SlideShare una empresa de Scribd logo
UNIVERSIDAD DE LOS ANDES
FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES
IEAC
MODELOS LINEALES
LUIS NAVA PUENTE
MAYO 2018
ALGEBRA MATRICIAL
 𝐴 es una matriz simétrica si 𝐴 = 𝐴′.
 𝐴𝐵 ′
= 𝐵′𝐴′
 Dado un conjunto de vectores 𝒚1, 𝒚2, ⋯ , 𝒚 𝑘 , tal que
𝒚𝑖 𝜖ℝ 𝑛
, se dice que dicho conjunto es linealmente
independiente si para 𝜆𝑖 𝜖ℝ ∀𝑖, se verifica que:
𝑖=1
𝑘
𝜆𝑖 𝒚𝑖 = 0 ⟺ 𝜆𝑖 = 0, ∀𝑖
 Sea 𝐴 𝑛𝑥𝑝. Su rango, denotado por 𝑅 𝐴 , se define como el
número de filas (o columnas) linealmente independientes de 𝐴.
ALGEBRA MATRICIAL
 Si 𝐴 es cualquier matriz, entonces 𝐴′
𝐴 y 𝐴𝐴′ son simétricas.
 Si 𝐴 y 𝐵 son matrices de orden 𝑛𝑥𝑛, entonces
𝑑𝑒𝑡 𝐴𝐵 = 𝑑𝑒𝑡 𝐴 𝑑𝑒𝑡 𝐵
 Si 𝐴 es una matriz de orden 𝑚𝑥𝑛 y 𝑅 𝐴 = 𝑟, entonces existen matrices
no singulares, digamos, 𝑃 y 𝑄, tal que:
𝑃𝐴𝑄 =
𝐼, 𝑚 = 𝑛 = 𝑟; 𝐼 0 , 𝑚 = 𝑟 < 𝑛;
𝐼
0
, 𝑚 > 𝑟 = 𝑛;
𝐼 0
0 0
, 𝑚 > 𝑟 𝑦𝑛 > 𝑟
𝐼 matriz identidad de orden 𝑟𝑥𝑟
ALGEBRA MATRICIAL
 Sea 𝐴 𝑛𝑥𝑛. Si 𝑅 𝐴 = 𝑛, entonces 𝐴 es no singular (existe inversa y
es única. Se denota por 𝐴−1
).
 Sea 𝐴 𝑛𝑥𝑝. Si Si 𝑅 𝐴 = 𝑛, entonces 𝐵 = 𝐴′
𝐴 es no singular.
 Si 𝐴 y 𝐵 son matrices equidimensionales no singulares, entonces
𝐴𝐵 −1
= 𝐵−1
𝐴−1
.
 Una matriz 𝐴 𝑛𝑥𝑛, simétrica es:
1. Semidefinida positiva si 𝒚Á𝒚 ≥ 0, ∀𝒚 ∈ ℝ 𝑛
y 𝒚Á𝒚 = 0 para al menos
un 𝒚 ∈ ℝ 𝑛
. Se verifica que 𝑅 𝐴 < 𝑛 y 𝑎𝑖𝑖 ≥ 0, ∀𝑖.
2. Definida positiva si 𝒚Á𝒚 > 0, ∀𝒚 ∈ ℝ 𝑛
. Se verifica que 𝑅 𝐴 = 𝑛 y
𝑎𝑖𝑖 > 0, ∀𝑖.
ALGEBRA MATRICIAL
 Factorización full rango de 𝐴. Sea 𝐴 𝑚𝑥𝑛 y 𝑅 𝐴 = 𝑟 > 0, entonces
existen matrices 𝐴 𝐿 y 𝐴 𝑅 de tamaño 𝑚𝑥𝑟 y 𝑟𝑥𝑛, respectivamente, de
rango 𝑟 tal que 𝐴 = 𝐴 𝐿 𝐴 𝑅.
 Si 𝐴 es una matriz definida positiva o semidefinida positiva, entonces es
definida no negativa.
 Una matriz 𝑃 se dice ortogonal, si 𝑃−1
= 𝑃′
 Una matriz 𝐴 𝑛𝑥𝑛 se denomina idempotente si y sólo si 𝐴. 𝐴 = 𝐴.
 Las matrices 𝐴 y 𝐵 son ortogonales si y sólo si 𝐴. 𝐵 = 0.
 Los vectores 𝒙 y 𝒚 son ortogonales si y sólo si 𝒙. 𝒚 = 0.
 La traza de una matriz 𝐴 𝑛𝑥𝑛, es la suma de los elementos de su
diagonal principal, 𝑇𝑟 𝐴 = 𝑖=1
𝑛
𝑎𝑖𝑖.
ALGEBRA MATRICIAL
 La traza de una matriz 𝐴 𝑛𝑥𝑛, es la suma de los elementos de su
diagonal principal, 𝑇𝑟 𝐴 = 𝑖=1
𝑛
𝑎𝑖𝑖.
 𝑇𝑟 𝐴𝐵 = 𝑇𝑟 𝐵𝐴
 𝑇𝑟 𝑎𝐴 + 𝑏𝐵 = 𝑎𝑇𝑟 𝐴 + 𝑏𝑇𝑟(𝐵)
 𝑇𝑟 𝐴′ = 𝑇𝑟 𝐴
 𝑇𝑟 𝐴−
𝐴 = 𝑇𝑟 𝐴𝐴−
= 𝑅 𝐴
 Una matriz cuadrada, 𝐴 𝑛𝑥𝑛 , es considerada una matriz
triangular superior/inferior si todos los elementos por
debajo/encima de la diagonal principal son cero.
ALGEBRA MATRICIAL
 Una matriz diagonal es una matriz cuyos elementos por fuera
de la diagonal principal son cero.
 Sea 𝐴 𝑚𝑥𝑛 , una matriz cualquiera. La matriz 𝐴 𝑛𝑥𝑚
−
, se
denomina la inversa generalizada de 𝐴 si satisface:
1. 𝐴𝐴−
es simétrica
2. 𝐴−
𝐴 es simétrica
3. 𝐴𝐴−
𝐴 = 𝐴
4. 𝐴−
𝐴𝐴−
=𝐴−
ALGEBRA MATRICIAL
 𝐴′ −
= 𝐴−
′
 𝐴− −
= 𝐴
 𝑅 𝐴−
= 𝑅 𝐴
 Si 𝐴 es simétrica e idempotente, entonces 𝐴−
= 𝐴.
 Si 𝐵 𝑚𝑥𝑟 y 𝐶𝑟𝑥𝑚 son tales que 𝑅 𝐵 = 𝑅 𝐶 = 𝑟 > 0, entonces
𝐵𝐶 −
= 𝐶−
𝐵−
 𝐴𝐴− −
= 𝐴𝐴−
y 𝐴−
𝐴 −
= 𝐴−
𝐴
 𝐴′
𝐴 −
= 𝐴−
𝐴′ −
ALGEBRA MATRICIAL
 Forma cuadrática. Sea 𝒙 un vector columna y 𝐴 una matriz de
números reales. La función 𝒙′
𝐴𝒙 se denomina forma
cuadrática.
 Sea 𝑓 𝒙 una función del vector 𝒙, entonces
𝜕𝑓
𝜕𝒙
=
𝜕𝑓
𝜕𝑥1
⋮
𝜕𝑓
𝜕𝑥 𝑛
ALGEBRA MATRICIAL
 Sea q 𝒙 = 𝒙′
𝐴𝒙 una forma cuadrática en las n variables independientes
𝑥1, 𝑥2, … , 𝑥 𝑛. Entonces
𝜕q 𝒙
𝜕𝒙
= 2𝐴𝒙
donde 𝐴 es una matriz simétrica de orden 𝑛𝑥𝑛.
 Sea 𝑊 = 𝑊𝑖𝑗 una matriz aleatoria, entonces E 𝑊 = 𝐸 𝑊𝑖𝑗
 Sean A, B dos matrices reales apropiadas y V, W dos matrices
aleatorias, también apropiadas, entonces:
1. 𝐸 𝐴 = 𝐴
2. 𝐸 𝐴𝑉 = 𝐴𝐸 𝑉
3. 𝐸 𝑉𝐴 = 𝐸 𝑉 𝐴
4. 𝐸 𝐴𝑉𝐵 = 𝐴𝐸 𝑉 B
5. 𝐸 𝑉 + 𝑊 = 𝐸 𝑉 + 𝐸 𝑊
ALGEBRA MATRICIAL
 Sean 𝑌 y 𝑍 dos vectores aleatorios tales que 𝐸 𝑌 = 𝜇 𝑌 y 𝐸 𝑍 = 𝜇 𝑧,
