Calculo Vectorial

Notas de clase de Calculo Vectorial I
Orestes Bueno
Actualizado al 3 de marzo de 2015
II

Indice
general
Introduccion
1. Geometra analtica en el plano

1.1. Sistema de coordenadas cartesianas . .
1.2. El plano cartesiano . . . . . . . . . . .
1.3. Vectores en el plano . . . . . . . . . . .
1.4. Producto interno y a ngulo entre vectores
1.5. Algebra
lineal de vectores en el plano .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
2
3
5
7
12
2. El plano euclidiano
2.1. Rectas en el plano . . . . . . . . . . . . . . . . .
2.1.1. Ecuacion general de la recta . . . . . . .
2.1.2. Pendiente y ecuacion normal de una recta
2.2. Posiciones y distancias relativas entre rectas . . .
2.2.1. Interseccion de rectas . . . . . . . . . . .
2.2.2. Distancia entre rectas . . . . . . . . . . .
2.3. Angulo
entre rectas . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
19
19
21
22
23
25
26
27
.
.
.
.
29
29
30
33
37
.
.
.
.
.
.
43
43
44
45
46
48
49
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3. Geometra analtica en el espacio

3.1. Sistema de coordenadas en el espacio . . . . .
3.2. Geometra de vectores en el espacio . . . . . .
3.3. El producto vectorial y el triple producto escalar
3.4. Algebra lineal de vectores en el espacio . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4. Rectas y planos en el espacio

4.1. Rectas en el espacio . . . . . . . . . . . . . . . . . . .
4.1.1. Posicion relativa entre rectas . . . . . . . . . .
4.1.2. Distancia de un punto a una recta y entre rectas
4.2. Planos en el espacio . . . . . . . . . . . . . . . . . . .
4.2.1. Posicion relativa entre planos . . . . . . . . .
4.2.2. Distancia de un punto a un plano y entre planos
III
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
IV
INDICE
GENERAL
5. Geometra proyectiva
5.1. Relaciones y clases de equivalencia . . . . . . . . . . . . . . . .
5.2. Coordenadas homogeneas y el plano proyectivo . . . . . . . . . .
5.3. Rectas en el plano proyectivo . . . . . . . . . . . . . . . . . . . .
51
51
55
57
6. Conicas en el plano proyectivo

6.1. El polo y la recta polar . . . . . . . . . . . . . . . . . . . .
6.2. Posicion relativa de una recta y una conica . . . . . . . . . .
6.2.1. La ecuacion cuadratica homogenea de dos variables .
6.2.2. Interseccion de una recta y una conica . . . . . . . .
6.3. Propiedades generales de matrices de orden tres . . . . . . .
6.4. Clasificacion de las conicas degeneradas . . . . . . . . . . .
6.4.1. Conicas con matriz de rango uno . . . . . . . . . . .
6.4.2. Conicas con matriz de rango dos . . . . . . . . . . .
6.5. Clasificacion de conicas mediante su interseccion con x3 = 0
6.6. Conicas imaginarias . . . . . . . . . . . . . . . . . . . . . .
6.7. Recta tangente a una conica . . . . . . . . . . . . . . . . . .
63
66
68
68
70
71
74
74
76
77
77
79
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Introduccion
Estas notas de clase fueron comenzadas, como manuscrito, cuando dicte el
curso de Calculo Vectorial I en el semetre 2006-I, en la Facultad de Ciencias, de la
Universidad Nacional de Ingeniera. Luego, la version digitada la comence cuando
retome el curso durante los semestre 2013-I y 2013-II.
La idea de estas notas es proveer una vision medianamente formal de la geometra analtica, sin perder las ideas geometricas, y sin caer en la abstraccion excesiva. As, el publico objetivo son alumnos de primeros anos de una carrera orientada
a ciencias o ingeniera.
VI
INTRODUCCION
Captulo 1
Geometra analtica en el plano

La idea fundamental que dio origen a la
geometra analtica es la de relacionar a los elementos del plano (llamados puntos) con pares
ordenados (que son pares de numeros). Tal relacion se denomina sistema de coordenadas. As,
un sistema de coordenadas involucra asignarle a cada elemento de un conjunto (que puede
ser recta, plano, espacio, esfera, cono, etc.) una
cantidad finita (o incluso infinita) de numeros.
En adelante, consideraremos un plano P, y
supondremos conocidas las nociones de punto, recta, segmento, a ngulo, etc. Supondremos
tambien que en P se cumplen los postulados de
Euclides:
Figura 1.1: Rene Descartes
1. por dos puntos diferentes solo se puede trazar una u nica lnea recta;
2. todo segmento rectilneo se puede prolongar indefinidamente;
3. con un centro y un radio dado, solo se puede trazar una u nica circunferencia;
4. todos los a ngulos rectos son iguales;
5. si una recta corta a otras dos formando a un lado a ngulos internos, y la suma
de estos es menor que dos rectos, las dos rectas prolongadas indefinidamente
se encontraran de ese lado.
Finalmente, supondremos tambien que sabemos medir en nuestro plano, es decir,
dados dos elementos P, Q P, podemos determinar la distancia entre P y Q. En
este caso, denotaremos por d(P, Q) a tal distancia. Podemos considerar entonces
la funcion distancia en nuestro plano P, como una funcion d : P P R que
cumple los siguientes hechos inmediatos:
1

ANALITICA
CAPITULO
1. GEOMETRIA
EN EL PLANO
1. d(P, Q) 0, para cualquier P, Q P;

2. d(P, Q) = 0 si, y solamente si, P = Q;
3. d(P, Q) = d(Q, P ), para cualesquiera P, Q P;
4. d(P, Q) d(P, R) + d(R, Q), para cualesquiera P, Q, R P;
5. d(P, Q) = d(P, R) + d(R, Q) si, y solamente si, R esta en el segmento de
recta que une P y Q.
Con estas suposiciones, reconstruiremos la geometra analtica plana estudiada
en el colegio y/o academia. Para esto, nuestro primer objetivo sera el de cuadricular
el plano.
1.1.
Sistema de coordenadas cartesianas
Sea L una recta y consideremos un punto O L. Dicho punto O divide a L

en dos partes disjuntas. Escojamos una de estas partes y a los elementos de esta
denotemoslos como puntos a la derecha de O. Del mismo modo, a los elementos
de la parte restante, los llamaremos como puntos a la izquierda de O. As, una vez
hecha esta eleccion, llamaremos a L como eje y a O L como el origen del eje L.
Ahora, consideremos L un eje con origen O. Asignemos a cada punto de L un
numero real, de la siguiente manera: dado P L, definimos p R como
si P = O,
0,
p = d(O, P ),
si P esta a la derecha de O,
d(O, P ), si P esta a la izquierda de O.

A tal numero p lo llamaremos coordenada de P asociada al eje L. Es importante
observar que la coordenada de un punto P de L depende del origen O escogido en
L y de que semirecta en L fue escogida como a la derecha de O.
En adelante, dado un eje L, a la semirecta de L que contiene a los puntos con
coordenadas positivas la denominaremos semieje positivo, y a la semirecta de L
que contiene a los puntos con coordenadas negativas la denominaremos semieje
negativo.
Proposicion 1.1. Sean L un eje, con origen O. Si P, Q L tienen coordenadas
p, q R, respectivamente, entonces d(P, Q) = |p q|.
Demostracion. Dependiendo de la posicion relativa de P , Q y O tenemos seis posibilidades. Probaremos una de ellas y para el resto se procede de manera analoga.
Consideremos, por ejemplo, que Q esta a la izquierda de O y P a la derecha de
O, esto es, O P Q. En este caso, q = d(O, Q) 0, p = d(O, P ) 0 y as,
d(P, Q) = d(Q, O) + d(O, P ) = q + p = |p q|.
1.2. EL PLANO CARTESIANO
Una vez determinado como asignarle coordenadas a puntos en una recta, podemos hacer lo propio para puntos del plano. Consideremos dos ejes LX y LY
perpendiculares, ambos con el mismo origen O. Sea P P fijo. Si P LY entonces denotemos PX = O. En caso contrario, como P
/ LY , por el quinto postulado
de Euclides, por P pasa una u nica recta paralela a LY y as, consideramos PX como la interseccion de tal recta con LX . Del mismo modo, si P LX definimos
PY = O y, de lo contrario, definimos PY como la interseccion de la u nica recta
paralela a LX que pasa por P con LY . Sea x R la coordenada de PX respecto
del eje LX y y R la coordenada de PY respecto del eje LY . Luego, asociamos a
P el par ordenado (x, y). Tal par ordenado se denomina coordenada de P asociada
a los ejes LX y LY .
As, teniendo dos ejes perpendiculares con origen comun, hemos asignado a
cada punto del plano, un par ordenado de numeros reales. A un par de ejes con
estas caractersticas, los llamaremos sistema de coordenadas cartesianas.
En adelante, consideraremos un sistema de coordenadas cartesianas formado
por dos ejes: LX (denotado Ox y llamado eje x o eje de abscisas) y LY (denota

do Oy y llamado eje y o eje de ordenadas). Por simplicidad en la representacion
grafica, y tambien por costumbre, dibujaremos al eje x como una recta horizontal y
al eje y como una recta vertical. Ademas, la region de puntos con pares ordenados
con componentes positivas se dibujara arriba y a la derecha del origen.
Finalizaremos esta seccion estableciendo la formula de la distancia en el plano.
Proposicion 1.2. Sean P, Q P con coordenadas (a, b) y (c, d), respectivamente.
Entonces
p
d(P, Q) = (a c)2 + (b d)2 .
Demostracion. Sea L1 la recta paralela al eje x que pasa por P y L2 la recta
paralela al eje y que pasa por Q. Es claro que L1 y L2 no son paralelos, luego estas
se intersectan en un punto R. Como P R L1 , RQ L2 y L1 es perpendicular
a L2 , entonces el triangulo P RQ es un triangulo rectangulo con a ngulo recto en
R. Probaremos que la distancia de P a R es |a c|. Sea L01 la recta paralela
al eje y que pasa por P y sea P 0 la interseccion de esta con el eje x. Sea Q0 la
interseccion de L2 con el eje x. Entonces el cuadrilatero RP Q0 P 0 es un rectangulo,
luego d(P, R) = d(P 0 , Q0 ) = |a c|, por la proposicion 1.1. De manera analoga,
se prueba que la distancia de Q a R es |b d|. Finalmente, por el teorema de
Pitagoras, d(P, Q)2 = d(P, R)2 + d(R, Q)2 , es decir
p
d(P, Q) = (a c)2 + (b d)2 .
1.2.
El plano cartesiano
Tenemos identificado entonces el plano P con el conjunto de pares ordenados

de numeros reales. Tal conjunto lo denotaremos como R2 , mas precisamente:
R2 = R R = {(x, y) : x, y R}.

ANALITICA
CAPITULO
1. GEOMETRIA
EN EL PLANO
El nombre par ordenado proviene del hecho obvio de que es un par de numeros, dispuestos de forma tal que importa el orden en que aparezcan. Por ejemplo,
(5, 4) R2 y (4, 5) R2 pero no se cumple que (5, 4) = (4, 5). En
general, para determinar la igualdad de dos pares ordenados (x, y) y (a, b), debe
verificarse
x=a
y
y = b.
Dado un par ordenado (, ) R2 , diremos que es la primera componente o
componente x, y diremos que es la segunda componente o componente y.
As como en el conjunto R de los numeros reales existen dos operaciones: la
suma y el producto, en R2 podemos establecer dos operaciones fundamentales: la
suma de pares ordenados y el producto de un par ordenado por un escalar.
Definicion 1.3. Sean (x, y) y (a, b) elementos de R2 . Definimos la suma de (x, y)
y (a, b) como el par ordenado
(x, y) + (a, b) = (x + y, a + b).
Por otro lado, dado t R y (x, y) R2 , definimos el producto de (x, y) por el
escalar t como el par ordenado
t (x, y) = (tx, ty).
Las operaciones anteriormente definidas satisfacen las siguientes propiedades.
Proposicion 1.4.
1. La suma es asociativa, es decir u + (v + w) = (u + v) + w, para todo
u, v, w R2 ;
2. la suma es conmutativa, es decir u + v = v + u, para todo u, v R2 ;
3. existe un elemento R2 tal que v + = v, para todo v R2 ;
4. para todo v R2 , existe w R2 tal que v + w = ;
5. la suma y el producto por un escalar son distributivos entre ellos, es decir,
(u+v) = u+v y (+)v = v +v, para todo u, v R2 y , R;
6. el producto de escalares y el producto por un escalar son asociativos, es
decir, (v) = ()v, para todo , R y v R2 ;
7. 1 R tambien es neutro multiplicativo del producto por un escalar, es decir,
1 v = v, para todo v R2 .
Demostracion. Probaremos los tems 2, 3 y 4.
2. Sean u = (xu , yu ) y v = (xv , yv ), arbitrarios, entonces
u + v = (xu + xv , yu + yv ) = (xv + xu , yv + yu ) = v + u.
Observe que hemos usado que la suma de numeros reales es conmutativa.
1.3. VECTORES EN EL PLANO
3. Para probar la existencia de algo, basta construirlo y mostrarlo explcitamente. Consideremos = (0, 0) R2 (que claramente existe) y probemos que
cumple la condicion mencionada. Sea v = (x, y) cualquiera, entonces
v + = (x + 0, y + 0) = (x, y) = v,
como queramos probar.
4. Consideremos ahora v = (x, y) cualquiera. Para probar que existe w R2
tal que v + w = , definimos w = (x, y). Entonces
v + w = (x, y) + (x, y) = (x + (x), y + (y)) = (0, 0) = .
En adelante, al par (0, 0) R2 lo denotaremos con el smbolo 0 o incluso,
cuando no haya peligro de confusion, con el smbolo 0. Del mismo modo, si v =
(x, y), denotaremos v = (x, y).
La proposicion 1.4 implica que el conjunto R2 , junto con las operaciones de
suma y producto por un escalar, cumple los axiomas de espacio vectorial.
1.3.
Vectores en el plano
Un concepto que no es visto en los cursos basicos de geometra, pero si en los

de fsica, es el de vector. Usualmente, un vector se define como un objeto geometrico que posee magnitud y sentido, y es representado graficamente como una flecha.
As, la magnitud y el sentido del vector estaran relacionados al tamano y direccion
a la que apunta la flecha. Otra manera de definir vectores es establecer la nocion de
segmento dirigido, esto es, un segmento de recta en el cual se distinguen el punto
de inicio y el punto final.
Para definir, lo mas formal posible, la nocion de vector, dibujemos una flecha
en el plano P e intentemos determinar sus caractersticas. Consideremos el punto
P que marca el inicio de la flecha y el punto Q que marca el final (osea el punto del
plano donde se ubica la punta de la flecha). Observe que para reconstruir nuestra
flecha basta determinar los puntos P y Q, y determinar el punto de inicio. As, un
vector esta determinado por un par ordenado de puntos (P, Q), donde P representa
el origen del vector y Q el final (o destino) del vector. Que significa magnitud
y sentido en este caso? La magnitud del vector esta dada por la distancia entre
P y Q. Sin embargo, sin un sistema de coordenadas, el sentido no esta bien
determinado.
Consideremos entonces un sistema de coordenadas cartesianas en P. Entonces,
nuestra flecha se encuentra ahora dibujada sobre el plano cuadriculado. En este
caso, tanto P y Q se representan por pares ordenados. Observe que el sentido del
vector no depende de P , sino de en que posicion se encuentra Q respecto de P y
en que posicion estan ambos respecto de los ejes coordenados. As, consideremos
un sistema de coordenadas, con ejes paralelos al sistema original, pero con origen
ANALITICA
CAPITULO
1. GEOMETRIA
EN EL PLANO
de coordenadas el punto de origen del vector. Entonces, en este nuevo sistema, P

tiene coordenadas (0, 0) y la magnitud y el sentido del vector esta determinados
completamente por las coordenadas de Q. Esto significa que podemos caracterizar
un vector por un par ordenado, es decir, por un elemento de R2 .
Es aqu donde surgen confusiones respecto a como interpretar los elementos de
2
R . Para fijar las ideas, consideremos el par (3, 1) R2 y fijemos un sistema de
coordenadas en P. Por un lado (3, 1) representa al punto de P que esta a 3 unidades
de distancia y a la derecha del eje y y a 1 unidad de distancia y hacia arriba del eje
x. Por otro lado, (3, 1) representa al vector en P que teniendo como origen (0, 0)
tiene como final (3, 1). Mas aun, (3, 1) representara a cualquier vector en P con
origen P y final Q tal que las coordenadas de Q en un sistema coordenado con ejes
paralelos al sistema original y con origen en P son (3, 1).
Observacion 1.5. Algunos autores usan el nombre radio vector para denotar a los
vectores que tienen como origen al punto (0, 0).
Para ayudar a mitigar este problema, consideraremos smbolos diferentes para
denotar puntos y vectores en el plano. Usualmente, denotaremos los puntos del
plano con letras mayusculas (P , Q, R, A,...) y a los vectores con letras minusculas
(v, w, n,...). Ademas, al vector con origen P y destino Q lo denotaremos como
P Q.
Proposicion 1.6. Fijemos un sistema de coordenadas en P. Sean P, Q P con
coordenadas (p1 , p2 ) y (q1 , q2 ), respectivamente. Entonces el vector P Q es representado por el par ordenado Q P = (q1 p1 , q2 p2 ).
Ejemplo 1.7. Consideremos P, Q P con coordenadas (2, 1) y (1, 1) respecti
vamente. Sea v = P Q. Entonces v = Q P = (1, 2).
Como se interpretan geometricamente las operaciones de suma y producto por
un escalar de R2 ? Si consideramos los elementos de R2 como vectores, podemos
interpretar dichas operaciones. Para el caso de la suma, si v = (x1 , y1 ) y w =
(x2 , y2 ) son (radio) vectores en el plano, entonces v + w = (x1 + x2 , y1 + y2 ) es
el (radio) vector cuyo final es el punto final del vector w, considerando como su
origen el punto final del vector v. Del mismo modo, si u = (x, y) es un (radio)
vector y t > 0, entonces t u es el (radio) vector cuya magnitud es la magnitud de
u multiplicada por t y cuyo sentido es el mismo de u. Si t = 0 entonces t u es el
vector nulo, es decir, el vector con magnitud cero. Finalmente, si t < 0 entonces
t u es el vector con la misma magnitud que (t) u y sentido opuesto.
Note que estas operaciones no tienen sentido geometrico si interpretamos los
elementos de R2 como puntos. As, al decir que R2 es un espacio vectorial, estamos
interpretando los elementos de R2 como vectores en el plano y no como puntos del
plano.
Para terminar de caracterizar los vectores en el plano, recordemos que la magnitud de un vector es la distancia entre sus puntos de origen y destino. Tal propiedad
de un vector puede caracterizarse de la siguiente manera.

1.4. PRODUCTO INTERNO Y ANGULO
ENTRE VECTORES
Definicion 1.8. Sea v = (x, y) R2 un vector en el plano. Definimos la norma (o

magnitud) de v como el numero
p
kvk = d((0, 0), (x, y)) = x2 + y 2 .
As, la norma de un vector se interpreta como el tamano del vector. Observe
que la norma esta definida como la distancia del punto final del radio vector v a su
origen (que es el origen del sistema de coordenadas). Podemos considerar entonces
la funcion norma como la funcion k k : R2 R.
Proposicion 1.9. Se cumplen las siguientes propiedades de la norma de un vector:
1. kvk 0, para todo v R2 ;
2. kvk = 0 si, y solo si, v = 0;
3. ku + vk kuk + kvk, para todo u, v R2 ;
4. kt vk = |t|kvk, para todo v R2 , t R.
Juntando la proposicion anterior y la proposicion 1.6 obtenemos
Corolario 1.10. Si P, Q P entonces
d(P, Q) = kP Qk = kP Qk.
Finalizaremos la seccion estableciendo dos definiciones que usaremos a menudo. Diremos que dos vectores son paralelos si uno es el producto del otro por un
escalar. Escrito en notacion simbolica, diremos que los vectores v y w son paralelos
si, o bien v = 0 o bien existe t R tal que v = tw. De este modo, establecemos
por definicion que el vector 0 es paralelo a cualquier vector de R2 .
Diremos que un vector es unitario si este tiene norma igual a 1. En notacion
simbolica, u es unitario si kuk = 1. Dado cualquier v R2 , v 6= 0, entonces el
1
vector u =
v satisface
kvk

1
1

kuk =
kvk v = kvk kvk = 1.
Es decir u es unitario y v = kvku. Esto quiere decir que todo vector no nulo es
paralelo a un vector unitario.
1.4.
Producto interno y a ngulo entre vectores
Un concepto importante al momento de trabajar con vectores es el a ngulo entre

estos. Un caso particular importante es cuando dos vectores son perpendiculares,
esto es, cuando forman un a ngulo recto. Dado que ahora representamos vectores en
el plano como elementos de R2 , es necesaria una manera de determinar el a ngulo
de dos vectores a partir de sus representaciones como pares ordenados. Para esto,
introduciremos la nocion de producto interno.

