o tengan longitud uno; basta cualquier base. Por
ejemplo, utilizando los vectores base 𝑢̅, 𝑣̅ y 𝑤
̅ se puede asociar una
O 𝑣̅ terna de coordenadas a un punto “A”, proyectando “A” paralelo a
̅, para hacer que ̅̅̅̅
los vectores base 𝑢̅, 𝑣̅ y 𝑤 𝑂𝐴 sea la diagonal del
paralelepípedo así determinado y
𝑢̅
̅̅̅̅
𝑂𝐴 = 𝑎𝑢̅ + 𝑏𝑣̅ + 𝑐𝑤 ̅
Es posible considerar (𝑎 , b , c) como las coordenadas de “A”, relativas a la base {𝑢̅, 𝑣̅ , 𝑤
̅} .
Esta noción de coordenadas en forma más generalizada resulta importante, pues permite extender a espacios
vectoriales más generales y también nos permite expresar al vector ̅̅̅̅ 𝑂𝐴 como una combinación lineal de los
̅" a través de las coordenadas “𝑎”, “b” y “c”.
vectores base u̅", "v̅", "𝑤
Generalizando el tema, supongamos que sea “S” un conjunto determinado por los vectores: ̅̅̅, 𝑣1 ̅̅̅,
𝑣2 … , ̅̅̅
𝑣𝑛 y que
el mismo constituye una base para un espacio vectorial “V” de dimensión finita “n”.
Dado que el conjunto “S” genera al espacio vectorial “V”, todo otro vector del espacio vectorial “V” y que no
pertenezca a la base “S”, se puede expresar como una combinación lineal de los vectores de “S”.
Es más, la independencia lineal de los vectores que constituyen el conjunto “S” aseguran que hay una manera
única para expresar un vector como combinación lineal de los vectores en “S”.
53
Supongamos que un vector “𝑢̅” se puede escribir como:
𝑢̅ = 𝑐1 𝑣̅1 + 𝑐2 𝑣̅ 2 + ⋯ + 𝑐𝑛 𝑣̅𝑛
y también como:
𝑢̅ = 𝑘1 𝑣̅1 + 𝑘2 𝑣̅ 2 + ⋯ + 𝑘𝑛 𝑣̅𝑛
Restemos la segunda ecuación de la primera y tendremos:
0 = (𝑐1 − 𝑘1 )𝑣̅1 + (𝑐2 − 𝑘2 )𝑣̅2 + ⋯ + (𝑐𝑛 − 𝑘𝑛 )𝑣̅𝑛
Dado que el segundo miembro de esta ecuación es una combinación lineal de los vectores en “S”, la
independencia lineal de los vectores que constituyen el conjunto “S”, implica que:
c1 – k1 = 0 ; c2 – k2 = 0 ; . . . ; cn – kn = 0
es decir:
c1 = k1 ; c2 = k2 ; . . . ; cn = kn
de lo cual podemos obtener la siguiente conclusión:
Teorema:
“Si S = {̅̅̅,
𝑣1 ̅̅̅, 𝑣𝑛 } es una base para un espacio vectorial “V”, entonces todo vector “𝑢̅” en dicho espacio
𝑣2 … , ̅̅̅
vectorial “V” se puede expresar en la forma:
𝑢̅ = 𝑐1 𝑣̅1 + 𝑐2 𝑣̅ 2 + ⋯ + 𝑐𝑛 𝑣̅𝑛
exactamente de una sola manera”.
Si
S = {̅̅̅,
𝑣1 ̅̅̅, 𝑣𝑛 }
𝑣2 … , ̅̅̅
es una base para un espacio vectorial “V” de dimensión finita y:
𝑢̅ = 𝑐1 𝑣̅1 + 𝑐2 𝑣̅ 2 + ⋯ + 𝑐𝑛 𝑣̅𝑛
es la expresión para “𝑢̅” en función de la base “S”, entonces los escalares c1 , c2 , . . . , cn se denominan
coordenadas de “𝑢̅” relativas a la base “S”.
El vector de coordenadas de “𝑢̅” relativo a “S” se indica por: (𝑢̅)S y es el vector en Rn definido por:
(𝑢̅)S = (c1 , c2 , . . . , cn)
La matriz de coordenadas de “𝑢̅” relativa a “S” se denota por [u]S y es la matriz n x 1 definida por:
𝑐1
𝑐2
[ ⋮ ].
𝑐𝑛
Ejemplo:
Dados los vectores ̅̅̅=
𝑣1 (1, 2, 1) , ̅̅̅= 𝑣3 (3, 3, 4) que constituyen una base “S” para un espacio
𝑣2 (2, 9, 0) y ̅̅̅=
3
vectorial ℝ , encuéntrese:
a) El vector de coordenadas y la matriz de coordenadas de 𝑢̅ = (5, -1, 9) con respecto a S.
b) El vector “𝑤 ̅” en ℝ3 cuyo vector de coordenadas con respecto a “S” sea (𝑤̅)𝑠 = (−1 , 3 , 2)
Resolución:
a) Es necesario encontrar los escalares c1 , c2 , c3 tales que:
𝑢̅ = c1 ̅̅̅
𝑣1 + c2 ̅̅̅
𝑣2 + c3 ̅̅̅
𝑣3
que en términos de componentes, resultan:
(5, -1, 9) = c1 (1, 2, 1) + c2 (2, 9, 0) + c3 (3, 3, 4)
y si igualamos componentes, nos queda:
1𝑐1 + 2𝑐2 + 3𝑐3 = 5
2𝑐1 + 9𝑐2 + 3𝑐3 = −1
1𝑐1 + 0𝑐2 + 4𝑐3 = 9
Resolviendo el sistema, resulta:
c1 = 1 , c2 = -1 , c3 = 2
Por lo tanto:
54
1
(u)S = (1, -1, 2) y [𝑢̅]𝑠 = [−1]
2
b) Al aplicar la definición del vector de coordenadas (w)s, se obtiene:
̅) = -1v1 + 3v2 + 2v3  (𝑤
(𝑤 ̅) = -1 (1, 2, 1) + 3 (2, 9, 0) + 2 (3, 3, 4)
̅) = [(-1) . 1 + 3 . 2 + 2 . 3 ; (-1) . 2 + 3 . 9 + 2 . 3 ; (-1) . 1 + 3 . 0 + 2 . 4] =
(𝑤
(𝑤̅) = ( -1 + 6 + 6 ; -2 + 27 + 6 ; -1 + 8 )  (𝑤 ̅) = ( 11; 31; 7 )
Problema de Cambio de Base

Supongamos un vector “𝑣̅ ” relacionado con cierta base de vectores “B” y como tal posee una matriz de
coordenadas referida a esa base. Dicha base constituye un espacio vectorial “V”.
Imaginemos ahora un nuevo conjunto de vectores que definen una nueva base “ B’ ” y que el vector “𝑣̅ ” posee
con respecto a esta nueva base “ B’ ” también una matriz de coordenadas.
Queremos analizar la relación entre ambas matrices de coordenadas.
Vamos a resolver este problema para los espacios de dos dimensiones; luego de comprender esto, lo
extenderemos a espacios “n” dimensiónales.
Sean entonces:
𝐵 = {𝑢̅1 , 𝑢̅2 } ; 𝐵′ = {𝑤 ̅2}
̅1 , 𝑤
las bases inicial y nueva respectivamente.
Necesitamos conocer las matrices de coordenadas para los vectores base iniciales con relación a la nueva
base.
Supongamos que son:
𝑎 𝑐
[𝑢̅1 ]𝐵′ = [ ] ; [𝑢̅2 ]𝐵′ = [ ]
𝑏 𝑑
es decir:
𝑢̅1 = 𝑎𝑤
̅1 + 𝑏𝑤 ̅2 (1) 𝑦 𝑢̅2 = 𝑐𝑤 ̅1 + 𝑑𝑤 ̅ 2 (2)
Sea ahora cualquier vector “ v ” que se halle en el espacio vectorial “V” y

𝑘
[𝑣̅ ]𝐵 = [ 1 ] (3)
𝑘2
sea la matriz de coordenadas inicial, de modo que:
𝑣̅ = 𝑘1 𝑢̅1 + 𝑘2 𝑢̅2 (4)
Debemos hallar ahora las nuevas coordenadas de “𝑣̅ ” y para ello se debe expresar “𝑣̅ ” en términos de la nueva
base “B’”. Vamos a sustituir entonces los términos (1) y (2) en la expresión (4) y tendremos:
𝑣̅ = 𝑘1 (𝑎𝑤 ̅ 2 ) + 𝑘2 (𝑐𝑤
̅1 + 𝑏𝑤 ̅2 ) (5)
̅1 + 𝑑𝑤
lo que también puede ser escrito como:
𝑣̅ = (𝑘1 𝑎 + 𝑘2 𝑐 )𝑤
̅1 + (𝑘1 𝑏 + 𝑘2 𝑑)𝑤
̅2
Por lo tanto, la nueva matriz de coordenadas para “ v ” es:
𝑘 𝑎 + 𝑘2 𝑐
[𝑣̅ ]𝐵′ = [ 1 ]
𝑘1 𝑏 + 𝑘2 𝑑
la cual puede volverse a escribir como:
𝑎 𝑐 𝑘1
[𝑣̅ ]𝐵′ = [ ][ ]
𝑏 𝑑 𝑘2
y reemplazando por los valores expresados en (3), tendremos:
𝑎 𝑐
[𝑣̅ ]𝐵′ = [ ] [𝑣̅ ]𝐵
𝑏 𝑑
En esta última expresión se puede observar que es posible obtener la nueva matriz de coordenadas [𝑣̅ ]𝐵′
multiplicando la matriz de coordenadas del vector “𝑣̅ ” referido a la base inicial [𝑣̅ ]𝐵 por la matriz:
𝑎 𝑐
𝑃=[ ]
𝑏 𝑑
cuyas columnas son las coordenadas de los vectores base iniciales, con relación a la nueva base. De tal manera
podemos enunciar como:
55
Solución del Problema del Cambio de Base
“Si se cambia la base para un espacio vectorial “V”, de cierta base dada B = {𝑢̅1 , 𝑢̅2 , … , 𝑢̅𝑛 } hacia otra nueva
base B’ ={𝑤̅1 , 𝑤 ̅𝑛 }, entonces la matriz de coordenadas inicial, [𝑣̅ ]𝐵 , de un vector “𝑣̅ ” está relacionada
̅2 , … , 𝑤
con la nueva matriz de coordenadas [𝑣̅ ]𝐵′ por medio de la ecuación:
[𝑣̅ ]𝐵 = P [𝑣̅ ]𝐵′
en donde las columnas de “P” son las matrices de coordenadas de los vectores base iniciales con relación a la
nueva base, es decir los vectores columna de “P” son:
[𝑢̅1 ]𝐵′ ; [𝑢̅2 ]𝐵′ ; [𝑢̅𝑛 ]𝐵′
Esta matriz “P” se la conoce como matriz de transición de B hacia B’.
Hasta ahora hemos encontrado la matriz de transición de la base 𝐵 = {𝑢̅1 , 𝑢̅2 } para ℝ2 hacia la base
𝐵′ = {𝑤 ̅2 }.
̅1 , 𝑤
Nos preguntamos ahora si es posible hallar una matriz para efectuar la transición de B’ a B.
Para obtener esta matriz, simplemente se cambia el punto de vista y se considera a “B’” como la base inicial y
a “B” como la base nueva.
Como ya está demostrado, las columnas de la matriz de transición serán las coordenadas de los vectores base
iniciales con relación a la nueva base.
Bajo estas condiciones, obtendremos entonces una nueva matriz “Q”, que me permitirá realizar la transición
de B’ a B.
Ahora bien, si se multiplica la matriz de transición de B a B’, (“P”), que se obtuvo en el primer desarrollo, por
la matriz de transición de B’ a B, (“Q”), que se acaba de indicar, se encuentra:
P . Q = I , lo cual indica que: Q = P -1
Esto se explica por el siguiente:
Teorema:
“Si “P” es la matriz de transición desde una base “B” hacia una base “B’”, entonces:
a) La matriz “P” es inversible;
b) La matriz inversa de “P” (P-1) es la matriz de transición de “B’” hacia “B”.
Como resumen, si “P” es la matriz de transición desde una base “B” hacia una base “B’”, entonces, para todo
vector “v”, se tiene:
[𝑣̅ ]𝐵′ = P [𝑣̅ ]𝐵
[𝑣̅ ]𝐵 = P-1 [𝑣̅ ]𝐵′
Ejemplo:
Considere las bases 𝐵 = {𝑢̅1 , 𝑢̅2 } y 𝐵′ = {𝑣̅1 , 𝑣̅ 2 } para ℝ2, en donde:
1 0 1 2
𝑢̅1 = [ ] ; 𝑢̅2 = [ ] 𝑦 𝑣̅1 = [ ] ; 𝑣̅2 = [ ]
0 1 1 1
a) Halle la matriz de transición de “B” hacia “B’”;
7
b) Halle el vector “𝑤 ̅” en la base nueva B’  (𝑤 ̅)𝐵′ = ? si 𝑤 ̅ = [ ], usando la expresión (𝑤
̅)𝐵′ = 𝑃(𝑤
̅)𝐵
2
Solución:
Lo primero que debo encontrar son las matrices de coordenadas para los vectores base iniciales 𝑢̅1 𝑦 𝑢̅2 en
relación a la nueva base “B’” . Es decir, debo efectuar:
𝑢̅1 = 𝑐1 𝑣̅1 + 𝑐2 𝑣̅2 (1)
𝑢̅2 = 𝑐3 𝑣̅1 + 𝑐4 𝑣̅2 (2)
y reemplazando los valores 𝑢̅1 ; 𝑣̅1 𝑦 𝑣̅2 en (1) se obtiene:
1𝑐 + 2𝑐2 1𝑐1 + 2𝑐2 = 1 (3)
(1 , 0) = 𝑐1 (1 , 1) + 𝑐2 (2 , 1) ⇒ [1] = [ 1 ] ⇒
0 1𝑐 1 + 1𝑐2 1𝑐1 + 1𝑐1 = 0 (4)
De (4)  𝑐1 = −𝑐2  reemplazando en (3)  - c2 + 2 c2 = 1  𝑐2 = 1
𝑐1 −1
Si c2 = 1  c1 = -1 de modo que: [𝑢1 ]𝐵′ = [𝑐 ] = [ ]
2 1
56
Partiendo ahora de (2), y reemplazando por las componentes:
1𝑐 + 2𝑐4 1𝑐3 + 2𝑐4 = 0 (5)
(0 , 1) = 𝑐3 (1 , 1) + 𝑐4 (2 , 1) ⇒ [0] = [ 3 ] ⇒
1 1𝑐3 + 1𝑐4 1𝑐3 + 1𝑐4 = 1 (6)
De (5)  𝑐3 = −2𝑐4 (7)  reemplazando en (6)  - 2c4 + 1 c4 = 1  𝑐4 = 1 (8)
y volviendo ahora con el valor de (8) a (7), obtenemos:
𝑐3 2
c3 = (-2) . (-1)  c3 = 2  [𝑢2 ]𝐵′ = [𝑐 ] = [ ]
4 −1
siendo entonces la matriz de transición:
−1 2
𝑃=[ ]
1 −1
c) Para resolver este apartado, debemos asociar primero el vector “𝑤 ̅” a la base “B” (base vieja o
primitiva) para después hallar su valor en la nueva base “B’”.
7 1 0
𝑤
̅ = 𝛼𝑢̅1 + 𝛽𝑢̅2 ⇒ ̅ = 𝛼 (1 , 0 ) + 𝛽 (0 , 1)
𝑤 ⇒ [ ] = 𝛼[ ]+𝛽[ ] ⇒
2 0 1
7 1𝛼 + 0𝛽 1𝛼 + 0𝛽 = 7 𝛼=7 7
⇒ [ ]=[ ] ⇒ ⇒ ⇒ [𝑤̅] = [ ]
2 0𝛼 + 1𝛽 0𝛼 + 1𝛽 = 2 𝛽=2 2
[𝑤 −1 2 7 −3
̅ ]𝐵′ = 𝑃[𝑤
̅ ]𝐵 ⇒ [𝑤̅ ]𝐵′ = [ ][ ] ⇒ [𝑤 ̅ ]𝐵′ = [ ]
1 −1 2 5
Interpretación a la ingeniería. Cambio de base
Se presentan ejemplos que permiten conceptualizar la estructura de espacio vectorial y algunos conceptos
vinculados a ella.
Si en una empresa se trabaja con materiales, cambiar la base, significa cambiarlos, 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).
Si una empresa trabaja 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,
y es necesario rediseñar las actividades de los empleados o sobra gente
57
58
UNIDAD N°6: Aplicaciones o transformaciones lineales.
Introducción
Estudiaremos ahora las funciones con valor vectorial de una variable vectorial, es decir, funciones que tienen
la forma w = F(v), en donde la variable independiente “v” y la variable dependiente “w”, son vectores.
V F W
Si “V” y “W” son espacios vectoriales y “F”
𝑣1 ó “T” es una función que asocia un vector
único en “W” con cada vector en “V”, se
𝑣2 dice que “F” ó “T” aplica o mapea “V” en
𝑤1 “W” y ello se escribe como: F: V  W.
𝑤2 Además, si “F” ó “T” asocia el vector w al
𝑣3 𝑤3 vector v, se escribe w = F(v) y se dice que w
es la imagen de v bajo “F”
Imagen
Dominio Codominio F:V  W / w = F(v)
Objetivos
Esperamos que al finalizar la lectura comprensiva y activa de la presente unidad, usted pueda:
 Dada una función F:VW, siendo V y W espacios vectoriales reales, verificar si es o no una
transformación lineal.
 Identificar el subespacio núcleo de una transformación lineal, encontrar una base y su dimensión.
 Identificar el subespacio imagen de una transformación lineal, encontrar una base y su dimensión.
 Aplicar el teorema de la dimensión del núcleo y la imagen de una transformación lineal en la resolución
de ejercicios.
 Conocer y obtener transformaciones lineales geométricas en ℝ2
Definición:
Si la expresión F:VW 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”.
Demostración:
Supongamos que sea F: ℝ2 ℝ3 la función definida por 𝐹 (𝑣) = (𝑥 ; 𝑥 + 𝑦 ; 𝑥 − 𝑦).
Si 𝑢 = (𝑥1 , 𝑦1 ) 𝑦 𝑣 = (𝑥2 , 𝑦2 ), entonces: 𝑢 + 𝑣 = (𝑥1 + 𝑥2 ; 𝑦1 + 𝑦2 ), de modo que:
𝐹(𝑢 + 𝑣) = [(𝑥1 + 𝑥2 ); (𝑥1 + 𝑥2 ) + (𝑦1 + 𝑦2 ); (𝑥1 + 𝑥2 ) − (𝑦1 + 𝑦2 )] =
= (𝑥1 ; 𝑥1 + 𝑦1 ; 𝑥1 − 𝑦1 ) + (𝑥2 ; 𝑥2 + 𝑦2 ; 𝑥2 − 𝑦2 ) = 𝐹 (𝑢) + 𝐹(𝑣)
También, si “k” es un escalar, 𝑘𝑢 = (𝑘𝑥1 ; 𝑘𝑦1 ), de manera que:
𝐹(𝑘𝑢) = (𝑘𝑥1 ; 𝑘𝑥1 + 𝑘𝑦1 ; 𝑘𝑥1 − 𝑘𝑦1 ) =
= 𝑘(𝑥1 ; 𝑥1 + 𝑦1 ; 𝑥1 − 𝑦1 ) =
= 𝑘𝐹(𝑢)
Por lo tanto, “F” es una transformación lineal.
Generalizando, si F:VW es una transformación lineal, entonces para v1 , v2 ,…, vn cualesquiera en “V” y
cualesquiera escalares k1, k2,…, kn, se tiene:
F(k1v1 + k2v2 + … +knvn) = F(k1v1) + F(k2v2) + … + F(knvn)
F(k1v1+k2 v2+ . . . . + knvn) = k1F(v1) + k2F(v2) + . . . . + knF(vn)
Ejemplo
Podemos decir que si v = (x, y) es un vector en ℝ2, entonces la fórmula: F(v) = ( x ; x+y ; x-y ) define la
función que aplica ℝ2 en ℝ3. En particular, si v = (1,1), es decir x = 1 e y = 1, de modo que la imagen de “v”
bajo F es: F(v) = (1,2,0).
59
Propiedades de las transformaciones lineales
Si la expresión T:V  W es una transformación lineal, entonces:
a) T(0) = 0
b) T(-v) = -T(v) para todos los vectores “v  V”.
c) T(v – w) = T(v) – T(w) para todos los vectores “v” y “w” que pertenecen a “V”.
Demostraremos ahora las propiedades de este teorema. Sea “v” cualquier vector en “V”.
Debido a que 0v = 0, se tiene:
T(0) = T(0v) = 0T(v) = 0 lo cual prueba a).
También:
T(-v) = T[(-1)v] = (-1) T(v) = - T(v) lo que prueba b).
Por último:
v – w = v + (-1) w ;
por lo tanto: T(v – w) = T[v + (-1)w]
= T(v) + (-1) T(w)
= T(v) – T(w) lo que prueba c).
Transformación Matricial
Sea ahora “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: ℝn  ℝm por medio de:
T(x) = A x
Recordemos que si “x” es una matriz de orden “nx1” y “A” era de orden “mxn”, entonces el producto “Ax” es
una matriz de “mx1”; es decir que “T” aplica ℝn en ℝm. Además, “T” es lineal; para comprobarlo, sean “u” y
“v” matrices de orden “nx1” y “k” un escalar.
Aplicando las propiedades de la multiplicación de matrices, se obtiene:
A(u + v) = Au + Av , y , A(ku) = k (Au)
o de modo equivalente:
T(u + v) = T(u) + T(v) , y , T(ku) = k(Tu)
A las Transformaciones Lineales de este tipo se las conoce o denomina como Transformaciones Matriciales.
Transformación Cero
Sean “V” y “W” dos espacios vectoriales cualesquiera. La aplicación T:V  W 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:V  V definida por “T(v) = v” se conoce como
transformación identidad sobre “V”.
Si T:V  V 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: V  V” definida por:
T(v) = kv
es un operador lineal sobre “V”.
Si “k  1” , “T” es una dilatación de “V” y si “0  k  1” , entonces “T” es una contracción de “V”.
Geométricamente, una dilatación “estira” cada vector que está en “V” en un factor “k” y una contracción de
“V” “comprime” cada vector en un factor “k”.
60
Núcleo. Definición
Si la expresión T:VW 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”. Este
espacio se indica por ker(T) ó se denota por N(T).
ℝn ℝm ker(T) = x tal que Ax = 0

El núcleo es el espacio solución del sistema
N(T) 0 homogéneo, que siempre es compatible
Otra manera distinta de definir el núcleo, es: “Dados los espacios vectoriales “V” y “W” y sea F:VW una
aplicación lineal. El conjunto de elementos “v” que pertenecen al espacio vectorial “V”, tales que F(v) = 0 w,
se conoce como núcleo, kernel o espacio nulo de F.”
Vemos que el núcleo pertenece al espacio vectorial de salida.
Demostración:
Como F(0) = 0 , vemos que 0 está en el núcleo. Supongamos que “v” y “w” están en el núcleo; entonces F(v
+ w) = F(v) + F(w) = 0 + 0 = 0 , de manera que “v + w” está en el núcleo. Si “c” es un número (escalar),
entonces F(cv) = c F(v) = 0 , por lo que “cv” también está en el núcleo. En consecuencia, el núcleo es un
subespacio.
Imagen o Recorrido. Definición
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”. Este conjunto se indica por R(T).
𝑣1 𝑤1 R(T) = b tal que Ax = b es compatible

𝑣2 𝑤2 R(T) Imagen: sistema no homogéneo que será compatible
N(T) 0 si “b” está en el espacio de columnas de la matriz A
ℝn ℝm
Teorema 2:
Si la expresión T:VW es una transformación lineal, entonces:
a) El núcleo de “T” es un subespacio de “V”;
b) El recorrido de “T” es un subespacio de “W”.
Ejemplo:
Supongamos que la expresión T: ℝn  ℝm es la multiplicación por una matriz “A” de orden “m x n” . Por lo
expresado en el ejemplo anterior, el núcleo de “T” consta de todas las soluciones del sistema Ax = 0, por lo
tanto, el núcleo es el espacio de soluciones de ese sistema.
También, el recorrido de “T” consta de todos los vectores “b” tales que Ax = b es un sistema compatible. Por
consiguiente, el recorrido de “T” es el espacio de columnas de la matriz “A”. (Recordar que un sistema de
ecuaciones lineales Ax = b es compatible sí y sólo sí, “b” está en el espacio de columnas de la matriz “A”).
Definición
Si la expresión T: VW es una transformación lineal, entonces la dimensión del recorrido de “T” se conoce
como “rango de T” y la dimensión del núcleo, se denomina “nulidad de T”.
Ejemplo:
Sea la expresión T: ℝn  ℝm la multiplicación por la matriz “A” de orden “m x n”. En el ejemplo dado a
continuación del teorema nº 2, se observó que el recorrido de “T” es el espacio de columnas de la matriz “A”.
Por lo tanto, el rango de “T” es la dimensión del espacio de columnas de la matriz “A”, el cual es precisamente
el rango de “A”, o sea:
rango (T) = rango (A)
61
También se observó que el núcleo de “T” es el espacio de soluciones del sistema homogéneo (AX = 0), por
consiguiente, la “nulidad de T” es la dimensión de este espacio de soluciones.
Teorema de la Dimensión:
Si la expresión T:VW 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
En el caso del ejemplo anterior, este teorema conduce a:
(𝑁𝑢𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑇) = 𝑛 − (𝑅𝑎𝑛𝑔𝑜 𝑑𝑒 𝑇)
(𝑁𝑢𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑇) = (𝑛° 𝑑𝑒 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 𝑑𝑒 𝐴) − (𝑅𝑎𝑛𝑔𝑜 𝑑𝑒 𝑇)

Sin embargo, se había hecho notar que, la nulidad de “T” es la dimensión del espacio de soluciones de AX=0,
y que el rango de “T” es el rango de la matriz “A”, por consiguiente, la expresión anterior conduce a:
Teorema 3:
Si “A” es una matriz de orden “m x n”, entonces la dimensión del espacio de soluciones de Ax = 0 es:
n – rango de A
Ejemplo:
Dado el siguiente sistema de ecuaciones lineales homogéneo:
2𝑥1 + 2𝑥2 − 𝑥3 + ⋯ + 𝑥5 = 0
−𝑥1 − 𝑥2 + 2𝑥3 − 3𝑥4 + 𝑥5 = 0
𝑥1 + 𝑥2 − 2𝑥3 + ⋯ − 𝑥5 = 0
… … … … … 𝑥3 + 𝑥4 + 𝑥5 = 0
el cual se puede resolver a través de las operaciones elementales por filas (Método de Gauss-Jordan), resulta:
cc cc
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:

𝑥1 −𝑥2 − 𝑥5 −𝑠 − 𝑡 −1 −1
𝑥2 𝑥2 𝑠 1 0
𝑥 = 𝑥3 = −𝑥5 = −𝑡 = 0 𝑠 + −1 𝑡
𝑥4 𝑥4 0 0 0
[𝑥5 ] [ 𝑥5 ] [ 𝑡 ] [ 0] [ 1]
lo que demuestra que los vectores:
−1 −1
1 0
𝑣1 = 0 ; 𝑣2 = −1
0 0
[ 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).
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”).
62
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 + Nulidad de T = nº de columnas de la transformación ( n )
de donde se puede expresar:
rango de A = n – Nulidad de T ,
o sea:
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.
Otra forma de escribir y demostrar el Teorema de la Dimensión es mediante:
[dim 𝑅(𝑇)] + [dim ker(𝑇)] = 𝑛
Transformaciones lineales de ℝn hacia ℝm

Supongamos ahora que tenemos un conjunto de vectores {v1, v2, . . ., vn} que son una base para un espacio
vectorial “V” y que la expresión T:VW es una transformación lineal.
Si conocemos las imágenes de los vectores base, o sea, T(v1), T(v2), . . ., T(vn), entonces se puede obtener la
imagen T(v) de cualquier vector “v”, expresando primero el vector “v” en términos de la base, por ejemplo:
v = k1v1 + k2v2 + . . . + knvn
y utilizando la relación (1) ya vista
[T(k1v1 + k2v2 + . . . + knvn) = k1T(v1) + k2 T(v2) + . . . + kn T(vn)] , resulta:
𝑇(𝑣) = 𝑘1 𝑇(𝑣1 ) + 𝑘2 𝑇(𝑣2 ) + ⋯ + 𝑘𝑛 𝑇(𝑣𝑛 )

entonces podemos decir que: “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: ℝ3ℝ2 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)
1𝑘1 + 1𝑘2 + 1𝑘3 = 2 𝑘1 = 5
1𝑘1 + 1𝑘2 + 0𝑘3 = −3 Resolviendo resulta ⇒ 𝑘2 = −8
1𝑘1 + 0𝑘2 + 0𝑘3 = 5 𝑘3 = 5
de donde tendremos:
(2 ; -3 ; 5) = 5 v1 – 8 v2 + 5 v3
T(2 ; -3 ; 5) = 5 Tv1 – 8 Tv2 + 5 Tv3
T(2 ; -3 ; 5) = 5 (1, 0) – 8 (2; -1) + 5 (4; 3)  T(2 ; -3 ; 5) = (9; 23)
Matriz estándar de la transformación
Podemos demostrar que toda transformación lineal de ℝn hacia ℝm, es una transformación matricial.
63
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
𝑇 [𝑥 ] = [ 1 ]
2 𝑥1 − 𝑥2
entonces:
1 1 0 2
𝑇(𝑒1 ) = 𝑇 [ ] = [ ] 𝑦 𝑇(𝑒2 ) = 𝑇 [ ] = [ ]
0 1 1 −1
y resulta:
1 2
𝐴=[ ]
1 −1
 
T(e1) T(e2)
Y de forma más general, si:
𝑎11 𝑎12 𝑎1𝑛
𝑎21 𝑎22 𝑎2𝑛
𝑇(𝑒1 ) = [ ] ; 𝑇(𝑒2 ) = [ ] ; … ; 𝑇(𝑒𝑛 ) = [ ]
⋮ ⋮ ⋮
entonces es:
𝑎11 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛
𝐴=[ ⋮ ⋮ ⋱ ⋮ ]
  
T(e1) T(e2) T(en)
Se puede demostrar entonces que la transformación lineal T: ℝn ℝm es la multiplicación por “A”.
Para ello, obsérvese que si:
𝑥1
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)
Por otra parte:
𝑎11 𝑎12 … 𝑎1𝑛 𝑥1 𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛
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)
⋮ ⋮ ⋮
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 esta matriz “A” se la llama “matriz estándar” para la transformación “T”.
64
Como conclusión, podemos decir que: “la matriz estándar para una transformación matricial es la propia
matriz de la transformación”.
Ejemplo:
Hallar la matriz estándar para la transformación lineal T: ℝ3ℝ4, definida por:
𝑥1 + 𝑥2
𝑥1
𝑥 − 𝑥2
𝑇 [𝑥 2 ] = [ 1 ]
𝑥3
𝑥3
𝑥1
Solución:
1 1 0
1 0 0
1 −1 0
𝑇(𝑒1 ) = 𝑇 [0] = [ ] ; 𝑇(𝑒2 ) = 𝑇 [1] = [ ] ; 𝑇(𝑒3 ) = 𝑇 [0] = [ ]
0 0 1
0 0 1
0 0 0
y utilizando a T(e1), T(e2) y T(e3) como vectores columnas, se obtiene:
1 1 0
1 −1 0
𝐴=[ ]
0 0 1
1 0 0
como verificación, obsérvese que:
𝑥1 + 𝑥2 1 1 0 𝑥 𝑥1 + 𝑥2
𝑥1 1
𝑥1 − 𝑥2 1 −1 0 𝑥 𝑥 − 𝑥2
𝐴 [𝑥 2 ] = [ 𝑥 ] ⇒ [ ] [ 2] = [ 1 ]
3 0 0 1 𝑥3
𝑥3 𝑥3
𝑥1 1 0 0 𝑥1
es decir, que el producto de la matriz “A” por la matriz “X” da por resultado la transformación definida
o pedida, que como vemos concuerda con la fórmula dada para “T”.
Transformaciones lineales en el plano (T: ℝ2ℝ2)
𝑎 𝑏]
Sea T: ℝ2 ℝ2 una transformación lineal en el plano y 𝐴 = [ es la matriz estándar para dicha
𝑐 𝑑
transformación “T”, entonces:
𝑥 𝑎 𝑏 ] [𝑥 ] 𝑎𝑥 + 𝑏𝑦
𝑇 [𝑦 ] = [ 𝑦 =[ ]
𝑐 𝑑 𝑐𝑥 + 𝑑𝑦
Considerando la transformación planteada, podemos interpretar la misma de dos maneras diferentes; en un
caso, como que los elementos de las matrices sean las componentes de vectores, en el otro caso, que los
elementos de las matrices sean las coordenadas de puntos.
En la primera interpretación, la transformación aplica vectores en vectores, y en la segunda “T” aplica puntos
en puntos. (ver gráficos).
y (𝑎𝑥 + 𝑏𝑦; 𝑐𝑥 + 𝑑𝑦) y (𝑎𝑥 + 𝑏𝑦; 𝑐𝑥 + 𝑑𝑦)
(x;y) (x; y)
O x O x
T aplica vectores a vectores T aplica puntos a puntos
A continuación, consideraremos las siguientes transformaciones lineales en el plano como aplicaciones
de puntos hacia puntos.
Reflexiones: Las reflexiones se definen respecto a cualquier recta del plano. En este caso en particular,
estudiaremos aquellas que estén vinculadas a una recta que atraviesa el origen del sistema de coordenadas,
como por ejemplo los ejes coordenados “x” e “y” y la recta diagonal: y = x
65
y Consideraremos en primer lugar la reflexión respecto al eje coordenado “y”:
𝑥 −𝑥 1 −1
(-x,y) (x,y) 𝑇 [𝑦 ] = [ 𝑦 ] ⇒ 𝑇[ ] = [ ]
0 0
0 0 −1 0
𝑇[ ] = [ ] ⇒ 𝑀𝑇 = [ ]
1 1 0 1
0 x
y (x,y) Reflexión respecto al eje coordenado “x”
𝑥 𝑥 1 1
𝑇 [𝑦] = [−𝑦] ⇒ 𝑇[ ] = [ ]
0 0
o x 0 0 1 0
𝑇[ ] = [ ] ⇒ 𝑀𝑇 = [ ]
1 −1 0 −1
(x,-y) Reflexión respecto a la recta: y = x
y y=x
(y,x) 𝑥 𝑦 1 0
𝑇 [𝑦] = [ ] ⇒ 𝑇[ ] = [ ]
𝑥 0 1
0 1 0 1
𝑇[ ] = [ ] ⇒ 𝑀𝑇 = [ ]
1 0 1 0
(x,y)
o x
y
(x,y) Aquí podemos agregar otra reflexión particular, como ser, un
punto definido por un par de coordenadas que se refleja
respecto al origen del sistema de coordenadas:
𝑥 −𝑥 1 −1 0 0 −1 0
o x 𝑇 [𝑦] = [−𝑦] ⟹ 𝑇 [ ] = [ ] ; 𝑇 [ ] = [ ] ⟹ 𝑀𝑇 = [ ]
0 0 1 −1 0 −1
Esta última reflexión es equivalente a producir una rotación de
(-x,-y) 180º en torno al origen
Rotaciones: Otro tipo común de transformaciones en el plano es la rotación o giro en torno a cualquier punto
del plano. Interesan principalmente las rotaciones en torno al origen del sistema de coordenadas.
Supongamos una transformación matricial y sea “” un ángulo fijo. Consideremos que T: ℝ2 ℝ2 es la
multiplicación por la matriz
cos 𝜃 −𝑠𝑒𝑛 𝜃
𝐴=[ ]
𝑠𝑒𝑛 𝜃 cos 𝜃
𝑥
y si “v” es el vector: 𝑣 = [𝑦] entonces T(x) = Ax y en nuestro caso será:
cos 𝜃 −𝑠𝑒𝑛 𝜃 𝑥 𝑥 cos 𝜃 − 𝑦 𝑠𝑒𝑛 𝜃 𝑥′
𝑇(𝑣) = 𝐴𝑣 = [ ] [ 𝑦] = [ ]=[ ]
𝑠𝑒𝑛 𝜃 cos 𝜃 𝑥 𝑠𝑒𝑛𝜃 + 𝑦 cos 𝜃 𝑦′
Geométricamente, T(v) es el vector que se obtiene al hacer girar “v” hasta describir un ángulo “”.
Demostración: La transformación T():ℝ2 ℝ2, definida por:

𝑥 cos 𝜃 −𝑠𝑒𝑛 𝜃 𝑥′
𝑇 (𝜃 ) [ 𝑦] = [ ][ ]
𝑠𝑒𝑛 𝜃 cos 𝜃 𝑦′
hace girar cada vector “” radianes ó “” grados, en sentido contrario al de las manecillas del reloj en torno al
origen del sistema de coordenadas.
66
Solución:
De acuerdo con la figura, OB es la rotación de OA un ángulo “”.
y
Resulta entonces
x = r cos  ; y = r sen 
x' = r cos ( +) ; y' = r sen (+)
y’ B(x’,y’) = T() (x;y)
y mediante las relaciones trigonométricas se llega a:
x' = r cos  cos  - r sen  sen  ; y' = r sen  cos  + r cos  sen 
y A(x,y)
x' = x cos  - y sen  ; y' = y cos  + x sen 
θ r α
por consiguiente:
0 x’ x x
𝑥′ 𝑥 cos 𝜃 − 𝑦 𝑠𝑒𝑛 𝜃 𝑥 𝑥
[ ]=[ ] = [ cos 𝜃 −𝑠𝑒𝑛 𝜃] [𝑦] = 𝑇(𝜃) [𝑦]
𝑦′ 𝑥 𝑠𝑒𝑛𝜃 + 𝑦 cos 𝜃 𝑠𝑒𝑛 𝜃 cos 𝜃
demuestra que T() es una rotación de “” radianes ó “” grados en torno al origen
El siguiente cuadro muestra cuales son las matrices estándar en función del valor del ángulo:
θ Operador de Rotación
1 0
0° [ ]
0 1
√2 √2
−
45° 2 2
√2 √2
[2 2 ]
0 −1
90° [ ]
1 0
−1 0
180° [ ]
0 −1
0 1
270° [ ]
−1 0
Ejemplo:
y Supongamos un vector cuyo punto inicial es el origen del sistema de
coordenadas (0, 0) y cuyo extremo o punto final es el punto de
coordenadas (1, 1). Esto quiere decir que el vector tiene como
(-1,1) (1,1) componentes [1, 1]. Calculemos la imagen del vector para:
 = /2 ó 90º
𝜋 1 0 −1 1 −1
𝑇( )[ ] = [ ][ ] = [ ]
2 1 1 0 1 1
0 x
Proyecciones: Las proyecciones en ℝ2 sobre una recta también son transformaciones de T: ℝ2 ℝ2. En éste
caso, nos interesan las proyecciones ortogonales sobre las rectas que pasan por el origen; en especial sobre los
ejes coordenados.
67
y
Las proyecciones o transformaciones sobre el eje coordenado “x”, se expresan:
𝑥 𝑥 1 1
(x;y) 𝑇 [𝑦 ] = [ ] ⇒ 𝑇[ ] = [ ]
0 0 0
0 0 1 0
𝑇 [ ] = [ ] ⇒ 𝑀𝑇 = [ ]
1 0 0 0
0 T(x)=(x;0) x
y y las proyecciones o transformaciones sobre el eje coordenado “y”, se
expresan:
(0,y) T(y) (x,y)
𝑥 0 1 0
𝑇 [𝑦] = [ ] ⇒ 𝑇[ ] = [ ]
𝑦 0 0
0 0 0 0
𝑇 [ ] = [ ] ⇒ 𝑀𝑇 = [ ]
1 1 0 1
x
Compresiones: Una compresión a lo largo de los ejes coordenados “x” ó “y” es una transformación lineal que
multiplica la coordenada “x” ó la coordenada “y” de un vector en R2 por una constante positiva “k”, siendo “k
 1”, o sea que “k” varía: 0  k  1.
La transformación de este tipo se expresa como:
𝑥 𝑘𝑥 1 𝑘
𝑇 [𝑦 ] = [ ] ⇒ 𝑇[ ] = [ ]
𝑦 0 0
k = 1/2 0 0 𝑘 0]
2 (x;y) 2 (1/2x ; y) 𝑇 [ ] = [ ] ⇒ 𝑀𝑇 = [
1 1 0 1
Matriz estándar para una compresión según el eje
o 4 x o 2 x coordenado “x”
Figura inicial Resultado final
y y
𝑥 𝑥 1 1
4 (x,y) 𝑇 [𝑦 ] = [𝑘𝑦] ⇒ 𝑇[ ] = [ ]
0 0
0 0 1 0
2 (x;1/2y) 𝑇[ ] = [ ] ⇒ 𝑀𝑇 = [ ]
1 𝑘 0 𝑘
Siendo MT la matriz estándar para una compresión
o 2 x o 2 x según el eje coordenado “y”.
Figura inicial Resultado final
Expansiones: Una expansión a lo largo de los ejes coordenados “x” ó “y” es una transformación lineal que
multiplica la coordenada “x” ó la coordenada “y” de un vector en R2 por una constante positiva “k”, siendo “k
 1” . La transformación de este tipo se expresa como:
y y 𝑥 𝑘𝑥
𝑇(𝑥 ) |𝑦| = | | ⇒
𝑦
1 𝑘 0 0
𝑇| | = | |;𝑇| | = | | ⇒
0 0 1 1
𝑘 0
(x;y) (2x;y) 𝑀𝑇 = | |
0 1
Resultando la matriz estándar para una
expansión según el eje coordenado “x”
o 4 x o 8 x
Figura inicial Figura final con una expansión k = 2
68
y
𝑥 𝑥
y 6 (x ; 2y) 𝑇(𝑥 ) |𝑦| = |𝑘𝑦| ⇒
1 1 0 0
𝑇| | = | |;𝑇 | | = | | ⇒
0 0 1 𝑘
1 0
3 (x ; y) 𝑀𝑇 = | |
0 𝑘
Resultando la matriz estándar para una
o 2 x o 2 x expansión según el eje coordenado “y”
Figura inicial Figura final con una expansión k = 2
Deslizamientos Cortantes (cizallamientos)
Un deslizamiento cortante en la dirección de “x”, con factor “k”, es una transformación que mueve cada punto
(x, y) paralelo al eje coordenado “x”, en una cantidad “ky” hacia la nueva posición (x+ky; y). Bajo una
transformación lineal de este tipo, los puntos que están sobre el eje “x” no se mueven puesto que en ese caso
es “y=0”; sin embargo, conforme se avanza alejándose del eje “x”, la magnitud de “y” aumenta, y aquellos
puntos más alejados del eje “x” se mueven una distancia mayor que los que se encuentran más cercanos de
dicho eje.
La transformación de este tipo se expresa como:
𝑥 𝑥 + 𝑘𝑦 1 1
𝑇 [𝑦] = [ ] ⇒ 𝑇[ ] = [ ]
𝑦 0 0
0 𝑘 1 𝑘
𝑇[ ] = [ ] ⇒ 𝑀𝑇 = [ ]
1 1 0 1
Resultando entonces la matriz estándar para un deslizamiento cortante según el eje coordenado “x”. Tener
presente que “k” es una constante que puede ser positiva o negativa.
y y y
(x;y) (x+ky ; y) (x+ky ; y)
o x o x o x
Figura inicial Deslizamiento cortante Deslizamiento cortante
según el eje “x” con “k” positivo con “k” negativo
Un deslizamiento cortante en la dirección de “y”, con factor “k”, es una transformación que mueve cada punto
(x, y) paralelo al eje coordenado “y”, en una cantidad “kx” hacia la nueva posición (x; y+kx). Bajo una
transformación lineal de este tipo, los puntos que están sobre el eje “y” no se mueven puesto que en ese caso
es “x=0”; sin embargo, conforme se avanza alejándose del eje “y”, la magnitud de “x” aumenta, y aquellos
puntos más alejados del eje “y” se mueven una distancia mayor que los que se encuentran más cercanos de
dicho eje. La transformación de este tipo se expresa como:
𝑥 𝑥 1 1
𝑇 [𝑦] = [𝑦 + 𝑘𝑥] ⇒ 𝑇[ ] = [ ]
0 𝑘
0 0 1 0
𝑇[ ] = [ ] ⇒ 𝑀𝑇 = [ ]
1 1 𝑘 1
Resultando entonces la matriz estándar para un deslizamiento cortante según el eje coordenado “y”.
Tener presente que “k” es una constante que puede ser positiva o negativa.
69
y y y
(x ; y+kx)
(x;y)
(x ; y+kx)
o x o x o x
Figura inicial Deslizamiento cortante Deslizamiento cortante
según eje “y” con k  0 con k  0
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. Recordemos que cuando analizamos las
transformaciones de ℝn a ℝm demostramos que era posible encontrar una matriz “A” de orden m x n tal
que la transformación fuese el producto por dicha matriz; aquí se está mencionando una matriz identidad
de orden dos por dos que es la que efectúa la transformación.
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.
Ejemplo 1:
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”;
Solución:
La matriz estándar para el deslizamiento cortante es:
1 2
𝐴1 = [ ]
0 1
y para la reflexión es:
0 1
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
La expresión, A2.A1 nos da por resultado una nueva matriz, la cual representa simultáneamente las operaciones
de deslizamiento cortante seguido de la reflexión. La lectura de la expresión A = A2.A1 leída de derecha a
izquierda indica el orden en que ambas operaciones fueron definidas.
Si analizáramos la expresión siguiente: A = A1.A2 que corresponde a la solución de la segunda parte del
ejercicio, podemos ver que aquí primero se efectúa la reflexión seguida por el deslizamiento cortante.
Es decir entonces, que para obtener una única matriz para llevar a cabo todas las operaciones indicadas, debo
realizar el producto de la matriz correspondiente a la última transformación solicitada por la matriz de la
penúltima transformación y luego por la antepenúltima, hasta llegar a la matriz de la primera transformación
solicitada: A = Ak.Ak-1.Ak-2. . . . A3.A2.A1
(1;4)
y y y
(2;1) (4;1)
o x o x o x
fig.1 fig.2 fig.3
Figura inicial Deslizamiento cortante en Reflexión alrededor
la dirección de “x” con k=2 de y = x
70
Ejemplo 2:
Encuentre ahora una transformación matricial de ℝ2 hacia ℝ2 que primero realice una reflexión respecto a la
recta “y = x” y a continuación, un deslizamiento cortante en un factor de 2, en la dirección de “x”. Notamos
aquí que el planteo del apartado 1º es de orden inverso al planteo del punto 2º.
Solución:
La reflexión seguida por el deslizamiento cortante se representa por medio de:
1 2 0 1 2 1
𝐴1 . 𝐴2 = [ ][ ]=[ ]
0 1 1 0 1 0
Notemos que A1A2  A2A1 , de manera que el efecto de realizar un deslizamiento cortante y a continuación
una reflexión es diferente de realizar la reflexión y a continuación el deslizamiento cortante. En la siguiente
figura se ilustra geométricamente este hecho; en ella se muestra el efecto de las transformaciones sobre un
rectángulo.
Podemos observar en estos dos ejemplos propuestos, que haciendo el producto de las matrices
correspondientes a las transformaciones pedidas pero en orden inverso al solicitado, se obtiene una única
matriz que permite realizar las transformaciones solicitadas mediante una sola operación.
y y y
(1;2)
(5;2)
(2;1)
o x o x o x
fig.1 fig.2 fig.3
Figura inicial Reflexión alrededor Deslizamiento cortante en
de y = x la dirección de “x” con k=2
Transformaciones inversas
Sea T: ℝ2 ℝ2 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
𝐴 . [𝑦 ] = [ ] ; 𝐴−1 . [ ] = [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 la transformación T: ℝ2 ℝ2 comprime el plano en un factor de ½ en la dirección del eje “y”, entonces es
evidente que, para regresar cada punto a su posición original se debe dilatar el plano en un factor de “2” en la
dirección del eje “y”. O sea, la matriz:
1 0
𝐴 = [0 1⁄ ]
2
representa una compresión de factor ½ en la dirección del eje “y” y la matriz:
1 0
𝐴−1 = [ ]
0 2
es una expansión de factor “2” en la dirección “y”.
Interpretación a la ingeniería
Este tipo de transformaciones son las utilizadas en los celulares, donde el marco nos da los ejes x e y, pudiendo
agrandar o achicar una imagen (expansión o contracción), al girar la pantalla, gira la imagen (rotación), incluso
cuando se “tunean” las fotos, a través del fotoshop, aparecen este tipo de transformaciones. También en la
computadora, con documentos/imágenes que agrandamos, achicamos, etc.
71
Matrices de las transformaciones lineales
Se puede demostrar que si “V” y “W” son espacios vectoriales con dimensión finita (no necesariamente ℝn y
ℝm), entonces, cualquier transformación lineal T:VW se puede considerar como una transformación
matricial.
La idea fundamental es elegir bases para los espacios vectoriales “V” y “W” y trabajar con las matrices de
coordenadas relativas a estas bases, en lugar de con los vectores.
Para ser claros, supóngase que “V” tiene dimensión “n” y que “W” tiene dimensión “m”. Si se eligen las bases
“B” y “ B' ” para “V” y “W”, respectivamente, entonces, para cada “x” en “V”, la matriz de coordenadas [x] B
será un vector en ℝn y la matriz de coordenadas [T(x)]B' será algún vector en ℝm. Por lo tanto, en el proceso
de aplicar “x” en T(x), la transformación lineal “T” “genera” una aplicación de ℝn a ℝm, enviando [x]B hacia
[T(x)]B' .
Se puede demostrar que esta aplicación generada, siempre es una transformación lineal. Como tal, se puede
realizar aplicando la matriz estándar “A” para esta transformación, es decir:
A[x]B = [T(x)]B'
Si de alguna manera, es posible encontrar la matriz “A”, entonces, como se muestra en la figura, se puede
calcular la transformada de x  [T(x)] en tres pasos, por medio del procedimiento indirecto siguiente:
Cálculo directo
1) Calcular la matriz de coordenadas [x]B ;
x - - - - - - - - - - - - - - - T(x)
2); Multiplicar [x]B desde la izquierda por la matriz “A”, para
(1) (3) producir [T(x)]B'
Multiplíquese por A 3) Reconstruir T(x), a partir de su matriz de coordenadas [T(x)]B'
[x]B - - - - - - - - - - - - - [T(x)]B' .
(2)
Este procedimiento indirecto es importante por dos razones. Primero suministra una manera eficiente de llevar
a cabo las transformaciones lineales a través de una computadora y la segunda razón es teórica, pero con
importantes consecuencias prácticas.
La matriz “A” depende de las bases “B” y “B'”. Por lo general se eligen las bases “B” y “B'” a fin de hacer que
el cálculo de las matrices de coordenadas sea lo más fácil posible. Otras veces, en lugar de ello, se puede
intentar elegir las bases “B” y “B'” para hacer que la matriz “A” sea lo más sencilla posible, por ejemplo, con
grupos de elementos iguales a cero.
Cuando se hace esto en forma correcta, la matriz “A” puede proporcionar información importante acerca de la
transformación lineal “T”.
Consideremos ahora el problema de encontrar una matriz “A” que satisfaga:
A[x]B = [T(x)]B' (1)
Supóngase que “V” es un espacio de “n” dimensión con base B = {u 1, u2, . . , un} y que W es un espacio de
“m” dimensión con base B' = {v1, v2, . . . , vm} .
Se necesita encontrar una matriz de orden “m x n”
𝑎11 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛
𝐴=[ ⋮ ⋮ ⋱ ⋮ ]
tal que se cumpla la relación (1), para todos los vectores “x” que pertenecen al espacio vectorial “V”.
En particular, cuando “x” es el vector base “u1”, se desea que:
A[u1]B = [T(u1)]B' (2)
Pero:
1 𝑎11 𝑎12 … 𝑎1𝑛 1 𝑎11
0 𝑎21 𝑎22 … 𝑎2𝑛 0 𝑎21
[𝑢1 ]𝐵 = 0 𝑑𝑒 𝑚𝑜𝑑𝑜 𝑞𝑢𝑒 𝐴 . [𝑢1 ]𝐵 = [ ⋮ ⋮ ⋱ ⋮ ] 0 =[ ⋮ ]
⋮ 𝑎m1 𝑎m2 … 𝑎mn [ ⋮ ] 𝑎𝑚1
[ 0] 0
72
Por lo tanto, la expresión (2) implica que:
𝑎11
𝑎21
[ ] = [𝑇(𝑢1 )]𝐵′
⋮
𝑎𝑚1
Es decir, la primera columna de “A” es la matriz de coordenadas para el vector T(u1), con respecto a la base
B'.
De manera análoga, si se hace que el vector x sea igual a u 2 ( x = u2) en (2), se obtiene:
A[u2]B = [T(u2)]B'
pero:
0 𝑎11 𝑎12 … 𝑎1𝑛 1 𝑎12
1 𝑎21 𝑎22 … 𝑎2𝑛 0 𝑎22
[𝑢2 ]𝐵 = 0 𝑑𝑒 𝑚𝑜𝑑𝑜 𝑞𝑢𝑒 𝐴 . [𝑢2 ]𝐵 = [
⋮ ⋮ ⋱ ⋮ ] 0 =[ ⋮ ]
⋮ 𝑎m1 𝑎m2 … 𝑎mn [ ⋮ ] 𝑎𝑚2
[ 0] 0
por lo tanto:
𝑎12
𝑎
[ 22 ] = [𝑇(𝑢2 )]𝐵′
⋮
𝑎𝑚2
es decir, la segunda columna de “A” es la matriz de coordenadas para el vector T(u2) con respecto a la base B'.
Continuando de esta manera, se encuentra que la j-esima columna de la matriz “A” es la matriz de coordenadas
para el vector T(uj), con respecto a la base B'.
La matriz única “A” que se obtiene de esta manera se conoce como matriz de la transformación “T” con
respecto a las bases B y B'.
Simbólicamente, se puede indicar esta matriz por medio de:
Matriz de T con respecto a las bases B y B'  A = [ [T(u1)]B' ¦[T(u2)]B' ¦. . . ¦[T(un)]B' ]
Ejemplo:
Sea T: p1 p2 la transformación lineal definida por: T(p(x)) = x p(x). Encuéntrese la matriz para la
transformación “T” , con respecto a las bases B={u1; u2} y B'={u1'; u2'; u3 '} , en donde: u1 = 1 ; u2 = x ; u1' =
1 ; u2' = x ; u3' = x2 .
Solución: Basándonos en la fórmula para la transformación “T” propuesta, se obtiene:
T(u1) = T(1) = (x) (1) = x
T(u2) = T(x) = (x) (x) = x2
Por simple observación, se puede determinar las matrices de coordenadas para T(u 1) y T(u2) con relación a la
base B'; éstas son:
0 0
[𝑇(𝑢1 )]𝐵′ = [1] ; [𝑇(𝑢2 )]𝐵′ = [0]
0 1
por lo tanto, la matriz para la transformación “T” con respecto a las bases B y B' es:
0 0
𝐴 = [[𝑇(𝑢1 )]𝐵′ [𝑇(𝑢2 )]𝐵′ ] = [1 0]
0 1
Ejemplo:
Sean T:p1p2 y “B” y “ B' ” las bases del ejemplo anterior y supóngase que: P(x) = 1 – 2x. Utilice la matriz
obtenida en el ejemplo anterior para calcular T(x) por el procedimiento indirecto.
Por observación, la matriz de coordenadas de “X” con respecto a la base “B” es:
[𝑥 ]𝐵 = [ 1]
−2
Por lo tanto:
73
0 0 0
[𝑇(𝑥)]𝐵′ = 𝐴[𝑥 ]𝐵 = [1 0] . [ 1] = [ 1 ]
−2
0 1 −2
Así entonces:
T(X) = 0 u1' + 1 u2' – 2 u3' = 0(1) + 1(x) – 2(x2) = x – 2 x2
Como verificación, nótese que el cálculo directo de T(x) es:
T(x) = T(1-2x) = x(1-2x) = x – 2x2
Lo cual concuerda con el resultado que se obtiene por medio del procedimiento indirecto.
Nota: Si la expresión T: ℝnℝm es una transformación lineal y sí B y B' son las bases estándar para ℝn y ℝm
respectivamente, entonces la matriz para la transformación “T” con respecto a las bases B y B' es precisamente,
la matriz estándar para dicha transformación “T”. En el caso especial en el que los espacios vectoriales V y W
sean iguales (V=W) (de modo que: T:VV es un operador lineal), es común tomar B = B' al construir la
matriz para la transformación “T”. La matriz resultante se conoce como matriz de “T” con respecto a la base
“B”.
Ejemplo:
Sea la expresión T: ℝ2ℝ2 el operador lineal definido por:
𝑥1 𝑥 + 𝑥2
𝑇 [𝑥 ] = [ 1 ]
2 −2𝑥1 + 4𝑥2
Encuéntrese la matriz de la transformación “T” con respecto a la base B = {u 1, u2} , en donde:
1 1
𝑢1 = [ ] ; 𝑢2 = [ ]
1 2
Solución: A partir de la expresión de la transformación “T”, se tiene:
2 3
𝑇(𝑢1 ) = [ ] = 2𝑢1 𝑦 𝑇(𝑢2 ) = [ ] = 3𝑢2
2 6
y considerando la base B = {u1, u2}, tendremos entonces:
T(u1) =  u1 +  u2  (2; 2) =  (1, 1) +  (1, 2)
1+1=2
1+2=2
y resolviendo el sistema, nos queda:
=2 y =0 ; y
entonces tendremos:
2
[𝑇(𝑢1 )]𝐵 = [ ]
0
y ahora:
1 + 1 = 3
T(u2) =  u1 +  u2  (3; 6) =  (1, 1) +  (1, 2) 
1 + 2 = 6
y resolviendo el sistema resulta:
= 0 y  = 3
lo que nos da:
0
[𝑇(𝑢2 )]𝐵 = [ ]
3
como consecuencia, la matriz de la transformación “T” con respecto a la base “B” es:
2 0
𝐴=[ ]
0 3
Interpretación a la ingeniería
Veremos que las transformaciones lineales tienen mucho uso en la ingeniería, para ver si se puede interpretar
mejor, veremos un ejemplo.
74
Ejemplo
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
Producción (un) 50 500 1.000
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:
50
58 92 48 ] [ 58 . 50 + 92 . 500 + 48 . 1.000 96.900
𝑇(𝑥 ) = 𝐴𝑥 = [ 500 ] = [ ]=[ ]
200 250 150 200 . 50 + 250 . 500 + 150 . 1.000 285.000
1.000
Matriz A, también Vector x, cantidad de cable Combinación lineal Vector

llamada matriz de por unidad a producir, es el entre cantidades transformado
insumo-producto, ya que que necesitamos unitarias por producto que nos dice
me dice la cantidad de transformar para saber cuál y cantidad de cuánto de
insumos necesarios para va a ser nuestra necesidad producto para lograr cada insumo
elaborar cada producto de cada uno la necesidad total necesitamos
Para llevar a cabo dicha producción solicitada por la terminal automotriz, debo comprar 96.900 metros de
cable y 285.000 unidades de terminales.
Semejanza (similaridad)
La matriz de un operador lineal T:VV depende de la base seleccionada para el espacio vectorial “V”.
Uno de los problemas fundamentales del álgebra lineal es elegir una base para el espacio vectorial “V” que
haga que la matriz de la transformación “T” sea tan sencilla como se pueda. Frecuentemente este problema se
ataca encontrando primero una matriz para la transformación “T”, con relación a una base “sencilla”, como
por ejemplo una base estándar.
Por lo común, esta selección no conduce a la matriz más sencilla para la transformación “T”, de modo que
entonces se busca una manera de cambiar la base a fin de simplificar la matriz.
Para dirigir un problema como éste, es necesario saber en qué forma un cambio de base afecta la matriz de un
operador lineal. Estudiaremos ahora ese problema. Para ello analicemos el siguiente teorema, cuyo resultado
es clave.
Teorema:
Sea la expresión T: VV 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.
75
Ejemplo:
Supóngase que la transformación T: ℝ2 ℝ2 se define por medio de:
𝑥1 𝑥 + 𝑥2
𝑇 [𝑥 ] = [ 1 ]
2 −2𝑥 1 + 4𝑥2
Hállese la matriz estándar para la transformación “T”, es decir, la matriz para la transformación “T” con
relación a la base B={e1, e2}, en donde:
1 0
𝑒1 = [ ] ; 𝑒2 = [ ]
0 1
y a continuación, aplíquese el teorema anterior para transformar esta matriz, en la matriz para la transformación
“T” con relación a la base B' = {u1, u2}, en donde:
u1= [1 , 1] y u2= [1 , 2] (cuidado, u1 y u2 son vectores columnas)
Solución: A partir de la fórmula para la transformación “T”, resulta:
1 1 0 1
𝑇(𝑒1 ) = 𝑇 [ ] = [ ] ; 𝑇(𝑒2 ) = 𝑇 [ ] = [ ]
0 −2 1 4
de modo que la matriz estándar para la transformación “T” es:
1 1
𝐴=[ ]
−2 4
Ahora se necesita la matriz de transición de la base “B'” hacia la base “B”. Para esta matriz de transición se
necesitan las matrices de coordenadas para los vectores de la base “B'” con relación a la base “B”.
Por cálculo:
1 1 0 𝑘1 = 1
𝑢1 = 𝑘1 𝑒1 + 𝑘2 𝑒2 ⟹ [ ] = 𝑘1 [ ] + 𝑘2 [ ] ⟹
1 0 1 𝑘2 = 1
1 1 0 𝑘3 = 1
𝑢2 = 𝑘3 𝑒1 + 𝑘4 𝑒2 ⟹ [ ] = 𝑘3 [ ] + 𝑘4 [ ] ⟹
2 0 1 𝑘4 = 2
de modo que:
𝑘 1 𝑘 1 1 1
[𝑢1 ]𝐵 = [ 1 ] = [ ] ; [𝑢2 ]𝐵 = [ 3 ] = [ ] ⇒ 𝑃 = [[𝑢1 ]𝐵 ; [𝑢2 ]𝐵 ] ⇒ 𝑃 = [ ]
𝑘2 1 𝑘4 2 1 2
Se puede comprobar que:
2 −1
𝑃−1 = [ ]
−1 1
de modo que, la matriz de la transformación “T” con relación a la base “B'” es:
2 −1 1 1 1 1 2 0
𝑃−1 . 𝐴 . 𝑃 = [ ] .[ ] .[ ]=[ ]
−1 1 −2 4 1 2 0 3
En este ejemplo se ilustra que la base estándar para un espacio vectorial dado, no necesariamente produce la
matriz más sencilla para un operador lineal; podemos ver que la matriz estándar:
1 1
𝐴=[ ]
−2 4
no fue tan sencilla en estructura como la matriz
2 0
[ ]
0 3
con relación a la base “B'”.
Esta última matriz es una matriz diagonal; esto es, una matriz cuadrada en la que todos los elementos que no
están en la diagonal principal son ceros.
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 .A.P se puede escribir también como: A = P.B.P -1 o bien, como:
-1
A = (P-1)-1.B.P-1
Si ahora hacemos: Q = P , se obtiene: A = Q .B.Q con lo que se afirma que la matriz “A” es semejante
-1 -1
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:VV ) con
respecto a bases diferentes son semejantes.
76
UNIDAD N° 7: Valores y vectores propios.
Introducción
Suponga que F: V ⇒ V es una transformación lineal.
Más de una vez es útil hallar un vector “𝑣̅ ” que pertenezca al espacio vectorial V y tal que “F(𝑣̅ )” y “𝑣̅ ” sean
paralelos; es decir que la transformación lineal del vector y el vector mismo sean paralelos o más
concretamente, que el vector obtenido por la transformación sea un múltiplo del vector “𝑣̅ ”.
Para ello debemos buscar un vector “𝑣̅ ” y un escalar  tales que:
̅) =  𝒗
F (𝒗 ̅ (1)
Si 𝑣̅  0 y  satisfacen la ecuación (1), se dice que “” es un valor característico (valor propio, autovalor o
eigenvalor) de la transformación F, y a “𝑣̅ ” se le llama vector característico (vector propio, autovector o
eigenvector) de la transformación F correspondiente al valor característico  .
Objetivos
Se espera que al concluir la lectura comprensiva y activa de la unidad, usted pueda:
 Obtener autovalores y autovectores de una matriz.
 Obtener una matriz semejante a una matriz dada.
 Diagonalizar una matriz; es decir, obtener, si es posible, una matriz diagonal semejante a la matriz
dada.
Definición
Sea “A” una matriz de orden n x n con elementos reales. El número  (real o complejo) recibe el nombre de
valor característico de la matriz “A” si existe algún vector “𝑣̅ ” diferente de cero en el conjunto de los números
complejos (ℂn → Reales + Imaginarios) tal que:
̅ = 𝒗
A𝒗 ̅
Valor característico asociado a la Vector característico asociado a la transformación T
transformación T o matriz A o matriz A correspondiente al valor característico 
Valor Propio, autovalor o eigenvalor Vector Propio, autovalor o eigenvalor
Se dice que el vector 𝑣̅ , distinto de cero, (es decir 𝑣̅ es un vector no nulo), es un vector característico de la
matriz “A” correspondiente al valor característico “” .
Comentario: Puede ocurrir que una matriz con componentes reales puede tener valores y vectores
característicos complejos. Es por ésta razón que en la definición se ha considerado al vector 𝑣̅ como
perteneciente al conjunto de los números complejos (ℂn → Reales + Imaginarios).
Ejemplo
1 6 6 3
Sean 𝐴 = [ ] , 𝑢 = [ ] 𝑦 𝑣 = [ ] , 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
Entonces u es un vector propio correspondiente a un valor propio (-4), pero v no es un vector propio de A,
porque Av no es múltiplo de v.
Cálculo de Autovalores y Autovectores
Sea 𝐴 una matriz cualquiera de orden 𝑛 𝑥 𝑛
1- Partimos de la ecuación: 𝐴 𝑣 = 𝜆. 𝑣
2- Multiplicamos el segundo miembro por la matriz I (identidad) 𝐴𝑣=𝜆 𝐼𝑣
3- Pasamos el 2° miembro al 1° e igualamos a cero 𝐴𝑣–𝜆𝐼𝑣=0
4- Sacamos factor común 𝑣 (𝐴 – 𝜆 𝐼) 𝑣 = 0
77
Representa un sistema de ecuaciones homogéneo de “n” ecuaciones y “n” incógnitas
5- Desarrollamos el determinante, que debe ser igual a cero para que tenga soluciones distintas de la trivial
Obtenemos el polinomio característico (𝜆) det (𝐴 – 𝜆 𝐼) = 0
6- Llegamos a la ecuación característica 𝑃 (𝜆) = det (𝐴 – 𝜆 𝐼) = 0
Procedimiento para calcular valores y vectores característicos

1) Hallar el polinomio característico, 𝑃 (𝜆) = det (𝐴 − 𝜆 𝐼)
2) Determinar las raíces (autovalores)de la ecuación característica, 𝑃 (𝜆) = det (𝐴 – 𝜆 𝐼) = 0.
El orden de la matriz indica la cantidad de valores característicos, “n” valores
3) Hallar los autovectores que corresponden a cada valor característico, para ello resolver el sistema
homogéneo (𝐴 − 𝜆.𝐼) . 𝑣 = 0
Ejemplo: Hállense los autovalores y autovectores de la matriz
3 2
𝐴=[ ]
−1 0
Solución:
1) Buscamos
𝑃(𝜆) = det(𝐴 − 𝜆 𝐼)
3 2 1 0 3 2
] − [ 𝜆 0] = [ 3 − 𝜆 2]
𝐴−𝜆𝐼 =[ ]−𝜆[ ]=[
−1 0 0 1 −1 0 0 𝜆 −1 −𝜆
3−𝜆 2]
𝑑𝑒𝑡 [ = 0 ⇒ −3𝜆 + 𝜆2 + 2 = 0 ⇒ 𝜆2 − 3𝜆 + 2 = 0
−1 −𝜆
1 = 2
3±√9−4 .2 3+1
2) de donde: 𝜆 = =  2= 1
2 2
3) Con el auto valor 1 = 2, sustituimos el mismo en la matriz
3−2 2 1 2
[3 − 𝜆 2]
⇒ [ ] ⇒ [ ]
−1 −𝜆 −1 −2 −1 −2
1 2 𝑥1 0 𝑥1 + 2𝑥2 = 0 𝑥 = −2𝑥2 1
[ ] [𝑥 ] = [ ] ⇒ ⇒ 1 ⇒ 𝑥2 = − 𝑥1
−1 −2 2 0 −1𝑥1 − 2𝑥2 = 0 −𝑥1 = 2𝑥2 2
𝑥1 𝑡 1 1
𝑥1
𝑥 = [𝑥 ] = [ 1 𝑥1 ] ⇒ 𝑠𝑖 𝑥1 = 𝑡 ⇒ 𝑥 = [ 1 ] = [ ] 𝑡 ⇒ 𝑢1 = [ 1]
1
2 − − 𝑡 − −
2 2 2 2
Para cada valor de “t” obtenemos los infinitos autovectores asociados a 1.
Si ahora trabajamos con el autovalor 2 = 1, obtenemos:
3−1 2 2 2
[3 − 𝜆 2]
⇒ [ ] ⇒ [ ]
−1 −𝜆 −1 −1 −1 −1
siendo esta última la matriz correspondiente al polinomio característico
2 2 𝑥1 0 2𝑥1 + 2𝑥2 = 0 2𝑥1 = −2𝑥2 𝑥1 = −𝑥2
[ ] [𝑥 ] = [ ] ⇒ ⇒ ⇒ −𝑥 = 𝑥
−1 −1 2 0 −1𝑥1 − 1𝑥2 = 0 −𝑥1 = 1𝑥2 1 2
𝑥1 −𝑥2 −𝑡 −1 −1
𝑥 = [𝑥 ] = [ 𝑥 ] ⇒ 𝑠𝑖 𝑥2 = 𝑡 ⇒ 𝑥 = [ ] = [ ] 𝑡 ⇒ 𝑢1 = [ ]
2 2 𝑡 1 1
y para cada valor de “t” obtenemos los infinitos autovectores asociados a 2.
Propiedades de los autovalores y autovectores
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 un valor propio es cero, el vector propio correspondiente es nulo;
4) Los valores propios de una matriz son iguales a los de la matriz transpuesta;
5) Los valores propios de una matriz triangular o diagonal, son los elementos de la diagonal principal;
6) La suma de los valores propios de una matriz cualquiera, es igual a la traza de esa matriz;
78
7) Si una matriz se multiplica por una constante, los valores propios resultarán multiplicados por dicha
constante, pero los vectores propios no cambian;
8) Los vectores propios de autoespacios diferentes de una matriz simétrica son siempre ortogonales entre
sí.
Diagonalización. Definición: Se dice que una matriz cuadrada “A” es diagonizable si hay una matriz inversible
“P” tal que:
P -1A P sea la matriz diagonal ⇒ 𝑃−1 𝐴𝑃 = 𝐷
En éste caso se dice que la matriz cuadrada “P” diagonaliza a la matriz “A”.
En el siguiente teorema se muestra la técnica para diagonalizar una matriz.
Teorema 1:
Si “A” es una matriz de orden n x n, entonces las siguientes proposiciones son equivalentes:
a) A es diagonizable;
b) A tiene “n” autovectores linealmente independientes.
Vamos a demostrar el apartado a) que a su vez implica el apartado b).
Dado que se supone que “A” es diagonizable, existe una matriz inversible P
tal que
P-1 A P = D
y teniendo presente que:
P P-1 A P = P D
y siendo
P P-1 = I
resulta:
AP = PD
es decir:
𝑝11 𝑝12 … 𝑝1𝑛 𝜆1 0 … 0 𝜆1 𝑝11 𝜆2 𝑝12 … 𝜆n 𝑝1𝑛
𝑝21 𝑝22 … 𝑝2𝑛 0 𝜆2 … 0 𝜆1 𝑝21 𝜆2 𝑝22 … 𝜆n 𝑝2𝑛
𝐴𝑃 = [ ⋮ ⋮ ⋱ ⋮ ].[ ⋮ ]=[ ] = [𝜆1 𝑝1 𝜆2 𝑝2 … 𝜆𝑛 𝑝𝑛 ]
⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮
𝑝n1 𝑝n2 … 𝑝nn 0 0 … 𝜆n 𝜆1 𝑝n1 𝜆2 𝑝n2 … 𝜆n 𝑝nn
↑ ↑ ↑ ↑ ↑ ↑
Llamando 𝑝1 𝑝2 … 𝑝𝑛 𝑛𝑜𝑠 𝑞𝑢𝑒𝑑𝑎 𝜆1 𝑝1 𝜆2 𝑝2 … 𝜆𝑛 𝑝𝑛
Además:
Como:
𝐴𝑝1 = 𝜆1 𝑝1
𝐴𝑝2 = 𝜆2 𝑝2
𝐴𝑃 = 𝑃𝐷 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠
⋮
𝐴𝑝𝑛 = 𝜆𝑛 𝑝𝑛
Supuesto que la matriz “P” es invertible, sus vectores columnas no son ceros, por lo tanto 1, 2, . . . . , n
son autovalores de “A” y p1, p2, . . . . , pn son los autovectores correspondientes.
Ya que la matriz “P” es invertible, sus vectores p1, p2, . . . ., pn son linealmente independientes. Por lo tanto, la
matriz “A” tiene “n” autovectores linealmente independientes.
¿Cuándo una matriz es diagonalizable?
 Una matriz A de ℝnxn 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
 Si los autovalores son reales y distintos.
79
 Si hay autovalores múltiples, la matriz puede o no ser diagonalizable. La dimensión de los subespacios
propios, debe ser igual al orden de multiplicidad del autovalor.
 Si los autovalores son complejos la matriz no es diagonalizable.
Procedimiento para diagonalizar una matriz “A” de orden n x n.
1) Se configura el polinomio característico de la matriz “A”, o sea: p( ) = det (A-I) = 0;
2) Se calculan las raíces de p(), es decir se obtienen los autovalores o valores propios: 1, 2, ... ,n.
3) Se resuelve el sistema homogéneo (A-i I).X = 0, que corresponde a cada valor característico,
obteniéndose los correspondientes vectores característicos p 1, p2, ...., pn.
4) Se conforma la matriz “P” que tiene como vectores columnas a los vectores característicos: p1, p2, ..., pn.
5) Se efectúa el producto de P-1. A .P que nos dará la matriz diagonal “D”; la cual tiene a: 1, 2, ....,n
como sus elementos sucesivos de la diagonal; siendo i el autovalor o valor propio correspondiente al
vector propio pi (i=1, 2,..., n).
Ejemplo: Halle la matriz “P” que diagonalice a la matriz:
2 1
𝐴=[ ]
2 3
Solución:
1) 𝑃(𝜆) = det(𝐴 − 𝜆 𝐼)
2 1 1 0 2 1
] − [𝜆 0] = [2 − 𝜆 1 ]
𝐴−𝜆𝐼 =[ ]−𝜆[ ]=[
2 3 0 1 2 3 0 𝜆 2 3−𝜆
2 − 𝜆 1
𝑃(𝜆) = 𝑑𝑒𝑡 [ ] = (2 − 𝜆 ). (3 − 𝜆 ) − 2
2 3−𝜆
𝑃 (𝜆) = 𝜆2 − 5𝜆 + 4
2) 𝑃(𝜆) = 0 ⇒ 𝜆2 − 5𝜆 + 4 = 0
(−5) ± √(−5)2 − 4 . 4 𝜆 =4
𝜆1;2 = ⇒ 1
2 𝜆2 = 1
3) (𝐴 − 𝜆 𝐼 ). 𝑣 = 0 𝑝𝑎𝑟𝑎 𝜆1 = 4
𝑥
1 ] [ 1 ] [2 − 4 1 𝑥1 −2𝑥1 + 𝑥2 = 0
[2 − 𝜆 = ] [ ] = 0 ⇒ ⇒ 𝑥2 = 2𝑥1
2 3 − 𝜆 𝑥2 2 3 − 4 𝑥2 2𝑥1 − 𝑥2 = 0
𝑥1 𝑥1 𝑡 1
𝑣1 = [𝑥 ] = [2𝑥 ] ⇒ 𝑠𝑖 𝑥1 = 𝑡 ⇒ [ ] = 𝑡 [ ] −∞<𝑡 <∞
2 1 2𝑡 2
1
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑣1 = [ ] 𝑒𝑠 𝑒𝑙 𝑎𝑡𝑢𝑜𝑣𝑒𝑐𝑡𝑜𝑟 𝑑𝑒𝑙 𝑎𝑢𝑡𝑜𝑣𝑎𝑙𝑜𝑟 𝜆1 = 4
2
(𝐴 − 𝜆 𝐼 ). 𝑣 = 0 𝑝𝑎𝑟𝑎 𝜆2 = 1
2−𝜆 1 𝑥1 2−1 1 𝑥1 𝑥1 + 𝑥2 = 0
[ ] [𝑥 ] = [ ] [𝑥 ] = 0 ⇒ ⇒ 𝑥1 = −𝑥2
2 3−𝜆 2 2 3−1 2 2𝑥1 + 2𝑥2 = 0
𝑥1 −𝑥2 −𝑡 −1
𝑣1 = [𝑥 ] = [ 𝑥 ] ⇒ 𝑠𝑖 𝑥2 = 𝑡 ⇒ [ ] = 𝑡 [ ] −∞< 𝑡 <∞
2 2 𝑡 1
−1
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑣2 = [ ] 𝑒𝑠 𝑒𝑙 𝑎𝑡𝑢𝑜𝑣𝑒𝑐𝑡𝑜𝑟 𝑑𝑒𝑙 𝑎𝑢𝑡𝑜𝑣𝑎𝑙𝑜𝑟 𝜆2 = 1
1
1 1
1 −1
4) 𝑃 = [𝑣1 𝑣2 ] ⇒ 𝑃=[ ] ⇒ 𝑃−1 = [ 32 3
1]
2 1 −3 3
5) Cálculo de la matriz diagonal
1 1
𝑃 −1 𝐴 𝑃 = 𝐷 ⇒ [ 3 3] . [2 1 1
] .[
−1
]=[
4 0
]
2 1 2 3 2 1 0 1
−
3 3
80
UNIDAD N° 8: Operaciones con vectores libres en ℝ2 , ℝ3 y
ℝn.
Introducción
Abordaremos en este capítulo cómo efectuar operaciones algebraicas entre vectores en los espacios
bidimensionales ℝ2, tridimensional ℝ3, y n dimensional ℝn y sus propiedades.
Objetivos
Esperamos que al finalizar la lectura comprensiva y activa de la presente unidad, pueda:
 Aplicar las formas de cálculo del producto escalar entre vectores, sus propiedades y conceptos
derivados, en la resolución de problemas de Álgebra, Geometría o Física.
 Identificar las características del vector que se obtiene de efectuar el producto vectorial entre dos
vectores, reconocer sus propiedades y aplicarlas en la resolución de problemas de Álgebra, geometría
y Física.
 Utilizar el producto mixto entre vectores y sus propiedades en la resolución de problemas de Álgebra,
Geometría y Física.
Producto escalar de dos vectores

