MATRICES

Una matriz es un arreglo rectangular de elementos aij dispuestos en m filas y n columnas. Suelen
ser números reales. El orden de una matriz también se denomina dimensión o tamaño, siendo m y n
números naturales.
Las matrices se indican con letras mayúsculas A, B, C… y los elementos de la misma con letras
minúsculas y subíndices que indican el lugar ocupado: a, b, c
aij designa el elemento ubicado en la i-esima fila y en la j-esima columna. Mientras que, (aij)
representa toda la matriz A= (aij).

CLASIFICACION DE MATRICES
Matrices triangulares
Si A: mxn
1) Se dice que A es triangular superior, si todos los elementos de A por debajo de su diagonal
principal son nulos, es decir:
aij = 0, ∀ i > j i,j=1,2…n ejemplo ********************

2) Se dice que A es triangular inferior, si todos los elementos de A por encima de su diagonal
son nulos, es decir:
aij = 0, ∀ i > j i,j=1,2…n ejemplo ********************

Matriz diagonal
Es una matriz cuadrada que tiene todos sus elementos nulos, excepto los de la diagonal
principal.

Matriz identidad

Es una matriz cuadrada (o de orden “n”) que se designa por In, y tiene todos sus elementos
nulos excepto los de la diagonal principal que son iguales a 1. Es un elemento neutro, y se
puede comprobar:

. .
A In = In A= A

Matriz transpuesta
Dada una matriz A, se llama transpuesta de A, a la matriz que se obtiene cambiando ordenadamente
las filas x las columnas.
Si A= (aij) orden mxn
Su transpuesta es Aᵗ= (aij) nxm
 Propiedades
1) (Aᵗ)ᵗ=A
2) (A+B)ᵗ= Aᵗ+ Bᵗ
3) (k.A)ᵗ = k.Aᵗ
4) (A.B) ᵗ=Bᵗ. Aᵗ
Matriz simétrica
Es una matriz cuadrada que es igual a su transpuesta

A=Aᵗ
aij= aji ejemplo ********************

Matriz anti-simétrica
Es una matriz cuadrada que es igual a la opuesta de su transpuesta

A= - Aᵗ
aij= - aji ejemplo ********************

la matriz nula es simétrica y anti-simétrica

Propiedades de las matrices simétricas y anti-simétricas

1) Si A y B son simétricas de orden “n” (=cuadrada). Entonces A.B es

simétrica si y solo si A.B= B.A
2) Si C mxn entonces C.Cᵗ= Cᵗ. C son simétricas
3) Si A nxm entonces Aᵗ+ A es simétrica y A- Aᵗ es una matriz anti-simétrica.

Matriz no negativa

Si A mxn, se dice que A es no negativa si aij ≥0 para i, j=1,2…..n y existe i˳, j˳ // ai˳j˳>0
Matriz Positiva

Si A mxn, se dice que A es positiva si aij >0 para i, j=1,2…..n

OPERACIONES CON MATRICES

Igualdad de Matrices

Si A= (aij) y B= (bij) son matrices de mxn, decimos que son iguales A=B cuando:
aij= bij ∀ i,j=1,2…n
Dos matrices son iguales si son del mismo orden y los elementos correspondientes son
iguales.

Suma o adición de Matrices

En general A+B= (aij) mxn + (bij) mxn= (aij + bij) mxn

Producto de una matriz por un numero real

Si α es un numero real, definimos α . A= α . (aij) mxn = (α . aij) mxn

Multiplicación de matrices

Definición: Sea A= (aij) mxn y B= (bij) nxp, el producto de A.B es una matriz C= (cij) mxp
Cuyo elemento de la fila i-esima y en la columna j-esima es el producto escalar de la fila i-esima
de A por la columna j-esima de B
cij= ai1. b1j+ ai2. b2j+…..+ ain. bnj

MATRIZ INVERSA
Definición: Dada una matriz A de orden
n, si existe una matriz B de orden n //
A.B=B.A=In entonces decimos que B es la matriz inversa de A. También se dice
inversible, regular, no singular.