ANALITICA
CAPITULO
1. GEOMETRIA
EN EL PLANO
Definicion 1.11. Sean v = (x1 , y1 ) y w = (x2 , y2 ) vectores en el plano. Definimos

el producto interno de v con w como el escalar
hv, wi = h(x1 , y1 ), (x2 , y2 )i = x1 x2 + y1 y2 .
Observacion 1.12. Es usual en la literatura llamar al producto interno como producto escalar y denotar hv, wi como v w. Nosotros no usaremos tal notacion en
principio para no confundir con el termino producto por un escalar y tambien
para estar acorde a los libros de matematica mas avanzada.
Podemos considerar al producto interno como una funcion. En este caso, h, i
denota una funcion con dominio R2 R2 (cuyos elementos son pares de pares
ordenados) y con rango R. Claramente no escribiremos h, i(u, v) sino hu, vi.
La siguiente proposicion contiene las principales propiedades del producto interno.
Proposicion 1.13. Se cumplen las siguientes propiedades del producto interno:
1. hu, vi = hv, ui, para todo u, v R2 ;
2. hu, ui 0, para todo u R2 ;
3. hu, ui = 0 si, y solo si, u = 0;
4. htu, vi = thu, vi, para todo u, v R2 y t R;
5. hu + v, wi = hu, wi + hv, wi, para todo u, v, w R2 .
Demostracion. Consideremos u = (x1 , y1 ), v = (x2 , y2 ), w = (x3 , y3 ) y t R,
arbitrarios. En este caso,
hv, ui = x2 x1 + y2 y1 = x1 x2 + y1 y2 = hu, vi,
hu, ui = x1 x1 + y1 y1 = x21 + y12 0,
htu, vi = h(tx1 , ty1 ), (x2 , y2 )i = tx1 x2 + ty1 y2 = t(x1 x2 + y1 y2 ) = thu, vi,
lo que prueba 1, 2 y 4. Si u = (0, 0) entonces hu, ui = 0 + 0 = 0, trivialmente.
Recprocamente, si hu, ui = 0 entonces x21 + y12 = 0, y esto implica que x1 =
y1 = 0, es decir, u = 0. As, hemos probado 3. Finalmente,
hu + v, wi = h(x1 + x2 , y1 + y2 ), (x3 , y3 )i
= (x1 + x2 )x3 + (y1 + y2 )y3
= x1 x3 + x2 x3 + y1 y3 + y2 y3
= (x1 x3 + y1 y3 ) + (x2 x3 + y2 y3 )
= hu, wi + hv, wi.
Esto prueba 5.

ENTRE VECTORES
Sea v = (x, y) R2 , entonces

hv, vi = x2 + y 2 = kvk2 .
Luego, podemos obtener la norma de un vector a partir del producto interno, de la
siguiente manera
p
kvk = hv, vi.
Del mismo modo, la distancia entre dos puntos P y Q esta dada por
p
d(P, Q) = kP Qk = hP Q, P Qi.
Ahora, usaremos el producto interno para determinar el a ngulo entre vectores.
Comenzaremos con el siguiente lema.
Lema 1.14. Sea v = (x, y) R2 un vector no nulo. Entonces
v = (x, y) = kvk(cos(), sen()),
donde es el a ngulo que forma el vector v con el semieje x positivo.
Demostracion. Consideremos los puntos P = (x, y) y Q = (x, 0). Entonces el
triangulo OQP es rectangulo, con a ngulo recto en Q. Sea = P OQ, entonces
cos() =
d(Q, O)
|x|
=
d(P, O)
kvk
sen() =
d(P, Q)
|y|
=
.
d(P, O)
kvk
Se consideran cuatro posibilidades, dependiendo en que parte del plano se encuentre v. Supongamos que v esta en el primer cuadrante. Entonces x 0, y 0 y
= . Luego
v = (x, y) = (kvk cos(), kvk sen()) = kvk(cos(), sen()).
Los casos restantes se demuestran de manera analoga. Por ejemplo, supongamos que v esta en el cuarto cuadrante. Entonces x 0, y 0 y = 2 .
Luego
x
,
kvk
(y)
y
sin() = sin(2 ) = sen() =
=
,
kvk
kvk
cos() = cos(2 ) = cos() =
y as tenemos probado este caso.

Teorema 1.15. Sean u, v R2 y el a ngulo que forman u y v. Entonces
hu, vi = kukkvk cos().
(1.1)
Observacion 1.16. En el caso que u o v sea nulo, el a ngulo entre u y v no esta bien
definido. Sin embargo, en este caso, el teorema se cumple para cualquier R.
10
ANALITICA
CAPITULO
1. GEOMETRIA
EN EL PLANO
Demostracion. Si u = 0 o v = 0 entonces hu, vi = 0 = kukkvk cos(), para

cualquier R. Supongamos que u 6= 0 y v 6= 0, y sean y los a ngulos que
forman u y v con el semieje x. Por el lema 1.14, tenemos
u = (kuk cos(), kuk sen()),
v = (kvk cos(), kvk sen()).
Luego
hu, vi = kukkvk cos() cos() + kukkvk sen() sen()
= kukkvk(cos() cos() + sen() sen())
= kukkvk cos( ) = kukkvk cos( ).
El resultado se sigue observando que el a ngulo que forman los vectores u y v es o
bien o bien .
Una consecuencia importante del teorema anterior es la desigualdad de CauchySchwarz.
Corolario 1.17. Dados u, v R2 ,
|hu, vi| kukkvk,
y la igualdad se da si, y solo si, u y v son paralelos.
Demostracion. Basta tomar valor absoluto en la ecuacion (1.1) y observar que
| cos()| 1, para todo R. Finalmente, la segunda parte del corolario se
sigue observando que la igualdad se da si, y solo si, cos() = 1, es decir, = 0 o
.
Observacion 1.18. La demostracion que hemos de la desigualdad de CauchySchwarz hace uso de la formula explcita del producto interno que definimos. La
siguiente demostracion alternativa, en cambio, solo hace uso de las propiedades
intrnsecas del producto interno. Dados u, v R2 , es claro que la desigualdad se
cumple si v = 0. En el caso que v 6= 0, consideremos la funcion g : R R
definida como
g(t) = ku tvk2 = hu tv, u tvi = kuk2 2thu, vi + t2 kvk2 .
Observe que g(t) es un polinomio cuadratico, cuyo coeficiente cuadratico es no
negativo. No es difcil concluir que esta funcion alcanza su mnimo en el punto
hu, vi
t0 =
cuyo valor es
kvk2
g(t0 ) = kuk2 2
hu, vi2 hu, vi2

hu, vi2
2
+
=
kuk
.
kvk2
kvk2
kvk2
hu, vi2
0. Esto implica la desigualdad. Obkvk2
serve que se da la igualdad si y solo si g(t0 ) = ku t0 vk2 = 0, es decir u = t0 v.
Como g(t0 ) 0 entonces kuk2

ENTRE VECTORES
11
Definicion 1.19. Diremos que dos vectores u, v R2 son ortogonales si hu, vi =

0.
La siguiente consecuencia importante del teorema 1.15 relaciona las nociones
de perpendicularidad y ortogonalidad.
Corolario 1.20. Dos vectores u, v R2 , no nulos, son perpendiculares si, y solo
si, hu, vi = 0.
Demostracion. Basta observar que hu, vi = 0 si, y solamente si, cos() = 0,
3
donde es el a ngulo que forman. Luego = o =
.
2
2
El corolario anterior simplifica bastante los calculos para determinar si dos
vectores son perpendiculares, pues basta comprobar que su producto interno es 0.
Ejemplo 1.21. Sea v = (2, 5) R2 . Entonces (10, 4), (5, 2), (15, 6) son
todos ortogonales a v pues
h(2, 5), (10, 4)i = 2 10 + 5 (4) = 20 20 = 0,
h(2, 5), (5, 2)i = 2 (5) + 5 2 = 10 + 10 = 0,
h(2, 5), (15, 6)i = 2 15 + 5 (6) = 30 30 = 0.
Observe que (10, 4), (5, 2), (15, 6) son todos paralelos entre si. Existira vector en R2 , ortogonal a (2, 5) pero no paralelo a (5, 2)? La respuesta es no, es decir,
todo vector ortogonal a (2, 5) debe ser paralelo a (5, 2).
Observamos que, en general, un vector en R2 posee infinitos vectores ortogonales a el, y todos estos son paralelos entre s. Dotaremos a uno de estos una notacion
especial. Dado v = (x, y) R2 definimos su ortogonal como v = (y, x). Claramente hv, v i = 0 y kv k = kvk. Geometricamente v es una rotacion de 90
de v en sentido antihorario. Es inmediato ver que (v ) = v.
Consideremos ahora u y v en R2 , con v 6= 0. Por lo visto en la observahu, vi
cion 1.18, t0 =
es el que minimiza la funcion g : R R, g(t) =
kvk2
hu, vi
ku tvk2 . Denotemos w = t0 v =
v, entonces w es paralelo a v. Ademas,
kvk2
hv, u wi = hv, ui hv, wi = hu, vi
hu, vi
kvk2 = 0.
kvk2
Es decir u w es ortogonal a v, luego es paralelo a v . As, tenemos la siguiente

descomposicion de u,
u = w + (u w) = t0 v + s0 v ,
donde s0 existe pues u w es paralelo a v . No es difcil concluir que
s0 =
hu, v i
hu, v i
=
.
kvk2
kv k2
(1.2)

ANALITICA
CAPITULO
1. GEOMETRIA
EN EL PLANO
12
Definicion 1.22. Sea v R2 , no nulo. Dado u R2 , definimos la proyeccion

ortogonal de u sobre v como el vector
Proyv u =
hu, vi
v.
kvk2
Con esta definicion, la ecuacion (1.2) se expresa como

u = Proyv u + Proyv u,
y de aqu, de inmediato tenemos que Proyv u = u Proyv u.
Por otro lado, la ecuacion (1.2) tambien puede escribirse como
u=
Observe que
hu, v i v
hu, vi v
,
kvk kvk
kv k kv k
v
v
y son unitarios, luego
kvk kv k
k Proyv uk =
|hu, vi|
kvk
k Proyv uk =
|hu, vi|
.
kvk
Definicion 1.23. Sea v R2 , no nulo. Dado u R2 , definimos la componente

ortogonal de u sobre v como
Compv u =
hu, vi
.
kvk
As, concluimos los calculos anteriores escribiendo

u = Proyv u + Proyv u = Compv u
v
v
+ Compv u .
kvk
kv k
(1.3)
Finalmente, presentamos propiedades inmediatas de la proyeccion ortogonal.

Proposicion 1.24. Sea v R2 , v 6= 0. Entonces
1. Proyv u = Proytv u, para todo u R2 y t R, t 6= 0;
2. Proyv (u + w) = Proyv u + Proyv w, para todo u, w R2 ;
3. Proyv (t u) = t Proyv u, para todo u R2 y t R.
1.5. Algebra
lineal de vectores en el plano
Definicion 1.25. Sean v1 , . . . , vn R2 vectores en el plano. Diremos que un vector v es una combinacion lineal de los vectores v1 , . . . , vn si existen coeficientes
reales 1 , . . . , n tales que
v = 1 v1 + 2 v2 + + n vn .
En este caso, diremos que v1 , . . . , vn generan v. Ademas, si todo vector v R2 es
generado por v1 , . . . , vn , diremos que v1 , . . . , vn generan R2 .

1.5. ALGEBRA
LINEAL DE VECTORES EN EL PLANO
13
Ejemplo 1.26. Sean v1 = (1, 2), v2 = (1, 4), v3 = (1, 0) y v = (3, 7). En este
caso, tenemos
3
5
v = (3, 7) = (1, 2) + (1, 4) + (1, 0).
2
2
Luego v es combinacion lineal de v1 , v2 y v3 . Observe que esta no es la u nica
manera de expresar v como combinacion lineal de v1 , v2 , v3 , por ejemplo
1
7
v = (3, 7) = (1, 2) + 0(1, 4) (1, 0).
2
2
Del mismo modo, podemos escribir (0, 0) como dos diferentes combinaciones lineales de v1 , v2 , v3 , a saber
(0, 0) = 0(1, 2) + 0(1, 4) + 0(1, 0) = 2(1, 2) + (1, 4) + 3(1, 0).
Finalmente, observamos que v1 , v2 , v3 generan todo R2 pues, para (x, y) R2 ,
arbitrario,

y
y
(1, 0).
(x, y) = (1, 2) + 0(1, 4) + x
2
2
Ejemplo 1.27. Sean v1 = (1, 0) y v2 = (1, 1). En este caso, para cualquier
(x, y) R2 ,
(x, y) = (x y)(1, 0) + y(1, 1).
Luego v1 y v2 generan R2 .
Observacion 1.28. Dado cualquier conjunto de vectores v1 , . . . , vn , el vector 0
R2 siempre es combinacion lineal de estos, de la siguiente manera
0 = 0 v1 + + 0 vn .
La unicidad que poseen los coeficientes de las combinaciones lineales de los
vectores (1, 0) y (1, 1) es una propiedad importante y digna de tener nombre propio.
Definicion 1.29. Diremos que los vectores v1 , . . . , vn R2 son linealmente independientes si, escribiendo
0 = 1 v1 + + n vn ,
con 1 , . . . , n R, la u nica posibilidad para estos es
1 = 2 = = n = 0.
Por otro lado, si v1 , . . . , vn no son linealmente independientes entonces se denominan linealmente dependientes.
14
ANALITICA
CAPITULO
1. GEOMETRIA
EN EL PLANO
Probemos que (1, 0) y (1, 1) son linealmente independientes. Sean , R

tales que
(0, 0) = (1, 0) + (1, 1).
Entonces 0 = + y 0 = . Esto implica que = = 0, es decir, la u nica
posibilidad para y es ser ambos cero. As, los vectores (1, 0) y (1, 1) tienen la
propiedad de ser linealmente independientes y al mismo tiempo generar todo R2 .
Definicion 1.30. Diremos que un conjunto v1 , . . . , vn es una base de R2 si estos
son linealmente independientes y generan R2 .
Los vectores v1 = (1, 2), v2 = (1, 4) y v3 = (1, 0) del ejemplo 1.26 son
linealmente dependientes, pues podemos escribir
(0, 0) = (2) (1, 2) + 1 (1, 4) + 3 (1, 0).
En general, los vectores v1 , . . . , vn son linealmente dependientes si existen escalares 1 , . . . , n R, no todos nulos, tales que
0 = 1 v1 + + n vn .
Ejemplo 1.31. Consideremos e1 = = (1, 0) y e2 = = (0, 1). Tenemos que
todo v = (x, y) R2 se escribe como v = (x, y) = x(1, 0) + y(0, 1). Luego e1 y
e2 generan R2 . Ademas, si 0 = e1 + e2 entonces = = 0, por lo tanto, e1 y
e2 es linealmente independiente y, por ende, una base de R2 . Esta base es conocida
como la base canonica de R2 .
Ejemplo 1.32. Considere v1 = (2, 3) y v2 = (8, 12). Estos son linealmente dependientes pues
(0, 0) = 4(2, 3) + (8, 12).
(1.4)
Mas aun, de (1.4), tenemos que (8, 12) = 4(2, 3), es decir, (2, 3) y (8, 12) son
paralelos.
El comportamiento del ejemplo anterior ocurre en general, como muestra la
siguiente proposicion.
Proposicion 1.33. Sean v1 , v2 R2 . Las siguientes afirmaciones son equivalentes:
1. v1 , v2 son paralelos;
2. v1 , v2 son linealmente dependientes;
3. si v1 = (x1 , y1 ) y v2 = (x2 , y2 ) entonces x1 y2 x2 y1 = 0.

1.5. ALGEBRA
15
Demostracion. Supongamos que v1 , v2 son paralelos, entonces existe t R tal

que v1 = tv2 . Esto implica que
0 = v1 tv2 = 1 v1 + (t) v2 .
Como 1 6= 0 entonces concluimos que v1 y v2 son linealmente dependientes.
Supongamos que v1 y v2 son linealmente dependientes. Entonces existen ,
R, no ambos nulos, tales que 0 = v1 + v2 , es decir
0 = x1 + x2 ,
(1.5)
0 = y1 + y2 .
(1.6)
De aqu, consideremos cuatro posibilidades:

1. si x1 = 0 y 6= 0 entonces, de (1.5), x2 = 0 y as x1 y2 x2 y1 = 0;
2. si x1 = 0 y = 0 entonces 6= 0 y, de (1.6), y1 = 0, esto implica
x1 y2 x2 y1 = 0;
3. si x1 6= 0 y 6= 0 entonces, de (1.5),
x2
,
=
x1
x2
y1 ;
y por lo tanto, de (1.6) y2 = y1 =
x1
4. si x1 6= 0 y = 0 entonces, de (1.5), = 0, que es una contradiccion.
Luego este caso no puede darse.
As, en cualquier caso, hemos probado que x1 y2 x2 y1 = 0.
Finalmente, supongamos que x1 y2 = x2 y1 . Si v1 = 0 entonces no hay nada
que probar. As, supongamos que v1 6= 0, es decir x1 6= 0 o y1 6= 0. Si x1 6= 0
x2
entonces y2 = y1
y
x1
x2
x2
v2 = (x2 , y2 ) =
(x1 , y1 ) =
v1 .
x1
x1
y2
Del mismo modo, si y1 6= 0 entonces x2 = x1 y
y1
y2
y2
v2 = (x2 , y2 ) = (x1 , y1 ) = v1 .
y1
y1
En ambos casos, tenemos que v1 y v2 son paralelos.
Ejemplo 1.34. Si v R2 y w = 0 entonces v y w son paralelos y por tanto
v y w son linealmente dependientes. En general, si v1 , . . . , vn son tales que al
menos uno de ellos es el vector nulo, por ejemplo v1 = 0, entonces son linealmente
dependientes pues
0 = 1 v 1 + 0 v2 + + 0 vn = 1 0.
16
ANALITICA
CAPITULO
1. GEOMETRIA
EN EL PLANO
Ejemplo 1.35. Sea v1 = (x, y) 6= (0, 0) y v2 = v1 = (y, x). Supongamos que

v1 y v2 son paralelos, es decir, existe t R tal que (x, y) = t(y, x). Es obvio
que t 6= 0, luego tenemos el sistema
ty = x,
tx = y,
que implica que 0 = (t2 + 1)y. Como t2 + 1 > 0, para cualquier t, entonces y = 0
y por tanto x = 0. Esto es una contradiccion pues v1 6= 0. Esta contradiccion
surge de suponer que v1 y v2 son paralelos. As, para cualquier v R2 , v y v son
linealmente independientes.
Cuantos elementos posee una base de R2 ? Hasta ahora hemos exhibido una
base de dos elementos, sin embargo, no sabemos a priori si podremos encontrar
bases de mas elementos. Probaremos que en R2 toda base posee exactamente dos
elementos.
Lema 1.36. Sean v1 , . . . , vn R2 tales que v1 , . . . , vk es linealmente dependiente,
con k n. Entonces v1 , . . . , vn es linealmente dependiente.
Demostracion. Como v1 , . . . , vk es linealmente dependiente entonces existen escalares 1 , . . . , k , no todos nulos, tales que
0 = 1 v1 + + k vk .
Definiendo k+1 = = n = 0, tenemos
0 = 1 v1 + + k vk + k+1 vk+1 + + n vn ,
donde nuevamente 1 , . . . , n no son todos nulos. As, v1 , . . . , vn son linealmente
dependientes.
Presentaremos ahora el resultado principal de esta seccion.
Teorema 1.37. Sean v1 , v2 R2 linealmente independientes. Entonces v1 y v2
generan R2 .
Demostracion. Consideremos v1 = (x1 , y1 ) y v2 = (x2 , y2 ). Por la proposicion 1.33, tenemos que x1 y2 x2 y1 6= 0. Dado cualquier v = (x, y) R2 ,
consideremos
xy2 x2 y
x1 y xy1
=
,
=
.
x1 y2 x2 y1
x1 y2 x2 y1
Luego, un calculo de rutina muestra que
v1 + v2 = v,
es decir, v es generado por v1 , v2 .

1.5. ALGEBRA
17
Observacion 1.38. En la demostracion anterior, los valores de y fueron obtenidos al aplicar la regla de Cramer al sistema de ecuaciones
x1 + x2 = x,
y1 + y2 = y.
Corolario 1.39. Sea v1 , . . . , vn R2 un conjunto linealmente independiente. Entonces n 2.
Demostracion. Por el lema 1.36, basta probar que cualquier terna de vectores
v1 , v2 , v3 es linealmente dependiente. Esto es inmediato si v1 y v2 son paralelos.
Luego, supongamos que v1 y v2 son linealmente independientes, entonces, por el
teorema 1.37, v3 es generado v1 y v2 , es decir, v3 = v1 + v2 . Luego,
0 = v1 + v2 v3 ,
y como 1 6= 0 entonces v1 , v2 , v3 es linealmente dependiente.
El recproco del teorema 1.37 tambien se cumple.
Proposicion 1.40. Si v1 , v2 generan R2 entonces son linealmente independientes.
Demostracion. Supongamos que v1 y v2 no son linealmente independientes. Entonces existe t R tal que v2 = tv1 . Luego, como todo v R2 es generado por
v1 , v2 ,
v = v1 + v2 = ( + t)v1 ,
es decir, todo v R2 es paralelo a v1 , lo cual es una contradiccion.
Supongamos que v1 , . . . , vn es una base de R2 , entonces es linealmente independiente. Luego por el corolario 1.39, n 2. Pero si n = 1 entonces v1 no puede
generar todo R2 , luego n = 2. As, toda base de R2 posee dos elementos.
Este hecho hace que podamos establecer la dimension de R2 como la cantidad
de elementos que posee cualquier base de R2 . En este caso, como toda base posee
dos elementos, tenemos que R2 tiene dimension dos.
18
ANALITICA
CAPITULO
1. GEOMETRIA
EN EL PLANO
Captulo 2
El plano euclidiano
Las dos ideas fundamentales de la geometra euclidiana son el punto y la recta. En esta, estas dos nociones son descritas de manera
imprecisa, siendo sus principales caractersticas determinadas por los postulados de Euclides. La ventaja de tener un sistema de coordenadas en el plano es que nos permite definir con precision estas nociones. Consideremos
un plano P, dotado de un sistema de coordenadas cartesiano. Identificando P con R2 con
este sistema, entonces un punto es simplemente un elemento de R2 , es decir, par ordenado
Figura 2.1: Euclides
P = (x, y). Nuestra tarea ahora sera la de definir recta, tambien por medio de nuestro sistema de coordenadas.
2.1.
Rectas en el plano
Definiremos una recta mediante dos caractersticas de esta: una direccion (dada
por un vector) y un punto de paso. A esta definicion se le denomina representacion
vectorial de la recta.
Definicion 2.1. Sea P0 P y v R2 un vector no nulo. La recta que pasa por P0
con direccion v es el conjunto
L(P0 , v) = {P = P0 + tv P : t R}.
Ejemplo 2.2. Consideremos P0 = (2, 1) y v = (1, 1). Entonces
L(P0 , v) = {(x, y) = (2, 1) + t(1, 1) : t R}
= {(2 + t, t 1) : t R}.
19
20
CAPITULO
2. EL PLANO EUCLIDIANO
As, todo punto (x, y) L(P0 , v) es de la forma

x = 2 + t,
y = t 1.
En general, si P0 = (x0 , y0 ) P y v = (v1 , v2 ) R2 entonces todo punto

(x, y) L(P0 , v) satisface
x = x0 + tv1 ,
y = y0 + tv2 .
(2.1)
La ecuacion (2.1) se denomina ecuacion parametrica de la recta.

