APUNTES DE ALGEBRA LINEAL: MODULO II

PARA INGENIERIA EJECUCION

INFORMATICA

Carlos Picarte F.

Concepcion, 2 de agosto de 2017.

RPI: Inscripcion N 278.983

Texto bajo Proyecto ModuDMat
Compilado en LATEXcon MiKTEX2.8
2 UBB
Indice general

2. Transformaciones Lineales 5
2.1. Transformaciones Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.1. Kernel e Imagen de una Aplicacion Lineal . . . . . . . . . . . . . . . . . 7
2.1.2. Composicion de Aplicaciones Lineales . . . . . . . . . . . . . . . . . . . . 11
2.2. Matriz Asociada a una Aplicacion Lineal . . . . . . . . . . . . . . . . . . . . . . 11
2.2.1. Representacion Matricial de una Transformacion lineal . . . . . . . . . . 12
2.3. Matriz Asociada de Algunas Transformaciones . . . . . . . . . . . . . . . . . . . 18
2.4. Cambio de Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3. Valores y Vectores Propios 25

3.1. Valores y Vectores Propios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2. Diagonalizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

4. Rectas y Planos 33
4.1. Plano Cartesiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1.1. Espacio Cartesiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.1.2. Puntos y Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2. Operaciones con Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.3. Producto Interior de Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.3.1. Norma y Distancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.3.2. Angulos entre vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.3.3. Proyeccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.4. Producto Vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.5. Ecuacion de la Recta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.5.1. Posicion Relativa entre Rectas . . . . . . . . . . . . . . . . . . . . . . . . 50
4.5.2. Distancia de un punto a una recta . . . . . . . . . . . . . . . . . . . . . . 52
4.6. Ecuacion del Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.6.1. Posicion Relativa entre Planos . . . . . . . . . . . . . . . . . . . . . . . . 54
4.6.2. Distancia de un punto a un plano . . . . . . . . . . . . . . . . . . . . . . 56

3
INDICE GENERAL INDICE GENERAL

4 UBB
 2 Transformaciones
Lineales

2.1 Transformaciones Lineales

Definicion 2.1.

Sean V y W dos espacios vectoriales sobre el mismo cuerpo K.

Diremos que T V W es una Aplicacion Lineal (Transformacion lineal) si:

1. T (v + w) = T (v) + T (w), v, w V .

2. T (v) = T (v), K, v V .

Ejemplo 2.1.

Sea T R2 R, T (x, y) = 2x + y, mostrar que es una aplicacion lineal.

Demostracion: En efecto:
T (x, y) = 2x + y
1. (x, y), (u, v) R2 { ()
T (u, v) = 2u + v

T ((x, y) + (u, v)) = T (x + u, y + v)

= 2(x + u) + (y + v)
= 2x + 2u + y + v
= (2x + y) + (2u + v)
= T (x, y) + T (u, v)

2. R, (x, y) R2 T (x, y) = 2x + y ()

5
Captulo 2: Transformaciones Lineales C. Picarte F.

T ((x, y)) = T (x, y)

= 2(x) + (y)
= (2x + y)
= T (x, y)

Luego, por (1) y (2), T es una aplicacion lineal.

Ejemplo 2.2.

Muestre que la funcion, I V V , I(v) = v es una aplicacion lineal, llamada

Aplicacion Identidad.

Demostracion: En efecto:

I(v1 ) = v1
1. v1 , v2 V { ()
I(v2 ) = v2

I(v1 + v2 ) = v1 + v2 = I(v1 ) + I(v2 )

2. R, v V I(v) = v ()

I(v) = v = I(v)

Luego, por (1) y (2), es una Transformacion Lineal.

Ejemplo 2.3.

Muestre que la funcion, V V , (v) = 0V es una aplicacion lineal, llamada

Aplicacion Nula.

Demostracion: En efecto:

(v1 ) = 0V
1. v1 , v2 V { ()
(v2 ) = 0V

(v1 + v2 ) = 0V = 0V + 0V = (v1 ) + (v2 )

6 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales

2. R, v V (v) = 0V ()

(v) = 0V = 0V = (v)
Luego, por (1) y (2), es una Transformacion Lineal.
Ejercicio : Muestre que cada una de las siguientes funciones son Aplicaciones Lineales.
1. T R R, T (x) = 2x.
2. F R2 R2 , F (x, y) = (x + y, x y).
3. H R3 R3 , H(x, y, z) = (x, x + y, y + z).

2.1.1. Kernel e Imagen de una Aplicacion Lineal

Sean V y W dos espacios vectoriales sobre K y T V W una aplicacion lineal.
Definicion 2.2.

Se llama Kernel o Nucleo de la aplicacion T al conjunto de todos los vectores

v V tales que: T (v) = W , es decir:

Ker(T ) = {v V T (v) = W } (2.1)

Definicion 2.3.

Se llama Imagen de la aplicacion lineal T al conjunto de los vectores w W tales

que existe v V de modo que: T (v) = w,es decir:

Im(T ) = {w W / v V T (v) = w} (2.2)

Ejemplo 2.4.

Sea T R3 R2 , T (x, y, z) = (x + y, z). Hallar Ker(T ), Im(T ).

Solucion:
Ker(T ) = {(x, y, z) R3 T (x, y, z) = (0, 0)}
= {(x, y, z) R3 (x + y, z) = (0, 0)}
= {(x, y, z) R3 x + y = 0, z = 0}
= {(x, y, z) R3 x = y, z = 0}
= {(y, y, o) R3 }
= {(1, 1, 0)}

UBB 7
Captulo 2: Transformaciones Lineales C. Picarte F.

En particular, (1, 1, 0), (2, 2, 0), (0, 0, 0) Ker(T ).

Im(T ) = {(u, v) R2 / (a, b, c) R3 T (a, b, c) = (u, v)}

= {(u, v) R2 / (a, b, c) R3 (a + b, c) = (u, v)}
= {(u, v) R2 / (a, b, c) R3 a + b = u, c = v}
= {(a + b, c) R2 }
= {(a, 0) + (b, 0) + (0, c) a, b, c R}
= {(1, 0), (0, 1)} = R2 ( base canonica de R2 )

Teorema 2.1.

Sea T V W una aplicacion lineal. Entonces Ker(T ) es un subespacio de V e

Im(T ) es un subespacio de W

Demostracion: Es claro que Ker(T ) es subconjunto de V .

i) Ker(T ) , pues V Ker(T ); dado que T (v ) = W

T (v1 ) = w
ii) v1 , v2 Ker(T ) {
T (v2 ) = w

T (v1 + v2 ) = T (v1 ) + T (v2 ) = w + w = w (v1 + v2 ) Ker(T )

iii) R, v Ker(T ) T (v) = w

T (v) = T (v) = w = w (v) Ker(T )

Luego, por (i), (ii), (iii) Ker(T ) es subespacio.

Ejercicio : Hallar Kernel e Imagen de las siguientes aplicaciones:

1. T R2 R3 , (x, y) T (x, y) = (x, y, 2x).

2. T R R4 , x T (x) = (x, 2x, x, 2x).

3. T R3 R3 , (x, y, z) T (x, y, z) = (x y, x, x + y).

8 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales

Definicion 2.4.

Sea T V W una aplicacion lineal.

1. Se llama Nulidad de T a la dimension de Ker(T ).

2. Se llama Rango de T a la dimension de la Img(T ).

Se denota por:
N (T ) = dim Ker(T ()
R(T ) = dim Img(T ()

Teorema 2.2.

Sea T V W aplicacion lineal y V espacio de dimension finita, entonces:

dim V = dim Ker(T ) + dim Img(T )

Proposicion 2.1.

Sea T V W aplicacion lineal.

T es inyectiva Ker(T ) = {v }

Demostracion: Por demostrar que: T es inyectiva Ker(T ) = {v }

i) Hip: T es inyectiva ()
v = Ker(T ) = { }
v Ker(T ) T (v) = w T (v) = T (v ) v v

ii) Hip: Ker(T ) = {v } ()

v v =
v1 , v2 V T (v1 ) = T (v2 ) T (v1 ) T (v2 ) = w T (v1 v2 ) = w 1 2 v
v1 = v2 T es inyectiva

Definicion 2.5.

Sea T V W aplicacion lineal.

