Algebra Lineal Tec
Algebra Lineal Tec
Algebra Lineal Tec
Primer semestre
DIRECTOR DE LA FCA
Mtro. Tomás Humberto Rubio Pérez
SECRETARIO GENERAL
Dr. Armando Tomé González
––––
COORDINACIÓN GENERAL
Mtra. Gabriela Montero Montiel
Jefa del Centro de Educación a Distancia y
Gestión del Conocimiento
COORDINACIÓN ACADÉMICA
Mtro. Francisco Hernández Mendoza
FCA-UNAM
COORDINACIÓN DE MULTIMEDIOS
L.A. Heber Javier Mendez Grajeda
FCA-UNAM
–––
COAUTORES
Act. Alberto De La Rosa Elizalde
Lic. Juan Carlos Luna Sánchez
Act. Soledad Alicia Rivera Rosales
Mtra. Adriana Rodríguez Domínguez
Mtra. Guadalupe Adriana Sánchez Ramiro
REVISIÓN PEDAGÓGICA
Lic. Chantal Ramírez Pérez
Mayra Lilia Velasco Chacón
CORRECCIÓN DE ESTILO
Mtro. Carlos Rodolfo Rodríguez de Alba
DISEÑO DE PORTADAS
L.CG. Ricardo Alberto Báez Caballero
DISEÑO EDITORIAL
Mtra. Marlene Olga Ramírez Chavero
2 de 180
Primer semestre
.
Dr. Enrique Luis Graue Wiechers Mtro. Tomás Humberto Rubio Pérez
Rector Director
____________________________________________________________
ISBN: En trámite
Plan de estudios 2012, actualizado 2016.
“Prohibida la reproducción total o parcial de por cualquier medio sin la autorización escrita
del titular de los derechos patrimoniales”
“Reservados todos los derechos bajo las normas internacionales. Se le otorga el acceso no exclusivo
y no transferible para leer el texto de esta edición electrónica en la pantalla. Puede ser reproducido
con fines no lucrativos, siempre y cuando no se mutile, se cite la fuente completa y su dirección
electrónica; de otra forma, se requiere la autorización escrita del titular de los derechos patrimoniales.”
Hecho en México
3 de 180
Primer semestre
OBJETIVO GENERAL
Al término del curso el alumno aplicará la teoría del álgebra lineal en el
planteamiento y resolución de modelos matemáticos afines al área informática.
TEMARIO OFICIAL
(64 horas)
Horas
1. Sistemas de ecuaciones lineales 10
2. Espacios vectoriales 8
3. Transformaciones lineales 8
4. Producto interno 10
5. Matrices 8
6. Determinantes 8
7. Prácticas en laboratorio 12
4 de 180
Primer semestre
INTRODUCCIÓN
A LA ASIGNATURA
Las matemáticas constituyen una parte fundamental en la formación académica de
los estudiantes y profesionales de las Ciencias Sociales y más aún para los que se
encuentran en áreas en donde es necesario resolver problemas relacionados con
la producción, la organización, la toma de decisiones, etc. El álgebra lineal es la
rama de las matemáticas que estudia conceptos tales como vectores, matrices,
sistemas de ecuaciones lineales y en un enfoque más formal, espacios vectoriales,
y sus transformaciones lineales. Es un área que tiene
conexiones con muchas áreas dentro y fuera de las
matemáticas como análisis funcional, ecuaciones
diferenciales, investigación de operaciones, gráficas por
computadora, etc. La historia del álgebra lineal se remonta
a los años de 1843 cuando William Rowan Hamilton (de
quien proviene el uso del término vector) creó los cuaterniones; y en
1844 fue cuando Hermann Grassmann publicó su libro Die William Rowan Hamilton
5 de 180
Primer semestre
Hermann Grassmann
ESTRUCTURA CONCEPTUAL
6 de 180
Primer semestre
UNIDAD 1
Sistemas de
ecuaciones lineales
7 de 180
Primer semestre
OBJETIVO PARTICULAR
El alumno identificará los elementos que intervienen en el planteamiento y solución
de ecuaciones lineales.
TEMARIO DETALLADO
(10 horas)
1. Sistemas de ecuaciones lineales
1.1.Concepto
1.2.Ecuaciones lineales
1.3.Vectores, Matrices
1.4.Sistemas de m Ecuaciones con n incógnitas
1.5.Eliminación Gaussiana y Gauss-Jordan
1.6.Sistemas homogéneos
8 de 180
Primer semestre
INTRODUCCIÓN
La importancia del álgebra lineal para las
aplicaciones se ha elevado en proporción
directa al aumento del poder de las
computadoras, cada nueva generación de
equipo y programas de cómputo dispara una
demanda de capacidades aún mayores. Por
lo tanto, la ciencia de las computadoras está
sólidamente ligada al algebra lineal mediante
el crecimiento explosivo de los procesamientos paralelos de datos y los cálculos a
gran escala.
9 de 180
Primer semestre
a) Tener una noción fundamental para definir y conceptualizar qué son
los Sistemas de Ecuaciones Lineales.
10 de 180
Primer semestre
1.1. Concepto
Una gran cantidad de problemas que se presentan en las ciencias naturales, en las
ciencias sociales, así como en ingeniería y en ciencias físicas, tienen que ver con
ecuaciones que relacionan dos conjuntos de variables.
Ejemplos:
4𝑥 = 2𝑦
−3𝑥1 + 9 = 12𝑥2
2𝑥 + 3𝑦 = 5
11 de 180
Primer semestre
1.2. Ecuaciones lineales
De manera análoga
existen muchas
situaciones
De manera análogaen existen
las
cuales
muchas se requiere
situaciones en las
relacionar
cuales más relacionar
se requiere de dos
más de variables
dos variables
independientes
independientes con lascon
cuales
puedelas cuales puede
satisfacer infinidad de
satisfacer
procesos y deinfinidad de
esta manera
procesos
obtener solucióny de esta
a diferentes
maneraenobtener
actividades algún área
solución a diferentes
específica de una empresa.
actividades en algún
área específica de una
empresa.
𝑎1 𝑥1 + 𝑎2 𝑥2 + ⋯ + 𝑎𝑛 𝑥𝑛 = 𝑏
Ejemplo:
5𝑧 + 8𝑤 − 9𝑘 = 12
12 de 180
Primer semestre
Dónde:
𝑥1, 𝑥2 , 𝑥3 𝑦 𝑧, 𝑤, 𝑘
Son las variables de las ecuaciones, las cuales encontramos a través de métodos
algebraicos que estudiaremos más adelante.
13 de 180
Primer semestre
Y en el espacio tridimensional se necesita de una terna ordenada de números (x, y,
z) para poder determinar la posición de un punto en el espacio.
𝑣 = (𝑎1 , 𝑎2 , … , 𝑎𝑛 )
En ella se observa una variable libre, en este caso x, con una variable dependiente
y.
14 de 180
Primer semestre
Los vectores también pueden relacionarse con otros vectores y de esta forma tener
configuraciones denominadas sistemas de ecuaciones, que simultáneamente
requieren ser satisfechos, esto se denota de la siguiente forma:
𝑣 = (𝑎1 , 𝑎2 , … , 𝑎𝑛
𝑢 = (𝑏1 , 𝑏2 , … , 𝑎𝑏𝑛 ) (b)
𝑧 = (𝑚1 , 𝑚2 , … , 𝑚𝑛 )
𝑑1, 𝑑2, ⋯ 𝑑𝑛 𝑥1 𝑣
𝑥 𝑢
[ 𝑒1, 𝑒2, … 𝑒𝑛 ] [ 2 ] = [ ] (c)
… …
𝑝1, 𝑝2, ⋯ 𝑝𝑛 𝑥𝑛 𝑧
𝐴 𝒙 = 𝒚(d)
15 de 180
Primer semestre
Donde A representa a la matriz de coeficientes (d1, d2, …p1...pn) y las letras x, y
representan en ese orden a los vectores independiente y dependiente.
Es importante resaltar las características mxn (renglones-columnas) de una matriz
o vector, ya que a partir de éstas será posible realizar operaciones matemáticas
entre ellos. A diferencia de los números reales, a los que siempre es posible
sumarlos, restarlos o multiplicarlos, en el caso de las operaciones entre matrices o
matriz-vector debe verificarse previamente su compatibilidad.
16 de 180
Primer semestre
Un ejemplo de multiplicación entre una matriz de coeficientes 3x3 y un vector
independiente 3x1, dan como resultado un vector dependiente 3x1, como se
muestra a continuación:
17 de 180
Primer semestre
𝐴𝑥 = 𝑦
2 −3 7 𝑥 8
[5 2 −1] [𝑦] = [−2]
1 −4 3 𝑧 3
3 × 𝟑𝟑 × 13 × 1
AB ≠BA
1) A+B=B+A
2) A+(B+C) =(A+B) +C
3) A(BC)=(AB)C
4) A(B+C) =AB+AC
5) (B+C) A=BA+CA
6) k(A+B) =kA+kB
7) (k+q) A=kA+qA
8) (kq)A=k(qA)
18 de 180
Primer semestre
9) k(AB)=A(kB)
10) En términos generales AB≠BA
0 0 0 1 0
0 0 0 0 1
0 0 0
a b c a 0 0
0 d e b c 0
0 0 f d e f
Las Letras a-d-f forman la diagonal Las letras a-c-f forman la diagonal
principal de la matriz principal de la matriz
19 de 180
Primer semestre
Para toda matriz A existe una matriz –A tal que A+-A=0
2 5 -2 -5 0 0
1 8 -1 -8 0 0
Para toda matriz A existe una única matriz nula tal que A+0=A
2 5 0 0 2 5
1 8 0 0 1 8
⋮ ⋮ ⋮ ⋮ ⋮
Dónde:
𝑎11 , 𝑎12 , 𝑎21 , 𝑎22 … , 𝑎𝑚1 , 𝑎𝑚𝑛 𝑆𝑜𝑛 𝑙𝑜𝑠 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒𝑠 𝑑𝑒 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠.
20 de 180
Primer semestre
𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑚𝑒𝑛𝑡𝑒 𝑒𝑙 𝑟𝑒𝑛𝑔𝑙𝑜𝑛 𝑦 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑒𝑛 𝑒𝑙 𝑞𝑢𝑒 𝑠𝑒 𝑢𝑏𝑖𝑐𝑎𝑛
Determinados:
una sola solución
Compatibles:
si tienen solución
Indeterminados:
Sistemas de
ecuaciones lineales tienen infinidad de
Incompatibles: soluciones
no tienen solución
21 de 180
Primer semestre
1.5. Eliminación Gaussiana
y Gauss-Jordan
⋮ ⋮ ⋮ ⋮ ⋮
Donde 1,2,3, … , 𝑚 son las ecuaciones y 𝑥1 , 𝑥2, … , 𝑥𝑛 son las variables independientes
de las ecuaciones.
22 de 180
Primer semestre
El método Gauss-Jordan
1 0 0
[0 1 0]
0 0 1
3.- Multiplicar un renglón por un número real y luego sumarlo con otro
renglón.
Ejemplo 1:
𝑥2 − 4𝑥𝑎 = 8
23 de 180
Primer semestre
5𝑥1 − 8𝑥2 + 7𝑥𝑎 = 1
Solución: el método requiere incluir en una sola matriz todos los valores numéricos
del sistema de ecuaciones, como se indica en seguida:
0 1 −4 8
[2 −3 2 1]
5 −8 7 1
2 −3 2 1
[0 1 −4 8]
5 −8 7 1
Una vez escogido el pivote se eliminará el término 5 del tercer renglón; esto se logra
multiplicando el primer renglón por (-5/2) y luego se suma con el tercero:
−5
2 −3 2 1
𝑅 +𝑅3
2 1
→ [0 1 −4 8 ]
0 −1/2 2 −3/2
24 de 180
Primer semestre
Es importante notar que el proceso indicado se realiza solamente para afectar el
tercer renglón ya que el renglón uno, como se observa, queda como originalmente
se planteó. Por claridad es común indicar con Ri las operaciones realizadas entre
renglones, pero esta situación no es obligatoria.
