UNIVERSIDADE ESTADUAL DE CAMPINAS

Instituto de Economia
Departamento de Teoria Economica
CE-113
Economia Matematica III
1S - 2014
Sumario
1 Matrizes 4
1.1 Denicao de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Tipos Especiais de Matrizes . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Operacoes com Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1 Adicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.2 Multiplicacao de uma Matriz por um Escalar . . . . . . . . . . 11
1.3.3 Multiplicacao de Matrizes . . . . . . . . . . . . . . . . . . . . 11
1.3.4 Matriz Transposta . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4 Equacoes Matriciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2 Sistemas Lineares 20
2.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2 Substituicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3 Elimina cao de Variaveis (Metodo de Gauss) . . . . . . . . . . . . . . 23
2.4 Forma Matricial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.5 Forma Escalonada Reduzida por Linhas . . . . . . . . . . . . . . . . . 28
2.6 Posto e Nulidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.7 Classicacao de Sistemas Lineares . . . . . . . . . . . . . . . . . . . . 35
2.8 Sistema Homogeneo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3 Determinantes 41
3.1 Determinante de matrizes de ordem n 3 . . . . . . . . . . . . . . . 42
3.2 Desenvolvimento de Laplace . . . . . . . . . . . . . . . . . . . . . . . 44
3.3 Propriedades dos Determinantes . . . . . . . . . . . . . . . . . . . . . 45
4 Matriz dos Cofatores 49
4.1 Matriz Adjunta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5 Matriz Inversa 52
5.1 Propriedades das Matrizes Inversas . . . . . . . . . . . . . . . . . . . 52
5.2 Unicidade da Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . 52
5.3 Determinacao da Matriz Inversa . . . . . . . . . . . . . . . . . . . . . 52
2
5.3.1 Denicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.3.2 Matriz dos Cofatores . . . . . . . . . . . . . . . . . . . . . . . 54
5.3.3 Operacoes Elementares . . . . . . . . . . . . . . . . . . . . . . 55
5.4 Regra de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
6 Aplicacao: Matriz Insumo-Produto 62
1 Matrizes
1.1 Deni cao de Matrizes
Defini c ao 1.1 Chama-se matriz de ordem m por n a um quadro (ou tabela) de
elementos dispostos em m linhas e n colunas, representada da seguinte maneira:
A =
_

_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_

_
(1)
sendo a
ij
elemento ou termo da matriz A, i = 1, . . . , m e j = 1, . . . , n, i denota
linhas e j denota colunas.
Notacao: Letras mai usculas para denotar matrizes e letras min usculas para de-
notar os elementos da matriz.
A matriz A pode ser representada abreviadamente por A = [a
ij
] , i = 1, . . . , m e
j = 1, . . . , n.
A matriz A e dita ser de dimens ao mn, podendo ser escrita como A
mn
.
Exemplo 1.1
A =
_
1 2
3 4
_
A e uma matriz de dimens ao 2 2, (A
22
).
Seus elementos sao: a
11
= 1; a
12
= 2; a
21
= 3; a
22
= 4.
Defini c ao 1.2 Duas matrizes A
mn
= [a
ij
] e B
rs
= [b
ij
], sao iguais, A = B, se, e
somente se,
1. Tem o mesmo n umero de linhas (m = r);
2. Tem o mesmo n umero de colunas (n = s);
3. Todos os elementos correspondentes sao iguais a
ij
= b
ij
, i = 1, . . . , m; j =
1, . . . , n.
4
1.2 Tipos Especiais de Matrizes
As matrizes descritas a seguir apresentam caractersticas pr oprias e, na pr atica,
aparecem frequentemente.
Defini c ao 1.3 Uma matriz na qual m = n e denominada matriz retangular.
Exemplo 1.2 A
32
=
_

_
1 1
5 7
2 2
_

_
; B
23
=
_
1 3 12
5 0 2
_
Defini c ao 1.4 Uma matriz de ordem m por 1 e uma matriz-coluna ou vetor-
coluna:
_

_
a
1
a
2
.
.
.
a
m
_

_
(2)
Defini c ao 1.5 Uma matriz de ordem 1 por n e uma matriz-linha ou vetor-linha:
_
a
1
a
2
. . . a
n
_
Defini c ao 1.6 Uma matriz nula e a matriz cujos elementos a
ij
, i = 1 . . . , m, j =
1, . . . , n, sao todos nulos.
Exemplo 1.3
B
23
=
_
0 0 0
0 0 0
_
5
Defini c ao 1.7 Tem-se uma matriz quadrada quando o n umero de linhas e igual
ao n umero de colunas (m = n):
A =
_

_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn
_

_
A ordem da matriz A e n por n, ou simplesmente n, podendo ser representada
por A
n
.
Defini c ao 1.8 Em uma matriz quadrada A = [a
ij
], de ordem n, os elementos a
ij
,
em que i = j, constituem a diagonal principal:
a
11
, a
22
, . . . , a
nn
Exemplo 1.4
A
3
= A =
_

_
2 5 3
1 0 2
1 6 4
_

_
A diagonal principal da matriz A
3
e: a
11
= 2, a
22
= 0, a
33
= 4.
Defini c ao 1.9 Em uma matriz quadrada A = [a
ij
], de ordem n, os elementos a
ij
,
em que i + j = n + 1, constituem a diagonal secundaria:
a
1n
, a
2n1
, . . . , a
n1
Exemplo 1.5 Considerando a matriz de ordem 3, A
3
do exemplo 1.4, os elementos
da diagonal secund aria sao:
a
13
= 3; a
22
= 0; a
31
= 1
6
Defini c ao 1.10 A matriz quadrada A = [a
ij
] de ordem n, que tem os elementos
a
ij
= 0 quando i = j e uma matriz diagonal:
A =
_

_
a
11
0 0 . . . 0
0 a
22
0 . . . 0
0 0 a
33
. . . 0
.
.
.
.
.
.
.
.
. . . .
.
.
.
0 0 0 . . . a
nn
_

_
Exemplo 1.6
A
3
= A =
_

_
2 0 0
0 4 0
0 0 7
_

_
Exemplo 1.7
A
3
= A =
_

_
4 0 0
0 4 0
0 0 4
_

_
A matriz do exemplo 1.7 e chamada de matriz escalar, pois os elementos da
diagonal principal sao iguais a um escalar k diferente de 1 (no exemplo, k = 4).
Defini c ao 1.11 Matriz identidade e uma matriz diagonal de qualquer ordem que
tem os elementos a
ij
= 1 para i = j e a
ij
= 0 para i = j. Indica-se a matriz
identidade por I
n
, ou simplesmente por I:
I
n
= I =
_

