+    Ficha Técnica
 +    Mapa Publicaciones
 +    Videos Asociados




Concepto de Inmersión
Geometría Diferencial


José Enrique González Cornejo
noviembre 2025









 Introducción

En este artículo se presenta, de manera introductoria, el concepto de inmersión dentro de la Geometría Diferencial1, incorporando además una breve referencia a las singularidades y a su relación con la Teoría de Lie, en particular con el Grupo Lineal Especial \(SL_2 \).

Como material complementario, se utiliza el artículo "Ejemplo \(SL_2\) ~ Grupo Lineal Especial ~ Generadores del Algebra de Lie" y su video asociado


Ejemplo Sl2 ~ Grupo Lineal Especial


 Regularización de una singularidad ~ inmersión en \(SL_2,(\mathbb{R})\)

En geometría diferencial, en ciertas situaciones es necesario obtener una superficie suave sobre un objeto geométrico, eliminando discontinuidades generadas por la presencia de puntos problemáticos (singularidades2).

Estos puntos deben ser corregidos o "rellenados" mediante procesos de regularización que respeten la naturaleza geométrica de la superficie.

Cuando el límite que define la continuidad no existe, la singularidad no puede eliminarse, y esto exige un rediseño de la inmersión involucrada3.

    ¿Qué es — y qué no es— una inmersión?

Es importante aclarar algunos conceptos fundamentales:
    - Una inmersión no es un "objeto superpuesto", sino un mapa diferenciable entre variedades. De hecho, en geometría diferencial, las inmersiones se definen dentro de la categoría de las variedades diferenciables como ciertos tipos especiales de mapas diferenciables.

    Lo que suele generar confusión es distinguir dos niveles:

      i) El mapa base \(f : M \to N\).

      ii) La condición adicional sobre su diferencial \(df_p\).

    Una variedad diferenciable \(M\) es un espacio topológico4 que localmente se parece a \(\mathbb{R}^m\), y que viene equipado con un atlas que permite definir la diferenciabilidad de aplicaciones entre variedades5.

    Cuando se tiene un mapa
    \[ f : M \to N, \] lo primero que se exige para estudiarlo con herramientas de cálculo diferencial es que sea suave (diferenciable \(C^\infty)\).(Ver Grupos de Lie ~ Geometria_Diferencial y Ejemplo )

    Esa es la base: si un mapa no es diferenciable, ni siquiera se puede discutir su diferencial \(df\).

    - Una inmersión no implica singularidades. De hecho, ocurre lo contrario: es un mapa cuyo diferencial es inyectivo en todos los puntos, evitando comportamientos degenerados.

    - Una inmersión no garantiza que su imagen sea una subvariedad embebida. La imagen puede plegarse, autointersectarse o no ser una superficie en el sentido topológico usual.

En resumen, una inmersión preserva completamente la estructura local de la variedad. Localmente, siempre se ve como una copia suave de la variedad original dentro de un espacio ambiente mayor.

 Ejemplos de Inmersión

    1.- La inclusión del círculo en el plano:


    Variedad dentro de un Espacio Mayor

    \[ \varphi : S^1 \hookrightarrow \mathbb{R}^2, \] \[ \varphi(\theta) = (\cos\theta, \sin\theta) \] Es suave, dado que su diferencial es: \[ \frac{d\varphi}{d\theta} = (-\sin\theta, \cos\theta) \] Este vector \(\vec{v}=(-\sin\theta, \cos\theta)\) nunca es cero, por lo que el diferencial es inyectivo. Luego, es una inmersión. Nótese que localmente el círculo parece una línea, la imagen es invariante, no se pierde dimensión.

    2.- Mapa suave de paraboloide sobre dominio malla:
    \[ F(x,y) = (x, y, x^2 + y^2) \]. El jacobiano tiene rango \(2\) en todos los puntos \(\longrightarrow \) inmersión.


    Inmersión en \(\mathbb R^2\): Imagen suave y no colapsada en la superficie.


