4.

1 Definicin de espacio vectorial

Espacio vectorial real.

Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto con dos
operaciones binarias llamadas suma y multiplicacin por un escalar y que satisfacen los die
axiomas enumerados a continuacin.

Notacin. Si x y y estn en V y si a es un nmero real, entonces la suma se escribe com

x + y y el producto escalar de a y x como ax.

Antes de presentar la lista de las propiedades que satisfacen los vectores en un espacio vector
deben mencionarse dos asuntos de importancia. En primer lugar, mientras que puede ser til p
R2 o R3 al manejar un espacio vectorial, con frecuencia ocurre que el espacio vectorial parece
diferente a estos cmodos espacios (en breve tocaremos este tema). En segunda instancia, la
definicin 1 ofrece una definicin de un espacio vectorial real. La palabra real significa que los
escalares que se usan son nmeros reales. Sera igualmente sencillo definir un espacio vectori
complejo utilizando nmeros complejos en lugar de reales. Este libro est dedicado principalme
espacios vectoriales reales, pero las generalizaciones a otros conjuntos de escalares presentan
poca dificultad. [1]

Axiomas de un espacio vectorial. [1]

1-

Si X pertenece a V y Y pertenece a V, entonces X+Y pertenece a V.

2-

Para todo X, Y y Z en V, (x+y)+z = x(y+z).

3-

Existe un vector |0 pertenece V tal que para todo X pertenece a V, X+0=0+X=X.

4-

Si x pertenece a V, existe un vector x en V tal que x+(-x)=0.

5-

Si X y Y estn en V, entonces x+y=y+x.

6-

Si x pertenece a V y es un escalar, entonces x pertenece a V.

7-

Si X y Y estn en V y es un ecalar, entonces x+y)=x +y

8-

Si X pertenece a V y y son escalares, entoncesxx+y.

9-

Si X pertenece a V y y son escalares, entonces (x) = ()x.

10- Para cada vector X pertenece a V, 1x = x.

Bibliografa:

1) Grossman S, S.I., lgebra Lineal Sexta Edicin, 2007.

4.2 Definicin de subespacio vectorial y sus

propiedades
DEFINICION DE SUB ESPACIO VECTORIAL

Sea H un subconjunto no vaco de un espacio vectorial V y suponga que H es en s un espacio

bajo las operaciones de suma y multiplicacin por un escalar definidas en V. Entonces se dice
un sub espacio de V.

Existen mltiples ejemplos de sub espacio, sin embargo, en primer lugar, se demostrar un
que hace relativamente sencillo determinar si un subconjunto de V es en realidad sub espacio de
Teorema de sub espacio

Un subconjunto no vacio de H de un espacio vectorial V es un sub espacio de V si se cumplen las

reglas de cerradura:
Reglas de cerradura para ver si un subconjunto no vaci es un sub espacio
i)

Si x H y y H, entonces x + y H.

ii)

Si x H, entonces x H para todo escalar .

Es obvio que si H es un espacio vectorial, entonces las dos reglas de cerradura se debern cump
contrario, para demostrar que es un espacio vectorial, se deber demostrar que los axiomas i)
definicin cumplen bajo las operaciones de suma de vectores y multiplicacin por un escalar
en V. Las dos operaciones de cerradura [axiomas i) y iv)] se cumplen por hiptesis, como los ve
H son tambin vectores en V, las identidades asociativa, conmutativa, distributiva y mult
[axiomas ii), v), vii), viii), ix) y x)] se cumplen.

Este teorema demuestra que para probar si H es o no es un sub espacio de V, es suficiente verifi

x + y y X estn en H cuando x y y estn en H y es un escalar.

PROPIEDADES DE SUB ESPACIO VECTORIAL

1). El vector cero de V est en H.2

2). H es cerrado bajo la suma de vectores. Esto es, para cada u y v en
H, la suma u + v est en H.
3). H es cerrado bajo la multiplicacin por escalares. Esto es, para cada
u en H y cada escalar c, el vector cu est en H.

4.3 Combinacin lineal

Una combinacin lineal de dos o ms vectores es el vector que se obtiene al sumar
vectores multiplicados por escalares.

Cualquier vector se puede poner como combinacin lineal de otros que ten
distinta direccin.
Esta combinacin lineal es nica.

