AIGEBRA

Matrices conceptos básicos y especiales
Una forma de expresar los datos en la cual el orden en que son ubicados es
importante y determinan qué tipo de información se guarda, es a través de matrices.
En informática, cuando usamos planillas de cálculo (Excel, por ejemplo) ubicamos
datos numéricos en filas y en columnas. Existen numerosos ejemplos de matrices
en nuestra vida cotidiana: el horario de los colectivos que muestra la hora de salida
en cada localidad; la tabla de cotizaciones de la Bolsa de cada uno de los días de la
semana; los horarios de clases con columnas (lunes, martes, etc.) y con filas (8:30 a
10:10, etc.) cuyas celdas son completadas con los nombres de las materias; los
puntos (pixel) de un monitor; el cuadriculado de una batalla naval donde cada punto
queda identificado por una fila y una columna (por ejemplo, b7); entre otros.
Estos arreglos rectangulares se conocen con el nombre de matrices. En esta lectura
abordaremos los conceptos esenciales asociados a ellas y sus operaciones usuales.
Situación problemática
Tipos de matrices
Referencias
LECCIÓN 1 de 3
Situación problemática
La fábrica de golosinas Arcos produce tres clases de chocolates. Cada marca requiere distintos
ingredientes, por lo tanto, la empresa dispone de la siguiente tabla de insumos:
Tabla 1: Ingredientes para barras de tamaño pequeño en las distintas

marcas de chocolates (los ingredientes están expresados en gramos)
cacao (g) leche (g) azúcar (g)
Bloke 20 10 10
Mica 15 20 15
Tofler 25 20 5
Fuente: elaboración propia.
¿Cómo se podrían representar las cantidades expresadas en la tabla respetando las proporciones para cada
tipo de chocolate?
Si quisiera conocer la cantidad de los ingredientes necesario para una barra que tenga el doble de tamaño de
la barra pequeña, ¿cuál sería la cantidad de cada uno de los ingredientes?
Si tres proveedores de insumos nos ofrecen la materia prima para la elaboración del producto ¿a cuál de
ellos convendría comprar?
¿Cuál sería el costo en materia prima de cada chocolate según el proveedor?
La elaboración del producto incluye la manufactura y el embalaje, ¿cuál sería el costo de producción de cada
barra de chocolate?
¿Cuál sería el precio de venta a mayoristas si se pretende una ganancia del 20% sobre el valor de
producción?
Una perspectiva para responder estas preguntas de manera organizada es a través del álgebra matricial.
Definiremos algunos conceptos básicos para abordar el tema: ¿Qué es una matriz? ¿Cuál es el orden de una
matriz? ¿Cómo está conformada una matriz?
M AT RI C E S O RD E N C O E FI C I E N T E S
Una matriz es un arreglo rectangular de números reales dispuestos en filas y columnas. El nombre de la
matriz se coloca con una letra mayúscula del abecedario (Khan Academy, s.f.).
TEl orden viene dado por la cantidad de filas y de columnas que tiene la matriz. Por ejemplo, la matriz A
(presentada anteriormente) es de orden 2 x 3. La siguiente matriz ¿de qué orden será?
B es una matriz de orden 3 x 3, o simplemente de orden 3. Por tener igual cantidad de filas que columnas se
las llama matrices cuadradas.
El coeficiente o elemento de una matriz es cada término numérico que la compone y se denota con letras
minúsculas del abecedario. Para referenciar su posición en la matriz se utilizan subíndices que representan
a la fila y a la columna que pertenece. Por ejemplo, en la matriz siguiente el coeficiente o elemento a23 (fila
2 y columna 3) es 1.
LECCIÓN 2 de 3
Tipos de matrices
Hay algunas matrices que queremos destacar. Las clasificaremos de acuerdo a diferentes criterios.
Matriz cuadrada y matriz rectangular

–
Aquellas matrices en las que coincide la cantidad de filas y columnas se las conoce como matrices
cuadradas. En ellas se denota el orden simplemente con “n”, donde n es el número de filas y/o columnas.
En estas matrices se distinguen dos diagonales: la principal y la secundaria.
Si la cantidad de filas y columnas no coinciden, se trata de una matriz rectangular. El orden “nxm”, está
dado por cantidad de filas “n” y columnas “m”. En estas matrices, no distinguimos diagonales.
Matriz diagonal
–
Es aquella matriz cuadrada cuyos elementos fuera de la diagonal principal son iguales a cero.
Por ejemplo, la siguiente matriz es de orden 4.
Matriz identidad
–
Es aquella matriz cuadrada y diagonal cuyos coeficientes de la diagonal son todos iguales a 1. Se la
denomina con la letra I
La matriz que se muestra es una matriz identidad de orden 3.
Matriz escalar
–
Es aquella matriz cuadrada y diagonal cuyos coeficientes de la diagonal son todos iguales, pero distintos de
uno.
La matriz que se muestra es una escalar de orden 4.
Matriz nula
–
Es aquella matriz, de cualquier orden, donde todos los elementos que la conforman son ceros. Se la denota
con el símbolo Φ.
La matriz que se muestra es una matriz nula de orden 3 x 2.
Matriz triangular
–
Es aquella matriz cuadrada cuyos elementos sobre (o debajo) de la diagonal principal son iguales a cero.
Si los ceros están sobre la diagonal principal, tendremos una matriz triangular inferior. En cambio, si los
ceros están debajo de la diagonal principal, tendremos una matriz triangular superior.
La imagen muestra una matriz triangular superior “S” de orden 2 y una matriz triangular inferior “T” de orden
3,
Nota: observe que en los coeficientes de la diagonal también puede haber ceros, la condición solo se
refiere a lo que ocurre sobre o debajo de la diagonal.
Regresemos a nuestro problema inicial: ¿te animas a escribir la tabla 1 con el formato de matriz?
Esa matriz representará la cantidad de materia prima para la fabricación de los productos y la
denominaremos comúnmente matriz de insumos.
Actividades de repaso y refuerzo
De acuerdo a las clasificaciones estudiadas podemos decir que la matriz de

