Professional Documents
Culture Documents
Indice general
I Geometra Afn 7
1. Espacios anes 9
1.1. La denicion de espacio afn . . . . . . . . . . . . . . . . . . . . . 9
1.2. Variedades lineales . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3. Coordenadas en espacios anes. Referencias. . . . . . . . . . . . . 17
1.4. Ecuaciones de variedades lineales . . . . . . . . . . . . . . . . . . 27
1.5. La raz on simple. Teoremas de Menelao y de Ceva . . . . . . . . . 32
1.6. Orientacion en espacios anes reales . . . . . . . . . . . . . . . . 36
2. Anidades 37
2.1. La denicion de anidad . . . . . . . . . . . . . . . . . . . . . . . 37
2.2. Propiedades b asicas de las anidades . . . . . . . . . . . . . . . . 38
2.3. Algunas anidades importantes . . . . . . . . . . . . . . . . . . . 41
2.4. No toda aplicacion es una anidad . . . . . . . . . . . . . . . . . 53
2.5. M as propiedades de las anidades . . . . . . . . . . . . . . . . . . 54
2.6. Anidades y coordenadas . . . . . . . . . . . . . . . . . . . . . . 59
2.7. Variedades Invariantes . . . . . . . . . . . . . . . . . . . . . . . . 63
Ejercicios 67
Problemas 71
II Geometra Eucldea 75
3. Espacios vectoriales eucldeos y unitarios 79
3.1. Formas bilineales . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.2. Espacios vectoriales eucldeos . . . . . . . . . . . . . . . . . . . . 82
3.3. El caso complejo. Espacios vectoriales unitarios . . . . . . . . . . 87
3.4. Ortogonalidad y subespacios . . . . . . . . . . . . . . . . . . . . . 88
3.5. Proyecciones y simetras ortogonales . . . . . . . . . . . . . . . . 92
3.6. Aplicaciones adjuntas y autoadjuntas . . . . . . . . . . . . . . . . 94
3
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
4
INDICE GENERAL
4. Espacios anes eucldeos. Movimientos 97
4.1. Norma y distancia . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.2. Ortogonalidad y variedades lineales . . . . . . . . . . . . . . . . . 100
4.3. Distancia entre variedades . . . . . . . . . . . . . . . . . . . . . . 103
4.4. Isometras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
4.5. Aplicaciones ortogonales . . . . . . . . . . . . . . . . . . . . . . . 111
4.6. Movimientos de la recta eucldea . . . . . . . . . . . . . . . . . . 113
4.7. Movimientos del plano eucldeo . . . . . . . . . . . . . . . . . . . 114
4.8. Movimientos del espacio eucldeo tridimensional . . . . . . . . . . 120
Ejercicios 129
Problemas 133
III Geometra proyectiva 137
5. El espacio proyectivo 141
5.1. La nocion de espacio proyectivo . . . . . . . . . . . . . . . . . . . 141
5.2. La denicion abstracta del espacio proyectivo . . . . . . . . . . . 144
5.3. Variedades proyectivas . . . . . . . . . . . . . . . . . . . . . . . . 146
5.4. Operaciones entre variedades proyectivas . . . . . . . . . . . . . . 149
5.5. Referencias y coordenadas proyectivas . . . . . . . . . . . . . . . 153
5.6. Cambios de referencia proyectiva . . . . . . . . . . . . . . . . . . 156
5.7. Ecuaciones de variedades lineales proyectivas . . . . . . . . . . . 157
6. Dualidad y teoremas clasicos de incidencia 159
6.1. Dualidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
6.2. Dos teoremas clasicos sobre incidencia . . . . . . . . . . . . . . . 163
7. Aplicaciones proyectivas 167
7.1. Aplicaciones naturales entre espacios proyectivos . . . . . . . . . 167
7.2. Aplicaciones proyectivas importantes . . . . . . . . . . . . . . . . 170
7.3. Aplicaciones proyectivas y coordenadas . . . . . . . . . . . . . . . 173
Ejercicios 175
Problemas 177
IV Formas cuadraticas y conicas 181
8. Formas cuadraticas y c onicas 183
8.1. Formas cuadraticas . . . . . . . . . . . . . . . . . . . . . . . . . . 183
8.2. Conicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
8.3. La circunferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
8.4. Focos y excentricidad . . . . . . . . . . . . . . . . . . . . . . . . . 193
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
INDICE GENERAL 5
8.5. Determinaci on del tipo de una c onica . . . . . . . . . . . . . . . . 201
8.6. Conicas y reexion . . . . . . . . . . . . . . . . . . . . . . . . . . 210
Ejercicios 213
Problemas 215
Bibliografa 217
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
6
INDICE GENERAL
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Parte I
Geometra Afn
7
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Captulo 1
Espacios anes
1.1. La denicion de espacio afn
1.1.1 Nuestro primer objetivo es desarrollar una estructura formal que nos
permita usar la maquinaria del
Algebra Lineal para estudiar Geometra. Algu-
nos conceptos tpicamente geometricos, como rectas, planos, etcetera, nos han
aparecido ya como subespacios de espacios vectoriales. Pero un espacio vectorial
tiene un punto distinguido (el origen), cuya existencia no tiene sentido desde un
punto de vista geometrico. Por ejemplo, nos gustara estudiar todas las rectas y
planos de 1
3
, pero en la estructura de 1-espacio vectorial de 1
3
solo aparecen
de modo natural las rectas y planos que pasan por el origen.
Necesitamos, de alg un modo, ser capaces de denir una estructura que in-
corpore algo as como un espacio vectorial con el origen jado donde mas nos
convenga. La nocion correcta es la siguiente:
Denicion Un espacio afn sobre un cuerpo k es un conjunto A ,= , un
espacio vectorial E sobre k, y una aplicacion
: AA E
(p, q) (p, q)
tal que:
i) Para todo p A, la aplicacion
p
: A E
q (p, q)
es biyectiva.
ii) Para p, q, r A cualesquiera, (p, q) +(q, r) = (p, r).
La dimensi on de un espacio afn es por denicion la dimensi on de E. Se
conoce a E como espacio vectorial asociado al espacio afn A, o como espacio
director o direcci on.
Formalmente se llama espacio afn a la terna (A, E, ). Pero, a menudo,
cuando el resto de la estructura es clara o no se quiere explicitar, se habla
9
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
10 CAP
qr =
pr (ver la gura 1.1).
1.1.2 1. Sea E un espacio vectorial. Para mayor claridad, denotemos por A al
conjunto de puntos (vectores) de E, considerado como simple conjunto, despro-
visto de la estructura de espacio vectorial. Denamos (u, v) = v u. Entonces
(A, E, ) es un espacio afn (para convencerse de esto, habr a que ver que esta
cumple las condiciones exigidas en la denicion). Observese que esta estructura
afn de E es canonica, en el sentido de que depende solo de la propia estructura
vectorial, y no de ninguna construcci on adicional.
El espacio afn en que A = k
n
(k cuerpo) y la estructura afn es la canonica
descrita arriba, se conoce como espacio afn est andar de dimensi on n sobre k.
2. El tiempo es un espacio afn real (es decir, sobre 1) de dimensi on 1. Un
instante es un punto de A y un lapso de tiempo es un vector de E. No hay
ning un instante distinguido. Este espacio afn es relevante para la mecanica de
Newton y la relatividad de Einstein.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
1.2. VARIEDADES LINEALES 11
3. En relatividad especial (Einstein) se estudian sucesos, como por ejemplo
la emision de un foton por un atomo. El conjunto de sucesos tiene lugar en un
espacio afn real de dimensi on 4 (el espacio-tiempo).
1.1.3 A partir de ahora, a menos que haya que hacer menci on explcita a la
aplicacion , adoptaremos por comodidad la notaci on
pq para (p, q).
Si hemos entendido bien la relacion entre puntos y vectores, las siguientes
propiedades deberan no chocarnos en absoluto:
Proposici on En un espacio afn se cumple:
i)
pq =
0 p = q.
ii)
pq =
pp =
pp,
y por tanto
pp =
0 . Por otra parte, la aplicacion
p
es biyectiva, de modo que
si
p
(q) =
pq =
0 , como
p
(p) =
pp =
0 , se tiene necesariamente q = p.
ii)
pq +
qp =
pp =
0 , luego
pq =
qp.
iii)
pq =
rs
pq +
qr =
qr +
rs
pr =
qs.
1.1.4 A veces es conveniente usar la siguiente notaci on. Si p, q A y
u E
es tal que (p, q) =
pq =
u , escribimos q = p +
u . Es importante tener
presente que esta expresion no tiene ning un signicado matematico: es solo un
modo abreviado de decir que
pq =
u . M as adelante, cuando introduzcamos
coordenadas, comprobaremos que, de hecho, esta notaci on es bastante natural.
1.2. Variedades lineales
1.2.1 Denicion La variedad lineal que pasa por el punto a A, en la direc-
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
12 CAP
u ,
u F.
Se dene dim(a +F) := dim(F). Se llama a F la direcci on de a +F.
A las variedades lineales se les conoce tambien como subespacios anes. La
raz on es que si X A es una variedad lineal, la estructura de espacio afn de
A induce del modo obvio (compruebalo!) una estructura de espacio afn en X
(por restriccion). De modo que la nocion de variedad lineal es la nocion natural
de subespacio en geometra afn.
1.2.2 Ejemplos:
1. Sea E un espacio vectorial. Considera en E la estructura natural de espacio
afn. Sea H E un subespacio vectorial. Entonces H, visto como subconjunto
de puntos del espacio afn E, es una variedad lineal. Pero no todas las variedades
lineales, es decir los subespacios anes de (E, estructura afn), son subespacios
vectoriales de (E, estructura vectorial).
Por ejemplo, en el plano 1
2
solamente las rectas que pasan por el origen son
subespacios vectoriales de dimensi on 1. Cualquier recta, pase por donde pase,
es una variedad lineal de dimensi on 1.
2. Una variedad lineal de dimensi on 0 es simplemente un punto.
3. Una variedad lineal de dimensi on 1 es como una recta, y una de dimensi on
2 es como un plano.
4. En un espacio afn de dimensi on n, las variedades de dimensi on n 1 se
llaman hiperplanos. Observa que esta es una nocion relativa: en un espacio de
dimensi on 3 un hiperplano es como un plano, en uno de dimensi on 2 es como
una recta, y en uno de dimensi on 1 es solo un punto.
5. La mayor variedad lineal de un espacio afn A de dimensi on n es a +
E, donde a es un punto cualquiera, y E es el espacio vectorial asociado a A.
Obviamente a + E coincide con todo el espacio A, y es una variedad lineal de
dimensi on n.
1.2.3 La denicion que hemos dado de las variedades lineales habr a extra nado
a mas de uno. Que papel cumple el punto a, cuando hablamos de la variedad
a + F? Es importante dicho punto para describir la variedad? Si lo es, c omo
elegir el punto adecuado?... La siguiente proposicion resulta tranquilizadora:
Proposici on Si b a +F, entonces a +F = b +F.
Demostracion.- Como
ab F por hipotesis, se tiene
bx F
ab +
bx =
0 ), q = p ,= a (compruebalo).
1.2.5 Nuestra intencion es ahora estudiar la posicion relativa de dos variedades
lineales.
Como motivaci on, pensemos en el caso de dos rectas en el espacio tridimen-
sional (espacio afn est andar de dimensi on 3 sobre 1). Todos sabemos (no es
difcil visualizarlo) que hay tres posibilidades para la posicion relativa de las dos
rectas: o bien se cortan, o bien son paralelas (incluyendo el caso especial en que
ambas son iguales), o bien se cruzan.
Como podemos determinar a priori que las rectas se cortan? Supongamos
que las dos rectas son L
1
= a +F y L
2
= b +G, donde F y G son subespacios
unidimensionales del espacio vectorial 1
3
. Si L
1
L
2
,= , existe alg un punto
c que pertenece a L
1
y a L
2
, y por tanto
ac F,
bc G. Pero entonces
cb =
bc G, de modo que
ab =
ac +
cb F +G.
Veamos que en realidad, este analisis es valido con total generalidad, para
cualquier par de variedades lineales de cualquier espacio afn.
Proposici on Dos variedades lineales a +F, b +G de un espacio afn A se
cortan
ab F +G.
Demostracion.- ) Como en el ejemplo: si c (a +F) (b +G), entonces
ac F,
cb =
bc G, y por tanto
ab =
ac +
cb F +G.
) Si
ab F +G, por denicion de suma de subespacios vectoriales existen
u F,
v G tales que
ab =
u +
v ,
y por tanto
v =
ac +
ab =
ca +
ab =
cb.
As que c cumple
ac =
u F, es decir, c a+F, y tambien
bc =
v G,
o sea c b +G. Por tanto c (a +F) (b +G), de modo que ambas variedades
se cortan.
1.2.6 En nuestro analisis de posiciones relativas de variedades, tratamos ahora
la nocion de paralelismo. M as que un teorema, necesitamos denir en terminos
formales la idea intuitiva que tenemos de paralelismo. La denicion mas razo-
nable es:
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
14 CAP
xb G
_
. Ahora bien, como
ac F,
bc G, lo anterior es equivalente a
_
xa +
ac =
xc F
xb +
bc =
xc G
_
xc
F G x c + (F G).
1.2.10 Ya sabemos que un punto es una variedad lineal. El conjunto que for-
man dos puntos no lo es en general
*
(se te ocurre alg un argumento para de-
*
Esa armaci on no es cierta por ejemplo en el caso del espacio afn est andar sobre el cuerpo
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
1.2. VARIEDADES LINEALES 15
mostrarlo?). As que parece que la union de variedades lineales no va a ser una
variedad lineal.
Pero no es difcil imaginar cual es la menor variedad que contiene a dos
puntos p y q. Parece claro que un candidato adecuado es p +
a
1
a
k
F (por el
corolario 1.2.4), y por tanto
a
1
a
2
, . . . ,
a
1
a
k
) F, por lo que la variedad lineal
a
1
+
a
1
a
2
, . . . ,
a
1
a
k
) est a contenida en a
1
+ F. Como a
1
+
a
1
a
2
, . . . ,
a
1
a
k
)
contiene, en efecto, a a
1
, . . . , a
k
, esa es precisamente la variedad buscada.
1.2.11 Lo que acabamos de describir para puntos, es en realidad un caso parti-
cular de un procedimiento general para crear una variedad que contenga a unas
cuantas variedades dadas (insistamos en que la simple union de variedades no
es, en general, variedad). Este procedimiento, valido para variedades de cual-
quier dimensi on (no solo puntos , i.e. variedades de dimensi on 0), es en terminos
precisos:
Denicion Se llama suma de dos variedades lineales L
1
= a+F y L
2
= b+G
a la variedad lineal a +F +G+
ab).
Es claro que a +F L
1
+L
2
, pues F F +G+
ab).
Como
ab
ab), b +
ab) = a +
ab) =
a +F +G+
bc H
ab H.
As que F, G,
ab)
a +H = c +H.
1.2.13 La siguiente cuestion es calcular la dimensi on de la variedad suma. Para
empezar, recordemos que en el caso de subespacios vectoriales, la dimensi on del
espacio vectorial suma es dim(F +G) = dimF + dimGdim(F G).
En espacios anes, la situaci on es parecida, pero la formula debe contem-
plar un caso que no existe para espacios vectoriales: que la interseccion sea
vaca (piensa por ejemplo en el caso de dos rectas que se cruzan en el espacio
tridimensional). De hecho, en el caso afn no hay solo una formula sino dos:
Proposici on [F ormulas de Grassmann] Sean L
1
= a +F y L
2
= b +G
dos variedades lineales. Entonces:
i) Si L
1
L
2
,= , entonces dim(L
1
+L
2
) = dimL
1
+ dimL
2
dim(L
1
L
2
).
ii) Si L
1
L
2
= , entonces dim(L
1
+L
2
) = dimL
1
+dimL
2
dim(F G) +1.
Atencion, que hay que tener mucho cuidado con un detalle: en ii) lo que
aparece es dim(F G) y no dim(L
1
L
2
). De hecho, en ii) L
1
L
2
= , luego
no tendra sentido considerar dim(L
1
L
2
).
Demostracion.- Si L
1
L
2
,= , entonces
ab F + G, y se sigue que
F +G+
ab))
= dim(F +G) + dim
ab))
= dimF + dimGdim(F G) + 1 0
= dimL
1
+ dimL
2
dim(F G) + 1.
1.2.14 Las formulas de Grassmann son de gran importancia. Sirven, por ejem-
plo, para dar pruebas consistentes de hechos que nos parecen intuitivamente
ciertos (y otros donde la intuici on no nos sirve de mucha ayuda: quien puede
intuir algo en un espacio de dimensi on 127? Y c omo intuir algo si el cuerpo k
es nito?). Por ejemplo:
En dimensi on 2 dos rectas no paralelas siempre se cortan. La raz on es que
si L
1
= a + F y L
2
= b + G son dos rectas que no se cortan, entonces 2
dim(L
1
+L
2
) = 3 dim(F G). Se deduce dim(F G) 1, pero como F y G
tienen dimensi on 1, la unica opcion es F = G, y por tanto L
1
y L
2
son paralelas.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
1.3. COORDENADAS EN ESPACIOS AFINES. REFERENCIAS. 17
(La idea es que no hay suciente dimensi on en el espacio ambiente para que
las rectas se crucen. Sin embargo, como todos sabemos, en dimensi on 3 si puede
pasar).
M as a un, podemos decir d onde se cortan L
1
y L
2
: sabemos dim(L
1
+L
2
) =
2 dim(L
1
L
2
). Luego dim(L
1
L
2
) vale o bien 0 (se cortan en un punto, y
L
1
+L
2
es todo el plano afn), o bien 1 (en cuyo caso L
1
= L
2
, y en particular
son paralelas).
Ejercicio.- En un espacio afn de dimensi on 3 una recta y un plano anes
no paralelos se cortan siempre en un punto.
1.3. Coordenadas en espacios anes. Referen-
cias.
Queremos introducir ahora coordenadas en los espacios anes, de forma que
los c alculos practicos se reduzcan a manipulaciones algebraicas con n umeros
concretos. Veremos que en un espacio afn se pueden denir de forma razonable
dos tipos de coordenadas: cartesianas o baricentricas.
Antes de entrar en detalles, como motivaci on, recordemos el caso de espacios
vectoriales. Para dar coordenadas en un espacio vectorial de dimensi on n, se
construye una base (n vectores linealmente independientes). Cualquier vector
del espacio se escribe de manera unica como combinaci on lineal de los vectores
de la base: las coordenadas de un vector (los coecientes de la combinaci on
lineal correspondiente) quedan totalmente determinadas al jar la base. Pero,
por supuesto, el mismo vector tiene coordenadas diferentes en bases diferentes.
En espacios anes, la situaci on sera parecida. De hecho, los sistemas de refe-
rencia cartesianos no son mas que una traducci on obvia de las coordenadas del
espacio vectorial director al espacio afn. Para denir coordenadas baricentricas,
tendremos que trabajar algo mas.
1.3.1 Denicion Un sistema de referencia cartesiano de un espacio afn n-
dimensional (A, E, ) es p;
e
1
, . . . ,
e
n
, donde p es un punto de A y
e
1
, . . . ,
e
n
es una base de E.
1.3.2 Dado un sistema de referencia cartesiano p;
e
1
, . . . ,
e
n
, es claro c omo
dar coordenadas a cualquier punto de A:
Dado q A, como
e
1
, . . . ,
e
n
es base de E,
pq = x
1
e
1
+ +x
n
e
n
. Decimos
entonces que (x
1
, . . . , x
n
) son las coordenadas (cartesianas) de q en la referencia
p;
e
1
, . . . ,
e
n
.
1.3.3 Supongamos que a tiene coordenadas (a
1
, . . . , a
n
) en la referencia car-
tesiana = p;
e
1
, . . . ,
e
n
y el vector
w tiene coordenadas (w
1
, . . . , w
n
) en la
base
e
1
, . . . ,
e
n
, y sea b = a +
ab =
pa +
w = (a
1
+ w
1
)
e
1
+ + (a
n
+ w
n
)
e
n
, las
coordenadas de b en son (a
1
+w
1
, . . . , a
n
+w
n
).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
18 CAP
a
1
a
k
de E son
linealmente independientes.
Algunos comentarios inmediatos a la denicion:
Dos puntos diferentes son siempre linealmente independientes, puesto que el
vector
a
1
a
2
forma un conjunto de vectores linealmente independiente si y solo
si es no nulo, y eso ocurre si y solo si a
1
,= a
2
.
En un espacio afn de dimensi on n podemos encontrar, como maximo, n+1
puntos linealmente independientes. Tienes claro por que?
1.3.5 De nuevo al lector exigente debera haberle chocado algo en la denicion
1.3.4. Que papel especial juega ese punto a
1
en la denicion de independencia
lineal? Con la denicion que hemos dado, parece que tuviera alguna importancia
cual de los puntos es el a
1
, y eso no parece razonable. Si el mundo es justo
(al menos el mundo afn), deberamos poder reordenar los puntos y colocar a
cualquiera de ellos en el papel de a
1
sin que la denicion cambiara.
El siguiente resultado muestra que no hemos dado una denicion chapucera.
Tambien muestra una caracterizacion de independencia lineal en un espacio afn
que nos debera recordar al caso de espacios vectoriales (aunque, como ves, en el
caso afn hay una restriccion sobre el tipo de combinaciones lineales a considerar:
solo aquellas con suma de coecientes nula).
Proposici on Sean a
1
, . . . , a
k
(A, E, ). Son equivalentes:
i)
a
1
a
2
, . . .
a
1
a
k
son vectores linealmente independientes de E.
ii) Para cualquier i entre 1 y k,
a
i
a
h
, h ,= i es un conjunto de vectores lineal-
mente independientes de E.
iii) Para todo p A,
_
1
pa
1
+ +
k
pa
k
=
0
1
+ +
k
= 0
_
1
= =
k
= 0.
Demostracion.- i) ii).
h=i
a
i
a
h
=
0 =
h=i,1
h
(
a
i
a
1
+
a
1
a
h
)+
1
a
i
a
1
=
h=i,1
a
1
a
h
+ (
h=i
h
)
a
i
a
1
. Por i), se tiene entonces
h
= 0 para h ,= 1, i, y
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
1.3. COORDENADAS EN ESPACIOS AFINES. REFERENCIAS. 19
0 =
h=i
h
=
1
, es decir
1
= 0.
ii) i). Esta implicacion es obvia.
i) iii). Supongamos
1
+ +
k
= 0 y
1
pa
1
+ +
k
pa
k
=
0 .
Entonces
0 =
1
pa
1
+ +
k
pa
k
=
1
pa
1
+
j2
j
(
pa
1
+
a
1
a
j
) = (
i1
i
)
pa
1
+
j2
a
1
a
j
. El primer termino de esta suma es nulo, pues
i1
i
= 0. Por tanto,
por i), tenemos
j
= 0 j 2. De nuevo usando que la suma de los s vale 0,
obtenemos
1
= 0.
iii) i).
0 =
k
j=2
a
1
a
j
= (
k
j=2
j
)
a
1
p +
k
j=2
pa
j
= (
k
j=2
j
)
pa
1
+
k
j=2
pa
j
. Por tanto, aplicando iii) con
1
= (
k
j=2
j
) y
j
=
j
para j > 1
(como
j
= 0 podemos aplicar iii)), obtenemos
j
= 0 j 2.
1.3.6 El ultimo paso antes de denir los sistemas baricentricos es poder con-
seguir un conjunto de puntos independientes lo mas grande posible (como ya
hemos dicho, n + 1 puntos si la dimensi on es n). Esto se puede lograr siempre
a base de ir ampliando el n umero de puntos de modo apropiado, como muestra
el siguiente resultado:
Proposici on Sea (A, E, ) espacio afn de dimensi on n. Dados a
0
, . . . , a
k
puntos linealmente independientes de A, existen a
k+1
, . . . , a
n
que hacen que
a
0
, . . . , a
n
sean puntos linealmente independientes.
Demostracion.- Que a
0
, . . . , a
k
sean linealmente independientes quiere de-
cir que
a
0
a
1
, . . . ,
a
0
a
k
son vectores linealmente independientes en E. Por algebra
lineal, existen
v
k+1
, ,
v
n
tales que
a
0
a
1
, ,
a
0
a
k
,
v
k+1
, . . . ,
v
n
son base de
E.
Sean a
k+1
:= a
0
+
v
k+1
, . . . , a
n
:= a
0
+
v
n
(recuerda -mira el p arrafo 1.1.4-
que esto no es mas que notaci on: quiere decir que (a
0
, a
k+1
) =
v
k+1
, etcetera,
y los puntos a
j
existen por biyectividad de
a0
).
Entonces, por denicion de independencia lineal de puntos en un espacio
afn, a
0
, . . . , a
n
son linealmente independientes.
1.3.7 Denicion Un sistema de referencia baricentrico de un espacio afn
(A, E, ) de dimensi on n es un conjunto de n + 1 puntos linealmente indepen-
dientes. Un nombre usado tambien con frecuencia para este mismo objeto es el
de sistema de referencia afn.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
20 CAP
px + k
0
pp
0
+ k
1
pp
1
+ k
2
pp
2
=
0 . Ahora, si fuera k = 0, p
0
, p
1
, p
2
seran
dependientes. De modo que k ,= 0, y podemos dividir entre k. Obtenemos:
px = x
0
pp
0
+x
1
pp
1
+x
2
pp
2
1 = x
0
+x
1
+x
2
_
,
donde x
0
= k
0
/k, x
1
= k
1
/k y x
2
= k
2
/k.
Precisamente (x
0
, x
1
, x
2
) es lo que vamos a llamar coordenadas baricentricas
de x en la referencia p
0
, p
1
, p
2
. Por supuesto, hay que dar alguna justicacion
de que esta construcci on es consistente. Especialmente, hay que convencerse de
que el punto auxiliar p que hemos usado no es en realidad importante.
1.3.8 Proposici on Sean p
0
, . . . , p
k
puntos de (A, E, ) de dimensi on n. Dado
x A, supongamos que existe p A y x
0
, . . . , x
k
k tales que
px = x
0
pp
0
+ +x
k
pp
k
1 = x
0
+ +x
k
_
.
Entonces:
i) La misma expresi on es v alida, con los mismos coecientes, cambiando el punto
p por cualquier otro q A.
ii) Los valores x
0
, . . . , x
k
son unicos si p
0
, . . . , p
k
son linealmente independien-
tes.
Demostracion.- i) Tomemos otro punto q. Entonces:
qx =
qp +
px
=
qp +x
0
pp
0
+ +x
k
pp
k
=
qp +x
0
pq +x
0
qp
0
+ +x
k
pq +x
k
qp
k
=
qp + (x
0
x
k
)
qp +x
0
qp
0
+ +x
k
qp
k
= x
0
qp
0
+ +x
k
qp
k
,
la ultima igualdad como consecuencia de x
0
+ +x
k
= 1.
ii) Si
px = x
0
pp
0
+ +x
k
pp
k
1 = x
0
+ +x
k
_
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
1.3. COORDENADAS EN ESPACIOS AFINES. REFERENCIAS. 21
y tambien
px = x
pp
0
+ +x
pp
k
1 = x
0
+ +x
k
_
,
entonces (x
0
x
0
)
pp
0
+ + (x
k
x
k
)
pp
k
=
0 .
Como (x
0
x
0
) + +(x
k
x
k
) = 0, la independencia lineal de p
0
, . . . , p
k
implica x
j
x
j
= 0 j, y por tanto x
j
= x
j
para j = 0, . . . , n.
1.3.9 Ejemplo:
Consideremos la recta afn real 1. Sea = p
0
, p
1
la referencia baricentrica
en que p
0
= 1, p
1
= 7. Las coordenadas de x = 3 son
_
1
3
,
2
3
_
, puesto que
tomando p = 0 se tiene 3 =
px =
1
3
pp
0
+
2
3
pp
1
=
1
3
1 +
2
3
7. El signicado de
estas coordenadas es claro: x divide el segmento entre p
0
y p
1
en la proporcion
1
3
:
2
3
.
No es raro entonces que si calculamos ahora las coordenadas de x = 13 en la
referencia
pp
0
+ +x
k
pp
k
1 = x
0
+ +x
k
_
,
escribimos x = x
0
p
0
+ +x
k
p
k
.
Insistamos en que esto es solo notaci on: no hay ninguna estructura en A
que permita en realidad calcular una combinaci on lineal como la de arriba. Esa
expresion, leda literalmente, no tiene sentido.
1.3.11 Ejemplo (plano afn est andar): Sea (A, E, ) el plano afn est andar.
Sean p
0
= (0, 0), p
1
= (4, 0), p
2
= (0, 4). Tomemos una referencia de cada tipo,
como por ejemplo = p
0
, p
1
, p
2
y
c
= p
0
;
p
0
p
1
,
p
0
p
2
.
Como
p
0
p
1
= (p
0
, p
1
) = (4 0, 0 0) = (4, 0),
p
0
p
2
= (p
0
, p
2
) = (0
0, 4 0) = (0, 4) y (0, 4), (4, 0) es base del espacio vectorial 1
2
, se sigue que
p
0
, p
1
, p
2
son linealmente independientes (es decir, es referencia afn) y que
c
es referencia cartesiana.
Sea x = (4, 4) A. Claramente, sus coordenadas en
c
son (1, 1). Y
en ? Tomemos, por ejemplo, p = (2, 0);
px =
pp
0
+
pp
1
pp
2
, de modo que
x tiene coordenadas (1, 1, 1) (observa que 1 + 1 1 = 1) en . Si hubieramos
tomado otro punto auxiliar, por ejemplo q = (0, 2), el c alculo no cambia, puesto
que
qx =
qp
0
+
qp
1
qp
2
+
(4, 6) = (0, 2) + (4, 2) (0, 2)
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
22 CAP
px = x
0
pa
0
+x
1
pa
1
+ +x
n
pa
n
para cualquier punto p. En particular, podemos tomar p = a
0
para obtener
pa
0
= x
1
a
0
a
1
+ +x
n
a
0
a
n
,
es decir, que (x
1
, . . . , x
n
) son las coordenadas de x en la referencia cartesiana
0
= a
0
;
a
0
a
1
, . . . ,
a
0
a
n
.
Del mismo modo, si (x
0
, . . . , x
k,1
, x
k+1
, . . . , x
n
) son las coordenadas de x
en la referencia cartesiana
k
= a
k
;
a
k
a
1
, . . . ,
a
k
a
k1
,
a
k
a
k+1
, . . . ,
a
k
a
n
. Es
decir, que basta tomar las coordenadas baricentricas de x en la referencia y
olvidarse de la coordenada x
k
para obtener las coordenadas (cartesianas) de x
en
k
.
Recprocamente, sea
c
= p;
v
1
, . . . ,
v
n
referencia cartesiana. Las coorde-
nadas de x en
c
son (
1
, . . . ,
n
) cuando
()
px =
1
v
1
+ +
n
v
n
.
Denotemos p
0
= p, p
1
= p +
v
1
, . . . , p
n
= p +
v
n
, de forma que =
p
0
, . . . , p
n
es obviamente referencia baricentrica. Podemos entonces reescri-
bir la expresion () en la forma
p
0
x = (1 (
1
+ +
n
))
p
0
p
0
+
1
p
0
p
1
+ +
n
p
0
p
n
,
por lo que (1 (
1
+ +
n
),
1
, . . . ,
n
) son las coordenadas baricentricas de
x en .
1.3.13 Veamos algunos ejemplos sencillos sobre coordenadas baricentricas:
1. Las coordenadas baricentricas de p
0
en el sistema de coordenadas baricen-
trico p
0
, p
1
, . . . , p
n
son (1, 0, . . . , 0), puesto que
pp
0
= 1
pp
0
+ 0
pp
1
+
+ 0
pp
n
para cualquier punto p A.
Analogamente, las coordenadas de p
j
son (
j
..
0, . . . , 0, 1, 0, . . . 0).
2. Consideremos el espacio afn est andar de dimensi on 1 sobre 1, y una re-
ferencia baricentrica p
0
, p
1
= . Un punto x tiene coordenadas (x
0
, x
1
)
en , si dado cualquier p 1 se tiene
px = x
0
pp
0
+x
1
pp
1
, con x
0
+x
1
= 1.
Tomando p = p
0
, vemos
p
0
x = x
1
p
0
p
1
, de forma que si x est a en el
segmento entre p
0
y p
1
su coordenada x
1
est a entre 0 y 1, si p
1
est a entre
p
0
y x se tiene x
1
> 1, y si p
0
est a entre x y p
1
, entonces x
1
< 0. Un estudio
similar tomando p = p
1
determina las regiones en las que x
0
> 1, x
0
< 0,
o 0 < x
0
< 1. Resumiendo, la situaci on es como indica la gura 1.3:
Observa que el punto medio del segmento
p
0
p
1
es
1
2
p
0
+
1
2
p
1
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
1.3. COORDENADAS EN ESPACIOS AFINES. REFERENCIAS. 23
x =1
0
x <0
0
x >1
0
x =0
1
p
0
p
1
x =0
x =1
0
1
x <0
1
x >1
1
0<x ,x <1
0 1
Figura 1.3: Coordenadas baricentricas en 1.
Ejercicio.-Realiza un analisis como el anterior para las coordenadas bari-
centricas en una base baricentrica cualquiera del plano afn real (dimension 2).
1.3.14 La descripcion que acabamos de hacer del punto medio de un segmento
de la recta real en funci on de coordenadas baricentricas respecto de los extremos
del segmento se generaliza facilmente a un concepto, el baricentro de cierto
n umero de puntos, que no depende de la dimensi on ni del cuerpo
**
sobre el que
este denido el espacio afn.
Denicion Se llama baricentro de los puntos a
1
, . . . , a
m
A al punto b
dado por b =
1
m
a
1
+ +
1
m
a
m
.
Observa que para que el baricentro de m puntos exista, se debe poder dividir
entre m =
m
..
1 + + 1 en k. Eso no es posible hacerlo en todo cuerpo. De hecho,
se dice que k tiene caracterstica p si p es el menor entero tal que
p
..
1 + + 1= 0
en k. Si no existe tal entero, se dice que la caracterstica es 0.
De modo que en caracterstica 0 siempre existe el baricentro de m puntos,
mientras que en Z/3Z no existe el baricentro de 3 puntos, ni de 6, 9, etcetera.
Ejercicio.- Demuestra que el concepto de baricentro de geometra elemental
(es decir, el punto donde se cortan las medianas de un triangulo) coincide con
el baricentro (seg un la denicion dada aqu) de los tres vertices del triangulo
correspondiente.
1.3.15 El ultimo ingrediente en nuestro estudio de coordenadas baricentricas
es el c alculo de c omo cambian las coordenadas al cambiar de referencia. Veamos
que no es algo muy diferente a un cambio de base en un espacio vectorial:
**
Aunque, como mencionamos en el comentario tras la denici on siguiente, la caracterstica
del cuerpo en cuesti on puede hacer que alg un concepto de baricentro no tenga sentido.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
24 CAP
j=0
x
j
pp
j
=
px =
n
i=0
x
i
p p
i
=
n
i=0
( x
i
n
j=0
ji
pp
j
) =
n
j=0
(
n
i=0
x
i
ji
)
pp
j
.
De modo que x
j
=
n
i=0
x
i
ji
para j = 0, . . . , n. Equivalentemente, en nota-
cion matricial,
_
_
_
_
_
x
0
x
1
.
.
.
x
n
_
_
_
_
_
=
_
_
_
_
_
00
0n
10
1n
.
.
.
.
.
.
n0
nn
_
_
_
_
_
_
_
_
_
_
x
0
x
1
.
.
.
x
n
_
_
_
_
_
.
Observa que las columnas de la matriz cuadrada en la ecuaci on anterior
son las coordenadas de los puntos de
en la referencia , y que dicha matriz
transforma coordenadas en
en coordenadas en .
1.3.16 Tratemos ahora el cambio de coordenadas cartesianas.
Sean = p;
e
1
, . . . ,
e
n
y
= p
1
, . . . ,
n
dos referencias cartesianas.
Supongamos que
e
i
=
1i
e
1
+ +
ni
e
n
, i = 1, . . . , n. Supongamos tambien
que (p
1
, . . . , p
n
) son las coordenadas de p
en , es decir
pp
= p
1
e
1
+ +p
n
e
n
o, equivalentemente, p
= p +
j
p
j
e
j
.
Entonces
x =
n
i=1
x
i
=
n
i=1
x
i
(
n
j=1
ji
e
j
) =
n
j=1
(
n
i=1
ji
x
i
)
e
j
+
px
pp
=
n
j=1
x
j
e
j
n
j=1
p
j
e
j
=
n
j=1
(x
j
p
j
)
e
j
de modo que
x
j
= p
j
+
n
i=1
ij
x
i
para j = 1, . . . , n.
La igualdad anterior se puede expresar, por supuesto, matricialmente como
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
=
_
_
_
_
_
p
1
p
2
.
.
.
p
n
_
_
_
_
_
+
_
_
_
_
_
11
1n
21
2n
.
.
.
.
.
.
n1
nn
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
1.3. COORDENADAS EN ESPACIOS AFINES. REFERENCIAS. 25
Observa que para obtener esa ecuaci on, que da el modo de transformar
corrdenadas en
en ,
que es el vector que aparece sumando, como las coordenadas de los vectores de
la base de
pq
0
+ x
1
pq
1
+ x
2
pq
2
. Tomemos, por ejemplo, p = q
1
:
(0, 8) =
q
1
x = x
0
q
1
q
0
+ x
2
q
1
q
2
= x
0
(12, 0) + x
2
(8, 8),
por lo que x
2
= 1, x
0
= 2/3, y por tanto x
1
= 4/3.
