MODELOS

LINEALES
Y
ALGEBRA
DE
MATRICE
S Integrantes :

Silva Meléndez , Bequer

Limo Vásquez, Mariela
 Modelo de
Equilibrio Parcial
A. Estatico
ANALISIS DE A. Estatico-
UN MODELO Comparativo
A. Dinamico
MATRICES Y VECTORES
Matrices Como Arreglos

Los modelos lineales predicen el valor de una

variable a través de otras que llamaremos factores
mediante una función lineal de estos.
Para estimar el modelo, tenemos que
observar el valor de la variable
dependiente y de los factores en
casos. En este caso, las ecuaciones
serán:
VECTORES COMO MATRICES
ESPECIALES

Una matriz de orden, o de dimensión, M por N

(escrita como M x N) es un conjunto de M x N
elementos ordenados en M filas y N columnas. Por
tanto, una matriz A de (M x N) puede expresarse
como
 VECTOR COLUMNA

Una matriz que consta de M

filas y solo una columna se
denomina vector columna.
 VECTOR FILA

Una matriz que consta de

sólo una fila y N columnas se
denomina vector fila.
TIPOS DE MATRICES

Cuando el numero de
columnas es igual al número
de filas.
MATRIZ IDENTIDAD O
UNITARIA

MATRIZ ESCALAR
MATRIZ SIMETRICA

MATRIZ
IDEMPOTENTE
 OPERACIONES CON
MATRICES

ADICION Y
SUBSTRACION DE
MATRICES

Si A y B son del mismo orden, se define la adición de matrices como: A+B=C ; donde C es el mismo orden que A y B
 EJEMPLO

La substracción de matrices sigue el mismo principio que la

adición de matrices, excepto que C = A - B, siempre y cuando A y
B sean del mismo orden.
MULTIPLICACION DE
MATRICES
 PROPIEDADES DE LA
MULTIPLICACION DE
MATRICES

La multiplicación de matrices no necesariamente es conmutativa:

AB ≠ BA.
AB significa que A es post multiplicada por B o B es pre
multiplicada por A. Aun si AB y BA existen, las matrices
resultantes pueden no ser del mismo orden.

Un vector fila post multiplicado por un vector columna es un

escalar.
EJEMPLO
Un vector columna post multiplicado por un
vector fila es una matriz.
 La multiplicación de matrices es asociativa, es decir

La multiplicación de matrices es distributiva con respecto a la

suma
TRANSPOSICION DE MATRICES
 PROPIEDADES DE LA
TRANSPOSICION DE MATRICES

La transposición de una matriz transpuesta es la misma matriz original

LEYES
: CONMUTATIVA

ASOCITATIVA
DISTRIBUTIVA

En el álgebra escalar ordinaria, las operaciones aditiva y multiplicativa

obedecen las leyes conmutativa, asociativa y distributiva como sigue:
Ley conmutativa de adición:

a+b=b+a

Ley conmutativa de multiplicación

ab = ba

Ley asociativa de adición

(a + b) + c = a + (b + c)
Ley asociativa de multiplicación
(ab) c = a (bc)

Ley distributiva

a (b + c) = ab + ac
MATRICES IDENTIDAD
MATRIZ IDENTIDAD, que se define como una matriz cuadrada
con unos en su diagonal principal y ceros en cualquier otra parte.
IMPORTANCIA:
La importancia de este tipo especial de matriz radica en el
hecho de que desempeña un papel similar al número 1 en
el álgebra escalar. Para cualquier número a, se tiene a(a) =
a(a) = a. De manera similar, para cualquier matriz A, se
tiene.

IA = AI = A
 MATRICES NULAS
Así como una matriz identidad I desempeña la función del número
1, una matriz nula o matriz cero, denotada por cero, juega el papel
del número cero. Una matriz nula es simplemente una matriz
cuyos elementos son cero.
CARACTERÍSTICAS
DEL ÁLGEBRA DE
MATRICES
 En el caso de escalares, la ecuación AB = 0 siempre implica que a o b es

1 cero, pero esto no es así en la multiplicación de matrices. EJEMPLO:

Como otra ilustración, para escalares, la ecuación cd = ce (con c = 0) implica

que d = e .