Una vez que se hizo cero a los elementos bajo el pivote inicial (2), ahora se toma
como nuevo pivote el valor 1 de la izquierda en el segundo renglón, se multiplica el
renglón dos por (½) y se suma con el renglón tres:
1 2 0 −10 25
𝑅 +𝑅
2 2 3
→ [0 1 −4 8 ]
0 0 0 5/2
25 de 180
Primer semestre
Ejemplo 2:
1 0 2/3 8/3
[0 1 0 2 ]
0 0 1 10
Solución: tomamos como pivote el valor 1 del tercer renglón, entonces a este
renglón lo multiplicamos por (-2/·3) y lo sumamos con el primer renglón:
2 1 0 2/3 8/3 1 0 0 −4
− 𝑅3 +𝑅1
3
→ [0 1 0 2 ] → [0 1 0 2]
0 0 1 10 0 0 1 10
𝑋 = −4, … . . 𝑌 = 2, … . 𝑍 = 10
26 de 180
Primer semestre
El método de Gauss mostrado es un
procedimiento que simplifica y acelera Una liga que se recomienda
notoriamente la obtención de la para practicar y fortalecer los
conocimientos vistos en este
solucione de un sistema de
apartado se encuentra en la Red
ecuaciones, y es además un método Universitaria de Aprendizaje en:
que facilita el desarrollo de algoritmos
http://fcasua.contad.unam.mx/cl
por computadora y, por tanto, es de ases_virtuales/informatica/1168/
amplio uso en la práctica profesional. sesion_02/player.html
⋮ ⋮ ⋮ ⋮ ⋮
𝐴𝑥 = 0
Es importante indicar que todo sistema homogéneo siempre tiene la solución trivial,
x=0 como se indica a continuación:
27 de 180
Primer semestre
𝑥1 = 𝑥2 = 𝑥3 … = 𝑥𝑛 = 0𝑋 = −4, … . . 𝑌 = 2, … . 𝑍 = 10
𝑥 + 2𝑦 + 3𝑧 = 0
−𝑥 + 3𝑦 + 2𝑧 = 0
2𝑥 + 𝑦 − 2𝑧 = 0
1 2 3 0
[−1 3 2 0]
2 1 −2 0
a) 𝑅1 + 𝑅2
b) −2R1 + 𝑅3
1
c) 𝑅2
5
d) 3 𝑅2 + 𝑅3
1
e) 𝑅3
5
28 de 180
Primer semestre
1 2 3 0
a)[0 5 5 0]
0 −3 −8 0
1 2 3 0
𝑏), 𝑐) [0 1 1 0]
0 −3 −8 0
1 0 1 0
𝑑) [0 1 1 0]
0 0 −5 0
1 0 0 0
𝑒) [0 1 1 0]
0 0 1 0
1 0 0 0 𝑥=0
[0 1 0 0] 𝑦 = 0
0 0 1 0 𝑧=0
𝑥=𝑦=𝑧=0
29 de 180
Primer semestre
El Método de Gauss Jordán es uno de los métodos más
versátiles del algebra lineal, ya que tiene diversas
aplicaciones directas en los sistemas de ecuaciones
lineales, en inversión de matrices, evaluación de
determinantes e independencia lineal. Así mismo es uno
de los métodos que mejor se adapta a ser aplicado por
métodos computacionales, razón por la cual es de sumo
interés en nuestro campo de acción: la informática.
30 de 180
Primer semestre
RESUMEN
Hoy en día existen muchas situaciones en las cuales se requiere calcular valores
para diferentes incógnitas que conforman los “Sistemas de Ecuaciones Lineales” a
fin de que satisfagan al sistema. Los Sistemas de Ecuaciones Lineales son
generados de acuerdo con las condiciones en que se dan las variables
experimentales de un problema o proceso en
estudio. Para la obtención de estos
valores existen diversas metodologías,
como el método de Gauss-Jordan
mostrado, que permiten resolver el sistema
propuesto y en esta variedad de recursos
es donde tiene su mayor importancia el
“álgebra lineal”.
31 de 180
Primer semestre
BIBLIOGRAFÍA
FUENTES DE CONSULTA
Kolman, Bernard y Hill, David R. (2006). Álgebra lineal (Octava Edición). México:
Pearson Prentice Hall, 648 pp.
Poole, David (2004). Álgebra lineal: Una introducción moderna. México: Thomson,
763pp.
Sitios electrónicos
Red Universitaria de
Aprendizaje. Clase virtual
Matemáticas I, tema Sistema
http://fcasua.contad.unam.mx/clases_virtuales/informati
ca/1168/sesion_02/player.html
de ecuaciones lineales, sesión
02: Sistemas de m ecuaciones
con n incógnitas. Eliminación
Gaussiana y Gauss-Jordan.
Plataforma de aprendizaje en
https://www.vitutor.com/algebralineal.html línea con contenidos de
álgebra lineal
32 de 180
Primer semestre
UNIDAD 2
Espacios vectoriales
33 de 180
Primer semestre
OBJETIVO PARTICULAR
El alumno identificará los elementos y propiedades de los espacios vectoriales.
TEMARIO DETALLADO
(8 horas)
2. Espacios vectoriales
2.1. Definición y propiedades básicas
2.2. Subespacios2
2.3. Bases ortonormales y proyecciones en “R2”
34 de 180
Primer semestre
INTRODUCCIÓN
En diversas ramas de la ingeniería y de las ciencias es común encontrar problemas
en los que se relacionan factores que entre sí tienen una completa representación
física y geométrica. Tal es el caso de un punto dentro de un horno en un proceso
industrial y en el que por medio de relacionar las variables de altura, profundidad,
anchura y temperatura se puede definir vectorialmente la condición de cada punto
en su interior. Sin embargo, en el planteamiento de diversos problemas de la
administración, la contabilidad y la informática, cuando se requiere relacionar los
factores que conforman un problema dado, no siempre es posible obtener un
escenario físico o geométrico equivalente. La situación anterior fue un entorno
común en diversas disciplinas de las ciencias sociales y administrativas, hasta que
se pudo establecer una relación matemática de equivalencia entre lo que es un
espacio de variables físicas y un espacio de variables conceptuales, a través de los
conceptos de vector y espacio vectorial.
35 de 180
Primer semestre
2.1. Definición y propiedades
básicas
En el campo de las matemáticas el concepto de vector, como vimos en la unidad 1,
se refiere a un conjunto ordenado de números que se representan por medio de una
n-tupla (a1, a2..., an) dada; así mismo al conjunto de todas las posibles n-tuplas
ordenadas se le denomina espacio cartesiano de n dimensiones y se representa por
Rn. En el caso de n=2 se llama plano o superficie cartesiana y para n=3 se tiene un
espacio como en el que nos desenvolvemos los humanos; para ambos casos, de
manera correspondiente, a las n-tuplas se les nomina par ordenado de números y
terna ordenada de números.
36 de 180
Primer semestre
𝑣 + 𝑤 = 𝑣1 , 𝑣2 , … , 𝑣𝑛 + 𝑤1 , 𝑤2 , … , 𝑤𝑛
= (𝑣1 + 𝑤1 , 𝑣2 + 𝑤2 , … , 𝑣𝑛 + 𝑤𝑛 )
37 de 180
Primer semestre
Es importante resaltar que las propiedades listadas son puramente matemáticas,
pero solamente a través de la verificación del cumplimiento de todas ellas, será
posible aplicar en nuestros problemas reales de estudio las herramientas del
álgebra lineal, que serán revisadas en capítulos posteriores, de ahí la relevancia de
definirlas.
38 de 180
Primer semestre
2.2. Subespacios
Subespacio vectorial
39 de 180
Primer semestre
Ejemplo:
Considere el conjunto de todos los vectores G del plano cartesiano𝑅 2 , tal que todo
vector 𝑣 = (𝑥, 𝑦) cumple que el signo del elemento x es igual al signo del elemento
y.
La parte más sencilla de verificar es la del inciso ii) ya que 𝑘𝑣 = (𝑘𝑥, 𝑘𝑦)
Al sumarlos obtendremos:
De este resultado observamos que el signo de “x” es diferente al de “y”, por lo que
G no es un subespacio vectorial bajo la suma de vectores.
40 de 180
Primer semestre
Es conveniente remarcar que todo espacio vectorial V tiene por lo menos
dos subespacios vectoriales de manera ineludible, éstos son el mismo
espacio vectorial V, ya que por las propiedades lógicas de los conjuntos
todo conjunto es un subconjunto de sí mismo; en tanto que el segundo
subespacio vectorial está dado por G= {0}, también conocido como
subespacio trivial. Estos dos subespacios cumplen con las propiedades de
dimensión enunciadas por la ecuación (a) en la página 54 del capítulo 3 de
estos apuntes.
41 de 180
Primer semestre
2.3. Bases ortonormales y
proyecciones en “R2”
En el ámbito de los vectores es interesante notar a partir de la propiedad i) (inciso
2.1) de los espacios vectoriales, que todo vector u del espacio vectorial Rn puede
ser expresado por la suma de otros vectores del mismo espacio estudiado. Este
hecho se ilustra en la siguiente figura, en un espacio R2.
𝑢2 = 𝑠 2 + 𝑡 2 − 2 𝑠𝑡 cos 𝜃 (a)
Esta expresión es también conocida como ley de los cosenos o generalización del
teorema de Pitágoras y es una ecuación de uso general, sin embargo, para su
aplicación se requiere saber tanto las características propias de los vectores s,t,
así como el ángulo θ que estos forman y su evaluación en la función coseno.
42 de 180
Primer semestre
Dada esta posibilidad de poder expresar todo vector u como la suma de
cualesquiera vectores, entonces sería conveniente poder escoger aquellos vectores
que faciliten la realización de las operaciones numéricas relacionadas a la obtención
de éste. Si observamos la expresión (a) podemos notar que entonces sería
deseable que el término (-2(st)(cosΘ)) se anulara y de esta forma solo requeriríamos
conocer las características básicas de los vectores s,t reduciendo de esta manera
la necesidad de información y de operaciones necesarias para poder determinar el
vector u. Esto es posible si consideramos la opción de que los vectores s,t sean
𝜋
perpendiculares (θ = 2 , (cos 𝜋/2) = 0)entre sí y de esta forma poder obtener el
43 de 180
Primer semestre
𝑢2 = 𝑠´2 + 𝑡´2
𝑢 = 𝑠´ + 𝑡´(b)
𝑢 ∙ 𝑠 = 𝑠´ ∙ 𝑠 + 𝑡 ′ ∙ 𝑠 = 𝑘𝑠 ∙ 𝑠 + 0 = 𝑘 ǁ𝑠ǁ2 (c)
44 de 180
Primer semestre
Recordando que como s y t´ son perpendiculares, de la sección 4.2 sabemos que
𝑡 ′ ∙ 𝑠 = 0 ydespejando 𝑘 de (c):
𝑢∙𝑠
𝑘= (𝑑)
ǁ𝑠ǁ2
De la ecuación (d) debemos notar que k es un valor escalar ya que tanto el producto
2
punto (𝒖 ∙ 𝒔) como la norma al cuadrado de s(ǁ𝑠ǁ )son valores escalares (ver
sección 4.2) y, por tanto, su cociente es un valor escalar, tal como se propuso
originalmente.
𝑢∙𝑠
𝑠´ = 𝑠 (e)
ǁ𝑠ǁ2
𝒖 = 𝒔′ + 𝒕′ (b)
𝒖∙𝒔
𝒕′ = 𝒖 − 𝒔′ = 𝒖 − 2
𝒔
𝒖∙𝒔 ǁ𝒔ǁ
𝒕′ = 𝒖 − 𝒔 (𝑓)
ǁ𝒔ǁ2
Las expresiones (e) y (f) nos permiten que, dados dos vectores 𝒖 y s en 𝑅 𝑛 ,
descomponer a u en dos vectores de proyección 𝑠 ′ ,𝑡 ′ , ortogonales
(perpendiculares) entre sí.
45 de 180
Primer semestre
Dados dos vectores U y S es posible descomponer a U como la suma de dos
vectores ortogonales S’ y t’ haciendo que:
𝑢∙𝑠
𝑠′ = 𝑠
ǁ𝑠ǁ2 𝑢 ∙ 𝑠
𝑡′ = 𝑢 = 𝑠
ǁ𝑠ǁ2
46 de 180
Primer semestre
De la expresión (e) tenemos que:
𝑢∙𝑠
𝑠′ = 𝑠
ǁ𝑠ǁ2
1)
2)
𝑢∙𝑠 11 2 1 22 11
2
𝑠= 2,1 = 11 × , 11 × = , = 4.4,2.2 = 𝑠 ′
ǁ𝑠ǁ 5 5 5 5 5
𝒖∙𝒔
𝒕′ = 𝒖 − 𝒔 = 4,3 − 4.4,2.2 = 4 − 4.4,3 − 2.2 = (−0.4,0.8)
ǁ𝒔ǁ2
Resumiendo,
𝑠 ′ = 4.4, 2.2
𝒕′ = (−0.4, 0.8)
Comprobando que s´y t´ son ortogonales por medio del producto punto:
47 de 180
Primer semestre
𝑡 ∙ 𝑠 ′ = −0.4,0.8 ∙ 4.4,2.2 = −0.4 × 4.4 + 2.2 × 0.8
= −1.76 + 1.76 = 0
De esta forma se comprueba que t´, s son ortogonales entre sí, además se
cumple que:
En esta sección obtuvimos los elementos para que dados dos vectores en Rn se
obtenga un par de vectores ortogonales a uno de ellos; este procedimiento es
conocido como proyección ortogonal de vectores y es suficiente para obtener una
base ortogonal de vectores en un plano cartesiano (R2), sin embargo, para obtener
una base similar de vectores para espacios de mayores dimensiones (Rn) es
necesario establecer una generalización del procedimiento aquí aplicado, esta
generalización se abordará en el capítulo 4 de estos apuntes.
