Tecnológico Nacional de

México
Instituto tecnológico de Atitalaquia
Ing. Química
Recuperación
Apuntes Tema 1,2,3,4 y 5
Alumna:
Miranda Lopez Aguilar

22200278
Docente:
Barrera ángeles Elisa
Fecha: 30/05/2023
 X + y= 3 X + y= 3
X + y= 3 2X + 2y= 6 X + y= 1
X – y= 1

a) Dos rectas que se conectan b) Dos rectas coincidentes c) Dos rectas paralelas
Balanceo de ecuaciones
químicas

Cuando ocurre una reacción química, ciertas moléculas (los reactivos) se combinan.
Para formar nuevas moléculas (los productos). Una ecuación química balanceada
es una ecuación algebraica que proporciona los números relativos de reactivos y
productos en la reacción, y tiene el mismo número de átomos de cada tipo en los
lados izquierdo y derecho. La ecuación usualmente se escribe con los reactivos a
la izquierda, los productos a la derecha y una flecha entre ellos para mostrar la
dirección de la reacción.

Por ejemplo, para la reacción en la que se combinan gas hidrógeno (H₂) y oxígeno

(0₂) para formar agua (H₂O), una ecuación química balanceada es:

2H2 + O2 ---------→ 2H₂O

Que indica que dos moléculas de hidrógeno se combinan con una molécula de
oxígeno para formar dos moléculas de agua. Observe que la ecuación está
balanceada, pues existen cuatro átomos de hidrógeno y dos átomos de oxígeno en
cada lado. Note que nunca habrá una sola ecuación balanceada para una reacción,
pues cualquier múltiplo entero positivo de una ecuación balanceada también lo
estará. Por ejemplo,

6H₂ + 30₂ --------> 6H₂O

También está balanceada. Por tanto, por lo general se busca la ecuación

balanceada más simple para una reacción dada. Aunque frecuentemente ensayo y
error funcionan en los ejemplos simples, el proceso de balancear ecuaciones
químicas en realidad involucra resolver un sistema homogéneo de ecuaciones
lineales, de modo que pueden usarse las técnicas desarrolladas para remover las
conjeturas.

Ejercicios

𝑿𝟐 + 𝑿𝟑 − 𝟐𝑿𝟒 = −𝟑

𝟎 𝟏 𝟏 −𝟐 𝑿𝟏 −𝟑 −𝟏
𝟏 𝟐 𝟏 𝟎 𝑿𝟐 𝟐 𝟐
= 𝒔= = (−𝟏, 𝟐, 𝟏, 𝟑)
𝟐 𝟒 𝟏 −𝟑 𝑿𝟑 𝟏 𝟏
𝟏 −𝟒 −𝟕 −𝟏 𝑿𝟒 𝟑 𝟑

𝟎 𝟏 𝟏 −𝟐 | −𝟑 𝟏 𝟐 −𝟏 𝟎 | 𝟐
𝟏 𝟐 −𝟏 𝟎 | 𝟐 𝟎 𝟏 𝟏 −𝟐 | −𝟑
𝑹𝟏 ↔ 𝑹𝟐 −𝟐𝑹𝟏 + 𝑹𝟑
𝟐 𝟒 𝟏 −𝟑 | −𝟐 𝟐 𝟒 𝟏 −𝟑 | −𝟐
𝟏 −𝟒 −𝟕 −𝟏 | −𝟏𝟗 𝟏 −𝟒 −𝟕 −𝟏 | −𝟏𝟗
𝟏 𝟐 −𝟏 𝟎 | 𝟐
𝟎 𝟏 𝟏 −𝟐 | −𝟑
−𝑹𝟏 + 𝑹𝟒 + 𝑪𝑹𝟐 + 𝑹𝟒
𝟎 𝟎 𝟑 −𝟑 | −𝟔
𝟎 −𝟔 −𝟔 −𝟏 | −𝟐𝟏
𝟏 𝟐 −𝟏 𝟎 | 𝟐 𝟏 𝟐 −𝟏 𝟎 | 𝟐
𝟎 𝟏 𝟏 −𝟐 | −𝟑 𝟏 𝟎 𝟏 𝟏 −𝟐 | −𝟑
𝑹𝟑 𝑿𝟏 + 𝟐𝑿𝟐 − 𝑿𝟑 = 𝟐
𝟎 𝟎 𝟑 −𝟑 | −𝟔 𝟑 𝟎 𝟎 𝟏 −𝟏 | −𝟐
𝟎 𝟎 𝟎 −𝟏𝟑 | −𝟑𝟗 𝟎 𝟎 𝟎 −𝟏𝟑 | −𝟑𝟗
𝑿𝟐 + 𝑿𝟑 − 𝟐𝑿𝟒 = −𝟑 𝑿𝟑− 𝑿𝟒 = −𝟐 −𝟏𝟑𝑿𝟒 = −𝟑𝟗