Consideremos P0 P y v R2 no nulo. Para cualquier P L(P0 , v) existe
t R tal que P = P0 + tv. Esto equivale a P0 P = P P0 = tv, es decir, el vector
P0 P es paralelo a v. Luego, P L(P0 , v) si, y solamente si, P0 P es paralelo a

v. En particular, dados dos puntos distintos del plano, sabemos que pasa una u nica
recta por ellos. Para hallarla, basta considerar v = P0 P1 6= 0 y as definir
L(P0 , P1 ) := L(P0 , P0 P1 ).
Ejemplo 2.3. Sean P0 = (1, 3) P y P1 = (3, 2) P. Entonces
v = P0 P1 = P1 P0 = (2, 5)
y L = L(P0 , v) = {(x, y) = (1, 3) + t(2, 5) : t R}.
La recta generada por el punto de paso P0 y el vector direccion v no varia si
usamos cualquier punto de la recta y cualquier vector direccion paralelo a v, como
muestra la siguiente proposicion.
Proposicion 2.4. Sea L = L(P0 , v) una recta y sean r, s R, con s 6= 0. Entonces
L = L(P0 + rv, sv).
Demostracion. Como P0 + rv L(P0 , v) entonces, para todo t0 R,
(P0 + rv) + t0 sv = P0 + (r + t0 s)v L(P0 , v),
es decir, L(P0 + rv, sv) L(P0 , v). Del mismo modo, para todo t R,
P0 + tv = (P0 + rv) +
tr
sv L(P0 + rv, sv),
s
implicando que L = L(P0 , v) = L(P0 + rv, sv).

Corolario 2.5. Sean P0 P y v R2 , v 6= 0, entonces
1. para cualquier P L(P0 , v), L(P, v) = L(P0 , v);
2. para cualquier w 6= 0 paralelo a v, L(P0 , w) = L(P0 , v);
3. para cualquier P L(P0 , v) y cualquier w 6= 0 paralelo a v, L(P, w) =
L(P0 , v).
2.1. RECTAS EN EL PLANO
21
Ejemplo 2.6. Sean P0 = (1, 5) P y v = (1, 1) R2 . Entonces L =

L(P0 , v) tiene como ecuaciones parametricas
x = 1 t,
y = 5 + t.
Consideremos por ejemplo t = 3. Entonces P = (x, y) = (2, 2) L. Por otro

lado w = 7v = (7, 7) es paralelo a v. Luego, por el teorema 2.4,
L = L(P0 , v) = L(P, w).
Observe que si consideramos L = L(P, w), el punto P0 se representa como
3
P0 = P + w.
7
2.1.1.
Ecuacion general de la recta
Supongamos P0 = (x0 , y0 ) y v = (v1 , v2 ) R2 , y consideremos la recta
L(P0 , v). Dado P = (x, y) L(P0 , v), tenemos que P0 P es paralelo a v, luego es
ortogonal a v , es decir
hP P0 , v i = hP0 P , v i = 0.
Utilizando las componentes de P0 , P y v, obtenemos
0 = h(x x0 , y y0 ), (v2 , v1 )i = v2 x + v2 x0 + v1 y v1 y0 .
Definiendo a = v2 , b = v1 y c = v2 x0 v1 y0 , concluimos que P = (x, y)
L(P0 , v) si, y solamente si,
ax + by + c = 0.
Definicion 2.7. Sea L una recta tal que, todo punto (x, y) L satisface
ax + by + c = 0.
(2.2)
La ecuacion (2.2) se denomina ecuacion general de la recta L. En este caso, denotaremos L = L(a, b, c) = {(x, y) P : ax + by + c = 0}.
Ejemplo 2.8. Consideremos la recta dada en el ejemplo 2.6, L = L(P0 , v), con
P0 = (1, 5) P y v = (1, 1) R2 . Por lo visto anteriormente, tenemos que
a = 1, b = 1 y c = 4. Luego, x y + 4 = 0 es una ecuacion general de L.
Multiplicando esta ecuacion por 1, tenemos la tambien ecuacion general de L,
x + y 4 = 0.
No es difcil verificar que L(a, b, c) = L(ta, tb, tc), para todo t 6= 0. Luego, la ecuacion general de una recta no es u nica. Ademas, observe que el conjunto L(a, b, c) no siempre representa una recta. Por ejemplo, L(0, 0, 0) = P y
L(0, 0, 1) = .
22
CAPITULO
Ya hemos probado que toda recta en representacion vectorial puede ser representada mediante su ecuacion general. La siguiente proposicion establece condiciones para que una ecuacion de la forma ax + by + c = 0 determine una recta en
el plano.
Proposicion 2.9. Dados a, b, c R tales que (a, b) 6= (0, 0), el conjunto L(a, b, c)
determina una recta en el plano con vector direccion v = (b, a).
Demostracion. Sea v = (a, b) = (b, a) 6= 0 el cual sera el vector direccion de
la recta. Falta entonces encontrar un punto de paso. Definamos P0 = (x0 , y0 ) P
como
(
(1, cb ),
si a = 0,
P0 = (x0 , y0 ) =
b+c
( a , 1), si a 6= 0.
Observe que P0 esta bien definido y satisface la ecuacion general de L, es decir,
ax0 + by0 + c = 0.
(2.3)
Probaremos ahora que L(a, b, c) = L(P0 , v). Dado cualquier P = (x, y)

L(a, b, c), tenemos
ax + by + c = 0.
Restando la ecuacion anterior con (2.3) tenemos que
a(x x0 ) + b(y y0 ) = 0,
es decir, hP P0 , (a, b)i = 0. Luego P0 P es paralelo a (a, b) = (b, a) = v.

Por lo tanto, P L(P0 , v).
Ejemplo 2.10. Consideremos la recta L con ecuacion general
7x 3y + 5 = 0.
Consideremos P0 = ( 27 , 1) L y v = (7, 3) = (3, 7). Por lo visto anteriormente, L = L(P0 , v), es decir, todo P = (x, y) L cumple
2
(x, y) = ( + 3t, 1 + 7t).
7
2.1.2.
Pendiente y ecuacion normal de una recta
Sea L una recta no vertical (esto es, con vector direccion no paralelo a (0, 1)),
cuya ecuacion general es a0 x + b0 y + c0 = 0. Como la recta no es vertical entonces
b0 6= 0 y as obtenemos,
a0
y = x c0
b0
a0
donde, denotando m = y b = c0 , tenemos la ecuacion normal de L,
b0
y = mx + b.
2.2. POSICIONES Y DISTANCIAS RELATIVAS ENTRE RECTAS
23
Llamaremos a m como la pendiente de L. Algunos autores llaman a b como el

intercepto de L.
Sea L = L(P0 , v) = L(a0 , b0 , c0 ) una recta no vertical. Si v = (v1 , v2 ) entonces
v2
a0
= tan(),
m= =
b0
v1
donde es el a ngulo que forma el vector v con el semieje x positivo.
Por otro lado, si tenemos una recta L, no vertical, cuya ecuacion normal es
y = mx + b entonces es inmediato verificar que L = L(m, 1, b). Luego, L
tendra como vector direccion a v = (1, m).
Ejemplo 2.11. Considere la recta L con ecuaciones parametricas x = 2t + 3 y
y = 4t + 1. Entonces un vector direccion de L es (2, 4). Tenemos que L no es
vertical y as su pendiente es
m=
4
= 2.
2
Por otro lado, la recta intercepta al eje y cuando x = 2t + 3 = 0, es decir, cuando

t = 3/2. Por lo tanto b = 4(3/2) + 1 = 7.
2.2.
Posiciones y distancias relativas entre rectas
Comenzaremos estableciendo dos definiciones importantes al momento de estudiar dos rectas en el plano.
Definicion 2.12. Sean L1 = L(P1 , v1 ) y L2 = L(P2 , v2 ) rectas en el plano. Diremos que L1 y L2 son paralelas si sus vectores direccion v1 y v2 son paralelos. Del
mismo modo, diremos que L1 y L2 son ortogonales si v1 y v2 son ortogonales.
Observe que la definicion de paralelismo y ortogonalidad de dos rectas no depende de la eleccion de los vectores direccion de estas. Esto es importante dado
que una recta posee infinitos vectores direccion.
En caso tengamos las ecuaciones generales de las rectas, tambien es posible
determinar si son paralelas o ortogonales.
Proposicion 2.13. Sean L1 = L(a1 , b1 , c1 ) y L2 = L(a2 , b2 , c2 ) rectas en el
plano. Entonces
1. L1 y L2 son paralelos si, y solamente si, (a1 , b1 ) y (a2 , b2 ) son paralelos;
2. L1 y L2 son ortogonales si, y solamente si, (a1 , b1 ) y (a2 , b2 ) son ortogonales.
Demostracion. Recordemos que si L = L(a, b, c) entonces v = (b, a) es el
vector direccion de L. As, basta observar que (a, b) y (c, d) son paralelos (respectivamente, ortogonales) si, y solamente si, (b, a) y (d, c) son paralelos (respectivamente, ortogonales).
24
CAPITULO
Supongamos, en particular, que L1 y L2 no sean verticales, y tengan como

ecuaciones normales y = m1 x + b1 y y = m2 x + b2 , respectivamente. En este
caso,
1. L1 y L2 son paralelos si, y solamente si, m1 = m2 ;
2. L1 y L2 son ortogonales si, y solamente si, m1 m2 = 1.
En este u ltimo caso, la condicion m1 m2 = 1 implica que ninguna de las dos
rectas es horizontal.
El siguiente lema caracteriza el comportamiento de dos rectas distintas en el
plano.
Lema 2.14. Sean L1 y L2 rectas distintas en el plano. Entonces L1 y L2 son
paralelas si, y solamente si, L1 L2 = .
Demostracion. Sean v1 y v2 los vectores direccion de L1 y L2 , respectivamente.
Supongamos que L1 y L2 son paralelas y tienen un punto en comun P . Luego,
v1 = tv2 y, por el corolario 2.5,
L1 = L(P, v1 ) = L(P, tv2 ) = L(P, v2 ) = L2 ,
lo cual contradice la hipotesis de L1 6= L2 . Luego si L1 y L2 son paralelas, no
pueden poseer puntos en comun, es decir L1 L2 = .
Recprocamente, supongamos que L1 y L2 no son paralelas. Entonces v1 y v2
son linealmente independientes y, por el teorema 1.37, v1 y v2 generan R2 . Luego,
para P1 P2 = P2 P1 , existen r, s R tales que

P2 P1 = rv1 + sv2 ,
es decir, P = P2 sv2 = P1 + rv1 . Esto prueba que P L1 L2 6= .
Una aplicacion inmediata del lema anterior nos permite caracterizar las posiciones relativas de dos rectas en el plano.
Teorema 2.15. Dadas dos rectas en el plano, ocurre una, y solamente una, de las
siguientes posibilidades:
1. las rectas son paralelas y no disjuntas (por ende, iguales);
2. las rectas son paralelas y disjuntas;
3. las rectas no son paralelas y poseen un u nico punto en comun.
2.2. POSICIONES Y DISTANCIAS RELATIVAS ENTRE RECTAS
2.2.1.
25
Interseccion de rectas
Por el teorema 2.15, en el caso que L1 = L(P1 , v1 ) y L2 = L(P2 , v2 ) no sean

paralelas, estas poseen un punto en comun R = P1 + tv1 = P2 + sv2 . Entonces,
P1 P2 + tv1 = sv2 .
Tomando producto interno con v2 , podemos despejar t y obtener
t=
hP2 P1 , v2 i
.
hv1 , v2 i
Observe que hv1 , v2 i 6= 0 pues v1 y v2 no son paralelos. Analogamente, podemos

obtener el valor de s,
hP2 P1 , v1 i
s=
.
hv2 , v1 i
As, tenemos
hP1 P2 , v2 i
hP1 P2 , v1 i
R = P1 +
v1 = P2
v2 .
hv1 , v2 i
hv2 , v1 i
(2.4)
Ejemplo 2.16. Sea L1 la recta que pasa por P1 = (1, 1) y Q1 = (4, 5), y L2 la
recta que pasa por P2 = (1, 6) y Q2 = (5, 3). Luego v1 = Q1 P1 = (3, 4)
es un vector direccion de L1 y v2 = (2, 1)//(6, 3) = Q2 P2 es un vector
direccion de L2 . Por otro lado, P1 P2 = P2 P1 = (2, 5). Reemplazando en 2.4

tenemos
h(2, 5), (1, 2)i
(3, 4)
h(3, 4), (1, 2)i
12
= (1, 1) + (3, 4)
5
= (41/5, 53/5).
R = (1, 1) +
Observacion 2.17. Consideremos el caso particular que L(P1 , v) y L(P2 , w) sean

ortogonales. Sin perdida de generalidad, podemos considerar que w = v , luego
podemos reescribir la ecuacion (2.4) como
R = P1 +
es decir,
hP1 P2 , vi
hP1 P2 , v i
v ,
v
=
P
2
kvk2
kv k2
R = P1 + Proyv P1 P2 = P2 Proyv P1 P2 .
Ahora consideremos el caso en que L1 = L(a1 , b1 , c1 ) y L2 = L(a2 , b2 , c2 ).

Como estas son paralelas, entonces (a1 , b1 ) y (a2 , b2 ) no son paralelos y, por la
proposicion 1.33,
= a1 b2 a2 b1 6= 0.

CAPITULO
26
Luego, el sistema de ecuaciones
a1 x + b1 y = c1
a2 x + b2 y = c2
posee una u nica solucion (x0 , y0 ) que precisamente son las coordenadas del punto
de interseccion de las rectas L1 y L2 . Por la regla de Cramer, tenemos
x0 =
2.2.2.
c2 b1 c1 b2
,
a1 b2 a2 b1
y0 =
a2 c1 a1 c2
.
a1 b2 a2 b1
Distancia entre rectas
Sea L = L(P, v) una recta y Q un punto que no pertenece a L. Intentaremos

calcular la distancia del punto Q a la recta L. Esta distancia puede ser definida
como la menor distancia posible entre Q y cualquier punto de la recta L. As,
consideremos la funcion real h : R R definida como
h(t) = d(Q, P + tv)2 = kQ P tvk2 = kP Q tvk2 .

Observamos que h es precisamente la funcion g definida en la observacion 1.18,
considerando u = P Q, cuyo mnimo se alcanzaba en
hP Q, vi
t0 =
kvk2
Luego,

2
h(t0 ) = kP Q t0 vk2 = P Q Proyv P Q .
Recordemos que, por la ecuacion (1.3),
P Q = Proyv P Q + Proyv P Q.
As, concluimos que la distancia buscada es
|hP Q, v i|
d(Q, L) = k Proyv P Qk =
.
kvk
(2.5)
En el caso que L = L(a, b, c), encontraremos una formula para d(Q, L). Escribamos Q = (x0 , y0 ) y sea P = (x1 , y1 ) L un punto de paso de L. Ademas,
sin perdida de generalidad, podemos suponer que el vector direccion v de L es tal
que v = (a, b). Reemplazando en (2.5),
|hP Q, v i|
d(Q, L) =
kvk
|h(x0 x1 , y0 y1 ), (a, b)i|
=
a2 + b2
|ax0 + by0 (ax1 + by1 )|
,
=
a2 + b2

2.3. ANGULO
ENTRE RECTAS
27
y, recordando que P = (x1 , y1 ) L(a, b, c) implica ax1 + by1 = c, obtenemos

d(Q, L) =
|ax0 + by0 + c|
.
a2 + b2
(2.6)
Finalmente, dadas dos rectas L1 y L2 paralelas, definimos la distancia entre

ellas como la distancia de cualquier punto de L1 a L2 . Denotaremos a esta distancia
como d(L1 , L2 ).
2.3. Angulo
entre rectas
Dadas las rectas L1 y L2 , definiremos el a ngulo entre L1 y L2 como el menor
a ngulo formado por cualquier par de vectores direccion de ambas rectas. Como
el a ngulo entre vectores no depende de la longitud de estos, solo de la direccion,
entonces, escribiendo L1 = L(P1 , v1 ) y L2 = L(P2 , v2 ), el a ngulo entre estas es el
menor entre los a ngulo formados por v1 y v2 y v1 y v2 . Sea el a ngulo formado
por v1 y v2 y el a ngulo formado por v1 y v2 . Entonces
cos() =
hv1 , v2 i
= cos().
kv1 kkv2 k
Como 0 , y + = entonces el menor a ngulo sera determinado por

aquel cuyo coseno es positivo. As, el a ngulo buscado sera [0, 2 ] tal que
cos() =
|hv1 , v2 i|
.
kv1 kkv2 k
Observe que el a ngulo obtuso que forman dos rectas sera el suplemento del a ngulo
entre ellas.
Si L1 y L2 tienen ecuaciones normales y = m1 x + b1 y y = m2 x + b2 ,
respectivamente, entonces estas tienen vectores direccion
v1 = (1, m1 ),
v2 = (1, m2 ).
Luego, si es el a ngulo entre L1 y L2 , entonces

cos() =
|hv1 , v2 i|
|1 + m1 m2 |
p
=p
kv1 kkv2 k
1 + m21 1 + m22
y as podemos calcular la tangente de ,

s

m1 m2
1
.
tan() =
1 =
cos()2
1 + m1 m2
28
CAPITULO
Captulo 3
Geometra analtica en el espacio

En este captulo estableceremos las nociones basicas de geometra analtica en el espacio.
Del mismo modo que trabajamos con el plano,
el objetivo es asociarle al espacio E un sistema de coordenadas, sin embargo, no entraremos en detalles de como hacer esto (aunque la
construccion es completamente analoga). Asimismo, mediante este sistema de coordenadas,
dotaremos a cada vector en el espacio de una
representacion mediante elementos del espacio
R3 . La mayora de definiciones dadas en este
captulo seran meras generalizaciones al caso Figura 3.1: Josiah Willard Gibbs
R3 de lo visto en R2 . Por otro lado, la gran diferencia entre estos conjuntos es la operacion geometrica de vectores conocida
como producto vectorial.
3.1.
Sistema de coordenadas en el espacio
Consideraremos E dotado de tres ejes, perpendiculares entre si y con el origen

en comun. De este modo, cada punto de P E tiene asociado una terna ordenada,
es decir, un elemento del conjunto
R3 = R R R = {(x, y, z) : x, y, z R}.
Para representar graficamente el sistema de coordenadas que estamos considerando, llamaremos a los tres ejes coordenados como eje x, eje y y eje z. Ademas, si en
el plano formado por los ejes x y y, estos estan ubicados de manera usual (el eje x
visto como una recta horizontal, el eje y visto como una recta vertical y sus semiejes positivos ubicados apuntado hacia la derecha y hacia arriba, respectivamente)
entonces el semieje z positivo lo consideraremos como escapando del plano xy.
29

ANALITICA
CAPITULO
3. GEOMETRIA
EN EL ESPACIO
30
Del mismo modo que lo hecho en el plano, una terna ordenada representara tanto puntos del espacio como vectores en el espacio, pudiendo estos ser radio vectores o vectores libres. Interpretando las ternas ordenadas como radio vectores
podemos establecer, nuevamente, la suma de ternas ordenadas y el producto de una
terna por un escalar.
Definicion 3.1. Sean (x, y, z) y (a, b, c) elementos de R3 . Definimos la suma de
(x, y, z) y (a, b, c) como la terna ordenada
(x, y, z) + (a, b, c) = (x + a, y + b, z + c).
Por otro lado, dado t R y (x, y, z) R3 , definimos el producto de (x, y) por el
escalar t como
t (x, y, z) = (tx, ty, tz).
Estas operaciones cumplen las mismas propiedades que satisfacen sus analogas
en R3 , dadas en la proposicion 1.4. As, este hecho nos permite decir que R3 es un
espacio vectorial real.
Proposicion 3.2.
1. La suma es asociativa, es decir u + (v + w) = (u + v) + w, para todo
u, v, w R3 ;
2. la suma es conmutativa, es decir u + v = v + u, para todo u, v R3 ;
3. existe un elemento R3 tal que v + = v, para todo v R3 ;
4. para todo v R3 , existe w R3 tal que v + w = ;
5. la suma y el producto por un escalar son distributivos entre ellos, es decir,
(u+v) = u+v y (+)v = v +v, para todo u, v R3 y , R;
6. el producto de escalares y el producto por un escalar son asociativos, es
decir, (v) = ()v, para todo , R y v R3 ;
7. 1 R tambien es neutro multiplicativo del producto escalar, es decir, 1 v =
v, para todo v R3 .
Otra definicion que tiene su analogo en R3 es la de paralelismo de vectores.
Diremos que dos vectores u y v son paralelos si u = 0 o existe t R tal que
u = tv.
3.2.
Geometra de vectores en el espacio
La geometria obtenida de considerar vectores en el espacio (representados por

ternas ordenadas) es similar en el sentido de definicion a lo hecho para el caso del
plano.
La primera definicion que adaptaremos para nuestro caso sera la de producto
interno de vectores.
DE VECTORES EN EL ESPACIO
3.2. GEOMETRIA
31
Definicion 3.3. Sean v = (x1 , y1 , z1 ) y w = (x2 , y2 , z2 ) vectores en el espacio.

