Baixe o app para aproveitar ainda mais
Prévia do material em texto
Álgebra Linear I Matrizes - parte II Prof. Hugo Nunes Matemática Licenciatura Instituto Federal de Alagoas Campus Maceió 2019 1/71 Sumário 1 Matrizes O produto de uma matriz por um vetor em termos de colunas Propriedades de matrizes Matriz Inversa 2 Aplicações Modelos econômicos de Leontief Grafos 2/71 Matrizes 3/71 O produto de uma matriz por um vetor em termos de colunas 3/71 Seja Am×n = a11 a12 · · · a1n a21 a22 · · · a2n ... ... · · · ... am1 am2 · · · amn e cn×1 = c1 c2 ... cn Como A é uma matriz m × n e c é uma matriz n × 1, a matriz produto Ac é a matriz m × 1. Ac = a11 a12 · · · a1n a21 a22 · · · a2n ... ... · · · ... am1 am2 · · · amn c1 c2 ... cn = linha1(A) · c linha2(A) · c ... linham(A) · c = a11c1 + a12c2 + · · ·+ a1ncn a21c1 + a22c2 + · · ·+ a2ncn ... an1c1 + an2c2 + · · ·+ amncn 3/71 Seja Am×n = a11 a12 · · · a1n a21 a22 · · · a2n ... ... · · · ... am1 am2 · · · amn e cn×1 = c1 c2 ... cn Como A é uma matriz m × n e c é uma matriz n × 1, a matriz produto Ac é a matriz m × 1. Ac = a11 a12 · · · a1n a21 a22 · · · a2n ... ... · · · ... am1 am2 · · · amn c1 c2 ... cn = linha1(A) · c linha2(A) · c ... linham(A) · c = a11c1 + a12c2 + · · ·+ a1ncn a21c1 + a22c2 + · · ·+ a2ncn ... an1c1 + an2c2 + · · ·+ amncn 3/71 Seja Am×n = a11 a12 · · · a1n a21 a22 · · · a2n ... ... · · · ... am1 am2 · · · amn e cn×1 = c1 c2 ... cn Como A é uma matriz m × n e c é uma matriz n × 1, a matriz produto Ac é a matriz m × 1. Ac = a11 a12 · · · a1n a21 a22 · · · a2n ... ... · · · ... am1 am2 · · · amn c1 c2 ... cn = linha1(A) · c linha2(A) · c ... linham(A) · c = a11c1 + a12c2 + · · ·+ a1ncn a21c1 + a22c2 + · · ·+ a2ncn ... an1c1 + an2c2 + · · ·+ amncn 3/71 Podemos escrever: a11c1 + a12c2 + · · ·+ a1ncn a21c1 + a22c2 + · · ·+ a2ncn ... an1c1 + an2c2 + · · ·+ amncn Como: c1 a11 a21 ... am1 + c2 a12 a22 ... am2 + · · ·+ cn a1n a2n ... amn Que é: c1col1(A) + c2col2(A) + · · ·+ cncoln(A) 4/71 Podemos escrever: a11c1 + a12c2 + · · ·+ a1ncn a21c1 + a22c2 + · · ·+ a2ncn ... an1c1 + an2c2 + · · ·+ amncn Como: c1 a11 a21 ... am1 + c2 a12 a22 ... am2 + · · ·+ cn a1n a2n ... amn Que é: c1col1(A) + c2col2(A) + · · ·+ cncoln(A) 4/71 Exemplo Sejam A = [ 2 −1 −3 4 2 −2 ] e c = 2−3 4 Então, o produto Ac é escrito como: 2 [ 2 4 ] − 3 [ −1 2 ] + 4 [ −3 −2 ] = [ −5 −6 ] 5/71 Exemplo Sejam A = [ 2 −1 −3 4 2 −2 ] e c = 2−3 4 Então, o produto Ac é escrito como: 2 [ 2 4 ] − 3 [ −1 2 ] + 4 [ −3 −2 ] = [ −5 −6 ] 5/71 Exemplo Sejam as matrizes A = 1 23 4 −1 5 e B = [−2 3 4 3 2 1 ] Temos: col1(AB) = −2 13 −1 + 3 24 5 = 46 17 col2(AB) = 3 13 −1 + 2 24 5 = 717 7 col3(AB) = 4 13 −1 + 1 24 5 = 616 1 6/71 Exemplo Sejam as matrizes A = 1 23 4 −1 5 e B = [−2 3 4 3 2 1 ] Temos: col1(AB) = −2 13 −1 + 3 24 5 = 46 17 col2(AB) = 3 13 −1 + 2 24 5 = 717 7 col3(AB) = 4 13 −1 + 1 24 5 = 616 1 6/71 Exemplo Sejam as matrizes A = 1 23 4 −1 5 e B = [−2 3 4 3 2 1 ] Temos: col1(AB) = −2 13 −1 + 3 24 5 = 46 17 col2(AB) = 3 13 −1 + 2 24 5 = 717 7 col3(AB) = 4 13 −1 + 1 24 5 = 616 1 6/71 Exemplo Sejam as matrizes A = 1 23 4 −1 5 e B = [−2 3 4 3 2 1 ] Temos: col1(AB) = −2 13 −1 + 3 24 5 = 46 17 col2(AB) = 3 13 −1 + 2 24 5 = 717 7 col3(AB) = 4 13 −1 + 1 24 5 = 616 1 6/71 Exemplo (continuação) Assim, o produto AB é: 1 23 4 −1 5 [−2 3 4 3 2 1 ] = 4 7 66 17 16 17 7 1 7/71 Definição (Potências de matrizes) Seja A uma matriz quadrada de ordem n. As potências de A são definidas como segue: A2 = AA, A3 = A2A, An+1 = AnA e A0 = I Exemplo Dada a matriz A = [ 1 2 1 3 ] Temos A3 = [ 1 2 1 3 ] [ 1 2 1 3 ] [ 1 2 1 3 ] = [ 11 −30 −15 11 ] 8/71 Definição (Potências de matrizes) Seja A uma matriz quadrada de ordem n. As potências de A são definidas como segue: A2 = AA, A3 = A2A, An+1 = AnA e A0 = I Exemplo Dada a matriz A = [ 1 2 1 3 ] Temos A3 = [ 1 2 1 3 ] [ 1 2 1 3 ] [ 1 2 1 3 ] = [ 11 −30 −15 11 ] 8/71 Definição (Potências de matrizes) Seja A uma matriz quadrada de ordem n. As potências de A são definidas como segue: A2 = AA, A3 = A2A, An+1 = AnA e A0 = I Exemplo Dada a matriz A = [ 1 2 1 3 ] Temos A3 = [ 1 2 1 3 ] [ 1 2 1 3 ] [ 1 2 1 3 ] = [ 11 −30 −15 11 ] 8/71 Aplicação Exemplo Em uma determinada cidade, 30% das mulheres casadas se divorciam e 20% das mulheres solteiras se casam por ano. Existem 8000 mulheres casadas e 2000 mulheres solteiras. Supondo que a população total de mulheres perma- nece constante, quantas mulheres estarão casadas e quantas estarão solteiras depois de 1 ano? E depois de 2 anos? Solução. Formamos uma matriz A de maneira que os elementos na primeira coluna de A são os percentuais das mulheres casadas e solteiras, respectivamente, que estão casadas 1 ano depois. Então: A = [ 0, 70 0, 20 0, 30 0, 80 ] 9/71 Aplicação Exemplo Em uma determinada cidade, 30% das mulheres casadas se divorciam e 20% das mulheres solteiras se casam por ano. Existem 8000 mulheres casadas e 2000 mulheres solteiras. Supondo que a população total de mulheres perma- nece constante, quantas mulheres estarão casadas e quantas estarão solteiras depois de 1 ano? E depois de 2 anos? Solução. Formamos uma matriz A de maneira que os elementos na primeira coluna de A são os percentuais das mulheres casadas e solteiras, respectivamente, que estão casadas 1 ano depois. Então: A = [ 0, 70 0, 20 0, 30 0, 80 ] 9/71 Aplicação Exemplo Em uma determinada cidade, 30% das mulheres casadas se divorciam e 20% das mulheres solteiras se casam por ano. Existem 8000 mulheres casadas e 2000 mulheres solteiras. Supondo que a população total de mulheres perma- nece constante, quantas mulheres estarão casadas e quantas estarão solteiras depois de 1 ano? E depois de 2 anos? Solução. Formamos uma matriz A de maneira que os elementos na primeira coluna de A são os percentuais das mulheres casadas e solteiras, respectivamente, que estão casadas 1 ano depois. Então: A = [ 0, 70 0, 20 0, 30 0, 80 ] 9/71 continuação. Se X = [ 8000 2000 ] o número de mulheres casadas e solteiras depois de 1 ano pode ser obtido multiplicando-se A por X . AX = [ 0, 70 0, 20 0, 30 0, 80 ] [ 8000 2000 ] = [ 6000 4000 ] Depois de 1 ano, 6000 mulheres estarão casadas e 4000 estarão solteiras. Para encontrar o número de mulheres casadas e solteiras depois de 2 anos, calcule: A2X = A(AX ) [ 0, 70 0, 20 0, 30 0, 80 ] [ 6000 4000 ] = [ 5000 5000 ] Depois de 2 anos metade das mulheres estará casada e metade estará solteira. 10/71 continuação. Se X = [ 8000 2000 ] o número de mulheres casadas e solteiras depois de 1 ano pode ser obtido multiplicando-se A por X . AX = [ 0, 70 0, 20 0, 30 0, 80 ] [ 8000 2000 ] = [ 6000 4000 ] Depois de 1 ano, 6000 mulheres estarão casadas e 4000 estarão solteiras. Para encontrar o número de mulheres casadas e solteiras depois de 2 anos, calcule: A2X = A(AX ) [ 0, 70 0, 20 0, 30 0, 80 ] [ 6000 4000 ] = [ 5000 5000 ] Depois de 2 anos metade das mulheres estará casada e metade estará solteira. 10/71 continuação. Se X = [ 8000 2000 ] o número de mulheres casadas e solteiras depois de 1 ano pode ser obtido multiplicando-se A por X . AX = [ 0, 70 0, 20 0, 30 0, 80 ] [ 8000 2000 ] = [ 6000 4000 ] Depoisde 1 ano, 6000 mulheres estarão casadas e 4000 estarão solteiras. Para encontrar o número de mulheres casadas e solteiras depois de 2 anos, calcule: A2X = A(AX ) [ 0, 70 0, 20 0, 30 0, 80 ] [ 6000 4000 ] = [ 5000 5000 ] Depois de 2 anos metade das mulheres estará casada e metade estará solteira. 10/71 continuação. Se X = [ 8000 2000 ] o número de mulheres casadas e solteiras depois de 1 ano pode ser obtido multiplicando-se A por X . AX = [ 0, 70 0, 20 0, 30 0, 80 ] [ 8000 2000 ] = [ 6000 4000 ] Depois de 1 ano, 6000 mulheres estarão casadas e 4000 estarão solteiras. Para encontrar o número de mulheres casadas e solteiras depois de 2 anos, calcule: A2X = A(AX ) [ 0, 70 0, 20 0, 30 0, 80 ] [ 6000 4000 ] = [ 5000 5000 ] Depois de 2 anos metade das mulheres estará casada e metade estará solteira. 10/71 continuação. Se X = [ 8000 2000 ] o número de mulheres casadas e solteiras depois de 1 ano pode ser obtido multiplicando-se A por X . AX = [ 0, 70 0, 20 0, 30 0, 80 ] [ 8000 2000 ] = [ 6000 4000 ] Depois de 1 ano, 6000 mulheres estarão casadas e 4000 estarão solteiras. Para encontrar o número de mulheres casadas e solteiras depois de 2 anos, calcule: A2X = A(AX ) [ 0, 70 0, 20 0, 30 0, 80 ] [ 6000 4000 ] = [ 5000 5000 ] Depois de 2 anos metade das mulheres estará casada e metade estará solteira. 