B es la inversa de A y se escribe B= A−1

Conclusión: teniendo en cuenta que los productos A.B=B.A solo están definidas para
matrices cuadradas podemos decir que “solo las matrices cuadradas pueden tener o no
inversa” (condición necesaria pero no suficiente)
METODO PARA CÁLCULO DE LA MATRIZ INVERSA

Aplicando la definición de matriz inversa

Dada una matriz A, si admite inversa, será de la forma A−1 y debe cumplirse: A−1.A= A−1.A= In

OTRO METODO PARA EL CÁLCULO DE LA MATRIZ INVERSA

1) Para invertir la matriz de orden n se construye la matriz (A¦ In)

2) Luego se aplica a esta matriz operaciones elementales para transformarla en la matriz I
ampliada con B (In ¦B) donde se deduce que B= A−1
Observación

 si no es posible realizar esta transformación, entonces, A no tiene inversa.

 no todas las matrices cuadradas tienen inversa, puede existir o no
 una matriz no puede tener más de una inversa

PROPIEDAD DE LA MATRIZ INVERSA

La inversa de una matriz si existe es única

Teorema:

Si B y C son inversas de la matriz A entonces B=C

Demostración

Si B es inversa de A entonces A.B=B.A=In

Entonces consideramos A.B=In (1)

C. (A.B) =C. In (2)

(C.A).B=C (3)

In.B=C (4)
B=C (5)

1) partimos de una de las definiciones de inversa

2) multiplicamos m a m por la matriz C por izquierda (se aclara porque no podemos asegurar que el
producto entre matrices sea conmutativo)
3) aplicamos propiedad asociativa del producto entre matrices
4) aplicamos la definición de matriz inversa
5) cualquier matriz multiplicada por la matriz identidad da como resultado esa misma matriz
CONDICION NECESARIA Y SUFICIENTE PARA LA EXISTENCIA DE LA INVERSA DE LA MATRIZ

La inversa si existe debe verificar: A.B=B.A=In

Considerando el caso: A.B=In
Por propiedad de los determinantes podemos decir:
│A│.│B│=│In│
Y como el │In│= 1
Entonces │A│.│B│=1
De esta ecuación surge que para tenga solución necesariamente (condición necesaria)
debe ser │A│≠0, como no conozco B (la inversa de A), si │A│=0 la ecuación no tiene
sentido y también porque para despejar │B│nos queda:
│B│=1/│A│ entonces también es condición suficiente que │A│≠0 para que A tenga inversa.
Conclusión: una matriz cuadrada A tiene inversa si y solo si el │A│≠0.

CONDICION SUFICIENTE PARA LA EXISTENCIA DE LA INVERSA DE LA MATRIZ

Para que una matriz admita inversa, sus filas (columnas) deben ser linealmente
independientes, es decir, ninguna fila (columna) debe ser combinación línea de otras.

SEL (SISTEMAS DE ECUACIONES LINEALES)

Un sistema de m ecuaciones lineales con n incógnitas tiene la forma:

a11. X1+ a12. X2+…..+ a1n. Xn = b1

a21. X1+ a22. X2+…..+ a2n. Xn = b2
an1. X1+ an2. X2+…..+ amn. Xn = bm
Donde

 Los Xj son las incógnitas del SEL

 Los aij son los números que acompañan la incógnita y reciben el nombre
de coeficiente del SEL.
 Los b1, b2…. bm son los términos independientes
Con ello podemos formar:

a11 a12…. a1n x1 b1

A= a21 a22…. a2n x= x2 b= b2
am1 am2…. Amn xn bn
Matriz de los coeficientes Vector de las incógnitas Vector de los términos indep

Y por ello podemos expresar el SEL en forma matricial:

a11 a12…. a1n x1 b1

a21 a22…. a2n . x2 = b2

am1 am2…. Amn xn bn
Matriz de los coeficientes Vector de las incógnitas Vector de los términos indep

O sintéticamente:

A.x=b

RESOLUCION DE UN SEL
Procedimiento de eliminación de GAUSS: se puede aplicar a cualquier SEL de cualquier
cantidad de ecuaciones y de incógnitas.
Comienza con el sistema original de ecuaciones a resolver y los transforma mediante
“operaciones elementales” en un sistema equivalente (tiene la misma solución).
Las operaciones elementales son:
1) Multiplicar ambos miembros de una ecuación por una constante ≠0
2) Intercambiar el orden de las ecuaciones (y eventualmente, el orden de las variables).
3) Sumar un múltiplo de una ecuación a otra.