48 de 180
Primer semestre
El producto punto (ver sección 4.2) para cualesquiera dos vectores 𝒘𝒊, 𝒘𝒋 de H es
igual a cero:
𝒘𝒊 · 𝒘𝒋 = 𝟎
49 de 180
Primer semestre
Una liga que se recomienda para practicar y fortalecer los conocimientos
vistos en este apartado se encuentra en la Red Universitaria de Aprendizaje
en:
http://fcasua.contad.unam.mx/clases_virtuales/informatica/1168/sesion_10/pl
ayer.html
50 de 180
Primer semestre
RESUMEN
La potencia de análisis que proporciona el álgebra lineal es un recurso que no debe
ser desaprovechado por las disciplinas de nuestro campo de estudio, sin embargo,
antes de poder aplicar sus métodos es necesario determinar para nuestros
problemas las características vectoriales de sus entornos y su espacio de acción
(esto es, el espacio vectorial); asimismo, poder operar con conjuntos reducidos o
muestras de estos escenarios (subespacios vectoriales),ya que en ocasiones están
constituidos por una gran cantidad de elementos y casos, para finalmente establecer
las bases de análisis (bases ortonormales) que nos permitirán modelar, resolver y
analizar matemáticamente de una forma más rápida, fácil y sólida los diversos
problemas que abordaremos en la práctica profesional.
51 de 180
Primer semestre
BIBLIOGRAFÍA
FUENTES DE CONSULTA
Sitios electrónicos
Red Universitaria de
Aprendizaje. Clase virtual
http://fcasua.contad.unam.mx/clases_virtuales/informati
ca/1168/sesion_10/player.html
Matemáticas I, tema II
Espacios vectoriales, sesión
10: Combinaciones lineales.
52 de 180
Primer semestre
UNIDAD 3
Transformaciones lineales
53 de 180
Primer semestre
OBJETIVO PARTICULAR
El alumno comprenderá la representación matricial de las transformaciones lineales.
TEMARIO DETALLADO
(8 horas)
3. Transformación lineal
3.1. Definición y ejemplos
3.2. Imagen y Kernel
3.3. Representación matricial de una transformación lineal
3.4. Isomorfismos
54 de 180
Primer semestre
INTRODUCCIÓN
En la vida actual es muy importante resolver problemas utilizando las matemáticas.
55 de 180
Primer semestre
3.1. Definición y ejemplos
A continuación, se tiene la simbología que se utilizará en este capítulo:
Transformación lineal
56 de 180
Primer semestre
a) T( u+v ) =T(u)+T(v) cualesquiera vectores u y v en V.
Ejemplo
Consideremos la función
Sí se tiene que:
Ejemplo:
57 de 180
Primer semestre
Sea 𝑇: 𝑅 3 → 𝑅 2 :considere la transformación de un punto en el espacio a una
proyección en el plano dada por la regla de asignación:
𝑇 𝑥, 𝑦, 𝑧 = (𝑧, 2𝑧)
𝑇(𝑥, 𝑦, 𝑧) = (𝑧, 2𝑧), entonces, dado el vector (2, 1,4), su transformación sería:
(2,1,4) = (4,8)
Para esto recuerda que una transformación es lineal si cumple las siguientes
condiciones:
i.
𝑇 𝑣1 + 𝑣2 ii.
= 𝑇 𝑣1 + 𝑇(𝑣2) T 𝛼𝑣1 = 𝛼𝑇(𝑣1)
2𝑥 2 + 𝑦 2 − 12𝑥 − 4𝑦 + 18 = 0 (a)
58 de 180
Primer semestre
La ecuación a simple vista se observa confusa, ya que escrita de esta forma no nos
permite identificar de forma directa sus características geométricas.
2(𝑥 2 − 6𝑥 + 9) + (𝑦 2 − 4𝑦 + 4) = −18 + 18 + 4
2𝑥 2 + 𝑦 2 − 12𝑥 − 4𝑦 + 18 = 0 (a)
Dividiendo entre 4:
59 de 180
Primer semestre
(𝑥 − 3)2 (𝑦 − 2)2
+ =1
2 4
𝑥12 𝑦12
+ = 1 (b)
2 4
60 de 180
Primer semestre
Las gráficas de las ecuaciones (a) y (b), (a) en rojo, se muestran en la siguiente
figura:
𝑇 𝑥, 𝑦 = (𝑥 − 3, 𝑦 − 2)
61 de 180
Primer semestre
Otras propiedades de las transformaciones lineales son:
62 de 180
Primer semestre
3.2. Imagen y Kernel
Consideremos, en primer lugar, la transformación de 𝑅 3 en 𝑅 2 , definida por:
63 de 180
Primer semestre
Ejemplo. Considere la transformación indicada por la relación:
𝑇 𝑥, 𝑦, 𝑧 = (𝑥, 𝑦, 0)
Las imágenes de T estarán dadas por los vectores v= (a, b, 0), es decir, con el tercer
componente vectorial nulo, con cualesquiera valores ay b pertenecientes a los
números reales.
En tanto el Kernel (los vectores que mapean al vector cero(0,0,0)), en este caso
serán todos los vectores de la forma 𝒗 = (0,0, 𝑧) ya que 𝑇(0,0, 𝑧) = (0,0,0)
Imagen es el conjunto de vectores {(a, b, 0), para las dos variables independientes
“x”, “y” pertenecientes a los números reales)}
64 de 180
Primer semestre
En una transformación Lineal T (V) ->W, La relación entre las dimensiones
de los espacios V, la imagen de la transformación & el núcleo de ésta se
determina por la ecuación:
Para aclarar este concepto consideremos la transformación T:𝑅3 ->𝑅2 definida por:
𝑻 𝒙, 𝒚, 𝒛 = (𝒙 + 𝟐𝒚, 𝟑𝒙 − 𝒛)
65 de 180
Primer semestre
Tratemos de encontrar una matriz
A tal que el producto de ésta por
cualquier vector (ver capítulo 5) del
dominio nos proporcione la imagen
de dicho vector bajo la
transformación T, es decir, una
matriz A que cumpla,
𝑨𝒗 = 𝑻(𝒗)
(3 × 1, (𝑥, 𝑦, 𝑧)) una matriz A de orden 2x3, ya que el producto Av tendrá como
resultado un vector de orden 2x1, esto es:
Y satisface la igualdad
𝑥
𝑎11 𝑎12 𝑎13 𝑦 𝑥 + 2𝑦
[ ][ ] = [ ]
𝑎21 𝑎22 𝑎23 𝑧 3𝑥 − 𝑧
66 de 180
Primer semestre
𝑎11 𝑥 + 𝑎12 𝑦 + 𝑎13 𝑧 = 𝑥 + 2𝑦 y 𝑎21 𝑥 + 𝑎22 𝑦 + 𝑎23 𝑧
= 3𝑥 − 𝑧
67 de 180
Primer semestre
Resumiendo:
1 2 0
𝐴=[ ]
3 0 −1
Una vez calculada nuestra matriz asociada, estudiemos las imágenes del conjunto
de vectores 𝑅3 que son su base canónica (secuencialmente solo un elemento de
cada n-tupla es igual a 1 y los demás valores son iguales a cero) para𝑅 3 , tenemos:
𝑇 1,0,0 = 1,3
𝑇 0,1,0 = 2,0
𝑇 0,0,1 = (0, −1)
Observando con cuidado lo anterior notaremos que estos elementos no son más
que los vectores columna que integran la matriz A asociada a T:
1 2 0
𝐴=[ ]
3 0 −1
68 de 180
Primer semestre
Por lo cual, podemos afirmar que, para obtener la matriz asociada a una
transformación lineal, basta con calcular las imágenes de los vectores que integran
la base canónica del dominio.
Para obtener la matriz asociada a una transformación lineal basta con calcular
las imágenes de los vectores que integran la base canónica del domino.
Ejemplo 1:
Una casa editora publica un libro en tres ediciones diferentes: cubierta dura, cubierta
blanda y cubierta de lujo. Cada libro requiere cierta cantidad de papel y de material
para la cubierta. Los requisitos están dados en gramos por la siguiente tabla:
𝑥1
𝑥 = (𝑥2 )
𝑥3
69 de 180
Primer semestre
Sea que 𝒙 represente el vector producción, donde (𝑥1 , 𝑥2 , 𝑥3 ) representan el número
de libros con cubierta dura, cubierta blanda y cubierta de lujo respectivamente, que
se publican. La transformación lineal 𝑇: 𝑅 3 → 𝑅 2 definida por 𝑇(𝑥) = 𝐴(𝑥)nos da el
Entonces,
1000 1000
300 500 800
𝑥 = ( 700 ) entonces, 𝑇(𝑥) = 𝐴(𝑥) = ( ) ∙ ( 700 )
40 50 60
200 200
810,000
=( )
87,000
Por lo que se requiere 810,000 gramos en papel y 87,000 gramos en material para
la cubierta.
Ejemplo 2.
70 de 180
Primer semestre
Verificando las condiciones matemáticas de la transformación lineal propuesta
observamos que
𝑻(𝟎, 𝟎) = (𝟎, 𝟎 + 𝟎) = (𝟎, 𝟎)
Y tomando los vectores 𝒗𝟏 = (𝟎, 𝟎) y𝒗𝟐 = (𝟏, 𝟎) tendremos
𝑻(𝒗𝟏 + 𝒗𝟐 ) = 𝑻((𝟎, 𝟎) + (𝟏, 𝟎)) = 𝑻(𝟏, 𝟎) = 𝑻(𝟏, 𝟎 + 𝟏) = (𝟏, 𝟏)
Aplicando por separado,
𝑻(𝒗𝟏 ) + 𝑻(𝒗𝟐 ) = (𝟎, 𝟎 + 𝟎) + (𝟏, 𝟎 + 𝟏) = (𝟎, 𝟎) + (𝟏, 𝟏) = (𝟏, 𝟏)
71 de 180
Primer semestre
Por lo que la transformación propuesta es una transformación lineal, según lo
indicado en los incisos i) e ii) de la página 36.
Este ejemplo nos permite ver cómo a través de una transformación lineal es posible
realizar modificaciones en imágenes. En programas de edición de imágenes
podemos aplicar “filtros” que generen efectos de perspectiva, distorsión, rotación,
ampliación o reducción de la imagen y en un momento dado poder ir de uno a otro
efecto sin que esto ocasione una irreversibilidad en los procesos.
72 de 180
Primer semestre
Para introducirnos en el estudio de los isomorfismos debemos tener claras algunas
definiciones que se presentan a continuación.
Definición:
Se dice que la transformación lineal 𝑇: 𝑉 → 𝑊 es un isomorfismo si T es biyectiva
sobre los espacios vectoriales V y W, además cumple que (Lipschutz, 1982:169):
Resumiendo:
73 de 180
Primer semestre
Sea 𝑇: 𝑉 → 𝑊 una transformación lineal, se dice que 𝑇 es uno a uno
(notación 1 - 1) si ocurre:𝑇𝑣1 = 𝑇𝑣2 → 𝑣1 = 𝑣2
Ejemplo:
𝑎
𝑇 (𝑏) = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2
𝑐
74 de 180
Primer semestre
RESUMEN
En diversas ramas de las matemáticas, la física y
las distintas ciencias sociales se utilizan con
frecuencia modelos que emplean en su estructura
funciones vectoriales de variable vectorial; es
decir, funciones de la forma 𝒘 = 𝑓(𝒗); donde
𝒘y𝒗son “vectores”. A tales funciones se denomina
usualmente “transformaciones”.
75 de 180
Primer semestre
BIBLIOGRAFÍA
FUENTES DE CONSULTA
Kolman, Bernard y David Hill (2006). Algebra lineal (Octava Edición). México:
Pearson. Prentice Hall, 648pp.
Poole, David (2004). Algebra lineal. Una introducción moderna. México: Thomson,
763 pp.
Lipschutz, Martin, M. (1982). Procesamiento de datos. México: Mc. Graw Hill, 218
pp.
Sitios electrónicos
http://www.nibcode.com/es/blog/14/algebra-lineal-y-el-
Nibcode Solutions blog. El
procesamiento-digital-de-imagenes-parte-III- álgebra lineal y el
transformaciones-afines procesamiento digital de
imágenes. Parte III.
76 de 180
Primer semestre
Transformaciones afines.
