Matrices positivas

Material para el Tema 7 de Matematicas I

Grado de ADE
Curso 2014/2015

Indice
Matrices positivas
1.
Matrices positivas . . . . . . . . . . . . . . . . . . . . . . . .
1.1.
Matrices positivas . . . . . . . . . . . . . . . . . . . .
1.2.
Matrices estrictamente positivas . . . . . . . . . . . .
1.3.
Matrices positivas y modelos lineales de produccion .
2.
Matrices productivas . . . . . . . . . . . . . . . . . . . . . .
2.1.
Denici
on de matriz productiva. Ejemplos . . . . . .
2.2.
Caracterizaci
on de las matrices productivas . . . . . .
2.3.
Traspuesta de una matriz productiva . . . . . . . . .
3.
Conjuntos aut
onomos . . . . . . . . . . . . . . . . . . . . . .
3.1.
Denici
on de conjunto aut
onomo. Propiedades . . . .
3.2.
Determinaci
on pr
actica . . . . . . . . . . . . . . . . .
3.3.
Productos fundamentales . . . . . . . . . . . . . . . .
4.
Matrices indescomponibles . . . . . . . . . . . . . . . . . . .
5.
Estructuras productivas de subsistencia . . . . . . . . . . . .
6.
Apendice . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.1.
Demostraci
on del teorema sobre matrices productivas
Referencias

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

5
5
5
6
8
13
13
15
17
18
18
20
27
29
32
36
36
41

INDICE

Matrices positivas
1. MATRICES POSITIVAS
 
Notaci
on. En este texo, y siempre que no de lugar a confusi
on, escribiremos: P = pi para
designar una matriz columna P , y I para designar la matriz identidad, sin especicar el orden.


1.1. Matrices positivas

Definici
on. De una matriz real A se dice es positiva si todos sus terminos son mayores o
iguales que 0, y se escribe:
A  O, o bien O  A.
Si A y B son dos matrices del mismo orden, con la notaci
on:
A  B,

o bien B  A,

designaremos el hecho de que B A es positiva: B A  O.

Una consecuencia inmediata de la denici
on es que una matriz nula (o matriz cero): O, es
positiva.
Propiedades. Se verica:
 
 
1) Si A = aij y B = bij son dos matrices positivas del mismo orden, entonces A + B es
positiva.
Los terminos de A + B son de la forma: aij + bij , que son positivos o nulos por serlo los
terminos aij y bij .

 
 
2) Si A = aij y B = bij son dos matrices positivas tales que AB esta definido, entonces AB es positiva.
Si l es el n
umero de columnas de A (o el n
umero de las de B), entonces los terminos de AB
son de la forma:
l

aik bkj ,
k=1

que son positivos o nulos por serlo todos los terminos aik y bkj .

Matrices positivas

Notaci
on. En lo sucesivo escribiremos:


aik bkj ,

en vez de:

l


aik bkj ,

k=1

si no hay lugar a confusi

on.

 
Proposici
on 1. Consideremos una matriz A = aij de orden (n, m), y las m matrices columna
de orden (m, 1) siguientes:



1
0
0
0
1
0






E1 = 0 , E2 = 0 , . . . , Em = ... .
..
..

.
.
0
0
0
1
Una condici
on necesaria y suficiente para que la matriz A sea positiva es que, para cada 1 
i  m, la matriz AEi sea positiva:
AEi  O

para 1  i  m.

Demostraci
on. La condici
on es necesaria. Si suponemos que A es positiva, entonces, como para
cada 1  i  m la matriz Ei es positiva, AEi resulta ser el producto de dos matrices positivas, y
por tanto positiva (cf. propiedad 2).
La condici
on es suciente. Si suponemos que para cada 1  i  m la matriz AEi es positiva,
entonces A es positiva, pues:


A = AE1

AE2


. . . AEm .

c.q.d.

1.2. Matrices estrictamente positivas

Definici
on. De una matriz real A diremos es estrictamente positiva, y escribiremos:
O < A,

o bien A > O,

si sus terminos son todos positivos.

Si A y B son dos matrices del mismo orden, con la notaci
on:
A < B,

o bien B > A,

designaremos el hecho de que B A es estrictamente positiva:

B A > O.

Matrices positivas

Nota bene. Si x es un n
umero real, armar:
x0 y

x = 0

es lo mismo que armar:

x > 0.
No ocurre lo mismo con las matrices; esto es, si A es una matriz que verica:
AO

y A = O,

entonces no necesariamente se deduce que A sea estrictamente positiva. Por ejemplo, la matriz:


1 0
A=
1 1
es positiva, no es nula, y no es estrictamente positiva.

Propiedades. Se verica:
1) Si A, B y C son tres matrices reales del mismo orden y es un n
umero real positivo,
entonces:
(A < B) = (A + C < B + C),
(A < B) = (A < B),
(A  B y B < C) = (A < C),
(A < B y B  C) = (A < C).
Resulta inmediatamente de las deniciones.

 
 
2) Si A = aij y B = bij son dos matrices reales estrictamente positivas tales que AB
esta definido, entonces AB es estrictamente positiva.
Los terminos de AB son de la forma:


aik bkj ,

y son positivos, por serlo todos los terminos aik y bkj .

Proposici
on 2. El producto de dos matrices reales, una estrictamente positiva y la otra positiva
e invertible, es una matriz estrictamente positiva.

Matrices positivas

 
 
Demostraci
on. Sean A = aij y B = bij dos matrices tales que su producto AB esta denido, la
primera estrictamente positiva, y la segunda cuadrada, positiva e invertible.
Sea C = AB. Los terminos de C son de la forma:

aik bkj ,
cij =
k

donde todos los terminos aik son positivos y todos los terminos bkj son positivos o nulos. Aseguramos
que cij es positivo si al menos uno de los terminos bkj es no nulo.
Ahora bien, la matriz B es invertible, con lo que ninguna de sus columnas est
a formada enteramente
por ceros; es decir, en cada columna de B hay al menos un termino positivo. En conclusi
on: cij es
positivo y la matriz C = AB es estrictamente positiva.
Si, en vez del producto AB, esta denido el producto BA, el razonamiento es completamente
an
alogo.
c.q.d.

