EQUIPO 2:

➢ SANTOS TREJO
IRVING JAIR
➢ LARA CAMPOS
VICTOR LUIS

TRANSFORMACIONES
FECHA: 05/12/2023
LINEALES
DOCENTE: HERRERA TRIANA JESÚS
ÍNDICE

5.1 Definición de transformación lineal …………. 2

5.2 Núcleo e imagen de una transformación lineal ……. 5

5.3 Representación matricial de una transformación lineal

………. 8

5.4 Aplicación de las transformaciones lineales: reflexión,

dilatación, contracción y rotación ………….. 12

Ejemplos de transformaciones lineales ………14

1
5.1 DEFINICIÓN DE TRANSFORMACIÓN
LINEAL

¿QUÉ SON LAS TRANSFORMACIONES LINEALES?

En primer lugar, una transformación lineal es una función. Por ser
función, tiene su dominio y su codominio, con la particularidad de
que éstos son espacios vectoriales. Tenemos dos espacios
vectoriales V y W, y una función que va de V a W. O sea, una regla
de asignación que transforma vectores de V en vectores de W.
Pero no toda función que transforme vectores de V en vectores
de W es una transformación lineal. Debe cumplir ciertas
condiciones:
F: V→W es una transformación lineal si y sólo si:
1. 𝐹 (𝑢 + 𝑣) = 𝐹 (𝑢) + 𝐹 (𝑣) ∀𝑢, 𝑣 ∈ 𝑉
2. 𝐹 = (𝑘 ∙ 𝑣) = 𝑘 ∙ 𝐹 (𝑣) ∀𝑣 ∈ 𝑉, ∀𝑘 ∈ 𝑅

PROPIEDADES DE UNA TRANSFORMACIÓN LINEAL

PROPIEDAD 1
La imagen del vector nulo del dominio 0v es el vector nulo del
codominio 0w:
𝑇 ( 0𝑉 ) = 0𝑤
DEMOSTRACIÓN:
𝑇(0𝑉 ) = 𝑇(0. 𝑣) = 0. 𝑇(𝑣) = 0𝑤 = 0𝑤
Donde hemos expresado a 0v como el producto del escalar 0 por
cualquier vector del espacio vectorial V, hemos usado la segunda
condición que debe cumplir una transformación lineal, y finalmente

