FACULTAD DE INGENIERÍA

IXTACZOQUITLÁN, VER.

Alumno: Hernández Carrera Néstor Oziel

Matricula: s2400404021
Experiencia Educativa: Algebra Lineal
Docente: María Del Pilar Vega Trujillo

z
1
 INDICE
Índice……………………………………………………………………………….2-3
Programa de estudio de experiencia educativa……………………….4-10
Programa de Estudios…………………………………………………………11
Planeación académica…………………………………………………………12-13

➢ UNIDAD I (MATRICES Y DETERMINANTES)

1.1 Definición de Matriz…………………………………………………….14-16
1.2 Clasificación de Matrices………………………………………………17-25
1.3 Operaciones con Matrices…………………………………………….26-38
1.31. Suma y resta de Matrices……………………………………….26-29
1.3.2. Multiplicación de Matrices (Matriz y Escalar).…………..30-38
1.4 Inversa de una Matriz……………………………………………………39-46
1.5 Definición de Determinante………………………………………….47
1.6 Obtención de Determinantes
(2x2, 3x3, Regla de Sarrus y 4x4 por cofactores)………………48-54

➢ UNIDAD II (RESOLUCION DE SISTEMAS DE

ECUACIONES LINEALES)
2.1 Regla de Crammer……………………………………………………….55-64
2.2 Método de Gauss…………………………………………………………65-71
2.3 Método de Gauss Jordan………………………………………………72-79
Corrección del Examen…………………………………………………80-89
➢ UNIDAD III (ESPACIOS Y SUBESPACIOS
VECTORIALES)
3.1 Definición de espacios y subespacios vectoriales……………..90-92
3.2 Vectores en R2, en R3………………………………………………….93-94
3.3 Operaciones con vectores (suma, resta, multiplicación)……95-101
3.4 Norma de un vector (longitud del vector)………………………102-107
3.5 Operaciones con vectores( Producto punto, producto cruz, doble
producto escalar, ortogonalidad)………………………………………..108-133

z
2
➢ UNIDAD IV (VECTORES EN RN)
4.1 Vectores en Rn…………………………………………………………..134-141
➢ UNIDAD V (TRANSFORMACIONES LINEALES)
5.1 Investigación del tema………………………………………….….….142-148
➢ UNIDAD VI (VALORES PROPIOS, VECTORES
PROPIOS Y FORMAS CUADRÁTICAS)
6.1 Investigación del tema……………………………………………….149-152
➢ UNIDAD VII TEMAS ADICIONALES
7.1 Investigación del tema……………………………………………….153-156
➢ BIBLIOGRAFIA
8.1 Investigación del tema……………………………………………….156-156

z
3
 Dirección Técnica
Dirección Universidad Veracruzana Área Académica GeUniversidad
Veracruzana Área Académica Técnica
Programa de estudio de experiencia educativa

1. Área académica

Área Académica Técnica

2.-Programa educativo
Ingeniería Ambiental, Ingeniería Biomédica, Ingeniería Civil, Ingeniería en Alimentos,
Ingeniería en Biotecnología, Ingeniería en Electrónica y Comunicaciones, Ingeniería
en Instrumentación Electrónica, Ingeniería en Tecnologías Computacionales,
Ingeniería Industrial, Ingeniería Informática, Ingeniería Mecánica Eléctrica, Ingeniería
Mecatrónica, Ingeniería Metalúrgica y Ciencias de los Materiales, Ingeniería Naval,
Ingeniería Petrolera, Ingeniería Química e Ingeniería Topográfica Geodésica.

3.- Campus
Xalapa, Veracruz, Orizaba- Córdoba, Coatzacoalcos-Minatitlán, Poza Rica-Tuxpan

4.-Dependencia/Entidad

Facultad de Ciencias Químicas, Facultad de Ingeniería, Facultad de Ingeniería Civil,

Facultad de Ingeniería de la Construcción y el Hábitat, Facultad de Ingeniería Eléctrica y
Electrónica, Facultad de Ingeniería en Electrónica y Comunicaciones, Facultad de
Ingeniería Mecánica y Ciencias Navales, Facultad de Ingeniería Mecánica y Eléctrica,
y Facultad de Instrumentación Electrónica.

6.-Nombre de la experiencia 7.- Área de formación

5.- Código
educativa Principal Secundaria
Álgebra lineal BID

8.-Valores de la experiencia educativa

Créditos Teoría Práctica Total horas Equivalencia (s)

8 3 2 75 Ninguna

9.-Modalidad 10.-Oportunidades de evaluación

Curso-Taller ABGHJK=Todas

11.-Requisitos

Pre-requisitos Co-requisitos
z
4
 Universidad Veracruzana
Dirección General del Área Académica Técnica

Ninguno Ninguno

12.-Características del proceso de enseñanza aprendizaje

Individual / Grupal
(una o dos palabras Máximo Mínimo
fijas)
Grupal 40 10
13.-Agrupación natural de la
Experiencia educativa 14.-Proyecto integrador
Academia de Ciencias Básicas No aplica

15.-Fecha

Elaboración Modificación Aprobación

Enero 2020 --- Junio 2020

16.-Nombre de los académicos que participaron

Academias de Ciencias Básicas de las regiones Xalapa, Veracruz, Orizaba- Córdoba

Coatzacoalcos-Minatitlán, Poza Rica-Tuxpan y coordinadores de las Comisiones de
Diseño y Rediseño de Planes de Estudio (CoDiRPE).

17.-Perfil del docente

Ingeniero o licenciado en área afín a la experiencia educativa, con maestría y/o

doctorado en Ciencias de la Ingenierías o afín, con experiencia disciplinar y
pedagógica comprobable.

18.-Espacio 19.-Relación disciplinaria

Interfacultades Sin relación disciplinar

20.-Descripción

Esta experiencia se localiza en el área básica de iniciación a la disciplina (3 hrs.

teóricas y 2 hrs. prácticas, con valor de 8 créditos) es importante ya que introduce
al estudiante a los métodos matemáticos de álgebra lineal que serán aplicados a la
solución de problemas de experiencias educativas como: métodos numéricos,
programación e ingeniería aplicada; además de ser soporte de materias del área
de matemáticas como cálculo de una variable, cálculo multivariable y ecuaciones
diferenciales. Se proporciona en ésta el conocimiento y uso de los fundamentos
de álgebra lineal, mediante el uso de las TIC´s (investigaciones en la web, uso de
software y la plataforma EMINUS), y con el enfoque del pensamiento complejo
(mostrando los problemas de la vida real que se resuelven con esta experiencia).
La evaluación del desarrollo de las competencias propias de esta experiencia
z
5
 Universidad Veracruzana
Dirección General del Área Académica Técnica
educativa, se realizará mediante la resolución de problemas que se harán evidentes
a través de exámenes y problemarios que deberán ser entregados en tiempo y
forma.

21.-Justificación
Álgebra lineal en conjunto con otras disciplinas de las ciencias básicas soportan
transversalmente las áreas de formación del programa educativo y facilitan al
estudiante, a través de la abstracción, alcanzar las competencias necesarias de
diagnóstico, planteamiento y resolución de problemas complejos de ingeniería
mediante su aplicación al diseño y optimización de equipos, materiales y procesos.

22.-Unidad de competencia
El estudiante resuelve problemas de álgebra lineal, utilizando conocimientos de
matrices, vectores y sistemas de ecuaciones lineales mediante el planteamiento,
análisis, resolución y uso de software en un ambiente de colaboración, respeto y
honestidad, favoreciendo el trabajo en equipo y la responsabilidad, con la finalidad
de contribuir a los requerimientos de conocimientos teóricos de experiencias
educativas posteriores.

23.-Articulación de los ejes

Los estudiantes reflexionan en un marco de orden y respeto mutuo, sobre el
contexto del álgebra lineal (eje axiológico); utilizando conocimientos de matrices, vectores y
sistemas de ecuaciones lineales (eje teórico); solucionando e interpretando (eje heurístico) resultados
para atender problemas propios de la ingeniería. La evaluación del desarrollo de las competencias
propias de esta experiencia educativa, se realizará mediante la resolución de problemas que se
harán evidentes a través de exámenes y problema ríos, reportando los resultados de forma
ordenada y lógica.

