Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FACULTAD DE ECONOMIA
2
OBJETIVO GENERAL
El alumno será capaz de conocer,
comprender y aplicar la Teoría
Matemática en la Ciencia Económica y
asume una actitud para el diseño,
formulación y evaluación de modelos
económicos- matemáticos, pertinentes
a nuestra realidad económica, social y
ambiental.
3
OBJETIVOS ESPECÍFICOS
1° Conocer, comprender la metodología y el uso de
modelos teóricos matemáticos que utiliza la ciencia
económica. Asimismo aplicar la teoría del álgebra
matricial y derivadas para la determinación del
equilibrio parcial y general y para el análisis de
estática comparativa de los modelos teóricos
matemáticos.
2º Conocer, comprender y aplicar la teoría del
álgebra matricial para la determinación del óptimo
así como del análisis de estática comparativa en
modelos de optimización estática con una o más
variables de elección y con o sin restricciones.
4
OBJETIVOS ESPECÍFICOS
3° Conocer, comprender y aplicar la teoría de las
integrales y de las ecuaciones en diferencia y
diferenciales para determinar trayectorias
cuantitativas y cualitativas en modelos económicos
teóricos matemáticos.
4º Conocer, comprender y aplicar la teoría de las
integrales y de las ecuaciones en diferencia y
diferenciales para determinar trayectorias
cuantitativas y cualitativas de variables de estado, de
control y de coestado en modelos económicos de
optimización dinámica.
5
METODOLOGÍA
Exposiciones teóricas a cargo del docente del
curso respecto a los conceptos fundamentales
básicos.
Talleres 20%
Total 100%
7
CONTENIDO
CAPÍTULO 1: MODELOS ECONÓMICOS
CAPÍTULO 4: OPTIMIZACIÓN
DINÁMICA
8
CAPÍTULO 1
MODELOS ECONÓMICOS
CONTENIDO:
http://documento.online-
convert.com/es/convertir-a-txt
9
INTRODUCCIÓN
La economía matemática es solo un método utilizado
en el análisis económico, que emplea símbolos
matemáticos para enunciar los problemas y se basa en
teoremas matemáticos para auxiliarse en el
razonamiento. No debe diferir con el método no
matemático del análisis económico.
El método matemático tiene las siguientes ventajas:
a) El lenguaje usado es más conciso y preciso
b) Existe una gran cantidad de teoremas matemáticos
a nuestro servicio
c) Hace posible expresar de modo explícito todas las
suposiciones
d)Permite tratar el caso general de n variables
10
1.1. METODOLOGÍA DE LA ECONOMÍA
11
1. Observaciones cualitativas y cuantitativas de los
fenómenos, directamente o a través de
experimentación cuidadosamente diseñada.
2. Procesamiento numérico y estadístico de los
datos observados.
3. Elaboración de un modelo teórico que describa
los fenómenos observados y que explique las
relaciones entre ellos.
4. Utilización del modelo teórico para deducir
predicciones.
5. Corrección y mejora del modelo de modo que
permita realizar mejores
predicciones.
12
13
14
1.2. MODELOS ECONÓMICOS
Todo fenómeno económico se presenta en un
entorno complejo sobre el que influyen muchos
factores de diversa índole: económicos,
tecnológicos, políticos, psicológicos, etc. El análisis
de un fenómeno económico se puede realizar en
dos pasos. En primer lugar, debido a la
imposibilidad de tener en consideración todos los
factores que influyen en un fenómeno tan
complejo, se seleccionan aquellos que se
consideran relevantes prescindiendo del resto de
factores. Es decir, en las explicaciones del
fenómeno, únicamente se tiene en consideración
ciertos factores y todo lo demás se mantiene
constante (ceteris paribus).
15
A continuación se establecen relaciones entre los
factores seleccionados. El conjunto de relaciones
entre los factores relevantes constituyen lo que se
conoce como modelo económico. Al proceso de
seleccionar los factores relevantes y establecer
relaciones entre ellos se le denomina modelización.
Los modelos económicos son abstracciones o
simplificaciones del mundo real , que se usan
comúnmente para explicar cómo opera la
economía o parte de ella, también se usan para
realizar predicciones sobre el comportamiento de
los hechos y determinar los efectos o tomar
decisiones sobre los mismos.