entonces
𝐶𝑜𝑣 𝑌, 𝑍 = 𝐸 𝑌 − 𝜇 𝑦 𝑍 − 𝜇 𝑍 ′ = 𝜮
 Para 𝑌
𝐶𝑜𝑣 𝑌, 𝑌 = 𝑉 𝑌 = 𝐸 𝑌 − 𝜇 𝑦 𝑌 − 𝜇 𝑌 ′ = 𝜮 𝑛𝑥𝑛
𝜮 𝑛𝑥𝑛 =
𝜎11 … 𝜎1𝑛
⋮ ⋱ ⋮
𝜎 𝑛1 … 𝜎 𝑛𝑛
 Sean A, B dos matrices reales, 𝑌 y 𝑍 dos vectores aleatorios, y 𝒃 un
vector de escalares, entonces:
1. 𝐶𝑜𝑣 𝐴𝑌 + 𝑏 = 𝐴𝜮A’
2. 𝐶𝑜𝑣 𝐴𝑌, 𝐵𝑍 = 𝐴𝑪𝒐𝒗 𝒀, 𝒁 𝐵′
3. 𝐶𝑜𝑣 𝐴𝑦 + 𝐵𝑍 = 𝐴𝑉 𝑌 𝐴′
+ 𝐵𝑉 𝑍 𝐵′
+ 𝐴𝐶𝑜𝑣 𝑌, 𝑍 𝐵′
+ 𝐵𝐶𝑜𝑣 𝑍, 𝑌 𝐴′
ASIGNACIONES DE REPASO
Distribuciones:
1. Normal
2. Normal Estándar
3. Chi-Cuadrado
4. t-student
5. t no central
6. F de Snedecor
7. F no central
REPASO
Distribución normal multivariante: Sea 𝑌𝑛𝑥1 un
vector aleatorio. Sean 𝜇 𝑛𝑥1 y Σ 𝑛𝑥𝑛 , el vector de
medias y la matriz de covarianzas de 𝑌, donde 𝑅 Σ =
𝑛 . Se dice que 𝑌 sigue una distribución normal
multivariante, 𝑌 ∼ 𝑁(𝜇, Σ), si su f.d.p. es:
𝑁 𝑌; 𝜇, Σ =
1
(2𝜋) 𝑛 2 Σ 1 2
𝑒−
1
2
𝑦−𝜇 ′Σ−1 𝑦−𝜇
; 𝑦𝜖ℝ 𝑛
REPASO
1. Si 𝑌 ∼ 𝑁(𝜇, Σ), entonces:
 𝑊 = (𝐵𝑌 + 𝑏) ∼ 𝑁(𝐵𝜇 + 𝑏, 𝐵Σ𝐵′
) , donde 𝐵 es una
matriz de constantes y 𝑏 un vector de constantes.
 Cualquier sub-vector de 𝑌 sigue una distribución
normal.
 Si 𝑅 Σ = 𝑛 ⇒ 𝑌′Σ−1
𝑌 ∼ 𝜒 𝑛,𝜆
2
, con 𝜆 =
1
2
𝜇′Σ−1
𝜇
2. Si 𝑌𝑛 ∼ 𝑁(0, 𝐼) ⇒ 𝑌′
𝑌 ∼ 𝜒 𝑛
2
3. Si 𝑌𝑛 ∼ 𝑁(𝜇, 𝐼) ⇒ 𝑌′
𝑌 ∼ 𝜒 𝑛,𝜆
2
, con 𝜆 =
1
2
𝜇′𝜇
4. Si 𝑌𝑛 ∼ 𝑁 0, 𝐼 ⇒ 𝑌′
𝐴𝑌 ∼ 𝜒 𝑘
2
⟺ 𝐴 = 𝐴′
, 𝐴 = 𝐴2
, 𝑅 𝐴 = 𝑘
REPASO
5. Si 𝑌𝑛 ∼ 𝑁 𝜇, 𝐼 ⇒ 𝑌′ 𝐴𝑌 ∼ 𝜒 𝑘,𝜆
2
, ⟺ 𝐴 = 𝐴2, 𝑅 𝐴 = 𝑘
con 𝜆 =
1
2
𝜇′ 𝐴𝜇
6. Si 𝑌𝑛 ∼ 𝑁 𝜇, Σ y 𝑅 Σ = 𝑛, entonces 𝑌′ 𝐴𝑌 ∼ 𝜒 𝑘,𝜆
2
con 𝜆 =
1
2
𝜇′ 𝐴𝜇 sí y sólo sí se satisface cualquiera
de las siguientes condiciones:
 𝐴Σ es idempotente de rango k
 ΣA es idempotente de rango k
 Σ es una inversa condicional de A, con 𝑅 𝐴 = 𝑘.
7. Si 𝑌 es un vector aleatoria con 𝐸 𝑌 = 𝜇 y 𝑉 𝑌 =
Σ, entonces 𝐸 𝑌′ 𝐴𝑌 = 𝑇𝑟 𝐴Σ + 𝜇′𝐴𝜇
REPASO
8. Si 𝑈 ∼ 𝜒 𝑛
2
:
 𝐸 𝑈 = 𝑛
 𝐸 𝑈2
= 𝑛 𝑛 + 2
 𝐸 𝑈1 2 =
21 2Γ 𝑛+1 2
Γ 𝑛 2
 𝑉 𝑈 = 2𝑛
 𝐸 1
𝑈 =
1
𝑛−2
 𝐸 1
𝑈2 =
1
𝑛−2 𝑛−4
 𝐸 1
𝑈1 2 =
Γ 𝑛−1 2
2Γ 𝑛 2
REPASO
9. Sea 𝐴 𝑚𝑥𝑛, se cumple que:
 Si R 𝐴 = 𝑚 ⇒ 𝐴− = 𝐴′ 𝐴𝐴′ −1, 𝐴𝐴− = 𝐼
 Si R 𝐴 = 𝑛 ⇒ 𝐴− = 𝐴′𝐴 −1 𝐴′, 𝐴− 𝐴 = 𝐼
10. Sea 𝑌𝑛 ∼ 𝑁 𝜇, Σ y 𝑅 Σ = 𝑛. Si 𝐵Σ𝐴 = 0, entonces
la forma cuadrática 𝑌′
𝐴𝑌 y la forma lineal 𝐵𝑌 son
independientes.
11. Sea 𝑌𝑛 ∼ 𝑁 𝜇, Σ y 𝑅 Σ = 𝑛. Si 𝐴Σ𝐵 = 0, entonces
las forma cuadráticas Y′
𝐴𝑌 y Y′𝐵𝑌 son
independientes.
MODELO
MUNDO REAL FENÓMENOS
𝑫𝑬𝑻𝑬𝑹𝑴𝑰𝑵Í𝑺𝑻𝑰𝑪𝑶𝑺
𝑨𝑳𝑬𝑨𝑻𝑶𝑹𝑰𝑶𝑺 𝑶 𝑬𝑺𝑻𝑶𝑪Á𝑺𝑻𝑰𝑪𝑶𝑺
Objetivo: describir y predecir fenómenos aleatorios (Describir
relaciones entre eventos, entre variables)
MODELO
Modelos
𝑪𝒖𝒂𝒏𝒕𝒊𝒕𝒂𝒕𝒊𝒗𝒐𝒔
𝟏 𝑴𝒐𝒅𝒆𝒍𝒐 𝑳𝒊𝒏𝒆𝒂𝒍 𝑮𝒆𝒏𝒆𝒓𝒂𝒍
𝟐 𝑴𝒐𝒅𝒆𝒍𝒐 𝒅𝒆 𝑹𝒆𝒈𝒓𝒆𝒔𝒊ó𝒏 𝑳𝒊𝒏𝒆𝒂𝒍
𝑪𝒖𝒂𝒍𝒊𝒕𝒂𝒕𝒊𝒗𝒐𝒔
𝟑 𝑴𝒐𝒅𝒆𝒍𝒐 𝒅𝒆 𝑫𝒊𝒔𝒆ñ𝒐
𝟒 𝑴𝒐𝒅𝒆𝒍𝒐 𝒅𝒆 𝑪𝒐𝒎𝒑𝒐𝒏𝒆𝒏𝒕𝒆𝒔 𝒅𝒆 𝑽𝒂𝒓𝒊𝒂𝒏𝒂
MODELO
Los modelos (2), (3) y (4) son variaciones o casos
particulares del modelo lineal general.
Los modelos (1) y (2) se clasifican como cuantitativos,
mientras que los modelos (3) y (4) se clasifican como
cualitativos
MODELO
Los modelos lineales constituyen una de las metodologías
estadísticas más ampliamente utilizadas en la modelación
de fenómenos de la vida real donde está presente el azar,
la aleatoriedad, la variabilidad individual, las variables no
controladas, etc.
“observación” = “modelo” + “error aleatorio”
MODELO
Los modelos lineales tratan de explicar el comportamiento
de una variable aleatoria mediante su relación lineal con
los valores de otras que pueden influir en dicho
comportamiento.
MODELO
Modelo Lineal General. Sea 𝑌𝑛𝑥1 un vector observable de
variables aleatorias. Sea 𝑋 𝑛𝑥𝑝 (n>p) una matriz de números
conocidos fijos. Sea 𝛽 𝑝𝑥1 un vector de parámetros
desconocidos. Sea 𝜀 𝑛𝑥1 vector aleatorio no observable con
𝐸 𝜀 = 0 y 𝐶𝑜𝑣 𝜀 = Σ. Sea
𝒀 = 𝑿𝜷 + 𝜺
Estas especificaciones definen un modelo lineal general
MODELO LINEAL
Casos: Se definen situaciones dependiendo:
1. Distribución de 𝜺
2. Estructura de 𝚺
3. Rango y estructura de 𝑿

