Algebra Lineal

1
ACTIVIDAD 1 –ACA 1
ALGEBRA LINEAL
FICHA: 51125
SHADEN AVILA ROJAS

DIEGO ALEJANDRO FIGUEREDO HERRERA
RICKY MICHAEL STEVENS BAUTISTA CAMPOS
Docente:
JUAN MANUEL SANCHEZ NAVARRO
Corporación Unificada Nacional de Educación Superior (CUN)
Ingeniería en sistemas
Bogotá, octubre de 2022

2
INTRODUCCIÓN .................................................................................................................. 3
OBJETIVO ............................................................................................................................. 4
DEFINICIÓN Y TERMINOLOGIA ...................................................................................... 5
ESPECIFICA QUE ES UNA MATRIZ DE COVARIANZAS, MATRIZ DE

CORRELACION Y LAS APLICACIONES QUE TIENE .................................................. 18
REALIZAR LAS SIGUIENTES OPERACIONES ............................................................. 22
MAPA CONCEPTUAL CLASIFICACION DE MATRICES ............................................ 27
COMO CALCULAR LA INVERSA DE UNA MATRIZ DE DIMENSIÓN 5 X 5 ........... 28
BIOGRAFÍA DE CARL FRIEDRICH GAUSS Y WILHELM JORDAN .......................... 43
Bibliografía ........................................................................................................................... 46
3
INTRODUCCIÓN
Al iniciar la realización de este trabajo comenzaremos mencionando que las matrices aparecen
cerca del año 1850, gracias a James Joseph Sylvester.
En cuanto a la parte teórica podemos hacer referencia a William Rowan Hamilton quien en el
año 1853 genero el desarrollo inicial.
Y para el año 1858 se introduce la notación matricial como una forma abreviada de escribir un
sistema de m ecuaciones lineales con n incógnitas.
Las matrices son utilizadas para resolver sistemas de ecuaciones lineales, ecuaciones
diferenciales y derivadas parciales, cabe resaltar que actualmente son utilizadas en diferentes
áreas como lo son la geometría la informática la física la estadística y la economía entre otras.
En el estudio de la ingeniera de sistemas dichas matrices son parte fundamental en lo

relacionado a los lenguajes de programación, debido a que los datos que utilizamos en el diario
vivir son introducidos en filas y columnas en las denominadas hojas de cálculo, bases de datos,
entre otros
4
OBJETIVO
El objetivo de este trabajo es que por medio de la investigación podamos dar a conocer
definiciones de los diferentes tipos de matrices sus aspectos característicos aplicación a
ejercicios y demás características de las mismas.
5
DEFINICIÓN Y TERMINOLOGIA
 Notación Matricial: La notación matricial es el sistema de signos convencionales que se
adoptan y utilizan para expresar determinados conceptos en el caso de las matrices es la forma
abreviada en la que se expresan las formas es decir A= (aij), con i=1,2,..., m, j=1,2,..., n. Los
subíndices indican la posición del elemento dentro de la matriz, el primero denota la fila (i) y
el segundo la columna (j).
(definicionabc.com, s.f.)
 Matriz identidad: La matriz Identidad (o Unidad) es una matriz cuadrada llena de ceros (0)
excepto en la diagonal principal, donde todos los elementos son unos (1). A continuación se
anexaran algunos ejemplos de matriz identidad de dimensiones 2x2, 3x3 y 4x4.
(matricesydeterminantes.com, s.f.)
Como puedes ver, para construir la matriz Identidad siempre tenemos que hacer el mismo
procedimiento: poner unos (1) en la diagonal principal y el resto todo ceros (0). Lo único que
cambia es la dimensión de la matriz.

6
 Matriz Cuadrada: Una matriz cuadrada es una matriz que tiene el mismo número de filas
que de columnas.
Como ves, las matrices cuadradas se suelen nombrar por su orden, es decir, una matriz
cuadrada de orden 2 significa que es una matriz de dimensión 2×2 (2 filas y 2 columnas), o
cuando hablamos de una matriz cuadrada de orden 3 se está indicando que es de tamaño 3×3
(3 filas y 3 columnas). (www.matricesydeterminantes.com, s.f.)
 Matriz Diagonal: Una matriz diagonal es una matriz cuadrada en la que todos los elementos
que no son de la diagonal principal son cero (0). Los elementos de la diagonal principal
pueden ser nulos o no.