16
Un modelo económico es una representación
esquemática y aproximada de la economía real y
que proporciona una imagen simplificada e
idealizada de ciertos aspectos de la actividad
económica.
Es una representación simplificada de la forma en
que ciertos fenómenos están constituidos y/o de la
manera en que se desenvuelven. Este concepto
incluye, en forma explícita, el análisis estructural
(la forma en que ciertos fenómenos están
constituidos) y el análisis dinámico (la manera en
que ciertos fenómenos se desarrollan en el
tiempo).
17
Es un conjunto de relaciones matemáticas que
expresan en forma simplificada e idealizada, las
características básicas y esenciales de: un orden
institucional y legal vigente, una tecnología
incorporada a la actividad económica objeto de
análisis, la regularidad observada en el
comportamiento real de los sujetos de la actividad
económica.
Es una representación formal de los rasgos básicos
de un sistema complejo (la economía real) por
medio de unas cuantas relaciones fundamentales.
18
Elementos de un modelo económico matemático
Un modelo económico matemático esta constituido
por ecuaciones, variables y parámetros.
1. Ecuaciones
2. Variables
3. Parámetros
4. Constantes
1. Ecuación
En primer lugar, un modelo se especifica mediante
una ecuación (modelos uniecuacionales) o varias
ecuaciones (modelos multiecuacionales). Cada
ecuación explica un sector (agricultura,
manufactura, gobierno, etc.) o una categoría
(consumidores, productores, inversionistas,
instituciones financieras, etc.) de la actividad
económica objeto de investigación.
19
Según sea su contenido empírico, las ecuaciones
de un modelo se clasifican
en:
1.1 Ecuaciones de comportamiento. Ejemplo:
Función consumo: C = c0 + cyY
Función demanda: Q = a – b.P
1.2 Ecuaciones institucionales o legales. Ejemplo:
Función de tributación: T = t0+ t 1Y
Oferta monetaria: M = α + β.Y
1.3 Ecuaciones tecnológicas. Ejemplo:
Función de producción: Q = 2 KL
Q = F(K, L) = AKαLβ r=α+β
20
1.4 Ecuaciones de definición o identidad. Ejemplo:
Definición de dinero: M = B + C
Demanda Agregada: A = C + I + G + X + M
1.5 Ecuaciones de equilibrio móvil. Ejemplo:
Equilibrio de mercado: Qd = Qs
Equilibrio macroeconómico A = Y
2. Variable
Una variable es algo cuya magnitud puede
cambiar; es decir, algo que puede tomar
diferentes valores.
Las variables se representan por un símbolo. Por
ejemplo, podemos representar el precio por la
letra " P" , el costo por la letra "C" , la renta
nacional por la letra "Y" , etc.
21
Clasificación de las variables en los modelos
estructurales:
I. Variables endógenas
II. Variables predeterminadas:
II.1 Exógenas
II.2 Endógenas con retardo
III. Variables aleatorias o estocásticas
IV. Variables expectativas
3. Parámetro
Es un factor de ponderación correspondiente a
cada variable explicativa y mide el efecto de las
fluctuaciones de estas variables sobre la variable
explicada.
4. Constante
Es un valor numérico que no cambia
22
Ejemplos de modelos económicos matemáticos:
Modelo básico de mercado:
(1) Dt = α1 − β1Pt + μ1t α1,β1 > 0
(2) St = α2 − β2Pt-1 + μ2t α2 < 0 ; β2 > 0
(3) Dt = St = q t
Donde "Pt" es el precio, "Dt" la demanda, "St" la
oferta, "μ1t" y "tμ2“ son variables aleatorias. Todos
ellos en el periodo "t", define un modelo en su
forma primaria que, en economía, se le conoce
como el modelo “estructural o primario” de la
telaraña. 23
En cambio:
(1) Dt = 80 − 1.2Pt + μ1t
(2) St = -5 + 0.9Pt-1 + μ2t
(3) Dt = St = qt
define una estructura. Ella es un elemento, de entre los
infinitos elementos posibles, pertenecientes al modelo
de la telaraña, en efecto, para cada combinación de
valores factibles de α1 , α2 , β1 y β2 , sin tener en
consideración por el momento los parámetros
correspondientes a la especificación que se realice
sobre μ1t y μ2t , se tiene una estructura distinta.
