PROYECTO LGEBRA LINEAL

Mtodo de PageRank para realizar

bsquedas de informacin en Google
Yahira Yesenia Gallardo Texas
*Divisin de Ciencias e Ingenieras Universidad De Guanajuato
Dr. Teodoro Cordova Fraga
RESUMEN

con otras. La importancia de las pginas

radica en cuntas veces son linkeadas
(llamadas) desde otra pgina.

Objetivo. Explicar el mtodo matricial que

utiliza un buscador de internet (Google) para
encontrar resultados de acuerdo al
referenciamiento que existe entre pginas de
internet basado en su importancia. Este
mtodo, llamado Page Rank, utiliza la teora
de grafos que indica cmo las pginas se
relacionan entre s y forman vnculos unas

Para la seccin de resultados, se le asign un

nmero arbitrario a cada una de las siguientes
pginas:
1. YouTube
2. Wikipedia
3. Facebook

PROYECTO LGEBRA LINEAL

4. Wikimatematika
5. Rincn del Vago

Antecedes del Mtodo PageRank

PageRankTM es una marca registrada y
patentada el 9 de Enero de 1998 bajo el ttulo
original de Method for node ranking in a
linked database" siendo un valor numrico
entre uno y diez, que representa la
importancia que Google da a una pgina web
en Internet.
El PageRank es uno de los factores ms
importantes que usa el software de Google a
la hora de posicionar una web en los primeros
lugares de los resultados de una bsqueda. El
objetivo inicial era que al menos una de las
diez primeras pginas que muestra el
buscador contenga informacin til para la
persona que la consulta.

Fig. 1: Grafo, representacin esquemtica de la

vinculacin existente entre un determinado grupo de
pginas.

INTRODUCCIN
TERICO

MARCO

PROYECTO LGEBRA LINEAL

Los fundadores de Google se dieron cuenta

que muchos documentos acadmicos hacan
referencia a otros, de tal manera que si un
documento tiene un gran nmero de
referencias se puede llegar a la conclusin de
que ste es importante o relevante en esa
materia. De esta misma manera funcionaba
Internet en sus inicios y lo sigue haciendo en
la actualidad. Partiendo de esta hiptesis se
puede llegar a determinar qu pginas son
ms relevantes para los usuarios en virtud del
nmero de enlaces que nos conducen a ella y
Google las tendr en mayor consideracin a
la hora de posicionarlas en los resultados de
sus bsquedas.

El trabajo del buscador es asignarle una

importancia a cada pgina web de las que
tenemos censadas. Para ello, la teora de
grafos nos ayudar a mostrar nuestra
situacin.
En el modelo PageRank, el universo de las
pginas web indexadas es un gran grafo
dirigido, donde cada pgina web censada es
un nodo, y habr una "flecha" (arista
orientada) desde la pgina p i hacia la pgina
pj si hay un enlace desde la primera pgina
hacia la segunda.
En este gran grafo dirigido, uno tiene que
asignar una "importancia" a cada pgina. Una
manera razonable de asignar importancias
podra ser que cuantos ms enlaces recibe
una pgina, ms importante ser.

El modelo PageRank. Vectores y valores

propios

PROYECTO LGEBRA LINEAL

El problema que tiene este modelo es que uno

podra "inflar" rpidamente la importancia de
una pgina web determinada simplemente
creando varias pginas que tengan enlaces
con la misma, y este procedimiento es muy
fcil de implementar en pocos minutos, lo
cual hara que todo el sistema fuera muy fcil
de influir. Dicho en palabras, el "postulado"
del modelo PageRank dice lo siguiente:

que se define como la matriz cuadrada de

tamao igual a la cantidad de nodos del grafo.

La importancia xi de la pgina pi es
directamente proporcional a la suma de las
importancias de las pginas que enlazan con
ella.

Los siguientes teoremas, proposiciones y

definiciones son las utilizadas para el
desarrollo
experimental
mostrado
posteriormente.

El dibujo de un grafo (dirigido o no) es

ilustrativo e interesante si se trata de pocos
nodos, pero el grafo de internet tiene ms de
un billn de pginas. En lugar de ello, se
considera la matriz de incidencia del grafo,

Teorema 1.1. Si MI es la matriz de incidencia

del grafo de internet, y x = (x1,...,xN) R0n
el vector de importancias, entonces se cumple

En esta matriz, se coloca un 1 en el lugar (i, j)

si hay un enlace desde pi hasta pj. Si no lo
hay, se pone un cero. Por ejemplo la matriz de
incidencia la definimos a partir del grafo y es
aqu donde entra el lgebra lineal con los
vectores y valores propios.