Para calcular coordenadas en buscamos una expresion como q
0
=
00
p
0
+
10
p
1
+
20
p
2
, es decir
pq
0
=
00
pp
0
+
10
pp
1
+
20
pp
2
para cualquier p. Tomemos
por ejemplo p = p
2
, con lo que
(8, 0) =
p
2
q
0
=
00
p
2
p
0
+
10
p
2
p
1
=
00
(0, 4) +
10
(4, 4)
10
= 2,
00
= 2
20
= 1
y, del mismo modo,
pq
1
=
01
pp
0
+
11
pp
1
+
21
pp
2
; tomando, por ejemplo,
p = p
0
, resulta
(4, 4) =
p
0
q
1
=
11
p
0
p
1
+
21
p
0
p
2
=
11
(4, 0) +
21
(0, 4)
11
=
21
= 1
01
= 1
Por ultimo
pq
2
=
02
pp
0
+
12
pp
1
+
22
pp
2
y tomando p = p
2
resulta
(4, 8) =
p
2
q
2
=
02
p
2
p
0
+
12
p
2
p
1
=
02
(0, 4) +
12
(4, 4)
12
= 1,
02
= 1
22
= 3
De modo que la matriz del cambio de coordenadas en
a coordenadas en
es
_
_
2 1 1
2 1 1
1 1 3
_
_
,
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
26 CAP
p
0
p
1
,
p
0
p
2
,
c
= q
0
;
q
0
q
1
,
q
0
q
2
,
con
p
0
p
1
= (4, 0),
p
0
p
2
= (0, 4),
q
0
q
1
= (12, 0) y
q
0
q
2
= (4, 8).
Para obtener las coordenadas cartesianas de x = (4, 4) en
c
calculamos
(12, 8) =
q
0
x = x
1
q
0
q
1
+ x
2
q
0
q
2
= x
1
(12, 0) + x
2
(4, 8)
x
1
= 4/3, x
2
= 1
Para calcular coordenadas en
c
, miramos a los elementos que forman
c
.
Para las coordenadas de q
0
en
c
, obtenemos (8, 4) =
p
0
q
0
= a
p
0
p
1
+b
p
0
p
2
=
a(4, 0) +b(0, 4) a = 2, b = 1.
Para las coordenadas de
q
0
q
1
en la base
p
0
p
1
,
p
0
p
2
; (12, 0) =
q
0
q
1
=
11
p
0
p
1
+
21
p
0
p
2
=
11
(4, 0)+
21
(04)
11
= 3,
21
= 0. Y para
q
0
q
2
, calcula-
mos (4, 8) =
q
0
q
2
=
12
p
0
p
1
+
22
p
0
p
2
=
12
(4, 0)+
22
(0, 4)
12
= 1,
22
= 2.
As que las coordenadas de x en son (x
1
, x
2
), donde
_
x
1
x
2
_
=
_
3 1
0 2
__
4/3
1
_
+
_
2
1
_
,
es decir, (x
1
, x
2
) = (1, 1). Obviamente, esta es la relacion que se da siempre
entre las coordenadas (x
1
, x
2
) y ( x
1
, x
2
) de un punto z 1
2
arbitrario:
_
x
1
x
2
_
=
_
3 1
0 2
__
x
1
x
2
_
+
_
2
1
_
.
La ultima igualdad matricial se suele expresar con una matriz cuadrada
a nadiendo una la nueva (0 0 1) y cuadrando los vectores columna con un 1
adicional:
_
_
x
1
x
2
1
_
_
=
_
_
3 1 2
0 2 1
0 0 1
_
_
_
_
x
1
x
2
1
_
_
.
La expresion anterior puede resultar a primera vista algo articial pero, como ve-
remos cuando la usemos en el captulo proximo, es razonable, pues tiene la gran
ventaja de reducir c alculos de composiciones o inversiones a simples productos
o inversas de matrices cuadradas.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
1.4. ECUACIONES DE VARIEDADES LINEALES 27
1.4. Ecuaciones de variedades lineales
Una vez que tenemos coordenadas a nuestra disposicion, queremos expresar
las variedades lineales mediante ecuaciones, de modo que decidir si un punto
dado pertenece o no a una variedad se reduzca simplemente a comprobar si sus
coordenadas verican la ecuaci on.
1.4.1 Sea (A, E, ) un espacio afn de dimensi on n. Sea L = a + F variedad
lineal de dimensi on k, con
v
1
, . . . ,
v
k
base de F. Sea
c
= p;
e
1
, . . . ,
e
n
una
referencia cartesiana.
Si a = (a
1
, . . . , a
n
) en
c
y
v
j
= v
1j
e
1
+ + v
nj
e
n
para j = 1, . . . , k. Sea
x = (x
1
, . . . , x
n
)
Rc
. Entonces:
x a +F
ax = (x
1
a
1
, . . . , x
n
a
n
) F
(x
1
a
1
)
e
1
+ + (x
n
a
n
)
e
n
=
1
v
1
+ +
k
v
k
= (
1
v
11
+
2
v
12
+ +
k
v
1k
)
e
1
+ + (
1
v
n1
+ +
k
v
nk
)
e
n
as que obtenemos
x
1
= a
1
+
1
v
11
+ +
k
v
1k
.
.
.
x
n
= a
n
+
1
v
n1
+ +
k
v
nk
_
_
Ecuaciones parametricas de a +F = L.
De otra forma equivalente, x L
ax
v
1
, . . . ,
v
k
), lo cual ocurre si en
ax,
v
1
, . . . ,
v
k
solo hay k vectores linealmente independientes, es decir
Rg
_
_
_
x
1
a
1
v
11
v
1k
.
.
.
.
.
.
.
.
.
x
n
a
n
v
n1
v
nk
_
_
_ = k = Rg
_
_
_
v
11
v
1k
.
.
.
.
.
.
v
n1
v
nk
_
_
_
por independencia lineal.
Alguno de los menores k k de la matriz de la derecha debe ser no nulo.
Supongamos, para hacer mas clara la exposicion, que
v
11
v
1k
.
.
.
.
.
.
v
k1
v
kk
,= 0
(si fuese otro menor el no nulo, se debera seguir lo que vamos a hacer a partir
de ese otro, y no del que hemos tomado).
Entonces
x
1
a
1
v
11
v
ik
.
.
.
.
.
.
.
.
.
x
k
a
k
v
k1
v
kk
x
i
a
i
v
i1
v
ik
= 0
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
28 CAP
11
x
1
+ +
1n
x
n
= b
1
.
.
.
d1
x
1
+ +
dn
x
n
= b
d
_
_
donde (x
1
, . . . , x
n
) son las coordenadas cartesianas de un punto generico de A,
son las ecuaciones de una variedad lineal L
***
cuya dimensi on resulta ser, por el
Teorema de Rouche-Frobenius, igual a dim(L) = n Rg
_
_
_
11
1n
.
.
.
.
.
.
d1
dn
_
_
_.
Las soluciones del sistema homogeneo asociado
11
x
1
+ +
1n
x
n
= 0
.
.
.
d1
x
1
+ +
dn
x
n
= 0
_
_
determinan un subespacio vectorial F E, donde (x
1
, . . . , x
n
) son coordenadas
en E respecto de la base
e
1
, . . . ,
e
n
. La dimensi on de este subespacio vecto-
rial F, que no es mas que el espacio de direcciones de L, es conocida por el
mencionado Teorema de Rouche-Frobenius.
Ahora, si (a
1
, . . . , a
n
) es una solucion particular del sistema no homogeneo
(es decir, son las coordenadas de un punto a de A que resulta estar en L), la
solucion general del sistema no homogeneo (coordenadas de un punto arbitrario
de L) es la suma de dicha solucion particular con la solucion general del ho-
mogeneo. Esto no es mas que una reinterpretaci on en terminos de coordenadas
y sistemas de ecuaciones de la descripcion de L como L = a +F.
1.4.2 Ejemplos
La ecuaci on lineal en dos inc ognitas 2x + 3y = 5 representa una variedad
lineal de dimensi on 2 1 = 1 en el espacio afn de dimensi on 2 (una recta).
Analogamente, 2x + 3y z = 5 es una variedad de dimensi on 2 en un
espacio afn de dimensi on 3 (un hiperplano). Su espacio director es el subespacio
vectorial de dimensi on 2 de ecuaci on 2x + 3y z = 0.
El sistema de dos ecuaciones con tres inc ognitas
2x + 3y z = 5
x y = 1
_
***
Por supuesto, siempre que dicho sistema sea compatible.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
1.4. ECUACIONES DE VARIEDADES LINEALES 29
A
E
F={2x+3y=0} L=(1,1)+F
Figura 1.4: Una variedad lineal y su espacio director.
da las ecuaciones de una recta en el espacio, puesto que su dimensi on es
3 Rg
_
2 3 1
1 1 0
_
= 3 2 = 1.
De hecho, L es la interseccion de los planos
1
: 2x+3yz = 5 y
2
: xy = 1.
Cualquier otro plano que contenga a L tendra una ecuaci on que, a nadida a
las ecuaciones de L, de las mismas soluciones, de modo que la ecuaci on de dicho
plano debe ser combinaci on lineal de las dos ecuaciones que denen L.
Luego
1
(2x +3y z) +
2
(x y) = 5
1
+
2
con
1
,
2
1 es la ecuaci on
del haz de hiperplanos que contienen a L.
Las rectas L
1
= 3x y = 5 y L
2
= 6x 2y = 3 en 1
2
son paralelas
(pues las ecuaciones 3x y = 0 y 6x 2y = 0 denen el mismo subespacio
vectorial de direcciones). La recta L
3
= 6x 2y = 10 es exactamente la
misma que L
1
.
Una recta en 1
3
que pase por a = (a
1
, a
2
, a
3
) con direcci on
v = (v
1
, v
2
, v
3
)
tiene ecuaciones
x a
1
v
1
=
y a
2
v
2
=
z a
3
v
3
,
(despejar en la ecuaci on parametrica (x, y, z) = (a
1
, a
2
, a
3
) +(v
1
, v
2
, v
3
) para
obtener tales ecuaciones).
La recta L
1
x 1
2
= y =
z + 1
1
y el plano L
2
3x 2y + 4z = 5
son paralelos: el vector director de la recta,
v = (2, 1, 1), est a en el espacio
director del plano, dado por 3x2y+4z = 0 (basta comprobar que es solucion).
De modo que L
1
= a +F con F =
v ) y L
2
= b +G con F G.
1.4.3 En general, sea cual sea la dimensi on n del espacio afn ambiente:
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
30 CAP
_
denen una variedad L dada por la interseccion de d hiperplanos. La ecuaci on
de cualquier otro hiperplano que contenga a L es combinaci on lineal de estas.
La dimensi on de L es n Rg
_
_
_
a
11
. . . a
1n
.
.
.
.
.
.
a
d1
. . . a
dn
_
_
_.
Las ecuaciones de la recta L = a +
v ) son
x
1
a
1
v
1
=
x
2
a
2
v
2
= =
x
n
a
n
v
n
(donde si v
j
= 0 se elimina esa parte, y aparece en su lugar la ecuaci on x
j
= a
j
).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
1.4. ECUACIONES DE VARIEDADES LINEALES 31
Dos hiperplanos son paralelos si y solo si tienen igual direcci on. Es decir,
que
L : a
1
x
1
+ +a
n
x
n
= b
L : a
1
x
1
+ +a
n
x
n
=
b
son paralelos si y solo si para cierto c se tiene a
j
= ca
j
j. Si ademas b = c
b,
ambos planos son coincidentes.
Una recta
x
1
a
1
v
1
= =
x
n
a
n
v
n
y un hiperplano b
1
x
1
+. . . +b
n
x
n
= b
son paralelos exactamente cuando b
1
v
1
+ +b
n
v
n
= 0.
1.4.4 Respecto a las ecuaciones de variedades lineales en coordenadas bari-
centricas, es sencillo repetir el tipo de argumentos que hemos hecho aqu en
cartesianas.
Una observaci on muy util es que en coordenadas baricentricas es muy sen-
cillo calcular la dimensi on de la variedad generada por unos cuantos puntos.
Concretamente
****
:
Teorema Sea = p
0
, . . . , p
n
una referencia baricentrica. Sean q
0
, . . . , q
m
dados en coordenadas baricentricas por q
j
= q
j0
p
0
+ + q
jn
p
n
, j = 0, . . . , m.
Sea V (q
0
, . . . , q
m
) la variedad generada por q
0
, . . . , q
m
. Entonces
dim(V (q
0
, . . . , q
m
)) + 1 = rg
_
_
_
q
00
q
m0
.
.
.
.
.
.
q
0n
q
mn
_
_
_.
La demostracion, que queda como ejercicio para el lector, consiste en una
simple manipulaci on por las y columnas en la matriz del lado derecho de la
igualdad. Como paso previo, debera demostrarse la observaci on siguiente:
Lema Con la notaci on del teorema, (q
j1
q
01
, . . . , q
jn
q
0n
) son las coor-
denadas del vector
q
j
q
0
en la base
p
1
p
0
, . . . ,
p
n
p
0
.
Este resultado es todo lo que hace falta para comprobar que una variedad
lineal L de dimensi on m en un espacio afn de dimensi on n viene dada por
nm ecuaciones lineales homogeneas independientes en n+1 variables, mas la
ecuaci on adicional
x
0
+ +x
n
= 1.
****
Ojo, que es fundamental en el teorema siguiente que las coordenadas son baricentricas:
en cartesianas no hay, en general, relaci on entre el rango de la matriz de coordenadas de
unos cuantos puntos con la dimensi on de la variedad que generan. Una forma de verlo es el
ejemplo siguiente: sea p
1
de coordenadas cartesianas (p
11
, . . . , p
n1
), y p
2
= p
1
de coordenadas
(p
12
, . . . , p
n2
). La matriz que forman los dos vectores de coordenadas puede tener rango uno
o dos, pero V (p
1
, p
2
) tiene siempre dimensi on 1.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
32 CAP
a
1
a
2
.
No es difcil comprobar que la raz on simple est a bien denida si a
1
,= a
2
, y
que (a
1
a
2
a
1
) = 0, (a
1
a
2
a
2
) = 1.
1.5.2 Cual es la relacion entre la raz on simple y el concepto de proporcion?
Supongamos por un momento que k = 1, y consideremos un ejemplo concreto
para que la idea quede clara (ver gura 1.6):
a
a a
1
2 3
Figura 1.6: La raz on simple mide proporciones.
Que quiere decir (a
1
a
2
a
3
) = 3? Simplemente que
a
1
a
3
= 3
a
1
a
2
*****
, es
decir que el vector
a
1
a
3
es tres veces mas grande que el vector
a
1
a
2
. Mirando a
la gura 1.6 a uno le daran ganas de expresar lo que all ocurre diciendo: la
*****
En muchos libros cl asicos se denota el segmento entre A y B como AB, y se expresa
(ABC) = k en la forma AC/AB = k.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
1.5. LA RAZ
.
La demostracion, muy sencilla, queda como ejercicio.
1.5.4 La proposicion 1.5.3 es todo lo que nos hace falta ahora para demostrar
dos teoremas clasicos interesantes: el de Menelao y el de Ceva. Ambos tra-
tan propiedades geometricas que tienen que ver con proporciones en triangulos
arbitrarios, de modo que a muchos lectores les sonar an como potencialmente
relacionados con el Teorema de Thales. Daremos por ahora demostraciones de
ambos en coordenadas, pero en el proximo captulo probaremos el Teorema de
Thales, y veremos como se pueden dar de forma analoga pruebas mas elegantes
de Menelao y de Ceva.
1.5.5 Teorema [Menelao] Sean a
0
, a
1
, a
2
linealmente independientes, y sean
b
0
, b
1
y b
2
puntos de las rectas determinadas por a
1
y a
2
, a
0
y a
2
, a
0
y a
1
respectivamente, que esten alineados y sean diferentes de a
0
, a
1
y a
2
. Entonces
(b
0
a
1
a
2
) (b
1
a
2
a
0
) (b
2
a
0
a
1
) = 1.
Demostracion.- Las coordenadas de b
0
en la referencia afn a
0
, a
1
, a
2
0
, (b
1
a
2
a
0
) =
1
, (b
2
a
0
a
1
) =
2
, con lo que
(b
0
a
1
a
2
) (b
1
a
2
a
0
) (b
2
a
0
a
1
) =
2
.
Pero, por el Teorema 1.4.4,
b
0
, b
1
, b
2
alineados
0 =
0
1
2
0
0
2
0
1
0
=
0
2
+
1
0
= 1
pa
i
) con la recta a
k
+
a
k
a
h
) (k, h ,= i). Entonces
(b
0
a
1
a
2
) (b
1
a
2
a
0
) (b
2
a
0
a
1
) = 1.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
1.5. LA RAZ
0 1
A 0
B 0
= A B = 0.
Como ademas A +B = 1, deducimos B =
1
y A =
1
.
Del mismo modo se comprueba que las coordenadas de b
1
y b
2
son, respecti-
vamente,
_
1
, 0
1
_
y
_
1
,
1
, 0
_
. De modo que (b
1
a
2
a
0
) =
y (b
2
a
0
a
1
) =
, y se sigue que
(b
0
a
1
a
2
) (b
1
a
2
a
0
) (b
2
a
0
a
1
) =
= 1.
e
1
, . . . ,
e
n
una base. Sea
B
v
1
, . . . ,
v
n
otra base, donde
v
i
= v
1i
e
1
+ + v
ni
e
n
. Sea P = (v
ij
) la
matriz de cambio de base. Decimos que B y B
2
(f(a),f(b))
a
f
f(a)
f
~
E E
2 1
1
b
(a,b)
f(b)
Figura 2.1: La denicion de anidad.
Denicion Una aplicaci on afn (o anidad) de (A
1
, E
1
,
1
) a (A
2
, E
2
,
2
)
es un par formado por una aplicacion f : A
1
A
2
y una aplicacion lineal
f : E
1
E
2
tales que
f(
ab) =
f(a)f(b) a, b A
1
.
37
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
38 CAP
ITULO 2. AFINIDADES
En otras palabras, el diagrama
A
1
A
1
ff
A
2
A
2
1
2
E
1
f
E
2
(a, b) (f(a), f(b))
1
(a, b)
f(
1
(a, b)) =
2
(f(a), f(b))
conmuta.
A veces diremos simplemente que f es una aplicacion afn si existe
f tal
que el diagrama anterior conmute. Se llama a
f aplicaci on lineal asociada a f
o parte lineal de f.
2.1.2 La siguiente proposicion da una forma equivalente de expresar la relacion
entre f y
f.
Proposici on Son equivalentes:
i)
f(
ab) =
f(a)f(b) a, b A
1
ii) f (a +
u ) = f(a) +
f (
u ) a A
1
,
u E
1
.
Demostracion.- Empezamos por demostrar i) ii). Sea a+
u = b, es decir
ab =
u . Por i), se tiene
f(
u ) =
f(
ab) =
f(a)f(b), es decir f(a) +
f(
u ) = f(b).
Luego f(a +
u ) = f(a) +
f(
u ).
ii) i): Sean a, b A, y llamemos
u al vector
ab. Entonces
f(
ab) =
f(
u ) =
f(a)f(a +
u ) =
f(a)f(b), donde hemos usado ii) en la segunda igualdad.
2.2. Propiedades basicas de las anidades
2.2.1 En el fondo, una anidad est a casi completamente determinada por la
correspondiente aplicacion lineal. De hecho, basta a nadir la informacion sobre
la accion en un solo punto de A para determinarla totalmente, como muestra el
resultado siguiente:
Proposici on Si f, g son dos anidades de A
1
en A
2
tales que f(p) = g(p)
para alg un p A
1
, y
f = g, entonces f = g.
Demostracion.- Dado a A
1
, se tiene
f(a) = f(p +
pa) = f(p) +
f(
pa) = g(p) + g(
pa) = g(p +
pa) = g(a),
donde la segunda y cuarta igualdad se deben a la proposicion 2.1.2, y la tercera
es por hipotesis.
2.2.2 Recprocamente, decidir la imagen de un punto y una aplicacion lineal
determina de manera unvoca una anidad:
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
2.2. PROPIEDADES B
u ) = q +(
u ) y com-
probamos que es anidad, y que tiene a como aplicacion lineal asociada:
f(a)f(b) =
f(p +
pa)f(p +
pb) =
(q +(
pa))(q +(
pb))
= (
pb) (
pa) = (
pb
pa) = (
pb +
ap)
= (
ab)
ii) Como a
0
, . . . , a
n
es referencia baricentrica,
a
0
a
1
, . . . ,
a
0
a
n
es base de E
1
.
Denamos : E
1
E
2
dando su accion en esta base, por (
a
0
a
k
) =
b
0
b
k
. La
anidad f buscada, si existe, debe tener necesariamente a como parte lineal,
puesto que
f(
a
0
a
k
) =
f(a
0
)f(a
k
) =
b
0
b
k
= (
a
0
a
k
). Podemos denir f(a) =
f(a
0
+
a
0
a) = b
0
+(
a
0
a), que es anidad y cumple f(a
i
) = b
i
obviamente. La
unicidad se sigue del apartado i).
2.2.3 Lo siguiente que queremos comprobar es que las anidades pueden com-
ponerse sin problemas:
Proposici on Dadas f : A
1
A
2
y g : A
2
A
3
anidades, entonces
g f : A
1
A
3
es anidad, y
g f = g
f.
Demostracion.- Basta hacer un sencillo c alculo:
g f(
ab) =
(g f(a))(g f(b))
=
g(f(a))g(f(b))
= g(
f(a)f(b))
= g(
f(
ab))
= g
f(
ab)
ITULO 2. AFINIDADES
Proposici on Dada una anidad (f,
f) de (A
1
, E
1
,
1
) en (A
2
, E
2
,
2
), se
cumple:
a) f inyectiva
f inyectiva.
b) f sobreyectiva
f sobreyectiva.
c) f biyectiva
f biyectiva.
Demostracion.- a) Comencemos por probar ).
Dado que
f(a)f(a +
w) =
f(
w) para cualquier
w, si
f(
u ) =
f(
v ), se
sigue que
f(a)f(a +
u ) =
f(a)f(a +
u ) = f(a +
v ) y, como f es inyectiva, a +
u = a +
v . De nuevo
las propiedades de espacio afn aseguran que
u =
v .
) Si f(a) = f(b) entonces
f(
ab) =
f(a)f(b) =
0 . Como
f es inyectiva se tiene
ab =
0 , por lo que a = b.
b) ) Sea
v E
2
. Busco
u E
1
tal que
v =
f(
u ). Sean a
2
, b
2
tales
que
v =
a
2
b
2
. Como f es sobre, existen a
1
, b
1
tales que f(a
1
) = a
2
, f(b
1
) = b
2
.
Luego
v =
f(a
1
)f(b
1
) =
f(
a
1
b
1
). Basta tomar
u =
a
1
b
1
.
) Sea a
2
A
2
. Busco a
1
A
1
tal que f(a
1
) = a
2
. Sea p
2
Im(f), p
2
= f(p
1
).
Sea
u
2
=
p
2
a
2
. Como
f es sobre, existe
u
1
tal que
f(
u
1
) =
u
2
=
p
2
a
2
. Sea
a
1
= p
1
+
u
1
. Entonces f(a
1
) = f(p
1
) +
f(
u
1
) = p
2
+
u
2
= a
2
.
c) Se sigue de los dos apartados anteriores.
2.2.5 De lo anterior, se deduce facilmente que la inversa de una anidad bi-
yectiva es anidad:
Proposici on Si f es una anidad biyectiva de (A
1
, E
1
,
1
) en (A
2
, E
2
,
2
)
con aplicaci on lineal asociada
f, entonces f
1
es anidad con aplicaci on lineal
asociada
f
1
=
_
f
_
1
.
Demostracion.- Dados a
2
, b
2
A
2
, sean a
1
= f
1
(a
2
), b
1
= f
1
(b
2
).
Entonces
f(
f
1
(a
2
)f
1
(b
2
)) =
f(
a
1
b
1
) =
f(a
1
)f(b
1
) =
a
2
b
2
, de modo que
f
1
(a
2
)f
1
(b
2
) =
_
f
_
1
(
a
2
b
2
), por lo que f
1
es anidad, y tiene como apli-
cacion lineal asociada a
_
f
_
1
.
2.2.6 Denicion Una anidad biyectiva se llama isomorsmo afn. Dos es-
pacios anes son isomorfos si existe un isomorsmo afn entre ellos.
Observaciones
Si (A
1
, E
1
,
1
) es isomorfo a (A
2
, E
2
,
2
), entonces existe f : A
1
A
2
iso-
morsmo afn. En particular,
f : E
1
E
2
es una aplicacion lineal biyectiva, de
modo que E
1
es isomorfo a E
2
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
2.3. ALGUNAS AFINIDADES IMPORTANTES 41
Recprocamente, si E
1
es isomorfo a E
2
y : E
1
E
2
es isomorsmo,
tomamos a
1
A
1
, a
2
A
2
, y existe una unica anidad f con f(a
1
) = a
2
y
v
1
, . . . ,
v
n
una referencia cartesiana en A. Denimos:
F : A k
n
a (x
1
, . . . , x
n
)
donde (x
1
, . . . , x
n
) son las coordenadas de a en .
Si ahora b tiene coordenadas (y
1
, . . . , y
n
), podemos calcular
ab =
ap +
pb =
pb
pa = (y
1
x
1
)
v
1
+ + (y
n
x
n
)
v
n
.
As,
k
(F(a), F(b)) = (y
1
x
1
, . . . , y
n
x
n
) =:
F
_
ab
_
,
donde
F es la aplicacion lineal determinada por
F (
v
j
) =
e
j
, siendo
e
j
el j-esimo
valor de la base canonica de k
n
.
2.3. Algunas anidades importantes
En esta secci on vamos a describir algunos de los tipos mas importantes de
anidades de un espacio afn en s mismo.
2.3.1 Denicion Sea (A, E, ) un espacio afn. Dado
v E, la aplicacion
T
v
que enva p al unico punto q tal que
pq =
v (es decir, T
v
(p) = p +
v ) se
llama traslaci on de vector
v en A.
2.3.2 Es muy sencillo comprobar que las traslaciones son, en efecto, anidades:
T
v
(a)T
v
(b) =
T
v
(a)a +
ab +
bT
v
(b)
=
aT
v
(a) +
ab +
bT
v
(b)
=
v +
ab +
v
=
ab
= Id(
ab),
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
42 CAP
ITULO 2. AFINIDADES
de modo que T
v
es anidad, y
T
v
= Id.
Recprocamente, si f es una anidad tal que
f = Id, dados a, b cualesquiera
se tiene
f(a)f(b) =
f(
ab) =
ab. Luego, por la identidad del paralelogramo,
f(a)a =
f(b)b, es decir
af(a) =
bf(b) =
v
0
(el mismo vector independientemente
del punto).
As que f(p) = p +
pf(p) = p +
v
0
= T
v
0
(p), por lo que f = T
v
0
.
Hemos comprobado, por tanto:
Proposici on Una anidad f de (A, E, ) en s mismo cumple
f = Id
|E
si
y s olo si es una traslaci on.
2.3.3 Si E es un espacio vectorial, y (E, E, ) es la estructura natural de
espacio afn sobre E, entonces las traslaciones T
w
:
u
u +
w son aplicaciones
anes de (E, E, ), pero no son aplicaciones lineales del espacio vectorial E (a
menos que
w =
0 , que corresponde a la identidad).
2.3.4 Denicion Una anidad f : A A es una homotecia de raz on r
(r ,= 0, 1) si
f = rId
|E
.
2.3.5 A diferencia de las traslaciones, las homotecias jan alg un punto. Como
calcular a tal que f(a) = a?:
f(a) = f(p +
pa) = f(p) +
f(
pa) = f(p) +r
pa
para un p cualquiera, de modo que
a = f(a)
a = f(p) +r
pa
f(p)p +
pa =
f(p)a = r
pa
pa =
1
1 r
pf(p)
As que dado p A cualquiera, el punto p +
1
1 r
pf(p) = a es un punto jo
por f. Sea entonces a un punto jo. Dado cualquier x A, tenemos
af(x) =
f(a)f(x) =
f(
ax) = r
ax.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
2.3. ALGUNAS AFINIDADES IMPORTANTES 43
Vemos entonces que solo hay un punto jo, puesto que si b ,= a fuera otro
punto jo, entonces b = f(b) = a +r
ab
ab = r
ab r = 1.
Al unico punto jo se le llama centro de la homotecia, y al n umero r su
raz on. Una vez conocidos centro y raz on, la homotecia queda determinada por
f(x) = a +r
ax.
2.3.6 Ejemplo
En la gura 2.2 est a representada una homotecia en 1
2
de raz on r = 2 y
centro a = (1, 1).
f(p)
p
f(q)
q
a
Figura 2.2: Una homotecia de raz on 2.
Se puede comprobar que f lleva rectas en rectas, conservando ademas la
nocion de paralelismo. Sin embargo, f no preserva distancias, al menos con la
nocion habitual de distancia. Volveremos a este tipo de consideraciones mas
adelante.
2.3.7 Denicion Una aplicacion afn f : A A es una proyecci on si f
2
= f.
2.3.8 El estudio de las propiedades de las proyecciones va a dejar claro el
porque del nombre:
En primer lugar, observamos que si b es un punto jo (es decir, tal que
f(b) = b), entonces b Im(f), el conjunto imagen de f (lo cual es obviamente
cierto para cualquier anidad). Ademas, si b f(A), existe un a A tal que
b = f(a), y como f es proyeccion se sigue que f(b) = f
2
(a) = f(a) = b, y b es
punto jo.
Resumiendo:
Puntos jos de una proyeccion f = Im(f).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
44 CAP
ITULO 2. AFINIDADES
Por otra parte, si f es proyeccion entonces (
f)
2
=
f (compruebalo: es un
ejercicio sencillo). De modo que el polinomio mnimo m
f
de
f divide a x
2
x
(dado que (
f)
2
f
0 ). Recuerda en este punto que el polinomio mnimo
es el polinomio monico
*
de menor grado al que anula la aplicacion lineal; el
polinomio caracterstico es m ultiplo de el.
As que, seg un sea m
f
, hay tres casos posibles:
(i) Si m
f
(x) = x
f
0 . De modo que
f(a)f(b) =
f(
ab) =
0 a, b, luego
f(b) = f(a) a, b, de modo que f es constante (es la proyeccion sobre un punto,
si se quiere).
(ii) Si m
f
(x) = x 1 entonces
f = Id
|E
, de modo que
f es una traslacion. Pero
como f es una proyeccion tiene necesariamente puntos jos. La unica posibilidad
es f = T
0
= Id
|A
.
(iii) Si m
f
(x) = x(x 1), sabemos por algebra lineal que E = E
0
E
1
donde
E
0
es un subespacio invariante en el que
f
|E
0
0 (autoespacio de autovalor
0), y E
1
es subespacio invariante en que
f
|E
1
= Id
|E
1
(autoespacio de autovalor
1).
Obviamente los dos primeros casos carecen de mucho interes. Para el tercero,
si p es un punto jo y a es un punto cualquiera entonces
f(a) = f(p +
pa)
= f(p) +
f(
u
0
+
u
1
)
= f(p) +
f(
u
0
) +
f(
u
1
)
= f(p) +
u
1
= p +
u
1
,
donde
pa =
u
0
+
u
1
es la descomposicion de
pa asociada a la de E como suma
directa E = E
0
E
1
.
De modo que f(a) p +E
1
. Por otra parte, se tiene
f(a)a =
f(a)p +
pa
=
u
1
+
u
0
+
u
1
=
u
0
E
0
.
Por tanto hemos comprobado que f(a) (a +E
0
) (p +E
1
), donde p es un
punto jo. Como (a+E
0
)(p+E
1
) es una variedad de direcci on E
0
E
1
=
0 ,
*
Un polinomio es monico cuando el coeciente del monomio de grado m as alto vale 1.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
2.3. ALGUNAS AFINIDADES IMPORTANTES 45
deducimos que
f(a) = (a +E
0
) (p +E
1
),
lo cual caracteriza f(a) geometricamente.
2.3.9 Ejemplos
La gura 2.3 representa una proyeccion sobre una recta en direcci on paralela
a otra recta en 1
2
.
E
1
E
1
E
0
E
0
E
p
a
f(a)
A
p+
a+
Figura 2.3: Proyeccion sobre una recta en 1
2
.
En 1
3
hay dos posibilidades diferentes: el caso dim(E
0
) = 2, dim(E
1
) = 1, ver
gura 2.4 (proyeccion sobre una recta p + E
1
en direcci on paralela a un plano
p + E
0
), o el caso dim(E
0
) = 1, dim(E
1
) = 2, ver gura 2.5 (proyeccion sobre
un plano en direcci on paralela a una recta).
2.3.10 En dimensi on 3 no existe algo as como proyectar sobre una recta en
direcci on paralela a otra recta (no cuadran las dimensiones).
Hay que hacer constar tambien que las proyecciones no son, en general,
biyectivas (lo cual es una diferencia importante respecto a las traslaciones y
homotecias).
Otra observaci on importante, del mismo tipo de la que hicimos en la secci on
2.3.3 sobre traslaciones en un espacio vectorial E equipado de su estructura
canonica de espacio afn. En ese caso, cualquier proyeccion sobre un subespacio
vectorial en direcci on de otro subespacio vectorial (de las dimensiones adecua-
das) es una aplicacion lineal. Las proyecciones sobre variedades lineales que no
pasen por el origen de E son anidades pero no son aplicaciones lineales.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
46 CAP
ITULO 2. AFINIDADES
E
1
E
1
E
0
E
0
E
A
a
f(a)
p
p+
a+
Figura 2.4: Proyeccion sobre una recta en 1
3
.
E
0
E
1
E
0
a+
E
1
p+
E
A
f(a)
a
p
Figura 2.5: Proyeccion sobre un plano en 1
3
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
2.3. ALGUNAS AFINIDADES IMPORTANTES 47
2.3.11 Ejemplo
Sea f la proyeccion sobre el plano x + y + x 1 = 0 en 1
3
en la direcci on
del vector (0, 1, 1)). Por el estudio del p arrafo 2.3.8, sabemos que f(a, b, c) es
el unico punto que hay en la interseccion
(a, b, c) +(0, 1, 1)) x +y + z 1 = 0.
Las dos ecuaciones de la recta (a, b, c) + (0, 1, 1)) junto a la del plano x +
y +z 1 = 0 dan un sistema
_
_
_
x a = 0
y b = z c
x +y +z = 1
cuya unica solucion es
_
_
x = a
y =
1 +b c a
2
z =
1 +c b a
2
As que
f(a, b, c) =
_
a,
1 + b c a
2
,
1 +c b a
2
_
=
_
0,
1
2
,
1
2
_
+
_
_
_
_
_
_
_
_
1 0 0
1
2
1
2
1
2
1
2
1
2
1
2
_
_
_
_
_
_
_
_
_
_
a
b
c
_
_
.
Veremos mas adelante (ver secci on 2.6) que este es el aspecto tpico de una
anidad expresada en coordenadas cartesianas.
2.3.12 Denicion Una anidad f : A A es una simetra si f
2
= Id
A
.
2.3.13 Supongamos char(k) ,= 2. Sea f una simetra.
Sea a un punto cualquiera, y sea m denido por m =
1
2
a +
1
2
f(a), es decir,
pm =
1
2
pa +
1
2
pf(a) p A.
Tomando p = a vemos
am =
1
2
f(a)f(m) =
f(
am) =
f
_
1
2
af(a)
_
=
1
2
f(
af(a)) =
1
2
f(a)f
2
(a) =
1
2
f(a)a,
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
48 CAP
ITULO 2. AFINIDADES
de modo que
f(a)f(m) =
1
2
f(a)a +
1
2
f)
2
= Id, de
modo que m
f
divide a x
2
1 = (x 1)(x + 1). Casos:
(i) m
f
(x) = x 1
f = Id
E
f es una traslacion. Como tiene puntos jos,
f = Id
A
.
(ii) m
f
(x) = x + 1
f = Id
E
f es una homotecia de raz on r = 1. Por
tanto existe un unico punto jo p y para cualquier a se tiene
f(a) = p
pa
pf(a) =
pa
pa +
af(a) =
f(a)p +
af(a) =
ap
ap =
1
2
af(a) =
1
2
af(a) +
1
2
aa
p =
1
2
a +
1
2
f(a).
En realidad, el c alculo anterior era previsible por lo que sabamos. El unico
punto jo, centro de la homotecia de raz on 1, es el punto medio entre cada
punto y su imagen (ver gura 2.6).
(Tambien se llama a una aplicacion como esta simetra central de centro p).
(iii) m
f
(x) = (x + 1)(x 1) E = E
1
E
1
, donde E
1
es el autoespacio
de
f de autovalor 1 (
f
|E
1
= Id
E1
) y E
1
es el autoespacio de autovalor 1
(
f
|E
1
= Id
E1
).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
2.3. ALGUNAS AFINIDADES IMPORTANTES 49
f(p)
a
f(q)
q
p
Figura 2.6: Una simetra central en 1
2
.
Si p es un punto jo de f y a A es cualquier otro punto, entonces
f(a) = f(p +
pa)
= f(p) +
f(
pa)
= p +
f(
u
1
) +
f(
u
1
)
= p +
u
1
u
1
,
donde
pa =
u
1
+
u
1
,
u
1
E
1
,
u
1
E
1
es la descomposicion de
pa asociada
a la suma directa E = E
1
E
1
.
Como a = p +
u
1
+
u
1
, se tiene a = f(a)
u
1
=
0 a p +E
1
.
Ya sabamos Puntos jos de f = Puntos medios
1
2
a +
1
2
f(a), a A. En-
tonces a A se tiene
1
2
a +
1
2
f(a) p +E
1
,
y si a = p +
u
1
+
u
1
entonces
af(a) = 2
u
1
(pues f(a) = p +
u
1
u
1
). De
modo que
f(a) a +E
1
.
Estas dos condiciones determinan f(a).
Llamamos a esta aplicacion simetra respecto a p + E
1
en la direcci on de
E
1
.
2.3.15 Ejemplos
En las guras 2.7 , 2.8, 2.9 vemos ejemplos de simetras en 1
2
y 1
3
(obvia-
mente relacionadas con las proyecciones descritas en la secci on 2.3.9).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
50 CAP
ITULO 2. AFINIDADES
Nota que el mismo tipo de observaciones que hicimos en la secci on 2.3.10
al respecto de las distintas posibilidades que existen en funci on del espacio am-
biente se aplican tambien al caso de las simetras.
E
1
E
1
a+
E
1
E
p
A
p+
E
1
f(a)
a
Figura 2.7: Simetra sobre una recta en 1
2
.
E
1
p+
E
1
E
1
a+
E
A
p
E
1
a
f(a)
Figura 2.8: Simetra sobre una recta (en direcci on a un plano) en 1
3
.
2.3.16 Ejemplo
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
2.3. ALGUNAS AFINIDADES IMPORTANTES 51
E
1
E
1
p+
E
1
a+
E
A
p
E
1
f(a)
a
Figura 2.9: Simetra sobre un plano (en direcci on a una recta) en 1
3
.
