LGEBRA LINEAL

Cdigo: 1000003
Segundo semestre de 2017

Oscar Javier Lpez Alfonso

ojlopeza@unal.edu.co

Horario de clase: lunes y mircoles de 2:00p.m. a 4:00p.m.

Saln: lunes en el edificio 500 saln 303 y mircoles en el edificio 404 saln 203.
Atencin a estudiantes: martes de 3:00p.m. a 4:00p.m. o con cita previa.
Oficina: 335 del edificio 405. Extensin: 13097.

1. Objetivos del curso:

Asimilar los fundamentos del lgebra lineal, a nivel elemental, pero con la profundidad necesaria para
adquirir los conocimientos y habilidades bsicas (capacidad de anlisis y de razonamiento lgico-
deductivo) para la solucin de problemas en los cuales estn involucrados los elementos matemticos de
los sistemas de ecuaciones lineales, espacios vectoriales, valores y vectores propios de una matriz, as
como la diagonalizacin de matrices. Temas esenciales usados en aplicaciones en otras disciplinas.

2. Prerrequisitos: Clculo Diferencial.

3. Contenido temtico:
Unidad 1. Matrices y sistemas de ecuaciones lineales Lecturas
1.1 Matrices: definicin, operaciones (suma, producto por escalar, [KH]: 1.1, 1.2, 1.3,
transpuesta) y propiedades. Concepto de combinacin lineal. 1.4, 1.6, 1.7
1.2 Multiplicacin de matrices: propiedades. [G]: 1.2, 1.3, 1.8
1.3 Inversa de una matriz: concepto y propiedades.
1.4 Sistemas de ecuaciones lineales: Homogneos, no homogneos, [KH]: 1.5, 1.6
consistentes e inconsistentes. [G]: 1.4, 1.7, 1.9
1.5 Matriz escalonada, eliminacin de Gauss y Gauss-Jordn.
1.6 Mtodo para calcular la inversa, solucin de sistemas lineales [KH]: 1.7, 1.8
usando la matriz inversa. [G]: 1.8, 1.10, 1.11
1.7 Teoremas sobre sistemas de ecuaciones e invertibilidad.
 Unidad 2. Determinantes
2.1 Funcin determinante: propiedades. [KH]: 3.1, 3.2
2.2 Desarrollo por cofactores. [G]: 2.1, 2.2, 2.3,
2.3 Regla de Cramer, matriz adjunta. 2.4, 2.5
Unidad 3. Vectores en Rn
3.1 Sistemas de coordenadas, vectores, definicin, igualdad, suma, [KH]: 4.1, 4.2
producto por escalar, propiedades. [G]: 3.1, 3.2, 3.3,
3.2 Producto punto, norma, ngulo entre vectores, proyecciones. 3.4
3.3 Producto vectorial en R3. [KH]: 5.1, 5.2
3.4 Rectas y Planos. [G]: 3.5
Unidad 4. Espacios vectoriales
4.1 Espacio vectorial: Definicin, ejemplos, propiedades. [KH]: 6.1, 6.2
4.2 Subespacio vectorial: Definicin, ejemplos, propiedades. [G]: 4.2, 4.3
4.3 Independencia lineal, conjuntos generadores. [KH]: 6.3, 6.4
4.4 Bases y dimensin. [G]: 4.4, 4.5, 4.6
4.5 Rango de una matriz. [KH]: 6.5, 6.6, 6.7
4.6 Coordenadas y cambio de base. Vector de coordenadas. [G]: 4.7, 4.8
4.7 Matrices de cambio de base.
4.8 Ortogonalidad en Rn. [KH]: 6.8, 6.9
4.9 Conjuntos de vectores ortogonales y ortonormales, [G]: 4.9, 4.11
complementos y proyecciones ortogonales.
4.10 Bases ortonormales y proceso de Gram-Schmidt. [KH]: 7.1
[G]: 4.11
Unidad 5. Transformaciones lineales
5.1 Transformacin lineal: Definicin, ncleo, imagen, nulidad y [KH]: 10.1, 10.2
rango. [G]: 5.1, 5.2
5.2 Transformaciones lineales inyectivas y sobreyectivas.
5.3 Isomorfismo de espacios vectoriales. [KH]: 10.3
5.4 Matriz asociada a una transformacin. [G]: 5.3, 5.4
Unidad 6. Valores y vectores propios
6.1 Valores y vectores propios de una transformacin lineal. [KH]: 8.1
6.2 Valores y vectores propios de una matriz. [G]: 6.1
6.3 Diagonalizacin, matrices semejantes, matrices diagonalizables. [KH]: 8.2, 8.3, 9.1
6.4 Aplicaciones. [G]: 6.3, 6.4, 6.5

