Matriz (matemticas)

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.

El origen de las matrices es muy antiguo. Los cuadrados

latinos y los cuadrados mgicos se estudiaron desde hace
mucho tiempo. Un cuadrado mgico, 3 por 3, se registra
en la literatura china hacia el 650 a. C.[2]
Es larga la historia del uso de las matrices para resol-
ver ecuaciones lineales. Un importante texto matemtico
chino que proviene del ao 300 a. C. a 200 a. C., Nue-
ve captulos sobre el Arte de las matemticas (Jiu Zhang
Suan Shu), es el primer ejemplo conocido de uso del m-
todo de matrices para resolver un sistema de ecuaciones
simultneas.[3] En el captulo sptimo, "Ni mucho ni po-
co", el concepto de determinante apareci por primera
vez, dos mil aos antes de su publicacin por el matem-
tico japons Seki Kwa en 1683 y el matemtico alemn
Gottfried Leibniz en 1693.
2 Introduccin
2.1 Denicin
Una matriz es un arreglo bidimensional de nmeros (lla-
mados entradas de la matriz) ordenados en las (o ren-
glones) y columnas, donde una la es cada una de las
lneas horizontales de la matriz y una columna es cada
una de las lneas verticales. A una matriz con n las y m
columnas se le denomina matriz n-por-m (escrito n m
) donde n, m N {0} . El conjunto de las matrices de
tamao n m se representa como Mnm (K) , donde K
es el campo al cual pertenecen las entradas. El tamao de

1
2 2 INTRODUCCIN

una matriz siempre se da con el nmero de las primero 2.2 Ejemplo

y el nmero de columnas despus.
Dada la matriz A M43 (R)
Dos matrices se dice que son iguales si tienen el mismo
tamao y los mismos elementos en las mismas posicio-
nes.A la entrada de una matriz que se encuentra en la la
1 2 3
i sima y la columna j sima se le llama entrada i, j 1 2 7
o entrada (i, j) -simo de la matriz. En estas expresio- A = 4 9 2

nes tambin se consideran primero las las y despus las
6 0 5
columnas.
Para denir el concepto de matriz, el trmino arreglo es una matriz de tamao 4 3 . La entrada a23 es 7.
bidimensional es til, aunque poco formal, pero puede La matriz R M19 (R)
formalizarse usando el concepto de funcin. De este mo-
do, una matriz de n las y m columnas con entradas en
[ ]
un campo K es una funcin cuyo dominio es el conjun- R= 1 2 3 4 5 6 7 8 9
to de los pares ordenados (i, j) , donde 1 i n y
1 j m , y cuyo contradominio es K . Con esta de- es una matriz de tamao 1 9 : un vector la con 9 en-
nicin, la entrada i, j es el valor de la funcin en el par tradas.
ordenado (i, j) .
Se denota a las matrices con letra mayscula, mientras 2.3 Operaciones bsicas entre matrices
que se utiliza la correspondiente letra en minsculas para
denotar a las entradas de las mismas, con subndices que Las operaciones que se pueden hacer con matrices pro-
reeren al nmero de la y columna del elemento.[4] Por vienen de sus aplicaciones, sobre todo de las aplicaciones
ejemplo, al elemento de una matriz A de tamao n en lgebra lineal. De ese modo las operaciones, o su for-
m que se encuentra en la la i sima y la columna j ma muy particular de ser implementadas, no son nicas.
sima se le denota como aij , donde 1 i n y 1
j m.
2.3.1 Suma o adicin
Cuando se va a representar explcitamente una entrada
la cul est indexada con un i o un j con dos cifras se Sean A, B M
nm (K)
introduce una coma entre el ndice de las y de columnas.
As por ejemplo, la entrada que est en la primera la y
2 2 1 0 1 4
la segunda columna de la matriz A de tamao 50 100 3 2 1 1 4 0
se representa como a1,2 mientras que la entrada que est + =
2 3 2 2 1 1
en la la nmero 23 y la columna 100 se representa como 2 0 4 0 2 2
a23,100 .
2 3 5
Adems de utilizar letras maysculas para representar 4 6 1