insumos de la fábrica Arcos es una matriz rectangular de orden 3 x 3
Es verdadero porque posee tres filas (que representan los insumos) y tres columnas
(que representan las marcas de los chocolates).
Es falso. Al poseer la misma cantidad de filas y columnas es una matriz cuadrada de

orden 3.
SUBMIT
Matriz cuadrada.
Matriz Identidad Matriz triangular superior
Matriz diagonal
Matriz rectangular.
Matriz A 3x2
Puede ser cuadrada o
rectangular.
Matriz nula Matriz de insumo
De acuerdo a la clasificación estudiada señala qué tipo de matriz es la siguiente:
Triangular inferior.
Diagonal.
Escalar.
Rectangular.
SUBMIT
De acuerdo a la clasificación estudiada, señala qué tipo de matriz es la siguiente:
Diagonal.
Escalar.
Identidad.
Rectangular.
SUBMIT
LECCIÓN 3 de 3
Referencias
Khan Academy (s.f.). Introducción a las matrices identidad. Recuperado de

https://es.khanacademy.org/math/precalculus/x9e81a4f98389efdf:matrices/x9e81a4f98389efdf:properties
-of-matrix-multiplication/a/intro-to-identity-matrices
Operaciones con Matrices
Introducción
Suma y resta de matrices. Multiplicación por un escalar
Referencias
LECCIÓN 1 de 3
Introducción
Hemos explicado que las matrices son útiles para representar un grupo de datos o un bloque de información.
En ese sentido, la matriz ahora es un elemento de un conjunto infinitos de otros elementos (es decir, entre
otras matrices).
Si miramos la construcción histórica de la matemática, cuando concebimos los números tuvimos que idear,
casi en forma evidente, operaciones entre ellos.
Lo mismo ocurre con las matrices. Si cumplen ciertas características pueden realizarse operaciones con
ellas. Veremos en esta lectura la suma, la resta, la multiplicación de un escalar por una matriz, la
multiplicación entre matrices y la transposición de una matriz.
Recordemos nuestra situación problemática inicial: la fábrica de golosinas Arcos, produce tres marcas
comerciales de chocolates. Los productos se fabrican en dos tamaños diferentes: chicos y medianos. Para
su producción Arcos ha montado líneas de producción, en diferentes plantas, una de ella en la ciudad Totoral
y la otra en Recreo.
La capacidad de producción de cada planta está dada por tablas que se presentan a continuación.
Tabla 1: Producción diaria de la planta Totoral en cientos de unidades
Chicos Medianos
Bloke 2 1
Mica 3 1,5
Tofler 2 1,5
Tabla 2: Producción diaria de la planta Recreo en cientos de unidades
Chicos Medianos
Bloke 1 1
Mica 2,5 1,5
Tofler 1,5 1
Estas tablas pueden representarse en dos matrices T y R como se muestra a continuación:

Reflexiona:
Si quisiéramos saber la producción de chocolates en ambas plantas, ¿qué operación

deberíamos hacer?
Si quisiéramos saber la diferencia de producción en ambas plantas, ¿qué operación

deberíamos hacer?
¿Cuál será la producción semanal de chocolates si las plantas trabajan 6 días a la semana?
Parecen ser preguntas sencillas de responder a partir de operaciones entre matrices.

LECCIÓN 2 de 3
Suma y resta de matrices. Multiplicación por un

escalar
La producción total diaria de chocolate Bloke chico será la cantidad de ese chocolate y de ese tamaño que
produce la planta de Totoral más lo que produce la planta de Recreo; es decir, debemos sumar coeficientes
que están en la misma posición. De igual manera, si queremos obtener la producción semanal de chocolate
Bloke chico en la planta Totoral, esta será la cantidad de ese chocolate y de ese tamaño que produce la
planta multiplicado por 7; es decir, para saber la producción semanal bastará con multiplicar cada
coeficiente por el número (escalar) siete.
Revisemos estas operaciones matriciales.
PRO D U C T O D E U N A M AT I Z PO R
S U M A D E M AT RI C E S RE S TA D E M AT RI C E S
UN ...
Dos matrices del mismo orden pueden sumarse. El resultado será otra matriz del mismo orden, y cada
elemento será la suma de los coeficientes que se encuentran en la misma posición. Por ejemplo:
UN ...
Dos matrices del mismo orden pueden restarse. El resultado será otra matriz de igual orden, donde cada
elemento será la diferencia entre los coeficientes que se encuentran en la misma posición. Por ejemplo:
UN ...
La multiplicación de una matriz A por un escalar o número real m es otra matriz C del mismo orden que A,
cuyos coeficientes se encuentran al multiplicar los coeficientes de A por m. Por ejemplo:
Propiedades de las operaciones estudiadas
La suma y la resta de matrices cumplen con las siguientes propiedades:
Son asociativas: A + (B + C) = (A + B) + C
Son conmutativas: A + B = B + A
Poseen un elemento neutro o matriz nula: A + ∅ = ∅ + A = A
Existe un elemento simétrico. Para toda matriz A, existe su opuesta (-A): A + (- A)

