Escolar Documentos
Profissional Documentos
Cultura Documentos
2. Geometría 27
2.1. Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.1.1. Definición de vector . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.1.2. Operaciones con vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.1.3. Dependencia lineal. Bases . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.1.4. Producto escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.1.5. Producto vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.1.6. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.2. Geometría en el plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2.1. Sistema de referencia cartesiano rectagular. Coordenadas . . . . . . . . . 37
2.2.2. Ecuaciones de una recta . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3
2.2.3. Problemas métricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.2.4. Lugares geométricos. Circunferencia . . . . . . . . . . . . . . . . . . . . . 41
2.2.5. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.3. Geometría en el espacio tridimensional . . . . . . . . . . . . . . . . . . . . . . . 46
2.3.1. Sistema de referencia cartesiano. Coordenadas . . . . . . . . . . . . . . . 46
2.3.2. Ecuaciones de planos y rectas . . . . . . . . . . . . . . . . . . . . . . . . 46
2.3.3. Distancias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.3.4. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
Capítulo 1
Álgebra de matrices
1
2 CAPÍTULO 1. ÁLGEBRA DE MATRICES
es de orden 2 × 3 donde a11 = 4, a12 = −1, a13 = 3, a21 = 0, a22 = 9 y a23 = −2.
Análogamente una matriz columna es aquella que sólo tiene una columna:
a11
a21
·
A= · .
·
am1
Una matriz cuadrada es aquella que tiene igual número de filas que de columnas. En este
caso diremos que la matriz es de orden n, donde n es el número de filas (y columnas).
En el caso de que una matriz tenga distinto número de filas que de columnas la matriz se
denomina rectangular.
Si A = (aij ) es una matriz de orden m × n, llamamos
1.1. ÁLGEBRA MATRICIAL 3
0 0 0 5
Matriz triangular inferior es una matriz en la que todos los elementos por encima de
la diagonal principal son nulos. Es decir, si A = (aij ) es cuadrada de orden n, A será
triangular inferior si aij = 0, para todo i < j, como por ejemplo
−1 0 0 0
2 5 0 0
1 0 8 0 .
9 3 4 7
0 0 ··· 0
O se denomina matriz cero de orden m × n.
(iv) Existencia de elemento simétrico u opuesto: para toda matriz A = (aij ), se define la
matriz opuesta −A = (−aij ) que satisface A + (−A) = −A + A = O.
En todas las identidades anteriores, A, B, C son matrices cualesquiera del mismo orden y O
es la matriz cero de dicho orden. En relación con la noción de matriz traspuesta, se satisface
(A + B)t = At + B t .
(iv)∗ 1 · A = A;
donde A y B son matrices cualesquiera del mismo orden y h, k son números reales. En relación
con la noción de matriz traspuesta, se satisface (k · A)t = k · At .
Al multiplicar el número −1 por una matriz A = (aij ), se obtiene la matriz opuesta −A de
A. Esto es, (−1).A = −A.
−1 11 1 −11
Si A = −30 17 , su matriz opuesta es −A = 30 −17 .
0 −21 0 21
Dadas dos matrices A, B del mismo orden, llamamos diferencia de A y B, que escribimos
A − B, a la suma de A con la matriz opuesta de B. Es decir A − B = A + (−B).
1 3
1 4 7 −3 −6 7 −1
Si A = 2 yB= 2 , entonces A − B = .
−3 7 −1 16 2 8 −19 5 −9
Producto de matrices
Para poder multiplicar dos matrices es necesario que el número de columnas de la primera
matriz coincida con el número de filas de la segunda matriz. Dicho producto se realiza en el
modo siguiente: dada una matriz A = (aij ) de orden m × n y una matriz B = (bij ) de orden
n × p, la matriz A · B = (cij ) es una nueva matriz de orden m × p, donde el elemento cij
es el resultado de la suma de los productos obtenidos multiplicando sucesivamente el k-ésimo
elemento de la fila i de A por el k-ésimo elemento de la columna j de B. Es decir,
n
X
cij = ai1 b1j + ai2 b2j + · · · + ain bnj = aik bkj , i = 1, . . . , m, j = 1, . . . , p.
k=1
−1 2 −15 0 3
−3 4 1
Si A = −3 7 yB= , entonces A.B = −54 2 11 . En efecto,
−9 2 2
0 −1 9 −2 −2
por ejemplo, c21 = (−3) · (−3) + 7 · (−9) = −54.
El producto de matrices posee las siguientes propiedades:
6 CAPÍTULO 1. ÁLGEBRA DE MATRICES
(iv)♭ Si A, B son matrices tales que A · B está definida, entonces B t · At también está definida
y (A · B)t = B t · At .
0 0 ··· 1
entonces A · In = In · A = A.
En particular, si tomamos i = 1, se observa que A11 = a22 y A12 = −a21 . Por tanto,
|A| = ai1 Ai1 + ai2 Ai2 + ai3 Ai3 = a1j A1j + a2j A2j + a3j A3j , i, j = 1, 2, 3.
8 CAPÍTULO 1. ÁLGEBRA DE MATRICES
Nótese que, en este caso, los adjuntos resultan de calcular determinantes de matrices de orden
2 × 2. Estos últimos
determinantesya sabemos como se calculan. Por ejemplo, el determinante
1 1 0
de la matriz A = −2 8 −2 es
4 −6 7
1 1 0
8 −2 −2 −2 −2 8
|A| = −2
8 −2 = 1.
− 1.
+ 0.
= 44 + 6 = 50.
4 −6 −6 7 4 7 4 −6
7
Nótese que
8 −2 8 −2
1+1
A11 = (−1) . = = 44,
−6 7 −6 7
1+2 −2 −2
−2 −2
A12 = (−1) . = − = 6,
4 7 4 7
y
1+3
−2 8 −2 8
A13 = (−1) . = = −20.
4 −6 4 −6
para todo 1 ≤ i, j ≤ n.
1 3 5 2
4 1 7 3
Ejemplo 1.2.1 Sea la matriz A = 5 0 2 9 de orden 4 × 4, si desarrollamos por la
6 3 4 8
cuarta columna se tiene:
1 3 5 2
4 1 7 1 3 5 1 3 5 1 3 5
4 1 7 3
= −2 5 0 2 + 3 5 0 2 − 9 4 1 7 + 8 4 1 7
5 0 2 9
6 3 4 6 3 4 6 3 4 5 0 2
6 3 4 8
= −2 . 73 + 3 . 45 − 9 . 91 + 8 . 58 = −366.
Obsérvese que a medida que aumenta el orden de la matriz, el cálculo del determinante es un
proceso cada vez más largo. Para calcular determinantes de una forma más rápida y sencilla,
se utilizan las operaciones elementales que son:
1.2. DETERMINANTES Y SUS PROPIEDADES 9
(ii) Multiplicar una fila (columna) de una matriz por un número real k no nulo.
(i)♭ Si se intercambian dos filas (columnas) de una matriz, su determinante cambia de signo.
(ii)♭ Si se multiplica una fila (columna) de una por un número real k, su determinante queda
multiplicado por k.
(iii)♭ Si se suma a una fila (columna) de una matriz un múltiplo de otra, el valor de su deter-
minante no varía.
(iv)♭ Si una matriz tiene una fila (columna) cuyos elementos son sumas de s sumandos, su
determinante es igual a la suma de los determinantes de las matrices iguales a la dada
salvo dicha fila (columna) que se sustituye por la fila (columna) formado por los primeros
sumandos, segundos sumandos, etc. Por ejemplo,
a11 a12 + b12 a13 a11 a12 a13 a11 b12 a13
a21 a22 + b22 a23 = a21 a22 a23 + a21 b22 a23 .
a31 a32 + b32 a33 a31 a32 a33 a31 b32 a33
(v)♭ Si una matriz cuadrada tiene dos filas o columnas proporcionales, su determinante es igual
a cero.
(vi)♭ Si una matriz cuadrada tiene una fila o una columna nula, su determinante es igual a
cero.