matrices, numerosos autores representan a las matrices 4 4 3
con fuentes en negrita para distinguirlas de otros objetos 2 2 6
matemticos.[cita requerida] As A es una matriz, mientras
que A es un escalar en esa notacin. Sin embargo esta no- . Se dene la operacin de suma o adicin de ma-
tacin generalmente se deja para libros y publicaciones, trices como una operacin binaria + : Mnm (K)
donde es posible hacer esta distincin tipogrca con fa- Mnm (K) Mnm (K) tal que (A, B) 7 C =
cilidad. En otras notaciones se considera que el contexto A + B y donde cij = aij + bij en el que la operacin
es lo sucientemente claro como para no usar negritas. de suma en la ltima expresin es la operacin binaria
Otra notacin, en s un abuso de notacin, representa a la correspondiente pero en el campo K . Por ejemplo, la en-
matriz por sus entradas, i.e. A := (aij ) o incluso A := trada c12 es igual a la suma de los elementos a12 y b12 lo
aij . cual es a12 + b12 .

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+0=0+A=A Sean A, B Mnm (K) y , K , donde K es un

campo, entonces se cumplen las siguientes propiedades
Existencia del inverso aditivo para la operacin producto por un escalar

Existe D Mnm (K) tal que Asociatividad

()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

dnde la matriz producto es como habamos establecido

en la denicin: una matriz C M22 (R) .
Sin tomar en cuenta la motivacin que viene desde las
aplicaciones lineales, es evidente ver que si ignoramos la
denicin de la funcin de producto de matrices y slo se
toma en cuenta la denicin de las entradas, el producto
no estar bien denido, ya que si A no tiene el mismo

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
la composicin de funciones lineales sera conmutativa y
eso en general no sucede. Obviamente existen casos parti-
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
est en Mn (K) . En ese caso Mn (K) adems de espacio
vectorial es un lgebra sobre un campo. En el caso de que
el conjunto al que pertenecen las entradas sea un anillo
conmutativo con uno entonces Mn (A) adems de mdu-
lo es un lgebra sobre un anillo. Mas an (Mn (K), +, )
con el producto de matrices es un anillo.
3 Otros conceptos relacionados con
matrices
3.1 Rango de una matriz
El rango de una matriz A es la dimensin de la imagen de
la aplicacin lineal representada por A , que coincide con
la dimensin de los espacios vectoriales generados por las
las o columnas de A .
Si A Mnm (X) representa una aplicacin lineal, en-
tonces la matriz AT describe la traspuesta de la aplicacin
lineal.
3.3 Matrices cuadradas y deniciones re-
lacionadas
Una matriz cuadrada es una matriz que tiene el mismo
nmero de las que de columnas. El conjunto de todas
las matrices cuadradas n-por-n junto a la suma y la mul-
tiplicacin de matrices, es un anillo que generalmente no
es conmutativo.
M(n,R), el anillo de las matrices cuadradas reales, es un
lgebra asociativa real unitaria. M(n,C), el anillo de las
matrices cuadradas complejas, es un lgebra asociativa
compleja.
La matriz identidad In de orden n es la matriz n por n
en la cual todos los elementos de la diagonal principal son
iguales a 1 y todos los dems elementos son iguales a 0.
La matriz identidad se denomina as porque satisface las
ecuaciones MIn = M y InN = N para cualquier matriz M
m por n y N n por k. Por ejemplo, si n = 3:

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

El algoritmo de eliminacin gaussiana puede ser usado 3.4.3 Algunas Propiedades

para calcular el determinante, el rango y la inversa de una
matriz y para resolver sistemas de ecuaciones lineales. La representacin matricial de la relacin de igualdad en
La traza de una matriz cuadrada es la suma de los ele- un conjunto nito es una matriz de identidad, es decir,
mentos de la diagonal, lo que equivale a la suma de sus n una cuya diagonal principal son todas 1, mientras que las
valores propios. otras son todas 0. Si el dominio booleano es visto como
un semianillo, donde la adicin corresponde al OR lgi-
Una matriz de Vandermonde es una matriz cuadrada cu- co y la multiplicacin al AND lgico, la representacin
yas las son las potencias de un nmero. Su determinante matricial de la composicin de dos relaciones es igual al
es fcil de calcular. producto de la matriz de las representaciones matricia-
les de esta relacin. Este producto se puede calcular en el
tiempo esperado O(n2 ).
3.4 Matriz Lgica
Frecuentemente, las operaciones en matrices binarias se
Una matriz lgica, matriz binaria, matriz de relacin, ma- denen en trminos de la aritmtica modular mod 2, es
triz booleana o matriz (0,1) es una matriz con entradas del decir, los elementos se tratan como elementos del campo
dominio booleano B = {0, 1}. Tal matriz puede ser usa- de Galois GF(2) = 2 . Surgen en una variedad de re-
da para representar una relacin binaria entre un par de presentaciones y tienen un nmero de formas especia-
conjuntos nitos. les ms restringidas. Se aplican por ejemplo en XOR-
satisabilidad.

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.

3.4.2 Ejemplo 4.2 Ejemplo de brazo robtico

La relacin binaria R en el conjunto {1, 2, 3, 4} se de- El mundo de las matrices es muy amplio aunque parezca
ne de manera que aRb se sostiene si y slo si a divide tan simple, programas como matlab te pueden crear sis-
b uniformemente, sin resto. Por ejemplo, 2R4 se mantie- temas de matrices tan complejos que incluso al programa
ne porque 2 divide 4 sin dejar un resto, pero 3R4 no se le cuesta resolverlos. Aunque no lo parezca las matrices
sostiene porque cuando 3 divide 4 hay un resto de 1. El tambin se pueden aplicar al mundo de la computacin y
conjunto siguiente es el conjunto de pares para los que se programacin.
mantiene la relacin R.
Un ejemplo sencillo sera el campo aplicado a la progra-
macin en lo que viene relacionado con la robtica ya
{(1, 1), (1, 2), (1, 3), (1, 4), (2, 2), (2, 4), (3, que se utiliza en este caso el programa matlab para poder
3), (4, 4)}. programar robots como puede ser un brazo binico. Un
ejemplo sera el Lynx6.
La representacin correspondiente como matriz booleana
es: El Lynx6 se considera un manipulador de 5 ejes de ro-
tacin (base, hombro, codo, movimiento y rotacin de la
mueca); este brazo mecnico entrega movimientos rpi-

1 1 1 1 dos, exactos y repetitivos, gracias a los servomotores que
0 1 0 1 lleva incorporados. Como paso previo se debe desarro-

0 0 1 0 . llar una aplicacin que obtiene el modelo directo FK e
0 0 0 1 inverso IK del brazo robtico.
4.3 Teora de matrices 7

la cadena cinemtica de las articulaciones y segmentos

consecutivos del brazo robtico. Donde T es la matriz
de transformacin homognea buscada . Sustituyendo los
parmetros de la tabla 2 en las matrices de transforma-
cin se obtienen estas ecuaciones. Calculando la multi-
plicacin no conmutativa de la ecuacin (17, se obtiene
la matriz de transformacin homognea: Donde (n, o, a)
es una terna ortogonal que representa la orientacin y P
es un vector (Px, Py, Pz) que representa la posicin del
efector extremo del brazo. La solucin obtenida para una
posicin en reposo del brazo con 1= 0 , 2= 90 , 3
=0 , 4= 90 y 5=0

4.3 Teora de matrices

La teora de matrices es una rama de las matemticas
que se centra en el estudio de matrices. Inicialmente una
rama secundaria del lgebra lineal, ha venido cubriendo
tambin los temas relacionados con la teora de grafos, el
lgebra, la combinatoria y la estadstica.