10/71 Definição (Polinômios matriciais) Se A for uma matriz quadrada, digamos n × n, e se p(x ) = a0 + a1x + a2x 2 + · · ·+ amxm é um polinômio qualquer, então definimos a matriz p(A) de tamanho n × n por p(A) = a0I + a1A+ a2A 2 + · · ·+ amAm em que I é a matriz identidade n × n. Ou seja, p(A) é a matriz obtida substituindo x por A e o termo constante a0 pela matriz a0I . Essa expressão é denominada polinômio matricial em A. 11/71 Definição (Polinômios matriciais) Se A for uma matriz quadrada, digamos n × n, e se p(x ) = a0 + a1x + a2x 2 + · · ·+ amxm é um polinômio qualquer, então definimos a matriz p(A) de tamanho n × n por p(A) = a0I + a1A+ a2A 2 + · · ·+ amAm em que I é a matriz identidade n × n. Ou seja, p(A) é a matriz obtida substituindo x por A e o termo constante a0 pela matriz a0I . Essa expressão é denominada polinômio matricial em A. 11/71 Exemplo Dada a matriz e o polinômio A = [ 1 2 3 −4 ] e f (x ) = 2x 2 − 3x + 5 Temos: f (A) = 2A2 − 3A+ 5I = 2 [ 7 −6 −9 22 ] − 3 [ 1 2 3 −4 ] + 5 [ 1 0 0 1 ] = [ 16 −18 −27 61 ] 12/71 Exemplo Dada a matriz e o polinômio A = [ 1 2 3 −4 ] e f (x ) = 2x 2 − 3x + 5 Temos: f (A) = 2A2 − 3A+ 5I = 2 [ 7 −6 −9 22 ] − 3 [ 1 2 3 −4 ] + 5 [ 1 0 0 1 ] = [ 16 −18 −27 61 ] 12/71 Exemplo Dada a matriz e o polinômio A = [ 1 2 3 −4 ] e f (x ) = 2x 2 − 3x + 5 Temos: f (A) = 2A2 − 3A+ 5I = 2 [ 7 −6 −9 22 ] − 3 [ 1 2 3 −4 ] + 5 [ 1 0 0 1 ] = [ 16 −18 −27 61 ] 12/71 Exemplo Dada a matriz e o polinômio A = [ 1 2 3 −4 ] e f (x ) = 2x 2 − 3x + 5 Temos: f (A) = 2A2 − 3A+ 5I = 2 [ 7 −6 −9 22 ] − 3 [ 1 2 3 −4 ] + 5 [ 1 0 0 1 ] = [ 16 −18 −27 61 ] 12/71 Propriedades de matrizes 13/71 Teorema: Propriedades da Adição Sejam A,B ,C e D matrizes m × n: (a) A+ B = B +A. (b) A+ (B + C ) = (A+ B) + C . (c) Há uma única matriz 0m×n tal que A+ 0 = A. (d) Para cada matriz Am×n , há uma única matriz Dm×n tal que A+D = 0. Representamos D por (−A), ou seja A+ (−A) = 0. A matriz (−A) é chamada matriz inversa aditiva ou negativa de A. 13/71 Teorema: Propriedades da Adição Sejam A,B ,C e D matrizes m × n: (a) A+ B = B +A. (b) A+ (B + C ) = (A+ B) + C . (c) Há uma única matriz 0m×n tal que A+ 0 = A. (d) Para cada matriz Am×n , há uma única matriz Dm×n tal que A+D = 0. Representamos D por (−A), ou seja A+ (−A) = 0. A matriz (−A) é chamada matriz inversa aditiva ou negativa de A. 13/71 Teorema: Propriedades da Adição Sejam A,B ,C e D matrizes m × n: (a) A+ B = B +A. (b) A+ (B + C ) = (A+ B) + C . (c) Há uma única matriz 0m×n tal que A+ 0 = A. (d) Para cada matriz Am×n , há uma única matriz Dm×n tal que A+D = 0. Representamos D por (−A), ou seja A+ (−A) = 0. A matriz (−A) é chamada matriz inversa aditiva ou negativa de A. 13/71 Teorema: Propriedades da Adição Sejam A,B ,C e D matrizes m × n: (a) A+ B = B +A. (b) A+ (B + C ) = (A+ B) + C . (c) Há uma única matriz 0m×n tal que A+ 0 = A. (d) Para cada matriz Am×n , há uma única matriz Dm×n tal que A+D = 0. Representamos D por (−A), ou seja A+ (−A) = 0. A matriz (−A) é chamada matriz inversa aditiva ou negativa de A. 13/71 Teorema: Propriedades da Adição Sejam A,B ,C e D matrizes m × n: (a) A+ B = B +A. (b) A+ (B + C ) = (A+ B) + C . (c) Há uma única matriz 0m×n tal que A+ 0 = A. (d) Para cada matriz Am×n , há uma única matriz Dm×n tal que A+D = 0. Representamos D por (−A), ou seja A+ (−A) = 0. A matriz (−A) é chamada matriz inversa aditiva ou negativa de A. 13/71 Teorema: Propriedades da Adição Sejam A,B ,C e D matrizes m × n: (a) A+ B = B +A. (b) A+ (B + C ) = (A+ B) + C . (c) Há uma única matriz 0m×n tal que A+ 0 = A. (d) Para cada matriz Am×n , há uma única matriz Dm×n tal que A+D = 0. Representamos D por (−A), ou seja A+ (−A) = 0. A matriz (−A) é chamada matriz inversa aditiva ou negativa de A. 13/71 Teorema: Propriedades da Adição Sejam A,B ,C e D matrizes m × n: (a) A+ B = B +A. (b) A+ (B + C ) = (A+ B) + C . (c) Há uma única matriz 0m×n tal que A+ 0 = A. (d) Para cada matriz Am×n , há uma única matriz Dm×n tal que A+D = 0. Representamos D por (−A), ou seja A+ (−A) = 0. A matriz (−A) é chamada matriz inversa aditiva ou negativa de A. 13/71 Teorema: Propriedades da Multiplicação por escalar (a) Se A,B e C tem tamanhos apropriados, então: A(BC ) = (AB)C . (b) Se A,B e C tem tamanhos apropriados, então: A(B + C ) = AB +AC (c) Se A,B e C tem tamanhos apropriados, então: (A+ B)C = AC + BC (d) Para inteiros não-negativos p e q : ApAq = Ap+q e (Ap)q = Apq 14/71 Teorema: Propriedades da Multiplicação por escalar (a) Se A,B e C tem tamanhos apropriados, então: A(BC ) = (AB)C . (b) Se A,B e C tem tamanhos apropriados, então: A(B + C ) = AB +AC (c) Se A,B e C tem tamanhos apropriados, então: (A+ B)C = AC + BC (d) Para inteiros não-negativos p e q : ApAq = Ap+q e (Ap)q = Apq 14/71 Teorema: Propriedades da Multiplicação por escalar (a) Se A,B e C tem tamanhos apropriados, então: A(BC ) = (AB)C . (b) Se A,B e C tem tamanhos apropriados, então: A(B + C ) = AB +AC (c) Se A,B e C tem tamanhos apropriados, então: (A+ B)C = AC + BC (d) Para inteiros não-negativos p e q : ApAq = Ap+q e (Ap)q = Apq 14/71 Teorema: Propriedades da Multiplicação por escalar (a) Se A,B e C tem tamanhos apropriados, então: A(BC ) = (AB)C . (b) Se A,B e C tem tamanhos apropriados, então: A(B + C ) = AB +AC (c) Se A,B e C tem tamanhos apropriados, então: (A+ B)C = AC + BC (d) Para inteiros não-negativos p e q : ApAq = Ap+q e (Ap)q = Apq 14/71 Teorema: Propriedades de Potência Se r e s são números reais e A e B são matrizes, então: (a) r(sA) = (rs)A (b) (r + s)A = rA+ sA (c) r(A+ B) = rA+ rB (d) A(rB) = r(AB) = (rA)B 15/71 Teorema: Propriedades de Potência Se r e s são números reais e A e B são matrizes, então: (a) r(sA) = (rs)A (b) (r + s)A = rA+ sA (c) r(A+ B) = rA+ rB (d) A(rB) = r(AB) = (rA)B 15/71 Teorema: Propriedades de Potência Se r e s são números reais e A e B são matrizes, então: (a) r(sA) = (rs)A (b) (r + s)A = rA+ sA (c) r(A+ B) = rA+ rB (d) A(rB) = r(AB) = (rA)B 15/71 Teorema: Propriedades de Potência Se r e s são números reais e A e B são matrizes, então: (a) r(sA) = (rs)A (b) (r + s)A = rA+ sA (c) r(A+ B) = rA+ rB (d) A(rB) = r(AB) = (rA)B 15/71 Teorema: Propriedades de Transposta Se r é um escalar e A e B são matrizes, então: (a) (AT )T (b) (A+ B)T = AT + BT (c) (AB)T = BTAT (d) (rA)T = rAT 16/71 Teorema:Propriedades de Transposta Se r é um escalar e A e B são matrizes, então: (a) (AT )T (b) (A+ B)T = AT + BT (c) (AB)T = BTAT (d) (rA)T = rAT 16/71 Teorema: Propriedades de Transposta Se r é um escalar e A e B são matrizes, então: (a) (AT )T (b) (A+ B)T = AT + BT (c) (AB)T = BTAT (d) (rA)T = rAT 16/71 Teorema: Propriedades de Transposta Se r é um escalar e A e B são matrizes, então: (a) (AT )T (b) (A+ B)T = AT + BT (c) (AB)T = BTAT (d) (rA)T = rAT 16/71 Definição (Matriz simétrica) Uma matriz A = [aij ] com elementos reais é chamada simétrica se AT = A. Ou seja, se a matriz A é simétrica, então os elementos de A são simétricos em relação à diagonal principal de A. Exemplo A matriz A = 1 2 32 4 5 3 5 6 é simétrica. 17/71 Definição (Matriz simétrica) Uma matriz A = [aij ] com elementos reais é chamada simétrica se AT = A. Ou seja, se a matriz A é simétrica, então os elementos de A são simétricos em relação à diagonal principal de A. Exemplo A matriz A = 1 2 32 4 5 3 5 6 é simétrica. 17/71 Definição (Traço de uma matriz) Se A for uma matriz quadrada, então o traço de A, denotado por tr(A), é definido pela soma das entradas na diagonal principal de A. O traço de A não é definido se A não for uma matriz quadrada. Exemplo Dado A = −1 2 7 0 3 5 −8 4 1 2 7 −3 4 −2 1 0 temos que: tr(A) = 1 + 5 + 7 + 0 = 11 18/71 Definição (Traço de uma matriz) Se A for uma matriz quadrada, então o traço de A, denotado por tr(A), é definido pela soma das entradas na diagonal principal de A. O traço de A não é definido se A não for uma matriz quadrada. Exemplo Dado A = −1 2 7 0 3 5 −8 4 1 2 7 −3 4 −2 1 0 temos que: tr(A) = 1 + 5 + 7 + 0 = 11 18/71 Teorema: Propriedades do Traço Sejam A e B matrizes quadradas de mesma ordem e k um escalar. Então valem: (a) tr(A+ B) = tr(A) + tr(B) (b) tr(kA) = ktr(A) (c) tr ( AT ) = tr(A) (d) tr(AB) = tr(BA) 19/71 Matriz Inversa 20/71 Definição (Matriz Inversa) Uma matriz An×n é dita invert́ıvel (ou não-singular) se existir uma matriz Bn×n tal que AB = BA = In . A matriz B é chamada inversa multiplicativa de A. Observações (i) Uma matriz é dita singular (ou não-invert́ıvel) se ela não tem uma inversa multiplicativa. (ii) Uma inversa de uma matriz, se existir, é única. (iii) Denotamos a matriz inversa de A por A−1. 