Sean v1,v2,,vn vectores en un espacio vectorial V. Entonces cualquier vec

la forma:
1v1+2v2++nvn

donde 1v1+2v2++nvn son escalares se denomina combinacin lineal de v1,v2,

Todo vector V = (a, b, c) en R3 se puede expresar como
i = (1,0,0);
j = (0,1,0);
k =(0,0,1)
V = (a, b, c) = a(i) + b(j) + c(k)
Entonces se dice que V es una combinacin lineal de los 3 vectores i,j,k.

4.3 Dependencia e Independencia lineal

Los vectores son linealmente independientes si

componentes no son proporcionales.

tienen distinta

direccin

Un conjunto de vectores {v1,v2,,vk} es un espacio vectorial V es linealmente

dependiente si existen escalares c1,c2,,ck, al menos uno de los cuales no es cero,
que:
c1v1+c2v2++ckvk=0
Si los vectores no son linealmente dependientes, se dice que son linealmente
independientes.

Criterios de Independencia Lineal

Sean u1, u2, ,uk k vectores en Rn y A la matriz que tiene como columnas a estos ve
los vectores son linealmente independientes si el sistema Ax = 0 tiene nicamente
trivial.
Los vectores son linealmente dependientes si el sistema Ax=0 tiene soluciones no t
(solucin mltiple).
Si k=n
Los vectores son linealmente independientes si A es invertible

Si k>n
Los vectores son linealmente dependientes.
Dos vectores en un espacio vectorial son linealmente dependientes si uno de ellos
esmltiplo escalar del otro.

Un conjunto de vectores linealmente independientes en n contiene a lo ms n vecto

Tres vectores en 3 son linealmente dependientes si y slo si son coplanares, esto es

estn en un mismo plano.

Teoremas
1. Cualquier conjunto que contenga al vector 0 es linealmente dependiente.

2. Cualquier conjunto que contenga un nico vector diferente de cero, v 0, es linealme

independiente.

3. Cualquier conjunto formado por dos vectores diferentes de cero, S = {v 1, v2}, donde
0, v2 0, es linealmente dependiente si, y slo si, uno de los vectores es mltiplo esc
otro.

4. Cualquier conjunto que contenga un subconjunto linealmente dependiente es linealm

dependiente.
5. Cualquier subconjunto de un conjunto linealmente independiente es linealmente
independiente.

4.4 Base y dimensin de un espacio

vectorial

Base y dimensin de un espacio vectorial

Un conjunto de vectores S={v1, v2,, vn} en un espacio vectorial V se denomina base de V si se
las siguientes condiciones.
* S genera a V.
* S es linealmente independiente

Una base posee 2 caractersticas que se acaban de ver, debe tener suficientes valores para genera
pero no tantos de modo que uno de ellos pueda escribirse como una combinacin lineal de los d
vectores en S. Si un espacio vectorial consta de un nmero finito de vectores, entonces V es de d
finita. En caso contrario, V es de dimensin infinita.

Base

En trminos generales, una base para un espacio vectorial es un conjunto de vectores del espa
partir de los cuales se puede obtener cualquier otro vector de dicho espacio, haciendo uso de las
operaciones en l definidas.

La base es natural, estndar o cannica si los vectores v 1, v2,, vn forman base para Rn.

Si S={v1, v2,, vn} es una base para un espacio vectorial V entonces todo vector v en V se puede e
como:
1.

V = c1v1+ c2v2++ cnvn

2.

V = k1v1+ k2v2++ knvn

Restar 2-1
0 = (c1- k1) v1+(c2- k2) v2++(cn- kn) vn
Ejemplo:
demostrar si S = {v1, v2,, v3} es base de R3, v1 = (1,2,1); v2 = (2,9,0); v3 = (3,3,4)
Proponer vector arbitrario, combinacin lineal
b = c1v1+ c2v2+ c3v3
(b1, b2, b3) = c1(1,2,1)+ c2(2,9,0)+ c3(3,3,4)
(b1, b2, b3) = c1+2c2+3c3;2c1+9c2+3c3; c1+4c3
c1 + 2c2 + 3c3 = b1
2c1 + 9c2 + 3c3 = b2
c1
+ 4c3 = b3

det A = [(1*9*4)+(2*3*1)+0]-[(1*9*3)+0+(4*2*2)]
= [36+6]-[27+16]
= -1
Si genera a R3

Unicidad representacin de la base

Si S = {v1, v2,, vn} es una base de un espacio vectorial V, entonces todo vector en V puede escri
una y solo una forma como combinacin lineal de vectores en S.

