Universidad Técnica “Luis Vargas Torres”

Nombre:

Luis Enrique Jama Castro

Jamileth Marialis Medranda Arboleda
Carrera:

Algebra Lineal
Docente:

Marisol Morales
Especialidad:

Ingeniería en Electricidad
Ciclo y paralelo:

2° “C”
Tema:

Trabajo Investigativo N° 2
Periodo:

2019-2020
 Introducción

En el siguiente documento esta expresado todo el contenido expuesto en el silabo

correspondiendo al segundo módulo del segundo ciclo el cual abarca los temas de;
Resolución de sistemas de ecuaciones por Gauss Jordán, Espacio Vectorial, Vectores lineales
y Coordenados. Estos contenidos estas presentes en gran parte de la vida diaria y laboral de
cada persona y el reconocer el papel que juegan estos temas tanto en la vida diaria como en
la laboral, es de suma importancia ya que los sistemas de ecuaciones y los vectores
proporcionan una notación compacta y flexible especialmente adecuada para estudiar
transformaciones lineales. Permiten, además, un tratamiento simple y organizado de la
resolución de sistemas lineales, incluidos sistemas de ecuaciones diferenciales.
 Objetivo General:

Investigar y desarrollar un trabajo investigativo, mediante la

indagación de las respectivas unidades vistas en el segundo
componente y expandir nuestros conocimientos, para así reconocer el
valor que tienen estos temasen la vida diaria y laboral

Objetivo Específicos:
-Reforzar las 3 unidades vistas en el primer componente
-Profundizar los subtemas que comprenden las 3 unidades y buscar
distintos métodos para la resolución de los ejercicios.
-Investigar las aplicaciones de los temas tanto en la vida cotidiana y
laboral para reconocer el valor de la temática tratada
 Unidad 1
Sistema de ecuaciones por el método de Gauss Jordán
1.1 Definición:
Este método debe su nombre a Carl Friedrich Gauss y a Wilhelm Jordán. Se trata de una serie
de algoritmos del algebra lineal para determinar los resultados de un sistema de ecuaciones
lineales y así hallar matrices e inversas. El sistema de Gauss se utiliza para resolver un
sistema de ecuaciones y obtener las soluciones por medio de la reducción del sistema dado a
otro que sea equivalente en el cual cada una de las ecuaciones tendrá una incógnita menos
que la anterior. La matriz que resulta de este proceso lleva el nombre que se conoce como
forma escalonada.

1.2 Resolución por el método de Gauss Jordán.

Para resolver sistemas de ecuaciones lineales con el método Gauss Jordán, debemos en
primer lugar anotar los coeficientes de las variables del sistema de ecuaciones lineales con la
notación matricial
Sea el siguiente sistema de ecuaciones:
1.Aplicaremos el primer paso, o sea que lo anotaremos en forma matricial:

2.Realizado lo anterior, podemos operar con las distintas columnas y filas de la matriz para
así convertirla en la matriz identidad.
3. Ahora debemos transformar el 2 de la primera fila de la matriz original en el 1 de la primera
fila de matriz identidad. Para realizar este paso multiplicamos toda la fila 1 por el inverso de
2, o sea ½.

4. A continuación debemos obtener los dos ceros de la primera columna de la matriz

identidad. Para lograrlo buscaremos el opuesto de los números que se encuentren por debajo
del 1 de la primera columna. El opuesto de 3 será -3 y el de 5 -5. Hecho esto multiplicaremos
los opuestos de estos números por cada uno de los elementos de la fila primera y estos se
adicionarán a los números de sus respectivas columnas Por ejemplo en el caso de la segunda
fila, se multiplicará a -3 que es el opuesto de 3, por cada uno de los elementos de la primera
fila y se añadirá el resultado con el número correspondiente de la columna de la segunda fila.
5. A medida que realicemos este procedimiento operando con las distintas filas y columnas
de la matriz, observaremos como esta se transforma en el modelo de la matriz identidad.
Finalizado el proceso, encontraremos finalmente en la cuarta columna los valores de las
variables.