Se llama o se define como producto escalar o interno, o producto punto de dos vectores 𝑎̅ y 𝑏̅, al escalar
obtenido como producto de los módulos de 𝑎̅ y 𝑏̅ por el coseno del ángulo formado por los dos vectores.
Indicaremos el producto escalar con un punto, de manera que será:
̅
𝒃
𝒂 ̅ = |𝒂
̅ .𝒃 ̅||𝒃 ̅ | 𝐜𝐨𝐬 𝜽 
̅
𝒂
siendo θ el ángulo que forman los dos vectores y |𝑎̅| 𝑦 |𝑏| sus módulos. Además θ varía entre: 00  θ  π
̅
Si expresamos los vectores por medio de su forma canónica o cartesiana, tendremos:
𝑎̅ = (𝑎𝑥 𝑖̅ + 𝑎𝑦 𝑗̅ + 𝑎𝑧 𝑘̅) , 𝑏̅ = (𝑏𝑥 𝑖̅ + 𝑏𝑦 𝑗̅ + 𝑏𝑧 𝑘) ̅̅̅
y realizando su producto como sí se tratara de dos polinomios (en forma distributiva) y teniendo en cuenta los
productos de los vectores unitarios o versores, tendremos:
𝑎̅ . 𝑏̅ = (𝑎𝑥 𝑖̅ + 𝑎𝑦 𝑗̅ + 𝑎𝑧 𝑘̅) . (𝑏𝑥 𝑖̅ + 𝑏𝑦 𝑗̅ + 𝑏𝑧 𝑘)
̅̅̅ =
= 𝑎𝑥 𝑏𝑥 𝑖̅ . 𝑖̅ + 𝑎𝑥 𝑏𝑦 𝑖̅ . 𝑗̅ + 𝑎𝑥 𝑏𝑧 𝑖̅ . 𝑘̅ + 𝑎𝑦 𝑏𝑥 𝑗̅ . 𝑖̅ + 𝑎𝑦 𝑏𝑦 𝑗̅ . 𝑗̅ + 𝑎𝑦 𝑏𝑧 𝑗̅ . 𝑘̅ + 𝑎𝑧 𝑏𝑥 𝑘̅ . 𝑖̅ + 𝑎𝑧 𝑏𝑦 𝑘̅ . 𝑗̅ + 𝑎𝑧 𝑏𝑧 𝑘̅ . 𝑘̅
Consideremos en la expresión anterior, los productos escalares de los vectores unitarios o versores.
Recordemos que los versores coinciden con los ejes coordenados y estos son perpendiculares entre sí (90º).
Entonces tendremos:
𝑖̅ . 𝑖̅ = |𝑖̅||𝑖̅| cos 0° = 1 .1 .1 = 1 = |𝑖̅|2
por igual razón:
2
𝑗̅ . 𝑗̅ = 1 = |𝑗̅|2 𝑦 𝑘̅ . 𝑘̅ = 1 = |𝑘̅|
Recordar que: cos 0º = 1 y que: cos 90º = 0

Analizando ahora los productos cruzados de los versores, tenemos:
𝑖̅ . 𝑗̅ = |𝑖̅||𝑗̅| cos 90° = 1 . 1 .0 = 0

y de la misma forma:
𝑖̅ . 𝑘̅ = 𝑗̅ . 𝑖̅ = 𝑗̅ . 𝑘̅ = 𝑘̅ . 𝑖̅ = 𝑘̅ . 𝑗̅ = 0
Teniendo en cuenta lo aquí analizado, el producto escalar de dos vectores dados en su forma canónica, queda
así determinado:
̅ = 𝒂𝒙 𝒃𝒙 + 𝒂𝒚 𝒃𝒚 + 𝒂𝒛 𝒃𝒛
̅ .𝒃
𝒂
81
resultando entonces que el producto escalar de dos vectores dados en su forma canónica no es otra cosa que la
sumatoria de los productos de las componentes homólogas de ambos vectores.
Producto escalar de dos vectores en ℝ𝑛
El producto escalar o interior entre dos vectores 𝑣 = (𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 ) y 𝑢 = (𝑢1 , 𝑢2 , 𝑢3 , … , 𝑢𝑛 ) en ℝ𝑛 , estará
dado por:
𝑣 . 𝑢 = 𝑣1 . 𝑢1 + 𝑣2 . 𝑢2 + 𝑣3 . 𝑢3 + ⋯ + 𝑣𝑛 . 𝑢𝑛
Propiedades:
a) Conmutativo: 𝑎̅ . 𝑏̅ = 𝑏̅ . 𝑎̅
b) Distributiva respecto a la suma de vectores: 𝑎̅ . (𝑏̅ + c ) = 𝑎̅. 𝑏̅ + 𝑎̅ . c
c) Si se multiplica uno de los vectores por un número, el producto escalar quedará multiplicado por dicho
número
( λ . 𝑎̅ ) . 𝑏̅ = λ (𝑎̅ . 𝑏̅ ) = (λ . 𝑏̅ ) . 𝑎̅ con la condición de que λ  0
𝑛
d) Dos vectores 𝑎 𝑦 𝑏 de ℝ se denominan ortogonales (perpendiculares) si 𝑎 . 𝑏 = 0
e) 𝑎̅ . 𝑎̅ = ‫׀̅𝑎׀‬2 ; es decir , ‫ ̅𝑎( = ׀̅𝑎׀‬. 𝑎̅ )½
Demostración de e):
Supuesto que el ángulo θ entre 𝑎̅ y 𝑎̅ es cero, se tiene:
𝑎̅. 𝑎̅ = |𝑎̅||𝑎̅| cos 𝜃 = |𝑎̅|2 cos 0° = |𝑎̅|2
(Tener presente que coseno de cero grados es igual a uno → cos 0º = 1)
Aplicaciones del producto escalar
Consideremos el caso de una persona que debe mover un carro
horizontalmente, trasladándolo 20 metros en forma lineal como muestra
la figura.
Realiza el traslado empleando un cable que forma un ángulo de 30° con
la horizontal, y esta dirección coincide con el desplazamiento. Para
mover el carro aplica una fuerza de 20N.
¿Qué trabajo realiza el operario?
El trabajo W se define como el producto de la intensidad de la fuerza por la longitud del desplazamiento por
el coseno del ángulo comprendido entre la dirección de la fuerza y la dirección del desplazamiento.
√3
𝑊 = 𝐹̅ 𝛿̅ cos 𝜃 = 20𝑁 20𝑚 = 3.646𝐽
2
Se observa que el trabajo es una magnitud escalar que se obtiene a partir de 2 vectores: un vector fuerza 𝐹̅ y
un vector desplazamiento 𝛿̅ .
Indudablemente, el trabajo no sólo afecta al módulo de los vectores, sino también a los otros parámetros que
definen un vector, como es el caso de la dirección. De hecho, si la fuerza fuera ejercida en forma perpendicular
a la dirección pretendida del desplazamiento del carro, no se movería, aun incrementando sustancialmente el
valor de la fuerza aplicada, nunca va a conseguir desplazar el carro. El trabajo en esa dirección es 0 (cero), lo
cual muestra que está desperdiciando esfuerzo o, desde otra óptica, que el proceso no está optimizado.
Si se aplica la fuerza en la dirección del desplazamiento, el ángulo comprendido es de 0°, el coseno
correspondiente es 1 (uno), y, por lo tanto, es posible trasladar el carro la misma distancia con menor esfuerzo.
Ángulo de dos vectores

De la definición de producto escalar, se puede considerar que:
𝑎̅ ≠ 0
𝑎̅ . 𝑏̅ = |𝑎̅||𝑏̅| cos 𝜃 , lo que implica que: 𝑎̅ . 𝑏̅ = 0 ⇒ 𝑏̅ ≠ 0
𝜋
𝜃 = 2 = 90°
De esta última expresión deducimos que: si es nulo el producto escalar de dos vectores, no siéndolo ninguno
de ellos, podemos asegurar que los vectores son perpendiculares, o dicho de otra manera, la condición
necesaria y suficiente para que dos vectores sean perpendiculares es que su producto escalar sea nulo, no
siéndolo ninguno de los dos vectores
82
De la expresión del producto escalar 𝑎̅ . 𝑏̅ = |𝑎̅||𝑏̅| cos 𝜃, se puede despejar el valor de cos θ y a partir de
allí calcular θ , determinando para ello el valor del arc cos , o sea:
𝑎̅ . 𝑏̅
cos 𝜃 =
|𝑎̅||𝑏̅|
pero habíamos visto que:
𝑎̅ . 𝑏̅ = 𝑎𝑥 𝑏𝑥 + 𝑎𝑦 𝑏𝑦 + 𝑎𝑧 𝑏𝑧
y también que:
̅ | = √𝒂𝒙 𝟐 + 𝒂𝒚 𝟐 + 𝒂𝒛 𝟐
|𝒂 𝑦 ̅| = √𝒃𝒙 𝟐 + 𝒃𝒚 𝟐 + 𝒃𝒛 𝟐
|𝒃
es decir que reemplazando se tiene:
𝑎𝑥 𝑏𝑥 + 𝑎𝑦 𝑏𝑦 + 𝑎𝑧 𝑏𝑧 𝑎𝑥 𝑏𝑥 + 𝑎𝑦 𝑏𝑦 + 𝑎𝑧 𝑏𝑧
cos 𝜃 = ⇒ 𝜃 = 𝑎𝑟𝑐 cos
𝟐 𝟐 𝟐 𝟐 𝟐 𝟐
√𝒂𝒙 𝟐 + 𝒂𝒚 𝟐 + 𝒂𝒛 𝟐 . √𝒃𝒙 + 𝒃𝒚 + 𝒃𝒛 √𝒂𝒙 𝟐 + 𝒂𝒚 𝟐 + 𝒂𝒛 𝟐 . √𝒃𝒙 + 𝒃𝒚 + 𝒃𝒛
Proyección ortogonal
También de la definición de producto escalar, 𝑎̅ . 𝑏̅ = |𝑎̅|. |𝑏̅| cos θ , se puede analizar la misma y considerar
del segundo miembro el producto de |𝑏̅| cos θ. Dicho producto no es otra cosa que la proyección
P del vector 𝑏̅ sobre el vector 𝑎̅. Si observamos la figura, vemos que

𝑏̅
el vector ̅̅̅̅̅
𝑂𝑃′ es la componente de 𝑏̅ en la dirección de 𝑎̅, o sea:
̅̅̅̅̅ 𝑎̅ . 𝑏̅
𝑂𝑃′ = |𝑏̅| cos 𝜃 =
θ 𝑎̅
O 𝑏̅𝑎 P’ 𝑎̅
Es útil, en algunas circunstancias “descomponer” un vector en una suma de vectores perpendiculares. Si 𝑎̅ y
𝑏̅ son vectores diferentes de cero en el espacio bidimensional o tridimensional, entonces es posible escribir al
vector 𝑎̅ como:
𝑎̅ = ̅̅𝑤̅̅1 + ̅̅̅̅
𝑤2 𝑤2
̅̅̅̅
𝑎̅
en donde ̅̅𝑤̅̅1 es un múltiplo escalar del vector 𝑏̅ y ̅̅̅̅ 𝑤2 es perpendicular
a 𝑏̅.
𝑤̅̅1
̅̅ 𝑏̅
El vector ̅̅𝑤̅̅1 recibe el nombre de proyección ortogonal de 𝒂 ̅ sobre 𝒃̅ y ̅̅̅̅
𝒘𝟐 es la componente de 𝒂 ̅ ortogonal
a𝒃 ̅.
Los vectores ̅̅ 𝑤̅̅1 y ̅̅̅̅
𝑤2 se pueden obtener de la forma siguiente.
Debido a que ̅̅ 𝑤̅̅1 es un múltiplo escalar del vector 𝑏̅ , entonces ̅̅ 𝑤̅̅1 puede ser expresado como:
𝑤̅̅1 = k 𝑏
̅̅ ̅
Por lo tanto: 𝑎̅ = ̅̅ 𝑤2 = k 𝑏̅ + ̅̅̅̅
𝑤̅̅1 + ̅̅̅̅ 𝑤2 (2)
Si ahora efectuamos el producto escalar de los vectores 𝑎̅ y 𝑏̅, considerando para ello el valor final del vector
𝑎̅ dada por la expresión (2) , tendremos:
2
𝑎̅ . 𝑏̅ = ( k 𝑏̅ + ̅̅̅̅) 𝑤2 . 𝑏̅ = k |𝑏̅| + ̅̅̅̅.𝑤2 𝑏̅
Supuesto que ̅̅̅̅𝑤2 es perpendicular a b , se tiene entonces que: ̅̅̅̅. 𝑤2 𝑏̅ = 0 , de modo que para esta ecuación
se llega a:
2
𝑎̅ . 𝑏̅ = k |𝑏̅|
de donde se puede despejar el valor de k ; tenemos entonces:
𝑎̅ . 𝑏̅
𝑘= 2
|𝑏̅|
y como habíamos expresado que 𝑤1 = k 𝑏̅ se obtiene el valor de ̅̅ 𝑤̅̅1 reemplazando el valor de k últimamente
determinado:
83
𝑎̅ . 𝑏̅
𝑤̅̅1 = 𝑘𝑏̅ =
̅̅ ̅
2𝑏
|𝑏̅|
siendo entonces ̅̅𝑤̅̅1 la proyección ortogonal del vector 𝑎̅ sobre el vector 𝑏̅.
De la expresión 𝑎̅ = ̅̅𝑤̅̅1 + ̅̅̅̅
𝑤2 podemos despejar el valor de ̅̅̅̅
𝑤2 y entonces tendremos: ̅̅̅̅=
𝑤2 𝑎̅ - ̅̅
𝑤̅̅1 expresión
esta que queda:
𝑎̅ . 𝑏̅
𝑤2 = 𝑎̅ − 2 𝑏̅ 𝑠𝑖𝑒𝑛𝑑𝑜 ̅̅̅̅
̅̅̅̅ 𝑤2 𝑙𝑎 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑑𝑒𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 𝑎̅ 𝑜𝑟𝑡𝑜𝑛𝑜𝑔𝑎𝑙 𝑎𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 𝑏̅
|𝑏̅|
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.
Analicemos el simple caso de abrir una puerta: empujamos desde
el picaporte (aplicamos una fuerza F, es decir un vector). El
segundo vector que interviene es el vector posición de la o las
bisagras sobre las que gira la puerta R. La composición de ambos
vectores produce la rotación de la puerta, y la rotación se
materializa a través de un vector cuya dirección es la del borde
lateral de la puerta, e cual es perpendicular a los dos primeros
vectores.
Otro ejemplo es cuando abrimos una llave. En este caso aplicamos
una fuerza sobre el plano de la mariposa o cabezal de la llave. En
rigor, lo que hacemos es generar un momento, como ocurre
también en el caso de la puerta.
Por cierto, como bien se sabe, el efecto obtenido con esta acción es
subir o bajar el vástago de la llave, y vale decir que dicho efecto se
desarrolla en una dirección perpendicular al plano de la mariposa.
¿Existe algún modelo matemático que describa estas situaciones?

Sí, el producto vectorial.
Esta operación que permite obtener al vector que caracteriza el movimiento de la tuerca, se denomina vector
momento: m = F x d.
Definición:
𝑺𝒆 𝒅𝒆𝒏𝒐𝒎𝒊𝒏𝒂 𝒑𝒓𝒐𝒅𝒖𝒄𝒕𝒐 𝒗𝒆𝒄𝒕𝒐𝒓𝒊𝒂𝒍 𝒆𝒏𝒕𝒓𝒆 𝒅𝒐𝒔 𝒗𝒆𝒄𝒕𝒐𝒓𝒆𝒔 𝒂 ̅𝒚𝒃̅ 𝒂𝒍 𝒗𝒆𝒄𝒕𝒐𝒓 𝒄̅ 𝒑𝒆𝒓𝒑𝒆𝒏𝒅𝒊𝒄𝒖𝒍𝒂𝒓 𝒂𝒍
𝒑𝒍𝒂𝒏𝒐 𝒒𝒖𝒆 𝒆𝒍𝒍𝒐𝒔 𝒇𝒐𝒓𝒎𝒂𝒏 𝒒𝒖𝒆 𝒕𝒊𝒆𝒏𝒆 𝒑𝒐𝒓 𝒎ó𝒅𝒖𝒍𝒐 𝒂𝒍 𝒑𝒓𝒐𝒅𝒖𝒄𝒕𝒐 𝒅𝒆 𝒍𝒐𝒔 𝒎ó𝒅𝒖𝒍𝒐𝒔 𝒅𝒆 𝒂 ̅𝒚𝒃̅
𝒑𝒐𝒓 𝒆𝒍 𝒔𝒆𝒏𝒐 𝒅𝒆𝒍 á𝒏𝒈𝒖𝒍𝒐 𝒒𝒖𝒆 𝒇𝒐𝒓𝒎𝒂𝒏 𝒆𝒏𝒕𝒓𝒆 𝒆𝒍𝒍𝒐𝒔
|𝒄̅| = |𝒂 ̅ | = |𝒂
̅𝒙𝒃 ̅| 𝒔𝒆𝒏 𝜽
̅ | . |𝒃 𝟎° ≤ 𝜽 ≤ 𝟏𝟖𝟎°
84
𝐻𝑒𝑚𝑜𝑠 𝑑𝑒𝑓𝑖𝑛𝑖𝑑𝑜 𝑚ó𝑑𝑢𝑙𝑜 𝑦 𝑑𝑖𝑟𝑒𝑐𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 𝑐̅,
𝑐̅
𝑎ℎ𝑜𝑟𝑎 𝑐𝑢á𝑙 𝑠𝑒𝑟á 𝑠𝑢 𝑠𝑒𝑛𝑡𝑖𝑑𝑜?
𝑏̅ ℎ = |𝑏̅| sen 𝜃 𝑼𝒕𝒊𝒍𝒊𝒛𝒂𝒎𝒐𝒔 𝒍𝒂 𝒓𝒆𝒈𝒍𝒂 𝒅𝒆 𝒍𝒂 𝒎𝒂𝒏𝒐 𝒅𝒆𝒓𝒆𝒄𝒉𝒂
θ Si con la mano derecha orientamos el dedo índice con el
primer vector y el dedo mayor con el segundo vector, el dedo
𝑎̅ pulgar extendido nos da el vector producto vectorial entre
ambos vectores.
Otra forma es la regla de la mano derecha, donde si ponemos los dedos de
dicha mano de modo que apunten en la dirección de rotación, entonces el
pulgar indica la dirección del vector resultado. (Ver figura)
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, ya que:
|𝒂
̅𝒙𝒃 ̅ | = |𝒂 ̅| 𝒔𝒆𝒏 𝜽 = |𝒂
̅ | . |𝒃 ̅ | . 𝒉 = 𝒃𝒂𝒔𝒆 . 𝒂𝒍𝒕𝒖𝒓𝒂
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°
𝑆𝑖 𝑎̅ 𝑥 𝑏̅ = 0 ⟹ 𝑎̅ || 𝑏̅ 𝑦𝑎 𝑞𝑢𝑒 𝑠𝑒𝑛 0° = 𝑠𝑒𝑛 180° = 0
Ninguno de los vectores es el vector nulo
Propiedades
1) 𝑎̅ 𝑥 𝑏̅ = −𝑏̅ 𝑥 𝑎̅ 𝐴𝑛𝑡𝑖𝑐𝑜𝑚𝑛𝑢𝑡𝑎𝑡𝑖𝑣𝑎
̅ ̅
2) 𝑎̅ 𝑥 (𝑏 + 𝑐̅) = 𝑎̅ 𝑥 𝑏 + 𝑎̅ 𝑥 𝑐̅ 𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑡𝑖𝑣𝑎 𝑎 𝑖𝑧𝑞𝑢𝑖𝑒𝑟𝑑𝑎 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝑙𝑎 𝑠𝑢𝑚𝑎
̅ ̅
3) (𝑎̅ + 𝑏) 𝑥 𝑐̅ = 𝑎̅ 𝑥 𝑐̅ + 𝑏 𝑥 𝑐̅ 𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑡𝑖𝑣𝑎 𝑎 𝑑𝑒𝑟𝑒𝑐ℎ𝑎 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝑙𝑎 𝑠𝑢𝑚𝑎
̅ ̅
4) 𝜆 (𝑎̅ 𝑥 𝑏) = (𝜆𝑎̅) 𝑥 𝑏 = 𝑎̅ 𝑥 (𝜆𝑏)̅ 𝐴𝑠𝑜𝑐𝑖𝑎𝑡𝑖𝑣𝑎 𝑝𝑎𝑟𝑎 𝑙𝑎 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑐𝑖ó𝑛 𝑝𝑜𝑟 𝑒𝑠𝑐𝑎𝑙𝑎𝑟
5) ̅ ̅
𝑎̅ 𝑥 0 = 0 𝑥 𝑎̅ = 0 ̅
6) 𝑎̅ 𝑥 𝑎̅ = 0̅
Expresión cartesiana
̅ expresados en su forma cartesiana
Considerando dos vectores a̅ y b
𝑎̅ = 𝑎𝑥 𝑖̅ + 𝑎𝑦 𝑗̅ + 𝑎𝑧 𝑘̅ 𝑦 𝑏̅ = 𝑏𝑥 𝑖̅ + 𝑏𝑦 𝑗̅ + 𝑏𝑧 𝑘̅
𝑎̅ 𝑥 𝑏̅ = (𝑎𝑥 𝑖̅ + 𝑎𝑦 𝑗̅ + 𝑎𝑧 𝑘̅) 𝑥 (𝑏𝑥 𝑖̅ + 𝑏𝑦 𝑗̅ + 𝑏𝑧 𝑘̅ )
𝑎̅𝑥𝑏̅ = 𝑎𝑥 𝑏𝑥 𝑖̅𝑥𝑖̅ + 𝑎𝑥 𝑏𝑦 𝑖̅𝑥𝑗̅ + 𝑎𝑥 𝑏𝑧 𝑖̅𝑥𝑘̅ + 𝑎𝑦 𝑏𝑥 𝑗̅𝑥 𝑖̅ + 𝑎𝑦 𝑏𝑦 𝑗̅𝑥𝑗̅ + 𝑎𝑦 𝑏𝑧 𝑗̅𝑥 𝑘̅ + 𝑎𝑧 𝑏𝑥 𝑘̅𝑥𝑖̅ + 𝑎𝑧 𝑏𝑦 𝑘̅𝑥𝑗̅ + 𝑎𝑧 𝑏𝑧 𝑘̅𝑥𝑘̅ (1)
Realizando el producto vectorial entre versores y recordando que |𝑖̅| = |𝑗̅| = |𝑘̅| = 1
𝑖̅ 𝑥 𝑖̅ = 0 𝑖̅ 𝑥 ̅𝑖 = |𝑖̅||𝑖̅| sen 0° = 0
𝑝𝑢𝑒𝑠
𝐷𝑒 𝑙𝑎 𝑚𝑖𝑠𝑚𝑎 𝑓𝑜𝑟𝑚𝑎 𝑗̅ 𝑥 𝑗̅ = 𝑘̅ 𝑥 𝑘̅ = 0
𝐸𝑛 𝑐𝑎𝑚𝑏𝑖𝑜 |𝑖̅ 𝑥 𝑗̅| = |𝑖̅||𝑗̅| sen 90° = |𝑘̅| x ̅𝑖 𝑗̅ 𝑘̅
𝑉𝑒𝑐𝑡𝑜𝑟 𝑝𝑒𝑟𝑝𝑒𝑛𝑑𝑖𝑐𝑢𝑙𝑎𝑟
𝐷𝑒𝑙 𝑚𝑖𝑠𝑚𝑜 𝑚𝑜𝑑𝑜 𝑖̅𝑥𝑗̅ = 𝑘̅ ; 𝑗̅𝑥𝑘̅ = 𝑖̅ ; 𝑘̅𝑥𝑖̅ = 𝑗̅ ̅𝑖 0 𝑘̅ -𝑗̅
𝑠𝑒𝑛𝑡𝑖𝑑𝑜 𝑑𝑒 𝑔𝑖𝑟𝑜 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜
𝑗̅ −𝑘̅ 0 ̅𝑖
𝑖̅𝑥 𝑘̅ = −𝑗̅ ; 𝑘̅𝑥𝑗̅ = −𝑖̅ ; 𝑗̅𝑥𝑖̅ = −𝑘̅
𝑠𝑒𝑛𝑡𝑖𝑑𝑜 𝑑𝑒 𝑔𝑖𝑟𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑜
𝑘̅ 𝑗̅ - ̅𝑖 0
Resumiendo, vemos la tabla, donde nos da el resultado de cada
producto vectorial.
Entonces, escribiendo nuevamente la ecuación (1), nos queda:
𝑎̅𝑥𝑏̅ = 𝑎𝑥 𝑏𝑥 𝑖̅𝑥𝑖̅ + 𝑎𝑥 𝑏𝑦 𝑖̅𝑥𝑗̅ + 𝑎𝑥 𝑏𝑧 𝑖̅𝑥𝑘̅ + 𝑎𝑦 𝑏𝑥 𝑗̅𝑥𝑖̅ + 𝑎𝑦 𝑏𝑦 𝑗̅𝑥𝑗̅ + 𝑎𝑦 𝑏𝑧 𝑗̅𝑥 𝑘̅ + 𝑎𝑧 𝑏𝑥 𝑘̅𝑥𝑖̅ + 𝑎𝑧 𝑏𝑦 𝑘̅𝑥𝑗̅ + 𝑎𝑧 𝑏𝑧 𝑘̅𝑥𝑘̅
0 𝑘̅ −𝑗̅ −𝑘̅ 0 𝑖̅ 𝑗̅ −𝑖̅ 0
85
Reagrupando en los versores
̅ = (𝒂𝒚 𝒃𝒛 − 𝒂𝒛 𝒃𝒚 ) 𝒊̅ + (𝒂𝒛 𝒃𝒙 − 𝒂𝒙 𝒃𝒛 ) 𝒋̅ + (𝒂𝒙 𝒃𝒚 − 𝒂𝒚 𝒃𝒙 ) 𝒌
̅𝒙𝒃
𝒂 ̅
Renombrando las componentes
̅ = 𝒄𝟏 𝒊̅ + 𝒄𝟐 𝒋̅ + 𝒄𝟑 𝒌
̅𝒙𝒃
𝒂 ̅ 𝒆𝒙𝒑𝒓𝒆𝒔𝒊ó𝒏 𝒄𝒂𝒓𝒕𝒆𝒔𝒊𝒂𝒏𝒂
Al mismo resultado se llega mediante la resolución de un determinante planteado de la siguiente manera:
𝑖̅ 𝑗̅ 𝑘̅ En la primera fila se escriben los versores: 𝑖̅ , 𝑗̅ y 𝑘̅; en la segunda fila
̅
𝑎̅  𝑏 = | 𝑥
𝑎 𝑎 𝑦 𝑎 𝑧| las componentes del vector que premultiplica, y en la tercera fila las
𝑏𝑥 𝑏𝑦 𝑏𝑧 componentes del vector que posmultiplica.
Producto mixto de tres vectores
Se llama producto mixto de tres vectores 𝑎̅ , 𝑏̅ , 𝑐̅ y se representa por (𝑎̅ ˄ 𝑏̅ . 𝑐̅) al resultado del producto
vectorial de los vectores 𝑎̅ y 𝑏̅ multiplicado en forma escalar por el vector 𝑐̅.
𝑣̅ = 𝑎̅ 𝑥 ̅𝑏 El producto mixto de tres vectores es igual al

volumen del paralelepípedo construido sobre los
𝑐̅ mismos una vez llevados a partir de un origen
γ común.
𝑏̅ Esto se obtiene como consecuencia de que el
 producto vectorial 𝑎̅ 𝑥 𝑏̅ nos da un vector (𝑣̅ )
𝑎̅ perpendicular al plano determinado-
por los vectores 𝑎̅ y 𝑏̅ y cuyo módulo representa el área del paralelogramo definido por dichos vectores (base
del paralelepípedo). Dicho Vector Producto Vectorial hace un ángulo γ con el vector 𝑐̅ , con quien se debe
multiplicar en forma escalar, resultando de ello que dicho producto representa la altura del paralelepípedo
(proyección del vector 𝑐̅ sobre el vector producto vectorial). (Recordemos que el producto escalar de dos
vectores me da como resultado un escalar).
Puede suceder que el valor del Volumen (solución del producto mixto) resulte negativo. Esto ocurrirá cuando
el ángulo sea mayor que un recto (en este caso el cos γ es negativo, es decir, cuando γ toma valores entre 90º
y 180º).
Expresión Cartesiana
La forma de resolver el producto mixto se puede efectuar realizando el producto vectorial de los vectores 𝑎̅
y 𝑏̅ , expresados en forma cartesiana y luego multiplicando este resultado en forma escalar por el vector “𝑐̅”;
o sea, siendo:
𝑎̅  𝑏̅ = (𝑎𝑦 𝑏𝑧 − 𝑎𝑧 𝑏𝑦 )𝑖̅ + (𝑎𝑧 𝑏𝑥 − 𝑎𝑥 𝑏𝑧 )𝑗̅ + (𝑎𝑥 𝑏𝑦 − 𝑎𝑦 𝑏𝑥 )𝑘̅
y ahora multiplico el resultado anterior, por el vector:
𝑐̅ = 𝑐𝑥 𝑖̅ + 𝑐𝑦 𝑗̅ + 𝑐𝑧 𝑘̅
en forma escalar, resultando:
̅). 𝒄̅ = (𝒂𝒚 𝒃𝒛 − 𝒂𝒛 𝒃𝒚 )𝒄𝒙 + (𝒂𝒛 𝒃𝒙 − 𝒂𝒙 𝒃𝒛 )𝒄𝒚 + (𝒂𝒙 𝒃𝒚 − 𝒂𝒚 𝒃𝒙 )𝒄𝒛

̅𝒃
(𝒂
Al mismo resultado se llega mediante el desarrollo del siguiente
𝑐𝑥 𝑐𝑦 𝑐𝑧
determinante, formado como podemos observar, colocando en la primera
𝑎
(𝑎̅  𝑏̅). 𝑐̅ = | 𝑥 𝑎𝑦 𝑎𝑧 |
fila las componentes del vector que realiza el producto escalar, en la
𝑏𝑥 𝑏𝑦 𝑏𝑧 segunda el primer vector del producto vectorial y en la última el segundo
vector del producto escalar.
86
UNIDAD N°9: Rectas y planos.
Introducción
La Geometría Analítica es la parte de la matemática que tiene por objeto el estudio y análisis de los lugares
geométricos en base a la deducción de las ecuaciones y construcción de las gráficas.
Lugar Geométrico: Recibe este nombre toda figura cuyos puntos cumplen con dos condiciones:
a) Todo punto de la figura goza de una propiedad determinada;
b) Todo punto que goza de esa propiedad pertenece a la figura.
Como deducción, vemos que la Geometría Analítica cumple con dos objetivos fundamentales:
a) Dado un lugar geométrico o la condición que deben cumplir los puntos del mismo, determinar su
ecuación.
b) Dada una ecuación, construir la gráfica correspondiente.
Todos los conceptos anteriores se basan en dos condiciones recíprocas importantes:
a) Si las coordenadas de un punto satisfacen una ecuación, ese punto pertenece a la gráfica de esa
ecuación;
b) Si un punto está sobre la gráfica de una ecuación, sus coordenadas satisfacen esa ecuación.
La solución de todo problema de la Geometría Analítica debe ir acompañada de un sistema de ejes
coordenados, que es lo que la distingue de la “geometría pura”
Objetivos:
Esperamos que al finalizar la lectura comprensiva y activa de la presente sección, usted pueda:
 Encontrar las ecuaciones vectoriales y cartesianas de rectas ubicadas en el plano y en el espacio y
representarlas gráficamente.
 Investigar la posición relativa de rectas en el plano y en el espacio.
 Resolver problemas de distancia y ángulos en el plano coordenado.
 Describir una familia de rectas sujeta a condiciones geométricas
 Identificar rectas coplanares y alabeadas.
 Resolver problemas de distancia y ángulos entre rectas coplanares
Ingeniería y rectas
Un haz sonoro y direccional es emitido con un ángulo de 30°
respecto de la horizontal y se refleja en el cielorraso (también
horizontal) ubicado a 4,5 metros de altura.
Si el ángulo de reflexión es recto (90°) ¿a qué distancia del
origen de coordenadas elegido (coincidente con la fuente
emisora) debería colocarse una persona para optimizar la
recepción del sonido?
Otro ejemplo, un móvil se traslada con trayectoria rectilínea, la
cual forma un ángulo de 53° con la horizontal, como muestra
la figura, iniciando en el tiempo t0 su recorrido desde la
coordenada (0,0) a velocidad constante de 12 metros por
segundo.
Desde un punto de coordenadas (0,60) parte simultáneamente
otro móvil, cuya trayectoria forma un ángulo de 30° con el eje
de coordenadas elegido, y se desplaza a velocidad constante.
a- Obtener las coordenadas del punto A de encuentro de
ambas trayectorias.
b- ¿A qué velocidad debe desplazarse el segundo móvil
para coincidir con el primero en el punto de encuentro
de las trayectorias?
87
RECTA
Se define a la Recta como el lugar geométrico de todos los puntos, tales que, pasando por uno de coordenadas
conocidas, se encuentran sobre la misma dirección, dada por un vector también conocido.
Ecuación Vectorial de la Recta:
De acuerdo a la definición, para encontrar la ecuación
y 𝑎̅ de la Recta, necesitamos un punto particular P1(x1;y1) y
una dirección determinada en este caso por el vector ā.
Teniendo en cuenta que ecuación es toda expresión
matemática representativa de los infinitos puntos de un
y P(x , y) lugar geométrico determinado, se hace necesario (en
todos los casos) considerar el punto genérico P(x,y),
λ𝑎̅ obteniendo la expresión vectorial:
y1 ̅̅̅̅
𝑂𝑃 = ̅̅̅̅̅
𝑂𝑃1 + ̅̅̅̅̅
𝑃1 𝑃
P1(x1 , y1)
̅̅̅̅
𝑶𝑷 = ̅̅̅̅̅̅ ̅
𝑶𝑷𝟏 + 𝝀𝒂 (1)
β
Ecuación vectorial paramétrica de la Recta, válida para
𝑎2 𝑎̅ α cualquier espacio.
O x1 𝑎1 x x
Ecuación Cartesiana Paramétrica
Partiendo de la ecuación (1), en ℝ2, y considerando los vectores unitarios “𝒊̅” y “𝒋̅” de componentes (1,0) y
(0,1) respectivamente, estando el primero de ellos asociado al eje de abscisas (eje de las “x”) y el segundo
(“𝒋̅”) al eje de ordenadas (eje de las “y”), y teniendo presente el escalar o parámetro “λ”, así como también
“𝑎1 ” y “𝑎2 ”, componentes del vector dirección “𝑎̅”, tendremos:
̅̅̅̅
𝑂𝑃 = 𝑥𝑖̅ + 𝑦𝑗̅
̅̅̅̅̅
𝑂𝑃1 = 𝑥1 𝑖̅ + 𝑦1 𝑗̅
λ𝑎̅ = λ(𝑎1 𝑖̅ + 𝑎2 𝑗̅)
Si ahora reemplazamos todos estos valores, en la expresión (1), tendremos:

𝑥𝑖̅ + 𝑦𝑗̅ = 𝑥1 𝑖̅ + 𝑦1 𝑗̅ + λ𝑎1 𝑖̅ + λ𝑎2 𝑗̅
Para que dos vectores sean iguales, deben ser iguales sus componentes homólogas. Si agrupamos las
componentes homólogas obtendremos:
𝒙 = 𝒙𝟏 + 𝝀𝒂𝟏 ecuaciones paramétricas de la recta en ℝ2 donde λ es el parámetro variable. Este