Más contenido relacionado

La actualidad más candente

Algebra y-geometria
Algebra y-geometriaAlgebra y-geometria
Algebra y-geometria
UlissesRomero1
 
Sistemas de ecuaciones lineales
Sistemas de ecuaciones linealesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales
Christian Emiro Brito Nieto
 
1 algebra lineal y vectores aleatorios
1 algebra lineal y vectores aleatorios1 algebra lineal y vectores aleatorios
1 algebra lineal y vectores aleatoriosDAISY PAEZ
 
Clase didactica matrices
Clase didactica matricesClase didactica matrices
Clase didactica matricesdelpinopatrick
 
Medidas de asociacion lineal
Medidas de asociacion linealMedidas de asociacion lineal
Medidas de asociacion lineal
Universidad del Sur Mérida
 
Presentacion semana8 nivelat
Presentacion semana8 nivelatPresentacion semana8 nivelat
Presentacion semana8 nivelat
Medardo Galindo
 
Rubrica y listas de cotejo matematicas 5ºbloque
Rubrica y listas de cotejo matematicas 5ºbloqueRubrica y listas de cotejo matematicas 5ºbloque
Rubrica y listas de cotejo matematicas 5ºbloqueDiana Viveros
 
Listo Presentacion Yolimar Luis Sanchez 5 B
Listo Presentacion Yolimar Luis Sanchez 5 BListo Presentacion Yolimar Luis Sanchez 5 B
Listo Presentacion Yolimar Luis Sanchez 5 BLuis Sanchez Trejo
 
Portafolios de estadística inferencial maría
Portafolios de estadística inferencial maríaPortafolios de estadística inferencial maría
Portafolios de estadística inferencial maríaMaría Gordón
 
Matrices - álgebra lineal
Matrices - álgebra linealMatrices - álgebra lineal
Matrices - álgebra lineal
Albert Page
 
Resumen victoria dominguez - Analisis numerico
Resumen victoria dominguez - Analisis numericoResumen victoria dominguez - Analisis numerico
Resumen victoria dominguez - Analisis numerico
victoriasdc
 
1 algebra lineal y vectores aleatorios
1 algebra lineal y vectores aleatorios1 algebra lineal y vectores aleatorios
1 algebra lineal y vectores aleatorios
Liliana Hidalgo
 
Determinantes presentacion benjamin
Determinantes presentacion benjaminDeterminantes presentacion benjamin
Determinantes presentacion benjamin
Benjamin Salazar
 
Analisis numerico 2
Analisis numerico 2Analisis numerico 2
Analisis numerico 2
Jose Carlo Rodriguez Pereira
 

La actualidad más candente (18)

Algebra y-geometria
Algebra y-geometriaAlgebra y-geometria
Algebra y-geometria
 
Sistemas de ecuaciones lineales
Sistemas de ecuaciones linealesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales
 
1 algebra lineal y vectores aleatorios
1 algebra lineal y vectores aleatorios1 algebra lineal y vectores aleatorios
1 algebra lineal y vectores aleatorios
 
Clase didactica matrices
Clase didactica matricesClase didactica matrices
Clase didactica matrices
 
Medidas de asociacion lineal
Medidas de asociacion linealMedidas de asociacion lineal
Medidas de asociacion lineal
 
Presentacion semana8 nivelat
Presentacion semana8 nivelatPresentacion semana8 nivelat
Presentacion semana8 nivelat
 
Datos bivariados
Datos bivariadosDatos bivariados
Datos bivariados
 
Rubrica y listas de cotejo matematicas 5ºbloque
Rubrica y listas de cotejo matematicas 5ºbloqueRubrica y listas de cotejo matematicas 5ºbloque
Rubrica y listas de cotejo matematicas 5ºbloque
 
Listo Presentacion Yolimar Luis Sanchez 5 B
Listo Presentacion Yolimar Luis Sanchez 5 BListo Presentacion Yolimar Luis Sanchez 5 B
Listo Presentacion Yolimar Luis Sanchez 5 B
 
Portafolios de estadística inferencial maría
Portafolios de estadística inferencial maríaPortafolios de estadística inferencial maría
Portafolios de estadística inferencial maría
 
Matrices - álgebra lineal
Matrices - álgebra linealMatrices - álgebra lineal
Matrices - álgebra lineal
 
Unidad didadtica 1
Unidad didadtica 1Unidad didadtica 1
Unidad didadtica 1
 
Resumen victoria dominguez - Analisis numerico
Resumen victoria dominguez - Analisis numericoResumen victoria dominguez - Analisis numerico
Resumen victoria dominguez - Analisis numerico
 
