Beruflich Dokumente
Kultur Dokumente
En matemtica, una matriz es un arreglo bidimensional Los cuadrados mgicos eran conocidos por los mate-
de nmeros. Dado que puede denirse tanto la suma co- mticos rabes, posiblemente desde comienzos del siglo
mo el producto de matrices, en mayor generalidad se dice VII, quienes a su vez pudieron tomarlos de los matem-
que son elementos de un anillo. Una matriz se representa ticos y astrnomos de la India, junto con otros aspectos
por medio de una letra mayscula(A,B..) y sus elemen- de las matemticas combinatorias. Todo esto sugiere que
tos con la misma letra en minscula (a,b...), con un doble la idea provino de China. Los primeros cuadrados m-
subndice donde el primero indica la la y el segundo la gicos de orden 5 y 6 aparecieron en Bagdad en el 983,
columna a la que pertenece. en la Enciclopedia de la Hermandad de Pureza (Rasa'il
Ihkwan al-Safa).[2]
a11 a12 a1n Despus del desarrollo de la teora de determinantes por
a21 a22 a2n
Seki Kowa y Leibniz para facilitar la resolucin de ecua-
A= . .. .. ..
.. . . . ciones lineales, a nales del siglo XVII, Cramer pre-
an1 an2 ann sent en 1750 la ahora denominada regla de Cramer.
Carl Friedrich Gauss y Wilhelm Jordan desarrollaron la
Los elementos individuales de una matriz m n, a me- eliminacin de Gauss-Jordan en el siglo XIX.
nudo denotados por ai, aj, donde el mximo valor de sus Fue James Joseph Sylvester quien utiliz por primera vez
elementos (i,j) en i es m, y el mximo valor de j es n. el trmino matriz en 1848/1850.
Siempre que la matriz tenga el mismo nmero de las
En 1853, Hamilton hizo algunos aportes a la teora de
y de columnas que otra matriz, estas se pueden sumar o
matrices. Cayley introdujo en 1858 la notacin matri-
restar elemento por elemento.
cial, como forma abreviada de escribir un sistema de m
Las matrices se utilizan para mltiples aplicaciones y sir- ecuaciones lineales con n incgnitas.
ven, en particular, para representar los coecientes de
Cayley, Hamilton, Hermann Grassmann, Frobenius, Olga
los sistemas de ecuaciones lineales o para representar
Taussky-Todd y John von Neumann cuentan entre los
transformaciones lineales dada una base. En este ltimo
matemticos famosos que trabajaron sobre la teora de
caso, las matrices desempean el mismo papel que los
las matrices. En 1925, Werner Heisenberg redescubre el
datos de un vector para las aplicaciones lineales.
clculo matricial fundando una primera formulacin de lo
Pueden sumarse, multiplicarse y descomponerse de va- que iba a pasar a ser la mecnica cuntica. Se le conside-
rias formas, lo que tambin las hace un concepto clave en ra a este respecto como uno de los padres de la mecnica
el campo del lgebra lineal. cuntica.
Olga Taussky-Todd (1906-1995), durante la II Guerra
Mundial, us la teora de matrices para investigar el fe-
1 Historia nmeno de aeroelasticidad llamado uttering.
1
2 2 INTRODUCCIN
Como caso particular de matriz, se denen los vectores Veamos un ejemplo ms explcito. Sea A, B M3 (R)
la y los vectores columna. Un vector la o vector ren-
gln es cualquier matriz de tamao 1 n mientras que
un vector columna es cualquier matriz de tamao m 1 1 3 2 1 0 5 1+1 3+0 2+5 2 3 7
1 0 0+7 5 0 = 1 + 7 0 + 5 0 + 0 = 8 5 0
.
