Vous êtes sur la page 1sur 26

ZT7009 Indices de Seleccin

2006-II

Matrices

Gen
Gentica de Poblaciones
Algebra Matricial

Ing. Jorge P. Caldern Velsquez


jcalderonv@lamolina.edu.pe

Es un arreglo rectangular de elementos


(nmeros), dispuesto en filas y columnas.
Cada nmero individual es denominado
elemento de la matriz.
La dimensin de la matriz es determinado
por el numero de filas y el nmero de
columnas, convencionalmente el nmero de
filas es posicionado primero.

Dimensi
Dimensin de las matrices

Matrices

Si una matriz tiene 3 filas y 2 columnas, se


indica que es una matriz de tamao,
dimensin u orden 3 x 2.
Las matrices pueden ser cuadradas (tienen
el mismo nmero de filas y columnas) o
rectangulares (diferentes nmeros de filas y
columnas).

donde aij es el elemento de la matriz

Matrices
12 18 29
A = 23 12 21
18 5 35

[ ]
= [a ]

A( 3 , 3 ) = a ij
A( r ,c )

Aplicaciones
Tienen un gran campo de aplicacin en:

Solucin de sistemas de ecuaciones lineales


Teora grfica
Gentica
Manejo Forestal
Modelos econmicos
etc.

ij

Ing. Jorge P. Caldern Velsquez

jcalderonv@lamolina.edu.pe

ZT7009 Indices de Seleccin

2006-II

Definiciones

Definiciones

Escalar. Es una simple cantidad,


usualmente designado por letra minscula y
en itlicas, ejemplo: , , etc.
Vector. Un vector columna es una matriz
con una sola columna, y un vector fila es una
matriz con una sola fila. Usualmente la
palabra vector es usado y ello implica que
se refiere al vector columna. Son denotados
por letras minsculas y en negritas.

Tipos de Matrices

Cuadradas. Matrices que tienen el mismo


numero de filas y columnas. El producto de
las matrices XX siempre son matrices
cuadradas.

Tipos de Matrices

Una matriz diagonal puede ser representada


como:

d3

... d n ]

donde di son los elementos de la diagonal.

Ing. Jorge P. Caldern Velsquez

los elementos diagonal son 8 y 7.

Simtrica. Matrice simtricas son siempre


matrices cuadradas, los elementos de la i sima fila y j - sima columna es igual al
elemento de la j - sima fila e i - sima
columna, para todos los valores de i y j.
La transpuesta de una matriz simtrica es la
misma matriz.
A = A
XX = simtrica y cuadrada.

Tipos de Matrices

Diagonal. Una matriz diagonal es una matriz


cuadrada, simtrica, en el cual todos los
elementos son ceros excepto los elementos
de la diagonal principal.

d2

8 3 2
D=

5 7 1

Tipos de Matrices

Rectangular. Una matriz es rectangular si el


nmero de filas es diferente al nmero de
columnas. Todos los vectores son matrices
rectangulares.

D = diag [d 1

Diagonales. Los elementos diagonales de


una matriz son aquellos elementos en el cual
el nmero de filas y columnas son los
mismos, es decir: aij, i = j.

Identidad. Una matriz identidad es una matriz


diagonal especial en el cual todos los
elementos de la diagonal son igual a uno (1).
Una matriz identidad es usualmente
representada por I, siendo una matriz
diagonal, la matriz identidad es adems
cuadrada y simtrica.

1 0 0
I = 0 1 0
0 0 1

jcalderonv@lamolina.edu.pe

ZT7009 Indices de Seleccin

2006-II

Tipos de Matrices

Tipos de Matrices

Nula. Una matriz nula es una matriz de


cualquier dimensin u orden en la cual los
elementos son igual a cero (0), y es
representado por 0.
Matriz con solos 1. Un vector columna de
dimensin n en el cual todos los elementos
son 1, y se representa como 1n.
Una matriz con r filas y c columnas cuyos
elementos son 1, se denota como J.

Operaciones B
Bsicas

Suma
Sustraccin
En el caso de estas dos operaciones las matrices
deben ser del mismo orden o dimensin.
Multiplicacin, necesario que exista conformidad
de las matrices.

Suma de Matrices

[
C = [a

(5 + 6) 2
=
(9 + (2)) 6

]
+b ]

C = (a + b )ij
ij

Para la suma de matrices, ambas deben ser


del mismo orden, si lo son decimos que hay
conformidad para la suma.
Para sumar matrices conformes, se realiza
sumando los elementos correspondientes

Sustracci
Sustraccin de Matrices

6
4
B=

5 2

(2 + ( 4))
C = A+ B =
(1 + 5)

Una matriz triangular superior es aquella en


la que los elementos debajo de la diagonal
son ceros, y una matriz triangular inferior
tiene todos los elementos sobre la diagonal
igual a ceros.

Suma de Matrices

Se pueden realizar operaciones con las


matrices, stas son:

2 5
A=

1 9

Triangular. Las matrices triangulares son


matrices cuadradas en la cual los elementos
sobre o debajo de la diagonal principal son
ceros.

11
7

De la misma forma que la adicin de


matrices, es necesario que ambas matrices
sean del mismo orden.
La sustraccin de matrices se realiza
restando al elemento de la primera matriz el
elemento correspondiente de la segunda
matriz.

ij

Ing. Jorge P. Caldern Velsquez

jcalderonv@lamolina.edu.pe

ZT7009 Indices de Seleccin

2006-II

Sustracci
Sustraccin de Matrices
2 5
A=

1 9

Por un escalar

6
4
B=

5
2

(2 ( 4))
D = A B =
(1 5 )

[
D = [a

Multiplicaci
Multiplicacin de matrices

]
b ]

(5 6) 6
=
(9 (2)) 4

1
11

D = (a b )ij
ij

ij

Multiplicaci
Multiplicacin de matrices
Considerando el procedimiento de producto
de una matriz por un escalar podemos
obtener un factor comn a todos los
elementos de la matriz y considerar este
factor como un escalar.

12 6 27
4 2 9
A = 18 15 6 = 36 5 2
27 3 21
9 1 7

Multiplicaci
Multiplicacin de matrices
El producto C de dos matrices A y B, est definido
como:

cik = a ij b jk
donde j es sumado sobre todos los posibles valores
de i y k.

Escalar es un nmero cualquiera () que al


multiplicar a una determinada matriz, ste
multiplica a cada uno de los elementos de la
matriz.

2 5
A=

1 9

=3

2 5 6 15
=

1 9 3 27

A = 3

Multiplicaci
Multiplicacin de matrices
Multiplicacin de vectores.
El producto de un vector fila con un vector
columna da como resultado un escalar, el cual es
obtenido de la suma del producto de los elementos
correspondientes de los vectores.

v' = [3 4 1]

1
y = 5
2

1
t = v' y = [3 4 1]5 = 3(1) + 4( 5) + 1( 2) = 25
2

Multiplicaci
Multiplicacin de matrices
Debemos de considerar el concepto de
conformidad del producto, es decir: el
nmero de columnas de la primera matriz
(matriz que pre multiplica) debe ser igual al
nmero de filas de la segunda matriz (matriz
que post multiplica).