−𝟏𝟑𝑿𝟒 = −𝟑𝟗 𝑿𝟑 − 𝟑 = −𝟐 𝑿𝟐 + 𝟏 − 𝟐(𝟑) = −𝟑 𝑿𝟏 + 𝟐(𝟐) − 𝟏 = 𝟐

 −𝟑𝟗
𝑿𝟒 −𝟏𝟑 𝑿𝟑 = 𝟐 + 𝟑 𝑿𝟐 = −𝟑 + 𝟔 − 𝟏 = 𝟐 𝑿𝟏 = 𝟐 − 𝟒 + 𝟏

𝑿𝟒 = 𝟑 𝑿𝟑 = 𝟏 𝑿𝟐 = 𝟐 𝑿𝟏 = −𝟏

𝑋1 + 2𝑋2 − 𝑋3 = 2

0 1 1 −2 | −3 1 2 −1 0 | 2
1 2 −1 0 | 2 0 1 1 −2 | −3
𝑅1 ↔ 𝑅2 − 𝑅1 + 𝑅2
2 4 1 −3 | −2 2 4 1 −3 | −2
1 −4 −7 −1 | −19 1 −4 −7 −1 | −|9
1 2 −1 0 | 2 1 0 3 4 | 8
0 1 1 −2 | −3 0 1 1 −2 | −3
− 2𝑅2 + 𝑅1 6𝑅2 + 𝑅1 3𝑅 + 𝑅1
0 0 3 −3 | −6 0 0 3 −3 | −6 3
0 −6 −6 −1 | −4 0 0 0 −13 | −39
1 0 0 1 | 2
0 1 0 1 | −1 1
−𝑅3 + 𝑅2 3𝑅3 − 𝑅4 + 𝑅1 𝑅4 + 𝑅2 𝑅4 + 𝑅3 − 13 𝑅4
0 0 1 −1 | −2
0 0 0 −13 | −39
1 0 0 0 | −1
0 1 0 0 | 2
𝑆 = (−1, 2, 1,3)
0 0 1 0 | 1
0 0 0 1 | 3

𝟐𝒙𝟏 + 𝟒𝒙𝟐 + 𝒙𝟑 − 𝟑𝒙𝟒 = −𝟐

𝟎 𝟏 𝟏 −𝟐 | 𝟏 𝟎 𝟎 𝟎
𝟏 𝟐 −𝟏 𝟎 | 𝟎 𝟏 𝟎 𝟎
𝑹 ↔ 𝑹𝟐 − 𝟐𝑹𝟏 + 𝑹𝟑 − 𝑹𝟏 + 𝑹𝟒
𝟐 𝟒 𝟏 −𝟑 | 𝟎 𝟎 𝟏 𝟎 𝟏
𝟏 −𝟒 −𝟕 −𝟏 | 𝟎 𝟎 𝟎 𝟏
𝟏 𝟐 −𝟏 𝟎 | 𝟎 𝟏 𝟎 𝟎
𝟎 𝟏 𝟏 −𝟐 | 1 0 0 0
− 2𝑅2 + 𝑅1 6𝑅2 + 𝑅4
0 0 3 −3 | 0 −2 1 0
0 −6 −6 −1 | 0 −1 0 1
1 0 −3 4 | −2 1 0 0
0 1 1 −2 | 1 0 0 0 1
3𝑅3 + 𝑅1 −𝑅3 𝑅3 + 𝑅2
0 0 3 −3 | 0 −2 1 0 3
0 0 0 −13 | 6 −1 0 1
1 0 0 1 | −2 1 1 0
2 1
0 1 0 −1 | 1 −3 0 1
3
2 1 − 𝑅4 + 𝑅1 − 𝑅4
13
0 0 1 −1 | 0 −3 0
3
0 0 0 −13 | 6 −1 0 1
32
1 0 0 0| − 13 1 1
6 0 − 13
0 0 0 1| 13
13

Tema 4 y 5

Sea S un subconjunto de un espacio vectorial E. Para que S sea un subespacio

vectorial de E es necesario y suficiente que se cumplan tres condiciones:

1. Og € S.E

2. u + ve Sv, €.

