Trabajo Algebra Lineal

MATRICES
Rango de una
matriz
Matriz Inversa
Determinante de una matriz
cuadrada
Sistemas de Ecuaciones Lineales
Nociones de espacios Nociones de espacios
vectoriales vectoriales
-DEFINICIN DE MATRIZ.
-ALGUNOS TIPOS DE MATRICES.
-IGUALDAD DE MATRICES.
-OPERACIONES CON MATRICES.
-APLICACIONES A LA INFORMTICA.
-RANGO DE UNA MATRIZ.
MATRICES
MATRICES
Una tabla rectangular del tipo
=
mn 3 m 2 m 1 m
n 3 33 32 31
n 2 23 22 21
n 1 13 12 11
a ... a a a
... ... ... ... ...
a ... a a a
a ... a a a
a ... a a a
A
se denomina MATRIZ
DEFINICI
DEFINICI
N DE MATRIZ
N DE MATRIZ
ORDEN DE UNA MATRIZ ORDEN DE UNA MATRIZ
ORDEN DE UNA MATRIZ
El nmero de filas (m) y el nmero de
columnas (n) definen el orden de una
matriz A.
Si m = n, se dice que la matriz
es CUADRADA
=
1 4 2
2 8 4
1 0 2
0 1 3
A
3 -1 0
2 0 1
4
8 - 2
2 4 - 1
3
2
4
2
- 1
0
8
4
0
1
- 2
- 1
El orden de la
matriz A es
4 x 3.
TIPOS DE MATRICES TIPOS DE MATRICES
TIPOS DE MATRICES
Matriz FILA: Es una matriz que consta
de una sola fila.
TIPOS DE MATRICES
Matriz FILA: Es una matriz que consta
de una sola fila.
4 2 0 1 B =
El orden de la
matriz B es
1 x 4
Luego, el orden de toda
matriz FILA es 1 x n
TIPOS DE MATRICES
Matriz COLUMNA: Es una matriz que
consta de una sola columna.
TIPOS DE MATRICES
Matriz COLUMNA: Es una matriz que
consta de una sola columna.
Luego, el orden de toda
matriz COLUMNA es m x 1
=
2 -
1
3
C
El orden de la
matriz C es
3 x 1
TIPOS DE MATRICES
Matriz NULA: Es una matriz de cualquier
orden en que todos sus elementos son
iguales a cero.
TIPOS DE MATRICES
iguales a cero.
TIPOS DE MATRICES
iguales a cero.
=
0 ... 0 0 0
... ... ... ... ...
0 ... 0 0 0
0 ... 0 0 0
0 ... 0 0 0
0
TIPOS DE MATRICES
Matriz DIAGONAL: Es una matriz
cuadrada en que todos los elementos
que no estn en la diagonal principal
son iguales a cero.
TIPOS DE MATRICES
son iguales a cero.
TIPOS DE MATRICES
son iguales a cero.
=
3 0 0
0 1 0
0 0 5
D
0 0
0 0
0 0
TIPOS DE MATRICES
Matriz UNITARIA o IDENTIDAD: Es una
matriz diagonal en que todos los
elementos de la diagonal principal son
iguales a uno.
TIPOS DE MATRICES
matriz diagonal en que todos los
elementos de la diagonal principal son
iguales a uno y los restantes iguales a
cero.
TIPOS DE MATRICES
matriz diagonal en que todos los elementos
de la diagonal principal son iguales a uno y
los restantes iguales a cero
=
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
I
1
1
1
1

TIPOS DE MATRICES
Matriz TRIANGULAR: Es toda matriz
cuadrada donde todos los elementos
que estn por debajo (por encima) de la
diagonal principal son iguales a cero.
TIPOS DE MATRICES
TIPOS DE MATRICES

2 0 0
3 1 0
0 7 1
E
=
0 0
0
Matriz
TRIANGULAR
SUPERIOR
TIPOS DE MATRICES
Matriz
TRIANGULAR
INFERIOR
=
0 3 0
0 2 0
0 0 1
A
0
0 0
IGUALDAD DE MATRICES IGUALDAD DE MATRICES
IGUALDAD DE MATRICES
Dos matrices A y B del mismo
orden son iguales si sus elementos
correspondientes son iguales.
j. i, todo para b a si solo y si B A
ij ij
= =
23 23
b a

=
8 5 0
4 0.5 1
6 2 3
A
=
8 5 0
4 - 0.5 1
6 2 3
B
4
4
4 -
4 -
B A Luego
OPERACIONES CON MATRICES OPERACIONES CON MATRICES
OPERACIONES CON MATRICES
Adicin y Sustraccin de
matrices.
Adicin y Sustraccin de matrices.
Producto de un nmero real por una
matriz.
matriz.
Producto de matrices.
matriz.
Producto de matrices.
Suma de Matrices
Suma de Matrices
=
2 3
4 1
A
2
Dos matrices pueden sumarse cuando son del
mismo orden (tienen el mismo nmero de filas y
de columnas) y esta operacin se realiza
elemento a elemento.
Por ejemplo : esta matriz
de orden dos, solo puede
ser sumada con matrices
de igual orden que ella.
OPERACIONES CON MATRICES.
=
2 3
4 1
A
2
=
3
5 2
B
1
2
=
2 1
5 0
3 1
D
3x2
=
0 2 3
4 0 1
C
2x3
Suma de Matrices
Suma de Matrices
=
2 3
4 1
A
2

=
3
5 2
B
1
2
+
+ A B=

+ 2 1
Suma de matrices.
Suma de matrices.
=
2 3
4 1
A
2

=
3
5 2
B
1
2
+
+ A B=

+ 2 1
5 4 2 1
Suma de Matrices
Suma de Matrices
=
2 3
4 1
A
2

=
3
5 2
B
1
2
+
+ A B=
5 4 2 1
Suma de Matrices
Suma de Matrices
=
2 3
4 1
A
2

=
3
5 2
B
1
2
+
+ A B=
1 3
5 4 2 1
Suma de Matrices
Suma de Matrices
=
2 3
4 1
A
2

=
3
5 2
B
1
2
+
+ A B=
1 3
5 4 2 1
Suma de Matrices
Suma de Matrices
=
2 3
4 1
A
2

=
3
5 2
B
1
2
+
+ A B=
3 2 1 3
5 4 2 1
Suma de Matrices
Suma de Matrices
=
2 3
4 1
A
2

=
3
5 2
B
1
2
+
+ A B=
Suma de Matrices
Suma de Matrices
=
2 3
4 1
A
2

=
3
5 2
B
1
2
+
+ A B=
5 2
9 3
2
Producto de un escalar cualquiera por
una matriz.
una matriz.
=
0 2 3
4 0 1
C
2x3
Se puede efectuar siempre y se realiza
multiplicando cada elemento de la matriz por
el escalar.
1
Multipliquemos esta matriz por el escalar
__
2
una matriz
una matriz
2x3
=
0 2 3
4 0 1
C
C=
2
1
.
.

1) (
2
1
=
0 2 3
4 0 1
C
2x3
C=
2
1
.
.

1) (
2
1
una matriz.
una matriz.
.0
2
1
1) (
2
1
=
0 2 3
4 0 1
C
2x3
C=
2
1
.
.
Producto de un escalar cualquiera por una matriz.
.0
2
1
1) (
2
1
=
0 2 3
4 0 1
C
2x3
C=
2
1
.
.
.4
2
1
.0
2
1
1) (
2
1
=
0 2 3
4 0 1
C
2x3
C=
2
1
.
.
.4
2
1
.0
2
1
1) (
2
1
=
0 2 3
4 0 1
C
2x3
C=
2
1
.
.

.3
2
1
.4
2
1
.0
2
1
1) (
2
1
=
0 2 3
4 0 1
C
2x3
C=
2
1
.
.