1 2 2 2 1 1 1+2 2+1 2+1 3 3 3
A las matrices que tienen el mismo nmero de las que
de columnas, m = n , se les llama matrices cuadradas No es necesario que las matrices sean cuadradas:
y el conjunto se denota Mn (K) A la luz de estos ejemplos es inmediato ver que dos matri-
ces se pueden sumar solamente si ambas tienen el mismo
2.3 Operaciones bsicas entre matrices 3
tamao. La suma de matrices, en el caso de que las en- 2.3.2 Producto por un escalar
tradas estn en un campo, poseen las propiedades de aso-
ciatividad, conmutatividad, existencia de elemento neu- Sean A Mnm (K) y K . Se dene la ope-
tro aditivo y existencia de inverso aditivo. Esto es as ya racin de producto por un escalar como una funcin
que estas son propiedades de los campos en los que estn KMnm (K) Mnm (K) tal que (, A) 7 B =
las entradas de la matriz. A y donde bij = aij en donde el producto es la ope-
racin binaria correspondiente pero en el campo K . Por
Propiedades de la suma de matrices ejemplo, la entrada b12 es igual al producto a12 .
Veamos un ejemplo ms explcito. Sea A M23 (R) y
Sean A, B, C Mnm (K) , donde K es un campo en- 2 R
tonces se cumplen las siguientes propiedades para la ope-
racin binaria + [ ] [ ] [ ]
1 8 3 2(1) 2(8) 2(3) 2 16 6
2 = =
4 2 6 2(4) 2(2) 2(6) 8 4 12
Asociatividad
Tambin es inmediato observar que el producto por un
(A + B) + C = A + (B + C) escalar da como resultado una matriz del mismo tamao
que la original. Tambin el producto por un escalar de-
pender de la estructura algebraica en la que las entradas
Conmutatividad
estn. En el caso de que estn en un campo sern dos dis-
tributividades (una respecto de suma de matrices y otra
(A + B) = (B + A) respecto de suma en el campo), asociatividad y una pro-
piedad concerniente al producto por el elemento neutro
Existencia del elemento neutro aditivo multiplicativo del campo. A continuacin se presentan las
propiedades.
Existe 0 Mnm (K) tal que
Propiedades del producto por un escalar
()A = (A)
A+D =0
Distributividad respecto de la suma de matrices
a esta matriz D se le denota por A .
En efecto, estas propiedades dependen del conjunto en el (A + B) = A + B
que estn las entradas, como se ha dicho antes, aunque en
las aplicaciones generalmente los campos usados son R Distributividad respecto de la suma en el campo
(los nmeros reales) y C (los nmeros complejos).
( + )A = A + A
Por como se deni la operacin binaria adicin se dice
que sta operacin es una operacin interna por lo que se
Producto por el neutro multiplicativo del campo
cumple intrnsecamente la propiedad de que Mnm (K)
es cerrado bajo adicin. Con stas propiedades se tiene
1K A = A
que (Mnm (K), +) es un grupo abeliano.
En el caso en que el conjunto al que pertenecen las entra- Por como se deni la operacin de producto por esca-
das de la matriz sea un anillo (A, +A , A ) , la operacin lares se dice que Mnm (K) es cerrado bajo producto
de adicin de matrices contina dotando de estructura de por escalares. Con stas propiedades y las de la adicin
grupo abeliano a (Mnm (A), +) , ya que bajo un anillo se tiene que Mnm (K) es un espacio vectorial con las
(A, +A , A ) se tiene que (A, +A ) es un grupo abeliano. operaciones de suma y producto por escalares denidas
En el caso de que las entradas estn en un grupo (G, + ) antes.
G
, ste necesita ser un grupo abeliano para que la adicin En el caso de que las entradas y los escalares no estn en
de matrices siga dotando de estructura de grupo abeliano un campo sino en un anillo entonces no necesariamen-
a (Mnm (G), +) . te existe el neutro multiplicativo. En caso de que exista,
4 2 INTRODUCCIN
con lo cual el anillo es un anillo con uno, se dice que producto de matrices como una funcin Mnm (K)
Mnm (A) es un mdulo sobre A . Mmp (K) M np (K) tal que (A, B) 7 C = AB
m
Ahora, a partir de las propiedades bsicas se puede de- y donde cij = k=1 aik bkj para toda i, j , es decir cij =
a i1 b1j +ai2 b2j +ai3 b3j + +aim bmj . Por ejemplo, la
mostrar inmediatamente que
entrada c12 = a11 b12 + a12 b22 + a13 b32 + + a1m bm2
Este ltimo resultado permite usar la notacin A sin .
riesgo de ambigedad.