= (- A) + A = ∅
La multiplicación de una matriz por un escalar goza de las siguientes propiedades:
Es asociativa con respecto a los escalares: n(mA) = (n.m)A
Es distributiva con respecto a la suma de escalares: (m+n)A = mA + nA
Es distributiva con respecto a la suma matricial: m (A+B) = mA + mB
Posee un elemento neutro (el número 1): 1.A=A
Posee un elemento absorbente (el número 0): 0.A=∅
La matriz nula por cualquier escalar da como resultado otra matriz nula: m.∅=∅
Multiplicación entre matrices (producto de matrices)
La fábrica Arcos debe comprar la materia prima para la fabricación de sus chocolates. Para ello pide dos
presupuestos a distintas empresas: Molinos Río y Distribuidora Bartena. La tabla 3 indica los precios de la
materia prima para ambas empresas.
Tabla 3: Precio presupuestados de materia prima por kilogramo y en pesos
($) para la compra de la totalidad de los productos solicitados
Molinos Río Distribuidora Bartena
Cacao 70 69
Leche 25 26
Azúcar 18 19
¿A cuál de los proveedores nos convendrá comprarle la materia prima?
Recordemos nuestra tabla de insumos:
Tabla 4: Ingredientes para barras de tamaño pequeño en las distintas

marcas de chocolates, los ingredientes están expresados en gramos.
cacao (g.) leche (g.) azúcar (g)
Bloke 20 10 10
Mica 15 20 15
Tofler 25 20 5
Por lo tanto, nuestra matriz de insumos es:
Ahora podemos escribir, a partir de la tabla 3, una matriz de costo de materia prima (B) donde colocaremos
los valores por gramo.
Para conocer el precio del chocolate Bloke pequeño de acuerdo a cada proveedor, deberemos multiplicar la
cantidad de cacao por el precio de cacao y sumar este resultado con el que obtengamos de multiplicar la
cantidad de leche necesaria por el precio de la leche, y la cantidad de azúcar con el precio de la azúcar
respectivamente. Es decir, haremos la siguiente operación para el chocolate Bloke y el proveedor Molinos
Río:
20 x 0,07 + 10 x 0,025 + 10 x 0,018 = 1,4 + 0,25 + 0,18 = 1,83
Si deseáramos conocer el costo del mismo chocolate con el proveedor Distribuidora Bartena, la cuenta
sería:
20 x 0,069 + 10 x 0,026 + 10 x 0,019 = 1,38 + 0,26 + 0,19 = 1,83
Ambos costos son iguales para este chocolate ¿ocurrirá lo mismo con los demás?
Observemos lo que hemos hecho: multiplicamos los coeficientes de la primera fila de la matriz A (que
corresponde a la materia prima que necesitamos para fabricar Bloke) con la primera columna de la matriz B,
(que corresponde al precio presupuestado de la materia prima por el primer proveedor). Luego hicimos
multiplicamos los coeficientes de la primera fila por los de la segunda columna para obtener el precio para el
segundo proveedor.
Deberíamos repetir el mismo procedimiento para los otros productos, es decir, hacer lo mismo con las otras
filas. En eso consiste el producto de matrices.
Figura 1: Producto de matrices





Orden de las matrices a multiplicar:
Para poder multiplicar el número de columnas de la primera matriz debe ser igual al número de filas de la segunda
matriz.

Orden de la matriz producto
La matriz C resultará de un orden mxn donde m es la cantidad de fila de la primera matriz y n la cantidad de
columnas de la segunda.

Coe ciente de la matriz producto
Cada elemento “c ij ” de la matriz producto C se obtiene sumando los productos de cada elemento de la fila i de la
matriz A por el correspondiente de la columna j de la matriz B.
Dos matrices pueden multiplicarse si y solo si el número de columnas de la primera matriz es igual al
número de filas de la segunda matriz.
Esto es:
Si dos matrices pueden multiplicarse, cada elemento Cij de la matriz producto C se obtiene sumando los
productos de cada elemento de la fila i de la matriz A por el correspondiente de la columna j de la matriz B.
Propiedades del producto de matrices
Es asociativa: Ax (BxC) = (AxB) x C
Es distributiva: Ax (B+C) = AxB+AxC
(A+B) x C = AxC+BxC
Posee un elemento neutro (este es la matriz identidad): IxA = AxI = A
Posee un elemento absorbente (este es la matriz nula): Ax∅ = ∅xA = ∅
No cumple la propiedad conmutativa: BxA ≠ AxB
AxB=∅ no implica necesariamente que A=∅ ó B=∅ . De la misma manera, si AxB=AxC, no

implica necesariamente que B=C.
Transposición de matrices
Cuando planteamos, en el párrafo anterior, cómo conocer el precio en materia prima de cada chocolate de
acuerdo a cada proveedor, hicimos una pequeña trampa: elegimos la matriz de insumos que más nos
convenía. En la lectura 1 planteábamos que la matriz de insumos se podía escribir de dos formas distintas
(puedes volver a ver la actividad de refuerzo y repaso):
¿Qué relación existe entre ambas? está claro que las filas de la matriz A son las columnas de la matriz B (o al
revés). Podemos, entonces, decir que la matriz transpuesta es la que se obtiene al intercambiar filas por
columnas.
O con mayor rigurosidad: dada una matriz A, su transpuesta (A´ ó AT) se obtiene al ubicar las respectivas
filas de A como columnas de AT. Formalmente al elemento aij , será el elemento at ji de AT. Por ejemplo:
Propiedades de la matriz transpuesta
La transpuesta de la transpuesta es igual a la matriz original: (AT)T = A
La transpuesta de la suma es igual a la suma de las transpuestas: (A+B)T = AT+BT

La transpuesta de un escalar por una matriz es igual al escalar por la transpuesta de la matriz:
m.AT = m.AT
La transpuesta del producto matricial es igual al producto de las transpuestas en orden

invertido: (AxB)T = BTxAT
La matriz A de orden 3x2 y la matriz B de orden 3x2, al multiplicarse de alguna

de las maneras posibles (ya sea con las matrices originales o su transpuesta),
se obtiene una matriz C.
C es el producto de A x Bt = C de orden 3.
C es el producto de At x B = C de orden 2.
C es el producto de Bt x A= C de orden 2.
C es el producto de B x At = C de orden 3.
C es el producto de A x B= C de orden 3x2.
SUBMIT
Si realizamos la siguiente operación de matrices:

(A3×n + Bj×2) ×Cr×s = Dm×4
Podemos decir que los valores de los subíndices n; j; r; s y m son:
n=2; j=3; r=2; m=3; s=4.
n=3; j=2; r=3; m=3; s=3.
n=4; j=3; r=3; m=3; s=2.
n=2; j=2; r=2; m=2; s=2.
n=3; j=3; r=3; m=3; s=3.
SUBMIT
Al multiplicar las matrices A×I×∅, donde A, I y ∅ son matriz de orden 4, se

obtiene como resultado la matriz A.
Es verdadero porque cualquier matriz multiplicada por la identidad, da como resultado
la misma matriz.
Es falso porque cualquier matriz multiplicada por la matriz nula da como resultado una
matriz nula.
SUBMIT
(AT)T AxI
½ (A+A)
AT
Φ + AT ((AT)T)T
IxI
Φ
A-A IxΦ
Unir sentencias.
Ambas matrices deben tener igual

Para realizar una suma de
cantidad de filas e igual cantidad de
matrices
columnas.
La cantidad de columnas de la
Para realizar un producto de
primera matriz debe ser igual a
matrices
cantidad de filas de la se
No importa la cantidad de filas y de

Transposición de una matriz
columnas.
SUBMIT
LECCIÓN 3 de 3
Referencias

Vectores
Vectores
Referencias
LECCIÓN 1 de 2
Vectores
La palabra vector se la utiliza en diferentes contextos debido a que tiene varias acepciones:
El vector de la enfermedad de Chagas Massa es la vinchuca, ya que la transporta de un lugar a

otro. En muchos municipios se declara obligatorio el control de vectores para erradicar el
agente portador de la enfermedad a través de tareas como desratización, desinsectación y
desinfección.
Cuando se realizan tratamientos de imágenes, vectorizar la imagen es transformar un punto

(pixel) en una figura geométrica modificando sus atributos como el color y la forma.
El concepto físico de la fuerza es un vector. No alcanza con decir de

cuánto es la fuerza (su magnitud o tamaño), sino que debemos aclarar
hacia donde está dirigida y sobre quien está aplicada. En su origen fue
pensado geométricamente como un segmento orientado y luego se
logró una formulación matemática.
Figura 1.
Representación geométrica de un vector en un espacio de dos dimensiones con componentes V:(5;3).
Matemáticamente cuando pensamos en un vector hacemos referencia a un ente formado por varios
elementos ordenados (generalmente, números). Entonces, un vector de orden n (o dimensión) es un
conjunto de n elementos ordenados y se encierran en corchetes o paréntesis.
Una lista de compras, una receta de cocina, una descripción por categorías de un objeto, son ejemplos
cotidianos de vectores.
Si consideramos la situación ya explicada de la fábrica Arcos, para elaborar el chocolate Bloke se

necesitaba 20 g de cacao, 10 g de leche y 10 g de azúcar. Entonces, podríamos decir que el chocolate Bloke
se podría caracterizar a través de un vector B que será:
Es claro que nuestro vector B es de dimensión 3 porque tiene tres componentes. También parece claro que
los componentes del vector no pueden cambiarse de lugar, ya que no sería el mismo chocolate (vector) si
cambiamos el orden de algunos de los números y le ponemos, por ejemplo, 10 g de cacao, 20 g de leche y 10
de azúcar.
Con esta idea, revisemos el concepto de vector.
Vectores
Un vector de orden n es un conjunto de n elementos ordenados, los cuales se encierran en corchetes o

paréntesis. Por ejemplo:
Los vectores V y W tienen 4 y 3 elementos.
Los vectores se pueden expresar en forma horizontal (vector fila) o en forma vertical (vector columna).
Orden o dimensión de un vector
Cada elemento de un vector se denomina componente y, por definición, es un conjunto ordenado de

elementos:
La cantidad de componentes de un vector brinda su orden o dimensión. En nuestro ejemplo, V es un vector

fila de orden 4 y W columna, un vector de orden 3.
Vector unitario
Se llama vector unitario a aquel cuyo módulo es 1 (|V|=1) donde || significa módulo.
Los ejemplos más sencillos y comunes de vectores unitarios son los vectores elementales que tienen un
componente igual a 1 y los restantes ceros.
En un ejemplo de orden 4, todos los vectores elementales son:
Estos 4 vectores unitarios permiten encontrar cualquier otro vector de la misma dimensión y es una base
generadora del espacio vectorial de orden 4. Otro ejemplo, los vectores (1;0;0); (0; 1; 0); (0; 0; 1) son una base
vectorial de orden 3.
Vector nulo
Se llama vector nulo a aquel cuyos componentes son todas iguales a cero.
“Haciendo uso de una visión matricial un vector fila de orden n,
puede ser pensado como una matriz de 1 fila y n columnas” (Checa,
2009, p. 31).
De la misma manera, el vector columna sería una matriz de nx1.