Definimos el producto interno de v con w como el escalar
hv, wi = h(x1 , y1 , z1 ), (x2 , y2 , z2 )i = x1 x2 + y1 y2 + z1 z2 .
Nuevamente, tenemos las propiedades fundamentales del producto interno.
Proposicion 3.4. Se cumplen las siguientes propiedades del producto interno:
1. hu, vi = hv, ui, para todo u, v R3 ;
2. hu, ui 0, para todo u R3 ;
3. hu, ui = 0 si, y solo si, u = 0;
4. htu, vi = thu, vi, para todo u, v R3 y t R;
5. hu + v, wi = hu, wi + hv, wi, para todo u, v, w R3 .
Definiremos ahora la norma de vectores en el espacio.
Definicion 3.5. Sea v = (x, y, z) R3 . Definimos la norma del vector v como
p
kvk = x2 + y 2 + z 2 .
p
Es inmediato verificar que kvk = hv, vi. Por ende, las propiedades fundamentales de la norma tambien se verifican.
Proposicion 3.6. Se cumplen las siguientes propiedades de la norma de un vector:
1. kvk 0, para todo v R3 ;
2. kvk = 0 si, y solo si, v = 0;
3. ku + vk kuk + kvk, para todo u, v R3 ;
4. kt vk = |t|kvk, para todo v R3 , t R.
Debido a las propiedades del producto interno, podemos reutilizar la prueba
dada en la observacion 1.18 para obtener la desigualdad de Cauchy-Schwarz.
Teorema 3.7. Dados u, v R3 ,
|hu, vi| kukkvk,
y la igualdad se da si, y solo si, u y v son paralelos.
Dados dos puntos P, Q E, podemos hallar la distancia entre ellos mediante
la norma del vector con origen en P y final en Q.
32
ANALITICA
CAPITULO
3. GEOMETRIA
EN EL ESPACIO
Definicion 3.8. Dados P, Q puntos en el espacio E, la distancia entre P y Q es

dada por
p
d(P, Q) = kP Qk = hP Q, P Qi.
As, si P = (x1 , y1 , z1 ) y Q = (x2 , y2 , z2 ) entonces
p
d(P, Q) = (x1 x2 )2 + (y1 y2 )2 + (z1 z2 )2
Por supuesto, la distancia entre puntos del espacio cumple las propiedades fundamentales de la distancia.
1. d(P, Q) 0, para cualquier P, Q E;
2. d(P, Q) = 0 si, y solamente si, P = Q;
3. d(P, Q) d(P, R) + d(R, Q), para cualesquiera P, Q, R E;
Ademas, d(P, Q) = d(P, R)+d(R, Q) si, y solamente si, R esta en el segmento de
recta que une P y Q. Esto permite llamar a la distancia que hemos definido como
distancia euclidiana.
Un vector v R3 se denomina unitario si kvk = 1. Observamos que, como en
el caso del plano, todo vector v 6= 0 es paralelo a un vector unitario, pues
v
v = kvk
.
kvk
v
y
es unitario.
kvk
Mediante el producto interno, podemos generalizar la nocion de ortogonalidad
al espacio.
Definicion 3.9. Diremos que dos vectores u, v R3 son ortogonales si hu, vi = 0.
Observe que no hemos establecido aun el a ngulo entre vectores en el espacio.
La formula para el calculo del a ngulo sera analoga al caso del plano.
Definicion 3.10. Sean u y v vectores en R3 . El a ngulo entre u y v es el a ngulo
[0, ] tal que
hu, vi
.
cos() =
kukkvk
Queremos ahora definir la proyeccion ortogonal de un vector sobre otro no
nulo. Consideremos u y v en R3 , con v 6= 0. Nuevamente, por lo visto en la
hu, vi
observacion 1.18, t0 =
es el que minimiza la funcion g : R R, g(t) =
kvk2
hu, vi
v, entonces w es paralelo a v. Ademas,
ku tvk2 . Denotemos w = t0 v =
kvk2
hv, u wi = hv, ui hv, wi = hu, vi
hu, vi
kvk2 = 0.
kvk2
Es decir uw es ortogonal a v. Como en el caso del plano, daremos nombre propio

al vector w.
3.3. EL PRODUCTO VECTORIAL Y EL TRIPLE PRODUCTO ESCALAR 33

Definicion 3.11. Sea v R3 , no nulo. Dado u R3 , definimos la proyeccion
ortogonal de u sobre v como el vector
Proyv u =
hu, vi
v.
kvk2
Del mismo modo, definimos la componente ortogonal de u sobre v como

Compv u =
hu, vi
.
kvk
Finalmente, observamos que se cumplen propiedades analogas a las de la proyeccion ortogonal en el plano.
Proposicion 3.12. Sea v R3 , v 6= 0. Entonces
1. Proyv u = Proytv u, para todo u R3 y t R, t 6= 0;
2. Proyv (u + w) = Proyv u + Proyv w, para todo u, w R3 ;
3. Proyv (t u) = t Proyv u, para todo u R3 y t R.
3.3.
El producto vectorial y el triple producto escalar
Observemos que no hemos definido el analogo en R3 de la nocion de vector

ortogonal de v R3 . Recordemos que en el caso del plano, si u R2 entonces
todo vector ortogonal a u era paralelo a u . Dicho de otra manera, u genera a los
vectores ortogonales de u. Esto no es el caso en el espacio, pues, dado un vector
v R3 , existen infinitos vectores ortogonales a v no paralelos entre si.
Ejemplo 3.13. Sea v = (1, 1, 1). Podemos considerar, para cada t [0, 2 i, el vector ut = (cos(t)2 , sin(t)2 , 1). Claramente v y ut son ortogonales, para cualquier
t. Ademas, es inmediato verificar que ut y us no son paralelos, cuando t 6= s.
As como el vector ortogonal en el plano fue definido para hallar rapidamente un vector perpendicular a uno dado, el producto vectorial de dos vectores nos
permitira hallar un vector perpendicular a dos vectores dados en el espacio.
Sean u = (x1 , y1 , z1 ) y v = (x2 , y2 , z2 ) vectores en R3 . Definimos el producto
vectorial de u y v mediante sus componentes, como
u v = (y1 z2 z1 y2 , z1 x2 x1 z2 , x1 y2 y1 x2 ).
Es usual en la literatura encontrar la siguiente formula nemotecnica del producto
vectorial
k
u v = det x1 y1 z1 ,
x2 y2 z2

y1 z1
x1 z1
x1 y1
= det
det
+ det
k
y2 z2
x2 z2
x2 y2
34
ANALITICA
CAPITULO
3. GEOMETRIA
EN EL ESPACIO
donde , , k son los vectores canonicos de R3 .

Se sigue de esta definicion que el vector u v es ortogonal a u y a v a la vez,
pues
hu, u vi = x1 (y1 z2 z1 y2 ) + y1 (z1 x2 x1 z2 ) + z1 (x1 y2 y1 x2 ),
= 0,
hv, u vi = x2 (y1 z2 z1 y2 ) + y2 (z1 x2 x1 z2 ) + z2 (x1 y2 y1 x2 ),
= 0.
Geometricamente, el producto vectorial de dos vectores u y v es un vector ortogonal a ambos, siempre y cuando no sean paralelos. La direccion de u v en el
espacio se determina mediante la regla de la mano derecha.
La siguiente proposicion contiene a las propiedades fundamentales del producto vectorial.
Proposicion 3.14. Se cumplen las siguientes propiedades del producto vectorial
en el espacio.
1. u v = v u, para todo u, v R3 ;
2. (tu) v = t(u v) = u (tv), para todo t R, u, v R3 ;
3. u (v + w) = u v + u w, para todo u, v, w R3 ;
4. u (v w) = hu, wiv hu, viw, para todo u, v, w R3 .
Observacion 3.15. Sin usar propiedades del determinante, la prueba de esta proposicion es laboriosa, a menos que se establezca cierta notacion que no usaremos
mas adelante. Dado w R3 , denotemos por wk a la k-esima componente de w.
Luego si u1 , u2 R3 entonces u1 = (u11 , u12 , u13 ) y u2 = (u21 , u22 , u23 ). Observemos
que en este caso, la k-esima componente del producto vectorial de u1 y u2 es dada
por
(u1 u2 )k = (1)k+1 (u1i u2j u1j u2i ),
donde {i, j, k} = {1, 2, 3} e i < j.
Demostracion de la proposicion 3.14.
1. Dado cualquier componente k {1, 2, 3}, tenemos
[u1 u2 ]k = (1)k+1 (u1i u2j u1j u2i ),
= (1)k+1 (u2i u1j u2j u1i ) = [u2 u1 ]k .
Luego, u1 u2 = u2 u1 .
2. Sea t R cualquiera. Para cualquier componente k,
[(tu1 ) u2 ]k = (1)k+1 ((tu1i )u2j (tu1j )u2i ),
= t(1)k+1 (u1i u2j u1j u2i ) = t[u1 u2 ]k .
Del mismo modo se prueba que [(tu1 ) u2 ]k = [u1 (tu2 )]k .
3.3. EL PRODUCTO VECTORIAL Y EL TRIPLE PRODUCTO ESCALAR 35

3. Dado u3 R3 , tenemos, para cualquier componente k,
[u1 (u2 + u3 )]k = (1)k+1 (u1i (u2 + u3 )j u1j (u2 + u3 )i )
= (1)k+1 (u1i u2j + u1i u3j u1j u2i u1j u3i )
= (1)k+1 (u1i u2j u1j u2i ) + (1)k+1 (u1i u3j u1j u3i )
= [u1 u2 ]k + [u1 u3 ]k .
4. Dado k {1, 2, 3}, sean i, j {1, 2, 3}, i < j tales que {i, j, k} =
{1, 2, 3}. Tenemos tres posibilidades para i, j, k, todas analogas. Probaremos el caso en que i < j < k, es decir i = 1, j = 2 y k = 3. En este
caso
[u1 (u2 u3 )]3 = (u11 (u2 u3 )2 u12 (u2 u3 )1 )
= u11 (u23 u31 u21 u33 ) u12 (u22 u33 u23 u32 )
= u11 u23 u31 + u12 u23 u32 (u11 u21 u33 + u12 u22 u33 )
= (u11 u31 + u12 u32 )u23 (u11 u21 + u12 u22 )u33
= (u11 u31 + u12 u32 + u13 u33 )u23 (u11 u21 + u12 u22 + u13 u23 )u33
= [hu1 , u3 iu2 hu1 , u2 iu3 ]3 .
Es inmediato de las propiedades anteriores el siguiente corolario.
Corolario 3.16. Dados u, v, w R3 , tenemos (u + v) w = u w + v w.
Se sigue de la propiedad 1. de la proposicion 3.14 que el producto vectorial no
es conmutativo. Mas aun, es facil verificar que tampoco es asociativo. Por ejemplo
consideremos u = (1, 0, 0) y v = w = (1, 1, 0). Entonces u v = (0, 0, 1),
(u v) w = (1, 1, 0), v w = (0, 0, 0) y as,
(u v) w = (1, 1, 0) 6= (0, 0, 0) = u (v w).
Mediante el producto vectorial, podemos definir el triple producto escalar de
tres vectores u, v, w R3 como
[u, v, w] = hu, v wi.
En caso u = (x1 , y1 , z1 ), v = (x2 , y2 , z2 ) y w = (x3 , y3 , z3 ), tenemos
[u, v, w] = hu, v wi
= x1 (y2 z3 z2 y3 ) + y1 (z2 x3 x2 z3 ) + z1 (x2 y3 y2 x3 ),
= x1 (y2 z3 z2 y3 ) y1 (x2 z3 z2 x3 ) + z1 (x2 y3 y2 x3 ),
x1 y1 z1
= det x2 y2 z2 .
x3 y3 z3
Comenzaremos probando una propiedad de conmutatividad del triple producto
escalar.
36
ANALITICA
CAPITULO
3. GEOMETRIA
EN EL ESPACIO
Proposicion 3.17. Dados u, v, w R3 , se tiene [u, v, w] = [v, w, u] = [w, u, v].

Demostracion. Es consecuencia de la invariancia por intercambio de filas del determinante.
Podemos relacionar el producto vectorial con el producto interno de la siguiente manera.
Proposicion 3.18. Sean u, v R3 , entonces
ku vk2 = kuk2 kvk2 hu, vi2 .
Demostracion. Usando la proposicion 3.17 y el tem 4. de la proposicion 3.14,
tenemos
ku vk2 = hu v, u vi = [u v, u, v],
= [u, v, u v] = hu, v (u v)i,
= hu, hv, viu hv, uivi,
= kvk2 kuk2 hu, vi2 .
Corolario 3.19. Sean u, v R3 y [0, ] el a ngulo entre ellos. Entonces
ku vk = kukkvk sen().
Observe que la formula anterior es el a rea del paralelogramo cuyos lados estan
dados por los vectores u y v.
En el caso de tener tres vectores u, v, w R3 , que supondremos que no estan
contenidos en un mismo plano, podemos calcular el volumen del paraleleppedo
que forman. Supongamos que la base del paraleleppedo es formada por v y w y
que el vector u no esta en el plano formado por v y w. Luego, por definicion, el
volumen del paraleleppedo sera dado por
V = altura a rea de la base.
Observe que la altura sera la magnitud del vector Proyvw u y que el a rea de la
|[u, v, w]|
base es dada por kv wk. Luego como k Proyvw uk =
, tenemos
kv wk
V = |[u, v, w]|.
Es decir, |[u, v, w]| es el volumen del paraleleppedo cuyos lados son los vectores
u, v y w.
3.4. ALGEBRA LINEAL DE VECTORES EN EL ESPACIO
3.4.
37
Algebra lineal de vectores en el espacio
Las definiciones de combinacion lineal, generacion, independencia lineal y base de R2 son inmediatamente generalizadas en R3 . En general, son definidas para
cualquier espacio vectorial. Por completitud, y para recordar las definiciones, las
enunciaremos nuevamente.
Definicion 3.20. Sean v1 , . . . , vn R3 vectores en el plano. Diremos que un vector v es una combinacion lineal de los vectores v1 , . . . , vn si existen coeficientes
reales 1 , . . . , n tales que
v = 1 v1 + 2 v2 + + n vn .
En este caso, diremos que v1 , . . . , vn generan v. Ademas, si todo vector v R3 es
generado por v1 , . . . , vn , diremos que v1 , . . . , vn generan R3 .
Definicion 3.21. Diremos que los vectores v1 , . . . , vn R3 son linealmente independientes si, escribiendo
0 = 1 v1 + + n vn ,
con 1 , . . . , n R, la u nica posibilidad para estos es
1 = 2 = = n = 0.
Por otro lado, si v1 , . . . , vn no son linealmente independientes entonces se denominan linealmente dependientes.
Definicion 3.22. Diremos que un conjunto v1 , . . . , vn es una base de R3 si estos
son linealmente independientes y generan R3 .
Ejemplo 3.23. Sean v1 = (1, 2, 3), v2 = (2, 0, 3), v3 = (1, 1, 0) y v = (3, 7, 0).
En este caso, tenemos
v = (3, 7, 0) = 2(1, 2, 3) 2(2, 0, 3) + 3(1, 1, 0).
Luego v es combinacion lineal de v1 , v2 y v3 . Supongamos que podemos expresar
0 como combinacion lineal de v1 , v2 y v3 , es decir,
0 = (0, 0, 0) = (1, 2, 3) + (2, 0, 3) + (1, 1, 0).
Luego = , 2 + = 0 y 3 = . De aqu, obtenemos que = 0, = 0
y = 0. Por lo tanto v1 , v2 y v3 son linealmente independientes. Observe que
esto no ocurre en R2 , pues probamos que tres vectores cualesquiera siempre son
linealmente dependientes.

ANALITICA
CAPITULO
3. GEOMETRIA
EN EL ESPACIO
38
R3 ,
Finalmente, observamos que v1 , v2 , v3 generan todo R3 pues, para (x, y, z)

arbitrario,

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

4
+
z 2x y (1, 1, 0).
3
Ejemplo 3.24. Consideremos e1 = = (1, 0, 0), e2 = = (0, 0, 1) y e3 = k =
(0, 0, 1). Cualquier v = (x, y, z) R3 puede escribirse como
v = (x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1).
Es decir, e1 , e2 y e3 generan R3 . Por otro lado, si (0, 0, 0) = (1, 0, 0)+(0, 1, 0)+
(0, 0, 1) entonces = = = 0, es decir, e1 , e2 y e3 son linealmente independientes. Por lo tanto, forman una base, que es denominada base canonica de R3 .
Probaremos que toda base de R3 posee exactamente tres elementos. Para esto,
comenzaremos caracterizando la independencia lineal de dos vectores en el espacio.
Proposicion 3.25. Sean v1 , v2 R3 . Las siguientes afirmaciones son equivalentes:
1. v1 , v2 son paralelos;
2. v1 , v2 son linealmente dependientes;
3. v1 v2 = 0.
Demostracion. La prueba de que 1 y 2 son equivalentes es analoga a la de la proposicion 1.33. Para probar que 1 es equivalente a 3, basta observar que v1 y v2 son
paralelos si, y solo si, el a ngulo que forman es = 0 o = , y luego usar el
corolario 3.19.
Corolario 3.26. Sean u, v, w R3 tales que u es ortogonal a v y a w. Entonces u
es paralelo a v w.
Demostracion. Por la proposicion 3.25, basta verificar que u (v w) = 0. En
efecto, por la proposicion 3.14, tem 4, tenemos
u (v w) = hu, wiv hu, viw = 0,
pues ambos productos internos son cero, por hipotesis. Esto prueba el resultado.
39
Ejemplo 3.27. Considere v1 = (1, 2, 0), v2 = (0, 1, 1) y v3 = (1, 1, 1). Estos

son linealmente dependientes pues
(0, 0, 0) = (1, 2, 0) + (0, 1, 1) (1, 1, 1).
Sin embargo, estos vectores no son paralelos dos a dos.
En el caso de tres vectores, podemos caracterizar su independencia linear mediante el triple producto escalar. Para esto, probaremos primero dos lemas.
Lema 3.28. Sean u, v, w R3 linealmente dependientes tales que v, w son linealmente independientes. Entonces u es combinacion lineal de v y w.
Demostracion. Como u, v, w son linealmente dependientes, existen escalares , ,
R, no todos nulos, tales que
u + v + w = 0.
Si = 0 entonces v + w = 0. Esto implica, desde que v, w son linealmente
independientes, que = = 0. Esto es una contradiccion. Luego 6= 0 y as
u = ( )v + ( )w,
es decir, u es combinacion lineal de v y w.

Lema 3.29. Sean u, v, w R3 tales que existe z R3 , no nulo, ortogonal a todos
ellos. Entonces u, v y w son linealmente dependientes.
Demostracion. Si cualquier par en u, v y w es paralelo, entonces no hay nada que
probar. Luego, supongamos que tanto u y v como v y w son linealmente independientes. Entonces u v 6= 0, v w 6= 0 y como z es ortogonal a u, v y w entonces,
por el corolario 3.26, z es paralelo a u v y a v w. Esto implica que existe t R
tal que u v = t(v w). As, (u + tw) v = 0, es decir, u + tw y v son paralelos.
Luego, existe s R tal que u + tw = sv, es decir,
u sv tw = 0.
Esto prueba que u, v, w son linealmente dependientes.
Proposicion 3.30. Tres vectores v1 , v2 y v3 en R3 son linealmente dependientes si,
y solamente si, [v1 , v2 , v3 ] = 0.
Demostracion. Supongamos que v1 , v2 , v3 son linealmente dependientes. Luego,
sin perdida de generalidad, podemos suponer que v1 es combinacion lineal de v2 y
v3 , es decir, para escalares , R,
v1 = v2 + v3 .