Veamos un ejemplo ms explcito. Sean A M23 (R)
y B M32 (R)
2.3.3 Producto de matrices
[ ] 3 1 [ ]
B
1 0 2 1(3) + 0(2) + 2(1) 1(1) + 0(1) + 2(0)
2 1 =
1 3 1 1(3) + 3(2) + 1(1) 1(1) + 3(1) + 1(0)
1 0
A
nmero de columnas que B de las entonces no podre-
mos establecer en donde acaba la suma: si la acabamos en
el mayor de stos nmeros habr sumandos que no estn
denidos ya que una de las matrices no tendr ms entra-
das, mientras que si tomamos el menor habr entradas de
alguna de las matrices que no se tomen en cuenta. As es
necesario que A tenga el mismo nmero de columnas
que B de las para que AB exista.
Diagrama esquemtico que ilustra el producto de dos matrices A
y B dando como resultado la matriz AB .
Como se puede suponer tambin, las propiedades de sta
operacin sern ms limitadas en la generalidad ya que
adems de las limitaciones impuestas por la naturaleza
El producto de matrices se dene de una manera muy pe- de las entradas est esta limitacin respecto a tamao. Es
culiar y hasta caprichosa cuando no se conoce su origen. claro, adems, que el producto de matrices no siempre es
El origen proviene del papel de las matrices como repre- una operacin interna.
sentaciones de aplicaciones lineales. As el producto de
matrices, como se dene, proviene de la composicin de
aplicaciones lineales. En este contexto, el tamao de la Propiedades del producto de matrices
matriz corresponde con las dimensiones de los espacios
vectoriales entre los cuales se establece la aplicacin li- Sean A, B, C matrices con entradas en K , donde K es
neal. De ese modo el producto de matrices, representa la un campo, entonces se cumplen las siguientes propieda-
composicin de aplicaciones lineales. des para el producto de matrices (considerando que los
productos existan)
En efecto, en ciertas bases tenemos que f : V W
se puede representar como f (x) = Ax donde x es la
representacin de un vector de V en la base que se ha Asociatividad
elegido para V en forma de vector columna. Si tenemos
dos aplicaciones lineales f : V W y g : W U A(BC) = (AB)C
entonces f (x) = Bx y g(x) = Ax , luego la aplica-
cin g f : V U se representar como g f (x) = Distributividad respecto de la suma de matrices
g(f (x)) = g(Bx) = ABx donde AB es el producto de por la derecha
las representaciones matriciales de f, g . Ntese que la
composicin no se puede dar entre cualquier aplicacin (A + B)C = AC + BC
sino entre aplicaciones que vayan de V W U , en
particular debe de haber una relacin entre las dimensio- Distributividad respecto de la suma de matrices
nes de los espacios vectoriales. Una vez dicho esto pode- por la izquierda
mos denir el producto de la siguiente manera.
Sean A Mnm (K) y B Mmp (K) . Se dene el A(B + C) = AB + AC
3.3 Matrices cuadradas y deniciones relacionadas 5
El producto de matrices no es conmutativo, si lo fuera Si A Mnm (X) representa una aplicacin lineal, en-
la composicin de funciones lineales sera conmutativa y tonces la matriz AT describe la traspuesta de la aplicacin
eso en general no sucede. Obviamente existen casos parti- lineal.
culares de algunos tipos de matrices en los que si hay con-
mutatividad. En el caso en que tengamos Mn (K) tendre-
mos que el producto entre matrices en Mn (K) tambin 3.3 Matrices cuadradas y deniciones re-
est en Mn (K) . En ese caso Mn (K) adems de espacio lacionadas
vectorial es un lgebra sobre un campo. En el caso de que
el conjunto al que pertenecen las entradas sea un anillo Una matriz cuadrada es una matriz que tiene el mismo
conmutativo con uno entonces Mn (A) adems de mdu- nmero de las que de columnas. El conjunto de todas
lo es un lgebra sobre un anillo. Mas an (Mn (K), +, ) las matrices cuadradas n-por-n junto a la suma y la mul-
con el producto de matrices es un anillo. tiplicacin de matrices, es un anillo que generalmente no
es conmutativo.
M(n,R), el anillo de las matrices cuadradas reales, es un
3 Otros conceptos relacionados con lgebra asociativa real unitaria. M(n,C), el anillo de las
matrices matrices cuadradas complejas, es un lgebra asociativa
compleja.