1 algebra lineal y vectores aleatorios
1 algebra lineal y vectores aleatorios1 algebra lineal y vectores aleatorios
1 algebra lineal y vectores aleatorios
 
La recta 2
La recta 2La recta 2
La recta 2
 
Determinantes presentacion benjamin
Determinantes presentacion benjaminDeterminantes presentacion benjamin
Determinantes presentacion benjamin
 
1. matrices y operaciones
1. matrices y operaciones1. matrices y operaciones
1. matrices y operaciones
 
Analisis numerico 2
Analisis numerico 2Analisis numerico 2
Analisis numerico 2
 

Similar a Modlineales 18

áLgebra
áLgebraáLgebra
Matrices 2°parte
Matrices 2°parteMatrices 2°parte
Matrices 2°parteDaniel
 
Determinantes
DeterminantesDeterminantes
Determinantes
Hector Román
 
archivodiapositiva_202442315149.pptx Algebra
archivodiapositiva_202442315149.pptx Algebraarchivodiapositiva_202442315149.pptx Algebra
archivodiapositiva_202442315149.pptx Algebra
ghj2005cesar
 
Transformaciones DE LAPLACE CLASE 4.pptx
Transformaciones DE LAPLACE CLASE 4.pptxTransformaciones DE LAPLACE CLASE 4.pptx
Transformaciones DE LAPLACE CLASE 4.pptx
martindt1996
 
14_MATRIZ INVERSA AL 2022-2.pdf
14_MATRIZ INVERSA AL 2022-2.pdf14_MATRIZ INVERSA AL 2022-2.pdf
14_MATRIZ INVERSA AL 2022-2.pdf
coronavirusdewuhan19
 
00675591402IA02S11081531Semana4dealgebraLineal2022-2 (1).pdf
00675591402IA02S11081531Semana4dealgebraLineal2022-2 (1).pdf00675591402IA02S11081531Semana4dealgebraLineal2022-2 (1).pdf
00675591402IA02S11081531Semana4dealgebraLineal2022-2 (1).pdf
ronaldofernandezhuam1
 
Matrices. Definición y operaciones entre matrices
Matrices. Definición y operaciones entre matricesMatrices. Definición y operaciones entre matrices
Matrices. Definición y operaciones entre matrices
CristianMarcosDiaz
 
2 - Álgebra matricial.pdf
2 - Álgebra matricial.pdf2 - Álgebra matricial.pdf
2 - Álgebra matricial.pdf
MarquitosQuiroga
 
Espacios Vectoriales de álgebra lineal primero
Espacios Vectoriales de álgebra lineal primeroEspacios Vectoriales de álgebra lineal primero
Espacios Vectoriales de álgebra lineal primero
AnthonyMarceloMuelaC
 
Algebra lineal 1
Algebra lineal 1Algebra lineal 1
Algebra lineal 1
Cristina Somalla Irigollen
 
S2 nucleo imagen_diagonalizacion
S2 nucleo imagen_diagonalizacionS2 nucleo imagen_diagonalizacion
S2 nucleo imagen_diagonalizacion
Neil Sulca Taipe
 
Clase13_SoluciónEcuacióndeEstado_Cntrolabilidad_Observabilidad_V202220 2.pptx
Clase13_SoluciónEcuacióndeEstado_Cntrolabilidad_Observabilidad_V202220 2.pptxClase13_SoluciónEcuacióndeEstado_Cntrolabilidad_Observabilidad_V202220 2.pptx
Clase13_SoluciónEcuacióndeEstado_Cntrolabilidad_Observabilidad_V202220 2.pptx
JessicaBeltrn9
 
Determinantes - Apunte Lorena_cbfee726d8ed4a6e496e1f34d001fec7.pdf
Determinantes - Apunte Lorena_cbfee726d8ed4a6e496e1f34d001fec7.pdfDeterminantes - Apunte Lorena_cbfee726d8ed4a6e496e1f34d001fec7.pdf
Determinantes - Apunte Lorena_cbfee726d8ed4a6e496e1f34d001fec7.pdf
MarielaVVergara
 
Matrices Mol
Matrices MolMatrices Mol
Matrices MolRay Mera
 
5 valor esperado
5 valor esperado5 valor esperado
5 valor esperado
George Espinoza
 
Determinantes
DeterminantesDeterminantes
DeterminantesDaniel
 
Algebra lineal 2014-07-26
Algebra lineal 2014-07-26Algebra lineal 2014-07-26
Algebra lineal 2014-07-26
Cindy Adriana Bohórquez Santana
 
Rectas y planos en el espacio
Rectas y planos en el espacioRectas y planos en el espacio
Rectas y planos en el espacio
Ramirez1Andrea
 
Vectores introduccion
Vectores introduccionVectores introduccion
Vectores introduccion
Widmar Aguilar Gonzalez
 

Similar a Modlineales 18 (20)

áLgebra
áLgebraáLgebra
áLgebra
 
Matrices 2°parte
Matrices 2°parteMatrices 2°parte
Matrices 2°parte
 
Determinantes
DeterminantesDeterminantes
Determinantes
 
archivodiapositiva_202442315149.pptx Algebra
archivodiapositiva_202442315149.pptx Algebraarchivodiapositiva_202442315149.pptx Algebra
archivodiapositiva_202442315149.pptx Algebra
 
Transformaciones DE LAPLACE CLASE 4.pptx
Transformaciones DE LAPLACE CLASE 4.pptxTransformaciones DE LAPLACE CLASE 4.pptx
Transformaciones DE LAPLACE CLASE 4.pptx
 
14_MATRIZ INVERSA AL 2022-2.pdf
14_MATRIZ INVERSA AL 2022-2.pdf14_MATRIZ INVERSA AL 2022-2.pdf
14_MATRIZ INVERSA AL 2022-2.pdf
 
00675591402IA02S11081531Semana4dealgebraLineal2022-2 (1).pdf
00675591402IA02S11081531Semana4dealgebraLineal2022-2 (1).pdf00675591402IA02S11081531Semana4dealgebraLineal2022-2 (1).pdf
00675591402IA02S11081531Semana4dealgebraLineal2022-2 (1).pdf
 
Matrices. Definición y operaciones entre matrices
Matrices. Definición y operaciones entre matricesMatrices. Definición y operaciones entre matrices
Matrices. Definición y operaciones entre matrices
 
2 - Álgebra matricial.pdf
2 - Álgebra matricial.pdf2 - Álgebra matricial.pdf
2 - Álgebra matricial.pdf
 
Espacios Vectoriales de álgebra lineal primero
Espacios Vectoriales de álgebra lineal primeroEspacios Vectoriales de álgebra lineal primero
Espacios Vectoriales de álgebra lineal primero
 
Algebra lineal 1
Algebra lineal 1Algebra lineal 1
Algebra lineal 1
 
S2 nucleo imagen_diagonalizacion
S2 nucleo imagen_diagonalizacionS2 nucleo imagen_diagonalizacion
S2 nucleo imagen_diagonalizacion
 
Clase13_SoluciónEcuacióndeEstado_Cntrolabilidad_Observabilidad_V202220 2.pptx
Clase13_SoluciónEcuacióndeEstado_Cntrolabilidad_Observabilidad_V202220 2.pptxClase13_SoluciónEcuacióndeEstado_Cntrolabilidad_Observabilidad_V202220 2.pptx
Clase13_SoluciónEcuacióndeEstado_Cntrolabilidad_Observabilidad_V202220 2.pptx
 
Determinantes - Apunte Lorena_cbfee726d8ed4a6e496e1f34d001fec7.pdf
Determinantes - Apunte Lorena_cbfee726d8ed4a6e496e1f34d001fec7.pdfDeterminantes - Apunte Lorena_cbfee726d8ed4a6e496e1f34d001fec7.pdf
Determinantes - Apunte Lorena_cbfee726d8ed4a6e496e1f34d001fec7.pdf
 
