Apuntes (UTN BA) PDF

ÁLGEBRA Y
AGA Virtual Segundo cuatrimestre 2016 Unidad 1
GEOMETRÍA
ANALÍTICA
Isabel Pustilnik
1
Federico Gómez
ÍNDICE
Puntos y vectores en ℝ𝟑 ..................................................................................................... 3
Puntos en ℝ𝟑 .................................................................................................................... 3
Vectores en ℝ3 ................................................................................................................ 5
Operaciones y nociones básicas sobre vectores en ℝ𝟑 ........................................... 5
Propiedades de la suma de vectores y del producto por un escalar ..................... 8
Módulo o norma de un vector en ℝ𝟑 ........................................................................... 9
Propiedades del módulo o norma de un vector ..................................................... 10
Vector determinado por dos puntos ........................................................................... 11
Distancia entre dos puntos ........................................................................................... 12
Problema .......................................................................................................................... 12
En general ........................................................................................................................ 12
Problema .......................................................................................................................... 12
Expresión canónica de un vector ............................................................................... 14
Ángulos directores y cosenos directores de un vector ............................................ 15
Propiedad ........................................................................................................................ 16
Demostración .................................................................................................................. 16
Versor asociado a un vector........................................................................................ 17
Producto escalar en ℝ𝟑 ................................................................................................ 18
Propiedades del producto escalar ............................................................................ 20
Ángulo entre vectores .................................................................................................. 20
Condición de perpendicularidad entre vectores ................................................... 20
Proyección de un vector en la dirección de otro ..................................................... 21
Producto vectorial ......................................................................................................... 22
Definición ......................................................................................................................... 22
Propiedades del producto vectorial .......................................................................... 24
Fórmula para calcular el producto vectorial ........................................................... 25
Interpretación geométrica del módulo del producto vectorial .......................... 26
Producto mixto ............................................................................................................... 28
Definición ......................................................................................................................... 28
Interpretación geométrica del producto mixto ...................................................... 29
Coplanaridad ................................................................................................................. 30
Plano y recta en ℝ3 ........................................................................................................... 32
Ecuaciones del plano ................................................................................................... 32
Deducción de la ecuación general del plano ....................................................... 32
Ecuación segmentaria del plano ............................................................................... 39
Ecuación vectorial paramétrica del plano .............................................................. 41
De la ecuación general a la ecuación vectorial paramétrica ........................... 43
Ángulo entre dos planos............................................................................................... 44
Planos perpendiculares y planos paralelos ............................................................... 45
Distancia de un punto a un plano ............................................................................... 46
Distancia entre planos paralelos ................................................................................. 48
Haz de planos ................................................................................................................ 49
Ecuaciones de la recta en ℝ𝟑 ..................................................................................... 51
Ecuación vectorial de la recta ................................................................................... 52
1
Ecuaciones paramétricas de la recta ....................................................................... 54

Ecuaciones simétricas de la recta.............................................................................. 54
Recta definida como intersección de dos planos .................................................... 55
Intersección entre recta y plano ................................................................................. 58
Paralelismo entre recta y plano .................................................................................. 63
Perpendicularidad entre recta y plano ...................................................................... 64
Ángulo entre recta y plano .......................................................................................... 65
Intersección de rectas en ℝ𝟑....................................................................................... 67
Plano que contiene a dos rectas ................................................................................ 70
Caso 1: Rectas concurrentes ....................................................................................... 70
Caso 2: Rectas paralelas .............................................................................................. 72
Caso 3: Rectas alabeadas ........................................................................................... 73
Ángulo entre dos rectas ............................................................................................... 74
Proyecciones ortogonales ........................................................................................... 74
Proyección de un punto sobre un plano .................................................................. 74
Proyección de una recta sobre un plano ................................................................. 76
Planos proyectantes de una recta .............................................................................. 78
Distancias ....................................................................................................................... 81
Distancia punto-recta en ℝ3 ....................................................................................... 81
Distancia entre dos rectas paralelas.......................................................................... 83
Distancia entre rectas alabeadas .............................................................................. 84
Condición de coplanaridad ........................................................................................ 85
2
Puntos y vectores en ℝ𝟑
Puntos en ℝ𝟑
Para ubicar un punto en ℝ3 usaremos como sistema de referencia una terna de
ejes perpendiculares entre sí:
 eje x (eje de abscisas, en rojo)

 eje y (eje de ordenadas, en verde)
 eje z (eje de cotas, en azul)
los cuales se cortan en el punto O (origen de coordenadas).
𝑦
𝑥
En el siguiente esquema se ven los tres planos que quedan determinados:
 el plano 𝑥𝑦 (en azul)

 el plano 𝑥𝑧 ( en verde)
 el plano 𝑦𝑧 (en rojo)
3
Plano 𝒚𝒛 Plano 𝒙𝒛
Plano 𝒙𝒚
𝑥 𝑦
Estos planos se conocen como planos coordenados. El nombre del plano 𝑥𝑦 viene
de que este plano contiene al eje 𝑥 y al eje 𝑦. En forma análoga se derivan los
nombres de los otros dos planos.
Se puede demostrar que hay dos formas diferentes de armar un sistema de

referencia con tres ejes perpendiculares. Una de esas formas se conoce con el
nombre de terna derecha (que es la que usaremos en esta materia y la que
hemos presentado recién) y la otra como terna izquierda:
𝑧 𝑧
𝑦 𝑥
𝑥 𝑦
Terna derecha Terna izquierda
4
Vectores en ℝ3
Queda establecido un sistema de coordenadas donde todo punto de ℝ3 se
define mediante una terna ordenada de números reales: 𝑃(𝑥, 𝑦, 𝑧), y tiene
asociado un vector posición 𝑝⃗ = 𝑂𝑃
⃗⃗⃗⃗⃗⃗ = (𝑥, 𝑦, 𝑧).
Para dar un ejemplo en el siguiente esquema graficamos al punto 𝑃(2,4,3), y su

vector posición 𝑝⃗ = 𝑂𝑃
⃗⃗⃗⃗⃗⃗:
Hemos tomado la misma escala sobre cada uno de los ejes. Pero, como en ℝ2, es
posible tomar una escala diferente para cada eje.
En el siguiente GIF les mostramos cómo podría hacerse la gráfica del punto paso a
paso:
http://bit.ly/agagif005
Operaciones y nociones básicas sobre

vectores en ℝ𝟑
Sean 𝑣⃗ = (𝑣𝑥 , 𝑣𝑦 , 𝑣𝑧 ) y 𝑤
⃗⃗⃗ = (𝑤𝑥 , 𝑤𝑦 , 𝑤𝑧 ) vectores de ℝ3.
A continuación definimos algunas operaciones y nociones básicas:
 Igualdad: 𝑣⃗ = 𝑤
⃗⃗⃗ ⇔ 𝑣𝑥 = 𝑤𝑥 , 𝑣𝑦 = 𝑤𝑦 , 𝑣𝑧 = 𝑤𝑧
 Suma: 𝑣⃗ + 𝑤
⃗⃗⃗ = (𝑣𝑥 + 𝑤𝑥 , 𝑣𝑦 + 𝑤𝑦 , 𝑣𝑧 + 𝑤𝑧 )
5
 Vector nulo: 0
⃗⃗ = (0,0,0)
 Opuesto de 𝑣⃗: −𝑣⃗ = (−𝑣𝑥 , −𝑣𝑦 , −𝑣𝑧 )
 Resta: ⃗⃗⃗ = 𝑣⃗ + (−𝑤
𝑣⃗ − 𝑤 ⃗⃗⃗) = (𝑣𝑥 − 𝑤𝑥 , 𝑣𝑦 − 𝑤𝑦 , 𝑣𝑧 − 𝑤𝑧 )
El producto de un escalar por un vector se define:
 𝑣⃗ = (𝑣𝑥 , 𝑣𝑦 , 𝑣𝑧 ) , 𝑘 ∈ ℝ , 𝑘. 𝑣⃗ = (𝑘. 𝑣𝑥 , 𝑘. 𝑣𝑦 , 𝑘. 𝑣𝑧 )
𝑘. 𝑣⃗ es un vector tal que:
 Tiene igual dirección que el vector 𝑣⃗

 Sentido: Si 𝑘 > 0 entonces 𝑣⃗ y 𝑘. 𝑣⃗ tienen el mismo sentido, si 𝑘 < 0 entonces
𝑣⃗ y 𝑘. 𝑣⃗ tienen sentido opuesto. Si 𝑘 = 0, entonces 0. 𝑣⃗ = ⃗⃗0.
 ‖𝑘. 𝑣⃗‖ = |𝑘|‖𝑣⃗‖ . El módulo del vector 𝑘. 𝑣⃗ es |𝑘| veces el módulo del vector
𝑣⃗.
¿Cómo es la longitud del vector 𝑘. 𝑣⃗ respecto de la de 𝑣⃗ ?
Si |𝑘| > 1 entonces ‖𝑘. 𝑣⃗‖ > ‖𝑣⃗‖
Si |𝑘| < 1 entonces ‖𝑘. 𝑣⃗‖ < ‖𝑣⃗‖
Si |𝑘| = 1 entonces ‖𝑘. 𝑣⃗‖ = ‖𝑣⃗‖
Notación
‖𝑣⃗‖: módulo o norma de un vector
|𝑘|: módulo o valor absoluto de un número real
La definición de producto de un escalar por un vector permite enunciar una

condición para que dos vectores (no nulos) sean paralelos:
⃗⃗ ∥ 𝒘
𝒗 ⃗⃗ = 𝒌. 𝒘
⃗⃗⃗⃗ ⇔ 𝒗 ⃗⃗⃗⃗ 𝒄𝒐𝒏 𝒌 ∈ ℝ
Ejemplo
Dados 𝑢 𝑤 = (−1,3, −1) , ¿Existen 𝛼, 𝛽 ∈ ℝ tales que
⃗⃗ = (1, −1,1) , 𝑣⃗ = (2,0,2) 𝑦 ⃗⃗⃗⃗⃗
𝑤 ⃗⃗ + 𝛽. 𝑣⃗ ?
⃗⃗⃗ = 𝛼. 𝑢
Para responderlo escribiremos la igualdad y trataremos de calcular 𝛼, y 𝛽:
(−1,3, −1) = 𝛼. (1, −1,1) + 𝛽. (2,0,2)
(−1,3, −1) = (𝛼 + 2𝛽, −𝛼, 𝛼 + 2𝛽)
−1 = 𝛼 + 2𝛽
{ 3 = −𝛼 ⇒ 𝛼 = −3 ∧ 𝛽 = 1
−1 = 𝛼 + 2𝛽
(−1,3, −1) = −3. (1, −1,1) + 1. (2,0,2)
6
Como existen 𝛼, 𝛽 ∈ ℝ tales que 𝑤 ⃗⃗ + 𝛽. 𝑣⃗ , diremos que 𝑤

⃗⃗⃗ = 𝛼. 𝑢 ⃗⃗⃗ es combinación
lineal de 𝑢
⃗⃗ y 𝑣⃗. Más adelante desarrollaremos el concepto de combinación lineal.
Podemos visualizar esto en un gráfico:
Pero esto puede llevarnos a la pregunta:
Dados tres vectores 𝒖 ⃗⃗, ⃗⃗⃗⃗, 𝒘 de ℝ𝟑, ¿es siempre posible encontrar los números
𝒗 ⃗⃗⃗⃗⃗
reales 𝜶 𝒚 𝜷 tales que 𝑤⃗⃗⃗ = 𝛼. 𝑢 ⃗⃗ + 𝛽. 𝑣⃗ ?
Veamos otro ejemplo para responderla.
Ejemplo
Si los vectores fueran:
⃗⃗ = (2, −3,4)
𝑢
𝑣⃗ = (−5,1,0)
⃗⃗⃗ = (4,2,1)
𝑤
Veamos si existen 𝛼, 𝛽 ∈ ℝ tal que 𝑤 ⃗⃗ + 𝛽. 𝑣⃗ :

⃗⃗⃗ = 𝛼. 𝑢
(4,2,1) = 𝛼(2, −3,4) + 𝛽. (−5,1,0)
(4,2,1) = (2𝛼, −3𝛼, 4𝛼) + (−5𝛽, 1𝛽, 0)
(4,2,1) = (2𝛼 − 5𝛽, −3𝛼 + 1𝛽, 4𝛼)
2𝛼 − 5𝛽 = 4
{−3𝛼 + 𝛽 = 2
4𝛼 = 1
7
Es un sistema con tres ecuaciones y dos incógnitas. Podemos despejar 𝛼 𝑦 𝛽 a

partir de dos de las ecuaciones (por ejemplo las dos últimas):
1
𝛼=
4
11
𝛽=
4
Pero luego debemos verificar si estos valores satisfacen primera ecuación.
Reemplazamos en: 2𝛼 − 5𝛽 = 4:
2 55
− ≠4
4 4
No se verifica la ecuación, por lo tanto no existen los escalares 𝛼 𝑦 𝛽 que satisfagan

la igualdad. En otras palabras, diremos que 𝑤 ⃗⃗⃗ no es una combinación lineal de 𝑢 ⃗⃗ y
de 𝑣⃗.
Como puede observarse en la imagen, los tres vectores no están contenidos en un

mismo plano (no son coplanares), entonces ninguno de ellos puede obtenerse
como combinación lineal de los otros dos:
Propiedades de la suma de vectores y del

producto por un escalar
Sean 𝑢 ⃗⃗⃗ ∈ ℝ3 𝑦 𝛼, 𝛽 ∈ ℝ.
⃗⃗, 𝑣⃗, 𝑤
Vimos que: 𝑢
⃗⃗ + 𝑣⃗ ∈ ℝ3 y 𝛼𝑢
⃗⃗ ∈ ℝ3 . Estas operaciones verifican las siguientes
propiedades:
8
1. 𝑢
⃗⃗ + 𝑣⃗ = 𝑣⃗ + 𝑢 ⃗⃗
2. (𝑢⃗⃗ + 𝑣⃗) + 𝑤⃗⃗⃗ = 𝑢⃗⃗ + (𝑣⃗ + 𝑤
⃗⃗⃗)
3. 𝑢 ⃗⃗ ⃗⃗
⃗⃗ + 0 = 0 + 𝑢 ⃗⃗ = 𝑢⃗⃗
4. ⃗⃗ + (−𝑢
𝑢 ⃗⃗) = (−𝑢 ⃗⃗) + 𝑢⃗⃗ = ⃗⃗
0
5. 𝛼(𝑢 ⃗⃗ + 𝑣⃗) = 𝛼𝑢 ⃗⃗ + 𝛼𝑣⃗
6. (𝛼 + 𝛽)𝑢 ⃗⃗ = 𝛼𝑢
⃗⃗ + 𝛽𝑢 ⃗⃗
7. 𝛼(𝛽𝑢 ⃗⃗) = (𝛼𝛽)𝑢 ⃗⃗
8. 1𝑢⃗⃗ = 𝑢 ⃗⃗
Módulo o norma de un vector en ℝ𝟑

Nos interesa hallar una fórmula para calcular el módulo o norma de un vector. En
ℝ3 el módulo es la longitud del vector. Para deducirla usaremos los triángulos
rectángulos que quedan determinados tal como se muestra en la siguiente figura:
Aplicando el teorema de Pitágoras sobre el triángulo sombreado de naranja:
𝑑 2 = 𝑣𝑥2 + 𝑣𝑦2 (1)
Aplicando el teorema de Pitágoras sobre el triangulo sombreado de rosa:
‖𝑣⃗‖2 = 𝑑 2 + 𝑣𝑧2 (2)
Sustituyendo (1) en (2):
9
‖𝑣⃗‖2 = 𝑣𝑥2 + 𝑣𝑦2 + 𝑣𝑧2
Aplicando raíz cuadrada a ambos miembros:
⃗⃗‖ = √𝒗𝟐𝒙 + 𝒗𝟐𝒚 + 𝒗𝟐𝒛

‖𝒗
Propiedades del módulo o norma de un vector

1. ‖𝑣⃗‖ ≥ 0 ∧ ‖𝑣⃗‖ = 0 ⇔ 𝑣⃗ = ⃗⃗
0
2. ‖𝑘. 𝑣⃗‖ = |𝑘| ‖𝑣
⃗‖ , 𝑘 ∈ ℝ
3. Desigualdad triangular: ‖𝑣⃗ + 𝑤
⃗⃗⃗‖ ≤ ‖𝑣⃗‖ + ‖𝑤
⃗⃗⃗‖
El nombre de desigualdad triangular se conecta con la propiedad que dice: “La

longitud de cada lado de un triángulo es menor que la suma de las longitudes de
los otros dos”.
𝑤
⃗⃗⃗
𝑣⃗
𝑣⃗ + 𝑤
⃗⃗⃗
¿Qué condiciones tienen que cumplir los vectores 𝑣⃗ y 𝑤

⃗⃗⃗ para que se verifique la
igualdad: ‖𝑣⃗ + 𝑤 ⃗⃗⃗‖ ?
⃗⃗⃗‖ = ‖𝑣⃗‖ + ‖𝑤
Ejemplo
Sean 𝑣 = (−1,1,2) y 𝑤 = (3,0, −4) calcular:
a. ‖𝑣⃗‖
b. ‖−2𝑣⃗‖
c. ‖𝑤
⃗⃗⃗‖
d. ‖𝑣⃗ + 𝑤
⃗⃗⃗‖
Resolución
‖𝑣⃗‖ = √(−1)2 + 12 + 22 = √6
‖−2𝑣⃗‖ = √(−2)2 + 22 + 42 = √24 = 2√6
⃗⃗⃗‖ = √32 + 02 + (−4)2 = 5

‖𝑤
10
⃗⃗⃗‖ = ‖(2,1, −2)‖ = √22 + 12 + (−2)2 = 3

‖𝑣⃗ + 𝑤
Observemos que ‖𝑣⃗ + 𝑤

⃗⃗⃗‖ ≠ ‖𝑣⃗‖ + ‖𝑤
⃗⃗⃗‖
Vector determinado por dos puntos

Dados los puntos 𝐴(𝑋𝐴 , 𝑌𝐴 , 𝑍𝐴 ) y 𝐵(𝑋𝐵 , 𝑌𝐵 , 𝑍𝐵 ), el vector 𝐴𝐵
⃗⃗⃗⃗⃗⃗, con origen en 𝐴 y
extremo en 𝐵, puede obtenerse cómo sigue:
⃗⃗⃗⃗⃗⃗
𝑂𝐴 + 𝐴𝐵⃗⃗⃗⃗⃗⃗ = ⃗⃗⃗⃗⃗⃗
𝑂𝐵
⃗⃗⃗⃗⃗⃗ = 𝑂𝐵
⇒ 𝐴𝐵 ⃗⃗⃗⃗⃗⃗ − 𝑂𝐴
⃗⃗⃗⃗⃗⃗ = (𝑋𝐵 , 𝑌𝐵 , 𝑍,𝐵 ) − (𝑋𝐴 , 𝑌𝐴 , 𝑍𝐴 )
⃗⃗⃗⃗⃗⃗ = (𝑋𝐵 − 𝑋𝐴 , 𝑌𝐵 − 𝑌𝐴 , 𝑍𝐵 − 𝑍𝐴 )
⇒ 𝐴𝐵
Ejemplo
Sean 𝑅(1,1,4) y 𝑆(3,0,2) dos puntos de ℝ3 , hallar las componentes del
vector ⃗⃗⃗⃗⃗⃗
𝑅𝑆.
Según hemos visto:
⃗⃗⃗⃗⃗⃗
𝑅𝑆 = (3 − 1, 0 − 1, 2 − 4) = (2, −1, −2)
Veamos esto en un gráfico:
11
Distancia entre dos puntos

Problema
¿Cómo podríamos calcular la distancia entre 𝑅(1,1,4) y 𝑆(3,0,2)?
Para hallar esta distancia armamos el vector ⃗⃗⃗⃗⃗⃗

𝑅𝑆 (o ⃗⃗⃗⃗⃗⃗
𝑆𝑅 ) y calculamos su módulo:
⃗⃗⃗⃗⃗⃗ = (2, −1, −2)

𝑅𝑆
⃗⃗⃗⃗⃗⃗‖ = √22 + (−1)2 + (−2)2 = √4 + 1 + 4 = √9 = 3

‖𝑅𝑆
⇒ 𝑑(𝑅, 𝑆) = 3
En general
Dados dos puntos 𝐴(𝑥𝐴 , 𝑦𝐴 , 𝑧𝐴 ) y 𝐵(𝑥𝐵 , 𝑦𝐵 , 𝑧𝐵 ) la distancia entre los mismos se calcula:
⃗⃗⃗⃗⃗⃗‖ = √(𝑥𝐵 − 𝑥𝐴 )2 + (𝑦𝐵 − 𝑦𝐴 )2 + (𝑧𝐵 − 𝑧𝐴 )2

𝑑(𝐴, 𝐵) = ‖𝐴𝐵
Problema
Encontrar, si es posible, todos los puntos del eje 𝑧 cuya distancia al punto 𝐴(3,2,1)
es 5.
Es recomendable hacer una figura de análisis del problema:
12
Un punto del eje 𝑧 tiene la forma 𝑃(0,0, 𝑧). Construyamos el vector desde un punto
genérico cualquiera del eje 𝑧 hasta 𝐴.
⃗⃗⃗⃗⃗⃗ = (3, 2, 1 − 𝑧)
𝑃𝐴
Se pide que el módulo (o norma) de 𝑃𝐴

⃗⃗⃗⃗⃗⃗ sea 5, entonces:
⃗⃗⃗⃗⃗⃗‖ = √32 + 22 + (1 − 𝑧)2 = √13 + 1 − 2𝑧 + 𝑧 2 = √14 − 2𝑧 + 𝑧 2 = 5

‖𝑃𝐴
25 = 14 − 2𝑧 + 𝑧 2 ⇒ 𝑧 2 − 2𝑧 − 11 = 0
2 + √4 − 4.1. (−11) 2 − √4 − 4.1. (−11)

𝑧= ∨ 𝑧=
2 2
2 + √48 2 − √48
𝑧= ∨ 𝑧=
2 2
𝑧 = 1 + √12 ≅ 4,46 ∨ 𝑧 = 1 − √12 ≅ −2,46
Hemos llegado a que 𝑧 puede tomar dos valores distintos. Entonces existen dos
puntos del eje 𝑧 cuya distancia al punto 𝐴(3,2,1) es 5. Son:
𝑃1 (0, 0, 1 + √12) ∧ 𝑃2(0, 0, 1 − √12)
13
Expresión canónica de un vector

Recordemos que todo vector de ℝ2 puede expresarse como combinación lineal
de los versores canónicos 𝑖̆ = (1,0) y 𝑗̆ = (0,1).
𝑣⃗ = (𝑥, 𝑦)
𝑣⃗ = 𝑥(1,0) + 𝑦(0,1)
𝑣⃗ = 𝑥. 𝑖̆ + 𝑦. 𝑗̆
En forma análoga, todo vector de ℝ3 puede expresarse como combinación lineal

de los versores canónicos:
𝑖̆ = (1,0,0)
𝑗̆ = (0,1,0)
𝑘̆ = (0,0,1)
14
𝑣𝑧 = 𝑧. 𝑘̆
⃗⃗⃗⃗
𝑣⃗
𝑘̆
𝑖̆
𝑣𝑥 = 𝑥. 𝑖̆
⃗⃗⃗⃗⃗ 𝑗̆
𝑣𝑦 = 𝑦. 𝑗̆
⃗⃗⃗⃗⃗
𝑣⃗ = (𝑥, 𝑦, 𝑧) = 𝑥(1,0,0) + 𝑦(0,1,0) + 𝑧(0,0,1)
𝑣⃗ = 𝑥. 𝑖̆ + 𝑦. 𝑗̆ + 𝑧. 𝑘̆ (𝑒𝑥𝑝𝑟𝑒𝑠𝑖ó𝑛 𝑐𝑎𝑛ó𝑛𝑖𝑐𝑎)
Ángulos directores y cosenos directores

de un vector
Se denominan ángulos directores de un vector a los ángulos determinados por el
vector y cada uno de los semiejes positivos, como se muestra en la siguiente figura:
15
𝛽
𝛾
HTTP://BIT.LY/AGAGGB013
Los cosenos de dichos ángulos se llaman cosenos directores del vector. Aplicando
relaciones trigonométricas, podemos obtener los cosenos directores:
𝑣𝑥 𝑣𝑦 𝑣𝑧
cos(𝛼) = , 𝑐𝑜𝑠(𝛽) = , cos(𝛾) =
‖𝑣⃗‖ ‖𝑣⃗‖ ‖𝑣⃗‖
Por lo tanto, los ángulos directores son:
𝛼 = 𝑎𝑟𝑐𝑜𝑠 ( ) , 𝛽 = 𝑎𝑟𝑐𝑜𝑠 ( ) , 𝛾 = 𝑎𝑟𝑐𝑜𝑠 ( )
‖𝑣⃗‖ ‖𝑣⃗‖ ‖𝑣⃗‖
Donde 𝛼, 𝛽, 𝛾 están comprendidos entre 0 y 𝜋.
Propiedad
cos2(𝛼) + cos2(𝛽) + cos2(𝛾) = 1
Demostración
Sustituyamos los cosenos por los cocientes correspondientes:
𝑣𝑥 2 𝑣𝑦 2 𝑣𝑧 2 𝑣𝑥2 + 𝑣𝑦2 + 𝑣𝑧2 ‖𝑣⃗‖2

cos2(𝛼) + cos 2(𝛽) + cos2(𝛾) = ( ) +( ) +( ) = = =1
‖𝑣⃗‖ ‖𝑣⃗‖ ‖𝑣⃗‖ ‖𝑣⃗‖2 ‖𝑣⃗‖2
Ejemplo
Hallar los ángulos directores de 𝑣 = (2,0, −2)
Respuesta
16
Hallemos el módulo del vector:
‖𝑣⃗‖ = √22 + 02 + (−2)2 = √8 = 2√2
Ahora calculamos los ángulos con el arco coseno de los cocientes:
2
𝛼 = arccos ( ) = 45°
2√2
0
𝛽 = arccos ( ) = 90°
2√2
−2
𝛾 = arccos ( ) = 135°
2√2
Veamos una gráfica del vector y sus ángulos directores:
HTTP://BIT.LY/AGAGIF009
Versor asociado a un vector

Dado un vector no nulo 𝑣⃗, se denomina versor asociado 𝑣̆ al vector unitario (de
módulo 1) que tiene igual dirección y sentido que 𝑣⃗.
Dado 𝑣⃗ distinto de ⃗⃗
0, su versor asociado se obtiene así:
𝑣⃗
𝑣̆ =
‖𝑣⃗‖
17
Tomando en cuenta los cosenos directores,
𝑣⃗ = (‖𝑣⃗‖ cos 𝛼 , ‖𝑣⃗‖ cos 𝛽 , ‖𝑣⃗‖ cos 𝛾)
Entonces
𝑣⃗
= 𝑣̆ = (cos 𝛼 , cos 𝛽 , cos 𝛾 )
‖𝑣⃗‖
O sea, las componentes del versor 𝑣̆ son los cosenos directores de 𝑣⃗.
Producto escalar en ℝ𝟑
Sean 𝑢
⃗⃗ , 𝑣⃗ ∈ ℝ3, y 𝜃 el ángulo entre 𝑢
⃗⃗ y 𝑣⃗, entonces el producto escalar entre 𝑢
⃗⃗ y 𝑣⃗
se define como sigue:
‖𝑢
⃗⃗‖ ‖𝑣⃗‖ cos(𝜃) 𝑠𝑖 𝑢⃗⃗ ≠ ⃗⃗
0 ∧ 𝑣⃗ ≠ ⃗⃗
0 [1]
𝑢
⃗⃗. 𝑣⃗ = {
0 𝑠𝑖 𝑢 ⃗⃗
⃗⃗ = 0 ∨ 𝑣⃗ = 0 ⃗⃗
Ejemplo
Hallar 𝑢
⃗⃗. 𝑣⃗ para 𝑢
⃗⃗ = (0,0,1) , 𝑣⃗ = (0,3, −3)
Resolución
Hagamos una gráfica para visualizar el ángulo entre los dos vectores:
18
Calculemos los módulos de 𝑢

⃗⃗ y 𝑣⃗:
‖𝑢
⃗⃗‖ = 1
‖𝑣⃗‖ = √32 + (−3)2 = √18 = 3√2
A partir del gráfico podemos determinar que el ángulo entre los vectores es 𝜃 =
135°
3
o en radianes: 𝜃 = 4 𝜋
Calculemos el producto escalar:
√2
𝑢
⃗⃗. 𝑣⃗ = 1. √18. cos(135°) = 3√2. (− ) = −3
2
Pero no siempre es tan sencillo. Consideremos los vectores:
⃗⃗ = (−3,5,8)
𝑢 , 𝑣⃗ = (1,1,1)
Si quisiéramos calcular el producto escalar entre 𝑢

⃗⃗ y 𝑣⃗, deberíamos conocer el
ángulo comprendido entre dichos vectores.
Usando el teorema del coseno se puede deducir otra fórmula para calcular el
producto escalar en función de las componentes de los vectores.
Sean 𝑢
⃗⃗ = (𝑢𝑥 , 𝑢𝑦 , 𝑢𝑧 ) , 𝑣⃗ = (𝑣𝑥 , 𝑣𝑦 , 𝑣𝑧 ) ∈ ℝ3, entonces:
𝑢
⃗⃗. 𝑣⃗ = 𝑢𝑥 𝑣𝑥 + 𝑢𝑦 𝑣𝑦 + 𝑢𝑧 𝑣𝑧 [2]
Para los vectores dados, resulta:
𝑢
⃗⃗ . 𝑣⃗ = (−3).1 + 5 .1 + 8.1 = 10
19
Propiedades del producto escalar

1) 𝑢
⃗⃗. 𝑣⃗ = 𝑣⃗. 𝑢
⃗⃗
2) 𝑢
⃗⃗. (𝑣⃗ + 𝑤
⃗⃗⃗) = 𝑢
⃗⃗. 𝑣⃗ + 𝑢
⃗⃗. 𝑤
⃗⃗⃗
3) 𝑘 (𝑢
⃗⃗. 𝑣⃗) = (𝑘𝑢 ⃗⃗. (𝑘𝑣⃗) , 𝑘 ∈ ℝ
⃗⃗. 𝑣⃗) = 𝑢
4) 𝑣⃗. 𝑣⃗ = (𝑣𝑥 , 𝑣𝑦 , 𝑣𝑧 ). (𝑣𝑥 , 𝑣𝑦 , 𝑣𝑧 ) = 𝑣𝑥2 + 𝑣𝑦2 + 𝑣𝑧2 = ‖𝑣⃗‖2 > 0 ∀𝑣⃗ ≠ 0

⃗⃗
De (4) se deduce que: ‖𝑣⃗‖ = √𝑣⃗. 𝑣⃗
Ángulo entre vectores

Dados 𝑢 𝑣 vectores no nulos de ℝ3, queremos hallar el ángulo entre ellos.
⃗⃗, ⃗⃗⃗⃗
Si 𝜃 es el ángulo entre 𝑢
⃗⃗ 𝑦 𝑣⃗, de las definiciones [1] y [2] de producto escalar
resulta:
𝑢
⃗⃗. 𝑣⃗
cos(𝜃) = ( )
‖𝑢
⃗⃗‖‖𝑣⃗‖
𝑢𝑥 𝑣𝑥 + 𝑢𝑦 𝑣𝑦 + 𝑢𝑧 𝑣𝑧
θ = arccos ( ) , 0≤𝜃≤𝜋
‖𝑢⃗⃗‖‖𝑣⃗‖
Por ejemplo, si
⃗⃗ = (1,1,3)
𝑢
𝑣⃗ = (−1,0,4)
1. (−1) + 1.0 + 3.4

𝜃 = arccos ( )
√12 + 12 + 32 . √(−1)2 + 02 + 42
11
𝜃 = arccos ( ) ≅ 36,44°
√11. √17
Condición de perpendicularidad entre vectores

Sean 𝑢
⃗⃗ , 𝑣⃗ no nulos,
𝜋
𝑢
⃗⃗. 𝑣⃗ = 0 ⇔ cos(𝜃) = 0 ⇔ 𝜃 =
2
Esto permite enunciar una condición de perpendicularidad:
𝑢
⃗⃗ ⊥ 𝑣⃗ ⇔ 𝑢
⃗⃗. 𝑣⃗ = 0
EPL 1
Dados 𝑢 ⃗⃗ = (1,2,3) y 𝑣⃗ = (0,2,5) encontrar todos los vectores perpendiculares a 𝑢
⃗⃗ y
a 𝑣⃗ de módulo 3.
20
Proyección de un vector en la dirección de

otro
El producto escalar es útil en problemas en los que se tiene interés en
descomponer un vector como suma de vectores perpendiculares.
Dados dos vectores no nulos 𝑢⃗⃗ y 𝑣⃗ , nos proponemos descomponer 𝑢

⃗⃗ como
suma de un vector paralelo a 𝑣⃗ y otro perpendicular a 𝑣⃗. O sea:
𝑢
⃗⃗ = ⃗⃗⃗⃗⃗ 𝑢2 ,
𝑢1 + ⃗⃗⃗⃗⃗ 𝑢1 ∥ 𝑣⃗ y ⃗⃗⃗⃗⃗⃗
⃗⃗⃗⃗⃗ 𝑢2 ⊥ 𝑣⃗
𝑢
⃗⃗
𝑢
⃗⃗⃗⃗⃗2
𝑣⃗
𝑢
⃗⃗⃗⃗⃗1
𝑢1 ∥ 𝑣⃗ ⇔ ⃗⃗⃗⃗⃗
⃗⃗⃗⃗⃗ 𝑢1 = 𝑘𝑣⃗ , 𝑘 ∈ ℝ ⇒ 𝑢
⃗⃗ = 𝑘𝑣⃗ + ⃗⃗⃗⃗⃗
𝑢2
Podemos aplicar a ambos miembros producto escalar por 𝑣⃗. Teniendo en cuenta
que ⃗⃗⃗⃗⃗.
𝑢2 𝑣⃗ = 0 por ser perpendiculares, resulta:
𝑢
⃗⃗. 𝑣⃗
⃗⃗. 𝑣⃗ = (𝑘𝑣⃗ + ⃗⃗⃗⃗⃗).
𝑢 𝑢2 𝑣⃗ ⇒ 𝑢
⃗⃗. 𝑣⃗ = 𝑘 𝑣
⏟
⃗. 𝑣⃗ + ⏟
⃗⃗⃗⃗⃗. ⏟⃗‖2 ⇒ 𝑘 =
𝑢2 𝑣⃗ ⇒ 𝑢. 𝑣 = 𝑘 ‖𝑣
⃗⃗‖2
‖𝑣
‖𝑣⃗‖2
0 ≠0
Entonces:
𝑢
⃗⃗. 𝑣⃗
𝑢1 = (
⃗⃗⃗⃗⃗ ) 𝑣⃗
‖𝑣‖2
Este vector es la proyección de 𝑢

⃗⃗ en la dirección de 𝑣⃗ :
𝑢
⃗⃗. 𝑣⃗
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗𝑣⃗⃗ (𝑢
𝑝𝑟𝑜𝑦 ⃗⃗) = ( )𝑣
⃗⃗⃗⃗
‖𝑣‖2
El vector 𝑢
⃗⃗2 puede obtenerse por diferencia:
𝑢
⃗⃗ = ⃗⃗⃗⃗⃗
𝑢1 + ⃗⃗⃗⃗⃗
𝑢2 ⇒ ⃗⃗⃗⃗⃗
𝑢2 = 𝑢⃗⃗ − ⃗⃗⃗⃗⃗
𝑢1
Recordemos que ⃗⃗⃗⃗⃗

𝑢2 debe ser perpendicular a 𝑣⃗.
Para resolver algunos problemas geométricos, es útil calcular el módulo del vector
de proyección:
21
𝑢
⃗⃗. 𝑣⃗ |𝑢
⃗⃗. 𝑣⃗| |𝑢
⃗⃗. 𝑣⃗|
‖𝑝𝑟𝑜𝑦
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗𝑣⃗⃗ (𝑢
⃗⃗)‖ = | | ‖𝑣⃗‖ = ‖𝑣⃗‖ =
‖𝑣‖2 ‖𝑣‖2 ‖𝑣⃗‖
Ejemplo
Descomponer 𝑢 ⃗⃗ = (1,2,1) como suma de un vector paralelo a 𝑣⃗ = (0,1, −1) más otro
perpendicular a 𝑣⃗.
𝑢2
⃗⃗⃗⃗⃗ 𝑢
⃗⃗
𝑣⃗
𝑢
⃗⃗⃗⃗⃗1
Primero buscamos ⃗⃗⃗⃗⃗

𝑢1 :
𝑢
⃗⃗. 𝑣⃗ (1,2,1). (0,1, −1)
⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗𝑣⃗⃗ (𝑢
𝑢1 = 𝑝𝑟𝑜𝑦 ⃗⃗) = ( 2
) 𝑣⃗ = ( 2 ) (0,1, −1)
‖𝑣⃗‖ 0 + 12 + (−1)2
0+2−1 1 1
= (0,1, −1) = (0, , − )
2 2 2
1 1 3 3
𝑢2 = 𝑢
⃗⃗⃗⃗⃗ 𝑢1 = (1,2,1) − (0,
⃗⃗ − ⃗⃗⃗⃗⃗ , − ) = (1, , )
2 2 2 2
Comprobación: ⃗⃗⃗⃗⃗
𝑢2 ⊥ 𝑣⃗
3 3
(1, , ) . (0,1, −1) = 0
2 2
Producto vectorial
Definición
Para resolver numerosos problemas de Geometría, Física e Ingeniería, interesa
construir un vector en ℝ3 que sea perpendicular a dos vectores dados.
O sea: dados 𝑢
⃗⃗, 𝑣⃗ ∈ ℝ3, nos proponemos hallar un vector 𝑤
⃗⃗⃗ tal que 𝑤 ⃗⃗ y ⃗⃗⃗⃗⃗
⃗⃗⃗ ⊥ 𝑢 𝑤 ⊥ 𝑣⃗.
El producto vectorial es una operación entre vectores que facilita la obtención de

𝑤
⃗⃗⃗.
22
Definición: El producto vectorial de 𝑢

⃗⃗ 𝑦 𝑣⃗, que indicaremos 𝑢
⃗⃗ × 𝑣⃗ , es un vector
𝑢
⃗⃗ × 𝑣⃗ = 𝑤
⃗⃗⃗
Que tiene:
 Dirección perpendicular a 𝑢
⃗⃗ y a 𝑣⃗: 𝑤 ⃗⃗⃗ ⊥ 𝑢
⃗⃗ ∧ 𝑤
⃗⃗⃗ ⊥ 𝑣⃗
 Sentido: regla de la mano derecha: si con la mano derecha se recorre el
menor ángulo posible entre 𝑢⃗⃗ y 𝑣⃗, el pulgar indica el sentido de 𝑤
⃗⃗⃗
𝑢
⃗⃗ × 𝑣⃗
𝑣⃗ 𝑣⃗
𝑢
⃗⃗ 𝑢
⃗⃗
𝑣⃗ × 𝑢
⃗⃗
 Módulo:
‖𝑤
⃗⃗⃗‖ = ‖𝑢
⃗⃗‖ ‖𝑣⃗‖ 𝑠𝑒𝑛(𝜃)
siendo 𝜃 el ángulo comprendido entre 𝑢 ⃗⃗ 𝑦 𝑣⃗
Se puede ver que no es una operación conmutativa porque si cambiamos el

orden de los vectores, se conservan la dirección y el módulo del producto
vectorial pero se invierte su sentido:
⃗⃗ × 𝒗
𝒖 ⃗⃗ = −(𝒗
⃗⃗ × 𝒖
⃗⃗)
Ejemplo
𝑎⃗ = (0,1, −1)
𝑏⃗⃗ = (0,0,3)
Hallar el vector 𝑎⃗ × 𝑏⃗⃗.
23
𝑏⃗⃗
𝑎⃗
𝑎⃗ × 𝑏⃗⃗
Dirección: eje 𝑥
Sentido: semieje positivo de 𝑥
√2
Módulo: √2. 3. 𝑠𝑒𝑛(135°) = √2. 3. =3
2
Entonces:
𝑎⃗ × 𝑏⃗⃗ = (3,0,0)
Propiedades del producto vectorial

1. 𝑢
⃗⃗ × 𝑣⃗ = −(𝑣⃗ × 𝑢 ⃗⃗)
2. (𝑢 + 𝑣) × 𝑤 = 𝑢 ⃗⃗ × 𝑤
⃗⃗⃗ + 𝑣⃗ × 𝑤
⃗⃗⃗
3. (𝑘𝑢⃗⃗) × 𝑣⃗ = 𝑘(𝑢 ⃗⃗ × 𝑣⃗) = 𝑢 ⃗⃗ × (𝑘𝑣⃗)
4. 𝑣⃗ × 𝑣⃗ = 0⃗⃗ , 𝑝𝑢𝑒𝑠 ‖𝑣⃗ × 𝑣⃗‖ = ‖𝑣⃗‖ ‖𝑣⃗‖ 𝑠𝑒𝑛(0) = 0
5. 𝑢
⃗⃗ ∥ 𝑣⃗ ⇒ 𝑢 ⃗⃗ , 𝑝𝑢𝑒𝑠 𝑠𝑒𝑛(0°) = 𝑠𝑒𝑛(180°) = 0
⃗⃗ × 𝑣⃗ = 0
6. ⃗⃗
0 𝑥 𝑣⃗ = 𝑣⃗ 𝑥 ⃗⃗
0 = ⃗⃗0
Si 𝑢
⃗⃗ y ⃗⃗⃗⃗
𝑣 son vectores no nulos, podemos enunciar una condición necesaria y
suficiente de paralelismo:
𝑢 ⃗⃗ × 𝑣⃗ = ⃗⃗
⃗⃗ ∥ 𝑣⃗ ⇔ 𝑢 0 ⇔ 𝑢
⃗⃗ = 𝑘𝑣⃗ 𝑐𝑜𝑛 𝑘 ∈ 𝑅
24
EPL 2
A partir de las características del producto vectorial podemos calcular los
productos vectoriales de los versores canónicos. Por ejemplo:
𝑖̆ × 𝑖̆ = ⃗⃗
0
𝑖̆ × 𝑗̆ = 𝑘̆
Le proponemos al lector que calcule los restantes productos vectoriales de los

versores canónicos:
𝑖̆ × 𝑘̆ =
𝑗̆ × 𝑖̆ =
𝑗̆ × 𝑗̆ =
𝑘̆ × 𝑖̆ =
𝑘̆ × 𝑗̆ =
𝑘̆ × 𝑘̆ =
Fórmula para calcular el producto vectorial

Dados 𝑢
⃗⃗ = (𝑢𝑥 , 𝑢𝑦 , 𝑢𝑧 ) y 𝑣 = (𝑣𝑥 , 𝑣𝑦 , 𝑣𝑧 ) podemos hallar una fórmula para el
producto vectorial expresando los vectores en forma canónica:
⃗⃗ × 𝑣⃗ = (𝑢𝑥 𝑖̆ + 𝑢𝑦 𝑗̆ + 𝑢𝑧 𝑘̆) × (𝑣𝑥 𝑖̆ + 𝑣𝑦 𝑗̆ + 𝑣𝑧 𝑘̆ )

𝑢
Aplicando propiedades del producto vectorial y considerando los productos entre

los versores canónicos, se obtiene la siguiente fórmula:
⃗⃗ × 𝑣⃗ = (𝑢𝑦 𝑣𝑧 − 𝑢𝑧 𝑣𝑦 , −(𝑢𝑥 𝑣𝑧 − 𝑢𝑧 𝑣𝑥 ) , 𝑢𝑥 𝑣𝑦 − 𝑢𝑦 𝑣𝑥 )
𝑢 [𝟏]
Esta fórmula puede expresarse en forma más sencilla utilizando determinantes,

tema que presentaremos brevemente y luego desarrollaremos en la próxima
unidad.
Una matriz es un ordenamiento rectangular de números, como caso particular nos

interesan las matrices cuadradas (igual número de filas y de columnas).
𝑎11 𝑎12
𝐴 = (𝑎
21 𝑎22 ) matriz 2x2 (2 filas y 2 columnas)
𝑎11 𝑎12 𝑎13

𝐴 = (𝑎21 𝑎22 𝑎23 ) matriz 3x3 (3 filas y 3 columnas)
𝑎31 𝑎32 𝑎33
25
A cada matriz cuadrada puede asignársele un número real que llamaremos su

determinante y designaremos como 𝑑𝑒𝑡(𝐴) o |𝐴| . Para matrices 2𝑥2 y 3𝑥3 el
determinante se calcula como sigue:
𝑎11 𝑎12
𝐴 = (𝑎
21 𝑎22 ) ⇒ |𝐴| = 𝑎11 . 𝑎22 − 𝑎12 . 𝑎21
𝑎11 𝑎12 𝑎13

𝑎 𝑎23 𝑎21 𝑎23 𝑎21 𝑎22
𝑎
𝐴 = ( 21 𝑎22 𝑎23 ) ⇒ |𝐴| = 𝑎11 . | 22
𝑎32 𝑎33 | − 𝑎12 . |𝑎31 𝑎33 | + 𝑎13 . |𝑎31 𝑎32 |
𝑎31 𝑎32 𝑎33
Podemos expresar la fórmula [1] utilizando determinantes como sigue:
𝑖̆ 𝑗̆ 𝑘̆ 𝑢𝑦 𝑢𝑧 𝑢𝑥 𝑢𝑧 𝑢𝑥 𝑢𝑦
⃗⃗ × 𝑣⃗ = |𝑢𝑥
𝑢 𝑢𝑦 𝑢𝑧 | = | 𝑣 ̆
𝑦 𝑣𝑧 | 𝑖̆ − | 𝑣𝑥 𝑣𝑧 | 𝑗̆ + | 𝑣𝑥 𝑣𝑦 | 𝑘
Con la notación habitual de ternas, resulta:
𝑖̆ 𝑗̆ 𝑘̆ 𝑢𝑦 𝑢𝑧 𝑢𝑥 𝑢𝑧 𝑢𝑥 𝑢𝑦
⃗⃗ × 𝑣⃗ = |𝑢𝑥
𝑢 𝑢𝑦 𝑢𝑧 | = (| 𝑣 𝑣𝑧 | , − | 𝑣𝑥 𝑣𝑧 | , | 𝑣𝑥 𝑣𝑦 | )
𝑦
Veamos cómo utilizar esta regla práctica para calcular un producto vectorial:
⃗⃗ = (1,2,3)
𝑢
𝑣⃗ = (0,2,5)
𝑖̆ 𝑗̆ 𝑘̆ 2 3 1 3 1 2
𝑢
⃗⃗ × 𝑣⃗ = |1 2 3| = (| |,−| |,| |) = (4, −5,2)
2 5 0 5 0 2
0 2 5
Comprobemos que el vector obtenido es ortogonal a 𝑢

⃗⃗ y a 𝑣⃗:
(4, −5,2). (1,2,3) = 0
(4, −5,2). (0,2,5) = 0
Interpretación geométrica del módulo del producto

vectorial
Consideremos los siguientes vectores y calculemos el módulo del producto
vectorial.
⃗⃗ = (1,2,3) , 𝑣⃗ = (0,2,5)
𝑢
⃗⃗ × 𝑣⃗ = (4, −5,2)
𝑢
‖𝑢
⃗⃗ × 𝑣⃗‖ = √45 = 3. √5
¿Qué representa este número 3√5?
26
Dibujemos cualquier par de vectores 𝑢

⃗⃗ y 𝑣⃗ y hagamos el paralelogramo
determinado entre ellos:
𝑣⃗
ℎ = ‖𝑣⃗‖. 𝑠𝑒𝑛(𝜃)
𝜃
𝑢
⃗⃗
Á𝑟𝑒𝑎 𝑑𝑒𝑙 𝑝𝑎𝑟𝑎𝑙𝑒𝑙𝑜𝑔𝑟𝑎𝑚𝑜 = ‖𝑢

⃗⃗‖. ℎ
ℎ
𝑠𝑒𝑛(𝜃) = ⇒ ℎ = ‖𝑣⃗‖𝑠𝑒𝑛(𝜃)
‖𝑣⃗‖
Á𝑟𝑒𝑎 𝑑𝑒𝑙 𝑝𝑎𝑟𝑎𝑙𝑒𝑙𝑜𝑔𝑟𝑎𝑚𝑜 = ‖𝑢

⃗⃗‖ ‖𝑣⃗‖ 𝑠𝑒𝑛(𝜃) = ‖𝑢
⃗⃗ × 𝑣⃗‖
Conclusión: Dados dos vectores no paralelos, el módulo de su producto vectorial

representa el área del paralelogramo determinado por dichos vectores.
Ejemplo
Dados 𝐴(1,3,1), 𝐵(2, −3,5) y 𝐶(0,2,1) calcular el área del Δ𝐴𝐵𝐶.
27
Podemos pensar al área del triángulo como la mitad del área del paralelogramo:
1
⃗⃗⃗⃗⃗⃗ × 𝐴𝐶
Á𝑟𝑒𝑎 𝑑𝑒𝑙 𝑡𝑟𝑖á𝑛𝑔𝑢𝑙𝑜 = . ‖𝐴𝐵 ⃗⃗⃗⃗⃗⃗ ‖
2
⃗⃗⃗⃗⃗⃗ = (1, −6,4)

𝐴𝐵
⃗⃗⃗⃗⃗⃗ = (−1, −1,0)

𝐴𝐶
⃗⃗⃗⃗⃗⃗ × 𝐴𝐶
𝐴𝐵 ⃗⃗⃗⃗⃗⃗ = (4, −4, −7)
⃗⃗⃗⃗⃗⃗ × 𝐴𝐶
‖𝐴𝐵 ⃗⃗⃗⃗⃗⃗ ‖ = √16 + 16 + 49 = √81 = 9
1
Á𝑟𝑒𝑎 𝑑𝑒𝑙 𝑡𝑟𝑖á𝑛𝑔𝑢𝑙𝑜 = . 9 = 4,5
2
Producto mixto
Definición
Dados tres vectores 𝑢 ⃗⃗⃗ ∈ ℝ3, se denomina producto mixto al número real que se
⃗⃗, 𝑣⃗, 𝑤
obtiene multiplicando 𝑢 ⃗⃗. (𝑣⃗ × 𝑤
⃗⃗⃗).
Para obtener el producto mixto, se calcula primero el producto vectorial y luego el

escalar.
Dejamos como ejercicio para el lector, demostrar que:
⃗⃗. (𝑣⃗ × 𝑤
𝑢 ⃗⃗⃗) = (𝑢
⃗⃗ × 𝑣⃗). 𝑤
⃗⃗⃗
Veamos un ejemplo:
⃗⃗ = (1,2,3)
𝑢
𝑣⃗ = (0,2,5)
⃗⃗⃗ = (0,0,2)
𝑤
28
⃗⃗. (𝑣⃗ × 𝑤
𝑢 ⃗⃗⃗)
𝑖̆ 𝑗̆ 𝑘̆
⃗⃗⃗ = |0 2 5| = (4,0,0)
𝑣⃗ × 𝑤
0 0 2
⃗⃗. (𝑣⃗ × 𝑤
𝑢 ⃗⃗⃗) = 4
Ahora hagamos al revés:
(𝑢
⃗⃗ × 𝑣⃗). 𝑤
⃗⃗⃗
𝑖̆ 𝑗̆ 𝑘̆
⃗⃗ × 𝑣⃗ = |1 2 3| = (4, −5,2)
𝑢
0 2 5
(𝑢 ⃗⃗⃗ = (4, −5,2). (0,0,2) = 4

⃗⃗ × 𝑣⃗). 𝑤
Existe otro procedimiento para calcular el producto mixto a través de un

determinante de 3x3.
Dados 𝑢 ⃗⃗⃗ = (𝑤1 , 𝑤2 , 𝑤3 ), el producto mixto es:

⃗⃗ = (𝑢1 , 𝑢2 , 𝑢3 ), 𝑣⃗ = (𝑣1 , 𝑣2 , 𝑣3 ) , 𝑤
𝑢1 𝑢2 𝑢3
𝑣 𝑣3 𝑣1 𝑣3 𝑣1 𝑣2
⃗⃗. (𝑣⃗ × 𝑤
𝑢 ⃗⃗⃗) = (𝑢 ⃗⃗⃗ = | 𝑣1
⃗⃗ × 𝑣⃗). 𝑤 𝑣2 𝑣3 | = 𝑢1 . | 2
𝑤2 𝑤3 | − 𝑢2 . |𝑤1 𝑤3 | + 𝑢3 . |𝑤1 𝑤2 |
𝑤1 𝑤2 𝑤3
Calculemos con este método el producto mixto de:

⃗⃗ = (1,2,3)
𝑢
𝑣⃗ = (0,2,5)
⃗⃗⃗ = (0,0,2)
𝑤
1 2 3
2 5 0 5 0 2
⃗⃗. (𝑣⃗ × 𝑤
𝑢 ⃗⃗⃗) = |0 2 5| = 1. | | − 2. | | + 3. | |=4
0 2 0 2 0 0
0 0 2
¿Qué significado tiene para la Geometría este número que hemos obtenido con el
producto mixto?
Interpretación geométrica del producto mixto

Consideremos 3 vectores de ℝ3 y construyamos un paralelepípedo (cuerpo cuyas
seis caras son paralelogramos):
29
𝑢
⃗⃗ × 𝑣⃗
𝑤
⃗⃗⃗
ℎ
𝜃 𝑣⃗
𝑢
⃗⃗
𝑉𝑜𝑙𝑢𝑚𝑒𝑛 𝑑𝑒𝑙 𝑝𝑎𝑟𝑎𝑙𝑒𝑙𝑒𝑝𝑖𝑝𝑒𝑑𝑜 = Á𝑟𝑒𝑎 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒 . 𝐴𝑙𝑡𝑢𝑟𝑎
𝐴 = ‖𝑢
⃗⃗ × 𝑣⃗‖
ℎ = |cos(𝜃)| ‖𝑤
⃗⃗⃗‖
siendo 𝜃 el ángulo entre (𝑢 ⃗⃗⃗⃗⃗ 𝑦 𝑤

⃗⃗ × 𝑣) ⃗⃗⃗.
Observación: cos(𝜃) podría ser negativo, por eso tomamos su valor absoluto para
el cálculo de la altura.
Entonces:
𝑉 = ‖𝑢
⃗⃗ × 𝑣⃗‖ ‖𝑤
⃗⃗⃗‖ |cos(𝜃)| [1]
Por otra parte:
(𝑢 ⃗⃗⃗ = ‖𝑢
⃗⃗ × 𝑣⃗). 𝑤 ⃗⃗ × 𝑣⃗‖ ‖𝑤
⃗⃗⃗‖ cos(á𝑛𝑔(𝑢 ⃗⃗⃗)) = ‖𝑢
⃗⃗ × 𝑣⃗ , 𝑤 ⃗⃗ × 𝑣⃗‖ ‖𝑤
⃗⃗⃗‖ cos(𝜃) [2]
De [1] y [2] resulta:
𝑉𝑜𝑙𝑢𝑚𝑒𝑛 𝑑𝑒𝑙 𝑝𝑎𝑟𝑎𝑙𝑒𝑙𝑒𝑝𝑖𝑝𝑒𝑑𝑜 = | (𝑢 ⃗⃗⃗ |

⃗⃗ × 𝑣⃗). 𝑤
Retomemos el ejemplo con los vectores 𝑢

⃗⃗ = (1,2,3), 𝑣⃗ = (0,2,5), 𝑤
⃗⃗⃗ = (0,0,2)
De acuerdo al valor del producto mixto obtenido, el volumen del paralelepípedo

determinado por los tres vectores es igual a 4.
Coplanaridad
Consideremos los vectores 𝑢 ⃗⃗⃗ = (3,0,4). Les proponemos que
⃗⃗ = (1,0,3), 𝑣⃗ = (0,0,2), 𝑤
verifiquen que el producto mixto da cero.
Si el producto mixto es cero, el volumen es 0, o sea que no se forma el

paralelepípedo.
30
Veamos una gráfica de estos tres vectores:
Observamos que los tres vectores están en el plano 𝑦 = 0, es decir que son
coplanares.
Tres vectores 𝑢 ⃗⃗⃗ de ℝ3 se denominan coplanares si considerados con un

⃗⃗, 𝑣⃗, 𝑤
origen común, sus direcciones quedan incluidas en un mismo plano.
El producto mixto nos permite enunciar una condición de coplanaridad:
𝑢 ⃗⃗⃗ son coplanares ⇔ (𝑢

⃗⃗, 𝑣⃗, 𝑤 ⃗⃗ × 𝑣⃗). 𝑤
⃗⃗⃗ = 0
31
Tres vectores coplanares Tres vectores no coplanares

(𝑢
⃗⃗ × 𝑣⃗). 𝑤
⃗⃗⃗ = 0 (𝑢
⃗⃗ × 𝑣⃗). 𝑤
⃗⃗⃗ ≠ 0
Lo que hemos desarrollado hasta aquí sobre vectores resulta una herramienta
potente para el estudio de la geometría de rectas y planos en ℝ3, como veremos
a continuación.
Plano y recta en ℝ3
Ecuaciones del plano
Deducción de la ecuación general del plano
Dada una dirección en ℝ3, existen infinitos planos perpendiculares a la misma. Si
conocemos además un punto del plano, éste queda determinado de forma
única.
Nos proponemos hallar la ecuación del plano 𝜋 que pasa por 𝑃0 (𝑥0 , 𝑦0 , 𝑧0 ) y es
perpendicular al vector 𝑛⃗⃗ = (𝑎, 𝑏, 𝑐). El vector 𝑛⃗⃗ se denomina vector normal del
plano.
𝑛⃗⃗
𝑃0
𝑃
32
¿Qué condición debe cumplir un punto 𝑃(𝑥, 𝑦, 𝑧) para estar en el plano 𝜋? Si

armamos el vector ⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃0𝑃 , éste debe ser paralelo al plano, o sea perpendicular al
vector normal del plano:
𝑃(𝑥, 𝑦, 𝑧) ∈ 𝜋 ⇔ ⃗⃗⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗

𝑃0 𝑃 ⊥ 𝑛⃗⃗ ⇔ 𝑃 0𝑃. 𝑛 ⃗⃗ = 0
(𝑥 − 𝑥0 , 𝑦 − 𝑦0 , 𝑧 − 𝑧0 ). (𝑎, 𝑏, 𝑐) = 0
𝑎(𝑥 − 𝑥0 ) + 𝑏(𝑦 − 𝑦0 ) + 𝑐(𝑧 − 𝑧0 ) = 0
(−𝑎𝑥0 − 𝑏𝑦0 − 𝑐𝑧0 ) = 0

𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 + ⏟
𝑑
𝒂𝒙 + 𝒃𝒚 + 𝒄𝒛 + 𝒅 = 𝟎 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑔𝑒𝑛𝑒𝑟𝑎𝑙 𝑜 𝑖𝑚𝑝𝑙í𝑐𝑖𝑡𝑎 𝑑𝑒𝑙 𝑝𝑙𝑎𝑛𝑜
Ejemplo
Hallar la ecuación del plano perpendicular al vector 𝑛⃗⃗ = (3,2,1) que pasa por el
punto 𝑃0 (1,1, −1).
Las componentes de 𝑛⃗⃗ nos indican los coeficientes 𝑎, 𝑏 y 𝑐 de la ecuación del

plano:
𝜋: 3𝑥 + 2𝑦 + 𝑧 + 𝑑 = 0
¿Cómo hallamos 𝑑?
El punto debe verificar la ecuación, entonces reemplazamos 𝑃0 y obtenemos el

coeficiente que faltaba:
3.1 + 2.1 − 1 + 𝑑 = 0 ⇒ 𝑑 = −4
Así obtenemos la ecuación del plano:
𝜋: 3𝑥 + 2𝑦 + 𝑧 − 4 = 0
Éste es el único plano que pasa por el punto 𝑃0 y es perpendicular al vector 𝑛⃗⃗.
Para efectuar un gráfico aproximado del plano que obtuvimos, podemos buscar
sus intersecciones con los ejes coordenados:
Para hallar la intersección con el eje 𝑥, debemos plantear 𝑦 = 𝑧 = 0 y despejar el

valor de 𝑥. Análogamente para las otras intersecciones, tal como se muestra en el
siguiente cuadro:
Ejes coordenados Punto de intersección del plano

con el eje
𝐸𝑗𝑒 𝑥: 𝑦 = 𝑧 = 0 4
( , 0,0)
3
𝐸𝑗𝑒 𝑦: 𝑥 = 𝑧 = 0 (0,2,0)
𝐸𝑗𝑒 𝑧: 𝑥=𝑦=0 (0,0,4)
33
(0,0,4)
(0,2,0)
4
( , 0,0)
3
Tres puntos no alineados determinan un único plano que los contiene. Trazamos
los segmentos que unen los puntos hallados y obtenemos la representación gráfica
de una porción del plano:
Mostramos una gráfica del plano realizada con GeoGebra:
34
Ejemplo
Dados los puntos 𝑅(1,2,3) y 𝑆(3, −1,2), encontrar la ecuación del plano que corta
perpendicularmente al segmento 𝑅𝑆 en su punto medio.
Resolución
Busquemos las coordenadas del punto medio:
1 + 3 2 + (−1) 3 + 2 1 5
𝑀=( , , ) = (2, , )
2 2 2 2 2
Como el plano corta perpendicularmente al segmento 𝑅𝑆, podemos tomar

𝑅𝑆 como vector normal del plano:
⃗⃗⃗⃗⃗⃗
35
⃗⃗⃗⃗⃗⃗ = (2, −3, −1)

𝑅𝑆
Escribimos la ecuación del plano al que llamaremos 𝛽:
𝛽: 2𝑥 − 3𝑦 − 1𝑧 + 𝑑 = 0
Para hallar 𝑑 reemplazamos el punto 𝑀:
1 5
2.2 − 3. − + 𝑑 = 0 ⇒ 𝑑 = 0
2 2
Y así obtenemos la ecuación buscada:
𝛽: 2𝑥 − 3𝑦 − 𝑧 = 0
Este plano pasa por el origen, o sea que interseca a los tres ejes en (0,0,0).
Necesitamos al menos dos puntos más para graficarlo.
Para facilitar el gráfico podemos elegir puntos que estén sobre los planos
coordenados. Por ejemplo 𝑦 = 0 :
⇒ 2𝑥 − 𝑧 = 0 ⇒ 𝑧 = 2𝑥
Entonces haciendo que 𝑥 = 1 debe ser 𝑧 = 2, y obtenemos el punto 𝑃1 (1,0,2)
Para tomar otro punto del plano podemos hacer que 𝑧 = 0
2
⇒ 2𝑥 − 3𝑦 = 0 ⇒ 𝑦 = 𝑥
3
Y si 𝑥 = 3 entonces 𝑦 = 2. Obtenemos el punto 𝑃2 (3,2,0)
Entonces 𝛽 contiene a los puntos (0,0,0) , (1,0,2) y (3,2,0):
36
Ejemplo
Dados 𝐴(4,5,2), 𝐵(1,3,4), 𝐶(2,2,5) hallar, si es posible, el plano que contiene a los tres
puntos.
Habíamos dicho que tres puntos no alineados determinan un único plano que los
contiene.
Hagamos una figura de análisis:
Con los tres puntos, podemos armar dos vectores, por ejemplo:
⃗⃗⃗⃗⃗⃗ = (−3, −2,2)

𝐴𝐵
⃗⃗⃗⃗⃗⃗ = (−2, −3,3)

𝐴𝐶
El vector normal debe ser perpendicular a ambos vectores cómo muestra la

siguiente figura:
37
𝑛⃗⃗
¿Qué operación nos permite hallar un vector perpendicular a otros dos?
⃗⃗⃗⃗⃗⃗ × 𝐴𝐶
𝐴𝐵 ⃗⃗⃗⃗⃗⃗ = (0,5,5)
¿Qué resultado habríamos obtenido si 𝐴, 𝐵 y 𝐶 estuvieran alineados?
El vector (0,5,5) es perpendicular al plano que buscamos, entonces podemos

tomar 𝑛⃗⃗ = (0,5,5) y escribir la ecuación del plano:
𝛼: 5𝑦 + 5𝑧 + 𝑑 = 0
Para hallar 𝑑 podemos reemplazar cualquiera de los tres puntos. Reemplacemos 𝐴:
5.5 + 5.2 + 𝑑 = 0 ⇒ 𝑑 = −35
Luego:
5𝑦 + 5𝑧 − 35 = 0
Podemos dividir por 5 ambos miembros:
𝛼: 𝑦 + 𝑧 − 7 = 0
El lector puede comprobar que los puntos 𝐵 y 𝐶 verifican esta ecuación.
Busquemos las intersecciones con los ejes para graficar el plano:
𝑦 = 𝑧 = 0 ⇒ −7 = 0 𝐴𝑏𝑠𝑢𝑟𝑑𝑜
Entonces 𝛼 no corta al eje 𝑥.
¿En qué punto corta al eje 𝑦? (0,7,0)
¿Y al eje 𝑧? (0,0,7)
Observemos que el plano contiene a todos los puntos de la forma (𝑥, 7,0) con 𝑥 ∈
ℝ.
Lo mismo ocurre con los puntos del tipo (𝑥, 0,7) con 𝑥 ∈ ℝ.
38
𝐶
𝐵
𝑛⃗⃗
Podemos observar entonces que:
𝑎 = 0 ⇒ 𝑒𝑙 𝑝𝑙𝑎𝑛𝑜 𝑒𝑠 ∥ 𝑎𝑙 𝑒𝑗𝑒 𝑥
Ecuación segmentaria del plano

Dada la ecuación general de un plano:
𝜋: 𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 + 𝑑 = 0
Si 𝑎, 𝑏, 𝑐, 𝑑 son distintos de cero, es posible obtener otra ecuación del plano como
sigue:
𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 = −𝑑
𝑎 𝑏 𝑐
𝑥+ 𝑦+ 𝑧=1
−𝑑 −𝑑 −𝑑
𝑥 𝑦 𝑧
𝑑
+ 𝑑
+ 𝑑
=1
(− 𝑎) (− 𝑏 ) (− 𝑐 )
𝑑 𝑑 𝑑
Si llamamos 𝑝 = − 𝑎 , 𝑞 = − 𝑏 , 𝑟 = − 𝑐
Resulta:
𝑥 𝑦 𝑧
+ + =1 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑠𝑒𝑔𝑚𝑒𝑛𝑡𝑎𝑟𝑖𝑎 𝑑𝑒𝑙 𝑝𝑙𝑎𝑛𝑜
𝑝 𝑞 𝑟
Veamos qué indican 𝑝, 𝑞 y 𝑟:
39
¿Cuál es la intersección del plano con el eje x?
𝑦 = 0 , 𝑧 = 0 ⟹ 𝑥 = 𝑝 ⟹ 𝐸𝑙 𝑝𝑙𝑎𝑛𝑜 𝑐𝑜𝑟𝑡𝑎 𝑎𝑙 𝑒𝑗𝑒 𝑥 𝑒𝑛 (𝑝, 0,0)
¿Cuál es la intersección con el eje y?
(0, 𝑞, 0)
¿Y con el eje z?
(0,0, 𝑟)
Podemos observar que p, q y r indican las intersecciones con los ejes.
Ejemplo
2𝑥 − 3𝑦 + 𝑧 − 6 = 0
2𝑥 − 3𝑦 + 𝑧 = 6
2𝑥 3𝑦 𝑧
− + =1
6 6 6
𝑥 𝑦 𝑧
− + =1
3 2 6
Esta ecuación parece segmentaria pero no lo es por el signo negativo. La

reescribimos así:
𝑥 𝑦 𝑧
+ + =1 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑠𝑒𝑔𝑚𝑒𝑛𝑡𝑎𝑟𝑖𝑎
3 −2 6
La ecuación segmentaria es práctica para graficar un plano porque muestra los

tres puntos de corte con los ejes:
40
Ecuación vectorial paramétrica del plano

Dados dos vectores 𝑢 ⃗⃗ = (𝑢1 , 𝑢2 , 𝑢3 ) y 𝑣
⃗⃗⃗⃗ = (𝑣1 , 𝑣2 , 𝑣3 ) no paralelos y un punto
𝑃0 (𝑥0 , 𝑦0 , 𝑧0 ), nos proponemos hallar la ecuación del plano 𝜋 que pasa por 𝑃0 y es
paralelo a ⃗⃗⃗⃗ 𝑢y 𝑣⃗⃗⃗⃗.
𝑛⃗⃗
𝑃0 𝑢
⃗⃗
𝑣⃗
¿Cómo podemos obtener un vector perpendicular al plano conociendo dos

vectores paralelos a dicho plano?
𝑛⃗⃗ = 𝑢
⃗⃗ × 𝑣⃗
41
Teniendo 𝑛⃗⃗ y el punto 𝑃0, podemos hallar la ecuación implícita o general del
plano 𝜋 como habíamos visto previamente.
Obtendremos a continuación otro tipo de ecuación del plano, cuya deducción se

basa en el concepto de combinación lineal de vectores, tal cómo vimos en el
Ejemplo.
Si 𝑃(𝑥, 𝑦, 𝑧) es un punto cualquiera del plano 𝜋, los vectores 𝑃

⃗⃗⃗⃗⃗⃗⃗⃗
0𝑃 , 𝑢⃗⃗ 𝑦 𝑣⃗ son
coplanares
Entonces
⃗⃗⃗⃗⃗⃗⃗⃗
∃𝛼, 𝛽 ∈ ℝ | 𝑃 0𝑃 = 𝛼 𝑢
⃗⃗ + 𝛽 𝑣⃗
Esto significa que el vector 𝑃 0 𝑃 puede expresarse como combinación lineal de 𝑢

⃗⃗⃗⃗⃗⃗⃗⃗ ⃗⃗
y 𝑣⃗, como se muestra en la figura:
𝑃
𝛽𝑣⃗
⃗⃗⃗⃗⃗⃗⃗⃗
𝑃0 𝑃
𝑣⃗
𝑃0 𝑢
⃗⃗ 𝛼𝑢
⃗⃗
(𝑥 − 𝑥0 , 𝑦 − 𝑦0 , 𝑧 − 𝑧0 ) = 𝛼. (𝑢1 , 𝑢2 , 𝑢3 ) + 𝛽 (𝑣1 , 𝑣2 , 𝑣3 )
Por lo tanto:
(𝑥, 𝑦, 𝑧) = (𝑥0 , 𝑦0 , 𝑧0 ) + 𝛼 (𝑢1 , 𝑢2 , 𝑢3 ) + 𝛽 (𝑣1 , 𝑣2 , 𝑣3 ), 𝑐𝑜𝑛 𝛼, 𝛽 ∈ ℝ
O en notación vectorial:
(𝑥, 𝑦, 𝑧) = ⃗⃗⃗⃗⃗⃗⃗⃗
𝑂𝑃0 + 𝛼. 𝑢
⃗⃗ + 𝛽. 𝑣⃗ 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑣𝑒𝑐𝑡𝑜𝑟𝑖𝑎𝑙 𝑝𝑎𝑟𝑎𝑚é𝑡𝑟𝑖𝑐𝑎 𝑑𝑒𝑙 𝑝𝑙𝑎𝑛𝑜
Ejemplo
Armar la ecuación vectorial paramétrica del plano paralelo a 𝑢
⃗⃗ = (3, −1,5) y 𝑣⃗ =
(7,3,2) que pasa por el punto 𝑃0 (0, −1,8).
De acuerdo con lo que hemos visto, tenemos toda la información para escribir la
ecuación vectorial paramétrica:
(𝑥, 𝑦, 𝑧) = (0, −1,8) + 𝛼(3, −1,5) + 𝛽(7,3,2) , 𝑐𝑜𝑛 𝛼, 𝛽 ∈ ℝ
42
Nota: Para cada 𝛼 𝑦 𝛽 ∈ ℝ se obtiene un punto del plano. Por ejemplo si 𝛼 =

1 𝑦 𝛽 = −1 se obtiene el punto (𝑥, 𝑦, 𝑧) = (−4, −5, 11).
Busquemos ahora la ecuación general de este plano.
⃗⃗ × 𝑣⃗ = (3, −1,5) × (7,3,2) = (−17, 29,16)

𝑛⃗⃗ = 𝑢
Luego:
−17𝑥 + 29𝑦 + 16𝑧 + 𝑑 = 0
Reemplazamos 𝑃0 para obtener 𝑑:
−17.0 + 29. (−1) + 16.8 + 𝑑 = 0 ⇒ 𝑑 = −99
Luego:
−17𝑥 + 29𝑦 + 16𝑧 − 99 = 0
que es la ecuación general o implícita del plano.
De la ecuación general a la ecuación vectorial

paramétrica
Dada la ecuación general de un plano, ¿cómo puede obtenerse una ecuación
vectorial paramétrica de dicho plano?
Consideremos el siguiente ejemplo:
𝜔: 2𝑥 − 𝑦 + 3𝑧 + 9 = 0
Podemos despejar cualquiera de las variables, por ejemplo y:
𝑦 = 2𝑥 + 3𝑧 + 9
Entonces:
𝜔: (𝑥, 𝑦, 𝑧) = (𝑥, 2𝑥 + 3𝑧 + 9 , 𝑧)
Reescribimos como suma de tres vectores, de forma tal que uno de ellos tenga los
términos con 𝑥, otro los términos con 𝑧 y otro los términos independientes:
(𝑥, 𝑦, 𝑧) = (𝑥, 2𝑥, 0) + (0,3𝑧, 𝑧) + (0,9,0)
(𝑥, 𝑦, 𝑧) = 𝑥(1,2,0) + 𝑧(0,3,1) + (0,9,0) , 𝑐𝑜𝑛 𝑥, 𝑧 ∈ 𝑅
Si llamamos 𝑥 = 𝛼 , 𝑧 = 𝛽, resulta:
𝜔: (𝑥, 𝑦, 𝑧) = (0,9,0) + 𝛼(1,2,0) + 𝛽(0,3,1) , 𝑐𝑜𝑛 𝛼, 𝛽 ∈ 𝑅
Obtuvimos así una ecuación vectorial paramétrica del plano 𝜔.
43
El lector puede comprobar que: i) los vectores 𝑢 ⃗⃗ = (1,2,0) y 𝑣⃗ = (0,3,1) son

perpendiculares a 𝑛⃗⃗ = (2,-1,3), o sea que son paralelos al plano; ii) P0(0,9,0) ∈ 𝜔.
Ángulo entre dos planos

Sean los planos 𝜋1 ∶ 𝑎1 𝑥 + 𝑏1 𝑦 + 𝑐1 𝑧 + 𝑑1 = 0 y 𝜋2 ∶ 𝑎2 𝑥 + 𝑏2 𝑦 + 𝑐2 𝑧 + 𝑑2 =
0 Dichos planos forman dos ángulos suplementarios, como muestra la figura:
El ángulo entre dos planos es el ángulo entre sus respectivos vectores normales:
𝜋2
𝑛
⃗⃗⃗⃗⃗2
𝑛
⃗⃗⃗⃗⃗1
𝜋1
á𝑛𝑔(𝜋1 , 𝜋2 ) = á𝑛𝑔(𝑛
⃗⃗⃗⃗⃗,
1 ⃗⃗⃗⃗⃗)
𝑛2
44
Si llamamos 𝜃 a dicho ángulo, resulta:
⃗⃗⃗⃗⃗.
𝑛 1 ⃗⃗⃗⃗⃗
𝑛2
cos(𝜃) =
‖𝑛
⃗⃗⃗⃗⃗‖‖𝑛
1 ⃗⃗⃗⃗⃗‖
2
Según el sentido de ⃗⃗⃗⃗⃗ 𝑛2 , se obtendrá alguno de los dos ángulos

𝑛1 𝑦 ⃗⃗⃗⃗⃗
suplementarios. Convenimos en tomar el menor de estos ángulos, por lo cual
agregamos módulo en la fórmula anterior:
|𝑛⃗⃗⃗⃗⃗.
1 ⃗⃗⃗⃗⃗|
𝑛2
cos(𝜃) =
‖𝑛
⃗⃗⃗⃗⃗‖‖𝑛
1 ⃗⃗⃗⃗⃗‖
2
|𝑛⃗⃗⃗⃗⃗.
1 ⃗⃗⃗⃗⃗|
𝑛2 𝜋
𝜃 = arccos ( ) , 0≤𝜃≤ á𝑛𝑔𝑢𝑙𝑜 𝑒𝑛𝑡𝑟𝑒 𝑑𝑜𝑠 𝑝𝑙𝑎𝑛𝑜𝑠
‖𝑛
⃗⃗⃗⃗⃗‖‖𝑛
1 ⃗⃗⃗⃗⃗‖
2 2
Ejemplo
Dados los planos:
𝜋1 : 𝑥 − 𝑦 + 2 = 0
𝜋2 : (𝑥, 𝑦, 𝑧) = 𝛼(1,2,3) + 𝛽(0,1,1)
Calcular á𝑛𝑔(𝜋1 , 𝜋2 ).
El plano 𝜋2 está dado en forma vectorial paramétrica, para hallar el ángulo

pedido necesitamos ⃗⃗⃗⃗⃗
𝑛2 :
𝑛2 = (1,2,3) × (0,1,1) = (−1, −1,1)

⃗⃗⃗⃗⃗
𝑛1 = (1, −1,0)
⃗⃗⃗⃗⃗
𝑛1 ⃗⃗⃗⃗⃗
⃗⃗⃗⃗⃗. 𝑛2 = 0
Esto quiere decir que ⃗⃗⃗⃗⃗ 𝑛2 entonces el ángulo es 𝜃 = 90°.

𝑛1 ⊥ ⃗⃗⃗⃗⃗,
La definición de ángulo entre planos nos permite enunciar condiciones de

perpendicularidad y de paralelismo entre planos.
Planos perpendiculares y planos paralelos

Sean 𝜋1 y 𝜋2 planos de vectores normales ⃗⃗⃗⃗⃗
𝑛1 y ⃗⃗⃗⃗⃗
𝑛2 respectivamente:
𝑷𝒍𝒂𝒏𝒐𝒔 𝒑𝒆𝒓𝒑𝒆𝒏𝒅𝒊𝒄𝒖𝒍𝒂𝒓𝒆𝒔: ⃗⃗⃗⃗⃗.

𝝅𝟏 ⊥ 𝝅𝟐 ⇔ 𝒏 𝟏 𝒏 ⃗⃗⃗⃗⃗𝟐 = 𝟎
⃗⃗⃗⃗⃗𝟏 ∥ 𝒏
𝑷𝒍𝒂𝒏𝒐𝒔 𝒑𝒂𝒓𝒂𝒍𝒆𝒍𝒐𝒔: 𝝅𝟏 ∥ 𝝅𝟐 ⇔ 𝒏 ⃗⃗⃗⃗⃗𝟐 ⇔ 𝒏
⃗⃗⃗⃗⃗𝟏 = 𝒌𝒏
⃗⃗⃗⃗⃗𝟐 , 𝒌 ∈ 𝑹
Consideremos por ejemplo:
𝜋1 : 2𝑥 − 3𝑦 + 𝑧 + 1 = 0 𝑛1 = (2, −3,1)
⃗⃗⃗⃗⃗⃗
𝜋2 : 4𝑥 − 6𝑦 + 2𝑧 + 5 = 0 𝑛2 = (4, −6,2)
⃗⃗⃗⃗⃗
45
𝜋3 : 4𝑥 − 6𝑦 + 2𝑧 + 2 = 0 𝑛3 = (4, −6,2)
⃗⃗⃗⃗⃗
Como 𝑛2 = 2 𝑛1 , podemos afirmar que 𝜋1 y 𝜋2 son paralelos.
Análogamente, como 𝑛3 = 2 𝑛1 , los planos 𝜋1 y 𝜋3 también son paralelos. Pero

además se verifica que 𝑑3 = 2 𝑑1, por lo cual 𝜋1 y 𝜋3 son coincidentes, o sea 𝜋1 =
𝜋3 .
Distancia de un punto a un plano

Dados un plano 𝜋: 𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 + 𝑑 = 0 y un punto 𝐴(𝑥𝐴 , 𝑦𝐴 , 𝑧𝐴 ) , nos proponemos
calcular la distancia de 𝐴 a 𝜋.
𝑛⃗⃗
𝐴′
La distancia de 𝐴 a 𝜋 es la longitud del segmento 𝐴𝐴’, siendo 𝐴’ la proyección

ortogonal (perpendicular) de 𝐴 sobre 𝜋.
Consideremos un punto cualquiera 𝑃(𝑥, 𝑦, 𝑧) perteneciente a π.
⃗⃗⃗⃗⃗⃗⃗⃗
𝐴 ′ 𝐴 = 𝑝𝑟𝑜𝑦 ⃗⃗⃗⃗⃗⃗)
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗𝑛⃗⃗ (𝑃𝐴
Entonces
𝑑𝑖𝑠𝑡(𝐴, 𝜋) = ‖𝑝𝑟𝑜𝑦 ⃗⃗⃗⃗⃗⃗)‖

⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗𝑛⃗⃗ (𝑃𝐴 siendo 𝑃 un punto cualquiera del plano
Veamos un ejemplo, dados:
𝜋: 𝑥 + 2𝑦 + 3𝑧 + 1 = 0
𝐴(0,2,1)
46
Calcular 𝑑𝑖𝑠𝑡(𝐴, 𝜋)
Recordemos que la norma de la proyección de un vector en la dirección de otro

se calcula así:
⃗⃗⃗⃗⃗⃗. 𝑛⃗⃗|
|𝑃𝐴
‖𝑝𝑟𝑜𝑦 ⃗⃗⃗⃗⃗⃗)‖ =
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗𝑛⃗⃗ (𝑃𝐴
‖𝑛⃗⃗‖
Tomemos un punto cualquiera del plano, por ejemplo 𝑃(−1,0,0). Entonces
⃗⃗⃗⃗⃗⃗ = (1,2,1)
𝑃𝐴
⃗⃗⃗⃗⃗⃗. 𝑛⃗⃗| |(1,2,1). (1,2,3)|

|𝑃𝐴 8
𝑑𝑖𝑠𝑡(𝐴, 𝜋) = ‖𝑝𝑟𝑜𝑦 ⃗⃗⃗⃗⃗⃗)‖ =
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗𝑛⃗⃗ (𝑃𝐴 = =
‖𝑛⃗⃗‖ √12 + 22 + 32 √14
A continuación deduciremos una fórmula que permite calcular en forma muy

sencilla la distancia de un punto a un plano. Sean:
𝜋: 𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 + 𝑑 = 0
𝐴(𝑥𝐴 , 𝑦𝐴 , 𝑧𝐴 )
Habíamos visto que:
𝑑(𝐴, 𝜋) = ‖𝑝𝑟𝑜𝑦 ⃗⃗⃗⃗⃗⃗)‖

⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗𝑛⃗⃗ (𝑃𝐴 𝑠𝑖𝑒𝑛𝑑𝑜 𝑃(𝑥, 𝑦, 𝑧) ∈ 𝜋
⃗⃗⃗⃗⃗⃗ = (𝑥𝐴 − 𝑥, 𝑦𝐴 − 𝑦, 𝑧𝐴 − 𝑧)
𝑃𝐴
𝑛⃗⃗ = (𝑎, 𝑏, 𝑐)
Entonces:
⃗⃗⃗⃗⃗⃗. 𝑛⃗⃗| |𝑎(𝑥𝐴 − 𝑥) + 𝑏(𝑦𝐴 − 𝑦) + 𝑐(𝑧𝐴 − 𝑧)|

|𝑃𝐴
‖𝑝𝑟𝑜𝑦 ⃗⃗⃗⃗⃗⃗)‖ =
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗𝑛⃗⃗ (𝑃𝐴 =
‖𝑛⃗⃗‖ ‖𝑛⃗⃗‖
−𝑑
|𝑎𝑥𝐴 + 𝑏𝑦𝐴 + 𝑐𝑧𝐴 − ⏞
(𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧)|
‖𝑝𝑟𝑜𝑦 ⃗⃗⃗⃗⃗⃗)‖ =
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗𝑛⃗⃗ (𝑃𝐴
‖𝑛⃗⃗‖
|𝑎𝑥𝐴 + 𝑏𝑦𝐴 + 𝑐𝑧𝐴 + 𝑑|

‖𝑝𝑟𝑜𝑦 ⃗⃗⃗⃗⃗⃗)‖ =
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗𝑛⃗⃗ (𝑃𝐴
√𝑎2 + 𝑏2 + 𝑐 2
Concluimos que:
|𝑎 𝑥𝐴 + 𝑏 𝑦𝐴 + 𝑐 𝑧𝐴 + 𝑑|
𝑑𝑖𝑠𝑡(𝐴, 𝜋) = 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑑𝑒 𝑝𝑢𝑛𝑡𝑜 𝑎 𝑝𝑙𝑎𝑛𝑜
√𝑎2 + 𝑏2 + 𝑐 2
47
Retomemos el ejemplo que habíamos desarrollado:
𝜋: 𝑥 + 2𝑦 + 3𝑧 + 1 = 0
𝐴(0,2,1)
De acuerdo con la fórmula demostrada, la distancia es:
| 0 + 4 + 3 + 1| 8
𝑑𝑖𝑠𝑡(𝐴, 𝜋) = =
√12 + 22 + 32 √14
Tal como habíamos calculado antes pero… ¡más fácil!
Distancia entre planos paralelos

Dados dos planos 𝜋1 y 𝜋2 paralelos, ¿cómo podemos hallar la distancia entre
ambos?
Consideremos los siguientes planos paralelos:
𝜋1 : 2𝑥 − 3𝑦 + 𝑧 + 1 = 0 , 𝜋2 : 4𝑥 − 6𝑦 + 2𝑧 + 5 = 0
48
Todos los puntos de 𝜋1 están a la misma distancia de 𝜋2 , por lo tanto podemos

elegir un punto cualquiera de 𝜋1 y calcular su distancia a 𝜋2 . Por ejemplo:
𝑃1 (0,0, −1)
Aplicamos la fórmula de distancia de un punto a un plano:
|4.0 − 6.0 + 2. (−1) + 5| 3

𝑑(𝜋1 , 𝜋2 ) = 𝑑(𝑃1 , 𝜋2 ) = =
√42 + (−6)2 + 22 √56
Observación: Si los planos no son paralelos, la distancia entre ambos es 0.
Haz de planos
Sean 𝜋1 y 𝜋2 dos planos no paralelos:
𝜋1 : 𝑎1 𝑥 + 𝑏1 𝑦 + 𝑐1 𝑧 + 𝑑1 = 0
𝜋2 : 𝑎2 𝑥 + 𝑏2 𝑦 + 𝑐2 𝑧 + 𝑑2 = 0
La intersección de dos planos no paralelos es una recta. Se denomina haz de

planos al conjunto de planos que pasan por dicha recta. Uno podría imaginarse al
haz de planos como si fueran las hojas de un libro abierto:
Puede demostrarse que la ecuación del haz de planos que pasan por la recta de
intersección entre 𝜋1 𝑦 𝜋2 es la siguiente:
49
𝑘1 (𝑎1 𝑥 + 𝑏1 𝑦 + 𝑐1 𝑧 + 𝑑1 ) + 𝑘2 (𝑎2 𝑥 + 𝑏2 𝑦 + 𝑐2 𝑧 + 𝑑2 ) = 0 , 𝑘1 , 𝑘2 ∈ ℝ
𝐻𝑎𝑧 𝑑𝑒 𝑝𝑙𝑎𝑛𝑜𝑠 𝑞𝑢𝑒 𝑝𝑎𝑠𝑎𝑛 𝑝𝑜𝑟 𝑙𝑎 𝑟𝑒𝑐𝑡𝑎 𝑟 = 𝜋1 ∩ 𝜋2
Para cada par de valores de 𝑘1 y 𝑘2 se obtiene un plano que pasa por la recta 𝑟.
Si 𝑘1 = 0 y 𝑘2 ≠ 0, se obtiene la ecuación del plano 𝜋2 .
Si 𝑘2 = 0 y 𝑘1 ≠ 0, se obtiene la ecuación del plano 𝜋1 .
Si suponemos que alguna de las constantes es diferente de cero, por ejemplo 𝑘1 ≠

0 , podemos dividir la ecuación del haz por𝑘1 :
𝑘1 𝑘2
(𝑎1 𝑥 + 𝑏1 𝑦 + 𝑐1 𝑧 + 𝑑1 ) + (𝑎2 𝑥 + 𝑏2 𝑦 + 𝑐2 𝑧 + 𝑑2 ) = 0
𝑘1 𝑘1
𝑘
Y renombrando 𝑘2 = 𝑘 queda:
1
(𝑎1 𝑥 + 𝑏1 𝑦 + 𝑐1 𝑧 + 𝑑1 ) + 𝑘(𝑎2 𝑥 + 𝑏2 𝑦 + 𝑐2 𝑧 + 𝑑2 ) = 0
Esta expresión se llama haz reducido. ¿De dónde proviene el nombre de

“reducido”?
Falta 𝜋2 porque 𝜋2 se corresponde con 𝑘1 = 0. Por lo tanto, en el haz reducido

están todos los planos que pasan por 𝑟 = 𝜋1 ∩ 𝜋2 excepto 𝜋2 .
Ejemplo
Dados los planos:
𝜋1 : 𝑥 + 2𝑦 + 3𝑧 + 1 = 0
𝜋2 : 3𝑥 − 5𝑦 + 𝑧 + 10 = 0
Encontrar la ecuación de un plano que pase por la recta de intersección entre 𝜋1

y 𝜋2 y que:
a) Sea paralelo al eje 𝑥

b) Sea perpendicular al plano 𝑥 + 𝑦 + 𝑧 = 0
Se pide encontrar “un plano que pase por la recta de intersección entre 𝜋1 y 𝜋2 ”,
entonces podemos armar el haz de planos que pasa por dicha recta:
𝛼(𝑥 + 2𝑦 + 3𝑧 + 1) + 𝛽(3𝑥 − 5𝑦 + 𝑧 + 10) = 0
Parte A
50
Para que el plano sea paralelo al eje 𝑥 su vector normal debe ser 𝑛⃗⃗ = (0, 𝑏, 𝑐). O
sea, el plano debe ser de la forma 𝑏𝑦 + 𝑐𝑧 + 𝑑 = 0.
Reescribimos el haz como sigue:
(𝛼
⏟ + 3𝛽) 𝑥 + (2𝛼
⏟ − 5𝛽) 𝑦 + (3𝛼
⏟ + 𝛽) 𝑧 + (𝛼
⏟ + 10𝛽) = 0
𝑎 𝑏 𝑐 𝑑
Para que sea paralelo al eje 𝑥, 𝛼 + 3𝛽 = 0 ⇒ 𝛼 = −3𝛽
Reemplazando:
−11𝛽𝑦 − 8𝛽𝑧 + 7𝛽 = 0
𝛽 (−11𝑦 − 8𝑧 + 7) = 0
𝜋3 ∶ −11𝑦 − 8𝑧 + 7 = 0
Parte B
Ahora queremos un plano del haz que sea perpendicular al plano 𝑥 + 𝑦 + 𝑧 = 0.

