Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
MATRICES Econometría I Pontificia Universidad Católica de Chile INTRODUCCIÓN ¿Qué es una matriz? Es una colección de números ordenados de forma abierta en un arreglo rectangular, generalmente ordenados convenientemente para el propósito que se necesite. En general vamos a decir que las matrices contienen información, y esa información se ordena en los diferentes elementos. Su forma general es la siguiente: donde n es el número de filas y k el número de columnas. Las dimensiones de una matriz son n,k. 2 INTRODUCCIÓN Algunas matrices típicas son: Vector: matriz donde alguna de sus dimensiones es igual a uno. Escalar: matriz de orden 1x1. Matriz cuadrada: matriz donde el número de filas es igual al número de columnas. 3 INTRODUCCIÓN Algunas matrices típicas son: Matriz Triangular: matriz cuadrada que tiene ceros encima o debajo de la diagonal principal. Por ejemplo: Matriz Diagonal: matriz cuadrada cuyos elementos son todos ceros, salvo la diagonal principal. Por ejemplo: 4 INTRODUCCIÓN 5 OPERACIONES BÁSICAS: 6 OPERACIONES BÁSICAS: 7 OPERACIONES BÁSICAS: 8 OPERACIONES BÁSICAS: 9 MULTIPLICACIÓN 10 MULTIPLICACIÓN Ejemplos: Ejemplo 1: Sea: = La post multiplicación por un vector v cualquiera es: 11 MULTIPLICACIÓN Ejemplos: ¿Cuál es la lógica de la multiplicación? Ésta operación equivale a sumar los tres vectores de la matriz A usando como ponderadores los números del vector v. 12 MULTIPLICACIÓN Ejemplos: Llamémosle b a la matriz resultante. ¿Qué fue necesario para poder realizar la operación? Conformabilidad, es decir, que el número de columnas de la primera sea igual al número de filas de la segunda. ¿Por qué? Porque necesito el mismo número de vectores que de ponderadores con los cuales voy a combinar linealmente. El producto tendrá tantas filas como filas tenían los vectores que se combinaron y tantas columnas como combinaciones lineales se realizaron. 13 MULTIPLICACIÓN Ejemplos: Ejemplo 2: En este caso, estamos realizando 2 combinaciones lineales distintas. Ejemplo 3: multiplicación por un escalar. 14 MULTIPLICACIÓN 15 MULTIPLICACIÓN Productos típicos: Suma de los elementos: Sea: ¿Cuál es la intuición? 16 MULTIPLICACIÓN Productos típicos: Suma de los elementos^2: Sea: ¿Cuál es la intuición? 17 INDEP. Y DEP. LINEAL Dependencia Lineal: Dos vectores son linealmente dependientes si uno de ellos fuese múltiplo escalar del otro. Por ejemplo: Sea: a y b son linealmente dependientes, pues b = 2* a Intuitivamente esto significa que b no aporta nueva información que la ya conocemos en a, luego a es irrelevante. Más generalmente, un vector y será linealmente dependiente de un conjunto de vectores x, si y puede ser escrito como una combinación lineal de uno o más vectores de x. 18 INDEP. Y DEP. LINEAL Independencia Lineal: Dos matrices son linealmente independientes si no existe ninguna combinación lineal posible de alguna, que dé como resultado la otra (si tiene determinante no nulo). La intuición de la independencia lineal de las columnas (filas) de una matriz es que cada columna (fila) entrega nueva información respecto a la anterior, por lo tanto todas las columnas (filas) son importantes. 19 DETERMINANTE: Determinante: Es una función que asocia un número real a una matriz cuadrada. Es más fácil entender este número geométricamente. Por ejemplo, tomemos la matriz: 20 DETERMINANTE: 21 DETERMINANTE: ¿Cuándo el determinante será cero? Cuando los vectores no formen un área, es decir, cuando uno esté sobre otro, sin necesariamente ser del mismo largo. Esto es sinónimo de decir que uno sea la combinación lineal del otro, es decir cuando la información de un vector está repetida en otro. Conclusión: El determinante de una matriz será no nulo (distinto de cero) ssi. los vectores que la conforman son linealmente independientes. 22 DETERMINANTE: 23 DETERMINANTE: Ejemplo: Sea: A = 24 DETERMINANTE: Ejemplo: Sea: A = 25 DETERMINANTE: Ejemplo (continuación): 26 DETERMINANTE: 27 RANGO: 28 CLICK ¿Indep. y dep. lineal, determinante y rango? ¿Cómo se relacionan estos conceptos? Piense en la relación. Será cierto qué (para matrices cuadradas): rango completo independencia lineal determinante no nulo rango incompleto dependencia lineal determinante nulo 29 MATRIZ INVERSA: 30 MATRIZ INVERSA: 31 EJERCICIOS Problema 1: Obtener la inversa de la siguiente matriz: 32 EJERCICIOS Problema 1: Obtener la inversa de la siguiente matriz: Solución: Primero debemos ver si dicha inversa existe. Calculemos su determinante: 33 EJERCICIOS El determinante es distinto de cero, por lo que podemos calcular la inversa de A. 34 EJERCICIOS Calculemos la matriz de cofactores: Luego la transponemos y la dividimos por su determinante: 35 SISTEMAS DE ECUACIONES LINEALES Un sistema de ecuaciones lineales típico