1.3. Matrices positivas y modelos lineales de producci

on
Consideremos una estructura productiva que est
a constituida por n industrias que producen n
bienes. Cada industria produce un solo bien, y cada bien es producido por una sola industria.
En lo sucesivo, representaremos con un n
umero natural de 1 a n tanto la industria como el
bien que esta produce, y pondremos:
S = {1, 2, . . ., n}.
Representemos con aij (con i y j pertenecientes a S) la cantidad (positiva o nula) del bien i
necesaria para producir una unidad del bien j. O bien: para producir una unidad del bien j
son necesarias aij unidades del bien i.
Supondremos se verican las siguientes hip
otesis:
 Hip
otesis de rendimientos constantes a escala: para producir xj unidades del bien j son
necesarias aij xj unidades del bien i.
 Hip
otesis de aditividad. Si se producen: x1 , . . . , xj , . . . , xn unidades, respectivamente,
de los bienes: 1, . . . , j, . . . , n, de la hip
otesis anterior se deduce:

ai1 x1 es la cantidad del bien i necesaria

para producir las x1 unidades del bien 1,

..

aij xj es la cantidad del bien i necesaria

para producir las xj unidades del bien j,

..

x
es
la
cantidad
del bien i necesaria
a

in
n

para producir las xn unidades del bien n.

Matrices positivas

La hip
otesis de aditividad arma que la cantidad:
ai1 x1 + + aij xj + + ain xn =

n


aij xj

j=1

es la cantidad del bien i que es utilizada por la estructura productiva. De:

n


aij xj

j=1

diremos es el consumo intermedio del bien i.

Tambien supondremos que la cantidad disponible del bien i: xi , se utiliza de dos formas
diferentes:
n

aij xj ;
 consumo intermedio del bien i:
j=1

 demanda nal del bien i, que denotaremos: yi (yi  0).

Es decir:
xi =

n


aij xj + yi ,

1  i  n,

j=1

o bien:

a x + + a1j xj + + a1n xn + y1 = x1

11 1

............................................
ai1 x1 + + aij xj + + ain xn + yi = xi

............................................

a x + + a x + + a x + y = x ,
n1 1
nj j
nn n
n
n

y escrito en forma matricial:

AX + Y = X,
donde A, X e Y son las matrices positivas siguientes:

a11
a21

A= .
..
an1

a12 . . . a1n
x1
y1
x2
y2
a22 . . . a2n

..
.. , X = .. y Y = .. .
..
.
.
.
.
.
an2 . . . ann
xn
yn

En las hip
otesis anteriores se dice que el sistema de produccion es lineal, y que el modelo
que lo representa es un modelo lineal.

10

Matrices positivas

Definici
on. Del n
umero real positivo o cero aij diremos es un coeficiente t
ecnico, y de la
 
matriz A = aij , cuadrada de orden n y positiva, diremos es la matriz de coeficientes
t
ecnicos.
De la matriz columna positiva X de orden (n, 1) cuyos terminos son las cantidades producidas x1 , x2 , . . ., xn diremos es la matriz de producci
on.
De la matriz columna positiva Y de orden (n, 1) cuyos terminos son las demandas finales
y1 , y2 , . . ., yn diremos es la matriz de demanda final.
Dado un bien j S, la industria j, que es la u
nica que lo produce, necesita como inputs
para su producci
on aquellos bienes i que verican:
aij = 0.
El conjunto de los bienes que la industria j precisa como inputs sera denotado: D(j); es decir,
el conjunto:
D(j) = {i S | aij = 0}
es el conjunto de los bienes que son directamente necesarios para la producci
on del bien j.
Ejemplo 1. Consideremos una estructura productiva con sistema de producci
on lineal con tres
industrias que produce tres bienes: cada bien es producido por una sola industria, y cada industria produce un solo bien. Representemos las industrias y los bienes que producen por los mismos
n
umeros: 1, 2 y 3. Sea:

1/2 0 1/16
 
1/2
0
A = aij = 1
0
1
1/2
la matriz de coecientes tecnicos de la estructura productiva.
Entonces, para producir una unidad del bien 1, la industria 1 utiliza a11 = 1/2 unidades del
bien 1, a21 = 1 unidades del bien 2 y a31 = 0 unidades del bien 3; por tanto, los inputs que la
industria 1 necesita son el bien 1 y el bien 2:
D(1) = {1, 2}.
La industria 2 utiliza 1/2 unidades del bien 2 y 1 unidad del bien 3 para producir una unidad del bien 2,
y por tanto:
D(2) = {2, 3}.
Por u
ltimo, la industria 3 utiliza 1/16 unidades del bien 1 y 1/2 unidades del bien 3 para producir una
unidad del bien 3:
D(3) = {1, 3}.

Matrices positivas

11

Nota. En este contexto entendemos por unidad una cantidad que se toma como medida.
Por ejemplo, si uno de los bienes producidos es acero, entonces la unidad podra ser la tonelada
metrica.

Si, por ejemplo, esta estructura productiva produce 1 unidad del bien 1, 3 unidades del bien 2 y 7
unidades del bien 3, entonces la matriz de producci
on es:

x1
1
X = x2 = 3 ,
x3
7
y el consumo intermedio del bien 1 en la producci
on es:
3


a1j xj =

j=1

1
1
15
1+03+
7=
;
2
16
16

el consumo intermedio del bien 2 es:

11+

1
5
3+07= ;
2
2

por u
ltimo, el consumo intermedio del bien 3 es:
13
.
2
Luego la matriz cuyos terminos son los consumos intermedios es:

15/16
1/2 0 1/16
1
5/2 = 1 1/2
0 3 = AX.
13/2
0
1
1/2
7

Nos planteamos el siguiente problema: dada la matriz positiva A de coecientes tecnicos,

y la matriz positiva Y de demanda nal, en que condiciones podemos encontrar una matriz
de producci
on X que satisfaga:
X = AX + Y,

con X  O,

(I A)X = Y,

con X  O.

o bien:

Ejemplo 2. Considerando la estructura productiva del

tecnicos:

1/2
 
A = aij = 1
0

(1)

ejemplo 1, que tena como matriz de coecientes

0 1/16
1/2
0 ,
1
1/2

12

Matrices positivas

se puede satisfacer la demanda nal:

1/16
y1
Y = y2 = 1/2 ,
1/2
y3
pues con la producci
on:

x1
1
X = x2 = 3
x3
7

se verica:
X = AX + Y.
En efecto:

1
1/2 0 1/16
1
1/16
3 = 1 1/2
0 3 + 1/2 .
7
0
1
1/2
7
1/2

En palabras: si la estructura productiva produce 1 unidad del bien 1, 3 del bien 2 y 7 del bien 3,
entonces consumira en el proceso de producci
on 15/16 unidades del bien 1, 5/2 unidades del bien 2
y 13/2 unidades del bien 3, pudiendo as atender la demanda de 1/16 unidades del bien 1, 1/2 unidades
del bien 2 y 1/2 unidades del bien 3.