Esta observación es importante porque nos permite rápidamente
considerar las operaciones que pueden realizarse entre vectores,
que serán equivalentes a aquellas que estudiamos para matrices.
Suma de vectores
Dos vectores del mismo orden pueden sumarse (o restarse). El resultado será otro vector del mismo orden
cuyos componentes correspondan a las sumas (o restas) de las respectivas componentes de los vectores
sumandos. Por ejemplo:
La resta de los vectores V y W puede pensarse como una suma de V con el opuesto de W, es decir V-W = V+
(-W):
Producto entre un vector y un escalar
La multiplicación de un vector V por un escalar m (número real) es otro vector W del mismo orden que V,
cuyas componentes están multiplicadas por m. Por ejemplo:
Si lo imaginamos geométricamente, multiplicar por 2 un vector es duplicar su tamaño, de igual manera

multiplicar por 1/3 es disminuir su tamaño en la tercera parte.
Producto entre vectores
Solo diremos que existe esta operación, pero escapa a los objetivos de esta materia.
Resumidamente, para multiplicar dos vectores deben tener el mismo orden. Podremos realizar un producto
de vectores que dé un número (producto escalar de vectores o producto punto -A.B-) o un producto de
vectores que dé otro vector (producto vectorial o producto cruz -AxB-).
Si pensamos en las propiedades de las operaciones entre vectores, estas serán las mismas descriptas para
las operaciones entre matrices. Podemos decir, entonces, que la suma de vectores cumple con las
siguientes propiedades:
Por su parte, el producto entre un vector y un escalar goza de las siguientes propiedades.
¿Qué ocurriría si preparamos una fondue de chocolate y mezclamos

allí 3 chocolates Bloke, dos chocolates Mica y 4 chocolates Tofler?
Sin dudas, obtendríamos un nuevo chocolate como resultado de esta
particular combinación.
Matemáticamente, esta combinación de chocolates (vectores) queda expresada por:
Donde F representa la mezcla y es también un chocolate (vector) que posee los mismos ingredientes que
los chocolates originales (es del mismo orden), pero en diferente proporción. Escrito de otra manera,
podremos decir:
Aquí las componentes del vector resultante se obtienen de la suma

de los productos de cada escalar con la respectiva componente de
cada vector. En nuestro ejemplo, la primera componente del vector F
(190) se obtiene de realizar 3 · 20 + 2 · 15 + 4 · 25, donde 3, 2, y 4
son los escalares y 20, 15 y 25 es el primer ingrediente
(componente) de cada uno de los chocolates (vectores).
Demos a esta idea una estructura más formal:
Combinación lineal de vectores
Un vector W es una combinación lineal de los vectores V1, V2, V3, V4 ... ... ...Vr del mismo orden que W, si
existen escalares m1, m2, m3, m4, ……………… mr que verifiquen:
En nuestro ejemplo, un chocolate cualquiera (F) es una combinación lineal de los chocolates Bloke, Mica y
Tofler, si existe algunas porciones de estos chocolates (escalar) que mezclada entre sí pueda resultar el
chocolate F.
Entonces, F es una combinación lineal si existen escalares a, b, y c que permita escribir a F como: F = a · B +
b·M+c·T
Los números a, b y c representan cuánto ponemos de cada uno de los chocolates de origen para producir el
nuevo chocolate. Puede ocurrir que estos números no existan, lo que implica que el nuevo chocolate no es
posible de fabricar.
No obstante, si el chocolate F tiene cacao, leche, azúcar y maní (orden 4) no puede ser una combinación
lineal de nuestros chocolates que solo tienen cacao, leche y azúcar (orden 3).
Los ingredientes para producir barras de tamaño pequeño en las distintas

marcas de chocolates, expresados en gramos, son los que indica la tabla 1.

Tabla 1: Ingredientes de cada chocolate (expresado en gramos)
Bloke 20 10 10
Mica 15 20 15
Tofler 25 20 5

Entonces, B representa el vector de ingredientes de la barra Bloke, M representa
el vector de ingredientes de la barra Mica y T representa el vector de
ingredientes de la barra Tofler. Responde: ¿cuál es el vector que representa la
diferencia de ingredientes entre el chocolate Bloke y el chocolate Mica?
V= (5, -10, -5).
V= B+M.
V= M-B.
V= (20; 10; 10).
SUBMIT

Bloke 20 10 10
Mica 15 20 15
Tofler 25 20 5

ingredientes de la barra Tofler. ...
Responde ¿cuál es el vector que expresa la representación de los ingredientes
necesarios para la fabricación de 20 barras de chocolate Bloke?
V= (400, 200, 200).
V=10. B.
V=20. M.
V= (20; 10; 10).

SUBMIT


Bloke 20 10 10
Mica 15 20 15
Tofler 25 20 5

ingredientes de la barra Tofler. TT.
¿cuál es la expresión del vector que representa los ingredientes para la
fabricación de 10 barras de cada tipo de chocolate?
V=10. (20, 10, 10) + 10. (15, 20, 15) +10. (25, 20, 5).
V=10.B+ 10. M+ 10.T.
V=M+B+T.
V= (20, 10, 10) + (15, 20, 15) + (25, 20, 5).
SUBMIT


Bloke 20 10 10
Mica 15 20 15
Tofler 25 20 5

Entonces, la cantidad de ingredientes necesarios para producir 10 barras de
cada chocolate será _____ g de cacao, ______ g de leche y _____g de azúcar.
Escriba su respuesta aquí
SUBMIT
LECCIÓN 2 de 2
Referencias
Checa, J. C. (2009). Algebra lineal para economía y administración. Córdoba: Eudecor SRL.
Dependencia e independencia de vectores
Muchas veces interesa saber si dos o más vectores son independientes entre sí.
Aunque aún no hemos definido este concepto, tenemos una idea intuitiva de qué es
la independencia entre dos cosas. Por ejemplo, si tenemos dos listas de ingredientes
de una receta de cocina, podríamos decir si corresponden a la misma comida o no.
Podría ser que una de ellas contenga los ingredientes para 4 personas y la otra, los
elementos necesarios para 8 personas. Si bien las cantidades de estos ingredientes
no serán iguales, podemos obtener una si multiplicamos la otra por 2.
Vectores linealmente dependientes e independientes
Teoremas sobre independencia y dependencia lineal de vectores
Observación importante
Video conceptual
Revisión del módulo
Referencias
Guía de ejercicios prácticos
QUESTION B AN KS
LECCIÓN 1 de 7
Vectores linealmente dependientes e independientes
La fábrica de golosinas Arcos produce normalmente tres clases de chocolates. Para diversificar su
producción, la gerencia de comercialización sugiere introducir dos nuevos productos. De esta manera busca
competir con marcas establecidas y con la otra marca líder en este mercado.
A continuación, presentamos la tabla de insumos para los productos de esta empresa. En rojo, se resaltan
las nuevas propuestas de chocolates.
Tabla 1: Ingredientes para barras de tamaño pequeño en

