39 Matrices

Los matemáticos llevaban siglos jugando con bloques de

números, pero la idea de tratar los bloques como un solo
número despegó hace 150 años con un pequeño grupo de
matemáticos que reconocieron su potencial.

El álgebra normal es el álgebra tradicional en la que símbolos como a,

b, c, x e y representan números individuales. Comparada con esto, el
«álgebra extraordinaria» generó un cambio sísmico. Este progreso de
un álgebra unidimensional a un álgebra de múltiples dimensiones re-
sultaría ser increíblemente potente para aplicaciones sofisticadas.

Números de múltiples dimensiones En el álgebra habi-

tual, a podría representar un número como 7, y escribiríamos a = 7,
pero en la teoría de matrices una matriz A sería un «número de múlti-
ples dimensiones», por ejemplo el bloque
 7 5 0 1
 
A=  0 4 3 7
 3 2 0 2
 
Esta matriz tiene tres filas y cuatro columnas (es una matriz de «3 por
4»), pero en principio podemos tener matrices con cualquier número
de filas y columnas, incluso una enorme matriz de «100 por 200» con
100 filas y 200 columnas. Una ventaja fundamental del álgebra de
matrices es que podemos pensar en inmensas series de números, como
un conjunto de datos en estadística, como si fueran una sola entidad.
Además de esto podemos manipular estos bloques de números de for-
ma sencilla y eficaz. Si queremos sumar o multiplicar todos los núme-
ros que hay en dos conjuntos de datos, cada uno de los cuales tiene
1.000 números, no tenemos que llevar a cabo 1.000 cálculos, sólo te-
nemos que llevar a cabo uno (sumar o multiplicar las dos matrices).

Un ejemplo práctico Supongamos que la matriz A representa

la producción de la empresa AJAX en una semana. La empresa AJAX
tiene tres fábricas situadas en distintas partes del país y su producción

Cronología
200 a.C. 1850 d.C. 1858
Los matemáticos chinos J. J. Sylvester introduce Cayley publica Memorias
usan series de números el término «matriz» sobre la teoría de matrices
se mide en unidades (digamos miles de artículos) de los cuatro pro-
ductos que produce. En nuestro ejemplo, las cantidades, cuadrándolas
con la matriz A en el lado contrario, son:

producto 1 producto 2 producto 3 producto 4

fábrica 1 7 5 0 1
fábrica 2 0 4 3 7
fábrica 3 3 2 0 2
A la semana siguiente el horario de producción podría ser distinto,
pero se podría escribir como otra matriz B. Por ejemplo, B podría ser
9 4 1 0
 
B =  0 5 1 8 .
 4 1 1 0
 

¿Cuál es la producción total en las dos semanas? El teórico de matri-

ces dice que es la matriz A + B, donde se suman entre sí los números
correspondientes,
 7 + 9 5 + 4 0 + 1 1 + 0  16 9 1 1 
   
A + B =  0 + 0 4 + 5 3 + 1 7 + 8  =  0 9 4 15 
   
 3 + 4 2 +1 0 +1 2 + 0   7 3 1 2 
Pero la multiplicación de matrices es menos obvia. Volviendo a la
empresa AJAX, supongamos que el beneficio por unidad de sus cuatro
productos es 3, 9, 8, 2. Sin duda, podemos calcular el beneficio total
para la Fábrica 1 con producciones 7, 5, 0, 1 de sus cuatro productos.
Se resuelve como 7=3 + 5=9 + 0=8 + 1=2 = 68.
Pero en lugar de ocuparnos solamente de una fábrica podemos calcular
con la misma facilidad los beneficios totales T para todas las fábricas
 3
 7 5 0 1     7 × 3 + 5 × 9 + 0 × 8 + 1× 2   68 
  9    
T =  0 4 3 7  ×   =  0 × 3 + 4 × 9 + 3 × 8 + 7 × 2  =  74 
 8 
 3 2 0 2     3 × 3 + 2 × 9 + 0 × 8 + 2 × 2   31 
       
 2
Observe atentamente y verá la multiplicación de fila por columna, un
elemento fundamental de la multiplicación de matrices. Si además de