.3
2
1
.4
2
1
.0
2
1
1) (
2
1
=
0 2 3
4 0 1
C
2x3
C=
2
1
.
.
2) (
2
1
.3
2
1
.4
2
1
.0
2
1
1) (
2
1
=
0 2 3
4 0 1
C
2x3
C=
2
1
.
.
2) (
2
1
.3
2
1
.4
2
1
.0
2
1
1) (
2
1
=
0 2 3
4 0 1
C
2x3
C=
2
1
.
.
.0
2
1
2) (
2
1
.3
2
1
.4
2
1
.0
2
1
1) (
2
1
=
0 2 3
4 0 1
C
2x3
C=
2
1
.
.
0 1
2
3
2 0
2
1
=
0 2 3
4 0 1
C
2x3
C=
2
1
.
.
=
0 2 3
4 0 1
C
2x3
Producto de matrices
Puede efectuarse cuando el nmero de columnas
de la primera matriz coincide con el nmero de filas
de la segunda matriz. ( En este caso se dice que las
matrices son conformes para el producto ).
Veamos con cual de las siguientes matrices podemos
multiplicar a la matriz C dada
=
0 2 3
4 0 1
C
2x3
=
2 3
4 1
A
2 x2
2 33
2
=
2 1
5 0
3 1
D
3x2
=
0 2 3
4 0 1
C
2x3
=
2 3
4 1
A
2x2
=
2 1
5 0
3 1
D
3x2
=
0 2 3
4 0 1
C
2x3
M
-1
1
-1
.1
=
2 1
5 0
3 1
D
3x2
=
0 2 3
4 0 1
C
2x3
M
0
0
-1
.1+0.0
=
2 1
5 0
3 1
D
3x2
=
0 2 3
4 0 1
C
2x3
M
4
-1
-1
.1 +4.(-1) +0.0
=
2 1
5 0
3 1
D
3x2
=
0 2 3
4 0 1
C
2x3
M
3
1
-1
.1 +4.(-1) +0.0
3.1
=
2 1
5 0
3 1
D
3x2
=
0 2 3
4 0 1
C
2x3
M
-2
0
-1
.1 +4.(-1) +0.0
3.1
+(-2).0
=
2 1
5 0
3 1
D
3x2
=
0 2 3
4 0 1
C
2x3
0
-1
M
-1
.1 +4.(-1) +0.0
.0
3.1
+(-2) +
0(-1)
3x2
=
2 1
5 0
3 1
D
=
0 2 3
4 0 1
C
2x3
M
+0.(-1)
-1
.1 +4.(-1) +0.0
3.1
+(-2).0
-1
3
.3
-1
3x2
=
2 1
5 0
3 1
D
=
0 2 3
4 0 1
C
2x3
M
+0.(-1)
-1
.1 +4.(-1) +0.0
3.1
+(-2).0
-1
3
.3
-1
0
5
+0.5
3x2
=
2 1
5 0
3 1
D
=
0 2 3
4 0 1
C
2x3
M
+0.(-1)
-1
.1 +4.(-1) +0.0
3.1
+(-2).0
-1
3
.3
-1
0
5
+0.5
4
2
+4.2
=
2 1
5 0
3 1
D
3x2
=
0 2 3
4 0 1
C
2x3
M
-1
.1 +4.(-1) +0.0
3.1
+(-2).0+0.(-1)
.3
-1
+0.5
+4.2
3
3
3.3
=
2 1
5 0
3 1
D
3x2
=
0 2 3
4 0 1
C
2x3
M
-1
.1 +4.(-1) +0.0
3.1
+(-2).0+0.(-1)
.3
-1
+0.5
+4.2
3.3
-2
5
-2.5
=
2 1
5 0
3 1
D
3x2
=
0 2 3
4 0 1
C
2x3
M
-1
.1 +4.(-1) +0.0
3.1
+(-2).0+0.(-1)
.3
-1
+0.5
+4.2
3.3
-2.5
2
0
2
+0.2
3x2
=
2 1
5 0
3 1
D
=
0 2 3
4 0 1
C
2x3
M
-1
.1 +4.(-1) +0.0
3.1
+(-2).0+0.(-1)
.3
-1
+0.5
+4.2
3.3
-2.5
2
+0.2
2
1 - 3
5 5 -
M

=
EMPLEO DE LAS MATRICES
EN EL PROCESAMIENTO
DIGITAL DE IMGENES.
EMPLEO DE LAS MATRICES
EN EL PROCESAMIENTO
DIGITAL DE IMGENES.
IMAGEN DIGITAL
IMAGEN DIGITAL
ES UNA MATRIZ DE FILAS Y COLUMNAS, DONDE
CADA ELEMENTO DE ESA MATRIZ ES UN PIXEL
(PICTURE ELEMENT) Y CADA PIXEL POSEE UN
NIVEL DE GRIS DETERMINADO (ENTRE 0 Y 255).
ES UNA MATRIZ DE FILAS Y COLUMNAS, DONDE
CADA ELEMENTO DE ESA MATRIZ ES UN PIXEL
(PICTURE ELEMENT) Y CADA PIXEL POSEE UN
NIVEL DE GRIS DETERMINADO (ENTRE 0 Y 255).
Pxel, en informtica, abreviatura fontica del concepto ingls picture element. Se
trata de un punto en una rejilla rectilnea de miles de puntos tratados
individualmente, para formar una imagen en la pantalla de la computadora o en la
impresora. Igual que un bit es la unidad de informacin ms pequea que puede
procesar un ordenador o computadora, un pxel es el elemento ms pequeo que
el hardware y el software de pantalla e impresora pueden manipular al crear cartas,
nmeros o grficos. Por ejemplo, la letra A est compuesta realmente por un
conjunto de pxeles dentro de una rejilla, como la que se muestra a continuacin:
Una imagen tambin se puede representar con ms de dos colores. Si un pxel
tiene slo dos valores de color (normalmente blanco y negro), se puede codificar
con un solo bit de informacin. Cuando se utilizan ms de dos bits para
representar un pxel, es posible representar un rango mayor de colores y niveles
de gris. Con dos bits se representan cuatro colores o niveles de gris, con cuatro
bits se representan diecisis colores, y as sucesivamente.
PIXEL
PIXEL
LAS IMGENES DIGITALES POSEEN UN
CONJUNTO DE AFECTACIONES TALES
COMO:
RUIDOS (INTERFERENCIAS)
EMBORRONAMIENTOS
OSCURECIMIENTOS
ETC.
LAS IMGENES DIGITALES POSEEN UN
CONJUNTO DE AFECTACIONES TALES
COMO:
RUIDOS (INTERFERENCIAS)
EMBORRONAMIENTOS
OSCURECIMIENTOS
ETC.
PARA ELIMINAR O ATENUAR ESTAS
AFECTACIONES, ES NECESARIO
FILTRAR DICHAS IMGENES.
PARA ELIMINAR O ATENUAR ESTAS
AFECTACIONES, ES NECESARIO
FILTRAR DICHAS IMGENES.
CARACTERSTICAS GENERALES DE UN
FILTRO ESPACIAL
FILTRO ESPACIAL
1.- Los filtros espaciales son matrices cuadradas de
(3x3, 5x5, 7x7, etc.) generalmente impares para
posibilitar tener siempre un pxel central en el filtro
que se posicione sobre el pxel de la imagen que se
est filtrando.
1.- Los filtros espaciales son matrices cuadradas de
(3x3, 5x5, 7x7, etc.) generalmente impares para
posibilitar tener siempre un pxel central en el filtro
que se posicione sobre el pxel de la imagen que se
est filtrando.
EJEMPLOS DE
FILTROS
EJEMPLOS DE
FILTROS
(3 x 3)
(3 x 3)
0 10 0
1 2 1
0 1 1
(5 x 5)
(5 x 5)
-1 0 1 0 0
-1 0 1 0 0
-1 0 1 0 0
-1 0 1 0 0
-1 0 1 0 0
FILTRO ESPACIAL
FILTRO ESPACIAL
2
2
-
-
Los filtros espaciales com
Los filtros espaciales com
nmente aplicados son

nmente aplicados son
sim
sim
tricos
tricos
.
.
-1 -1 -1
-1 8 -1
-1 -1 -1
-1 2 1
2 0 -1
1 -1 1
Se reduce a recorrer toda la imagen con una ventana o
mscara centrada en cada pxel, la cual presenta un
conjunto de valores o pesos que forman el llamado
ncleo de convolucin. El nuevo valor para el pxel
donde est centrada la mscara es calculado mediante
la suma de todos los pxeles que son cubiertos por la
mscara, los cuales previamente se multiplican por los
valores correspondientes del ncleo.
m
m
scara centrada en cada p

scara centrada en cada p
xel, la cual presenta un

xel, la cual presenta un
n
n
cleo de
cleo de
convoluci
convoluci
n
n
.
.
El nuevo valor para el p
El nuevo valor para el p
xel
xel
donde est
donde est
centrada la m
centrada la m
scara es calculado mediante

scara es calculado mediante
la suma de todos los p
la suma de todos los p
xeles que son cubiertos por la

xeles que son cubiertos por la
m
m
scara, los cuales previamente se multiplican por los

scara, los cuales previamente se multiplican por los
valores correspondientes del n
valores correspondientes del n
cleo.
cleo.
Existe un tipo de filtrado, que se denomina
FILTRADO LINEAL, el cual:
Existe un tipo de filtrado, que se denomina
FILTRADO LINEAL, el cual:
Imagen
Imagen
2
2
7
7
10
10
23
23
53
53
9
9
9
9
3
3
12
12
20
20
6
6
3
3
5
5
9
9
11
11
9
9
8
8
7
7
3
3
4
4
EJEMPLO DE CONVOLUCIN ESPACIAL
EJEMPLO DE CONVOLUCI EJEMPLO DE CONVOLUCI N ESPACIAL N ESPACIAL
FILTRADO LINEAL
FILTRADO LINEAL
Imagen
Imagen
2
2
7
7
10
10
23
23
53
53
9
9
9
9
3
3
12
12
20
20
6
6
3
3
5
5
9
9
11
11
9
9
8
8
7
7
3
3
4
4
Posicin que
ocupa el filtro
sobre la imagen
Posicin que
ocupa el filtro
sobre la imagen
A B C
D E F
G H I
Filtro
Filtro
Fila 2
Fila 2
Columna 2
Columna 2
Pxel que se va a filtrar
22
X
22
X 2 7 10
9 4 9
20 6 3
=
22
X
=
22
X
FILTRADO LINEAL
FILTRADO LINEAL
Imagen
Imagen
2
2
7
7
10
10
23
23
53
53
9
9
9
9
3
3
12
12
20
20
6
6
3
3
5
5
9
9
11
11
9
9
8
8
7
7
3
3
4
4
Posicin que ocupa
el filtro sobre la
imagen
Posicin que ocupa
el filtro sobre la
imagen
A B C
D E F
G H I
Filtro
Filtro
Fila 2
Fila 2
Columna 2
Columna 2
=
22
X
=
22
X