(vii)♭ El determinante del producto de dos matrices cuadradas es igual al producto de los
determinantes de las respectivas matrices. Esto es, si A, B son matrices cuadradas de
orden n × n, se tiene |A · B| = |A||B|.
(viii)♭ El determinante del producto de un escalar k por una matriz cuadrada de orden n × n
está dado por |k · A| = k n · |A|.
Los términos del determinante una matriz A de orden 2 × 2 son a11 a22 y −a12 a21 . Debido a
ello, su determinante está dado por |A| = a11 a22 − a12 a21 .
1.2. DETERMINANTES Y SUS PROPIEDADES 11
Los términos del determinante una matriz A de orden 3×3 son a11 a22 a33 , a13 a21 a32 , a12 a23 a31 ,
−a13 a22 a31 , −a12 a21 a33 y −a11 a23 a32 . Debido a ello, su determinante está dado por
|A| = a11 a22 a33 + a13 a21 a32 + a12 a23 a31
−a13 a22 a31 − a12 a21 a33 − a11 a23 a32 .
A · A−1 = A−1 · A = In .
Teorema 1.2.1 Sea A una matriz cuadrada de orden n. Entonces A es inversible si y sólo si
su determinante es distinto de cero.
En este punto nos interesa introducir la noción siguiente: si en una matriz cuadrada A = (aij )
cada elemento se sustituye por su adjunto, se obtiene una matriz del mismo tamaño que se llama
adjunta de A, y que se denota por adj A.
Si la matriz cuadrada A es inversible, la matriz inversa de A está dada por
1
A−1 = (adj A)t .
|A|
1 2
Ejemplo 1.2.3 La matriz es inversible pues su determinante es igual a −7. Ade-
3 −1
−1 −3 −1 −2
más, su matriz adjunta es y la traspuesta de ésta es . Por tanto, la
−2 1 −3 1
matriz inversa de A es:
−1 1 −1 −2 1/7 2/7
A = = .
−7 −3 1 3/7 −1/7
12 CAPÍTULO 1. ÁLGEBRA DE MATRICES
Teorema 1.2.2 (del rango) Para una matriz cualquiera, el número máximo de filas lineal-
mente independientes y el número máximo de columnas linealmente independientes coinciden.
Para ello, la primera operación elemental será F1 ↔ F2 (intercambiar la dos primeras filas).
Esto hará que el elemento a11 sea igual a 1, lo que va facilitar el anular los restantes elementos
de la primera columna. Luego se obtiene
1 −3 2 1 5
2 2 −3 4 −6
rang(A) = rang −1
.
5 1 2 −3
−4 6 2 −3 −2
cuyo rango coincide con el de A. Ahora nos fijamos en el elemento a22 y vamos anulando los
elementos de la segunda columna que están debajo. Realizamos F3 + (−4).F2 , F4 + 3.F2 y se
obtiene
1 −3 2 1 5
0 2 3 3 2
.
0 0 −19 −10 −24
0 0 19 10 24
Seguidamente nos fijamos en el elemento a33 y anulamos los elementos de la tercera columna
que están debajo. Para ello, F4 + F3 y se obtiene la matriz triangular superior
1 −3 2 1 5
0 2 3 3 2
.
0 0 −19 −10 −24
0 0 0 0 0
y diremos que tiene por solución a (s1 , . . . , sn ) ∈ Rn , si la n-upla es solución de todas las
ecuaciones que forman el sistema.
Un sistema de ecuaciones lineales queda determinado por sus coeficientes y sus términos
independientes. Dichos números podemos escribirlos en dos matrices, la matriz formada por los
coeficientes se denomina matriz asociada al sistema y si a ésta le añadimos una columna con los
términos independientes, se obtiene la matriz ampliada, más concretamente la matriz asociada
al sistema anterior es
a11 a12 · · · a1n
a21 a22 · · · a2n
.. .. ..
. . .
am1 am2 · · · amn
y su matriz ampliada es
a11 a12 ··· a1n b1
a21 a22 ··· a2n b2
.. .. .. .. .
. . . .
am1 am2 · · · amn bm
Usando su matriz asociada y el producto de matrices, el sistema (2) se puede dar a través
16 CAPÍTULO 1. ÁLGEBRA DE MATRICES
de la ecuación matricial:
x1 b1
a11 a12 · · · a1n
a21 a22 x2 b2
· · · a2n
. = .
· · · · · · ... ..
··· ···
.
am1 am2 · · · amn xn bm
Definición 1.3.1 Cuando un sistema es compatible, una incógnita se dice que es principal si
se corresponde con una columna que interviene en un menor principal fijado de la matriz aso-
ciada. Las incógnitas restantes se denominan parámetros. Asimismo, las ecuaciones principales
son aquellas que se corresponden con filas que intervienen en el menor principal fijado. Estas
ecuaciones son las que debemos tener en cuenta al resolver el sistema, pudiéndose omitir las
otras (las que no sean principales).
Se tiene que rang(A) = 3 = rang(A∗ ) < 4 = nž de incógnitas. Por tanto el sistema es compatible
indeterminado, con incógnitas principales x1 , x2 y x3 y con parámetro x4 . La última matriz es
la matriz ampliada del sistema
x1 + 2x2 + 3x3 − x4 = 9
3x2 + 5x3 − 2x4 = 7
5x3 + 3x4 = 7
Diremos que un sistema de ecuaciones lineales es homogéneo, si todos sus términos indepen-
dientes son nulos, es decir, si bi = 0 para todo valor de i.
Los sistemas homogéneos son siempre compatibles pues admiten la solución (0, . . . , 0), pero
pueden ser determinados o indeterminados.
1.4. DIAGONALIZACIÓN DE MATRICES 19
Definición 1.4.1 Dadas dos matrices cuadradas A, B ∈ Mn (R), se dice que son semejantes,
si es posible encontrar una matriz regular P tal que P −1 AP = B.
Dada una matriz cuadrada A = (aij ) ∈ Mn (R), trataremos de buscar una matriz diagonal D
que sea semejante a la matriz A. Esto es, trataremos de encontrar una matriz regular P ∈ Mn (R)
de forma que P −1 · A · P = D.
Definición 1.4.2 Si, para una matriz cuadrada A, es posible encontrar la correspondiente
matriz P que cumpla la propiedad indicada, entonces se dirá que la matriz A es diagonalizable.
Queremos subrayar que hay matrices cuadradas para las que no es posible encontrar la men-
cionada matriz P . En estos casos, diremos que las matrcies no son diagonalizables.
En el ámbito de la ingeniería, existen muchas aplicaciones de la diagonalización de matrices.
Muchas veces cuando se trabaja en un determinado problema que se modela con una matriz A,
resultará equivalente estudiar el mismo problema para una matriz diagonal D que sea semejante
a A. La ventaja es que manejar la matriz diagonal resulta mas sencillo.
PA (λ) = |A − λIn |.
cuando las raíces son enteras, estos monomios se pueden obtener considerando los divisores
del término independiente −6. Por ejemplo, el 1, se como se tiene que al sustituir λ por 1
nos da cero, −13 + 2 · 12 + 5 · 1 − 6 = 0, entonces λ − 1 es un factor de la descomposición.
Esto es, PA (λ) = (λ − 1)(−λ2 + λ + 6). Restaría descomponer el polinomio de segundo grado
−λ2 + λ + 6. Esto se puede hacer obteniendo sus raíces o siguiendo el procedimiento anterior o
resolviendo la ecuación de segundo grado −λ2 + λ + 6 = 0. Como las raíces son −2 y 3, se tiene
−λ2 +λ+6 = (−1)(λ+2)(λ−3). Por lo que finalmente se tiene PA (λ) = (−1)(λ−1)(λ+2)(λ−3).
Muchas veces, aunque no siempre, existe un modo alternativo mas sencillo de obtener el po-
linomio característico y su descomposición, utilizando operaciones elementales y las propiedades
de los determinantes. Consideramos el determinante anterior
1 − λ −1 4
PA (λ) = 3
2−λ −1 .
