República Bolivariana de Venezuela

Ministerio del Poder Popular para la Defensa

Universidad Nacional Experimental Politécnica de las Fuerzas Armadas
Núcleo Táchira

Realizado por:
Luis Alejandro Ruiz Hernández
CI: 29.649.672
Ingeniería Sistemas

San Cristóbal, 08 de junio de 2020

 Índice

Índice ....................................................................................................................... 2
Introducción ............................................................................................................. 3
Transformaciones lineales. Definición ..................................................................... 4
Método de mínimos cuadrados ............................................................................. 13
Conclusión............................................................................................................. 17
Anexos .................................................................................................................. 18

2
 Introducción

Las transformaciones lineales desempeñan un papel muy importante en

matemáticas, física, ingeniería, procedimiento de imágenes, gráficas en
computadoras y muchas otras áreas de la ciencia y la vida diaria. Las
transformaciones lineales son mapeos de importancia fundamental en el álgebra
lineal y en sus aplicaciones. Son transformaciones entre espacios vectoriales que
conservan la suma vectorial y la multiplicación por escalar.
Las transformaciones lineales son las aplicaciones entre espacios
vectoriales, es decir que, su dominio y codominio lo son. Las transformaciones
lineales, también llamadas aplicación lineal, función lineal u operador lineal, son
muy importantes y son muy utilizadas en algebra, pero para que esta aplicación
sea una transformación lineal debe cumplir con dos condicione. Por lo tanto para
que T: V→W sea una transformación lineal debe cumplir:
( ) ( ) ( )
( ) ( )
Al no cumplir cualquiera de estas condiciones no se trata de una
transformación lineal, por lo tanto, se debe corroborar cuando sea necesario.
Por otro lado, el Método de los Mínimos Cuadrados es uno de
los métodos más tradicionales. Este método ajusta la recta de regresión estimada,
de modo que la suma de los errores al cuadrado sea lo más pequeña posible, al
elevar los errores al cuadrado le damos más importancia a los errores de mayor
magnitud.
El método de mínimos cuadrados sirve para interpolar valores, dicho en
otras palabras, se usa para buscar valores desconocidos usando como referencia
otras muestras del mismo evento. Él método consiste en acercar una línea o una
curva, según se escoja, lo más posible a los puntos determinados por la
coordenadas (x, f(x)), que normalmente corresponden a muestras de algún
experimento. Cabe aclarar que este método, aunque es sencillo de implantar no
es del todo preciso.

3
Transformaciones lineales. Definición

Una transformación lineal es una función o aplicación lineal cuyo dominio y

codominio son espacios vectoriales, en lugar de los números reales como es el
caso de las funciones en el campo real. Por supuesto esta tiene que cumplir con
ciertas propiedades pero siempre sobre los espacios vectoriales.
A las transformaciones lineales también se les llama operaciones lineares.
Una transformación lineal es entonces, una función entre dos espacios vectoriales
que preserva las operaciones de espacio vectorial, es decir, el conjunto de llegada
(codominio o imagen) de la suma de los 2 vectores del dominio ( conjunto de
salida) es la suma de las imágenes de cada uno de los vectores y la imagen del
producto del vector por el escalar . La transformación lineal es una definición entre
espacios vectoriales, es decir, el objetivo es transformar un espacio vectorial en
otro. Para enseñar una transformación lineal usaremos F (v)=W, son los espacios
vectoriales que actúan sobre un mismo campo. A las transformaciones lineales las
llamaremos aplicación lineal.
Una aplicación entre conjuntos A y B es una regla que permite asignar a
cada elemento de A, uno de B.
La aplicación de f del conjunto A en el conjunto B si indica mediante f:AB. El
conjunto A se llama conjunto inicial, y el conjunto B final. Si la aplicación f asigna
al elemento a E A el elemento b E B, diremos que b es la imagen de a, lo que se
denota por f(a)=b. la regla ha de estar inequívocamente definida, de modo que
para todos y cada uno de los elementos de A, este claro que elemento de B es su
imagen.
En síntesis podemos dar la siguiente definición:

4
 Que se puede resumir en T (α a + α b) = α T (a) + α T (b), llamada
propiedad de linealidad.
Si T: V → W es una transformación lineal, el espacio V se llama dominio de
T y el espacio W se llama codominio de T.