22
X
22
X 2 7 10
9 4 9
20 6 3
A
2
2
A
A
FILTRADO LINEAL
FILTRADO LINEAL
Imagen
Imagen
2
2
7
7
10
10
23
23
53
53
9
9
9
9
3
3
12
12
20
20
6
6
3
3
5
5
9
9
11
11
9
9
8
8
7
7
3
3
4
4
Posicin que ocupa
el filtro sobre la
imagen
Posicin que ocupa
el filtro sobre la
imagen
A B C
D E F
G H I
Filtro
Filtro
Fila 2
Fila 2
Columna 2
Columna 2
=
22
X
=
22
X

2
2
22
X
22
X
A
A

+
+
2 7 10
9 4 9
20 6 3
B
7
7
B
B
FILTRADO LINEAL
FILTRADO LINEAL
Imagen
Imagen
2
2
7
7
10
10
23
23
53
53
9
9
9
9
3
3
12
12
20
20
6
6
3
3
5
5
9
9
11
11
9
9
8
8
7
7
3
3
4
4
Posicin que ocupa
el filtro sobre la
imagen
Posicin que ocupa
el filtro sobre la
imagen
A B C
D E F
G H I
Filtro
Filtro
Fila 2
Fila 2
Columna 2
Columna 2
=
22
X
=
22
X

2
2
22
X
22
X
A
A

+
+
7
7
B
B
2 7 10
9 4 9
20 6 3
C
+
+
10
10
C
C
FILTRADO LINEAL
FILTRADO LINEAL
Imagen
Imagen
2
2
7
7
10
10
23
23
53
53
9
9
9
9
3
3
12
12
20
20
6
6
3
3
5
5
9
9
11
11
9
9
8
8
7
7
3
3
4
4
Posicin que ocupa
el filtro sobre la
imagen
Posicin que ocupa
el filtro sobre la
imagen
A B C
D E F
G H I
Filtro
Filtro
Fila 2
Fila 2
Columna 2
Columna 2
=
22
X
=
22
X

2
2
22
X
22
X
A
A

+
+
7
7
B
B
+
+
10
10
C
C
2 7 10
9 4 9
20 6 3
D
+
+
9
9
D
D
FILTRADO LINEAL
FILTRADO LINEAL
Imagen
Imagen
2
2
7
7
10
10
23
23
53
53
9
9
9
9
3
3
12
12
20
20
6
6
3
3
5
5
9
9
11
11
9
9
8
8
7
7
3
3
4
4
Posicin que ocupa
el filtro sobre la
imagen
Posicin que ocupa
el filtro sobre la
imagen
A B C
D E F
G H I
Filtro
Filtro
Fila 2
Fila 2
Columna 2
Columna 2
=
22
X
=
22
X

2
2
22
X
22
X
A
A

+
+
7
7
B
B
+
+
10
10
C
C
+
+
9
9
D
D
2 7 10
9 4 9
20 6 3
E
+
+
4
4 E
E
FILTRADO LINEAL
FILTRADO LINEAL
Imagen
Imagen
2
2
7
7
10
10
23
23
53
53
9
9
9
9
3
3
12
12
20
20
6
6
3
3
5
5
9
9
11
11
9
9
8
8
7
7
3
3
4
4
Posicin que ocupa
el filtro sobre la
imagen
Posicin que ocupa
el filtro sobre la
imagen
A B C
D E F
G H I
Filtro
Filtro
Fila 2
Fila 2
Columna 2
Columna 2
=
22
X
=
22
X

2
2
22
X
22
X
A
A

+
+
7
7
B
B
+
+
10
10
C
C
+
+
9
9
D
D
+
+
4
4 E
E
2 7 10
9 4 9
20 6 3
F
+
+
9
9
F
F
FILTRADO LINEAL
FILTRADO LINEAL
Imagen
Imagen
2
2
7
7
10
10
23
23
53
53
9
9
9
9
3
3
12
12
20
20
6
6
3
3
5
5
9
9
11
11
9
9
8
8
7
7
3
3
4
4
Posicin que ocupa
el filtro sobre la
imagen
Posicin que ocupa
el filtro sobre la
imagen
A B C
D E F
G H I
Filtro
Filtro
Fila 2
Fila 2
Columna 2
Columna 2
=
22
X
=
22
X

2
2
22
X
22
X
A
A

+
+
7
7
B
B
+
+
10
10
C
C
+
+
9
9
D
D
+
+
4
4 E
E
+
+
9
9
F
F
2 7 10
9 4 9
20 6 3
G
+
+
20
20 G
G
FILTRADO LINEAL
FILTRADO LINEAL
Imagen
Imagen
2
2
7
7
10
10
23
23
53
53
9
9
9
9
3
3
12
12
20
20
6
6
3
3
5
5
9
9
11
11
9
9
8
8
7
7
3
3
4
4
Posicin que ocupa
el filtro sobre la
imagen
Posicin que ocupa
el filtro sobre la
imagen
A B C
D E F
G H I
Filtro
Filtro
Fila 2
Fila 2
Columna 2
Columna 2
=
22
X
=
22
X

2
2
22
X
22
X
A
A

+
+
7
7
B
B
+
+
10
10
C
C
+
+
9
9
D
D
+
+
4
4 E
E
+
+
9
9
F
F
+
+
20
20 G
G
2 7 10
9 4 9
20 6 3
H
+
+
6
6
H
H
+
+
FILTRADO LINEAL
FILTRADO LINEAL
Imagen
Imagen
2
2
7
7
10
10
23
23
53
53
9
9
9
9
3
3
12
12
20
20
6
6
3
3
5
5
9
9
11
11
9
9
8
8
7
7
3
3
4
4
Posicin que ocupa
el filtro sobre la
imagen
Posicin que ocupa
el filtro sobre la
imagen
A B C
D E F
G H I
Filtro
Filtro
Fila 2
Fila 2
Columna 2
Columna 2
=
22
X
=
22
X

2
2
22
X
22
X
A
A

+
+
7
7
B
B
+
+
10
10
C
C
+
+
9
9
D
D
+
+
4
4 E
E
+
+
9
9
F
F
+
+
20
20 G
G
+
+
6
6
H
H
+
+
2 7 10
9 4 9
20 6 3
I
+
+
3
3
I
I
FILTRADO LINEAL
FILTRADO LINEAL
Imagen
Imagen
2
2
7
7
10
10
23
23
53
53
9
9
9
9
3
3
12
12
20
20
6
6
3
3
5
5
9
9
11
11
9
9
8
8
7
7
3
3
4
4
Posicin que ocupa
el filtro sobre la
imagen
Posicin que ocupa
el filtro sobre la
imagen
A B C
D E F
G H I
Filtro
Filtro
=
22
X
=
22
X

2
2
22
X
22
X
A
A

+
+
7
7
B
B
+
+
10
10
C
C
+
+
9
9
D
D
+
+
4
4 E
E
+
+
9
9
F
F
+
+
20
20 G
G
+
+
6
6
H
H
+
+
2 7 10
9 4 9
20 6 3
I
+
+
3
3
I
I
FILTRADO LINEAL
FILTRADO LINEAL
Imagen
Imagen
2
2
7
7
10
10
23
23
53
53
9
9
9
9
3
3
12
12
20
20
6
6
3
3
5
5
9
9
11
11
9
9
8
8
7
7
3
3
4
4
Posicin que ocupa
el filtro sobre la
imagen
Posicin que ocupa
el filtro sobre la
imagen
A B C
D E F
G H I
Filtro
Filtro
=
22
X
=
22
X


22
X
22
X
2
2
A
A

+
+
7
7
B
B
+
+
10
10
C
C
+
+
9
9
D
D
+
+
4
4 E
E
+
+
9
9
F
F
+
+
20
20 G
G
+
+
6
6
H
H
+
+
I
+
+
3
3
I
I
Nuevo valor que adopta el pxel

Nuevo valor que adopta el pxel
2 7 10
9 4 9
20 6 3
FILTRADO LINEAL
FILTRADO LINEAL
Rango de una
matriz
-TRANSFORMACIONES ELEMENTALES.
-RANGO DE UNA MATRIZ.
RANGO DE UNA MATRIZ.
RANGO DE UNA MATRIZ.
TRANSFORMACIONES ELEMENTALES
Intercambiar filas o columnas.