1878 1925
Georg Frobenius demuestra algunos Heisenberg usa la mecánica
de los resultados fundamentales matricial en la teoría cuántica
del álgebra de matrices
los beneficios unitarios se nos dan los volúmenes unitarios 7, 4, 1, 5
de cada unidad de los productos, podemos calcular de una sola vez los
beneficios y las necesidades de almacenamiento para las tres fábricas
por la sola multiplicación de matrices:
3 7
7 5 0 1    68 74 
  9 4  
 0 4 3 7  × 8 = 74 54 
1 
 3 2 0 2    31 39 
  
2 5

El almacenamiento total lo da la segunda columna de la matriz resul-

tante, que es 74, 54 y 39. La teoría de matrices es muy poderosa. Ima-
gine la situación de una empresa que tiene centenares de fábricas,
miles de productos, y distintos beneficios unitarios y necesidades de
almacenamiento en distintas semanas.
El álgebra matricial contra el álgebra normal Se pueden
establecer muchos paralelismos entre el álgebra matricial y el álgebra
normal. La diferencia más célebre se da en la multiplicación de matri-
ces. Si multiplicamos la matriz A por la matriz B y después probamos
a hacerlo al revés:
 3 5   7 6   3 × 7 + 5 × 4 3× 6 + 5 × 8   41 58 
A× B =   ×   =   =  
 2 1   4 8   2 × 7 + 1× 4 2 × 6 + 1× 8   18 20 
 7 6   3 5   7 × 3 + 6 × 2 7 × 5 + 6 ×1  33 41 
B × A =   ×   =   =  
 4 8   2 1   4 × 3 + 8 × 2 4 × 5 + 8 ×1  28 28 
De modo que en el álgebra matricial puede suceder que A=B y B=A
sean diferentes, una situación que no surge en el álgebra normal, don-
de el orden de multiplicar dos números no influye en el resultado.
En las inversas se da otra diferencia. En el álgebra normal es fácil cal-
cular las inversas. Si a = 7 su inversa es 1/7 porque tiene la propiedad
de que 1/7 =7 = 1. En ocasiones escribimos esta inversa como a–l =
1/7 y tenemos a–1=a = 1.

1 2
Un ejemplo en la teoría de matrices es A=  
3 7
 7 −2 
y podemos verificar que A−1 =  
 −3 1 
 7 − 2 1 2 1 0
porque A−1 × A =   ×   =  
 − 3 1  3 7 0 1
1 0
donde I =  
0 1
se denomina la matriz de identidad y es el equivalente matri- E
cial de 1 en el álgebra normal. En el álgebra normal, sólo 0
no tiene una inversa, pero en el álgebra matricial muchas
matrices no tienen inversas.
L P
Planes de viaje Otro ejemplo lo tenemos en el análisis
de una red de vuelos para compañías aéreas, incluyendo cen-
tros aeroportuarios y aeropuertos pequeños. En la práctica
esto puede implicar centenares de destinos, aquí examinare-
mos un pequeño ejemplo: los centros aeroportuarios Londres B T
(L) y París (P), y los aeropuertos más pequeños Edimburgo
(E), Burdeos (B), y Toulouse (T) y la red que muestra los posibles
vuelos directos. Para usar un ordenador con el fin de analizar estas re-
des, primero se codifican mediante matrices. Si hay un vuelo directo
entre los aeropuertos, se anota un 1 en la intersección de la fila y la
columna que están designadas como estos aeropuertos. La matriz de
«conectividad» que describe la red anterior es A.
La submatriz más baja (señalada por las líneas de
puntos) muestra que no hay ningún enlace directo
entre los tres aeropuertos más pequeños. Puede inter-
pretarse que el producto de la matriz A =A = A2 de
esta matriz consigo misma da el número de posibles
viajes entre dos aeropuertos con exactamente una es-
cala. De modo que, por ejemplo, hay tres posibles
viajes de ida y vuelta a París pasando por otras ciuda-
des pero ningún viaje de Londres a Edimburgo que
implique escalas. El número de rutas que, o bien son
directas, o bien implican una escala, son los elemen-
tos de la matriz A + A2. Éste es otro ejemplo de la
capacidad de las matrices para captar la esencia de
una enorme cantidad de datos aglutinándolos en un
cálculo.
Cuando un pequeño grupo de matemáticos creó la teoría de matrices
en la década de 1850, lo hicieron para resolver problemas de matemá-
ticas puras. Desde una perspectiva aplicada, la teoría de matrices era,
en gran medida, una «solución que buscaba un problema».

La idea en síntesis:
combinación de
bloques de números