Para demostrar la unicidad (que en un vector dado puede representarse slo de una manera), se
que u tiene otra representacin u= b1v1 + b2v2++bnvn. Al restar la segunda representacin de la
se obtiene:

u-u = (c1-b1)v1 + (c2-b2)v2 + + (cn-bn)vn = 0.

Sin embargo como S es linealmente independiente, entonces la nica solucin de esta ecuacin
trivial,

c1-b1=0

c2-b2=0,

cn-bn=0.

Ejemplo: Unicidad de la Representacin de la Base

Sea u = (u1, u2, u3) cualquier vector en R3. Demuestre que la ecuacin u= c1v1+ c2v2 + c3v3 tiene s
nica para la base S= {v1, v2, v3}= {(1,2,3),(0,1,2), (-2,0,1).

Solucin: Con base en la ecuacin

(u1, u2, u3)= c1(1,2,3) + c2(0,1,2)+c3(-2,0,1)

= (c1-2c, 2c1 + c2, 3c1 + 2c2 + c3),

Se obtiene el siguiente sistema de ecuaciones

C1
2C1 + C2

-2c3= u1
= u2

3C1 + 2C2 + C3= u3

Como la matriz A es invertible, se sabe que este sistema tiene una solucin nica dada por C=A despejar A-1 se obtiene

Lo cual implica que

c1= -u1 + 4u2 2u3

c2= 2u1 7u2 + 4u3
c3= -u1 + 2u2 u3

Por ejemplo, el vector u = (1,0,0) puede representarse de manera nica como una combinacin
dev1, v2 y v3 en la forma siguiente.

(1,0,0) = -v1 + 2v2 v3

Dimensin

Se llama dimensin de un espacio vectorial V al nmero de vectores que hay en cualquiera de su

Se denota dim (V).

La dimensin de Rn con las operaciones normales es n.

La dimensin de Pn con las operaciones normales es n+1.
La dimensin de Mm,n con las operaciones normales es mn.

Si W es un subespacio de un espacio vectorial n-dimensional, entonces se puede demostrar que

dimensin de W es finita y que la dimensin de W es menor o igual que n.

Ejemplo: Determinacin de la dimensin de un subespacio

Sea W el subespacio de todas las matrices simtricas en M 2,2 Cul es la dimensin de W?

Solucin: Toda matriz simtrica 2 X 2 es de la forma

Por consiguiente, el conjunto

Genera a W. Adems puede demostrarse que S es linealmente independiente, y se concluye que

dimensin de W es 3.

Para concluir que un conjunto S= { v1, v2, , vn} es una base de un espacio vectorial V es necesar
que S satisface dos condiciones: que S genera a V y es linealmente independiente.

Definicin de Espacio Rengln y Espacio Columna de una matriz

Sea A una matriz m x n.

El espacio rengln de A es el subespacio de Rn generado por los vectores rengln de A.

El espacio columna de A es el subespacio de Rn generado por los vectores columna de A.

Estos dos comparten muchas propiedades, pero debido al conocimiento que se tiene sobre las
operaciones elementales en los renglones se empieza por considerar el espacio rengln de una m

Cabe recordar que dos matrices son equivalentes por renglones si una puede obtenerse a partir d
al aplicar operaciones elementales en los renglones. El siguiente teorema establece que las matr
equivalentes por renglones tienen el mismo espacio rengln.

Base para el Espacio Rengln de una Matriz

Si una matriz A es equivalente por renglones a una matriz B que est en forma escalonada, ento
vectores rengln de B diferentes de cero forman una base del espacio rengln de A.

Ejemplo: Determinacin de una base para un espacio rengln

Encuentre una base para el espacio rengln de

Solucin: Mediante las operaciones elementales en los renglones, A vuelve a escribirse en form
escalonada como se muestra a continuacin

Los vectores rengln diferente de cero, w1=(1,3,1,3), w2=(0,1,2,0), w3= (0,0,1,-1), forman una ba
espacio rengln de A.

Ejemplo: Determinacin de una base del espacio columna de una Matriz

Determine una base del espacio columna de la matriz A

Se empieza considerando la traspuesta de A, y luego aplicar las operaciones elementales en los r

para volver a escribir A en forma escalonada.