 Ejemplo NO Inmersión (Singularidad)

    1.- Una curva en el espacio que falla como inmersión:


    Curva inserta en espacio euclidiano NO inmersión

    \[ \gamma(t) = (t^3, t^4, t^5) \] \[\implies\] \[ \frac{d\varphi}{dt}=\gamma'(t) = (3t^2, 4t^3, 5t^4) \]
    Evaluando en \(t = 0\) se tiene que;
    \[ \gamma'(0) = 0 \] Luego, su derivada es \(0\), por tanto es una curva en el espacio que no es una inmersión en todo, dado que en ese punto la curva sufre una discontinuidad momentánea, donde localmente pierde dimensión. Es decir, es el vector nulo, por eso \(t=0\) es un punto singular para la parametrización: No existe un vector tangente unitario definido en ese punto.


    2.- Mapa con degeneración en el origen:

    \(G(x,y) = (x^2 - y^2, 2xy, x^2 + y^2) \). En \((0,0)\) el jacobiano se anula \(\longrightarrow \) la derivada no es inyectiva y la imagen presenta un punto "colapsado".


    Punto singular en \(\mathbb R^2\): Mapa con colapso en el origen (singularidad).

Los ejemplos en el marco de la Geometría Diferencial muestra que una imersión diferenciable se entiende como una aplicación suave (continuamente derivable) que introduce un objeto geométrico de menor dimensión dentro de un espacio de mayor dimensión sin colapsar direcciones, es decir, preservando la "estructura local" del dominio.


 Definición Formal de imersión diferenciable

Sea \[f : M \to \mathbb{R}^n\]
Una aplicación de clase \( C^1 \) (o más suave). Decimos que \( f \) es una inmersión si su diferencial es inyectivo en todos los puntos:

\[ df_p : T_p M \to T_{f(p)}\mathbb{R}^n \]
es inyectivo para todo \(p\in M\).

Esto significa que:

- La aplicación no aplasta, no dobla en ángulos infinitos ni pierde dimensiones.

- Localmente, la imagen de \(M\) se ve como una copia suavizada de la variedad original dentro del espacio \( \mathbb {R}^n\).


Geométricamente se interpreta como Si \(M\) es, por ejemplo, una superficie bidimensional y la inmersión es

\[ X(u,v) : U\subset\mathbb{R}^2 \to \mathbb{R}^n, \]
Entonces:

- La superficie queda suavemente colocada dentro de \(\mathbb{R}^n\).

- No aparecen pliegues con esquinas ni rupturas.

- Los vectores tangentes se transforman de manera coherente y sin colapsar.


 Desarrollo Concepto de Inmersión

A partir de los ejemplos previos sobre inmersiones y singularidades, y considerando la definición formal de inmersión, se presenta ahora un desarrollo más profundo de estos conceptos mediante el estudio de una superficie suave que contiene un cono con punta. El objetivo es mostrar cómo eliminar dicha singularidad mediante un proceso de regularización, obteniendo finalmente una inmersión suave en \(SL_2,(\mathbb{R})\). Para ello, se explica cómo la derivada de esta inmersión permite describir un espacio tangente en términos del álgebra de Lie asociada, \(\large{\mathfrak{g = sl_2}}\).


Variedad Superficie (carta)\(\longrightarrow\) Plano Cartesiano


La idea principal es evitar la discontinuidad presente en la punta del cono y obtener una superficie realmente suave, es decir, una variedad diferenciable. Para ello es necesario eliminar el punto en el que la función de inmersión deja de ser continuamente derivable. Esto se consigue garantizando que la aplicación que mapea la superficie hacia un espacio euclidiano sea completamente diferenciable y no presente singularidades. En términos de geometría diferencial, esto implica que la transformación debe ser suave y que sus derivadas no se anulen en ningún punto relevante, asegurando así la regularidad de la inmersión.