Red Universitaria de
Aprendizaje. Clase virtual
http://fcasua.contad.unam.mx/clases_virtuales/informati Matemáticas I, tema III
ca/1168/sesion_02/player.html Transformaciones lineales,
sesión 14: Conceptos y
ejemplos.
77 de 180
Primer semestre
UNIDAD 4
Producto interno
78 de 180
Primer semestre
OBJETIVO PARTICULAR
El alumno conocerá las diferentes aplicaciones del producto interno.
TEMARIO DETALLADO
(8 horas)
4. Producto interno
4.1. Ortogonalidad
4.2. Aplicaciones del producto interno
79 de 180
Primer semestre
INTRODUCCIÓN
En la actualidad, el planteamiento de problemas complejos de las áreas
económicas, administrativas y de la informática comprende navegar en entornos
conceptuales del álgebra lineal, en particular dentro de los espacios vectoriales.
80 de 180
Primer semestre
4.1. Ortogonalidad
El concepto de ortogonalidad, tal como se observó en la discusión de producto
interno abordada en esta unidad, es la situación en la cual dos vectores a y b son
perpendiculares (ortogonales) entre sí. Una de las propiedades de que un grupo de
vectores sean ortogonales entres sí es el hecho de que en esas condiciones pueden
ser una base de un espacio vectorial V dado. Esta afirmación puede ser compleja
de aceptar sin antes abordar la idea de independencia lineal y su significado. Para
aclararlo proponemos un ejemplo, este considera que para un espacio de dos
dimensiones (un plano, una hoja de papel) y que denotamos R2, se cuenta con dos
vectores 𝑎 = (𝑥, 𝑦), 𝑏 = (𝑢, 𝑣) y mostraremos que es posible representar a través de
una combinación lineal de 𝒂 y 𝒃 cualquier otro vector, digamos 𝒄 = (𝑚, 𝑛), dentro
del espacio vectorial V propuesto.
𝒄 = 𝑘1 𝒂 + 𝑘2 𝒃 (1)
(Lo que significa que el vector𝑐 es resultado de sumar los vectores 𝒂 y 𝒃multiplicados
independientemente por dos escalares𝑘1 y𝑘2 .)
81 de 180
Primer semestre
Sustituyendo 𝒂, 𝒃 y 𝒄 tenemos:
𝑚, 𝑛 = 𝑘1 𝑥, 𝑦 + 𝑘2 (𝑢, 𝑣)
𝑚 = 𝑘1 𝑥 + 𝑘2 𝑢
𝑛 = 𝑘1 𝑦 + 𝑘2 𝑣
Si el sistema tiene solución nos indica que efectivamente hay una representación
posible de c a partir de 𝒂 y 𝒃 por medio de los valores 𝑘1 y𝑘2 y estos valores serán
la solución del sistema de ecuaciones propuesto; esto se muestra a continuación:
𝑞1 + 0 = 𝑚
0 + 𝑞2 = 𝑛
En caso contrario (no tener solución) se asumiría que al aplicar el método de Gauss
el sistema de ecuaciones quedó reducido a la forma:
𝑞1 + 0 = 𝑚
82 de 180
Primer semestre
0 + 0𝑞2 = 𝑛
Este último resultado muestra que no hay solución posible después de haber
realizado las operaciones indicadas por el método de Gauss, ya que no hay un
número q2 que al multiplicarse por cero proporcione como resultado n.
2 = 𝑘1 + 𝑘2 0
3 = 𝑘1 0 + 𝑘2
83 de 180
Primer semestre
Caso 2. Para éste consideremos que 𝒂 = (1,0) y 𝒃 = (2,0) y trataremos de obtener
el mismo vector 𝒄 = (2,3), diciendo que esto es posible a través de dos constantes
𝑘1 y 𝑘2 dadas. Del mismo sistema de ecuaciones (1):
O lo que es lo mismo:
𝑘1 + 2𝑘2 = 2
0 + 0𝑘2 = 3
La segunda ecuación claramente nos muestra que este sistema no tiene solución,
ya que no existe un número 𝑘2 que multiplicado por cero nos de tres, y por tanto en
𝒃 = 2𝒂 = 2 1,0 = (2,0)
84 de 180
Primer semestre
Bajo la óptica de los casos revisados es posible en este momento introducir el
concepto matemático de independencia lineal, que para un grupo de vectores
𝒂, 𝒃, … 𝒛, está dada por la siguiente ecuación:
𝑘1 𝒂 + 𝑘2 𝒃 + ⋯ + 𝑘𝑛 𝒛 = 0 (2)
85 de 180
Primer semestre
Se dice que un conjunto de vectores es linealmente
independiente sí y solo sí ningún vector del conjunto
a, b, …z puede ser obtenido como una combinación
lineal de los vectores restantes.
Un resultado de interés a partir del concepto anterior tiene que ver con los conceptos
de base y dimensión de un espacio vectorial.
86 de 180
Primer semestre
el número máximo de vectores linealmente independientes dentro de cada conjunto
𝐺𝑖 siempre será el mismo y estará determinado por dim.
Para aclarar esta idea podemos recordar el caso uno revisado, y remarcaremos el
hecho de que los 2 vectores 𝒂 y 𝒃 propuestos, y que son linealmente
independientes, conformarían una base 𝐺del espacio de dos dimensiones 𝑅 2 (2
vectores linealmente independientes para 2 dimensiones).
87 de 180
Primer semestre
Se dice que un conjunto de vectores H= {U1, U2, … Un} es ortonormal si todos
ellos son perpendiculares entre si y además todos y cada uno tienen norma (ver
sección 4.2) o longitud igual a uno.
PROCESO DE GRAM-SCHMIDT
Esta es una metodología que utiliza varios de los conceptos vistos en esta unidad y
permite calcular un conjunto ortonormal H de vectores que forman una base de un
espacio vectorial V y a partir de los cuales es más conveniente realizar cálculos
acerca de otro conjunto de vectores de nuestro interés. Es conveniente indicar que
este proceso puede ser visto como una generalización a Rn del procedimiento
revisado en la sección 2.3 de estos apuntes.
1) 𝑢1 = ‖𝑣𝑣11 ‖
2) 𝑢2 = ‖𝑣𝑣22−(𝑣
−(𝑣2∙𝑢1)𝑢1
2 ∙𝑢1 )𝑢1 ‖
3)…
n)
𝑣𝑛 − (𝑣𝑛 ∙ 𝑢1 )𝑢1 − (𝑣𝑛 ∙ 𝑢2 )𝑢2 − ⋯ (𝑣𝑛 ∙ 𝑢𝑛−1 )𝑢𝑛−1
𝑢𝑛 =
‖𝑣𝑛 − (𝑣𝑛 ∙ 𝑢1 )𝑢1 − (𝑣𝑛 ∙ 𝑢2 )𝑢2 − ⋯ (𝑣𝑛 ∙ 𝑢𝑛−1 )𝑢𝑛−1 ‖
88 de 180
Primer semestre
Donde el conjunto 𝐻, como ya se indicó, es una base ortonormal que también
genera a 𝑉.
Del algoritmo indicado es importante resaltar que los productos internos𝑣𝑖 ∙ 𝑢𝑖 , las
normas (‖𝑣𝑖 ‖) y distancias indicadas son valores numéricos, y afectan de manera
escalar a los componentes de los vectores indicados en la recurrencia del método.
Adicionalmente, es importante notar que este es un proceso secuencial en dónde
para obtener el vector𝒎 es necesario haber obtenido todos los vectores anteriores.
Por ejemplo, para obtener el vector ortonormal 𝑢4 de un conjunto 𝐻 es indispensable
haber obtenido antes los vectores 𝑢1 , 𝑢2 y𝑢3 .
Ejemplo.
Considere al conjunto 𝐺 = {(1,0), (0,3)}que es una base del espacio 𝑅 2 . Por medio
del proceso de Gram-Schmidt encuentre un conjunto ortonormal 𝐻.
Desarrollo.
1)
𝒗𝟏 (𝟏, 𝟎) (𝟏, 𝟎) (𝟏, 𝟎)
𝒖𝟏 = = = = = (𝟏, 𝟎)
‖𝒗𝟏 ‖ √(𝟏, 𝟎)(𝟏, 𝟎) √(𝟏𝟐 + 𝟎𝟐 ) √𝟏
2)
𝑣2 − (𝑣2 𝑢1 )𝑢1 (0,3) − ((0,3) ∙ (1,0))(0,3) (0,3) − (0,0)
𝑢2 = = =
‖𝑣2 − (𝑣2 𝑢1 )𝑢1 ‖ ‖((0,3) − ((0,3) · (1,0))(0,3)‖ √02 + 32
(0,3) (0,3)
= = = (0,1)
√(9) 3
89 de 180
Primer semestre
𝐻= 1,0 , (0,1)
90 de 180
Primer semestre
4.2. Producto interno y sus
aplicaciones
Producto interno de dos vectores
𝒂∙𝒃
Para que el producto interno sea una función válida desde el punto de vista
matemático debe de cumplir las siguientes condiciones:
1) 𝒂 ∙ 𝒃 = 𝒃 ∙ 𝒂
2) (𝒂 + 𝒃) ∙ 𝒄 = (𝒂 ∙ 𝒄) + (𝒃 ∙ 𝒄)
3) 𝑘𝒂 ∙ 𝒃 = 𝑘(𝒂 ∙ 𝒃)
4) 𝒂 ∙ 𝒂 ≥ 0
𝒂 ∙ 𝒂 = 0 sí y sólo sí 𝒂 = 𝟎
91 de 180
Primer semestre
𝑎1
𝒂 = (𝑎2)
𝒂 ∙ 𝒃 = 𝑎1 𝑏1 + 𝑎2 𝑏2 + 𝑎3 𝑏3 𝑎3
𝑏1
𝒃 = (𝑏2)
𝑏3
Desde la notación del álgebra lineal, ver unidad de matrices, el producto interno
también puede ser fácilmente visualizado como el producto de un vector renglón y
un vector columna (ver unidad 5) como se muestra en el siguiente ejemplo.
Ejemplo:
92 de 180
Primer semestre
1
𝒅= 2
𝒄∙𝒅= 1 1 +2 2 +4 1 = 1+4+4=9
3
𝒄 = 1,2,4
𝑎 = (𝑎 ∙ 𝑎 = (𝑥 2+ 𝑦 2 + 𝑧 2 )
𝑎 = (𝑎 ∙ 𝑎) = (𝑎2+ 𝑏 2 + ⋯ + 𝑧 2 )
93 de 180
Primer semestre
Para consolidar la observación del concepto de norma consideremos un vector 𝒂 en
𝑅 2 ,𝒂 = (𝑥, 𝑦), ahora será más fácil visualizar las afirmaciones previas al recordar el
teorema de Pitágoras:
𝒂 = (𝒙𝟐 + 𝒚𝟐 )
𝑑 𝒂, 𝒃 = 𝒂 − 𝒃
94 de 180
Primer semestre
𝒃 − 𝒂 = (𝑢 − 𝑥, 𝑣 − 𝑦)
y su distancia:
Debe tenerse en cuenta que la distancia, al provenir del concepto de norma y ésta,
a su vez, del producto interno, son funciones que generan valores escalares;
asimismo, como cualquier función de un espacio vectorial, es aplicable a espacios
de n dimensiones (Rn).
95 de 180
Primer semestre
norma para dos vectores 𝒂 y 𝒃 en 𝑅 𝑛 se tiene una importante conclusión (Howard,
1983:186), dada por la relación:
𝒂∙𝒃
cos 𝜃 =
𝒂 𝒃
96 de 180
Primer semestre
Si dos vectores a y b son
perpendiculares (ortogonales) Una liga que se recomienda para
entre sí, entonces su producto practicar y fortalecer los
interno será igual a cero conocimientos vistos en este
a●b=0
apartado se encuentra en la Red
Universitaria de Aprendizaje en:
http://fcasua.contad.unam.mx/clas
es_virtuales/informatica/1168/sesi
on_19/player.html
97 de 180
Primer semestre
RESUMEN
Dentro de los espacios vectoriales es posible definir un conjunto de funciones que
nos permiten obtener información acerca de la métrica de los vectores y su
interrelación geométrica. Estas funciones son el producto interno, la norma y la
distancia y a partir de ellas es posible establecer algoritmos para obtener bases
ortonormales de un espacio vectorial de interés, a través de las cuales podemos
facilitar y acelerar el desarrollo de cálculos y análisis sobre conjuntos de vectores
asociados a nuestros problemas profesionales.
98 de 180
Primer semestre
BIBLIOGRAFÍA
FUENTES DE CONSULTA
Kolman, Bernard y Hill, David R. (2006). Algebra lineal (Octava Edición). México:
Pearson Prentice Hall, 648 pp.