Para multiplicar matrices ambas deben estar


definidas: (n x m) (m x p) = (n x p)

Ing. Jorge P. Caldern Velsquez

jcalderonv@lamolina.edu.pe

ZT7009 Indices de Seleccin

2006-II

Multiplicaci
Multiplicacin de matrices
Matriz que pre multiplica
Matriz que post multiplica
A x B
2x3 3x5

= AB
2x5

Multiplicaci
Multiplicacin de matrices

Si la matriz A es del orden r x c y la matriz B


es del orden c x s, el producto C = AB es
una matriz resultante del orden r x s, donde
el elemento en la i - sima fila y j - sima
columna es:
c

cij = a ik bkj

dimensin del producto

k =1

Multiplicaci
Multiplicacin de matrices
Por tanto, para desarrollar el producto de la
i-sima fila con la j-sima columna es:

A( r ,c )

Multiplicaci
Multiplicacin de matrices
Ejemplo: si A(2,3) y B(3,4), la matriz resultante ser
C(2,4), y el elemento producto ser:
A( 2 , 3 ) , B( 3,4 )

B( c , s )

AB = C ( 2,4 )

cij = a ik bkj

c(1,1) = a1k bk 1 = a11b11 + a12b21 + a13b31

k =1

k =1

AB = a ik bkj

i = 1,..., r;

j = 1,..., s

k =1

c(1, 2 ) = a1k bk 2 = a11b12 + a12b22 + a13b32


k =1
3

c(1, 3 ) = a1k bk 3 = a11b13 + a12b23 + a13b33


k =1

Multiplicaci
Multiplicacin de matrices

Ing. Jorge P. Caldern Velsquez

Multiplicaci
Multiplicacin de matrices

jcalderonv@lamolina.edu.pe

ZT7009 Indices de Seleccin

Multiplicaci
Multiplicacin de matrices
4 2 9
9 1 2
A = 6 5 2 , B = 3 8 6
9 1 7
1 2 2
(4 * 9 + 2 * 3 + 9 * 1)
C = AB = (6 * 9 + 5 * 3 + 2 * 1)
(9 * 9 + 1 * 3 + 7 * 1)

(4 * 1 + 2 * 8 + 9 * 2) (4 * 2 + 2 * 6 + 9 * 2)
(6 * 1 + 5 * 8 + 2 * 2) (6 * 2 + 5 * 6 + 2 * 2)
(9 * 1 + 1 * 8 + 7 * 2) (9 * 2 + 1 * 6 + 7 * 2)

2006-II

Propiedades de la multiplicaci
multiplicacin

Propiedad Asociativa. Se da en toda


multiplicacin de matrices si estas son
conformes.

[(ab )c] ij = (ab )ik ckj = (ail blk )ckj

51 38 38
C = 71 50 46
91 31 48

Propiedades de la multiplicaci
multiplicacin

Dado que ail, blk y clk son escalares,


utilizando la propiedad asociativa de
multiplicacin de los escalares, se tiene:

(ail blk )ckj = ail (blk ckj ) = ail (bc )lj = [a(bc )]ij

Propiedades de la multiplicaci
multiplicacin
Propiedad distributiva.
Si A y B son matrices de orden m x n y C y D son
matrices de orden n x p, entonces:
A (C + D) = AC + AD
(A + B) C = AC + BC

[abc]ij = ail blk ckj

Propiedades de la multiplicaci
multiplicacin

Propiedades de la multiplicaci
multiplicacin
A+ B = B + A

Sin embargo, la multiplicacin de matrices


es por lo general no conmutativa, si se da la
propiedad conmutativa es por que las
matrices A y B son diagonales y de la misma
dimensin u orden.

( A + B ) + C = A + (B + C )
( AB )C = A(BC )
C ( A + B ) = CA + CB
( A + B ) = A + B

(A ) = A
' '

Ing. Jorge P. Caldern Velsquez

jcalderonv@lamolina.edu.pe

ZT7009 Indices de Seleccin

2006-II

Propiedades de la multiplicaci
multiplicacin

Producto de bloques de matrices

( A + B )' = A' + B '

a11 a12
a
21 a22

a33

a11 a12 b11


a21 a22 b21

( AB )' = B ' A'


( AB )1 = B 1 A1
( ABC )1 = C 1 B 1 A1

(A ) = A
(A ) = (A )
1 1
' 1

1 '

Matriz transpuesta

a11
= a12
a13

a 21
a 22

a 31
a 32 = a ji
a 33

T
Acxr

a 23

[ ]

[ ]

a55

a64

a65

b12
b22

(BTAT)ij

[a33 ][b33 ]

a44
a
54
a64

b44

a45
a55
a65

b45

b54

b55

b64

b65

a46 b44
a56 b54

a66 b64

b45
b55
b65

b46
b56

b66

= (bT)ik (aT)kj
= bkiajk = ajkbki
= (AB)ji = (AB)Tij

Adems:
(AB)T = BTAT

Ejemplo:
a13
a 23 = a ij
a 33

a54

b33

El producto de dos matrices transpuestas


satisface:

(AT)-1 = (A-1)T

a12
a 22
a 32

a45

=
b46
b56

b66

Matriz transpuesta

El objeto obtenido (matriz resultante) es


mediante el reemplazo de todos los
elementos aij por aji. El tensor transpuesta
es simplemente aji. La matriz transpuesta,
representada como AT, es la matriz obtenida
por el intercambio de las As filas por
columnas, y que satisface la identidad:

a11
Arxc = a 21
a 31

a44

b11 b12
b
21 b22

a46
a56

a66

Transpuesta de un producto
2 5
A3 x 2 = 7 10
3 4
T
2x3

La transpuesta del producto de dos o ms


matrices es el producto de la transpuesta de
cada matriz en orden inverso.
(CDE) = EDC

2 7 3
=

5 10 4

debe de verificarse que el resultado es


conforme para multiplicar, y que el
resultado tiene las correcta dimensin u
orden.

41

Ing. Jorge P. Caldern Velsquez

jcalderonv@lamolina.edu.pe

ZT7009 Indices de Seleccin

Productos especiales
Una matriz A es dem potente si el producto
de la matriz con ella misma es igual a ella
misma.
A.A = A
Dicho producto implica que la matriz A debe
ser cuadrada, pero no necesariamente
simtrica.

Productos especiales
Una matriz es ortogonal si el producto de la
matriz con su transpuesta es igual a una
matriz identidad.
U U = I
ello implica que:
U U = I

2006-II

Productos especiales
Una matriz es nulo potente si el producto de
la matriz con ella misma determina una
matriz nula.
B.B=0
entonces, la matriz B es nulo potente.

Traza de las matrices cuadradas


La traza es una operacin que es aplicado solamente
a las matrices cuadradas, se representa como tr.
La operacin traza es la suma de los elementos de la
diagonal de una matriz.