_
1 0 0 . . . 0
0 1 0 . . . 0
0 0 1 . . . 0
.
.
.
.
.
.
.
.
. . . .
.
.
.
0 0 0 . . . 1
_

_
7
Defini c ao 1.12 Matriz triangular superior e uma matriz quadrada A = [a
ij
] que
tem todos os elementos abaixo da diagonal principal nulos, isto e, a
ij
= 0 para i > j:
A =
_

_
a
11
a
12
a
13
. . . a
1n
0 a
22
a
23
. . . a
2n
0 0 a
33
. . . a
3n
.
.
.
.
.
.
.
.
. . . .
.
.
.
0 0 0 . . . a
nn
_

_
Exemplo 1.8
A =
_

_
1 2 3 1
0 2 3 2
0 0 3 3
0 0 0 5
_

_
Defini c ao 1.13 Matriz triangular inferior e uma matriz quadrada A = [a
ij
] que
tem todos os elementos acima da diagonal principal nulos, isto e, a
ij
= 0 para i < j:
A =
_

_
a
11
0 0 . . . 0
a
21
a
22
0 . . . 0
a
31
a
32
a
33
. . . 0
.
.
.
.
.
.
.
.
. . . .
.
.
.
a
n1
a
n2
a
n3
. . . a
nn
_

_
Exemplo 1.9
A =
_

_
2 0 0
12 5 0
1 10 2
_

_
8
Defini c ao 1.14 Matriz simetrica e toda matriz quadrada A = [a
ij
], de ordem n,
que tem os elementos a
ij
= a
ji
para todo i, j.
Exemplo 1.10
A =
_

_
1 0 4
0 2 1
4 1 3
_

_
9
1.3 Opera coes com Matrizes
1.3.1 Adicao
A soma de matrizes e denida apenas entre matrizes que tem a mesma ordem. Sejam
as matrizes A
mn
= [a
ij
] e B
mn
= [b
ij
]. A soma de A +B e a matriz C
mn
= [c
ij
],
cujos elementos sao somas dos elementos correspondentes de A e B, ou seja,
C
mn
= A
mn
+ B
mn
c
ij
= a
ij
+ b
ij
, i = 1, . . . , m; j = 1, . . . , n
Exemplo: A =
_
1 2
3 0
_
; B =
_
3 5
2 1
_
; C = A + B =
_
4 7
5 1
_
Propriedades da Adicao de Matrizes:
Dada as matrizes A, B, C e O de mesma ordem mn, temos:
1. Comutativa: A + B = B + A;
Demonstracao:
_
X = A + B

x
ij
= a
ij
+ b
ij
Y = B + A

y
ij
= b
ij
+ a
ij
_

x
ij
= y
ij

X = Y
2. Associativa: A + (B + C) = (A + B) + C;
Demonstracao:
_
X = A + (B + C)

x
ij
= a
ij
+ (b
ij
+ c
ij
)
Y = (A + B) + C

y
ij
= (a
ij
+ b
ij
) + c
ij
_

x
ij
= y
ij

X = Y
3. Elemento Neutro: A + 0 = 0 + A = A;
Demonstracao:
X = A + 0

x
ij
= a
ij
+ 0 = a
ij

X + A
4. Elemento Oposto: A + (A) = (A + A) = 0;
Demonstracao:
X = A + (A)

x
ij
= a
ij
+ (a
ij
) = 0

X = 0
10
sendo: de acordo com a deni cao de soma de matrizes; de acordo com
a propriedade de escalares; e de acordo com a deni cao de igualdade de
matrizes;
1.3.2 Multiplicacao de uma Matriz por um Escalar
Seja k um escalar. O produto de uma matriz A
mn
= [a
ij
] por esse escalar e
uma matriz B
mn
= [b
ij
], tal que,
B
mn
= k A
mn
[b
ij
] = [k a
ij
] , i = 1, . . . , m; j = 1, . . . , n
Exemplo 1.11 k = 4; A =
_
1 5
3 1
_
; k A = 4
_
1 5
3 1
_
=
_
4 20
12 4
_
Propriedades da Multiplicacao de uma Matriz por um Escalar:
Dada as matrizes A, B de mesma ordem mn e os escalares k, k
1
, k
2
, temos:
1. k (A + B) = k A + k B;
2. (k
1
+ k
2
)A = k
1
A + k
2
A;
3. k
1
(k
2
A) = (k
1
k
2
)A;
4. 1 A = A;
A demonstracao dessas propriedades sao imediatas.
1.3.3 Multiplicacao de Matrizes
Sejam as matrizes A
mn
= [a
ij
] e B
np
= [b
jk
]. O produto AB e uma matriz
C
mp
= [c
ik
], onde:
c
ik
=
n

j=1
a
ij
b
jk
O n umero de colunas de A deve ser igual ao n umero de linhas de B.
A matriz produto tem ordem igual ao n umero de linhas de A e ao n umero de
colunas de B.
11
Exemplo 1.12 Sejam as matrizes:
A
33
=
_

_
1 2 3
1 0 1
1 1 1
_

_
; B
32
=
_

_
1 2
3 2
1 2
_

_
;
Calcule:
(a) AB = C
32
=
_

_
10 12
2 4
5 6
_

_
(b) BA Nao e possvel realizar a multiplica cao N umero de colunas de B e dife-
rente do n umero de linhas de A
Exemplo 1.13 Sejam as matrizes:
A
22
=
_
3 5
1 4
_
; B
22
=
_
1 0
1 1
_
Calcule:
(a) AB
AB = C
22
=
_
2 5
5 4
_
(b) BA
BA = D
22
=
_
3 5
4 1
_
; AB = BA
Observa coes:
1. A multiplica cao de matrizes nao e comutativa (pode existir AB e BA mas
AB = BA);
2. Quando as matrizes A e B sao tais que AB = BA, dizemos que A e B sao
comutativas.
12
Exemplo 1.14 Sejam as matrizes:
A =
_
0 x
y 1
_
; e B =
_
1 1
0 1
_
.
Obter x e y de modo que A e B sejam comutativas.
Resposta:
AB =
_
0 x
y y 1
_
; BA =
_
y x + 1
y 1
_
A e B sao comutativas = AB = BA, ou seja:
_
0 x
y y 1
_
=
_
y x + 1
y 1
_
= x = 1/2; y = 0
3. O produto de duas matrizes nao nulas pode resultar em uma matriz nula.
Exemplo 1.15 Sejam as matrizes:
A =
_
0 1
0 2
_
; B =
_
1 4
0 0
_
.
Calcule AB.
Resposta:
AB =
_
0 0
0 0
_
4. Sejam as matrizes A
mn
, B
np
e C
np
. Podemos obter AB = AC com B = C.
Logo, a lei de cancelamento para a multiplica cao de matrizes nem sempre e
v alida.
Exemplo 1.16 Sejam as matrizes
A =
_
1 0 0
0 1 0
_
; B =
_