2
hemos vuelto a usar la propiedad de espacios vectoriales sobre el
producto del escalar 0 por cualquier vector.
PROPIEDAD 2
La imagen del vector -v es igual al opuesto de la imagen v:
𝑇(−𝑣) = −𝑇(𝑣)
DEMOSTRACIÓN:
𝑇(−𝑣) = 𝑇(−1. 𝑣) = −1. 𝑇(𝑣) = −𝑇(𝑣)
La justificación de los pasos dados en la demostración es similar a
la anterior.
PROPIEDAD 3
Consideremos r vectores del espacio vectorial V
𝑣1 , 𝑣2 , … . , 𝑣𝑟 ∈ 𝑉
Tomemos una combinación lineal en el dominio:
𝑎1 𝑣1 + 𝑎2 𝑣2 + 𝑎3 𝑣3 +. . . +𝑎𝑟 𝑣𝑟
Donde 𝑎𝑖 ∈ 𝑅
Si aplicamos la transformación lineal F de V a W, teniendo en
cuenta las propiedades enunciadas en la definición, resulta:
𝐹(𝑎1 𝑣1 + 𝑎2 𝑣2 + 𝑎3 𝑣3 +. . . +𝑎𝑟 𝑣𝑟 ) = 𝑎1 𝐹(𝑣1 )
Es decir que una transformación lineal <<transporta>>
combinaciones lineales de V a W, conservando los escalares de la
combinación lineal.
EJEMPLO:
Analizar si la siguiente función es una transformación lineal:
(𝑥, 𝑦, 𝑧) (𝑥 + 𝑧, 𝑦 − 2𝑧)
𝑇 = 𝑅 3 → 𝑅 2 |𝑇 ( ) =
∈ 𝑅3 ∈ 𝑅2
3
RESOLUCIÓN
Controlemos primero que el transformado del 0v sea el 0w. Ésta es
una condición necesaria: si no se cumpliera, no sería
transformación lineal. Como T ((0,0,0)) = (0,0), la función dada es
candidata a ser transformación lineal. Para demostrar que es una
transformación lineal tenemos que comprobar las condiciones
dadas en la definición.
Condición 1:
𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣) ∀𝑢, 𝑣 ∈ 𝑉
Tomemos dos vectores de R3:
𝑢 = (𝑢1 , 𝑢2 , 𝑢3 )
𝑢 = (𝑣1 , 𝑣2 , 𝑣3 )
Veamos si:
𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣)
Primero hacemos la suma de u y v:
(𝑢1 + 𝑢3 , 𝑢2 − 2𝑢3 ) (𝑣1 + 𝑣3 , 𝑣2 − 2𝑣3 )
𝑢+𝑣 = +
𝑇(𝑢) 𝑇(𝑣)
Y ahora aplicamos T:
𝑇(𝑢 + 𝑣) = (𝑢1 + 𝑣1 + 𝑢3 + 𝑣3 , 𝑢2 + 𝑣2 − 2𝑢3 − 2𝑣3 )
(𝑢1 + 𝑢3 , 𝑢2 − 2𝑢3 ) (𝑣1 + 𝑣3 , 𝑣2 − 2𝑣3 )
𝑇(𝑢 + 𝑣) = +
𝑇(𝑢) 𝑇(𝑣)
𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣)
En conclusión: se cumple la primera de las condiciones.

4
5.2 NÚCLEO E IMAGEN DE UNA
TRANSFORMACIÓN LINEAL

NÚCLEO DE UNA TRANSFORMACIÓN LINEAL

Sea F: V → W una transformación lineal. Llamamos núcleo de F al
conjunto de vectores del dominio cuya imagen por F es el 0w.
𝑁𝑢(𝐹 = {𝑣 ∈ 𝑉|𝐹 (𝑣) = 0𝑤 }
El núcleo de una transformación lineal es un subespacio de V.
IMAGEN DE UNA TRANSFORMACIÓN LINEAL
Llamamos imagen de F al conjunto de vectores de W que son
imagen de algún vector de V.
𝐼𝑚(𝐹 ) = {𝑤 ∈ 𝑊|𝑤 = 𝐹 (𝑣), 𝑣 ∈ 𝑉}
La imagen es un subespacio de W.
EJEMPLO 1:
Dada la siguiente transformación lineal
𝑇: 𝑅 3 → 𝑅 3 , 𝑇((𝑥, 𝑦, 𝑧)) = (𝑥 − 2𝑦, 0,2𝑥 − 4𝑦)
Buscar el núcleo, la imagen, y determinar sus dimensiones.
RESOLUCIÓN
Para determinar el núcleo planteamos:
(𝑥, 𝑦, 𝑧)𝑒𝑠𝑡á 𝑒𝑛 𝑒𝑙 𝑛ú𝑐𝑙𝑒𝑜 ↔ 𝑇((𝑥, 𝑦, 𝑧)) = (0,0,0)
𝑥 − 2𝑦 = 0
(𝑥 − 2𝑦, 0,2𝑥 − 4𝑦) = (0,0,0) → { → 𝑥 = −2𝑦
2𝑥 − 4𝑦 = 0
Esto implica que la primera componente debe ser el doble de la
segunda y que la tercera componente no tiene restricciones. Es un