2 1 −1 − λ
Nótese que hemos extraído factor común en la primera fila usando una propiedad de los deter-
miantes. Realizando C3 ↔ C3 − C1 sobre el último determinante, se obtiene
1 0 0
2−λ −4
PA (λ) = (3 − λ) 3 2 − λ −4 = (−1)(λ − 3) .
2 1 −3 − λ
1 −3 − λ
Definición 1.4.4 Se denomina valor propio o autovalor de una matriz cuadrada A, a una raíz
de su polinomio característico. Esto es, λi es un valor propio de A, si λ es sustituido por λi en
PA (λ) y resulta PA (λi ) = 0.
Así, los tres valores propios de la matriz A, dada en un ejemplo anterior, tienen multiplicidad
1, mientras que el único autovalor de la matriz dada B tiene multiplicidad 2.
Si λ1 , λ2 , . . . , λs son los valores propios de una matriz A de orden n con multiplicidades
respectivas m(λ1 ), m(λ2 ), . . . , m(λs ), entonces el polinomio característico de A está dado por
PA (λ) = a(λ − λ1 )m(λ1 ) (λ − λ2 )m(λ2 ) . . . (λ − λs )m(λs ) ,
donde a es un número real y m(λ1 ) + m(λ2 ) + · · · + m(λs ) = n.
Definición 1.4.6 Llamaremos vector propio asociado al valor propio λi de una matriz A, a
todo vector columna V = (v1 , v2 , . . . , vn )t que satisfaga
v1 v1 v1 0
v2 v2 v2 0
A · = λi · ó equivalentemente (A − λi In ) · = · .
· · · ·
vn vn vn 0
Por otro lado, se denomina subespacio propio asociado al valor propio λi al conjunto Eλi formado
por todos los vectores propios V asociados al valor propio λi .
Ejemplo 1.4.3 Para el valor propio λ = −2 del ejemplo anterior, veamos como son los vectores
propios asociados. Para ello consideramos la ecuación matricial
1 − (−2) −1 4 v1 0
3 2 − (−2) −1 v2 = 0 .
2 1 −1 − (−2) v3 0
De esta ecuación se obtiene el sistema de ecuaciones homogéneo
3v1 − v2 + 4v3 = 0
3v1 + 4v2 − v3 = 0 ,
2v1 + v2 + v3 = 0
cuyas soluciones son v1 = −α, v2 = α, v3 = α. Por tanto, el subespacio propio E−2 está dado
por
E−2 = {(−α, α, α) | α ∈ R}.
Como E−2 tiene un sólo parámetro α, se tiene que la dimensión de E−2 es 1. Un vector propio
concreto se obtiene dando un valor a α. Por ejemplo, para α = −1, se obtiene el vector propio
~v = (1, −1, −1) que está asociado al valor propio λ = −2.
22 CAPÍTULO 1. ÁLGEBRA DE MATRICES
La dimensión dim Eλi del subespacio propio Eλi es el número máximo de vectores propios V ,
contenidos en Eλi , que sean linealmente independientes. Esta dimensión viene dada por
dim Eλi = n − rango(A − λIn ).
Además, la dimensión dim Eλi siempre es mayor o igual que 1 y menor o igual que la multipli-
cidad del valor propio λi . Esto es,
1 ≤ dim Eλi ≤ m(λi ).
Finalmente, aquí nos queda señalar que dos vectores propios no nulos, V1 y V2 , asociados
respectivamente a dos valores propios distintos, λ1 y λ2 , son linealmente independientes.
Teorema 1.4.1 Una matriz cuadrada A ∈ Mn (R) es diagonalizable (en Mn (R)) si y sólo si
todos los valores propios de A son reales y para cada valor propio λi se verifica que dim Eλi =
m(λi ) (para todo valor propio, la dimensión del subespacio propio coincide con la multiplicidad).
Teorema 1.4.2 Una matriz cuadrada A ∈ Mn (R) es diagonalizable (en Mn (R)) si y sólo si
todos los valores propios de A son reales y se pueden encontrar n vectores propios linealmente
independientes.
Ejemplo 1.4.5 Para la matriz A dada en los ejemplos anteriores, se tiene: dim E1 = 3 −
rango(A − 1 · I3 ) = 1 = m(1), dim E3 = 3 − rango(A − 3 · I3 ) = 1 = m(3) y dim E−2 =
3 − rango(A + 2 · I3 ) = 1 = m(−2). Por tanto, A es diagonalizable.
0 −1
Sin embargo, dim E1 = 2 − rango(B − 1 · I2 ) = 2 − rango = 1 6= m(1) = 2. Por
0 0
tanto, la matriz B no es diagonalizable.
Antes ya se señaló que para toda matriz cuadrada A y todo autovalor λi de A se verifica
1 ≤ dim Eλi ≤ m(λi ). Así, si un autovalor λi tiene multiplicidad 1, se tiene que 1 ≤ dim Eλi ≤
m(λi ) = 1 y de aquí que dim Eλi = m(λi ) = 1.
1.4. DIAGONALIZACIÓN DE MATRICES 23
Proposición 1.4.2 Si una matriz real de orden n × n tiene n autovalores reales distintos,
entonces la matriz es diagonalizable.
Si la matriz A es diagonalizable sabemos que tiene que existir P ∈ Mn (R) tal que P −1AP =
D, siendo D una matriz diagonal.
¿Cómo se determinan D y P ?. La matriz D es una matriz diagonal cuya diagonal prin-
cipal está formada por los autovalores de A, repetidos cada uno tantas veces como indica su
multiplicidad.
El sistema homogéneo que se obtiene tendrá dim Eλi = m(λi ) parámetros. Dando el valor
1 al primer parámetro de los que dependen las soluciones y 0 a los restantes parámetros,
obtendremos una primera solución (v1 , . . . , vn ) del sistema. Haciendo lo mismo para el segundo
parámetro, el tercero, etc., tendremos al final m(λi ) vectores propios linealmente independientes.
La matriz requerida P se obtendrá colocando ordenadamente estas soluciones como columnas
P.
Ejemplo 1.4.7 Para la matriz A usada en ejemplos anteriores, tendremos que hacer lo siguien-
te:
Para el autovalor λ1 = 1, hemos de resolver el sistema
0 −1 4 v1 0 −v2 + 4v3 = 0
3 1 −1 · v2 = 0 , esto es, 3v1 + v2 − v3 = 0 ,
2 1 −2 v3 0 2v1 + v2 − 2v3 = 0
24 CAPÍTULO 1. ÁLGEBRA DE MATRICES
obtenido considerando la matriz A − (−2) · I3 . Las soluciones de este sistema son de la forma
(v1 , v2 , v3 ) = (−γ, γ, γ) y dependen de 1 = m(−2) parámetro. Dando al parámetro γ el valor 1,
tenemos el vector propio (−1, 1, 1) que está asociado al autovalor −2.
De lo anterior se tiene
1 0 0
D1 = 0 3 0 = P1−1 AP1 ,
0 0 −2
donde
−1 1 −1
P1 = 4 2 1 .
1 1 1
También se tiene
−2 0 0
D2 = 0 1 0 = P2−1 AP2 ,
0 0 3
donde
−1 −1 1
P2 = 1 4 2 .
1 1 1
1.5. PROBLEMAS 25
1.5. Problemas
1. Consideramos las siguientes matrices:
2 3 7 4
4 −2 3 −1 6
A= , B= , C = 12 6 5 , D = 1 .
7 0 8 −2 1
1 3 6 5
Justifica si las siguientes operaciones están bien definidas y realiza aquellas que sí lo están:
A2 , A.B, B.A, 5D, 3C − 7D, −B.
