“Año del Fortalecimiento de la Soberanía Nacional”

UNIVERSIDAD NACIONAL DE PIURA

Facultad de Ingeniería Industrial - Ingeniería Informática

TEMA

Aplicaciones del álgebra lineal en la ingeniería informática

CURSO

Álgebra Lineal

DOCENTE

Lic. Eder Escobar Gómez, MS.c.

INTEGRANTES

Correa Juarez Krystopher Gianplablo

García Huertas Leonardo Cristopher

Garcia Velaochaga Pier Antonio

Merino Montero Carlos Javier

Morales Tume Bryan Sebastian

Moran Palacios Alembert Nick

SEMESTRE

2022 – II

PIURA – PERÚ
 INTRODUCCIÓN

El álgebra lineal es una herramienta fundamental en la ingeniería informática, y se utiliza en

una variedad de aplicaciones y problemas técnicos. En el ámbito de la informática se
muestra una clara influencia, desde matrices hasta vectores son múltiples las aplicaciones
que se pueden dar. Pero para no ser muy extenso y aburrido se ha decidido por presentar 5
aplicaciones del álgebra lineal en la informática , se procederá en la explicación necesaria
para poder entender cómo es su introducción en un determinado uso, además se
demostrará mediante ejemplos prácticos cómo es su aplicación.
APLICACIONES
Algunos de los usos más comunes incluyen:

● Procesamiento de imágenes y videos: Se utiliza el álgebra lineal para transformar

imágenes y videos en representaciones matriciales, lo que permite la aplicación de
filtros y efectos en las imágenes.

● Algebra Lineal en la Búsqueda de información: Se utilizan matrices para poder

ordenar una serie de datos y que se puede acceder de manera más fácil.

● Aprendizaje automático:El álgebra lineal es una pieza clave en el campo del

aprendizaje automático y es esencial para lograr un aprendizaje eficiente y preciso.

● Gráficos por computadora:En los gráficos por computadora, se representan los

objetos mediante la descripción matemática de sus formas y características, y es
aquí donde desempeña un papel importante.

● Criptografía: Un texto cifrado es un mensaje encriptado de acuerdo con un cifrado.

Las contraseñas se pueden crear usando una matriz.

En resumen, el álgebra lineal es una herramienta valiosa en la ingeniería informática que se

utiliza en una amplia variedad de aplicaciones y problemas técnicos.
 PROCESAMIENTO DE IMÁGENES Y VIDEOS
El procesamiento de imágenes y videos es una de las ramas de la informática que se ha
vuelto cada vez más relevante en los últimos años debido a la creciente cantidad de
información visual que se genera y al aumento de la capacidad de procesamiento de la
tecnología. Este campo involucra el uso de técnicas matemáticas y algoritmos para
manipular, analizar y transformar imágenes y videos con el fin de obtener información útil y
significativa. Se utiliza en una variedad de tareas técnicas para mejorar la calidad y el
aspecto de las imágenes y videos.

Una imagen se puede representar como una matriz de píxeles, donde cada entrada de la
matriz representa el valor de intensidad de un píxel en la imagen.

Transformación de imágenes:
Uno de los temas clave en el procesamiento de imágenes y videos es la transformación de
imágenes, que incluye técnicas como rotación, escalamiento, deformación, etc. En este
proceso, se aplica la teoría del álgebra lineal para representar las transformaciones en
términos de matrices y para resolver ecuaciones matriciales. Además, la transformación de
imágenes también involucra el uso de técnicas como la interpolación, que permite rellenar
los pixeles faltantes en una imagen para producir una versión mejorada de la misma.

Los siguientes son los procesos de álgebra lineal que se utilizan en la

transformación
de imágenes:

● Transformación de una imagen: se puede representar mediante una matriz de

transformación. Por ejemplo, una matriz de rotación representa la rotación de una
imagen en un ángulo específico.

● Multiplicación de matrices: La multiplicación de la matriz de transformación con la

matriz de píxeles de la imagen produce una nueva matriz que representa la imagen
transformada.

● Interpolación: En algunos casos, la transformación puede producir valores de píxeles

que no se encuentran en la escala original de la imagen. La interpolación se utiliza
para calcular los valores de los píxeles intermedios y producir una imagen suave.