24.-Saberes

Teóricos Heurísticos Axiológicos

Matrices y • Comprensión de • Colabora
determinantes conceptos básicos. asertivamente en la
• Concepto de matriz. • Resolución de formulación de
• Operaciones con problemas por soluciones a casos
matrices (suma, resta, métodos matriciales. planteados.
negatividad de una • Aplicación de TIC´s a • Se relaciona
matriz, multiplicación, la solución de respetuosamente con
constante por matriz, problemas del algebra sus compañeros y
potencia). lineal. profesor.
• Propiedades de las • Determinación de la • Manifiesta honestidad
operaciones con dependencia o al reportar tareas y
matrices. independencia trabajos de su autoría
lineal y al documentar los
z
6
 Universidad Veracruzana
Dirección General del Área Académica Técnica
• Matrices elementales de un conjunto de créditos
(Gauss, Gauss-Jordan). vectores. correspondientes.
• Determinantes. • Realización de • Se responsabiliza de
• La inversa de una cambios de base entre entregar en tiempo y
matriz. espacios vectoriales y forma las evidencias
• Evaluación de un la matriz asociada a la de desempeño.
determinante usando transformación lineal. • Se compromete con
operaciones • Conversión de bases su aprendizaje al
elementales. entre espacios realizar trabajos
• Propiedades de los vectoriales y la matriz extraclases.
determinantes. asociada.

Sistemas de
ecuaciones lineales
• Introducción a
Sistemas de
Ecuaciones Lineales.
• Eliminación Gaussiana
y Gauss-Jordan.
• Método de la inversa.
• Método de Cramer.
• Aplicaciones.

Espacios vectoriales Rn
• Concepto de espacio
vectorial Rn
• Vectores en Rⁿ.
• Subespacios de
espacios vectoriales.
• Conjuntos
generadores,
dependencia e
independencia lineal.
• Bases y Dimensión.
• Rango de una matriz y
sistemas de
ecuaciones lineales.
• Coordenadas y
cambios de base.
• Aplicaciones.

Espacios con producto

interno
• Longitud y producto
punto en Rⁿ.

z
7
 Universidad Veracruzana
Dirección General del Área Académica Técnica
• Espacios con
producto interno.
• Bases ortonormales,
proceso de
ortogonalización de
Gram-Schmidt.
• Modelos matemáticos
y análisis de mínimos
cuadrados.

Transformaciones
lineales
• Definición de
transformación lineal.
• Imagen y núcleo,
propiedades de las
transformaciones
lineales.
• Representación
matricial de una
transformación lineal.
• Formas cuadráticas.

Valores propios,
vectores propios y
formas cuadráticas
• Valores y vectores
propios de matrices.
• Matrices simétricas y
diagonalización
ortogonal.
• Formas cuadráticas y
secciones cónicas.
• Forma canónica de
Jordan.

25.-Estrategias metodológicas

De aprendizaje De enseñanza
Resolución de problemas propuestos. Exposición frente a grupo.
Búsqueda de información. Organización de grupos de trabajo.
Lectura e interpretación. Discusión dirigida.
Aprendizaje basado en problemas. Exposición medios didácticos.
Discusiones grupales. Plenaria.

z
8
 Universidad Veracruzana Dirección General del
Área Académica Técnica

26.-Apoyos educativos
Materiales didácticos Recursos didácticos
Libros digitales e impresos Bocinas
Antologías Video proyector
Problemarios Dispositivos electrónicos
Diapositivas Software
Páginas web
Eminus
Pintarrón
27.-Evaluación del
desempeño
Evidencia (s) de Criterios de Ámbito(s) de
Porcentaje
desempeño desempeño aplicación
Procedimiento
Resultado
Exámenes Aula 60 %
Claridad
Orden
Procedimiento
Portafolio (tareas,
Resultado
casos de estudio,
Claridad Extramuros 40 %
etc.)
Orden
Oportuno

z
9
28.-Acreditación
Para acreditar esta experiencia educativa el estudiante deberá haber presentado con
suficiencia cada evidencia de desempeño, es decir, que en cada una de ellas, haya
obtenido cuando menos el 60%, además de cumplir el porcentaje de asistencia
establecido en el estatuto de alumnos 2008.
29.-Fuentes de información

Básicas
1. Anton, Howard. Introducción al Álgebra Lineal. Quinta Edición. México, D. F.
Limusa Wiley. 2011
2. Grossman, Stanley I. Álgebra Lineal. Séptima Edición. México, D. F. McGraw-
Hill. 2012
3. Larson, Ronald. Introducción al Álgebra Lineal. México, D. F. Limusa. 1999
4. Lay, David C. Álgebra Lineal y sus Aplicaciones. Cuarta Edición. México, D. F.
Pearson Educación. 2012

Complementarias
1. J. de Burgos, Álgebra lineal. McGraw-Hill, 2000.
2. Kenneth Hoffman, Ray A. Kunze, Álgebra lineal. Prentice-Hall
Hispanoamericana, México, 1973.
3. Ben Noble, D. Daniel James, Álgebra lineal aplicada. Prentice-Hall
Hispanoamericana, México, 1989.
4. Golubitsky, M.; Dellhitz, M. (2001): Álgebra lineal y ecuaciones diferenciales
con uso de Matlab. Thomson.
5. Kolman, Bernard (1999): Álgebra Lineal con MATLAB. Prentice Hall.

10
z
 PROGRAMA DE ESTUDIOS

11
z
 Datos del académico
Nombre
María del Pilar Vega Trujillo
completo:
Número de Correo electrónico
10258 [email protected]
personal: institucional:
Otros medios de comunicación Plataforma EMINUS, WhatsApp, vía telefónica,
con los estudiantes: videollamada.

Experiencia
ALGEBRA LINEAL Grupos 101y 102
educativa:
Programa
INGENIERIA MECANICA ELECTRICA.
educativo:
Unidad de El estudiante resuelve problemas de álgebra lineal, utilizando
competencia: conocimientos de matrices, vectores y sistemas de ecuaciones lineales
mediante el planteamiento, análisis, resolución y uso de software en
un ambiente de colaboración, respeto y honestidad, favoreciendo el
trabajo en equipo y la responsabilidad con la finalidad de contribuir a
los requerimientos de conocimientos teóricos de experiencias
educativas posteriores.
Estrategias metodológicas Evidencias y criterios de
Contenidos
y apoyos educativos desempeño
1) Matrices y Lecturas. Videos. Búsqueda y entrega de
determinantes. Exposiciones. información.
1.1Definición de Búsqueda de Información.
Análisis e Interpretación de Resolución de ejercicios y
matriz. Datos. problemas entregados en
1.2 Clasificación de Manejo de paquetería Word, tiempo y forma.
matrices. Excel, Power Point. Participaciones en clase.
1.3 Operaciones con
matrices. Resolución de ejercicios y Se realizarán 3 exámenes
Suma, resta, problemas. parciales.
Alternativas de Decisión.
multiplicación.
Toma de Decisiones Se entregará un manual
1.4 Inversa de una digitalizado que contenga lo
matriz. Mediante la Plataforma investigado, los ejercicios
1.5 definición de Institucional Eminus, correo realizados, lo visto en clase y
determinante. institucional lo enviado por medios
1.6 Obtención de digitales.
determinantes de
Todo esto se contabilizará
2x2, 3x3 Regla
para su calificación integral
de Sarrus y 4x4 por
cofactores.
2) Resolución de
sistemas de
ecuaciones

12
z
 Lineales.
2.1 Regla de Cramer
2.2 Método de
Gauss
2.3 Método de
Gauss Jordan

3) Espacios y
subespacios
vectoriales.
3.1 Definición de
espacios y
subespacios
vectoriales.
3.2 Vectores en R2,
en R3.
3.3 Operaciones con
vectores. Suma,
resta.
3.4 Norma de un
vector (longitud del
vector).
3.5 Operaciones
con vectores.
Producto
punto, producto cruz,
doble
producto escalar,
ortogonalidad.

4) Vectores en Rn.
4.1 Operaciones:
suma, resta,
producto
interno.
5) Transformaciones
Lineales.
6) Valores propios,
vectores propios y
formas cuadráticas.