=
1 2 4
3 5 2
1 0 1
B
2 5 3
- 1 0 1
2 1
f f
=
1 2 4
1 0 1
3 5 2
A
2 5 3
0
1
- 1
=
1 2 4
1 0 1
3 5 2
A
2
5 3
1
0 1
=
2 1 4
0 1 1
5 3 2
C
5
0
2
3
1
1
3 2
c c

=
1 2 4
3 5 2
1 0 1
B
2 5 3
- 1 0 1
2 1
f f
=
1 2 4
1 0 1
3 5 2
A
2 5 3
0
1
- 1
=
1 2 4
1 0 1
3 5 2
A
2
5 3
1
0 1
=
2 1 4
0 1 1
5 3 2
C
5
0
2
3
1
1
3 2
c c
Multiplicar una fila o columna por un nmero
diferente de cero.
TRANSFORMACIONES
TRANSFORMACIONES
ELEMENTALES
ELEMENTALES
Multiplicar una fila o columna por un nmero
diferente de cero.
1
f 3 f
1

=
1 2 4
1 5 1
3 0 2
A
2 0 3
=
1 2 4
1 5 1
9 0 6
C
6 0 9
=
1 2 4
1 5 1
3 0 2
A
2
- 1
4
1
c 2 c
1

=
1 2 8
1 5 2
3 0 4
B
4
- 2
8
Sustituir una fila (columna) por una combinacin lineal de
ella con otra fila (columna)
Sustituir una fila (columna) por una combinaci
Sustituir una fila (columna) por una combinaci
n lineal de
n lineal de
=
1 2 4
1 5 1
3 0 2
A
2 0 3
=
1 2 4
10 5 5
9 0 6
D
5 5 10
2 1 2
f f 3 f +
Sean A y B dos matrices del
mismo orden. Decimos que la
matriz A es equivalente a la
matriz B, si B se puede obtener de
A por una sucesin finita de
transformaciones elementales.
MATRICES EQUIVALENTES MATRICES EQUIVALENTES
MATRICES EQUIVALENTES
A B
PROPIEDADES DE LA EQUIVALENCIA
DE MATRICES
DE MATRICES
DE MATRICES
Reflexiva:
A A
Simtrica: A B
B A
Transitiva:
A B
B C
A C
RANGO DE UNA MATRIZ RANGO DE UNA MATRIZ
RANGO DE UNA MATRIZ
El rango de una matriz A es el nmero
mximo de filas, o de columnas,
linealmente independientes de A.
Notacin:
r (A)
rag (A)
RANGO DE UNA MATRIZ
RANGO DE UNA MATRIZ
Las transformaciones elementales no
alteran ni el orden, ni el rango de una
matriz.
Dos matrices equivalentes tienen el

mismo orden y el mismo rango.
Matriz ESCALN: Es toda matriz en la
que el nmero de ceros anteriores a la
primera componente distinta de cero,
aumenta al pasar de una fila a la
siguiente.

=
1 0
3 2
A
=
0 0 0
2 2 0
3 0 1
B
MATRIZ
MATRIZ ESCALN
=
0 0 0 0
0 0 0 0
0 3 0 0
2 1 2 3
C
0 0
1 0
1 2
0
0
1 0
1 0
1 2
0
=
2 3
1 2
1 0
A

2 3
1 0
1 2
3 3 1
2 3 f f f
3 3 2
f f f + 2 1
f f
rag (A) = 2
2 1
0 1
2 1
0 1
0
0 0
El rango de una matriz escaln es igual al
nmero de filas con elementos no todos nulos.
Determinante de una matriz
cuadrada
Matriz Inversa
-CONCEPTO DE MATRIZ INVERSA.
-CLCULO DE LA INVERSA POR LA ADJUNTA.
- MTODO DE JORDAN.
MATRIZ INVERSA DE UNA MATRIZ
MATRIZ INVERSA DE UNA MATRIZ
CUADRADA.
CUADRADA.
DETERMINANTE
DETERMINANTE
-
-
Regla de Sarrus.
Regla de Sarrus.
-
-
M
M
todo de Menores.
todo de Menores.
MATRIZ INVERSA
MATRIZ INVERSA
Una matriz cuadrada A es inversible, si existe
otra matriz cuadrada B que conmuta con A y
que cumple que:
AxB = BxA = I
La matriz A= es inversible porque
existe la matriz B = tal que:
AxB = =
BxA = =
2 5
1 3
3 5
1 2
2 5
1 3
1 0
0 1
2 5
1 3
3 5
1 2
1 0
0 1
3 5
1 2
1
A
MATRIZ INVERSA
MATRIZ INVERSA
Una condicin necesaria y suficiente para que una matriz
A sea inversible es que el determinante de A sea diferente de
cero ( A sea no sea singular).
La matriz inversa de una matriz A inversible, es
una matriz que cumple:
Si una matriz cuadrada A de orden n es inversible,
entonces el rango de A es n.
Si la matriz inversa existe, es nica
I A A AA
1 1
= =

=
4 0 3
1 2 0
1 3 1
A
Qu debemos hacer?
C C LCULO DE LA INVERSA POR LA MATRIZ ADJUNTA LCULO DE LA INVERSA POR LA MATRIZ ADJUNTA

=
4 0 3
1 2 0
1 3 1
A
4 0 3
1 2 0
1 3 1
A
=
= 23
Primer paso: Calcular el determinante
de la matriz dada.

=
4 0 3
1 2 0
1 3 1
A
Primer paso: Calcular el determinante
de la matriz dada.
0 A

=
4 0 3
1 2 0
1 3 1
A
Segundo paso: Calcular la matriz de
los cofactores.

=
4 0 3
1 2 0
1 3 1
A
los cofactores.
Cmo obtener la matriz
de los cofactores?

=
4 0 3
1 2 0
1 3 1
A
los cofactores.
A
11
=(-1)
1+1
2 1
0 4
2 1
0 4
= 8
1

=
4 0 3
1 2 0
1 3 1
A
los cofactores.
A
21
=(-1)
2+1
3
-1
0 4
3 -1
0 4
= -12
0

=
4 0 3
1 2 0
1 3 1
A
los cofactores.
A
31
=(-1)
3+1
3
-1
2 1
3 -1
2 1
= 5
3

=
4 0 3
1 2 0
1 3 1
A
los cofactores.
A
12
=(-1)
1+2
3 4
0 1
0 1
3 4
= 3
3

=
4 0 3
1 2 0
1 3 1
A
los cofactores.
A
2 2
=(-1)
2+2
3 4
1 -1
1 -1
3 4
= 7
2

=
4 0 3
1 2 0
1 3 1
A
los cofactores.
A
3 2
=(-1)
3+2
0 1
1 -1
1 -1
3 4
= -1
0

=
4 0 3
1 2 0
1 3 1
A
los cofactores.
A
1 3
=(-1)
1+3
3 0
0 2
0 2
3 0
= - 6
-1

=
4 0 3
1 2 0
1 3 1
A
los cofactores.
A
2 3
=(-1)
2+3
3 0
1 3
1 3
3 0
= 9
1

=
4 0 3
1 2 0
1 3 1
A
los cofactores.
A
3 3
=(-1)
3+3
2 0
1 3
1 3
0 2
= 2
4

=
4 0 3
1 2 0
1 3 1
A
Matriz de los cofactores:.
A
c
=

2 1 5
9 7 12
6 3 8
Tercer paso: Hallar la matriz adjunta.
Intercambiando
en la matriz de los cofactores
cada fila con la
columna correspondiente
A
c
=

2 1 5
9 7 12
6 3 8
+
A
=
A
c
=

2 1 5
9 7 12
6 3 8
8
3
- 6
8 3 - 6
+
A
=
A
c
=

2 1 5
9 7 12
6 3 8
8
3
- 6
-12
7
9
-12 7 9
+
A
=
A
c
=

2 1 5
9 7 12
6 3 8
8
3
- 6
-12
7
9
5
-1
2
5 -1 2
Ya conozco la matriz adjunta,
y la matriz inversa?
Cuarto paso: Hallar la matriz
inversa.
inversa.
-1
A
=
A
1
+
A
inversa.
-1
A
=
23
1
8
3
- 6
-12
7
9
5
-1
2
POR LA MATRIZ ADJUNTA
POR LA MATRIZ ADJUNTA
inversa.
-1
A
=
23
2

23
9

23
6
23
1
23
7

23
3

23
5

23
12
23
8

-1
A
= I
A
.
.
23
2

23
9

23
6
23
1
23
7

23
3

23
5

23
12
23
8

4 0 3
1 2 0
1 3 1
=
1 0 0
0 1 0
0 0 1
Quinto Paso: Comprobacin

=
4 0 3
1 2 0
1 3 1
A
Cmo proceder?
POR TRANSFORMACIONES ELEMENTALES POR TRANSFORMACIONES ELEMENTALES
( M ( M TODO DE JORD TODO DE JORD N ) N )

