Professional Documents
Culture Documents
Y
π1
ρ
π2
X
Índice
1. Puntos en coordenadas cartesianas 4
1.1. Distancia entre dos puntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.1. Propiedades de la distancia . . . . . . . . . . . . . . . . . . . . . . . 6
2. Vectores 6
2.1. Representación gráfica de vectores cuando n = {1, 2, 3} . . . . . . . . . . . . 7
2.2. Operaciones con vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.1. Suma de vectores con componentes reales . . . . . . . . . . . . . . . 8
2.2.2. Escalamiento de un vector . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2.3. Combinación Lineal de vectores . . . . . . . . . . . . . . . . . . . . . 9
2.2.4. Producto Escalar de dos n-vectores . . . . . . . . . . . . . . . . . . . 10
2.2.5. Módulo de un vector . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2
JOM - Algebra Lineal —teorı́a liviana—
Índice Índice
5. La Recta 32
5.1. Ecuación Vectorial Paramétrica de la Recta . . . . . . . . . . . . . . . . . . 32
5.2. Ecuación cartesiana paramétrica . . . . . . . . . . . . . . . . . . . . . . . . 33
5.3. Ejemplo de aplicación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.4. Ecuación Simétrica de la Recta . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.5. Lugar Geométrico de la Recta . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.5.1. Ecuación de los ejes cartesianos . . . . . . . . . . . . . . . . . . . . . 36
5.6. No hay ecuación general de la recta en R3 . . . . . . . . . . . . . . . . . . . 36
5.6.1. Ecuaciones de la recta en R2 . . . . . . . . . . . . . . . . . . . . . . 36
5.6.2. Segmentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.7. Recta Intersección de dos planos . . . . . . . . . . . . . . . . . . . . . . . . 37
6. Matrices 39
6.1. Matriz como colección de vectores . . . . . . . . . . . . . . . . . . . . . . . 40
6.2. Tipos de Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
6.3. Operaciones con matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
6.3.1. Suma de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
6.3.2. Escalamiento de matrices . . . . . . . . . . . . . . . . . . . . . . . . 42
6.3.3. Producto de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.3.4. Traspuesta de una Matriz . . . . . . . . . . . . . . . . . . . . . . . . 44
6.3.5. Pre y Posmultiplicación . . . . . . . . . . . . . . . . . . . . . . . . . 44
6.4. Menores y Cofactores de una matriz . . . . . . . . . . . . . . . . . . . . . . 46
6.5. Determinante de una matriz cuadrada . . . . . . . . . . . . . . . . . . . . . 46
3
JOM - Algebra Lineal
1 Puntos en coordenadas cartesianas
Z
a3
Y A(a1 , a2 , a3 )
a2
A(a1 ) A(a1 , a2 ) a2
Y
X
0 a1
a1 X X
Observando los diagramas de la figura para los casos en que los puntos ((viven)) en R
y en R2 ,
Y
B
b2
A B
a1 b1 X A
0 a2
a1 b1 X
4
JOM - Algebra Lineal
1.1 Distancia entre dos puntos 1 Puntos en coordenadas cartesianas
y
p
δ(A, B) = (b1 − a1 )2 + (b2 − a2 )2
Z
a3
π
) A
δ (A
a2
Y
a1
Figura 3 – Distancia en R3
√
tiene una magnitud de a1 2 + a2 2 , que es la base del triángulo en el plano π; de modo
que aplicando de nuevo Pitágoras tenemos
r 2
p
δ(A) = a1 2 + a2 2 + a3 2
p
= a1 2 + a2 2 + a3 2
5
JOM - Algebra Lineal
2 Vectores
Ejemplo 1.1. Calcula las distancias entre los puntos A(3) , B(−2), C(1, 2), D(−2, 4),
E(1, 2, 3) , F (−1, 2, −3)
p
Las distancias calculables son δ(A, B) , δ(C, D) y δ(E, F ) , ya que por ejemplo la distancia
entre A y C no puede ni siquiera plantearse por no estar en el mismo espacio
p p √
δ(A, B) = (−2 − 3)2 = (−5)2 = 25 = 5
p √
δ(C, D) = (−2 − 1)2 + (4 − 2)2 = 13
p √
δ(E, F ) = (−1 − 1)2 + (2 − 2)2 + (−3 − 3)2 = 2 10
. .
Punto : Ente matemático que describe ubicación respecto
de un sistema de referencia.
2. Vectores
Un n-vector es un conjunto ordenado de números que puede escribirse en forma hori-
zontal (vector renglón) o en forma vertical (vector columna). Si los números componentes
del vector son reales, –cada ai ∈ R–, el vector pertenece al conjunto Rn . De esta manera
el 3-vector ~a = (a1 , a2 , a3 ) ∈ R3 es un vector renglón de tres componentes. También se lo
a1
puede escribir como ~a = a2 ∈ R3 y en ambos casos diremos que la dimensión es de
a3
tres. En otras palabras: la dimensión de un vector es el número de componentes que tiene.