_
1 0
0 1
1 0
_

_
; e C =
_

_
1 0
0 1
0 0
_

_
13
Verique que AB = AC com B = C.
AB =
_
1 0
0 1
_
; AC =
_
1 0
0 1
_
Propriedades da Multiplicacao de Matrizes:
A multiplica cao de matrizes possui as seguintes propriedades:
1. Associativa: (AB)C = A(BC), sendo A
mn
, B
np
, C
pr
.
Demonstracao:
Sejam A = [a
ij
], B = [b
jk
], C = [c
kl
], D = AB = [d
ik
], E = (AB)C = [e
il
] e
F = BC = [f
jl
], sendo 1 i m, 1 j n, 1 k p e 1 l r. Temos:
e
il
=
p

k=1
d
ik
c
kl
=
p

k=1
_
n

j=1
a
ij
b
jk
_
c
kl
=
p

k=1
_
n

j=1
a
ij
b
jk
c
kl
_
=
=
n

j=1
a
ij
_
p

k=1
b
jk
c
kl
_
=
n

j=1
a
ij
f
jl
Entao,
(AB)C = A(BC)
2. Distributiva `a direita: (A + B)C = AC + BC, sendo A
mn
, B
mn
, C
np
.
Demonstracao:
Sejam A = [a
ij
], B = [b
ij
], C = [c
jk
], D = (A + B)C = [d
ik
], sendo 1 i m,
1 j n, 1 k p. Temos:
d
ik
=
n

j=1
(a
ij
+ b
ij
)c
jk
=
n

j=1
(a
ij
c
jk
+ b
ij
c
jk
) =
=
n

j=1
a
ij
c
jk
+
n

j=1
b
ij
c
jk
Entao,
(A + B)C = AC + BC
14
3. Distributiva `a esquerda: C(A + B) = CA + CB, sendo A
mn
, B
mn
, C
pm
;
Demonstracao: An alogo ao item anterior.
4. k(AB) = (kA)B = A(kB), sendo A
mn
, B
np
e k um escalar.
Demonstracao:
Sejam A = [a
ij
], B = [b
i
], C = kA = [c
jk
], D = kB = [d
ik
] e E = AB = [e
ik
],
sendo 1 i m, 1 j n, 1 k p. Temos:
n

j=1
c
ij
b
jk
=
n

j=1
(ka
ij
)b
jk
= k
n

j=1
a
ij
b
jk
n

j=1
a
ij
d
jk
=
n

j=1
a
ij
(kb
jk
) = k
n

j=1
a
ij
b
jk
Entao,
(kA)B = A(kB) = k(AB)
5. A I
n
= A, sendo A
mn
.
Demonstracao:
Sendo A = [a
ij
], AI
n
= B = [b
ij
] e I
n
= [c
pj
], sendo 1 i m, 1 j n e
1 p n temos:
b
ij
= a
i1
c
1j
+ a
i2
c
2j
+ a
i3
c
3j
+ . . . + a
ij
c
jj
+ . . . + a
in
c
nj
b
ij
= a
i1
0 + a
i2
0 + a
i3
0 + . . . + a
ij
1 + . . . + a
in
0
b
ij
= a
ij
AI
n
= A
6. I
m
A = A, sendo A
mn
Demonstracao:
Sendo A = [a
ij
], I
m
A = B = [b
ij
] e I
m
= [c
ip
], sendo 1 i m, 1 j n e
1 p n temos:
b
ij
= c
i1
a
1j
+ c
i2
a
2j
+ c
i3
a
3j
+ . . . + c
ii
a
ij
+ . . . + c
im
a
mj
b
ij
= 0a
1j
+ 0a
2j
+ 0a
3j
+ . . . + 1a
ij
+ . . . + 0a
mj
b
ij
= a
ij
I
m
A = A
15
1.3.4 Matriz Transposta
Defini c ao 1.15 Dada uma matriz A qualquer, de dimens ao mn, a matriz trans-
posta de A, representada por A
t
, e obtida permutando as linhas pelas colunas, ou
seja, A
t
e de ordem n m.
Exemplo 1.17 A
33
=
_

_
1 3 2
1 0 1
1 4 5
_

_
Matriz Transposta: A
t
33
=
_

_
1 1 1
3 0 4
2 1 5
_

_
Exemplo 1.18 B
23
=
_
1 6 9
3 8 11
_
Matriz Transposta: B
t
32
=
_

_
1 3
6 8
9 11
_

_
Propriedades das Matrizes Transpostas:
1. Se A e B sao matrizes do mesmo tipo mn, entao: (A + B)
t
= A
t
+ B
t
.
Demonatra cao: Sendo A = [a
ij
], A
t
= [a

ji
], B = [b
ij
], B
t
= [b

ji
], A + B = [c
ij
]
e (A + B)
t
= [c

ji
], temos:
c

ji
= c
ji
c

ji
= a
ij
+ b
ij
c

ji
= a

ji
+ b

ji
(A + B)
t
= A
t
+ B
t
.
Exemplo 1.19 A =
_
2 5
4 6
_
e B =
_
1 3
0 7
_
A
t
=
_
2 4
5 6
_
, B
t
=
_
1 0
3 7
_
A + B =
_
3 8
4 13
_
(A + B)
t
=
_
3 4
8 13
_
= A
t
+ B
t
16
2. Se k e um escalar e A e uma matriz de ordem mn, entao (k A)
t
= k A
t
.
Demonstracao: Sendo A = [a
ij
], A
t
= [a