24
Camilo Dagún.
a) de comportamiento
b) tecnológicas
1. Ecuaciones c) institucionales o legales
d) identidades
e) equilibrio móvil
endógenas
a) sistémicas endógenas
2. Variables predeterminadas exógenas
con rezago
b) aleatorias o residuales
25
Análisis de un modelo
Existen dos posibles tipos de análisis de un
modelo. En primer lugar, se puede realizar un
análisis estático, que se centra en el estudio de
eventos que se supone ocurren en un punto del
tiempo.
26
En segundo lugar, se puede efectuar un análisis
dinámico, que estudia las sendas temporales de
las variables endógenas asociadas a las diversas
sendas temporales de las variables exógenas del
modelo. Es decir, el análisis dinámico permite el
estudio de eventos a lo largo del tiempo.
27
Propiedades de un modelo
Un modelo debe presentar propiedades lógicas y
empíricas.
Lógicas:
Consistencia: No debe existir contradicción entre
28
Empíricas:
Validez: Hace referencia al grado de precisión
29
Cuanto más generalizante sea el modelo, más
probabilidades tiene de aplicación empírica, pero
pierde validez en cuanto a sus conclusiones. Por el
contrario, cuanto más especializado sea un
modelo, esto es, cuanto más sustancia y rigor o
especificación agregamos a las hipótesis,
perdemos generalidad y ganamos en validez.
30
Tipos de modelos
Existen tres tipos de modelos
Descriptivos: Representan los fenómenos reales sin
32
La ecuación de la rectas es: Y = a + bX
a: intercepto
b: pendiente
Y
Y = a + bX
b = ∆Y/ ∆X = tg α
α = arctg b
α
a
O X
33
1.3. MODELOS LINEALES Y ÁLGEBRA DE MATRICES
Modelo Lineal
Un modelo lineal modelo lineal es una relación entre variables
matemáticas cuantitativas y/o cualitativas (explicativas) y un
vector aleatorio de interés.
Los modelos lineales se describen con sistemas de ecuaciones
lineales.
Se denomina ecuación lineal a aquella que tiene la forma de
un polinomio de primer grado, es decir, las incógnitas no
están elevadas a potencias, ni multiplicadas entre sí, ni en el
denominador. Por ejemplo, 3x + 2y + 6z = 6 es una ecuación
lineal con tres incógnitas. Como es bien sabido, las
ecuaciones lineales con 2 incógnitas representan una recta en
el plano. Si la ecuación lineal tiene 3 incógnitas, su
representación gráfica es un plano en el espacio. Un ejemplo
de ambas representaciones puede observarse en la figura:
34
35
Sistema de m ecuaciones lineales con n
incógnitas:
incógnitas:
coeficientes:
términos independientes:
36
OPERACIONES CON MATRICES
Las matrices son de suma importancia en las
ciencias, como la ingeniería, la economía y otras
ciencias aplicadas.
37
Una matriz es un arreglo rectangular de elementos
(números reales) ordenados en filas y columnas:
a11 a12 a13 a1n
a a22 a23 a2 n
21
A a31 a32 a33 a3n
am1 am 2 am 3 amn
aij es el elemento situado en la i-ésima fila y en la
j-ésima columna. La matriz tiene m filas y n
columnas.
3 1 8 5 0
B
5 2 4 0 1 2 x5
B es una matriz de orden 2x5.
38
Igualdad de matrices
Dos matrices A y B del mismo orden son iguales si todos
sus elementos correspondientes son iguales.
Amxn Bmxn aij bij
Las matrices filas son las de orden 1xn y las matrices columnas
son las de orden mx1 (vectores)
b11
b
A a11 a12 a1n B 21 B es una matriz
columna.
