Captulo 3

Vectores en R
n
En los temas anteriores hemos trabajado con n-uplas ya sea en forma de elementos de R
n
o en forma de
matrices la o columna. Hasta ahora nos hemos centrado en el aspecto algebraico pero en este tema estamos
interesados en la interpretacion geometrica de estos conceptos. Ya vimos en el tema de introduccion que
tanto los conjuntos R, R
2
, R
3
como sus elementos tienen representaciones gracas. Aqu veremos como esas
representaciones concuerdan con los conceptos de combinacion lineal, dependencia, etc.
No solamente estudiaremos el aspecto geometrico de los elementos de R
n
de forma aislada sino que
tambien analizaremos las propiedades de ciertos subconjuntos de R
n
que pueden denirse mediante una
ecuacion matricial (por ejemplo las soluciones de un sistema).
En los temas anteriores hemos hecho hincapie en la identicacion entre elementos de R
n
y matrices la
o columna de /
1n
y /
n1
. Aunque aqu persistimos en esa identicacion y la utilizaremos en diferentes
puntos, fundamentalmente recurriremos a la representacion en forma de uplas ordenadas y nos referiremos
casi de forma exclusiva a los conjuntos R
n
.
3.1 Puntos y vectores en R
n
. Interpretacion geometrica
Los elementos de R
n
admiten principalmente dos representaciones geometricas. Una de ellas, como punto
de una recta, plano o espacio, ya la conocemos. Ahora introducimos una nueva representacion como vector
o segmento orientado. Veamos ambas representaciones:
i) Representacion como puntos: Un elemento de R
n
es un punto de una recta, de un plano, de un
espacio tridimensional o en general de un espacio n-dimensional determinado por sus componentes al
ser tomadas como coordenadas respecto a un sistema de n ejes perpendiculares.
Ejemplos 1.
1) Los puntos (3, 2) y (2, 1) de R
2
sabemos que se representan en el plano de la siguiente forma:
139
-1 1 2 3
-1
-0.5
0.5
1
1.5
2
(2, 1)
(3, 2)
2) La upla (3, 2, 1) de R
3
corresponde al punto del espacio indicado en la siguiente graca:
-1
1
2
3
-1
1
2
3
-1
1
2
3
ii) Representaci on como vector: Un elemento de R
n
es un vector, es decir, un segmento (o echa)
orientado con una direccion, un sentido y una longitud concretas. El vector (a
1
, a
2
, . . . , a
n
) de R
n
se
puede representar como aquel que parte del origen y llega hasta el punto de R
n
determinado por el
mismo.
Ejemplos 2.
1) En el siguiente graco mostramos todos los elementos (direccion, sentido, etc.) del el vector (1, 1)
de R
2
. Vease como para representarlo trazamos el vector que parte del origen y llega hasta el punto
(1, 1). La direccion correspondiente a (1, 1) es la marcada por la recta sobre la que se halla. Para cada
direccion existen dos sentidos posibles y cada vector se nala solo uno de ellos.
Direccion
d
d
ds
d
ds
Punto (1, 1)
Sentido de (1, 1)
Sentido opuesto

s
Origen
longitud
v
e
c
t
o
r
(
1
,
1
)
-1 -0.5 0.5 1 1.5 2
-1
-0.5
0.5
1
1.5
2
140
2) Las uplas (3, 2) y (2, 1) de R
2
y (3, 2, 1) de R
3
se representan en forma de vectores del siguiente
modo:
(
3
,
2
)
(2,-1)
(3
,2
,1
)
-1 1 2 3
-1
1
2
3
1
2
3
1
2
3
1
2
3
En realidad, un vector no tiene que situarse necesariamente en el origen sino que puede, por el contrario,
situarse en cualquier otro punto al que se denominara origen o punto de aplicacion del vector.
Ejemplos 3.
1) El vector (1, 1) que hemos representado en el apartado 1) del ejemplo anterior puede representarse tambien
sobre el punto (2, 1):
-1 1 2 3
-1
-0.5
0.5
1
1.5
2
2.5
' d
d
d
ds
Vector (1, 1)
d
d
d
Punto (2, 1)
E
Punto (1, 1)
d
Punto (0, 0)
En el ejemplo anterior el vector (1, 1) se situo en el punto (0, 0) y en este caso lo hemos situado tambien en
el punto (2, 1). En esta segunda ocasion, el vector (1, 1) tiene origen o punto de aplicacion el punto (2, 1).
Ambas representaciones del vector (1, 1), la que tiene punto de aplicacion (0, 0) y la que tiene punto de
aplicacion (2, 1), poseen la misma direccion, longitud y sentido ya que en realidad se trata del mismo vector
representado en puntos distintos.
2) El vector (3, 2) que hemos representado en el apartado 2) del ejemplo anterior puede situarse en distintos
puntos tal y como vemos en la graca siguiente:
141
2 4 6 8 10 12 14
2
4
6
8
10
Los elementos de R
n
admiten, pues, esta doble interpretacion como puntos y como vectores. En cada
momento los observaremos desde el punto de vista que nos permita una mejor compresion de cada concepto
o problema. De hecho, es mas frecuente hablar de un punto de R
n
o de un vector de R
n
que de n-upla.
La representaci on vectorial es adecuada para adquirir imagenes intuitivas del signicado de diversas
operaciones con vectores, de la dependencia e independencia lineal, de combinacion lineal, etc. Demos un
repaso a todos estos terminos a la luz de la nueva interpretacion vectorial de los elementos de R
n
.
Producto de un n umero por un vector: El producto del n umero R por el vector u R
n
, u,
es otro vector de R
n
con la misma direccion de u, cuya longitud es veces la de u y cuyo sentido es el
mismo que el de u si > 0 y el contrario si < 0.
-2 2 4 6
-2
-1
1
2
3
4
u
2u
1
2
u
u
Cuando multiplicamos un vector por un n umero real lo unico que hacemos es cambiar su tama no y
sentido, cambiar su escala. Es por ello que los n umeros reales, que utilizamos para cambiar la longitud
o escala de un vector, reciben, en ocasiones, el nombre de escalares.
Suma de vectores: La suma de los vectores u, v R
n
es otro vector de R
n
que se obtiene situando
el vector v a continuacion del vector u.
Ejemplo 4. La suma de los vectores u = (3, 2) y v = (2, 1) es u + v = (5, 1). La representacion
graca de todos estos vectores es
1 2 3 4 5
-1
-0.5
0.5
1
1.5
2
u
v
copia de v
u +v
142
Vease como situamos una copia del vector v a continuacion del vector u. El vector que recorre el
camino trazado por ambos directamente es u + v. Por otro lado puede comprobarse que los calculos
algebraicos se corresponden con las conclusiones obtenidas geometricamente.
Suma de un punto y un vector: Si al punto p le sumamos el vector v obtenemos otro punto que
equivale a desplazar p seg un la direccion, longitud y sentido del vector v. Dicho de otra manera, el
punto p +v es la traslacion de p seg un el vector v.
Ejemplo 5. La suma del punto p = (3, 2) y el vector v = (2, 1) es el punto p +v = (5, 1) tal y como
vemos en la graca siguiente
1 2 3 4 5
-1
-0.5
0.5
1
1.5
2
p
v
p +v
Observese como al sumar el vector v al punto p lo que realizamos es una traslacion en la direccion de
v para obtener el punto trasladado p +v.
Como consecuencia de lo anterior, si tenemos dos puntos p y q y llamamos v al vector que va desde p
hasta q,
p
v
q
es evidente que tendremos que p +v = q por lo que, despejando, tenemos que v = q p, as que,
el vector que une p y q es q p.
Es decir, podemos calcular el vector que une p y q restando al punto nal q, el punto inicial, p.
Ejemplos 6.
1) Dados p = (2, 1) y q = (1, 2), el vector que une p y q correspondera al elemento v R
2
que se
calcula como
v = q p = (1, 2) (2, 1) = (1, 3).
Gracamente tenemos
143
-1 -0.5 0.5 1 1.5 2
-1
-0.5
0.5
1
1.5
2
p
q
v
Combinaciones lineales: Una vez que conocemos la interpretacion de la suma de vectores y del
producto por un n umero, es facil calcular gracamente la combinacion lineal de vectores en R
2
o R
3
.
Dados varios vectores v
1
, v
2
, . . . , v
m
de R
n
si tomamos una combinacion lineal de ellos,

1
v
1
+
2
v
2
+ +
m
v
m
,
sabemos que cada producto
i
v
i
consistira en cambiar la longitud y sentido de cada vector v
i
y que
la suma consiste en poner unos vectores a continuacion de otros. Gracamente, una combinacion de
v
1
, v
2
, . . . , v
m
sera cualquier vector que pueda ser obtenido poniendo una tras otra distintas prolonga-
ciones de esos vectores.
Ejemplos 7.
1) Consideremos los vectores u = (1, 2, 1) y v = (3, 1, 1) de R
3
. El vector
(1 +
1
3
)u + (1 +
1
2
)v =
4
3
(1, 2, 1) +
3
2
(3, 1, 1) = (
35
6
,
25
6
,
17
6
)
es una combinacion lineal de u y v. Multiplicar u por 1+
1
3
equivale a prolongar la longitud de u seg un
ese factor (es decir, alargarlo un tercio). Igualmente el producto de 1+
1
2
por v supone la correspondiente
prolongacion de v (un medio mas largo). La suma de ambos productos podemos obtenerla situando
uno a continuacion de otro. Gracamente tenemos:
u
v
(1 +
1
2
)v
(1 +
1
3
)u
copia
de
(1
+
1
2
)v
(1 +
1
3
)u + (1 +
1
2
)v
Podramos tomar otras combinaciones lineales de u y v,