13
z
 UNIDAD I (MATRICES Y DETERMINANTES)
I) Matrices y Determinantes

1.1 Definición de matriz.

Investigación
Definición:
Una matriz es una tabla bidimensional de números en cantidades abstractas que
pueden sumarse y multiplicarse.
• Las matrices se describen en el campo de la teoría de matrices. Pueden
descomponerse de varias formas.
Una matriz es una tabla cuadrada o rectangular de datos (llamados elementos)
ordenados en renglones y columnas, donde un renglón es cada una de las líneas
horizontales de la matriz y una columna es cada una de las líneas verticales. A una
matriz con m renglones y n columnas se le denomina matriz m-por-n (escrito m×n),
y a m y n dimensiones de la matriz.

Abreviadamente se puede expresar A = (aij) Cada elemento de la matriz lleva dos

subíndices. • El primero de ellos “i”, indica el renglón en la que se encuentra el
elemento, y el segundo, “j”, la columna.
*Referencia:
➢ “Strang, G. (2009). Introducción al Álgebra Lineal (4ª ed.). Reverté.”

14
z
Una matriz es una estructura matemática fundamental en álgebra lineal, que se
representa como un arreglo bidimensional de elementos, organizados en un
conjunto de filas y columnas. Los elementos de una matriz pueden ser números
reales, complejos, funciones, u otros tipos de objetos matemáticos. Las matrices
se utilizan para simplificar la representación y manipulación de sistemas de
ecuaciones lineales, así como en la descripción de transformaciones lineales, las
cuales mapean vectores de un espacio a otro de manera lineal.
Además, las matrices son esenciales en diversas aplicaciones, desde la
computación gráfica hasta la economía y la física.

Kolman y Hill (2006) describen una matriz como "una colección rectangular de
números dispuestos en m filas y n columnas, que se utiliza para representar y
resolver sistemas de ecuaciones lineales, así como para describir y analizar
transformaciones lineales" (p. 57). La importancia de las matrices radica en su
capacidad para compactar grandes cantidades de información en una forma
manejable, facilitando operaciones algebraicas complejas y la modelización de
problemas en múltiples disciplinas.
*Referencia:
➢ Kolman, B., & Hill, D. R. (2006). Álgebra lineal (8ª ed.). Pearson Educación.

15
z
 Lo Visto en Clase
Definición:
Las matrices son un conjunto bidimensional de números o
símbolos distribuidos de forma rectangular, en líneas verticales y horizontales,
de manera que sus elementos se organizan en filas y columnas. Sirven
para describir sistemas de ecuaciones lineales o diferenciales, así como
para representar una aplicación lineal.

Toda matriz se representa por medio de una letra mayúscula, y sus elementos
se reúnen entre dos paréntesis o corchetes, en letra minúscula. A su vez,
tienen doble superíndice: el primero hace referencia a la fila y el segundo a la
columna a la que pertenece.

Renglones

Ejemplo:

0 0
B= 4= -5
=
-1
= 8
3x2
=

16
z
 1.2 Tipos o Clasificación de Matrices
Investigación:
Algunas matrices destacables son:
Matriz nula, es aquella cuyos elementos son todos cero.

Matriz fila, la cual cuenta con una sola fila.

𝐴=(5−26)
Matriz columna, la cual cuenta con una sola columna.

Matriz cuadrada, es aquella que tiene el mismo número de filas que de columnas,
es decir, de dimensión 𝑛∗𝑛 por ejemplo:

17
z
Las matrices cuadradas son las únicas que poseen grado, el cual es igual al
número de orden.

Matriz rectangular, es aquella matriz donde m es diferente de n, es decir,

desigual número de renglones y de columnas, por ejemplo:

Matriz triangular, es una particularidad de la matriz cuadrada, cuando los

elementos por encima o por debajo de la diagonal principal están conformados
por 0 dependiendo donde se encuentren, es el nombre con que se designa.

18
z
Matriz triangular superior.

Matriz triangular inferior

Matriz diagonal, es la matriz cuadrada cuyos elementos que se encuentran sobre

y por debajo de la diagonal principal son 0.

Diagonal principal.

19
z
Matriz escalar, es toda matriz diagonal en la cual los elementos de la diagonal
principal son iguales.

Diagonal principal.
Matriz identidad, es la matriz diagonal en la que todos los elementos de la
diagonal principal son números 1. Se representa con la letra 𝐼.

Diagonal principal.

Traspuesta de una matriz, se representa de la siguiente forma 𝐴𝑇 la

característica es que cambian de posición los elementos de la fila y columna.
𝐴=(𝑎𝑖𝑗) de orden 𝑚∗𝑛 si se modifica a una matriz traspuesta quedaría 𝐴𝑇=(𝑎𝑖𝑗) y
se modifica al orden 𝑛∗𝑚

20
z
Se cambian filas a columnas y las columnas a filas quedando de la siguiente
forma:

Matriz simétrica. Una matriz es simétrica cuando es igual a su traspuesta. 𝐴=𝐴𝑇

Sólo se aplica a una matriz cuadrada.

Modo práctico. Se puede visualizar si una matriz es simétrica si los elementos que
se reflejan respecto a la línea que pasa por la diagonal principal son iguales.

21
z
Matriz antisimétrica. Una matriz es antisimétrica cuando esta resulta igual a
menos su traspuesta. 𝐴=−𝐴𝑇

Se multiplica la traspuesta por−1

El resultado es una matriz igual a la primera.

Modo práctico. La diagonal debe contener elementos, 0 y los elementos que se
reflejan deben ser opuestos.

*Referencia:
➢ Universidad Autónoma del Estado de Hidalgo, Centro de Cómputo Académico,
& Instituto de Ciencia Básicas e Ingeniería. (2023). Universidad Autónoma del
Estado de Hidalgo. © 2023 Universidad Autónoma del Estado de Hidalgo.
Derechos Reservados.

22
z
Lo visto en clase:
Tipos de matrices.
Matriz Cuadrada: Tiene el mismo número de renglones y columnas. (m=n).

Matriz Rectangular: Tiene diferente número de renglones y columnas. (m≠n).

Matriz Escalar: Es una matriz en donde todos los elementos de la diagonal

principal son iguales (Forzosamente cuadrada).

Matriz Unidad: Es una matriz escalar (diagonal) en la que la diagonal principal es

igual a 1.

23
z
Matriz Diagonal: Es una matriz cuadrada, cuya diagonal principal tiene valores y
todo lo que esta fuera de ella (diagonal principal) son cero.

Matriz Nula: Es una matriz en la que todos sus elementos son cero.

Matriz Transpuesta: Aquella matriz que se obtiene cambiando (ordenadamente)

renglones por las columnas.

Matriz Triangular Inferior: Todos los elementos arriba de la diagonal principal son
cero.

24
z
Matriz Triangular Superior: Todos los elementos por debajo de la diagonal
principal son cero.

Matriz Inversa: Aquella que multiplicaba por ser matriz original nos da una matriz
identidad.

Matriz Renglón: Aquella que consta de un solo renglón.

Matriz Columna: Todos los elementos arriba de la diagonal principal son cero.

25
z
 1.3 Operación con matrices. Suma, resta, multiplicación.
1.3.1Suma de matrices
Dadas dos o más matrices del mismo orden, el resultado de la suma es otra
matriz del mismo orden cuyos elementos se obtienen como suma de los
elementos colocados en el mismo lugar de los matrices sumandos.
Ejemplo:

1.3.1Resta de matrices
Dadas dos o más matrices del mismo orden, el resultado de la resta es otra
matriz del mismo orden cuyos elementos se obtienen como la resta de los
elementos colocados en el mismo lugar de los matrices sumandos.
Ejemplo:

Multiplicación por un número

Para multiplicar una matriz cualquiera por un número real, se multiplican todos los
elementos de la matriz por dicho número.
Ejemplo:

Producto de matrices
El resultado de multiplicar dos matrices es otra matriz en la que el elemento que
ocupa el lugar cij se obtiene sumando los productos parciales que se obtienen al
multiplicar todos los elementos de la fila “i” de la primera matriz por los elementos
de la columna “j” de la segunda matriz. Es decir, multiplicamos la primera fila por
los elementos de la primera columna y el resultado será nuestro nuevo elemento.
Para ello, el número de columnas de la primera matriz debe coincidir con el
de filas de la segunda. Si no fuese así no podríamos realizar la operación.