2. Calcula, usando operaciones elementales, los determinantes de las siguientes matrices:
1 0 −1 2 2 3
(i) A = 2 2 −1 ; (ii) B = 1 −1 0 ;
1 0 0 −1 2 1
1 0 0 0
1 2 0 0 1 −1 0
(iii) C= 1 1 3 0 ;
(iv) D= 1 0 −1 .
−6 2 3
1 1 1 4
2 1 −3 0
3 5 −2 1
(v) E= −1 3 −1 −1 .
4 0 −1 3
3. Determina si las siguientes matrices son inversibles y calcula la inversa de aquellas que
son regulares:
1 0 −1 2 2 3
(i) A = 2 2 −1 , (ii) B = 1 −1 0 .
1 0 0 −1 2 1
1 0 0 0
1 2 0 0 1 −1 0
(iii) D= 1 1 3 0
; (iv) E = 1 0 −1 .
−6 2 3
1 1 1 4
4. Calcula el rango de las siguientes matrices, usando el método de triangulización de Gauss:
1 8 −1 2 −2 33
2
(i) A = 12 2 −1 ; (ii) B = 13 −1 0 ;
1 0 10 −1 2 11
1 0 −5 0
1 2 0 0
(iii) D= 1 1
.
3 0
1 1 −1 4
26 CAPÍTULO 1. ÁLGEBRA DE MATRICES
7. Aplicando los métodos de Gauss, discutir cada uno de los siguientes sistemas y busca sus
soluciones en caso de tenerlas:
2x + 2y = 5 −x + y = 1 x − 3y + z = 1
(i) ; (ii) ; (iii) ;
x − 4y = 0 x+y =2 x + y + 2z = 14
4y + z = 20
2x + z + w = 5
−x − y = 1 2x − 2y + z = 0 y − w = −1
(iv) ; (v) ; (vi) .
−3x − 3y = 2 x+z =5 3x − z − w = 0
x + y − z = 10 4x + y + 2z + w = 9
Geometría
2.1. Vectores
2.1.1. Definición de vector
Comenzaremos estableciendo el concepto de vector, válido tanto en el plano como en el
espacio tridimensional. Motivaciones para dicho concepto las podemos encontrar en la física.
Por un lado, hay magnitudes denominadas escalares, tales como la masa, el volumen, la energía,
la temperatura, etc; que quedan completamente descritas por un número. Por otro lado, hay
magnitudes denominadas vectoriales, como la velocidad, la aceleración, la fuerza, el campo
eléctrico, etc., que para ser descritas necesitan, además de un dato numérico, información sobre
su dirección.
Definición 2.1.1 Dados dos puntos A y B (ambos del plano, o bien ambos del espacio tridi-
−→
mensional), llamaremos vector AB al segmento orientado que tiene por origen el punto A y por
extremo el punto B. Cuando el origen y el extremo coinciden en un mismo punto P , se tiene el
−→ − →
vector nulo, denotándose P P = 0 .
AB
A
27
28 CAPÍTULO 2. GEOMETRÍA
−→
- Módulo: Es la distancia entre el origen y el extremo del vector. Se denota por kABk.
- Dirección: Está determinada por la recta que contiene al vector. Dos vectores se dicen
que tienen la misma dirección, si las respectivas rectas que los contienen son paralelas o
coinciden.
- Sentido: Indica cómo se recorre la recta sobre la que está el vector. Así, el sentido del
−→
vector AB indica que la recta mencionada se recorre desde el origen A hacia el extremo
−→
B. Mientras que el sentido del vector BA indica que la recta se recorre en sentido inverso.
−→ −→
Los vectores AB y BA tienen la misma dirección y sentidos distintos.
Obsérvese que el módulo del vector nulo es 0, mientras que no tiene dirección ni sentido
determinados.
Como el módulo, la dirección y el sentido deben caracterizar a un vector, podemos establecer
lo siguiente.
Definición 2.1.2 Dos vectores no nulos diremos que son iguales cuando tienen el mismo mó-
dulo, la misma dirección y el mismo sentido
−→ −→
La denominada regla del paralelogramo establece que dos vectores P Q y SR son iguales si
−→ −→
y sólo si lo son P S y QR.
P
Q PQ = SR PS = QR
S
Además es importante resaltar que, por convenio, para denotar este paralelogramo se enu-
merarán sus puntos de manera circular. Esto es, se podrá llamar P QRS, P SRQ, QRSP , etc.
v u+v
v
u
2.1. VECTORES 29
Definición 2.1.4 El producto de un escalar a ∈ R por un vector ~u es un nuevo vector a~u tal
que:
a) Su módulo es el valor absoluto de a por el módulo de ~u. Esto es, ka~uk = |a|.k~uk.
b) Su dirección coincide con la de ~u.
c) Si a > 0, el sentido de a~u coincide con el de ~u. En cambio, si a < 0, el sentido de a~u será
el opuesto al de ~u.
-2 w
3/2 w
Las combinaciones lineales nos permitirán introducir las importantes nociones de dependen-
cia e independencia lineal.
Definición 2.1.5 Un conjunto de vectores ~u1 , ~u2, . . . , ~un serán linealmente dependientes cuan-
do uno ellos sea combinación lineal de los demás. Por ejemplo, cuando ~un = a1 ~u1 +· · ·+an−1~un−1,
donde a1 , . . . , an−1 son escalares. Finalmente, diremos que los vectores ~u1 , . . . , ~un son linealmen-
te independientes cuando no son linealmente dependientes.
De esta definición se deduce directamente que el vector nulo es linealmente dependiente con
cualquier otro vector, ~0 = 0 w.
~
Nota 2.1.1
Definición 2.1.6 Una base en el plano es un conjunto de 2 vectores independientes. Una base
en el espacio tridimensional es un conjunto de 3 vectores independientes.
Proposición 2.1.2 Dada una base en el plano (espacio tridimensional) y un vector en el plano
(espacio tridimensional), entonces dicho vector se expresa de forma única como combinación
lineal de los vectores de la base dada.
Por tanto, fijada una base del plano (espacio tridimensional), todo vector está caracterizado
por un único par (terna) números reales.
2.1. VECTORES 31
Definición 2.1.7 Fijada una base B = {~e1 , ~e2 } del plano, se llamarán componentes de un
vector ~s al único par de números reales (a1 , a2 ) tal que ~s = a1~e1 + a2~e2 . Análogamente, fijada
una base B = {~e1 , ~e2 , ~e3 } del espacio tridimensional, se llamarán componentes de un vector ~s a
la única terna de números reales (a1 , a2 , a3 ) tal que ~s = a1~e1 + a2~e2 + a3~e3 .
En el plano, fijada una base B = {~e1 , ~e2 }, si las componentes de un vector ~u son (u1 , u2),
se suele escribir ~u = (u1 , u2). En este sentido ~e1 = (1, 0), pues ~e1 = 1 ~e1 + 0 ~e2 . Análogamente
~e2 = (0, 1) y ~0 = (0, 0). De forma análoga, si en el espacio tridimensional se fija una base
B = {~e1 , ~e2 , ~e3 }, podemos escribir ~e1 = (1, 0, 0), ~e2 = (0, 1, 0), ~e3 = (0, 0, 1) y ~0 = (0, 0, 0).
Por otro lado, las componentes de los vectores funcionan bien con respecto a las operaciones.
Las siguientes propiedades enunciadas en el plano (en el espacio tridimensional es similar) son
de muy fácil demostración:
Así, si ~u = (u1 , u2 ), ~v = (v1 , v2 ) y a, b ∈ R, entonces a~u + b~v = (au1 + bv1 , au2 + bv2 ).
Para ver si una familia de vectores es independiente basta con estudiar el rango de la matriz
formada por las componentes de esos vectores. En efecto:
Ejemplo 2.1.2
32 CAPÍTULO 2. GEOMETRÍA
~u, ~v y w
~ son linealmente dependientes.
(iv) Sean los vectores ~u = (1, 0, 1), ~v = (0, 1, 1) y w
~ = (1, 1, 0). Como se tiene
1 0 1
0 1 1 = −2 6= 0,
1 1 0
~u, ~v y w
~ son linealmente independientes.