Consideremos la aplicacion f : 1
2
1
2
denida por
_
x
y
_
_
_
_
_
8
5
+
3
5
x
4
5
y
16
5
4
5
x
3
5
y
_
_
_
_
=
_
_
_
_
8
5
16
5
_
_
_
_
+
_
_
_
_
3
5
4
5
4
5
3
5
_
_
_
_
_
_
x
y
_
_
Se comprueba directamente que
f
_
_
f
_
_
x
y
_
_
_
_
=
_
_
_
_
_
_
8
5
+
3
5
_
8
5
+
3
5
x
4
5
y
_
4
5
_
16
5
4
5
x
3
5
y
_
16
5
4
5
_
8
5
+
3
5
x
4
5
y
_
3
5
_
16
5
4
5
x
3
5
y
_
_
_
_
_
_
_
=
_
_
x
y
_
_
,
por lo que f es una simetra.
Si A =
_
_
_
_
3
5
4
5
4
5
3
5
_
_
_
_
, se tiene det(AI) =
2
9
25
16
25
, con lo que los
autovalores son 1, como esper abamos.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
52 CAP
ITULO 2. AFINIDADES
Para el autovalor = 1 tenemos
ker(A I)
_
_
_
_
2
5
4
5
4
5
8
5
_
_
_
_
_
_
x
y
_
_
=
_
_
0
0
_
_
,
as que el autoespacio correspondiente (que da la direcci on de la variedad sobre
la que se hace la reexion) tiene ecuaci on x = 2y. Un vector generador es, por
ejemplo, (2, 1).
Si buscamos un punto jo, tenemos que resolver
8
5
+
3
5
x
4
5
y = x
16
5
4
5
x
3
5
y = y
_
_
que da x = 4 2y. Por ejemplo el punto (4, 0) es un punto jo, de modo que
f es una simetra respecto de la recta (4, 0) + (2, 1)), que tiene ecuaci on
x 4
2
=
y 0
1
, es decir x + 2y 4 = 0 (obviamente, es la misma ecuaci on que
obtuvimos al buscar los puntos jos).
Y cual es la direcci on de reexion?
ker(A +I)
_
_
_
_
8
5
4
5
4
5
2
5
_
_
_
_
_
_
x
y
_
_
=
_
_
0
0
_
_
,
que da la ecuaci on x = 2y.
p
E
1
p+E
1
Figura 2.10: Simetra sobre x + 2y 4 = 0 en la direcci on de x = 2y.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
2.4. NO TODA APLICACI
ON ES UNA AFINIDAD 53
2.4. No toda aplicacion es una anidad
El unico objetivo de esta secci on es dar un ejemplo sencillo de la existencia
de aplicaciones de un espacio afn en s mismo que, pese a tener contenido
geometrico, no son aplicaciones anes.
Basta tomar A = 1
2
, el plano afn real. Denotemos por (x, y) las coordenadas
respecto de la referencia cartesiana usual, y sea L la recta afn de ecuaci on x = 1.
Sea f la aplicacion que enva un punto (a, b) 1
2
con la interseccion de L con
la recta que pasa por (0, 0) y por (a, b) (gura 2.11).
p
f(p)
q
f(q)
L
Figura 2.11: Las proyecciones radiales desde un punto no son anidades.
Es obvio que obligatoriamente f(a, b) = (a, b) para cierto . Para calcular
, basta imponer f(a, b) L, lo cual produce =
1
a
. Es decir, que la expresion
de f en coordenadas cartesianas es
f(a, b) =
_
1,
b
a
_
que, por culpa de la a dividiendo no es de la forma
_
c
1
c
2
_
+ M
_
a
b
_
, de
modo que no puede ser una anidad.
**
La estructura que hace falta para comprender estas aplicaciones no es la de
espacio afn sino la de espacio proyectivo. La estudiaremos mas adelante.
**
Aparte de que la expresi on en coordenadas muestra algo que es obvio en la gura 2.11: f
no est a denida en la recta x = 0.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
54 CAP
ITULO 2. AFINIDADES
2.5. Mas propiedades de las anidades
2.5.1 La primera propiedad interesante tiene que ver con el comportamiento
de las variedades lineales:
Proposici on (a) Si f : A
1
A
2
es una aplicaci on afn y a + F es una
variedad lineal de A
1
, entonces f(a +F) es variedad lineal de A
2
y f(a +F) =
f(a) +
f(F).
(b) Si b+G es una variedad lineal de A
2
y a f
1
(b+G), entonces f
1
(b+G)
es variedad lineal de A
1
y f
1
(b +G) = a +
f
1
(G).
Demostracion.- (a) Sean p, q f(a + F). Existen
u ,
v F tales que
p = f(a+
u ), q = f(a+
v ), con lo que
pq =
f(a +
u )f(a +
v ) =
f(
u )
f(F).
(b) Si x f
1
(b + G), entonces f(x) b + G. Como ademas f(a) b + G
por hipotesis,
f(
ax) =
f(a)f(x) G.
Luego x = a +
ax cumple
ax
f
1
(G), puesto que
f(
ax) G. As que
f
1
(b +G) a +
f
1
(G).
Recprocamente, si x a +
f
1
(G), entonces
ax
f
1
(G), de modo que
f(a)f(x) =
f(
f).
(b) f lleva variedades lineales paralelas en variedades lineales paralelas.
Demostracion.- (a) Simplemente porque dim(
f(E
1
)) = rg(
f).
(b) Es muy sencillo, y lo dejamos como ejercicio.
2.5.3 Una observaci on importante es que tres puntos alineados (i.e. que est an
en una recta) van por una aplicacion afn a tres puntos alineados (o los tres al
mismo):
Si a
3
a
1
+
a
1
a
2
) entonces f(a
3
) f(a
1
)+
f(
a
1
a
2
)) = f(a
1
)+
f(a
1
)f(a
2
)),
que es una variedad lineal de dim 0 si f(a
1
) = f(a
2
) o una recta si no. Esta
observaci on, junto al corolario anterior, muestra que:
Las anidades conservan la colinearidad y el paralelismo
2.5.4 Proposici on Si el conjunto de puntos jos de una anidad f : A A
es no vaco, entonces es una variedad lineal con direcci on dada por el espacio
de autovectores de
f de autovalor 1.
La demostracion es un ejercicio sencillo.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
2.5. M
i=1
x
i
a
i
, en coordenadas
anes (x
1
+ +x
r
= 1), entonces f(x) =
r
i=1
x
i
f(a
i
).
Demostracion.- Si p es un punto cualquiera de A
1
tenemos
px =
r
i=1
x
i
pa
i
,
por lo que
f(p)f(x) =
f(
px) =
r
i=1
x
i
f(
pa
i
) =
r
i=1
x
i
f(p)f(a
i
).
i=1
x
i
a
i
) =
r
i=1
x
i
f(a
i
).
Demostracion.- Fijemos un punto p A
1
. Denimos una aplicacion lineal
f : E
1
E
2
del modo siguiente: dado
u E
1
, tomamos q = p +
u (es decir,
q es tal que
pq =
u ), y denimos
f(
u ) =
f(
pq) =
f(p)f(q).
No es difcil comprobar que esta
f es lineal:
Dados
u =
pq y
v =
pr, sea s = p +
u +
v , es decir que
ps =
u +
v .
Tenemos
f(
u +
v ) =
f(
ps) =
f(p)f(s),
y
f(
u ) +
f(
v ) =
f(
pq) +
f(
pr) ==
f(p)f(q) +
f(p)f(r),
y debemos comprobar que ambas expresiones coinciden, es decir
f(p)f(s) =
f(p)f(q) +
f(p)f(r),
lo cual equivale a f(s) = f(p) +f(q) +f(r).
Por la hipotesis sobre f, basta que probemos s = p + q + r, es decir
ps =
pq +
ITULO 2. AFINIDADES
Sean ahora
u =
pq, y sea r = p +k
u ). Tenemos
f(
u ) =
f(p)f(q),
mientras que
f(k
u ) =
f(p)f(r),
y debemos probar
f(p)f(r) = k
f(
ab) =
f(
pb
pa) =
f(
pb)
f(
pa) =
f(p)f(b)
f(p)f(a) =
f(a)f(b).
a
1
a
2
(ver la
denicion 1.5.1).
Lema Las anidades preservan la raz on simple.
Demostracion.- Basta calcular:
a
1
a
3
= r
a
1
a
2
f(a
1
)f(a
3
) =
f(r
a
1
a
2
) = r
f(
a
1
a
2
) = r
f(a
1
)f(a
2
)
(f(a
1
)f(a
2
)f(a
3
)) = r
f(
pq) =
f(p)f(q) (como dado
u podemos tomar q = p +
u y se tiene
pq =
u ,
esta regla dene
f(
u ) para cualquier
u ). Queremos comprobar que
f es una
aplicacion lineal:
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
2.5. M
pr+
pq. Tenemos
f(
pq+
pr) =
f(
ps) =
f(p)f(s).
Queremos comprobar que esta ultima cantidad coincide con
f(
pq) +
f(
pr) =
f(p)f(q) +
f(p)f(r).
Sea t =
1
2
r +
1
2
q el punto medio entre r y q, que cumple (rqt) =
1
2
. Por la
hipotesis sobre f, se tiene (f(r)f(q)f(t)) =
1
2
, por lo que
f(r)f(t) =
1
2
f(r)f(q),
es decir, f(t) =
1
2
f(q) +
1
2
f(r) o, equivalentemente
f(p)f(t) =
1
2
f(p)f(r) +
1
2
f(p)f(q).
Pero tambien se tiene t =
1
2
p +
1
2
s, puesto que
pt =
1
2
ps =
1
2
pr +
1
2
pq.
El mismo razonamiento de antes muestra entonces que f(t) =
1
2
f(p) +
1
2
f(s)
luego, en particular
f(p)f(t) =
1
2
f(p)f(s).
Juntando las dos expresiones obtenidas para
f(p)f(t), obtenemos
f(p)f(s) =
pq, con lo
que (pqx) = . Como f preserva la raz on simple, tenemos (f(p)f(q)f(x)) = ,
con lo que
f(
px) =
f(p)f(x) =
f(p)f(q) =
f(
pq).
As que
f es una aplicacion lineal. Por construcci on, es la aplicacion lineal
asociada a f, que es entonces una anidad.
2.5.7 El Teorema de Thales es una consecuencia sencilla de que la raz on simple
sea invariante por anidades. Basta tomar dos rectas L
1
y L
2
en el plano. Sea
L
1
L
2
= p, y tomemos dos puntos q, r L
1
distintos de p. Sea f una
proyeccion sobre L
2
en alguna direcci on (no paralela a la direcci on de L
2
), y
sean s = f(q), t = f(r) (ver la gura 2.12).
Esta construcci on produce dos tri angulos semejantes: el de vertices p, q, s y
el de vertices p, r, t. Como f debe preservar razones simples, tenemos
(pqs) = (f(p)f(q)f(s)) = (prt),
es decir
pr
pq
=
pt
ps
.
Del mismo modo, es sencillo dar ahora una prueba mas elegante del Teorema
de Menelao (Teorema 1.5.5 y gura 1.7):
Sea f la proyeccion sobre la recta generada por a
0
y a
2
en la direcci on de
la recta que contiene a los b
i
, y sea p = f(a
1
). Observa que f(b
0
) = f(b
1
) =
f(b
2
) = b
1
(ver la gura 2.13).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
58 CAP
ITULO 2. AFINIDADES
L
2
L
1
r
p
q
s
t
f
Figura 2.12: La invariancia de la raz on simple por proyecciones implica el Teo-
rema de Thales.
a1
a0
a2
b
0
b
1
b
2
p
Figura 2.13: Otra prueba del Teorema de Menelao.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
2.6. AFINIDADES Y COORDENADAS 59
Dado que f conserva razones simples, tenemos
k
1
:= (b
0
a
1
a
2
) = (b
1
pa
2
), k
2
:= (b
1
a
2
a
0
), k
3
= (b
2
a
0
a
1
) = (b
1
a
0
p)
o, equivalentemente
b
1
a
2
= k
1
b
1
p,
b
1
a
0
= k
2
b
1
a
2
,
b
1
p = k
3
b
1
a
0
,
de modo que
b
1
a
2
= k
1
b
1
p = (k
1
k
3
)
b
1
a
0
= (k
1
k
2
k
3
)
b
1
a
2
, luego k
1
k
2
k
3
= 1.
2.6. Anidades y coordenadas
2.6.1 Comencemos por estudiar c omo es una anidad en coordenadas carte-
sianas. Veremos que siempre es una expresion del tipo f(x) = b +Mx.
Sea f : A
1
A
2
una anidad, y
1
= p;
e
1
, . . . ,
e
n
,
2
= q;
u
1
, . . . ,
u
m
referencias cartesianas de A
1
y A
2
respectivamente. Como ya sabemos,
f(x) = f(p +
px) = f(p) +
f(
px)
Sean (x
1
, . . . , x
n
) las coordenadas de x en
1
, y M = (a
ij
) (donde i =
1, . . . , m, y j = 1, . . . , n) la matriz de
f en las bases B
1
=
e
1
, . . . ,
e
n
de E
1
y
B
2
=
u
1
, . . . ,
u
m
de E
2
(es decir,
f(
e
j
) = a
1j
u
1
+ +a
mj
u
m
).
Entonces las coordenadas de
f(
px) en B
2
son
M x =
_
_
_
a
11
a
1n
.
.
.
.
.
.
a
m1
a
mn
_
_
_
_
_
_
x
1
.
.
.
x
n
_
_
_.
Si b = (b
1
, . . . , b
m
) son las coordenadas de f(p) en
2
, entonces las coorde-
nadas de f(x) en
2
son
_
_
_
x
1
.
.
.
x
m
_
_
_ =
_
_
_
b
1
.
.
.
b
m
_
_
_+
_
_
_
a
11
a
1n
.
.
.
.
.
.
a
m1
a
mn
_
_
_
_
_
_
x
1
.
.
.
x
n
_
_
_,
que tambien se suele escribir
_
_
_
_
_
x
1
.
.
.
x
m
1
_
_
_
_
_
=
_
_
_
_
_
a
11
a
1n
b
1
.
.
.
.
.
.
.
.
.
a
m1
a
mn
b
m
0 0 1
_
_
_
_
_
_
_
_
_
_
x
1
.
.
.
x
n
1
_
_
_
_
_
.
La matriz N =
_
M b
0 1
_
es la matriz de la anidad f en las referencias
1
y
2
. Nota que coordenada a coordenada es:
x
1
= a
11
x
1
+ +a
1n
x
n
+b
1
.
.
.
x
m
= a
m1
x
1
+ +a
mn
x
n
+b
m
_
_
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
60 CAP
ITULO 2. AFINIDADES
Observacion.- Dadas ecuaciones en coordenadas como las anteriores, existe
una aplicacion afn g : A
1
A
2
cuya matriz en las referencias
1
,
2
dadas es
_
_
_
_
_
a
11
a
1n
b
1
.
.
.
.
.
.
.
.
.
a
m1
a
mn
b
m
0 0 1
_
_
_
_
_
. Es decir, que hay una correspondencia 1 1 entre
anidades y ecuaciones del tipo f(x) = b +Mx ( Matrices
_
M b
0 1
_
).
2.6.2 La proposicion siguiente nos asegura que una composicion de anidades
se traduce en coordenadas en un producto de matrices.
Proposici on (a) Sean A
1
, A
2
, A
3
espacios anes con referencias cartesia-
nas
1
,
2
,
3
. Si la matriz de f
1
: A
1
A
2
en
1
y
2
es N =
_
M b
0 1
_
y
la de f
2
: A
2
A
3
en
2
y
3
es L =
_
C d
0 1
_
, entonces f
2
f
1
es anidad
con matriz LN =
_
C d
0 1
__
M b
0 1
_
=
_
CM Cb +d
0 1
_
.
(b) Si f
:
A A es anidad biyectiva con matriz N =
_
M b
0 1
_
en la
referencia cartesiana , entonces f
1
: A A es anidad con matriz N
1
=
_
M b
0 1
_
1
.
Demostracion.- (a) f
2
f
1
(x) = f
2
(f
1
(x)). Si (x
1
, . . . , x
n
) son las coordena-
das en
1
, f(x) tiene coordenadas Mx+b en
2
f
2
(f
1
(x)) tiene coordenadas
C(Mx +b) +d = CMx + (Cb +d) en
3
. Como
LNx =
_
C d
0 1
__
M b
0 1
_
x =
_
CM Cb +d
0 1
_
x = CMx+(Cb+d)
(b) f f
1
= Id tiene como matriz (en cualquier referencia cartesiana) la
identidad.
2.6.3 Nos interesa ahora saber c omo cambian las ecuaciones de una anidad
al cambiar la referencia. La raz on es que hay referencias en las que una anidad
dada tiene un aspecto sencillo, y nos interesar a en lo sucesivo ser capaces de
cambiar de una referencia cualquiera a una de estas.
Ejemplo
Las ecuaciones de la simetra de la gura 2.14 respecto a r +F en direcci on
G en la referencia = 0;
v
1
,
v
2
tienen un aspecto complicado. Sin embargo,
en
= r;
e
1
,
e
2
es inmediato:
f(r) = r coordenadas (0, 0) en
f(
e
1
) =
f(r)f(r +
e
1
) =
r(r +
e
1
) =
e
1
coordenadas (1, 0) en
e
1
,
e
2
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
2.6. AFINIDADES Y COORDENADAS 61
v
E
A
e
F
G
r
r+F
0
e
2
1
1
2
v
Figura 2.14: La referencia O;
v
1
,
v
2
est a mal adaptada a la simetra respecto
a r +F en la direcci on G, pero r;
e
1
,
e
2
est a bien adaptada.
f(
e
2
) =
f(r)f(r +
e
2
) =
r(r
e
2
) =
e
2
coordenadas (0, 1) en
e
1
,
e
2
.
Luego la matriz de f en
2
es
_
_
1 0 0
0 1 0
0 0 1
_
_
. Es decir, si (y
1
, y
2
) son
coordenadas de un punto en
2
, (y
1
, y
2
) son las coordenadas (en
2
) de su
imagen por f.
En general:
Sea f : A
1
A
2
anidad de ecuaci on x = b + Mx en las referencias carte-
sianas
1
= p;
e
1
, . . . ,
e
n
de A
1
y
2
= q;
u
1
, . . . ,
u
m
de A
2
.
Sean
1
= p
e
1
, . . . ,
e
n
2
= q
u
1
, . . . ,
u
m
1
y
2
:
A
1,R1
f
A
2,R2
Id
A1
Id
A2
A
1,R
1
f
A
2,R
2
Si las ecuaciones de Id
A1
: A
1,R
1
A
1,R1
(cambio de referencia en A
1
) son x =
c+Rx
, las de f : A
1,R1
A
2,R2
son x = b+Mx y las de Id
A2
: A
2,R2
A
2,R
2
son x
1
A
2,R
2
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
62 CAP
ITULO 2. AFINIDADES
son
_
x
1
_
=
_
T a
0 1
__
M b
0 1
__
R c
0 1
__
x
1
_
=
_
TMR a +T(b +Mc)
0 1
__
x
1
_
.
2.6.4 Ejemplo.- Simetra sobre la recta x 3y +3 = 0 de 1
2
, en la direcci on
ortogonal a ella. Sean = o;
u
1
,
u
2
,
= r;
v
1
,
v
2
, donde o = (0, 0), r =
(6, 3),
v
1
=
3
2
u
1
+
1
2
u
2
, y
v
2
=
1
2
u
1
+
3
2
u
2
(ver la gura 2.15).
u
2
u
1
o
r
L
A
E
E
1
E
1
v
1
v
2
Figura 2.15: Ejemplo de cambio de referencia para una simetra en 1
2
.
Vimos que las ecuaciones de f en
son
_
_
y
1
y
2
1
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
x
1
x
2
1
_
_
.
Describimos
en funci on de :
or6
u
1
+ 3
u
2
,
v
1
=
3
2
u
1
+
1
2
u
2
,
v
2
=
1
2
u
1
+
3
2
u
2
Luego Id : A
R
A
R
tiene ecuaci on
_
_
x
1
x
2
1
_
_
=
_
_
_
_
_
_
_
_
3
2
1
2
6
1
2
3
2
3
0 0 1
_
_
_
_
_
_
_
_
_
_
x
1
x
2
1
_
_
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
2.7. VARIEDADES INVARIANTES 63
Al contrario,
_
_
x
1
x
2
1
_
_
=
_
_
_
_
_
_
_
_
3
2
1
2
6
1
2
3
2
3
0 0 1
_
_
_
_
_
_
_
_
1
_
_
x
1
x
2
1
_
_
=
_
_
_
_
_
_
_
_
3
5
1
5
21
5
1
5
3
5
3
5
0 0 1
_
_
_
_
_
_
_
_
_
_
x
1
x
2
1
_
_
.
Luego la ecuaci on de f en es
_
_
y
1
y
2
1
_
_
=
_
_
_
_
_
_
_
_
3
2
1
2
6
1
2
3
2
3
0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
3
5
1
5
21
5
1
5
3
5
3
5
0 0 1
_
_
_
_
_
_
_
_
_
_
x
1
x
2
1
_
_
=
_
_
_
_
_
_
_
_
4
5
3
5
3
5
3
5
4
5
9
5
0 0 1
_
_
_
_
_
_
_
_
_
_
x
1
x
2
1
_
_
,
o
_
y
1
y
2
_
=
_
_
_
_
3
5
9
5
_
_
_
_
+
_
_
_
_
4
5
3
5
3
5
4
5
_
_
_
_
_
x
1
x
2
_
.
2.7. Variedades Invariantes
2.7.1 Las variedades invariantes de una anidad f son aquellas a las que se
puede restringir f, dado que la imagen de todos los puntos de la variedad queda
dentro de ella. Es decir:
Denicion Dada f : A A aplicacion, una variedad lineal q + F es
invariante por f si f(q +F) q +F.
2.7.2 Observa que si
v F, f(q +
v ) = f(q) +
f(
v ).
As que si f(q) q + F, f(q +
v ) q + F
f(
v ) =
f(q)f(q +
v ) F.
Luego
f(F) F, es decir, F es un subespacio vectorial invariante por
f.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
64 CAP
ITULO 2. AFINIDADES
En particular, para un subespacio unidimensional F =
u ), si q + F es
invariante por f entonces
u es autovector de
f. El recproco no es cierto: no
toda recta p +
v ) donde
v sea autovector de
F queda invariante. Hace falta
ademas que
pf(p)
v ).
dim n 1; hiperplanos invariantes de una anidad biyectiva:
Si las ecuaciones de f son
x
1
= a
11
x
1
+ +a
1n
x
n
+b
1
.
.
.
x
n
= a
n1
x
1
+ +a
nn
x
n
+b
n
_
_
,
el hiperplano : c
1
x
1
+ c
n
x
n
+c = 0 es invariante si
n
i=1
c
i
x
i
= c
1
(b
1
+
n
i=1
a
1i
x
i
) + +c
n
(b
n
+
n
i=1
a
ni
x
i
) +c
= (
n
i=1
c
i
a
i1
)x
1
+ + (
n
i=1
c
i
a
in
)x
n
+ (
n
i=1
c
i
b
i
) +c = 0,
que es la ecuaci on de f
1
(), es una ecuaci on que dene el mismo plano que ,
i.e. si
c
1
c
1
a
11
+ +c
n
a
n1
= =
c
n
c
1
a
1n
+ +c
n
a
nn
=
c
c
1
b
1
+ +c
n
b
n
+c
.
2.7.6 Ejemplo.- Sea f : A A de ecuaciones
_
x = 2x + 1
y = 3x +y 1
Los puntos jos de f son las soluciones de
x = 2x + 1
y = 3x +y 1
_
,
es decir x = 1/3 (recta de puntos jos).
Rectas invariantes:
0 = det
__
2 0
3 1
_
I
_
= det
_
2 0
3 1
_
= ( 1)( + 2)
= 1, 2 autovalores.
Autovectores para = 1: E
1
= ker(
x = 0, as que E
1
= (0, 1)).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
66 CAP
ITULO 2. AFINIDADES
Autovectores para = 2: E
2
= ker(
qf(q) E
1
3x
0
+ 1 = 0 x
0
= 1/3
qf(q) E
2
3x
0
+ 1 = 3x
0
+ 1 x
0
arbitrario
De modo que la unica recta invariante en la direcci on de E
1
es x = 1/3. Las
rectas invariantes en direcci on E
2
son cualquier q+F con F = E
2
= (1, 1)).
Hiperplanos invariantes: Sea ax + by + c = 0 la ecuaci on de un hiperplano
invariante. Entonces
0 = a x +b y +c
= a(2x + 1) +b(3x +y 1) +c
= (2a + 3b)x +by + (a b +c)
a
2a + 3b
=
b
b
=
c
a b +c
Si b ,= 0, se tiene
a
2a + 3b
= 1 a = b. Es un hiperplano paralelo a (1, 1)
(y como c es arbitrario, es cualquiera de ellos).
Si b = 0 (por tanto a ,= 0), entonces
a
2a
=
c
a +c
1
2
=
c
a +c
a c = 2c c =
a
3
. Es decir, ax =
a
3
x =
1
3
.
En este ejemplo en que dim(A) = 2, los hiperplanos son rectas. Por supuesto,
los c alculos que hemos hecho para calcular las rectas invariantes y los hiperpla-
nos invariantes han arrojado, como no poda ser de otro modo, los mismos
resultados.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Ejercicios de Geometra
Afn
1. Calcula la dimensi on del subespacio afn de 1
5
generado por los puntos:
p
1
= (1, 2, 1, 0, 4), p
2
= (0, 1, 3, 5, 1),
p
3
= (4, 2, 0, 0, 3), p
4
= (3, 1, 2, 5, 2).
2. Considera la familia de planos 2x +( +1)y 3(1)z +24 = 0 en
1
3
.
a. Demuestra que estos planos tienen una recta en com un.
b. Determina los planos de esta familia que pasan por el punto (1, 1, 2).
c. Determina los planos de esta familia que son paralelos a la recta
L = x + 3z 1 = 0 , y 5z + 2 = 0
3. Sea un n umero real. Considera los puntos de 1
3
: a = (, 0, 0), b =
(1, 2, 1), c = (1, 0, 1) y d = (2, 2, ), y los conjuntos:
S
1
= a, b, S
2
= a, b, c, S
3
= a, b, d.
a. Halla las ecuaciones implcitas de los subespacios anes engendrados por
S
1
S
2
y S
3
.
b. Estudia la posicion relativa de los subespacios anteriores en funci on de
y calcula su dimensi on.
4. Sea M la variedad lineal de 1
4
engendrada por los puntos: p
0
= (1, 0, 0, 0),
p
1
= (2, 1, 0, 0), p
2
= (3, 1, 0, 0), p
3
= (4, 2, 0, 0). Sea L la variedad lineal de
ecuaciones parametricas
x
1
= 2 + 5, x
2
= + 1, x
3
= + 1, x
4
= + 1 .
Halla las ecuaciones implcitas de L+M y de LM y comprueba que se verica
la formula de Grassmann.
67
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
68
5. Estudia la dependencia afn de los puntos de 1
3
: a
1
= (1, 0, 1), a
2
=
(4, 3, 2), a
3
= (2, 1, 0). Halla las ecuaciones vectoriales, parametricas, implci-
tas del subespacio afn que engendran.
6. En 1
4
se considera los puntos de coordenadas q
0
= (1, 0, 3, 1), q
1
=
(1, 1, 3, 0), q
2
= (0, 1, 1, 0). Sea N el subespacio afn de 1
4
que engendran.
a. Estudia la dependencia afn de q
0
, q
1
y q
2
. Halla la dimensi on de N.
b. Halla las ecuaciones parametricas e implcitas de N.
7. Considera el subespacio vectorial W de (1
4
)
1
= (0, 1, 2, 0), v
2
= (0, 1, 0, 3), v
3
= (1, 0, 0, 4).
Determina las ecuaciones parametricas del subespacio afn de 1
4
que pasa por
el punto (1, 1, 1, 1) y tiene como direcci on W
= Ann(W), dual de W
8. Sea A
4
(K) un espacio afn de dimensi on 4 sobre el cuerpo K. Sea
0
un sistema de referencia cartesiano en A
4
(K). Considera los hiperplanos de
ecuaci on (respecto de
0
)
1
: 1 +x +y +z +t = 0,
2
: 2 +x y +z t = 0,
y el punto p = (1, 1, 1, 4).
a. Verica que p
1
, y halla un sistema de referencia afn, , de
1
que
no tenga ninguno de sus puntos en el hiperplano
2
.
b. Fijado el sistema de referencia del apartado anterior, halla las ecuacio-
nes de la variedad lineal de dimensi on 2 que pasa por p, est a contenida en
1
, y
es paralela a
1
2
.
9. Considera los puntos de 1
3
: p
0
= (0, 0, 1), p
1
= (0, 1, 0), p
2
= (0, 0, 0),
p
3
= (1, 0, 0), q
0
= (2, 1, 1), q
1
= (1, 0, 1), q
2
= (1, 1, 0), q
3
= (0, 0, 1).
a. Demuestra que = p
0
, p
1
, p
2
, p
3
y
= q
0
, q
1
, q
2
, q
3
son referencias
anes de 1
3
.
b. Halla las ecuaciones del cambio de coordenadas cartesianas de la referencia
a la referencia
.
c. Halla las ecuaciones del cambio de coordenadas baricentricas de la refe-
rencia a la referencia
.
10. Considera los siguientes puntos de 1
4
:
a = (1, 2, 3, 1), b = (0, 0, 1, 5), c = (3, 1, 5, 0).
Halla la ecuaci on del haz de hiperplanos que tiene como base el plano determi-
nado por los puntos a, b y c.
11. En el espacio afn real 1
3
se consideran las rectas:
L
1
= x +y +z = 0 , x + 2y = 0 , L
2
= 2x + 2y +z = 3 , x +y = 2
L
3
= 3x + 2y + 2z = 2 , 2x +y +z = 0.
a. Demuestra que se cruzan dos a dos y que existe un plano paralelo a las
tres rectas.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
69
b. Demuestra que toda recta que corte a las tres es paralela a un plano jo,
y determinar ese plano.
12. Halla las ecuaciones de la homotecia de 1
4
de centro el punto O =
(1, 3, 1, 1) y raz on 2.
13. Halla las ecuaciones de la anidad denida por los pares de puntos:
p
1
= (0, 0), p
1
= (3, 6); p
2
= (1, 2), p
2
= (22, 48); p
3
= (2, 2), p
3
= (11, 28).
Determina los puntos jos de esta aplicacion afn.
14. Halla las ecuaciones de la aplicacion afn que transforma los puntos
del sistema de referencia baricentrico = p
0
, p
1
, p
2
, p
3
en los puntos q
0
=
(2, 3, 1, 1), q
1
= (1, 2, 0, 2), q
3
= (0, 4, 1, 2), y q
4
= (3, 9, 2, 5) respecti-
vamente, donde las coordenadas de los puntos q
i
est an referidas al sistema de
referencia baricentrico .
15. Considera una referencia afn R = O; u
1
, u
2
, u
3
en 1
3
, y la anidad
f de ecuaciones:
x
=
1
2
(x +y +z + 1)
y
= x + 2y +z + 1
z
=
1
2
(3x 3y z 3)
.
a. Demuestra que la aplicacion as denida es una proyeccion.
b. Halla la variedad de puntos jos de f.
c. Halla la direcci on de proyeccion de f.
16. En el espacio afn 1
3
considera la anidad de ecuaciones:
x
= 2 x +y z
y
= 1 + 2x + 2y + 2z
z
= 1 2z
Encuentra las guras transformadas del plano x +y z = 2 y de la circun-
ferencia x
2
+ y
2
= 1, z = 0, y comprueba que transforma rectas paralelas en
rectas paralelas. Calcula sus puntos jos.
17. En el espacio afn 1
3
considera la anidad dada en la referencia =
O; u
1
, u
2
, u
3
por:
x
= 2 x +y z
y
= 1 +x +y +z
z
= x 2z
a. Halla las ecuaciones de la gura en la que se transforma la elipse de
ecuaci on 9x
2
+ 4y
2
= 36 en el plano z = 2.
b. Halla las ecuaciones de la anidad en la referencia
= O
; u
1
, u
2
, u
3
,
donde O
= (0, 3, 2), u
1
= (1, 0, 1), u
2
= (0, 1, 1), u
3
= (0, 0, 1) respecto a la
referencia .
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
70
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Problemas de Geometra
Afn
1. Sea (A, E, ) un espacio afn, donde E es un espacio vectorial de dimensi on
nita sobre un cuerpo ordenado K. Un subconjunto B A se dice convexo si
para todo par de puntos p, q B el segmento de extremos p y q est a contenido
en B. Demuestra que todo subespacio afn es convexo.
2. Considera el plano afn A
2
(F
3
) sobre el cuerpo F
3
.
a. Calcula cuantos puntos y rectas hay en A
2
(F
3
). Calcula el cardinal de
una recta.
b. Calcula el n umero de rectas paralela a una dada, y el n umero de haces
de rectas paralelas que hay en A
2
(F
3
).
3. En el plano afn 1
2
se considera el triangulo abc y con relacion a el los
sistemas de referencia:
= a;
ab, ac, y
= b;
ba,
bc.
a. Halla las ecuaciones que permiten pasar de a
.
b. Determina el conjunto de puntos del plano que tienen las mismas coor-
denadas respecto a los dos sistemas de referencia.
4. Considera en 1
2
el sistema de referencia = O; u
1
, u
2
y, respecto de
el, el conjunto de puntos cuyas coordenadas satisfacen la ecuaci on:
() 6x
2
5xy +y
2
= 1 .
Sea
= O; v
1
, v
2
con v
1
= u
1
+u
2
, v
2
= u
1
+u
2
, donde ,= 0.
Determina los valores de , , para que en el sistema de referencia
el
conjunto de puntos que satisfacen () sean los puntos que verican la ecuaci on
x
= 1, donde x
, y
.
5. Considera las rectas del plano afn real 1
2
de ecuaciones (respecto de un
sistema de referencia cartesiano dado):
L
1
: 3x + 2y = 1, L
2
: y = 5, L
3
: 6x +y = 13.
71
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
72
Halla los triangulos de vertices a, b, c que tienen sus medianas
***
paralelas
a estas rectas, el vertice a sobre la recta L
1
y el (1, 2) como punto medio del
lado bc.
6. Considera un triangulo abc del plano afn real 1
2
, y tres puntos a
, b
, c
sobre los lados bc, ca, ab, respectivamente. Encuentra una condicion necesaria
y suciente para que los triangulos abc y a
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
= 0 .
es una condicion necesaria para que las tres rectas sean concurrentes (es decir,
se corten las tres en el mismo punto).
Da un ejemplo de tres rectas no concurrentes que veriquen ().
Supongamos que se da la condicion ().Que condicienes geometricas y al-
gebraicas han de vericarse para que las tres rectas sean concurrentes?
8. Sea E un K-espacio vectorial, y (A, E, ) un espacio afn sobre K. Dados
tres puntos alineados a
1
, a
2
, a
3
de A , se llama raz on simple de a
1
, a
2
, a
3
, y se
escribe (a
1
a
2
a
3
), al escalar K tal que
a
1
a
3
= a
1
a
2
.
La raz on simple est a denida siempre que a
1
,= a
2
, es 0 si a
1
= a
3
, y es 1 si
a
2
= a
3
.
a. Si a
2
,= a
3
y (, ) son las coordenadas baricentricas de a
1
en el sistema
de referencia a
2
, a
3
, demuestra que (a
1
a
2
a
3
) = /.
b. Supongamos que K = 1. Demuestra que el punto a
1
est a en el segmento
que une a
2
con a
3
, si y solo si (a
1
a
2
a
3
) < 0.
c. Sean p
0
, p
1
, p
2
tres puntos distintos de C. Da una condicion necesaria y
suciente en funci on de su raz on simple para que formen un triangulo equilatero.
9. Sea (A, E, ) un espacio afn. Sea f : A A una simetra. Demuestra
que existen una variedad lineal A
1
de A y un subespacio vectorial F de E,
complementario de L(A
1
)
****
en E, tal que si es la proyeccion de A sobre A
1
paralelamente a F entonces
*****
f = 2 id
A
.
10. Sea = p
0
, . . . , p
n
una referencia baricentrica de un espacio afn
(A, E, ). Considera r puntos q
1
, . . . , q
r
en A, y (
i,0
, . . . ,
i,n
) las coordenadas
baricentricas de q
i
en la referencia . Considera la matriz = (
i,j
). Demuestra
***
Mediana: recta que conecta un vertice con el punto medio del lado opuesto.
****
L(A
1
) denota el subespacio vectorial asociado a la variedad lineal A
1
.
*****
id
A
denota la aplici on identidad de A.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
73
que para que el subespacio afn engendrado por q
1
, . . . , q
r
tenga dimensi on r1,
es condicion necesaria y suciente que la matriz tenga rango r.
11. Sean L
1
y L
2
dos rectas que se cruzan en 1
3
. Determina el lugar
geometrico de las im agenes de un punto dado p 1
3
, por todas las anida-
des que tienen a L
1
como recta de puntos jos y a L
2
como recta invariante.
12. Demuestra que existe una unica anidad en un plano afn que transforma
cada uno de los vertices de un triangulo dado en el punto medio del lado opuesto.
Estudia esta anidad.
13. Sea f una anidad de un espacio afn real.
a. Demuestra que si f
2
tiene alg un punto jo, entonces f tambien.
b. Demuestra que si existe un n umero natural n tal que f
n
tiene un punto
jo, entonces f tambien.
14. Sea A un espacio afn de dimensi on 1 sobre un cuerpo K. Clasica las
anidades de A. Si K = F
3
, da una lista de las anidades de A.
15. Sea A un espacio afn de dimensi on 2 sobre un cuerpo K. Clasica las
anidades de A en funci on de su conjunto de puntos jos. Da una interpretaci on
geometrica de cada tipo de anidad.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
74
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Parte II
Geometra Eucldea
75
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
77
Hasta ahora hemos estudiado geometra afn, i.e. aquellas caractersticas
geometricas que se denen intrnsecamente en funci on de la estructura afn
(colinearidad, paralelismo, intersecciones, baricentros).