El vector se denota con una letra minúscula con una ((flechita))arriba, y el signo igual
antes de las componentes. De esta forma no se confunden vector y punto (entes que hasta
ahora vimos)
6
JOM - Algebra Lineal
2.1 Representación gráfica de vectores cuando n = {1, 2, 3} 2 Vectores
Dos vectores serán iguales cuando todas sus componentes homólogas lo sean; y para
ello ambos deben ser de la misma dimensión.
Esta no es la única forma de definir un vector, en la fı́sica hay otras definiciones tanto
o más convenientes.
Z
a3
Y ~a = (a1 , a2 , a3 )
a2
~a = (a1 ) ~a = (a1 , a2 ) a2
Y
X
0 a1
a1 X X
Asimismo esta representación gráfica admite traslados paralelos; es decir que podemos
cambiar el origen y situarlo en cualquier lado si respetamos las componentes. entonces,
E
Z
)
a3
Y , a3
, a 2
a 2) E (a 1
~a = (a1 ) (a 1, =
= ~a
a2
~a Y
E X a2
0 B B a1
B a1
X X
Las componentes son las proyecciones (escalares) del vector sobre el eje respectivo.
7
JOM - Algebra Lineal
2 Vectores 2.2 Operaciones con vectores
u3 v3 u3 + v3 w3
con ello tenemos que la suma de vectores es cerrada cuando las componentes son reales.
Además se cumple que la suma de vectores es conmutativa.
En el ejemplo siguiente sumamos gráficamente dos vectores del plano. La de la iz-
u~2
u~2
u~1
u~2
u~2
+
+
u~1
u~1
u~1
u~1
u~2
Es decir que el vector nulo de componentes reales es aquel que puede escribirse con todas
sus componentes cero
θ = (0, 0, · · · , 0) (6)
8
JOM - Algebra Lineal
2.2 Operaciones con vectores 2 Vectores
El vector opuesto a otro ~u es aquel que sumado a éste arroja el vector nulo, por
ejemplo:
0 0
u1 u1 u1 + u1 0
0 0
u2 u2 u2 + u2 0
. + .. = .. = ..
.
. . . .
0 0
un un un + un 0
⇓
0
u1 −u1
0
u2 −u2
.. = .. (7)
. .
0
un −un
Y Y
4, 2)
) =(
(2, 1 2~a
~a =
1)
X −2, − X
=(
−~a
9
JOM - Algebra Lineal
2 Vectores 2.2 Operaciones con vectores
~v −
2~v
~u
~u
1~u − 2
~v
donde los escalares son k1 = 2 y k2 = 3, y los vectores son ~v1 = (1, 3, 0) y ~v2 = (2, 0, 4) ∈ R3
y p = 2 y n = 3.
La combinación lineal de vectores sólo puede lograrse si todos los vectores son de la
misma dimensión.
los escalares k1 = 2 y k2 = 3 se denotan ((2, 3)) y forman la realización para ~v .
La realización ((1, −1)) de la combinación lineal de los vectores de A produce otro vector,
(1, 3, 0) − (2, 0, 4) = (−1, 3, −4) = w.
~
~u = (u1 , u2 , u3 , · · · , un )
~v = (v1 , v2 , v3 , · · · , vn )
Xn
~u · ~v = ui vi (9)
i=1
= u1 v1 + u2 v2 + u3 v3 + · · · + un vn
Una forma práctica para calcularla es escribir el segundo vector como vector columna
v1
v2
~u · ~v = (u1 u2 u3 · · · un ) v3
.
..
vn
donde cada sumando es el producto elemento a elemento.
10
JOM - Algebra Lineal
3 Vectores en el plano y en el espacio
El módulo de un vector se define como la raı́z cuadrada positiva del producto escalar
del n-vector por sı́ mismo
q
|~u| = u21 + u22 + · · · + u2n (10)
= ~u · ~u
es decir el producto de los módulos por el coseno del ángulo comprendido, como se ve en
la figura
~v
~u
11
JOM - Algebra Lineal
3 Vectores en el plano y en el espacio 3.2 Componentes de un vector escalado
R(x + u1 + v1 , y + u2 + v2 , z + u3 + v3 )
~v
Q(x + u1 , y + u2 , z + u3 )
~v
+
~u
~u
P (x, y, z)
−
→
λ~u = λu = (λu1 , λu2 , λu3 ) (12)
tiene la misma dirección que ~u. Si λ > 0 tiene también el mismo sentido, y si λ < 0 tiene
sentido opuesto. En la figura se aprecia el efecto para λ1 = ±2 y λ1 = ±0.5
u
2~
1
~u
−2~u
2~u
− 1~u
2
−−−→
λ1 (λ2 ~u) = (λ1 λ2 ) ~u = λ1 λ2 u (13)
12
JOM - Algebra Lineal
3.3 Vector Unitario o Versor 3 Vectores en el plano y en el espacio
ı̌ = (1, 0, 0) (15)
̌ = (0, 1, 0)
κ̌ = (0, 0, 1)
κ̌
̌
Y
ı̌
X
fundamentales –versores– radica en que cualquier vector del espacio puede escribirse de
una única manera como combinación lineal de ellos, en otras palabras
~u = (u1 , u2 , u3 )
= u1 (1, 0, 0) + u2 (0, 1, 0) + u3 (0, 0, 1)
= u1 ı̌ + u2 ̌ + u3 κ̌ (16)
2
Ciertas traducciones de libros originales en inglés, como “Algebra Lineal” de Stanley Grossman usan
el término dirección para especificar ambos, dirección y sentido.