26
z
Ejemplo:

Observamos como la matriz resultante tiene el número de filas de la primera y el

de columnas de la segunda.
Debemos recordar, que las matrices no tienen la propiedad conmutativa. En el
caso de que se pudiera operar A.B y B.A el resultado por lo general puede ser
diferente.
Ejemplos:

*Referencia:
➢ Universidad Autónoma del Estado de Hidalgo, Centro de Cómputo Académico,
& Instituto de Ciencia Básicas e Ingeniería. (2023). Universidad Autónoma del
Estado de Hidalgo. © 2023 Universidad Autónoma del Estado de Hidalgo.
Derechos Reservados.

27
z
 Lo visto en clase:
Para poder sumar o restar matrices, éstas deben tener el mismo número de
renglones y de columnas. Es decir, si una matriz es de orden 32 y otra de 33,
no se pueden sumar ni restar.
Esto es así ya que, tanto para la suma como para la resta, se suman o se restan
los términos que ocupan el mismo lugar en las matrices.

1 2 7 2 1 4 3 6
A= =35 =46 8=9 B= =79 =54 C= =78 25 39=
3x3 3x2 3x3
=
2 1 7 2
D= E=
=53 =24 3 4
= 2x2

3x2

Hallar:
a) A+B
No se puede, porque no son del mismo orden.
b) B-C
No se puede, no son del mismo orden.
c) A+E
No se puede, son de diferente orden.
d) D-B
Si se puede

d) D-B=
3x2

28
z
 e) A-C=
3x3

g) C-A=
3x3

h) B+D=
3x2

i) B-D=
3x2

j) B+E= La operación no se puede realizar porque no son del mismo orden

k) C-D= La operación no se puede realizar porque no son del mismo orden

Las operaciones no se pueden realizar

debido a que si las matrices no comparten el
mismo orden no se puede efectuar una
matriz resultante.

29
z
 1.3.2 Operación con matrices, Multiplicación.
Multiplicación de una matriz por un escalar
La multiplicación de una matriz por un escalar, se refiere a la multiplicación de la
misma por una constante, es decir, el escalar multiplica a cada uno de los
elementos de la matriz, ocupando la misma posición que el elemento original,
ejemplo:

Ejemplo 1:
Dada la siguiente matriz A, multiplicar por el escalar 9 :

Ejemplo 2:
Dada la siguiente matriz A, multiplicar por el escalar 2 :

Ejemplo 3:
Dada la siguiente matriz A, multiplicar por el escalar -2 :

Ejemplo 4:
Dadas las siguientes matrices A y B, calcular 2A + 4B :

30
z
Multiplicación de matrices
CARACTERÍSTICAS PRINCIPALES:
• No existe conmutatividad en la multiplicación de matrices, es decir, AB ≠ BA
• Si existe distributividad, es decir, A(B+C) = AB + AC
• Si existe asociatividad, es decir, (AB)C = A(BC)
• Para que se dé la multiplicación con matrices, no importa su orden, siempre
y cuando las columnas de la primera matriz sean iguales con los renglones
de la segunda matriz.
• El orden del producto de la matriz, nos lo indica, el número de los renglones
de la primera matriz y el número de las columnas de la segunda matriz.
Ejemplo:

¿Se puede multiplicar A • B ?

Una vez satisfecha la condición, se procede a multiplicar cada uno de los

renglones de la primera matriz por cada una de las columnas de la segunda
matriz, efectuando una suma con los productos.

31
z
Ejemplo 1:
Dadas las siguientes matrices A y B, calcular: A • B

Mostrar solución

Ejemplo 2:
Dadas las siguientes matrices A y B, calcular: A • B

*Referencia:
➢ Universidad Autónoma del Estado de Hidalgo, Centro de Cómputo Académico,
& Instituto de Ciencia Básicas e Ingeniería. (2023). Universidad Autónoma del
Estado de Hidalgo. © 2023 Universidad Autónoma del Estado de Hidalgo.
Derechos Reservados.

32
z
Lo visto en clase:
Multiplicación por un número
Para multiplicar una matriz cualquiera por un número real, se multiplican todos los
elementos de la matriz por dicho número.
Ejemplo:

Producto de matrices
El resultado de multiplicar dos matrices es otra matriz en la que el elemento que
ocupa el lugar cij se obtiene sumando los productos parciales que se obtienen al
multiplicar todos los elementos de la fila “i” de la primera matriz por los elementos
de la columna “j” de la segunda matriz. Es decir, multiplicamos la primera fila por
los elementos de la primera columna y el resultado será nuestro nuevo elemento.
Para ello, el número de columnas de la primera matriz debe coincidir con el
de filas de la segunda. Si no fuese así no podríamos realizar la operación.
Ejemplo:

Ejemplos:
Sean las matrices:

33
z
HALLAR:
a) 2A

b)-3B

c)1/2C

d)-3/4D

e)1/5E

f) AB
Multiplicar las filas de la primera matriz por las columnas de la segunda matriz,
luego la segunda y así consecutivamente

34
z
g) BA

h) AC
No se puede, el número de columnas de la primera matriz no es igual al número
de renglones de la segunda matriz.
i) CD
No se puede, el número de columnas de la primera matriz no es igual al número
de renglones de la segunda matriz.
j) DC

k) CE
No se puede, el número de columnas de la primera matriz no es igual al número
de renglones de la segunda matriz.
l) DE

m) DD ó D²
=

35
z
n) 2/5 A

o)-1/3B

p) -3A+5B

36
z
q) 2C-3D
No se puede, el número de columnas de la primera matriz no es igual al número
de renglones de la segunda matriz.
r) 3C-4E

s) 1/2A +2/5B

37
z
t) A-4B

38
z
 1.4 Inversa de una Matriz. (Gauss-Jordan)
Investigación:
A continuación, veremos un método que nos permite calcular la inversa de una
matriz usando las operaciones elementales por filas para reducir la matriz a una
matriz escalonada reducida, pero a su vez, con las mismas operaciones
transformar la matriz identidad en la inversa que estamos buscando. Podemos
usar el Método de Eliminación de Gauss-Jordan (ó Método de Eliminación
Gaussiana) para calcular su inversa ampliando la matriz adosando la matriz
identidad a su lado derecho, de la siguiente forma:

Veamos algunos ejemplos para entender como se calcula la matriz inversa

desarrollando este procedimiento.
Ejemplos
Ejemplo 1
Considerando la matriz de tamaño . Calcule la matriz inversa usando
el Método de Eliminación de Gauss-Jordan.
Empezamos calculando el determinante de la matriz para verificar que éste sea
diferente de cero,

Habiendo verificado que el determinante de la matriz es distinto de cero,

ampliamos la matriz adosando la matriz identidad de lado derecho y aplicamos el
Método de Eliminación de Gauss-Jordan sobre la matriz .

39
z
Finalmente, la matriz inversa de A está definida de la siguiente forma,

Ejemplo 2
Considerando la matriz de tamaño . Calcule la matriz inversa usando
el Método de Eliminación de Gauss-Jordan.
Empezamos calculando el determinante de la matriz para verificar que éste sea
diferente de cero,

Habiendo verificado que el determinante de la matriz es distinto de cero,

ampliamos la matriz adosando la matriz identidad de lado derecho y aplicamos el
Método de Eliminación de Gauss-Jordan sobre la matriz .

40
z
Finalmente, la matriz inversa de A está definida de la siguiente forma,

Ejemplo 3
Considerando la matriz de tamaño . Calcule la matriz inversa usando
el Método de Eliminación de Gauss-Jordan.
Empezamos calculando el determinante de la matriz para verificar que éste sea
diferente de cero,

Habiendo verificado que el determinante de la matriz es distinto de cero,

ampliamos la matriz adosando la matriz identidad de lado derecho y aplicamos el
Método de Eliminación de Gauss-Jordan sobre la matriz .

