Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Seção 3 Álgebra Linear Métodos Quantitativos em Economia Prof. Gerson Lachtermacher Prof. Paulo Sérgio Coelho 1 Seção 3 Vetor Linha Vetor Coluna Matrizes especiais que contêm apenas uma linha ou apenas uma coluna são chamados de vetores: 2 1 2 : 1n b b B b n naaaA n 1 ...21 2 Seção 3 Soma de Vetores Subtração de Vetores A operação de soma de vetores requer que os vetores tenham a mesma dimensão. A operação é efetuados através da soma dos elementos correspondentes m x 12211 m x 1 21 m x 1 21 ;...;; ... ... mm m m bababa bbb aaa BA B A 3 Seção 3 Multiplicação Por Escalar Podemos também multiplicar um vetor por um número real, multiplicando cada elementos do vetor por este número. 2 x 12 x 1 4;222;1 AA 4 3 Seção 3 Produto Interno ou Produto Escalar Quando um vetor linha (1 x n), multiplica um vetor coluna (n x 1), o resultado é um escalar denominado Produto Interno. 1 : 2 1 nb b b B n n aaaA n 1 ...21 5 i n i i baWBA 1 Seção 3 Exemplo Se dispusermos as quantidades compradas de n produtos em um vetor linha E dispusermos os custos destes produtos em um vetor coluna Então o total gasto é expresso através do produto interno destes vetores: 6 1 2 ... nQ q q q 1 2 ... n c c C c 1 1 2 2 ... n nQ P q p p q p q 4 Seção 3 Multiplicação de Vetores Alternativamente, a multiplicação de dois vetores pode resultar em uma matriz quadrada: Quando um vetor coluna (n x 1), multiplica um vetor linha (1 x n), o resultado é uma Matriz (n x n). 1 : 2 1 nb b b B n n aaaA n 1 ...21 7 1 1 2 1 1 1 2 2 2 2 1 2 ... ... : : : : ... n n n n n n a b a b a b a b a b a b B A a b a b a b Seção 3 Exemplo 8 Dados Calcular: u.v v.u 3 2 1 1 u 0 2 3 1v e 0 6 9 3 0 4 6 2 . 0 2 3 1 0 2 3 1 u v . 2v u 5 Seção 3 Vetores Definições O vetor zero ou nulo é o vetor cujas componentes são iguais zero. Vetor negativo de um vetor é o vetor cujas componentes são simétricas as do vetor original. 3 x 1 2 x 1 0;0;000;00 e 2 x 1 2 x 1 1;21;2 AA e 9 Seção 3 Combinação Linear Dado um conjunto de vetores {v1;v2;...;vn} uma combinação linear entre eles é definida pela seguinte expressão: Sendo ki escalares (números reais) e vi vetores de mesma dimensão O resultado de uma combinação linear é um vetor da mesma dimensão que os vi 1 2 2 1 ... n n i i i k k k k 1 nv v v v 10 6 Seção 3 Combinação Linear exemplo Sejam e . Determinar as combinações lineares: 1. 2. 3. 11 1 2;7v 2 1;8v 1 2v v 1 2v v 1 23 2v v [2 1;7 8] 3;15 [2 1;7 8] 1; 1 [3 2 2 1;3 7 2 8] 4;5 Seção 3 Dependência Linear Dizemos que um conjunto de n vetores não nulos {v1; v2;...; vn} é linearmente dependente, se somente se, existem n escalares (números reais) {k1; k2;...; kn}, sendo pelo menos um diferente de zero, de tal forma que Isto equivale a dizer que pelo menos um dos n vetores pode ser escrito como uma combinação linear dos outros 0vvvv n1 n i iin kkkk 1 221 ... 12 7 Seção 3 Independência Linear Quando um conjunto de n vetores não nulos {v1; v2;...; vn} não é linearmente dependente ele é dito linearmente independente. Isto equivale a dizer que nenhum dos n vetores pode ser escrito como uma combinação linear dos outros 13 Seção 3 Dependência Linear exemplo 14 Sejam , e . Então, v1 e v2 v3 são linearmente dependentes: o que era fácil verificar pois no exemplo anterior, 1 2;7v 2 1;8v 1 2 33 2 0v v v 3 4;5v 3 1 23 2v v v 8 Seção 3 Posto de uma Matriz O Posto de uma matriz é igual ao número máximo de linhas (ou colunas) linearmente independentes. Teorema “O número máximo de linhas linearmente independentes de uma matriz será sempre igual ao número de colunas linearmente independentes” Seja uma matriz A de dimensão m x n então Se m > n então o posto não pode ser maior que n Se m < n então o posto não pode ser maior que m 15 Seção 3 Posto de uma Matriz como determinar? Determina-se o posto de uma matriz se obtivermos a sua forma escalonada, o que pode ser feito através das operações elementares: 1. Troca entre quaisquer duas linhas da matriz; 2. Multiplicação de uma linha por qualquer escalar; 3. Adição de qualquer múltiplo de qualquer linha a uma outra linha. Estas operações alteram a matriz original, mas a matriz resultado mantêm o posto da matriz original. 