13
JOM - Algebra Lineal
3 Vectores en el plano y en el espacio 3.5 Ángulo formado por dos vectores
)
u3
2,
,u
1
(u
u3 κ̌
=
Z
~u
Y
1
ı̌
u
u2 ̌
X
figura 13.
~u
θ
14
JOM - Algebra Lineal
3.6 Ángulos directores de un vector 3 Vectores en el plano y en el espacio
−5
θu−v = arc cos √ √ = 180o
5 5
10
θu−w = arc cos √ √ = 0o
5 20
0
θu−x = arc cos √ √ = 90o
5 5
Aplicando la (17) para el caso en que el el producto escalar de dos vectores no nulos
~u · ~v π
fuera cero, cos θ = = ǔ · v̌ = 0 arroja que θ = , es decir que los vectores son
|~u| · |~v | 2
normales ssi4 su producto escalar es nulo.
Z
γ, α3 ~u
β, α2
Y
α, α1
4
ssi es una abreviatura para decir ((si y sólo si))(doble implicación o equivalencia lógica)
15
JOM - Algebra Lineal
3 Vectores en el plano y en el espacio 3.6 Ángulos directores de un vector
u1 u2 u3
Aplicando la (18), y haciendo ǔ = , , tenemos que
|~u| |~u| |~u|
u1
α1 = arc cos (ǔ · ı̌) = arc cos =α
|~u|
u2
α2 = arc cos (ǔ · ̌) = arc cos =β
|~u|
u3
α3 = arc cos (ǔ · κ̌) = arc cos =γ
|~u|
los ángulos α1 , α2 y α3 se llaman ángulos directores, y sus cosenos; los cosenos directores
u1
cos α1 = = cos α (19)
|~u|
u2
cos α2 = = cos β
|~u|
u3
cos α3 = = cos γ
|~u|
de modo que cualquier vector ~u = (u1 , u2 , u3 ) puede escribirse
~u = (u1 , u2 , u3 )
u1 u2 u3
= |~u| , ,
|~u| |~u| |~u|
= |~u| (cos α1 , cos α2 , cos α3 ) (20)
= |~u| ǔ
en otras palabras: un vector puede describirse por una parte que le da el módulo, y otra
parte que le otorga la dirección y el sentido.
u1 u2 u3
Como ǔ = (cos α1 , cos α2 , cos α3 ) = , , es versor, su módulo:
|~u| |~u| |~u|
esto significa que no cualquier realización de ángulos pueden ser directores de un vector,
ya que ellos quedan vinculados por la (21), que se llama relación fundamental.
π π π
Por ejemplo: puede un vector tener ángulos directores α1 = ; α2 = ; α3 = ? Como
4 3 6
π π π 2 1 3
cos2 + cos2 + cos2 = + + 6= 1
4 3 6 4 4 4
no pueden ser directores de un vector.
Siguiendo con el ejemplo: si no conociéramos α3 , podemos hacer
π π 1 1
cos2 + cos2 + cos2 α3 = + + cos2 α3 = 1
4 3 2 4
de donde
1 1 1
cos2 α3 = 1 − − =
2 4 4
16
JOM - Algebra Lineal
3.6 Ángulos directores de un vector 3 Vectores en el plano y en el espacio
y
1
cos α3 = ±
2
de donde dos versores son posibles:
1 1 1 1 1 1
ǔ1 = √ , , , ǔ2 = √ , , −
2 2 2 2 2 2
π π π
y con ello las familias de vectores que tienen ángulos directores , , y la familia
4 3 3
π π 2
con ángulos directores , , π .5
4 3 3
Observaciones:
Podemos decir entonces que dos vectores tienen igual dirección y sentido si sus ángu-
los (cosenos) directores coinciden homólogamente; y tienen igual dirección pero sentido
opuesto si sus cosenos directores son opuestos (sus ángulos directores son suplementarios).
. .
Un vector puede describirse unı́vocamente mediante
su módulo y sus cosenos directores
17
JOM - Algebra Lineal
3 Vectores en el plano y en el espacio 3.7 Producto Escalar (revisita)
~u · (~v + w)
~ = ~u · (v1 + w1 , v2 + w2 , v3 + w3 )
= u1 (v1 + w1 ) + u2 (v2 + w2 ) + u3 (v3 + w3 )
ahora cada sumando es real, y la distributividad del producto en la suma está garantizada,
por eso podemos hacer
~u · (~v + w)
~ = u1 v1 + u1 w1 + u2 v2 + u2 w2 + u3 v3 + u3 w3
como cada sumando es real, y hay asociatividad para la suma en los reales, podemos
agrupar convenientemente
~u · (~v + w)
~ = (u1 v1 + u2 v2 + u3 v3 ) + (u1 w1 + u2 w2 + u3 w3 )
~u · (~v + w)
~ = (~u · ~v ) + (~u · w)
~
~u · (~v + w)
~ = ~u · ~v + ~u · w
~ (22)
y ya está.