Pero por ahora no hemos estudiado cosas que, en el lenguaje com un, aso-
ciamos intuitivamente con la geometra: por ejemplo, distancias y angulos. La
raz on es que la estructura de espacio afn no contiene de forma natural esos con-
ceptos: hay que poner mas estructura. En el proximo captulo vamos a introducir
la estructura necesaria, incorporandola a la estructura de espacio vectorial (y
por tanto a la de espacio afn).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
78
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Captulo 3
Espacios vectoriales
eucldeos y unitarios
3.1. Formas bilineales
3.1.1 Partimos de un objeto que va a resultar fundamental:
Denicion Sea E un espacio vectorial sobre 1. Una aplicacion : EE
1 es una forma bilineal si cumple:
i) (
u
1
+
u
2
,
v ) = (
u
1
,
v ) +(
u
2
,
v )
u
1
,
u
2
,
v E.
(k
u ,
v ) = k(
u ,
v ) k 1,
u ,
v E.
ii) (
u ,
v
1
+
v
2
) = (
u ,
v
1
) +(
u ,
v
2
)
u ,
v
1
,
v
2
E.
(
u , k
v ) = k(
u ,
v ) k 1,
u ,
v E.
3.1.2 Ejemplo.- E = 1
2
.
La aplicacion
1
: 1
2
1
2
1
((x
1
, x
2
), (y
1
, y
2
)) 3x
1
y
1
+ 4x
1
y
2
2x
2
y
2
es bilineal. Sin embargo
2
: 1
2
1
2
1
((x
1
, x
2
), (y
1
, y
2
)) x
2
1
y
2
+ 3x
1
y
1
6x
2
y
1
no lo es (la comprobaci on de ambas cosas queda como ejercicio).
3.1.3 Las aplicaciones bilineales se pueden describir con matrices. En el ejem-
plo anterior, tenemos
(x, y) = 3x
1
y
1
+ 4x
1
y
2
2x
2
y
2
= (x
1
, x
2
)
_
3 4
0 2
__
y
1
y
2
_
.
79
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
80 CAP
IDEOS Y UNITARIOS
De hecho, siempre existe una expresion matricial como esa:
Proposici on Sea
e
1
, . . . ,
e
n
base del 1espacio vectorial E:
i) Sea bilineal. La matriz B = (b
ij
), donde b
ij
= (
e
i
,
e
j
) determina . En
concreto, si
x = x
1
e
1
+ +x
n
e
n
,
y = y
1
e
1
+ +y
n
e
n
, entonces
(
x ,
y ) = (x
1
, . . . , x
n
)B
_
_
_
y
1
.
.
.
y
n
_
_
_ = x
t
By.
ii) Dada una matriz B = (b
ij
) cualquiera, bilineal tal que (
e
i
,
e
j
) = b
ij
.
Demostracion.- i) Calculamos:
(
x ,
y ) =
_
_
n
i=1
x
i
e
i
,
n
j=1
y
j
e
j
_
_
=
n
i=1
x
i
_
_
e
i
,
n
j=1
y
j
e
j
_
_
=
n
i=1
x
i
_
_
n
j=1
y
j
b
ij
_
_
= (x
1
, . . . , x
n
)B
_
_
_
y
1
.
.
.
y
n
_
_
_
ii) Basta denir (x, y) = x
t
By y ver que es bilineal (y, obviamente, que su
matriz es B).
3.1.4 Como se comporta una forma bilineal con un cambio de base? Ve amoslo
en el primer ejemplo de 3.1.2. Tenamos con matriz B =
_
3 4
0 2
_
en cierta
base B =
e
1
,
e
2
.
Sea B
v
1
,
v
2
nueva base, donde
v
1
= 2
e
1
e
2
,
v
2
=
e
1
+
e
2
.
Cual es la matriz C de en B
?
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
3.1. FORMAS BILINEALES 81
c
11
= (
v
1
,
v
1
) = (2, 1)
_
3 4
0 2
__
2
1
_
= (6, 10)
_
2
1
_
= 2
c
12
= (
v
1
,
v
2
) = (2, 1)
_
3 4
0 2
__
1
1
_
= (6, 10)
_
1
1
_
= 16
c
21
= (
v
2
,
v
1
) = (1, 1)
_
3 4
0 2
__
2
1
_
= (3, 2)
_
2
1
_
= 4
c
22
= (
v
2
,
v
2
) = (1, 1)
_
3 4
0 2
__
1
1
_
= (3, 2)
_
1
1
_
= 5
Luego la matriz es
_
2 16
4 5
_
. Observa que
C = P
t
BP,
donde P =
_
2 1
1 1
_
es la matriz de cambio de base.
La formula general es exactamente esta. Hay que recalcar que sale P
t
y no
P
1
como en el caso de las aplicaciones lineales.
3.1.5 Denicion Una forma bilineal es simetrica si (
u ,
v ) = (
v ,
u )
u ,
v E.
Por ejemplo, la forma bilineal de la secci on 3.1.3 no es simetrica, puesto
que (
e
1
,
e
2
) = 4, (
e
2
,
e
1
) = 0.
3.1.6 De hecho, el ser o no forma bilineal simetrica puede detectarse mirando
la matriz:
Proposici on Una forma bilineal es simetrica si y s olo si su matriz es
simetrica (es decir, si B = B
t
).
La demostracion es un ejercicio sencillo.
3.1.7 De entre todas las formas bilineales, nos van a interesar especialmente
aquellas que cumplen una propiedad adicional que va a resultar fundamental
para nuestros prop ositos:
Denicion Una forma bilineal en el 1- espacio vectorial E es denida
positiva si cumple (
u ,
u ) 0
u E, y ademas (
u ,
u ) = 0
u =
0 .
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
82 CAP
IDEOS Y UNITARIOS
3.2. Espacios vectoriales eucldeos
3.2.1 Podemos denir ya la nocion que nos va a permitir introducir la estruc-
tura que buscamos:
Denicion Un producto escalar es una forma bilineal simetrica denida
positiva.
Ejemplos
La forma bilineal de matriz
_
3 4
0 2
_
no es simetrica.
La forma de matriz
_
3 4
4 2
_
es simetrica, pero no denida positiva:
Puesto que (
x ,
y ) = 3x
1
y
1
+ 4x
1
y
2
+ 4x
2
y
1
2x
2
y
2
(
x ,
x ) = 3x
2
1
+
8x
1
x
2
2x
2
2
. Por ejemplo para
u = (0 1) se tiene (
u ,
u ) = 2 < 0.
M as adelante daremos un criterio para determinar cuando una forma bilineal
simetrica es denida positiva.
3.2.2 Tener un producto escalar nos va a permitir hablar de perpendicularidad,
y mas adelante tambien de distancias:
Denicion Sea un producto escalar. Decimos que
u ,
v son ortogonales
(respecto a ) si (
u ,
v ) = 0.
Ejemplo.- Sea B =
e
1
,
e
2
la base usual de 1
2
, y
1
(
x ,
y ) = x
1
y
1
+x
2
y
2
el producto escalar usual expresado en coordenadas en dicha base.
La matriz de
1
en B es B =
_
1 0
0 1
_
, que es simetrica. Ademas
1
(
x ,
x ) =
x
1
2
+x
2
2
0 y vale 0 si y solo si x
1
= x
2
= 0 (denida positiva).
Observa que
1
(
e
1
,
e
1
) = 1
1
(
e
2
,
e
2
) = 1
1
(
e
1
,
e
2
) = 0
las dos primeras igualdades suelen expresarse diciendo que los vectores de la
base son unitarios. Cuando los vectores de la base son ortogonales dos a dos, se
dice que es una base ortonormal, y si ademas son unitarios se dice que es una
base ortonormal.
Sin embargo, sea ahora
2
(
x ,
y ) = 2x
1
y
1
+x
1
y
2
+x
2
y
1
+x
2
y
2
. La matriz
de
2
en B es
_
2 1
1 1
_
(que es simetrica). Ademas
2
(
x ,
x ) = 2x
1
2
+2x
1
x
2
+
x
2
2
= (x
1
+x
2
)
2
+x
1
2
0 y vale 0 si y solo si x
1
= x
2
= 0 (denida positiva).
Ahora
2
(
e
1
,
e
2
) = (1, 0)
_
2 1
1 1
__
0
1
_
= (2, 1)
_
0
1
_
= 1. As que
e
1
y
e
2
no son ortogonales respecto a
2
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
3.2. ESPACIOS VECTORIALES EUCL
IDEOS 83
3.2.3 Como ya hemos visto, una misma base puede ser ortogonal para unos
productos y no serlo para otros. Sin embargo siempre se puede modicar una
base dada para construir a partir de ella otra que s que sea ortonormal. Estudia-
remos el procedimiento para hacerlo, llamado metodo de Gram-Schmidt ; para
ello necesitamos un resultado previo.
Lema Si
v
1
, . . . ,
v
k
son vectores no nulos y ortogonales dos a dos respecto
de un producto escalar cualquiera , entonces
v
1
, . . . ,
v
k
son linealmente in-
dependientes.
Demostracion.- Supongamos
j
v
j
=
0 . Entonces, para 0 i k se
tiene
(
v
j
,
v
i
) =
j
(
v
j
,
v
i
) =
i
(
v
i
,
v
i
)
[[
(
0 ,
v
i
)
[[
0
y como (
v
i
,
v
i
) > 0 por ser denida positiva, se sigue que
i
= 0 para
i = 1, . . . , k.
3.2.4 Proposici on [Metodo de Gram-Schmidt] Sea E espacio vectorial
de dimensi on nita n sobre 1, con un producto escalar . Existe una base de E
que es ortonormal respecto a .
Demostracion.- Sea
e
1
, . . . ,
e
n
base cualquiera de E. Tomamos los sub-
espacios
E
1
=
e
1
) E
2
=
e
1
,
e
2
) E
n
=
e
1
, . . . ,
e
n
) = E,
y vamos a ir construyendo una base ortonormal de cada uno de ellos.
En E
1
, basta tomar
u
1
=
e
1
_
(
e
1
,
e
1
)
para que la base
u
1
sea ortonormal
(la condicion de ortogonalidad es ahora vaca).
En E
2
=
e
1
,
e
2
) tomamos
u
2
=
e
2
k
u
1
para un k que vamos a elegir para
que
u
1
y
u
2
u
1
,
u
2
) = (
u
1
,
e
2
) k(
u
1
,
u
1
) = (
u
1
,
e
2
) k,
por lo que si tomamos k = (
u
1
,
e
2
) nos aseguramos que
u
1
y
u
2
son ortogonales
(y, en particular, linealmente independientes). Si normalizamos tomando ahora
u
2
=
u
2
u
2
u
2
)
, tenemos
u
1
,
u
2
) = E
2
, y de hecho que
u
1
,
u
2
es una base
ortonormal de E
2
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
84 CAP
IDEOS Y UNITARIOS
Seguimos este proceso de modo recurrente. Si ya hemos construido de este
modo
u
1
, . . . ,
u
r
(base ortonormal de E
r
), c omo seguimos?:
Sea
u
r+1
=
e
r+1
k
1
u
1
k
r
u
r
. Imponemos condiciones de ortogona-
lidad:
0 = (
u
r+1
u
1
) = (
e
r+1
,
u
1
) k
1
tomamos k
1
= (
e
r+1
,
u
1
)
.
.
.
0 = (
u
r+1
u
r
) = (
e
r+1
,
u
r
) k
r
tomamos k
r
= (
e
r+1
,
u
r
),
es decir, k
j
= (
e
r+1
,
u
j
) para j = 1, . . . , r.
Finalmente denimos
u
r+1
=
u
r+1
u
r+1
u
r+1
)
, y
u
1
, . . . ,
u
r+1
es base or-
tonormal de E
r+1
.
3.2.5 Una consecuencia directa es:
Corolario Una forma bilineal es un producto escalar si y s olo si existe
una base en la que la matriz de es la identidad.
Demostracion.- Si es producto escalar, se puede construir una base or-
tonormal por Gram-Schmidt. En dicha base, la matriz de es la identidad. La
implicacion recproca es un ejercicio sencillo.
3.2.6 El corolario anterior no da, sin embargo, un criterio practico para decidir
si una forma bilineal dada es o no un producto escalar. En la practica usamos
el conocido:
Proposici on [Criterio de Sylvester] Sea forma bilineal con matriz B
en la base
e
1
, . . . ,
e
n
.
Sea B
r
el menor de B formado por las r primeras las y columnas de B,
Entonces es producto escalar si y s olo si B es simetrica y det B
r
> 0 r.
Demostracion.- Supongamos que es producto escalar. Tomemos el sub-
espacio E
r
=
e
1
, . . . ,
e
r
) y sea
r
la restriccion de a E
r
E
r
,
r
: E
r
E
r
1
(
u ,
v ) (
u ,
v )
Claramente
r
es un producto escalar en E
r
. Por tanto, existe una base
ortonormal
u
1
, . . . ,
u
r
de E
r
. Sea P la matriz de cambio de coordenadas en la
base
u
1
, . . . ,
u
r
a coordenadas en la base
e
1
, . . . ,
e
r
. Entonces Id = P
t
BP,
luego 1 = det(Id) = det(B
r
) [det(P)]
2
, por lo que det B
r
> 0.
Recprocamente, supongamos B bilineal y la condicion en los menores. Para
comprobar que es producto escalar, vamos a construir una base
u
1
, . . . ,
u
n
en la que (
u
i
,
u
j
) = 1 si i = j y 0 si no. En esa base, la matriz de sera la
identidad, as que por el corolario 3.2.5 sera producto escalar.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
3.2. ESPACIOS VECTORIALES EUCL
IDEOS 85
Primero notamos que (
e
1
,
e
1
) = b
11
= det B
1
> 0. Por tanto existe
_
(
e
1
,
e
1
), y podemos tomar
u
1
=
e
1
_
(
e
1
,
e
1
)
, que es base de E
1
=
e
1
).
Procedemos ahora por induccion, igual que en Gram-Schmidt:
Si
u
1
, . . . ,
u
r
son base de
e
1
, . . . ,
e
r
) tal que (
u
i
,
u
j
) = 1 si i = j y
0 si no, el vector
u
r+1
=
e
r+1
(k
1
u
1
+ + k
r
u
r
) con k
i
= (
e
r+1
,
u
i
) es
ortogonal(aunque a un es pronto para usar el termino con propiedad) a cada
uno de los
u
1
, . . . ,
u
r
.
Si probamos que (
u
r+1
u
r+1
u
r+1
=
u
r+1
_
(
u
r+1
u
r+1
)
nos sirve para ampliar la base que tenemos.
Pero
(
u
r+1
u
r+1
) = (
e
r+1
k
1
u
1
k
r
u
r
,
e
r+1
k
1
u
1
k
r
u
r
))
= (
e
r+1
,
e
r+1
)
i
k
i
(
e
r+1
,
u
i
)
i
k
i
(
u
i
,
e
r+1
) +
i
k
2
i
= (
e
r+1
,
e
r+1
)
i
(
u
i
,
e
r+1
)(
e
r+1
,
u
i
)
=
1 0 (
u
1
,
e
r+1
)
.
.
.
.
.
.
.
.
.
.
.
.
0 1 (
u
r
,
e
r+1
)
(
e
r+1
,
u
1
) (
e
r+1
,
u
r
) (
e
r+1
,
e
r+1
)
u
1
, . . . ,
u
r
,
e
r+1
y se obtiene por tanto
de la matriz B
r+1
por un cambio de base. As que es de la forma P
t
B
r+1
P,
y su determinante es (det B
r+1
)[ det P[
2
, que es estrictamente positivo porque
det B
r+1
lo es y P es no singular.
3.2.7 Ejemplo.- Sea la forma bilineal en 1
3
que tiene matriz
_
_
2 1 1
1 1 0
1 0 3
_
_
en la base canonica.
Vemos que es forma bilineal simetrica. Los menores principales de la matriz
son [2[ > 0,
2 1
1 1
= 1 > 0, y
2 1 1
1 1 0
1 0 3
IDEOS Y UNITARIOS
Para calcular una base ortonormal, aplicamos Gram-Schmidt a la base canoni-
ca
e
1
,
e
2
,
e
3
, con
e
1
= (1, 0, 0),
e
2
= (0, 1, 0) y
e
3
= (0, 0, 1):
(
e
1
,
e
1
) = (1, 0, 0)
_
_
2 1 1
1 1 0
1 0 3
_
_
_
_
1
0
0
_
_
= 2
Tomo
u
1
=
1
e
1
=
_
1
2
, 0, 0
_
. Despues
u
2
=
e
2
k
1
u
1
con
k
1
= (
e
2
,
u
1
) = (0, 1, 0)
_
_
2 1 1
1 1 0
1 0 3
_
_
_
_
1/
2
0
0
_
_
=
1
2
,
con lo que
u
2
= (0, 1, 0)
1
2
_
1
2
, 0, 0
_
=
_
1
2
, 1, 0
_
.
Como
(
u
2
u
2
) = (1/2, 0, 0)
_
_
2 1 1
1 1 0
1 0 3
_
_
_
_
1/2
0
0
_
_
=
1
2
,
normalizando tenemos
u
2
=
u
2
=
_
2
2
,
2, 0
_
.
Del mismo modo
u
3
=
e
3
k
1
u
1
k
2
u
2
, donde
k
1
= (
e
3
,
u
1
) = (0, 0, 1)
_
_
2 1 1
1 1 0
1 0 3
_
_
_
_
1/
2
0
0
_
_
=
1
2
k
2
= (
e
3
,
u
2
) = (0, 0, 1)
_
_
2 1 1
1 1 0
1 0 3
_
_
_
_
2/2
2
0
_
_
=
2
2
de modo que
u
3
= (0, 0, 1) +
1
2
_
1
2
, 0, 0
_
2
2
_
2
2
,
2, 0
_
= (0, 0, 1) +
_
1
2
, 0, 0
_
+
_
1
2
, 1, 0
_
= (1, 1, 1).
Para normalizar, calculamos
(
u
3
u
3
) = (1, 1, 1)
_
_
2 1 1
1 1 0
1 0 3
_
_
_
_
1
1
1
_
_
= 2,
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
3.3. EL CASO COMPLEJO. ESPACIOS VECTORIALES UNITARIOS 87
as que
u
3
=
_
1
2
,
1
2
,
1
2
_
.
La base
_
_
1
2
, 0, 0
_
,
_
2
2
,
2, 0
_
,
_
1
2
,
1
2
,
1
2
_
_
es ortonormal respecto a .
3.2.8 Denicion Un espacio vectorial eucldeo es un 1espacio vectorial con
un producto escalar.
3.3. El caso complejo. Espacios vectoriales uni-
tarios
El concepto de producto escalar tiene un analogo cuando el espacio vectorial
tiene como cuerpo de escalares a C y no a 1. Vamos a tratarlo someramente
en esta secci on. Los detalles, que no son mas que una reproduccion de lo que
hicimos para el caso real, quedan para ser completados por el lector.
3.3.1 Denicion Una aplicacion : E E C, donde E es un C-espacio
vectorial, es una forma sesquilineal si
(
u
1
+
u
2
,
v ) = (
u
1
,
v ) +(
u
2
,
v )
u
1
,
u
2
,
v E
(k
u ,
v ) = k(
u ,
v )k C,
u ,
v E
(
u ,
v
1
+
v
2
) = (
u ,
v
1
) +(
u ,
v
2
)
u ,
v
1
,
v
2
E
(
u , k
v ) = k(
u ,
v )k C,
u ,
v E
La matriz B de una forma sesquilineal en una base B =
e
1
, . . . ,
e
n
se dene
del mismo modo que para una forma bilineal, es decir mediante b
ij
= (
e
i
,
e
j
).
En terminos de dicha matriz, si (u
1
, . . . , u
n
) y (v
1
, . . . , v
n
) son las coordenadas
en B de
u y
v respectivamente, se calcula
(
u ,
v ) = (u
1
, . . . , u
n
)B
_
_
_
v
1
.
.
.
v
n
_
_
_,
lo cual se suele denotar por (
u ,
v ) =
u
t
B
v .
3.3.2 Si B es la matriz de una forma sesquilineal en una base
e
1
, . . . ,
e
n
y
C es la matriz de respecto de otra base
u
1
, . . . ,
u
n
, sea P = (a
ij
) la matriz
del cambio de base, de modo que
u
i
=
n
j=1
a
ij
e
j
.
Entonces C = P
t
BP.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
88 CAP
IDEOS Y UNITARIOS
3.3.3 Denicion Una forma sesquilineal se dice hermtica (el analogo de
simetrica) si (
u ,
v ) = (
v ,
u ).
En terminos de la matriz, una forma es hermtica si y solo si su matriz lo es.
Y se llama a B matriz hermtica cuando B
t
= B.
Observa que si una es forma hermtica, entonces (
u ,
u ) es necesaria-
mente real para todo
u (por que?). La nocion de forma denida positiva se
dene del mismo modo en el caso complejo que en el caso real.
3.3.4 Denicion Un producto hermtico es una forma sesquilineal hermtica
denida positiva.
El metodo de Gram-Schmidt funciona exactamente igual para productos
hermticos. El criterio de Sylvester tambien sigue siendo valido, con la obvia
modicacion de cambiar simetricapor hermtica, y bilinealpor sesquili-
neal.
3.3.5 Denicion Un espacio hermtico es un Cespacio vectorial con un
producto hermtico.
3.4. Ortogonalidad y subespacios
De aqu en adelante, cuando estemos trabajando en un espacio eucldeo o
unitario y no sea necesario explicitar el producto escalar o hermtico correspon-
diente, muchas veces denotaremos el producto de dos vectores
u y
v simple-
mente como
u
v .
3.4.1 Denicion Sea E espacio eucldeo o unitario de dimensi on nita, y
S E un subconjunto cualquiera (no necesariamente un subespacio).
Se llama subespacio ortogonal a S a
S
v E [
u
v = 0
u S.
3.4.2 Ejemplo.- Consideremos 1
2
con el producto escalar de matriz
_
2 1
1 1
_
en la base usual de 1
2
B =
e
1
= (1, 0),
e
2
= (0, 1).
Como
e
1
= (x, y) 1
2
t.q. ((x, y), (1, 0)) = 0, donde (x, y) son coor-
denadas en la base B, resulta
(x, y)
_
2 1
1 1
__
1
0
_
= (2x +y, x +y)
_
1
0
_
= 2x +y,
de modo que
e
1
es la recta (vectorial) 2x +y = 0.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
3.4. ORTOGONALIDAD Y SUBESPACIOS 89
1
e
2x+y=0
Figura 3.1: El vector (1, 0) y la recta vectorial 2x + y = 0 son perpendiculares
respecto al producto escalar del ejemplo 3.4.2.
3.4.3 Proposici on Sea E espacio vectorial eucldeo o unitario de dimensi on
nita, y S E subconjunto.
i) S
es un subespacio vectorial.
ii) S R R
.
iii) S
= S)
.
iv) S) S
0 .
v) S)
_
S
.
Demostracion.- i) Si
u ,
v S
u ,
s ) = 0, (
v ,
u +
v ,
s ) = 0
s S, por lo que
1
u +
2
v S
1
,
2
.
La prueba del resto de los aparados es igual de sencilla, y queda como ejer-
cicio. En el caso de iv), basta tomar una base ortonormal de S).
3.4.4 Una propiedad importante respecto a tomar ortogonales es que un sub-
espacio y su ortogonal siempre forman una descomposicion del espacio ambiente
como suma directa. Es decir:
Proposici on Si F es subespacio vectorial de E, entonces E = F
.
Demostracion.- Por el punto iv) de la proposicion anterior, F F
0 .
Por otra parte, sea
u
1
, . . . ,
u
k
base ortonormal de F. La completamos hasta
formar una base
u
1
, . . . ,
u
k
,
e
k+1
, . . . ,
e
n
.
Aplicamos Gram-Schmidt a esta base, y obtenemos
u
1
, . . . ,
u
k
,
u
k+1
, . . . ,
u
n
.
Como
u
k+1
cumple (
u
k+1
,
u
j
) = 0 para j = 1, . . . , k, y lo mismo ocurre para
u
k+1
, . . . ,
u
n
, se sigue que
u
k+1
, . . . ,
u
n
F
u
1
+ +
k
u
k
+
k+1
u
k+1
+
+
n
u
n
, donde se tiene
1
u
1
+ +
k
u
k
F, y tambien
k+1
u
k+1
+ +
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
90 CAP
IDEOS Y UNITARIOS
u
n
F
, con lo que E = F
.
3.4.5 Como consecuencia inmediata, tenemos:
Corolario i) dimF
= dimE dimF.
ii) Si F es subespacio vectorial de E,
_
F
= F.
iii) En general, siendo S un subconjunto de E,
_
S
= S).
Demostracion.- i) Es consecuencia directa de la proposicion anterior.
ii) Sabemos
_
F
F. Ademas dim
_
F
= dimE dimF
= dimE
(dimE dimF) = dimF, por lo que
_
F
= F,
iii) Es evidente.
3.4.6 Hay que tener mucho cuidado en c omo se relaciona el tomar ortogonales
con las otras operaciones conocidas entre subespacios (intersecciones y sumas).
Tomar ortogonales no conmuta con estas operaciones, ni mucho menos. De hecho
las intercambia, en el sentido del resultado siguiente:
Proposici on Si F
1
, F
2
son subespacios entonces:
i) (F
1
+F
2
)
= F
1
F
2
.
ii) (F
1
F
2
)
= F
1
+F
2
Demostracion.- i) Como F
j
F
1
+ F
2
, (j = 1, 2) se tiene la inclusi on
(F
1
+F
2
)
1
F
2
. Ademas, sea
v F
1
F
2
. Dado
u F
1
+F
2
existen
u
1
F
1
,
u
2
F
2
tales que
u =
u
1
+
u
2
, de modo que
u =
v
u
1
+
u
2
= 0,
por lo que
v (F
1
+F
2
)
.
ii) Usando el apartado anterior, seguido de el corolario 3.4.5 ii), tenemos
_
F
1
+F
2
_
=
_
F
1
_
_
F
2
_
= F
1
F
2
.
Tomando de nuevo ortogonales y usando otra vez el corolario 3.4.5 ii), deducimos
que
F
1
+F
2
=
_
_
F
1
+F
2
_
= (F
1
F
2
)
?
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
3.4. ORTOGONALIDAD Y SUBESPACIOS 91
0 = ((x, y, z), (1, 0, 0))
= (x, y, z)
_
_
2 1 1
1 1 0
1 0 3
_
_
_
_
1
0
0
_
_
= (2x +y z, x +y, x + 3z)
_
_
1
0
0
_
_
= 2x +y z
0 = ((x, y, z), (0, 1, 0))
= (x, y, z)
_
_
2 1 1
1 1 0
1 0 3
_
_
_
_
0
1
0
_
_
= (2x +y z, x +y, x + 3z)
_
_
0
1
0
_
_
= x +y
De modo que S
= (1, 1, 1)).
S <S>
z
y
x
<S>
=
Figura 3.2: Ejemplo 3.4.7.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
92 CAP
IDEOS Y UNITARIOS
3.5. Proyecciones y simetras ortogonales (en es-
pacios vectoriales eucldeos)
Ya tratamos en la secci on 2.3 las proyecciones y simetras sobre un subespacio
vectorial (en realidad, en dicha secci on lo tratamos incluso sobre una variedad
lineal), y ahora vamos a volver moment aneamente a ellas.
Ahora que estamos considerando espacios vectoriales con mas estructura,
de entre todas las proyecciones o simetras sobre un subespacio vectorial dado,
existe una especial (en el sentido de cierta compatibilidad con la estructura
adicional que dene el producto escalar), que es aquella que se realiza en la
direcci on ortogonal al subespacio en cuestion. Estas aplicaciones son de utilidad
en muchos contextos, y por eso nos vamos a detener en ellas.
3.5.1 Si W es un subespacio vectorial de E, como W
= E, cada e E
se descompone de manera unica como e = u +v con u W, v W
.
Denicion Con la notaci on anterior, u es la proyecci on ortogonal de e sobre
W. Es decir, una proyeccion ortogonal es una proyeccion sobre un subespacio
en la direcci on del subespacio ortogonal.
3.5.2 Las proyecciones ortogonales son muy importantes en muchos contextos,
as que vamos a ver c omo calcularlas:
Sea W E subespacio, y sea p : E W la aplicacion proyeccion ortogo-
nal.
Dado
x E, p(
x ) W. Por tanto, si
u
1
, . . . ,
u
r
es una base cualquiera
(no necesariamente ortonormal) de W, se tiene p(
x ) =
1
u
1
+ +
r
u
r
.
Como
x p(
x ) W
, tenemos (
x p(
x ))
u
j
= 0 para j = 1, . . . , r.
Luego
u
1
1
(
u
1
u
1
)
r
(
u
r
u
1
) = 0
.
.
.
u
r
1
(
u
1
u
r
)
r
(
u
r
u
r
) = 0
_
_
Sistema de r ecuaciones
con r inc ognitas
1
, . . . ,
r
Como p(
u
1
u
1
) (
u
r
u
1
)
.
.
.
.
.
.
(
u
1
u
r
) (
u
r
u
r
)
,= 0
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
3.5. PROYECCIONES Y SIMETR
IAS ORTOGONALES 93
y la solucion, por la regla de Cramer, es
j
=
1
D
r
u
1
u
1
) (
u
1
) (
u
r
u
1
)
.
.
.
.
.
.
.
.
.
(
u
1
u
r
) (
u
r
) (
u
r
u
r
)
columna j
As p(
x ) =
1
u
1
+ +
r
u
r
con los s anteriores.
3.5.3 Por el mismo precio, podemos describir la simetra ortogonal respecto a
un subespacio W. Por supuesto, la denicion es simplemente:
Denicion La simetra ortogonal respecto a un subespacio W es la simetra
respecto de W en direcci on a W
.
Si p es, como antes, la proyeccion sobre W y llamamos q a la proyeccion
sobre W
, se tiene
x = p(
x ) +q(
x s(
x ) = p(
x ) q(
x ).
Para calcularla solo en terminos de p, basta observar que
x +s(
x ) = 2p(
x ),
luego
s(
x ) = 2p(
x )
x .
3.5.4 Ejemplo.- En 1
3
, sea de nuevo el producto escalar de matriz
_
_
2 1 1
1 1 0
1 0 3
_
_
en la base canonica.
Sea W = z = 0 = (1, 0, 0), (0, 1, 0)) y B =
u
1
= (1, 0, 0),
u
2
= (0, 1, 0)
base de W.
Calculamos
u
1
u
1
) (
u
2
u
1
)
(
u
1
u
2
) (
u
2
u
2
)
2 1
1 1
= 1
Sea
x = (x
1
, x
2
, x
3
), y p(
x ) =
1
u
1
+
2
u
2
.
Como
x
u
1
= (x
1
, x
2
, x
3
)
_
_
2 1 1
1 1 0
1 0 3
_
_
_
_
1
0
0
_
_
= 2x
1
+ x
2
x
3
, y
u
2
= (x
1
, x
2
, x
3
)
_
_
2 1 1
1 1 0
1 0 3
_
_
_
_
0
1
0
_
_
= x
1
+x
2
, tenemos
1
=
1
1
u
1
u
2
u
1
u
2
u
2
u
2
2x
1
+x
2
x
3
1
x
1
+x
2
1
= x
1
x
3
,
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
94 CAP
IDEOS Y UNITARIOS
y
2
=
1
1
2 2x
1
+x
2
x
3
1 x
1
+x
2
= x
2
+x
3
.
Luego p(
x ) = (x
1
x
3
)
u
1
+ (x
2
+ x
3
)
u
2
= (x
1
x
3
, x
2
+ x
3
, 0) (ecuacion
de la proyeccion ortogonal sobre W).
La ecuaci on de la simetra ortogonal en W es s(
x ) = 2p(
x )
x = (2x
1
2x
3
, 2x
2
+ 2x
3
, 0) (x
1
, x
2
, x
3
) = (x
1
2x
3
, x
2
+ 2x
3
, x
3
).
Por ejemplo p((0, 0, 1)) = (1, 1, 0), mientras que s((0, 0, 1)) = (2, 2, 1).
3.6. Aplicaciones adjuntas y autoadjuntas
3.6.1 Denicion Sea E espacio eucldeo o unitario de dimensi on nita. Sea f
un endomorsmo de E (una aplicacion f : E E lineal). La aplicaci on adjunta
de f es un endomorsmo f
tal que
u f
v ) = f(
u )
u ,
v E.
Para ver que la denicion de adjunta tiene sentido debemos comprobar dos
cosas:
i) Existe g tal que
u g(
v ) = f(
u )
u ,
v .
ii) Tal g es unica.
Comenzamos por comprobar ii), que es mas facil:
Si g, h cumplen ambas lo mismo
u g(
v ) = f(
u )
v =
u h(
v )
u ,
v ,
entonces
u (g(
v ) h(
v )) = 0
u ,
v .
En particular, tomando
u = g(
v )h(
v ) deducimos g(
v )h(
v ) =
0
v ,
y por tanto g h.
Para demostrar i), sea B =
e
1
, . . . ,
e
n
base ortonormal de E y M la matriz
de f en esa base.
Sea C la matriz M
t
en el caso real y M
t
en el complejo, y g la aplicacion
lineal en E cuya matriz en B es C. Veamos que g = f
.
f(
e
i
)
e
k
= (a
1i
e
1
+ +a
ni
e
n
)
e
k
= a
ki
e
i
g(
e
k
) =
e
i
(a
k1
e
1
+ +a
kn
e
n
) = a
ki
As que f(
e
i
)
e
k
=
e
i
g(
e
k
).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
3.6. APLICACIONES ADJUNTAS Y AUTOADJUNTAS 95
Ahora, dados
x =
n
i=1
x
i
e
i
,
y =
n
j=1
y
j
e
j
tenemos
f(
x )
y =
n
i=1
n
j=1
x
i
y
j
(f(
e
i
)
e
j
)
=
n
i=1
n
j=1
x
i
y
j
(
e
i
g(
e
j
))
=
x g(
y ).
Luego, efectivamente, g = f
.
Observacion.- En una base ortonormal, la matriz de f
es M
t
, donde M
es la matriz de f en dicha base.
3.6.2 Algunas propiedades sencillas de las adjuntas son:
La identidad tiene como adjunta a s misma.
(f
= f.
(f +g)
= f
+g
.
(f g)
= g
= (f
)
1
.
Si W es un subespacio invariante respecto a f, entonces W
es un subespacio
invariante respecto a f
.
3.6.3 Parece claro que las aplicaciones que sean adjuntas de s mismas deberan
tener interes, no?
Denicion Un endomorsmo f : E E (con E un espacio eucldeo o
unitario) es una aplicaci on autoadjunta si f
= f, es decir, si
f(
u )
v =
u f(
v )
u ,
v E.
3.6.4 De lo visto hasta aqu se duduce inmediatamente:
Proposici on Si M es la matriz de f en una base ortonormal, f es autoad-
junta si y s olo si M = M
t
(esto es, M es simetrica) en el caso real o M = M
t
(es decir, M es hermtica) en el caso complejo.
3.6.5 Nuestro objetivo ahora va a ser comprobar que las aplicaciones autoad-
juntas (i.e. las matrices simetricas o hermticas) siempre diagonalizan.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
96 CAP
IDEOS Y UNITARIOS
Para ello necesitamos un resultado previo:
Lema Sea E espacio eucldeo o unitario, y sea f : E E aplicaci on
autoadjunta. Entonces el polinomio caracterstico de f es de la forma
p(x) = (x
1
) (x
n
),
con
1
, . . . ,
n
1 (tanto en el caso eucldeo como unitario).
Demostracion.- Veamos que en el caso unitario todos los autovalores son
reales. Si f(
v ) =
v con
v ,=
0 , tenemos (
v ) = (
v )
v = f(
v )
v =
v f(
v ) =
v (
v ) = (
v ). Como
v
v ) =
1
v . Como f es
autoadjunta, el subespacio
v )
v
2
, . . . ,
v
n
de F formada por autovectores de f. As
v
1
, . . . ,
v
n
es
una base ortonormal de E formada por autovectores de f.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Captulo 4
Espacios anes eucldeos.
Movimientos
4.1. Norma y distancia
Un producto escalar o hermtico, ademas de permitirnos hablar de ortogo-
nalidad, determina una forma de denir una nocion de tama no de los vectores
mediante el c alculo de (
v ,
v |
v |
tal que
i) |
v |= 0
v =
0
ii) | k
v |= [k[ |
v |
iii) |
u +
v ||
u | + |
v | (desigualdad triangular)
(donde [k[ es valor absoluto en el caso de 1 y modulo en el caso de C).
4.1.2 Como decamos, un producto escalar (o hermtico) induce de modo na-
tural una norma:
Proposici on Si E es espacio eucldeo o unitario, la aplicaci on
E 1
u
_
(
u ,
u ) =|
u |
es una norma.
Denicion.- De las tres propiedades de norma:
97
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
98 CAP
IDEOS. MOVIMIENTOS
i) es porque es denida positiva.
ii) se sigue del c alculo siguiente:
_
(k
u , k
u ) =
_
(kk)(
u ,
u )
=
_
[k[
2
(
u ,
u )
= [k[
_
(
u ,
u )
Para demostrar iii) nos hace falta el siguiente lema:
Lema [Desigualdad de Cauchy-Schwarz] Si es un producto escalar o
hermtico, entonces
[(
u ,
v )[
2
(
u ,
u )(
v ,
v )
u ,
v E.
Demostracion.- Volvamos a la notaci on del punto por comodidad: quere-
mos probar [
v [
2
|
u | |
v |.
Si
v =
0 es obviamente cierto. Si
v ,=
0 , sea
k =
(
u ,
v )
(
v ,
v )
,
y tenemos
0 (
u k
v ) (
u k
v )
=
u
u k(
u ) k(
v ) + kk(
v )
=
u
u
(
v )(
u )
(
v )
(
v )(
v )
(
v )
+
(
v )(
v )
(
v )
=
u
u
(
v )(
u )
(
v )
u +
v ) (
u +
v ) =
u
u +
v +
u +
v
=
u
u +
v + (
v +
v )
u +
v + 2[
v [
u +
v + 2
v
= (
u +
v )
2
pq,
pq) =|
pq |
es una distancia.
Demostracion.- Las tres propiedades de distancia se siguen de las propie-
dades de la norma asociada a (ver la proposicion 4.1.2).