20/71 Definição (Matriz Inversa) Uma matriz An×n é dita invert́ıvel (ou não-singular) se existir uma matriz Bn×n tal que AB = BA = In . A matriz B é chamada inversa multiplicativa de A. Observações (i) Uma matriz é dita singular (ou não-invert́ıvel) se ela não tem uma inversa multiplicativa. (ii) Uma inversa de uma matriz, se existir, é única. (iii) Denotamos a matriz inversa de A por A−1. 20/71 Definição (Matriz Inversa) Uma matriz An×n é dita invert́ıvel (ou não-singular) se existir uma matriz Bn×n tal que AB = BA = In . A matriz B é chamada inversa multiplicativa de A. Observações (i) Uma matriz é dita singular (ou não-invert́ıvel) se ela não tem uma inversa multiplicativa. (ii) Uma inversa de uma matriz, se existir, é única. (iii) Denotamos a matriz inversa de A por A−1. 20/71 Definição (Matriz Inversa) Uma matriz An×n é dita invert́ıvel (ou não-singular) se existir uma matriz Bn×n tal que AB = BA = In . A matriz B é chamada inversa multiplicativa de A. Observações (i) Uma matriz é dita singular (ou não-invert́ıvel) se ela não tem uma inversa multiplicativa. (ii) Uma inversa de uma matriz, se existir, é única. (iii) Denotamos a matriz inversa de A por A−1. 20/71 Exemplo Sejam A = [ 2 3 2 2 ] e B = [ −1 3/2 1 −1 ] Como AB = BA = In conclúımos que B é a inversa de A e que A é invert́ıvel. 21/71 Exemplo Sejam A = [ 2 3 2 2 ] e B = [ −1 3/2 1 −1 ] Como AB = BA = In conclúımos que B é a inversa de A e que A é invert́ıvel. 21/71 Exemplo Seja A = [ 1 2 3 4 ] Para encontrar A−1, fazemos: A−1 = [ a b c d ] Então devemos ter: AA−1 = I2 ⇒ [ 1 2 3 4 ] [ a b c d ] = [ 1 0 0 1 ] Assim: [ a + 2c b + 2d 3a + 4c 3b + 4d ] = [ 1 0 0 1 ] 22/71 Exemplo Seja A = [ 1 2 3 4 ] Para encontrar A−1, fazemos: A−1 = [ a b c d ] Então devemos ter: AA−1 = I2 ⇒ [ 1 2 3 4 ] [ a b c d ] = [ 1 0 0 1 ] Assim: [ a + 2c b + 2d 3a + 4c 3b + 4d ] = [ 1 0 0 1 ] 22/71 Exemplo Seja A = [ 1 2 3 4 ] Para encontrar A−1, fazemos: A−1 = [ a b c d ] Então devemos ter: AA−1 = I2 ⇒ [ 1 2 3 4 ] [ a b c d ] = [ 1 0 0 1 ] Assim: [ a + 2c b + 2d 3a + 4c 3b + 4d ] = [ 1 0 0 1 ] 22/71 Exemplo (continuação) Igualando os elementos correspondentes dessas duas matrizes, obtemos o sistema: a + 2c = 1 b + 2d = 0 3a + 4c = 0 3b + 4d = 1 As soluções são: a = −2, b = 1, c = 3 2 , d = −1 2 Conclúımos que A é invert́ıvel e que: A−1 = [ −2 1 3/2 −1/2 ] 23/71 Exemplo (continuação) Igualando os elementos correspondentes dessas duas matrizes, obtemos o sistema: a + 2c = 1 b + 2d = 0 3a + 4c = 0 3b + 4d = 1 As soluções são: a = −2, b = 1, c = 3 2 , d = −1 2 Conclúımos que A é invert́ıvel e que: A−1 = [ −2 1 3/2 −1/2 ] 23/71 Exemplo (continuação) Igualando os elementos correspondentes dessas duas matrizes, obtemos o sistema: a + 2c = 1 b + 2d = 0 3a + 4c = 0 3b + 4d = 1 As soluções são: a = −2, b = 1, c = 3 2 , d = −1 2 Conclúımos que A é invert́ıvel e que: A−1 = [ −2 1 3/2 −1/2 ] 23/71 Exemplo (continuação) Igualando os elementos correspondentes dessas duas matrizes, obtemos o sistema: a + 2c = 1 b + 2d = 0 3a + 4c = 0 3b + 4d = 1 As soluções são: a = −2, b = 1, c = 3 2 , d = −1 2 Conclúımos que A é invert́ıvel e que: A−1 = [ −2 1 3/2 −1/2 ] 23/71 Teorema A matriz [ a b c d ] é invert́ıvel se, e só se, ad − bc 6= 0, caso em que a inversa é dada pela fórmula: A−1 = 1 ad − bc [ d −b −c a ] 24/71 Exemplo Dada a matriz A = [ 2 −1 1 3 ] Sua inversa é: A−1 = 1 (3 · 2)− (1 · (−1)) [ 3 1 −1 2 ] = 1 7 [ 3 1 −1 2 ] = [ 3/7 1/7 −1/7 2/7 ] 25/71 Exemplo Dada a matriz A = [ 2 −1 1 3 ] Sua inversa é: A−1 = 1 (3 · 2)− (1 · (−1)) [ 3 1 −1 2 ] = 1 7 [ 3 1 −1 2 ] = [ 3/7 1/7 −1/7 2/7 ] 25/71 Exemplo Dada a matriz A = [ 2 −1 1 3 ] Sua inversa é: A−1 = 1 (3 · 2)− (1 · (−1)) [ 3 1 −1 2 ] = 1 7 [ 3 1 −1 2 ] = [ 3/7 1/7 −1/7 2/7 ] 25/71 Exemplo Dada a matriz A = [ 2 −1 1 3 ] Sua inversa é: A−1 = 1 (3 · 2)− (1 · (−1)) [ 3 1 −1 2 ] = 1 7 [ 3 1 −1 2 ] = [ 3/7 1/7 −1/7 2/7 ] 25/71 Teorema: Propriedades da Inversa (a) Se A é uma matriz invert́ıvel, então A−1 é invert́ıvel e:( A−1 )−1 = A. (b) Se A e B são matrizes invert́ıveis, então AB é invert́ıvel e: (AB)−1 = B−1A−1. (c) Se A é uma matriz invert́ıvel, então: ( AT )−1 = ( A−1 )T . (d) Se A for uma matriz invert́ıvel e n um inteiro não negativo, então: (An)−1 = A−n = ( A−1 )n (e) kA é invert́ıvel com qualquer escalar não nulo k e: (kA)−1 = k−1A−1. 26/71 Teorema: Propriedades da Inversa (a) Se A é uma matriz invert́ıvel, então A−1 é invert́ıvel e:( A−1 )−1 = A. (b) Se A e B são matrizes invert́ıveis, então AB é invert́ıvel e: (AB)−1 = B−1A−1. (c) Se A é uma matriz invert́ıvel, então: ( AT )−1 = ( A−1 )T . (d) Se A for uma matriz invert́ıvel e n um inteiro não negativo, então: (An)−1 = A−n = ( A−1 )n (e) kA é invert́ıvel com qualquer escalar não nulo k e: (kA)−1 = k−1A−1. 26/71 Teorema: Propriedades da Inversa (a) Se A é uma matriz invert́ıvel, então A−1 é invert́ıvel e:( A−1 )−1 = A. (b) Se A e B são matrizes invert́ıveis, então AB é invert́ıvel e: (AB)−1 = B−1A−1. (c) Se A é uma matriz invert́ıvel, então: ( AT )−1 = ( A−1 )T . (d) Se A for uma matriz invert́ıvel e n um inteiro não negativo, então: (An)−1 = A−n = ( A−1 )n (e) kA é invert́ıvel com qualquer escalar não nulo k e: (kA)−1 =k−1A−1. 26/71 Teorema: Propriedades da Inversa (a) Se A é uma matriz invert́ıvel, então A−1 é invert́ıvel e:( A−1 )−1 = A. (b) Se A e B são matrizes invert́ıveis, então AB é invert́ıvel e: (AB)−1 = B−1A−1. (c) Se A é uma matriz invert́ıvel, então: ( AT )−1 = ( A−1 )T . (d) Se A for uma matriz invert́ıvel e n um inteiro não negativo, então: (An)−1 = A−n = ( A−1 )n (e) kA é invert́ıvel com qualquer escalar não nulo k e: (kA)−1 = k−1A−1. 26/71 Teorema: Propriedades da Inversa (a) Se A é uma matriz invert́ıvel, então A−1 é invert́ıvel e:( A−1 )−1 = A. (b) Se A e B são matrizes invert́ıveis, então AB é invert́ıvel e: (AB)−1 = B−1A−1. (c) Se A é uma matriz invert́ıvel, então: ( AT )−1 = ( A−1 )T . (d) Se A for uma matriz invert́ıvel e n um inteiro não negativo, então: (An)−1 = A−n = ( A−1 )n (e) kA é invert́ıvel com qualquer escalar não nulo k e: (kA)−1 = k−1A−1. 26/71 Definição (Matriz Elementar) Uma matriz obtida a partir da matriz identidade por uma das operações ele- mentares é chamada de matriz elementar. Existem três tipos de matrizes elementares, uma para cada operação elementar. 27/71 Definição (Matriz Elementar) Uma matriz obtida a partir da matriz identidade por uma das operações ele- mentares é chamada de matriz elementar. Existem três tipos de matrizes elementares, uma para cada operação elementar. 27/71 Definição (Tipo I) Uma matriz elementar do tipo I é obtida trocando-se a ordem de duas linhas de I Exemplo Seja E1 = 0 1 01 0 0 0 0 1 E1, é uma matriz elementar do tipo I, já que foi obtida trocando-se as duas primeiras linhas de I . 28/71 Definição (Tipo I) Uma matriz elementar do tipo I é obtida trocando-se a ordem de duas linhas de I Exemplo Seja E1 = 0 1 01 0 0 0 0 1 E1, é uma matriz elementar do tipo I, já que foi obtida trocando-se as duas primeiras linhas de I . 28/71 Tipo I Seja A uma matriz 3× 3: Multiplicando A à esquerda por E1, trocamos as duas primeiras linhas de A. E1A = 0 1 01 0 0 0 0 1 a11 a12 a13a21 a22 a23 a31 a32 a33 = a21 a22 a23 ←a11 a12 a13 ← a31 a32 a33 Multiplicar A à direita por E1, equivale a efetuar a operação elementar sobre colunas que consiste na troca das duas primeiras colunas de A. AE1 = a11 a12 a13a21 a22 a23 a31 a32 a33 0 1 01 0 0 0 0 1 = ↓ ↓ a12 a11 a13 a22 a21 a23 a32 a31 a33 29/71 Tipo I Seja A uma matriz 3× 3: Multiplicando A à esquerda por E1, trocamos as duas primeiras linhas de A. E1A = 0 1 01 0 0 0 0 1 a11 a12 a13a21 a22 a23 a31 a32 a33 = a21 a22 a23 ←a11 a12 a13 ← a31 a32 a33 Multiplicar A à direita por E1, equivale a efetuar a operação elementar sobre colunas que consiste na troca das duas primeiras colunas de A. AE1 = a11 a12 a13a21 a22 a23 a31 a32 a33 0 1 01 0 0 0 0 1 = ↓ ↓ a12 a11 a13 a22 a21 a23 a32 a31 a33 29/71 Tipo I Seja A uma matriz 3× 3: Multiplicando A à esquerda por E1, trocamos as duas primeiras linhas de A. E1A = 0 1 01 0 0 0 0 1 a11 a12 a13a21 a22 a23 a31 a32 a33 = a21 a22 a23 ←a11 a12 a13 ← a31 a32 a33 Multiplicar A à direita por E1, equivale a efetuar a operação elementar sobre colunas que consiste na troca das duas primeiras colunas de A. AE1 = a11 a12 a13a21 a22 a23 a31 a32 a33 0 1 01 0 0 0 0 1 = ↓ ↓ a12 a11 a13 a22 a21 a23 a32 a31 a33 29/71 Tipo I Seja A uma matriz 3× 3: Multiplicando A à esquerda por E1, trocamos as duas primeiras linhas de A. E1A = 0 1 01 0 0 0 0 1 a11 a12 a13a21 a22 a23 a31 a32 a33 = a21 a22 a23 ←a11 a12 a13 ← a31 a32 a33 Multiplicar A à direita por E1, equivale a efetuar a operação elementar sobre colunas que consiste na troca das duas primeiras colunas de A. AE1 = a11 a12 a13a21 a22 a23 a31 a32 a33 0 1 01 0 0 0 0 1 = ↓ ↓ a12 a11 a13 a22 a21 a23 a32 a31 a33 29/71 Definição (Tipo II) Uma matriz elementar do tipo II é uma matriz obtida multiplicando-se uma linha de I por uma constante não-nula. Exemplo Seja E2 = 1 0 00 1 0 0 0 3 E2, é uma matriz elementar do tipo II, já que foi obtida multiplicando a última linha por 3. 