Cabe decir que la (22) vale para más vectores sumandos.
Es evidente que los resultados
(~u + ~v ) · w
~ = ~u · w
~ + ~v · w
~ (23)
(~u1 + ~u2 ) · (~v + w)
~ = (~u1 + ~u2 ) · ~v + (~u1 + ~u2 ) · w
~
= ~u1 · ~v + ~u2 · ~v + ~u1 · w
~ + ~u2 · w
~ (24)
son correctos, ya que la (23) se basa en la conmutavidad del producto escalar y la (22); y
claramente puede obtenerse la 24, a partir de las (22) y (23).
18
JOM - Algebra Lineal
3.8 Proyecciones 3 Vectores en el plano y en el espacio
ı̌ · ̌ = ı̌ · κ̌ = ̌ · κ̌ = 0 (26)
ı̌ · ı̌ = ̌ · ̌ = κ̌ · κ̌ = 1
~u · ~v = u1 v1 ı̌ · ı̌ + u1 v2 ı̌ · ̌ + u1 v3 ı̌ · κ̌+
+ u2 v1 ̌ · ı̌ + u2 v2 ̌ · ̌ + u2 v3 ̌ · κ̌+
+ u3 v1 κ̌ · ı̌ + u3 v2 κ̌ · ̌ + u3 v3 κ̌ · κ̌
= u1 v1 + u2 v2 + u3 v3
3.8. Proyecciones
Un vector ~u puede proyectarse en la dirección de otro ~v . Veamos la figura 16, (que
puede estar en el plano o el espacio)
~u v̌ N
~v ~v
~u
~u
~u v̌ N
~u v̌
~u v̌
19
JOM - Algebra Lineal
3 Vectores en el plano y en el espacio 3.8 Proyecciones
es decir
~uv = proyv ~u v̌
v̌ nos da la dirección de ~uv , y proyv ~u nos da el módulo y el sentido.
Resumiendo: la proyección escalar se podrá calcular de varias maneras, entre ellas:
~u · ~v
proyv ~u = |~u| cos θ = (28)
|~v |
ası́ como el vector proyección
~u · ~v
~uv = |~u| cos θ · v̌ = · ~v
~v · ~v
proyv ~u se conoce en algunos libros8 como ((la componente de ~u en la dirección de ~v )). Sin
~u · ~v |~u| cos θ
embargo este concepto está mejor expresado como =
~v · ~v |~v |
~u · ~v
C~uv = (Componente)
~v · ~v
Las proyecciones escalares de un vector ~u sobre los ejes son sus componentes
~u = (u1 , u2 , u3 )
proyı̌ ~u = ~u · ı̌ = u1 , proy̌ ~u = ~u · ̌ = u2 , proyκ̌ ~u = ~u · κ̌ = u3
20
JOM - Algebra Lineal
3.9 Producto vectorial (producto cruz) 3 Vectores en el plano y en el espacio
1. es otro vector.
Desarrollando (31) tenemos que
" # " # " #
u u u u u u
→
−
u ×→
−
v =
2 3
ı̌ −
1 3
̌ +
1 2
κ̌
v2 v3 v1 v3 v1 v2
u1 v2 − u2 v1
=→−
w
u1 v2 − u2 v1
y
u2 v3 − u3 v2
→
−
w ·→
−
u = v1 , v 2 , v 3 u3 v1 − u1 v3 = 0
u1 v2 − u2 v1
~v ×
~v
~u
~u
9
Este producto es válido sólo para los vectores de R3 . y la definición no es exactamente esta.
21
JOM - Algebra Lineal
3 Vectores en el plano y en el espacio 3.9 Producto vectorial (producto cruz)
~v
~u
~v × ~u
~u × ~v = −(~v × ~u)
u1 (v2 + e2 ) − u2 (v1 + e1 )
u2 v3 − u3 v2 u2 e3 − u3 e2
= u3 v1 − u1 v3 + u3 e1 − u1 e3
u1 v2 − u2 v1 u1 e2 − u2 e1
→
− →
− →
−
= u × v + u × e →
−
2. Escalar uno u otro vector antes del producto vectorial es lo mismo que escalarlo
después.
k~u × ~v = ~u × k~v = k (~u × ~v )
22
JOM - Algebra Lineal
3.9 Producto vectorial (producto cruz) 3 Vectores en el plano y en el espacio
5. El módulo del producto vectorial es la superficie del paralelogramo definido por los
vectores Revisemos la figura 19
|~u × ~v | = |~u| |~v | |sin θ| = Areau−v
ya que |~v | |sin θ| representa la altura del paralelogramo y |~u| la base.