Ejemplo 1. A partir de la definición, analicemos si es lineal la siguiente

transformación:

T: R2 → R3 / ∈ x Î R2 : T((x1, x2)) = (x1+x2, x1-x2, x2)

Se deben verificar las dos condiciones de la definición:

a) ¿∈ x, y Î R2 : T (x + y) = T (x) + T (y) ?

x = (x1, x2).
y = (y1, y2).
x + y = (x1 + y1, x2 + y2).
T (x + y) = T (x1 + y1, x2 + y2) = (x1 + y1 + x2 + y2, x1 + y1 - x2 - y2, x2 + y2) =
= (x1 + x2, x1 - x2, x2) + (y1 + y2, y1 - y2, y2) = T (x) + T (y)

b) ¿ ∈ x Î R2, k Î R : T (k x) = k T (x) ?

T (k x) = T (k (x1, x2)) = T (k x1, k x2) = (k x1 + k x2, k x1 - k x2, k x2) =

= k (x1 + x2, x1 - x2, x2) =
= k T (x)

Se verifican las dos condiciones de la definición, entonces la transformación es

lineal.

Ejemplo 2. Analicemos ahora si T es lineal, siendo T: R2 → R2 / ∈ x Î R2 : T ((x1,

x2)) = (x2, x1 + 2)

5
Se deben verificar las dos condiciones de la definición:

a) ¿ x, y Î R2 : T (x + y) = T (x) + T (y) ?

x = (x1, x2)
y = (y1, y2)
x + y = (x1 + y1, x2 + y2)
T (x) + T (y) = (x2, x1 + 2) + (y2, y1 + 2) = (x2 + y2, x1 + y1 + 4)
T (x + y) = T (x1 + y1, x2 + y2) = (x2 + y2, x1 + y1 + 2) ≠ T (x) + T (y)

No se verifica esta condición, entonces la transformación no es lineal.

Ejemplo 3. Analicemos ahora si T es lineal, siendo T: Mn x n R/ v Î Mn x n : T

(v) = det(v)

Sabemos que det(A + B) ≠det(A) + det(B), y det(kA) = kn det(A) ≠ k det(A),

entonces esta transformación no es lineal.

Propiedades

 Para toda transformación lineal T: V W, T (-x) = -T (x).

 Para toda transformación lineal T: V W, T (0) = 0 (El que aparece en la
izquierda es el vector nulo de V, mientras que el que aparece en el lado
derecho es el vector nulo de W. Se puede escribir también T (0V) = 0W ).
 Sea V un espacio vectorial de dimensión finita, W un espacio vectorial,
{v1,..., vn} una base de V, y {z1,..., zn} un conjunto cualquiera de vectores de W.
Entonces existe una única transformación lineal T: V W tal que T (vi)
= zi (1 ≤ i ≤ n

6
Clasificación de las transformaciones lineales

Recordemos que las transformaciones lineales son funciones, y como tales,

pueden ser sobreyectivas, inyectivas o biyectivas. Gráficamente,

Se dice que:

 T: V → W es un monomorfismo si, y sólo si, T es inyectiva. Es decir, T es un

monomorfismo si y sólo si u, v Î V: T(u) = T(v) u = v.
 T: V → W es un epimorfismo si, y sólo si, T es sobreyectiva. Es decir, T es un
epimorfismo si y sólo si w Î W, v Î V / w = T(v).
 T: V → W es un isomorfismo si, y sólo si, T es biyectiva. Es decir, T es un
isomorfismo si y sólo si es un monomorfismo y un epimorfismo.
 T: V → W es un endomorfismo si y sólo si V = W.
 T: V → W es un automorfismo si y sólo si T es un isomorfismo y un
endomorfismo.

Imagen de una transformación lineal

7
Ejemplos
Analicemos la transformación: T1: R2 →R2 / v e R2: T((x, y)) = (-y, x),
encontrando T1(v) para mil vectores v diferentes:

La imagen de la transformación T1 es, como puede verse en el gráfico, el espacio

R2. Esta transformación es una rotación de 90° en sentido antihorario.

Si queremos hallar Im (T1) a “mano”:

Im (T1) = {y e R2 / x e R2 : T1 (x) = y }

Si y = (y1, y2) = T1((x1, x2)) = (-x2, x1) entonces: y1 = - x2; y2 = x1

Así, Im (T1) = {y e R2} o simplemente Im (T1) = R2

Analicemos ahora T2 : R2 R2 / v e R2 : T2 ((x, y)) = ( x + y, - x - y)

8
 La imagen de esta transformación es una recta. ¿Cómo podemos obtener
su ecuación?
Sabemos que (0, 0) es un punto de la recta, porque siempre 0W pertenece a
la imagen de una transformación lineal.
Para obtener las coordenadas de otro punto:
T2 (1, 1) = (1 + 1, - 1 - 1) = (2, -2)

Entonces la ecuación de la recta es: y = -x, e Im (T2) = { (x, y) / y = - x}.