Dos planos son perpendiculares si sus vectores normales son perpendiculares.
Luego:
(1,1,1)(𝛼 + 3𝛽, 2𝛼 − 5𝛽, 3𝛼 + 𝛽) = 0
6𝛼 − 𝛽 = 0
𝛽 = 6𝛼
Reemplazando:
19𝛼𝑥 − 28𝛼𝑦 + 9𝛼𝑧 + 61𝛼 = 0
𝛼(19𝑥 − 29𝑦 + 9𝑧 + 61) = 0
19𝑥 − 29𝑦 + 9𝑧 + 61 = 0
Ecuaciones de la recta en ℝ𝟑
Sabemos que una recta en ℝ2 puede expresarse por la ecuación:
𝑦 = 𝑎𝑥 + 𝑏
Pero ¿qué representa esta ecuación en ℝ3? En ℝ3 es un plano paralelo al eje 𝑧, y

en ℝ2 es una recta:
51
𝑦 = 𝑥 + 1 en ℝ3 𝑦 = 𝑥 + 1 en ℝ2
Para definir un plano es suficiente conocer un vector perpendicular al plano y un

punto del mismo. ¿Qué datos permiten definir una recta en ℝ3?
Para definir en forma vectorial una recta en ℝ3, es suficiente conocer un punto de
la recta y un vector director que indique la dirección de la misma, o sea un vector
paralelo a la recta.
Ecuación vectorial de la recta

Dados un vector 𝑣⃗ = (𝑣1 , 𝑣2 , 𝑣3 ) y un punto 𝑃0 (𝑥0 , 𝑦0 , 𝑧0 ), nos proponemos hallar la
ecuación de la recta 𝑟 que pasa por el punto 𝑃0 y es paralela al vector 𝑣⃗.
Consideremos un punto 𝑃(𝑥, 𝑦, 𝑧) perteneciente a la recta r. El vector ⃗⃗⃗⃗⃗⃗⃗⃗

𝑃0 𝑃 resultará
paralelo al vector director 𝑣⃗:
52
⃗⃗⃗⃗⃗⃗⃗⃗
𝑃0 𝑃 = 𝛼𝑣⃗
(𝑥 − 𝑥0 , 𝑦 − 𝑦0 , 𝑧 − 𝑧0 ) = 𝛼(𝑣1 , 𝑣2 , 𝑣3 )
(𝑥, 𝑦, 𝑧) = (𝑥0 , 𝑦0 , 𝑧0 ) + 𝛼(𝑣1 , 𝑣2 , 𝑣3 ) , 𝛼 ∈ ℝ 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑣𝑒𝑐𝑡𝑜𝑟𝑖𝑎𝑙 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑐𝑡𝑎
Ejemplo
Hallar la ecuación vectorial de la recta que pasa por los puntos 𝑀(3,2,1) y
𝑆(−1,1,0).
Tenemos como datos dos puntos de la recta, entonces los vectores 𝑀𝑆 ⃗⃗⃗⃗⃗⃗⃗ y 𝑆𝑀
⃗⃗⃗⃗⃗⃗⃗ son
paralelos a dicha recta. Elegimos uno de ellos como vector director:
⃗⃗⃗⃗⃗⃗⃗ = (−4, −1, −1)

𝑣⃗ = 𝑀𝑆
Podemos tomar cualquiera de los dos puntos dados cómo punto de paso, por
ejemplo 𝑀. Entonces la ecuación es:
(𝑥, 𝑦, 𝑧) = (3,2,1) + 𝛼(−4, −1, −1) , 𝛼 ∈ ℝ 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑣𝑒𝑐𝑡𝑜𝑟𝑖𝑎𝑙 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑐𝑡𝑎 𝑀𝑆
53
Para cada valor de 𝛼 ∈ ℝ , se obtiene un punto de la recta. Por ejemplo, si 𝛼 = −1

se obtiene el punto 𝑃1(7,3,2) ∈ 𝑟.
¿(5, −3,1) ∈ 𝑟 ?
Veamos si existe algún valor de 𝛼 que verifique esta ecuación vectorial:
(5, −3,1) = (3,2,1) + 𝛼(−4, −1, −1)
3 − 4𝛼 = 5
{2 − 𝛼 = −3
1−𝛼 =1
Este sistema es incompatible, así que el punto no pertenece a la recta.
¿Para qué valor de 𝛼 se obtiene el punto 𝑆?
Ecuaciones paramétricas de la recta

Hemos visto que la ecuación vectorial de una recta es:
(𝑥, 𝑦, 𝑧) = (𝑥0 , 𝑦0 , 𝑧0 ) + 𝛼(𝑣1 , 𝑣2 , 𝑣3 )
Por igualdad de vectores:
𝑥 = 𝑥0 + 𝛼 𝑣1
{𝑦 = 𝑦0 + 𝛼 𝑣2 𝛼∈ℝ
𝑧 = 𝑧0 + 𝛼 𝑣3
Éstas son las ecuaciones cartesianas paramétricas de la recta.
Ecuaciones simétricas de la recta

Si 𝑣1 , 𝑣2 , 𝑣3 son distintos de cero, entonces:
𝑥 − 𝑥𝑜 𝑦 − 𝑦𝑜 𝑧 − 𝑧𝑜
𝛼= , 𝛼= , 𝛼=
𝑣1 𝑣2 𝑣3
Igualando, resulta:
𝑥 − 𝑥𝑜 𝑦 − 𝑦𝑜 𝑧 − 𝑧𝑜
= = 𝐸𝑐𝑢𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎𝑠 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑐𝑡𝑎
𝑣1 𝑣2 𝑣3
Ejemplo
Consideremos la ecuación vectorial de la recta 𝑀𝑆:
(𝑥, 𝑦, 𝑧) = (3,2,1) + 𝛼(−4, −1, −1) , 𝛼 ∈ ℝ
¿Cómo podemos obtener las ecuaciones paramétricas de la recta? Simplemente

por igualdad de vectores escribimos:
𝑥 = 3 − 4𝛼
{𝑦 =2−𝛼 𝛼 ∈ℝ , 𝐸𝑐𝑢𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑝𝑎𝑟𝑎𝑚é𝑡𝑟𝑖𝑐𝑎𝑠 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑐𝑡𝑎 𝑀𝑆
𝑧 =1−𝛼
54
Para obtener las ecuaciones simétricas, despejamos el parámetro e igualamos:
𝑥−3 𝑦−2 𝑧−1

𝛼= , 𝛼= , 𝛼=
−4 −1 −1
𝑥−3
= 𝑦−2 = 𝑧−1 , 𝐸𝑐𝑢𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎𝑠 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑐𝑡𝑎 𝑀𝑆
4
Recta definida como intersección de dos

planos
Dos planos no paralelos 𝜋1 : 𝑎1 𝑥 + 𝑏1 𝑦 + 𝑐1 𝑧 + 𝑑1 = 0 y 𝜋2 ∶ 𝑎2 𝑥 + 𝑏2 𝑦 + 𝑐2 𝑧 + 𝑑2 =
0 determinan al cortarse una recta en R3 que queda expresada por el sistema de
ecuaciones lineales:
𝑎1 𝑥 + 𝑏1 𝑦 + 𝑐1 𝑧 + 𝑑1 = 0
𝑟: {
𝑎2 𝑥 + 𝑏2 𝑦 + 𝑐2 𝑧 + 𝑑2 = 0
𝜋1 𝜋2
𝑛
⃗⃗⃗⃗⃗1 𝑛
⃗⃗⃗⃗⃗2
𝑣⃗
Ejemplo
𝑥+𝑦+𝑧+1 = 0 𝜋1
𝑟: {
𝑥−𝑦−𝑧+2 = 0 𝜋2
Éste es un sistema de 2 𝑥 3 (de 2 ecuaciones con 3 incógnitas) cuyo conjunto

solución es la recta 𝑟.
55
¿Cómo podemos hallar un vector director de la recta y un punto de la misma?
Para obtener 𝑣⃗ , debe tenerse en cuenta que:
𝑟 ⊂ 𝜋1 ⟹ 𝑟 ⊥ ⃗⃗⃗⃗⃗
𝑛1
𝑟 ⊂ 𝜋2 ⟹ 𝑟 ⊥ ⃗⃗⃗⃗⃗
𝑛2
𝑛
⃗⃗⃗⃗⃗2 𝑛1
⃗⃗⃗⃗⃗
𝑣⃗
Por lo tanto ⃗⃗⃗⃗⃗ 𝑛2 es un vector paralelo a 𝑟. Así encontramos un vector director

𝑛1 × ⃗⃗⃗⃗⃗
de 𝑟:
𝑣⃗ = ⃗⃗⃗⃗⃗
𝑛1 × ⃗⃗⃗⃗⃗
𝑛2 = (0,2, −2)
Para hallar un punto 𝑃0 ∈ 𝑟 , podemos fijar el valor de una de las variables en el

sistema de ecuaciones que define a la recta, por ejemplo fijemos arbitrariamente
𝑧 = 0
Reemplazando en el sistema, nos queda:
𝑥+𝑦+1=0
{ 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 2𝑥2
𝑥−𝑦+2=0
3 1
Resolviendo este sistema, obtenemos: 𝑥 = − 2
, 𝑦= 2
por lo cual un punto de
3 1
la recta es 𝑃0 (− 2
, 2 , 𝟎).
Con la información obtenida, estamos en condiciones de escribir la ecuación

vectorial de la recta:
3 1
𝑟: (𝑥, 𝑦, 𝑧) = (− , , 0) + 𝜆(0,2, −2) , 𝜆 ∈ 𝑅
2 2
56
Observación: Si para buscar un punto de la recta fijáramos 𝑥 = 0 (en lugar de 𝑧 =

𝑦+𝑧+1=0
0), nos quedaría el siguiente sistema: { que es incompatible.
−𝑦 − 𝑧 + 2 = 0
¿Por qué se produce esta incompatibilidad? Porque no hay ningún punto de la

recta en el plano 𝑥 = 0, o sea la recta no interseca al plano 𝑥 = 0.
En resumen:
𝑎1 𝑥 + 𝑏1 𝑦 + 𝑐1 𝑧 + 𝑑1 = 0
Dada una recta 𝑟: {
𝑎2 𝑥 + 𝑏2 𝑦 + 𝑐2 𝑧 + 𝑑2 = 0
podemos obtener un vector director calculando el producto vectorial ⃗⃗⃗⃗⃗ 𝑛2 .

𝑛1 × ⃗⃗⃗⃗⃗
Para obtener un punto de la recta, fijamos arbitrariamente el valor de una de las

variables y resolvemos el sistema 2x2 resultante.
Ejemplo
Retomemos el ejemplo anterior:
𝑥+𝑦+𝑧+1 = 0 𝜋1
𝑟: {
𝑥−𝑦−𝑧+2 = 0 𝜋2
Otra forma de obtener la ecuación vectorial de la recta es resolver el sistema de

ecuaciones que la define.
Escribimos la matriz ampliada asociada al sistema:
1 1 1 −𝟏
( )
1 −1 −1 −𝟐
Matriz de los Términos

coeficientes independientes
Aplicamos operaciones elementales entre filas para resolver el sistema de

ecuaciones:
1 1 1 −𝟏 1 1 1 −𝟏
( )→ ( )
1 −1 −1 −𝟐 𝐹2 → 𝐹2 −𝐹1 0 −2 −2 −𝟏
1 1 1 −𝟏 1 0 0 −𝟏, 𝟓
→ ( )→ ( )
1
𝐹2 → − 𝐹2
0 1 1 𝟎, 𝟓 𝐹1 →𝐹1 −𝐹2 0 1 1 𝟎, 𝟓
2
1 0 0 −𝟏, 𝟓
( )
0 1 1 𝟎, 𝟓
Y ahora escribimos el sistema simplificado:
57
𝑥 = −1,5
{
𝑦 + 𝑧 = 0,5
O sea:
𝑥 = −1,5
{
𝑦 = 0,5 − 𝑧
Entonces el conjunto solución se puede expresar así:
𝑆 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 | 𝑥 = −1,5 ∧ 𝑦 = 0,5 − 𝑧}
Y podemos escribir la ecuación vectorial de la recta 𝑟:
(𝑥, 𝑦, 𝑧) = (−1,5 ; 0,5 − 𝑧 ; 𝑧)
Llamando 𝑧 = 𝜆 , resulta:
𝑟: (𝑥, 𝑦, 𝑧) = (−1,5 ; 0,5 ; 0) + 𝜆 (0, −1,1) , 𝜆 ∈ ℝ
Intersección entre recta y plano

¿Qué casos pueden presentarse en la intersección entre una recta y un plano?
Caso 1
𝑃 𝜋
𝑟 ∩ 𝜋 = {𝑃}
Caso 2
58
𝑟∥𝜋
𝑟∩𝜋 =∅
Caso 3
𝑟⊂𝜋
𝑟∩𝜋 =𝑟
Ejemplos
Dados:
𝜋: 2𝑥 − 3𝑦 + 𝑧 + 1 = 0
𝑟1 : (𝑥, 𝑦, 𝑧) = (0,1,3) + 𝛼(1,0,1)
¿Cómo se busca la intersección entre la recta y el plano?
Escribimos las ecuaciones paramétricas de la recta y las reemplazamos en la

ecuación del plano:
59
𝑥=𝛼
{ 𝑦=1
𝑧 =3+𝛼
1
2𝛼 − 3.1 + (3 + 𝛼) + 1 = 0 ⇒ 𝛼 = −
3
Reemplazando el valor del parámetro 𝛼 en las ecuaciones de la recta, obtenemos

el punto de intersección:
1 8
𝑟1 ∩ 𝜋 = { (− , 1, ) }
3 3
Busquemos ahora la intersección del mismo plano 𝜋 con la recta

𝑟2 : (𝑥, 𝑦, 𝑧) = (0,0, −1) + 𝜆(3,2,0)
Escribimos las ecuaciones paramétricas:
𝑥 = 3𝜆
{ 𝑦 = 2𝜆
𝑧 = −1
60
Reemplazamos en la ecuación del plano
2(3𝜆) − 3(2𝜆) − 1 + 1 = 0 ⇒ 0 = 0 ∀𝜆
Queda una expresión que es verdadera para todo 𝜆. Esto significa que todo punto
de la recta verifica la ecuación del plano. En este caso podemos afirmar que la
recta está incluida en el plano, por lo tanto: 𝑟2 ∩ 𝜋 = 𝑟2 .
Considerando el mismo plano 𝜋, hallemos la intersección con la recta
𝑟3 : (𝑥, 𝑦, 𝑧) = (5,0,0) + 𝑡(0,1,3)
Reiterando el procedimiento, resulta:
𝑥=5
{𝑦=𝑡
𝑧 = 3𝑡
10 − 3𝑡 + 3𝑡 + 1 = 0 ⇒ 11 = 0 𝑎𝑏𝑠𝑢𝑟𝑑𝑜
Este absurdo nos indica que la recta y el plano no tienen ningún punto en común,
o sea que la recta es paralela al plano y por lo tanto: 𝑟 ∩ 𝜋 = ∅
61
En resumen:
Para hallar la intersección entre un plano y una recta, se reemplazan las

ecuaciones paramétricas de la recta en la ecuación del plano. Pueden
presentarse tres casos:
i) Es posible despejar el valor del parámetro, entonces reemplazando este valor en

las ecuaciones de la recta se obtiene el punto de intersección. En este caso: 𝑟 ∩
𝜋 = {𝑃}
ii) 0 = 0 ⟹ 𝑟 ⊂ 𝜋 ⟹ 𝑟 ∩ 𝜋 = 𝑟
iii) 0 = 𝑘 (𝑐𝑜𝑛 𝑘 ≠ 0 ) ⇒ 𝑎𝑏𝑠𝑢𝑟𝑑𝑜 ⇒ 𝑟 ∥ 𝜋 ⟹ 𝑟 ∩ 𝜋 = ∅
62
Paralelismo entre recta y plano

¿Existe una manera de anticipar si una recta es paralela a un plano sin buscar la
intersección?
Una vez más, los vectores resultarán una herramienta potente para la geometría
de rectas y planos. Observemos la siguiente figura:
𝑟
𝑣⃗
𝑛⃗⃗
¿Cómo deben ser el vector normal del plano y el vector director de la recta para
que 𝑟 ∥ 𝜋 ?
𝑟 ∥ 𝜋 ⇔ 𝑣⃗ ⊥ 𝑛⃗⃗ ⇔ 𝑣⃗ . 𝑛⃗⃗ = 0
¿Qué ocurre si la recta está incluida en el plano?
𝑛⃗⃗
𝜋 𝑟
𝑃𝑟
𝑣⃗
En este caso también se verifica que el vector director de la recta es

perpendicular al normal del plano. Pero a diferencia del caso anterior, todos los
puntos de la recta están en el plano. Esto nos permite afirmar que:
𝑣⃗ ⊥ 𝑛⃗⃗
𝑟⊂𝜋⇔{
𝑃𝑟 ∈ 𝜋
63
Ejemplo
Dados el plano 𝜋: 𝑥 + 𝑦 − 𝑧 − 3 = 0 y la recta 𝑟: (𝑥, 𝑦, 𝑧) = (1,0,0) + 𝑡(0,2,2),
comprobar que la recta es paralela al plano. ¿Está incluida en el plano?
Si la recta es paralela al plano entonces su vector director 𝑣⃗ debe ser

perpendicular al vector normal del plano 𝑛⃗⃗. Luego 𝑛⃗⃗. 𝑣⃗ debe ser cero:
(1,1, −1)(0,2,2) = 2 − 2 = 0
Para saber si la recta está incluida en el plano veamos si el punto (1,0,0) satisface
la ecuación del plano 𝜋:
1 + 0 − 0 − 3 = 0 ⇒ −2 = 0 𝐴𝑏𝑠!
Como el punto no satisface la ecuación podemos concluir que 𝑟 no está incluida

en 𝜋.
EPL 3
Sea 𝜋 el plano paralelo al eje 𝑦 que pasa por (1,1,1) y (1,2,3), y
𝑥−𝑦=0
𝑟: {
𝑥 + 𝑘𝑧 = 2
Hallar, si es posible, el valor de 𝑘 para que la recta 𝑟 sea paralela a 𝜋.
Si existe 𝑘, analizar si 𝑟 ⊂ 𝜋.
Perpendicularidad entre recta y plano

Así como encontramos una condición vectorial para el paralelismo entre una
recta y un plano, nos preguntamos si existirá una condición para la
perpendicularidad. Observemos la siguiente figura:
𝑣⃗
𝑛⃗⃗
¿Cómo deben ser el vector normal del plano y el vector director de la recta para
que 𝑟 ⊥ 𝜋 ?
𝑟 ⊥ 𝜋 ⇔ 𝑣⃗ ∥ 𝑛⃗⃗ ⇔ 𝑣⃗ = 𝑘𝑛⃗⃗
64
Ejemplo
Dado el plano 𝜋: 𝑥 – 3𝑦 + 𝑧 + 1 = 0 , hallar la ecuación de la recta
perpendicular a 𝜋 que pasa por 𝐴(1,0,3).
Como la recta es perpendicular al plano 𝜋 entonces su vector director es paralelo

al vector normal del plano. Podemos tomar:
𝑣⃗ = (1, −3,1)
Ya tenemos el vector director y un punto de paso, luego la ecuación vectorial es:
𝑟: (𝑥, 𝑦, 𝑧) = (1,0,3) + 𝜆 (1, −3,1) , 𝜆 ∈ ℝ
EPL 4
Dado el haz de planos 𝑥 + 𝑦 – 𝑧 + 2 + 𝑘 (𝑥 – 𝑦 + 𝑧) = 0 , analizar si existe algún
𝑥−1=0
plano del haz que sea perpendicular a la recta 𝑟: { .
𝑦−𝑧 =0
Ángulo entre recta y plano

Consideremos el siguiente esquema:
𝛼 𝑟´
Sea 𝑟 una recta no paralela ni perpendicular a un plano 𝜋. Sea 𝑟’ la proyección

ortogonal de 𝑟 sobre 𝜋. Se define como ángulo entre 𝑟 y 𝜋 al ángulo agudo
que forman 𝑟 y 𝑟’.
¿Cómo podemos hallar dicho ángulo? Veamos la siguiente figura:
65
𝑟
𝑛⃗⃗
𝑣⃗
𝛽
𝜋
𝛼
𝑟´
Podemos calcular el ángulo 𝛽 entre 𝑣⃗ y 𝑛⃗⃗ :
𝑣⃗. 𝑛⃗⃗
cos(𝛽) =
‖𝑣⃗‖ ‖𝑛⃗⃗‖
Como habíamos visto previamente, de acuerdo con las direcciones de 𝑣⃗ y 𝑛⃗⃗ el

ángulo 𝛽 podría ser mayor de 90º. Agregamos módulo para obtener un ángulo
agudo:
|⃗⃗⃗⃗.
𝑣 𝑛 ⃗⃗⃗⃗|
cos (𝛽) =
‖𝑣⃗‖ ‖𝑛⃗⃗‖
Como 𝛼 y 𝛽 son complementarios se cumple que 𝑠𝑒𝑛(𝛼) = cos(𝛽), entonces:
| 𝑣⃗. 𝑛⃗⃗ |
𝑠𝑒𝑛(𝛼) =
‖𝑣⃗‖ ‖𝑛⃗⃗‖
Por lo tanto:
|⃗⃗⃗⃗.
𝑣𝑛 ⃗⃗⃗⃗| 𝜋
𝛼 = arcsen ( ) , 0≤𝛼≤ á𝑛𝑔𝑢𝑙𝑜 𝑒𝑛𝑡𝑟𝑒 𝑟𝑒𝑐𝑡𝑎 𝑦 𝑝𝑙𝑎𝑛𝑜
‖𝑣⃗‖ ‖𝑛⃗⃗‖ 2
Casos particulares:
Si 𝛼 = 0 , entonces la recta es paralela al plano (⃗⃗⃗⃗.

𝑣𝑛 ⃗⃗⃗⃗ = 0).
𝜋
Si 𝛼 = , entonces la recta es perpendicular al plano (⃗⃗⃗⃗
𝑣=𝑘𝑛
⃗⃗⃗⃗).
2
Ejemplo
Hallar el ángulo entre el plano 𝜋: 𝑥 + 𝑧 − 8 = 0 y el eje 𝑥.
66
Conocemos el vector normal de 𝜋 y el vector director de la recta. Luego

aplicamos directamente la fórmula:
|⃗⃗⃗⃗.
𝑣𝑛 ⃗⃗⃗⃗| |(1,0,0). (1,0,1)| 1 𝜋
𝛼 = arcsen ( ) = arcsen ( ) = arcsen ( ) =
‖𝑣⃗‖ ‖𝑛⃗⃗‖ √2 √2 4
Intersección de rectas en ℝ𝟑
Sabemos que dos rectas en ℝ𝟐 o bien se cortan en un único punto o bien son
paralelas.
Pero en ℝ𝟑, además de estos dos casos, existen rectas que ni se cortan ni son
paralelas: son las rectas alabeadas.
Tenemos entonces tres casos en ℝ3:
Caso 1: Rectas concurrentes o incidentes:
𝑟1 ∩ 𝑟2 = {𝑃}
𝑟1
𝑟2
Caso 2: Rectas paralelas:
𝑟1 ∥ 𝑟2 ⇔ 𝑣⃗1 = 𝑘𝑣⃗2
67
𝑟1
𝑟2
𝑣
⃗⃗⃗⃗⃗1
𝑣2
⃗⃗⃗⃗⃗
Las rectas paralelas podrían ser coincidentes. Para verificar si dos rectas paralelas
son coincidentes basta con ver si un punto de una de ellas pertenece o no a la
otra recta.
Caso 3: Rectas alabeadas:
Existe otra posición posible para las rectas en ℝ3. Consideremos el siguiente
esquema en el que las rectas 𝑟1 , 𝑟2 y 𝑟3 contienen a las aristas de un cubo:
𝑟1
𝑟2
𝑟3
Las rectas 𝑟1 y 𝑟3 son paralelas. En cambio 𝑟1 y 𝑟2 , que no son paralelas ni

concurrentes, se denominan alabeadas.
𝑟1 𝑦 𝑟2 𝑠𝑜𝑛 𝑎𝑙𝑎𝑏𝑒𝑎𝑑𝑎𝑠 ⇔ 𝑟1 ∦ 𝑟2 ∧ 𝑟1 ∩ 𝑟2 = ∅
Ejemplo
Hallar la intersección entre las rectas:
68
𝑟1 : (𝑥, 𝑦, 𝑧) = (−2,1,3) + 𝛼(1,4,5)
𝑟2 : (𝑥, 𝑦, 𝑧) = (1,0, −2) + 𝛽(0,3, −1)
𝑣1 ∦ ⃗⃗⃗⃗⃗
⃗⃗⃗⃗⃗ 𝑣2 ⇒ 𝑟1 ∦ 𝑟2
Para buscar la intersección, escribimos las ecuaciones paramétricas de las rectas y

luego igualamos:
𝑥 = −2 + 𝛼 𝑥=1
𝑟1 : { 𝑦 = 1 + 4𝛼 , 𝑟2 : { 𝑦 = 3𝛽
𝑧 = 3 + 5𝛼 𝑧 = −2 − 𝛽
−2 + 𝛼 = 1
⇒ { 1 + 4𝛼 = 3𝛽
3 + 5𝛼 = −2 − 𝛽
Nos queda un sistema de tres ecuaciones y dos incógnitas.
De la primera ecuación se obtiene: 𝛼 = 3

13
Reemplazando 𝛼 = 3 en la segunda ecuación, resulta: 𝛽 =
3
Pero si sustituimos ambos valores en la tercera ecuación:
13
3 + 5.3 = −2 −
3
19
18 = −
3
Como esto es falso, el sistema es incompatible. Habíamos descartado paralelismo,

por lo tanto podemos afirmar que las rectas son alabeadas.
Observación: Los sistemas que tienen más ecuaciones que incógnitas se

denominan sobredeterminados y en general son incompatibles.
Ejemplo
Hallar la intersección entre las rectas:
𝑟1 : (𝑥, 𝑦, 𝑧) = 𝜆(1,0,1)
𝑟2 : (𝑥, 𝑦, 𝑧) = 𝛽(−1,1,0) + (0,1,1)
Observemos que los vectores directores de las rectas no son paralelos, luego las
rectas no pueden ser paralelas. Podrían intersecarse o ser alabeadas.
Escribimos las ecuaciones paramétricas de las rectas e igualamos:
𝑥=𝜆 𝑥 = −𝛽
𝑟1 : {𝑦 = 0 , 𝑟2 : {𝑦 = 𝛽 + 1
𝑧=𝜆 𝑧=1
69
𝜆 = −𝛽
{0 = 𝛽 + 1 ⇒ 𝜆 = 1 ∧ 𝛽 = −1
𝜆=1
Como el sistema tiene solución, podemos afirmar que las rectas se intersecan, o
sea son concurrentes. Para averiguar en qué punto se cortan, podemos
reemplazar 𝜆 = 1 en las ecuaciones paramétricas de 𝑟1 o 𝛽 = −1 en las
ecuaciones paramétricas de 𝑟2 . Así obtenemos el punto de intersección 𝑃(1,0,1).
Observación: En este ejemplo, las rectas se cortan en el punto 𝑃(1,0,1). En 𝑟1 , el

punto 𝑃 se corresponde con 𝜆 = 1. En cambio en 𝑟2 , 𝑃 se corresponde con 𝛽 =
−1. Por lo tanto, cuando buscamos la intersección entre dos rectas debemos
utilizar letras diferentes para indicar los respectivos parámetros. Noten que si
hubiéramos utilizado el parámetro 𝜆 para las dos rectas, habríamos obtenido un
absurdo: 𝜆 = 1 𝑦 𝜆 = −1 y esto nos habría inducido a error.
Plano que contiene a dos rectas

Dos rectas en ℝ3 se denominan coplanares si existe un plano que contiene a
ambas rectas.
Habíamos visto que dos rectas en ℝ3 pueden ser concurrentes, paralelas o

alabeadas. Veamos en qué casos es posible encontrar un plano que las
contenga:
Caso 1: Rectas concurrentes

Veamos el siguiente gráfico que muestra dos rectas concurrentes:
𝜋 𝑛⃗⃗
𝑟1
𝑣
⃗⃗⃗⃗⃗1
𝑣2
⃗⃗⃗⃗⃗
𝑟2
Dadas dos rectas concurrentes 𝑟1 y 𝑟2 , ¿cómo podemos encontrar el vector

normal del plano?
𝑣⃗1 × 𝑣⃗2 = 𝑛⃗⃗
Para completar la ecuación del plano, tomamos un punto P de cualquiera de las

dos rectas.
Ejemplo
𝑟1 : (𝑥, 𝑦, 𝑧) = (1,1,1) + 𝑡(0,1,2)
70
𝑟2 : Recta que pasa por 𝐴(0,1, −1) 𝑦 𝐵(1,2, 𝑧0 )
Hallar 𝑧0 para que las rectas sean concurrentes y encontrar el plano que las
contiene.
Resolución
Construyamos una ecuación vectorial de la recta 𝑟2 :
𝑟2 : (𝑥, 𝑦, 𝑧) = (0,1, −1) + 𝜆 ⏟

(1,1, 𝑧0 + 1)
⃗⃗⃗⃗⃗⃗
𝐴𝐵
Escribimos las ecuaciones paramétricas de cada recta:
𝑥=1 𝑥=𝜆
𝑟1 : { 𝑦 = 1 + 𝑡 , 𝑟2 : { 𝑦 = 1+𝜆
𝑧 = 1 + 2𝑡 𝑧 = −1 + (1 + 𝑧0 )𝜆
Igualamos:
1=𝜆
{ 1+𝑡 = 1+𝜆
1 + 2𝑡 = −1 + 𝜆(𝑧0 + 1)
De las dos primeras ecuaciones, se obtiene 𝑡 = 𝜆 = 1
Reemplazamos en la tercera ecuación y despejamos 𝑧0:
3 = −1 + 𝑧0 + 1 ⇒ 𝑧0 = 3
Para 𝑧0 = 3 las rectas se cortan.
¿Cuál es el punto de intersección? Reemplazamos por 𝑡 = 1 en la ecuación de la

primera recta:
𝑟1 ∩ 𝑟2 = {(1,2,3)}
Para obtener la ecuación del plano que contiene a las rectas, buscamos el vector
normal:
𝑖 𝑗 𝑘
𝑛⃗⃗ = ⃗⃗⃗⃗⃗
𝑣1 × ⃗⃗⃗⃗⃗
𝑣2 = |0 1 2| = (2,2, −1)
1 1 4
𝜋: 2𝑥 + 2𝑦 − 𝑧 + 𝑑 = 0
Para averiguar 𝑑 reemplazamos un punto que pertenezca al plano. Puede ser

cualquier punto de las rectas, por ejemplo (1,1,1):
2.1 + 2.1 − 1.1 + 𝑑 = 0 ⇒ 𝑑 = −3
𝜋: 2𝑥 + 2𝑦 − 𝑧 − 3 = 0
71
Caso 2: Rectas paralelas

Veamos el siguiente gráfico que muestra dos rectas paralelas y el plano que las
contiene:
𝑛⃗⃗
𝑟1 𝑣
⃗⃗⃗⃗⃗1
𝑣2
⃗⃗⃗⃗⃗
𝑟2
Dadas dos rectas paralelas, existe un plano que las contiene pero no podemos
hallar el vector normal como en el caso de las rectas concurrentes. ¿Por qué?
Ejemplo
𝑟1 : (𝑥, 𝑦, 𝑧) = (1,2,3) + 𝜆(−1,1,4)
𝑟2 : (𝑥, 𝑦, 𝑧) = (1,0,0) + 𝑡(3, −3, −12)
Claramente son paralelas pues sus vectores directores son paralelos:
(3, −3, −12) = −3. (−1,1,4).
El lector puede comprobar que (−1,1,4) × (3, −3, −12) = ⃗⃗

0 , entonces el vector
normal del plano no puede hallarse con este producto vectorial.
Para hallar el vector normal, consideramos uno de los vectores directores y un

vector 𝑃 1 𝑃2 determinado por un punto de cada recta, como muestra la figura:
⃗⃗⃗⃗⃗⃗⃗⃗⃗
72
𝑛⃗⃗
𝜋
𝑟1 𝑃1 𝑣
⃗⃗⃗⃗⃗1
⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃 1 𝑃2
𝑟2 𝑃2
El producto vectorial de ambos da un vector normal al plano:
⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑛⃗⃗ = 𝑣⃗ × 𝑃 1 𝑃2
Para completar la ecuación del plano, consideramos un punto de cualquiera de

las rectas. Así obtenemos la ecuación del plano que contiene a las rectas dadas:
𝜋: 5𝑥 − 3𝑦 + 2𝑧 − 5 = 0
Caso 3: Rectas alabeadas

Dos rectas alabeadas no pueden estar contenidas en un mismo plano.
Ejemplo
Hallar, si es posible, el plano que contiene a las rectas:
𝑟1 : (𝑥, 𝑦, 𝑧) = 𝜆(1,0,0)
𝑟2 : (𝑥, 𝑦, 𝑧) = (0,1,0) + 𝑡(0,0,1)
Dejamos a cargo del lector la verificación de que son alabeadas. Busquemos un

vector perpendicular a ambas rectas:
𝑛⃗⃗ = (1,0,0) × (0,0,1) = (0, −1,0)
Considerando el punto (0,0,0) perteneciente a 𝑟1 , obtenemos el siguiente plano:
𝜋: 𝑦 = 0
Sin embargo, este plano no contiene a 𝑟2 , pues el punto (0,1,0) no verifica la

ecuación de 𝜋.
Sugerimos al lector hacer una gráfico de las rectas y el plano obtenido, para
visualizar la situación.
73
No es posible hallar un plano que contenga a dos rectas alabeadas. Las rectas
alabeadas no son coplanares.
Ángulo entre dos rectas

Definición: El ángulo entre dos rectas de ℝ3 es el ángulo entre sus vectores
directores.
Sean las rectas 𝑟1 y 𝑟2 con vectores directores ⃗⃗⃗⃗⃗

𝑣1 y ⃗⃗⃗⃗⃗.
𝑣2 Entonces:
⃗⃗⃗⃗⃗.
𝑣 1 ⃗⃗⃗⃗⃗
𝑣2
cos(𝛼) =
‖𝑣 1 ‖𝑣
⃗⃗⃗⃗⃗‖ ⃗⃗⃗⃗⃗‖
2
Usamos la misma convención que para ángulo entre planos y para ángulo entre
recta y plano, y aplicamos módulo:
|𝑣⃗⃗⃗⃗⃗.
1 ⃗⃗⃗⃗⃗|
𝑣2
cos(𝛼) =
‖𝑣
⃗⃗⃗⃗⃗‖
1 ‖𝑣⃗⃗⃗⃗⃗‖
2
Por lo tanto:
|𝑣⃗⃗⃗⃗⃗.
1 ⃗⃗⃗⃗⃗|
𝑣2 𝜋
α = 𝑎𝑟𝑐𝑜𝑠 ( ) , 0≤𝛼≤ á𝑛𝑔𝑢𝑙𝑜 𝑒𝑛𝑡𝑟𝑒 𝑑𝑜𝑠 𝑟𝑒𝑐𝑡𝑎𝑠
‖𝑣 1 ‖𝑣
⃗⃗⃗⃗⃗‖ ⃗⃗⃗⃗⃗‖
2 2
Casos particulares:
Si 𝛼 = 0 , entonces las rectas son paralelas (⃗⃗⃗⃗⃗⃗

𝑣1 = 𝑘 ⃗⃗⃗⃗⃗⃗).
𝑣2
𝜋
Si 𝛼 = 2
, entonces las rectas son perpendiculares (⃗⃗⃗⃗⃗⃗.
𝑣1 ⃗⃗⃗⃗⃗
𝑣2 = 0).
Observación: La definición de ángulo que hemos adoptado no toma en cuenta si

las rectas se cortan o no.
Ejemplo
Sean,
𝑟1 : (𝑥, 𝑦, 𝑧) = 𝜆(1,0,0) 𝜆 ∈ ℝ
𝑟2 : (𝑥, 𝑦, 𝑧) = (0,1,0) + 𝑡(0,0,1) 𝑡 ∈ ℝ
Vimos en un ejemplo anterior que estas rectas son alabeadas. ¿Cuál es el ángulo
entre ellas?
𝜋
Como ⃗⃗⃗⃗⃗⃗. 𝑣2 = 0 , las rectas son perpendiculares, o sea que 𝛼 =
𝑣1 ⃗⃗⃗⃗⃗
2
Proyecciones ortogonales
Proyección de un punto sobre un plano
Dados un plano 𝜋 y un punto A no perteneciente a dicho plano, la proyección
ortogonal de A sobre 𝜋 es el punto 𝐴′ ∈ 𝜋 tal que ⃗⃗⃗⃗⃗⃗⃗⃗
𝐴𝐴′ es un vector perpendicular a
𝜋.
74
𝑛⃗⃗
𝜋
𝐴′
𝐴′ ∈ 𝜋
𝐴′ = 𝑝𝑟𝑜𝑦𝜋 (𝐴) 𝑠𝑖 𝑦 𝑠ó𝑙𝑜 𝑠𝑖 {
⃗⃗⃗⃗⃗⃗⃗⃗
𝐴𝐴′ ⊥ 𝜋
Ejemplo
Dados un plano 𝜋 y un punto 𝐴, obtener la proyección ortogonal del punto sobre
el plano:
𝜋: 2𝑥 − 𝑦 + 3𝑧 + 1 = 0
𝐴(4,1, −3)
Para obtener 𝐴’ buscamos la recta perpendicular a 𝜋 que pasa por 𝐴. El vector

normal del plano es paralelo a esta recta, por lo tanto podemos tomarlo como
vector director:
𝑟: (𝑥, 𝑦, 𝑧) = (4,1, −3) + 𝜆(2, −1,3)
Ahora buscamos la intersección de la recta con el plano, reemplazando las

ecuaciones paramétricas de la recta en la ecuación del plano:
𝑥 = 4 + 2𝜆
{ 𝑦 =1−𝜆
𝑧 = −3 + 3𝜆
2(4 + 2𝜆) − (1 − 𝜆) + 3. (−3 + 3𝜆) + 1 = 0
8 + 4𝜆 − 1 + 𝜆 − 9 + 9𝜆 + 1 = 0
1
14𝜆 − 1 = 0 ⇒ 𝜆 =
14
Reemplazamos en la ecuación de la recta para obtener as coordenadas del

punto 𝐴′ :
1 1 1 3 29 13 39
(𝑥, 𝑦, 𝑧) = (4,1, −3) + (2, −1,3) = (4,1, −3) + ( , − , ) = ( , , − )
14 7 14 14 7 14 14
75
29 13 39
El lector puede verificar que 𝐴′ ( , , − ) ∈ 𝜋 𝑦 𝐴𝐴
⃗⃗⃗⃗⃗⃗⃗⃗′ ⊥ 𝜋 .
7 14 14
Si 𝐴 ∈ 𝜋 , ¿cuál es la proyección de 𝐴 sobre 𝜋?
Proyección de una recta sobre un plano

Dados una recta 𝑟 y un plano 𝜋, nos interesa obtener la proyección ortogonal de
la recta sobre el plano.
En general, la proyección de una recta sobre un plano es otra recta 𝑟 ′ :
𝑟
𝐴
𝐴′ 𝑟′
𝑝𝑟𝑜𝑦𝜋 (𝑟) = 𝑟 ′
Para hallar 𝑟’ podemos proyectar dos puntos de la recta sobre el plano. Si

llamamos A y B a dichos puntos, resulta
𝑝𝑟𝑜𝑦𝜋 (𝐴) = 𝐴′ , 𝑝𝑟𝑜𝑦𝜋 (𝐵) = 𝐵′
La recta 𝑟’ que buscamos es la recta determinada por 𝐴’ y 𝐵’.
Pero teniendo en cuenta que el punto de intersección entre la recta y el plano

pertenece a 𝑟’, es suficiente proyectar un solo punto de 𝑟 para que 𝑟’ quede
definida.
También existe un caso especial: si la recta es perpendicular al plano, su

proyección es un punto.
76
𝑟 ⊥ 𝜋 ⇒ 𝑝𝑟𝑜𝑦𝜋 (𝑟) = 𝐴 = 𝑟 ∩ 𝜋
Ejemplo
Dado 𝜋: 𝑥 + 𝑦 + 𝑧 − 3 = 0
a) Hallar la proyección de la recta 𝑟: (𝑥, 𝑦, 𝑧) = 𝜆(0,2,1) sobre 𝜋

b) Dada la recta 𝑠: (𝑥, 𝑦, 𝑧) = (1,0,0) + 𝑡. (−2, 𝑏, 𝑐), hallar los valores de 𝑏 y 𝑐 para
que la proyección de 𝑠 sobre 𝜋 sea un punto. ¿Cuál es dicho punto?
Resolución
Parte A
Para hallar la recta 𝑟 ′ = 𝑝𝑟𝑜𝑦𝜋 (𝑟) buscamos dos puntos que pertenezcan a 𝑟 ′ .
Uno de los puntos puede ser el de intersección:
2𝜆 + 𝜆 − 3 = 0 ⇒ 𝜆 = 1 ⇒ (𝑥, 𝑦, 𝑧) = (0,2,1)
Tomemos el punto (0,0,0) ∈ 𝑟. Para proyectarlo sobre el plano buscamos la recta

perpendicular al plano que pasa por (0,0,0):
(𝑥, 𝑦, 𝑧) = (0,0,0) + 𝛼(1,1,1)
(𝑥, 𝑦, 𝑧) = 𝛼(1,1,1)
Reemplazando en la ecuación del plano:
𝛼+𝛼+𝛼−3 = 0 ⇒ 𝛼 = 1
Entonces la proyección del punto (0,0,0) sobre 𝜋 da (1,1,1)
La recta 𝑟 ′ queda definida por los puntos (0,2,1) y (1,1,1):
𝑟 ′ : (𝑥, 𝑦, 𝑧) = (0,2,1) + 𝛾(1, −1,0)
Parte B
77
Para que la proyección de 𝑠 sobre 𝜋 sea un punto, el vector director de 𝑠 debe ser
paralelo al vector normal del plano. Debe existir un 𝑘 ∈ ℝ tal que:
(1,1,1) = 𝑘(−2, 𝑏, 𝑐)
De aquí deducimos que deben ser 𝑏 = 𝑐 = −2. La ecuación de la recta queda:
𝑠: (𝑥, 𝑦, 𝑧) = (1,0,0) + 𝑡(−2, −2, −2)
Para hallar el punto reemplazamos las ecuaciones paramétricas de la recta en la

ecuación del plano:
𝑥 = 1 − 2𝑡
𝑠: { 𝑦 = −2𝑡 𝑡 ∈ ℝ , 𝜋: 𝑥 + 𝑦 + 𝑧 − 3 = 0
𝑧 = −2𝑡
1
1 − 2𝑡 − 2𝑡 − 2𝑡 − 3 = 0 ⇒ −2 − 6𝑡 = 0 ⇒ 𝑡 = −
3
El punto es:
5 2 2
𝑃( , , )
3 3 3
Por lo tanto:
5 2 2
𝑝𝑟𝑜𝑦𝜋 (𝑠) = 𝑠 ∩ 𝜋 = 𝑃 ( , , )
3 3 3
EPL 5
Sean:
𝜋: (𝑥, 𝑦, 𝑧) = (0,1,0) + 𝛼(1,1,1) + 𝛽(0,0,1)
𝑟: (𝑥, 𝑦, 𝑧) = (1,3,1) + 𝑡 (𝑘, 2, −1)
Determinar el valor de 𝑘 para que 𝑟 sea paralela a 𝜋 y obtener la proyección de 𝑟

sobre 𝜋.
Planos proyectantes de una recta

Los planos proyectantes de una recta son aquellos planos que incluyen a la recta
y son perpendiculares a los planos coordenados.
78
Plano 𝑥𝑧 𝑟 Plano 𝑦𝑧
Plano 𝑥𝑦
Ejemplo
Hallar los planos proyectantes de la siguiente recta:
𝑥 − 2𝑦 + 𝑧 + 7 = 0
𝑟: {
−𝑥 + 𝑦 + 𝑧 − 1 = 0
Resolución
Teniendo en cuenta que la recta está definida como intersección de dos planos,
una forma práctica de hallar los planos proyectantes es construir el haz de planos
que pasan por dicha recta:
Construyamos el haz de planos que pasa por 𝑟:
ℋ: 𝛼(𝑥 − 2𝑦 + 𝑧 + 7) + 𝛽(−𝑥 + 𝑦 + 𝑧 − 1) = 0
Ahora distribuimos y reordenamos:
(𝛼
⏟ − 𝛽) 𝑥 + (−2𝛼
⏟ + 𝛽) 𝑦 + (𝛼
⏟ + 𝛽) 𝑧 + 7𝛼
⏟ −𝛽 =0
𝑎 𝑏 𝑐 𝑑
El plano proyectante perpendicular al plano 𝑥𝑦 (o sea, paralelo al eje 𝑧) es un

plano de la forma 𝑎𝑥 + 𝑏𝑦 + 𝑑 = 0. Por lo tanto:
𝛼+𝛽 = 0 ⇒ 𝛼 = −𝛽
⇒ 𝜋1 : − 2𝑥 + 3𝑦 − 8 = 0
El plano proyectante perpendicular al plano 𝑥𝑧 (o sea, paralelo al eje y) es un

plano de la forma 𝑎𝑥 + 𝑐𝑧 + 𝑑 = 0. Por lo tanto:
79
−2𝛼 + 𝛽 = 0 ⇒ 𝛽 = 2𝛼
⇒ 𝜋2 : − 𝑥 + 3𝑧 + 5 = 0
¿Cuál es el plano proyectante perpendicular al plano 𝑦𝑧?
Ejemplo
Hallar los planos proyectantes de la recta que pasa por los puntos 𝐴(1,2,3) y
𝐵(3,1, −1).
La ecuación vectorial de la recta AB es 𝑟: (𝑥, 𝑦, 𝑧) = (1,2,3) + 𝑡(2, −1, −4)
Llamemos 𝜋1 al plano proyectante que es perpendicular al plano 𝑥𝑦. ¿Qué

condiciones debe cumplir ⃗⃗⃗⃗⃗?
𝑛1
𝑛1 = (𝑎, 𝑏, 𝟎) 𝑝𝑎𝑟𝑎 𝑞𝑢𝑒 𝜋1 𝑠𝑒𝑎 ⊥ 𝑎𝑙 𝑝𝑙𝑎𝑛𝑜 𝑥𝑦

⃗⃗⃗⃗⃗⃗
{
𝑣
⃗⃗⃗⃗𝑟 ∙ ⃗⃗⃗⃗⃗
𝑛1 = 0 𝑝𝑎𝑟𝑎 𝑞𝑢𝑒 𝑟 ⊂ 𝜋1
Entonces: (𝑎, 𝑏, 0) ∙ (2, −1, −4) = 0 ⟹ 2𝑎 − 𝑏 = 0 ⟹ 𝑏 = 2𝑎
Con 𝑎 = 1 𝑦 𝑏 = 2 , resulta: ⃗⃗⃗⃗⃗

𝑛1 = (1,2,0) ⟹ 𝜋1 ∶ 𝑥 + 2𝑦 + 𝑑 = 0
Teniendo en cuenta que 𝑟 ⊂ 𝜋1 , reemplazamos un punto de la recta (por ejemplo

A) para obtener 𝑑.
El plano buscado es: 𝜋1 ∶ 𝑥 + 2𝑦 − 5 = 0
Dejamos a cargo del lector comprobar que los otros planos proyectantes son:
𝜋2 : 2𝑥 + 𝑧 − 5 = 0 y 𝜋3 : − 4𝑦 + 𝑧 + 5 = 0
Ejemplo
Retomemos el ejemplo anterior, siendo 𝑟: (𝑥, 𝑦, 𝑧) = (1,2,3) + 𝑡(2, −1, −4)
Cuando las componentes del vector director de una recta son distintas de cero,
podemos expresarla a través de sus ecuaciones simétricas. En este caso:
𝑥−1 𝑦−2 𝑧−3

𝑟: = =
2 −1 −4
A partir de las ecuaciones simétricas se deducen tres igualdades, cada una de las
cuales se corresponde con la ecuación de un plano proyectante de la recta:
𝑥−1 𝑦−2
= ⟹ −(𝑥 − 1) = 2(𝑦 − 2) ⟹ 𝑥 + 2𝑦 − 5 = 0 𝑃𝑙𝑎𝑛𝑜 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑎𝑛𝑡𝑒 𝜋1
2 −1
𝑥−1 𝑧−3
= ⟹ −4(𝑥 − 1) = 2(𝑧 − 3) ⟹ 2𝑥 + 𝑧 − 5 = 0 𝑃𝑙𝑎𝑛𝑜 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑎𝑛𝑡𝑒 𝜋2
2 −4
𝑦−2 𝑧−3
= ⟹ −4(𝑦 − 2) = −(𝑧 − 3) ⟹ −4𝑦 + 𝑧 + 5 = 0 𝑃𝑙𝑎𝑛𝑜 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑎𝑛𝑡𝑒 𝜋3
−1 −4
El siguiente gráfico muestra la recta y su plano proyectante 𝜋1 :
80
𝜋1
𝑟′
RECTA Y UN PLANO PROYECTANYE
En la figura puede observarse que el plano proyectante 𝜋1 es el plano

determinado por la recta 𝑟 y su proyección 𝑟 ′ sobre el plano coordenado 𝑥𝑦. Lo
mismo puede afirmarse de los otros dos planos proyectantes.
EPL 6
Hallar los planos proyectantes de cada una de las siguientes rectas:
𝑟: (𝑥, 𝑦, 𝑧) = (1,2,3) + 𝑡(1, −2,0)
𝑠: (𝑥, 𝑦, 𝑧) = (2,2,1) + 𝜆(0,0,1)
A partir de los resultados obtenidos, ¿podrían establecer qué condición debe

cumplirse para que una recta tenga dos de sus planos proyectantes iguales?
¿Existe algún caso en que no esté definido alguno de los planos proyectantes de
una recta?
Distancias
Distancia punto-recta en ℝ3
Dados un punto 𝐴 y una recta 𝑟 de vector director 𝑣⃗, queremos hallar la distancia
entre 𝐴 y 𝑟 (con 𝐴 ∉ 𝑟). Sea 𝐴′ ∈ 𝑟 tal que 𝐴𝐴
⃗⃗⃗⃗⃗⃗⃗⃗′ es perpendicular a la recta.
⃗⃗⃗⃗⃗⃗⃗⃗′ ‖
𝑑(𝐴, 𝑟) = ‖𝐴𝐴
Consideremos un punto 𝑃 ∈ 𝑟 y el vector 𝑃𝐴 ⃗⃗⃗⃗⃗⃗, y construyamos el paralelogramo

determinado por 𝑣⃗ y 𝑃𝐴
⃗⃗⃗⃗⃗⃗, tal como lo muestra la figura:
81
𝑑
𝑟
⃗⃗⃗⃗⃗⃗
𝑃𝐴
𝐴′
𝑃 𝑣⃗
El segmento 𝐴𝐴′ es la altura del paralelogramo. Si llamamos S al área de dicho

paralelogramo, resulta:
𝑆 = 𝑏. ℎ = ‖𝑣⃗‖. 𝑑 [1]
Recordemos que el área del paralelogramo es igual al módulo del producto

vectorial:
⃗⃗⃗⃗⃗⃗ × 𝑣⃗‖
𝑆 = ‖𝑃𝐴 [2]
Igualando [1] y [2] podemos despejar 𝑑:
⃗⃗⃗⃗⃗⃗ × 𝑣⃗‖
‖𝑣‖. 𝑑 = ‖𝑃𝐴
⃗⃗⃗⃗⃗⃗ × 𝑣⃗‖
‖𝑃𝐴
⇒ 𝑑(𝐴, 𝑟) =
‖𝑣⃗‖
Ejemplo
Calcular la distancia entre la recta 𝑟: (𝑥, 𝑦, 𝑧) = (1,0, −1) + 𝜆(−2,1,1) y el punto
𝐴(3, −1,1).
Resolución
Aplicamos la fórmula:
⃗⃗⃗⃗⃗⃗ × 𝑣⃗‖
‖𝑃𝐴
𝑑(𝐴, 𝑟) =
‖𝑣⃗‖
82
Tomamos un punto cualquiera de la recta, por ejemplo 𝑃(1,0, −1) y formamos:
⃗⃗⃗⃗⃗⃗ = (2, −1,2)

𝑃𝐴
‖(2, −1,2) × (−2,1,1)‖ ‖(−3, −6,0)‖ √45

𝑑(𝐴, 𝑟) = = = ≅ 2,74
‖ (−2,1,1)‖ √6 √6
Distancia entre dos rectas paralelas

La fórmula que hemos visto permite calcular la distancia entre dos rectas
paralelas. Veamos un ejemplo:
𝑦+𝑧 =2
Dadas las rectas 𝑟1 : (𝑥, 𝑦, 𝑧) = (1,0,0) + 𝑡(2, −1,1) y 𝑟2 : {
𝑥 + 𝑘𝑦 = 0
Hallar 𝑘 tal que 𝑟1 ∥ 𝑟2 y calcular 𝑑(𝑟1 , 𝑟2 ).
Recordemos la condición para que dos rectas sean paralelas:
𝑟1 ∥ 𝑟2 ⇔ ⃗⃗⃗⃗⃗
𝑣1 = 𝛼 ⃗⃗⃗⃗⃗
𝑣2 [1]
La recta 𝑟2 está definida como intersección de dos planos. Si hacemos el producto

vectorial de los vectores normales tendremos un vector director de la recta:
(0,1,1) × (1, 𝑘, 0) = (−𝑘, 1, −1)
Por [1]:
−𝑘 = 2𝛼
(−𝑘, 1, −1) = 𝛼(2, −1,1) ⇒ { 1 = −𝛼
−1 = 𝛼
⇒𝑘=2
Para calcular la distancia, tomemos dos puntos cualesquiera de las rectas y

construyamos el vector 𝑃 1 𝑃2 :
⃗⃗⃗⃗⃗⃗⃗⃗⃗
83
𝑟2
𝑃2
𝑟1
𝑑
⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃 1 𝑃2
𝑃1 𝑣⃗1
⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃1 (1,0,0) ∈ 𝑟1 , 𝑃2 (0,0,2) ∈ 𝑟2 , 𝑃 1 𝑃2 = (−1,0,2)
La distancia entre las rectas será la distancia entre 𝑃2 y 𝑟1 :
⃗⃗⃗⃗⃗⃗⃗⃗⃗
‖𝑃 1 𝑃2 × ⃗⃗⃗⃗⃗‖
𝑣1
𝑑(𝑟1 , 𝑟2 ) = 𝑑(𝑃2 , 𝑟1 ) =
‖𝑣 ⃗⃗⃗⃗⃗‖
1
⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃 ⃗1 = (−1,0,2) × (2, −1,1) = (2,5,1)
1 𝑃2 × 𝑣
⃗⃗⃗⃗⃗⃗⃗⃗⃗
‖𝑃 1 𝑃2 × 𝑣
⃗‖ = √30
√30
𝑑(𝑟1 , 𝑟2 ) = = √5
√6
Como ven, con las mismas herramientas resolvimos un problema diferente.
Distancia entre rectas alabeadas

Dadas dos rectas 𝑟1 y 𝑟2 no paralelas, nos proponemos calcular la distancia entre
ambas:
84
𝑟1
𝑃1
𝑣
⃗⃗⃗⃗⃗1
𝑑
𝑣
⃗⃗⃗⃗⃗1 × ⃗⃗⃗⃗⃗
𝑣2
𝑣2
⃗⃗⃗⃗⃗ 𝑟2
𝑃2
La mínima distancia entre dos rectas alabeadas 𝑟1 y 𝑟2 se obtiene al proyectar el

vector 𝑃 1 𝑃2 sobre la dirección perpendicular a ambas rectas, dada por 𝑣
⃗⃗⃗⃗⃗⃗⃗⃗⃗ 𝑣2 :
⃗⃗⃗⃗⃗1 × ⃗⃗⃗⃗⃗
𝑑(𝑟1 , 𝑟2 ) = ‖𝑝𝑟𝑜𝑦
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗×𝑣
𝑣1 ⃗⃗⃗⃗⃗
⃗⃗⃗⃗⃗⃗⃗⃗⃗
(𝑃 1 𝑃2 )‖
2
Recordemos que:
|𝑢
⃗⃗. 𝑣⃗|
‖𝑝𝑟𝑜𝑦
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗𝑣⃗⃗ (𝑢
⃗⃗)‖ =
‖𝑣⃗‖
Entonces podemos obtener una fórmula para la distancia entre 𝑟1 y 𝑟2 :
⃗⃗⃗⃗⃗⃗⃗⃗⃗
|𝑃 1 𝑃2 . (𝑣 ⃗⃗⃗⃗⃗1 × ⃗⃗⃗⃗⃗)|
𝑣2
𝑑(𝑟1 , 𝑟2 ) = 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑒𝑛𝑡𝑟𝑒 𝑟𝑒𝑐𝑡𝑎𝑠 𝑎𝑙𝑎𝑏𝑒𝑎𝑑𝑎𝑠
‖𝑣 ⃗⃗⃗⃗⃗1 × ⃗⃗⃗⃗⃗‖
𝑣2
¿Qué significa que la distancia dé 0?
Condición de coplanaridad
Habíamos visto que tanto las rectas concurrentes como las paralelas son
coplanares (existe un plano que las contiene).
 Si las rectas se cortan, la distancia entre ellas es cero y por lo tanto:

(𝑣 𝑣2 ⋅⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
⃗⃗⃗⃗⃗1 × ⃗⃗⃗⃗⃗) 𝑃1 𝑃2 = 0.
 Si las rectas son paralelas, ⃗⃗⃗⃗⃗
𝑣1 × ⃗⃗⃗⃗⃗ ⃗⃗ y por lo tanto también se cumple que
𝑣2 = 0
(𝑣 𝑣2 ⋅⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
⃗⃗⃗⃗⃗1 × ⃗⃗⃗⃗⃗) 𝑃1𝑃2 = 0.
Entonces estamos en condiciones de enunciar una condición de coplanaridad

entre dos rectas:
85
𝒓𝟏 𝒚 𝒓𝟐 𝒔𝒐𝒏 𝒄𝒐𝒑𝒍𝒂𝒏𝒂𝒓𝒆𝒔 ⟺ (𝒗
⃗⃗⃗⃗⃗𝟏 × 𝒗
⃗⃗⃗⃗⃗) ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝟐 ⋅ 𝑷𝟏 𝑷𝟐 = 𝟎
Ejemplo
Dadas las rectas:
𝑟1 : (𝑥, 𝑦, 𝑧) = (3,2,5) + 𝜆(0, −1,2)
2𝑥 + 𝑦 + 3𝑧 + 2 = 0
𝑟2 ∶ {
−𝑥 + 2𝑦 − 4𝑧 + 3 = 0
Calcular 𝑑(𝑟1 , 𝑟2 )
Resolución
Debemos verificar que se trata de rectas alabeadas. Busquemos la dirección de la

recta 𝑟2 :
𝑣2 = (2,1,3) × (−1,2, −4) = (−10,5,5)

⃗⃗⃗⃗⃗
Vemos que las rectas no son paralelas porque sus vectores directores no son
paralelos. Luego podemos utilizar la fórmula para distancia entre rectas
alabeadas:
⃗⃗⃗⃗⃗⃗⃗⃗⃗
|𝑃 1 𝑃2 . (𝑣 ⃗⃗⃗⃗⃗1 × ⃗⃗⃗⃗⃗)|
𝑣2
𝑑(𝑟1 , 𝑟2 ) =
‖𝑣 ⃗⃗⃗⃗⃗1 × ⃗⃗⃗⃗⃗‖
𝑣2
Para hallar 𝑃2 ∈ 𝑟2 fijamos 𝑧 = 0, por ejemplo, y averiguamos los valores de 𝑥 e 𝑦

resolviendo el sistema de ecuaciones:
2𝑥 + 𝑦 + 2 = 0 1 8
{ ⇒ 𝑥=− , 𝑦=−
−𝑥 + 2𝑦 + 3 = 0 5 5
1 8
Obtenemos así 𝑃2 (− 5 , − 5 , 0) ∈ 𝑟2
Calculamos:
16 18
⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃 1 𝑃2 = (− , − , −5)
5 5
𝑣2 = (0, −1,2) × (−10,5,5) = (−15, −20, −10)

𝑣1 × ⃗⃗⃗⃗⃗
⃗⃗⃗⃗⃗
‖𝑣 𝑣2 = √(−15)2 + (−20)2 + (−10)2 = √725

⃗⃗⃗⃗⃗1 × ⃗⃗⃗⃗⃗‖
16 18
⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑃 1 𝑃2 . (𝑣
⃗⃗⃗⃗⃗1 × ⃗⃗⃗⃗⃗)
𝑣2 = (− , − , −5) . (−15, −20, −10) = 48 + 72 + 50 = 170
5 5
170
𝑑(𝑟1 , 𝑟2 ) = ≅ 6,31
√725
EPL 7
Dadas las rectas del ejemplo anterior:
𝑟1 : (𝑥, 𝑦, 𝑧) = (3,2,5) + 𝜆(0, −1,2)
86
2𝑥 + 𝑦 + 3𝑧 + 2 = 0
𝑟2 : {
−𝑥 + 2𝑦 − 4𝑧 + 3 = 0
Hallar la ecuación del plano 𝜋 que contiene a 𝑟1 y es paralelo a 𝑟2 .
EPL 8
Dadas las rectas 𝑟1 ∶ (𝑥, 𝑦, 𝑧) = 𝑡(1,1,2) y 𝑟2 : (𝑥, 𝑦, 𝑧) = (1, 𝑘, 0) + 𝜆 (2,1,0)
Hallar el valor de 𝑘 para que las rectas sean coplanares y encontrar el plano que
las contiene.
87
ÁLGEBRA Y
GEOMETRÍA
ANALÍTICA
Isabel Pustilnik
1
Federico Gómez
ÍNDICE
Matrices ................................................................................................................................ 2
Conceptos básicos ......................................................................................................... 2
Definición de Matriz .......................................................................................................... 2
Matriz columna .................................................................................................................. 2
Matriz fila ............................................................................................................................. 2
Matriz nula........................................................................................................................... 3
Igualdad de matrices ....................................................................................................... 3
Operaciones con matrices ............................................................................................ 3
Suma de matrices ............................................................................................................. 3
Producto de un escalar por una matriz ........................................................................ 3
Propiedades de la suma de matrices y del producto por un escalar ................... 4
Producto de matrices....................................................................................................... 5
Traspuesta de una matriz................................................................................................. 8
Matrices cuadradas ........................................................................................................ 9
Matriz identidad................................................................................................................. 9
Matriz inversa ....................................................................................................................10
Potencias de una matriz cuadrada ............................................................................11
Matrices cuadradas especiales ...................................................................................14
Determinantes .................................................................................................................... 17
Desarrollo de un determinante por cofactores ......................................................... 18
Determinante de una matiz triangular .......................................................................21
Propiedades de los determinantes ............................................................................. 21
Propiedad 1 ......................................................................................................................21
Propiedad 2 ......................................................................................................................22
Propiedad 3 ......................................................................................................................22
Propiedad 4 ......................................................................................................................22
Propiedad 5 ......................................................................................................................22
Propiedad 6 ......................................................................................................................23
Propiedad 7 ......................................................................................................................23
Propiedad 8 ......................................................................................................................23
Propiedad 9 ......................................................................................................................23
Propiedad 10 ....................................................................................................................23
Propiedad 11 ....................................................................................................................24
El determinante de la inversa ...................................................................................... 26
Matriz Adjunta ................................................................................................................ 27
Obtención de la inversa a través de la adjunta ....................................................... 28
Caso particular: inversa de una matriz de 2x2 ..........................................................29
Matrices y sistemas de ecuaciones lineales ................................................................. 30
Repaso de SCD, SCI Y SI ............................................................................................... 31
Sistemas de ecuaciones lineales y determinantes ................................................... 31
Resumen: Clasificación de un sistema 𝑛 × 𝑛 por determinantes. .........................34
1
Matrices
Conceptos básicos
Definición de Matriz
Una matriz 𝐴 de 𝑚 × 𝑛 es un ordenamiento rectangular de escalares dispuestos en
𝑚 filas y 𝑛 columnas. Para designar a cada uno de los 𝑚. 𝑛 elementos de la matriz
se utiliza un doble subíndice que indica el número de fila y número de columna
que le corresponde en el arreglo:
𝑎11 𝑎12 𝑎13 ⋯ 𝑎1𝑛

𝑎 𝑎22 𝑎23 ⋯ 𝑎2𝑛
‫ ۇ‬21 ‫ۊ‬
𝐴 = ‫𝑎 ۈ‬31 𝑎32 𝑎33 ⋯ 𝑎3𝑛 ‫ۋ‬
⋮ ⋮ ⋮ ⋮ ⋮
‫ۉ‬ 𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 ⋯ 𝑎𝑚𝑛 ‫ی‬
Así, 𝑎34 es el elemento ubicado en la fila tres y la columna cuatro y en general 𝑎𝑖𝑗
es el elemento de la matriz 𝐴 que está en la fila 𝑖 y en la columna 𝑗.
Las matrices suelen designarse con letras mayúsculas: se anota 𝐴 ∈ ℝ𝑚𝑥𝑛 para
indicar que es una matriz con 𝑚 filas y 𝑛 columnas cuyos elementos son números
reales.
Se indican con paréntesis o con corchetes:
Por ejemplo una matriz de dos filas y tres columnas se puede escribir así:
3 2 0
𝐴=( ) , 𝐴 ∈ ℝ2×3
−2 4 1
En este caso, diremos que el tamaño u orden de A es 2x3.
Matriz columna
Podemos pensar los vectores como casos particulares de matrices:
2
𝐶 = (0) 𝑚𝑎𝑡𝑟𝑖𝑧 𝑜 𝑣𝑒𝑐𝑡𝑜𝑟 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 , 𝐶 ∈ ℝ3×1
1
Matriz fila
O también:
𝐹 = (2 0 1) 𝑚𝑎𝑡𝑟𝑖𝑧 𝑜 𝑣𝑒𝑐𝑡𝑜𝑟 𝑓𝑖𝑙𝑎 , 𝐹 ∈ ℝ1×3
2
Matriz nula
La matriz nula es aquélla cuyos elementos son todos ceros. La simbolizamos con 𝑂.
(En la guía de trabajos prácticos se la designa como 𝑁)
Igualdad de matrices
Dos matrices son iguales si son del mismo orden (tamaño) y sus elementos
respectivos son iguales.
𝐴, 𝐵 ∈ ℝ𝑚𝑥𝑛 𝐴 = 𝐵 ⇔ 𝑎𝑖𝑗 = 𝑏𝑖𝑗 ∀𝑖, 𝑗
Operaciones con matrices

Suma de matrices
Sean 𝐴, 𝐵 ∈ ℝ𝑚×𝑛 entonces:
𝐴 + 𝐵 = 𝐶 ∈ ℝ𝑚×𝑛 | 𝑐𝑖𝑗 = 𝑎𝑖𝑗 + 𝑏𝑖𝑗 ∀𝑖, 𝑗
Ejemplo
Sean:
0 −1 1 1 0 −3
𝐴=( ) , 𝐵=( )
−2 3 2 3 −1 2
Entonces la suma es:
0 −1 1 1 0 −3 1 −1 −2
𝐴+𝐵 =( )+( )=( )
−2 3 2 3 −1 2 1 2 4
Producto de un escalar por una matriz

Sean 𝐴 ∈ ℝ𝑚×𝑛 , 𝑘 ∈ ℝ, entonces:
𝑘𝐴 = 𝐵 ∈ ℝ𝑚×𝑛 | 𝑏𝑖𝑗 = 𝑘𝑎𝑖𝑗 ∀𝑖, 𝑗
0 −1 1 0 −3 3
Por ejemplo, si 𝐴 = ( ) , entonces 3𝐴 = ( )
−2 3 2 −6 9 6
Cuando 𝑘 = −1, obtenemos la matriz opuesta de A:
0 1 −1
−𝐴 = (−1)𝐴 = ( )
2 −3 −2
Podemos así definir la diferencia (resta) entre dos matrices del mismo tamaño:
𝐴 − 𝐵 = 𝐴 + (−𝐵)
O sea:
𝐴 − 𝐵 = 𝐶 ∈ ℝ𝑚×𝑛 | 𝑐𝑖𝑗 = 𝑎𝑖𝑗 − 𝑏𝑖𝑗
Ejemplo
Sean las matrices:
3
3 2 0 2
𝐴 = (1 −1) , 𝐵 = (4 −1)
4 5 5 3
Entonces:
6 4 0 2 6 2
2𝐴 − 𝐵 = (2 −2) − (4 −1) = (−2 −1)
8 10 5 3 3 7
Ejemplo
Hallar 𝑋, 𝑌 ∈ ℝ2×2 tales que:
1 0 [𝟏]
2𝑋 − 𝑌 = ( )
0 4
4 5 [𝟐]
3𝑋 + 𝑌 = ( )
0 1
Resolución
Es un sistema de ecuaciones matricial. Las incógnitas son matrices.
Podríamos plantear el sistema escribiendo las matrices como
𝑥1 𝑥2 𝑦1 𝑦2
𝑋 = (𝑥 𝑥4 ) , 𝑌 = (𝑦3 𝑦4 )
3
Pero quedarían 8 ecuaciones con 8 incógnitas.
Para facilitar la resolución, podemos recurrir a las herramientas que utilizamos para
resolver sistemas de ecuaciones lineales. Si sumamos miembro a miembro las
ecuaciones queda:
1 0 4 5 5 5
5𝑋 = ( )+( )=( )
0 4 0 1 0 5
1 1
⇒𝑋=( )
0 1
Reemplazando en [𝟏]
2 2 1 0 1 2
( )−𝑌 =( ) ⇒ 𝑌=( )
0 2 0 4 0 −2
Sugerimos al lector que verifique los resultados obtenidos reemplazando en [2].
Propiedades de la suma de matrices y del producto por

un escalar
Sean 𝐴, 𝐵, 𝐶 ∈ ℝ𝑚𝑥𝑛 𝑦 𝛼, 𝛽 ∈ ℝ.
Vimos que: 𝐴 + 𝐵 ∈ ℝ𝑚𝑥𝑛 y 𝛼𝐴 ∈ ℝ𝑚𝑥𝑛 . Estas operaciones verifican las siguientes

propiedades:
1. 𝐴 + 𝐵 = 𝐵 + 𝐴
4
2. (𝐴 + 𝐵) + 𝐶 = 𝐴 + (𝐵 + 𝐶)
3. 𝐴+𝑂 = 𝑂+𝐴 = 𝐴
4. 𝐴 + (−𝐴) = (−𝐴) + 𝐴 = 𝑂
5. 𝛼(𝐴 + 𝐵) = 𝛼𝐴 + 𝛼𝐵
6. (𝛼 + 𝛽)𝐴 = 𝛼𝐴 + 𝛽𝐴
7. 𝛼(𝛽𝐴) = (𝛼𝛽)𝐴
8. 1𝐴 = 𝐴
Puede observarse la analogía entre estas propiedades y las que habíamos

enunciado en la unidad anterior para vectores de ℝ3.
Producto de matrices
Intuitivamente podría pensarse que el producto de matrices se obtiene
multiplicando los elementos correspondientes. Sin embargo, esta definición no
resulta útil para resolver problemas que involucren matrices. La experiencia
matemática vinculada sobre todo a los sistemas de ecuaciones lineales, ha
motivado la siguiente definición de producto de matrices.
Definiremos primero el producto de una matriz fila por una matriz columna, y luego
generalizaremos.
𝑏
‫ ۇ‬1‫ۊ‬
Si 𝐴 = (𝑎1 𝑎2 ⋯ 𝑎𝑛 ) ∈ ℝ1×𝑛 y 𝐵 = ‫𝑏ۈ‬2 ‫ ∈ ۋ‬ℝ𝑛𝑥1 , entonces:
⋮
‫ی 𝑛𝑏ۉ‬
𝑏
‫ ۇ‬1‫ۊ‬
(𝑎 ) 𝑏
𝐴𝐵 = 1 𝑎2 ⋯ 𝑎𝑛 ‫ ۈ‬2 ‫𝑎 = ۋ‬1 𝑏1 + 𝑎2 𝑏2 + ⋯ + 𝑎𝑛 𝑏𝑛
⋮
‫ی 𝑛𝑏ۉ‬
Observemos la similitud con el producto escalar de vectores.
Sean 𝐴 ∈ ℝ𝑚×𝑛 y 𝐵 ∈ ℝ𝑛×𝑝 , o sea se cumple que la cantidad de columnas de la

primera matriz es igual a la cantidad de filas de la segunda:
𝐴𝑚×𝑛 . 𝐵𝑛×𝑝 = 𝐶𝑚×𝑝
Deben ser iguales para que

pueda realizarse el producto de matrices
Entonces el producto es
𝐴𝐵 = 𝐶 ∈ ℝ𝑚×𝑝 | 𝑐𝑖𝑗 = 𝑓𝑖𝑙𝑎 𝑖 (𝐴) ⋅ 𝑐𝑜𝑙𝑢𝑚𝑎 𝑗 (𝐵)
5
Una forma alternativa de expresar el producto es:

𝑛
𝑚×𝑝
𝐴𝐵 = 𝐶 ∈ ℝ | 𝑐𝑖𝑗 = ∑ 𝑎𝑖𝑘 𝑏𝑘𝑗
𝑘=1
Ejemplo
Sean,
1 1 2
1 2 3
𝐴=( ) , 𝐵 = (1 −1 0) 𝐴 ∈ ℝ2×3 𝐵 ∈ ℝ3×3
4 1 0
2 0 3
Es posible calcular 𝐴. 𝐵 porque 𝐴 tiene tres columnas y 𝐵 tiene tres filas. El resultado
del producto es una matriz de 2 × 3.
1 1 2
𝐵 = (1 −1 0)
2 0 3
1 2 3 9 −1 11
𝐴=( ) ( )
4 1 0 5 3 8
1.1 + 2.1 + 3.2 1.1 + 2. (−1) + 3.0 1.2 + 2.0 + 3.3 9 −1 11

𝐴𝐵 = ( )=( )
4.1 + 1.1 + 0.2 4.1 + 1. (−1) + 0.0 4.2 + 1.0 + 0.3 5 3 8
No se puede calcular 𝐵𝐴 porque el número de columnas de 𝐵 no coincide con el

número de filas de 𝐴.
Ejemplo
1 1
3 2 1
𝑃 = (2 1) , 𝑄 = ( )
1 3 −1
3 0
4 5 0
𝑃𝑄 ∈ ℝ3×3 , 𝑃𝑄 = (7 7 1)
9 6 3
10 5
𝑄𝑃 ∈ ℝ2×2 , 𝑄𝑃 = ( )
4 4
O sea que el producto de matrices no es conmutativo.
Propiedades del producto

En lo que sigue entendemos que las operaciones mencionadas pueden
efectuarse.
1) (𝐴𝐵)𝐶 = 𝐴(𝐵𝐶) 𝑎𝑠𝑜𝑐𝑖𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑
6
2) (𝐴 + 𝐵) 𝐶 = 𝐴𝐶 + 𝐵𝐶 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑎 𝑑𝑒𝑟𝑒𝑐ℎ𝑎
𝑃(𝑄 + 𝑅) = 𝑃𝑄 + 𝑃𝑅 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑎 𝑖𝑧𝑞𝑢𝑖𝑒𝑟𝑑𝑎
3) (𝑘𝐴)𝐵 = 𝑘(𝐴𝐵) = 𝐴(𝑘𝐵) , 𝑘 ∈ ℝ
4) 𝑂𝐴 = 𝑂 𝑦 𝐴𝑂 = 𝑂 , siendo 𝑂 la matriz nula
EPL 1
Sean 𝐴 ∈ ℝ𝑚×𝑛 , 𝐵, 𝐶 ∈ ℝ𝑛×𝑝
Analizar la validez de cada una de las siguientes proposiciones:
1) 𝐴𝐵 = 𝑂 ⟹ 𝐴 = 𝑂 ∨ 𝐵 = 𝑂
2) 𝐴𝐵 = 𝐴𝐶 ∧ 𝐴 ≠ 𝑂 ⟹ 𝐵 = 𝐶
EPL 2
Un comercio que vende productos de electrónica, paga una comisión a los
vendedores y tiene un beneficio (ganancia) según cada producto. En una tabla
se registra el precio de venta, el beneficio para el comercio, la comisión para el
vendedor y el costo del producto. Además se tiene información sobre las unidades
vendidas en diferentes sucursales. A continuación mostramos dos tablas que
resumen esa información para el mes de agosto 2013:
Precio de venta, beneficio, costo, comisión por producto [AGOSTO 2013]
LED 32' BA455 LED BX567 Smartphone Tablet 10' Notebook
Costo $ 3.200,00 $ 4.500,00 $ 2.500,00 $ 4.800,00 $ 5.600,00
Comisión $ 200,00 $ 250,00 $ 30,00 $ 40,00 $ 120,00
Beneficio $ 700,00 $ 900,00 $ 200,00 $ 340,00 $ 800,00
Precio de venta $ 4.100,00 $ 5.650,00 $ 2.730,00 $ 5.180,00 $ 6.520,00
Unidades vendidas de cada producto por sucursal [AGOSTO 2013]

Sucursal 1 Sucursal 2 Sucursal 3 Sucursal 4
LED 32' BA455 23 67 43 4
LED BX567 56 20 32 43
Smartphone 10 65 67 65
Tablet 10' 45 3 23 76
Notebook 67 65 43 80
7
Si 𝐴 y 𝐵 son las matrices correspondientes a estas tablas:
a) Calcular e interpretar el producto 𝐴𝐵. ¿Cuál es la sucursal que obtuvo la

máxima ganancia?
b) ¿Se puede calcular 𝐵𝐴? ¿Tiene interpretación práctica 𝐵𝐴?
Nota: hacer el producto de matrices de órdenes grandes puede implicar

demasiado trabajo de cálculo. En estos casos se puede utilizar la ayuda de
calculadoras o de un software. En el siguiente link hay un tutorial para hacer
cálculos entre matrices con wxMaxima.
Tutorial de wxMaxima
Traspuesta de una matriz