Matrices Mol
Matrices MolMatrices Mol
Matrices Mol
 
5 valor esperado
5 valor esperado5 valor esperado
5 valor esperado
 
Determinantes
DeterminantesDeterminantes
Determinantes
 
Algebra lineal 2014-07-26
Algebra lineal 2014-07-26Algebra lineal 2014-07-26
Algebra lineal 2014-07-26
 
Rectas y planos en el espacio
Rectas y planos en el espacioRectas y planos en el espacio
Rectas y planos en el espacio
 
Vectores introduccion
Vectores introduccionVectores introduccion
Vectores introduccion
 

Último

Licencias por enfermedad de hijo menor de 2 años chile
Licencias por enfermedad de hijo menor de 2 años chileLicencias por enfermedad de hijo menor de 2 años chile
Licencias por enfermedad de hijo menor de 2 años chile
franciscasalinaspobl
 
Ojiva porcentual para el análisis de datos
Ojiva porcentual para el análisis de datosOjiva porcentual para el análisis de datos
Ojiva porcentual para el análisis de datos
JaimeYael
 
Primeros 70 países por IDH ajustado por desigualdad (2024).pdf
Primeros 70 países por IDH ajustado por desigualdad  (2024).pdfPrimeros 70 países por IDH ajustado por desigualdad  (2024).pdf
Primeros 70 países por IDH ajustado por desigualdad (2024).pdf
JC Díaz Herrera
 
Desarrollo de habilidades de pensamiento
Desarrollo de habilidades de pensamientoDesarrollo de habilidades de pensamiento
Desarrollo de habilidades de pensamiento
ManuelaReina3
 
Presentación sobre la geometría, aplicaciones y ramas
Presentación sobre la geometría, aplicaciones y ramasPresentación sobre la geometría, aplicaciones y ramas
Presentación sobre la geometría, aplicaciones y ramas
JosMuoz943377
 
Instituciones financieras globales por efectivo disponible (2024).pdf
Instituciones financieras globales por efectivo disponible (2024).pdfInstituciones financieras globales por efectivo disponible (2024).pdf
Instituciones financieras globales por efectivo disponible (2024).pdf
JC Díaz Herrera
 
SISTEMA PRIVADO DE PENSIONES- de la cruz.pptx
SISTEMA PRIVADO DE PENSIONES- de la cruz.pptxSISTEMA PRIVADO DE PENSIONES- de la cruz.pptx
SISTEMA PRIVADO DE PENSIONES- de la cruz.pptx
mogollonespinoza17
 
Morfofisiopatologia Humana I________ UCS
Morfofisiopatologia Humana I________ UCSMorfofisiopatologia Humana I________ UCS
Morfofisiopatologia Humana I________ UCS
LisaCinnamoroll
 
Diapositivas D.I.P.. sobre la importancia que tiene la interpol en Honduraspptx
Diapositivas D.I.P.. sobre la importancia que tiene la interpol en HonduraspptxDiapositivas D.I.P.. sobre la importancia que tiene la interpol en Honduraspptx
Diapositivas D.I.P.. sobre la importancia que tiene la interpol en Honduraspptx
WalterOrdoez22
 
Diagnóstico Institucional en psicologia.docx
Diagnóstico  Institucional en psicologia.docxDiagnóstico  Institucional en psicologia.docx
Diagnóstico Institucional en psicologia.docx
cabreraelian69
 
ORIENTACIONES PSIET orientación sobre el pesiet
ORIENTACIONES PSIET orientación sobre el pesietORIENTACIONES PSIET orientación sobre el pesiet
ORIENTACIONES PSIET orientación sobre el pesiet
Maria Apellidos
 
MATERIAS PRIMAS DE ORIGEN ORGÁNICO.pdf
MATERIAS PRIMAS DE ORIGEN   ORGÁNICO.pdfMATERIAS PRIMAS DE ORIGEN   ORGÁNICO.pdf
MATERIAS PRIMAS DE ORIGEN ORGÁNICO.pdf
uriel132
 
1- PRESENTACION DE ORIENTACIONES DE LA ORDENANZA 04-2023.11.04.24.pptx
1- PRESENTACION DE ORIENTACIONES DE LA ORDENANZA 04-2023.11.04.24.pptx1- PRESENTACION DE ORIENTACIONES DE LA ORDENANZA 04-2023.11.04.24.pptx
1- PRESENTACION DE ORIENTACIONES DE LA ORDENANZA 04-2023.11.04.24.pptx
EliseoLuisRamrez
 
Presentación diagrama de flujo del desarrollo aronautico.pptx
Presentación diagrama de flujo del desarrollo aronautico.pptxPresentación diagrama de flujo del desarrollo aronautico.pptx
Presentación diagrama de flujo del desarrollo aronautico.pptx
cmrodriguezortiz1103
 
REGIMEN MYPE TRIBUTARIO HECHO PARA APORTES PARA LA SUNAT
REGIMEN MYPE TRIBUTARIO HECHO PARA APORTES PARA LA SUNATREGIMEN MYPE TRIBUTARIO HECHO PARA APORTES PARA LA SUNAT
REGIMEN MYPE TRIBUTARIO HECHO PARA APORTES PARA LA SUNAT
yafethcarrillo
 
Claves Ipsos numero 29 --- Mayo 2024.pdf
Claves Ipsos numero 29 --- Mayo 2024.pdfClaves Ipsos numero 29 --- Mayo 2024.pdf
Claves Ipsos numero 29 --- Mayo 2024.pdf
Emisor Digital
 
Mapa-conceptual-del-Neoclasicismo-4.pptx
Mapa-conceptual-del-Neoclasicismo-4.pptxMapa-conceptual-del-Neoclasicismo-4.pptx
Mapa-conceptual-del-Neoclasicismo-4.pptx
diegoandrerodriguez2
 
Análisis Datos imprecisos con lógica difusa.pdf
Análisis Datos imprecisos con lógica difusa.pdfAnálisis Datos imprecisos con lógica difusa.pdf
Análisis Datos imprecisos con lógica difusa.pdf
ReAViILICo
 
Tecnologia de materiales T01- Agregados.docx (1).pdf
Tecnologia de materiales T01- Agregados.docx (1).pdfTecnologia de materiales T01- Agregados.docx (1).pdf
Tecnologia de materiales T01- Agregados.docx (1).pdf
uriel132
 
Países_por_participacion_porcentual_en_el PNB global (2024) .pdf
Países_por_participacion_porcentual_en_el PNB global (2024) .pdfPaíses_por_participacion_porcentual_en_el PNB global (2024) .pdf
Países_por_participacion_porcentual_en_el PNB global (2024) .pdf
JC Díaz Herrera
 

Último (20)

Licencias por enfermedad de hijo menor de 2 años chile
Licencias por enfermedad de hijo menor de 2 años chileLicencias por enfermedad de hijo menor de 2 años chile
Licencias por enfermedad de hijo menor de 2 años chile
 
Ojiva porcentual para el análisis de datos
Ojiva porcentual para el análisis de datosOjiva porcentual para el análisis de datos
Ojiva porcentual para el análisis de datos
 
Primeros 70 países por IDH ajustado por desigualdad (2024).pdf
Primeros 70 países por IDH ajustado por desigualdad  (2024).pdfPrimeros 70 países por IDH ajustado por desigualdad  (2024).pdf
Primeros 70 países por IDH ajustado por desigualdad (2024).pdf
 
Desarrollo de habilidades de pensamiento
Desarrollo de habilidades de pensamientoDesarrollo de habilidades de pensamiento
Desarrollo de habilidades de pensamiento
 