4.1.6 Quiz a el resultado matematico mas conocido para el gran p ublico sea el
Teorema de Pit agoras. En el se combinan dos nociones que hemos tratado aqu:
distancia y ortogonalidad, en el caso del espacio eucldeo real usual (con las
nociones de ortogonalidad y de distancia asociadas al producto escalar usual).
Sin embargo, se trata de un teorema absolutamente general, que funciona en
cualquier espacio afn eucldeo (con cualquier producto escalar):
Proposici on [Teorema de Pitagoras] Sean p, q, r tres puntos de un espa-
cio afn eucldeo. Si
pq
IDEOS. MOVIMIENTOS
Demostracion.- Es un c alculo directo:
d(q, r)
2
= |
qr |
2
=
qr
qr
= (
pr
pq) (
pr
pq)
= |
pr |
2
+ |
pq |
2
= d(p, r)
2
+d(p, q)
2
v = 0
u F,
v G (por tanto F G
, y necesariamente la suma
de las dos dimensiones es n).
Cuando dimF + dimG n y a +F
y b +G
son ortogonales.
4.2.2 Ejemplos La gura 4.1 muestra ejemplos de variedades ortogonales en
1
3
con el producto usual, en los tres casos posibles (dependiendo de que la suma
de las dimensiones de las dos variedades sea menor, mayor o exactamente igual
a 3).
Figura 4.1: Ejemplos de variedades lineales ortogonales en 1
3
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
4.2. ORTOGONALIDAD Y VARIEDADES LINEALES 101
4.2.3 Ejemplos.- a) (Vector perpendicular a un hiperplano): Sea p;
e
1
, . . . ,
e
n
e
1
, . . . ,
e
n
es base ortonormal) de un espacio
afn eucldeo de dimensi on n. Sea a
1
x
1
+ + a
n
x
n
= b la ecuaci on de un hi-
perplano en dicho sistema. Entonces el vector de coordenadas (a
1
, . . . , a
n
) en
e
1
, . . . ,
e
n
es ortogonal a cada vector de la direcci on del hiperplano (pues la di-
recci on es precisamente los vectores (x
1
, . . . , x
n
) tales que a
1
x
1
+ +a
n
x
n
= 0).
b) (Perpendicular com un) Sea A el espacio afn eucldeo de dimensi on 3 (1
3
con
un producto escalar).
Dos rectas a +
u ), b +
u ,
v ).
Vamos a calcular la perpendicular com un a ambas rectas, que sera despues de
utilidad.
Consideramos
u,
v )
w ,=
0 (observaci on:
u ,
v )
tiene dimensi on
1). Los espacios de direcciones de los planos a +
u ,
w) y b +
v ,
w) contienen
a la direcci on perpendicular com un. Ademas, cada uno contiene a una de las
dos rectas.
Como
u ,
v ,
w son base de 1
3
,
ab
u ,
w) +
v ,
u ,
w)) (b +
v ,
w)) = c + (
u ,
w)
v ,
w)) =
c +
u ), b +
v )
(que es perpendicular est a claro, pero: ves por que esa recta corta a las dos de
partida?). Los puntos de corte de la perpendicular com un con las dos rectas se
llaman pies de la perpendicular com un.
a+<u>
c+<w>
b+<v>
Figura 4.2: La perpendicular com un a dos rectas de 1
3
.
4.2.4 Ejemplo.- Consideremos, en 1
3
, las rectas L
1
= (0, 1, 0) + t(0, 0, 1) y
L
2
= (0, 0, 1) +t(1, 0, 0).
Con el ejemplo usual, la perpendicular com un sera (0, 0, 1) + t(0, 1, 0). Y
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
102 CAP
IDEOS. MOVIMIENTOS
L
1
z
y
x
L
2
Figura 4.3: Las rectas del ejemplo 4.2.4.
con el producto de matriz
_
_
2 1 1
1 1 0
1 0 3
_
_
en la base usual?
Para calcular el espacio ortogonal a (0, 0, 1), (1, 0, 0)):
(x y z)
_
_
2 1 1
1 1 0
1 0 3
_
_
_
_
0
0
1
_
_
= (2x +y z, x +y, x + 3z)
_
_
0
0
1
_
_
= x + 3z = 0
(x y z)
_
_
2 1 1
1 1 0
1 0 3
_
_
_
_
1
0
0
_
_
= (2x +y z, x +y, x + 3z)
_
_
1
0
0
_
_
= 2x +y z = 0
Como reescritas en forma parametrica las ecuaciones anteriores son x =
3z, y = 5z, entonces (0, 0, 1), (1, 0, 0))
= (3, 5, 1)).
Sea
1
= (0, 1, 0) +(0, 0, 1), (3, 5, 1)), que tiene ecuaci on
x 0 3
y 1 0 5
z 1 1
= 3y 3 + 5x = 0.
Igualmente, si
2
= (0, 0, 1) +(1, 0, 0), (3, 5, 1)), su ecuaci on es
x 1 3
y 0 5
z 1 0 1
= 5z + 5 y = 0.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
4.3. DISTANCIA ENTRE VARIEDADES 103
La perpendicular com un es pues la recta
_
5x + 3y 3 = 0
y + 5z 5 = 0
que parametricamente se describe, por ejemplo, como
_
0, 1,
4
5
_
+ t(3, 5, 1).
Los pies se obtienen muy facilmente, pues t = 0
_
0, 1,
4
5
_
L
1
y t =
1
5
_
3
5
, 0, 1
_
L
2
.
4.3. Distancia entre variedades
4.3.1 Denicion Dadas L
1
, L
2
variedades lineales,
d(L
1
, L
2
) = mnd(p, q) / p L
1
, q L
2
) (a +F)).
Sea x a +F un punto cualquiera de a +F. Sabemos
pq
qx = 0, luego por
Pit agoras d(p, x)
2
= d(p, q)
2
+ d(q, x)
2
d(p, q)
2
. De modo que d(p, a + F) =
d(p, q).
Ejemplo.- Consideramos de nuevo 1
3
, con de matriz
_
_
2 1 1
1 1 0
1 0 3
_
_
en la base usual.
Sea el plano z = 0, p = (0, 0, 1). Vimos (ver ejemplo 3.5.4) que la proyeccion
ortogonal de p sobre es (1, 1, 0). Cuando lo hicimos consideramos 1
3
como
espacio vectorial eucldeo, pero lo que all hicimos no nos valdra para calcular
una proyeccion ortogonal sobre una variedad lineal que no pase por el origen
(i.e. que no sea subespacio vectorial). Vamos a repetir aquel c alculo de forma
mas propiamente afn.
Escribimos = z = 0 = (0, 0, 0) +(1, 0, 0), (0, 1, 0)).
Sea F = (1, 0, 0), (0, 1, 0)). Como vimos en el ejemplo 3.4.7, F
= (1, 1, 1)),
que tiene ecuaciones
_
2x +y z = 0
x +y = 0
. As que p +F
tiene ecuaciones
x
1
=
y
1
=
z 1
1
,
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
104 CAP
IDEOS. MOVIMIENTOS
de modo que (p +F
2.
Si el plano fuera
1
= z = 1 = (0, 0, 1) +(1, 0, 0), (0, 1, 0)):
Ahora la interseccion de p +F
= x +y = 0, y +z 1 = 0 con
1
= z =
1 es q = (2, 2, 1), de modo que
pq = (2, 2, 2) y d(p, q) = [
pq[ =
8 =
d(p,
1
).
Observacion.- Dados p, = a+F, se puede evitar el c alculo de la proyeccion
ortogonal si se usa el siguiente truco: si
u es ortogonal a F y unitario, entonces
pq = k
px
u = (
pq +
qx)
u = k
u = k,
luego
d(p, ) = [
px
u [ =| p
F
px)
|
( con x cualquiera).
Esto es especialmente util si trabajamos en una base ortonormal : si a
1
x
1
+
+a
n
x
n
+b = 0 es la ecuaci on de en una base ortonormal, sea
u =
1
_
a
2
1
+ +a
2
n
(a
1
, . . . , a
n
)
en dicha base.
Dado x ,
px
u =
1
_
a
2
1
+ +a
2
n
((x
1
p
1
)a
1
+ + (x
n
p
n
)a
n
)
=
1
_
a
2
1
+ +a
2
n
(a
1
x
1
+ +a
n
x
n
a
1
p
1
a
n
p
n
b)
=
1
_
a
2
1
+ +a
2
n
(a
1
p
1
+ +a
n
p
n
+b),
luego
d(p, ) =
[a
1
p
1
+ a
n
p
n
+b[
_
a
2
1
+ +a
2
n
(observa que el numerador es simplemente evaluar en p la ecuaci on de ).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
4.3. DISTANCIA ENTRE VARIEDADES 105
4.3.3 Distancia entre variedades paralelas
(El anterior es por supuesto un caso particular de este). Sean L
1
= a
1
+
F
1
, L
2
= a
2
+F
2
con F
1
F
2
.
Sabemos que d(L
1
, L
2
) se alcanza para ciertos puntos p L
1
, q L
2
. Por
el mismo argumento de antes, q es la proyeccion ortogonal de p a L
2
y q es la
proyeccion ortogonal de q a L
1
. De hecho, puedo tomar como p cualquier punto
de L
1
(y como q su proyeccion): sean p
1
,= p
2
L
1
y q
1
, q
2
sus proyecciones
(que cumplen q
1
,= q
2
). Por Pit agoras
d(p
1
, q
2
)
2
= d(p
1
, q
1
)
2
+d(q
1
, q
2
)
2
= d(p
1
, p
2
)
2
+d(p
2
, q
2
)
2
d(p
2
, q
1
)
2
= d(q
2
, p
2
)
2
+d(q
1
, q
2
)
2
= d(p
1
, q
1
)
2
+d(p
1
, p
2
)
2
restando se tiene
d(p
1
, q
1
)
2
d(p
2
, q
2
)
2
= d(p
2
, q
2
)
2
d(p
1
, q
1
)
2
y por tanto d(p
1
, q
1
) = d(p
2
, q
2
).
Una observaci on importante es que si p L
1
y q L
2
es su proyeccion a L
2
,
entonces p es la proyeccion de q a L
1
.
L
1
L
2
p
2
Puntos de L que se
proyectan en p
Proyeccion de p
Figura 4.4: Proyecciones sobre p y desde p.
Pero haciendolo en orden inverso, partiendo de un punto de L
2
puede no ser
cierto (ver la gura 4.4).
Moraleja.- Tomar p L
1
arbitrario, y q su proyeccion a L
2
, siendo L
1
la
variedad de dimensi on menor.
4.3.4 Distancia entre dos rectas que se cruzan en dimensi on 3
Sean r = a+
u ), s = b+
pq = k
w
con d(p, q) = [k[ = [
pq
IDEOS. MOVIMIENTOS
puntos p y q (se pueden coger puntos cualesquiera en las rectas en lugar de
los pies): si a r, b s ap
w = 0,
bq
w = 0, de modo que
ab
w =
(
ap +
pq +
qb)
w =
pq
w. Se tiene d(r, s) = [
pq
w[ =| P
u ,
pq) |.
4.3.5 Ejemplo.- Consideremos una vez mas 1
3
con el producto escalar de
matriz
_
_
2 1 1
1 1 0
1 0 3
_
_
.
Sea L
1
= (0, 1, 0) +t(0, 0, 1), L
2
= (0, 0, 1) +t(1, 0, 0). Ya vimos (ver ejemplo
4.2.4) que si W = (0, 0, 1), (1, 0, 0)) W
= (3, 5, 1)).
Como
(3, 5, 1)
_
_
2 1 1
1 1 0
1 0 3
_
_
_
_
3
5
1
_
_
= (0, 2, 0)
_
_
3
5
1
_
_
= 10,
el vector
w =
_
3
10
,
5
10
,
1
10
_
es unitario.
As que
d(L
1
, L
2
) =
(0, 1, 1)
_
_
2 1 1
1 1 0
1 0 3
_
_
_
_
_
_
_
_
_
3
10
5
10
1
10
_
_
_
_
_
_
_
(2, 1, 3)
_
_
_
_
_
_
_
3
10
5
10
1
10
_
_
_
_
_
_
_
=
2
10
Lo calculamos de otro modo: sabemos (seccion 4.2.4) que los pies son
_
0, 1,
4
5
_
y
_
3
5
, 1,
1
5
_
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
4.3. DISTANCIA ENTRE VARIEDADES 107
|
pq |
2
= (
3
5
, 1,
1
5
)
_
_
2 1 1
1 1 0
1 0 3
_
_
_
_
_
_
3
5
1
1
5
_
_
_
_
=
_
0,
2
5
, 0
_
_
_
_
_
3
5
1
1
5
_
_
_
_
=
2
5
=
4
10
la pro-
yecci on ortogonal sobre (W
1
+W
2
)
.
Entonces d(L
1
, L
2
) =| (
pq) |, donde p L
1
, q L
2
son dos puntos cuales-
quiera.
Para la demostracion, ver [Xa].
4.3.7 Ejemplos a) Hiperplano y punto.
L
1
= p, L
2
hiperplano.
L
L
1
2
p
x
q
Figura 4.5: La distancia de un punto a un hiperplano se alcanza en la proyeccion
ortogonal del punto.
Sabemos d(L
1
, L
2
) = d(p, q) donde q es la proyeccion ortogonal de p. Pero
si x L
2
es otro punto cualquiera
px =
pq +
qx, y
pq = (
w) (dimension 1).
Si tomamos
w unitario y x L
2
cualquiera, entonces
px
w = (
pq +
qx)
w =
pq
w =|
pq | (
w)
w = |
pq |,
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
108 CAP
IDEOS. MOVIMIENTOS
luego d(L
1
, L
2
) = [
px
w[ con
w normal y unitario y x L
2
cualquiera.
b) Rectas que se cruzan en 1
3
.
p
q
p
1
q
1
Figura 4.6: La distancia entre rectas que se cruzan se alcanza en los pies de la
perpendicular com un.
Si L
1
, L
2
son rectas que se cruzan, d(L
1
, L
2
) = d(p, q) donde p, q son los pies
de la perpendicular com un. Dados p
1
L
1
, q
1
L
2
se tiene
p
1
q
1
=
p
1
p+
qq
1
+
pq.
Como
p
1
p +
qq
1
W
1
+W
2
,
pq es la proyeccion ortogonal.
Igual que en el caso anterior W
1
+ W
2
)
w) con
w unitario, dados
p
1
L
1
, q
1
L
2
cualesquiera
p
1
q
1
w =
pq
w = |
pq | .
Luego d(L
1
, L
2
) = [
p
1
q
1
w[ con
w normal unitario y p
1
L
1
, q
1
L
1
son
arbitrarios.
c) Variedades paralelas.
Sean L
1
, L
2
paralelas, con W
1
W
2
(es decir, suponemos dimL
1
dimL
2
),
de modo que (W
1
+W
2
)
= W
2
.
Dado p
1
L
1
(cualquiera), sea q L
2
la proyeccion ortogonal de p sobre
L
2
.
Igual que antes, la proyeccion de
p
1
q
1
sobre W
2
es
pq.
Idea: Tomando p cualquiera, q la proyeccion d(L
1
, L
2
) =|
pq |. OJO: Hay
que empezar por la variedad de dimensi on menor. (Ver el comentario al nal del
p arrafo 4.3.3, y la gura 4.4).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
4.4. ISOMETR
IAS 109
4.4. Isometras
4.4.1 Una vez que hemos introducido una nocion de distancia, es l ogico que
nos preocupemos por tratar las aplicaciones que conservan dicha nocion:
Denicion Una aplicacion f : A
1
A
2
entre dos espacios anes eucldeos
es una isometra si d(f(a), f(b)) = d(a, b) a, b A
1
.
Una observaci on importante es que las isometras son necesariamente inyec-
tivas, ya que si f es isometra
f(a) = f(b)
a = b
4.4.2 A estas alturas no debera extra nar que si una aplicacion entre los es-
pacios de puntos conserva la distancia (que es algo denido en terminos del
espacio vectorial subyacente), es porque su parte lineal debe estar conservando
el producto escalar:
Proposici on f : A
1
A
2
aplicaci on entre espacios anes eucldeos es
isometra si y s olo si f es anidad y
f conserva el producto escalar. Es decir
f(
u )
f(
v ) =
u
v .
(El smbolo reere al producto escalar en E
1
o en E
2
seg un corresponda).
Demostracion.- Si f es anidad y su parte lineal preserva el producto
escalar, entonces:
d(f(a), f(b))
2
= |
f(a)f(b) |
2
=
f(a)f(b)
f(a)f(b)
=
f(
ab)
f(
ab)
=
ab
ab
= |
ab |
2
= d(a, b)
2
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
110 CAP
IDEOS. MOVIMIENTOS
Por otra parte, sea f isometra. Fijemos un p A
1
, y denamos
: E
1
E
2
v =
pa (
u ) =
f(p)f(a)
Dados
u =
pa,
v =
pb tenemos
d(a, b)
2
=|
ab |
2
=|
ap |
2
+ |
pb |
2
+ 2
ap
pb = d(a, p)
2
+d(p, b)
2
2
v
e igualmente
d(f(a), f(b)) = d(f(a), f(p))
2
+d(f(p), f(b))
2
2(
u ) (
v )
de modo que (
u ) (
v ) =
u
v .
Ademas (ver el lema siguiente), una aplicacion que conserva el producto
escalar es siempre lineal, de modo que
(
ab) = (
pb
pa) = (
pb) (
pa) =
f(p)f(b)
f(p)f(a) =
f(a)f(b),
por lo que f es anidad y
f = .
4.4.3 Probemos el sencillo lema que hemos usado en la demostracion anterior:
Lema Si f conserva el producto escalar, es lineal.
Demostracion.- Basta comprobar que
(f(
u +
v ) f(
u ) f(
v )) (f(
u +
v ) f(
u ) f(
v )) = 0
y que
(kf(
u ) f(k
u )) (kf(
u ) f(k
u )) = 0.
u ) f(
v ) =
u ,
v .
4.5.2 Proposici on Si f es ortogonal o unitaria, se cumple:
i) | f(
u ) |=|
u |
u E.
ii)
u ,
u ), f(
v ) son ortogonales.
iii) f es biyectiva.
iv) Si k es autovalor entonces [k[ = 1 (siendo [ [ valor absoluto o norma com-
pleja).
v) Si
u ,
e
1
, . . . ,
e
n
, entonces
son equivalentes:
a) f es ortogonal (o unitaria).
b) f(
e
i
) f(
e
j
) =
e
i
e
j
i, j.
c) A
t
GA = G (caso ortogonal) o A
t
GA = G (caso unitario).
(Donde G es la matriz del producto escalar o hermtico en la base
e
1
, . . . ,
e
n
).
Demostracion.- a) b) es un ejercicio.
b) c) Observar que f(
e
1
), . . . , f(
e
n
) es base por el punto iii) de la
proposicion 4.5.2 (f es biyectiva).
La matriz del producto en esa base es A
t
GA (caso real) o A
t
GA (caso com-
plejo). Luego
A
t
GA = G ( o A
t
GA)
f(
e
i
) f(
e
j
) =
e
i
e
j
i, j
IDEOS. MOVIMIENTOS
4.5.4 De lo anterior se deduce inmediatamente el interesante corolario siguien-
te:
Corolario Si f tiene matriz A en una base ortonormal,
f ortogonal A
t
A = Id (A es una matriz ortogonal)
f unitaria A
t
A = Id (A es una matriz unitaria).
4.5.5 Es tambien sencillo comprobar que:
Corolario La matriz de cambio de base entre dos bases ortonormales es
ortogonal (en el caso real) o unitaria (en el caso complejo)
Observacion.- Si A es ortogonal o unitaria [ det A[ = 1 (es 1 en el caso
real).
4.5.6 El siguiente resultado fundamental sobre diagonalizacion, en el caso com-
plejo, nos va a servir para el caso real:
Teorema [Diagonalizacion de matrices unitarias] Sea E espacio unita-
rio y f End(E) aplicaci on unitaria. Existe una base ortonormal de E formada
por autovectores de f.
Para la demostracion, ver [Ca-Ll].
4.5.7 En el caso real la situaci on no es tan idlica como para que las matrices
diagonalicen, pero est an a punto de hacerlo:
Teorema [Forma can onica de una aplicacion ortogonal] Sea E espacio
eucldeo, y f : E E aplicaci on ortogonal. Existe una base ortonormal de E
tal que la matriz de f en ella es
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1
.
.
.
1
0
1
.
.
.
1
0
A
1
.
.
.
A
r
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
4.6. MOVIMIENTOS DE LA RECTA EUCL
IDEA 113
es decir, una matriz diagonal por cajas donde las submatrices A
i
son de la forma
_
a b
b a
_
con a
2
+b
2
= 1.
Idea.- Se usa que las matices unitarias diagonalizan. Las submatrices A
i
corresponden a pares de autovalores complejos conjugados. Ver los detalles en
[ca-Ll].
4.5.8 Denicion Un movimiento o desplazamiento de un espacio afn eucldeo
A es una isometra de A en s mismo.
Se llama a f movimiento directo cuando su parte lineal tiene determinante
1, y movimiento inverso cuando es 1.
Los movimientos son siempre, por lo que hemos visto hasta ahora, ani-
dades biyectivas. Es mas, si se elige un sistema de referencia adecuado (un
sistema ortonormal bien adaptado al movimiento en cuestion), los movimientos
son aplicaciones que se pueden expresar en coordenadas como f (x
1
, . . . , x
n
) =
(p
0
, . . . , p
n
) +M
_
_
_
x
1
.
.
.
x
n
_
_
_, siendo M la forma canonica de una aplicacion orto-
gonal.
4.6. Movimientos de la recta eucldea
Aunque el caso unidimensional no da mucho jugo, empecemos tratandolo a
modo de aperitivo.
4.6.1 Sea A un espacio afn eucldeo de dimensi on 1. Entonces:
f ortogonal
det(
f) = 1
f = Id
f = Id
4.6.2 Caso directo.- Si
f = Id, entonces f es la identidad o una traslacion
de vector
u ,=
0 .
Si tomamos la referencia (ortonormal o no) p;
u
|
u |
, siendo p un punto
cualquiera, f tiene ecuaci on
x
= f(x) = x+ |
u |
4.6.3 Caso inverso.- Si
f = Id, entonces f es una homotecia de raz on 1.
Como vimos en la secci on 2.3.14, f ja exactamente un punto p. Si tomamos
una referencia cualquiera que tenga a p como origen, la ecuaci on de f es
x
= f(x) = x
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
114 CAP
IDEOS. MOVIMIENTOS
u
u
u
f(p)
p
Figura 4.7: Una traslacion en 1
1
.
4.7. Movimientos del plano eucldeo
4.7.1 Lo primero que tenemos que determinar es que posibilidades tiene una
forma canonica de una aplicacion ortogonal en dimensi on 2 (en una base orto-
normal adecuada). Seg un el Teorema 4.5.7, dichas posibilidades son:
_
1 0
0 1
_
,
_
1 0
0 1
_
,
_
cos sen
sen cos
_
,
_
1 0
0 1
_
(observa que en realidad las dos primeras corresponden a tomar = 0 y =
en la tercera).
4.7.2 Caso directo.- Cuando
f tiene como matriz la identidad corresponde
a una traslacion (o a la identidad).
Cuando la matriz es
_
cos sen
sen cos
_
,
dado que 1 no es autovalor de
f, se sigue de las observaciones en la secci on 2.7.4
que f tiene un unico punto jo p.
La ecuaci on en una referencia ortonormal p;
e
1
,
e
2
es
_
x
= xcos y sen
y
= xsen +y cos
que representa un giro de angulo y centro p (ver la gura 4.8). Esto incluye
el caso particular en que cos = 1 ( = ), que corresponde a una simetra
central de centro p.
4.7.3 Hay que tener cuidado por el hecho obvio de que existen dos giros del
mismo centro y el mismo angulo (que se diferencian solo en el sentido de giro).
Es facil comprobar que la aplicacion lineal que tiene matriz
_
x
= xcos y sen
y
= xsen +y cos
en una cierta base ortonormal B =
e
1
,
e
2
es un giro en la direcci on desde
e
1
hacia
e
2
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
4.7. MOVIMIENTOS DEL PLANO EUCL
IDEO 115
q
1
q
1
q
2
p
f( )
f( )
q
2
e
e
2
1
Figura 4.8: Un giro en dimensi on 2.
Por ejemplo, si B es la base usual de 1
2
, dicha aplicacion representa un giro
de angulo en sentido contrario a las agujas del reloj. Este suele conocerse
como sentido positivo de giro (ver los comentarios en la secci on 1.6.1 sobre
orientacion). Recuerdese que se dice que dos bases tienen la misma orientacion
cuando el determinante del cambio de base es positivo (de hecho igual a 1 cuando
las dos bases son ortonormales). La orientaci on positiva es pues la de la base
usual.
La aplicacion que en la base usual es
_
cos sin
sin cos
_
representa un giro
de angulo en sentido negativo, o un angulo 2 en sentido positivo.
4.7.4 Caso inverso.- La matriz de
f en una base ortonormal adecuada
e
1
,
e
2
es
_
1 0
0 1
_
.
Tenemos que diferenciar dos posibilidades:
Si existe un punto jo p, las ecuaciones de f en la referencia ortonormal
p;
e
1
,
e
2
son
_
x
= x
y
= y
f es una simetra axial. La recta p +
e
1
) es una recta de puntos jos, y se
llama eje de simetra.
Si no existen puntos jos, las ecuaciones de f en la referencia ortonormal
q;
e
1
,
e
2
, siendo q un punto cualquiera, son
_
x
= x +c
y
= y +d
con c ,= 0, pues de lo contrario habra puntos jos.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
116 CAP
IDEOS. MOVIMIENTOS
q
2
f(q )
2
p
e
e
1
2
q
1
f(q )
1
Figura 4.9: Una simetra en dimensi on 2.
La recta y = d/2 (en coordenadas en la referencia q;
e
1
,
e
2
) es invariante
(aunque sus puntos no sean jos). Si tomamos p en dicha recta (p de coordenadas
(x
0
, d/2) en la referencia q;
e
1
,
e
2
), entonces
pf(p) = (c, 0) = c
e
1
, con lo que
las ecuaciones de f en la nueva referencia ortonormal p;
e
1
,
e
2
son
_
x
= x +c
y
= y
q
2
e
1
f(q )
2
f(q )
1
e
2
q
1
p
Figura 4.10: Una simetra deslizante en dimensi on 2.
A tal f se le llama habitualmente simetra deslizante (ojo con no confun-
dirse con la nomenclatura: una simetra deslizante f no es una simetra en el
sentido de la denicion 2.3.12, pues f
2
es una traslacion de vector 2c
e
1
y no la
aplicacion identidad: desafortunadamente, esta es la terminologa est andar). Es
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
4.7. MOVIMIENTOS DEL PLANO EUCL
IDEO 117
la composicion de la simetra axial de eje p +
e
1
) y la traslacion de vector c
e
1
.
Estas dos anidades conmutan, de modo que da igual en que orden componerlas:
el resultado en ambos casos es la simetra deslizante descrita.
4.7.5 Hemos descrito todos los movimientos del plano eucldeo, pero siempre
en terminos de una referencia ortonormal muy especial (bien adaptada a cada
caso).
Pero, en general, sea f : A A una anidad de un espacio afn eucldeo de
dimensi on 2 en s mismo. Sea x
u ) es el
subespacio E
1
de autovectores de autovalor 1 de
f.
Una vez calculado E
1
es facil determinar el eje, puesto que
Eje = x t.q.
xf(x) E
1
,
y el vector de desplazamiento es
u =
xf(x) para cualquier punto x Eje.
4.7.6 Ejemplo.- En 1
2
con el producto usual.
Encontrar las ecuaciones en la referencia usual de 1
3
del giro de centro
p = (1, 2) y angulo = /4.
Metodo 1: Dado que la base usual es ortonormal, sabemos que la parte lineal
de f debe ser de matriz
_
2/2
2/2
2/2
2/2
_
,
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
118 CAP
IDEOS. MOVIMIENTOS
por lo que la ecuaci on de f en la referencia usual es:
_
x
1
x
2
_
=
_
a
1
a
2
_
+
_
2/2
2/2
2/2
2/2
__
x
1
x
2
_
Si ahora imponemos que el punto de coordenadas (1, 2) quede jo, sale
_
a
1
a
2
_
=
_
1 +
2/2
2 3
2/2
_
y ya hemos terminado.
Metodo 2: En la referencia = (1, 2);
e
1
,
e
2
, la ecuaci on de f es
_
y
1
y
2
_
=
_
2/2
2/2
2/2
2/2
__
y
1
y
2
_
.
El cambio de la referencia (la usual) a es
_
_
y
1
y
2
1
_
_
=
_
_
1 0 1
0 1 2
0 0 1
_
_
_
_
x
1
x
2
1
_
_
,
y el cambio inverso es
_
_
x
1
x
2
1
_
_
=
_
_
1 0 1
0 1 2
0 0 1
_
_
_
_
y
1
y
2
1
_
_
.
Por tanto la ecuaci on de f en tiene matriz
_
_
1 0 1
0 1 2
0 0 1
_
_
_
_
2/2
2/2 0
2/2
2/2 0
0 0 1
_
_
_
_
1 0 1
0 1 2
0 0 1
_
_
|
_
_
2/2
2/2 1
2/2
2/2 2
0 0 1
_
_
_
_
1 0 1
0 1 2
0 0 1
_
_
|
_
_
2/2
2/2 1 +
2/2
2/2
2/2 2 3
2/2
0 0 1
_
_
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
4.7. MOVIMIENTOS DEL PLANO EUCL
IDEO 119
4.7.7 Ejemplo.- Estudiar la anidad f de 1
2
(con el producto usual) de ecua-
cion
_
x
1
x
2
_
=
_
1
0
__
3/2 1/2
1/2
3/2
__
x
1
x
2
_
en la referencia usual.
1
o
) Como
_
3/2 1/2
1/2
3/2
_
es una matriz ortogonal (y la base usual es
ortonormal para el producto usual, ver el Corolario 4.5.4), f es un movimiento.
2
o
) det
_
3/2 1/2
1/2
3/2
_
= 1, luego es un movimiento inverso.
3
o
) Miramos si hay puntos jos:
_
_
x
1
= 1 +
3
2
x
1
+
1
2
x
2
x
2
=
1
2
x
1
3
2
x
2
es un sistema incompatible, luego no hay puntos jos. De modo que f es una
simetra deslizante.
Cual es el eje? Como dijimos, p = (x
1
, x
2
) es del eje exactamente cuando
3/2 1
_
_
_
3
2
1
_
x +
1
2
y = 0
1
2
x
_
3
2
1
_
y = 0
que resulta el subespacio vectorial unidimensional de ecuaci on x = (
3 + 2)y.
Dado p = (x
1
, x
2
), su imagen por f tiene coordenadas
_
1 +
3
2
x
1
+
1
2
x
2
,
1
2
x
1
3
2
x
2
_
,
por lo que
pf(p) =
_
1 +
_
3
2
1
_
x
1
+
1
2
x
2
,
1
2
x
1
_
3
2
+ 1
_
x
2
_
,
que est a en el autoespacio anterior exactamente cuando
1 +
_
3
2
1
_
x
1
+
1
2
x
2
= (
3 + 2)
_
1
2
x
1
_
3
2
+ 1
_
x
2
_
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
120 CAP
IDEOS. MOVIMIENTOS
Operando obtenemos la ecuaci on del eje, que es
2x
1
+ (4 + 2
3)x
2
+ 1 = 0
o, en forma parametrica
_
1
2
, 0
_
+t(1, 2
3).
Para obtener el vector de traslacion calculamos
pf(p) para p =
_
1
2
, 0
_
por
ejemplo. Resulta f(p) =
_
1 +
3
4
,
1
4
_
, con lo que
v =
_
1
2
+
3
4
,
1
4
_
.
As que f es la simetra deslizante de eje 2x
1
+(4+2
3x
2
)+1 = 0 y vector
v =
_
1
2
+
3
4
,
1
4
_
.
4.8. Movimientos del espacio eucldeo tridimen-
sional
4.8.1 Comenzamos por analizar las posibilidades para la matriz de
f en una
base adecuada. Son matrices de la forma
_
_
cos sen 0
sen cos 0
0 0 1
_
_
si el movimiento es directo, y
_
_
cos sen 0
sen cos 0
0 0 1
_
_
si es inverso, incluyendo en ambos casos las posibilidades = 0, .
4.8.2 Caso directo.- Supongamos que
_
_
cos sen 0
sen cos 0
0 0 1
_
_
es la matriz de
f en cierta base ortonormal
e
1
,
e
2
,
e
3
orientada positivamente.
Si hay un punto jo p, la recta p+
e
3
) es una recta de puntos jos. Se trata
en este caso de un giro de angulo (de sentido positivo en el plano
e
1
,
e
2
), esto
es de
e
1
hacia
e
2
) con eje p +
e
3
).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
4.8. MOVIMIENTOS DEL ESPACIO EUCL
e
2
,
e
3
son
_
_
_
x
= xcos y sen
y
= xsen +y cos
z
= z
En el caso particular en que cos = 1 se le llama simetra axial.
Si no hay puntos jos, elegimos p
0
cualquiera. La ecuaci on en la referencia
p
0
;
e
1
,
e
2
,
e
3
es
_
_
_
x
= xcos y sen +c
y
= xsen +y cos +d
z
= z +e
Si cos = 1, f es la traslacion de vector (c, d, e).
Si cos ,= 1, al hallar los puntos jos hay que resolver
x(cos 1) y sen +c = 0
xsen +y(cos 1) +d = 0
e = 0
_
_
_
Las dos primeras ecuaciones tienen siempre solucion unica (x
0
, y
0
). Como el
sistema debe ser incompatible (no tener solucion), necesariamente e ,= 0.
La recta
x = x
0
y = y
0
_
es invariante, y tomando p en ella, las ecuaciones en la referencia p;
e
1
,
e
2
,
e
3
son
_
_
_
x
= xcos y sen
y
= xsen +y cos
z
= z +e
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
122 CAP
IDEOS. MOVIMIENTOS
Es una rotacion de angulo y eje p +
e
3
) (de sentido positivo en el plano
e
1
,
e
2
), esto es de
e
1
hacia
e
2
), seguida de una traslacion de vector e
e
3
(que
es paralelo al eje de rotacion); equivalentemente, es la traslacion seguida de la
rotacion mencionadas, dado que ambas conmutan. Se suele llamar a un movi-
miento de este tipo movimiento helicoidal. El giro sin desplazamiento descrito
arriba se puede considerar como caso particular de este (movimiento helicoidal
sin desplazamiento).
Caso inverso.-Existe una base ortonormal en la que la matriz de
f es
_
_
cos sen 0
sen cos 0
0 0 1
_
_
Que posibilidades hay?
i) cos = 1 y existe un punto jo p. Entonces el plano p +
e
1
,
e
2
) es plano
de puntos jos, y f es la simetra especular respecto a dicho plano (plano de
simetra). En la referencia p;
e
1
,
e
2
,
e
3
la ecuaci on es
_
_
_
x
= x
y
= y
z
= z
ii) cos = 1 pero sin puntos jos. Tomando p
0
cualquiera la ecuaci on en la
referencia p
0
;
e
1
,
e
2
,
e
3
es
_
_
_
x
= x +c
y
= y +d
z
= z +e
Como los puntos jos corresponden a soluciones de
x = x +c
y = y +d
z = z + e
_
_
_
,
necesariamente (c, d) ,= (0, 0) (para que no haya solucion).
El plano z =
e
2
es invariante. Tomando p en el se tiene
pf(p) = (c, d, 0). La
ecuaci on de f en p;
e
1
,
e
2
,
e
3
es
_
_
_
x
= x +c
y
= y +d
z
= z
,
que corresponde a la composicion de una simetra especular respecto a p +
e
1
,
e
2
) y de una traslacion de vector c
e
1
+d
e
2
paralelo al plano de simetra
(en cualquier orden, pues conmutan). Se llama a un movimiento como este
simetra deslizante.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
4.8. MOVIMIENTOS DEL ESPACIO EUCL
e
2
,
e
3
la ecuaci on de f es
_
_
_
x
= xcos y sen
y
= xsen + y cos
z
= z
que corresponde a la composicion de una simetra especular respecto al plano
p+
e
1
,
e
2
) y de una rotacion de angulo con eje p+
e
3
) perpendicular al plano
(y de sentido positivo en el plano
e
1
,
e
2
), esto es de
e
1
hacia
e
2
). Estas dos
aplicaciones conmutan. El caso particular en que cos = 1 se conoce como
simetra central de centro p.
4.8.3 Igual que hicimos en la secci on 4.7.5 en el caso de 1
2
, nos ocupamos
ahora del proceso inverso al que hemos seguido en las secciones previas: dado
un movimiento expresado en una referencia arbitraria: c omo detectamos de
que tipo de movimiento se trata?.
Sea A espacio afn eucldeo de dimensi on 3, y f : A A anidad de ecua-
ciones x
u =
xf(x)
para un punto x cualquiera en el eje.
4
o
) Si es inverso, es una simetra especular quiza seguida de un giro de eje
perpendicular al plano (cuando hay un unico punto jo) o de una traslacion
paralela al plano (cuando no hay puntos jos); no hay giro ni traslacion tras la
simetra cuando hay todo un plano de puntos jos.
El plano de simetra es un plano invariante. Para todo q, el punto medio
entre q y f(q) pertenece a dicho plano. El angulo de rotacion (cuando la hay)
viene dado por trM = 2 cos 1. El eje de giro es entonces una recta invariante
con un punto jo, de direcci on E
1
, el autoespacio correspondiente al autovalor
1 de
f. Si E
1
no tiene dimensi on 1, entonces su dimensi on es 3 y f es la
simetra central de centro el punto jo.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
124 CAP
IDEOS. MOVIMIENTOS
Si cos = 1 se trata de una simetra especular seguida de una traslacion. El
vector de traslacion es
xf(x) con x un punto cualquiera del plano del plano de
simetra.
4.8.4 Observacion.- Es claro que es preciso hacer alg un comentario sobre la
orientacion de los angulos de giro que aparecen en movimientos en 1
3
(tanto
en rotaciones y movimientos helicoidales como en rotaciones seguidas de una
simetra ortogonal al eje). Cuando estudiamos uno de tales movimientos, dado en
una referencia arbitraria por la ecuaci on x
e E si
v
1
,
v
2
= M
v
1
,
e (ver el
ejemplo siguiente).