0.51 0.32 0.19


A = 0.28
0.46 0.14
0.21 0.16
0.33
La traza es: tr(A) = 0.51 + 0.46 + 0.33 = 1.30

Traza de las matrices cuadradas


La traza del producto de matrices
conformes tienen una propiedad especial
conocida como la regla de rotacin de las
trazas.

tr(ABC) = tr(BCA) = tr(CAB)


los valores de las trazas son iguales, porque
son escalares.

Norma euclidiana
La norma euclidiana es una operacin
matricial usualmente usado para determinar
el grado de diferencia entre dos matrices del
mismo orden.
La norma es un escalar y es representada
como: || A ||

[ ( )]

A = tr AA'

0 .5

n n

A = a ij2
i =1 j =1

Ing. Jorge P. Caldern Velsquez

0.5

jcalderonv@lamolina.edu.pe

ZT7009 Indices de Seleccin

2006-II

Norma euclidiana

Norma euclidiana

Ejemplo:
7
A = 4
1

5
6
1

2
3
8

entonces:
A = (49 + 25 + 4 + 16 + ... + 1 + 64 )

0.5

A = ( 205)0.5 = 14.317821

7
A = 4
1

7
AA' = 4
1

6
1

6
1

[ ( )]

A = tr AA

'

A = (205 )

0.5

Otras operaciones matriciales

0
H2
.
.
0

... .
... H n

...
...
...

Inversa de una matriz


Una matriz A tiene una inversa si el
determinante | A | 0.
Para una matriz 2 x 2:

A2 x 2

a b
=

c d

La inversa es:

A1 =

1 d b
1 d b
=
A c a ad bc c a

Ing. Jorge P. Caldern Velsquez

7
A' = 5
2

2 7
3 5
8 2

4
6
3

4
6
3

1
1
8

1 78 4 28
1 = 4 61 22
8 28 22 66

= (78 + 61 + 66 )

0.5

= 14.317821

Otras operaciones matriciales

Suma directa. Dada para matrices de


cualquier dimensin, si tenemos las matrices
H1, H2, ... Hn, la suma directa ser:
H1
0

+
i H i = H 1 H 2 ... H n = .

.
0

0 .5

2
3
8

0
0
.

Producto Kronecker. Es conocido como


producto directo, es cuando cualquier
elemento de la primera matriz es
multiplicada, como un escalar, tantas veces
la segunda matriz.
Si tenemos una matriz B de orden m x n, y
una matriz A de orden 2 x 2, el producto
directo de A por B:

a B a12 B
A * B = A B = 11

a 21 B a 22 B

Inversa de una matriz


Para una matriz 3 x 3:

a 22

a 32
1 a 23
1
A =
A a 33
a 21

a 31

a 23
a 33
a 21
a 31
a 22
a 32

a13
a 33
a11
a 31
a12
a 32

a12
a 32
a13
a 33
a11
a 31

a12
a 22
a13
a 23
a11
a 21

a13

a 23
a11

a 21
a12

a 22

jcalderonv@lamolina.edu.pe

ZT7009 Indices de Seleccin

Inversa de una matriz


Una matriz debe ser cuadrada para tener
una inversa, as como todas las matrices
cuadradas tienen inversa, la inversa de una
matriz existe solamente cuando la matriz es
de rango completo, entonces r(A)= r = c, y
se dice que es No singular. Si la matriz no es
de rango completo, se dice Singular.

Determinante
Una matriz de orden 2 x 2 su determinante es
definida como:

a b a b
det
ad bc

c d c d

Determinante
La definicin anterior se denomina:
Expansin de los elementos de la i-sima
fila, para el primer caso, o de los elementos
de la j-sima columna, en el segundo caso,
la que permite hallar la determinante de
manera resumida.

2006-II

Determinante
Son procedimientos matemticos muy
usados en el anlisis y solucin en sistemas
de ecuaciones lineales. Adems, es un
mtodo para determinar cuando una matriz
tiene una inversa o es no singular.
La determinante de una matriz es un nmero
o escalar, simbolizado por |A|.

Determinante
Cuando se evala matrices de orden
considerable, se puede emplear la
definicin de la determinante para una
matriz de orden r x r.

r
i+ j
a ij ( 1) M ij
j =1
A = r
a ij ( 1)i + j M ij
i =1

para cualquier i
para cualquier j

Determinante
M es llamado un Menor de A, y se obtiene
eliminando la fila y la columna de la matriz A
resultando una matriz de orden (r-1) x (r-1) de
la que se obtiene su determinante. El menor
conjuntamente con el signo se denomina el
cofactor de aij en |A|.

A = a ij a ij
i

cofactor a ij = a ij = ( 1)

i+ j

Ing. Jorge P. Caldern Velsquez

M ij

jcalderonv@lamolina.edu.pe

10

ZT7009 Indices de Seleccin

2006-II

Propiedades de las
Determinantes
1. Dado una determinante n x n, la inversa
aditiva es: |-A | = (-1)n|A|
2. Propiedad distributiva: | AB | = |A| |B|
Esto significa que la determinante de una
matriz inversa puede ser determinado
como:
|I| =| A A-1| = |A| | A-1| = 1
|A| = 1 / | A-1|

Propiedades de las
Determinantes
3. Las determinantes son Multilineales en filas
y columnas, desde que:
a1

a2

0
a5

0
0
a6 + a4

a5

0
0
a 6 + a4

0
a5

a3

a5

a1
a6 = a 4

a2

a4
a7

a8

a9

a7

a8

a9

a7

a8

a9

a7

a8

a9

a3

a1
a6 = 0
a9
0

a2

a3

0
a6 + a 4

a2

a3

a3

a5

a6

a8

a9

a8

0
a6 + 0
a9 a7

a2

a5

a8

a9

BAB 1 = B A B 1 = B A

1
= A
B

5. La determinante de una matriz transpuesta


es igual a la determinante de la matriz
original
|A| = | AT |

Resoluci
Resolucin de sistemas de
ecuaciones lineales
Uno de los primeros mtodos conocidos en la
solucin de ecuaciones algebraicas lineales
simultneas, es el conocido como el Mtodo de
Eliminacin o el Mtodo de Eliminacin Gaussiana.
Utilizando el mtodo de Gauss, un conjunto de n
ecuaciones con n incgnitas se reduce a un sistema
triangular equivalente (un sistema equivalente es un
sistema que tiene iguales valores de la solucin), que
a su vez se resuelve fcilmente por "sustitucin
inversa"; lo cual es un procedimiento simple .

Ing. Jorge P. Caldern Velsquez

a6

y
a1

a2

a4

a5

a7

a8

Propiedades de las
Determinantes
4. La determinante de una matriz de
Transformacin de similaridad es igual a la
determinante de la Matriz original.

a3

a5

Inversa de una matriz


Resumiendo, el concepto de determinante y
del menor, la inversa de una matriz podemos
resumir como:

M 11

1 M 12
A =
A ..........
( 1)r +1 M
1r

M 21

M 31

..........

M 22
..........

M 32
..........