T es sobreyectiva o epiyectiva Im(T ) = W

UBB 9
Captulo 2: Transformaciones Lineales C. Picarte F.

Definicion 2.6.

Sea T V W aplicacion lineal.

T es Isomorfismo si T es biyectiva.
Se dice entonces que los espacios V y W son Isomorfos.

Observacion 2.1.

Sea T es aplicacion lineal.

Si T es isomorfismo, entonces existe T 1 .

Teorema 2.3.

Sean V y W dos espacios vect. sobre K y {v1 , . . . , vn } una base de V y {w1 , . . . , wn }

un conjunto arbitrario de W , constituido por n vectores.
Entonces existe una unica aplicacion lineal T V W tal que:

T (v1 ) = w1 ; T (v2 ) = w2 ; ; T (vn ) = wn

Ejemplo 2.5.

Defina la aplicacion lineal T R3 R2 , tal que:

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

Solucion: Queremos encontrar T (x, y, z).

Tenemos que: (x, y, z) R3

(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1) /T

T (x, y, z) = T (x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1))
= xT (1, 0, 0) + yT (0, 1, 0) + zT (0, 0, 1)
= x(2, 3) + y(1, 1) + z(0, 1)
= (2x + y, 3x y + z)
luego, T (x, y, z) = (2x + y, 3x y + z)
Ejercicio : Definir si es posible, una aplicacion lineal T R2 R tal que:

T (1, 0) = 4 ; T (0, 1) = 2 ; T (1, 1) = 5

Obs: No es posible definir tal aplicacion.

10 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales

Ejercicio : Definir si es posible una aplicacion lineal F R2 R3 cuyo Kernel este ge-
nerado por {(1, 3)}.

Proposicion 2.2.

Sea T V W aplicacion lineal B = {v1 , . . . , vn } base de V , entonces

{T (v1 ), . . . , T (vn )} genera a Im(T ).

Proposicion 2.3.

Sea T V W aplicacion lineal. Si B = {T (v1 ), T (v2 ), . . . , T (vn )} es l.i., entonces

{v1 , v2 , . . . , vn } tambien es l.i..

Observacion 2.2.

De la proposicion anterior, tenemos: Sea T V W aplicacion lineal. Si

{v1 , v2 , . . . , vn } es l. d., entonces {T (v1 ), T (v2 ), . . . , T (vn )} tambien es l.d

Proposicion 2.4.

Sea T V W aplicacion lineal. Si {v1 , v2 , . . . , vn } es l.i. y T es 1 1, entonces

{T (v1 ), T (v2 ), . . . , T (vn )} es l.i.

2.1.2. Composicion de Aplicaciones Lineales

Sean U, V, W espacios vectoriales sobre K.
Si F U V y G V W son aplicaciones lineales, entonces:

GF U W es tambien Aplicacion Lineal

Ejercicio : Sea T R2 R2 . T (x, y) = (x y, x + y)

Calcular 2T 2 + 4T 3.

2.2 Matriz Asociada a una Aplicacion Lineal

UBB 11
Captulo 2: Transformaciones Lineales C. Picarte F.

2.2.1. Representacion Matricial de una Transformacion lineal

Sean V, W espacios vectoriales de dimension finita sobre un mismo cuerpo K, T V W

una transformacion lineal, B1 = {v1 , v2 , . . . , vn } una base de V y B2 = {w1 , w2 , . . . , wm } una
base de W .
Los vectores T (v1 ), T (v2 ), . . . , T (vn ) estan en W y por lo tanto, cada uno de ellos se
puede expresar como una combinacion lineal de los vectores de la base B2 :

T (v1 ) = a11 w1 + a21 w2 + + am1 wm

T (v2 ) = a12 w1 + a22 w2 + + am2 wm
=
T (vn ) = a1n w1 + a2n w2 + + amn wm

En otras palabras

a11 a1n
a a
[T (v1 )]B2 = 21 ; ; [T (vn )]B2 = 2n

am1 amn

De donde tenemos que:

Definicion 2.7.

Se llama representacion matricial de T en las bases B1 y B2 o matriz asociada a

T en las basesB1 y B2 , a la matriz que representaremos por [T ]B
B1 y cuya i-esima
2

columna son las coordenadas del vector T (vi ) en la base B2 .

Esto es,

[T ]B
B1 = ([T (v1 )]B2 , [T (v2 )]B2 , , [T (vn )]B2 )
2

a11 a12 a1n

a a22 a2n
= 21

am1 am2 amn

12 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales

Ejemplo 2.6.

Consideremos la transformacion lineal T R2 R3 tal que

T (x, y) = (4x 2y, 2x + y, x + y) (x, y) R2

y las bases B1 = {(1, 0), (0, 1)} de R2 y B2 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 .
Hallar la matriz asociada a T en dichas bases:

Solucion:

T (1, 0) = (4, 2, 1) = 4(1, 0, 0) + 2(0, 1, 0) + 1(0, 0, 1)

T (0, 1) = (2, 1, 1) = 2(1, 0, 0) + 1(0, 1, 0) + 1(0, 0, 1)

Luego, la matriz asociada a T es:

4 2
[T ]B2
B1 = 2 1
1 1

Ejemplo 2.7.

Consideremos la transformacion lineal T P2 [t] R2 tal que p(t) = at2 +bt+c, t R,

se cumple T (p) = (2a + b, a + b + 4c), y las bases B1 = {p1 , p2 , p3 } de P2 [t] donde
p1 (t) = t2 , p2 (t) = t, p3 (t) = 1, t R; y B2 = {(1, 1), (1, 0)} de R2 .
Hallar la matriz asociada a T en dichas bases:

Solucion: Se tiene que:

T (t2 ) = (2, 1) = 1(1, 1, ) + 1(1, 0)

1 1 4
T (t) = (1, 1) = 1(1, 1) + 0(1, 0) [T ]B
B1 = (1 0 4)
2

T (1) = (0, 4) = 4(1, 1) 4(1, 0)

Observacion 2.3.

Si dim(V ) = n y dim(W ) = m la matriz asociada tiene dimension m n.

UBB 13
Captulo 2: Transformaciones Lineales C. Picarte F.

Observacion 2.4.

La matriz [T ]B
B1 como recien vimos, queda completamente determinada conocidas
2

la transformacion lineal T y las bases B1 y B2 del dominio y codominio respectiva-

mente.

Teorema 2.4.

Sean V, W dos espacios vectoriales sobre un mismo cuerpo K, B1 = {v1 , v2 , , vn }

y B2 = {w1 , w2 , , wm } bases ordenadas de V y W respectivamente; y T V W
una transformacion lineal. Entonces se cumple que

[T (v)]B2 = [T ]B
B1 [v]B1 .
2

Ejemplo 2.8.

Dadas T R3 R3 y las bases B1 = B2 = {(1, 0, 0), (1, 1, 0), (1, 1, 1)} tal que

1 1 0
[T ]B2
B1 = 2 0 0 ,
3 4 1

Hallar T (2, 0, 1).

Solucion: Usando el teorema-2.4: [T (v)]B2 = [T ]B B1 [v]B1 , primero calculamos [(2, 0, 1)]B1

2

++ = 2 =2
(2, 0, 1) = (1, 0, 0) + (1, 1, 0) + (1, 1, 1) + = 0 =1
= 1 = 1
1 1 0 2 1
As: [(2, 0, 1)]B1 = (2, 1, 1) y [T (2, 0, 1)]B2 = 2 0 1 1 = 3
3 4 1 1 9
De esto se tiene que:

T (2, 0, 1) = (1)(1, 0, 0) + (3)(1, 1, 0) + (9)(1, 1, 1) = (13, 12, 9)

14 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales

Observacion 2.5.

Dada una matriz A Mnm (R), podemos considerar la transformacion lineal

TA Rm Rn , definida por

Ta (x) = A x, donde x Rm considerado como vector columna

Si Cm y Cn son bases canonicas de Rm y Rn respectivamente, entonces:

[T ]C
Cm = A
n

Esto es, la matriz asociada es la misma matriz A de definicion.

Ejemplo 2.9.

1 1
x x
Sea T R2 R3 , T ( ) = 0 1 ( ) y sean C2 = {(1, 0), (0, 1)} C3 = {(1, 0, 0),
y 2 y
1
(0, 1, 0), (0, 0, 1)} bases de R2 y R3 , respectivamente. Entonces.