41
z
La matriz inversa de A está definida de la siguiente forma:

*Referencia:
➢ Arias-García, A. (2020, 22 de noviembre). Cálculo de matriz inversa: Gauss-
Jordan. Totumat. https://totumat.com/2020/11/22/calculo-de-matriz-inversa-
gauss-jordan/

42
z
Visto en clase:
Ejemplos:
A*A = I(Matriz Identidad); 1 en la diagonal principal y 0 en los demas espacios.
Considerando la matriz de tamaño . Calcule la matriz inversa usando
el Método de Eliminación de Gauss-Jordan.

a) Añadir una matriz Identidad

43
z
b)

44
z
c)

45
z
d)

46
z
1.5 Definición de Determinantes 2x2 y 3x3
Investigación:
Es una función que aplicada a una matriz cuadrada le hace corresponder
un escalar o valor fijo.
El cálculo de la determinante, es decir, el valor que le corresponde a la matriz
cuadrada se obtiene con la aplicación de la regla de Cramer.
El determinante se presenta como las siglas Det
De tal manera que si se va a aplicar a la matriz A quedaría de la siguiente
forma Det(A) que se lee, determinante de A
Se representa entre barras |A|
Características generales para el cálculo de un determinante.
El determinante solo se obtiene de matrices cuadradas m∗n, es decir de aquellas
matrices que poseen el mismo número de renglones que de columnas.
El determinante se calcula de un renglón o columna de la matriz; el resultado será
el mismo.
Los determinantes se pueden calcular por cualquiera de los siguientes métodos:
• Fórmula general.
• Cofactores.
• Propiedades.
• Sarrus.
*Referencia:
➢ Universidad Autónoma del Estado de Hidalgo, Centro de Cómputo Académico,
& Instituto de Ciencia Básicas e Ingeniería. (2023). Universidad Autónoma del
Estado de Hidalgo. © 2023 Universidad Autónoma del Estado de Hidalgo.
Derechos Reservados.

47
z
1.6 Obtención de Determinantes de 2x2, 3x3, Regla de
Sarrus y 4x4 por cofactores
Investigación:
Recordatorio:
Para calcular el determinante de una matriz de 2 x 2 se realiza una multiplicación
cruzada y se restan los productos.

Lo visto en Clase:
Ejemplos: hallar el determinante de las siguientes matrices 2x2

Resolución de Matrices 3x3

48
z
Determinantes parar matrices 3x3
Algoritmo del cálculo del determinante por fórmula general
Para calcular el determinante de una matriz de n x n (matriz cuadrada) por fórmula
general, se usa lo que se sabe sobre un determinante de 2 x 2, para definir un
determinante de 3 x 3, que a su vez se usa para definir un determinante de 4 x 4, y
así sucesivamente.
Comenzamos por definir un determinante de 3x3.
Sea A una matriz cuadrada de tres por tres; tres renglones y tres columnas:

Primero se analiza en la matriz que renglón o columna es conveniente elegir para

calcular el determinante; con la finalidad de generar menos procedimiento,
cualquier renglón o columna crea el mismo resultado.

Para obtener las matrices del renglón o columna elegido; solo se elimina el
renglón y columna que ocupa el coeficiente, ejemplo:

49
z
Visto en clase:

#Rojo mantiene Signo #Azul cambia de signo

50
z
Método de Cofactores (matrices 4x4)
Expansión por cofactores
La expansión por cofactores de una matriz consiste en expresar el determinante
de una matriz de orden en términos de determinantes de matrices de
menor tamaño (menores), multiplicados por factores llamados cofactores. El
cofactor está dado por:

donde:
• es el cofactor asociado al elemento
• es un signo que depende de la posición del elemento en la matriz
(regla de los signos).
• que se obtiene eliminando la fila y la columna de la matriz original.
Regla de los signos
La regla de los signos en la expansión por cofactores sigue un patrón alternante.
Para una matriz A de tamaño n×n, el patrón de signos se puede
visualizar en una tabla de la siguiente forma para una matriz de 3x3:

Este patrón sigue un ciclo alternante, donde el signo positivo comienza en la

esquina superior izquierda. Los signos cambian conforme te mueves a la derecha
o hacia abajo.

51
z
Para que puedas copiar las matrices y ecuaciones de manera correcta en Word
sin que te salga código, aquí te paso el formato usando símbolos simples y texto
plano.

Ejemplo 1: Determinante de una matriz 2x2

Si tienes una matriz 2x2 como la siguiente:

El determinante de (A) se calcula como:

Por ejemplo, si entonces:

Ejemplo 2: Expansión por cofactores de una matriz 3x3

Considera la siguiente matriz 3x3:

El determinante de (B) se calcula expandiendo por cofactores a lo largo de la

primera fila:

Ahora, calcula los determinantes de las submatrices de 2x2:

52
z
Finalmente, sustituye estos valores en la fórmula del determinante:

Lo visto en Clase:

e)

𝑓 𝑔

53
z
f)

(No se ponen las demás)

por que dan 0.)

𝑔 ℎ

54
z
UNIDAD II (RESOLUCION DE SISTEMAS DE
ECUACIONES LINEALES)
2.1 Regla de Crammer
Investigación:
La regla de Cramer es un método que 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 a cero.

Esto se resume formalmente a continuación:

Sea un sistema de ecuaciones lineales A x = y.

Si se cumple lo siguiente:

a) “A” es una matriz cuadrada

b) Y

55
z
Si las matrices involucradas A y Ai son de un orden máximo “3x3”, sus
determinantes se pueden calcular con la regla de Sarrus.
Ejemplo:

Con base en este ejemplo, los valores x = 8, y = 4, z = 3 son la solución del

sistema de ecuaciones lineales propuesto.

Regla de Cramer para un sistema de dos ecuaciones con dos

incógnitas
Sea el siguiente sistema de ecuaciones de segundo orden:

La matriz de coeficientes es la siguiente:

Se calculan los valores de x, y a través de la regla de Cramer:

56
z
*Referencia:
➢ De la Rosa, A., Luna, J., Minjares, M., Rivera, S., Rodríguez, A. y Sánchez, G.
(2017a). Determinantes. En Matemáticas I (Álgebra Lineal). Licenciatura en
Contaduría [CD-ROM]. México: UNAM.

LO VISTO EN CLASE:
Ejemplo 1:

57
z
 58
z
Ejemplo 2:

59
z
 60
z
Ejercicio 3:

61
z
 62
z
Ejercicio 4:

63
z
 64
z
2.2 Método de Gauss
Investigación:
La eliminación gaussiana de un sistema de m ecuaciones y n incógnitas es una
metodología que permite determinar si existe un grupo de valores X2,X2,...Xn1 que
sean solución de un sistema de ecuaciones. Como ya se ha mencionado, al
sistema de m ecuaciones con n incógnitas se le representa de la siguiente
manera:

Donde 1, 2, 3,...m son las ecuaciones y x2,x2,...xn son las variables independientes
de las ecuaciones.
1. Eliminación Gaussiana
Recordemos que en cualquier matriz se pueden efectuar las siguientes
operaciones, llamadas operaciones elementales de fila:
1. Intercambiar las filas i y j, esta operación se denota por Ri↔Rj.
2. Multiplicar la fila i por un número k≠0, esta operación se denota por kRi.
3. Sumarle k veces la fila j a la fila i, esta operación se denota por Ri+kRj
Las operaciones elementales son importantes porque ellas no cambian el conjunto
de soluciones de un sistema de ecuaciones lineales, en otras palabras, al efectuar
un número finito de operaciones elementales a la matriz aumentada asociada a un
sistema de ecuaciones lineales, las soluciones del sistema obtenido son las
mismas soluciones del sistema original. La idea detrás del método de eliminación
Gaussiana es precisamente utilizar las operaciones elementales hasta llevar un
sistema de ecuaciones a una forma escalonada.
Eliminación Gaussiana
Para resolver un sistema de ecuaciones podemos seguir los siguientes pasos:
1. Escriba la matriz aumentada del sistema de ecuaciones lineales.

65
z
 2. Use operaciones elementales de fila para llevar la matriz aumentada a una
forma escalonada.
3. Mediante sustitución regresiva, resuelva el sistema equivalente
correspondiente a la matriz aumentada escalonada.
Ejemplo: Resolver el sistema de ecuaciones lineales

Solución: La matriz aumentada asociada al sistema es

Utilizando Eliminación Gaussiana obtenemos lo

siguiente

De la tercera fila se obtiene 2z=2, es decir, z=1. De la segunda fila

obtenemos y=−1. Finalmente, de la primera fila se obtiene x+2y+z=0, es
decir, x=1. Concluimos que la solución del sistema de ecuaciones es

66
z
De manera vectorial esta solución se puede escribir de la forma

En particular el sistema tiene solución única.