=
4 0 3
1 2 0
1 3 1
A
Primer paso: Formemos la matriz
bloque colocando la matriz dada A, y al
lado la idntica del mismo orden.
(A I) =
1
0
3
3
2
0
-1
1
4
0
1
1
1
0
0
0
0 0

=
4 0 3
1 2 0
1 3 1
A
Segundo paso: Apliquemos las
mismas transformaciones a ambas
matrices.
(A I) =
1
0
3
3
2
0
-1
1
4
0
1
1
1
0
0
0
0 0
3 1 3
f f 3 - f +
1
0
0
3
2
-9
-1
1
7
0
1
1
1
-3
0
0
0 0
0
1
0
0
3
2
-9
-1
1
7
0
1
1
1
-3
0
0
0 0
1
0
0
3
2
0
-1
1
23
9
1
1
2
-6
0
0
0 0
3 2 3
f 2 f 9 f +
1
0
0
3
2
0
-1
1
23
9
1
1
2
-6
0
0
0 0
0
0
- 46
0
0
23
1
3 -1 1
2
9
-14
- 6
- 6
2
0 0
3 2 2
f f 23 - f +
1
0
0
3
- 46
0
-1
0
23
9
-14
1
2
- 6
2 - 6
0 0
0
0
- 46
0
0
23
23
69 0 17
2
9
-14
-6
-6
2
2 9
3 1 1
f f 23 f +
23
0
0
69
- 46
0
0
0
23
9
-14
17
2
- 6
2
- 6
2 9
0
0
- 46
0
0
23
46
0 0
2
16
2
9
-14
- 6
- 6
10 -24
3 1 1
f 3 f 2 f +
0
0
- 46
0
0
23
1
0 0
46
0
0
0
- 46
0
0
0
23
9
-14
16
2
- 6
2
- 6
10 -24

f
46
1
f
1 1

2
2 -14
9 - 6
- 6
23
8
23
12
23
5
0
0
1
0
0
23
1
0 0
0
0
- 46
0
0
23
1
0 0

2
2 -14
9 - 6
- 6
23
8
23
12
23
5
f
46
1
- f
2 2

2
9 - 6
23
8
23
12
23
5
23
3
23
7
23
1

0
0
0
0
1
1
0 0
1

0
0
1
0
0
23
1
0 0

2
9 - 6
23
8
23
12
23
5
23
3
23
7
23
1
f
23
1
f
3 3

23
8
23
12
23
5
23
3
23
7
23
1
23
6
23
9
23
2
-1
A
=
23
2

23
9

23
6
23
1
23
7

23
3

23
5

23
12
23
8

-1
A
= I
A
.
.
23
2

23
9

23
6
23
1
23
7

23
3

23
5

23
12
23
8

4 0 3
1 2 0
1 3 1
=
1 0 0
0 1 0
0 0 1
Quinto Paso: Comprobacin
Se llama DETERMINANTE de una matriz, a un
nmero que se le asocia a dicha matriz.
Slo se calcula determinante a las matrices
CUADRADAS.
El determinante de la matriz se denota con la
misma letra que la matriz pero encerrada entre
barras, es decir, si la matriz se llama A, el
determinante se denota: det ( A ) / A /
DETERMINANTE DE UNA MATRIZ.
=
2 3
4 1
A
2
2 3
4 1
=
1.2
1
2
Si la matriz es de
orden dos
=
2 3
4 1
A
2
2 3
4 1
=
1.2
-3
4
- (-3).4
= 14
Si la matriz es de orden tres, se aplica la
llamada REGLA DE SARRUS.
Esta regla consiste en que a la matriz dada
se le adicionan al final las dos primeras
filas ( quedando con cinco filas) y se
calculan los productos de sus elementos
en diagonal ( de manera que abarque dicho
producto a tres elementos ) y a los
productos hacia abajo se le mantiene el
signo y a los productos hacia arriba se
les cambia el signo.
5 2 - 4
3 0 1
0 1 - 2
2 -1
0
2 -1 0
=
5 2 4
3 0 1
0 1 2
E
3
0 1
3
1 0 3
=
Regla de Sarrus
Regla de Sarrus
Veamos un ejemplo de
trabajo con la REGLA
DE SARRUS.
5 2 - 4
3 0 1
0 1 - 2
2 -1
0
2 -1 0
=
5 2 4
3 0 1
0 1 2
E
3
0 1
3
1 0 3
=
2.0.5
Regla de Sarrus
Regla de Sarrus
5 2 - 4
3 0 1
0 1 - 2
2 -1
0
2 -1 0
=
5 2 4
3 0 1
0 1 2
E
3
0 1
3
1 0 3
=
2.0.5
+ 1.(-2).0
Regla de Sarrus
Regla de Sarrus
5 2 - 4
3 0 1
0 1 - 2
2 -1
0
2 -1 0
=
5 2 4
3 0 1
0 1 2
E
3
0 1
3
1 0 3
=
2.0.5
+ 1.(-2).0 + 4.(-1).3
Regla de Sarrus
Regla de Sarrus
5 2 - 4
3 0 1
0 1 - 2
2 -1
0
2 -1 0
=
5 2 4
3 0 1
0 1 2
E
3
0 1
3
1 0 3
=
2.0.5
+ 1.(-2).0 + 4.(-1).3
- ( 4.0.0
Regla de Sarrus
Regla de Sarrus
5 2 - 4
3 0 1
0 1 - 2
2 -1
0
2 -1 0
=
5 2 4
3 0 1
0 1 2
E
3
0 1
3
1 0 3
=
2.0.5
+ 1.(-2).0 + 4.(-1).3
- ( 4.0.0 + 2.(-2).3
Regla de Sarrus
Regla de Sarrus
+ 1.(-1).5 )
5 2 - 4
3 0 1
0 1 - 2
2 -1
0
2 -1 0
=
5 2 4
3 0 1
0 1 2
E
3
0 1
3
1 0 3
=
2.0.5
+ 1.(-2).0 + 4.(-1).3
- ( 4.0.0 + 2.(-2).3
Regla de Sarrus
Regla de Sarrus
=
-12 - (- 17 )
=
5
Podremos aplicar la REGLA DE SARRUS si la
matriz tiene orden superior a tres?
La respuesta es NO, pues al agregar filas al final de la
matriz se obtendran ms de cinco filas y por lo tanto
los productos incluiran a ms de tres elementos cada
uno.
Para las matrices de orden superior a tres se usa
el llamado MTODO DE MENORES.
Este mtodo consiste en calcular el determinante de
cualquier matriz reducindolo al clculo de determinantes
de orden inferior.
Para empezar debemos definir que entendemos por
MENOR ASOCIADO A UN ELEMENTO cualquiera de una
matriz.
El menor asociado a un elemento dado de una matriz,
es el determinante que queda al eliminar de la matriz, la
fila y la columna correspondiente al elemento dado.
1 2 0 1
1 2 1 0
3 1 2 1
3 0 0 2
En este caso el menor asociado

al elemento que se encuentra en
la fila dos y columna tres ser el
determinante que queda al
eliminar dicha fila y columna.
Para empezar debemos definir que entendemos
por MENOR ASOCIADO A UN ELEMENTO
cualquiera de una matriz.
El menor asociado a un elemento dado de una
matriz, es el determinante que queda al eliminar
de la matriz, la fila y la columna correspondiente
al elemento dado.
1 2 0 1
1 2 1 0
3 1 2 1
3 0 0 2
El menor asociado viene

