Una matriz no es solo una tabla de números: puede ser la forma más compacta de describir quién se relaciona con quién.
En esta lección usarás matrices como estructuras que almacenan y transforman información, y descubrirás que una relación binaria puede representarse con una matriz cero-uno. La meta es conectar notación algebraica con estructuras que ya aparecen en sistemas computacionales.
📷 Antes de comenzar
Una matriz cero-uno representa si cada usuario tiene o no acceso a cada recurso. ¿Qué interpretación es más directa para una entrada igual a 1?
Objetivo didáctico
Al terminar esta lección podrás aplicar operaciones con matrices y representaciones de relaciones binarias para modelar la estructura de tu caso, interpretar matrices cero-uno y utilizar propiedades y cierres de relaciones para justificar información derivada.
Introducción
En E3 ya construiste conjuntos y funciones; en E4 añadiste una restricción modular. Ahora necesitas una representación que permita organizar cantidades o relaciones de forma sistemática. Las matrices cumplen esa función cuando los datos pueden disponerse por filas y columnas.
Una matriz puede contener valores numéricos —por ejemplo, costos, coeficientes o cantidades— o valores lógicos codificados como cero y uno. En este segundo caso puede representar una relación: la fila identifica un elemento, la columna otro y la entrada indica si el par está relacionado.
La lección avanza de lo elemental a lo estructural. Primero operarás matrices; después reconocerás identidad, potencia, transpuesta, inversa y determinante; finalmente conectarás matrices con relaciones binarias, propiedades y cierres.
Desarrollo del tema
Concepto de matriz y operaciones fundamentales
Una matriz es un arreglo rectangular de elementos organizado en filas y columnas. Su tamaño se expresa como m por n: m filas y n columnas. La posición de cada entrada importa porque representa una combinación específica de fila y columna.
Dos matrices del mismo tamaño pueden sumarse entrada por entrada. La multiplicación por un escalar modifica cada entrada por el mismo factor. La multiplicación de matrices es distinta: combina filas de la primera matriz con columnas de la segunda y solo está definida cuando las dimensiones internas son compatibles.
Antes de multiplicar, escribe las dimensiones. Si A es m por n y B es n por p, el producto AB existe y resulta una matriz m por p. Esta comprobación sencilla evita muchos errores mecánicos y ayuda a interpretar qué entidades representa el resultado.
En un caso computacional, multiplicar matrices puede acumular efectos o combinar dos relaciones numéricas. No ejecutes la operación como receta: explica qué representa una fila, qué representa una columna y qué significado tendría cada entrada del producto.
💡 Compatibilidad dimensional
Para multiplicar A por B, el número de columnas de A debe coincidir con el número de filas de B. El resultado conserva las filas de A y las columnas de B.
🔎 Revelador
Aplica: define una matriz pequeña de tu caso. Nombra qué representa cada fila y cada columna antes de realizar una operación; después interpreta una entrada del resultado en lenguaje del problema.
Identidad, potencia, transpuesta, inversa y determinante
La matriz identidad desempeña un papel análogo al número 1 en la multiplicación: cuando las dimensiones son adecuadas, multiplicar por la identidad conserva la matriz. Esta propiedad ayuda a formular transformaciones y ecuaciones matriciales.
La potencia A² significa A multiplicada por sí misma y solo tiene sentido para matrices cuadradas. La transpuesta intercambia filas por columnas; si una relación estaba representada de filas hacia columnas, transponer puede ayudar a observar la relación inversa.
Una matriz cuadrada puede tener inversa cuando existe otra matriz que al multiplicarse por ella produce la identidad. No todas las matrices son invertibles. El determinante aporta, entre otras cosas, un criterio para detectar invertibilidad en matrices cuadradas: un determinante cero indica que la matriz no tiene inversa.
Para esta asignatura inicial, el objetivo es reconocer qué operación responde a la pregunta. No necesitas desarrollar técnicas avanzadas de determinantes: basta aplicar operaciones pequeñas y justificar qué información producen.
📚 Acordeón
Decide: si necesitas invertir la dirección de una relación representada en una matriz, compara el papel de la transpuesta con el de la inversa. Explica por qué no son operaciones intercambiables.
Matrices cero-uno y representación de relaciones
Una relación binaria de A en B es un conjunto de pares ordenados donde el primer componente pertenece a A y el segundo a B. Si ambos conjuntos son finitos, la relación puede representarse mediante una matriz: filas para A, columnas para B y una entrada uno cuando el par pertenece a la relación.
Esta codificación permite pasar de pares ordenados a una estructura adecuada para cálculo o almacenamiento. Por ejemplo, una relación “tiene permiso sobre” entre usuarios y recursos puede representarse con una matriz cero-uno.
Cuando la relación es sobre un mismo conjunto, la matriz es cuadrada. Entonces ciertas propiedades aparecen como patrones. Una relación reflexiva requiere unos en la diagonal; una relación simétrica produce una matriz igual a su transpuesta; otras propiedades necesitan observar combinaciones de pares.