As w1=(1,0,-3,3,2), w2= (0,1,9,-5,-6), y w3 =(0,0,1,-1,-1) forman una base del espacio rengln de
que equivale a afirmar que forman una base del espacio columna de A.

Definicin del Rango de una Matriz

La dimensin del espacio rengln (o columna) de una matriz A se llama rango de A y se denota
rango (A).

Ejemplo: Determinacin del Rango de una Matriz

Encuentre el rango de la matriz

Solucin: La matriz dada se convierte a la forma escalonada como sigue:

Como B tiene tres renglones diferentes de cero, entonces el rango de A es 3.

El archivo se adjuntar debido a dificultades con algunas de las imagenes

4.5 Espacio vectorial con producto interno

Producto Interno:

Un producto interno sobre un espacio vectorial V es una operacin que asigna a cada par d
vectores u y v en V un nmero real <u, v>.

Un producto interior sobre V es una funcin que asocia un nmero real u,

con cada par de vectores u y v cumple los siguientes axiomas:
Propiedades:

i. (v, v) 0
ii. (v, v) = 0 si y slo si v = 0.
iii, (u, v +w) = (u, v)+ (u, w)
iv. (u + v, w) = (u, w)+(v, w)
v. (u, v) = (v, u)
vi. (u, v) = (u, v)
vii. (u, v) = (u, v)

Espacios con producto interior:

El producto interior euclidiano es solo uno ms de los productos internos q

tiene que definir en Rn Para distinguir entre el producto interno normal y o
posibles productos internos se usa la siguiente notacin.
u v = producto punto (producto interior euclidiano para Rn)
u, v = producto interno general para espacio vectorial V.

Propiedades de los productos interiores:

1. 0, v = v, 0 = 0

2. u + v, w = u, w + v, w
3. u, cv = cu, v.

Un espacio vectorial con producto interno se denomina espacio con produc

interno.

4.6 Base ortonormal

Definicin de conjunto ortogonales y conjuntos ortonormales

Un conjunto S de vectores en un espacio V con producto interior se llama ortogonal si tod

vectores en S es ortogonal, adems cada vector en este conjunto es unitario, enton
denominaortonormal.

Proceso de ortonormalizacin de Gram-Schmidt

1.

Sea B = {v1, v2, . . ., vn} una base de un espacio V con producto interno

2. Sea B= {w1, w2, . . ., wn} donde wi est dado por:

w1= v1

Entonces B es una base ortogonal de V.

3. Sea ui= wi w1 entonces el conjunto B={ u1, u2, . . ., un} es una base ortonormal de V.

Ejemplo: Forma alternativa del proceso de ortonormalizacin de Gram-Schmidt

Determine una base ortonormal del espacio solucin del siguiente sistema homogneo de ec
lineales

w+ x +

z= 0

2w+x + 2y+ 6z=0

Solucin: La matriz aumentada se reduce como se sigue.

-->

Entonces cada solucin del sistema es de la forma

Una base del espacio solucin es:

B= {v1, v2,} = {(-2,2,1,0), (1,-8,0,1)}.

Para hallar una base ortonormal B= {u1, u2}, se usa la forma alternativa del pro
ortonormalizacin de Gram- Schmidt como sigue.

Construccin de un conjunto ortonormal.

5.1 Introduccin a las transformaciones

lineales.

Definicin: Las transformaciones lineales son las funciones y tratan sobre K-espacios vector
que son compatibles con la estructura (es
decir, con la operacin y la accin) de estos espacios.

Aqu se presentan las funciones entre espacios vectoriales que preservan las cualidades de
espacios vectoriales. Es decir, de funciones que preservan la suma y la multiplicacin por e

Nosotros usaremos el concepto de la funcin para darle un tratamiento a los sistemas de

ecuaciones lineales. La restriccin que haremos sera sobre el tipo de funciones: solo estare
interesados en funciones que preserven las operaciones en el espacio vectorial. Este tipo de
funciones sern llamadas funciones lineales. Primeramente las definiremos, veremos algun
propiedades generales y despus veremos como se aplican estos resultados a sistemas de
ecuaciones.
Sean V y W dos espacios vectoriales posiblemente iguales.
Una transformacin lineal o mapeo lineal de V a W es una funcin
T : V W tal que para todos los vectores u y v de V y cualquier escalar c:
a) T (u + v) = T (u) + T (v)
b) T (c u) = c T (u)
Demuestre que la transformacin T : R2 R2 definida por

es lineal.

