Matriz (matemticas)

En matemtica, una matriz es un arreglo bidimensional

de nmeros, y en su mayor generalidad de elementos de
un anillo. Las matrices se usan generalmente para describir sistemas de ecuaciones lineales, sistemas de ecuaciones diferenciales o representar una aplicacin lineal (dada una base). Las matrices se describen en el campo de
la teora de matrices.

Carl Friedrich Gauss y Wilhelm Jordan desarrollaron la

eliminacin de Gauss-Jordan en el siglo XIX.
Fue James Joseph Sylvester quien utiliz por primera vez
el trmino matriz en 1848/1850.

En 1853, Hamilton hizo algunos aportes a la teora de

matrices. Cayley introdujo en 1858 la notacin matricial, 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
los sistemas de ecuaciones lineales o para representar Cayley, Hamilton, Hermann Grassmann, Frobenius, Olga
las aplicaciones lineales; en este ltimo caso las matrices Taussky-Todd y John von Neumann cuentan entre los
desempean el mismo papel que los datos de un vector matemticos famosos que trabajaron sobre la teora de
las matrices. En 1925, Werner Heisenberg redescubre el
para las aplicaciones lineales.
clculo matricial fundando una primera formulacin de lo
Pueden sumarse, multiplicarse y descomponerse de vaque iba a pasar a ser la mecnica cuntica. Se le considerias 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 fenmeno de aeroelasticidad llamado uttering.

Historia

Una matriz es un arreglo bidimensional de nmeros (llamados entradas de la matriz) ordenados en las (o renglones) 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
una matriz siempre se da con el nmero de las primero
y el nmero de columnas despus. Dos matrices se dice
que son iguales si tienen el mismo tamao y los mismos
elementos en las mismas posiciones.

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 resolver ecuaciones lineales. Un importante texto matemtico
chino que proviene del ao 300 a. C. a 200 a. C., Nueve captulos sobre el Arte de las matemticas (Jiu Zhang
Suan Shu), es el primer ejemplo conocido de uso del mtodo de matrices para resolver un sistema de ecuaciones
simultneas.[3] En el captulo sptimo, "Ni mucho ni poco", el concepto de determinante apareci por primera
vez, dos mil aos antes de su publicacin por el matemtico japons Seki Kwa en 1683 y el matemtico alemn A la entrada de una matriz que se encuentra en la la i
sima y la columna j sima se le llama entrada i, j o
Gottfried Leibniz en 1693.
entrada (i, j) -simo de la matriz. En estas expresiones
Los cuadrados mgicos eran conocidos por los mate- tambin se consideran primero las las y despus las comticos rabes, posiblemente desde comienzos del siglo lumnas.
VII, quienes a su vez pudieron tomarlos de los matemticos y astrnomos de la India, junto con otros aspectos Casi siempre se denotan a las matrices con letras maysde las matemticas combinatorias. Todo esto sugiere que culas mientras que se utilizan las correspondientes letras
la idea provino de China. Los primeros cuadrados m- en minsculas para denotar las entradas de las mismas.
gicos de orden 5 y 6 aparecieron en Bagdad en el 983, Por ejemplo, al elemento de una matriz A de tamao
en la Enciclopedia de la Hermandad de Pureza (Rasa'il n m que se encuentra en la la i sima y la columna
j sima se le denota como aij , donde 1 i n y
Ihkwan al-Safa).[2]
1 j m . Cuando se va a representar explcitamenDespus del desarrollo de la teora de determinantes te una entrada la cul est indexada con un i o un j con
por Seki Kowa y Leibniz para facilitar la resolucin de dos cifras se introduce una coma entre el ndice de las
ecuaciones lineales, a nales del siglo XVII, Cramer pre- y de columnas. As por ejemplo, la entrada que est en
sent en 1750 la ahora denominada regla de Cramer.
1