Tanto en el plano como en el espacio tridimensional es habitual trabajar con las bases
formadas por vectores de módulo 1 y perpendiculares u ortogonales entre sí.
Definición 2.1.8 Se denomina base ortonormal, a aquella cuyos vectores son unitarios (de
módulo 1) y tienen direcciones perpendiculares entre sí.
Nota 2.1.2 Tanto en geometría como en física, se suele trabajar en el plano con la base orto-
normal constituida por los vectores unitarios {~i, ~j}, donde ~i es horizontal y con sentido hacia
la derecha y ~j es vertical y con sentido hacia arriba. Asímismo, en el espacio tridimensional, se
considera usualmente la base ortonormal {~i, ~j, ~k}, donde el sentido del vector ~k es el resultante
de girar el vector ~i sobre el vector ~j como si se tratara de un "sacacorchos".
j k
i j
i
2.1. VECTORES 33
~u · ~v = u1 v1 + u2 v2 + u3 v3 .
~v · w
~ = 2 · 1 + 3 · (−1) = −1.
~a · ~b = 1 · 1 + 0 · 2 + (−2) · 3 = −5.
Utilizando el producto escalar, se puede obtener una expresión para calcular el módulo de
un vector. En efecto, dado un vector ~u = u1~i + u2~j + u3~k, se tiene
~u · ~u = k~uk k~uk 1.
34 CAPÍTULO 2. GEOMETRÍA
Por tanto,
√ q
k~uk = ~u · ~u = u21 + u22 + u23 .
√ p
En el plano, la expresión correspondiente es k~uk = ~u · ~u = u21 + u22 .
Nótese que, dado un vector ~u = u1~i+u2~j +u3~k, siempre es posible obtener un vector unitario
1
con igual dirección y sentido que ~u. Este vector no sería otro que ~u.
k~uk
Por otro lado, se observa que dos vectores ~u y ~v son perpendiculares si y sólo si ~u · ~v = 0.
Para dos vectores paralelos ~u y ~v se tiene ~u · ~v = k~ukk~v k.
√ √
Ejemplo 2.1.4 Sea ~u = (1, 2, 3), su módulo es k~uk = 12 + 22 + 32 = 14. Vectores unitarios
paralelos a ~u son
( √114 , √214 , √314 ), (− √114 , − √214 , − √314 ).
El primero tiene el mismo sentido que ~u y el segundo tiene sentido opuesto al de ~u.
El vector ~v = (−2, 1, 0) es perpendicular a ~u, ya que ~v · ~u = (−2) · 1 + 1 · 2 + 0 · 3 = 0.
(i) Su módulo es el producto de los módulos de los dos vectores por el seno del ángulo que
forman. Esto es,
k~u × ~vk = k~ukk~vk sen(~u, ~v).
(iii) Su sentido está determinado por la regla del sacacorchos: el resultante de girar el vector
~u sobre el vector ~v como si se tratara de un "sacacorchos".
(i) Anticonmutativa: ~u × ~v = −~v × ~u, para todo par de vectores ~u, ~v.
(iii) (a~u) × ~v = ~u × (a~v ) = a(~u × ~v), para todo escalar a y todo par de vectores ~u, ~v.
2.1. VECTORES 35
Dados ~u = u1~i + u2~j + u3~k y ~v = v1~i + v2~j + v3~k, usando las propiedades del producto
vectorial, se tiene que la expresión del producto vectorial en términos de componentes está
dada por
u2 u3 u3 u1 u1 u2
~u × ~v = ~i + ~ ~
v2 v3 v3 v1 j + v1 v2 k.
Para ayudar a recordarla, la última expresión se suele escribir:
~i ~j ~k
~u × ~v = u1 u2 u3 .
v1 v2 v3
~i ~j ~k
Una interpretación geométrica del producto vectorial viene dada por el cálculo del área de
−→ −−→
un paralelogramo. Si consideramos dos vectores AB y AD representantes de ~u y ~v con mismo
origen, formamos el paralelogramo ABCD.
D C
v
H u
2.1.6. Problemas
En estos ejercicios supondremos fijadas, salvo indicación adicional, la base {~i, ~j} en el plano
y la base {~i, ~j, ~k} en el espacio tridimensional. Además, adoptaremos el siguiente convenio de
−→ −→
notación: que dado un vector − →
u = P Q, diremos que Q = P + P Q = P + − →u . Es decir, que
cuando al punto P le aplicamos el vector ~u, trazándolo con origen en P , el extremo del vector
obtenido es el punto Q.
2. Encontrar un escalar a tal que el vector (a, 1, −1) dependa linealmente de los vectores
(1, 1, 0) y (0, 1, 1).
3. Calcular las componentes del vector 2~u − 3~v respecto de la base formada por los vectores
−~u, ~v + w
~ y ~v − w,
~ siendo ~u = (−1, 0, 1), ~v = (3, 1, −1) y w
~ = (−1, 1, 0).
5. Encontrar un vector de módulo 5 que sea perpendicular a (2, 1, 3) y (−1, 1, 0). ¿Cuántos
hay?
√ √
~ = (0, 2/2, 2/2) de manera que ~u, ~v y
6. Encontrar dos vectores ~u, ~v perpendiculares a w
~ formen una base ortonormal.
w
8. Determinar los escalares a para los que el producto vectorial (1, a, 0) × (−1, 1, 0) sea un
vector unitario.
−→
9. En el espacio tridimensional, se tiene el paralogramo ABCD de modo que AB = (1, 1, 1)
−−→
y AD = (1, 1, 2). Calcular el área del paralelogramo ABCD. Usar este dato para calcular
el área del triángulo ABC.
X=(5/2,2)
j OX = 5/2 i + 2 j
Así, las coordenadas del origen de coordenadas son O(0, 0) (pues O = O + 0~i + 0 ~j2 ). Si
llamamos P = O + ~i y Q = O + ~j, las coordenadas de estos puntos son P (1, 0) y Q(0, 1).
Si tenemos dos puntos con sus respectivas coordenadas, P (p1 , p2 ) y Q(q1 , q2 ), entonces las
−→
componentes del vector que une dichos puntos vienen dadas por P Q = (q1 − p1 , q2 − p2 ). En
efecto,
−→ −→ −→ −→ −→
P Q = P O + OQ = −OP + OQ = (q1 − p1 )~i + (q2 − p2 )~j.
La recta que pasa por el origen O y tiene ~i como vector director, se denomina eje de abscisas.
En cambio, la recta que pasa por el origen O y tiene ~j como vector director, se denomina eje
de ordenadas.
Definición 2.2.2 Se define vector director de una recta r a todo vector ~v no nulo que sea
paralelo a r.
38 CAPÍTULO 2. GEOMETRÍA
−→
Así, el vector P Q = (q1 − p1 , q2 − p2 ), considerado anteriormente, es un vector director de r.
v2 x − v1 y + p2 v1 − p1 v2 = 0.
r ≡ a(x − p1 ) + b(y − p2 ) = 0.
Nota 2.2.1 La ecuación general de la recta que pasa por dos puntos P y Q puede obtenerse
de una manera más directa.
−−→ −→
Sabemos que P X = (x − p1 , y − p2 ) es proporcional a P Q = (q1 − p1 , q2 − p2 ) si y sólo si
x − p1 y − p2
q1 − p1 q2 − p2 = 0.
2.2. GEOMETRÍA EN EL PLANO 39
r ≡ y = mx + n,
Ejemplo 2.2.1 En el plano, para calcular las ecuaciones de la recta r que pasa por el punto
P (1, 2) y tiene por vector director a ~u = (2, 3) basta con sustituir esas coordenadas y compo-
nentes. Así,
x = 1 + 2λ, x−1 y−2
r≡ (ecuación paramétrica); r≡ = , (ecuación continua);
y = 2 + 3λ, 2 3
3 1
r ≡ 3x − 2y + 1 = 0, (ecuación implícita); r ≡y = x+ , (ecuación explícita).