6. A medida que realicemos este procedimiento operando con las distintas filas y columnas
de la matriz, observaremos como esta se transforma en el modelo de la matriz identidad.
Finalizado el proceso, encontraremos finalmente en la cuarta columna los valores de las
variables.

x=1
y=-1
z= 2
Resuelto el sistema de ecuaciones, podemos verificar como último paso:
1.3 Aplicaciones
En la ingeniería:
Las matrices sirven para resolver ecuaciones lineales esto a su vez tienen múltiples
aplicaciones en el área de ingeniería, dando lugar al óptimo manejo de recursos humanos y
lugares monitoreados y controlados desde un sistema de diseño, dando paso así a la
modernidad e ingeniería del futuro
En la vida diaria:
Las matrices son utilizadas principalmente en problemas matemáticos, física, cálculos
lineales, etc.., además actualmente es un componente esencial en el lenguaje de
programación ya que la mayoría de ordenadores como tablas organizadas en filas y
columnas: hojas de cálculo, bases de datos y en el estudio de las canónicas. En la vida
diaria el concepto de matrices es de gran relevancia, ya que las matrices se usan como
contenedores para almacenar datos relacionados.

1.4 Ejercicios
Reducción de sistema de ecuaciones Gauss Jordán
1°) Primero

5x + 2y =2

2x +y -8 = 0

2x + 3y –z = 3

5 2 0 2

2 1 -1 0 f1 ÷ 5

2 3 -1 3

1 2/5 0 2/5 -2 (f1)+f2(1)

2 1 -1 0 -2(f1(+f3(1)

2 3 -1 3

1 2/5 0 2/5 f2 y f2 x5

0 1/5 -2 4/5

0 11/5 -2 11/5
1 2/5 0 1/5 sumamos a la f2 , la f3

0 1 -5 -4 multiplicando por -1

0 11 -5 11

1 2/5 0 2/5 -11 (f2)+f3(10)

0 -10 0 -1

0 11 -5 11

2
1 2/5 0 2/5 − (𝑓2) + 𝑓1(1)
5

0 1 0 3/2 -1(f2)+f3(1)

0 1 5/11 1

1 0 0 -1/5
−11
0 1 0 3/2 f3 x
5

0 0 1 -1/2

X = -1/5 1 0 0 -1/5

Y = 3/2 0 1 0 3/2

Z = 11/10 0 1 1 11/10

2) Segundo

X + 2y - 5z = 16

3x + y + 2z = 8

5x - 4y + z =18

1 2 -5 16

3 1 2 8 - 3 F , + f2

5 -4 1 18 - 5 f1 + f3
1 2 5 16

0 -5 17 -40

0 -14 26 -62 - 14 f2 + 5 f3

1 2 -5 16

0 -5 17 -40 f2 % -5

0 0 -108 250 f3 % -108

1 2 -5 16 -2 (f2) + f1 (1)
17
0 1 -17/5 8 (f3) + f2 (1)
5

0 0 1 -25/18 5 (f3) + f1 (1)