7
Este tipo de matrices se suelen escribir indicando los elementos de la diagonal:
(www.matricesydeterminantes.com, https://www.matricesydeterminantes.com/matrices/tipos-de-
matrices/matriz-diagonal/, s.f.)
 Matriz Transpuesta: La matriz transpuesta, también llamada matriz traspuesta, es la matriz
que se obtiene al cambiar las filas por columnas. La matriz transpuesta se representa poniendo
una «t» arriba a la derecha de la matriz (At).
Para trasponer la matriz A tan solo tenemos que cambiar las filas por las columnas. Es decir,
la primera fila de la matriz pasa a ser la primera columna de la matriz, y la segunda fila de la
matriz se convierte en la segunda columna de la matriz:
(www.matricesydeterminantes.com, https://www.matricesydeterminantes.com/matrices/matriz-
transpuesta-o-traspuesta-ejemplos-y-ejercicios-resueltos/, s.f.)
8
 Matriz Simétrica: Una matriz simétrica es una matriz cuadrada cuya traspuesta es igual a la
propia matriz.
𝐴𝑡 = 𝐴
Donde 𝐴𝑡 representa la matriz transpuesta de A
Reconocer la estructura de una matriz simétrica es muy sencillo: el elemento de la fila i y la
columna j tiene que ser idéntico al elemento de la fila j y columna i. Y los valores de la
diagonal principal de la matriz pueden ser cualesquiera.
Al trasponer estas tres matrices se comprueba que son simétricas, porque las matrices
traspuestas son equivalentes a sus respectivas matrices originales.
(www.matricesydeterminantes.com, https://www.matricesydeterminantes.com/matrices/tipos-de-
matrices/matriz-simetrica-ejemplos-y-propiedades/, s.f.)
9
 Matriz Antisimétrica: Una matriz antisimétrica es una matriz cuadrada cuya traspuesta es
igual a la negativa de la matriz.
𝐴𝑡 = −𝐴
Donde 𝐴𝑡 representa la matriz transpuesta de A y –A con todos sus elementos cambiados de
signo
Al trasponer estas tres matrices se comprueba que son antisimétricas, porque las matrices
traspuestas son equivalentes a sus respectivas matrices originales cambiadas de signo.
(www.matricesydeterminantes.com, https://www.matricesydeterminantes.com/matrices/tipos-
de-matrices/matriz-antisimetrica-ejemplos-y-propiedades/, s.f.)
10
 Matriz Triangular: Una matriz triangular es una matriz cuadrada en la que todos los
elementos por encima o por debajo de diagonal principal son cero (0).
Las matrices triangulares se utilizan mucho en cálculos de álgebra lineal, porque invertir una
matriz triangular, calcular su determinante o incluso resolver sistemas de ecuaciones lineales
con este tipo de matrices es mucho más fácil que con matrices que tienen elementos diferentes
de 0 en todas las posiciones.
1. Matriz triangular superior: Una matriz triangular superior es una matriz cuadrada
cuyos elementos por debajo de la diagonal principal son cero (0).
2. Una matriz triangular inferior es aquella matriz cuadrada que tiene un cero (0) en cada
elemento que está por encima de la diagonal principal.
A veces también se llama a estas matrices con la letra U, para la matriz triangular superior, y
con la letra L, para la matriz triangular inferior
(matricesydeterminantes.com, https://www.matricesydeterminantes.com/matrices/tipos-de-
matrices/matriz-triangular-superior-inferior/, s.f.)
11
 Matriz Idempotente: Una matriz idempotente es aquella matriz que multiplicada por ella
misma da como resultado la misma matriz.
𝐴∗𝐴=𝐴
Por lo tanto, cualquier potencia de una matriz idempotente es igual a la propia matriz,
independientemente del exponente:
De hecho, por esta razón este tipo de matriz recibe este nombre. Porque en matemáticas la
idempotencia es una operación que significa que siempre se obtiene el mismo resultado
independientemente del número de veces que se realice.
de-matrices/matriz-idempotente-ejemplos-propiedades/, s.f.)
12
 Matriz Nilpotente: Una matriz nilpotente es una matriz cuadrada que elevada a algún
número entero da como resultado la matriz nula.
𝑁𝑘 = 0
Donde N es la matriz nilpotente y k el exponente de la potencia que da como resultado la
matriz nula.
Esta condición no significa que la potencia de una matriz nilpotente siempre dé cero sea cual
sea el exponente, sino que si existe como mínimo una potencia de la matriz cuyo resultado es
una matriz llena de 0s entonces la matriz es nilpotente.
Por otro lado, el índice de nilpotencia de una matriz nilpotente es el número más pequeño con
el que se cumple la condición de nilpotencia. También se puede decir que la matriz nilpotente
es de orden k, siendo k su índice de nilpotencia.
La siguiente matriz cuadrada de dimensión 2×2 es nilpotente:

13
La matriz es nilpotente porque al elevar al cuadrado la matriz A obtenemos como resultado la
matriz cero:
Por lo tanto, se trata de una matriz nilpotente y su índice de nilpotencia es 2, ya que la matriz
nula se obtiene con la segunda potencia.
de-matrices/matriz-nilpotente-ejemplos-propiedades/, s.f.)
14
 Matriz Adjunta: La matriz adjunta es una matriz en la que se han cambiado todos sus
elementos por sus adjuntos.
Para calcular la matriz adjunta, tenemos que sustituir todos los elementos de la matriz por sus
adjuntos.
Calcula la matriz adjunta de la siguiente matriz cuadrada de dimensión 2×2:
Para calcular la matriz adjunta, debemos calcular el adjunto de cada elemento de la matriz.
Por tanto, primero vamos a resolver los adjuntos de todos los elementos con la fórmula:
15
Ahora simplemente tenemos que sustituir cada elemento de la matriz A por su adjunto para
hallar la matriz adjunta de \bm{A} :
Y de esta manera se halla la adjunta de una matriz, una de las utilidades de la matriz adjunta
es calcular la inversa de una matriz. De hecho, la manera más común de hallar la matriz
inversa es por el método de la matriz adjunta.
(www.matricesydeterminantes.com,
https://www.matricesydeterminantes.com/matrices/matriz-inversa/menor-complementario-
adjunto-y-matriz-adjunta-ejemplos-y-ejercicios-resueltos/, s.f.)
16
 Matriz de Cofactores: Una matriz de cofactores es una matriz donde cada elemento es un
determinante, en la cual cada elemento aij es reemplazado por su cofactor cij.
El cofactor de un componente aij denotado por cij está definido por
En otras palabras, el cofactor del componente cij es el menor Mij con signo prefijado -1i!j por
ejemplo, para el caso de una matriz 3x3
Si A es una matriz cuadrada de orden nxn, entonces el menor del elemento cij se denota por
Mij y se define como el determinante de la submatriz (n-1) (n-1) de A la cual se forma
suprimiendo todos los elementos de la fila i y todos los elementos de la columna j.
Una matriz adjunta es la traspuesta de una matriz de cofactores.
(es.scribd.com/document, s.f.)
17
 Matriz de Inversa: Se dice que una matriz cuadrada A es invertible si existe una matriz B
con la propiedad de que
Donde I es la matriz identidad. La matriz B es única, la llamamos la inversa de A y la
denotamos por 𝐴−1 . Esto es,
(superprof.es, s.f.)
18
ESPECIFICA QUE ES UNA MATRIZ DE COVARIANZAS, MATRIZ DE

CORRELACION Y LAS APLICACIONES QUE TIENE
 Matriz de covarianza: La matriz varianza–covarianza es una matriz cuadrada de dimensión
nxm que recoge las varianzas en la diagonal principal y las covarianzas en los elementos de
fuera de la diagonal principal.
En otras palabras, la matriz varianza-covarianza es una matriz que tiene el mismo número de
filas y columnas y que tiene distribuidas las varianzas en la diagonal principal y las
covarianzas en los elementos fuera de la diagonal principal.
La matriz varianza-covarianza acostumbra a expresarse como
Aunque parezca que sea el símbolo del sumatorio y que no tenga ninguna relación con la matriz
varianza-covarianza, esta letra griega representa perfectamente el contenido de esta matriz.
Para entenderlo, primero vamos a fijarnos en su expresión:

19
Sabiendo que hay m columnas, los puntos suspensivos indican que se ha obviado representar las
columnas entre la segunda y la última columna. Del mismo modo, sabiendo que hay n filas, los
puntos suspensivos indican que se ha obviado representar las filas entre la segunda y la última fila.
En este caso, empleamos la sigma para representar las covarianzas y la sigma al cuadrado para las
varianzas. A modo de ejemplo:
Los requisitos para que una matriz sea de varianza-covarianza son los siguientes:
1. Matriz cuadrada: mismo número de filas (n) que columnas (m), entonces, n=m, y por
tanto, la dimensión de esta matriz puede expresarse tanto nxm como nxn.
2. En la diagonal principal están las varianzas:
Fuera de la diagonal principal están las covarianzas:

20
En cuanto a la aplicación la matriz varianza-covarianza es muy popular en econometría dado que se
usa principalmente en el cálculo matricial de los coeficientes de la regresión lineal mediante Mínimos
Cuadrados Ordinarios, entre otros usos.
En finanzas, se utiliza para tener una imagen general de la volatilidad de los activos financieros.
Matemática se expresa como sigue:
 Covarianza del elemento n=1 y m=2
 Varianza del elemento n=1 y m=1
(economipedia.com, s.f.)
21
 Matriz de Correlación: La matriz de correlación muestra los valores de correlación de
Pearson, que miden el grado de relación lineal entre cada par de elementos o variables. Los
valores de correlación se pueden ubicar entre -1 y +1. Sin embargo, en la práctica, los
elementos por lo general tienen correlaciones positivas. Si los dos elementos tienden a
aumentar o disminuir al mismo tiempo, el valor de correlación es positivo.
1. Aplicación la matriz de correlación para evaluar la fuerza y dirección de la relación
entre dos elementos o variables. Un valor de correlación alto y positivo indica que los
elementos miden la misma destreza o característica. Si los elementos no están
altamente correlacionados, entonces los elementos pudieran medir diferentes
características o no estar claramente definidos.
A menudo, las variables con valores de correlación mayores que 0.7 se consideran
altamente correlacionadas. Sin embargo, el valor de referencia adecuado que se
utilizará también depende de las normas en su área de estudio y el número de
elementos en el análisis.
(support.minitab.com, s.f.)
22
REALIZAR LAS SIGUIENTES OPERACIONES
 calcule cada suma o producto si la matriz está definida. Si alguna expresión no está definida,
explique por qué. Dada las matrices
Calcular −2𝐴,𝐵 – 2𝐴,𝐴𝐶,𝐶𝐷,A+ 3B,2C− 3E,DB,EC.

23
24
25
3.2 Si 𝐴 es una matriz de 5 x 3 y el producto AB es 5 x 7, ¿cuál es el tamaño de B?
Para que una matriz se multiplique el segundo número de la primera matriz a y el primero de
la segunda matriz b deben ser iguales, entonces decimos que de acuerdo a los datos que
poseemos.
A=5X3
B=3X?
Como el resultado es 5X7, entonces la matriz B es de 3X7

26
3.2 ¿Cuántas filas tiene B si BC es una matriz de 5x4?
De acuerdo a que la dimensión de la matriz resultado en este caso BC serán la misma cantidad
de columnas de la primera matriz y las filas de la segunda matriz podemos decir que el
número de filas de B es igual a 5.

27
MAPA CONCEPTUAL CLASIFICACION DE MATRICES
(www.google.com, s.f.)
28
COMO CALCULAR LA INVERSA DE UNA MATRIZ DE DIMENSIÓN 5 X 5
Hallar la 𝐴−1 =? Método de Gauss Jordan
Tenemos una matriz A de orden 5 x 5 donde nos piden hallar la matriz inversa de la matriz A
utilizando el método de Gauus Jordan.
Cabe recordar que para calcular la matriz inversa utilizando el método de Gauss Jordan lo que
debemos hacer es en esta matriz de orden 5 * 5 es igualarla a la matriz identidad.
En este caso sería la matriz A de orden 5 x 5 igualado a la matriz identidad de orden 5 x 5 igualmente
recordar que la matriz identidad es una matriz diagonal donde todos los elementos de su diagonal
principal son iguales a 1

29
Antes de calcular la matriz inversa de A nosotros tenemos que saber si esta matriz tiene inversa pero
como podemos saber que una matriz cuadrada tiene matriz inversa, pues para esto esta matriz A tiene
que ser una matriz no singular esto quiere decir que tiene que existir la matriz inversa, existe la
matriz inversa si solo si el determinante de la matriz A es diferente de 0 cuando el determinante de la
matriz A es diferente de 0 es una matriz no singular si nuestra matriz el determinante es igual a 0 es
una matriz singular y por lo tanto no tiene matriz inversa.
Nosotros calcularemos la matriz inversa de la matriz A que es igual a (A) = - 1 como el determinante
de a es igual a menos 1 por lo tanto se cumple la condición anterior que existe la matriz inversa si
solo si el determinante de la matriz A es diferente de 0 ya que menos 1 es diferente de 0 por lo cual la
matriz dada al inicio tiene matriz inversa (La Matriz A es una matriz no singular) por lo cual es
posible utilizar el método de Gauss Jordan.
Procedemos a copiar la matriz A igualada a la matriz identidad (la línea segmentada representa el
símbolo =) cabe resaltar que anteriormente se dijo que la matriz identidad es una matriz diagonal
donde la diagonal principal son 1 (unos)

30
Y los demás valor serán 0 (ceros)
El método de Gauss Jordan consiste en escalonar la matriz tanto por debajo como por arriba de
nuestra diagonal principal inicialmente escalonaremos lo que se denomina como la matriz triangular
inferior donde se puede evidenciar que hay elementos que son diferentes de 0 debajo de la diagonal
principal por lo que lo primero que debemos hacer es convertir dichos valores en 0 luego de convertir
estos valores en 0 se procederá a escalonar la parte de arriba de nuestra diagonal principal lo que se
denomina como la matriz triangular superior.