4.8.5 Ejemplo.- Estudiar el movimiento de ecuaci on
_
_
x
_
_
=
_
_
2
2
2
_
_
_
_
0 0 1
0 1 0
1 0 0
_
_
_
_
x
y
z
_
_
.
Como det A = 1, siendo A la matriz, es un movimiento inverso.
Miro los puntos jos:
_
_
_
x = z + 2
y = y + 2
z = x + 2
,
cuya unica solucion es (0, 1, 2). De modo que se trata de una simetra compuesta
con un giro de eje perpendicular al plano de simetra.
El eje de giro es p [
pf(p) E
1
. Calculamos el autoespacio:
ker(A + Id)
_
_
1 0 1
0 0 0
1 0 1
_
_
_
_
x
y
z
_
_
=
_
_
0
0
0
_
_
que resulta
_
x = 0
z = 0
_
, que son las ecuaciones de E
1
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
4.8. MOVIMIENTOS DEL ESPACIO EUCL
pf(p) = (z x + 2, 2y + 2, x z + 2) E
1
z x + 2 = 0
x z + 2 = 0
_
ecuaciones del eje.
Observa que, efectivamente, (0, 1, 2) es un punto del eje. En forma parametri-
ca es (0, 1, 2)+(0, 1, 0)). Respecto al angulo de giro: tr A = 1 = 1+2 cos
cos = 0. Si tomamos
v
1
= (1, 0, 0), entonces
v
2
=
_
_
1 0 1
0 0 0
1 0 1
_
_
_
_
1
0
0
_
_
=
_
_
0
0
1
_
_
As, el vector
e director del eje que describe el sentido de giro (aquel que
hace que la base
v
1
,
v
2
,
1 0
e
1
0 0
e
2
0 1
e
3
= (0, 1, 0)
donde
e
1
,
e
2
,
e
3
es la base usual. As, el angulo es =
2
respecto a la orien-
tacion dada por
e = (0, 1, 0).
El plano de simetra es (0, 1, 2) +(1, 0, 0), (0, 0, 1)) (el plano y = 1).
4.8.6 Ejemplo.- Hallar las ecuaciones del movimiento helicoidal de eje (0, 0, 1)+
t(0, 1, 1), angulo
4
(en la orientacion dada por
e = (0, 1, 1)) y vector de tras-
lacion (0, 1, 1), en la referencia usual.
El vector director del eje es (0, 1, 1), que normalizado es
_
0,
2
2
,
2
2
_
. El
ortogonal a el es y + z = 0 = (1, 0, 0), (0, 1, 1)). Tomo la base ortonormal
B =
_
0,
2
2
,
2
2
_
, (1, 0, 0),
_
0,
2
2
,
2
2
_
(que est a orientada positivamente:
de lo contrario debera cambiar el orden de los dos ultimos vectores).
En la referencia = (0, 0, 1); B, la ecuaci on del giro de eje (0, 0, 1) y
angulo
4
tiene ecuaci on
_
_
_
_
x
1
_
_
_
_
=
_
_
_
_
1 0 0 0
0
2/2
2/2 0
0
2/2
2/2 0
0 0 0 1
_
_
_
_
_
_
_
_
x
y
z
1
_
_
_
_
= N
_
_
_
_
x
y
z
1
_
_
_
_
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
126 CAP
IDEOS. MOVIMIENTOS
El cambio de a la referencia usual
es de matriz
P =
_
_
_
_
0 1 0 0
2/2 0
2/2 0
2/2 0
2/2 1
0 0 0 1
_
_
_
_
,
mientras que el cambio de
a tiene matriz
P
1
=
_
_
_
_
0 1 0 0
2/2 0
2/2 0
2/2 0
2/2 1
0 0 0 1
_
_
_
_
.
Por tanto la ecuaci on del giro en la referencia usual es de matriz
M = P
1
NP =
_
_
_
_
2/4 1/2
2/4 1/2 +
2/4
1/2 1/2
2/4 1/2 +
2/4 1/2
2/4
0 0 0 1
_
_
_
_
.
Componiendo con la traslacion por (0, 1, 1) sale
_
_
_
_
x
1
_
_
_
_
=
_
_
_
_
2/4 1/2
2/4 1/2 +
2/4
1/2 1/2
2/4 1/2 +
2/4 1/2
2/4
0 0 0 1
_
_
_
_
_
_
_
_
x
y
z
1
_
_
_
_
.
4.8.7 Ejemplo.- Estudiar el movimiento f de ecuaci on
_
_
_
_
x
1
_
_
_
_
=
_
_
_
_
1/2 1/2 1/
2 3
1/2 1/2 1/
2 3
1/
2 1/
2 0 0
0 0 0 1
_
_
_
_
_
_
_
_
x
y
z
1
_
_
_
_
.
Como
1/2 1/2 1/
2
1/2 1/2 1/
2
1/
2 1/
2 0
= 1
es un movimiento directo.
Calculo los puntos jos:
1
2
x +
1
2
y +
2
2
z + 3 = x
1
2
x +
1
2
y
2
2
z + 3 = y
2
2
x +
2
2
y = z
_
_
,
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
4.8. MOVIMIENTOS DEL ESPACIO EUCL
f Id)
_
_
1/2 1/2 1/
2
1/2 1/2 1/
2
1/
2 1/
2 0
_
_
_
_
x
y
z
_
_
=
_
_
0
0
0
_
_
por lo que E
1
tiene ecuaciones
x y
2z = 0
2x +
2y 2z = 0
_
_
_
.
Sea p = (x, y, z): entonces
f(p) =
_
1
2
x +
1
2
y +
2
2
z + 3,
1
2
x +
1
2
y
2
2
z + 3,
2x +
2y
_
,
con lo que
pf(p) =
_
1
2
x +
1
2
y +
2
2
z + 3,
1
2
x
1
2
y
2
2
z + 3,
2x +
2y z
_
,
que est a en E
1
exactamente cuando
1
2
x +
1
2
y +
2
2
z + 3
1
2
x +
1
2
y +
2
2
z + 3 +x y +
2z = 0
2
2
x
2
2
y z 3
2 +
2
2
x
2
2
y z + 3
2 +
2x
2y + 2z = 0
_
_
,
que, operando, son las ecuaciones
z = 0
x y = 0
_
,
por lo que el eje es, en forma parametrica, (0, 0, 0) +(1, 1, 0)).
Y el angulo de giro? Dado que la traza de la parte lineal de f, que en
este caso vale 1, debe ser 2 cos + 1, la respuesta es que = /2 pero: en
que sentido?.
Tomamos
v
1
= (1/
2, 1/
f resulta
v
2
= (0, 0, 1). El producto vectorial de ambos es (1, 1, 0), luego ese
es el vector que indica el sentido de giro (regla de la mano derecha).
El vector de traslacion es, por ejemplo,
qf(q) con q = (0, 0, 0), que resulta
(3, 3, 0).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
128
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Ejercicios de Geometra
Eucldea
1. Sea e
1
, e
2
, e
3
una base de 1
3
y : 1
3
1
3
1 la forma bilineal
simetrica dada por:
((x
1
, x
2
, x
3
), (y
1
, y
2
, y
3
)) = (x
1
, x
2
, x
3
)
_
_
1 1 0
1 3 1
0 1 1
_
_
_
_
y
1
y
2
y
3
_
_
a. Demuestra que es un producto escalar en 1
3
.
b. Calcula una base ortonormal de 1
3
respecto de .
2. Para cada 1, considera en 1
3
la aplicacion bilineal
((x
1
, x
2
, x
3
), (y
1
, y
2
, y
3
)) = (x
1
, x
2
, x
3
)
_
_
1 1 0
1 1
0 1
_
_
_
_
y
1
y
2
y
3
_
_
a. Calcula los valores de para los que
es un producto escalar.
b. Sea M
. Demuestra que
M
,
((x
1
, x
2
, x
3
), (y
1
, y
2
, y
3
)) = (x
1
, x
2
, x
3
)
_
_
0
1 0
0 0
_
_
_
_
y
1
y
2
y
3
_
_
a. Dibuja el subconjunto de 1
2
dado por (, ) 1
2
:
,
es un producto escalar.
b. Determina los valores de y para que el plano de ecuaci on x+y+z = 0
sea ortogonal al vector (1, 0, 1) respecto al producto escalar
,
.
4. Sea V = p(x) 1[x] : grado(p(x)) 3. En V V se considera la
aplicacion
(p(x), q(x)) =
_
1
1
p(t)q(t)dt.
129
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
130
a. Demuestra que es un producto escalar.
b. Calcula la base obtenida despues de aplicar el proceso de Gram-Schmidt
a la base 1, x, x
2
, x
3
.
5. Considera la base de 1
3
dada por: u = (2, 1, 1), u
2
= (0, 1, 0) y
u
3
= (1, 1, 0), respecto de la base B = e
1
, e
2
, e
3
. Denimos un producto
escalar en 1
3
armando que u
1
, u
2
, u
3
es una base ortonormal. Encuentra la
expresion analtica de este producto escalar en la base B.
6. Sea ((x
1
, x
2
, x
3
), (y
1
, y
2
, y
3
)) = x
1
y
1
+ (x
1
+ x
2
)(y
1
+ y
2
) + (x
1
+ x
2
+
x
3
)(y
1
+ y
2
+ y
3
) un producto escalar en 1
3
. Da una base ortogonal de los
subespacios W
i
1
3
para
W
1
= x 1
3
: x
1
= x
2
= x
3
y W
2
= x 1
3
: x
1
+ 2x
2
+ 3x
3
= 0 .
7. Considera en 1
n
el producto escalar habitual. Encuentra las ecuaciones
implcitas del complemento ortogonal del subespacio W =< (1, 0, 1), (2, 1, 1) >
1
3
(resp. W = (x
1
, x
2
, x
3
, x
4
) 1
4
: x
1
+x
2
+x
3
+x
4
= 0 , 2x
1
x
2
= 0 1
4
).
8. Encuentra la aplicacion adjunta de:
a. La aplicacion h : 1
3
1
3
, h(x, y, z) = (x+y+z, x+2y+2z, x+2y+3z),
con el producto escalar usual de 1
3
.
b. La aplicacion f : 1
3
1
3
, f(x, y, z) = (y +z, x+2z, x+2y), con el
producto escalar ((x
1
, x
2
, x
3
), (y
1
, y
2
, y
3
)) = x
1
y
1
+(x
1
+x
2
)(y
1
+y
2
) + (x
1
+
x
2
+x
3
)(y
1
+y
2
+y
3
).
c. La aplicacion g : 1[x]
2
1[x]
2
,dada por g(p(x)) = xp
(x) (xp(x))
,
con el producto escalar dado en el ejercicio 7.
d. La aplicacion T : M
33
(1) M
33
(1), dada por T(A) = A
t
+A, con
el producto escalar < A, B >= tr(AB
t
).
9. Sea f una aplicacion lineal de 1
2
en 1
2
cuya matriz en una base B es:
_
1
_
.
Demuestra que f es la proyeccion ortogonal sobre la recta ax+by = 0, donde
= b
2
/(a
2
+b
2
) y = ab/(a
2
+b
2
).
10. En 1
3
se considera el producto escalar con matriz en una base B =
e
1
, e
2
, e
3
_
_
1 1 0
1 2 2
0 2 5
_
_
.
a. Calcula una base ortonormal u
1
, u
2
, u
3
.
b. Calcula la proyeccion del vector de coordenadas (1, 1, 1) en la base B
sobre el plano y +z = 0.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
131
c. Calcula el subespacio ortogonal al vector de coordenadas (2, 0, 1) en la
base u
1
, u
2
, u
3
.
11. Encuentra las ecuaciones de la simetra con respecto al plano 2x+y+z =
0.
12. Encuentra la expresion analtica de las siguientes isometras:
a. La simetra deslizante de eje paralelo a la recta 2x+y = 3 y que transforma
(2, 1) en (1, 0).
b. El giro de angulo /3 que lleve (2, 1) en (1, 0).
13. Estudia
*
las siguientes isometras (o movimientos) del plano 1
2
:
_
x
= 2 +
1
2
x
3
2
y
y
= 1 +
3
2
x +
1
2
y
_
x
2
2
x +
2
2
y
y
= 1 +
2
2
x
2
2
y
Estudia la isometra composicion de las dos anteriores.
14. Sea p; e
1
, e
2
, e
3
una referencia ortonormal del espacio afn eucldeo
(A, E). Designemos por s la simetra respecto al eje p+ < (a, b, c) > y por s su
endomorsmo asociado.
a. Demuestra que, para todo v E, s(v) + v es un vector propio de valor
propio 1 (o bien es el
0).
b. Deduce de a la matriz de s en funci on de a, b, c.
c. Usa b para hallar las ecuaciones de la rotacion de angulo respecto de
la recta interseccion de los planos 3x 4y 25 = 0, z = 2.
15. Sea p ; e
1
, e
2
, e
3
una referencia ortonormal del espacio afn eucldeo
(A, E). Considera la simetra, , respecto al plano de ecuaci on ax+by+cz+d = 0
y el endomorsmo de E asociado a .
a. Demuestra que, para todo v E, (v) v es ortogonal al plano de
simetra.
b. Halla la matriz de en funci on de a, b, c.
c. Halla las ecuaciones de la simetra respecto al plano x + 2y 3z + 2 = 0.
16. En 1
3
, considera el producto escalar cuya matriz en la base B =
e
1
, e
2
, e
3
es:
_
_
5 1 0
1 1 0
0 0 3
_
_
Halla la distancia del punto (1, 1, 2) al plano que pasa por los puntos de
coordenadas cartesianas a = (1, 1, 1), b = (2, 1, 3) y c = (4, 5, 2) en la
referencia O; B.
17. Considera 1
3
con el producto escalar usual y 1.
*
Es decir, clasifcala y halla sus variedades lineales invariantes.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
132
a. Calcula la ecuaci on de la recta
.
c. Demuestra que el lugar geometrico de los puntos r
con 1, es la recta
(1, 0, 2)+ < (0, 1, 1) >.
18. Encuentra la expresion analtica de las siguientes isometras de 1
3
:
La simetra respecto al plano 3x y + 2z = 1.
La rotacion helicoidal respecto al eje < (1, 1, 0) > con angulo y vector
de traslacion (2, 2, 0).
La composicion de las dos isometras anteriores.
19. Estudia las siguientes isometras de 1
3
:
_
_
x
= 1 +
1
2
x +
2
2
y +
1
2
z
y
= 1 +
2
2
x
2
2
z
z
=
1
2
x
2
2
y +
1
2
z
,
_
_
_
x
= 1 +y
y
= 1 z
z
= x
Estudia la composicion de las dos isometras anteriores.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Problemas de Geometra
Eucldea
1. Sea E un 1espacio vectorial de dimensi on nita. Sean f
1
, . . . , f
k
Hom(E, 1) formas lineales linealmente independientes. Supongamos dados n ume-
ros reales
i,j
1, 1 i, j k. Para u, v E denimos
(u, v) =
1i,jk
i,j
f
i
(u)f
j
(v).
Demuestra que es una forma bilineal simetrica si y solo si
i,j
=
j,i
, para
1 i, j k.
2. Sea (V, <, >) un espacio vectorial eucldeo.
a. Demuestra que, para todo par de vectores u, v V , se da la igualdad:
2(|u|
2
+|v|
2
) = |u +v|
2
+|u v|
2
. Esta igualdad se conoce como la Ley del
paralelogramo.
b. Demuestra que, para todo par de vectores u, v V , se da la igualdad:
4 < u, v >= |u +v|
2
|u v|
2
. Esta igualdad se conoce como la Identidad de
polarizaci on.
c. Demuestra que, para todo par de vectores u, v V , se da la igualdad:
2 < u, v >= |u +v|
2
|u|
2
|v|
2
.
3. Demuestra que la forma bilineal : M
33
(1) M
33
(1) 1 denida
por (A, B) = tr(AB
t
) es un producto escalar.
4. Sea T una aplicacion lineal de un espacio eucldeo E en s mismo. Sea T
es autoadjunta.
5. Sean (E, <, >) un espacio vectorial eucldeo y f un endomorsmo de E
tal que |f(x)| |x| para todo x E. Sea g la adjunta de f.
a. Demuestra que |g(x)| |x|, para todo x E.
b. Demuestra que Ker(g id
E
) = Ker(f id
E
), donde id
E
denota la
aplicacion identidad de E.
c. Demuestra que E = Ker(f id
E
) +Im(f id
E
).
133
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
134
6. Sean (E, <, >) un espacio vectorial eucldeo y f un endomorsmo de E tal
que
< f(u), v >= < u, f(v) >, para todo par de vectores u, v E.
a. Demuestra que Ker(f) e Im(f) son subespacios ortogonales de E.
b. Demuestra que E = Ker(f) Im(f).
c. Demuestra que, si (a
ij
) es la matriz de f en una base ortonormal, entonces
a
ij
= a
ji
para todo i, j.
7. Determina el lugar geometrico de las im agenes del punto (1, 1) por todos
los giros de 1
2
de angulo /2 y centro sobre la recta x +y = 1.
8. Estudia la composicion de dos simetras en 1
2
de ejes paralelos.
9. Demuestra que la composicion de tres simetras en 1
2
de ejes concurrentes
es otra simetra y determina su eje.
10. Demuestra que la composicion de dos simetras en un plano, cuyos ejes
se cortan en un punto, es una rotacion. Determina su centro y angulo.
11. Considera 1
3
con el producto escalar habitual.
a. Demuestra que la composicion de dos simetras con respecto a dos planos
paralelos es una traslacion.
b. Demuestra que la composicion de dos simetras con respecto a planos
secantes es un giro con eje la recta com un a los dos planos y angulo el doble del
angulo entre los planos.
c. Demuestra que la composicion de dos giros de angulo con ejes secantes
es un giro.
d. Demuestra que la composicion de dos giros de angulo con ejes que se
cruzan puede escribirse como la composicion de un giro y una traslacion.
12. Considera la matriz simetrica:
A =
_
a b
b d
_
Considera su forma diagonal D = Q
1
AQ, donde det(Q) > 0. Demuestra que
Q es una rotacion de angulo
=
1
2
arctan
_
2b
a d
_
13. Supongamos dado un endomorsmo f de un espacio vectorial eucldeo
(E, ) de dimensi on n tal que, para todo u, v E, se tiene
f(u) f(v) = (u v) , para un > 0 jo .
a. Demuestra que |f(v)| =
.
d. Demuestra que f = g h, donde g O(n) y h es una homotecia.
14. Dados dos triangulos isometricos en un plano afn eucldeo, estudia las
isometras que llevan uno en otro.
15. Determina todas las isometras de 1
2
que conmutan con la simetra de
eje x 2y = 1.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
136
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Parte III
Geometra proyectiva
137
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
139
Como ya sabemos existen distintas geometras, seg un las estructuras que se
estudian. As, la geometra afn est a asociada a la estructura de espacio afn. El
grupo de transformaciones relevante en la geometra afn son las anidades (con-
servan la estructura de espacio afn). Las propiedades anes son aquellas con-
servadas por las anidades (colinealidad, paralelismo, forma -pero no medida-).
La geometra eucldea es la asociada a la estructura de espacio afn eucldeo.
Las transformaciones relevantes son las isometras, y los conceptos tpicamente
eucldeos son el de distancia y ortogonalidad.
Todos los conceptos anes son tambien eucldeos, pero no a la inversa. Del
mismo modo, todas las aplicaciones que conservan la estructura eucldea (las
isometras) son anidades (que conservan la estructura afn), aunque no toda
anidad es una isometra. Es decir, que en ese sentido la geometra afn es mas
general que la eucldea.
La geometra proyectiva es, en esta lnea, mas general que las otras dos.
As que los conceptos propios de esta geometra seran muy pocos, y todos los
resultados que se obtengan seran de alg un modo ciertos en geometra afn o
eucldea.
Como veremos, en geometra proyectiva no solo no hay noci on de distancia
(como en la eucldea), sino que tampoco hay nocion de paralelismo (como en la
afn). S olo la colinealidad y la incidencia son tpicamente proyectivos.
Isometrias
Transformaciones
proyectivas
Afinidades
La geometra proyectiva es aquella que trata las propiedades que se con-
servan bajo proyecciones. Tiene aplicaciones en vision articial, funcionamiento
de c amaras, reconstrucci on de im agenes bidimensionales en tres dimensiones,
etc. . . Es la geometra asociada al modo en que el ojo humano percibe el mundo.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
140
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Captulo 5
El espacio proyectivo
5.1. La nocion de espacio proyectivo
5.1.1 La geometra proyectiva surgi o a partir de los artistas renacentistas,
que observaron que tenan que comprender c omo se pueden representar escenas
tridimensionales en lienzos, que son bidimensionales (Durero, S. XVI, estudios
de perspectiva).
Lo que el ojo ve son los rayos de luz que se reejan en cada punto de la
escena y le llegan desde ellos.
Figura 5.1: La geometra proyectiva est a conectada con nuestra forma de ver el
mundo.
De modo que lo que pinta el artista es el resultado de proyectarla escena
sobre un plano (el lienzo) situado entre la escena y el ojo, usando como centro
de proyeccion el ojo (lo mismo ocurre con una c amara).
141
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
142 CAP
p
L
Figura 5.2: Las vas de un tren parecen cortarse en un punto en el innito.
Los objetos que viven en quedan representados en el lienzo
por medio
del punto de corte de la recta correspondiente con
.
Dos rectas paralelas, perpendiculares a L =
(o sus representaciones en
no conserva ni el paralelismo ni
las longitudes o distancias.
5.1.3 La union del plano con todos los puntos en el innito.
es
lo que se va
a llamar el plano proyectivo.
Para simplicar, consideremos la misma cuestion pero en una dimensi on
menor: coloquemos un ojo en el origen de 1
2
, mirando hacia la recta (afn) real
1, que suponemos que no pasa por el origen de 1
2
:
La recta proyectiva real es la union de la recta afn real 1 con un punto del
innito. La notaci on habitual sera P
1
R
= 1 P
.
Cada punto de 1 corresponde en P
1
R
a (el corte con la recta 1) de una recta
vectorial (i.e. que pasa por el origen) de 1
2
. La unica recta vectorial que falta
(la paralela a la recta afn 1) corresponde al punto del innito P
de P
1
R
.
Es decir, que la recta proyectiva real se corresponde de manera 1 1 con el
conjunto de las rectas vectoriales de 1
2
. Volveremos a esta idea mas adelante.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
5.1. LA NOCI
,
donde L
= P
1
R
es la recta en el innito.
Observamos de nuevo que cada punto de P
2
R
corresponde a una recta vectorial
de 1
3
(y se obtienen todas las rectas).
De este modo, podramos dar una denicion recursiva de los espacios pro-
yectivos reales:
Denicion Los espacios proyectivos reales se construyen de forma recursiva
como P
n
R
= 1
n
P
n1
R
Es decir, P
1
R
= 1
1
P
0
R
(con P
0
R
= P
es el plano del
innito), etc. . .
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
144 CAP
u para alg un ,= 0
5.2.2 Observaciones
Es sencillo comprobar que la relacion de la denicion anterior es, efec-
tivamente, de equivalencia (entiendes por que hay que eliminar el vector
0
de E?). Ademas cada clase de equivalencia corresponde con un subespacio de
dimensi on 1 en E (una recta vectorial). Como el conjunto cociente es el conjunto
de las clases de equivalencia, P(E) es un espacio en que cada punto corresponde
a una recta vectorial de E, como pretendamos.
En el caso en que E = K
n+1
con K un cuerpo (normalmente 1 o C),
se denota a P(K
n+1
) = P
n
K
(espacio proyectivo est andar de dimensi on n sobre
K), como hicimos al principio del captulo al hablar de los espacios proyectivos
reales. A partir de ahora nos centraremos en estos espacios.
Un espacio proyectivo viene provisto de una aplicacion natural desde un
espacio vectorial (aplicacion de paso al cociente)
K
n+1
0
K
n+1
P
n
K
u [
u ]
que va a ser muy importante, pues va a permitir denir objetos proyectivos a
traves de objetos vectoriales.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
5.2. LA DEFINICI
P
1
R
u [
u ]
el paso al cociente. El punto p = [(1, 2)] y el punto [(2, 4)] son el mismo, puesto
que los vectores (1, 2) y (2, 4) son proporcionales. Se suele denotar a este punto
de P
1
R
como p = (1 : 2) (o, equivalentemente p = (2 : 4), etcetera). Veremos
mas adelante esto en detalle, pero a (1 : 2) = (2 : 4) = (1/5 : 2/5) =
se le llama coordenadas homogeneas de p. Ya las estudiaremos con cuidado,
pero adelantamos aqu que la noci on de coordenadas proyectivas va a estar bien
denida salvo constante.
5.2.4 Denicion Se llama a P(1
2
) = P
1
R
recta proyectiva real, a P(1
2
) = P
1
R
plano proyectivo real, etc. . .
5.2.5 Hemos denido la recta proyectiva real de dos formas diferentes:
1
2
o 1
1
P
(1, ) IR
Recta x =1
1
(IR)
y= x
(1, ) IR
Figura 5.5: La recta proyectiva real se obtiene a nadiendo un punto a una recta
afn.
Cada punto de la forma (1, x
2
) est a en la recta de pendiente x
2
, y cada recta
de pendiente x
2
contiene un unico punto con la primera coordenada igual a 1
(el punto de corte con la recta x
1
= 1).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
146 CAP
.
P
1
R
= 1 P
=
1
2
= P(1
2
)
Dado P P
1
R
, P est a en la parte afn (1) si se puede representar por un punto
de coordenadas homogeneas de la forma (1 : t). El punto del innito corresponde
al unico punto de P
1
R
que no puede tener coordenadas homogeneas de esa forma,
que es el (0 : 1): La raz on es que si x
1
,= 0 entonces (x
1
: x
2
) =
_
1 :
x
1
x
2
_
,
mientras que si x
1
= 0 entonces x
2
,= 0 y (x
1
: x
2
) = (0 : x
2
) =
_
0 :
x
2
x
2
_
= (0 :
1).
Una observaci on importante es que la descomposicion P
1
R
= 1P
no es,
ni mucho menos, unica. En vez de hacer la construcci on anterior a base de cortar
con x
2
= 1 podramos cortar con x
1
= 2, 2x
1
+ 3x
2
= 3, o en general cualquier
recta afn de 1
2
, lo cual identicara una parte diferente de P
1
R
como parte
afn, y otro como punto del innito. De hecho, todos los puntos de un espacio
proyectivo son exactamente iguales, y no hay ninguno que sea canonicamente
clasicable como punto del innito.
Insistamos tambien en que si tuvieramos que dibujar un diagrama que re-
presentara la recta proyectiva real, dibujaramos una recta afn, asumiendo que
la recta proyectiva tiene un punto mas.
5.3. Variedades proyectivas
El espacio adecuado para estudiar la geometra proyectiva es el espacio pro-
yectivo. Va a ser, como veremos, un buen lugar para estudiar intersecciones
(recuerda que las vas de un tren se cortan en el innito, ver la secci on 5.1.2,
por lo que no van a existir paralelas).
5.3.1 Denicion Sea P = P(E) un espacio proyectivo. Un subconjunto X
P es una variedad proyectiva si X = (
0 ), donde
: E P(E)
E
X =
1
(X)
0 =
u E t.q.
u =
0 o [
u ] X.
Luego X es una variedad proyectiva si y solo si
1
(X)
0 es un sub-
espacio vectorial de E.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
5.3. VARIEDADES PROYECTIVAS 147
Hay una biyeccion
Variedades proyectivas de P(E) Subespacios vectoriales de E
X
X =
1
(X)
0
(F
0 ) = P(F) F
Ademas X Y
X
Y .
5.3.3 Denicion La dimensi on de la variedad proyectiva X es dim(X) :=
dim(
X) 1.
5.3.4 Observacion.- No hay nada en la denicion de variedad proyectiva que
impida tomar la variedad que corresponde al subespacio vectorial
X =
0 ,
que no es otra que X = (el conjunto vaco). La dimensi on del conjunto vaco
es, por tanto, -1. Esto puede parecer ahora algo estrafalario, pero har a que las
formulas que escribamos mas adelante no tengan casos excepcionales.
5.3.5 Ejemplo.- En el espacio proyectivo de dimensi on n P(E), con dim E =
n + 1 entonces
X recta vectorial P(
X plano vectorial P(
X = E (dimension n + 1) P(
X) = P(E) = P
n
dimensi on n
Ejemplo.- Una recta proyectiva en el plano proyectivo real. Si dibujamos
solo la parte afn, es como en la gura 5.6 (una recta afn).
De hecho, una recta proyectiva no es mas que una recta afn con un punto
adicional (que corresponde a su direcci on). Si representamos el espacio vectorial
de dimensi on 2 que corresponde a esa recta proyectiva, la situaci on es como en
la gura 5.7.
En ella hemos representado el plano x
3
= 1 que, igual que hicimos en la
secci on 5.2.5 en una dimensi on menor, se identica con la parte afn de P
2
R
. La
recta paralela a L pero pasando por el origen corresponde al punto en el innito
de P
2
R
que tambien pertenece a la recta proyectiva L.
5.3.6 Observacion.- Al contrario que la dimensi on, la codimensi on de una
variedad proyectiva coincide con la del subespacio vectorial asociado.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
148 CAP
X) 1)
= n + 1 dim(
X)
= dim(E) dim(
X)
= codim(
X)
5.4. Operaciones entre variedades proyectivas
5.4.1 Proposici on [Interseccion de variedades] Si X
i
son variedades pro-
yectivas (i I), entonces X =
iI
X
i
es una variedad proyectiva, y
X =
iI
X
i
.
Demostracion.- Basta calcular
1
(X)
0 =
1
(
iI
X
i
)
0
=
_
iI
_
1
(X
i
)
_
0
=
iI
__
1
(X
i
)
_
0
_
=
iI
X
i
,
que es un espacio vectorial. Por tanto X es variedad proyectiva.
5.4.2 Denicion Si A es un subconjunto de un espacio proyectivo, la variedad
proyectiva generada por A es
V (A) :=
X A
X var. proy.
X
(la interseccion de todas las variedades proyectivas que contienen a A).
Una consecuencia inmediata de la denicion es que V (A) es la menor varie-
dad proyectiva que contiene a A.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
150 CAP
V (p
1
, p
2
) = plano que generan L
1
y L
2
=
1
(A)), donde ) denota
subespacio vectorial generado.
5.4.4 En general se cumple
V (A) =
1
(A)):
) V (A) A
V (A)
1
(A). Pero como
V (A) es ya un subespacio vectorial,
V (A)
1
(A)).
) P(
1
(A))) A. Pero P(
1
(A))) es una variedad proyectiva, por lo que
(
1
(A))
0 ) = P(
1
(A))) V (A)
1
(A))
V (A).
5.4.5 Ejemplos.- Si A =
iI
X
i
con X
i
variedades proyectivas, entonces
V (A) =
V (X
i
)
=
1
(X
i
))
= (
1
(X
i
)))
=
X
i
)
=
X
i
En el caso en que cada X
i
es un punto, A = p
1
, . . . , p
n
y p
i
= [
u
i
] con
u
i
,=
0 , por lo que
V (A) =
u
1
) + +
u
n
) =
u
1
, . . . ,
u
n
).
5.4.6 Teorema [de Incidencia] Si X, Y son variedades proyectivas, entonces
dim V (X Y ) = dim X + dim Y dim (X Y ).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
5.4. OPERACIONES ENTRE VARIEDADES PROYECTIVAS 151
Demostracion.- Es consecuencia de la formula de Grassmann para espacios
vectoriales.
Como
X Y =
X
Y , se tiene
dim (X Y ) = dim (
X Y ) 1 = dim (
X
Y ) 1,
mientras que, puesto que V (
X Y ) =
X +
Y , entonces
dim V (X Y ) = dim
V (X Y ) 1 = dim (
X +
Y ) 1.
As que
dim V (X Y ) = dim (
X +
Y ) 1
= dim
X + dim
Y dim (
X
Y ) 1
= (dim
X 1) + (dim
Y 1) (dim (
X
Y ) 1)
= dim X + dim Y dim (X Y )
u
1
], . . . , P
r
= [
u
r
] de P(E) si
u depende lineal-
mente de
u
1
, . . . ,
u
r
.
Observacion.- El lector exigente debera cerciorarse de que la nocion ante-
rior no depende de los representantes
u ,
u
1
, . . . ,
u
r
de las clases elegidos.
5.5.2 Ejemplo.- Tres puntos distintos de P
2
R
no son linealmente independien-
tes si y solo si las tres direcciones de 1
3
de las que provienen no son linealmente
independientes (generan un plano), lo cual es equivalente a que los tres puntos
generen una recta proyectiva (ver la gura 5.10).
u
1
p
1
2
p
p
3
u
2
u
3
Figura 5.10: Tres puntos alineados del espacio proyectivo.
5.5.3 Teorema Sea E un espacio vectorial de dimensi on n + 1.
a) El n umero m aximo de puntos linealmente independientes en P(E) es n + 1
(recuerda que P(E) tiene dimensi on n).
b) Si P
0
= [
u
0
], . . . , P
n
= [
u
n
] y
u
j
= (u
j0
, . . . , u
jn
) en una cierta base de E,
entonces
P
0
, . . . , P
n
l. i.
u
00
u
n0
.
.
.
.
.
.
u
0n
u
nn
,= 0
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
154 CAP
1 0
0 1
,= 0,
0 1
1 1
,= 0,
1 1
0 1
,= 0,
se trata de una referencia proyectiva.
5.5.6 Teorema (de existencia de base normalizada) Consideremos la
referencia proyectiva = P
0
, . . . , P
n
; U en P(E). Entonces:
i) Existe una base
e
0
, . . . ,
e
n
de E tal que [
e
j
] = P
j
para j = 0, . . . , n, y
[
e
0
+ +
e
n
] = U. Se llama base normalizada respecto a o asociada a .
ii) Si B =
e
0
, . . . ,
e
n
y B
e
0
, . . . ,
e
n
e
j
v
0
, . . . ,
v
n
base de E tal que P
i
= [
v
i
], i = 0, . . . , n.
Sea
v
n+1
un vector de E tal que U = [
v
n+1
]. Como
v
0
, . . . ,
v
n
es base de
E,
v
n+1
=
0
v
0
+ +
n
v
n
para unos unicos
0
, . . . ,
n
.
Veamos que ninguno de los
i
puede ser nulo:
i
= 0
v
n+1
v
j
, j ,=
i) U V (P
j
, j ,= i) Los n + 1 puntos P
0
, . . . , P
i1
, P
i+1
, . . . , P
n
, U
son linealmente dependientes, lo cual contradice la condicion de ser referencia
proyectiva.
Sea pues
e
0
=
0
v
0
, . . . ,
e
n
=
n
v
n
base de E. Cumple [
e
i
] = P
i
y tambien
[
e
0
+ +
e
n
] = U.
ii) Sean
e
0
, . . . ,
e
n
,
e
0
, . . . ,
e
n
e
i
] = [
e
i
], entonces
e
i
=
i
e
i
.
Como [
e
0
+ +
e
n
] = [
e
0
+ +
e
n
], se tiene
e
0
+ +
e
n
= (
e
0
+ +
e
n
).
De modo que
0
e
0
+ +
n
e
n
e
0
+ +
e
n
0
= =
n
= .
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
5.5. REFERENCIAS Y COORDENADAS PROYECTIVAS 155
5.5.7 Ejemplo.- Tomemos = P
0
= [(1, 2)], P
1
= [(0, 3)]; U = [(2, 0)]
referencia proyectiva en P
1
R
. Como calcular base normalizada?
(2, 0) =
0
(1, 2) +
1
(0, 3) =
0
= 2,
1
=
4
3
de modo que (2, 0) = (2, 4) + (0, 4) =
e
1
+
e
2
.
La base B = (2, 4), (0, 4) es base normalizada.
5.5.8 Denicion Sea P = P(E) y = P
0
, . . . , P
n
; U referencia proyectiva.
Las coordenadas homogeneas de P en son cualquier colecci on [x
0
, . . . , x
n
] tal
que (x
0
, . . . , x
n
) sean las coordenadas de un vector cualquiera que determine P
(i.e.
v t.q. [
e
0
= (2, 4),
e
1
= (0, 4).
Cuales son las coordenadas homogeneas en de P = [(4, 4)]?
(4, 4) = 2(2, 1) + 1(0, 4),
luego P = (2 : 1) ( o (6 : 3), etc. . . ).
5.5.10 Algunas observaciones importantes al respecto de las coordenadas ho-
mogeneas son:
Las coordenadas homogeneas en = P
0
, . . . , P
n
; U de P
0
son (1 : 0 : 0),
de P
1
son (0 : 1 : 0 : 0),. . . y de P
n
son (0 : : 0 : 1). Las de U son
(1 : : 1) (compruebalo!), lo cual explica el nombre de punto unidad.
Para que se necesita el punto unidad? A primera vista suena un poco articial,
pero es absolutamente necesario. Si intentara denir una referencia como una
colecci on de n +1 puntos linealmente independientes, no podra denir coorde-
nadas ni siquiera salvo proporcionalidad. Si P
0
, . . . , P
n
son l.i. con [
u
i
] = P
i
,
entonces
u
0
, . . . ,
u
n
y
v
0
= 2
u
0
,
v
1
= 3
u
1
, . . . ,
v
n
= 4
u
n
seran bases
con [
u
i
] = [
v
i
] = P
i
, pero las coordenadas de cierto
v en las dos bases son
totalmente diferentes (no solo proporcionales).
Dada una base B =
u
0
, . . . ,
u
n
de E, una referencia proyectiva que tiene a
B como base asociada es P
0
= [
u
0
], . . . , P
n
= [
u
n
]; U = [
u
0
+ +
u
n
].
Si se reordenan los puntos de una referencia proyectiva, las coordenadas ho-
mogeneas pueden cambiar, y no solo de orden (a diferencia de lo que ocurre con
las coordenadas en espacios vectoriales, por ejemplo).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
156 CAP
= P
0
= [(0, 3)], P
1
= [(2, 0)]; U
e
0
= (0, 2),
e
1
= (1, 0) es base asociada a
= P
0
, . . . , P
n
; U
, sean B =
e
0
, . . . ,
e
n
, B
e
0
, . . . ,
e
n
bases nor-
malizadas para y
respectivamente.