las distintas marcas de chocolates (expresados en
gramos)
cacao (g.) leche (g.) azúcar (g)
Bloke 20 10 10
Mica 15 20 15
Tofler 25 20 5
Toffi Rocher 30 10 10
Total Full 25 15 10
Los especialistas, al presentar esta propuesta a los gerentes,

aseguran que no es necesario realizar nuevos productos ya que
estos se pueden obtener de la mezcla de los chocolates
tradicionales ¿será cierto? ¿Es posible gracias al ingenio de los
innovadores o es simple casualidad?
Para poder resolver esta situación es necesario utilizar la combinación lineal entre vectores y los conceptos
asociados a la independencia o dependencia de los mismos.
Independencia lineal de vectores
Un conjunto de vectores {V1,V2,V3,V4,……..,Vr} es linealmente independiente (LI) si la combinación lineal:

Dependencia lineal de vectores
Un conjunto de vectores {V1,V2,V3,V4,……..,Vr} es linealmente dependiente (LD) si la combinación lineal:
Estos conceptos parecen ser complejos por la manera rigurosa en

que están escritos, pero su interpretación es sencilla si se piensa
que uno, dos, tres o n vectores son LI si no puedo construir uno de
ellos a partir de la combinación lineal de los otros restantes. En
consecuencia, uno, dos, tres o n vectores son LD si alguno de ellos
puede construirse a partir de una combinación lineal de los otros
restantes.
Nuestra situación inicial se reduce ahora a analizar si los chocolates Toffi Rocher y Total Full surgen de una
combinación lineal o no de los chocolates (vectores) Bloke, Mica y Tofler. ¿Cómo resolvemos esto?
Tomemos el caso de Total Full. Deberíamos ver si existen los escalares a, b, y c de tal manera que se
cumpla que:
O planteado para cada componente:

Estamos frente a un sistema de tres ecuaciones, con tres incógnitas a resolver para saber si a, b y c existen.
Nos interesa saber si este sistema es compatible o incompatible.
Si fuese compatible, el chocolate Total Full sería una combinación lineal de los anteriores, lo que significa
que puede obtenerse como mezcla de estos chocolates. Si fuese incompatible, estos 4 vectores
(chocolates) serían LI y el chocolate Total Full no podría obtenerse de los anteriores.
Ahora debemos resolver el sistema. Para tener una solución rápida, sin entrar en detalle en la forma de
resolverlo, podemos usar alguna aplicación móvil o alguna de las tantas páginas web. Basta con poner en el
buscador “sistemas de ecuaciones online” y aparecen varias opciones, por ejemplo,
https://es.symbolab.com/solver/linear-system-of-equations-calculator/
Al cargar el sistema obtenemos: a= 5/6, b=0, c=1/3.
Esto nos dice que, para obtener el nuevo chocolate, nos alcanza con poner 1/3 de la barra de chocolate
Bloke y 5/6 de barra de chocolate Tofler. Interesante ¿no?
Al tener solución en el sistema de ecuaciones, los vectores son LD.
Si hiciéramos lo mismo con el chocolate Toffi Rocher, el sistema a resolver sería:
Obtendríamos como resultado a=5/3, b=-1/2, c=1/6
Nuevamente los 4 vectores (chocolates) son LD, pero cabría preguntarse ¿qué significado posee un escalar
negativo en esta situación?
Por suerte la mayoría de las veces podemos decidir si un conjunto
de vectores son LI o LD sin tener que resolver un sistema de
ecuaciones como hicimos. Para ello tenemos una compilación de
teoremas que, a continuación, enunciaremos y ejemplificaremos.
LECCIÓN 2 de 7
Teoremas sobre independencia y dependencia lineal

de vectores
Dos o más vectores son linealmente dependientes si, al menos uno de ellos,
puede expresarse como combinación lineal de los otros restantes.
Así, por ejemplo, el conjunto de vectores {V1, V2, V3}:
{[-1,3 ,1], [0,-2,6], [2,-8,4]} es LD
Ya que V3 es una combinación lineal de V1 y V2:
V3= -2 · V1 +V2
O bien [2,-8, 4]= -2. [-1,3 ,1]+ [0,-2,6]
Todo conjunto de vectores que contenga un subconjunto de vectores

linealmente dependientes es linealmente dependiente.
Así, por ejemplo, dado el conjunto de vectores {V1, V2, V3}:
{[-1, 3 ,1], [-2 6, 2], [1,0,-1]} es LD