● Reconstrucción de la imagen: La matriz resultante de la multiplicación de matrices se

utiliza para reconstruir la imagen transformada. Cada entrada de la matriz se
convierte en un píxel en la imagen, y la imagen resultante se visualiza en la pantalla.

De modo a resumen del apartado, la transformación de imágenes utiliza el álgebra

lineal para representar una imagen como una matriz de pixels, representar la transformación
de una imagen mediante una matriz de transformación, aplicar la transformación mediante
la multiplicación de matrices, utilizar la interpolación para producir una imagen suave y
reconstruir la imagen transformada a partir de la matriz resultante.
Filtros:
El álgebra lineal también se utiliza para aplicar filtros a las imágenes. Por ejemplo, los filtros
de suavizado se pueden implementar mediante la multiplicación de una matriz de
convolución con la imagen. Los filtros se pueden utilizar para eliminar el ruido, resaltar
características específicas y mejorar la claridad de la imagen.
Se aplican los siguientes procesos:

● Definición de un filtro: Un filtro se puede representar como una matriz de filtro,

también conocida como kernel. El tamaño de la matriz depende del tipo de filtro que
se desea aplicar. Por ejemplo, un filtro de borde puede tener una matriz de 3x3,
mientras que un filtro de enfoque puede tener una matriz de 5x5.

● Convolución: La operación de convolución se utiliza para aplicar un filtro a una

imagen. La operación consiste en deslizar la matriz de filtro sobre la matriz de
píxeles de la imagen y calcular la suma de los productos de las entradas
correspondientes. La entrada resultante de la operación de convolución representa
el valor de intensidad de un píxel en la imagen filtrada.

● Repetición de la operación de convolución: La operación de convolución se repite

para cada pixel en la imagen, lo que produce una nueva matriz que representa la
imagen filtrada.

● Reconstrucción de la imagen: La matriz resultante de la operación de convolución se

utiliza para reconstruir la imagen filtrada. Cada entrada de la matriz se convierte en
un píxel en la imagen, y la imagen resultante se visualiza en la pantalla.

Segmentación de imágenes:
Involucra la identificación de objetos o regiones específicas dentro de una imagen o video.
Esta técnica se basa en la teoría del álgebra lineal para calcular los límites y los valores de
los objetos identificados en la imagen. Además, la segmentación de imágenes también se
utiliza para eliminar el ruido y para mejorar la calidad de la imagen.

El análisis de imágenes:
Este proceso involucra el uso de técnicas como el análisis de la forma, la detección de
características, el reconocimiento de patrones y el análisis estadístico para extraer
información útil de una imagen o video. En este proceso, se aplica la teoría del álgebra
lineal para resolver ecuaciones matriciales y para calcular las características y las
tendencias en la imagen.Por ejemplo, el análisis de componentes principales (PCA) utiliza el
álgebra lineal para reducir la dimensionalidad de la imagen y para identificar características
importantes en la imagen.

Codificación de imágenes:
Se utilizan para comprimir la información visual para su almacenamiento y transmisión. En
este proceso, se aplica la teoría del álgebra lineal para calcular los coeficientes de la
imagen y para realizar la transformación de Fourier para reducir el tamaño de la imagen sin
perder su calidad. Esta técnica se conoce como codificación por transformación y es muy
eficaz en la compresión de imágenes con una alta resolución y complejidad.

Procesamiento de videos:
El álgebra lineal también se utiliza en el procesamiento de videos. Por ejemplo, se pueden
aplicar transformaciones y filtros a cada fotograma del video para mejorar la calidad y el
aspecto de los videos.
 BÚSQUEDA DE INFORMACIÓN
En esta aplicación, las matrices se utilizan para almacenar información de manera más
eficiente. Las matrices son ampliamente utilizadas en el campo de la programación. Por lo
general, se hacen para resolver diferentes problemas.
Por ejemplo :
Necesitamos un programa que nos guarde las notas de 3 estudiantes y cada estudiante
tiene 2 notas.

En este caso necesitamos una matriz de 3x3 para guardar las 9 notas. Si no utilizamos una
matriz, tendríamos que crear 9 variables para cada nota y esto no sería tan eficiente, ya que
estaríamos malgastando memoria sin necesidad.