Lay, David (2004). Algebra Lineal y sus aplicaciones (3ª. Ed.). México: Pearson,
492 pp.
Poole, David (2004). Álgebra lineal: Una introducción moderna. México: Thomson,
763 pp.
Sitios electrónicos
Red Universitaria de
Aprendizaje. Clase virtual
http://fcasua.contad.unam.mx/clases_virtuales/informati
ca/1168/sesion_19/player.html
Matemáticas I, tema IV
Producto interno, sesión 19:
Ortogonalidad.
99 de 180
Primer semestre
UNIDAD 5
Matrices
100 de 180
Primer semestre
OBJETIVO PARTICULAR
TEMARIO DETALLADO
(8 horas)
5. Matrices
5.1. Operaciones básicas con matrices
5.2. Inversa y traspuesta de una matriz cuadrada
101 de 180
Primer semestre
INTRODUCCIÓN
Las matrices son una herramienta muy útil para expresar y discutir problemas que
surgen en la vida real. En los negocios a menudo es necesario calcular y combinar
ciertos costos y cantidades de productos, situaciones que se acostumbra expresar
por medio de las tabulaciones, herramienta que nos permite representar y relacionar
fácilmente diferentes tipos de datos, sin embargo, esta capacidad de visualización
no siempre rinde en una mecanización que nos ayude a desarrollar métodos de
análisis. Afortunadamente para estas situaciones, el álgebra lineal pone a nuestro
favor ciertos recursos con los que es posible representar y trabajarlas diversas
estructuras tabulares, a través de una metodología matemática que es más clara,
fácil y rápida de operar. Tal representación de los datos se denomina matriz.
102 de 180
Primer semestre
Retomando lo que hemos indicado líneas arriba, todo lo anterior también lo
podemos modelar “humanamente” con una tabulación o conjuntos de ellas, pero
para poder realizar las búsquedas de manera ágil y versátil debemos apoyarnos en
los métodos que nos ofrece el álgebra lineal, lo que nos facilita la conformación y
operación de estas estructuras. La pertinencia de estas metodologías estriba
entonces, en la capacidad de representar y manejar, por medio del lenguaje
matemático, todo el problema y establecer su solución algorítmica.
103 de 180
Primer semestre
También, a lo largo de los apuntes, hemos
revisado otra variedad de problemas
que se pueden describir usando
matrices; por todo esto es
indispensable definir las
operaciones de suma y resta de
matrices, multiplicación por un
escalar, multiplicación e inversión de
matrices, completando de esta manera la
estructura algebraica necesaria, y así poder utilizarla
libremente en el modelado y solución de los problemas.
104 de 180
Primer semestre
5.1. Operaciones con matrices
Una matriz es un conjunto de renglones y columnas expresados por un par de
números “mxn”, denominado el orden de la matriz, donde “m” es el número de
renglones y “n” el número de columnas.
Un vector horizontal cuya n-tupla consiste de los elementos (a1, a2, ...an) y es
denotado “1xn” se representan como:
En tanto que un vector vertical cuya n-tupla consiste de los elementos (a1, a2, …am)
se denota “mx1” y se representa como:
105 de 180
Primer semestre
𝑎11
𝑎21
⋮
𝑎𝑚1
Las operaciones básicas que se pueden realizar sobre las matrices son las
siguientes:
Multiplicación Producto
de matrices cartesiano
106 de 180
Primer semestre
𝒃𝟏𝟏 𝒃𝟏𝟐 ⋯ 𝒃𝟏𝒏
𝐁 = [ 𝒃𝟐𝟏 𝒃𝟐𝟐 ⋯ 𝒃𝟐𝒏 ]
⋯ ⋯ ⋯ ⋯
𝒃𝒎𝟏 𝒃𝒎𝟐 ⋯ 𝒃𝒎𝒏
A cada elemento amno bmn se le ubica una posición relativa única renglón-
columna, de acuerdo a los índices “mn” asignados. Esta convención es
fundamental para entender la estructura de una matriz y a su vez poder realizar
cualquier proceso algorítmico en las operaciones matemáticas entre matrices.
107 de 180
Primer semestre
Como se observa de lo anteriormente expresado, la suma y resta de matrices
son muy similares, con la única diferencia dada por el signo de la operación a
realizar sobre los elementos de la matriz.
Se deja como actividad para el alumno realizar la suma de las matrices A y B del
ejemplo anterior.
108 de 180
Primer semestre
Es importante indicar que la suma y resta de matrices se da para dos
matrices A & B del mismo orden, es decir ambas son de orden “mxn”
Y k el escalar
𝟏 𝟏 𝟏
𝐀 = [𝟑 𝟏 𝟐]
𝟏 𝟏 𝟏
Y el escalar 4.
109 de 180
Primer semestre
𝟒(𝟏) 𝟒(𝟏) 𝟒(𝟏) 𝟒 𝟒 𝟒
𝟒𝑨 = [𝟒(𝟑) 𝟒(𝟏) 𝟒(𝟐)] = [𝟏𝟐 𝟒 𝟖]
𝟒(𝟏) 𝟒(𝟏) 𝟒(𝟏) 𝟒 𝟒 𝟒
Multiplicación de matrices
Suponiendo que se tiene una matriz 𝑨de orden nxm, entonces la matriz 𝑩 deberá
tener m renglones y cualquier número de columnas, digamos 𝒌, entonces la
matriz resultante será una matriz de orden 𝒏 x𝒌(ver unidad 1 y Poole, 2004: 137-
139). Es fácil observar de estas condiciones operativas de compatibilidad, que el
proceso de multiplicación de matrices no es conmutativo.
Y 𝑩 una matriz de 𝒎 × 𝒌
110 de 180
Primer semestre
La multiplicación de 𝑨 por 𝑩 se denota AxB, y se realiza desarrollando el producto
punto (ver sección 4.2) de los renglones de A por las columnas de B, esto se
expresa por medio de las siguientes ecuaciones y se refuerza posteriormente
con un ejemplo desarrollado:
𝑨×𝑩
𝒂𝟏𝟏(𝒃𝟏𝟏) + 𝒂𝟏𝟐(𝒃𝟐𝟏) + ⋯ +𝒂𝟏𝒎(𝒃𝒎𝟏) ⋯ ⋯ 𝒂𝟏𝟏(𝒃𝟏𝒌) + 𝒂𝟏𝟐(𝒃𝟐𝒌) + ⋯ +𝒂𝟏𝒎(𝒎𝒌)
= [𝒂𝟐𝟏(𝒃𝟏𝟏) + 𝒂𝟐𝟐(𝒃𝟐𝟏) + ⋯ +𝒂𝟐𝒎(𝒃𝒎𝟏) ⋯ ⋯ 𝒂𝟐𝟏(𝒃𝟏𝒌) + 𝒂𝟐𝟐(𝒃𝟐𝒌) + ⋯ +𝒂𝟐𝒎(𝒃𝒎𝒌)]
𝒂𝒏𝟏(𝒃𝟏𝟏) + 𝒂𝒏𝟐(𝒃𝟐𝟏) + ⋯ +𝒂𝒏𝒎(𝒃𝒎𝟏) ⋯ ⋯ 𝒂𝒏𝟏(𝟏𝒌) + 𝒂𝒏𝟐(𝒃𝟐𝒌) + ⋯ +𝒂𝒏𝒎(𝒃𝒎𝒌)
𝟏 𝟏 𝟏 𝟐 𝟏 𝟐
𝑨 = [𝟑 𝟏 𝟐] y 𝑩 = [ 𝟐 𝟏 𝟐]
𝟏 𝟏 𝟏 𝟎 𝟏 𝟏
111 de 180
Primer semestre
A partir del ejemplo anterior, se resume verbalmente el procedimiento de
multiplicación de dos matrices A y B compatibles, desglosándose en los siguientes
incisos:
1) Realizar el producto punto entre el primer renglón de la matriz A por la
primera columna de la matriz B, de lo que se obtendrá un número (ver unidad
4); colocar el resultado en el primer renglón, primera columna de la matriz
resultante
2) Realizar el producto punto entre el primer renglón de A por la segunda
columna de B; colocar el resultado en el primer renglón, segunda columna
de la matriz resultante.
3) Continuar de esta forma hasta agotar las columnas de B.
4) Repetir el procedimiento indicado en los puntos 1-3 con el segundo renglón
de A (colocando los correspondientes resultados en el segundo renglón de
la matriz resultante); continuar sucesivamente hasta agotar los renglones de
A. En ese momento se tendrá el resultado de la multiplicación de las matrices
(AxB).
Cabe recordar de la unidad 1 y del principio de este tema, que en el caso de los
vectores éstos se manejan como una matriz de (𝑛 × 1) o (1 × 𝑛), y se multiplican
con las mismas reglas indicadas para las matrices.
112 de 180
Primer semestre
Debido a que la multiplicación de matrices
no es conmutativa, al multiplicar matrices
se suele decir: multiplicación por la
El orden de una matriz se refiere a
derecha o multiplicación por la izquierda:
la pareja de números mxn que
alguna bibliografía también usa los
describen el número de renglones
términos premultiplicación por la izquierda
y columnas presentes en una
o premultiplicación por la derecha. Estas
matriz o vector y que es necesario
situaciones se muestran a continuación:
conocer para poder determinar la
compatibilidad para los procesos
A premultiplica a B por la izquierda: AxB
de suma, resta y multiplicación de
A premultiplica a B por la Derecha: BxA
vectores y matrices.
Como se observa, existe un punto de
referencia en el procedimiento (en este
caso matriz B).
Producto cartesiano
𝑨 tiene m elementos
𝑩 tiene n elementos
113 de 180
Primer semestre
Debido al principio de orden indicado en el desarrollo del producto cartesiano, es
importante resaltar que esta operación no es conmutativa, es decir:
(𝒙, 𝒚) ≠ (𝒚, 𝒙)
Ejemplo 1
Ejemplo 2
Si 𝐴 = {1,2}y 𝐵 = {−1,0,1}entonces𝐴 × 𝐵 =
{(1, −1), (1,0), (1,1), (2, −1), (2,0), (2,1)}. A tiene 2 elementos, B tiene 3, y 𝐴 × 𝐵
tiene 2 x 3 = 6
Ejemplo 3
Para los conjuntos 𝐴 = {2,5,9} y 𝐵 = {𝑝, 𝑞}, el producto Cartesiano de estos dos
conjuntos contendrá los siguientes elementos:
114 de 180
Primer semestre
[a11 a12... a1n]
𝐴 × 𝐵 = {(2, 𝑝), (2, 𝑞), (5, 𝑝), (5, 𝑞), (9, 𝑝), (9, 𝑞)}
𝐵 × 𝐴 = {(𝑝, 2), (𝑝, 5), (𝑝, 9), (𝑞, 2), (𝑞, 5), (𝑞, 9)}
𝐴×𝐵×𝐶 y 𝑅×𝐼×𝑄
115 de 180
Primer semestre
5.2. Inversa y traspuesta
de una matriz cuadrada
La matriz inversa de una matriz dada tiene una propiedad multiplicativa muy
interesante y es de amplia aplicación. Sea una matriz cuadrada A, tenemos que
puede existir una única matriz denotada como A-1, con la que se cumple:
𝑨 × 𝑨−1 = 𝑰 (𝒂)
1 0 0
[ 0 1 0]
0 0 1
Es importante indicar que en algunos casos puede existir la matriz inversa y en otros
no, esta situación está relacionada al tipo y diversidad de soluciones que puede
tener un sistema de ecuaciones lineales. Sin embargo, para sistemas de ecuaciones
representados por una matriz cuadrada A y con solución única es posible obtener
su matriz inversa.
116 de 180
Primer semestre
renglones y número de columnas es el mismo, m=n) se realiza aplicando el método
de Gauss-Jordan.
Aplicaciones
T(y)=Ay=w
117 de 180
Primer semestre
A-1Ay=A-1w,
A-1A=I,
Iy=y
Por lo que:
y=A-1w
Este último resultado es importante y nos indica que al aplicar la matriz inversa
podemos revertir una transformación lineal; por ejemplo, en el caso de haber
codificado información la podemos regresar a su significado original; en el caso de
modificar una imagen por un proceso de edición, al aplicar la matriz inversa la
podemos llevar a su estado original. Estos ejemplos son una pequeña muestra de
lo que es posible realizar mediante los procesos algebraicos de las matrices en las
transformaciones lineales. De igual forma es conveniente indicar que el uso de la
matriz inversa no solo se circunscribe a esa rama del álgebra, otra aplicación
importante se encuentra en la solución de ecuaciones lineales, esto lo podemos
plantear algebraicamente de manera rápida si observamos la ecuación (d) del inciso
1.3 de estos apuntes:
𝐴𝒙=𝒚
118 de 180
Primer semestre
Procedimiento de inversión de una matriz cuadrada
Encontrar en la columna extrema izquierda de la matriz un elemento "a" "aij" que no sea
cero.