Ya que V2 = 2 · V1 se expresa como una combinación lineal, es decir, el subconjunto {V1, V2} es LD, de modo
que el conjunto de vectores {V1, V2, V3} será también LD.
Si un conjunto es linealmente independiente, entonces, cualquier

subconjunto de vectores de él también es linealmente independiente.
Así, por ejemplo, dado el conjunto de vectores {V1, V2, V3, V4}, que es linealmente independiente:
{[-1, 0 ,1, 0], [1, 3, 2,1], [ 0 ,0,-1,0], [2 ,1 0, 0]} es LI
Entonces, cualquier subconjunto que se arme, por ejemplo, {V2, V3, V4} o {V1, V3}, será LI.
El vector nulo es linealmente dependiente.
Por lo tanto, si un conjunto de vectores contiene al vector nulo, entonces es linealmente dependiente.
Por ejemplo:
{[-1,3,2,5], [1,0,5,6], [0,0,0,0], [3,2,4,6]} es LD porque contiene el vector nulo.
Un conjunto formado por un único vector distinto del vector nulo es

linealmente independiente.
Por ejemplo:
{[0, 2, 0, 5]} es LI porque el conjunto tiene un solo vector y este es distinto del nulo.
Un conjunto de n vectores de m componentes, donde n>m es linealmente

dependiente.
Así, por ejemplo, dado el conjunto de cinco vectores {V1, V2, V3, V4, V5} de orden 3:
{[-1, 3 ,1], [-2 6, 2], [1, 0,-1], [1, 5, 8], [0,0,-3]} es LD
Como el conjunto contiene más vectores que componentes (5>3) este conjunto de vectores será LD.
Si retomamos el problema planteado en la lectura y aplicamos uno

de los teoremas, rápidamente podremos decir que si los chocolates
(vectores) tienen 3 ingredientes (componentes) no podría haber más
de 3 chocolates (vectores) que formen un conjunto LI.
LECCIÓN 3 de 7
Observación importante
También suele ser útil saber (y se podría demostrar) que un conjunto de vectores organizados como matriz,
donde los vectores son las filas de la misma, conformando una matriz triangular cuyos elementos de la
diagonal sean distintos de cero, constituye un conjunto de vectores linealmente independientes.
Veamos algunos ejemplos:
El conjunto {(1, 2, 3), (0, 4, 2), (0, 0, 2)} es LI, porque se puede representar como una matriz triangular.
1, 2, 3
0, 4, 2
0, 0, 2
El conjunto {(2, 0, 0), (2, 4, 0), (1, 2, 3)} es LI porque se puede representar como una matriz triangular, en este
caso, inferior.
2, 0, 0
2, 4, 0
1, 2, 3
El conjunto {(1, 2, 1), (1, 2, 0), (0, 0, 1)} por más que intercambiemos el orden de los vectores, no podremos
representarlo con una matriz triangular, por lo tanto, no podemos afirmar que sean LI.
1, 2, 1
1, 2, 0
0, 0, 1
Si no tuviéramos la misma cantidad de vectores que componentes, para que la matriz sea cuadrada, podría
considerarse una submatriz de la matriz triangular. Es como si faltaran vectores para conformar la matriz
triangular. Veamos algunos ejemplos:
X, 0, 0, 0
4, 2, 0, 0
6, 3, 1, 0
1, 3, 4, 2
El conjunto {(4, 2, 0, 0), (1, 3, 4, 2), (6, 3, 1, 0)} es LI porque se puede representar como una matriz triangular,
aunque le falte un vector (X, 0, 0, 0).
3, 0, 0, 0
0, 3, 0, 0
0, 0, 4, 0
X, X, X, X
El conjunto {(3, 0, 0, 0), (0, 0, 4, 0), (0, 3, 0, 0)} es LI porque se puede representar como una matriz triangular,
aunque le falte el vector (X, X, X, X).
X, 0, 0, 0
4, 2, 0, 0
X, X, X, 0
0, 0, 3, 1
El conjunto {(4, 2, 0, 0), (0, 0, 3, 1)} es LI porque se puede representar como una matriz triangular, aunque le
falten los vectores (X, 0, 0, 0) y (X, X, X, 0).
Determine cuál de los siguientes conjuntos de vectores es LD.
{(1, 3); (1/3, 1)}
{(1, 0); (0 ,1)}
{(1, 0, 0)}
{(-2, 0, 0); (1, 1, 1); (-1, 0, 1)}

{(5, 0, 0); (5, 5, 2); (1, 1, 0)}
SUBMIT
Determine cuál de los siguientes conjuntos de vectores es linealmente

independiente:
{(-2, 3); (2, 0)}
{(5, 0, 0); (4, -1, 0); (1, 1, 0)}
{(1, 1); (0 ,1); (0, 0)}
{(0, 0, 0)}
{(-2, 0, 0); (1, 0, 1); (-1, 0, 1)}
SUBMIT
Todo conjunto que contiene un subconjunto LD es LD.
Es verdadero, porque el conjunto contiene al subconjunto

que es LD.
Es falso porque al ser un subconjunto puede ser LI.
SUBMIT
Todo subconjunto de un conjunto de vectores LD es LD.
Es verdadero, porque al sacar un subconjunto también será

LD.
Es falso, porque no necesariamente el subconjunto debe

ser LD.
SUBMIT
Un único vector es LI.
Es verdadero, porque hay un teorema que lo asegura.
Es falso, porque no necesariamente es vector LI.
SUBMIT
Los escalares para expresar al vector nulo (0, 0, 0) como combinación lineal de
los vectores V1= (-1, 0, 0), V2= (2, 3, 0) y V3= (1, 2, 3) deben ser m1=___ m2=___
m3=__
Escriba su respuesta aquí
SUBMIT
Linealmente independiente.
(1, 0, 0, 0) {(5, 0, 0); (4, -1, 0); (1, 1, 1)}
(0, 2, 0), (1, 0, 0), (0, 0, 3)
Linealmente dependiente.
(0, 0, 0, 0) {(3, 0, 0); (2, -1, 0); (1, 1, 0)}
{(5, 0); (4, -1); (1, 0)} {(1, 2, 1); (1, 2, 0); (0, 0, 1)}
SUBMIT
LECCIÓN 4 de 7
Video conceptual
VIMEO
Verify to continue
We detected a high number of errors from your
connection. To continue, please confirm that
youâ€™re a human (and not a spambot).
I'm not a robot

reCAPTCHA
Privacy - Terms
VC-Herramientas Matemáticas I - Álgebra - Módulo 2

VER EN VIMEO 
LECCIÓN 5 de 7
Revisión del módulo
Hasta acá aprendimos
Matrices conceptos básicos y especiales