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

( 1)r + 2 M 2r ( 1)r + 3 M 3 r

..........

( 1)r +1 M r 1
( 1)r + 2 M r 2
..........
M rr

Mtodo de Gauss
Se basa en tres criterios de equivalencia:
Producto o cociente por un nmero real distinto
de cero: si se multiplican o dividen los dos
miembros de la ecuacin de un sistema por un
nmero distinto de cero, resulta otro sistema
equivalente al dado.
Suma o diferencia de ecuaciones: si a una
ecuacin de un sistema se le suma o resta otra
ecuacin del mismo, resulta otro sistema
equivalente al dado.

jcalderonv@lamolina.edu.pe

11

ZT7009 Indices de Seleccin

Mtodo de Gauss

2006-II

Mtodo de Gauss
Dado el siguiente sistema de ecuaciones:

Reduccin de ecuaciones: si en un sistema de


ecuaciones lineales una ecuacin es combinacin
lineal de otras, dicha ecuacin puede suprimirse,
siendo el sistema resultante equivalente al dado.

X1 + 4 X2 + X3 = 7
X1 + 6 X2 - X3 = 13
2 X1 - X2 + 2 X3 = 5

Mtodo de Gauss
Utilizando como ecuacin pivote la primera
ecuacin (el coeficiente pivote es unitario),
obtenemos:
X1 + 4 X2 + X3 = 7
2 X2 - 2 X3 = 6
-9 X2 + (0) X3 = -9

Mtodo de Gauss
Finalmente mediante sustitucin inversa,
comenzando con la ltima de las ecuaciones
se obtienen los siguientes valores:
X3 = -2
X2 = 1
X1 = 5

Ing. Jorge P. Caldern Velsquez

Mtodo de Gauss
Utilizando la segunda ecuacin del sistema
como ecuacin pivote y repitiendo el
procedimiento, se obtiene el siguiente
sistema triangular de ecuaciones:
X1 + 4 X2 + X3 = 7
2 X2 - 2 X3 = 6
- 9 X2 = - 9

Mtodo de Gauss - Desventajas

1. Divisin entre cero: Una de sus desventajas


es que durante el proceso en las fases de
eliminacin y sustitucin es posible que
ocurra una divisin entre cero. Se ha
desarrollado una estrategia del pivoteo
para evitar parcialmente estos problemas.

jcalderonv@lamolina.edu.pe

12

ZT7009 Indices de Seleccin

Mtodo de Gauss - Desventajas


2. Errores de redondeo: Al manejar fracciones en
forma decimal con nmero limitado de cifras
decimales, y tener fracciones, se introduce un error
en la solucin la que denominamos error por
redondeo.
Cuando se va a resolver un pequeo nmero de
ecuaciones, el error por redondeo es pequeo y
generalmente no se afecta sustancialmente la
precisin de los resultados, pero si se van a resolver
simultneamente muchas ecuaciones, el efecto
acumulativo del error por redondeo puede introducir
errores relativamente grandes en la solucin.

Mtodo de Gauss - Desventajas


3. Sistemas mal condicionados
La obtencin de la solucin depende de la
condicin del sistema. Es decir, los
sistemas bien condicionados son aquellos
en que un cambio en uno o ms coeficiente
provoca un cambio similar en la solucin.
Los sistemas mal condicionados son
aquellos en que los cambios pequeos en
los coeficientes provocan cambios grandes
en la solucin.

Mtodo de Gauss - Jordan

2006-II

Mtodo de Gauss - Desventajas

Por esta razn el nmero de ecuaciones


simultneas que se puede resolver
satisfactoriamente con el mtodo de
eliminacin de Gauss, utilizando de 8 a 10
dgitos significativos en las operaciones
aritmticas, se limita generalmente a 15 o 20
ecuaciones.

Mtodo de Gauss - Jordan


Existen otros mtodos para determinar la
inversa de una matriz definida o no singular, o
solucin al sistema de ecuaciones, siendo el
mtodo de Gauss - Jordan o reduccin de
filas, que es empleado bsicamente en
sistemas de hasta 15 o 20 ecuaciones
simultneas, de hasta 8 o 10 dgitos de
precisin, siendo un procedimiento de las
reducciones de las filas en base a una
ecuacin pvot.

Mtodo de Gauss - Jordan

Dado el sistema de ecuaciones, se presenta en un


argumento matricial.
[sistema] ====== [A | B]
Convertir [A | B] a la forma de reduccin de filas:
Pivoteando los elementos en la matriz en las
posiciones 1-1, 2-2, 3-3, etc. En este orden, con el
objetivo de crear una matriz identidad en el lado
izquierdo de la matriz argumento.

Cuando el paso anterior ha sido completada,


re-escribimos la matriz final [I | C] como una
ecuacin. C ser un vector que contiene la
lista de las variables el cual resuelve el
sistema.

[A | B] ===== [I | C]

Ing. Jorge P. Caldern Velsquez

jcalderonv@lamolina.edu.pe

13

ZT7009 Indices de Seleccin

Resoluci
Resolucin de sistemas
x y + 2z = 5
3 x + 2 y + z = 10

2006-II

Resoluci
Resolucin de sistemas

Sistema de
ecuaciones

2 x 3 y 2 z = 10

5
5
1 1 2
1 1 2
R = r 3r1
1
3 2
1
10 = 2 2
0 5 5 5 = R2 = r2

5
R3 = r3 2r1
0 1 6 20
2 3 2 10

4
1 0 1
1 0 0 1
0 1 1 1 = R1 = r1 r3 0 1 0 2

R =r +r

2
2
3
0 0 1 3
3
0 0 1

x
5
4
1 0 1
1 1 2
0 1 1 1 = R1 = r1 + r2 0 1 1 1 = R = 1 r
3
3

R =r +r

7
3
3
2
0 0 7 21
0 1 6 20

Inversa de una matriz, M


Mtodo
Gauss - Jordan

Utilizando el mtodo de Gauss Jordan es


posible, tambin, invertir una matriz, pero
que el sistema no sea mayor a 20
ecuaciones, el procedimiento es similar al
de la solucin de ecuaciones lineales.

= 1
= 2

Solucin

z = 3

Inversa de una matriz, M


Mtodo
Gauss - Jordan
Sea A una matriz cuadrada y no singular, y
que su determinante |A| 0. por definicin
de matriz inversa se tiene que A-1 es la
inversa de A si:
A . A-1 = I
Si representamos A-1 = X, entonces:
A.X=I

Inversa de una matriz, M


Mtodo
Gauss - Jordan
Puede considerarse que esta ecuacin
matricial representa un sistema de
ecuaciones simultneas, en donde no hay
un solo vector de trminos independientes
sino n, los n vectores bsicos que forman la
matriz unitaria I. Adems, no existe un solo
vector de incgnitas, sino n, los que
corresponden a cada columna de la matriz
unitaria.