ji
] e (kA)
t
= [a

ji
], temos:
a

ji
= ka
ij
a

ji
= ka

ji
(kA)
t
= kA
t
Exemplo 1.20 A =
_
1 5
7 2
_
e k = 2 A
t
=
_
1 7
5 2
_
e 2A =
_
2 10
14 4
_
(2A)
t
=
_
2 14
10 4
_
= 2A
t
3. Se Ae uma matriz de ordem mn e B e uma matriz np, entao (AB)
t
= B
t
A
t
.
Demonstracao: Sendo A = [a
ij
], B = [b
jk
], AB = [c
ik
] e (AB)
t
= [c

ki
], temos:
AB = [c
ik
] c
ik
=
n

j=1
a
ij
b
jk
(denicao de produto)
(AB)
t
= [c

ki
] c

ki
= c
ik
(denicao de matriz transposta)
Entao:
c

ki
=
n

j=1
a
ij
b
jk
c

ki
=
n

j=1
b
jk
a
ij
(propriedade comutativa dos n umeros reais)
Lembrando que:
A
t
= [a

ji
] a

ji
= a
ij
B
t
= [b

kj
] b

kj
= b
jk
_

_
c

ki
=
n

j=1
b

kj
a

ji
(AB)
t
= B
t
A
t
Exemplo 1.21 A =
_
2 4
1 3
_
e B =
_
3 3
4 4
_
AB =
_
22 22
15 15
_
A
t
=
_
2 1
4 3
_
e B
t
=
_
3 4
3 4
_
B
t
A
t
=
_
22 15
22 15
_
= (AB)
t
17
Defini c ao 1.16 Uma matriz A de ordem n e simetrica se, e somente se, e igual a
sua transposta (A = A
t
).
Da deni cao temos que, se A
n
= (a
ij
) e uma matriz simetrica, isto e:
a
ij
= a
ji
, i = 1, . . . , n; j = 1, . . . , n
os elementos simetricamente dispostos em rela cao `a diagonal principal sao iguais.
Exemplo 1.22 A =
_

_
1 0 4
0 2 1
4 1 3
_

_
; A
t
=
_

_
1 0 4
0 2 1
4 1 3
_

_
= A = A
t
Defini c ao 1.17 Uma matriz A de ordem n e chamada de matriz anti-simetrica se
A
t
= A.
Da deni cao temos que se A
n
= a
ij
e uma matriz anti-simetrica, isto e:
a
ij
= a
ji
; i = 1, . . . , n; j = 1, . . . , n
os elementos simetricamente dispostos em rela cao `a diagonal principal sao opos-
tos e os elementos da diagonal principal sao nulos.
Exemplo 1.23 A =
_
0 4
4 0
_
A
t
=
_
0 4
4 0
_
= A
1.4 Equacoes Matriciais
Exemplo 1.24 Resolver a equa cao matricial:
X + A = B C
sendo A =
_
1 3 5
4 7 2
_
; B =
_
6 1 2
8 5 0
_
e C =
_
12 2 7
5 9 8
_
18
Solucao: X deve ser uma matriz do tipo 2 3. Assim:
_
a b c
d e f
_
. .
X
+
_
1 3 5
4 7 2
_
. .
A
=
_
6 1 2
8 5 0
_
. .
B

_
12 2 7
5 9 8
_
. .
C
X =
_
a b c
d e f
_
=
_
6 3 5
3 14 8
_
. .
BC

_
1 3 5
4 7 2
_
. .
A
=
_
7 6 10
1 7 10
_
Exemplo 1.25 Resolver a equa cao matricial:
_
2 1
1 3
__
x y
z t
_
=
_
7 7
11 1
_
Solucao:
_
2x + z 2y + t
x + 3z y + 3t
_
=
_
7 7
11 1
_
_
2x + z = 7
x + 3z = 11
x = 2; z = 3
_
2y + t = 7
y + 3t = 1
y = 4; t = 1
X =
_
2 4
3 1
_
19
2 Sistemas Lineares
2.1 Introducao
Defini c ao 2.1 Uma equacao linear e uma equa cao da forma
a
1
x
1
+ a
2
x
2
+ . . . + a
n
x
n
= b (3)
sendo os termos a
i
, 1 i n, constantes reais chamadas coecientes ou par ametros;
x
i
, 1 i n, sao variaveis (inc ognitas) e b e um termo independente.
Defini c ao 2.2 Uma solucao da equa cao (3) e uma sequencia de n n umeros reais,
indicados por c
i
, 1 i n, tal que:
a
1
c
1
+ a
2
c
2
+ . . . + a
n
c
n
= b (4)
seja verdadeira.
Exemplo 2.1 Seja a equa cao
x
1
2x
2
= 2 (5)
Os par ametros desta equa cao sao: a
1
= 1; a
2
= 2 e o termo independente b = 2.
Cada um dos par ametros a
i
, i = 1 . . . , n possui apenas uma variavel e essa variavel
aparece somente `a primeira potencia.
Os valores de x
1
e x
2
que satisfazem a equa cao (5), podem ser representados em
um gr aco, como mostra a Figura 1.
Notamos que o conjunto dos pontos solucao da equa cao (5) forma uma reta, por
se tratar de uma equa cao linear com duas variaveis. Caso o n umero de variaveis
fosse igual a tres (n = 3) o conjunto dos pontos solucao representariam um plano.
Para o caso de n 4, teramos hiperplanos.
Defini c ao 2.3 Um sistema linear e um conjunto de m equa coes lineares, cada
uma com n incognitas, consideradas simultaneamente, podendo ser apresentado do
seguinte modo:
20
0 2 4 6 8 10 12
0
5
10
15
20
25
30
x
1
x
2
Figura 1: Representa cao da reta x
1
2x
2
= 2.
_