Cono con punta sobre una Superficie Suave


Es decir, se tiene un objeto suave "casi diferenciable" que contiene un cono \(C\) estándar en \(\mathbb{R}^3\):

$$ C=\{(x,y,z)\in\mathbb{R}^3: $$ $$ z^2 = x^2 + y^2\}. $$
Este conjunto es suave fuera del vértice \((0,0,0)\), pero no es una variedad diferenciable, i.e. no es continuamente derivable, dado que la punta es una singularidad, donde la superficie no tiene un plano tangente bien definido en ese punto.


Singularidad ~ \(\not \exists \) Plano Tangente

Una regularización elemental (suavizado) del cono es:

$$ C_\varepsilon=\{(x,y,z)\in\mathbb{R}^3: $$ $$ z = \sqrt{x^2 + y^2 + \varepsilon^2}\} $$ $$ \varepsilon>0 $$
En efecto, para \(\varepsilon>0\) la función \(z(x,y)=\sqrt{x^2+y^2+\varepsilon^2}\) es \(C^\infty\) en todo \(\mathbb{R}^2\), de modo que \(C_\varepsilon\) es una variedad diferenciable (superficie suave): la punta queda redondeada.

Esta idea de inmersión suave del objeto en \(SL_2,(\mathbb{R})\), - donde ya se estableció que \(SL_2,(\mathbb{R})\) es el grupo de matrices \(2\times 2\) reales con determinante \(1\) -. Es decir, \(SL_2,(\mathbb{R})\) es una variedad diferenciable de dimensión \(3\). (Ver deducción de los generadores del Algebra de Lie, Grupo \(\mathbf {SL_2 \longrightarrow}\) Algebra de Lie \(\mathfrak{\Large g = \large{\mathfrak{sl}_2}(\mathbb{R})}\))

$$ \large{SL_2=\Bigg\{M=\begin{pmatrix}a & b\\c & d\\\end{pmatrix}\Bigg/det(M)=ad-bc=1\Bigg\}} $$ $$ \large{[AL_1]} $$


Su álgebra de Lie \(\large{\mathfrak{sl}_2}(\mathbb{R})\) es el espacio tangente en la identidad, con conmutador (corchetes de Lie) tiene una base típica de generadores:

\[ \Bigg\{ \underbrace{\begin{pmatrix} 0 & 1\\ 0 & 0\\ \end{pmatrix}}_{\large{\text{E}}} , \underbrace{\begin{pmatrix} 0 & 0\\ 1 & 0\\ \end{pmatrix}}_{\large{\text{F}}}, \underbrace{\begin{pmatrix} 1 & 0\\ 0 & -1\\ \end{pmatrix}}_{\large{\text{H}}} \Bigg\} \]
 +    Deducción Generadores



 Contrucción Aplicación Suave

Si se construye una aplicación suave6
$$ \mathit{\varphi} : M \to SL_2,(\mathbb{R}), $$
donde \(M\) es nuestra superficie regularizada, - por ejemplo \(C_\varepsilon\) parametrizada por \((r,\theta)\) -, entonces la imagen \(\mathit{\varphi}(M)\) será una subvariedad suave de \(SL_2,(\mathbb{R})\) siempre que \(\mathit{\varphi}\) sea una inmersión (es decir, que su derivada sea inyectiva en cada punto). Con ello convertimos el objeto en una variedad diferenciable inside \(SL_2,(\mathbb{R})\).

Parametrizamos la superficie regularizada por coordenadas polares en el plano base:

$$ r\ge 0,\qquad \theta\in[0,2\pi),$$ $$ X(r,\theta) = (x,y,z) = \big(r\cos\theta,\; r\sin\theta,\; \sqrt{r^2+\varepsilon^2}\big). $$
Se define una función suave \(u(r,\theta)\in\large{\mathfrak{sl}_2}(\mathbb{R})\) y luego usar la exponencial matricial:

$$ \mathit{\varphi}(r,\theta) \;=\; \exp\big(u(r,\theta)\big) \in SL_2,(\mathbb{R}). $$
Una elección simple y didáctica es, en la base \(E,F,H\),

$$ u(r,\theta) \;=\; \varphi(r)\big(\cos\theta\,E + \sin\theta\,F\big) \;+\; \psi(r)\,H, $$

Curva Continua Superficie Suave


donde \(\varphi,\psi\) son funciones suaves con \(\varphi(0)=0,\ \psi(0)=0\). Esto asegura que \(u(0,\theta)=0\) y por tanto \(\mathit{\varphi}(0,\theta)=I\), evitando una singularidad en la imagen.