Ing. Jorge P. Caldern Velsquez

Inversa de una matriz, M


Mtodo
Gauss - Jordan
Es posible determinar la inversa de una
matriz con el mtodo de Gauss - Jordan de
eliminacin completa, para lo cual bastar
con aplicar las operaciones elementales
sobre los renglones de la matriz ampliada
(A, I) de manera de transformar A en I.
Cuando se haya hecho, se obtendr la
matriz ampliada, con lo que se tendr la
inversa buscada.

jcalderonv@lamolina.edu.pe

14

ZT7009 Indices de Seleccin

Inversa de una matriz, M


Mtodo
Gauss - Jordan
Si tenemos la siguiente matriz:

1
A = 2
1

6
2
3

2
1
5

Inversa de una matriz, M


Mtodo
Gauss - Jordan

2006-II

Inversa de una matriz, M


Mtodo
Gauss - Jordan
Considerando la primera ecuacin como
pvot:
1
2

6
2

2
1

1
0

0
1

1
0

2
5
7

1
2
1

10
3

0
1
R = R2 2 R1
= 0
0 = 2
R3 = R3 R1
0
1

0
1
0

0
1
1
0 = R2 =
R2 = 0
10
0
1

6
10

2
5

1
2

0
1

6
1
3

2
1/ 2
7

1
1/ 5
1

0
0
1

0
1 / 10
0

0
0
1

Inversa de una matriz, M


Mtodo
Gauss - Jordan

La segunda ecuacin como pvot:


1
1 5
2
1
0
0
35
0
1 6
1 0
0 1 1 2 1 5 1 10 0 = R1 = R1 + 6 R2 = 0 1 1 2 1 5 1 10 0

R = R 3R

3
3
2
0 3
0 0 11 2 2 5 3 10 1
7
1
0
1

1
1 5
0
35
0
1 0
1 0 1 1 5 3 5
0 1 1 2 1 5 1 10 0 = R = 2 R = 0 1 1 2 1 5 1 10
0
3
3

11
0 0
1
4 55 3 55 2 11
0 0 11 2 2 5 3 10 1

Mtodo de Gauss - Seidel


El mtodo de inversin de matrices tiene
limitaciones cuando se trabaja con nmeros
muy grandes de ecuaciones simultneas,
por ejemplo evaluacin de reproductores,
en la que el modelo contiene efectos fijos y
efectos aleatorios y est compuesto por un
gran nmero de registros de produccin.

Ing. Jorge P. Caldern Velsquez

Utilizando la tercera ecuacin como pvot:


0
1 0 1 1 5 3 5
1 0 0 7 55 36 55 2 11
R = R1 + R3
0 1 1 2 1 5 1 10
0 = 1
= 0 1 0 9 55 7 55 1 11

1
1
4 55 3 55 2 11 R2 = R2 + R2 0 0 1 4 55
3 55 2 11
0 0
2

7 55 36 55 2 11
A 1 = 9 55 7 55 1 11
3 55 2 11
4 55

Mtodo de Gauss - Seidel


Existen tcnicas para resolver grandes nmeros
de ecuaciones simultneas, siendo una de ellas
el Mtodo de Gauss -Seidel. El mtodo de Gauss
- Seidel no siempre converge a una solucin o a
veces converge muy lentamente. Este mtodo
convergir siempre a una solucin cuando la
magnitud del coeficiente de una incgnita
diferente en cada ecuacin del conjunto, sea
suficientemente dominante con respecto a las
magnitudes de los otros coeficientes de esa
ecuacin.

jcalderonv@lamolina.edu.pe

15

ZT7009 Indices de Seleccin

2006-II

Mtodo de Gauss - Seidel


Es difcil definir el margen mnimo por el que
ese coeficiente debe dominar a los otros
para asegurar la convergencia y es an ms
difcil predecir la velocidad de la
convergencia para alguna combinacin de
valores de los coeficientes cuando esa
convergencia existe.

Mtodo de Gauss - Seidel


No obstante, cuando el valor absoluto del
coeficiente dominante para una incgnita
diferente para cada ecuacin es mayor que
la suma de los valores absolutos de los otros
coeficientes de esa ecuacin, la
convergencia est asegurada. Ese conjunto
de ecuaciones simultneas lineales se
conoce como sistema diagonal.

Mtodo de Gauss - Seidel


Un sistema diagonal es condicin suficiente
para asegurar la convergencia pero no es
condicin necesaria. Las ecuaciones
simultneas lineales que se derivan de
muchos problemas de ingeniera (gentica),
son del tipo en el cual existen siempre
coeficientes dominantes.

Matriz de diagonal dominante

Definiciones:
Una matriz se dice de diagonal

estrictamente dominante por filas cuando


el valor absoluto de cada elemento de la
diagonal es mayor que la suma de los
valores absolutos del resto de los
elementos de la fila.
n

aii > aij


j =1
j 1

Matriz de diagonal dominante

Definiciones:
Anlogamente se define una matriz de
diagonal estrictamente dominante por
columnas, en la forma:
n

aii > a ji
j =1
j 1

Matriz de diagonal dominante

Propiedad:
Toda matriz de diagonal estrictamente
dominante (por filas o por columnas), es
invertible, con lo que queda garantizada la
existencia y unicidad de solucin
Esto se puede demostrar basndose en el
hecho de que el valor propio 0 queda fuera
de los crculos de Gerschgorin, luego la
matriz no puede ser singular.

0 aii >

Ing. Jorge P. Caldern Velsquez

j =n

j =1, j i

aij ,

i = 1, 2,..., n

jcalderonv@lamolina.edu.pe

16

ZT7009 Indices de Seleccin

Mtodo de Gauss - Seidel


El mtodo de Gauss-Seidel, es un mtodo
iterativo y por lo mismo, resulta ser un
mtodo bastante eficiente. En el sistema de
ecuaciones:

Mtodo de Gauss - Seidel


Este conjunto de ecuaciones son las que
forman las frmulas iterativas. Para iniciar
el proceso iterativo, se le da valor de cero a
las variables x2, ... xn; esto nos dar un
primer valor para x1 , la que tenemos:

Mtodo de Gauss - Seidel


Estos ltimos valores de x1 y x2, los
sustituimos en la ecuacin 3, mientras que
x4, ... xn siguen teniendo el valor de cero; y
as sucesivamente hasta llegar a la ltima
ecuacin. Todo este paso, nos arrojar una
lista de primeros valores para nuestras
incgnitas, la cual conforma nuestro primer
paso en el proceso iterativo. Digamos que
tenemos:

Ing. Jorge P. Caldern Velsquez

2006-II

Mtodo de Gauss - Seidel


De la ecuacin 1 despejemos x1, de la
ecuacin 2 despejemos x2, , de la
ecuacin n despejemos xn. Esto nos da el
siguiente conjunto de ecuaciones:

Mtodo de Gauss - Seidel


Seguidamente, sustituimos este valor de x1
en la ecuacin 2, y las variables x3, ... xn
siguen teniendo el valor de cero. Esto nos
da el siguiente valor para x2:

Mtodo de Gauss - Seidel


Volvemos a repetir el proceso, pero ahora
sustituyendo estos ltimos valores en vez
de ceros como al inicio, obtendremos unos
segundos valores para cada una de las
incgnitas. Digamos que ahora tenemos:

jcalderonv@lamolina.edu.pe

17

ZT7009 Indices de Seleccin

Mtodo de Gauss - Seidel


Al tener dos valores, podemos calcular los
errores aproximados relativos, respecto a
cada una de las incgnitas, con la finalidad
de determinar la convergencia, a un valor
dado.