_
a
11
x
1
+ . . . + a
1n
x
n
= b
1
a
21
x
1
+ . . . + a
2n
x
n
= b
2
. . . . . . . . . . . .
a
m1
x
1
+ . . . + a
mn
x
n
= b
m
(6)
no qual a
ij
e b
j
sao n umeros reais; a
ij
sao os coecientes da i-esima equa cao e j-esima
incognita x
j
. Uma solucao de (6) e uma seq uencia de n umeros reais (c
1
, c
2
, . . . , c
n
),
a qual e solucao das m equa coes simultaneamente.
Questoes sobre um sistema linear:
1. Existe solucao?
2. Quantas solucoes existem?
3. Qual o metodo para obter as solucoes?
Vamos ver 3 formas de obter solucoes de uma sistema linear:
1. Substituicao;
2. Elimina cao de variaveis;
3. Forma matricial.
21
2.2 Substitui cao
Exemplo 2.2 (Equilbrio Parcial de Mercado) Consideremos um mercado com
apenas um produto. Para este mercado torna-se necessario 3 variaveis: a quantidade
procurada de mercadorias (Q
d
), a quantidade ofertada de mercadorias (Q
s
) e o preco
(P). Escolhida as variaveis, o pr oximo passo consiste em formular as hip oteses para
o funcionamento do mercado:
Hip otese 1: Condicao de equilbrio: o equilbrio ocorre no mercado se e somente
se a quantidade procurada e igual a quantidade ofertada, ou seja, Q
s
= Q
d
;
Hip otese 2: Q
d
e uma funcao decrescente de P (quando P aumenta Q
d
diminui);
Hip otese 3: Q
s
e uma funcao crescente de P (quando P aumenta Q
s
tambem
aumenta), com a condi cao de que a quantidade ofertada seja nula a nao ser
que o preco exceda um valor positivo especco.
Para o problema descrito vamos considerar o seguinte modelo de mercado
_

_
Q
d
= Q
s
Q
d
+ 2P = 18 (demanda)
Q
s
6P = 6 (oferta)
(7)
A solucao do sistema (7) e dada pela intersecao das retas de demanda e de oferta.
Esta solucao e o ponto de equilbrio do mercado (ver gura 2.2).
Solu cao: Chamando Q
d
= Q
s
= Q, o sistema (7), pode ser reescrito como um
sistema com duas equa coes e duas incognitas:
_
Q + 2P = 18
Q 6P = 6
(8)
Isolando a quantidade Q na segunda equa cao e substituindo na primeira, temos:
Q = 6P 6
6P 6 + 2P = 18 P = 3; e Q = 12
22
1 2 3 4 5 6 7
0
5
10
15
20
25
30
35
40
Preo
Q
d
,Q
s

Q
d
=182P
(demanda)
Q
s
=6+2P
(oferta)
(3,12)
Figura 2: An alise do ponto de equilbrio.
Usando o medoto de substituicao temos que a forma de solucao e direta. Entre-
tanto, caso o sistema apresente muitas variaveis este metodo passa a ser custoso.
2.3 Elimina cao de Variaveis (Metodo de Gauss)
Para resolver um sistema de m equa coes por eliminacao (elimina cao de Gauss),
podemos efetuar as seguintes operacoes:
1. Permuta cao de duas equa coes;
2. Multiplicacao de uma equa cao por um n umero real = 0;
3. Adicao de equa cao.
Dado o sistema linear (6), qualquer uma das modica coes acima (1 - 3) que se
faca recebe o nome de operacao elementar.
Se um sistema linear S
1
foi obtido de um sistema linear S araves das operacoes
elementares, dizemos que S
1
e equivalente a S.
Teorema 2.1 Se um sistema de equa coes lineares e derivado de um outro por ope-
ra coes elementares, entao ambos tem as mesmas solucoes, ou seja, sao equivalentes.
23
Exemplo 2.3 Obter a solucao do sistema abaixo atraves do metodo de elimina cao
de Gauss:
_
2x + y = 5
x 3y = 6
Solucao:
_
2x + y = 5
x 3y = 6
. .
S

_
x 3y = 6 (2)
2x + y = 5
. .
S
1

_
x 3y = 6
0x + 7y = 7 y = 1
. .
S
2
Substituindo y = 1 na primeira equa cao, temos:
x 3(1) = 6 x = 3
Logo, a solucao do sistema e:
_
x = 3
y = 1
Os sistemas S, S
1
e S
2
sao equivalentes, ou seja, a solucao x = 3 e y = 1 satisfaz
todos estes sistemas.
Uma variacao do metodo de eliminacao de Gauss e o chamado metodo de
Eliminacao Gauss-Jordan, o qual usa as tres operacoes elementares sobre as
equa coes. Este metodo inicia como no metodo de eliminacao de Gauss (como no
exemplo 2.3). Depois de alcan car o sistema S
2
, multiplica-se a segunda equa cao por
(1/7) de tal modo que o primeiro coeciente nao-nulo seja igual a 1:
Exemplo 2.4 (Continuacao do exerccio 2.3.)
_
x 3y = 6
0x + 7y = 7 (1/7)

_
x 3y = 6
0x + y = 1
Usando novamente o metodo de eliminacao de Gauss, ou seja, multiplicando a
segunda equa cao por 3 e somando na primeira equa cao, determinamos a solucao do
sistema:
_
x 3y = 6 (L
1
= L
1
+ 3 L
2
)
0x + y = 1

_
x + 0y = 3
0x + y = 1

_
x = 3
y = 1
24
Observacao: A solucao de sistemas de n equa coes lineares com n variaveis pelo
metodo de Gauss-Jordan exige que a matriz dos coecientes, associada ao sistema,
seja transformada na matriz identidade.
Exerccio 2.1 Resolva o modelo de mercado abaixo por Gauss-Jordan
_

_
Q
d
= Q
S
Q
d
= 15 4P
Q
S
= 6P 1
Resposta:
_

_
Q
d
Q
S
P
_

_
=
_

_
86/10
86/10
16/10
_

_
=
_

_
8.6
8.6
1.6
_

_
2.4 Forma Matricial
Dado um sistema linear com m equa coes e n incognitas:
_

_
a
11
x
1
+ . . . + a
1n
x
n
= b
1
a
21
x
1
+ . . . + a
2n
x
n
= b
2
. . . . . . . . . . . .
a
m1
x
1
+ . . . + a
mn
x
n
= b
m
(9)
A solucao do sistema (9) e (c
1
, c
2
. . . , c
n
) que satisfaz simultaneamente as m
equa coes.
Podemos escrever o sistema (9) em uma forma matricial:
_

_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
. . . . . . . . . . . .
a
m1
a
m2
. . . a
mn
_

_
mn
_

_
x
1
x
2
. . .
x
n
_

_
n1
=
_

_
b
1
b
2
. . .
b
m
_

_
m1
(10)
ou A.X = B, sendo,
25
A =
_

_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
. . . . . . . . . . . .
a
m1
a
m2
. . . a
mn
_