La traspuesta de una matriz 𝐴 ∈ ℝ𝑚×𝑛 , que indicamos como 𝐴𝑡 , es la matriz de 𝑛 ×
𝑚 que se obtiene a partir de 𝐴 cambiando las filas por las columnas.
Ejemplo
1 4
1 2 3
Si 𝐴=( ) ∈ ℝ2𝑥3 , entonces su traspuesta es: 𝐴𝑡 = (2 5) ∈ ℝ3𝑥2
4 5 6
3 6
Propiedades de la trasposición
1) (𝐴 + 𝐵)𝑡 = 𝐴𝑡 + 𝐵𝑡
2) (𝑘𝐴)𝑡 = 𝑘𝐴𝑡 , 𝑘 ∈ ℝ
3) (𝐴𝑡 )𝑡 = 𝐴
4) (𝑨𝑩)𝒕 = 𝑩𝒕 𝑨𝒕
Ejemplo
1 1 0
1 2 3
Sean 𝐴=( ) , 𝐵 = (0 1 −1)
4 5 6
1 2 1
Calculemos:
a) (𝐴𝐵)𝑡
b) 𝐴𝑡 𝐵𝑡
c) 𝐵𝑡 𝐴𝑡
Resolución
a) Calculamos 𝐴𝐵 y luego trasponemos:
8
1 1 0
1 2 3 4 9 1
𝐴𝐵 = ( ) (0 1 −1) = ( )
⏟4 5 6 10 21 1
2×3
⏟1 2 1
3×3
4 10
(𝐴𝐵)𝑡 = (9 21)
1 1
b) Trasponemos y luego hacemos el producto:
1 4 1 0 1
𝐴𝑡 𝐵𝑡 = (2 5) (1 1 2) 𝑛𝑜 𝑠𝑒 𝑝𝑢𝑒𝑑𝑒 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟
⏟3 6 ⏟0 −1 1
3×2 3×3
Como no coinciden el número de columnas de 𝐴𝑡 con el número de filas de 𝐵𝑡 , no

se puede hacer el producto.
1 0 1 1 4 4 10
c) 𝐵𝑡 𝐴𝑡 = (1 1 2) (2 5) = (9 21)
0 −1 1 3 6 1 1
En este ejemplo verificamos la propiedad enunciada: (𝐴𝐵)𝑡 = 𝐵𝑡 𝐴𝑡
Matrices cuadradas
Una matriz cuadrada es aquélla que tiene igual número de filas y de columnas.
Denominamos ℝ𝑛𝑥𝑛 al conjunto de matrices cuadradas de orden n (n filas y n
columnas).
La diagonal principal de una matriz cuadrada está formada por los elementos 𝑎𝑖𝑖 .
Matriz identidad
La matriz identidad, que simbolizamos con 𝐼, es una matriz cuadrada con unos en
la diagonal principal y ceros en todos los demás elementos.
1 0
𝐼2 = ( )
0 1
1 0 0
𝐼3 = (0 1 0)
0 0 1
1 0 0 ⋯ 0
‫ۇ‬0 1 0 ⋯ 0‫ۊ‬
𝐼𝑛 = ‫ۈ‬0 0 1 ⋯ 0‫ۋ‬
⋮ ⋮ ⋮ ⋱ ⋮
‫ۉ‬0 0 0 ⋯ 1‫ی‬
Propiedad: La matriz identidad es el elemento neutro para el producto de matrices

cuadradas. Se comporta como el 1 para los números reales.
Lo mostramos para matrices 2 × 2:
9
𝑎 𝑏 1 0 𝑎 𝑏
( )( )=( )
𝑐 𝑑 0 1 𝑐 𝑑
1 0 𝑎 𝑏 𝑎 𝑏
( )( )=( )
0 1 𝑐 𝑑 𝑐 𝑑
𝐴𝐼 =𝐼𝐴=𝐴
Matriz inversa
En el conjunto de los números reales existe el inverso multiplicativo para todo
número real distinto de cero. Dado un número real 𝑎 distinto de cero, 𝑏 es su
inverso multiplicativo si y solo si 𝑎. 𝑏 = 1.
A continuación definiremos el inverso multiplicativo para matrices cuadradas.
Se dice que 𝐴 ∈ ℝ𝑛×𝑛 es inversible si y sólo si existe una matriz 𝐵 ∈ ℝ𝑛×𝑛 tal que:
𝐴𝐵 = 𝐵𝐴 = 𝐼
Ejemplo
Analizar si las siguientes matrices son inversibles:
3 1
𝐴=( )
−3 −1
3 1
𝑃=( )
2 1
¿∃𝐵 ∈ ℝ2×2 | 𝐴𝐵 = 𝐼?
3𝑎 + 𝑐 = 1
3 1 𝑎 𝑏 1 0 3𝑏 + 𝑑 = 0
( )( )=( )⇒ {
−3 −1 𝑐 𝑑 0 1 −3𝑎 − 𝑐 = 0
−3𝑏 − 𝑑 = 1
⇒ 1 = 0 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝑖𝑛𝑐𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒
Como llegamos a una contradicción, la matriz 𝐴 no es inversible.
Observación: el único número real no inversible es el cero; pero en ℝ𝑛×𝑛 vemos

que existen matrices no nulas que no tienen inversa.
Con la matriz 𝑃:
¿∃ 𝑄 ∈ ℝ2×2 | 𝑃𝑄 = 𝐼?
3𝑎 + 𝑐 = 1
3 1 𝑎 𝑏 1 0 3𝑏 + 𝑑 = 0
( )( )=( ) ⇒ { ⇒ 𝑎 = 1 , 𝑏 = −1 , 𝑐 = −2 , 𝑑 = 3
2 1 𝑐 𝑑 0 1 2𝑎 + 𝑐 = 0
2𝑏 + 𝑑 = 1
10
1 −1
𝑄=( )
−2 3
Les proponemos verificar que 𝑄𝑃 = 𝐼.
Entonces 𝑃 es inversible, y 𝑄 se denomina inversa de 𝑃.
La notación es:
𝑄 = 𝑃−1
Entonces:
𝑃𝑃−1 = 𝑃−1𝑃 = 𝐼
Más adelante analizaremos qué condición debe cumplir una matriz para ser
inversible.
Observación: Sean 𝐴, 𝐵 ∈ ℝ𝑛×𝑛 entonces:
𝐴𝐵 = 𝐼 ⇔ 𝐵𝐴 = 𝐼 [1]
O sea: para matrices cuadradas, si encontramos 𝐵 tal que 𝐴𝐵 = 𝐼 , podemos

afirmar que 𝐵 es la inversa de 𝐴.
Propiedades de la inversión de matrices

Sean 𝐴, 𝐵 ∈ ℝ𝑛𝑥𝑛 inversibles
Entonces:
1) 𝐴𝐵 es inversible y su inversa es: (𝐴𝐵)−1 = 𝐵−1 𝐴−1
Esto significa que la inversa de 𝐴𝐵 es 𝐵−1 𝐴−1 .
Para demostrar esta propiedad, veamos que: (𝐴𝐵)(𝐵−1 𝐴−1 ) = 𝐼
Como el producto de matrices es asociativo, resulta:
(𝐴𝐵)(𝐵−1 𝐴−1 ) = 𝐴 (𝐵𝐵−1 ) 𝐴−1 = 𝐴 𝐼 𝐴−1 = 𝐴 𝐴−1 = 𝐼
El lector puede comprobar que: (𝐵−1 𝐴−1 ) (𝐴𝐵) = 𝐼
Hemos demostrado que el producto de matrices inversibles es inversible. ¿Ocurre

lo mismo con la suma de matrices inversibles?
1
2) (𝑘𝐴)−1 = 𝑘 𝐴−1 (𝑘 ≠ 0)
3) (𝐴𝑡 )−1 = (𝐴−1 )𝑡
Dejamos las demostraciones a cargo del lector.
Potencias de una matriz cuadrada

Sea 𝐴 ∈ ℝ𝑛×𝑛 . Es posible definir potencias de 𝐴 como sigue:
11
𝐴2 = 𝐴 𝐴
𝐴3 = 𝐴 𝐴 𝐴
𝐴𝑘 = ⏟
𝐴𝐴 … 𝐴 , 𝑘 ∈ℕ
𝑘 𝑣𝑒𝑐𝑒𝑠
Ejemplo
1 2
𝐴=( )
3 4
1 2 1 2 7 10
𝐴2 = 𝐴 𝐴 = ( )( )=( )
3 4 3 4 15 22
EPL1 3
En una ciudad hay tres empresas de telefonía celular (A, B y C) que controlan el
mercado.
Inicialmente cada empresa tiene una fracción de la clientela que denominaremos

𝑎0 , 𝑏0 y 𝑐0 .
Entonces resulta: 𝑎0 + 𝑏0 + 𝑐0 = 1 (no hay otras empresas)
15% 10%
10% 15%
10%
𝐵 𝐶
5%
La figura resume el porcentaje de clientes que cambian de empresa durante un

período de seis meses.
Este modelo matemático se basa en los siguientes supuestos:
1 Adaptado de Kozak, Ana María y otros, Nociones de Geometría Analítica y Álgebra

Lineal, p. 356
12
- El porcentaje de cambio entre las empresas se mantiene constante con el

tiempo.
- Los clientes seguirán siendo consumidores de una de estas tres empresas.
- No se incorporan nuevos clientes al sistema.
𝑎0 𝑎1
Llamemos 𝑋0 = ( 0 ) al vector de estado inicial, y 𝑋1 = (𝑏1 ) al vector que
𝑏
𝑐0 𝑐1
indica la fracción de la clientela que corresponde a cada empresa al cabo de un
semestre.
Veamos cómo puede obtenerse 𝑋1 a partir de 𝑋0 .
De acuerdo con la figura, podemos deducir que al cabo de un período (semestre)

la empresa A conservará 70% de su clientela propia.
¿Qué porcentaje de su clientela conservarán las empresas B y C al cabo de un

semestre?
Según los datos, finalizado el 1º semestre la fracción de la clientela que tiene A

puede obtenerse así:
0,70 𝑎0 + 0,10 𝑏0 + 0,10 𝑐0 = 𝑎1
¿Qué ecuaciones permiten obtener 𝑏1 y 𝑐1 ?
Resulta entonces el siguiente sistema:
0,70𝑎0 + 0,10𝑏0 + 0,10𝑐0 = 𝑎1

{0,15𝑎0 + 0,85𝑏0 + 0,10𝑐0 = 𝑏1
0,15𝑎0 + 0,05𝑏0 + 0,80𝑐0 = 𝑐1
El lector puede comprobar que este sistema puede expresarse mediante un

producto de matrices como sigue:
0,70 0,10 0,10 𝑎0 𝑎1

(0,15 0,85 0,10) ( 0 ) = (𝑏1 )
𝑏
0,15 0,05 0,80 𝑐0 𝑐1
O sea:
𝑀𝑋0 = 𝑋1 [1]
La matriz 𝑀 ∈ ℝ3𝑥3 , que caracteriza la evolución del sistema, se denomina matriz

de transición.
¿Qué características presenta esta matriz de transición?
1) Todos sus elementos son números reales comprendidos entre 0 y 1.
13
2) La suma de los elementos de cada columna es 1.
Las matrices cuadradas que cumplen estas dos condiciones se denominan

matrices estocásticas o matrices de probabilidad.
Como la matriz de transición se mantiene para el 2º período, la fracción de

clientes para el tiempo 𝑡 = 2 puede calcularse como:
𝑀𝑋1 = 𝑋2 [2]
De [1] y [2] se deduce que: 𝑋2 = 𝑀2 𝑋0
Si los porcentajes de cambio de clientela no cambian en los períodos siguientes,

entonces 𝑀 no cambia cuando se pasa del estado (𝑛 − 1) al estado 𝑛.
Por lo tanto: 𝑀 𝑀 … 𝑀 𝑋0 = 𝑀𝑛 𝑋0
𝑋𝑛 = 𝑀𝑋𝑛−1 = ⏟
𝑛 𝑣𝑒𝑐𝑒𝑠
O sea, para obtener cómo se distribuyen los clientes luego de 𝑛 períodos,

podemos proceder así:
𝑋𝑛 = 𝑀𝑛 𝑋0
Suponiendo que inicialmente las tres empresas se reparten por partes iguales la
clientela, les pedimos que calculen (UTILIZANDO WXMAXIMA - LINK) cómo resulta la
distribución de clientes:
1. Al cabo de 3 años.
2. Al cabo de 10 años
3. Al cabo de 15 años
Observen luego de hacer los cálculos que en la medida en que el tiempo pasa,
las cuotas de mercado de las empresas tienden a estabilizarse.
4. Responder las mismas preguntas suponiendo que inicialmente las cuotas de

mercado de las empresas A, B y C son respectivamente: 0,5 , 0,35 y 0,15.
5. ¿Se produce el mismo fenómeno de estabilización en este caso?
Matrices cuadradas especiales

Matriz simétrica
𝑨 ∈ ℝ𝒏×𝒏 es simétrica si y sólo si 𝑨 = 𝑨𝒕
O sea:
𝑎𝑖𝑗 = 𝑎𝑗𝑖
Las condiciones para que una matriz de orden tres sea simétrica son:
𝑎21 = 𝑎12
{𝑎31 = 𝑎13
𝑎32 = 𝑎23
14
Entonces la forma de una matriz simétrica de orden tres es:
𝑎 𝑏 𝑐
𝐴 = (𝑏 𝑑 𝑒)
𝑐 𝑒 𝑓
Por ejemplo
2 3 1
𝐴 = (3 0 5) = 𝐴𝑡
1 5 1
Matrices antisimétricas
𝑨 ∈ ℝ𝒏×𝒏 es antisimétrica si y sólo si 𝑨 = −𝑨𝒕
O sea:
𝑎𝑖𝑗 = −𝑎𝑗𝑖
Veamos qué pasa con los elementos de la diagonal principal.
Si 𝑖 = 𝑗 debería ser 𝑎𝑖𝑖 = −𝑎𝑖𝑖 , pero el único número que es el opuesto de sí mismo
es el cero. Por lo tanto, la diagonal principal está formada por ceros.
Las condiciones para que una matriz de orden tres sea antisimétrica son:
𝑎11 = 𝑎22 = 𝑎33 = 0

𝑎21 = −𝑎12
{
𝑎31 = −𝑎13
𝑎32 = −𝑎23
Entonces la forma de una matriz antisimétrica de orden tres es:
𝟎 𝑎 𝑏
𝐴 = (−𝑎 𝟎 𝑐)
−𝑏 −𝑐 𝟎
0 −3 4
Por ejemplo 𝐴=( 3 0 0) = −𝐴𝑡
−4 0 0
EPL 4
Sea 𝐴 ∈ ℝ𝑛×𝑛
1. Probar que 𝐴 + 𝐴𝑡 es simétrica

2. Probar que 𝐴 − 𝐴𝑡 es antisimétrica
Observemos que:
1 1
𝐴 = (𝐴 + 𝐴𝑡 ) + (𝐴 − 𝐴𝑡 )
⏟
2 ⏟
2
𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎 𝑎𝑛𝑡𝑖𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎
15
Entonces: toda matriz cuadrada puede expresarse como la suma de una simétrica
y una antisimétrica.
3 −4
¿Cómo se expresa 𝐴 = ( ) como suma de una matriz simétrica y una
8 2
antisimétrica?
Matrices triangulares
𝐴 ∈ ℝ𝑛×𝑛 es una matriz triangular superior cuando los elementos debajo de la
diagonal principal son ceros:
𝑎 𝑏 𝑐
𝐴 = (0 𝑑 𝑒)
0 0 𝑓
Si 𝑖 > 𝑗 ⇒ 𝑎𝑖𝑗 = 0
𝐵 ∈ ℝ𝑛×𝑛 es una matriz triangular inferior cuando los elementos por encima de la
diagonal principal son ceros:
𝑎 0 0
𝐵 = (𝑏 𝑐 0)
𝑑 𝑒 𝑓
Si 𝑖 < 𝑗 ⇒ 𝑎𝑖𝑗 = 0
Matrices diagonales
Una matriz 𝐷 es diagonal si es triangular superior e inferior:
𝐷 ∈ ℝ𝑛×𝑛 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙 ⇔ 𝑎𝑖𝑗 = 0 ∀𝑖 ≠ 𝑗
La forma de una matriz diagonal de orden tres es:
𝑎 0 0
𝐷 = (0 𝑏 0)
0 0 𝑐
Veamos qué característica especial presentan las potencias de una matriz

diagonal:
𝑎 0 0 𝑎 0 0 𝑎2 0 0
2
𝐷 = 𝐷. 𝐷 = (0 𝑏 0) . ( 0 𝑏 0) = ( 0 𝑏2 0)
0 0 𝑐 0 0 𝑐 0 0 𝑐2
𝑎2 0 0 𝑎 0 0 𝑎3 0 0
3
𝐷 = 𝐷. 𝐷. 𝐷 = ( 0 𝑏2 0 ) . (0 𝑏 0) = ( 0 𝑏3 0)
0 0 𝑐2 0 0 𝑐 0 0 𝑐3
En general:
𝑎𝑘 0 0
𝑘
𝐷 =(0 𝑏𝑘 0) , 𝑘∈ℕ
0 0 𝑐𝑘
16
Matrices escalares
Una matriz escalar es una matriz diagonal en la cual todos los elementos de la
diagonal principal son iguales.
Las matrices escalares de orden 3 tienen esta forma:
𝑘 0 0
𝐸 = (0 𝑘 0) , 𝑘 ∈ ℝ
0 0 𝑘
𝐸 ∈ ℝ𝑛×𝑛 𝑒𝑠 𝑒𝑠𝑐𝑎𝑙𝑎𝑟 ⇔ 𝐸 = 𝑘𝐼 , 𝑘 ∈ ℝ
Matrices ortogonales
Una matriz cuadrada es ortogonal cuando su traspuesta coincide con su inversa:
𝐴 ∈ ℝ𝑛×𝑛 𝑒𝑠 𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙 ⇔ 𝐴𝑡 = 𝐴−1 ⇔ 𝐴𝐴𝑡 = 𝐼 ∧ 𝐴𝑡 𝐴 = 𝐼
Por ejemplo las siguientes matrices son ortogonales:
1 1 1 3
−
‫√ۇ‬2 √2‫ۊ‬ ‫√ۇ‬10 √10 ‫ۊ‬
𝐴=‫ۈ‬ , 𝐵=‫ۈ‬
1 1 ‫ۋ‬ 3 1 ‫ۋ‬
−
‫√ۉ‬2 √2 ‫ی‬ ‫√ۉ‬10 √10‫ی‬
Dejamos a cargo del lector verificar que las matrices cumplen la definición.
Observemos que las columnas de 𝐴 y de 𝐵 son vectores ortogonales y de módulo

1. Ésta es la característica que distingue a las matrices ortogonales.
Determinantes
Vimos previamente que no todas las matrices son inversibles.
¿Cómo podemos saber si una matriz tiene inversa?
El determinante de una matriz proporciona información para responder a esta

pregunta.
En la unidad 1, cuando vimos producto vectorial y mixto, habíamos definido

determinantes de orden 2 y de orden 3. Recordamos aquí las fórmulas
presentadas:
A cada matriz cuadrada puede asignársele un número real que llamaremos su

determinante y designaremos como 𝑑𝑒𝑡(𝐴) o |𝐴| . Para matrices 2𝑥2 y 3𝑥3 el
determinante se calcula como sigue:
𝑎11 𝑎12 𝑎11 𝑎12
𝐴 = (𝑎
21 𝑎22 ) ⇒ |𝐴| = |𝑎21 𝑎22 | = 𝑎11 𝑎22 − 𝑎12 𝑎21
17
𝑎11 𝑎12 𝑎13

𝑎 𝑎23 𝑎21 𝑎23 𝑎21 𝑎22
𝐴 = (𝑎21 𝑎22 𝑎23 ) ⇒ |𝐴| = 𝑎11 | 22
𝑎32 𝑎33 | − 𝑎12 |𝑎31 𝑎33 | + 𝑎13 |𝑎31 𝑎32 |
𝑎31 𝑎32 𝑎33
Observación: El determinante no está definido para matrices rectangulares.
Ejemplo
3 −1 −1
El determinante de 𝐴 = (2 1 0 ) es:
3 1 2
1 0 2 0 2 1
det(𝐴) = 3. | | − (−1). | | + (−1). | |
1 2 3 2 3 1
det(𝐴) = 3.2 − (−1). 4 + (−1). (−1)
det(𝐴) = 11
La regla de Sarrus es una forma práctica de calcular determinantes, sólo aplicable

para matrices de 3 × 3.
Consideremos el siguiente esquema en el cual agregamos al final de una matriz

de 3 × 3 las filas 1 y 2. El determinante se calcula sumando los productos indicados
por las flechas que que van de izquierda a derecha y restando los productos
indicados por las flechas que van de derecha a izquierda:
𝑎11 𝑎12 𝑎13

𝑎21 𝑎22 𝑎23
|𝐴| = 𝑎31 𝑎32 𝑎33
𝑎11 𝑎12 𝑎13
𝑎21 𝑎22 𝑎23
= 𝑎11 𝑎22 𝑎33 + 𝑎21 𝑎32 𝑎13 + 𝑎31 𝑎12 𝑎23 − 𝑎13 𝑎22 𝑎31 − 𝑎23 𝑎32 𝑎11 − 𝑎33 𝑎12 𝑎21
Para la matriz considerada en el ejemplo anterior:
3 −1 −1
2 1 0
|𝐴| = 3 1 2 = 3.1.2 + 2.1. (−1) + 3. (−1). 0 − (−1). 1.3 − 0.1.3 − 2. (−1). 2 = 11
3 −1 −1
2 1 0
Desarrollo de un determinante por

cofactores
Dada 𝐴 ∈ ℝ𝑛𝑥𝑛 , se denomina menor 𝑀𝑖𝑗 a la submatriz de (𝑛 − 1) × (𝑛 − 1) que se
obtiene a partir de 𝐴 eliminando la fila 𝑖 y la columna 𝑗.
Se denomina cofactor 𝐶𝑖𝑗 del elemento 𝑎𝑖𝑗 al producto de (−1)𝑖+𝑗 por el

determinante de la matriz menor 𝑀𝑖𝑗 :
18
𝐶𝑖𝑗 = (−1)𝑖+𝑗 det(𝑀𝑖𝑗 )
Por ejemplo para la matriz
3 1 4
𝐴 = (−1 2 1)
3 2 1
Las matrices menores y los cofactores de la primera fila son:
2 1 2 1
𝑀11 = ( ) ⟹ 𝐶11 = (−1)1+1 | |=0
2 1 2 1
−1 1 −1 1
𝑀12 = ( ) ⟹ 𝐶12 = (−1)1+2 | | = −1. (−4) = 4
3 1 3 1
−1 2 −1 2
𝑀13 = ( ) ⟹ 𝐶13 = (−1)1+3 | | = 1. (−8) = −8
3 2 3 2
Observación:
1 𝑠𝑖 𝑖 + 𝑗 𝑒𝑠 𝑝𝑎𝑟
(−1)𝑖+𝑗 = {
−1 𝑠𝑖 𝑖 + 𝑗 𝑒𝑠 𝑖𝑚𝑝𝑎𝑟
Con estas definiciones previas, estamos en condiciones de enunciar el desarrollo

de un determinante de orden 𝑛.
El determinante de una matriz puede calcularse utilizando los cofactores de

cualquier fila o cualquier columna.
Desarrollo por fila 𝒊:

𝑛
det(𝐴) = 𝑎𝑖1 𝐶𝑖1 + 𝑎𝑖2 𝐶𝑖2 + ⋯ + 𝑎𝑖𝑛 𝐶𝑖𝑛 = ∑ 𝑎𝑖𝑗 𝐶𝑖𝑗

𝑗=1
Este cálculo se puede hacer tomando cualquiera de las filas de 𝐴, o sea: 𝑖 =

1, 2, … , 𝑛
Desarrollo por columna 𝒋:

𝑛
det(𝐴) = 𝑎1𝑗 𝐶1𝑗 + 𝑎2𝑗 𝐶2𝑗 + ⋯ + 𝑎𝑛𝑗 𝐶𝑛𝑗 = ∑ 𝑎𝑖𝑗 𝐶𝑖𝑗 , 𝑗 = 1, 2, … , 𝑛

𝑖=1
Ejemplo
Retomemos la matriz del ejemplo anterior:
3 1 4
𝐴 = (−1 2 1)
3 2 1
El desarrollo del determinante por fila 1 es:
det(𝐴) = 𝑎11 𝐶11 + 𝑎12 𝐶12 + 𝑎13 𝐶13
19
Reemplazando los cofactores calculados previamente, resulta:
det(𝐴) = 3.0 + 1.4 + 4. (−8) = −28
Veamos que si desarrollamos el determinante por la columna 3 obtenemos el

mismo resultado:
det(𝐴) = 𝑎13 𝐶13 + 𝑎23 𝐶23 + 𝑎33 𝐶33
−1 2
𝐶13 = (−1)1+3 | | = −8
3 2
3 1
𝐶23 = (−1)2+3 | | = −3
3 2
3 1
𝐶33 = (−1)3+3 | |=7
−1 2
det(𝐴) = 4. (−8) + 1. (−3) + 1.7 = −28
El lector puede comprobar que el determinante no varía si se desarrolla por otra

fila o columna.
Ejemplo
Calculemos el determinante de la siguiente matriz:
2 1 0 −1
0 −1 0 3
𝐴=( )
−2 1 1 −2
3 2 0 1
Observemos que resulta económico desarrollar el determinante por la tercera

columna:
det(𝐴) = ⏟
0. 𝐶13 + ⏟
0. 𝐶23 + 1. 𝐶33 + ⏟
0. 𝐶43 = 𝐶33
0 0 0
Calculemos el cofactor 𝐶33:
2 1 −1
𝐶33 = (−1)3+3 |0 −1 3 |
3 2 1
Para el cálculo del determinante de esta matriz de 3 × 3 es conveniente usar la

primera columna:
−1 3 1 −1
𝐶33 = 2. (−1)1+1 | | + 3. (−1)3+1 | |
2 1 −1 3
𝐶33 = −14 + 6 = −8
Este ejemplo muestra que para simplificar los cálculos, en general es conveniente
desarrollar el determinante por la fila o columna que tenga mayor cantidad de
ceros.
20
Determinante de una matiz triangular

Si 𝐴 ∈ ℝ3×3 es triangular:
𝑎11 𝑎12 𝑎13

𝐴=( 0 𝑎22 𝑎23 )
0 0 𝑎33
¿Cuál es la expresión de su determinante?
Podemos calcular el determinante de 𝐴 por la primera columna:
𝑎22 𝑎23
det(𝐴) = 𝑎11 | 0 𝑎33 | = 𝑎11 𝑎22 𝑎33
Hemos llegado a la siguiente conclusión: si 𝐴 ∈ ℝ3×3 es triangular, su determinante

es el producto de los elementos de la diagonal principal.
Esto se puede generalizar para matrices de cualquier orden: si 𝐴 ∈ ℝ𝑛×𝑛 es

triangular, su determinante es el producto de los elementos de la diagonal
principal.
𝐴 ∈ ℝ𝑛×𝑛 𝑡𝑟𝑖𝑎𝑛𝑔𝑢𝑙𝑎𝑟 ⇒ det(𝐴) = 𝑎11 . 𝑎22 … . 𝑎𝑛𝑛
Teniendo en cuenta que la matriz identidad es triangular, se deduce que:
det(𝐼) = 1
Propiedades de los determinantes

En general (es decir, a menos que la matriz sea triangular o tenga alguna otra
cualidad especial), el cálculo de determinantes por medio del desarrollo por
cofactores no es eficiente por el número de operaciones que implica cuando se
trabaja con matrices grandes.
A continuación veremos una serie de propiedades que facilitan el cálculo de

determinantes.
Sea 𝐴 ∈ ℝ𝑛×𝑛 . En lo que sigue utilizaremos la notación:
𝐴 = (𝐴1 𝐴2 … 𝐴𝑛 )
donde 𝐴𝑗 representa la columna 𝑗 de la matriz 𝐴.
Propiedad 1
Como un determinante puede desarrollarse por cofactores tomando cualquier fila
o columna de la matriz, se deduce que:
det(𝐴) = det(𝐴𝑡 )
Por lo tanto, todas las propiedades que enunciemos para las columnas de una
matriz son válidas para sus filas.
21
Propiedad 2
Si 𝐵 es la matriz que se obtiene multiplicando una columna de A por un escalar
𝑘 ∈ ℝ, 𝑑𝑒𝑡(𝐵) = 𝑘 𝑑𝑒𝑡(𝐴). O sea:
det(𝐴1 𝐴2 … 𝑘𝐴𝑗 … 𝐴𝑛 ) = 𝑘 det(𝐴1 𝐴2 … 𝐴𝑗 … 𝐴𝑛 )
Comprobemos la propiedad para una matriz de 2 × 2:
𝑎 𝑏
𝐴=( ) , det(𝐴) = 𝑎𝑑 − 𝑏𝑐
𝑐 𝑑
𝑎 𝑘𝑏
det ( ) = 𝑎𝑘𝑑 − 𝑘𝑏𝑐 = 𝑘(𝑎𝑑 − 𝑏𝑐) = 𝑘 det(𝐴)
𝑐 𝑘𝑑
Propiedad 3
Si una columna de 𝐴 puede expresarse como 𝐴𝑗 = 𝐴′𝑗 + 𝐴𝑗′′ , entonces 𝑑𝑒𝑡(𝐴)
puede descomponerse así:
det(𝐴1 𝐴2 … 𝐴𝑗′ + 𝐴𝑗′′ … 𝐴𝑛 ) = det(𝐴1 𝐴2 … 𝐴𝑗′ … 𝐴𝑛 ) + det(𝐴1 𝐴2 … 𝐴𝑗′′ … 𝐴𝑛 )
Comprobemos para una matriz de 2 × 2:
𝑎 𝑏´ + 𝑏´´
det ( ) = 𝑎 (𝑑 ′ + 𝑑 ′′ ) − 𝑐 (𝑏´ + 𝑏´´)
𝑐 𝑑´ + 𝑑´´
𝑎 𝑏´ 𝑎 𝑏′′
= 𝑎𝑑 ′ + 𝑎𝑑 ′′ − 𝑐𝑏 ′ − 𝑐𝑏′′ = (𝑎𝑑 ′ − 𝑐𝑏´) + (𝑎𝑑 ′′ − 𝑐𝑏′′ ) = det ( ) + det ( )
𝑐 𝑑´ 𝑐 𝑑 ′′
Propiedad 4
Si se permutan dos columnas de A, el determinante cambia de signo:
det(𝐴1 𝐴2 … 𝐴𝑖 … 𝐴𝑗 … 𝐴𝑛 ) = − det(𝐴1 𝐴2 … 𝐴𝑗 … 𝐴𝑖 … 𝐴𝑛 )
Comprobemos para una matriz de 2 × 2:
𝑏 𝑎 𝑎 𝑏
| | = 𝑏𝑐 − 𝑎𝑑 = −(𝑎𝑑 − 𝑏𝑐) = − | |
𝑑 𝑐 𝑐 𝑑
Propiedad 5
Si 𝐴 tiene una columna 𝟎 de ceros, entonces su determinante es cero:
det(𝐴1 … 𝟎 … 𝐴𝑛 ) = 0
Esta propiedad puede deducirse aplicando la propiedad 2:
det(𝐴1 … 𝟎 … 𝐴𝑛 ) = det(𝐴1 … 0𝐴𝑗 … 𝐴𝑛 ) = 0 det(𝐴1 … 𝐴𝑗 … 𝐴𝑛 ) = 0
22
Propiedad 6
Si A tiene dos columnas iguales, entonces su determinante es cero:
𝐴𝑖 = 𝐴𝑗 ⇒ det(𝐴) = 0
Esta propiedad puede deducirse de la propiedad 4 cuando se permutan las

columnas iguales.
Propiedad 7
Si 𝐴𝑗 = 𝑘 𝐴𝑖 (𝑘 ∈ ℝ), entonces el determinante es cero:
det(𝐴1 𝐴2 … 𝐴𝑖 … 𝑘𝐴𝑖 … 𝐴𝑛 ) = 0
Dejamos la demostración a cargo del lector.
Propiedad 8
Si a una columna se le suma un múltiplo de otra, el determinante no varía.
La demostración se basa en algunas de las propiedades anteriores:
det(𝐴1 𝐴2 … 𝐴𝑖 … 𝑨𝒋 + 𝒌𝑨𝒊 … 𝐴𝑛 ) =
= det(𝐴1 𝐴2 … 𝐴𝑖 … 𝐀 𝐣 … 𝐴𝑛 ) + det(𝐴
⏟ 1 𝐴2 … 𝐴𝑖 … 𝒌𝑨𝒊 … 𝐴𝑛 ) = det(𝐴)
=0
La demostración se basa en las propiedades 3 y 7 enunciadas previamente.
Propiedad 9
Si 𝐴 ∈ ℝ𝑛𝑥𝑛 y 𝑘 ∈ ℝ:
det(𝑘𝐴) = 𝑘 𝒏 det(𝐴)
Proponemos al lector que demuestre esta propiedad, teniendo en cuenta la

propiedad 2.
Propiedad 10
El determinante de un producto de matrices cuadradas es igual al producto de
sus determinantes. Si 𝐴, 𝐵 ∈ ℝ𝑛×𝑛 , entonces:
det(𝐴𝐵) = det(𝐴) det(𝐵)
Observación importante: el determinante de la suma de matrices no es igual a la

suma de sus determinantes. Veamos un ejemplo:
1 2 1 −1
𝐴=( ) , 𝐵=( )
3 4 3 2
2 1
𝐴+𝐵 =( )
6 6
23
det(A) = −2 , det(B) = 5 pero det(𝐴 + 𝐵) = 6 ≠ −2 + 5
Entonces:
det(𝐴 + 𝐵) ≠ det(𝐴) + det(𝐵)
Propiedad 11
Si 𝑘 ∈ ℕ, teniendo en cuenta la propiedad anterior se deduce que:
det(𝐴𝑘 ) = det (𝐴
⏟𝐴 … 𝐴) = [det(𝐴)]𝑘
𝑘 𝑣𝑒𝑐𝑒𝑠
det(𝐴𝑘 ) = [det(𝐴)]𝑘 , 𝑘 ∈ ℕ
Ejemplo
Sea la matriz
1 2 3
𝐴 = (2 3 −1)
2 4 6
Calcular el determinante de 𝐴100
Resolución
Obtener 𝐴100 resulta complicado por la cantidad de cálculos que implica.

Podemos usar la propiedad 11 para simplificar los cálculos:
det(𝐴100 ) = [det(𝐴)]100
Y como 𝐹3 = 2𝐹1 , de la propiedad 7 se deduce que det(𝐴) = 0 .
Luego:
det(𝐴100 ) = 0
Ejemplo
Calculemos el determinante de la matriz
−3 2 2 −3
2 0 2 2
𝐴=( )
1 −1 −1 1
1 0 1 1
Como 𝐴1 = 𝐴4 podemos afirmar que det(𝐴) = 0 (propiedad 6).
Ejemplo
1 −2 −1 −1
2 3 −2 5
Calculemos el determinante de la matriz 𝐴=( )
0 1 −3 1
1 1 0 2
Si tenemos en cuenta que 𝐴4 = 𝐴1 + 𝐴2 , aplicando propiedades podemos afirmar

que det(𝐴) = 0 . ¿Por qué?
24
Ejemplo
3
Sea 𝐴 ∈ ℝ3×3 y det(𝐴) = 2, calcular det ( 𝐴3 )
2
Resolución
3 3 3 𝟑 27 27 3
det ( 𝐴 ) = ( ) det(𝐴3 ) = [det(𝐴)]3 = . 2 = 27
2 2 8 8
Donde usamos las propiedades 9 y 11.
Ejemplo
Queremos calcular el determinante de la siguiente matriz de 4 × 4:
1 2 3 4
1 1 0 1
𝐴=( )
2 1 3 −1
3 1 3 0
Aplicamos la propiedad 8 para obtener ceros en la primera columna:
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
1 1 0 1 0 −1 −3 −3 0 −1 −3 −3 0 −1 −3 −3
| |=⏟| |=
⏟| |=
⏟ | |
2 1 3 −1 (1) 2 1 3 −1 (2) 0 −3 −3 −9 (3) 0 −3 −3 −9
3 1 3 0 3 1 3 0 3 1 3 0 0 −5 −6 −12
Donde hemos realizado:
(1): 𝐹2 → 𝐹2 − 𝐹1
(2): 𝐹3 → 𝐹3 − 2𝐹1
(3): 𝐹4 → 𝐹4 − 3𝐹1
Ahora podemos desarrollar el determinante por la primera columna:
−1 −3 −3 1 3 3 1 3 3
⏟ (−1)3 |3 3 9 | =
det(𝐴) = |−3 −3 −9 | = ⏟ − |0 −6 0 | = −18
−5 −6 −12 (4) 5 6 12 (5) 0 −9 −3
(4): 𝑃𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑 9 𝑑𝑒 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡𝑒𝑠
(5): 𝐹2 → 𝐹2 − 3𝐹1 y 𝐹3 → 𝐹3 − 5𝐹1
Observemos que la aplicación de la propiedad 8 nos permitió reducir el cálculo

de un determinante de 4 × 4 a uno de 3 × 3.
EPL 5
Sea 𝐴 ∈ ℝ3×3, 𝐴 = (𝐴1 𝐴2 𝐴3)
Demostrar la siguiente propiedad:
Si 𝐴3 = 𝛼1 𝐴1 + 𝛼2 𝐴2 , 𝛼1 , 𝛼2 ∈ ℝ entonces el determinante de 𝐴 es cero.
25
El determinante de la inversa
Recordemos que una matriz 𝐴 ∈ ℝ𝑛𝑥𝑛 es inversible si existe 𝐵 ∈ ℝ𝑛𝑥𝑛 tal que 𝐴𝐵 = 𝐼 .
Si 𝐴 es inversible, su inversa se indica como 𝐴−1 y se verifica que:
𝐴 𝐴−1 = 𝐼
Aplicando determinantes, resulta:
det(𝐴 𝐴−1 ) = det(𝐼) = 1
Como el determinante es distributivo respecto del producto:
det(𝐴) det(𝐴−1 ) = 1
Entonces:
1
det(𝐴−1) = ( det(𝐴) ≠ 0 )
det(𝐴)
Para que esta fórmula sea válida, el determinante de A debe ser distinto de cero.
Por lo tanto, el determinante permite decidir si una matriz tiene inversa:
𝑨 ∈ ℝ𝒏𝒙𝒏 𝒆𝒔 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒃𝒍𝒆 ⟺ 𝐝𝐞𝐭(𝑨) ≠ 𝟎
3 1
Por ejemplo 𝑀 = ( ) es inversible porque det(𝑀) ≠ 0 .
0 1
3 1
En cambio 𝐴=( ) no es inversible porque det(𝐴) = 0 .
−3 −1
Observación:
Las matrices inversibles también se llaman regulares.
Las matrices no inversibles también se denominan singulares.
Ejemplo
Sea 𝐴 = (𝐴1 𝐴2 𝐴3 ) ∈ ℝ3×3 , det(𝐴) = 𝑘 ≠ 0
𝐵 = (𝐴
⏟2 𝐴1 + 3𝐴3
⏟ 𝐴1 − 𝐴2 )
⏟
𝐵1 𝐵2 𝐵3
Mostrar que 𝐵 es inversible y calcular det(−2𝐴𝑡 𝐵−1)
Resolución
𝐵 𝑒𝑠 𝑖𝑛𝑣𝑒𝑟𝑠𝑖𝑏𝑙𝑒 ⇔ det(𝐵) ≠ 0
det(B) = det(𝐴2 𝐴1 + 3𝐴3 𝐴1 − 𝐴2 )
Usando la propiedad 3:
26
det(𝐴2 𝐴1 𝐴1 ) + det(𝐴2 3𝐴3 𝐴1 ) + ⏟

=⏟ det(𝐴2 𝐴1 − 𝐴2 ) + ⏟
det(𝐴2 3𝐴3 − 𝐴2 )
=0 𝑝𝑜𝑟 𝑝𝑟𝑜𝑝.6 =0 𝑝𝑜𝑟 𝑝𝑟𝑜𝑝.7 =0 𝑝𝑜𝑟 𝑝𝑟𝑜𝑝.7
Luego utilizando propiedades 2 y 4:
det(B) = det(𝐴2 3𝐴3 𝐴1 ) = 3. det(𝐴2 𝐴3 𝐴1 ) = 3. (−1). det(𝐴1 𝐴3 𝐴2 )

= 3. (−1)2 . det(𝐴1 𝐴2 𝐴3 ) = 3𝑘
Cómo 𝑘 ≠ 0, 𝐵 es inversible y su determinante es:
1 1
det(𝐵−1) = =
det(𝐵) 3𝑘
Luego:
1
det(−2𝐴𝑡 𝐵−1 ) = (−2)3 det(𝐴𝑡 ) det(𝐵−1 ) = −8.3𝑘. = −8
3𝑘
EPL 6
Utilizar wxMaxima para calcular el determinante, en función de 𝑘, de la siguiente
matriz:
1 3 1 3
2 3 4 5
𝐴=( )
3 2 𝑘 2
4 𝑘 6 5
Determinar los valores de 𝑘 para los cuales la matriz es inversible.
Sugerencia: para resolver este ejercicio pueden ser útiles los comandos para
calcular el determinante, simplificar una expresión algebraica y hallar las raíces de
un polinomio que se explican en el tutorial de wxMaxima.
Matriz Adjunta
Dada una matriz 𝐴 ∈ ℝ𝑛𝑥𝑛 , se denomina matriz de cofactores de 𝐴 a la matriz que
se obtiene reemplazando cada elemento de 𝐴 por su respectivo cofactor.
Por ejemplo para una matriz de 3 × 3, su matriz de cofactores es:
𝐶11 𝐶12 𝐶13

𝐶𝑜𝑓(𝐴) = (𝐶21 𝐶22 𝐶23 )
𝐶31 𝐶32 𝐶33
La traspuesta de la matriz de cofactores se denomina adjunta de 𝑨 y se indica

como 𝑨𝒅𝒋(𝑨):
𝐶11 𝐶21 𝐶31

𝑡
𝐴𝑑𝑗(𝐴) = (𝐶𝑜𝑓(𝐴)) = (𝐶12 𝐶22 𝐶32 )
𝐶13 𝐶23 𝐶33
27
Ejemplo
1 2 3
Dada 𝐴 = (4 5 6) , calculemos sus cofactores para obtener la matriz adjunta:
7 8 0
5 6 4 6 4 5
𝐶11 = (−1)1+1 | | = −48 𝐶12 = (−1)1+2 | | = 42 𝐶13 = (−1)1+3 | | = −3
8 0 7 0 7 8
2 3 1 3 1 2
𝐶21 = (−1)2+1 | | = 24 𝐶22 = (−1)2+2 | | = −21 𝐶23 = (−1)2+3 | |=6
8 0 7 0 7 8
2 3 1 3 1 2
𝐶31 = (−1)3+1 | | = −3 𝐶32 = (−1)3+2 | |=6 𝐶33 = (−1)3+3 | | = −3
5 6 4 6 4 5
1 𝑠𝑖 𝑖 + 𝑗 𝑒𝑠 𝑝𝑎𝑟
Observación: Recordemos que (−1)𝑖+𝑗 = {
−1 𝑠𝑖 𝑖 + 𝑗 𝑒𝑠 𝑖𝑚𝑝𝑎𝑟
Esto facilita el cálculo de los cofactores, ya que (−1)𝑖+𝑗 indica un signo + o − de

acuerdo con la posición de cada elemento 𝑎𝑖𝑗 .
Entonces la matriz de los cofactores es:
−48 42 −3
𝐶𝑜𝑓(𝐴) = ( 24 −21 6 )
−3 6 −3
Trasponemos para obtener la adjunta:
−48 24 −3
𝐴𝑑𝑗(𝐴) = ( 42 −21 6 )
−3 6 −3
Si 𝐴 es inversible, veremos que su adjunta proporciona un método para obtener la

inversa.
Obtención de la inversa a través de la

adjunta
Habíamos visto que el determinante permite decidir si una matriz es inversible.
El lector puede comprobar para la matriz del ejemplo anterior que:
det(𝐴) = 27 ⟹ 𝐴 𝑒𝑠 𝑖𝑛𝑣𝑒𝑟𝑠𝑖𝑏𝑙𝑒
Calculemos el producto de la matriz 𝐴 con su adjunta:
1 2 3 −48 24 −3 27 0 0
𝐴 𝐴𝑑𝑗(𝐴) = (4 5 6) ( 42 −21 6 ) = ( 0 27 0 )
7 8 0 −3 6 −3 0 0 27
¿Y si lo calculamos invirtiendo el orden? En general el producto de matrices no es

conmutativo, pero en este caso:
28
−48 24 −3 1 2 3 27 0 0
𝐴𝑑𝑗(𝐴) 𝐴 = ( 42 −21 6 ) . (4 5 6) = ( 0 27 0 )
−3 6 −3 7 8 0 0 0 27
Se cumple que el producto de la matriz por su adjunta (en cualquier orden) da por
resultado una matriz escalar que tiene en su diagonal al determinante de la matriz
𝐴. Esto no es casual sino que se cumple para toda matriz cuadrada.
Si 𝐴 ∈ ℝ𝑛𝑥𝑛 , puede demostrarse que:
𝐴 𝐴𝑑𝑗(𝐴) = det(𝐴) 𝐼 ∧ 𝐴𝑑𝑗(𝐴) 𝐴 = det(𝐴) 𝐼
De esta propiedad puede deducirse que:
1 1
𝐴( 𝐴𝑑𝑗(𝐴)) = 𝐼 ∧ ( 𝐴𝑑𝑗(𝐴)) 𝐴 = 𝐼
det(𝐴) det(𝐴)
Por lo tanto podemos afirmar que 𝒔𝒊 𝐝𝐞𝐭(𝑨) ≠ 𝟎 , la inversa de A es:
1
𝐴−1 = 𝐴𝑑𝑗(𝐴)
det(𝐴)
Retomando el ejemplo anterior,
16 8 1
−−
1 −48 24 −3 ‫ ۇ‬9 9 9‫ۊ‬
14 7 2
𝐴−1 = ( 42 −21 6 ) = ‫ۈ‬ − ‫ۋ‬
27 ‫ ۈ‬9 9 9 ‫ۋ‬
−3 6 −3
1 2 1
‫ ۉ‬−9 9
− ‫ی‬
9
Caso particular: inversa de una matriz de 2x2

𝑎 𝑏
Sea 𝐴 = ( )
𝑐 𝑑
Si 𝐝𝐞𝐭(𝑨) = 𝒂𝒅 − 𝒃𝒄 ≠ 𝟎 , podemos afirmar que A es inversible y calcular su inversa

mediante la matriz adjunta.
Dejamos a cargo del lector comprobar que la matriz adjunta es:
𝑑 −𝑏
𝐴𝑑𝑗(𝐴) = ( )
−𝑐 𝑎
Y por lo tanto, resulta:
1 𝑑 −𝑏
𝐴−1 = ( )
𝑎𝑑 − 𝑏𝑐 −𝑐 𝑎
1 2 1 4 −2 −2 1
Por ejemplo, para 𝐴 = ( ) , 𝑙𝑎 𝑖𝑛𝑣𝑒𝑟𝑠𝑎 𝑒𝑠 𝐴−1 = − 2 ( ) = ( )
3 4 −3 1 3/2 −1/2
29
Matrices y sistemas de
ecuaciones lineales
En la primera unidad habíamos visto que una recta en ℝ3 puede definirse a través
de un sistema de 2 ecuaciones lineales con 3 incógnitas. Por ejemplo:
𝑥+𝑧 =1
𝑟: {
𝑥−𝑦−𝑧 =3
Este sistema puede expresarse de un modo sencillo como un producto de

matrices, como sigue:
𝑥
1 0 1 1
( ) (𝑦) = ( )
1 −1 −1 𝑧 3
1 0 1
Donde 𝐴 = ( ) ∈ ℝ2×3 es la matriz de coeficientes del sistema.
1 −1 −1
Generalizando, dado un sistema de 𝑚 ecuaciones lineales con 𝑛 incógnitas:
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
…
…
…
{𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚
dicho sistema puede ser expresado mediante un producto de matrices:
𝑎11 𝑎12 … 𝑎1𝑛 𝑥1 𝑏1

𝑎21 𝑎22 … 𝑎2𝑛 𝑥2 𝑏2
( ⋮ ⋮ ⋱ ⋮ ) ( ⋮ )=( ⋮ )
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 𝑥𝑛 𝑏𝑚
𝑎11 𝑎12 … 𝑎1𝑛

𝑎21 𝑎22 … 𝑎2𝑛
siendo 𝐴 = ( ⋮ ⋮ ⋱ ⋮ )∈ℝ
mxn
la matriz de coeficientes del sistema,
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛
𝑥1 𝑏1
𝑥2 𝑏2
𝑋=( ⋮ )∈ℝ nx1
la matriz columna de las incógnitas, y 𝐵 = ( ) ∈ ℝmx1 la
⋮
𝑥𝑛 𝑏𝑚
columna de los términos independientes.
Por lo tanto, la expresión matricial de un sistema de ecuaciones lineales es:
𝐴𝑋 = 𝐵
Si 𝐵 = 𝑂 , el sistema se llama homogéneo.
30
Repaso de SCD, SCI Y SI

Como habían estudiado en el Seminario de Ingreso, los sistemas de ecuaciones
lineales pueden tener una única solución (sistema compatible determinado),
infinitas soluciones (sistema compatible indeterminado), o bien pueden no admitir
solución (sistema incompatible).
Los sistemas homogéneos siempre son compatibles porque admiten al menos la

solución trivial 𝑋 = 𝑂 .
Sistemas de ecuaciones lineales y

determinantes
Consideremos el caso particular de los “sistemas cuadrados” (𝑛 ecuaciones con 𝑛
incógnitas), cuya matriz de coeficientes es de 𝑛𝑥𝑛. Su expresión matricial es:
𝐴
⏟ . 𝑋
⏟ = 𝐵
⏟
𝑛×𝑛 𝑛×1 𝑛×1
Si det(𝐴) ≠ 0, 𝐴 es inversible. Multiplicando ambos miembros por 𝐴−1 se obtiene:
𝐴−1 𝐴 𝑋 = 𝐴−1 𝐵
⇒ 𝑋 = 𝐴−1 𝐵
Como la inversa de una matriz es única, entonces el sistema tiene una única
solución 𝑋 = 𝐴−1𝐵.
En conclusión, dado un sistema de ecuaciones lineales 𝐴𝑋 = 𝐵, con 𝐴 ∈ ℝ𝑛×𝑛 :
det(𝐴) ≠ 0 ⟹ 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑐𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜
Ejemplo
Exprese el siguiente sistema de ecuaciones lineales como una ecuación matricial
de la forma 𝐴𝑋 = 𝐵:
−𝑥1 + 2𝑥3 = 1
{ 𝑥1 − 𝑥2 = −2
𝑥2 + 𝑥3 = −1
Resolución
El sistema lo podemos expresar como:
−1 0 2 𝑥1 1
( 1 −1 0) (𝑥2 ) = (−2)
0 1 1 𝑥3 −1
Calculemos el determinante de 𝐴 por la fila 3:
0 2 −1 2 −1 0
det(𝐴) = 0. (−1)3+1 | | + 1. (−1)3+2 | | + 1. (−1)3+3 | |= 2+1 = 3
−1 0 1 0 1 −1
31
Como el determinante de 𝐴 es distinto de 0, podemos hallar 𝐴−1:
1 2 2
−
1 −1 −1 1 𝑇 1 −1 2 2 ‫ ۇ‬3 3 3‫ۊ‬
1 1 2
𝐴−1 = ( 2 −1 1) = (−1 −1 2) = ‫ۈ‬− − ‫ۋ‬
det(𝐴) 3 ‫ ۈ‬3 3 3‫ۋ‬
2 2 1 1 1 1
1 1 1
‫ ۉ‬3 3 3‫ی‬
Como vimos previamente, la solución será:
𝑋 = 𝐴−1 𝐵
1 2 2 7
− −
‫ ۇ‬3 3 3‫ ۊ‬1 ‫ ۇ‬3‫ۊ‬
1 1 2 1
𝑋 = ‫ۈ‬− − ‫( ۋ‬−2) = ‫ۈ‬− ‫ۋ‬
‫ ۈ‬3 3 3‫ۋ‬ ‫ ۈ‬3‫ۋ‬
1 1 1 −1 2
‫ ۉ‬3 ‫ی‬ ‫ۉ‬ − ‫ی‬
3 3 3
Ejemplo
Consideremos el siguiente sistema:
𝑥 + 2𝑦 − 𝑧 = 1
{−𝑥 + 𝑦 + 2𝑧 = 3
𝑥 + 5𝑦 = 5
¿Qué representa geométricamente cada ecuación? Un plano.
¿Qué representa geométricamente la solución del sistema de ecuaciones? La

intersección entre tres planos.
¿Cómo puede ser la intersección entre dos planos? Y entonces, ¿cómo es

esperable que sea la intersección entre tres planos?
1 2 −1 𝑥 1
(−1 1 2 ) (𝑦) = (3)
1 5 0 𝑧 5
Como det(𝐴) = 0 , no podemos resolver el sistema mediante la matriz inversa. El

sistema no es compatible determinado. Pero…. ¿podemos afirmar que no tiene
solución?
Podría ocurrir que el sistema tuviera infinitas soluciones o que fuera incompatible.
Para analizar esas alternativas utilizaremos el método de eliminación de Gauss.
Recordemos que las operaciones elementales entre filas son:
 Multiplicar una fila por un número diferente de cero

 Permutar filas
 Sumarle a una fila un múltiplo de otra
32
Estas operaciones transforman un sistema en otro equivalente que tiene el mismo

conjunto solución:
1 2 −1 𝟏 1 2 −1 𝟏
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
(−1 1 2 𝟑) 𝐹 3 → 𝐹3 − 𝐹1 (−1 1 2 𝟑)
1 5 0 𝟓 0 3 1 𝟒
1 2 −1 𝟏 1 2 −1 𝟏
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐹 2 → 𝐹 2 + 𝐹 1 (0 3 1 𝟒 ) ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐹 3 → 𝐹 3 − 𝐹 (
2 0 3 1 𝟒)
0 3 1 𝟒 0 0 0 𝟎
Entonces un sistema de ecuaciones equivalente (tiene el mismo conjunto solución)

y simplificado es:
𝑥 + 2𝑦 − 𝑧 = 1 𝑥 = 1 + 𝑧 − 2𝑦 𝑥 = 1 + 4 − 3𝑦 − 2𝑦 = 5 − 5𝑦
{ ⇒{ ⇒{
3𝑦 + 𝑧 = 4 𝑧 = 4 − 3𝑦 𝑧 = 4 − 3𝑦
𝑥 = 5 − 5𝑦
⇒{
𝑧 = 4 − 3𝑦
Entonces la solución es:
𝑆 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 | 𝑥 = 5 − 5𝑦 , 𝑧 = 4 − 3𝑦} = {(5 − 5𝑦, 𝑦, 4 − 3𝑦) ∈ ℝ3 | 𝑦 ∈ ℝ}
(5 − 5𝑦, 𝑦, 4 − 3𝑦) = (5,0,4) + (−5𝑦, 𝑦, −3𝑦) = (5,0,4) + 𝑦(−5,1, −3)
Si llamamos 𝑦 = 𝜆 , resulta:
(𝑥, 𝑦, 𝑧) = (−5,0,4 ) + 𝜆(−5,1, −3) , 𝜆 ∈ ℝ
Como el conjunto solución es una recta, podemos concluir que los tres planos
pasan por la misma recta, o sea pertenecen al mismo haz de planos.
Ejemplo
Dado un sistema tal que det(𝐴) = 0 , ¿podemos afirmar que admite infinitas
soluciones?
Veamos el siguiente ejemplo en el cual la matriz de los coeficientes es la misma

que en el ejemplo anterior:
𝑥 + 2𝑦 − 𝑧 = 1
{−𝑥 + 𝑦 + 2𝑧 = 3
𝑥 + 5𝑦 = 0
Resolvamos con el método de Gauss:
1 2 −1 𝟏 1 2 −1 𝟏
(−1 1 2 𝟑) ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐹3 → 𝐹3 − 𝐹1 (−1 1 2 𝟑)
1 5 0 𝟎 0 3 1 −𝟏
1 2 −1 𝟏 1 2 −1 𝟏
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐹2 → 𝐹2 + 𝐹1 (0 3 1 𝟒 ) ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐹3 → 𝐹3 − 𝐹2 (0 3 1 𝟒)
0 3 1 −𝟏 0 0 0 −𝟓
33
La lectura de la tercera fila implica que 0 = −5. Este absurdo significa que el
sistema de ecuaciones no tiene solución.
En los ejemplos anteriores observamos que si el determinante de la matriz de

coeficientes es igual a cero, el sistema puede ser compatible indeterminado o
incompatible.
Caso particular: Sistemas cuadrados homogéneos

Recordemos que todo sistema homogéneo es compatible porque admite al
menos la solución trivial 𝑋 = 𝑂 . En este caso, el determinante permite clasificar el
sistema.
Dado un sistema homogéneo 𝐴𝑋 = 𝑂 , 𝑐𝑜𝑛 𝐴 ∈ ℝ𝑛𝑥𝑛, puede afirmarse que:
det(𝐴) ≠ 0 ⇒ 𝑆𝐶𝐷
det(𝐴) = 0 ⇒ 𝑆𝐶𝐼
Resumen: Clasificación de un sistema 𝑛 × 𝑛 por

determinantes.
Dado un sistema de ecuaciones lineales 𝐴𝑋 = 𝐵 , con 𝐴 ∈ ℝ𝑛×𝑛 :
det(𝐴) ≠ 0 𝑆𝐶𝐷
𝐵≠0 𝑆𝐶𝐼
det(𝐴) = 0
𝑆𝐼
Si el sistema de ecuaciones lineales es homogéneo:
det(𝐴) ≠ 0 𝑆𝐶𝐷
𝐵=0
det(𝐴) = 0 𝑆𝐶𝐼
34
Ejemplo
1 1 0 2
Dadas 𝐴 = (0 2 3𝑘 ) 𝑦 𝐵 = (2) , hallar todos los valores de k para los cuales:
3 𝑘 −3 4
a) el sistema 𝐴𝑋 = 𝑂 admite infinitas soluciones;
b) el sistema 𝐴𝑋 = 𝐵 admite infinitas soluciones.
Resolución
a) Como el sistema es homogéneo, det(𝐴) = 0 ⟹ 𝑆𝐶𝐼
det(𝐴) = −3𝑘 2 + 9𝑘 − 6 = 0 ⟺ 𝑘 = 1 ∨ 𝑘 = 2
Por lo tanto, el sistema admite infinitas soluciones para 𝑘 = 1 ∨ 𝑘 = 2.
b) En este caso el sistema no es homogéneo, por lo tanto el determinante no

permite decidir si el sistema es compatible indeterminado. Les proponemos que
resuelvan el sistema y respondan la pregunta.
EPL 7
2𝑦 + 3𝑘𝑧 − 2 = 0
Sean el plano 𝜋: 𝑥 + 𝑦 − 2 = 0 y la recta 𝑟 ∶ {
3𝑥 + 𝑘𝑦 − 3𝑧 − 4 = 0
Obtener los valores de k para los cuales:
a) la recta corta al plano en un único punto;
b) la recta no interseca al plano;
c) la recta está incluida en el plano.
Sugerencia: Este ejercicio puede responderse sin hacer cálculos, teniendo en

cuenta los resultados del ejemplo anterior
35
ALGEBRA Y
GEOMETRÍA
ANALÍTICA
Isabel Pustilnik
1
Federico Gómez
ÍNDICE
Definición de espacio vectorial ........................................................................................ 2
Propiedades de los espacios vectoriales ........................................................................ 4
Propiedad 1 ...................................................................................................................... 4
Propiedad 2 ...................................................................................................................... 4
Propiedad 3 ...................................................................................................................... 4
Propiedad 4 ...................................................................................................................... 4
Subespacios vectoriales..................................................................................................... 4
Definición .......................................................................................................................... 4
Condiciones necesarias y suficientes para caracterizar subespacios ........................ 5
Subespacios triviales ........................................................................................................... 6
Ejercitación sobre subespacios ......................................................................................... 6
Resumen de los subespacios de ℝ2 y ℝ3 .................................................................... 9
Combinación lineal............................................................................................................. 9
Definición .......................................................................................................................... 9
Conjunto generador ......................................................................................................... 11
Subespacio generado ...................................................................................................... 13
Independencia lineal y dependencia lineal ................................................................. 15
Propiedades ................................................................................................................... 17
Propiedad 1 ..................................................................................................................... 17
Propiedad 2 ..................................................................................................................... 17
Interpretación geométrica ........................................................................................... 18
Base y dimensión de un espacio vectorial .................................................................... 19
Propiedades relacionadas con la dimensión ............................................................... 22
Coordenadas de un vector respecto de una base ...................................................... 24
Base y dimensión de un subespacio vectorial .............................................................. 27
Bases de subespacios definidos por generadores ................................................... 30
Operaciones con subespacios ....................................................................................... 32
Intersección .................................................................................................................... 32
Suma de subespacios ................................................................................................... 35
Suma directa .................................................................................................................. 37
Ejemplos en 𝑉 = ℝ3 ........................................................................................................ 38
Teorema de la dimensión de la suma ........................................................................ 41
Producto interno ................................................................................................................ 42
Complemento ortogonal de un subespacio ................................................................. 43
Propiedades del complemento ortogonal .................................................................... 45
1
En las unidades anteriores vimos que el álgebra de vectores y el álgebra de

matrices presentan similitudes. Pudimos observar que las propiedades de la suma
(de vectores o de matrices) y del producto por un escalar son idénticas en ambos
conjuntos.
En esta unidad, generalizaremos el concepto de vector a partir de estas

propiedades en común que hemos señalado para vectores geométricos y
matrices.
Definición de espacio vectorial

Un espacio vectorial es un conjunto no vacío 𝑉 de objetos, llamados vectores, en
el que se han definido dos operaciones: la suma y el producto por un escalar
(número real) sujetas a los diez axiomas que se dan a continuación. Los axiomas
deben ser válidos para todos los vectores 𝒖, 𝒗 y 𝒘 en 𝑉 y todos los escalares 𝛼 y 𝛽
reales.
Llamamos 𝒖 + 𝒗 a la suma de vectores en 𝑉, y 𝛼𝒗 al producto de un número real

𝛼 por un vector 𝒗 ∈ 𝑉.
1. 𝒖 + 𝒗 ∈ 𝑉
2. 𝒖 + 𝒗 = 𝒗 + 𝒖
3. (𝒖 + 𝒗) + 𝒘 = 𝒖 + (𝒗 + 𝒘)
4. 𝐸𝑥𝑖𝑠𝑡𝑒 𝑢𝑛 𝑣𝑒𝑐𝑡𝑜𝑟 𝑛𝑢𝑙𝑜 𝟎𝑽 ∈ 𝑉 𝑡𝑎𝑙 𝑞𝑢𝑒 𝒗 + 𝟎𝑽 = 𝒗
5. 𝑃𝑎𝑟𝑎 𝑐𝑎𝑑𝑎 𝒗 𝑒𝑛 𝑉, 𝑒𝑥𝑖𝑠𝑡𝑒 𝑢𝑛 𝑜𝑝𝑢𝑒𝑠𝑡𝑜 (– 𝒗) ∈ 𝑉 𝑡𝑎𝑙 𝑞𝑢𝑒 𝒗 + (−𝒗) = 𝟎𝑽
6. 𝛼𝒗 ∈ 𝑉
7. 𝛼(𝒖 + 𝒗) = 𝛼𝒖 + 𝛼𝒗
8. (𝛼 + 𝛽)𝒗 = 𝛼𝒗 + 𝛽𝒗
9. 𝛼(𝛽𝒗) = (𝛼𝛽)𝒗
10. 1𝒗 = 𝒗
Observación: En la definición anterior, cuando decimos “escalares” nos estamos

refiriendo a números reales. En este caso, se dice que 𝑉 es un espacio vectorial
real.
También es posible que los escalares pertenezcan a otro conjunto numérico, por
ejemplo los números complejos con los cuales trabajaremos en la última unidad.
Ejemplo 1
De acuerdo con las propiedades que vimos en la primera unidad, podemos
afirmar que ℝ3 es un espacio vectorial.
2
Los espacios ℝ𝑛 , con 𝑛 ≥ 1 , son los ejemplos principales de espacios vectoriales.

La intuición geométrica desarrollada para 𝑅 3 nos ayudará a entender y visualizar
muchos conceptos de esta unidad.
Los vectores de ℝ 𝑛 son n-uplas de números reales, o sea:
ℝ𝑛 = {(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) , 𝑐𝑜𝑛 𝑥𝑖 ∈ ℝ}
En ℝ𝑛 , la suma de vectores y el producto por un escalar se definen así:
Sean 𝑢 = (𝑢1 , 𝑢2 , … , 𝑢𝑛 ) 𝑦 𝑣 = (𝑣1 , 𝑣2 , … 𝑣𝑛 ) ∈ ℝ𝑛
𝑢 + 𝑣 = (𝑢1 + 𝑣1 , 𝑢2 + 𝑣2 , … , 𝑢𝑛 + 𝑣𝑛 ) ∈ ℝ𝑛
𝛼𝑣 = (𝛼𝑣1 , 𝛼𝑣2 , … , 𝛼𝑣𝑛 ) ∈ ℝ𝑛
Puede comprobarse que las operaciones definidas verifican los axiomas de

espacio vectorial.
Ejemplo 2
De acuerdo con las propiedades enunciadas en la segunda unidad, para cada 𝑚
y 𝑛 ℝ𝑚𝑥𝑛 es un espacio vectorial.
Tenemos por ejemplo ℝ2𝑥3, espacio vectorial cuyos vectores son las matrices de
2 × 3.
Ejemplo 3
Llamemos 𝑃2 al conjunto de polinomios de grado menor o igual que 2, incluyendo
el polinomio nulo.
Recordemos la suma de polinomios y la multiplicación por un escalar:
Dados 𝑝(𝑥) = 𝑎𝑜 + 𝑎1 𝑥 + 𝑎2 𝑥 2 ∈ 𝑃2 y 𝑞(𝑥) = 𝑏𝑜 + 𝑏1 𝑥 + 𝑏2 𝑥 2 ∈ 𝑃2
Definimos las operaciones:
(𝑝 + 𝑞)(𝑥) = 𝑝(𝑥) + 𝑞(𝑥) = (𝑎𝑜 + 𝑏𝑜 ) + (𝑎1 + 𝑏1 )𝑥 + (𝑎2 + 𝑏2 )𝑥 2 ∈ 𝑃2
(𝛼𝑝)(𝑥) = 𝛼𝑝(𝑥) = (𝛼𝑎𝑜 ) + (𝛼𝑎1 )𝑥 + (𝛼𝑎2 )𝑥 2 ∈ 𝑃2
Puede demostrarse que estas operaciones verifican todos los axiomas de espacio
vectorial.
En particular, el vector nulo en este espacio es el polinomio nulo, es decir el

polinomio cuyos coeficientes son todos iguales a cero.
Generalizando, para cualquier 𝑛 ≥ 0 , el conjunto 𝑃𝑛 de todos los polinomios de

grado menor o igual que 𝑛 (incluyendo el polinomio nulo) es un espacio vectorial.
Observación:
3
¿Por qué no definimos 𝑃𝑛 como el conjunto de polinomios de grado exactamente

igual a 𝑛? Si lo definiéramos así, no sería un espacio vectorial como se muestra en
el siguiente ejemplo:
𝑝(𝑥) = 𝑥 2 y 𝑞(𝑥) = −𝑥 2 + 1 son polinomios de grado 2, pero la suma es un

polinomio de grado cero. Entonces no se verificaría el primer axioma de espacio
vectorial (la suma de vectores de un espacio vectorial 𝑉 debe estar en 𝑉).
Propiedades de los espacios

vectoriales
A partir de los axiomas de espacios vectoriales, pueden demostrarse estas
propiedades que resultan “naturales”:
Propiedad 1
0 𝒖 = 𝟎𝑽
Propiedad 2
𝛼 𝟎𝑽 = 𝟎 𝑽
Propiedad 3
(−𝛼)𝒖 = −(𝛼𝒖)
En particular, para 𝛼 = 1 :
(−1)𝒖 = −𝒖
Propiedad 4
𝛼𝒖 = 𝟎𝑽 ⟹ 𝛼 = 0 ∨ 𝒖 = 𝟎𝑽
Veamos cómo puede demostrarse esta última propiedad:
Si 𝛼 = 0 , se cumple la proposición.
1
Si 𝛼 ≠ 0 , podemos multiplicar por 𝛼 :
1 1
𝛼𝒖 = 𝟎𝑽 ⟹ 𝛼𝒖= 𝟎𝑽 ⟹ 𝒖 = 𝟎𝑽 ¡demostrado!
𝛼 𝛼
Subespacios vectoriales
Definición
Sea 𝑉 un espacio vectorial y 𝑊 un subconjunto no vacío de 𝑉.
𝑊 es un subespacio de 𝑉 si 𝑊 es en sí mismo un espacio vectorial con las mismas

operaciones (suma de vectores y producto por un escalar) definidas en 𝑉.
4
Ejemplo
𝑊 = { (𝑥1, 𝑥2 ) ∈ 𝑅 2 ∶ 𝑥2 = 3𝑥1 } ¿es un subespacio de ℝ2?
Primero analicemos el conjunto 𝑊. Son todos vectores de ℝ2 tales que la segunda

componente es el triple de la primera:
(𝑥1 , 3𝑥1 ) = 𝑥1 (1,3)
𝑊 es la recta que pasa por el origen y tiene vector director (1,3), o sea la recta de
ecuación y = 3x.
Para decidir si 𝑊 es un subespacio de ℝ2 habría que verificar que se cumplen los

axiomas del 1 al 10. El lector puede comprobar que todos se cumplen en este
caso.
Pero en general no es necesario verificar los axiomas porque existe un criterio

sencillo para determinar si un subconjunto 𝑊 de un espacio vectorial 𝑉 es un
subespacio, es el que sigue.
Condiciones necesarias y suficientes para

caracterizar subespacios
Sea 𝑊 un subconjunto de un espacio vectorial 𝑉 (𝑊 ⊆ 𝑉).
𝑊 es subespacio de 𝑉 si y sólo si se cumplen las siguientes condiciones:
a. 𝟎𝑽 está en 𝑊.
b. Si 𝒖 y 𝒗 están en 𝑊, entonces 𝒖 + 𝒗 está en 𝑊.
c. Si 𝒖 está en 𝑊 y 𝑘 es un escalar, 𝑘𝒖 está en 𝑊.
Observaciones
1. La condición (a) asegura que W no es vacío. La mejor manera de comprobar si

W es un subespacio es buscar primero si contiene al vector nulo. Si 𝟎𝑽 está en W,
entonces deben verificarse las propiedades (b) y (c). Si 𝟎𝑽 no está en W, W no
puede ser un subespacio y no hace falta verificar las otras propiedades.
2. Las propiedades a, b y c corresponden a los axiomas 4, 1 y 6 de espacios

vectoriales.
3. Los axiomas 2, 3, 7, 8, 9 y 10 de espacio vectorial se cumplen para 𝑊 porque

éste es un subconjunto de 𝑉. Puede decirse que 𝑊 “hereda” esas propiedades de
𝑉.
4. Faltaría comprobar que cada vector de 𝑊 tiene su opuesto en 𝑊 (axioma 5 de

espacios vectoriales):
Teniendo en cuenta la condición (c) de subespacios,
5
c. Si 𝒖 está en 𝑊 y 𝑘 es un escalar, 𝑘𝒖 está en 𝑊.
Si tomamos 𝑘 = −1, resulta:
Para cada 𝑢 ∈ 𝑊 , (−1)𝑢 = −𝑢 ∈ 𝑊.
Y por lo tanto cada vector de 𝑊 tiene su opuesto en 𝑊.
De las observaciones anteriores se deduce que las condiciones (a), (b) y (c) son
suficientes para demostrar que 𝑊 es un espacio vectorial, y por lo tanto
subespacio de 𝑉.
Subespacios triviales
Si 𝑉 es un espacio vectorial, entonces 𝑉 es un subespacio de sí mismo.
El conjunto {0𝑉 }, que contiene sólo al vector nulo del espacio, también es
subespacio de 𝑉 pues:
0𝑉 + 0𝑉 = 0𝑉 y 𝑘0𝑉 = 0𝑉 𝑝𝑎𝑟𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑘 𝑟𝑒𝑎𝑙
Los subespacios {0𝑉 } y 𝑉 se denominan subespacios triviales de 𝑉.
Ejercitación sobre subespacios

Ejemplo 1
Consideremos el conjunto 𝑊 = {(𝑥, 𝑦) ∈ ℝ2 | 𝑥𝑦 = 0}, ¿Es un subespacio de ℝ2?
𝑥𝑦 = 0 ⟺ 𝑥 = 0 ∨ 𝑦 = 0
Se cumple (a) pues (0,0) ∈ 𝑊
No se cumple (b) porque la suma de dos vectores de 𝑊 puede no estar en 𝑊, por

ejemplo:
(1,0) + (0,1) = (1,1) ∉ 𝑊
6
(1,1) ∉ 𝑊
(0,1) ∈ 𝑊
(1,0) ∈ 𝑊
Entonces 𝑊 no es un subespacio de ℝ2.
Ejemplo 2
Consideremos el conjunto 𝑊 = {(𝑥, 𝑦) ∈ ℝ2 | 𝑥 = 0}. Es decir, la recta de ecuación
𝑥 = 0. ¿Es un subespacio de ℝ2?
Se cumple (b) pues la suma de dos vectores de 𝑊, está en 𝑊:
(0, 𝑦1 ) + (0, 𝑦2 ) = (0, 𝑦1 + 𝑦2 )
Se cumple (c) pues el producto de un vector de 𝑊 por un número real está en 𝑊:
𝑘(0, 𝑦) = (0, 𝑘𝑦)
Luego 𝑊 es subespacio de ℝ2.
Ejemplo 3
Consideremos el conjunto 𝑊 = {(𝑥, 𝑦) ∈ ℝ2 | 𝑥 2 − 𝑦 2 = 0}. ¿Es un subespacio de ℝ2?
𝑥 2 − 𝑦 2 = 0 ⟺ 𝑦 = 𝑥 ∨ 𝑦 = −𝑥
No se cumple (b) porque la suma de dos vectores de 𝑊 puede no estar en 𝑊, por

ejemplo:
(1,1) + (1, −1) = (2,0) ∉ 𝑊
Entonces 𝑊 no es un subespacio de ℝ2.
7
Ejemplo 4
Consideremos el conjunto 𝑊 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 | 𝑥 + 𝑦 + 2𝑧 = 0}. Es decir un plano que
pasa por el origen. ¿Es un subespacio de ℝ3?
De la ecuación del plano se deduce que: 𝑥 = −𝑦 − 2𝑧
Por lo tanto los vectores que pertenecen a 𝑊 responden a la forma (−𝑦 − 2𝑧, 𝑦, 𝑧)
con 𝑦, 𝑧 ∈ ℝ.
Se cumple (a) pues (0,0,0) ∈ 𝑊
Se cumple (b) pues la suma de dos vectores del plano, sigue estando en ese
plano:
(−𝑦 − 2𝑧, 𝑦, 𝑧) + (𝑦 ′ − 2𝑧 ′ , 𝑦 ′ , 𝑧 ′ ) = ( −(𝑦 + 𝑦 ′ ) − 2(𝑧 + 𝑧 ′ ) , 𝑦 + 𝑦 ′ , 𝑧 + 𝑧 ′ )
Se cumple (𝑐) pues 𝑘(−𝑦 − 2𝑧, 𝑦, 𝑧) = (−𝑘𝑦 − 2𝑘𝑧, 𝑘𝑦, 𝑘𝑧) ∈ 𝑊
Entonces 𝑊 es subespacio de ℝ3.
Ejemplo 5
Consideremos el conjunto 𝑊 = {𝑝 ∈ 𝑃2 | 𝑝(0) = 0 }. Es decir, los polinomios de grado
menor o igual que 2 (incluyendo el polinomio nulo) tales que evaluados en 0 dan
por resultado 0. ¿Es un subespacio de 𝑃2 ?
Se cumple (a) pues el polinomio nulo pertenece a 𝑊.
Recordemos la definición de suma de funciones y de producto de un real por una

función:
(𝑓 + 𝑔) (𝑥) = 𝑓(𝑥) + 𝑔(𝑥), para todo 𝑥 perteneciente al dominio de 𝑓 y de 𝑔
(𝑘𝑓)(𝑥) = 𝑘 𝑓(𝑥) para todo x perteneciente al dominio de f
Los polinomios son funciones, por lo tanto si consideramos 𝑝 , 𝑞 ∈ 𝑊, resulta:
(𝑝 + 𝑞)(0) = 𝑝(0) + 𝑞(0) = 0 + 0 = 0 ⟹ 𝑝 + 𝑞 ∈ 𝑊
(𝑘𝑝)(0) = 𝑘 𝑝(0) = 𝑘 0 = 0 ⟹ 𝑘𝑝 ∈ 𝑊
Demostramos que 𝑊 es un subespacio de 𝑃2.
Ejemplo 6
Consideremos el conjunto 𝑊 = {𝐴 ∈ ℝ2×2 | 𝐴 = 𝐴𝑡 }. Es decir, el conjunto de matrices
simétricas de 2 × 2.
Se cumple (a) porque la matriz nula pertenece a 𝑊.
Se cumple (b) pues si 𝐴, 𝐵 ∈ 𝑊 entonces (𝐴 + 𝐵)𝑡 = 𝐴𝑡 + 𝐵𝑡 = 𝐴 + 𝐵, luego (𝐴 + 𝐵) ∈

𝑊
Se cumple (c) pues si 𝐴 ∈ 𝑊 entonces (𝑘𝐴)𝑡 = 𝑘𝐴𝑡 = 𝑘𝐴, luego (𝑘𝐴) ∈ 𝑊
8
Demostramos que el conjunto de matrices simétricas de 2x2 es un subespacio de

𝑅 2𝑥2.
Observación: En la comprobación de las condiciones (a), (b) y (c) no fue

necesario hacer referencia al tamaño de las matrices. Esto significa que es válido
para matrices simétricas de 𝑛 × 𝑛.
Ejemplo 7
Consideremos el conjunto 𝑊 = {𝐴 ∈ ℝ2×2 | det(𝐴) = 0 }. ¿Es un subespacio de ℝ2×2?
Se cumple (a) porque la matriz nula pertenece a 𝑊.
En general det(𝐴 + 𝐵) ≠ det(𝐴) + det(𝐵), entonces podría ocurrir que 𝐴, 𝐵 ∈ 𝑊 pero

que 𝐴 + 𝐵 no esté en 𝑊. Por ejemplo
1 −3 0 0 1 −3
𝐴=( ) , 𝐵=( ) , 𝐴+𝐵 =( )
−1 3 −2 5 −3 8
Entonces no se cumple (b).
𝑊 no es un subespacio de ℝ2×2.
Resumen de los subespacios de ℝ2 y ℝ3

Después de estos ejemplos podemos resumir cuales son los diferentes tipos de
subespacios de ℝ2 y ℝ3:
Subespacios de ℝ𝟐 Subespacios de ℝ𝟑
 {(0,0)}  {(0,0,0)}
 Rectas que pasan por el origen  Rectas que pasan por el origen
 ℝ2 (como subespacio de sí  Planos que pasan por el origen
mismo)  ℝ3 (como subespacio de sí
mismo)
No hay ninguna otra clase de subespacios en ℝ2 y ℝ3.
Combinación lineal
Definición
Sean 𝑣1 , 𝑣2 , … , 𝑣𝑟 , 𝑤 vectores de un espacio vectorial 𝑉. Se dice que el vector 𝑤 es
una combinación lineal de los vectores 𝑣1 , 𝑣2 , … , 𝑣𝑟 si se puede expresar como
sigue:
𝑤 = 𝑘1 𝑣1 + 𝑘2 𝑣2 + … + 𝑘𝑟 𝑣𝑟
donde 𝑘1 , 𝑘2 , … , 𝑘𝑟 son escalares.
9
Observación: Nosotros estamos trabajando con espacios vectoriales reales, o sea

que los escalares son números reales.
Ejemplo 1
El vector (0,0,3) es combinación lineal de (0,0,1) ya que
(0,0,3) = 3(0,0,1)
Veamos cómo se puede pensar esto desde la perspectiva geométrica. ¿Qué

vectores pueden expresarse como combinación lineal del vector (0,0,1)?
Todos los vectores (0,0, 𝑘) con 𝑘 ∈ ℝ. Es decir que todos los vectores sobre el eje 𝑧,
son combinación lineal de (0,0,1).
Ejemplo 2
El vector (1,0,4) es combinación lineal de (1,0,1), (0,0,2) ya que:
3
1. (1,0,1) + . (0,0,2) = (1,0,4)
2
Geométricamente el vector (1,0,4) es un vector coplanar con los vectores (1,0,1) y

(0,0,2). Se puede ver en la siguiente gráfica que pertenecen al plano 𝑦 = 0:
Ejemplo 3
El vector 8𝑥 − 4𝑥 2 es combinación lineal de los vectores 𝑥 y 𝑥 2 ya que:
8𝑥 − 4𝑥 2 = 8. (𝑥) + (−4). 𝑥 2
10
Ejemplo 4
¿Es el vector (1,8) combinación lineal de los vectores (1,0), (3,3)?
Para responder esto debemos buscar si existen escalares 𝛼, 𝛽 tales que:
(1,8) = 𝛼(1,0) + 𝛽(3,3)
1 = 𝛼 + 3𝛽 8
{ ⇒ 𝛼 = −7, 𝛽 =
8 = 3𝛽 3
Como existen escalares que satisfacen la igualdad entonces (1,8) es combinación

lineal de (1,0), (3,3).
Ejemplo 5
¿Para qué valores de k el vector (𝟏, 𝟐, 𝟑) combinación lineal de los vectores
(𝟏, 𝟎, 𝟎), (𝟎, 𝟏, 𝟎), (𝟎, 𝟐, 𝒌)?
Para responder esto debemos buscar si existen escalares 𝛼, 𝛽, 𝛾 tales que:
(1,2,3) = 𝛼(1,0,0) + 𝛽(0,1,0) + 𝛾(0,2, 𝑘)
𝛼=1
{ 𝛽 + 2𝛾 = 2
𝛾𝑘 = 3
Si 𝑘 = 0 la tercera ecuación queda 0 = 3, y el sistema es incompatible. Si 𝑘 ≠ 0

entonces se puede obtener 𝛾 y 𝛽.
Entonces para todo 𝑘 ≠ 0 el vector (1,2,3) se puede expresar como combinación

lineal de los vectores dados.
Conjunto generador
Sea { 𝑣1 , 𝑣2 , … 𝑣𝑟 } un conjunto de vectores de un espacio vectorial 𝑉.
Si todo vector de 𝑉 puede expresarse como combinación lineal de 𝑣1 , 𝑣2 , … , 𝑣𝑟 ,

entonces se dice que { 𝑣1 , 𝑣2 , … , 𝑣𝑟 } es un conjunto generador de 𝑽 o también que
𝑣1 , 𝑣2 , … , 𝑣𝑟 generan 𝑉.
Ejemplo 1
¿Es el conjunto {(1,1), (1, −1)} generador de ℝ2?
Siguiendo la definición, debemos ver si cualquier vector de ℝ2 puede expresarse

como combinación lineal de (1,1), (1, −1):
𝑥 =𝛼+𝛽 𝑥+𝑦 𝑥−𝑦

(𝑥, 𝑦) = 𝛼(1,1) + 𝛽(1, −1) ⇒ { ⇒𝛼= , 𝛽=
𝑦 =𝛼−𝛽 2 2
Hemos llegado a un sistema compatible determinado. Para cada 𝑥 e 𝑦 se

obtrendrá un valor para 𝛼 y para 𝛽.
11
Entonces, como cualquier vector (𝑥, 𝑦) de ℝ2 puede expresarse como

combinación lineal de (1,1), (1, −1), decimos que {(1,1), (1, −1)} es un conjunto
generador de ℝ2.
Ejemplo 2
¿Es el conjunto {(1,1), (1, −1), (2,0)} generador de ℝ2?
Otra vez planteamos un sistema de ecuaciones. Nos interesa saber si tiene solución
o no:
𝑥 = 𝛼 + 𝛽 + 2𝛾
(𝑥, 𝑦) = 𝛼(1,1) + 𝛽(1, −1) + 𝛾(2,0) ⇒ {
𝑦 =𝛼−𝛽
Veamos cómo es la resolución por el método de Gauss:
1 1 2 𝒙 1 1 2 𝒙 1 1 2 𝒙
( )→ ( ) → 1 (0 1 1 𝒙 − 𝒚)
1 −1 0 𝒚 𝐹2 →𝐹1 −𝐹2 0 −2 −2 𝒚 − 𝒙 𝐹 →− .𝐹
2
2 2 𝟐
𝑥+𝑦
𝛼 + 𝛽 + 2𝛾 = 𝑥 𝛼 = −𝛾 +
{ 𝑥−𝑦 ⇒ { 2
𝛽+𝛾 = 𝑥−𝑦
2 𝛽= −𝛾
2
Para cada (𝑥, 𝑦) en ℝ2 , el sistema es compatible (indeterminado). Entonces

{(1,1), (1, −1), (2,0)} también genera ℝ2.
Ejemplo 3
¿Es el conjunto (1,0,0), (0,1,0), (1,1,1) generador de ℝ3?
𝑥 =𝛼+𝛾 𝛼 =𝑥−𝑧
(𝑥, 𝑦, 𝑧) = 𝛼(1,0,0) + 𝛽(0,1,0) + 𝛾(1,1,1) ⇒ {𝑦 = 𝛽 + 𝛾 ⇒ { = 𝑦 − 𝑧
𝛽
𝑧=𝛾 𝛾=𝑧
Como el sistema es compatible (determinado), podemos afirmar que el conjunto

{(1,0,0), (0,1,0), (1,1,1)} genera ℝ3.
Ejemplo 4
¿Qué vectores pueden expresarse como combinación lineal del (1,0)?
Los vectores de la forma (𝑥, 0). Entonces el vector (1,0) no genera todo ℝ2, pero
genera la recta 𝑦 = 0.
Ejemplo 5
¿Qué vectores pueden expresarse como combinación lineal de (1,0,0) y (0,1,0)?
(𝑥, 𝑦, 𝑧) = 𝛼(1,0,0) + 𝛽(0,1,0) = (𝛼, 𝛽, 0)
Es decir todos los vectores con componente 𝑧 = 0. Entonces (1,0,0) y (0,1,0) no

generan ℝ3 sino el plano 𝑧 = 0.
12
Subespacio generado
Sean 𝑣1 , 𝑣2 , … , 𝑣𝑟 vectores de un espacio vectorial 𝑉.
1. El vector nulo puede expresarse como combinación lineal de dichos vectores:
0𝑉 = 0 𝑣1 + 0 𝑣2 + … + 0𝑣𝑟
2. Si sumamos dos combinaciones lineales de los vectores dados, obtenemos otra

combinación lineal:
(𝑎1 𝑣1 + … + 𝑎𝑟 𝑣𝑟 ) + (𝑏1 𝑣1 + … + 𝑏𝑟 𝑣𝑟 ) = (𝑎1 + 𝑏1 )𝑣1 + ⋯ + ( 𝑎𝑟 + 𝑏𝑟 )𝑣𝑟
3. Si multiplicamos un escalar k por una combinación lineal de los vectores dados,

obtenemos una combinación lineal de dichos vectores:
𝑘 ( 𝑎1 𝑣1 + … + 𝑎𝑟 𝑣𝑟 ) = (𝑘𝑎1 )𝑣1 + … + (𝑘 𝑎𝑟 )𝑣𝑟
Estas tres condiciones permiten afirmar que el conjunto de todas las

combinaciones lineales de 𝑣1 , 𝑣2 , … , 𝑣𝑟 es un subespacio de 𝑉.
Entonces:
Dados los vectores 𝑣1 , 𝑣2 , … , 𝑣𝑟 en 𝑉, llamamos subespacio generado por

𝑣1 , 𝑣2 , … , 𝑣𝑟 al conjunto de todas las combinaciones lineales de estos vectores. Lo
denotamos con la expresión 𝒈𝒆𝒏{𝒗𝟏 , 𝒗𝟐 , … , 𝒗𝒓 }.
𝑔𝑒𝑛{𝑣1 , 𝑣2 , … , 𝑣𝑟 } = {𝑣 ∈ 𝑉: 𝑣 = 𝛼1 𝑣1 + 𝛼2 𝑣2 + … + 𝛼𝑟 𝑣𝑟 , 𝑐𝑜𝑛 𝛼𝑖 ∈ 𝑅 } 𝑠𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑑𝑒 𝑉
Ejemplo 1
Las combinaciones lineales del vector (2,1) son todos los vectores de la forma
(2𝑘, 𝑘) con 𝑘 ∈ ℝ.
2𝑣Ԧ
𝑣Ԧ
−0,5𝑣Ԧ
13
Geométricamente el subespacio generado por (2,1) es la recta que pasa por el

origen y tiene la dirección de dicho vector.
Ejemplo 2
Las combinaciones lineales de los vectores (1,0,2), (0,0,1) son los vectores
coplanares con (1,0,2) y (0,0,1):
Veamos, analíticamente, cual es el espacio generado por (1,0,2), (0,0,1):
(𝑥, 𝑦, 𝑧) = 𝛼(1,02) + 𝛽(0,0,1) = (𝛼, 0,2𝛼 + 𝛽) 𝛼, 𝛽 ∈ ℝ
Son todos los vectores con segunda componente nula. Es decir que el subespacio
generado es el plano 𝑦 = 0.
O sea: 𝑔𝑒𝑛{ (1,0,2), (0,0,1)} = { (𝑥, 𝑦, 𝑧) ∈ ℝ3 ∶ 𝑦 = 0 }
Ejemplo 3
Tomemos los vectores del ejemplo anterior: (1,0,2), (0,0,1) y además el
vector (−1,0,1).
¿Qué espacio generan?
(𝑥, 𝑦, 𝑧) = 𝛼(1,02) + 𝛽(0,0,1) + 𝛾(−1,0,1) = (𝛼 − 𝛾 , 0 , 2𝛼 + 𝛽 + 𝛾)
14
Son vectores con segunda componente nula. Se genera el mismo subespacio que
en el ejemplo anterior. Esto se explica porque el tercer vector es coplanar con los
primeros dos.
Independencia lineal y
dependencia lineal
En los ejemplos 1 y 2 (de Conjunto generador) vimos que los conjuntos
{ (1,1) , (1, −1) } 𝑦 { (1,1) , (1, −1) , (2,0) } generan ℝ2. Si tuviéramos que elegir uno de
ellos como generador de ℝ2, ¿por cuál nos inclinaríamos?
El problema de encontrar los conjuntos generadores más “pequeños” para un

espacio vectorial depende de la noción de independencia lineal, que
presentamos en esta sección.
Si 𝐴 = {𝑣1 , 𝑣2 , … , 𝑣𝑟 } es un conjunto de vectores de un espacio vectorial 𝑉, entonces

la ecuación vectorial
𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑟 𝑣𝑟 = 0𝑉
tiene al menos la solución trivial: 𝛼1 = 𝛼2 = ⋯ = 𝛼𝑟 = 0
Si ésta es la única solución, entonces se dice que 𝐴 es un conjunto linealmente

independiente.
Si hay otras soluciones (además de la trivial) entonces A es un conjunto

linealmente dependiente.
Una forma alternativa de caracterizar la dependencia lineal es la siguiente:
Un conjunto de vectores { 𝑣1 , 𝑣2 , … , 𝑣𝑟 } de un espacio vectorial 𝑉 es linealmente

dependiente si y sólo si al menos uno de los vectores puede expresarse como
combinación lineal de los demás. [1]
Demostración:
⟹ Si el conjunto { 𝑣1 , 𝑣2 , … , 𝑣𝑟 } es linealmente dependiente, la ecuación
𝛼1 𝑣1 + 𝛼2 𝑣2 + … + 𝛼𝑟 𝑣𝑟 = 0𝑉
admite otras soluciones además de la trivial. O sea, existe una combinación lineal
donde al menos uno de los escalares es distinto de cero, que da el vector nulo.
Supongamos que 𝛼1 ≠ 0. Entonces resulta:
𝛼2 𝛼𝑟
𝑣1 = (− ) 𝑣2 + ⋯ + (− ) 𝑣𝑟
𝛼1 𝛼1
Por lo tanto, el vector 𝑣1 es combinación lineal de los demás.
15
⟸ Sabemos que uno de los vectores puede expresarse como combinación de

los demás. Sin perder generalidad, supongamos que:
𝑣1 = 𝑘2 𝑣2 + ⋯ + 𝑘𝑟 𝑣𝑟
Entonces: −1𝑣1 + 𝑘2 𝑣2 + ⋯ + 𝑘𝑟 𝑣𝑟 = 0𝑉
Existe una combinación lineal no trivial (al menos uno de los escalares es distinto
de cero) que es igual al vector nulo. Por lo tanto, el conjunto { 𝑣1 , 𝑣2 , … , 𝑣𝑟 } es
linealmente dependiente, como queríamos demostrar.
Ejemplo 1
¿Es el conjunto {(1,1), (1, −1)} LI o LD?
Planteamos la ecuación:
𝛼1 (1,1) + 𝛼2 (1, −1) = (0,0)
𝛼 + 𝛼2 = 0
{ 1 ⟹ 𝛼1 = 0 , 𝛼2 = 0
𝛼1 − 𝛼2 = 0
Luego el conjunto es LI.
Ejemplo 2
¿Es el conjunto {(1,1), (1, −1), (2,0)} LI o LD?
Planteamos un sistema de ecuaciones. Nos interesa saber si tiene solución única o

infinitas soluciones:
0 = 𝛼 + 𝛽 + 2𝛾
𝛼(1,1) + 𝛽(1, −1) + 𝛾(2,0) = (0,0) ⇒ {
0= 𝛼−𝛽
Veamos cómo es la resolución por el método de Gauss:
1 1 2 𝟎 1 1 2 𝟎 1 1 2 𝟎
( )→ ( )→ ( )
1 −1 0 𝟎 𝐹2 →𝐹1 −𝐹2 0 −2 −2 𝟎 𝐹2 →−1.𝐹2 0 1 1 𝟎
2
𝛼 + 𝛽 + 2𝛾 = 0 𝛼 = −𝛾
{ ⇒ {𝛽 = −𝛾
𝛽+𝛾 =0
El sistema de ecuaciones es compatible indeterminado, o sea tiene infinitas

soluciones. Luego, el conjunto es LD.
Notemos que también se cumple la forma alternativa de caracterizar la

dependencia lineal, pues es posible escribir (2,0) como combinación lineal de
(1,1) y (1, −1):
(1,1) + (1, −1) = (2,0)
Ejemplo 3
¿Es el conjunto {(1,0,0), (0,1,0), (1,1,1)} LI o LD?
16
0=𝛼+𝛾 𝛼=0
𝛼(1,0,0) + 𝛽(0,1,0) + 𝛾(1,1,1) = (0,0,0) ⇒ {0 = 𝛽 + 𝛾 ⇒ {𝛽 = 0
0=𝛾 𝛾=0
Como el sistema es compatible determinado, el conjunto es LI.
Ejemplo 4
¿Es el conjunto { (1,0,0) , (0,1,0)} LI o LD?
𝛼=0
𝛼(1,0,0) + 𝛽(0,1,0) = (0,0,0) ⇒ {
𝛽=0
Como el sistema tiene solución única el conjunto es LI.
Ejemplo 5
¿Es el conjunto {𝑥 , − 𝑥 2 , 4𝑥 2 − 𝑥} LI o LD?
𝛼1 (𝑥) + 𝛼2 (−𝑥 2 ) + 𝛼3 (4𝑥 2 − 𝑥) = 0𝑥 2 + 0𝑥 + 0
−𝛼 + 4𝛼3 = 0 𝛼 = 4𝛼3
{ 2 ⇒ { 2
𝛼1 − 𝛼3 = 0 𝛼1 = 𝛼3
El sistema es compatible indeterminado. Luego el conjunto es LD.
Notemos que es posible escribir 4𝑥 2 − 𝑥 cómo combinación lineal de 𝑥 y de −𝑥 2 :
(−1)(𝑥) + (−4)(−𝑥 2 ) = 4𝑥 2 − 𝑥
Propiedades
Propiedad 1
Un conjunto formado por un solo vector, ¿es linealmente independiente (LI) o
dependiente (LD)?
Planteamos la combinación lineal:
𝛼 𝑣 = 0𝑉
Si 𝑣 = 0𝑉 , 𝛼 puede tomar cualquier valor. Por lo tanto: {0𝑉 } es LD.
Si 𝑣 ≠ 0𝑉 , la única solución es 𝛼 = 0. Por lo tanto: {𝑣} es LI.
Propiedad 2
Si un conjunto de vectores contiene al vector nulo, entonces es linealmente
dependiente (LD).
Demostración:
Sea 𝐴 = {𝑣1 , 𝑣2 , … , 𝑣𝑟 , 0𝑉 } ⊂ 𝑉
Entonces se tiene que:
0𝑣1 + 0𝑣2 + ⋯ + 0𝑣𝑟 + 1 0𝑉 = 0𝑉
17
Probamos que existe una combinación lineal con escalares no todos nulos, que da
el vector nulo. Por lo tanto, 𝐴 es linealmente dependiente.
Interpretación geométrica
Observación previa: En lo que sigue consideramos los vectores colocados a partir
del origen de coordenadas.
De [1] resulta que dos vectores 𝑣1 y 𝑣2 son linealmente dependientes (LD) si y sólo si
uno de ellos es un múltiplo escalar del otro.
Podemos afirmar entonces que dos vectores en ℝ2 o ℝ3 son LD si y sólo si están

sobre la misma recta que pasa por el origen (vectores paralelos).
Dos vectores LI en ℝ3
Dos vectores LD en ℝ3
En ℝ3, tres vectores 𝑣1 , 𝑣2 , 𝑣3 son LD si y sólo si están situados en el mismo plano que
pasa por el origen (vectores coplanares).
18
Tres vectores LI en ℝ3
Tres vectores LD en ℝ3
Base y dimensión de un espacio

vectorial
Habíamos visto que los conjuntos 𝐵 = {(1, 1), (1, −1)} y 𝐶 = {(1, 1), (1, −1), (2, 0)}
generan ℝ2 . ¿Cuál es la diferencia entre ellos?
𝐵 es un conjunto linealmente independiente, en cambio 𝐶 es linealmente

dependiente porque (2, 0) = (1, 1) + (1, −1).
Un conjunto de vectores 𝐵 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } de un espacio vectorial 𝑉 se denomina

base de 𝑉 si y sólo si:
i. 𝐵 es linealmente independiente;
ii. 𝐵 genera a 𝑉.
Teniendo en cuenta esta definición, 𝐵 = {(1, 1), (1, −1)} es una base de ℝ2. Otra
base de ℝ2 muy usual es la que contiene a los versores canónicos: 𝐸 =
{(1, 0) , (0, 1)}.
Observamos que las dos bases están compuestas por dos vectores linealmente
independientes. ¿Será ésta una característica de cualquier base de ℝ2?
19
Puede demostrarse que:
Si 𝐵 = {𝑣1 , 𝑣2 , … , 𝑣𝒏 } es una base de 𝑉, entonces todo conjunto con más de n

vectores es linealmente dependiente.
De acuerdo con esta propiedad, podemos deducir una característica común a

toda base de un espacio vectorial:
Sean 𝐵 = {𝑣1 , 𝑣2 , … , 𝑣𝒏 } y 𝐵′ = {𝑤1 , 𝑤2 , … , 𝑤𝒒 } dos bases del espacio vectorial 𝑉.
Como 𝐵 es una base, todo conjunto de más de 𝑛 vectores es LD. Pero 𝐵′ es LI,
entonces: 𝑞 ≤ 𝑛. [1]
Como 𝐵’ es una base, todo conjunto de más de 𝑞 vectores es LD. Pero 𝐵 es LI,
entonces: 𝑛 ≤ 𝑞. [2]
De [1] y [2] se deduce que 𝑞 = 𝑛.
En consecuencia:
Si 𝐵 = {𝑣1 , 𝑣2 , … , 𝑣𝒏 } es una base de 𝑉, cualquier otra base de 𝑉 tiene 𝑛 vectores.