Si la matriz I A es invertible, entonces de (1) deducimos:

X = (I A)1 Y.

(2)

Pero de (2) no podemos concluir que X  O; sin embargo, si (I A)1 es una matriz positiva,
como Y es positiva, el producto:
(I A)1 Y = X
es una matriz positiva (cf. propiedad 2 de las matrices positivas).
En conclusi
on: es suciente que la matriz I A sea invertible y que su inversa: (I A)1 ,
sea positiva para asegurar que (1) admite solucion.
Estudiemos a continuaci
on que propiedades tienen las matrices positivas A tales que I A
1
es invertible y (I A) es positiva.

Matrices productivas

13

2. MATRICES PRODUCTIVAS
2.1. Definici
on de matriz productiva. Ejemplos
Definici
on. De una matriz real cuadrada A, de orden n y positiva, diremos es productiva
si existe una matriz columna X, de orden (n, 1) y estrictamente positiva, tal que:
X AX > O.
Ejemplo 3. La matriz real:


A=

0.5 0
0 0.1

es productiva, pues, por ejemplo, la matriz columna:

 
1
X=
>O
1
verica:
X AX =
Ejemplo 4. La matriz real:

  
       
1
0.5 0
1
1
0.5
0.5

=
> O.
1
0 0.1
1
1
0.1
0.9

1
0


0
1/2

no es productiva.
En efecto: para que sea productiva deben existir dos n
umeros reales x1 > 0 y x2 > 0 tales que:
  
 
x1
1 0
x1

> O;
x2
x2
0 1/2
pero:

 

    
  
0
1 0
x1
x1
x1
x1
=
,

x2
x2
x2
x2 /2
x2 /2
0 1/2

con lo que obtenemos una matriz columna que no puede ser estrictamente positiva. En consecuencia,
no es productiva la matriz:


1 0
.
0 1/2
Ejemplo 5. Para cualquier n
umero real a  0, la matriz real:


0 a
0 0
es productiva.
En efecto, si tomamos dos n
umeros reales x1 > 0 y x2 > 0 de forma que:
x1 > ax2 ,

14

entonces:

Matrices positivas

 
 
    

x1 ax2
0 a
x1
x1
ax1
x1
=

> O,
x2
x2
x2
0
x2
0 0

lo que muestra que, para cualquier n

umero real a  0, la matriz:


0 a
0 0
es productiva.
Un caso concreto: a = 2. Tomemos, por ejemplo,
x2 = 1 y x1 = 2 1 + 1 = 3 > x2 ;
se tiene:

 
  
  
x1
0 a
x1
321
1

=
=
,
x2
x2
0 0
1
1

lo que conrma que es productiva la matriz:



0 a
.
0 0
Observese que en el caso particular de a = 0 obtenemos una matriz cero: O, que es, por tanto,
productiva.

Una interpretaci
on econ
omica de las matrices productivas es la siguiente: si la matriz
de coecientes tecnicos de una estructura productiva (con sistema de producci
on lineal) es
una matriz productiva, podemos asegurar existe una matriz de producci
on con la cual se
consiguen excedentes en todos los bienes que produce la estructura productiva: hay un nivel
de producci
on con el cual se produce estrictamente mas de lo que se consume.
Ejemplo 6. La matriz de coecientes tecnicos del ejemplo 1 (cf. p. 10):

1/2 0 1/16
0 ,
A = 1 1/2
0
1
1/2
es productiva, pues para la producci
on:

1
X = 3 ,
7

se produce m
as de lo que se consume; concretamente, el excedente es:

1
1/2 0 1/16
1
1/16
X AX = 3 1 1/2
0 3 = 1/2 .
7
0
1
1/2
7
1/2

15

Matrices productivas

2.2. Caracterizaci
on de las matrices productivas
El siguiente teorema, cuya demostraci
on puede encontrar el lector en el apendice (cf. p. 36),
caracteriza las matrices productivas.
Teorema 1 . Una condici
on necesaria y suficiente para que una matriz real A (cuadrada y
positiva) sea productiva es que I A sea invertible y que su inversa: (I A)1 , sea positiva.
Ejemplo 7. Con la ayuda del teorema 1 es facil comprobar que la matriz real del ejemplo 4 (cf. p. 13):


1 0
A=
,
0 1/2
no es productiva. En efecto:

1
I A =
0

 
0
1

1
0

 
0
0
=
1/2
0


0
,
1/2

y esta u
ltima matriz no es invertible.
Ejemplo 8. Utilizando el teorema 1, estudiemos si la matriz real:


1/2 0
A=
1 1/2
es productiva.


Se verica:
IA=

 
 

1 0
1/2 0
1/2 0

=
,
0 1
1 1/2
1 1/2

y esta u
ltima matriz es invertible; su inversa es:
1

(I A)


2 0
,
4 2

matriz que es positiva, luego es productiva la matriz:



1/2 0
A=
.
1 1/2
Ejemplo 9. La matriz de coecientes tecnicos (cf. ejemplo 6, p. 14):

1/2 0 1/16
0
A = 1 1/2
0
1
1/2
es productiva. Vamos a vericar que I A es invertible y que (I A)1 es positiva.
La matriz I A es:

1/2
0 1/16
0 ,
I A = 1 1/2
0 1
1/2

16

Matrices positivas

y su rango es igual a 3 (como se comprueba con facilidad), y por tanto es invertible.