Siguiendo por esa línea tenemos que comprender antes otros conceptos para llegar a
nuestra aplicación:

CADENAS DE MARKOV
Es una secuencia de eventos en la que la probabilidad de que ocurra un evento depende
del evento inmediatamente anterior. De hecho, las cadenas de este tipo tienen memoria,
"recuerdan" el último evento y esto determina la probabilidad de eventos futuros. La
dependencia del evento anterior distingue a las cadenas de Markov de muchos eventos
independientes, como lanzar una moneda.

Una cadena de markov consta de unos estados M1,M2,M3…. En , que inicialmente en un

tiempo 0 o paso 0 se le llama estado inicial, además de esto consta de una matriz de
transición que significa la posibilidad de que se cambie de estado en un próximo tiempo o
paso.

Matriz De Transición
Una matriz de transición para una cadena de markov de n estados, es una matriz de nxn.
Con todos los registros no negativos y con la propiedad adicional de que la suma de los
registros de cada columna o fila es 1.
Por ejemplo:

Representación Gráfica De Una Matriz De Transición

Es el arreglo numérico donde se condensa las probabilidades de un estado a otro. A través

de una gráfica de matriz de transición se puede observar el comportamiento estacionario
representado por una Cadena de Markov tal que los estados representan la categoría en
que se encuentre clasificado. Por ejemplo:

Propiedades
● La suma de probabilidades de los estados debe ser 1.
● La matriz de transición debe ser cuadrada.
● Las probabilidades de transición ∈ [0,1]

Ejercicio de Aplicación

Ejemplo 1: Como un navegador web determina el posicionamiento de las páginas web al

momento de mostrar resultados.

Puntos Clave:
1. Supongamos que buscamos páginas web oficiales de Redes Sociales.
2. Y en el caso hipotético deben salir 3 resultados, entre los cuales son: facebook.com,
instagram.com, tiktok.com.
3. El navegador web deberá determinar cómo posicionarlo por orden de importancia en
los resultados.

1er Paso:
→ Colocamos los resultados en un cuadro de doble entrada.
 facebook.com instagram.com tiktok.com

facebook.com

instagram.com

tiktok.com

Nota:
Colocaremos 1 si la página está referenciando a su par(elemento de la fila), caso contrario
0, si no lo está. Tomando en cuenta que cuando es a la misma página se le coloca 0. Se
tomará valores aleatorios como ejemplo.

facebook.com instagram.com tiktok.com

facebook.com 0 0 0

instagram.com 1 0 1

tiktok.com 1 1 0

Llevamos nuestro modelo a un modelo matricial y le llamaremos matriz “m”

0 0 0

1 0 1
m=
1 1 0

Siguiente: Sumaremos cada columna de la matriz, y luego cada elemento de cada columna,
la dividiremos por la suma respectiva. Y a esta nueva matriz le llamaremos m’

0 0 0

1/2 0 1
m’ =
1/2 1 0

Podemos observar a m’ que es una Matriz de markov, y veremos como esta nos ayuda a
poder solucionar el problema de saber el posicionamiento de las páginas web.

Tenemos: v = (a,b,c)→ Vector que representa el posicionamiento de las páginas.

Por lo tanto, tendremos que hallar los valores propios de v utilizando conocimientos del
tema de Valores Propios y Matrices.
 m’ . v = λ .I d .v

0 0 0 a a

½ 0 1 b b
. = λ. Id
½ 1 0 c c

0 0 0 a

( 1/2 0

1/2 1
1

0
- λ. Id
) . b

c
=0

-λ 0 0 a

1/2 -λ 1 . b = 0 … (I)

1/2 1 -λ c

-λ 0 0

1/2 -λ 1 =0

1/2 1 -λ

Desarrollando la determinante:

-λ^3 + λ =0 → λ1=1 ; λ2=0 ; λ3=-1

Tomaremos a λ el mayor de los resultados de los valores absolutos de los resultados. Por
tanto sería:

λ=1, y reemplazamos en la ecuación I :

 -1 0 0 a

1/2 -1 1 . b =0

1/2 1 -1 c

Por lo tanto:
-a=0 → a = 0
(a/2) - b + c =0 → 0 - b + c = 0 → b=c → b= k
(a/2) + b - c = 0 → b=c → c = k

Posicionamiento de facebook, instagram y tiktok respectivamente es:

v =(a,b,c) = (0,k,k);

Rpta: Por lo tanto, deducimos, que primero irá instagram y tiktok con igual nivel de
posicionamiento y luego facebook.