_
mn
a matriz dos coecientes;
X =
_

_
x
1
x
2
. . .
x
n
_

_
n1
a matriz incognita; e,
B =
_

_
b
1
b
2
. . .
b
m
_

_
m1
a matriz de termos independentes.
Ao sistema (9), tambem podemos associar a matriz ampliada:
_

_
a
11
a
12
. . . a
1n
.
.
. b
1
a
21
a
22
. . . a
2n
.
.
. b
2
. . . . . . . . . . . .
.
.
. . . .
a
m1
a
m2
. . . a
mn
.
.
. b
m
_

_
(11)
Com base na matriz ampliada (11), podemos resolver o sistema (9), usando
as 3 operacoes elementares que, a partir deste momento, passa a ser denominada
operacoes elementares sobre linhas.
Exemplo 2.5 Resolva o sistema abaixo usando a forma matricial:
_
2x + y = 5
x 3y = 6
26
Forma Matricial:
_
2 1
1 3
__
x
y
_
=
_
5
6
_
Matriz Ampliada:
_
_
2 1
.
.
. 5
1 3
.
.
. 6
_
_
Solucao:
_
2x + y = 5
x 3y = 6
_
_
2 1
.
.
. 5
1 3
.
.
. 6
_
_
L
1
L
2
L
1
L
2
_
x 3y = 6
2x + y = 5
_
_
1 3
.
.
. 6
2 1
.
.
. 5
_
_
L
1
L
2
L
2
= L
2
+ (2)L
1
_
x 3y = 6
0x + 7y = 7
_
_
1 3
.
.
. 6
0 7
.
.
. 7
_
_
L
1
L
2
L
2
=
1
7
L
2
_
x 3y = 6
0x + 1y = 1
_
_
1 3
.
.
. 6
0 1
.
.
. 1
_
_
L
1
L
2
L
1
= 3L
2
+ L
1
_
x + 0y = 3
0x + 1y = 1
_
_
1 0
.
.
. 3
0 1
.
.
. 1
_
_
L
1
L
2

_
x = 3
y = 1
S = {(3, 1)}
27
Defini c ao 2.4 Dada duas matrizes A e B de mesmo tipo, dizemos que B e li-
nha equivalente a A se for obtida de A atraves de um n umero nito de operacoes
elementares sobre as linhas de A.
Observacao: Dois sistemas que possuem matrizes ampliadas equivalentes sao
equivalentes.
O objetivo de efetuar operacoes elementares sobre linhas e obter uma matriz que
a cada linha o n umero de zeros seja maior do que a linha anterior. Tal matriz e
chamada de forma escalonada por linhas.
Exemplo 2.6 Matriz em forma escalonada por linhas:
_

_
4 8
0 2
0 0
_

_
_

_
2 5 9
0 1 7
0 0 1
_

_
Defini c ao 2.5 Dizemos que uma matriz em forma escalonada por linhas esta em
forma escalonada reduzida por linhas se cada coeciente e 1 e cada coluna que
contem este coeciente nao contem outros elementos nao-nulos.
2.5 Forma Escalonada Reduzida por Linhas
Defini c ao 2.6 Uma matriz de ordem nn esta na forma escalonada reduzida por
linhas se:
1. O primeiro elemento nao nulo de uma linha nao-nula e 1;
2. Cada coluna que contem o 1o. elemento nao nulo (=1) de alguma linha tem
todos os seus outros elementos iguais a zero;
3. Toda linha nula ocorre abaixo de todas as linhas nao nulas;
28
4. Se as linhas de 1, . . . , r sao as linhas nao nulas e se o 1o. elemento nao nulo
da linha i ocorre na coluna k
i
, entao k
1
< k
2
< . . . < k
r
. (O n umero de zeros
em cada linha deve aumentar).
Exemplo 2.7 Verique se as matrizes abaixo estao na forma escalonada reduzida
por linhas.
1.
_

_
2 0 3 0
0 1 2 0
0 0 0 1
_

_
= Nao satisfaz a condi cao 1
2.
_

_
1 2 3 0
0 1 0 0
0 0 0 1
_

_
= Nao satisfaz a condi cao 2
3.
_

_
1 2 0
0 0 0
0 0 1
_

_
= Nao satisfaz a condi cao 3
4.
_

_
0 1 0
1 0 2
0 0 0
_

_
= Nao satisfaz a condi cao 4 (k
1
= 2; k
2
= 1 k
1
> k
2
)
5.
_

_
1 0 0
0 1 0
0 0 1
_

_
= Forma escalonada reduzida por linhas.
Exemplo 2.8 Dado o sistema
29
_

_
2x
1
+ x
2
+ 3x
3
= 8
4x
1
+ 2x
2
+ 2x
3
= 4
2x
1
+ 5x
2
+ 3x
3
= 12
obtenha:
1. A forma matricial;
2. A matriz dos coecientes;
3. A matriz ampliada;
4. A forma escalonada por linhas;
5. A forma escalonada reduzida por linhas;
6. A solucao do sistema. Escreva a solucao na forma matricial.
Solucao:
1. Forma Matricial:
_