Sistema Original
a1. X1+ b1. X2+ c1. X3 = d1
a2. X1+ b2. X2+ c2. X3 = d2
a3. X1+ b3. X2+c3. X3 = d3

Sistema Transformado Solución

1. X1+ 0. X2+ 0. X3 = v1 X1 = v1
0. X1+ 1. X2+ 0. X3 = v2 X2 = v2
0. X1+ 0. X2+1. X3 = v3 X3 = v3

SOLUCION DE UN SEL
Una solución de un SEL es un conjunto ordenado de números que verifican todas las
ecuaciones del sistema simultáneamente.
Pueden ser:
1) COMPATIBLE DETERMINADO: admite una única solución (llego a la Identidad)
2) COMPATIBLE INDETERMINADO: admite infinitas soluciones (0 0 0 ¦0)
3) INCOMPATIBLE: no admite soluciones (0 0 0 ¦K)
Caso particular:
Un SELH donde todas las ecuaciones están igualadas a 0 (cero) entonces la expresión
matricial de un SELH es A.x=Ø (vector nulo, no es cero)

Solución del SELH:

1) COMPATIBLE DETERMINADO: admite única solución (la nula, solución trivial)
2) COMPATIBLE INDETERMINADO: admite infinitas soluciones (una de ellas es la
solución trivial x=Ø y las infinitas soluciones-no triviales- restantes)
RESOLUCION DE UN SEL CON MATRIZ INVERSA
Teorema:

Sea A de orden n, bϵ Rn. El SEL A.x=b es compatible determinado, si y

solo si, la matriz A es inversible, siendo la única solución X= A−1.b

Demostración:

Dado el SEL A.x=b

A−1.Ax= A−1.b

In.x= A−1.b

x= A−1.b

Esta es la única solución para la ecuación. Si sustituimos x= A−1.b en la

ecuación A.x=b veremos que se verifica.

DETERMINANTE
El determinante de una matriz cuadrada, simbolizada │A│, es un escalar (número real) definido
de manera univoca, asociado con esa matriz.
Se define por la relación….

OBSERVACION
Nos ofrece información sobre la compatibilidad de un sistema

 Si │A│≠0 entonces el SEL es Compatible Determinado

 Si │A│=0 entonces el SEL puede ser
 Incompatible, si el determinante del numerador
también es cero
 Compatible indeterminado, si el determinante del
numerador es ≠0

Nos ofrece información sobre la inversa de una matriz

 Si │A│≠0 entonces A es inversible (existe A−1)

 Si │A│=0 entonces A no es inversible (no existe A−1)
PROPIEDAD DE LOS DETERMINANTES
1) Si A es diagonal, entonces el determinante de A es igual al producto de los
elementos de la diagonal

A es diagonal ⇒│A│= a11 x a12…..x ann

2) Si A es triangular, entonces el determinante de A es igual al producto de los
elementos de la diagonal

A es triangular ⇒│A│= a11 x a12…..x ann

3) El determinante de una matriz In de cualquier orden es 1.

│ In │= 1

4) Si se multiplica una fila o una columna de una matriz A por un escalar alfa
entonces el determinante también queda multiplicado por alfa.

5) Si una matriz A tiene una fila (columna) nula entonces su determinante es cero.
│A│=0

6) Si en la matriz A se intercambian 2 filas (columnas), el determinante de la matriz

obtenida es -│A│

7) Si A tiene 2 filas (columnas) iguales entonces el determinante de A es cero.

8) Si A tiene 2 filas (columnas) proporcionales entonces el determinante es cero.

9) El determinante de una matriz A es igual al determinante de su transpuesta.

│A│= │Aᵗ│
 10) │A.B│= │A│. │B│

11) │Aᵏ│=│A│ᵏ

VECTORES
Un vector es una matriz formada por una sola fila (vector fila, simbolizada con xʹ o xᵗ) o
por una sola columna (vector columna, simbolizada con x).