1 1 1 1 1 1 0 0
T ( ) = 0 1 ( ) = 0 = 1 0 + 0 1 + 2 0
0 2 1 0 2 0 0 1

0 1 1 0 1 1 0 0
T ( ) = 0 1 ( ) = 1 = 1 0 + 1 1 + 1 0
1 2 1 1 1 0 0 1

Luego,
1 1
[T ]C
C2
3
= 0 1 = A
2 1

Observacion 2.6.

Sean T V W transformacion lineal, con dim(V ) = n y dim(W ) = m. Entonces

si B1 es base de V y B2 es base de W , se tiene que:

[T ]B
B1 Mmn
2

es decir, la matriz asociada es de dimension m n.

UBB 15
Captulo 2: Transformaciones Lineales C. Picarte F.

Observacion 2.7.

Matriz asiciada a las bases Canonicas Sea T V W aplicacion lineal, y sean B1 y

B2 bases canonicas de V y W respectivamente, entonces la matriz asociada [T ]B 2
B1
se escribe simplemente como: [T ]

Observacion 2.8.

1.- La matriz [T ]BB1 queda completamente determinada conocidas la transforma-

2

cion lineal T y las bases B1 y B2 del dominio y codominio respectivamente.

2.- Recprocamente, dada la matriz M Mmn y dos bases B1 y B2 de los es-

pacios V y W respectivamente, queda completamente determinada una trans-
formacion lineal T V W tal que:

[T ]B
B1 = M
2

Ejemplo 2.10.

Hallar la transformacion lineal T R3 R2 sabiendo que

1 2 1
[T ]B
B1 = (1 0
2
) y B1 = {(1, 0, 1), (1, 1, 0), (0, 1, 0)} y B1 = {(1, 2), (0, 2)}
2

Solucion: Queremos encontrar T (x, y, z), para ello solo necesitamos [T (x, y, z)]B2 .

+ = x = xz
(x, y, z) = (1, 0, 1) + (1, 1, 0) + (0, 1, 0) + = y = y x + z
= z = z

Luego,
1 2 1
z
3x y 2z
[T (x, y, z)]B2 = ( ) xz =( )
1 0 2 2x + 2y + z
yx+z
As, T (x, y, z) = (3x y 2z)(1, 2) + (2x + 2y + z)(0, 2) = (3x y 2z, 2x + 2y 2z)
Ejercicio : Sea B1 = {p0 , p1 , p2 } con pi (t) = (t + 1)i , t R, i = 0, 1, 2 y B2 = {(1, 1, 0),
(1, 2, 3), (3, 2, 1)} bases de P2 [t] y R3 respectivamente.

16 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales

Considere la aplicion lineal T P2 [t] R3 tal que :

2 2 1
[T ]B
B1
2
= 1 3 1
1 2 2
Dado que q0 = q0 (t) = t2 + t 1, t R, Hallar T (q0 ).
Teorema 2.5.

Sean dos transformaciones lineales T V W y S V W . Sea B1 base de V y

B2 base de W entonces:

[T + S]B
B1 = [T ]B1 + [S]B1
2 B2 B2

Teorema 2.6.

Sea T V W una transformacion lineal y un escalar de K. Sea B1 base de V y

B2 base de W . Entonces:

[T ]B
B1 = [T ]B1
2 B2

Teorema 2.7.

Consideremos los espacios vectoriales U, V y W con U, V y W de dimension finita,

y las transformadas lineales S U V y T V W , sean B1 , B2 y B3 bases de
U, V y W respectivamente. Entonces la matriz asociada a la composicion T S es
el producto de las matrices asociadas, es decir,

[T S]B
B1 = [T ]B2 [S]B1
3 B3 B2

UBB 17
Captulo 2: Transformaciones Lineales C. Picarte F.

Teorema 2.8.

Sea T V W un isomorfismo, T 1 W V su inversa, B1 , B2 bases de V y W

respectivamente. Como T T 1 = IdW se cumple que

[T ]B
B1 [T ]B2 = [Id]B2 = I
2 1 B1 B2

Tambien T 1 T = IdV por lo que

[T 1 ]B
B2 [T ]B1 = [Id]B1 = I
1 B2 B1

Deducimos que la matriz asociada a la transformacion inversa es la inversa de la

matriz asociada a la transformacion, es decir,

B2 = ([T ]B1 )
[T 1 ]B1 B2 1

Ejercicio : Se consideran las transformaciones

T R2 R2 , donde T (3, 5) = (8, 1) y T (2, 1) = (1, 5),
S R2 R2 , donde S(1, 0) = (1, 1) y S(0, 1) = (0, 1)
y las bases B1 = {(1, 2), (1, 1)} y B2 = {(1, 1), (1, 1)} de R2

1. Halla [T + S]B
B1 y [3T ]B1 .
2 B2

2. Hallar [(S + T )2 ]B2

B1

3. Hallar [T 1 ]B2
B1

2.3 Matriz Asociada de Algunas Transformaciones

18 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales

Reflexiones sobre el eje x

Se requiere obtener la reflexion del punto P (x, y) sobre

el eje x, es decir, obtener el punto P (x, y). Definamos
la aplicacion:

Rx R2 R2 , Rx (x, y) = (x, y)
Usando la base canonica de R2 , C = {(1, 0), (0, 1)},
tenemos que:
R (1, 0) = (1, 0) = 1(1, 0) + 0(0, 1) 1 0
{ x [Rx ] = ( )
Rx (0, 1) = (0, 1) = 0(1, 0) 1(0, 1) 0 1

Reflexiones sobre el eje y

Se requiere obtener la reflexion del punto P (x, y) sobre el

eje y, es decir, obtener el punto P (x, y). Definamos la
aplicacion:

Ry R2 R2 , Ry (x, y) = (x, y)
Usando la base canonica de R2 , C = {(1, 0), (0, 1)},
tenemos que:
R (1, 0) = (1, 0) = 1(1, 0) + 0(0, 1) 1 0
{ y [Ry ] = ( )
Ry (0, 1) = (0, 1) = 0(1, 0) + 1(0, 1) 0 1

Reflexiones sobre el origen

Se requiere obtener la reflexion del punto P (x, y) sobre el

origen O, es decir, obtener el punto P (x, y). Definamos
la aplicacion:

RO R2 R2 , RO (x, y) = (x, y)
Usando la base canonica de R2 , C = {(1, 0), (0, 1)},
tenemos que
R (1, 0) = (1, 0) = 1(1, 0) + 0(0, 1) 1 0
{ O [RO ] = ( )
RO (0, 1) = (0, 1) = 0(1, 0) 1(0, 1) 0 1

UBB 19
Captulo 2: Transformaciones Lineales C. Picarte F.

Reflexiones sobre la recta y = x

Se requiere obtener la reflexion del punto P (x, y) so-

bre la recta y = x, es decir, obtener el punto P (y, x).
Definamos la aplicacion:

Ryx R2 R2 , Ryx (x, y) = (y, x)

Usando la base canonica de R2 , C = {(1, 0), (0, 1)}, te-
nemos que
R (1, 0) = (0, 1) = 0(1, 0) + 1(0, 1) 0 1
{ yx [Ryx ] = ( )
Ryx (0, 1) = (1, 0) = 1(1, 0) + 0(0, 1) 1 0

Proyeccion Ortogonal sobre el eje x

Se requiere obtener la proyeccion ortogonal del vector

v = (x, y) sobre el eje x, es decir, obtener el vector v =
(x, 0). Definamos la aplicacion:

Px R2 R2 , Px (x, y) = (x, 0)
Usando la base canonica de R2 , C = {(1, 0), (0, 1)}, te-
nemos que
P (1, 0) = (1, 0) = 1(1, 0) + 0(0, 1) 1 0
{ x [Px ] = ( )
Px (0, 1) = (0, 0) = 0(1, 0) + 0(0, 1) 0 0

Proyeccion Ortogonal sobre el eje y

Se requiere obtener la proyeccion ortogonal del vector

v = (x, y) sobre el eje y, es decir, obtener el vector v =
(0, y). Definamos la aplicacion:

Py R2 R2 , Py (x, y) = (0, y)
Usando la base canonica de R2 , C = {(1, 0), (0, 1)}, te-
nemos que
P (1, 0) = (0, 0) = 0(1, 0) + 0(0, 1) 0 0
{ y [Py ] = ( )
Py (0, 1) = (0, 1) = 0(1, 0) + 1(0, 1) 0 1

20 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales

Homotecia respecto al Origen

Se requiere efectuar una Homotecia respecto del origen,

en un factor k de una figura plana, que contiene al punto
P (x, y). Definamos la aplicacion:

Hk R2 R2 , Hk (x, y) = k(x, y)
Usando la base canonica de R2 , C = {(1, 0), (0, 1)}, te-
nemos que
H (1, 0) = (k, 0) = k(1, 0) + 0(0, 1) k 0
{ k [Hk ] = ( )
Hk (0, 1) = (0, k) = 0(1, 0) + k(0, 1) 0 k

Observacion 2.9.