A continuación se suma o resta, múltiplos apropiados del primer renglón, a los demás
renglones de tal manera que en la columna encontrada en el proceso uno, todos los
elementos por abajo del primer "1" tengan un valor de cero.
Descartar por el momento el primer renglón, y volver a aplicar el proceso inicial solamente
a los renglones restantes a partir de la segunda columna; continuar el procedimiento
hasta obtener una matriz triangular o identidad (ver unidad 1).
Es de suma importancia recordar que todas las operaciones realizadas sobre la matriz A
a invertir, se deben de realizar en la misma secuencia y en el mismo orden sobre la
matriz identidad I que fue colocada a su lado. Al final del procedimiento, en el lugar de la
matriz identidad se obtendrá la matriz invertida A-1.
119 de 180
Primer semestre
Ejemplo:
1 1 1
𝐴 = [2 1 0]
1 0 1
1 1 1 1 0 0
[2 1 0 ] [0 1 0]
1 0 1 0 0 1
Pasos 1) y 2):
1 1 1 1 0 0
−2R1 + R2 ; −R1 + R3 [0 −1 −2] [−2 1 0]
0 −1 0 −1 0 1
Pasos 3) y 4):
120 de 180
Primer semestre
1 1 1 1 0 0
−R2 + R3 [0 −1 0] [−1 0 1]
0 0 2 1 −1 1
𝑅3 1 1 1 1 0 0
[0 −1 0] [−1 0 1]
2
0 0 1 0.5 −0.5 0.5
Pasos 5) y 6)
Pasos 7) y 8):
Por lo que:
Se deja como ejercicio al alumno comprobar que el producto AxA-1 produce la matriz
identidad de orden 3x3 (I).
121 de 180
Primer semestre
Matriz Transpuesta
La matriz transpuesta está dada por una matriz en la cual se intercambian los
renglones por las columnas, dando como resultado la matriz transpuesta. Entonces
considerando la matriz A:
Ejemplo:
122 de 180
Primer semestre
1 1 1
𝐴 = [3 1 2]
1 1 1
La transpuesta de A es:
1 3 1
𝑡
𝐴 = [ 1 1 1]
1 2 1
123 de 180
Primer semestre
RESUMEN
En esta unidad se hizo una revisión de la notación, la compatibilidad y el proceso
algorítmico de las operaciones matriciales más comunes, estas son: suma y resta
de matrices, multiplicación de matriz por un escalar, multiplicación de una matriz por
un vector, multiplicación de dos matrices, producto cartesiano, matriz identidad
multiplicativa y las matrices inversa y transpuesta. El objetivo de hacerlo versa tanto
en el sentido algebraico como en el sentido algorítmico, ya que de esta forma es
posible realizar un modelado de los problemas y también obtener sus soluciones
124 de 180
Primer semestre
BIBLIOGRAFÍA
FUENTES DE CONSULTA
Kolman, Bernard y Hill, David R. (2006). Álgebra lineal (Octava Edición). México:
Pearson Prentice Hall, 648 pp.
Lay, David (2004). Álgebra lineal y sus aplicaciones (3ª. Ed.). México: Pearson,
492 pp.
Poole, David (2004). Álgebra lineal: Una introducción moderna. México: Thomson,
763 pp.
Sitios electrónicos
Red Universitaria de
Aprendizaje. Clase virtual
http://fcasua.contad.unam.mx/clases_virtuales/informati
ca/1168/sesion_22/player.html
Matemáticas I, tema V
Matrices, sesión 22:
Operaciones con matrices.
125 de 180
Primer semestre
UNIDAD 6
Determinantes
126 de 180
Primer semestre
OBJETIVO PARTICULAR
El alumno identificará las propiedades y aplicaciones de los determinantes.
TEMARIO DETALLADO
(8 horas)
6. Determinantes
6.1. Definiciones y propiedades
6.2. Regla de Cramer
6.3. Eigen valores, eigen vectores
127 de 180
Primer semestre
INTRODUCCIÓN
La idea del determinante proviene de mucho tiempo más atrás que la del concepto
de matriz. El determinante fue descubierto por Cramer durante sus trabajos
orientados a la resolución de problemas que se formulaban a través de los sistemas
de ecuaciones lineales.
(Imagen de un determinante)
La teoría de los determinantes fue expuesta por primera vez en el año de 1750, es
decir, cien años antes de que Sylvester y Cayley empezaran a hablar de las
Matrices. (Imagen de Cayley)
Hoy en día, el concepto del Determinante tiende a ser referido como resultado de la
Teoría de Matrices y, por consecuencia, es considerado como el Proceso de
Axiomatización de las Matrices.
128 de 180
Primer semestre
de poder vincularlos en el campo profesional de la Licenciatura en Informática.
|𝑨|
En esencia, la función determinante versa sobre una regla de asignación que tiene
su base en la teoría de las permutaciones y tiene amplia aplicación en el estudio de
las ecuaciones lineales y sus soluciones. Por esta causa es que también es de
nuestro interés el concepto y forma parte de nuestros estudios acerca del álgebra
lineal.
129 de 180
Primer semestre
a) Regla de Sarrus
b) Método de cofactores
Regla de Sarrus
𝑎 𝑏
Sea la matriz 𝐴 = [ ] entonces el
𝑐 𝑑
determinante de A se define como:
|𝐴| = 𝑎𝑑 − 𝑐𝑏
Ejemplo:
−𝟐 𝟏 |𝑨| (−𝟐)(𝟑)
𝑨=[ ] = − 𝟓(𝟏) = −𝟔 − 𝟓 = −𝟏𝟏
𝟓 𝟑
Como habíamos mencionado el determinante de una matriz tiene que ver con la
teoría de permutaciones, y lo que se busca es relacionar con este enfoque las
ubicaciones renglón-columna al interior de la matriz, esta situación se menciona con
el fin de vislumbrar el porqué de las variaciones entre los diferentes métodos de
cálculo del determinante de un matriz.
130 de 180
Primer semestre
Caso 2. Determinante de una matriz de 3x3
2.- Trazar sobre los elementos aij de la matriz seis líneas rectas “imaginarias”
(denominadas diagonales), que enlacen simultáneamente solo tres elementos aij.
Tres de estas líneas se trazan de izquierda a derecha (“izquierda”) y las otras tres
de derecha a izquierda (“derecha”).
3.- Multiplicar los tres elementos encada diagonal izquierda (línea roja) y en cada
diagonal derecha (línea verde),
véase la figura inferior.
131 de 180
Primer semestre
Ejemplo:
= (5 + 0 + 4) − (10 + 0 + 6) = 1 − 16 = −15
|𝐴| = −15
132 de 180
Primer semestre
Para todas las siguientes propiedades considere que A es una matriz cuadrada.
ALGUNAS PROPIEDADES DE LOS DETERMINANTES
I) Si todos los elementos de un renglón o columna de la matriz “A” son ceros,
entonces|𝑨| = 𝟎
II) Cuando dos renglones o columnas de la matriz “A” son idénticos, entonces
|𝑨| = 𝟎
III) Cuando la matriz A es triangular superior o inferior (considerando la diagonal
principal de una matriz, que es la línea imaginaria formada por todos los
elementos en los que dada la posición 𝒂𝒎𝒏 , se tiene que 𝒎 = 𝒏, entonces todos
los elementos bajo de ella son ceros (triangular superior) o arriba de ella son ceros
(triangular inferior), ver unidad 1) entonces el determinante |𝑨|es igual al producto
de los elementos de la diagonal principal.
IV) Si |𝑨|es una matriz identidad, entonces su determinante es igual a uno.
𝟏
X) Si A es invertible entonces |𝑨−𝟏 | = |𝑨|
133 de 180
Primer semestre
Ejemplo:
Matriz nula
El determinante de una matriz nula 3x3, es cero, esto se deriva de la propiedad I).
0 0 0
𝐷𝑒𝑡(0) = |0 0 0| = 0
0 0 0
Matriz unidad o identidad
El determinante de la matriz identidades uno, esto se deriva de las propiedades III)
y IV).
1 0 0
1 0
𝐷𝑒𝑡(1) = | | = | 0 1 0| = 1
0 1
0 0 1
Matriz diagonal
El determinante de una matriz diagonal es igual al producto de los elementos de la
diagonal principal, esto se deriva de la propiedad III).
2 0 0
𝐷𝑒𝑡(𝐴) = |0 3 0| = 2 ∙ 3 ∙ 1 = 6
0 0 1
Matriz triangular
El determinante de la matriz triangular es igual al producto de los elementos de la
diagonal principal, de igual forma el resultado se concluye de la propiedad III).
2 1 3
𝐷𝑒𝑡(𝑀) = |0 1 5| = 8
0 0 4
134 de 180
Primer semestre
A continuación se muestra el método de cofactores que puede aplicarse para
matrices mayores; pese a que se considera un método de aplicación general, el
algoritmo suele complicarse de manera importante al incrementar el orden de la
matriz, por ello en la práctica el método de diagonalización de Gauss se utiliza de
manera preferente, sin embargo, es conveniente mostrar el método de cofactores
con el fin de proporcionar una visión general sobre las diferentes metodologías
existentes en cuanto a la evaluación de los determinantes.
Para aclarar el punto mostramos el siguiente ejemplo considerando una matriz 3x3:
135 de 180
Primer semestre
Entonces el menor M21 quedará como:
𝑎12 𝑎13
𝑀21 = | |
𝑎32 𝑎33
Cofactores
Cij= (-1)i+jMij
det(𝐴) = 𝑎𝑖1 ∙ 𝐶𝑖1 + 𝑎𝑖2 ∙ 𝐶𝑖2 + ⋯ + 𝑎𝑖𝑛 ∙ 𝐶𝑖𝑛 : Esto es considerando un renglón
det(𝐴) = 𝑎1𝑗 ∙ 𝐶1𝑗 + 𝑎2𝑗 ∙ 𝐶2𝑗 + ⋯ + 𝑎𝑛𝑗 ∙ 𝐶𝑛𝑗 . Esto es considerando una columna
3 1 0
𝐴 = [−2 −4 3]
5 4 −2
Apoyándonos en el renglón 1
136 de 180
Primer semestre
Se deja al alumno comprobar el resultado anterior por el método de Sarrus y por
cofactores apoyándose en la columna uno de la matriz indicada.
137 de 180
Primer semestre
6.2 Regla de Cramer
La Regla de Cramer es un método que nos permite calcular la solución de un
sistema con “n” ecuaciones y “n” incógnitas, siempre y cuando el determinante de
la matriz asociada A sea diferente de cero. Esto se resume formalmente a
continuación:
Sea un sistema de ecuaciones lineales,
𝐴𝒙=𝒚
Si se cumple que:
a) A es una matriz cuadrada
b) Y |𝐴| ≠ 𝟎
|𝐴𝑖|
𝑥𝑖 =
|𝐴|
138 de 180
Primer semestre
Tendremos entonces que:
|𝐴2|
𝑥2 =
|𝐴|
𝑎11 𝑏1 … 𝑎1𝑛
𝑎21 𝑏2 … 𝑎2𝑛
𝑑𝑒𝑡 [ ]
… … … …
𝑥2 = 𝑎𝑛1 𝑏𝑛 … 𝑎𝑛𝑚
𝑎11 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛
𝑑𝑒𝑡 [ ]
… … … …
𝑎𝑛1 𝑎2𝑛 … 𝑎𝑛𝑚
Sí las matrices involucradas (|𝐴|𝒚 |𝐴𝑖|) son de un orden máximo de 3x3, sus
determinantes se pueden calcular con la regla de Sarrus, vista en el punto 5.1, en
otro caso (orden de A mayor a 3x3) es conveniente utilizar la diagonalización de la
matriz con el método de Gauss visto en el capítulo 1 de estos apuntes.
Ejemplo:
139 de 180
Primer semestre
15 1 1 1 15 1 1 1 15
|10 −1 2 | |1 10 2 | |1 −1 10|
𝑥 = 25 1 −1 = 8, 𝑦= 3 25 −1 = 4, , 𝑧 = 3 1 25 = 3
1 1 1 1 1 1 1 1 1
|1 −1 2 | |1 −1 2 | |1 −1 2 |
3 1 −1 3 1 −1 3 1 −1
Entonces los valores 𝑥 = 8, 𝑦 = 4, 𝑧 = 3 son la solución del sistema de ecuaciones
lineales propuesto.