2 Esto no se cumple para matrices. EJEMPLO

 TRANSPUESTAS
Cuando se intercambian los renglones y las columnas de una
matriz A de modo que su primer renglón se convierta en la
primera columna y viceversa; se obtiene la transpuesta de A,
que se denota por:

A’ o AT
PROPIEDADES DE LAS
TRANSPUESTAS
(A’)’ = A
(A+B)’ = A’ + B’
(AB)’ = B’ A’
 LAS INVERSAS Y SUS
PROPIEDADES
Para una matriz identidad A, siempre se puede deducir la transpuesta por
A’, por otro lado, su matriz inversa otro tipo de matriz “deducida” podría
existir o no. La inversa de la matriz A, denotada por A elevado a la (-1),
se define solo si A es una matriz cuadrada, en cuyo caso el inverso de la
matriz es la matriz que satisface la condición:
SISTEMAS ECUACIONES
LINEALES
La aplicación del concepto de matriz inversa a la solución de un
sistema de ecuaciones simultáneas es inmediata y directa. Se
señalo que se puede escribir en notación matricial como :

A x = d
(3x3) (3x1) (3x1)
CADENAS DE MARKOV
Una aplicación común del álgebra de matrices se encuentra en lo que
se conoce como proceso de Markov o Cadenas de MArkov. Los
procesos de Markov se emplean para medir o estimar movimientos en
el tiempo.

Esto requiere del uso de una matriz de Markov, donde cada valor en
la matris de transición es una probabilidad de pasar de un estado
(ubicación, trabajo, etc) a otro estado.

También hay un vector que contiene la distribución inicial en los

distintos estados. Al multiplicar repetidamente tal vector por la matriz
de transición, se pueden estimar los cambios en los estados con el
tiempo.
Ejemplo:
Movimiento interno de los empleados dentro de una
compañía que tiene muchas filiales o tiendas de distribución.
Una ilustración simple con dos filiales como Rojo y Blanco,
ayudará a demostrar los conceptos básicos del proceso de
Markov.

Para determinar el numero de empleados se toma la

probabilidad de que los empleados permanecerán en
Rojo multiplicada por el numero total de empleados
que actualmente están en Rojo, lo cual nos da el total
de empleados actuales en Rojo que seguirán en la
tienda.
Aunado a esta cantidad está el número de empleados de Blanco que son
transferidos a Rojo. Esta cantidad se encuentra al multiplicar el número
total de empleados que actualmente están en Blanco por la probabilidad
de que un empleado de Blanco pueda ser transferido a Rojo.

De manera similar, el proceso seria el mismo para determinar el numero

de empleados que habrá mañana en Blanco constituido por los de Blanco
que optaron por permanecer allí y los empleados de Rojo que son
transferidos a la región de Blanco.

El proceso descrito tiene que ver con cuatro probabilidades. Estas cuatro
probabilidades se pueden acomodar en una matriz. La cual se conoce
como Matriz de Markov.
Sean At y Bt las poblaciones de Rojo y Blanco respectivamente, el algún instante
de T. Además defina las probabilidades transicionales como sigue.

PAA = PROBABILIDAD DE QUE UNA A ACTUAL SIGA SIENDO UNA A

PAB = PROBABILIDAD DE QUE UNA A ACTUAL SE MUEVA A B
PBB = PROBABILIDAD DE QUE UNA B ACTUAL SIGA SIENDO UNA B
PBA = PROBABILIDAD DE QUE UNA B ACTUAL SE MUEVA A A

Si la distribución de empleados en los lugares de tiempo se denota como un

vector:
Y las probabilidades de transición en forma de
matriz.
Ejemplo:
Supóngase que la distribución inicial de empleados en los dos lugares en el
tiempo T =0.

Entonces la distribución de empleados en los lugares en el siguiente periodo

( t = 1) es :
Muchas gracias