Presentación sobre la geometría, aplicaciones y ramas
Presentación sobre la geometría, aplicaciones y ramasPresentación sobre la geometría, aplicaciones y ramas
Presentación sobre la geometría, aplicaciones y ramas
 
Instituciones financieras globales por efectivo disponible (2024).pdf
Instituciones financieras globales por efectivo disponible (2024).pdfInstituciones financieras globales por efectivo disponible (2024).pdf
Instituciones financieras globales por efectivo disponible (2024).pdf
 
SISTEMA PRIVADO DE PENSIONES- de la cruz.pptx
SISTEMA PRIVADO DE PENSIONES- de la cruz.pptxSISTEMA PRIVADO DE PENSIONES- de la cruz.pptx
SISTEMA PRIVADO DE PENSIONES- de la cruz.pptx
 
Morfofisiopatologia Humana I________ UCS
Morfofisiopatologia Humana I________ UCSMorfofisiopatologia Humana I________ UCS
Morfofisiopatologia Humana I________ UCS
 
Diapositivas D.I.P.. sobre la importancia que tiene la interpol en Honduraspptx
Diapositivas D.I.P.. sobre la importancia que tiene la interpol en HonduraspptxDiapositivas D.I.P.. sobre la importancia que tiene la interpol en Honduraspptx
Diapositivas D.I.P.. sobre la importancia que tiene la interpol en Honduraspptx
 
Diagnóstico Institucional en psicologia.docx
Diagnóstico  Institucional en psicologia.docxDiagnóstico  Institucional en psicologia.docx
Diagnóstico Institucional en psicologia.docx
 
ORIENTACIONES PSIET orientación sobre el pesiet
ORIENTACIONES PSIET orientación sobre el pesietORIENTACIONES PSIET orientación sobre el pesiet
ORIENTACIONES PSIET orientación sobre el pesiet
 
MATERIAS PRIMAS DE ORIGEN ORGÁNICO.pdf
MATERIAS PRIMAS DE ORIGEN   ORGÁNICO.pdfMATERIAS PRIMAS DE ORIGEN   ORGÁNICO.pdf
MATERIAS PRIMAS DE ORIGEN ORGÁNICO.pdf
 
1- PRESENTACION DE ORIENTACIONES DE LA ORDENANZA 04-2023.11.04.24.pptx
1- PRESENTACION DE ORIENTACIONES DE LA ORDENANZA 04-2023.11.04.24.pptx1- PRESENTACION DE ORIENTACIONES DE LA ORDENANZA 04-2023.11.04.24.pptx
1- PRESENTACION DE ORIENTACIONES DE LA ORDENANZA 04-2023.11.04.24.pptx
 
Presentación diagrama de flujo del desarrollo aronautico.pptx
Presentación diagrama de flujo del desarrollo aronautico.pptxPresentación diagrama de flujo del desarrollo aronautico.pptx
Presentación diagrama de flujo del desarrollo aronautico.pptx
 
REGIMEN MYPE TRIBUTARIO HECHO PARA APORTES PARA LA SUNAT
REGIMEN MYPE TRIBUTARIO HECHO PARA APORTES PARA LA SUNATREGIMEN MYPE TRIBUTARIO HECHO PARA APORTES PARA LA SUNAT
REGIMEN MYPE TRIBUTARIO HECHO PARA APORTES PARA LA SUNAT
 
Claves Ipsos numero 29 --- Mayo 2024.pdf
Claves Ipsos numero 29 --- Mayo 2024.pdfClaves Ipsos numero 29 --- Mayo 2024.pdf
Claves Ipsos numero 29 --- Mayo 2024.pdf
 
Mapa-conceptual-del-Neoclasicismo-4.pptx
Mapa-conceptual-del-Neoclasicismo-4.pptxMapa-conceptual-del-Neoclasicismo-4.pptx
Mapa-conceptual-del-Neoclasicismo-4.pptx
 
Análisis Datos imprecisos con lógica difusa.pdf
Análisis Datos imprecisos con lógica difusa.pdfAnálisis Datos imprecisos con lógica difusa.pdf
Análisis Datos imprecisos con lógica difusa.pdf
 
Tecnologia de materiales T01- Agregados.docx (1).pdf
Tecnologia de materiales T01- Agregados.docx (1).pdfTecnologia de materiales T01- Agregados.docx (1).pdf
Tecnologia de materiales T01- Agregados.docx (1).pdf
 
Países_por_participacion_porcentual_en_el PNB global (2024) .pdf
Países_por_participacion_porcentual_en_el PNB global (2024) .pdfPaíses_por_participacion_porcentual_en_el PNB global (2024) .pdf
Países_por_participacion_porcentual_en_el PNB global (2024) .pdf
 