Calculamos (I A)1 . Se tiene:

F1 2F1
1/2
0 1/16
1
0 1/8
F2 F2 +F1
0 0 1/2 1/8
I A = 1 1/2
0 1
1/2
0 1
1/2

1 0 1/8
0 1 1/4
0 0
1/4
F2 2F2
F3 F3 +F2

F3 4F3
F2 F2 +(1/4)F3

1
0
0
F1 F1 +(1/8)F3

0 0
1 0 = I,
0 1

y aplicando las mismas transformaciones elementales a la matriz identidad I:

1
I = 0
0

F1 2F1
0 0
2 0 0
F2 F2 +F1
1 0
2 1 0
0 1
0 0 1

2 0 0
4 2 0
4 2 1
F2 2F2
F3 F3 +F2

F3 4F3
F2 F2 +(1/4)F3

4 1 1/2
8 4 1 = (I A)1 ,
16 8 4

F1 F1 +(1/8)F3

y se verica que (I A)1  O.

Ejemplo 10. Veamos si es productiva la matriz real:


2 0
A=
.
1 3
Calculamos I A:


I A=

 
 
1 0
2 0
1

=
0 1
1 3
1


0
.
2

Resulta ser invertible; su inversa es:

(I A)1 =


1
0
,
1/2 1/2

que no es positiva. Por el teorema 1 (cf. p. 15), A no es productiva.

Matrices productivas

17

Si la matriz de coecientes tecnicos de una estructura productiva (con sistema de producci

on lineal) es una matriz productiva, entonces puede ser
atendida cualquier demanda nal.

En efecto, si la matriz de coecientes tecnicos A es productiva y Y es la matriz de demanda

nal, entonces para la matriz de producci
on X1 denida por:
X1 = (I A)1 Y,
se verica:
X1  O y

X1 = AX1 + Y.

2.3. Traspuesta de una matriz productiva

Proposici
on 3. La traspuesta de una matriz productiva es una matriz productiva.
Demostraci
on. Sea A una matriz productiva. Entonces: (a) I A es invertible, y (b) (I A)1 es
positiva.
Se verica que I At es invertible, pues: I At = (I A)t , y como I A es invertible (cf. (a)),
tambien lo es (I A)t .
1

Y tambien se tiene que (I At )

es positiva, pues:


1 
1 
t
I At
= (I A)t
= (I A)1 ,

t
y como (I A)1 es positiva (cf. (b)), tambien lo es (I A)1 .
Con el teorema 1 (cf. p. 15), concluimos que At es productiva.

c.q.d.

18

Matrices positivas

3. CONJUNTOS AUTONOMOS
3.1. Definici
on de conjunto aut
onomo. Propiedades
 
Sea A = aij una matriz real cuadrada, de orden n y positiva, y sea:
S = {1, 2, . . ., n}.
Definici
on. De un subconjunto no vaco T de S diremos es aut
onomo para la matriz A
si: T = S, o bien:
T S

i S T, j T, aij = 0.

Ejemplo 11. Consideremos la matriz real:

1/2 1/3 1/4

A3 = 0 1/2 0 .
1/2 1/4 1/4
El conjunto T = {1, 3} es autonomo. En efecto, se verica:
S T = {2},

T = {1, 3},

{aij | i S T, j T } = {a21, a23 };

y como a21 = a23 = 0, T es autonomo.

Por el contrario, el conjunto V = {1, 2} no es aut
onomo, pues por ejemplo:
3 S V,

2V

y a32 = 0.

El conjunto S = {1, 2, 3} es autonomo por denici

on.
Ejemplo 12. Consideremos la matriz real:

1/2 1/2 0
0
0 1/2 0 1/2

A4 =
0 1/2 1/2 0 .
1/2 0
0 1/2
El conjunto T = {3} es autonomo, pues:
S T = {1, 2, 4} y

{aij | i S T, j T } = {a13 , a23 , a43},

y a13 = a23 = a43 = 0.

El conjunto V = {2} no es autonomo; por ejemplo: 1 S V y a12 = 0.

19

Conjuntos aut
onomos

Ejemplo 13. Para la matriz real:

1 0 1
0 1 1 ,
0 0 1

los conjuntos:
{1},

{2},

{1, 2} y

{1, 2, 3}

son aut
onomos:
 S {1} = {2, 3} y a21 = a31 = 0,
 S {2} = {1, 3} y a12 = a32 = 0,
 S {1, 2} = {3} y a31 = a32 = 0,
 S = {1, 2, 3} es autonomo por denici
on.
Nota bene. En los ejemplos anteriores el conjunto S es el conjunto:
{1, 2, . . . , n},
donde n es el orden de la matriz cuadrada considerada.

Veamos a continuaci
on algunas propiedades de los conjuntos aut
onomos.
Proposici
on 4. Sea A una matriz real cuadrada, de orden n y positiva. Si T y V son dos
conjuntos aut
onomos para la matriz A, entonces se verifica:
1) T V , si es no vaco, es aut
onomo;
2) T V es autonomo.
 
Demostraci
on. Sea A = aij , y sea S = {1, 2, . . ., n}. Como T es autonomo, se tiene:
i S T, j T, aij = 0;

(3)

i S V, j V, aij = 0.

(4)

y como V es autonomo, se tiene:

Ahora:
1) De (3) y (4) se deduce que para cada j T V (hay alguno por tratarse de un conjunto no vaco)
basta que i S T o que i S V para asegurar que aij = 0. En smbolos:
i (S T ) (S V ), j T V, aij = 0,
o bien (teniendo en cuenta que (S T ) (S V ) = S (T V )):
i S (T V ), j T V, aij = 0,

20

Matrices positivas

y por tanto T V es autonomo.

2) Por otro lado, de (3) y (4) tambien se deduce que si j T V , hace falta que i S T y
que i S V para asegurar que aij = 0. En smbolos:
i (S T ) (S V ), j T V, aij = 0,
o bien (observando que (S T ) (S V ) = S (T V )):
i S (T V ), j T V, aij = 0,
y en consecuencia T V es autonomo.

c.q.d.