Esto permite definir el concepto de dimensión.
La dimensión de un espacio vectorial 𝑉 es la cantidad de vectores que componen

una base de 𝑉.
Si 𝐵 = {𝑣1 , 𝑣2 , … , 𝑣𝒏 } es una base de 𝑉, la dimensión de 𝑉 es 𝑛 y lo indicamos como

𝒅𝒊𝒎(𝑽) = 𝒏.
Si no existe una base de 𝑉 formada por un conjunto finito de vectores, se dice que
𝑉 es un espacio de dimensión infinita. Un ejemplo es el espacio de todos los
polinomios (de cualquier grado).
Como el vector nulo es linealmente dependiente, el espacio {0𝑉 } no tiene base. A

este espacio compuesto únicamente por el vector nulo, se le asigna dimensión
cero: dim( {0𝑉 } ) = 0
Para determinar la dimensión de un espacio vectorial, es suficiente hallar una base

de dicho espacio. Veamos qué dimensión tienen los espacios vectoriales con los
cuales trabajaremos:
En ℝ2 conocemos la base canónica:
𝐸2 = {(1,0), (0,1)} ⇒ dim(ℝ2 ) = 2
En ℝ3 la base canónica es:
𝐸3 = {(1,0,0), (0,1,0), (0,0,1)} ⇒ dim(ℝ3 ) = 3
Análogamente en ℝ4:
𝐸4 = {(1,0,0,0), (0,1,0,0), (0,0,1,0), (0,0,0,1)} ⇒ dim(ℝ4 ) = 4
20
De acuerdo con el número de vectores que componen cada una de estas bases,
podemos afirmar que:
dim(ℝ𝑛 ) = 𝑛
Para determinar la dimensión de los espacios de matrices, consideremos por

ejemplo 𝑉 = ℝ3×2. Cualquier matriz de 3 × 2 puede expresarse como sigue:
𝑎 𝑏 1 0 0 1 0 0 0 0 0 0 0 0
(𝑐 𝑑 ) = 𝑎 (0 0) + 𝑏 (0 0) + 𝑐 (1 0) + 𝑑 (0 1) + 𝑒 (0 0) + 𝑓 (0 0)
𝑒 𝑓 0 0 0 0 0 0 0 0 1 0 0 1
Observemos la similitud con ℝ6 , sólo cambia el formato.
Encontramos seis matrices linealmente independientes que generan 𝑉 = ℝ3×2. Es

decir, encontramos una base (llamada base canónica) de este espacio y por lo
tanto: dim(ℝ3𝑥2 ) = 3𝑥2 = 6.
Generalizando, podemos afirmar que:
dim(ℝ𝑚𝑥𝑛 ) = 𝑚𝑥𝑛
Busquemos la dimensión de los espacios de polinomios. Consideremos por ejemplo

𝑉 = 𝑃2 . Cualquier polinomio de 𝑃2 puede expresarse cómo sigue:
𝑝(𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 = 𝑎0 1 + 𝑎1 𝑥 + 𝑎2 𝑥 2
El conjunto {1, 𝑥, 𝑥 2 } genera 𝑃2 y además es linealmente independiente. Hemos

obtenido una base (llamada canónica) de 𝑃2, y por lo tanto dim(𝑃2 ) = 3.
Análogamente:
{1, 𝑥, 𝑥 2 , 𝑥 3 } 𝑏𝑎𝑠𝑒 𝑐𝑎𝑛ó𝑛𝑖𝑐𝑎 𝑑𝑒 𝑃3
{1, 𝑥, 𝑥 2 , 𝑥 3 , … , 𝑥 𝑛 } 𝑏𝑎𝑠𝑒 𝑐𝑎𝑛ó𝑛𝑖𝑐𝑎 𝑑𝑒 𝑃𝑛
Entonces:
dim(𝑃𝑛 ) = 𝑛 + 1
Ejemplo 1
Existen diferentes bases para un mismo espacio vectorial. Consideremos en ℝ2 el
conjunto:
𝐵 = {(1,0), (1,1)}
Es fácil ver que 𝐵 es linealmente independiente (sólo la combinación lineal trivial

produce el vector nulo). Nos falta probar que genera ℝ2.
(𝑥, 𝑦) = 𝛼(1,0) + 𝛽(1,1)
𝛼+𝛽 = 𝑥
{ ⇒𝛼 =𝑥−𝑦 ∧ 𝛽 =𝑦
𝛽=𝑦
21
Para cualquier (𝑥, 𝑦) en ℝ2 es posible encontrar los escalares 𝛼 y 𝛽. Probamos que

𝐵 genera ℝ2.
Entonces 𝐵 = {(1,0), (1,1)} es una base de ℝ2.
Ejemplo 2
Hemos visto en ejemplos anteriores que el conjunto {(1,0,0), (0,1,0), (1,1,1)} genera
ℝ3, y que son vectores LI. Por lo tanto es una base de ℝ3.
Ejemplo 3
Veamos que el conjunto 𝐵 = {1,1 + 𝑥, 1 + 𝑥 2 } es una base de 𝑃2 .
Para esto debemos probar las dos condiciones.
Probemos que 𝐵 es LI:
𝛼+𝛽+𝛾 =0
0 + 0𝑥 + 0𝑥 2 = 𝛼 1 + 𝛽(1 + 𝑥) + 𝛾(1 + 𝑥 2 ) ⇒ { 𝛽=0 ⇒ 𝛼=𝛽=𝛾=0
𝛾=0
Cómo la única solución es la trivial, entonces el conjunto es LI.
Probemos que genera 𝑃2:
𝛼+𝛽+𝛾 = 𝑎 𝛼 =𝑎−𝑏−𝑐
𝑎 + 𝑏𝑥 + 𝑐𝑥 2 = 𝛼 1 + 𝛽(1 + 𝑥) + 𝛾(1 + 𝑥 2 ) ⇒ { 𝛽=𝑏 ⇒ { 𝛽=𝑏
𝛾=𝑐 𝛾=𝑐
El sistema es compatible. Entonces para cualquier polinomio en 𝑃2 es posible hallar

los escalares 𝛼, 𝛽, 𝛾. Luego 𝐵 genera 𝑃2.
Propiedades relacionadas con la

dimensión
Si 𝐝𝐢𝐦(𝑽) = 𝒏 , puede afirmarse que:
1) Todo conjunto de 𝒏 vectores linealmente independientes en 𝑽 es una base.
2) Todo conjunto de 𝑛 vectores que genere 𝑉 es una base.
3) Todo conjunto de más de 𝑛 vectores en el espacio vectorial 𝑉 es linealmente

dependiente.
4) Todo conjunto linealmente independiente en 𝑉 puede extenderse a una base.
Ejemplo 1
¿Es el conjunto 𝐴 = {(1,1,0), (2, −1,1), (0,1,0)} base de ℝ3?
22
Cómo dim(ℝ3 ) = 3 y 𝐴 tiene tres vectores, entonces por la propiedad 1, es

suficiente probar que 𝐴 es LI para asegurar que es una base de ℝ3.
En ℝ3, tres vectores 𝑣1 , 𝑣2 , 𝑣3 son LD si y sólo si están situados en el mismo plano que
pasa por el origen (vectores coplanares). Veamos si son coplanares haciendo el
producto mixto:
1 1 0
(1,1,0). (2, −1,1) × (0,1,0) = |2 −1 1| = −1 ≠ 0
0 1 0
No son coplanares, por lo tanto son LI.
Luego 𝐴 es base de ℝ3.
Ejemplo 2
𝐶 = {1 + 𝑥 + 𝑥 2 , 3 − 𝑥, 2 + 𝑘𝑥 2 } ⊂ 𝑃2
Determinar todos los 𝑘 ∈ ℝ tales que 𝐶 sea una base de 𝑃2.
dim(𝑃2 ) = 3 ⇒ Todo conjunto de tres vectores L.I. en 𝑃2 es base.
𝛼(1 + 𝑥 + 𝑥 2 ) + 𝛽(3 − 𝑥) + 𝛾(2 + 𝑘𝑥 2 ) = 0𝑃2
Igualando coeficientes, resulta:
𝛼 + 3𝛽 + 2𝛾 = 0
{ 𝛼−𝛽 =0
𝛼 + 𝑘𝛾 = 0
Como es un sistema homogéneo, siempre tiene solución. ¿Buscamos que tenga

solución única, o infinitas?
Buscamos los valores de 𝑘 para que la única solución sea la trivial: 𝛼 = 𝛽 = 𝛾 = 0.
En la unidad anterior habíamos visto que en los sistemas cuadrados homogéneos,

el determinante de la matriz de coeficientes permite decidir si son SCD o SCI.
1 3 2
En este caso, 𝐴 = (1 −1 0) y det(𝐴) = 2 − 4𝑘
1 0 𝑘
1
Si 𝑘 = 2 el sistema queda compatible indeterminado.
1
Para cualquier 𝑘 ≠ el sistema es compatible determinado, por lo tanto
2
{1 + 𝑥 + 𝑥 , 3 − 𝑥, 2 + 𝑘𝑥 2 } es LI, y entonces es base de 𝑃2.
2
23
Ejemplo 3
Dado 𝐴 = {𝑣1 , 𝑣2 , 𝑣3 , 𝑣4 } ⊂ ℝ3 puede afirmarse que este conjunto es LD. Si hubiera
tres vectores LI, éstos formarían una base de ℝ3y por lo tanto el vector restante
podría expresarse como combinación lineal de ellos.
Ejemplo 4
El conjunto {𝑢 = (1,2,3), 𝑣 = (1,1,0)} es LI en ℝ3 pero no genera todo ℝ3 sino que
genera un plano. Podemos extenderlo a una base agregando algún vector LI,
podría ser por ejemplo el producto vectorial entre estos dos. Obtenemos
{𝑢, 𝑣, 𝑢 × 𝑣} que es una base de ℝ3.
Coordenadas de un vector
respecto de una base
Propiedad: Si 𝐵 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } es una base del espacio vectorial 𝑉, todo vector
de 𝑉 puede expresarse de forma única como combinación lineal de los vectores
de B.
Demostración:
Sea 𝐵 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } base de 𝑉.
Supongamos que un vector 𝑢 ∈ 𝑉 puede expresarse mediante dos combinaciones

lineales distintas de los vectores de la base B:
𝑢 = 𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑛 𝑣𝑛 y 𝑢 = 𝛽1 𝑣1 + 𝛽2 𝑣2 + ⋯ + 𝛽𝑛 𝑣𝑛
Restando miembro a miembro, se obtiene:
0𝑉 = (𝛼1 −𝛽1 ) 𝑣1 + (𝛼2 −𝛽2 ) 𝑣2 + ⋯ + (𝛼𝑛 −𝛽𝑛 ) 𝑣𝑛
Como las bases son conjuntos linealmente independientes, resulta:
𝛼𝑖 − 𝛽𝑖 = 0 (𝑖 = 1, … , 𝑛)
Por lo tanto, los escalares de la combinación lineal son únicos para cada vector
de V.
Esta propiedad permite definir coordenadas de un vector respecto de una base.
Sea 𝐵 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } base de 𝑉.
Para cada 𝑢 ∈ 𝑉, existen únicos escalares 𝛼1 , 𝛼2 , … , 𝛼𝑛 ∈ ℝ tales que:
𝑢 = 𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑛 𝑣𝑛
Estos escalares se denominan coordenadas del vector 𝒖 respecto de la base 𝑩.
Indicaremos las coordenadas mediante la siguiente notación:
24
𝛼1
[𝑢]𝐵 = 𝛼2
⋮
𝛼
( 𝑛)
Ejemplo 1
Sean,
𝐵 = {(1,0,0), (1,1,0), (2,2,1)} 𝑏𝑎𝑠𝑒 𝑑𝑒 ℝ3
𝑢 = (−1,4,3)
a) Hallar:
 [𝑢]𝐵 , coordenadas del vector 𝑢 en la base 𝐵
 [𝑢]𝐸 , coordenadas del vector 𝑢 en la base canónica
b) Sabiendo que:
3
[𝑣]𝐵 = (1)
2
Hallar 𝑣.
Resolución
Ítem a
𝛼(1,0,0) + 𝛽(1,1,0) + 𝛾(2,2,1) = (−1,4,3)
𝛼 + 𝛽 + 2𝛾 = −1 𝛼 = −5
{ 𝛽 + 2𝛾 = 4 ⇒ {𝛽 = −2
𝛾=3 𝛾=3
Estos escalares son las coordenadas de 𝑢 es la base 𝐵:
−5
[𝑢]𝐵 = (−2)
3
En el caso de la base canónica, las coordenadas del vector coinciden con sus
componentes, ya que:
(𝑥, 𝑦, 𝑧) = 𝑥(1,0,0) + 𝑦(0,1,0) + 𝑧(0,0,1)
Entonces:
−1
[𝑢]𝐸 = ( 4 )
3
Ítem b
25
Dadas una base y las coordenadas de un vector en esa base, podemos hallar el
vector:
𝑣 = 3(1,0,0) + 1(1,1,0) + 2(2,2,1) = (8,5,2)
Observación: Las bases son conjuntos ordenados. O sea, si reordenamos los

vectores de una base, obtenemos una base diferente. Así:
𝐵 = {(1,0,0), (1,1,0), (2,2,1)} y 𝐵′ = {(2,2,1), (1,0,0), (1,1,0)} son bases distintas de ℝ3.
¿Por qué son distintas? Porque las coordenadas de un vector cambian si se

reordena la base. Por ejemplo para 𝑢 = (−1,4,3) las coordenadas en cada base
son:
−5 3
[𝑢]𝑩 = (−2) 𝑦 [𝑢]𝑩′ = (−5)
3 −2
Ejemplo 2
Dados los vectores de ℝ2, y sus coordenadas en la base 𝐵:
𝑢 = (5,2) , 𝑣 = (7,1)
3 5
[𝑢]𝐵 = ( ) , [𝑣]𝐵 = ( )
2 3
Hallar, si es posible, la base 𝐵.
Resolución
Una base 𝐵 de ℝ2 tiene dos vectores:
𝐵 = {𝑣1 , 𝑣2 }
3
[𝑢]𝐵 = ( ) ⇒ 3𝑣1 + 2𝑣2 = (5,2)
2
5
[𝑣]𝐵 = ( ) ⇒ 5𝑣1 + 3𝑣2 = (7,1)
3
Entonces podemos resolverlo como un sistema de ecuaciones vectorial:
3𝑣1 + 2𝑣2 = (5,2) 15𝑣1 + 10𝑣2 = (25,10)

{ ⇒ {
5𝑣1 + 3𝑣2 = (7,1) 15𝑣1 + 9𝑣2 = (21,3)
Restando las ecuaciones, se obtiene:
𝑣2 = (4,7)
Sustituyendo y despejando, resulta: 𝑣1 = (−1, −4).
Entonces
𝐵 = {(−1, −4), (4,7)}
26
Base y dimensión de un
subespacio vectorial
Recordemos que un subespacio es un espacio vectorial en sí mismo, por lo tanto
podemos hallar una base y su dimensión.
Si S es un subespacio de V, entonces: dim(𝑆) ≤ dim(𝑉).
Veamos cuáles son las dimensiones de los distintos tipos de subespacios de ℝ3:
 {(0,0,0)}
 Rectas que pasan por el origen,
 Planos que pasan por el origen y
 ℝ3
Sabemos que ℝ3 tiene dimensión 3.
𝑆 = {(0,0,0)} no tiene base y como habíamos dicho, se le asigna dimensión 0.
dim({0𝑉 }) = 0
Consideremos un plano que pase por el origen, por ejemplo:
𝜋: 𝑥 + 3𝑦 − 2𝑧 = 0
𝑥 = −3𝑦 + 2𝑧
(𝑥, 𝑦, 𝑧) ∈ 𝜋 ⇔ (𝑥, 𝑦, 𝑧) = (−3𝑦 + 2𝑧, 𝑦, 𝑧) = (−3𝑦, 𝑦, 0) + (2𝑧, 0, 𝑧) = 𝑦(−3,1,0) + 𝑧(2,0,1)
Esto quiere decir que cualquier vector en ese plano se puede escribir como
combinación lineal de (−3,1,0) y (2,0,1). Cómo son LI:
{(−3,1,0), (2,0,1)} 𝑒𝑠 𝑢𝑛𝑎 𝑏𝑎𝑠𝑒 𝑑𝑒 𝑆1
dim(𝑆1 ) = 2
Los planos que pasan por el origen son subespacios de dimensión 2.
Ahora consideremos el subespacio:
𝑆2 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3| 𝑥 + 𝑦 = 0 , 𝑥 − 𝑦 − 𝑧 = 0}
𝑥+𝑦 = 0 𝜋1
{ , 𝜋1 ∩ 𝜋2 = 𝑟
𝑥−𝑦−𝑧 =0 𝜋2
La intersección de dos planos no paralelos es una recta. ¿Cómo podemos

encontrar una base de una recta?
𝑦 = −𝑥
⇒ 𝑥 − (−𝑥) − 𝑧 = 0 ⇒ 𝑧 = 2𝑥
27
Si llamamos 𝑥 = 𝑡 , resulta:
(𝑥, 𝑦, 𝑧) = (𝑡, −𝑡, 2𝑡) = 𝑡(1, −1,2)
Observamos que todos los vectores de la recta pueden expresarse como

combinación lineal del vector director (1, −1,2), que además es LI Por lo tanto,
{ (1, −1,2) } es una base de este subespacio.
Las rectas que pasan por el origen son subespacios de dimensión 1.
En los ejemplos anteriores observamos cómo disminuye la dimensión de un

subespacio a medida que agregamos ecuaciones, tal como se muestra en el
siguiente cuadro:
𝑉 = ℝ3
Número mínimo de
Dimensión del
ecuaciones que Objeto geométrico Ejemplo
subespacio
definen S
0 3 ℝ3
1 2 Planos por el origen 𝑧=0
𝑧=0
2 1 Rectas por el origen {
𝑦=0
𝑧=0
3 0 {(0,0,0)} {𝑦 = 0
𝑥=0
EPL 1
Indicar si 𝐴 = {(1,1,1), (1,3,2)} es una base de 𝑊 = {(𝑥, 𝑦, 𝑧, ) ∈ 𝑅 3 : 𝑥 + 𝑦 − 2𝑧 = 0 } ,
justificando la respuesta.
Ejemplo 1
Consideremos el siguiente subespacio de R4 y busquemos base y dimensión:
𝑇1 = {(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) ∈ 𝑅 4 | 𝑥1 + 𝑥4 = 0 ∧ 𝑥2 − 𝑥4 = 0}
Teniendo en cuenta las ecuaciones que definen 𝑇1, ¿podrían anticipar su

dimensión?
Observación: Como 𝑥3 no aparece en las ecuaciones que definen el subespacio,

un error frecuente es suponer 𝑥3 = 0 .
Si 𝑥3 no está en las ecuaciones, significa que es una variable libre, o sea que
puede tomar cualquier valor real.
Entonces:
28
𝑥1 = −𝑥4
𝑇1 : { 𝑥 = 𝑥 ∀𝑥3 , ∀𝑥4
2 4
Escribimos el vector genérico (representativo) del subespacio que debe quedar

expresado en función de las variables libres 𝑥3 y 𝑥4 :
(−𝑥4, 𝑥4 , 𝑥3 , 𝑥4 ) = 𝑥3 (0,0,1,0) + 𝑥4 (−1,1,0,1)
Encontramos dos vectores L.I. que generan el subespacio. Entonces una base de
𝑇1 es:
𝐵𝑇1 = {(0,0,1,0), (−1,1,0,1)} por lo tanto dim(𝑇1) = 2
Ejemplo 2
Hallemos una base y la dimensión del subespacio de matrices simétricas de 2x2:
𝑇2 = {𝐴 ∈ 𝑅 2×2 | 𝐴 = 𝐴𝑡 }
𝑎 𝑏
¿Cómo es una matriz simétrica de 2x2? 𝐴=( )
𝑏 𝑐
𝑎 𝑏 1 0 0 1 0 0
( ) = 𝑎( )+𝑏( )+𝑐( )
𝑏 𝑐 0 0 1 0 0 1
Las tres matrices halladas son L.I. y generan el subespacio de matrices simétricas,
por lo tanto hemos encontrado una base de dicho subespacio:
1 0 0 1 0 0
𝐵𝑇2 = {( ),( ),( )} ⟹ dim(𝑇2 ) = 3
0 0 1 0 0 1
EPL 2
Hallar una base y la dimensión del subespacio de matrices antisimétricas de 2x2 y
de 3x3.
Ejemplo 3
Hallar base y dimensión de 𝑆 = {𝑝(𝑥) ∈ 𝑃2 | 𝑎0 − 2𝑎1 + 3𝑎2 = 0}
Resolución
¿Cómo es un polinomio de 𝑃2?
𝑝(𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2
La dimensión de P2 es 3, pero estamos agregando la condición 𝑎0 − 2𝑎1 + 3𝑎2 = 0.
Podemos anticipar que la dimensión del subespacio es 2, para comprobarlo

busquemos una base:
𝑎0 − 2𝑎1 + 3𝑎2 = 0 ⟹ 𝑎0 = 2𝑎1 − 3𝑎2
𝑝(𝑥) = (2𝑎1 − 3𝑎2 ) + 𝑎1 𝑥 + 𝑎2 𝑥 2
(−3 + 𝑥 2 )
(2 + 𝑥) + 𝑎2 ⏟
𝑝(𝑥) = 𝑎1 ⏟
𝑝1 (𝑥) 𝑝2 (𝑥)
29
Estos dos vectores generan 𝑆, y además vemos que son LI.
Entonces encontramos una base del subespacio:
𝐵𝑆 = {2 + 𝑥 , −3 + 𝑥 2 }
dim(𝑆) = 2
Bases de subespacios definidos por

generadores
Hasta ahora hemos buscado bases de subespacios definidos por ecuaciones.
¿Qué ocurre cuando el subespacio está definido por sus generadores?
Veamos el siguiente ejemplo:
Hallar una base y la dimensión de 𝑆 = 𝑔𝑒𝑛{(1,1,2), (1, −1,0), (0,1,1)} ⊂ 𝑅 3 .
En este caso, por la definición de S sabemos que {(1,1,2), (1, −1,0), (0,1,1)} es un
conjunto generador de S. Para determinar si es una base, tendremos que analizar
la independencia lineal:
- Si son vectores LI, entonces son base del subespacio.
- Si son LD, tendremos que extraer una base eliminando los vectores “que sobren”.
En el caso específico de 3 vectores en R3, podemos utilizar el determinante (que es

el producto mixto). Como en este caso el determinante da cero, los vectores son
coplanares y por lo tanto L.D. Tenemos que extraer una base eliminando alguno
de los vectores, por ejemplo:
 {(1,1,2), (1, −1,0)} es una base de S

 {(1, −1,0), (0,1,1)} es otra base de S.
Podemos afirmar que la dimensión de S es 2.
Una forma práctica de extraer bases es armar una matriz con los vectores dados y
llevarla a la forma escalonada:
Una matriz es escalonada (por filas) si satisface las siguientes propiedades:
1. Las filas nulas (todos sus elementos son ceros) se encuentran en la parte inferior.
2. En cada fila no nula, el primer elemento distinto de cero (pivote) está a la

derecha del pivote de la fila anterior.
Una matriz cualquiera puede llevarse a la forma escalonada aplicando

operaciones elementales entre sus filas. Por ejemplo consideremos la matriz que
armamos con los generadores de 𝑆:
30
1 1 2 1 1 2 1 1 2
(1 −1 0) → (0 2 2) → (0 2 2)
𝐹 →𝐹 −𝐹 𝐹3 →𝐹2 −2𝐹3
0 1 1 2 1 2 0 1 1 0 0 0
Se denomina rango de una matriz al número de filas LI que tiene la matriz.

Veremos en la siguiente unidad la importancia de este concepto en el estudio de
sistemas de ecuaciones lineales.
Puede demostrarse que:
1. Si se realizan operaciones elementales entre las filas de una matriz, el rango se

conserva.
2. Las filas no nulas de una matriz escalonada son LI.
Por lo tanto, para determinar el rango de una matriz se aplican operaciones

elementales para obtener una matriz escalonada y se cuentan las filas no nulas.
En el ejemplo, la matriz escalonada tiene rango 2, por lo tanto la matriz que

armamos con los generadores de S tiene rango 2. Esto significa que de los tres
generadores de S hay dos linealmente independientes. ¿Cuál es entonces la
dimensión de S? dim(𝑆) = 2
Este método también permite obtener bases: las filas no nulas de la última matriz
son otra base de S, ya que fueron obtenidas como combinaciones lineales de los
vectores de S:
{(1,1,2), (0,2,2)} 𝑜𝑡𝑟𝑎 𝑏𝑎𝑠𝑒 𝑑𝑒 𝑆
Ejemplo
Dado el conjunto:
𝐴 = {1 + 𝑥; 1 − 𝑥 2 ; 2 + 3𝑥 + 𝑘𝑥 2 } ⊂ 𝑃2
Hallar todos los valores de 𝑘 par que 𝐴 genere un subespacio de dimensión 2
Para el 𝑘 hallado encontrar las ecuaciones del subespacio generado por 𝐴.
Resolución
Sabemos que dim(𝑃2 ) = 3 , entonces todo conjunto de 3 vectores LI en 𝑃2 es base

de 𝑃2. Como se pide que la dimensión del subespacio sea 2, debemos hallar 𝑘 de
modo que los vectores sean LD.
Los dos primeros vectores de 𝐴 son LI, entonces se trata de analizar para qué
valores de 𝑘 el tercer vector es combinación lineal de los anteriores:
2 + 3𝑥 + 𝑘𝑥 2 = 𝛼(1 + 𝑥) + 𝛽(1 − 𝑥 2 )
2=𝛼+𝛽
{ 3 = 𝛼 ⇒ 𝛼 = 3 , 𝛽 = −1, 𝑘=1
𝑘 = −𝛽
31
Para 𝑘 = 1, el polinomio 2 + 3𝑥 + 𝑘𝑥 2 es combinación lineal de 1 + 𝑥 y 1 − 𝑥 2.

Entonces:
𝑔𝑒𝑛{1 + 𝑥; 1 − 𝑥 2 ; 2 + 3𝑥 + 𝑥 2 } = 𝑔𝑒𝑛{1 + 𝑥; 1 − 𝑥 2 }
{1 + 𝑥; 1 − 𝑥 2 } 𝑒𝑠 𝑏𝑎𝑠𝑒 𝑑𝑒 𝑃2
Ahora busquemos la ecuación del subespacio. Tomamos un polinomio genérico,

𝑝(𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 y lo escribimos como combinación lineal de los vectores de
la base:
𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 = 𝛼(1 + 𝑥) + 𝛽(1 − 𝑥 2 )
𝛼 + 𝛽 = 𝑎0
{ −𝛽 = 𝑎2 ⇒ 𝛼 = 𝑎1 ∧ 𝛽 = −𝑎2 ⇒ 𝑎0 = 𝑎1 − 𝑎2
𝛼 = 𝑎1
Entonces ésa es la ecuación que define al subespacio:
𝑆 = 𝑔𝑒𝑛(𝐴) = {𝑝 ∈ 𝑃2 | 𝑎0 − 𝑎1 + 𝑎2 = 0}
Como verificación, puede comprobarse que los dos vectores de la base verifican
la ecuación obtenida.
Operaciones con subespacios

Intersección
Sean 𝑆 y 𝑇 subespacios del mismo espacio vectorial 𝑉. Definimos la intersección
como sigue:
𝑆 ∩ 𝑇 = {𝑣 ∈ 𝑉 ∶ 𝑣 ∈ 𝑆 ∧ 𝑣 ∈ 𝑇} 𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑠𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜𝑠
Propiedad: 𝑆 ∩ 𝑇 es subespacio de 𝑉.
Demostración:
1. 0𝑉 ∈ 𝑆 ∧ 0𝑉 ∈ 𝑇 ⟹ 0𝑉 ∈ 𝑆 ∩ 𝑇
2. Consideremos 𝑢, 𝑣 ∈ 𝑆 ∩ 𝑇
⟹ 𝑢∈𝑆 ∧ 𝑢∈𝑇 ∧ 𝑣∈𝑆 ∧ 𝑣∈𝑇
𝑢 ∈ 𝑆 ∧ 𝑣 ∈ 𝑆 ⟹ 𝑢+𝑣 ∈ 𝑆 [1]
𝑢 ∈ 𝑇 ∧ 𝑣 ∈ 𝑇 ⟹ 𝑢 + 𝑣 ∈ 𝑇 [2]
De [1] y [2] se deduce que 𝑢 + 𝑣 ∈ 𝑆 ∩ 𝑇
3. Dejamos a cargo del lector demostrar: 𝑢 ∈ 𝑆 ∩ 𝑇 ⟹ (𝑘𝑢) ∈ 𝑆 ∩ 𝑇
Ejemplo 1
Sean los subespacios de ℝ3:
32
𝑆 = {(𝑥, 𝑦, 𝑧)| 𝑥 − 3𝑧 = 0}
𝑇 = {(𝑥, 𝑦, 𝑧)| 𝑥 + 𝑦 − 𝑧 = 0}
Hallar 𝑆 ∩ 𝑇.
Resolución
Por definición 𝑆 ∩ 𝑇 es un conjunto que estará formado por los vectores que
pertenezcan a 𝑆 y a 𝑇. Es decir aquellos vectores que satisfagan las ecuaciones de
𝑆 y las de 𝑇:
𝑆 ∩ 𝑇 = {(𝑥, 𝑦, 𝑧)| 𝑥 − 3𝑧 = 0 ∧ 𝑥 + 𝑦 − 𝑧 = 0}
Se trata de una recta definida como intersección de dos planos. Una base de la
recta es un vector director.
Geométricamente podemos buscar el vector director como el producto vectorial

de los vectores normales a los planos:
𝑖 𝑗 𝑘
𝑣 = 𝑛1 × 𝑛2 = |1 0 −3| = (3, −2,1)
1 1 −1
𝑆 ∩ 𝑇 = {(𝑥, 𝑦, 𝑧) = 𝜆(3, −2,1) , 𝜆 ∈ ℝ}
Entonces { (3, −2,1) } es una base de 𝑆 ∩ 𝑇.
Otra forma de resolverlo es buscar la solución del sistema de ecuaciones:
𝑥 − 3𝑧 = 0 𝑥 = 3𝑧
{ ⇒{ ⇒ (3𝑧, −2𝑧, 𝑧)∀𝑧 ∈ ℝ
𝑥+𝑦−𝑧 =0 𝑦 = 𝑧 − 𝑥 = −2𝑧
(𝑥, 𝑦, 𝑧) = 𝑧(3, −2,1)
Y entonces otra vez llegamos a que { (3, −2,1) } es una base de 𝑆 ∩ 𝑇.
Ejemplo 2
Sean los subespacios de ℝ2×2:
𝑆 = {𝐴 ∈ ℝ2×2 | 𝐴 = 𝐴𝑡 }
1 0 1 0
𝑇 = 𝑔𝑒𝑛 {( ),( )}
2 −1 1 0
Hallar 𝑆 ∩ 𝑇.
Resolución
La intersección de subespacios está formada por los vectores que verifican las
ecuaciones de dichos subespacios.
¿Qué tiene que cumplir una matriz para pertenecer a 𝑆?
33
𝑎 𝑏
𝑆 = {( ) ∈ ℝ2×2 | 𝑐 = 𝑏}
𝑐 𝑑
¿Qué tiene que cumplir una matriz para pertenecer a 𝑇?
1 0 1 0
Tiene que poder escribirse como combinación lineal de: ( ) 𝑦( )
2 −1 1 0
Hallemos las ecuaciones del subespacio 𝑇:
𝑎 𝑏 1 0 1 0
( ) = 𝛼( )+𝛽( )
𝑐 𝑑 2 −1 1 0
𝑎 𝑏 𝛼+𝛽 0
( )=( )
𝑐 𝑑 2𝛼 + 𝛽 −𝛼
𝑎 =𝛼+𝛽 𝛽 =𝑎+𝑑
𝑏=0 𝑏=0 𝑎 + 𝑑 = 𝑐 + 2𝑑
{ ⇒ { ⇒ {
𝑐 = 2𝛼 + 𝛽 𝛽 = 𝑐 + 2𝑑 𝑏=0
𝑑 = −𝛼 𝛼 = −𝑑
𝑎 𝑏
⇒ 𝑇 = {( ) | 𝑏 = 0 ∧ 𝑎 − 𝑐 − 𝑑 = 0}
𝑐 𝑑
Ahora planteamos que las matrices de 𝑆 ∩ 𝑇 deben cumplir con las ecuaciones de
𝑆 y las de 𝑇:
𝑎 𝑏
𝑆 ∩ 𝑇 = {( ) ∈ ℝ | 𝑏 = 𝑐 ∧ 𝑏 = 0 ∧ 𝑎 − 𝑐 − 𝑑 = 0}
𝑐 𝑑
O sea:
𝑏=𝑐=0 ∧ 𝑎=𝑑
Entonces las matrices de 𝑆 ∩ 𝑇 son de la forma:
𝑎 0 1 0
( ) = 𝑎( )
0 𝑎 0 1
Y una base de 𝑆 ∩ 𝑇 es:
1 0
𝐵𝑆∩𝑇 = {( )}
0 1
Hay un método alternativo más breve para hallar una base de 𝑆 ∩ 𝑇 sin necesidad
de obtener las ecuaciones de 𝑇, como veremos a continuación.
Escribamos una matriz de 𝑇 como combinación lineal de los vectores que la

generan:
𝑎 =𝛼+𝛽
𝑎 𝑏 𝑎 𝑏 1 0 1 0 𝑏=0
( )∈𝑇 ⟺ ( ) = 𝛼( )+𝛽( ) ⟺ {
𝑐 𝑑 𝑐 𝑑 2 −1 1 0 𝑐 = 2𝛼 + 𝛽
𝑑 = −𝛼
34
Pero además deben cumplirse las ecuaciones de 𝑆 que establecen que 𝑐 = 𝑏.

Entonces:
𝑎 = −𝛼
𝑏=0
2𝛼 + 𝛽 = 0 ⇒ 𝛽 = −2𝛼 ⇒ {
𝑐=0
𝑑 = −𝛼
Por lo tanto, una matriz de 𝑆 ∩ 𝑇 es:
−𝛼 0 1 0 1 0
( ) = −𝛼 ( ) ⇒ 𝐵𝑆∩𝑇 = {( )}
0 −𝛼 0 1 0 1
Suma de subespacios
Dados 𝑆, 𝑇 subespacios de 𝑉, se define la suma como sigue:
𝑆 + 𝑇 = {𝑣 ∈ 𝑉 ∶ 𝑣 = 𝑣1 + 𝑣2 , 𝑐𝑜𝑛 𝑣1 ∈ 𝑆 , 𝑣2 ∈ 𝑇} 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑠𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜𝑠
Propiedad: 𝑆 + 𝑇 es un subespacio del espacio vectorial 𝑉.
Dejamos la demostración a cargo del lector.
Si conocemos conjuntos generadores de S y de T, podemos hallar generadores de

la suma:
𝑆 = 𝑔𝑒𝑛{𝑣1 , 𝑣2 , … , 𝑣𝑞 } y 𝑇 = 𝑔𝑒𝑛{𝑤1 , 𝑤2 , … , 𝑤𝑟 } ⇒ 𝑆 + 𝑇 = 𝑔𝑒𝑛{𝑣1 , 𝑣2 , … 𝑣𝑞 , 𝑤1 , 𝑤2 , … , 𝑤𝑟 }
Para hallar la suma es usual buscar las bases de 𝑆 y 𝑇. Como las bases son
conjuntos generadores LI, si conocemos una base de cada subespacio podremos
obtener un conjunto generador de la suma:
Dadas las bases 𝐵𝑠 = {𝑣1 , 𝑣2 , … , 𝑣𝑞 } y 𝐵𝑇 = {𝑤1 , 𝑤2 , … , 𝑤𝑟 }
Resulta: {𝑣1 , … , 𝑣𝑞 , 𝑤1 , … , 𝑤𝑟 } 𝒄𝒐𝒏𝒋𝒖𝒏𝒕𝒐 𝒈𝒆𝒏𝒆𝒓𝒂𝒅𝒐𝒓 𝑑𝑒 𝑙𝑎 𝑠𝑢𝑚𝑎
Observación: Se obtiene así un conjunto generador de la suma pero no siempre es

linealmente independiente.
 Si es LI, encontramos una base de la suma.

 Si es LD, podemos extraer una base de la suma eliminando los vectores
“que sobran”.
Ejemplo 1
Dados los siguientes subespacios de 𝑉 = ℝ3:
𝑆 = {(𝑥, 𝑦, 𝑧)| 𝑥 − 3𝑧 = 0}
𝑇 = {(𝑥, 𝑦, 𝑧)| 𝑥 + 𝑦 − 𝑧 = 0}
Nos interesa hallar 𝑆 + 𝑇.
Busquemos una base de 𝑆. Para eso en la ecuación despejamos una variable:
35
𝑥 = 3𝑧
Ahora armamos un vector genérico:
(𝑥, 𝑦, 𝑧) = (3𝑧, 𝑦, 𝑧) = 𝑧(3,0,1) + 𝑦(0,1,0)
𝐵𝑆 = {(3,0,1), (0,1,0)}
Busquemos una base de 𝑇. Para esto en la ecuación despejamos una variable:
𝑧 =𝑥+𝑦
Ahora armamos un vector genérico:
(𝑥, 𝑦, 𝑧) = (𝑥, 𝑦, 𝑥 + 𝑦) = 𝑥(1,0,1) + 𝑦(0,1,1)
Entonces
𝐵𝑇 = {(1,0,1), (0,1,1)}
𝑆 + 𝑇 = 𝑔𝑒𝑛{(3,0,1), (0,1,0), (1,0,1), (0,1,1)}
Sabemos que todo conjunto de más de 3 vectores en ℝ3 es linealmente

dependiente, ya que la dimensión de ℝ3 es 3. ¿Cómo podemos extraer una base
de la suma?
Podríamos armar una matriz con estos 4 vectores y llevarla a la forma escalonada.
O si no, como el espacio es ℝ3 podemos pensar geométricamente:
𝐵𝑆 ∉𝑆
⏞
𝑆 + 𝑇 = 𝑔𝑒𝑛 {(3,0,1), (0,1,0) , ⏞
(1,0,1) , (0,1,1)}
Como (1,0,1) no verifica la ecuación del plano S, los 3 primeros vectores no son
coplanares y por lo tanto forman una base de 𝑅3. Podemos eliminar (0,1,1) porque
es combinación lineal de dicha base.
Por lo tanto: 𝐵 = {(3,0,1), (0,1,0), (1,0,1)} es base de 𝑆 + 𝑇 y es base de 𝑅 3.
En este caso, como 𝑆 + 𝑇 es un subespacio de 𝑅 3 de dimensión 3, podemos

afirmar que:
𝑆 + 𝑇 = ℝ3
Generalizando:
𝑆 𝑠𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑑𝑒 𝑉 𝑦 dim(𝑆) = dim(𝑉) ⟹ 𝑆 = 𝑉
Ejemplo 2
Dados los siguientes subespacios de 𝑉 = ℝ4:
36
𝑆1 = {𝑥 ∈ ℝ4| 𝑥1 + 𝑥2 = 𝑥2 + 𝑥4 = 0}
𝑆2 = {𝑥 ∈ ℝ4| 𝑥1 − 𝑥4 = 𝑥3 + 𝑥4 = 0}
Hallar base y dimensión de 𝑆1 + 𝑆2 .
Resolución
(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) = (−𝑥2 , 𝑥2 , 𝑥3 , −𝑥2 ) = 𝑥2 (−1,1,0, −1) + 𝑥3 (0,0,1,0)
𝐵𝑆1 = {(1, −1,0,1), (0,0,1,0)}
(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) = (𝑥4 , 𝑥2 , −𝑥4 , 𝑥4 ) = 𝑥4 (1,0, −1,1) + 𝑥2 (0,1,0,0)
𝐵𝑆2 = {(1,0, −1,1), (0,1,0,0)}
𝑆1 + 𝑆2 = 𝑔𝑒𝑛{(1, −1,0,1), (0,0,1,0), (1,0, −1,1), (0,1,0,0)}
Cómo hemos visto, un método para analizar si son LI o LD, consiste en armar una
matriz con los vectores como filas y llevarla a su forma escalonada. Por
conveniencia colocaremos los vectores en el siguiente orden:
1 −1 0 1 1 −1 0 1 1 −1 0 1
1 0 −1 1 0 1 −1 0 0 1 −1 0
( )→ ( )→ ( )
0 1 0 0 2 2 1 0 1
𝐹 →𝐹 −𝐹 0 0 3 3 2 0 0
𝐹 →𝐹 −𝐹 1 0
0 0 1 0 0 0 1 0 0 0 1 0
1 −1 0 1
0 1 −1 0
→ ( )
𝐹4 →𝐹4 −𝐹3 0 0 1 0
0 0 0 0
La matriz escalonada tiene 3 filas LI (su rango es 3), entonces podemos afirmar que
la dimensión de 𝑆 + 𝑇 es 3.
Como se anuló la última fila, el vector (0,0,1,0) es combinación lineal de los otros
tres, por lo tanto una base de 𝑆 + 𝑇 es: 𝐵𝑆+𝑇 = {(1, −1,0,1), (0,1,0,0), (1,0, −1,1)}.
Recordemos que las filas de la matriz escalonada componen otra base de la

suma:
𝐵′𝑆+𝑇 = {(1, −1,0,1), (0,1, −1,0), (0,0,1,0)}
Suma directa
La suma de dos subespacios es directa si y sólo si la intersección de los subespacios
es el vector nulo.
𝑆 + 𝑇 𝑒𝑠 𝑑𝑖𝑟𝑒𝑐𝑡𝑎 ⇔ 𝑆 ∩ 𝑇 = {0𝑉 }
Cuando la suma es directa se escribe:
𝑆⊕𝑇
37
Ejemplos en 𝑉 = ℝ3
A continuación consideraremos diferentes casos de suma de subespacios en ℝ3.
Dos rectas
Un caso posible de suma de dos subespacios en ℝ3 es el de dos rectas que se
cortan:
𝑆1
𝑆2
𝑣1 𝑣2
(0,0,0)
Los dos vectores LI de las rectas generan un plano: aquél que contiene a ambas
rectas. La suma es directa porque la intersección entre las rectas es el vector nulo.
𝑆1 ∩ 𝑆2 = {(0,0,0)} 𝑦 𝑆1 + 𝑆2 = 𝑔𝑒𝑛{𝑣1 , 𝑣2 }
𝑆1 ⊕ 𝑆2 = 𝑆 donde S es el plano que contiene a las dos rectas
Dos planos que se cortan

Otro caso posible de suma de dos subespacios en ℝ3 es el de dos planos que se
cortan en una recta:
38
𝑆1 𝑆2
𝑣3
𝑣1
𝑣2 (0,0,0)
𝑣4
𝑆1 ∩ 𝑆2 ≠ {0𝑉 } 𝑦 𝑆1 + 𝑆2 = 𝑔𝑒𝑛{𝑣1 , 𝑣2 , 𝑣3 , 𝑣4 ] = 𝑔𝑒𝑛{ 𝑣1 , 𝑣2 , 𝑣3 }
La suma de los subespacios es ℝ3 pero no es suma directa porque la intersección

no es el vector nulo:
𝑆1 + 𝑆2 = ℝ3
Un plano y una recta incluida en el plano

Otro caso posible de suma de dos subespacios en ℝ3 es el de un plano y una recta
incluida en el plano.
𝑆1
𝑣3
(0,0,0)
𝑣2
𝑣1
𝑆2
𝑆1 + 𝑆2 = 𝑆1 𝑝𝑢𝑒𝑠 𝑆2 ⊂ 𝑆1
Se obtiene el mismo plano, y la suma no es directa porque la intersección no es

igual al vector nulo.
39
Un plano y una recta no incluida en el plano

Otro caso posible de suma de dos subespacios en ℝ3 es el de un plano y una recta
no incluida en el plano.
𝑆2
𝑣3
𝑆1
(0,0,0)
𝑣2
𝑣1
𝑆1 ∩ 𝑆2 = {(0,0,0)} y 𝑆1 + 𝑆2 = 𝑔𝑒𝑛{𝑣1 , 𝑣2, 𝑣3 } = ℝ3
Se genera ℝ3 porque el vector director de la recta no es coplanar con los vectores

del plano, y además es directa porque la intersección es el vector nulo:
𝑆1 ⊕ 𝑆2 = ℝ3
Observación: En el último caso, la unión de las bases de los dos subespacios forma
una base de todo el espacio. En este caso, cada vector de ℝ3 puede expresarse
de forma única como suma de un vector de 𝑆1 y otro de 𝑆2.
EPL 3
Dados 𝑆1 = 𝑔𝑒𝑛{(1,2,1), (0,2,0)} y 𝑆2 = {(𝑥, 𝑦, 𝑧): 𝑥 + 𝑦 = 𝑦 − 𝑘𝑧 = 0},
a) Hallar los valores de 𝑘 para los cuales 𝑆1 ⨁ 𝑆2 = ℝ3 ;
b) Para 𝑘 = 0 , comprobar que 𝑣 = (3,2,1) puede expresarse de forma única como

suma de un vector 𝑣1 ∈ 𝑆1 y otro de 𝑣2 ∈ 𝑆2 .
EPL 4
Sean los subespacios de ℝ4:
𝑆 = 𝑔𝑒𝑛{(1,1,1,1), (0,1,0,1)} y 𝑇 = {(𝑥, 𝑦, 𝑧, 𝑡): 𝑥 − 𝑧 = 0 , 𝑥 − 𝑧 + 𝑡 = 0}
¿Cuál de las siguientes afirmaciones es correcta? Justificar.
1. 𝑆 ⨁ 𝑇 = ℝ4
2. 𝑆 + 𝑇 = ℝ4
40
3. 𝑆 + 𝑇 = 𝑊 𝑦 dim(𝑊) = 3
4. 𝑆 ⨁ 𝑇 = 𝑊 𝑦 dim(𝑊) = 3
Teorema de la dimensión de la suma

Si 𝑆1 y 𝑆2 son subespacios de un espacio vectorial 𝑉 (de dimensión finita), entonces:
𝐝𝐢𝐦(𝑺𝟏 + 𝑺𝟐 ) = 𝐝𝐢𝐦(𝑺𝟏 ) + 𝐝𝐢𝐦(𝑺𝟐 ) − 𝐝𝐢𝐦(𝑺𝟏 ∩ 𝑺𝟐 )
En el caso particular de que la suma sea directa, como 𝑆1 ∩ 𝑆2 = {0𝑉 } , resulta:
dim(𝑆1 ⨁ 𝑆2 ) = dim(𝑆1 ) + dim(𝑆2 )
Ejemplo
Dados los subespacios de 𝑃2:
𝑆1 = {𝑝 ∈ 𝑃2 | 𝑝(0) = 0}
𝑆2 = {𝑝 ∈ 𝑃2 | 𝑝(1) = 0}
Hallar bases de ambos subespacios y de la intersección
Resolución
Hallemos una base de 𝑆1:
𝑝(0) = 𝑎0 + 𝑎1 0 + 𝑎2 02 = 0 ⇒ 𝑎0 = 0
Entonces son los polinomios de la forma:
𝑎1 𝑥 + 𝑎2 𝑥 2
Luego una base de 𝑆1 es:
𝐵𝑆1 = {𝑥, 𝑥 2 } ⇒ dim(𝑆1 ) = 2
Hallemos una base de 𝑆2:
𝑝(1) = 𝑎0 + 𝑎1 1 + 𝑎2 12 = 0 ⇒ 𝑎0 + 𝑎1 + 𝑎2 = 0
Entonces son los polinomios de la forma:
(−𝑎1 − 𝑎2 ) + 𝑎1 𝑥 + 𝑎2 𝑥 2 = 𝑎1 (−1 + 𝑥) + 𝑎2 (−1 + 𝑥 2 )
𝐵𝑆2 = {−1 + 𝑥 , − 1 + 𝑥 2 } ⇒ dim(𝑆2 ) = 2
Para buscar 𝑆1 ∩ 𝑆2 debemos plantear que se cumplan las ecuaciones de 𝑆1 y

también las de 𝑆2:
𝑎0 = 0 ∧ 𝑎0 + 𝑎1 + 𝑎2 = 0 ⇒ 𝑎0 = 0 ∧ 𝑎1 = −𝑎2
41
Los polinomios serán de la forma:
𝑎1 𝑥 − 𝑎1 𝑥 2 = 𝑎1 (𝑥 2 − 𝑥)
Luego:
𝐵𝑆1 ∩𝑆2 = {𝑥 2 − 𝑥} ⇒ dim(𝑆1 ∩ 𝑆2 ) = 1
Nótese que como conocemos las dimensiones de 𝑆1, 𝑆2 y 𝑆1 ∩ 𝑆2, podemos

calcular la dimensión de 𝑆1 + 𝑆2:
dim(𝑆1 + 𝑆2 ) = 2 + 2 − 1 = 3
Pero el único subespacio de 𝑃2 con dimensión 3 es 𝑃2. Luego: 𝑆1 + 𝑆2 = 𝑃2.
EPL 5
Dados los subespacios de ℝ2×2:
𝑊1 : {𝐴 ∈ ℝ2×2 | 𝐴 = 𝐴𝑡 }
𝑊2 : {𝐴 ∈ ℝ2×2 | 𝐴 = −𝐴𝑡 }
a) Hallar bases de 𝑊1 y 𝑊2
b) Obtener 𝑊1 ∩ 𝑊2.
c) Sin hallar 𝑊1 + 𝑊2 analizar la validez de la siguiente afirmación:
𝑊1 ⊕ 𝑊2 = ℝ2×2
d) Proponer una base de ℝ2×2 formada por matrices simétricas y

antisimétricas, y expresar la matriz
1 2
( )
3 4
como suma de una matriz simétrica más una antisimétrica.
Producto interno
En la primera unidad vimos producto escalar entre vectores y sus aplicaciones a la
Geometría. En esta sección nos proponemos generalizar esta operación a otros
espacios vectoriales definiendo la noción general de producto interno a partir de
las propiedades del producto escalar.
Definición: Un producto interno en un espacio vectorial real 𝑉 es una operación

que asigna a cada par de vectores 𝒖 y 𝒗 de 𝑉 un número real 𝒖 . 𝒗 tal que se
verifican las siguientes propiedades (para todo vector 𝒖, 𝒗, 𝒘 de 𝑉 y todo escalar
𝛼):
1. 𝑢 ⋅ 𝑣 = 𝑣 ⋅ 𝑢
2. 𝑢 ⋅ (𝑣 + 𝑤) = (𝑢 ⋅ 𝑣) + (𝑢 ⋅ 𝑤)
3. 𝛼𝑢 ⋅ 𝑣 = 𝛼(𝑢 ⋅ 𝑣)
42
4. 𝑢 ⋅ 𝑢 ≥ 0 𝑦 𝑢 ⋅ 𝑢 = 0 ⟺ 𝑢 = 0𝑉
Es posible definir así distintos productos internos en cualquier espacio vectorial

(mientras se verifiquen estas propiedades). En nuestra materia, sólo trabajaremos
con el producto interno canónico en ℝ𝑛 , que es la extensión del producto escalar:
(𝑥1 , 𝑥2 , … , 𝑥𝑛 ). (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) = 𝑥1 𝑦1 + 𝑥2 𝑦2 + ⋯ 𝑥𝑛 𝑦𝑛 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑖𝑛𝑡𝑒𝑟𝑛𝑜 𝑐𝑎𝑛ó𝑛𝑖𝑐𝑜 𝑒𝑛 𝑅 𝑛
Esta definición nos permite extender el concepto de ortogonalidad a ℝ𝑛 :
𝑢 ⊥ 𝑣 ⇔ 𝑢. 𝑣 = 0 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙𝑖𝑑𝑎𝑑
Ejemplo
Realicemos el producto interno de los vectores de ℝ4:
𝑢 = (1,2,3,4) 𝑣 = (1,0,1, −1)
𝑢. 𝑣 = 1.1 + 2.0 + 3.1 + 4. (−1) = 0
Como 𝑢. 𝑣 = 0 entonces 𝑢 y 𝑣 son ortogonales.
Complemento ortogonal de un
subespacio
Sea 𝑆 subespacio de 𝑉 (espacio vectorial con producto interno).
El complemento ortogonal de 𝑆, que denotamos como 𝑆 ⊥ , es el conjunto de

vectores de 𝑉 que son ortogonales a cada uno de los vectores de 𝑆:
𝑆 ⊥ = { 𝑣 ∈ 𝑉 ∶ 𝑣 ⋅ 𝑤 = 0 ∀𝑤 ∈ 𝑆 } 𝑐𝑜𝑚𝑝𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙 𝑑𝑒 𝑆
Propiedad: 𝑆 ⊥ es un subespacio de 𝑉.
1. 0𝑉 pertenece a 𝑆 ⊥ pues 0𝑉 . 𝑤 = 0 para todo 𝑤 de 𝑆
2. Sean 𝑢, 𝑣 ∈ 𝑆 ⊥ ⇒ 𝑢. 𝑤 = 0 ∧ 𝑣. 𝑤 = 0 ∀𝑤 ∈ 𝑆 ⇒ (𝑢 + 𝑣). 𝑤 = 𝑢. 𝑤 + 𝑣. 𝑤 = 0
Por lo tanto 𝑢 + 𝑣 está en 𝑆 ⊥
3. Si 𝑢 ∈ 𝑆 ⊥ ⇒ 𝑘𝑢 ∈ 𝑆 ⊥. ¿Por qué?
Ejemplo 1
Sea 𝑆 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 | 2𝑥 + 3𝑦 − 𝑧 = 0}. Hallar 𝑆 ⊥.
Resolución
Tenemos que buscar los vectores de ℝ3 que sean perpendiculares a todos los
vectores de ese plano.
Primero buscamos una base de 𝑆, por ejemplo:
43
𝐵𝑆 = {(−1,1,1), (0,1,3)}
Para hallar el complemento ortogonal, buscamos todos los vectores (𝑥, 𝑦, 𝑧) que
sean ortogonales a (−1, ,1,1) y a (0,1,3).
Se obtiene así un sistema de ecuaciones que define el complemento ortogonal:
(𝑥, 𝑦, 𝑧). (−1,1,1) = 0 −𝑥 + 𝑦 + 𝑧 = 0 ⇒ −𝑥 − 3𝑧 + 𝑧 = 0

{ ⇒ {
(𝑥, 𝑦, 𝑧). (0,1,3) = 0 𝑦 + 3𝑧 = 0
𝑥 = −2𝑧
{ 𝐸𝑐𝑢𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑆 ⊥
𝑦 = −3𝑧
¿Cuál es una base del subespacio 𝑆 ⊥?
𝐵𝑆⊥ = {(−2, −3,1)}
La base es un vector perpendicular al plano 𝑆. Por lo tanto, el complemento

ortogonal de un plano que pasa por el origen es la recta perpendicular que pasa
por el origen.
𝑆⊥
Si 𝑆 es una recta que pasa por el origen: ¿cuál es su complemento ortogonal?
EPL 6
Para justificar el procedimiento que utilizamos para encontrar las ecuaciones de
𝑆 ⊥, les pedimos que demuestren la siguiente propiedad:
Sean 𝑢, 𝑣, 𝑤 vectores de ℝ𝑛 .
Si 𝑤 es ortogonal a 𝑢 y a 𝑣, entonces es ortogonal a cualquier combinación lineal

de 𝑢 y 𝑣.
44
Ejemplo 2
Dado siguiente subespacio de ℝ4:
𝑆 = {(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) ∈ ℝ4 | 𝑥1 + 𝑥2 − 3𝑥3 = 0 ∧ 𝑥2 − 𝑥4 = 0}
Halle base y dimensión del complemento ortogonal.
Resolución
Tenemos que buscar los vectores de ℝ4 que son ortogonales a los vectores de 𝑆.
Hallemos una base de 𝑆:
(−𝑥2 + 3𝑥3 , 𝑥2 , 𝑥3 , 𝑥2 ) = 𝑥2 (−1,1,0,1) + 𝑥3 (3,0,1,0)
⇒ 𝐵𝑆 = {(−1,1,0,1), (3,0,1,0)}
Ahora buscamos los (𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) tales que:
(𝑥 , 𝑥 , 𝑥 , 𝑥 )(3,0,1,0) = 0 3𝑥1 + 𝑥3 = 0
{ 1 2 3 4 ⇒ {
(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 )(−1,1,0,1) = 0 −𝑥1 + 𝑥2 + 𝑥4 = 0
Hallamos las ecuaciones que definen a 𝑆 ⊥:
𝑆 ⊥ = {(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) ∈ ℝ4 | 3𝑥1 + 𝑥3 = 0 ∧ −𝑥1 + 𝑥2 + 𝑥4 = 0 }
Busquemos una base de 𝑆 ⊥:
(𝑥1 , 𝑥2 , − 3𝑥1 , 𝑥1 − 𝑥2 ) = 𝑥1 (1,0, −3,1) + 𝑥2 (0,1,0, −1)
⇒ 𝐵𝑆 ⊥ = {(1,0, −3,1), (0,1,0, −1)} ⇒ dim(𝑆 ⊥) = 2
Propiedades del complemento

ortogonal
Sea 𝑉 un espacio vectorial de dimensión finita, con producto interno, y sea 𝑆 un
subespacio de 𝑉. Entonces se verifican las siguientes propiedades:
1. (𝑆 ⊥ )⊥ = 𝑆
2. 𝑉 ⊥ = { 0𝑉 } y { 0𝑉 } ⊥ = 𝑉
3. 𝑆 ∩ 𝑆 ⊥ = {0𝑉 }
4. 𝑆 + 𝑆⊥ = 𝑉
Esta última propiedad significa que cualquier vector de 𝑉 puede expresarse como
suma de un vector de S más otro de 𝑆 ⊥.
Ilustramos con un ejemplo geométrico de ℝ3 :
45
𝑆⊥
𝑣 ∈ ℝ3
𝑣𝑆 ⊥ ∈ 𝑆 ⊥
𝑣𝑆 ∈ 𝑆
De las propiedades 3 y 4 se deduce:
𝑺 ⊕ 𝑺⊥ = 𝑽
Y por lo tanto:
𝐝𝐢𝐦(𝑺) + 𝐝𝐢𝐦(𝑺⊥ ) = 𝐝𝐢𝐦(𝑽)
La unión de una base de 𝑺 con una base de 𝑺⊥ es base de 𝑽. Esto se aplica para
extender una base de 𝑆 a una base de 𝑉, como muestra el siguiente ejemplo.
Ejemplo
Sea 𝑆 = {(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) ∈ ℝ4 ∶ 𝑥1 + 𝑥4 = 0 , 𝑥1 − 𝑥2 + 3𝑥4 = 0 }.
Hallar una base de 𝑆 y extenderla a una base de ℝ4.
Resolución
Buscamos una base de S, por ejemplo:
𝐵𝑆 = { (1, −2,0, −1), (0,0,1,0)}
Como 𝑑𝑖𝑚(𝑆) = 2, podemos anticipar que: dim(𝑆 ⊥ )= 4 – 2 = 2
A partir de la base de S, obtenemos las ecuaciones de 𝑆 ⊥:
𝑥 − 2𝑥2 − 𝑥4 = 0
𝑆⊥: { 1
𝑥3 = 0
Y hallamos una base de 𝑆 ⊥ , por ejemplo:
𝐵𝑆⊥ = { (2,1,0,0), ((0,1,0, −2)}
46
Entonces uniendo las bases de 𝑆 y 𝑆 ⊥ resulta:
𝐵 = { (1, −2,0, −1), (0,0,1,0), (2,1,0,0), ((0,1,0, −2) } 𝑏𝑎𝑠𝑒 𝑑𝑒 ℝ4
EPL 7
Dados los siguientes subespacios de ℝ4:
𝑆 = {(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) ∶ 𝑥1 = 0 , 𝑥2 + 2𝑥3 = 0 } y 𝑊 = 𝑔𝑒𝑛{ (1,0,0,0), (2,3, 𝑘, 0)}
Hallar los valores de 𝑘 para los cuales 𝑊 = 𝑆 ⊥
47
ALGEBRA Y
GEOMETRÍA
ANALÍTICA
Isabel Pustilnik
0
Federico Gómez
ÍNDICE
Rango y sistemas de ecuaciones lineales ....................................................................... 2
Espacio fila y espacio columna de una matriz ........................................................... 2
Rango de una matriz ....................................................................................................... 2
Compatibilidad y rango ..................................................................................................... 4
Espacio solución de un sistema homogéneo.................................................................. 6
Propiedad ......................................................................................................................... 7
Relación entre las soluciones de 𝑨𝑿 = 𝑩 y 𝑨𝑿 = 𝟎 ......................................................... 7
Propiedad 1 ........................................................................................................................9
Propiedad 2 ........................................................................................................................9
Propiedad 3 ..................................................................................................................... 10
Número de variables libres de un sistema ..................................................................... 11
Resumen ............................................................................................................................. 13
1
Rango y sistemas de ecuaciones

lineales
Espacio fila y espacio columna de una
matriz
Consideremos la matriz
1 1 0 1
𝐴 = (0 0 1 −1)
1 1 −1 2
Cada fila de A es un vector de ℝ4:
𝐹1 = (1 , 1, 0 , 1)
𝐹2 = (0 , 0 , 1 , −1)
𝐹3 = ( 1 , 1 , −1 , 2 )
Y cada columna es un vector de ℝ3 (ℝ3𝑥1):
1 1 0 1
𝐴1 = (0) , 0 1 −1
𝐴2 = ( ) , 𝐴3 = ( ) , 𝐴4 = ( )
1 1 −1 2
Se denomina espacio fila al subespacio generado por las filas:
𝐹𝑖𝑙(𝐴) = 𝑔𝑒𝑛{𝐹1 , 𝐹2 , 𝐹3 } ⊆ ℝ4
Se denomina espacio columna al subespacio generado por las columnas:
𝐶𝑜𝑙(𝐴) = 𝑔𝑒𝑛{𝐴1 , 𝐴2 , 𝐴3 , 𝐴4 } ⊆ ℝ3
En general, dada una matriz 𝐴 ∈ ℝ𝑚×𝑛 de 𝑚 filas con 𝑛 columnas, los espacios fila y
columna son:
𝐹𝑖𝑙(𝐴) = 𝑔𝑒𝑛{𝐹1 , 𝐹2 , … , 𝐹𝑚 } ⊆ ℝ𝑛
𝐶𝑜𝑙(𝐴) = 𝑔𝑒𝑛{𝐴1 , 𝐴2 , … , 𝐴𝑛 } ⊆ ℝ𝑚
Rango de una matriz

𝐹𝑖𝑙(𝐴) y 𝐶𝑜𝑙(𝐴) son en general subespacios de diferentes espacios vectoriales. Pero
se puede demostrar que en cualquier matriz la dimensión del espacio fila coincide
con la dimensión del espacio columna, y a ese número se lo llama rango de la
matriz 𝐴.
𝒅𝒊𝒎(𝑭𝒊𝒍(𝑨)) = 𝒅𝒊𝒎(𝑪𝒐𝒍(𝑨)) = 𝒓𝒈(𝑨)
El rango es el número de filas (o columnas) LI que tiene la matriz 𝑨.
2
Propiedad
Como consecuencia de esta definición puede afirmarse que
𝑟𝑔(𝐴) = 𝑟𝑔(𝐴𝑡 )
Método para hallar el rango de una matriz

Recordemos que:
1. Si se realizan operaciones elementales entre las filas de una matriz, el rango se

conserva.
2. Las filas no nulas de una matriz escalonada son LI.
Por lo tanto, para determinar el rango de una matriz se aplican operaciones

elementales para obtener una matriz escalonada y se cuentan las filas no nulas.
Ejemplo 1
Una matriz escalonada por filas es:
1 0 1 0
𝑀 = ( 0 0 0 3)
0 0 0 0
Para determinar el rango contamos el número de filas no nulas (número de

pivotes):
𝑟𝑔(𝑀) = 2
Ejemplo 2
Consideremos la matriz:
1 2 3
𝑁 = ( 0 3 1)
0 0 4
Como es escalonada por filas, contamos la cantidad de filas no nulas para hallar
el rango:
𝑟𝑔(𝑁) = 3
Se puede confundir una matriz escalonada con una matriz triangular, como
veremos en el siguiente ejemplo:
Ejemplo 3
1 2 3
𝐴 = ( 0 0 1)
0 0 2
Observamos que 𝐴 es triangular (los elementos debajo de la diagonal principal son

ceros) pero no está escalonada.
3
Mediante la operación elemental 𝐹3 → 𝐹3 − 2𝐹2 , obtenemos una matriz

escalonada equivalente:
1 2 3
𝐵 = (0 0 1)
0 0 0
De donde se deduce que 𝑟𝑔(𝐴) = 𝑟𝑔(𝐵) = 2
Ejemplo 4
Retomemos la matriz:
1 1 0 1
𝐴 = (0 0 1 −1)
1 1 −1 2
1 1 0 1 1 1 0 1 1 1 0 1
(0 0 1 −1) → (0 0 1 −1) → (0 0 1 −1)
𝐹3 →𝐹3 −𝐹1 𝐹 →𝐹 +𝐹
1 1 −1 2 0 0 −1 1 3 3 2 0 0 0 0
𝑟𝑔(𝐴) = 2
Entonces una base del espacio fila es:
𝐵𝐹𝑖𝑙(𝐴) = {𝐹1 , 𝐹2 }
Como la dimensión del espacio columna es la misma que la dimensión del

espacio fila, sabemos que 𝐴 tiene dos columnas LI. Por lo tanto una base de 𝐶𝑜𝑙(𝐴)
es:
𝐵𝐶𝑜𝑙(𝐴) = {𝐴1 , 𝐴3 }
Compatibilidad y rango
Consideremos el siguiente sistema:
𝑥1 + 𝑥2 + 𝑥4 = 3
{ 𝑥3 − 𝑥4 = 2
𝑥1 + 𝑥2 − 𝑥3 + 2𝑥4 = 0
Es un sistema de ecuaciones lineales de 3 ecuaciones con 4 incógnitas (3 x 4) cuya

matriz de coeficientes es la 𝐴 del ejemplo anterior.
El sistema puede expresarse en forma matricial como: 𝐴 𝑋 = 𝐵
1 1 0 1 3
con 𝐴 = (0 0 1 −1) y 𝐵 = (2)
1 1 −1 2 0
Este sistema, ¿tendrá solución? ¿Cuántas soluciones tendrá?
Veamos cómo escribir el sistema en función de las columnas de la matriz 𝐴:
4
1 1 0 1 3
𝑥1 (0) + 𝑥2 (0) + 𝑥3 ( 1 ) + 𝑥4 (−1) = (2)
1 1 −1 2 0
Queda una combinación lineal de las columnas de 𝐴 igualada al vector de los

términos independientes:
𝑥1 𝐴1 + 𝑥2 𝐴2 + 𝑥3 𝐴3 + 𝑥4 𝐴4 = 𝐵
¿Cuándo tiene solución el sistema? Cuando podemos encontrar valores para

𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 que satisfagan la igualdad. Estos valores pueden ser únicos o no.
En otras palabras:
El sistema 𝑨𝑿 = 𝑩 es compatible si y sólo si 𝑩 es combinación lineal de las

columnas de 𝑨.
Decir que 𝐵 es combinación lineal de las columnas de 𝐴 significa que 𝐵 está en el

subespacio generado por las columnas de 𝐴. O sea:
𝑬𝒍 𝒔𝒊𝒔𝒕𝒆𝒎𝒂 𝑨𝑿 = 𝑩 𝒆𝒔 𝒄𝒐𝒎𝒑𝒂𝒕𝒊𝒃𝒍𝒆 ⇔ 𝑩 ∈ 𝑪𝒐𝒍(𝑨)
Consideremos la matriz ampliada del sistema, que se obtiene agregando la

columna de los términos independientes:
𝐴′ = (𝐴1 𝐴2 𝐴3 𝐴4 𝐵)
¿Qué valores puede tomar 𝑟𝑔(𝐴′ )?
El rango de 𝐴′ dependerá de si 𝐵 es combinación lineal o no de las columnas de 𝐴:
 𝑟𝑔(𝐴′ ) = 𝑟𝑔(𝐴) = 2 ⇔ 𝐵 ∈ 𝐶𝑜𝑙(𝐴)

 𝑟𝑔(𝐴′ ) = 𝑟𝑔(𝐴) + 1 = 3 ⇔ 𝐵 ∉ 𝐶𝑜𝑙(𝐴)
Estamos en condiciones de enunciar un teorema central sobre la compatibilidad

de sistemas de ecuaciones lineales.
Un sistema de ecuaciones lineales 𝐴𝑋 = 𝐵 es compatible si y sólo si el rango de la

matriz ampliada es igual al rango de 𝐴.
𝑬𝒍 𝒔𝒊𝒔𝒕𝒆𝒎𝒂 𝑨𝑿 = 𝑩 𝒆𝒔 𝒄𝒐𝒎𝒑𝒂𝒕𝒊𝒃𝒍𝒆 ⇔ 𝒓𝒈(𝑨) = 𝒓𝒈(𝑨′ )
Ejemplo 1
Retomemos el sistema de ecuaciones anterior para analizar su compatibilidad:
𝑥1 + 𝑥2 + 𝑥4 = 3
{ 𝑥3 − 𝑥4 = 2
𝑥1 + 𝑥2 − 𝑥3 + 2𝑥4 = 0
1 1 0 1 𝟑 1 1 0 1 𝟑 1 1 0 1 𝟑
(0 0 1 −1 𝟐) → (0 0 1 −1 𝟐 ) → (0 0 1 −1 𝟐 )
𝐹 →𝐹 −𝐹 𝐹 →𝐹 +𝐹
1 1 −1 2 𝟎 3 3 1 0 0 −1 1 −𝟑 3 3 2 0 0 0 0 −𝟏
𝑟𝑔(𝐴) = 2 y 𝑟𝑔(𝐴′ ) = 3 ⇒ El sistema es incompatible
5
Ejemplo 2
Si cambiamos el término independiente de la tercera ecuación como sigue:
𝑥1 + 𝑥2 + 𝑥4 = 3
{ 𝑥3 − 𝑥4 = 2
𝑥1 + 𝑥2 − 𝑥3 + 2𝑥4 = 1
El sistema resulta compatible porque:
1 1 0 1 𝟑 1 1 0 1 3 1 1 0 1 3
(0 0 1 −1 2) ∼ (0 0 1 −1 2 ) ∼ (0 0 1 −1 2)
1 1 −1 2 1 0 0 −1 1 −2 0 0 0 0 0
𝑟𝑔(𝐴) = 𝑟𝑔(𝐴′ ) = 2 ⇒ El sistema es compatible
De acuerdo con la matriz escalonada el sistema se expresa cómo sigue:
𝑥 + 𝑥2 + 𝑥4 = 3 𝑥3 = 2 + 𝑥4
{ 1 ⇒ { ∀𝑥2 , 𝑥4 ∈ ℝ
𝑥3 − 𝑥4 = 2 𝑥1 = 3 − 𝑥4 − 𝑥2
𝑥2 , 𝑥4 son las variables libres.
El conjunto solución es:
𝑆 = {(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) = (3 − 𝑥4 − 𝑥2 , 𝑥2 , 2 + 𝑥4 , 𝑥4 ) , con 𝑥2 , 𝑥4 ∈ ℝ}
Observación sobre la notación: Si expresamos el sistema de ecuaciones como