30/71 Definição (Tipo II) Uma matriz elementar do tipo II é uma matriz obtida multiplicando-se uma linha de I por uma constante não-nula. Exemplo Seja E2 = 1 0 00 1 0 0 0 3 E2, é uma matriz elementar do tipo II, já que foi obtida multiplicando a última linha por 3. 30/71 Tipo II A multiplicação à esquerda por E2 efetua a operação elementar sobre as linhas que consiste em multiplicar a terceira linha por 3: E2A = 1 0 00 1 0 0 0 3 a11 a12 a13a21 a22 a23 a31 a32 a33 = a11 a12 a13a21 a22 a23 3a31 3a32 3a33 A multiplicação à direita por E2 efetua a operação elementar sobre as colunas que consiste em multiplicar a terceira coluna por 3. AE1 = a11 a12 a13a21 a22 a23 a31 a32 a33 1 0 00 1 0 0 0 3 = a11 a12 3a13a21 a22 3a23 a31 a32 3a33 31/71 Tipo II A multiplicação à esquerda por E2 efetua a operação elementar sobre as linhas que consiste em multiplicar a terceira linha por 3: E2A = 1 0 00 1 0 0 0 3 a11 a12 a13a21 a22 a23 a31 a32 a33 = a11 a12 a13a21 a22 a23 3a31 3a32 3a33 A multiplicação à direita por E2 efetua a operação elementar sobre as colunas que consiste em multiplicar a terceira coluna por 3. AE1 = a11 a12 a13a21 a22 a23 a31 a32 a33 1 0 00 1 0 0 0 3 = a11 a12 3a13a21 a22 3a23 a31 a32 3a33 31/71 Tipo II A multiplicação à esquerda por E2 efetua a operação elementar sobre as linhas que consiste em multiplicar a terceira linha por 3: E2A = 1 0 00 1 0 0 0 3 a11 a12 a13a21 a22 a23 a31 a32 a33 = a11 a12 a13a21 a22 a23 3a31 3a32 3a33 A multiplicação à direita por E2 efetua a operação elementar sobre as colunas que consiste em multiplicar a terceira coluna por 3. AE1 = a11 a12 a13a21 a22 a23 a31 a32 a33 1 0 00 1 0 0 0 3 = a11 a12 3a13a21 a22 3a23 a31 a32 3a33 31/71 Definição (Tipo III) Uma matriz elementar de tipo III é uma matriz obtida de I somando-se um múltiplo de uma das linhas à outra linha. Exemplo Seja E3 = 1 0 30 1 0 0 0 1 E3, é uma matriz elementar do tipo III . 32/71 Definição (Tipo III) Uma matriz elementar de tipo III é uma matriz obtida de I somando-se um múltiplo de uma das linhas à outra linha. Exemplo Seja E3 = 1 0 30 1 0 0 0 1 E3, é uma matriz elementar do tipo III . 32/71 Tipo III Multiplicação à esquerda por E3 soma 3 vezes a terceira linha à segunda: E3A = 1 0 30 1 0 0 0 1 a11 a12 a13a21 a22 a23 a31 a32 a33 = [a11 + 3a31 a12 + 3a32 a13 + 3a33a21 a22 a23 3a31 3a32 3a33 ] Multiplicação à direita por E3 soma 3 vezes a primeira coluna à terceira: AE3 = a11 a12 a13a21 a22 a23 a31 a32 a33 1 0 30 1 0 0 0 1 = a11 a12 3a11 + a13a21 a22 3a21 + a23 a31 a32 3a31 + a33 33/71 Tipo III Multiplicação à esquerda por E3 soma 3 vezes a terceira linha à segunda: E3A = 1 0 30 1 0 0 0 1 a11 a12 a13a21 a22 a23 a31 a32 a33 = [a11 + 3a31 a12 + 3a32 a13 + 3a33a21 a22 a23 3a31 3a32 3a33 ] Multiplicação à direita por E3 soma 3 vezes a primeira coluna à terceira: AE3 = a11 a12 a13a21 a22 a23 a31 a32 a33 1 0 30 1 0 0 0 1 = a11 a12 3a11 + a13a21 a22 3a21 + a23 a31 a32 3a31 + a33 33/71 Tipo III Multiplicação à esquerda por E3 soma 3 vezes a terceira linha à segunda: E3A = 1 0 30 1 0 0 0 1 a11 a12 a13a21 a22 a23 a31 a32 a33 = [a11 + 3a31 a12 + 3a32 a13 + 3a33a21 a22 a23 3a31 3a32 3a33 ] Multiplicação à direita por E3 soma 3 vezes a primeira coluna à terceira: AE3 = a11 a12 a13a21 a22 a23 a31 a32 a33 1 0 30 1 0 0 0 1 = a11 a12 3a11 + a13a21 a22 3a21 + a23 a31 a32 3a31 + a33 33/71 Definição Uma matriz B é equivalente por linhas a A se existe uma sequência finita de matrizes elementares E1,E2, . . .,Ek tal que: B = Ek ,Ek−1, . . . ,E1A Se A é invert́ıvel, então A é equivalente por linhas a I , logo existem matrizes elementares E1,E2, . . . ,Ek , tais que: Ek ,Ek−1, . . . ,E1A = I Multiplicando ambos os lados dessa equação à direita por A−1, obtemos: Ek ,Ek−1, . . . ,E1I = A −1 34/71 Definição Uma matriz B é equivalente por linhas a A se existe uma sequência finita de matrizes elementares E1,E2, . . . ,Ek tal que: B = Ek ,Ek−1, . . . ,E1A Se A é invert́ıvel, então A é equivalente por linhas a I , logo existem matrizes elementares E1,E2, . . . ,Ek , tais que: Ek ,Ek−1, . . . ,E1A = I Multiplicando ambos os lados dessa equação à direita por A−1, obtemos: Ek ,Ek−1, . . . ,E1I = A −1 34/71 Definição Uma matriz B é equivalente por linhas a A se existe uma sequência finita de matrizes elementares E1,E2, . . . ,Ek tal que: B = Ek ,Ek−1, . . . ,E1A Se A é invert́ıvel, então A é equivalente por linhas a I , logo existem matrizes elementares E1,E2, . . . ,Ek , tais que: Ek ,Ek−1, . . . ,E1A = I Multiplicando ambos os lados dessa equação à direita por A−1, obtemos: Ek ,Ek−1, . . . ,E1I = A −1 34/71 Logo, a mesma sequência de operações elementares que transforma uma matriz invert́ıvel A em I transforma I em A−1. Isso nos dá um método para calcular A−1. Aumentando a matriz A com I e efetuando as operações elementares que transformam A em I sobre as linhas da matriz aumentada, I vai ser transformada em A−1. Algoritmo da inversão Para encontrar a inversa de uma matriz invert́ıvel A, encontre uma sequência de operações elementares com linhas que reduza A à identidade e depois efetue essa mesma sequência de operações em In para obter A −1. 35/71 Logo, a mesma sequência de operações elementares que transforma uma matriz invert́ıvel A em I transforma I em A−1. Isso nos dá um método para calcular A−1. Aumentando a matriz A com I e efetuando as operações elementares que transformam A em I sobre as linhas da matriz aumentada, I vai ser transformada em A−1. Algoritmo da inversão Para encontrar a inversa de uma matriz invert́ıvel A, encontre uma sequência de operações elementares com linhas que reduza A à identidade e depois efetue essa mesma sequência de operações em In para obter A −1. 35/71 Logo, a mesma sequência de operações elementares que transforma uma matriz invert́ıvel A em I transforma I em A−1. Isso nos dá um método para calcular A−1. Aumentando a matriz A com I e efetuando as operações elementares que transformam A em I sobre as linhas da matriz aumentada, I vai ser transformada em A−1. Algoritmo da inversão Para encontrar a inversa de uma matriz invert́ıvel A, encontre uma sequência de operações elementares com linhas que reduza A à identidade e depois efetue essa mesma sequência de operações em In para obter A −1. 35/71 Passo 1: Forme a matriz [ A ... In ] obtida juntando-se a matriz identidade In e a matriz A dada. Passo 2: Calcule a forma escalonada reduzida por linhas da matriz obtida no Passo 1 utilizando operações elementares. Passo 3: Suponha que o Passo 2 produziu a matriz[ C ... D ] da forma escalonada reduzida por linhas: (a) Se C = In , então D = A −1. (b) Se C 6= In , então C tem uma linha nula. Neste caso, A é singular e A−1 não existe. 36/71 Passo 1: Forme a matriz [ A ... In ] obtida juntando-se a matriz identidade In e a matriz A dada. Passo 2: Calcule a forma escalonada reduzida por linhas da matriz obtida no Passo 1 utilizando operações elementares. Passo 3: Suponha que o Passo 2 produziu a matriz[ C ... D ] da forma escalonada reduzida por linhas: (a) Se C = In , então D = A −1. (b) Se C 6= In , então C tem uma linha nula. Neste caso, A é singular e A−1 não existe. 36/71 Passo 1: Forme a matriz [ A ... In ] obtida juntando-se a matriz identidade In e a matriz A dada. Passo 2: Calcule a forma escalonada reduzida por linhas da matriz obtida no Passo 1 utilizando operações elementares. Passo 3: Suponha que o Passo 2 produziu a matriz[ C ... D ] da forma escalonada reduzida por linhas: (a) Se C = In , então D = A −1. (b) Se C 6= In , então C tem uma linha nula. Neste caso, A é singular e A−1 não existe. 36/71 Passo 1: Forme a matriz [ A ... In ] obtida juntando-se a matriz identidade In e a matriz A dada. Passo 2: Calcule a forma escalonada reduzida por linhas da matriz obtida no Passo 1 utilizando operações elementares. Passo 3: Suponha que o Passo 2 produziu a matriz[ C ... D ] da forma escalonada reduzida por linhas: (a) Se C = In , então D = A −1. (b) Se C 6= In , então C tem uma linha nula. Neste caso, A é singular e A−1 não existe. 