Apuntes II

PROFESOR: M. EN C.
SERGIO TRINIDAD RODRÍGUEZ MÉNDEZ

15-10-20
UNAM-FES-ACATLÁN-ECONOMÍA-ALGEBRA LINEAL-GRUPO 1101-APUNTES II
Modelos lineales y algebra de matrices
El algebra matricial es el método adecuado para manejar un sistema de ecuaciones simultáneas, sobre todo de más
de dos ecuaciones:
El algebra lineal nos proporciona:

a) Una forma compacta de escribir un sistema de ecuaciones, incluso uno muy grande.
b) Conduce a una forma de probar la existencia de una solución mediante la evaluación de un determinante, un
concepto que tiene estrecha relación con el concepto de matriz
c) Proporciona un método para hallar la solución (si existe)
¿Para que utilizamos el algebra lineal, los economistas?

Análisis estático comparativo: determinamos un punto de equilibrio y hacemos simulaciones de lo que sucede
cuando hay una variación en las variables económicas y encontramos un nuevo equilibrio o puntos óptimos (cálculo
diferencial).
Análisis dinámico donde se estudian las trayectorias de un punto a otro punto de equilibrio (cálculo integral)
El algebra lineal se utiliza tanto en el análisis estático como en el análisis dinámico cuando se trabaja con sistemas
de ecuaciones.
Cuando se piensa que el alcance del algebra lineal es limitado a las funciones lineales, resulta ser una idea
equivocada. Por ejemplo, podemos trabajar con una función exponencial:
x
y=a b
Aplicando logaritmo natural en ambos lados de la función:
x
lny=lna+ ln b =lna+ xlnb
y=a+bx donde y=lny ; a=lna ; b=lnb
Conceptos: escalar, vector y matriz

PROFESOR: M. EN C. SERGIO TRINIDAD RODRÍGUEZ MÉNDEZ
15-10-20
¿Qué es un escalar? Es un número: 7 o b o x, evaluando la función en x=8, a ∈ R
7 es un escalar
b es un escalar
x: es un escalar
y=c+ dx
y=4−7 x
Si x=10 , entonces y=4−7 ( 10 )=−66
¿Qué es un vector?
Es un arreglo de escalares en forma de una sola fila o una sola columna:
[]
y= a vector columna
b
x= [ m 7 ] vector fila
[]
5
z= f vector columna
2
w=[ d 3 g ] vector fila
¿Qué es una matriz?
Es un arreglo de vectores con más de un vector columna o más de un vector fila:
A=
[ a11 a12 a13
]
a 21 a22 a23
→ con dimensión(2× 3)→ matriz rectangular
[ ]
b11 b12
B= b21 b22 → con dimensión(3× 2)→ matriz rectangular
b31 b32
15-10-20
[ ]
c11 c12 c13
C= c21 c22 c 23 → con dimensión ( 3 ×3 ) → matriz cuadrada
c31 c32 c33
[ ]
d 11 d 12 ⋯ d1n
d d 22 ⋯ d2n
D= 21 → con dimensión ( n ×n ) → matriz cuadrada
⋮ ⋮ ⋯ ⋮
d n1 dn2 ⋯ dnn
Ejemplos:
2 x + y + z=6
x− y−z=−3
3 x+ y+ 2 z=7
Expresión matricial : Ax= y , donde A es una matriz , x es un vector y y es otro vector
[ ] [] [ ]
2 1 1 x 6
A= 1 −1 −1 → x = y → y = −3
3 1 2 z 7
Ax= y
Modelo de ingreso nacional:
Y =C+ I −C +Y =I −1 1 Y [
C=a+ bY ordenando: C−bY =a en forma matricial : 1 −b C = a
I ][ ] [ ]
−5 y =−2 x +8 z +36 2 x −5 y −8 z=36
2 x−3 y=18 z−5 ordenando 2 x −3 y−18 z=−5
35 z=30 x−45 y +20 −30 x+ 45 y +35 z=20
¿Cómo lo expreso en forma matricial?
[ ] [] [ ]
2 −5 −8 x 36
A= 2 −3 −18 → x= y → y= −5
−30 45 35 z 20
15-10-20
Ax= y
Modelo de ingreso nacional:
[ ][ ] [ ]
Y =CP+ I +G Y −CP−G=I 1 −1 −1 Y I
CP=a+b(Y −T ) ordenando: −b Y +CP=a−bT en forma matricial : −b 1 0 CP = a−bt
G=gY −g Y + G=0 −g 0 1 G 0
Un inversionista tiene un capital de $2,500,000 que lo desea invertir en tres activos financieros, los cuales le
proporcionan el 5%, 7% y 9% de rendimiento respectivamente. Lo que desea es obtener un rendimiento total anual
de $300,000. Dadas sus preferencias de riesgo decide que el monto de la inversión en el primer activo financiero
debe ser el triple del monto de la inversión del tercer activo financiero.
Expresar el sistema de ecuaciones y llevarlo a su forma matricial.
x + y + z=2,500,000 x + y + z=2,500,000
0.05 x+ 0.07 y +0.09 z=300,000 ordenando: 0.05 x +0.07 y +0.09 z=300,000 en forma matricial:
x=3 z x−3 z=0
[ ][ ] [ ]
1 1 1 x 2,500,000
0.05 0.07 0.09 y = 300,000
1 0 −3 z 0
Ax= y
Una cafetería realiza una mezcla de tres tipos de grano (A, B y C). La mezcla consiste en 850 kg y se tiene un
presupuesto de $10,000 para la compra de los granos de café donde el tipo A tiene un costo de $45 por kg, el tipo B
de $30 y el tipo C de $60. Además, para evitar el sabor amargo la mezcla debe contener el doble de grano B con
respecto al grano C.
Expresar el sistema de ecuaciones y llevarlo a su forma matricial.
[ ][ ] [ ]
x+ y+ z=850 x + y + z=850 1 1 1 x 850
45 x +30 y +60 z=10,000 ordenando: 45 x+30 y +60 z=10,000 en forma matricial: 45 30 60 y = 10,000
2 y =z 2 y−z=0 0 2 −1 z 0
15-10-20
Operaciones con vectores y matrices