X ϵ Rn (Rn es el conjunto de todos los vectores que tiene n elementos o componentes)

COMBINACION LINEAL DE VECTORES

Definición
V ϵ Rn es combinación lineal de un conjunto de vectores (V1,
Un vector
V2…Vk) ϵ Rn, si existen escalares α1, α2….αk ϵ Rn // V= α1 . V1+ α2. V2+…..+
αk .Vk =

Entonces, sean los vectores U y V

DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES

Definición
Dos vectores U, V ϵ Rn son linealmente dependientes, si existen, dos
escalares α1, α2, siendo al menos uno de ellos no nulos, tales que α1 . U + α2. V = 0
Si todos los escalares α1, α2 son nulos, entonces los vectores son linealmente
independientes.
CONSIDERANDO LAS SIGUIENTES PROPIEDADES DE LOS DETERMINANTES YA ENUNCIADOS

 Si A tiene dos filas (columnas) iguales⇒ │A│=0

 Si A tiene dos filas (columnas) proporcionales ⇒ │A│=0
 Si │A│≠0 ⇒ las filas (columnas) de A son linealmente independientes.

RANGO DE UNA MATRIZ

Es el máximo número de filas (columnas) linealmente independientes de A, y si escribe
r(A).

Como se calcula
1) Para matrices cuadradas de orden n
Como la matriz tiene n columnas (filas), el rango será menor o igual que n y como
a su vez los n vectores columnas (filas) de A son linealmente independientes, si y
solo si, │A│≠0
Conclusión: Una matriz cuadrada de orden N tiene rango N, si y solo si, │A│≠0
2) Para matrices en general

a) El rango puede caracterizarse en términos de los menores no nulos de la

matriz. La relación entre rengo y los menores viene dada por: “El rango (A) =
orden de un menor no nulo de orden máximo”
b) El rango (A) es el número de filas no nulas que presenta la matriz A, luego de
aplicar el procedimiento de GAUSS, fijándonos cuantas filas y columnas no
nulas nos quedan.

RELACION ENTRE RANGO Y SOLUCION DE UN SEL

TEOREMA DE ROUCHE-FROBENIUS

Dado un sistema de m ecuaciones con n incógnitas A.x=b, donde A= (aij), x= (xi),

b= (bj) para i,j= 1,2….n
 A.x=b es compatible ⇔ r(A) = r(A¦b)
El SEL
o Compatible determinado si r(A) = r(A¦b)=n
o Compatible indeterminado si r(A) = r(A¦b)<n
  El SEL A.x=b es incompatible si r(A)≠r(A¦b)
Siendo: r(A)= rango de la matriz de coeficientes

r(A¦b)= rango de la matriz ampliada

n= numero de incógnitas

VECTORES Y VALORES PROPIOS DE UNA MATRIZ

Definición:

Si A es una matriz de orden nxn, X es un vector ϵ Rn con x≠0 // existe

un escalar λ que verifica la ecuación:

A.X= λ.X
Entonces,

λ es un VAP de A y X es un VEP de A asociado al VAP de λ

Calculo de VAP Y VEP de una matriz:

La ecuación matricial A.X= λ.X puede expresarse como:

A.X - λ.X=0
X(A - λ. In) =0 (representa un SELH con n incógnitas)

Como queremos encontrar un vector x≠0, el SEL debe ser compatible indeterminado, por
lo que el determinante de la matriz de coeficientes del sistema debe ser nulo:

│A - λ. In│=0
Al desarrollar el determinante se obtiene un polinomio de grado “n” en la variable λ, que
al igualarlo a cero se convierte en una ecuación, llamada ecuación característica de A y
las soluciones de esta ecuación son los VAP de A (λ1; λ2.. λn)
Luego, al reemplazar cada valor de λ en el SELH: X(A - λ. In) =0 se determina el
VEP asociado (se obtendrá una familia de vectores propios asociado a cada λ)
MODELO DE INSUMO-PRODUCTO DE LEONTIEF
En el modelo de insumo producto existe n sectores y en cada uno de ellos se produce
un solo bien, entonces, se producen solamente n bienes y se utilizan esos mismos n
bienes como insumos, entonces, los productos y los insumos son los mismos.

Si K es uno de los n sectores:

Xk= Xk1+Xk2+…..+Xkn+dk
Donde:
Xk es la cantidad total que se produce en el sector K
Xkj es la cantidad que se produce en el sector K para destinarla como insumo para
la producción total del sector J
Dk es la cantidad que se produce en el sector k para destinarla a la demanda final.
Entonces
Para un bien K la producción total debe ser igual a lo que se usa como insumo de
este bien para producir todos los bienes + una cierta demanda final.