16 9 Seção 3 Escalonar uma matriz Exemplo 17 0 11 4 2 6 2 4 1 0 A Uma matriz escalonada deve ter o elemento a11 = 1. Então o primeiro passo é trocar a linha 1 com a linha 3 (operação elementar 1) 1 4 1 0 2 6 2 0 11 4 A L1 L3 L3 L1 Seção 3 Escalonar uma matriz Exemplo 18 Para obter a11 = 1, o segundo passo é dividir a (nova) linha 1 por 4 (operação elementar 2) 2 11 0 4 2 6 2 0 11 4 A L1 L1 / 4 1 4 1 0 2 6 2 0 11 4 A 10 Seção 3 Escalonar uma matriz Exemplo 19 Uma matriz escalonada deve ter a12 = 0. Então o terceiro passo é substituir a linha 2 pelo resultado da linha 2 menos 2 vezes a linha 1 (operação elementar 3) 3 11 0 4 220 2 4 0 11 4 A L2 L2 – 2L1 2 11 0 4 2 6 2 0 11 4 A Seção 3 Escalonar uma matriz Exemplo 20 Uma matriz escalonada deve ter a22 = 1. Então o quarto passo é dividir a nova linha 2 por 22/4 (operação elementar 2) 4 11 0 4 40 1 11 0 11 4 A L2 L2 / 22/4 3 11 0 4 220 2 4 0 11 4 A 11 Seção 3 Escalonar uma matriz Exemplo 21 Uma matriz escalonada deve ter a32 = 0. Então o quinto passo é substituir a linha 3 pelo resultado da linha 3 mais 11 vezes a linha 2 (operação elementar 3) 5 11 0 4 40 1 11 0 0 0 A L3 L3 + 11L2 4 11 0 4 40 1 11 0 11 4 A Esta é a forma escalonada da matriz A Seção 3 Forma Escalonada de uma Matriz Uma matriz está na forma escalonada se: Linhas não nulas (linhas que têm, no mínimo, um elemento não nulo) aparecem acima das linhas nulas; Em toda linha não nula o primeiro elemento não nulo é a unidade; O primeiro elemento não nulo (unidade) em qualquer linha deve aparecer à esquerda do primeiro elemento não nulo das linhas seguintes. O posto de uma matriz é a quantidade de linhas não nulas na sua forma escalonada. 22 12 Seção 3 Exemplo Determine o posto da matriz 23 7 6 3 3 0 1 2 1 8 0 0 8 M Seção 3 Exemplo solução 24 L1 L1 / 7 1 7 6 3 3 0 1 2 1 8 0 0 8 M 2 1 6 / 7 3 / 7 3 / 7 0 1 2 1 8 0 0 8 M 13 Seção 3 Exemplo solução 25 L3 L3 – 8L1 2 1 6 / 7 3 / 7 3 / 7 0 1 2 1 8 0 0 8 M 3 1 6 / 7 3 / 7 3 / 7 0 1 2 1 0 48 / 7 24 / 7 32 / 7 M Seção 3 Exemplo solução 26 L3 L3 + 48/7L2 3 1 6 / 7 3 / 7 3 / 7 0 1 2 1 0 48 / 7 24 / 7 32 / 7 M 4 1 6 / 7 3 / 7 3 / 7 0 1 2 1 0 0 72 / 7 80 / 7 M 14 Seção 3 Exemplo solução 27 L3 L3 /72/7 4 1 6 / 7 3 / 7 3 / 7 0 1 2 1 0 0 72 / 7 80 / 7 M 5 1 6 / 7 3 / 7 3 / 7 0 1 2 1 0 0 1 10 / 9M Logo, a matriz tem posto = 3 Seção 3 Determinante de uma Matriz O determinante é um escalar obtido dos elementos de uma matriz quadrada mediante operações matemáticas especificadas. 21122211 2212 2111 det aaaa aa aa A 28 15 Seção 3 Determinante de uma matriz exemplos 1. Qual o valor de 2. Qual o valor de x em 29 2 1 3 1 2 0 2 1 x x x 2 1 1 3 5 1 2 2 0x x x 2 3 2 0x x 1 ou 2x x Seção 3 113223331221132231312312133221332211 333231 232221 131211 det det aaaaaaaaaaaaaaaaaa aaa aaa aaa A A Determinante de uma Matriz 3x3 30 16 Seção 3 Determinante de uma Matriz 3x3 Método operacional 31 11 12 13 21 22 23 31 32 33 a a a a a a a a a 1 1 2 2 3 3 2 1 3 2 1 3 1 2 2 3 3 1 2 2 1 3 2 1 1 2 3 3 2 3 3 2 13 1 1d e t A a a a a a a a a a a a a a a a a a a 11 12 13 21 22 23 a a a a a a 11 22 33a a a 21 32 13a a a 31 12 23a a a 31 22 13a a a 21 12 33a a a 23 32 11a a a Seção 3 Determinante de uma Matriz 3x3 exemplo Qual o determinante de A? 32 2 1 5 3 2 1 3 4 1 A 2 1 5 3 2 1 3 4 1 2 1 5 3 2 1 4 60 3 67 -30 8 -3 -25 | | 67 ( 25) 67 25 92A 17 Seção 3 Determinante de uma Matriz 