puede ser representado de forma normal o de forma matricial: Forma normal: Forma Matricial: Queremos resolver las variables x e y de forma matricial, ¿CÓMO? 36 SISTEMAS DE ECUACIONES LINEALES Lo que buscamos es una despejar el vector x en función del resto de las variables. Para esto utilizamos la matriz inversa: Si A es de rango completo, es decir posee inversa única, podemos pre- multiplicar la expresión anterior por y obtener el resultado Donde la solución sería: 37 SISTEMAS DE ECUACIONES LINEALES Un sistema de ecuaciones se define homogéneo cuando el vector b solo contiene ceros, es decir uno de la forma: En este caso, si A posee inversa, la única solución al sistema de ecuaciones es 38 VALORES Y VECTORES CARACTERÍSTICOS ¿Qué ocurre en el caso anterior si A no posee inversa? O dicho de otra forma, ¿qué ocurre si sabemos que el vector x es no nulo? Un caso implica al otro, es decir, si en un sistema de ecuaciones homogéneo buscamos un vector de solución no nulo, A no puede ser de rango completo, es decir no puede poseer inversa (única). Planteemos el problema de la siguiente forma: Descompongamos la matriz C de la siguiente manera: Donde es un escalar. Re-ordenando tendríamos la siguiente expresión 39 VALORES Y VECTORES CARACTERÍSTICOS De la solución de este sistema de ecuaciones se obtienen los llamados valores característicos o propios, , y los vectores característicos o propios, x. Volviendo a la ecuación anterior, la única forma de que esta ecuación tenga una vector solución x no nulo es que C no tenga inversa, es decir, que el determinante de C sea cero: La ecuación anterior, en función de la variable se denomina la ecuación característica. El valor de que soluciona dicha ecuación es el valor característico: 40 VALORES Y VECTORES CARACTERÍSTICOS De esta ecuación obtendremos dos valores característicos 1 y 2 Habiendo obtenido los valores característicos, los vectores característicos se derivan del problema original: Si lo desarrollamos: 41 VALORES Y VECTORES CARACTERÍSTICOS La solución a estas ecuaciones no será única, es decir, se obtendrá una solución a x en función de y. Esto es lógico pues partimos de la premisa que de existir una solución única ésta sería el vector nulo; como buscamos una solución distinta, ésta no será única y de hecho puede tomar infinitos valores. A partir de los valores y vectores obtenidos, se definen dos matrices. La matriz diagonal D reúne los valores característicos en su diagonal principal, con ceros en el resto de la matriz; por otro lado, la matriz denominada modal M agrupa los vectores característicos en el mismo orden en el cual se colocaron los valores característicos en la matriz diagonal: 42 VALORES Y VECTORES CARACTERÍSTICOS Estas dos matrices se relacionan con la matriz original de la siguiente manera: A esto se le llama la diagonalización de la matriz original. Algunas propiedades adicionales muy interesantes de los valores y vectores característicos y de estas matrices son las siguientes: • El rango de una matriz es igual alnúmero de valores característicos no nulos de ella • Consecuentemente, si algún valor propio de una matriz es igual a cero, esta matriz es no invertible. • Los valores característicos de una matriz idempotente son sólo unos o ceros. Por ende, el rango de una matriz idempotente es igual al número de valores característicos iguales a uno. • . • . 43 VALORES Y VECTORES CARACTERÍSTICOS • . • Los valores propios de la matriz A2 son el cuadrado de los valores propios de A. • Los valores propios de A-1 son los inversos de los valores propios de A, los vectores propios son los mismos que los de A. • Los valores propios de una matriz simétrica son reales, y no son necesariamente todos distintos. Por otro lado, los vectores propios de una matriz simétrica son ortogonales entre ellos, es decir, • Utilizando propiedades anteriores y la diagonalización de la matriz original, podemos obtener la llamada descomposición espectral de la matriz original: A = MDM ' • En el caso de una matriz cualquiera que sólo tiene elementos distintos de cero en su diagonal principal, dicha matriz elevada a n es igual a la misma matriz en donde cada valor de su diagonal está elevado a n. Sea A una matriz cuadrada cualquiera, es posible demostrar que: An = A*A*A….*A = M Dn M' 44 DIFERENCIACIÓN MATRICIAL 45 DIFERENCIACIÓN MATRICIAL 46 EJEMPLO 47 Axx xx xx xx xx x Axx xxxxAxx A 2 43 31 2 43 3 2 86 62' 64' 43 31 21 21 21 21 21 2 2 2 1 Fuente: • Gil, V (2007). Clases. Universidad Católica, Instituto de Economía, Econometría I, 2009. • Parra, A & Edwards, G. (2005). «Introducción al Algebra Matricial», Universidad Católica, Instituto de Economía. • Salas, C. (2010). Clases. «Algebra Matricial», Universidad Católica, Instituto de Economía, Econometría I, 2010. 48
Compartir