Suma y resta: únicamente se podrán sumar o restar vectores y matrices de la misma dimensión:
[] [] [ ]
a1 b1 a1 +b1
a3 b3 a3 +b3
c
c2 []
a= a2 → b= b 2 → a+ b= a2 +b2 → c= 1 → a+c :no hay resultado alguno → b−c :no hay resultado alguno
Propiedades:
Ley conmutativa: Si A ± B=C entonces B ± A=C ∴ A ± B=B ± A
Ley asociativa: Si ( A+ B ) +C=D entonces A + ( B+C ) =D∴ ( A+ B ) +C= A+ ( B+C )=B+( A+ C)
A=
[
a11 a12 a13
a 21 a22 a23 ] [
; B= 11
b
b21
b12 b13
b22 b23 ] [ c c
y C= 11 12 13
c21 c22 c23
c
]
[ a +b
( A+ B )= 11 11
a21 +b21 ]
a12 + b12 a13 +b 13
a22 + b22 a23 +b 23
[ a +b +c
( A+ B ) +C= 11 11 11
a21+ b21+ c 21 ]
a12+ b12+ c 12 a13 +b13 +c 13
a22+ b22+ c 22 a23 +b23 +c 23
[ b + c +a
A+(B+ C)= 11 11 11
b21+ c 21+a 21 ]
b12+ c 12+ a12 b13 +c 13+ a13
b22+ c 22+ a22 b23 +c 23 +a23
Multiplicación con escalares, vectores y matrices:

kA=k
[ a11 a12
a21 a22][
=
k a11 k a 12
k a21 k a 22] a a
[
a k a12 k
se cumple laley conmutativa Ak= 11 12 k= 11
a21 a22 ] [
a21 k a22 k ]
Multiplicación: únicamente se podrán multiplicar vectores y matrices que sean conformables.
La conformabilidad entre dos vectores o matrices se establece como la igualdad del # de columnas del primer
vector o matriz con el # de filas del segundo vector o matriz. La matriz resultante será de orden # de filas de
la primera matriz y # de columnas de la segunda matriz
15-10-20
[] ][ ] [
b1 b
b= b 2 → A=
b3
[
a11 a12 a13
a21 a22 a23 ]
→ bA : ( 3 ×1 ) ( 2×3 ) no hay conformabilidad ( no existe ) → Ab : ( 2× 3 ) ( 3× 1 )=( 2 ×1 ) → Ab=
a11 a12 a13 1
a21 a 22 a23 [
a b +a b
b2 = 11 1 12
b3
a 21 b1 +a 22 b
[ ] [ ] [ ]
d 11 d 12 d 13 d 14 d15
a11 a12 a13 b 11 b12
c c c
[
c d
A= a 21 a22 a23 → B= b 21 b22 → C= 11 12 13 14 → D= 21
a31 a32 a33 b 31 b32
c 21 c 22 c 23 c24 d 31 ] d 22
d 32
d 23
d 33
d 24
d 34
d25
d35
d 41 d 42 d 43 d 44 d 45
AB : ( 3 ×3 )( 3 ×2 )=( 3 ×2 ) → BC : ( 3× 2 ) (2 × 4 )=( 3 ×4 ) →CD : ( 2× 4 )( 4 ×5 ) =(2 ×5)
BA : ( 3× 2 )( 3 × 3 ) No son conformables→ CB: (2 × 4 )( 3 ×2 ) No son conformables
[ ]
DC : ( 4 × 5 ) (2 × 4 ) No son conformables → DA : ( 4 ×5 )( 3 ×3 ) No son conformables → DB : ( 4 ×5 ) ( 3 ×2 ) No son conformables
3 3
∑ a1 k bk 1 ∑ a1 k bk 2
[ ]
k=1 k=1
a11 b 11+a 12 b21 +a13 b31 a11 b12 +a12 b22 + a13 b32 3 3
AB= a21 b 11+a 22 b21 +a23 b31 a 21 b12 +a22 b22 + a23 b32 = ∑ a2 k bk 1 ∑ a2 k bk 2
k=1 k=1
a31 b 11+a 32 b21 +a33 b31 a31 b12 +a32 b22 + a33 b32 3 3
∑ a3 k bk 1 ∑ a3 k bk 2
k=1 k =1
3
∑ a1 k bk 1=a 11 b11 +a12 b21+ a13 b31

k =1
3
∑ a1 k bk 2=a 11 b12 +a12 b22+ a13 b32

k =1
3
∑ a2 k bk 2=a 21 b12 +a22 b22+ a23 b32

k =1
3
∑ a3 k bk 1=a 31 b11 +a32 b21+ a33 b31

k =1
Para cualquier caso:

15-10-20
(
c ij =∑ a ik bkj → i=1,2 , ⋯ , m
k=1 j=1,2 , ⋯ , p )
Ejemplo:
[ ]
d 11 d 12
d 31 d 32
e e
[
e
D= d 21 d 22 → E= 11 12 13 → DE =F
e 21 e 22 e23 ]
[ ]
3 3 3
∑ d 1k e k 1 ∑ a1 k ek 2 ∑ a1 k ek 3
k =1 k=1 k=1
3 3 3
F= ∑ d 2k e k 1 ∑ d 2 k e k 2 ∑ d 2 k e k3
k =1 k=1 k=1
3 3 3
∑ d3 k e k 1 ∑ d 3 k e k 2 ∑ d 3 k e k3
k=1 k=1 k=1
Casos prácticos:
[ ] [ ]
0 2 −4 8 2
A= 3 −5 4 → B= −3 1 → C= 6 5 −1 → D= −5
2 3 9 3 −5
1 −7 4 −4 [ ] [ 4
5 ]
[ ] [ ] [ ]
−18 22 50 26 0 −48 42
AB= 51 −19 → BC = −17 −22
34 −38 13
7
50 −23
→ BD= 11 −7 → DC =
5 −13
−26 −53 −21
−19 −55 24 [ ]
CA=
[−13
13 −16 35
49 4 ]
→ CB=
30 22
[
41 −25 ]
Otro caso:
15-10-20
[ ][ ] [ ]
6 x+3 y + z=22 6 3 1 x 22 y
x +4 y−2 z=12 → 1 4 −2 y = 12 → Ax= y → x=
A
4 x− y +5 z=10 4 −1 5 z 10
En algebra lineal no existe la división:
En su lugar existe la matriz inversa: A−1 ¿Qué propiedades tiene esta matriz? A A−1 =I :matriz identidad
La matriz identidad es cuadrada con unos en la diagonal principal y ceros en las demás posiciones, además
actúa como neutro multiplicativo, es decir, IB=B o bien CI=C
−1 −1 −1 −1
A Ax= A y → Ix= A y → x= A y
Este resultado está condicionado a que exista la inversa de A y que haya conformabilidad para el producto.
Notación sumatoria ( Σ )
La utilización de símbolos con subíndice ayuda tanto a designar los lugares de parámetros y variables como
a servir de una abreviatura flexible para denotar sumas de términos, como los que surgen cuando
realizamos multiplicaciones de matrices.
5
∑ x i=x 1 + x 2+ x 3 + x 4 + x 5
i=1
∑ x i=x 3 + x 4 + x 5
i=3
∑ x i=x 1 + x 2+ ⋯+ x n
j=1
5 5 5
∑ a xi =a x1 + a x 2 +a x 3 +a x 4 +a x 5=∑ a x i=a ( x1 + x 2 + x 3+ x 4 + x5 ) =a ∑ x i
i=1 i=1 i=1
n
∑ c=c +c +⋯+ c=nc

i=1
15-10-20
n n n
∑ x i− yi =∑ x i−∑ y i
i=1 i=1 i=1
n
∑ ai x i=a0 x0 + a1 x 1 +a2 x 2+ ⋯+a n x n=a0 +a1 x+ a2 x 2 +⋯ +an x n