Analíticamente:
Im (T2) = { y e R2 / x e R2 : T2 (x) = y }
Si y = (y1, y2) = T2 (x1, x2) = (x1 + x2, - x1 - x2),
Entonces: x1 + x2 = y1; - x1 - x2 = y2 . Así, y1 = -y2 y Im (T2) = {y e R2 / y1 = -y2 }

Propiedades
 Si T: V W es una transformación lineal, Im (T) es un subespacio de W.
 Sea T: V W una transformación lineal. T es suryectiva (o sobreyectiva) si y
sólo si Im (T) = W.
 Sea T: V W una transformación lineal y sean v1, ..., vn e V. Si T (v1), ..., T
(vn) son linealmente independientes en W, entonces v1, ..., vn son linealmente
independientes en V.

Como formar transformaciones lineales

Dado un espacio vectorial V, el espacio vectorial L(V,V), que se nota

usualmente como (V), forma un álgebra asociativa sobre el cuerpo base, donde la
multiplicación es la composición y la unidad es la transformación identidad.

9
Dominio, codominio, núcleo y recorrido de una transformación.
Al igual que las funciones tradiciones, las transformaciones tienen tres
partes esenciales para existir: el dominio, el codominio, y la regla de asignación,
como se observa en la figura.

El dominio es el espacio vectorial 𝑉 al cual se le aplicará la transformación;

el codominio es el espacio 𝑊 al cual pertenece el resultado de aplicar la
transformación; la regla de asignación es la forma en la cual se debe manipular
un elemento de 𝑉 para convertirlo en un elemento de 𝑊; finalmente, (𝑉) es el
recorrido de la transformación, y es el subconjunto de 𝑊 obtenido a partir de la
aplicación de la transformación a cada elemento de 𝑉.

10
EJEMPLO: Sea la transformación 𝑆: ℝ4 →𝑃1, definida por la regla de asignación
𝑆(𝑎, 𝑏, 𝑐, 𝑑) = (𝑎+ 𝑑) + (𝑏−𝑐)
Donde ℝ4 es el espacio vectorial de los cuartetos ordenados con
elementos reales, y 𝑃1 es el espacio vectorial de los polinomios de grado menor
o igual a uno.
En este caso, el dominio de 𝑆 será el espacio ℝ4; en tanto que el
codominio es 𝑃1. Para obtener el recorrido de la transformación se requiere
obtener uno de sus conjuntos generadores. Esto se logra a partir de la
transformación de una base del dominio; es decir, si se aplica la transformación a
la base de ℝ4
𝐵= {(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)}
Se obtendrá un conjunto generador:
(1, 0, 0, 0) =
(0, 1, 0, 0) = 1
(0, 0, 1, 0) = −1
(0, 0, 0, 1) =
Entonces, el conjunto generador del recorrido es
𝐺= { , 1, −1, }
Como se observa, el conjunto 𝐺 también es generador de 𝑃1. En este caso, el
recorrido y el codominio son el mismo.

EJEMPLO. Para la transformación : ℂ→𝑀2 definida por

Donde ℂ (dominio) es el espacio vectorial de los números complejos sobre el

campo real, y 𝑀2 (codominio) es el espacio vectorial de las matrices cuadradas
de orden dos sobre el campo real.

11
El recorrido se obtendrá por medio del conjunto generador resultante de
transformar la base {1,}.

Para este caso 𝑀2 ≠(ℂ). Utilizando la ecuación de dependencia lineal.

Y teniendo el sistema de ecuaciones lineales.

Se obtiene que el espacio generado por el conjunto {(1), (𝑖)} es

Dentro de las transformaciones existe un subconjunto especial llamado núcleo. El

núcleo es parte del dominio y es el conjunto de vectores

12
de 𝑉 cuya transformación bajo tiene como único resultado al vector nulo del
espacio 𝑊 (codominio). Es decir, si se tiene una transformación : 𝑉→𝑊 y
existe un subconjunto 𝑈⊂𝑉 tal que (𝑈) = 0𝑊, entonces el subconjunto 𝑈 es el
núcleo de la transformación .

Método de mínimos cuadrados

Hemos enfatizado sobre la importancia de las representaciones gráficas y

hemos visto la utilidad de las versiones linealizadas de los gráficos (X, Y) junto a
las distintas maneras de llevar a cabo la linealización. A menudo nos
13
confrontamos con situaciones en las que existe o suponemos que existe una
relación lineal entre las variables X e Y
Surge de modo natural la pregunta: ¿cuál es la relación analítica que mejor
se ajusta a nuestros datos? El método de cuadrados mínimos es un procedimiento
general que nos permite responder esta pregunta. Cuando la relación entre las
variables X e Y es lineal, el método de ajuste por cuadrados mínimos se denomina
también método de regresión lineal.
Observamos o suponemos una tendencia lineal entre las variables y nos
preguntamos sobre cuál es la mejor recta:
y(x) = a x + b