(2) parámetro puede tomar valores de -  a + , dando las infinitas posiciones que
𝒚 = 𝒚𝟏 + 𝝀𝒂𝟐
puede tener el punto genérico “P”.
Si en lugar de un espacio de dos dimensiones se hubiese trabajado en tres dimensiones, tendríamos:
𝒙 = 𝒙𝟏 + 𝝀𝒂𝟏
𝒚 = 𝒚𝟏 + 𝝀𝒂𝟐 (3) Siendo en este caso “𝑎3 ” la tercera componente del vector dirección “𝑎̅”.
𝒛 = 𝒛𝟏 + 𝝀𝒂𝟑
De las ecuaciones (2) podemos obtener:
𝑎1
cos ∝ = ⇒ 𝑎1 = 𝑎̅ 𝑐𝑜𝑠 ∝
𝑥 − 𝑥1 = 𝜆𝑎1 𝑎̅
(4) y recordando
𝑦 − 𝑦1 = 𝜆𝑎2 𝑎2
cos 𝛽 = ⇒ 𝑎2 = 𝑎̅ cos 𝛽
𝑎̅
resulta entonces:
𝑥 − 𝑥1 = 𝜆𝑎1 ⇒ 𝑥 − 𝑥1 = 𝜆𝑎̅ cos 𝛼
(5)
𝑦 − 𝑦1 = 𝜆𝑎2 ⇒ 𝑦 − 𝑦1 = 𝜆𝑎̅ cos 𝛽
88
y si esto fuese en el espacio de tres dimensiones, resultaría:
𝑎3
cos 𝛾 = ⇒ 𝑎3 = 𝑎̅ cos 𝛾
𝑎̅
y las ecuaciones serían:
𝑥 − 𝑥1 = 𝜆𝑎1 ⇒ 𝑥 − 𝑥1 = 𝜆𝑎̅ cos 𝛼
𝑦 − 𝑦1 = 𝜆𝑎2 ⇒ 𝑦 − 𝑦1 = 𝜆𝑎̅ cos 𝛽 (6)
𝑧 − 𝑧1 = 𝜆𝑎3 ⇒ 𝑧 − 𝑧1 = 𝜆𝑎̅ cos 𝛾
En donde las componentes del vector 𝑎̅ (𝑎1 , 𝑎2 , 𝑎3 ) son los llamados números de dirección ó números
directores de la recta orientada y son los valores que ubican al vector 𝑎̅ en el espacio.
Partiendo de las ecuaciones (4), obtenemos:
𝑥 − 𝑥1
=λ
𝑎1 𝑥 − 𝑥1 𝑦 − 𝑦1
𝑦 − 𝑦1 = (7)
=λ 𝑎1 𝑎2
𝑎2
La ecuación (7) es la llamada Forma Simétrica de la recta en ℝ2.
Si ahora analizáramos (6), tendríamos:
𝑥 − 𝑥1 𝑦 − 𝑦1 𝑧 − 𝑧1
= = (8)
𝑎1 𝑎2 𝑎3
La expresión (8) es similar a la expresión (7), es decir, la Forma Simétrica de la ecuación de la recta en ℝ3.
De la expresión (7), podemos obtener:
𝑎1
𝑦 − 𝑦1 = (𝑥 − 𝑥1 ) (9)
𝑎2
que es la ecuación de la Recta que pasa por el punto P1(x1,y1) y tiene la dirección del vector 𝑎̅
A la relación de los números directores 𝑎2 y 𝑎1 se la llama coeficiente angular de la recta no paralela al eje
“y” y se lo designa con:
y
𝑠𝑒𝑛 𝛼 𝑎2
𝑚 = tan 𝛼 = =
cos 𝛼 𝑎1
𝑎̅ α 𝑎2
Reemplazando la expresión de “m” en (9), nos queda: 𝑎1 x
𝑦 − 𝑦1 = 𝑚 (𝑥 − 𝑥1 ) (10)
si a esta última ecuación, la desarrollamos y despejamos el valor de “y”, resulta: y
𝑦 = 𝑚𝑥 − 𝑚𝑥1 + 𝑦1
y haciendo: 𝑚𝑥1 + 𝑦1 = 𝑏 , podemos escribir: 𝑦 = 𝑚𝑥 + 𝑏
𝑦 = 𝑚𝑥 + 𝑏 (11)
x
conocida como Forma Explícita de la ecuación de la recta en ℝ . Se puede comprobar que “b” es la magnitud
2
comprendida desde el origen del sistema de coordenadas al punto en que la recta corta al eje de ordenadas (eje
“y”), recibiendo por esta razón el nombre “ordenada al origen”. Esto se obtiene haciendo x=0 en la ecuación
(11).
Ahora, si en dicha ecuación (11) agrupamos todos los términos en el primer miembro, es decir igualamos a
cero:
−𝑚𝑥 + 𝑦 − 𝑏 = 0
y multiplicando ambos miembros de dicha expresión por B, siendo “B” una constante real y arbitraria, resulta:
89
−𝐵𝑚𝑥 + 𝐵𝑦 − 𝐵𝑏 = 0
y haciendo: - B m = A ; - B b = C , nos queda finalmente:
𝑨𝒙 + 𝑩𝒚 + 𝒄 = 𝟎 (12)
conocida como Forma General o Implícita de la Recta, en donde “A” y “C” también son constantes reales
y arbitrarias.
Análisis de la ecuación (12)
−𝑪
 Si en dicha ecuación es A = 0 con B  0 y C  0  B y + C = 0  𝒚 = = 𝒄𝒕𝒆 (13). Esto me dice que
𝑩
−𝑪
la relación (13) , 𝒚 = = 𝒄𝒕𝒆, representa la ecuación de una recta paralela aleje “x”, ubicada a la distancia
𝑩
−𝑪
constante = 𝒃 (ordenada al origen). Esta ecuación (13) se cumple para cualquier valor de “x”.
𝑩
−𝑪
 Si ahora es B = 0 con A y C  0  A x + C = 0  𝒙 = = 𝒄𝒕𝒆 (𝟏𝟒). Esta es la ecuación de una recta
𝑨
−𝑪
paralela (a la variable que falta) al eje “y”, ubicada a una distancia constante del eje “y” 𝑨 = 𝒂 y recibe el
nombre de abscisa al origen.
 Si C = 0 con A y B  0  A x + B y = 0 (15), obtenemos la ecuación de la recta que pasa por el origen
del sistema de coordenadas, por cuanto la expresión (15) se verifica para los valores de x = 0 e y = 0.
 Si son A = 0 y C = 0 y B  0  B y = 0. Como B  0 , debe ser y = 0 entonces resulta la ecuación del
eje “X”.
 Si B = 0 y C = 0 con A  0  A x = 0 . Como A  0, debe ser x = 0, resultando entonces la ecuación del
eje “Y”.
 En la ecuación (12), si A, B y C son distintos de cero, su representación gráfica resulta ser una recta que no
pasa por el origen y que no es paralela a ningún eje coordenado.
Ecuación Segmentaría de la Recta
Partiendo de la ecuación General ó Implícita (12), se dividen ambos miembros por - C y se pasan los valores
de A y de B dividiendo al denominador:
𝐴 𝐵 𝐶 𝑥 𝑦
𝐴𝑥 + 𝐵𝑦 + 𝐶 = 0 ⇒ 𝑥+ 𝑦+ =0 ⇒ + −1 =0
−𝐶 −𝐶 −𝐶 −𝐶 −𝐶
𝐴 𝐵
Reemplazando los valores de:
−𝐶 −𝐶
=𝑎 𝑦 =𝑏
𝐴 𝐵
ya analizados en el punto anterior, resulta:
𝒙 𝒚
+ =𝟏 (16)
𝒂 𝒃
expresión que recibe el nombre de ecuación segmentaría por cuanto están explicitados los valores de la
abscisa al origen (𝒂) y ordenada al origen (𝒃), o sea las medidas de los respectivos segmentos, siendo por
consiguiente inmediata su representación gráfica.
Ejemplo 1:
Hallar la ecuación de la recta que pasa por el punto M (-3; 1) y tiene la dirección del vector 𝑎̅ (5; 4). Exprese
la misma en sus formas vectorial, paramétrica, simétrica, general o implícita, explícita y segmentaría.
Solución:
La ecuación de la recta en su forma vectorial está dada por: ̅̅̅̅ 𝑂𝑃 = ̅̅̅̅̅
𝑂𝑀 + 𝜆𝑎̅, en donde el vector ̅̅̅̅𝑂𝑃 está
definido por las coordenadas del origen del sistema de coordenadas cartesianas (0, 0) y el punto genérico “P”
de coordenadas (x ; y) y el vector ̅̅̅̅̅
𝑂𝑀 por las coordenadas del origen del sistema (0 , 0) y las coordenadas del
punto M(-3; 1), y el vector “𝑎̅ ” por sus componentes (𝑎1 ; 𝑎2 ) = (5 ; 4), o sea determinando los vectores:
90
̅̅̅̅ = 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) +  (5,4)
a ésta última expresión podemos también escribirla:
𝑥 − 𝑥0 = (𝑥𝑀 − 𝑥0 ) − 𝑎1  x = 𝑥𝑀 − 𝑎1  x = −3 + 5
𝑦 − 𝑦0 = (𝑦𝑀 − 𝑦0 ) − 𝑎2  y = 𝑦𝑀 − 𝑎2  y = 1 + 4
de donde resulta la ecuación de la recta en su forma paramétrica. y esta última expresión también puede ser
escrita como:
𝑥+3
=𝜆 𝑥+3 𝑦−1
𝑥 + 3 = 5𝜆 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 es:
5
17
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
Ejemplo 2:
Hallar la ecuación de la recta que pasa por el punto M (5; -2; 3) y tiene la dirección del vector 𝑎̅ (-9; 5; 4).
Exprese la misma en todas sus formas posibles.
Solución:
La resolución de éste ejercicio es similar al anterior, la variación que existe es que los datos están dados en
ℝ3, es decir que tenemos la ecuación de una recta en un espacio de tres dimensiones.
Tendremos entonces, que la ecuación de la recta en su forma vectorial está dada por:
̅̅̅̅
𝑂𝑃 = ̅̅̅̅̅
𝑂𝑀 + 𝜆𝑎̅
En donde el vector ̅̅̅̅
𝑂𝑃 esta definido por las coordenadas del origen del sistema de coordenadas cartesianas (0,
0, 0) y el punto genérico “P” de coordenadas (x; y, z) y el vector ̅̅̅̅̅𝑂𝑀 por las coordenadas del origen del
sistema (0, 0, 0) y las coordenadas del punto M(5; -2; 3), y el vector “𝑎̅” por sus componentes (𝑎1 ; 𝑎2 ; 𝑎3 )
= (-9; 5; 4), o sea determinando los vectores:
𝑥 − 𝑥0 = 𝑥 − 0 = 𝑥 𝑥𝑀 − 𝑥0 = 5 − 0 = 5
̅̅̅̅
𝑂𝑃 = 𝑦 − 𝑦 0 = 𝑦 − 0 = 𝑦 ̅̅̅̅̅
𝑂𝑀 = 𝑦𝑀 − 𝑦0 = −2 − 0 = −2
𝑧 − 𝑧0 = 𝑧 − 0 = 𝑧 𝑧𝑀 − 𝑧0 = 3 − 0 = 3
(𝑥, 𝑦, 𝑧) = (5 , −2 , 3) + (−9 , 5 , 4)
91
𝑥 − 𝑥0 = (𝑥𝑀 − 𝑥0 ) − 𝑎1  x = 𝑥𝑀 − 𝑎1  x = 5 − 9
𝑦 − 𝑦0 = (𝑦𝑀 − 𝑦0 ) − 𝑎2  y = 𝑦𝑀 − 𝑎2  y = −2 + 5
𝑧 − 𝑧0 = (𝑧𝑀 − 𝑧0 ) − 𝑎3  z = 𝑧𝑀 − 𝑎3  z = 3 + 4
de donde resulta la ecuación de la recta en su forma paramétrica.

A la fórmula paramétrica la podemos también escribir
𝑥−5
𝑥 − 5 = −9𝜆  =𝜆
−9
𝑦+2 𝑥−5 𝑦+2 𝑧−3
𝑦 + 2 = 5𝜆  =𝜆  = = 𝐹𝑜𝑟𝑚𝑎 𝑆𝑖𝑚é𝑡𝑟𝑖𝑐𝑎
5 −9 5 4
𝑧−3
𝑧 − 3 = 4𝜆  =𝜆
4
Ecuación Vectorial de la Recta que contiene dos puntos dados
y Dados los puntos P1(x1, y1) y P2(x2, y2) y

considerando un punto genérico P(x, y),
y P(x,y)
representativo de cualquier punto de la recta, la
y2 P2 ecuación vectorial de la misma que contiene esos
dos puntos, resulta:
y1 P1 ̅̅̅̅
𝑂𝑃 = ̅̅̅̅̅ ̅̅̅̅̅̅
𝑂𝑃1 + 𝜆𝑃 1 𝑃2 (17)
que se llama Ecuación Vectorial Cartesiana
𝑎̅ (Válida para cualquier espacio).
0 x1 x2 x x
Desarrollando la ecuación (17) y suponiendo que trabajamos en un espacio de dos dimensiones (ℝ2),
tendremos:
̅̅̅̅ = 𝑥𝑖̅ + 𝑦𝑗̅ ; ̅̅̅̅̅
𝑂𝑃 𝑂𝑃1 = 𝑥1 𝑖̅ + 𝑦1 𝑗̅ ; 𝜆𝑃 ̅̅̅̅̅̅
1 𝑃2 = 𝜆[(𝑥2 − 𝑥1 )𝑖̅ + (𝑦2 − 𝑦1 )𝑗̅]
y reemplazando en la expresión (17), resulta:
𝑥𝑖̅ + 𝑦𝑗̅ = 𝑥1 𝑖̅ + 𝑦1 𝑗̅ + 𝜆[(𝑥2 − 𝑥1 )𝑖̅ + (𝑦2 − 𝑦1 )𝑗̅]
y agrupando términos homólogos, tenemos:
𝑥𝑖̅ + 𝑦𝑗̅ = [𝑥1 + 𝜆(𝑥2 − 𝑥1 )]𝑖̅ + 𝑦1 + 𝜆(𝑦2 − 𝑦1 )]𝑗̅
Recordando que dos vectores iguales, tienen iguales sus componentes homólogas:
𝑥 = [𝑥1 + 𝜆(𝑥2 − 𝑥1 )] Ecuaciones Cartesianas Paramétricas de la Recta que contiene dos
(18)
𝑦 = [𝑦1 + 𝜆(𝑦2 − 𝑦1 )] puntos dados en el espacio de dos dimensiones (ℝ2).
Si se hiciese el mismo análisis para el espacio tridimensional, tendríamos:
𝑥 = [𝑥1 + 𝜆(𝑥2 − 𝑥1 )]
𝑦 = [𝑦1 + 𝜆(𝑦2 − 𝑦1 )] (19)
𝑧 = [𝑧1 + 𝜆(𝑧2 − 𝑧1 )]
Si ahora volvemos a analizar la ecuación (18), de la misma podemos despejar:
𝑥 − 𝑥1 𝑦 − 𝑦1 𝑥 − 𝑥1 𝑦 − 𝑦1 𝑥 − 𝑥1 𝑦 − 𝑦1
=𝜆 ; =𝜆 ⟹ = =𝜆 ⟹ = (20)
𝑥2 − 𝑥1 𝑦2 − 𝑦1 𝑥2 − 𝑥1 𝑦2 − 𝑦1 𝑥2 − 𝑥1 𝑦2 − 𝑦1
La expresión (20) se conoce como ecuación simétrica de la recta por dos puntos en el espacio bidimensional.
92
Aquí podemos observar que los números directores de la recta orientada están dados por la diferencia de las
coordenadas homólogas de los puntos dados (comparar con ecuación (7)).
De la ecuación (20) podemos obtener:
𝑦2 − 𝑦1
𝑦 − 𝑦1 = (𝑥 − 𝑥1 ) (21)
𝑥2 − 𝑥1
y aquí obtenemos el coeficiente angular como la relación
𝑦2 − 𝑦1
=𝑚
𝑥2 − 𝑥1
Si por el contrario, se trabajase con la ecuación (19), tendríamos:
𝑥 − 𝑥1 𝑦 − 𝑦1 𝑧 − 𝑧1
= = (22)
𝑥2 − 𝑥1 𝑦2 − 𝑦1 𝑧2 − 𝑧1
que es la ecuación simétrica de la recta en el espacio tridimensional.
Volviendo a la ecuación (21), (ecuación de la recta que pasa por dos puntos dados conocidos), si se multiplica
la misma por (x2 – x1) y se pasan todos sus términos al primer miembro, se obtiene:
𝑥1 𝑦2 − 𝑥2 𝑦1 − 𝑦2 𝑥 + 𝑥2 𝑦 + 𝑦1 𝑥 − 𝑥1 𝑦 = 0 (23)
expresión esta que puede escribirse en forma de determinantes:
𝑥 𝑦 1
|𝑥1 𝑦1 1| = 0
𝑥2 𝑦2 1
Al mismo resultado podemos llegar (ecuación de una recta que pasa por dos puntos dados conocidos P1(x1,
y1) y P2(x2, y2) ), considerando la ecuación general ó implícita de la recta (expresión 12) ya vista:
Ax+By+C=0 (12)
Como los puntos P1 y P2 están sobre la recta, sus coordenadas deben satisfacer dicha ecuación (12), tendremos
entonces:
A x1 + B y1 + C = 0 (24)
A x2 + B y2 + C = 0 (25)
Como la ecuación buscada es de la forma de (12), debemos considerar los coeficientes A, B y C como
incógnitas. Sus valores, además, deben ser los mismos en las ecuaciones (24) y (25) si la recta pasa por los
puntos P1 y P2.
Podemos considerar entonces las ecuaciones (12), (24) y (25) como un sistema de tres ecuaciones lineales
homogéneas con tres incógnitas (A, B y C). Por álgebra sabemos que para que un sistema de éste tipo tenga
solución, es necesario y suficiente que el determinante de la matriz de los coeficientes se anule, es decir:
𝑥 𝑦 1
|𝑥1 𝑦1 1| = 0
𝑥2 𝑦2 1
Ejemplo 3:
Hallar la ecuación de la recta que contiene los puntos M(2; 1) y Q(3; 4). Expresar la misma en sus formas
vectorial, paramétrica, simétrica, general o implícita, explícita y segmentaría.
Solución:
La resolución de éste ejercicio es similar al ejemplo nº 1. La variación que existe es que el vector dirección de
la recta hay que determinarlo en función de las coordenadas de los puntos M y Q .
̅̅̅̅
𝑂𝑃 = ̅̅̅̅̅
𝑂𝑀 + 𝜆𝑀𝑄 ̅̅̅̅̅
En donde el vector ̅̅̅̅
𝑂𝑃 está definido por las coordenadas del origen del sistema de coordenadas cartesianas (0,
0) y el punto genérico “P” de coordenadas (x; y) y el vector ̅̅̅̅̅
𝑂𝑀 por las coordenadas del origen del sistema
(0, 0) y las coordenadas del punto M(2; 1), y las componentes (𝑎1 ; 𝑎2 ) del vector “ 𝑎̅ ” como las diferencias
de coordenadas de los puntos “M” y “Q”:
93
𝑎 = (𝑥𝑄 − 𝑥𝑀 ) = (3 − 2) = 1
̅̅̅̅ = 𝑥 − 𝑥0 = 𝑥 − 0 = 𝑥 ; 𝑂𝑀
𝑂𝑃 ̅̅̅̅̅ = 𝑥𝑀 − 𝑥𝑂 = 2 − 0 = 2 ; 𝑎̅ = 1 ⟹ 𝑎̅ = (1; 3)
𝑦 − 𝑦0 = 𝑦 − 0 = 𝑦 𝑦𝑀 − 𝑦𝑂 = 1 − 0 = 1 𝑎2 = (𝑦𝑄 − 𝑦𝑀 ) = (4 − 1) = 3
y reemplazando todos estos valores en la forma vectorial, obtenemos:
(x ; y) = (2 ; 1) +  (1 ; 3)
que es la ecuación vectorial de la recta por dos puntos de acuerdo a lo ya visto en el ejemplo 1. Pasaremos
ahora a las otras formas pedidas.
Entonces a ésta última expresión podemos también escribirla:
𝑥 − 𝑥0 = (𝑥𝑀 − 𝑥0 ) + 𝜆𝑎1 ⟹ 𝑥 = 𝑥𝑀 + 𝜆𝑎1 ⟹ 𝑥 = 2 + 1 𝜆
𝑦 − 𝑦0 = (𝑦𝑀 − 𝑦0 ) + 𝜆𝑎2 ⟹ 𝑦 = 𝑦 𝑀 + 𝜆𝑎 2 ⟹ 𝑦 = 1 + 3 𝜆
de donde resulta la ecuación de la recta en su forma paramétrica, expresión ésta que también podemos
escribir
𝑥−2
=𝜆 𝑥−2 𝑦−1
𝑥 − 2 = 1𝜆 1
⇒ ⇒ = 𝐹𝑜𝑟𝑚𝑎 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎
𝑦 − 1 = 3𝜆 𝑦−1 1 3
=𝜆
3
si ahora tomamos la última ecuación y efectuamos las siguientes operaciones:
3(x - 2) = 1(y - 1)  3x - 6 = y – 1  3x – y - 6 + 1 = 0
de donde resulta:
3x – y - 5 = 0 que es la forma General o Implícita,
de esta última fórmula:

y = 3x - 5  Forma Explícita
si en esta última igualdad hacemos x = 0 resulta:  y = -5 que es la ordenada al origen; si en cambio es:
5
y = 0 resulta  𝑥 = que es la abscisa al origen.
3
Con estos dos valores de ordenada y abscisa al origen, podemos escribir:
x y x y
 1   1 que es la Ecuación en su Forma Segmentaría
a b 5 5
3
La ecuación General o Implícita podría en éste caso también ser hallada utilizando el determinante de tercer
orden:
𝑥 𝑦 1
| 2 1 1| = 0
3 4 1
en el cual sustituyendo las coordenadas de los puntos M(2; 1) y Q(3; 4) por x1 e y1 y por x2 e y2
respectivamente, resulta:
𝑥 𝑦 1
|2 1 1| = (1 − 4)𝑥 − (2 − 3)𝑦 + (8 − 3) 1 = −3𝑥 + 1𝑦 + 5 = 0
3 4 1
expresión esta última que multiplicada por menos uno (-1), nos queda:
3𝑥 − 1𝑦 − 5 = 0
Ejemplo 4:
Dados los puntos M(1; -5; 4) y N(0; 3; -2), hallar la ecuación de la recta que pasa por ellos. Exprese dichas
ecuaciones en sus formas vectorial, paramétrica y simétrica.
Solución:
La resolución de este ejercicio es similar a lo visto para el ejemplo 2, es decir debemos trabajar en el espacio
vectorial ℝ3, y tendremos como solución una recta en un espacio de tres dimensiones. Aplicamos también los
conceptos utilizados en el ejemplo 3, pues son dos puntos los que definen el vector dirección de la recta.
̅̅̅̅
𝑂𝑃 = ̅̅̅̅̅
𝑂𝑀 + 𝜆𝑀𝑁 ̅̅̅̅̅
94
En donde el vector 𝑂𝑃̅̅̅̅ esta definido por las coordenadas del origen del sistema de coordenadas cartesianas (0,
0, 0) y el punto genérico “P” de coordenadas (x; y, z) y el vector ̅̅̅̅̅𝑂𝑀 por las coordenadas del origen del
sistema (0, 0, 0) y las coordenadas del punto M(1; -5; 4), y las componentes (𝑎1 ; 𝑎2 ; 𝑎3 ) del vector “ 𝑎̅ ” como
las diferencias de coordenadas homólogas de los puntos “M” y “N”.
𝑥 − 𝑥0 = 𝑥 − 0 = 𝑥 𝑥𝑀 − 𝑥𝑂 = 1 − 0 = 1 𝑎1 = (𝑥𝑁 − 𝑥𝑀 ) = (0 − 1) = −1
̅̅̅̅
𝑂𝑃 = 𝑦 − 𝑦0 = 𝑦 − 0 = 𝑦 ̅̅̅̅̅
; 𝑂𝑀 = 𝑀𝑦 − 𝑦𝑂 = −5 − 0 = −5 ; 𝑎̅ = 2 = (𝑦𝑁 − 𝑦𝑀 ) = [3 − (−5)] = 8 ⟹ 𝑎̅ = (−1; 8; −6)
𝑎
𝑧 − 𝑧0 = 𝑧 − 0 = 𝑧 𝑧𝑀 − 𝑧𝑂 = 4 − 0 = 4 𝑎3 = (𝑧𝑁 − 𝑧𝑀 ) = (−2 − 4) = −6
(x; y; z) = (1; -5; 4) +  (-1; 8; -6)
x – x0 = (xM – x0) +  𝑎1  x = xM +  𝑎1  x = 1 - 1 
y – y0 = (yM – y0) +  𝑎2  y = yM + 𝑎2  y = -5 + 8 
y – z0 = (zM – z0) +  𝑎3  z = zM + 𝑎3  z = 4 - 6 
de donde resulta la ecuación de la recta en su forma paramétrica.
A la fórmula paramétrica la podemos también escribir
𝑥−1
𝑥 − 1 = −1𝜆 ⟹ =𝜆
−1
𝑥+5 𝑥−1 𝑦+5 𝑧−4
𝑦 + 5 = 8𝜆 ⟹ =𝜆 ⟹ = = 𝐹𝑜𝑟𝑚𝑎 𝑆𝑖𝑚é𝑡𝑟𝑖𝑐𝑎
8 −1 8 −6
𝑧−4
𝑧 − 4 = −6𝜆 ⟹ =𝜆
−6
Ángulo de dos rectas
y Consideremos las rectas r1(𝑎1 ;b1) y r2(𝑎2 ;b2) definidas en el
espacio vectorial bidimensional  ℝ2.Al ángulo que forman las
𝑟̅2  dos rectas lo obtenemos aplicando el concepto de producto
escalar de dos vectores:
𝑟̅1 𝑟̅1 . 𝑟̅2 = |𝑟̅1 ||𝑟̅2 | cos 𝛼
𝑟̅1 . 𝑟̅2
cos 𝛼 =
|𝑟̅1 ||𝑟̅2 |
0 x
Tomando en cuenta que el producto escalar de dos vectores es igual a la suma de los productos de las
componentes homólogas o números directores homólogos, resulta:
𝑎1 𝑎2 + 𝑏1 𝑏2
cos 𝛼 = (26)
|√𝑎12 + 𝑏12 | |√𝑎22 + 𝑏22 |
y Otra forma de calcular el valor del ángulo es:  = 2 - 1

diferencia de los ángulos que cada recta forma con el
𝑟̅2 semieje positivo de las “x”
Por trigonometría:
𝑟̅1 tan 𝛼2 − tan 𝛼1
tan 𝛼 = tan(𝛼2 − 𝛼1 ) =
1 + tan 𝛼1 tan 𝛼2
Utilizando la tangente trigonométrica, nos permite poner
 esta última expresión en función de los coeficientes
angulares de ambas rectas, que en general son conocidas:
1 2
𝑚2 − 𝑚1 𝑚2 − 𝑚1
tan 𝛼 = ⟹ 𝛼 = arctan
0 x 1 + 𝑚1 𝑚2 1 + 𝑚1 𝑚2
95
Ejemplo 5: Dadas las rectas:
1 5
𝑟̅1 ⇒ 𝑦 = 𝑥 + 4 , 𝑟̅2 ⇒ 𝑦 = 𝑥 − 6 𝑒𝑛 𝑠𝑢 𝑓𝑜𝑟𝑚𝑎 𝑒𝑥𝑝𝑙í𝑐𝑖𝑡𝑎
3 2
se pide calcular el ángulo “” que forman las mismas.
Solución:
Las rectas dadas en forma explícita tienen por ecuación y = mx + b , siendo
Δ𝑦 𝑎𝑦 𝑎2
𝑚= ⟹ 𝑚= =
Δx 𝑎𝑥 𝑎1
correspondiendo los valores de 𝑎1 y 𝑎2 a las componentes del vector dirección de la recta 𝑎̅ (𝑎1 ; 𝑎2 ).
En el caso de 𝑟̅1 dicho vector dirección será: 𝑎̅ (𝑎1 ; 𝑎2 )  𝑎̅ (3; 1) y para 𝑟̅2  𝑏̅ (b1; b2)  𝑏̅ (2; 5).
Con las componentes de los vectores dirección y a través del producto escalar puedo encontrar el valor del
ángulo “”, o sea:
𝑎̅ . 𝑏̅
𝑎̅ . 𝑏̅ = |𝑎̅||𝑏̅| cos 𝛼 ⟹ 𝛼 = 𝑎𝑟𝑐 cos
|𝑎̅||𝑏̅|
3 .2 + 1 .5 11
𝛼 = 𝑎𝑟𝑐 cos ⟹ 𝛼 = 𝑎𝑟𝑐 cos ⟹ 𝛼 = 49°46′30"
√32 + 12 √22 + 52 √290
Otra forma de calcular “α” podría ser a través de la expresión:
𝑚2 − 𝑚1
𝛼 = 𝑎𝑟𝑐 tan
1 + 𝑚1 𝑚2
5 1
− 13
𝛼 = arctan 2 3 ⟹ 𝛼 = arctan ⟹ 𝛼 = arctan 1,181818 ⟹ 𝛼 = 49°46′30"
1 5 11
1 + 3 .2
Condiciones de Perpendicularidad de dos Rectas
Para que 𝑟̅1 sea perpendicular a 𝑟̅2 , deberá ser:
1 + 𝑚1 𝑚2 1
𝑟̅1 ⊥ 𝑟̅2 ⇒ 𝛼 = 90° ⇒ 𝑐𝑜𝑡𝑎𝑛 90° = 0 ⇒ = 0 ⇒ 1 + 𝑚1 𝑚2 = 0 ⇒ 𝑚1 = − (27)
𝑚1 − 𝑚2 𝑚2
Es decir, que para que dos rectas cumplan la condición de perpendicularidad, el coeficiente angular de una
de ellas debe ser igual a la inversa del otro con el signo (cambiado) opuesto.
A un resultado similar podemos llegar, considerando el producto escalar de los vectores dirección de ambas
rectas:
𝑎1 𝑎2 + 𝑏1 𝑏2
𝛼 = 90° ⟹ cos 𝛼 = 0 ⟹ =0
|√𝑎12 + 𝑏12 | |√𝑎22 + 𝑏22 |
y para que se cumpla, deberá ser:
𝑎1 𝑏1 + 𝑎2 𝑏2 = 0 (28)
Es decir que cuando la suma de los productos de las componentes homólogas de los vectores dirección de las
rectas (o la suma de los productos de los números directores homólogos de las rectas) es igual a cero, dichas
rectas son perpendiculares.
Ejemplo 6:
Verificar si los siguientes pares de rectas son perpendiculares:
𝑟̅1 : 4𝑥 + 2𝑦 − 13 = 0 𝑟̅3 : 2𝑥 − 𝑦 + 4 = 0
𝑎) 𝑏)
𝑟̅2 : 3𝑥 − 7𝑦 + 3 = 0 𝑟̅4 : 34𝑥 + 68𝑦 − 187 = 0
Solución:
Para que dos rectas sean perpendiculares debe cumplirse que el coeficiente angular de una de ellas debe ser
igual a la inversa del otro con el signo cambiado, o sea:
1
𝑚1 = −
𝑚2
Para el caso a) tendremos:
96
4 13 4
𝑟̅1 ⟹2𝑦 = −4𝑥 + 13 ⟹ 𝑦 = − + ⟹ 𝑚1 = − = −2
2 2 2
3 3 3
𝑟̅2 ⟹ 7𝑦 = 3𝑥 + 3 ⟹ 𝑦 = 𝑥 + ⟹ 𝑚2 =
7 7 7
1
es evidente que: 𝑚1 ≠ − por lo tanto 𝑟̅1 no es perpendicular a 𝑟̅2
𝑚2
Para el apartado b)
de 𝑟̅3  y = 2 x + 4  m3 = 2
34 187 1 187 1
de 𝑟̅4  - 68 y = 34 x – 187  𝑦 = 𝑥− ⟹𝑦=− 𝑥+ ⟹ 𝑚4 = −
−68 −68 2 68 2
de donde se verifica que:
1 1
𝑚3 = − ⟹2=− 𝑙𝑜 𝑞𝑢𝑒 𝑐𝑜𝑚𝑝𝑟𝑢𝑒𝑏𝑎 𝑞𝑢𝑒 𝑟̅3 ⊥ 𝑟̅4
𝑚4 2
Condiciones de Paralelismo de dos Rectas
Si 𝑟̅1 es paralela a 𝑟̅2 , significa que se puede obtener uno cualquiera de esos vectores dirección en función del
otro a través de un escalar (k).
𝑎1 = 𝑘𝑏1 𝑎1 𝑎2
𝑎1 𝑖̅ + 𝑎2 𝑗̅ = 𝑘(𝑏1 𝑖̅ + 𝑏2 𝑗̅) ⟹ 𝑎2 = 𝑘𝑏2
⟹𝑘= = (29)
𝑏1 𝑏2
Si las componentes de los vectores dirección de ambas rectas reúnen la condición (29), entonces decimos que
dichas rectas son paralelas.
Ejemplo 7:
Compruebe si los siguientes pares de rectas son paralelos
𝑟̅1 : 7𝑥 − 2𝑦 = 0 𝑟̅ : 6𝑥 − 2𝑦 + 11 = 0
𝑎) 𝑏) 3
𝑟̅2 : 4𝑥 − 𝑦 − 1 = 0 𝑟̅4 : 3𝑥 − 𝑦 + 5 = 0
Solución:
Si dos rectas son paralelas sus coeficientes angulares deben ser iguales o también que uno de ellos sea
proporcional del otro; o sea:
a b a b a a
𝑚1 = 𝑚2 ó 𝑚1 = 𝜆𝑚2 ó m1  2 ; m2  2 ;  2  2  2  1  a1 . b2  a2 . b1  0
a1 b1 a1 b1 b2 b1
Para el caso a)
7 7
𝑟̅1 : 2𝑦 = 7𝑥 ⟹ 𝑦 = 𝑥 ⟹ 𝑚1 =
2 2 ⟹ 𝑚1 ≠ 𝑚2
𝑟̅2 : 𝑦 = 4𝑥 − 1 ⟹ 𝑚2 = 4
o también:
7 ∆𝑦 𝑎2
𝑚1 = = = ⟹ 𝑎̅ (𝑎1 , 𝑎2 ) ⟹ 𝑎̅ (2; 7)
2 ∆𝑥 𝑎1 𝑎1 𝑎2 2 7
= ⟹ ≠
4 ∆𝑦 𝑏2 𝑏1 𝑏2 1 4
𝑚2 = 4 ⟹ 𝑚 2 = = = ⟹ 𝑏̅ (𝑏1 , 𝑏2 ) ⟹ 𝑏̅ (1; 4)
1 ∆𝑥 𝑏1
𝑎1 𝑏2 − 𝑎2 𝑏1 = 0 ⟹ 2 .4 − 1 .7 ≠ 0
todo lo expuesto indica que este par de rectas analizadas, no son paralelas.
Para el caso b)
7𝑥 + 11 6
𝑟̅1 : 2𝑦 = 6𝑥 + 11 ⟹ 𝑦 = ⟹ 𝑚3 = = 3
2 2 ⟹ 𝑚3 = 𝑚4
𝑟̅2 : 𝑦 = 3𝑥 + 5 ⟹ 𝑚4 = 3
o también:
97
6 ∆𝑦 𝑎2
𝑚3 = = = ⟹ 𝑎̅ (𝑎1 , 𝑎2 ) ⟹ 𝑎̅ (2; 6)
2 ∆𝑥 𝑎1 𝑎1 𝑎2 2 7
= ⟹ ≠
3 ∆𝑦 𝑏2 𝑏1 𝑏2 1 4
𝑚4 = 3 ⟹ 𝑚 4 = = = ⟹ 𝑏̅ (𝑏1 , 𝑏2 ) ⟹ 𝑏̅ (1; 3)
1 ∆𝑥 𝑏1
𝑎1 𝑏2 − 𝑎2 𝑏1 = 0 ⟹ 2 .3 − 6 .1 = 0
lo aquí analizado indica que para este caso b) las rectas son paralelas, es decir: 𝑟̅3 ∥ 𝑟̅4 .
Familia o haz de rectas
Tomemos la ecuación de la recta:
𝐴𝑥 + 𝐵𝑦 + 𝐶 = 0
Los coeficientes son constantes reales y arbitrarias, es decir, pueden tomar cualquier valor real, siempre que
A y B no sean simultáneamente nulos.
Uno podría decir que esas tres constantes son independientes, pero en realidad sólo dos de ellas son
independientes. En efecto, uno, cuando menos, de los coeficientes A y B deben ser diferentes de cero. Por lo
tanto si A  0, podemos dividir toda la ecuación por “A” de manera que tome la forma:
𝐵 𝐶
𝑥+ 𝑦+ =0
𝐴 𝐴
de donde resulta que hay sólo dos constantes independientes que son las razones arbitrarias
𝐵 𝐶
, 𝑦,
𝐴 𝐴
Para calcular estas constantes se necesitan dos ecuaciones independientes que las contengan, y cada una de
estas ecuaciones se obtiene a partir de una condición independiente.
Entonces, analíticamente, la ecuación de una recta queda perfectamente determinada por dos condiciones
independientes.
Geométricamente, una recta queda determinada por dos condiciones independientes, es decir una recta está
completamente determinada si se conocen dos de sus puntos, ó uno de sus puntos y su dirección.
Por lo tanto, una recta que satisface una sola condición no es una recta única.
Hay muchas rectas que cumplen una única condición y cada uno de estos grupos tiene la propiedad común
asociada con esa única condición. De acuerdo con ello podemos formular la siguiente definición:
“La totalidad de las rectas que satisfacen una única condición geométrica se llama
Familia o Haz de Rectas”.
Rectas Paralelas: Son aquellas que tienen un mismo coeficiente angular o pendiente y varían en su término
independiente.
Su ecuación es de la forma:
𝑦 = 𝑚𝑥 + 𝑘
en donde “m” (pendiente de la recta) es un valor conocido igual para todas las rectas y donde “k” es una
constante arbitraria que puede tomar todos los valores reales.
Rectas Concurrentes: Responden a esta característica todas las rectas que pasan por un mismo punto, teniendo
diferentes pendientes o coeficientes angulares. La fórmula que las agrupa, es la siguiente:
𝑦 − 𝑦1 = 𝑘(𝑥 − 𝑥1 )
en donde 𝑥1 e 𝑦1 son las coordenadas de un punto “P” por el cual pasan todas las rectas que conforman el haz
y “k” que representa al coeficiente angular o pendiente de la recta es una constante que puede tomar todos los
valores reales.
Familia o Haz de Rectas que pasan por la intersección de otras dos rectas dadas:
Constituye un caso particular de familia de rectas.
Dadas las rectas:
𝑟̅1 : 𝐴1 𝑥 + 𝐵1 𝑦 + 𝐶1 = 0 (35)
𝑟̅2 : 𝐴2 𝑥 + 𝐵2 𝑦 + 𝐶2 = 0 (36)
y supongamos que las mismas se cortan en un punto, o sea que deberá ser:
98
𝐴1 𝐵1
≠
𝐴2 𝐵2
(es decir no son paralelas); y sea entonces P(x1, y1) su punto de intersección. La familia de rectas que pasan
por la intersección de las rectas 𝑟̅1 y 𝑟̅2 responden a la ecuación:
𝑘1 (𝐴1 𝑥 + 𝐵1 𝑦 + 𝐶1 ) + 𝑘2 (𝐴2 𝑥 + 𝐵2 𝑦 + 𝐶2 ) = 0 (37)
en donde k1 y k2 son constantes arbitrarias que pueden tomar todos los valores reales, con excepción del caso
en que ambas sean simultáneamente nulas (cero).
Vamos a demostrar que la ecuación (37) representa la familia de rectas que pasan por el punto “P”.
Como k1 y k2 son constantes, la ecuación (37) es lineal en las variables “x” e “y”, y por lo tanto representa una
línea recta.
Además, como el punto P(x1, y1) está sobre ambas rectas (punto de corte de las mismas), sus coordenadas
satisfacen sus ecuaciones. Si ahora hacemos en (37),
𝑥 = 𝑥1 𝑒 𝑦 = 𝑦1
hallamos:
𝑘1 . 0 + 𝑘2 . 0 = 0
que es verdadera para todos los valores de k1 y k2 ; de donde se deduce que la ecuación (37) representa todas
las rectas que pasan por P(x1 , y1), punto de intersección de (35) y (36).
En particular, si en (37) hacemos k1  0 y k2 = 0 , obtenemos la recta (35) . Si en cambio es k 1 = 0 y k2
 0 , obtenemos la recta (36).
Podemos, por ejemplo, especificar que k1 puede tomar todos los valores reales excepto cero. Bajo esta hipótesis
podemos dividir la ecuación (37) por k1 y si reemplazamos la constante k2/k1 por “k”, la expresión (37) toma
la forma más simple:
𝐴1 𝑥 + 𝐵1 𝑦 + 𝐶1 + 𝑘 (𝐴2 𝑥 + 𝐵2 𝑦 + 𝐶2 ) = 0 (38)
en donde el parámetro “k” puede tomar todos los valores reales.
Esta última ecuación representa la familia de rectas que pasan por la intersección de las rectas (35) y (36). Lo
más importante de ella es que nos permite obtener la ecuación de una recta que pasa por la intersección de
otras dos sin tener que calcular el punto de intersección.
Si a la expresión (38) le damos la forma general o implícita, nos quedará:
(𝐴1 + 𝑘𝐴2 ) 𝑥 + (𝐵1 + 𝑘𝐵2 ) + 𝐶1 + 𝑘𝐶2 = 0 (39)
en la cual, el coeficiente angular es:
𝐴1 + 𝑘𝐴2
𝑚 = −( )
𝐵1 + 𝑘𝐵2
y la ordenada al origen es:
𝐶1 + 𝑘𝐶2
𝑐 = −( )
𝐵1 + 𝑘𝐵2
La importancia de la ecuación (38) o de su equivalente (39) radica en que es posible determinar la ecuación
de cualquier recta que pase por el punto de intersección de otras dos sin necesidad de conocer dicho punto de
intersección.
Ejemplo 10:
Dadas las rectas 𝑟̅1 : 4x + 2y – 13 = 0 y 𝑟̅2 : 3x – 7y + 3 = 0 , se pide determinar la ecuación de la recta que
pasando por el punto de intersección de 𝑟̅1 y 𝑟̅2 sea perpendicular a la recta 𝑟̅3 : 2x – y + 4 = 0 , utilizando
familias de rectas.
Solución:
La familia de rectas determinada por 𝑟̅1 y 𝑟̅2 esta dada por una ecuación de la forma:
𝑟̅1 +  𝑟̅2 = 0  4x + 2y – 13 +  (3x – 7y + 3) = 0 
4x + 2y – 13 + 3x -7y + 3 = 0  (4 + 3)x + (2 - 7)y – 13 + 3 = 0
y llamando a esta última ecuación
𝑟̅4 : (4 + 3)x + (2 - 7)y – 13 + 3 = 0
vemos que la misma representa la familia de rectas que pasan por la intersección de 𝑟̅1 y 𝑟̅2 . Esta ecuación (𝑟̅4 )
tiene como vector dirección:
𝑎 (𝑎1 ; 𝑎2 )  𝑎 [(2-7); (4+3)]
y la recta 𝑟̅3 , como vector dirección
99
𝑏 (𝑏1 ; 𝑏2 )  b (-1; 2).
Recordar que si dos rectas son perpendiculares, el producto escalar de sus vectores dirección tiene que ser
igual a cero, o sea:
𝑎̅ . 𝑏̅ = 𝑎1 . 𝑏1 + 𝑎2 𝑏2 = 0 
(2 − 7𝜆)(−1) + (4 + 3𝜆). 2 = −2 + 7𝜆 + 8 + 6𝜆 = 0 ⟹
13𝜆 + 6 = 0 ⟹ 13𝜆 = −6 ⟹
6
 