~v × ~u
h
~u ~v
θ
Figura 19 – Área y producto vectorial
Vamos a aplicar esta definición a los versores fundamentales (15), por ejemplo ı̌ × ̌
ı̌ ̌ κ̌
ı̌ × ̌ = 1 0 0 = κ̌
0 1 0
ı̌ × ̌ = κ̌ , ̌ × ı̌ = −κ̌
̌ × κ̌ = ı̌ , κ̌ × ̌ = −ı̌
κ̌ × ı̌ = ̌ , ı̌ × κ̌ = −̌
y finalmente ı̌ × ı̌ = ̌ × ̌ = κ̌ × κ̌ = 0
10
La regla de la mano derecha puede verse de esta manera: Extiende ta mano derecha con el pulgar a 90◦
con los otros dedos, de manera que el primer vector del producto ((ingrese))por la palma; haz que los cuatro
dedos apunten al otro vector. En ese momento, el pulgar te indicará la dirección del producto vectorial.
23
JOM - Algebra Lineal
3 Vectores en el plano y en el espacio 3.10 Producto mixto
ı̌ * ̌ * κ̌ * ı̌ * ̌
m = ~u · ~v × w
~ (32)
2. El valor absoluto es el volumen del paralelepı́pedo definido por los tres vectores
V olu−v−w = |~u · ~v × w|
~
24
JOM - Algebra Lineal
4 Ecuaciones del plano
~v × w
~
~u
θ
w
~
α
~v
π3
1
π2
Y
π1
X
para el primer plano la descripción debe ser π1 = {(x, y, 0)} ya que cualquier punto del
espacio debe tener tres coordenadas (x, y, z), y como la restricción para el lugar geométrico
25
JOM - Algebra Lineal
4 Ecuaciones del plano 4.2 Ecuación Vectorial del plano
de todos los puntos que forman el plano es que z = 0 la cota sea cero, fácilmente llegamos
a π1 = {(x, y, 0)} .
Para el plano paralelo al anterior, z = 1, por lo que π2 = {(x, y, 1)}
Para el plano vertical coincidente con el plano YZ, la restricción está en la coordenada x
de todos los puntos, por lo que π3 = {(0, y, z)} .
Cuando tengamos un plano en una posición más general, esta forma de describir las
cosas no bastará...
Z
P
~n
−−→P
P0
Y
P0 O
−−→
~n · P0 P = 0
π X
es cero.
Acá tenemos la ecuación más importante, de la cual deduciremos todas y cada una de las
demás.
Pero, de acuerdo con la figura siguiente...
−−→ −−→ −−→
P0 P = OP − OP0 , con lo que
−−→ → −−→ −−→
P0 P · −
n = OP − OP0 · → −
n =θ
26
JOM - Algebra Lineal
4.3 Ecuación General del plano 4 Ecuaciones del plano
~n P
−−→P
P0
P0
−−→
OP
−→
O−
P0 Y
O
−−→ −−→ −−→
OP0 + P0 P = OP
→
− −−→ −−→
n = (a, b, c) , OP0 = (x0 , y0 , z0 ) , OP = (x, y, z)
y con ello
ax + by + cz = ax0 + by0 + cz0 = d
y finalmente
π : ax + by + cz = d (36)
Es evidente que si hubiésemos usado otro vector normal al plano, digamos k~n con k 6= 0,
hubiese arrojado el mismo resultado12 , por lo que (36) responde a un plano π cuya normal
−−→ −
es (a, b, c) y que contiene al punto P0 tal que OP0 · →
n =d∈R.
Ahora podemos pensar de nuevo en la descripción del plano mediante la notación de
conjuntos.
12
π : akx + bky + ckz = dk es lo mismo que π : ax + by + cz = d, cuando k no es cero
27
JOM - Algebra Lineal
4 Ecuaciones del plano 4.4 Notación de un plano mediante Conjunto
z z0 u3 v3
28
JOM - Algebra Lineal
4.7 Ecuación Segmentaria (CANÓNICA) del plano (ESP) 4 Ecuaciones del plano
P
~n
−−→P
µ · ~v
P0
~v
λ · ~u
~u Y
P0 O
π X
29
JOM - Algebra Lineal
4 Ecuaciones del plano 4.8 Ecuación Normal del plano (ENP)
Z Z
p3 p3
π σ
p2 p2
Y Y
O O
p1
X π: x
+ y
+ z
=1 X σ: y
+ z
=1; x=x
p1 p2 p3 p2 p3
y
x y z
σ: + + =1
6 3 2
y con ello rápidamente bosquejar
Z
2
σ 3
Y
O
X 6 y
Y por último:
y el producto
−−→ −−→
d = ~n · OP0 ⇒ δ = ň · OP0
Como propiedad diremos que |δ| es la distancia del plano al origen de coordenadas, lo
que podemos probar cuando quisiéramos.
30
JOM - Algebra Lineal
4.8 Ecuación Normal del plano (ENP) 4 Ecuaciones del plano
Claramente vemos que el vector normal es ~n = (0, 2, 2) , con lo cual el versor normal
1
será ň = √ (0, 2, 2) .