La matriz no sustituye la definición de la relación. Siempre debes conservar la regla que explica qué significa un uno. De otro modo, dos matrices idénticas podrían representar fenómenos completamente diferentes.
| Usuario / Recurso | R1 | R2 | R3 |
|---|---|---|---|
| U1 | 1 | 0 | 1 |
| U2 | 0 | 1 | 1 |
| U3 | 1 | 0 | 0 |
Figura 1. Matriz de doble entrada para una relación usuario–recurso. El valor 1 representa presencia de la relación definida.
Aplica: toma dos conjuntos de E3 y define una relación entre ellos. Construye su matriz cero-uno y verifica al menos tres pares comparando la matriz con la definición verbal.
Propiedades, relaciones n-arias y cierre
Cuando una relación se define sobre un mismo conjunto, puede analizarse mediante propiedades. Es reflexiva si cada elemento se relaciona consigo mismo; simétrica si cada par aRb obliga a tener bRa; y transitiva si de aRb y bRc se sigue aRc.
Una relación n-aria generaliza la idea de par ordenado a tuplas con más componentes. Una fila de una tabla con usuario, recurso y permiso puede interpretarse como una relación ternaria. Esta lectura conecta de forma natural con estructuras de datos y bases relacionales.
El cierre de una relación agrega los pares mínimos necesarios para que se cumpla una propiedad deseada. El cierre reflexivo añade los pares faltantes de cada elemento consigo mismo. El cierre simétrico agrega pares inversos faltantes. El cierre transitivo incorpora conexiones exigidas por cadenas existentes.
Aplicar un cierre implica tomar una decisión: estás modificando la relación original para satisfacer una regla. Por eso debes conservar qué pares eran originales y cuáles fueron añadidos; esa trazabilidad será útil cuando el modelo se convierta en un sistema de ecuaciones.
📷 Control de comprensión
Una relación R sobre un conjunto contiene (a,b) y (b,c), pero no contiene (a,c). Si quieres obtener su cierre transitivo, ¿qué debes hacer?
Prueba tú: en una relación pequeña de tu caso, identifica si es reflexiva, simétrica y transitiva. Si decides aplicar un cierre, anota cada par añadido y la propiedad que lo exige.
Conclusión
Las matrices permiten representar cantidades y relaciones en una estructura compacta. Las operaciones fundamentales transforman esa información; identidad, transpuesta, inversa y determinante responden preguntas distintas; y las matrices cero-uno conectan directamente con relaciones binarias. Analizar propiedades y cierres obliga a distinguir entre lo que el modelo originalmente contiene y lo que se agrega para satisfacer una condición.
En la siguiente lección aprovecharás esta representación para construir un sistema de ecuaciones y resolverlo con eliminación gaussiana. Allí aparecerá una nueva exigencia: no solo obtener una solución, sino comprobar numéricamente qué tan bien satisface el sistema original.
🔭 Para seguir aprendiendo
- ¿Qué cantidades de tu caso podrían convertirse en incógnitas de un sistema lineal y qué relaciones entre ellas formarían las ecuaciones?
Actividad de aprendizaje autónoma
Etapa 5 · Representa la estructura acumulada mediante matrices y relaciones. Retoma los conjuntos, funciones y resultado modular de E3–E4. No construyas un caso nuevo: transforma parte del modelo existente a una representación matricial que pueda alimentar la siguiente etapa.
- De dónde vienes. Identifica qué conjuntos, correspondencias o restricciones de E3–E4 conservarás y revisa una decisión anterior.
- Construye la matriz. Declara qué representan filas, columnas y entradas. Si trabajas con una relación, genera una matriz cero-uno.
- Aplica una operación. Utiliza suma, producto, transpuesta, potencia u otra operación tratada y explica qué significa el resultado en tu caso.
- Analiza la relación. Evalúa propiedades pertinentes y, si aplicas un cierre, distingue los pares originales de los añadidos.
- Qué decides. Justifica por qué la representación matricial conserva la información necesaria y qué información podría ocultar o simplificar.
- Qué documentas. Registra fuentes y cualquier consulta a inteligencia artificial, con los criterios usados para verificar el procedimiento.
🗂 Planifica tu etapa
✔ Evidencia de logro
- Referencia explícita a E3–E4 y revisión argumentada de una decisión previa.
- Matriz con significado de filas, columnas y entradas declarado.
- Operación matricial o representación cero-uno aplicada correctamente.
- Análisis de propiedades o cierre cuando corresponda.
- Justificación de la representación y registro de fuentes/contraste.
Si dos representaciones matriciales contienen los mismos números pero asignan significados distintos a filas y columnas, ¿puedes tratarlas como el mismo modelo? Justifica tu respuesta.
Referencias bibliográficas
- Grimaldi, R. P. (2025). Discrete and combinatorial mathematics: An applied introduction (5th ed., Global ed.). Pearson.
- Rosen, K. H. (2019). Discrete mathematics and its applications (8th ed.). McGraw Hill.