i=0
∑ x i → ∑ x ij=x 1 j + x 2 j +⋯+ x nj → ∑ x ij=x i 1+ x i 2 +⋯+ x¿

i j
21
12
22
13
23
[ b
2
b b
]
Ejemplo: A × B , donde A=[ a11 a 12] y B= b b b entonces A × B=[ c11 c 12 c 13 ] donde:
11
2 2
c 11=∑ a 1 k b k 1 → c 12=∑ a1 k bk 2 → c 13=∑ a1 k b k 3
k=1 k=1 k=1
[∑ ]
2 2 2
A × B= a1 k b k1 ∑ a1 k bk 1 ∑ a1 k b k 3
k=1 k=1 k=1
{ }
n
c ij =∑ a ik bkj donde i=1,2, … , n
k=1 j=1,2 , … , p
[ ]
−1 8
A=[ 7 −5 2 ] y B= 6 −3
−2 9
[ ]
3 3
A × B= ∑ a1 k b k1 ∑ a1 k bk 2 = [ ( 7∗(−1 ) ) +(−5∗6 ) +(2∗(−2 ) ) ( 7∗( 8 ) ) + (−5∗(−3) ) +(2∗9) ]=[ −41 89 ]
k=1 k=1
Multiplicación de vectores:
[]
a11
a= a21 → b=[ b11 b 12 ⋯ b1 n ] → a × b=( n × 1 )( 1 ×n ) =( n ×n ) → b ×a=( 1× n ) ( n ×1 )=( 1 ×1 ) =escalar
⋮
an 1
15-10-20
Ejemplos:
[] [ ]
−5 40 −30 −5 15
c= 9 →d =[ −8 6 1 −3 ] → c × d= −72 54 9 −27
2 −16 12 2 −6
−4 32 −24 −4 12
[]
−5
9
d ×c= [−8 6 1 −3 ] =40+ 54+2+12=108
2
−4
Una multiplicación de vectores o matrices debe cumplir con la conformabilidad (el # de columnas de la
primera matriz o vector deben coincidir con el # de filas de la segunda matriz o vector) y su resultado será
una matriz o vector con filas igual al # de filas de la primera matriz o vector y columnas igual al # de
columnas de la segunda matriz o vector:
[] []
−5 −5
c= 9 →c 2=c ' c=[ −5 9 2 −4 ] 9 =25+ 81+4 +16=126 →(1 × 4)(4 ×1)
2 2
−4 −4
[] [ ]
−5 25 −45 −10 20
' ' 9 −45 81 18 −36
c c =( 4 × 1 )( 1 × 4 ) → c c = [−5 9 2 −4 ]
2 −10 18 4 −8
−4 20 −36 −8 16
Fila 1 columna 2=-45=fila2 columna1
¿Qué es una matriz transpuesta? Por ejemplo, si se tiene A ( 3 ×2 ) entonces su transpuesta A ' ( 2 ×3 )
15-10-20
[ ]
a11 a12
'
[
a11 a 21 a31
Ejemplo: A= a 21 a22 su transpuesta A = a a a
a31 a32 12 22 32
]
Ejercicios:
7 −1
[ ] [
0 4
]
8 3
[ ]
−5 −9
[
Dadas: A= 6 9 → B= 3 −2 → C= 6 1 → D= −1 −4 encontrar: ]
a) A+ B=[ 9 7 ]
7 3
b) C− A=[ 0 −8 ]
1 2
c) 3 A=[ 18 27 ]
21 −3
d) 4 B+ 2C=[24 −6 ]
16 22
e) A+ D=[ 0 5 ]
2 −10
f) B−D=[ 4 2 ]
5 13
g) C+ D=[5 −3 ]
3 −6
h) C−3 D=[ 33 13 ]
23 6
i) 4 A−2 D=[ 26 44 ]
38 14
j) 3 C−2 D=[20 11 ]
34 27
15-10-20
[ ] [ [ ]
2 8 4 7 2
]
2 0 7 −4
Dadas: A= 3 0 → B= 3 8 6 → C= −1
5 1
[ −2
−9 ]
→ D= 7 9 3 encontrar:
2 3 16
[ ]
28 64 62
a) AB= 6 0 21
13 8 41
b) AD=no son conformables
[ ]
−16 −76
c) AC= −12 −6
−21 −19
][ ]
2 8
d) CBA=CB= [
−14 −16 −40
−29 −72 −61
3 0=
5 1
[−286
−579
−162
−293 ]
[ ]
112 448 124
e) ABD= 42 0 63
26 24 656
[ ]
39 34
f) DA= 56 59
93 32
[−14 −16 −40

g) CB= −29 −72 −61 ]
[ ]
−260 −608 −568
h) ACB= −42 −48 −120
−99 −152 −261
[ ]
180 272 477
i) DAB= 289 472 746
282 256 843
15-10-20
[
−228 −330 −646
j) CBD= −742 −1034 −1250 ]
[ ] [ ]
3 −1 2 0 1 /5 3/10
Con las matrices A= 1 0 3 y B= −1 1 /5 7/10 realizar AB y BA
4 0 2 0 2/5 −1/10
[] []
Q1 p1
Q p2
Si tengo los siguientes vectores de cantidades compradas y precios unitarios Q= ⋮2 y P= ⋮
indique la
Qn pn
fórmula matricial que me da el costo de la compra total:
Desarrollar:
5 8 4
∑ x i=x 2 + x 3+ x 4 + x 5 ∑ ai x i=a5 x 5 +a 6 x 6 +a 7 x 7 +a 8 x 8 ∑ b x i=b(x 1+ x2 + x 3 + x 4 )

i=2 i=5 i=1
n 3 5
∑ ai x i−1=a1+ a2 x + ⋯+a n x n−1 ∑ ( x +i )2=x 2+ ( x+1 )2 +( x +2 )2+ ( x+3 )2=4 x 2 +12 x +14 ∑ x i=1+ x + x 2+ x3 + x 4 + x 5
i=1 i=0 i=0
Reescribir lo siguiente en notación de Σ :

