Professional Documents
Culture Documents
(MPE2) - Matrices No Negativas - MPE Con Excel y MatLab
(MPE2) - Matrices No Negativas - MPE Con Excel y MatLab
Matrices No Negativas
1.4.1. Matrices descomponibles.
PARTICIÓN DE MATRICES: si suprimimos todas las filas y columnas,
menos k filas y s columnas de una matriz A mxn , la matriz que resulta, de
dimensión k x s, se denomina submatriz de A.
a 11 a 12 a 13 a 14
A 11 A 12
A a 21 a 22 a 23 a 24
A 21 A 22
a 31 a 32 a 33 a 34
donde A 11 y A 12 son submatrices de dimensión 2 x 2 y A 21 y A 22 son
submatrices de dimensión 1x 2 ; pero también podríamos particionar A de
modo que, por ej., A 11 fuera de dimensión 2 x1 , A 12 de dimensión 2 x3 ,
A 21 de dimensión 1x1 y A 22 de dimensión 1x3 , etc.
A 11 A 12
Si A donde A 11 es de dimensión p x p, A 12 es de
A 21 A 22
dimensión p x (n p), A 21 es de dimensión (n p) x p y A 22 es de
dimensión (n p) x (n p) y X es la inversa de la matriz A : A . X I ;
particionando las matrices X e I igual que A tenemos:
A11 A12 X 11 X 12 I 11 12
A efectuando las operaciones
21 A22 X 21 X 22 21 I 22
indicadas obtenemos el sistema:
A11 X 11 A12 X 21 I 11
A X A X prem. m.a m. por A 1 X A 1 A X
11 12 12 22 12 11 12 11 12 22
A
21 11 X A22 X 21 21 prem. m.a m. por A 1
22 X 21 A 1
22 A21 X 11
A21 X 12 A22 X 22 I 22
reemplazando X 21 en la 1 a ecuación del sistema y sacando luego factor
común X 11 resulta 1
X 11 A11 A12 A22 A21
1
reemplazando este
2
resultado en X 21 resulta
X 21 A221 A21 A11 A12 A22
1
A21
1
de
modo que
A 1
1
A11 A12 A22 A21 1
A111 A12 A21 A111 A12 A22
1
1
1
A22 A21 A11 A12 A22 A21 1
A 21
1
A A12 A22
11
1
2 2 1
1 1 2 1
Ejemplo 1: A 1 3 1 A111 A221
2 4 2 3
1 2 2
1 1 1
1 2 1 1 1 1 5 4
X 11 2 2 1
2
2 1
4 2 3 1 4 1 4 5
1
1 1
1 1 1 3 1 1 2 2
X 12 2 1 2 1 1
2
2 2
2 1 3
1 2
2
1 1 3 1 2 1
1
2 5 2 4 5 5
1
1
1 2 1 1 1 2 1 1 1 3 1 1
X 21 2 2 1 2
4 2 3 1 4 2 3 4 1 4 5 1
1
1
2
1
1 1 3 1 2 1 3 1
X 2 1
2 5 2 4
22
1 2 2 1 3
2
3
4 2 1
5 5 5
1
1 3 1
de modo que A
5 5 5
1 2 4
5 5 5
2 2 1
Por ejemplo: para la matriz A 1 3 3 no podríamos hacer la
1 2 2
2 2 1
partición A 1 3 1 porque A 22 no tiene inversa, pero sí podemos
1 2 2
2 2 1
1 1 3 2
hacer la partición A 1 3 3 A 11
4 1 2
1 2 2
A 11 A 12
A´ donde A 11 y A 22 son submatrices cuadradas y es
A 22
una submatriz nula. Si esto no es posible, se dice que la matriz es
irreducible o no decomponible.
4
Para intercambiar dos filas y dos columnas correspondientes, lo que se
hace en realidad, es premultiplicar por una matriz de permutación y
postmultiplicar por su traspuesta. Como la matriz de permutación es
ortogonal, lo que se obtiene es una matriz semejante a la dada.
Otra forma de definir las matrices descomponibles (muy útil para reconocer
si una matriz es decomponible o no) es la siguiente.
2 0 1 1
0 6 0 5
Por ejemplo, en la matriz A los elementos nulos son
3 1 4 0
0 7 0 8
a 12 ; a 21 ; a 23 ; a 34 ; a 41 y a 43 .
2 1 0 1
3 4 1 0 A
11
A 12
A´
0 0 6 5 A 22
0 0 7 8
5
A 11
A 12 x 1 c 1
donde x 1 contiene las primeras k
A 22 x 2 c 2
componentes de x y x 2 las restantes n k componentes; de la misma
forma separamos las componentes del vector c.