Ejemplo 14. Consideremos la matriz real positiva:

1 0 0
1 1 0

0 0 1
A6 =
0 1 0

0 0 0
1 0 0

0
1
0
1
0
0

1
0
1
0
1
0

0
0

0
.
1

0
1

El conjunto T = {2, 3, 4} es autonomo para A; en efecto, se tiene que aij = 0 para cada i S T =
{1, 5, 6} y cada j T = {2, 3, 4}. Tambien V = {1, 2, 4, 6} es autonomo:
i {3, 5}, j {1, 2, 4, 6}, aij = 0.
Entonces, de acuerdo con la proposici
on anterior, los conjuntos:
T V = {2, 4} (que es no vaco) y T V = {1, 2, 3, 4, 6}
son aut
onomos. Se puede comprobar directamente:
i {1, 3, 5, 6}, j {2, 4}, aij = 0,

y i {5}, j {1, 2, 3, 4, 6}, aij = 0.

3.2. Determinaci
on pr
actica
Si la matriz real cuadrada A, de orden n y positiva, se interpreta como la matriz de coecientes
tecnicos de una estructura productiva, y el conjunto S:
S = {1, 2, . . ., n},
se interpreta como el conjunto de los bienes (o productos) que produce la estructura productiva,
entonces el que un conjunto de bienes T S sea autonomo para la matriz A puede interpretarse
como que no se necesitan los bienes de S T para producir los bienes de T .

Conjuntos aut
onomos

21

Estamos ahora interesados en saber que bienes son necesarios, directa o indirectamente,
en la producci
on de un bien dado.
Dado un bien j S, ya sabemos que el conjunto:
D(j) = {i S | aij = 0}
es el de los bienes que son directamente necesarios para producir el bien j. Pero para producir
los bienes del conjunto D(j) tambien seran directamente necesarios otros bienes, de los cuales
podemos decir que son indirectamente necesarios para producir el bien j.
Por ejemplo, en una empresa que fabrique autom
oviles, los neumaticos intervienen directamente en el proceso de fabricacion, y en una empresa que fabrique neum
aticos el caucho
interviene directamente en el proceso de fabricaci
on. El caucho no es un input de la empresa
que fabrica automoviles, pero s es un input de una empresa que fabrica un input para aquella.
De esta forma, podemos decir que el caucho interviene indirectamente en la fabricaci
on de automoviles.
Asimismo, continuando con el ejemplo, la empresa que elabora el caucho tendr
a ciertos
inputs: estos tambien seran bienes indirectamente necesarios para fabricar autom
oviles.
Dado el bien j, denotaremos por M (j) el conjunto formado por el bien j y los bienes que
participan directa o indirectamente en la producci
on del bien j. En smbolos:
M (j) = {j} {i S | k M (i), i D(k)} .
Daremos a continuaci
on un algoritmo que nos permitir
a escribir los elementos de M (j).
 
Sea A = aij una matriz de coecientes tecnicos, y sea:
S = {1, 2, . . . , n}
el conjunto de los bienes. Consideramos un bien j S.
Primer paso. Observamos que, por denici
on, al conjunto M (j) pertenecen entre otros
el bien j y aquellos bienes que son directamente necesarios en la producci
on del bien j. Es
decir, el bien:
j
es un elemento de M (j), y el conjunto:
D(j) = {i S | aij = 0}
esta contenido en M (j).
Este primer paso consiste en escribir el bien j:
j,

22

Matrices positivas

y enlazarlo con todos los bienes i, distintos del propio bien j, del conjunto D(j). Si
fuera D(j) = {j}, o D(j) = , no existira ning
un bien i con estas caractersticas; el algoritmo
terminara, y
M (j) = {j}.
Que el bien j esta enlazado con el bien i lo representamos de la forma:
j - i.
Tras llevar a cabo este paso, hemos escrito el bien j y todos los bienes del conjunto D(j).
Ejemplo 15. Llevemos a cabo este primer paso en el calculo de M (3) para la matriz del ejemplo 12
(cf. p. 18):

1/2 1/2 0
0
0 1/2 0 1/2

A4 =
0 1/2 1/2 0 .
1/2 0
0 1/2

El conjunto de los bienes directamente necesarios en la producci

on del bien 3 es:
D(3) = {i S | ai3 = 0} = {3}.
Escribimos:
3,
y como D(3) = {3}, el algoritmo termina, y
M (3) = {3}.
Deducimos que solo el bien 3 es necesario, directa o indirectamente, en la producci
on del bien 3.
Ejemplo 16. Hagamos el primer paso con el bien j

1/2
A3 = 0
1/2

= 1 para la matriz del ejemplo 11 (cf. p. 18):

1/3 1/4
1/2 0 .
1/4 1/4

El conjunto de los bienes directamente necesarios en la producci

on del bien 1 es:
D(1) = {i S | ai1 = 0} = {1, 3}.
Escribimos:
1,
y como D(1) = {1, 3}, lo enlazamos con el bien i = 3, que es el u
nico elemento de D(1) distinto de 1:
1 - 3.

Conjuntos aut
onomos

23

Ejemplo 17. Efectuemos el primer paso en el calculo de M (1) para la matriz del ejemplo 14 (cf. p. 20):

1 0 0 0 1 0
1 1 0 1 0 0

0 0 1 0 1 0

.
A6 =

0 1 0 1 0 1
0 0 0 0 1 0
1 0 0 0 0 1
Observamos que D(1) = {1, 2, 6}, luego debemos enlazar el bien 1 con el bien 2 y con el bien 6, que
son los bienes de D(1) distintos del bien 1; lo representamos as:

1
@
R
@

2
6,

y el primer paso del algoritmo ha concluido.

Segundo paso. Para cada uno de los bienes k escritos en el paso anterior (salvo para el
bien j), llevamos a cabo lo siguiente: enlazamos k con todos los bienes i que veriquen:
a) i D(k),
b) el bien i no ha sido escrito todava en el desarrollo del algoritmo,
y continuamos de manera an
aloga con los nuevos bienes que se vayan escribiendo. El algoritmo termina cuando las restricciones anteriores: (a) y (b), impidan continuar el proceso;
entonces M (i) es el conjunto de todos los bienes que han sido escritos.
Observese que en este segundo paso escribimos los bienes que son indirectamente necesarios
en la producci
on del bien j.
Ejemplo 18. En el c
alculo de M (1) para la matriz:

1/2 1/3 1/4

A3 = 0 1/2 0 ,
1/2 1/4 1/4
tenamos (cf. ejemplo 16, p. 22):
1 - 3.