Hay que observar que (k es necesario para producir una unidad del bien j

Entonces

(aij es el coeficiente técnico de producción)

Luego
A los términos Xkj los multiplicamos y dividimos por Xj
Xk= Xk1+Xk2+…..+Xkn+dk
Entonces

Xk= ak1. X1+ ak2. X2+…..+ akn. Xn +dk

Donde:

akj es la cantidad que se produce en el sector K y que se destina como insumo

para producir 1 unidad o $1 en el sector J
Entonces
Para n sectores es:

X1 = a11. X1+ a12. X2+…..+ a1n. Xn +d1

X2 = a21. X1+ a22. X2+…..+ a2n. Xn +d2
.

Xn= am1. X1+ am2. X2+…..+ amn. Xn +dn

X= A . X+d

Es un sistema de n ecuaciones con n incógnitas y se puede expresar en forma matricial

de la siguiente manera:

.
X=A X + d

Donde
o X es el vector que contiene las producciones totales en cada
uno de los sectores
o d es el vector que contiene lo que se produce en cada uno
de los n sectores solo para satisfacer la demanda final
o A.x es el vector que contiene lo que se produce solo de
insumos en cada uno de los n sectores
o A es la matriz de insumo-producto (debe ser cuadrada
porque los insumos y los productos son los mismos

CARACTERISTICAS DE LA MATRIZ DE INSUMO-PRODUCTO:

o A es una matriz no negativa con 0≤ aij <1(los elementos de A son los

valores entre 0 y 1, incluido el cero)
o 0< aij <1(la suma de todas las columnas de la matriz A es menor
que 1)

PARA FACILITAR SU ESTUDIO SE ESTABLECEN LOS SIGUIENTES SUPUESTOS:

1) El sector produce un único bien. No hay producción conjunta.

 2) No existen técnicas alternativas. La técnica de producción es única
en cada sector.
3) aij es constante, ∀ i, ∀ j, es decir, aij es independiente del nivel
de producción.

Luego
El modelo insumo producto abierto de un SEL se resuelve utilizando la inversa de
la matriz de coeficientes del sistema.

MODELO ABIERTO DE INSUMO-PRODUCTO

Característica: la demanda final de cada industria es un dato y no depende del nivel de
producción (variable exógena).
Como...

.
X=A X + d

Entonces...

.
X-A X= d

. .
In X - A X = d

.
(In – A) X = d Tiene la forma A.x=b que es la forma matricial de un SEL

Y…

Si 0< aij <1 y 0< aij <1, entonces, existe y es no negativa (In – A)¹,
llamada inversa de leontieff, y la solución del sistema es:

X= (In – A)¹, d ≥0
tiene sentido económico
porque la solución es no negativa
Obs: la solución es única, ya que el vector X que se obtiene al multiplicar la inversa de
leontieff (que como todas las matrices inversas es única) por el vector d (que es dato y
es único)
MODELO CERRADO DE INSUMO-PRODUCTO
Característica: la demanda final es una proporción del nivel de producción (variable
endógena).
Como...

.
X=A X + d

Si d es una proporción del nivel de producción X, entonces, d=r.X con 0< r <1, y el
modelo se expresaría:

.
X=A X + r X .
. .
X- r X=A X

.
(1 – r) X= A X .
.
B X= A X .
.
A X= B X . (Tiene la forma A.X= λ.X que es la definición de VAP y VEP de una
matriz de orden nxn)
Entonces
B es VAP de A y X el VEP de A asociado con B
Como
Tenemos la existencia de 2 incógnitas (B y X), para determinar sus valores se
calculan los VAP y VEP de la matriz A.

.
A X= B X .
. .
A X- B X = 0

. . .
A X- (B In) X= 0

. .
(A- B In) X= 0 (Debe ser X≥0, es decir, un vector no negativo para tener sentido económico)

Como A es una matriz no negativa con 0< aij <1 y 0< aij <1, entonces, el mayor
VAP de A es real, positivo, y menor que 1. El VEP asociado X es no negativo.

Obs: la solución es infinita, ya que, son los infinitos VEP asociados con el VAP B.