3x3 exemplo E o de B? 33 2 1 5 4 2 10 3 4 1 B 2 1 5 4 2 10 3 4 1 2 1 5 4 2 10 -4 80 30 106 30 80 -4 106 | | 106 106 0B Seção 3 Determinantes de ordem superior Para matrizes com ordens maior do que 3 não se deve utilizar o princípio anterior. A Expansão de Laplace funciona para qualquer tamanho de matriz; Também chamada de método dos cofatores 34 18 Seção 3 Cofator do Elemento de uma Matriz Seja a matriz (n-1) x (n-1) obtida eliminando-se a i-ésima linha e a j-ésima coluna de uma matriz Por exemplo, para determinar M11 Mij An n x 35 A a a a a a a a a a n n n n nn 11 12 1 21 22 2 1 2 ... ... : : : : ... 22 2 11 2 ... : : : ... n n nn a a M a a Seção 3 Cofator do Elemento de uma Matriz O cofator do elemento de uma matriz será dado por C Mij i j ij ( )1 36 19 Seção 3 Cofator exemplo Dado Qual é o cofator do elemento a11, C11? Qual é o cofator do elemento a12, C12? Qual é o cofator do elemento a13, C13? 37 2 1 5 3 2 1 3 4 1 A C11 = -2 C12 = -6 C13 = 18 C Mij i j ij ( )1 Seção 3 Determinantes Expansão de Laplace O determinante de uma matriz é dado pelo somatório do produto dos elementos de qualquer uma linha (ou qualquer uma coluna) pelos seus respectivos cofatores. Se o elemento for zero, não é necessário calcular o cofator! 38 20 Seção 3 Determinante de uma Matriz e Cofatores Expansão de Laplace Em termos da linha i A a C a M n x n ij j n ij ij j n i j ij 1 1 1( ) para uma linha i , sendo i =1,2,..,n onde n é o número de linhas da matriz 39 Seção 3 Determinante de uma Matriz 3x3 Expansão de Laplace (1ª linha) 40 333231 232221 131211 det aaa aaa aaa A 3231 2221 13 3331 2321 12 3332 2322 11det aa aa a aa aa a aa aa aA 21 Seção 3 Determinante de uma Matriz e Cofatores Expansão de Laplace Em termos da coluna j para uma coluna j , sendo j =1,2,..,n onde n é o número de colunas da matriz A a C a M n x n ij i n ij ij i n i j ij 1 1 1( ) 41 Seção 3 Exemplo Qual o determinante da matriz A? 42 2 1 5 1 3 2 1 0 3 4 1 0 0 1 0 2 A 190 Escolhendo a linha ou coluna com mais zeros... Entre a Linha 4 ou a Coluna 4, escolhemos arbitrariamente a Coluna 4 14 14 24 24 34 34 44 44A a C a C a C a C 24 34 3 2 1 2 1 5 1 1 3 4 1 0 0 2 3 2 1 0 1 0 3 4 1 C C 1 ( 1) 6 2 92 6 184 22 Seção 3 Exemplo Calcular o determinante de 𝐴 = 1 0 −1 3 0 −1 3 3 1 1 2 −1 0 3 0 1 2 0 0 0 0 0 −1 0 0 43 Seção 3 Determinante de uma Matriz Teorema O determinante de uma matriz triangular superior, de uma matriz triangular inferior ou de uma matriz diagonal é simplesmente o produto dos elementos da diagonal principal destas matrizes. Isto pode ser facilmente demonstrado a partir da Expansão de Laplace, já que todos elementos de uma determinada linha (1ª ou a última) são zeros com exceção do elemento da diagonal principal. 44 23 Seção 3 Exemplo Calcular o Determinante de 1 1 23 −1 0 4 521 0 0 2 45 Seção 3 Exemplo Calcular o Determinante de 46 5 0 0 0 0 0,01 2 0 0 0 1 1.335 2 0 0 77 513 3 4 1 0 415 0 1 0 2 111 A 24 Seção 3 Propriedades dos Determinantes |A|=|At|, o determinante de uma matriz é igual ao da sua transposta. Se duas linhas ou colunas de A têm suas posições trocadas, então o determinante da nova matriz formada é igual a -|A| Se todo elemento de uma linha ou coluna de uma matriz é igual a zero então o determinante desta matriz é igual a zero. O determinante do produto de duas matrizes é igual ao produto dos determinantes das duas matrizes, isto é, |AB|=|A||B|. 47 Seção 3 Propriedades dos Determinantes Se duas linhas ou colunas de uma matriz A forem idênticas, então |A|=0 Se uma linha ou coluna da matriz A for multiplicada por uma constante k, então o determinante da nova matriz formada é igual a k |A|. Se uma linha ou coluna de A é substituída por ela própria (ou um múltiplo dela) adicionada de um múltiplo de outra linha ou coluna de A, então o determinante da nova matriz é igual a |A|. Se as linhas ou colunas de uma matriz A forem linearmente dependentes, então |A|=0. 