𝐴𝑋 = 𝐵 con 𝐴 ∈ ℝ𝑚×𝑛 , el conjunto solución está incluido en ℝ𝑛×1 y deberíamos
escribirlo en forma de columna. En este caso deberíamos escribir:
𝑥1 3 − 𝑥4 − 𝑥2
𝑆= 𝑥2 = 𝑥2 con 𝑥2 , 𝑥4 ∈ ℝ
𝑥3 2 + 𝑥4
{(𝑥4 ) ( 𝑥4 ) }
Pero por motivos de simplicidad en la escritura muchas veces utilizaremos la

notación de filas en lugar de la de columnas.
Espacio solución de un sistema

homogéneo
Consideremos un sistema homogéneo 𝐴𝑋 = 0, con 𝐴 ∈ ℝ𝑚𝑥𝑛 .
Sea 𝑆ℎ = { 𝑋 ∈ ℝ𝑛𝑥1 ∶ 𝐴𝑋 = 0 }, el conjunto solución del sistema.
1) 𝑋 = 0 pertenece a 𝑆ℎ (solución trivial del sistema).
2) Sean 𝑋1 y 𝑋2 soluciones del sistema.
𝐴(𝑋1 + 𝑋2 ) = 𝐴𝑋1 + 𝐴𝑋2 = 0 ⇒ 𝑋1 + 𝑋2 también es solución
3) Sea 𝑋 una solución, y 𝑘 un número real.
6
𝐴(𝑘𝑋) = 𝑘(𝐴𝑋) = 𝑘0 = 0 ⟹ 𝑘𝑋 también es solución
Por lo tanto:
El conjunto solución de un sistema homogéneo 𝐴𝑋 = 0 (con 𝐴 ∈ ℝ𝑚𝑥𝑛 ) es un

subespacio de ℝ𝑛𝑥1.
Si el sistema (homogéneo) es compatible determinado, la única solución es la

trivial. En ese caso, 𝑑𝑖𝑚(𝑆ℎ ) = 0
¿De qué dependerá la dimensión de 𝑆ℎ para una matriz 𝐴 dada?
EPL 1
Dado el sistema homogéneo cuya matriz de coeficientes es
1 1 1 0
𝐴 = (1 0 −1 1)
0 3 6 𝑘
a) Determinar la dimensión del espacio solución y el rango de 𝐴 de acuerdo con

los valores de 𝑘.
b) Para 𝑘 = 0 hallar una base del espacio solución.
Propiedad
Sea 𝑆ℎ el espacio solución del sistema homogéneo 𝐴𝑋 = 0, con 𝐴 ∈ ℝ𝑚𝑥𝑛 . Puede
demostrarse que:
𝒅𝒊𝒎(𝑺𝒉 ) = 𝒏 – 𝒓𝒈(𝑨)
Les pedimos que comprueben esta propiedad en el ejercicio resuelto

previamente.
Nota: El conjunto solución de un sistema homogéneo 𝐴𝑋 = 0 se denomina espacio

nulo de la matriz A.
Relación entre las soluciones de

𝐴𝑋 = 𝐵 y 𝐴𝑋 = 0
Consideremos los siguientes sistemas de ecuaciones:
Sistema de ecuaciones: Sistema homogéneo asociado:
2𝑥 − 𝑦 + 𝑧 = 𝟒 2𝑥 − 𝑦 + 𝑧 = 𝟎
{ {
−𝑥 + 2𝑦 − 𝑧 = 𝟑 −𝑥 + 2𝑦 − 𝑧 = 𝟎
Resolvemos primero el sistema de ecuaciones original:
7
2𝑥 − 𝑦 + 𝑧 = 4 −6 + 4𝑦 − 2𝑧 − 𝑦 + 𝑧 = 4 𝑧 = −10 + 3𝑦
{ ⇒ { ⇒ {
−𝑥 + 2𝑦 − 𝑧 = 3 𝑥 = 2𝑦 − 𝑧 − 3 𝑥 = −𝑦 + 7
Luego el conjunto solución es:
(𝑥, 𝑦, 𝑧) = (−𝑦 + 7, 𝑦 , −10 + 3𝑦) = 𝑦(−1,1,3) + (7,0, −10)
𝑆 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 | (𝑥, 𝑦, 𝑧) = 𝜆(−1,1,3) + (7,0, −10)}
Geométricamente, el conjunto solución es una recta que no pasa por el origen.
Resolvamos ahora el sistema homogéneo asociado:
2𝑥 − 𝑦 + 𝑧 = 0 4𝑦 − 2𝑧 − 𝑦 + 𝑧 = 0 𝑧 = 3𝑦
{ ⇒ { ⇒ {
−𝑥 + 2𝑦 − 𝑧 = 0 𝑥 = 2𝑦 − 𝑧 𝑥 = −𝑦
Luego el conjunto solución es:
(𝑥, 𝑦, 𝑧) = (−𝑦, 𝑦, 3𝑦) = 𝑦(−1,1,3)
𝑆ℎ = {(𝑥, 𝑦, 𝑧)| (𝑥, 𝑦, 𝑧) = 𝜆(−1,1,3)}
Se trata de una recta paralela a la anterior, que pasa por el origen.
Notemos que tal como establecimos previamente, el conjunto solución de un

sistema homogéneo es un subespacio.
¿Qué relación existe entre los conjuntos solución del sistema original y de su
homogéneo asociado?
En la siguiente gráfica se muestran las soluciones de los sistemas. En naranja la

recta solución del sistema no homogéneo, y en violeta la recta solución del
sistema homogéneo:
𝑆ℎ
𝑆
8
Son dos rectas paralelas: la recta que es solución del sistema homogéneo pasa
por el origen y la recta que es solución del sistema no homogéneo no pasa por el
origen.
Observamos que:
𝑆 = {(𝑥, 𝑦, 𝑧) = 𝜆(−1,1,3)
⏟ (7,0, −10)}
+⏟
𝑆ℎ 𝑋𝑝
⇒ 𝑆 = 𝑆ℎ + 𝑋𝑝
A continuación veremos un conjunto de propiedades que permiten generalizar

este resultado para un sistema de ecuaciones lineales 𝐴𝑋 = 𝐵 con 𝐴 ∈ ℝ𝑚×𝑛 , 𝐵 ∈
ℝ𝑚×1:
Propiedad 1
La diferencia de dos soluciones particulares es solución del sistema homogéneo
asociado.
Si 𝑋1 y 𝑋2 son dos soluciones particulares del sistema 𝐴𝑋 = 𝐵, entonces se cumple

que:
𝐴𝑋1 = 𝐵
𝐴𝑋2 = 𝐵
Restando miembro a miembro:
𝐴𝑋1 − 𝐴𝑋2 = 0
⇒ 𝐴(𝑋1 − 𝑋2 ) = 0
Por lo tanto 𝑋1 − 𝑋2 es solución de 𝐴𝑋 = 0
Propiedad 2
La suma de una solución particular de 𝑨𝑿 = 𝑩 y una solución del homogéneo
asociado, es solución de 𝑨𝑿 = 𝑩.
Sean:
 𝑋𝑝 una solución particular de 𝐴𝑋 = 𝐵

 𝑋ℎ una solución del sistema homogéneo asociado.
Queremos probar que (𝑋𝑝 + 𝑋ℎ ) es solución de 𝐴𝑋 = 𝐵
𝐴(𝑋𝑝 + 𝑋ℎ ) = 𝐴𝑋𝑝 + 𝐴𝑋ℎ = 𝐵 + 0 = 𝐵
9
Propiedad 3
En la propiedad anterior habíamos probado que (𝑋𝑝 + 𝑋ℎ ) es solución de 𝐴𝑋 = 𝐵.
Recíprocamente:
Cualquier solución del sistema 𝑨𝑿 = 𝑩 puede expresarse como 𝑿𝒑 + 𝑿𝒉 , siendo 𝑿𝒑

una solución particular del sistema y 𝑿𝒉 una solución del homogéneo asociado.
Sea 𝑋 una solución del sistema 𝐴𝑋 = 𝐵, entonces:
𝑋 = (𝑋 − 𝑋𝑝 ) + 𝑋𝑝
Por propiedad 1, (𝑋 − 𝑋𝑝 ) es solución del homogéneo asociado, por lo tanto:
𝑋 = 𝑋ℎ + 𝑋𝑝
A partir de las propiedades 2 y 3 se deduce que:
El conjunto solución de un sistema 𝑨𝑿 = 𝑩 puede expresarse como suma de una

solución particular y la solución del sistema homogéneo asociado.
𝑺 = 𝑿𝒑 + 𝑺𝒉 = {𝑿𝒑 + 𝑿𝒉 ∶ 𝑿𝒉 ∈ 𝑺𝒉 }
Ejemplo 1
Consideremos el siguiente sistema de ecuaciones lineales no homogéneo:
𝑥+𝑦−𝑧 = 2
{ −𝑦 + 𝑧 = 1
2𝑥 + 𝑦 − 𝑧 = 5
Resolviendo resulta:
𝑧 =1+𝑦
⇒{
𝑥=3
El conjunto solución es:
(𝑥, 𝑦, 𝑧) = ( 3 , 𝑦, 1 + 𝑦 ) = (3,0,1) + 𝑦(0,1,1)
𝑆 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 | (𝑥, 𝑦, 𝑧) = 𝜆(0,1,1) + (3,0,1)}
Según la propiedad vista anteriormente 𝑆ℎ = {𝜆(0,1,1)} es solución del sistema

homogéneo asociado y 𝑋𝑝 = (3,0,1) es una solución particular del sistema no
homogéneo.
Ejemplo 2
Retomemos el sistema de ecuaciones que trabajamos en un ejemplo anterior:
𝑥1 + 𝑥2 + 𝑥4 = 3
{ 𝑥3 − 𝑥4 = 2
𝑥1 + 𝑥2 − 𝑥3 + 2𝑥4 = 1
Habíamos llegado al siguiente conjunto solución:
10
𝑆 = {(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) = (3 − 𝑥4 − 𝑥2 , 𝑥2 , 2 + 𝑥4 , 𝑥4 ) , con 𝑥2 , 𝑥4 ∈ ℝ}
Observemos que el conjunto solución puede expresarse de la siguiente forma:
(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) = 𝑥2 (−1,1,0,0) + 𝑥4 (−1,0,1,1) + (3,0,2,0)
Dejamos a cargo del lector comprobar que:
 (3,0,2,0) es solución del sistema

 (−1,1,0,0) y (−1,0,1,1) son soluciones del sistema homogéneo asociado
𝐴𝑋 = 0
(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) = ⏟
𝑥2 (−1,1,0,0) + 𝑥4 (−1,0,1,1) + (3,0,2,0)
⏟
𝑆ℎ 𝑋𝑝
𝑆 = 𝑆ℎ + 𝑋𝑝
Número de variables libres de

un sistema
Recordemos que:
El sistema 𝐴𝑋 = 𝐵 es compatible ⇔ 𝑏 ∈ 𝐶𝑜𝑙(𝐴) ⇔ 𝑟𝑔(𝐴) = 𝑟𝑔(𝐴’)
Supongamos que 𝐵 ∈ 𝐶𝑜𝑙(𝐴), es decir que el sistema es compatible, ¿Cuántas

soluciones tiene?
Sea 𝑟𝑔(𝐴) = 𝑟𝑔(𝐴′ ) = 𝑟
Si 𝑛 es el número de incógnitas, puede demostrarse que:
 Si 𝑟 = 𝑛, el sistema tiene solución única (SCD)

 Si 𝑟 < 𝑛, el sistema admite infinitas soluciones (SCI), con 𝑛 − 𝑟 variables libres
Observación: El número de variables libres es igual a la dimensión del espacio

solución del sistema homogéneo asociado.
Ejemplo
Analizar cada uno de los siguientes sistemas de ecuaciones, e indicar el número
de variables libres.
𝑥+𝑦+𝑧 =0
a) { 𝑥 − 𝑦 = 1
𝑧=3
𝑥+𝑦+𝑧 =0
b) { 𝑥 − 𝑦 = 1
2𝑥 + 𝑧 = 1
𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 = 1
c) { 𝑥2 − 𝑥4 = 0
𝑥1 + 𝑥3 + 2𝑥4 = 1
Resolución
11
Ítem a
𝑥+𝑦+𝑧 =0
{ 𝑥−𝑦 =1
𝑧=3
Realicemos el análisis a partir del rango de 𝐴 y de 𝐴′:
1 1 1 𝟎 1 1 1 𝟎
(1 −1 0 𝟏) → (0 −2 −1 𝟏)
𝐹 →𝐹 −𝐹
0 0 3 𝟑 2 2 1 0 0 3 𝟑
Como 𝑟𝑔(𝐴) = 𝑟𝑔(𝐴′ ) = 𝑛 = 3 entonces el sistema es SCD. No hay variables libres.
Ítem b
𝑥+𝑦+𝑧 =0
{ 𝑥−𝑦 =1
2𝑥 + 𝑧 = 1
Escalonamos 𝐴′ para hallar 𝑟𝑔(𝐴) y 𝑟𝑔(𝐴’):
1 1 1 𝟎 1 1 1 𝟎 1 1 1 𝟎
(1 −1 0 𝟏) →𝐹 →𝐹 −𝐹 (0 −2 −1 𝟏) → (0 −2 −1 𝟏)
2 2 1 𝐹 →𝐹 −𝐹
2 0 1 𝟏 𝐹3 →𝐹3 −2𝐹1 0 −2 −1 𝟏 3 3 2 0 0 0 𝟎
Al escalonar 𝐴′ se elimina una de las filas. Luego:
𝑟𝑔(𝐴) = 𝑟𝑔(𝐴′ ) = 2 y 𝑛 = 3 ⇒ 𝑆𝐶𝐼 𝑐𝑜𝑛 𝑢𝑛𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑙𝑖𝑏𝑟𝑒
Le proponemos al lector: hallar el conjunto solución, comprobar que el sistema es

un SCI con una variable libre, e indicar una base de 𝑆ℎ .
Ítem c
𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 = 1
{ 𝑥2 − 𝑥4 = 0
𝑥1 + 𝑥3 + 2𝑥4 = 1
Escalonamos 𝐴′ para hallar 𝑟𝑔(𝐴) y 𝑟𝑔(𝐴’):
1 1 1 1 𝟏 1 1 1 1 𝟏 1 1 1 1 𝟏
(0 1 0 −1 𝟎) → (0 1 0 −1 𝟎) → (0 1 0 −1 𝟎)
𝐹 →𝐹 −𝐹 𝐹 −𝐹 +𝐹
1 0 1 2 𝟏 3 3 1 0 −1 0 1 𝟎 3 3 2 0 0 0 0 𝟎
𝑟𝑔(𝐴) = 𝑟𝑔(𝐴′ ) = 2 y 𝑛 = 4 ⇒ 𝑆𝐶𝐼 𝑐𝑜𝑛 𝑑𝑜𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑙𝑖𝑏𝑟𝑒𝑠.
Le proponemos al lector: hallar el conjunto solución, comprobar que el sistema es

un SCI con dos variables libres, e indicar una base de 𝑆ℎ .
EPL 2
Dado el siguiente sistema de ecuaciones:
𝑥1 + 2𝑥3 + 𝑥4 = 5
{ 1 + 𝑥2 + 3𝑥3 − 𝑥4 = 1
𝑥
𝑥2 + 𝑥3 + ℎ𝑥4 = 𝑘
12
1) Analizar el rango de 𝐴 (matriz de coeficientes) de acuerdo con el valor de ℎ.
Indicar en cada caso cuál es la dimensión del sistema homogéneo asociado.
2) Para ℎ = −2 obtener los valores de 𝑘 para los cuales el sistema es compatible.
Resolver el sistema y expresar 𝑆 = 𝑋𝑝 + 𝑆ℎ .
Obtener una base de 𝑆ℎ .
Resumen
Sea el sistema de ecuaciones 𝐴𝑋 = 𝐵, con 𝐴 ∈ ℝ𝑚×𝑛 , 𝑋 ∈ ℝ𝑛×1 , 𝐵 ∈ ℝ𝑚×1, cuya
matriz ampliada es:
𝐴′ = (𝐴1 𝐴2 𝐴3 … 𝐴𝑛 𝐵)
El siguiente esquema resume el análisis de compatibilidad que realizamos

previamente:
𝑟𝑔(𝐴) ≠ 𝑟𝑔(𝐴′ ) 𝑆𝐼
𝑟=𝑛 𝑆𝐶𝐷
𝑟𝑔(𝐴) = 𝑟𝑔(𝐴′ ) = 𝑟
𝑟<𝑛 𝑆𝐶𝐼 con 𝑛 − 𝑟

variables libres
En el caso particular de un sistema homogéneo 𝐴𝑋 = 0:
𝑟=𝑛 𝑆𝐶𝐷 solución trivial
𝑟𝑔(𝐴) = 𝑟𝑔(𝐴′ ) = 𝑟
𝑟<𝑛 𝑆𝐶𝐼 la solución es un

subespacio de dim 𝑛 − 𝑟
13
ALGEBRA Y
GEOMETRÍA
ANALÍTICA
Isabel Pustilnik
0
Federico Gómez
ÍNDICE
Definición y propiedades de las transformaciones lineales .......................................... 2
¿Qué son las transformaciones lineales? ..................................................................... 2
Propiedades de una transformación lineal .................................................................. 2
Propiedad 1 ........................................................................................................................2
Propiedad 2 ........................................................................................................................2
Propiedad 3 ........................................................................................................................2
Núcleo, imagen y teorema de las dimensiones ............................................................. 6
Núcleo de una transformación lineal ........................................................................... 6
Imagen de una transformación lineal .......................................................................... 6
Teorema de las dimensiones ......................................................................................... 9
Los transformados de una base generan la imagen ................................................ 11
Ejemplo 1.......................................................................................................................... 12
Ejemplo 2.......................................................................................................................... 13
Clasificación de las transformaciones lineales ............................................................. 14
Propiedad ....................................................................................................................... 16
Teorema fundamental de las transformaciones lineales ............................................. 18
¿Qué se necesita para definir una transformación lineal? ...................................... 18
Teorema fundamental de las transformaciones lineales ......................................... 20
Matriz asociada a una transformación lineal ................................................................ 30
Ejemplos introductorios ................................................................................................. 30
Construcción de la matriz asociada a una TL ........................................................... 31
Propiedad ........................................................................................................................ 32
El rango es igual a la dimensión de la imagen ......................................................... 38
Composición e inversa de transformaciones lineales ................................................. 39
Composición de transformaciones lineales .............................................................. 39
Matriz asociada a la composición de transformaciones lineales ........................ 41
Inversa de una transformación lineal ......................................................................... 41
Matriz de la transformación inversa ........................................................................... 42
Matriz de cambio de base ............................................................................................... 44
Cómo afecta un cambio de base a la matriz asociada a una TL .............................. 47
Caso particular de ℝ𝒏 a ℝ𝒏 ......................................................................................... 48
1
Definición y propiedades de las

transformaciones lineales
¿Qué son las transformaciones lineales?
En primer lugar, una transformación lineal es una función. Por ser función, tiene su
dominio y su codominio, con la particularidad de que éstos son espacios
vectoriales. Tenemos dos espacios vectoriales 𝑉 y 𝑊, y una función que va de 𝑉 a
𝑊. O sea una regla de asignación que transforma vectores de 𝑉 en vectores de 𝑊.
Pero no toda función que transforme vectores de 𝑉 en vectores de 𝑊 es una
transformación lineal. Debe cumplir ciertas condiciones:
𝐹: 𝑉 → 𝑊 es una transformación lineal si y sólo si:
1. 𝐹(𝑢 + 𝑣) = 𝐹(𝑢) + 𝐹(𝑣) ∀𝑢, 𝑣 ∈ 𝑉

2. 𝐹(𝑘. 𝑣) = 𝑘. 𝐹(𝑣) ∀𝑣 ∈ 𝑉, ∀𝑘 ∈ ℝ
Propiedades de una transformación lineal

Propiedad 1
La imagen del vector nulo del dominio 0𝑉 es el vector nulo del codominio 0𝑤 :
𝑇(0𝑉 ) = 0𝑤
Demostración:
𝑇(0𝑉 ) = 𝑇(0. 𝑣) = 0. 𝑇(𝑣) = 0. 𝑤 = 0𝑊
Donde hemos expresado a 0𝑉 como el producto del escalar 0 por cualquier vector
del espacio vectorial 𝑉, hemos usado la segunda condición que debe cumplir una
transformación lineal, y finalmente hemos vuelto a usar la propiedad de espacios
vectoriales sobre el producto del escalar 0 por cualquier vector.
Propiedad 2
La imagen del vector −𝑣 es igual al opuesto de la imagen de 𝑣:
𝑇(−𝑣) = −𝑇(𝑣)
Demostración:
𝑇(−𝑣) = 𝑇(−1. 𝑣) = −1. 𝑇(𝑣) = −𝑇(𝑣)
La justificación de los pasos dados en la demostración es similar a la anterior.
Propiedad 3
Consideremos 𝑟 vectores del espacio vectorial 𝑉:
2
𝑣1 , 𝑣2 , … , 𝑣𝑟 ∈ 𝑉
Tomemos una combinación lineal en el dominio:
𝛼1 𝑣1 + 𝛼2 𝑣2 + 𝛼3 𝑣3 +. . . +𝛼𝑟 𝑣𝑟
Donde 𝛼𝑖 ∈ ℝ
Si aplicamos la transformación lineal 𝐹 de 𝑉 a 𝑊, teniendo en cuenta las

propiedades enunciadas en la definición, resulta:
𝐹(𝛼1𝑣1 + 𝛼2 𝑣2 + 𝛼3 𝑣3 +. . . +𝛼𝑟 𝑣𝑟 ) = 𝛼1 𝐹(𝑣1 ) + 𝛼2 𝐹(𝑣2) + ⋯ + 𝛼𝑟 𝐹(𝑣𝑟 )
Es decir que una transformación lineal “transporta” combinaciones lineales de V a

W, conservando los escalares de la combinación lineal.
Ejemplo 1
Analizar si la siguiente función es una transformación lineal:
𝑇: ℝ3 → ℝ2 | 𝑇 ((𝑥, (𝑥 + 𝑧, 𝑦 − 2𝑧)
⏟ 𝑦, 𝑧)) = ⏟
∈ℝ2 ∈ℝ2
Resolución
Controlemos primero que el transformado del 0𝑉 sea el 0𝑊 . Ésta es una condición

necesaria: si no se cumpliera, no sería transformación lineal. Como 𝑇((0,0,0)) =
(0,0), la función dada es “candidata” a ser transformación lineal.
Para demostrar que es una transformación lineal tenemos que comprobar las
condiciones dadas en la definición.
Condición 1: 𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣) ∀𝑢, 𝑣 ∈ 𝑉
Tomemos dos vectores de ℝ3
𝑢 = (𝑢1 , 𝑢2 , 𝑢3 )
𝑣 = (𝑣1 , 𝑣2 , 𝑣3 )
Veamos si
𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣)
Primero hacemos la suma de 𝑢 y 𝑣:
𝑢 + 𝑣 = (𝑢
⏟1 + 𝑣1 , ⏟
𝑢2 + 𝑣2 , ⏟
𝑢3 + 𝑣3 )
𝑥 𝑦 𝑧
Y ahora aplicamos 𝑇:
𝑇(𝑢 + 𝑣) = (𝑢1 + 𝑣1 + 𝑢3 + 𝑣3 , 𝑢2 + 𝑣2 − 2𝑢3 − 2𝑣3 )
3
(𝑢1 + 𝑢3 , 𝑢2 − 2𝑢3 ) + ⏟
𝑇(𝑢 + 𝑣) = ⏟ (𝑣1 + 𝑣3 , 𝑣2 − 2𝑣3 )
𝑇(𝑢) 𝑇(𝑣)
𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣)
En conclusión: se cumple la primera de las condiciones.
Nos faltaría la otra propiedad.
Condición 2: 𝑇(𝑘. 𝑣) = 𝑘. 𝑇(𝑣) ∀𝑣 ∈ 𝑉, ∀𝑘 ∈ ℝ
𝑻(𝒌. 𝒗) = 𝑇((𝑘𝑣1 , 𝑘𝑣2 , 𝑘𝑣3 )) = (𝑘𝑣1 + 𝑘𝑣3 , 𝑘𝑣2 − 2𝑘𝑣3 )
= 𝑘. (𝑣1 + 𝑣3 , 𝑣2 − 2𝑣3 ) = 𝒌. 𝑻(𝒗)
Como T cumple las dos condiciones, es una transformación lineal.
Ejemplo 2
Analizar si la siguiente función es una transformación lineal:
𝐹: 𝑃2 → ℝ | 𝐹(𝑝) = 𝑝(0)
Observación: con 𝑃2 se designa al conjunto de todos los polinomios de grado

menor o igual que dos, con el polinomio nulo.
Resolución
Entonces a un polinomio 𝑝 de grado menor o igual que dos, le aplicamos la

función 𝐹 y obtenemos un número real que proviene de evaluar el polinomio en
𝑥 = 0.
𝑝 ∈ 𝑃2 ⟶ 𝑝(0) ∈ ℝ
Por ejemplo evaluemos la transformación en 𝑥 2 − 1:
𝐹 (𝑥⏟2 − 1) = −1 ∈ ℝ
𝑝
Veamos si el vector nulo del espacio vectorial 𝑃2 va al 0 ∈ ℝ (es condición

necesaria).
El polinomio cero es:
0𝑃2 = 0𝑥 2 + 0𝑥 + 0
¿Cuánto vale el polinomio nulo evaluado en 0? 0
0𝑃2 (0) = 0.02 + 0.0 + 0 = 0
Entonces la condición necesaria para este ejercicio se cumple, porque 𝐹(0𝑃2 ) = 0
4
Primera condición 𝐹(𝑢 + 𝑣) = 𝐹(𝑢) + 𝐹(𝑣) ∀𝑢, 𝑣 ∈ 𝑉
Para que sea transformación lineal se debe cumplir la primera condición. Veamos
qué pasa con el transformado de la suma:
(𝑝 + 𝑞) ∈ 𝑃2
𝐹(𝑝 + 𝑞) = (𝑝 + 𝑞)(0) = 𝑝(0) + 𝑞(0)
Observación: evaluar una suma de funciones en 0, es evaluar cada una en 0 y

sumarlas. Esto no es una particularidad de los polinomios, sino que se corresponde
con la definición de suma de funciones:
Para cualquier función: (𝑓 + 𝑔) (𝑥) = 𝑓(𝑥) + 𝑔(𝑥), para todo 𝑥 perteneciente al

dominio de 𝑓 y de 𝑔.
Otra forma de pensar la misma propiedad. Si consideramos
𝑝(𝑥) = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐 y 𝑞(𝑥) = 𝑑𝑥 2 + 𝑒𝑥 + 𝑓
𝑝 + 𝑞 = (𝑎 + 𝑑)𝑥 2 + (𝑏 + 𝑒) 𝑥 + (𝑐 + 𝑓)
𝐹(𝑝 + 𝑞) = 𝑐 + 𝑓 = 𝐹(𝑝) + 𝐹(𝑞)
Por los dos caminos arribamos a la misma conclusión.
Segunda condición 𝐹(𝑘. 𝑣) = 𝑘. 𝐹(𝑣) ∀𝑣 ∈ 𝑉, ∀𝑘 ∈ ℝ
Veamos si se cumple la segunda condición. Para esto podemos recordar que

dada una función 𝑓(𝑥) y un escalar 𝑘, la función (𝑘. 𝑓)(𝑥) se define como 𝑘. 𝑓(𝑥). De
esta forma podemos decir:
𝑝 ∈ 𝑃2 , 𝑘 ∈ ℝ
𝑭(𝒌. 𝒑) = (𝑘. 𝑝)(0) = 𝑘. 𝑝(0) = 𝒌. 𝑭(𝒑)
Otra forma de verlo es escribir a un polinomio 𝑝 ∈ 𝑃2 de forma genérica y aplicar la

transformación sobre 𝑘. 𝑝:
𝑝(𝑥) = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐
𝑭(𝒌. 𝒑) = 𝐹(𝑘. (𝑎𝑥 2 + 𝑏𝑥 + 𝑐)) = 𝐹(𝑘. 𝑎𝑥 2 + 𝑘. 𝑏𝑥 + 𝑘. 𝑐) = 𝑘. 𝑐 = 𝒌. 𝑭(𝒑)
Ejemplo 3
Consideremos la transformación lineal:
𝑇: 𝑅 3 → 𝑅 3 , 𝑇(𝑣) = 𝑣 × 𝑤0
Siendo 𝑤0 un vector fijo y 𝑣 un vector cualquiera de 𝑅 3. Veamos que se trata de

una transformación lineal.
Condición 1: 𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣) ∀𝑢, 𝑣 ∈ 𝑉
5
Para ver que se cumple esta condición usaremos la propiedad distributiva del
producto vectorial respecto de la suma de vectores:
𝑣1 , 𝑣2 ∈ 𝑅 3 , 𝑇(𝑣1 + 𝑣2 ) = (𝑣1 + 𝑣2 ) × 𝑤0 = 𝑣1 × 𝑤0 + 𝑣2 × 𝑤0 = 𝑇(𝑣1 ) + 𝑇(𝑣2 )
Condición 2: 𝑇(𝑘. 𝑣) = 𝑘. 𝑇(𝑣) ∀𝑣 ∈ 𝑉, ∀𝑘 ∈ ℝ
Para ver que se cumple esta condición podemos extraer el escalar:
𝑇(𝑘. 𝑣) = (𝑘𝑣) × 𝑤0 = 𝑘. (𝑣 × 𝑤0 ) = 𝑘. 𝑇(𝑣)
Ejemplo 4
Consideremos las siguientes transformaciones:
𝑇1 : ℝ2 → ℝ2 , 𝑇1 ((𝑥, 𝑦)) = (2𝑥 − 1, 𝑦)
𝑇2 : ℝ2 → ℝ2 , 𝑇2 ((𝑎, 𝑏)) = (𝑎2 , 𝑏)
¿Cómo analizamos si son o no son transformaciones lineales?
Para la primera transformación basta con ver que la imagen de (0,0) es (−1,0). No
se cumple una de las propiedades de las transformaciones lineales, entonces no
es una transformación lineal.
La segunda transformación no cumple con la segunda condición ya que:
 𝑇2 (𝑘. (𝑎, 𝑏)) = (𝑘 2 . 𝑎2 , 𝑘𝑏)

 𝑘. 𝑇2 (𝑎, 𝑏) = (𝑘. 𝑎2 , 𝑘𝑏)
Luego, como no se cumple que 𝑇(𝑘. 𝑣) = 𝑘. 𝑇(𝑣) podemos afirmar que 𝑇2 no es una
transformación lineal.
Núcleo, imagen y teorema de las

dimensiones
Núcleo de una transformación lineal
Sea 𝐹: 𝑉 → 𝑊 transformación lineal
Llamamos núcleo de 𝐹 al conjunto de vectores del dominio cuya imagen por 𝐹 es

el 0𝑊 .
𝑁𝑢(𝐹) = {𝑣 ∈ 𝑉 | 𝐹(𝑣) = 0𝑊 }
El núcleo de una transformación lineal es un subespacio de 𝑽.
Imagen de una transformación lineal

Llamamos imagen de 𝐹 al conjunto de vectores de 𝑊 que son imagen de algún
vector de 𝑉.
6
𝐼𝑚(𝐹) = {𝑤 ∈ 𝑊 | 𝑤 = 𝐹(𝑣) , 𝑣 ∈ 𝑉}
La imagen es un subespacio de W.
Ejemplo 1
Dada la siguiente transformación lineal
𝑇: ℝ3 → ℝ3 , 𝑇((𝑥, 𝑦, 𝑧)) = (𝑥 − 2𝑦 , 0 , 2𝑥 − 4𝑦)
Buscar el núcleo, la imagen, y determinar sus dimensiones.
Resolución
Para determinar el núcleo planteamos:
(𝑥, 𝑦, 𝑧) está en el núcleo ⇔ 𝑇((𝑥, 𝑦, 𝑧)) = (0,0,0)
𝑥 − 2𝑦 = 0
(𝑥 − 2𝑦 , 0 , 2𝑥 − 4𝑦) = (0,0,0) ⇒ { ⇒ 𝑥 = 2𝑦
2𝑥 − 4𝑦 = 0
Esto implica que la primera componente debe ser el doble de la segunda y que la
tercera componente no tiene restricciones. Es un error común, en este punto,
suponer que como “no aparece 𝑧”, entonces 𝑧 = 0. Pero es importante notar que
si “no aparece 𝑧” esto significa que no existen restricciones sobre esa
componente. La forma de un vector del núcleo sería:
(2𝑦, 𝑦, 𝑧)
Aplicando propiedades lo podemos escribir:
𝑦. (2,1,0) + 𝑧. (0,0,1)
Luego el núcleo es:
𝑁𝑢(𝑇) = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 | 𝑥 = 2𝑦 } = 𝑔𝑒𝑛{(2,1,0), (0,0,1)}
Y una base del núcleo es:
𝐵𝑁𝑢 = {(2,1,0), (0,0,1)}
La imagen la podemos obtener aplicando propiedades sobre la expresión que

define la transformación lineal:
(𝑥 − 2𝑦 , 0 , 2𝑥 − 4𝑦) = 𝑥. (1,0,2) + 𝑦. (−2,0, −4)
Los vectores (1,0,2) y (−2,0, −4) son linealmente dependientes. Entonces tomamos
uno de ellos para la base de la imagen:
𝐵𝐼𝑚 = {(1,0,2)}
Finalmente podemos responder sobre las dimensiones de núcleo e imagen,

porque hemos obtenido bases de estos subespacios:
7
𝑑𝑖𝑚(𝑁𝑢) = 2
𝑑𝑖𝑚(𝐼𝑚) = 1
Ejemplo 2
Dada la siguiente transformación lineal
𝑥+𝑦 𝑥−𝑧
𝐹: ℝ3 → ℝ2×2 𝐹((𝑥, 𝑦, 𝑧)) = ( )
0 𝑦+𝑧
Buscar el núcleo, la imagen, y determinar sus dimensiones.
Resolución
Para determinar el núcleo planteamos:
0 0
(𝑥, 𝑦, 𝑧) está en el núcleo ⇔ 𝐹(𝑥, 𝑦, 𝑧) = ( )
0 0
𝑥+𝑦 =0
𝑥+𝑦 𝑥−𝑧 0 0
( )=( ) ⇒ { 𝑥 − 𝑧 = 0 ⇒ 𝑥 = 𝑧 = −𝑦
0 𝑦+𝑧 0 0 𝑦+𝑧 =0
Se trata de un sistema compatible indeterminado. El núcleo queda definido

entonces por vectores con la forma:
(−𝑦, 𝑦, −𝑦) = 𝑦. (−1,1, −1)
Entonces:
𝑁𝑢(𝐹) = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 | 𝑥 = 𝑧 = −𝑦} = 𝑔𝑒𝑛{(−1,1, −1)}
𝐵𝑁𝑢 = {(1, −1,1)}
La imagen la podemos obtener aplicando propiedades sobre la expresión que

define la transformación lineal:
𝑥+𝑦 𝑥−𝑧 1 1 1 0 0 −1
( ) = 𝑥. ( ) + 𝑦. ( ) + 𝑧. ( )
0 𝑦+𝑧 0 0 0 1 0 1
Luego, estas tres matrices generan la imagen, porque cualquier vector de la

imagen es combinación lineal de ellas.
1 1 1 0 0 −1
𝐼𝑚(𝑇) = 𝑔𝑒𝑛 {( ),( ),( )}
0 0 0 1 0 1
La generan, pero ¿son una base de la imagen?
Observamos que las dos primeras son linealmente independientes. Pero la tercera
es combinación lineal de las anteriores:
1 0 1 1 0 −1
( )−( )=( )
0 1 0 0 0 1
Entonces una base de la imagen es:
8
1 1 1 0
𝐵𝐼𝑚 = {( ),( )}
0 0 0 1
Ahora podemos responder sobre las dimensiones:
dim(𝑁𝑢) = 1
dim(𝐼𝑚) = 2
Notemos que la suma de las dimensiones de núcleo e imagen es igual a la

dimensión del dominio de la transformación lineal:
dim(ℝ3 ) = 3
Esto no es casual, sino que se trata de un teorema que consideraremos a

continuación.
Teorema de las dimensiones

El teorema de las dimensiones establece una relación aritmética sencilla entre la
dimensión de 𝑉 y la dimensión del núcleo y de la imagen.
Sea 𝐹: 𝑉 → 𝑊 transformación lineal. Si 𝑑𝑖𝑚(𝑉) = 𝑛 (finita) entonces:
𝐝𝐢𝐦(𝑽) = 𝐝𝐢𝐦(𝑵𝒖(𝑭)) + 𝐝𝐢𝐦(𝑰𝒎(𝑭))
Ejemplo 1
Buscar el núcleo y la imagen de la siguiente transformación lineal
𝑇: ℝ3 → ℝ2 | 𝑇 ((𝑥, (𝑥 + 𝑧, 𝑦 − 2𝑧)
⏟ 𝑦, 𝑧)) = ⏟
∈ℝ3 ∈ℝ2
Resolución
Buscar el núcleo de la transformación lineal es buscar los vectores del dominio

cuya imagen es el vector nulo del codominio:
𝑥+𝑧 =0
𝑇((𝑥, 𝑦, 𝑧)) = (0,0) ⇒ { ⇒ 𝑥 = −𝑧 ∧ 𝑦 = 2𝑧
𝑦 − 2𝑧 = 0
Luego los vectores del núcleo son de la forma:
(−𝑧, 2𝑧, 𝑧) = 𝑧(−1,2,1)
Así podemos escribir:
𝑁𝑢 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3| 𝑥 = −𝑧 ∧ 𝑦 = 2𝑧} = 𝑔𝑒𝑛{(−1,2,1)}
𝐵𝑁𝑢 = {(−1,2,1)} ⇒ dim(𝑁𝑢) = 1
El núcleo es una recta porque tiene dimensión 1.
¿Cuál es la dimensión de la imagen? Por el teorema de las dimensiones debe ser:
9
dim(𝑉) = dim(𝑁𝑢𝑇) + dim(𝐼𝑚𝑇)
dim(ℝ3 ) − dim(𝑁𝑢(𝑇))
⇒ ⏟ ⏟ = dim(𝐼𝑚𝑇) = 2
3 1
La imagen es todo el espacio ℝ2 porque el único subespacio de dimensión 2 que

está en ℝ2 es ℝ2.
¿Cómo se llaman las funciones cuya imagen coincide con el codominio?

Sobreyectivas.
Diremos entonces que 𝑇 es una transformación lineal sobreyectiva.
Ejemplo 2
Sea 𝑇: ℝ2 → ℝ3 una transformación lineal,
𝑇(𝑥, 𝑦) = (𝑥 − 2𝑦, 2𝑥 − 4𝑦, −2𝑥 + 4𝑦)
Buscar una base y la dimensión de 𝑁𝑢(𝑇), 𝐼𝑚(𝑇)
Resolución
Por el teorema de las dimensiones la suma de las dimensiones del núcleo y de la

imagen debe ser 2. Es decir que puede ser alguno de los siguientes escenarios:
 2+0
 1+1
 0+2
Busquemos 𝑁𝑢(𝑇):
𝑥 − 2𝑦 = 0
(𝑥 − 2𝑦, 2𝑥 − 4𝑦, −2𝑥 + 4𝑦) = (0,0,0) ⇒ { 2𝑥 − 4𝑦 = 0 ⇒ 𝑥 = 2𝑦
−2𝑥 + 4𝑦 = 0
Luego podemos dar una base del núcleo y su dimensión:
𝐵𝑁𝑢 = {(2,1)} ⇒ dim(𝑁𝑢) = 1
Busquemos 𝐼𝑚(𝑇). Un vector está en la imagen si es el transformado de algún

vector del dominio:
T(𝑥, 𝑦) = (𝑥 − 2𝑦, 2𝑥 − 4𝑦, −2𝑥 + 4𝑦)
Lo expresamos como suma de vectores separando las variables 𝑥 e 𝑦:
𝑇(𝑥, 𝑦) = (𝑥, 2𝑥, −2𝑥) + (−2𝑦, −4𝑦, 4𝑦)
Y sacamos como escalares a las variables:
= 𝑥(1,2, −2) + 𝑦(−2, −4,4)
10
Este método permite obtener generadores de la imagen, que pueden ser LI o LD.
Acá se ve muy claro que (−2, −4,4) = (- 2). (1,2, −2). Es decir que generan la
imagen pero son linealmente dependientes, no es una base. Cualquiera de los
dos sirve como base:
𝐵𝐼𝑚(𝑇) = {(1,2, −2)} ⇒ dim(𝐼𝑚(𝑇)) = 1
Más adelante veremos otro método para encontrar la imagen.
Ejemplo 3
Hallar núcleo e imagen de la siguiente transformación lineal:
𝐹: 𝑃2 → ℝ | 𝐹(𝑝) = 𝑝(0)
Resolución
Notemos que los números reales pueden ser entendidos como un espacio
vectorial de dimensión 1.
Si 𝑝(𝑥) = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐 , 𝑝(0) = 𝑐
El núcleo estará formado por todos los polinomios cuyo término independiente es
0.
¿Cuál es una base para ese espacio vectorial? Podríamos describir al núcleo así:
𝑁𝑢(𝐹) = {𝑎𝑥 2 + 𝑏𝑥, 𝑎, 𝑏 ∈ ℝ}
Una base natural es la constituida por los vectores: 𝑥 2 y 𝑥.
Entonces: 𝐵𝑁𝑢 = {𝑥 2 , 𝑥} ⇒ dim(𝑁𝑢) = 2
Aplicando el teorema:
dim(𝐼𝑚) = 1
Y ahora si consideramos que la imagen está incluida o es igual a ℝ, entonces:
𝐼𝑚(𝐹) = ℝ
¿Y una base para el espacio vectorial ℝ? Puede servir cualquier número real,
menos el cero. Tomamos por ejemplo:
𝐵𝐼𝑚 = {1}
Los transformados de una base generan la

imagen
Sea 𝐹: 𝑉 → 𝑊 transformación lineal , y 𝐵 = {𝑣1 , … , 𝑣𝑛 } 𝑏𝑎𝑠𝑒 𝑑𝑒 𝑉
Entonces:
11
𝑤 ∈ 𝐼𝑚(𝐹) ⇔ 𝑤 = 𝐹(𝑣), 𝑣 ∈ 𝑉 ⇔ 𝑤 = 𝐹(𝑎1𝑣1 + ⋯ + 𝛼𝑛 𝑣𝑛 )
⇔ 𝑤 = 𝛼1 𝐹(𝑣1 ) + ⋯ + 𝛼𝑛 𝐹(𝑣𝑛 )
Hemos demostrado que:
𝑳𝒐𝒔 𝒕𝒓𝒂𝒏𝒔𝒇𝒐𝒓𝒎𝒂𝒅𝒐𝒔 𝒅𝒆 𝒖𝒏𝒂 𝒃𝒂𝒔𝒆 𝒅𝒆𝒍 𝒅𝒐𝒎𝒊𝒏𝒊𝒐, 𝒈𝒆𝒏𝒆𝒓𝒂𝒏 𝒍𝒂 𝒊𝒎𝒂𝒈𝒆𝒏.
O sea, aplicando la transformación lineal a los vectores de una base (cualquiera)

del dominio, se obtiene un conjunto de generadores de la imagen:
{𝐹(𝑣1 ), 𝐹(𝑣2 ), 𝐹(𝑣3 ), … , 𝐹(𝑣𝑛 )} 𝑔𝑒𝑛𝑒𝑟𝑎𝑛 𝐼𝑚(𝐹)
No estamos diciendo que constituyan una base de la imagen, sino que la

generan.
Ahora veremos un ejemplo sobre cómo se aplica esto:
Ejemplo 1
Sea 𝐹 la siguiente transformación lineal:
𝑎 𝑏
𝐹: ℝ2×2 → ℝ3 transformación lineal , 𝐹 (( )) = (𝑎 + 𝑏 + 𝑑, −𝑑, 𝑑)
𝑐 𝑑
Hallar una base de la imagen.
Resolución
Podemos elegir una base del dominio y aplicar la transformación, obteniendo así
un conjunto generador de la imagen.
Si son LI, ya tenemos una base de la imagen. Si son LD, tendremos que eliminar “lo
que sobra” para conseguir una base.
Usemos la base canónica de ℝ2×2:
1 0
𝐹( ) = (1,0,0)
0 0
0 1
𝐹( ) = (1,0,0)
0 0
0 0
𝐹( ) = (0,0,0)
1 0
0 0
𝐹( ) = (1, −1,1)
0 1
Entonces obtuvimos el siguiente conjunto de generadores:
{(1,0,0), (0,0,0), (1, −1,1)}
Nos quedamos con un conjunto linealmente independiente:
𝐵𝐼𝑚 = {(1,0,0), (1, −1,1)}
12
Si la dimensión de la imagen es 2, puedo conocer la dimensión del núcleo. Como

el dominio tiene dimensión 4, la dimensión del núcleo debe ser:
dim (𝑉) − dim(𝐼𝑚) = dim(𝑁𝑢) = 2
Busquemos el núcleo:
𝑎+𝑏+𝑑 =0
(𝑎 + 𝑏 + 𝑑, −𝑑, 𝑑) = (0,0,0) ⇒ { −𝑑 = 0 ⇒ 𝑑 = 0 ∧ 𝑎 = −𝑏 ∀𝑐 ∈ ℝ
𝑑=0
Y la variable 𝑐 queda libre porque no aparece ninguna condición sobre ella.

Entonces:
−𝑏 𝑏
𝑁𝑢 = {( ) ∈ ℝ2×2 | 𝑏, 𝑐 ∈ ℝ}
𝑐 0
0 0 −1 1
𝐵𝑁𝑢 = {( ),( )}
1 0 0 0
Lo cual es coherente con la dimensión del núcleo que calculamos anteriormente.
Ejemplo 2
Consideremos la transformación lineal:
𝑇: 𝑅 3 → 𝑅 3 , 𝑇(𝑣) = 𝑣 × 𝑤0
Siendo 𝑤0 = (0,0,1) un vector fijo y 𝑣 un vector cualquiera de 𝑅 3.
a) Hallar el núcleo, una base del núcleo y su dimensión
b) Hallar la imagen, una base de la imagen y su dimensión
Resolución
Ya analizamos anteriormente que es una trasformación lineal.
Sabemos que un vector pertenece al núcleo de la transformación sí y sólo si su

transformado es el vector nulo:
(𝑥, 𝑦, 𝑧) ∈ 𝑁𝑢(𝑇) ⇔ 𝑇((𝑥, 𝑦, 𝑧)) = (0,0,0)
Entonces transformemos a un vector genérico e igualémoslo al vector nulo para

ver qué condiciones debe cumplir ese vector genérico:
(𝑥, 𝑦, 𝑧) × (0,0,1) = (𝑦, −𝑥, 0) = (0,0,0)
Es decir que el núcleo está formado por los vectores que cumplen que 𝑥 = 0 ∧ 𝑦 =
0. Estos son los vectores paralelos al eje 𝑧.
𝑁𝑢(𝑇) = {(𝑥, 𝑦, 𝑧) ∈ ℝ| 𝑥 = 0 ∧ 𝑦 = 0}
𝐵𝑁𝑢(𝑇) = {(0,0,1)}
13
dim(𝑁𝑢(𝑇)) = 1
¿Se podría haber pensado esto geométricamente? ¿Cuál es el conjunto de

vectores tales que su producto vectorial con (0,0,1) es el vector nulo?
Obtengamos la imagen a partir de que los transformados de una base del domino
generan la imagen.
𝐵ℝ3 = {(1,0,0), (0,1,0), (0,0,1)}
𝑇((1,0,0)) = (1,0,0) × (0,0,1) = (0, −1,0)
𝑇((0,1,0)) = (0,1,0) × (0,0,1) = (1,0,0)
𝑇((0,0,1)) = (0,0,1) × (0,0,1) = (0,0,0)
Luego:
𝐼𝑚(𝑇) = 𝑔𝑒𝑛{(0, −1,0), (1,0,0), (0,0,0)}
Sacando el vector nulo obtenemos un conjunto linealmente independiente, y así

una base de la imagen:
𝐵𝐼𝑚(𝑇) = {(0, −1,0), (1,0,0)}
dim(𝐼𝑚(𝑇)) = 2
¿Se podría haber pensado esto geométricamente? ¿Cuál es el conjunto de

vectores que se obtiene al hacer el producto vectorial de cualquier vector 𝑣 ∈ ℝ3
con (0,0,1)?
¿Cómo generalizarían para un 𝑤0 cualquiera, no nulo? En el siguiente archivo de

GeoGebra se puede explorar la situación. Hay tres vectores:
 Un vector fijo, en color negro.

 Un vector móvil en color verde.
 Un vector rojo que es el resultado del producto vectorial entre los otros dos.
Te proponemos que muevas el vector verde y veas que se va obteniendo cómo el

conjunto de vectores que se obtienen de los sucesivos productos vectoriales:
Clasificación de las
Monomorfismos: TL inyectivas
14
Recordemos que una función 𝐹: 𝐴 → 𝐵 es inyectiva si verifica la siguiente

propiedad:
𝐹(𝑥1 ) = 𝐹(𝑥2 ) ⇒ 𝑥1 = 𝑥2 ∀𝑥1 , 𝑥2 ∈ 𝐴
En el caso particular de las T.L., puede demostrarse que:
Sea 𝑭: 𝑽 → 𝑾 una transformación lineal,
𝑭 es inyectiva (monomorfimo) ⇔ 𝑵𝒖(𝑭) = {𝟎𝑽 }
Epimorfismos: TL sobreyectivas
𝑭: 𝑽 → 𝑾 es sobreyectiva (epimorfismo) ⇔ 𝑰𝒎(𝑭) = 𝑾
Isomorfismos: TL biyectivas
𝑭: 𝑽 → 𝑾 es biyectiva (isomorfismo) ⇔ 𝑵𝒖(𝑭) = {𝟎𝑽 } ∧ 𝑰𝒎(𝑭) = 𝑾
Ejemplo 1
Consideremos la siguiente transformación lineal 𝑇: ℝ2 → ℝ3 𝑇((𝑥, 𝑦)) =
(𝑥 + 𝑦, 𝑥 − 𝑦, 2𝑥)
Saquemos el núcleo de la transformación:
(𝑥, 𝑦) ∈ 𝑁𝑢(𝑇) ⇔ 𝑇((𝑥, 𝑦)) = (0,0,0)
(𝑥 + 𝑦, 𝑥 − 𝑦, 2𝑥) = (0,0,0) ⇒ 𝑥 = 0 ∧ 𝑦 = 0
Entonces por la propiedad enunciada anteriormente podemos decir que 𝑇 es un

monomorfismo.
Por el teorema de las dimensiones resulta:
dim(𝐼𝑚) = dim(ℝ2 ) − dim(𝑁𝑢) = 2 − 0 = 2
Como la dimensión de la imagen es 2, entonces no es un epimorfismo

(sobreyectiva).
Conclusión: 𝑇 es un monomorfismo.
Ejemplo 2
𝑎 𝑏
Consideremos la transformación lineal 𝐹: ℝ2×2 → ℝ2 , 𝐹 (( )) = (𝑎 + 𝑏, −𝑑)
𝑐 𝑑
Busquemos su imagen:
(𝑎 + 𝑏, −𝑑) = 𝑎. (1,0) + 𝑏. (1,0) + 𝑑. (0, −1)
⇒ 𝐼𝑚(𝐹) = 𝑔𝑒𝑛{(1,0), (1,0), (0, −1)} ⇒ 𝐵𝐼𝑚(𝐹) = {(1,0), (0, −1)} ⇒ dim(𝐼𝑚(𝐹)) = 2
Entonces la imagen es ℝ2, y la transformación es un epimorfismo (sobreyectiva).
15
Apliquemos el teorema de las dimensiones para conocer la dimensión del núcleo:
dim(𝑁𝑢(𝐹)) = dim(ℝ2×2 ) − dim(𝐼𝑚(𝐹)) = 4 − 2 = 2
Entonces no es un monomorfismo.
Conclusión: 𝐹 es un epimorfismo.
Ejemplo 3
Consideremos la siguiente transformación lineal
𝐺: ℝ2 → 𝑃1 , 𝐺((𝑎, 𝑏)) = 2𝑎 − 𝑏𝑥
Busquemos su núcleo:
2𝑎 − 𝑏𝑥 = 0 + 0. 𝑥 ⇒ 𝑎 = 0 ∧ 𝑏 = 0 ⇒ 𝑁𝑢(𝐺) = {(0,0)} ⇒ dim(𝑁𝑢(𝐹)) = 0
Por la propiedad enunciada anteriormente, podemos afirmar que 𝐺 es un

monomorfismo.
Veamos cuál es la imagen:
2𝑎. (𝟏) + 𝑏. (−𝒙) ⇒ 𝐼𝑚(𝐺) = 𝑔𝑒𝑛{1, −𝑥} ⇒ dim(𝐼𝑚(𝐺)) = 2
Por lo tanto la imagen es 𝑃1 y la transformación es un epimorfismo (sobreyectiva).
Como es monomorfismo y epimorfismo, entonces es un isomorfismo.
Ejemplo 4
¿Habrá alguna TL que no sea ni monomorfismo, ni epimorfismo? ¿Que no sea ni
inyectiva ni sobreyectiva?
Consideremos la siguiente TL que analizamos en el ejemplo 2 de “Imagen de una

TL”:
𝑥+𝑦 𝑥−𝑧
𝐹: ℝ3 → ℝ2×2 , 𝐹((𝑥, 𝑦, 𝑧)) = ( )
0 𝑦+𝑧
Vimos que 𝐵𝑁𝑢 = {(1, −1,1)}, así que no es un monomorfismo.
1 1 1 0
Vimos que 𝐵𝐼𝑚 = {( ),( )}, así que no es un epimorfismo.
0 0 0 1
Conclusión: existen TL que no son ni monomorfismos ni epimorfismos.
Propiedad
Sea 𝐹: 𝑉 → 𝑊 una TL., 𝒅𝒊𝒎(𝑽) = 𝒅𝒊𝒎(𝑾) = 𝒏
Puede afirmarse que: 𝑭 es inyectiva ⇔ 𝑭 es sobreyectiva ⇔ 𝑭 es biyectiva
Sugerimos al lector demostrar esta propiedad, teniendo en cuenta que:
16
𝐹 es inyectiva ⇔ 𝑁𝑢(𝐹) = {0𝑉 } ⇔ 𝑑𝑖𝑚(𝑁𝑢) = 0
Ejemplo
Dada la TL 𝑇: ℝ3 → ℝ3, 𝑇(𝑥, 𝑦, 𝑧) = (𝑥 + 𝑦 + 𝑧 , 2𝑦 + 𝑧, 3𝑦 + 𝑘𝑧) , encontrar todos los
valores de 𝑘 para los cuales 𝑇 es biyectiva (isomorfismo).
Resolución
Como la TL va de ℝ3 aℝ3, es suficiente analizar para qué valores de k es inyectiva

(o sobreyectiva).
Por inyectividad
Si pensamos en la inyectividad, tenemos que buscar que el núcleo sea {(0,0,0)}. Es

decir que el sistema
𝑥+𝑦+𝑧 =0
{ 2𝑦 + 𝑧 = 0
3𝑦 + 𝑘𝑧 = 0
tiene que ser compatible determinado. Hemos visto que un sistema de ecuaciones
𝐴. 𝑋 = 𝑏 es compatible determinado ⇔ det(𝐴) ≠ 0, así que planteamos esta
condición para hallar los valores de 𝑘:
1 1 1 3
|0 2 1| = 1. (2𝑘 − 3) ≠ 0 ⇒ 𝑘 ≠
2
0 3 𝑘
3
Luego ∀𝑘 ∈ ℝ, 𝑘 ≠ la transformación lineal 𝑇 es biyectiva.
2
Por sobreyectividad
Si pensamos en la sobreyectividad, tenemos que buscar que la dimensión de la

imagen sea 3 (o sea que la imagen sea R3). Recordemos que los transformados de
una base del dominio generan la imagen:
𝑇(1,0,0) = (1,0,0)
𝑇(0,1,0) = (1,2,3)
𝑇(0,0,1) = (1,1, 𝑘)
Como queremos que sea sobreyectiva, los tres vectores que se obtuvieron deben
generar todo ℝ3, así que deben ser LI. Recordemos que:
𝑑𝑒𝑡(𝐴) ≠ 0 ⇔ 𝑟𝑎𝑛𝑔𝑜(𝐴) = 𝑛 ⇔ 𝑙𝑎𝑠 𝑓𝑖𝑙𝑎𝑠 (𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠)𝑑𝑒 𝐴 𝑠𝑜𝑛 𝐿𝐼
Apliquemos esta propiedad:
1 0 0 3
|1 2 3| = 2𝑘 − 3 ≠ 0 ⇒ 𝑘 ≠
2
1 1 𝑘
17
3
Así que hemos llegado a la misma conclusión: si 𝑘 ≠ la transformación lineal 𝑇 es
2
biyectiva.
Resumiendo: no es necesario analizar inyectividad y sobreyectividad

separadamente, ya que una de ellas implica la otra y por lo tanto, que se cumpla
una de ellas implica que la transformación lineal es biyectiva. Esto sólo ocurre
cuando el dominio y el codominio tienen la misma dimensión.
Para pensar:
Si las dimensiones del dominio y del codominio son distintas, ¿la TL puede ser
biyectiva?
Para responder, les sugerimos que consideren dos casos:
i) 𝑑𝑖𝑚(𝑉) > 𝑑𝑖𝑚(𝑊)
ii) 𝑑𝑖𝑚(𝑉) < 𝑑𝑖𝑚(𝑊)
EPL 1
Dada la transformación lineal 𝑇: ℝ3 → ℝ3, 𝑇(𝑥, 𝑦, 𝑧) = (𝑥 + 𝑦 + 𝑧, 𝑥 + 𝑘𝑦 − 𝑧, 3𝑦 − 𝑘𝑧)
Hallar en cada caso los valores de 𝑘 para los cuales:
a) 𝑇 es biyectiva.
b) 𝑇 no es biyectiva y (0,1, −1) pertenece a la imagen de 𝑇.
Teorema fundamental de las

¿Qué se necesita para definir una
transformación lineal?
Consideremos el siguiente triángulo en ℝ2:
18
Triángulo 1
¿Existirá alguna transformación lineal que permita modificar de cierta manera este
triángulo? Por ejemplo, una 𝐹 que transforme el triángulo dado en este otro:
Triángulo 2
O alguna que lo transforme así:
Triángulo 3
O un movimiento como éste:
19
Triángulo 4
El triángulo 4 no contiene al (0,0), por lo tanto no puede obtenerse aplicando una

transformación lineal al triángulo 1. ¿Por qué?
¿Los otros podrán obtenerse mediante una transformación lineal? ¿Existe alguna
herramienta teórica que permita asegurarlo?
Sí, es el teorema fundamental de las transformaciones lineales.
Teorema fundamental de las

Este teorema, conocido también como “Teorema de existencia y unicidad de una
transformación lineal”, dice lo siguiente:
Sean los espacios vectoriales 𝑉 y W, sea 𝐵 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } una 𝑏𝑎𝑠𝑒 de 𝑉 y

𝑤1 , 𝑤2 , … , 𝑤𝑛 vectores cualesquiera (iguales o distintos) de 𝑊. Entonces existe una
única transformación lineal que verifica:
𝑇(𝑣1 ) = 𝑤1
𝑇(𝑣2 ) = 𝑤2
{
…
𝑇(𝑣𝑛 ) = 𝑤𝑛
Para demostrarlo habría que demostrar que esa transformación existe, que es
única, y que es lineal. No lo vamos a demostrar pero lo pueden encontrar en
textos de álgebra lineal. En el texto recomendado de Ana María Kozak y otros
autores, Nociones de Geometría Analítica y Algebra Lineal, está en página 561 y
siguientes.
20
Ejemplo 1
Sean 𝑉 = ℝ2 y 𝑊 = ℝ3
Consideremos en la base 𝐵 = {(1,0), (1,1)}, y sean 𝑤1 = 𝑤2 = (0,1,0)
De acuerdo con el teorema, existe una única transformación lineal 𝑇: ℝ2 → ℝ3

que verifica:
𝑇((1,0)) = (0,1,0)
𝑇((1,1)) = (0,1,0)
¿Cómo buscamos la fórmula de la transformación lineal?
Tomamos un vector genérico de ℝ2 y lo escribimos como combinación lineal de la

base, o sea buscamos sus coordenadas respecto de B:
𝑥 =𝛼+𝛽 𝛼 =𝑥−𝑦
(𝑥, 𝑦) = 𝛼(1,0) + 𝛽(1,1) ⇒ { ⇒ { 𝛽=𝑦
𝑦=𝛽
Los escalares 𝛼, 𝛽 son las cordenadas del vector (𝑥, 𝑦) en la base 𝐵:
𝑥−𝑦
[(𝑥, 𝑦)]𝐵 = ( )
𝑦
Donde recordemos que la escritura [(𝑥, 𝑦)]𝐵 significa “las coordenadas del vector
(𝑥, 𝑦) en la base 𝐵".
(𝑥, 𝑦) = 𝛼(1,0) + 𝛽(1,1)
Aplicamos la transformación lineal a ambos miembros:
⇒ 𝑇(𝑥, 𝑦) = 𝑇(𝛼(1,0) + 𝛽(1,1))
Por las propiedades de las transformaciones lineales,
𝑇(𝑥, 𝑦) = 𝛼. 𝑇(1,0)
⏟ + 𝛽. 𝑇(1,1)
⏟
(0,1,0) (0,1,0)
Reemplazamos 𝛼 y 𝛽 :
𝑇(𝑥, 𝑦) = (𝑥 − 𝑦). (0,1,0) + 𝑦(0,1,0)
𝑇(𝑥, 𝑦) = (0, 𝑥 − 𝑦, 0) + (0, 𝑦, 0)
𝑇((𝑥, 𝑦)) = (0, 𝑥, 0)
Hemos obtenido la fórmula de la transformación lineal que cumple con las

condiciones.
Ejemplo 2
Vamos a ver si podemos transformar el triángulo del esquema de la izquierda, en el
triángulo del esquema que está a la derecha:
21
Nosotros tenemos que dar una base de ℝ2 y asignarle sus transformados.
Por ejemplo consideremos los versores canónicos que definen al primer triángulo:
Entonces podríamos hacer la siguiente asignación:
𝐹((1,0) ) = (1; 0)
1
𝐹((0,1) ) = ( ; 1)
2
Como (1,0), (0,1) constituyen una base del dominio, el teorema fundamental
permite afirmar que existe una única transformación lineal que verifica esto:
𝐹((1,0) ) = (1; 0)
{ 1 ⟹
⏟ ∃ una única TL que verifica estas condiciones
𝐹((0,1) ) = ( ; 1) 𝑇𝐹𝑇𝐿
2
Para encontrar la fórmula de esta trasformación vamos a escribir a un vector

genérico de ℝ2 como combinación lineal de los vectores de la base dada:
𝑥=𝛼 𝛼=𝑥
(𝑥, 𝑦) = 𝛼(1,0) + 𝛽(0,1) ⇒ {𝑦 = 𝛽 ⇒ {𝛽 = 𝑦
Ahora aplicamos la transformación lineal sobre ese vector genérico, y resolvemos

para llegar a una expresión analítica de la transformación lineal:
22
𝐹((𝑥, 𝑦)) = 𝐹(𝛼(1,0) + 𝛽(0,1))
𝐹((𝑥, 𝑦)) = 𝛼. 𝐹((1,0)) + 𝛽. 𝐹((0,1))
1
𝐹((𝑥, 𝑦)) = 𝑥. (1,0) + 𝑦. ( ; 1)
2
1
𝐹((𝑥, 𝑦)) = (𝑥, 0) + ( 𝑦; 𝑦)
2
1
𝐹((𝑥, 𝑦)) = ( 𝑦 + 𝑥; 𝑦)
2
En el siguiente archivo de GeoGebra se puede ver el triángulo original, y el

transformado. También se puede redefinir la ubicación de los puntos del triángulo
original y ver cómo quedaría el transformado en cada caso.
Ejemplo 3
Halle la expresión analítica de cada una de las siguientes transformaciones
(ℝ2 → ℝ2 ):
a) Simetría respecto de la recta 𝑦 = 3𝑥
Resolución
La clave para resolver este ejercicio es elegir una base conveniente para definir la
simetría. Grafiquemos la recta 𝑦 = 3𝑥:
23
Primero hay que entender qué significa una reflexión respecto de una recta.
Supongamos que nos piden una simetría respecto del eje 𝑥. Si tenemos un
cuadrado así como el rojo, se transforma en un cuadrado como el violeta:
Todos los puntos que pertenecen al eje 𝑥 quedan idénticos. Y los puntos que están
sobre el eje 𝑦 se transforman en su opuesto. Entonces:
𝐹((1,0)) = (1,0)
{
𝐹((0,1)) = (0, −1)
Considerando estas ideas sobre simetría, en nuestro caso tomamos un vector que
esté sobre el eje de simetría y otro perpendicular a él:
𝑣 = (1,3) , 𝑤 = (−3,1)
¿Cuál es el transformado del vector (1,3) que está sobre el eje de simetría?
24
(1,3) ⟶ (1,3)
¿Cuál es el transformado del vector (−3,1) que es perpendicular al eje de simetría?
(−3,1) ⟶ (3, −1)
Entonces:
𝐹((1,3)) = (1,3) porque está sobre el eje de simetría

{
𝐹((−3,1)) = (3, −1) porque es perpendicular al eje de simetría
Ahora queda el problema técnico de buscar la fórmula de esta transformación

lineal:
𝑥 = 𝛼 − 3𝛽 𝑦 − 3𝑥 𝑥 + 3𝑦
(𝑥, 𝑦) = 𝛼(1,3) + 𝛽(−3,1) ⇒ { ⇒𝛽= ∧ 𝛼=
𝑦 = 3𝛼 + 𝛽 10 10
Aplico 𝐹 a ambos miembros
𝐹((𝑥, 𝑦)) = 𝐹(𝛼(1,3) + 𝛽(−3,1))
Como 𝐹 es transformación lineal:
𝐹((𝑥, 𝑦)) = 𝛼. 𝐹((1,3)) + 𝛽𝐹((−3,1))
𝑥 + 3𝑦 𝑦 − 3𝑥
𝐹((𝑥, 𝑦)) = ( ) . (1,3) + ( ) (3, −1)
10 10
𝑥 + 3𝑦 3𝑥 + 9𝑦 3𝑦 − 9𝑥 −𝑦 + 3𝑥
𝐹((𝑥, 𝑦)) = ( , )+( , )
10 10 10 10
6𝑦 − 8𝑥 6𝑥 + 8𝑦
𝐹((𝑥, 𝑦)) = ( , )
10 10
3𝑦 − 4𝑥 3𝑥 + 4𝑦
𝐹((𝑥, 𝑦)) = ( , )
5 5
Podemos ver en GeoGebra cómo opera la transformación:
Ejemplo 4
El propósito de este ejercicio es destacar cuándo es posible aplicar el teorema
fundamental de las transformaciones lineales. Sugerimos una lectura cuidadosa de
cada uno de los casos presentados a continuación:
Analizar si existe y es única la transformación lineal 𝑇: ℝ3 → ℝ3 que verifica:
Caso A
𝑇((1,0,0)) = (0,1,0)
{𝑇((0,1,0)) = (0,1,0)
𝑇((1,1,1)) = (0,0,0)
25
Caso B
𝑇((1,0,0)) = (0,1,0)
{ 𝑇((0,1,0)) = (0,1,0)
𝑇((1, −1,0)) = (1,0,0)
Caso C
𝑇((1,0,0)) = (0,1,0)
{ 𝑇((0,1,0)) = (0,1,0)
𝑇((1, −1,0)) = (0,0,0)
Resolución
¿Cuál es la hipótesis del teorema? O sea, ¿qué debe cumplirse para que el
teorema tenga validez?
Los vectores del dominio deben ser una base, es decir que debemos prestar
atención en cada caso a los vectores señalados:
𝑇((1,0,0)) = (0,1,0) 𝑇((1,0,0)) = (0,1,0) 𝑇((1,0,0)) = (0,1,0)

𝐴: {𝑇((0,1,0)) = (0,1,0) 𝐵: { 𝑇((0,1,0)) = (0,1,0) 𝐶: { 𝑇((0,1,0)) = (0,1,0)
𝑇((1,1,1)) = (0,0,0) 𝑇((1, −1,0)) = (1,0,0) 𝑇((1, −1,0)) = (0,0,0)
Caso A
En el caso A los tres vectores son base de ℝ3 y entonces podemos aplicar el

Teorema Fundamental de las Transformaciones Lineales. Como lo establece el
teorema, se puede afirmar que existe una única transformación lineal que verifica
las condiciones dadas.
¿Cuál es el mecanismo para buscar la fórmula?
Consideramos un vector (𝑥, 𝑦, 𝑧) y buscamos sus coordenadas respecto de la base

de partida:
(𝑥. 𝑦, 𝑧) = 𝛼(1,0,0) + 𝛽(0,1,0) + 𝛾(1,1,1)
𝑥 =𝛼+𝛾 𝛼 =𝑥−𝑧
{𝑦 = 𝛽 + 𝛾 ⇒ { 𝛽 = 𝑦 − 𝑧
𝑧=𝛾 𝛾=𝑧
Aplicamos la transformación lineal a ambos miembros:
𝑇((𝑥, 𝑦, 𝑧)) = 𝛼𝑇((1,0,0)) + 𝛽𝑇((0,1,0)) + 𝛾𝑇((1,1,1))
Y ahora sustituimos las coordenadas obtenidas:
𝑇((𝑥, 𝑦, 𝑧)) = (𝑥 − 𝑧)(0,1,0) + (𝑦 − 𝑧)(0,1,0) + (𝑧)(0,0,0)
𝑇((𝑥, 𝑦, 𝑧)) = (0, 𝑥 − 𝑧, 0) + (0, 𝑦 − 𝑧, 0) = (0, 𝑥 + 𝑦 − 2𝑧, 0)
26
𝑇((𝑥, 𝑦, 𝑧)) = (0, 𝑥 + 𝑦 − 2𝑧, 0)
Caso B
En el caso B, el conjunto de vectores de partida es linealmente dependiente, no es

base de ℝ3. Si no se cumplen las hipótesis de un teorema, éste no puede
aplicarse.
¿Cómo podemos determinar si existe una transformación lineal que verifique estas
condiciones?
𝑇((1,0,0)) = (0,1,0)
{ 𝑇((0,1,0)) = (0,1,0)
𝑇((1, −1,0)) = (1,0,0)
Lo que define a una transformación lineal es la conservación de las

combinaciones lineales. ¡Esto es lo que debemos controlar!
Veamos la diferencia entre el caso B y el C:
Observamos que el tercer vector se puede obtener como combinación lineal de

los primeros dos:
(1, −1,0) = (1,0,0) − (0,1,0)
Entonces entre sus transformados debería cumplirse la misma relación:
?
𝑇((1, −1,0)) =
⏞ 𝑇((1,0,0)) − 𝑇((0,1,0))
?
⇒ (1,0,0) =
⏞ (0,1,0) − (0,1,0) = (0,0,0)
No se conserva la combinación lineal, entonces no existe una transformación lineal

que cumpla las condiciones dadas.
Caso C
En el caso C tenemos la siguiente información:
𝑇((1,0,0)) = (0,1,0)
{ 𝑇((0,1,0)) = (0,1,0)
𝑇((1, −1,0)) = (0,0,0)
Tampoco se puede aplicar el TFTL, porque el conjunto de vectores de partida es

linealmente dependiente.
Igualmente podemos preguntarnos: ¿Se conserva la combinación lineal? Notemos

que el tercer vector es la diferencia del primero con el segundo:
(1, −1,0) = (1,0,0) − (0,1,0)
27
Aplicamos la transformación lineal suponiendo que se conservan las

combinaciones lineales:
?
𝑇((1, −1,0)) =
⏞ 𝑇((1,0,0)) − 𝑇((0,1,0))
Reemplazando:
?
(0,0,0) =
⏞ (0,1,0) − (0,1,0) = (0,0,0)
Lo cual es verdadero. Entonces podemos concluir que existe la transformación

lineal aunque no quede unívocamente determinada por la información
disponible. Para definir una TL bastaría con establecer cuáll es el transformado de
un tercer vector LI con (1,0,0) y (0,1,0).
Agreguemos un dato nuevo para que quede bien definida:
𝑇((0,0,1)) = (0,0,1)
¿Existe una TL que cumpla con las condiciones iniciales más ésta que acabamos
de agregar?
Llamemos:
𝑇1 ((1,0,0)) = (0,1,0)
{𝑇1 ((0,1,0)) = (0,1,0)
𝑇1 ((0,0,1)) = (0,0,1)
Ahora 𝑇1 queda bien definida y podríamos hallar su fórmula.
¿Cómo podrían definir una transformación 𝑇2 distinta de 𝑇1 que también cumpla

con las condiciones iniciales?
Resumamos lo que obtuvimos analizando estos tres casos:
 Caso A: La transformación lineal existe y es única.

 Caso B: No existe, no se conservan las combinaciones lineales.
 Caso C: Existe pero no es única, no podemos encontrar una fórmula porque
la transformación lineal no quedó definida.
Ejemplo 5
Halle la expresión analítica de cada una de las siguientes transformaciones ℝ3 →
ℝ3 :
a) Reflexión respecto del plano 𝑥 = 𝑦
Resolución
Este ejercicio requiere elegir una buena base.
Una gráfica del plano 𝑥 = 𝑦 se puede ver a continuación:
28
El arte para resolver este ejercicio es elegir tres vectores linealmente

independientes que sepamos en qué se transforman.
¿Cuál es el simétrico de un vector que esté sobre el plano? El mismo vector.

Entonces podemos elegir dos vectores no paralelos incluidos en el plano:
𝑇(𝑣1 ) = 𝑣1
𝑇(𝑣2 ) = 𝑣2
¿Y si tomamos un vector perpendicular al plano, digamos 𝑣3 , en que se

transforma?
𝑇(𝑣3 ) = −𝑣3
Ahora debemos elegir 𝑣1 , 𝑣2 y 𝑣3 de acuerdo con el plano dado.
Proponemos:
𝑣1 = (1,1,0)
𝑣2 = (0,0,1)
𝑣3 = (1, −1,0)
Donde los vectores 𝑣1 y 𝑣2 están en el plano y el vector 𝑣3 es perpendicular al

plano.
De esta forma sabemos cómo se transforman:
𝑇((1,1,0)) = (1,1,0)
{ 𝑇((0,0,1)) = (0,0,1)
𝑇((1, −1,0)) = (−1,1,0)
29
Ya queda definida la transformación lineal sobre una base del dominio. Dejamos a
cargo del lector encontrar la fórmula de la TL.
Les proponemos que definan la TL sobre otra base con las mismas características:
dos vectores del plano y uno perpendicular a él. Luego busquen la expresión
analítica, ¿coincide con la anterior?
Los vectores no son únicos: 𝑣1 y 𝑣2 son dos vectores cualesquiera (LI) del plano y 𝑣3
es un vector perpendicular cualquiera. No importa cuáles elijamos, obtendremos
la misma transformación lineal.
EPL 2
Definir una transformación lineal 𝐹 de ℝ3 → ℝ2×2 que verifique las dos condiciones
que siguen:
i) 𝑁𝑢(𝐹) = 𝑔𝑒𝑛 { (1,1,0) } , ii) 𝐼𝑚(𝐹) ⊆ 𝑆 = { 𝐴 ∈ ℝ2𝑥2 ∶ 𝐴 = 𝐴𝑡 }
Obtener la fórmula de la transformación definida.
Observación: este ejercicio no es de respuesta única.
Matriz asociada a una

transformación lineal
Ejemplos introductorios
Ejemplo 1
Sea 𝑇 la siguiente transformación lineal:
𝑇: ℝ2 → ℝ3 | 𝑇((𝑥, 𝑦)) = (𝑥 + 2𝑦, 𝑥 − 𝑦, 𝑦)
¿Existirá una matriz 𝐴 que multiplicada por (𝑥, 𝑦) dé por resultado (𝑥 + 2𝑦, 𝑥 − 𝑦, 𝑦)?
Para esto vamos a escribir los vectores como columna:
𝑥 𝑥 + 2𝑦
𝐴. ( ) = ( 𝑥 − 𝑦 )
𝑦
𝑦
¿Cuál debería ser el tamaño de la matriz?
𝑥 𝑥 + 2𝑦
( ).( ) = ( 𝑥 − 𝑦 )
⏟𝑦
⏟ ⏟ 𝑦
2×1
3×2 3×1
Efectuando el producto de matrices, podemos obtener los coeficientes de 𝐴 :
30
1 2 𝑥 𝑥 + 2𝑦
(1 −1) . ( ) = ( 𝑥 − 𝑦 )
⏟0 1 ⏟𝑦
⏟ 𝑦
2×1
3×2 3×1
Encontramos una matriz que realiza la transformación lineal. Se conoce como la

matriz estándar de la transformación lineal.
Notemos que la transformación va de ℝ2 a ℝ3, y que el orden de la matriz es 3 × 2.
Ejemplo 2
Ahora consideremos la siguiente transformación lineal:
𝐹: ℝ3 → ℝ2 | 𝐹((𝑥, 𝑦, 𝑧)) = (𝑥 + 2𝑧, −𝑦)
Queremos buscar una matriz 𝐵 tal que:
𝑥 𝑥 + 2𝑧
𝐵
⏟ . (𝑦 ) = ( )
⏟𝑧 ⏟ −𝑦
3×1 2×1
Pensando el orden de la matriz y el valor de sus elementos llegamos a:
1 0 2 𝑥 𝑥 + 2𝑧
( ) . (𝑦 ) = ( )
⏟0 −1 0 ⏟ −𝑦
⏟𝑧
2×3 2×1
3×1
Hemos hallado de manera intuitiva la matriz estándar de la transformación lineal.