La matriz identidad In de orden n es la matriz n por n
3.1 Rango de una matriz
en la cual todos los elementos de la diagonal principal son
iguales a 1 y todos los dems elementos son iguales a 0.
El rango de una matriz A es la dimensin de la imagen de
La matriz identidad se denomina as porque satisface las
la aplicacin lineal representada por A , que coincide con
ecuaciones MIn = M y InN = N para cualquier matriz M
la dimensin de los espacios vectoriales generados por las
m por n y N n por k. Por ejemplo, si n = 3:
las o columnas de A .
3.2 Matriz traspuesta 1 0 0
I3 = 0 1 0.
La traspuesta de una matriz A Mnm (X) , donde 0 0 1
X no es necesariamente un campo, es una matriz B
La matriz identidad es el elemento unitario en el anillo de
Mmn (X) tal que bij = aji . Por ejemplo la entrada
matrices cuadradas.
b12 = a21 .
Los elementos invertibles de este anillo se llaman
Veamos un ejemplo ms explcito. Sea A M23 (R)
matrices invertibles, regulares o no singulares. Una
matriz A n por n es invertible si y slo si existe una ma-
[ ] triz B tal que AB = I
1 8 3
4 2 6
(left)
entonces su traspuesta es
En este caso, B es la matriz inversa de A, identicada
por A1 . El conjunto de todas las matrices invertibles
1 4 n por n forma un grupo (concretamente un grupo de Lie)
8 2 bajo la multiplicacin de matrices, el grupo lineal general.
3 6
Si es un nmero y v es un vector no nulo tal que Av =
As, informalmente podramos decir que la traspuesta es v, entonces se dice que v es un vector propio de A y que
aquella matriz que se obtiene de la original cambiando es su valor propio asociado. El nmero es un valor
las por columnas. Las notaciones usuales para denotar propio de A si y slo si AIn no es invertible, lo que
la traspuesta de una matriz son AT , At . sucede si y slo si pA() = 0, donde pA(x) es el polinomio
caracterstico de A. pA(x) es un polinomio de grado n
La trasposicin de matrices tiene las siguientes propieda- y por lo tanto, tiene n races complejas mltiples races
des (donde ahora s el conjunto de entradas debe ser al si se cuentan de acuerdo a su multiplicidad. Cada matriz
menos un anillo conmutativo): cuadrada tiene como mucho n valores propios complejos.
El determinante de una matriz cuadrada A es el producto
T T
(A ) = A, de sus n valores propios, pero tambin puede ser denida
por la frmula de Leibniz. Las matrices invertibles son
(A + B)T = AT + B T , precisamente las matrices cuyo determinante es distinto
(AB)T = B T AT , de cero.
6 4 APLICACIONES
3.4.1 Representacin de una relacin matricial El nmero de matrices binarias mxn distintas es igual a
2mn , y es por tanto nito.
Si R es una relacin binaria entre los nitos conjuntos in-
dexados X e Y (tales que R XY), entonces R puede
representarse por la matriz lgica M cuyos ndices de la 4 Aplicaciones
y columna indexan los elementos de X e Y, respectiva-
mente, tales que las entradas de M se denen por:
4.1 Las matrices en la Computacin
{ Las matrices son utilizadas ampliamente en la compu-
1 (xi , yj ) R
Mi,j = tacin, por su facilidad y liviandad para manipular infor-
0 (xi , yj ) R macin. En este contexto, son una buena forma para re-
Con el n de designar los nmeros de la y columna de la presentar grafos, y son muy utilizadas en el clculo nu-
matriz, los conjuntos X e Y estn indexados con nme- mrico. En la computacin grca, las matrices son am-
ros enteros positivos: i va desde 1 hasta la cardinalidad pliamente usadas para lograr animaciones de objetos y
(tamao) de X y j oscila entre 1 y la cardinalidad de Y. formas.
dencia en la cual el grafo se muestra en una matriz de A en los casos en los que dos vertices estan conectados y un
(serian las aristas) por V (serian los vertices), donde con- 0 en los casos en los que no.
tiene la informacin de la arista (1 si esta conectado y 0
En algunos casos como el de la posicin V3 /V5 se obser-
no conectado). va un 0 debido a que la conexin entre ellos muestra un
Si nos dan un grafo G=(X,U), de orden n, podemos lle- sentido permitiendo el paso de ujo de V5 a V3 pero no
gar a representar una relacin de adyacencia, mediante al contrario, motivo por el cual V5 /V3 si presenta un 1.