OPERACIONES BSICAS

la primera la y la segunda columna de la matriz A de 3.1 Suma o adicin

tamao 50 100 se representa como a1,2 mientras que
la entrada que est en la la nmero 23 y la columna 100 Sean A, B Mnm (K) . Se dene la operacin de suma o adicin de matrices como una operacin binaria
se representa como a23,100 .
+ : Mnm (K) Mnm (K) Mnm (K) tal que
Adems de utilizar letras maysculas para representar
(A, B) 7 C = A + B y donde cij = aij + bij en el
matrices, numerosos autores representan a las matrices
que la operacin de suma en la ltima expresin es la opecon fuentes en negrita para distinguirlas de otros objetos
racin binaria correspondiente pero en el campo K . Por
matemticos. As A es una matriz, mientras que A es un
ejemplo, la entrada c12 es igual a la suma de los elementos
escalar en esa notacin. Sin embargo sta notacin gea12 y b12 lo cual es a12 + b12 .
neralmente se deja para libros y publicaciones, donde es
posible hacer sta distincin tipogrca con facilidad. En Veamos un ejemplo ms explcito. Sea A, B M3 (R)
otras notaciones se considera que el contexto es lo sucientemente claro como para no usar negritas.

1 3 2
1 0 5
1+1 3+0 2+5
2 3
Otra notacin, en si un abuso de notacin, representa a la
1 0 0+7 5 0 = 1 + 7 0 + 5 0 + 0 = 8 5
matriz por sus entradas, i.e. A := (aij ) o incluso A :=
1 2 2
2 1 1
1+2 2+1 2+1
3 3
a .
ij

Otra denicin, muy usada en la solucin de sistemas de

ecuaciones lineales, es la de vectores la y vectores columna. Un vector la o vector rengln es cualquier matriz de tamao 1 n mientras que un vector columna es
cualquier matriz de tamao m 1 .

No es necesario que las matrices sean cuadradas:

2 2 1
0 1 4
2 3
3 2 1
1 4 0
4 6

2 3 2 + 2 1 1 = 4 4
2 0 4
0 2 2
2 2

A las matrices que tienen el mismo nmero de las que

de columnas, m = n , se les llama matrices cuadradas
y el conjunto se denota Mnn (K) o alternativamente
Mn (K) .

A la luz de stos ejemplos es inmediato ver que dos matrices se pueden sumar solamente si ambas tienen el mismo
tamao. La suma de matrices en el caso de que las entradas estn en un campo sern la asociatividad, la conmutatividad, existencia de elemento neutro aditivo y existencia
de inverso aditivo. sto es as ya que stas son propiedades de los campos en los que estn las entradas de la
matriz. A continuacin se presentan las propiedades.

Ejemplo

Dada la matriz A M43 (R)

1
1
A=
4
6

2
2
9
0

5
1

3
6

3.1.1 Propiedades

3
7

2
5

Sean A, B, C Mnm (K) , donde K es un campo entonces se cumplen las siguientes propiedades para la operacin binaria +
Asociatividad

es una matriz de tamao 4 3 . La entrada a23 es 7.

(A + B) + C = A + (B + C)

La matriz R M19 (R)

[
R= 1 2

es una matriz de tamao 1 9 : un vector la con 9 entradas.

Demostracin. Dada la denicin de la operacin binaria

+ se sigue el resultado ya que (aij + bij ) + cij = aij +
(bij + cij ) debido a que aij , bij , cij K para todo i, j .
Conmutatividad
(A + B) = (B + A)

Operaciones bsicas

Demostracin Dada la denicin de la operacin binaria

+ se sigue el resultado ya que aij +bij = bij +aij debido
a que aij , bij K para todo i, j .

Las operaciones que se pueden hacer con matrices pro Existencia del elemento neutro aditivo
vienen de sus aplicaciones, sobre todo de las aplicaciones
en lgebra lineal. De ese modo las operaciones, o su forma muy particular de ser implementadas, no son nicas. Existe 0 Mnm (K) tal que

7
0
3

3.2

Producto por un escalar

A+0=0+A=A
Demostracin Tmese 0 Mnm (K) tal que 0ij =
0K K para cualquier i, j (dnde este ltimo es el elemento neutro aditivo en el campo, el cual existe necesariamente). Entonces para cualquier A Mnm (K) se
sigue que A + 0 = A ya que aij + 0ij = aij + 0K = aij
para cualquier i, j , dado que las entradas estn en un
campo.
Existencia del inverso aditivo

Tambin es inmediato observar que el producto por un

escalar da como resultado una matriz del mismo tamao
que la original. Tambin el producto por un escalar depender de la estructura algebraica en la que las entradas
estn. En el caso de que estn en un campo sern dos distributividades (una respecto de suma de matrices y otra
respecto de suma en el campo), asociatividad y una propiedad concerniente al producto por el elemento neutro
multiplicativo del campo. A continuacin se presentan las
propiedades.
3.2.1 Propiedades

Existe D Mnm (K) tal que

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

campo, entonces se cumplen las siguientes propiedades
para la operacin producto por un escalar

A+D =0
a esta matriz D se le denota por A .

Asociatividad
Demostracin Dada A Mnm (K) tmese D
Mnm (K) tal que A + D = 0 . Entonces aij + dij =
()A = (A)
0ij = 0K ; luego, por las propiedades de campo dij =
aij donde aij es el inverso aditivo de aij en el campo Demostracin. Dada la denicin de la operacin se sipara cualquier i, j .
gue el resultado ya que ()aij = (aij ) debido a que
En efecto, stas propiedades dependen el conjunto en el aij K para todo i, j .
que estn las entradas, como se ha dicho antes, aunque en
las aplicaciones generalmente los campos usados son R
(los nmeros reales) y C (los nmeros complejos).
Por como se deni la operacin binaria adicin se dice
que sta operacin es una operacin interna por lo que se
cumple intrnsecamente la propiedad de que Mnm (K)
es cerrado bajo adicin. Con stas propiedades se tiene
que (Mnm (K), +) es un grupo abeliano.
En el caso en que el conjunto al que pertenecen las entradas de la matriz sea un anillo (A, +A , A ) , la operacin
de adicin de matrices contina dotando de estructura de
grupo abeliano a (Mnm (A), +) , ya que bajo un anillo
(A, +A , A ) se tiene que (A, +A ) es un grupo abeliano.
En el caso de que las entradas estn en un grupo (G, +G )
, ste necesita ser un grupo abeliano para que la adicin
de matrices siga dotando de estructura de grupo abeliano
a (Mnm (G), +) .

3.2

Sean A Mnm (K) y K . Se dene la operacin de producto por un escalar como una funcin
KMnm (K) Mnm (K) tal que (, A) 7 B =
A y donde bij = aij en donde el producto es la operacin binaria correspondiente pero en el campo K . Por
ejemplo, la entrada b12 es igual al producto a12 .
Veamos un ejemplo ms explcito. Sea A M23 (R) y
2R
] [
3
2(1) 2(8)
=
6
2(4) 2(2)

] [
2(3)
2
=
2(6)
8

(A + B) = A + B
Demostracin Dada la denicin de la operacin se sigue
el resultado ya que (aij + bij ) = aij + bij debido a
que aij , bij K para todo i, j .
Distributividad respecto de la suma en el campo
( + )A = A + A
Demostracin Dada la denicin de la operacin se sigue
el resultado ya que ( + )aij = aij + aij debido a
que aij K para todo i, j .
Producto por el neutro multiplicativo del campo
1K A = A

Producto por un escalar

[
1 8
2
4 2

Distributividad respecto de la suma de matrices

Demostracin Dada la denicin de la operacin se sigue

el resultado ya que 1K (aij ) = aij debido a que aij K
para todo i, j .
Por como se deni la operacin de producto por escalares se dice que Mnm (K) es cerrado bajo producto
por escalares. Con stas propiedades y las de la adicin
se tiene que Mnm (K) es un espacio vectorial con las
operaciones de suma y producto por escalares denidas
antes.

En el caso de que las entradas y los escalares no estn en

]
16 un
6campo sino en un anillo entonces no necesariamen4 te12existe el neutro multiplicativo. En caso de que exista,

OPERACIONES BSICAS

con lo cual el anillo es un anillo con uno, se dice que

Mnm (A) es un mdulo sobre A .
Ahora, a partir de las propiedades bsicas se puede demostrar inmediatamente que

0 = 0
Demostracin Dada la denicin de la operacin se sigue
el resultado ya que cij = (0ij ) = (0K ) = 0K para
todo i, j .

0K A = 0
Demostracin Dada la denicin de la operacin se sigue
el resultado ya que cij = 0K (aij ) = 0K para todo i, j
debido a que aij K para todo i, j .

A = 0 = 0K o A = 0
Demostracin Dada la denicin de la operacin se
sigue el resultado ya que como en un campo no hay
divisores de cero entonces (aij ) = 0K para todo i, j implica que = 0K o aij = 0K para todo i, j , i.e. A = 0
. No es posible un caso en el que slo algunas entradas
de la matriz sean cero y el escalar sea no nulo ya que en
esos casos estaramos diciendo que hay divisores de cero
y llegaramos a una contradiccin, ya que la suposicin es
que las entradas y los escalares estn en un campo.

()A = (A)
Demostracin Dada la denicin de la operacin se sigue el resultado ya que ()(aij ) = (1K ())aij =
((1K ))aij = (1K (aij )) = (aij ) debido a que
aij K para todo i, j .

Diagrama esquemtico que ilustra el producto de dos matrices A

y B dando como resultado la matriz AB .

representacin de un vector de V en la base que se ha

elegido para V en forma de vector columna. Si tenemos
dos aplicaciones lineales f : V W y g : W U
entonces f (x) = Bx y g(x) = Ax , luego la aplicacin g f : V U se representar como g f (x) =
g(f (x)) = g(Bx) = ABx donde AB es el producto de
las representaciones matriciales de f, g . Ntese que la
composicin no se puede dar entre cualquier aplicacin
sino entre aplicaciones que vayan de V W U , en
particular debe de haber una relacin entre las dimensiones de los espacios vectoriales. Una vez dicho sto podemos denir el producto de la siguiente manera.
Sean A Mnm (K) y B Mmp (K) . Se dene el
producto de matrices como una funcin Mnm (K)
Mmp (K)
np (K) tal que (A, B) 7 C = AB
M
m
y donde cij = k=1 aik bkj para toda i, j , es decir cij =
ai1 b1j +ai2 b2j +ai3 b3j + +aim bmj . Por ejemplo, la
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)

3.3

Producto

El producto de matrices se dene de una manera muy peculiar y hasta caprichosa cuando no se conoce su origen.
El origen proviene del papel de las matrices como representaciones 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
matriz corresponde con las dimensiones de los espacios
vectoriales entre los cuales se establece la aplicacin lineal. De ese modo el producto de matrices, representa la
composicin de aplicaciones lineales.
En efecto, en ciertas bases tenemos que f : V W
se puede representar como f (x) = Ax donde x es la

] 3 1
[
]
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
nmero de columnas que B de las entonces no podremos establecer en donde acaba la suma: si la acabamos en

3.4

Rango

el mayor de stos nmeros habr sumandos que no estn

denidos ya que una de las matrices no tendr mas entradas, 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.
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
de las entradas est esta limitacin respecto a tamao. Es
claro, adems, que el producto de matrices no siempre es
una operacin interna.
3.3.1

5
eso en general no sucede. Obviamente existen casos particulares de algunos tipos de matrices en los que si hay conmutatividad. En el caso en que tengamos Mn (K) tendremos 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 mdulo es un lgebra sobre un anillo. Mas an (Mn (K), +, )
con el producto de matrices es un anillo.

3.4 Rango

Propiedades

El rango de una matriz A es la dimensin de la imagen de

la aplicacin lineal representada por A , que coincide con
Sean A, B, C matrices con entradas en K , donde K es
la dimensin de los espacios vectoriales generados por las
un campo, entonces se cumplen las siguientes propiedalas o columnas de A .
des para el producto de matrices (considerando que los
productos existan)
Asociatividad

3.5 Traspuesta

La traspuesta de una matriz A Mnm (X) , donde

X no es necesariamente un campo, es una matriz B
Demostracin. Dada la denicin de la operacin se si- Mmn (X) tal que bij = aji . Por ejemplo la entrada
gue
= AH = R , rij = b12 = a21 .
mel resultado ya que, siA(BC)
p
b
c
lo que rij =
a
h
y
h
=
i
j
ik
kj
ij
=1
p por
k=1
p
m
m
Veamos un ejemplo ms explcito. Sea A M23 (R)
a
b
c
=
ik
k
j
=1
k=1 aik bk cj =
=1
k=1
p
=1 si cj = tij donde (AB)C = SC = T debido a que aij , bij , cij K para todo i, j . Aqu estamos [
]
1 8 3
considerando que A es n m , B es m p y C es p q
4 2 6
.

A(BC) = (AB)C

Distributividad respecto de la suma de matrices entonces su traspuesta es

por la derecha
(A + B)C = AC + BC

1
4
8 2
3 6

Demostracin Dada la denicin

m de la operacin se
sigue
el
resultado
ya
que
bik )ckj =
m k=1 (aik +
m
m
a
c
+
a
c
+
b
c
=
ik
kj
ik
kj
ik
kj
k=1
k=1 bik ckj
k=1
As, informalmente podramos decir que la traspuesta es
debido a que aij , bij , cij K para todo i, j . Aqu estaaquella matriz que se obtiene de la original cambiando
mos considerando que A es n m , B es n m y C es
las por columnas. Las notaciones usuales para denotar
mp.
la traspuesta de una matriz son AT , At .
Distributividad respecto de la suma de matrices La trasposicin de matrices tiene las siguientes propiedades (donde ahora si el conjunto de entradas debe ser al
por la izquierda
menos un anillo conmutativo):
A(B + C) = AB + AC
Demostracin Dada la denicin
m de la operacin se (AT )T = A,
sigue
el
resultado
ya
que
m
m k=1 aik (bkj+m ckj ) =
(A + B)T = AT + B T ,
a
b
+
a
c
=
ik
kj
ik
kj
k=1
k=1 aik bkj +
k=1 aik ckj
debido a que aij , bij , cij K para todo i, j . Aqu esta- (AB)T = B T AT ,
mos considerando que A es n m , B es m p y C es
mp.
Si A Mnm (X) representa una aplicacin lineal, enEl producto de matrices no es conmutativo, si lo fuera tonces la matriz AT describe la traspuesta de la aplicacin
la composicin de funciones lineales sera conmutativa y lineal.

7 MATRICES RELACIONADAS CON OTROS TEMAS

Matrices cuadradas y deniciones relacionadas

La traza de una matriz cuadrada es la suma de los elementos de la diagonal, lo que equivale a la suma de sus n
valores propios.

Una matriz de Vandermonde es una matriz cuadrada cuUna matriz cuadrada es una matriz que tiene el mismo
yas las son las potencias de un nmero. Su determinante
nmero de las que de columnas. El conjunto de todas
es fcil de calcular.
las matrices cuadradas n-por-n junto a la suma y la multiplicacin de matrices, es un anillo que generalmente no
es conmutativo.
M(n,R), el anillo de las matrices cuadradas reales, es un 5 Las matrices en la Computacin
lgebra asociativa real unitaria. M(n,C), el anillo de las
matrices cuadradas complejas, es un lgebra asociativa
Las matrices son utilizadas ampliamente en la compucompleja.
tacin, por su facilidad y liviandad para manipular inforLa matriz identidad In de orden n es la matriz n por n macin. En este contexto, son una buena forma para reen la cual todos los elementos de la diagonal principal son presentar grafos, y son muy utilizadas en el clculo nuiguales a 1 y todos los dems elementos son iguales a 0. mrico. En la computacin grca, las matrices son amLa matriz identidad se denomina as porque satisface las pliamente usadas para lograr animaciones de objetos y
ecuaciones MIn = M y InN = N para cualquier matriz M formas.
m por n y N n por k. Por ejemplo, si n = 3:

1 0
I3 = 0 1
0 0

0
0.
1

6 Teora de matrices

La teora de matrices es un rama de las matemticas

La matriz identidad es el elemento unitario en el anillo de que se centra en el estudio de matrices. Inicialmente una
rama secundaria del lgebra lineal, ha venido cubriendo
matrices cuadradas.
tambin los temas relacionados con la teora de grafos, el
Los elementos invertibles de este anillo se llaman
lgebra, la combinatoria y la estadstica.
matrices invertibles, regulares o no singulares. Una
matriz A n por n es invertible si y slo si existe una matriz B tal que
AB = In = BA.

7 Matrices relacionadas con otros

temas

En este caso, B es la matriz inversa de A, identicada

por A1 . El conjunto de todas las matrices invertibles Una matriz puede identicarse a una aplicacin lineal
n por n forma un grupo (concretamente un grupo de Lie) entre dos espacios vectoriales de dimensin nita. As
bajo la multiplicacin de matrices, el grupo lineal general. la teora de las matrices habitualmente se considera como una rama del lgebra lineal. Las matrices cuadradas
Si es un nmero y v es un vector no nulo tal que Av = desempean un papel particular, porque el conjunto de
v, entonces se dice que v es un vector propio de A y que matrices de orden n (n entero natural no nulo dado) po es su valor propio asociado. El nmero es un valor see propiedades de estabilidad de operaciones.
propio de A si y slo si AIn no es invertible, lo que
Los conceptos de matriz estocstica y matriz doblemensucede si y slo si pA() = 0, donde pA(x) es el polinomio
caracterstico de A. pA(x) es un polinomio de grado n te estocstica son herramientas importantes para estudiar
los procesos estocsticos, en probabilidad y en estadstica.
y por lo tanto, tiene n races complejas mltiples races
si se cuentan de acuerdo a su multiplicidad. Cada matriz Las matrices denidas positivas aparecen en la bsqueda
cuadrada tiene como mucho n valores propios complejos. de mximos y mnimos de funciones a valores reales, y a
El determinante de una matriz cuadrada A es el producto varias variables.
de sus n valores propios, pero tambin puede ser denida
por la frmula de Leibniz. Las matrices invertibles son
precisamente las matrices cuyo determinante es distinto
de cero.

Es tambin importante disponer de una teora de matrices

a coecientes en un anillo. En particular, las matrices a
coecientes en el anillo de polinomios se utilizan en teora
de mandos.

El algoritmo de eliminacin gaussiana puede ser usado En matemticas puras, los anillos de matrices pueden
para calcular el determinante, el rango y la inversa de una proporcionar un rico campo de contraejemplos para conmatriz y para resolver sistemas de ecuaciones lineales.
jeturas matemticas.

Algunos teoremas
Teorema de Cayley-Hamilton

Matriz y grafos

En teora de los grafos, a todo grafo etiquetado corresponde la matriz de adyacencia. Una matriz de permutacin es
una matriz que representa una permutacin; matriz cuadrada cuyos coecientes son 0 o 1, con un solo 1 en cada
lnea y cada columna. Estas matrices se utilizan en combinatorio.
En la teora de grafos, se llama matriz de un grafo a la
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 elementos de una columna permite determinar el grado de
un vrtice. La matriz M n indica en la lnea i y la columna
j el nmero de caminos a n aristas que adjuntan el vrtice
i al vrtice j.