_
2 1 3
4 2 2
2 5 3
_

_
_

_
x
1
x
2
x
3
_

_
=
_

_
8
4
12
_

_
2. Matriz dos Coeciente:
_

_
2 1 3
4 2 2
2 5 3
_

_
3. Matriz Ampliada:
_

_
2 1 3
.
.
. 8
4 2 2
.
.
. 4
2 5 3
.
.
. 12
_

_
L
1
L
2
L
3
30
4. Forma escalonada por linhas:
_

_
2 1 3
.
.
. 8
4 2 2
.
.
. 4
2 5 3
.
.
. 12
_

_
L
2
= L
2
2 L
1
L
3
= L
3
1 L
1

_
2 1 3
.
.
. 8
0 0 4
.
.
. 12
0 4 0
.
.
. 20
_

_

L
2
L
3
_

_
2 1 3
.
.
. 8
0 0 4
.
.
. 12
0 4 0
.
.
. 20
_

_

_

_
2 1 3
.
.
. 8
0 4 0
.
.
. 20
0 0 4
.
.
. 12
_

_
5. Forma escalonada reduzida por linhas:
_

_
2 1 3
.
.
. 8
0 4 0
.
.
. 20
0 0 4
.
.
. 12
_

_
L
2
=
L
2
4
L
3
=
L
3
4

_
2 1 3
.
.
. 8
0 1 0
.
.
. 5
0 0 1
.
.
. 3
_

_
L
1
= L
1
L
2

_
2 0 3
.
.
. 13
0 1 0
.
.
. 5
0 0 1
.
.
. 3
_

_
L
1
= L
1
3L
3

_
2 0 0
.
.
. 4
0 1 0
.
.
. 5
0 0 1
.
.
. 3
_

_
L
1
=
L
1
2

_
1 0 0
.
.
. 2
0 1 0
.
.
. 5
0 0 1
.
.
. 3
_

_
6. Solucao do sistema:
_

_
x
1
x
2
x
3
_

_
=
_

_
2
5
3
_

_
31
Exemplo 2.9 Resolva o sistema por escalonamento:
_

_
x 2y z = 1
2x + y 3z = 0
x 7y = 3
Escreva a solucao na forma matricial.
Solucao:
Matriz Ampliada:
_

_
1 2 1
.
.
. 1
2 1 3
.
.
. 0
1 7 0
.
.
. 3
_

_
L
1
L
2
L
3
_

_
1 2 1
.
.
. 1
2 1 3
.
.
. 0
1 7 0
.
.
. 3
_

_
L
2
= L
2
2L
1
L
3
= L
3
L
1

_
1 2 1
.
.
. 1
0 5 1
.
.
. 2
0 5 1
.
.
. 2
_

_
L
3
= L
3
+ L
2

_
1 2 1
.
.
. 1
0 5 1
.
.
. 2
0 0 0
.
.
. 0
_

_
L
2
=
L
2
5

_

_
1 2 1
.
.
. 1
0 1 1/5
.
.
. 2/5
0 0 0
.
.
. 0
_

_
L
1
= L
1
+ 2L
2

_
1 0 7/5
.
.
. 1/5
0 1 1/5
.
.
. 2/5
0 0 0
.
.
. 0
_

_
Matriz na forma escada.
Sistema associado a matriz na forma escada:
_

_
x =
1
5
+
7
5
z
y =
1
5
z
2
5
Sistema tem innitas solucoes.
A variavel z pode assumir innitos valores. Tomando z = , , a solucao
na forma matricial e dada por:
32
_

_
x
y
z
_

_
=
_

_
7
5

1
5

_
+
_

_
1
5
2
5
0
_

_
Observacao: Neste caso, z e uma variavel livre em . Dizemos que o sistema
tem um grau de liberdade.
Defini c ao 2.7 Sejam n o n umero de variaveis em um dado sistema linear e A
a matriz dos coecientes associada a este sistema. Denotando por p o n umero de
linhas nao-nulas da matriz B na forma escalonada por linhas obtida a partir da
matriz A, a diferenca n p, que representa o n umero de variaveis (inc ognitas) ` as
quais atribumos valores arbitrarios, chama-se grau de liberdade do sistema.
Exemplo 2.10 No exemplo 2.9, temos n = 3 variaveis, p = 2 linhas nao-nulas
da matriz na forma escalonada por linhas (que no exemplo, e a matriz na forma
escalonada reduzida por linhas). A diferenca n p = 3 2 = 1 indica 1 grau de
liberdade, ou seja, podemos atribuir valores arbitrarios para a variavel z.
Exerccio 2.2 Resolver o sistema por escalonamento e escrever a solucao na forma
matricial.
_

_
2x + y +z = 1
4x + y = 2
2x + 2y +z = 7
Solucao:
_

_
x
y
z
_

_
=
_

_
1/2
4
2
_

_
33
2.6 Posto e Nulidade
Defini c ao 2.8 Dada uma matriz A, de ordem mn, e seja

A, de ordem mn, a
matriz na forma escalonada por linha associada `a matriz A. O posto de A, denotado
por p, e o n umero de linhas nao nulas de

A. A nulidade de A e o n umero n p.
Observacao: Posto: no. de linhas nao-nulas de

A.
Nulidade: no. de colunas de A menos o posto.
Exemplo 2.11 Determine o posto e a nulidade das matrizes A abaixo.
1.
A =
_

_
1 2 1
2 1 3
1 7 0
_

_
;

A =
_

_
1 0 7/5
0 1 1/5
0 0 0
_

_
Posto p
A
= 2; Nulidade: 3-2=1
2.
A =
_
2 1
1 3
_
;

A =
_
1 0
0 1
_
Posto p
A
= 2; Nulidade: 2-2=0
3.
A =
_

_
2 1 3
4 2 2
2 5 3
_

_
;

A =
_

_
1 0 0
0 1 0
0 0 1
_

_
Posto p
A
= 3; Nulidade: 3-3=0
34
2.7 Classica cao de Sistemas Lineares
1. Sistema Compatvel (possvel): um sistema e compatvel quando admite solu-
cao;
1.1 Sistema Determinado: quando admite uma unica solucao;
Exemplo 2.12
_
2x + 3y = 18
3x + 4y = 25
= S = {(3, 4)}
1.2 Sistema Indeterminado: quando admite mais de uma solucao (innitas
solucoes).
Exemplo 2.13
_
4x + 2y = 100
8x + 4y = 200
= y = 50 2x
Neste exemplo, x e uma variavel livre.
2. Sistema Incompatvel (ou impossvel): quando nao admite solucao.
Exemplo 2.14
_
3x + 9y = 12
3x + 9y = 15
A equa cao 3x + 9y nao pode ser simultaneamente igual a 12 e 15 para os
mesmos valores de x e y.
Teorema 2.2 1. Um sistema de m equa coes e n incognitas admite solucao se,
e somente se, o posto da matriz ampliada (p
A
) for igual ao posto da matriz
dos coecientes (p
c
).
2. Se as matrizes tem mesmo posto (p
A
= p
c
= p) e, alem disso, p = n (sendo n
o n umero de incognitas), a solucao e unica.
3. Se as duas matrizes tem mesmo posto p e p < n, podemos escolher n p
incognitas e as outras p incognitas sao expressadas em funcao destas. Neste
caso, dizemos que o grau de liberdade do sistema e n p.
Exemplo 2.15 Determine o posto da matriz ampliada e da matriz dos coecientes.
Discuta a solucao do sistema.
35
_
2x + y = 5
6x + 3y = 15
Matriz Ampliada:
_
_
2 1
.
.
. 5
6 3
.
.
. 15
_
_
_
_
2 1
.
.
. 5
6 3
.
.
. 15
_
_