4.4 Matrices relacionadas con otros temas

Brazo Robtico Una matriz puede identicarse a una aplicacin lineal
entre dos espacios vectoriales de dimensin nita. As
la teora de las matrices habitualmente se considera co-
-El modelo FK consiste en encontrar una matriz de trans- mo una rama del lgebra lineal. Las matrices cuadradas
formacin homognea T que relacione la posicin carte- desempean un papel particular, porque el conjunto de
siana (Px,Py,PZ) y los ngulos de Euler (,,) Esco- matrices de orden n (n entero natural no nulo dado) po-
giendo adecuadamente el sistema de coordenadas ligado see propiedades de estabilidad de operaciones.
a cada segmento es posible ir de un sistema referencial al
siguiente por medio de 4 transformaciones bsicas. Los conceptos de matriz estocstica y matriz doblemen-
te estocstica son herramientas importantes para estudiar
-Matriz de transformacin (1) Donde es la matriz resul- los procesos estocsticos, en probabilidad y en estadstica.
tante que relaciona el sistema de referencia del segmen-
to i-1 con el sistema de referencia del segmento isimo, Las matrices denidas positivas aparecen en la bsqueda
Rotz(1) es la rotacin alrededor del eje Z i-1 con un va- de mximos y mnimos de funciones a valores reales, y a
lor de 1, T (0,0,di) es una traslacin de una distancia di, varias variables.
a lo largo del eje Zi-1 , T (a1, 0,0) es una traslacin de una Es tambin importante disponer de una teora de matrices
distancia a1, a lo largo del eje Xi . Y nalmente Rotx(i) a coecientes en un anillo. En particular, las matrices a
es la rotacin alrededor del eje de Xi, con un valor de i coecientes en el anillo de polinomios se utilizan en teora
Los resultados van a depender exclusivamente de las de mandos.
caractersticas geomtricas del brazo manipulador. En En matemticas puras, los anillos de matrices pueden
nuestro caso los parmetros fsicos dependen de los va- proporcionar un rico campo de contraejemplos para con-
lores de las articulaciones y longitud conocidos en cada jeturas matemticas.
sistema de coordenadas, deben expresarse y asignarse en
trminos de la convencin D-H. Multiplicando las matri-
ces individuales de la ecuacin (1) en el orden correcto, 4.5 Matrices en teora de grafos
la matriz de transformacin, que resuelve los valores de
posicin y orientacin en cada sistema de coordenadas En teora de los grafos, a todo grafo etiquetado correspon-
es la ecuacin (2 ) Los trminos individuales de las tres de la matriz de adyacencia. Una matriz de permutacin es
primeras columnas de la matriz (n, o, a) representan la una matriz que representa una permutacin; matriz cua-
orientacin del eje principal en el sistema de coordena- drada cuyos coecientes son 0 o 1, con un solo 1 en cada
das. La ultima columna P indica la posicin (x, y, z) del lnea y cada columna. Estas matrices se utilizan en com-
origen. Cada uno de los trminos de la matriz pueden cal- binatorio.
cularse a partir de las ecuaciones siguientes : Tambin existe otro tipo de matriz adems de la matriz
La relacin entre las matrices de transformacin, forma de adyacencia que es la conocida como matriz de inci-
8 4 APLICACIONES

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

En el punto de silla de montar (x = 0, y = 0) (rojo)

[ de la fun-
]
2 2 2 0
cin f(x,y) = x y , la Matriz de Hessians es
0 2
indenida.