A es una matriz fila.
bm1
Matrices especiales: Matriz diagonal
Es la matriz 1 0 0 0
cuadrada Anxn = 0 0 0
2
aij 0, i j
Matriz triangular superior: es una matriz cuadrada
cuyos elementos situados por debajo de la
diagonal principal son todos iguales a cero.
aij 0, i j
Matriz transpuesta
3) A B At B t
t
4) A.B B t . At
t
Matrices especiales: Matriz simétrica y
antisimétrica
2 1 5 0 1 4 3
1 2
A 1 4 6 B
0 7
4 7 0 6
5 6 9
3 2 6 0
A es una matriz simétrica, pues At = A.
B es una matriz antisimétrica, pues Bt = -B.
Adición y sustracción de matrices
Dadas las matrices Amxn = [aij] y Bmxn = [bij] del
mismo orden, la suma (A+B) o diferencia (A-B) es
una matriz cuyos elementos son las sumas o
diferencias de cada uno de los elementos
respectivos de las matrices.
A + B = [aij + bij] ; A – B = [aij – bij]
Se llama matriz a una disposición rectangular de números reales, a los cuales se les
denomina elementos de la matriz. Cada elemento tiene dos subindices, el primero
indica la fila y el segundo la columna
2ª columna
Dimensión de la matriz m n
Dos matrices son iguales cuando tienen la misma dimensión y los elementos que
ocupan la misma posición en cada una de ellas son iguales.
Definición de matríz
Juan, Ana y Elena han ido a una tienda y han comprado lo siguiente:
2 x 5 y 3z 1
El sistema
x - 4y z 2
2 5 –3
Tiene la siguiente matriz de los coeficientes: A =
1 –4 1
2 5 –3 1
Tiene la siguiente matriz ampliada: A* = 1 –4 1 –2
x
2 5 –3 1
y = – 2
Tiene la siguiente expresión matricial:
1 –4 1
z
Clasificación de matrices: Forma
• Matriz nula: es una matriz en la que todos los • Matriz unidad o identidad: es una matriz
elementos son nulos. escalar, cuya diagonal principal es 1.
0 0 0 0 0 1 0 0
O 0 0 0 O 0 0 I3 0 1 0
0 0 0 0 0 0 0 1
3 3 3 2
• Matriz diagonal: es una matriz cuadrada, en • Matriz triangular superior: es una matriz
la que todos los elementos no pertenecientes a donde todos los elementos por debajo de la
la diagonal principal son nulos. diagonal son ceros.
2 0 0 1 3 6
D 0 3 0 T 0 2 3
0 0 1 0 0 4
• Matriz escalar: es una matriz diagonal • Matriz triangular inferior: es una matriz
donde todos los elementos de ella son iguales. donde todos los elementos por encima de la
diagonal son ceros.
2 0 0
1 0 0
A 0 2 0
T 3 2 0
0 0 2
3 5 4
Operaciones con matrices
Trasposición de matrices
Suma y diferencia de matrices
Producto de matrices
Propiedades simplificativas
Matrices inversibles
Operaciones con matrices I
1 4
1 2 3 t
Ejemplo: Si A = entonces A = 2
5
4 5 6
3 6
Propiedades:
Por tanto, para poder sumar dos matrices estas han de tener la misma dimensión.
Para sumar dos matrices A y B con las mismas dimensiones se suman los
correspondientes elementos: si A = (aij) y B = (bij) entonces A + B = (aij + bij)
• Asociativa: A + (B + C) = (A + B) + C
• Conmutativa: A+B=B+A
• Elemento opuesto: A + (– A) = (– A) + A = 0
Para multiplicar un número real por una matriz, se multiplican cada uno de los
elementos de la matriz por dicho número.
• Distributiva I: k(A + B) = kA + kB
Ejemplos:
no se pueden multiplicar
¿Cuándo es posible el producto de matrices?
filas
Posible columnas
El producto de la matriz
a11 a12 a13 ...... a1n
a a22 a23 ...... a2n
a21 a32 a33 ...... a3n
A = (a ij) =
31
.. .. .. .. ..
am1 am2 am3 ...... amn
por la matriz
b11 b12 b13 ...... b1p
b 21 b 22 b 23 ...... b 2 p
B = (b ij) = b 31 b 32 b 33 ...... b 3p
.. .. .. .. ..
b ...... b np
n1 bn2 bn3
2 1 –1 1 2 0
1. El producto de A =
3 –2 0
por la matriz B = 1 0 –3 se obtiene multiplicando
0 1 –2
cada fila de A por cada columna de B.