ANALITICA
CAPITULO
3. GEOMETRIA
EN EL ESPACIO
40
Multiplicando escalarmente por v2 v3 , tenemos

[v1 , v2 , v3 ] = hv1 , v2 v3 i
= hv2 + v3 , v2 v3 i
= hv2 , v2 v3 i + hv3 , v2 v3 i
= 0.
Recprocamente, supongamos que [v1 , v2 , v3 ] = hv1 , v2 v3 i = 0. Luego
v2 v3 es ortogonal a v1 , v2 y v3 . Por el lema 3.29, v1 , v2 y v3 son linealmente dependientes.
Lema 3.31. Sean v1 , . . . , vn R3 tales que v1 , . . . , vk es linealmente dependiente,
con k n. Entonces v1 , . . . , vn es linealmente dependiente.
Presentaremos ahora el resultado principal de esta seccion.
Teorema 3.32. Tres vectores v1 , v2 , v3 R3 son linealmente independientes si, y
solamente si, generan R3 .
Demostracion. Escribamos vi = (xi , yi , zi ), para i = 1, 2, 3. Dado v = (x, y, z)
cualquiera, nuestro objetivo es hallar escalares 1 , 2 , 3 R tales que v =
1 v1 + 2 v2 + 3 v3 . Esto es equivalente a resolver el sistema matricial

x1 x2 x3
1
x
y1 y2 y3 2 = y .
z 1 z2 z3
3
z
x1 x2 x3
Como det y1 y2 y3 = [v1 , v2 , v3 ] 6= 0 entonces la regla de Cramer nos
z1 z 2 z3
permite resolver explcitamente este sistema. En este caso, tenemos
1 =
[v, v2 , v3 ]
,
[v1 , v2 , v3 ]
2 =
[v1 , v, v3 ]
,
[v1 , v2 , v3 ]
3 =
[v1 , v2 , v]
.
[v1 , v2 , v3 ]
Recprocamente, supongamos que v1 , v2 y v3 son linealmente dependientes.

En caso todos ellos sean paralelos entre si, basta elegir cualquier vector v R3 no
paralelo de modo que no podra ser escrito como combinacion lineal de v1 , v2 , v3 .
Supongamos ahora, sin perdida de generalidad, v2 y v3 no son paralelos, por ende,
son linealmente independientes. Por el lema 3.28, v1 es combinacion lineal de v2 y
v3 . Luego v = v2 v3 6= 0 es ortogonal a v1 , v2 , v3 . En particular, v no es generado
por v1 , v2 , v3 .
La demostracion del siguiente corolario es analoga a la del corolario 3.33.
Corolario 3.33. Sea v1 , . . . , vn R3 un conjunto linealmente independiente. Entonces n 3.
41
Supongamos que v1 , . . . , vn es una base de R3 , entonces es linealmente independiente. Luego por el corolario 3.33, n 3. Pero dos vectores, o menos, no
pueden generar todo R3 , luego n = 3. As, toda base de R3 posee tres elementos.
En conclusion, R3 es un espacio vectorial de dimension tres.
42
ANALITICA
CAPITULO
3. GEOMETRIA
EN EL ESPACIO
Captulo 4
Rectas y planos en el espacio

Euclides, en su libro Los Elementos, definio a la recta como una longitud, sin anchura,
que yace por igual respecto de los puntos que
estan en ella. Del mismo modo, definio superficie como aquello que solo tiene longitud y
anchura y superficie plana como aquella superficie que yace por igual respecto de las lineas que estan en ella. La geometra analtica
permite formalizar estas nociones, del mismo
modo como fue hecho para la recta en el captulo 2.
Figura 4.1: Alexis de Clairault
4.1.
Rectas en el espacio
La definicion de recta en el espacio es analoga a su definicion en el plano,

mediante un punto de paso y un vector direccion. Esta representacion se denomina
ecuacion vectorial de la recta.
Definicion 4.1. Sea P0 E y v R3 un vector no nulo. La recta que pasa por P0
con direccion v es el conjunto
L(P0 , v) = {P = P0 + tv P : t R}.
Observe que P L(P0 , v) si, y solo si, P P0 y v son paralelos.

Dados P0 = (x0 , y0 , z0 ) y v = (v1 , v2 , v3 ), consideremos la recta L(P0 , v). Si
P = (x, y, z) L(P0 , v) entonces existe t R tal que P = P0 + tv, es decir,
x = x0 + tv1 ,
y = y0 + tv2 ,
z = z0 + tv3 .
(4.1)
Esta representacion de la coordenadas de la recta se denomina ecuacion parametrica de la recta.

43

CAPITULO
4. RECTAS Y PLANOS EN EL ESPACIO
44
Si suponemos que v1 , v2 , v3 6= 0, entonces podemos despejar t en la ecuacion (4.1) para obtener

t=
y y0
z z0
x x0
=
=
.
v1
v2
v3
A esta relacion se le denomina ecuacion continua de la recta.

Proposicion 4.2. Sea L = L(P0 , v) una recta en el espacio. Si P L y w 6= 0 es
paralelo a v entonces L = L(P, w).
Podriamos pensar que una generalizacion de la ecuacion general de la recta
en el plano, ax + by + cz + d = 0, servira como ecuacion general de la recta
en el espacio, sin embargo, este no es el caso. Del mismo modo, no es posible
generalizar la ecuacion normal, ni la nocion de pendiente.
4.1.1.
Posicion relativa entre rectas
Definicion 4.3. Diremos que dos rectas son paralelas (respectivamente, ortogonales) si sus vectores direccion son paralelos (respectivamente, ortogonales).
Comenzaremos caracterizando a las rectas paralelas en el espacio.
Proposicion 4.4. Sean L1 y L2 rectas paralelas en el espacio. Entonces L1 = L2
o L1 L2 = .
Demostracion. Si L1 L2 = entonces no hay nada que probar. Supongamos que
existe R L1 L2 y sean v1 y v2 los vectores direccion de L1 y L2 , respectivamente. Entonces por la proposicion 4.2,
L1 = L(R, v1 ) = L(R, v2 ) = L2 .
Es posible tener en el espacio dos rectas no paralelas que no se intersecan. Por
ejemplo, considere P1 = (0, 0, 0), v1 = (1, 0, 0), P2 = (0, 0, 1), v2 = (0, 1, 0)
y las rectas L1 = L(P1 , v1 ) y L2 = L(P2 , v2 ), cuyos vectores direccion no son
paralelos. Si se tuviera R L1 L2 entonces existen t, s R tales que
R = P1 + tv1 = (t, 0, 0) = (0, s, 1) = P2 + sv2 ,
lo cual es claramente imposible.
Definicion 4.5. Diremos que dos rectas L1 y L2 son alabeadas (o se cruzan) si no
son paralelas y no se intersecan.
Es posible caracterizar cuando dos rectas son alabeadas mediante el triple producto escalar.
Teorema 4.6. Sean L1 = L(P1 , v1 ) y L2 = L(P2 , v2 ) rectas en el espacio. En
tonces L1 y L2 son alabeadas si, y solamente si, [P2 P1 , v1 , v2 ] 6= 0.
4.1. RECTAS EN EL ESPACIO
45
Demostracion. Probaremos que las negaciones son equivalentes. Supongamos que

L1 y L2 no son alabeadas, entonces o son paralelas o se cortan en un punto R
L1 L2 . Si son paralelas, entonces sus vectores direccion son paralelos y, por
lo tanto, linealmente dependientes. Luego P2 P1 , v1 y v2 son tambien linealmente
dependientes y por ende [P2 P1 , v1 , v2 ] = 0. Por otro lado, si R L1 L2 entonces

existen t, s R tales que
R = P1 + tv1 = P2 + sv2 .
Luego P2 P1 + tv1 sv2 = 0, es decir, P2 P1 , v1 y v2 son tambien linealmente
dependientes y por ende [P2 P1 , v1 , v2 ] = 0.
Recprocamente, si [P2 P1 , v1 , v2 ] = 0 entonces P2 P1 , v1 y v2 son linealmente

dependientes. Si v1 y v2 son paralelos entonces L1 y L2 no pueden ser alabeadas
por definicion. Si v1 y v2 no son paralelos entonces, por el lema 3.28, P2 P1 es

combinacion lineal de v1 y v2 . Luego, existen , R tales que
P2 P1 = P2 P1 = v1 + v2 .
As, basta definir R = P1 + v1 = P2 v2 L1 L2 para probar que L1 y L2
no son alabeadas.
Podemos enunciar el teorema que caracteriza la posicion relativa de dos rectas
en el espacio.
Teorema 4.7. Dadas dos rectas en el espacio, ocurre una, y solo una, de las siguientes posibilidades:
1. las rectas son paralelas y no disjuntas (por ende, iguales);
2. las rectas son paralelas y disjuntas;
3. las rectas no son paralelas y poseen un (unico) punto en comun;
4. las rectas son alabeadas.
4.1.2.
Distancia de un punto a una recta y entre rectas
Sean Q y L = L(P, v), un punto y una recta en el espacio, respectivamente.

Para determinar la distancia de Q a L, seguiremos las ideas de la seccion 2.2.2.
Observemos que la menor distancia entre Q y L esta dada por la magnitud del
vector

w = P Q Proyv P Q = P Q t0 v,

CAPITULO
46
hP Q, vi
. Calculando kwk,
donde t0 =
kvk2
kwk2 = hP Q t0 v, P Q t0 vi,
= kP Qk2 2t0 hP Q, vi + t20 kvk2 ,
2 hP Q, vi2
= kP Qk
,
kvk2
kP Qk2 kvk2 hP Q, vi2

=
,
kvk2
kP Q vk2
=
.
kvk2
As,
kP Q vk
.
d(Q, L) = kwk =
kvk
De nuevo como en el caso del plano, para determinar la distancia entre dos
rectas paralelas , basta tomar un punto en una y hallar su distancia a la otra.
Finalmente, calcularemos la distancia entre dos rectas alabeadas. Sean L1 =
L(P1 , v1 ) y L2 = L(P2 , v2 ) rectas alabeadas. Luego v1 y v2 no son paralelas, y
por tanto v = v1 v2 6= 0. La distancia entre L1 y L2 sera dada por la magnitud
del vector
w = Proyv P1 P2 ,
es decir
d(L1 , L2 ) =
4.2.
|hP1 P2 , v1 v2 i|
|[P1 P2 , v1 , v2 ]|
=
.
kv1 v2 k
kv1 v2 k
Planos en el espacio
Recordemos que, geometricamente, los vectores en R3 que son combinacion

lineal de dos vectores linealmente independientes forman un plano en el espacio.
As, un plano en el espacio esta determinado por un punto de paso y dos vectores
direccion linealmente independientes. Esta representacion se denomina ecuacion
vectorial del plano.
Definicion 4.8. Sea P0 E y u, v R3 linealmente independientes. El plano que
pasa por P0 y con vectores direccion u, v, es el conjunto
P(P0 , u, v) = {P = P0 + tu + sv : t, s R}.
Observe que P P(P0 , u, v) si, y solo si, P0 P es combinacion lineal de u y

v.
4.2. PLANOS EN EL ESPACIO
47
Sea P = P(P0 , u, v) un plano. Como u, v son linealmente independientes,

y por tanto no paralelos, podemos considerar el vector n = u v 6= 0. Este
vector, geometricamente, sera perpendicular a todo vector contenido en el plano.
Llamaremos a n como vector normal del plano.
Sea P P(P0 , u, v). Entonces existen t, s R tales que P P0 = tu + sv.
Tomando producto interno con n = u v, tenemos
hP0 P , ni = htu + sv, u vi = 0.
Recprocamente, si hP0 P , u vi = 0 entonces P0 P , u y v son linealmente depen

dientes. Por el lema 3.28, P0 P es combinacion lineal de u y v. Esto implica que
P P(P0 , u, v). Luego, podemos definir la representacion normal del plano P
mediante
P(P0 , n) = {P E : hP0 P , ni = 0}.

Proposicion 4.9. Sea P = P(P0 , n) un plano, Q0 P y m paralelo a n, no nulo.
Entonces P(Q0 , m) = P(P0 , n).
Sea n = (a, b, c) R3 , no nulo y P0 = (x0 , y0 , z0 ). Dado P = (x, y, z)
P(P0 , n), tenemos
0 = hP0 P , ni
= h(x x0 , y y0 , z z0 ), (a, b, c)i,
= ax + by + cz + (ax0 by0 cz0 ).
Denotando d = ax0 by0 cz0 , tenemos que todo punto P = (x, y, z)
P(P0 , n) satisface la ecuacion
ax + by + cz + d = 0.
Esta ecuacion es llamada ecuacion general del plano.
No siempre una ecuacion de la forma ax+by +cz +d = 0 representa un plano.
La siguiente proposicion, analoga a la proposicion 2.9, da condiciones suficientes
para ello.
Proposicion 4.10. Sean a, b, c, d R tales que n = (a, b, c) 6= 0. Entonces el
conjunto
P = {(x, y, z) : ax + by + cz + d = 0}
es un plano con normal n = (a, b, c).
Demostracion. No es difcil verificar que P =
6 . Sea P0 = (x0 , y0 , z0 ) P,
probaremos que P = P(P0 , n). Como P0 P entonces ax0 + by0 + cz0 + d = 0,
es decir d = ax0 by0 cz0 . Luego, si P = (x, y, z) entonces
hP0 P , ni = hP P0 , ni
= a(x x0 ) + b(y y0 ) + c(z z0 )
= ax + by + cz ax0 by0 cz0
= ax + by + cz + d.

CAPITULO
48
Luego, P P si, y solo si, P P(P0 , n).
4.2.1.
Posicion relativa entre planos
Del mismo modo que en el caso de rectas, podemos definir paralelismo y ortogonalidad de planos.
Definicion 4.11. Sean P1 = P(P1 , n1 ) y P2 = P(P2 , n2 ) planos en el espacio.
Diremos que P1 y P2 son paralelas si sus vectores normales n1 y n2 son paralelos.
Del mismo modo, diremos que P1 y P2 son ortogonales si n1 y n2 son ortogonales.
Observe que la definicion de paralelismo y ortogonalidad de dos planos no
depende de la eleccion de los vectores normales de estos. Esto es importante dado
que un plano posee infinitos vectores normales.
Los siguientes lemas caracterizan el comportamiento de dos planos en el espacio.
Lema 4.12. Dos planos paralelos en el espacio son, o bien iguales, o bien disjuntos.
Demostracion. Sean P1 y P2 dos planos en el espacio y sean n1 y n2 sus vectores
normales, respectivamente, luego n1 y n2 son paralelos. Supongamos que P1 y P2
no son disjuntos, luego, tienen un punto en comun R. As, por la proposicion 4.9,
P1 = L(R, n1 ) = P(R, n2 ) = P2 ,
es decir, P1 = P2 .
Lema 4.13. Si dos planos son disjuntos entonces son paralelos. En caso contrario,
su interseccion es una recta.
Demostracion. Sean P1 = P(P1 , n1 ) y P2 = P(P2 , n2 ) dos planos en el espacio.
Supongamos que P1 y P2 no son paralelos, entonces n1 y n2 son linealmente
independientes y v = n1 n2 6= 0. Esto ademas implica que
w = n1 (n1 n2 ) = hn1 , n2 in1 hn1 , n1 in2 6= 0.
Por otro lado, w no es ortogonal a n2 , pues
hw, n2 i = hhn1 , n2 in1 hn1 , n1 in2 , n2 i
= hn1 , n2 i2 kn1 k2 kn2 k2
= kn1 n2 k2 6= 0.
Consideremos la recta L = L(P1 , w). Observe que L P pues si P L entonces
P1 P es paralelo a w y por ende ortogonal a n1 . Determinemos la interseccion de

L con P2 : un punto R L P2 debe cumplir
R = P1 + tw,
hP2 R, n2 i = 0.
4.2. PLANOS EN EL ESPACIO
49
Juntando ambas ecuaciones, obtenemos hP2 P1 + tw, n2 i = 0, es decir,
hP2 P1 , n2 i
hP2 P1 , n2 i
t=
=
.
hw, n2 i
kn1 n2 k
Luego R L P2 P1 P2 . Esto prueba que P1 y P2 no son disjuntos. En este
caso, la recta L(R, v) = P1 P2 .
As, podemos caracterizar las posiciones relativas de dos planos en el espacio.
Teorema 4.14. Dados dos planos en el espacio, ocurre una, y solamente una, de
las siguientes posibilidades:
1. los planos son paralelos y no disjuntos (por ende, iguales);
2. los planos son paralelos y disjuntos;
3. los planos no son paralelos y se cortan en una recta.
4.2.2.
Distancia de un punto a un plano y entre planos
Sea Q E y P = P(P, n) un plano. La distancia de Q a P se define como la

menor de las distancias entre Q y cualquier punto R P, es decir,
d(Q, P) = mn{d(Q, R) : R P}.
Teorema 4.15. Sea Q E y P = P(P, n) un plano. Entonces
d(Q, P) = k Proyn P Qk.
Demostracion. Sea w = Proyn P Q y consideremos A = Q w. Entonces
hP A, ni = hQ w P , ni
hP Q, ni
= hP Q
n, ni
knk2
= hP Q, ni hP Q, ni = 0,
es decir, A P y, por la proposicion 4.9, tenemos P = P(A, n).
Dado cualquier R P, tenemos

d(R, Q)2 = kRQk2 = kRA + AQk2
= kRAk2 + 2hRA, AQi + kAQk2
kAQk2 = d(A, Q)2 ,

donde observamos que AQ = w es paralelo a n y por lo tanto hRA, AQi = 0.
Esto significa que kwk = d(A, Q) = mn{d(Q, R) : R P} = d(Q, P).
50
CAPITULO
Captulo 5
Geometra proyectiva
Como ya hemos mencionado, la idea principal detras de la geometra analtica es la de
asociar un sistema de coordenadas al plano. En
el captulo 1 hicimos esto mediante el uso de
los axiomas de Euclides. En este captulo, definiremos en el plano otro sistema de coordenadas, que nos permitira, en cierto sentido, extenderlo, de modo que cualquier par de rectas
tengan interseccion no vaca. Recordemos que,
de la manera como las rectas son descritas en el
captulo 2, esto no siempre ocurre.
Para definir este nuevo sistema de coorde- Figura 5.1: Filippo Bruneleschi
nadas en el plano, que llamaremos sistema de
coordenadas homogeneas, necesitaremos de la nocion de relacion de equivalencia.
5.1.
Relaciones y clases de equivalencia
Empezaremos definiendo la nocion de relacion.

Definicion 5.1. Sean A y B conjuntos no vacos. Una relacion R de A a B es la
terna ordenada (A, B, R), donde R A B. En este caso, al conjunto A se le
denomina conjunto de partida, al conjunto B se le denomina conjunto de llegada
y al conjunto R se le denomina regla de correspondencia o tambien grafico.
Ejemplo 5.2. Sean A = {1, 2, 3, 4} y B = {a, b, c}, y consideremos
R = {(1, b), (1, c), (2, a), (4, a)} A B.
Entonces R = (A, B, R) es una relacion de A a B.
51
52
PROYECTIVA
CAPITULO
5. GEOMETRIA
Debemos hacer e nfasis que, segun su definicion, una relacion depende de tres
objetos: el conjunto de partida, el de llegada y la regla de correspondencia. Por
ejemplo, consideremos A0 = {1, 2, 3, 4, 5}. Entonces A A0 y R A0 B. En
este caso, la relacion R0 = (A0 , B, R) no es la misma que la relacion R definida
anteriormente, pese a tener la misma regla de correspondencia. Aun as, para no
recargar la notacion y mantener compatibilidad con la literatura, denotaremos a las
relaciones y a sus reglas de correspondencia con el mismo smbolo.
Ejemplo 5.3. Sean X = {n N : n es par} y Y = {a, b, c, d, . . . , z}. Entonces
R = {(2, a), (4, z), (10, z), (8, b)} X Y,
es una relacion de X a Y . Note que estamos denotando con el smbolo R tanto a
la relacion como a la regla de correspondencia, sin embargo, se tiene claro cuales
son los conjuntos de partida y de llegada.
Un caso particular de relacion es cuando los conjuntos de partida y de llegada
coinciden. Dado A 6= , diremos que R es una relacion en A si R es una relacion
de A en A. Ademas, si (a, b) R entonces tambien denotaremos aRb.
Definicion 5.4. Sea A 6= y R una relacion en A. Diremos que R es
1. reflexiva, si xRx, para todo x A;
2. simetrica, si xRy implica yRx;
3. transitiva, si xRy y yRz implican xRz.
Ademas, diremos que R es de equivalencia si R cumple las tres propiedades anteriores.
Ejemplo 5.5. Sea A = R y defina R = {(x, y) R R : x y}. Observe que,
para x, y R,
(x, y) R xRy x y.
Como x x, para todo x R, entonces xRx. Luego R es una relacion reflexiva.
Por otro lado, si x y y y z entonces x z. Esto implica que R es una relacion
transitiva. Sin embargo, x y no implica en general que y x, basta considerar
x = 0 y y = 1. As, R no es una relacion simetrica.
Ejemplo 5.6. Sea A = R y defina S = {(x, y) R R : |x| = |y|}. As, dado
cualquier x R, se tiene que |x| = |x|, luego S es una relacion reflexiva. Del
mismo modo, si |x| = |y| entonces claramente |y| = |x|. Entonces S es simetrica.
Finalmente, si |x| = |y| y |y| = |z| entonces |x| = |z|. Concluimos que S es
transitiva y por lo tanto, es una relacion de equivalencia en R.
Las relaciones de equivalencia no solamente tienen sentido en el a mbito matematico.
5.1. RELACIONES Y CLASES DE EQUIVALENCIA
53
Ejemplo 5.7. Sea A = {alumnos UNI}, considerando los alumnos matriculados

en la UNI actualmente. Luego podemos definir la relacion, para a, b A
a b a y b ingresaron el mismo ano.
Dado a A (es decir, dado un alumno de la UNI), claramente a ingreso el mismo
ano que si mismo. Esto es cierto para cualquier a A, luego es reflexiva. Del
mismo modo, si a y b ingresaron el mismo ano, entonces b y a ingresaron el mismo
ano. Entonces es simetrica. Finalmente, si a y b ingresaron el mismo ano y b y
c ingresaron el mismo ano, entonces a y c ingresaron el mismo ano. Esto quiere
decir que es transitiva. Concluimos que es una relacion de equivalencia en A.
En matematicas, la gran utilidad de las relaciones de equivalencias es que nos
permiten clasificar elementos dentro de un conjunto. Recordemos que clasificar
elementos en un conjunto significa agrupar elementos con una caracterstica comun
(el criterio con el que se esta clasificando). A cada agrupacion de elementos con tal
caracterstica comun la llamaremos clase de equivalencia.
Definicion 5.8. Sea A 6= y una relacion de equivalencia en A. Dado x A
definimos la clase de equivalencia de x como el conjunto
[x] = {y A : x y}.
Es decir, la clase de equivalencia de x es el conjunto de los elementos de A que
estan relacionados (via la relacion ) con x. A x lo llamaremos representante de
la clase de equivalencia [x].
Ejemplo 5.9 (Continuacion del ejemplo 5.6). Sea x = 3 R. Entonces, la clase
de equivalencia de x = 3 es el conjunto
[3] = {y R : 3 S y}.
Observe que 3 S y si, y solamente si, |y| = |3| = 3. Luego y = 3 o y = 3. Esto
implica que
[3] = {3, 3}.
En general, si a R entonces a S b si, y solamente si, |a| = |b|, es decir, b = a o
b = a. Luego, [a] = {a, a}. Observe que en este caso, [a] = {a, a} = [a].
Ejemplo 5.10 (Continuacion del ejemplo 5.7). Sea x = Juan un alumno de la
UNI que ingreso en el ano 2008. Entonces y Juan si, y solo si, y ingreso en el
mismo ano que Juan, esto es, en el ano 2008. Luego podemos escribir
[Juan] = {alumnos de la UNI que ingresaron en el 2008}.
Como es una relacion reflexiva, Juan Juan, y esto implica que Juan
[Juan]. Observe que el conjunto [Juan] no depende del alumno Juan en s, sino
de la caracterstica en comun de los alumnos relacionados con Juan. En este caso,