5
error común, en este punto, suponer que como no aparece z
entonces z=0. Pero es importante notar que si no aparece z esto
significa que no existen restricciones sobre ese componente. La
forma de un vector del núcleo sería:
(2𝑦, 𝑦, 𝑧)
Aplicando propiedades lo podemos escribir:
𝑦. (2,1,0) + 𝑧. (0,0,1)
Luego el núcleo es:
𝑁𝑢 (𝑇) = {(𝑥. 𝑦. 𝑧) ∈ 𝑅 3 |𝑥 = 2𝑦} = 𝑔𝑒𝑛{(2,1,0), (0,0,1)}
Y una base del núcleo es:
𝐵𝑁𝑢 = {(2,1,0), (0,0,1)}
La imagen la podemos obtener aplicando propiedades sobre la
expresión que define la transformación lineal:
(𝑥 − 2𝑦, 0,2𝑥 − 4𝑦) = 𝑥. (1,0,2) + 𝑦. (−2,0, −4)
Los vectores (1,0,2) y (-2,0-4) son linealmente dependientes.
Entonces tomamos uno de ellos para la base de estos
subespacios:
dim(𝑁𝑢) = 2
dim(𝐼𝑚) = 1

6
EJEMPLO:
Una función de R2 a R2
Para todo vector V = (v1, v2) en R2, sea T: R2 → R2 definida por
𝑇(𝑣1 , 𝑣2 ) = (𝑣1 − 𝑣2 , 𝑣1 + 2𝑣2 ).
a) Determine la imagen de 𝑣 = (−1,2).
b) Determine la imagen de 𝑣 = (0,0).
c) Determine la preimagen de 𝑤 = (−1,11)
Solución
a) Para 𝑣 = (−1,2) se tiene:
𝑇(−1,2) = (−1 − 2, −1 + 2(2)) = (−3,3)
b) Si 𝑣 = (0,0) entonces:
𝑇(0,0) = (0 − 0,0 + 2(0)) = (0,0)
c) Si 𝑇(𝑣) = 𝑣1 − 𝑣2 , 𝑣1 + 2𝑣2 ) = (−1,11) entonces:
𝑣1 − 𝑣2 = −1
𝑣1 + 2𝑣2 = 11
Este sistema de ecuaciones tiene la solución única v1 = 3 y v2 =4.
Por tanto, la preimagen de (-1,11) es conjunto en R2 que consta
solamente del vector (3,4).

7
5.3 REPRESENTACIÓN MATRICIAL DE UNA
TRANSFORMACIÓN LINEAL

En esta sección veremos cómo asociar a cualquier transformación

lineal de una matriz.
Sean V y W dos espacios vectoriales de dimensión n y m,
respectivamente, y sea T: V → W una transformación lineal,
entonces existe una matriz A de orden m x n llamada matriz de
transformación o representación matricial de T que satisface T(v)
= Av para toda v en V.
Veamos algunos ejemplos de transformaciones entre espacios
vectoriales y vamos a construir una representación matricial de
cada una de ellas.
EJEMPLO:
a) Consideremos la transformación lineal reflexión T: R2 → R2,
tal que T (x, y) = (x, -y).
Vamos a encontrar la representación matricial de T, es decir,
queremos una matriz A de orden 2 x 2, tal que T (x, y) = A (x, y).
Primero tomaremos una base de R2 y encontraremos las imágenes
bajo T de esta base.
Para este caso vamos a tomar como base de R2 la base canónica
{e1, e2} y usaremos las propiedades de transformación lineal; es
decir,
𝑇(𝑢 + 𝑣) = 𝑇(𝑣) 𝑦 𝑇 (𝑐𝑢) = 𝑐𝑇(𝑢)
Como e1 = (1, 0) y e2 = (0, 1) entonces
𝑇(𝑒1 ) = 𝑇(1,0) = (1, −0) 𝑦 𝑇(𝑒2 ) = (0,1) = (0, −1)