2 2
Ejemplo 2.2.2 En el plano, calculemos la ecuación general de la recta r que pasa por los
puntos P (1, 2) y Q(3, 2).
En virtud de la Nota 2.2.1, esta ecuación será:
x y 1
r ≡ 1 2 1 = 0 ≡ 2y − 4 = 0.
3 2 1
Se observa que dos rectas paralelas tienen los mismos vectores directores. Esto se tiene en
cuenta en el problema siguiente.
40 CAPÍTULO 2. GEOMETRÍA
x = 1 − 2λ,
Ejemplo 2.2.3 Hallemos la ecuación general de la recta s que es paralela a r ≡
y = 1 + 3λ
y pasa por el punto P (1, 2).
Observemos que un vector director de r es ~v = (−2, 3). Por lo que ecuación general de s viene
dada por
s ≡ 3x + 2y + c = 0.
Para determinar c, simplemente consideramos que la recta s pasa por P (1, 2). Esto es, 3.1 +
2.2 + c = 0. De ahí, c = −7 y
s ≡ 3x + 2y − 7 = 0.
Distancia de un punto a una recta: Dado un punto P (p1 , p2 ) y una recta r ≡ ax+by+c = 0,
se desea obtener la distancia existente desde el punto a la recta. Para ello, consideramos la recta
s que pase por P y sea perpendicular a r. Dichas rectas, r y s, se intersecan en un punto H. La
distancia buscada d(P, r) coincide con la distancia d(P, H) entre los puntos P y H. Si X(x, y)
es un punto cualquiera de r distinto H, el triángulo de vértices X, H y P será rectángulo, con
ángulo recto en el vértice H. Por tanto,
−−→ −−→
d(P, r) = kP Hk = |kP Xk cos ϕ|,
−−→ −−→
donde ϕ es el ángulo que forman los vectores P X y P H. Sabemos que ~n = ( √a2a+b2 , √a2b+b2 ) es
−−→
un vector unitario perpendicular a r. Además, | cos ϕ| = | cos(P X, ~n)|. Por lo que
−−→ −−→ −−→ (x − p1 )a + (y − p2 )b
d(P, r) = |kP Xk cos(P X, ~n)| = |P X · ~n| =
√ .
a2 + b2
2.2. GEOMETRÍA EN EL PLANO 41
Teniendo ahora en cuenta que X(x, y) está en r por lo que ax + by = −c, se obtiene
ap1 + bp2 + c
d(P, r) = √ .
a2 + b2
Un uso adicional de esta expresión es el cálculo de la distancia entre dos rectas paralelas.
Basta hallar la distancia desde un punto de una de ellas hasta la otra recta.
x2 + y 2 + 1 − 2y = x2 + 9 + 6x + y 2 + 4 + 4y.
m ≡ x + y + 2 = 0.
Circunferencia: Dado un punto C(a, b) del plano y un escalar positivo r. Se denomina cir-
cunferencia de centro C y radio r, al lugar geométrico formado por los puntos del plano cuya
distancia a C es igual a r.
Si X(x, y) es uno de los puntos de una circunferencia C, entonces satisface d(X, C) = r.
Esto es, p
(x − a)2 + (y − b)2 = r.
Elevando al cuadrado obtenemos
C ≡ (x − a)2 + (y − b)2 = r 2 .
Ejemplo 2.2.6 Hallar la ecuación de la circunferencia que pasa por los puntos A(2, 3), B(1, −1)
y C(−3, 1).
Supongamos que la ecuación de la circunferencia es
x2 + y 2 + mx + ny + p = 0.
Las coordenadas de los puntos A, B y C deben satisfacer dicha ecuación. Por tanto,
4 + 9 + 2m + 3n + p = 0,
1 + 1 + m − n + p = 0,
9 + 1 − 3m + n + p = 0.
Ejemplo 2.2.7 Hallar la ecuación de la circunferencia que pasa por los puntos A(0, 1), B(4, 3)
y cuyo centro está situado en la recta x + 2y = 0.
Un primer método: Sabemos que el centro C de la circunferencia debe estar en la mediatriz
del segmento AB. Dicha mediatriz pasa por M(2, 2), punto medio del segmento AB, y tiene
−→
como vector perpendicular AB = (4, 2). En principio, su ecuación es 4x + 2y + c = 0. Como M
satisface dicha ecuación, se tiene
x2 + y 2 − 8x + 4y − 5 = 0.
Un segundo método: Sabemos que el centro C(a, b) equidista de A(0, 1) y de B(4, 3). Por tanto,
debe satisfacer la ecuación
0 = 2a + b − 6.
Como el centro está en la recta x+2y = 0, se tiene que a+2b = 0. De las dos últimas ecuaciones
a = 4 y b = −2. Luego la circunferencia está dada por
x2 + y 2 − 8x + 4y − 5 = 0.
44 CAPÍTULO 2. GEOMETRÍA
2.2.5. Problemas
1. En el plano y respecto de una referencia rectangular R = {O;~i, ~j}, dada la recta s ≡
4x + 3y + 2 = 0 y el punto P (2, 5), se considera el cuadrado de centro P , cuyos lados son
paralelos y perpendiculares a s y miden 4. Hallar las ecuaciones generales de las rectas
que conforman sus lados.
2. En el plano, los puntos de la recta x + 2y = 9 son equidistantes a los puntos A y B. Si A
tiene coordenadas (2, 1), hallar las coordenadas de B.
3. En el plano, dados los puntos A(0, 1) y B(1, 2), hallar las coordenadas de los puntos P
de la recta x + y = 2, tales que las rectas P A y P B sean perpendiculares.
4. En el plano, hallar el punto simétrico del punto A(3, −2) respecto de la recta r ≡ 2x −
2y − 1 = 0. (Si H es el punto de r tal que d(A, r) = d(A, H), H es el punto medio entre
A y su simétrico respecto de r.)
5. En el plano, hallar la distancia entre las rectas r ≡ 2x + 4y − 1 = 0 y s ≡ x + 2y + 3 = 0.
6. Hallar la distancia del punto medio M del segmento que une A(3, 2) y B(4, −6) a la recta
r ≡ 2x − 3y + 5 = 0.
7. En el plano, hallar las coordenadas de los puntos de la recta r ≡ 2x + 3y + 4 = 0 que
estén a la distancia 2 de la recta s ≡ 3x + 4y − 6 = 0.
8. En el plano, por el punto P (1, 2) trazar una perpendicular a la recta r ≡ 2x + y + 1 = 0.
Dar la ecuación de dicha perpendicular y encontrar el punto de ella que equidiste de P y
de r.
9. En el plano, hallar un punto de la recta x + y + 1 = 0 que sea equidistante de los puntos
A(1, 2) y B(−1, 1).
10. En el plano, hallar la distancia al origen de una recta que sea perpendicular a la bisectriz
del primer cuadrante y pase por el punto A(1, 2).
11. En el plano, hallar la ecuación de la altura correspondiente al vértice A de un triángulo
ABC, siendo A(2, 1), B(1, 3) y C(5, 0).
12. Dadas las ecuaciones de dos lados de un paralelogramo r ≡ 8x + 3y + 1 = 0 y s ≡
2x + y − 1 = 0, así como la ecuación de una de sus diagonales d ≡ 3x + 2y + 3 = 0,
determinar las coordenadas de los vértices de este paralelogramo.
13. En el plano se considera el punto P (−2, 1) y la recta r ≡ 3x + 4y + 2 = 0. Sea el cuadrado
de centro en P, cuyos lados son paralelos y perpendiculares a r y miden 2. Hallar las
ecuaciones de dichos lados.
14. En el plano, hallar la ecuación de la circunferencia concéntrica con x2 +y 2 −4x+6y−17 = 0
que sea tangente a la recta r ≡ 3x − 4y + 7 = 0. (Si una recta r es tangente a una
circunferencia, la distancia del centro de la circunferencia a r coincide con el radio.)