2006-II

Mtodo de Gauss - Seidel


El proceso se vuelve a repetir hasta que:

donde s es un valor suficiente prefijada.

Mtodo de Gauss - Seidel


En el sistema de ecuaciones siguiente,
mediante el mtodo de Gauss - Seidel
determinar la solucin del sistema
aproximado:

Mtodo de Gauss - Seidel


Se empieza las iteraciones, considerando
en la ecuacin 1, valor de cero para las
variables x2 y x3.
En la ecuacin 2, se reemplaza el valor
obtenido para x1, y se mantiene cero para x3.
En la ecuacin 3, se reemplaza los valores
obtenidos para x1 y x2, obteniendo el valor
de x3.

Ing. Jorge P. Caldern Velsquez

Mtodo de Gauss - Seidel


Se inicia la solucin, despejamos las ecuaciones en
cada incgnita, la ecuacin 1 para x1, la ecuacin 2
para x2, y as sucesivamente:

x1 =

94.2 1.4 x 2 + 2.7 x 3


5

x2 =

27.5 3.3 x1 4.4 x 3


11

x3 =

6 0.7 x1 + 2.5 x 2
15

Mtodo de Gauss - Seidel


Valores de la primera iteracin:
x1 = -18.8400
x2 = -3.1520
x3 = -0.0461
Valores de la segunda iteracin:
x1 = -19.6976
x2 = -3.4277
x3 = -0.0520

jcalderonv@lamolina.edu.pe

18

ZT7009 Indices de Seleccin

2006-II

Mtodo de Gauss - Seidel


Valores de la tercera iteracin:

Mtodo de Gauss - Seidel


Valores de la quinta iteracin:

x1 = -19.7716

x1 = -19.7787

| e | = 0.002

x2 = -3.4523

x2 = -3.4547

| e | = 0.064

x3 = -0.0527

x3 = -0.0527

| e | = 0.122

Valores de la cuarta iteracin:

Valores de la sexta iteracin:

x1 = -19.7781

| e | = 0.03

x1 = -19.7788

| e | = 0.0002

x2 = -3.4545

| e | = 0.71

x2 = -3.4547

| e | = 0.0058

x3 = -0.0527

| e | = 1.22

x3 = -0.0527

| e | = 0.0118

Dependencia lineal y rango


(rank) de una matriz

Consideremos la siguiente matriz:

1 2 5 1
A = 2 2 10 6
3 4 15 1

Las columnas de A son linealmente


dependientes, si un vector puede ser
expresado como una combinacin lineal se
algunas de ellas, y si no puede ser
expresado como tal, decimos que los
vectores son linealmente independientes.

1 = 0,...........c = 0

La matriz se puede visualizar las columnas


como un vector, y podemos decir: que la
matriz A ha sido construida por cuatro
vectores. Si observamos que las columnas
son interrelacionadas de una manera
especial, se observa que la tercera columna
es un mltiplo de la primera columna:

5
1
10 = 5 2


15
3

Dependencia lineal y rango


(rank) de una matriz

1C1 + 2C 2 + ..... + c C c = 0

Dependencia lineal y rango


(rank) de una matriz

dependencia lineal
independencia lineal

Ing. Jorge P. Caldern Velsquez

Dependencia lineal y rango


(rank) de una matriz
El Rango de una matriz es definido como el
mximo nmero de columnas
independientes lineales en la matriz. En la
matriz A, el rango es 3, ya que hay
dependencia lineal, y las columnas que no
tienen dependencia lineal son las columnas
1, 2 y 4.
El rango de una matriz es nica, y puede ser
equivalente al definir como el mximo
nmero de independencia lineal de filas.

jcalderonv@lamolina.edu.pe

19

ZT7009 Indices de Seleccin

Determinaci
Determinacin del rango de un
sistema de ecuaciones
Dado un modelo, al investigador le
interesara saber que funciones son o no
estimables, en el siguiente modelo:

yijk = + a i + b j + eijk
donde:

E ( y ijk ) = + a i + b j
E (e ijk ) = 0

Determinaci
Determinacin del rango de un
sistema de ecuaciones
Para este tipo de modelos una fila de X
contendr ceros (0) y unos (1). Ellos sern 1
para la media, 1 para ai y 1 para bj de la Yijk
observacin:
1
1

X = 1
1

1
1

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

1 0 0 1 0
0 0 1 1 0

0 1 0 1 0
1 0 0 0 1

Determinaci
Determinacin del rango de un
sistema de ecuaciones
Considerando el siguiente modelo:

yijk = + a i + bij + eijk


donde:

E ( yijk ) = + a i + bij
El factor b tiene el subndice i el cual est
asociado con el factor a. Si i = 1, 2 y j = 1, 2 y
3.

Ing. Jorge P. Caldern Velsquez

2006-II

Determinaci
Determinacin del rango de un
sistema de ecuaciones
Suponiendo que i = 1, 2, 3 y j = 1, 2,
deseamos conocer el rango de X.
X tendr n filas para las N observaciones, y
tendr 1 + 3 + 2 columnas por los efectos del
modelo (1 para la media, 3 para el factor a, 2
para el factor b). El nmero de columnas
usualmente es menor que el nmero de filas
en X, y adems, el rango de X es menor o
igual al nmero de columnas en X.

Determinaci
Determinacin del rango de un
sistema de ecuaciones
De la matriz X, las columnas 2, 3, y 4 definen el factor
a y las columnas 5 y 6 definen el factor b. La
primera columna representa a la media que se
encuentra en todas las observaciones. De la
estructura de la matriz X, si sumamos las columnas 2,
3, y 4 nos dar el valor de la columna 1, sumadas las
columnas 5 y 6 dar el valor de la primera columna.
Entonces, existe 2 dependencias lineales entre estas
columnas, y el rango est determinado por las
columnas independientemente lineal, y al eliminar
una columna para cada uno de los factores (a y b),
determinan una nueva matriz cuyo rango es de 4.

Determinaci
Determinacin del rango de un
sistema de ecuaciones
En un arreglo matricial ser:
1
1

X = 1
1

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

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

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

Col. 2 = Col. 4 + Col. 5 + Col. 6


Col. 3 = Col. 7 + Col. 8 + Col. 9
Col. 1 = Col. 2 + Col. 3
Col. 1 = Col. 4 + Col. 5 + Col. 6 +
Col. 7 + Col. 8 + Col. 9
Rango (X) = 9 2 1 = 6

jcalderonv@lamolina.edu.pe

20

ZT7009 Indices de Seleccin

2006-II

Determinaci
Determinacin del rango de un
sistema de ecuaciones
a.