2 2
dividiendo todo por el módulo y racionalizando, tenemos
√
√
2 2 √
σ: y+ z= 2
2 2
√
(δ = 2) lo cual puede ((verse))–en verdadera magnitud– en la figura 26, si miramos de tal
manera que el semieje positivo de las X nos ((pegue a los ojos)))
y z
σ: + =1
2 2
Z
σ Z
2
√
8
√
2 δ= 2 = 2
2
Y
δ σ
2
Y
X
X
IMPORTANTE
n1 x1 + n2 x2 + n3 x3 = d (42)
n1 x1 + n2 x2 + n3 x3 + f = 0 (43)
y sigue siendo la ecuación de un plano, nada más que ahora el punto genérico del plano
es X (x1 , x2 , x3 ) en lugar de P (x, y, z), y el vector normal es ~n = (n1 , n2 , n3 ) en lugar de
~n = (a, b, c) . Lo que hay que tener en cuenta para detectar una ecuación y decir que se
corresponde a un plano es la estructura de la ecuación, no la notación.-
La estructura para la ecuación general del plano es
P (x, y, z) = 0
31
JOM - Algebra Lineal
5 La Recta
5. La Recta
Ya sea que estemos trabajando en el plano (R2 ) o en el espacio (R3 ), una recta siempre
estará definida por dos puntos... o un punto y la dirección de un vector. ésta última forma
será nuestro modo de abordar las ecuaciones de la recta. Y vamos a tratarla en el espacio,
porque sabemos que todas las conclusiones valdrán también para el plano.
P0
~u λ·
~u
R
O Y
ρ
X
13
λ puede valer cualquier real. En particular, cuando λ es positiva (negativa), R se ubica a la dere-
cha(izquierda) de P0 , de acuero con el sentido que tiene en la figura, el vector director ~ u de la recta.
14
Sólo hay que re-dibujar convenientemente la figura anterior.
15
El parámetro puede ((bautizarse))de cualquier manera. En fı́sica se usa mucho la variable t ∈ R.
32
JOM - Algebra Lineal
5.2 Ecuación cartesiana paramétrica 5 La Recta
la estructura nos dice que en este caso el punto genérico de la recta es R (x1 , x2 , x3 ) , el
punto particular es P (p1 , p2 , p3 ), el vector director es (a, b, c) , y el parámetro es t ∈ R.
q
la velocidad es un vector constante (no cambia con t) y su módulo es |~v | = vx2 + vy2 + vz2 .
x − x0 y − y0 z − z0
ρ: = = =λ (46)
u1 u2 u3
donde hemos supuesto que u1 , u2 , u3 6= 0.16
Los denominadores son las componentes del vector director de la recta y reciben el nombre
16
Los casos particulares: con u3 = 0
x − x0 y − y0
ρ: = , z = z0
u1 u2
33
JOM - Algebra Lineal
5 La Recta 5.5 Lugar Geométrico de la Recta
donde claramente se ve que hay un grado de libertad, como corresponde para pasar de un
punto a otro en una lı́nea.
Para lograrlo, simplemente escribamos las relaciones en función de x :
x−1 y−2
= ⇒ y = 2x
2 4
x−1 z−3 5 1
= ⇒ z = x+
2 5 2 2
de donde
5 1
ρ1 = x , 2x, x +
2 2
y
o u3 = u2 = 0
ρ : x = x , y = y 0 , z = z0
para una recta que yace en un plano paralelo al X-Y, o es paralela al eje X (recı́procamente) se deducen
directamente de la (45).
34
JOM - Algebra Lineal
5.5 Lugar Geométrico de la Recta 5 La Recta
x = 2
Ejemplo 5.2. Encontrar el lugar geométrico de la recta ρ2 : y = 1 − λ
z 3 + 2λ
p
Como x = 2 = cte, la estructura de esta recta deberá ser {(2 , y, z (y))}
Despejando λ en ambas tenemos
y−1 z−3
=
−1 2
y entonces z = −2y + 5con lo que
ρ2 = {(2 , y, 5 − 2y)}
Ejemplo 5.3. Halla todas las ecuaciones vistas para la recta que contiene los puntos
P0 (2, 0, −3) y P1 (4, −3, 2) .
p
−−−→
Para encontrar un vector director simplemente podemos tomar ~u = P0 P1 cuyas compo-
nentes son las diferencias entre las coordenadas de P1 y P0
~u = (2, −3, 5)
la (44) se transforma en
y despejando λ,
x−2 y z+3
= =
2 −3 5
tenemos la ecuación simétrica, de la cual
3 5
x , − x + 3, x − 8
2 2
el lugar geométrico L.G. Son todas las ecuaciones pedidas
y
35
JOM - Algebra Lineal
5 La Recta 5.6 No hay ecuación general de la recta en R3
Si una recta coincide con el eje X (es el eje X) el vector director puede tomarse como
(1, 0, 0) y como punto P0 puede tomarse el origen. Por tanto la ecuación vectorial dirı́a
(x, y, z) = λ (1, 0, 0)
36
JOM - Algebra Lineal
5.7 Recta Intersección de dos planos 5 La Recta
y − y0 = mx + b − y0 = mx + b − (mx0 + b) = mx + b − mx0 − b
= m (x − x0 )
5.6.2. Segmentos
Si una recta une los puntos A y B que definen el segmento, sencillamente podemos
−−→
definir el vector ~u = AB , de manera que si nos situamos haciendo P0 = A podemos
escribir
←−−−→ −−→
A → B = A + λ AB ; λ ∈ [0, 1]
claramente vemos que si orientamos al revés el vector director, para mantener el mismo
parámetro, debemos cambiar el punto inicial por B.