1
u +
2
v,
144
con coecientes
1
y
2
diferentes de los que hemos tomados antes, 1 +
1
3
y 1 +
1
2
. En cualquier
caso, para todas esas nuevas combinaciones, la representacion graca tambien se obtendra a base de
prolongar o acortar u y v y ponerlos uno a continuacion del otro. Si representamos varias de estas
otras combinaciones obtenemos la graca
u
v
Todos los vectores representados son elementos del conjunto u, v) de todas las combinaciones de u y v.
La forma en que se obtiene la representacion de estas combinaciones as como las gracas que hemos
obtenido mediante ellas nos indican que la representacion graca del conjunto u, v) es un plano que
pasa por el origen y que sigue las direcciones marcadas por los vectores u y v.
2) Dado el vector (2, 1) R
2
, sabemos que el producto por un n umero u es una prolongacion o
contraccion del vector inicial. El conjunto de las combinaciones lineales de u es
u) = u : R = (2, 1) : R.
Si representamos varias de estas combinaciones obtenemos la graca,
-3 -2 -1 1 2 3 4
-1.5
-1
-0.5
0.5
1
1.5
2
u
Si consiguieramos trazar todas las combinaciones de u podramos comprobar que la representacion del
conjunto de combinaciones de u, u), es la recta que pasa por el origen en la direccion de u. La graca
anterior corrobora de forma intuitiva esta ultima armacion.
En general tenemos que:
Dado un vector no nulo de R
n
, la representacion graca del conjunto de sus combinaciones lineales,
u), es la recta que pasa por el origen en la direccion del vector u.
Dados dos vectores u, v R
n
independientes, la representacion graca de u, v) es el plano que
pasa por el origen en la direccion de los vectores u y v.
Es posible generalizar diciendo que, dados v
1
, v
2
, . . . , v
m
R
n
independientes, la representacion
graca de v
1
, v
2
, . . . , v
m
) es un espacio m-dimensional que pasa por el origen en la direccion de
esos vectores.
145
Hemos de entender de forma intuitiva las armaciones anteriores ya que si bien desde el punto de vista
teorico no hay ning un problema en considerar espacios de dimension superior a tres (mas adelante,
en este tema, estudiaremos lo que se entiende por espacio m dimensional) es claro que no es posible
obtener representaciones gracas para ellos. Por tanto, los tres puntos anteriores tienen sentido pleno
en R
2
y R
3
y nos proporcionan una idea intuitiva para R
n
en general.
Dependencia e independencia: Una vez que conocemos la representacion graca del conjunto de
combinaciones lineales de uno, dos o mas vectores, es posible realizar razonamientos gracos acerca de
la dependencia e independencia de vectores. En concreto tenemos que:
Tres vectores u, v, w R
n
son dependientes si y solamente si se encuentran dentro de un mismo
plano que pasa por el origen.
Dos vectores u, v R
n
son dependientes si y solamente si se encuentran dentro de la misma recta
que pasa por el origen. Se dice entonces que son colineales.
En general v
1
, v
2
, . . . , v
m+1
R
n
son dependientes si se encuentran dentro de un mismo espacio
m-dimensional que pasa por el origen.
Ejemplos 8.
1) Si tomamos el vector u = (2, 1) del apartado 2) de Ejemplos 7 junto con los vectores
w
1
= (4, 2) y w
2
= (2, 2)
y los representamos gracamente obtenemos
1 2 3 4
0.5
1
1.5
2
u
w
1
w
2
Es claro que w
1
pertenece a la recta que pasa por el origen en la direccion de u y por tanto w
1
u)
con lo que u y w
1
son linealmente dependientes entre s. Por su parte, es evidente que w
2
no pertenece
a dicha recta y entonces w
2
/ u) lo cual implica que u y w
2
son independientes.
2) Consideremos los vectores u = (1, 2, 1) y v = (3, 1, 1) del apartado 1) de Ejemplos 7. Ambos son
independientes ya que no se encuentran dentro de ninguna recta que pase por el origen. Tomemos
ahora los vectores
w
1
= (
13
4
,
11
4
,
7
4
) y w
2
= (1, 1, 3).
Representemoslos gracamente
146
u
v
w
1
w
2
Vemos que el vector w
1
pertenece al plano que pasa por el origen en la direccion de u y v y por lo tanto
w
1
u, v). Por ello, u, v y w
1
son linealmente dependientes entre s. Por contra, podemos constatar
en la graca que w
2
no esta en el plano que generan u y v o, dicho de otro modo, w
2
/ u, v) con lo
que u, v y w
2
son linealmente independientes entre s.
Determinante de matrices de orden 2 y 3: Cuando denimos el determinante en el Captulo
1 dijimos que en cierto sentido meda el grado en que varios vectores son independientes. Esta idea
queda apoyada tras examinar las propiedades del determinante respecto a la representacion graca de
vectores. En concreto tenemos que:
El determinante de dos vectores u, v R
2
es, salvo el signo, el area del paralelogramo que tiene
por lados a esos dos vectores.
El determinante de tres vectores u, v, w R
3
es, salvo el signo, el volumen del paraleleppedo que
tiene por lados a esos tres vectores.
Ejemplos 9.
1) Tomemos los vectores u = (3, 1) y v = (1, 3). La representacion del paralelogramo que tiene por
lados a u y v es
1 2 3 4
1
2
3
4
u
v
A
La gura sombreada es el mencionado paralelogramo y su area, A, se puede calcular realizando el
determinante de la matriz formada por u y v:
A = det(u[v) = det
_
3 1
1 3
_
= 9 1 = 8.
2) Consideremos los vectores u = (2, 1, 0), v = (1, 1, 0) y w = (0, 1, 1) de R
3
. Esos tres vectores
determinan un paraleleppedo (una caja tridimensional) que en la gura adjunta aparece sombreado.
147
1
2
3
1
1
2
3
v
u
w
V
Si llamamos V al volumen de ese paraleleppedo, podemos calcular su valor obteniendo el determinante
de la matriz formada al disponer los vectores u, v y w en columna del siguiente modo:
V = det(u[v[w) = det
_
_
2 1 0
1 1 1
0 0 1
_
_
= 3.
Si dos vectores, u, v R
2
, fueran dependientes, se encontraran sobre una misma recta que parte
del origen y entonces es claro que el area del paralelogramo determinado por ellos sera nula. Si los
vectores son independientes, ese area sera distinta de cero pero a medida que tomemos vectores que se
aproximen mas a estar en la misma recta, el area, y por tanto el determinante, sera cada vez menor.
En el caso tridimensional podemos razonar de forma similar ya que si u, v, w R
3
estan en el mismo
plano que pasa por el origen, el paraleleppedo que determinan tendra volumen nulo.
3.1.1 Medida de distancias
Al inicio de esta seccion hemos denido un vector como un segmento orientado con una longitud, direccion
y sentido dados. En la siguiente propiedad veremos que es facil calcular la longitud de un vector. Una vez
que sepamos hacer esto tambien sera posible calcular la distancia entre dos puntos p y q cualesquiera ya que
es evidente que dicha distancia sera igual que la longitud del vector que los une que sabemos que es q p.
Propiedad 10.
i) Dado el vector u = (u
1
, u
2
, . . . , u
n
) R
n
, la longitud de dicho vector se denota como |u| y se calcula
mediante
|u| =
_
u
2
1
+u
2
2
+ +u
2
n
.
ii) Dados los puntos p = (p
1
, p
2
, . . . , p
n
), q = (q
1
, q
2
, . . . , q
n
) R
n
, la distancia entre ambos se denota como
d(p, q) y se calcula mediante
d(p, q) = |p q| =
_
(p
1
q
1
)
2
+ (p
2
q
2
)
2
+ + (p
n
q
n
)
2
.
Ejemplos 11.
1) La longitud del vector u = (3, 2) es
|u| =
_
3
2
+ 2
2
=

13 3.60
148
-1 1 2 3
-0.5
0.5
1
1.5
2
u
=
(
3
,
2
)
(3, 2)
|u| 3.60
2) Dados los puntos p = (1, 1, 1), q = (4, 2, 2) R
3
la distancia entre ellos es igual a
d(p, q) = |p q| =
_
(4 1)
2
+ (2 1)
2
+ (2 1)
2
=
_
3
2
+ 1
2
+ 1
2
=

11 3.31
d
(
p
,
q
)

3
.3
1
p
q
3.2 Lugares geometricos
Hasta ahora hemos considerado puntos aislados de R
2
, R
3
o R
n
. Sin embargo, en las aplicaciones practicas
los puntos y vectores aparecen asociados formando conjuntos o guras destacadas que estan integradas por
multitud de puntos. Dichos conjuntos de puntos se denominan lugares o guras geometricas.
Son dos los metodos fundamentales para denir un lugar geometrico:
Mediante una propiedad geometrica: Se indica una propiedad geometrica que han de vericar
todos los puntos que pertenezcan al lugar o gura geometrica. Una vez que conocemos dicha propiedad,
para determinar si un punto esta o no en el lugar geometrico sera suciente con comprobar si el punto
cumple la propiedad o no; si la cumple estara y si no la cumple no pertenecera a la gura geometrica
que estamos deniendo.
149
Mediante un conjunto de ecuaciones o inecuaciones: En esta modalidad denimos el lugar
o gura geometrica mediante un conjunto de ecuaciones que se denominan ecuaciones implcitas o
cartesianas. Los elementos de R
n
que cumplan las ecuaciones (que sean solucion de las ecuaciones)
estaran en la gura y los que no las cumplan no.
Nosotros trabajaremos fundamentalmente con lugares o guras denidas mediante ecuaciones implcitas. En
cualquier caso, en los ejemplos veremos que es posible pasar de un tipo de representacion a otra y si tenemos
un conjunto denido mediante una propiedad podremos obtener para el unas ecuaciones implcitas.
Ejemplos 12.
1) Consideremos el lugar geometrico de R
2
(del plano), al que llamaremos C, denido por la siguiente
propiedad:
Propiedad P: Un punto cumple la propiedad P si su distancia al origen es igual a 1.
Entonces, C estara constituido por los puntos de R
2
que cumplen la propiedad P y por tanto,
C = q R
2
: q cumple la propiedad P
= q R
2
: la distancia de q al origen, (0, 0), es igual a 1.
Es evidente, a la vista de su denicion, que el lugar geometrico C es la circunferencia de centro el origen,
(0, 0), y radio 1. Por ejemplo, en la graca siguiente vemos que los puntos p
1
, p
2
y p
3
estan en la circunferencia
de centro (0, 0) y radio 1 y por ello pertenecen a C ya que la distancia al origen es exactamente igual a 1,
en cambio p
4
/ C ya que dista del origen mas de una unidad.
p
1
p
2
p
3
p
4
1
1
1
C
-1.5 -1 -0.5 0.5 1 1.5
-1.5
-1
-0.5
0.5
1
1.5
De este modo, C es una gura geometrica de R
2
, es decir, del plano, que hemos denido mediante la propiedad
P. C contiene innitos puntos, todos aquellos que verican P, o lo que es lo mismo, que distan del origen
justamente una unidad. Dado un elemento cualquiera podemos, en principio, comprobar si esta en C o no
observando si cumple o no la propiedad de denicion P.
Como observamos en este caso, cuando denimos una gura mediante una propiedad geometrica, es en
general sencillo hacernos una idea de su representacion. Sin embargo, a partir de esta representacion, no
es tan facil determinar si un punto concreto esta en la gura. Por ejemplo, si queremos saber si los puntos
150
(
1

2
,
1

2
) y (
7
10
,
7
10
) estan en C basandonos en la representacion geometrica, aparentemente, utilizando una
representaci on poco precisa, podramos llegar a la conclusion de que esto es as para ambos puntos (vease la
gura adjunta). Sin embargo si ampliamos la zona del graco correspondiente a (
7
10
,
7
10
) observamos que
en realidad no pertenece a C.
(
1

2
,
1

2
) (
7
10
,
7
10
)
C
(
7
10
,
7
10
)
C
Representacion menos precisa
Ampliacion
En cambio, (
1

2
,
1

2
) si esta en C pero una representacion poco detallada podra llevarnos a pensar que no
pertenece.
A la vista de esto ultimo, parece necesario disponer de un metodo para denir guras geometricas que
nos permita decidir con total precision si un punto pertenece o no a ellas. Tal y como veremos en el siguiente
ejemplo, esta precision la alcanzamos si denimos los lugares o guras geometricas mediante ecuaciones
implcitas.
2) Intentemos ahora representar la gura geometrica denida por la ecuacion implcita
x
2
+y
2
= 1.
Denotaremos a esta gura que queremos representar mediante C
1
. La gura C
1
estara compuesta por todas
las soluciones del sistema formado por sus ecuaciones implcitas. Puesto que en las ecuaciones implcitas
aparecen dos variables, x e y, cada solucion sera una 2-upla (dos n umeros, uno para la variable x y otro para
la vaiable y), es decir un elemento de R
2
. Por tanto, para representar C
1
tenemos que marcar en el plano
(en R
2
) todas las soluciones (x, y) de las ecuaciones implcitas.
Es sencillo encontrar varios pares o puntos, (x, y), que sean soluciones de las ecuaciones implcitas de C
1
.
Por ejemplo,
(1, 0) cumple 1
2
+ 0
2
= 1 (0, 1) cumple 0
2
+ 1
2
= 1
(1, 0) cumple (1)
2
+ 0
2
= 1 (0, 1) cumple (1)
2
+ 0
2
= 1
(
1