1 2 0
2 1 –1
3 3 –1
A ·B = . 1 0 –3
3 –2 0
=
1 6 6
0 1 –2
producto
posible
Propiedades del producto de matrices (I)
1 1 0 0 ...... 0
0
0 0 ...... 0
0 1 0 ...... 0 1 0 ...... 0
Im = 0
0 1 ...... 0
e I n = 0 0 1 ...... 0
.. .. .. .. ..
.. .. .. .. ..
0 0 0 ...... 1
0 0 0 ...... 1
las matrices identidad de orden m y n, respectivamente, se tiene:
Im · A = A · In = A
III. Propiedad distributiva a la izquierda. Para las matrices A de dimensión mxn,
B de dimensión nxr y C de dimensión nxr.
A . (B + C) = A . B + A . C
(A + B) . C = A . C + B . C
Propiedades del producto de matrices (II)
0 2 . 0 –3 0 0
Ejemplo: Aunque
0 0 0 0 = 0 0 ninguno de los factores que
forman el producto es la matriz nula.
Ejemplo: 1 1 1 1 1 1 1 2
A
A 2 A A
0 1 0 1 0 1 0 1
1 1 1 2 1 3 1 1 1 3 1 4
A A A
3 2
A A A A A A A
4
3
0 1 0 1 0 1 0 1 0 1 0 1
1 1 1 n 1 1 n
An A 3 A A A n-1
12
n- veces 0 1 0 1 0 1
Operaciones con matrices V
Observación:
Podemos encontrar matrices que cumplen A·B = I, pero que B·A I, en tal
caso, podemos decir que A es la inversa de B "por la izquierda" o que B es la
inversa de A "por la derecha".
Hay varios métodos para calcular la matriz inversa de una matriz dada:
Directamente
Por el método de Gauss-Jordan
Usando determinantes
Inversa de una matriz (directamente)
2 –1
-1
x y
Ejemplo: Dada A =
1 1 para obtener A = z t se ha de cumplir
2 –1 x y 1 0
.
1 1 z t = 0 1
Y de aquí se deduce que:
2x –z =1 x = 1/3
2x – z 2y – t
1 0 x +z =0 y = 1/3
x+z y+t = 0 1
2y –t=0 z = –1/3
y +t=1 t = 2/3
1 1
-1 3 3
Por tanto A =
–1 2
3 3
Combinación lineal entre filas y columnas
En una matriz A, las filas pueden representarse por F1, F2, ... , Fm y las columnas
por C1, C2, ... , Cn.
Se llama combinación lineal de las filas F1, F2, F3 ... , Fm a una expresión de la
forma:
k1 . F1 + k2 . F2 + k3 . F3 + ... + km . Fm siendo k1, k2, ... , km números reales.
Se llama combinación lineal de las columnas C1, C2, C3 ... , Cn a una expresión
de la forma:
k1 . C1 + k2 . C2 + k3 . C3 + ... + kn . Cn siendo k1, k2, ... , kn números reales.
Dependencia lineal entre filas y columnas
• Si entre las filas (o columnas) de una matriz, alguna depende linealmente de otras,
se dice que son linealmente dependientes; en caso contrario, son linealmente
independientes.
2 0 –1 1
Ejemplo: En la matriz A = 1 3 1 0 la tercera fila es combinación lineal de la primera y la
4 6 1 1
segunda ya que: F3 = F1 + 2F2
1 2 4
En cambio: En la matriz B =
3 –1 5 las dos filas son linealmente independientes porque ninguna
1 1 0 1 1 0
F2 – 2F1 g F2
2 1 1 0 1 1
1 1 2 F1 + F3 g F3 0 2 2
1 0 0 1 1 0 1 1 0
2 1 0
2 1 1
0 1 1
1 0 1 1 1 2 0 2 2
Como hay una fila completa de ceros, la matriz A no tiene rango máximo, en
este caso 2, por tanto no tiene inversa pues es una matriz singular
Cálculo de la Matriz Inversa por el método
de Gauss – Jordan IV: Ejemplo
Como podemos observar el rango de la matriz es máximo (en este caso 3), por
tanto la matriz A es regular (tiene inversa), podemos calcular su inversa.
