Introducción al Álgebra Lineal

📚 Resumen del Contenido

Un libro de texto completo que ofrece una introducción moderna al álgebra lineal, cubriendo vectores, matrices, ecuaciones lineales, espacios vectoriales, ortogonalidad, determinantes y valores propios, con un enfoque tanto en la teoría como en las aplicaciones.

Domina los fundamentos y aplicaciones del álgebra lineal a través del marco intuitivo y riguroso de Gilbert Strang.

Autor: Gilbert Strang

Agradecimientos: Instituto de Tecnología de Massachusetts; Wellesley-Cambridge Press

🎯 Objetivos de Aprendizaje

1. Calcular combinaciones lineales, productos punto, longitudes de vectores y ángulos entre vectores.
2. Describir las configuraciones geométricas (líneas, planos o volúmenes) formadas por conjuntos de vectores.
3. Resolver ecuaciones lineales usando productos matriz-vector e interpretar el papel de matrices inversas y singulares.
4. Diferenciar entre la representación por filas (planos que se intersecan) y la representación por columnas (combinaciones lineales de vectores) de un sistema.
5. Realizar eliminación gaussiana para transformar un sistema en forma triangular superior (U) y resolver mediante sustitución hacia atrás.
6. Formalizar los pasos de eliminación usando matrices elementales (E_{ij}) y permutaciones (P_{ij}).
7. Identificar si un subconjunto de vectores satisface los requisitos para ser un subespacio.
8. Realizar reducción de filas para alcanzar la Forma Escalonada Reducida por Filas (R) e identificar el rango, las columnas pivote y las variables libres.
9. Construir la matriz del espacio nulo N a partir de soluciones especiales y describir la solución completa de sistemas lineales.
10. Identificar y probar la ortogonalidad de los cuatro subespacios fundamentales y determinar sus complementos ortogonales.

🔹 Lección 1: Fundamentos de Vectores y Combinaciones Lineales

Resumen: Esta lección cubre los pilares fundamentales del Álgebra Lineal: operaciones con vectores y sus interpretaciones geométricas. Transita desde combinaciones lineales y productos punto básicos hasta la estructura algebraica de matrices, ecuaciones lineales (Ax = b) y los conceptos clave de independencia lineal y invertibilidad matricial. Los estudiantes aprenderán a navegar entre cálculos algebraicos y la realidad geométrica de vectores en \mathbb{R}^3.

Resultados de Aprendizaje:

• Calcular combinaciones lineales, productos punto, longitudes de vectores y ángulos entre vectores.
• Describir las configuraciones geométricas (líneas, planos o volúmenes) formadas por conjuntos de vectores.
• Resolver ecuaciones lineales usando productos matriz-vector e interpretar el papel de matrices inversas y singulares.

🔹 Lección 2: Sistemas de Ecuaciones Lineales y Factorización Matricial

Resumen: Esta lección aborda la transición desde la interpretación geométrica de sistemas lineales hasta su resolución computacional mediante álgebra matricial. Detalla los mecanismos de eliminación gaussiana, la formalización de operaciones fila mediante matrices elementales y la culminación de estos procesos en factorizaciones matriciales fundamentales (LU, PA=LU y LDL^T). El material conecta la linealidad teórica con la implementación práctica, incluyendo costos computacionales y ejecución específica de software.

Resultados de Aprendizaje:

• Diferenciar entre la representación por filas (planos que se intersecan) y la representación por columnas (combinaciones lineales de vectores) de un sistema.
• Realizar eliminación gaussiana para transformar un sistema en forma triangular superior (U) y resolver mediante sustitución hacia atrás.
• Formalizar los pasos de eliminación usando matrices elementales (E_{ij}) y permutaciones (P_{ij}).

🔹 Lección 3: Espacios Vectoriales y los Cuatro Subespacios Fundamentales

Resumen: Esta lección explora la estructura básica del álgebra lineal, centrándose en la definición y requisitos de espacios vectoriales y subespacios. Los estudiantes aprenderán a resolver la ecuación Ax=0 usando la Forma Escalonada Reducida por Filas (R) para identificar variables pivote y libres, lo que lleva a las "soluciones especiales" que forman una base del espacio nulo. Finalmente, la lección culmina en el Teorema Fundamental del Álgebra Lineal, que conecta las dimensiones y propiedades de los cuatro subespacios fundamentales: el espacio columna, el espacio fila, el espacio nulo y el espacio nulo izquierdo.

Resultados de Aprendizaje:

• Identificar si un subconjunto de vectores satisface los requisitos para ser un subespacio.
• Realizar reducción de filas para alcanzar la Forma Escalonada Reducida por Filas (R) e identificar el rango, las columnas pivote y las variables libres.
• Construir la matriz del espacio nulo N a partir de soluciones especiales y describir la solución completa de sistemas lineales.

🔹 Lección 4: Ortogonalidad y Aproximaciones por Mínimos Cuadrados

Resumen: Esta lección explora la relación fundamental entre los cuatro subespacios fundamentales a través de la lente de la ortogonalidad. Los estudiantes aprenderán a proyectar vectores sobre rectas y subespacios usando matrices de proyección, resolver sistemas sobredeterminados mediante aproximaciones por mínimos cuadrados (ajustar rectas y parábolas) y utilizar bases ortonormales y ortogonalización de Gram-Schmidt para simplificar problemas complejos de álgebra lineal en factorizaciones A = QR.

Resultados de Aprendizaje:

• Identificar y probar la ortogonalidad de los cuatro subespacios fundamentales y determinar sus complementos ortogonales.
• Construir matrices de proyección P y calcular proyecciones de vectores sobre rectas y subespacios de dimensión superior.
• Aplicar las Ecuaciones Normales (A^T A \hat{x} = A^T b) para hallar la recta o parábola de mejor ajuste para un conjunto de puntos de datos.

