La matriz asociada (AX = B)

La Matriz Asociada (AX = B): Empaquetando el universo en tres bloques

En el tema anterior comprendimos que una ecuación lineal es el principio del equilibrio: una balanza donde la suma ponderada de varias causas da lugar a un efecto medible. Sin embargo, en la física real no tenemos una sola balanza, sino decenas o cientos de ellas actuando simultáneamente.

Imagínate intentar describir el estado de una red eléctrica con 50 nudos, o la deformación de una estructura arquitectónica sometida a múltiples cargas. Si tuviéramos que escribir cada signo más, cada igual y cada variable repetida cientos de veces en el papel, el análisis se volvería inabordable. Necesitamos un mecanismo de compactación inteligente.

Ese mecanismo consiste en comprimir todo el sistema de ecuaciones en una única igualdad vectorial compacta y elegante: A · X = B. Tres bloques conceptuales que contienen absolutamente toda la física del problema.

1. Desglosando los Tres Bloques Fundamentales

Cuando un sistema físico consta de m ecuaciones y n incógnitas, la formulación genérica en lenguaje escalar abarca líneas y líneas de texto:

Para desarmar esta estructura, definimos de manera precisa las tres matrices asociadas al sistema:

• 1. La Matriz de Coeficientes (A): Es una matriz rectangular de tamaño m × n (m filas por n columnas). Cada elemento a_ij representa la fuerza o acoplamiento de la variable j sobre la ecuación i.
  A =

  ( a₁₁  a₁₂  ···  a_1n )
  ( a₂₁  a₂₂  ···  a_2n )
  (  ⋮    ⋮   ⋱    ⋮  )
  ( a_m1  a_m2  ···  a_mn )
• 2. La Matriz (Vector) de Incógnitas (X): Es una matriz columna de tamaño n × 1 que reúne de forma ordenada las n variables cuyo valor queremos averiguar.
  X =

  ( x₁ )
  ( x₂ )
  (  ⋮  )
  ( x_n )
• 3. La Matriz (Vector) de Términos Independientes (B): Es una matriz columna de tamaño m × 1 que almacena los resultados observados o las excitaciones externas para cada una de las m ecuaciones.
  B =

  ( b₁ )
  ( b₂ )
  (  ⋮  )
  ( b_m )

2. ¿Por qué el producto A · X reproduce exactamente el sistema?

A primera vista, escribir A · X = B puede parecer una simple notación abreviada. Pero hay algo mucho más profundo detrás: las reglas de la multiplicación matricial encajan a la perfección con la estructura de las ecuaciones lineales.

Recordemos la regla de multiplicación de matrices que estudiamos previamente: para obtener el elemento de la primera fila del resultado, tomamos la Fila 1 de A y calculamos su producto escalar contra la Columna X:

3. Ejemplo Práctico: Construcción Paso a Paso

Vamos a tomar un sistema de 3 ecuaciones con 3 incógnitas y empaquetarlo en sus tres bloques numéricos.

Dado el sistema lineal:

Construimos la ecuación matricial A · X = B cuidando la alineación de las variables (fíjate en que en la primera ecuación faltan x₁ y x₂, lo que significa que sus coeficientes son exactamente 0):

4. La Conexión con las Leyes de la Física

Escribir un problema como A · X = B no es un capricho académico; es el estándar universal en la ciencia contemporánea. Cuando estudies disciplinas avanzadas, te encontrarás esta exacta estructura con distintos nombres:

• En Mecánica de Estructuras (Ley de Hooke Generalizada): K · u = F (donde K es la matriz de rigidez de los materiales, u es el vector de desplazamientos y F es el vector de fuerzas aplicadas).
• En Circuitos Eléctricos (Leyes de Kirchhoff): R · I = V (donde R es la matriz de resistencias de la red, I las corrientes en cada malla y V los voltajes de las fuentes).
• En Quantum y Análisis de Datos: Múltiples transformaciones donde A representa el operador del sistema.

Una vez que hemos empaquetado el problema en estos tres bloques, estamos listos para operar. En la siguiente lección fusionaremos la matriz A y el vector B para dar origen a la herramienta de cálculo definitiva: La Matriz Ampliada y las transformaciones de sistemas equivalentes.