(5)

Para continuar con el segundo paso del algoritmo, observamos que para el bien k = 3 se verica:
D(k) = D(3) = {1, 3},
pero tanto el bien 1 como el bien 3 ya han sido escritos en (5), y por tanto no podemos encontrar
ning
un bien i que verique simultaneamente las condiciones (a) y (b).
El algoritmo termina, y el conjunto M (3) es el formado por los bienes escritos:
M (3) = {1, 3}.

24

Matrices positivas

Ejemplo 19. Para la matriz

1
1

0
A6 =
0

0
1

0
1
0
1
0
0

0
0
1
0
0
0

0
1
0
1
0
0

1
0
1
0
1
0

0
0

0
,
1

0
1

el calculo de M (1) nos haba llevado (cf. ejemplo 17, p. 23) a:

1


@
R
@

2
(6)
6.

Debemos, pues, analizar el bien 2 y el bien 6.

Para el bien 2, se tiene:
D(2) = {2, 4}.
S
olo el bien 4 no ha sido escrito todava en (6); por tanto, enlazamos el bien 2 con el bien 4:

1
@
R
@

2 -4
(7)
6.

Para el bien 6, se tiene:

D(6) = {4, 6},
y como tanto el bien 4 como el bien 6 ya han sido escritos (en (7)), no enlazamos el bien 6 con ning
un
otro.
Debemos proseguir con el bien que acabamos de escribir: el bien 4. Se tiene:
D(4) = {2, 4},
y como el bien 2 y el bien 4 ya han sido escritos, no podemos enlazar el bien 6 con ning
un otro.
Al no poder continuar el proceso, el algoritmo termina. El conjunto formado el bien 1 y los bienes
que son, directa o indirectamente, necesarios para producir el bien 1 es:
M (1) = {1, 2, 4, 6},
ya que los bienes 1, 2, 4 y 6 son los bienes que hemos escrito:

1
@
R
@

2 -4
6.

Calculemos en este mismo ejemplo los conjuntos de bienes:

M (2), M (3), M (4), M (5) y M (6).

25

Conjuntos aut
onomos

Por comodidad, escribamos todos los conjuntos D(j) (1  j  6):

D(1) = {1, 2, 6},
D(4) = {2, 4},

D(2) = {2, 4},

D(5) = {1, 3, 5},

D(3) = {3},
D(6) = {4, 6}.

(8)

Se tiene:
 M (2): Como D(2) = {2, 4}, enlazamos 2 con 4:
2 - 4,
y este es el resultado del primer paso. En el segundo paso, como:
D(4) = {2, 4},
y como el bien 2 ya esta escrito, concluimos:
M (2) = {2, 4}.
 M (3): Como D(3) = {3}, se tiene: M (3) = {3}.
 M (4): Por ser D(4) = {2, 4}, escribimos:
4 - 2,
y por ser D(2) = {2, 4} el algoritmo termina, y M (4) = {2, 4}.
 M (5): La aplicaci
on del algoritmo nos hace escribir (cf. (8)):
2 -4

1
 @
R6
@
5
@
R 3,
@
y por tanto: M (5) = {1, 2, 3, 4, 5, 6}.
 M (6): Se escribe:
6 - 4 - 2,
y en consecuencia: M (6) = {2, 4, 6}.
Nota bene. El algoritmo termina despues de un n
umero nito de enlaces (a lo m
as, n1),
y proporciona como resultado un u
nico conjunto.


A continuaci
on, estudiamos algunas propiedades del conjunto M (j) (j S):

26

Matrices positivas

 
Proposici
on 5. Consideremos una matriz A = aij de coeficientes tecnicos, y sea S =
{1, 2, . . ., n} el conjunto de todos los bienes. Se verifica:
1) j S, M (j) es un conjunto aut
onomo para la matriz A;
2) si T es un conjunto aut
onomo para la matriz A al cual pertenece el bien j, entonces T M (j).
Demostraci
on. Consideremos un bien j de S:
1) Debemos demostrar:
l S M (j), s M (j), als = 0.
Sean:
l S M (j)

y s M (j).

Si als = 0, entonces: l D(s) (el bien l sera directamente necesario en la produccion del bien s);
pero si l D(s), deberamos haber enlazado el bien s con el bien l:
s - l,
y se tendra que l M (j), en contra de lo supuesto. Por tanto, se verica que als = 0.
En consecuencia, el conjunto M (j) es autonomo.
2) Observemos que si s es un bien cualquiera del conjunto aut
onomo T , entonces se tiene:
D(s) T.

(9)

onomo), y por
En efecto: si l es un bien del conjunto S T , entonces als = 0 (por ser T aut
tanto: l
/ D(s); en consecuencia: S T S D(s), que es equivalente a (9).
De la hip
otesis: j T , y de (9), deducimos:
D(j) T,

(10)

es decir, los bienes que se escriben en el primer paso del algoritmo son elementos de T .
En el desarrollo del algoritmo, como partimos de un elemento: j, que por hip
otesis pertenece
a T , todos los bienes que son enlazados con j elementos de D(j) son de T (cf. (10)). Con
un razonamiento an
alogo, y teniendo en cuenta (9), comprobamos que todos los bienes que se
escriben en el desarrollo del algoritmo para construir M (j) pertenecen a T .
En conclusion: M (j) T .

c.q.d.

Corolario. Si j S, entonces M (j) es igual a la interseccion de todos los conjuntos aut

onomos
a los que el bien j pertenece.

27

Conjuntos aut
onomos

Demostraci
on. Sea la interseccion de todos los conjuntos aut
onomos a los que el bien j pertenece.
Como j M (j) y M (j) es autonomo (cf. apartado (1) de la proposici
on 5, p. 26), se tiene:
M (j).

(11)

Por otro lado, es un conjunto aut

onomo (cf. apartado (1) de la proposici
on 4, p. 19) al cual
pertenece el bien j. Del apartado (2) de la proposici
on 5 obtenemos:
M (j).
De (11) y (12) se concluye: = M (j).

(12)
c.q.d.

Podemos, pues, armar:

Para cada bien j, M (j) es el menor conjunto aut
onomo al que pertenece el
bien j.