Determinaci
Determinacin del rango de un
sistema de ecuaciones

E ( yijkm ) = + ai + b j + c k

d.

para i = 1:3; j = 1:4; k = 1:5


Columnas en X = 13
Rango de X = 10
b.

E ( y ijkm ) = + a i + bij + c ik

e.

para: i = 1:2; j = 1:3; k = 1:4


Columnas en X = 17
Rango de X = 12
c.

E ( yijkm ) = + a i + bij + cijk

f.

2. Las matrices de los valores esperados y


covarianzas de todas las variables
aleatorias, y
3. Asunciones, restricciones, y factores
limitantes el cual afecta el muestreo de la
data, o la conduccin del anlisis.

Matrices de los valores


Esperados y Covarianzas
Los valores esperados de todas las variables
aleatorias deben ser especificadas. Las
variables aleatorias en los modelos lineales
generales son: Y, u, e y w. W es un vector no
conocido de orden M x 1, asumiendo un
efecto aleatorio, el cual tiene no ceros de
covarianzas con cualquiera u o e o ambos.

Ing. Jorge P. Caldern Velsquez

E ( yijkm ) = ijk
para: i = 1:2; j = 1:3; k = 1:4
Columnas en X = 24;
Rango de X = 24

MODELOS LINEALES

1. La ecuacin matemtica

E ( y ijkmn ) = + a i + b j + c ik + d jm
para: i = 1:2; j = 1:3; k = 1:4; m = 1:5
Columnas en X = 29
Rango de X = 22

para: i = 1:2; j = 1:3; k = 1:4


Columnas en X = 33
Rango de X = 24

Un modelo est compuesto por tres partes:

E ( yijkm ) = + a i + b j + cij + d k
para: i = 1:2; j = 1:3; k = 1:4
Columnas en X = 16
Rango de X = 9

La ecuaci
ecuacin matem
matemtica

Esta parte contiene todos los factores relevantes que causan la


variacin en la observacin.

Y = Xb + Zu + e
Donde:
Y = Vector N x 1 de observaciones, N nmero total de
observaciones.
X = Matriz conocida N x p, determinada por los factores fijos.
b = Vector de constantes p x 1 no conocido, de los efectos fijos.
Z = Matriz conocida N x q, determinado por los efectos aleatorios.
u = Vector no conocido y no observable q x 1 de las variables
aleatorias.
e = Vector no conocido, no observable N x 1, de las variables
aleatorias.

Matrices de los valores


Esperados y Covarianzas
y Xb + ZE ( u) + E ( e )
u

Pb

E =
e

Tb

Wb
w

Nosotros podramos escribir:


E(u) = c
Y definimos a c como c = Pb, para cualquier P.
Las dificultades aparecen en el subsiguiente
anlisis cuando P no ha sido especificado
explcitamente

jcalderonv@lamolina.edu.pe

21

ZT7009 Indices de Seleccin

2006-II

Matrices de los valores


Esperados y Covarianzas

Matrices de los valores


Esperados y Covarianzas
La matriz de covarianza o matriz de varianza covarianza (VCV) de las variables aleatorias
son matrices el cual contienen varianzas a lo
largo de la diagonal y covarianzas fuera de la
diagonal. Las matrices VCV son denotados
como:

Adems, es comn asumir que:

u 0
E =
e 0
Entonces:
E(y) = Xb

Cov ( f , d )
f V( f )
V =
V (d )
d Cov (d , f )

Matrices de los valores


Esperados y Covarianzas

Matrices de los valores


Esperados y Covarianzas

En trminos de las variables aleatorias del


modelo, la siguiente notacin es utilizado:

donde :
V = V ( y)

ZG + S
y V
u GZ '+ S '
G

=
V
e S ' Z '+ R
S'

+
w
A
Z
B
A'
'
'
'

ZS + R
S
R
B'

Matrices de los valores


Esperados y Covarianzas

ZA + B
A
B

V = V ( Xb + Zu + e )
V = V ( Xb ) + V ( Zu + e )
V = 0 + V ( Zu + e )

desde que b es un vector fijo

V = V ( Zu) + V (e ) + Cov ( Zu, e ) + Cov (e , Zu)

Matrices de los valores


Esperados y Covarianzas

trabajando cada parte separadamente:

entonces:

V ( Zu) = ZV ( u) Z '

V = ZGZ ' + R + ZS + S ' Z '

V ( Zu) = ZGZ '

asumiento que S = 0:

Cov ( Zu, e ) = ZCov ( u, e )

V = ZGZ ' + R

Cov ( Zu, e ) = ZS

R = I;

Cov ( e , Zu) = S ' Z '

G = I u2 A u2

Ing. Jorge P. Caldern Velsquez

jcalderonv@lamolina.edu.pe

22

ZT7009 Indices de Seleccin

2006-II

Estimabilidad

Estimabilidad

En muchas situaciones biolgicas los


investigadores se encuentran con problemas
envueltos en los modelos lineales donde la
matriz X no es de rango completo. Como
consecuencia, la generalizacin de las
ecuaciones mnimas cuadrticas no tienen
una nica inversa y una inversa generalizada
ser usada para obtener una solucin. Sin
embargo, se sabe que muchas g-inversas son
posibles obtener para tal matriz y por
consiguiente se puede obtener muchas
soluciones diferentes.

Estimabilidad

La pregunta que uno se hace es: Cul es el


vector que da solucin al sistema, es el
correcto, es el mejor?. La respuesta nos
lleva al uso de funciones estimables como
un vector solucin, el cual no importa que
vector solucin es calculada, el valor de la
funcin estimable es la misma.

Estimabilidad

1. Cualquier funcin lineal de las observaciones


es una funcin estimable: ty es estimable.
2. El valor esperado de cualquier observacin
es estimable: E(y) = Xb

3. Cualquier funcin lineal de los Valores


esperados de las observaciones es
estimable: tE(y) = tXb
4. Una funcin lineal de b es estimable solo si
ste puede ser expresado como una
funcin lineal de las esperanzas de las
observaciones:
kb es estimable si kb = tXb, para algunas
t.