Notemos que la transformación va de ℝ3 a ℝ2 y que el orden de la matriz
asociada a la transformación lineal es 2 × 3.
Construcción de la matriz asociada a una

TL
Hemos visto ejemplos de cómo surge a partir del producto de matrices, la matriz
estándar de una transformación lineal de ℝ𝑛 a ℝ𝑚 . En lo que sigue intentaremos
generalizar para cualquier espacio vectorial de dimensión finita, el concepto de
matriz asociada a una transformación lineal. Aun en el caso de TL en ℝ𝑛 , veremos
que no siempre la matriz estándar es la más conveniente.
Sea 𝑇: 𝑉 → 𝑊 transformación lineal, y
dim(𝑉) = 𝑛
dim(𝑊) = 𝑚
𝐵 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } 𝑏𝑎𝑠𝑒 𝑑𝑒 𝑉
𝐵′ = {𝑤1 , … , 𝑤𝑚 } 𝑏𝑎𝑠𝑒 𝑑𝑒 𝑊
Designamos:
31
𝑴(𝑻)𝑩𝑩′ a la matriz asociada a la transformación lineal 𝑇 respecto de las bases 𝐵 y

𝐵′.
Esta matriz se construye por columnas transformando los vectores de la base 𝐵 (del
dominio), y expresando los transformados en sus coordenadas en la base 𝐵′ :
𝑴(𝑻)𝑩𝑩′ = ( [𝑻(𝒗𝟏 )]𝑩′ [𝑻(𝒗𝟐 )]𝑩′ [𝑻(𝒗𝟑 )]𝑩′ … [𝑻(𝒗𝒏 )]𝑩′ )
La matriz asociada tiene 𝑛 columnas porque la base 𝐵 tiene 𝑛 vectores, y tiene 𝑚

filas porque las coordenadas en 𝐵′ se escriben con 𝑚 componentes.
O sea que si 𝑑𝑖𝑚(𝑉) = 𝑛 y 𝑑𝑖𝑚(𝑊) = 𝑚, 𝑴(𝑻)𝑩𝑩′ ∈ ℝ𝒎×𝒏
Propiedad
La matriz asociada a una transformación lineal cumple la siguiente propiedad:
𝑴(𝑻)𝑩𝑩′ [𝒗]𝑩 = [𝑻(𝒗)]𝑩′
Ejemplo 3
Retomemos la transformación lineal:
𝑇: ℝ2 → ℝ3 | 𝑇((𝑥, 𝑦)) = (𝑥 + 2𝑦, 𝑥 − 𝑦, 𝑦)
Consideremos las siguientes bases para el dominio y codominio:
𝐵 = {(0,1), (1,1)}
𝐵′ = {(1,0,0), (1,1,0), (0,1,1)}
Construyamos la matriz asociada a la transformación 𝑇 de la base 𝐵 a la base 𝐵′ ,

es decir 𝑀(𝑇)𝐵𝐵´:
4
𝑇((0,1)) = (2, −1,1) = 𝛼(1,0,0) + 𝛽(1,1,0) + 𝛾(0,1,1) ⇒ [𝑇((0,1))]𝐵′ = (−2) 1° columna
1
4
𝑇((1,1)) = (3,0,1) = 𝛿(1,0,0) + 𝜖(1,1,0) + 𝜙(0,1,1) ⇒ [𝑇((1,1))]𝐵′ = (−1) 2° columna
1
4 4
𝑀(𝑇)𝐵𝐵′ = (−2 −1)
1 1
Dado un vector cualquiera, aunque no conozcamos la fórmula, conociendo la

matriz y las dos bases podemos calcular su transformado. Vamos a tomar un
vector cualquiera de ℝ2 y lo transformamos… sin mirar la fórmula.
Hallemos 𝑇((3,5)) mediante la matriz asociada 𝑀(𝑇)𝐵𝐵′ :
𝑀(𝑇)𝐵𝐵′ [𝑣]𝐵 = [𝑇(𝑣)]𝐵′
32
No podemos operar con (3,5) porque la matriz asociada opera con coordenadas.
Debemos buscar las coordenadas de (3,5) en la base 𝐵.
(3,5) = 𝛼(0,1) + 𝛽(1,1) ⇒ 𝛽 = 3 , 𝛼 = 2
Multiplicamos la matriz por las coordenadas que obtuvimos,
4 4 20
2
−7
(−2 −1) ( ) = ( )
⏟3 5
⏟1 1 [𝑣] ⏟ 𝐵
𝑀(𝑇)𝐵𝐵′ [𝑇(𝑣)]𝐵′
El vector obtenido no es el transformado del vector (3,5) sino que son sus
coordenadas en la base 𝐵′.
Para hallar 𝑇(3,5) debemos multiplicar las coordenadas obtenidas por los vectores
de la base B’:
𝑇((3,5)) = 20(1,0,0) − 7(1,1,0) + 5(0,1,1)
𝑇((3,5)) = (13, −2, 5)
Ahora en lugar de tomar estas bases, tomemos las bases canónicas de ℝ2 y de ℝ3.
Busquemos 𝑀(𝑇)𝐸2𝐸3 dónde:
𝐸2 = {(1,0), (0,1)}
𝐸3 = {(1,0,0), (0,1,0), (0,0,1)}
El procedimiento es el mismo pero las cuentas son más fáciles
1
𝑇((1,0)) = (1,1,0) = 𝛼(1,0,0) + 𝛽. (0,1,0) + 𝛾. (0,0,1) ⇒ (1) 1° 𝑐𝑜𝑙𝑢𝑚𝑛𝑎
0
2
𝑇((0,1)) = (2, −1,1) = 𝛼. (1,0,0) + 𝛽. (0,1,0) + 𝛾. (0,0,1) ⇒ (−1) 2° 𝑐𝑜𝑙𝑢𝑚𝑛𝑎
1
Estos vectores hay que expresarlos en coordenadas respecto de la base canónica

de R3, pero justamente por tratarse de la base canónica, el vector y sus
coordenadas son iguales. Entonces resulta:
1 2
𝑀(𝑇)𝐸2𝐸3 = (1 −1) = 𝐴 ¡ 𝑄𝑢𝑒 𝑒𝑠 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑎 𝑇𝐿!
0 1
Es decir que la matriz estándar es la que trabaja con las bases canónicas.
Ejemplo 4
Consideremos la siguiente transformación lineal:
33
1 2
𝐹: ℝ2 → 𝑃1 | 𝑀(𝐹)𝐵𝐵′ = ( )
1 2
𝐵 = {(1,0), (1,1)}
𝐵′ = {1, 1 − 𝑥}
a) Hallar 𝐹((2,1))
b) Hallar la fórmula de la transformación lineal
c) Hallar el núcleo de la transformación lineal
d) Hallar la imagen de la transformación lineal
e) Hallar la imagen de la transformación pero sin utilizar la fórmula de la
f) Hallar el núcleo de la transformación sin utilizar la fórmula
Resolución
Ítem a
No tenemos la fórmula. Tenemos que trabajar con la matriz asociada. ¿Qué

propiedad tiene la matriz asociada?
𝑀(𝐹)𝐵𝐵′ . [𝑣]𝐵 = [𝐹(𝑣)]𝐵′
Donde:
 [𝑣]𝐵 : son las coordenadas del vector 𝑣 en la base 𝐵

 [𝐹(𝑣)]𝐵′ : son las coordenadas del transformado del vector 𝑣 en la base 𝐵′
 𝑀(𝐹)𝐵𝐵′: es la matriz asociada a la transformación lineal en bases 𝐵 y 𝐵′
Las matrices asociadas no operan con los vectores, sino con las coordenadas de
los vectores en alguna base. Entonces no podemos multiplicar la matriz por el
vector (2,1).
Para operar, tenemos que encontrar las coordenadas de (2,1) en la base 𝐵:
1
(2,1) = 𝛼(1,0) + 𝛽(1,1) ⇒ 𝛼 =1∧𝛽 =1 ⇒ [(2,1)]𝐵 = ( )
1
Ahora multiplicamos por la matriz y obtenemos las coordenadas en 𝐵′ del

transformado de (2,1):
1 2 1 3
[𝐹((2,1))]𝐵′ = ( )( ) = ( )
1 2 1 3
¿Qué objeto esperamos obtener como imagen de esta transformación? ¿Un

vector de ℝ2? No, esperamos obtener un polinomio de grado menor o igual que
uno.
Para obtener F(2,1) debemos multiplicar estas coordenadas por los vectores de la
base 𝐵′ :
34
𝐹((2,1)) = 3.1 + 3. (1 − 𝑥) = 6 − 3𝑥
Ítem b
En el ítem (a) buscamos la imagen del vector (2,1). Ahora nos proponemos
obtener la fórmula de la transformación, esto significa encontrar la imagen de
cualquier vector (𝑥, 𝑦) de ℝ2. Teniendo en cuenta que en el polinomio usamos la
variable 𝑥, llamaremos (𝑎, 𝑏) a los vectores de R2.
Busquemos 𝐹((𝑎, 𝑏)) tal como buscamos 𝐹 ((2,1)):
𝑎 = 𝛼+𝛽 𝛼 =𝑎−𝑏
(𝑎, 𝑏) = 𝛼(1,0) + 𝛽(1,1) ⇒ { ⇒{
𝑏=𝛽 𝛽=𝑏
𝑎−𝑏
[(𝑎, 𝑏)]𝐵 = ( )
𝑏
1 2 𝑎−𝑏 𝑎+𝑏
[𝐹((𝑎, 𝑏))]𝐵´ = ( )( )=( )
1 2 𝑏 𝑎+𝑏
Éstas son las coordenadas del vector que estamos buscando. Falta multiplicar por
los vectores de la base B’:
𝐹((𝑎, 𝑏)) = (𝑎 + 𝑏). 1 + (𝑎 + 𝑏)(1 − 𝑥) = 2𝑎 + 2𝑏 − (𝑎 + 𝑏). 𝑥
Ésta es la fórmula de la transformación lineal.
Ahora podemos hallar base y dimensión de núcleo e imagen.
Ítem c
La definición de núcleo dice que son los vectores del dominio que se transforman
en el vector nulo del codominio.
−(𝑎 + 𝑏)𝑥 + 2(𝑎 + 𝑏) = 0𝑃1 = 0𝑥 + 0
𝑎+𝑏 =0
⇒ { ⇒ 𝑎 = −𝑏
𝑎+𝑏 =0
−1
⇒ 𝑁𝑢(𝐹) = {(𝑎, −𝑎) ∈ ℝ2 } ⇒ 𝐵𝑁𝑢 = {( )} ⇒ dim(𝑁𝑢(𝐹)) = 1
1
Ítem d
Por el teorema de las dimensiones:
dim(𝐼𝑚(𝐹)) = dim(ℝ2) − dim(𝑁𝑢(𝐹)) = 1
Queremos una base de la imagen. ¿En qué espacio vectorial está la imagen? En
𝑃1.
Recordemos que los transformados de una base (cualquiera) del dominio,

generan la imagen de la transformación lineal:
35
𝐹((1,0)) = 2 − 𝑥
𝐹((0,1)) = 2 − 𝑥
Entonces ¿Cuál es una base de la imagen de la transformación lineal?
𝐵𝐼𝑚 = {2 − 𝑥}
Veamos que la imagen no depende de la base del dominio que elijamos. Por
ejemplo tomemos la base 𝐵:
𝐹((1,0)) = 2 − 𝑥
𝐹((1,1)) = 4 − 2𝑥
{ 2 − 𝑥 , 4 – 2𝑥 } generan 𝐼𝑚(𝐹)
𝐵𝐼𝑚 = {2 − 𝑥}
Ítem e
No es necesario buscar la fórmula para obtener la imagen. Las columnas en la

matriz nos dan las coordenadas en la base 𝐵′ de los transformados de una base
del dominio:
1 2
𝑀(𝐹)𝐵𝐵′ = ([𝐹(𝑣1 )]𝐵′ [𝐹(𝑣2 )]𝐵′ ) = ( )
1 2
Entonces:
𝐹((1,0)) = 1.1 + 1. (1 − 𝑥) = 2 − 𝑥
𝐹(1,1) = 2.1 + 2(1 − 𝑥) = 4 − 2𝑥
Luego:
𝐼𝑚(𝐹) = 𝑔𝑒𝑛{2 − 𝑥 , 4 − 2𝑥}
Cómo 4 − 2𝑥 es combinación lineal de 2 − 𝑥 podemos quedarnos con la siguiente

base:
𝐵𝐼𝑚(𝐹) = {2 − 𝑥}
Ítem f
¿Y para el núcleo sin la fórmula? Queremos hallar los 𝑣 ∈ ℝ2 tales que al aplicarles
la transformación den por resultado el polinomio nulo:
𝐹(𝑣) = 0𝑃1
1 2 𝑥 0 2
( ) ( ) = ( ) ⇒ 𝑥 + 2𝑦 = 0 ⇒ [𝑣]𝐵 = ( )
⏟1 2 ⏟ 𝑦 ⏟0 −1
𝑀(𝐹)𝐵𝐵′ [𝑣] [0𝑃1 ]
𝐵 𝐵′
36
Éstas son las coordenadas en la base 𝐵 de una base del núcleo:
𝑣 = 2. (1,0) − (1,1) = ⏟
(1, −1)
𝐵𝑁𝑢
Ejemplo 5
Vamos a retomar el ejercicio 8, ítem a, de página 40 que decía:
Halle la expresión analítica de la siguiente transformación:
Simetría respecto de la recta 𝑦 = 3𝑥, ℝ2 → ℝ 2
En un ejemplo anterior habíamos obtenido la fórmula de la transformación lineal:
4 3 3 4
𝑇((𝑥, 𝑦)) = (− 𝑥 + 𝑦 ; 𝑥 + 𝑦)
5 5 5 5
La matriz estándar (referida a la base canónica deℝ2), 𝑀(𝑇)𝐸𝐸 es la siguiente:
4 3
−
𝑀(𝑇) = ( 5 5)
3 4
5 5
Observación: cuando se trata de las bases canónicas para simplificar la notación

se escribe 𝑀(𝑇) en lugar de 𝑀(𝑇)𝐸𝐸 .
Veamos si podemos hallar una representación matricial más sencilla para esta
simetría.
¿Qué significa una simetría respecto de la recta 𝑦 = 3𝑥? Recordemos que el

transformado de un vector que esté sobre la recta es el mismo vector, y el
transformado de un vector perpendicular a la recta es su opuesto.
Armemos una base de ℝ2 formada por un vector v sobre la recta ( 𝑦 = 3𝑥 ) y un

vector w perpendicular a dicha recta. Por ejemplo:
𝐵 = {(1,3), (−3,1)}
1
𝑇((1,3)) = (1,3) = 1. (1,3) + 0(−3,1) ⇒ [(1,3)]𝐵 = ( )
0
37
0
𝑇((−3,1)) = (3, −1) = 0. (1,3) + (−1). (−3,1) ⇒ [(−3,1)]𝐵′ = ( )
−1
¿Cuál es la matriz asociada a la transformación lineal en esta nueva base?
1 0
𝑀(𝑇)𝐵𝐵 = ( )
0 −1
Eligiendo una base conveniente, pudimos caracterizar la simetría mediante una

matriz diagonal. Continuaremos desarrollando este tema en la próxima unidad
(autovalores y autovectores).
EPL 3
Dada la transformación lineal 𝐹 de ℝ3 a 𝑃1 cuya matriz asociada es:
1 0 1
𝑀(𝐹)𝐵𝐸 = ( )
−1 0 0
siendo 𝐵 = {(1,0,0) , (1,1,0) , (1,0,1)} y 𝐸 = { 1 , 𝑡 } bases de ℝ3 y 𝑃1

respectivamente.
a) Hallar una base del núcleo de 𝐹. A partir de la base obtenida, ¿es posible
afirmar que 𝐹 es sobreyectiva? ¿Por qué?
b) Hallar todos los 𝑣 ∈ ℝ3 tales que 𝐹(𝑣) = −1 + 𝑡.
El rango es igual a la dimensión de la

imagen
Recordemos que:
1. 𝑀(𝑇)𝐵𝐵′ = ([𝑇(𝑣1 )]𝐵′ , … , [𝑇(𝑣𝑛 )]𝐵′ )

2. {𝑇(𝑣1 ), … , 𝑇(𝑣𝑛 )} generan 𝐼𝑚(𝑇)
Para obtener una base de 𝐼𝑚(𝑇) tenemos que determinar cuántos son LI. Se
puede demostrar que en {𝑇(𝑣1 ), … , 𝑇(𝑣𝑛 )} habrá tantos vectores LI como columnas
LI en la matriz.
Dado que el rango de una matriz es el número de columnas LI, entonces el rango
de la matriz asociada a la transformación lineal respecto de las bases 𝐵 y 𝐵’ es
igual a la dimensión de la imagen de la trasformación lineal.
𝒓𝒂𝒏𝒈𝒐(𝑴(𝑻)𝑩𝑩′ ) = 𝐝𝐢𝐦(𝑰𝒎(𝑻))
Observación: La dimensión de la imagen no depende de las bases elegidas, por

esto el rango tampoco depende de ellas.
EPL 4
Sea 𝑇: ℝ2 → ℝ3 una transformación lineal tal que su matriz estándar es:
38
1 2
𝑀(𝑇) = (1 𝑎 ) ∈ ℝ3×2
0 −1
a. Probar que 𝑇 es inyectiva (monomorfismo) para todo 𝑎 perteneciente a los

reales.
b. Hallar el valor de 𝑎 tal que (−1, −1, 4) pertenezca a la imagen de la
transformación.
Composición e inversa de
Composición de transformaciones lineales
Sean 𝐹 y 𝐺 dos transformaciones lineales tales que:
𝐹: 𝑈 → 𝑉 ; 𝐺: 𝑉 → 𝑊
𝑈 𝑉 𝑊
𝑢 𝐹 𝐺
𝐹(𝑢) 𝐺(𝐹(𝑢))
∃𝐺𝑜𝐹: 𝑈 → 𝑊 | 𝐺𝑜𝐹(𝑢) = 𝐺(𝐹(𝑢)) ∀𝑢 ∈ 𝑈
Propiedad: la composición de transformaciones lineales, es una transformación

lineal.
Ejemplo
𝐹: ℝ2 → ℝ3 | 𝐹((𝑥, 𝑦)) = (𝑥 − 𝑦, 𝑥 + 𝑦, 2𝑥) 𝑇𝐿
𝐺: ℝ3 → ℝ2 | 𝐺((𝑥, 𝑦, 𝑧)) = (𝑥 − 𝑧, 𝑦 + 𝑧) 𝑇𝐿
Hallar la fórmula de 𝐺𝑜𝐹 y 𝐹𝑜𝐺, indicando en cada caso dominio y codominio.
39
𝐺𝑜𝐹: ℝ2 → ℝ2 , 𝐺𝑜𝐹((𝑥, 𝑦)) = 𝐺((𝑥 − 𝑦, 𝑥 + 𝑦, 2𝑥))
= (𝑥 − 𝑦 − (2𝑥) , 𝑥 + 𝑦 + 2𝑥) = (−𝑥 − 𝑦, 3𝑥 + 𝑦)
𝐹𝑜𝐺: ℝ3 → ℝ3 , 𝐹𝑜𝐺((𝑥, 𝑦, 𝑧)) = 𝐹((𝑥 − 𝑧, 𝑦 + 𝑧))
= (𝑥 − 𝑧 − (𝑦 + 𝑧), 𝑥 − 𝑧 + (𝑦 + 𝑧), 2𝑥 − 2𝑧) = (𝑥 − 𝑦 − 2𝑧, 𝑥 + 𝑦, 2𝑥 − 2𝑧)
¿Con qué operación de matrices se relaciona la composición de transformaciones

lineales?
Busquemos las matrices estándar:
1 −1
𝑀(𝐹) ∈ ℝ3×2, 𝑀(𝐹) = (1 1 )
2 0
1 0 −1
𝑀(𝐺) ∈ ℝ2×3 , 𝑀(𝐺) = ( )
0 1 1
Recuerden que cuando no colocamos subíndices, significa que es la matriz

estándar, referida a las bases canónicas.
Calculemos los productos:
1 −1 1 −1 −2
1 0 −1
𝑀(𝐹). 𝑀(𝐺) = (1 1 ) ( ) = (1 1 0)
0 1 1
2 0 2 0 −2
1 −1
1 0 −1 −1 −1
𝑀(𝐺). 𝑀(𝐹) = ( ) (1 1 ) = ( )
0 1 1 3 1
2 0
Ahora hallemos la matriz de 𝐺𝑜𝐹 y la matriz de 𝐹𝑜𝐺 a partir de las respectivas

fórmulas:
1 −1 −2
𝑀(𝐹𝑜𝐺) = (1 1 0)
2 0 −2
−1 −1
𝑀(𝐺𝑜𝐹) = ( )
3 1
Entonces hemos comprobado, con un caso particular, que:
𝑴(𝑮𝒐𝑭) = 𝑴(𝑮). 𝑴(𝑭)
40
𝑴(𝑭𝒐𝑮) = 𝑴(𝑭). 𝑴(𝑮)
Es decir que la composición de transformaciones lineales se expresa

matricialmente a través de un producto de matrices.
Matriz asociada a la composición de transformaciones

lineales
Sean 𝐹 y 𝐺 dos transformaciones lineales tales que:
𝐹: 𝑈 → 𝑉 ; 𝐺: 𝑉 → 𝑊
Y sean 𝐵1 , 𝐵2 , 𝐵3 bases de 𝑈, 𝑉 y 𝑊 respectivamente, entonces se puede demostrar

que:
𝑀(𝐺𝑜𝐹)𝐵1 𝐵3 = 𝑀(𝐺)𝐵2 𝐵3 . 𝑀(𝐹)𝐵1 𝐵2
Inversa de una transformación lineal

Sea 𝑇: 𝑉 → 𝑊 una transformación lineal biyectiva (isomorfismo), entonces existe la
transformación inversa:
𝑇 −1 : 𝑊 → 𝑉 tal que 𝑇 −1 (𝑤) = 𝑣 ⇔ 𝑇(𝑣) = 𝑤
𝑉 𝑊
𝑣 𝑤
𝑇 −1
𝑇 −1 también es una transformación lineal biyectiva:
𝑇 −1 𝑜𝑇 = 𝐼𝑑𝑉
𝑇𝑜𝑇 −1 = 𝐼𝑑𝑤
Observación: Para que exista una transformación lineal biyectiva entre dos
espacios vectoriales, éstos deben tener la misma dimensión. ¿Por qué?
41
Ejemplo
Sea la transformación lineal 𝑇: ℝ2 → ℙ1 , 𝑇((𝑎, 𝑏)) = 𝑎 − 𝑏 + 2𝑎𝑥
¿Cuál es el núcleo de 𝑇?
𝑎−𝑏 = 0
𝑎 − 𝑏 + 2𝑎𝑥 = 0𝑥 + 0 ⇒ { ⇒𝑎=0=𝑏
2𝑎 = 0
𝑁𝑢(𝑇) = {(0,0)}
¿Cuál es la imagen de 𝑇?
𝑇((1,0)) = 2𝑥 + 1
𝑇((0,1)) = −1 + 0𝑥
Estos dos polinomios ¿son LI o LD? Son LI, y por lo tanto la dimensión de la imagen
es 2.
La imagen ‘vive’ en ℙ1, entonces:
𝐼𝑚(𝑇) = ℙ1
Comprobamos que 𝑇 es un isomorfismo, entonces existe la transformación lineal

inversa
𝑇 −1 : ℙ1 → ℝ2
𝑇((1,0)) = 2𝑥 + 1
𝑇((0,1)) = −1 + 0𝑥
Entonces:
𝑇 −1 (2𝑥 + 1) = (1,0)
𝑇 −1 (−1 + 0𝑥) = (0,1)
¿Está bien definida 𝑇 −1? Sí, porque {2𝑥 + 1, −1} es una base de 𝑃1 (TFTL).
Matriz de la transformación inversa

Sea 𝑇: 𝑉 → 𝑊 isomorfismo, dim(𝑉) = dim(𝑊) = 𝑛, y 𝑀(𝑇)𝐵𝐵′ ∈ ℝ𝑛×𝑛 la matriz
asociada a T respecto de las bases B y B’.
Recordemos que el rango de la matriz asociada es igual a la dimensión de la

imagen.
Como T es isomorfismo, 𝐼𝑚 (𝑇) = 𝑊 y por lo tanto: (𝑟𝑔(𝑀(𝑇)𝐵𝐵′ ) = 𝑛
Entonces 𝑀(𝑇)𝐵𝐵′ es inversible y su inversa es la matriz de 𝑇 −1 respecto de las

bases 𝐵′ y 𝐵:
42
(𝑴(𝑻)𝑩𝑩′ )−𝟏 = 𝑴(𝑻−𝟏 )𝑩′ 𝑩
En el siguiente esquema se puede observar cómo operan las matrices 𝑀(𝑇)𝐵𝐵′ y

𝑀(𝑇 −1 )𝐵′ 𝐵 :
𝑀(𝑇 )𝐵𝐵′
[𝑣 ]𝐵 ⟶ [𝑇(𝑣)]𝐵′
⟵
𝑀(𝑇 −1 )B′ B
Caso particular: 𝑉 = 𝑊 = ℝ𝑛 ,
𝑨 = 𝑴(𝑻)𝑬𝑬 ⇒ 𝑨−𝟏 = 𝑴(𝑻−𝟏 )𝑬𝑬
Ejemplo
Sea 𝑇: ℝ3 → ℝ3 una TL, tal que 𝑇(𝑥, 𝑦, 𝑧) = (𝑥 + 𝑦, 𝑥 − 𝑧, 𝑧), hallar la fórmula de 𝑇 −1.
Resolución
Construyamos la matriz asociada a la TL en las bases canónicas:
1 1 0
𝑀(𝑇) = 𝐴 = (1 0 −1)
0 0 1
Sabemos que 𝐴−1 será la matriz asociada a la TL inversa:
0 1 1
𝑀(𝑇 −1 ) = 𝐴−1 = (1 −1 −1)
0 0 1
Y a partir de la matriz estándar de la TL inversa podemos hallar la fórmula de la TL

inversa:
𝑇 −1 : ℝ3 → ℝ3 , 𝑇 −1 ((𝑥, 𝑦, 𝑧)) = (𝑦 + 𝑧, 𝑥 − 𝑦 − 𝑧, 𝑧)
EPL 5
Dadas las transformaciones lineales:
𝐹 de ℝ3 → ℝ2 , 𝐹(𝑥, 𝑦, 𝑧) = (𝑥 − 𝑦 , 𝑦 + 𝑧) y 𝐺 de ℝ2 → ℝ3 , 𝐺(𝑎, 𝑏) = (𝑎 + 𝑏 , 0, 2𝑎 +
𝑘𝑏)
a) Determinar todos los valores de 𝑘 para los cuales 𝐹 ∘ 𝐺 es biyectiva

(isomorfismo).
b) Para 𝑘 = 1, obtener (𝑭 ∘ 𝑮)−𝟏 (1,0).
43
Matriz de cambio de base

Queremos construir una matriz que nos permita cambiar las coordenadas de un
vector en una base por las coordenadas del mismo vector en otra base.
Consideremos en un espacio vectorial 𝑉 la función identidad, que transforma

cada vector en sí mismo. Dejamos a cargo del lector demostrar que es una T.L.
𝐼𝑑: 𝑉 → 𝑉 | 𝐼𝑑(𝑣) = 𝑣
Observación: Si 𝑉 = ℝ, la función identidad es 𝑓(𝑥) = 𝑥.
Tomemos un par de bases del mismo espacio vectorial 𝑉:
𝐵 = {𝑣1 , … , 𝑣𝑛 }
𝐵′ = {𝑤1 , … , 𝑤𝑛 }
Construyamos ahora la matriz asociada a la transformación lineal identidad:
𝑀(𝐼𝑑)𝐵𝐵′ = ([𝑣1 ]𝐵′ , … , [𝑣𝑛 ]𝐵′ ) ∈ ℝ𝑛×𝑛
Recordemos que:
𝑀(𝐹)𝐵𝐵′ [𝑣]𝐵 = [𝐹(𝑣)]𝐵′
En el caso particular de la transformación identidad, teniendo en cuenta que

𝐼𝑑(𝑣) = 𝑣, resulta:
𝑀(𝐼𝑑)𝐵𝐵′ . [𝑣]𝐵 = [𝑣]𝐵′
¿Qué efecto produce esta matriz? Cambia las coordenadas, o sea el sistema de
referencia. No transforma el vector pues 𝐼𝑑(𝑣) = 𝑣.
𝑴(𝑰𝒅)𝑩𝑩′ se denomina matriz de cambio de base de 𝑩 a 𝑩’.
¿Qué rango tiene esta matriz? Tiene rango 𝑛 ya que sus columnas son LI por ser
coordenadas de vectores de una base de 𝑉.
Por ser 𝑀(𝐼𝑑)𝐵𝐵′ ∈ ℝ𝑛×𝑛 de rango 𝑛, es inversible.
¿Qué efecto produce la matriz inversa? Nos permite volver a la primera base,
como lo indica el siguiente esquema:
𝑀(𝐼𝑑 )𝐵𝐵′
[𝑣 ]𝐵 ⟶ [𝑣 ]𝐵 ′
⟵
𝑀(𝐼𝑑 )𝐵′ 𝐵
Si 𝑃 = 𝑀(𝐼𝑑)𝑩𝑩′ entonces 𝑃−1 = 𝑀(𝐼𝑑)𝑩′ 𝑩.
44
Ejemplo 1
Consideremos las siguientes bases de ℝ2:
𝐵1 = {(1,0), (1,3)}
𝐵2 = {(0,1), (1,1)}
𝐸 = {(1,0), (0,1)}
a) Hallar 𝑀(𝐼𝑑)𝐵1 𝐵2
b) Hallar 𝑀(𝐼𝑑)𝐵1 𝐸
c) Hallar 𝑀(𝐼𝑑)𝐸𝐵1
Resolución
Ítem a
Se construye la matriz de cambio de base buscando las coordenadas en la base

𝐵2 de los vectores de la base 𝐵1.
𝑀(𝐼𝑑)𝐵1𝐵2 = ([𝑣1 ]𝐵2 [𝑣2 ]𝐵2 )
Busquemos las coordenadas de (1,0) en la base 𝐵2:
(1,0) = 𝛼. (0,1) + 𝛽. (1,1)
⇒ 𝛼 = −1 ∧ 𝛽 = 1
−1
⇒ [(1,0)]𝐵2 = ( )
1
Busquemos las coordenadas de (1,3) en la base 𝐵2:
(1,3) = 𝛼. (0,1) + 𝛽. (1,1)
⇒𝛼=2 ∧ 𝛽=1
2
⇒ [(1,3)]𝐵2 = ( )
1
−1 2
𝑀(𝐼𝑑)𝐵1 𝐵2 = ( )
1 1
Ítem b
Se construye la matriz de cambio de base buscando las coordenadas en la base 𝐸

de los vectores de la base 𝐵1.
𝑀(𝐼𝑑)𝐵1𝐸 = ([𝑣1 ]𝐸 [𝑣2 ]𝐸 )
Pero las coordenadas en base canónicas son las mismas componentes del vector.
Podemos verificarlo para (1,0):
(1,0) = 𝛼(1,0) + 𝛽(0,1) ⇒ 𝛼 = 1, 𝛽 = 0
45
Entonces las coordenadas de (1,0) en la base canónica son justamente (10):
1
[(1,0)]𝐸 = ( )
0
Para el vector (1,3) podemos escribir:
1
[(1,3)]𝐸 = ( )
3
Así que la matriz de cambio de base resulta:
1 1
𝑀(𝐼𝑑)𝐵1 𝐸 = ( )
0 3
Que podemos decir que se construyó ubicando a los vectores de la base 𝐵1 =

{(1,0), (1,3)} como columnas de la matriz.
Ítem c
Se pide que hallemos 𝑀(𝐼𝑑)𝐸𝐵1 , pero según hemos visto esta matriz es la inversa de
𝑀(𝐼𝑑)𝐵1 𝐸 :
1
1 3 −1 1 −
𝑀(𝐼𝑑)𝐸𝐵1 = .( )=( 3)
3 0 1 1
0
3
Ejemplo 2
1 1
Sean 𝐵1 y 𝐵2 bases de ℝ2 tales que 𝑃=( ) es la matriz de cambio de base
0 −3
de 𝐵1 a 𝐵2 .
a. Si [𝑢]𝐵1 = (−1
4
) calcular [𝑢]𝐵2
b. Si [𝑣]𝐵2 = (35) calcular [𝑣]𝐵1
c. Si 𝐵1 = {(1,3), (0,4)}, obtener la base 𝐵2 . ¿Es única?
Resolución
Ítem a
Según la propiedad de la matriz de cambio de base:
1 1 −1 3
𝑃. [𝑢]𝐵1 = [𝑢]𝐵2 ⇒ [𝑢]𝐵2 = ( ).( ) = ( )
0 −3 4 −12
¿Podemos determinar cuál es el vector 𝑢? No, porque no tenemos información

sobre las bases.
Ítem b
Ahora es en sentido contrario:
46
3
[𝑣]𝐵2 = ( ) → [𝑣]𝐵1 =?
5
14
1 1 [𝑣] 3
𝑃. [𝑣]𝐵1 = [𝑣]B2 ⇒( ) . 𝐵 = ( ) ⇒ [𝑣]𝐵 = ( 35)
0 −3 5 −3
Ítem c
En este punto nos dan la base 𝐵1:
𝐵1 = {(1,3), (0,4)}
¿Puede determinarse 𝐵2?
Sabemos que:
𝐼𝑑((1,3)) = (1,3)
𝐼𝑑((0,4)) = (0,4)
𝑣1 = (1,3) 𝑣2 = (0,4)
1 1
𝑃 = 𝑀(𝐼𝑑)𝐵1 B2 = ([𝑣1 ]B2 [𝑣2 ]B2 ) = ( )
0 −3
Queremos obtener:
𝐵2 = {𝑤1 , 𝑤2 }
(1,3) = 1. 𝑤1 + 0. 𝑤2 ⇒ 𝑤1 = (1,3)
(0,4) − (1,3) 1 1
(0,4) = 1. 𝑤1 + (−3). 𝑤2 ⇒ 𝑤2 = = ( ,− )
−3 3 3
Quiere decir que si tenemos como dato la matriz de cambio de base, podemos
determinar la base 𝐵2 a partir de la base 𝐵1 y viceversa.
Cómo afecta un cambio de base

a la matriz asociada a una TL
En este apartado nos interesa estudiar cuál es la relación entre dos matrices
asociadas a una misma transformación lineal, pero que están expresadas en bases
diferentes.
Sean:
 𝑇: 𝑉 → 𝑊 una transformación lineal
47
 𝐵1 , 𝐵3 bases de 𝑉
 𝐵2 , 𝐵4 bases de 𝑊
 𝐼𝑑𝑉 la transformación lineal identidad en el espacio vectorial 𝑉
 𝐼𝑑𝑊 la transformación lineal identidad en el espacio vectorial 𝑊
¿Qué relación existe entre 𝑀(𝑇)𝐵1 𝐵2 y 𝑀(𝑇)𝐵3 𝐵4 ? ¿Cómo se podría a partir de

una de ellas calcular la otra?
Por las propiedades de las matrices asociadas a una TL, puede afirmarse que:
𝑀(𝑇)𝐵1𝐵2 [𝑣]𝐵1 = [𝑇(𝑣)]𝐵2
𝑀(𝑇)𝐵3𝐵4 [𝑣]𝐵3 = [𝑇(𝑣)]𝐵4
𝑀(𝐼𝑑𝑉 )𝐵3𝐵1 [𝑣]𝐵3 = [𝑣]𝐵1
𝑀(𝐼𝑑𝑊 )𝐵2𝐵4 [𝑇(𝑣)]𝐵2 = [𝑇(𝑣)]𝐵4
Si el lector leyó cuidadosamente las igualdades anteriores, estará convencido de

que son válidas (si no está convencido, sugerimos consultar por el foro). Las
relaciones enunciadas pueden verse convenientemente en el siguiente esquema:
𝑀(𝑇)𝐵1𝐵2
[𝑣]𝐵1 [𝑇(𝑣)]𝐵2
𝑀(𝐼𝑑𝑉 )𝐵3𝐵1 𝑀(𝐼𝑑𝑊 )𝐵2𝐵4
[𝑣]𝐵3 [𝑇(𝑣)]𝐵4
𝑀(𝑇)𝐵3𝐵4
De todo esto es posible deducir que:
𝑀(𝑇)𝐵3𝐵4 = 𝑀(𝐼𝑑𝑊 )𝐵2𝐵4 . 𝑀(𝑇)𝐵1𝐵2 . 𝑀(𝐼𝑑𝑉 )𝐵3𝐵1
Caso particular de ℝ𝒏 a ℝ𝒏
Nos interesa especialmente el caso de las TL 𝑇: ℝ𝑛 → ℝ𝑛 , y la relación entre la
matriz estándar y otra matriz asociada 𝑀(𝑇)𝐵𝐵 , con 𝐵 base de ℝ𝑛 . Volvamos a
48
construir el esquema para este caso particular:
𝑀(𝑇)𝐸𝐸
[𝑣]𝐸 [𝑇(𝑣)]𝐸
𝑃 = 𝑀(𝐼𝑑)𝐵𝐸 𝑃−1 = 𝑀(𝐼𝑑)𝐸𝐵
[𝑣]𝐵 [𝑇(𝑣)]𝐵
𝑀(𝑇)𝐵𝐵
Habíamos visto que:
𝑀(𝑇)𝐵3 𝐵4 = 𝑀(𝐼𝑑)𝐵2𝐵4 . 𝑀(𝑇)𝐵1 𝐵2 . 𝑀(𝐼𝑑)𝐵3 𝐵1
En este caso particular la expresión queda:
⇒ 𝑀(𝑇)𝐵𝐵 = 𝑀(𝐼𝑑)𝐸𝐵 . 𝑀(𝑇)𝐸𝐸 . 𝑀(𝐼𝑑)𝐵𝐸
Por lo tanto:
𝑴(𝑻)𝑩𝑩 = 𝑷−𝟏 𝑴(𝑻)𝑬𝑬 𝑷 donde 𝑃 = 𝑀(𝐼𝑑)𝐵𝐸
Ejemplo
𝑇ℝ2 → ℝ2
1 3
𝑀(𝑇)𝐸𝐸 = ( )
2 2
𝐵 = {(1,1, ), (3, −2)}
Queremos encontrar 𝑀(𝑇)𝐵𝐵 .
Calculamos la matriz de cambio de base:
1 3
𝑃 = 𝑀(𝐼𝑑)𝐵𝐸 = ( )
1 −2
Buscamos su inversa:
1 −2 −3
𝑃−1 = 𝑀(𝐼𝑑)𝐸𝐵 = − ( )
5 −1 1
Entonces resulta:
49
4 0
𝑀(𝑇)𝐵𝐵 = 𝑃−1 . 𝑀(𝑇)𝐸𝐸 . 𝑃 = ( )
0 −1
Observemos que en esta base 𝐵, la matriz asociada es diagonal.
Dada una TL en ℝ𝑛 , ¿cuándo es posible hallar una base 𝐵 de modo que la matriz
asociada en esa base resulte diagonal? La respuesta la encontraremos en la
próxima unidad.
EPL 6
a) Eligiendo una base adecuada, definir una transformación lineal 𝑇: ℝ3 → ℝ3 que
represente la simetría (reflexión) respecto del plano 𝜋: 𝑥 − 𝑧 = 0 .
b) Hallar si es posible, una base 𝐵 de ℝ3 de modo que la matriz asociada a 𝑇 sea:
1 0 0
𝑀(𝑇)𝐵𝐵 = (0 1 0 )
0 0 −1
Sugerencia: si 𝐵 = {𝑣1 , 𝑣2 , 𝑣3 }, ¿cuáles son los transformados de los vectores de 𝐵?

(Tener en cuenta cómo se construye 𝑀(𝑇)𝐵𝐵 ).
d) Obtener la matriz de 𝑇 respecto de la base canónica de ℝ3.
50
ALGEBRA Y
GEOMETRÍA
ANALÍTICA
Isabel Pustilnik
0
Federico Gómez
ÍNDICE
Idea intuitiva sobre autovalores y autovectores ............................................................. 2
Un ejemplo introductorio ................................................................................................ 2
Autovalores, autovectores, autoespacios ....................................................................... 3
Definición de autovalores y autovectores de una matriz .......................................... 3
Propiedad de los autovalores y autovectores ............................................................. 9
Definición de autoespacio ........................................................................................... 10
Multiplicidades algebraica y geométrica ..................................................................... 10
Propiedad sobre multiplicidad algebraica y geométrica ....................................... 12
Matrices semejantes ......................................................................................................... 15
Definición de matrices semejantes ............................................................................. 15
Propiedad de las matrices semejantes ...................................................................... 15
Diagonalización de una matriz ....................................................................................... 16
Definición de matriz diagonalizable ........................................................................... 16
Condiciones que tiene que cumplir una matriz para ser diagonalizable ............. 16
Matriz con 𝒏 autovalores distintos ............................................................................... 19
Diagonalización de matrices simétricas ........................................................................ 20
Matriz ortogonal ............................................................................................................. 20
Diagonalización ortogonal ........................................................................................... 22
Diagonalización de una transformación lineal ............................................................. 22
Autovalores y autovectores de una transformación lineal ...................................... 22
Propiedad ....................................................................................................................... 22
Definición de transformación lineal diagonalizable ................................................. 23
Propiedad ........................................................................................................................ 24
1
Idea intuitiva sobre autovalores

y autovectores
Un ejemplo introductorio
3 2
𝐴=( )
1 4
Queremos ver cuál es el efecto que provoca esa matriz por los vectores de ℝ2.
¿Qué pasa cuando uno multiplica esa matriz A por un vector?
𝑥 3 2 𝑥 3𝑥 + 2𝑦
𝐴. ( ) = ( ).( ) = ( )
𝑦 1 4 𝑦 𝑥 + 4𝑦
Pensemos para que sea sencillo que tomamos el cuadrado con vértice en el
origen de lado 1 y que está en el primer cuadrante:
Digamos que llamamos a esta zona el recinto 𝑅. ¿En qué se transformaría este
recinto bajo el efecto de esa matriz? Para responder esta pregunta podemos ver
en que se transforman sus vértices. Sabemos que el vector nulo se va a transformar
en el vector nulo. Los demás serán:
1 3
𝐴( ) = ( )
0 1
0 2
𝐴( ) = ( )
1 4
2
1 5
𝐴( ) = ( )
1 5
𝑹′
Uno se podría hacer esta pregunta: ¿Habrá vectores que después de la

deformación conservan la dirección?
 El vector (1,0) se transformó en el (3,1). No conserva la dirección.

 El (0,1) se transforma en el (2,4). No conserva la dirección.
 El (1,1) se transformó el (5,5). Entonces se produjo una dilatación de factor
5, y se conservó la dirección.
Ese vector que mantuvo su dirección se denomina autovector, y el factor por el

cual se dilató es el autovalor correspondiente.
𝑎𝑢𝑡𝑜𝑣𝑒𝑐𝑡𝑜𝑟
1 ⏞1
𝑇((1,1)) = 𝐴 ( ) = ⏟
5 ( )
1 𝑎𝑢𝑡𝑜𝑣𝑎𝑙𝑜𝑟
1
Autovalores, autovectores,
autoespacios
Definición de autovalores y autovectores
de una matriz
Sea 𝐴 ∈ ℝ𝑛×𝑛 ,
𝜆 ∈ ℝ es autovalor de 𝐴 si y sólo si existe un vector 𝑣 ∈ ℝ𝑛×1 no nulo tal que:
𝐴. 𝑣 = 𝜆. 𝑣 , 𝑣 ≠ 0𝑉
𝑣 se llama autovector asociado a 𝜆.
En el ejemplo que vimos recién el transformado de (1,1) es (5,5), entonces:
3
1 5 1
𝐴( ) = ( ) = ⏟
5( )
1 5 ⏟
1
𝜆
𝑣
Veamos cómo hallar los autovalores y autovectores:
Según la definición, debe cumplirse esta condición:
𝐴𝑣 = 𝜆𝑣 con 𝑣 ≠ 0𝑉
Restamos a ambos miembros 𝜆𝑣:
𝐴𝑣 − 𝜆𝑣 = 0𝑉
Premultiplicamos a 𝑣 por 𝐼, esto lo podemos hacer porque 𝐼𝑣 = 𝑣:
𝐴𝑣 − 𝜆𝐼𝑣 = 0𝑉
Entonces:
(𝐴 − 𝜆𝐼) . 𝑣 = 0𝑉
⏟
𝑛×𝑛
Resulta un sistema homogéneo con 𝑛 ecuaciones y 𝑛 incógnitas, donde 𝐴 − 𝜆𝐼 es

la matriz de los coeficientes.
¿Cómo puede ser un sistema homogéneo en cuanto a su compatibilidad?
Respuesta: siempre compatible, porque siempre tiene la solución trivial. ¿Cómo

queremos que sea en nuestro problema si estamos buscando vectores que no
cambien su dirección? ¿Sistema compatible determinado (SCD) o sistema
compatible indeterminado (SCI)?. Si es SCD, tiene únicamente la solución trivial y 𝑣
es el vector nulo. Nuestro objetivo es obtener los autovectores (que son distintos
del vector nulo), por eso necesitamos que este sistema sea compatible
indeterminado.
Entonces: buscamos un sistema compatible indeterminado.
En un sistema cuadrado y homogéneo, el determinante decide: si es distinto de

cero, tiene solución única. Entonces queremos que sea igual a cero:
det(𝐴 − 𝜆𝐼) = 0
Esta es la ecuación característica de la matriz 𝑨.
Y 𝑝(𝜆) = det(𝐴 − 𝜆𝐼) es un polinomio de grado 𝑛 dependiente de 𝜆 que se llama

polinomio característico de la matriz 𝐴.
Las raíces del polinomio característico son los autovalores de 𝑨.
Una vez hallados los autovalores, ¿cómo obtenemos los autovectores?
Volvemos a la expresión original.
4
Para cada 𝜆 resolvemos el sistema:
(𝐴 − 𝜆𝐼). 𝑣 = 0𝑉
Y hallamos los autovectores correspondientes.
Si la matriz es de 2 por 2, el polinomio quedará de grado 2.
Si la matriz es de 3 por 3, el polinomio quedará de grado 3.
Otros nombre que se les suele dar a los autovectores y autovalores son:
 Valores propios y vectores propios

 Eigenvalores y Eigenvectores (Usando la raíz alemana eigen)
Ejemplo 1
Volvamos al ejemplo inicial.
3 2 1 0 3−𝜆 2
𝐴 − 𝜆. 𝐼 = ( ) − 𝜆. ( )=( )
1 4 0 1 1 4−𝜆
det(𝐴 − 𝜆𝐼) = 0
(3 − 𝜆)(4 − 𝜆) − 2 = 0
𝜆2 − 7𝜆 + 10 = 0
𝜆1 = 2 ∧ 𝜆2 = 5
Para 𝜆 = 2 resolvemos el sistema de ecuaciones:
𝑥 0
(𝐴 − 2𝐼) ( ) = ( )
𝑦 0
1 2 𝑥 0
( )( ) = ( )
1 2 𝑦 0
𝑥 + 2𝑦 = 0
{ ⇒ 𝑥 = −2𝑦
𝑥 + 2𝑦 = 0
La solución de un sistema homogéneo es siempre un subespacio. Los subespacios

de autovectores se denominan autoespacios.
Buscamos una base de este subespacio:
2
𝑆2 = 𝑔𝑒𝑛 {( )}
−1
Éste es el subespacio donde están los autovectores asociados al autovalor 2.
Para 𝜆 = 5
𝑥 0
(𝐴 − 5𝐼) ( ) = ( )
𝑦 0
5
−2 2 𝑥 0
( )( ) = ( )
1 −1 𝑦 0
−2𝑥 + 2𝑦 = 0
{ ⇒𝑥=𝑦
𝑥−𝑦 =0
1
𝑆5 = 𝑔𝑒𝑛 {( )}
1
Resultado esperado porque habíamos visto que el (1,1) se transformaba en el (5,5).
Ejemplo 2
Consideremos la siguiente matriz de 3 × 3:
3 2 −1
𝐵 = (2 3 1 )
0 0 5
Busquemos sus autovalores resolviendo el polinomio característico:
3−𝜆 2 −1
| 2 3−𝜆 1 |=0
0 0 5−𝜆
(5 − 𝜆). ((3 − 𝜆)2 − 4) = 0
Luego los autovalores son:
𝜆1 = 5 ∨ 𝜆2 = 5 ∨ 𝜆3 = 1
Donde la multiplicidad algebraica de 5 es 2. Esto significa que 5 es raíz doble del

polinomio característico.
Para cada autovalor debemos resolver el sistema de ecuaciones
3−𝜆 2 −1 𝑥 0
( 2 3−𝜆 1 ) . ( 𝑦 ) = ( 0)
0 0 5−𝜆 𝑧 0
Para obtener cuales son los autoespacios correspondientes a cada autovalor.
Autovectores asociados a λ = 5:
Resolvamos el sistema compatible indeterminado:
−2 2 −1 𝑥 0 −2𝑥 + 2𝑦 − 𝑧 = 0
( 2 −2 1 ) (𝑦) = (0) ⇒ { 2𝑥 − 2𝑦 + 𝑧 = 0 ⇒ −2𝑥 + 2𝑦 − 𝑧 = 0
0 0 0 𝑧 0 0=0
El subespacio asociado a este autovalor es:
1 0
𝑆5 = 𝑔𝑒𝑛 {( 0 ) , (1)}
−2 2
Luego dos autovectores son:
6
1 0
𝑣1 = ( 0 ) ; 𝑣2 = (1)
−2 2
Autovectores asociados a λ = 1:
Resolvamos el sistema compatible indeterminado:
2 2 −1 𝑥 0 2𝑥 + 2𝑦 − 𝑧 = 0
(2 2 1 ) (𝑦) = (0) ⇒ {2𝑥 + 2𝑦 + 𝑧 = 0 ⇒ 𝑧 = 0 ∧ 𝑦 = −𝑥
0 0 4 𝑧 0 4𝑧 = 0
El subespacio asociado a este autovalor es:
1
𝑆1 = 𝑔𝑒𝑛 {(−1)}
0
Luego un autovector es:
1
𝑣3 = (−1)
0
Finalmente hemos obtenido tres autovectores:
1 0 1
𝑣1 = ( 0 ) ; 𝑣2 = (1) 𝑣3 = (−1)
−2 2 0
Donde 𝑣1 y 𝑣2 son autovectores asociados al autovalor 𝜆 = 5 y 𝑣3 es un autovalor

asociado a 𝜆 = 1.
Ejemplo 3
Consideremos la siguiente matriz de 2 × 2:
0 −2
𝐶=( )
2 0
Busquemos sus autovalores resolviendo el polinomio característico:
−𝜆 −2
| |=0
2 −𝜆
⇒ 𝜆2 + 4 = 0
Este polinomio no tiene raíces reales. Con lo cual diremos que 𝐶 no tiene
autovalores reales.
Más adelante estudiaremos los números complejos y podremos hallar las raíces
(complejas) del polinomio característico de C.
Ejemplo 4
Demuestre la siguiente propiedad para 𝐴 ∈ ℝ𝑛×𝑛
7
𝜆 = 0 es autovalor de 𝐴 ⇔ 𝐴 no es inversible
Resolución
¿Cómo se demuestra esto? Primero veamos un ejemplo para convencernos de

que se cumple la propiedad.
Consideremos una matriz que no tenga inversa. Por ejemplo escribimos una matriz
tal que la fila 2 sea el doble de la fila 1:
1 2
𝐴=( )
2 4
Escribamos la ecuación característica y hallemos los autovalores:
𝑝𝐴 (𝜆) = (1 − 𝜆)(4 − 𝜆) − 4 = 0
𝜆2 − 5𝜆 = 0 ⇒ 𝜆 = 0 ∨ 𝜆 = 5
En este caso particular hemos visto que una matriz no inversible tiene autovalor 𝜆 =
0. Pero quisiéramos demostrar la propiedad.
Para demostrar esto hay que recordar que:
λ es autovalor de A ⇔ det(A − λI) = 0
Pero si 𝜆 = 0 entonces la afirmación queda:
0 es autovalor de 𝐴 ⇔ det (𝐴
⏟− 0. 𝐼 ) = 0 ⇔ A no es inversible
𝐴
EPL 1
Sea:
𝑎 𝑏
𝐴=( )
𝑐 𝑑
Con autovalores 𝜆1 y 𝜆2 (iguales o distintos).
Demostrar que:
a) 𝜆1 + 𝜆2 = 𝑇𝑟𝑎𝑧𝑎(𝐴)
b) 𝜆1 . 𝜆2 = det(𝐴)
Esta propiedad se generaliza para matrices de orden 𝑛.
Si 𝜆1 , 𝜆2 , … , 𝜆𝑛 son autovalores de 𝐴 (iguales o distintos) entonces:
𝜆1 + 𝜆2 + ⋯ + 𝜆𝑛 = 𝑇𝑟𝑎𝑧𝑎(𝐴)
𝜆1 . 𝜆2 . … . 𝜆𝑛 = det(𝐴)
8
Propiedad de los autovalores y

autovectores
Los autovectores asociados a autovalores distintos son linealmente
independientes.
Demostración para dos autovalores
Supongamos que tengo dos autovalores distintos: 𝜆1 ≠ 𝜆2. Como son autovalores,
se cumple:
𝐴. 𝑣1 = 𝜆1 . 𝑣1
𝐴. 𝑣2 = 𝜆2 . 𝑣2
Queremos probar que 𝑣1 y 𝑣2 son linealmente independientes.
Veamos que la única combinación lineal de los vectores que da por resultado el
vector nulo es la trivial (todos los coeficientes iguales a cero):
𝛼1 . 𝑣1 + 𝛼2 . 𝑣2 = 0𝑉 (1)
Multiplicamos por 𝐴 ambos miembros:
𝐴(𝛼1 . 𝑣1 + 𝛼2 . 𝑣2 ) = 0𝑉
Distribuimos:
𝛼1 . 𝐴𝑣1 + 𝛼2 . 𝐴𝑣2 = 0𝑉
Como 𝑣1 y 𝑣2 son autovectores es posible escribir:
𝛼1 . 𝜆1 𝑣1 + 𝛼2 . 𝜆2 𝑣2 = 0𝑉 (2)
Ahora multipliquemos los dos miembros de la ecuación (1) por 𝜆1 :
𝛼1 𝜆1 . 𝑣1 + 𝛼2 . 𝜆1 𝑣2 = 0𝑉 (3)
Y restando (2) − (3) obtenemos:
(𝜆2 − 𝜆1 ) . 𝑣⏟2 = 0𝑉
𝛼2 ⏟
≠0 ≠0
Como 𝜆1 ≠ 𝜆2 por hipótesis entonces su diferencia no puede ser nula. Como 𝑣2 es

un autovector, no puede ser el vector nulo. Entonces:
𝛼2 = 0
Pero para demostrar que son linealmente independientes, nos falta ver que 𝛼1 = 0.
Sabiendo que 𝛼2 = 0 vamos a (1):
𝛼1 . 𝑣1 = 0𝑉 ⇒ 𝛼1 = 0
9
Y si 𝛼1 = 𝛼2 = 0 demostramos que {𝑣1 , 𝑣2 } es linealmente independiente.
O sea los autovectores que están en autoespacios diferentes son linealmente

independientes.
Definición de autoespacio
Si 𝜆 es un autovalor de 𝐴, se denomina autoespacio 𝑆𝜆 al subespacio que
contiene todos los autovectores asociados al autovalor 𝜆 y además el vector
nulo.
𝑆𝜆 = {𝑣 ∈ ℝ𝑛×1 | 𝐴𝑣 = 𝜆𝑣} = {𝑣 ∈ ℝ𝑛×1 |(𝐴 − 𝜆𝐼)𝑣 = 0𝑉 }
EPL 2
Sea 𝐴 = (𝐴1 𝐴2 𝐴3 ) ∈ ℝ3×3 con:
1
1
𝐴1 = (2) y A2 = (1)
0
3
0
a) Hallar 𝐴3 para que 𝑣 = (−1
1 ) sea autovector de 𝐴 asociado a 𝜆 = 2.
b) Hallar los restantes autovalores y autoespacios de 𝐴.
Multiplicidades algebraica y
geométrica
Hemos visto que:
𝜆 es autovalor de 𝐴 ⇔ det(𝐴 − 𝜆𝐼) = 0
Es decir que los autovalores son las raíces del polinomio característico.
La multiplicidad algebraica de un autovalor 𝜆 es su multiplicidad como raíz del

polinomio característico 𝑝(𝜆). Denotaremos 𝑚𝜆 a la multiplicidad algebraica del
autovalor 𝜆.
Ejemplo
Supongamos 𝐴 ∈ ℝ5×5. 𝑝(𝜆) = − 𝜆. (𝜆 − 1). (𝜆 − 2)3. Tiene grado 5.
En la siguiente tabla resumimos los autovalores de 𝐴 y sus multiplicidades

algebraicas.
Autovalores de
0 1 2
𝐴
Multiplicidad
1 1 3
algebraica
10
La multiplicidad geométrica de un autovalor 𝜆 es la dimensión del autoespacio

asociado.
Ejemplo
Consideremos la siguiente matriz:
3 2 −1
𝐵 = (2 3 1 )
0 0 5
Hemos visto que su polinomio característico es:
𝑝𝐵 (𝜆) = −(𝜆 − 5)2 (𝜆 − 1)
Observación. El coeficiente principal de los polinomios característicos asociados a

las matrices 𝑛 × 𝑛 es (−1)𝑛 . Así que si la matriz es de 3 × 3 el coeficiente principal es
(−1)3 = −1. Si la matriz es de 2 × 2 el coeficiente principal será (−1)2 = 1.
Consideremos sus autovalores, la multiplicidad algebraica, y la multiplicidad

geométrica:
𝜆 𝑚𝜆 dim(𝑆𝜆 )
5 2 2
1 1 1
3 autovectores LI
Coinciden 𝑚𝜆 con dim(𝑆𝜆 ). Uno podría llegar a pensar que esto pasa siempre.
Pero…
Veamos que no es así. Tomemos la siguiente matriz:
3 2 1
𝑀 = ( 2 3 1)
0 0 5
Pueden verificar que el polinomio característico de M coincide con el de B:
𝑝𝑀 (𝜆) = −(𝜆 − 5)2 (𝜆 − 1)
Calculemos el autoespacio asociado al autovalor 𝜆 = 5
−2 2 1 𝑥 0
( 2 −2 1) (𝑦 ) = (0)
0 0 0 𝑧 0
Esta matriz es de rango 2. Entonces ahora da como autoespacio una recta, no un

plano. La dimensión del autoespacio será 1.
−2𝑥 + 2𝑦 + 𝑧 = 0
{ ⇒𝑧 =0 ∧𝑥 =𝑦
2𝑥 − 2𝑦 + 𝑧 = 0
11
Entonces
1
𝑆5 = 𝑔𝑒𝑛 {(1)}
0
Ahora el autoespacio asociado a 𝜆 = 1
2 2 1 𝑥 0
(2 2 1) . (𝑦) = (0) ⇒ 𝑧 = 0 ∧ 𝑥 = −𝑦
0 0 4 𝑧 0
1
𝑆1 = 𝑔𝑒𝑛 {(−1)}
0
Entonces si hacemos el cuadro para la matriz 𝑀, resulta:
𝜆 𝑚𝜆 dim(𝑆𝜆 )
5 2 1
1 1 1
2 autovectores LI
Esto marca la diferencia entre matrices diagonalizables y no diagonalizables.
Nosotros estamos apuntando a diagonalizar una matriz, por lo cual esta diferencia
que encontramos entre B y M será crucial.
Propiedad sobre multiplicidad algebraica y

geométrica
Para cada autovalor 𝜆 de una matriz A, se verifica que:
𝐝𝐢𝐦(𝐒𝛌 ) ≤ 𝐦𝛌
¿Puede ser cero la dimensión del autoespacio? ¿Qué querría decir que sea 0?
Si la dimensión de un autoespacio fuera cero, significaría que contiene sólo al

vector nulo, pero sabemos que el vector nulo no es un autovector. Entonces:
𝑆𝜆 ≠ {0𝑉 } ⇒ dim(𝑆𝜆 ) ≥ 1
Por lo tanto, resulta:
1 ≤ dim(𝑆𝜆 ) ≤ 𝑚𝜆
Consecuencia: si 𝝀 es un autovalor simple (𝒎𝝀 = 𝟏) entonces 𝒅𝒊𝒎(𝑺𝝀 ) = 𝟏.
12
Ejemplo 1
1 1 2
a) Dada la matriz 𝐴 = (2 2 4) , hallar todos los valores de 𝑐 para los cuales 𝐴 es
0 0 𝑐
diagonalizable.
b) Para 𝑐 = 0 , hallar si es posible 𝑃 inversible y 𝐷 diagonal tales que:𝑃 −1 𝐴𝑃 = 𝐷 .
RESOLUCIÓN
Vimos que:
𝑨 es diagonalizable si existe 𝑷 inversible tal que 𝑷−𝟏 𝑨𝑷 = 𝑫 (diagonal)
Para armar 𝑷 inversible, necesitamos tres autovectores LI (que serán las columnas
de P).
Teniendo en cuenta que los autovectores asociados a autovalores distintos son L.I.,
podemos afirmar lo siguiente:
Si todos los autovalores son distintos, la matriz es diagonalizable porque podemos

hallar tres autovectores LI.
Ahora bien: ¿qué ocurre si hay autovalores repetidos? En ese caso no podemos
anticipar nada, tenemos que analizar cada caso por separado para comparar la
multiplicidad algebraica del autovalor con la dimensión del autoespacio
correspondiente.
Hallemos los autovalores de A, que son las raíces del polinomio característico:
𝟏−𝝀 𝟏 𝟐
p(λ) = det ( 𝟐 𝟐−𝝀 𝟒 ) = (𝑐 − 𝜆)[(1 − 𝜆)(2 − 𝜆) − 2]
𝟎 𝟎 𝒄−𝝀
= (𝑐 − 𝜆)[−3𝜆 + 𝜆2 ] = (𝑐 − 𝜆)𝜆(−3 + 𝜆)
Entonces los autovalores son:
𝜆=𝑐 ∨ 𝜆=0 ∨ 𝜆=3
Veamos cómo separar los distintos casos para realizar un análisis completo:
Caso 1: 𝒄 ≠ 𝟎 𝒚 𝒄 ≠ 𝟑
En este caso los tres autovalores son distintos, y por lo tanto 𝐴 es diagonalizable.
Caso 2: 𝒄 = 𝟑
En este caso los autovalores son: 𝜆 = 3 (𝑑𝑜𝑏𝑙𝑒) 𝑦 𝜆 = 0
Nos tenemos que centrar en el autovalor doble: ¿qué dimensión tiene el

autoespacio?
13
1−3 1 2 𝑥 0 −2𝑥 + 𝑦 + 2𝑧 = 0 𝑦 = 2𝑥
( 2 2−3 4 ) (𝑦) = (0) ⇒ { 2𝑥 − 𝑦 + 4𝑧 = 0 ⇒ {
𝑧=0
0 0 3−3 𝑧 0
1
Obtenemos entonces 𝑆3 = 𝑔𝑒𝑛 { (2) }
0
Como el autovalor es doble y el autoespacio tiene dimensión 1, A no es

diagonalizable. ¿Por qué? Porque con un autovector de 𝑆3 y un autovector de 𝑆0
no podemos completar los 3 autovectores L.I. que necesitamos para armar P.
¿Es necesario hallar 𝑆0? No, porque sabemos que tiene dimensión 1.
Caso 3: 𝒄 = 𝟎
En este caso los autovalores son: 𝜆 = 0 (𝑑𝑜𝑏𝑙𝑒) y 𝜆 = 3(𝑠𝑖𝑚𝑝𝑙𝑒).
Autoespacio asociado a 𝜆 = 0:
1 1 2 𝑥 0 𝑥 + 𝑦 + 2𝑧 = 0
(2 2 4) (𝑦) = (0) ⇒ { ⇒ 𝑥 + 𝑦 + 2𝑧 = 0 ⇒ (−𝑦 − 2𝑧, 𝑦, 𝑧)
2𝑥 + 2𝑦 + 4𝑧 = 0
0 0 0 𝑧 0
−1 −2
𝑆0 = 𝑔𝑒𝑛 { ( 1 ) , ( 0 ) }
0 1
Como la dimensión del autoespacio coincide con la multiplicidad algebraica del

autovalor, A es diagonalizable. Si tomamos dos autovectores L.I. de 𝑆0 y un tercer
autovector de 𝑆3 , tendremos los tres autovectores LI necesarios para armar una P
inversible tal que: 𝑃 −1 𝐴 𝑃 = 𝐷 , como se pide en el ítem (b).
En conclusión 𝐴 es diagonalizable ∀𝑐 ∈ ℝ − {3}.
Ítem b
Nos falta hallar el autoespacio asociado a 𝜆 = 3
−𝟐 𝟏 𝟐 𝑥 0 −2𝑥 + 𝑦 + 2𝑧 = 0
𝑦 = 2𝑥
( 𝟐 −𝟏 𝟒 ) (𝑦) = (0) ⇒ { 2𝑥 − 𝑦 + 4𝑧 = 0 ⇒ { ⇒ (𝑥, 2𝑥, 0)
𝑧=0
𝟎 𝟎 −𝟑 𝑧 0 −3𝑧 = 0
1
𝑆𝜆=3 = 𝑔𝑒𝑛 { (2) }
0
−1 −2 1 0 0 0
𝑃=( 1 0 2) , 𝐷 = (0 0 0)
0 1 0 0 0 3
El lector puede verificar que: 𝑃−1𝐴𝑃 = 𝐷
14
Matrices semejantes
Definición de matrices semejantes
Sean 𝐴, 𝐵 ∈ ℝ𝑛×𝑛 , decimos que:
𝐴 y 𝐵 son matrices semejantes ⇔ ∃𝑃 ∈ ℝ𝑛×𝑛 inversible tal que 𝐵 = 𝑃−1. 𝐴. 𝑃 .
Ejemplo
Consideremos las siguientes matrices:
1
0
2 1 1 3 3 0
𝐵=( ) 𝐴=( ) 𝑃=( ) 𝑃−1 =( 3 )
0 1 0 2 1 1 1
− 1
3
Podemos afirmar que 𝐵 es semejante a 𝐴 pues:
𝐵 = 𝑃−1 . 𝐴. 𝑃
1 1
0 1
1 3 3 0 3 0 2 1
𝐵=( 3 )( )( )=( 3 )( )=( )
1 0 2 1 1 1 1 1 0 1
− 1 − 1
3 3
Propiedad de las matrices semejantes

Si 𝐴 y 𝐵 son semejantes, tienen el mismo polinomio característico y por lo tanto, los
mismos autovalores.
𝐴 𝑦 𝐵 𝑠𝑒𝑚𝑒𝑗𝑎𝑛𝑡𝑒𝑠 ⇒ 𝑝𝐴 (𝜆) = 𝑝𝐵 (𝜆) ⇒ 𝑡𝑖𝑒𝑛𝑒𝑛 𝑙𝑜𝑠 𝑚𝑖𝑠𝑚𝑜𝑠 𝑎𝑢𝑡𝑜𝑣𝑎𝑙𝑜𝑟𝑒𝑠
Demostración
𝑝𝐴 (𝜆) = det(𝐴 − 𝜆𝐼)
𝑝𝐵 (𝜆) = det(𝐵 − 𝜆𝐼)
Además sabemos que:
𝐴 = 𝑃−1 𝐵𝑃
Entonces:
𝒑𝑨 (𝝀) = det(𝐴 − 𝜆𝐼) = det(𝑃−1𝐵𝑃 − 𝜆𝐼) = det(𝑃−1 𝐵𝑃 − 𝑃−1 𝜆𝐼𝑃) = det(𝑃−1 . (𝐵 − 𝜆𝐼). 𝑃)
= det(𝑃−1 ) . det(𝐵 − 𝜆𝐼) . det(𝑃) = det(𝐵 − 𝜆𝐼 ) = 𝒑𝑩 (𝝀)
Donde hemos reemplazado 𝜆𝐼 por 𝑃−1 𝜆𝐼𝑃 ya que:
𝑃−1 𝜆𝐼𝑃 = 𝜆. 𝑃−1 𝑃 = 𝜆𝐼
15
Y hemos utilizado la propiedad distributiva del determinante respecto de la

multiplicación de matrices.
Diagonalización de una matriz

Definición de matriz diagonalizable
Sea 𝐴 ∈ ℝ𝑛×𝑛 , se dice que 𝐴 es diagonalizable ⇔ A es semejante a una matriz
diagonal ⇔ ∃𝑃 ∈ ℝ𝑛×𝑛 inversible tal que 𝑃−1 𝐴𝑃 = 𝐷 diagonal.
Es un caso especial de semejanza. Una matriz es diagonalizable cuando es

semejante a una matriz diagonal.
Condiciones que tiene que cumplir una

matriz para ser diagonalizable
𝑨 ∈ ℝ𝒏×𝒏 es diagonalizable si y sólo si 𝑨 tiene 𝒏 autovectores linealmente
independientes.
Sean 𝒗𝟏 , 𝒗𝟐 , … , 𝒗𝒏 autovectores LI de la matriz 𝐴 ∈ ℝ𝑛× 𝑛 . Podemos construir una

matriz 𝑃 cuyas columnas sean dichos autovectores:
𝑷 = (𝒗𝟏 𝒗𝟐 … 𝒗𝒏 )
𝑃 es inversible porque sus columnas son LI y por lo tanto tiene rango 𝑛 (𝑑𝑒𝑡(𝑃) ≠ 0).
Puede demostrarse que: 𝑷−𝟏 𝑨 𝑷 = 𝑫 donde 𝐷 es una matriz diagonal cuyos

elementos son los respectivos autovalores:
𝝀𝟏 𝟎 𝟎 𝟎
𝟎 𝝀𝟐 𝟎 𝟎
𝑫=( )
𝟎 𝟎 ⋱ 𝟎
𝟎 𝟎 𝟎 𝝀𝒏
Ejemplo 1
Consideremos la matriz 𝑀:
3 −1 0
𝑀 = (−1 3 0)
1 1 2
Verifiquen que los autovalores son: 𝜆 = 2 (𝑑𝑜𝑏𝑙𝑒) y 𝜆 = 4(𝑠𝑖𝑚𝑝𝑙𝑒), y que ambos

autoespacios tienen dimensión 1.
No coinciden la multiplicidad algebraica de 𝜆 = 2 y su multiplicidad geométrica.

Nos falta un autovector linealmente independiente para armar la matriz 𝑃, por lo
tanto la matriz 𝑀 no es diagonalizable.
16
Ejemplo 2
Veamos si es posible diagonalizar la siguiente matriz:
3 1
𝐴=( )
2 2
Verifiquen que los siguientes son sus autovalores:
𝜆=4
𝜆=1
Si la matriz tiene dos autovalores distintos, sin hacer ninguna cuenta más,
¿Podemos asegurar que es diagonalizable?
Sí, porque hay una propiedad que dice que los autovectores asociados a
autovalores distintos son linealmente independientes.
Los autovectores son:
1
𝑣1 = ( )
1
1
𝑣2 = ( )
−2
Armamos la matriz 𝑃 poniendo los autovectores como columnas:
1 1
𝑃=( )
1 −2
La inversa de 𝑃 la obtenemos haciendo:
1
𝑃−1 = . 𝑎𝑑𝑗(𝑃)
det(𝑃)
Ahora hagamos el cálculo para obtener la matriz diagonal.
1 −2 −1 3 1 1 1 4 0
𝐷 = 𝑃 −1 . 𝐴. 𝑃 = − . ( )( )( )=( )
⏟ 3 −1 1 2 2 1 −2 0 1
𝑃−1
Ejemplo 3
Diagonalizar la siguiente matriz si es posible:
1 2 4
𝐵 = (2 1 −4)
0 0 3
Buscamos los autovalores:
1−𝜆 2 4
det(𝐵 − 𝜆𝐼) = | 2 1−𝜆 −4 | = (3 − 𝜆)((1 − 𝜆 )2 − 4)
0 0 3−𝜆
17
𝜆 = 3 (𝑑𝑜𝑏𝑙𝑒) ∨ 𝜆 = −1
Atención: es un error muy común suponer que la existencia de un autovalor doble

implica que la matriz no es diagonalizable.
Para 𝜆 = −1 buscamos el autoespacio correspondiente:
2 2 4 𝑥 0
(2 2 −4) (𝑦) = (0)
0 0 4 𝑧 0
1
𝑆−1 = 𝑔𝑒𝑛 {(−1)}
0
Verifiquen que el otro autoespacio es:
1 2
𝑆3 = 𝑔𝑒𝑛 {(1) , (0)}
0 1
Como pudimos obtener tres autovectores linealmente independientes, la matriz 𝑃

existe y la construimos ubicando a los autovectores como columna:
1 1 1
𝑃 = (−1 −1 1)
0 1 0
Ésta es la matriz que permite diagonalizar a la matriz 𝑩.
1 1
− −1
2 2
𝑃−1 = 0 0 1
1 1
0
(2 2 )
La matriz diagonal correspondiente es:
−1 0 0
𝑃−1 . 𝐴. 𝑃 = 𝐷 = ( 0 3 0)
0 0 3
El orden de los autovalores en 𝐷 es el mismo orden que el de los autovectores en

las columnas de 𝑃. Por ejemplo si construimos la matriz 𝑃 así:
1 1 1
𝑃 = (1 −1 −1)
0 1 0
Verifiquen que la matriz 𝐷 queda:
3 0 0
𝐷 = (0 3 0 )
0 0 −1
18
Ejemplo 4
Diagonalizar la siguiente matriz si es posible:
0 −1
𝐶=( )
1 0
¿Qué problema tiene esta matriz? ¿Cuál sería el polinomio característico?
No tiene autovalores reales. Entonces no es diagonalizable en ℝ. Más adelante

veremos que es diagonalizable, pero en el campo de los números complejos.
EPL 3
Sea:
1 2 3
𝑀 = (2 𝑎 𝑏)
0 0 3
Determinar los valores de 𝑎 y 𝑏 de modo que 𝜆 = 3 sea autovalor doble, y 𝑀 sea

diagonalizable.
Matriz con 𝒏 autovalores distintos

¿Qué puede decirse de las matrices que tienen todos sus autovalores distintos?
Recordemos que autovectores asociados a autovalores distintos, son LI.
Por lo tanto:
Si una matriz 𝑨 ∈ ℝ𝒏×𝒏 tiene 𝒏 autovalores distintos, entonces tiene 𝒏 autovectores

LI y en consecuencia es diagonalizable.
Observación importante:
Si una matriz es diagonalizable ¿puede afirmarse que todos sus autovalores son
distintos? Veamos el siguiente ejemplo:
1 0 0
𝐴 = ( 0 1 0)
0 0 2
Es una matriz diagonalizable porque es diagonal1. Sin embargo no tiene todos sus
autovalores distintos ya que 𝜆 = 1 es un autovalor doble.
1 Sea 𝐴 ∈ ℝ𝑛×𝑛 , se dice que 𝐴 es diagonalizable ⇔ A es semejante a una matriz

diagonal ⇔ ∃𝑃 ∈ ℝ𝑛×𝑛 tal que 𝑃−1 𝐴𝑃 = 𝐷 diagonal. Si D es diagonal: 𝐼 −1 . 𝐷. 𝐼 = 𝐷 por
lo tanto D es diagonalizable. Probamos que toda matriz diagonal, es diagonalizable.
19
EPL 4
Sea 𝐴 ∈ ℝ3×3 tal que su polinomio característico es 𝑝(𝜆) = 𝜆2 . (1 − 𝜆), y
𝑆 = {𝑥 ∈ ℝ3×1 | 𝑥1 + 𝑥2 + 𝑥3 = 0} es un autoespacio de 𝐴. Analizar si 𝐴 es
diagonalizable.
Diagonalización de matrices
simétricas
Matriz ortogonal
¿Qué característica tiene una matriz ortogonal? Que la traspuesta de la matriz es
igual a la inversa:
𝑃 ∈ ℝ𝑛×𝑛 es ortogonal ⇔ 𝑃−1 = 𝑃𝑇
Una matriz 𝑃 ∈ ℝ𝑛×𝑛 es ortogonal si y sólo si:
 Sus columnas son ortogonales entre sí

 El módulo (norma) de cada columna es 1
Otra forma de decirlo:
 Las columnas deben ser versores ortogonales.
1 1
−
𝑃= √2 √2
1 1
(√2 √2 )
Esta matriz es ortogonal. Verifiquen que efectivamente sus columnas son

ortogonales y de módulo 1.
Otro ejemplo:
3 4
−
𝑄 = (5 5)
4 3
5 5
Esta matriz también es ortogonal. Verifíquenlo.
Ejemplo
Consideremos la matriz simétrica:
1 2
𝐴=( )
2 4
Vamos a hacer una diagonalización ortogonal de esta matriz. Los autovalores son:
20
𝜆 =0∨𝜆 =5
El autoespacio asociado a 𝜆 = 5 queda:
−4 2 𝑥 0 1
( ) . ( ) = ( ) ⇒ 𝑆5 = 𝑔𝑒𝑛 {( )}
2 0 𝑦 0 2
Y el autoespacio asociado a 𝜆 = 0 queda:
1 2 𝑥 0 −2
( ) . ( ) = ( ) ⇒ 𝑆0 = 𝑔𝑒𝑛 {( )}
2 4 𝑦 0 1
Comprobemos que son perpendiculares los autovectores obtenidos:
1 −2
( ) . ( ) = 1. (−2) + 2.1 = 0
2 1
No es casual que los autovectores que hemos obtenido sean perpendiculares:
En las matrices simétricas, los autovectores asociados a autovalores distintos son

ortogonales.
Ya tenemos dos vectores perpendiculares.
1 −2
𝑃=( )
2 1
Con esta matriz 𝑃 puedo diagonalizar a la matriz 𝐴:
5 0
𝑃−1 𝐴𝑃 = 𝐷 = ( )
0 0
Ésta es una diagonalización de A, similar a otros ejemplos previos. Pero

precisamente por ser A simétrica, los autoespacios son rectas ortogonales. Por lo
tanto, podríamos diagonalizar la matriz A mediante una Q ortogonal (columnas
ortogonales y de módulo 1)
¿Cuál sería la matriz 𝑄? Falta que los vectores columna sean versores. Para lograr
esto hay que dividir cada autovector por su módulo. Tienen módulo igual a √5:
1 2
−
𝑄= √5 √5
2 1
(√5 √5 )
Esta matriz es ortogonal: 𝑄 𝑇 = 𝑄 −1.
Entonces la diagonalización ortogonal de la matriz 𝐴 queda:
5 0
𝑄−1 𝐴𝑄 = 𝑄𝑇 𝐴𝑄 = 𝐷 = ( )
0 0
21
Diagonalización ortogonal
Definición: Una matriz 𝐴 ∈ ℝ𝑛×𝑛 es diagonalizable ortogonalmente si y sólo si existe
𝑃 ortogonal (𝑃−1 = 𝑃 𝑇 ) tal que 𝑃𝑇 . 𝐴. 𝑃 = 𝐷.
Puede demostrarse que toda matriz simétrica es ortogonalmente diagonalizable.

Pero además, las únicas matrices reales que pueden diagonalizarse
ortogonalmente son las matrices simétricas.
En resumen:
𝐴 es ortogonalmente diagonalizable si y sólo si 𝐴 es simétrica
Diagonalización de una
Autovalores y autovectores de una
Sea 𝑇: 𝑉 → 𝑉 una transformación lineal:
𝜆 ∈ ℝ es autovalor de 𝑇 si y sólo si ∃𝑣 ∈ 𝑉 no nulo, tal que 𝑇(𝑣) = 𝜆. 𝑣
𝑣 es el autovector asociado a 𝜆.
Si 𝑉 fuera un espacio de polinomios, entonces 𝑣 sería un polinomio. Si 𝑉 fuera un

espacio de matrices, entonces 𝑣 sería una matriz. Nosotros vamos a trabajar en
𝑉 = ℝ𝑛
Propiedad
Sea 𝑇: ℝ𝑛 → ℝ𝑛 tal que 𝐴 = 𝑀(𝑇)𝐸𝐸 , entonces:
𝜆 es autovalor de 𝑇 ⇔ 𝜆 es autovalor de 𝐴
Demostración
Por ser 𝐴 la matriz estándar resulta:
𝑥1
𝑥2
𝑇(𝑣) = 𝐴. 𝑣 con 𝑣 = ⋮
𝑥𝑛
( )
𝜆 es autovalor de 𝑇 ⇔ ∃𝑣 ∈ ℝ𝑛 no nulo tal que 𝑇(𝑣) = 𝜆. 𝑣 ⇔ ∃𝑣 ∈ ℝ𝑛𝑥1 no nulo tal

que 𝐴. 𝑣 = 𝜆. 𝑣 ⇔ 𝜆 es autovalor de 𝐴.
Probamos que en una TL en ℝ𝒏, los autovalores y autovectores de la transformación

son los mismos que los de su matriz asociada en base canónica.
22
Definición de transformación lineal

diagonalizable
Sea 𝑇: 𝑉 → 𝑉 una transformación lineal. Decimos que 𝑇 es diagonalizable si existe
alguna base 𝐵 tal que la matriz 𝑀𝐵𝐵 (𝑇) es diagonal.
Ejemplo
𝑇: ℝ2 → ℝ2 | 𝑇((𝑥, 𝑦)) = (𝑥 + 2𝑦, 3𝑦)
Hallar autovectores y autovalores de 𝑇, y analizar si es diagonalizable.
Resolución
1. Buscamos la matriz de 𝑇 en la base canónica.
1 2
𝐴 = 𝑀(𝑇)𝐸𝐸 = ( )
0 3
2. Buscamos autovalores y autovectores de 𝐴
𝜆 =1∨𝜆 =3
1
𝑆1 = 𝑔𝑒𝑛 {( )}
0
1
𝑆3 = 𝑔𝑒𝑛 {( )}
1
3. 𝐴 es diagonalizable, con
1 1 1 0
𝑃=( ) 𝑦 𝐷 = 𝑃−1. 𝐴. 𝑃 = ( )
0 1 0 3
Veamos que representa D:
𝐵 = {(1,0), (1,1)} es una base de ℝ2 formada por autovectores de 𝑇,
¿Cómo se busca la matriz asociada a una transformación lineal?
𝑀(𝑇)𝐵𝐵 = ([𝑇(𝑣1 )]𝐵 [𝑇(𝑣2 )]𝐵 )
Entonces esas coordenadas son:
1
𝑇((1,0)) = (1,0) = 1. (1,0) + 0. (1,1) ⇒ [(1,0)]𝐵 = ( )
0
0
𝑇((1,1)) = (3,3) = 0. (1,0) + 3. (1,1) ⇒ [(3,3)]𝐵 = ( )
3
Así que la matriz queda:
23
1 0
𝑀(𝑇)𝐵𝐵 = ( )=𝐷
0 3
Entonces, si tenemos una base 𝐵 formada por autovectores de 𝑇, ¡la matriz

asociada en esa base es diagonal!
Propiedad
Una TL en ℝ𝑛 es diagonalizable si y sólo si existe una base 𝐵 de ℝ𝑛 formada por
autovectores de 𝑇. En tal caso, 𝑀(𝑇)𝐵𝐵 = 𝐷.
Desde la perspectiva matricial, 𝑇 es diagonalizable si y sólo si 𝐴 = 𝑀(𝑇)𝐸𝐸 es

diagonalizable.
EPL 5
a) Sea 𝑇: ℝ𝑛 → ℝ𝑛 una transformación lineal. Probar:
Si 𝑵𝒖(𝑻) ≠ {𝟎ℝ𝒏 } entonces 𝝀 = 𝟎 es un autovalor de 𝑻 y el autoespacio

correspondiente es 𝑵𝒖(𝑻)
b) Sea 𝑇: ℝ3 → ℝ3 una transformación lineal que verifica las siguientes
condiciones:
i) 𝑇(𝑣) = 2𝑣 ∀𝑣 ∈ 𝑆 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 | 𝑥 − 𝑧 = 0 }
ii) 𝑁𝑢(𝑇) = 𝑔𝑒𝑛{(1,0,0)}
Analizar si existe una base 𝐵 de ℝ3 tal que la matriz asociada a 𝑇 respecto

de dicha base sea diagonal. En caso afirmativo indicar 𝐵 y 𝑀(𝑇)𝐵𝐵 .
24
ALGEBRA Y
GEOMETRÍA
ANALÍTICA
Isabel Pustilnik
0
Federico Gómez
ÍNDICE
Introducción ......................................................................................................................... 2
Lugar geométrico ............................................................................................................ 2
¿Qué son las cónicas? .................................................................................................... 3
Circunferencia ..................................................................................................................... 3
Ecuación canónica de la circunferencia .................................................................... 4
Desde ecuación ordinaria hacia ecuación general ................................................. 7
Desde ecuación general a ecuación ordinaria.......................................................... 8
Resumen ........................................................................................................................... 9
Parábola ............................................................................................................................. 10
Introducción ................................................................................................................... 10
Definición de parábola ................................................................................................. 11
Ecuación ordinaria de la parábola ............................................................................. 13
Lado recto ...................................................................................................................... 17
De ecuación ordinaria a ecuación general ............................................................. 18
Elipse ................................................................................................................................... 20
Definición y ecuación canónica de la elipse ........................................................... 20
Excentricidad de una elipse ........................................................................................ 22
Ecuación ordinaria de una elipse con 𝑪𝜶, 𝜷 .............................................................. 27
Hipérbola ............................................................................................................................ 29
Introducción ................................................................................................................... 29
Definición de hipérbola ................................................................................................ 30
Ecuación canónica de la hipérbola ........................................................................... 31
Ecuación ordinaria de una hipérbola ......................................................................... 37
Casos particulares de hipérbolas................................................................................ 37
Ecuaciones paramétricas de las cónicas ...................................................................... 41
Ecuaciones paramétricas de una recta en ℝ𝟐 ......................................................... 41
Parametrización de la circunferencia ........................................................................ 41
“Desparametrización” de la circunferencia ............................................................ 42
Otra parametrización de la circunferencia ............................................................. 43
Parametrización de la elipse ....................................................................................... 46
Parametrización de la parábola ................................................................................. 48
“Desparametrización” de una parábola .................................................................. 52
Parametrización de la hipérbola ................................................................................. 53
Superficies .......................................................................................................................... 55
¿Qué superficies estudiaremos? ................................................................................. 55
GeoGebra y Microsoft Mathematics .......................................................................... 60
Resumen de superficies cuádricas ............................................................................. 61
Ecuación de la esfera ................................................................................................... 63
Hiperboloide de una hoja ............................................................................................ 66
1
Introducción
Lugar geométrico
Dada una ecuación 𝐹(𝑥, 𝑦) = 0 se denomina lugar geométrico al conjunto de los
puntos 𝑃(𝑥, 𝑦) de ℝ2 que verifican la ecuación.
Ejemplo 1
Consideremos que la ecuación 𝐹(𝑥, 𝑦) = 0 es:
𝑥 2 − 4𝑥𝑦 = 0
¿Qué tipo de lugar geométrico representa? Dicho de otro modo, ¿qué curva
determinan los puntos que verifican esta ecuación?
Si sacamos factor común 𝑥 queda:
𝑥. (𝑥 − 4𝑦) = 0
¿Cuándo un producto de dos factores es igual a cero? Cuando alguno de los

dos es igual a cero:
𝑥 = 0 ∨ 𝑥 = 4𝑦
¿Qué representa geométricamente cada una de estas ecuaciones?
 𝑥 = 0 es la ecuación del el eje 𝑦

1
 𝑥 = 4𝑦 es una recta de pendiente .
4
Es decir que el lugar geométrico es un par de rectas no paralelas.
Ejemplo 2
Veamos este otro ejemplo:
2
𝑥 2 + 𝑦 2 = −4
No existe lugar geométrico, porque no hay ningún punto que satisfaga la

ecuación (es imposible que la suma de dos cuadrados dé por resultado un
número negativo).
¿Qué son las cónicas?