3.1 E SVE R, Vù e S.

Subespacios vectoriales es

Sean E un espacio vectorial y S un subconjunto no vacío de E. S un subespacio

vectorial de E, o simplemente un subespacio de E, si S, con las mismas operaciones
suma y producto por un escalar restringidas a los elementos de S, es también un
espacio vectorial. Usaremos la notación S< E para indicar que S es un subespacio
de E.

Propiedades elementales de los espacios vectoriales

Sea E un espacio vectorial. Entonces:

1. O es único. Es decir, sólo existe un elemento en E que al sumarlo con cualquier

otro elemento del espacio da como resultado este ultimo.

2. -u es único para cada que E. Esto es, cada elemento del espacio tiene
exactamente un inverso aditivo.

3. u +7=u+w⇒v=w. A esta propiedad se le llama ley de cancelación.

4. 0u = OE para todo ủ€Ē.

5. A E = E VER.

6. (-) = -u Vue E.

7. u+u =2 u Vue E.

8. Sin es un entero, ủ từ+… từ= nữ Vu E E.

9. Si a € Ryữ ¤ E, entonces au = Ổ£ ⇒ α = 0 0 μ = ŌE E

Espacios de funciones

Sean A y B un par de conjuntos no vacíos. Una función f con dominio A y valores

en B, es una regla que a cada elemento x de A le asigna un único elemento y = f(x)
de B. Para denotar que f es una función con dominio A y valores en B escribiremos
f: A → B. La función o regla de asignación es ƒ y no debe confundirse con el valor
de esta en x: y = f (x). En esta ultima notación, a y se le dice la variable dependiente
o imagen de x bajo f, x es la variable independiente o argumento de la función f, ya
B se le denomina contradominio de la función.

Ejemplo

R", con la suma usual de vectores y la multiplicación de un escalar por un vector,

esto es, si u = (x₁, x₂, ··· Xn), v = (y₁, Y₂, Yn) Y λ es un número real, u v = (x₁, x₂,
Xn) + (y₁, Y2,.. Yn) = (x₁ + Y₁, x₂ + y₂, ... Xn + y₂), = λου = λ(X1 X2, " Χη) = (λχιλχη,
λχη), ...... es un espacio vectorial.

Combinaciones lineales y sublineales

Sea ,un conjunto no vacío donde se han definido un par de operaciones: suma
entre sus elementos, representada como⊕; y multiplicacion (o producto) de
escalares (números reales) ´ conelementos de, representada como α. Entonces a
se le llama espacio vectorial (real) si se cumplen las diez siguientes condiciones
(axiomas de espacio vectorial):
1. 𝑢
⃗ ⊕𝑣 ∈E ∀𝑢
⃗ , 𝑣 ∈. (La suma es cerrada)
2. 𝑢
⃗ ⊕( 𝑣 ⊕𝑤
⃗⃗ ) = ( 𝑢
⃗ ⊕𝑣 )⊕ 𝑤
⃗⃗ ∀𝑢
⃗ , 𝑣, 𝑤
⃗⃗ ∈E. (Asociatividad de la suma)
3. 𝑢
⃗ ⊕𝑣 =𝑣 ⊕𝑢
⃗ ∀𝑢
⃗ , 𝑣 ∈. (Conmutatividad de la suma)
4. Existe un elemento E∈ tal que 𝑢
⃗ ⊕E =𝑢
⃗ ∀∈. (Existencia del neutro aditivo)
 ⃗ ∈ existe −𝑢
5. Para cada 𝑢 ⃗ ∈ tal que 𝑢
⃗ ⊕(−𝑢
⃗ ) =E. (Existencia del inverso aditivo)
6. λ𝑢
⃗∈ ∀λ∈,∀𝑢
⃗ ∈. (La multiplicación con escalares es cerrada)
7. λ(β𝑢
⃗ )=(λβ) 𝑢
⃗ ∀λ,β∈,∀𝑢
⃗ ∈. (Asociatividad del producto con escalares)
8. λ (𝑢
⃗ ⊕𝑣 )=(λ𝑢
⃗ )⊕(λ𝑣 ) ∀λ∈,∀𝑢
⃗ , 𝑣 ∈.E (Distributividad del producto con respecto a
la suma de vectores)
9. (λ+β) 𝑢
⃗ = (λ𝑢
⃗ )⊕(β𝑢
⃗) ∀λ,β∈,∀𝑢
⃗ ∈. (Distributividad del producto con respecto a la
suma de escalares)
⃗ =𝑢
10. 1𝑢 ⃗ ∀𝑢
⃗ ∈E. (Preservación de la escala)
A los elementos de les llamaremos vectores