 Ejemplo Aplicación Suave

$$ \varphi(r)=\frac{r}{1+r},\qquad \psi(r)=0,\quad\Rightarrow $$ $$ u(r,\theta)=\frac{r}{1+r}\big(\cos\theta\,E + \sin\theta\,F\big), $$ $$ \mathit{\varphi}(r,\theta)=\exp\big(u(r,\theta)\big). $$
Observaciones claves:

    - Para \(r=0\): \(u=0\) y \(\mathit{\varphi}(0,\theta)=I\) (punto único en la imagen).

    - Localmente la inmersión es suave y la derivada respecto a \(r,\theta\) puede ser de rango \(2\) si \(\varphi'(0)\neq0\).

    - Con elección adecuada de \(\varphi\), \(D\mathit{\varphi}\) tendrá rango \(2\) y \(\mathit{\varphi}\) define una superficie inmersa en \(SL_2,(\mathbb{R})\).

    - Geométricamente, colocamos una superficie suave en \(SL_2\) que representa la regularización del cono; la imagen no presenta vértice singular.

Entonces, se evita la singularidad original era topológica/geométrica: \(z=\sqrt{x^2+y^2}\) no es diferenciable en el origen.

Al regularizar a \(z=\sqrt{x^2+y^2+\varepsilon^2}\quad\)la superficie se vuelve \(C^\infty\). De modo que al pasar a \(SL_2,(\mathbb{R})\) mediante \(\mathit{\varphi} = \exp \circ u \quad \) con \(\quad u\) suave, la imagen es una superficie suave dentro de una variedad lisa de dimensión \(3\). No aparece la punta en la imagen. Donde la exponencial matricial \(\exp:\large{\mathfrak{sl}_2}\to SL_2\) es diferenciable, y en una vecindad de \(0\in\large{\mathfrak{sl}_2}\) la exponencial es localmente difeomorfismo, por lo que la regularidad se preserva.


Plano Tangente Sobre el Neutro~ Matriz Idéntica


Ahora, sea \(p=\mathit{\varphi}(r_0,\theta_0)\in SL_2,(\mathbb{R})\). El espacio tangente \(T_p SL_2\) puede identificarse con \(\large{\mathfrak{sl}_2}\) mediante la traslación a la izquierda:

$$ dL_{p^{-1}}:T_p SL_2\longrightarrow T_e SL_2=\large{\mathfrak{sl}_2}, $$
$$ v\mapsto (dL_{p^{-1}})_p(v). $$
La derivada de \(\mathit{\varphi}\) en \((r,\theta)\),

$$ D\mathit{\varphi}_{(r,\theta)}:T_{(r,\theta)}(\text{parámetros})\simeq\mathbb{R}^2\longrightarrow T_{\mathit{\varphi}(r,\theta)}SL_2, $$

proporciona vectores tangentes a la imagen. Componiendo con \(dL_{\mathit{\varphi}(r,\theta)^{-1}}\) obtenemos su representante en \(\large{\mathfrak{sl}_2}\):

$$ \xi = dL_{\mathit{\varphi}(r,\theta)^{-1}}\big(D\mathit{\varphi}_{(r,\theta)}(\partial_r)\big)\in\large{\mathfrak{sl}_2}, $$ $$ \eta = dL_{\mathit{\varphi}(r,\theta)^{-1}}\big(D\mathit{\varphi}_{(r,\theta)}(\partial_\theta)\big)\in\large{\mathfrak{sl}_2}. $$

Estos elementos de \(\large{\mathfrak{sl}_2}\) son la representación del espacio tangente de la superficie en el álgebra.