31
La matriz del miembro izquierdo es la matriz A y la matriz del miembro derecho es nuestra matriz
identidad como lo mencionamos anteriormente la matriz A la estamos igualando a la matriz identidad
ya que el objetivo final es convertir la matriz A en la matriz identidad por lo tanto nuestra matiz A se
va a convertir en nuestra matriz identidad y la matriz identidad se convertirá en nuestra matriz
inversa.
Como dijimos tenemos que convertir debajo de nuestra diagonal principal todos los elemento en 0
cabe resaltar que nosotros ya contamos con algunos ceros 0 debajo de esta diagonal por lo tanto solo
vamos a pasar a convertir estos valores diferentes al escalonar el objetivo siempre es primero trabajar
con una columna en este caso vamos a trabajar con la primera columna convirtiendo todos sus
valores en 0, después pasamos a la segunda, a la tercera y por último el cuarto valor.

32
Como podemos ver en la primera columna ya se tienen 3 ceros solamente falta convertir el de la
segunda fila, en la segunda fila para convertir este 1 en cero solamente restamos la fila 1 por lo tanto
va a ser fila 2 menos fila 1 como la fila 1 es la fila pívot se procede a copiar tal cual
Como dijimos la condición es F2 – F1 por lo cual procedemos a realizar las operaciones indicadas
para cumplir la condición quedando el resultado como se muestra en la siguiente imagen

33
Como las últimas tres filas de la primera columna ya tienen 0 se procede a copear tal cual y se
procede a hacer la línea de escalonado como guía y evidenciamos que en la primera columna todos
sus elementos debajo de la diagonal principal son ceros 0 pasamos a la segunda columna
Ya en la segunda columna tenemos un valor de 2 por lo tanto trabajaremos con la fila 3 por lo cual a
esta fila lo que debo hacer es sumarle 2 veces la fila 2 en este caso no trabajaremos con las filas 1 y 2
por lo cual se procede a copear de nuevo tal cual como están luego de esto realizamos las operaciones
indicadas obteniendo el siguiente resultado.

34
Como las últimas dos filas de la columna 2 ya tienen 0 se procede a copear tal cual y se procede a
hacer la línea de escalonado como guía y evidenciamos que en la primera columna y segunda
columna todos sus elementos debajo de la diagonal principal son ceros 0 pasamos a la tercera
columna y trabajaremos con la fila 4 por lo cual para convertir el valor de la fila 4 en 0 es sumarle la
fila 3 obteniendo el siguiente resultado.

35
Como podemos evidenciar debajo de la diagonal principal ya tenemos en la primera, segunda y
tercera 0 ceros, por lo que nos hace falta el valor de la fila 5 para lo cual a nuestra fila 5 le
sumaremos la fila 4 para que ese valor se convierta en 0, las demás filas se proceden a copiar igual a
como se tienen ya que estas no se van a modificar, se procede a sumar la fila 4 y 5 obteniendo el
siguiente resultado, donde evidenciamos que se cumple el primer paso.
Procedemos a hacer la línea de escalonado para verificar si hemos obtenido todos los valores en 0 y
podemos validad que todos los elementos debajo de la diagonal principal todos los elementos son
ceros 0 y con esto estaríamos cumpliendo el primer paso.