2𝑥 + 3𝑦 = 15
{
𝑥 − 𝑦=5
La matriz de coeficientes es la siguiente:
2 3
𝐴=( )
1 −1
Calculemos los valores de 𝑥, 𝑦 usando la Regla de Cramer:
15 3 2 15
| | | |
𝑥 = 5 −1 = 6, 𝑦= 1 5 = 1
2 3 2 3
| | | |
1 −1 1 −1
140 de 180
Primer semestre
6.3 Eigenvalores, eigenvectores
Eingevalores
En algunas transformaciones lineales del tipo T(V) → Vse requiere encontrar los
valores escalares para los cuales la siguiente ecuación tiene soluciones diferentes
de cero (Howard, 1983: 255):
T(x) = λ(x).
Si consideramos que la transformación lineal se representa por su matriz asociada,
tenemos:
Ax = λ𝑥
Aplicando las propiedades de suma y resta de las matrices (unidad 5) tenemos que:
λx − Ax = 0
Adicionalmente aplicado las propiedades de multiplicación de las matrices:
http://fcasua.contad.unam.mx/clases_virtuales/informatica/1168/sesion_24/pl
ayer.html
141 de 180
Primer semestre
(λI − A)x = 0 (a)
De la ecuación (a) podemos observar que los eingevalores son números que se
restan a la diagonal de una matriz y al satisfacer la ecuación (a) esto implica que:
det(λI − A) = 0
142 de 180
Primer semestre
Ejemplo:
1 1
𝐴=[ ]
1 2
1−λ 1
[ ]=0
1 2−λ
Y el determinante nos da
= (1 − λ)(2 − λ) − 1 = 0
= 1 − 2λ + λλ − 1 = −2λ + λ2 = λ(λ − 2) = 0
Eigenvectores
Como habíamos mencionado un eigenvector es un vector asociado a una matriz A,
el cual se obtiene a partir de los eigenvalores. Es decir, que, para su cálculo, primero
hay que obtener los eigenvalores de la matriz A. (Poole, 2004: 247-249). Estos
vectores tienen la propiedad de que dada la ecuación matricial:
(λ𝐼 − 𝐴)𝑥 = 0
Existen vectores no triviales (diferentes del vector cero), xi con los que se cumple
que:
𝐴𝑥 = 𝜆𝑥
143 de 180
Primer semestre
De tal manera que se cumpla la siguiente expresión:
Ejemplo:
Calcular los eigenvectores de la matriz A.
1 1
𝐴=[ ]
1 2
144 de 180
Primer semestre
Primero obtenemos los eigenvalores
1−λ 1
[ ]=0
1 2−λ
1 1 𝑎1 𝑎1 + 𝑎2 0
[ ]×[ ]=[ ]=[ ]
1 2 𝑎2 𝑎1 + 2𝑎2 0
Esto implica del primer renglón que 𝑎1 + 𝑎2 = 0implica que 𝑎2 = −𝑎1; en tanto
que del segundo renglón tenemos que 𝑎1 + 2𝑎1 = −𝑎1= 0 𝑝𝑜𝑟 𝑙𝑜 𝑞𝑢𝑒 𝑎1 = 𝑎2 = 0
De lo anterior se desprende que para λ = 0 tenemos el vector (0,0) o solución trivial.
Para λ = 2
−1 1 𝑎1 −𝑎1 + 𝑎2 0
[ ]×[ ]= [ ]=[ ]
1 0 𝑎2 𝑎1 0
145 de 180
Primer semestre
Por lo tanto para λ = 2, la única solución que se tiene es la trivial, el eigenvector
(0,0).
De este apartado es importante rescatar una propiedad matemática de mucha
utilidad acerca de los conceptos de valores y vectores característicos. Esta se
refiere al hecho de que estos elementos tienen la propiedad de que dado un valor
característico (eigenvalor λ), y un vector característico 𝐱 asociados a una matriz A,
se cumple que:
𝑨𝒙 = 𝛌𝐱
Esta ecuación es relevante pues indica que para estos elementos es equivalente
realizar la multiplicación tanto por la matriz A cuanto por el escalar λ; esto también
se puede interpretar como que existe una relación de escala entre el vector
característico 𝐱 con su valor característico λ (Howard, 1983: 259). Esta condición
puede facilitar ampliamente la realización de cálculos en los problemas y más aún
sí los vectores característicos se pueden aprovechar como una base del espacio
vectorial de interés. Como comentábamos en la unidad 4, en estas situaciones
también es más fácil hacer una comparación a partir de valores escalares (números)
que por medio de elementos matriciales.
146 de 180
Primer semestre
pueden ser un eficaz apoyo para la aceleración de la mecánica algorítmica en la
solución de un problema dado.
RESUMEN
En la actualidad, los requerimientos analíticos
de las empresas avanzan rápidamente; por
este motivo, se requieren modelos y algoritmos
más complejos para la solución de los
problemas. Para determinar y resolver las
interacciones que producen mejores procesos
productivos y rinden mayores utilidades para las organizaciones es menester
construir complejos modelos en los que se interrelacionan sistemas de ecuaciones
y transformaciones lineales, por ello es necesario conocer una variedad de
herramientas que nos permitan plantear, analizar y resolver estas estructuras de
manera rápida y con un cierto nivel de
versatilidad, que se adapte a las
condiciones cambiantes de los
negocios. Es en estos entornos donde
los conceptos de determinante y de
valores y vectores característicos
encuentran un importante nicho de
aplicación; por tanto, es de suma
importancia conocer y dominar las
técnicas matemáticas avanzadas que
nos ofrece el álgebra lineal en el campo
profesional de la informática.
147 de 180
Primer semestre
148 de 180
Primer semestre
BIBLIOGRAFÍA
FUENTES DE CONSULTA
Kolman, Bernard y Hill, David R. (2006). Álgebra lineal (Octava Edición). México:
Pearson Prentice Hall, 648 pp.
Lay, David (2004). Álgebra lineal y sus aplicaciones (3ª. Ed.). México: Pearson,
492 pp.
Poole, David (2004). Álgebra lineal: Una introducción moderna. México: Thomson,
763 pp.
Sitios electrónicos
Red Universitaria de
Aprendizaje. Clase virtual
http://fcasua.contad.unam.mx/clases_virtuales/informati
ca/1168/sesion_24/player.html
Matemáticas I, tema VI
Determinantes, sesión 24:
Definición y propiedades.
149 de 180
Primer semestre
Red Universitaria de
Aprendizaje. Clase virtual
http://fcasua.contad.unam.mx/clases_virtuales/informati
ca/1168/sesion_26/player.html
Matemáticas I, tema VI
Determinantes, sesión 26:
Eigenvalores y eigenvectores.
150 de 180
Primer semestre
Unidad 7
Prácticas en laboratorio
151 de 180
Primer semestre
OBJETIVO PARTICULAR
El alumno resolverá problemas de algebra lineal utilizando software.
TEMARIO DETALLADO
(12 horas)
7. Prácticas en laboratorio
152 de 180
Primer semestre
INTRODUCCIÓN
En el desarrollo de este tema se muestra la aplicación de los conocimientos
adquiridos durante el semestre y algunos de otras materias que, en su conjunto,
permiten que seas capaz de resolver problemas con el apoyo del uso de la
computadora.
En esta unidad veremos lo que se refiere a las aplicaciones del software Excel en
los diversos temas vistos a lo largo de las unidades anteriores, con el fin de poder
dar solución de una manera más rápida a diversos problemas del campo profesional
de la Licenciatura en Informática y su relación con las áreas Contables-
Administrativas.
153 de 180
Primer semestre
Caso práctico: sistema de ecuaciones lineales
4𝑐 + 5𝑔 = 94
2𝑐 + 𝑔 = 26
Paso 1
154 de 180
Primer semestre
Paso 2
7.1 Caso práctico Sistema de Ecuación Lineal
Paso 3
Transformamos el primer renglón multiplicándolo por el número de refrescos chicos
adquiridos en la segunda compra.
Resultando:
155 de 180
Primer semestre
Paso 4
Transformamos el segundo renglón multiplicándolo por el número de refrescos
chicos adquiridos en la primera compra.
Resultando
Paso 5
De los dos renglones resultantes de los pasos 3 y 4, al renglón obtenido en el paso
3 se le resta el renglón obtenido en el paso 4. Aquí da como resultado en la celda
correspondiente a los refrescos chicos el valor de cero y en las otras celdas no
necesariamente un valor igual a cero.
156 de 180
Primer semestre
Resultando:
157 de 180
Primer semestre
Paso 6
Del resultado obtenido en la diferencia del importe de las compras (obtenido en el
paso 5), este se divide entre valor obtenido correspondiente a los refrescos grandes,
este cociente representa el precio del refresco grande.
Resultando:
Paso 7
Para obtener el precio del refresco chico se multiplicará la celda que contiene el
precio del refresco grande (celda paso 6) por el número de refrescos comprados en
la primera compra (celda del paso 1), el producto anterior se le resta al importe de
la primera compra (celda paso 1) y la resultante de esta diferencia se divide entre el
número de refrescos chicos comprados en la primera compre (celda paso 1).
Resultando:
158 de 180
Primer semestre
Lo dividimos entre el número de refrescos chicos comprados la primera vez
Resultando:
Finalmente, los valores obtenidos en los pasos seis y siete, refresco grande $14,
refresco chico $6, son los resultados buscados en esta práctica.
𝒊−𝒄=𝒖
Paso 1
Pon en un renglón y celdas diferentes los valores del importe de cada uno de los
ingresos de cada de los productos.
159 de 180
Primer semestre
Paso 2
En un renglón y celdas diferentes los valores del importe de cada uno de los costos
de cada uno de los productos.
Paso 3
Realiza la resta de los ingresos y costos obteniendo de esta manera la utilidad de
cada uno de los productos (se resta la celda del renglón del paso uno menos la del
renglón del paso 2 y así sucesivamente).
Resultado
160 de 180
Primer semestre
El vector anterior (3000, 3000, 2000) es la respuesta solicitada que nos muestra la
utilidad obtenida para cada producto.
Supóngase que una empresa tiene su centro de distribución de uno de sus artículos
en el Estado de México y para distribuirlo a toda la república tiene cuatro bodegas
distribuidas para la mejor eficiencia, la empresa divide en cuatro zonas diferentes
zona sureste, suroeste, noreste y noroeste, si el porcentaje de acuerdo a la
demanda de cada zona es la siguiente 11%, 26%, 35% y 28% respectivamente.
¿Cuál es la cantidad que se deberá enviar a cada zona si la planta produce 100,000
unidades mensuales de dicho artículo?
𝑘𝐴 = 𝐵
0.11 0.26
𝐴=[ ] 𝑘 = 100,000
0.35 0.28
Paso 1
161 de 180
Primer semestre
Paso 2
En un renglón y celdas diferentes los valores de los porcentajes de la zona sur-este
y sur-oeste respectivamente.
Paso 3
En un renglón y celdas diferentes los valores de los porcentajes de la zona noreste
y noroeste respectivamente.
Paso 4
En un renglón y celdas diferentes los valores de los porcentajes de la zona sur-este
y sur-oeste respectivamente son multiplicados por la celda del paso número uno.
En conjunto tenemos
Paso 5
162 de 180
Primer semestre
Colocamos en otro renglón y celdas diferentes los valores de los porcentajes de la
zona noreste y noroeste, respectivamente, multiplicados por la celda del paso
número uno.
En conjunto tenemos
Los renglones resultantes de los pasos cuatro y cinco forman la matriz resultante de
la transformación lineal
La matriz Aes la respuesta solicitada que nos muestra las cantidades demandadas
por zona. Es útil observar cómo, en este caso, la transformación aplicada
corresponde a un proceso de multiplicación de matriz por un escalar.
11,000 26,000
𝐴=[ ]
35,000 28,000
163 de 180
Primer semestre
Caso práctico de producto interno
Supóngase que una empresa requiere para la fabricación de uno de sus artículos
tres diferentes metales (cobre, plata, oro), si las cantidades requeridas son las
siguientes: 2.4kg, 1.8 kg y 0.20 kg respectivamente y el precio por kg de cada uno
de los metales es de $18.00, $160.00, $9800.00. Calcular el costo total de la
operación de compra de los insumos.
𝑚 ∙ 𝑐 = 𝑐𝑡
Paso 1
Primero escribe en un renglón y celdas diferentes las cantidades en kg de los
diferentes metales se requieren para la fabricación de dicho artículo.
Paso 2
En un renglón y celdas diferentes los valores del precio por kg de cada uno de los
metales.
164 de 180
Primer semestre
Paso 3
Realiza la multiplicación de cada cantidad de metal por su precio y se coloca en un
nuevo renglón (se multiplica cada celda del renglón del paso uno por la celda
del renglón del paso 2 y así sucesivamente).
Paso 4
Cada una de las celdas del renglón del paso tres se le suma, dando como resultado
el costo total del mencionado artículo.