Apolonio, contemporáneo de Arquímedes, en el siglo III antes de Cristo, estudió
con mucha profundidad las curvas cónicas. El nombre de “cónicas” les viene de
que son curvas que se obtienen de cortar un cono con diferentes planos, como
muestra el siguiente esquema:
El cono en el que debemos pensar continúa más allá del vértice. Una imagen más
adecuada para representar las cónicas es la siguiente:
Las cónicas son curvas determinadas por la intersección de un cono circular recto
con planos de distintas inclinaciones.
Circunferencia
Todos conocen las circunferencias, saben que pueden trazarse con un compás.
Les resultará natural la siguiente:
La circunferencia es el lugar geométrico de los puntos del plano que equidistan de

un punto fijo llamado centro.
𝐶𝑒𝑛𝑡𝑟𝑜: 𝐶(𝛼, 𝛽)
𝒞 = {𝑃(𝑥, 𝑦)|𝑑(𝑃, 𝐶) = 𝑟 ; 𝑟 > 0}
Ahora vamos a deducir partiendo de esta definición, cuál es la expresión de una

circunferencia.
3
Consideremos el siguiente esquema:
Por teorema de Pitágoras sabemos que los puntos 𝑃(𝑥, 𝑦) deben cumplir esta
ecuación:
(𝑥 − 𝛼)2 + (𝑦 − 𝛽)2 = 𝑟 2
Que se llama ecuación ordinaria de la circunferencia con centro 𝑪(𝜶, 𝜷) y radio 𝒓.
Si 𝑟 = 0 , ¿qué objeto geométrico representa la ecuación?
Ecuación canónica de la circunferencia

Hay un caso particular de circunferencia, que tiene su centro en el origen. La
ecuación que la define se llama ecuación canónica de la circunferencia:
𝑥2 + 𝑦2 = 𝑟2
Si la circunferencia no está centrada en el (0,0), es posible armar un nuevo sistema

de modo tal que el centro de la circunferencia coincida con el nuevo origen de
coordenadas. Por ejemplo consideremos:
(𝑥 − 𝛼)2 + (𝑦 − 𝛽)2 = 𝑟 2
Si hacemos un cambio de variables:
𝑥′ = 𝑥 − 𝛼
{ ′
𝑦 =𝑦−𝛽
En las nuevas variables la ecuación queda expresada en forma canónica:

2 2
𝑥′ + 𝑦′ = 𝑟2
4
Para obtener la ecuación canónica, hicimos una traslación de ejes, de modo que
el centro del nuevo sistema coincidiera con el centro de la circunferencia:
Ejemplo
Encuentre la ecuación de una circunferencia si los extremos de uno de sus
diámetros son 𝑃(4, −3) y 𝑄(−2,7).
Conociendo los extremos de un diámetro, ¿cómo obtendrían el centro? ¿Y el

radio?
Resolución
5
Como el segmento 𝑃𝑄 es un diámetro, el centro es el punto medio de este

segmento. Y el radio es la mitad de la distancia entre 𝑃 𝑦 𝑄:
4 + (−2) −3 + 7
𝐶=( , ) = (1,2)
2 2
⃗⃗⃗⃗⃗ = (−6,10) ⇒ ‖𝑃𝑄

𝑃𝑄 ⃗⃗⃗⃗⃗ ‖ = 2√34
𝑟𝑎𝑑𝑖𝑜 = √34
Entonces ya tenemos las coordenadas del centro, y tenemos el radio. Basta con
reemplazar en la ecuación ordinaria para obtener la ecuación de esta
circunferencia:
(𝑥 − 1)2 + (𝑦 − 2)2 = 34
6
La gráfica es:
Desde ecuación ordinaria hacia ecuación

general
A partir de la ecuación ordinaria de la circunferencia, desarrollemos los cuadrados
de binomio:
(𝑥 − 𝛼)2 + (𝑦 − 𝛽)2 = 𝑟 2 ⇒ 𝑥 2 − 2𝛼𝑥 + 𝛼 2 + 𝑦 2 − 2𝛽𝑦 + 𝛽 2 = 𝑟 2
Y ahora reagrupemos los términos:
𝑥 2 + 𝑦 2 − 2𝛼𝑥 − 2𝛽𝑦 + (𝛼 2 + 𝛽 2 − 𝑟 2 ) = 0
Y renombremos las constantes:
𝑥 2 + 𝑦 2 −2𝛼 ⏟ 2 + 𝛽2 − 𝑟 2 ) = 0
⏟ 𝑦 + (𝛼
⏟ 𝑥 −2𝛽
𝐷 𝐸 𝐹
Se obtiene la ecuación:
𝑥 2 + 𝑦 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0
llamada ecuación general de la circunferencia.
7
Desde ecuación general a ecuación

ordinaria
Hemos obtenido a partir de la ecuación ordinaria, la ecuación general de una
circunferencia.
Pero dada una ecuación que tiene este aspecto:
𝑥 2 + 𝑦 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0
Si se la pasa a la forma de ecuación ordinaria: ¿siempre se obtendrá una

circunferencia?
Para responder esto vamos a recordar cómo se completa cuadrados con un

ejemplo.
Ejemplo
Vamos a completar cuadrados en la siguiente expresión:
𝑥 2 + 𝑦 2 − 4𝑥 + 2𝑦 − 1 = 0 [𝟏]
La pregunta es: ¿qué lugar geométrico representa esta ecuación? ¿Estamos

seguros de que es una circunferencia? Tendremos que llevarla a la forma
ordinaria.
La idea es transformar:
𝑒𝑛
𝑥 2 − 4𝑥 → (𝑥 − 𝛼 )2 + 𝐶1
Y además:
𝑒𝑛
𝑦 2 + 2𝑦 → (𝑦 − 𝛽)2 + 𝐶2
Empecemos con 𝑥 2 − 4𝑥
¿Qué le falta a esta expresión para ser un trinomio cuadrado perfecto? Falta el
término independiente. Sabemos que el término independiente deberá ser la
mitad de 4, elevado al cuadrado.
Entonces podemos sumar y restar 22:
⏟2 − 4𝑥 + 22 − 22 = (𝑥 − 2)2 − 4
𝑥
(𝑥−2)2
Ahora con la expresión para la variable 𝑦:
𝑦 2 + 2𝑦 = 𝑦
⏟2 + 2𝑦 + 12 − 12 = (𝑦 + 1)2 − 1
(𝑦+1)2
Reemplazamos en la [𝟏]:
8
(𝑥 − 2)2 − 4 + (𝑦 + 1)2 − 1 − 1 = 0
Y ahora reordenamos para obtener la ecuación de la circunferencia:
(𝑥 − 2)2 + (𝑦 + 1)2 = 6
¿Cuáles son el centro y el radio?
𝐶 = (2, −1)
𝑟 = √6
EPL 1
Completando cuadrados, hallen el lugar geométrico correspondiente a cada una
de las ecuaciones:
a. 𝑥 2 + 𝑦 2 + 3𝑥 + 4 = 0
b. 𝑥 2 + 𝑦 2 + 6𝑥 + 9 = 0
Resumen
De la resolución de los puntos anteriores se desprende la conclusión que
presentamos a continuación:
Ecuación General:
𝑥 2 + 𝑦 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0
Completando
cuadrados
Ecuación ordinaria
(𝑥 − 𝛼)2 + (𝑦 − 𝛽)2 = 𝑘
𝑆𝑖 𝑘 > 0 → 𝐶𝑖𝑟𝑐𝑢𝑛𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎
𝑆𝑖 𝑘 = 0 → 𝑃𝑢𝑛𝑡𝑜
𝑆𝑖 𝑘 < 0 → 𝐶𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑣𝑎𝑐í𝑜
9
Parábola
Introducción
La gráfica de una función cuadrática es una parábola. Pero el concepto
geométrico de parábola es más amplio, como veremos a continuación.
El siguiente gráfico muestra una “parábola acostada”:
Existen también las parábolas rotadas. Por ejemplo si nosotros graficáramos en

algún programa de computadora el conjunto de puntos que satisfacen la
ecuación 𝑥 2 + 2𝑥𝑦 + 𝑦 2 + 2𝑥 − 2𝑦 = 0, obtendríamos la siguiente gráfica:
10
𝑥 2 + 2𝑥𝑦 + 𝑦 2 + 2𝑥 − 2𝑦 = 0
Para reconocer que esa gráfica efectivamente responde a la definición,

características y expresión analítica de una parábola, debemos usar autovalores y
autovectores. (Esto lo veremos más adelante en la Unidad 8: Aplicaciones de la
diagonalización)
Definición de parábola
Dados un punto 𝐹 (foco) y una recta 𝑟 (directriz), se denomina parábola al
conjunto de puntos del plano que equidistan del foco y de la directriz.
Simbólicamente:
𝒫 = {𝑃(𝑥, 𝑦)| 𝑑(𝑃, 𝑟) = 𝑑(𝑃, 𝐹)}
Observen que estamos definiendo la parábola como un conjunto de puntos que

verifican cierta propiedad geométrica, no como la gráfica de una función
cuadrática (que es como ustedes la conocían hasta ahora).
El eje focal es el eje perpendicular a la directriz que pasa por el foco. Es el eje de
simetría de la parábola.
El punto de la parábola que pertenece al eje focal se llama vértice.
11
𝑦 𝑃(𝑥, 𝑦)
r: directriz
−c 𝑉(0,0) 𝑥 x
𝐹(𝑐, 0)
Para el esquema que realizamos, las coordenadas del vértice son 𝑉(0,0), las del
foco 𝐹(𝑐, 0) y la recta directriz está dada por 𝑟: 𝑥 = −𝑐. Las coordenadas de un
punto genérico 𝑄 que pertenece a la directriz son (−𝑐, 𝑦).
Ahora con estos datos vamos a deducir la ecuación. Por definición:
𝑑(𝑃, 𝑟) = 𝑑(𝑃, 𝐹)
Distancia entre un punto P y la directriz: 𝑑(𝑃, 𝑟) = ‖𝑃𝑄

⃗⃗⃗⃗⃗ ‖
Distancia entre un punto P y el foco: 𝑑(𝑃, 𝐹) = ‖𝑃𝐹

⃗⃗⃗⃗⃗ ‖
Las igualamos según lo establece la definición:
⃗⃗⃗⃗⃗ ‖ = ‖𝑃𝐹
‖𝑃𝑄 ⃗⃗⃗⃗⃗ ‖
Donde los vectores y sus módulos son:
⃗⃗⃗⃗⃗ = (−𝑐 − 𝑥, 0)
𝑃𝑄
⃗⃗⃗⃗⃗ = (𝑐 − 𝑥, −𝑦)
𝑃𝐹
⃗⃗⃗⃗⃗ ‖ = √𝑐 2 + 2𝑐𝑥 + 𝑥 2
‖𝑃𝑄
12
⃗⃗⃗⃗⃗ ‖ = √𝑐 2 − 2𝑐𝑥 + 𝑥 2 + 𝑦 2
‖𝑃𝐹
Ahora sustituyendo y operando llegamos a:
√𝑐 2 + 2𝑐𝑥 + 𝑥 2 = √𝑐 2 − 2𝑐𝑥 + 𝑥 2 + 𝑦 2
𝑐 2 + 2𝑐𝑥 + 𝑥 2 = 𝑐 2 − 2𝑐𝑥 + 𝑥 2 + 𝑦 2
𝒚𝟐 = 𝟒𝒄𝒙 (𝑐 ≠ 0)
Que es la ecuación canónica de la parábola con 𝑽(𝟎, 𝟎) y eje focal 𝒚 = 𝟎 (eje 𝒙).
Donde si,
𝑐 > 0 ⇒ Las ramas de la parábola apuntan hacia la derecha
𝑐 < 0 ⇒ Las ramas de la parábola apuntan hacia la izquierda
Análogamente a lo desarrollado para una parábola con eje focal horizontal, se

puede hacer la deducción para las parábolas con eje focal vertical. Si
permutamos variables sobre la expresión canónica tenemos la expresión canónica
de la parábola vertical:
𝑥 2 = 4𝑐𝑦
Ecuación canónica de la parábola con 𝑽(𝟎, 𝟎) y eje focal 𝒙 = 𝟎 (eje 𝒚).
Donde si,
𝑐 > 0 ⇒ Las ramas de la parábola apuntan hacia la arriba
𝑐 < 0 ⇒ Las ramas de la parábola apuntan hacia la abajo
Coordenadas del foco: 𝐹(0, 𝑐)
Ecuación de la directriz 𝑑: 𝑦 = −𝑐
Ecuación ordinaria de la parábola

Consideremos una parábola cuyo vértice 𝑉(𝛼, 𝛽) no coincide con el origen del
sistema 𝑥𝑦 :
13
¿Cómo sería la ecuación de la parábola en el sistema de referencia 𝑥𝑦? No

sabemos responder esto por el momento. Pero si armamos un nuevo sistema cuyo
centro coincida con 𝑉, la ecuación canónica en este nuevo sistema sería:
2
𝑦 ′ = 4𝑐𝑥 ′
Debemos realizar una traslación de ejes para poder tener la ecuación escrita en el
sistema 𝑥𝑦
𝑦𝑝 𝑦𝑝′ 𝑂′ (𝛼, 𝛽)
𝛽
𝑥𝑝′
𝛼 𝑥𝑝
¿Qué coordenadas tiene el punto 𝑃 respecto de cada sistema?
El punto es el mismo pero estamos modificando el sistema de referencia:
 Coordenadas de P en sistema x ′ y ′ : (𝑥𝑝′ , 𝑦𝑝′ )

 Coordenadas de P en sistema xy: (𝑥𝑝 , 𝑦𝑝 )
14
La relación entre los dos sistemas de coordenadas es la siguiente:
𝑥′ + 𝛼 = 𝑥
𝑦′ + 𝛽 = 𝑦
O reordenando:
𝑥′ = 𝑥 − 𝛼
{ ′
𝑦 =𝑦−𝛽
Éstas son las ecuaciones de traslación de ejes.
Si reemplazamos las ecuaciones de traslación en la expresión 𝑦 ′2 = 4𝑐𝑥 ′

obtenemos la ecuación en el sistema original:
(𝑦 − 𝛽)2 = 4𝑐(𝑥 − 𝛼)
Ésta es la ecuación ordinaria de la parábola con vértice 𝑽(𝜶, 𝜷) y eje focal

paralelo al eje 𝒙.
Análogamente:
(𝑥 − 𝛼)2 = 4𝑐(𝑦 − 𝛽)
Es la ecuación de la parábola con vértice 𝑽(𝜶, 𝜷) y eje focal paralelo al eje 𝒚.
¿Cómo nos damos cuenta si el eje focal es vertical u horizontal? Observando cuál
de las variables está elevada al cuadrado:
 𝑆𝑖 𝑦 𝑒𝑠𝑡á 𝑎𝑙 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜 → 𝐸𝑠 ℎ𝑜𝑟𝑖𝑧𝑜𝑛𝑡𝑎𝑙

 𝑆𝑖 𝑥 𝑒𝑠𝑡á 𝑎𝑙 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜 → 𝐸𝑠 𝑣𝑒𝑟𝑡𝑖𝑐𝑎𝑙
Ejemplo
Hallar la ecuación de la parábola de directriz 𝑥 = 4 y foco 𝐹(−2,0).
Resolución
15
Es conveniente realizar una figura de análisis que represente los datos del
enunciado:
𝑥=4
𝐹(−2,0)
El valor absoluto de 𝑐 es la distancia del vértice al foco.
|𝒄| = 𝒅(𝑽, 𝑭)
El vértice está sobre el eje focal y a la misma distancia del foco que de la directriz:
−2 + 4
𝑉=( , 0) = (1,0)
2
Eje focal: eje 𝑥
Como el eje es horizontal la ecuación tiene la forma:
(𝑦 − 𝛽)2 = 4𝑐(𝑥 − 𝛼)
(𝑦 − 0)2 = 4𝑐(𝑥 − 1)
Falta calcular el valor absoluto de 𝑐.
|𝑐| = 𝑑(𝐹, 𝑉) = 3
Como el foco está a la izquierda del vértice entonces 𝑐 = −3.
Entonces queda:
𝑦 2 = −12(𝑥 − 1)
16
Lado recto
El lado recto es la longitud de la cuerda que es perpendicular al eje focal y pasa
por el foco. Se puede demostrar que la longitud del lado recto es |4𝑐|
17
|𝐿𝐿′ | = |4𝑐|
Dejamos la demostración a cargo del lector interesado.
De ecuación ordinaria a ecuación general

Partimos de la ecuación ordinaria:
(𝑦 − 𝛽)2 = 4𝑐(𝑥 − 𝛼)
Desarrollamos cuadrado de binomio:
𝑦 2 − 2𝛽𝑦 + 𝛽 2 = 4𝑐𝑥 − 4𝑐𝛼
𝑦 2 − 4𝑐𝑥 − 2𝛽𝑦 + 𝛽 2 + 4𝑐𝛼 = 0
Renombramos los coeficientes de la ecuación así:
𝑦 2 −4𝑐
⏟ 𝑥 −2𝛽
⏟𝑦+𝛽⏟2 + 4𝑐𝛼 = 0
𝐷 𝐸 𝐹
𝑦 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0
Ésta es la ecuación general. Observen que hay una única variable que está al
cuadrado y la otra es lineal.
Les proponemos las siguientes preguntas:
 Si 𝐸 = 0, ¿dónde está ubicado el vértice?

 ¿Cuál es la ecuación general de una parábola de eje vertical?
18
Ejemplo
Analizar qué lugar geométrico representa la siguiente ecuación:
𝑦 2 + 4𝑥 − 2𝑦 + 2 = 0
¿Qué curva representan los puntos que verifican esta ecuación? Observando que
una sola de las variables está elevada al cuadrado, podemos pensar en una
parábola. Deberíamos llegar al siguiente modelo:
(𝑦 − 𝛽)2 = 4𝑐(𝑥 − 𝛼)
Primero hay que completar cuadrados en y
𝑦 2 − 2𝑦 + 12 − 12 = (𝑦 − 1)2 − 1
Entonces
(𝑦 − 1)2 − 1 + 4𝑥 + 2 = 0
(𝑦 − 1)2 = −4𝑥 − 1
1
(𝑦 − 1)2 = −4 (𝑥 + )
4
1
Ésta es la ecuación ordinaria de la parábola que tiene 𝑉 (− 4 , 1) y eje focal
paralelo al eje 𝑥.
EPL 2
Hemos visto que toda parábola de eje paralelo al eje x puede expresarse por una
ecuación del tipo 𝑦 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0.
Pero… si D = 0,
1) ¿la ecuación corresponde a una parábola?
2) ¿Qué lugar geométrico representa cada una de estas ecuaciones?
a) 𝑦 2 – 2𝑦 + 2 = 0
b) 𝑦 2 – 2𝑦 – 3 = 0
EPL 3
Dada la ecuación 𝑥 2 + 6𝑥 + 𝑘𝑦 = 0
¿Para qué valor de 𝑘 representa una parábola cuyo vértice pertenece a la recta
𝑦 = 6? Para el valor de k hallado, indiquen vértice, foco y directriz. Grafiquen.
19
Elipse
Definición y ecuación canónica de la elipse
Dados dos puntos 𝐹1 y 𝐹2 llamados focos, se denomina elipse al conjunto de
puntos del plano tales que la suma de sus distancias a ambos focos es constante:
ℰ = {𝑃(𝑥, 𝑦) | 𝑑(𝑃, 𝐹1 ) + 𝑑(𝑃, 𝐹2 ) = 𝑐𝑡𝑒}
A esa constante la llamamos 2𝑎.
Consideremos que los focos son los puntos de coordenadas 𝐹1 (−𝑐, 0) y 𝐹2 (𝑐, 0) con
𝑐 > 0, y el punto medio entre los focos, se denomina centro 𝐶(0,0). En el siguiente
esquema se pueden visualizar estos elementos:
Si la distancia entre los focos es 𝒅(𝑭𝟏 , 𝑭𝟐 ) = 𝟐𝒄 , la condición para que sea una
elipse es:
𝑎>𝑐>0
Si elevamos al cuadrado:
𝑎2 > 𝑐 2
A la diferencia se la llama 𝑏2 :
𝑎2 − 𝑐 2 = 𝑏2
⇒ 𝒂𝟐 = 𝒃𝟐 + 𝒄𝟐
Haciendo una deducción se llega a:
𝑥2 𝑦2
+ =1 , 𝑎>𝑏>0
𝑎2 𝑏2
Es la ecuación canónica de la elipse con centro (𝟎, 𝟎) y eje focal 𝒚 = 𝟎(eje 𝒙).
20
Busquemos las intersecciones con los ejes:
Si 𝑦 = 0 ∶ 𝑥 2 = 𝑎2 ⇒ 𝑥 = ±𝑎 ⇒ 𝑉1,2 = (±𝑎, 0)
Si 𝑥 = 0 ∶ 𝑦 2 = 𝑏2 ⇒ 𝑦 = ±𝑏 ⇒ 𝑉3,4 = (0, ±𝑏)
Estos cuatro puntos se denominan vértices de la elipse.
 𝑎 se denomina semieje mayor

 𝑏 es el semieje menor
 𝑐 es la semidistancia focal: (distancia del centro a un foco)
 2c es la distancia entre los focos
 Eje focal: es la recta que pasa por los focos, en este caso el eje x
La gráfica representando todos estos elementos es la siguiente:
Observen que el centro es centro de simetría de la elipse.
Si en la ecuación canónica anterior permutamos 𝑥 ⟷ 𝑦 queda:
𝑦2 𝑥2
+ =1 , 𝑎>𝑏
𝑎2 𝑏2
Es la ecuación canónica de la elipse con centro (𝟎, 𝟎) y eje focal 𝒙 = 𝟎 (eje 𝒚).
En este caso las coordenadas de los vértices y focos son:
21
 Vértices: 𝑉1 (0, 𝑎), 𝑉2 (0, −𝑎), 𝑉3 (−𝑏, 0), 𝑉4 (𝑏, 0)

 Focos: 𝐹1 (0, −𝑐), 𝐹2 (0, 𝑐)
Su gráfica es:
Excentricidad de una elipse

La excentricidad de una elipse se calcula como el cociente:
𝒄
𝒆=
𝒂
Donde 𝑎 es el semieje mayor y 𝑐 es la distancia del centro a uno de los focos.
Cómo 0 < 𝑐 < 𝑎:
𝑐
⇒ 0< <1
𝑎
Por lo tanto la excentricidad de una elipse varía entre cero y uno.
En el siguiente archivo de GeoGebra pueden moverse los focos y un punto de la

elipse para definirla. Además el programa calcula automáticamente la
excentricidad.
Exploren cómo va cambiando la forma de la elipse en relación con la

excentricidad.
22
Ejemplo 1
Hallar vértices, focos, eje focal, graficar y calcular excentricidad de la siguiente
elipse:
𝑥2 𝑦2
+ =1
4 10
Resolución
Calculemos los valores de 𝑎 y 𝑏:
𝑎2 = 10 ⇒ 𝑎 = √10
𝑏2 = 4 ⇒ 𝑏 = 2
Entonces podemos dar las coordenadas de los vértices:
𝑉1 (0, √10) ; 𝑉2 (0, −√10) ; 𝑉3 (2,0) ; 𝑉4 (−2,0)
Eje focal: es el eje 𝑦, porque el denominador de 𝑦 2 es mayor que el denominador

de 𝑥 2.
Para hallar las coordenadas de los focos necesitamos calcular 𝑐:
𝑐 2 = 𝑎2 − 𝑏2 = 10 − 4 = 6
𝐹1 (0, −√6) 𝑦 𝐹2 (0, √6)
Excentricidad de la elipse:
𝑐 √6 3
𝑒= = =√
𝑎 √10 5
La gráfica es:
23
Ejemplo 2
Hallar la ecuación de una elipse con focos 𝐹1 (1, −1) y 𝐹2 (1,3) y excentricidad 𝑒 =
0,4 .
Resolución
Empecemos graficando los focos y el centro:
24
La elipse está corrida; no está centrada en (0,0). ¿Dónde está el centro de la

elipse? En el punto medio de los dos focos 𝐶(1,1).
Pero podemos construir un sistema de ejes 𝑥′𝑦′ cuyo origen coincida con el centro
de la elipse:
Ecuación del eje x’: 𝑦 = 1
Ecuación del eje y': 𝑥 = 1
Hacemos una traslación de ejes:
𝑥′ = 𝑥 − 𝛼
{ ′
𝑦 = 𝑦−𝛽
Teniendo en cuenta las coordenadas del centro:
𝑥′ = 𝑥 − 1
{ ′
𝑦 =𝑦−1
25
Entonces en el nuevo sistema de ejes la ecuación quedaría:

2 2
𝑦′ 𝑥′
+ =1
𝑎2 𝑏2
Recordemos que 𝑐 es la distancia de un foco al centro, así que:
𝑐=2
Y conocemos además que la excentricidad es 0,4

𝑐
𝑒=
𝑎
Entonces despejamos de esta expresión 𝑎:
𝑐 2
𝑎= = = 5 ⇒ 𝑎2 = 25
𝑒 0,4
Calculamos 𝑏:
𝑏2 = 25 − 4 = 21 ⇒ 𝑏 = √21
Y ahora volvemos al sistema original
(𝑦 − 1)2 (𝑥 − 1)2
+ =1
25 21
En la siguiente tabla resumimos las coordenadas del centro, focos y vértices en

ambos sistemas de referencia:
Sistema 𝑥′𝑦′ Sistema 𝑥𝑦

Centro (0,0) (1,1)
Focos (0,2) (1,3)
(0, −2) (1, −1)
Vértices (0,5) (1,6)

(0, −5) (1, −4)
(√21, 0) (√21 + 1 , 1)
(−√21, 0) (−√21 + 1 , 1)
La gráfica queda:
26
Ecuación ordinaria de una elipse con 𝑪(𝜶, 𝜷)

Si el eje focal es horizontal la ecuación ordinaria es:
(𝑥 − 𝛼)2 (𝑦 − 𝛽)2
+ =1
𝑎2 𝑏2
Si el eje focal es vertical la ecuación ordinaria es:
(𝑦 − 𝛽)2 (𝑥 − 𝛼)2
+ =1
𝑎2 𝑏2
Noten que como 𝑎 > 𝑏, la única diferencia entre las dos ecuaciones consiste en
que 𝑎2 está en el denominador de 𝑥 o de 𝑦.
Ejemplo 3
Hallar la ecuación ordinaria de la curva definida por:
𝑥 2 + 2𝑦 2 + 2𝑥 − 8𝑦 + 7 = 0
Graficar.
Resolución
Como el coeficiente de 𝑥 2 y de 𝑦 2 no son el mismo, no puede tratarse de una

circunferencia. Tampoco de una parábola porque ninguno de los dos coeficientes
27
es igual a cero. Tampoco de una hipérbola porque tienen el mismo signo. Así que
inicialmente esperamos que sea una elipse.
Completemos cuadrados:
𝑥 2 + 2𝑥 + 2. (𝑦 2 − 4𝑦) + 7 = 0
(𝑥 + 1)2 − 12 + 2. [(𝑦 − 2)2 − 4] + 7 = 0
(𝑥 + 1)2 + 2. (𝑦 − 2)2 − 1 − 8 + 7 = 0
(𝑥 + 1)2 + 2. (𝑦 − 2)2 = 2
(𝑥 + 1)2
+ (𝑦 − 2)2 = 1
2
Llegamos a la ecuación ordinaria de una elipse con centro en (−1,2) y eje focal
horizontal (porque el semieje mayor es 𝑎 = √2 que está en el denominador de 𝑥, y
el semieje menor es 𝑏 = 1, está en el denominador de 𝑦). Calculemos 𝑐:
𝑐 2 = 𝑎2 − 𝑏2 = 2 − 1 = 1
Si quisiéramos obtener la ecuación canónica deberíamos establecer las

ecuaciones de traslación:
𝑥′ = 𝑥 + 1 𝑥 = 𝑥′ − 1
{ ′ ⇒ {
𝑦 =𝑦−2 𝑦 = 𝑦′ + 2
2
𝑥′ 2
+ 𝑦′ = 1
2
Resumamos la información obtenida en los dos sistemas de ejes:
Sistema 𝑥′𝑦′ Sistema 𝑥𝑦

Centro (0,0) (−1,2)
Focos (1,0) (0,2)
(−1,0) (−2,2)
Vértices (√2, 0) (√2 − 1,2)
(−√2, 0) (−√2 − 1,2)
(0,1) (−1 ,3)
(0, −1) (−1,1)
Finalmente podemos hacer la gráfica de la elipse con todos sus elementos:
28
Hipérbola
Introducción
Ustedes ya conocen a las hipérbolas como la representación gráfica de funciones
1
homográficas. El ejemplo más sencillo es la gráfica de la función 𝑓(𝑥) = :
𝑥
29
A continuación estudiaremos las hipérbolas desde otra perspectiva.
Definición de hipérbola
Dados dos puntos 𝐹1 y 𝐹2 llamados focos, se denomina hipérbola al conjunto de
puntos del plano tales que el valor absoluto de la diferencia de sus distancias a los
focos es constante.
ℋ = {𝑃(𝑥, 𝑦)| |𝑑(𝑃; 𝐹1 ) − 𝑑(𝑃; 𝐹2 )| = 2𝑎 = 𝑐𝑡𝑒}
Si la distancia entre los focos es 𝒅(𝑭𝟏 , 𝑭𝟐 ) = 𝟐𝒄 , la condición para que sea una
hipérbola es:
𝒄>𝑎>0
𝑐 2 > 𝑎2
𝑐 2 − 𝑎2 = 𝑏2
⇒ 𝒄𝟐 = 𝒂𝟐 + 𝒃𝟐
𝑃(𝑥, 𝑦)
𝑑2
𝑑1
𝐹2 (−𝑐, 0) 𝐹1 (𝑐, 0)
30
Ecuación canónica de la hipérbola

Con una deducción similar a la de la elipse, se obtiene:
𝑥2 𝑦2
− =1
𝑎2 𝑏2
Es la ecuación canónica de la hipérbola con centro en (𝟎, 𝟎) y eje focal 𝒚 = 𝟎 (eje

𝒙)
Busquemos las intersecciones con los ejes:
𝑦 = 0 ⇒ |𝑥| = 𝑎 ⇒ 𝑥 = ±𝑎 ⇒ 𝑉1,2 = (±𝑎, 0)
𝑥 = 0 ⇒ 𝑦 2 = −𝑏2
Entonces no corta al eje 𝑦.
Los puntos 𝑉1,2 se denominan vértices de la hipérbola.
Elementos de la hipérbola
𝑥2 𝑦2
− =1
𝑎2 𝑏2
Focos: 𝐹1 (𝑐, 0) y 𝐹2 (−𝑐, 0)
Centro: 𝐶 (0,0)
Vértices: 𝑉1 (𝑎, 0) y 𝑉2 (−𝑎, 0)
Eje focal: recta que contiene a los focos, en este caso es el eje 𝑥
a se denomina semieje real o transverso
b se denomina semieje imaginario
2c es la distancia entre los focos
Se cumple que 𝑐 2 = 𝑎2 + 𝑏2
En la hipérbola aparece un elemento nuevo que no tiene ninguna de las otras

cónicas: las asíntotas.
𝑏
Ecuaciones de las asíntotas: 𝑦 = ± 𝑎 𝑥
Veamos la gráfica:
Ubiquemos los vértices sobre el eje 𝑥, simétricos respecto del (0,0), 𝑉1,2 (±𝑎, 0) y los
puntos de coordenadas (0, ± 𝑏) que llamaremos “vértices imaginarios” (no son
puntos de la hipérbola, habíamos visto que ésta no corta al eje y):
31
Para trazar las asíntotas armemos un rectángulo auxiliar que ayudará a graficar la
hipérbola, y luego tracemos las rectas que contienen a sus diagonales (esas rectas
serán las asíntotas). Una vez trazadas las asíntotas, es sencillo realizar un gráfico
aproximado de la hipérbola:
¿Cuáles son las pendientes de las diagonales?
Habíamos visto que las ecuaciones de las asíntotas son:
𝑏
𝑦 = ± 𝑎 𝑥.
Esto justifica porqué las asíntotas son las rectas que contienen a las diagonales del
rectángulo.
Los focos, como los vértices de la hipérbola, están sobre el eje x. Como 𝑐 > 𝑎, los
focos están más alejados del origen que los vértices (𝑐 2 = 𝑎2 + 𝑏2 ).
32
Si en la ecuación canónica anterior permutamos 𝑥 ⟷ 𝑦 queda:
𝑦2 𝑥2
− =1
𝑎2 𝑏2
Es la ecuación canónica de la hipérbola con centro en (𝟎, 𝟎) y eje focal 𝒙 = 𝟎 eje

𝒚.
¿Cómo reconocer, dada la ecuación canónica de una hipérbola si el eje focal es

vertical u horizontal?
 Si el coeficiente de 𝑥 2 es positivo, sabemos que el eje focal es el eje 𝑥

 Si el coeficiente de 𝑦 2 es positivo, sabemos que el eje focal es el eje 𝑦
Ejemplo 1
Hallar la gráfica de la curva definida por la ecuación:
𝑦2
𝑥2 − = 1
4
Resolución
La ecuación responde a la forma canónica de una hipérbola con eje focal 𝑥.

Luego:
𝐶(0,0)
𝑆𝑒𝑚𝑖𝑒𝑗𝑒 𝑟𝑒𝑎𝑙 ∶ 𝑎 = 1
33
𝑆𝑒𝑚𝑖𝑒𝑗𝑒 𝑖𝑚𝑎𝑔𝑖𝑛𝑎𝑟𝑖𝑜: 𝑏 = 2
𝑆𝑒𝑚𝑖𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑓𝑜𝑐𝑎𝑙: 𝑐 = √12 + 22 = √5
Grafiquemos lo obtenido hasta el momento:
Luego podemos dar las coordenadas de los vértices, de los focos y de las
asíntotas:
𝑉1 (1,0)
𝑉2 (−1,0)
𝐹1 (−√5, 0)
𝐹2 (√5, 0)
𝐴𝑠í𝑛𝑡𝑜𝑡𝑎𝑠: 𝑦 = ±2𝑥
La gráfica:
34
Ejemplo 2
Hallar la gráfica de la curva definida por la ecuación:
𝑦2 𝑥2
− =1
4 6
Resolución
Como el coeficiente de 𝑦 2 es positivo, entonces el eje focal es el eje 𝑦.
𝑎2 = 4 → 𝑎 = 2 semieje real
𝑏2 = 6 → 𝑏 = √6 semieje imaginario
Vértices (0, ±2)
¿Cómo se obtienen las coordenadas de los focos? Falta calcular el valor de 𝑐

mediante la relación:
𝑐 2 = 𝑎2 + 𝑏2 ⇒ 𝑐 2 = 10 → 𝑐 = √10
Focos (0, ±√10)
Grafiquemos:
35
Como se puede deducir de la gráfica, las ecuaciones de las asíntotas son:
2 2
𝑦= 𝑥 , 𝑦=− 𝑥
√6 √6
EPL 4
En el siguiente applet construido utilizando GeoGebra, se puede visualizar una
familia de curvas que responden a la ecuación:
𝑥2 𝑦2
− =𝑘
4 16
Moviendo con el cursor el deslizador se puede dar a 𝑘 diferentes valores y observar

cómo se modifica la curva:
Utilizando el applet les proponemos que respondan a las siguientes preguntas:
a) ¿Qué tipo de curvas se obtiene si 𝑘 es distinto de 0?

b) ¿Qué diferencia observan para valores de 𝑘 > 0 respecto de 𝑘 < 0?
c) ¿Qué objeto geométrico se obtiene para 𝑘 = 0?
De acuerdo con lo que pudimos observar en el applet podemos enunciar un

método sencillo para buscar las ecuaciones de las asíntotas de una hipérbola.
Consideremos la siguiente ecuación:
36
𝑥2 𝑦2
− =𝑘 , 𝑘≠0
𝑝2 𝑞 2
Según hemos visto al reemplazar 𝑘 por 0 obtenemos las ecuaciones de las

asíntotas:
𝑥2 𝑦2
− =0
𝑝2 𝑞 2
𝑞
⇒ 𝑦=± 𝑥
𝑝
Ecuación ordinaria de una hipérbola

La ecuación ordinaria de una hipérbola con eje focal horizontal y centro en 𝑪(𝜶, 𝜷)
es:
(𝑥 − 𝛼)2 (𝑦 − 𝛽)2
− =1
𝑎2 𝑏2
La ecuación ordinaria de una hipérbola con eje focal vertical y centro en 𝑪(𝜶, 𝜷)
es:
(𝑥 − 𝛼)2 (𝑦 − 𝛽)2
− + =1
𝑏2 𝑎2
Observemos que la diferencia esencial reside en que el signo negativo está en el

término con la variable 𝑥 o en el término con la variable 𝑦. El motivo por el cual
utilizamos 𝑎2 en el denominador del término con coeficiente positivo es para
poder denominar siempre al semieje real como “𝑎”.
Casos particulares de hipérbolas

Hipérbola equilátera
Una hipérbola equilátera es aquella en la cual el semieje real es de igual longitud

que el semieje imaginario. Es decir que su ecuación puede ser de la forma:
𝑥2 𝑦2 𝑥2 𝑦2
− =1 o bien − + =1
𝑎2 𝑎2 𝑎2 𝑎2
Hipérbolas conjugadas
Dos hipérbolas son conjugadas una de la otra si el eje real de cada una de ellas es
igual al eje imaginario de la otra.
En términos analíticos se las reconoce porque los signos están cambiados, y los
coeficientes de 𝑥 y de 𝑦 siguen siendo los mismos en términos absolutos. Las
siguientes hipérbolas son conjugadas:
𝑥2 𝑦2 𝑥2 𝑦2
ℋ1 ∶ − =1 ℋ2 − + =1
𝑝2 𝑞 2 𝑝2 𝑞 2
37
Gráficamente:
Cómo se aprecia en la gráfica las hipérbolas conjugadas tienen iguales asíntotas.
Ejemplo
Dada la ecuación en ℝ2:
𝐴𝑥 2 + 𝑦 2 + 𝐵𝑦 = 0
Hallar en cada caso, si es posible, los valores de 𝐴 y 𝐵 para que la ecuación dada
represente:
a. Una elipse
b. Una circunferencia de radio 3
c. Una parábola
d. Un par de rectas paralelas
e. Una hipérbola equilátera con centro en 𝐶(0,3)
Resolución
Ítem a
Empecemos completando cuadrados para darle forma de ecuación ordinaria:
𝐵 2
2
𝐵 2 𝐵 2 𝐴𝑥 2 (𝑦 + 2 )
𝐴𝑥 + (𝑦 + ) = ( ) ⇒ + = 1 (𝐵 ≠ 0)
2 2 𝐵 2 𝐵 2
(2) (2)
Al estar igualada a 1, para que se trate de una elipse es necesario que el

coeficiente de 𝑥 2 y el de 𝑦 2 sean ambos positivos. Una restricción para que la
expresión tal como está escrita quede bien definida es que 𝐵 ≠ 0. Como el
38
coeficiente de 𝑦 2 será positivo siempre que 𝐵 ≠ 0, entonces 𝐴 deberá ser positivo

también. Luego:
𝐵 ≠0∧𝐴>0
En particular si 𝐴 = 1 vemos que queda el mismo coeficiente para 𝑥 2 e 𝑦 2, y la

curva es una circunferencia.
Ítem b
Ya establecimos que con 𝐴 = 1 será una circunferencia,
𝐵 2 𝐵 2
𝑥 2 + (𝑦 + ) = ( )
2 2
De radio
𝐵 2 𝐵
𝑅 = √( ) = | |
2 2
Si queremos que el radio sea 3:
𝐵
| | = 3 ⇒ |𝐵| = 6
2
Luego la respuesta es:
𝐴 = 1 ∧ |𝐵| = 6
Ítem c
Para que sea una parábola es necesario que una de las variables aparezca
elevada al cuadrado y la otra no. Luego debe ser 𝐴 = 0. Pero queda:
𝑦 2 + 𝐵𝑦 = 0
Que no responde a la ecuación de una parábola porque no ha quedado ningún

termino lineal con 𝑥. ¿Cuál es la curva con la que se corresponde esta ecuación
entonces? Sacando factor común 𝑦:
𝑦. (𝑦 + 𝐵) = 0 ⇒ 𝑦 = 0 ∨ 𝑦 = −𝐵
Es decir dos rectas horizontales y paralelas. En particular si 𝐵 = 0 queda una única

recta.
Respuesta: no es posible.
Ítem d
Lo hemos respondido en el ítem anterior. Para que sean dos rectas paralelas:
39
𝐴 =0∧𝐵 ≠0
Ítem e
Para analizar este caso utilicemos la expresión:
𝐵 2
𝐴𝑥 2 (𝑦 + 2 )
+ = 1 (𝐵 ≠ 0)
𝐵 2 𝐵 2
(2) (2)
Si es una hipérbola los signos de los coeficientes de 𝑥 2 e 𝑦 2 deben ser distintos.

Luego 𝐴 debe ser negativo. Luego para que sea hipérbola debe ser:
𝐴<0∧𝐵 ≠0
Para ser equilátera tienen que ser iguales el eje real y el transverso, luego:
1 𝐵 𝐵
. = ⇒ |𝐴| = 1 ⇒ 𝐴 = −1
𝐴2 2 2
Luego para que sea hipérbola equilátera debe ser:
𝐴 = −1 ∧ 𝐵 ≠ 0
Si queremos que el centro esté en (0,3) entonces:
𝐵
= −3 ⇒ 𝐵 = −6
2
Respuesta:
𝐴 = −1 ∧ 𝐵 = −6
En el siguiente archivo de GeoGebra podemos manipular los valores de los

parámetros 𝐴 y 𝐵 para chequear si los resultados son correctos y explorar la forma
que va tomando la curva para cada par de valores de los parámetros:
40
Ecuaciones paramétricas de las

cónicas
Ecuaciones paramétricas de una recta en
ℝ𝟐
Nosotros ya vimos cómo parametrizar rectas en ℝ2 y en ℝ3:
Un ejemplo de parametrización de una recta sería:
𝑥 = 2𝑡
{ ∀𝑡 ∈ ℝ
𝑦 =𝑡−1
𝑥
𝑡=
2
𝑥
𝑦= −1
2
1
Esto es una recta con pendiente y ordenada al origen igual a −1.
2
Veamos esta parametrización:
𝑥 = 2𝑡
{ ∀𝑡 ∈ [0,1]
𝑦 =𝑡−1
¿Es la parametrización de una recta? No estamos parametrizando toda la recta,

sino un segmento de la recta. ¿Qué segmento estamos parametrizando? Para
cada valor de 𝑡, corresponde un punto (𝑥, 𝑦) que pertenece a la recta, o en este
cado al segmento de recta.
Veamos qué puntos corresponden para 𝑡 = 0 y para 𝑡 = 1:
𝑡 = 0 ⇒ (0, −1)
𝑡 = 1 ⇒ (2,0)
Esto quiere decir que estamos parametrizando el segmento de recta que

comprendido entre los puntos (0, −1) y (2,0). ¿En qué sentido se recorre el
segmento? ¿Desde (0, −1) hacia (2,0) o en sentido contrario? El sentido viene
dado por el valor inicial y final de t. En el siguiente archivo de GeoGebra se puede
visualizar como para cada valor del parámetro se obtiene un punto distinto:
Ahora vamos a ver cómo parametrizar las cónicas.
Parametrización de la circunferencia
Queremos descomponer el movimiento circular en el eje 𝑥 y en el eje 𝑦.
41
Con la ayuda de la trigonometría expresemos las coordenadas de un punto

cualquiera en función de 𝑡:
𝑥 = 𝑅. cos(𝑡)
{
𝑦 = 𝑅. 𝑠𝑒𝑛(𝑡)
Si quiero dar toda la vuelta a la circunferencia 𝑡 deberá estar en el intervalo
[0,2𝜋]
Obtuvimos así una parametrización de la circunferencia con 𝑪(𝟎, 𝟎) y radio 𝑹.
𝜋
Si en esta parametrización se considera el intervalo [0, 2 ] ¿Qué arco de
circunferencia queda descripto?
“Desparametrización” de la circunferencia
Para pasar desde las ecuaciones paramétricas a la cartesiana debemos eliminar
el parámetro 𝑡. Elevamos al cuadrado ambas igualdades:
𝑥 2 = 𝑅 2 . cos 2(𝑡)
𝑦 2 = 𝑅 2 . 𝑠𝑒𝑛2 (𝑡)
Sumando las ecuaciones miembro a miembro:
𝑥 2 + 𝑦 2 = 𝑅2
Que es la ecuación canónica de la circunferencia.
42
Otra parametrización de la circunferencia

La ecuación canónica de una circunferencia con centro en (0,0) y de radio 𝑟 es
única:
𝑥 2 + 𝑦 2 = 𝑅2
Ahora consideremos:
𝑥 = 𝑅. 𝑠𝑒𝑛(𝑡)
Parametrización 2: { 𝑡 ∈ [0,2𝜋]
𝑦 = 𝑅. cos(𝑡)
¿Qué curva representa esta parametrización? Es posible que no nos demos

cuenta fácilmente. Intentemos obtener la ecuación cartesiana. Vamos a
“desparametrizar” la curva. Podemos elevar al cuadrado ambos miembros:
𝑥 2 = 𝑅 2 . 𝑠𝑒𝑛2 (𝑡)
𝑦 2 = 𝑅 2 . cos 2(𝑡)
𝑥 2 + 𝑦 2 = 𝑅2
Que es exactamente la misma curva que ya habíamos parametrizado. Entonces

las ecuaciones paramétricas para una curva no son únicas. Representan la misma
circunferencia con centro en (0,0) y radio 𝑅. ¿Cuál es la diferencia entre ambas
parametrizaciones?
Vamos a hacer una tabla para algunos valores para ver la diferencia entre las dos
parametrizaciones.
𝑡 Parametrización 1 (𝑥, 𝑦) Parametrización 2 (𝑥, 𝑦)
0 (𝑟, 0) (0, 𝑟)
𝜋
(0, 𝑟) (𝑟, 0)
2
𝜋 (−𝑟, 0) (0, −𝑟)
3𝜋
(0, −𝑟) (−𝑟, 0)
2
2𝜋 (𝑟, 0) (0, 𝑟)
43
Es decir que la trayectoria es la misma pero el sentido en que se recorre la

trayectoria cambia. En el primer caso es antihorario y en el otro, horario.
EPL 5
Dada la parametrización:
𝑥 = 3. 𝑠𝑒𝑛(2𝑡)
{ 𝑡 ∈ [0,2𝜋]
𝑦 = 3. cos(2𝑡)
a. Eliminando el parámetro, identifiquen que curva representa.

b. Describan la diferencia entre esta parametrización y la parametrización:
𝑥 = 3. 𝑠𝑒𝑛(𝑡)
{ 𝑡 ∈ [0,2𝜋]
𝑦 = 3. cos(𝑡)
Ejemplo
Consideremos la siguiente parametrización:
𝑥 = 5. cos(2𝑡) 𝜋
{ 𝑡 ∈ [0, ]
𝑦 = 5. 𝑠𝑒𝑛(2𝑡) 2
Si elevamos al cuadrado y sumamos, obtenemos:
𝑥 2 + 𝑦 2 = 25
Construyamos la tabla de valores:
𝒕 (𝒙, 𝒚)
0 (5,0) Punto inicial
𝜋
(0,5) Punto intermedio
4
𝜋
(−5,0) Punto final
2
Es una semicircunferencia recorrida con sentido antihorario.
Ejemplo
Hallar una parametrización de la curva dada por:
44
𝑥 2 + 𝑦 2 + 𝑥 − 4𝑦 = 0
Indicar punto inicial 𝑃0 y sentido de recorrido de la curva.
Resolución
Veamos cómo se podría resolver esto en forma general. Tratemos de llevar la

ecuación a la forma ordinaria.
¿Qué curva podría representar esta ecuación?
Una circunferencia, porque los coeficientes de 𝑥 2 y de 𝑦 2 son iguales.
Consideremos la ecuación ordinaria:
(𝑥 − 𝛼)2 + (𝑦 − 𝛽)2 = 𝑟 2
Dividamos ambos miembros por 𝑟 2 :
(𝑥 − 𝛼)2 (𝑦 − 𝛽)2
+ =1
𝑟2 𝑟2
Lo expresemos como suma de cuadrados:
𝑥−𝛼 2 𝑦−𝛽 2
( ) +( ) =1
𝑟 𝑟
Aprovechemos la identidad trigonométrica, para realizar el siguiente cambio de

variable:
𝑥−𝛼
𝑐𝑜𝑠(𝑡) =
𝑟
𝑦−𝛽
sen(𝑡) =
𝑟
Despejemos 𝑥 e 𝑦 para obtener una posible parametrización:
𝑥 = 𝛼 + 𝑟. 𝑐𝑜𝑠(𝑡)
{ 𝑡 ∈ [0,2𝜋]
𝑦 = 𝛽 + 𝑟. sen(𝑡)
Estas son las ecuaciones paramétricas de la circunferencia con centro en el punto

(𝜶, 𝜷) y radio 𝒓.
Retomemos el ejemplo:
𝑥 2 + 𝑦 2 + 𝑥 − 4𝑦 = 0
Completando cuadrados:
1 2 1 2
(𝑥 + ) − ( ) + (𝑦 − 2)2 − 22 = 0
2 2
45
1 2 1
(𝑥 + ) + (𝑦 − 2)2 = + 4
2 4
1 2 17
(𝑥 + ) + (𝑦 − 2)2 =
2 4
Las coordenadas del centro y el valor del radio son:
1
𝛼=−
2
𝛽=2
√17
𝑟=
2
Una posible parametrización es:
1 √17
𝑥=− + cos(𝑡)
2 2 𝑡 ∈ [0,2𝜋]
√17
𝑦 =2+ . 𝑠𝑒𝑛(𝑡)
{ 2
Parametrización de la elipse
Hallar una parametrización de la siguiente curva:
𝑥 2 + 4𝑦 2 − 2𝑥 + 4𝑦 + 1 = 0
Si los coeficientes de 𝑥 2 e 𝑦 2 no son iguales, no puede tratarse de una

circunferencia. Tampoco puede ser una parábola. Entonces o es una elipse o es
una hipérbola. Si fuera una hipérbola los signos de los coeficientes de los términos
con 𝑥 2 e 𝑦 2 deberían ser distintos. Luego pensamos inicialmente que es una elipse.
Deberíamos llegar a una ecuación como ésta:
(𝑥 − 𝛼)2 (𝑦 − 𝛽)2
+ =1
𝑎2 𝑏2
Una vez que lo escribimos así, es fácil parametrizar porque podemos expresar esto
como la suma de dos cuadrados:
𝑥−𝛼 2 𝑦−𝛽 2
( ) +( ) =1
𝑎 𝑏
Y por la identidad pitagórica podemos hacer:
46
𝑥−𝛼
cos(𝑡) =
𝑎
𝑦−𝛽
𝑠𝑒𝑛(𝑡) =
𝑏
Análogamente a lo visto para la circunferencia, el parámetro 𝑡 debería tomar

todos los valores en el intervalo [0,2𝜋]:
𝑥 = 𝛼 + 𝑎. cos(𝑡)
{ 𝑡 ∈ [0,2𝜋]
𝑦 = 𝛽 + 𝑏. 𝑠𝑒𝑛(𝑡)
Obtuvimos así una parametrización de la elipse con 𝑪(𝜶, 𝜷) y semiejes 𝒂 y 𝒃.
Retomemos la ecuación dada:
𝑥 2 + 4𝑦 2 − 2𝑥 + 4𝑦 + 1 = 0
Saquemos factor común:
𝑥 2 − 2𝑥 + 4(𝑦 2 + 𝑦) + 1 = 0
Completemos cuadrados:
1 2 1 2
(𝑥 − 1)2 − 12 + 4 [(𝑦 + ) − ( ) ] + 1 = 0
2 2
1 2
(𝑥 − 1)2 + 4 (𝑦 + ) = 1
2
1 2
(𝑦 + 2)
(𝑥 − 1)2 + 1 =1
4
Esta expresión corresponde a la ecuación canónica de una elipse con centro

1 1
(1, − 2) y semiejes 𝑎 = 1, 𝑏 = 2.
Una posible parametrización es:
𝑥 = 1 + cos(𝑡)
{ 1 1 𝑡 ∈ [0,2𝜋]
𝑦 = − + 𝑠𝑒𝑛(𝑡)
2 2
EPL 6
Dada la ecuación
2𝑥 2 + 𝑦 2 − 8𝑥 + 2𝑦 − 1 = 0
47
a) Hallar la ecuación canónica de la cónica correspondiente, indicando las

coordenadas del centro, vértices y focos. Graficar.
b) Obtener una parametrización indicando punto inicial y sentido del
recorrido de la curva.
Parametrización de la parábola
La ecuación canónica de una parábola con vértice 𝑉(𝛼, 𝛽), y eje focal horizontal
es:
(𝑦 − 𝛽)2 = 4𝑐(𝑥 − 𝛼)
Si llamamos 𝑡 = 𝑦 − 𝛽 :
1 2
𝑥−𝛼 = 𝑡
{ 4𝑐
𝑦−𝛽 =𝑡
Entonces:
1
𝑥 = 𝑡2 + 𝛼
{ 4𝑐 𝑡∈ℝ
𝑦 =𝑡+𝛽
Ésta es una parametrización de la parábola de eje focal horizontal con vértice

𝑽(𝜶, 𝜷).
En el caso en que la parábola sea de eje focal vertical, resulta:
(𝑥 − 𝛼)2 = 4𝑐(𝑦 − 𝛽)
𝑥−𝛼 =𝑡
{ 1
𝑦 − 𝛽 = 𝑡2
4𝑐
𝑥 = 𝑡+𝛼
{ 1 𝑡∈ℝ
𝑦 = 𝑡2 + 𝛽
4𝑐
Ejemplo 1
Parametrizar el arco de la parábola cuya ecuación es 𝑦 2 = −4𝑥 comprendido
entre los puntos (0,0) y (−9,6).
Resolución
Se trata de una parábola con eje focal horizontal. En este caso los valores de 𝛼 y 𝛽
son ambos 0. Luego podemos hacer la siguiente parametrización:
1 2
{ 𝑥 = − 𝑡
4
𝑦=𝑡
48
Pero debemos definir en qué intervalo real tomará valores el parámetro. El punto
(0,0), ¿a qué valor del parámetro se corresponde? Sustituimos 𝑥 = 𝑦 = 0, y
despejamos el valor de 𝑡
1
0 = − 𝑡2 , 0 = 𝑡
4
¿Y qué valor toma para el punto (−9,6)?
1 2
{−9 = − 4 𝑡 ⇒ |𝑡| = 6
6=𝑡
Luego el intervalo es:
𝑡 ∈ [0,6]
La parametrización definida en forma completa quedaría entonces:
1 2
{ 𝑥 = − 𝑡 𝑡 ∈ [0,6]
4
𝑦=𝑡
En el siguiente archivo de GeoGebra se puede corroborar como para cada valor

del parámetro tenemos un punto en el plano correspondiente al arco de
parábola:
Ejemplo 2
Parametrizar la curva definida por:
𝑦 2 + 4𝑥 + 2𝑦 − 3 = 0 , 𝒙 ≥ 𝟎
Resolución
Cómo aparece la variable 𝑦 elevada al cuadrado y no aparece la variable 𝑥

elevada al cuadrado, podemos suponer inicialmente que se tratará de una
parábola. Completemos cuadrados para llegar a su ecuación ordinaria:
𝑦 2 + 2𝑦 = −4𝑥 + 3
(𝑦 + 1)2 − 1 = −4𝑥 + 3
(𝑦 + 1)2 = −4𝑥 + 4
(𝑦 + 1)2 = −4(𝑥 − 1)
Ésta es la ecuación de una parábola de eje focal horizontal (porque es 𝑦 la

variable que aparece elevada al cuadrado) con vértice en (1, −1). ¿Las “ramas”
de esta parábola apuntarán hacia derecha o izquierda? Hacia izquierda, esto
49
podemos verlo en que 𝑥 debe tomar valores que no hagan negativo el segundo
miembro. Es decir:
−4(𝑥 − 1) ≥ 0 ⇒ 𝑥 − 1 ≤ 0 ⇒ 𝑥 ≤ 1
Grafiquemos el vértice e imaginemos a las “ramas” de la parábola hacia la

izquierda:
Cortará al eje 𝑦 en dos puntos, que no sabemos cuáles son. Además como se pide
que 𝑥 ≥ 0 no tenemos la parábola completa sino sólo un arco de ella. Para saber
cuál será ese arco busquemos los valores que toma 𝑦 cuando 𝑥 = 0
(𝑦 + 1)2 = −4(0 − 1) ⇒ (𝑦 + 1)2 = 4 ⇒ |𝑦 + 1| = 2 ⇒ 𝑦 = 1 ∨ 𝑦 = −3
Luego ya podemos graficar la parábola y destacar cual es el arco que queremos

parametrizar:
50
Una parametrización de la parábola podría hacerse igualando al parámetro con

𝑦 + 1:
𝑦 =𝑡−1
𝑡 =𝑦+1
{ 2 ⇒ { 𝑡2 𝑡∈ℝ
𝑡 = −4(𝑥 − 1) 𝑥 = − +1
4
Cómo sólo queremos que los valores de 𝑦 varíen entre −3 y 1, entonces:
−3 ≤ 𝑦 ≤ 1 ⇒ −2 ≤ ⏟
𝑦+1≤2
𝑡
Y finalmente la parametrización del arco de parábola es:
𝑦=𝑡−1
{ 𝑡2 𝑡 ∈ [−2,2]
𝑥 =− +1
4
A continuación se puede ver en GeoGebra como para cada valor del parámetro
obtenemos un punto sobre el arco de parábola:
EPL 7
a) Hallar la ecuación de la parábola con directriz 𝑦 = −1 y foco 𝐹(1,3)
b) Parametrizar el arco de parábola que verifica la restricción: 𝑦 ≤ 9.
51
“Desparametrización” de una parábola

En un tiro oblicuo al descomponer el movimiento del proyectil según la dirección
horizontal (MRU) y vertical (MRUV) queda establecida la siguiente parametrización:
𝑥 = 𝑣0𝑥 𝑡
{ 1
𝑦 = 𝑣0𝑦 . 𝑡 − 𝑔𝑡 2
2
Si 𝑡 en estas ecuaciones representa al tiempo, ¿cuál sería el intervalo de

parametrización?
Para obtener la trayectoria del proyectil, eliminamos el parámetro de las

ecuaciones:
𝑥 𝑥 1 𝑥 2 𝑣0𝑦 𝑔
𝑡= ⇒ 𝑦 = 𝑣0𝑦 − 𝑔( ) = ( )𝑥 − ( ) . 𝑥2
𝑣0𝑥 𝑣0𝑥 2 𝑣0𝑥 𝑣0𝑥 2𝑣0𝑥 2
Se obtiene una función cuadrática, es decir que la trayectoria es parabólica.
Ejemplo
Hallar la ecuación cartesiana y graficar la curva de ecuaciones paramétricas:
𝑥 =1+𝑡
{ 𝑡 ∈ [−√2; √2]
𝑦 = 2 − 𝑡2
Resolución
Para obtener la ecuación cartesiana despejamos el parámetro 𝑡 de la primera

ecuación y luego lo sustituimos en la segunda:
𝑡 = 𝑥−1
𝑦 = 2 − (𝑥 − 1)2
Es una parábola cuyas ramas apuntan hacia abajo, y vértice en (1,2):
52
Pero no queremos graficar la parábola entera, sino sólo el arco definido por la
parametrización. Consideremos que puntos corresponden a los valores extremos
del intervalo:
𝐶𝑢𝑎𝑛𝑑𝑜 𝑡 = −√2 → 𝑃(1 − √2, 0)
𝐶𝑢𝑎𝑛𝑑𝑜 𝑡 = √2 → 𝑃(1 + √2, 0)
Estos dos puntos son las raíces porque la ordenada es 0. Entonces el arco de
parábola va desde (1 − √2, 0) hasta (1 + √2, 0). Lo mostramos en la gráfica en color
rojo:
Parametrización de la hipérbola
Cuando parametrizamos la circunferencia y la elipse utilizamos la relación
pitagórica: 𝑠𝑒𝑛2 (𝑡) + cos 2(𝑡) = 1. Esta relación no nos sirve en el caso de la
hipérbola, pero podemos utilizar otra identidad trigonométrica:
sec 2(𝑡) − 𝑡𝑔2(𝑡) = 1
Observación: si consideramos el intervalo [0,2𝜋] las funciones sec(𝑡) y 𝑡𝑔(𝑡) no están

𝜋 3
definidas ni en 𝑡 = 2
ni en 𝑡 = 2 𝜋.
Consideremos la ecuación canónica de una hipérbola de eje focal 𝑥:
53
𝑥2 𝑦2
− =1
𝑎2 𝑏2
Es posible escribirla como una diferencia de cuadrados y utilizar la identidad

trigonométrica recién presentada:
𝑥2 𝑦2 𝑥 2 𝑦 2
− 2=1⇒ ( ) −( ) =1
𝑎 2 𝑏 ⏟𝑎 ⏟𝑏
sec(𝑡) 𝑡𝑔(𝑡)
Entonces resulta:
𝑥 = 𝑎. sec(𝑡) 𝜋 3
{ 𝑡 ∈ [0,2𝜋] − { , 𝜋}
𝑦 = 𝑏. 𝑡𝑔(𝑡) 2 2
Que es la parametrización de la hipérbola con centro 𝑪(𝟎. 𝟎) y eje focal 𝒚 = 𝟎 (eje

𝒙).
Observación: el conjunto de valores del parámetro puede expresarse también así:
𝜋 3 𝜋 𝜋 3𝜋 3𝜋
[0,2𝜋] − { , 𝜋} = [0, ) ∪ ( , ) ∪ ( , 2𝜋]
2 2 2 2 2 2
En el caso de la hipérbola de eje focal 𝒙 = 𝟎 (eje 𝒚), se opera de forma análoga:
𝑦2 𝑥2
− =1
𝑎2 𝑏2
𝑦2 𝑥2 𝑦 2 𝑥 2
− =1⇒ ( ) −( ) =1
𝑎2 𝑏2 ⏟𝑎 ⏟𝑏
sec(𝑡) 𝑡𝑔(𝑡)
𝑥 = 𝑏. 𝑡𝑔(𝑡) 𝜋 3
{ 𝑡 ∈ [0,2𝜋] − { , 𝜋}
𝑦 = 𝑎. sec(𝑡) 2 2
Ejemplo
Hallar una parametrización de la hipérbola definida por la siguiente ecuación.
𝑥2
− 𝑦2 = 1
4
Resolución
Se trata de una hipérbola de eje focal 𝑥. Así que siguiendo la parametrización

realizada para el caso general podemos llegar a:
54
𝑥 2 2
( ) − (𝑦)
⏟ =1
⏟2
𝑡𝑔(𝑡)
sec(𝑡)
Entonces:
𝑥 = 2. sec(𝑡) 𝜋 3
{ 𝑡 ∈ [0,2𝜋] − { , 𝜋}
𝑦 = 𝑡𝑔(𝑡) 2 2
Ésta es una parametrización de la hipérbola dada. A continuación se puede ver

en GeoGebra que para cada valor del parámetro se define un punto sobre la
curva:
Nótese en el applet que cuando
𝜋
 𝑡 ∈ [0, 2 ) se obtienen puntos de la hipérbola en el primer cuadrante
𝜋 3𝜋
 𝑡 ∈ (2 , 2
) se obtienen puntos de la hipérbola en el tercer y segundo
cuadrante
3𝜋
 𝑡∈( , 2𝜋] se obtienen puntos de la hipérbola en el cuarto cuadrante
2
Superficies
Una superficie es el conjunto de puntos de ℝ3 que satisface la ecuación:
𝐹(𝑥, 𝑦, 𝑧) = 0
¿Qué superficies estudiaremos?

Las siguientes son ecuaciones 𝐹(𝑥, 𝑦, 𝑧) = 0 :
1. 𝑥 − 2𝑦 + 3𝑧 − 6 = 0 𝑃𝑙𝑎𝑛𝑜
2. 𝑥 2 + 𝑦 2 + 2𝑧 = 0
3. 𝑥 2 − 𝑠𝑒𝑛(𝑥𝑦𝑧) = 0
4. 𝑥2 − 𝑦2 + 𝑧2 = 4
5. 𝑒 3𝑦+𝑧 − 2𝑥𝑦 + 5 = 0
En esta materia nosotros vamos a estudiar las superficies cuádricas, que tienen la
característica de que la función 𝐹(𝑥, 𝑦, 𝑧) es un polinomio de grado 2 en tres
variables (aunque puede faltar alguna).
De las cinco ecuaciones presentadas observen que la segunda y la cuarta son

cuádricas. La primera es una superficie que ya hemos estudiado que podrán
reconocer como un plano.
55
Ejemplo 1
¿Qué hacíamos para graficar el plano 𝑥 − 2𝑦 + 3𝑧 − 6 = 0 ?
Buscábamos las intersecciones con los ejes:
∩ con eje x: 𝑦 = 0 ,𝑧 = 0 ⇒ 𝑥 = 6 (6,0,0)
∩ con eje y: 𝑥 = 0 , 𝑧 = 0 ⇒ 𝑦 = −3 (0, −3,0)
∩ con eje z: 𝑥 = 0,𝑦 = 0 ⇒ 𝑧 = 2 (0,0,2)
Graficamos estos tres puntos, y ya tenemos el plano.
Busquemos la intersección con los planos coordenados:
Intersección con plano 𝑥𝑦(𝑧 = 0)
𝑧=0
{
𝑥 − 2𝑦 − 6 = 0
Intersección con plano 𝑥𝑧(𝑦 = 0)
56
𝑦=0
{
𝑥 + 3𝑧 − 6 = 0
Intersección con plano 𝑦𝑧(𝑥 = 0)
𝑥=0
{
−2𝑦 + 3𝑧 − 6 = 0
Para analizar otras superficies, también buscaremos sus intersecciones con los ejes.
Ejemplo 2
Queremos estudiar la superficie definida por la ecuación:
𝑥 2 + 𝑦 2 + 2𝑧 = 0
Para estudiar ésta y otras superficies analíticamente vamos tener en cuenta tres
características importantes:
(1) intersecciones con los ejes,
(2) intersecciones con los planos coordenados
(3) intersecciones con planos paralelos a los coordenados
Además de un estudio de tipo analítico utilizaremos software especializado para

poder graficar en tres dimensiones las superficies que estamos estudiando.
Empezamos entonces con el primero de estos puntos.
1) Intersecciones con los ejes
¿En qué puntos corta esta superficie a cada uno de los ejes coordenados?
57
𝑥 = 0,𝑦 = 0 ⇒ 𝑧 = 0
𝑥 =0, 𝑧 =0 ⇒ 𝑦 =0
𝑧 = 0 ,𝑦 = 0 ⇒ 𝑥 = 0
Entonces corta a los tres ejes en el punto (0,0,0).
La información sobre la intersección con los ejes la resumiremos en éste y futuros

ejemplos en una tabla como la siguiente:
Ejes Intersección
𝑒𝑗𝑒 𝑥 ∶ 𝑦 = 𝑧 = 0 Punto: (0,0,0)
𝑒𝑗𝑒 𝑦 ∶ 𝑥 = 𝑧 = 0 Punto: (0,0,0)
𝑒𝑗𝑒 𝑧 ∶ 𝑥 = 𝑦 = 0 Punto: (0,0,0)
2) Trazas: intersecciones con los planos coordenados
Intersección con plano 𝒙𝒚(𝒛 = 𝟎)
𝑧=0
{ 2 ⇒ (0,0,0)
𝑥 + 𝑦2 = 0
Intersección con plano 𝒙𝒛(𝒚 = 𝟎)
𝑦=0
{
𝑥 2 + 2𝑧 = 0 ⇒ 𝑥 2 = −2𝑧
Entonces es una parábola en el plano 𝑥𝑧 con eje focal 𝑧 y concavidad negativa.
Intersección con plano 𝒚𝒛(𝒙 = 𝟎)
𝑥=0
{ 2
𝑦 + 2𝑧 = 0 ⇒ 𝑦 2 = −2𝑧
Entonces es una parábola en el plano 𝑦𝑧 con eje focal 𝑧 y concavidad negativa.
La información sobre la traza la resumiremos en éste y futuros ejemplos en una

tabla como la siguiente:
Plano coordenado Traza
𝑥𝑦(𝑧 = 0) Punto: (0,0,0)
58
𝑦=0
𝑥𝑧(𝑦 = 0) Parábola: { 2
𝑥 = −2𝑧
𝑥=0
𝑦𝑧(𝑥 = 0) Parábola: { 2
𝑦 = −2𝑧
Veamos cómo es la gráfica de esta superficie utilizando Microsoft

Mathematics:
3) Cortes con planos paralelos a los coordenados
Otro recurso para analizar una superficie es cortarla con planos paralelos a los
coordenados:
Planos paralelos al plano 𝑥𝑦(𝑧 = 𝑘)
𝑧=𝑘
{
𝑥 2 + 𝑦 2 + 2𝑘 = 0 ⇒ 𝑥 2 + 𝑦 2 = −2𝑘
Si 𝑘 es negativo, queda la ecuación de una circunferencia.

Si 𝑘 = 0, queda el punto (0,0,0)
59
Si 𝑘 > 0 no existe lugar geométrico
A continuación podemos ver el corte con el plano 𝑧 = −4:
GeoGebra y Microsoft Mathematics

Microsoft Mathematics es un software que permite visualizar en forma dinámica las
intersecciones de superficies con planos paralelos a los planos coordenados.
A continuación les ofrecemos un link de descarga del programa, y un tutorial:
LINK AL INSTALADOR DE MICROSOFT MATHEMATICS

LINK AL TUTORIAL DE MICROSOFT MATHEMATICS
GeoGebra también es un muy buen software graficador:
LINK AL INSTALADOR DE GEOGEBRA

LINK AL TUTORIAL DE GEOGEBRA
EPL 8
Con la ayuda del programa Microsoft Mathematics (o GeoGebra), les pedimos
que respondan las preguntas que siguen.
1) Sea S2 la superficie de ecuación: 𝑧 = 4 𝑥2
a) ¿Qué curvas se obtienen al cortar 𝑆2 con planos del tipo 𝑦 = 𝑘 ?
60
b) ¿Y si la cortamos con planos del tipo 𝑧 = 𝑘 ? ¿Hay alguna restricción sobre los
valores de 𝑘?
2) Dada 𝑆4: 𝑧 = 𝑥2 – 𝑦2
a) Si se corta la superficie con planos 𝑧 = 𝑘, ¿existe algún valor de 𝑘 para el cual

se obtengan rectas?
b) ¿Qué diferencia se observa al cortar la superficie con 𝑧 = 2 o con 𝑧 = −2?
Resumen de superficies cuádricas1

A continuación presentamos un resumen de los distintos tipos de superficies
cuádricas, y sus nombres. Más adelante desarrollaremos ejemplos de algunas de
ellas.
Superficies cuádricas
𝑥2 𝑦2 𝑧2
Elipsoide + + =1
𝑎2 𝑏 2 𝑐 2
𝑥2 𝑦2 𝑧2
Esfera + + =1
𝑎2 𝑎2 𝑎2
𝑥2 𝑦2
Paraboloide elíptico 𝑧= 2+ 2
𝑎 𝑏
1 Tomado de Wikipedia en inglés y traducido.
61
𝑥2 𝑦2
Paraboloide circular 𝑧= +
𝑎2 𝑎2
𝑥2 𝑦2
Paraboloide hiperbólico 𝑧= −
𝑎2 𝑏 2
𝑥2 𝑦2 𝑧2
Hiperboloide de una hoja + − =1
𝑎2 𝑏 2 𝑐 2
𝑥2 𝑦2 𝑧2
Hiperboloide de dos hojas − − + =1
𝑎2 𝑏2 𝑐 2
𝑥2 𝑦2 𝑧2
Cono + − =0
𝑎2 𝑏 2 𝑐 2
𝑥2 𝑦2 𝑧2
Cono circular + − =0
𝑎2 𝑎2 𝑏 2
𝑥2 𝑦2
Cilindro elíptico + =1
𝑎2 𝑏 2
62
𝑥2 𝑦2
Cilindro circular + =1
𝑎2 𝑎2
𝑥2 𝑦2
Cilindro hiperbólico − =1
𝑎2 𝑏 2
Cilindro parabólico 𝑥 2 + 2𝑎𝑦 = 0
Ecuación de la esfera
Se denomina esfera al conjunto de puntos de R3 que equidistan de un punto fijo
𝐶(𝛼, 𝛽, 𝛾) llamado centro. O sea, P(x, y, z) pertenece a la esfera si y sólo si 𝑑(𝐶, 𝑃) =
𝑟
Esa distancia es el módulo del vector 𝐶𝑃

⃗⃗⃗⃗⃗ :
⃗⃗⃗⃗⃗ ‖ = 𝑟
‖𝐶𝑃
‖(𝑥 − 𝛼, 𝑦 − 𝛽, 𝑧 − 𝛾)‖ = 𝑟
√(𝑥 − 𝛼)2 + (𝑦 − 𝛽)2 + (𝑧 − 𝛾)2 = 𝑟
(𝒙 − 𝜶)𝟐 + (𝒚 − 𝜷)𝟐 + (𝒛 − 𝜸)𝟐 = 𝒓𝟐
Ésta es la ecuación de la esfera con centro 𝑪(𝜶, 𝜷, 𝜸) y radio 𝒓.
63
Ejemplo 1
a. Hallar la ecuación de la esfera con 𝐶(1,2, −3) y radio 3
b. Determinar si el punto 𝐴 (1,1,5) pertenece a la esfera, o es interior o es
exterior a la misma.
Resolución
Ítem a
Como conocemos el radio y las coordenadas del centro basta con reemplazar
en:
(𝑥 − 𝛼)2 + (𝑦 − 𝛽)2 + (𝑧 − 𝛾)2 = 𝑟 2
Para obtener:
(𝑥 − 1)2 + (𝑦 − 2)2 + (𝑧 + 3)2 = 9
Ítem b
Los puntos que satisfacen esta ecuación constituyen una superficie esférica.
La región interior a la esfera está compuesta por los puntos cuya distancia al
centro es menor que el radio. Entonces, para definir esa región interior es
necesaria una inecuación:
(𝑥 − 1)2 + (𝑦 − 2)2 + (𝑧 + 3)2 < 32
Si reemplazamos las coordenadas de 𝐴:
02 + (−1)2 + 82 < 9
⏟
65
No pertenece a la esfera. Es exterior porque: [𝑑(𝐶, 𝐴)]2 > 𝑟 2
Como 65 > 9, el punto 𝐴 es exterior a la esfera.
¿Qué posición tiene el punto 𝑄 (1,0, −3) respecto de la esfera?
Ejemplo 2
Dada la ecuación:
𝑥 2 + 𝑦 2 + 𝑧 2 − 2𝑥 + 3𝑦 + 𝑘 = 0
a. Analizar para qué valores de 𝑘 corresponde a una esfera.

b. Para 𝑘 = 0, obtener la ecuación de la esfera, indicar centro y radio y
analizar la posición de 𝐵(3, −1, −2) respecto de la esfera.
c. Para 𝑘 = 0, hallar si es posible, la intersección de la esfera con la recta 𝑃𝑄
siendo 𝑃(0,0,1) y 𝑄(0,2,0)
Ítem a
𝑥 2 + 𝑦 2 + 𝑧 2 − 2𝑥 + 3𝑦 + 𝑘 = 0
64
(𝑥 2 − 2𝑥) + (𝑦 2 + 3𝑦) + 𝑧 2 + 𝑘 = 0
3 2 3 2
(𝑥 − 1)2 − 12 + (𝑦 + ) − ( ) + 𝑧 2 + 𝑘 = 0
2 2
3 2 3 2
(𝑥 − 1)2 + (𝑦 + ) + 𝑧 2 = 1 + ( ) − 𝑘
2 2
3 2 13
(𝑥 − 1)2 + (𝑦 + ) + 𝑧 2 = −𝑘
2 4
Para que sea la ecuación de una esfera, debe verificarse que:
13 13
𝑟2 = −𝑘 >0 ⇔ 𝑘 <
4 4
13
Si 4
− 𝑘 = 0 , es una “esfera de radio cero”, o sea un punto. ¿Cuáles son sus
coordenadas?
13
Si − 𝑘 < 0 , no existe lugar geométrico.
4
Ítem b
La ecuación de la esfera cuando 𝑘 = 0 es:
3 2 13
(𝑥 − 1)2 + (𝑦 + ) + 𝑧 2 =
2 4
Para analizar la posición de 𝐵(3, −1, −2) sustituimos:
3 2
(3 − 1)2 + (−1 + ) + (−2)2
2
1 33
4+ +4=
4 4
33 13
Como > , B es un punto exterior a la esfera.
4 4
Ítem c
Hallemos una ecuación para la recta 𝑃𝑄:
⃗⃗⃗⃗⃗ = (0,2, −1)

𝑃𝑄
𝑃𝑄: (𝑥, 𝑦, 𝑧) = (0,0,1) + 𝑡 (0,2, −1) = (0, 2𝑡, 1 − 𝑡)
65
Veamos si un punto de la forma (0, 2𝑡, 1 − 𝑡) podría pertenecer a la superficie

esférica:
3 2 13
(0 − 1)2 + (2𝑡 + ) + (1 − 𝑡)2 =
2 4
Ésta es una ecuación cuadrática que puede tener dos, una o ninguna solución
real.
9 13
1 + 4𝑡 2 + 6𝑡 + + 1 − 2𝑡 + 𝑡 2 =
4 4
17 13
5𝑡 2 + 4𝑡 + =
4 4
5𝑡 2 + 4𝑡 + 1 = 0
Esta ecuación no tiene solución real. Esto quiere decir que no existe ningún 𝑡 ∈ ℝ
tal que el punto sea a la vez de la recta y de la superficie esférica. Luego no existe
intersección, la recta es exterior a la esfera.
Veamos esto en una gráfica:
Es posible ver que la recta pasa “cerca” de la superficie esférica, pero no la llega
a tocar.
EPL 9
Dada 𝑆: 𝑥 2 + 𝑦 2 + 𝑧 2 − 2𝑧 = 0
Consideren los cortes de 𝑆 con planos del tipo 𝑧 = 𝑘. ¿Para qué valores de 𝑘, el
plano resulta tangente a la esfera?
Hiperboloide de una hoja

Consideremos la siguiente ecuación para hacer su análisis:
𝑥2 − 𝑦2 + 𝑧2 = 4
1) Intersecciones con los ejes
Intersección con eje 𝒙 (𝒚 = 𝒛 = 𝟎)

𝑥 2 = 4 ⇒ 𝑥 = ±2
(±2,0,0)
Intersección con eje y (𝒙 = 𝒛 = 𝟎)

−𝑦 2 = 4
66
𝑦 2 = −4 𝐴𝑏𝑠𝑢𝑟𝑑𝑜
Entonces no corta al eje y
Intersección con eje z (𝒙 = 𝒛 = 𝟎)

𝑧 2 = 4 ⇒ 𝑧 = ±2
(0,0, ±2)
Ejes Intersección
𝑒𝑗𝑒 𝑥 ∶ 𝑦 = 𝑧 = 0 (±2,0,0)
𝑒𝑗𝑒 𝑦 ∶ 𝑥 = 𝑧 = 0 No hay intersección
𝑒𝑗𝑒 𝑧 ∶ 𝑥 = 𝑦 = 0 (0,0, ±2)
2) Trazas: intersecciones con los planos coordenados
Intersección con plano 𝒙𝒚 (𝒛 = 𝟎)
𝑧=0
{ 2
𝑥 − 𝑦2 = 4
Es una hipérbola de eje focal 𝑥:
𝑦=0
{ 2
𝑥 + 𝑧2 = 4
67
Es una circunferencia con radio 2, y centro en (0,0,0)
Intersección con plano 𝒚𝒛 (𝒙 = 𝟎)
𝑥=0
{ 2
−𝑦 + 𝑧 2 = 4
Hipérbola, con eje focal 𝑧:
68
Hipérbola de eje focal 𝑥:

𝑥𝑦(𝑧 = 0) 𝑧=0
{ 2
𝑥 − 𝑦2 = 4
Circunferencia:
𝑥𝑧(𝑦 = 0) 𝑦=0
{ 2
𝑥 + 𝑧2 = 4
Hipérbola con eje focal 𝑧:

𝑦𝑧(𝑥 = 0) 𝑥=0
{ 2
−𝑦 + 𝑧 2 = 4
Esta superficie se denomina hiperboloide de una hoja.
Cortes con planos paralelos al 𝑥𝑧:
69
𝑦=𝑘
{ 2
𝑥 + 𝑧2 = 4 + 𝑘2
Para cada valor de 𝑘 es una circunferencia, que se va agrandando a medida que

aumenta el valor absoluto de y. Por ejemplo, si y = 1 o y = -1 se obtienen
circunferencia de radio raíz de 5, con centros (0,1,0) y (0, -1, 0) respectivamente.
¿Cuál es el centro y el radio de la circunferencia que se obtiene cortando el

hiperboloide con el plano y = 3 ?
Ejemplo 3
Indicar que representan las siguientes ecuaciones en ℝ2 y ℝ3.
a. 𝑥=1
b. 𝑥+𝑦 = 2
c. 𝑥 2 − 𝑥𝑦 = 0
d. 𝑦 = 𝑥2
e. 𝑥2 + 𝑦2 = 4
f. −𝑥 2 + 2𝑦 2 = 1
g. 𝑥 2 + 4𝑦 2 = 0
2
h. {𝑦 = 𝑥
𝑧=1
Resolución
Ítem a
En ℝ2, sabemos que 𝑥 = 1 representa una recta vertical, paralela al eje 𝑦, que
pasa por 𝑥 = 1 sobre el eje 𝑥:
70
En ℝ3 además de que 𝑦 queda sin restricciones, también 𝑧 queda sin restricciones.

Entonces se obtiene un plano en el que 𝑦 y 𝑧 pueden tomar cualquier valor, pero
siempre 𝑥 = 1:
Ítem b
Sabemos que en ℝ2 𝑥 + 𝑦 = 2 es la ecuación de una recta:
71
En ℝ3 la misma expresión no representa una recta, sino que responde a la

ecuación de un plano paralelo al eje 𝑧:
Ítem c
Sacando factor común 𝑥 llegamos a que:
𝑥 2 − 𝑥𝑦 = 0
72
𝑥. (𝑥 − 𝑦) = 0
𝑥 =0∨𝑦 =𝑥
¿Qué representan estas dos expresiones en ℝ2? Sabemos que son dos rectas:
Según vimos en los ejemplos anteriores, en ℝ3 estas expresiones no son rectas, sino
que son planos:
73
Ítem d
Sabemos que el ℝ2 la expresión 𝑦 = 𝑥 2 es una función cuadrática y su gráfica es

una parábola:
Pero en ℝ3, al carecer de 𝑧 la expresión, deja libre a esta variable. Es decir que 𝑧
puede tomar cualquier valor, mientras que 𝑥 e 𝑦 se hallan restringidos a la
expresión 𝑦 = 𝑥 2. Al graficar en ℝ3 obtenemos un cilindro parabólico:
74
Ítem e
Ya hemos visto que en ℝ2 la expresión 𝑥 2 + 𝑦 2 = 4 es la ecuación de una

circunferencia centrada en el origen de radio 2:
Del mismo modo que sucedió en el ítem anterior, al pasar a ℝ3 ocurre que 𝑧 no
tiene restricciones, no hay ningún condicionamiento impuesto sobre esta variable.
Luego puede tomar cualquier valor. Así que obtenemos un cilindro circular que
nunca corta al eje 𝑧:
75
Ítem f
Ya hemos visto que la expresión −𝑥 2 + 2𝑦 2 = 1 representa en ℝ2 una hipérbola con

eje focal 𝑦. Si la escribimos así:
𝑦2
1 − 𝑥2 = 1
2
Se puede notar que sus vértices estarán en
√2
(0, ± )
2
Y las asíntotas son:
𝑦 = ±√2𝑥
La siguiente es su representación gráfica:
76
Pero en ℝ3 la expresión −𝑥 2 + 2𝑦 2 = 1 no establece ningún condicionamiento

sobre 𝑧. Luego tendremos nuevamente un cilindro, pero esta vez se llama cilindro
hiperbólico:
77
Ítem g
Analicemos ésta expresión:
𝑥 2 + 4𝑦 2 = 0 ⇒ 𝑥 2 = −4𝑦 2 ⇒ 𝑥 = 0 ∧ 𝑦 = 0
Vemos que para que sea verdadera la igualdad tanto 𝑥 como 𝑦 deben ser cero.
Entonces esto representa, en ℝ2 el punto (0,0).
En ℝ3 nuevamente vemos que no se dan condiciones sobre 𝑧, luego esto

representa la recta que es el eje 𝑧
Ítem h
La expresión:
2
{𝑦 = 𝑥
𝑧=1
No tiene sentido en ℝ2, no es posible representarla. Pero en ℝ3 representa la

intersección de dos superficies: el cilindro parabólico que ya hemos estudiado, y el
plano de ecuación 𝑧 = 1. Veamos gráficamente que es lo que queda
determinado por la intersección de estas dos superficies:
Se puede ver que queda determinada una curva, que será una parábola porque
es un conjunto de puntos de ℝ3 que responde la fórmula 𝑦 = 𝑥 2 con 𝑧 = 1, es decir:
𝑃(𝑥, 𝑥 2 , 1)
A continuación un resumen en forma de tabla de lo analizado en todos los ítems

anteriores:
78
Ecuación En ℝ2 representa: En ℝ3 representa:

𝑥=1 Una recta Un plano
𝑥+𝑦 =2 Una recta Un plano
𝑥 2 − 𝑥𝑦 = 0 Dos rectas Dos planos
𝑦 = 𝑥2 Parábola Cilindro parabólico
Circunferencia con centro en (0,0) y

𝑥2 + 𝑦2 = 4 Cilindro circular
radio 2
−𝑥 2 + 2𝑦 2 = 1 Hipérbola Cilindro hiperbólico

𝑥 2 + 4𝑦 2 = 0 Punto (0,0) Recta (el eje 𝑧)
2
{𝑦 = 𝑥 - Curva en ℝ3(parábola)
𝑧=1
Ejemplo 4
Dadas las siguientes superficies:
a) 𝑦 2 = 4𝑥 2 + 𝑧 2
b) 𝑥 2 − 𝑦 2 − 𝑧 2 = 4
c) 𝑦 2 + 𝑧 2 = 9
Identifique cada una de ellas. Analice para qué valores de la constante 𝑘 , 𝑘 ∈ ℝ

existe intersección con los planos 𝑥 = 𝑘, 𝑦 = 𝑘 y 𝑧 = 𝑘.
Resolución
Ítem a
4𝑥 2 − 𝑦 2 + 𝑧 2 = 0
Se trata de una superficie cónica. Tiene dos signos iguales y uno distinto. Y está
igualado a cero.
Intersecciones con los ejes
Intersección con eje x (𝒚 = 𝒛 = 𝟎)
(0,0,0)
Que es la intersección con los tres ejes.
Trazas: Intersecciones con los planos coordenados
Intersección con plano 𝒙𝒚 (𝒛 = 𝟎)
𝑧=0
{ 2 ⇒ 𝑦 2 = 4𝑥 2 ⇒ 𝑦 = ±2𝑥 𝑃𝑎𝑟 𝑑𝑒 𝑟𝑒𝑐𝑡𝑎𝑠 𝑛𝑜 𝑝𝑎𝑟𝑎𝑙𝑒𝑙𝑎𝑠
4𝑥 − 𝑦 2 + 𝑧 2 = 0
79
Intersección con plano 𝒙𝒛 (𝒚 = 𝟎)
𝑦=0
{ 2 ⇒ 𝑧 2 + 4𝑥 2 = 0 ⇒ (0,0,0)
4𝑥 − 𝑦 2 + 𝑧 2 = 0
Intersección con plano 𝒛𝒚 (𝒙 = 𝟎)
𝑥=0
{ ⇒ 𝑧 = ±𝑦 𝑃𝑎𝑟 𝑑𝑒 𝑟𝑒𝑐𝑡𝑎𝑠 𝑛𝑜 𝑝𝑎𝑟𝑎𝑙𝑒𝑙𝑎𝑠
4𝑥 2 − 𝑦 2 + 𝑧 2 = 0
Entonces hemos verificado que se trata de una superficie cónica elíptica. Veamos
cómo sería el gráfico aproximadamente teniendo en cuenta todo lo calculado.
Cortes con planos 𝒚 = 𝒌
Si hacemos 𝑦 = 𝑘 obtenemos:
𝑦=𝑘
{ 2
4𝑥 + 𝑧 2 = 𝑘 2
Que responde a la forma que tiene la ecuación de una elipse. Se comprueba

gráficamente:
80
Ítem b
𝑥2 − 𝑦2 − 𝑧2 = 4
Intersección con eje 𝒙(𝒚 = 𝒛 = 𝟎)
𝑦=𝑧=0
{ 2 𝑥 2 = 4 ⇒ 𝑥 = ±2
𝑥 − 𝑦2 − 𝑧2 = 4
Entonces corta al eje 𝑥 en (±2,0,0)
Intersección con eje 𝒚(𝒙 = 𝒛 = 𝟎)
𝑥=𝑧=0
{ 2 ⇒ −𝑦 2 = 4 𝑁𝑜 ℎ𝑎𝑦 𝑙𝑢𝑔𝑎𝑟 𝑔𝑒𝑜𝑚é𝑡𝑟𝑖𝑐𝑜
𝑥 − 𝑦2 − 𝑧2 = 4
Intersección con eje 𝒛(𝒙 = 𝒚 = 𝟎)
𝑥=𝑦=0
{ 2 ⇒ −𝑧 2 = 4 𝑁𝑜 ℎ𝑎𝑦 𝑙𝑢𝑔𝑎𝑟 𝑔𝑒𝑜𝑚é𝑡𝑟𝑖𝑐𝑜
𝑥 − 𝑦2 − 𝑧2 = 4
Intersecciones con los planos coordenados
𝑧=0 𝑥2 𝑦2
{ 2 2 2 ⇒ 𝑥 2 − 𝑦 2 = 4 ⇒ 2 − 2 = 1 Hipérbola
𝑥 −𝑦 −𝑧 = 4 2 2
81
𝑦=0 𝑥2 𝑧2
{ 2 2 2 ⇒ 𝑥 2 − 𝑧 2 = 4 ⇒ 2 − 2 = 1 Hipérbola
𝑥 −𝑦 −𝑧 = 4 2 2
Intersección con plano 𝒛𝒚(𝒙 = 𝟎)
𝑥=0
{ 2 ⇒ −𝑦 2 − 𝑧 2 = 4 No existe lugar geométrico
𝑥 − 𝑦2 − 𝑧2 = 4
𝑥𝑦(𝑧 = 0) Hipérbola
𝑥𝑧(𝑦 = 0) Hipérbola
No hay lugar
𝑦𝑧(𝑥 = 0)
geométrico
Cortes con planos paralelos a los coordenados
Podemos cortarla a la superficie con un plano 𝑥 = 𝑘
𝑥=𝑘
{ 2 ⇒ 𝑦2 + 𝑧2 = 𝑘2 − 4
𝑘 − 𝑦2 − 𝑧2 = 4
Entonces, ¿para qué valores de 𝑘 existe intersección entre la superficie y los planos
𝑥 = 𝑘? Siempre que 𝑘 2 − 4 > 0, entonces: 𝑘 > 2 ∨ 𝑘 < −2.
82
Se trata de un hiperboloide de dos hojas.
Ítem c
𝑦2 + 𝑧2 = 9
Intersección con eje 𝒙(𝒚 = 𝒛 = 𝟎)
𝑦=𝑧=0
{ 2 ⇒ 0 = 9 ⇒ No existe lugar geométrico
𝑦 + 𝑧2 = 9
Intersección con eje 𝒚(𝒙 = 𝒛 = 𝟎)
𝑥=𝑧=0
{ 2 ⇒ 𝑦 2 = 9 ⇒ 𝑦 = ±3
𝑦 + 𝑧2 = 9
Entonces:
(0, ±3,0)
Intersección con eje 𝒛(𝒙 = 𝒚 = 𝟎)
𝑥=𝑦=0
{ 2 ⇒ 𝑧 2 = 9 ⇒ 𝑧 = ±3
𝑦 + 𝑧2 = 9
Entonces:
(0,0, ±3)
Intersecciones con los planos coordenados
83
𝑧=0
{ 2 ⇒ 𝑦 2 = 9 ⇒ 𝑦 = ±3
𝑦 + 𝑧2 = 9
Entonces los puntos del lugar geométrico deben ser:
(𝑥, ±3,0)
Entonces el lugar geométrico es: dos rectas paralelas al eje 𝑥.
𝑦=0
{ 2 ⇒ 𝑧 2 = 9 ⇒ 𝑧 = ±3
𝑦 + 𝑧2 = 9
Entonces los puntos del lugar geométrico deben ser:
(𝑥, 0, ±3)
Entonces el lugar geométrico es: dos rectas paralelas al eje 𝑥
Intersección con plano 𝒛𝒚(𝒙 = 𝟎)
𝑥=0
{ 2 ⇒ 𝑦2 + 𝑧2 = 9
𝑦 + 𝑧2 = 9
El lugar geométrico es una circunferencia con centro en (0,0,0) y radio 3.
Finalmente, considerando todo lo calculado se puede realizar la gráfica:
84
ALGEBRA Y
GEOMETRÍA
ANALÍTICA
Isabel Pustilnik
0
Federico Gómez
ÍNDICE
Potencias de una matriz diagonalizable .......................................................................... 2
Diagonalización de matrices simétricas .......................................................................... 4
Rototraslación de cónicas ................................................................................................. 5
Ejemplo 0 .......................................................................................................................... 5
Ejemplo 1: una elipse rotada ......................................................................................... 5
Eliminación de productos cruzados .............................................................................. 9
Ejemplo 2: una hipérbola rotada ................................................................................. 10
Ejemplo 3: roto-traslación de una cónica .................................................................. 13
Ejemplo 4: rototraslación de una parábola ............................................................... 17
Clasificación de las cónicas según autovalores .......................................................... 19
¿Rotación pura o composición de rotación y simetría? .......................................... 19
1
Potencias de una matriz

diagonalizable
Sea 𝐴 ∈ ℝ𝑛×𝑛 diagonalizable. Es decir, existe 𝑃 ∈ ℝ𝑛×𝑛 inversible tal que:
𝑃−1 𝐴𝑃 = 𝐷
donde 𝐷 es una matriz diagonal.
Recordemos que:
𝐴 𝑒𝑠 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙𝑖𝑧𝑎𝑏𝑙𝑒 ⇔ 𝐴 𝑡𝑖𝑒𝑛𝑒 𝑛 𝑎𝑢𝑡𝑜𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝐿𝐼 𝑒𝑛 ℝ𝑛
En la diagonal 𝐷 que se obtiene están los autovalores ordenados de acuerdo con

el orden de los autovectores en las columnas de 𝑃:
𝜆1 0 0
𝑃−1𝐴𝑃 = 𝐷 = ( 0 ⋱ 0)
0 0 𝜆𝑛
Cómo veremos a continuación esta relación permite calcular fácilmente potencias

de matrices diagonalizables.
Considerando que 𝑃 −1 . 𝐴. 𝑃 = 𝐷 y multiplicando a la izquierda por 𝑃 y a la derecha

por 𝑃−1 , se obtiene:
𝑃𝑃−1 . 𝐴. ⏟
⏟ 𝑃𝑃−1 = 𝑃. 𝐷. 𝑃−1
𝐼 𝐼
⇒ 𝐴 = 𝑃𝐷𝑃−1
Ahora, calculemos 𝐴2:
𝐴2 = (𝑃𝐷𝑃−1 ). (𝑃𝐷𝑃−1 ) = 𝑃𝐷𝑃−1 . 𝑃𝐷𝑃−1
El producto de matrices es asociativo, entonces:
𝐴2 = 𝑃 𝐷 𝐼 𝐷 𝑃−1
𝑨𝟐 = 𝑷𝑫𝟐 𝑷−𝟏
En general, en términos prácticos, es mucho más sencillo calcular 𝐷 2 que 𝐴2, ymás
aún en caso de que los exponentes sean mayores.
Las potencias de una matriz diagonal se obtienen calculando las potencias de los
elementos que están en la diagonal principal:
𝜆1 … 0 𝜆1 𝑘 … 0
𝑘
𝐷=(⋮ ⋱ ⋮ ) ⇒ 𝐷 =( ⋮ ⋱ ⋮ )
0 … 𝜆𝑛 0 … 𝜆𝑛 𝑘
En conclusión hemos encontrado que para cualquier matriz 𝐴 diagonalizable:
2
𝑨𝒌 = 𝑷𝑫𝒌 𝑷−𝟏 , 𝒌 ∈ ℕ
Ejemplo 1
1 3
Calcular 𝐴10 , siendo 𝐴 = ( )
2 2
Resolución
Vamos a intentar diagonalizar 𝐴 para no tener que calcular:
𝐴. 𝐴. 𝐴. … . 𝐴
⏟
10 𝑣𝑒𝑐𝑒𝑠
𝐴
Si 𝐴 es diagonalizable será posible hacer:
𝐴10 = 𝑃𝐷10 𝑃−1
Veamos si 𝐴 es diagonalizable. Se puede verificar que sus autovalores son:
𝜆1 = 4 , 𝜆2 = −1
Ya es posible afirmar que es diagonalizable, porque autovectores asociados a

autovalores distintos son LI.
El lector puede verificar que los autoespacios son los siguientes:
𝑥
𝑆𝜆1 =4 = {( ) : 𝑦 = 𝑥}
𝑦
𝑥 2
𝑆𝜆2=−1 = {( ) : 𝑦 = − 𝑥}
𝑦 3
Luego podemos armar la matriz 𝑃:
1 3
𝑃=( )
1 −2
Obtenemos su inversa:
2 3
𝑃−1 = (5 5 )
1 1
−
5 5
Calculamos el producto:
4 0
𝑃−1 𝐴𝑃 = ( )=𝐷
0 −1
Por la propiedad que hemos visto:
𝐴10 = 𝑃𝐷10 𝑃−1
3
2 3
10
1 3 4 0 419431 6291450
⇒ 𝑨𝟏𝟎 = ( )( ) . (5 5 ) = ( )
1 −2 0 (−1)10 1 1 419439 629146
−
5 5
Diagonalización de matrices
simétricas
En la unidad 6 (autovalores y autovectores) habíamos visto algunas propiedades
de las matrices simétricas que retomaremos aquí para poder aplicarlas al estudio
de las cónicas.
Si 𝐴 ∈ ℝ𝑛𝑥𝑛 es simétrica ( 𝐴 = 𝐴𝑡 ), entonces se verifican las siguientes propiedades:
1. Todos sus autovalores son reales.