Estudie la linealidad de las siguientes transformaciones.

Traslacion en direccion de un vector

Se requiere efectuar una Traslacionn respecto al origen
de una figura plana, que contiene al punto P (x, y) en la
direccion, magnitud y sentido del vector

v = (v1 , v2 ).
Definamos la aplicacion:

Tv R2 R2 , Tv (x, y) = (x, y) + (v1 , v2 )

Usando la base canonica de R2 , C = {(1, 0), (0, 1)}, te-
nemos que
T (1, 0) = (1 + v1 , v2 ) = (1 + v1 )(1, 0) + v2 (0, 1)
{ v
Tv (0, 1) = (v1 , 1 + v2 ) = v1 (1, 0) + (1 + v2 )(0, 1)
1 + v1 v2
[TV ] = ( )
v1 1 + v2

Homotecia respecto a un Origen O

Se requiere efectuar una Homotecia respecto del origen O (h1 , h2 ), en un factor k de una
figura plana, que contiene al punto P (x, y). Definamos la aplicacion:

HO ,k R2 R2 , HO ,k (x, y) = O k(P O ) = (h1 , h2 ) + k(x h1 , y h2 )

UBB 21
Captulo 2: Transformaciones Lineales C. Picarte F.

Usando la base canonica de R2 , C = {(1, 0), (0, 1)}, te-

nemos que
H (1, 0) = (h1 + k, h2 ) = (h1 + k)(1, 0) + h2 (0, 1)
{ O ,k
HO ,k (0, 1) = (h1 , h2 + k) = h1 (1, 0) + (h2 + k)(0, 1)
h +k h2
[HO ,k ] = ( 1 )
h1 h2 + k

2.4 Cambio de Bases

Sean B = {v1 , v2 , , vn } y B = {v1 , v2 , , vn } bases del espacio vectorial V y Id V V

la transformacion identidad.

Definicion 2.8.

Llamaremos matriz cambio de base B a la base B , a la matriz:

[Id]B

B

Teorema 2.9.

Sean B y B bases del espacio vectorial V . Entonces:

[v]B = [Id]B
B [v]B

Teorema 2.10.

Sean V y W espacios vectoriales sobre el mismo cuerpo K, B1 , B1 bases de V ,

B2 , B2 bases de W y T V W una aplicacion lineal. Entonces:
B B
[T ]B2 = [Id]B22 [T ]B
B1 [Id]B
2 B1
1 1

22 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales

Teorema 2.11.

Sea V un espacio vectorial, y B y B bases V y Id V V la transformacion lineal

identidad. Entonces:

1 0 0
0 1 0
B =
1. [Id]B



0 0 1

B es invertible y ([Id]B )
2. [Id]B = [Id]B
B 1
B

UBB 23
Captulo 2: Valores y Vectores Propios C. Picarte F.

24 UBB
 3 Valores y Vectores
Propios

3.1 Valores y Vectores Propios

Definicion 3.1.

Sea T V V un operador lineal y V espacio vectorial de dimension n, entonces el

escalar se llama un valor propio de T si existe un vector no nulo v V tal que:

T (v) = v

Los vectores que satisfacen esta ecuacion se llaman vectores propios asociados al
valor propio .

Ejemplo 3.1.

Sea T P2 [t] P2 [t], T [p(t)] = tp (t), muestre que 1 = 1 y 2 = 2 son valores

propios de T asociados a los vectores t y t2 respectivamente.

Solucion: : En efecto pues,

T (t) = t[t] = t(1) = t = (1) t
T (t2 ) = t[t2 ] = t(2t) = 2t2 = (2) t2

25
 CAPITULO 3. VALORES Y VECTORES PROPIOS

Observacion 3.1.

Recordemos que toda aplicacion lineal tiene una representacion matricial, es decir,
Sea V un espacio vectorial de dimension n y T una aplicacio lineal tal que T V
V ; T (v) = Av, donde A es matriz cuadrada de orden n, luego la definicion anterior
se puede expresr de la siguiente manera:
Sea A una matriz de n n con componentes reales. El numero (real o complejo)
se llama valor propio de A si existe un vector v diferente del nulo en Rn , tal que:

Av = v (3.1)

El vector v 0 se llama vector propio de A correspondiente al valor propio .

Ejemplo 3.2.

10 18
Sea A = ( ). Muestre que 1 = 1 y 2 = 2 son valores propios de A, con
6 11
2 3
vectores propios asociados ( ) y ( ) respectivamente.
1 2

Demostracion: En efecto, notemos que:

10 18 2 20 18 2 2
( )( )=( )=( )=1( )
6 11 1 12 11 1 1
10 18 3 30 36 6 3
( )( )=( ) = ( ) = 2 ( )
6 11 2 18 22 4 2

Teorema 3.1.

Sea A una matriz de n n. Entonces es un valor propio de A si y solo si:

p() = det(A I) = 0 (3.2)

Definicion 3.2.

Ecuacion y Polinomio Caracterstico

La ecuacion (3.2) se llama la ecuacion caracterstica de A; p() se llama el
polinomio caracterstico de A.

26 UBB
CAPITULO 3. VALORES Y VECTORES PROPIOS

Observacion 3.2.

Sea A una matriz cuadrada de orden n, entonces el polinomio caracterstico p()

es de grado n.

Ejemplo 3.3.

Escribir el polinomio caracterstico (p()), y presentar los valores propios (vp) y

vectores propios (
de la matriz A = (1 2)
vp)
0 2

Solucion: : Encontremos su polinomio caracterstico,

1 2 1 0
A I = ( ) ( )
0 2 0 1
1 2
=
0 2
= (1 )(2 ) = p()
Luego, p() = (1 )(2 ) = 0 1 = 1; 2 = 2 son sus vp., de esto,

11 2 x 0
E1 = {(x, y) R2 / ( ) ( ) = ( )}
0 21 y 0
0 2 x 0
= {(x, y) R2 / ( ) ( ) = ( )}
0 1 y 0
2y 0
= {(x, y) R2 / ( ) = ( )}
y 0
= {(x, 0), x R}
= {(1, 0)}

12 2 x 0
E2 = {(x, y) R2 / ( ) ( ) = ( )}
0 22 y 0
1 2 x 0
= {(x, y) R2 / ( ) ( ) = ( )}
0 0 y 0
x + 2y 0
= {(x, y) R2 / ( ) = ( )}
0 0
= {(2y, y), y R}
= {(2, 1)}

UBB 27
 CAPITULO 3. VALORES Y VECTORES PROPIOS

Observacion 3.3.

Segun Teorema fundamental del algebra, cualquier polinomio de grado n con

coeficientes reales o complejos tiene exactamente n races en C (contando mul-
tiplicidades).

Observacion 3.4.

Contando multiplicidades, toda matriz de nn tiene exactamente n valores propios.

Teorema 3.2.

Sea un valor propio de la matriz A de n n y sea E = {v Av = v}. Entonces

E es un subespacio de Cn

Definicion 3.3.

Sea un valor propio de A. El subespacio E se llama espacio propio de A

correspondiente al valor propio .

Observacion 3.5.

Sea un valor propio de A , entonces n es valor propio de An para n N.

Demostracion: Si v es un
asociado al vp. de A entonces:
vp
Av = v /A
A2 v = A(v) = (Av) = (v) = 2 v /A
A3 v = A(2 v) = 3 v /A
= ( por induccion de muestra que)
n
A v = n v
Teorema 3.3.