3 4
x 1 ( x 1−1 ) +2 x 2 ( x 2−1 ) + 3 x 3 ( x 3−1 )=∑ i x i ( xi −1) a 2 ( x 3 +2 ) +a 3 ( x 4 +3 ) +a 4 ( x 5 + 4 ) =∑ ai (x i+1 +i)
i =1 i=2
n n
1 1 1 1 1 1 1 1
1+ + 2 + ⋯+ n =∑ i + 2 + ⋯+ n =∑ i
x x x i=0 x x x x i=1 x
Si tenemos dos vectores u y v , que resultado obtengo de uv ' y que resultado obtengo de u ' v :
' '
u v =matriz →u v=escalar
u v ' =( 3 × 1 )( 1 ×4 )=(3 × 4)→ u' v=(1× 5)(5 × 1)
15-10-20
[ ]
16 24 40
' ' ' '
u = [ 8 0 3 ] → v =[ 2 3 5 ] →u v = 0 0 0 →u v =31
6 9 15
[ ]
−18 9 36
−72 54
−14 7 28
−56 42
u' = [ 9 7 1 5 −3 ] → v ' =[ −2 1 4 −8 6 ] →u v ' = −2 1 4 '
−8 6 → u v=−65
−10 5 20
−40 30
6 −3 −12
24 −18
¿Cómo se expresa el ingreso total si vendemos n artículos de mercancías en cantidades Q1 ,Q2 , … , Qn a precios
p1 , p2 , … , p n ?
q=[ Q1 Q 2 … Qn ] → p=[ p1 p2 … pn ]
n
¿=Q1 p1 +Q2 p 2+ …+Qn p n=∑ Qi pi =q ' p
[ ]
i=1
Q 1 p1 Q 1 p2 … Q 1 p n
q p' = Q 2 p1 Q 2 p2 … Q 2 p n
⋮ ⋮ ⋮ ⋮
Q n p1 Q n p2 … Q n p n
Empresa de Refrescos A en pet: 355ml, 658ml, 1l, 1.5l, 2l y 3l, en aluminio: 355ml, 658ml, vidrio: 355ml,
658ml: 10 cantidades y 10 precios en un año.
Interpretación geométrica de operaciones con vectores:

x
[] 2
Si tenemos un vector u= y se dice que nos encontramosen el R . Un vector tiene una dirección y una magnitud
(x,y)
15-10-20
(0,0) x
Graficar el vector a=[ 3 4 ] y el vector b=[ 4 3 ]

a) Multiplicación de un escalar por un vector: 2 a=[ 6 8 ]; 2 a= 2 2
1
[ ]
3
b) Suma de dos vectores: a+ b= [ 7 7 ] ; resta de dos vectores: a−b=a+ (−b )=[ 3 4 ] + [−4 −3 ] [−1 1 ]
c) si a=[ 3 4 ], entonces −1 a= [−3 −4 ]
Dependencia lineal
Un conjunto de vectores v1 , v 2 , ⋯ , v n es linealmente dependiente si y solo si cualquiera de ellos se puede
expresar como una combinación lineal de los demás vectores, de lo contrario los vectores serán linealmente
independientes.
2
[] [] []1 4
Ejemplo 1: Los vectores v1 = 7 , v 2 = 8 , v3 = 5 son linealmente dependientes porque v3 es una combinación
lineal de v y v :3 v −2 v =v →3 v −2 v −v =0 ≅ [ 0 ]
0
1 2 1 2 3 1 2 3
15-10-20
vector nulo : aquel vector que tiene únicamente elementos=0

Ejemplo 2: v = [ 5 12 ] y v =2 [ 5 12 ] =[ 10 24 ] . Si v´2' =2 v ´1' entonces v ´2' −2 v ´1 =0
'
´' ´'
1 2
Dependencia lineal: Un conjunto de m vectores v1 , v 2 , ⋯ , v m es llamada linealmente dependiente si y solo si

existe un conjunto de escalares k 1 , k 2 , ⋯ , k n (no todos cero) tal que:
n
∑ k i v i=0(m×1)
i=1
Si esta ecuación se satisface únicamente cuando k i=0 para toda i, estos vectores serán linealmente
independientes.
Espacio vectorial
La totalidad de los vectores en dos dimensiones generados mediante las distintas combinaciones lineales de
dos vectores independientes u y v constituye el espacio vectorial bidimensional R2.
z
R
I x
I
I
I
R
I
III IV
y
15-10-20
En el espacio los dos vectores base linealmente independientes que van a permitir genera las distintas
2 1
[] []
0
combinaciones lineales son: R →u= 0 , v= 1
5
[] −6
[ ] −9
[ ]
Ejemplos: p= 2 =5 u+ 2 v → q= 2 =−6 u+ 2 v → r= −2 =−9 u−2 v
La totalidad de los vectores en tres dimensiones generados mediante las distintas combinaciones lineales de
tres vectores independientes u , v y w constituye el espacio vectorial tridimensional R3.
[] [] []
1 0 0
3
En el espacio R →u= 0 , v= 1 , w= 0
0 0 1
⋮
La totalidad de los vectores en n dimensiones generados mediante las distintas combinaciones lineales de n
vectores independientes u1 ,u 2 , ⋯ ,u n constituye el espacio vectorial n-dimensional Rn.
[] [] []
1 0 0
n 0 1 0
En el espacio R →u 1= ⋮ , u2= ⋮
, ⋯ , un =
⋮
0 0 1
Distancia entre dos puntos vectoriales