8
Vamos a construir la matriz A cuyas columnas son estos vectores
T (e1) y T (e2):
1 0
𝐴=( )
0 −1
Entonces, si u = (x, y) es cualquier vector R2.
1 0 𝑥 𝑥
𝐴𝑢 = ( ) (𝑦) = (−𝑦) = 𝑇(𝑥, 𝑦) = 𝑇(𝑢)
0 −1
Por lo tanto, A es una representación matricial de T.
𝑥
b) Sea T: R2 → R3 la transformación lineal definida por 𝑇 (𝑦) =
𝑥+𝑦
(𝑥 − 𝑦).
3𝑦
Vamos a encontrar una representación matricial de T.
En este caso la matriz A será una matriz de 3 x 2.
Encontraremos las imágenes bajo T de una base R2.
Tomaremos la base canónica {e1, e2} de R2.
1+0 1 0+1 1
1 0
𝑇(𝑒1 ) = 𝑇 ( ) = (1 − 0) = (−1) ∙ 𝑇(𝑒2 ) = 𝑇 ( ) = (0 − 1) = (−1)
0 3(0) 1 3(1)
0 3
Construimos la matriz A cuyas columnas son las imágenes de los
vectores de esta base:
1 1
𝐴 = (1 −1)
0 3

Entonces si u = (x, y) es cualquier vector de R2:

1 1 𝑥+𝑦
𝑥 𝑥
𝐴𝑢 = (1 −1) (𝑦) = (𝑥 − 𝑦) = 𝑇 (𝑦) = 𝑇(𝑢)
0 3 3𝑦
9
Y, por lo tanto, A es una representación matricial de T.

c) Consideremos la transformación lineal T: P2 → P3 definida por

𝑇(𝑎0 𝑥 + 𝑎1 𝑥 + 𝑎2 𝑥 2 ) = 𝑎0 𝑥 + 𝑎1 𝑥 2 + 𝑎2 𝑥 3 .

Vamos a construir una representación matricial para T.

En este caso como, dim P2 es 3 y dim P3 es 4, la matriz A será de

4x3.
Consideremos la base {1, x, x2} para P2. Encontramos las
imágenes de estos vectores bajo T:
0 0 0
1 0
𝑇(1) = 𝑥 = (0) , 𝑇(𝑥 ) = 𝑥 2 = ( ) , 𝑇(𝑥 2 ) = 𝑥 3 = (0)
1 0
0 0 1
Construyamos la matriz A cuyas columnas son las imágenes de
estos vectores:
0 0 0
𝐴 = (1 0 0)
0 1 0
0 0 1
Entonces, si 𝑝 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 es cualquier vector de P2,
tenemos que:

0 0 0 𝑎 0
0
𝐴𝑝 = (1 0 0) (𝑎 ) = (𝑎0 )
1
0 1 0 𝑎 𝑎1
2
0 0 1 𝑎2

Por lo tanto, A es una representación matricial de T.

10
EJEMPLO:

Sea T: R2 → R3 tal que 𝑇(𝑥, 𝑦) = (𝑥 + 𝑦, 𝑥 − 𝑦, 3𝑦)

Bases canónicas

𝜷 = {(𝟏, 𝟎), (𝟎, 𝟏)} 𝜸 = {(𝟏, 𝟎, 𝟎), (𝟎, 𝟏, 𝟎), (𝟎, 𝟎, 𝟏)}

𝑻((𝟏, 𝟎)) = (𝟏 + 𝟎, 𝟏 − 𝟎, 𝟑 ∙ 𝟎 = (𝟏, 𝟏, 𝟎)

𝑇((0,1)) = (0 + 1), 0 − 1,3 ∙ 1) = (1, −1 − 3)

1 1
(1 −1)
0 3

11
5.4 APLICACIÓN DE LAS TRANSFORMACIONES
LINEALES: REFLEXIÓN, DILATACIÓN,
CONTRACCIÓN Y ROTACIÓN.

Reflexión sobre el eje x en este caso, queremos averiguar cómo

está definida la transformación T de R2 en R2 que cada vector 𝑢 ⃗ =
(𝑢1 , 𝑢2 ) lo refleja sobre el eje x, para obtener un vector 𝑇(𝑢̅) =
(𝑣1 , 𝑣2 ).