Que representa este caso de interés. Es útil definir la función:

Que es una medida de la desviación total de los valores

observados yi respecto de los predichos por el modelo lineal a x + b. Los mejores
valores de la pendiente a y la ordenada al origen b son aquellos que minimizan
esta desviación total, o sea, son los valores que remplazados en la Ec.(1)
minimizan la funciónc2. Ec.(2). Los parámetros a y b pueden obtenerse usando
técnicas matemáticas que hacen uso del cálculo diferencial. Aplicando estas
técnicas, el problema de minimización se reduce al de resolver el par de
ecuaciones:

14
Actualmente, la mayoría de los programas de análisis de datos y planillas de
cálculo, realizan el proceso de minimización en forma automática y dan los
resultados de los mejores valores de a y b, o sea los valores indicados por las
ecuaciones.

Gráfico de datos asociados a un modelo lineal.

La cantidad yi - y(xi) representa la desviación de cada observación de yi
respecto del valor predicho por el modelo y(x).
El criterio de mínimos cuadrados reemplaza el juicio personal de quien mire
los gráficos y defina cuál es la mejor recta. En los programas como Excel, se
realiza usando la herramienta “regresión lineal” o “ajuste lineal”. Los resultados se
aplican en el caso lineal cuando todos los datos de la variable dependiente tienen
la misma incertidumbre absoluta y la incertidumbre de la variable independiente se
considera despreciable.

REGRESIÓN MÍNIMO-CUADRÁTICA
Consiste en explicar una de las variables en función de la otra a través de
un determinado tipo de función (lineal, parabólica, exponencial, etc.), de forma que
la función de regresión se obtiene ajustando las observaciones a la función
elegida, mediante el método de Mínimos-Cuadrados (M.C.O.).
Elegido el tipo de función ¦ ( ) la función de regresión concreta se obtendrá
minimizando la expresión:

15
(yj - ¦ (xi ) ) 2. nij en el caso de la regresión de Y/X

(xi - ¦ (yj ) ) 2. nij en el caso de la regresión de X/Y

Puede probarse que es equivalente ajustar por mínimos cuadrados la

totalidad de las observaciones (toda la nube de puntos) que realizar el ajuste de
los puntos obtenidos por la regresión de la media; de forma que la regresión
mínimo-cuadrática viene ser, en cierto modo, la consecución de una expresión
analítica operativa para la regresión en sentido estricto.

16
 Conclusión

 Las transformaciones lineales son un pilar imprescindible de las matemáticas,

el cual nos permite enfrentar el estudio exhaustivo y preciso de ciencias como
las naturales y físicas, de aquellas relacionadas con el comportamiento en
general, de las ingenierías, de la economía, de la computación, de las mismas
matemáticas abstractas y aplicadas. Para uno, como estudiante de ingeniería
es muy importante porque le permite solucionar un gran número de problemas
y ejercicios presentes durante toda la carrera e incluso en el campo laboral.
Hoy en día, esta rama, se estudia con mucha más disciplina debido a la
invención de las computadoras de alta velocidad y al aumento general en las
aplicaciones de las matemáticas. En la actualidad el Álgebra Lineal se ha
constituido con una teoría matemática de generalizaciones y nuevos métodos
de análisis, y se ha convertido en una herramienta importantísima en diversos
campos de la industria y la investigación. La ingeniería industrial hoy en día se
encuentra como una de las carreras más solicitadas ya que tiene una amplia
bolsa de trabajo e infinitas opciones de dirección profesional.
 Una vez finalizado el análisis de este tema, los alumnos deben haber
aumentado en gran medida sus capacidades en el ajuste de curvas con datos
por medio de la regresión con mínimos cuadrados. Deben dominar las
distintas técnicas, deben haber aprendido a valorar la confiabilidad de las
respuestas y ser capaces de escoger el mejor método (o métodos) para
cualquier problema. Deben entender la derivación de la regresión lineal con
mínimos cuadrados y ser capaces de valorar la confiabilidad del ajuste usando
gráficas. Deben comprender el uso del ajuste potencial. Deben saber linealizar
datos para llevar a cabo transformaciones y deben entender las situaciones en
donde es apropiado usar regresión polinomial. Por último, deben descubrir que
los métodos referidos a la interpolación lineal se utilizan, fundamentalmente,
cuando se conoce que los datos son muy exactos y deben entonces, asimilar
y dominar todos los conceptos relativos al ajuste de curvas por medio de la
regresión con mínimos cuadrados

17
 Anexos
Ejercicios de transformaciones lineales

Ejercicios de método de mínimo cuadrado

18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45