36/71 Passo 1: Forme a matriz [ A ... In ] obtida juntando-se a matriz identidade In e a matriz A dada. Passo 2: Calcule a forma escalonada reduzida por linhas da matriz obtida no Passo 1 utilizando operações elementares. Passo 3: Suponha que o Passo 2 produziu a matriz[ C ... D ] da forma escalonada reduzida por linhas: (a) Se C = In , então D = A −1. (b) Se C 6= In , então C tem uma linha nula. Neste caso, A é singular e A−1 não existe. 36/71 Exemplo Encontre a inversa da matriz 1 1 10 2 3 5 5 1 Solução. Passo 1: Formar a matriz [ A ... I3 ] 1 1 1 ... 1 0 0 0 2 3 ... 0 1 0 5 5 1 ... 0 0 1 37/71 Exemplo Encontre a inversa da matriz 1 1 10 2 3 5 5 1 Solução. Passo 1: Formar a matriz [ A ... I3 ] 1 1 1 ... 1 0 0 0 2 3 ... 0 1 0 5 5 1 ... 0 0 1 37/71 Exemplo Encontre a inversa da matriz 1 1 10 2 3 5 5 1 Solução. Passo 1: Formar a matriz [ A ... I3 ] 1 1 1 ... 1 0 0 0 2 3 ... 0 1 0 5 5 1 ... 0 0 1 37/71 Solução. Passo 2: Vamos calcular a forma escalonada reduzida por linhas: A = 1 1 1 ... 1 0 0 0 2 3 ... 0 1 0 5 5 1 ... 0 0 1 | L3 → −5L1 + L3 ↓ A1 = 1 1 1 ... 1 0 0 0 2 3 ... 0 1 0 0 0 −4 ... −5 0 1 38/71 Solução. Passo 2: Vamos calcular a forma escalonada reduzida por linhas: A = 1 1 1 ... 1 0 0 0 2 3 ... 0 1 0 5 5 1 ... 0 0 1 | L3 → −5L1 + L3 ↓ A1 = 1 1 1 ... 1 0 0 0 2 3 ... 0 1 0 0 0 −4 ... −5 0 1 38/71 Solução. Passo 2: Vamos calcular a forma escalonada reduzida por linhas: A = 1 1 1 ... 1 0 0 0 2 3 ... 0 1 0 5 5 1 ... 0 0 1 | L3 → −5L1 + L3 ↓ A1 = 1 1 1 ... 1 0 0 0 2 3 ... 0 1 0 0 0 −4 ... −5 0 1 38/71 Solução. Passo 2: Vamos calcular a forma escalonada reduzida por linhas: A = 1 1 1 ... 1 0 0 0 2 3 ... 0 1 0 5 5 1 ... 0 0 1 | L3 → −5L1 + L3 ↓ A1 = 1 1 1 ... 1 0 0 0 2 3 ... 0 1 0 0 0 −4 ... −5 0 1 38/71 Solução (continuação). A1 = 1 1 1 ... 1 0 0 0 2 3 ... 0 1 0 0 0 −4 ... −5 0 1 | L2 → 1/2L2 ↓ A2 = 1 1 1 ... 1 0 0 0 1 3/2 ... 0 1/2 0 0 0 −4 ... −5 0 1 39/71 Solução (continuação). A1 = 1 1 1 ... 1 0 0 0 2 3 ... 0 1 0 0 0 −4 ... −5 0 1 | L2 → 1/2L2 ↓ A2 = 1 1 1 ... 1 0 0 0 1 3/2 ... 0 1/2 0 0 0 −4 ... −5 0 1 39/71 Solução (continuação). A1 = 1 1 1 ... 1 0 0 0 2 3 ... 0 1 0 0 0 −4 ... −5 0 1 | L2 → 1/2L2 ↓ A2 = 1 1 1 ... 1 0 0 0 1 3/2 ... 0 1/2 0 0 0 −4 ... −5 0 1 39/71 Solução (continuação). A2 = 1 1 1 ... 1 0 0 0 1 3/2 ... 0 1/2 0 0 0 −4 ... −5 0 1 | L3 → −1/4L3 ↓ A3 = 1 1 1 ... 1 0 0 0 1 3/2 ... 0 1/2 0 0 0 1 ... 5/4 0 −1/4 40/71 Solução (continuação). A2 = 1 1 1 ... 1 0 0 0 1 3/2 ... 0 1/2 0 0 0 −4 ... −5 0 1 | L3 → −1/4L3 ↓ A3 = 1 1 1 ... 1 0 0 0 1 3/2 ... 0 1/2 0 0 0 1 ... 5/4 0 −1/4 40/71 Solução (continuação). A2 = 1 1 1 ... 1 0 0 0 1 3/2 ... 0 1/2 0 0 0 −4 ... −5 0 1 | L3 → −1/4L3 ↓ A3 = 1 1 1 ... 1 0 0 0 1 3/2 ... 0 1/2 0 0 0 1 ... 5/4 0 −1/4 40/71 Solução (continuação). A3 = 1 1 1 ... 1 0 0 0 1 3/2 ... 0 1/2 0 0 0 1 ... 5/4 0 −1/4 | L1 → −L3 + L1 L2 → −3/2L3 + L2 ↓ A4 = 1 1 0 ... −1/4 0 1/4 0 1 0 ... −15/8 1/2 3/8 0 0 1 ... 5/4 0 −1/4 41/71 Solução (continuação). A3 = 1 1 1 ... 1 0 0 0 1 3/2 ... 0 1/2 0 0 0 1 ... 5/4 0 −1/4 | L1 → −L3 + L1 L2 → −3/2L3 + L2 ↓ A4 = 1 1 0 ... −1/4 0 1/4 0 1 0 ... −15/8 1/2 3/8 0 0 1 ... 5/4 0 −1/4 41/71 Solução (continuação). A3 = 1 1 1 ... 1 0 0 0 1 3/2 ... 0 1/2 0 0 0 1 ... 5/4 0 −1/4 | L1 → −L3 + L1 L2 → −3/2L3 + L2 ↓ A4 = 1 1 0 ... −1/4 0 1/4 0 1 0 ... −15/8 1/2 3/8 0 0 1 ... 5/4 0 −1/4 41/71 Solução (continuação). A4 = 1 1 0 ... −1/4 0 1/4 0 1 0 ... −15/8 1/2 3/8 0 0 1 ... 5/4 0 −1/4 | L1 → −L2 + L1 ↓ A5 = 1 0 0 ... −13/8 −1/2 −1/8 0 1 0 ... −15/8 1/2 3/8 0 0 1 ... 5/4 0 −1/4 42/71 Solução (continuação). A4 = 1 1 0 ... −1/4 0 1/4 0 1 0 ... −15/8 1/2 3/8 0 0 1 ... 5/4 0 −1/4 | L1 → −L2 + L1 ↓ A5 = 1 0 0 ... −13/8 −1/2 −1/8 0 1 0 ... −15/8 1/2 3/8 0 0 1 ... 5/4 0 −1/4 42/71 Solução (continuação). A4 = 1 1 0 ... −1/4 0 1/4 0 1 0 ... −15/8 1/2 3/8 0 0 1 ... 5/4 0 −1/4 | L1 → −L2 + L1 ↓ A5 = 1 0 0 ... −13/8 −1/2 −1/8 0 1 0 ... −15/8 1/2 3/8 0 0 1 ... 5/4 0 −1/4 42/71 Solução (continuação). Passo 3: Como C = I3, conclúımos que D = A −1. Portanto: A−1 = −13/8 −1/2 −1/8−15/8 1/2 3/8 5/4 0 −1/4 43/71 Solução (continuação). Passo 3: Como C = I3, conclúımos que D = A −1. Portanto: A−1 = −13/8 −1/2 −1/8−15/8 1/2 3/8 5/4 0 −1/4 43/71 Observação Se a matriz escalonada reduzida por linhas obtida de A tiver uma linha nula, então A é singular. Neste caso, A−1 não existe. Exemplo Seja a matriz A = 1 2 −31 −2 1 5 −2 −3 Após alguns passos no escalonamento, nos deparamos com: F = 1 2 −30 −4 4 0 0 0 Como F tem uma linha nula, paramos e conclúımos que A não tem inversa. 44/71 Observação Se a matriz escalonada reduzida por linhas obtida de A tiver uma linha nula, então A é singular. Neste caso, A−1 não existe. Exemplo Seja a matriz A = 1 2 −31 −2 1 5 −2 −3 Após alguns passos no escalonamento, nos deparamos com: F = 1 2 −30 −4 4 0 0 0 Como F tem uma linha nula, paramos e conclúımos que A não tem inversa. 44/71 Observação Se a matriz escalonada reduzida por linhas obtida de A tiver uma linha nula, então A é singular. Neste caso, A−1 não existe. Exemplo Seja a matriz A = 1 2 −31 −2 1 5 −2 −3 Após alguns passos no escalonamento, nos deparamos com: F = 1 2 −30 −4 4 0 0 0 Como F tem uma linha nula, paramos e conclúımos que A não tem inversa. 44/71 Observação Se a matriz escalonada reduzida por linhas obtida de A tiver uma linha nula, então A é singular. Neste caso, A−1 não existe. Exemplo Seja a matriz A = 1 2 −31 −2 1 5 −2 −3 Após alguns passos no escalonamento, nos deparamos com: F = 1 2 −30 −4 4 0 0 0 Como F tem uma linha nula, paramos e conclúımos que A não tem inversa. 44/71 Teorema Se A for uma matriz invert́ıvel n × 1, então para cada matriz b de tamanho n × 1, o sistema de equações Ax = b tem exatamente uma solução, a saber, x = A−1b. Exemplo (Solução de um sistema linear usando A−1) Considere o sistema de equações lineares x + 2y + 3z = 5 2x + 5y + 3z = 3 x + 8z = 17 No formato matricial, esse sistema pode ser escrito como Ax = b, em que: A = 1 2 32 5 3 1 0 8 , x = xy z , b = 53 17 45/71 Teorema Se A for uma matriz invert́ıvel n × 1, então para cada matriz b de tamanho n × 1, o sistema de equações Ax = b tem exatamente uma solução, a saber, x = A−1b. Exemplo (Solução de um sistema linear usando A−1) Considere o sistema de equações lineares x + 2y + 3z = 5 2x + 5y + 3z = 3 x + 8z = 17 No formato matricial, esse sistema pode ser escrito como Ax = b, em que: A = 1 2 32 5 3 1 0 8 , x = xy z , b = 53 17 45/71 Teorema Se A for uma matriz invert́ıvel n × 1, então para cada matriz b de tamanho n × 1, o sistema de equações Ax = b tem exatamente uma solução, a saber, x = A−1b. Exemplo (Solução de um sistema linear usando A−1) Considere o sistema de equações lineares x + 2y + 3z = 5 2x + 5y + 3z = 3 x + 8z = 17 No formato matricial, esse sistema pode ser escrito como Ax = b, em que: A = 1 2 32 5 3 1 0 8 , x = xy z , b = 53 17 45/71 Teorema Se A for uma matriz invert́ıvel n × 1, então para cada matriz b de tamanho n × 1, o sistema de equações Ax = b tem exatamente uma solução, a saber, x = A−1b. Exemplo (Solução de um sistema linear usando A−1) Considere o sistema de equações lineares x + 2y + 3z = 5 2x + 5y + 3z = 3 x + 8z = 17 No formato matricial, esse sistema pode ser escrito como Ax = b, em que: A = 1 2 32 5 3 1 0 8 , x = xy z , b = 53 17 45/71 Exemplo (continuação) Temos que: A−1 = −40 16 913 −5 −3 5 −2 −1 Pelo teorema anterior, temos: x = A−1b = −40 16 913 −5 −3 5 −2 −1 53 17 = 1−1 2 Assim: x = 1, y = −1, z = 2 46/71 Exemplo (continuação) Temos que: A−1 = −40 16 913 −5 −3 5 −2 −1 Pelo teorema anterior, temos: x = A−1b = −40 16 913 −5 −3 5 −2 −1 53 17 = 1−1 2 Assim: x = 1, y = −1, z = 2 46/71 Exemplo (continuação) Temos que: A−1 = −40 16 913 −5 −3 5 −2 −1 Pelo teorema anterior, temos: x = A−1b = −40 16 913 −5 −3 5 −2 −1 53 17 = 1−1 2 Assim: x = 1, y = −1, z = 2 46/71 Um problema fundamental Seja A uma matriz m × n fixada. Encontre todas as matrizes b de tamanho m × 1 tais que o sistema Ax = b seja consistente. Se A não for quadrada, ou se A for quadrada, mas não invert́ıvel, então o Teorema anterior não pode ser aplicado. Nesses casos, geralmente a matriz b deve satisfazer certas condições para garantir que Ax = b seja consistente. 47/71 Um problema fundamental Seja A uma matriz m × n fixada. Encontre todas as matrizes b de tamanho m × 1 tais que o sistema Ax = b seja consistente. Se A não for quadrada, ou se A for quadrada, mas não invert́ıvel, então o Teorema anterior não pode ser aplicado. Nesses casos, geralmente a matriz b deve satisfazer certas condições para garantir que Ax = b seja consistente. 47/71 Um problema fundamental Seja A uma matriz m × n fixada. Encontre todas as matrizes b de tamanho m × 1 tais que o sistema Ax = b seja consistente. Se A não for quadrada, ou se A for quadrada, mas não invert́ıvel, então o Teorema anterior não pode ser aplicado. Nesses casos, geralmente a matriz b deve satisfazer certas condições para garantir que Ax = b seja consistente. 