1 0 0 16

0 1 0 18/6

0 0 1 -25/18

3°) Tercero

36 + 16x -6y +4z + d = 0

64 + x -8y +z +d =0

4 + 16x + 2y -4z +d = 0

19 + 9x +8y - 3z +d =0

16x - 6y + 4z +d = 36

x - 8y +z +d = 64

16x + 2y - 4z + d = -4

9x + 8y - 3z + d - 64
16 - 6 4 1 -36 1 -8 1 1 -64

1 -8 1 1 -64 16 -6 4 1 -36

16 2 -4 1 -4 16 2 -4 1 -4

9 8 -3 1 -64 9 8 -3 1 -64

-f3+f2

1 -8 1 1 -64

−1
0 -8 8 0 -32 %f2
8

16 2 -4 1 -4 -16(f1)+f3

9 8 -3 1 -64 -9(f1)+f4

1 -8 1 1 -64

0 1 1 0 4 8(f2)+f1

0 130 -20 -15 1020 -130(f2)+f3

0 80 -12 -8 512 -80(f2)+f4

1 0 -2 1 -32

1
0 1 -1 0 4 %f3
3

1
0 0 110 -15 500 %f4
4

0 0 68 -8 192

1 0 -7 1 -32

0 1 -1 0 4 17(f3)-22ff4

0 0 22 -3 100

0 0 17 -2 48

1 0 -7 1 -32 1 0 -7 1 -32

−1
0 1 -1 0 4 %f4 0 1 -1 0 4
7

0 0 22 -3 100 0 0 22 -3 100

0 0 0 -7 644 0 0 0 1 -92
-f4+f1 ; f3+f2

1 0 -7 0 60 1 0 -7 0 60

1
0 1 -1 0 4 %f3 0 1 -1 0 4
22

0 0 22 0 -176 0 0 1 0 -8

0 0 0 1 -92 0 0 0 1 -92

-f4+f1 ; 3(f4)+f3

1 0 0 0 4 x = 4

0 1 0 0 -4 y =4

0 0 1 0 -8 z = -8

0 0 0 1 -92 d = -92

4°) Cuarto

X- Y ± −6

+ Y + Z = 3

+ Z + 2d = 4

2x - 3d = 5

1 -1 0 0 -6

0 1 1 0 3

0 0 1 2 4 -2(f1)+f4

2 0 0 -3 5 -2(f2)+f4

1 -1 0 0 -6

0 1 1 0 3

0 0 1 2 4 2(f3)+f4

2 0 -2 -3 11 -2(f4)+f3
1 -1 0 0 -6

0 1 1 0 3

0 0 1 0 -34 -f3+f2

0 0 0 1 19 f2+f1

1 0 0 0 31 x = 31

0 1 0 0 37 y = 37

0 0 1 0 -34 z = 34

0 0 0 1 19 d = 19
 Unidad 2
Espacio vectorial
2 Definición
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.
2.1 Axiomas
1- Si X pertenece a V y Y pertenece a V, entonces X+Y pertenece a V.
2- Para todo X, Y y Z en V, (x+y)+z = x(y+z).
3- Existe un vector |0 pertenece V tal que para todo X pertenece a V, X+0=0+X=X.
4- Si x pertenece a V, existe un vector –x en V tal que x+(-x)=0.
5- Si X y Y están en V, entonces x+y=y+x.
6- Si x pertenece a V y a es un escalar, entonces ax pertenece a V.
7- Si X y Y están en V y a es un ecalar, entonces a(x+y)= ax + ay
8- Si X pertenece a V y a y b son escalares, entonces (a+b) x = ax+ by.
9- Si X pertenece a V y a y b son escalares, entonces a(bx) = (ab)x.
10- Para cada vector X pertenece a V, 1x = x.

2.2 Propiedades.
-Propiedades inmediatas:
Es muy obvio que para un espacio vectorial se cumplen las siguientes propiedades:
 -Otras propiedades:
Quizás no sean tan obvias, pero sí son fácilmente demostrables las propiedades:

3 Espacio vectorial con producto interno

Un producto interno sobre un espacio vectorial V es una operación que asigna a cada par de
vectores u y v en V un número real <u, v>.
Un producto interior sobre V es una función que asocia un número real ‹u, v› con cada par
de vectores u y v cumple los siguientes axiomas:
1. (v, v) ≥ 0
2. (v, v) = 0 si y sólo si v = 0.
3, (u, v +w) = (u, v) + (u, w)
4. (u + v, w) = (u, w) + (v, w)
5. (u, v) = (v, u)
6. (αu, v) = α (u, v)
7. (u, αv) = α (u, v)
3.1 Espacio con producto interior
El producto interior euclidiano es solo uno más de los productos internos que se tiene que
definir en Rn Para distinguir entre el producto interno normal y otros posibles productos
internos se usa la siguiente notación.
u * v = producto punto (producto interior euclidiano para Rn)
‹u, v› = producto interno general para espacio vectorial V.
-Propiedades de los productos interiores:
1. ‹0, v› = ‹v, 0› = 0
2. ‹u + v, w› = ‹u, w› + ‹v, w›
3. ‹u, cv› = c ‹u, v›.
4. Valores y vectores propios.
Sea A una matriz cuadrada, un número real λ se dice que es un valor propio o un valor característico
de A si existe un vector, diferente del vector cero, xo tal que:
Axo = λ xo
Los vectores propios son vectores paralelos a sus imágenes bajo una transformación, por la relación
que existe entre las transformaciones lineales y las matrices, definimos primero este y otros conceptos
relacionados, respecto de una matriz para más adelante hacerlo respecto de una transformación. Es
de anotar que, como estos conceptos tienen sentido sólo para transformaciones que van de un espacio
vectorial en sí mismos, en este capítulo, estaremos hablando sólo de matrices cuadradas.
4.1 Teoremas
-Teorema 1
Sea A una matriz cuadrada. Entonces
1. Un escalar λ es valor propio de A, si y solo si, det(A − λI) = 0 y λ ∈ R.
2. Un vector v es un vector propio de A asociado al valor propio λ, si y solo si, v es una solución no
trivial de (A − λI) x = 0.
-Teorema 2
Una matriz A es invertible, si y solo si, 0 no es un valor propio de A. Como mencionamos antes, los
valores propios de A son las raíces reales de la ecuación det (A − λI) = 0. Además, se puede demostrar
que si A es una matriz n × n, entonces det (A − λI) es un polinomio de grado n, cuyo coeficiente
principal3 es (−1) n. Por la importancia que tiene este polinomio, le damos un nombre especial.
Teorema 4
Los valores propios de una matriz triangular son los elementos de la diagonal.
Teorema 5
Si λ1, λ2, . . . , λk son valores propios distintos de una matriz A de tamaño n × n, entonces
1. Los vectores propios v1, v2, . . . , vk de A asociados a los valores propios λ1, λ2, . . . , λk,
respectivamente, son l.i
2. Si B1, B2, . . . , Bk son bases de los espacios propios Eλ1 , Eλ2 , . . . , Eλk , respectivamente, entonces
B = B1 ∪ B2 ∪ . . . ∪ Bk es un conjunto l.i.
3. Si B1, B2, . . . , Bk son bases de los espacios propios Eλ1 , Eλk , . . . , Eλk , respectivamente, y
B = B1 ∪ B2 ∪ . . . ∪ Bk
Teorema 6
Sea A una matriz de orden n × n y v un vector propio de A asociado al valor propio λ.
Entonces,
1. λ es un valor propio de AT.
2. Si λ 6= 0, entonces A es invertible y v es un vector propio de A−1 asociado al valor propio
1/λ.
3. v es un vector propio de Ak asociado al valor propio λ k.
4.2 Calculo de valores propios
1. Calcula las potencias de la matriz A y sus trazas guardándolas en el vector s.
2. Calcula n coeficientes del polinomio característico de acuerdo con las fórmulas (1) y
los guarda en el vector p. Se ha de tener en cuenta que el coeficiente que falta es el
de mayor grado y vale 1. El vector de los coeficientes del polinomio característico es
el vector ampliado [1 p] cuyo primer término es 1 y a continuación el resto de los
coeficientes calculados.
3. Calcula las raíces del polinomio, que son los valores propios empleando la función
MATLAB roots, a la cual se le pasa el vector de los coeficientes y devuelve el vector
(columna) de las raíces.
4. Creamos una matriz D de dimensión n en cuya diagonal principal guardamos los
valores propios, D(i,i)=λi