Sea A una matriz de n n y sea 1 , 2 , . . . , m (m < n), valores propios distintos

de A (es decir i j , si i j) con vectores propios correspondientes v1 , v2 , . . . , vm .
Entonces {v1 , v2 , . . . , vm } son l.i. Esto es: los vectores propios correspondientes a
valores propios distintos son l.i..

28 UBB
CAPITULO 3. VALORES Y VECTORES PROPIOS

Teorema 3.4 (Teorema de Cayley-Hamilton).

Sea A una matriz de n m y p() su polinomio caracterstico, entonces su ecuacion

caracterstica se puede escribir como:

p() = (1)n n + cn1 n1 + cn2 n2 + + c1 + c0 = 0

y la matriz A satisface la ecuacion caracterstica, es decir, se cumple que

p(A) = (1)n An + cn1 An1 + cn2 An2 + + c1 A + c0 I =

Observacion 3.6.

La propiedad anterior nos permite efectuar algunos calculo en forma mas simple,
tales como potencias de un a matriz o expresiones simples de la inversa de una
matriz cuendo esta existe.

Ejemplo 3.4.

1 2
Encuentre A4 y A1 para A = ( )
0 2

Solucion: : De los calculo del ejemplo(3.3), tenemos que p() = (1)(2) = 23+2
y la matriz A satisface la ecuacion caracterstica, as,

A2 3A + 2I = 0 A2 = 3A 2I / A
A3 = 3A2 2A = 3(3A 2I) 2A = 7A 6I / A
A4 = 7A2 6A = 7(3A 2I) 6A = 15A 14I

15 30 14 0 1 30
de donde A4 = ( )( )=( )
0 30 0 14 0 16
Por otra parte,

1 3
A2 3A + 2I = 0 I = A2 + A / A1
2 2
1 3
A1 = A + I
2 2
1/2 1 3/2 0 1 1
de donde A1 = ( )+( )=( )
0 1 0 3/2 0 1/2

UBB 29
 CAPITULO 3. VALORES Y VECTORES PROPIOS

Teorema 3.5.

Si A es una matriz simetrica con elementos reales, entonces sus valores propios son
reales. Ademas sus vectores propios correpondientes a valores propios diferentes son
ortogonales.

3.2 Diagonalizacion

Definicion 3.4 (Matrices semejantes).

Se dice que dos matrices A y B de nn son semejantes si existe una matriz invertible
C de n n tal que:
B = C 1 AC

Observacion 3.7.

Alternativamente, se tiene que: A y B son semejantes si y solo si existe una matriz

invertible C tal que
CB = AC

Teorema 3.6.

Si A y B son matrices semejantes de nn, entonces A y B tienen el mismo polinomio

caracterstico y, por consiguiente, tienen los mismos valores propios.

Definicion 3.5 (Matriz diagonalizable).

Una matriz A de n n es diagonalizable si existe una matriz diagonal D tal que A

es semejante a D.

30 UBB
CAPITULO 3. VALORES Y VECTORES PROPIOS

Teorema 3.7.

Una matriz A de n n es diagonalizable si y solo si tiene n vectores propios lineal-

mente independientes. En tal caso, la matriz diagonal D semejante a A esta dada
por:

1 0 0 0
0 2 0 0

D=
0 0 3 0


0 0 0 n
donde 1 , 2 , , n son los valores propios de A.
Si C es una matriz cuyas columnas son vectores propios linealmente independientes
de A, entonces
D = C 1 AC

Observacion 3.8.

Si la matriz A de n n tiene n valores propios diferentes, entonces A es diagonali-

zable.

UBB 31
 CAPITULO 3. VALORES Y VECTORES PROPIOS

32 UBB
 4 Rectas y Planos
Primero estudiaremos el Plano (R2 ) y el Espacio (R3 ) Cartesianos , junto a sus propie-
dades y operaciones mas importantes para el curso.

4.1 Plano Cartesiano

Definicion 4.1 (Plano).

El plano cartesiano esta formado por dos lneas rectas (ejes) perpendiculares entre
s, subdividiendo el plano en cuatro partes llamadas cuadrantes. La representacion
en coordenadas de los cuadrantes es la siguiente:

Figura 4.1: Cuadrantes en el Plano Cartesiano

Donde el eje horizontal se llama eje de abscisas o tambien eje x; el eje verti-
cal se llama eje de las ordenadas o eje y, y el punto O se llama origen de
coordenadas.

33
Captulo 4: Rectas y Planos C. Picarte F.

4.1.1. Espacio Cartesiano

El espacio cartesiano esta formado por tres lneas rectas (ejes) perpendiculares entre s,
subdividiendo el espacio en ocho partes llamadas octantes. La representacion en coordenadas
de los cuadrantes es la siguiente:

Figura 4.2: Octantes en el Espacio Cartesiano

4.1.2. Puntos y Vectores

Definicion 4.2.

Un punto representa una posicion en el plano (espacio), mediante sus coordenadas

(x0 , y0 ) ((x0 , y0 , z0 ) en el espacio ), y un vector se representa por un segmento

orientado con origen en A y extremo en B, con el smbolo AB.

Figura 4.3: Representacion de un punto y un Vector

34 UBB
C. Picarte F. Captulo 4: Rectas y Planos

Observacion 4.1.

Dos puntos A(x1 , y1 ) y B(x2 , y2 ) son iguales si sus componentes correpondiente son
iguales, es decir,

A(x1 , y1 ) = B(x2 , y2 ) [x1 = x2 y1 = y2 ]

Observacion 4.2 (Vector).

Un vector se caracteriza por su:

modulo: es el valor numerico de la magnitud vectorial. Se representa grafi-

camente por la longitud de la flecha.

direccion: esta dada por la orientacion en el plano o en el espacio de la recta

que lo contiene.

sentido: se muestra mediante una punta de flecha situada en el extremo del

vector, indicando hacia que lado de la lnea de accion se dirige el vector.

Observacion 4.3.

1. Un vector queda completamente caracterizado mediante una magnitud, una

direccion y un sentido.

2. Dos vectores son iguales solo si tienen la misma direccion, sentido y magnitud.


3. El vector 0 (vector nulo), corresponde a un vector de magnitud 0, pero sin
direccion ni sentido.

4.2 Operaciones con Vectores

En Rn , se define dos operaciones, suma y producto por escalar.

UBB 35
Captulo 4: Rectas y Planos C. Picarte F.

Definicion 4.3.

Sean
u = (u1 , u2 , . . . , uvn ),

v = (v1 , v2 , . . . , vn ) Rn dos vectores y R un escalar,
se define:
Suma de Vectores

+ Rn Rn Rn
(

u ,
v)

u +
v

u +

v = (u1 + v1 , u2 + v2 , , un + vn ) (4.1)

Producto por escalar de Vectores

R Rn Rn
(,

u)

u

u = (u1 , u2 , , un ) = (u1 , u2 , , un ) (4.2)

Teorema 4.1.

Consideremos los vectores

u ,

v ,
n y los escalares , , entonces:
w R R

1.

u +

v =

v +

u

2. (

u +

v )+
=
w
u + (

v +
)
w

3.

u + 0 =
u

u +
4.
=
u

0

5. (

u +

v ) =

u +

v

6. ( + )

u =

u +

u

7. ()

u = (

u)

8. 1

u =
u


9. 0

u = 0

36 UBB
C. Picarte F. Captulo 4: Rectas y Planos

Observacion 4.4.

(1)

u =

u

Figura 4.4: Representacion de las operaciones

Ejemplo 4.1.

Determina si los siguientes vectores son

iguales, opuestos, misma magnitud, dis-
tintos, etc.

Solucion: (a) Los tres vectores son iguales

(b) Los dos primeros tienen igual magnitud, sentido contrario, y el tercero es diferente a
los otros.
(c) los tres tienen misma direccion y sentido, pero diferentes magnitudes.
Ejemplo 4.2.

A partir de la siguiente figura, determi-

nar en cada caso si la expresion es co-
rrecta o incorrecta.

a)
+
w
v = d


b) f +
e = b +
w


c) b
c =

a

Solucion: En cada caso, usando la representacion geometrica (paralelogramo), se tiene que

(a) es falsa pues resulta d , (b) y (c) son verdaderas

UBB 37
Captulo 4: Rectas y Planos C. Picarte F.