Ejemplo
ℝn, con la suma usual de vectores y la multiplicación de un escalar por un vector,
⃗ =(x1,x2,…xn), 𝑣 =(y1,y2,…yn) y λ es un número real
esto es, si 𝑢
𝑢
⃗ 𝑣 =(x1,x2,…xn) + (y1,y2,…yn)
=(x1 + y1, x2+ y2,… xn+ y2)
λ ⃗ = λ(x1,x2,…xn) = (λ x1, λ x2,… λ xn),
𝑢
es un espacio vectorial
Espacios de funciones
Sean A y B un par de conjuntos no vacions. Una función f con dominio A y valores
en , es una regla que acada elemento x de A lel asigna un único elemento y = f (x)
de B. para detonar que f es una función con dominio A y valores en B
escribiremos
.f : A-B
La función o regla de asignación es f y no debe confundirse con el valor de esta
en x: y= f (x). En esta ultima notación, a y sele dice la variable dependiente o
imagen de x bajo f, x es la variable independiente o argumento de la función f , y a
B se le denomina contra dominio de la función.

Propiedades elementales de los espacios vectoriales

Sea E un espacio vectorial. Entonces:
1. 𝑜e es único. Es decir, sólo existe un elemento en E que al sumarlo pon"
cualquier otro elemento del espacio da como resultado este ultimo.
 ⃗ es único para cada —𝑢
2. -𝑢 ⃗ E E. Esto es, cada elemento del espacio tiene
exactamente un inverso aditivo.
3. 𝑢
⃗ +𝑣=𝑢
⃗ +𝑤
⃗⃗ 𝑣 = 𝑤
⃗⃗ . A esta propiedad se le llama ley de cancelación.
⃗ = 𝑜e de para todo 𝑢
4. O𝑢 ⃗ 𝑒E.
5. λ 𝑜e=𝑜e ∀ λEℝ
⃗ =-𝑢
6. (-)𝑢 ⃗ ∀𝑢
⃗ Eℝ
7. 𝑢
⃗ + 𝑢
⃗ =2𝑢
⃗ ∀𝑢
⃗ Eℝ
8. Sin es un entero, 𝑢
⃗ +𝑢
⃗ + ...+ 𝑢
⃗ = n𝑢
⃗ V𝑢
⃗ E E.
9. Si a E ℝ, y 𝑢
⃗ E entonces a𝑢
⃗ = 𝑜E

Subespacios vectoriales
Sean E un espacio vectorial y S un subconjunto no vacío de E . S es un
subespacio vectorial de E, o simplemente un subespacio de E , si S , con las
mismas operaciones suma y producto por un escalar restringidas a los elementos
de S, es también un espacio vectorial. Usaremos la notación S < E para indicar
que S es un subespacio de E. Sea S un subconjunto de un espacio vectorial E.
Para que S sea un subespacio vectorial de E es necesario y suficiente que se
cumplan las siguientes tres condiciones
1. 𝑜E Es.
2. 𝑢
⃗ +𝑣 E S𝑢
⃗ , 𝑣E s.
3. λ𝑢⃗ ∈ SVλ ∈ℝ,V𝑢 ⃗ ∈S