2.2. GEOMETRÍA EN EL PLANO 45
15. Determinar la ecuación de la circunferencia que pasa por los puntos A(−3, 2) y B(4, 1),
y es tangente al eje OX.
16. Calcular la ecuación de la circunferencia que pasa por el punto A = (1, 2), su centro se
halla en la recta de ecuación x + y = 5 y es tangente a la recta 3x + y − 3 = 0.
17. Hallar la ecuación de la circunferencia que tiene como extremos de uno de sus diámetros
los puntos A(1, −1) y B(3, 2).
√
18. Encontrar la ecuación de la circunferencia de radio r = 10 que pasa por P (7, 5) y es
tangente a la recta x − 3y + 4 = 0.
19. En el plano, hallar la ecuación de la circunferencia que pasa por los puntos M(0, −3),
N(7, 0) y P (7, −3).
46 CAPÍTULO 2. GEOMETRÍA
X=(-1,3,1/2)
k
OX = -1 i + 3 j + 1/2 k
j
i
Análogamente a lo hecho en el plano se pueden definir las coordenadas de un punto respecto
de la referencia fijada.
Definición 2.3.1 Fijada la referencia referencia cartesiana rectangular R = {O;~i, ~j, ~k} en el
espacio tridimensional, se llaman coordenadas de un punto X respecto a R, a la única terna de
−−→
escalares (x, y, z) verificando que OX = x~i+ y~j + z~k (o equivalentemente X = O + x~i+ y~j + z~k).
Esto se denotará por X(x, y, z).
Como también sucedía en el plano, las coordenadas de los puntos distinguidos de la referencia
son O(0, 0, 0), P = O + ~i = (1, 0, 0), Q = O + ~j = (0, 1, 0) y R = O + ~k = (0, 0, 1) .
Ecuaciones de un plano
Consideramos el plano π que pasa por tres puntos no alineados P (p1 , p2 , p3 ), Q(q1 , q2 , q3 ) y
−→ −→
R(r1 , r2 , r3 ). Nótese que los vectores P Q = (q1 −p1 , q2 −p2 , q3 −p3 ) y P R = (r1 −p1 , r2 −p2 , r3 −p3 )
−→ −→
son vectores linealmente independientes paralelos a π. Por tanto, {P Q, P R} constituyen una
base para los vectores ~v que son paralelos al plano π.
2.3. GEOMETRÍA EN EL ESPACIO TRIDIMENSIONAL 47
Definición 2.3.2 Se dice que dos vectores ~u y ~v constituyen un par de vectores directores de
un plano π, si son paralelos a π y linealmente independientes. En consecuencia, {~u, ~v} es una
base para el conjunto de vectores paralelos a π.
Pasando al segundo miembro las coordenadas del punto P , se obtienen que las ecuaciones
paramétricas del plano π viene dadas por
x = p1 + λu1 + µv1 ,
π≡ y = p2 + λu2 + µv2 ,
z = p3 + λu3 + µv3 .
Nótese que
u2 u3 u1 u3 u1 u2
a = , b = − , c = ,
v2 v3 v1 v3 v1 v2
son las componentes del producto vectorial ~u × ~v . Por lo que el vector (a, b, c) = ~u × ~v es
perpendicular al plano π.
a = (a,b,c)
= ax + by + cz + d = 0
48 CAPÍTULO 2. GEOMETRÍA
Ejemplo 2.3.1 Calculemos las ecuaciones del plano π que pasa por los puntos P (1, 0, 0),
−→ −→
Q(−1, 6, 1) y R(0, 3, 0). Como los vectores P Q(−2, 6, 1) y P R(−1, 3, 0) son independientes
(no son proporcionales), constituyen un par de vectores directores del plano. Por tanto, las
ecuaciones paramétricas de π vienen dadas por
x = 1 − 2λ − µ,
π≡ y = 6λ + 3µ,
z = λ.
Ecuaciónes implícitas:
Es obtenida a partir de las ecuaciónes paramétricas, se tiene que
x − p1 = λv1 ,
y − p2 = λv2 ,
z − p3 = λv3 .
v3 (x − p1 ) − v1 (z − p3 ) = 0.
De estas se obtienen las ecuaciones
v2 x − v1 y − v2 p1 + v1 p2 = 0,
r ≡
v3 x − v1 z − v3 p1 + v1 p3 = 0.
Se observa que cada ecuación representa un plano. Además, nótese que las ecuaciones no son
proporcionales (el rango de la matriz asociada al sistema es 2, ya que v1 6= 0). Luego se trata
de dos planos distintos cuya intersección es la recta r.
Así, toda recta en el espacio tridimensional es intersección de planos. No debe extrañar que
las ecuaciónes implícitas no sea únicas, pues toda recta se puede poner como intersección de
muchos pares distintos de planos.
Para terminar observemos que considerada una recta r como intersección de dos planos
a1 x + a2 y + a3 z + a0 = 0,
r≡
b1 x + b2 y + b3 z + b0 = 0,
el producto vectorial ~a ×~b, donde ~a y ~b son los respectivos vectores perpendiculares a los planos,
es un vector director de r.
a
b
a xb
r
50 CAPÍTULO 2. GEOMETRÍA
Ecuaciónes continuas:
Cuando v1 6= 0, v2 6= 0 y v3 6= 0, se puede despejar λ en las ecuaciones paramétricas de la
recta r y se obtiene
x − p1 y − p2 z − p3
r≡ = = ,
v1 v2 v3
denominadas ecuaciones continuas de la recta.
Ejemplo 2.3.2 Calculemos las ecuaciones de la recta r que pasa por los puntos P (−3, 2, 0) y
−→
Q(−2, 1, 2). El vector P Q = (1, −1, 2) es director de la recta, luego sus ecuaciones paramétricas
son
x = −3 + λ,
r≡ y = 2 − λ,
z = 2λ.
y−2
La ecuación continua de la recta viene dada por r ≡ x + 3
1 = −1 = 2 .
z
Las ecuaciones implícitas:
(−1)(x + 3) − 1(y − 2) = 0, x + y + 1 = 0,
r ≡ ≡
2(x + 3) − 1z = 0. 2x − z + 6 = 0.
Para obtener la dirección de r a partir de sus ecuaciónes implícitas haremos el producto vectorial
de dos vectores ortogonales a los planos que determinan (mediante intersección) a r. La dirección
de r estará entonces generada por el vector
1 0 0 1 1 1
~v = (1, 1, 0) × (2,0, −1) = , , = (−1, 1, −2)
0 −1 −1 2 2 0
−→
que efectivamente es paralelo a P Q.
2x − y = z − 6 = 0,
2.3. GEOMETRÍA EN EL ESPACIO TRIDIMENSIONAL 51
Nótese que r es la recta que pasa por el punto P (− 73 , 34 , 0) y tiene como vector director ~v =
(− 31 , − 53 , 1).
Paralelismo
En el espacio tridimensional, hay que considerar, además del paralelismo entre rectas, el
paralelismo entre recta y plano y entre dos planos. Se tiene:
a) Dos rectas r y s con respectivos vectores directores ~u y ~v son paralelas, si los vectores ~u
y ~v son proporcionales.
b) Una recta r con vector director ~u y un plano π con par de vectores directores ~v y w ~ son
paralelos, si ~u es combinación lineal de ~v y w.