2
,
1

2
) cumple
_
1

2
_
2
+
_
1

2
_
2
= 1 (
1

2
,
1

2
) cumple
_

2
_
2
+
_

2
_
2
= 1
(
1

2
,
1

2
) cumple
_

2
_
2
+
_
1

2
_
2
= 1 (
1

2
,
1

2
) cumple
_
1

2
_
2
+
_

2
_
2
= 1
Por tanto, todos los puntos (1, 0), (0, 1), (1, 0), (0, 1), (
1

2
,
1

2
), (
1

2
,
1

2
), (
1

2
,
1

2
), (
1

2
,
1

2
) cumplen
la ecuacion x
2
+y
2
= 1 y, en consecuencia, todos ellos forman parte de C
1
. Representemos estos puntos
151
-1 -0.5 0.5 1
-1
-0.5
0.5
1
(1, 0) (1, 0)
(
1

2
,
1

2
) (
1

2
,
1

2
)
(
1

2
,
1

2
) (
1

2
,
1

2
)
(0, 1)
(0, 1)
En realidad, en C
1
no solamente estan esos puntos sino que tenemos una innidad mas. Si encontramos mas
puntos que cumplen las ecuaciones implcitas y los representamos tambien, la graca queda
-1 -0.5 0.5 1
-1
-0.5
0.5
1
y si nalmente conseguimos representar todos los puntos de C
1
, es decir todas las soluciones de la ecuacion
implcita x
2
+y
2
= 1, su graca completa sera
-1 -0.5 0.5 1
-1
-0.5
0.5
1
C
1
que corresponde a la circunferencia de centro (0, 0) y radio 1.
Vemos entonces que C
1
esta formado por todos los puntos de R
2
, (x, y), que son solucion de sus ecuaciones
152
implcitas. Es decir,
C
1
= (x, y) R
2
: x
2
+y
2
= 1.
Abreviadamente se suele indicar que el conjunto C
1
se dene mediante las ecuaciones implcitas x
2
+y
2
= 1
escribiendo
C
1
x
2
+y
2
= 1.
El smbolo se denomina smbolo de equivalencia y se emplea, entre otros motivos, para evitar confusiones
con el smbolo de igualdad, =.
Cuando tenemos una gura geometrica denida mediante unas ecuaciones implcitas, es sencillo com-
probar con total precision si un punto concreto esta o no en la gura sustituyendo en las ecuaciones. Por
ejemplo, para comprobar si (
1

2
,
1

2
) es un punto de C
1
sustituimos como sigue:
sustituyendo (
1

2
..
=x
,
1

2
..
=y
) en las ecuaciones
_
1

2
_
2
+
_
1

2
_
2
=
1
2
+
1
2
= 1.
Por tanto (
1

2
,
1

2
) C
1
, de hecho, esto ya lo hemos visto antes. Por contra, para el punto (
7
10
,
7
10
) tenemos
que:
sustituyendo (
7
10
..
=x
,
7
10
..
=y
) en las ecuaciones
_
7
10
_
2
+
_
7
10
_
2
=
49
100
+
49
100
=
98
100
= 0.98 ,= 1.
As pues, (
7
10
,
7
10
) / C
1
y no es uno de los puntos de la gura C
1
.
Vemos de esta forma que comprobar si un punto esta o no en C
1
es inmediato ya que solamente necesitamos
sustituir en sus ecuaciones implcitas.
La principal desventaja de las ecuaciones implcitas reside en el hecho de que, en principio, si solo
conocemos la ecuacion implcita, x
2
+ y
2
= 1, es difcil obtener la representacion graca de C
1
. Tengase en
cuenta que aqu hemos podido conseguir la graca de C
1
solamente despues de encontrar y representar una
cantidad elevada de soluciones de la ecuacion.
3) En los dos ejemplos anteriores hemos estudiado las guras geometricas C y C
1
. La primera denida
mediante una propiedad geometrica y la segunda mediante unas ecuaciones implcitas. Veremos ahora que
a partir de la propiedad geometrica P que dene la gura C podemos deducir cuales son sus ecuaciones
implcitas. Para ello razonamos como sigue:
Un punto (x, y) pertenece a C si cumple la propiedad P, o lo que es lo mismo, si su distancia al origen
(0, 0) es igual a 1. Es decir, se debe cumplir que
d((0, 0), (x, y)) = 1.
Si empleamos ahora la Propiedad 10 podemos calcular la distancia que aparece en la identidad anterior
para obtener
_
x
2
+y
2
= 1,
de donde, elevando ambos miembros al cuadrado, obtenemos
_
_
x
2
+y
2
_
2
= (1)
2
x
2
+y
2
= 1.
Esta ultima ecuacion, x
2
+ y
2
= 1, es la que debe cumplir cualquier punto (x, y) que pertenezca a la gura
C. Es decir, esa ecuacion es una ecuacion implcita para C y podemos escribir que
C x
2
+y
2
= 1.
As pues, concluimos tambien que las guras de los ejemplos 1) y 2) son iguales, es decir, C = C
1
, ya que
tienen las mismas ecuaciones implcitas.
153
4) Podramos haber considerados las propiedades
Propiedad P
1
: Un punto q R
2
cumple la propiedad P
1
si y solamente si su distancia al origen es menor
que 1,
Propiedad P
2
: Un punto q R
2
cumple la propiedad P
2
si y solamente si su distancia al origen es mayor
que 1.
Estas dos propiedades dan lugar a dos nuevas guras geometricas. Llamemos H
1
a la gura que dene la
propiedad P
1
y H
2
a la que dene P
2
. A partir e las propiedades P
1
y P
2
es evidentemente que H
1
esta
formada por los puntos que estan dentro de la circunferencia C del ejemplo 1, es decir, el disco de centro
(0, 0) y radio 1, mientras que H
2
son los puntos que estan fuera de dicha circunferencia. De este modo, el
analisis directo de las propiedades P
1
y P
2
nos permite obtener la representacion graca de H
1
y H
2
:
-1.5 -1 -0.5 0.5 1 1.5
-1.5
-1
-0.5
0.5
1
1.5
-1.5 -1 -0.5 0.5 1 1.5
-1.5
-1
-0.5
0.5
1
1.5
H
1
H
2
Por otro lado, razonando como lo hemos hecho en el ejemplo 2) no es difcil obtener las ecuaciones
implcitas de H
1
y H
2
:
H
1
x
2
+y
2
< 1, H
2
x
2
+y
2
> 1.
En los ejemplos anteriores hemos puesto de maniesto algunas de las ventajas y desventajas que supone
disponer de propiedades geometricas o ecuaciones implcitas para denir una gura o lugar geometrico. En
resumen:
Cuando tenemos una gura denida mediante unas ecuaciones implcitas es difcil conseguir su repre-
sentacion geometrica ya que, en principio, deberamos calcular un buen n umero de soluciones de esas
ecuaciones y representar cada una de ellas para obtener la graca (vease el apartado 2) del ejemplo
anterior). Por contra, la denicion de una gura mediante una propiedad geometrica permite deducir
su representacion graca de forma mas sencilla.
Si solo disponemos de la representacion graca de una gura, puede ser que no podamos determinar
con precision si un punto concreto esta o no en la gura (vease el apartado 1) del ejemplo anterior).
Sin embargo, si disponemos de unas ecuaciones implcitas basta con sustituir en esas ecuaciones para
averiguar si cualquier punto pertenece a la gura (vease el apartado 2) del ejemplo anterior).
Si tenemos una gura geometrica denida mediante ecuaciones implcitas, es sencillo averiguar si la
gura esta en el plano (R
2
), en el espacio (R
3
) o, en general, en R
n
ya que esto queda determinado
por el n umero de variables que aparecen en las ecuaciones implcitas. Si en las ecuaciones implcitas
aparecen dos variables (como en el apartado 2) del ejemplo anterior) la gura estara en el plano (en
R
2
), por contra, cuando aparezcan tres variables la gura se representara en el espacio (en R
3
) y si
tuviera n variables la situaramos en R
n
.
154
Cuando la gura S esta denida mediante las ecuaciones implcitas
_

_
ecuacion 1
ecuacion 2
.
.
.
ecuacion k
, denotamos este
hecho abreviadamente escribiendo
S
_

_
ecuacion 1
ecuacion 2
.
.
.
ecuacion k
.
Una gura geometrica puede estar denida mediante ecuaciones (igualdades) pero tambien mediante
inecuaciones (desigualdades) como sucede, por ejemplo, en el apartado 3) del ultimo ejemplo.
Ejemplos 13.
1) Consideremos el lugar geometrico
H
_
x
2
+y
2
+z
2
= 1
x +y +z = 0
(3.1)
Las ecuaciones implcitas de H son
_
x
2
+y
2
+z
2
= 1
x +y +z = 0
y en ellas aparecen tres variables as que debemos
suponer que H R
3
. En realidad, (3.1) es una forma abreviada de escribir
H = q = (x, y, z) R
3
:
_
x
2
+y
2
+z
2
= 1
x +y +z = 0
.
2) Estudiemos ahora el lugar geometrico
C
_
_
_
0 x 1
0 y 1
z = 0
.
que aparece determinado mediante ecuaciones e inecuaciones. Puesto que de nuevo tenemos tres variables,
C es una gura geometrica del espacio tridimensional R
3
. La representacion graca de C es un cuadrado
situado a altura cero y cuyos lados tienen longitud 1 y se sit uan sobre los ejes x e y.
C
155
Cuando trabajemos con lugares geometricos, en ocasiones sera de utilidad la siguiente nomenclatura que
ya hemos empleado en el tema de sistemas (Denicion 20):
Denicion 14. Dado un subconjunto C R
n
:
i) Para cualquier p R
n
denotamos mediante p +C al conjunto
p +C = p +c : c C
y lo llamamos traslacion de C con vector de traslacion p o tambien, si 0 C, traslacion de C hasta p.
ii) Decimos que C pasa por p R
n
si p C.
Supongamos que tenemos una gura geometrica C y un punto p = (p
1
, p
2
, . . . , p
n
). Si conocemos las
ecuaciones implcitas de la gura C es facil calcular las de la gura p +C ya que si (x
1
, x
2
, x
n
) es un punto
generico de C, entonces un punto, (x
1
, x
n
, . . . , x
n
), de p +C sera de la forma
(x
1
, x
n
, . . . , x
n
) = (p
1
, p
2
, . . . , p
n
) + (x
1
, x
2
, . . . , x
n
)
y por tanto,
_