4.3 Calcula el vector propio para cada uno de los valores propios.

1. Extraemos de la matriz A la submatriz A(2:n,2:n) y creamos otra matriz B de

dimensión n-1. Los elementos de la diagonal de la matiz B, valen B(i,i)=A(i,i)-λi
2. Extraemos los elementos 2..n de la primera columna de la matriz A del siguiente
modo, A(2:n,1), los cambiamos de signo y los asignamos al vector C de
dimensión n-1.
3. Los n-1 elementos del vector popio correspondiente al valor propio λi se obtienen
resolviendo un sistema de n-1 ecuaciones con n-1 incógnitas, mediante el operador
división por la izquierda \ tal como hemos visto en la página Vectores y matrices.
4. El vector propio S correspondiente al valor propio λi está formado por la unidad y
los n-1 valores que hemos obtenido al resolver el sistema lineal de n-1 ecuaciones
con n-1 incógnitas.
5. El vector propio S se normaliza (su módulo es la unidad). Recuérdese que el
cuadrado del módulo de un vector es el producto escalar de dicho vector consigo
mismo.
6. El vector propio S correspondiente al valor propio λi es la columna i de la
matriz V. V(1:n,i)=S/norm(S). La función MATLAB norm calcula el módulo de un
vector.
5. Dependencia e independencia de vectores
Los vectores son linealmente independientes si tienen distinta dirección y sus
componentes no son proporcionales.
Un conjunto de vectores {v1,v2,…,vn} es un espacio vectorial V es linealmente dependiente si
existen escalares c1,c2,…,cn, al menos uno de los cuales no es cero, tales que:
c1v1+c2v2+…+cnvn=0
Si los vectores no son linealmente dependientes, se dice que son linealmente independientes.
5.1 Criterios de Independencia Lineal
Sean u1, u2, …,un k vectores en Rn y A la matriz que tiene como columnas a estos vectores,
los vectores son linealmente independientes si el sistema Ax = 0 tiene únicamente solución
trivial.
Los vectores son linealmente dependientes si el sistema Ax=0 tiene soluciones no triviales
(solución múltiple).
Si k=n
Los vectores son linealmente independientes si A es invertible
Si k>n
Los vectores son linealmente dependientes.
Dos vectores en un espacio vectorial son linealmente dependientes si uno de ellos es múltiplo
escalar del otro.
Un conjunto de vectores linealmente independientes en n contiene a lo más n vectores.
Tres vectores en 3 son linealmente dependientes si y sólo si son coplanares, esto es, que están
en un mismo plano.
5.2 Teoremas
Cualquier conjunto que contenga al vector 0 es linealmente dependiente.
1. Cualquier conjunto que contenga un único vector diferente de cero, v ≠0, es
linealmente independiente.
2. Cualquier conjunto formado por dos vectores diferentes de cero, S = {v1, v2}, donde
v1 ≠ 0, v2 ≠ 0, es linealmente dependiente si, y sólo si, uno de los vectores es múltiplo
escalar del otro.
3. Cualquier conjunto que contenga un subconjunto linealmente dependiente es
linealmente dependiente.
4. Cualquier subconjunto de un conjunto linealmente independiente es linealmente
independiente.
5.3 Aplicaciones
En la ingeniería:
 Los vectores en la ingeniería industrial sirven para resolver problemas de estática (de
composición de fuerzas, por ejemplo, las fuerzas que actúan sobre un puente o un
edificio o las fuerzas que actúan sobre los piñones de una rueda dentada, etc., etc.)

Muestra de un diagrama
de bloques y vectores
del lazo iterativo
general de un circuito
Térmico equivalente

En la vida diaria:
Ahora si resolviendo la interrogante hemos oído hablar de que los juegos de la computadora,
las nuevas películas animadas, etc. Todas estas cosas están hechas con gráficos vectoriales,
pero no sólo en la animación ni en estos casos están presentes los vectores, estos también
rigen el transporte aéreo, el desplazamiento de los barcos, y en general la física,
Por ejemplo, acá pongo 8 aplicaciones diríamos diarias sobre los vectores en la cual podría
servir a gran parte de la gente, pero eso si aplicada sobre una base personal:
1. Para levantar un objeto pesado y no lastimarte la espalda
2. Para la navegación aérea
3. Para jugar billar
4. Para mejorar tu rendimiento en cualquier deporte que practiques
5. Para usar cualquier tipo de herramienta de la manera adecuada
6. Para mejorar los Radares
7. para la navegación marítima
8. Para entender cómo funciona toda la tecnología que usas (internet, móvil, PC, etc.) y así
puedas encontrar las fallas cuando las tengas
5.4 Ejercicios
1°) Primero
U ( 4 ; 2 ) v (3, 1)

(u / u ) = ( 4 x 2 + 3 x 1 )

=(8+3)

= 4

(u / u ) = ( 3 x 1 + 4 x 2 )

=(3+8)

= 11

(u / u ) = a1 x b1 + a1 x b1

= 4 x 2 + 4x 2

= (8+8)

= 16

(v / v ) = a2 x b2 + a2 x b2

=3x1+3x1

= (3+3)