48 25 Seção 3 Exemplo O determinante da matriz A é igual a 190 Qual o determinante de 2 × 𝐴? 49 2 1 5 1 3 2 1 0 3 4 1 0 0 1 0 2 A Será 24 × 190 = 3.040 Seção 3 50 26 Seção 3 Exercício Calcular: Solução: Tomando a 4ª linha 51 2 1 5 1 3 2 1 0 3 4 1 2 1 1 0 2 d 41 42 43 441 1 0 2 1 24 1 20 0 2 92 24 20 184 140 d C C C C Seção 3 Exercício 52 4 1 41 1 5 1 ( 1) 2 1 0 1 ( 24) 24 4 1 2 C 4 2 42 2 5 1 ( 1) 3 1 0 1 ( 20) 20 3 1 2 C 4 4 44 2 1 5 ( 1) 3 2 1 1 92 92 3 4 1 C 27 Seção 3 Cálculo do Determinante Usando Excel 53 Seção 3 A matriz inversa A inversa de A pode não existir; Se existir: A multiplicação de uma matriz por sua inversa tem a propriedade de comutatividade. 54 1 1AA A A I 28 Seção 3 Propriedades das Inversas A inversa da inversa é a matriz original, [A-1]-1 = A O determinante da inversa de uma matriz é igual ao recíproco do determinante da matriz original |A-1|=1/|A| A inversa da transposta de uma matriz é igual à trans- posta da inversa da matriz [At ]-1= [A-1]t A inversa do produto de duas matrizes é igual ao pro- duto de suas inversas, [AB]-1 = B-1 A-1 55 Seção 3 Posto, Determinante e a Inversa Seja uma matriz quadrada An x n inversa comn de Posto singularnão é inversa semn de Posto singularé AAA AAA 0 0 56 29 Seção 3 Matriz Inversa procedimento de determinação Podemos determinar a inversa de uma matriz A de diversas maneiras diferentes: 1. Sistemas (ideal para matrizes de dimensão até 2) 2. Operações Elementares (mais simples) 3. Adjunta – método dos cofatores (mais eficiente) 57 Seção 3 Obtendo a inversa por sistema exemplo Seja A a matriz abaixo. Encontre A-1. Solução 58 7 1 1 5 A 1 a bA c d 1 7 1 1 0 1 5 0 1 a b AA I c d 7 1 5 0 a c a c 7 0 5 1 b d b d 1 5 1 34 341 7 34 34 A 5 1 , 34 34 a c 1 7 , 34 34 b d 30 Seção 3 Obtendo a inversa por operações elementares Se a sequencia de operações elementares que transforma uma matriz quadrada em uma matriz identidade for aplicada a uma matriz identidade, o resultado será a matriz inversa à matriz inicial. Exemplo: aplique o método de operações elementares para determinar a inversa de: 59 2 1 5 3 2 1 3 4 1 A 1 1 21 11 46 92 92 3 17 13 46 92 92 9 5 7 46 92 92 A Seção 3 60 2 1 5 1 0 0 3 2 1 0 1 0 3 4 1 0 0 1 𝐿1 ← 𝐿1 21 5 1 1 0 0 2 2 2 3 2 1 0 1 0 3 4 1 0 0 1 31 Seção 3 61 1 5 1 1 0 0 2 2 2 3 2 1 0 1 0 3 4 1 0 0 1 𝐿2 ← 𝐿2 + 𝐿3 1 5 1 1 0 0 2 2 2 0 6 2 0 1 1 3 4 1 0 0 1 Seção 3 62 1 5 1 1 0 0 2 2 2 0 6 2 0 1 1 3 4 1 0 0 1 1 5 1 1 0 0 2 2 2 0 6 2 0 1 1 5 17 3 0 0 1 2 2 2 𝐿3 ← 𝐿3 + 3 × 𝐿1 32 Seção 3 63 1 5 1 1 0 0 2 2 2 0 6 2 0 1 1 5 17 3 0 0 1 2 2 2 𝐿2 ← 𝐿2 6 1 5 1 1 0 0 2 2 2 1 1 1 0 1 0 3 6 6 5 17 3 0 0 1 2 2 2 Seção 3 64 1 5 1 1 0 0 2 2 2 1 1 1 0 1 0 3 6 6 5 17 3 0 0 1 2 2 2 𝐿1 ← 𝐿1 + 1 2 × 𝐿2 33 Seção 3 Solução 65 0 2 -1 5 1 0 0 3 2 1 0 1 0 -3 4 1 0 0 1 1 L1 <- L1/2 1 -0,5 2,5 0,5 0 0 3 2 1 0 1 0 -3 4 1 0 0 1 2 L2 <- L2 +L3 1 -0,5 2,5 0,5 0 0 0 6 2 0 1 1 -3 4 1 0 0 1 3 L3<- L3+3xL1 1 -0,5 2,5 0,5 0 0 0 6 2 0 1 1 0 2,5 8,5 1,5 0 1 4 L2<- L2/6 1 -0,5 2,5 0,5 0 0 0 1 1/3 0 1/6 1/6 0 2,5 8,5 1,5 0 1 5 L1<- L1 + 0,5xL2 1 0 16/6 0,5 1/12 1/12 0 1 1/3 0 1/6 1/6 0 2,5 8,5 1,5 0 1 6 L3<- L3 -2,5xL2 1 0 16/6 0,5 1/12 1/12 0 1 1/3 0 1/6 1/6 0 0 7,67 1,50 - 5/12 7/12 7 L3<- L3/(46/6) 1 0 2,666667 0,5 1/12 1/12 0 1 1/3 0 1/6 1/6 0 0 1 9/46 - 5/92 7/92 8 L1 <- L1 - (16/6)*L3 1 0 0 - 1/46 21/92 - 11/92 0 1 1/3 0 1/6 1/6 0 0 1 9/46 - 5/92 7/92 8 L2 <- L2 - (1/3)*L3 1 0 0 - 1/46 21/92 - 11/92 0 1 0 - 3/46 17/92 13/92 0 0 1 9/46 - 5/92 7/92 Seção 3 Matriz Adjunta A matriz adjunta de uma matriz A, adj(A), é a transposta da matriz de cofatores de A. 11 12 13 21 22 23 31 32 33 a a a a a a a a a A 66 (1 1) (1 2) (1 3)22 23 21 23 21 22 11 