_
x
1
= p
1
+x
1
,
x
2
= p
2
+x
2
,
.
.
.
x
n
= p
n
+x
n
.
de donde
_

_
x
1
= x
1
p
1
,
x
2
= x
2
p
2
,
.
.
.
x
n
= x
n
p
n
.
.
Ahora, empleando estas ultimas igualdades podemos sustituir en las ecuaciones implcitas de C para obtener
las de p +C.
Ejemplos 15.
1) Consideremos el lugar geometrico determinado por
C
_
_
_
0 x 1
0 y 1
z = 0
.
La representaci on graca de C es un cuadrado situado a altura cero y cuyos lados tienen longitud 1 y se sit uan
sobre los ejes x e y. Tomemos el punto p = (
3
2
,
1
2
, 1) y consideremos la traslacion p + C. La representacion
graca de p + C sera un cuadrado identico a C pero trasladado seg un el vector de traslacion p. Tambien
podemos ver p +C como el mismo cuadrado C pero pasando por el punto p en lugar de por el origen:
C
p +C
v
e
c
t
o
r
p
punto p
156
Calculemos las ecuaciones implcitas de p + C. Si (x, y, z) es un punto generico de C y (x, y, z) es un
punto generico de p +C. Entonces es facil que
(x, y, z) = (
3
2
,
1
2
, 1) + (x, y, z) de donde
_
_
_
x = x
3
2
,
y = y
1
2
,
z = z 1.
Ahora empleamos estas igualdades para sustituir x, y y z en las ecuaciones implcitas de C y obtenemos de
esta forma las ecuaciones implcitas de p +C
p +C
_
_
_
0 x
3
2
1
0 y
1
2
1
z 1 = 0
, o tras simplicar p +C
_
_
_
3
2
x 1 +
3
2
1
2
y 1 +
1
2
z = 1
.
Finalmente si efectuamos las operaciones que aparecen indicadas y volvemos a escribir x, y y z en lugar de
x, y y z llegamos nalmente a
p +C
_
_
_
3
2
x
5
2
1
2
y
3
2
z = 1
.
2) Consideremos el lugar geometrico de R
2
dado por las ecuaciones implcitas
H x +y = 0 .
H es un lugar geometrico de R
2
(mas adelante veremos que su representacion graca es la recta que pasa por
los puntos (1, 1) y (1, 1)). Tomemos p = (1, 1) y calculemos la traslacion de H con vector de traslacion
p. La representacion graca de p +H es sencilla ya que unicamente debemos desplazar la representacion de
H seg un el vector de traslacion p:
-2 -1 1 2 3
-1
-0.5
0.5
1
1.5
2
H p +H
v
e
c
t
o
r
p
punto p
Para calcular las ecuaciones implcitas de p+H sabemos que un punto generico de p+H, (x, y), se obtendra
sumando el vector (1,1) a un punto generico, (x, y), de H y por tanto
(x, y) = (1, 1) + (x, y)
_
x = 1 +x
y = 1 +y

_
x = x 1
y = y 1
.
Sustituimos ahora los valores despejados arriba para x e y en las ecuaciones implcitas de H para obtener
nalmente las ecuaciones implcitas de p +H:
p +H
x=
..
x 1 +
y=
..
y 1 = 0 p +H x +y = 2.
Finalmente, para simplicar la notacion emplearemos x e y nuevamente en lugar de x y y en las ecuaciones
de p +H, de modo que obtenemos,
p +H x +y = 2.
157
3.3 Subespacios vectoriales y subespacios anes
En la seccion anterior hemos estudiado lugares geometricos determinados por un conjunto de ecuaciones.
Probablemente el caso mas importante de este tipo de lugares geometricos esta representado por los sub-
espacios vectoriales y anes.
Dado un sistema lineal de ecuaciones con variables (x
1
, x
2
, . . . , x
n
), podemos considerar el lugar geometrico
que determinan sus ecuaciones,
H
_
_
_
a
11
x
1
+ +a
1n
x
n
= b
1
. . . . . . . . . . . . . . . . . . . . . . . . . .
a
m1
x
1
+ +a
mn
x
n
= b
m
.
Es evidente que H es el conjunto de todas las soluciones del sistema en cuestion y todas esas soluciones son
elementos de R
n
ya que el sistema tiene n variables. De este modo, H sera un lugar geometrico de R
n
. El
sistema anterior se puede escribir de manera equivalente en forma matricial,
_
_
_
a
11
x
1
+ +a
1n
x
n
= b
1
. . . . . . . . . . . . . . . . . . . . . . . . . .
a
m1
x
1
+ +a
mn
x
n
= b
m

_
_
_
a
11
. . . a
1n
.
.
.
.
.
.
a
m1
. . . a
mn
_
_
_
_
_
_
x
1
.
.
.
x
n
_
_
_ =
_
_
_
b
1
.
.
.
b
m
_
_
_.
As pues, tenemos tambien la siguiente representacion matricial para H:
H
_
_
_
a
11
. . . a
1n
.
.
.
.
.
.
a
m1
. . . a
mn
_
_
_
_
_
_
x
1
.
.
.
x
n
_
_
_ =
_
_
_
b
1
.
.
.
b
m
_
_
_.
Los lugares geometricos, H, obtenidos de esta forma como el conjunto de soluciones de un sistema lineal de
ecuaciones constituyen lo que se denomina subespacios vectoriales o anes. Veamoslo con mas precision en
la siguiente denicion.
Denicion 16. Consideremos el conjunto R
n
. Entonces:
i) Llamamos subespacio afn de R
n
a cualquier lugar geometrico, S R
n
, determinado en la forma
S
_
_
_
a
11
x
1
+ +a
1n
x
n
= b
1
. . . . . . . . . . . . . . . . . . . . . . . . . .
a
m1
x
1
+ +a
mn
x
n
= b
m
donde
_
_
_
a
11
x
1
+ +a
1n
x
n
= b
1
. . . . . . . . . . . . . . . . . . . . . . . . . .
a
m1
x
1
+ +a
mn
x
n
= b
m
es un sistema lineal compatible con variables (x
1
, . . . , x
n
). Di-
remos entonces que dicho sistema constituye un conjunto de ecuaciones implcitas para el subespacio
afn S.
ii) Un subespacio afn, S R
n
, que admita como conjunto de ecuaciones implcitas a un sistema homogeneo
se dice que es un subespacio vectorial de R
n
.
iii) Dado el subespacio afn
S
_
_
_
a
11
x
1
+ +a
1n
x
n
= b
1
. . . . . . . . . . . . . . . . . . . . . . . . . .
a
m1
x
1
+ +a
mn
x
n
= b
m
,
llamamos subespacio vectorial subyacente a S o subespacio vectorial director de S al subespacio vectorial
H,
H
_
_
_
a
11
x
1
+ +a
1n
x
n
= 0
. . . . . . . . . . . . . . . . . . . . . . . . .
a
m1
x
1
+ +a
mn
x
n
= 0
,
cuyas ecuaciones implcitas se obtienen a partir de las de S tomando como nulos los terminos inde-
pendientes.
158
Ejemplo 17.
El subespacio afn
S
_
x +y z = 3
2x 6y +z = 4
,
es el lugar geometrico de R
3
(tenemos tres variables) formado por todas las soluciones del sistema que aparece
en su denicion. Ese mismo sistema constituye unas ecuaciones implcitas para S. Empleando la notacion
matricial, el mismo subespacio se escribe como
S
_
1 1 1
2 6 1
_
_
_
x
y
z
_
_
=
_
3
4
_
.
Es facil comprobar si una 3-upla concreta esta o no en el subespacio afn S. Para ello solamente debemos
vericar si esa upla es solucion del sistema. Por ejemplo, (1, 2, 1) / S ya que
(1, 2, 1) o, lo que es lo mismo,
_
_
_
x = 1
y = 2
z = 1
,
no es solucion del sistema, puesto que si sustituimos no se verican las ecuaciones:
_
1 + 2 (1) ,= 3
2 1 6 2 + (1) ,= 4.
Sin embargo, (4, 1, 2) S ya que
(4, 1, 2) o, lo que es lo mismo,
_
_
_
x = 4
y = 1
z = 2
,
s es solucion del sistema como se comprueba al sustituir en las ecuaciones:
_
4 + 1 2 = 3
2 4 6 1 + 2 = 4.
Para conocer todos los elementos de S, deberemos obtener todas las soluciones resolviendo el sistema.
Aplicando cualquiera de los metodos estudiados en el captulo anterior es posible comprobar que el sistema es
compatible, indeterminado y de solucion 1-dimensional, por lo que requerimos un parametro para resolverlo.
De esta forma, la representacion parametrica de las soluciones del sistema es
_
_
_
x =
11
4
+
5
8
,
y =
1
4
+
3
8
,
z =
o, en forma de upla, (
11
4
+
5
8
,
1
4
+
3
8
, ).
Dando valores a en la expresion parametrica obtenemos todas las soluciones del sistema que seran los
elementos de S y por tanto,
S = (
11
4
+
5
8
,
1
4
+
3
8
, ), R.
Sabemos tambien que podemos expresar las soluciones de un sistema mediante combinaciones lineales. En
el caso que nos ocupa es facil que
(
11
4
+
5
8
,
1
4
+
3
8
, ) = (
11
4
,
1
4
, 0) +(
5
8
,
3
8
, 1)
159
y por tanto, la expresion del conjunto de soluciones mediante combinaciones lineales sera (
11
4
,
1
4
, 0) +
(
5
8
,
3
8
, 1)). Las uplas obtenidas mediante estas combinaciones son las soluciones del sistema que confor-
man el conjunto S por lo que
S = (
11
4
,
1
4
, 0) +(
5
8
,
3
8
, 1)).
Vease que tenemos entonces tres representaciones diferentes para el subespacio afn S:
S
_
x +y z = 3
2x 6y +z = 4
. .
mediante sus ecuaciones implcitas
, S = (
11
4
+
5
8
,
1
4
+
3
8
, ), R
. .
en forma parametrica
S = (
11
4
,
1
4
, 0) +(
5
8
,
3
8
, 1))
. .
mediante combinaciones lineales
.
Ya hemos visto que mediante las ecuaciones implcitas es posible de manera sencilla comprobar si un
punto esta o no en S. Por su parte, la expresion de S mediante combinaciones lineales permitira trazar su
representacion geometrica ya que sabemos que (
11
4
,
1
4
, 0) +(
5
8
,
3
8
, 1)) es una recta en la direccion del vector
(
5
8
,
3
8
, 1) que pasa por el punto (
11
4
,
1
4
, 0). En consecuencia, la representacion de S sera:
Punto (
11
4
,
1
4
, 0)
d
d Vector (
5
8
,
3
8
, 1)
'
S
El subespacio vectorial subyacente sera
H
_
x +y z = 0
2x 6y +z = 0
o H
_
1 1 1
2 6 1
_
_
_
x
y
z
_
_
=
_
0
0
_
.
Resolviendo el sistema, llegamos tambien de manera facil a la forma parametrica y a la expresion mediante
combinaciones lineales para el subespacio vectorial H:
H = (
5
8
,
3
8
, ), R
. .
forma parametrica
, H = (
5
8
,
3
8
, 1))
. .
mediante combinaciones lineales
.
Ya vimos en el tema anterior que podemos modicar un sistema lineal de manera que las ecuaciones que
lo integren sean diferentes pero manteniendo el mismo conjunto de soluciones. Una consecuencia directa de
ello es el hecho de que un mismo subespacio afn puede tener diferentes conjuntos de ecuaciones implcitas.
Ejemplo 18. Es facil comprobar que los sistemas
_
x +y 3z = 1
3x 5y + 6z = 4
y
_
2x + 2y 6z = 2
6x 10y + 12z = 8
160
tienen las mismas soluciones ya que el segundo de ellos se obtiene multiplicando por 2 las ecuaciones del
primero. En tal caso, el conjunto de soluciones de uno y otro sistema coinciden. Entonces, si S R
3
es el
subespacio afn formado por las soluciones de esos sistemas, tenemos que
S =
_
(x, y, z) R
3
/
_
x +y 3z = 1
3x 5y + 6z = 4
_
=
_
(x, y, z) R
3
/
_
2x + 2y 6z = 2
6x 10y + 12z = 8
_
y por tanto
S
_
x +y 3z = 1
3x 5y + 6z = 4
o S
_
2x + 2y 6z = 2
6x 10y + 12z = 8
y S tiene dos conjuntos diferentes de ecuaciones implcitas.
Veamos algunas propiedades inmediatas de los subespacios anes y vectoriales.
Propiedades 19. Tomemos el conjunto R
n
. Entonces:
1. Cualquier conjunto formado por un solo punto de R
n
es un subespacio afn de R
n
.
2. El conjunto 0 = (0, 0, . . . , 0) formado unicamente por el vector 0 de R
n
es un subespacio vectorial
de R
n
.
3. R
n
es un subespacio vectorial de R
n
.
4. Si S R
n
es un subespacio vectorial de R
n
se verica que
, R, u, v S, u +v S.
5. El vector 0 es siempre elemento de cualquier subespacio vectorial.
Tal y como vimos en el Captulo 2 y como queda reejado en los ejemplos anteriores, tenemos tres
representaciones diferentes para un subespacio afn o vectorial:
Mediante sus ecuaciones implcitas.
Mediante sus ecuaciones parametricas.
Mediante combinaciones lineales.
En la siguiente propiedad quedan recogidos algunos aspectos de la representacion mediante combinaciones
lineales con los que por otra parte ya nos hemos encontrado en los ejemplos anteriores.
Propiedad 20.
i) Para todo subespacio afn S R
n
existen p, v
1
, v
2
, . . . , v
k
R
n
tales que
S = p +v
1
, v
2
, . . . , v
k
).
Diremos entonces que S pasa por p y que su subespacio vectorial director esta generado por v
1
, v
2
, . . . , v
k
.
ii) Para todo subespacio vectorial H R
n
existen v
1
, v
2
, . . . , v
k
R
n
tales que
H = v
1
, v
2
, . . . , v
k
).
Decimos entonces que el subespacio vectorial H esta generado por v
1
, v
2
, . . . , v
k
o tambien que v
1
, v
2
, . . . , v
k
son un sistema de generadores de H.
161
iii) Dado el subespacio afn S R
n
y su subespacio vectorial subyacente, H, si
S = p +v
1
, v
2
, . . . , v
k
)
entonces
H = v
1
, v
2
, . . . , v
k
).
Ejemplos 21.
1) Consideremos el subespacio afn de R
4
,
S
_
x +y +z +w = 2
x y +z 2w = 1
.
En la pagina 137 vimos como podamos expresar la solucion del sistema correspondiente a las ecuaciones
implcitas de S mediante combinaciones lineales. Para ello, primero resolvamos el sistema expresando la
solucion en forma parametrica a partir de la cual es facil conseguir la expresion mediante combinaciones
lineales. De este modo el subespacio afn S puede representarse de las tres siguientes maneras:
S
_
x +y +z +w = 2
x y +z 2w = 1
. .
mediante sus ecuaciones implcitas
, S = (
3
2
+
1
2
,
1
2