10

Vase tambin

Descomposicin de Schur
Descomposicin en valores singulares
Descomposicin QR
Determinante (matemtica)
Eliminacin de Gauss-Jordan
Factorizacin LU
Forma cannica de Jordan
Lema de Schur
Matlab
Matriz triangular

11

Referencias

Beezer, Rob, Un primer curso en lgebra lineal, licencia bajo GFDL. (En ingls)
Jim Heeron: lgebra lineal (Libros de texto en
lnea) (En ingls)

12 Enlaces externos
Una breve historia del lgebra lineal y de la teora de
matrices lineal (En ingls)
Matemticas/Matrices(En Wikilibros)
Reducir matrices por Gauss Jordan de manera Online

13 Notas
[1] Tony Crilly (2011). 50 cosas que hay que saber sobre matemticas. Ed. Ariel. ISBN 978-987-1496-09-9.
[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.

14

14
14.1

TEXT AND IMAGE SOURCES, CONTRIBUTORS, AND LICENSES

Text and image sources, contributors, and licenses

Text

Matriz (matemticas) Fuente: http://es.wikipedia.org/wiki/Matriz_(matemticas)?oldid=77818528 Colaboradores: Romero Schmidtke,

Joseaperez, Sabbut, Moriel, JorgeGG, Pieter, Lourdes Cardenal, Alberto Salguero, Sanbec, DefLog, Zorosandro, Af3, Triku, Tostadora,
Tano4595, Camilosw, El Hoy, Gengiskanhg, Jecanre, Cinabrium, Yopohari, Santiago Hernndez, Chewie, Soulreaper, Airunp, JMPerez,
Emijrp, La Maga, Orgullobot, RobotQuistnix, Platonides, Veltys, Alhen, Chobot, Caiserbot, 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, 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, Technopat, Queninosta, Matdrodes, BlackBeast, AlleborgoBot,
3coma14, Muro Bot, Alexandrosas, Komputisto, Numbo3, BotMultichill, Gerakibot, SieBot, Mushii, Danielba894, PaintBot, Cobalttempest, Bigsus-bot, BOTarate, Manw, Marcodallacamina, Javierito92, Dnu72, HUB, L&T2, Antn Francho, DragonBot, Farisori, Veon,
Leonpolanco, Juan Mayordomo, Aipni-Lovrij, UA31, AVBOT, Steve.jaramillov, LucienBOT, J.delanoy, Diegusjaimes, MelancholieBot,
Julio Isaac Moreno Daz, Lampsako, Andreasmperu, Luckas-bot, MystBot, Nallimbot, Ptbotgourou, Jotterbot, Angelsaracho, Jorge 2701,
CayoMarcio, Mcapdevila, SuperBraulio13, Almabot, Kender00, Xqbot, Jkbw, Umburi, FrescoBot, Ricardogpn, Esceptic0, Igna, Botarel, Jlbezares, Rojasyesid, D'ohBot, Hprmedina, TobeBot, Halfdrag, RedBot, PatruBOT, Sheldonspock, Euclides, Tarawa1943, Eudescontreras,
Proferichardperez, EmausBot, AVIADOR, ChessBOT, Africanus, J. A. Glvez, Rubpe19, Ezequieldiazbarral, Danicm, Jcaraballo, Waka
Waka, Mpinomej, Movses-bot, MerlIwBot, Franco68, Nodulation, Invadibot, Elessar.telkontarg, LlamaAl, Gaard van der Pol, Creosota,
Julinspi, MatemticaAlejandra, QFI.RICRADO, Lautaro 97, Addbot, Balles2601, DavosMat, JacobRodrigues, MrCharro y Annimos:
322

14.2

Images

Archivo:Matrix_multiplication_diagram.svg Fuente: http://upload.wikimedia.org/wikipedia/commons/1/11/Matrix_multiplication_

diagram.svg Licencia: CC-BY-SA-3.0 Colaboradores: Trabajo propio Artista original: User:Bilou

14.3

Content license

Creative Commons Attribution-Share Alike 3.0