47/71 Determinando consistência por eliminação Exemplo Quais condições devem satisfazer b1, b2, e b3 para garantir que o sistema de equações: x + y + 2z = b1 x + z = b2 2x + y + 3z = b3 seja consistente? Solução. Usando a matriz aumentada e escalonando, temos: 1 1 2 ... b1 1 0 1 ... b2 2 1 3 ... b3 ⇒ −L1 + L2 → L2 −2L1 + L3 → L3 −L2 → L3 L2 + L3 → L3 ⇒ 1 1 2 ... b1 0 1 1 ... b1 − b2 0 0 0 ... b3 − b2 − b1 48/71 Determinando consistência por eliminação Exemplo Quais condições devem satisfazer b1, b2, e b3 para garantir que o sistema de equações: x + y + 2z = b1 x + z = b2 2x + y + 3z = b3 seja consistente? Solução. Usando a matriz aumentada e escalonando, temos: 1 1 2 ... b1 1 0 1 ... b2 2 1 3 ... b3 ⇒ −L1 + L2 → L2 −2L1 + L3 → L3 −L2 → L3 L2 + L3 → L3 ⇒ 1 1 2 ... b1 0 1 1 ... b1 − b2 0 0 0 ... b3 − b2 − b1 48/71 Determinando consistência por eliminação Exemplo Quais condições devem satisfazer b1, b2, e b3 para garantir que o sistema de equações: x + y + 2z = b1 x + z = b2 2x + y + 3z = b3 seja consistente? Solução. Usando a matriz aumentada e escalonando, temos: 1 1 2 ... b1 1 0 1 ... b2 2 1 3 ... b3 ⇒ −L1 + L2 →L2 −2L1 + L3 → L3 −L2 → L3 L2 + L3 → L3 ⇒ 1 1 2 ... b1 0 1 1 ... b1 − b2 0 0 0 ... b3 − b2 − b1 48/71 Determinando consistência por eliminação Exemplo Quais condições devem satisfazer b1, b2, e b3 para garantir que o sistema de equações: x + y + 2z = b1 x + z = b2 2x + y + 3z = b3 seja consistente? Solução. Usando a matriz aumentada e escalonando, temos: 1 1 2 ... b1 1 0 1 ... b2 2 1 3 ... b3 ⇒ −L1 + L2 → L2 −2L1 + L3 → L3 −L2 → L3 L2 + L3 → L3 ⇒ 1 1 2 ... b1 0 1 1 ... b1 − b2 0 0 0 ... b3 − b2 − b1 48/71 Determinando consistência por eliminação Exemplo Quais condições devem satisfazer b1, b2, e b3 para garantir que o sistema de equações: x + y + 2z = b1 x + z = b2 2x + y + 3z = b3 seja consistente? Solução. Usando a matriz aumentada e escalonando, temos: 1 1 2 ... b1 1 0 1 ... b2 2 1 3 ... b3 ⇒ −L1 + L2 → L2 −2L1 + L3 → L3 −L2 → L3 L2 + L3 → L3 ⇒ 1 1 2 ... b1 0 1 1 ... b1 − b2 0 0 0 ... b3 − b2 − b1 48/71 Determinando consistência por eliminação Exemplo Quais condições devem satisfazer b1, b2, e b3 para garantir que o sistema de equações: x + y + 2z = b1 x + z = b2 2x + y + 3z = b3 seja consistente? Solução. Usando a matriz aumentada e escalonando, temos: 1 1 2 ... b1 1 0 1 ... b2 2 1 3 ... b3 ⇒ −L1 + L2 → L2 −2L1 + L3 → L3 −L2 → L3 L2 + L3 → L3 ⇒ 1 1 2 ... b1 0 1 1 ... b1 − b2 0 0 0 ... b3 − b2 − b1 48/71 (continuação). Pela terceira linha da matriz, que o sistema tem uma solução se, e só se, b1, b2, e b3 satisfazem a condição: b3 − b2 − b1 = 0 ou b3 = b1 + b2 Para expressar essa condição de uma outra maneira, Ax = b é consistente se, e só se, b é uma matriz da forma: b = b1b2 b1 + b2 em que b1, b2 são arbitrários. 49/71 (continuação). Pela terceira linha da matriz, que o sistema tem uma solução se, e só se, b1, b2, e b3 satisfazem a condição: b3 − b2 − b1 = 0 ou b3 = b1 + b2 Para expressar essa condição de uma outra maneira, Ax = b é consistente se, e só se, b é uma matriz da forma: b = b1b2 b1 + b2 em que b1, b2 são arbitrários. 49/71 (continuação). Pela terceira linha da matriz, que o sistema tem uma solução se, e só se, b1, b2, e b3 satisfazem a condição: b3 − b2 − b1 = 0 ou b3 = b1 + b2 Para expressar essa condição de uma outra maneira, Ax = b é consistente se, e só se, b é uma matriz da forma: b = b1b2 b1 + b2 em que b1, b2 são arbitrários. 49/71 (continuação). Pela terceira linha da matriz, que o sistema tem uma solução se, e só se, b1, b2, e b3 satisfazem a condição: b3 − b2 − b1 = 0 ou b3 = b1 + b2 Para expressar essa condição de uma outra maneira, Ax = b é consistente se, e só se, b é uma matriz da forma: b = b1b2 b1 + b2 em que b1, b2 são arbitrários. 49/71 Determinando consistência por eliminação Exemplo Quais condições devem satisfazer b1, b2, e b3 para garantir que o sistema de equações: x + 2y + 3z = b1 2x + 5y + 3z = b2 x + 8z = b3 seja consistente? Solução. Usando a matriz aumentada e escalonando, temos: 1 2 3 ... b1 2 5 3 ... b2 1 0 8 ... b3 ⇒ 1 0 0 ... −40b1 + 16b2 + 9b3 0 1 0 ... 13b1 − 5b2 − 3b3 0 0 1 ... 5b1 − 2b2 − b3 50/71 Determinando consistência por eliminação Exemplo Quais condições devem satisfazer b1, b2, e b3 para garantir que o sistema de equações: x + 2y + 3z = b1 2x + 5y + 3z = b2 x + 8z = b3 seja consistente? Solução. Usando a matriz aumentada e escalonando, temos: 1 2 3 ... b1 2 5 3 ... b2 1 0 8 ... b3 ⇒ 1 0 0 ... −40b1 + 16b2 + 9b3 0 1 0 ... 13b1 − 5b2 − 3b3 0 0 1 ... 5b1 − 2b2 − b3 50/71 Determinando consistência por eliminação Exemplo Quais condições devem satisfazer b1, b2, e b3 para garantir que o sistema de equações: x + 2y + 3z = b1 2x + 5y + 3z = b2 x + 8z = b3 seja consistente? Solução. Usando a matriz aumentada e escalonando, temos: 1 2 3 ... b1 2 5 3 ... b2 1 0 8 ... b3 ⇒ 1 0 0 ... −40b1 + 16b2 + 9b3 0 1 0 ... 13b1 − 5b2 − 3b3 0 0 1 ... 5b1 − 2b2 − b3 50/71 Determinando consistência por eliminação Exemplo Quais condições devem satisfazer b1, b2, e b3 para garantir que o sistema de equações: x + 2y + 3z = b1 2x + 5y + 3z = b2 x + 8z = b3 seja consistente? Solução. Usando a matriz aumentada e escalonando, temos: 1 2 3 ... b1 2 5 3 ... b2 1 0 8 ... b3 ⇒ 1 0 0 ... −40b1 + 16b2 + 9b3 0 1 0 ... 13b1 − 5b2 − 3b3 0 0 1 ... 5b1 − 2b2 − b3 50/71 (continuação). Nesse caso, não há restrições sobre b1, b2 e b3, de modo que o sistema tem a única solução: x = −40b1 + 16b2 + 9b3 y = 13b1 − 5b2 − 3b3 z = 5b1 − 2b2 − b3 com quaisquer valores de b1, b2 e b3. 51/71 (continuação). Nesse caso, não há restrições sobre b1, b2 e b3, de modo que o sistema tem a única solução: x = −40b1 + 16b2 + 9b3 y = 13b1 − 5b2 − 3b3 z = 5b1 − 2b2 − b3 com quaisquer valores de b1, b2 e b3. 51/71 (continuação). Nesse caso, não há restrições sobre b1, b2 e b3, de modo que o sistema tem a única solução: x = −40b1 + 16b2 + 9b3 y = 13b1 − 5b2 − 3b3 z = 5b1 − 2b2 − b3 com quaisquer valores de b1, b2 e b3. 51/71 Aplicações 52/71 Modelos econômicos de Leontief 52/71 Consideremos uma economia aberta simples com um setor aberto e três setores produtivos: manufatura, agricultura e serviços. Suponhamos que insumos e produtos sejam medidos em unidades monetárias ($) e que os insumos reque- ridos pelos setores produtivos para produzir uma unidade monetária de valor de produto estão de acordo com a Tabela a seguir: Manufatura Agricultura Serviços Manufatura $0, 50 $0, 10 $0, 10 Agricultura $0, 20 $0, 50 $0, 30 Serviços $0, 10 $0, 30 $0, 40 52/71 Suprimimos as legendas da tabela e expressamos essa matriz como: C = 0, 5 0, 1 0, 10, 2 0, 5 0, 3 0, 1 0, 3 0, 4 Essa é denominada a matriz de consumo da economia (ou, às vezes, a matriz tecnológica). Os vetores-coluna: c1 = 0, 50, 2 0, 1 c2 = 0, 10, 5 0, 3 c3 = 0, 10, 3 0, 4 de C listam os insumos necessários para os setores de manufatura, agricultura e serviços, respectivamente, produzirem $1, 00 de produto. Esses vetores são denominados vetores de consumo dos setores. 53/71 Suprimimos as legendas da tabela e expressamos essa matriz como: C = 0, 5 0, 1 0, 10, 2 0, 5 0, 3 0, 1 0, 3 0, 4 Essa é denominada a matriz de consumo da economia (ou, às vezes, a matriz tecnológica). Os vetores-coluna: c1 = 0, 50, 2 0, 1 c2 = 0, 10, 5 0, 3 c3 = 0, 10, 3 0, 4 de C listam os insumos necessários para os setores de manufatura, agricultura e serviços, respectivamente, produzirem $1, 00 de produto. Esses vetores são denominados vetores de consumo dos setores. 53/71 Suprimimos as legendas da tabela e expressamos essa matriz como: C = 0, 5 0, 1 0, 10, 2 0, 5 0, 3 0, 1 0, 3 0, 4 Essa é denominada a matriz de consumo da economia (ou, às vezes, a matriz tecnológica). Os vetores-coluna: c1 = 0, 50, 2 0, 1 c2 = 0, 10, 5 0, 3 c3 = 0, 10, 3 0, 4 de C listam os insumos necessários para os setores de manufatura, agricultura e serviços, respectivamente, produzirem $1, 00 de produto. Esses vetores são denominados vetores de consumo dos setores. 53/71 Suprimimos as legendas da tabela e expressamos essa matriz como: C = 0, 5 0, 1 0, 10, 2 0, 5 0, 3 0, 1 0, 3 0, 4 Essa é denominada a matriz de consumo da economia (ou, às vezes, a matriz tecnológica). Os vetores-coluna: c1 = 0, 50, 2 0, 1 c2 = 0, 10, 5 0, 3 c3 = 0, 10, 3 0, 4 de C listam os insumos necessários para os setores de manufatura, agricultura e serviços, respectivamente, produzirem $1, 00 de produto. Esses vetores são denominados vetores de consumo dos setores. 