3
2
, , ), , R
. .
en forma parametrica
S = (
3
2
,
1
2
, 0, 0) +(1, 0, 1, 0), (
1
2
,
3
2
, 0, 1))
. .
mediante combinaciones lineales
.
2) Consideremos ahora el subespacio vectorial de R
5
,
H
_

_
x
1
+x
2
2x
3
+ 2x
4
+x
5
= 0
5x
1
+ 3x
2
3x
3
+ 4x
4
+ 2x
5
= 0
3x
1
+ 2x
2
x
3
+ 2x
4
+x
5
= 0
2x
1
+ 4x
2
2x
3
+x
4
= 0
3x
1
+ 4x
2
2x
3
+x
4
= 0
.
Nuevamente, el sistema lineal que constituyen las ecuaciones implcitas de H ya fue resuelto en la pagina
138. A partir de la solucion entonces encontrada y de su expresion mediante combinaciones lineales podemos
obtener las siguientes tres representaciones para H:
H
_

_
x
1
+x
2
2x
3
+ 2x
4
+x
5
= 0
5x
1
+ 3x
2
3x
3
+ 4x
4
+ 2x
5
= 0
3x
1
+ 2x
2
x
3
+ 2x
4
+x
5
= 0
2x
1
+ 4x
2
2x
3
+x
4
= 0
3x
1
+ 4x
2
2x
3
+x
4
= 0
. .
mediante sus ecuaciones implcitas
, H = (0,
1
9
,
1
9
,
2
3
, ), R
. .
en forma parametrica
H = (0,
1
9
,
1
9
,
2
3
, 1))
. .
mediante combinaciones lineales
.
162
3.3.1 Calculo de las ecuaciones implcitas de un subespacio afn
Supongamos que conocemos la expresion de un subespacio afn S mediante combinaciones lineales,
S = p +v
1
, v
2
, . . . , v
k
).
donde p, v
1
, v
2
, . . . , v
k
R
n
. Nos preguntamos si sera posible calcular, a partir de esa expresion, unas ecua-
ciones implcitas para S. Esas ecuaciones implcitas que buscamos seran un sistema lineal cuyas soluciones
deben ser los elementos de p +v
1
, v
2
, . . . , v
k
). Tomemos X = (x
1
, x
2
, . . . , x
n
) e intentemos determinar que
condiciones han de cumplir los n umeros x
1
, x
2
, . . . , x
n
para que X p + v
1
, v
2
, . . . , v
k
). Supondremos que
v
1
, v
2
, . . . , v
k
son independientes ya que en caso contrario podemos eliminar los vectores superuos hasta
quedarnos con un conjunto independiente. De entrada, es evidente que
X p +v
1
, v
2
, . . . , v
k
) X p v
1
, v
2
, . . . , v
k
)
y sabemos que
X p v
1
, v
2
, . . . , v
k
) rango(v
1
[v
2
[ . . . [v
k
) = rango(v
1
[v
2
[ . . . [v
k
[X p).
Como v
1
, v
2
, . . . , v
k
son independientes, tenemos que rango(v
1
[v
2
[ [v
k
) = k as que
X p +v
1
, v
2
, . . . , v
k
) rango(v
1
[v
2
[ . . . [v
k
[X p) = k.
Por otro lado, puesto que rango(v
1
[v
2
[ [v
k
) = k, podremos escoger en la matriz (v
1
[v
2
[ [v
k
) un menor de
orden k con determinante distinto de cero. Supongamos que ese menor esta formado por las k primeras las
(en caso contrario bastara, por ejemplo, con reordenar las variables). Si v
i
= (v
1,i
, v
2,i
, . . . , v
n,i
), i = 1, . . . , k,
podemos representar (v
1
[v
2
[ [v
k
) marcando en su interior los elementos del menor seleccionado:
(v
1
[v
2
[ [v
k
) =
_
_
_
_
_
_
_
_
_
_
_
_
_
v
1,1
v
1,2
v
1,k
v
2,1
v
2,2
v
2,k
.
.
.
.
.
.
.
.
.
v
k,1
v
k,2
v
k,k
v
k+1,1
v
k+1,2
v
k+1,k
.
.
.
.
.
.
.
.
.
v
n,1
v
n,2
v
n,k
_
_
_
_
_
_
_
_
_
_
_
_
_
y

v
1,1
v
1,2
v
1,k
v
2,1
v
2,2
v
2,k
.
.
.
.
.
.
.
.
.
v
k,1
v
k,2
v
k,k

,= 0.
Si ahora consideramos la matriz (v
1
[v
2
[ [v
k
[X p), ese menor estara tambien incluido en ella, de modo
que si p = (p
1
, p
2
, . . . , p
n
) tenemos la representacion
(v
1
[v
2
[ [v
k
[X p) =
_
_
_
_
_
_
_
_
_
_
_
_
_
v
1,1
v
1,2
v
1,k
v
2,1
v
2,2
v
2,k
.
.
.
.
.
.
.
.
.
v
k,1
v
k,2
v
k,k
x
1
p
1
x
2
p
2
.
.
.
x
k
p
k
v
k+1,1
v
k+1,2
v
k+1,k
.
.
.
.
.
.
.
.
.
v
n,1
v
n,2
v
n,k
x
k+1
p
k+1
.
.
.
x
n
p
n
_
_
_
_
_
_
_
_
_
_
_
_
_
.
Dentro de esta matriz podemos tomar menores de tama no k+1 pero, puesto que rango(v
1
[v
2
[ [v
k
[Xp) =
k, todos ellos deben tener determinante igual a cero (en caso contrario el rango sera k+1 y no k). Formemos
todos los posibles menores de orden k que incluyen al menor seleccionado (es decir, que incluyen a las k
primeras columnas). Para todos ellos tenemos,

v
1,1
v
1,2
v
1,k
x
1
p
1
v
2,1
v
2,2
v
2,k
x
2
p
2
.
.
.
.
.
.
.
.
.
.
.
.
v
k,1
v
k,2
v
k,k
x
k
p
k
v
i,1
v
i,2
v
i,k
x
i
p
i

= 0, i = k + 1, . . . , n.
163
De esta manera hemos conseguido n k ecuaciones que vericaran x
1
, x
2
, . . . , x
n
siempre que se tenga
X p + v
1
, v
2
, . . . , v
k
). Razonando de forma inversa podemos demostrar que si se cumplen esas n k
ecuaciones forzosamente tendremos que X p +v
1
, v
2
, . . . , v
k
). Dicho de otro modo,
X p +v
1
, v
2
, . . . , v
k
)
_

v
1,1
v
1,2
v
1,k
x
1
p
1
v
2,1
v
2,2
v
2,k
x
2
p
2
.
.
.
.
.
.
.
.
.
.
.
.
v
k,1
v
k,2
v
k,k
x
k
p
k
v
i,1
v
i,2
v
i,k
x
i
p
i

= 0,
i = k + 1, . . . , n.
Las n k ecuaciones que obtenemos desarrollando esos determinante forman las ecuaciones implcitas que
andabamos buscando.
Ejemplos 22.
1) Calculemos unas ecuaciones implcitas para el subespacio afn de R
4
que pasa por (1, 2, 0, 1) con sub-
espacio director (2, 0, 1, 0), (3, 1, 2, 1)). Es decir, para
S = (1, 2, 0, 1) +(2, 4, 1, 0), (1, 2, 2, 1)).
En primer lugar es facil comprobar que (2, 4, 1, 0) y (1, 2, 2, 1) son independientes as que podemos aplicar
directamente el procedimiento que hemos descrito antes. Ademas, al ser independientes tenemos que
rango
_
_
_
_
2 1
4 2
1 2
0 1
_
_
_
_
= 2
y podemos tomar en esta matriz un menor de orden 2 con determinante no nulo. Escojamos el formado por
las la primera y tercera. Siguiendo con el proceso, sabemos que
X = (x
1
, x
2
, x
3
, x
4
) S rango
_
_
_
_
2 1 x
1
1
4 2 x
2
2
1 2 x
3
0 1 x
4
+ 1
_
_
_
_
= 2.
Igual que antes, tomemos en esta ultima matriz todos los menores de orden tres que incluyen al menor de
orden dos antes seleccionado (cuyo elementos estan recuadrados en la matriz mayor) e igualemoslos a cero,