Contenido por videos del curso en lnea recomendado (basadas en el libro gua del curso)

YOUTUBE VIDEOS

Lecture #1: The Geometry of Linear Equations Lecture #14: Orthogonal Vectors and
(Watch!) Subspaces (Watch!)

Lecture #2: Elimination with Matrices Lecture #15: Projections onto Subspaces
(Watch!) (Watch!)

Lecture #3: Multiplication and Inverse Lecture #16: Projection Matrices and
Matrices (Watch!) Least Squares (Watch!)
 Lecture #4: Factorization into A = LU Lecture #17: Orthogonal Matrices and
(Watch!) Gram-Schmidt (Watch!)

Lecture #5: Transposes, Permutations, Spaces Lecture #18: Properties of Determinants

R^n (Watch!) (Watch!)

Lecture #6: Column Space and Nullspace Lecture #19: Determinant Formulas and
(Watch!) Cofactors (Watch!)

Lecture #7: Solving Ax = 0: Pivot Variables, Lecture #20: Cramer's Rule, Inverse
Special Solutions (Watch!) Matrix, and Volume (Watch!)

Lecture #8: Solving Ax = b: Row Reduced Lecture #21: Eigenvalues and

Form R (Watch!) Eigenvectors (Watch!)

Lecture #9: Independence, Basis, and Lecture #22: Diagonalization and Powers
Dimension (Watch!) of A (Watch!)

Lecture #10: The Four Fundamental Subspaces Lecture #30 : Linear Transformations and
(Watch!) Their Matrices (Watch!)

Lecture #11: Matrix Spaces; Rank 1; Small Lecture #31: Change of Basis; Image
World Graphs (Watch!) Compression (Watch!)

4. Evaluacin
o Parcial 1 25%
o Parcial 2 25%
o Parcial 3 25%
o Quices (uno por semana) 25%

Talleres: A lo largo de este curso se sugieren una serie de ejercicios para ser realizados, estos ejercicios
pueden ser considerados como un taller. Estos ejercicios no sern calificados por parte del profesor. Sin
embargo, los quices y parciales del curso estarn basados en su totalidad en los ejercicios propuestos, por
lo tanto, se recomienda hacerlos de manera consiente a lo largo del curso.

5. Otros aspectos administrativos

Copia: Todo estudiante deber someterse al cdigo de tica y al reglamento de la Universidad
Nacional de Colombia. Adems de lo pertinente en dicho reglamento es importante precisar que los
siguientes comportamientos son casos explcitos de violacin de la tica acadmica del curso y sern
calificados como copia:
- Los Parciales son de carcter estrictamente individual, por lo tanto, cualquier forma de
comunicacin entre estudiantes durante el respectivo examen ser automticamente calificada
como copia.
- Utilizar durante el examen cualquier instrumento con capacidades de comunicacin inalmbrica
(IR, WI-FI 802.11b, Bluetooth, etc.) para establecer contacto con otra persona. Esto incluye, pero no
se limita a los telfonos celulares, tablets, PDAs, computadores personales, PCSD, etc.
- El Uso durante los exmenes de PDAs y/o telfonos con cmara fotogrfica o capacidades de
Digital Recording.
 - El Uso durante los exmenes de MP3, IPod y o cualquier instrumento con capacidad de almacenar
informacin digital en formato texto y/o voz.