36
Ahora nos hace falta escalonar la matriz triangular superior es decir todo lo que está arriba de nuestra
diagonal principal debemos convertirlo también en 0 pero antes de realizar este paso procederemos a
convertir nuestra diagonal principal en valores de 1 positivo ya que dentro de esta tenemos tres
valores de 1 negativo (-1) por lo tanto a la fila 2, 3 y 5 la multiplicaremos por -1 esto con el fin de
convertir el lado izquierdo de la matriz ampliada en nuestra matriz identidad ya que nuestra matriz
identidad es una diagonal de 1 (unos) con valores positivos y nuestra diagonal principal tiene 1
(unos) pero algunos con valores negativos por lo cual se multiplica por -1 nuestras filas 2, 3 y 5, la
fila 1 y 4 la copiamos igual y procedemos a realizar las operaciones indicadas obteniendo el
siguiente resultado.
37
Procedemos a realizar nuestra línea de escalonado donde evidenciamos que nuestra diagonal
principal solo cuenta con valor de 1 (uno) positivo por lo cual podemos pasar a escalonar nuestra
matriz triangular superior.
Para escalonar nuestra matriz triangular superior debemos iniciar con nuestra columna 5 donde
convertiremos todos los elementos de esta columna en 0 (ceros) arriba de nuestra diagonal principal y
repetimos este mismo procedimiento con las demás columnas hasta llegar a la columna 2, para
convertir el 7 que tenemos en la columna 4 para convertirlo debemos multiplicar a la fila 5 por -7 es
decir fila 4 menos 7 veces la fila 5, para convertir – 4 en 0 es multiplicar 4 veces a la fila 5 es decir
fila 3 más 4 veces la fila 5 para convertir – 1 en 0 debo sumar la fila 2 más la fila 5 y para convertir 2
en 0 tengo que multiplicarlo por -2 a la fila 5 y sumarlo a la fila 1 es decir fila 1 menos 2 veces la fila
5.
38
Procedemos a copiar la fila 5 como esta ya que no se va a modificar procedemos a trabajar con la fila
4 y procedemos a realizar las operaciones propuestas en la imagen anterior.
Hacemos nuestra línea de escalonado para guiarnos y notamos que por encima de nuestra diagonal
principal la columna 5 se ha convertido en 0 y procedemos a trabajar nuestra columna 4, para
convertir – 1 de la columna 4 fila 3 lo que debo hacer es sumarle a la fila 3 la fila 4, para convertir 1
de la columna 4 fila 2 debo multiplicarlo por – 1 y sumarlo a la fila 2 es decir fila 2 menos la fila 4,
para convertir 3 de la columna 4 fila 1 debo lo que tengo que multiplicar a la fila 4 es -3 y sumarle a
la fila 1 es decir fila 1 menos 3 veces la fila 4, la fila 4 y 5 no se modifican por lo cual se copian
como están obteniendo el siguiente resultado.

39
Hacemos nuestra línea de escalonado para guiarnos y podemos notar que la columna 5 y la columna
4 por arriba de nuestra diagonal principal ya son 0 y procedemos a pasar a la columna 3 y la columna
2, donde para convertir el 1 de la columna 3 fila 2 tengo que restar la fila 3 a la fila 2 es decir la fila 2
menos la fila 3 y para convertir el 4 de la columna 3 fila 1 a la fila 1 le tengo que restar 4 veces la fila
3 la fila 5 4 y tres no se modifican por lo cual se copian igual obteniendo los siguientes resultados.
40
Hacemos nuestra línea de escalonado para guiarnos y podemos notar que solo nos falta por convertir
la columna 2 en 0 por lo tanto a la fila 1 le voy a restar 2 veces la fila 2 las demas filas 5,4,3 y 2 las
voy a copiar tal cual y obtenemos los siguiente resultados.
Hacemos nuestra línea de escalonado y evidenciamos que tanto la matriz triangular inferior y
superior son 0 (ceros) y la diagonal principal todos los elementos son iguales a 1 por lo cual aquí
culminaría el procedimiento, es aquí que como dijimos al inicio al igualar la matriz A a la matriz
identidad el objetivo era convertir el lado izquierdo en nuestra matriz identidad y todas las
operaciones en el lado derecho se convertirían en nuestra matriz inversa por lo cual se logra el
objetivo de convertir nuestro lado izquierdo en nuestra matriz identidad y el lado derecho en nuestra
matriz inversa por lo cual nuestra matriz inversa es igual al lado derecho de nuestra matriz ampliada
como se plasma a continuación.

41
Para confirmar que nuestra matriz inversa está bien debemos ir a la definición de matriz inversa la
cual nos dice que el resultado de nuestra matriz original multiplicada por nuestra matriz inversa
hallada nos debe dar como resultado nuestra matriz identidad.