combinaciones lineales y subespacios generados

Supongamos que tenemos un par de vectores no colineales 𝑢 ⃗ y 𝑣 en ℝ y se
multiplican, respectivamente, por los escalares λ y β. El vector resultante, A ú +p
está en el plano que pasa por el origen y contiene a estos dos vectores; es decir,
el plano que contiene a 𝑜, 𝑢
⃗ , 𝑣 el cual es un subespacio de fie pues es un plano
que pasa por el origen
Definición
Si E es un espacio vectorial y 𝑢 ⃗ 2,… 𝑢
⃗ 1, 𝑢 ⃗ k ∈ E, a todo vector de la forma
𝑣 =a1𝑢 ⃗ 2+…+ak𝑢
⃗ 1+a2𝑢 ⃗ k donde a1,a2…ak ∈ ℝ se le llama combinación lineal de 𝑢⃗ 1,
⃗ 2,… 𝑢
𝑢 ⃗k
Ejemplo
Determinar si el vector 𝑢
⃗ =(7,1,16)es una combinación lineal de los vectores 𝑢
⃗ 1=(-
1,2,2) y 𝑢
⃗ 2=(3,-1,4)
Veamos que si es posible encontrar a1,a2 ∈ ℝ tales que 𝑢
⃗ = a 1𝑢
⃗ 1+a2𝑢
⃗ 2: esto es,
(7,1,16)= a1(-1,2,2)+ a2(3,-1,4)
=( -a1+3 a2,-2ª1-a2,2ª1+4ª2)

Entonces se debe de tener

-a1+3a2=7
2a1-a2=1
2a1+4a2=16
Resolviendo el sistema tenemos
−𝟏 𝟑 𝟕 𝟏 −𝟑 −𝟕 𝟏 𝟎 𝟐
[𝟐 −𝟏 𝟏] = [ 𝟎 𝟓 𝟏𝟓 ] = [ 𝟎 𝟏 𝟑]
𝟐 𝟒 𝟏𝟔 𝟎 𝟏𝟎 𝟑𝟎 𝟎 𝟎 𝟎
Por lo tanto
a 2
[ ]=[ ]
𝑎 3
Con lo que 𝑢
⃗ si es combinación lineal de 𝑢
⃗1y𝑢
⃗ 2

Sean E un espacio vectorial y 𝑢 ⃗ 2,… 𝑢

⃗ 1, 𝑢 ⃗ k vectores en E. Al sub espacio vectorial
de E de todas las combinaciones lineales de estos vectores se les detona como
Gn=𝑢 ⃗ 2,… 𝑢
⃗ 1, 𝑢 ⃗k
Y se llama al sub espacio generado por vectores 𝑢 ⃗ 2,… 𝑢
⃗ 1, 𝑢 ⃗k
Sea el espacio vectorial s=gn (sen2x, cos2x)determinar
Si cos (2x) E s
Cos (2x)=cos2x-sen2x=(1)cos2x+(-1)sen2x
Por tanto, cos 2x E s
Criterios para determinar si un vector en Rn es combinación lineal de otros
vectores
podemos utilizar el teorema, visto anteriormente para derterminar si un vector
dado,b, es combinacion lineal de vectores 𝑢 ⃗ 2,… 𝑢
⃗ 1, 𝑢 ⃗ k (lo cual equivale a que b
pertenezca al subespacio generado por estos vectores) de Ia siguiente manera:
1. Se forma Ia matriz cuyas columnas son los vectores 𝑢 ⃗ 2,… 𝑢
⃗ 1, 𝑢 ⃗k
2. Se resuelve el sistema Ax = b(por el metodo de Gauss, de preferencia).
3. Si este sistema tiene solucion

Ley y dimension de un espacio vectorial

1.Sea E un espacio vectorial y S c E. 1. S es linealmente independiente (L.I.), si
los vectores de todo subconjunto finito de S son linealmente independientes en el
sentido de Ia definicion.
2. S es linealmente dependiente (L.D.) si contiene (al menos) un subconjunto finito
de vectores linealmente dependientes en el sentido de Ia definicion.

Sean E un espacio vectorial y S c E. Se dice que S genera a E si todo elemento

de E es combinacion lineal de elementos de S; es decir, para cada 𝑢⃗ E E existen
E S1 y escalares a 1…a k tales que 𝑢
⃗ =a1+s1+…+ak sk
(Bases) Si E es un espacio vectorial y B c E,Bes una base de E si:
1.B es L.I.
2. B genera a E.