En este caso la situación es más sencilla ya que claramente

tenemos dos triángulos que son congruentes, de donde T queda
definida como sigue:

𝑇(𝑢1 , 𝑢2 ) = (𝑢1 , −𝑢2 )

Esta transformación se llama la reflexión sobre el eje x, y es lineal,

ya que:

𝑇[(𝑢1 , 𝑢2 ) + 𝜆(𝑣1 , 𝑣2 )] = 𝑇(𝑢1 + 𝜆𝑣1 , 𝑢2 + 𝜆𝑣2 )

= (𝑢1 + 𝜆𝑣1 , −𝑢2 − 𝜆𝑣2 = (𝑢1 , −𝑢2 ) + 𝜆(𝑣1 , −𝑣2 )
= 𝑇(𝑢1 , 𝑢2 ) + 𝜆𝑇(𝑣1 , −𝑣2 )

EJEMPLO:
Rotación en R2
Demuestre que la transformación lineal T: R2 → R2 dada por la
matriz
𝐶𝑜𝑠∅ −𝑆𝑒𝑛∅
𝐴=[ ]
𝑆𝑒𝑛∅ 𝐶𝑜𝑠∅

tiene la propiedad de rotar todo vector en R2 en sentido contrario

al de las manecillas del reloj con respecto al origen un ángulo ∅.

12
Solución

Se sabe que T es una transformación lineal. Para demostrar que

rota todo vector en R2 un ángulo ∅ en sentido contrario al de las
manecillas del reloj, se considera v = (x, y) un vector en R2. Usando
coordenadas polares v se puede expresar como 𝑣 = (𝑥, 𝑦) =
(𝑟 𝑐𝑜𝑠𝛼, 𝑟 𝑠𝑒𝑛𝛼) donde r es la longitud de v, ∅ es el ángulo formado
entre el vector v y el eje positivo de las x descrito en sentido
contrario al de las manecillas del reloj.
𝑇(𝑣) = 𝐴𝑣

𝑐𝑜𝑠𝜃 −𝑠𝑒𝑛𝜃 𝑥
=[ ][ ]
𝑠𝑒𝑛𝜃 𝑐𝑜𝑠𝜃 𝑦
𝑐𝑜𝑠𝜃 −𝑠𝑒𝑛∅ 𝑟 𝑐𝑜𝑠𝛼
=[ ][ ]
𝑠𝑒𝑛𝜃 𝑐𝑜𝑠𝜃 𝑟 𝑠𝑒𝑛𝛼
𝑟 𝑐𝑜𝑠𝜃 𝑐𝑜𝑠𝛼 − 𝑟 𝑠𝑒𝑛𝜃 𝑠𝑒𝑛𝛼
=[ ]
𝑟 𝑠𝑒𝑛𝜃 𝑐𝑜𝑠𝛼 + 𝑟 𝑐𝑜𝑠𝜃 𝑠𝑒𝑛𝛼
𝑟 cos(𝜃 + 𝛼)
=[ ]
𝑟 𝑠𝑒𝑛(𝜃 + 𝛼)

Por consiguiente, el vector T(v) tiene la misma longitud que v,

además, dado que el ángulo desde eje x positivo a T(v) es 𝜃 + 𝛼
entonces T(v) es el vector que se obtiene al rotar el vector v en
sentido contrario al de las manecillas del reloj un ángulo 𝜃.
y

T(x, y)

(x, y)
𝜃
𝛼
x

13
Las rotaciones R2 conservan tanto la longitud vectorial como el
ángulo entre dos vectores. Es decir, el ángulo entre u y v es igual
al ángulo entre T(u) y T(v).
Ejemplo de imagen de una transformación lineal:

Determinar la dimensión de la imagen y si es lineal 𝐼𝑚𝑔(𝐹): 𝑅 3 →

𝑅 3 si: 𝐼𝑚𝑔(𝐹 ) = (𝑥1 , 𝑥2 , 𝑥3 ) = (𝑥1 + 𝑥2 ; 𝑥1 − 𝑥3 ; 𝑥1 + 2𝑥2 + 𝑥3 )
Método de Gauss-Jordan