13
valor éste que reemplazamos en la ecuación de 𝑟̅4 y nos queda:
6 6 6
[4 + 3 (− )] 𝑥 + [2 − 7 (− )] 𝑦 − 13 + 3 (− ) = 0 ⟹
13 13 13
18 42 18 34 68 187
(4 − ) 𝑥 + (2 + ) 𝑦 − 13 − =0 ⟹ 𝑥+ 𝑦− =0
13 13 13 13 13 13
y multiplicando todo por 13 resulta finalmente:
34𝑥 + 68𝑦 − 187 = 0
Forma Normal de la Ecuación de la Recta en ℝ2
Esta forma de la ecuación es interesante cuando se debe determinar la distancia entre un punto y una recta.
y
Deducción de la ecuación
B r0 Consideremos la recta 𝑟̅ determinada por el punto
P1(x1 ; y1) y la dirección normal, dada por el vector
n (A,B) r P0(x0;y0) 𝑛̅ (A, B), con sentido radial (desde el origen del
P1(x1;y1) d sistema de coordenadas). Éste vector forma un
ángulo , con el semieje positivo de las abscisas
p y1 P(x;y) (eje “x”). El punto P1(x1, y1), con el punto genérico
P(x, y) (que no puede faltar), conforman el vector
𝜔 y ̅̅̅̅̅
𝑃1 𝑃 perpendicular al vector “𝑛̅” (por construcción).
Teniendo en cuenta esta condición, podemos
escribir, que el producto escalar de ambos vectores
0 A x1 x x es igual a cero, o sea:
𝑛̅ . ̅̅̅̅̅
𝑃1 𝑃 = 0 ⟹ {𝑛̅ = 𝐴𝑖̅ + 𝐵𝑗̅} ; {𝑃 ̅̅̅̅̅
1 𝑃 = (𝑥 − 𝑥1 )𝑖̅ + (𝑦 − 𝑦1 )𝑗̅}
y reemplazando, resulta:
𝐴𝑖̅ + 𝐵𝑗̅) . [(𝑥 − 𝑥1 )𝑖̅ + (𝑦 − 𝑦1 )𝑗̅] = 0
y resolviendo el producto escalar indicado:
𝐴(𝑥 − 𝑥1 ) + 𝐵(𝑦 − 𝑦1 ) = 0 ⟹ 𝐴𝑥 + 𝐵𝑦 − (𝐴𝑥1 + 𝐵𝑦1 ) = 0 (30)
y dividiendo esta última expresión por el módulo del vector “𝑛̅” , tendremos:
𝐴 𝐵 𝐴 𝐵
𝑥+ 𝑦 − ( 𝑥1 + 𝑦 )=0
|𝑛̅| |𝑛̅| |𝑛̅| |𝑛̅| 1
y como:
𝐴 𝐵
= cos 𝜔 ; = 𝑠𝑒𝑛 𝜔
|𝑛̅| |𝑛̅|
resulta:
𝑥 cos 𝜔 + 𝑦 𝑠𝑒𝑛 𝜔 − (𝑥1 cos 𝜔 + 𝑦1 𝑠𝑒𝑛 𝜔 = 0
y haciendo:
𝒙𝟏 𝒄𝒐𝒔 𝝎 + 𝒚𝟏 𝒔𝒆𝒏 𝝎 = 𝒑 (𝟑𝟏)
nos queda finalmente:
𝒙 𝒄𝒐𝒔 𝝎 + 𝒚 𝒔𝒆𝒏 𝝎 − 𝒑 = 𝟎 (𝟑𝟐)
100
que es la Forma Normal de la ecuación de la recta.
Si suponemos el punto P1 coincidente con el punto de intersección de la recta “𝑟̅ ” y la normal “𝑛̅”,
comprenderemos que “p” representa la distancia desde el origen del sistema de coordenadas a la recta “𝑟̅ ”,
medida según el sentido del vector “𝑛̅”, es decir en forma radial.
Posiciones relativas de la recta en el plano
 Si   0 y p  0, la recta sin pasar por el origen del sistema de coordenadas se encuentra en cualquier
posición en el plano.
 Si  = 0 y p  0, la ecuación (32) se transforma en (tener presente que cos 0º = 1 y sen 0º = 0): x - p = 0
 x = p ó lo que es lo mismo: x = cte.  recta paralela al eje “y”.
 Si  = 90º y p  0 (recordar que cos 90º = 0 y sen 90º = 1), se obtiene: y - p = 0  y = p, resultando una
recta paralela al eje coordenado “x”.
 Si  = 180º y p  0 (recordar que cos 180º = -1 y sen 180º = 0), tendremos: - x – p = 0  x = - p, Recta
paralela al eje coordenado “y”, ubicada a la izquierda del origen de coordenadas.
 Si  = 270º y p  0 (recordar que cos 270º = 0 y sen 270º = -1), resulta: - y – p = 0  y = - p, recta paralela
al eje “x”, ubicada por debajo del origen de coordenadas.
 Si p = 0, la recta pasa por el origen del sistema de coordenadas.
 Si  = 0º ó 180º y p = 0  x = 0 Ecuación del eje coordenado “y”.
 Si  = 90º ó 270º y p = 0  y = 0 Ecuación del eje coordenado “x”.
Distancia desde una Recta a un Punto en ℝ2

Supongamos que se quiera determinar la distancia desde la recta “𝑟̅ ” al punto P0(x0, y0) cuyas coordenadas se
conocen – (vamos a utilizar la misma figura del apartado anterior).
Por P0 trazamos la recta 𝑟̅0 , paralela a 𝑟̅ . Su ecuación será:
x cos  + y sen  - ( p + d ) = 0
Esta recta que es paralela a la recta “𝑟̅ ”, tiene el mismo ángulo  de su normal “𝑛̅” y si pasa por el punto P0,
las coordenadas de éste punto satisfacen su ecuación. Por lo tanto:
x0 cos  + y0 sen  - p - d = 0
y despejando “d” , resulta:
𝒅 = 𝒙𝟎 𝒄𝒐𝒔 𝝎 + 𝒚𝟎 𝒔𝒆𝒏 𝝎 − 𝒑 (𝟑𝟑)
Es decir que para encontrar la distancia desde una recta a un punto P0(x0, y0) basta con determinar el valor que
adquiere la ecuación de la recta, dada en su forma normal (32) para x = x0 e y = y0.
Se entiende por distancia, al valor absoluto de una dimensión (ya sea positiva o negativa) o al módulo de un
vector. El valor de “d” obtenido de la expresión (33)
d = x0 cos  + y0 sen  - p
puede resultar positivo o negativo.
Si se quiere interpretar el significado del signo correspondiente, diremos que cuando “d” es positivo, resulta
que el punto P0 y el origen del sistema de coordenadas se encuentran en distintos semiplanos respecto a la
recta dada; y cuando “d” es negativo se encuentran en el mismo semiplano.
Transformación de la ecuación General ó Implícita a la Forma Normal

Si la ecuación está dada en la forma general ó implícita: A x + B y + C = 0 y de acuerdo con la expresión
(30):
𝐴𝑥 + 𝐵𝑦 − (𝐴𝑥1 + 𝐵𝑦1 ) = 0
para obtener la ecuación normal, debemos dividir todo por el módulo del vector “𝑛̅” , o sea:
|𝑛̅| = |√𝐴2 + 𝐵2 |
entonces nos queda:
𝐴 𝐵 𝐶
𝑥+ 𝑦+ =0 (34)
|√𝐴2 + 𝐵2 | |√𝐴2 + 𝐵2 | |√𝐴2 + 𝐵2 |
que es la ecuación de transformación de la forma general ó implícita a la forma normal.
La expresión de: C = – (Ax1 + By1) comparada con: p = x1 cos  + y1 sen  , nos indica que “p” tiene signo
contrario de “C”.
101
Como “p” debe aparecer en la ecuación correspondiente con signo negativo, resulta que, si “C” es negativo,
para obtener la ecuación (32) se divide directamente la ecuación general ó implícita por el módulo de “𝑛̅”.
Si “C” es positivo, debemos hacer la misma división indicada, pero multiplicando luego todo por menos uno
(-1) para que el término “p” resulte negativo.
Ejemplo 8:
La ecuación de una recta es: 5x – 7y – 11 = 0 . Reducir su ecuación a la forma normal y hallar los valores de
“ p ” y de “ ”.
Solución:
En la ecuación dada es: A = 5 ; B = -7 y C = -11. El módulo del vector 𝑛̅ , será:
|𝑛̅| = ±√𝐴2 + 𝐵2 = ±√52 + (−7)2 = ±√25 + 49 = ±√74
Para determinar la forma normal de la ecuación dada en su modo general o implícita, vamos a dividir dicha
ecuación por el módulo del vector “𝑛̅” o sea en este caso por ±√74 , valor que tomaremos con el signo positivo
dado que el término independiente “c” de la ecuación propuesta es negativo, y tendremos entonces:
5 (−7) 11
𝑥+ 𝑦− =0
√74 √74 √74
que es la forma normal pedida; en donde
5 (−7) 11
cos 𝜔 = ; 𝑠𝑒𝑛 𝜔 = 𝑦 𝑝=
√74 √74 √74
Aquí podemos observar que el valor del coseno es positivo y el del seno es negativo, razón por la cual podemos
asegurar que el ángulo que la recta forma con el semieje positivo de las “x” está en el cuarto cuadrante, es
decir:
(−7)
𝑠𝑒𝑛 𝜔 74 −7 −7
tan 𝜔 = = √ ⇒ tan 𝜔 = ⇒ 𝜔 = 𝑎𝑟𝑐 tan ⇒ 𝜔 = 305°32′
cos 𝜔 5 5 5
√74
Ejemplo 9:
Calcule la distancia desde la recta: 3x – 4y + 5 = 0 al punto P(2; 1), utilizando la forma normal de la ecuación
de la recta. Analice además el signo de la distancia y explique el porqué del mismo.
Solución:
3𝑥 − 4𝑦 + 5 = 0 ⟹ |𝑛̅| = ±√𝑎2 + 𝑏2 = ±√32 + (−4)2 = ±√9 + 16 = ±√25 = ±5
Como el término independiente de la ecuación de la recta dada es positivo, tomo el valor de la normal del
vector “𝑛̅” con signo negativo o sea “𝑛̅ = - 5” y resulta:
3 4 5 3 4
𝑥− 𝑦+ =0 ⇒ − 𝑥+ 𝑦−1=0
−5 −5 −5 5 5
y reemplazando en ésta última ecuación los valores de “x” y de “y” por las coordenadas del punto “P”,
tendremos la distancia “d” buscada:
3 4 6 4 7
.2− .1 −1 = 𝑑 ⇒ − + −1 = 𝑑 ⇒ 𝑑 = −
−5 −5 5 5 5
el valor del signo de la distancia (-) indica que el punto P y el origen del sistema de coordenadas se encuentran
del mismo lado respecto a la recta estudiada, es decir, ambos están en el mismo semiplano respecto de la recta.
Rectas en ℝ3
En el plano, un par de rectas tiene 3 alternativas posibles en lo que se refiere a su posición relativa. Es decir,
las rectas pueden ser concurrentes (que se cortan en un punto), paralelas (no tienen ningún punto en común),
o coincidentes (los puntos de una recta coinciden con los de la otra, se trata en definitiva de la misma recta).
En el espacio, existe una cuarta posibilidad: que las rectas sean alabeadas.
102
¿Qué significado tiene que dos rectas sean alabeadas? En la vida cotidiana
nos encontramos con ejemplos de rectas alabeadas, sólo que no sabemos
que los son. Por ejemplo, los pasos peatonales en calles muy transitadas o
en autopistas se realizan a diferente nivel, dejando una altura mínima sobre
la calzada.
Podemos ver en la figura, que esos cruces peatonales son también rectas
que no tienen ningún punto de contacto con la recta que materializa la calle,
pero con una dirección diferente, siendo ejemplo de rectas alabeadas.
Distancia en ℝ3 entre un Punto y una Recta
z Dada la recta “𝑟̅ ” por un punto P1(x1, y1, z1) y una dirección
P0 definida por un vector “𝑎̅”. El problema es determinar la distancia
𝑟̅ entre el punto P0 y la recta “𝑟̅ ”. Para calcular la distancia “d” en
P1 φ d 𝑃1 𝑃0 y “𝑎̅”, llamando  el ángulo que hacen ambas
función de ̅̅̅̅̅̅
direcciones, debe aparecer la función sen  y a ésta la tenemos en
𝑎̅ A el módulo del producto vectorial de ambos vectores.
Por lo tanto:
y
x |̅̅̅̅̅̅
𝑃1 𝑃0 ∧ 𝑎̅| = |̅̅̅̅̅̅
𝑃1 𝑃0 |. |𝑎̅|𝑠𝑒𝑛 𝜑
Pero de esta última expresión podemos observar que el producto de:
|̅̅̅̅̅̅
𝑃1 𝑃0 | 𝑠𝑒𝑛 𝜑 = 𝑑
y reemplazando:
|̅̅̅̅̅̅
𝑃1 𝑃0 ∧ 𝑎̅|
|̅̅̅̅̅̅
𝑃1 𝑃0 ∧ 𝑎̅| = 𝑑. |𝑎̅| ⇒ 𝑑 =
|𝑎̅|
Distancia entre dos Rectas Paralelas en ℝ3
z Las dos rectas tienen la misma dirección definida
por el vector “𝑎̅”. Una de las rectas pasará por el
punto P1(x1, y1, z1) conocido y la otra recta
P2 pasará por el punto P2(x2, y2, z2), no
P1 perteneciente a la primera y también conocido.
A semejanza del caso anterior:
d
A |̅̅̅̅̅̅
𝑃1 𝑃2 ∧ 𝑎̅|
y 𝑑=
|𝑎̅|
𝑎̅
x
Distancia entre dos Rectas Alabeadas en ℝ3
Figura 1 Figura 2
En la figura 1, observamos que las rectas r y s son alabeadas, ya que no es posible determinar un plano que las
incluya. En cambio, las rectas p y s son coplanares.
Dos rectas son alabeadas si no existe un plano que las contenga simultáneamente.
Dadas dos rectas alabeadas 𝑟1 y 𝑟2 , existe una tercera recta 𝑟3 (ver figura 2), perpendicular a ambas de modo
tal que el segmento determinado en sus puntos de intersección es el de menor longitud con respecto a
cualquier otro segmento cuyo origen y extremo sean puntos de las rectas alabeadas.
103
̅̅̅
𝑎1
𝑎2
̅̅̅
Figura 3
Vemos, en la figura 3, que la recta 𝑟4 es perpendicular a las rectas 𝑟1 y 𝑟2 . Los puntos M, que pertenece a 𝑟1 y
el N que pertenece a 𝑟2 y ambos pertenecen a 𝑟4 , definen e segmento 𝑀𝑁 ̅̅̅̅̅ que es perpendicular a 𝑟1 y 𝑟2 ;
entonces este segmento nos da la menor longitud con respecto a cualquier otro segmento que se determine.
Este segmento es la mínima distancia entre las rectas alabeadas y debemos determinar su longitud.
𝐿𝑜𝑛𝑔 𝑀𝑁 ̅̅̅̅̅ = 𝐷𝑖𝑠𝑡 (𝑟1 ; 𝑟2 )
Pero los puntos M y N no son datos, entonces consideramos los puntos P1(x1, y1, z1) perteneciente a “𝑟1 ” y un
punto P2(x2, y2, z2) perteneciente a “𝑟2 ”, definiendo el vector ̅̅̅̅̅̅ 𝑃1 𝑃2 , y al proyectar ortogonalmente P1 sobre la
recta 𝑟3 , se obtiene el punto Q, tal que el segmento 𝑃1 𝑄 es paralelo y congruente con el segmento ̅̅̅̅̅
̅̅̅̅̅ 𝑀𝑁. Entonces
se tiene
𝐿𝑜𝑛𝑔 ̅̅̅̅̅
𝑀𝑁 = 𝐷𝑖𝑠𝑡 (𝑟1 ; 𝑟2 ) = 𝐿𝑜𝑛𝑔 ̅̅̅̅̅ 𝑃1 𝑄
A su vez, según los datos, se tiene el vector ̅̅̅ 𝑎1 fija la dirección de la recta 𝑟̅1 y el vector ̅̅̅ 𝑎2 indica la dirección
de la recta ̅̅̅.
𝒓𝟐 Efectuando el producto vectorial ̅̅̅ 𝑎1 ∧ ̅̅̅,
𝑎2 se obtiene un vector cuya dirección es paralela a la
̅̅̅̅̅
recta que contiene el segmento 𝑃1 𝑄 (ver figura 3).
Entonces, si proyectamos ortogonalmente el vector ̅̅̅̅̅̅ 𝑃1 𝑃2 sobre la dirección del vector ̅̅̅ 𝑎1 ∧ ̅̅̅,
𝑎2 generamos el
segmento ̅̅̅̅̅
𝑃1 𝑄, si el ángulo que se forma entre ̅̅̅̅̅̅
𝑃1 𝑃2 y ̅̅̅̅̅
𝑃2 𝑄 es φ, y haciendo el producto escalar ̅̅̅̅̅̅𝑃1 𝑃2 . ̅̅̅̅̅
𝑃2 𝑄, nos
queda:
̅̅̅̅̅̅
𝑃1 𝑃2 . ̅̅̅̅̅
𝑃1 𝑄 = |̅̅̅̅̅̅
𝑃1 𝑃2 | . |̅̅̅̅̅
𝑃1 𝑄| cos 𝜑
y como:
|̅̅̅̅̅̅
𝑃1 𝑃2 | . cos 𝜑 = ̅̅̅̅̅
𝑃1 𝑄 = 𝐷𝑖𝑠𝑡 (𝑟1 ; 𝑟2 ) = 𝑑
me quedaría entonces:
̅̅̅̅̅̅
𝑃1 𝑃2 . ̅̅̅̅̅
𝑃1 𝑄 = 𝑑 . |̅̅̅̅̅
𝑃1 𝑄 |
de donde, despejando el valor de “d”, resulta:
̅̅̅̅̅̅̅
𝑷𝟏 𝑷𝟐 . ̅̅̅̅̅
𝑷𝟏 𝑸
𝒅=
|̅̅̅̅̅
𝑷𝟏 𝑸|
Como
𝑎2 = |̅̅̅̅̅
𝑎1 ∧ ̅̅̅
̅̅̅ 𝑃1 𝑄|
Entonces
|(𝒂
̅̅̅𝟏 ∧ 𝒂 ̅̅̅̅̅̅̅
𝟐 . 𝑷𝟏 𝑷 𝟐 |
̅̅̅)
𝒅=
|(𝒂
̅̅̅𝟏 ∧ ̅̅̅)|
𝒂𝟐
Ejemplo 11:
𝑥−2 𝑦+3 𝑧−5
Dadas las rectas 𝑟̅1 = = = y 𝑟̅2 , cuyo vector dirección es: ̅̅̅
𝑎2 (- 4; 0; 5) y que pasa por el punto
1 −2 3
M (- 4; 5; 6); se pide calcular la distancia entre ambas rectas. Decir también si las rectas son paralelas o
alabeadas.
Solución:
La distancia pedida se calcula en función de la fórmula:
104
|(̅̅̅
𝑎1 ∧ ̅̅̅ ̅̅̅̅̅ |
𝑎2 ) . 𝑃𝑀
𝑑=
|(𝑎 𝑎2 |
̅̅̅1 ∧ ̅̅̅)
donde ̅̅̅
𝑎1 y ̅̅̅
𝑎2 son los vectores dirección de 𝑟̅1 y 𝑟̅2 respectivamente; P es el punto de coordenadas (2; -3; 5)
por donde pasa 𝑟̅1 y tiene como vector dirección ̅̅̅
𝑎1 (1; - 2; 3) y M (- 4; 5; 6) es el punto por donde pasa 𝑟̅2 .
̅̅̅̅̅
Habría que calcular el vector 𝑃𝑀 definido por los puntos “P” y “M”.
𝑥𝑀 − 𝑥𝑃 = −4 − 2 = −6
̅̅̅̅̅ 𝑦𝑀 − 𝑦𝑃 = 5 − (−3) = 8
𝑃𝑀
𝑧𝑀 − 𝑍𝑃 = 6 − 5 = 1
El numerador correspondiente a la expresión del cálculo de la distancia “d”, no es otra cosa que un producto
mixto de vectores (vectorial, escalar), mientras que el denominador de dicha expresión es un producto
vectorial; entonces aplicando la fórmula resulta:
1 −2 3
|−4 0 5|
|−96 + 60 − 40 − 8| |−84| |−84| 84
𝑑 = −6 8 1 = = = =
𝑖̅ 𝑗̅ 𝑘̅ |−10𝑖̅ − 17𝑗̅ − 8𝑘̅| √(−10)2 + (−17)2 + (−8)2 √453 21,284
| 1 −2 3|
−4 0 5
𝑑 = 3,95
Las rectas no son paralelas, pues sus vectores dirección no son iguales ni tampoco proporcionales.
105
PLANO
Introducción
Al observar nuestro entorno encontramos curvas y superficies semejantes a aquellos cuerpos que la geometría
analítica nos permite modelar por medio de ecuaciones. Estos cuerpos pueden ser un plano, una esfera, un
cilindro, una recta que resulta de la intersección de dos planos o una curva trazada al interceptarse dos
superficies.
Nos ocuparemos de estudiar los planos. Obtendremos su descripción analítica utilizando las operaciones entre
vectores estudiadas en la unidad 1.
En el estudio de la geometría analítica se emplean diversos sistemas de coordenadas, nosotros utilizaremos el
sistema de coordenadas rectangulares. Este sistema se construye con 3 planos mutuamente perpendiculares
que se denominan planos coordenados. Los planos coordenados se interceptan por pares, determinadas por 3
rectas denominadas ejes coordenados: abscisas (eje x), ordenadas (eje y) y cotas (eje z).
En función de los ejes coordenados, los planos coordenados se denominan plano xy, plano xz y plano yz. Los
ejes coordenados son ortogonales por pares e incidentes en un punto llamado origen de coordenadas, O (0,0,0).
A partir de O, es posible graduar los ejes con un sistema de coordenadas para determinar dos sentidos: positivo
y negativo. Cada terna de semiejes que se considere define una región del espacio, la cual se denomina octante.
De esta forma, queda establecido el sistema de coordenadas rectangulares para el espacio tridimensional;
resultando que cada punto de este espacio está caracterizado por una terna ordenada de números reales y
recíprocamente, cada terna ordenada de números reales caracteriza un punto del espacio, como muestra la
figura de la derecha.
Objetivos:
Esperamos que al finalizar la lectura comprensiva y activa de la presente sección, usted pueda:
 Obtener ecuaciones vectoriales y cartesianas del plano y representarlas gráficamente.
 Investigar la posición relativa de dos planos.
 Resolver los problemas de distancia y ángulos en el espacio tridimensional.
 Describir familias o haces de planos sujetos a una condición geométrica.
106
Ecuación Vectorial del Plano determinada por un Punto P1 y la dirección de su Normal
z Consideremos, relacionado con un espacio de tres

dimensiones (ℝ3), un plano π, en el que se
encuentran definidos un punto particular
P1(x1,y1,z1) y un punto genérico P(x, y, z).Entre
𝑛̅(𝐴, 𝐵, 𝐶) ambos puntos podemos definir un vector ̅̅̅̅̅̅ 𝑃1 𝑃.
Supongamos ahora la existencia de un vector, que
π 𝛾 P1(x1,y1,z1) parte del origen del sistema de coordenadas y es
perpendicular al plano. Dicho vector está
β identificado por 𝑛̅ y sus componentes son A, B y
P(x,y,z) α y C. La condición de perpendicularidad de los
vectores ̅̅̅̅̅̅
𝑃1 𝑃 𝑦 𝑛̅, determina la ecuación
vectorial del plano, a través del producto escalar,
x el cual debe ser igual a cero.
Siendo:
̅ . ̅̅̅̅̅̅
𝒏 𝑷𝟏 𝑷 = 𝟎 (𝟏)
𝑛̅ = 𝐴𝑖̅ + 𝐵𝑗̅ + 𝐶𝑘̅
Y
𝑃1 𝑃 = (𝑥 − 𝑥1 )𝑖̅ + (𝑦 − 𝑦1 )𝑗̅ + (𝑧 − 𝑧1 )𝑘̅
̅̅̅̅̅
la expresión (1) puede ser escrita como:
(𝐴𝑖̅ + 𝐵𝑗̅ + 𝐶𝑘̅ ). [(𝑥 − 𝑥1 )𝑖 ̅ + (𝑦 − 𝑦1 )𝑗̅ + (𝑧 − 𝑧1 )𝑘̅] = 0
y resolviendo el producto escalar indicado:
A (x – x1) + B (y – y1) + C (z – z1) = 0 ⇒ A x + B y + C z + ( -A x1 – B y1 – C z1) = 0
y haciendo:
-A x1 – B y1 – C z1 = D
resulta finalmente:
Ax+By+Cz+D=0 (2)
que es la ecuación cartesiana del plano, llamada forma general o implícita, en donde A, B y C son las
componentes del vector “𝑛̅”, es decir los números directores de su normal y que fijan su dirección.
A su vez, ,  y  son los ángulos que forma el vector “𝑛̅ ” con cada uno de los ejes coordenados, recibiendo
el nombre de “ángulos directores de la normal del plano”. Como consecuencia de ello: cos , cos  y cos 
son los cósenos directores de la normal “𝑛̅ ”.
Ejemplo 1:
Halle la ecuación del plano que pasa por el punto M(-2; -1; 5) y es perpendicular a la recta “ l ” determinada
por los puntos Q(2; -1; 2) y R(-3; 1; -2).
Solución:
La recta “l” tiene por números directores a la diferencia de las coordenadas homólogas de los puntos Q y R.
Como dicha recta es perpendicular al plano buscado, sus números directores constituyen, a su vez, la normal
del plano pedido.
Entonces una vez hallados dichos números directores, podremos confeccionar la ecuación del plano que pasa
por un punto M de coordenadas conocidas y tiene su normal “𝑛̅ ” definida.
Los números directores de la ecuación de la recta serán entonces:
l  [xQ – xR ; yQ – yR ; zQ – zR]  l [2 – (-3); -1 –1 ; 2 – (-2)]  l [5; -2; 4]
y de acuerdo a lo dicho, los números directores de la recta son los números directores de la normal del plano
 𝑛̅ [𝐴 , 𝐵 , 𝐶 ]  𝑛̅ [5 , −2 , 4]
Considerando ahora el punto M(-2; -1; 5) y un punto genérico P(x; y; z) podemos determinar el vector
̅̅̅̅̅  [ x-(-2); y-(-1); z-5]  (x+2; y+1; z-5)
𝑃𝑀
y con ambos vectores, 𝑃𝑀 y 𝑛̅ determinar la ecuación vectorial del plano, o sea: 𝑛̅. ̅̅̅̅̅
̅̅̅̅̅ 𝑃𝑀 = 0 y reemplazando
valores:
[5; -2; 4] . (x+2; y+1; z-5) = 0
107
y resolviendo, nos queda:
5 (x + 2) – 2 (y + 1) + 4 (z – 5) = 0  5x – 2y + 4z + 10 – 2 – 20 = 0 
5x – 2y + 4z – 12 = 0
que es la ecuación del plano pedido.
Posiciones relativas del plano respecto a los ejes y planos coordenados
Basándonos en la ecuación (2), es decir la expresión general o implícita: Ax+By+Cz+D=0, tendremos:
z  Si A = 0  B y + C z + D = 0 (3). Esto significa que cos  = 0 ó  = 90º
y la normal “𝑛̅” es perpendicular al eje “x”, lo cual implica que el plano
es paralelo al eje “x” ó lo que es lo mismo es perpendicular al plano
y coordenado “yz”. La ecuación (3) pasa a ser la traza del plano sobre el
plano coordenado “yz”.
x
z
 Si B = 0  A x + C z + D = 0 (4). Esto significa que  = 90º  cos = 0
y es “𝑛̅”  al eje “y”, lo que implica que el plano es paralelo al eje “y”; ó
y que el plano dado es perpendicular al plano coordenado “xz”. La ecuación
x (4) es la traza del plano sobre el plano coordenado “xz”.
z
 Si C = 0  A x + B y + D = 0 (5). Entonces es:  = 90º  cos  = 0  “𝑛
̅”
al eje “z”, lo que implica que el plano es paralelo al eje “z”; ó el plano
estudiado es perpendicular al plano coordenado “xy”. La ecuación (5) pasa a
y ser la traza del plano en estudio sobre el plano coordenado “xy”.
x
 Si D = 0  A x + B y + C z = 0 (6), ecuación que se verifica para x = 0; y = 0; z = 0, es decir que el plano
pasa por el origen del sistema de coordenadas.
z
 Si A = 0 y D = 0  B y + C z = 0 (7). Ecuación del plano que
pasa por el origen del sistema de coordenadas y contiene al eje “x”
(eje de la variable que falta) y es perpendicular al plano
y
coordenado “yz”
x
 Si B = 0 y D = 0  A x + C z = 0 (8). Ecuación del plano que z
pasa por el origen del sistema de coordenadas y contiene al eje “y”
(eje de la variable que falta) y es perpendicular al plano
coordenado “xz”. y
x
z
 Si C = 0 y D = 0  A x + B y = 0 (9). Ecuación del plano que
pasa por el origen del sistema de coordenadas y contiene al eje “z”
(eje de la variable que falta) y es perpendicular al plano y
coordenado “xy”.
x
z
 Si A = 0 y B = 0  C z + D = 0  z = - D/C = cte. (10), plano
paralelo al plano coordenado “xy”; es decir que es paralelo al
y
plano definido por las dos variables que faltan y perpendicular
al eje “z”
x
108
z
 Si B = 0 y C = 0  A x + D = 0  x = - D/A = cte. (11). Plano
paralelo al plano coordenado “yz”; es decir que es paralelo al plano
definido por las dos variables que faltan y perpendicular al eje “x”.
y
x z
 Si A = 0 y C = 0  B y + D = 0  y = - D/B = cte. (12). Plano

paralelo al plano coordenado “xz”; es decir que es paralelo al
plano definido por las dos variables que faltan y perpendicular al y
eje coordenado “y”.
x z
 Si A = 0 ; B = 0 y D = 0  C z = 0 y como C  0 , resulta z = 0
, es decir: z = 0 es la ecuación del plano coordenado “xy”. y
x
Haciendo un análisis similar, se llega a:
 Si B = 0 ; C = 0 y D = 0  A x = 0 y como A  0 , resulta x = 0 , es decir: x = 0 es la ecuación del
plano coordenado “yz”.
 Si A = 0 ; C = 0 y D = 0  B y = 0 y como B  0 , resulta y = 0 , es decir: y = 0 es la ecuación del
plano coordenado “xz”.
Ejemplo 2:
Hallar la ecuación del plano perpendicular al plano coordenado “xy” y que pasa por los puntos R(1; 5; -3) y
Q(-5; -4; 11).
Solución:
Como el plano buscado es perpendicular al plano coordenado “xy”, su ecuación es de la forma:
Ax + By + D = 0
y como éste plano debe pasar por los puntos “R” y “Q”, las coordenadas de dichos puntos deben satisfacer a
la ecuación del plano; entonces tendremos:
1A + 5B + D = 0
- 5A - 4B + D = 0
La solución de este sistema (por cualquiera de los métodos conocidos) para “A” y “B” en términos de “D”,
resulta:
3 2
𝐴= 𝐷 ; 𝐵= 𝐷
7 7
y sustituyendo estos valores en la ecuación Ax + By + D = 0 y dividiendo todo por “D”, tendremos:
3 2 3 2
𝐷𝑥 − 𝐷𝑦 + 𝐷 = 0 ⟹ 𝑥− 𝑦+1=0
7 7 7 7
y multiplicando todo por “7” para eliminar denominadores, nos queda finalmente:
3𝑥 − 2𝑦 + 7 = 0
Forma Segmentaría de la Ecuación del Plano
Si en la ecuación general implícita del plano: Ax + By + Cz + D = 0 , son A  0 ; B  0; C  0 y D  0, significa
que tenemos un plano ubicado en cualquier posición en el espacio. A continuación haremos un análisis de
donde intercepta el plano a los ejes coordenados:
z
 Si: y = 0  z = 0  Ax + D = 0  x = - D/A = a (11) 
S(0 , 0 ,c)
punto M(a, 0, 0)
 Si: x = 0  z = 0  By + D = 0  y = - D/B = b (12) 
R (0 , b , 0) y
punto R(0, b, 0)
x M (a , 0 ,0)
 Si: x = 0  y = 0  Cz + D = 0  z = - D/C = c (10) 
punto S(0, 0, c) 109
Volviendo a la ecuación general implícita: Ax + By + Cz + D = 0 y dividiendo ambos miembros por - D, se
tiene:
𝐴 𝐵 𝐶 𝐷
𝑥+ 𝑦+ 𝑧+ =0
−𝐷 −𝐷 −𝐷 𝐷
operando
𝑥 𝑦 𝑧
+ + −1 =0
−𝐷 −𝐷 −𝐷
𝐴 𝐵 𝐶
y sustituyendo (10), (11), y (12) y pasando el término independiente al otro miembro, se tiene:
𝑥 𝑦 𝑧
+ + =1 (13)
𝑎 𝑏 𝑐
llamada Ecuación Segmentaría
La ecuación segmentaría del plano, recibe este nombre porque se encuentran explicitados los valores a, b y c,
que son las distancias desde el origen del sistema de coordenadas a las intersecciones del plano con cada uno
de los ejes coordenados, o sea es la medida de los segmentos correspondientes.
Ejemplo 3:
Dado el plano de ecuación: x + 2y + 2z – 4 = 0 ; se pide hallar la ecuación segmentaría del mismo. Representar
gráficamente.
Solución:
Considerando la ecuación del plano dado x + 2y + 2z – 4 = 0 , en la cual pasamos al segundo miembro el
término independiente del mismo  x + 2y + 2z = 4 y dividiendo todo por “ 4 ”, resulta:
𝑥 2𝑦 2𝑧 4 𝑥 𝑦 𝑧
+ + = 𝑦 𝑜𝑝𝑒𝑟𝑎𝑛𝑑𝑜 + + =1
4 4 4 4 4 4 4
1 2 2
de donde resulta z
𝑥 𝑦 𝑧
+ +
4 2 2 2
Este plano corta al eje coordenado “x” en el punto (4; 0; 0);
al eje coordenado “y” en el punto (0; 2; 0) y al eje coordenado
“z” en el punto (0; 0; 2); es decir los denominadores de dicha
ecuación son los segmentos que el plano determina sobre los 2 y
respectivos ejes coordenados. 4
x
Ángulo de dos Planos
Dados los planos 1 y 2 de ecuaciones:
𝐴1 𝑥 + 𝐵1 𝑦 + 𝐶1 𝑧 + 𝐷1 = 0
𝐴2 𝑥 + 𝐵2 𝑦 + 𝐶2 𝑧 + 𝐷2 = 0
Sabemos que, en la ecuación vectorial del plano, el vector normal