*Referencia:
➢ De la Rosa, A., Luna, J., Minjares, M., Rivera, S., Rodríguez, A. y Sánchez, G.
(2017a). Determinantes. En Matemáticas I (Álgebra Lineal). Licenciatura en
Contaduría [CD-ROM]. México: UNAM.

LO VISTO EN CLASE:

67
z
 68
z
 69
z
 70
z
 71
z
2.3 Método Gauss-Jordan
El método de eliminación Gauss-Jordan consiste en representar el sistema de
ecuaciones por medio de una matriz y obtener a partir de ella lo que se define
como la matriz escalonada equivalente, a través de la cual se determina el tipo de
solución de la ecuación.

Un tipo de matriz escalonada (también conocida como matriz de identidad, donde

la diagonal principal tiene solamente uno y, en el resto de las posiciones, cero) se
representa de la siguiente forma:

El procedimiento de escalonamiento de la matriz se realiza mediante la aplicación

de tres operaciones permitidas por el método:

72
z
Ejemplo de aplicación del método Gauss-Jordan a partir de la representación de la
matriz aumentada
Es importante indicar que el proceso de escalonamiento sobre la matriz
aumentada sólo se realiza al considerar la parte correspondiente a la matriz de
coeficientes, esto es, el escalonamiento no se lleva a cabo sobre el vector
independiente, aunque éste sí se ve afectado por todas las operaciones realizadas
por el método de Gauss-Jordan.

Este método es un procedimiento que simplifica y acelera notoriamente la

obtención de la solución de un sistema de ecuaciones y es también un método
que facilita el desarrollo de algoritmos por computadora; por ello, es de amplio uso
en la práctica profesional.
*Referencia:
➢ De la Rosa, A., Luna, J., Rivera, S., Rodríguez, A. y Sánchez, G. (2017).
Eliminación Gaussiana y Gauss-Jordan. En Matemáticas I (Álgebra Lineal).
Licenciatura en Contaduría [CD-ROM]. México: UNAM.

LO VISTO EN CLASE:
Ejercicio 1:

73
z
 74
z
Ejercicio 2:

75
z
Ejercicio 3:

76
z
Ejercicio 4:

77
z
 78
z
 79
z
Examen Unidades I y II

80
z
 81
z
 82
z
 83
z
Corrección del examen
a)

84
z
b)

85
z
c)

86
z
 87
z
 88
z
 89
z
UNIDAD III (ESPACIOS Y SUBESPACIOS VECTORIALES)
3.1 Definición de espacio vectorial
Un espacio vectorial es un conjunto no vacío V de objetos, llamados vectores,
en el que se han definido dos operaciones: la suma y el producto por un escalar
(número real) sujetas a los diez axiomas que se dan a continuación. Los
axiomas deben ser válidos para todos los vectores u, v y w en V y todos los
escalares α y β reales.

Llamamos u+vu+v a la suma de vectores en V, y αvαv al producto de un

número real α por un vector v∈V

1. u + v∈V
2. u + v = v + u
3. (u + v) +w = u + (v + w)
4. Existe un vector nulo 0V∈V tal que v + 0V = v
5. Para cada v en V, existe un opuesto:(–v) ∈V tal que v + (–v) = 0V
6. αv∈V
7. α (u + v) = αu + αv
8. (α + β) v = αv + βv
9. α (βv) = (αβ) v
10. 1v = v
Observación: En la definición anterior, cuando decimos «escalares» nos estamos
refiriendo a números reales. En este caso, se dice que V es un espacio vectorial
real.

También es posible que los escalares pertenezcan a otro conjunto numérico, por
ejemplo, los números complejos con los cuales trabajaremos en la última unidad.

Ejemplo 1

De acuerdo con las propiedades que vimos en la primera unidad, podemos

afirmar que R3 es un espacio vectorial.

Los espacios Rn, con n≥1, son los ejemplos principales de espacios
vectoriales. Los vectores de Rn son n-u plas de números reales, o sea:
Rn= {(x1, x2, xn), conxi∈R}
Propiedades de los espacios vectoriales

A partir de los axiomas de espacios vectoriales, pueden demostrarse estas

propiedades que resultan «naturales»:

90
z
 Propiedad 1:0u = 0V
Propiedad 2: α0V =
0V Propiedad 3: (–α) u
= –(αu)

En particular, para α = 1: (–1) u = –u

Propiedad 4: αu=0V⇒α=0∨u=0V

Veamos cómo puede demostrarse esta última propiedad:

Si α=0, se cumple la proposición.
Si α≠0, podemos multiplicar por 1α:
αu=0V⇒1α αu=1α0V⇒u=0V

Subespacios vectoriales
Definición

Sea V un espacio vectorial y W un subconjunto no vacío de V.

W es un subespacio de V si W es en sí mismo un espacio vectorial con las mismas

operaciones (suma de vectores y producto por un escalar) definidas en V.

Ejemplo

W= {(x1, x2) ∈R2: x2 = 3x1} ¿es un subespacio de R2?

Primero analicemos el conjunto W. Son todos vectores de R2 tales que la segunda

componente es el triple de la primera:

(x1,3x1) = x1(1,3)

W es la recta que pasa por el origen y tiene vector director (1,3), o sea la recta de
ecuación y = 3x.
Para decidir si W es un subespacio de R2 habría que verificar que se cumplen los
axiomas del 1 al 10. El lector puede comprobar que todos se cumplen en este caso
Subespacios triviales
Si V es un espacio vectorial, entonces V es un subespacio de sí mismo.
0V+0V=0V para cualquier k real k0V=0V
Los subespacios {0V} y V se denominan subespacios triviales de V.

91
z
Ejercitación sobre subespacios Ejemplo 1
Consideremos el conjunto W= {(x, y) ∈R2|xy=0}, ¿Es un subespacio de R2? Se
cumple (a) pues (0,0) ∈W
No se cumple (b) porque la suma de dos vectores de W puede no estar en W, por
ejemplo:
(1,0) +(0,1) = (1,1) ∉W

Entonces W no es un subespacio de R2.

Ejemplo 2
Consideremos el conjunto W= {(x, y) ∈R2|x=0}. Es decir, la recta de ecuación
x=0x=0. ¿Es un subespacio de R2?
Se cumple (a) pues (0,0) ∈W.
Se cumple (b) pues la suma de dos vectores de W está en W: (0, y1) +(0, y2) = (0,
y1+y2)
Se cumple (c) pues el producto de un vector de W por un número real está en W:
k (0, y) = (0, ky)
*Referencia:
➢ De la Rosa, A., Luna, J., Minjares, M., Rivera, S., Rodríguez, A. y Sánchez, G.
(2017a). Determinantes. En Matemáticas I (Álgebra Lineal). Licenciatura en
Contaduría [CD-ROM]. México: UNAM.

92
z
3.2 Vectores en R2 y R3

93
z
Referencia:
➢ Lay, D. C., Lay, S. R., & McDonald, J. J. (2020). Álgebra lineal y sus
aplicaciones (5.ª ed.). Pearson., A., Luna, A. y Sánchez, G. (2017a).

94
z
3.3 Operaciones con vectores (suma, resta,
multiplicación)
Suma de vectoresSi tenemos dos vectores y , entonces
la suma de y es

En otras palabras, el vector suma de y es el vector que resulta de sumar las

componentes respectivas de estos vectores: la primera componente de se
suma con la primera componente de , y la segunda componente de se suma
con la segunda componente de .
Interpretación gráfica de la suma
Observemos la siguiente gráfica que muestra la suma de los vectores y :

Si y son dos vectores libres, entonces para sumarlos gráficamente primero

se elige el representante de cuyo origen es el extremo de . Luego, es el
vector cuyo origen es el origen de y cuyo extremo es el extremo de .
Notemos que también se puede elegir un representante de tal que
su origen sea el extremo de . La suma tendrá el mismo valor, pero ahora la
obtendremos uniendo el origen de con el extremo de .
Regla del paralelogramo
Lo que discutimos anteriormente como la suma gráfica de los vectores se conoce
como regla del paralelogramo. En particular, si queremos sumar dos vectores
libres con origen en común, entonces debemos trazar rectas paralelas a los
vectores. De esta forma se obtiene un paralelogramo cuya diagonal —que inicia
en el origen de los vectores— es la suma misma de los vectores.
Observa la siguiente figura que muestra la regla del paralelogramo.