MTI xT = xT

PROYECTO LGEBRA LINEAL

Donde R>0 es la constante de

proporcionalidad.

Cuando se encuentra la solucin al problema

planteado, se realiza la siguiente pregunta
existe unicidad?, la respuesta al problema de
la unicidad viene de la mano de otra rama de
la matemtica que es el Anlisis Funcional.

Y aqu viene bien recordar algunas

definiciones clsicas del lgebra lineal.
Definicin 1.1. Dados una matriz cuadrada M
de tamao n n, un vector no nulo x Rn (o
Cn) y un nmero R (o C), el vector x se
dice vector propio de M con valor propio
asociado si y solo si se verifica

Teorema 1.2 (Teorema de Oskar Perron) Sea

M una matriz cuadrada con todos sus
coeficientes positivos. Entonces:
o

MxT = xT
Corolario 1.3. El vector de importancias de
las pginas web es un vector propio (positivo)
de la matriz MTI, y la constante de
proporcionalidad es el valor propio
asociado a este vector.

Existe un valor propio simple > 0 tal

que MvT = vT, donde v es el vector
correspondiente, y tiene todas sus
coordenadas positivas.
Este valor propio es mayor, en mdulo,
que todos los dems valores propios de
M
Cualquier otro vector propio positivo de
M es un mltiplo de v

PROYECTO LGEBRA LINEAL

Teorema 1.3 (Teorema de Georg

Frobenius) Sea M una matriz cuadrada con
entradas no negativas. Si M se dice
irreducible, entonces
o

Donde M11 y M12 son matrices cuadradas.

Existe un valor propio simple > 0

tal que MvT = vT, donde v es el
vector correspondiente, y tiene
todas sus coordenadas positivas
Este valor propio es mayor o igual,
en mdulo, que todos los dems
valores propios de M
Cualquier otro vector propio con
entradas no negativas de M es un
mltiplo de v.

Proposicin 1.1. Si M es la matriz de

incidencia de un grafo dirigido, entonces M
irreducible es equivalente a que el grafo sea
"fuertemente conexo", es decir que dados dos
nodos cualesquiera del mismo, es posible
encontrar una sucesin de aristas que lleven
de uno a otro. En smbolos, dado > 0, muy
pequeo, definimos

Definicin 1.2 Una matriz M se dice

irreducible si no existe ninguna permutacin
de sus filas y columnas que la transforme en
otra matriz del tipo

PROYECTO LGEBRA LINEAL

TABLA 1.Muestra los links entre pginas planteadas por el

grafo

La matriz MI, E cumple con las hiptesis del

Teorema de Perron, y entonces "declaramos
que "la" solucin al problema es la que se
obtiene segn ese enunciado para un
prefijado (en el desarrollo experimental,
Google utiliza = 0,15)

De este direccionamiento entre pginas

podemos proponer una matriz de la siguiente
manera:

DESARROLLO EXPERIMENTAL
Se plantea hipotticamente el caso mostrado
en el grafo de la figura 1, dnde se realiza el
siguiente rankeo entre pginas y pginas:
Pgina
1) YouTube
2)Wikipedia
3)Facebook
4)Wikimatematika
5)Rincn del Vago

Cuntas veces
de rankea
2
1
3
3
3

Observando que YouTube es nuestro primer

vector rengln, ste mismo solo se direcciona
con Facebook y Rincn del Vago, lugares en
donde el vector rengln coloca un 1. As
mismo para los siguientes vectores rengln de
la matriz M.
De acuerdo al postulado de PageRank y a la
Definicin 1.1 se propone un autovalor, o
constante de proporcionalidad . Se tiene la
siguiente operacin matricial:

Con quin
3), 5)
1)
1), 2), 4)
1), 2), 5)
1), 2), 3)

PROYECTO LGEBRA LINEAL

tantos unos como enlaces haya hacia la

pgina indexeada.
Planteado ya el problema para el grafo
propuesto y utilizando un programa de ayuda
para calcular matrices, en este caso
Matematika, podemos obtener:
o

Posibles valores (aproximados) para

(valores propios de la matriz M T):
1 = 2.27
2 = -0.5 0.866 i
3 = -0.5 + 0.866 i
4 = -0-635 + 0.0692 i
5 = -0-635 0.692 i

Posibles valores (aproximados) para

los vectores propios x (ordenados
con respecto a los valores ya
obtenidos):

Expresndolo como ecuaciones, se obtiene:

1x2+ 1x3 + 1x4 + 1x5 = x1
1x3 + 1x4 + 1x5 = x2
1x1 + 1x4 + 1x5 = x3
3)
1x3 = x4
4)
1x1 + 1x4 = x5
5)
La razn por la cual se transpone la matriz es
debido a que si en los renglones de la matriz
de incidencia del grafo se puede leer cuntos
enlaces estn relacionados en una pgina
dada, justamente en las columnas aprecern
1)
2)