Existe una fórmula útil para el diferencial de la exponencial (necesaria si \(\mathit{\varphi}=\exp\circ u\)):


Si \(u(t)\in \mathfrak{sl}_2\) es una curva y \(A(t)=\exp(u(t))\) entonces:

\[ \frac{d}{dt}A(t)=\exp(u(t))\cdot\Big( \frac{e^{\operatorname{ad}_{u(t)}}-I}{\operatorname{ad}_{u(t)}}\big(u'(t)\big)\Big), \]

donde \(\operatorname{ad}_u(v)=[u,v]\). Así la correspondencia entre la derivada de los parámetros y un elemento de \(\large{\mathfrak{sl}_2}\) está dada por la aplicación lineal dependiente de \(u\):

$$ \mathcal{L}_{u} := \frac{e^{\operatorname{ad}_{u}}-I}{\operatorname{ad}_{u}} \;:\; \large{\mathfrak{sl}_2} \to \large{\mathfrak{sl}_2}. $$

Por tanto, si \(\mathit{\varphi}=\exp\circ u\) y tomamos \(v\in T_{(r,\theta)}\) con componente \(u'(v)\in\large{\mathfrak{sl}_2}\) (la derivada de \(u\) en la dirección \(v\)), entonces

$$ dL_{\mathit{\varphi}^{-1}} \circ D\mathit{\varphi} (v) = \mathcal{L}_{u(r,\theta)}\big( u'(v) \big)\in\large{\mathfrak{sl}_2}. $$

Cuando \(u\) es pequeño (por ejemplo cerca de \(r=0\)), \(\mathcal{L}_u\) es cercano a la identidad y la relación es sencilla: esto facilita identificar el espacio tangente de la superficie con un subespacio de \(\large{\mathfrak{sl}_2}\).

Por tanto,

  • Se regulariza el objeto con singularidad: \(z=\sqrt{r^2+\varepsilon^2}\) para obtener una superficie suave \(M\).

  • Se define una inmersión suave \(u:M\to\large{\mathfrak{sl}_2}\) (por ejemplo \(u(r,\theta)=\varphi(r)(\cos\theta E+\sin\theta F)+\psi(r)H\) con \(\varphi(0)=0\)).

  • Se compone con la exponencial: \(\mathit{\varphi}=\exp\circ u:M\to SL_2\). Si \(D\mathit{\varphi}\) tiene rango \(2\) en cada punto, \(\mathit{\varphi}\) es una inmersión.

  • Se deriva \(D\mathit{\varphi}\) y la traslación izquierda permiten identificar vectores tangentes a \(\mathit{\varphi}(M)\) con elementos de \(\large{\mathfrak{sl}_2}\), mediante \(\mathcal{L}_u\).



 Síntesis: Patrón Estándar

Esta construcción es un patrón estándar: cuando una superficie tiene una singularidad local, hay dos estrategias principales:

  1. Regularizar en el espacio originario (suavizar la función que define la superficie).

  2. Resolver la singularidad por inmersión/embedding en otra variedad mayor (aquí \(SL_2\)), donde la parametrización suave elimina la singularidad.

El uso del grupo \(SL_2\) y su álgebra \(\large{\mathfrak{sl}_2}\) permite una descripción algebraica del espacio tangente (pues \(T_e SL_2=\large{\mathfrak{sl}_2}\)) y fórmulas explícitas (como \(\mathcal{L}_u\)) que relacionan derivadas paramétricas con elementos del álgebra —ideal para conectar la geometría diferencial con la teoría de Lie.







 Notas Adjuntas







 Videografía y Bibliografía


Ver Artículos del Autor

Ver Videos DocIRS


  • [B1]
    Quantum Computation 5: A Quantum Algorithm
    David Deutsch, Autor del Algoritmo
    Centre for Quatum Computation
    https://www.youtube.com/watch?v=3I3OBFlJmnE

  • [B2]
    Curso Computación Cuántica
    Eduardo Sáenz de Cabezón
    26 abril 2019
    Instituto de Matemáticas de la UNAM, México
    https://www.youtube.com/watch?v=KKwjeJzKezw