165 de 180
Primer semestre
El valor del paso cuatro es la respuesta solicitada que nos muestra el costo total del
artículo en cuestión, ct=$2,291.20.
𝐴𝑥 = 𝐵
1 1 1000
[ ]×[ ]=𝐵
1 2 2100
Paso 1
Anota en un renglón y celdas diferentes los valores del número de minutos
requeridos por cada artículo en el proceso uno.
166 de 180
Primer semestre
Paso 2
Escribe en un renglón y celdas diferentes los valores del número de minutos
requeridos por cada artículo en el proceso dos.
Paso 3
Después, en un renglón y celdas diferentes los valores del número de unidades a
fabricar por cada artículo.
Paso 4
Multiplicamos los valores del renglón del paso tres por el renglón del paso uno (celda
por celda respectivamente se multiplican y después ambos resultados se suman
siendo esta suma el resultado del número de minutos requeridos en el proceso uno).
167 de 180
Primer semestre
Resultando:
La suma es:
Su cálculo es:
Paso 5
Multiplicamos los valores del renglón del paso tres por el renglón del paso dos (celda
por celda respectivamente se multiplican y después ambos resultados se suman
siendo esta suma el resultado del número de minutos requeridos en el proceso dos).
168 de 180
Primer semestre
Sumando los resultados anteriores; se tiene:
169 de 180
Primer semestre
Los valores obtenidos en los pasos cuatro y cinco forman el vector buscado en la
presente práctica. Es importante observar la compatibilidad del proceso de
multiplicación de matrices, y como a partir de ésta es posible dimensionar de inicio
las características del vector de resultados.
3100
𝐵=[ ]
5200
5 4 90
[ ]
2 1 25
90 4 5 90
| || |
25 1 2 25
5 4 5 4
| | | |
2 1 2 1
Paso 1
Primero colocamos en un renglón y celdas los diferentes valores del número de
refrescos chicos en una celda y los grandes en la siguiente y después el valor del
importe de esa compra.
170 de 180
Primer semestre
Paso 2
A continuación, escribe en un segundo renglón los valores de la segunda compra
de la misma manera que el primer renglón, es decir, los valores del número de
refrescos chicos en una celda y los grandes en la siguiente y después el valor del
importe de la segunda compra.
Paso 3
Calculamos la determinante del sistema como sigue, multiplicamos la primera celda
del renglón del paso uno por la segunda celda del renglón del paso dos, a lo anterior
le restamos el producto de la segunda celda del paso uno por la primera celda del
renglón del paso dos, el resultado es la determinante del sistema.
Paso 4
Calculamos la determinante del refresco chico como sigue, multiplicamos la tercera
celda del renglón del paso uno por la segunda celda del renglón del paso dos, a lo
anterior le restamos el producto de la segunda celda del paso uno por la tercera
celda del renglón del paso dos, el resultado es la determinante del refresco chico.
171 de 180
Primer semestre
Paso 5
Calculamos la determinante del refresco grande como sigue, multiplicamos la
primera celda del renglón del paso uno por la tercera celda del renglón del paso dos,
a lo anterior le restamos el producto de la tercera celda del paso uno por la primera
celda del renglón del paso dos, el resultado es la determinante del refresco grande.
Paso 6
Se divide la determinante del paso cuatro entre la determinante del paso tres dando
como resultado el precio del refresco chico.
172 de 180
Primer semestre
Paso 7
Se divide la determinante del paso cinco entre la determinante del paso tres dando
como resultado el precio del refresco grande.
Los valores obtenidos en los pasos seis y siete son el resultado buscado en la
presente práctica
173 de 180
Primer semestre
RESUMEN
En esta unidad vimos lo que se refiere a las Aplicaciones a través de software
(Excel) de los diversos temas vistos a lo largo de las Unidades anteriores, con el fin
de poder dar solución de una manera más rápida a problemas diversos en el campo
profesional de la Licenciatura en Informática y su relación con las áreas Contables-
Administrativas.
Es útil recordar que Excel también te ofrece las funciones de MMULT, para
multiplicación de matrices y MINVERSE para obtener la inversa de una matriz.
174 de 180
Primer semestre
BIBLIOGRAFÍA
FUENTES DE CONSULTA
175 de 180
Primer semestre
BIBLIOGRAFÍA
Fuentes de consulta
Howard, Anton (1983). Introducción al álgebra lineal (sexta edición). México:
Limusa.
Kolman, Bernard y Hill, David R. (2006). Álgebra lineal (Octava Edición). México:
Pearson Prentice Hall, 648 pp.
Lay, David (2004). Algebra Lineal y sus aplicaciones (3ª. Ed.). México: Pearson,
492 pp.
Lipschutz, Martin, M. (1982). Procesamiento de datos. México: Mc. Graw Hill, 218
pp.
Poole, David (2004). Álgebra lineal: Una introducción moderna. México: Thomson,
763pp.
Bibliografía básica
Barrera, G. F. (2014). Fundamentos de álgebra lineal y ejercicios. México: UNAM
Facultad de Ingeniería.
176 de 180
Primer semestre
Singh, K. (2014). Algebra lineal: paso a paso. Oxford: Oxford University Press.
Bibliografía complementaria
Gutiérrez G. E. (2014). Álgebra lineal y sus aplicaciones. México: Grupo
Editorial Patria.
Poole, D. (2011). Álgebra lineal; una introducción moderna. (3ª ed.) México:
Cengage Learning.
Otras fuentes
Grossman, S. (1996). Algebra Lineal. México: Mc Graw Hill.
BIBLIOGRAFÍA ELECTRÓNICA
Fuente Unidad Dirección electrónica
(es) que
soporta
Grossman, S. I. (2012). Álgebra lineal. 1–6 http://site.ebrary.com/lib/bibliodgbmhe/reader.actio
México: McGraw-Hill Interamericana. n?docID=10751572&ppg=8
177 de 180
Primer semestre
Hernández, E. (2012). Álgebra lineal y 1, 2, 6 https://www.biblionline.pearson.com/AuthBookLink.
geometría. Madrid: Pearson. aspx?bv=/FYMM0lRrgndZVvSV/3cVcvdqTPXwNFa
JAS9KfCLwp604+tkFt8NigfJSmLHLHjqmAgLvVIyw
6DSReL4p9AYSSE0g43qruRRc1y9zfNWvR6qCkti
HF0D+NYKVtX2+SyQASbgutiHQTxD8/ZIym8ufmc
3GV51NKJk8iI+ik4FsFJntSewPlqzxddSXqa46VbX
FC7l05kRLj9zgSeEZGgo4OH3uej8SYD+AnUDtpS
SoeKSE4ReJ6M2/aqkhu7BUbXZzlnLsBv4KkclYIjV
mDGkkP4SQ+JreggeUTWi7fgdUfBiqParZj3QWZx
nUnHTQEZzes3sRP/povRFPTGVbhoyWjZjzOvD8
RIo3tx18n8RxzItvQB6i72KIQ/puxfea4O3XiNjq/49B
GJxJJ1RI3ICnlsnfztzhj+9VmdmsqGTxqzLonfSTjdz
MTzjeESNrq1p2C5VpVO1Ah52Q5m+24ixgMIL7J
Mb6mLLayF2Gd3aSes=
Kolman, B. (2013). Álgebra lineal: 1-6 https://www.biblionline.pearson.com/AuthBookLink.
fundamentos y aplicaciones. Bogotá, aspx?bv=aNff9RzLMqMiw4F401/kDwR08R5Y6eIR
Colombia: Pearson Educación de 6zJ4EL8TnZsD2dBp2hBWZSJH92cV5KKm52bdA
Colombia. SrgkH5Q6nPmThgOo8svCu1KJUq1Y9hS3msj1x0
vB1JTEnpNfXT0iKbHUjhwgXjR6aYUsbw4/mtKzYp
Hp4DcAABIfcAbCSuwiISLC98hYClsxyjbLVG5dBS
TFmqJiiTZAUJcouR0TfWSYN8SLftCSHWYieaoJ2
FP3+JNZ4MrCRGpKkKdctERaLKIl6gIyZkDPagkg
CZYup1ZNb7poHyyMkmsGOa+tjQE2Nm1tnoW7c
MxR7tZgfemAvOhIZqTUHfVwRqNcmV+vuzbOLqL
oOvnkOE3IUGjrTJVd2fvQuSe7OLMFUu9A2tE0aR
GfyZoQm2MMRfbP/MoC7QRc3OLu+aH9r+9+97F
ocEAajdFHEenMjZsqrpigsJhKm+A8WUzr/vWwRM
x88JsEbVdIXtH+v+VHq5tdlqgB81zKjrs9sU=
Lay, D. C. (2013). Algebra lineal: para 1-6 https://www.biblionline.pearson.com/AuthBookLink.
cursos con enfoque por competencias. aspx?bv=+AHlGFF9Z6rEgLbpBhKT6mJvkGzMsqc
México: Pearson. DcF/Sm+jXtdraK9cCgm3n5o5+lYeVpG2RQiLrBpL
9PfDaSlPfHNMXOakrEeFohSrnEQii8xsIUPEAPoD
UIZIyl3YCEu8Ha0w3oHN10EM5q/0Nqc7ct1wHtM
R5ZlstwSkLXaJEm6+qUiedP4zfo2BKDTyjC9OFhH
kVFxcz7m8rsZ0uf5yOHFuhamYU8U0nPFQQHmu
HW3c7xWgHeNOIApPPMob9U3sJNIZJX2ZqUlJjH
5SkAAG6zpruytlmUbv2LoirsJppVPnqHoWsbJU34r
XH7Da+xidvkV/CoKNuD3bR7cIfwRVN+mjA4/Ize6z
zS/Ek9wKiaz3EMaHDJsbF4wuMDWo0ntAZJ73F8
sdv1Qg8K8dcKCA5esSU/i4ex4IwoCrIFSpUwTu5w
PtRJpqoObAtDF5B2JnnhYEb9Bv1q625uD0DX0C
ea8aDZECRjPjJnbtTsnWjM8ZaBUw=
Rincón, C. A. (3014). Álgebra 1–6 http://site.ebrary.com/lib/bibliodgbmhe/reader.actio
superior. México: McGraw-Hill n?docID=10804306&ppg=6
Interamericana.
Zill, D. G. (2012). Álgebra, 1, 5, 6 http://site.ebrary.com/lib/bibliodgbmhe/reader.actio
trigonometría y geometría analítica. n?docID=10751402&ppg=5
(3ª. ed.) México: McGraw-Hill
Interamericana.
178 de 180
Primer semestre
Sitios electrónicos
Red Universitaria de Aprendizaje. Clase virtual
Matemáticas I, tema Sistema de ecuaciones
http://fcasua.contad.unam.mx/clases_virtuales/informati
lineales, sesión 02: Sistemas de m ecuaciones
ca/1168/sesion_02/player.html
con n incógnitas. Eliminación Gaussiana y
Gauss-Jordan.
http://fcasua.contad.unam.mx/clases_virtuales/informati Red Universitaria de Aprendizaje. Clase virtual
ca/1168/sesion_10/player.html Matemáticas I, tema II Espacios vectoriales,
sesión 10: Combinaciones lineales.
http://fcasua.contad.unam.mx/clases_virtuales/informati Red Universitaria de Aprendizaje. Clase virtual
ca/1168/sesion_02/player.html Matemáticas I, tema III Transformaciones
lineales, sesión 14: Conceptos y ejemplos.
http://fcasua.contad.unam.mx/clases_virtuales/informati Red Universitaria de Aprendizaje. Clase virtual
ca/1168/sesion_19/player.html Matemáticas I, tema IV Producto interno, sesión
19: Ortogonalidad.
http://fcasua.contad.unam.mx/clases_virtuales/informati Red Universitaria de Aprendizaje. Clase virtual
ca/1168/sesion_22/player.html Matemáticas I, tema V Matrices, sesión 22:
Operaciones con matrices.
http://fcasua.contad.unam.mx/clases_virtuales/informati Red Universitaria de Aprendizaje. Clase virtual
ca/1168/sesion_24/player.html Matemáticas I, tema VI Determinantes, sesión
24: Definición y propiedades.
http://fcasua.contad.unam.mx/clases_virtuales/informati Red Universitaria de Aprendizaje. Clase virtual
ca/1168/sesion_26/player.html Matemáticas I, tema VI Determinantes, sesión
26: Eigenvalores y eigenvectores.
https://previa.uclm.es/ab/educacion/ensayos/pdf/revista Artículo sobre la aplicación de las matrices en
18/18_16.pdf la codificación de la información.
http://www.nibcode.com/es/blog/12/algebra-lineal-y-el- Nibcode Solutions blog. El álgebra lineal y el
procesamiento-digital-de-imagenes-parte-I procesamiento digital de imágenes. Parte I.
179 de 180
Primer semestre
180 de 180
Primer semestre