42
Aquí podemos evidenciar el ejercicio completo con el correspondiente paso a paso explicado.
(www.youtube.com, s.f.)
43
BIOGRAFÍA DE CARL FRIEDRICH GAUSS Y WILHELM JORDAN
 CARL FRIEDRICH GAUSS: Matemático, astrónomo, geodesta y físico alemán. Reconocido
por sus contribuciones en muchos campos, como la teoría de los números, el análisis
matemático, la geometría diferencial, la estadística, la geodésica, el álgebra, la geodesia, el
magnetismo y la óptica. Está considerado por muchos como el matemático más importante
desde la antigüedad.
Nacido en 1777 en Gotinga Alemania Fue conocido como el príncipe de las matemáticas Hijo
de Gebhard Dietrich Gauss, un albañil, su madre, Dorothea Gauss era analfabeta.
Cuando tenía doce años, criticó los fundamentos de la geometría euclidiana; a los trece le
interesaba las posibilidades de la geometría no euclidiana. A los quince, entendía la
convergencia y probó el binomio de Newton.
Aportes de CARL FRIEDRICH GAUSS
1. Teorema fundamental de álgebra
2. Disquisitiones Arithmeticae
3. Curva de Gauss
4. Teorema de Gauss
(www.buscabiografias.com, s.f.)
44
 WILHELM JORDAN: Wilhelm Jordan (1842–1899) fue un geodesista alemán que hizo
trabajos de topografía en Alemania y África. Es recordado entre los matemáticos por su
algoritmo de la eliminación de Gauss-Jordan que aplicó para resolver el problema de mínimos
cuadrados.
Wilhelm Jordan, en su trabajo sobre topografía, usó el método de mínimos cuadrados de
forma habitual. Este método es especialmente útil en disciplinas como la topografía, la
geodesia o la astronomía, caracterizadas porque cuando se realizan observaciones existe una
redundancia en medidas de ángulos y longitudes. No obstante, existen relaciones que
conectan las medidas, y se pueden escribir como un sistema lineal sobre-determinado (más
ecuaciones que incógnitas) al cual se le aplica el método.
Formando parte de la discusión, dio una detallada presentación del método de eliminación de
Gauss para convertir el sistema dado en triangular. Entonces mostró cómo la técnica de
sustitución hacia atrás permitía encontrar la solución cuando se conocían los coeficientes. Sin
embargo, anota que si se realiza esta sustitución, no numérica sino algebraicamente, se
pueden obtener las soluciones de las incógnitas con fórmulas que involucran los coeficientes
del sistema. En la primera y segunda edición (1879) de su libro simplemente dio estas
fórmulas pero en la cuarta edición (1895) dio un algoritmo explícito para resolver un sistema
de ecuaciones con matriz de coeficientes simétrica, que son las que aparecen en los problemas
de mínimos cuadrados. Este algoritmo es, en efecto, el método de "Gauss-Jordán".

45
Aunque Jordan no usó matrices como se hace actualmente, realizaba el trabajo sobre tablas de
coeficientes y explicaba cómo pasar de una fila a la siguiente, como muchos textos hacen hoy
en día. La mayor diferencia entre su método y el actual es que Jordan no hacía el pivote de
cada fila igual a 1 durante el proceso de solución. En el paso final, simplemente expresaba
cada incógnita como un cociente con el pivote como denominador.
A mediados de la década de 1950 la mayoría de las referencias al método de Gauss-Jordan se
encontraban en libros y artículos de métodos numéricos. En las décadas más recientes ya
aparece en los libros elementales de álgebra lineal. Sin embargo, en muchos de ellos, cuando
se menciona el método, no se referencia al inventor.
(www.wikiwand.com, s.f.)
46
Bibliografía
definicionabc.com. (s.f.). https://definicionabc.com/notacion/.
economipedia.com. (s.f.). https://economipedia.com/definiciones/matriz-varianza-covarianza.html.
es.scribd.com/document. (s.f.). https://es.scribd.com/document/264009763/Matriz-de-Cofactores.
matricesydeterminantes.com. (s.f.). https://www.matricesydeterminantes.com/matrices/tipos-de-
matrices/matriz-identidad-o-unidad/.
matricesydeterminantes.com. (s.f.). https://www.matricesydeterminantes.com/matrices/tipos-de-
matrices/matriz-triangular-superior-inferior/.
superprof.es. (s.f.).
https://www.superprof.es/apuntes/escolar/matematicas/algebralineal/determinantes/matriz-
inversa.html.
support.minitab.com. (s.f.). https://support.minitab.com/es-mx/minitab/21/help-and-how-to/statistical-
modeling/multivariate/how-to/item-analysis/interpret-the-results/all-statistics-and-graphs/.
www.buscabiografias.com. (s.f.).
https://www.buscabiografias.com/biografia/verDetalle/2139/Carl%20Gauss%20-
%20Carl%20Friedrich%20Gauss.
www.google.com. (s.f.).
https://www.google.com/search?q=mapa+conceptual+clasificacion+de+matrices&client=firefox-b-
d&source=lnms&tbm=isch&sa=X&ved=2ahUKEwi37KiAweL6AhVGmIQIHf3GBiYQ_AUoAXoECA
IQAw&biw=1600&bih=775&dpr=1#imgrc=jr5fcjUxby-K0M.
www.matricesydeterminantes.com. (s.f.). https://www.matricesydeterminantes.com/matrices/matriz-
inversa/menor-complementario-adjunto-y-matriz-adjunta-ejemplos-y-ejercicios-resueltos/.
www.matricesydeterminantes.com. (s.f.). https://www.matricesydeterminantes.com/matrices/matriz-
transpuesta-o-traspuesta-ejemplos-y-ejercicios-resueltos/.
www.matricesydeterminantes.com. (s.f.). https://www.matricesydeterminantes.com/matrices/tipos-de-
matrices/matriz-antisimetrica-ejemplos-y-propiedades/.
matrices/matriz-cuadrada/.
matrices/matriz-diagonal/.
matrices/matriz-idempotente-ejemplos-propiedades/.
matrices/matriz-nilpotente-ejemplos-propiedades/.
matrices/matriz-simetrica-ejemplos-y-propiedades/.
www.wikiwand.com. (s.f.). https://www.wikiwand.com/es/Wilhelm_Jordan.
www.youtube.com. (s.f.). https://www.youtube.com/watch?v=5zsm44qtkYg.