APRENDIZAJE AUTOMÁTICO
El álgebra lineal es una pieza clave en el campo del aprendizaje automático y es esencial
para lograr un aprendizaje eficiente y preciso. Sin la habilidad de manipular y optimizar
matrices y vectores de datos, los algoritmos de aprendizaje automático serían mucho más
limitados en su capacidad para aprender y mejorar con la experiencia.

Sub-Rama : Reducción de la dimensionalidad mediante el análisis de componentes

principales.

Para reducir la dimensionalidad de un conjunto de datos, haremos uso del

PCA(Principal Component Analysis). El PCA es un método que se encarga de
encontrar los componentes principales de un conjunto de datos mediante técnicas
de factorización matricial. Es decir, es un método estadístico que permite simplificar
la complejidad de espacios muestrales con muchas dimensiones a la vez que
conserva su información, se utiliza para datos de alta dimensión y altamente
correlacionados.
Nota: Los métodos de factorización matricial son aquellos que descomponen una
matriz en un producto de submatrices

La idea básica de PCA es transformar el espacio original de características en el

espacio de componentes principales, como se muestra en la figura:
 Imagen anexada

El algoritmo PCA se transforma del espacio de características antiguo al nuevo para

eliminar la correlación de características

La principal de las aplicaciones de dichas técnicas de reducción de la

dimensionalidad es reducir la complejidad de un conjunto de datos reduciendo el
número de columnas (variables independientes) del mismo.

Idea de aplicación:
Un ejemplo de que todos los días se emplea el uso de técnicas de reducción de la
dimensionalidad es lo que le permite a tu dispositivo móvil discernir qué actividad te
encuentras realizando. En la actualidad los teléfonos inteligentes (smartphones)
disponen de multitud de sensores que recopilan vectores de algunas decenas de
datos (velocidad en horizontal, en vertical, ángulo de posición, cantidad de luz, etc).
Por tanto, se trata de multitud de variables de entrada para la toma de decisiones,
con lo cuál, se implementan técnicas de la reducción de la dimensionalidad como
preproceso a la hora de aplicar un modelo predictivo que esté entrenado en traducir
tus movimientos a las diferentes actividades.
 Imagen anexada

GRÁFICOS POR COMPUTADORA

El álgebra lineal es una herramienta esencial en los gráficos por computadora. Es
ampliamente utilizado para crear, modificar, visualizar y manipular modelos e
imágenes en la computadora.En los gráficos por computadora, se representan los
objetos mediante la descripción matemática de sus formas y características, y es
aquí donde desempeña un papel importante.

Por ejemplo, en la animación y la creación de efectos visuales, el álgebra lineal se

utiliza para describir las transformaciones y movimientos de los objetos en la
pantalla. Además, en la representación tridimensional, se utiliza para rotar, escalar y
mover objetos en un espacio tridimensional.

También en el diseño asistido por computadora (CAD), es esencial para describir los
objetos en términos matemáticos y calcular sus propiedades. Además, en la
producción de imágenes por computadora, se utiliza para calcular la iluminación, la
sombra y el color en imágenes tridimensionales.

Una imagen (o dibujo) de ese tipo consta de varios puntos, líneas rectas o
curvas conectadas, e información sobre cómo llenar regiones cerradas delimitadas
por esas líneas. A menudo, las líneas curvas se aproximan empleando
segmentos de línea recta cortos, y una figura se define matemáticamente por
medio de una lista de puntos.

Ejemplo N°1:

La letra N mayúscula de la figura 1 está determinada por ocho puntos o

vértices. Las coordenadas de los puntos pueden almacenarse en una matriz de
datos D.
La principal razón para describir los objetos gráficos por medio de segmentos de
líneas rectas es que las transformaciones estándar en los gráficos de
computadora mapean segmentos de línea sobre otros segmentos de línea.
Una vez transformados los vértices que describen un objeto, se pueden
conectar sus imágenes con las líneas rectas apropiadas para producir la imagen
completa del objeto original.