A 11 x 1 A12 x 2 c 1
Resulta entonces el sistema
A22 x 2 c2
0 0 3
Ejemplo: A 0 2 0 intercambiando filas 1 y 2 las columnas 1 y 2
2 0 1
2 0 0
resulta A´ 0 0 3
0 2 1
6
De modo que se puede resolver en forma totalmente independiente cada
uno de los subsistemas. Para que una matriz sea totalmente descomponible
se debe poder hacer una partición de N 1, 2, ....., n en los subconjuntos
I y J de modo que si i I ; i J entonces a ij 0 y también a ji 0 .
1
reemplazando (1) en la primera ecuación del sistema resulta X 11 A 11
reemplazando (2) en la segunda ecuación del sistema resulta
1 1
X 12 A 11 A 12 A 22
A 11
1 1
A 11 A 12 A 221
entonces A 1
A 221
7
0 5 0 0
1 2 0 0
Ejemplo : A se puede descomponer intercambiando fila
4 1 5 0
5 4 2 1
1 con 4, columna 1 con 4, fila 2 con 3, columna 2 con 3 y resulta la matriz D
1 2 4 5
0 5 1 4
1 2 1 1 0, 4
D 0 0 2 1 donde D 11 0 X D 11
5
11
0 0 5 0 0 0, 2
2 1 1 0 0, 2
D 22 X D 22
0
22
5 1 0, 4
Calculamos
1 0,4 4 5 0 0,2 3,4 0,64
X 12 D111 D12 D221
0 0,2 1 4 1 0,4 0,8 0,28
1 0, 4 3, 4 0, 64
0 0, 2 0,8 0, 28
Entonces D 0 0 0 0, 2 para obtener la inversa de A
0 0 1 0, 4
debemos intercambiar nuevamente filas 1 con 4 y 2 con 3 y las columnas
0, 4 1 0 0
0, 2 0 0 0
correspondientes resultando A
1
0, 28 0,8 0, 2 0
0, 64 3, 4 0, 4 1
8
1.4.2. Matrices No Negativas.
2 2 1
Ejemplo 1: A 1 3 1 esta matriz es positiva, se aplica el Teorema de
1 2 2
Perron:
A I 3 7 2 11 5 0 . Las raíces son 1 5; 2 3 1
10
1 5 r
A I 3 9 2 26 30 0 2 2 2 i
6 5
3 2 2 i
2 6 0
Si elegimos s = 6 > 5 (6 I – A) 0
4 1
1 0 3
12 18 6
1
1
(6 I A ) 1 6 2 positiva.
18
4 6 8
2 1 0
Ejemplo 3: A 1 3 2
matriz no negativa, no descomponible,
0 1 3
podemos también aplicar el 1er Teorema de Frobenius:
1 1
A I 3 8 2 18 11 0
1
2 7 5 r s i m p l e
2
1
3 2 7 5
a la raíz maximal r le corresponde un vector propio positivo:
1 5 1 5 T
, , 1
2 2
3 1 0 2 2 2
1
para s = 5 >r (5 I–A) 1 2 2 (5 I A )
1
2 6 6 0
4
0 1 2 1 3 5
11
1 0 2
Ejemplo 4: A 1 2 0 matriz no negativa, descomponible, se aplica
2 0 1
el 2do Teorema de Frobenius:
1 3 r
A I 4 60
3 2
2 2 al valor propio r no
1
3
negativo corresponde un vector propio no negativo 2 , 2, 2 T
3 2 2 0, 6 0 0, 4
para s=4 >r (4I–A) 1 2 0 (4 I A ) 1
0,3 0, 5 0, 2
2 0 3 0, 4 0 0, 6
matriz no negativa.
9 4 4
Ejemplo 5: A 0 3 6
matriz no negativa, descomponible, se aplica
0 7 2
el 2do Teorema de Frobenius: A I (9 ) 2 5 36 0
1 2 9 r ( no simple)
3 4
al valor propio r corresponde un vector propio no negativo 1, 0, 0 T
para s=10>r
1 4 4 14 60 52
1
(10 I – A) 0
7 6 (10 I A ) 1
0 8 6
14
0 7 8 0 7 7
matriz no negativa.
12
Dem: por el 2do. Teorema de Frobenius, si A 0 existe una raíz
característica maximal r 0 tal que r x = A x donde x 0 , es decir:
r x 1 a 11 x 1 a 12 x 2 ....... a 1n x n
r x a x a x ....... a x
2 21 1 22 2 2n n
........ ................... ...... .........
r x n a n1 x 1 a n 2 x 2 ....... a nn x n
a1n a 2 n a nn x n
Cn
Por ej.:
0, 5 0, 4 20 700
si A y c x es un vector negativo;
0, 6 0, 6 50 925
13
0, 5 0, 4
en cambio, si A para el mismo vector c la solución es
0, 6 0, 5
3000
positiva: x
3700
En general, si s es un número real positivo, I la matriz identidad de orden n,
A una matriz no negativa nxn y c un vector no negativo, la condición
necesaria y suficiente para que el sistema (s I A)x = c tenga solución no
negativa es que la matriz (s I A) tenga todos sus menores principales
(dominantes) positivos. Esta es la condición de Hawkins-Simons.