= 6

2° Segundo
U=6 v=3 w =2

(u + v , w ) = ( u , w ) + ( v , w )

( 6 + 3 , 2 ) = ( 6 , 2 ) + ( 3 ,2 )

( 9 , 2 ) = (12 ) + 6

18 = 18

(v,v)=(v,v)

( 3 , 3) = ( 3 , 3 )

9=9

(v,v)≥0

(3 , 3 ) ≥ 0

9≥0
α = (1 ,2 ) v3 u = ( 4, 2 )

(α.u,v) =α(u,v)

( ( 1 , -2 ) 3 , ( 4 , 1 ) = ( 1 , 2 ) ( 1 , 2 ) (( 4 , 1 ) 3 )
(2)3,4= 2(4,3)

2 – 12 = 2 ( 12 )

14 = 14

3°) Espacio Vectorial

(x + y ) + z = x + ( y + z )

X=2 y=5 7 = 13

( 2 + 5 ) + 13 = 2 + ( 5 + 13 )

7 + 13 = 2 + 18

20 = 20

X+0=0+x

1 1 1 1
X= 0
5 5 1 1

6 6 + 0 6 6

4 4 0 4 4

1 1
5 5

6 = 6

4 4

X + ( -x ) = 0

1 1
0
5 5

6 + -6 = 0

4 -4 0

α(x+y)=α .x+α .y

1 3

α=2 x = 2 y = 6

3 -1
 1 3 1 3

2 2 + 6 =2 2 +2 6

-2 -1 -2 -1

2 6 2 6

4 + 12 = 4 12

-4 -2 --4 -2

8 8

16 = 16

-6 -6

(α+B x)=α x+B x

1
α= B=3 X= 2
5

( 1
5
+3*2 )( =
1
5
-2 + 3 * 2 )
16 2
5
.2 = 5
+6

32 32
=
5 5

α(B *x)=(α -B)x

1 1
(3.2)=( .3)2
5 5

1 3
(6) = ( )2
5 5

6 6
=
5 5
4° Dependencia e independencia de vectores
Dado 5 = (1 , 1 ,0 ) , ( 1 , 2 , 3 ) , ( 1 , 2 , 3 )

Determinar si 5 es LI O LD

1 1 1 0 1 1 1 0

1 2 2 0 f2-f1 0 1 1 0 f3 ÷ 3

0 3 3 0 0 3 3 0

1 1 1 0 1 1 1 0

0 1 1 0 f2-f1 0 1 1 0

0 1 1 0 0 0 0 0

5° Linealmente dependiente

Dado A = (L1 , -1 , 2 ,1 , 5 ) , ( 2 , 1 , 0 , 1 , 3 )

( 0 , 1 , -2 , 1 , 1 ) determinador si A es LI o LD

1 2 0 0 𝑓5 = 𝑓5 – 5𝑓1

-1 1 1 0 𝑓4 = 𝑓4 - 𝑓1

2 0 -2 0 𝑓3 = 𝑓3 - 2𝑓1

1 1 1 0 𝑓2 = 𝑓2 + 𝑓1

5 3 1 0

1 2 0 0 𝑓3 = 𝑓3 +4 𝑓2

0 3 1 0 𝑓4 = 𝑓4 - 3 𝑓2

0 -4 -2 0 𝑓3 = 𝑓3 - 7𝑓2

0 -1 1 0

0 -7 1 0

1 2 0 0 1 2 0 0

0 1 -1 0 𝑓5 = 𝑓5 + 𝑓3 0 1 -1 0
1
0 0 -6 0 𝑓4 = 𝑓4 + 𝑓3 0 0 -6 0
6

0 0 4 0 0 0 0 0

0 0 1 0 0 0 0 0
 Existe una única solución no trivial A es linealmente independiente