CRIPTOGRAFÍA
Un criptograma es un mensaje que se cifra de acuerdo a un código secreto.
Se puede crear un criptograma usando matrices, realizando los siguientes pasos:
1. Asignar un número a cada letra del alfabeto a utilizar.
2. Transformar un mensaje (letras) a número siguiendo el alfabeto anteriormente
creado.
3. Dividir el mensaje (número) en matrices de 1xn
4. Multiplicar cada matriz 1xn por una matriz cuadrada, regular y que tenga inversa. La
matriz cuadrada será llamada matriz clave.
Ejemplo:
Cifraremos la palabra “Algebra”.

Matriz clave :
[1 12 7] * = [15 -3 37]

[5 2 19] * = [43 27 11]

[1 0 0] * = [1 2 1]

El mensaje cifrado es:

15 - 3 - 33 - 43 - 27 - 11 - 1

Para decodificar el mensaje cifrado y así obtener el mensaje original debemos tener la
matriz clave, luego:
1. Calcular la inversa de la matriz clave
2. Multiplicar el mensaje cifrado en matriz de 1xn por la inversa de la matriz clave.

Ejemplo:

Inversa de la matriz clave:

[15 -3 37] * = [1 12 7]

[43 27 11] * = [5 2 19]

[1 2 1] * = [1 0 0]

El mensaje decodificado es:

1 - 12 - 7 - 5 - 2 - 19 - 1

Lo asociamos con la tabla del alfabeto

 CONCLUSIONES

Uno de los temas principales en el procesamiento de imágenes y videos es la

transformación de imágenes, que incluye métodos como rotación, escalado, deformación y
otros. En este curso, puede usar la teoría del álgebra lineal para representar
transformaciones en matrices y resolver ecuaciones matriciales. Además, la transformación
de imágenes también implica el uso de técnicas como la interpolación, que pueden
completar los píxeles que faltan en la imagen, mejorando así la imagen.

En cuanto a la búsqueda de información se utilizan matrices para poder manejar los datos
inmensos de información de manera más efectiva, pero a su vez estas matrices sirven
además para poder localizar la información en la red y su posicionamiento en lugar de
importancia.

El álgebra lineal es un actor importante en el aprendizaje automático y es esencial para un

aprendizaje eficiente y preciso. Sin la capacidad de manipular y optimizar matrices y
vectores de datos, la capacidad de los algoritmos de aprendizaje automático para aprender
y mejorar con la experiencia está muy limitada.

En los gráficos por computadora, los objetos se representan mediante una descripción
matemática de su forma y propiedades, y aquí es donde entra en juego. Por ejemplo, en
animación y efectos visuales, el álgebra lineal se usa para describir la transformación y el
movimiento de los objetos.

Un texto cifrado es un mensaje encriptado de acuerdo con un cifrado. Las contraseñas se

pueden crear usando una matriz realizando una serie de pasos cómo:Asignar un número a
cada letra del alfabeto a utilizar y transformar un mensaje (letras) a número siguiendo el
alfabeto anteriormente creado.
BIBLIOGRAFÍA
● Matas, Á. R., & Rojas, A. C. Álgebra Lineal, secretos e imágenes.
● Procesamiento de vídeo. (s. f.). Mathworks.com. Recuperado 8 de febrero de 2023, de

https://la.mathworks.com/solutions/image-video-processing/video-processing.html

● Monsalve.M.(2018).APLICACIONES DEL ÁLGEBRA LINEAL A LA INGENIERÍA

INFORMÁTICA.

https://prezi.com/ikryjlmn-frm/aplicaciones-del-algebra-lineal-a-la-ingenieria-informatica/

● Richards.W.(2022).Importancia Del Álgebra Lineal En La Ciencia De Datos

https://morioh.com/p/47558463a612

● LIBRARY(2023).Aplicación Del Algebra Lineal a Los Gráficos Por Computadora.

https://1library.co/document/yjmvkr5y-aplicacion-del-algebra-lineal-a-los-graficos-por-computa

dora.html

● WORDPRESS.CRIPTOGRAFÍA – Encriptar mensajes utilizando matrices

https://flippedclassroomdiariodeclase.files.wordpress.com/2016/03/criptografc3ada-y-matemc

3a1ticas2.pdf