PROYECTIVA
CAPITULO
5. GEOMETRIA
54
Juan es el representante de los alumnos de la UNI que ingresaron en el 2008. Si

sabemos que Miguel tambien ingreso en el 2008 entonces Juan Miguel,
[Miguel] = [Juan] y Miguel tambien es un representante de los alumnos UNI
que ingresaron en el 2008.
Proposicion 5.11. Sea A 6= y una relacion de equivalencia en A. Entonces
1. [x] 6= , para todo x A;
2. [x] [y] 6= si, y solamente si, [x] = [y];
[
3. A =
[x].
xA
Demostracion.
1. Como es reflexiva entonces x x, para todo x A. Entonces x [x],
que prueba que [x] 6= .
2. Claramente, si [x] = [y] entonces [x] [y] = [x] = [y] 6= , por el tem
anterior.
Recprocamente, supongamos que existe z [x] [y], es decir, z x y
z y. Esto, por simetra y transitividad de , implica que x y. Luego,
w x junto con x y implica que w y. Del mismo modo, w y, junto
con y x implica que w x. Esto prueba que [x] = [y].
[
3. Como cada [x] A entonces la union de todos ellos,
[x], va a estar
xA
contenida en A. Por otro lado, si w A entonces w [w]
[x], es
xA
decir, A
[x]. Esto prueba la igualdad de ambos conjuntos.
xA
Finalmente, agrupamos todas las clases de equivalencia en un nuevo conjunto.

Definicion 5.12. Sea A 6= y una relacion de equivalencia en A. Definimos el
conjunto cociente de A sobre como
A
= {[x] : x A}.
Ejemplo 5.13 (Continuacion del ejemplo 5.10). Tenemos que el conjunto cociente
de A = {alumnos UNI} con la relacion es el conjunto cuyos elementos son
las clases de equivalencia de elementos de A. Por lo visto en el ejemplo 5.10, cada
clase de equivalencia es el conjunto de alumnos de la UNI que ingresaron el mismo
ano. As, podemos escribir
A
= {{ingresantes 2013}, {ingresantes 2012}, {ingresantes 2011}, . . .}.
Note que los elementos de A/ clasifican al conjunto de alumnos de la UNI por

ano de ingreso.

5.2. COORDENADAS HOMOGENEAS
Y EL PLANO PROYECTIVO
55
Ejemplo 5.14. Sea A = R y defina la relacion como

x y x y Z.
Es facil comprobar que es una relacion de equivalencia. Considerando x0 =
0.6 R, tenemos que y 0.6 si, y solamente si, y = 0.6 + m, con m Z. As,
[0.6] = {m + 0.6 : m Z} = {. . . , 1.4, 0.4, 0.6, 1.6, 2.6, . . .}.
Observe que [0.4] = [2.6] = [0.6], pues todos los representantes estan relacionados por . Del mismo modo, para cualquier x R,
[x] = {x + m : m Z} = {. . . , x 2, x 1, x, x + 1, x + 2, . . .}.
Luego, [x + m] = [x], para cualquier x. Probaremos ahora que
R
= {[w] : w [0, 1i}.
En efecto, si [x] R/, para x R, entonces w = x JxK [0, 1i, donde

JxK Z es el maximo entero de x. Luego, w x y por lo tanto, [x] = [w].
5.2.
Coordenadas homogeneas y el plano proyectivo
Con las herramientas dadas en la seccion anterior, construiremos un nuevo conjunto. Sea A = R3 \ {0} y en A definamos la siguiente relacion , para u, v R3 ,
u, v 6= 0,
u v t R, u = tv.
(5.1)
Es claro que si u v y u = tv, t R, entonces t 6= 0 pues ni u ni v son nulos.
Probaremos que es una relacion de equivalencia. Dado u R3 \ {0}, consideramos t = 1 y as tenemos u = 1 u, es decir, u u. Luego es refleuiva.
Dados u, v R3 \ {0}, tales que u v entonces u = tv, para algun t R. Como
t 6= 0 entonces definimos s = 1/t R y as, v = su, es decir, v u. As, es
simetrica. Finalmente, si u v y v w, entonces u = tv y v = sw, para t, s R.
Entonces, podemos escribir u = (ts)w, es decir, u w. Luego, es transitiva y,
por lo tanto, relacion de equivalencia.
Ejemplo 5.15. Sea u = (1, 5, 2) 6= 0. Entonces v u si, y solo si, v = t(1, 5, 2).
Luego, podemos escribir
[u] = [(1, 5, 2)] = {(t, 5t, 2t) : t 6= 0}.
Note que esta es la recta en R3 que pasa por 0 y con direccion u, quitandole el
punto 0.

PROYECTIVA
CAPITULO
5. GEOMETRIA
56
Dado u = (a, b, c) R3 , u 6= 0, denotaremos

[u] = [(a, b, c)] = [a : b : c].
As, [a : b : c] es la recta que pasa por (0, 0, 0) y con direccion (a, b, c), quitandole
el punto (0, 0, 0).
Definamos entonces el objeto que nos permitira extender el plano euclidiano y
dotarlo de nuevas coordenadas.
Definicion 5.16. Consideremos en R3 \ {0} la relacion de equivalencia definida
R3 \ {0}
como en (5.1). Al conjunto cociente
lo llamaremos plano proyectivo y lo
denotaremos como P2 (R). As,

P2 (R) = {[x : y : z] : (x, y, z) R3 , (x, y, z) 6= (0, 0, 0)}.
Otras notaciones halladas en la literatura para el plano proyectivo son P2 (R),
y P2 . Esta u ltima notacion se usa cuando queda claro que trabajamos con
numeros reales, que es el caso. As, en adelante, denotaremos al plano proyectivo
como P2 .
Sea [a : b : c] P2 tal que c 6= 0. Como para cualquier t 6= 0 se tiene
(ta, tb, tc) [a : b : c] entonces [ta : tb : tc] = [a : b : c], para todo t 6= 0. As, en
1
particular, considerando t = 6= 0, tenemos
c

a b
[a : b : c] =
: :1 .
c c
RP2
Es decir, hemos probado

{[x : y : z] P2 : z 6= 0} {[x : y : 1] P2 : x, y R}.
Como la otra inclusion es inmediata, tenemos la igualdad de los conjuntos anteriores. Entonces podemos escribir
P2 = {[x : y : 1] : x, y R} {[x : y : 0] : x, y R}.
Definicion 5.17. Al conjunto
A2 = {[x : y : 1] : x, y R}
lo llamaremos conjunto de puntos afines de P2 , o tambien puntos propios, y al
conjunto
P2 = {[x : y : 0] : x, y R}
lo llamaremos conjunto de puntos del infinito, o tambien, puntos impropios.
Estamos en condiciones de dotar al plano P de un nuevo sistema de coordenadas.
5.3. RECTAS EN EL PLANO PROYECTIVO
57
Proposicion 5.18. Sea : R2 A2 definido por

(x, y) = [x : y : 1].
Entonces es una biyeccion.
Demostracion. Claramente es sobreyectiva, pues, si [x : y : 1] A entonces
(x, y) = [x : y : 1]. Falta probar que es inyectiva. En efecto, sean (x, y) y
(a, b) tales que (x, y) = (a, b). Luego [x : y : 1] = [a : b : 1], es decir
(x, y, 1) [a : b : 1]. Esto significa que existe t 6= 0 tal que tx = a, ty = b y
t = 1, es decir x = a y y = b y, por lo tanto, (x, y) = (a, b).
As, la funcion asocia a cada (x, y) R un u nico elemento de A2 , y viceversa, es decir, todo elemento de A2 tiene asociado un u nico (x, y) R2 . De esta
manera podemos decir que A2 es una copia de R2 en P2 .
Dado (x, y) R2 , las coordenadas homogeneas de (x, y) es cualquier (X, Y, Z)
[x : y : 1], es decir, la terna (X, Y, Z) satisface Z 6= 0 y
x=
X
,
Z
y=
Y
.
Z
Ejemplo 5.19. Sea (1, 2) R2 . Entonces

[1 : 2 : 1] = {(t, 2t, t) R3 : t 6= 0}.
Por lo tanto, son coordenadas homogeneas de (1, 2) las ternas (1, 2, 1), (3, 6, 3),
(4, 8, 4), etc.
Ejemplo 5.20. Sea P0 R2 un punto que en coordenadas homogeneas se representa por (1, 5, 6). Entonces P0 tiene coordenadas cartesianas

1 5
(x, y) =
,
.
6 6
Para evitar esta multiplicidad en las coordenadas homogeneas, en lugar de trabajar con ternas en R3 , trabajaremos con elementos de A2 . Luego, diremos que la
representacion de P0 = (x, y) R2 en coordenadas homogeneas esta dada por la
clase de equivalencia [x : y : 1].
Finalmente, observamos que P2 no solamente contiene a los elementos de A2 ,
sino tambien a los puntos del infinito, P2 . Como A2 esta identificado biunvocamente con R2 , entonces podemos decir que P2 es una extension del plano R2 .
Luego, podemos llamar a P2 como el plano euclidiano extendido.
5.3.
Rectas en el plano proyectivo
Para definir rectas en P2 procederemos de la siguiente manera: consideraremos una recta en R2 y deduciremos que ecuacion satisfacen las coordenadas homogeneas de los puntos de esta.

PROYECTIVA
CAPITULO
5. GEOMETRIA
58
Sea L0 una recta en R2 con ecuacion general ax + by + c = 0. Sea (x, y) L0

y sea [X : Y : Z] P2 su representacion en coordenadas homogeneas. Entonces
x=
X
,
Z
y=
Y
,
Z
X
Y
y por lo tanto a + b + c = 0. Luego, como Z 6= 0, multiplicamos por Z la
Z
Z
ecuacion anterior y tenemos
aX + bY + cZ = 0.
As, la representacion en coordenadas homogeneas de L es el conjunto
L = {[X : Y : Z] P2 : aX + bY + cZ = 0}.
Podemos considerar L0 como contenida en L en el siguiente sentido: si
(x, y) L0 entonces (x, y) = [x : y : 1] L. Esta inclusion es propia,
pues [b : a : 0] L pero no corresponde a ningun punto de R2 . Observe que
[b : a : 0] es la interseccion de L con P2 .
Recordemos que si ax + by + c = 0 es la ecuacion general de L0 , entonces
(a, b, c) 6= (0, 0, 0) y L0 tambien tendra como ecuacion general a (ta)x + (tb)y +
(tc) = 0, para cualquier t 6= 0. Esto significa que la ecuacion de L0 no depende de
(a, b, c) en s, sino del conjunto de los multiplos de (a, b, c), es decir, de [a : b : c].
Esto motiva la siguiente definicion.
Definicion 5.21. Sea [a : b : c] P2 . La recta proyectiva asociada a [a : b : c], o
simplemente, recta en P2 , es el conjunto
L[a : b : c] = {[X : Y : Z] P2 : aX + bY + cZ = 0}.
Si (a, b) 6= (0, 0) entonces L[a : b : c] representara una recta en R2 . En efecto,
consideremos la recta L0 = L(a, b, c), con ecuacion general ax + by + c = 0.
Entonces (x, y) L(a, b, c) si, y solamente si, [x : y : 1] L[a : b : c]. A este tipo
de rectas las llamaremos rectas afines o propias.
En caso [a : b : c] P2 y (a, b) = (0, 0), se tiene que c 6= 0. Luego [a : b :
c] = [0 : 0 : 1] y as tenemos la recta
L[0 : 0 : 1] = {[X : Y : Z] : Z = 0} = P2 .
Es decir, el conjunto de los puntos del infinito P2 es una recta en P2 , la que llamaremos recta del infinito. Esta recta proyectiva no representa ninguna recta en
R2 .
Sea L = L[a : b : c] una recta en P2 que representa a la recta L(a, b, c) de
2
R (es decir, (a, b) 6= (0, 0)). Estudiaremos la interseccion de L con la recta del
infinito P2 . Sea [X0 : Y0 : Z0 ] L P2 . Entonces Z0 = 0 y
aX0 + bY0 = 0.
59
Esto implica que h(a, b), (X0 , Y0 )i = 0, por lo tanto (X0 , Y0 ) es paralelo a (a, b) =
(b, a). Concluimos que, para algun t R,
(X0 , Y0 , Z0 ) = t(b, a, 0),
y, as, [X0 : Y0 : Z0 ] = [b : a : 0]. Esto significa que [b : a : 0] es la
interseccion de L con P2 . Luego, toda recta de P2 diferente a P2 , interseca a este
en un u nico punto.
Sean (x1 , y1 ) y (x2 , y2 ) puntos en R2 y L0 la recta que pasa por ellos. No es
difcil comprobar que
(y1 y2 )x + (x2 x1 )y + (x1 y2 x2 y1 ) = 0,
es la ecuacion general de L. Luego, si P = [X1 : Y1 : Z1 ] y Q = [X2 : Y2 : Z2 ]
son elementos de A2 , representados por (x1 , y1 ) = (X1 /Z1 , Y1 /Z1 ) y (x2 , y2 ) =
(X2 /Z2 , Y2 /Z2 ), la recta en R2 que pasa por ellos esta dada por

Y2
X2 Y1
Y1
X2 X1
X1 Y2
x+
y+
= 0,
Z1 Z2
Z2
Z1
Z1 Z2
Z2 Z1
o equivalentemente,
(Y1 Z2 Y2 Z1 )x + (X2 Z1 X1 Z2 )y + (X1 Y2 X2 Y1 ) = 0.
As, la recta L(P, Q) que pasa por los puntos P = [X1 : Y1 : Z1 ] y Q = [X2 :
Y2 : Z2 ] en P2 (no necesariamente en A2 ), con P 6= Q, es la recta proyectiva dada
por
(Y1 Z2 Y2 Z1 )X + (X2 Z1 X1 Z2 )Y + (X1 Y2 X2 Y1 )Z = 0.
Es inmediato verificar que esta ecuacion puede ser obtenida de calcular el determinante
X Y Z
det X1 Y1 Z1 = 0.
X2 Y2 Z2
Esta representacion se denomina ecuacion algebraica de la recta L(P, Q).
Ejemplo 5.22. Sea P = [1 : 1 : 1] y Q = [4 : 0 : 2], que representan a los puntos
(1, 1) y (2, 0) de R2 , respectivamente. Entonces la recta L(P, Q) esta dada por
X Y Z
0 = det 1 1 1 = 2X + 2Y + 4Z = 2(X + Y + 2Z).
4
0 2
Luego, la recta proyectiva que pasa por P y Q es L[1 : 1 : 2]. Por otro lado, esto
implica que la recta que pasa por (1, 1) y (2, 0) tiene ecuacion general
x + y + 2 = 0.

PROYECTIVA
CAPITULO
5. GEOMETRIA
60
Ejemplo 5.23. Sea P = [1 : 1 : 1] y Q = [2 : 3 : 0]. Como en el ejemplo anterior, P representa a (1, 1), sin embargo Q es un punto del infinito y no representa
ningun punto en R2 . No obstante, la recta L(P, Q) esta dada por
X Y Z
0 = det 1 1 1 = 3X + 2Y + 5Z.
2
3 0
Luego, la recta proyectiva que pasa por P y Q es L[3 : 2 : 5]. Esta recta proyectiva representa en P2 a la recta L0 en R2 que tiene ecuacion general
3x + 2y + 5 = 0.
Claramente (1, 1) L0 y notemos que (2, 3) es el vector direccion de L0 .
El comportamiento de los ejemplos anteriores puede ser probado en general.
Proposicion 5.24. Sean P A2 , Q P2 y P0 el punto de R2 que tiene a P
como coordenada homogenea. Considere L la recta proyectiva que pasa por P y
Q. Entonces L representa a una recta L0 en R2 y
1. si Q A2 entonces L0 = L(P0 , Q0 ), donde Q tiene a Q0 como coordenada
homogenea;
2. si Q P2 entonces L0 = L(P, v), donde v = (v1 , v2 ) R2 es tal que
Q = [v1 : v2 : 0].
Demostracion. Como P A2 entonces L =
6 P2 y, por tanto, representa a una
recta en R2 . Si P = [X1 : Y1 : Z1 ] y Q = [X2 : Y2 : Z2 ] entonces la recta L tiene
ecuacion
(Y1 Z2 Y2 Z1 )X + (X2 Z1 X1 Z2 )Y + (X1 Y2 X2 Y1 )Z = 0,
y por lo tanto L0 tiene ecuacion general
(Y1 Z2 Y2 Z1 )x + (X2 Z1 X1 Z2 )y + (X1 Y2 X2 Y1 ) = 0.
(5.2)
Es inmediato comprobar que P0 = (X1 /Z1 , Y1 /Z1 ) L0 . Si Q A2 entonces Q

es coordenada homogenea de Q0 = (X2 /Z2 , Y2 /Z2 ) el cual, mediante un calculo
de rutina, esta en L0 . As L0 = L(P, Q). Por otro lado, si Q P2 entonces
Z2 = 0 y por (5.2), la ecuacion general de L0 sera
(Y2 Z1 )x + (X2 Z1 )y + (X1 Y2 X2 Y1 ) = 0,
o, equivalentemente,
Y2 x + X2 y +
X1 Y2 X2 Y1
= 0.
Z1
Observamos, de esta ecuacion general, que L0 tiene vector direccion v = (X2 , Y2 ),

lo que prueba la proposicion.
61
Sean P = [X1 : Y1 : Z1 ] y Q = [X2 : Y2 : Z2 ] puntos distintos en P2 y

R = [X : Y : Z] L(P, Q). Entonces
X Y Z
det X1 Y1 Z1 = 0,
X2 Y2 Z2
y, por lo tanto, los vectores de R3 , (X1 , Y1 , Z1 ), (X2 , Y2 , Z2 ) y (X, Y, Z) son
linealmente dependientes. Como P y Q son distintos entonces (X1 , Y1 , Z1 ) y
(X2 , Y2 , Z2 ) no son paralelos y, as, son linealmente independientes. Luego deben
existir , R, no ambos nulos, tales que
(X, Y, Z) = (X1 , Y1 , Z1 ) + (X2 , Y2 , Z2 ).
Tomando clase de equivalencia obtenemos
h
i
[X : Y : Z] = (X1 , Y1 , Z1 ) + (X2 , Y2 , Z2 ) .
(5.3)
Esta u ltima ecuacion sera escrita de ahora en adelante como

[X : Y : Z] = [X1 : Y1 : Z1 ] + [X2 : Y2 : Z2 ],
(5.4)
o, en componentes,
X = X1 + X2 ,
Y = Y1 + Y2 ,
(5.5)
Z = Z1 + Z2 .
Tanto (5.4) o (5.5) seran llamadas ecuaciones parametricas de la recta L(P, Q).
Ejemplo 5.25. Sean P = [6 : 4 : 2] y Q = [3 : 2 : 1]. Entonces la recta
L(P, Q) tiene ecuacion parametrica
[X : Y : Z] = [6 : 4 : 2] + [3 : 2 : 1].
As, tenemos
X = 6 + 3,
Y = 4 + 2,
Z = 2 .
Observacion 5.26. Debemos hacer e nfasis que la ecuacion (5.4) es un abuso de
notacion. Estrictamente hablando, la ecuacion parametrica de una recta proyectiva
debe escribirse como en la ecuacion (5.3).
Finalmente, probaremos el resultado principal de esta seccion.
Teorema 5.27. Sean L1 y L2 rectas en P2 . Entonces L1 L2 6= .
62
PROYECTIVA
CAPITULO
5. GEOMETRIA
Demostracion. Consideremos L1 = L[a1 , b1 , c1 ] y L2 = L[a2 , b2 , c2 ] y sean u =

(a1 , b1 , c1 ) y v = (a2 , b2 , c2 . Si u y v son paralelos, entonces [a1 : b1 : c1 ] = [a2 :
b2 : c2 ] y, por lo tanto, L1 L2 = L1 = L2 6= . En caso contrario, definimos
w = u v 6= 0 y escribamos w = (X, Y, Z). Entonces
0 = hu, wi = a1 X + b1 Y + c1 Z
0 = hv, wi = a2 X + b2 Y + c2 Z.
Esto muestra que [X : Y : Z] L1 L2 .