2 1 1 1 0 0 1 -2 5 0 0

0 -2 1 5 0 0 2 1 1 0 0 𝑓2 - 2 𝑓1

3 1 4 1 0 0 3 1 4 1 0 𝑓3 - 3 𝑓1

1 -2 1 5 0 1 -2 1 5 0

0 5 -1 -9 0 5- 𝑓2 2 1 - 1⁄5 - 5⁄9 0

0 7 1 -14 0 0 7 1 -14 0

F3 - 7 f2

1 -2 1 5 0 G linealmente dependiente

0 1 -1⁄5 -5⁄9 0

0 0 0 - 49 0

3 1 4 0

a -1 + b 2 +c -2 = 0

7 0 1 0

3ª + b + 4c = 0

-a + 2b - 2c = 0

7a +c =0

3 1 4 0

-1 2 -2 0 3 f1

7 0 1 0

-1 2 4 0 -1 2 -2 0

3 1 -2 0 3 𝑓2 + 𝑓2 0 7 -2 0
7 0 1 0 7 𝑓2 𝑓2 0 14 -13 0 -2f2 + f3

-1 2 -2 0 𝑓3 ÷9 1 2 0 0

0 7 -2 0 𝑓2 +2 𝑓3 0 1 0 0
0 0 -9 0 𝑓2 ÷ 7 0 0 0 0

Linealmente independiente
 Vectores Lineales y coordinados
1. Vectores coordenados
Sea V un espacio vectorial de dimensión finita con base B = {v1, . . . , vn}. Según un
teorema anterior, para cada v ∈ V existen escalares únicos c1,. . . ,cn tales que: v =
c1v1 + · · · + cnvn
El vector en Rn cuyas componentes son los coeficientes de v, expresado como [v]B ,
se llama vector de coordenadas o vector coordenado de v con respecto a B:

Si las coordenadas de los puntos extremos, A y B, son:

Las coordenadas del vector AB son las coordenadas del extremo menos las
coordenadas del origen.
  Ejercicio
1.- comprobar si el vector v ( 3 , 9 ) es combinación lineal del vector v ( 1 , 3 )

(3 , 9 ) = K ( 1 , 3 ) = 3 =1.k =k=3

9 =3 .k

Son dependientes
3 9
1
= 31

2.- De los tres siguientes vectores decir que pareja son dependientes y cuales son
independientes.

U ( 10 , 5 ) ; v ( 2 , -3 ) ; w ( -2 , -1 )
10 5
≠ = u y v son independientes
2 −3

10 5
≠ = u y w son dependientes
−2 −1

2 −3
≠ = v y w son independientes
−2 −1
 Conclusiones

-Los temas vistos en esta unidad van de la mano con la Ingeniería Industrial, ya
que aquí vemos varios elementos que nos son útiles a la hora de trabajar con
implementos eléctricos.

-Es muy importante reforzar estas bases ya que nos abren muchas puertas a
futuros trabajos, por lo que estos temas son la base para empezar a ver las
diversas formas de trabajar con la energía eléctrica.
 WEBGRAFÍAS

 https://www.researchgate.net/publication/216456908_Aplicaciones_del_Algebra_Li
neal_en_la_vida_cotidiana
 https://es.scribd.com/doc/132270668/COMO-APLICAR-LOS-VECTORES-EN-
LA-INGENIERIA-Y-EN-LA-VIDA-DIARIA
 https://prezi.com/n1k0umiiqwhj/matrices-en-la-vida-cotidiana/
 https://www.superprof.es/apuntes/escolar/matematicas/analitica/vectores/vectores-
y-coordenadas.html
 https://www.superprof.es/apuntes/escolar/matematicas/analitica/vectores/vectores-
linealmente-dependientes-e-independientes.html
 https://www.sangakoo.com/es/temas/bases-y-coordenadas
 http://cb.mty.itesm.mx/ma3002/materiales/ma3002-valores-propios.pdf
 https://www.monografias.com/trabajos99/valores-propios-y-vectores-propios-
eigenvalores-y-eigenvectores/valores-propios-y-vectores-propios-eigenvalores-y-
eigenvectores.shtml
 http://www.sc.ehu.es/sbweb/fisica3/numerico/propios/propios.html
 http://www.ehu.eus/juancarlos.gorostizaga/apoyo/esp_vectorial.htm
 http://m2025.weebly.com/sistemas-de-ecuaciones.html
 https://es.wikipedia.org/wiki/Eliminaci%C3%B3n_de_Gauss-Jordan