  • [B3]
    Quantum Optics
    Miguel Orszag,
    Pontificia Universidad Católica - Santiago de Chile
    Editorial Springer ~ 2016


  • [B4]
    Quantum Optics - Mark Fox - Oxford University Press
    22 jun. 2006 - Oxford Master Series in Physics.
    Capítulo 13
    https://www.academia.edu/24696066/



  • [B5]
    Quantum Computing Explain
    David McMahon on 2007
    WILEY-INTERSCIENCE
    A John Wiley & Sons, Inc., Publication
    https://www.academia.edu/31537353

    /_David_McMahon_Quantum_
    Computing_Explained_BookFi_1_

  • [B6]
    Programming a Quantum Computer with Cirq (QuantumCasts)
    Dave Bacon
    Google

  • [B7]
    The Quantum World ~ Quantum Physics for Everyone
    Kenneth W. Ford
    Harvard University Press
    Cambridge Massachusetts
    London England ~ 2004

  • [B8]
    Principios Fundamentales de Computación cuántica
    Vicente Moret Bonillo
    Profesor Titular de Universidad. Senior Member, IEEE.
    Departamento de Computación. Facultad de Informática.
    Universidad de la Coruña
    2O13

  • [B9]
    Quantum Networks for Elementary Arithmetic Operations
    Vlatko Vedral, Adriano Barenco and Artur Ekert
    Clarendon Laboratory, Department of Physics
    University of Oxford, Oxford, OX1 3PU, U.K.
    (Submitted to Phys. Rev. A)
    16 de Noviembre 1995

  • [B10]
    Quantum computing for the determined
    Michael Nielsen on June 10, 2011
    http://michaelnielsen.org/blog/

    quantum-computing-for-the-determined/
    https://www.youtube.com/watch?v=x6gOp_o7Bi8

  • [B11]
    QC — Quantum Algorithm with an example
    Jonathan Hui
    Dec 6, 2018

  •  
  • [B12]
    Grupos de permutaciones
    Universidad Abierta y a Distancia de México
    Distrito Federal, México, 2015
    Yannina Ovalle Rodriguez

  • [B13]
    Programación Cuántica
    Francisco Gálvez
    T3chFest 2017
    IBM
    https://www.youtube.com/watch?v=FYAkeCcOgeQ

  • [B14]
    Quantum Computation (CMU 18-859BB, Fall 2015)
    Lecture 1: Introduction to the Quantum Circuit Model
    September 9, 2015
    Lecturer: Ryan O’Donnell Scribe: Ryan O’Donnell

  • [B15]
    Hipertexto: Tratamiento Documental de Datos
    José Enrique González Cornejo
    Centro de Investigación y Desarrollo de la Educación,
    CIDE, Santiago – Chile, 1990.
    Registro Nº81.183 - 1991 ~ Editoria Argué Ltda

  • [B16]
    Algoritmo para el Cambio de Base Numérica
    José Enrique González Cornejo
    DocIRS Technology
    Math-Computing Open Academy Junio 2014

  • [B17]
    Algoritmo, Generación Distribución
    Aleatoria Discreta de Suma 1
    José Enrique González Cornejo
    11 de julio 2012
    DocIRS Technology
    Math-Computing Open Academy

    https://www.docirs.cl/
    Algoritmo_Distribucion_Aleatoria.htm

  • [B18]
    Naïve Bayes ~ Simple Algoritmo de Clasificación
     Modelo de Variables Discretas
    José Enrique González Cornejo
    01 de agosto 2019
    DocIRS Technology
    Math-Computing Open Academy

  • [B19]
    Problema de la Ruta Optima
    José Enrique González Cornejo
    01 de mayo 2009
    DocIRS Technology
    Math-Computing Open Academy

  • [B20]
    Nomenclatura DocIRS para la Programación
    José Enrique González Cornejo
    24 de abril 2009
    DocIRS Technology
    Math-Computing Open Academy

  • [B21]
    Acerca del Estilo en Programación
    José Enrique González Cornejo
    18 de abril 2009
    DocIRS Technology
    Math-Computing Open Academy