Estimabilidad

Estimabilidad

Ejemplo de verificacin de la estimabilidad:


Datos correspondientes a 3 grupos de animales alojados
en dos diferentes instalaciones:
Nmero
Grupo
1
2
3

Corral 1 Corral 2
10
11
5

6
7
12

Suma
Total

Corral 1

Corral 2

Total

16
18
17

120
154
80

60
49
144

180
203
224

De esta informacin es posible construir XXb =


Xy, las ecuaciones mnimas cuadrticas, sin
construir la matriz X explcitamente.
El modelo para la suma del grupo 1 del corral 1
es:

y11. = 10 + 10 p1 + 10 g1 + e11.
El valor esperado para esta suma (cual es
estimable) ser:

E ( y11. ) = 10 + 10 p1 + 10 g1

Ing. Jorge P. Caldern Velsquez

jcalderonv@lamolina.edu.pe

23

ZT7009 Indices de Seleccin

2006-II

Estimabilidad

Estimabilidad

Para construir XXb = Xy, obsrvese que cualquier


elemento de Xy es simplemente: X mnYn

En forma matricial ser:

51
26

25

16
18

17

La suma y los valores esperados son:


E(y...) = 51u + 26p1 + 25p2 + 16g1 + 18g2 + 17g3
E(y1..) = 26u + 26p1 + 0p2 + 10g1 + 11g2 + 5g3
E(y2..) = 25u + 0p1 + 25p2 + 6g1 + 7g2 + 12g3
E(y.1.) = 16u + 10p1 + 6p2 + 16g1 + 0g2 + 0g3
E(y.2.) = 18u + 11p1 + 7p2 + 0g1 + 18g2 + 0g3

26 25 16 18 17 607

26 0 10 11 5 p1 354
0 25 6 7 12 p2 253

=
10 6 16 0 0 g1 180
11 7 0 18 0 g2 203


5 12 0 0 17 g3 224

E(y.3.) = 17u + 5p1 + 12p2 + 0g1 + 0g2 + 17g3

Estimabilidad

El rango de la matriz de X, o de XX, es 4,


debido a que existe dependencia lineal en la
matriz XX:

Estimabilidad

Las ecuaciones son consistentes porque la


dependencia entre filas de XX tambin existe
entre los elementos de Xy

Fila 2 + Fila 3 = Fila 1

i) 354 + 253 = 607

Fila 4 + Fila 5 + Fila 6 = Fila 1

ii) 180 + 203 + 224 = 607

Fila 2 + Fila 3 = Fila 4 + Fila 5 + Fila 6

iii) 354 + 253 = 180 + 203 + 224

Estimabilidad
Muchas inversas generalizadas pueden ser
calculadas, pudiendo tener la siguiente
estructura:

A
G=
0

1
11

La dimensin de la matriz A11, ser igual al


rango de la matriz XX, la que se restaurar
con elementos 0, para obtener una matriz de
dimensin inicial (r,c).

Ing. Jorge P. Caldern Velsquez

Estimabilidad

La matriz A11, de orden 4 x 4, ser formada


eliminando el valor de la media, y el efecto del
Corral 1, la cual sera:
25 6 7 12
6 16 0 0

A11 =
7 0 18 0

12 0 0 17

jcalderonv@lamolina.edu.pe

24

ZT7009 Indices de Seleccin

2006-II

Estimabilidad

Estimabilidad

Luego, invertimos la matriz A11, y formamos la


matriz generalizada G, siendo la siguiente:
0
0

0
G=
0
0

0
0
0
0
0
0

0
0
0
0

0
0
0
0

0.0865 0.0324 0.0336 0.0611

0.0324
0.0747
0.0126
0.0229
0.0336
0.0126
0.086
0.0238

0.0611
0.0229
0.0238
0.1019

Estimabilidad

0
0
1

0
0
1

0
0
0

0
0
0

1
1
1

0
0
0

1
0
0

0
1
0

0
0 p1
0 p2

0 g1
0 g2

1 g 3

Estimabilidad
Sin embargo:
8u + 3p1 +2p2 + g1 + 5g2 +4g3; no es una funcin estimable,
10u + 8p1 + 2p2 + g1 + 5g2 + 4g3; es una funcin estimable,
debido a que:
t = (10 8 2 1 5 4)
= kGXX
Entonces: tGXX = (GXX) GXX
= kG (XXGXX)
= kGXX = t

Ing. Jorge P. Caldern Velsquez

1 0

p 4.4615
b = GX ' y = 2 =

g1 12.9231
g 2 13.0128

g 3 16.3257

Estimabilidad

Cuales son las soluciones estimadas?,


Sabemos que E(b) = GXXb
0
p 0
1
p 0
E 2 =
g 1 1
g 2 1

g 3 1

Tenga presente que los elementos de la matriz


A11-1 debe ser localizado en la misma posicin
ocupado por los elementos de A11, las
soluciones son:

Supongamos que deseamos estimar la funcin


kb y esperamos conocer si es una funcin
estimable, verificando si se cumple la
siguiente relacin: kGXX = k; si:
k = (8 3 2 1 5 4)
entonces:
kGXX = (10 8 2 1 5 4) k

Estimabilidad
Usualmente, nos interesa ver las diferencias
entre los niveles de un factor, si decimos que:
k = (0 0 0 -1 1 0), entonces
kGXX = k , puede ser verificado, por tanto:
kb = g2 g1 = 13.0128 12.9231 = 0.0897
Una funcin estimable significa que usando
cualquier inversa generalizada de XX el
estimado de g2 g1 ser siempre 0.0897, para
este grupo de datos.

jcalderonv@lamolina.edu.pe

25

ZT7009 Indices de Seleccin

2006-II

Estimabilidad

Estimabilidad

La varianza de la funcin estimable es tambin


invariante para las inversas generalizadas.

Tomando otra sub matriz de la matriz principal


XX, del orden (4,4), rango de la matriz original:

V (Kb) = k V (b) k
= k G k 2e

26 0 10 11
0 25 6 7

A11 =
10 6 16 0

11 7 0 18

Para k = ( 0 0 0 -1 1 0 )
k G = ( 0 0 -0.0012 -0.0621 0.0560 0.0009 )
y

k G k 2e = (0.0560 +0.0621) = 0.1181 2e


= V (g1) + V (g2) 2 Cov (g1 , g2)
= (0.0747 + 0.0686 2 (0.0126)) 2e
= 0.1181 2e

Estimabilidad

Estimabilidad

Entonces, la inversa de la matriz reducida es:


0
0

0
*
G =
0
0

0
0
0
0
0.1019
0.0409 0.0790 0.0782
0.0409
0.0663 0.0504 0.0508
0.0790 0.0504
0.1308
0.0679
0.0782 0.0508
0.0679
0.1231
0

0
0
0

0
0

Bibliograf
Bibliografa.
Searle, S. R., 1966. Algebra matricial para las
Ciencias Biolgicas. Wiley, NY.
Searle, S. R. 1971. Modelos Lineales. Wiley. NY.
Harville, D. A. 1997. Algebra Matricial. Una
perspectiva estadstica. NY.

y:

* 0

p1 16.3257
*

11
.
8643
p
b* = *2 =

g1 3.4027
g * 3.3130
2
*

g 3 0

La funcin estimable ser la misma; es decir, la


diferencia entre g2 g1 = 0.0897

Bibliograf
Bibliografa.
Steel, G. D y J. H. Torrie. 1980. Principles and
Procedures of Statistics. A biometrical approach.
McGraw Hill Book Company. 2th. edition.
SAS. 2002. IML Procedures. SAS Institute Inc., Cary.
NC.

Schaeffer, L. R. 2002. Course Notes. Animal Science.


Guelp University.
Ostle, B. 1970. Estadstica Aplicada. Limusa.

Ing. Jorge P. Caldern Velsquez

jcalderonv@lamolina.edu.pe

26

Vous aimerez peut-être aussi