• Sacar la base y la dirección del subespacio de la imagen

1 1 0
(1 0 −1)
1 2 1
• Ahora multiplicamos por el vector del conjunto del dominio
que en este caso es (𝑥1 , 𝑥2 , 𝑥3 )
1 1 0 𝑥1 𝑦1
(1 0 −1) ∙ (𝑥2 ) = (𝑦2 )
1 2 1 𝑥3 𝑦3

• Procedemos a realizar la matriz ampliada

1 1 0 𝑦1
(1 0 −1|𝑦2 )
1 2 1 𝑦3
• 𝐹2 − 𝐹1 → 𝐹2
1. 1 − 1 = 0
2. 0 − 1 = −1
3. −1 − 0 = −1
4. 𝑦2 − 𝑦3 = 𝑦2 − 𝑦3

14
• Cambiamos solamente los elementos de la Fila 2
1 1 0 𝑦1
(0 −1 −1|𝑦2 − 𝑦3 )
1 2 1 𝑦3

• 𝐹3 − 𝐹1 → 𝐹3
1. 1 − 1 = 0
2. 2 − 1 = 1
3. 1 − 0 = 1
4. 𝑦3 − 𝑦1 = 𝑦3 − 𝑦1
• Cambiamos solamente los elementos de la Fila 3
1 1 0 𝑦1
(0 −1 −1|𝑦2 − 𝑦3 )
0 1 1 𝑦3 − 𝑦1
• 𝐹3 + 𝐹2 → 𝐹3
1. 0 + 0 = 0
2. 1 + (−1) = 1 − 1 = 0
3. 1 + (−1) = 1 − 1 = 0
4. 𝑦3 − 𝑦1 + 𝑦2 − 𝑦3 = −2𝑦1 + 𝑦2 + 𝑦3
• Cambiamos solamente los elementos de la Fila 3
1 1 0 𝑦1
(0 −1 −1| 𝑦2 − 𝑦3 )
0 0 0 −2𝑦1 + 𝑦2 + 𝑦3
• −2𝑦1 + 𝑦2 + 𝑦3 = 0
• Despejamos una de las variables para sacar las condiciones
del subespacio de la base
• 𝑦2 = 2𝑦1 − 𝑦3
• 𝑦̅ = (𝑦1 , 𝑦2 , 𝑦3 )
• 𝑦̅ = (𝑦1 ; 2𝑦1 ; 𝑦3 )
• 𝑦̅ = 𝑦1 (1,2,0) + 𝑦3 (0, −1,1)
15
• [𝑖𝑚𝑔(𝑓)] = {(1,2,0); (0, −1,1)} es linealmente independiente
• dim 𝑑𝑒 𝑙𝑎 𝐼𝑚𝑔(𝑓) = 2

16
Ejemplo de una transformación lineal

Determinar que 𝑇: 𝑅 2 → 𝑅 2 es combinación lineal si: 𝑇 ⃗ (2,1,3) =

⃗ (2,1,3) = 𝑣2 (1,1,2) 𝑦 𝑇
𝑣1 (1,5, −7); 𝑇 ⃗ (2,1,3) = 𝑣3 (1, −4, −5)

• Ordenamos los vectores

I. 𝑇⃗ (2,1,3)
II. 𝑣1 = (1,5, −7)
III. 𝑣2 = (1,1,2)
IV. 𝑣3 = (1, −4, −5)
• 𝑇
⃗ = 𝑥1 𝑣1 + 𝑥2 𝑣2 + 𝑥3 𝑣3
• (2,1,3) = 𝑥1 (1,5, −7) + 𝑥2 (1,1,2) + 𝑥3 (1, −4, −5)
• (2,1,3) = [𝑥1 , 𝑥2 , 𝑥3 ; 5𝑥1 , 𝑥2 , −4𝑥3 ; −7𝑥1 , 2𝑥2 , −5𝑥3 ]
• Ordeno el sistema de ecuaciones
𝑥1 + 𝑥2 + 𝑥3 = 2 … 𝟏
5𝑥1 + 𝑥2 − 4𝑥3 = 1 … 𝟐
−7𝑥1 + 2𝑥2 − 5𝑥3 = 3 … 𝟑

Resolveremos este sistema de ecuaciones de 3x3 por el Método

de eliminación también conocido como suma y resta.