~ Además, si ~a(a1 , a2 , a3 ) es perpendicular a
π entonces r y π son paralelos si y sólo si ~u es perpendicular a ~a, ~u · ~a = 0.
c) Dos planos π ≡ a1 x + a2 y + a3 z + a0 = 0 y τ ≡ b1 x + b2 y + b3 z + b0 = 0 son paralelos, si los
respectivos vectores perpendiculares ~a = (a1 , a2 , a3 ) y ~b = (b1 , b2 , b3 ) son proporcionales.
u
u
a
v b || a
v
w
Obsérvese que, en el apartado b) anterior, para comprobar el paralelismo entre una recta r
con vector director ~u y un plano π con par de vectores directores ~v y w,
~ basta comprobar que
u1 u2 u3
v1 v2 v3 = 0.
w1 w2 w3
Por otro lado, otra manera de expresar el apartado c) es decir que dos planos son paralelos
si y sólo si existe un mismo vector perpendicular a ambos. En consecuencia, los planos paralelos
a un plano dado π : a1 x + a2 y + a3 z + a0 = 0 son de la forma τ : a1 x + a2 y + a3 z + k = 0
52 CAPÍTULO 2. GEOMETRÍA
Ejemplo 2.3.4 Calculemos la ecuación del plano τ que pasa por el punto P (0, 1, 7) y es paralelo
al plano π ≡ 4x + 6y − 2z + 5 = 0.
Como τ es paralelo a π su ecuación debe ser de la forma τ ≡ 4x + 6y − 2z + k = 0. Pero como
pasa por el punto P = (0, 1, 7) debe suceder que 4.0 + 6.1 − 2.7 + k = 0, o lo que es lo mismo
k = 8. Luego el plano buscado tiene por ecuación τ ≡ 4x + 6y − 2z + 8 = 0. Simplificando,
τ ≡ 2x + 3y − z + 4 = 0.
2.3.3. Distancias
Distancia entre dos puntos: Seguiremos considerando fijada la referencia R = {O;~i, ~j, ~k}. La
distancia entre dos puntos P (p1 , p2 , p3 ) y Q(q1 , q2 , q3 ) del espacio tridimensional está dada, como
−→
en el plano, por el módulo del vector P Q = (q1 − p1 , q2 − p2 , q3 − p3 ). Esto es,
−→ p
d(P, Q) = kP Qk = (q1 − p1 )2 + (q2 − p2 )2 + (q3 − p3 )2 .
p (P)
r
P
Una vez conocida la distancia desde un punto a un plano, es una consecuencia directa obtener
la distancia entre planos paralelos. Para ello, se halla la distancia desde un punto cualquiera de
uno de los planos hasta el otro plano. Como ocurría con las rectas paralelas, esta distancia no
depende del punto elegido.
Asimismo, la distancia entre una recta y un plano que son paralelos es la distancia desde un
punto cualquiera de la recta hasta el plano. Tampoco esta distancia depende del punto elegido
en la recta.
2.3. GEOMETRÍA EN EL ESPACIO TRIDIMENSIONAL 53
p (P)
r
P
r
p (P)
Distancia desde un punto a una recta: La distancia d(Q, r) desde un punto Q(q1 , q2 , q3 ) a
una recta r es la menor de las distancias entre Q y puntos de r. El punto H de r tal que
d(Q, H) = d(Q, r) es el obtenido al intersecar con r el plano πQ perpendicular a r que pase por
Q. Si P (p1 , p2 , p3 ) y ~u = (u1 , u2, u3 ) son respectivamente un punto y un vector director de r,
entonces −→
kP Q × ~uk
d(Q, r) = .
k~uk
−→ −→
En efecto, si Q está r, entonces P Q = λ~u. En este caso, kP Q × ~uk = kλ~u × ~uk = k~0k = 0. En
consecuencia,
−→
kP Q × ~uk
= 0 = d(Q, r).
k~uk
P
P
p (P)
r
r
54 CAPÍTULO 2. GEOMETRÍA
Luego un punto de r es P (−3, 0, −3) y un vector director es ~u = (2, 1, 3). Ya podemos obtener
−→ −→
los vectores P Q = (4, 4, 8) y P Q × ~u = (4, 4, −4). Por tanto,
−→ √ √ √
kP Q × ~uk 42 + 42 + 42 4 3 2 42
d(Q, r) = =√ =√ = .
k~uk 22 + 12 + 32 14 7
No obstante, para calcular la distancia entre dos rectas no es estrictamente necesario deter-
minar los puntos P0 y Q0 . Esto lo que se muestra en el siguiente ejemplo.
Se puede comprobar que estas rectas se cruzan. Para calcular la distancia entre ellas, conside-
raremos el plano π que contiene a s y es paralelo a r. Dicho plano pasa por el punto (3, 0, −5)
2.3. GEOMETRÍA EN EL ESPACIO TRIDIMENSIONAL 55
y tiene como par de vectores directores uno de s, ~vs = (0, 1, 2) y uno de r, ~vr = (0, 1, 0). Luego
una ecuación del plano π es
x−3 y z+5
π ≡ 0 1 2 = 0.
0 1 0
Esto es, π ≡ x − 3 = 0. La distancia buscada es la que hay desde un punto cualquiera de r
hasta el plano π. El punto Q(2, 0, 1) está en r y se tiene
2 − 3
d(Q, π) = √ = 1.
12
56 CAPÍTULO 2. GEOMETRÍA
2.3.4. Problemas
En todos los problemas que se presentan a continuación vamos a suponer, como ya hemos
hecho a lo largo de todo la sección, que trabajamos en el espacio tridimensional y tenemos
fijada la referencia cartesiana rectangular {O;~i, ~j, ~k}.
3. Hallar la ecuación del plano que pasa por el punto Q(3, 2, 7) y contiene a la recta deter-
minada por los planos π ≡ x − y + z + 3 = 0 y τ ≡ x − 2y − 3z = 0.
5. Hallar la ecuación del plano que pasa por el punto P (4, 2, −1) y es perpendicular a los
planos π ≡ x − 3y − 6 = 0 y σ ≡ x + 4z − 8 = 0.
x − y + z = 1, x−2 y+1 z
6. Dadas las rectas r ≡ ys≡ = = , determinar a ∈ R de
2x + y − z = 2, 3 2 a
modo que exista un plano π que contenga a r y sea perpendicular a s. Hallar la ecuación
del plano π que lo verifica.
x − 1 = 2y − 4,
7. Hallar la distancia del punto P (1, 4, 5) a la recta r ≡ Calcular el
3y − 6 = z − 3.
punto que da la mínima distancia de P a r.
10. a) Calcular la recta r que pasa por el punto (4, 3, 2) y es ortogonal al plano π ≡
2x + y − 33 = 0.
b) Calcular la recta s que pasa por el punto Q(5, 0, 1) y es paralela al vector −
→
u (1, 0, 1 ).
2
c) Hallar la distancia entre las dos rectas r y s anteriores.
d ) Hallar la distancia desde el punto Q al plano π.
11. En el espacio tridimensional, hallar la ecuación de un plano que sea paralelo al plano
π ≡ x − 2y + 3z + 6 = 0 y diste 12 unidades del origen.
2.3. GEOMETRÍA EN EL ESPACIO TRIDIMENSIONAL 57
x − 4 = 0,
12. En el espacio tridimensional, calcular la distancia entre las rectas r ≡ y
z − 1 = 0,
x = 5,
s≡
2y − z = 5.
x + y + z = 1,
13. En el espacio tridimensional, sean el punto A(2, 1, 3), la recta r ≡ y el
x−y−z =0
plano π ≡ z − 1 = 0. Se pide:
14. En el espacio tridimensional y respecto de una referencia rectangular R = {O;~i, ~j, ~k}, se
considera el plano π ≡ x + y + z + 1 = 0:
(a) Hallar la ecuación general del plano τ que es perpendicular al plano π y contiene a
2x − y + 3z = 4,
la recta r de ecuación r ≡
x − y + z = 2.
(b) Dados los vectores ~u = (1, 0, 2) y ~v = (a, b, 1), determinar los escalares a, b tales que
~u y ~v sean ortogonales y su producto vectorial w ~ = ~u × ~v sea paralelo al plano π.
x − y + z = 1,
15. En el espacio tridimensional, sean el punto A(3, 2, 1), la recta r ≡ y el
x+y−z =0
plano π ≡ z − 1 = 0. Hallar la recta s (las ecuaciones implícitas) que pasa por A, que sea
paralela al plano π, y con dirección perpendicular a la de la recta r.