Cálculo de la Matriz Inversa por el método
de Gauss – Jordan V: continuación
4º.- Por último se divide cada fila por el elemento diagonal correspondiente.
Rango de una matriz
• Se puede demostrar que el rango por filas coincide con el rango por
columnas en cualquier matriz. A este valor común se le llama rango de la
matriz y se representa rg A.
2 3 2 5
A Sus dos filas son linealmente independientes
1 3 4 2
1 3
2 1 Las dos primeras líneas son L.I., las otras dos dependen
B
0 5 linealmente de las primeras
3 4 F 4 F1 F 2
F 3 2 F1 F 2
1 5 3
Las dos primeras filas son L.I. la tercera depende linealmente de
C 9 0 2
8 5 1 las dos primeras
F 2 F1 F 3
Teorema
En una matriz el número de filas L.I. coincide con el número de
columnas L.I.
Por esto podemos dar una nueva definición de Rango:
2 0 –1 1 2 0 1 1
La matriz A = 0 1 1 0 tiene rango 3. La matriz A = 0 0 1 0 tiene rango 3.
0 0 0 1
0 0 1 1
2 0 1 1 0 2 1 1
La matriz A = 0 1 1 0 tiene rango 2. La matriz A = 0 0 2 0 tiene rango 2.
0 0 0 0 0 0 0 0
0 0 0 1
La matriz A = 0 0 0 0 tiene rango 1.
0 0 0 0
Métodos de cálculo del rango de una matriz
Usando Determinantes
Cálculo del rango de una matriz por el método de Gauss
Transformaciones elementales:
Son las transformaciones que podemos realizarle a una matriz sin que su
rango varíe.
Sumar o restar a una línea otra paralela multiplicada por un número no nulo.
a) Si es necesario, reordenar filas para que a11 0 (si esto no fuera posible,
aplicar todo el razonamiento a a12).
b) Anular todos los elementos por debajo de a11: para ello multiplicar la primera
fila por –a21/a11 y sumar a la segunda, multiplicar la primera fila por –a31/a11
y sumar a la tercera, .... multiplicar la primera fila por –am1/a11 y sumar a la
m-ésima.
d) El proceso termina cuando no quedan más filas o están formadas por ceros.
Cálculo del rango de una matriz
Aplicando los procesos anteriores se puede llegar a una matriz escalonada que
indica el número de filas o columnas independientes y por tanto el rango de la
matriz.
* * * * *
* * * * *
* * * * *
* * * * *
* * * * * * * * * *
0 * * * *
0 * * * *
* * * * *
* * * * *
0 0 * * *
0 0 * * *
0 * * * *
0 0 0 * *
Rango 4 Rango 3 Rango 2 Rango 1
Ejemplos del cálculo del rango de una matriz por el método de Gauss I
Ejemplos del cálculo del rango de una matriz por el método de Gauss II
Condición para que una matriz sea inversible
2 –1
Vamos a estudiar si A = es inversible:
4 –2
2 –1 1 0
Ampliamos la matriz A con la matriz identidad:
4 –2 0 1
1 1
1 – 0
Dividiendo la primera fila por 2: 2 2
4 –2 0 1
1 1
1 –2 2 0
Restando a la segunda fila la primera por 4:
0 0 –2 1
A no es inversible
• Al operar con las filas de A se ha llegado a una matriz de rango distinto a la dimensión de
la matriz A.
con
a a12
A= a
11
Dada una matriz cuadrada de segundo orden:
a
21 22
se llama determinante de A al número real:
a 11 a 12
Det( A) = |A| = = a11 · a22 – a12 · a21
a 21 a 22
Ejemplo: 3 2
2 1 = 3·1 - 2·2 = 3 – 4 = -1
a11 a12 a 13
Dada una matriz cuadrada de orden 3 A = a 21 a 22 a 23
a31 a 32 a33
Se llama determinante de A, det (A) o |A|, al número real siguiente:
3 5 1
El determinante de la matriz A = 4 –2 –1 es
2 –3 –4
24 – 12 – 10 + 4 – 9 + 80 = 77
Cálculo de determinantes usando desarrollo por los elementos
de una fila o columna
• Se llama adjunto Aij del elemento aij de la matriz A al número Aij = (–1)i+jMij.