4.3 Producto Interior de Vectores

Se define el Producto Interior o Producto Punto.

Definicion 4.4.

Sean

u = (u1 , u2 , . . . , un ),

v = (v1 , v2 , . . . , vn ) Rn dos vectores, se define el pro-
ducto interior

Rn Rn R
(

u ,
v)

u
v

n


u

v = u1 v1 + u2 v2 + + un vn = ui vi (4.3)
i=1

Teorema 4.2.

1.

u 0 = 0,

u

2.

u

v =

v

u

3.

u (

v +
) =
w
u

v +

u

w

4.

u

u 0,

u


5.

u

u =0

u = 0

Ejemplo 4.3.

Dados los vectores

u = (1, 2);

v = (2, 1) y
= (3, 1) y los escalares = 2, = 2.
w

1. Calcule:

a)

u
v c)
u

u
b) ( u +
)
w
v d ) v


u +

w

2. Verifique geometricamente que (

u +

v)

w

3. Verifique que se cumple que:

u (

v
) = (
w
v

u ) (

u
)
w

38 UBB
C. Picarte F. Captulo 4: Rectas y Planos

Solucion:
1. a) u
v = (1, 2) (2, 1) = (1)(2) + (2)(1) = 0
b) (

u +)
w
v = ((1, 2) + (3, 1)) (2, 1) = (4, 3) (3, 1) = 12 + 3 = 15


c) u u = (1, 2) (1, 2) = (1)2 + (2)2 = 5
d)

v

u +
= (2, 1) (2)(1, 2) + (2)(3, 1) = (2, 1) + (2, 4) + (6, 2) = (6, 7)
w
2. En efecto:

Numericamente se tiene

(

u +

v )
= ((1, 2) + (2, 1)) (3, 1)
w
= (1, 3) (3, 1) = 3 + 3 = 0

3.


u (

v
) ? (
w
v

u ) (

u
)
w
=
?
(1, 2) ((2)(2, 1) (2)(3, 1)) (2)((2, 1) (1, 2)) (2)((1, 2) (3, 1))
=
?
(1, 2) ((4, 2) + (6, 2)) (2)((2)(1) + (1)(2)) (2)((1)(3) + (2)(1))
=
?
(1, 2) (2, 4) (2)(0) (2)(5)
=
?
(1)(2) + (2)(4) 0 10
=
10 10

4.3.1. Norma y Distancia

Definicion 4.5 (Norma).

Sea

u = (u1 , u2 , , un ) Rn , se define como la norma de
u , y denota:



u = u21 + u22 + + u2n

Observacion 4.5.

Sea

u Rn


u 2 =

u

u o

u =

u

u

UBB 39
Captulo 4: Rectas y Planos C. Picarte F.

Teorema 4.3.


1.

u 0,

u = o

u = 0

2.

u =

u

3.

u +

v

u +

v (desigualdad triangular)

4.

u

v =

u

v (desigualdad de CauchySchwarz)

5.

u =

u

Definicion 4.6 (Vector Unitario).

Un vector se dice unitario, si su norma es uno, es decir,

Si

u = 1 es vector unitario

Notacion: u

Observacion 4.6.

Sea

u 0 , entonces el vector
u
v = es unitario.
u

Definicion 4.7 (Distancia entre puntos).

Sea A, B Rn , dos puntos, se define distancia entre a y B como:

d(A, B) = B A

Ejemplo 4.4.

Considere los puntos en R3 , A(2, 3, 1), B(1, 1, 1), C(1, 2, 2).

1. Calcule la distancia de A a B.

2. Calcula la norma de AC

3. Calcula la norma de BA

40 UBB
C. Picarte F. Captulo 4: Rectas y Planos

Solucion:

1. d(A, B) = A B = (2 + 1)2 + (3 1)2 + (1 + 1)2 = 17

2. AC = (1, 5, 3) AC = (1)2 + (5)2 + (3)2 = 35

3. BA = d(A, B) = 17

4.3.2. Angulos entre vectores

Usando el Teorema de los cosenos en algebra y trigonometra, podemos encontrar una

expresion que involucra el angulo formado por dos vectores.
Recordemos el teorema del coseno. Dado un triangulo de lados de longitud a, b y c y
angulo entre losm lados a y b, se tiene que:

c2 = a2 + b2 2ab cos()

Aplivando esto en terminos de vectores, como muestra el dibujo, sea el triangulo formado
por los vectores

u y
v , se tiene:

Figura 4.5: Angulo entre vectores

UBB 41
Captulo 4: Rectas y Planos C. Picarte F.

Ecuacion 4.6.

Aplinado el Teo. de los Cosenos y propiedades del producto interior, tenemos:

u

v 2 =

u 2 +

v 2 2

u

v cos() (4.5)

u

v 2 = (
u
v )(
u v)
= u u + v v 2



u v
= u + v 2
2 2 u

v (4.6)

Luego de (4.5) y (4.6) se tiene que

u

v cos() =

u

v

Teorema 4.4 (Perpendicularidad).

Los vectores

u ,

v Rn son ortogonales (perpendiculares) si y solo si

u

v =0

Observacion 4.7 (Paralelismo).

Los vectores

u ,

v Rn son paralelos si y solo si

u =k

v , para algun k R

4.3.3. Proyeccion

Figura 4.6: Proyeccion del vector v sobre u

P roy
= t

u v u (4.7)


u


u (

v t

u) =

u
v t

u
u =0t=
v
(4.8)

uu

42 UBB
C. Picarte F. Captulo 4: Rectas y Planos

Luego, se tiene que:

u

v
u v =
P roy
u (4.9)
uu

Observacion 4.8 (Proyeccion el R2 ).

Dado un vector
u = (ux , uy ) R2 , sus
componentes o proyecciones estan dadas
por:
ux =

ux
cos() = u cos()
u
uy =

uy
sen() = u sen()
u

Observacion 4.9 (Proyeccion en R3 ).

Proyeccion de un vector respecto a los planos xy, xz e yz respectivamente.

UBB 43
Captulo 4: Rectas y Planos C. Picarte F.

Observacion 4.10 (Cosenos Directores).

Los cosenos directores del vector

u = (u1 , u2 , u3 ) son:
u1 u2 u3
cos() = cos() =
; ; cos() =

u
u
u
donde , y son los angulos directores de

u y

es el angulo formado por el vector

u y el eje positivo x.

es el angulo formado por el vector

u y el eje positivo y.

es el angulo formado por el vector

u y el eje positivo z.

4.4 Producto Vectorial

Se define el Producto Vectorial o Producto Cruz solo para R3 ,

Definicion 4.8.

Sean

u = (u1 , u2 , u3 ),

v = (v1 , v2 , v3 ) R3 dos vectores, se define el producto
vectorial, donde = (1, 0, 0), = (0, 1, 0) y k = (0, 0, 1)

R3 R3 R3
(

u ,
v)

u
v

RRR k RRR

RR RR
u v = RRRRu1 u2 u3 RRRR = (u2 v3 u3 v2 , (u1 v3 u3 v1 ), u1 v2 u2 v1 ) (4.10)
RRR R
RR v1 v2 v3 RRRR

44 UBB
C. Picarte F. Captulo 4: Rectas y Planos

Teorema 4.5.

Sean los vectores

u ,

v ,
3 , , entoces.
w R R
1.

u (

u

v)=0

2.

v (

u

v)=0

3.

u

v =

v

u

4.

u (

v +
) =
w
u

v +

u

w

5. (

v +
)
w
u =

v

u +

w
u

6.

u 0 = 0
u = 0

7. (

u

v ) = (

u ) (

v)

8.

u

v 2 =

u 2

v 2 (

u

v )2 (igualdad de Lagrange)

Observaciones 4.11.


1.

u

v

u = t

v

u

v = 0

2.

u

v =

u

v sen()

Observacion 4.12.

El producto vectorial entre dos vectores produce un nuevo vector, que resulta per-
pendicular a ambos.

UBB 45
Captulo 4: Rectas y Planos C. Picarte F.

Ejemplo 4.5.