Corolario 5.28. Sean L1 y L2 rectas afines y distintas en P2 y sea R L1 L2 .
Entonces R P2 si, y solo si, L1 y L2 representan rectas paralelas en R2 .
Demostracion. Consideremos L1 = L[a1 , b1 , c1 ] y L2 = L[a2 , b2 , c2 ], donde
(a1 , b1 ) y (a2 , b2 ) son no nulos. De la demostracion del teorema anterior, tenemos
que si R = [X : Y : Z] entonces Z = a1 b2 a2 b1 . Luego, por la proposicion 1.33,
Z = 0 si, y solo si, (a1 , b1 ) y (a2 , b2 ) son paralelos. Esto es equivalente a que las
rectas en R2 representadas por L1 y L2 sean paralelas.
Captulo 6
Conicas en el plano proyectivo

En este captulo, estudiaremos las conicas
desde el punto de vista de la geometra proyectiva. Para esto, comenzaremos estableciendo detalles importantes de las conicas en el
plano cartesiano.
Sean > 0, L0 una recta en R2 y F0 P.
Una conica en el plano es el conjunto

d(P0 , F0 )
C0 = P0 P :
= .
d(P0 , L0 )
En este caso, llamaremos a como la excentricidad de C0 , a L0 como la recta directriz de C0 Figura 6.1: Jean-Victor Poncelet
y a F0 como el foco de C0 . Podemos establecer,
por definicion, que si < 1 entonces C0 es una elipse, si = 1 entonces C0 es una
parabola y si > 1 entonces C0 es una hiperbola. Estas son las llamadas conicas
usuales.
Si escribimos F0 = (x0 , y0 ), L0 = L(a, b, c) y P0 = (x, y) C, entonces P0
cumplira
(ax + by + c)2
(x x0 )2 + (y y0 )2 = 2
,
a2 + b2
o, escrito de forma polinomial,
a11 x2 + 2a12 xy + a22 y 2 + 2a13 x + 2a23 y + a33 = 0,
donde
a2 2
,
a2 + b2
ab2
= 2
,
a + b2
bc2
= 2
y0 ,
a + b2
b2 2
,
a2 + b2
ac2
= 2
x0 ,
a + b2
c2 2
= 2
+ x20 + y02 .
a + b2
a11 = 1
a22 = 1
a12
a13
a23
a33
63
64
CAPITULO
6. CONICAS
EN EL PLANO PROYECTIVO
Esto motiva la siguiente definicion.
Definicion 6.1. Una conica en el plano cartesiano R2 es el lugar geometrico de los

puntos de R2 que satisfacen una ecuacion de la forma
a11 x2 + 2a12 xy + a22 y 2 + 2a13 x + 2a23 y + a33 = 0.
(6.1)
As, si C0 es una conica entonces

C0 = {(x, y) R2 : (x, y) satisface (6.1)}.
Ademas, la ecuacion (6.1) sera llamada ecuacion general de la conica.
Ahora convertiremos la ecuacion (6.1) a coordenadas homogeneas. Sea (x, y)
C0 , donde C0 es una conica, y sea [x1 : x2 : x3 ] su representacion en coordenadas
homogeneas. Entonces x = x1 /x3 , y = x2 /x3 y, reemplazando en (6.1), obtenemos
x2
x1 x2
x2
x1
x2
a11 21 + 2a12 2 + a22 22 + 2a13 + 2a23 + a33 = 0.
x
x3
x3
x3
x3
3
Multiplicando por x23 6= 0,
a11 x21 + 2a12 x1 x2 + a22 x22 + 2a13 x1 x3 + 2a23 x2 x3 + a33 x23 = 0.
(6.2)
Esto motiva la definicion de una conica en P2 .

Definicion 6.2. Diremos que C en P2 es una conica si C tiene la forma
C = {[x1 : x2 : x3 ] P2 : [x1 : x2 : x3 ] satisface (6.2)}.
Podemos escribir la ecuacion (6.2) de manera matricial como

x1

a11 a12 a13
x1 x2 x3 a12 a22 a23 x2 = 0
a13 a23 a33
x3
a11 a12 a13

Observe que A = a12 a22 a23 es una matriz de orden 3 3, simetrica, es
a13 a23 a33
>
decir A = A . Evitaremos el caso trivial en que A sea la matriz nula. Luego, toda
conica en P2 tiene asociada una matriz 3 3 simetrica y no nula.
Observacion 6.3. Para simplificar la notaci
on, en adelante representaremos a [x1 :

x1
x2 : x3 ] P2 como el vector columna x2 . De este modo, si P = [x1 : x2 : x3 ]
x3
y Q = [x01 : x02 : x03 ] entonces Q = AP sera una abreviacion de escribir
0

x1
a11 a12 a13
x1
x02 = a12 a22 a23 x2
x03
a13 a23 a33
x3

Ademas, P > representara al vector fila x1 x2 x3 .
65
De este modo, podemos abreviar la notacion para las conicas. Dada una matriz
A de orden 3 3 y simetrica, la conica C en P2 asociada a A esta dada por
C = {P P2 : P > AP = 0}.
1
0 1
Ejemplo 6.4. Sea A = 0 1/2 1. Entonces la conica C asociada a A tiene
1 1 2
ecuacion
1
x21 + x22 + 2x23 2x1 x3 2x2 x3 = 0,
2
que, en coordenadas cartesianas, se escribe como
1
x2 + y 2 + 2 2x 2y = 0.
2
Luego, C representa a la conica en R2 con ecuacion
(x 1)2 +
(y 2)2
= 1,
2
la cual es una elipse, con centro (h, k) = (1, 2) y semiejes a = 1 y b = 2.
1 0
0
0 1/2. Entonces la conica C asociada a A
Ejemplo 6.5. Sea A = 0
0 1/2 0
tiene ecuacion
x21 + x2 x3 = 0,
x2 + y = 0.
Luego, C representa a la conica en R2 con ecuacion
y = x2
la cual es una parabola.
No siempre una matriz simetrica genera una conica en el sentido usual.
1 0 0
Ejemplo 6.6. Sea A = 0 0 0 . Entonces la conica C asociada a A tiene
0 0 1
ecuacion
x21 x23 = 0,
x2 1 = 0.
Si consideramos C = {(x, y) : x2 = 1}, este conjunto es formado por dos
rectas verticales en R2 , con ordenadas 1 y 1. Claramente C no una de las conicas
usuales.
66
CAPITULO
6. CONICAS
1 0 0
Ejemplo 6.7. Sea A = 0 1 0. Entonces la conica C asociada a A tiene ecua0 0 0
cion
x21 + x22 = 0,
x2 + y 2 = 0.
Claramente C = {(x, y) : x2 + y 2 = 0} = {(0, 0)}, es decir, este conjunto es
formado por un u nico punto de R2 .
Para diferenciar cuando una conica en P2 representa, o no, a una conica usual
en R2 , usaremos la matriz asociada a la conica.
Definicion 6.8. Sea C una conica en P2 y A su matriz asociada. Diremos que C es
degenerada si det(A) = 0. En caso contrario, diremos que C es no degenerada.
Es inmediato de la definicion que las conicas en los ejemplos 6.6 y 6.7 son
degeneradas y las conicas de los ejemplos 6.4 y 6.5 son no degeneradas.
Este criterior de clasificacion de conicas es aun insuficiente, pues incluso conicas no degeneradas podran no representar a ninguna conica usual.
1 0 0
Ejemplo 6.9. Sea A = 0 1 0. Entonces la conica C asociada a A es no
0 0 1
degenerada y tiene ecuacion
x21 + x22 + x23 = 0.
x2 + y 2 + 1 = 0.
Luego, C = {(x, y) : x2 +y 2 +1 = 0} = , es decir, la conica asociada a la matriz
identidad es no degenerada, sin embargo, no representa a ninguna conica usual.
6.1.
El polo y la recta polar
Definicion 6.10. Sea C una conica en P2 , con matriz asociada A. Diremos que P
y Q en P2 son C-conjugados (o conjugados respecto de C) si
P > AQ = 0.
6.1. EL POLO Y LA RECTA POLAR
67
Es inmediato de la definicion que P P2 es conjugado con si mismo, respecto

de una conica C, si, y solamente si, P C. Ademas, como A es simetrica, la
relacion de conjugacion es simetrica, pues
P > AQ = Q> AP.
Por otro lado, si H P2 es tal que AH = 0, entonces todo punto Q P2 es
conjugado con H, en particular H es conjugado con si mismo, luego H C. A los
puntos H tales que AH = 0 los llamaremos puntos singulares de C.
As, dado P P2 , el conjunto de los puntos conjugados a P respecto de C es
{Q P2 : Q> AP = 0}.
Si P no es punto singular de C y consideramos N = AP P2 , N = [a : b : c],
entonces podemos representar el conjunto anterior como
{[X : Y : Z] P2 : aX + bY + cZ = 0},
el cual es claramente una recta, que llamaremos recta polar de P .
Definicion 6.11. Sea C una conica y sea P C no singular. La recta polar de P
es el conjunto de los puntos Q P2 conjugados a P respecto de C. Denotaremos
esta recta como LC (P ), es decir,
LC (P ) = {Q P2 : Q> AP = 0}.
Ahora procedamos de manera inversa, es decir, dada una recta proyectiva ver
si es la polar de algun punto en P2 .
Definicion 6.12. Sea C una conica. Dada una recta L en P2 , diremos que P es el
polo de L, respecto de C, si L = LC (P ).
Dado P P2 un punto no singular de una conica C, es facil calcular su
recta polar, basta determinar N = AP . Sin embargo, para determinar el polo
P = [X : Y : Z] de una recta L = L[a : b : c] tendramos que resolver el sistema lineal de tres variables
a11 X + a12 Y + a13 Z = a,
a12 X + a22 Y + a23 Z = b,
(6.3)
a13 X + a23 Y + a33 Z = c,

el cual podra no tener solucion. Esto no ocurre en el caso de conicas no degeneradas, pues como det(A) 6= 0 entonces el sistema lineal (6.3) tiene solucion, que
ademas es u nica. Esto muestra que para el caso de conicas no degeneradas, el polo
de una recta siempre existe y es u nico.
CAPITULO
6. CONICAS
68
Ejemplo 6.13.
Consideremos laconica C dada en el ejemplo 6.4, que tiene matriz
1
0 1
asociada A = 0 1/2 1, y consideremos P = [1 : 2 : 1]. Entonces la
1 1 2
recta polar de P esta dada por N = AP = [0 : 0 : 1] = [0 : 0 : 1], es decir,
LC (P ) = P2 . Es decir, la recta polar de P , respecto de C, es la recta del infinito.
Luego, el polo de la recta del infinito, respecto de la elipse C, es P .
Ejemplo 6.14.
Consideremos laconica C dada en el ejemplo 6.5, que tiene matriz
1 0
0
0 1/2, y consideremos P = [2 : 4 : 1]. Entonces la
asociada A = 0
0 1/2 0
recta polar de P esta dada por N = AP = [2 : 1/2 : 2] = [4 : 1 : 4], es
decir, LC (P ) tiene ecuacion general 4X + Y + 4Z = 0. Es decir, la recta polar
de P , respecto de C, es representada en R2 por la recta L0 con ecuacion normal
y = 4x 4. Observe que L0 es la recta tangente a la parabola con ecuacion y = x2
en (2, 4).
Proposicion 6.15. Sean C una conica no degenerada, L una recta proyectiva y
P P2 . Si P L entonces el polo de L pertenece a la recta polar de P .
Demostracion. Como C es no degenerada entonces L tiene un polo Q P2 . Como
P L = LC (Q) entonces P y Q son conjugados. Luego Q LC (P ), es decir, el
polo de L pertenece a la polar de P .
Corolario 6.16. Sea C una conica no degenerada y L una recta proyectiva. Entonces las rectas polares, respecto de C, de todos los puntos de L se intersecan en un
u nico punto, el cual es el polo de L.
Demostracion. Como el polo de L existe entonces, por la proposicion anterior, el
polo de L pertenece a todas las rectas polares de los puntos de L. Sea Q P2 que
pertenece a toda recta polar de puntos de L. Entonces todo punto de L es conjugado
a Q, es decir, LC (Q) = L. Como el polo de L es u nico entonces Q debe ser el polo
de L.
6.2.
Posicion relativa de una recta y una conica
6.2.1.
La ecuacion cuadratica homogenea de dos variables
Queremos encontrar las soluciones de la ecuacion cuadratica homogenea

ax2 + 2bxy + cy 2 = 0,
(6.4)
donde a, b, c R son constantes. Observe que (x, y) = (0, 0) siempre es solucion

de este tipo de ecuacion, por lo que llamaremos a esta solucion como solucion
trivial. Ademas, si (x, y) es solucion de (6.4) entonces, para cualquier t R,
(tx, ty) tambien es solucion. Por ende, si dos soluciones son una multiplo de otra,
seran consideradas iguales, en caso contrario, diremos que son independientes.
RELATIVA DE UNA RECTA Y UNA CONICA
6.2. POSICION
69
Caso I: a = 0
En este caso, la ecuacion (6.4) toma la forma
y(2bx + cy) = 0,
cuyas soluciones son (1, 0) y (c, 2b) (o cualquier multiplo de ellos). As, tenemos
1. si b = 0 y c = 0 entonces todo (x, y) R2 es solucion de (6.4);
2. si b = 0 y c 6= 0 entonces (c, 2b) = c(1, 0). Luego, solo tendremos una
solucion independiente (x, y) = (1, 0);
3. si b 6= 0, entonces tenemos dos soluciones independientes (1, 0) y (c, 2b).
Caso II: a 6= 0
En este caso, tenemos que (6.4) no posee ninguna solucion no trivial de la
x
forma (x, 0), x R. Luego podemos hacer el cambio de variable t = y obtener
y
at2 + 2bt + c = 0.
Usando la formula de las races de una ecuacion cuadratica, obtenemos
!
!
b + b2 ac
b b2 ac
2
0 = at + 2bt + c = a t
t
,
a
a
es decir,
(ax + (b
p
p
b2 ac)y)(ax + (b + b2 ac)y) = 0.
Definamos = b2 ac, tenemos tres posibilidades,

1. si >
0 entonces tenemos dos soluciones independientes: (b
(b + , a);
, a) y
2. si = 0 entonces tenemos una solucion independiente: (b, a);

3. si < 0 entonces (6.4) no posee soluciones no triviales, de hecho, (6.4)
puede escribirse como el polinomio irreducible
(ax + by)2 + (ac b2 )y 2 = 0.
Observacion 6.17. Observe que podemos unificar los casos I y II mediante el uso
del discriminante = b2 ac. Si a = b = c = 0 entonces la ecuacion (6.4) posee
infinitas soluciones independientes. En caso contrario,
1. si > 0 entonces (6.4) posee dos soluciones independientes;
2. si = 0 entonces (6.4) posee una solucion independiente;
3. si < 0 entonces (6.4) no posee soluciones independientes.
CAPITULO
6. CONICAS
70
6.2.2.
Interseccion de una recta y una conica
Sea C una conica con matriz asociada A y L = L(P, Q) la recta que pasa por
los puntos P y Q de P2 , P y Q arbitrarios pero distintos. Queremos estudiar la
interseccion entre C y L. Para esto, un elemento R C L debe satisfacer
R> AR = 0,
R = P + Q,
para ciertos , R, (, ) 6= (0, 0). Combinando ambas ecuaciones obtenemos
el sistema cuadratico
0 = (P + Q)> A(P + Q)
= 2 P > AP + 2P > AQ + 2 Q> AQ.
(6.5)
En el caso que P > AP = 0, se desprenden tres posibilidades.

1. Si P > AQ = 0 y Q> AQ = 0, entonces cualquier (, ) 6= (0, 0) es solucion
de (6.5). Esto implica que L C.
2. Si P > AQ = 0 y Q> AQ 6= 0, entonces la u nica solucion independiente
(, ) = (1, 0) da lugar a R = P , es decir, C L = {P }.
3. Si P > AQ 6= 0 entonces tenemos dos soluciones independientes: (, ) =
(1, 0), que da lugar al punto R = P , y (, ) = (Q> AQ, 2P > AQ), que
da lugar a un punto R 6= P . Esto significa que C L esta formado por dos
puntos P, R en L, donde R = Q si Q C, es decir C L = {P, R}.
Ahora supongamos que P > AP 6= 0. Entonces analizamos el discriminante
= (P > AQ)2 P > AP Q> AQ.
As, consideremos tres posibilidades:
1. si > 0, tenemos dos soluciones independientes. Cada una de estas soluciones generan puntos R1 y R2 en L, R1 6= R2 . En este caso, tenemos
C L = {R1 , R2 }.
2. Si = 0 tenemos una u nica solucion independiente. Esta genera un u nico
punto R L. En este caso, C L = {R}.
3. Si < 0, la ecuacion (6.5) no posee soluciones reales. Luego C L = .
Ejemplo 6.18. Consideremos la conica C dada por x21 + x22 25x33 = 0 y la recta
que pasa por los puntos (0, 0) y (8, 6) de R2 . Estos puntos se representan en P2
como [0 : 0 : 1] y [8 : 6 : 1], que claramente no pertenecen a la conica. Ademas, la
matriz asociada a la conica es
1 0
0
0 .
A = 0 1
0 0 25
6.3. PROPIEDADES GENERALES DE MATRICES DE ORDEN TRES
71
Con estos datos, P > AP = 25, P > AQ = 25 y Q> AQ = 75, luego, la ecuacion (6.5) se escribe como
252 50 + 75 2 = 25(2 + 2 3 2 ) = 25( )( + 3) = 0.
Esto implica que hay dos puntos de interseccion R1 = 1 P + 1 Q = [8 : 6 : 2] =
[4 : 3 : 1] y R2 = 3 P + 1 Q = [8 : 6 : 2] = [4 : 3 : 1], que representan
a los puntos (4, 3) y (4, 3) de R2 .
1 0 0
Ejemplo 6.19. Sea la conica C, cuya matriz asociada es A = 0 1 0, y
0 0 0
consideremos P = [1 : 1 : 1] y Q = [2 : 2 : 1]. En este caso, P > AP =
Q> AQ = 0, luego P, Q C. Ademas, se verifica que P > AQ = 0. Luego, la recta
L que pasa por P y Q esta contenida en C.
Concluimos la seccion presentando un resumen de estos resultados en el cuadro 6.1.
P > AQ 6= 0
P C
P
/C
P > AQ
=0
C L = {P, R}
Q> AQ 6= 0
C L = {P }
Q> AQ = 0
LC
>0
C L = {R1 , R2 }
=0
C L = {R}
<0
CL=
Cuadro 6.1: Casos para la interseccion de una recta y una conica
6.3.
Propiedades generales de matrices de orden tres
En esta seccion estudiaremos un poco mas en profundidad a las matrices de tamano 3 3. Los resultados que veamos en esta seccion seran dados, en su mayora,
sin demostracion, y seran aplicados en las secciones siguientes.
Consideremos R33 como el conjunto de matrices de tamano 3 3. Sea A =
[aij ] R33 , es decir,
a11 a12 a13
A = a21 a22 a23 .
a31 a32 a33
72
CAPITULO
6. CONICAS
De esta matriz, podemos extraer seis vectores en R3 : tres vectores fila,

a1 = (a11 , a12 , a13 ),
a2 = (a21 , a22 , a23 ),
a3 = (a31 , a32 , a33 );
A2 = (a12 , a22 , a32 ),
A3 = (a13 , a23 , a33 ).
y tres vectores columna,

A1 = (a11 , a21 , a31 ),
El rango por filas de A es la mayor cantidad de vectores fila de A linealmente

independientes que podemos encontrar y el rango por columnas de A es la mayor
cantidad de vectores columna de A linealmente independientes que podemos encontrar. Denotaremos al rango por filas de A como rf (A) y al rango por columnas
de A como rc (A). Es inmediato ver que rf (A) y rc (A) son numeros enteros entre
0 y 3.
1 2 0
Ejemplo 6.20. Sea A = 1 3 1. Calculando el determinante de A, tene
0
0 1
mos que det(A) = 1. Esto implica que a1 , a2 y a3 son linealmente independientes,
luego, rf (A) = 3. Del mismo modo, det(A> ) = 1, es decir, rc (A) = 3.
1 1
2
Ejemplo 6.21. Consideremos ahora A = 3 3