al mismo está determinado por los coeficientes de las respectivas Π1
variables de las ecuaciones de los planos, o sea, en el caso de ̅̅̅
𝑛1 φ
(A1; B1; C1) y en el caso de: ̅̅̅
𝑛2 (A2, B2, C2). El ángulo que forman 𝑛1
̅̅̅
dichos planos es el mismo que hacen las normales a ambos planos
y lo podemos obtener como si se tratara de dos vectores, es decir φ 𝑛2
̅̅̅
por medio del producto escalar Π2
̅̅̅1 . ̅̅̅
𝑛 𝑛2
𝑛2 = |̅̅̅
𝑛1 . ̅̅̅
̅̅̅ 𝑛1 |. |̅̅̅
𝑛2 | cos 𝜑 ⟹ cos 𝜑 =
|̅̅̅
𝑛1 |. |̅̅̅
𝑛2 |
o sea:
𝐴1 𝐴2 + 𝐵1 𝐵2 + 𝐶1 𝐶2
cos 𝜑 = (14)
2 2 2 2 2 2
√𝐴1 + 𝐵1 + 𝐶1 . √𝐴2 + 𝐵2 + 𝐶2
110
Ejemplo 4:
Hallar el ángulo formado por el plano: 5x + 4y – z + 8 = 0 y el plano coordenado “xy”.
Solución:
El cálculo del ángulo entre dos planos se realiza considerando el ángulo que hacen sus respectivas normales.
El mismo se mide utilizando el producto escalar entre vectores.
𝑃𝑙𝑎𝑛𝑜: 5𝑥 + 4𝑦 − 𝑧 + 8 = 0 ⟹ ̅̅̅ 𝑛1 (5,4, −1)
⟹ ̅̅̅ 𝑛2 = |̅̅̅
𝑛1 . ̅̅̅ 𝑛1 |. |̅̅̅
𝑛2 | cos 𝜑
𝑃𝑙𝑎𝑛𝑜 𝑐𝑜𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑜 "xy" ⟹ ̅̅̅ 𝑛2 (0,0,1)
𝑛1 . ̅̅̅
̅̅̅ 𝑛2 𝑛1 . ̅̅̅
̅̅̅ 𝑛2 5 . 0 + 4 . 0 + (−1). 1 −1
cos 𝜑 = ⟹ 𝜑 = 𝑎𝑟𝑐 cos = = 𝑎𝑟𝑐 cos
|̅̅̅
𝑛1 |. |̅̅̅
𝑛2 | |̅̅̅
𝑛1 |. |̅̅̅
𝑛2 | √52 + 42 + (−1)2 √12 √42
𝜑 = 81°7′
Condición de Perpendicularidad
Si los planos 1 y 2 son perpendiculares, implica que el ángulo que Π1
hacen ambos es igual a 90º   = 90º o sea que cos  = 0. En este 𝑛1
̅̅̅
caso, de la expresión (14), se tiene:
A1A2 + B1B2 + C1C2 = 0 (15) Π2
̅̅̅
𝑛2
Condición de Paralelismo
Si los planos 1 y 2 son paralelos, significa que sus vectores normales
𝑛1 𝑦 ̅̅̅
̅̅̅ 𝑛2 también lo son. De acuerdo a lo que sabemos de vectores, 𝑛̅
podemos expresar a uno de ellos como combinación lineal del otro, o
sea: Π2
𝑛1 = 𝜆𝑛
̅̅̅ ̅̅̅1 ⟹ 𝐴1 𝑖̅ + 𝐵1 𝑗̅ + 𝐶1 𝑘̅ = 𝜆(𝐴1 𝑖̅ + 𝐵1 𝑗̅ + 𝐶1 𝑘̅) ⟹
𝐴1 𝑖̅ + 𝐵1 𝑗̅ + 𝐶1 𝑘̅ = 𝜆𝐴1 𝑖̅ + 𝜆𝐵1 𝑗̅ + 𝜆𝐶1 𝑘̅
y si existe igualdad de dos vectores, deberán ser iguales las Π1
componentes homólogas:
A1 =  A2
𝐴1 𝐵 𝐶
B1 =  B2  = 1 = 1 (16)
𝐴2 𝐵2 𝐶2
C1 =  C2
Ángulo entre una Recta y un Plano
Dada una recta 𝑟̅ en donde están explicitados sus números 𝑛̅
directores 𝑟̅ (a, b, c) y un plano  de ecuación Ax + By + Cz + 𝑟̅
D = 0 , (el cual está dado por un punto P1 y la dirección de su α
φ
normal 𝑛̅ (A, B, C)); el ángulo  que hace la recta 𝑟̅ con el plano
 , es el que forma con su proyección ortogonal sobre el plano
π
Los datos disponibles permiten calcular . Tener presente que 
es complemento de   (cos  = sen ).
Razonando en forma similar al caso anterior, se llega a que:
𝐴𝑎 + 𝐵𝑏 + 𝐶𝑐
cos 𝛼 = 𝑠𝑒𝑛 𝜑 = (17)
√𝐴2 + 𝐵2 + 𝐶 2 . √𝑎2 + 𝑏2 + 𝑐 2
Ejemplo 5:
𝑥+2 𝑦 𝑧−4
Hallar el ángulo que forman la recta “𝑟̅ ”: = = y el plano “  ”: 2x + 3y – z + 11 = 0
3 −1 2
Solución:
La recta tiene como vector dirección: 𝑎̅ (3; -1; 2) y el plano tiene como normal 𝑛̅ (2; 3; -1). Aplicando el
producto escalar entre el vector “𝑎̅ ” de la recta y la normal “𝑛̅ ” del plano , y recordando que los ángulos
“” y “φ” son complementarios, tendremos:
111
𝐴𝑎 + 𝐵𝑏 + 𝐶𝑐 𝐴𝑎 + 𝐵𝑏 + 𝐶𝑐
cos 𝛼 = 𝑠𝑒𝑛 𝜑 = ⟹ 𝜑 = 𝑎𝑟𝑐 𝑠𝑒𝑛
√𝐴2 + 𝐵2 + 𝐶 2 . √𝑎2 + 𝑏2 + 𝑐 2 √𝐴2 + 𝐵2 + 𝐶 2 . √𝑎2 + 𝑏2 + 𝑐 2
2 . 3 + 3 . (−1) + (−1). 2
𝜑 = 𝑎𝑟𝑐 𝑠𝑒𝑛 = 𝑎𝑟𝑐 𝑠𝑒𝑛 0,0714
√22 + 32 + (−1)2 . √32 + (−1)2 + 22
𝜑 = 4°6′
Ecuación Vectorial del Plano determinado por tres puntos
z Sabemos que por tres puntos no alineados pasa un plano y
sólo uno, y que por lo tanto se necesitan tres condiciones
P1 P para definirlo. Así el plano  queda definido por los puntos
P2 P1, P2 y P3. Supongamos que existen entonces estos tres
π P3 puntos y además, como en todos los casos, el punto
genérico “P” de coordenadas x, y, z. Podemos formar los
y
tres vectores indicados: ̅̅̅̅̅
𝑃1 𝑃 , ̅̅̅̅̅̅
𝑃1 𝑃2 , ̅̅̅̅̅̅
𝑃1 𝑃3 y teniendo en
cuenta lo ya visto para vectores, “que si tres vectores son
x coplanares, el producto mixto es nulo”, debe cumplirse que:
̅̅̅̅̅
𝑃1 𝑃 . (̅̅̅̅̅̅
𝑃1 𝑃2 𝑥 ̅̅̅̅̅̅
𝑃1 𝑃3 ) = 0
y esta última expresión no es otra cosa que la ecuación vectorial del plano que pasa por tres puntos.
Como el resultado del producto vectorial: ̅̅̅̅̅̅
𝑃1 𝑃2 𝑥 ̅̅̅̅̅̅
𝑃1 𝑃3 es igual a 𝑛̅, es decir un vector perpendicular al plano
determinado por dichos dos vectores, y como estos pertenecen al plano por construcción, es decir “𝑛̅” resulta
perpendicular al plano  , entonces el producto escalar de:
̅̅̅̅̅
𝑃1𝑃 . 𝑛̅ = 0
es la ecuación del plano ya vista anteriormente, es decir, es la ecuación vectorial del plano determinado por
un punto y la dirección de su normal.
Estando los puntos: P, P1, P2 y P3 definidos por sus coordenadas: P(x,y,z); P1(x1,y1,z1); P2(x2,y2,z2); P3(x3,y3,z3)
resulta que el producto mixto lo podemos expresar entonces, en función de las componentes de los vectores
como:
𝑥 − 𝑥1 𝑦 − 𝑦1 𝑧 − 𝑧1
̅̅̅̅̅ ̅̅̅̅̅̅ ̅̅̅̅̅̅
𝑃1 𝑃 . (𝑃1 𝑃2 𝑥 𝑃1 𝑃3 ) = | 2 − 𝑥1 𝑦2 − 𝑦1 𝑧2 − 𝑧1 | = 0
𝑥
𝑥2 − 𝑥1 𝑦3 − 𝑦1 𝑧3 − 𝑧1
Este determinante igualado a cero pasa a ser la ecuación cartesiana del plano determinado por tres puntos.
Ejemplo 6:
Hallar la ecuación del plano determinado por los puntos: P1(3; -1; 2) ; P2(1; -1; 4); y ; P3(-2; 0; 5).
Solución:
Considerando un punto “P” genérico, de coordenadas (x,y,z) y los puntos dados, podemos formar los
siguientes vectores:
𝑃1 𝑃 = (x-3) 𝑖̅ + (y+1) 𝑗̅ + (z-2) 𝑘̅
̅̅̅̅̅
𝑃1 𝑃2 = (1-3) 𝑖̅ + (-1+1) 𝑗̅ + (4-2) 𝑘̅ = -2 𝑖̅ + 0 𝑗̅ + 2 𝑘̅
̅̅̅̅̅̅
𝑃1 𝑃3 = (-2-3) 𝑖̅ + (0+1) 𝑗̅ + (5-2) 𝑘̅ = -5 𝑖̅ + 1 𝑗̅ + 3 𝑘̅
̅̅̅̅̅̅
Lo cual permite expresar el producto mixto como:
𝑥−3 𝑦+1 𝑧−2
̅̅̅̅̅ ̅̅̅̅̅̅ ̅̅̅̅̅̅
𝑃1 𝑃 . (𝑃1 𝑃2 𝑥 𝑃1 𝑃3 ) = | −2 0 2 |=0
−5 1 3
el cual podemos desarrollar por los elementos de la primera fila o también por Sarrus, tendremos:
=(x-3)(-2) – (y+1)(-6+10) + (z-2)(-2)=-2x + 6 – 4y – 4 – 2z + 4 =-2x - 4y - 2z + 6 = 0  2x + 4y+2z – 6= 0
ó su equivalente que es:
x + 2y + z – 3 = 0
112
Familia o Haz de Planos
Según lo ya visto, un plano cualquiera Ax + By + Cz + D = 0 queda definido mediante tres condiciones. No
obstante tener cuatro parámetros, siempre es posible la división por uno cualquiera de ellos tal como el caso
de la obtención de la forma segmentaría. El plano que satisfaga menos de tres condiciones no está determinado,
no es único, y se dice en tal caso que representa una familia de planos.
Familia o Haz de Planos Paralelos
La constituye una ecuación del tipo:
Ax + By + Cz + K = 0
en donde el parámetro “K” puede adquirir todos los valores reales. La ecuación representa a la familia de
planos que son paralelos al plano dado por mantenerse constantes las componentes del vector normal al plano
[𝑛̅ (A, B, C)]; o dicho de otra forma, para cada valor de “K” se tiene un plano paralelo al dado por cuanto la
normal es la misma para todos.
Familia o Haz de Planos que pasan por un punto
Partiendo de la ecuación general implícita del plano definida por un punto P 1 de coordenadas (x1; y1; z1) y una
dirección normal al mismo [𝑛̅ (A, B, C)], se tiene:
A(x-x1) + B(y-y1) + C(z-z1) = 0
y suponiendo que permanece fija la posición de P1 y que varían los parámetros A, B y C, los que en tal caso,
pueden adquirir el valor de cualquier número real.
Entonces podemos escribir:
K1(x-x1) + K2(y-y1) + K3(z-z1) = 0
Esta ecuación representa lo que se llama una radiación de planos, teniendo el punto P1 como vértice de la
radiación, debiendo cumplirse que no más de dos de los parámetros sean simultáneamente ceros.
Familia de Planos que pasan por la intersección de otros dos (Planos concurrentes en una recta).
Dados los planos:
A1x + B1 y + C1z + D1 = 0 (18)
A2x + B2 y + C2z + D2 = 0 (19)
que cumplen la condición de no ser paralelos, es decir que: A1/A2  B1/B2 o que B1/B2  C1/C2 , o que C1/C2
 A1/A2 ; dichos planos se cortan según una recta y por lo tanto, cualquier punto que satisfaga simultáneamente
las ecuaciones (18) y (19) está sobre la recta de intersección. Es evidente que las coordenadas de dichos puntos
satisfacen también la ecuación:
A1x + B1y + C1z + D1 + k(A2x + B2 y + C2z + D2) = 0 (20)
Donde el escalar “k”, puede tomar cualquier valor real distinto de cero.
La ecuación (20) que es combinación lineal de las ecuaciones de los dos planos constituye lo que se llama
ecuación del haz de planos y la recta común recibe el nombre de eje o arista del haz.
Las ecuaciones de los dos planos constituyen un sistema de ecuaciones lineales con tres incógnitas que para
el caso planteado, es un sistema compatible indeterminado y las infinitas soluciones constituyen los infinitos
planos que pasan por la arista del haz.
Como consecuencia decimos que dos planos no paralelos definen una línea recta en el espacio de tres
dimensiones. De tal manera las ecuaciones de los planos son las llamadas ecuaciones de la recta dada por la
intersección de dos planos.
Ejemplo 7:
Hallar la ecuación del plano que pasa por el punto P(2; 5; -1) y por la recta intersección de los planos 1: 4x –
y – 2z – 8 = 0 y 2: 3x – y + 4z – 4 = 0 , utilizando familia de planos.
Solución:
La familia de planos definida por 1 y 2 es de la forma: 1 +2 = 0 y con los datos aportados resulta:
4x – y – 2z – 8 +  (3x – y + 4z – 4) = 0 (1)
113
y como el plano buscado debe pasar por el punto P(2; 5; -1), las coordenadas de dicho punto deben verificar
la ecuación pedida y que pertenece a la familia; entonces:
[4 . 2 – 1 . 5 – 2 . (-1) – 8] +  [3 . 2 – 1 . 5 + 4 . (-1) – 4] = 0
3
(8 – 5 + 2 – 8) +  (6 – 5 – 4 – 4) = 0  - 3 +  (-7) = 0  -7  - 3 = 0  -7 = 3   =−
7
y sustituyendo el valor de “” en la ecuación (1), tendremos:
3 9 3 12 12
(4𝑥 − 𝑦 − 2𝑧 − 8) + (− ) (3𝑥 − 𝑦 + 4𝑧 − 4 = 0 ⟹ 4𝑥 − 𝑥 − 𝑦 + 𝑦 − 2𝑧 − 𝑧 − 8 + =0
7 7 7 7 7
19 4 26 44
𝑥− 𝑦− 𝑧− =0
7 7 7 7
y multiplicando todo por “7” , resulta finalmente:
19𝑥 − 4𝑦 − 26𝑧 − 44 = 0
Ecuaciones Reducidas de la Línea Recta en ℝ 3
z
Hemos visto que dos planos no paralelos determinan,
una recta en el espacio. Si un plano que contiene a esta
π1 recta es paralelo a alguno de los ejes coordenados la
ecuación de dicho plano proyectante se transforma de
esta manera en la traza del mismo y por ende ha
y proyectado la recta. Esta ecuación reducida del plano
π2 proyectante es una de las ecuaciones reducidas de la
x recta definida por la intersección de dos planos en el
espacio de tres dimensiones.
Por ejemplo, si el plano que contiene a la recta resultado de la intersección de los planos 1 y 2 es paralelo al
eje coordenado “z”, o sea es perpendicular al plano coordenado “xy”, el ángulo que hace la normal al plano
con el eje “z” es igual a 90º  cos 90º = 0 y esto nos dice que el número director “C” es igual a cero (C = 0)
ó lo que es lo mismo, la componente del vector normal al plano según “z” es cero.
La ecuación del plano proyectante
𝐴3 𝑥 + 𝐵3 𝑦 + 𝐶3 𝑧 + 𝐷3 = 0
se transforma en :
𝐴3 𝑥 + 𝐵3 𝑦 + 𝐷3 = 0 (21)
que es la ecuación de la traza o intersección del plano proyectante con el plano coordenado “xy”.
En forma similar, el plano proyectante paralelo al eje “y”, tendrá como ecuación:
𝐴4 𝑥 + 𝐶4 𝑧 + 𝐷4 = 0 (22)
perpendicular al plano coordenado “xz”; y si fuera el plano proyectante paralelo al eje “x”, sería:
𝐵5 𝑦 + 𝐶5 𝑧 + 𝐷5 = 0 (23)
que es perpendicular al plano coordenado “yz”.
Las ecuaciones (21), (22) y (23) son las llamadas ecuaciones reducidas de la línea recta en el espacio
tridimensional (R3) de las que dos de ellas son suficientes para definirla.
Ejemplo 8:
Dados los planos no paralelos:
7x + 6y – 7z – 14 = 0
x + y – 2z + 1 = 0
Determinar:
1) Las ecuaciones reducidas de la línea recta intersección de dichos planos;
2) Las coordenadas de los puntos de intersección de la recta con los planos coordenados;
3) Forma simétrica de la ecuación de esa recta.
Solución:
1) Sabemos que el haz de planos que pasan por la recta intersección de ambos planos es:
7x + 6y – 7z – 14 +  ( x + y – 2z + 1) = 0
114
desarrollando y agrupando:
7x + 6y – 7z – 14 + x + y – 2z +  = 0
(7 + ) x + (6 + ) y – (7 + 2) z – 14 +  = 0
La ecuación del plano proyectante paralelo al eje coordenado “z” la obtenemos haciendo el término de “z” de
la ecuación general igual a cero, o sea:
7
(7 + 2 ) = 0  𝜆=−
2
el cual reemplazo en la ecuación combinación lineal y resulta:
7 7 7 7 5 35
(7 − ) 𝑥 + (6 − ) 𝑦 − 14 − = 0 ⟹ 𝑥+ 𝑦− =0
2 2 2 2 2 2
7x + 5y – 35 = 0
Haciendo ahora el coeficiente del término en “y” igual a cero, tendremos la ecuación del plano proyectante
paralelo al eje coordenado “y”, y será entonces:
6+=0 =-6
y reemplazando, resulta:
(7 – 6) x – [7 + 2(-6)] z – 14 – 6 = 0 
1x + 5z – 20 = 0
y finalmente, anulando el coeficiente del término en “x”, resulta la ecuación del plano proyectante paralelo al
eje “x”:
7+=0 =-7
y reemplazando es:
(6 – 7) y – [7 + 2(-7)] z – 14 – 7 = 0 
- 1y + 7z – 21 = 0  y – 7z + 21 = 0
2) Para obtener las coordenadas de los puntos de intersección de la recta con los planos coordenados,
resolvemos el sistema formado por las dos ecuaciones de los planos dados, cuya intersección determina la
recta en cuestión, o sea:
7𝑥 + 6𝑦 − 7𝑧 − 14 = 0
𝑥 + 𝑦 − 2𝑧 + 1 = 0
haciendo previamente cero alguna de las variables para así hallar la intersección sobre el plano delimitado o
definido por las otras dos.
Vamos a comenzar resolviendo el sistema anulando primeramente la variable “y”; tendremos entonces:
7𝑥 − 7𝑧 − 14 = 0
𝑠𝑖 𝑦 = 0 ⟹
𝑥 − 2𝑧 + 1 = 0
Resolviendo por Cramer, nos da:
x=5 ; z=3
El punto P1(5, 0, 3) es el punto de intersección de la recta con el plano coordenado “xz”.

Haciendo ahora:
6𝑦 − 7𝑧 = 14
𝑠𝑖 𝑥 = 0 ⟹ 𝑑𝑒 𝑑𝑜𝑛𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎 𝑦 = 7 ; 𝑧 = 4
𝑦 − 2𝑧 = 1
El punto P2 (0; 7; 4) es la intersección de la recta con el plano coordenado “yz”.

y finalmente haciendo ahora:
7𝑥 + 6𝑦 = 14
𝑠𝑖 𝑧 = 0 ⟹ 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑞𝑢𝑒 𝑟𝑒𝑠𝑢𝑒𝑙𝑡𝑜 𝑛𝑜𝑠 𝑞𝑢𝑒𝑑𝑎 𝑥 = 20 ; 𝑦 = −21
𝑥 + 𝑦 = −1
El punto buscado es en este caso: P3(20; -21; 0) que es la intersección de la recta con el plano coordenado
“xy”.
115
3) Utilizando, por ejemplo, los puntos P1 y P2 formaremos las ecuaciones simétricas de la recta en el espacio
ℝ3:
𝑥 − 𝑥1 𝑦 − 𝑦1 𝑧 − 𝑧1 𝑥−5 𝑦−0 𝑧−3 𝑥−5 𝑦 𝑧−3
= = ⟹ = = ⟹ = =
𝑥2 − 𝑥1 𝑦2 − 𝑦1 𝑧2 − 𝑧1 0−5 7−0 4−3 −5 7 1
Ecuación Normal o Hessiana del Plano

z Esta forma de la ecuación es interesante, pues permite
calcular la distancia desde un punto. Consideremos para ello
𝑛̅ un plano determinado por el punto P1(x1; y1 ; z1) y la
dirección de su normal 𝑛̅ (A, B, C). Supongamos que a este
p P1(x1,y1,z1) vector normal lo trasladamos al origen de sistema de
•P(x,y,z) φ coordenadas. La unión del punto P1 con el punto genérico P
O y determina un vector ̅̅̅̅̅
𝑃1 𝑃, de tal manera que la condición de
perpendicularidad:
x
̅̅̅̅̅
𝑛̅ . 𝑃 1𝑃 = 0
determina la ecuación vectorial del plano ya vista al comienzo del tema referido a plano.
Del desarrollo del producto escalar llegamos a la ecuación:
A (x–x1) + B (y-y1) + C (z-z1)=0
Si dividimos esta última ecuación por el módulo del vector “𝑛̅”, tenemos:
𝐴 𝐵 𝐵
(𝑥 − 𝑥1 ) + (𝑦 − 𝑦1 ) + (𝑧 − 𝑧1 ) = 0
|𝑛̅| |𝑛̅| |𝑛̅|
observando la figura, vemos que:
𝐴 𝐵 𝐶
= cos 𝛼 ; = cos 𝛽 ; = cos 𝛾
|𝑛̅| |𝑛̅| |𝑛̅|
y reemplazando estos valores en la ecuación, resulta:
(x – x1) cos  + (y – y1) cos  + (z – z1) cos  = 0
y resolviendo los paréntesis y agrupando, nos queda:
x cos  + y cos  + z cos  - ( x1 cos  + y1 cos  + z1 cos  ) = 0 (25)
̅
Recordemos que: 𝑛̅ = A 𝑖̅ + B 𝑗̅ + C 𝑘; y si a este vector lo dividimos por el módulo de él mismo, obtenemos
un vector de módulo unitario o versor, normal al plano:
𝑛̅ 𝐴 𝐵 𝐶
= 𝑖̅ + 𝑗̅ + 𝑘̅ = 𝑖̅ cos 𝛼 + 𝑗̅ cos 𝛽 + 𝑘̅ cos 𝛾
|𝑛̅| |𝑛̅| |𝑛̅| |𝑛̅|
Podemos observar aquí que las componentes del vector unitario normal al plano son los cosenos directores
de ese vector.
Teniendo en cuenta que el vector:
𝑂𝑃1 = 𝑥1 𝑖̅ + 𝑦1 𝑗̅ + 𝑧1 𝑘̅
̅̅̅̅̅
y que el producto escalar de:
𝑛̅ 𝑛̅
̅̅̅̅̅
𝑂𝑃1 . = |̅̅̅̅̅
𝑂𝑃1 | . | | cos 𝜑
|𝑛̅| |𝑛̅|
y como:
𝑛̅
| |=1
|𝑛̅|
resulta:
𝑛̅
̅̅̅̅̅ 𝑂𝑃1 | 𝑐𝑜𝑠𝜑 = (𝑥1 𝑖̅ + 𝑦1 𝑗̅ + 𝑧1 𝑘̅)(𝑖̅ 𝑐𝑜𝑠 𝛼 + 𝑗̅ cos 𝛽 + 𝑘̅ cos 𝛾) = 𝑥1 cos 𝛼 + 𝑦1 cos 𝛽 + +𝑧1 cos 𝛾 = 𝑝
𝑂𝑃1 . |𝑛̅| = |̅̅̅̅̅
Vemos que “p” es la proyección del vector posición de cualquier punto del plano sobre la normal al mismo y
que pasa por el origen del sistema de coordenadas, es decir, se trata de la distancia desde el origen al plano.
Finalmente, la ecuación (25) que estábamos desarrollando queda:
116
x cos  + y cos  + z cos  - p = 0
que es la forma normal o hessiana del plano.
El sentido del vector normal se elige de modo que “p” resulte positivo. Por convención el sentido es desde el
origen del sistema de coordenadas hacia el plano.
Recordando que la ecuación del plano definido por un punto P 1(x1, y1, z1) y su normal 𝑛̅ (A, B, C), es:
A (x-x1) + B (y-y1) + C (z-z1) = 0
y si a dicha ecuación la dividimos por el módulo de la normal, resulta:
𝐴 𝐵 𝐵
(𝑥 − 𝑥1 ) + (𝑦 − 𝑦1 ) + (𝑧 − 𝑧1 ) = 0
|𝑛̅| |𝑛̅| |𝑛̅|
y como conclusión podemos escribir:
𝑛̅
. ̅̅̅̅̅
𝑃𝑃=0
|𝑛̅| 1
que es la ecuación vectorial hessiana del plano dada por un punto y la dirección de su normal.
Ejemplo 9:
Determinar la forma normal de la ecuación del plano, que es paralelo al plano de ecuación:
4 x + y – 8 z + 11 = 0
y que pasa por el punto M(3; -2; -1).
Solución:
El plano buscado es paralelo al plano 4x + y – 8z + 11 = 0 y por lo tanto tendrá su misma normal 𝑛̅ (4; 1; -8).
Debo entonces confeccionar la ecuación de un plano que tiene una normal “𝑛̅” y que pasa por el punto “M”.
Dicha ecuación es de la forma: 𝑛̅ . ̅̅̅̅̅
𝑃𝑀 = 0, donde “P” es un punto genérico de coordenadas (x, y, z); entonces
dicha expresión puede ser escrita como:
[4; 1; -8] . [(x - 3); (y + 2) ; (z + 1)] = 0
de donde resulta:
4 (x – 3) + 1 (y + 2) – 8 (z + 1) = 0  4x + 1y – 8z – 12 + 2 – 8 = 0
obteniendo entonces, la ecuación general del plano:
4x + 1y – 8z – 18 = 0 (1)
Para obtener la forma normal del plano (x cos + y cos + z cos - p =0), debemos dividir la ecuación (1) por
el módulo del vector normal de dicho plano, es decir por
|𝑛̅| = ±√𝐴2 + 𝐵2 + 𝐶 2 = ±√42 + 12 + (−8)2 = ±9
del cual tomaremos el valor + 9 dado que el término independiente de la ecuación del plano es negativo (-D);
y entonces resulta:
4 1 8 18 4 1 8
𝑥+ 𝑦− 𝑧− =0 ⟹ 𝑥+ 𝑦− 𝑧−2=0
9 9 9 9 9 9 9
4 1 8
que es la ecuación normal del plano, donde cos  está representado por ; el cos  por y el cos  por − .
9 9 9
Distancia desde un Plano a un Punto

z Supongamos dado el plano 1 y que el mismo está expresado
𝑛̅ a través de su ecuación normal, o sea:
x cos + y cos  + z cos  - p = 0 .
Ahora consideremos el punto P0(x0, y0, z0) y cuya distancia
π2
“d” a ese plano se quiere determinar. Vamos a suponer para
ello, la existencia de un segundo plano 2 paralelo al primero
π1 p d P0(x0,y0,z0) (o sea a 1) y que pasa por el punto P0.
El mismo tendrá como ecuación:
x cos + y cos  + z cos  - (p + d) = 0
es decir que como se trata de planos paralelos, los mismos
tendrán la misma normal, los mismos números directores,
117
los mismos ángulos directores y por ende los mismos cosenos directores, pero con una distancia desde el
origen del sistema de coordenadas distinta a la del plano 1 y que en este caso vale:
p+d.
Como el punto P0 pertenece a este segundo plano, sus coordenadas deben satisfacer a la última ecuación; o
sea:
x0 cos + y0 cos  + z0 cos  - (p + d) = 0
y despejando “d” tendremos:
d = x0 cos + y0 cos  + z0 cos  - p
que es la distancia del punto P0 al plano 1, es decir es la distancia buscada o que queríamos calcular.
Como conclusión diremos que para determinar la distancia de un punto a un plano, basta con reemplazar en la
ecuación del plano dado en su forma normal o hessiana, las coordenadas del punto. El valor numérico de ésta
expresión nos da la distancia buscada.
Nota aclaratoria: Una distancia es una magnitud positiva. Pero como resultado de la aplicación de la ecuación
anterior, puede darnos un valor negativo. A los efectos de interpretar el signo, podemos expresar:
“El plano dado divide al espacio en dos subespacios o semiespacios, uno de los cuales contiene al origen
del sistema de coordenadas. Si el punto dado (P0) está ubicado en el semiespacio que no contiene al
origen, “d” será positivo o dicho de otra manera, si el plano dado está entre el origen y el punto, “d” es
positivo, en caso contrario “d” será negativo”.
Ejemplo 10:
Hallar la distancia del punto P(-3; -4; 2) al plano de ecuación: 3 x + 12 y – 4 z – 39 = 0. Interpretar el signo de
dicha distancia.
Solución:
La distancia entre un punto y un plano se calcula mediante la fórmula:
𝐴𝑥0 + 𝐵𝑦0 + 𝐶𝑧0 + 𝐷
𝑑=
±√𝐴2 + 𝐵2 + 𝐶 2
es decir hay que reemplazar las variables x, y , z de la ecuación del plano por las coordenadas del punto y
dividir todo por el módulo del vector normal del plano.
Un análisis más detenido de dicha fórmula nos permite determinar que en realidad estamos trabajando con la
ecuación del plano en su forma normal:
x cos  + y cos  + z cos  - p = 0.
En nuestro caso será entonces:

3(−3) + 12(−4) − 4(2) − 39 −9 − 48 − 8 − 39 −104 −104
𝑑= = = = = −8 ⟹ |𝑑 | = 8
√32 + 122 + (−4)2 √9 + 144 + 16 √169 13
El signo negativo de la distancia indica que el punto y el origen del sistema de coordenadas están del mismo
lado respecto del plano, es decir, o ambos están a la derecha o a la izquierda, o arriba o abajo respecto del
plano.
Pasaje de la Ecuación General Implícita del Plano a la forma Normal o Hessiana del mismo
Dado el plano: Ax + By + Cz + D = 0, que tiene como normal a “𝑛̅” definida por los números directores A,
B, y C  𝑛̅ (A,B,C). Si dividimos la ecuación general implícita del plano por el módulo de “𝑛̅”, nos quedará:
𝐴 𝐵 𝐶 𝐷
𝑥+ 𝑦+ 𝑧+ =0
√𝐴2 + 𝐵2 + 𝐶 2 √𝐴2 + 𝐵2 + 𝐶 2 √𝐴2 + 𝐵2 + 𝐶 2 √𝐴2 + 𝐵2 + 𝐶 2
ya hemos expresado que el valor de “p” de la ecuación normal, mide la distancia del origen del sistema de
coordenadas al plano y como tal, es un valor positivo; pero en la forma de la ecuación normal o hessiana del
𝐷
plano, “p” figura con valor negativo; (recordar que: 𝑝 = ), por lo tanto, para que la misma se
√𝐴2 +𝐵2 +𝐶 2
transforme en la ecuación normal o hessiana , “D” deberá ser negativo; si por el contrario “D” es positivo,
habrá que multiplicar toda la ecuación por menos uno (-1) para que dicho valor sea negativo y de tal manera
corresponda a la forma normal de la ecuación del plano.
118
UNIDAD N°10: Cónicas y Cuádricas.
Introducción
La Geometría Analítica estudia todos los lugares geométricos, entre ellos los que se obtienen como
intersección de un plano con una superficie cónica.
Tanto en la física general, como en la ingeniería en particular, parábolas, elipses e hipérbolas revisten un papel
importante.
El uso de las propiedades de estas trayectorias parece ilimitado. Por ejemplo, las propiedades de las elipses
permiten realizar cirugías no invasivas, las propiedades de la parábola hacen posible con muy poca energía un
automóvil pueda proyectar un potente haz de luz; mientras que, gracias a las hipérbolas, barcos y aviones son
ubicados utilizando el sistema de detección hiperbólico LORAN.
Objetivos
Esperamos que al finalizar la lectura comprensiva y activa del presente capítulo, usted sea capaz de dar
respuesta a problemas fundamentales de la geometría analítica como:
 Dada una ecuación de dos variables f(x,y) = 0, determinar el lugar geométrico (si existe) que representa
en el plano cartesiano (x,y), lo cual significa estudiar la disposición relativa de los puntos cuyas
coordenadas verifican la ecuación.
 Dadas las condiciones geométricas que debe reunir un conjunto de puntos que tenga coordenadas (x,y),
determinar una ecuación donde todos los pares coordenados (x,y) la verifiquen. A esto se le llama
interpretar algebraicamente una curva.
 Reconocer cada una de las cónicas, tanto por sus propiedades geométricas como por las analíticas.
Cónicas
La superficie cónica está generada por la rotación de una línea recta, denominada generatriz g, que se mueve
de tal manera que pasa siempre por una curva fija llamada directriz, d, y por un punto fijo “V” llamado vértice
del cono (fig 1). Dicho vértice está determinado por la intersección con una segunda recta llamada “eje del
cono”, alrededor de la cual gira la primera. Todo punto de la generatriz describe circunferencias con centro en
el eje del cono.
Fig 1 Esquema que visualiza la construcción de la superficie cónica
Las figuras o lugares geométricos que constituyen nuestro principal objetivo de estudio (cónicas), se obtienen
considerando las distintas posiciones relativas de un plano con el eje o con la generatriz de la superficie cónica.
Circunferencia Elipse Parábola Hipérbola
 Si el plano es perpendicular al eje se obtiene la circunferencia

 Si el plano está inclinado respecto al eje sin ser paralelo a éste y a ninguna generatriz, se obtiene la elipse.
119
 Si el plano es paralelo a una generatriz, cortará a la superficie cónica dando por resultado una parábola
 Si el plano es paralelo al eje, sin contener a éste, el resultado es una hipérbola.
Ahora bien, si el plano pasa por el vértice, tendremos una circunferencia de radio cero o una elipse de ejes
principales nulos. En cambio, si el plano contiene una generatriz, el resultado es una recta de tangencia, si en
cambio el plano contiene al eje de la superficie cónica, obtenemos dos rectas que se cortan.
Si el vértice del cono está en el infinito, el resultado es una superficie cilíndrica, obteniendo como caso
particular, si el plano es paralelo al eje, dos rectas paralelas.
Todas las cónicas mencionadas responden a la ecuación general de segundo grado con dos variables:
Ax2 + Bxy + Cy2 + Dx + Ey + F = 0
donde: Ax2 y Cy2 son los términos cuadráticos; Bxy el término rectangular; Dx y Ey son términos lineales y
F es el término independiente. Todos los coeficientes de dicha ecuación son constantes y al menos uno de los
mencionados tres primeros términos deberá ser distinto de cero.
Si dicha ecuación carece del segundo término, resulta:
Ax2 + Cy2 + Dx + Ey + F = 0
que es la ecuación de segundo grado con dos variables, sin el término rectangular.
El término rectangular Bxy, mencionado también como término de segundo grado en las variables “x” e “y”,
representa una cónica que no está vinculada a los ejes coordenados rectangulares habitualmente utilizados,
sino que se halla asociada a ejes coordenados que se encuentran girados un determinado ángulo respecto de
dichos ejes.
A medida que desarrollemos los distintos tipos de cónicas, veremos que los valores relativos de los coeficientes
determinan el tipo de curva que la ecuación representa. El término rectangular Bxy, mencionado también como
término de segundo grado en las variables “x” e “y”, representa una cónica que no está vinculada a los ejes
coordenados rectangulares habitualmente utilizados, sino que se halla asociada a ejes coordenados que se
encuentran girados un determinado ángulo.
120
Circunferencia
Definición
Circunferencia es el lugar geométrico de los puntos de un plano que se encuentran siempre a una distancia
constante de un punto fijo de ese plano.
El punto fijo se llama centro de la circunferencia y la distancia constante se denomina radio.
Ecuación de la Circunferencia y análisis de la misma
Teorema 1
La circunferencia cuyo centro es el punto (h, k) y cuyo radio es la constante “r”, tiene por ecuación:
(x – h)2 + (y – k)2 = r2
Vamos a demostrar esto, suponiendo un punto P(x, y) cualquiera
de la circunferencia de centro C(h, k) y radio “r”. Por definición de
circunferencia, el punto “P” debe satisfacer la condición
geométrica:
k CP  r (1)
Vamos a expresar la distancia “r” entre los puntos “P” (punto
genérico) y “C” (centro de la circunferencia). Si por los puntos “C”
y “P” trazamos perpendiculares a los ejes coordenados, obtenemos
un triángulo rectángulo, al cual puede hallársele el valor de su
h hipotenusa mediante la aplicación del Teorema de Pitágoras, el cual
puede expresarse analíticamente, por la ecuación:
√(𝑥 − ℎ)2 + (𝑦 − 𝑘)2 = 𝑟