Modlineales 18

  • 1. UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES IEAC MODELOS LINEALES LUIS NAVA PUENTE MAYO 2018
  • 2. ALGEBRA MATRICIAL  𝐴 es una matriz simétrica si 𝐴 = 𝐴′.  𝐴𝐵 ′ = 𝐵′𝐴′  Dado un conjunto de vectores 𝒚1, 𝒚2, ⋯ , 𝒚 𝑘 , tal que 𝒚𝑖 𝜖ℝ 𝑛 , se dice que dicho conjunto es linealmente independiente si para 𝜆𝑖 𝜖ℝ ∀𝑖, se verifica que: 𝑖=1 𝑘 𝜆𝑖 𝒚𝑖 = 0 ⟺ 𝜆𝑖 = 0, ∀𝑖  Sea 𝐴 𝑛𝑥𝑝. Su rango, denotado por 𝑅 𝐴 , se define como el número de filas (o columnas) linealmente independientes de 𝐴.
  • 3. ALGEBRA MATRICIAL  Si 𝐴 es cualquier matriz, entonces 𝐴′ 𝐴 y 𝐴𝐴′ son simétricas.  Si 𝐴 y 𝐵 son matrices de orden 𝑛𝑥𝑛, entonces 𝑑𝑒𝑡 𝐴𝐵 = 𝑑𝑒𝑡 𝐴 𝑑𝑒𝑡 𝐵  Si 𝐴 es una matriz de orden 𝑚𝑥𝑛 y 𝑅 𝐴 = 𝑟, entonces existen matrices no singulares, digamos, 𝑃 y 𝑄, tal que: 𝑃𝐴𝑄 = 𝐼, 𝑚 = 𝑛 = 𝑟; 𝐼 0 , 𝑚 = 𝑟 < 𝑛; 𝐼 0 , 𝑚 > 𝑟 = 𝑛; 𝐼 0 0 0 , 𝑚 > 𝑟 𝑦𝑛 > 𝑟 𝐼 matriz identidad de orden 𝑟𝑥𝑟
  • 4. ALGEBRA MATRICIAL  Sea 𝐴 𝑛𝑥𝑛. Si 𝑅 𝐴 = 𝑛, entonces 𝐴 es no singular (existe inversa y es única. Se denota por 𝐴−1 ).  Sea 𝐴 𝑛𝑥𝑝. Si Si 𝑅 𝐴 = 𝑛, entonces 𝐵 = 𝐴′ 𝐴 es no singular.  Si 𝐴 y 𝐵 son matrices equidimensionales no singulares, entonces 𝐴𝐵 −1 = 𝐵−1 𝐴−1 .  Una matriz 𝐴 𝑛𝑥𝑛, simétrica es: 1. Semidefinida positiva si 𝒚Á𝒚 ≥ 0, ∀𝒚 ∈ ℝ 𝑛 y 𝒚Á𝒚 = 0 para al menos un 𝒚 ∈ ℝ 𝑛 . Se verifica que 𝑅 𝐴 < 𝑛 y 𝑎𝑖𝑖 ≥ 0, ∀𝑖. 2. Definida positiva si 𝒚Á𝒚 > 0, ∀𝒚 ∈ ℝ 𝑛 . Se verifica que 𝑅 𝐴 = 𝑛 y 𝑎𝑖𝑖 > 0, ∀𝑖.
  • 5. ALGEBRA MATRICIAL  Factorización full rango de 𝐴. Sea 𝐴 𝑚𝑥𝑛 y 𝑅 𝐴 = 𝑟 > 0, entonces existen matrices 𝐴 𝐿 y 𝐴 𝑅 de tamaño 𝑚𝑥𝑟 y 𝑟𝑥𝑛, respectivamente, de rango 𝑟 tal que 𝐴 = 𝐴 𝐿 𝐴 𝑅.  Si 𝐴 es una matriz definida positiva o semidefinida positiva, entonces es definida no negativa.  Una matriz 𝑃 se dice ortogonal, si 𝑃−1 = 𝑃′  Una matriz 𝐴 𝑛𝑥𝑛 se denomina idempotente si y sólo si 𝐴. 𝐴 = 𝐴.  Las matrices 𝐴 y 𝐵 son ortogonales si y sólo si 𝐴. 𝐵 = 0.  Los vectores 𝒙 y 𝒚 son ortogonales si y sólo si 𝒙. 𝒚 = 0.  La traza de una matriz 𝐴 𝑛𝑥𝑛, es la suma de los elementos de su diagonal principal, 𝑇𝑟 𝐴 = 𝑖=1 𝑛 𝑎𝑖𝑖.
  • 6. ALGEBRA MATRICIAL  La traza de una matriz 𝐴 𝑛𝑥𝑛, es la suma de los elementos de su diagonal principal, 𝑇𝑟 𝐴 = 𝑖=1 𝑛 𝑎𝑖𝑖.  𝑇𝑟 𝐴𝐵 = 𝑇𝑟 𝐵𝐴  𝑇𝑟 𝑎𝐴 + 𝑏𝐵 = 𝑎𝑇𝑟 𝐴 + 𝑏𝑇𝑟(𝐵)  𝑇𝑟 𝐴′ = 𝑇𝑟 𝐴  𝑇𝑟 𝐴− 𝐴 = 𝑇𝑟 𝐴𝐴− = 𝑅 𝐴  Una matriz cuadrada, 𝐴 𝑛𝑥𝑛 , es considerada una matriz triangular superior/inferior si todos los elementos por debajo/encima de la diagonal principal son cero.
  • 7. ALGEBRA MATRICIAL  Una matriz diagonal es una matriz cuyos elementos por fuera de la diagonal principal son cero.  Sea 𝐴 𝑚𝑥𝑛 , una matriz cualquiera. La matriz 𝐴 𝑛𝑥𝑚 − , se denomina la inversa generalizada de 𝐴 si satisface: 1. 𝐴𝐴− es simétrica 2. 𝐴− 𝐴 es simétrica 3. 𝐴𝐴− 𝐴 = 𝐴 4. 𝐴− 𝐴𝐴− =𝐴−
  • 8. ALGEBRA MATRICIAL  𝐴′ − = 𝐴− ′  𝐴− − = 𝐴  𝑅 𝐴− = 𝑅 𝐴  Si 𝐴 es simétrica e idempotente, entonces 𝐴− = 𝐴.  Si 𝐵 𝑚𝑥𝑟 y 𝐶𝑟𝑥𝑚 son tales que 𝑅 𝐵 = 𝑅 𝐶 = 𝑟 > 0, entonces 𝐵𝐶 − = 𝐶− 𝐵−  𝐴𝐴− − = 𝐴𝐴− y 𝐴− 𝐴 − = 𝐴− 𝐴  𝐴′ 𝐴 − = 𝐴− 𝐴′ −
  • 9. ALGEBRA MATRICIAL  Forma cuadrática. Sea 𝒙 un vector columna y 𝐴 una matriz de números reales. La función 𝒙′ 𝐴𝒙 se denomina forma cuadrática.  Sea 𝑓 𝒙 una función del vector 𝒙, entonces 𝜕𝑓 𝜕𝒙 = 𝜕𝑓 𝜕𝑥1 ⋮ 𝜕𝑓 𝜕𝑥 𝑛
  • 10. ALGEBRA MATRICIAL  Sea q 𝒙 = 𝒙′ 𝐴𝒙 una forma cuadrática en las n variables independientes 𝑥1, 𝑥2, … , 𝑥 𝑛. Entonces 𝜕q 𝒙 𝜕𝒙 = 2𝐴𝒙 donde 𝐴 es una matriz simétrica de orden 𝑛𝑥𝑛.  Sea 𝑊 = 𝑊𝑖𝑗 una matriz aleatoria, entonces E 𝑊 = 𝐸 𝑊𝑖𝑗  Sean A, B dos matrices reales apropiadas y V, W dos matrices aleatorias, también apropiadas, entonces: 1. 𝐸 𝐴 = 𝐴 2. 𝐸 𝐴𝑉 = 𝐴𝐸 𝑉 3. 𝐸 𝑉𝐴 = 𝐸 𝑉 𝐴 4. 𝐸 𝐴𝑉𝐵 = 𝐴𝐸 𝑉 B 5. 𝐸 𝑉 + 𝑊 = 𝐸 𝑉 + 𝐸 𝑊