12 13 32 33 31 33 31 32 (2 1) (2 2) (2 3)12 13 11 13 11 12 21 22 23 32 33 31 33 31 32 (3 1) (3 2) (3 3)12 13 11 13 11 1 31 32 33 22 23 21 23 1 1 1 1 1 1 1 1 1 a a a a a a C C C a a a a a a a a a a a a C C C a a a a a a a a a a a a C C C a a a a 2 21 22a a 11 12 13 21 22 23 31 32 33 C C C C C C C C C C 11 21 31 12 22 32 13 23 33 ( ) t C C C adj C C C C C C C A 34 Seção 3 Matriz Adjunta Qual a matriz adjunta da matriz A? 67 2 1 5 3 2 1 3 4 1 A 2 21 11 ( ) 6 17 13 18 5 7 adj A Seção 3 Matriz Inversa Teorema Se uma matriz A tem inversa, então: A matriz adjunta de uma matriz A, adj(A), é a transposta da matriz de cofatores de A. 1 1 ( ) det adj A A A 68 35 Seção 3 Matriz Inversa Qual a inversa da matriz A? 69 2 1 5 3 2 1 3 4 1 A 1 1 21 11 46 92 922 21 11 1 3 17 13 6 17 13 92 46 92 92 18 5 7 9 5 7 46 92 92 A 2 1 5 det( ) 3 2 1 92 3 4 1 A 1 1 ( ) det adj A A A Seção 3 Matriz Inversa Verifique que A-1 x A = I 70 1 2 21 11 2 1 5 1 0 0 1 6 17 13 3 2 1 0 1 0 92 18 5 7 3 4 1 0 0 1 A A 36 Seção 3 Inversa de Matrizes Usando Excel 71 1. Posicione na célula G1 2. Marcar as células de G1:J4 3. Inserir a fórmula =MATRIZ.INVERSO(A1:D4) 4. Pressione F2 e, em seguida, pressione CTRL+SHIFT+ENTER Seção 3 Exercícios Calcular as inversas de: 72 1 2 1 3 A 1 1 2 0 1 1 1 0 0 B 1 1 2 2 0 1 1 1 0 0 0 1 1 0 1 0 C 1 0,6 0,4 0,2 0,2 A 1 0 0 1 1 2 1 1 1 1 B 1 1 1 1 1,5 1 1 2 0,5 1 1 1 0,5 0 0 1 0 C 37 Seção 3 Sistemas de Equações Lineares = 12 3 = 5 3 = 7 5 4 3 2 1 2 1 2 3 1 2 3 x x x x x x x x 5 4 0 - 3 1 3 - 2 3 1 12 5 7 x x x 1 2 3 Forma Matricial Forma Algébrica 73 Ax d Seção 3 Solução – cálculo dos cofatores 74 1 1 11 1 3 1 1 8 8 3 1 C 1 2 12 3 3 1 1 3 3 2 1 C 1 3 13 3 1 1 1 7 7 2 3 C 2 1 21 4 0 1 1 4 4 3 1 C 2 2 22 5 0 1 1 5 5 2 1 C 2 3 23 5 4 1 1 23 23 2 3 C 3 1 31 4 0 1 1 12 12 1 3 C 3 2 32 5 0 1 1 15 15 3 3 C 3 3 33 5 4 1 1 17 17 3 1 C 38 Seção 3 1 2 1 3 13 13 138 4 12 1 1 3 5 15 ( ) 3 5 15 det( ) 52 52 52 52 7 23 17 7 23 17 52 52 52 A Adj A A Solução – cálculo da Matriz Inversa 75 8 3 7 4 5 23 12 15 17 M 8 4 12 3 5 15 7 23 17 Adj 11 12 5 4 0 det( ) -3 1 3 5 4 5 8 4 3 52 -2 3 1 A C C Seção 3 Sistemas de Equações Lineares 5 4 0 - 3 1 3 - 2 3 1 12 5 7 x x x 1 2 3 76 Ax d 1x A d 1 2 3 2 1 3 8 13 13 13 1312 3 5 15 29 5 52 52 52 13 7 7 23 17 20 52 52 52 13 x x x 39 Seção 3 Resolvendo sistemas Resolver o sistema: 77 1 2 3 1 2 3 1 2 3 2 5 15 3 2 10 3 4 8 x x x x x x x x x 1Ax d x A d 1 1 2 2 3 3 2 1 5 15 2 21 11 15 1 3 2 1 10 6 17 13 10 92 3 4 1 8 18 5 7 8 x x x x x x Seção 3 Sistemas de Equações Lineares Solução As soluções por matrizes só podem ser aplicadas quando o sistema tem a mesma quantidade de equações e de variáveis. Regra elementar Regra de Cramer Nem sempre é a mais eficiente 78 1A x d x A d 40 Seção 3 Solução de Sistemas de Equações Lineares Regra de Cramer O valor de cada variável xi é dado por onde 79 i i A x A 11 1 1 21 2 2 1 ... ... ... ... ... ... ... ... ... ... ... n n i m n nn a d a a d a A a d a Seção 3 Exemplo Use o método de Cramer para obter a solução de: 80 1 2 1 2 3 1 2 3 5 4 = 12 3 3 = 5 2 3 = 7 x x x x x x x x 41 Seção 3 Regra de Cramer Exemplo – Solução Temos 81 5 4 0 -3 1 3 -2 3 1 A 1 12 4 0 5 1 3 7 3 1 A 2 5 12 0 -3 5 3 -2 7 1 A 3 5 4 12 -3 1 5 -2 3 7 A 52A 1 32A 2 116A 3 80A 1 1 32 8 52 13 A x A 2 2 116 29 52 13 A x A 3 3 80 20 52 13 A x A Seção 3 Exercício Resolver o sistema 82 1 2 3 1 2 3 1 2 3 = 6 2 3 4 x x x x x x x x x 1 1 1 A= 1 1 1 1 3 1 1 6 1 1 2 1 1 4 3 1 A 2 1 6 1 1 2 1 1 4 1 A 3 1 1 6 1 1 2 1 3 4 A 1 1 4 1 4 A x A 2 2 8 2 4 A x A 3 3 12 3 4 A x A 42 Seção 3 Solução de Sistemas de Equações Lineares Limitação da Solução Matricial Se a matriz de coeficientes tiver determinante igual a zero a Solução Matricial (tanto a Regra de Cramer quanto a Regra Elementar) não pode ser usada A matriz