53/71 Vamos supor que o setor aberto necessita que a economia forneçabens manu- faturados, produtos agŕıcolas e serviços com os valores em unidades monetárias seguintes: d1 = unidades monetárias de bens manufaturados d2 = unidades monetárias de produtos agŕıcolas d3 = unidades monetárias de serviços O vetor coluna d que tem esses números como componentes sucessivos é denominado vetor demanda externa. 54/71 Vamos supor que o setor aberto necessita que a economia forneça bens manu- faturados, produtos agŕıcolas e serviços com os valores em unidades monetárias seguintes: d1 = unidades monetárias de bens manufaturados d2 = unidades monetárias de produtos agŕıcolas d3 = unidades monetárias de serviços O vetor coluna d que tem esses números como componentes sucessivos é denominado vetor demanda externa. 54/71 Vamos supor que o setor aberto necessita que a economia forneça bens manu- faturados, produtos agŕıcolas e serviços com os valores em unidades monetárias seguintes: d1 = unidades monetárias de bens manufaturados d2 = unidades monetárias de produtos agŕıcolas d3 = unidades monetárias de serviços O vetor coluna d que tem esses números como componentes sucessivos é denominado vetor demanda externa. 54/71 Como os setores produtivos consomem alguns de seus próprios produtos, o valor em unidades monetárias de seus produtos precisa cobrir suas próprias necessidades mais a demanda externa. Suponhamos que os valores necessários para conseguir isso sejam: x1 = unidades monetárias de bens manufaturados x2 = unidades monetárias de produtos agŕıcolas x3 = unidades monetárias de serviços O vetor coluna x que tem esses números como componentes sucessivos é denominado vetor de produção da economia. 55/71 Como os setores produtivos consomem alguns de seus próprios produtos, o valor em unidades monetárias de seus produtos precisa cobrir suas próprias necessidades mais a demanda externa. Suponhamos que os valores necessários para conseguir isso sejam: x1 = unidades monetárias de bens manufaturados x2 = unidades monetárias de produtos agŕıcolas x3 = unidades monetárias de serviços O vetor coluna x que tem esses números como componentes sucessivos é denominado vetor de produção da economia. 55/71 Como os setores produtivos consomem alguns de seus próprios produtos, o valor em unidades monetárias de seus produtos precisa cobrir suas próprias necessidades mais a demanda externa. Suponhamos que os valores necessários para conseguir isso sejam: x1 = unidades monetárias de bens manufaturados x2 = unidades monetárias de produtos agŕıcolas x3 = unidades monetárias de serviços O vetor coluna x que tem esses números como componentes sucessivos é denominado vetor de produção da economia. 55/71 Para a economia com matriz de consumo, a porção do vetor de produção x que será consumido pelos três setores produtivos é: x1 0, 50, 2 0, 1 ︸ ︷︷ ︸ As frações consumidas pela manufatura + x2 0, 10, 5 0, 3 ︸ ︷︷ ︸ As frações consumidas pela agricultura + x3 0, 10, 3 0, 4 ︸ ︷︷ ︸ As frações consumidas pelos serviços = 0, 5 0, 1 0, 10, 2 0, 5 0, 3 0, 1 0, 3 0, 4 x1x2 x3 = Cx O vetor Cx é denominado vetor demanda intermediária da economia. 56/71 Para a economia com matriz de consumo, a porção do vetor de produção x que será consumido pelos três setores produtivos é: x1 0, 50, 2 0, 1 ︸ ︷︷ ︸ As frações consumidas pela manufatura + x2 0, 10, 5 0, 3 ︸ ︷︷ ︸ As frações consumidas pela agricultura + x3 0, 10, 3 0, 4 ︸ ︷︷ ︸ As frações consumidas pelos serviços = 0, 5 0, 1 0, 10, 2 0, 5 0, 3 0, 1 0, 3 0, 4 x1x2 x3 = Cx O vetor Cx é denominado vetor demanda intermediária da economia. 56/71 Para a economia com matriz de consumo, a porção do vetor de produção x que será consumido pelos três setores produtivos é: x1 0, 50, 2 0, 1 ︸ ︷︷ ︸ As frações consumidas pela manufatura + x2 0, 10, 5 0, 3 ︸ ︷︷ ︸ As frações consumidas pela agricultura + x3 0, 10, 3 0, 4 ︸ ︷︷ ︸ As frações consumidas pelos serviços = 0, 5 0, 1 0, 10, 2 0, 5 0, 3 0, 1 0, 3 0, 4 x1x2 x3 = Cx O vetor Cx é denominado vetor demanda intermediária da economia. 56/71 Uma vez atendida a demanda intermediária, a porção da produção que resta para satisfazer as necessidades da demanda externa é x− Cx. Assim, se o vetor demanda externa for d, então x deve satisfazer a equação: x︸︷︷︸ Quantidade produzida − Cx︸︷︷︸ Demanda intermediária = d︸︷︷︸ Demanda externa ⇓ (I − C )x = d A matriz I −C é denominada matriz de Leontief e a equação é denominada equação de Leontief. 57/71 Uma vez atendida a demanda intermediária, a porção da produção que resta para satisfazer as necessidades da demanda externa é x− Cx. Assim, se o vetor demanda externa for d, então x deve satisfazer a equação: x︸︷︷︸ Quantidade produzida − Cx︸︷︷︸ Demanda intermediária = d︸︷︷︸ Demanda externa ⇓ (I − C )x = d A matriz I −C é denominada matriz de Leontief e a equação é denominada equação de Leontief. 57/71 Uma vez atendida a demanda intermediária, a porção da produção que resta para satisfazer as necessidades da demanda externa é x− Cx. Assim, se o vetor demanda externa for d, então x deve satisfazer a equação: x︸︷︷︸ Quantidade produzida − Cx︸︷︷︸ Demanda intermediária = d︸︷︷︸ Demanda externa ⇓ (I − C )x = d A matriz I −C é denominada matriz de Leontief e a equação é denominada equação de Leontief. 57/71 Exemplo Considere a economia descrita na Tabela dada anteriormente. Suponhamos que o setor aberto tenha uma demanda no valor de $7.900 de produtos ma- nufaturados, $3.950 de produtos agŕıcolas e $1.975 de serviços. (a) A economia conseguirá atender essa demanda? (b) Se conseguir, encontre um vetor de produção x que atenda exatamente essa demanda. 58/71 Solução. A matriz de consumo, o vetor de produção e o vetor demanda externa são: C = 0, 5 0, 1 0, 10, 2 0, 5 0, 3 0, 1 0, 3 0, 4 x = x1x2 x3 d = 7.9003.950 1.975 Para atender essa demanda, o vetor x deve satisfazer a equação de Leontief portanto, o problema se reduz a resolver o sistema (se for consistente): (I − C )x = d 1 0 00 1 0 0 0 1 − 0, 5 0, 1 0, 10, 2 0, 5 0, 3 0, 1 0, 3 0, 4 x1x2 x3 = 7.9003.950 1.975 59/71 Solução. A matriz de consumo, o vetor de produção e o vetor demanda externa são: C = 0, 5 0, 1 0, 10, 2 0, 5 0, 3 0, 1 0, 3 0, 4 x = x1x2 x3 d = 7.9003.950 1.975 Para atender essa demanda, o vetor x deve satisfazer a equação de Leontief portanto, o problema se reduz a resolver o sistema (se for consistente): (I − C )x = d 1 0 00 1 0 0 0 1 − 0, 5 0, 1 0, 10, 2 0, 5 0, 3 0, 1 0, 3 0, 4 x1x2 x3 = 7.9003.950 1.975 59/71 Solução. A matriz de consumo, o vetor de produção e o vetor demanda externa são: C = 0, 5 0, 1 0, 10, 2 0, 5 0, 3 0, 1 0, 3 0, 4 x = x1x2 x3 d = 7.9003.950 1.975 Para atender essa demanda, o vetor x deve satisfazer a equação de Leontief portanto, o problema se reduz a resolver o sistema (se for consistente): (I − C )x = d 1 0 00 1 0 0 0 1 − 0, 5 0, 1 0, 10, 2 0, 5 0, 3 0, 1 0, 3 0, 4 x1x2 x3 = 7.9003.950 1.975 59/71 Solução. A matriz de consumo, o vetor de produção e o vetor demanda externa são: C = 0, 5 0, 1 0, 10, 2 0, 5 0, 3 0, 1 0, 3 0, 4 x = x1x2 x3 d = 7.9003.950 1.975 Para atender essa demanda, o vetor x deve satisfazer a equação de Leontief portanto, o problema se reduz a resolver o sistema (se for consistente): (I − C )x = d 1 0 00 1 0 0 0 1 − 0, 5 0, 1 0, 10, 2 0, 5 0, 3 0, 1 0, 3 0, 4 x1x2 x3 = 7.9003.950 1.975 59/71 Solução. A matriz de consumo, o vetor de produção e o vetor demanda externa são: C = 0, 5 0, 1 0, 10, 2 0, 5 0, 3 0, 1 0, 3 0, 4 x = x1x2 x3 d = 7.9003.950 1.975 Para atender essa demanda, o vetor x deve satisfazer a equação de Leontief portanto, o problema se reduz a resolver o sistema (se for consistente): (I − C )x = d 1 0 00 1 0 0 0 1 − 0, 5 0, 1 0, 10, 2 0, 5 0, 3 0, 1 0, 3 0, 4 x1x2 x3 = 7.9003.950 1.975 59/71 Solução (continuação). 0, 5 −0, 1 −0, 1−0, 2 0, 5 −0, 3 −0, 1 −0, 3 0, 6 x1x2 x3 = 7.9003.950 1.975 A forma escalonada reduzida por linhas da matriz aumentada desse sistema é: 1 0 0 ... 27.500 0 1 0 ... 33.750 0 0 1 ... 24.750 Isso nos diz que o sistema é consistente e que a economia consegue atender exatamente a demanda do setor aberto, produzindo um valor total de $27.500 de produtos manufaturados, $33.750 de produtos agŕıcolas e $24.750 de ser- viços. 60/71 Solução (continuação). 0, 5 −0, 1 −0, 1−0, 2 0, 5 −0, 3 −0, 1 −0, 3 0, 6 x1x2 x3 = 7.9003.950 1.975 A forma escalonada reduzida por linhas da matriz aumentada desse sistema é: 1 0 0 ... 27.500 0 1 0 ... 33.750 0 0 1 ... 24.750 Isso nos diz que o sistema é consistente e que a economia consegue atender exatamente a demanda do setor aberto, produzindo um valor total de $27.500 de produtos manufaturados, $33.750 de produtos agŕıcolas e $24.750 de ser- viços. 