1. Dados los vectores

v = (0, 2, 1) R3 , calcular
u = (2, 1, 1),

u

v y mostrar
que

u (

u
v)=0

2. Muestre que si = (1, 0, 0), = (0, 1, 0), k = (0, 0, 1), entonces = k y k =

Solucion:

RRR k RRR

RR RR 1 1 2 1 2 1
1. u v = RRRR2 1 1RRRR = ( , , ) = (3, 2, 4)
RRR RRR 2 1 0 1 0 2
RR 0 2 1 RR

Ademas, (2, 1, 1) (3, 2, 4) = (2)(3) + (1)(2) + (1)(4) = 0

RRR k RRR
RR RR
2. = RRRR1 0 0RRRR = (
0 0 1 0 1 0
, , ) = (0, 0, 1) = k
RRR RRR 1 0 0 0 0 1
RR0 1 0RR

RRR k RRR
RR RR
k = RRRR0 0 1RRRR = (
0 1 0 1 0 0
, , ) = (1, 0, 0) = (1, 0, 0) =
RRR RRR 1 0 0 0 0 1
RR0 1 0RR

46 UBB
C. Picarte F. Captulo 4: Rectas y Planos

Observaciones 4.13 (Area y Volumen).

1. Consideremos un paralelogramo determinado por dos vectores

u y

v , como
se muestra en la figura anexa, entonces su area esta dada por:

A =

u

v

2. Consideremos un paraleleppedo determinado por tres vectores no coplanares

u ,

v , 3 , como se muestra en la figura anexa, entonces el volumen del
w R
paralelelpedo es dado por:

V =

u (

v
) (el valor absoluto del producto mixto)
w

Figura 4.7: Formulas de area y volumen

Ejemplo 4.6.

Calcule el area del triangulo de vertices A(1, 2, 2), B(2, 2, 0), C(0, 3, 1), y luego
muestra que no es rectangular.

Solucion:

Dado que el triangulo de vertices ABC se puede construir con los vectores AB y AC, su
area sera:
RR k RRR
1 1 RRRR RR 1 1
A = AB AC = RRR3 0 2RRRR = (2, 1, 3) = 14
2 2 RRR RRR 2 2
RR 1 1 1 RR
Por otro lado, si el triangulo es rectangulo dos de sus lados deben ser perpendiculatres.

AB AC = (3, 0, 2) (1, 1, 1) = 5 =/ 0

UBB 47
Captulo 4: Rectas y Planos C. Picarte F.

AB BC = (3, 0, 2) (2, 1, 1) = 8 =/ 0

AC BC = (1, 1, 1) (2, 1, 1) = 2 =/ 0
Luego no es rectangulo.

4.5 Ecuacion de la Recta

Sea P0 (x0 , y0 , z0 ) un punto perteneciente a la recta L, l = (a, b, c) un vector paralelo a
la recta (vector director), y P (x, y, z) un punto cualquiera del espacio, entonces se tiene
que:

Figura 4.8: Ecuacion de la Recta

P L P0 P // l

P0 P = k l

(P P0 ) = k l

P = P0 + k l (4.11)
(x, y, z) = (x0 , y0 , z0 ) + k (a, b, c) (4.12)

Observacion 4.14 (Forma Vectorial).

Esta forma de escribir la ecuacion de una recta (4.12), se llama forma vectorial

L (x, y, z) = (x0 , y0 , z0 ) + k (a, b, c) (4.13)

48 UBB
C. Picarte F. Captulo 4: Rectas y Planos

Observacion 4.15 (Ecuacion Parametrica).

De la ecuacion (4.12) se obtiene que:

(x, y, z) = (x0 , y0 , z0 ) + k (a, b, c) (x, y, z) = (x0 + ka, y0 + kb, z0 + kc)

x = x0 + ka



L y = y0 + kb, k R (4.14)




z = z0 + kc

Observacion 4.16 (Ecuaciones Simetricas).

Y de la ecuacion (4.14) se obtiene que:

x x0


=k



a

x = x0 + ka






y y0 x x0 y y0 z z0
y = y0 + kb, k R =k L = = (4.15)




b a b c

z = z0 + kc




z z0


=k

c

Ejemplo 4.7.

1. Encuentre la ecuacion de la recta (sus tres formas de escritura), que pasa por


el punto A(1, 1, 2) y tiene direccion l = (2, 2, 1)

2. Escriba en sus tres formas la ecuacion de la recta que pasa por los puntos
A(1, 1, 1) y B(2, 1, 1)

Solucion:
1. Forma vectorial: L (x, y, z) = (1, 1, 2) + (2, 2, 1), R

1 + 2t



Forma parametrica: L 1 2t tR




2 + t
x1 y+1
Forma simetrica: L = =z2
2 2
UBB 49
Captulo 4: Rectas y Planos C. Picarte F.

2. En este caso, sonsideremos a P0 = A = (1, 1, 1) y l L = AB = (1, 0, 2), luego la ecuacion
queda escrita:
Forma vectorial: L (x, y, z) = (1, 1, 1) + (1, 0, 2), R

1+t



Forma parametrica: L 1 tR




1 2t
z1
Forma simetrica: L x 1 = ;y = 1
2

Propiedades 1.

1. L1 L2 l 1 l 2


2. L1 l2 l 1 l 2


3. (L1 , L2 ) ( l 1 , l 2 )

Ejemplo 4.8.

Verifique que las rectas L1 (x, y, z) = (1, 2, 3) + (2, 3, 1), R y

2z
L2 x + 1 = ; y = 2 son perpendiculares.
2

Solucion: Notemos que los vectores directores son l 1 = (2, 3, 1) y l 2 = (1, 0, 2)


respectivamente, y ademas l 1 l 2 = 0, luego las rectas son perpendiculares.

4.5.1. Posicion Relativa entre Rectas

Figura 4.9: Ecuaciones paralelas, secantes, alabeadas y coincidentes respectivamente

50 UBB
C. Picarte F. Captulo 4: Rectas y Planos

Ejemplo 4.9.

Dadas las rectas:

x = 1 2t
L1 (x, y, z) = (1, 1, 2) + (3, 2, 2), R,


2(x 1) 2 y y L3 = y = 3t tR
L2 = =z+1


3 1
z = 2 + 2t
1. Describa la posicion relativa entre las recta L1 y L2 .

2. Encuentre el angulo formado por las recta L2 y L3 .

3. Encuentre la interseccion, si existe entre las recta L1 y L3 .

4. Encuentre la ecuacion de una recta que intersecta a L1 y es ortogonal a L2 .

x1 y2 z1
Solucion: Escribiendo en forma adecuada la recta L2 = = ; se tiene
3/2 1 1


que su vector director es l 2 = (3/2, 1, 1)

1. Dado que existe k = 2 R, tal que [ l 1 = k l 2 (1, 1, 2) L1 pero (1, 1, 2) / L2 ]


[ l 1 l 2]

2. Como el angulo formado por las rectas es el mismo que forman sus vectores directores,


y los vectores directores son l 2 = (3/2, 1, 1) y l 3 = (2, 3, 2) respectivamente, tenemos
que:
l2 l3 2
(l2 , l3 ) = arc cos ( ) = arc cos ( ) = 76, 4
l2 l3 17/2

3. Si L1 se intersecta con L3 , entonces existe un punto P0 (x0 , y0 , z0 ) que pertenece a ambas

rectas, es decir, existen , t R que producen el mismo punto P0 .
(1) 1 + 3 = 1 2t
De (3) =t
Como estos valores de t

(2) 1 + 2 = 3t y no satisfacen (1)

(3) 2 + 2 = 2 + 2t
En (2) = 1 = t

, no tienen punto comun

4. Existen infinitas rectas que cumplen esta caracterstica, solo necesitamos un punto de
la recta L1 y un vector director que sea perpendicular a L2 . Con esto: P (1, 1, 2) L1

y l = (0, 1, 1) es perpendicular a L2 , luego la recta pedida es,

L (x, y, z) = (1, 1, 2) + (0, 1, 1)

UBB 51
Captulo 4: Rectas y Planos C. Picarte F.