De la misma manera, si queremos hacer que el parámetro cambie en el rango λ ∈ [1, 2],
−→ −−→
debemos tomar P0 = OA − AB.
−−→
En qué rango debieras utilizar el parámetro si usaras como vector director ~u = 0.5 AB ?
Valen estos supuestos en el plano o en el espacio o en ambos?
Si se cambia el entorno del parámetro, la expresión debe corregirse, por ejemplo
←−−−→ −−→
A → B = A + (λ − 1) AB ; λ ∈ [1, 2]
37
JOM - Algebra Lineal
5 La Recta 5.7 Recta Intersección de dos planos
~n2
Z ~n1
Y
π1
ρ
π2
X
−
→ = (1, −1, 1) , −
n → = (1, 2, −3)
n
1 2
→
−
u =−
→×−
n → = (1, 4, 3)
n
1 2
38
JOM - Algebra Lineal
6 Matrices
de donde (
−y + z = −1 − x
2y − 3z = 2−x
sumando a la segunda el doble de la primera tenemos
z = 3x
y luego en la primera
y = 1 + x + z = 1 + 4x (50)
donde obviamente se ve un solo grado de libertad para los puntos del espacio que forman
la recta intersección de dos planos no paralelos..
Claramente vemos que las dos expresiones numeradas son equivalentes.
y
6. Matrices
Una matriz se define como un arreglo rectangular de elementos o entradas que son
números reales. La denotaremos con letra mayúscula y eventualmente también por su
dimensión. Por ejemplo
" # " #
a1,1 a1,2 b1,1 b1,2 b1,3
A= ; B=
a2,1 a2,2 b2,1 b2,2 b2,3
Y se dice que la matriz es de dimensiones m por n. Las entradas de las matrices llevan los
subı́ndices fila-columna (en ese orden).
19
Si las entradas fueran numeros complejos, se denotara A ∈ C m×n .
39
JOM - Algebra Lineal
6 Matrices 6.1 Matriz como colección de vectores
Notación
" # de entradas: pueden notarse de la manera siguiente, por ejemplo para
1 3
A= será
2 4
Las matrices pueden crearse o individualizarse mediante una ley que opere sobre los con-
tadores (subı́ndices) fila y columna. Por ejemplo A = [ai, j ] ∈ R3×2 | ai, j = i + 2j es
1 + 2 (1) 1 + 2 (2) 3 5
A = 2 + 2 (1) 2 + 2 (2) = 4 6
3 + 2 (1) 3 + 2 (2) 5 7
Una entrada se dice que está en la diagonal cuando su contador de fila coincide con su
contador de columna, por ejemplo en la anterior la diagonal está formada por las entradas
3 y 6.
También podemos ver una matriz como una colección de vectores-fila o una colección
de vectores-columna, por ejemplo
1 4
A= 2 5 (53)
3 6
1 4 FA−1
= 2 5 = FA−2 (54)
3 6 FA−3
1 4 h i
= 2 5 = CA−1 CA−1 (55)
3 6
Dos matrices son iguales cuando sus entradas homólogas sean iguales. En otras pala-
bras: para poder comparar dos matrices, éstas deben ser primero de la misma dimensión
(filas y columnas). Formalmente
40
JOM - Algebra Lineal
6.2 Tipos de Matrices 6 Matrices
. .
Matriz : arreglo rectangular con entradas que son
entes matemáticos Am×n .
θ ∈ Rm×n | ∀i, j : a i , j = 0
Matriz Diagonal: las entradas que no están en la diagonal de esta matriz cuadrada
son todas cero.
D ∈ Rn×n | ∀i 6= j : d i , j = 0
Matriz Triangular Superior (Inferior): matriz cuyas entradas por debajo (enci-
ma) de la diagonal son todas cero.
U ∈ Rn×n | ∀i > j : u i , j = 0
n×n
L ∈ R | ∀i < j : ` i , j = 0
0 0 0 0 0 3 0 0 1
0 0 0 2 0 0 5 0 3
41
JOM - Algebra Lineal
6 Matrices 6.3 Operaciones con matrices
Las matrices operan entre sı́ (suma-resta , producto) o con un escalar (escalamiento ,
potenciación –al menos notacionalmente–), y hay operaciones sobre una matriz (traspues-
ta, determinante).
y en general
a1,1 ··· a1,n b1,1 ··· b1,n a1,1 + b1,1 ··· a1,n + b1,n
a2,1 ··· a2,n b2,1 ··· b2,n a2,1 + b2,1 ··· a2,n + b2,n
.. .. + .. .. = .. ..