El espacio n-dimensional regularmente recibe el nombre de espacio euclidiano (Euclides), donde para
cualquier par de vectores (puntos en el espacio euclidiano) u y v, la distancia de u a v es alguna función de
valores reales:
d=d ( u , v ) =√ (a 1−b1 ) +(a2 −b2 ) + ⋯+(an−bn )
2 2 2
15-10-20
[] [] 6 3
Ejemplo para R2: u= 4 , v= 2 La distancia entre estos dos puntos de espacio euclidiano es:
d=d ( u , v ) =√ (6−3)2+(4−2)2=√ 13, se refiere a h=√ ca2 +co 2
Las leyes conmutativa, asociativa y distributiva en el algebra lineal:
La suma cumple con la ley conmutativa:

A+B=B+ A
La suma cumple con la ley asociativa:

( A+ B ) +C= A+(B+ C)
La multiplicación no cumple con la ley conmutativa:

AB ≠ BA
( 3 ×2 ) ( 2× 5 ) ≠ (2× 5)( 3× 2)
( 3 ×3 )( 3 ×3 ) =(3 ×3)(3 × 3)
15-10-20
[ ] [ ] [ ]
5 3 7 6 4 9 29 79 54
A= 9 −3 −7 B= 2 1 −4 → AB = 55 −23 72
2 8 0 −1 8 3 28 16 −14
[ ] [ ] [ ]
6 4 9 5 3 7 84 78 14
B= 2 1 −4 A= 9 −3 −7 → BA= 11 −29 7
−1 8 3 2 8 0 73 −3 −63
AB ≠ BA
Si tenemos un escalar por una matriz o vector: kA= Ak . En este caso especial si se cumple con la ley
conmutativa:
[ ][ ][ ]
5 3 7 10 6 14 5 3 7
2∗ 9 −3 −7 = 18 −6 −14 = 9 −3 −7 ∗2
2 8 0 4 16 0 2 8 0
La multiplicación si cumple con la ley asociativa siempre y cuando haya conformabilidad:

( AB ) C= A (BC )
[ ( 3 × 2 )( 2 ×5 ) ] ( 5× 4 )=( 3 ×2 ) [ ( 2 ×5 ) ( 5 ×4 ) ]
[ ( 3× 3 ) ( 3× 3 ) ](3 ×5)=(3 ×3)[ ( 3 ×3 ) ( 3× 5 ) ]
[ ][
1 −3 3 0
[ ] [ ] ]
3 2 4 9 22 −6 −6 0 2 1 −4 72 −116 −53 −20
A= 1 −1 ∗B=
4 −3
2
[
1 4 0 −2
−1 3 5 −3 0 ]
= 3 −2 −1 3 −2 ∗C= 2 −5 −2 1 = −6
11 −5 1 9 −8 −3 4 5 −2 −6
8
4
24 −5
71 −21
−1 −2 0 3
[ ]
1 −3 3 0
[ ] [ ][ [ ]
3 2 0 2 1 −4 3 2 72 −116 −53 −20
4 −3
[
−1 3 5 −3 0
−3 4 5 −2
]
A= 1 −1 ∗BC = 2 1 4 0 −2 2 −5 −2 1 = 1 −1 12 −20 −1 −6 = −6
4 −3
18 −28 −25 −1
−6
8
4
24 −5
71 −21
]
−1 −2 0 3
15-10-20
Ley distributiva de suma y multiplicación:

A ( B +C ) =AB+ AC
( 3 ×2 ) [ ( 2× 4 ) + ( 2× 4 ) ] =[ ( 3 ×2 ) ( 2× 4 ) ] + [ ( 3× 2 )( 2 × 4 ) ]
( 3 ×2 ) ( 2× 4 )=( 3 × 4 ) +(3× 4 )
( 3× 4 )=(3 ×4 )
[ ]
7 1
[
4 2 3 1
Ejemplo: A= 2 9 → B= 1 5 −2 −1 → C= 8
0 3
−2
] [ 1 3 −2
0 −5 −3 ]
[ ][ [ ]
7 1 23 26 35 −11
A ( B +C ) = 2 9
0 3
2
9
3 6 −1
5 −7 −4 ]
= 85 51 −51 −38
27 15 −21 −12
[ ][ ] [ ][ [ ][ ][ ]
7 1 7 1 29 19 19 6 −6 7 16 −17 23 26 35 −11
AB+ AC = 2 9
0 3
4 2 3 1
1 5 −2 −1
+ 2 9
0 3
−2 1 3
8 0 −5
−2
−3 ]
= 17 49 −12 −7 + 68 2 −39 −31 = 85 51 −51 −38
3 15 −6 −3 24 0 −15 −9 27 15 −21 −12
Ejemplo de multiplicación de matrices aplicado a la economía: Sea una economía ideal definida por un nivel
de ingreso nacional (PIB) Y 0 y por una tasa de inflación p0. Supongamos que cualquier desviación positiva o
negativa del ingreso y de la inflación se consideran indeseables, entonces podemos construir una función de
pérdida social como:
Λ=α (Y −Y 0 )2+ β (p− p0 )2
En términos de matrices, esta función se puede expresar como:
[ ][ ] [ ]
0
α 0 Y −Y Y −Y 0
Λ=[ Y −Y
0
p− p
0
] 0 = [ α (Y −Y
0
) β (p− p
0
) ] 0 2 0 2
0 =α (Y −Y ) + β ( p− p )
0 β p− p p− p
Ejemplo: α =0.7 y β=0.3 donde α y β son los ponderadores de la pérdida social por desviaciones del ingreso y
de los precios, respectivamente, el ingreso nacional pasa de Y 0=100 aY =88 y los precios pasan de
p0=3.5 % a p=4 % ¿Cuál es el valor de la pérdida social?
15-10-20
Λ=[ 88−100 0.04−0.035 ]