🔹 Lección 5: Propiedades y Aplicaciones de los Determinantes

Resumen: Esta lección explora las propiedades algebraicas y geométricas de los determinantes, pasando de la definición basada en pivotes al "Gran Fórmula" que involucra permutaciones y cofactores. Los estudiantes aplicarán estos conceptos para resolver sistemas lineales mediante la Regla de Cramer, calcular matrices inversas y determinar áreas y volúmenes tanto en álgebra lineal como en cálculo multivariable (Jacobianos).

Resultados de Aprendizaje:

• Calcular determinantes usando propiedades (regla del producto, transpuesta), fórmulas de pivotes y expansión por cofactores.
• Aplicar la Regla de Cramer y la fórmula de cofactores para hallar soluciones e inversas matriciales.
• Interpretar geométricamente los determinantes como áreas de triángulos/paralelogramos y volúmenes de paralelepípedos, extendiéndose a productos triples y Jacobianos.

🔹 Lección 6: Valores Propios, Vectores Propios y Descomposición en Valores Singulares

Resumen: Esta lección explora la transformación de matrices en sus formas más simples para resolver problemas complejos en sistemas lineales y ecuaciones dinámicas. Los estudiantes aprenderán a descomponer matrices usando valores propios/vectores propios (A = S\Lambda S^{-1}) para matrices cuadradas y la Descomposición en Valores Singulares (A = U\Sigma V^T) para cualquier matriz, proporcionando la base para resolver ecuaciones diferenciales, probar mínimos locales y realizar compresión de imágenes.

Resultados de Aprendizaje:

• Resolver la ecuación de valores propios Ax = \lambda x y relacionar \lambda con la traza y el determinante de la matriz.
• Diagonalizar matrices para calcular potencias y resolver sistemas de ecuaciones diferenciales lineales.
• Identificar y probar matrices positivas definidas y calcular factorizaciones de Cholesky.

🔹 Lección 7: Transformaciones Lineales y Cambio de Base

Resumen: Esta lección explora el cambio fundamental de ver matrices como arreglos estáticos de datos a verlas como operadores dinámicos llamados transformaciones lineales. Definiremos las reglas de linealidad, examinaremos cómo las transformaciones mapean formas específicas (como una "casa") en el plano y aprenderemos a representar operaciones del cálculo (derivadas e integrales) como matrices. Finalmente, concluiremos con descomposiciones avanzadas —incluyendo la pseudoinversa y la descomposición polar— que amplían nuestra capacidad para invertir y factorizar transformaciones incluso cuando las inversas estándar no existen.

Resultados de Aprendizaje:

• Definir e identificar transformaciones lineales usando los principios de adición y multiplicación por escalares.
• Construir la matriz A para una transformación lineal T al mapear los vectores de base.
• Realizar cambios de base para señales (Wavelets y Fourier) y generalizar la inversión matricial usando la pseudoinversa A^+.

🔹 Lección 8: Álgebra Lineal en Ingeniería y Estadística

Resumen: Esta lección explora la aplicación práctica del álgebra lineal en campos diversos como ingeniería estructural, teoría de redes, procesos estocásticos, optimización, procesamiento de señales y ciencia de datos. Los estudiantes aprenderán cómo el marco fundamental de A^TCA rige sistemas físicos, cómo los valores propios predicen tendencias poblacionales a largo plazo y cómo funciones ortogonales extienden los conceptos de espacio vectorial al análisis funcional y la estadística.

Resultados de Aprendizaje:

• Modelar sistemas físicos de resortes y masas usando la matriz de rigidez K = A^TCA.
• Analizar la conectividad de grafos usando matrices de incidencia y verificar la Fórmula de Euler para redes.
• Calcular vectores de estado estable para matrices de Markov y aplicar el teorema de Perron-Frobenius a modelos poblacionales y económicos.

🔹 Lección 9: Álgebra Lineal Numérica y Métodos Iterativos

Resumen: Esta lección explora la implementación práctica del álgebra lineal en computadoras, centrándose en la transición desde la exactitud teórica hasta la estabilidad numérica y la eficiencia. Los estudiantes aprenderán a mitigar errores de redondeo mediante pivoteo parcial, optimizar cálculos usando conteos de operaciones para matrices dispersas y de banda, y evaluar la sensibilidad del sistema usando números de condición. Además, la lección cubre técnicas iterativas para resolver sistemas a gran escala y métodos para aproximar valores propios.

Resultados de Aprendizaje:

• Analizar el impacto de errores de redondeo y aplicar pivoteo parcial para garantizar la estabilidad numérica en la eliminación gaussiana.
• Evaluar la eficiencia computacional de los algoritmos calculando los conteos de operaciones para matrices completas, de banda y dispersas.
• Medir la sensibilidad de sistemas lineales usando normas y números de condición, identificando especialmente casos mal condicionados como la matriz de Hilbert.

🔹 Lección 10: Vectores Complejos y Matrices Unitarias

Resumen: Esta lección trata la transición de números reales a números complejos, centrándose en su aritmética, representación geométrica en el plano complejo y formas polares. Culmina con el estudio de estructuras matriciales específicas para números complejos: matrices hermitianas y unitarias, que son los análogos complejos de matrices simétricas y ortogonales.

Resultados de Aprendizaje:

• Realizar operaciones aritméticas y hallar el conjugado/módulo de números complejos.
• Representar números complejos en el plano complejo y convertir entre formas rectangulares (a + bi) y polares (re^{i\theta}).
• Aplicar la Fórmula de Euler para simplificar productos y potencias de números complejos.