de donde
(𝒙 − 𝒉)𝟐 + (𝒚 − 𝒌)𝟐 = 𝒓𝟐 (2)
Recíprocamente, si P1(x1, y1) es un punto cualquiera de la circunferencia, sus coordenadas satisfacen la
ecuación (2), de manera que se verifica la igualdad:
(x1 – h)2 + (y1 – k)2 = r2
y extrayendo la raíz cuadrada de ésta última igualdad, tendremos:
√(𝑥 − ℎ)2 + (𝑦 − 𝑘)2 = 𝑟
que es la expresión analítica de la condición geométrica (1) aplicada al punto P 1.
Es decir que demostrados los teoremas directo y recíproco, resulta que la expresión (2) es la ecuación buscada.
Para el caso particular en que el centro “C” de la circunferencia coincide con el origen del sistema de
coordenadas, los valores de “h” y “k” son cero ( h = k = 0 ) y tendremos como conclusión:
La circunferencia de centro en el origen del sistema de coordenadas y radio “r” tiene por ecuación:
𝒙𝟐 + 𝒚𝟐 = 𝒓𝟐 (3)
La expresión (2) se conoce como ecuación ordinaria o forma ordinaria de la ecuación de la circunferencia.
En general se designa como forma ordinaria a aquella ecuación que nos permite obtener en forma rápida y
fácil sus características más importantes. Así, por ejemplo, en la expresión (2) podemos obtener
inmediatamente las coordenadas del centro y el valor del radio.
El tipo más simple de la ecuación ordinaria de una curva se denomina “forma canónica”. Por lo tanto, la
ecuación (3) es la forma canónica de la ecuación de una circunferencia.
De acuerdo a lo expresado por el teorema 1, si se conocen las coordenadas del centro y el valor del radio, la
ecuación puede escribirse inmediatamente.
Forma general de la ecuación de la circunferencia
Si desarrollamos la ecuación ordinaria:
(x – h)2 + (y – k)2 = r2
obtenemos:
x2 + y2 – 2hx – 2ky + h2 + k2 – r2 = 0
la cual puede escribirse de la forma:
121
𝒙𝟐 + 𝒚𝟐 + 𝑫𝒙 + 𝑬𝒚 + 𝑭 = 𝟎 (4)
en donde: D = -2h ; E = -2k ; F = h2 + k2 – r2
Se deduce entonces que la ecuación de la circunferencia puede escribirse también en la forma (4), llamada
forma general de la ecuación de la circunferencia.
Ahora debemos hacer la demostración recíproca, es decir, si una ecuación de la forma general (4) representa
una circunferencia. Para ello debemos pasar de la citada forma general (4) a la forma ordinaria (2), utilizando
el método de completar cuadrados.
Si ordenamos de acuerdo a las variables, los términos de la ecuación general, resulta:
(x2 + Dx) + (y2 + Ey) = - F
𝐷2 𝐸2
y sumando a ambos miembros y , obtenemos:
4 4
𝐷2 𝐸2 𝐷2 𝐸 2
𝑥 2 + 𝐷𝑥 + + 𝑦 2 + 𝐸𝑦 + = −𝐹 + +
4 4 4 4
de donde resulta:
𝐷 2 𝐸 2 𝐷2 + 𝐸 2 − 4𝐹
(𝑥 + ) + (𝑦 + ) = (5)
2 2 4
y si comparamos las ecuaciones (2) y (5), vemos que depende del valor del segundo miembro de (5) el que
dicha ecuación represente o no una circunferencia.
Hay tres posibles casos por considerar:
a) Si D2 + E2 – 4F > 0 , la ecuación (5) representa una circunferencia de centro en el punto
−𝐷 −𝐸 1
( , ) 𝑦 𝑟𝑎𝑑𝑖𝑜 𝑖𝑔𝑢𝑎𝑙 𝑎 √𝐷2 + 𝐸 2 − 4𝐹
2 2 2
b) Si D2 + E2 – 4F = 0, la ecuación (5), se dice con frecuencia que representa una circunferencia de radio cero;
ó también que es un círculo punto o círculo nulo.
Pero en un análisis más mesurado nos dice que la ecuación (5) en este caso representa un solo punto de
coordenadas
−𝐷 −𝐸
( , )
2 2
c) Si D2 + E2 – 4F < 0, la ecuación (5) se dice en ésta circunstancia que representa un círculo imaginario.
Entonces, en geometría real, la ecuación (5) en este caso no representa un lugar geométrico.
A los fines de nuestro estudio sólo consideraremos el caso a).
Teorema 2
La ecuación x2 + y2 + Dx + Ey + F = 0
representa una circunferencia de radio diferente de cero, solamente si:
D2 + E2 – 4F > 0
Las coordenadas del centro son:
−𝐷 −𝐸 1
( , ) 𝑦 𝑟𝑎𝑑𝑖𝑜 𝑖𝑔𝑢𝑎𝑙 𝑎 √𝐷2 + 𝐸 2 − 4𝐹
2 2 2
En este apartado hemos encontrado la forma general de la ecuación de la circunferencia
x2 + y2 – 2hx – 2ky + (h2 + k2 – r2) = 0
partiendo de su forma ordinaria
(x – h)2 + (y – k)2 = r2
Si comparamos ahora, dicha ecuación con la forma general de la ecuación de segundo grado:
Ax2 + Bxy + Cy2 + Dx + Ey + F = 0
podemos observar que:
A = C = 1 ; B = 0 ; D = -2h ; E = -2k y F = h2 + k2 – r2
Recordar que cuando consideramos la intersección del plano con la superficie cónica, habíamos mencionado
que dicha ecuación general de segundo grado representaría una cónica distinta en función de los valores que
tuvieran sus coeficientes. Este es el caso de la circunferencia, donde A, B, C, D, E y F toman los valores
mencionados.
122
Parábola
Definición
Una parábola es el 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, es siempre igual a su distancia a un punto fijo del plano y que no pertenece
a la recta.
El punto fijo se llama foco (F) y la recta fija directriz (ld) de la parábola.
La definición excluye el caso en que el foco está sobre la directriz.
Ecuación de la Parábola
ld y Vamos a comenzar analizando el caso de que la directriz
sea perpendicular al eje coordenado “x” (ó paralela al eje
D y coordenado “y”) y que el punto de intersección con el eje
P(x,y) coordenado “x” sea: A (-p ; 0) y el foco “F” esté ubicado
en  F (p ; 0).
De esta manera la ecuación de la parábola toma su forma
a x
más simple.
A(-p,0) V x F(p,0) Por definición de parábola, la ecuación de la línea directriz
(ld) es: x = -p.
Sea P(x, y) un punto genérico cualquiera de la parábola.
Por “P” tracemos el segmento ̅̅̅̅
𝑃𝐷 perpendicular a la Línea
Directriz ld . Entonces, por la definición de la parábola, el
punto “P” debe satisfacer la condición geométrica:
|̅̅̅̅
𝑃𝐹 | = |̅̅̅̅
𝑃𝐷| (1)
Pero la distancia entre dos puntos como “P” y “F”, por Pitágoras, es:
|̅̅̅̅
𝑃𝐹 | = √(𝑝 − 𝑥)2 + 𝑦 2
y por la distancia de un punto “P(x,y)” a una recta “x = - p”, (recordar que la distancia de una recta ax+by+c=0
𝑎𝑠+𝑏𝑡+𝑐
a un punto M(s,t), es: √𝑎2 2 , resulta:
+𝑏
|𝑥 + 𝑝 |
̅̅̅̅| =
|𝑃𝐷 =𝑥+𝑝
√12
Geométricamente se observa que la abscisa del punto “P” es “x” y la del punto “D” es “-p”; pero como se debe
tomar distancia, por eso se coloca la expresión “x + p” entre barras, como valor absoluto).
Por lo tanto, la condición (1) está expresada analíticamente por la ecuación:
√(𝑝 − 𝑥)2 + 𝑦 2 = 𝑥 + 𝑝
si elevamos al cuadrado ambos miembros de esta ecuación y simplificamos, obtendremos:
2
(√(𝑝 − 𝑥)2 + 𝑦 2 ) = (𝑥 + 𝑝)2
(𝑝 − 𝑥)2 + 𝑦 2 = (𝑥 + 𝑝)2
𝑝2 − 2𝑝𝑥 + 𝑥 2 + 𝑦 2 = 𝑥 2 + 2𝑝𝑥 + 𝑝2
𝑦 2 = 4𝑝𝑥 ⟹ 𝑦 = ±√4𝑝𝑥 = ±2√𝑝𝑥
𝒚 = ±𝟐√𝒑𝒙 (𝟐)
Esta curva sólo corta al eje en un punto y es simétrica con respecto al eje “x”.
De la ecuación (2), se deduce que para valores de la ordenada “y” reales y diferentes de cero, los valores de
“p” y “x” deben ser del mismo signo. De acuerdo con esto, podemos considerar dos casos:“p  0” ó “p  0”.
Si “p  0”, deben excluirse todos los valores negativos de “x”, y todo el lugar geométrico se encuentra a la
derecha del eje “y”.
De esta forma o análisis, podemos decir que el lugar geométrico es una curva abierta que se extiende
indefinidamente hacia la derecha del eje de ordenadas (eje y) y hacia arriba y abajo del eje “x”.
Ocurre lo inverso cuando “p  0”; la curva se extiende a la izquierda del eje “y” y arriba y abajo del eje “x”.
Según la ecuación (2), hay dos puntos sobre la parábola que tienen abscisa igual a “p”; uno tiene la ordenada
“2p” y el otro “-2p”. Como la abscisa del foco es “p”, la longitud del Lado Recto (Lr) es “4p”.
123
Si el eje de la parábola es el eje “y” y el vértice está en el origen, se demuestra, análogamente, que la ecuación
de la parábola es:
𝑥 2 = 4𝑝𝑦
en donde el foco es ahora el punto de coordenadas (0 , p).
También se demuestra que si “p  0”, la parábola se abre hacia arriba y si “p  0”, la parábola se abre hacia
abajo.
De acuerdo a lo expresado en estos últimos párrafos, la gráfica correspondiente a la ecuación (2), considerando
que p  0 , es de la forma:
La recta “a” que pasa por el foco F y es perpendicular a
ld y C B
la directriz se llama eje de la parábola; (en éste caso
L
coincide con el eje coordenado “x”)
D ̅̅̅̅ |, está, por
P(x,y) El punto “V”, punto medio del segmento |𝐴𝐹
definición, sobre la parábola; este punto se llama vértice
(V); y es el único punto donde la curva corta al eje
a x coordenado “x”.
Un segmento de recta, tal como el |𝐵𝐵′ ̅̅̅̅̅|, que une dos
A V F(p,0)
puntos cualesquiera diferentes de la parábola se llama
C’ cuerda; en particular, una cuerda que pasa por el foco,
como |𝐶𝐶̅̅̅̅ |, se denomina cuerda focal. La cuerda focal
L’ ̅̅̅̅
|𝐿𝐿′|, perpendicular al eje se llama Lado Recto
B’
Si el punto P de coordenadas (x, y) es un punto cualquiera de la parábola, la recta FP que une el foco F con
el punto P, se llama radio focal de “P”, o radio vector.
Ecuación de la Parábola de eje paralelo a uno de los ejes coordenados y vértice en un punto de coordenadas
(h , k)
Para el análisis y deducción de la correspondiente ecuación, consideremos la siguiente figura:
De acuerdo a esto, y observando la parábola de la figura,
y ld y’ que tiene eje paralelo al eje “x” y vértice en el punto de
coordenadas (h , k); resulta, que si los ejes coordenados
son trasladados de tal manera que el nuevo origen O’
coincide con el vértice (h , k), se obtiene la ecuación de la
O’ parábola referida a los nuevos ejes “x’ e y’” de acuerdo a
I lo determinado para la ecuación de la parábola de vértice
V(h,k) F(h+p,k) x’ en el origen de coordenadas y eje coincidente con uno de
k los ejes coordenados:
y’2 = 4px’ (3)
O x en donde las coordenadas del foco referidas a los nuevos

h ejes son: F (p , 0).
De acuerdo a lo ya visto, las ecuaciones de traslación de los ejes coordenados son: x = x’+ h ; y = y’+ k
de donde se deducen:
x’ = x – h ; y’ = y – k
Ahora bien, si sustituimos estos valores de x’ e y’ en la ecuación (3), tendremos:
(y – k)2 = 4p (x – h) (4)
A esta ecuación se la llama generalmente, segunda ecuación ordinaria de la parábola.
Los resultados anteriores conducen al siguiente:
Teorema:
“La ecuación de una parábola de vértice (h , k) y eje paralelo al eje coordenado “x”, es de la forma
(y – k)2 = 4p (x – h) (4)
124
siendo “ p ” la longitud del segmento del eje de la parábola (en este caso coincidente con el eje coordenado
x’) comprendido entre el foco y el vértice”.
Si “p  0”, la parábola se abre hacia la derecha; si “p  0”, la parábola se abre hacia la izquierda.
Si el vértice es el punto (h , k) y el eje de la parábola es paralelo al eje coordenado “y”, su ecuación es de la
forma:
(x – h)2 = 4p (y – k) (5)
Si “ p  0 ”, la parábola se abre hacia arriba; si “ p  0 ”, la parábola se abre hacia abajo.

Volviendo a analizar la ecuación (4), de la misma podemos determinar que las coordenadas del foco son:
F(h+p , k)
tener presente que en la primera ecuación ordinaria era F(p , 0) y ahora están relacionados los ejes coordenados
viejos con los nuevos a través de:
x = x’ + h ; y = y’ + k
y la ecuación de la directriz será en éste caso:
x=h–p
Si tomamos como ejemplo, la ecuación de la parábola de eje paralelo al de abscisas, de vértice: o’(1 , 3) y
parámetro: 4p = 8 , la misma es:
(y – 3)2 = 8 (x – 1)
Las coordenadas del foco son entonces:
F(h+p , k)  F(1+2 , 3), es decir: F(3 , 3).
La ecuación de la directriz, es en éste caso:
x = h – p  x = 1 – 2 , o sea: x = -1
Si en la ecuación (4) efectuamos las operaciones indicadas:
(y – k)2 = 4p (x – h)  y2 – 2ky + k2 = 4px – 4ph  y2 – 4px – 2ky + k2 + 4ph = 0
ecuación que es de la forma:
Cy2 + Dx + Ey + F = 0 (6)
y que constituye un caso particular de la ecuación general de segundo grado en “x” e “y”, cuya expresión es:
Ax2 + Bxy + Cy2 + Dx + Ey + F = 0
La ecuación (6) se caracteriza por tener: A = 0 ; B = 0 ; C  0 , D  0

Podemos ver entonces que, recíprocamente, toda ecuación de segundo grado en “x” e “y”, de la forma (6),
tiene como gráfica una parábola.
Para pasar de una ecuación de la forma (6) a la forma (4), sobre la expresión (6) habrá que completar cuadrados.
Si en la ecuación (6), el coeficiente “D” es nulo, la ecuación se reduce a:
Cy2 + Ey + F = 0 (7)
es decir, a una ecuación de segundo grado en “y”. Si sus raíces “y1” e “y2 ” son reales y distintas, la expresión
(7) puede ser escrita como:
C (y – y1) (y – y2) = 0  (y – y1) = 0 , e , (y – y2 ) = 0 ; o sea: y = y1 e y = y2
La ecuación (7) tiene entonces, como gráfica, dos rectas paralelas al eje “x”.
Si sus raíces son reales e iguales, la gráfica la constituye una recta única paralela al eje “x”, a una distancia:
y = y1 = y2 .
Si sus raíces son números complejos, la ecuación (7) no tiene gráfica en el campo de los números reales.
Si ahora considerásemos la ecuación (5): (x – h)2 = 4p (y – k), la ecuación de la directriz será:
y=k–p
125
y las coordenadas del foco:
F(h , k+p)
Si se efectuase el desarrollo de la expresión (5) de acuerdo a las operaciones indicadas, se obtiene:
(x – h)2 = 4p (y – k)  x2 – 2hx + h2 = 4py – 4kp  x2 – 2hx - 4py + h2 + 4kp = 0
que es de la forma:
Ax2 + Dx + Ey + F = 0 (8)
caso particular de la ecuación general de segundo grado en “x” e “y”, caracterizada por tener: B =0; C = 0; A
 0, E 0
Recíprocamente, toda ecuación de segundo grado en “x” e “y”, de la forma (8), tiene como gráfica una
parábola.
Si en la ecuación (8) es nulo el coeficiente “E”, la misma se reduce a:
Ax2 + Dx + F = 0 (9)
ecuación de segundo grado en “x”.
Análogamente a lo establecido anteriormente para la ecuación (7), la ecuación (9) tiene como gráfica un par
de rectas paralelas al eje coordenado “y”, una sola recta paralela al eje “y”, o no tiene gráfica, según que su
discriminante (cantidad subradical de la ecuación de segundo grado) sea mayor, igual o menor que cero.
En este caso, si “ p  0 ” las parábolas se abren hacia arriba y si “ p  0 ”, las mismas se abren hacia abajo.
126
Elipse
Definición
Una elipse es el lugar geométrico de un punto que se mueve en un plano de tal manera que la suma de sus
distancias a dos puntos fijos de ese plano es siempre igual a una constante, mayor que la distancia entre los
dos puntos.
Los dos puntos fijos se llaman focos de la elipse (F y F’).
La definición de la elipse excluye el caso en que el punto móvil esté sobre el segmento que une los focos.
Ecuación de la Elipse y análisis de la misma

Consideremos el sistema de coordenadas “x y”. En un primer análisis colocamos los focos F y F’ en los puntos
de coordenadas (c , 0) y (-c , 0), es decir: F(c ; 0) y F’(-c ; 0).
y La recta que pasa por los focos se denomina eje
D M B focal. El punto medio del segmento que une los
P(x,y) focos, se denomina centro. La recta que pasa por el
L centro y es perpendicular al eje focal, se llama eje
E normal. Sea P(x,y) un punto genérico y si pertenece
V’ V a la elipse debe satisfacer la condición geométrica:
(-𝑎,0) F’(-c,0) C F(c,0) (𝑎,0) x ̅̅̅̅̅| = 2𝑎
̅̅̅̅ | + |𝐹′𝑃
|𝑃𝐹 (1)
L’ en donde “𝑎” es una constante positiva mayor que
B’ “c”. Desarrollando matemáticamente, finalmente se
E’ M’ D’ obtiene:
Figura 1
𝟐
𝒙 𝒚𝟐
+ =𝟏 (2) 𝑙𝑙𝑎𝑚𝑎𝑑𝑎 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑐𝑎𝑛ó𝑛𝑖𝑐𝑎 𝑑𝑒 𝑙𝑎 𝑒𝑙𝑖𝑝𝑠𝑒
𝒂𝟐 𝒃𝟐
Analicemos ahora la ecuación (2). Si en la misma le damos a “x” el valor + 𝑎 ó - 𝑎 podemos observar que la
ordenada “y” es igual a cero, o sea que estos valores hacen que se anule el valor de la ordenada y son entonces
los puntos en que la curva corta al eje de las “x”, es decir, estos valores me sirven para determinar las
coordenadas de lo que llamaremos vértices: V(𝒂 , 0) y V’(-𝒂, 0). La longitud del eje comprendida entre los
vértices, se denomina eje mayor y es igual a “2𝑎”, siendo “𝑎” la constante que se menciona en la definición
de la elipse.
Si ahora en la misma ecuación (2) le diésemos a “y” el valor “b”, observamos que “x” en ese caso se hace
cero. Esto nos dice que la curva corta al otro eje (eje normal), en los puntos “M” y “M’” que tienen como
coordenadas M(0 , b) y M’(0 , -b); y la distancia entre estos dos puntos es lo que denominamos eje menor.
Como 𝑎  c y 𝑎  b, 2𝑎 es la distancia de V a V’ y por lo tanto será el eje mayor y 2b la distancia de M a M’
será el eje menor.
Del análisis de la ecuación (2) podemos deducir que la elipse es una curva simétrica con respecto a ambos ejes
coordenados y al origen.
Si de dicha ecuación despejamos el valor de la ordenada, o sea “y”, obtenemos:
𝑏
𝑦 = ± √𝑎 2 − 𝑥 2 (3)
𝑎
Del análisis de la ecuación (3) podemos observar que se obtienen valores reales de “y” sólo para valores de
“x” interiores al intervalo:
-𝑎x𝑎 (4)
Si en lugar del valor de la ordenada, despejamos el valor de la abscisa, o sea “x”, de la misma ecuación (3), se
obtiene:
𝑎
𝑥 = ± √𝑏2 − 𝑦 2 (5)
𝑏
de manera que resultan valores reales de “x”, solamente para valores de “y” dentro del intervalo:
-byb (6)
127
de las expresiones (4) y (6) se deduce que la elipse está limitada por el rectángulo cuyos lados son las rectas:
x= 𝑎 ; yb
Por ende, la elipse es una curva cerrada; carece de asíntotas verticales y horizontales.
Observando la figura 1, podemos determinar los nombres particulares que reciben algunos segmentos que
unen dos puntos cualesquiera de la elipse; por ejemplo, un segmento tal como el BB ' que une dos puntos
diferentes cualesquiera de la elipse se llama cuerda. Una cuerda que pasa por uno de los focos se llama cuerda
focal, tal como la EE ' . Una cuerda focal que es perpendicular al eje focal se llama lado recto (Lr), tal como
LL ' . Una elipse, como tiene dos focos, tiene dos lados rectos. Una cuerda que pasa por el centro “O”, se llama
diámetro ( DD ' ).Los segmentos que unen los focos con un punto cualquiera se llaman radio vector, tal como
el PF ' o PF .
La abscisa del foco “F” es “c”. Si en la ecuación (3), sustituimos a la variable “x” por éste valor “c”, se
obtienen las ordenadas correspondientes, que son:
𝑏
𝑦 = ± √𝑎2 − 𝑐 2
𝑎
de donde, por la relación: b2 = 𝑎2 – c2 , se tienen como ordenadas del foco:
𝑏2 𝑏2
𝑦=+ ; 𝑦=−
𝑎 𝑎
𝑏2
por lo tanto, la longitud del lado recto (Lr) para el foco F es: 2 𝑎 . El mismo valor corresponde al foco F’.
Un elemento importante de la elipse es su excentricidad, y se representa por
la letra “e”.
𝑐
𝑒=
𝑎
Con la ayuda de la expresión: b2 = 𝑎2 – c2 , se obtiene:
𝑐 √𝑎2 − 𝑏2 𝑏 2
𝑒= = = √1 − ( )
𝑎 𝑎 𝑎
Si b << 𝑎, e = 1, la elipse es alargada; mientras que se b = 𝑎, la elipse parece una circunferencia, e = 0.

Nota: Si reducimos la ecuación de una elipse a su forma canónica, podemos determinar fácilmente su posición
relativa respecto a los ejes coordenados, comparando los denominadores de los términos en x2 e y2 El
denominador mayor está asociado a la variable correspondiente al eje coordenado con el cual coincide el eje
mayor de la elipse.
Ecuación de la Elipse de centro en el punto de coordenadas (h , k) y ejes paralelos a los ejes coordenados
y y’ Consideremos la determinación de la ecuación
de la elipse cuyo centro no está en el origen del
sistema de coordenadas y cuyos ejes son
paralelos a los ejes coordenados.
Para ello debemos considerar a la elipse cuyo
x’
centro está en el punto (h , k) y cuyo eje focal es
O’(h,k)
paralelo al eje “x” (ver figura2).
k Sean 2𝑎 y 2b las longitudes de los ejes mayor y
menor de la elipse, respectivamente.
Si los ejes coordenados son trasladados de
manera que el nuevo origen O’ coincida con el
h x
centro (h , k) de la elipse, resulta que la ecuación
Figura 2
de la elipse con referencia a estos nuevos ejes “
x’ ” e “ y’ ” está dada por:
𝒙′𝟐 𝒚′𝟐
+ =𝟏 (7) (idéntica deducción del primer caso anterior)
𝒂𝟐 𝒃𝟐
128
Utilizando las fórmulas de transformación de coordenadas:
x = x’ + h  x’ = x - h
y = y’ + k  y’ = y – k
puede deducirse la ecuación de la elipse de centro en el punto (h , k) y ejes paralelos a los ejes coordenados
referida a los ejes “x” e “y”. O sea que sustituyendo los valores de x’ e y’ en la ecuación (7), resulta:
(𝑥 − ℎ)2 (𝑦 − 𝑘)2
+ =1 (8)
𝑎2 𝑏2
que es la ecuación de la elipse referida a los ejes “x” e “y”.
Análogamente, se puede demostrar que la elipse cuyo centro es el punto (h , k) y cuyo eje focal es paralelo al
eje coordenado “y”, tiene por ecuación:
(𝑥 − ℎ)2 (𝑦 − 𝑘)2
+ =1 (9)
𝑏2 𝑎2
Las ecuaciones (8) y (9 se llaman generalmente, la segunda ecuación ordinaria de la elipse.
De los resultados obtenidos podemos enunciar el siguiente
Teorema
“La ecuación de la elipse de centro el punto (h , k) y eje focal paralelo al eje “x”, está dada por la segunda
forma ordinaria:
(𝑥 − ℎ)2 (𝑦 − 𝑘)2
+ =1
𝑎2 𝑏2
Si el eje focal es paralelo al eje coordenado “y”, su ecuación está dada por la segunda forma ordinaria:
(𝑥 − ℎ)2 (𝑦 − 𝑘)2
+ =1
𝑏2 𝑎2
Para cada elipse, “𝑎” es la longitud del semieje mayor, “b” es la longitud del semieje menor, “c” es la distancia
del centro a cada foco y “𝑎”, “b” y “c” están ligadas por la relación:
𝑎2 = b2 + c2
También, para cada elipse, la longitud de cada uno de sus lados rectos es:
𝑏2
2
𝑎
y la excentricidad “e” está dada por la relación:
𝑐 √𝑎2 − 𝑏2
𝑒= = < 1
𝑎 𝑎
Consideremos ahora la ecuación de la elipse en la forma:
(𝑥 − ℎ)2 (𝑦 − 𝑘)2
+ =1
𝑎2 𝑏2
Si en la misma quitamos denominadores, multiplicando por: a2b2, tendremos:
b2 (x – h)2 + 𝑎2 (y – k)2 = 𝑎2b2

y desarrollando:
b2x2 – 2b2hx + b2 h2 + 𝑎2y2 – 2 𝑎2ky + 𝑎2k2 – 𝑎2b2 = 0
y ordenando:
b2x2 + 𝑎2y2 – 2b2hx – 2 𝑎2ky + b2 h2 + 𝑎2k2 – 𝑎2b2 = 0 (14)
la cual puede escribirse:
Ax2 + Cy2 + Dx + Ey + F = 0 (15)
en donde:
A = b2 ; C = 𝑎2 ; D = -2b2h ; E = -2 𝑎2k ; F = b2h2 + 𝑎2k2 – 𝑎2b2
Evidentemente los coeficientes “A” y “C” deben ser del mismo signo.
129
Hipérbola
Definición
Una hipérbola es el lugar geométrico de un punto que se mueve en un plano de tal manera que el valor absoluto
de la diferencia de sus distancias a dos puntos fijos del plano, llamados focos, es siempre igual a una cantidad
constante, positiva y menor que la distancia entre los focos.
La definición de la hipérbola excluye el caso en que el punto móvil se mueva sobre la recta que pasa por los
focos. Los focos y el punto medio de este segmento no pueden pertenecer al lugar geométrico.
Primera ecuación ordinaria de la hipérbola
El cálculo se realizará para determinar la ecuación de la hipérbola que tiene los focos sobre el eje de abscisas
(eje de las “x”).
El punto medio de la distancia entre los focos lo denominaremos centro de la hipérbola. Dicho centro lo
haremos coincidir con el origen del sistema de coordenadas. Las coordenadas de los focos F y F’ serán (c ; 0)
y (-c ; 0), respectivamente, siendo “c” una constante positiva.
Sea P(x , y) un punto cualquiera de la hipérbola. Entonces, por la definición de la hipérbola, el punto “P” debe
satisfacer la condición geométrica siguiente, que expresa que el valor absoluto de la diferencia de las distancias
del punto a los focos es una cantidad constante,
|𝑃𝐹 ̅̅̅̅̅| = 2𝑎
̅̅̅̅ | − |𝐹′𝑃 (1)
en donde “𝑎” es una constante positiva y:
2𝑎2c
desarrollando matemáticamente, finalmente se obtiene:
𝒙𝟐 𝒚𝟐
− =𝟏 (2 ) 𝑙𝑙𝑎𝑚𝑎𝑑𝑎 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑐𝑎𝑛ó𝑛𝑖𝑐𝑎 𝑑𝑒 𝑙𝑎 ℎ𝑖𝑝é𝑟𝑏𝑜𝑙𝑎
𝒂𝟐 𝒃𝟐
que es la ecuación de la hipérbola, con la condición impuesta al comienzo.
Al estudiar la ecuación de la hipérbola, podemos observar que las intersecciones con el eje “x” son “𝑎” y
“−𝑎”. (Estos valores se obtienen reemplazando x por 𝑎 ó – 𝑎 en la ecuación (1) y en este caso el valor de la
ordenada “y” es igual a cero).Por lo tanto, las coordenadas de los vértices V y V’ son (𝑎 , 0) y (−𝑎 , 0),
respectivamente, siendo “𝑎” la constante que interviene en la definición.
La porción del eje focal comprendida entre los vértices se denomina eje transverso y la longitud de dicho eje
es igual a 2𝑎 .
Aunque no hay intersecciones con el eje ordenado “y”, dos puntos, A (0 , b) y A’(0 , -b), se toman como
extremos del eje perpendicular al eje focal que pasa por el centro de la cónica. Dicho eje se denomina eje
conjugado y la longitud del mismo es igual a 2b.
La ecuación (2) muestra que la hipérbola es simétrica con respecto a ambos ejes coordenados y al origen del
sistema de coordenadas.
Despejando “y” de la ecuación (2), resulta:
𝑏
𝑦 = ± √𝑥 2 − 𝑎 2 (3)
𝑎
Por lo tanto, para que los valores de “y” sean reales, “x” está restringida a variar dentro de los intervalos x 
𝑎 y x  −𝑎. De aquí que ninguna porción del lugar geométrico aparece en la región comprendida entre las
rectas: x = 𝑎 y x = −𝑎.
Despejando ahora “x” de la ecuación (2), resulta:
𝑎
𝑥 = ± √𝑦 2 + 𝑏2 (4)
𝑏
de la cual podemos observar que “x” es real para todos los valores reales de “y”.
Por ser c  𝑎 ; c2 – 𝑎2 es un número positivo que podemos designar por “b2”. Por lo tanto, sustituyendo
en la ecuación (3) la relación:
c2 – 𝑎2 = b2 (5)
Según esto, las ecuaciones (3) y (4), juntas con la simetría del lugar geométrico, muestran que la hipérbola no
es una curva cerrada, sino que consta de dos ramas diferentes, una de las cuales se extiende indefinidamente
130
hacia la derecha, arriba y abajo del eje “x” y la otra se extiende indefinidamente hacia la izquierda, por arriba
y por debajo del eje “x”.
B
y y
E L
A P(x,y)
D
V’ V C
F’(-c,0) C F(c,0) x F’ V’ V F x
D’
A’
E’
B’ L’
En la figura se ha representado una porción de cada una de las ramas.

El segmento que une dos puntos diferentes cualesquiera de la hipérbola se llama cuerda; estos puntos pueden
ser ambos de la misma rama, como por ejemplo para la cuerda ̅̅̅̅̅ 𝐵𝐵′ ó uno de una rama y el otro de la otra rama,
̅̅̅̅̅
como para el eje transverso 𝑉𝑉′.
En particular, una cuerda que pasa por un foco, tal como la representada por los puntos ̅̅̅̅̅ 𝐸𝐸′, se denomina
̅̅̅̅
cuerda focal. Una cuerda focal, que es perpendicular al eje focal se llama “Lado Recto” 𝐿𝐿′. La hipérbola por
tener dos focos tiene dos lados rectos.
Una cuerda que pasa por el centro “C”, tal como la definida por ̅̅̅̅̅ 𝐷𝐷′, se denomina diámetro. Si “P” es un
punto cualquiera de la hipérbola, los segmentos “𝐹𝑃 ̅̅̅̅̅”, que unen los focos con el punto “P” se llaman
̅̅̅̅” y “𝐹′𝑃
radios vectores de “P”.
La recta que pasa por “C” y es perpendicular al eje focal, se denomina “eje normal”, no corta a la hipérbola;
sin embargo, una porción definida de este eje, el segmento ̅̅̅̅̅𝐴𝐴′, que tiene a “C” por punto medio, se llama eje
conjugado.
La hipérbola no tiene asíntotas verticales ni horizontales, pero si tiene dos asíntotas oblicuas de las cuales ya
veremos su cálculo.
De la ecuación (3) y de la relación (5), hallamos que la longitud de cada lado recto es igual a:
𝑏2
𝐿𝑟 = 2
𝑎
Igual que la Elipse, la excentricidad “e” de una hipérbola está definida
por la razón:
𝑐
𝑒=
𝑎
Por lo tanto, de la expresión (4), tenemos:
𝑐 √𝑎2 + 𝑏2 𝑏 2
𝑒= = √
= 1−( ) (6)
𝑎 𝑎 𝑎
Si b << 𝑎, c = 1, la hipérbola es más curva; y si b >> 𝑎 , la
excentricidad es e >> 1, se parece más a un par de rectas.
Si el centro de la hipérbola está en el origen del sistema de coordenadas, pero su eje focal coincide con el eje
coordenado “y”, hallamos análogamente, que la ecuación de la hipérbola es:
𝒚𝟐 𝒙𝟐
− =𝟏 (7 ) 𝑙𝑙𝑎𝑚𝑎𝑑𝑎 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑐𝑎𝑛ó𝑛𝑖𝑐𝑎 𝑑𝑒 𝑙𝑎 ℎ𝑖𝑝é𝑟𝑏𝑜𝑙𝑎
𝒂𝟐 𝒃𝟐
Las ecuaciones (2) y (7) son llamadas como primera ecuación ordinaria de la hipérbola. Son las más simples
de esta curva, por lo que nos referiremos a ellas como formas canónicas.
Los resultados precedentes se reúnen en el siguiente teorema:
131
“La ecuación de la hipérbola de centro en el origen del sistema de coordenadas, eje focal coincidente con el
eje coordenado “x” y focos los puntos (c , 0) y (-c , 0), es:
𝑥2 𝑦2
− =1
𝑎2 𝑏2
Si el eje focal coincide con el eje “y”, de manera que las coordenadas de los focos sean (0 , c) y
(0 , -c) , entonces la ecuación es:
𝑦2 𝑥2
− =1
𝑎2 𝑏2
Para cada hipérbola, “𝑎” es la longitud del semieje transverso o semieje real y “b” la del semieje conjugado;
“c” la distancia del centro a cada foco y las constantes “𝑎” , “b” y “c” están ligadas por la relación:
c2 = 𝑎2 + b2
También, para cada hipérbola, la longitud de cada uno de sus lados rectos es:
𝑏2
𝐿𝑟 = 2
𝑎
𝑐 √𝑎2 + 𝑏2
𝑒= =
𝑎 𝑎
La posición de la hipérbola con respecto a los ejes coordenados se determina por los signos de los coeficientes
de las variables en la forma canónica de su ecuación. La variable de coeficiente positivo corresponde al eje
coordenado que contiene al eje transverso de la hipérbola.”
Asíntotas de la hipérbola
Si de la forma canónica de la ecuación de la hipérbola:
𝑥2 𝑦2
− =1
𝑎2 𝑏2
la multiplicamos por 𝑎2 b , obtendremos:
2
b2 x2 – 𝑎2 y2 = 𝑎2 b2 (8)
Si de la ecuación (8) despejamos el valor de “y”, nos quedará:
𝑏
𝑦 = ± √𝑥 2 − 𝑎2
𝑎
que puede escribirse en la forma:
𝑏 𝑎2
𝑦 = ± 𝑥√1 − 2 (9)
𝑎 𝑥
Investiguemos lo que ocurre en una ecuación, cuando una de sus variables
aumenta numéricamente sin límite. Este sería el caso aquí planteado. Si un punto
de la hipérbola (8) se mueve a lo largo de la curva, de manera que su abscisa “x”
aumenta numéricamente sin límite, el radical del segundo miembro de (9) se
aproxima más y más a la unidad (porque el valor de “x2” crecerá y 𝑎2 , que es una
constante, permanecerá como tal y entonces dicha relación 𝑎2 /x2 tenderá a cero),
y por ende la ecuación tiende a la forma:
𝑏
𝑦=± 𝑥 (10)
𝑎
Como la ecuación (10) representa las rectas:
𝑏 𝑏
𝑦=+ 𝑥 𝑒 𝑦=− 𝑥
𝑎 𝑎
esto nos conduce a inferir, que la hipérbola es asintótica a estas dos rectas.
Vamos a demostrar lo que acabamos de enunciar. Sea P 1(x1;y1) un punto cualquiera de la parte superior de la
rama derecha de la hipérbola de la ecuación (8), como se indica en la figura 1.
𝑏
La ecuación de la recta 𝑦 = + 𝑎 𝑥 puede escribirse de la forma:
bx – 𝑎y = 0 (11)
132
Ahora bien, la distancia “d” entre la recta bx – 𝑎y = 0 y el punto P1(x1;y1) está dada por la expresión:
|𝑏𝑥1 − 𝑎𝑦1 |
𝑑= (12)
√𝑏2 + 𝑎2
Si multiplicamos numerador y denominador del segundo miembro de la ecuación (12) por: |𝑏𝑥1 − 𝑎𝑦1 | ,
obtenemos:
|𝑏2 𝑥1 2 − 𝑎2 𝑦1 2 |
𝑑= (13)
√𝑏2 + 𝑎2 |𝑏𝑥1 − 𝑎𝑦1 |
Pero como P1 está sobre la hipérbola de ecuación (8),
𝑏2 𝑥1 2 − 𝑎2 𝑦1 2
de manera que la ecuación (13) puede escribirse en la forma:
𝑎2 𝑏2
𝑑= (14)
√𝑏2 + 𝑎2 |𝑏𝑥1 − 𝑎𝑦1 |
Si P1 se mueve hacia la derecha a lo largo de la curva y se aleja indefinidamente del origen, sus coordenadas,
x1 e y1, aumentan ambas de valor sin límite, de manera que, por la ecuación (14), “d” decrece continuamente
y se aproxima a cero. Se sigue, de acuerdo con esto, que la recta (11) es una asíntota de la rama derecha de la
hipérbola (8).
Si P1 está sobre la parte inferior de la rama izquierda de la hipérbola (8) y se mueve hacia la izquierda, a lo
largo de la curva, alejándose indefinidamente del origen, entonces sus coordenadas x1 e y1 aumentan de valor
ambas sin límite en la dirección negativa.
La ecuación (14) muestra entonces que “d” decrece continuamente y tiende a cero, de donde se sigue que la
recta (11) es también asíntota de la rama izquierda de la hipérbola (8).
Quedan dos casos por considerar, que son, cuando P1 está sobre la parte superior de la rama izquierda y cuando
P1 está sobre la parte inferior de la rama derecha.
Utilizando el mismo razonamiento que en los dos párrafos anteriores, podemos demostrar que la recta: bx +
ay = 0 , es una asíntota de ambas ramas de la hipérbola (8).
Estos resultados se resumen en lo siguiente:
Teorema
“La hipérbola de ecuación:
b2 x2– 𝑎2y2 = 𝑎2b2
tiene por asíntotas las rectas
bx – 𝑎y = 0 y bx + 𝑎y = 0 .”
Nota: Si la ecuación de una hipérbola está en su forma canónica, las ecuaciones de sus asíntotas pueden
obtenerse reemplazando el término constante por cero y factorizando el primer miembro; así, por ejemplo,
para la hipérbola 9x2 – 4y2 = 36 , tenemos:
9x2 – 4y2 = 0 , de donde: (3x + 2y) (3x – 2y) = 0, y las ecuaciones de las asíntotas son respectivamente:
3x + 2y = 0 y 3x – 2y = 0
Segunda ecuación ordinaria de la hipérbola
Si el centro de una hipérbola no está en el origen del sistema de coordenadas, pero sus ejes son paralelos a los
ejes coordenados, sus ecuaciones pueden obtenerse tal como se determinaron ambas formas de la segunda
ecuación ordinaria de la elipse.
133
y P(x,y) y’ Para éste caso, supongamos que el eje focal de la
hipérbola es paralelo al eje coordenado “x” y que
su centro se encuentra en el punto o’, centro de un
O’ sistema de ejes coordenados x’o’y’, paralelo a los
ejes coordenados xoy, según lo que se muestra en
F’(-c,0) V’ V F(c,0) x’ la figura. Recordando que la ecuación de ésta
hipérbola referida a los ejes coordenados x’o’y’ es:
𝑥′2 𝑦′2
k − =1 (15)
𝑎2 𝑏2
y teniendo presente las ecuaciones de

transformación (traslación de ejes coordenados):
O h x
x = x’ + h  x’ = x – h
y = y’ + k  y’ = y - k
y reemplazando estos valores en la ecuación (17), nos queda:
(𝑥 − ℎ)2 (𝑦 − 𝑘)2
− =1 (16)
𝑎2 𝑏2
que no es otra que la ecuación de la hipérbola de centro en el punto de coordenadas (h , k) y eje transverso
paralelo al eje coordenado “x”.
Si el eje focal es paralelo al eje coordenado “y”, su ecuación es:
(𝑥 − 𝑘)2 (𝑦 − ℎ)2
− =1 (17)
𝑎2 𝑏2
Para cada hipérbola, “𝑎” es la longitud del semieje transverso; “b” la del semieje conjugado; “c” la distancia
del centro a cada uno de los focos, y “𝑎”, “b” y “c” están ligadas por la relación:
c2 = 𝑎2 + b2
También para cada hipérbola, la longitud de cada lado recto es:
𝑏2
𝐿𝑟 = 2
𝑎
𝑐 √𝑏2 + 𝑎2
𝑒= = > 1
𝑎 𝑏2
Consideremos ahora la ecuación de la hipérbola de la forma:
(𝑥 − 𝑘)2 (𝑦 − ℎ)2
− =1 (18)
𝑎2 𝑏2
Si quitamos denominadores, multiplicando por 𝑎2 b2 toda la ecuación:
2 2[
(𝑥 − 𝑘)2 (𝑦 − ℎ)2
𝑎 𝑏 − ]=1
𝑎2 𝑏2
obtenemos:
b2 (x – h)2 – 𝑎2 (y – k)2 = 𝑎2 b2
y desarrollando esta última expresión, nos queda:
b2 x2 – 2 b2 h x + b2 h2 – 𝑎2 y2 + 2 𝑎2 k y – 𝑎2 k2 = 𝑎2 b2
y ordenando:
b2x2 – 𝑎2 y2 – 2b2hx + 2𝑎2 ky + b2 h2 – 𝑎2 k2 – 𝑎2 b2 = 0
la cual puede escribirse como:
Ax2 + Cy2 + Dx + Ey + F = 0
en donde se han sustituido:
b2 = A ; 𝑎2 = - C (19) ; 2b2h = - D ; 2𝑎2 k = E ; b2h2 – 𝑎2 k2 – 𝑎2 b2 = F
Quedando: Ax2 – Cy2 – Dx + Ey + F = 0
134
Vemos en la ecuación (19), que los coeficientes A y C son de distinto signo.
Hipérbola equilátera o rectangular
Consideremos una hipérbola especial cuyos ejes transverso y conjugado son de igual longitud.
Entonces “a = b” y la ecuación:
𝑥2 𝑦2
− = 1 ⟹ 𝑏2 𝑥 2 − 𝑎2 𝑦 2 = 𝑎2 𝑏2
𝑎2 𝑏2
toma la forma más sencilla :
𝑎2 𝑥 2 − 𝑎2 𝑦 2 = 𝑎2 𝑎2 ⟹ 𝑎 2 𝑥 2 − 𝑎 2 𝑦 2 = 𝑎 4 ⟹ 𝑎 2 (𝑥 2 − 𝑦 2 ) = 𝑎 4 ⟹ 𝑥 2 − 𝑦 2 = 𝑎2 (20)
Debido a la igualdad de sus ejes, la hipérbola (20) se llama hipérbola equilátera.
Las asíntotas de la hipérbola equilátera (20) son las rectas: x – y = 0 y x + y = 0 . Como podemos observar,
estas rectas son perpendiculares; resulta entonces que las asíntotas de una hipérbola equilátera son
perpendiculares entre sí. Por esta razón, la hipérbola equilátera se llama también hipérbola rectangular.
Hipérbolas conjugadas
Si dos hipérbolas son tales que el eje transverso de cada una de ellas es idéntico al eje conjugado de la otra, se
llaman hipérbolas conjugadas.
Cada hipérbola es entonces la hipérbola conjugada de la otra.
Si la ecuación de una hipérbola es:
𝑥2 𝑦2
− =1 (21)
𝑎2 𝑏2
entonces, de acuerdo a la definición, la hipérbola conjugada de (21) tiene por ecuación:
𝑦2 𝑥2
− =1 (22)
𝑏2 𝑎2
Es evidente que la ecuación (22) puede obtenerse de la ecuación (21), cambiando simplemente el signo de uno
de los miembros de (21). Por ejemplo, si la ecuación de una hipérbola es:
2𝑥 2 − 7𝑦 2 = 18
entonces la ecuación de su hipérbola conjugada es:
7𝑦 2 − 2𝑥 2 = 18
Es fácil comprobar que un par de hipérbolas conjugadas tienen un centro común, un par común de asíntotas y
todos sus focos equidistan del centro.
Resumen de cónicas
Cónica Circunferencia Parábola Elipse Hipérbola
Lugar geométrico de
Lugar geométrico de un punto que se
Lugar geométrico un punto que se mueve en un plano de
de un punto que se mueve en un plano de tal manera que el
Lugar geométrico de mueve en un plano tal manera que la valor absoluto de la
los puntos de un de tal manera que su suma de sus diferencia de sus
plano que se distancia a una recta distancias a dos distancias a dos
Definición encuentran siempre a fija, situada en el puntos fijos de ese puntos fijos del
una distancia plano, es siempre plano es siempre plano, llamados
constante de un punto igual a su distancia igual a una constante, focos, es siempre
fijo de ese plano. a un punto fijo del mayor que la igual a una cantidad
plano y que no distancia entre los dos constante, positiva y
pertenece a la recta puntos. menor que la
distancia entre los
focos.
2a: longitud del eje 2a: longitud del eje
p: distancia del
mayor transverso
vértice al foco y
2b: longitud del eje 2b: longitud del eje
Constantes r: Radio distancia del vértice
menor conjugado
a la directriz
2c: distancia entre los 2c: distancia entre los
F: foco sobre eje
focos focos
135
Relación Relación
fundamental: fundamental:
𝑎2 = 𝑏 2 + 𝑐 2 𝑐 = 𝑎2 + 𝑏 2
F: foco sobre eje F: foco sobre eje
mayor transverso
Eje focal
1° Ecuación coincidente 𝑥2 𝑦 2 𝑥2 𝑦 2
ordinaria con el eje y2 = 4px + =1 − =1
Vértice de la “x”
𝑎2 𝑏 2 𝑎2 𝑏 2
parábola y 𝑥2 + 𝑦 2 = 𝑟2 Eje focal
centros en el coincidente 𝑥2 𝑦 2 𝑦 2 𝑥2
origen con el eje x2 = 4py + =1 − =1
“y”
𝑏 2 𝑎2 𝑎2 𝑏 2
2° Ecuación Eje focal
(y – k)2 = 4p (x – h) (𝑥 − ℎ)2 (𝑦 − 𝑘)2 (𝑥 − ℎ)2 (𝑦 − 𝑘)2
ordinaria paralelo al + =1 − =1
Vértice de la eje “x” 𝑎2 𝑏2 𝑎2 𝑏2
(𝒙 − 𝒉)𝟐 + (𝒚 − 𝒌)𝟐 = 𝒓𝟐
parábola y Eje focal
(𝑥 − ℎ)2 (𝑦 − 𝑘)2 (𝑦 − ℎ)2 (𝑥 − 𝑘)2
centros en paralelo al (x – h)2 = 4p (y – k) + =1 − =1
punto (h,k) eje “y” 𝑏2 𝑎2 𝑎2 𝑏2
Long lado 2𝑏 2 2𝑏 2
recto 4p
𝑎 𝑎
𝑐 𝑐
Excentricidad 𝑒=0 𝑒=1 𝑒= <1 𝑒= >1
𝑎 𝑎
Ecuación
general 𝐴. 𝐶 = 0 𝑦 𝐴 + 𝐶
𝐴𝑥 2 + 𝐶𝑦 2
𝐴 𝑦 𝐶 𝑑𝑒𝑙 𝐴 𝑦 𝐶 𝑑𝑒
𝐴=𝐶 ≠ 0 (𝑛𝑜 𝑠𝑒 𝑎𝑛𝑢𝑙𝑎𝑛
+ 𝐷𝑥 + 𝐸𝑦 𝑚𝑖𝑠𝑚𝑜 𝑠𝑖𝑔𝑛𝑜 𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑜 𝑠𝑖𝑔𝑛𝑜
𝑠𝑖𝑚𝑢𝑙𝑡á𝑛𝑒𝑎𝑚𝑒𝑛𝑡𝑒)
+𝐹 = 0
Algunas propiedades de las cónicas y sus aplicaciones