Base
Un conjunto finito de vectores {v1, v2,..., vn} es una base para un espacio vectorial
V si i) fv1, v2,..., via es linealmente independiente. it) {v1, v2,..., vii} genera a V.
Si {vl, v2,..., v,i) es una base para V y si v P V, Si entonces existe un conjunto
unico de escalares c1, c2, ..., c„ tales que 𝑣 = c1𝑢 ⃗ + 𝑐2
Si son bases en un espacio vectorial V, entonces m = n; es decir, cualesquiera
dos bases en un espacio vectorial V tienen el mismo numero de vectores.
Dimension
Si el espacio vectorial V tiene una base con un numero finito de elementos,
entonces la dimension de V es el n6mero de vectores en todas las bases y V se
denomina espacio vectorial de dimension finita. De otra manera, V se denomina
espacio vectorial de dimension infinita. Si V = {0} , entonces se dice que V tiene
dimension cero.
Ejemplo
Como n vectores linealmente independientes en Rn Rn constituyen una base, se
observa que dim = n En Minn sea Au la matriz de m x n con uno en la posicion ij y
cero en otra parte. Es sencillo demostrar que las matrices Au para i = 1,2, ...,m y j
= 1,2, ..., n forman una base para Mmn. AsI, dim Mmn = mn

Transformaciones lineales
Las transformaciones lineales que ocurren con mucha frecuencia en el álgebra
lineal y otras ramas de las matemáticas.
Éstas tienen una gran variedad de aplicaciones importantes. Antes de definirlas,
se estudiará un ejemplo sencillo para ver lo que es posible realizar.
Ejemplo
Reflexión respecto al eje x
𝑥 𝑥
En ℝ2 se define una función 𝑇 mediante la fórmula 𝑇 (𝑦) = 𝑇 (−𝑦).
Geométricamente, 𝑇 toma un vector en ℝ2 y lo refleja respecto al eje x. Esto se
ilustra en la figura siguiente. Una vez que se ha dado la definición básica, se verá
que 𝑇 es una transformación lineal de ℝ2 en ℝ2 .

Transformación lineal
Sean 𝑉 y 𝑊 espacios vectoriales reales. Una transformación lineal 𝑇 de 𝑉 en 𝑊 es
una función que asigna a cada vector v ∈ 𝑉 un vector único T𝑣 ∈ 𝑊 y que
satisface, para cada 𝑢 y 𝑣 en 𝑉 y cada escalar 𝛼,
𝑇(𝑢 + 𝑣) = 𝑇𝑢 + 𝑇𝑣
𝑦
 𝑇(𝛼𝑣) = 𝛼𝑇𝑣
Tres observaciones sobre notación
1. Se escribe 𝑇: 𝑉 → 𝑊 para indicar que 𝑇 toma el espacio vectorial real 𝑉 y lo
lleva al espacio vectorial real 𝑊; esto es, 𝑇 es una función con 𝑉 como su
dominio y un subconjunto de 𝑊 como su imagen.
2. Se escriben indistintamente 𝑇𝑣 y 𝑇(𝑣). Denotan lo mismo; las dos se leen “𝑇
de 𝑣”. Esto es análogo a la notación funcional 𝑓 (𝑥), que se lee “𝑓 𝑑𝑒 𝑥”.
3. Gran parte de las definiciones y teoremas también se cumplen para los
espacios vectoriales complejos (espacios vectoriales en donde los
escalares son números complejos). Sólo se manejarán espacios vectoriales
reales y, por lo tanto, se eliminará la palabra “real” en el análisis de los
espacios vectoriales y las transformaciones lineales.
Una transformación lineal de ℝ2 en ℝ3
𝑥+𝑦
2 3
𝑥 2
Sea 𝑇: ℝ → ℝ definida por 𝑇 (𝑦) = (𝑥 − 𝑦). Por ejemplo 𝑇 ( ) =
3𝑦 −3
−1
( 5 ) . Entonces
−9
𝑥1 + 𝑥2 + 𝑦1 + 𝑦2
𝑥1 𝑥2 𝑥 + 𝑥2
𝑇 [(𝑦 ) + (𝑦 )] = 𝑇 ( 1 ) = (𝑥1 + 𝑥2 − 𝑦1 − 𝑦2 )
1 2 𝑦1 + 𝑦2
3𝑦1 + 3𝑦2
𝑥1 + 𝑦1 𝑥2 + 𝑦2
𝑥
=( 1 − 𝑦1 ) + (𝑥2 − 𝑦2 )
3𝑦1 3𝑦2
Pero
𝑥1 + 𝑦1 𝑥2 + 𝑦2
𝑥1 𝑥2
𝑥
( 1 − 𝑦1 ) = T (𝑦 ) 𝑦 (𝑥2 − 𝑦2 ) = T (𝑦 )
1 2
3𝑦1 3𝑦2
Así,
𝑥1 𝑥2 𝑥1 𝑥2
𝑇 [(𝑦 ) + (𝑦 )] = 𝑇 (𝑦 ) + 𝑇 (𝑦 )
1 2 1 2