  • [B22]
    Acerca de la Calidad de una Aplicación
    José Enrique González Cornejo
    18 de abril 2009
    DocIRS Technology
    Math-Computing Open Academy

  • [B23]
    Fundamentos Teóricos de los
    Lenguajes Estructurados
    José Enrique González Cornejo
    12 de julio de 2011
    DocIRS Technology
    Math-Computing Open Academy

  • [B24]
    Propiedades Geométricas Cualitativas
    José Enrique González Cornejo
    15 de marzo 1997
    DocIRS Technology
    Math-Computing Open Academy

  • [B25]
    Lunch & Learn: Quantum Computing
    Andrea Morello
    Quantum Engineering at University

     of New South Wales Australia
    21 nov. 2018

  • [B26]
    21 Lessons for the 21st Century
    Talks at Google
    Yuval Noah Harari 11 octubre 2018


  • [B27]
    Homo-Deus-A-Brief-History-of-Tomorrow
    Universidad de California,
    Yuval Noah Harari
    27 febrero 2017

  • [B28]
    MIND BLOWN: Quantum Computing &
    Financial Arbitrage
    Andrea Morello
    Quantum Engineering at University

     of New South Wales Australia
    18 jun. 2020

  • [B29]
    Algoritmo cuántico de Deutsch y Jozsa en GAMA
    M. Paredes López - A. Meneses Viveros - G. Morales-Luna
    Departamento de Matemáticas, Cinvestav, Av. Instituto

    Politécnico Nacional 2508, CDMX
    Departamento de Computación, Cinvestav,

    Av. Instituto Politécnico Nacional 2508, CDMX
    Rev. mex. fís. E vol.64 no.2 México jul./dic. 2018

  • [B30]
    Principios Fundamentales de Computación Cuántica
    2013, Vicente Moret Bonillo
    Universidad de la Coruña-España

  • [B31]
    Informática Cuántica - Parte 1
    Tecnologias Disruptivas
    Alejandro Alomar
    9 jul. 2018
    https://www.youtube.com/watch?v=SisRIgS3oO4

  • [B32]
    Computación Cuántica para Torpes
    Publicado el 26 de septiembre de 2016 por Sergio Montoro

  • [B33]
    Intro to Quantum Computing
    Steve Spicklemire
    Lesson 38 Quantum Computing, Deutsch's Problem

  • [B34]
    Learn Quantum Computation using Qiskit
    Page created by The Jupyter Book Community
    Qiskit Development Team Last updated on 2020/07/17.

  • [B35]
    Disfruta de la Experiencia cuántica de IBM
    Francisco R. Villatoro (Francis Naukas)
    2 noviembre, 2018
    https://francis.naukas.com/2018/11/02/

    disfruta-de-la-experiencia-cuantica-de-ibm/

  • [B36]
    Inversión de Matrices de Números Complejos
    reshish.com 2011 - 2020

  • [B37]
    Algoritmo de Deutsch
    13 octubre 2016
    Felipe Fanchini
    https://www.youtube.com/watch?v=Sb5WRs8XUuU

  • [B38]
    Desarrollo de un simulador para el protocolo
    de criptografía cuántica E91
    en un ambiente distribuido
    Ingeniare. Rev. chil. ing. vol.23 no.2 Arica abr. 2015
    Luis Cáceres Alvarez,
    Roberto Fritis Palacios,
    Patricio Collao Caiconte

  • [B39]
    Effect of an artificial model’s vocal expressiveness
     on affective and cognitive learning
    . Llaima Eliza González Brouwer
    0999377
    MSc. Human Technology Interaction
    Department of Innovation Sciences
    Eindhoven University of Technology
    August 2018

  • [B40]
    Así Cambiará el Mundo la Computación Cuántica
    2016
    Ignacio Cirac
    https://www.youtube.com/watch?v=WJ3r6btgzBM

  • [B41]
    GIPHY
    Imagen de Animación Gif / Partículas
    Explore Partículas Gif

  • [B42]
    MathJax
    MathJax es una biblioteca javascript
    American Mathematical Society.
    Accessible Math in All Browsers


