Recta.

'i )' Pla11os en el Espacio Tridimensional

1 CAPÍTULO I 1

l. RECTAS Y PLANOS EN EL ESPACIO

TRIDIMENSIONAL
PRE-REQUISITOS.- Para la comrrensión adecuada de este tema de rectas y
planos en R , se requiere de los conocimientos previos
de:
Sistema de coordenadas en· el plano.

Solución de sistemas de ecuaciones.

Elementos de geometría del espacio.

OBJETIVOS.- Establecer los fundamentos necesarios para el trazado de

planos y rectas en el espacio, respecto a un sistema de
coordenadas. Al terminar este capitulo el a.lumno debe ser capaz de:

Describir el sistema coordenado en el espacio.

Situar puntos en el sistema coordenado del espacio.

Recordar las distintas formas de la ecuación general de un plano.

Trazar un plano dada su ecuación, interpretando geométricamente.

Hallar la ecuación del plano a partir de condiciones geométricas.

Recordar que dos ecuaciones lineales simultáneas representan una recta

en el espacio. (Sistema Compatible).

Representar gráficamente una recta en el espacio.

Hallar la ecuación de la recta en el espacio a partir de condiciones

geométricas dadas.
 104 Eduardo Espirroza Ram

1 CAPÍTULO 11 1

12. CONCEPTOS BÁSICOS.-1

12.1. PRODUCTO DE DOS CONJUNTOS.- !
Sean X, Y dos conJuntos cualquiera, llamaremos producto cartesiano de X por
Y al conjunto denotado por XxY y definido así:

1 XxY == {(x,y) / x e X /\ y e Y) 1

2.2. PROPIEDADES DEL PRODUCTO DE DOS CON.JUNTOS.-

© AxB;t;BxA © Ax(jl=(jlxA=<!>

0 A x (B u C) =- A x B u A x C' © Ax (B r, C)-= Ax B r, A x C

© Ax {B C) AxB~AxC' © (A X 8) XC =A X (B XC)

0 Si A e B • A X e e B X e, '11 e

SiAcCyBcD • AxBcCxD
©
12.3. RELACIÓN BINARIA.- l
Dados X,Y dos conjuntos: diremos que R es una relación binaria de X en Y, si
y solo si, Res un subconjunto de X x Y.

12.4. APLICACIÓN DE X EN Y.-1

Diremos que f es una aplicación ó función de X en Y. si y solo si. para cada
x e X, existe un único y e Y, tal que y== f(x).
 /\pacios Vectoriales 111

1 CAPÍTULO Ill 1

13. ESPACIOS VECTORIALES.-

jJ. I. DEFINICIÓN.- 1

Sean V * 4> un conjunto, k un campo y dos operaciones una de suma (+) y

la otra de producto(.), entonces diremos que el objeto (V,+ k..) es un espacio
vectorial si se verifican las siguientes condiciones.

A) EXISTE UNA APLICACIÓN SUMA. + : VxY • V

(x,y) • +(x,y) = x + y

Llamado ley de composición interna (la suma de dos vectores es un

vector) y cumple los axiomas siguientes:

A1 •• x +y= y+ x, 'i/ x.y E V axioma conmutativa.

A 2 .- x +(y+ z) =(x -t y)+ z, 'r;/ x,y,l. e V. axioma asociativa.

A3 .- 'r/ x E V, existe O e V tal que x +O= O + x = x donde "O" se

denomina elemento neutro aditivo o cero.

A4 .- 'r;/ x e V, existe -x e V, tal que x + (-x) = (-x) + x -= O. donde -x

se denomina opuesto de x.

B) EXISTE UNA APLICACIÓN PRODUCTO.- • :kx V • V

(A.,X) • .(A..X) = A.X

 Transformaciones Lineales 229

1 CAPÍTULO IV 1

[4. TRANSFORMACIONES LINEALES.- !

En el presente capítulo expondremos el concepto de transfonnación lineal entre
dos espacios vectoriales sobre un mismo cuerpo, las propiedades generales y
los tipos especiales de transformaciones lineales, se introduce la estructura de
Núcleo y de la imagen de una transfonnación lineal y se estudia la relación
entre sus dimensiones, al fijar una base en cada espacio se determina la matriz
asociada a una transfonnación lineal y finalmente se trata de los espacios
vectoriales de las transformaciones lineales y el espacio dual de un espacio
vectorial.

l~.1. DEFINICIÓN.~

Consideremos dos espacios vectoriales V y W sobre el cuerpo k, a la función

T: V • W, llamaremos una transfonnación lineal u homomorfismo sí y sólo sí
cumple con las siguientes condiciones.

i) 1T(x +y)= T(x) + T(y), V x.,y e V 1

Es decir: Que la imagen de la suma de dos vectores de V es igual a la

suma de sus imágenes en W.

ii) IT(h}=AT(x), 'v'xeV, Aekl

Es decir: Que la imagen del producto de cualquier escalar por todo vector
de V es igual al producto del escalar por la imagen de dicho vector en W.
Producto Interno y Ortogonalidad 321

1 CAPitULO V 1

Is. PRODUCTO INTERNO Y ORTQGóNALIDAD.-1

ls.1. DEFINICIÓN.- 1
Sea V un espacio vectorial sobre el campo k, donde k = R ó k = C,
llamaremos producto interno sobre V a una función < , > : V x V • k si
satisface las siguientes condiciones.

i) <u+ v, w> = <11,w., + <v.w>, '<:/ u,v,w e V

ii) < 11, v > = < v,u >, donde la barra indica la conjugación compleja.

iii) <au,v>=a<u,v> y <11,av>=a<u,v> '<:/aek. rlu.veV

iv) <v,v> e!: O y <v,v> = O • v = 0, al par (V, <, >) se le denomina

espacio vectorial con producto interno.

OBSERVACIONES.-

© De la definición se observa que <,> ~ una función que hace corresponder

a cada par de vectores u.v e V un escalar real o complejo.

@ Si k = R, la condición ii) y segunda parte de iii) resultan <u, v> = <v,u> y

<u,av> = a<u,v> respectivamente.

Ejemplo.- Sea V=Rn y x,yeRn, donde x=(x1 ,x2 , ••• ,x,.),

y= (y1, y 2 , .•.,y,,) en éste espacio definimos.
 Valores y Vectores Propios 343

1 CAPÍTULO VI j

16. VALORES Y VECTORES PROPIOS.- 1

Consideremos un espacio vectorial (V,+,k,.) y un endomorfimo f: V • V, en

muchas aplicaciones es útil encontrar un vector v e V tal que f(v) y v sean
paralelos, es decir: se busca un vector v y un escalar A tal que f(v) = AV y ésta
relación es la que estudiaremos.

16.l. DEFINICIÓN.- !
Sea V un espacio vectorial sobre k y f: V• V un endomorfismo, un número
A e k es un "valor propio'' de f, si existe un vector v * 8, v e V, tal que:

f(v)-:i..v ... ())

Todo vector v 4ue ~ahsface ( 1) se llama vector propio de f correspondiente al
autovalor A.

NOTA. © Las expresiones "valor propio". "valor característico" y

"autovulor" son sinónimos.

© Las expresiones "vector propio", "vector característico" y

"autovector" son sinónimos.

Ejemplo.- Consideremos el espacio vectorial (R 2 ,+,R,.) y la

2
transformación lineal /: R • R1. definida por
ftx.y) == ('.!x, 2x - 2y), el escalar '), = 2 es un valor propio de f. puesto que el
vector no nulo (2, I) es tal que:
ft2. 1) == (4,2) == 2(2, 1) y (2, I) es un vector propio asociado al valor propio 2.