una matriz A=[aij] nxn, tambin llamada matriz de adya-
Cabe decir que si se toma otra ordenacin de los vertices
cencia de G. la matriz de adyacencia sera diferente, pero todas las ma-
Se deben de tener en cuenta una serie de observaciones trices de adyacencia resultantes de un mismo grafo estan
sobre esto: unidas por una matriz de permutacin P tal que P1 C P
= A (Siendo C y A dos matrices de adyacencia distintas
1. La matriz de adyacencia es una matriz booleana, co- pero provenientes de un mismo grafo).
mo se ha dicho antes es una matriz que solo puede
contener 0 y 1.
2. x = semigrado exterior de x 4.6 Anlisis y geometra
3. x = semigrado interior de x La Matriz de Hessian de una funcin diferencial : Rn
R consiste en la segunda derivada de f con respecto a las
En la teora de grafos, se llama matriz de un grafo a la varias direcciones de coordenadas, esto es,
matriz que indica en la lnea i y la columna j el nmero
de aristas que enlazan el vrtice i al vrtice j. En un grafo
no orientado, la matriz es simtrica. La suma de los ele- [ ]
2f
mentos de una columna permite determinar el grado de H(f ) = .
un vrtice. La matriz M n indica en la lnea i y la columna xi xj
j el nmero de caminos a n aristas que adjuntan el vrtice
i al vrtice j. Codica informacin sobre el comportamiento creciente
7.1 Notas
[ ]
fi [1] Tony Crilly (2011). 50 cosas que hay que saber sobre ma-
J(f ) = .
xj 1im,1jn temticas. Ed. Ariel. ISBN 978-987-1496-09-9.
Si n > m, y si el rango de la matriz Jacobi alcanza su va- [2] Swaney, Mark. History of Magic Squares.
lor mximo m, f es localmente invertible en ese punto,
[3] Shen Kangshen et al. (ed.) (1999). Nine Chapters of the
por el teorema de la funcin implcita. Las ecuaciones
Mathematical Art, Companion and Commentary. Oxford
diferenciales parciales pueden clasicarse considerando
University Press. cited byOtto Bretscher (2005). Linear
la matriz de coecientes de los operadores diferenciales Algebra with Applications (3rd ed. edicin). Prentice-Hall.
de orden ms alto de la ecuacin. Para las ecuaciones di- p. 1.
ferenciales elpticas parciales esta matriz es positiva para
todos sus valores, los cuales tienen una inuencia decisi- [4] De Burgos, Juan. Sistemas de ecuaciones lineales.
va en el grupo de soluciones posibles de la ecuacin en lgebra lineal y geometra cartesiana. p. 6. ISBN
cuestin. 9788448149000.
7 Referencias
Beezer, Rob, Un primer curso en lgebra lineal, li-
cencia bajo GFDL. (En ingls)
Jim Heeron: lgebra lineal (Libros de texto en
lnea) (En ingls)
10 9 ORIGEN DEL TEXTO Y LAS IMGENES, COLABORADORES Y LICENCIAS
9.2 Imgenes
Archivo:Captura_de_pantalla_(2).png Fuente: https://upload.wikimedia.org/wikipedia/commons/5/52/Captura_de_pantalla_%282%
29.png Licencia: CC BY-SA 4.0 Colaboradores: Trabajo propio Artista original: Jaimedelop
Archivo:Grafo_para_el_estudio_de_una_matriz_sobre_el.png Fuente: https://upload.wikimedia.org/wikipedia/commons/5/5e/
Grafo_para_el_estudio_de_una_matriz_sobre_el.png Licencia: CC BY-SA 4.0 Colaboradores: Trabajo propio Artista original: Julin
Cullar
Archivo:Matrix_multiplication_diagram.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/1/11/Matrix_multiplication_
diagram.svg Licencia: CC-BY-SA-3.0 Colaboradores: Trabajo propio Artista original: User:Bilou
Archivo:Saddle_Point_SVG.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/0/0d/Saddle_Point_SVG.svg Licencia: CC
BY-SA 3.0 Colaboradores: Trabajo propio
Artista original: IkamusumeFan