Las cónicas tienen muchas aplicaciones tecnológicas derivadas de las interesantes propiedades geométricas
que las constituyen. A continuación, trataremos algunas de esas propiedades.
Si la parábola es reflejante (un espejo) (figura 4.a), y en el foco se coloca
una fuente de luz, por las leyes de la reflexión en el punto de incidencia el
rayo incidente y el rayo reflejado formarán el mismo ángulo con la normal.
El rayo reflejado será horizontal (paralelo al eje focal). En óptica suele
enunciarse: “Todos los rayos que parten del foco se reflejarán paralelos al
eje focal”. Los faros de los automotores utilizan esta propiedad geométrica
de las parábolas, dado que con una fuente de luz relativamente débil
(consume poca energía) colocada en el foco de un espejo de sección
parabólica, se obtiene, por reflexión, un potente haz de luz dirigido hacia
adelante.
Figura 4
Las antenas parabólicas de recepción de señales electromagnéticas, también usan esta propiedad (fig 4.b), pero
a la inversa: los rayos que llegan del espacio exterior (prácticamente horizontales debido a que provienen de
otra fuente lejana) se reflejan dentro de la antena y pasarán por el foco de la señal.
Las elipses tienen una propiedad similar (figura 5.a) que se utiliza tanto en el diseño arquitectónico (acústica)
como en bioingeniería (la fragmentación por ondas de choque de cálculos renales o hepáticos utilizan una
cámara reflectora elíptica y metálica, en uno de sus focos se coloca el emisor de las ondas que atraviesan partes
blandas y se concentran en el otro foco, donde se ubica el cálculo a desintegrar.
Figura 5
136
Cuádricas
Introducción
Las superficies están presentes en todas las ramas de la ingeniería y de la vida cotidiana
Figura 1
Las construcciones con formas arquitectónicas como las esquematizadas en la figura 1, tanques con forma de
superficies esféricas o elipsoides, botellas, vasos, torres de enfriamiento, son muy comunes.
Desde la antigüedad, los paraboloides, casquetes esféricos y elipsoides formaron parte de las cúpulas de las
grandes construcciones.
Figura 2
El famoso arquitecto Gaudí fue pionero en utilizar los hiperboloides de una hoja (consideraba que
simbolizaban la luz, ya que ésta entra por el cuello circular y se desliza por la superficie). No era la única razón
por la cual utilizaba este tipo de superficies. Según su criterio, era la que mejor difundía el sonido. Por ello las
cubiertas de su quizá más famosa obra (aunque inconclusa): la catedral de Barcelona, La sagrada familia
(figura 2), tiene fragmentos de hiperboloides y de paraboloides elípticos.
Objetivos
Al finalizar la lectura comprensiva y activa de la presente unidad, se espera que el lector pueda:
 Identificar superficies de revolución, determinar sus ecuaciones, o trazar sus gráficas.
 Reconocer las superficies esféricas, paraboloides, hiperboloides y elipsoides, identificar sus elementos,
sus intersecciones planas y trazar sus gráficas.
 Analizar el lugar geométrico que representa una ecuación de segundo grado.
Superficies cuádricas
Las superficies definidas por una ecuación de segundo grado en las variables “x”, “y”, “z”, reciben el nombre
de cuádricas.
Del estudio y análisis de la ecuación general de segundo grado con tres variables, cuya expresión es:
𝑨𝒙𝟐 + 𝑩𝒚𝟐 + 𝑪𝒛𝟐 + 𝑫𝒙𝒚 + 𝑬𝒙𝒛 + 𝑭𝒚𝒛 + 𝑮𝒙 + 𝑯𝒚 + 𝑰𝒛 + 𝑲 = 𝟎 (𝟏)

Representa una rotación Representa una
de ejes traslación
En el plano se ha visto cómo mediante una conveniente rotación de ejes, puede eliminarse el término en las
dos variables, o sea el término “xy” de la ecuación de una cónica y como mediante una traslación de ejes
coordenados, o completando cuadrados, se podía encontrar la forma canónica de la curva. Lo mismo puede
hacerse en el espacio de tres dimensiones, con la ecuación general de las cuádricas.
137
Cuádricas con centro
Entonces, de acuerdo a lo expresado, en la ecuación (1) puede efectuarse una rotación de ejes y también
traslación de ejes o completando cuadrados, para obtener como resultado una de estas formas:
𝑀𝑥 2 + 𝑁𝑦 2 + 𝑃𝑧 2 = 𝑅 (2)
todos los coeficientes son distintos de cero, podemos dividir dicha ecuación por “R”, resultando:
𝑀 2 𝑁 2 𝑃 2 𝑅
𝑥 + 𝑦 + 𝑧 =
𝑅 𝑅 𝑅 𝑅
la que también puede ser expresada como:
𝑥 2 𝑦2 𝑍2
+ + =1
𝑅 𝑅 𝑅
𝑀 𝑁 𝑃
y haciendo:
𝑅 𝑅 𝑅
= 𝑎2 ; = 𝑏2 ; = 𝑐2
𝑀 𝑁 𝑃
resultando entonces una ecuación de la forma:
Expresión general de la
2 2 2
𝑥 𝑦 𝑧 forma canónica de la
± ± ± =1 (3)
𝑎2 𝑏 2 𝑐 2 ecuación de las cuádricas
con centro.
HIPERBOLOIDE HIPERBOLOIDE
ELIPSOIDE DE UNA HOJA DE DOS HOJAS
Todos los coeficientes Dos de los coeficientes Uno de los coeficientes
positivos positivos y el otro positivos y los otros
negativo negativos
Elipsoide
Su ecuación canónica es:
𝑥2 𝑦2 𝑧2
+ + =1 (4)
𝑎2 𝑏 2 𝑐 2
Dependiendo de los valores de 𝑎; 𝑏 o 𝑐 , el hiperboloide va a ser estirado según ese eje, o sea que si 𝑎 > 𝑏 >
𝑐 va a estar estirado en el eje x y así sucesivamente.
Simetría
Los tres términos del primer miembro de la expresión (4) son de segundo grado. los tres términos del primer
miembro son de segundo grado, por lo cual, si se cambia el signo de una sola de las tres variables, o de dos,
o de las tres, la ecuación no varía; por lo que el elipsoide elíptico es por esta condición, simétrico con respecto
a cada uno de los planos coordenados, con respecto a cada uno de los ejes coordenados y con respecto al origen
del sistema coordenado.
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. Es decir:
𝑥2 𝑦2
+ =1 ; 𝑧=0
𝑎2 𝑏 2
Esta ecuación representa los puntos de una elipse sobre el plano de ecuación z = 0 (plano xy).
138
Traza sobre el plano xz
De manera análoga a lo hecho anteriormente, podemos obtener la traza del elipsoide sobre el plano xz,
realizando la intersección de la superficie con el plano de ecuación y = 0 (plano xz) .
𝑥2 𝑧2
+ =1 ; 𝑦=0
𝑎2 𝑐 2
Esta ecuación representa los puntos de una elipse sobre el plano de ecuación y = 0 (plano xz).
Traza sobre el plano yz
Para hallar la traza sobre el plano yz consideramos la intersección de la superficie con el plano de ecuación x
= 0 (plano yz).
𝑦2 𝑧2
+ =1 ; 𝑥=0
𝑏2 𝑐 2
Esta ecuación representa los puntos de una elipse sobre el plano de ecuación x = 0 (plano yz).
Resumiendo, con b > a > c; nos queda:
Plano
Traza
coordenado
𝑥2 𝑦2
xy (z=0) Elipse: 2
+ =1
𝑎 𝑏2
𝑥2 𝑧2
xz (y=0) Elipse: 2
+ =1
𝑎 𝑐2
𝑦2 𝑧2
yz (x=0) Elipse: 2
+ =1
𝑏 𝑐2
Dando distintos valores a x, y, z, obtendremos una superficie de revolución como se ve en la figura siguiente:
z
y x x
Elipsoide Ejemplo real
En este caso tenemos un elipsoide de
revolución, ya que si cortamos la pelota de
rugby en sentido perpendicular al eje
mayor, obtenemos circunferencias y no
elipses
En el caso que en la ecuación (4), sean a = b = c, en vez de formar elipses en los cortes de los planos, formarán
circunferencias, por lo que nos quedará lo siguiente:
139
Ejemplo real
Hiperboloide de una hoja
Una forma canónica de la ecuación del hiperboloide de una hoja es:
𝑥2 𝑦2 𝑧2
+ − =1 (5)
𝑎2 𝑏 2 𝑐 2
y las otras dos formas canónicas son:
𝑥2 𝑦2 𝑧2 𝑥2 𝑦2 𝑧2
− + =1 (6) ; − 2+ 2+ 2=1 (7)
𝑎2 𝑏 2 𝑐 2 𝑎 𝑏 𝑐
Simetría
La simple observación de la ecuación, donde los tres términos del primer miembro son de segundo grado, por
lo cual, si se cambia el signo de una sola de las tres variables, o de dos, o de las tres, la ecuación no varía; el
hiperboloide de una hoja es por tanto simétrico con respecto a cada uno de los planos coordenados, con
respecto a cada uno de los ejes coordenados y con respecto al origen del sistema de coordenadas
Traza sobre los planos xy
= 0. Es decir:
𝑥2 𝑦2
+ =1 ; 𝑧=0
𝑎2 𝑏 2
Esta ecuación representa los puntos de una elipse sobre el plano de ecuación z = 0 (plano xy). Esta elipse tiene
eje mayor sobre el eje “x”

De manera análoga a lo hecho anteriormente, podemos obtener la traza del hiperboloide sobre el plano xz,
𝑥2 𝑧2
− =1 ; 𝑦=0
𝑎2 𝑐 2
Esta ecuación representa los puntos de una hipérbola sobre el plano de ecuación y = 0 (plano xz)
= 0 (plano yz).
𝑦2 𝑧2
− =1 ; 𝑥=0
𝑏2 𝑐 2
Esta ecuación representa los puntos de una hipérbola sobre el plano de ecuación x = 0 (plano yz)
Resumiendo, nos queda:
140
Plano
Traza
coordenado
𝑥2 𝑦2
xy (z=0) Elipse: 2
+ =1
𝑎 𝑏2
𝑥2 𝑧2
xz (y=0) Hipérbola: 2
− =1
𝑎 𝑐2
𝑦2 𝑧2
yz (x=0) Hipérbola: 2
− =1
𝑏 𝑐2
El eje del hiperboloide corresponde a la

variable cuyo coeficiente es negativo
z
Hiperboloide de una hoja Ejemplo real
Hiperboloide de dos hojas

Una forma canónica del hiperboloide de dos hojas es:
𝑥2 𝑦2 𝑧2
− − =1 (8)
𝑎2 𝑏 2 𝑐 2
existiendo además las otras dos formas canónicas:
𝑥2 𝑦2 𝑧2 𝑥2 𝑦2 𝑧2
− 2+ 2− 2=1 (9) − 2− 2+ 2=1 (10)
𝑎 𝑏 𝑐 𝑎 𝑏 𝑐
El desarrollo de la ecuación (8), es representativa de todas las formas, ya que las superficies difieren solamente
en sus posiciones con relación a los ejes coordenados.
Análisis de simetría
Por las mismas razones expuestas en la cuádrica anterior (hiperboloide de una hoja), el hiperboloide de dos
hojas es simétrico con respecto a cada plano coordenado, con respecto a cada eje coordenado y con respecto
al origen del sistema de coordenadas.
Traza sobre el plano xy
= 0. Es decir:
𝑥2 𝑦2
− =1 ; 𝑧=0
𝑎2 𝑏 2
Esta ecuación representa los puntos de una hipérbola sobre el plano de ecuación z = 0 (plano xy)
De manera análoga a lo hecho anteriormente, podemos obtener la traza del hiperboloide sobre el plano xz,
141
𝑥2 𝑧2
− =1 ; 𝑦=0
𝑎2 𝑐 2
Esta ecuación representa los puntos de una hipérbola sobre el plano de ecuación y = 0 (plano xz)
= 0 (plano yz).
𝑦2 𝑧2
− 2− 2=1 ; 𝑥=0
𝑏 𝑐
valor no lógico, que como podemos observar, la suma de dos números negativos es igual al número uno
positivo.
Plano
Traza
coordenado
xy (z=0) Ninguna
𝑧2 𝑥2
xz (y=0) Hipérbola: 2
− =1
𝑐 𝑎2
𝑧2 𝑦2
yz (x=0) Hipérbola: 2
− =1
𝑐 𝑏2
El eje del hiperboloide corresponde a la variable cuyo coeficiente es positivo. No hay traza en el plano
coordenado perpendicular a este eje, con lo que este gráfico corresponde a la ecuación:
𝑧2 𝑥2 𝑦2
− − =1
𝑐 2 𝑎2 𝑏2
x
y
Hiperboloide de dos hojas Ejemplo real
142
Cuádricas sin centro
Aquí consideraremos las cuádricas sin centro representadas por la ecuación:
𝑀𝑥 2 + 𝑁𝑦 2 = 𝑆𝑧 (11)
en donde todos los coeficientes son distintos de cero.
Podemos escribir esta ecuación también como:
Forma ordinaria o
2 2
𝑥 𝑦 canónica de una
± ± = 𝑐𝑧 (12)
𝑎2 𝑏 2 superficie cuádrica sin
centro
PARABOLOIDE PARABOLOIDE
ELÍPTICO HIPERBÓLICO
Los dos coeficientes son Uno de los coeficientes es
positivos positivo y el otro negativo
Paraboloide elíptico
Una forma canónica de la ecuación del paraboloide elíptico es:
𝑥2 𝑦2
+ = 𝑐𝑧 (13)
𝑎2 𝑏 2
𝑥2 𝑧2 𝑦2 𝑧2
+ = 𝑐𝑦 (14) ; + = 𝑐𝑥 (15)
𝑎2 𝑏 2 𝑎2 𝑏 2
Para cada forma podemos tener dos variaciones, según sea “c” positivo o negativo.
Analizaremos la ecuación (13) y este estudio será representativo de todas las formas.
Es la parábola de ecuación:
𝑥2
= 𝑐𝑧 𝑦=0
𝑎2
𝑦2
= 𝑐𝑧 𝑥=0
𝑏2
Plano
Traza
coordenado
𝑥2 𝑦2
xy (z=0) Elipse: 2
+ =1
𝑎 𝑏2
𝑥2
xz (y=0) Parábola: = 𝑐𝑧
𝑎2
𝑦2
yz (x=0) Parábola: = 𝑐𝑧
𝑏2
El eje del paraboloide corresponde con la variable elevada a la primera potencia
143
Paraboloide hiperbólico
Una forma canónica de la ecuación del paraboloide elíptico es:
𝑥2 𝑦2
− = 𝑐𝑧 (16)
𝑎2 𝑏 2
𝑥2 𝑧2 𝑦2 𝑧2
− = 𝑐𝑦 (17) ; − = 𝑐𝑥 (18)
𝑎2 𝑏 2 𝑎2 𝑏 2
Analizaremos la ecuación (16) y este estudio será representativo de todas las formas.
Intersección con los Ejes Coordenados
𝑥2
= 𝑐𝑧 𝑦=0
𝑎2
𝑦2
− 2 = 𝑐𝑧 𝑥=0
𝑏
Plano
Traza
coordenado
Hipérbola, para los y
xy (z=0) negativos
𝑥2 𝑦 2
− = 𝑐𝑧
𝑎2 𝑏 2
𝑥2
xz (y=0) Parábola: = 𝑐𝑧
𝑎2
𝑦2
yz (x=0) Parábola: − 2 = 𝑐𝑧
𝑏
El eje del paraboloide corresponde con la variable elevada a la primera potencia
144
UNIDAD N°11: Números Complejos
Introducción
Aparece la necesidad de la creación de los números complejos para dar solución a ecuaciones del tipo:
𝒙𝟐 + 𝟏 = 𝟎
que no puede ser resuelta en el conjunto de los números reales, porque para que una suma de números reales
positivos sea igual a cero, uno de los números debe ser opuesto del otro; o sea x2 tiene que ser opuesto de 1,
es decir, debe ser negativo
𝒙𝟐 < 0
condición esta, que como dijimos no puede cumplir ningún número real.
Hace falta entonces, encontrar un número cuyo cuadrado sea igual a -1.
Considerando entonces la ecuación: 𝒙𝟐 + 𝟏 = 𝟎 , de donde resulta 𝒙𝟐 = −𝟏 . Si a esta última expresión le
sacamos la raíz cuadrada, tendremos:
No tiene solución en el campo de
√𝑥 2 = √−1 de donde: 𝑥 = √−1 los números reales
valor éste último que se consideró como “unidad imaginaria”, y se identificó por la letra “i” latina minúscula,
es decir:
√−𝟏 = 𝒊
Definición de número complejo
Un número complejo es la suma algebraica de un número Real y un número Imaginario. Así como los reales
se representan sobre una recta numérica, lo complejos se pueden representar:
Es todo par ordenado de números reales (𝑎 , 𝑏), que se lo designa habitualmente con la letra z: z = (𝑎 , 𝑏)
ℂ = {(𝑎 , 𝑏)/𝑎 𝜖 ℝ ∧ 𝑏 𝜖 ℝ}
La primera componente, 𝑎, se denomina componente real y se representa como Re(z)
La segunda componente, 𝑏, se denomina componente imaginaria y se representa como Im(z)
Propiedades
En el conjunto de los números complejos se definen dos operaciones internas, Adición o suma y la
multiplicación que cumplen las siguientes propiedades:
Adición
Conmutatividad 𝑍1 + 𝑍2 = 𝑍2 + 𝑍1
Asociatividad (𝑍1 + 𝑍2 ) + 𝑍3 = 𝑍1 + (𝑍2 + 𝑍3 )
Elemento neutro 𝑍1 + 0 = 𝑍1
Opuesto aditivo 𝑍1 + (−𝑍1 ) = 0
Multiplicación
Conmutatividad 𝑍1 . 𝑍2 = 𝑍2 . 𝑍1
Asociatividad (𝑍1 . 𝑍2 ). 𝑍3 = 𝑍1 . (𝑍2 . 𝑍3 )
Elemento neutro 𝑍1 . 1 = 𝑍1
Opuesto multiplicativo 𝑍1 . 𝑍1−1 = 1
Distributiva 𝑍1 . (𝑍2 + 𝑍3 ) = 𝑍1 . 𝑍2 + 𝑍1 . 𝑍3
145
Representación de un número complejo
Los números complejos pueden representarse de distintas formas
1- Forma Cartesiana
𝒁 = (𝒂, 𝒃) (1)
donde 𝑎 y b 𝜖 ℝ siendo 𝑎: la componente real y b: la componente imaginaria

Im
Un número complejo se representa por un punto en
un plano, por lo que los infinitos puntos del plano
representan infinitos números complejos.
b 𝒁 = (𝒂, 𝒃)
El conjunto de los números complejos es un conjunto
no ordenado.
𝑎 ℝ
2- Forma Binómica Im
Z = a + bi (2)
donde ayb son números reales b Z = a + bi
Siendo a la parte real y b el coeficiente de la parte imaginaria del

número complejo.
𝑎 ℝ
Ejemplos:
𝑍1 = (−1 , 3) ó 𝑍1 = −1 + 3𝑖
1
𝑍2 = (1⁄2 , −4) ó 𝑍2 = − 4𝑖
2
𝑍3 = (5 , √5) ó 𝑍3 = 5 + √5 𝑖
Complejos Iguales Tienen la misma componente

real y la misma componente
Dos números complejos son iguales si imaginaria
a + bi = c + di siendo a = c y b = d
𝒁𝟏 = 𝒁𝟐 ⇔ 𝒂=𝒄 ʌ 𝒃=𝒅
Complejos Opuestos
Siendo Z = a + bi su opuesto es Z= - a - bi
Complejos Conjugados
Siendo Z = a + bi su conjugado es Z = a - bi y si Se le cambia el signo a la parte
imaginaria
Z = a – bi su conjugado es Z = a + bi
Ejemplo:
̅ = (−𝟑 , −𝟏) = −𝟑 − 𝟏𝒊
𝒔𝒊 𝒁 = (−𝟑 , 𝟏) = −𝟑 + 𝟏𝒊 𝒆𝒍 𝒄𝒐𝒏𝒋𝒖𝒈𝒂𝒅𝒐 𝒆𝒔 𝒁
Adición o suma
Dados los complejos 𝑍1 = (𝑎 , 𝑏) = 𝑎 + 𝑏𝑖 𝑦 𝑍2 = (𝑐 , 𝑑 ) = 𝑐 + 𝑑𝑖 , la adición de los mismos se define por:
𝒁𝟏 + 𝒁𝟐 = (𝒂 , 𝒃) + (𝒄 , 𝒅) = (𝒂 + 𝒄 , 𝒃 + 𝒅) = [(𝒂 + 𝒄) + (𝒃 + 𝒅)𝒊]
146
Ejemplo:
𝑍1 = (1 , −6) = 1 − 6𝑖 ; 𝑍2 = (−2 , 4) = −2 + 4𝑖
𝑍1 + 𝑍2 = (1, −6) + (−2 , 4) = (1 − 2 , −6 + 4) = (1 − 2) + (−6 + 4)𝑖 = (−1 , −2) = −1 − 2𝑖
Multiplicación
La multiplicación de dos complejos dados como par ordenado ó en su forma binómica, se define como:
𝑍1 = (𝑎 , 𝑏) = 𝑎 + 𝑏𝑖 𝑦 𝑍2 = (𝑐 , 𝑑 ) = 𝑐 + 𝑑𝑖
𝒁𝟏 . 𝒁𝟐 = (𝒂 , 𝒃). (𝒄 , 𝒅) = (𝒂𝒄 − 𝒃𝒅 , 𝒂𝒅 + 𝒃𝒄) (3) 𝑖 = √−1

𝑝𝑜𝑟 𝑙𝑜 𝑞𝑢𝑒
𝑍1 . 𝑍2 = (𝑎 + 𝑏𝑖 ). (𝑐 + 𝑑𝑖 ) = (𝑎𝑐 + 𝑏𝑑𝑖 2 ) + (𝑎𝑑 + 𝑏𝑐 )𝑖 = 𝑖 2 = −1
= (𝒂𝒄 − 𝒃𝒅) + (𝒂𝒅 + 𝒃𝒄) 𝒊 (3)

Para los complejos dados como ejemplo, tendremos
𝑍1 = (1 , −6) = 1 − 6𝑖 ; 𝑍2 = (−2 , 4) = −2 + 4𝑖
entonces:
𝑍1 . 𝑍2 = (1 , −6). (−2 , 4) = [1. (−2) − (−6). 4 , 1.4 + (−6)(−2) = (−2 + 24 , 4 + 12) = (22 , 16)
𝑍1 . 𝑍2 = (1 − 6𝑖 ). (−2 + 4𝑖 ) = {[1. (−2) + (−6). 4𝑖 2 ] + [1.4 + (−6). (−2)]𝑖 } =
= {[−2 + (−24)𝑖 2 ] + 4 + 12)𝑖} = [(−2 + 24) + (4 + 12)𝑖] = 22 + 16𝑖
Diferencia
Dados los números complejos 𝑍1 = (𝑎 , 𝑏) = 𝑎 + 𝑏𝑖 𝑦 𝑍2 = (𝑐 , 𝑑 ) = 𝑐 + 𝑑𝑖 resulta que:
𝑍1 − 𝑍2 = 𝑍1 + (−𝑍2 )
es decir que podemos expresar la diferencia de dos números complejos como la suma de Z1 con el inverso
aditivo de Z2.
En este caso, será entonces:
𝒁𝟏 − 𝒁𝟐 = (𝒂 , 𝒃) − (𝒄 , 𝒅) = (𝒂 , 𝒃) + (−𝒄 , −𝒅) = (𝒂 − 𝒄 , 𝒃 − 𝒅) ó
𝒁𝟏 − 𝒁𝟐 = (𝒂 + 𝒃𝒊) − (𝒄 + 𝒅𝒊) = (𝒂 + 𝒃𝒊) + (−𝒄 − 𝒅𝒊) = (𝒂 − 𝒄) + (𝒃 − 𝒅)𝒊
Cociente
Dados dos números complejos 𝑍1 = (𝑎 , 𝑏) = 𝑎 + 𝑏𝑖 𝑦 𝑍2 = (𝑐 , 𝑑 ) = 𝑐 + 𝑑𝑖, siendo Z2 un complejo no
nulo (𝑍2 ≠ (0 , 0) ≠ 0 + 0𝑖), definimos el cociente como el producto de Z1 por el inverso multiplicativo de
Z2.
𝑍1
Tendremos entonces: = 𝑍1 . (𝑍2 )−1 y aplicando lo anteriormente expuesto, resultará:
𝑍2
𝑍1 𝑐 −𝑑 𝑎𝑐 𝑏𝑑 𝑏𝑐 𝑎𝑑
= (𝑎 , 𝑏 ) ( 2 2
; 2 2
)=( 2 2
+ 2 2
; 2 2
− 2 )
𝑍2 𝑐 +𝑑 𝑐 +𝑑 𝑐 +𝑑 𝑐 +𝑑 𝑐 +𝑑 𝑐 + 𝑑2
𝒁𝟏 𝒂𝒄 + 𝒃𝒅 𝒃𝒄 − 𝒂𝒅
=( 𝟐 , ) (𝟒)
𝒁𝟐 𝒄 + 𝒅𝟐 𝒄𝟐 + 𝒅𝟐
Al mismo resultado obtenido se llega multiplicando numerador y denominador de la fracción dada por el
conjugado del denominador:
𝑍1 𝑍1 𝑍̅2 (𝑎 , 𝑏). (𝑐 , −𝑑)
= . =
𝑍2 𝑍2 𝑍2 (𝑐 , 𝑑 ). (𝑐 , −𝑑)
y resolviendo tendremos:
(𝑎 , 𝑏). (𝑐 , −𝑑) (𝑎𝑐 + 𝑏𝑑 ; 𝑏𝑐 − 𝑎𝑑)
=
(𝑐 , 𝑑 ). (𝑐 , −𝑑) (𝑐𝑐 + 𝑑𝑑 + 𝑑𝑐 − 𝑐𝑑)
resultando finalmente:
𝒁𝟏 𝒂𝒄 + 𝒃𝒅 𝒃𝒄 − 𝒂𝒅
=( 𝟐 , ) (𝟓)
𝒁𝟐 𝒄 + 𝒅𝟐 𝒄𝟐 + 𝒅𝟐
y si los complejos estuviesen dados en su forma binómica, tendríamos:
147
𝑍1 𝑍1 . 𝑍̅̅̅2 (𝑎 + 𝑏𝑖) (𝑐 − 𝑑𝑖)
= = .
𝑍2 𝑍1 . ̅̅̅
𝑍2 (𝑐 + 𝑑𝑖) (𝑐 − 𝑑𝑖)
y comparando las expresiones (4) y (5), observamos que las mismas son iguales.
Potenciación Los valores se repiten
1 5
𝑖 =𝑖 𝑖 =𝑖
2
𝑖 = −1 𝑖 6 = −1
3 2
𝑖 = 𝑖 . 𝑖 = −𝑖 𝑖 7 = −𝑖
𝑖 4 = 𝑖 2 . 𝑖 2 = −1 . − 1 = 1 𝑖8 = 1
Para calcular, por ejemplo, calcular i314, dividimos 314 entre 4, como el cociente es 78 y el resto 2 tendremos
𝑖 314 = 𝑖 4 . 78+2 = (𝑖 4 )78 𝑖 2 = 𝑖 78 . (−1) = −1
Recordá que:
Dividendo = Divisor .
Por lo que generalizando tenemos que iD = (i4)C+R = iR. Cociente + Resto
El divisor es siempre 4 e i4 es igual a uno por lo que (i4)C siempre valdrá 1.
3- Forma Trigonométrica
Z = a + bi y teniendo en cuenta el siguiente gráfico Im
𝑟 = √𝑎2 + 𝑏2
𝑎
𝑐𝑜𝑠 𝜃 = 𝑟 ⟹ 𝑎 = 𝑟 𝑐𝑜𝑠 𝜃 b Z = a + bi
𝑏
𝑠𝑒𝑛 𝜃 = 𝑟 ⟹ 𝑏 = 𝑟 𝑠𝑒𝑛 𝜃 r
𝜃
Si reemplazamos en Z = a + bi los valores de a y b antes
calculados, tenemos: Z = 𝑟.𝑐𝑜𝑠 𝜃+ 𝑖 . 𝑠𝑒𝑛 𝜃 𝑎 ℝ
Z = 𝒓 (𝒄𝒐𝒔 𝜽+ i 𝒔𝒆𝒏 𝜽)
Módulo de un número complejo Z = a + bi lo denotamos por |Z| y es la distancia entre el punto (a; b) y el
origen (0;0)
Se calcula como
|𝒁| = √𝒂𝟐 + 𝒃𝟐
Argumento de un número complejo Z = a + bi Es el ángulo que forma el semieje positivo de las abscisas con
la semirrecta de origen (0;0) que pasa por el punto (a; b) donde
𝑏 𝑏
𝑇𝑔 𝜃 = 𝑎 luego 𝜃 = 𝑎𝑟𝑐𝑡𝑔 𝑎
4- Forma Polar
Z = (r ; 𝜽) o Z= 𝒓θ
5- Forma Exponencial
Z = 𝒓𝒆iθ
Para expresar un número complejo en forma trigonométrica, polar o exponencial basta con calcular su módulo
|Z| y su argumento 𝜽
Resumen
Forma Binómica Forma Trigonométrica Forma Polar Forma exponencial
𝑍 = 𝑎 + 𝑏𝑖 𝑍 = 𝑟(cos 𝜃 + 𝑖𝑠𝑒𝑛 𝜃) 𝑍 = (𝑟 ; 𝜃) 𝑜 𝑍 = 𝑟𝜃 𝑍 = 𝑟𝑒 𝑖𝜃
 Un número complejo es real, sí y sólo sí, su parte imaginaria es cero  Z = (a , 0) = (a + 0i).
 Un complejo es imaginario puro, sí y sólo sí, su parte real es cero  Z = (0 , b) = (0 + bi).
 Si un complejo no es real, ni tampoco imaginario puro, entonces se llama imaginario  Z=(a , b)=(a + bi)
148

Álgebra Y Geometría Análitica: Teórico

Cargado por

Copyright:

Formatos disponibles

Álgebra Y Geometría Análitica: Teórico

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Álgebra Y Geometría Análitica: Teórico

Cargado por

Copyright:

Formatos disponibles

FACULTAD REGIONAL CÓRDOBA

Ing CLAUDIO BERASATEGUI

"Las asignaturas homogéneas pertenecientes al Bloque de las Ciencias Básicas de la Ingeniería,

 Desarrollar capacidad de abstracción, generalización y particularización, fortaleciendo el pensamiento

 4.2- Régimen anual (industrial, civil, mecánica, eléctrica, sistemas y metalúrgica)

5. Evaluación final (promoción práctica y regulares)

UNIDAD N°2: Matrices.

UNIDAD N°3: Determinantes.

UNIDAD N°4: Sistema de ecuaciones lineales.

UNIDAD N°5: Espacios Vectoriales.

UNIDAD N°6: Aplicaciones o transformaciones lineales.

UNIDAD N° 7: Valores y vectores propios.

UNIDAD N°8: Operaciones con vectores libres en ℝ2, ℝ3 y ℝn

UNIDAD N°9: Rectas y planos.

UNIDAD N°10: Cónicas y Cuádricas.

UNIDAD N°11: Números Complejos.

Quedan determinadas cuando Quedan determinadas cuando especificamos su:

Deslizables o Axiales Libres

Para obtener el módulo del vector, aplicaremos Pitágoras, quedando:

|𝑎̅|2 = 𝑎12 + 𝑎22 ⟹ |𝑎̅| = √𝑎12 + 𝑎22

̅| = √𝒂𝟐𝒙 + 𝒂𝟐𝒚 + 𝒂𝟐𝒛

ax = |𝑎̅| cos  ; ay = |𝑎̅| cos  ; az = |𝑎̅| cos γ (1) Paralelos y de sentido

De las relaciones entre (1) y (2) y entre (1) y (3), tendremos:

𝐶𝑚𝑥𝑞 = 𝐴𝑚𝑥𝑝 . 𝐵𝑝𝑥𝑞 = (𝑐𝑖𝑗 ) 𝑐𝑜𝑛 𝑐𝑖𝑗 = ∑ 𝑎𝑖𝑘 . 𝑏𝑘𝑗

𝑎11 𝑎12 𝑎13 𝑎11b11+ 𝑎12b21+ 𝑎13b31 𝑎11b12+ 𝑎12b22+ 𝑎13b32

Enumerar todos los productos elementales con signo de las matrices

𝑎11 𝑎22 (1, 2) Par 𝑎11 𝑎22

𝑎12 𝑎21 (2, 1) Impar − 𝑎12 𝑎21

y el determinante asociado será, según lo dicho anteriormente:

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

y el determinante asociado será, según lo dicho anteriormente:

Si se tratara de un determinante de cuarto orden, el desarrollo del mismo sería:

𝑎 𝑎23 𝑎21 𝑎23 𝑎21 𝑎22

|𝐵| = |2𝑥 + 3𝑦 −𝑥 + 2𝑦| = (2𝑥 + 3𝑦). 2 − (−𝑥 + 2𝑦). 5 = 4𝑥 + 6𝑦 + 5𝑥 − 10𝑦 = 9𝑥 − 4𝑦

Una solución (𝑥1 ; 𝑥2 ) = (3; 2) Sin Solución Infinitas soluciones

𝐼𝑛𝑐𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 𝑟(𝑀𝑃) ≠ 𝑟(𝑀𝐴)

Horizontal 𝑟(𝑀𝑃 ) = 𝑟(𝑀𝐴) < 𝑛 < 𝑚 → 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒

𝑟(𝑀𝑃 ) = 𝑟(𝑀𝐴) < 𝑛 < 𝑚 → 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝐶𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒

¿Cómo hacemos para resolver un sistema de ecuaciones lineales?

1° Paso- Matriz ampliada

6° Paso- Solución general 7° Paso- Soluciones particulares. N/A

3° Paso- Sistema resolvente 4° Paso- Despejar incógnitas principales 5° Paso- Parametrizar.

3° Paso- Sistema resolvente 4° Paso- Despejar incógnitas principales 5° Paso- Parametrizar.

No tiene solución (sistema incompatible).

𝑎̅ + (−𝑎̅) = 0̅ (Existencia del elemento inverso).

Problema de Cambio de Base

Sea ahora cualquier vector “ v ” que se halle en el espacio vectorial “V” y

ℝn ℝm ker(T) = x tal que Ax = 0

𝑣1 𝑤1 R(T) = b tal que Ax = b es compatible

(𝑁𝑢𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑇) = (𝑛° 𝑑𝑒 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 𝑑𝑒 𝐴) − (𝑅𝑎𝑛𝑔𝑜 𝑑𝑒 𝑇)

y haciendo x2 = s y x5 = t , resulta el conjunto solución:

[dim 𝑅(𝑇)] + [dim ker(𝑇)] = 𝑛

Transformaciones lineales de ℝn hacia ℝm

[T(k1v1 + k2v2 + . . . + knvn) = k1T(v1) + k2 T(v2) + . . . + kn T(vn)] , resulta: