Algebra lineal y teoria de matrices Rosa Barbolla . Catedratico de Andlisis Econémico (Mateméticas para la Economia y la Empresa) Universidad Autonoma de Madrid a Paloma Sanz , Profesora Titular de Analisis Econémico (Matematicas para la Economia y la Empresa) Universidad Auténoma de Madrid PRENTICE HALL Madrid * México * Santafé de Bogota * Buenos Aires * Caracas * Lima * Montevideo San Tuan * San Insé ¢ Santiaen # San Pano # White Plaine‘Datos de eatlogacisn biliogritiea Barbotla, Rosas Sa Algebra lineal y teoria de matrices PRENTICE HALL, Madiid, 1998 ISBN: 84-8322-008-3, Materia: Aigebra, $12 Formato: 180 x 240 Paginas: 552 Barboita, Rosa; Sanz, Paloma Algebra lineal y teoria de matrices [No esté permitida Ja reproduccién fotal o parcial de esta obra ai su tratamiento o transmisién por cualquiermedio o método sin autorizacién eserita de Ia Editorial DERECHOS RESERVADOS © 1998 respecto a la primera ediciOn en espafiol por: PEARSON EDUCACION, S. A. C/ Nuifez de Balboa, 126 28006 Madrid Simon & Schuster International Group ‘A Viacom Company ISBN: 84-8322-008-3 Depésito legal: M. 32.095-2000 1 reimpresion, 1998 2 reimpresién, 2000 Editor: Andres Otero Composicién: Jesis Soto Diseilo de eubierta: Herrero y Asociados Impreso por: Closas-Oreoyen, 8. L, IMPRESO EN ESPANA - PRINTED IN SPAIN ste libro ha sido impreso con papel y tintas ecolégicosContenido 1 Espacio Vectorial 4 1 1.1 Introduccién . . . a 1 1.2 Concepto de vector . 2 1.3. Espacio vectorial. 7 1.4 Subespacio vectorial 10 1.5. Sistemas de generadores . . . ee ee pee 9 1.6 Dependencia e independencia lineal 2 1.7 Base y dimensién de un espacio vectorial 28 itey Resumeny 9 eee 3 5 36 19 Bjerdicios . 6... ee ee 2. Matrices y aplicaciones lineales 4 21 Introduccién. .. . 41 2.2 Concepto de matriz 42 2.3 Aplicaciones lineales .......... = 45 2.4 Relacién entre matriz y aplicacién lineal... 0s yes 56 2.5 Operaciones con matrices . 68 2.6 Aplicacién lineal inversa: matiz inversa de una dada... . 15 2.7 Matrices particionadas 84 2.8 Resumen... cece cece eee ee eee 89 2.9 Ejercicios 98 3. Traza y determinante 103 3.1 Introduccin. . 02... pe 103) 3.2 Trazade una matriz . . 104 3.3 Determinante de una matriz . 105 3.4 Aplicaciones de los determinantes 119 3.5 Resumen ; 127 36 Fiercicins 132,vi Algebra lineal y teorfa de matrices 4 Algunos tipos de matrices 41 42 43 44 45 46 47 48 49 4,10 Resumen 4.11 Ejercicios 5 Derivacién matricial 5.1 5.2 oa 54 55 56 57 5.8 6 Sistemas de ecuaciones lineales, Existencia de solucién. 61 62 63 64 65 66 7 Resolucién de sistemas de ecuaciones lineales Vd 12 73 14 15 16 1d 18 8 Autovalores y autovectores 81 82 83 84 85 Introduccién ‘Tipos de matrices. Definicion Matrices triangulares . 2.2... Matriz traspuesta de una dada Matrices simétricas y antisimétricas. ... . . . Matrices hermiticas Matrices positivas . . Matrices ortogonales Matrices idempotentes, unipotentes y nilpotentes Introduccién . Producto Kronecker de matrices Vectorizacién de una matriz. . . . Expresiones de derivadas matriciales Reglas de derivacién ; : Derivadas de algunas funciones matriciales Resumen Ejercicios . . Introduceién . Sistemas de ecuaciones lineales . Existencia de solucién Comportamiento de las soluciones de un sistema lineal Resumen Rjercicios Introducci6n . . Soluciones de sistemas equivalentes Reglade Cramer. . . Método de Gauss-Jordan Otros procedimientos de resolucisn de un sistema de ecuaciones Tineales »... . 275 Métodos numéricos iterativos de resolucién de sistemas de ecuaciones lineales . . 280 Resumen. : Bee ee oe 293 Ejercicios Introduccién tee ee Autovalores y autovectores Propiedades de los autovalores . . Propiedades de los autovectores ‘Autovalores y autovectores de algunos tipos de matrices10 uw Contenido vii 8.6 Autovalores dominantes coe sete 334 8.7 Resumen oe eee eee eee pacoosddso.0 8&8 Ejercicios 2... boo see Socegadcosna eG Diagonalizacién de matrices cuadradas 349 9.1 Introduccién . . : tee ee 9.2 Diagonalizacién de una matric... : eee wee 349 9.3 Diagonalizacién de algunos tipos de matrices... 363 9.4 Forma canénica de Jordan 367 9.5 Aplicaciones .......... . 397 9.6 Resumen ...........5 eee cee ee 6 408 9.7 EBjercicios cee eee ee 409 Formas cuadriticas 413 10.1 Introduccién Beet eee i 413. 10.2 Formas cuadriticas . = 413 10.3 Criterios de clasificaci6n de formas cuadraticas 419 10.4 Propiedades de las formas cuadrdticas 431 10.5 Formas cuadréticas restringidas : . 440 10.6 Resumen 448 10.7 Ejercicios 453 Inversa generalizada 457 IL.1 Introducci6n. 2.2... . 457 112 ersa de una matriz . 458 11.3 s-inversa de una matriz 468 11.4 g-inversa de una matriz . . . bees 47 11.5 Aplicaciones a la resolucién de sistemas de ecuaciones lincales 480 11.6 Resumen eee ee 490 11.7 Bjercicios . . . fe ee eee 255) Algunas aplicaciones del algebra lineal y Ia teorfa de matrices 499 A. Introduccién . : 499 A2. Andlisis de componentes principales 500 A.3° Minimos cuadrados ........ wee . 503 A.4 Funciones estimables . . . oe 504 A.S_ Estimadores de m4xima verosimilitud . 509 AG Identificacion ... 2... 2... ee 513 A.7 Estabilidad de sistemas positives . S16 A8 Formas cuadréticas generalizadas , : - 518Prdlogo En los tiltimos aiios, la organizacién y contenido de los textos de Economia, asi como de la econometria y estadistica, han experimentado cambios importantes en sus contenidlos espeeificos, como respuesta obligada para su mejor adaptacién a las modificaciones, de los programas de estudios, Muchos de los temas tratados en las asignaturas mencionadas comparten métodos comunes para resolver algunos de sus problemas especificos. Entre otros, se presentan los relacionados con las técnicas de optimizacién, ortogonalizacién de variables, clasificacién de formas cuadri- ticas, resolucién de sistemas de ecuaciones y andlisis de sistemas dindmicos especificados para describir las trayectorias que pueden seguir los sistemas econdmicos estudiados. Los programas de las materias de matemiticas de las facultades de econémicas y empresa- tiales han ido evolucionando para facilitar al alumno el dominio de las técnicas empieadas en el tratamiento de los problemas anteriores. Sin embargo, por razones obvias, la mayorta de los textos de matemiaticas para los alumnos de estas facultades se han centrado en lo que es el niicleo baisico de los programas clasicos de célculo y algebra correspondientes a los primeros cursos de Ia licenciatura. Por otra parte, asignaturas de corte matemético, dirigidas a dotar al alumno de Jos conocimientos adecuados para abordar los problemas anteriores, con un nivel més riguroso, tienen caracter optativo y estan situadas en los iltimos cursos de licenciatura 0 postgrado. Con respecto a estas materias, no es facil encontrar manuales adecuados a sus contenidos especificos, Jo que significa que los alumnos han de confiar en las referencias bibliogréficas recomendadas, que en miiltiples ocasiones no se ajustan a sus necesidades de rigor de planteamiento, o bien, a apuntes tomados en clase, con los conocidos inconvenientes que esta préctica conlleva. Como ‘ejemplos, piénsese en temas tales como: derivadas de vectores y matrices, inversas generalizadas, proyectores ortogonales, diagonalizacién de matrices y potencia y exponencial de una matriz. El manual que presentan las Dras. Barbolla y Sanz viene a cubrir con gran solvencia algunas de las carencias anteriormente descritas. Su contenido, tal y como sefialan las autoras, no se limita al tradicional de algebra lineal, ya que no sélo incluye los fundamentos de ésta en el sentido clésico, sino que dedica gran parte del mismo a la teoria de matrices. El desarrollo de los capftulos ha sido tratado con claridad y rigor, teniendo en cuenta que si bien sus lectores serén en su mayoria procedentes de las facultades de economia, no se excluye que sus planteamientos también serdn adecuados a alumnos de otras facultades, Un capitulo de especial interés lo constituye el relativo al célculo diferencial con matrices En numerosas situaciones tedricas se presenta la necesidad de resolver problemas de optimiza- cién; por ejemplo, dado un modelo ¥ = f(X, @) +c, no necesariamente lineal, en el que ¥, Xx Algebra lineal y teoria de matrices y c representan la variable explicada, las explicativas y una perturbaci6n estocéstica, respectiva- mente, se quiere estimar el vector de coeficientes del modelo 8 € ®, siendo & compacto. Para ello, se selecciona un criterio, por ejemplo el minimo cuadrético, que permite especificar una funcién objetivo. A continuacién, para obtener los estimadores minimo cuadraticos se procede a optimizar, que en este caso ser minimizar. Asi, suponiendo que se cumplen las condiciones de continuidad y diferenciabilidad adecuadas, en el proceso de obtencién de os estimadores, habré que calcular las derivadas de la funcién objetivo con respecto al vector 3. En general, dependiendo de la funcién objetivo estudiada, sera necesario considerar derivadas de escalares, vectores 0 matrices con respecto a escalares, vectores o matrices. En la mayorfa de los libros de texto utilizados, las derivadas anteriores se introducen de forma més 0 menos ad hoc, lo que supone ciertas dificultades de comprensién por parte de los alumnos cuando, con demasiada frecuencia, se cambian los criterios de definicién. En este capitulo de célculo diferencial se conttibuye a resolver los problemas anteriores al tratar de forma coherente Ja terminologia y los conceptos y, en particular, dando definiciones sisteméticas de los diferentes tipos de derivadas de escalares, vectores y matrices con respecto a todos ellos. Ademis, de forma organizada, proporcionan una recopilacién casi exhaustiva de las propiedades y teoremas, haciendo uso de las matrices de permutacién y del producto de Kronecker. Otro tema muy importante y novedoso en nuestra literatura lo constituye el relativo a la inversa generalizada. La inversa de una matriz cuadrada de rango completo es un concepto muy familiar para los alumnos y su utilizaci6n para resolver sistemas de k ecuaciones lineales con el mismo niimero de incdgnitas es una técnica bien conocida. Sin embargo, cuando se analizan sistemas lineales del tipo A@ = 6, y se quiere calcular el vector de incégnitas 3, a partir de ‘A, b siendo la matriz, A singular 0 no cuadrada, el concepto y aplicaciones de la matriz inversa generalizada se muestra como un procedimiento utile ilustrativo. 12s aplicaciones de Ta inver- sa generalizada no se agotan con la anteriormente sefialada, puesto que, en espacios vectoriales euclideos, puede asociarse a proyectores ortogonales en sentido amplio. Este concepto, en el que me familiatiz6 G. Fisher en mis estudios de postgrado en Ja universidad de Southampton, y gue corhencé a utilizarlo en la UAM a principios de la década de los setenta, permite una interpretacién muy sencilla c intuitiva del método de estimacién minimo cuadratico y de sus generalizaciones. En efecto, dado un modelo lineal del tipo yoX Bre, (uxt) (nxk) (x2) (x) con independencia de Jas caracteristicas de la matriz de datos de las variables explicativas, X, siempre se puede supoher que sus,vectores columna generan un subespacio vectorial M.,-. Pues bien, la estimacién mfnimo cuadratica del vector Y es equivalente a su proyeccién ortogonal sobre My. Este resultado facilita en gran manera la comprensién por parte del estudiante de la propiedades de la estimacién minimo cuadrética. ‘Son también especialmente importantes, en el campo de la estadfstica y 1a econometria, las aplicaciones dedicadas a la diagonalizacién de matrices y a la ortogonalizacién de variables. Las variables de naturaleza econdmica