Entonces :

Por otro lado, para todo escalar c,

Como se cumplen las dos condiciones:

T es lineal.

Una transformacin lineal preserva combinaciones lineales. Veremos que, debido a esto, una transform
lineal queda unvoca-mente determinada por los valores que toma en los elementos de una base cualqu

su dominio.

Teniendo en cuenta que las transformaciones lineales son funciones entre conjuntos
sentido estudiar la validez de las propiedades usuales de funciones: inyectividad,
suryectividad y biyectividad.

Las transformaciones lineales que verifican alguna de estas propiedades reciben nom
particulares:

Definicin 3.6 Sean V y W dos K-espacios vectoriales, y sea f : V W una transformacin linea
dice que:

1. f es un monomorfismo si f es inyectiva.
2. f es un epimorfismo si f es suryectiva.
3. f es un isomorfismo si f es biyectiva.

En algunos casos, consideraremos transformaciones lineales de un K-espacio vecto

mismo:

Sea V un K-espacio vectorial. Una transformacin lineal f : V V se llama un endomorf

V . Si f es un endomorfismo que es adems un isomorfismo, entonces se dice qu

automorfismo.

5.2 Ncleo e imagen de una

transformacin lineal.
Transformaciones lineales: ncleo e imagen.
Teorema 1
Sea T: V S W una transformacin lineal. Entonces para todos los vectores u, v, v1,
v2, . . . , vn en V y todos los escalares a1, a2, . . . , an:
i. T(0) = 0
ii. T(u - v) = Tu - Tv
iii. T(a1v1 + a2v2 +. . .+ anvn) = a1Tv1 + a2Tv2 +. . .+ anTvn
Nota. En la parte i) el 0 de la izquierda es el vector cero en V; mientras que el 0 de la
derecha es el vector cero en W.

Teorema 2
Sea V un espacio vectorial de dimensin finita con base B = {v1, v2, . . . , vn}. Sean w1,
w2, . . . , wn vectores en W. Suponga que T1 y T2 son dos transformaciones lineales de V
en W tales que T1vi = T2vi = wi para i = 1, 2, . . . , n. Entonces para cualquier vector v
V, T1v = T2v; es decir T1 = T2.

Ejemplo

Definicin 1 Ncleo e imagen de una transformacin lineal

Sean V y W dos espacios vectoriales y sea T:V W una transformacin lineal. Entonces

i . El ncleo de T, denotado por un, est dado por

ii. La imagen de T, denotado por Im T, esta dado por

Observacion 1. Observe que un T es no vacio porque, de acuerdo al teorema 1, T(0) = 0 de manera que 0 un T p
cualquier transformacin lineal T. Se tiene inters en encontrar otros vectores en V que se transformen en 0. De
observe que cuando escribimos T(0) = 0, el 0 de la izquierda est en V y el de la derecha en W.

Observacin 2. La imagen de T es simplemente el conjunto de imajenes de los vectores en V bajo la transforma

hecho, si w = Tv, se dice que w es la imagen de v bajo T.

Antes de dar ejemplos de ncleos e imgenes , se demostrar un teorema de gran utilidad.

Teorema 4
Si T:V W es una transformacin lineal, entonces
i.Un T es un subespacio de V.
ii.Im T es un subespacio de W.

Demostracion

i.Sean u y v en un T; Entonces T(u + v) = Tu + Tv =0 + 0 =0 y T( ) = = 0 = 0 de forma que u + v y u estn en un T

ii. Sean w y x en Im T. Entonces w = Tu y x = Tv para dos vestores u y v en V. Esto significa que T(u + v)= Tu + Tv
T(u) = Tu =w. Por lo tanto, w + x y w estn en Im T.

Ejemplo 3. Ncleo e imagen de la transformacin cero

Sea Tv = 0 para todo v V(T es la transformacin cero). Entonces un T = v e Im T = {0}.

Ejemplo 4 Ncleo e imagen de la transformacin identidad

Sea Tv = v para v V(T es la transformacin identidad). Entonces un T= {0} e Im T = V.

Las transformaciones cero e identidad proporcionan dos extremos. En la primera todo se

encuentra e

ncleo. En la segunda slo el vector cero se encuentra en el ncleo. Los casos intermedios son ms interesantes.
Ejemplo 5 Ncleo e imagen de un operador de proyeccin
Sea T:R3 R3 definida por

T es el operador de proyeccin de R3 en el plano xy.