14
p j 0
negativas y su suma es igual a 1, o sea n también se puede
p j 1
j 1
definir como vector columna.
Propiedades:
1) Si A y B son matrices estocásticas, su producto A B es también
unamatriz estocástica.
2) Todas las potencias no negativas de una matriz estocástica A k
1 1
1 1
resulta igual a ese vector, es decir: P de modo que toda
1 1
1, 1, .....,1
T
matriz estocástica tiene el vector propio
correspondiente al valor propio 1
Como los vectores de probabilidad son vectores fila vamos a considerar los
vectores propios de una matriz estocástica como vectores fila; entonces
x P = x de donde x P I los vectores x distintos del vector nulo
que satisfagan este sistema para cada valor propio i serán los vectores
propios correspondientes a ese autovalor i.
15
Teorema: Toda matriz estocástica tiene una raíz característica igual a 1 y
todas sus raíces tienen módulo menor o igual a 1.
Dem: Como P 0 hay una raíz dominante r 0 tal que r i y esa raíz
corresponde a un vector característico no negativo k, según el 2do. teorema
de Frobenius; si k es un vector fila: r k = k P
r k 1 p 11 k 1 p 21 k 2 ....... p n1 k n
r k p k p k ....... p k
2 12 1 22 2 n2 n
o sea:
........ ................... ...... .........
r k n p 1n k 1 p 2 n k 2 ....... p nn k n
( p n1 p n 2 p nn )k n
1
los paréntesis del segundo miembro de la igualdad son la suma de cada una
de las filas de la matriz P de modo que valen 1, por lo que resulta
n
r k 1 k 2 ... k n k 1 k 2 .... k n (1) Si k
i 1
i 0 podemos dividir
Por otra parte, si en lugar de considerar la raíz maximal r tomamos una raíz
cualquiera i también se verifica i k = k P y desarrollando esta expresión
llegamos a que i k 1 k 2 ... k n k 1 k 2 ... k n pero aquí el
vector k puede no ser no negativo (porque no corresponde al valor maximal)
en cuyo caso la suma de sus componentes podría ser 0; sólo en este caso
16
i 1 de modo que si los vectores propios corresponden a raíces distintas
de 1 deben ser tales que la suma de sus componentes sea 0.
1 1
PI v (1 / 2, 1) v i 3 / 2
1 / 2 1 / 2
t 2 / 3 (1 / 2, 1) (1 / 3, 2 / 3)
0 1 0 1 1 0
Ejemplo 1: P 0
0
1 P I 0 1 1
1 / 2 1 / 2 0 1 / 2 1 / 2 1
v (1 / 2, 1, 1) vi 5 / 2 t (1 / 5, 2 / 5, 2 / 5)
0 1 0 1 1 0
Ejemplo 2: P 1 / 2 0 1 / 2 P I 1 / 2 1 1 / 2
0 1 0 0 1 1
v (1 / 2, 1, 1 / 2) vi 2 t (1 / 4, 1 / 2, 1 / 4)
17
Ejemplo 3:
1 / 2 0 1 / 2 0 1 / 2 0 1/ 2 0
0 1 / 3 1 / 3 1 / 3 0 2 / 3 1 / 3 1 / 3
P PI
1 / 4 0 1 / 4 1 / 2 1/ 4 0 3 / 4 1 / 2
0 0 0 1 0 0 0 0
v (0, 0, 0, 1 / 6) t (0, 0, 0, 1)
0 1 1/ 2 1/ 2
Ejemplo: P es regular porque P
2
0
1/ 2 1/ 2 1/ 4 3 / 4
1 0
En cambio A no es regular porque
1/ 2 1/ 2
1 0 1 0
A2 A3 y en todas las potencias
3 / 4 1/ 4 7 / 8 1/ 8
sucesivas se mantiene el 0 en el ángulo superior derecho.
m
18
1/ 2 1/ 2 0,31 0,69 0,3307 0,663
P 2 ...P 5 ...P 10
1/ 4 3/ 4 0,34 0, 66 0,3298 0,6702
1/ 3 1/ 3
lim P m T
m
1/ 3 1/ 3
Extracto de:
BERNARDELLO, A., CASPARRI, M.T. y otros, Matemática para
economistas con Excel y Matlab, Omicron 2004.
19