3.3. Productos fundamentales

Sea A una matriz de coeentes tecnicos, y sea S = {1, 2, . . ., n} el conjunto de los bienes.
Definici
on. Del bien f de S se dice es un producto (o bien) fundamental para A si se
verifica:
i S, f M (i).
(13)
En palabras: el producto f es fundamental si es utilizado, directa o indirectamente, para la
producci
on de cada bien en la estructura productiva representada por la matriz A.
Una caracterizaci
on de los productos fundamentales es la siguiente:
Proposici
on 6. Una condici
on necesaria y suficiente para que f sea un producto fundamental
para A es que f pertenezca a todos los conjuntos aut
onomos para la matriz A.
Demostraci
on. La condici
on es necesaria. Sea T un conjunto aut
onomo para A (por tanto, T es no
vaco), y sea f un producto fundamental. Sea i T . De (13) y de la proposici
on 5 (cf. p. 26) deducimos:
f M (i) T,
y en conclusi
on: f T .
La condici
on es suciente. Si f pertenece a todos los conjuntos aut
onomos para A, entonces
verica (13), pues para cada i S el conjunto M (i) es autonomo para A (cf. proposici
on 5, p. 26), y
en consecuencia f es producto fundamental.
c.q.d.

28

Matrices positivas

Corolario. El conjunto F S de los productos fundamentales, si no es vaco, es aut

onomo y
esta contenido en cualquier conjunto aut
onomo.
Demostraci
on. Supongamos que F es no vaco, y sean:
l SF

y k F.

De: l
/ F , se deduce (cf. denici
on de producto fundamental):
i S, l
/ M (i),
pero k M (i) (por ser producto fundamental), y como M (i) es un conjunto aut
onomo, se tiene:
alk = 0,
y por tanto F es autonomo para A.
Si T es un conjunto aut
onomo, entonces cada producto fundamental de F es un elemento de T
(cf. proposici
on 6, p. 27), y por tanto: F T .
c.q.d.
Ejemplo 20. Para la matriz del ejemplo 11 (cf. p.

1/2
A3 = 0
1/2

18):

1/3 1/4
1/2 0 ,
1/4 1/4

se verica:
M (1) = {1, 3}, M (2) = {1, 2, 3} y M (3) = {1, 3},
luego los u
nicos conjuntos aut
onomos son:
{1, 3} y

{1, 2, 3},

y los productos fundamentales son el bien 1 y el bien 3, pues pertenecen a todos los conjuntos aut
onomos.
Ejemplo 21. Para la matriz del ejemplo 13 (cf. p. 19):

1 0 1
0 1 1 ,
0 0 1
se tiene:
M (1) = {1}, M (2) = {2} y M (3) = {1, 2, 3}.
No existe, pues, ning
un bien que pertenezca simultaneamente a los conjuntos M (1), M (2) y M (3), y
en consecuencia el conjunto de los productos fundamentales es vaco.

Matrices indescomponibles

Ejemplo 22. Para la matriz:

29

1 1 0
1 0 1 ,
1 0 0

el u
nico conjunto aut
onomo, como se comprueba facilmente, es {1, 2, 3}, y todos los bienes son productos
fundamentales.

4. MATRICES INDESCOMPONIBLES
Definici
on. De una matriz real A cuadrada de orden n y positiva diremos es indescomponible (o irreducible) si el u
nico conjunto aut
onomo que admite es: S = {1, 2, . . ., n}.
Como consecuencia de esta denicion, si la matriz A es estrictamente positiva, entonces es
indescomponible. En efecto, si T S es un conjunto aut
onomo para A, entonces T = S, pues
on
si ocurriese que T S, tendramos que aij = 0 cuando i S T y j T , en contradicci
con que A es estrictamente positiva.
Si una matriz A se considera como una matriz de coecientes tecnicos, entonces, como
consecuencia de la denicion anterior y de la proposici
on 6 (cf. p. 27), para la matriz indescomponible A todos los bienes son productos fundamentales.
Ejemplo 23. La matriz del ejemplo 20 (cf. p. 28) no es indescomponible, pues adem
as del conjunto S =
{1, 2, 3}, tambien es autonomo el conjunto {1, 3}.
La matriz del ejemplo 21 (cf. p. 28) tampoco es indescomponible, pues hay m
as conjuntos aut
onomos
ademas de S = {1, 2, 3}.
La matriz del ejemplo 22 (cf. p. 29) es indescomponible, pues S = {1, 2, 3} es el u
nico conjunto
aut
onomo. Todos los bienes son productos fundamentales.

 
Proposici
on 7. Sea A = aij una matriz real cuadrada de orden n y positiva, y sea S =
{1, 2, . . ., n}. Si el conjunto T = S es autonomo para la matriz A, entonces el conjunto S T
es autonomo para la matriz At .
Demostraci
on. Al ser T = S, se tiene que S T no es el conjunto vaco, y se verican las siguientes
equivalencias:
(T es autonomo para A) i S T, j T, aij = 0
j S (S T ), i S T, atji = 0
S T es autonomo para At
(para la segunda equivalencia recuerdese que los terminos de la matriz traspuesta: atji , verican por
c.q.d.
denici
on que atji = aij ).

30

Matrices positivas

Corolario. Si A es una matriz indescomponible, entonces tambien la matriz At es indescomponible.

Demostraci
on. Si L fuera un conjunto distinto de S aut
onomo para At , entonces S L sera un
conjunto, tambien distinto de S, aut
onomo para la matriz:
 t t
A = A,
lo cual es absurdo, pues A es indescomponible.
un conjunto aut
onomo distinto de S, esto es, el u
nico conjunto
Por tanto, At no admite ning
t
t
c.q.d.
aut
onomo que admite la matriz A es S. En otras palabras: A es indescomponible.

Para las matrices indescomponibles tambien se verica:

 
umero real positivo. Si P
Proposici
on 8. Sea B = bij una matriz indescomponible, y un n
es una matriz columna positiva, no nula, que verifica:
P = BP,

(14)

entonces P es estrictamente positiva.

Demostraci
on. Sea:

p1

 
p2
P = pi = . .
..

pn
De (14) se deduce:
pi =

n


bik pk  0,

1  i  n.

(15)

k=1

Pero como cada sumando de (15) es no negativo, se tiene:

pi =

n


bik pk  bij pj  0,

1  i  n, 1  j  n.