• Reunir la ecuación 1 y 2, obtener la ecuación 4

(−1)𝑥1 + 𝑥2 + 𝑥3 = 2
5𝑥1 + 𝑥2 − 4𝑥3 = 1
−𝑥1 − 𝑥2 − 𝑥3 = −2
5𝑥1 + 𝑥2 − 4𝑥3 = 1
4𝑥1 − 5𝑥3 = −1 … 𝟒

• Reunir la ecuación 1 y 3, obtener la ecuación 5

17
 (−2)𝑥1 + 𝑥2 + 𝑥3 = 2
−7𝑥1 + 2𝑥2 − 5𝑥3 = 3
−2𝑥1 − 2𝑥2 − 2𝑥3 = −4
−7𝑥1 + 2𝑥2 − 5𝑥3 = 3
−9𝑥1 − 7𝑥3 = −1 … 𝟓
• Reunimos la ecuación 4 y 5
4𝑥1 − 5𝑥3 = −1 (−9)
−9𝑥1 − 7𝑥3 = −1 (−4)
−36𝑥1 + 45𝑥3 = 9
36𝑥1 + 28𝑥3 = 4
73𝑥3 = 13
13
𝑥3 =
73
• Ahora eliminamos x3
4𝑥1 − 5𝑥3 = −1 (−7)
−9𝑥1 − 7𝑥3 = −1 (5)
−28𝑥1 + 35𝑥3 = 7
−45𝑥1 − 35𝑥3 = −5
−73𝑥1 = 2
2 2
𝑥1 = =−
−73 73
2 13
• Sustituimos 𝑥1 = − y 𝑥3 = en la ecuación 1
73 73
I. 𝑥1 + 𝑥2 + 𝑥3 = 2
2 13
II. − + 𝑥2 + =2
73 73
2 13 11 135
III. 𝑥2 = 2 + − =2− =
73 73 73 73
135
IV. 𝑥2 =
73
• Entonces tenemos que: 𝑇 ⃗ (2,1,3) = 𝑣1 (1,5, −7); 𝑇
⃗ (2,1,3) =
⃗ (2,1,3) = 𝑣3 (1, −4, −5) sí es combinación lineal
𝑣2 (1,1,2) 𝑦 𝑇

18
Fuentes de información:

• https://aga.frba.utn.edu.ar/definicion-y-propiedades-de-las-
transformaciones-lineales/
• https://aga.frba.utn.edu.ar/nucleo-e-imagen-clasificacion-de-
las-transformaciones-lineales/
• https://www.google.com/url?sa=t&source=web&rct=j&opi=89
978449&url=https://gc.scalahed.com/recursos/files/r157r/w1
3173w/AlgLineal_unidad%25208.pdf&ved=2ahUKEwip1b7X
zuuCAxVll2oFHUIPCpIQFnoECBMQAQ&usg=AOvVaw3uvU
exGlfkI4yQMuq2s0jy
• https://www.studocu.com/es-mx/document/instituto-
tecnologico-de-cerro-azul/ingenieria-en-sistemas-
computacionales/54-aplicacion-de-las-transformaciones-
lineales-reflexion-dilatacion-contraccion-y-rotacion/59211490
• https://youtu.be/TvcX7JhH5y8?si=YkIBBr-bne3ujvHv
• https://youtu.be/nXLdSw_jAjY?si=HbKExDdrB_sg5tv3

19