2 1 x
1
1
4 2 x
2
2
1 2 x
3

= 0,

2 1 x
1
1
1 2 x
3
0 1 x
4
1

= 0.
Calculando esos determinante obtenemos 42 (= nk) ecuaciones que constituyen unas ecuaciones implcitas
para S:
S
_
6x
1
3x
2
= 0
x
1
2x
3
+ 3x
4
4 = 0
.
2) En el apartado 4) de Ejemplos 49 en el Captulo 1 estudiamos el problema de las mezclas realizadas con
tres piensos jos que integraban de manera distintas harinas animales, de pescado y vegetales. Los vectores
de tantos por uno de distribucion de harinas para cada pienso eran
Vector de tantos por uno del pienso de la marca 1: (0.1, 0.6, 0.3).
164
Vector de tantos por uno del pienso de la marca 2: (0.5, 0.2, 0.3).
Vector de tantos por uno del pienso de la marca 3: (0.3, 0.4, 0.3).
Los calculos que entonces hicimos no llevaron a la conclusion que el vector de tantos por uno de harinas de
cualquier mezcla obtenida con esos tres piensos era una combinacion lineal de sus tres vectores de tantos por
uno. Es decir, solamente podemos producir piensos cuyo vector este en
H = (0.1, 0.6, 0.3), (0.5, 0.2, 0.3), (0.3, 0.4, 0.3)).
Nos preguntamos si es posible encontrar una formula sencilla que permita directamente saber si es posible
fabricar una mezcla o no. En otras palabras, buscamos una forma sencilla para determinar si una mezcla
cualquiera, (x
1
, x
2
, x
3
), puede ser fabricada mezclando los tres piensos de los que disponemos.
La Propiedad 20 nos dice que el conjunto H es un subespacio vectorial. Lo que haremos es calcular unas
ecuaciones implcitas para el. Para ello primero eliminaremos vectores del conjunto inicial hasta quedarnos
con un conjunto independiente.Tenemos que
rango
_
_
0.1 0.5 0.3
0.6 0.2 0.4
0.3 0.3 0.3
_
_
= 2
y por tato en (0.1, 0.6, 0.3), (0.5, 0.2, 0.3), (0.3, 0.4, 0.3) podemos escoger solamente dos vectores independien-
tes. Probando con los primeros tenemos que
rango
_
_
0.1 0.5
0.6 0.2
0.3 0.3
_
_
= 2
y por tanto son independientes. Ademas se puede comprobar que las dos primeras las forman un menor de
orden dos con determinante no nulo. Entonces,
(x
1
, x
2
, x
3
) H rango
_
_
0.1 0.5 x
1
0.6 0.2 x
2
0.3 0.3 x
3
_
_
= 2
Tomaremos los determinantes de todos los menores de orden 3 de esta ultima matriz (que en este caso son
solamente 3 2 = 1) igualandolos a cero,

0.1 0.5 x
1
0.6 0.2 x
2
0.3 0.3 x
3

= 0.
Resolviendo este determinante obtenemos unas ecuaciones implcitas (en este caso una sola) para H:
H 0.12x
1
+ 0.12x
2
0.28x
3
= 0.
Para comprobar si un vector esta o no en H sera suciente con sustituir sus componentes en esta ecuacion
y comprobar si se verican (es decir, sera suciente comprobar si es solucion o no). Por ejemplo:
Se podra obtener una mezcla con 10 kgr. de harinas animales, 12 kgr. de harinas de
pescado y 1 kgr. de harinas vegetales? Para resolver la cuestion tenemos que estudiar si
(10, 12, 1) H. Sustituyendo en la ecuacion implcita tenemos
0.12 10 + 0.12 12 0.28 1 = 2.36 ,= 0
y la respuesta es negativa. Tal mezcla no puede conseguirse.
165
Se podra obtener una mezcla con vector de tantos por uno igual (
11
30
,
1
3
,
3
10
)? Como antes,
comprobaremos sustituyendo en la ecuacion,
0.12
11
30
+ 0.12
1
3
0.28
3
10
= 0.
Dado que se cumple la ecuacion tendremos que s sera posible fabricar una mezcla con esas
proporciones.
3.3.2 Bases y sistemas de referencia
Todo subespacio afn o vectorial puede escribirse a partir del conjunto de combinaciones lineales de ciertos
vectores p, v
1
, v
2
, . . . , v
k
R
n
en la forma
S = p +v
1
, v
2
, . . . , v
k
) o H = v
1
, v
2
, . . . , v
k
).
Por supuesto, interesa que esa representacion sea los mas simple posible y que involucre cuantos menos
vectores mejor. Sabemos que el conjunto de combinaciones lineales v
1
, v
2
, . . . , v
k
) puede ser simplicado
siempre que v
1
, v
2
, . . . , v
k
sean dependientes. Por contra, si son independientes en v
1
, v
2
, . . . , v
k
) no podremos
eliminar ning un vector sin perder combinaciones. En otras palabras, lo ideal sera tener una representacion de
S o H mediante un conjunto de vectores independientes ya que ello garantizara que dicha representacion es
la mas sencilla posible. Ello motiva el concepto de base de un subespacio vectorial y de sistema de referencia
de un subespacio afn.
Denicion 23.
i) Llamamos base del subespacio vectorial H R
n
a cualquier conjunto de vectores v
1
, v
2
, . . . , v
k
R
n
tales que:
H = v
1
, v
2
, . . . , v
k
). Es decir, son un sistema de generadores de H.
v
1
, v
2
, . . . , v
k
es independiente.
ii) Llamamos sistema de referencia de un subespacio afn S R
n
al par formado por un punto y un conjunto
de vectores, p, v
1
, v
2
, . . . , v
k
de R
n
tales que:
S = p +v
1
, v
2
, . . . , v
k
).
v
1
, v
2
, . . . , v
k
es independiente.
Entonces decimos que v
1
, v
2
, . . . , v
k
es la base de dicho sistema de referencia.
Es claro que un sistema de referencia para un subespacio afn S esta formado por un punto de S y una
base v
1
, v
2
, . . . , v
k
del su subespacio vectorial director.
El n umero de los vectores v
1
, v
2
, . . . , v
k
que forman parte de una base o sistema de referencia es un
invariante del subespacio vectorial o subespacio afn correspondiente y no depende de la tecnica empleada
para calcularlos. Es por eso que podemos dar la siguiente denicion:
Denicion 24.
i) Llamamos dimension del subespacio vectorial H R
n
, y la notamos dim(H), al n umero de vectores que
integra una cualquiera de sus bases.
ii) Llamamos dimension del subespacio afn S R
n
, y la notamos dim(S), a la dimension de su subespacio
vectorial director.
166
Ejemplos 25.
1) Consideremos el subespacio afn dado por
S = (1, 2, 0, 1) +(2, 4, 1, 0), (1, 2, 2, 1)).
Es evidente que (1, 2, 0, 1) S y ademas (2, 4, 1, 0) y (1, 2, 2, 1) son independientes por lo tanto
(1, 2, 0, 1), (2, 4, 1, 0), (1, 2, 2, 1)
es un sistema de referencia de S. Es facil tambien que (2, 4, 1, 0), (1, 2, 2, 1) es una base del subespacio
vectorial director de S y por tanto, al aparecer dos vectores en la base, tenemos que dim(S) = 2.
2) En el problema anterior sobre las mezclas de piensos, aparece el subespacio vectorial
H = (0.1, 0.6, 0.3), (0.5, 0.2, 0.3), (0.3, 0.4, 0.3)).
Vimos que los tres vectores (0.1, 0.6, 0.3), (0.5, 0.2, 0.3), (0.3, 0.4, 0.3) son dependientes y por tanto no for-
man base. Sin embargo podemos eliminar el tercero de ellos sin que se modique el conjunto de combinaciones
lineales por lo que tambien tenemos
H = (0.1, 0.6, 0.3), (0.5, 0.2, 0.3)).
Estos dos vectores s son independientes y ademas generan H por lo que son base. Como consecuencia de
ello tenemos que dim(H) = 2.
Vease que:
Si el subespacio viene dado mediante unas ecuaciones implcitas, resolviendo el sistema mediante alguno
de los metodos del Captulo 2 y procediendo como vimos en la Seccion 2.4, obtendremos siempre una
base o sistema de referencia.
Si el subespacio viene dado mediante un sistema de generadores y, en su caso, un punto de paso,
podemos emplear las tecnicas del Captulo 1 para obtener un subconjunto independiente del sistema
de generadores. Ese subconjunto nos proporcionara la base o sistema de referencia del subespacio.
Si tenemos en cuenta estos dos puntos, es facil probar la siguiente propiedad que hace posible el calculo
de la dimension de un subespacio sin la necesidad de calcular su base o sistema de referencia.
Propiedad 26. Consideremos el subespacio afn S R
n
:
Si S = p +v
1
, v
2
, . . . , v
k
) con p, v
1
, v
2
, . . . , v
k
R
n
. Entonces:
dim(S) = rango (v
1
[v
2
[ . . . [v
k
) .
Si S
_
_
_
a
11
x
1
+ +a
1n
x
n
= b
1
. . . . . . . . . . . . . . . . . . . . . . . . . .
a
m1
x
1
+ +a
mn
x
n
= b
m
entonces:
dim(S) = n rango
_
_
_
a
11
. . . a
1n
.
.
.
.
.
.
a
m1
. . . a
mn
_
_
_.
167
Hagamos algunas anotaciones sobre el concepto de dimension:
Si tenemos en cuenta la interpretacion geometrica del conjunto de combinaciones lineales dada en la
pagina 145, es claro que la dimension determina la representacion graca del subespacio ya que indica
el n umero de vectores independientes que necesitamos combinar para obtenerlo. As tenemos que:
Si dim(S) = 1, entonces S es una recta.
Si dim(S) = 2, entonces S es un plano.
Si dim(S) = 3, entonces S es un espacio tridimensional
Recuerdese que, en cualquier caso, un subespacio vectorial siempre contiene al vector 0 y por lo tanto
la gura geometrica que representa pasa por el origen.
Si las ecuaciones implcitas de S son un sistema de solucion k-dimensional entonces dim(S) = k.
El espacio vectorial nulo, 0 R
n
, no tiene base ninguna ya que no puede ser generado por ning un
conjunto de vectores. Sin embargo, se acepta que su dimension es cero, es decir,
dim(0) = 0.
Lo mismo sucede en el caso de un subespacio afn S = p formado por un solo punto. Admitiremos
que
dim(S) = 0.
En R
n
podemos considerar, para i = 1, . . . , n, los vectores coordenados (las n-uplas coordenadas)
e
i
= (0, . . . , 0,
i)
1, 0, . . . , 0) R
n
.
Es facil comprobar que B
c
= e
1
, e
2
, . . . , e
n
es una base de R
n
ya que son independientes y R
n
=
e
1
, e
2
, . . . , e
n
). A la base B
c
la llamaremos base canonica de R
n
y puesto que tiene n elementos
concluimos que
dim(R
n
) = n.
Propiedad 27. Sea H R
n
un subespacio vectorial con dimension k. Entonces:
1. Cualquier conjunto de vectores de H con mas de k elementos es siempre dependiente.
2. Ning un conjunto de vectores de H con menos de k elementos puede generar todo H.
3. Un conjunto de vectores con k elementos que sea independiente genera a todo H (y es por tanto una
base de H).
4. Un sistema de generadores de H con k elementos es independiente (y por tanto una base de H).
3.3.3 Coordenadas respecto a una base
Consideremos un subespacio afn S R
n
y sea p, v
1
, v
2
, . . . , v
k
un sistema de referencia de S. En tal
caso sabemos que
S = p +v
1
, v
2
, . . . , v
k
).
Entonces, dado cualquier elemento de q S tendremos que
q = p +
1
v
1
+
2
v
2
+ +
k
v
k
para ciertos coecientes
1
,
2
, . . . ,
k
R. Podemos preguntarnos si q puede admitir dos representaciones
diferentes de este tipo. Es decir, si sera posible que
q = p +
1
v
1
+
2
v
2
+ +
k
v
k
168
para
1
,
2
, . . . ,
k
R diferentes de los valores
1
,
2
, . . . ,
k
anteriores. La cuestion es que de ser esto
cierto llegamos a que
p +
1
v
1
+
2
v
2
+ +
k
v
k
= q = p +
1
v
1
+
2
v
2
+ +
k
v
k

1
v
1
+
2
v
2
+ +
k
v
k
=
1
v
1
+
2
v
2
+ +
k
v
k
(
1

1
)v
1
+ (
2

2
)v
2
+ + (
k

k
)v
k
= 0
y, puesto que v
1
, v
2
, . . . , v
k
son independientes, nalmente
_

1
=
1

2
=
2
.
.
.