(16)

k=1

Sea S = {1, 2, . . ., n}, y denamos:

T = {i S | pi > 0} .
Entonces T es no vaco, pues P es positiva y no nula, y T es un conjunto aut
onomo para la matriz B.
En efecto, si i
/ T y j T , entonces:
pi = 0 y pj > 0,

Matrices indescomponibles

31

y de (16) deducimos:
0 = pi  bij pj  0,
es decir:
bij pj = 0,
y como y pj son positivos: bij = 0. El conjunto T es, pues, autonomo.
Pero B es una matriz indescomponible, y el u
nico conjunto aut
onomo que admite es S, es decir, T = S, o equivalentemente:
pi > 0,

 
y P = pi > O.

1  i  n,
c.q.d.

 
Proposici
on 9. Sea B = bij una matriz indescomponible, y un n
umero real positivo.
 
 

Si P = pi y P = pi son dos matrices columna estrictamente positivas tales que:
P = BP

y P  = BP  ,

(17)

entonces existe un n
umero real positivo tal que P = P  .
Demostraci
on. Sea el menor de los n
umeros siguientes:
p1 p2
pn
,
, . . .,  ;
p1 p2
pn
por tanto, existe k, 1  k  n, tal que:
=

pk
.
pk

(18)

 
Denamos la matriz columna V = vi de la forma:
V = P P  .

(19)

Entonces se verica:
a) V es positiva.
Es una consecuencia inmediata de (18) y (19).
b) vk = 0.
Tambien es una consecuencia de (18) y (19):
vk = pk pk = pk

pk 
p = 0.
pk k

c) V verica que V = BV .
En efecto (cf. (17) y (19)):
BV = B(P P  ) = BP BP  = P P  = V.
Si V no fuese nula, de (a) y (c), y de la proposici
on 8 (cf. p. 30), deduciramos que V > O, en
contradicci
on con (b).
En conclusion: V es nula, y P = P  .

c.q.d.

32

Matrices positivas

5. ESTRUCTURAS PRODUCTIVAS DE SUBSISTENCIA

 
Sea A = aij una matriz de coecientes tecnicos. Si existe una matriz de producci
on X tal
que:
AX = X, X  O y X = O,
(20)
de la estructura productiva representada por la matriz A diremos es una estructura productiva de subsistencia.
Nota. Algunos autores denominan economa de subsistencia, o economa cerrada, a lo que
aqu llamamos estructura productiva de subsistencia.

La interpretaci
on de (20) es que el total de la producci
on se dedica exclusivamente al
consumo intermedio.
Ejemplo 24. La siguiente matriz de coecientes tecnicos:


1/2 0
A=
1/3 1
representa una estructura productiva de subsistencia, pues para la matriz de producci
on:
 
0
X=
2
se verica:


   
1/2 0
0
0
AX =
=
= X.
1/3 1
2
2

Si la matriz A no es productiva, entonces no necesariamente representa una producci

on de
subsistencia.
Ejemplo 25. La matriz:

2 1
A = 1 2
1 1

1
2
1

no es productiva, pues (cf. teorema 1, p. 15):

1 1
I A = 1 1
1 1

1
2 ,
0

y esta matriz es de rango 2, y por tanto no invertible.

Si resolvemos el sistema homogeneo de tres ecuaciones con tres incognitas:
(I A)X = O,

Estructuras productivas de subsistencia

33

es decir, buscamos X tal que AX = X, la soluci

on son las matrices columna de la forma:

, R,
0
que no pueden ser positivas y no nulas.
En conclusion, A no es productiva, ni representa una producci
on de susbsistencia.

Fijaremos nuestro interes en matrices de coecientes tecnicos, representantes de estructuras

productivas de subsistencia, que sean indescomponibles, y supondremos en el resto de esta
seccion que la matriz A es indescomponible.
En este caso, de (20) se deduce que X > O (como una consecuencia inmediata de la
proposici
on 8 (cf. p. 30), cuando hacemos = 1), y escribiremos:
AX = X,
Ejemplo 26. La matriz:


A=

X > O.

1/2 1/2
1/3 2/3

(21)

representa una producci

on de subsistencia, pues para la matriz de produccion:
 
1
X=
,
1
se verica: AX = X.
La matriz A es tambien indescomponible, al ser estrictamente positiva, y por tanto cualquier matriz
que verique:
AX = X, con X  O y X = O,
debe ser estrictamente positiva.
En efecto, se comprueba que las matrices X tales que: AX = X (es decir, las soluciones del sistema
homogeneo: (I A)X = O), y que a su vez verican que X  O y X = O, son las matrices columna
de la forma:
 

, con > 0,

que son estrictamente positivas.

El teorema de DebreuHerstein (que no demostraremos) arma que si se verica (21),

siendo A una matriz indescomponible, entonces existe una matriz columna P tal que:
P = At P

y P > O.

Podemos interpretar la matriz columna estrictamente positiva P como aquella cuyos terminos son los precios unitarios de los bienes.

34

Matrices positivas

Ejemplo 27. Sea:


A=

a11
a21

a12
a22

una matriz de coecientes tecnicos indescomponible, y:

 
p1
P =
p2
una matriz columna estrictamente positiva tal que: P = At P , es decir:
  
p1
a11
=
p2
a12
o bien:

a21
a22

 
p1
,
p2

p1 = a11 p1 + a21 p2 ,
p2 = a12 p1 + a22 p2 .

(22)

Entonces, interpretando p1 y p2 como los precios unitarios del bien 1 y del bien 2, respectivamente,
se tiene que la cantidad:
a11 p1 + a21 p2
es el coste de producir una unidad del bien 1, y la cantidad:
a12 p1 + a22 p2
es el coste de producir una unidad del bien 2.
De (22) deducimos que el coste de produccion de una unidad de cada uno de los bienes es igual al
valor bruto de dicha unidad.
Ademas, si existe otra matriz columna estrictamente positiva P  :
 
p1
,
P =
p2


tal que:
P  = At P  ,
como At es indescomponible (cf. corolario de la proposici
on 7, p. 30), entonces (cf. proposici
on 9, p. 31)

existe > 0 tal que P = P . De esta forma, si jamos el precio de un bien (numerario), quedan
unvocamente determinados los precios de los demas bienes.
Ejemplo 28. Consideremos la matriz de coecientes tecnicos indescomponible siguiente:

1/3 2/3 2/3

A = 1/3 1/3 0 .
0 1/2 1/2