Supongamos que
e
0
= a
00
e
0
+a
10
e
1
+ +a
n0
e
n
e
n
= a
0n
e
0
+a
1n
e
1
+ +a
nn
e
n
es decir, que
_
_
_
a
00
a
0n
.
.
.
.
.
.
a
n0
a
nn
_
_
_
es la matriz de cambio de B a B
.
Entonces, dado P T(E), si (x
0
: : x
n
) son sus coordenadas homogeneas
en , y (x
0
: : x
n
) son sus coordenadas homogeneas en
, entonces
_
_
_
x
0
.
.
.
x
n
_
_
_ =
_
_
_
a
00
a
0n
.
.
.
.
.
.
a
n0
a
nn
_
_
_
_
_
_
x
0
.
.
.
x
n
_
_
_,
con ,= 0 cualquiera.
5.6.2 Ejemplo.- En P
1
R
, sean
= [(1, 2)], [(0, 3)]; [(2, 0)] B = (2, 4), (0, 4)
a B
tiene matriz
_
2 0
4 4
_
1
_
0 1
2 0
_
=
_
1/2 0
1/2 1/4
__
0 1
2 0
_
=
_
0 1/2
1/2 1/2
_
,
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
5.7. ECUACIONES DE VARIEDADES LINEALES PROYECTIVAS 157
por lo que las coordenadas de P en son
_
0 1/2
1/2 1/2
__
2
4
_
=
_
2
_
(por ejemplo, (2 : 1)
R
, como ya sabamos).
5.7. Ecuaciones de variedades lineales proyecti-
vas
5.7.1 Sea E espacio vectorial de dimensi on n+1, y P(E) el espacio proyectivo
de dimensi on n asociado. Sea X una variedad proyectiva, X = P(
X) con
X E
subespacio vectorial.
Si es una referencia proyectiva en P(E) y B es una base asociada a ella,
las ecuaciones de
X en B son de la forma
00
x
0
+ +
0n
x
n
= 0
.
.
.
k0
x
0
+ +
kn
x
n
= 0
_
_
,
donde (x
0
, . . . , x
n
) son coordenadas en B.
Si C es la matriz (
ij
), el sistema anterior se reescribe como
C
_
_
_
x
0
.
.
.
x
n
_
_
_ =
_
_
_
0
.
.
.
0
_
_
_.
Ahora, P = [
v ] = (z
0
: : z
n
)
R
cumple
P X
v
X, ,= 0
C
_
_
_
z
0
.
.
.
z
n
_
_
_ = C
_
_
_
z
0
.
.
.
z
n
_
_
_ =
_
_
_
0
.
.
.
0
_
_
_
C
_
_
_
z
0
.
.
.
z
n
_
_
_ =
_
_
_
0
.
.
.
0
_
_
_
de modo que las ecuaciones de X en la referencia proyectiva son
00
z
0
+ +
0n
z
n
= 0
.
.
.
k0
z
0
+ +
kn
z
n
= 0
_
_
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
158 CAP
x y z
1 0 3
2 1 6
= 6y +z + 6y 3x,
es decir z 3x = 0, siendo (x, y, z) las coordenadas en la base B en que esten
expresados los vectores.
Por tanto la ecuaci on de V (P
1
, P
2
) es tambien
z
3
3z
1
= 0,
donde (z
1
: z
2
: z
3
) denotan coordenadas en una referencia que tenga a B
como base asociada.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Captulo 6
Dualidad y teoremas
clasicos de incidencia
6.1. Dualidad
6.1.1 Sea E un Kespacio vectorial, y E
) = dim(E) = n.
Consideremos el espacio proyectivo P(E). Un hiperplano proyectivo X
P(E) viene dado en coordenadas por una ecuaci on lineal homogenea en n + 1
variables x
0
, . . . , x
n
, del tipo
a
0
x
0
+ +a
n
x
n
= 0.
Ahora bien, la aplicacion
E
h
K
(x
0
, . . . , x
n
) a
0
x
0
+ +a
n
x
n
,
es un elemento de E
) (y llamamos
a dicha asociaci on , de modo que (X) = [h] en este caso). As que:
Teorema Existe una correspondencia biyectiva entre el conjunto de hiper-
planos proyectivos de P(E) y los elementos de P(E
).
Demostracion.- Si denimos la correspondencia
Hiperplanos proyectivos de P(E) P(E
)
X = P(
X)
X E de dim n
y ec. h = 0
[h]
P(ker f) [f]
159
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
160CAP
ASICOS DE INCIDENCIA
basta comprobar que es biyectiva (ejercicio).
6.1.2 De hecho, la correspondencia anterior se generaliza a variedades lineales
proyectivas de cualquier dimensi on (y no solo a hiperplanos) del modo siguiente:
Proposici on Sean X
1
, . . . X
r
, X hiperplanos proyectivos de P(E) (que, co-
mo sabemos, corresponden va a puntos en P(E
)).
Entonces (X) V ((X
1
), . . . , (X
r
)) (como puntos en P(E
)) si y s olo si
X (X
1
X
r
) (como variedades de P(E)).
Demostracion.- Supongamos que h
1
= 0, . . . , h
r
= 0, h = 0 son las ecua-
ciones de X
1
, . . . X
r
, X.
V ((X
1
), . . . , (X
r
)) = V ([h
1
], . . . , [h
r
]) = P(h
1
, . . . , h
r
)),
y la condicion (X) V ((X
1
), . . . , (X
r
)) es exactamente h h
1
, . . . , h
r
), lo
cual se da exactamente cuando los sistemas
h = 0
h
1
= 0
.
.
.
h
r
= 0
_
_
y
h
1
= 0
.
.
.
h
r
= 0
_
_
tienen las mismas soluciones. Eso ocurre si y solo si
X
1
X
r
= X
1
X
r
X,
lo cual es equivalente a (X
1
X
r
) X.
Si P tiene dimensi on n, la proposicion anterior nos permite extender la aso-
ciaci on
Hiperplanos de P(E) Puntos de P(E
)
a variedades de cualquier dimensi on.
La correspondencia, llamada dualidad can onica es:
P(E) P(E
)
X X
es su dual
can onica, entonces
dim X + dim X
= n 1.
Se suele llamar a dim X
tales que H
i
h
i
= 0.
Por la proposicion anterior X
= V ((H
1
), . . . , (H
r
)), y as dim X
= r1,
por lo que
dim X + dim X
= n r +r 1 = n 1.
P(E
). De hecho, si
X = P(F), con F E subespacio vectorial (es decir, F =
X), entonces
X
= P(Ann(F)) (equivalentemente
X
= Ann(
[ h(x) = 0 x F = h E
[ F ker h.
6.1.5 Ejemplo.- En P
2
R
, sea X la recta x+y +z = 0. As que
X = (x, y, z)
1
3
[ x +y +z = 0.
Entonces
Ann(
X) = h (1
3
)
[ kerh
X
= h (1
3
)
[ ker h =
X
= (a, b, c) [ ax +by +cz = 0 = x +y +z = 0
= (1, 1, 1)),
donde en la segunda igualdad usamos que dim
X = 2 = dim(ker h).
As pues X
= [1, 1, 1].
6.1.6 Proposici on Las propiedades fundamentales de la dualidad can onica
son:
(a) X Y X
.
(b) (X Y )
= V (X
, Y
).
(c) [V (X, Y )]
= X
.
La demostracion no es difcil, y es muy ilustrativa. Queda como ejercicio.
6.1.7 Suponamos que T es una proposicion relativa a variedades proyectivas
de P(E), expresada en terminos de intersecciones, variedades generadas por
uniones, contenidos y dimensiones.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
162CAP
ASICOS DE INCIDENCIA
Denicion Se llama proposici on dual T
de la proposicion T a la obtenida
a partir de T sustituyendo cada concepto por su dual. Es decir:
P(E) P(E
)
Variedad generada Interseccion
Interseccion Variedad generada
Contenido en Contiene a
Contiene a Contenido en
Dimension Dimension dual
6.1.8 Con lo que hemos visto hasta ahora, es claro que si T es cierta en P(E
),
entonces T
es cierta en P((E
) (puesto
que E y E
es cierta en T(E
) = T(E)
6.1.9 Ejemplo.- Sabemos ya que dos puntos diferentes de P
2
R
generan una
recta.
T = Dos variedades de dimensi on 0 (puntos) generan una variedad de dimen-
si on 1 (una recta).
T
), V (B, B
), V (C, C
) son concurrentes.
2) Los puntos
P = V (A, B) V (A
, B
)
Q = V (A, C) V (A
, C
)
R = V (B, C) V (B
, C
)
est an alineados.
X
A
B
C
A
B
C
P
Q
R
Figura 6.1: El Teorema de Desargues.
Demostracion.- 1) 2); Sea X el punto de corte de V (A, A
), V (B, B
) y
V (C, C
).
Tomamos la referencia proyectiva A, B, C; X. En ella A = [1, 0, 0], B =
[0, 1, 0], C = [0, 0, 1], X = [1, 1, 1], y es facil comprobar que las rectas V (A, X),
V (B, X), V (C, X) tienen ecuaci on x
1
x
2
= 0, x
0
x
2
= 0 y x
0
x
1
= 0
respectivamente.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
164CAP
ASICOS DE INCIDENCIA
Los puntos A
, B
, C
, B
) (1 b)x
0
+ (1 a)x
1
+ (ab 1)x
2
= 0
V (A
, C
) (c 1)x
0
+ (1 ac)x
1
+ (a 1)x
2
= 0
V (B
, C
) (bc 1)x
0
+ (1 c)x
1
+ (1 b)x
2
= 0
y por otro lado
V (A, B) x
2
= 0
V (A, C) x
1
= 0
V (B, C) x
0
= 0
Por tanto P = V (A, B) V (A
, B
) es P = [p
0
, p
1
, 0] donde (1 b)p
0
+
(1 a)p
1
= 0, e igualmente R = V (B, C) V (B
, C
) es R = [r
0
, 0, r
2
] donde
(c 1)r
0
+ (a 1)r
2
= 0 y Q = V (A, C) V (A
, C
) es Q = [0, q
1
, q
2
] donde
(1 c)q
1
+ (1 b)q
2
= 0.
Como a ,= 1, b ,= 1, c ,= 1 p
0
,= 0, p
1
,= 0, r
0
,= 0, r
2
,= 0, q
1
,= 0, q
2
,= 0 y
P = [a 1, 1 b, 0], R = [1 a, 0, c 1], Q = [0, b 1, 1 c].
Ahora bien, un c alculo directo muestra que
a 1 1 a 0
1 b 0 b 1
0 c 1 1 c
= 0,
as que P, Q y R est an, efectivamente, alineados.
2) 1); Es exactamente la proposicion dual a 1) 2) (Cerciorarse de ello
es un buen ejercicio!). As que, gracias al principio de dualidad, no tenemos nada
mas que comprobar.
6.2.2 Teorema [de Pappus] Sean A, B, C puntos en una recta L P
2
y
A
, B
, C
tales que A, B, C, A
, B
, C
,= O = L L
.
Entonces los puntos
P = V (A, B
) V (A
, B)
Q = V (A, C
) V (A
, C)
R = V (B, C
) V (B
, C)
est an alineados.
Demostracion.- Sea
x E
0 , siendo P
2
= P(E), tal que [
x ] = O.
Como O, A, B, C son cuatro puntos de L diferentes, existe
y E
0 tal
que [
y ] = A, [
x +
y ] = B, [
x +a
0 tal que [
z ] = A
, [
x +
z ] = B
y
[
x +b
z ] = C
y ,
no est an alineados.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
6.2. DOS TEOREMAS CL
x +
y +
z ], dado que
_
[
x +
y +
z ] = [(
x +
y ) +
z ] V (B, A
)
[
x +
y +
z ] = [(
x +
z ) +
y ] V (B
, A)
(puesto que V (A, B
) y V (A
x +
y +
z ]
es su unico punto com un, que es P).
Analogamente
_
[
x +a
y +b
z ] = [(
x +a
y ) +b
z ] V (C, A
)
[
x +
y +
z ] = [a
y + (
x +b
z )] V (A, C
)
,
luego [
x +a
y +b
z ] = Q.
Por ultimo R = [(ab 1)
x +a(b 1)
y +b(a 1)
z ], puesto que
_
_
[(ab 1)
x + a(b 1)
y +b(a 1)
z ] = [a(b 1)(
x +
y )
+ (a 1)(
x +b
z )] V (B, C
)
[(ab 1)
x + a(b 1)
y +b(a 1)
z ] = [(a 1)b(
x +
z )
+(b 1)(
x +a
y )] V (B
, C)
.
Para terminar, basta observar que
(ab 1)
x +a(b 1)
y + b(a 1)
z = ab(
x +
y +
z ) (
x +a
y +b
z ).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
166CAP
ASICOS DE INCIDENCIA
6.2.3 Por dualidad, haber probado el Teorema de Pappus tiene como conse-
cuencia que hemos probado tambien el resultado dual (que es menos conocido
que el Teorema de Pappus).
Teorema [Pappus dual] Dadas rectas A, B, C pasando por un punto L
y rectas A
, B
, C
, A
B), Q = V (A C
, A
C), R = V (B C
, B
C) son concurrentes.
Observacion.- El Teorema de Desargues proporciona un metodo para:
Trazar la recta que une dos puntos de una hoja de papel con una regla mas
corta que la distancia entre los puntos.
Trazar la recta que une un punto de la hoja de papel con el punto de inter-
secci on de dos rectas de la hoja que se cortan fuera de ella (usando solo una
regla).
Puedes argumentar c omo hacerlo?
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Captulo 7
Aplicaciones proyectivas
7.1. Aplicaciones naturales entre espacios pro-
yectivos
Vamos a introducir ahora las aplicaciones naturales entre espacios proyecti-
vos. Como es de esperar, se van a denir mediante aplicaciones entre los corres-
pondientes espacios vectoriales.
7.1.1 Si P, P
P
P
es lineal, consideramos
P
h
P
P
P P
Denimos h : P P
h(
u )], siendo X = [
u ].
Denicion A una aplicacion
h(
u )], siendo X = [
u ].
se le llama aplicaci on proyectiva.
7.1.2 De la misma denicion anterior surjen inmediatamente dos cuestiones:
167
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
168 CAP
u ] debe ser [
u ], por lo que
[
h(
u )] = [
h(
u )] = [
h(
u )],
con lo que, efectivamente, la denicion no cambia.
2) Si
h(
u ) =
0 , que pasa?.
Es claro que h no est a denida en X P si X = [
u ] con
u ker
h.
De hecho, P(ker
.
Z se llama el centro de h.
7.1.3 Proposici on i)
h es inyectiva h es inyectiva h est a denida en
todo P.
ii)
h es sobre h es sobre.
Demostracion.- i) Si
P
tales que
h(
u ) ,=
0
P
,
h(
v ) =
0 .
Entonces
w =
u +
v y
u son vectores linealmente independientes, y [
w] =
Y P, [
w) =
h(
u ), h(X) =
h(Y ) por lo que h no es inyectiva.
Recprocamente, supongamos que h no es inyectiva, por lo que existen P, Q
P con h(P) = h(Q). Si P = [
u ] y Q = [
v ], entonces
h(
u ) =
h(
v ) para alg un
,= 0, por lo que
h(
v ), con lo que
u
v ker
h. Como
u
v ,=
0
(pues P ,= Q),
h no es inyectiva.
ii) Si
h es sobre, dado Y = [
v ] P
,
v ,=
0 , existe
u
P tal que
h(
u ) =
v ,=
0 . De modo que h est a denida en X = [
u ] y h(X) = [
h(
u )] = Y .
Recprocamente si h es sobre, dado
v
P
,
v ,=
0 , existe X P tal que
h(X) = [
v ]. De modo que si
u
P cumple [
u ] = X, entonces [
h(
u )] = [
v ] y
por tanto
v =
h(
u ) =
h(
u ) con ,= 0.
Observacion.- Como consecuencia, h : P P
es biyectiva si y solo si
h lo
es. En ese caso, no es difcil comprobar que h
1
: P
P es tambien aplicacion
proyectiva, y que
h
1
=
h
1
.
7.1.4 Proposici on Sea h; P P
h(
X).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
7.1. APLICACIONES NATURALES ENTRE ESPACIOS PROYECTIVOS169
2) Si Y P
h
1
(
Y ).
La demostracion es un ejercicio sencillo.
7.1.5 Por supuesto la composicion de aplicaciones proyectivas, cuando se pue-
da hacer, resulta una aplicacion proyectiva. La salvedad es que tenemos que
tener cuidado con los centros:
Si h : P P
y g : P
h ,
0 (es decir, Z
g
, Im(h)), entonces la aplicacion proyectiva inducida por
g
h es g h (es decir,
g h = g
= P
1
R
.
Consideramos
Claramente la aplicacion lineal asociada es simplemente
h : 1
3
1
2
(x
0
, x
1
, x
2
) (x
0
, x
1
)
Se tiene ker(
h) = x
0
= 0, x
1
= 0, que es una recta en 1
3
. De modo que
Z = P(ker(
h)) = [x
0
, x
1
, x
2
] [ x
0
= x
1
= 0 = [0, 0, 1],
con lo que h : P
2
R
[0, 0, 1] P
1
R
est a bien denida.
Si consideramos X = [x
0
, x
1
, x
2
] [ x
0
+ x
1
= 0 se tiene [0, 0, 1] X.
Calculamos:
h(X [0, 0, 1]) = [x
0
, x
1
] P
2
R
[ x
2
con [x
0
, x
1
, x
2
] X, (x
0
, x
1
) ,= (0, 0)
= [x
0
, x
1
] P
1
R
[ x
0
+x
1
= 0, x
0
,= 0
= [x
0
, x
0
], x
0
1 0
= [1, 1] P
1
R
Vemos que
h(X Z) = (x, y) 1
2
[ x +y = 0
=
h((x, y, z) 1
3
[ x +y = 0.
Si por ejemplo Y = [2, 3] P
1
R
, entonces
h
1
(Y ) Z = Z [x
0
, x
1
, x
2
] P
2
R
[ [x
0
, x
1
] = [2, 3]
= [2, 3, x
2
], 1 0, x
2
1 [0, 0, 1]
= [2, 3, x
2
], 1, x
2
1 [ (, x
2
) ,= (0, 0)
= [x
0
, x
1
, x
2
] P
2
R
[ 3x
0
2x
1
= 0
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
170 CAP
h
1
(Y ) Z = (x, y, z) 1
3
[ 3x = 2y
coincide con
h
1
(
Y
1
) =
h
1
([2, 3], 1) = (2, 3, z) 1
3
[ , z 1
7.1.7 Observacion.- Hemos dicho que una aplicacion proyectiva viene asocia-
da a una aplicacion lineal
u / ker(
h) entonces
f([
u ]) = [
f(
u )] = [(
h)(
u )] = [(
h(
u ))] = [
h(
u )] = h([
u ]).
De hecho, exactamente en esta situaci on es cuando dos aplicaciones lineales
inducen la misma aplicacion proyectiva.
Proposici on Dos aplicaciones lineales
h, g :
P
P
denen la misma
aplicaci on proyectiva h = g : X Y si y s olo si
h y g son proporcionales (i.e.
existe ,= 0 tal que
u
h(
u ) = g(
u )).
Demostracion.- Ya hemos visto que aplicaciones lineales proporcionales
inducen la misma aplicacion proyectiva. Nos centramos en el recproco:
Si las dos aplicaciones proyectivas h y g coinciden, en particular tienen el
mismo centro, luego ker(
h) = ker( g).
Sean
w
1
, . . . ,
w
r
base de Im(
h)
w
1
=
h(
e
1
), . . . ,
w
r
=
h(
e
r
) para
e
1
, . . . ,
e
r
w
1
= g(
e
1
), . . . ,
w
r
= g(
e
r
)
son base de Im( g) (puesto que dim Im(
h) = ker( g)).
Tomamos
u =
e
1
+ +
e
r
. Entonces por un lado
w
1
=
1
w
1
, . . . ,
w
r
w
r
.
Ademas
h(
u ) =
w
1
+ +
w
r
g(
u ) =
1
w
1
+ +
r
w
r
g(
u ) =
h(
u )
_
_
_
j
= j
Si ahora completamos con
e
r+1
, . . . ,
e
n
vectores linealmente independien-
tes que hagan que
e
1
, . . . ,
e
n
sea base de
X, vemos que g(
e
k
) =
0 =
h(
e
k
).
As que g =
h.
7.2. Aplicaciones proyectivas importantes
7.2.1 Denicion Una homografa es una aplicacion proyectiva inyectiva.
El caso mas interesante van a ser las homografas de un espacio proyectivo
en s mismo.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
7.2. APLICACIONES PROYECTIVAS IMPORTANTES 171
Ejemplo.- La aplicacion
P
1
R
P
1
R
[x, y] [x y, y]
es una homografa. Basta observar que est a inducida por
h(x, y) =
_
1 1
0 1
__
x
y
_
,
que es claramente inyectiva.
7.2.2 De entre las aplicaciones proyectivas no inyectivas, las mas importantes
son las llamadas proyecciones c onicas.
Sean Z, Y P dos variedades proyectivas tales que Z Y = y ademas
dim Z+dim Y = dimP1. De modo que
Z
Y =
0 , y dim
Z+dim
Y = dim
P,
por lo que
P =
Z
Y .
Dado
u
P,
u se descompone de manera unica como
u =
u
Z
+
u
Y
, con
u
Z
Z y
u
Y
Y . Hay una proyeccion lineal asociada a esa suma directa:
h :
P
Y
u =
u
Z
+
u
Y
u
Y
La aplicacion proyectiva h asociada a
h, dada por
h : P Y
[
u
Z
+
u
Y
] [
u
Y
]
se llama proyecci on c onica sobre Y (de centro) Z.
Es claro que ker(
h) =
Z, y por lo tanto el centro de h es Z. Ademas, como
h(
P) =
Y , la imagen de h es Y .
7.2.3 Proposici on Con la notaci on anterior, la interpretaci on geometrica de
una proyecci on c onica es
h(x) = V (x, Z) Y si x / Z.
Demostracion.- Si
u =
u
Z
+
u
Y
, con
u
Y
,=
0 ,
h(
u ) =
u
Y
Y
0 ,
y tambien
h(
u ) =
u
u
Z
u ,
Z).
Por tanto
h(
u )
u ,
Z)
Y ,
por lo que si x = [
u ] entonces
h(x) V (x, Z) Y.
Para concluir, basta ver que dim(V (x, Z) Y ) = 0, lo cual es consecuencia
del Teorema de Incidencia (ver el Teorema 5.4.6), y del hecho de que
Z
Y =
P.
L
1
dos puntos distintos de O. Sea z = V (y, (y))
V (y
, (y
)).
Si tomamos la proyeccion c onica h de P
2
R
sobre L
2
con centro Z = z,
resulta que h
|L
1
= , y por tanto es perspectividad.
7.2.6 Es un ejercicio muy interesante intentar probar el Teorema de Desargues
(ver el Teorema 6.2.1) usando perspectividades. Se puede consultar la prueba
en el libro de [Ro-Sa].
7.3. Aplicaciones proyectivas y coordenadas
7.3.1 Al siguiente resultado se le llama a veces Teorema Fundamental de la
Geometra Proyectiva.
Proposici on Sean E y E
) que transforma en
.
Demostracion.- Sean = x
0
, . . . , x
n
; x
n+1
y
= x
0
, . . . , x
n
; x
n+1
.
Sean B =
u
1
, . . . ,
u
n
, B
1
, . . . ,
n
bases asociadas a y
res-
pectivamente. Sea
i
. entonces
h(
u
i
) =
i
, y por tanto la aplicacion proyectiva asociada h : P(E) P(E
) transfor-
ma en
, como g es homografa g
es isomorsmo. As que B
= g(B) es base de E
.
Pero como g() =
= x
0
, . . . , x
n
; x
n+1
se deduce [ g(
u
i
)] = x
i
, 0 i
n, y ademas
[ g(
u
0
) + + g(
u
n
)] = [ g(
u
0
+ +
u
n
)] = g([x
n+1
]) = x
n+1
.
As que B
es base asociada a
. Por tanto
g es proporcional a
referencias pro-
yectivas en ellos con bases asociadas B =
u
1
, . . . ,
u
n+1
, B
1
, . . . ,
m
.
Sea h : P(E) P(E
) aplicacion proyectiva, y
h : E E
aplicacion lineal
asociada a h.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
174 CAP
) a la matriz de
h en las
bases B y B
.
M as concretamente, si (x
0
: : x
n
) son coordenadas homogeneas respecto
a , y (x
0
, . . . , x
m
) son coordenadas homogeneas respecto a
, entonces
M
_
_
_
x
0
.
.
.
x
n
_
_
_ =
_
_
_
x
0
.
.
.
x
m
_
_
_
(para un ,= 0 cualquiera, que se puede tomar igual a 1 si se quiere), donde M
es la matriz de
h en B y B
u
i
) en la base B
).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Ejercicios de Geometra
Proyectiva
1. Calcula las ecuaciones del plano X de P
4
que contiene a la recta r :
x
0
x
4
= x
1
x
3
= x
2
= 0 y pasa por el punto (1 : 1 : 1 : 0 : 0). Encuentra otro
plano Y de P
4
que corte a X exactamente en un punto de la recta r. Determina
la variedad generada por los planos X e Y .
2. Determina si los siguientes conjuntos de puntos est an alineados (i.e., est an
en la misma recta proyectiva):
(1) [1, 2, 3], [1, 1, 2], [2, 1, 9].
(2) [1, 2, 1], [2, 1, 0], [0, 1, 3].
(3) [1, 0, 0], [0, 1, 0], [0, 0, 1], [1, 1, 1].
3. Determina el punto de interseccion de cada uno de los siguientes pares de
rectas de P(1
3
):
(1) r : x y z = 0 y s : x + 5y + 2z = 0.
(2) t : x + 2y z = 0 y w : x + 2y 4z = 0.
4. Describe las siguientes variedades proyectivas:
(1) X P
2
generada por [0, 1, 1] y [2, 1, 1].
(2) X P
3
generada por [1, 0, 0, 1] y [1, 1, 1, 1], [1, 1, 0, 1] y [2, 1, 1, 2].
(3) X P
4
generada por el punto [0, 1, 1, 0, 1] y el plano de ecuaciones
x
0
+x
1
+x
2
+x
3
+x
4
= 0 = x
1
+x
2
.
5. Consideremos la base B = u
1
= (1, 0, 0), u
2
= (1, 1, 0), u
3
= (1, 1, 1) de
1
3
. Calcular una referencia proyectiva de P(1
3
) que tenga B como base vec-
torial asociada. Deduce razonadamente si hay alguna otra referencia proyectiva
con esta misma propiedad.
6. Considera los puntos proyectivos x
0
= (1 : 1 : 0 : 2), x
1
= (1 : 0 : 1 :
0), x
2
= (0 : 0 : 0 : 1), x
3
= (0 : 1 : 0 : 1) de P
3
.
(1) Comprueba que son independientes.
(2) Busca otro punto proyectivo x
4
de modo que los puntos x
0
, x
1
, x
2
, x
3
, x
4
forman una referencia proyectiva de P
3
. Deduce razonadamente si la eleccion
del ultimo punto es unica.
175
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
176
(3) Calcula una base de 1
4
asociada a . Deduce razonadamente si la elec-
cion de esta base es unica.
(4) Calcula las coordenadas homogeneas del punto (1 : 1 : 1 : 1) respeacto a
.
7. Sean = x
0
= (1 : 1 : 1), x
1
= (1 : 0 : 0), x
2
= (0 : 1 : 0), x
3
= (0 : 0 :
1) y
= y
0
= (1 : 0 : 0), y
1
= (1 : 1 : 1), y
2
= (0 : 1 : 0), y
3
= (0 : 0 : 1)
dos referencias proyectivas. Calcula las ecuaciones del cambio de referencia de
una a la otra. Calcula las coordenadas del punto (1 : 2 : 0) respecto a los dos
sistemas de referencia.
8. Determina las ecuaciones de la transformaci on de la referencia proyectiva
a la referencia proyectiva
se expresan en por coordenadas [4, 5, 1], [3, 1, 1/2], [6, 16, 2] y [5, 1, 1]
respectivamente.
9. Las ecuaciones del cambio de un sistema de referencia proyectivo en otro
son
x
:= 8x + 3y + 2z, y
:= 3x + 4y, z
:= 2x + 2z.
Encuentra los tres puntos cuyas coordenadas son las mismas en ambos sis-
temas de referencia.
10. Sea la proyeccion c onica de P
3
sobre el plano proyectivo de ecuaci on
x
0
= 0 de centro el punto [1, 0, 1, 0]. Halla las ecuaciones de y las ecuaciones
de la restriccion de al plano de ecuaci on x
2
= 0.
11. Si y son dos homografas cuyas ecuaciones son respectivamente
t
= (4t + 6)/(3t + 2) y t
a
0
a
1
a
2
b
0
b
1
b
2
c
0
c
1
c
2
= 0
Formula esta condicion para dimensiones superiores.
6. Sea X un subespacio proyectivo de dimensi on d de P y sea p un punto
de P que no est a en X. Demuestra que la union de todas las rectas V (p, q) con
q X es un subespacio proyectivo de dimensi on d + 1.
177
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
178
7. Supongamos dados cinco puntos en el plano proyectivo de los cuales no
hay tres alineados. Demuestra que hay otro conjunto de cinco puntos, no tres de
los cuales est an alineados, tales que no existe ninguna transformaci on proyectiva
que lleve el primer conjunto en el segundo.
8. Las coordenadas de un punto general son [x, y, z] en un sistema de coor-
denadas para el cual a, b, c son los puntos de referencia y d es el punto unidad,
y son [x
, y
, z
, y
, z
en terminos de x, y, z.
b. Determina sus puntos jos (puntos del plano proyectivo que tienen las
mismas coordenadas, salvo escalar, en ambos sistemas de referencia).
c. Determina la recta ja (recta que tiene la misma ecuaci on, salvo escalar,
en ambos sistemas de referencia).
d. Encuentra las ecuaciones de la transformaci on del primer sistema de coor-
denadas al sistema en el cual a, b, c, d tienen coordenadas
[1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1]
respectivamente.
9. Demuestra que la composicion de tres simetras en 1
2
de ejes concurrentes
es otra simetra y determina su eje.
10. Demuestra que si una homografa f : P(E) P(E) tiene un hiperplano
H invariante y dos puntos jos p, q / H, entonces tiene una recta de puntos
jos.
11. En el plano proyectivo P
2
tenemos dos cuaternas de rectas L
1
, L
2
, L
3
, L
4
y L
1
, L
2
, L
3
, L
4
tales que ninguna cuaterna contiene tres rectas concurrentes.
Demuestra que existe exactamente una homografa f : P
2
P
2
tal que f(L
i
) =
L
i
para i = 1, 2, 3, 4.
12. Demuestra y enuncia la proposicion dual de las siguientes armaciones:
a. Tres planos en un espacio proyectivo de dimensi on tres tienen interseccion
no vaca (ver problema 3).
b. Sea X un subespacio proyectivo de un espacio proyectivo P y H un
hiperplano de P. Si X no est a contenido en H, entonces dim(HX) = dim(X)
1.
13. Traza, con la unica ayuda de una regla, la recta que une un punto de
una hoja de papel con el punto de interseccion de dos rectas de la hoja que se
cortan fuera de ella. (Indicaci on: Usa el Teorema de Desargues).
14. Demuestra que es posible trazar la recta que une dos puntos de una
hoja de papel usando una regla mas corta que la distancia entre los puntos.
(Indicaci on: Usa el Teorema de Desargues).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
179
15. Sean p, q, r, p
, q
, r
cuyos vertices
son los puntos [1, p, p
], [q
, 1, q], [r, r
.
16. a. Demuestra el Teorema de Desargues en el espacio: Sean abc y a
, b
); m := V (b, c) V (b
, c
); n := V (c, a) V (c
, a
);
est an alineados.
b. Enuncia el teorema dual.
c. Demuestra que el Teorema de Desargues en el espacio implica el Teorema
de Desargues en el plano.
17. a. Demuestra el Teorema de Pappus: Sean l y l
, b
y c
tres puntos en l
) V (a
, b); m := V (b, c
) V (b
, c); n := V (c, a
) V (c
, a);
est an alineados.
b. Enuncia el teorema dual.
18. Sean a, b, c, d cuatro puntos de una recta proyectiva. Comprueba que se
tienen las siguientes relaciones:
a, b; c, d = b, a; c, d
1
= a, b; d, c
1
,
a, b; c, d +a, c; b, d = 1.
19. Sean a
1
, a
2
, a
3
, a
4
cuatro puntos distintos de una recta proyectiva P
1
,
tales que
a
1
, a
2
; a
3
, a
4
= k.
Sea S
4
el grupo de las permutaciones del conjunto 1, 2, 3, 4 (biyecciones
del conjunto en s mismo). Una permutacion S
4
act ua en un tal conjunto
mandando (1, 2, 3, 4) en (1, 2, 3, 4) = ((1), (2), (3), (4)). Prueba que la
raz on doble
(k) =
_
a
(1)
, a
(2)
; a
(3)
, a
(4)
_
pertenece a K 0, 1, y solo toma los seis valores
_
k,
1
k
, 1 k,
1
1 k
,
k 1
k
,
k
k 1
_
Lista los valores de k para los que las anteriores cantidades son distintas.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
180
20. Sean a, b, m, n, p cinco puntos distintos de una recta proyectiva. Prueba
que
a, b; m, na, b; n, pa, b; p, m = 1.
21. Sea f una homografa con dos puntos jos distintos p, q. Prueba que el
par k, 1/k donde k = p, q; m, f(m) para todo m, solo depende de f y no del
orden en que consideremos p y q. Si f4 tiene por matriz
_
a b
c d
_
,
probar que k, 1/k son las races de la ecuaci on
(ad bc)x
2
(a
2
+ 2bc +d
2
)x + (ad bc) = 0.
22. Una transformaci on homograca lleva tres puntos a, b, c de una recta en
a
, b
, c
, b
, c
cclicamente.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Parte IV
Formas cuadraticas y
conicas
181
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Captulo 8
Formas cuadraticas y
conicas
8.1. Formas cuadraticas
8.1.1 Denicion Sea E un 1espacio vectorial, y : E E 1 una forma
bilineal. La aplicacion dada por
Q : E 1
v (
v ,
v )
se llama forma cuadr atica asociada a .
8.1.2 Ejemplo.- Si E = 1
2
y
(
u ,
v ) =
u
t
_
a
11
a
12
a
21
a
22
_
v ,
entonces para
v = (x, y) se tiene Q(x, y) = a
11
x
2
+ (a
12
+a
21
)xy +a
22
y
2
.
Recprocamente, si tenemos un polinomio de la forma x
2
+ xy + y
2
,
podemos construir una forma bilineal cuya matriz sea
_
/2
/2
_
, que
tiene como forma cuadratica asociada a ese polinomio (observar que tal no es
la unica que induce esa forma cuadratica).
8.1.3 Dos observaciones faciles de comprobar, pero importantes, son las si-
guientes. Para cualquier forma cuadratica Q se cumple:
Q(
u ) =
2
Q(
u ).
Q(
u +
v )Q(
u )Q(
v ) = (
u ,
v )+(
v ,
ATICAS Y C
ONICAS
8.1.4 Proposici on Dada una forma cuadr atica Q, existe una unica
Q
forma
bilineal simetrica tal que Q es su forma cuadr atica asociada. La forma
Q
se
llama forma bilineal asociada a Q.
Demostracion.- Denamos
Q
(
u ,
v ) :=
1
2
[Q(
u +
v ) Q(
u ) Q(
v )].
Se cumple:
1
)
Q
es simetrica.
2
) Como Q(
u ) =
2
Q(
u
Q
(
u ,
u ) = Q(
u ).
3
) Como Q(
u ) = (
u ,
u ,
v ) =
1
2
((
u ,
v ) +(
v ,
u ))
Q
es bilineal.
8.1.5 Ejemplo.- Si Q(x
1
, . . . , x
n
) =
n
i=1
n
j=i
a
ij
x
i
x
j
entonces la matriz de
Q
es
_
_
_
_
_
a
11
a
12
/2 a
1n
/2
a
12
/2 a
22
a
2n
/2
.
.
.
.
.
.
.
.
.
a
1n
/2 a
2n
/2 a
nn
_
_
_
_
_
Por ejemplo, para Q(x, y, z) = x
2
+7y
2
+8z
2
+2xy 4xz +6yz la matriz es
_
_
1 1 2
1 7 3
2 3 8
_
_
.
8.1.6 Teorema (Forma Canonica) Sea E espacio vectorial eucldeo de di-
mensi on n. Sea Q : E 1 forma cuadr atica. Existen n umeros reales
1
, ,
n
y una base ortonormal
u
1
, . . . ,
u
n
de E tal que si
v = x
1
u
1
+ + x
n
u
n
se
tiene que
Q(
v ) =
1
x
2
1
+ +
n
x
2
n
= (x
1
, . . . , x
n
)
_
_
_
1
0
.
.
.
0
n
_
_
_
_
_
_
x
1
.
.
.
x
n
_
_
_
(forma can onica de Q).
Demostracion.- Sea
Q
la forma bilineal (simetrica) asociada a Q. Sea A
la matriz de
Q
(en cierta base ortonormal). Entonces A = A
t
.
Consideremos la aplicacion lineal
v A
u
1
, . . . ,
u
n
de autovectores de
f.
En esta base la matriz de f es
D =
_
_
_
1
0
.
.
.
0
n
_
_
_,
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
8.1. FORMAS CUADR
ATICAS 185
as que
Q(
v ) =
Q
(
v ,
v ) =
v
t
f(
v ) =
v
t
D
v =
1
x
2
1
+ +
n
x
2
n
donde (x
1
, . . . , x
n
) son las coordenadas de
v en la base
u
1
, . . . ,
u
n
.
8.1.7 Ejemplo.- Hallar la forma canonica de Q(x, y) = 2
2xy x
2
(en 1
2
con el producto usual).
La matriz de
Q
es A =
_
1
2 0
_
.
Los autovalores de A salen de
det
_
+ 1
2
_
=
2
+ 2 = 0 = 1, = 2.
Para = 1, calculamos un autovector
_
2
2 1
__
x
y
_
=
_
0
0
_
y =
2x,
que tiene a
v
1
=
_
3
3
,
3
_
como vector director unitario.