–
Se presentan en la lectura los conceptos de matrices y sus características. También la aplicación del uso
matricial a distintas situaciones y luego, se exponen una serie de matrices especiales.
Operaciones con Matrices

–
La lectura introduce al alumno, a través de una situación, la necesidad de operar con matrices a través de la
suma, resta, multiplicación y transposición. Junto con estas operaciones se detallan las propiedades que
se verifica para cada operación.
Vectores
–
En ésta lectura desarrollamos el concepto de vector. Se lo aborda desde una situación práctica y se
desarrollan las operaciones vectoriales junto con sus propiedades. También se mencionan algunos
vectores especiales.
Dependencia e Independencia de Vectores
–
La lectura explica uno de los conceptos más relevantes de la materia: la dependencia o independencia
lineal entre vectores. Desde un punto de vista práctico se lo asocia con ideas de la vida cotidiana y luego se
formaliza en su definición matemática. También se detallan una serie de teoremas que se usan para
identificar de manera inmediata, vectores linealmente dependientes o independientes
LECCIÓN 6 de 7
Referencias

LECCIÓN 7 de 7
Guía de ejercicios prácticos
Guia de ejercicios - Matriz y vectores.pdf

1.3 MB

AIGEBRA

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

AIGEBRA

Cargado por

Copyright:

Formatos disponibles

Matrices conceptos básicos y especiales

Tabla 1: Ingredientes para barras de tamaño pequeño en las distintas

cacao (g) leche (g) azúcar (g)

Fuente: elaboración propia.

¿Cuál sería el costo en materia prima de cada chocolate según el proveedor?

Matriz cuadrada y matriz rectangular

Actividades de repaso y refuerzo

De acuerdo a las clasiﬁcaciones estudiadas podemos decir que la matriz de

Es falso. Al poseer la misma cantidad de ﬁlas y columnas es una matriz cuadrada de

Matriz Identidad Matriz triangular superior

Matriz nula Matriz de insumo

Actividades de repaso y refuerzo

De acuerdo a la clasiﬁcación estudiada señala qué tipo de matriz es la siguiente:

De acuerdo a la clasiﬁcación estudiada, señala qué tipo de matriz es la siguiente:

Khan Academy (s.f.). Introducción a las matrices identidad. Recuperado de

Suma y resta de matrices. Multiplicación por un escalar

Tabla 1: Producción diaria de la planta Totoral en cientos de unidades

Fuente: elaboración propia.

Tabla 2: Producción diaria de la planta Recreo en cientos de unidades

Mica 2,5 1,5

Fuente: elaboración propia.

Estas tablas pueden representarse en dos matrices T y R como se muestra a continuación:

Si quisiéramos saber la producción de chocolates en ambas plantas, ¿qué operación

Si quisiéramos saber la diferencia de producción en ambas plantas, ¿qué operación

Parecen ser preguntas sencillas de responder a partir de operaciones entre matrices.

Suma y resta de matrices. Multiplicación por un

Revisemos estas operaciones matriciales.

Propiedades de las operaciones estudiadas

La suma y la resta de matrices cumplen con las siguientes propiedades:

Poseen un elemento neutro o matriz nula: A + ∅ = ∅ + A = A

Existe un elemento simétrico. Para toda matriz A, existe su opuesta (-A): A + (- A)

La multiplicación de una matriz por un escalar goza de las siguientes propiedades:

Es asociativa con respecto a los escalares: n(mA) = (n.m)A

Es distributiva con respecto a la suma de escalares: (m+n)A = mA + nA

Es distributiva con respecto a la suma matricial: m (A+B) = mA + mB

Posee un elemento neutro (el número 1): 1.A=A

Posee un elemento absorbente (el número 0): 0.A=∅

Multiplicación entre matrices (producto de matrices)

Molinos Río Distribuidora Bartena

¿A cuál de los proveedores nos convendrá comprarle la materia prima?

Recordemos nuestra tabla de insumos:

Tabla 4: Ingredientes para barras de tamaño pequeño en las distintas

cacao (g.) leche (g.) azúcar (g)

Por lo tanto, nuestra matriz de insumos es:

20 x 0,069 + 10 x 0,026 + 10 x 0,019 = 1,38 + 0,26 + 0,19 = 1,83

Figura 1: Producto de matrices

Orden de las matrices a multiplicar:

Orden de la matriz producto

Coe ciente de la matriz producto

productos de cada elemento de la ﬁla i de la matriz A por el correspondiente de la columna j de la matriz B.

Propiedades del producto de matrices

Es asociativa: Ax (BxC) = (AxB) x C

Es distributiva: Ax (B+C) = AxB+AxC

Posee un elemento neutro (este es la matriz identidad): IxA = AxI = A

Posee un elemento absorbente (este es la matriz nula): Ax∅ = ∅xA = ∅

No cumple la propiedad conmutativa: BxA ≠ AxB

AxB=∅ no implica necesariamente que A=∅ ó B=∅ . De la misma manera, si AxB=AxC, no

Propiedades de la matriz transpuesta

La transpuesta de la transpuesta es igual a la matriz original: (AT)T = A

La transpuesta de la suma es igual a la suma de las transpuestas: (A+B)T = AT+BT

La transpuesta del producto matricial es igual al producto de las transpuestas en orden

Actividades de repaso y refuerzo

La matriz A de orden 3x2 y la matriz B de orden 3x2, al multiplicarse de alguna

C es el producto de Bt x A= C de orden 2.