  • [B43]
    El Algoritmo de Deutsch-Jozsa
    KET.G
    25 mar. 2020
    Twitter: https://twitter.com/KetPuntoG


  • [B44]
    Apuntes de Grupos de Lie
    Badajoz, 30 de diciembre de 2017
    Volumen 3
    1.2. Grupos de Lie

  • [B45]
    Teoria de Grupos
    Marshall Hall jr.
    Biblioteca de Matemática Superior
    1967 Maximilian Company, N.Y. USA

  • [B46]
    Tutorial Grupos de Lie
    Javier García
    29 jun. 2017
    Serie de Capítulos ~ España

  • [B47]
    Matrices de Pauli - Pauli matrices Matrices de Pauli
    Enciclopedia libre Matrices de Pauli

  • [B48]
    La Mecánica Cuántica
    Los grupos de rotación I
    Matrices de Pauli

  • [B49]
    Física Matemática
    Grupos de Lie, rotaciones, unitarios, Poincaré.
    Monte Carlo
    L. L. Salcedo
    Departamento de Física Atómica, Molecular y Nuclear
    Universidad de Granada, E-18071 Granada, Spain
    29 de julio de 2020

  • [B50]
    Matrices de Pauli - Pauli matrices Matrices de Pauli
    De Wikipedia, la enciclopedia libre Matrices de Pauli

  • [B51]
    Phisics
    Explore our Questions

  • [B52]
    Entrevista a Jorge Antonio Vargas,
    FAMAF
    Universidad Nacional de Córdoba de Argentina,
    Investigador del Conicet
    20/01/2010, Pagina|12
    ,

  • [B53]
    Introducción a Grupos y Álgebras de Lie de Dimensión Infinita,
    Matthew Dawson,
    CIMAT- Mérida México noviembre de 2020,
    Instituto de Matemáticas de la UNAM

    (Universidad Nacional Autónoma de México)
    ,

  • [B54]
    Lie Groups:Introduction,
    Richard E. BORCHERDS,
    University of California,
    Department of Mathematics, USA
    ,

  • [B55]
    Lie theory for the Roboticist,
    Joan Solà,
    Institut de Robòtica i Informàtica Industrial, en catalán,
    Consejo Superior de Investigaciones Científicas (CSIC),

     Cataluña
    Universidad Politécnica de Cataluña (UPC). España

  • [B56]
    A micro Lie theory for state estimation in robotics,
    Joan Solà, Jeremie Deray, Dinesh Atchuthan,
    Diciembre 2021
    arXiv ~ https://arxiv.org,
    Web Accessibility Assistance -arXiv Operational Status

  • [B57]
    Graph Theory,
    Frank Harary,
    1969
    Addison-Wesley
    USA

  • [B58]
    RobotDocIRS,
    José Enrique González Cornejo
    abril 2003
    DocIRS Technology
    Math-Computing Open Academy


  • [B59]
    Introducción a la Topología Algebraica,
    Williams S. Massey,
    1972
    Editorial Reverté S.A.
    España


  • [B60]
    Lie Algebra Representations
    André Henriques
    Instituto de Matemáticas de la Universidad de Oxford
    agosto del 2015.


  • [B61]
    The Lie group $SL(2,C)$ and its Lie algebra $sl(2,C)$
    Dr. Frederic Schuller
    Friedrich-Alexander-Universität Erlangen-Nürnberg
    21 sept 2015


  • [B62]
    The Theory of Groups
    Marshall Hall, JR.
    The Macmillan Company 1967
    New York. N.Y. USA.
    English Publication.


  • Paginas Independientes del autor que Contienen los Capítulos del Documento:

  • Conceptos Matemáticos Básicos de
     Computación Cuántica
    José Enrique González Cornejo
    20 de marzo 2020
    DocIRS Technology
    Math-Computing Open Academy

  • Algoritmo de Deutsch
    José Enrique González Cornejo
    20 de marzo 2020
    DocIRS Technology
    Math-Computing Open Academy