de Coeficientes é singular quando uma das linhas for combinação linear das outras Equações dependentes: a constante tem valor equivalente à combinação das linhas Equações inconsistentes: a constante tem valor diferente da combinação das linhas 83 Seção 3 Limitação da Solução Matricial Equações Dependentes Seja o seguinte sistema, onde a primeira equação é igual a soma das outras duas: 84 1 2 3 1 2 2 3 3 =12 2 = 5 = 7 x x x x x x x 1 3 1 1 2 0 0 1 1 A 0A 43 Seção 3 Limitação da Solução Matricial Equações Dependentes Resolvendo por substituição, percebemos que as soluções são múltiplas: 85 1 25 2x x 3 2 7x x 1 2 3 1 2 2 3 3 =12 2 = 5 = 7 x x x x x x x 2 2 25 2 3 7 12 12 12x x x Seção 3 Limitação da Solução Matricial Equações Inconsistentes Seja o seguinte sistema, onde a primeira equação é igual a soma das outras duas, exceto o termo independente: 86 1 2 3 1 2 2 3 3 =10 2 = 5 = 7 x x x x x x x 1 3 1 1 2 0 0 1 1 A 0A 44 Seção 3 Limitação da Solução Matricial Equações Inconsistentes Resolvendo por substituição, percebemos que não há solução possível: 87 1 25 2x x 3 2 7x x 1 2 3 1 2 2 3 3 =10 2 = 5 = 7 x x x x x x x 2 2 25 2 3 7 12 12 10x x x Seção 3 Sistemas de Equações Homogêneas Um sistema de equações representado por matrizes na forma ao lado é denominado de sistema de equações homogêneas. Se A é não singular então o sistema só admite a solução trivial como resposta ( x=[0] ). 0 : 0 0 0 : .. :.:::: .. .. .. 0 3 2 1 321 3333231 2232221 1131211 nnnnnn n n n x x x x aaaa aaaa aaaa aaaa ou Ax 88 45 Seção 3 Sistemas de Equações Homogêneas Exemplo Resolver o sistema: Como então a matriz A é não singular e, logo, existe A-1 Assim, 89 1 2 1 2 3 1 2 3 5 4 = 0 3 3 = 0 2 3 = 0 x x x x x x x x 5 4 0 -3 1 3 -2 3 1 A 52A 1 1x A d A 0 0 Seção 3 Sistemas de Equações Homogêneas Exemplo (cont.) Se fossemos resolver por Cramer, teríamos pois como , então as matrizes terão uma coluna toda igual a zero. Assim, 90 1 2 3 0A A A d 0 1 1 2 2 3 3 0 0 52 0 0 52 0 0 52 A x A A x A A x A 46 Seção 3 Sistemas de Equações Homogêneas (cont.) Se no sistema homogêneo A for singular, então o sistema admitirá múltiplas soluções, incluindo a solução trivial Exemplo: temos: 91 0Ax 1 2 3 1 2 2 3 3 =0 2 = 0 = 0 x x x x x x x 1 22x x 3 2x x 2 2 22 3 0 0 0x x x 1 3 1 1 2 0 0 1 1 A 0A Seção 3 Sistemas de Equações Lineares Tipos de soluções Vetor d Determinante |A| d ≠ 0 (sistema não homogêneo) d = 0 (sistema homogêneo) |A| ≠ 0 (matriz invertível) Existe uma única solução não trivial x* ≠ 0 Existe uma única solução trivial x* = 0 |A| = 0 (matriz singular) Equações dependentes Existe um número infinito de soluções (não incluindo a trivial) Existe um número infinito de soluções (incluindo a trivial) |A| = 0 (matriz singular) Equações inconsistentes Não existe solução Não ocorre nunca. 92 47 Seção 3 Modelo de Mercado com Duas Mercadorias Considere um modelo de equilíbrio em um mercado com dois produtos que se relacionam entre si, e que tenham funções de oferta e demanda lineares. 1 1 1 1 0 1 1 2 2 1 1 1 1 0 1 1 2 2 1 1 d s d s Q a a P a P Q b b P b P Q Q 93 2 2 2 2 0 1 1 2 2 2 2 2 2 0 1 1 2 2 2 2 d s d s Q a a P a P Q b b P b P Q Q Seção 3 Modelo de Mercado com Duas Mercadorias 1 1 1 1 1 1 1 1 0 1 1 2 2 0 1 1 2 2d sQ Q a a P a P b b P b P 94 1 1 1 1 1 1 0 0 1 1 1 2 2 2( ) ( ) ( ) 0a b a b P a b P ou 1 1 2 2 0c P c P c 2 2 2 2 2 2 2 2 0 1 1 2 2 0 1 1 2 2d sQ Q a a P a P b b P b P 2 2 2 2 2 2 0 0 1 1 1 2 2 2( ) ( ) ( ) 0a b a b P a b P ou 1 1 2 2 0P P 48 Seção 3 Modelo de Mercado com Duas Mercadorias Solução por substituição Resolver, por substituição: Passo 1: isolando P1 na primeira equação 95 1 1 2 2 0 1 1 2 2 0 c P c P c P P 0 2 2 0 2 2 1 1 2 2 0 1 1 1 c c P c c P c P c P c P c c Seção 3 Modelo de Mercado com Duas Mercadorias Solução por