de la funcin: dando un punto crtico x = (x1 , ..., xn), esto

es, un punto donde la primera derivada parcial f /xi de
desaparece, la funcin tiene un mnimo local si la matriz
Grafo sobre el que se realiza el estudio. de Hessian es positiva para todos sus valores. La progra-
macin cuadrtica puede usarse para encontrar mnimos
A continuacin mostraremos un ejemplo de un grafo y su y mximos globales de una funcin cuadrtica estrecha-
matriz de adyacencia: mente relacionadas con las asociadas a matrices.
La matriz de adyacencia de este grafo vendria dada de la Otra matriz frecuentemente utilizada en situaciones geo-
forma: mtricas el la Matriz Jacobi de un mapa diferenciable f:
La matriz de adyacencia se basa en las conexiones que se Rn Rm . Si f 1 , ..., fm indica los componentes de f, en-
realizan entre los vertices del grafo apareciendo asi un 1 tonces la matriz Jacobi es denada como
7.1 Notas 9

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-
lor mximo m, f es localmente invertible en ese punto,
por el teorema de la funcin implcita. Las ecuaciones
diferenciales parciales pueden clasicarse considerando
la matriz de coecientes de los operadores diferenciales
de orden ms alto de la ecuacin. Para las ecuaciones di-
ferenciales elpticas parciales esta matriz es positiva para
todos sus valores, los cuales tienen una inuencia decisi-
va en el grupo de soluciones posibles de la ecuacin en
cuestin.
[2] Swaney, Mark. History of Magic Squares.
[3] Shen Kangshen et al. (ed.) (1999). Nine Chapters of the
Mathematical Art, Companion and Commentary. Oxford
University Press. cited byOtto Bretscher (2005). Linear
Algebra with Applications (3rd ed. edicin). Prentice-Hall.
p. 1.
[4] De Burgos, Juan. Sistemas de ecuaciones lineales.
lgebra lineal y geometra cartesiana. p. 6. ISBN
9788448149000.

El mtodo de elementos nitos es un importante mtodo

numrico para resolver ecuaciones diferenciales parcia-
les, extensamente aplicado en simulaciones de sistemas
8 Enlaces externos
fsicos complejos. Intenta aproximar la solucin a algu-
na ecuacin de funciones lineales pieza a pieza, donde las Una breve historia del lgebra lineal y de la teora de
piezas son elegidas con respecto a una rejilla suciente- matrices lineal (en ingls)
mente na, que a su vez puede ser refundida como una Matemticas/Matrices(En Wikilibros)
ecuacin matricial.
Reducir matrices por Gauss Jordan de manera On-
line
5 Algunos teoremas
Esta obra contiene una traduccin parcial deriva-
Teorema de Cayley-Hamilton da de Matrix (mathematics) de Wikipedia en ingls,
concretamente de esta versin, publicada por sus
Teorema de Gerschgorin editores bajo la Licencia de documentacin libre de
GNU y la Licencia Creative Commons Atribucin-
CompartirIgual 3.0 Unported.
6 Vase tambin
Esta obra contiene una traduccin parcial deriva-
Descomposicin de Schur da de Logical Matrix de Wikipedia en ingls, con-
cretamente de esta versin, publicada por sus edi-
Descomposicin en valores singulares
tores bajo la Licencia de documentacin libre de
Descomposicin QR GNU y la Licencia Creative Commons Atribucin-
CompartirIgual 3.0 Unported.
Determinante (matemtica)
Eliminacin de Gauss-Jordan
Factorizacin LU
Forma cannica de Jordan
Lema de Schur
Matlab
Matriz triangular

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 Origen del texto y las imgenes, colaboradores y licencias