dado por :
1 0 1
1 - 1 0
3 - 0 2
Ahora que ya sabemos lo que llamamos MENOR
ASOCIADO A UN ELEMENTO, podemos definir el
MTODO DE MENORES para calcular un determinante
como la suma de los productos de los elementos de una
fila cualquiera (o columna) de la matriz por los menores
asociados a dichos elementos. Dichos productos
mantienen el signo si la suma del orden de la fila y la
columna es un nmero par, sino, se le cambia el signo al
producto.
( )
+
=
n
1
ij ij
j i
m a 1 A
=
5 2 4
3 0 1
0 1 2
E
3
Mtodo de Menores
Mtodo de Menores
5 2 - 4
3 0 1
0 1 - 2
=
1
-1 0
-2 5
5 2
0 1
-1 0
-2 5
(1)
1 2
) 1 (
+
2 1
DETERMINANTE DE UNA
DETERMINANTE DE UNA
MATRIZ CUADRADA
MATRIZ CUADRADA
.
.
5 2 - 4
3 0 1
0 1 - 2
=
Mtodo de Menores
Mtodo de Menores
0
5 2
0 1
-1 0
-2 5
(1)
+
+
(0)
5 4
0 2
2 0
4 5
2 0
4
5
1 2
) 1 (
+
2 1
2 2
) 1 (
+
2 2
DETERMINANTE DE UNA
DETERMINANTE DE UNA
MATRIZ CUADRADA
MATRIZ CUADRADA
.
.
5 2 - 4
3 0 1
0 1 - 2
=
Mtodo de Menores
Mtodo de Menores
3
5 2
0 1
-1 0
-2 5
(1)
+
+
(0)
5 4
0 2
2 0
4 5
+
2
4
-2
-1
+
(3)
2 - 4
1 - 2
2
4 -2
-1
3 2
) 1 (
+
3 2
2 2
) 1 (
+
2 2
1 2
) 1 (
+
1 2
DETERMINANTE DE UNA
DETERMINANTE DE UNA
MATRIZ CUADRADA
MATRIZ CUADRADA
.
.
= 5
= 5
Sistemas de
Ecuaciones Lineales
-SISTEMA DE ECUACIONES.
-INTERPRETACIN GEOMTRICA DE LA SOLUCIN
DE UN SISTEMA DE ECUACIONES
-MTODO DE GAUSS.
-TEOREMA DE CRONEKER CAPELLI.
-MTODO DE CRAMER.
-MTODO DE LA INVERSA.
SISTEMAS DE ECUACIONES LINEALES.
SISTEMAS DE ECUACIONES LINEALES.
p n pn 3 3 p 2 2 p 1 1 p
3 n n 3 3 33 2 32 1 31
2 n n 2 3 23 2 22 1 21
1 n n 1 3 13 2 12 1 11
b x a ... x a x a x a
......... .......... .......... .......... .......... ..........
......... .......... .......... .......... .......... ..........
= + + + +
= + + + +
= + + + +
= + + + +
FORMA GENERAL DE UN SISTEMA DE
FORMA GENERAL DE UN SISTEMA DE
p
p
ECUACIONES CON
ECUACIONES CON
n
n
INC
INC
GNITAS.
GNITAS.
Compatible
Incompatible
puede ser
Determinado Indeterminado
nica
solucin
Infinitas
soluciones
No tiene
solucin
SISTEMAS DE ECUACIONES LINEALES EN FORMA MATRICIAL
SISTEMAS DE ECUACIONES LINEALES EN FORMA MATRICIAL SISTEMAS DE ECUACIONES LINEALES EN FORMA MATRICIAL
pn 3 p 2 p 1 p
n 3 33 32 31
n 2 23 22 21
n 1 13 12 11
a ... a a a
... ... ... ... ...
a ... a a a
a ... a a a
a ... a a a
Matriz (A) del sistema formada por los coeficientes de
las incgnitas del sistema dado.
p
3
2
1
pn 3 p 2 p 1 p
n 3 33 32 31
n 2 23 22 21
n 1 13 12 11
b
...
b
b
b
a ... a a a
... ... ... ... ...
a ... a a a
a ... a a a
a ... a a a
Matriz Ampliada (A, B) formada por los elementos de la
matriz A del sistema y la columna de trminos
independientes.
= A
Al efectuar el producto matricial AX = B en el cual A es
la matriz del sistema, X es la matriz columna de las
incgnitas y B es la matriz columna de los trminos
independientes; se obtiene el sistema de ecuaciones
lineales inicial.
Si B 0, la ecuacin representa un sistema de
ecuaciones lineales no homogneo.
Si B = 0, la ecuacin matricial AX = 0 representa un
sistema de ecuaciones lineales homogneo en el que
X = 0 es siempre solucin de dicho sistema.
Mtodo de Gauss en forma matricial M
M
todo de Gauss en forma matricial

Qu hacemos?
3x + 2y + z = 5
x + y - z = 0
4x - y + 5z = 3
M

Mediante transformaciones elementales, transformar la matriz ampliada
del sistema en una matriz escaln equivalente a ella.
A partir de la matriz escaln escribir con dichos coeficientes el
sistema equivalente al dado inicialmente.
En caso que el sistema tenga solucin, en la ltima ecuacin
hallamos el valor de una de las incgnitas y vamos sustituyendo
en las ecuaciones anteriores.
Escribir la matriz ampliada (A, B) formada por los elementos de la
matriz A del sistema y la columna de trminos independientes.
M

Qu hacemos?
3x + 2y + z = 5
x + y - z = 0
4x - y + 5z = 3
M

3x + 2y + z = 5
x + y - z = 0
4x - y + 5z = 3
Primer Paso: Escribimos la matriz
ampliada correspondiente al sistema.
4 -1 5 3
3 2
1
5
1 -1 1 0
M

Segundo Paso: Transformamos la
matriz ampliada en una matriz escaln
equivalente a ella.
4 -1 5 3
3 2
1
5
1 -1 1 0
Qu
hacemos?

M

equivalente a ella.
4 -1 5 3
3 2
1
5
1 -1 1 0
~
2 1 2
3f - f f
0 11 -11 11
3 2
1
5
0 4 -1 5
~
3 1 3
3f - 4f f

M

equivalente a ella.
0 0 33 66
3 2
1
5
0 4 -1 5
~
3 2 3
f 11f f +
0 11 -11 11
3 2
1
5
0 4 -1 5
~
M

Tercer Paso: Escribimos el sistema
correspondiente a la matriz anterior.
0 0 33 66
3 2
1
5
0 4 -1 5
~
3x + 2y + z = 5 (1)
- y + 4z = 5 (2)
33z = 66 (3)
M

Cuarto Paso: Despejamos la variable
z en la ecuacin (3).
3x + 2y + z = 5 (1)
- y + 4z = 5 (2)
33z = 66 (3)
Z = 2
33
66
z =
M

Quinto Paso: Sustituimos el valor de
z en la ecuacin (2).
3x + 2y + z = 5 (1)
- y + 4z = 5 (2)
33z = 66 (3)
y = 3
- y + 4(2) = 5 (2)
M

Sexto Paso: Sustituimos los valores de
y y z en la ecuacin (1).
3x + 2y + z = 5 (1)
- y + 4z = 5 (2)
33z = 66 (3)
x = -1
3x + 2(3) + 2 = 5 (1)
M

3x + 2y + z = 5 (1)
- y + 4z = 5 (2)
33z = 66 (3)
Sptimo Paso: Comunicar el resultado
S =
(-1; 3; 2)
Compatible si y solo si el rango de la matriz
asociada es igual al rango de la matriz ampliada del
sistema.
Compatible determinado si el rango comn es
igual al nmero de incgnitas.
Compatible indeterminado si el rango comn es
menor que el nmero de incgnitas.
TEOREMA DE CRONEKER
TEOREMA DE CRONEKER
-
-
CAPELLI
CAPELLI
Un sistema de ecuaciones es:
Slo es aplicable a sistemas de ecuaciones
lineales que tienen igual nmero de
ecuaciones que de incgnitas.
Se basa en la resolucin de determinantes.
M
M
TODO DE CRAMER
TODO DE CRAMER
Sea el sistema de ecuaciones lineales AX=B, de n
ecuaciones y n incgnitas, compatible determinado,
luego, la matriz A es cuadrada y no singular y por tanto,
existe la matriz inversa
Premultiplicando a la izquierda ambos miembros de la
ecuacin matricial AX = B por la matriz inversa
se obtiene:
AX = B
Pero como A = I, se obtiene:
IX = B
X = B
1
A
1
A
1
A
1
A
1
A
1
A
Interpretaci
Interpretaci
n Geom
n Geom
trica de la soluci
trica de la soluci
n de un Sistema
n de un Sistema
de dos Ecuaciones Lineales con dos inc
gnitas.
gnitas.
x - y = 1
x + 2y = 4
x
y
Rectas que se
cortan en un punto
llamado intercepto
Tiene solucin nica S (2,1)
X y = 1
X + 2y = 4
x
y
Interpretaci
Interpretaci
n Geom
n Geom
trica de la soluci
trica de la soluci
n de un Sistema
n de un Sistema
gnitas.
gnitas.
2x - 4y = 4
Rectas Paralelas
2x 4y = 4
x 2y = 6
x - 2y = 6
No tiene
solucin
2x - 4y =12
x - 2y = 6
y
x
Rectas coincidentes
2x 4y = 2
x 2y = 6
Infinitas
soluciones
Interpretaci
Interpretaci
n Geom
n Geom
trica de la soluci
trica de la soluci
n de un Sistema
n de un Sistema
de las Ecuaciones Lineales con dos inc
de las Ecuaciones Lineales con dos inc
gnitas.
gnitas.
x
y
z
1 4
2
4
2x + y + z = 4
y = 1
Planos que se cortan
Recta de Interseccin
Interpretaci
Interpretaci
n Geom
n Geom
trica de la soluci
trica de la soluci
n de un Sistema
n de un Sistema
de dos Ecuaciones Lineales con tres inc
gnitas.
gnitas.
x
y
z
1 4
2
4
2x + y + z = 4
y = 1
2x + y + z = 4
y = 1
Interpretaci
Interpretaci
n Geom
n Geom
trica de la soluci
trica de la soluci
n de un Sistema
n de un Sistema
gnitas.
gnitas.
x
y
z
4
2
4
2x + y + z = 4
2x + y + z = 2
2
2
1
Planos paralelos
Interpretaci
Interpretaci
n Geom
n Geom
trica de la soluci
trica de la soluci
n de un Sistema
n de un Sistema
gnitas.
gnitas.
2x + y + z = 4
2x + y + z = 2
x
y
z
4
2
4
2x + y + z = 4
4x + 2y + 2z = 8
Planos coincidentes
Planos coincidentes
Interpretaci
Interpretaci
n Geom
n Geom
trica de la soluci
trica de la soluci
n de un Sistema
n de un Sistema
gnitas.
gnitas.
Nociones sobre espacios
Nociones sobre espacios
vectoriales
vectoriales
Vectores.
Espacios vectoriales ( E .V.)
Vectores
Concepto de vector
Operaciones con vectores
Propiedades de las operaciones con
vectores
Interpretacin geomtrica en dos variables
Mdulo de un vector. Producto escalar
VECTORES
VECTORES
Un vector es un segmento dirigido desde
el punto A (punto origen o punto inicial)
hasta el punto B (punto extremo o punto
final); y se representa por medio de una
flecha que tiene longitud, direccin y
sentido.
OPERACIONES CON VECTORES
Adicin: La resultante de dos vectores
se obtiene por la llamada Ley del
paralelogramo, esto es ( ) es la diagonal del
paralelogramo:
v u
r r
+
v y u
r r
v u
r r
+
Multiplicacin por un escalar:
El producto de un nmero real k por un vector
se obtiene multiplicando la magnitud de por
k y conservando la misma direccin si k 0 la
direccin puesta si k < 0.
a k
r
a
r
a
r
PROPIEDADES DE LAS OPERACIONES
CON VECTORES
CON VECTORES
Adicin de vectores: Cualesquiera que sean los
vectores y se cumplen:

z u v , ,
1
v
1- = 2- =

+ v u

+ u v
( )

+ + z u v
( )

+ + z u v
3- =

+ 0 v
v
1
v

+
1
v v

0
1
v
4- Para todo existe un tal que = ( =
- ,se llama opuesto de )
v
CON VECTORES
CON VECTORES
Multiplicacin de un vector por un escalar:
Cualesquiera que sean los vectores y ,
, nmeros reales se cumple que:

u v ,
1- ( ) = ( ) 2- ( + ) = +
v

v

v

v

v
3- ( ) = + 4- 1 =

+u v
v

u

v

v
PROPIEDADES DE LAS
PROPIEDADES DE LAS
Interpretacin geomtrica en dos variables:
Si en un sistema de coordenadas cartesiano, hacemos
coincidir el origen de coordenadas con el punto de
referencia O de las figuras anteriores, la relacin entre
las operaciones definidas y los puntos finales queda:
Matemticamente, identificamos un vector con su punto
final, es decir, el par ordenado (a,b) a, b nmeros reales es
un vector. Sin embargo, conocemos vectores de ms de
dos componentes.
Generalizando esta nocin, llamamos vector a una
n-upla ordenada de nmeros reales (a
1
, a
2
, a
3
, .... a
n
) y
mediante una nueva generalizacin podemos considerar
que las coordenadas de las n-uplas sean otros objetos
matemticos.
El conjunto de todas las n-uplas ( a
1
, a
2
, a
3
,... a
n
) de
nmeros reales denotada por R
n
, se llama un n espacio .
Los a
i
, i = 1,2,...,n se llaman componentes o coordenadas.
Generalizacin del concepto de vector como
todo elemento de un espacio vectorial
El espacio vectorial
n
Producto escalar en
n
. Espacios vectoriales
eucldeos.
Norma de un vector de
n
. Espacios
vectoriales normados.
Producto vectorial de dos vectores de
3.
Sistemas de vectores de
n
l. i. y l. d.
Aqu se generaliza el concepto de vector como todo elemento
de un espacio vectorial.
Hemos estudiado otros con juntos de objetos matemticos
en los que estn definidas las operaciones anteriores y que
tienen propiedades anlogas a las que enunciamos
anteriormente.
Veamos a continuacin algunos ejemplos:
El conjunto de matrices de un mismo orden, con las operaciones
usuales de adicin de matrices y multiplicacin de un nmero real por
una matriz.
El conjunto de vectores del plano con origen O, con las operaciones
usuales de adicin de vectores y multiplicacin de un nmero real por
un vector.
El conjunto de todos los polinomios con coeficientes reales con las
operaciones usuales de adicin de polinomios y multiplicacin
de un nmero real por un polinomio.
El conjunto de funciones en una variable real, con las
operaciones usuales de adicin de funciones y multiplicacin de un
nmero real por una funcin.
El conjunto de funciones en una variable real, con las
operaciones usuales de adicin de funciones y multiplicacin
de un nmero real por una funcin.
El espacio vectorial
n
.
Cada uno de los nmeros reales que forman una eneada, se denomina
componente de la eneada.
Sean = ( x
1
, x
2
, x
3
, ..., x
n
) e = ( y
1
, y
2
, y
3
, ... , y
n
) de
n
1- = si y slo si x
1
= y
1
; x
2
= y
2
; x
3
= y
3
; .... ; x
n
= yn
x

y
2- + = ( x
1
, x
2
, x
3
, ..., x
n
) + ( y
1
, y
2
, y
3
, ... , y
n
)
= ( x
1
+ y
1
; x
2
+ y
2
; x
3
+ y
3
; x
n
+ y
n
)
x

y
3- = ( x
1
, x
2
, x
3
, ...,x
n
) = (x
1
, x
2
, x
3
, ..., x
n
)
x
El conjunto
n
con las operaciones definidas es un espacio
vectorial real.
x

y
Algunos elementos del Espacio Vectorial
n n
.
.
El vector nulo de
n
es la eneada ( 0, 0, 0, ..., 0).
El opuesto de cualquier vector ( x
1
, x
2
, x
3
, ..., x
n
) de
n
es
el vector ( -x
1
, -x
2
, -x
3
, ..., - x
n
)
Los vectores de la forma
( 1, 0, ..., 0); ( 0, 1, 0, ..., 0); ( 0, 0, 1, ..., 0);; ( 0, 0, ...., 1)
se denominan vectores cannicos de
n
y se denotan
; ; ;.... ; .
1 e
2 e
3 e
n e
Ejemplo:
2
= ( 1, 0); = (0, 1)
1 e
2 e
3
= ( 1, 0, 0); = ( 0, 1, 0); = ( 0, 0, 1), etc.
1 e
2 e
3 e
Otros vectores de
n
son = ( 3 ,0 , 4 ) de
3
,
=( -1, 4, 2, 1, 0 ) de
5
, etc.
x
n n
.
.
Los conjuntos solucin de los sistemas de ecuaciones
lineales (S.E.L) son subconjuntos del espacio vectorial
real
n
.
Si el S.E.L es homogneo el conjunto solucin
tambin es un espacio vectorial real.
Si el S.E.L es no homogneo el conjunto solucin
no es un espacio vectorial real. En efecto, el
conjunto solucin de los S.E.L. incompatibles es el
conjunto vaco, la suma de soluciones no es solucin de
un SEL no homogneos, y adems, la solucin
trivial, no es solucin de dicho sistema.
Producto escalar en los espacios vectoriales
n
El producto escalar . de dos vectores
= ( x
1
, x
2
, x
3
, ..., x
n
) e = ( y
1
, y
2
, y
3
, ... , y
n
) de
n
es por definicin:
x

y
y
= x
1
y
1
+ x
2
y
2
+ x
3
y
3
+ .... + x
n
y
n
x

y
Ejemplo: El producto escalar de los vectores
= ( -1, 4, 2, 1, 0 ) e = ( 4, 1, 0, -1, 5 ) de
5
es
. = (-1)(4) + (4)(1) + (2)(0) + (1)(-1) + (0)(5) = -1
x

y
y
Definicin de espacio vectorial eucldeo
Un espacio vectorial eucldeo, es un espacio
vectorial, en el que se haya definido un
producto escalar.
Norma de un vector de
n
A partir de la definicin de producto escalar en
n
, es
posible definir una norma en
n
de la siguiente manera :

x
2 2
2
2
1
...
n
x x x x x + + + = =

Ejemplo:
La norma del vector =( 3,0, 4 ) de
3
es
=
x

x
2 2 2
4 0 3 + + =
5 25 =
Los vectores cuya norma es uno ( ) se denominan
vectores unitarios. Ejemplo: Los vectores cannicos de
n
son vectores unitarios.
1 = x
Definicin de espacio vectorial normado
Un espacio vectorial normado, es un espacio vectorial, en
el que se haya definido una norma.
Note que en un espacio vectorial eucldeo siempre es
posible definir una norma mediante la relacin
, de donde se deduce que todo espacio vectorial
eucldeo es un espacio vectorial normado.
x