[ 0.70 0.30 ][ 0.04−0.035
88−100
]=[−8.4 0.0015 ]
[ 0.005
−12
]=100.8+0.0000075=100.800075
Matrices identidad y nula:
La matriz identidad tiene las características siguientes:
a) Es una matriz cuadrada
b) Es una matriz diagonal
c) Es una matriz simétrica
Se denota como I 5× 5=I 5 → I n× n=I n y tiene como elementos unos en la diagonal principal y ceros en las demás
[ ]
1 0 0
posiciones: I 2=[ ]1 0
0 1
→ I 3= 0 1 0 → …
0 0 1
d) Funciona como neutro multiplicativo, es decir, si se tiene una matriz A=(n × k ), entonces
I n × A ( n× k ) =A (n × k) o bien A ( n × k ) I k = A ( n × k )
[ ]
1 0 0
[ ] [ ]
A= 9 −13 2 , I 2= 1 0 y I 3= 0 1 0
15 8 −7 0 1
0 0 1
[ ][
I 2 A=
][
1 0 9 −13 2
0 1 15 8 −7
=
9 −13 2
15 8 −7 ]
][ ] [
1 0 0
[A I 3=
9 −13 2
15 8 −7
0 1 0=
0 0 1
9 −13 2
15 8 −7 ]
Caso 1: A=( 5× 3 ) ; I 3 y B=( 3× 2 ) , entonces AIB=AB=(5 ×2)
Caso 2: I n∗I n=I n → I kn=I n
e) La matriz identidad es idempotente es decir elevada a cualquier potencia nos va a regresar la matriz
identidad.
15-10-20
Tarea: Con: α =0.85 y β=0.15 y con α =0.75 y β=0.25

P (inflación Pérdida social
Año/Trimestre Y (PIB)
anualizada) α =0.85 y β=0.15 α =0.75 y β=0.25
0
Y :2019−I 18,275,214.248 4.00%
Y 1 : 2020−I 18,023,223.877 3.25%
0
Y :2019−II 18,496,704.383 3.95%
Y 2 :2020−II 15,042,855.591 3.33%
0
Y :2019−III 18,398,055.997 3.00%
Y 3 :2020−III 16,822,010.732 4.01%
Entregar antes de la clase del jueves 7 de diciembre de 2021
Si se tiene cualquier otra matriz A, tal que A × A= A, se dice que la matriz A es idempotente.
Matriz nula:
a) Puede ser rectangular o cuadrada
b) Se denomina matriz 0
c) Una matriz 0 cuadrada es idempotente, por ejemplo: 0 0 ∗ 0 0 = 0 0[ 0 0] [ 0 0] [ 0 0]
d) Con reglas de operación:
A( m×n)+0 (m× n)=0+ A=A
A ( m ×n ) × 0(n × p)=0 (m× p) →0 ( m × p ) × A( p × q)=0(m× q)
0 ( n × p ) × A ( m ×n ) no conformable → A ( p × q ) ×0 ( m× p ) no conformable
Dos ejemplos:
[ 3893 ][ ][ ] [
45
127
×
0 0
0 0
=
0 0
0 0
→
38 45 0 0 0 0
93 127 0 0 0 0
= ][
0 0 0 0
0 0 0 0 ][ ]
15-10-20
Casos especiales:
En algebra común :si ab=0 , entonces a=0 o b=0
A=
2 4
1 2[ ] [
× B=
−2 4
1 −2
= ][ ]
0 0
0 0
En algebra común :si cd =ce , entonces cd −ce=0
y por lo tanto d=e
[ ] [ ] [ ]
C= 2 3 → D= 1 1 → E= −2 1
6 9 1 2 3 2
con D ≠ E
[ ]
15 24[ ][ ]
C × D= 5 8 −C × E= 5 8 = 0 0
15 24 0 0
Estos casos suceden cuando las matrices A, B y C son matrices singulares (son aquellas donde una fila o
columna es múltiplo de otra).
Matrices transpuestas y matrices inversas:

Si partimos de las matrices siguientes:
[ ]
A(2 ×3)= 3 8 −9 y B(2 ×2)= 3 4
1 0 4 1 7 [ ]
[ ]
3 1
A (3 ×2)= 8 0 y B' (2 ×2)= 3 1
'
−9 4
4 7 [ ]
Propiedades de la matriz transpuesta:
'
( A' ) = A → ( A + B )' = A' +B ' → ( AB )' =B ' A '
Ejemplos:
[ ]
3 1
' '
Si A = 8 0 entonces ( A ) =
'
−9 4
[
3 8 −9
1 0 4
=A ]
15-10-20
[ ] [ ] [ ]
−2 3 9 4 7 7
C= 1
−8
5 y D= −3 5 → C+ D= −2 10
7 −4 1 −12 8
'
→ ( C+ D ) = [ 77 −2 −12
10 8
'
→C =
−2 1 −8
3 5 7 ] '
[
→D =
9 −3 −4
4 5 1 ]
'
[
'
→C + D =
7 10 ]
7 −2 −12
8 [ ]
[ ] [ [ ] [ ] [ ] [ ][
3 7 −11 37 13 −11 8 −7 1 −2 1 −2
E= −2
1
−5 → F=
4
1 3 2
−2 4 1 ]
→ EF= 8
−7 19 6
'
13 −9 6
'
−26 −9 → ( EF ) = 37 −26 19 → E =
3 −2 1
7 −5 4
' ' '
[
→F = 3 4 →F E = 3 4
2 1 2 1
3 −2
7 −5 ]
Matriz inversa:
Una matriz inversa es aquella donde se cumple que A × A−1= A−1 × A=I . Si la matriz identidad es cuadrada,
entonces A tiene que ser una matriz cuadrada (no existen matrices inversas de matrices rectangulares).
Para que exista la inversa de una matriz, esta tiene que ser no singular.
Fórmula:
−1 1
A = Adj ( A ) → donde Adj ( A )=Cof ( A)'
| A|
Ejemplo:
A=
[ a11 a12
a 21 a22 ]
El determinante de una matriz (cuadrada) es un escalar (un valor o número) que se obtiene de la siguiente
manera:
Considerando el caso de la matriz A:
| A|=
| a11 a12
a21 a22 |
=a11 a22−a12 a21
15-10-20
[ ]
b11 b12 b13
B= b21 b22 b23 su determinante es :
b31 b32 b33
| |
b11 b12 b13
|B|= b21 b 22 b23 =b11 b 22 b33 +b 12 b23 b3 1 +b2 1 b32 b 13 −b1 3 b22 b 31 −b1 2 b 2 1 b33−b23 b32 b 11
b31 b32 b33

Apuntes II

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Apuntes II

Cargado por

Copyright:

Formatos disponibles

PROFESOR: M. EN C.

SERGIO TRINIDAD RODRÍGUEZ MÉNDEZ

Modelos lineales y algebra de matrices

El algebra lineal nos proporciona:

¿Para que utilizamos el algebra lineal, los economistas?

Conceptos: escalar, vector y matriz

¿Qué es un escalar? Es un número: 7 o b o x, evaluando la función en x=8, a ∈ R

Operaciones con vectores y matrices

Multiplicación con escalares, vectores y matrices:

∑ a1 k bk 1=a 11 b11 +a12 b21+ a13 b31

∑ a1 k bk 2=a 11 b12 +a12 b22+ a13 b32

∑ a2 k bk 2=a 21 b12 +a22 b22+ a23 b32

∑ a3 k bk 1=a 31 b11 +a32 b21+ a33 b31

Para cualquier caso:

∑ c=c +c +⋯+ c=nc

∑ ai x i=a0 x0 + a1 x 1 +a2 x 2+ ⋯+a n x n=a0 +a1 x+ a2 x 2 +⋯ +an x n

∑ x i → ∑ x ij=x 1 j + x 2 j +⋯+ x nj → ∑ x ij=x i 1+ x i 2 +⋯+ x¿

[−14 −16 −40

∑ x i=x 2 + x 3+ x 4 + x 5 ∑ ai x i=a5 x 5 +a 6 x 6 +a 7 x 7 +a 8 x 8 ∑ b x i=b(x 1+ x2 + x 3 + x 4 )

Reescribir lo siguiente en notación de Σ :

Interpretación geométrica de operaciones con vectores:

Graficar el vector a=[ 3 4 ] y el vector b=[ 4 3 ]

vector nulo : aquel vector que tiene únicamente elementos=0

Dependencia lineal: Un conjunto de m vectores v1 , v 2 , ⋯ , v m es llamada linealmente dependiente si y solo si

Distancia entre dos puntos vectoriales

Las leyes conmutativa, asociativa y distributiva en el algebra lineal:

La suma cumple con la ley conmutativa:

La suma cumple con la ley asociativa:

La multiplicación no cumple con la ley conmutativa:

La multiplicación si cumple con la ley asociativa siempre y cuando haya conformabilidad:

Ley distributiva de suma y multiplicación:

Λ=[ 88−100 0.04−0.035 ]

Tarea: Con: α =0.85 y β=0.15 y con α =0.75 y β=0.25

Matrices transpuestas y matrices inversas:

También podría gustarte