det (A) = ai1 . Ai1 + ai2 . Ai2 + ai3 . Ai3 sería el desarrollo por la i-ésima fila
det (A) = a1j . A1j + a2j . A2j + a3j . A3j sería el desarrollo por la j-ésima columna
Ejemplos: desarrollos de un determinante de orden 3
a a a
11 12 13 a a a a a a
a a a .(-1)1+1 22 23 .(-1)2+1 12 13 .(-1)3+1 12 13
21 22 23 = a 11 a a
+a
21 a a
+a
31 a a
a a a 32 33 32 33 22 23
31 32 33
a a a
11 12 13 a a a a a a
a a a 12 13 11 13 11 12
21 22 23 = a31.(-1)3+1 a a
+ a .(-1)3+2
32 a a
+ a .(-1)3+3
33 a a
a a a 22 23 21 23 21 22
31 32 33
Determinante de cualquier orden
2 –1 1 2 –1 1 2 2 1 2
1 6 1 0 1 · (–1) 2+1
–1 –1 3 + 6 · (–1) 2+2
3 –1 3 +
Por ejemplo: =
3 –1 –1 3 –1 0 1 2 0 1
2 –1 0 1
–3 5
2 –1 2 2 –1 1
+ 1 · (–1) 2+3
3 –1 3 + 0 · (–1)2+4 3 –1 –1 =
2 –1 1 2 –1 0
–1 –1
= 1 · 3 + 6 · 5 + 1 · 1 + 0 · (–1) =34
Cálculo inmediato de determinantes (I)
Ejemplos:
–1 4 –1
El determinante de una matriz A =
3 2 3 es igual a cero porque la tercera y
2 5 2
primera columnas son iguales.
2 4 –1
El determinante de una matriz A =
1 –2 3 es igual a cero porque la tercera fila
3 –6 9
es igual a la segunda multiplicada por 3.
II. El determinante de una matriz con una fila o columnas nulas es cero.
Ejemplo:
–1 0 –1
El determinante de una matriz A = 3 0 3 es igual a cero porque la segunda columna
2 0 2
es nula.
Cálculo inmediato de determinantes (II)
III. El determinante de una matriz en que una fila o columna depende linealmente de
otras filas o columnas es cero.
Ejemplo:
2 4 0
El determinante de una matriz A = 1 3 –1 es igual a cero porque la tercera columna es
3 1 5
igual al doble de la primera menos la segunda.
Ejemplo:
–1 0 –1
El determinante de la matriz A = 0 2 3 es igual –4.
0 0 2
Cálculo inmediato de determinantes (III)
Ejemplos:
1 0 0
El determinante de la matriz I3 = 0 1 0 es igual a 1.
0 0 1
1 0 0 0 0
0 1 0 0 0
El determinante de la matriz I5 = 0 0 1 0 0 es igual a 1.
0 0 0 1 0
0 0 0 0 1
Propiedades: operaciones con filas y columnas (I)
I. Si se multiplican los elementos de una fila o columna de una matriz por un número el
determinante de la matriz se multiplica por ese número.
Ejemplo:
2 3 2 3 2 3
4 20 = . . = 4 1 5
4 1 4 5
II. Si se intercambian entre sí dos filas o dos columnas de una matriz, su determinante
cambia de signo.
Ejemplo:
1 –4 –4 1
2 5 = – 5 2
Propiedades: operaciones con filas y columnas (II)
III. Al sumar a una fila o columna una combinación lineal de las otras filas o columnas,
respectivamente, el valor del determinante no varía.