k
=
k
Forzosamente las dos representaciones de q deben coincidir. En otras palabras, la representacion de cualquier
elemento de un subespacio afn respecto un sistema de referencia dado es unica. A los coecientes que
aparecen en esa representacion (y que hemos visto que son unicos ya que una vez jado el sistema de
referencia solo dependen de q) son a lo que llamamos coordenadas de q respecto al sistema.
Denicion 28.
i) Dado el subespacio vectorial H y la base B = v
1
, v
2
, . . . , v
k
de H, llamamos coordenadas de v H
respecto a la base B a los coecientes ordenados (
1
,
2
, . . . ,
k
) tales que
v =
1
v
1
+
2
v
2
+ +
k
v
k
.
ii) Dado el subespacio afn S y el sistema de referencia R = p, v
1
, v
2
, . . . , v
k
de S, llamamos coordenadas
de p H respecto a R a los coecientes ordenados (
1
,
2
, . . . ,
k
) tales que
q = p +
1
v
1
+
2
v
2
+ +
k
v
k
.
Ejemplos 29.
1) Tomemos la base canonica de R
n
, B
c
= e
1
, e
2
, . . . , e
n
. Dado cualquier vector v = (v
1
, v
2
, . . . , v
n
) R
n
tenemos que
v = (v
1
, v
2
, . . . , v
n
) = v
1
e
1
+v
2
e
2
+ +v
n
e
n
y por tanto las coordenadas de v respecto a B
c
son (v
1
, v
2
, . . . , v
n
). Es decir, las coordenadas de cualquier
vector de R
n
respecto a la base canonica son el mismo.
2) Consideremos el subespacio afn S que tiene como sistema de referencia a
R = (1, 2, 1, 1) +(2, 0, 1, 0), (1, 1, 1, 1), (0, 1, 1, 1).
Supongamos que sabemos que (4, 4, 1, 3) S y que necesitamos calcular sus coordenadas respecto a R.
Tenemos que las coordenadas seran los coecientes (, , ) tales que
(4, 4, 1, 3) = (1, 2, 1, 1) +(2, 0, 1, 0) +(1, 1, 1, 1) +(0, 1, 1, 1).
Realizando las operaciones indicada en esta igualdad,
(4, 4, 1, 3) = (1 + 2 , 2 + +, 1 + + , 1 + +)

_
1 + 2 = 4
2 + + = 4
1 + + = 1
1 + + = 3
Resolviendo este sistema obtenemos que = 2, = 1 y = 3. Por tanto las coordenadas de (4, 4, 1, 3)
son (2, 1, 3).
169
En realidad, tal y como vemos en el ejemplo anterior, el calculo de las coordenadas respecto a una base
o un sistema de referencia se reduce siempre a resolver un sistema lineal de ecuaciones.
3.4 Representaci on de rectas y semiplanos en R
2
. Programacion
lineal en dos variables
Consideremos el subespacio afn
r ax +by = c,
con a, b R, siendo alguno de ellos distinto de cero. Entonces tenemos que:
Puesto que en las ecuaciones implcitas de r aparecen dos variables, r R
2
y es un subespacio afn de
R
2
(es decir, del plano real).
Puesto que hemos exigimos que a y b no sean ambos nulos es facil comprobar que la matriz de coe-
cientes del sistema,
_
a b
_
, tiene rango igual a 1 y entonces el n umero de parametros necesarios para
resolver el sistema sera
2 rango
_
a b
_
= 2 1 = 1.
Es decir, el sistema es de solucion 1-dimensional y tenemos que dim(r) = 1. Por ello, la representacion
de r es una recta.
Toda recta del plano es siempre un subespacio afn del tipo r ax +by = c que acabamos de ver.
Puesto que por dos puntos jados solamente puede pasar una recta, sera suciente con calcular dos de
las soluciones del sistema, representar los puntos correspondientes en el plano y trazar la recta que pasa por
estos dos puntos para obtener una representacion de la recta r.
Ejemplos 30.
1) El espacio afn r 3x + 2y = 2 se representa mediante una recta del plano real R
2
. Calculamos dos
puntos de la recta r encontrando dos soluciones cualesquiera de las ecuaciones implcitas. Una forma sencilla
para hacer esto consiste en tomar sucesivamente x = 0 e y = 0 y calcular las soluciones correspondientes.
As:
Si x = 0 entonces 2y = 2 y = 1. Tenemos la solucion (0, 1).
Si y = 0 entonces 3x = 2 x =
2
3
. Tenemos una segunda solucion (
2
3
, 0).
Hemos calculado dos puntos de la recta r. Representando estos puntos y trazando la recta que pasa por ellos
obtenemos la representacion completa del subespacio afn r.
-1.5 -1 -0.5 0.5 1 1.5
-1
-0.5
0.5
1
1.5
2
2) Representar la recta s x = 2. En este caso es muy sencillo calcular dos soluciones del sistema ya
que es suciente con imponer que el valor de x sea igual a 2. De este modo, por ejemplo, (2, 0) y (2, 1) son
soluciones. Representamos s trazando la recta que pasa por estos dos puntos:
170
1 2 3 4
-1
-0.5
0.5
1
1.5
2
Cualquier recta, r ax +by = c, divide al plano (a R
2
) en dos regiones, la primera formada por todos
los puntos del plano que se encuentran a un lado de la recta y la segunda por los que se encuentran al otro.
Cada una de estas regiones se denomina semiplano. Por tanto, toda recta divide al plano en dos semiplanos.
r
Segundo semiplano
Primer semiplano

Ahora bien, es evidente que si tomamos cualquier punto del plano (x, y) cuando efectuamos la operacion
ax +by tenemos tres posibilidades:
1. ax +by = c y en tal caso el punto (x, y) estara justo sobre la recta r.
2. ax +by > c y entonces el punto estara en uno de los semiplanos.
3. ax +by < c en cuyo caso el punto estara en el semiplano contrario al mencionado en el punto 2.
Por tanto, uno de los semiplanos respondera a la ecuacion ax +by > c y el otro a ax +by < 0.
Ejemplo 31. Para representar los semiplanos H
1
x+y < 5 y H
2
x+y > 5 comenzamos representando
la recta r x+y = 5. Sabemos que la recta r divide al plano en dos semiplanos. Uno de ellos sera H
1
y el
otro H
2
la cuestion es saber cual es cada uno. Para ello trazamos la recta r y tomamos un punto contenido
en uno de los semiplanos en los que queda dividido el plano.
171
r
Semiplano superior

Semiplano inferior

En este caso hemos elegido el punto (5, 5) que esta en el semiplano superior. Si el punto (5, 5) verica la
ecuacion del semiplano H
1
entonces este coincidira con el semiplano superior. En caso contrario el punto
cumplira la ecuacion de H
2
y en tal caso H
2
sera el semiplano superior. Tenemos que
5 + 5 = 10 > 5 (5, 5) cumple la ecuacion de H
2
.
Como consecuencia
H
1
es el semiplano inferiror.
H
2
es el semiplano superior.
r
Semiplano superior
H
2
x +y > 5
(5, 5) H
2

Semiplano inferior
H
1
x +y < 5
(5, 5) / H
1

Es posible considerar tambien los semiplanos H

1
ax + by c y H
2
ax + by c en los que las
desigualdades no son estrictas (es decir, aparece y en lugar de < y >). Estos semiplanos se llaman
semiplanos cerrados. Si consideramos los semiplanos H
1
ax +by < c, H
2
ax +by > c (de nuevo con
las desigualdades estrictas < y >) y la recta r ax +by = c, en los ejemplos anteriores hemos visto como
se pueden representar H
1
, H
2
y r. Para representar los semiplanos cerrados H
1
y H
2
es suciente tener en
cuenta que:
La representacion graca de H
1
contendra todos los puntos del semiplano H
1
junto con todos los
puntos de la recta r.
La representacion graca de H
2
contendra todos los puntos del semiplano H
2
junto con los puntos de
r.
En realidad H
1
se obtiene a nadiendo a H
1
la recta r y H
2
a nadiendo r a H
2
.
172
3.4.1 Programacion lineal en dos variables
En numerosas situaciones se presenta la necesidad de encontrar los valores de x e y para los que cierta
funcion f(x, y) alcanza su valor maximo o mnimo. Ademas, muchas veces los posibles valores de x e y
no son cualesquiera sino que estan sometidos a ciertas restricciones. En concreto, intentaremos resolver el
siguiente problema:
Problema: Encontrar los valores de x e y para los que la funcion
f(x, y) = Ax +By, A, B R,
alcanza sus valores maximo y mnimo (maximizar y minimizar la funcion f) bajo el supuesto de que las
variables x e y estan sometidas a las restricciones:
A
1
x +B
1
y

C
1
A
2
x +B
2
y

C
2
.
.
.
A
m
x +B
m
y

C
m
.
Solucion: Cada una de las restricciones A
i
x+B
i
y

C
i
puede ser considerada como un semiplano de R
2
.
Si representamos los semiplanos correspondientes a todas y cada una de las restricciones, podremos calcular
facilmente la interseccion de todos ellos de forma graca. A esta interseccion la llamaremos region factible
y en realidad estara formada por los puntos (x, y) que verican todas las restricciones. Entonces, siempre se
cumplira que:
La region factible es un polgono.
La funcion f alcanza sus valores maximo y mnimo en alguno de los vertices de la region factible.
Puesto que el n umero de vertices de la region factible es nito sera suciente comprobar el valor de f en
estos vertices hasta dar con aquellos en los que se alcanza el maximo y el mnimo.
Ejemplo 32. En cierta ganadera se explotan dos especies de ovejas, A y B. Ambas especies producen lana
y leche. En media y seg un la especie, cada especimen produce a la semana las siguientes cantidades
Especie A Especie B
Lana 10 gr. 100 gr.
Leche 7 litros 2 litros
Al mismo tiempo, las instalaciones de la ganadera tienen una supercie de 10000 metros cuadrados dandose
la circunstancia de que cada individuo de la especie A necesita 3 metros cuadrados mientras que cada uno de
la especie B necesita 2 metros cuadrados. Gran parte de los ingresos de la ganadera se deben a subvenciones
de distintos organismo y para percibirlas es imprescindible que la produccion de lana sea de al menos 100
kgr. semanales y la de leche de 8000 litros semanales.
Teniendo en cuenta que la lana y la leche producidas por cada especie tiene distintas calidades, aparte
de las subvenciones, los benecios obtenidos por cada especimen de la especie A son de 17 euros semanales
y para la especie B son 10 euros semanales. Se trata de determinar el n umero de individuos de cada especie
que maximiza el benecio.
Supongamos que tenemos x individuos de la especie A e y individuos de la especie B. El benecio obtenido
sera
f(x, y) = 17x + 10y.
173
Sobre los valores de x e y tenemos las siguientes restricciones:
Puesto que la supercie maxima es de 10000 metros cuadrados, teniendo en cuenta el espacio que
necesita cada especie, necesitamos que
3x + 2y 10000.
Para que la produccion de lana sea superior a los 100 kgr.=100000 gr. semanales es preciso que
10x + 100x 100000.
Para que la produccion de leche supere los 8000 litros he de cumplirse que
7x + 2y 8000.
En denitiva, hemos de encontrar el maximo de la funcion f(x, y) = 17x + 10y estando sometidos x e y
al conjunto de restricciones
_
_
_
3x + 2y 10000
10x + 100y 100000
7x + 2y 8000
.
Para calcular la region factible debemos representar las rectas
_
_
_
r
1
3x + 2y = 10000
r
2
10x + 100y = 100000
r
3
7x + 2y = 8000
y despues marcar los hiperplanos correspondientes. Siguiendo los procedimientos descritos en la seccion
anterior es facil llegar a la siguiente representacion
1000 2000 3000 4000 5000
1000
2000
3000
4000
5000
r
2
10x +
100y
=
100000
r
1