1.74; 1.21; 1.21; 0.532; 1

PROYECTO LGEBRA LINEAL

Siendo una respuesta razonable ya que la

primera pgina (YouTube) es votada por
todas las otras, y es la nica que presenta sta
situacin. YouTube merece ganar la contienda
de linkeos.
Se podra suponer que sta manera de
resolver el problema se puede generalizar,
que de cualquier matriz cuadrada con ceros y
unos habr un nico valor propio positivo y
asociado a ste un vector propio positivo. Sin
embargo esto no sucede, ya que por ejemplo
de una matriz

0; -0.5 0.866 i; -0.5+ 0.866 i; 1

0; -0.5 + 0.866 i; -0.5 0.866 i; 1
-0.469 + 0.101 i; -0.303 0.49 i; -0.303
0.49 i; -0.166 + 0.591 i; 1
-0.469 0.101 i; -0.303 + 0.49 i; -0.303 +
0.49 i; -0.166 0.591 i; 1
Dado a que la constante de proporcionalidad
tiene que ser real y positiva ( = 2.27), existe
nicamente una solucin al problema, y es la
siguiente:
x1 = 1.74
x2 = 1.21
x3 = 1.21
x4 = 0.532
x5 = 1

Se obtiene un eigenvalor nico = 0;

pudindose construir matrices ms grandes
con ms de un eigenvalor (valor propio)
positivo.

PROYECTO LGEBRA LINEAL

Todo
el
procedimiento
desarrollado
anteriormente, fue el realizado en los
primeros aos en qu se desarroll Google,
hasta que se encontr la siguiente falla: si una
pgina tiene un solo enlace, ste enlace vale
lo mismo que cualquier otro enlace de otra
pgina que produzca un milln de enlaces, es
decir, se van disminuyendo las importancias
de las pginas de acuerdo al rankeo que
realizan.
Para evitar esto, el modelo se modific de tal
manera que si hubiera un enlace desde pi a pj,
en lugar de (i, j) de la matriz de incidencia se
coloca el nmero

Utilizando dicha modificacin para los

valores del grafo, se obtiene la matriz

En cada fila hay una distribucin de nmeros

no negativos que suman 1, como si fuera una
distribucin de probabilidades sobre los
nodos del grafo de internet. Este tipo de
matrices se conoce como estocstica por
filas.
Calculando ahora los valores y vectores
propios con la matriz ME:

Con
esto,
cada
pgina tiene poder de voto igual a 1, y sta
unidad se va distribuyendo de acuerdo a los
enlaces.

10

PROYECTO LGEBRA LINEAL

Posibles valores (aproximados) para

(valores propios de la matriz M TE):
1 = 1
2 = -0.333 + 0.471 i
3 = -0.333 0.471 i
4 = -0.167 + 0.289 i
5 = -0.167 0.289 i

0; 0; -0.5 + 0.866 i; -0.5 0.866 i; 1

Como en el caso anterior, se tiene un valor de
real solo para 1 = 1, cuya nica solucin
ser:
x1 = 1.73
x2 = 0.867
x3 = 1.2
x4 = 0.4
x5 = 1

Posibles valores (aproximados) para

los vectores propios x (ordenados
con respecto a los valores ya
obtenidos):
1.73; 0.867; 1.2; 0.4; 1

Observando que en la solucin del primer

modelo descrito, la pgina 2 y 3 reciban la
misma importancia, en esta segunda solucin
la 3er pgina le gana a la 2da.
El motivo de la diferencia se puede explicar
debido a que la pgina 3 no solo es votada
por la 1ra pgina que es la ms importante,
sino que adems la 1ra pgina solo emite dos
votos, mientras que todas las que votan a la

0.333 + 0.943 i; 0.667 0.236 i; 0.5

0.707 i; 0.5; 1
-0.333 - 0.943 i; -0.667 + 0.236 i; 0.5
+ 0.707 i; -0.5; 1
0; 0; -0.5 - 0.866 i; -0.5 + 0.866 i; 1

11

PROYECTO LGEBRA LINEAL

pgina 3 emiten 3 votos; estos votos cuentan

por menos que los de la 1ra pgina.
De acuerdo con los teoremas 1.2 y 1.3 la
unicidad consiste en quedarnos con el nico
vector propio positivo de la matriz, el
asociado al valor propio ms grande que
todos los otros, es decir, el mdulo. Sin
embargo nuestras matrices M estn asociadas
a los grafos de pginas de internet, y tienen
muchos ceros, por lo que estn muy lejos de
ser positivas. Para que fueran positivas, todas
las pginas deberan de enlazarse con todas,
incluso consigo mismas.
Debido al interminable nmero de nodos que
se pueden encontrar en un grafo de internet,
los teoremas 1.2 y 1.3, as como la definicin
1.2 y la proposicin 1.1 no nos ayudan a
resolver el problema; entonces cmo lo
resuelve Google?