2 3 –1
Ejemplo: Si en A = 1 5 2 sumamos a la tercera fila la primera mult iplicada por – 1 más
4 13 4
la segunda multiplicada por – 2, obtenemos:
2 3 –1
B= 1 5 2
4 + 2 (–1) + 1(–2) 13 + 3 (–1) + 5(–2) 4 + (–1) (–1) + 2(–2)
Ejemplo:
2 0 4 1
Sean A = yB= . Se tiene que |A| = –2 y |B| = 5.
1 –1 3 2
.
8 2
Como A B = y | A . B | = – 10 se observa que | A . B | = |A| . |B|
1 –1
Ejemplo:
3 0 1/3 0
Sea A = ; entonces A –1 =
1 1 –1/3 1
–1 . –1
Como | A | = 3 y | A | = 1/3, se observa que | A | |A |=1
Operaciones con matrices (II)
Ejemplo:
2 0 –2 2 1 3
Sea A = 1 1 3 . Entonces A = 0 1 0
t
3 0 2 –2 3 2
Se cumple que | A | = | A t |
Ejemplo:
2 0 – 2 4 0 – 4 2 0 – 2
3
Se cumple que: 2 1 1 3 = 2 2 6 = 2 1 1 3
3 0 2 6 0 4 3 0 2
Operaciones con matrices (III)
V.- Si una fila o columna es suma de varios sumandos, se descompone en ta
determinantes como sumandos haya
Se llama “menor” de orden p de una matriz al determinante que resulta de eliminar ciertas
filas y columnas hasta quedar una matriz cuadrada de orden p. Es decir, al determinante de
cualquier submatriz cuadrada de A (submatriz obtenida suprimiendo alguna fila o columna
de la matriz A).
En una matriz cualquiera A m×n puede haber varios menores de un cierto orden p dado.
Definición:
El RANGO (o característica) de una matriz es el orden del mayor de los menores distintos de
cero. El rango o característica de una matriz A se representa por rg(A).
Consecuencias
Las filas o columnas de una matriz cuadrada son linealmente dependientes si y sólo si su
determinante es cero.
Algoritmo para el cálculo del rango de una matriz
• Se llama “Adjunto Ai,j” del elemento “ai,j” al determinante del menor Mi,j
multiplicado por (-1)i+j
• Dada la matriz cuadrada A, se llama “matriz adjunta” de A y se representa adj
(A), a la matriz que se obtiene al sustituir cada elemento aij por su adjunto Aij.
2 -2 2
Ejemplo: Dada la matriz (A) = 2 1 0 , su adjunta sería:
3 -2 2
1 0 2 0 2 1
–2 2 – 3 2 3 –2
–2 2 –4 –7
2 2 2 2 –2
adj (A)= – –2 2 3 2 – 3 –2 = 0 –2 –2
–2 4 6
–2 2 2 2
– 2 0
2 –2
1 0 2 1
Obtención de la matiz inversa mediante determinantes (II)
Esto es fácil probarlo puesto que sabemos que la suma de los productos de los elementos
de una fila por sus adjuntos es el valor del determinante, y que la suma de los productos de
los elementos de una fila por los adjuntos de otra fila diferente es 0
2 –2 2
Ejemplo: Dada la matriz A = 2 1 0 , pretendemos encontrar su inversa:
3 –2 2
–7 –2 6
2 0 –2 –1 0 1
–1 1 1
Por lo tanto: A = | A | [adj (A)] = –2 –4 –2 4 = 2 1 –2
t
–7 –2 6 7/2 1 –3
Cálculo de la matriz inversa por el método de los adjuntos I
Cálculo de la matriz inversa por el método de los adjuntos II
Cálculo de determinantes por el método de Gaus
3 5 –26 0 –1 1 3
–1 1 3 –1 1 3
1 2 –11 1 2 –1 1 .
= –1 0 3 3 = –1
Ejemplo: . 0 3 3 =
2 4 15 = 0 0 3 3 1 8 0 0 9 3
3 7 53 0 1 8 0
• 2ª fila por (–3) + 1ª fila • 1ª fila por 1 + 3ª fila
• 2ª fila por (–2) + 3ª fila
• 2ª fila por (–3) + 4ª fila
3 3
= (–1) –1) 9 3 = –18
.
(
¡GRACIAS POR SU ATENCIÓN!
110