Puntualidad: Las clases iniciarn puntualmente, el curso sigue la regla del cuarto de hora (15
minutos) pero de manera asimtrica. Por lo tanto, ningn estudiante podr ingresar al saln de clase
despus de que hayan transcurrido 15 minutos desde la hora programada de inicio es decir 2:15 PM.
En caso de que por fuerza mayor el profesor no pueda cumplir con una sesin de clase la misma se
remplazara en horario diferente al programado y acordado conjuntamente entre el profesor y los
estudiantes.

6. Metodologa
Las dos sesiones semanales de clase se distribuirn aproximadamente en una relacin 70-30 entre: 1.
sesiones de ctedra magistral participativa y 2. sesiones de ctedra activa que tendrn como objetivo la
realizacin de los quices y posterior discusin colectiva de los conceptos y soluciones de los mismos.
Todo estudiante que desee formular un reclamo sobre las calificaciones de los parciales y/o quices, deber
reportarlo por escrito y debidamente sustentado dentro de los ocho (8) das hbiles siguientes a aquel en
que se dan a conocer las calificaciones en cuestin, este reclamo debe ser entregado al profesor
personalmente o por correo electrnico. El estudiante ser notificado de la decisin correspondiente
dentro de los diez (10) das hbiles siguientes a la entrega del reclamo.
El curso y su metodologa han sido diseados y pensados para que su aprobacin requiera un MNIMO de
trabajo tanto en equipo como individual. Se estima que para aprobar el curso se requiere al menos 8 horas
de trabajo semanal por fuera de las cuatro horas de clase presencial. Este tiempo de trabajo deber ser
utilizado por el estudiante para: 1. revisar y entender a profundidad las lecturas sugeridas (o los videos
sugeridos), 2. realizar los ejercicios propuestos y 3. preparar los quices y los exmenes parciales.
La nota final una vez publicada es INNEGOCIABLE; solamente se aceptarn reclamos por errores
numricos. Visitas de los estudiantes a la oficina del profesor (con cara de tragedia y/o inconformidad)
despus de publicadas las notas, para encontrar frmulas que le permitan mejorar la nota que se
obtuvo, son impertinentes, improductivas e indeseables.

La frmula del xito:

- Asistir a clase.
- Preparar rigurosamente las lecturas recomendadas o los videos recomendados.
- Hacer todos los ejercicios a conciencia.
- Estudiar mnimo 8 horas semanales, adicionales a las 4 horas presenciales de clase.
- Recordar que su aprendizaje y su nota son enteramente de su responsabilidad.
- Entender que en este curso es IMPOSIBLE obtener buena nota sin trabajar con esfuerzo
y dedicacin durante TODO el semestre.

7. Bibliografa
Texto gua
[S] lgebra lineal y sus aplicaciones. 4 edicin. Strang G. Thomson. 2007.

Textos de consulta
 [KH] lgebra Lineal. 8 edicin. Kolman B. y Hill D. Pearson-Prentice Hall. 2006.
[G] lgebra Lineal. 6 edicin. Grossman S. McGraw Hill. 2007.
[P] lgebra lineal: una introduccin moderna. 3 edicin. Pool D. CENGAGE Learning. 2011.
[L] lgebra lineal y sus aplicaciones. 2 edicin. Lay D. Prentice-Hall. 1999.
[NJ] lgebra lineal con aplicaciones. Nakos G. y Jonier D. Internacional Thompson Editores.
1999.

Curso en lnea recomendado

http://web.mit.edu/18.06/www/videos.shtml#

Otros cursos en lnea de utilidad

http://www.medellin.unal.edu.co/~algebralineal/
https://www.edx.org/course/introduction-linear-models-matrix-harvardx-ph525-2x-1