2. 𝜆1 ≠ 𝜆2 ⇒ 𝑣1 ⊥ 𝑣2 (autovectores asociados a autovalores distintos son
ortogonales)
3. 𝑨es ortogonalmente diagonalizable, es decir:
𝑨 𝒔𝒊𝒎é𝒕𝒓𝒊𝒄𝒂 ⇒ ∃𝑷 𝒐𝒓𝒕𝒐𝒈𝒐𝒏𝒂𝒍 | 𝑷−𝟏 𝑨 𝑷 = 𝑷𝒕 𝑨 𝑷 = 𝑫
Nota: Recordemos que 𝑃 ∈ ℝ𝑛×𝑛 es ortogonal si y sólo sí 𝑃𝑡 = 𝑃−1. Las matrices

ortogonales se caracterizan porque sus columnas son vectores ortogonales y de
norma (módulo) 1.
Ejemplo 2
Calculemos la diagonalización de la matriz:
3 4
𝐴=( )
4 9
El lector puede verificar que sus autovalores y autoespacios son:
1
𝜆 = 11 , 𝑆11 = 𝑔𝑒𝑛 {( )}
2
−2
𝜆 = 1 , 𝑆1 = 𝑔𝑒𝑛 {( )}
1
Observamos que los autoespacios son ortogonales (propiedad de las simétricas).

Podemos construir la matriz P (cuyas columnas son los autovectores) que permite
diagonalizar 𝐴 :
1 −2
𝑃=( )
2 1
11 0
𝑃−1 𝐴𝑃 = 𝐷 = ( )
0 1
Si bien las columnas de 𝑃 son ortogonales, 𝑃 no es una matriz ortogonal porque sus
columnas no tienen módulo 1. Nos falta normalizar los autovectores, o sea obtener
sus versores asociados:
4
1 1 1 −2
𝑣̆1 = ( ) , 𝑣̆2 = ( )
√5 2 √5 1
Entonces podemos diagonalizar 𝐴 mediante una matriz 𝑄 ortogonal:
1 −2
𝑄= √5 √5
2 1
(√5 √5 )
Esta matriz sí verifica:
𝑄−1 𝐴𝑄 = 𝑄𝑡 . 𝐴. 𝑄 = 𝐷 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙𝑖𝑧𝑎𝑐𝑖ó𝑛 𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙 𝑑𝑒 𝐴
EPL 1
Encontrar una matriz 𝐴 ∈ ℝ2×2 simétrica que verifique las siguientes condiciones:
3 6
𝐴 ( ) = ( ) 𝑦 𝑑𝑒𝑡(𝐴) = −2
4 8
Sugerencia: Tener en cuenta que 𝜆1 . 𝜆2 = 𝑑𝑒𝑡(𝐴)
Rototraslación de cónicas
Ejemplo 0
Dada la ecuación en ℝ2: 3𝑥 2 + 9𝑦 2 = 6
Podemos identificar, por los signos de los coeficientes, que corresponde a una
elipse cuya ecuación canónica es:
𝑥2 𝑦2
+ 2 =1
2
3
Ejemplo 1: una elipse rotada

Nos interesa descubrir qué curva está representada por la siguiente ecuación:
3𝑥 2 + 8𝑥𝑦 + 9𝑦 2 = 6 [1]
Aparece en esta ecuación el término 8𝑥𝑦, denominado término rectangular o de

producto cruzado.
Usamos GeoGebra para obtener la gráfica de esta cónica:
5
𝑦 𝑥′
𝑦′
Observamos que se trata de una elipse cuyos ejes no son paralelos a los ejes
coordenados. Veremos a continuación cómo hallar las direcciones de esos ejes
para obtener la ecuación canónica e identificar analíticamente la cónica.
Retomemos la ecuación [1]:
3𝑥 2 + 8𝑥𝑦 + 9𝑦 2 = 6
Esta ecuación puede expresarse matricialmente como sigue:
𝑥
(𝑥 𝑦) ( )( ) = 6
𝑦
Los coeficientes de 𝑥 2 y de 𝑦 2 van en la diagonal:
𝑥
(𝑥 𝑦) ( 3 )( ) = 6
9 𝑦
Y el coeficiente del término rectangular se divide por dos para completar una
matriz simétrica:
𝑥
(𝑥 𝑦) (3 4) ( ) = 6 [1]
4 9 𝑦
Verifiquemos que efectivamente se obtiene lo mismo:
𝑥
(𝑥 𝑦) (3 4) ( ) = 6
4 9 𝑦
𝑥
⇒ (3𝑥 + 4𝑦 4𝑥 + 9𝑦) ( ) = 6
𝑦
⇒ (3𝑥 + 4𝑦)𝑥 + (4𝑥 + 9𝑦)𝑦 = 6
6
⇒ 3𝑥 2 + 8𝑥𝑦 + 9𝑦 2 = 6¡Verificado!
La expresión 3𝑥 2 + 8𝑥𝑦 + 9𝑦 2 se denomina forma cuadrática y la matriz simétrica

3 4
que la caracteriza es 𝐴 = ( ).
4 9
Por ser 𝑨 una matriz simétrica, es ortogonalmente diagonalizable.
Como habíamos visto en un ejemplo anterior:
1 −2
√5 √5 11 0
𝑄= ; 𝐷=( )
2 1 0 1
(√5 √5 )
𝑄 𝑡 𝐴𝑄 = 𝐷
La matriz Q, cuyas columnas son autovectores unitarios de A, representa un

cambio de base como veremos a continuación.
RECORDATORIO CAMBIO DE BASE (UNIDAD 5)
Tomemos un par de bases del mismo espacio vectorial 𝑉:
𝐵 = {𝑣1 , … , 𝑣𝑛 } y 𝐵′ = {𝑤1 , … , 𝑤𝑛 }
Construyamos la matriz asociada a la transformación lineal identidad:
𝑀(𝐼𝑑)𝐵𝐵′ = ([𝑣1 ]𝐵′ , … , [𝑣𝑛 ]𝐵′ ) ∈ ℝ𝑛×𝑛
Esta matriz, llamada matriz de cambio de base de B a B', permite pasar de

coordenadas en B a coordenadas en 𝐵′ :
𝑀(𝐼𝑑)𝐵𝐵′ . [𝑣]𝐵 = [𝑣]𝐵′
1 2 2 1
Si consideramos las bases 𝐵 = {( , ) , (− , )} ,𝐵′ = 𝐸 (base canónica de ℝ2) y
√5 √5 √5 √5
llamamos:
 [𝑣]𝐸 = (𝑦𝑥 ) 𝑎 𝑙𝑎𝑠 𝑐𝑜𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑎𝑠 𝑑𝑒 𝑢𝑛 𝑣𝑒𝑐𝑡𝑜𝑟 𝑒𝑛 𝑏𝑎𝑠𝑒 𝑐𝑎𝑛ó𝑛𝑖𝑐𝑎

′
 [𝑣]𝐵 = (𝑦𝑥 ′ ) 𝑎 𝑙𝑎𝑠 𝑐𝑜𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑎𝑠 𝑒𝑛 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑓𝑜𝑟𝑚𝑎𝑑𝑎 𝑝𝑜𝑟 𝑙𝑎𝑠 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 𝑑𝑒 𝑄
Resulta:
𝑄 = 𝑀(𝐼𝑑)𝐵𝐸
Por lo tanto:
𝑄 [𝑣]𝐵 = [𝑣]𝐸
7
𝑥′ 𝑥
𝑄 ( ′) = ( )
𝑦 𝑦
Trasponemos ambos miembros de la igualdad:
(𝑥 𝑦) = (𝑥 ′ 𝑦 ′ )𝑄𝑡
Sustituimos en [1]:
𝑥 𝑥′
(𝑥 𝑦) 𝐴 ( ) = 6 ⇒ (𝑥 ′ 𝑦 ′ )𝑄𝑡 𝐴𝑄 ( ′ ) = 6
𝑦 𝑦
Como 𝑸 es ortogonal, se verifica:
𝑄 𝑡 𝐴𝑄 = 𝑄 −1 𝐴𝑄 = 𝐷
Y entonces la ecuación de la cónica en el nuevo sistema de coordenadas es:
𝑥′
(𝑥 ′ 𝑦 ′ ) (11 0) ( ′ ) = 6
0 1 𝑦
2 2
11𝑥 ′ + 1𝑦 ′ = 6
Observamos que representa una elipse cuya ecuación canónica es:
2 2
𝑥′ 𝑦′
6 + =1
6
11
¿Cómo se grafica esta elipse?
El cambio de base que realizamos define un nuevo sistema de ejes ortogonales.

Las columnas de 𝑄 indican dirección y sentido positivo de estos nuevos ejes.
1 −2
𝑄= √5 √5
2 1
(√5 √5 )
𝑣̆1 𝑣̆2
8
𝒙′
𝒚′
𝑣̆1
𝑣̆2
ඥ𝟔/𝟏𝟏
√𝟔
A continuación generalizaremos el método de eliminación de productos cruzados

que hemos aplicado en el ejemplo anterior.
Eliminación de productos cruzados

Dada la ecuación en ℝ2:
𝑎𝑥 2 + 𝑏𝑥𝑦 + 𝑐𝑦 2 = 𝑘
⏟
𝑓𝑜𝑟𝑚𝑎
𝑐𝑢𝑎𝑑𝑟á𝑡𝑖𝑐𝑎
1) Buscamos la expresión matricial de la forma cuadrática:
𝑏
𝑎
𝑎𝑥 2 + 𝑏𝑥𝑦 + 𝑐𝑦 2 = (𝑥 𝑦) ( 2) ( 𝑥 ) = 𝑘 [1]
𝑏 𝑦
𝑐
2
𝑏
𝑎
La matriz 𝐴 = ( 𝑏 2
) es la matriz simétrica que caracteriza a la forma cuadrática.
2
𝑐
2) Diagonalizamos ortogonalmente la matriz de la forma cuadrática:
Como la matriz es simétrica, es ortogonalmente diagonalizable. Entonces

∃𝑄 ortogonal tal que 𝑄 𝑡 𝐴 𝑄 = 𝐷. La matriz 𝑄 la obtenemos con los autovectores
normalizados.
𝑄 = (𝑣̆1 𝑣̆2 )
9
Como las columnas de 𝑄 son perpendiculares y unitarias (de norma 1), se verifica
que 𝑄 𝑡 = 𝑄−1.
3) La matriz 𝑸 hallada nos permite proponer un cambio de base o de

coordenadas:
𝑥 𝑥′
( ) = 𝑄 ( ′ ) ⇒ (𝑥 𝑦) = (𝑥 ′ 𝑦 ′ )𝑄𝑡
𝑦 𝑦
4) Reemplazamos en [1]:
𝑥′
(𝑥 ′ 𝑦 ′ ) ⏟
𝑄 𝑡 𝐴𝑄 ( ′ ) = 𝑘
𝑦
𝐷
𝜆 0 𝑥′
(𝑥 ′ 𝑦 ′ ) ( 1 )( ) = 𝑘
0 𝜆2 𝑦 ′
2 2
𝜆1 𝑥 ′ + 𝜆2 𝑦 ′ = 𝑘 [2]
Con este procedimiento pudimos eliminar el término de producto cruzado,

obteniendo la ecuación de la cónica en el nuevo sistema de coordenadas.
Ejemplo 2: una hipérbola rotada

Hallar la ecuación canónica y graficar la cónica dada por la ecuación:
𝑥 2 + 4𝑥𝑦 + 𝑦 2 = 9
Resolución
El término de producto cruzado 4𝑥𝑦indica que la cónica está rotada respecto de

los ejes canónicos.
1) Buscamos la expresión matricial:

𝑥
(𝑥 𝑦) (1 2) ( ) = 9
2 1 𝑦
𝟏 𝟐
2) Diagonalizamos ortogonalmente la matriz de la forma cuadrática𝑨 = ( )∶
𝟐 𝟏
Dejamos a cargo del lector comprobar que los autovalores son:
𝜆 = −1 , 𝜆 = 3
Y los autoespacios:
1 1
𝑆−1 = 𝑔𝑒𝑛 {( )} , 𝑆3 = 𝑔𝑒𝑛 {( )}
−1 1
Con los autovectores hallados podemos armar la matriz 𝑄 ortogonal (de columnas
ortogonales y de módulo 1):
10
1 1
𝑄= √2 √2
1 1
−
( √2 √2)
𝑣̆1 𝑣̆2
Recordemos que las columnas de 𝑄 indican la dirección y sentido positivo de los

nuevos ejes 𝑥’ e 𝑦’.

coordenadas:
𝑥 𝑥′
( ) = 𝑄. ( ′) , (𝑥 𝑦) = (𝑥 ′ 𝑦 ′ )𝑄𝑡
⏟𝑦 ⏟𝑦
𝑐𝑜𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑎𝑠 𝑐𝑜𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑎𝑠
𝑒𝑛 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑒𝑛 𝑙𝑎 𝑏𝑎𝑠𝑒
𝑐𝑎𝑛ó𝑛𝑖𝑐𝑎 𝑑𝑒 𝑎𝑢𝑡𝑜𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠
4) Reemplazamos en la expresión matricial:
𝑥′ −1 0 𝑥
′
(𝑥 ′ 𝑦 ′ ) ⏟
𝑄𝑡 𝐴𝑄 ( ′ ) = 9 ⇒ (𝑥 ′ 𝑦 ′ ) ( ) ( ′) = 9
𝑦 0 3 𝑦
𝐷
2 2
−𝑥 ′ + 3𝑦 ′ = 9
2 2
𝑥′ 𝑦′
− + =1
9 3
Ésta es la ecuación canónica de una hipérbola de eje focal 𝑦 ′, cuya gráfica es:
11
𝑦′
ඥ𝟑
𝑣̆2
𝟑 𝑣̆1
𝑥′
¿Cuáles son las coordenadas de los vértices de la hipérbola respecto de la base

canónica?
Las bases de los dos sistemas de coordenadas que estamos utilizando son:
1 1
1 0 √2
𝐵 = {( ) , ( )} , ′
𝐵 = {( 1 ) , (√2
1 )}
0 1 −
√2 √2
De la ecuación canónica se deduce:
0
Coordenadas de los vértices en 𝑩′ = ± (√3)
Realicemos el cambio de coordenadas:
1 1 √3
𝑥 𝑥′ 𝑥 √2 √2 ( 0 ) = ± (√2)
( ) = 𝑄 ( ′) ⇒ ( )=
𝑦 𝑦 𝑦 1 1 ±√3 √3
− √2
( √2 √2)
Éstas son las coordenadas de los vértices de la hipérbola respecto de la base

canónica.
EPL 2
𝑥
Dada la ecuación: (𝑥 𝑦) 𝐴 ( ) = 4 , con 𝐴 = (2 2)
𝑦 2 5
12
a) Obtener la ecuación canónica e identificar la cónica correspondiente. ¿Cuál

es la dirección del eje focal de dicha cónica?
b) Considerando la misma 𝐴, analizar qué lugar geométrico representa la

𝑥
ecuación (𝑥 𝑦) 𝐴 (𝑦) = 𝑘 para: 𝑘 > 0 , 𝑘 = 0 , 𝑘 < 0
Ejemplo 3: roto-traslación de una cónica

𝑥 2 + 4𝑥𝑦 + 𝑦 2 + 6𝑥 − 9𝑦 = 9
Nos interesa saber qué cónica representa y graficarla.
𝑓𝑜𝑟𝑚𝑎 𝑡é𝑟𝑚𝑖𝑛𝑜𝑠
𝑐𝑢𝑎𝑑𝑟á𝑡𝑖𝑐𝑎 𝑙𝑖𝑛𝑒𝑎𝑙𝑒𝑠
⏞
𝑥 2 + 4𝑥𝑦 + 𝑦 2 ⏞
+6𝑥 − 9𝑦 = 9
El término de producto cruzado señala que la cónica está rotada respecto de los
ejes canónicos.
Además, como habíamos visto en la unidad anterior, los términos lineales indican
que posiblemente sea necesario realizar una traslación (completando cuadrados)
para identificar y graficar la cónica.
1) Buscamos la expresión matricial:
1 2 𝑥 𝒙
(𝑥 𝑦) ( ) ( ) + (𝟔 − 𝟗) ( ) = 9 [1]
2 1 𝑦 𝒚
Les sugerimos comprobar que se obtiene la ecuación dada.
Generalizando, la escritura matricial de los términos lineales es la siguiente:
𝑥
𝑑𝑥 + 𝑒𝑦 = (𝑑 𝑒) ( )
𝑦
𝟏 𝟐
2) Diagonalizamos ortogonalmente la matriz de la forma cuadrática 𝑨 = ( )
𝟐 𝟏

coordenadas:
Estos dos pasos ya se hicieron en el ejemplo anterior, siendo:
1 1
√2 √2 −1 0
𝑄=( 1 1) , 𝐷=( )
− 0 3
√2 √2
13
𝑥 𝑥′
( ) = 𝑄. ( ′ ) ⇒ (𝑥 𝑦) = (𝑥 ′ 𝑦 ′ )𝑄𝑡
𝑦 𝑦
4) Reemplazamos en la expresión matricial [1]:
𝑥′ 𝒙′
(𝑥 ′ 𝑦 ′)𝑄𝑡 𝐴𝑄 ( ′ ) + (𝟔 − 𝟗) 𝑸 ( ′ )
𝑦 𝒚
1 1
′ ′
−1 0 𝑥 √2 √2 (𝑥 )
(𝑥 ′ 𝑦 ′ ) ( ) ( ′ ) + (6 − 9)
0 3 𝑦 1 1 𝑦′
−
( √2 √2)
′
−1 0 𝑥 15 3 𝑥′
(𝑥 ′ 𝑦 ′ ) ( ) ( ′) + ( − ) . ( ′)
0 3 𝑦 √2 √2 𝑦
2 2 15 3
−𝑥 ′ + 3𝑦 ′ + 𝑥′ − 𝑦′ = 9
√2 √2
Observamos que los términos lineales se modifican por el cambio de base

realizado.
Hasta aquí, pudimos eliminar el término de producto cruzado definiendo un nuevo

sistema de ejes paralelos a los ejes de la cónica.
5) Efectuamos una traslación para obtener la ecuación canónica.
Tal como habíamos visto en la unidad anterior, el método de completar

cuadrados nos permite ubicar el centro o el vértice de la cónica y obtener su
ecuación canónica.
2 15 2 3
−𝑥 ′ + 𝑥 ′ + 3𝑦 ′ − 𝑦′ = 9
√2 √2
2
15 15 2 1 2 1 2
− [(𝑥 ′ − ) −( ) ] + 3 [(𝑦 ′ − ) −( ) ]=9
2√2 2√2 2√2 2√2
2
′
15 225 1 2 1
− [(𝑥 − ) − ] + 3 [(𝑦 ′ − ) − ]=9
2√2 8 2√2 8
2
15 225 1 2 3
− (𝑥 ′ − ) + + 3 (𝑦 ′ − ) − =9
2√2 8 2√2 8
2 2
′
15 ′
1 75
− (𝑥 − ) + 3 (𝑦 − ) =−
2√2 2√2 4
15 2 1 2
(𝑥 ′ − 2√2) (𝑦 ′ − 2√2)
75 − 25 =1
4 4
14
Obtuvimos la ecuación ordinaria de una hipérbola que tiene las siguientes

características:
1. Está rotada respecto de los ejes canónicos. Las direcciones y sentidos positivos
de los nuevos ejes 𝑥 ′ 𝑦′ están dadas por las columnas de 𝑄, como habíamos visto.
2. De acuerdo con los signos en la ecuación, el eje focal es paralelo al eje 𝑥 ′.
3. Las coordenadas del centro de la hipérbola en el sistema 𝒙′ 𝒚′ son:
15 1
𝛼= ; 𝛽=
2√2 2√2
Para obtener la ecuación canónica, planteamos las ecuaciones de traslación:
15
𝑥 ′′ = 𝑥 ′ −
2√2
1
𝑦 ′′ = 𝑦 ′ −
{ 2√2
2 2
𝑥 ′′ 𝑦 ′′
⇒ 75 − 25 =1
4 4
5√3 5
𝑠𝑒𝑚𝑖𝑒𝑗𝑒 𝑟𝑒𝑎𝑙 = ≅ 4,33 , 𝑠𝑒𝑚𝑖𝑒𝑗𝑒 𝑖𝑚𝑎𝑔𝑖𝑛𝑎𝑟𝑖𝑜 = = 2,5
2 2
Con esta información podemos realizar un gráfico aproximado de la hipérbola.

Primero indicaremos los tres sistemas de ejes:
15
𝑦′
𝑦 ′′
𝜷
𝑥 ′′
𝑥′
Ahora ya podemos realizar la gráfica de la hipérbola:
𝑦 ′′
5√3 𝟓/𝟐
2
𝑥 ′′
16
¿Cómo podríamos hallar las coordenadas del centro de la hipérbola respecto de

la base canónica?
0
𝐶𝑜𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑎𝑠 𝑑𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝑒𝑛 𝑥’’𝑦’’ = ( )
0
15
2√2
𝐶𝑜𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑎𝑠 𝑑𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝑒𝑛 𝑥’𝑦’ = ( 1 )
2√2
1 1
15
𝑥 𝑥′ √2 √2 (2√2) = ( 4 )
𝐶𝑜𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑎𝑠 𝑑𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝑒𝑛 𝑥𝑦 = ( ) = 𝑄. ( ′ ) =
𝑦 𝑦 1 1 1 −3,5
− 2√2
( √2 √2)
Ejemplo 4: rototraslación de una parábola

Consideremos la ecuación:
𝑥 2 − 2𝑥𝑦 + 𝑦 2 + √2𝑥 − 2√2𝑦 = 0
Nos interesa hallar la ecuación canónica y graficar la cónica correspondiente.
Resolución
1) Escribimos la forma cuadrática matricialmente:
1 −1 𝑥 𝑥
[1]
(𝑥 𝑦) ( ) ( ) + (√2 − 2√2) ( ) = 0
−1 1 𝑦 𝑦
2) Diagonalizamos ortogonalmente y planteamos las ecuaciones de rotación:
1 1
−
√2 √2 0 0
𝑸= , 𝐷=( ) ,
1 1 0 2
(√2 √2 )

coordenadas:
𝑥 𝑥′
( ) = 𝑄 ( ′ ) , (𝑥 𝑦) = (𝑥 ′ 𝑦 ′ )𝑄𝑡
𝑦 𝑦
4) Reemplazamos en [1]:
1 1
′ − ′
𝑥 √2 (𝑥 ) = 0
(𝑥 ′ 𝑦 ′ ) (0 0) ( ′ ) + (√2 − 2√2) √2
0 2 𝑦 1 1 𝑦′
(√2 √2 )
17
𝑥′ 𝑥′
(0 2𝑦 ′ ) ( ′ ) + (−1 − 3) ( ′ ) = 0
𝑦 𝑦
2
2𝑦 ′ − 𝑥 ′ − 3𝑦 ′ = 0
2
Cómo aparece 𝑦 ′ y no aparece 𝑥´2 suponemos que será una parábola.
Trataremos de expresarlo como(𝑦´ − 𝛽)2 = 4𝑐(𝑥 ′ − 𝛼):
2
2𝑦 ′ − 3𝑦 ′ = 𝑥 ′
2 3
2 [𝑦 ′ − 𝑦 ′ ] = 𝑥 ′
2
3 2 3 2
2 [(𝑦 ′ − ) − ( ) ] = 𝑥 ′
4 4
3 2 9
2 (𝑦 ′ − ) = 𝑥 ′ +
4 8
3 2 1 9
(𝑦 ′ − ) = (𝑥 ′ + )
4 2 8
9 3
𝛼=− ; 𝛽=
8 4
Ahora realizamos un gráfico de la parábola indicando los tres sistemas de ejes:
𝑦
𝒚′ 𝑥 ′′
𝒙′
𝑦 ′′
𝑣̆2 𝑣̆1
18
1
Cómo 4𝑐 = 2 > 0, la parábola se abre hacia el semieje positivo de 𝑥′′.
Le proponemos al lector que busque las coordenadas del vértice en la base

canónica.
EPL 3
2 2
Sea 𝐴 = ( ), obtener la ecuación canónica y graficar la cónica dada por la
2 5
ecuación:
𝑥 𝑥
(𝑥 𝑦) 𝐴 ( ) + (0 6√5) ( ) = 1
𝑦 𝑦
Nota: ver EPL2, la matriz 𝐴 es la misma.
Clasificación de las cónicas

según autovalores
Sea la ecuación en ℝ2:
𝑥 𝑥
(𝑥 𝑦) 𝐴 ( ) + (𝑑 𝑒) ( ) + 𝑓 = 0
𝑦 𝑦 con 𝐴 ∈ ℝ2×2 simétrica
De acuerdo con los diferentes ejemplos desarrollados, podemos concluir que los
autovalores de la matriz 𝐴 permiten identificar el lugar geométrico
correspondiente:
Autovalores de 𝐴 Lugar geométrico
𝜆1 . 𝜆2 > 0 𝑬𝒍𝒊𝒑𝒔𝒆 𝑜 𝑝𝑢𝑛𝑡𝑜 𝑜 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑣𝑎𝑐í𝑜
𝜆1 . 𝜆2 < 0 𝑯𝒊𝒑é𝒓𝒃𝒐𝒍𝒂 𝑜 𝑑𝑜𝑠 𝑟𝑒𝑐𝑡𝑎𝑠 𝑐𝑜𝑛𝑐𝑢𝑟𝑟𝑒𝑛𝑡𝑒𝑠
𝜆1 . 𝜆2 = 0 𝑷𝒂𝒓á𝒃𝒐𝒍𝒂 𝑜 𝑑𝑜𝑠 𝑟𝑒𝑐𝑡𝑎𝑠 𝑝𝑎𝑟𝑎𝑙𝑒𝑙𝑎𝑠 𝑜 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑣𝑎𝑐í𝑜
¿Rotación pura o composición de rotación

y simetría?
Al diagonalizar una matriz simétrica de ℝ2×2 se obtienen dos autovectores
ortogonales. ¿Qué efecto tiene el orden de los autovectores en la matriz 𝑄 sobre el
nuevo sistema de ejes?
Veamos las diferencias entre los desarrollos indicados en cada columna:
19
A los fines de eliminar el término rectangular para reconocer la cónica, cualquiera

de las dos formas es válida. Pero es usual trabajar con una matriz 𝑄 tal que det(𝑄) =
1, que caracteriza a una rotación pura.
20
EPL 4
En el siguiente gráfico se ven las direcciones de los ejes y la medida del semieje
mayor y semieje menor de una elipse rotada:
𝑦
𝑦′
𝑥′
Tomando la información proporcionada en el gráfico, se pide hallar la ecuación

de la elipse en términos de 𝑥 e 𝑦.
Sugerencia: pensar que se trata de resolver el problema inverso al habitual.
21
ALGEBRA Y
GEOMETRÍA
ANALÍTICA
Isabel Pustilnik
0
Federico Gómez
ÍNDICE
Definición de número complejo ....................................................................................... 2
Operaciones en forma binómica ...................................................................................... 3
Suma y resta ..................................................................................................................... 3
Multiplicación .................................................................................................................. 3
Conjugado de un número complejo ............................................................................ 4
División en complejos ..................................................................................................... 4
Soluciones complejas de ecuaciones cuadráticas ....................................................... 6
Potencias de 𝒊 ...................................................................................................................... 7
Módulo y argumento de un número complejo ............................................................... 7
Forma trigonométrica o polar de un número complejo .............................................. 11
Forma exponencial de un número complejo ............................................................... 14
Operaciones en forma exponencial .............................................................................. 14
Identidad de Euler ............................................................................................................. 16
Operaciones en forma trigonométrica........................................................................... 16
Radicación de números complejos ................................................................................ 18
Criterio de igualdad de números complejos ............................................................. 18
Ejemplo introductorio .................................................................................................... 19
Radicación ..................................................................................................................... 19
Applet de GeoGebra para explorar la “geometría” de las raicés n-ésimas de un
número complejo .......................................................................................................... 24
Regiones del plano complejo ......................................................................................... 25
1
Definición de número complejo

Un número complejo 𝑧 se define como un par ordenado de números reales:
𝑧 = (𝑎, 𝑏) 𝑐𝑜𝑛 𝑎, 𝑏 ∈ ℝ
donde el primer elemento del par ordenado se llama parte real del número
complejo, y el segundo elemento se llama parte imaginaria:
𝑅𝑒(𝑧) = 𝑎
𝐼𝑚(𝑧) = 𝑏
En los números complejos se definen las siguientes operaciones:
(𝑎, 𝑏) + (𝑐, 𝑑) = (𝑎 + 𝑐 , 𝑏 + 𝑑)
(𝑎, 𝑏) . (𝑐, 𝑑) = (𝑎𝑐 − 𝑏𝑑 , 𝑎𝑑 + 𝑏𝑐)
Con estas operaciones, puede demostrarse que el conjunto de los números

complejos tiene las mismas propiedades que los reales con la suma y el producto.
No nos extenderemos desarrollando esta cuestión algebraica porque en la
práctica lo usual es operar con otras expresiones de los números complejos, como
veremos a continuación.
Podemos identificar de manera natural los complejos de parte imaginaria nula

con los números reales:
(𝑎, 0) ∈ ℂ ⟷ 𝑎 ∈ ℝ
Por otra parte, los números de parte real nula: 𝑧 = (0, 𝑏) se denominan imaginarios
puros. Se define la unidad imaginaria:
𝒊 = (𝟎, 𝟏) 𝒖𝒏𝒊𝒅𝒂𝒅 𝒊𝒎𝒂𝒈𝒊𝒏𝒂𝒓𝒊𝒂
Podemos entonces deducir otra forma de expresar un número complejo:
𝑧 = (𝑎, 𝑏) = 𝑎 (1,0)
⏟ + 𝑏 (0,1)
⏟
1 𝑖
𝒛 = 𝒂 + 𝒃𝒊 𝒇𝒐𝒓𝒎𝒂 𝒃𝒊𝒏ó𝒎𝒊𝒄𝒂
Observación: en algunos textos de Física y de Ingeniería la unidad imaginaria se

designa como 𝑗 , para no confundir con la 𝑖 que suele indicar la intensidad de
corriente eléctrica.
Dado que hemos definido un número complejo como un par ordenado de

números reales, es natural interpretarlo como un punto del plano. En el eje de
abscisas (eje real) ubicaremos los complejos de parte imaginaria nula. Y en el eje
de ordenadas (eje imaginario) ubicaremos los imaginarios puros:
2
𝐸𝑗𝑒 𝑖𝑚𝑎𝑔𝑖𝑛𝑎𝑟𝑖𝑜
−2 + 4𝑖
−5 + 2𝑖
3+𝑖
5 𝐸𝑗𝑒 𝑟𝑒𝑎𝑙
−2𝑖
Operaciones en forma binómica

Suma y resta
Si 𝑧1 = 𝑎 + 𝑏𝑖 y 𝑧2 = 𝑐 + 𝑑𝑖, entonces:
𝑧1 + 𝑧2 = (𝑎 + 𝑏𝑖) + (𝑐 + 𝑑𝑖) = (𝑎 + 𝑐) + (𝑏 + 𝑑)𝑖
Análogamente: 𝑧1 − 𝑧2 = (𝑎 − 𝑐) + (𝑏 − 𝑑)𝑖
Multiplicación
𝑧1 . 𝑧2 = (𝑎 + 𝑏𝑖). (𝑐 + 𝑑𝑖) = 𝑎𝑐 + 𝑎𝑑𝑖 + 𝑏𝑖𝑐 + 𝑏𝑑𝑖 2 [1]
¿Cuánto vale 𝑖 2?
De acuerdo con la multiplicación definida:

(𝑎, 𝑏). (𝑐, 𝑑) = (𝑎𝑐 − 𝑏𝑑 , 𝑎𝑑 + 𝑏𝑐)[2]
Para 𝑖 = (0, 1) resulta:
𝑖 2 = (0, 1) . (0, 1) = (−1, 0)que identificamos con el número real (−1).
En resumen:
𝒊𝟐 = −𝟏
Reemplazando en [𝟏] resulta:
3
𝑧1 . 𝑧2 = ( 𝑎𝑐 − 𝑏𝑑) + 𝑖(𝑎𝑑 + 𝑏𝑐)
Pueden verificar que es coherente con la definición [2].
Conjugado de un número complejo

El conjugado de 𝑧 = 𝑎 + 𝑏𝑖 , se define así:
𝑧̅ = 𝑎 − 𝑏𝑖
Observamos que 𝑧 y 𝑧̅ son simétricos respecto del eje real, como muestra la
siguiente figura:
𝑏 𝑧 = 𝑎 + 𝑏𝑖
-𝑏
𝑧̅ = 𝑎 − 𝑏𝑖
Propiedades:
1) 𝑧 + 𝑧̅ = 𝑎 + 𝑏𝑖 + 𝑎 − 𝑏𝑖 = 2𝑎 = 2 𝑅𝑒(𝑧)
2) 𝑧 − 𝑧̅ = 𝑎 + 𝑏𝑖 − (𝑎 − 𝑏𝑖) = 2𝑏𝑖 = 2𝑖. 𝐼𝑚(𝑧)(recordar que 𝐼𝑚(𝑧) ∈ ℝ )
3) 𝑧. 𝑧̅ = (𝑎 + 𝑏𝑖)(𝑎 − 𝑏𝑖) = 𝑎2 − 𝑎𝑏𝑖 + 𝑏𝑖𝑎 − 𝑏2 𝑖 2 = (𝑎2 + 𝑏2 ) ∈ ℝ > 0 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑧 ≠ 0
División en complejos
Esta última propiedad nos permite calcular el cociente entre dos números
complejos.
Sean 𝑧1 = 𝑎 + 𝑏𝑖 , 𝑧2 = 𝑐 + 𝑑𝑖
Para hallar𝑧1 /𝑧2multiplicamos el numerador y el denominador por el conjugado

del denominador:
𝑧1 𝑧1 𝑧̅2
= .
𝑧2 𝑧2 𝑧̅2
4
Entonces:
𝑎 + 𝑏𝑖 𝑎 + 𝑏𝑖 (𝑐 − 𝑑𝑖) 𝑎𝑐 − 𝑎𝑑𝑖 + 𝑏𝑐𝑖 − 𝑏𝑑𝑖 2 (𝑎𝑐 + 𝑏𝑑) + (𝑏𝑐 − 𝑎𝑑)𝑖

= . = =
𝑐 + 𝑑𝑖 𝑐 + 𝑑𝑖 (𝑐 − 𝑑𝑖) 𝑐 2 − 𝑑2𝑖 2 𝑐 2 + 𝑑2
⏟
ℝ> 0
Ejemplos
Sean los números complejos:
𝑧1 = 2 + 3𝑖 ; 𝑧2 = 1 − 𝑖 ; 𝑧3 = −3 + 𝑖 ; 𝑧4 = 1 − 𝑖
Calcular:
𝑧1 − 2𝑧2
a.
𝑧1 . 𝑧3
b.
𝑧2 2 + 𝑧3
c.
𝑧4
d. 𝑧3
𝑧1
e.
𝑧4
Resolución
Ítem a
𝑧1 − 2𝑧2 = (2 + 3𝑖) − 2(1 − 𝑖) = 2 − 2 + 𝑖(3 + 2) = 5𝑖
Ítem b
𝑧1 . 𝑧3 = (2 + 3𝑖)(−3 + 𝑖) = −6 + 2𝑖 − 9𝑖 + 3𝑖 2 = −9 − 7𝑖
Ítem c
𝑧2 2 + 𝑧3 = (1 − 𝑖)2 + (−3 + 𝑖) = 1 − 2𝑖 + 𝑖2 − 3 + 𝑖 = −3 − 𝑖
Ítem d
𝑧4 1−𝑖 1 − 𝑖 (−3 − 𝑖) −3 + 3𝑖 − 𝑖 + 𝑖 2 −4 + 2𝑖 2 1
= = . = 2
= =− + 𝑖
𝑧3 −3 + 𝑖 −3 + 𝑖 (−3 − 𝑖) 9−𝑖 10 5 5
5
Ítem e
𝑧1 2 + 3𝑖 1 + 𝑖 1 5
= . =− + 𝑖
𝑧4 1−𝑖 1+𝑖 2 2
Soluciones complejas de
ecuaciones cuadráticas
¡Hemos encontrado un número cuyo cuadrado es (−1)!
¿Cuánto da (−𝑖)2 ?
A partir de ahora, podremos resolver ecuaciones como ésta:
𝑥2 + 1 = 0
Esta ecuación tan sencilla, no tiene solución en ℝ, pero sí tiene solución en ℂ:
𝑆ℂ = { 𝑖 , −𝑖 }
Generalizando, la ecuación cuadrática
𝑥 2 + 𝑎 = 0 , 𝑐𝑜𝑛 𝑎 > 0
no tiene solución en ℝ pero tiene dos soluciones en ℂ: 𝑥1,2 = ± 𝑖√𝑎
Ejemplo
Resolver las ecuaciones:
a) 𝑥 2 + 5 = 0
b) 𝑥 2 − 4𝑥 + 5 = 0
Resolución
Ítem a
𝑥2 + 5 = 0 ⇒ 𝑥 2 = −5 ⇒ 𝑥 = √5 𝑖 ∨ 𝑥 = −√5 𝑖
Ítem b
Podemos usar la fórmula resolvente:
−(−4) ± √42 − 4.1.5 4 ± 2𝑖

= = 2±𝑖
2 2
⇒ 𝑥 =2+𝑖 ∨ 𝑥 =2−𝑖
6
Potencias de 𝒊
Las potencias de la unidad imaginaria tienen un comportamiento cíclico, como
veremos a continuación:
𝑖0 = 1
𝑖1 = 𝑖
𝑖 2 = −1
𝑖 3 = 𝑖 2 . 𝑖 = −𝑖
𝑖 4 = 𝑖 3. 𝑖 = 1
𝑖 5 = 𝑖 4. 𝑖 = 𝑖
Y así sucesivamente.
¿Cómo podemos determinar cualquier potencia de 𝑖 , por ejemplo 𝑖 514 ?

Dividiendo el exponente por 4, se obtiene: 514 = 128.4 + 2
Entonces resulta:
128
𝑖 514 = 𝑖 128.4+2 = (𝑖
⏟ 4)
. 𝑖 2 = 𝑖 2 = −1
1
O sea que: 𝑖 514 = 𝑖 2 , siendo 2 el resto de dividir 514 por 4.
En resumen:
𝑖 𝑛 = 𝑖 𝑟 , siendo 𝑟 el resto de la división de 𝑛 por 4 (𝑛 ∈ ℕ)
Módulo y argumento de un
número complejo
Sea 𝑧 = 𝑎 + 𝑏𝑖 (𝑧 ≠ 0)
Habíamos visto que un número complejo puede representarse como un punto del
plano. Ese punto tiene asociado un vector que queda unívocamente
determinado por su módulo|𝑧| y su argumento𝜃 , tal como muestra la figura:
7
𝑧
𝑏
|𝑧|
𝑎 𝐸𝑗𝑒 𝑟𝑒𝑎𝑙
El módulo se calcula como el módulo de un vector en ℝ2:
|𝑧| = √𝑎2 + 𝑏2
Se define 𝜃 = arg(𝑧) como el ángulo entre el semieje positivo de abscisas y el

vector. El argumento puede determinarse, teniendo en cuenta los signos de 𝑎 y
𝑏 con:
𝑏
𝑡𝑔(𝜃) = , a≠0
𝑎
Ejemplo 1
Sea 𝑧 = −3 + √3𝑖, hallemos su módulo y su argumento:
2
|𝑧| = √(−3)2 + (√3) = √12
Para hallar el argumento es útil hacer una gráfica aproximada de 𝑧:
8
√3
A partir de esta gráfica observamos que 𝑧 pertenece al segundo cuadrante.
Para hallar 𝜃 resolvemos la siguiente ecuación trigonométrica:
√3
𝑡𝑔(𝜃) = −
3
Como se ha estudiado en el seminario de ingreso, existen infinitos ángulos tales

que su tangente es −√3/3. Los cuadrantes en los cuales la tangente es negativa
son el segundo y el cuarto.
Usando calculadora o la tabla de senos, cosenos y tangentes de ángulos notables

es posible hallar una primera solución:
Ángulo en
0° 30° 45° 60° 90°
grados
Ángulo en 𝜋 𝜋 𝜋 𝜋
0
radianes 6 4 3 2
Seno del 1 √2 √3
0 1
ángulo 2 2 2
Coseno del √3 √2 1
1 0
ángulo 2 2 2
Tangente del 1 √3
0 = 1 √3 ∄
ángulo √3 3
𝜋 √3 𝜋 √3
De la tabla vemos que 𝑡𝑔 ( ) = , luego 𝑡𝑔 (− ) = −
6 3 6 3
Con calculadora usando la función arcotangente se obtiene:
9
𝜋
−0,523598776 ≅ − =𝜃
6
Hemos hallado una solución en el cuarto cuadrante; para obtener la solución en

el segundo cuadrante, sumamos 𝜋 como muestra la siguiente gráfica:
𝜋 5
− +𝜋 = 𝜋
6 6
5
𝜋
6
𝜋
−
6
√3
El conjunto de las infinitas soluciones de la ecuación𝑡𝑔(𝜃) = − 3
es:
𝜋 5
𝜃 = − + 2𝑘𝜋 ∨ 𝜃 = 𝜋 + 2𝑘𝜋 , 𝑘 ∈ ℤ
6 6
Pero, de acuerdo con los signos de 𝑎 y 𝑏, sabemos que las soluciones del cuarto
cuadrante no describen a 𝑧.
Entonces resulta:
5
arg(𝑧) = 𝜋 + 2𝑘𝜋 , 𝑘 ∈ ℤ
6
De estos infinitos argumentos se llama argumento principal de 𝒛, y se anota 𝑨𝒓𝒈(𝒛),

al único comprendido en el intervalo [𝟎, 𝟐𝝅).
10
Luego el argumento principal de 𝑧 es:
5
𝐴𝑟𝑔(𝑧) = 𝜋
6
Ejemplo 2
Sea 𝑧 = −0,5𝑖. En este caso 𝑎 = 0, entonces 𝜃 no puede determinarse con la
fórmula𝑡𝑔(𝜃) = 𝑏/𝑎. Si hacemos un gráfico:
Vemos que el argumento principal de 𝑧 es 3𝜋/2.
Generalizando:
Si 𝒂 = 𝟎, 𝑧 es imaginario puro y su argumento dependerá del signo de b:

𝜋
𝑎 = 0 ∧ 𝑏 > 0 ⟹ 𝐴𝑟𝑔(𝑧) =
2
3𝜋
𝑎 = 0 ∧ 𝑏 < 0 ⟹ 𝐴𝑟𝑔(𝑧) =
2
Observación: Si 𝑧 = 0 , |𝑧| = 0 pero el argumento no está definido.
Forma trigonométrica o polar de

un número complejo
Consideremos la siguiente figura:
11
𝑧
𝑏
|𝑧|
𝑎 𝐸𝑗𝑒 𝑟𝑒𝑎𝑙
Se deduce que:
𝑎 = |𝑧|cos(𝜃) , 𝑏 = |𝑧| 𝑠𝑒𝑛(𝜃)
Entonces resulta:
𝑧 = 𝑎 + 𝑏𝑖 = |𝑧| cos(𝜃) + 𝑖 |𝑧| 𝑠𝑒𝑛(𝜃)
Por lo tanto:
𝒛 = |𝒛|(𝐜𝐨𝐬 𝜽 + 𝒊 𝐬𝐞𝐧 𝜽) 𝑭𝒐𝒓𝒎𝒂 𝒕𝒓𝒊𝒈𝒐𝒏𝒐𝒎é𝒕𝒓𝒊𝒄𝒂 𝒐 𝒑𝒐𝒍𝒂𝒓
En algunos textos se usa una abreviatura para la forma trigonométrica:
cos(𝜃) + 𝑖 sen(𝜃) = 𝑐𝑖𝑠(𝜃)
𝑧 = |𝑧| 𝑐𝑖𝑠(𝜃)
Ejemplo
Expresar los siguientes números complejos en forma trigonométrica:
1. 𝑧1 = −3 + √3𝑖
2. 𝑧2 = −2
3. 𝑧3 = −2 − 2𝑖
4. 𝑧4 = −1,5𝑖
Resolución
Debemos buscar el módulo y argumento de cada uno de los números complejos.
12
Para 𝑧1 ya habíamos averiguado módulo y argumento, luego su forma

trigonométrica es:
5 5
𝑧1 = √12. (cos 𝜋 + 𝑖. 𝑠𝑒𝑛 𝜋)
6 6
Para 𝑧2 calculemos el módulo:
|𝑧2 | = √(−2)2 = 2
Para hallar el argumento, es muy útil pensar en la gráfica de 𝑧2 = −2:
𝜃2
𝑧2
𝑧2 está sobre el semieje negativo real, luego el argumento principal es:
𝐴𝑟𝑔(𝑧2 ) = 𝜋
Entonces:
𝑧2 = 2. (cos 𝜋 + 𝑖. sen 𝜋)
Observación: Para 𝑧2 = −2 , resulta 𝑡𝑔(𝜃2 ) = 0 . La función arcotangente

devuelve 𝜃2 = 0 pero este argumento no corresponde porque 𝑧2 está sobre el
semieje real negativo. Por eso, para hallar el argumento hay que tener presente la
ubicación del complejo en el plano.
Para 𝑧3 = −2 − 2𝑖, hallamos el módulo:
|𝑧3 | = √(−2)2 + (−2)2 = √8
Sabemos por los signos de 𝑎 y 𝑏 que está en el tercer cuadrante y que:
𝑡𝑔(𝜃3 ) = 1
Luego el argumento principal es:
5
𝐴𝑟𝑔(𝑧3 ) = 𝜋
4
Entonces:
13
5 5
𝑧3 = √8. (cos 𝜋 + 𝑖. 𝑠𝑒𝑛 𝜋)
4 4
Forma exponencial de un
número complejo
Existe otra manera de expresar los números complejos conociendo su módulo y su
argumento, llamada forma exponencial. Esta expresión se basa en la siguiente
fórmula:
Fórmula de Euler
Para todo 𝑥 ∈ ℝ , se verifica que: 𝒆𝒊𝒙 = 𝐜𝐨𝐬(𝒙) + 𝒊 𝒔𝒆𝒏(𝒙)
Sea 𝜃 = arg(𝑧) 𝒆𝒙𝒑𝒓𝒆𝒔𝒂𝒅𝒐 𝒆𝒏 𝒓𝒂𝒅𝒊𝒂𝒏𝒆𝒔. La expresión trigonométrica de 𝑧 es:
𝑧 = |𝑧| (cos 𝜃 + 𝑖 𝑠𝑒𝑛𝜃)
Aplicando la fórmula de Euler, resulta:
𝒛 = |𝒛|𝒆𝒊𝜽 𝑭𝒐𝒓𝒎𝒂 𝒆𝒙𝒑𝒐𝒏𝒆𝒏𝒄𝒊𝒂𝒍
Ejemplos
𝜋 𝜋 𝜋
𝑧1 = 3𝑖 = 3 (cos + 𝑖 𝑠𝑒𝑛 ) = 3 𝑒 𝑖 2
2 2
7𝜋 7𝜋 7𝜋
𝑧2 = 1 − 𝑖 = √2 (𝑐𝑜𝑠 + 𝑖 𝑠𝑒𝑛 ) = √2 𝑒 𝑖 4
4 4
Operaciones en forma
exponencial
Puede demostrarse que la exponencial compleja verifica las propiedades básicas
de la potenciación, lo cual permite resolver en forma sencilla las operaciones con
números complejos.
Si 𝑧1 = |𝑧1 |𝑒 𝑖 𝜃1 y 𝑧2 = |𝑧2 |𝑒 𝑖 𝜃2 , resulta:
𝑧1 𝑧2 = |𝑧1 |𝑒 𝑖 𝜃1 |𝑧2 | 𝑒 𝑖 𝜃2
Por lo tanto:
𝒛𝟏 𝒛𝟐 = |𝒛𝟏 ||𝒛𝟐 | 𝒆𝒊 (𝜽𝟏 +𝜽𝟐 )
O sea: para multiplicar números complejos, se multiplican sus módulos y se suman

sus argumentos.
14
Análogamente, para dividir números complejos, se dividen sus módulos y se restan

sus argumentos:
𝒛𝟏 |𝒛𝟏 | 𝒊 (𝜽 −𝜽 )
= 𝒆 𝟏 𝟐
𝒛𝟐 |𝒛𝟐 |
Para calcular potencias:

𝑛
𝑧 𝑛 = (|𝒛|𝑒 𝑖 𝜃 ) , 𝑛 ∈ 𝑁
Por lo tanto:
𝒛𝒏 = |𝒛|𝒏 𝒆𝒊 𝒏𝜽 , 𝒏 ∈ 𝑵
Ejemplos
Sean:
𝜋 𝜋 𝜋
𝑧1 = 3𝑖 = 3 (cos + 𝑖 𝑠𝑒𝑛 ) = 3 𝑒 𝑖 2
2 2
7𝜋 7𝜋 7𝜋
𝑧2 = 1 − 𝑖 = √2 (𝑐𝑜𝑠 + 𝑖 𝑠𝑒𝑛 ) = √2 𝑒 𝑖 4
4 4
Resolver las siguientes operaciones en forma exponencial:
a) 𝑧1 . 𝑧2
b) 𝑧1 /𝑧2
c) 𝑧110
Resolución
Ítem a
𝜋 7 9
𝒛𝟏 . 𝒛𝟐 = 3. √2. 𝑒 ( 2 +4𝜋)𝑖 = 3√2 𝑒 4𝜋𝑖
En general suele utilizarse el argumento principal, que está comprendido en

9 𝜋 𝜋
[0 , 2𝜋). Teniendo en cuenta que 4
𝜋 = 2𝜋 + 4 , resulta 𝐴𝑟𝑔(𝑧1 𝑧2 ) = 4.
Entonces:
𝜋
𝑧1 . 𝑧2 = 3√2 𝑒 4 𝑖
Ítem b
𝑧1 3 (𝜋 − 7𝜋)𝑖 3 − 5𝜋𝑖
= 𝑒 2 4 = 𝑒 4
𝑧2 √2 √2
𝑧1 5 3
𝐴𝑟𝑔 ( ) = − 𝜋 + 2𝜋 = 𝜋
𝑧2 4 4
15
𝑧1 3 3𝜋𝑖
= 𝑒4
𝑧2 √2
Ítem c
𝜋
𝑧110 = 310 𝑒𝑖 2.10 = 310 𝑒𝑖 5𝜋
Buscamos el argumento principal: 5𝜋 − 2(2𝜋) = 𝜋
Queda entonces:
𝑧110 = 310 𝑒𝑖 𝜋
Identidad de Euler
Como caso particular de la fórmula de Euler, se deduce una de las fórmulas más
bellas de la Matemática, conocida como Identidad de Euler:
𝒆𝒊𝝅 + 𝟏 = 𝟎
Es notable por relacionar 5 de los números más importantes de la Matemática:
 El 0 y el 1 , neutros respecto de la suma y de la multiplicación.

 El número 𝜋 que relaciona la longitud de la circunferencia con su diámetro
y está presente en varias de las ecuaciones fundamentales de la Física.
 El número de Euler 𝑒, que aparece en numerosos procesos naturales y en
diferentes problemas físicos y matemáticos.
 La unidad imaginaria 𝑖 , base para la construcción del conjunto ℂ .
Dejamos a cargo del lector la comprobación de esta identidad.
Operaciones en forma
trigonométrica
Traduciendo a la forma trigonométrica los resultados obtenidos, resulta:
𝑧1 𝑧2 = |𝑧1 ||𝑧2|[cos(𝜃1 + 𝜃2 ) + 𝑖 𝑠𝑒𝑛(𝜃1 + 𝜃2 )]
𝑧1 |𝑧1 |
= [cos(𝜃1 − 𝜃2 ) + 𝑖 𝑠𝑒𝑛(𝜃1 − 𝜃2 )]
𝑧2 |𝑧2 |
𝑧 𝑛 = |𝑧|𝑛 [cos(𝑛𝜃) + 𝑖 𝑠𝑒𝑛(𝑛𝜃)] , 𝑛 ∈ ℕ
NOTA PARA EL LECTOR INTERESADO:
Las fórmulas del producto y del cociente pueden demostrarse a partir de

relaciones entre las funciones trigonométricas. Por ejemplo, el producto puede
deducirse a partir de las siguientes identidades:
cos(𝛼 + 𝛽) = cos(𝛼) . cos(𝛽) − 𝑠𝑒𝑛(𝛼). 𝑠𝑒𝑛(𝛽) [1]
16
𝑠𝑒𝑛(𝛼 + 𝛽) = 𝑠𝑒𝑛(𝛼). cos(𝛽) + cos(𝛼) . 𝑠𝑒𝑛(𝛽) [2]
Sean 𝑧1 = |𝑧1 |. (cos(𝛼) + 𝑖. 𝑠𝑒𝑛( 𝛼)) y que 𝑧2 = |𝑧2 |. (cos(𝛽) + 𝑖. 𝑠𝑒𝑛(𝛽)). Queremos
calcular el producto:
𝑧1 . 𝑧2 = |𝑧1 ||𝑧2 |. (cos(𝛼) + 𝑖. 𝑠𝑒𝑛( 𝛼))(cos(𝛽) + 𝑖. 𝑠𝑒𝑛(𝛽))
= |𝑧1 ||𝑧2 |. [cos(𝛼) . cos(𝛽) − 𝑠𝑒𝑛(𝛼). 𝑠𝑒𝑛(𝛽) + 𝑖. (cos(𝛼) . 𝑠𝑒𝑛(𝛽) + 𝑠𝑒𝑛(𝛼). cos(𝛽))]
Por [1] y [2]:
𝑧1. 𝑧2 = |𝑧1 ||𝑧2 |. (cos(𝛼 + 𝛽) + 𝑖. 𝑠𝑒𝑛( 𝛼 + 𝛽))
Observamos que coincide con lo que habíamos deducido en forma exponencial.
Ejemplo
Sean:
𝑧1 = −3 + √3𝑖
𝑧2 = −2
𝑧3 = −2 − 2𝑖
Calcular usando la forma trigonométrica:
𝑧1 . 𝑧23
𝑧3
Resolución
Calculamos módulo y argumento de cada uno:
2 5 5
|𝑧1 | = √(−3)2 + √3 = √12 ; 𝐴𝑟𝑔(𝑧1) = 𝜋 ⇒ 𝑧1 = √12𝑐𝑖𝑠 ( 𝜋)
6 6
|𝑧2 | = √(−2)2 + 02 = 2 ; 𝐴𝑟𝑔(𝑧2) = 𝜋 ⇒ 𝑧2 = 2𝑐𝑖𝑠(𝜋)
5
|𝑧3 | = √(−2)2 + (−2)2 = √8 ; 𝐴𝑟𝑔(𝑧3 ) = 𝜋 ⇒ 𝑧2 = 2𝑐𝑖𝑠(𝜋)
4
Entonces:
𝑧1 . 𝑧23 √12. 23 5 5 8√3 61

= . 𝑐𝑖𝑠 ( 𝜋 + 3(𝜋) − 𝜋) = . 𝑐𝑖𝑠 ( 𝜋)
𝑧3 2√2 6 4 √2 12
61
Si buscamos el argumento principal restando 4𝜋 de 12 𝜋 obtenemos:
17
8√3 13
= . 𝑐𝑖𝑠 ( 𝜋)
√2 12
ELP 1
Completar la siguiente tabla:
Complejo Forma binómica Forma trigonométrica Forma exponencial
𝑧1 2 − 2𝑖
7
𝑧2 4𝑐𝑖𝑠 ( 𝜋)
6
𝜋
𝑧3 𝑖
5𝑒 2
𝑧3
𝑧2
𝑧3 . 𝑧2 3
𝑧1
𝑧1
.𝑧
𝑧2 3
𝑧2 − 𝑧3
𝑧1 . 𝑧3
Radicación de números
complejos
Criterio de igualdad de números complejos
Sean 𝑧1 = 𝑎 + 𝑏𝑖 y 𝑧2 = 𝑐 + 𝑑𝑖
¿Cuándo son iguales?
𝑧1 = 𝑧2 ⟺ 𝑎 = 𝑐 ∧ 𝑏 = 𝑑
Si los números complejos están dados en forma trigonométrica, ¿qué condiciones

deben cumplirse para que sean iguales?
Consideremos este ejemplo:
𝑧1 = 8 (cos( 𝜋) + 𝑖 𝑠𝑒𝑛(𝜋)) , 𝑧2 = 8 (cos( 3𝜋) + 𝑖 𝑠𝑒𝑛(3𝜋))
Observamos que tienen el mismo módulo pero diferentes argumentos. Sin

embargo, silos traducimos a forma binómica resulta: 𝑧1 = 𝑧2 = −8
18
Teniendo en cuenta que un número complejo tiene infinitos argumentos:
arg(𝑧) = 𝐴𝑟𝑔(𝑧) + 2𝑘𝜋 , 𝑘 ∈ ℤ
puede establecerse el siguiente criterio de igualdad de números complejos:
Sean
𝑧1 = |𝑧1 |. (cos 𝛼 + 𝑖. 𝑠𝑒𝑛 𝛼)
𝑧2 = |𝑧2 |. (cos 𝛽 + 𝑖. 𝑠𝑒𝑛 𝛽)
|𝑧1 | = |𝑧2 |
𝑧1 = 𝑧2 ⇔ {
𝛼 − 𝛽 = 2𝑘𝜋 , 𝑘 ∈ ℤ
𝜋 7𝜋 17𝜋
Ejemplo:3 𝑐𝑖𝑠 ( 4 ) = 3 𝑐𝑖𝑠 (− 4
) = 3 𝑐𝑖𝑠 ( 4
)
El mismo criterio se aplica para la forma exponencial.
Ejemplo introductorio
𝑥4 + 1 = 0
Esta ecuación no tiene solución en ℝ. Sin embargo, hay un notable teorema que
nos permite asegurar que sí tiene solución en ℂ. Es el teorema fundamental del
Álgebra, que afirma:
Todo polinomio de grado 𝑛 > 0 tiene exactamente 𝑛 raíces (iguales o distintas) en

el conjunto de los números complejos.
Es decir que la ecuación dada tiene exactamente 4 soluciones en ℂ.
Despejemos 𝑥 en la ecuación 𝑥 4 + 1 = 0
𝑥 4 = −1
4
𝑥 = √−1
Veremos a continuación cómo obtener las raíces de un número complejo.
Radicación
Dado 𝑧 = |𝑧|𝑒 𝑖𝛼 , queremos calcular √𝑧 que llamaremos𝑤.
𝑛
𝑛
√𝑧 = 𝑤 ⇔ 𝑤 𝑛 = 𝑧
Si expresamos 𝑤 en forma exponencial:
𝑤 = |𝑤|𝑒 𝑖𝛽
19
Resulta, de acuerdo con la fórmula de potenciación:
𝑤 𝑛 = |𝑤|𝑛 𝑒 𝑖𝑛𝛽
𝑤 𝑛 = 𝑧 ⇔ |𝑤|𝑛 𝑒 𝑖𝑛𝛽 = |𝑧|𝑒 𝑖𝛼
Teniendo en cuenta que:
|𝑧1| = |𝑧2 |
𝑧1 = 𝑧2 ⇔ {
arg(𝑧1 ) − arg(𝑧2 ) = 2𝑘𝜋 𝑘 ∈ ℤ
Resulta:
|𝑤|𝑛 = |𝑧|(1)
𝑤𝑛 = 𝑧 ⇔ {
𝑛𝛽 − 𝛼 = 2𝑘𝜋 , 𝑘 ∈ ℤ (2)
De (1) se deduce:
𝑛
|𝑤| = √|𝑧|
De (2)se deduce:
𝛼 + 2𝑘𝜋
𝛽= , 𝑘∈ℤ
𝑛
Por lo tanto si 𝑧 = |𝑧|𝑒 𝑖𝛼 :
𝛼+2𝑘𝜋
𝑛 𝑛 𝑖( )
√𝑧 = √|𝑧|. 𝑒 𝑛 , 𝑘∈ℤ
Ejemplo 1
Calcular√−1 − 𝑖 .
3
Resolución
5
𝒛 = −1 − 𝑖 , |𝑧| = √2 , 𝐴𝑟𝑔(𝑧) = 𝜋
4
Apliquemos la fórmula que obtuvimos para las raíces de números complejos:
5𝜋+2𝑘𝜋
3 𝑖 (4 3 ) 5 2
= √2. 𝑒𝑖(12𝜋+3𝜋.𝑘) ,
6
√−1 − 𝑖 = √√2. 𝑒
3
𝑘∈𝑧
Reemplazando 𝑘 obtenemos soluciones:

5
𝑘 = 0 ⇒ 𝑤0 = √2. 𝑒 12𝜋𝑖
6
13
𝑘 = 1 ⇒ 𝑤1 = √2. 𝑒 12𝜋𝑖
6
21
𝑘 = 2 ⇒ 𝑤2 = √2. 𝑒 12𝜋𝑖
6
20
29
𝑘 = 3 ⇒ 𝑤3 = √2. 𝑒 12𝜋𝑖 ,
6 29 5
𝜋 = 2𝜋 + 𝜋 𝑤3 𝑐𝑜𝑖𝑛𝑐𝑖𝑑𝑒 𝑐𝑜𝑛 𝑤0
12 12
37
𝑘 = 4 ⇒ 𝑤4 = √2. 𝑒 12𝜋𝑖 ,12 𝜋 = 2𝜋 + 12 𝜋
6 37 13
𝑤4 𝑐𝑜𝑖𝑛𝑐𝑖𝑑𝑒 𝑐𝑜𝑛 𝑤1
45
𝑘 = 5 ⇒ 𝑤5 = √2. 𝑒 12𝜋𝑖 ,
6 45 21
𝜋 = 2𝜋 + 𝜋 𝑤5 𝐶𝑜𝑖𝑛𝑐𝑖𝑑𝑒 𝑐𝑜𝑛 𝑤2
12 12
Las soluciones empiezan a repetirse. Hemos encontrado tres soluciones distintas:

𝑤0 , 𝑤1 y 𝑤2 . Realicemos una gráfica con estas tres soluciones:
Cómo se puede ver en la gráfica, las tres raíces cúbicas de 𝑧 forman un triángulo
equilátero.
Retomemos la fórmula de radicación y analicemos cuántas soluciones distintas se

obtienen.
Para 𝑧 = |𝑧|𝑒 𝑖𝛼 , habíamos obtenido:
21
𝛼+2𝑘𝜋
𝑛 𝑛 𝑖( )
√𝑧 = √|𝑧|. 𝑒 𝑛 , 𝑘∈ℤ
Asignando valores a 𝑘:
𝛼
𝑘 = 0 ⇒ 𝛽0 =
𝑛
𝛼 + 2𝜋
𝑘 = 1 ⇒ 𝛽1 =
𝑛
𝛼 + 2. (2𝜋)
𝑘 = 2 ⇒ 𝛽2 =
𝑛
𝛼 + 3. (2𝜋)
𝑘 = 3 ⇒ 𝛽3 =
𝑛
𝛼 + (𝑛 − 1). (2𝜋)
𝑘 = 𝑛 − 1 ⇒ 𝛽𝑛−1 =
𝑛
𝛼 + 𝑛. (2𝜋) 𝛼
𝑘 = 𝑛 ⇒ 𝛽𝑛 = = + 2𝜋 = 𝛽0
𝑛 𝑛
𝛼 + (𝑛 + 1). (2𝜋) 𝛼 + 2𝜋
𝑘 = 𝑛 + 1 ⇒ 𝛽𝑛+1 = = + 2𝜋 = 𝛽1
𝑛 𝑛
Vemos que a partir de𝑘 = 𝑛, empiezan a repetirse las soluciones.
Podemos concluir que las soluciones distintas se obtienen con 𝑘 = 0,1, … , 𝑛 − 1. Por
lo tanto, la raíz enésima de un número complejo tiene exactamente 𝒏 soluciones:
𝜶 + 𝟐𝒌𝝅
𝒏 𝒏 ( )𝒊
√𝒛 = √|𝒛|. 𝒆 𝒏 ,𝒌 = 𝟎,𝟏,…,𝒏 − 𝟏
Notemos que las 𝑛 raíces tienen el mismo módulo. Tal como vimos en el ejemplo 1,
podemos afirmar que las 𝑛 raíces enésimas de un número complejo forman un
polígono regular de n lados inscripto en una circunferencia de radio √|𝑧|.
𝑛
EPL 2
Completar la siguiente tabla:
Forma
Complejo Forma trigonométrica Forma exponencial
binómica
5 5
𝑧1 6. (cos ( 𝜋) + 𝑖. 𝑠𝑒𝑛 ( 𝜋))
6 6
22
1
𝑧2 2𝑒 3𝜋
√𝑧1
3
√𝑧1
4
√𝑧2
Ejemplo 2
Resolver en ℂ la siguiente ecuación:
𝑥4 + 1 = 0
Resolución
Despejando:
4
𝑥 = √−1
Luego debemos buscar la raíz cuarta de 𝑧 = −1 = 𝑒 𝜋 𝑖 . Según la fórmula de

radicación:
𝜋+2𝑘𝜋
4 ( )𝑖
𝑥 = √1𝑒 4 , 𝑘 = 0,1,2,3
𝜋
⇒ 𝑥0 = 𝑒 4 𝑖
3𝜋
𝑖
⇒ 𝑥1 = 𝑒 4
5𝜋
𝑖
⇒ 𝑥2 = 𝑒 4
7𝜋
𝑖
⇒ 𝑥3 = 𝑒 4
Grafiquemos estas cuatro soluciones obtenidas:
23
También se forma un polígono regular con las raíces cuartas de 𝑧, en este caso se
trata de un cuadrado.
Applet de GeoGebra para explorar la

“geometría” de las raicés n-ésimas de un
número complejo
En el siguiente applet es posible calcular y graficar las raíces enésimas de un
número complejo dado. Está configurado para realizar raíces de índice entre 2
hasta 8.
Se puede definir un complejo 𝑧 en forma binómica completando los casilleros, o

bien tomar con el cursor un punto del plano.
El índice de la raíz se puede seleccionar desde 𝑛 = 2 hasta 𝑛 = 8 moviendo el

punto sobre el segmento.
Les proponemos que elijan diferentes números complejos y calculen raíces de

distintos índices.
Como habíamos visto anteriormente el gráfico de las raíces de un número

complejo es un polígono regular de 𝑛 lados que está inscripto en una
circunferencia de radio √|𝑧|.
𝑛
24
Este applet puede usarse para verificar los resultados obtenidos en algunos
ejercicios (por ejemplo en el EPL 2).
Ejemplo 3
Resolver la siguiente ecuación ℝ y ℂ:
𝑥 5 + 16𝑥 = 0
Resolución
En ℝ:
Factoreando:
𝑥(𝑥 4 + 16) = 0
⇒ 𝑥 = 0 ∨ 𝑥 4 + 16 = 0
La segunda ecuación no tiene solución en reales, luego:
𝑆ℝ = {0}
En ℂ:
En ℂhay cuatro soluciones para la ecuación 𝑥 4 + 16 = 0, que son las raíces cuartas
de −16. Luego la solución es de la forma:
𝑆ℂ = {0; 𝑤0 ; 𝑤1 , 𝑤2 , 𝑤3 }
Donde 𝑤0 , 𝑤1 , 𝑤2 y 𝑤3 son las raíces cuartas de −16. Dejamos a cargo del lector el
cálculo de las mismas.
EPL 3
Hallar 𝑧 ∈ ℂ sabiendo que 𝑤 = √3 − 𝑖 es una de las raíces cúbicas de z.
Obtener y graficar el conjunto de raíces cúbicas de z.
EPL 4
𝜋
Resolver en ℝy en ℂla ecuación(𝑥 2 + 3)(𝑥 3 + 𝑘) = 0sabiendo que 𝑥 = 2𝑒 3 𝑖 es una
de las soluciones.
Regiones del plano complejo

A continuación veremos una serie de ejemplos que muestran cómo se puede
graficar una región del plano complejo que cumple con ciertas condiciones.
Ejemplo 1
Hallar la región del plano complejo determinada por:
{𝑧 ∈ ℂ ∶ |𝑧 + 2| ≤ 1}
25
Resolución
Si 𝑧 = 𝑥 + 𝑦𝑖 , resulta:
|𝑥 + 𝑦𝑖 + 2| ≤ 1
|(𝑥 + 2) + 𝑦𝑖 | ≤ 1
√(𝑥 + 2)2 + 𝑦 2 ≤ 1
Observación importante: La unidad imaginaria no interviene en el cálculo del

módulo: |𝒂 + 𝒃𝒊| = √𝒂𝟐 + 𝒃𝟐
Elevando al cuadrado ambos miembros:
(𝑥 + 2)2 + 𝑦 2 ≤ 1
Podemos sustituir el símbolo de ≤ por el de = para obtener la frontera o borde de

la región:
(𝑥 + 2)2 + 𝑦 2 = 1
Ésta es la ecuación de una circunferencia con centro en (−2,0) y radio 1.
Veamos una gráfica de la región:
Son todos los puntos que están a distancia menor o igual que 1 del punto (-2,0)
Ejemplo 2
26
𝜋 3
{𝑧 ∈ ℂ ∶ |𝑧| ≤ 2 , ≤ arg(𝑧) ≤ 𝜋}
2 4
Resolución
Esta región está definida utilizando la expresión trigonométrica de un número

complejo. |𝑧| ≤ 2 quiere decir que el módulo debe ser menor o igual a 2, y la otra
condición establece que el argumento está entre 𝜋/2 y 3/4𝜋.
Luego:
𝜋 3
|𝑧| ≤ 2 , ≤ arg(𝑧) ≤ 𝜋
2 4
Observación: 𝑧 = (0,0) no está incluido, porque no tiene argumento.
Ejemplo 3
𝜋 3
{𝑧 ∈ ℂ ∶ |𝑧 + 𝑖| ≤ 2 , ≤ arg(𝑧) ≤ 𝜋}
2 4
Resolución
Esta región está definida utilizando la expresión trigonométrica de un número

complejo. |𝑧 + 𝑖| ≤ 2representa al círculo con centro en −𝑖 de radio 2. La otra
condición establece que el argumento está comprendido entre 𝜋/2 y 3/4𝜋.
Luego la intersección entre ambas regiones es:
27
𝜋 3
≤ arg(𝑧) ≤ 𝜋
2 4
|𝒛 + 𝒊| ≤ 𝟐
Noten que 𝑧 = 0 no está incluido porque no tiene argumento.
𝜋 3
Observación: un error muy común es indicar el ángulo dado por ≤ arg(𝑧) ≤ 𝜋
2 4
con vértice en el centro de la circunferencia:
ERROR COMÚN:
Está mal usar como vértice
el centro de la circunferencia.
Ejemplo 4
{𝑧 ∈ ℂ ∶ |𝑧 + 𝑖| = |𝑧 − 1| , 𝑅𝑒(𝑧) > 1}
Resolución
28
Razonamiento analítico
|𝑥 + 𝑖𝑦 + 𝑖| = |𝑥 + 𝑖𝑦 − 1|
| 𝑥 + 𝑖(𝑦 + 1)| = | (𝑥 − 1) + 𝑖𝑦 |
Calculamos el módulo de cada complejo:
√𝑥 2 + (𝑦 + 1)2 = √(𝑥 − 1)2 + 𝑦 2 , 𝑥>1
𝑥 2 + (𝑦 + 1)2 = (𝑥 − 1)2 + 𝑦 2 , 𝑥>1
𝑥 2 + 𝑦 2 + 2𝑦 + 1 = 𝑥 2 − 2𝑥 + 1 + 𝑦 2 , 𝑥>1
2𝑦 + 1 = −2𝑥 + 1 , 𝑥>1
𝑦 = −𝑥 , 𝑥>1
𝑦 = −𝑥 , 𝑥>1
Si 𝑎, 𝑏 ∈ ℝ entonces |𝑎 − 𝑏| representa la distancia entre 𝑎 y 𝑏.
Análogamente se puede definir la distancia en ℂ. Sean 𝑧1 , 𝑧2 ∈ ℂ entonces |𝑧1 − 𝑧2 |

es la distancia entre 𝑧1 y 𝑧2.
Luego |𝑧 + 𝑖| = |𝑧 − (−𝑖)|representa la distancia entre 𝑧 y −𝑖.
29
Y |𝑧 − 1| representa la distancia entre 𝑧 y 1.
La ecuación|𝑧 + 𝑖| = |𝑧 − 1|caracteriza al conjunto de números complejos que

están a igual distancia de(−𝑖) que de 1.
Traducido a ℝ2, se trata del conjunto de puntos del plano que equidistan de
𝐴(0, −1) y 𝐵(1,0), o sea, es la mediatriz del segmento 𝐴𝐵. Considerando la
restricción 𝑅𝑒(𝑧) > 1, se obtiene la gráfica anterior.
Ejemplo 5
𝐼𝑚(𝑧 − 𝑖) = 𝑅𝑒(𝑧 + 1)
Resolución
Escribiremos al número complejo 𝑧 como 𝑥 + 𝑦𝑖:
𝐼𝑚(𝑥 + 𝑖𝑦 − 𝑖) = 𝑅𝑒(𝑥 + 𝑖𝑦 + 1)
𝑦−1=𝑥+1
𝑦 = 𝑥+2
Veamos una gráfica de la región (que es sencillamente la recta 𝑦 = 𝑥 + 2):
30
Ejemplo 6
|𝑧 − 𝑖| + |𝑧 + 𝑖| = 4
{
0 ≤ 𝐴𝑟𝑔(𝑧) ≤ 𝜋
Resolución
|𝑥 + 𝑦𝑖 − 𝑖| + |𝑥 + 𝑦𝑖 + 𝑖| = 4
√𝑥 2 + (𝑦 − 1)2 + √𝑥 2 + (𝑦 + 1)2 = 4
√𝑥 2 + (𝑦 − 1)2 = 4 − √𝑥 2 + (𝑦 + 1)2
Elevamos al cuadrado a ambos miembros:
𝑥 2 + (𝑦 − 1)2 = 42 + 𝑥 2 + (𝑦 + 1)2 − 8√𝑥 2 + (𝑦 + 1)2
𝑦 2 − 2𝑦 + 1 = 42 + 𝑦 2 + 2𝑦 + 1 − 8√𝑥 2 + (𝑦 + 1)2
−4𝑦 − 16 = −8√𝑥 2 + (𝑦 + 1)2
𝑦+4
= √𝑥 2 + (𝑦 + 1)2
2
Volvemos a elevar al cuadrado a ambos miembros:
(𝑦 + 4)2
= 𝑥 2 + (𝑦 + 1)2
4
(𝑦 + 4)2 = 4𝑥 2 + 4(𝑦 + 1)2
𝑦 2 + 8𝑦 + 16 = 4𝑥 2 + 4𝑦 2 + 8𝑦 + 4
0 = 4𝑥 2 + 3𝑦 2 − 12
12 = 4𝑥 2 + 3𝑦 2
𝑥2 𝑦2
+ =1
3 4
Se trata de la ecuación de una elipse con eje focal vertical y centrada en (0,0):
31
Pero también debe ser:
0 ≤ 𝐴𝑟𝑔(𝑧) ≤ 𝜋
Luego no es toda la elipse sino aquel arco que cumple con que el argumento está
comprendido entre 0 y 𝜋:
|𝑧 − 𝑖| + |𝑧 + 𝑖| = 4
{
0 ≤ 𝐴𝑟𝑔(𝑧) ≤ 𝜋
|𝑧 − 𝑖|: representa la distancia de 𝑧 a 𝑖.
|𝑧 + 𝑖|: representa la distancia de 𝑧 a -𝑖.
32
Es decir que la suma de esas distancias debe ser constante, e igual a 4.
Traducido a ℝ2, es el conjunto de puntos del plano tales que la suma de sus
distancias a dos puntos fijos: (0,1) y (0, −1) es igual a 4. De acuerdo con lo que
hemos visto en la unidad de cónicas, se trata de la elipse de focos (0,1) y (0, −1) y
semieje mayor 𝑎 = 2.
Para hallar el semieje menor aplicamos la relación: 𝑎2 = 𝑏2 + 𝑐 2 , a partir de la cual

se obtiene 𝑏 = √3 .
EPL 5
Hallar analíticamente y graficar la región del plano complejo definida
por:
𝜋 3𝜋
{𝑧 ∈ 𝐶: |𝑧 − 2𝑖| < 2 , 𝐼𝑚(𝑧 2 ) ≤ 0 , ≤ Arg(𝑧) ≤ }
4 4
33

Apuntes (UTN BA) PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Apuntes (UTN BA) PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

ÁLGEBRA Y

AGA Virtual Segundo cuatrimestre 2016 Unidad 1

Ecuaciones paramétricas de la recta ....................................................................... 54

 eje x (eje de abscisas, en rojo)

los cuales se cortan en el punto O (origen de coordenadas).

En el siguiente esquema se ven los tres planos que quedan determinados:

 el plano 𝑥𝑦 (en azul)

Se puede demostrar que hay dos formas diferentes de armar un sistema de

Terna derecha Terna izquierda

Para dar un ejemplo en el siguiente esquema graficamos al punto 𝑃(2,4,3), y su

Operaciones y nociones básicas sobre

A continuación definimos algunas operaciones y nociones básicas:

El producto de un escalar por un vector se define:

𝑘. 𝑣⃗ es un vector tal que:

 Tiene igual dirección que el vector 𝑣⃗

¿Cómo es la longitud del vector 𝑘. 𝑣⃗ respecto de la de 𝑣⃗ ?

Si |𝑘| > 1 entonces ‖𝑘. 𝑣⃗‖ > ‖𝑣⃗‖

Si |𝑘| < 1 entonces ‖𝑘. 𝑣⃗‖ < ‖𝑣⃗‖

Si |𝑘| = 1 entonces ‖𝑘. 𝑣⃗‖ = ‖𝑣⃗‖

‖𝑣⃗‖: módulo o norma de un vector

|𝑘|: módulo o valor absoluto de un número real

La definición de producto de un escalar por un vector permite enunciar una

Para responderlo escribiremos la igualdad y trataremos de calcular 𝛼, y 𝛽:

(−1,3, −1) = 𝛼. (1, −1,1) + 𝛽. (2,0,2)

(−1,3, −1) = (𝛼 + 2𝛽, −𝛼, 𝛼 + 2𝛽)

(−1,3, −1) = −3. (1, −1,1) + 1. (2,0,2)

Como existen 𝛼, 𝛽 ∈ ℝ tales que 𝑤 ⃗⃗ + 𝛽. 𝑣⃗ , diremos que 𝑤

Podemos visualizar esto en un gráfico:

Pero esto puede llevarnos a la pregunta:

Veamos otro ejemplo para responderla.

Veamos si existen 𝛼, 𝛽 ∈ ℝ tal que 𝑤 ⃗⃗ + 𝛽. 𝑣⃗ :

(4,2,1) = 𝛼(2, −3,4) + 𝛽. (−5,1,0)

(4,2,1) = (2𝛼, −3𝛼, 4𝛼) + (−5𝛽, 1𝛽, 0)

(4,2,1) = (2𝛼 − 5𝛽, −3𝛼 + 1𝛽, 4𝛼)

Es un sistema con tres ecuaciones y dos incógnitas. Podemos despejar 𝛼 𝑦 𝛽 a

Pero luego debemos verificar si estos valores satisfacen primera ecuación.

No se verifica la ecuación, por lo tanto no existen los escalares 𝛼 𝑦 𝛽 que satisfagan

Como puede observarse en la imagen, los tres vectores no están contenidos en un

Propiedades de la suma de vectores y del

Módulo o norma de un vector en ℝ𝟑

Aplicando el teorema de Pitágoras sobre el triángulo sombreado de naranja:

𝑑 2 = 𝑣𝑥2 + 𝑣𝑦2 (1)

Aplicando el teorema de Pitágoras sobre el triangulo sombreado de rosa:

‖𝑣⃗‖2 = 𝑑 2 + 𝑣𝑧2 (2)

Sustituyendo (1) en (2):

‖𝑣⃗‖2 = 𝑣𝑥2 + 𝑣𝑦2 + 𝑣𝑧2

Aplicando raíz cuadrada a ambos miembros:

⃗⃗‖ = √𝒗𝟐𝒙 + 𝒗𝟐𝒚 + 𝒗𝟐𝒛

Propiedades del módulo o norma de un vector

El nombre de desigualdad triangular se conecta con la propiedad que dice: “La

¿Qué condiciones tienen que cumplir los vectores 𝑣⃗ y 𝑤

‖−2𝑣⃗‖ = √(−2)2 + 22 + 42 = √24 = 2√6

⃗⃗⃗‖ = √32 + 02 + (−4)2 = 5

⃗⃗⃗‖ = ‖(2,1, −2)‖ = √22 + 12 + (−2)2 = 3

Observemos que ‖𝑣⃗ + 𝑤

Vector determinado por dos puntos

Según hemos visto:

Veamos esto en un gráfico:

Distancia entre dos puntos

Para hallar esta distancia armamos el vector ⃗⃗⃗⃗⃗⃗

⃗⃗⃗⃗⃗⃗ = (2, −1, −2)

⃗⃗⃗⃗⃗⃗‖ = √22 + (−1)2 + (−2)2 = √4 + 1 + 4 = √9 = 3

⃗⃗⃗⃗⃗⃗‖ = √(𝑥𝐵 − 𝑥𝐴 )2 + (𝑦𝐵 − 𝑦𝐴 )2 + (𝑧𝐵 − 𝑧𝐴 )2