Igualmente, para = 2, calculamos
_
1
2 2
__
x
y
_
=
_
0
0
_
x =
2y,
tiene a
v
2
=
_
3
,
3
3
_
como vector director unitario.
En la base B
v
1
,
v
2
, si (x
, y
) son coordenadas en B
entonces
Q(x
, y
) = (x
, y
)
_
1 0
0 2
__
x
_
= x
2
2y
2
.
8.1.8 Teorema (Ley de Inercia) Sea E un 1espacio vectorial eucldeo
de dimensi on n. Si Q en la base
e
1
, . . . ,
e
n
se escribe como Q(x
1
, . . . , x
n
) =
a
1
x
2
1
+ + a
p
x
2
p
con a
i
,= 0 i, y Q en la base
u
1
, . . . ,
u
n
se escribe como
Q(y
1
, . . . , y
n
) = b
2
1
y
2
1
+ +b
q
y
2
q
con b
i
,= 0 i. Entonces:
p = q (ndice de inercia de Q).
#i [ a
i
> 0 = #i [ b
i
> 0 =: i
+
Q
(ndice de inercia positivo).
#i [ a
i
< 0 = #i [ b
i
< 0 =: i
Q
(ndice de inercia negativo).
Demostracion.- Supongamos
Q(x
1
, . . . , x
n
) =
1
x
2
1
+ +
k
x
2
k
k+1
x
2
k+1
p
x
2
p
Q(y
1
, . . . , y
n
) =
1
y
2
1
+ +
l
y
2
l
l+1
y
2
k+1
q
y
2
q
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
186 CAP
ATICAS Y C
ONICAS
con
j
> 0,
i
> 0. Queremos ver k = l y p = q.
Paso 1: Si k fuera mayor que l.
Consideramos F
1
=
e
1
, . . . ,
e
k
), F
2
=
u
l+1
, . . . ,
u
n
) subespacios vectoriales
de E.
Luego dim F
1
+ dim F
2
= k + n l > n = dim E. Por Grassmann existe
w F
1
F
2
,
w ,=
0 . Pongamos
w = c
1
e
1
+ +c
k
e
k
= d
l+1
u
l+1
+ +d
n
u
n
.
Entonces 0 <
1
c
2
1
+ +
k
c
2
k
= Q(
w) =
l+1
d
2
l+1
q
d
2
q
0
(contradiccion).
Paso 2: Si l fuera mayor que k:
Se obtiene contradiccion por el mismo argumento anterior, tomando ahora
los espacios
F
1
=
e
k+1
, . . . ,
e
n
) y
F
2
=
u
1
, . . . ,
u
l
).
De forma que k = l. Ahora, como cualquier matriz asociada a Q tiene el
mismo rango (sabes por que?),
p = rg
_
_
_
_
_
_
_
_
_
_
a
1
.
.
.
a
p
0
.
.
.
0
_
_
_
_
_
_
_
_
_
_
= rg
_
_
_
_
_
_
_
_
_
_
b
1
.
.
.
b
q
0
.
.
.
0
_
_
_
_
_
_
_
_
_
_
= q
4xz.
La matriz asociada es
_
_
1 0 2
0 1 0
2 0 1
_
_
,
cuyos autovalores s e calculan por medio de
1 0 2
0 1 0
2 0 1
= ( 1)
3
4( 1) = (
2
1)( 3),
es decir que los autovalores son = 1, 1, 3. As, la forma canonica de Q es
Q(x
, y
, z
) = x
2
y
2
+ 3z
2
, es decir, que i
Q
= 3, i
+
Q
= 2 e i
Q
= 1.
8.2. Conicas
8.2.1 Un doble cono recto es la gura que engendra una recta g al girar alre-
dedor de una recta h que la corta.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
8.2. C
ONICAS 187
g
h
Figura 8.1: Un doble cono recto.
Llamamos a h el eje del cono, a g y las rectas que se obtienen a partir de
ella por rotacion generatrices, y al punto g h vertice del cono.
8.2.2 Ejemplo En 1
3
, consideremos el cono ( de vertice (0, 0, 0), eje el eje z,
y generatriz formando un angulo
0
con el eje.
Si p tiene | p |= t entonces
p ( p = t(cos sin
0
, sin sin
0
, cos
0
)
para alg un .
0
p
Figura 8.2: Cono y coordenadas cilndricas.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
188 CAP
ATICAS Y C
ONICAS
Luego
p = (x, y, z) ( x
2
+y
2
= (tan
0
)
2
z
2
que es la ecuaci on del cono (.
Observacion.- La ecuaci on de cualquier cono, en coordenadas adecuadas,
es de este tipo.
8.2.3 Denicion Una gura (plana) que se obtiene como interseccion de
un doble cono recto con un plano que lo corta se llama secci on c onica o,
simplemente, c onica.
8.2.4 Tipos de c onicas
Seg un sea el angulo relativo entre el plano y el eje del cono, se obtiene una
u otra c onica. Si representamos la situaci on en un corte frontal, las posibilidades
son las de la gura 8.3.
(1)
(2)
(4)
(3)
Figura 8.3: Esquema de los distintos tipos de c onicas.
Corresponden, caso por caso, a los diferentes tipos de c onicas existentes, tal
y como se muestran en la gura 8.4:
Analticamente, tomamos la ecuaci on de un plano en 1
3
que pase por un
punto p = (x
0
, y
0
, z
0
) de vector normal unitario
n = (a, b, c), que viene dada
por
a(x x
0
) +b(y y
0
) +c(z z
0
) = 0.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
8.2. C
ONICAS 189
Figura 8.4: Los tipos de c onicas.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
190 CAP
ATICAS Y C
ONICAS
Tenemos que resolver el sistema
a(x x
0
) +b(y y
0
) +c(z z
0
) = 0
x
2
+y
2
= (tan
0
)
2
x
2
_
_
_
().
Al despejar z =
a
c
(xx
0
)
b
c
(yy
0
)+z
0
e introducirlo en la otra ecuaci on
queda una expresion del tipo
a
11
x
2
+a
12
xy +a
22
y
2
+a
1
x +a
2
y +a = 0.
Caso 1.- Si h, entonces la ecuaci on de es z = r, y la solucion de (*) es
x
2
+y
2
= (r tan
0
)
2
,
que es una circunferencia. Llamando a r tan
0
= R resulta
x
2
+y
2
= R
2
,
una circunferencia de radio R.
Caso 2.- Si ,, sea
0
el angulo entre y h, que por denicion es el que forman
n y h. Supongamos
0
<
0
.
En este caso
n = (cos
0
sin
0
, sin
0
sin
0
, cos
0
) = (a, b, c). Sea (0, 0, q) el
punto de corte de con h. Despejando z =
a
c
x
b
c
y+q en la primera ecuaci on,
e introduciendolo en la segunda, sale
(1 tan
2
0
tan
2
0
cos
2
0
)x
2
+ (1 tan
2
0
tan
2
0
sin
2
0
)y
2
tan
2
0
sin 2
0
tan
2
0
xy + 2q cos
0
tan
0
tan
2
0
x
+2q sin
0
tan
0
(tan
0
)
2
y = q
2
tan
2
0
,
que va a resultar ser una elipse.
Para comprobarlo en un ejemplo, tomemos
0
= /2,
0
= /4:
Resulta x
2
+(1tan
2
0
)y
2
+2q tan
0
y = q
2
con 1tan
2
0
> 0. Si llamamos
y
= y +
q tan
0
1 tan
2
0
resulta
x
2
+ (1 tan
2
0
)y
2
= q
1
1 tan
2
0
.
Por ejemplo, para = /6 sale x
2
+
2
3
(y
)
2
=
3q
2
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
8.3. LA CIRCUNFERENCIA 191
Caso 3.- Si , h y el angulo
0
entre
n y h es mayor que
0
se puede seguir
un razonamiento como el de antes. Por tratar un caso concreto, si
0
= /2 y
0
= /4, sale
x
2
+ (1 tan
2
0
)y
2
+ 2q tan
0
y = q
2
,
que es una hiperbola.
Como
0
>
0
= /4, entonces 1 tan
2
0
< 0. Por ejemplo, si
0
= /3,
resulta
x
2
2(y
)
2
= 2q
Caso 4.- Supongamos , h, y que el angulo entre y h es exactamente
0
. En
este caso resulta una par abola.
Por ejemplo, para
0
= /2 resulta
x
2
+ (1 tan
4
0
)y
2
+ 2q(tan
0
)
4
y = q
2
tan
2
0
.
Para
0
= /4 se tiene x
2
+ 2qy = q
2
.
Caso 5.- Existen c onicas degeneradas, que aparecen cuando contiene al vertice
del cono.
En ese caso, la interseccion es
_
_
Un punto
o
dos rectas que se cortan en el vertice
o
una recta (la generatriz).
8.3. La circunferencia
8.3.1 Proposici on Una circunferencia es el conjunto de puntos p de un plano
que satisfacen que su distancia a un punto determinado C (el centro) es cons-
tante. Esta constante es el radio r, y en una referencia adecuada la circunfe-
rencia es (x a)
2
+ (y b)
2
= r
2
.
Demostracion.- Como vimos, en una referencia ortonormal de 1
3
el cono
se expresa como x
2
+ y
2
= z
2
(tan
0
)
2
, y el corte con z = r resulta x
2
+ y
2
=
(r tan
0
)
2
, luego C = (0, 0) y = r tan
0
es el radio.
Geometricamente tenemos la situaci on de la gura 8.5.
Por Pit agoras |
vp |
2
=|
vc |
2
+ |
cp |
2
, y p est a en el crculo si y solo si
|
cp |
2
=|
vp |
2
|
vc |
2
= cte.
8.3.2 Proposici on Consideremos la circunferencia ( de centro C y un punto
Q exterior a ella. Si P, P
|. Adem as
CP
QP
y
CP
QP
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
192 CAP
ATICAS Y C
ONICAS
v
c
p
Figura 8.5: Una circunferencia es el lugar de puntos a distancia ja de otro
punto dado.
Q
P
P
C
).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
8.4. FOCOS Y EXCENTRICIDAD 193
Demostracion
Si comprobamos que = /2 y, por tanto, = /2 (ver la gura 8.6)
entonces, por Pit agoras,
|
QP |
2
=|
CQ |
2
|
CP |
2
=|
CQ |
2
|
CP
|
2
=|
QP
|
2
.
Veamos pues que = /2, es decir
PQ
PC = 0.
Sean (x, y) las coordenadas respecto de la referencia que tiene como origen a
P y como base a la usual. La circunferencia es entonces (x +a)
2
+(y +b)
2
= r
2
(si P es el punto (a, b) visto desde C, C es el (a, b) visto desde P), con
a
2
+b
2
= r
2
pues P (.
Luego ( y = x es (1 +
2
)x
2
+ (2a 2b)x = 0. La recta es pues
tangente cuando esta ecuaci on cuadratica tiene solo una solucion doble, es decir
cuando
_
x
2(a +b)
1 +
2
_
= x, esto es =
a
b
. Se sigue que
PQ (b, a)),
mientras que
PC (a, b)), de modo que
PQ
PC = 0.
8.4. Elipse, hiperbola y parabola. Focos y excen-
tricidad.
8.4.1 Teorema Una elipse es el lugar geometrico de los puntos P de un
plano cuya suma de distancias a dos puntos F
1
y F
2
determinados y distintos,
llamados focos, es constante.
Demostracion.- Sea ( el cono de apertura
0
. Sea
0
el angulo entre y
h, siendo h el eje de ( (
0
<
0
). Supongamos
0
,= 0.
Consideremos dos esferas E
1
y E
2
(se las suele conocer esferas de Dandelin)
tangentes al cono ( y al plano , y sean F
1
y F
2
los puntos de corte de las
esferas de Dandelin con . Dichas esferas son tangentes al cono a lo largo de dos
circunferencias. Sean M y N los puntos de corte de la generatriz que pasa por
P con las esferas de Dandelin (M y N est an obviamente en las circunferencias
de tangencia). Ver la gura 8.7.
Observemos que la recta que pasa por P y por F
1
es tangente a la esfera D
1
,
y tambien lo es la recta que pasa por P y N. Podemos aplicar la proposicion
8.3.2 a la circunferencia dada por D
1
P +
PF
1
,
ATICAS Y C
ONICAS
F
F
N
2
1
P
M
Figura 8.7: Esferas de Dandelin para una elipse.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
8.4. FOCOS Y EXCENTRICIDAD 195
y es obvio que la ultima cantidad no depende del punto P de la elipse por el
que hayamos empezado (es constante).
8.4.2 Observacion.- Dibujando la elipse en un sistema de coordenadas car-
tesianas, el eje que contiene a los focos es el eje principal o mayor. El eje per-
pendicular a el por el punto medio entre F
1
y F
2
es el eje secundario.
a
b
c
F
1
F
2
x
y
Figura 8.8: La forma canonica de una elipse.
La ecuaci on es
_
x
a
_
2
+
_
y
b
_
2
= 1,
donde 2c es la distancia focal, a es el semieje principal y b es el semieje secun-
dario y se llama excentricidad al cociente =
c
a
< 1.
8.4.3 Lema Si P es un punto de una elipse c de focos F
1
y F
2
entonces
|
PF
1
| + |
PF
2
|= 2a, donde a es el semieje principal.
Demostracion.- Sea 1 tal que |
PF
1
| + |
PF
2
|= P c.
Si A
1
es el punto mas cercano a F
1
de entre los dos puntos de corte de c con
el eje principal, entonces
=|
A
1
F
1
| + |
A
1
F
2
|= a c + (a +c) = 2a.
ATICAS Y C
ONICAS
de modo que |
B
1
F
1
|= a, y por Pit agoras se sigue que
a
2
= b
2
+c
2
o, en terminos de la excentricidad, b
2
= a
2
a
2
2
, es decir
b = a
_
1
2
.
8.4.5 Ejemplo,- Calcular la ecuaci on de la elipse c de focos F
1
= (0, 2) y
F
2
= (1, 2) y semieje mayor a =
2.
Entonces
p = (x, y) c
d(P, F
1
) +d(P, F
2
) =
_
x
2
+ (y 1)
2
+
_
(x + 1)
2
+ (y 2)
2
= 2
2
_
(x + 1)
2
+ (y 2)
2
=
_
x
2
+ (y 1)
2
_
2
2
_
(x + 1)
2
+ (y 2)
2
_
2
=
_
_
x
2
+ (y 1)
2
_
2
8 +x
2
+ 2x + 1 +y
2
4y + 4 4
2
_
(x + 1)
2
+ (y 2)
2
= x
2
+y
2
2y + 1
2
_
(x + 1)
2
+ (y 2)
2
= 2x 2y + 12
2
_
_
(x + 1)
2
+ (y 2)
2
_
2
= (x y + 6)
2
8
_
x
2
+ 2x + 1 + 4
2
4y + 4
_
= x
2
+y
2
+ 36 2xy + 12x 12y
7x
2
+ 7y
2
+ 2xy + 4x 20y 4 = 0
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
8.4. FOCOS Y EXCENTRICIDAD 197
Otro metodo: En vez de calcular directamente en las coordenadas (x, y)
(coordenadas respecto de la referencia usual de 1
2
), calculemos otra referencia
ortonormal que este mejor adaptada a esta elipse. Como origen, tomamos el
punto medio entre los focos, p =
_
1
2
,
3
2
_
, como
v
1
el vector unitario en direc-
cion
PF
1
y como
v
2
el normal a
v
1
que haga que
v
1
,
v
2
sea base positivamente
orientada.
Tenemos 2c = d(F
1
, F
2
) =
1 + 1, de modo que c =
2
2
. Ademas, dado que
a
2
= b
2
+c
2
, tenemos 2 = b
2
+
1
2
, de modo que b =
2
.
Si (x
, y
v
1
,
v
2
, la ecuaci on de c es
por tanto
(x
)
2
2
+
(y
)
2
3/2
= 1.
Ahora basta calcular el cambio de las coordenadas (x, y) a las coordenadas
(x
, y
= x
(x, y), y
= (x, y)), y
sustituir en la ecuaci on anterior.
8.4.6 Teorema Una hiperbola es el lugar geometrico de los puntos p de un
plano cuya diferencia de distancias a dos puntos distintos determinados F
1
y
F
2
(focos) es constante en valor absoluto.
Demostracion.- Es parecida a la correspondiente de la elipse (ver el Teo-
rema 8.4.1).
Consideramos de nuevo las esferas de Dandelin, y llamamos F
1
y F
2
a los
puntos de tangencia de las esferas con el plano que contiene a la hiperbola.
Se tiene |
PF
2
|=|
PR
2
|, y tambien |
PF
1
|=|
PR
1
|.
As que |
PF
1
| |
PF
2
|=|
R
1
R
2
| (al reves en la otra rama).
En un sistema de coordenadas cartesianas en los que un eje contenga a los
focos y el otro es perpendicular y pasa por el punto medio entre ellos (se llaman
eje principal y eje secundario respectivamente) la ecuaci on de la hiperbola es
x
2
a
2
y
2
b
2
= 1.
Los focos est an en los puntos (c, 0) y (c, 0). El semieje principal a es la
mitad de la distancia entre los dos puntos de corte de la hiperbola con el eje
principal. Las dos rectas y =
b
a
x son las asntotas (la hiperbola se aproxima
innitamente a ellas al tender a innito).
8.4.7 Ejercicio.- Comprobar que todos los puntos P de una hiperbola veri-
can |
PF
1
| |
PF
2
|= 2a (el signo dependiendo de si P est a en una rama
o en la otra).
(La prueba es similar a la que hicimos para la elipse).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
198 CAP
ATICAS Y C
ONICAS
P
R
1
R
2
1
F
F
2
Figura 8.9: Esferas de Dandelin para una hiperbola.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
8.4. FOCOS Y EXCENTRICIDAD 199
a
c
c
F
2
1
F
b
a
b
b
a
y= x
y= x
y
x
Figura 8.10: Una hiperbola en forma canonica.
8.4.8 Observacion.- Para una hiperbola, la excentricidad es =
c
a
> 1. Por
otra parte, b viene dado por c
2
= a
2
+b
2
o, lo que es equivalente, b = a
2
1.
8.4.9 No vamos a probarlo ahora (puedes intentarlo), pero dada una c onica
no degenerada siempre existe un punto F, una recta L y un n umero > 0 tal
que todo punto P de la c onica satisface
d(p, F) = d(P, L)
(F es un foco, es la excentricidad, y L se llama directriz). La idea para la
demostracion es la gura 8.11.
La recta directriz resulta ser la interseccion del plano que dene la c onica con
el plano que determina la circunferencia de tangencia de la esfera de Dandelin
correspondiente con el cono.
Seg un hemos visto si < 1 la c onica es una elipse y si > 1 es una hiperbola.
8.4.10 Denicion Una par abola es una c onica de excentricidad = 1.
Una par abola tiene solo un foco. Tomando coordenadas en las que el eje x
pase por el foco y coincida con el eje de simetra, el punto de coordenadas (0, 0)
este en la par abola y el foco este en
_
p
2
, 0
_
, la ecuaci on de la par abola es
y
2
= 2px.
La directriz es, por tanto, L = x =
p
2
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
200 CAP
ATICAS Y C
ONICAS
F
L
Figura 8.11: Construccion geometrica de la recta directriz L asociada al foco F.
F
L
Figura 8.12: Una par abola en forma canonica.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
8.5. DETERMINACI
ONICA 201
8.4.11 Ejemplo.- Calcular la ecuaci on de la hiperbola de directriz L 2x
y + 3 = 0, foco en F = (3, 1) y excentricidad = 3.
Si P = (x, y) es un punto de la hiperbola, d(P, F) =
_
(x 3)
2
+ (y + 1)
2
.
Cual es la distancia a la directriz?
La direcci on de L es el subespacio vectorial de ecuaci on 2x y = 0, que
est a generado por el vector (1, 2) (vector director de L). De hecho, si P
0
= (1, 1)
entonces L P
0
+(1, 2)).
El espacio ortogonal a L es L
= (2, 1)) =
_
2
5
,
1
5
_
).
As,
P
0
P = (x + 1, y 1), de modo que
d(P, L) =
L
(
P
0
P) = (x + 1, y 1)
_
2
5
,
1
5
_
= 3
(2x y + 3)
5
,
por lo que la condicion directriz-foco (ver el p arrafo 8.4.9) proporciona:
_
(x 3)
2
+ (y + 1)
2
= 3
(2x y + 3)
(x 3)
2
+ (y + 1)
2
=
9
5
(4x
2
+y
2
+ 9 4xy + 12x 6y)
31x
2
+ 4y
2
36xy + 138x 64y + 31 = 0
8.5. Determinacion del tipo de una conica
8.5.1 La ecuaci on general de una c onica es
a
11
x
2
+a
12
xy +a
22
y
2
+a
1
x +a
2
y +a = 0 ()
Nos preguntamos ahora si toda ecuaci on del tipo () representa una c onica
y en caso armativo de que c onica se trata.
Consideramos para estudiarla la forma cuadratica asociada
a
11
x
2
+a
12
xy +a
22
y
2
= (x y)
_
a
11
a
12
/2
a
12
/2 a
22
__
x
y
_
.
Suponemos que (x, y) son coordenadas en una base ortonormal
e
1
,
e
2
de
1
2
. Sea
u
1
,
u
2
base ortonormal de autovectores de la matriz A =
_
a
11
a
12
/2
a
12
/2 a
22
_
.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
202 CAP
ATICAS Y C
ONICAS
Sean (x
, y
) las coordenadas en
u
1
,
u
2
,
1
,
2
los autovalores correspondientes,
y P la matriz de cambio de base, de modo que
_
x
y
_
= P
_
x
_
.
Entonces
_
1
0
0
2
_
= P
t
AP.
Ademas P cambia una base ortonormal en otra base ortonormal, de modo
que P conserva el producto escalar (pues es la matriz de una aplicacion ortogo-
nal), as que P
t
P = Id
22
.
P es pues la matriz de un giro o de una simetra. Haciendo el cambio de
coordenadas en 1
2
_
x
y
_
= P
_
x
_
y evaluando en () se obtiene una expresion del tipo
1
(x
)
2
+
2
(y
)
2
+b
1
x
+b
2
y
+b = 0 ().
A partir de aqu tenemos que distinguir casos:
Caso I.- Supongamos det(A) =
1
2
> 0 (i.e. ambos autovalores son del
mismo signo).
Supongamos
1
> 0,
2
> 0, y
1
2
(si fueran negativos, multiplicamos
ambos lados de () por 1).
Reescribimos () como
1
_
x
+
b
1
2
1
_
2
+
2
_
y
+
b
2
2
2
_
2
+b
b
2
1
4
1
b
2
2
4
2
= 0.
La traslacion de ecuaciones
x
= x
+
b
1
2
1
y
= y
+
b
2
2
2
transforma la c onica en
1
(x
)
2
+
2
(y
)
2
= d,
donde d =
b
2
1
4
1
+
b
2
2
4
2
b.
Como hemos supuesto 0 <
1
2
entonces:
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
8.5. DETERMINACI
ONICA 203
Si d = 0, el unico punto que satisface es (x
, y
) = (0, 0).
Si d < 0 no hay ning un punto que lo satisfaga.
Si d > 0 es una elipse, y como
1
2
el dibujo en el plano (x
, y
) es el de
la gura 8.8 (pagina 195), donde a =
1
1
, b =
1
2
, c
2
= a
2
+b
2
=
1
+
2
2
y
F
1
= (c, 0).
Caso II.- Supongamos det(A) =
1
2
< 0 (i.e. que los autovalores tienen
signos distintos).
Mediante la transformaci on ortogonal seguida de una traslacion (movimien-
to), como en el caso anterior, dada por
_
x
_
= P
_
x
y
_
+
_
_
_
b
1
2
1
b
2
2
2
_
_
_
obtenemos
1
(x
)
2
+
2
(y
)
2
= d,
donde d =
b
2
1
4
1
+
b
2
2
4
2
b.
Supongamos
1
> 0 y
2
< 0. Entonces:
Si d = 0, y
=
_
2
x (un par de rectas).
Si d ,= 0, la c onica en elplano (x
, y
) es una hiperbola
_
x
a
_
2
_
y
b
_
2
= 1
(como la de la gura 8.10 de la p agina 199), con a =
1
, b =
2
y
c
2
= a
2
+b
2
.
Hemos supuesto d > 0: en caso contrario hay que hacer el cambio obvio.
Caso III.- Supongamos det(A) =
1
2
= 0, y que
1
= 0,
2
,= 0.
En este caso, mediante la transformaci on ortogonal P como en los casos
anteriores, obtenemos
2
(y
)
2
+b
1
x
+b
2
y
+b = 0 ().
Si b
1
,= 0, podemos escribir () como
2
_
y
+
b
2
2
2
_
2
+b
1
_
x
+
b
b
1
b
2
2
4
2
b
1
_
= 0.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
204 CAP
ATICAS Y C
ONICAS
Luego haciendo la traslacion
x
= x
+
b
b
1
b
2
2
4
2
b
1
y
= y
+
b
2
2
2
_
_
obtenemos la ecuaci on
(y
)
2
=
b
1
2
x
,
que es una par abola en el plano (x
, y
b
1
4
2
, 0
_
y la directriz es la recta de ecuaci on
x
=
b
1
2
2
.
Si b
1
= 0, podemos reescribir () como
2
_
y
+
b
2
2
2
_
+b
b
2
2
4
2
= 0.
Luego la traslacion
x
= x
= y
+
b
2
2
2
transforma () en
(y
)
2
=
c
2
con c = b
b
2
2
4
2
. Luego:
-Si
c
2
> 0 se obtiene y
=
_
c
2
(un par de rectas).
-Si
c
2
< 0 no hay solucion.
-Si
c
2
= 0 se obtiene como solucion la recta y
= 0.
8.5.2 Ejemplo.- Consideremos la c onica de ecuaci on
x
2
+y
2
+ 2xy 7x 5y + 7 = 0.
La forma cuadratica asociada es
Q(x, y) = (x y)
_
1 1
1 1
__
x
y
_
,
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
8.5. DETERMINACI
ONICA 205
cuya matriz A =
_
1 1
1 1
_
tiene determinante nulo. De modo que se trata de
una par abola o de una c onica degenerada.
Los autovalores de A son
1
= 0,
2
= 2. Calculamos autovectores:
ker(A 0I) = x +y = 0
u
1
=
_
2
2
,
2
2
_
y
ker(A 2I) = x +y = 0
u
2
=
_
2
2
,
2
2
_
.
Sea entonces
P =
_
_
2/2
2/2
2/2
2/2
_
_
,
y consideramos el cambio
_
x
y
_
= P
_
x
_
.
Observa que P representa un giro de angulo /4. Tras el giro, una vez
hecho el cambio de coordenadas, la ecuaci on de la c onica se transforma en
2(y
)
2
2x
2y
+ 7 = 0,
que reescribimos, completando cuadrados, como
2
_
y
3
2
2
_
2
2x
+ 7
9
2
,
que es a su vez
2
_
y
3
2
2
_
2
2
_
x
2
_
.
Tras la traslacion
x
= x
5
2
2
y
= y
2
2
_
_
la ecuaci on resultante es
2(y
)
2
2x
= 0,
es decir
(y
)
2
=
2
2
x
,
que es una par abola en la forma habitual, con foco en (x
, y
) = (
2/8, 0).
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
206 CAP
ATICAS Y C
ONICAS
x
y
x
y
x
y
Figura 8.13: La par abola del ejemplo 8.5.2 y las diferentes coordenadas utiliza-
das.
8.5.3 Ejemplo.- Sea la c onica de ecuaci on
3x
2
+ 3y
2
2xy + 18x + 10y + 19 = 0.
Estudiamos la forma cuadratica
Q(x, y) = (x y)
_
3 1
1 3
__
x
y
_
,
cuya matriz resulta tener autovalores
1
= 2,
2
= 4.
Calculando los correspondientes autovectores unitarios resulta
u
1
=
_
2
2
,
2
2
_
y
u
2
=
_
2
2
,
2
2
_
.
Hacemos
P
_
x
_
=
_
x
y
_
,
siendo
P =
_
2/2
2/2
2/2
2/2
_
(un giro de /4).
En estas coordenadas la ecuaci on de la c onica es
2(x
)
2
+ 4(y
)
2
+ 14
2x
2y
+ 19 = 0,
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
8.5. DETERMINACI
ONICA 207
luego si
x
= x
+
7
2
2
y
= y
2
2
obtenemos, operando,
_
x
4
_
2
+
_
y
2
_
2
= 1,
que es una elipse con c =
16 8 = 2
2
2
.
8.5.4 Ejemplo.- Estudiar la c onica de ecuaci on
3x
2
+ 3y
2
10xy + 14x 2y + 3 = 0.
Estudiamos la forma cuadratica
Q(x, y) = (x y)
_
3 5
5 3
__
x
y
_
,
cuya matriz tiene autovalores
1
= 8,
2
= 2.
Calculando los correspondientes autovectores unitarios resulta
u
1
=
_
2
2
,
2
2
_
y
u
2
=
_
2
2
,
2
2
_
.
Hacemos
P
_
x
_
=
_
x
y
_
,
siendo
P =
_
2/2
2/2
2/2
2/2
_
.
En estas coordenadas la ecuaci on de la c onica es
8(x
)
2
2(y
)
2
+ 8
2x
+ 6
2y
+ 3 = 0
que, completando cuadrados, es
8
_
x
2
2
_
2
2
_
y
2
2
_
2
+ 3 4 + 9 = 0,
es decir
8
_
x
2
2
_
2
2
_
y
2
2
_
2
= 8,
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
208 CAP
ATICAS Y C
ONICAS
o bien
_
y
2
2
_
2
4
_
x
2
2
_
2
= 1.
As, tras el cambio
x
= x
2
2
y
= y
2
2
_
_
obtenemos
_
y
2
_
2
(x
)
2
= 1,
que es una hiperbola de semiejes 2 y 1. Observa que el papel de las coordenadas
x
e y
5.
( 5,0)
x
y
x=(1/2)y
Figura 8.14: La hiperbola del ejemplo 8.5.4 en las coordenadas x
e y
(ojo:
est an intercambiadas respecto a lo habitual).
Si quisieramos representarla con los ejes colocados como solemos hacerlo, no
habra mas que hacer un giro (ver la gura 8.15.)
El movimiento que lleva a esta forma canonica es pues
_
x
y
_
_
x
_
x
_
,
y como
_
x
_
=
_
2/2
2/2
2/2
2/2
_
1
_
x
_
,
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
8.5. DETERMINACI
ONICA 209
(0, 5)
x
y
y=2x
Figura 8.15: La hiperbola del ejemplo 8.5.4.
entonces
_
x
_
=
_
x
_
+
_
2/2
3
2/2
_
=
_
2/2
2/2
2/2
2/2
__
x
y
_
+
_
2/2
3
2/2
_
.
Para calcular elementos en el plano (x, y) hay que hacer el movimiento in-
verso
_
x
y
_
=
_
2/2
2/2
2/2
2/2
__
x
_
=
_
2/2
2/2
2/2
2/2
__
x
2/2
y
+ 3
2/2
_
=
_
2/2
2/2
2/2
2/2
__
x
_
+
_
1
2
_
.
Por ejemplo el centro, que es (x
, y
, y
) = (0,
5) es (x, y) = (
10/2+1,
10/2+2), y el foco (x
, y
) =
(0,
5) es (x, y) = (
10/2 + 1,
10/2 + 2).
El semieje mayor x
, y
) = (0, t),
corresponde a (x, y) =
_
2
2
t + 1,
2
2
t + 2
_
. El semieje menor, y
= 0 es, del
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
210 CAP
ATICAS Y C
ONICAS
mismo modo, la recta parametrica (x, y) =
_
2
2
t + 1,
2
2
t + 2
_
.
La asntota y
= 2x
, que parametricamente es (x
, y
2
2
t + 1,
2
2
t + 2
_
.
8.6. Conicas y el mundo real. Propiedades de
reexion.
8.6.1 Proposici on Sea ( una c onica no singular, P C, F un foco. Si ( es
una par abola, sea D la directriz. Si no, sea F
PF y
PF
es tangente a ( en P.
b) Si ( es una hiperbola, la linea bisectriz entre
PF y
PF
es tangente a ( en
P.
c) Si ( es una par abola, sea R D el punto tal que
PR es perpendicular a D.
Entonces la linea bisectriz entre
PF y
PR es tangente a ( en P.
Ver la demostracion en [Je].
8.6.2 La traducci on practica de la proposicion anterior se da en terminos de
propiedades de reexion. Dado que las leyes de la optica estipulan que un rayo
de luz, al reejarse, tiene el mismo angulo de salida que angulo de incidencia
( angulos contados sobre el espacio tangente a la supercie de reexion), las
c onicas tienen las siguientes propiedades:
Elipses.- Un rayo de luz que se emite desde un foco (en cualquier direcci on),
tras reejarse en la elipse incide en el otro foco (y as ad innitum).
Par abolas.- Los rayos de luz emitidos desde el foco, en cualquier direcci on,
tras reejarse en la par abola forman un haz de rayos paralelos al eje de esta.
Recprocamente, cualquier rayo paralelo al eje, tras reejarse en la par abola,
llega al foco.
Hiperbolas.- Un rayo de luz que se emita entre las dos ramas y en direcci on a
un foco, se reeja en la hiperbola en direcci on al otro foco.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
8.6. C
ONICAS Y REFLEXI
ON 211
y
x
y
x
y
x
Figura 8.16: La hiperbola del ejemplo 8.5.4 y las diferentes coordenadas utiliza-
das.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
212 CAP
ATICAS Y C
ONICAS
P
F F
=
Figura 8.17: Reexiones en la elipse.
P
=
F F
Figura 8.18: Reexiones en la hiperbola.
P
R
F
=
Figura 8.19: Reexiones en la par abola.
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Ejercicios de formas
cuadraticas y conicas
1. Encuentra la matriz de las siguientes formas cuadraticas:
(a) Q(x
1
, x
2
, x
3
) = 2x
2
1
3x
1
x
2
+ 4x
2
2
+ 6x
1
x
3
, en 1
3
.
(b) Q(x
1
, x
2
, x
3
) =
3
i=1
(x
i
s)
2
con s =
1
3
(x
1
+ x
2
+x
3
), en 1
3
.
(c)
n
i<j
(i j)
2
x
i
x
j
.
2. Encuentra la forma canonica y los ndices de inercia de la siguiente forma
cuadratica: Q(x, y, z) = x
2
+ 5y
2
2xy + 2xz Da las ecuaciones de la transfor-
maci on de 1
3
que lleva la forma cuadratica dada a su forma canonica.
3. Halla la forma canonica de las siguientes formas cuadraticas:
Q
1
(x, y) = x
2
2xy + 4y
2
; Q
2
(x, y, z) = xy + 2xz;
Q
3
(x, y, z, t) = xy +yz +zt
En cada caso da una base ortonormal en la que se obtenga la forma canonica.
4. Reduce la c onica 3x
2
+3y
2
2xy+18x+10y+19 = 0 a su forma canonica.
Halla los ejes, el centro y los focos de la c onica correspondiente y dib ujala.
5. Indica el tipo y expresa en forma canonica la c onica
x
2
+y
2
+ 2xy 7x 5y + 7 = 0.
6. Demuestra que las ecuaciones siguientes representan hiperbolas y encuen-
tra sus asntotas:
x
2
+ 4xy +y
2
= 7; 11x
2
24xy + 4y
2
+ 6x + 8y = 15
7. Demuestra que las ecuaciones siguientes representan par abolas y encuen-
tra su eje y su vertice:
213
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
214
16x
2
24xy + 9y
2
30x 40y = 0; 16x
2
24xy + 9y
2
30x 40y = 5
8. Clasica las siguientes c onicas y da las ecuaciones del movimiento de 1
3
que las lleva a su forma canonica:
x
2
2xy +y
2
+ 4x 6y + 1 = 0; 2x 2x
2
+y
2
+ 4xy 1 = 0;
x
2
2y
2
xy + 2x + 5y 3 = 0
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Problemas de formas
cuadraticas y conicas
1. Para los distintos valores de los par ametros , 1, clasica las c onicas
de ecuaci on:
x
2
+ 2xy +y
2
+ ( +)(x +y) + 1 = 0
2. Escribe la ecuaci on de la hiperbola con un foco en (2, 1) y asntotas de
ecuaci on x = 0, 3x 4y = 0.
3. Escribe las ecuaciones de las par abolas de foco (2, 1) que pasan por
(2, 2) y tiene el eje en la direcci on del eje Ox.
4. Escribe la ecuaci on de la elipse con vertices (1, 2) y (7, 2) y eje menor
2b = 2.
5. Escribe la ecuaci on de al hiperbola con asntotas y = 2x1, y = 2x1
y un foco en (3, 1).
6. Escribe la ecuaci on de la elipse con un vertice en (1, 1), centro en (3, 1)
y excentricidad 1/2.
7. Encuentra las ecuaciones de las siguientes c onicas:
(a) La par abola de foco (1, a) y vertice (a, a), donde a 1, a > 1. Demuestra
que solo hay un valor de a para el cual la par abola correspondiente pasa
por el origen.
(b) La elipse de focos (0, ) y (, 2) y semieje mayor
2, donde 1.
Demuestra que existen dos elipses de la familia que pasan por el origen.
215
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
216
Ernesto Girondo. Version del 10-02-09. Puede contener erratas
Bibliografa
[Ay] F. Ayres, Geometra Proyectiva. Teora y 200 Problemas Resueltos, Ed.
McGraw-Hill, 1971.
[Ca-Ll] M. Castellet e I. Llerena, Algebra Lineal y Geometra, Ed. Reverte-Uiv.
Autonoma de Barcelona, Barcelona 1994 (Texto recomendado para los
temas 1 y 2).
[He] E. Hernandez, Algebra Lineal y Geometra, Ed. Univ. Autonoma de
Madrid, Madrid 1994.
[Je] G.A. Jennings, Modern Geometry with Applications, Ed. Springer-
Verlag, 1994.
[RS-Ru] J.M Rodrguez-Sanjurjo y J.M. Ruiz, Geometra Proyectiva, Addisson-
Wesley, 1998 (Texto recomendado para el tema 3).
[Xa] S. Xamb o, Geometra, Edicions UPC, Barcelona 1997.
217