presentan miiltiples interacciones, lo que casi siempre supone una gran complicacién para interpretar la relevancia de cada una de ellas en los modelos que las involucran, En relacién con el problema anterior, una técnica sumamente interesante consiste en desacoplat Jas variables mediante su’tranformacién adecuada. El desacoplamiento de las variables originales permite que las transformadas se puedan estudiar, en contextos lineales, ‘una a una, con independencia de las modificaciones que experimenten las demas. Con lo que, enPrélogo xi lugar de analizar un modelo con un ntimero elevado de variables que interacccionan, se puede simplificar analizando el mismo néimero de modelos que de variables explicativas desacopladas, pero en los que figura una sola variable explicativa transformada. A continuacién, invocando la aplicacién del principio de superposicién de sistemas lineales, se tendré que la solucién general sera la suma de las que proporcionen cada uno de los modelos desacoplados. En el anilisis de modelos dindmicos, a las variables desacopladas se las suele denominar candnicas, con lo que la trayectoria de las variables dependientes equivale a la suma de las dindmicas individuales de Jas canénicas, En forma alternativa, un modelo lineal con dos grupos de variables explicativas se puede transformar en otros dos equivalentes, en los que aparezcan explicitamente el grupo de las variables a estudiar y sus coeficientes, junto con el grupo de variables ortogonalizadas con respecto al primer grupo de variables seleccionadas. De esta forma, a la hora de estimar los, coeficientes de interés, sus estimadores mfnimo cuadlrdticos se podriin obtener excluyendo a las variables ortogonalizadas; por tanto, se reduciré la dimensionalidad del espacio de parémetros y se simplificaré el andlisis. En este texto, ademas de estudiar el problema de la diagonalizacin, de manera muy com- pleta, y tanto en R como para C, también se analiza la casi diagonalizacién o formas de Jordan. Esta técnica es poco Util, al tratarse en econometria con matrices de coeficientes estimados, ya que se puede suponer sin pérdida de generalidad que las matrices sean siempre diagonalizables; sin embargo, esto no siempre es factible en sistemas dinémicos, y por ello, es importante dispo- ner de algtin procedimiento general de casi diagonalizacién. A diferencia de lo que sucede en la mayoria de textos, en los que estas técnicas, dada su dificultad, s6lo reciben una consideracién marginal, aqui tienen un tratamiento bastante extenso. El capitulo dedicado a las formas cuadréticas es basico para el estudio de una serie de pro- blemas que se presentan en econom{a cuantitativa destacando, entre éstos, la correcta compren- sién de las condiciones de segundo orden de los problemas de optimizacién, Otro importante Ambito de aplicacién se presenta cuando éstas estén definidas a partir de vectores estocdsticos gaussianos, al desempefiar un papel fundamental en las propiedades de los contrastes estadisti- cos aplicables para analizar la idoneidad de los modelos econémicos estimados, Finaliza este libro con un apéndice muy util en el que se ven algunas aplicaciones en el campo de la estadistica y la econometria, como casos particulares de los conceptos mateméticos desarrollados en los diferentes capitulos. En particular, el anélisis de componentes principales, minimos cuadrados, funciones estimables, estimadores de méxima verosimilitud, identificacién, estabilidad de sistemas positivos y formas cuadriticas generalizadas con restricciones. En definitiva, quiero terminar felicitando a las autoras por el trabajo realizado y por su opor- tunidad, Ademés de su interés intrinseco, éste serd un manual de estudio y de referencia de gran utilidad para todos nuestros estudiantes. Juan del Hoyo Bernat Catedrético de Eeonometria Universidad Autonoma de Madrid Octubre de 1997