= x x
Producto vectorial de dos vectores de
3
En muchas ocasiones dados dos vectores e de R
3
, es
necesario encontrar un tercer vector que sea ortogonal
simultneamente a e . Para ello se define un producto
de vectores en R
3
conocido con el nombre de producto
vectorial.
y
Definicin de producto vectorial.
Si y son dos vectores
de R
3
, llamaremos producto vectorial de con al vector
x definido por:
x =
k x j x i x x
r r r
r
3 2 1
+ + = k y j y i y y
r r r
r
3 2 1
+ + =
y
k y x y x j y x y x i y x y x
r r r
) ( ) ( ) (
1 2 2 1 3 1 1 3 2 3 3 2
+ +
x
x = = - +
y
3 2 1
y y y

3 2 1
x x x
k j i
3 2
3 2
y y
x x

i
3 1
3 1
y y
x x

j
2 1
2 1
y y
x x

k
Sistemas de vectores L.I. y L.D.
Combinacin lineal de un sistema de vectores
Dependencia e independencia lineal de un
sistema finito de vectores.
Nmero mximo de vectores l.i. en un sistema
de vectores.
Dimensin de un espacio vectorial.
Sistema de vectores
3 2 1
; ; e e e
r r r
Un sistema de vectores es todo conjunto ordenado de
vectores. Esto significa que, por ejemplo, no son iguales los
sistemas de vectores { } ; { } y { } .
1 3 2
; ; e e e
r r r
1 2 3
; ; e e e
r r r
Combinacin lineal de un sistema de vectores.
Se denomina combinacin lineal de un
sistema { } de n vectores de un
espacio vectorial E con
1
,
2
, ...
n
escalares a la
expresin
1
x
1
+
2
x
2
+ ..... +
n
x
n
.
n
x x x x
r r r r
;...; ; ;
3 2 1
Expresin de un vector cualquiera como
combinacin lineal de los vectores de un
sistema.
Ejemplo 1
Expresar el vector = ( ) de
n
como
combinacin lineal del sistema { } de
vectores cannicos de
n
x
n
e e e e
r r r r
;...; ; ;
3 2 1
=
1
+
2
+
3
+ ..... +
n
x
r
1
e
r
2
e
r
3
e
r
n
e
r
n
x x x x ..., , ,
3 2 1
= (
1
, 0, ..., 0) + (0,
2
, 0, ..., 0) + (0, 0,
3
,
..., 0) + ..... + (0, 0,....,
n
)
= (
1
,
2
,
3
, ...,
n
)
De donde
=
1
; =
2
; =
3
; .; =
n
1
x
2
x
3
x
n
x
Luego
n n n
e x e x e x e x x x x x x
r r r r r
+ + + + = = ... ) ,..., , , (
3 3 2 2 1 1 3 2 1
=
1
+
2
+
3
+ ..... +
n
x
r
1
e
r
2
e
r
3
e
r
n
e
r
( ) =
1
(1, 0, ..., 0) +
2
(0, 1, 0, ..., 0) +
3
(0, 0, 1, ..., 0) + ..... +
n
(0, 0,....,1)
n
x x x x ..., , ,
3 2 1
Asi que, siempre es posible expresar un vector cualquiera
como combinacin lineal de los vectores del sistema del
sistema { } de vectores cannicos de
n
y que los coeficientes de la combinacin lineal son
precisamente, las componentes del vector .
n
e e e e
r r r r
;...; ; ;
3 2 1
x
Ejemplo 2
Expresar el vector = (0, 2, -1) como combinacin lineal
del sistema de vectores
A={ (1, 3, 0); (2, 4, 1)}
3
.
x
Si es posible hallar los coeficientes de
1
,
2
se podr escribir
la combinacin lineal de los vectores de A:
) 1 , 4 , 2 ( ) 0 , 3 , 1 ( ) 1 , 2 , 0 (
2 1
+ = = x
r
) 1 , 4 , 2 ( ) 0 , 3 , 1 ( ) 1 , 2 , 0 (
2 2 2 1 1
+ =
Pero la igualdad anterior significa que:
2 4 3
0 2
2 1
2 1
= +
= +

1
2
=
a) = (0, 2, 1) = ( 1,4,1) ; ( -3,2,1)} 3
Resp: NO
x b
r
DEPENDENCIA LINEAL DE UN SISTEMA FINITO
DE VECTORES
Dado un espacio vectorial real E, un
sistema A = de k vectores de E es
linealmente dependiente, si al menos un vector de
A se puede expresar como combinacin lineal de los
restantes vectores de A.
i
a
} ,..., , {
2 1 k
a a a
Sea E un espacio vectorial y A = un
sistema de vectores de E. Entonces A es linealmente
dependiente, si y solo si, existe una relacin de
dependencia no trivial entre los vectores de A.
} ,..., , {
2 1 k
a a a
Para determinar si el sistema de vectores B = {(1,3,1),
(0,2,1), (1,1,0)} es linealmente independiente o
linealmente dependiente, planteamos la relacin de
dependencia lineal:
3
) 0 , 0 , 0 ( ) 0 , 1 , 1 ( ) 1 , 2 , 0 ( ) 1 , 3 , 1 (
3 2 1
= + +
Efectuando las operaciones indicadas:
) 0 , 0 , 0 ( ) , 2 3 (
2 1 3 2 1 3 1
= + + + + +
de donde:
0
3
= +
0 2 3
3 2 1
= + +
1
2 1
+
0 =
Resolvamos este sistema de ecuaciones lineales
homogneo; para ello transformaremos en escaln, la matriz M
del mismo:
=
0 0 0
2 2 0
1 0 1
~
1 1 0
2 2 0
1 0 1
~
0 1 1
1 2 3
1 0 1
M
Como r(M) = 2 y n = 3 (r(M) < n) este sistema de ecuaciones es
indeterminado
El sistema de ecuaciones equivalentes es:
0 2 2
3 2
= +
y su solucin:
3 2 3 1
, = =
1
0
3
= +
0 2 2
3 2
= +
Lo anterior permite afirmar que adems de la relacin trivial,
existe una relacin no trivial entre los vectores del sistema
dado y por tanto es L.D.
Una relacin de dependencia lineal entre los vectores del
sistema anterior es
(1, 3, 1) - (0, 2, 1) - (1, 1, 0) = (0, 0, 0) .
En resumen,
la relacin de dependencia lineal, conduce a un sistema de
ecuaciones lineales homogneos, por lo tanto:
si r(A) = k = n (nmero de incgnitas) el sistema de vectores
dado es L.I.
si r(A) < n el sistema de vectores dado es L.D.
Nmero mximo de vectores l.i. en un sistema de vectores.
Para determinar si un sistema de vectores de
n
es linealmente
independiente o linealmente dependiente, basta con calcular el
rango r(A) de la matriz del sistema que se obtiene al plantear la
relacin de dependencia lineal y compararlo con el nmero de
incgnitas del sistema de ecuaciones. Pero al calcular el r(A),
como sabemos, estamos hallando el nmero mximo de
vectores l.i. de la matriz A, y como dichas columnas estn
formadas por las componentes de los vectores del sistema de
vectores dado, al calcular r(A) estamos hallando el nmero
mximo de vectores l.i. del sistema de vectores dado.
2 0 1 1
4 2 0 2
0 1 1 0
2 2 1 1
0 2 2 0
0 2 2 0
0 1 1 0
2 2 1 1
0 0 0 0
0 0 0 0
0 1 1 0
2 2 1 1

Como r(A) = 2,
el nmero mximo de vectores l.i. del sistema de vectores D es 2.
A =
Ejemplo:
Determinar el nmero mximo de vectores l.i del sistema de
vectores
D={( 1,0, 2, 1 ) ; ( 1, 1, 0, -1 ) ; ( 2, 1, 2, 0 ) ; ( 2 ,0, 4, 2) } de
4
. Consideremos la matriz A cuyas columnas estn
formadas por las componentes de los vectores del sistema de
vectores dado.
Dimensin de un espacio vectorial.
La dimensin de un espacio vectorial E, es igual
al nmero mximo de vectores linealmente
independientes de E.
El nmero mximo de vectores linealmente
independientes de
n
es n.

Trabajo Algebra Lineal

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Trabajo Algebra Lineal

Încărcat de

Drepturi de autor:

Formate disponibile

MATRICES

nmente aplicados son

scara centrada en cada p

xel, la cual presenta un

scara es calculado mediante

xeles que son cubiertos por la

scara, los cuales previamente se multiplican por los

Pxel que se va a filtrar

Pxel que se va a filtrar

Nuevo valor que adopta el pxel

Dos matrices equivalentes tienen el

POR TRANSFORMACIONES ELEMENTALES POR TRANSFORMACIONES ELEMENTALES

En este caso el menor asociado

El menor asociado viene

todo de Gauss en forma matricial

todo de Gauss en forma matricial

todo de Gauss en forma matricial

todo de Gauss en forma matricial

todo de Gauss en forma matricial

Mtodo de Gauss en forma matricial M

todo de Gauss en forma matricial

Mtodo de Gauss en forma matricial M

todo de Gauss en forma matricial

todo de Gauss en forma matricial

todo de Gauss en forma matricial

todo de Gauss en forma matricial

todo de Gauss en forma matricial

todo de Gauss en forma matricial

S-ar putea să vă placă și