Algebra Lineal

Cargado por

Información del documento

Descripción original:

Título original

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

Algebra Lineal

Cargado por

Copyright:

Formatos disponibles

1

SHADEN AVILA ROJAS

JUAN MANUEL SANCHEZ NAVARRO

Corporación Unificada Nacional de Educación Superior (CUN)

Bogotá, octubre de 2022

DEFINICIÓN Y TERMINOLOGIA ...................................................................................... 5

ESPECIFICA QUE ES UNA MATRIZ DE COVARIANZAS, MATRIZ DE

REALIZAR LAS SIGUIENTES OPERACIONES ............................................................. 22

MAPA CONCEPTUAL CLASIFICACION DE MATRICES ............................................ 27

COMO CALCULAR LA INVERSA DE UNA MATRIZ DE DIMENSIÓN 5 X 5 ........... 28

BIOGRAFÍA DE CARL FRIEDRICH GAUSS Y WILHELM JORDAN .......................... 43

En el estudio de la ingeniera de sistemas dichas matrices son parte fundamental en lo

 Notación Matricial: La notación matricial es el sistema de signos convencionales que se

el segundo la columna (j).

anexaran algunos ejemplos de matriz identidad de dimensiones 2x2, 3x3 y 4x4.

cambia es la dimensión de la matriz.

(3 filas y 3 columnas). (www.matricesydeterminantes.com, s.f.)

pueden ser nulos o no.

Este tipo de matrices se suelen escribir indicando los elementos de la diagonal:

 Matriz Transpuesta: La matriz transpuesta, también llamada matriz traspuesta, es la matriz

una «t» arriba a la derecha de la matriz (At).

matriz se convierte en la segunda columna de la matriz:

Donde 𝐴𝑡 representa la matriz transpuesta de A

Reconocer la estructura de una matriz simétrica es muy sencillo: el elemento de la fila i y la

diagonal principal de la matriz pueden ser cualesquiera.

traspuestas son equivalentes a sus respectivas matrices originales.

igual a la negativa de la matriz.

Donde 𝐴𝑡 representa la matriz transpuesta de A y –A con todos sus elementos cambiados de

traspuestas son equivalentes a sus respectivas matrices originales cambiadas de signo.

matriz triangular, calcular su determinante o incluso resolver sistemas de ecuaciones lineales

de 0 en todas las posiciones.

cuyos elementos por debajo de la diagonal principal son cero (0).

elemento que está por encima de la diagonal principal.

con la letra L, para la matriz triangular inferior

misma da como resultado la misma matriz.

independientemente del exponente:

independientemente del número de veces que se realice.

número entero da como resultado la matriz nula.

Donde N es la matriz nilpotente y k el exponente de la potencia que da como resultado la

una matriz llena de 0s entonces la matriz es nilpotente.

es de orden k, siendo k su índice de nilpotencia.

La siguiente matriz cuadrada de dimensión 2×2 es nilpotente:

La matriz es nilpotente porque al elevar al cuadrado la matriz A obtenemos como resultado la

nula se obtiene con la segunda potencia.

elementos por sus adjuntos.

Calcula la matriz adjunta de la siguiente matriz cuadrada de dimensión 2×2:

hallar la matriz adjunta de \bm{A} :

inversa es por el método de la matriz adjunta.

determinante, en la cual cada elemento aij es reemplazado por su cofactor cij.

El cofactor de un componente aij denotado por cij está definido por

ejemplo, para el caso de una matriz 3x3

Mij y se define como el determinante de la submatriz (n-1) (n-1) de A la cual se forma

suprimiendo todos los elementos de la fila i y todos los elementos de la columna j.

Una matriz adjunta es la traspuesta de una matriz de cofactores.

con la propiedad de que

Donde I es la matriz identidad. La matriz B es única, la llamamos la inversa de A y la

denotamos por 𝐴−1 . Esto es,

ESPECIFICA QUE ES UNA MATRIZ DE COVARIANZAS, MATRIZ DE

 Matriz de covarianza: La matriz varianza–covarianza es una matriz cuadrada de dimensión

fuera de la diagonal principal.

covarianzas en los elementos fuera de la diagonal principal.

La matriz varianza-covarianza acostumbra a expresarse como