4.5.2. Distancia de un punto a una recta

Sea L (x, y, z) = (x0 , y0 , z0 ) + (a, b, c), R una recta y P (x1 , y1 , z1 ) un punto
cualquiera, entonces la distancia mnima entre el punto y la recta esta dada por:
Considerando la imagen de la recta y el punto que se presenta se tiene: Como el angulo

entre en vector P0 P y la recta L es el mismo que se forma el vector P0 P con la direccion


( l ) de la recta

d
sen() =
P0 P

d = P0 P sen() , amplificando

P0 P l sen()
d =

l

P0 P l Figura 4.10: Distancia de un punto a una rec-
d(L, P ) =

l ta

Ejemplo 4.10.

Calcule a que distancia del origen se encuentra la recta L (x, y, z) = (2, 1, 1) +

(4, 3, 5), R

Solucion: En este caso el punto P es (0, 0, 0) (origen),y P0 = (2, 1, 1), luego usando
la formula:

P0 P l (2, 1, 1) (4, 3, 5) (8, 6, 10) 200
d(L, P ) =
= = = =2
l (4, 3, 5) (4, 3, 5) 50

4.6 Ecuacion del Plano

Sea P0 (x0 , y0 , z0 ) un punto perteneciente al plano P, N = (A, B, C) un vector perpendi-
cular (vector normal) al plano, y P (x, y, z) un punto cualquiera del espacio, entonces se
tiene que:

52 UBB
C. Picarte F. Captulo 4: Rectas y Planos

P P P0 P N

P0 P N = 0


(P P0 ) N = 0
(x x0 .y y0 , z z0 ) (A, B, C) = 0
A(x x0 ) + B(y y0 ) + c(z z0 ) = 0
Ax + By + Cz = Ax0 + By0 + Cz0

Figura 4.11: Ecuacion del Plano
Ax + By + Cz = D (4.16)

Observacion 4.17 (Ecuacion Vectorial).

Como se muestra en la figura (4.12), dados dos vectores

u ,

v P, no paralelos,
donde
u = (d1 , d2 , d3 ) y

v = (m1 , m2 , m3 ). Entonces cualquier punto P del plano
se puede construir a traves de una suma adecuada de estos vectores, es decir:

P = P0 +
u +
v
P (x, y, z) = P0 (x0 , y0 , z0 ) + (d1 , d2 , d3 ) + (m1 , m2 , m3 ) (4.17)

Figura 4.12: Ecuacion del Plano usando dos vectores

Ejemplo 4.11.

1. Encuentre la ecuacion cartesiana del plano que pasa por el punto A(1, 1, 2)


y tiene vector normal N = (2, 1, 3).

2. Encuentre la ecuacion cartesiana y vectorial del plano que pasa por los puntos
A(1, 0, 2), B(2, 1, 1) y C(3, 2, 1).

Solucion:

UBB 53
Captulo 4: Rectas y Planos C. Picarte F.

1. Sea P (x, y, z) un punto del plano, entonces:

AP N = 0 (x 1, y + 1, z + 2) (2, 1, 3) = 0
(2x 2) + (y 1) + (3z + 6) = 0
2x y + 3z = 3

2. Para la ecuacion vectorial, consideremos los vectores AB y AC, y el punto A, luego
la ecuacion es:
(x, y, z) = (1, 0, 2) + (1, 1, 3) + (2, 2, 1), , R


Para la ecuacion cartesiana, consideremos como vector normal N = AB AC, el
punto A, luego calculando,
RR RR
RRRR k RRRR

N = RRR1 1 3RRR = (5, 5, 0) (x 1, y + 1, z + 2)(5, 5, 0) = 0 x + y = 0
RRR R
RR2 2 1RRRR

Propiedades 2.

Sean 1 A1 x + B1 y + C1 z = D1 y 2 A2 x + B2 y + C2 z = D2 dos planos cuyos vectores

normales son N 1 y N 2 respectivamente, entonces se tiene que:

1. 1 2 [ N 1 N 2 D1 D2 ]


2. 1 2 N 1 N 2

3. (1 , 2 ) = ( N 1 ; N 2 )

4.6.1. Posicion Relativa entre Planos

Figura 4.13: Ecuaciones paralelas, secantes y coincidentes respectivamente

54 UBB
C. Picarte F. Captulo 4: Rectas y Planos

Ejemplo 4.12.

Dados loa planos: 1 2x 3y + z 1 = 0, 2 2y 2x 3z = 1 y 3 (x, y, x) =

(3, 1, 2) + (1, 1, 0) + (2, 1, 3), , R.

1. Escriba la ecuacion cartesiana del plano 3 .

2. Estudie la posicion relativa entre 1 y 3 .

3. Que angulo forman los planos 1 y 2 .

4. Encuentre la interseccion (si existe) entre los planos 2 y 3 .

x1
5. Encuentre la interseccion entre el plano 1 y la recta L = 2 + y = 2z 1
2
6. Encuentre la interseccion del plano 1 con el plano xz

Solucion:

1. Considerando los vectores directores para construir el vector normal y el punto (3, 1, 2),
se tiene que:
RRRR k RRRR
RRR R

RRR1 1 0 RRRRR = (3, 3, 3) N = (1, 1, 1) (x + 3, y 1, z 2)(1, 1, 1) = 0 3 x + y + z = 0
RRR2 1 3RRR
R R
2. Considerando los vectores normales orrespondientes,


N 1 = (2, 3, 1)



N 1 N 3 = 0 N 1 N 3 1 3
N 3 = (1, 1, 1)


3. Como el angulo formado por los vectores normales es el formado por los planos, se
tiene que:
(2, 3, 1) (2, 2, 3) 13
(1 , 2 ) = arc cos ( ) = arc cos ( ) = 147, 4
(2, 3, 1) (2, 2, 3) 14 17
1 4
z= x
2 2x + 2y 3z = 1 2 23 4x 5z = 1 5 5
4. Resolviendo el sistema:
3 x+y+z =0 1 + 33 x + 5y = 1 1 1
y= x
5 5

x=t



luego, la interseccion es la recta de ecuacion L y = (1/5) (1/5)t , t R




z = (1/5) (4/5)t

UBB 55
Captulo 4: Rectas y Planos C. Picarte F.

x = 1 + 2t



5. Escribiendo en forma parametrica la ecuacion de la recta, se tiene que: y = 2 + t




z = (1/2) + t/2

luego, un punto cualquiera de la recta es de la forma (1 + 2t, 2 + t, 1/2 + t/2) y si esta

recta intersecta al plano, este tambien satisface su ecuacion, es decir,

2(1 + 2t) 3(2 + t) + (1/2 + t/2) 1 = 0 3t/2 + 7/2 = 0 t = 7/2

con lo que el punto de interseccion es: (6, 11/2, 5/4)

6. Notemos que, el plano xz tiene ecuacion y = 0, luego la interseccion con 1 nos da

2x + z 1 = 0 z = 1 2x, luego la ecuacion es:

L (x, y, z) = (0, 0, 1) + (1, 0, 2), R

4.6.2. Distancia de un punto a un plano

Sea Ax + By + Cz+D = 0 un plano y P (x1 , y1 , z1 ) un punto cualquiera, entonces la

distancia mnima entre el punto y el plano esta dada por:

Considerando la imagen del plano y el

punto que se presenta se tiene: Como el angu-

lo entre en vector P0 P y la recta que describe
la distancia d es el mismo que forma el vector

P0 P con la normal del plano

d
cos() =
P0 P
Figura 4.14: Distancia de un punto a un
d = P0 P cos() , amplificando Plano

P0 P N cos()
d =

N

P0 P N
d(, P ) =

N

56 UBB
C. Picarte F. Captulo 4: Rectas y Planos

Observacion 4.18.

Dado que:

P0 P N
d(, P ) =

N


(P P0 ) N
=

N


(P N P0 N )
=

N


(P0 N P N )
=

N
D

(Ax0 + By0 + Cz0 ) (Ax + By + Cz)
=
A2 + B 2 + C 2
Ax0 + By0 + Cz0 + D
=
A2 + B 2 + C 2

Ejemplo 4.13.

Encuentre la distancia del punto P(1,2,3) y el plano 2x 3y + z = 2

Solucion: Escrito en forma adecuadas el plano 2x 3y + z 2 = 0, se tiene que la distancia

es:

2(1) 3(2) + 1(3) 2 3 3

d(, P ) = = = 14
(2)1 + (3)2 + (1)2 14 14

UBB 57