95
z
Resta de vectores
La resta de dos vectores y simplemente es la suma de con (es decir, el
opuesto de ).
De este modo, si consideramos los componentes de y , entonces la resta está
dada por

Gráficamente, la resta de y se obtiene igual que la suma. La única diferencia

es que sumamos el opuesto de . Observa la siguiente figura que muestra a y
nota que en el extremo de se coloca el origen de .

Observemos que la resta gráficamente es el vector que une el extremo de con

el extremo de tal y como se puede apreciar en la siguiente figura:
Producto de vector por escalar

La multiplicación de un vector por un número se escribe o . El

número también se conoce como escalar. Además, la multiplicación por escalar
es otro vector que satisface las siguientes propiedades:

• tiene la misma dirección que .

• Si es positivo, entonces tiene el mismo sentido que .

• Si es negativo, entonces tiene el sentido contrario que .

• El módulo de es
Observemos la siguiente figura que representa la multiplicación de por 3.

96
z
En términos de componentes, si , entonces la multiplicación por
escalar está dada por

Ejemplos de ejercicios con vectores

Consideremos los vectores y . Entonces:

1 La suma está dada por:

2 La resta es:

3 El opuesto de es:

4 El producto escalar de por 3 está dado por:

*Referencia:
➢ De la Rosa, A., Luna, J., Minjares, M., Rivera, S., Rodríguez, A. y Sánchez, G.
(2017a). Determinantes. En Matemáticas I (Álgebra Lineal). Licenciatura en
Contaduría [CD-ROM]. México: UNAM.

97
z
LO VISTO EN CLASE:
Ejercicio 1:
Sean los vectores en R2
U= (2,3), V= (-5,2), W= (1,-6).
Hallar:
a) U + V
= (2, 3) + (-5, 2) = (-3, 5)
b) U + W
= (2, 3) + (1, -6) = (3, -3)
c) V + W
= (-5, 2) + (1, -6) = (-4, -4)
d) U - V
= (2, 3) - (-5, 2) = (7, 1)
e) V - U
= (-5, 2) - (2, 3) = (-7, -1)
f) V – W
= (-5, 2) - (1, -6) = (-6, 8)
g) U-W
= (2, 3) - (1, -6) = (1, 9)
h) 2U
= 2(2,3) = (4, 6)
i) -3W
= -3(1, -6) = (-3, 18)
1
j) V
2
1 5
= (-5, 2) =( , 1)
2 2
k) 3U – V + 4W
= 3(2, 3) – (-5, 2) + 4(1, -6) = (6, 9) + (5, -2) + (4, -24) = (15, -17)
l) U + 3V – 2W
= (2, 3) + 3(-5, 2) – 2(1, -6) = (2, 3) + (-15,6) – (2, -12) = (-15, 21)
m) 4U + 2V + 5W
= 4(2, 3) + 2(-5, 2) + 5(1, -6) = (8, 12) + (-10, 4) + (5, -30) = (3, -14)
1 3 1
n) U - 4V + 3W
2
1 3 1 3 15 3 1 61
=2(2, 3) - 4(-5, 2) + 3(1, -6) = (1, 2) + ( 4 , − 2) + (3, -2) = (12, -2)

98
z
Ejercicio 2:
Sean los vectores en R3
U= (1,-2,3), V= (-6,1,-4), W= (-2,5,-1).
Hallar:

99
z
 100
z
 101
z
3.4 Norma de un vector (longitud del vector)

102
z
Referencia:
➢ De la Rosa, A., Luna, J., Minjares, M., Rivera, S., Rodríguez, A. y Sánchez, G.
(2017a). Determinantes. En Matemáticas I (Álgebra Lineal). Licenciatura en
Contaduría [CD-ROM]. México: UNAM.

103
z
LO VISTO EN CLASE:
Ejercicio 1:

104
z
 105
z
Ejercicio 2:

106
z
 107
z
3.5 Operaciones con vectores (Producto punto, producto
cruz, doble producto escalar, ortogonalidad)
Los vectores son fundamentales en matemáticas, física, ingeniería y computación.
Representan magnitudes que tienen dirección y sentido, y son esenciales para
modelar situaciones como fuerzas, movimientos y campos en el espacio.

Referencia:
➢ De la Rosa, A., Luna, J., Minjares, M., Rivera, S., Rodríguez, A. y Sánchez, G.
(2017a). Determinantes. En Matemáticas I (Álgebra Lineal). Licenciatura en
Contaduría [CD-ROM]. México: UNAM.

108
z
LO VISTO EN CLASE:
Ejercicio 1:
Hallar la distancia de P1 a P2, de los siguientes vectores en R2:

Ejercicio 2:
Hallar la distancia de P1 a P2, de los siguientes vectores en R3:

109
z
 110
z
Referencia:
➢ De la Rosa, A., Luna, J., Minjares, M., Rivera, S., Rodríguez, A. y Sánchez, G.
(2017a). Determinantes. En Matemáticas I (Álgebra Lineal). Licenciatura en
Contaduría [CD-ROM]. México: UNAM.

111
z
LO VISTO EN CLASE:
Ejercicio 1, Vectores en R2:
Sean los vectores:

Ejercicio 2, Vectores en R3:

Sean los vectores:

112
z
Ejercicio 3, Vectores en R3:
Sean los vectores:

Hallar el producto punto y el ángulo entre vectores:

113
z
 114
z
Ejercicio 4, Vectores en R3:
Sean los vectores:

Hallar el producto punto y el ángulo entre vectores:

115
z
 116
z
Referencia:
➢ De la Rosa, A., Luna, J., Minjares, M., Rivera, S., Rodríguez, A. y Sánchez, G.
(2017a). Determinantes. En Matemáticas I (Álgebra Lineal). Licenciatura en
Contaduría [CD-ROM]. México: UNAM

117
z
LO VISTO EN CLASE:
Ejercicio 1:
Sean los vectores:

Hallar:

118
z
LO VISTO EN CLASE:
Ejercicio 2:
Sean los vectores:

Hallar:

119
z
 120
z
 121
z
 122
z
 123
z
 124
z
*Referencia:
➢ De la Rosa, A., Luna, J., Minjares, M., Rivera, S., Rodríguez, A. y Sánchez, G.
(2017a). Determinantes. En Matemáticas I (Álgebra Lineal). Licenciatura en
Contaduría [CD-ROM]. México: UNAM.

125
z
LO VISTO EN CLASE:
Ejercicio 1:
Sean los vectores U= (2,-1,3) y V= (4,-1,2). Hallar la proyección ortogonal de u/v
(W1) y la componente de u ortogonal a v (w2).

126
z
 127
z
LO VISTO EN CLASE:
Ejercicio 2:
Hallar la proyección ortogonal de u/v (W1) y la componente de u ortogonal a v (w2)
de los siguientes vectores:

128
z
 129
z
 130
z
 131
z
 132
z
 133
z
Unidad IV (VECTORES EN RN)
4.1 Operaciones: suma, resta, producto interno
Si tenemos dos vectores 𝑢 = (𝒖𝟏, 𝒖𝟐) y 𝑣 = (𝒗𝟏, 𝒗𝟐), entonces la suma de ⃗𝒖→ y ⃗𝒗→ es

En otras palabras, el vector suma de ⃗𝒖→ y ⃗𝒗→ es el vector que resulta de sumar
las componentes respectivas de estos vectores: la primera componente de ⃗𝒖→
se suma con la primera componente de ⃗𝒗→, y la segunda componente de ⃗𝒖→ se
suma con la segunda componente de ⃗𝒗→.

Interpretación gráfica de la suma

Observemos la siguiente gráfica que muestra la suma de los vectores ⃗𝒖→ y⃗𝒗→ :

Si ⃗𝒖→ y ⃗𝒗→ son dos vectores libres, entonces para sumarlos gráficamente primero se
elige el representante de ⃗𝒗→ cuyo origen es el extremo de ⃗𝒖→. Luego, + es el vector
cuyo origen es el origen de ⃗𝒖→ y cuyo extremo es el extremo de ⃗𝒗→.

Notemos que también se puede elegir un representante de ⃗𝒖→ tal que su origen
sea el extremo de ⃗𝒗→. La suma + tendrá el mismo valor, pero ahora la
obtendremos
uniendo el origen de ⃗𝒗→ con el extremo de ⃗𝒖→.