3
x
+
2
y
=
1
0
0
0
0
r
3

7
x
+
2
y
=
8
0
0
0
P
1
P
2
P
3
P
4
R
Al dibujar la region factible hemos tenido en cuenta tambien que x 0 e y 0. Observamos que la region
factible R tiene cuatro vertices P
1
, P
2
, P
3
, P
4
. Calculemos estos vertices.
El vertice P
1
esta en la interseccion de las rectas r
2
y r
3
. Lo determinaremos resolviendo el sistema
_
10x + 100y = 100000
7x + 2y = 8000
P
1
= (
15000
17
,
15500
17
).
El vertice P
2
se obtiene como interseccion de las rectas r
1
y r
2
. Por tanto lo calculamos resolviendo el
sistema
_
3x + 2y = 10000
10x + 100y = 100000
P
2
= (
20000
7
,
5000
7
).
174
El vertice P
3
esta en la recta r
1
3x + 2y = 10000 y en la recta x = 0 por lo que facilmente
P
3
= (0, 5000).
El vertice P
4
esta en la recta r
3
7x + 2y = 8000 y en x = 0, as que
P
4
= (0, 4000).
Sabemos que el maximo de la funcion f(x, y) se alcanzara en alguno de los vertices. Calcularemos entonces
el valor de f(x, y) sobre cada uno de ellos:
f(P
1
) = f(
15000
17
,
15500
17
) =
410000
17
= 24117.6
f(P
2
) = f(
20000
7
,
5000
7
) =
390000
7
= 55714.3
f(P
3
) = f(0, 5000) = 50000
f(P
4
) = f(0, 4000) = 40000
El maximo valor se alcanza para el punto P
2
as que los valores optimos de x e y son
_
x =
20000
7
= 2857.14
y =
5000
7
= 714.286
.
En los calculos matematicos los valores de las distintas magnitudes pueden en principio adoptar cualquier
valor positivo o negativo. Sin embargo, en las aplicaciones es frecuente que solamente tengan sentido valores
positivos. Por ejemplo, en el problema de los piensos que venimos trabajando en este captulo y en los ante-
riores (vease la pagina 164), los nuevos piensos que pueden lograrse combinando los tres de que disponemos
inicialmente son aquellas cuyas uplas de tantos por uno pueden obtenerse combinando las uplas de esos tres
piensos. De este modo si queremos obtener una mezcla compuesta por 10 kgr. del pienso de la marca 1,
20 kgr. del de la marca 2 y 30 del de la 3, los kilogramos de cada tipo de harina que integran esa mezcla
vendran dados por la upla,
10(0.1, 0.6, 0.3) + 20(0.5, 0.2, 0.3) + 30(0.3, 0.4, 0.3) = (20, 22, 18)
De otra forma, dada una combinacion cualquiera,
1(0.1, 0.6, 0.3) + 5(0.5, 0.2, 0.3) + 2(0.3, 0.4, 0.3)
sabemos que corresponde a una mezcla que contiene 1 kgr. de pienso de la marca 1, 5 kgr. de la marca 2
y de 2 kgr. de la tercera. De esta manera, el conjunto de combinaciones lineales de las uplas de los tres
piensos,
H = (0.1, 0.6, 0.3), (0.5, 0.2, 0.3), (0.3, 0.4, 0.3)),
proporcionara todas las posibles mezclas que pueden lograrse con ellos. Sin embargo, en el conjunto H
tambien apareceran combinaciones en las que los coecientes son negativos como
1(0.1, 0.6, 0.3) + 2(0.5, 0.2, 0.3) 4(0.3, 0.4, 0.3).
En este caso no puede hacerse una interpretacion tan sencilla de esta combinacion en terminos de mezclas
de los tres piensos ya que no es posible mezclar 1 kgr. en del primer pienso ni 4 del tercero. Vemos
pues, que de todas las posibles combinaciones lineales que aparecen en el subespacio vectorial H debemos
restringirnos unicamente a aquellas que tienen todos sus coecientes positivos, es decir a las que son de la
forma:
(0.1, 0.6, 0.3) +(0.5, 0.2, 0.3) +(0.3, 0.4, 0.3), con 0 , 0 , 0 .
175
Por otro lado, si en lugar de trabajar con cantidades totales estamos utilizando tantos por uno, el
coeciente por el que multiplicamos la upla de cada pienso corresponde al tanto por uno que a nadiremos de
el. As por ejemplo la combinacion
0.3(0.1, 0.6, 0.3) + 0.5(0.5, 0.2, 0.3) + 0.2(0.3, 0.4, 0.3)
equivale a una mezcla con un 0.3 por uno del primer pienso, de un 0.5 por uno del segundo y de un 0.2 por
uno del tercero. En este caso, dado que son tantos por uno, los coecientes ademas de ser positivos deben
ser tambien inferiores a uno y deben sumar uno. Dicho de otra modo, las combinaciones validas son ahora,
(0.1, 0.6, 0.3) +(0.5, 0.2, 0.3) +(0.3, 0.4, 0.3), con
_
0 1, 0 1, 0 1,
+ + = 1.
Si admitimos que en la mezcla puedan intervenir sustancias diferentes de los tres piensos (por ejemplo si
a nadimos ademas cierto porcentaje de un compuesto vitamnico) entonces la suma de los tantos por uno que
intervienen en la mezcla podra ser inferior a uno (o inferior a 100 si nos referimos a tantos por ciento). En
tal caso, la restriccion + + = 1 debe ser sustituida por + + 1.
Observamos como en la practica es preciso introducir restricciones sobre los coecientes de las combi-
naciones lineales que utilizamos. Estas restricciones conducen en numerosas situaciones a problemas de
programacion lineal. Veamos a continuacion un ejemplo de ello.
Ejemplo 33. Supongamos que los piensos de los ejemplos anteriores estan destinados al engorde de ganado
y que disponemos de estudios que demuestran que cada uno de los tres tipos de harina que los integran son
asimilados de forma diferente por los animales. As, el estudio indica que por cada kilogramo consumido
se asimila solamente un porcentaje que pasa a incrementar el peso del animal. Para nuestros tres tipos de
harina estos porcentajes son:
Tipo de harina Porcentaje de peso asimilado %
Harinas animales 5%
Harinas de pescado 2%
Harinas vegetales 6%
De acuerdo con esta informacion, queremos elaborar una mezcla de los tres piensos de que disponemos que
acelere el proceso de engorde. Es decir, la mezcla debe garantizar el mayor porcentaje de asimilacion de
peso posible. Supongamos ademas que un consumo excesivo de harinas animales no sera tolerado por el
metabolismo del ganado de manera que en la mezcla que queremos obtener aceptaremos a lo sumo un 40%
de este tipo de harinas.
Para plantear el problema, tendremos en cuenta que, de los tres piensos disponibles, ya vimos que
el tercero de ellos es superuo por lo que todas las posibles mezclas pueden lograrse utilizando los dos
primeros unicamente. De hecho, las uplas de los dos primeros piensos forma una base del subespacio vectorial
correspondiente (vease el apartado 2) de Ejemplos 25). Por tanto las posibles mezclas estan representadas
por las combinaciones de las uplas de los dos primeros piensos y forman el subespacio vectorial
H = (0.1, 0.6, 0.3), (0.5, 0.2, 0.3)).
Las combinaciones de H son de la forma
(0.1, 0.6, 0.3) +(0.5, 0.2, 0.3), (3.2)
donde y son los tantos por uno que a nadiremos de cada pienso. Por tanto, como ya hemos visto antes,
sobre esos coecientes debemos imponer las siguientes restricciones:
_
0 1, 0 1,
+ 1.
176
Como ya hemos comentado, el hecho de que incluyamos la restriccion + 1 en lugar de + = 1 supone
que admitimos que parte de la mezcla se elabore a partir de otros compuestos. Ademas, si efectuamos las
operaciones indicadas en (3.2) obtenemos,
(0.1, 0.6, 0.3) +(0.5, 0.2, 0.3) = ( 0.1 + 0.5
. .
Harinas animales
, 0.6 + 0.2
. .
Harinas de pescado
, 0.3 + 0.3
. .
Harinas vegetales
), (3.3)
con lo que el tanto por uno de harinas animales presente en la mezcla es 0.1+0.5. Si queremos que no se
supere el 0.4 por uno (es decir, el 40%) deberemos imponer ademas que
0.1 + 0.5 0.4.
En denitiva, tenemos el siguiente conjunto de restricciones,
_
_
_
0 1, 0 1,
+ 1,
0.1 + 0.5 0.4.
(3.4)
Por otro lado, teniendo en cuenta (3.3), para esta mezcla, el peso asimilado es
5% de harinas animales + 2% de harinas de pescado + 6% de harinas vegetales
= 0.05(0.1 + 0.5) + 0.02(0.6 + 0.2) + 0.06(0.3 + 0.3) = 0.035 + 0.047.
Esto ultimo es el tanto por uno de peso asimilado por cada kilogramo de mezcla. Lo que intentamos conseguir
es que este tanto por uno de asimilacion sea lo mayor posible. Observamos que la formula obtenida para el
peso asimilado depende de los coecientes y de piensos de cada tipo que empleemos, es decir, tenemos
una funcion de asimilacion de peso dada por
f(, ) = 0.035 + 0.047.
De esta forma, debemos determinar para que valores de y alcanza la funcion f el maximo valor teniendo
en cuenta ademas que y estan sometidos a las restricciones dadas por (3.4).
Abordaremos el problema aplicando nuevamente la tecnica para resolucion de problemas de programacion
lineal en dos variables. Comenzamos considerando las rectas determinadas por las restricciones del problema.
Tenemos:
Restriccion Rectas
0 1
_
0
1
r
1
= 0
r
2
= 1
0 1
_
0
1
r
3
= 0
r
4
= 1
+ 1 r
5
+ = 1
0.1 + 0.5 0.4 r
6
0.1 + 0.5 = 0.4
Si representamos gracamente estas rectas podemos obtener la region factible estudiando la interseccion de
los hiperplanos que determinan y que corresponden a las restricciones del problema. Nos encontramos ante
la siguiente representacion:
177
0.2 0.4 0.6 0.8 1 1.2
0.2
0.4
0.6
0.8
1
1.2
r
5

=
1
r
6
0.1
+
0.5
=
0.4
r
3
= 0
r
4
= 1
r
1

=
0
r
2

=
1
P
1
P
2
P
3
P
4
R

Se aprecia que la region factible, R, tiene cuatro vertices que hemos denominado P
1
, P
2
, P
3
y P
4
. Es evidente
que
P
1
= (0, 0), P
2
= (1, 0), y P
4
= (0, 0.8).
Por su parte el vertice P
3
esta tanto en la recta r
5
como en la r
6
con lo que debera satisfacer las ecuaciones
implcitas de r
5
y r
6
. As pues, calcularemos P
3
resolviendo el sistema
_
+ = 1
0.1 + 0.5 = 0.4

_
= 0.25
= 0.75
P
3
= (0.25, 0.75).
Sabemos que el maximo valor de la funcion f se alcanza en alguno de los vertices de R. Por tanto
calcularemos el valor de f sobre estos vertices para detectar el maximo:
f(P
1
) = f(0, 0) = 0
f(P
2
) = f(1, 0) = 0.035
f(P
3
) = f(0.25, 0.75) = 0.044
f(P
4
) = f(0, 0.8) = 0.0376
El maximo se alcanza en el punto P
3
y por tanto los valores de y que producen un mejor nivel de
asimilacion de peso y que al mismo tiempo cumplen la condicion de incluir un porcentaje de harinas animales
inferior al 40% son
_
= 0.25,
= 0.75.
Dicho de otro modo, debemos mezclar 0.25 por uno del primer pienso (es decir un 25%) y un 0.75 por uno
del segundo (un 75%).
178