9.1 Texto
Matriz (matemticas) Fuente: https://es.wikipedia.org/wiki/Matriz_(matem%C3%A1ticas)?oldid=98133778 Colaboradores: Romero
Schmidtke, Joseaperez, Sabbut, Moriel, JorgeGG, Pieter, Lourdes Cardenal, Alberto Salguero, Sanbec, DefLog, Zorosandro, Bermie-
go, Triku, Tostadora, Tano4595, Camilosw, El Hoy, Gengiskanhg, Jecanre, Cinabrium, Yopohari~eswiki, Santiago Hernndez, Chewie,
Soulreaper, Airunp, JMPerez, Taichi, Emijrp, La Maga, Orgullobot~eswiki, RobotQuistnix, Platonides, Veltys, Alhen, Chobot, Caiser-
bot, Yrbot, Amads, BOT-Superzerocool, Davidsevilla, Adrruiz, Vitamine, YurikBot, Mortadelo2005, GermanX, Euratom, C-3POrao,
Tigerfenix, Eduardo Lima, Eskimbot, CHV, Ummowoa, CaStarCo, Paintman, BOTpolicia, Ricard Delgado Gonzalo, Rdaneel, CEM-bot,
Jorgelrm, Retama, Baiji, IvanStepaniuk, Davius, Rastrojo, Antur, Jjafjjaf, FrancoGG, Jatt~eswiki, Ingenioso Hidalgo, Fsd141, Thijs!bot,
Roberto Fiadone, Yeza, RoyFocker, Inajle, Will vm, Malguzt, Mgallege, Botones, Isha, JAnDbot, Kved, Gaius iulius caesar, TXiKiBoT,
Epnob, Astroza, Humberto, Rei-bot, Casary, Plux, BL, Sebanievas87, Macalla, Jtico, AlnoktaBOT, 2orejas1boca, VolkovBot, Urdan-
garay, Technopat, Queninosta, Matdrodes, BlackBeast, Barri, AlleborgoBot, 3coma14, Muro Bot, Alexandrosas, Komputisto, Numbo3,
BotMultichill, Gerakibot, SieBot, Mushii, Danielba894, PaintBot, Cobalttempest, Bigsus-bot, BOTarate, Manw, Marcodallacamina, Ja-
vierito92, Dnu72, HUB, L&T2, Antn Francho, DragonBot, Farisori, Eduardosalg, Veon, Leonpolanco, Juan Mayordomo, Aipni-Lovrij,
UA31, AVBOT, Steve.jaramillov, LucienBOT, J.delanoy, Diegusjaimes, MelancholieBot, Julio Isaac Moreno Daz, Arjuno3, Lampsako,
Andreasmperu, Luckas-bot, MystBot, Nallimbot, Ptbotgourou, Jotterbot, Angelsaracho, Jorge 2701, CayoMarcio, Mcapdevila, SuperBrau-
lio13, Almabot, Kender00, Xqbot, Jkbw, GNM, Umburi, FrescoBot, Ricardogpn, Esceptic0, Igna, Botarel, Jlbezares, Rojasyesid, D'ohBot,
Hprmedina, Jcdy, TobeBot, Halfdrag, RedBot, Xarpeserpe, PatruBOT, Sheldonspock, Euclides, Tarawa1943, Eudescontreras, Proferi-
chardperez, EmausBot, AVIADOR, ChessBOT, Africanus, J. A. Glvez, Rubpe19, Ezequieldiazbarral, Danicm, Jcaraballo, Waka Waka,
Mpinomej, Movses-bot, MerlIwBot, Franco68, Nodulation, MetroBot, Invadibot, Elessar.telkontarg, LlamaAl, Elvisor, Gaard van der Pol,
Creosota, Julinspi, MatemticaAlejandra, QFI.RICRADO, Lautaro 97, Addbot, Balles2601, FedeBosio, DavosMat, JacobRodrigues, Thi-
baut120094, MrCharro, Jarould, Ricardocruznavarro, 4lextintor, Lectorina, Carlos Silvero, Johansneider, JoannetRivas, Nataliarodriguez-
lopez, Sarai286, Ja ja salutres, Jaimedelop, Julin Cullar, Irenemfx, Jorge Numa y Annimos: 368

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

9.3 Licencia del contenido

Creative Commons Attribution-Share Alike 3.0