  • 11. ALGEBRA MATRICIAL  Sean 𝑌 y 𝑍 dos vectores aleatorios tales que 𝐸 𝑌 = 𝜇 𝑌 y 𝐸 𝑍 = 𝜇 𝑧, entonces 𝐶𝑜𝑣 𝑌, 𝑍 = 𝐸 𝑌 − 𝜇 𝑦 𝑍 − 𝜇 𝑍 ′ = 𝜮  Para 𝑌 𝐶𝑜𝑣 𝑌, 𝑌 = 𝑉 𝑌 = 𝐸 𝑌 − 𝜇 𝑦 𝑌 − 𝜇 𝑌 ′ = 𝜮 𝑛𝑥𝑛 𝜮 𝑛𝑥𝑛 = 𝜎11 … 𝜎1𝑛 ⋮ ⋱ ⋮ 𝜎 𝑛1 … 𝜎 𝑛𝑛  Sean A, B dos matrices reales, 𝑌 y 𝑍 dos vectores aleatorios, y 𝒃 un vector de escalares, entonces: 1. 𝐶𝑜𝑣 𝐴𝑌 + 𝑏 = 𝐴𝜮A’ 2. 𝐶𝑜𝑣 𝐴𝑌, 𝐵𝑍 = 𝐴𝑪𝒐𝒗 𝒀, 𝒁 𝐵′ 3. 𝐶𝑜𝑣 𝐴𝑦 + 𝐵𝑍 = 𝐴𝑉 𝑌 𝐴′ + 𝐵𝑉 𝑍 𝐵′ + 𝐴𝐶𝑜𝑣 𝑌, 𝑍 𝐵′ + 𝐵𝐶𝑜𝑣 𝑍, 𝑌 𝐴′
  • 12. ASIGNACIONES DE REPASO Distribuciones: 1. Normal 2. Normal Estándar 3. Chi-Cuadrado 4. t-student 5. t no central 6. F de Snedecor 7. F no central
  • 13. REPASO Distribución normal multivariante: Sea 𝑌𝑛𝑥1 un vector aleatorio. Sean 𝜇 𝑛𝑥1 y Σ 𝑛𝑥𝑛 , el vector de medias y la matriz de covarianzas de 𝑌, donde 𝑅 Σ = 𝑛 . Se dice que 𝑌 sigue una distribución normal multivariante, 𝑌 ∼ 𝑁(𝜇, Σ), si su f.d.p. es: 𝑁 𝑌; 𝜇, Σ = 1 (2𝜋) 𝑛 2 Σ 1 2 𝑒− 1 2 𝑦−𝜇 ′Σ−1 𝑦−𝜇 ; 𝑦𝜖ℝ 𝑛
  • 14. REPASO 1. Si 𝑌 ∼ 𝑁(𝜇, Σ), entonces:  𝑊 = (𝐵𝑌 + 𝑏) ∼ 𝑁(𝐵𝜇 + 𝑏, 𝐵Σ𝐵′ ) , donde 𝐵 es una matriz de constantes y 𝑏 un vector de constantes.  Cualquier sub-vector de 𝑌 sigue una distribución normal.  Si 𝑅 Σ = 𝑛 ⇒ 𝑌′Σ−1 𝑌 ∼ 𝜒 𝑛,𝜆 2 , con 𝜆 = 1 2 𝜇′Σ−1 𝜇 2. Si 𝑌𝑛 ∼ 𝑁(0, 𝐼) ⇒ 𝑌′ 𝑌 ∼ 𝜒 𝑛 2 3. Si 𝑌𝑛 ∼ 𝑁(𝜇, 𝐼) ⇒ 𝑌′ 𝑌 ∼ 𝜒 𝑛,𝜆 2 , con 𝜆 = 1 2 𝜇′𝜇 4. Si 𝑌𝑛 ∼ 𝑁 0, 𝐼 ⇒ 𝑌′ 𝐴𝑌 ∼ 𝜒 𝑘 2 ⟺ 𝐴 = 𝐴′ , 𝐴 = 𝐴2 , 𝑅 𝐴 = 𝑘
  • 15. REPASO 5. Si 𝑌𝑛 ∼ 𝑁 𝜇, 𝐼 ⇒ 𝑌′ 𝐴𝑌 ∼ 𝜒 𝑘,𝜆 2 , ⟺ 𝐴 = 𝐴2, 𝑅 𝐴 = 𝑘 con 𝜆 = 1 2 𝜇′ 𝐴𝜇 6. Si 𝑌𝑛 ∼ 𝑁 𝜇, Σ y 𝑅 Σ = 𝑛, entonces 𝑌′ 𝐴𝑌 ∼ 𝜒 𝑘,𝜆 2 con 𝜆 = 1 2 𝜇′ 𝐴𝜇 sí y sólo sí se satisface cualquiera de las siguientes condiciones:  𝐴Σ es idempotente de rango k  ΣA es idempotente de rango k  Σ es una inversa condicional de A, con 𝑅 𝐴 = 𝑘. 7. Si 𝑌 es un vector aleatoria con 𝐸 𝑌 = 𝜇 y 𝑉 𝑌 = Σ, entonces 𝐸 𝑌′ 𝐴𝑌 = 𝑇𝑟 𝐴Σ + 𝜇′𝐴𝜇
  • 16. REPASO 8. Si 𝑈 ∼ 𝜒 𝑛 2 :  𝐸 𝑈 = 𝑛  𝐸 𝑈2 = 𝑛 𝑛 + 2  𝐸 𝑈1 2 = 21 2Γ 𝑛+1 2 Γ 𝑛 2  𝑉 𝑈 = 2𝑛  𝐸 1 𝑈 = 1 𝑛−2  𝐸 1 𝑈2 = 1 𝑛−2 𝑛−4  𝐸 1 𝑈1 2 = Γ 𝑛−1 2 2Γ 𝑛 2
  • 17. REPASO 9. Sea 𝐴 𝑚𝑥𝑛, se cumple que:  Si R 𝐴 = 𝑚 ⇒ 𝐴− = 𝐴′ 𝐴𝐴′ −1, 𝐴𝐴− = 𝐼  Si R 𝐴 = 𝑛 ⇒ 𝐴− = 𝐴′𝐴 −1 𝐴′, 𝐴− 𝐴 = 𝐼 10. Sea 𝑌𝑛 ∼ 𝑁 𝜇, Σ y 𝑅 Σ = 𝑛. Si 𝐵Σ𝐴 = 0, entonces la forma cuadrática 𝑌′ 𝐴𝑌 y la forma lineal 𝐵𝑌 son independientes. 11. Sea 𝑌𝑛 ∼ 𝑁 𝜇, Σ y 𝑅 Σ = 𝑛. Si 𝐴Σ𝐵 = 0, entonces las forma cuadráticas Y′ 𝐴𝑌 y Y′𝐵𝑌 son independientes.
  • 18. MODELO MUNDO REAL FENÓMENOS 𝑫𝑬𝑻𝑬𝑹𝑴𝑰𝑵Í𝑺𝑻𝑰𝑪𝑶𝑺 𝑨𝑳𝑬𝑨𝑻𝑶𝑹𝑰𝑶𝑺 𝑶 𝑬𝑺𝑻𝑶𝑪Á𝑺𝑻𝑰𝑪𝑶𝑺 Objetivo: describir y predecir fenómenos aleatorios (Describir relaciones entre eventos, entre variables)
  • 19. MODELO Modelos 𝑪𝒖𝒂𝒏𝒕𝒊𝒕𝒂𝒕𝒊𝒗𝒐𝒔 𝟏 𝑴𝒐𝒅𝒆𝒍𝒐 𝑳𝒊𝒏𝒆𝒂𝒍 𝑮𝒆𝒏𝒆𝒓𝒂𝒍 𝟐 𝑴𝒐𝒅𝒆𝒍𝒐 𝒅𝒆 𝑹𝒆𝒈𝒓𝒆𝒔𝒊ó𝒏 𝑳𝒊𝒏𝒆𝒂𝒍 𝑪𝒖𝒂𝒍𝒊𝒕𝒂𝒕𝒊𝒗𝒐𝒔 𝟑 𝑴𝒐𝒅𝒆𝒍𝒐 𝒅𝒆 𝑫𝒊𝒔𝒆ñ𝒐 𝟒 𝑴𝒐𝒅𝒆𝒍𝒐 𝒅𝒆 𝑪𝒐𝒎𝒑𝒐𝒏𝒆𝒏𝒕𝒆𝒔 𝒅𝒆 𝑽𝒂𝒓𝒊𝒂𝒏𝒂
  • 20. MODELO Los modelos (2), (3) y (4) son variaciones o casos particulares del modelo lineal general. Los modelos (1) y (2) se clasifican como cuantitativos, mientras que los modelos (3) y (4) se clasifican como cualitativos
  • 21. MODELO Los modelos lineales constituyen una de las metodologías estadísticas más ampliamente utilizadas en la modelación de fenómenos de la vida real donde está presente el azar, la aleatoriedad, la variabilidad individual, las variables no controladas, etc. “observación” = “modelo” + “error aleatorio”
  • 22. MODELO Los modelos lineales tratan de explicar el comportamiento de una variable aleatoria mediante su relación lineal con los valores de otras que pueden influir en dicho comportamiento.
  • 23. MODELO Modelo Lineal General. Sea 𝑌𝑛𝑥1 un vector observable de variables aleatorias. Sea 𝑋 𝑛𝑥𝑝 (n>p) una matriz de números conocidos fijos. Sea 𝛽 𝑝𝑥1 un vector de parámetros desconocidos. Sea 𝜀 𝑛𝑥1 vector aleatorio no observable con 𝐸 𝜀 = 0 y 𝐶𝑜𝑣 𝜀 = Σ. Sea 𝒀 = 𝑿𝜷 + 𝜺 Estas especificaciones definen un modelo lineal general
  • 24. MODELO LINEAL Casos: Se definen situaciones dependiendo: 1. Distribución de 𝜺 2. Estructura de 𝚺 3. Rango y estructura de 𝑿