substituição (cont.) Passo 2: substituindo o valor de P1 na segunda equação 96 0 2 2 1 1 2 2 0 1 2 2 0 1 c c P P P P c 0 12 1 2 2 0 1 1 cc P c c 0 1 1 01 2 2 1 2 1 1 c cc c P c c 0 1 1 0 2 1 2 2 1 c c P c c 49 Seção 3 Modelo de Mercado com Duas Mercadorias Solução por substituição (cont.) Passo 3: substituindo o valor de P2 na expressão de P1 97 0 2 2 1 1 c c P P c 0 1 2 2 1 2 0 1 1 0 1 1 1 2 2 1 c c c c c c P c c c 0 1 2 0 2 1 0 2 1 1 2 0 1 1 2 2 1 c c c c c c c c c c c 1 2 0 0 2 1 1 1 2 2 1 c c c P c c c 2 0 0 2 1 1 2 2 1 c c P c c 0 1 1 0 0 2 1 2 2 1 1 1 c c c c c c P c Seção 3 Modelo de Mercado com Duas Mercadorias Solução por inversão Resolver, por inversão: Invertendo por operações elementares: Passo 1: 98 1 1 2 2 0 1 1 2 2 0 c P c P c P P 01 2 1 01 2 2 , , , cc c P Ax d A x d P 1 2 1 2 1 0 0 1 c c 2 1 1 1 2 1 1 0 0 1 c c c 1 1 1 L L c 1 1: 0R c 50 Seção 3 Modelo de Mercado com Duas Mercadorias Solução por inversão Passo 2 Passo 3 99 2 2 1 1L L L 2 1 1 1 2 1 1 0 0 1 c c c 2 1 1 2 1 2 1 1 1 1 1 0 0 1 c c c c c c 1 2 2 1 2 2 1 c L L c c 2 1 1 1 2 2 1 1 1 1 1 1 0 0 1 c c c c c c c 2 1 1 1 1 1 2 2 2 1 2 2 1 1 1 0 0 1 c c c c c c c c Seção 3 Modelo de Mercado com Duas Mercadorias Solução por inversão Passo 4 100 2 1 1 2 1 c L L L c 2 1 1 1 1 1 2 2 2 1 2 2 1 1 1 1 2 2 2 1 2 2 1 1 1 0 0 1 c c c c c c c c c c c c c 2 1 1 1 1 1 2 2 2 1 2 2 1 1 1 0 0 1 c c c c c c c c 51 Seção 3 Modelo de Mercado com Duas Mercadorias Solução por inversão 101 Sabemos que 2 1 1 01 1 1 1 2 2 2 1 2 2 1 02 1 1 1 2 2 2 1 2 2 1 1 c c cP c c c c c c P c c c c c Logo, Seção 3 Modelo de Mercado com Duas Mercadorias Ou pela regra de cramer 01 2 1 01 2 2 0 2 1 0 0 2 1 02 0 0 2 0 1 1 0 1 2 1 2 2 1 1 2 2 11 2 1 2 1 2 1 2 cc c P P c c c c c c c c Pe P c c c cc c c c 102 52 Seção 3 Equilíbrio na Análise da Renda Nacional O modelo Keynesiano da Renda Nacional é dado por onde Y – Renda Nacional (endógena) C – Consumo (endógena) I0 – Investimentos (exógena) G0- Gastos Governamentais (exógena) bYaC GICY 00 103 Seção 3 Equilíbrio na Análise da Renda Nacional Encontrando o equilíbrio por substituição 0 0 0 0 Y C I G C a bY C a b C I G 104 0 0 1 a bI bG C b Substituindo a expressão de Y como está na primeira equação na segunda... 0 0 0 0 0 0 1 a bI bG Y C I G Y I G b Substituindo a expressão de C na primeira equação... 0 0 1 a I G Y b 53 Seção 3 Equilíbrio na Análise da Renda Nacional Resolvendo por Cramer 0 0 0 0 Y C I G Y C I G C a bY bY C a 105 0 01 1 1 Y I G b C a Reescrevendo o sistema de forma que as variáveis endógenas fiquem isoladas no primeiro membro... Forma matricial... 0 0 1 1 1 1 1 I G a Y b 0 01 1 1 1 I G b a C b Resolvendo... 0 0 1 I G a b 0 0 1 a b I G b Seção 3 Equilíbrio na Análise da Renda Nacional Resolvendo pela Matriz Inversa 1 0 0 0 01 1 1 1 1 1 Y I G Y I G b C a C b a 106 Calculando a inversa por cofatores 1 1 11 1 1 1C 1 1 1 ( ) det det t adj C A A A A ( 1)i jij ijC M 1 2 12 1C b b 2 1 21 1 1 1C 2 2 22 1 1 1C 1 1 1 b C 1 1 1 1 11 1 1 1 11 1 1 b b A b bb b b 54 Seção 3 Equilíbrio na Análise da Renda Nacional 0 0 1 1 1 1 1 1 1 Y I Gb b C b a b b 107 0 0 0 0 1 1 1 1 I G a b b b I G a b b 0 0 0 0 1 1 I G a b b I G a b Seção 3 Modelos de Insumo-produto de Leontief Que nível de produto cada uma das n indústrias de uma economia deve produzir, de modo que seja exatamente suficiente para satisfazer a demanda total por aquele produto? O produto de cada indústria é insumo nas demais (e até nela mesma!) e depende dos produtos das demais como insumo para si mesma. 