De manera similar
𝛼𝑥 + 𝛼𝑦 𝑥+𝑦
𝑥 𝛼𝑥 𝑥
𝑇 [𝛼 (𝑦)] = 𝑇 (𝛼𝑦) = ( 𝛼𝑥 − 𝛼𝑦 ) = 𝛼 (𝑥 − 𝑦 ) = 𝛼𝑇 (𝑦)
3𝛼𝑦 3𝑦
La transformación cero
Sean 𝑉 y 𝑊 espacios vectoriales y defina 𝑇: 𝑉 → 𝑊 por 𝑇𝑣 = 0 para todo 𝑣 en 𝑉.
Entonces 𝑇(𝑣1 + 𝑣2 ) = 0 = 0 + 0 = 𝑇𝑣1 + 𝑇𝑣2 𝑦 𝑇(𝛼𝑣) = 0 = 𝛼0 = 𝛼𝑇𝑣. En este
caso, 𝑇 se denomina la transformación cero.
La transformación identidad
Sea 𝑉 un espacio vectorial y defina I: 𝑉 → 𝑉 por 𝐼𝑣 = 𝑣 para todo 𝑣 en 𝑉. Aquí es
obvio que 𝐼 es una transformación lineal, la cual se denomina transformación
identidad u operador identidad.
Transformación de reflexión
Sea 𝑇: ℝ2 → ℝ3 definida por
𝑥 −𝑥
𝑇 (𝑦 ) = 𝑇 ( 𝑦 )

Es fácil verificar que 𝑇 es lineal. En términos geométricos, 𝑇 toma un vector en ℝ2

y lo refleja respecto al eje 𝑦

Transformación de rotación
𝑥
Suponga que el vector 𝑣 = (𝑦) en el plano xy se rota un ángulo 𝜃 (medido en
grados o radianes) en sentido contrario al de las manecillas del reloj. Llame a este
𝑥′
nuevo vector rotado 𝑣 ′ = ( ) . Entonces, como se ve en la figura siguiente, si 𝑟
𝑦′
denota la longitud de 𝑣 (que no cambia por la rotación),
𝑥 = 𝑟𝑐𝑜𝑠𝛼 𝑦 = 𝑟𝑠𝑒𝑛𝛼
𝑥′ = 𝑟𝑐𝑜𝑠(𝜃 + 𝛼) 𝑦′ = 𝑟𝑠𝑒𝑛(𝜃 + 𝛼)
Pero 𝑟𝑐𝑜𝑠(𝜃 + 𝛼) = 𝑟𝑐𝑜𝑠𝜃𝑐𝑜𝑠𝛼 − 𝑟𝑠𝑒𝑛𝜃𝑠𝑒𝑛𝛼, de manera que 𝑥 ′ = 𝑥𝑐𝑜𝑠𝜃 − 𝑦𝑠𝑒𝑛𝜃
De manera similar, 𝑟𝑠𝑒𝑛(𝜃 + 𝛼) = 𝑟𝑠𝑒𝑛𝜃𝑐𝑜𝑠𝛼 + 𝑟𝑐𝑜𝑠𝜃𝑠𝑒𝑛𝛼, o sea
𝑦 ′ = 𝑥𝑠𝑒𝑛𝜃 + 𝑦𝑐𝑜𝑠𝜃
Sea
𝑐𝑜𝑠𝜃 − 𝑠𝑒𝑛𝜃
𝐴𝜃 = ( )
𝑠𝑒𝑛𝜃 𝑐𝑜𝑠𝜃
𝑥 𝑥′
Entonces de las ecuaciones anteriores se ve que 𝐴𝜃 (𝑦) = ( ). La transformación
𝑦′
𝑇: ℝ2 → ℝ2 definida por 𝑇𝑣 = 𝐴𝜃 𝑣, donde 𝐴𝜃 está dado por la ecuación anterior, se
llama transformación de rotación.