60/71 Solução (continuação). 0, 5 −0, 1 −0, 1−0, 2 0, 5 −0, 3 −0, 1 −0, 3 0, 6 x1x2 x3 = 7.9003.950 1.975 A forma escalonada reduzida por linhas da matriz aumentada desse sistema é: 1 0 0 ... 27.500 0 1 0 ... 33.750 0 0 1 ... 24.750 Isso nos diz que o sistema é consistente e que a economia consegue atender exatamente a demanda do setor aberto, produzindo um valor total de $27.500 de produtos manufaturados, $33.750 de produtos agŕıcolas e $24.750 de ser- viços. 60/71 Grafos 61/71 Um grafo é definido como um conjunto de pontos chamados vértices junto com um conjunto de pares não-ordenados de vértices chamados de arestas. Definição (Grafo orientado) Um grafo orientado (ou dirigido) consiste em um conjunto finito de pon- tos P1,P2, . . . ,Pn chamados vértices, juntamente com um conjunto finito de arestas, cada um dos quais unindo um par ordenado de vértices distintos. 61/71 Um grafo é definido como um conjunto de pontos chamados vértices junto com um conjunto de pares não-ordenados de vértices chamados de arestas. Definição (Grafo orientado) Um grafo orientado (ou dirigido) consiste em um conjunto finito de pon- tos P1,P2, . . . ,Pn chamados vértices, juntamente com um conjunto finito de arestas, cada um dos quais unindo um par ordenado de vértices distintos. 61/71 O grafo (a) tem vértices P1,P2 e P3 e arestas orientadas: P1 → P2 e P2 → P3 O grafo (b) tem vértices P1,P2,P3 e P4 e arestas orientadas: P1 → P2 e P1 → P3 62/71 O grafo (a) tem vértices P1,P2 e P3 e arestas orientadas: P1 → P2 e P2 → P3 O grafo (b) tem vértices P1,P2,P3 e P4 e arestas orientadas: P1 → P2 e P1 → P3 62/71 O grafo (a) tem vértices P1,P2 e P3 e arestas orientadas: P1 → P2 e P2 → P3 O grafo (b) tem vértices P1,P2,P3 e P4 e arestas orientadas: P1 → P2 e P1 → P3 62/71 O grafo (c) tem vértices P1,P2 e P3 e arestas orientadas: P1 → P2, P1 → P3 e P3 → P1 O grafo (d) tem vértices P1,P2 e P4 e arestas orientadas: P2 → P1, P2 → P3, P1 → P3 e P3 → P1 Um par de arestas orientadas como P1 → P3 e P3 → P1 é indicado com uma seta de duas pontas P1 ↔ P3. 63/71 O grafo (c) tem vértices P1,P2 e P3 e arestas orientadas: P1 → P2, P1 → P3 e P3 → P1 O grafo (d) tem vértices P1,P2 e P4 e arestas orientadas: P2 → P1, P2 → P3, P1 → P3 e P3 → P1 Um par de arestas orientadas como P1 → P3 e P3 → P1 é indicado com uma seta de duas pontas P1 ↔ P3. 63/71 O grafo (c) tem vértices P1,P2 e P3 e arestas orientadas: P1 → P2, P1 → P3 e P3 → P1 O grafo (d) tem vértices P1,P2 e P4 e arestas orientadas: P2 → P1, P2 → P3, P1 → P3 e P3 → P1 Um par de arestas orientadas como P1 → P3 e P3 → P1 é indicado com uma seta de duas pontas P1 ↔ P3. 63/71 O grafo (c) tem vértices P1,P2 e P3 e arestas orientadas: P1 → P2, P1 → P3 e P3 → P1 O grafo (d) tem vértices P1,P2 e P4 e arestas orientadas: P2 → P1, P2 → P3, P1 → P3 e P3 → P1 Um par de arestas orientadas como P1 → P3 e P3 → P1 é indicado com uma seta de duas pontas P1 ↔ P3. 63/71 Definição (matriz de adjacência) Dado um grafo orientado de n vértices, podemos associar ao grafo orientado uma matriz A(G) = [aij ] de tamanho n × n, denominada matriz de adja- cência (ou matriz de vértices) do grafo orientado, como segue. Os elementos da matriz são definidos por: aij = { 1, se Pi → Pj 0, caso contrário Por definição, as matrizes de adjacência têm as propriedades seguintes: (i) Todas as entradas são 0 ou 1. (ii) Todas as entradas na diagonal principal são 0. 64/71 Definição (matriz de adjacência) Dado um grafo orientado de n vértices, podemos associar ao grafo orientado uma matriz A(G) = [aij ] de tamanho n × n, denominada matriz de adja- cência (ou matriz de vértices) do grafo orientado, como segue. Os elementos da matriz são definidos por: aij = { 1, se Pi → Pj 0, caso contrário Por definição, as matrizes de adjacência têm as propriedades seguintes: (i) Todas as entradas são 0 ou 1. (ii) Todas as entradas na diagonal principal são 0. 64/71 Exemplo Dado o grafo Sua matriz de adjacência é: A(G) = P1 P2 P3 P4 P1 0 1 0 0 P2 0 0 1 0 P3 0 1 0 1 P4 0 0 0 0 65/71 Exemplo Dado o grafo Sua matriz de adjacência é: A(G) = P1 P2 P3 P4 P1 0 1 0 0 P2 0 0 1 0 P3 0 1 0 1 P4 0 0 0 0 65/71 Exemplo Dado o grafo Sua matriz de adjacência é: A(G) = P1 P2 P3 P4 P1 0 1 0 0 P2 1 0 1 0 P3 1 0 0 1 P4 1 0 0 0 66/71 Exemplo Dado o grafo Sua matriz de adjacência é: A(G) = P1 P2 P3 P4 P1 0 1 0 0 P2 1 0 1 0 P3 1 0 0 1 P4 1 0 0 0 66/71 Observações A aresta orientada Pi → Pj é diferente da aresta Pj → Pi . Podem não haver arestas orientadas de um vértice Pi para qualquer outro vértice Pj . Nenhum vértice pode ser alcançado a partir de si mesmo por uma única aresta. 67/71 Observações A aresta orientada Pi → Pj é diferente da aresta Pj → Pi . Podem não haver arestas orientadas de um vértice Pi para qualquer outro vértice Pj . Nenhum vértice pode ser alcançado a partir de si mesmo por uma única aresta. 67/71 Observações A aresta orientada Pi → Pj é diferente da aresta Pj → Pi . Podem não haver arestas orientadas de um vértice Pi para qualquer outro vértice Pj . Nenhum vértice pode ser alcançado a partir de si mesmo por uma única aresta. 67/71 Teorema 1 Seja A(G) a matriz de adjacência de um grafo orientado e seja m (r) ij o (i , j )- ésimo elemento de [A(G)]r . Então m (r) ij é igual ao número de conexões de r passos de Pi para Pj . 68/71 Exemplo Abaixo, temos o mapa das rotas de uma pequena companhia aérea que atende as quatro cidades P1,P2,P3 e P4. A matriz de adjacência dele é: A(G) = P1 P2 P3 P4 P1 0 1 1 0 P2 1 0 1 0 P3 1 0 0 1 P4 0 1 1 0 69/71 Exemplo Abaixo, temos o mapa das rotas de uma pequena companhia aérea que atende as quatro cidades P1,P2,P3 e P4. A matriz de adjacência dele é: A(G) = P1 P2 P3 P4 P1 0 1 1 0 P2 1 0 1 0 P3 1 0 0 1 P4 0 1 1 0 69/71 Temos: [A(G)]2 = P1 P2 P3 P4 P1 2 0 1 1 P2 1 1 1 1 P3 0 2 2 0 P4 2 0 1 1 e [A(G)]3 = P1 P2 P3 P4 P1 1 3 3 1 P2 2 2 3 1 P3 4 0 2 2 P4 1 3 3 1 Se estivermos interessados nas conexões da cidade P4 para a cidade P3, po- demos usar o Teorema 1 para saber quantas existem. 70/71 Temos: [A(G)]2 = P1 P2 P3 P4 P1 2 0 1 1 P2 1 1 1 1 P3 0 2 2 0 P4 2 0 1 1 e [A(G)]3 = P1 P2 P3 P4 P1 1 3 3 1 P2 2 2 3 1 P3 4 0 2 2 P4 1 3 3 1 Se estivermos interessados nas conexões da cidade P4 para a cidade P3, po- demos usar o Teorema 1 para saber quantas existem. 70/71 Como m43 = 1, existe uma conexão de um passo;conexões de 1 passo de P4 para P3: P4 → P3 Como m (2) 43 = 1, existe uma conexão de 2 passos; conexões de 2 passos de P4 para P3: P4 → P2 → P3 Como m (3) 43 = 3, existem 3 conexões de 3 passos. conexões de 3 passos de P4 para P3: P4 → P3 → P4 → P3 P4 → P2 → P1 → P3 P4 → P3 → P1 → P3 71/71 Como m43 = 1, existe uma conexão de um passo; conexões de 1 passo de P4 para P3: P4 → P3 Como m (2) 43 = 1, existe uma conexão de 2 passos; conexões de 2 passos de P4 para P3: P4 → P2 → P3 Como m (3) 43 = 3, existem 3 conexões de 3 passos. conexões de 3 passos de P4 para P3: P4 → P3 → P4 → P3 P4 → P2 → P1 → P3 P4 → P3 → P1 → P3 71/71 Como m43 = 1, existe uma conexão de um passo; conexões de 1 passo de P4 para P3: P4 → P3 Como m (2) 43 = 1, existe uma conexão de 2 passos; conexões de 2 passos de P4 para P3: P4 → P2 → P3 Como m (3) 43 = 3, existem 3 conexões de 3 passos. conexões de 3 passos de P4 para P3: P4 → P3 → P4 → P3 P4 → P2 → P1 → P3 P4 → P3 → P1 → P3 71/71 Como m43 = 1, existe uma conexão de um passo; conexões de 1 passo de P4 para P3: P4 → P3 Como m (2) 43 = 1, existe uma conexão de 2 passos; conexões de 2 passos de P4 para P3: P4 → P2 → P3 Como m (3) 43 = 3, existem 3 conexões de 3 passos. conexões de 3 passos de P4 para P3: P4 → P3 → P4 → P3 P4 → P2 → P1 → P3 P4 → P3 → P1 → P3 71/71 Como m43 = 1, existe uma conexão de um passo; conexões de 1 passo de P4 para P3: P4 → P3 Como m (2) 43 = 1, existe uma conexão de 2 passos; conexões de 2 passos de P4 para P3: P4 → P2 → P3 Como m (3) 43 = 3, existem 3 conexões de 3 passos. conexões de 3 passos de P4 para P3: P4 → P3 → P4 → P3 P4 → P2 → P1 → P3 P4 → P3 → P1 → P3 71/71 Como m43 = 1, existe uma conexão de um passo; conexões de 1 passo de P4 para P3: P4 → P3 Como m (2) 43 = 1, existe uma conexão de 2 passos; conexões de 2 passos de P4 para P3: P4 → P2 → P3 Como m (3) 43 = 3, existem 3 conexões de 3 passos. conexões de 3 passos de P4 para P3: P4 → P3 → P4 → P3 P4 → P2 → P1 → P3 P4 → P3 → P1 → P3 71/71 Matrizes O produto de uma matriz por um vetor em termos de colunas Propriedades de matrizes Matriz Inversa Aplicações Modelos econômicos de Leontief Grafos
Compartilhar