Fig.2: Componentes conexas del grafo de internet modelado

en 1999

Siendo la perturbacin algo muy comn

dentro del lgebra lineal, se trabajan con

12

PROYECTO LGEBRA LINEAL

datos aproximados; entonces lo que se realiza

es reemplazar a la matriz estocstica ME por
una matriz a la cual todos sus coeficientes
sern positivos al sumar una matriz a
conveniencia.
El principio subyacente a esta idea es que la
funcin importancia es continua, y si se
pudiera calcular cerca de la situacin en
dnde se encuentra, se obtiene un valor para
ordenar importancias
y no realmente
calcularlas.
De acuerdo con la proposicin 1.1, Google
utiliza un valor de = 0.15
Calculando la matriz perturbada del grafo
que planteamos en un inicio:

Con ayuda de un programa, en este caso

Mathematica, calculamos:
o

El vector propio positivo de esta

matriz (asociado al valor propio =
1) se obtiene:
x1 = 0.672559
x2 = 0.363478
x3 = 0.463318
x4 = 0.194141
x5 = 0.403921

13

PROYECTO LGEBRA LINEAL

Este es nuestro vector de importancias que

induce el mismo orden que el que produce la
matriz sin perturbar, es decir, que antes y
despus de la perturbacin tenamos el
siguiente orden entre las pginas:

efectivo computacionalmente. Este mtodo

permite simplificar el clculo de las matrices
involucradas en cada bsqueda. Cabe aclarar
que este mtodo es eficiente por el hecho de
conocer cmo funciona el PageRank y saber
cmo aplicarlo.

x1 > x3 > x5 > x2 > x4

CONCLUSIN

YouTube > Facebook > Rincon Del Vago

> Wikipedia >Wikimatematika

Esta es una manera bastante til de aplicar

lgebra lineal en situaciones de la vida diaria.
El mtodo de rankeo utilizado por Google es
la forma ms eficiente para relacionar pginas
de internet referenciadas entre s. No por nada
es el buscador ms usado en el mundo entero.
Es mejor que nos enlacen pginas con mayor
PageRank. No es lo mismo que te citen en un
peridico regional que salir en un programa
de televisin de mxima audiencia. Es mejor
que nos enlacen webs con pocos enlaces

DISCUSIN
Este mtodo parece muy factible y til para
encontrar una pgina con 5 entradas distintas
que generan una matriz 5x5, pero si se
quisiera calcular una verdadera matriz con un
billn de entradas, sera un verdadero
problema incluso para un ordenador eficiente.
Google ofrece una solucin a este problema.
Utiliza el mtodo de las potencias que es muy

14

PROYECTO LGEBRA LINEAL

[2]

salientes. No es lo mismo repartir un pastel

entre 100 que hacerlo entre 10. Hay que
controlar el flujo de PageRank, poniendo solo
enlaces en tu web a quien realmente se lo
merece.

Lucas Corrales. PageRank: lgebra lineal

aplicada. UNCPBA, Facultad de Ciencias
exactas.
2006.
http://depto8.files.wordpress.com/2007/10/pa
gerank-algebra-lineal-aplicada.pdf
[3]

Carlos DAndrea. El lgebra lineal detrs

de
los
buscadores
de
internet.
http://atlas.mat.ub.es/personals/dandrea/2012
_09_25_escrito_google.pdf

REFERENCIAS
[1]

Pedroche. Mtodos de clculo del vector

PageRank.
Institut
de
Matemtica
Multidisciplinar Universitat Politcnica de
Valencia.http://personales.upv.es/~pedroche/i
nv/_docs/fpedrochev4%28sema%29.pdf

[4]

Editor de ecuaciones en lnea:

http://www.alciro.org/tools/matematicas/edito
r-ecuaciones.jsp

15

PROYECTO LGEBRA LINEAL

[5]

P. Fernndez. El secreto de Google y el

lgebra
Lineal.
Departamento
de
matemticas, universidad Autnoma de
Madrid
(2004).
http://www.sema.org.es/documentos/fernande
z_google.pdf
[6]

Serge Land, Introduccin al lgebra

Lineal, Segunda Edicin, Ed. Springer, cap
VIII, pg. 233.

16