.. .. ..
. . . . . . . . .
am,1 · · · am,n bm,1 · · · bm,n am,1 + bm,1 · · · am,n + bm,n
Al igual que con los vectores, una matriz que sumada a otra no la altere se llamará matriz
nula.
En forma análoga a lo que pasó con los vectores, el producto de un escalar por una
matriz es otra matriz de la misma dimensión que tiene todas sus entradas escaladas. Por
ejemplo:
1 4 2 8
2 2 5 = 4 10
3 6 6 12
en forma general:
42
JOM - Algebra Lineal
6.3 Operaciones con matrices 6 Matrices
En ciertas condiciones puede efectuarse el producto entre dos matrices. Las entradas
de la matriz producto son los productos escalares de los vectores fila de la primera matriz
por los vectores columna de la segunda matriz. (definición 1)
n
X
[c i , j ] = A B ∈ Rm×p ∧ c i , j = a i ,k b k , j (58)
k=1
es evidente que AB existe cuando A tenga tantas columnas como filas tenga B, es decir
A ∈ Rm×n y A ∈ Rn×p , ya que de lo contrario ninguna entrada ci, j se podrá calcular.
Lo veremos desarrollado a continuación
a1,1 a1,2 · · · a1,n b1,1 b1,2 · · · b1, j · · · b1,p
a2,1 a2,2 · · · a2,n b2,1 b2,2 · · · b2, j · · · b2,p
.. .. .. .. .. ..
. . . .
. . . . .
. . .
a
i,1 a i,2 · · · a b
i,n i,1 bi,2 · · · bi, j · · · bi,p
. .. .. .. ..
.. .. ..
.. . . . . . . .
am,1 am,2 · · · am,n bn,1 bn,2 · · · bn, j · · · bn,p
b3,2
y en general
FA−1 h i FA−1 CA−1 FA−1 CA−2
A B = FA−2 CA−1 | CA−2 = FA−2 CA−1 FA−2 CA−2 (60)
43
JOM - Algebra Lineal
6 Matrices 6.3 Operaciones con matrices
es decir que la entrada i, j del producto es el producto escalar entre el i-ésimo vector fila
del primero por el j-esimo vector columna del segundo.
Propiedades:
La matriz identidad puede multiplicarse por izquierda o por derecha por una matriz
A y el resultado es la matriz A.
La matriz obtenida cambiando filas por columnas se llama matriz traspuesta. Las filas
pasan a ser columnas y viceversa, y la dimensión se permuta.
Formalmente:
A ∈ Rm×n = [ai, j ] ⇒ A> ∈ Rn×m = [aj, i ]
por ejemplo
1 4 " #
1 2 3
A = 2 5 , A> =
4 5 6
3 6
Es claro que podemos redefinir matriz simétrica diciendo que es igual a su traspuesta20 .
Propiedades
>
La traspuesta de la traspuesta es la misma matriz A> =A
20
Atención: en los libros traducidos del inglés, suele aparecer erróneamente transpuesta
44
JOM - Algebra Lineal
6.3 Operaciones con matrices 6 Matrices
y
a1,1 a1,2 5
AC =
a2,1 a2,2 −2
5a1,1 − 2a1,2
=
5a2,1 − 2a2,2
pueden verse como combinaciones lineales de las filas o las columnas de A !. En efecto...
La matriz fila F premultiplicada produce la combinación lineal de
. .
FA = Matriz fila, combinación lineal de las filas de A
3 6 9 1 1 3 6 9 3 6 9
6 −6
= 6 −6
6 −6
45
JOM - Algebra Lineal
6 Matrices 6.4 Menores y Cofactores de una matriz
h i h i h i
1 −1 3 + 4 0 −4 + 7 1 1
1 4 7 −1 3 h i h i h i
2 5 8 · 0 −4 = 2 −1 3 + 5 0 −4 + 8 1 1
3 6 9 1 1
h i h i h i
3 −1 3 + 6 0 −4 + 9 1 1
6 −6
= 6 −6
6 −6
3 6 9
" # " #
2 8 1 4
A1−2 = , A2−3 = (61)
3 9 3 6
El cofactor, sin embargo es un número (si la matriz es numérica) que se obtiene21 mediante
la expresión
A1,2 = (−1)i+j det (A1−2 ) (62)
det (A) es otra cuenta que arroja un nı́mero (si A es numérica) y que definimos a
continuación.
46
JOM - Algebra Lineal
6.5 Determinante de una matriz cuadrada 6 Matrices
en las que se han usado la (64) mediante fila k = 2 ((2, 5, 8)) y la (65) mediante columna
` = 3((7, 8, 9))
Propiedades
Si una lı́nea se escala por un número, el determinante queda multiplicado por ese
número
Si una lı́nea se reemplaza por la combinación lineal de ella con otros vectores parale-
los, el determinante no cambia (como en la (66) donde la columna 3 es ~c3 = 2~c2 −~c1 )
El determinante de la suma no tiene nada que ver con la suma de los determinantes.
47
JOM - Algebra Lineal