6 y observemos que to
1 1 2
das las filas de A son paralelas a (1, 1, 2) y todas las columnas de A son paralelas
a (1, 3, 1). Luego rf (A) = rc (A) = 1.
En general, tenemos la siguiente proposicion.
Proposicion 6.22. Para cualquier matriz A R33 , rf (A) = rc (A).
As, en adelante denotaremos por r(A) al rango de A (ya sea por filas o columnas).
Dada una matriz A = [aij ] R33 , los menores de A son los numeros Mij
definidos como
determinante de la matriz 2 2 que se obtiene
Mij =
.
de quitar a A la fila i y la columna j
a22 a23
a12 a13
a11 a13
, M21 = det
, M32 = det
y
Por ejemplo, M11 = det
a32 a33
a32 a33
a21 a23
a11 a12
. En total una matriz 3 3 posee nueve menores. A los meM33 = det
a21 a22
nores M11 , M22 y M33 se les denomina menores principales de A. Recordemos
6.3. PROPIEDADES GENERALES DE MATRICES DE ORDEN TRES
73
que, para el calculo del determinante de A, utilizamos los cofactores de A, que

son los menores multiplicados por un signo que depende de la posicion del menor,
especificamente,
Aij = (1)i+j Mij .
Por ejemplo, A12 = M12 .
Podemos utilizar los cofactores de una matriz para formar una nueva matriz, la
matriz adjunta.
Definicion 6.23. Sea A R33 una matriz. La matriz adjunta (clasica) de A es la
matriz
A11 A21 A31
adj(A) = [Aji ] = A12 A22 A32 .
A13 A23 A33

La matriz adjunta provee una formula para la inversa de una matriz.
Teorema 6.24. Para cualquier matriz A R33 , tenemos
A adj(A) = det(A) I,
donde I es la matriz identidad. En particular, si A es invertible, entonces
A1 =
1
adj(A).
det(A)
Observacion 6.25. Es usual en la literatura denotar por Aij a los menores de una
matriz A y por Cij a los cofactores. Sin embargo, no seguiremos esta notacion para
estar de acuerdo con el libro de Granero.
Teorema 6.26. Sea A R33 . Son equivalentes
1. A es invertible, es decir, existe matriz B tal que AB = BA = I;
2. det(A) 6= 0;
3. r(A) = 3;
4. si x R3 es tal que Ax = 0 entonces x = 0;
5. para cualquier b R3 , el sistema Ax = b posee solucion u nica.
Si A satisface alguna de las propiedades anteriores (por lo tanto, todas) sera llamada matriz no singular. En caso contrario, A sera llamada matriz singular. Por 4.,
para una matriz singular A, existe x R3 , x 6= 0, tal que Ax = 0, que sera llamado
punto singular de A.
En caso A sea singular, podemos usar los menores de A para determinar su
rango.
74
CAPITULO
6. CONICAS
Proposicion 6.27. Sea A R33 una matriz singular, no nula. Entonces r(A) = 2
si, y solo si, alguno de sus menores es no nulo. Del mismo modo, r(A) = 1 si, y
solo si, todos sus menores son nulos.
Finalmente, en el caso de una matriz singular de rango dos, probaremos cierto
sentido de unicidad de los puntos singulares.
Proposicion 6.28. Sea A R33 , de rango dos. Entonces existe x R3 , x 6= 0,
tal que Ax = 0. Ademas, cualquier otro x0 R3 con esta propiedad, es paralelo
a x.
Demostracion. Sean a1 , a2 , a3 los vectores fila de A. Sin perdida de generalidad,
podemos suponer que a1 y a2 son linealmente independientes, luego a3 es combinacion lineal de a1 y a2 . Definamos x = a1 a2 , entonces las componentes de Ax
son los productos internos ha1 , xi, ha2 , xi y ha3 , xi. Por definicion de x, tenemos
ha1 , xi = ha2 , xi = 0 y, como a3 es combinacion lineal de a1 y a2 , tambien se
tiene ha3 , xi = 0. As, Ax = 0.
Por otro lado, cualquier x0 R3 tal que Ax0 = 0 cumple ha1 , x0 i = ha2 , x0 i =
ha3 , x0 i = 0, es decir, x0 es ortogonal a a1 y a2 , por lo tanto, debe ser paralelo a
a1 a2 = x.
Finalmente, por medio de la matriz adjunta, podemos obtener una formula para
el punto singular de una matriz.
Proposicion 6.29. Sea A R33 una matriz de rango dos, y sean a1 , a2 y
a3 sus filas. Si ai y aj , i 6= j, son linealmente independientes, entonces v =
(A1k , A2k , A3k ), es no nulo, y es un punto singular de A, para k 6= i, j.
Por ejemplo, si las filas a1 y a2 son linealmente independientes entonces v =
(A13 , A23 , A33 ) es un punto singular de A.
6.4.
Clasificacion de las conicas degeneradas
En esta seccion clasificaremos a las conicas que poseen una matriz asociada
singular, es decir, a las conicas degeneradas. Por el teorema 6.26, la matriz asociada
a una conica degenerada puede tener rango uno o dos. Estudiaremos estos dos casos
por separado.
6.4.1.
Conicas con matriz de rango uno
Sea C una conica en P2 tal que su matriz asociada A posea rango uno. Luego, por la proposicion 6.27, todos los menores de A son nulos, en particular los
menores principales A11 , A22 y A33 . Escribamos
a11 a12 a13
A = a12 a22 a23 ,
a13 a23 a33
DE LAS CONICAS
6.4. CLASIFICACION
DEGENERADAS
75
luego, A11 = A22 = A33 = 0, es decir

a22 a33 = a223 ,
a11 a33 = a213 ,
a11 a22 = a212 .
(6.6)
Esto muestra que a11 , a22 y a33 poseen el mismo signo, pues de otro modo,
tendramos que alguno de los cuadrados a223 , a213 o a212 sera negativo. Luego, sin
perdida de generalidad, podemos suponer que aii 0, para i = 1, 2, 3. As, denotemos
i = aii .
Tomando raz cuadrada en (6.6), y usando la notacion anterior, obtenemos
2 3 = |a23 |,
1 3 = |a13 |,
1 2 = |a12 |,
y, por lo tanto,
a23 = |a23 | = 2 3 ,
a13 = |a13 | = 1 3 ,
a12 = |a12 | = 1 2 .
Ahora, reemplazando en la ecuacion general de la conica, tenemos
0 = a11 x21 + 2a12 x1 x2 + a22 x22 + 2a13 x1 x3 + 2a23 x2 x3 + a33 x23
= 12 x21 21 2 x1 x2 + 22 x22 21 3 x1 x3 22 3 x2 x3 + 32 x23
= (1 x1 2 x2 3 x3 )2 ,
donde los signos de cada i dependen de los signos de cada aij , con i 6= j.
Concluimos que la conica en este caso es una recta, con ecuacion general
1 x1 2 x2 3 x3 = 0. Dado que la ecuacion general de dicha recta esta elevada al cuadrado, se dice que esta recta es una recta doble o de multiplicidad dos.
0 0
0
Ejemplo 6.30. Sea la conica C con matriz A = 0 1 1, la cual claramente
0 1 1
es de rango uno. En este caso, su ecuacion general es
0 = x22 2x2 x3 + x23 = (x2 x3 )2 .
En este caso, la conica es dada por la recta x2 = x3 , de multiplicidad dos.
1 1 2
Ejemplo 6.31. Sea la conica C con matriz A = 1 1 2. En este caso, su
2 2 4
ecuacion general es
0 = x21 2x1 x2 + x22 + 4x23 4x1 x3 4x2 x3 = (x1 x2 + 2x3 )2 .
En este caso, la conica es dada por la recta x1 x2 + 2x3 = 0, de multiplicidad
dos.
CAPITULO
6. CONICAS
76
6.4.2.
Conicas con matriz de rango dos
Sea una C una conica con matriz asociada A tal que r(A) = 2. Por la proposicion 6.28, existe x R3 , u nico salvo vectores paralelos, tal que Ax = 0. Definiendo H = [x], donde [ ] denota la clase de equivalencia definida en la seccion 5.2,
tenemos que H es el u nico punto singular de la conica C.
La caracterizacion de C entonces resultara del siguiente teorema.
Teorema 6.32. Sea C una conica con matriz asociada de rango dos y H P2 su
u nico punto singular.
1. Para cualquier P C, P 6= H, la recta que pasa por P y H esta contenida
completamente en C.
2. Para cualquier P
/ C, la recta que pasa por P y H solo corta a la conica
en H.
3. Para todo par de puntos P, Q C, no colineales con H, la recta que pasa
por P y Q corta a la conica C u nicamente en P y Q.
Demostracion.
1. Como P C, H C y AH = 0 entonces P > AH = 0 y, por lo visto en el
cuadro 6.1, L(P, H) C.
2. Por el cuadro 6.1, esto ocurre pues
= (P > AH)2 P > AP H > AH,
= (P > 0)2 P > AP 0,
= 0.
3. Como P y Q no son colineales con H, en particular, ambos son distintos de
H. Nuevamente nos referimos al cuadro 6.1 para observar que basta probar
que P > AQ 6= 0. Supongamos, por el contrario, que P > AQ = 0, luego
Q LC (P ). Sin embargo, esto no es posible pues P > AH = P > 0 = 0, es
decir H LC (P ), que hara que P , Q y H sean colineales.
Proposicion 6.33. Sea P C, P 6= H, y sea R no conjugado con P . Entonces la
recta que pasa por P y R corta a la conica en otro punto Q C, distinto de P .
Ademas, P , Q y H no son colineales.
As, tenemos dos posibilidades para C: C = {H} o existe P C, P 6= H,
es decir, P no es un punto singular de C. Esto significa que la recta polar LC (P )
esta bien definida y podemos encontrar un punto fuera de ella. Luego, por la proposicion anterior, tenemos que existe Q C, distinto de P , tal que P , Q y H
no son colineales. Por el teorema anterior, la recta que pasa por P y Q corta a la
conica u nicamente en P y Q y, mas aun, las dos rectas que unen P y Q con H,
DE CONICAS
CON X3 = 077
6.5. CLASIFICACION
MEDIANTE SU INTERSECCION
respectivamente, estan contenidas en C. Falta probar la otra inclusion. Sea R C
que no este en alguna de las dos rectas. Entonces la recta que une P y R cortara
a la conica en P , R y en la recta que une Q con H, lo cual contradice el teorema
anterior. Concluimos que, en este caso, una conica formada por mas de un punto
es una union de dos rectas distintas, concurrentes en el punto singular.
6.5.
Clasificacion de conicas mediante su interseccion con

x3 = 0
Es posible clasificar las conicas proyectivas mediante su cantidad de puntos del

infinito. Para esto aplicaremos lo visto en la seccion 6.2 para el caso particular de
L = P2 , que tiene ecuacion general x3 = 0. Sea C una conica, no necesariamente
no degenerada con ecuacion general
Entonces haciendo x3 = 0, tenemos la ecuacion
a11 x21 + 2a12 x1 x2 + a22 x22 = 0,
(6.7)
que es un caso particular de la ecuacion (6.4). En este caso, observe que = a212
a11 a22 = A33 . Por lo visto en la seccion 6.2 y en particular la observacion 6.17,
tenemos
1. si a11 = a12 = a13 = 0 entonces todo (x1 , x2 ) es solucion de (6.7), es decir,
2 C;
P
2. si A33 > 0 entonces < 0 y C no posee puntos de interseccion con P2 , en
este caso diremos que C es una elipse;
3. si A33 = 0 entonces = 0 y C posee un punto de interseccion con P2 , en
este caso diremos que C es una parabola;
4. si A33 < 0 entonces > 0 y C posee dos puntos de interseccion con P2 ,
en este caso diremos que C es una hiperbola.
6.6.
Conicas imaginarias
Hasta ahora, el primer intento de clasificar las conicas ha sido mediante su

matriz asociada, es decir, dividiendo las conicas en no degeneradas y degeneradas. Intuitivamente se espera que las conicas degeneradas sean las conicas no
usuales, mientras que las no degeneradas sean las conicas clasicas (elipse, parabola e hiperbola). Sin embargo, incluso no todas las conicas no degeneradas son las
conicas usuales, por ejemplo, la conica x21 +x22 +x23 = 0, cuya matriz asociada es la
matriz identidad. Esta conica no posee puntos en P2 , como facilmente se verifica.
Para detectar este tipo de conicas definiremos a las conicas imaginarias.
78
CAPITULO
6. CONICAS
Definicion 6.34. Diremos que una conica C es imaginaria si C = {H}, con H

punto singular de C, en caso C sea degenerada; o C = , si C es no degenerada.
Ejemplo 6.35. Las conicas dadas por las ecuaciones x21 +x22 +x23 = 0 y x21 +x22 = 0
son imaginarias, siendo la primera no degenerada y la segunda degenerada. En el
segundo caso, la conica posee como u nico punto su punto singular H = [0 : 0 : 1].
Para detectar este tipo de conicas, consideraremos las rectas horizontales y =
k y daremos condiciones para que ninguna (excepto quizas una) de estas rectas
interseque a la conica.
Sea C una conica, con ecuacion general
Consideremos las rectas de la forma y = k que en coordenadas homogeneas tienen
la forma x2 = kx3 . Reemplazando en la ecuacion general de la conica tenemos
a11 x21 + 2a12 kx1 x3 + a22 k 2 x23 + 2a13 x1 x3 + 2a23 kx23 + a33 x23 = 0,
que puede escribirse como
a11 x21 + 2(a12 k + a13 )x1 x3 + (a22 k 2 + 2a23 k + a33 )x23 = 0,
El discriminante de esta ecuacion es
k = (a12 k + a13 )2 a11 (a22 k 2 + 2a23 k + a33 )
= a212 k 2 + 2a12 a13 k + a213 a11 a22 k 2 2a11 a23 k a11 a33
= (a11 a22 a212 )k 2 + 2(a12 a13 a11 a23 )k (a11 a33 a213 )
= A33 k 2 + 2A23 k A22 .
Para que la conica C sea imaginaria, imponemos la condicion k < 0, para todo
k R (excepto quizas uno, en caso C sea degenerada), es decir
A33 k 2 2A23 k + A22 > 0,
(6.8)
para todo k R, excepto quizas uno. Consideremos

e = A223 A22 A33 = a11 det(A).
Luego tenemos varias posibilidades.

1. Si A33 < 0 entonces para k suficientemente grande tendremos A33 k 2
2A23 k + A22 < 0. Luego, C es una hiperbola y no es imaginaria.
2. Si A33 = 0 y A23 6= 0, entonces, dependiendo del signo de A23 , tendremos
2A23 k + A22 < 0, para k suficientemente positivo (o negativo). En este
caso C es una parabola, pero tampoco es imaginaria.

6.7. RECTA TANGENTE A UNA CONICA
79
e = a11 det(A) = 0 y, por

3. Si A33 = 0 = A23 , entonces A22 > 0. Luego
lo tanto C es degenerada, pues, en caso a11 = 0 entonces A22 = a213 0.
Luego C es una parabola imaginaria.
e = 0, entonces C es degenerada pues, si a11 = 0 entonces
4. Si A33 > 0 y
2
A33 = a12 0. En este caso, C es una elipse imaginaria degenerada.
e < 0, entonces C es una elipse imaginaria no degenerada.
5. Si A33 > 0 y
6.7.
Recta tangente a una conica
Dada una conica C no degenerada, queremos determinar cuando una recta L es

tangente a C. Por lo visto en la seccion 6.2, esto se dara cuando C y L se intersequen
en un punto, u nicamente.
Definicion 6.36. Diremos que una recta L es tangente a la conica no degenerada
C si existe R P2 tal que C L = {R}.
Ahora, mostraremos la relacion existente entre la recta tangente a una conica
con la recta polar.
Teorema 6.37. Sea C una conica no degenerada, y sea P C. Entonces la recta
tangente a C en el punto P es la recta polar LC (P ).
Demostracion. Sea Q P2 distinto de P , y sea L la recta que pasa por P y Q. Por
lo visto en el cuadro 6.1 de la seccion 6.2, L intersecara a C u nicamente en el punto
P si, y solamente si, P > AQ = 0. Esto equivale a decir que Q LC (P ).
Teorema 6.38. Sea C una conica no degenerada, sea P
/ C y L una recta que pasa
por P . Entonces L es tangente a C si y solamente si L pasa por una interseccion
de C con LC (P ).
Demostracion. Supongamos que L es tangente a C y sea Q L el punto de tangencia. Luego Q C y, por lo tanto, Q 6= P . Por el cuadro 6.1 de la seccion 6.2,
tenemos que = 0, es decir,
(P > AQ)2 = P > AP Q> AQ = 0,
es decir, Q LC (P ).
Recprocamente, supongamos que L pasa por Q C LC (P ). Entonces el
discriminante asociado a la interseccion de L con C es
= (P > AQ)2 P > AP Q> AQ = 02 (P > AP ) 0 = 0.
Esto implica que L es tangente a C.

Calculo Vectorial

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Calculo Vectorial

Încărcat de

Drepturi de autor:

Formate disponibile

Notas de clase de Calculo Vectorial I

1. Geometra analtica en el plano

3. Geometra analtica en el espacio

4. Rectas y planos en el espacio

6. Conicas en el plano proyectivo

Geometra analtica en el plano

Figura 1.1: Rene Descartes

1. d(P, Q) 0, para cualquier P, Q P;

Sistema de coordenadas cartesianas

Sea L una recta y consideremos un punto O L. Dicho punto O divide a L

d(O, P ), si P esta a la izquierda de O.

1.2. EL PLANO CARTESIANO

por dos ejes: LX (denotado Ox y llamado eje x o eje de abscisas) y LY (denota

Tenemos identificado entonces el plano P con el conjunto de pares ordenados

1.3. VECTORES EN EL PLANO

Un concepto que no es visto en los cursos basicos de geometra, pero si en los

de coordenadas el punto de origen del vector. Entonces, en este nuevo sistema, P

Definicion 1.8. Sea v = (x, y) R2 un vector en el plano. Definimos la norma (o

Producto interno y a ngulo entre vectores

Un concepto importante al momento de trabajar con vectores es el a ngulo entre

Definicion 1.11. Sean v = (x1 , y1 ) y w = (x2 , y2 ) vectores en el plano. Definimos

Sea v = (x, y) R2 , entonces

cos() = cos(2 ) = cos() =

y as tenemos probado este caso.

Demostracion. Si u = 0 o v = 0 entonces hu, vi = 0 = kukkvk cos(), para

v = (kvk cos(), kvk sen()).

hu, vi2 hu, vi2

Definicion 1.19. Diremos que dos vectores u, v R2 son ortogonales si hu, vi =

Es decir u w es ortogonal a v, luego es paralelo a v . As, tenemos la siguiente

Definicion 1.22. Sea v R2 , no nulo. Dado u R2 , definimos la proyeccion

Con esta definicion, la ecuacion (1.2) se expresa como

Definicion 1.23. Sea v R2 , no nulo. Dado u R2 , definimos la componente

As, concluimos los calculos anteriores escribiendo

Finalmente, presentamos propiedades inmediatas de la proyeccion ortogonal.

Probemos que (1, 0) y (1, 1) son linealmente independientes. Sean , R

Demostracion. Supongamos que v1 , v2 son paralelos, entonces existe t R tal

De aqu, consideremos cuatro posibilidades:

Ejemplo 1.35. Sea v1 = (x, y) 6= (0, 0) y v2 = v1 = (y, x). Supongamos que

As, todo punto (x, y) L(P0 , v) es de la forma

En general, si P0 = (x0 , y0 ) P y v = (v1 , v2 ) R2 entonces todo punto

La ecuacion (2.1) se denomina ecuacion parametrica de la recta.

t R tal que P = P0 + tv. Esto equivale a P0 P = P P0 = tv, es decir, el vector

P0 P es paralelo a v. Luego, P L(P0 , v) si, y solamente si, P0 P es paralelo a

recta por ellos. Para hallarla, basta considerar v = P0 P1 6= 0 y as definir

implicando que L = L(P0 , v) = L(P0 + rv, sv).

2.1. RECTAS EN EL PLANO

Ejemplo 2.6. Sean P0 = (1, 5) P y v = (1, 1) R2 . Entonces L =

Consideremos por ejemplo t = 3. Entonces P = (x, y) = (2, 2) L. Por otro

Ecuacion general de la recta

Supongamos P0 = (x0 , y0 ) y v = (v1 , v2 ) R2 , y consideremos la recta

Probaremos ahora que L(a, b, c) = L(P0 , v). Dado cualquier P = (x, y)

es decir, hP P0 , (a, b)i = 0. Luego P0 P es paralelo a (a, b) = (b, a) = v.

Pendiente y ecuacion normal de una recta

2.2. POSICIONES Y DISTANCIAS RELATIVAS ENTRE RECTAS

Llamaremos a m como la pendiente de L. Algunos autores llaman a b como el

Por otro lado, la recta intercepta al eje y cuando x = 2t + 3 = 0, es decir, cuando

Posiciones y distancias relativas entre rectas

Supongamos, en particular, que L1 y L2 no sean verticales, y tengan como

para P1 P2 = P2 P1 , existen r, s R tales que

2.2. POSICIONES Y DISTANCIAS RELATIVAS ENTRE RECTAS

Por el teorema 2.15, en el caso que L1 = L(P1 , v1 ) y L2 = L(P2 , v2 ) no sean

Observe que hv1 , v2 i 6= 0 pues v1 y v2 no son paralelos. Analogamente, podemos

direccion de L2 . Por otro lado, P1 P2 = P2 P1 = (2, 5). Reemplazando en 2.4

Observacion 2.17. Consideremos el caso particular que L(P1 , v) y L(P2 , w) sean