Regla del paralelogramo

Lo que discutimos anteriormente como la suma gráfica de los vectores se

conoce como regla del paralelogramo. En particular, si queremos sumar dos
vectores libres con origen en común, entonces debemos trazar rectas paralelas
a los vectores. De esta forma se obtiene un paralelogramo cuya diagonal que
inicia en el origen de los vectores—es la suma misma de los vectores.

Observa la siguiente figura que muestra la regla del paralelogramo

134
z
 Resta de vectores

La resta de dos vectores ⃗𝒖→ y ⃗𝒗→ simplemente es la suma de ⃗𝒖→ con (es decir, el
opuesto de ⃗𝒗→).

De este modo, si consideramos los componentes de ⃗𝒖→ y ⃗𝒗→, entonces la resta

está dada por

Gráficamente, la resta de ⃗𝒖→ y ⃗𝒗→ se obtiene igual que la suma. La única diferencia es
que sumamos el opuesto de ⃗𝒗→. Observa la siguiente figura que muestra a y
nota que en el extremo de ⃗𝒖→ se coloca el origen de .

Observemos que la resta gráficamente es el vector que une el extremo de ⃗𝒗→

con el extremo de ⃗𝒖→

Producto de vector por escalar

La multiplicación de un vector ⃗𝒖→ por un número k se escribe k o k⃗𝒖→. El

número k también se conoce como escalar. Además, la multiplicación por
escalar es otro vector que satisface las siguientes propiedades:

• k tiene la misma dirección que ⃗𝒖→.

• Si k es positivo, entonces k tiene el mismo sentido que ⃗𝒖→.

Si k es negativo, entonces k tiene el sentido contrario que ⃗𝒖→.

•
El módulo de k es −𝑘 − ∙ |𝑢⃗→ |

135
z
 Observemos la siguiente figura que representa la multiplicación de ⃗𝒖→ por 3.

En términos de componentes, si 𝑢 = (𝒖𝟏, 𝒖𝟐), entonces la multiplicación por

escalar está dada por:

Ejemplos de ejercicios con vectores

Consideremos los vectores u= (-2, 5) y v = (3, -1) Entonces:

1. La suma está dada por:

2. La resta es:

3. El opuesto de es:

4. El producto escalar de 𝒗 por 3 está dado por:

*Referencia:
➢ De la Rosa, A., Luna, J., Minjares, M., Rivera, S., Rodríguez, A. y Sánchez, G.
(2017a). Determinantes. En Matemáticas I (Álgebra Lineal). Licenciatura en
Contaduría [CD-ROM]. México: UNAM.

136
z
LO VISTO EN CLASE:
Ejercicio 1 (representación de vectores en R2):
Representar gráficamente los siguientes vectores:
a) U= (2,3)

b) U= (-5,8)

c) U= (-2,6)

UU

137
z
Ejercicio 2 (representación de vectores en R2):
Representar gráficamente los siguientes vectores en R2 que tienen un punto de
inicio y un punto de final:
a) P1= (-3,-5), P2= (2,3)

b) P1= (3,4), P2= (6,8)

138
z
 c) P1= (-2,6), P2= (3,-3)

Ejercicio 3 (representación de vectores en R3):

Representar gráficamente los siguientes vectores:
a) P= (2,3,4)

139
z
b) P= (4,5,6)

c) P= (-3,2,-4)

140
z
d) P= (5,-2,-6)

141
z
Unidad V (TRANSFORMACIONES LINEALES)
5.1 Investigación del tema

142
z
 143
z
 144
z
 145
z
 146
z
 147
z
*Referencia:
➢ Morales, E., Gutiérrez, D., y Velázquez, P. (2021). Teoría de valores propios y
vectores propios. En Álgebra Lineal: Conceptos y Aplicaciones. Ingeniería
en Computación [Online]. Monterrey: Tecnológico de Monterrey.

148
z
Unidad VI (Valores propios, vectores propios y formas
cuadráticas.)
6.1 Investigación del tema

149
z
 150
z
 151
z
*Referencia:
➢ López, P., Vázquez, G., y Muñoz, M. (2022). Aplicaciones del álgebra lineal en
ingeniería y ciencia de datos. En Álgebra Lineal Aplicada. Maestría en
Ciencias Computacionales [E-book]. Ciudad de México: Instituto Politécnico
Nacional.

152
z
UNIDAD VII (TRANSFORMACIONES LINEALES)
7.1 Investigación del tema

153
z
 154
z
 155
z
 156
z
BIBLIOGRAFIA

1. Determinantes y Sistemas de Ecuaciones:

o De la Rosa, A., Luna, J., Minjares, M., Rivera, S., Rodríguez, A. y Sánchez, G.
(2017a). Determinantes y sistemas de ecuaciones. En Matemáticas I (Álgebra
Lineal). Licenciatura en Ingeniería Industrial [CD-ROM]. México: UNAM.
2. Vectores y Espacios Vectoriales:
o Hernández, F., González, C., Medina, L., y Torres, R. (2019). Espacios
vectoriales y sus propiedades. En Álgebra Lineal Básica. Maestría en
Matemáticas [PDF]. Guadalajara: Universidad de Guadalajara.
3. Valores y Vectores Propios:
o Morales, E., Gutiérrez, D., y Velázquez, P. (2021). Teoría de valores propios y
vectores propios. En Álgebra Lineal: Conceptos y Aplicaciones. Ingeniería
en Computación [Online]. Monterrey: Tecnológico de Monterrey.
4. Producto Punto y Producto Cruz:
o Silva, J., Rodríguez, A., y Cárdenas, T. (2020). Operaciones con vectores:
Producto punto y cruz. En Fundamentos de Matemáticas para Ciencias
Exactas. Licenciatura en Física [Impreso]. Puebla: Benemérita Universidad
Autónoma de Puebla.
5. Formas Cuadráticas:
o Ramírez, L., Gómez, H., y Alvarado, J. (2018). Formas cuadráticas y su análisis
geométrico. En Matemáticas Avanzadas II. Doctorado en Matemáticas
Aplicadas [CD-ROM]. Querétaro: Universidad Autónoma de Querétaro.
6. Aplicaciones del Álgebra Lineal:
o López, P., Vázquez, G., y Muñoz, M. (2022). Aplicaciones del álgebra lineal en
ingeniería y ciencia de datos. En Álgebra Lineal Aplicada. Maestría en
Ciencias Computacionales [E-book]. Ciudad de México: Instituto Politécnico
Nacional.
7. Proyección Ortogonal y Bases Ortonormales:
o Castillo, J., Peña, R., y Sánchez, A. (2017). Proyecciones ortogonales en
espacios vectoriales. En Álgebra Lineal en la Ciencia Moderna. Licenciatura
en Matemáticas [Online]. Mérida: Universidad Autónoma de Yucatán.

157
z
 8. Sistemas de Ecuaciones y Método de Gauss-Jordan:
o Aguilar, M., Hernández, F., y Vargas, L. (2016). Resolución de sistemas
lineales: Método de Gauss-Jordan. En Matemáticas Discretas I. Licenciatura
en Ciencias de la Computación [CD-ROM]. Toluca: Universidad Autónoma del
Estado de México.
9. Diagonalización y Bases Ortogonales:
o Cruz, D., Martínez, L., y Pérez, J. (2020). Diagonalización y aplicaciones
geométricas. En Teoría de Álgebra Lineal y Geometría Analítica. Ingeniería
Mecatrónica [PDF]. Veracruz: Universidad Veracruzana.
10. Distancia Entre Puntos y Representación Gráfica:
o Gómez, K., Villanueva, S., y Ramírez, P. (2019). Distancia entre puntos y su
representación gráfica. En Matemáticas Elementales II. Bachillerato General
[Impreso]. Guanajuato: Colegio de Estudios Científicos y Tecnológicos del
Estado de Guanajuato.
11. Información de otras Instituciones:
o De la Rosa, A., Luna, J., Minjares, M., Rivera, S., Rodríguez, A. y Sánchez, G.
(2017a). Determinantes. En Matemáticas I (Álgebra Lineal). Licenciatura en
Contaduría [CD-ROM]. México: UNAM.

158
z