Entonces x = y = 0. As, nu T = {(x,y,z):x = y = 0, zR}, es decir, el eje z, e Im T = {(x,y,z): z = 0}, es decir el plano
Observe que dim un T = 1 y dim Im T = 2.

Definicin 2

Nulidad y rango de una transformacin lineal

Si T es una transformacin lineal de v en w, entonces se define.

Toda matriz A de m*n da lugar a una transformacin lineal T:R R definida por Tx = Ax. Es evidente que un T = NA

Im A = CA, v(T) = v(A) y p(T) = p(A). Entonces se ve que las definiciones de ncleo, imagen, nulidad y rango de un
transformacin lineal son extensiones del espacio nulo, la imagen, la nulidad y el rango de una matriz.

5.3 Representacion Matricial de una

Transformacin Lineal

5.4 Aplicacin de las transformaciones

lineales.

Aplicacin de las transformaciones lineales: reflexin, expansin, contraccin y rotacin

Rm.Graficar un conjunto de puntos en otro es lo que se conoce como transformacin lineal de un conjunto de pu

Existen ciertas propiedades bsicas de las transformaciones lineales, las cuales si son tomadas en cuenta y aplica
momento de resolver un problema, pueden reducirlo un problema simple. La notacin general utilizada para una
transformacin lineal es T: Rn
Transformaciones lineales

Las transformaciones lineales forman un hilo que se entreteje en la tela de este texto. Su utilizacin mejora el se
geomtrico de lo escrito. Por ejemplo, en el captulo 1, las transformaciones lineales proporcionan una visin dinm
grfi ca de la multiplicacin matriz-vector.

1. Reflexin: Cuando un conjunto de puntos dados es graficado desde el espacio euclidiano de entrada a otro de m
que este es isomtrico al espacio euclidiano de entrada, llamamos a la operacin realizada la reflexin del conjunt
puntos dado. Esto puede realizarse tambin con respecto a la matriz, en tal situacin la matriz de salida es llamad
de reflexin. La reflexin es realizada siempre con respecto a uno de los ejes, sea el eje x o el eje y. Esto es como
la imagen espejo de la matriz actual.

2. Expansin: Al igual que en la reflexin, tambin es posible expandir los puntos dados en una direccin particula
expansin se realiza habitualmente para un cierto grado. Es como realizar una operacin de multiplicacin de los
del conjunto de puntos dados con un trmino escalar hacia la direccin donde tiene que ser expandido. Sea para u
(2, 3) si el grado de expansin 2 es la direccin de y, entonces el nuevo punto obtenido es (2, 6).

3. Contraccin: La contraccin es el procedimiento inverso de la expansin. Aqu el punto es contrado en un dete

grado hacia una direccin dada. Sea el punto de entrada (4, 8) y este debe ser contrado para el grado dos en la d
de x entonces el nuevo punto resulta ser (2, 8).

4. Rotacin: El trmino rotacin tiene dos significados, ya la rotacin de un objeto puede ser realizada con respect
dado o al eje mismo. La rotacin se realiza para un cierto grado el cual es expresado en forma de un ngulo. Asim
rotacin puede realizarse en la direccin de las manecillas del reloj, o inverso a las manecillas del reloj.

Como ejemplo, dirijmonos a producir la matriz estndar para la representacin de la transformacin lineal reflejan
conjunto de puntos en el plano x-y a travs de la recta y = (2x / 3).
El primer paso para esto es determinar los vectores base.

Por lo tanto, podemos afirmar que,R2

es una transformacin lineal, entonces podemos escribir que,

que y pertenece a R2. Imagina que A: R2

La imagen de la matriz base determina la imagen de cualquier elemento. Por lo tanto la imagen de a travs de y =
es determinada mediante la obtencin de una recta que pasa por (1, 0) y es que es ortogonal a . Esto est dado p
2) (3/ 2).

El punto donde las dos rectas, esto es, y = (3x/ 2) (3/ 2) e y = (2x/ 3) se intersectan se dado como (9/13, 6/13)
Tomamos p1 para ser el punto de reflexin de a travs de la recta dada. Este punto es simtrico respecto a (9/1
por lo tanto, podemos escribir que,
Esto produce,
De manera similar, la imagen del vector base resulta.