108 55 Seção 3 Modelo de Insumo Produto premissas 1. Cada indústria produz apenas somente uma mercadoria homogênea; 2. Cada indústria utiliza uma razão fixa de insumos para a produção de seu produto 3. A produção de cada uma das indústrias está sujeita retornos constantes de escala 109 Seção 3 Modelo de Insumo Produto estrutura Para produzir cada unidade da j-ésima mercadoria, são requeridas: a1j unidades da mercadoria 1, a2j unidades da mercadoria 2, ... anj unidades da mercadoria n. Unidades monetárias: a32 = 0,35 quer dizer que são necessários 35 centavos de produtos 3 para produzir 1 dólar de produtos 2. 110 56 Seção 3 O Modelo Aberto É importante considerar a demanda final (que não é de produção) e de insumos primários (não industriais, como mão de obra). 111 11 12 13 1 21 22 23 2 31 32 33 3 1 2 3 Produto Insumo I II III ... I ... II ... III ... ... n n n n n n nn N a a a a a a a a a a a a N a a a a Seção 3 Insumos Primários Se existem insumos que não estão na matriz A, então a soma dos elementos de sua coluna deve ser e, como o valor do produto ($1) deve ser totalmente absorvido pelos fatores de produção, então os custos dos insumos primários totalizam: 112 1 1 n ij i a 0 1 1 n j ij i a a 57 Seção 3 Nível de produção Se a indústria I fabricar exatamente o suficiente para as n indústrias e para a demanda do setor aberto, então: que pode ser reescrita como: 113 1 11 1 12 2 1 1... n nx a x a x a x d 11 1 12 2 1 11 ... n na x a x a x d Seção 3 A matriz de Leontief Aplicando para todos os produtos, em notação matricial, temos: E assim, 114 11 12 1 1 1 21 22 2 2 2 1 2 1 ... 1 ... ... 1 n n n n nn n n a a a x d a a a x d a a a x d 1 x I A d I A x d 58 Seção 3 Exemplo Somente três indústrias na economia: Sistema de insumo produto: 115 0,2 0,3 0,2 0,4 0,1 0,2 0,1 0,3 0,2 A insumos primários 01 1 1 1 0,3 n i i a a 02 2 1 1 0,3 n i i a a 03 3 1 1 0,4 n i i a a 1 1 2 2 3 3 0,8 0,3 0,2 0,4 0,9 0,2 0,1 0,3 0,8 x d x d x d I A x d Seção 3 Exemplo (cont.) Dada uma economia onde a matriz de Leontief é Quanto deve ser produzido pelas indústrias 1, 2 e 3 de forma a atender uma demanda de 10, 5 e 6 de cada um de seus produtos, respectivamente? E se a demanda for de 11, 5 e 3,5? 116 0,2 0,3 0,2 0,4 0,1 0,2 0,1 0,3 0,2 A 59 Seção 3 Exemplo (cont.) Invertendo a matriz (I – A) temos a solução Se a demanda final for de 10, 5 e 6 bilhões de dólares, respectivamente, como fica a solução? 117 1 x I A d 1 1 2 2 3 3 0,66 0,30 0,24 1 0,34 0,62 0,24 0,384 0,21 0,27 0,60 x d x d x d 1 2 3 24,84 20,68 18,36 x x x Seção 3 Exemplo (cont.) Invertendo a matriz (I – A) temos a solução Se a demanda final for de 11, 5 e 3,5 bilhões de dólares, respectivamente, como fica a solução? 118 1 x I A d 1 1 2 2 3 3 0,66 0,30 0,24 1 0,34 0,62 0,24 0,384 0,21 0,27 0,60 x d x d x d 𝑥1 𝑥2 𝑥3 = 25 20 15 60 Seção 3 Exemplo (cont.) Qual o total de insumo primário necessário? Qual o nível de esforço para obter uma nova solução se houver uma alteração na demanda final? 119 0 1 n j j j a x 0,3 24,84 0,3 20,68 0,4 18,36 21 Seção 3 A existência de soluções não negativas Condição de Hawkins e Simons: Dados: a. Uma matriz nxn B, com bij ≤ 0 (i ≠ j) e b. Um vetor nx1, d ≥ 0, Existe um vetor nx1 x* ≥ 0, tal que Bx* = d, se e somente se |Bm| > 0 (m = 1, 2, ..., n) 120 11 12 13 21 22 23 31 32 33 b b b B b b b b b b 11 12 13 3 21 22 23 31 32 33 b b b B b b b b b b 11 12 2 21 22 b b B b b 1 11B b 61 Seção 3 Significado Econômico para a Condição de Hawkins-Simon Para o caso de duas indústrias 121 11 12 21 22 1 1 a a B I A a a 1 0B 11 111 0 1a a 2 0B 11 22 12 21 11 12 21 11 22 1 1 0 1 1 a a a a a a a a a Como e111 0a 22 0a Então 11 12 21 1a a a Seção 3 Modelo fechado Se incluirmos os insumos primários e as demandas finais como sendo uma indústria nova (índice 0), o modelo se tornará um modelo fechado: 122 000 01 02 03 110 11 12 13 220 21 22 23 330 31 32 33 1 0 1 0 1 0 1 0 xa a a a xa a a a xa a a a xa a a a 0 1 1 n j ij i a a Como , temos |B| = 0, e o sistema admite infinitas soluções, sem incluir a trivial.
Compartilhar