L
2
=3L
1
+L
2
_
_
2 1
.
.
. 5
0 0
.
.
. 0
_
_

L
1
=
1
2
L
1
_
_
1 1/2
.
.
. 5/2
0 0
.
.
. 0
_
_
Solucao do Sistema: x =
5
2

1
2
y.
Para cada y temos um novo par (x, y) que satisfaz o sistema. Ou seja, y e
uma variavel livre ou independente e x e uma variavel dependente de y. Poderamos
consderar x a vari vel independente e y a variavel dependente, ou seja, y = 5 2x.
O sistema tem um grau de liberdade. Alem disso, o posto da matriz ampliada p
A
e
o posto da matriz dos coecientes p
C
sao:
p
A
= 1; p
C
= 1
Como p
A
= p
C
= 1 < no. de variaveis = 2, o sistema tem innitas solucoes.
Exemplo 2.16 Discuta o sistema abaixo atraves do posto:
_
2x + y = 5
6x + 3y = 10
Matriz Ampliada:
_
_
2 1
.
.
. 5
6 3
.
.
. 10
_
_
_
_
2 1
.
.
. 5
6 3
.
.
. 10
_
_

L
2
=3L
1
+L
2
_
_
2 1
.
.
. 5
0 0
.
.
. 5
_
_

L
1
=
1
2
L
1
_
_
1 1/2
.
.
. 5/2
0 0
.
.
. 5
_
_
36
O sistema acima nao tem solucao pois contem um absurdo (0=1). Dizemos que
o sistema e inconsistente.
Devemos observar que o posto da matriz ampliada e p
A
= 2 e o posto da matriz
dos coecientes e p
c
= 1 Logo, p
c
< p
A
, o que indica que o sistema e inconsistente.
Geometricamente, 2x + y = 5 e 6x + 3y = 10 representam duas retas paralelas,
logo sem interseccao (ver Figura 3).
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6
8
6
4
2
0
2
4
x
y
Figura 3: Representa cao das retas dadas pelo sistema linear do exemplo 2.16.
2.8 Sistema Homogeneo
Defini c ao 2.9 Um sistema homogeneo e um sistema da forma:
_

_
a
11
x
1
+ . . . + a
1n
x
n
= 0
a
21
x
1
+ . . . + a
2n
x
n
= 0
. . . . . . . . . . . .
a
m1
x
1
+ . . . + a
mn
x
n
= 0
(12)
Este sistema e sempre compatvel, pois sempre admite pelo menos a solucao
trivial x
1
= x
2
= . . . = x
n
= 0. A matriz ampliada e a matriz dos coecientes tem
mesmo posto.
Exemplo 2.17 Resolva o sistema homogeneo abaixo por escalonamento e escreva
a solucao na forma matricial:
37
_
x + 2y + z + t = 0
x + 3y z + 2t = 0
Solucao:
_
1 2 1 1 0
1 3 1 2 0
_

L
2
=L
2
L
1
_
1 2 1 1 0
0 1 2 1 0
_

L
1
=L
1
2L
2
_
1 0 5 1 0
0 1 2 1 0
_
Temos que p
A
= p
c
= p = 2. Mas temos n = 4 variaveis. Entao o sistema tem
2 graus de liberdade. Logo, a solucao e dada em funcao dos par ametros livres, ou
seja,
x = 5z + t
y = 2z t
Vamos escrever esta solucao na forma matricial, ou seja, utilizando matrizes
coluna:
_

_
x
y
z
t
_

_
= z
_

_
5
2
1
0
_

_
+ t
_

_
1
1
0
1
_

_
Exemplo 2.18 Resolva o sistema e escreva a solucao na forma matricial:
_
x + 2y + z + t = 2
x + 3y z + 2t = 1
Solucao:
_
1 2 1 1 2
1 3 1 2 1
_

L
2
=L
2
L
1
_
1 2 1 1 2
0 1 2 1 1
_

L
1
=L
1
2L
2
_
1 0 5 1 4
0 1 2 1 1
_
38
Temos que p
A
= p
c
= p = 2. Mas temos n = 4 variaveis. Entao o sistema tem
2 graus de liberdade. Logo, a solucao e dada em funcao dos par ametros livres, ou
seja,
x = 5z + t + 4
y = 2z t 1
Vamos escrever esta solucao na forma matricial, ou seja, utilizando matrizes
coluna:
_

_
x
y
z
t
_

_
= z
_

_
5
2
1
0
_

_
+ t
_

_
1
1
0
1
_

_
+
_

_
4
1
0
0
_

_
Analisando os dois ultimos exemplos, notamos que a solucao de um sistema e
a soma da solucao de um sistema homogeneo com uma solucao do sistema nao-
homogeneo.
Logo, a solucao de um sistema e unica se, e somente se, a unica solucao do
sistema homogeneo associado ao sistema e a trivial (x
1
= x
2
= . . . = x
n
).
Exerccio 2.3 Resolver os sistemas abaixo obtendo as matrizes associadas, fa-
zendo analise de posto e colocando as solucoes em forma matricial.
1.
_

_
x + 3y + z = 0
2x + 6y + 2z = 0
x 3y z = 0
Solucao:
_

_
1 3 1
.
.
. 0
2 6 2
.
.
. 0
1 3 1
.
.
. 0
_

_
L
2
= L
2
2L
1
L
3
= L
3
L
1

_
1 3 1
.
.
. 0
0 0 0
.
.
. 0
0 0 0
.
.
. 0
_

_
p
A
= p
C
= p = 1 ; Grau de liberdade: n p = 3 1 = 2Logo o sistema e
compatvel e indeterminado.
39
Solucao do sistema: x = 3y z. Solucao na forma matricial:
_

_
x
y
z
_

_
=
_

_
0
3
0
_

_
y +
_

_
0
0
1
_

_
z
2.
_

_
x + 3y + z = 1
2x + 6y + 2z = 2
x 3y z = 1
Solucao:
_

_
1 3 1
.
.
. 1
2 6 2
.
.
. 2
1 3 1
.
.
. 1
_

_
L
2
= L
2
2L
1
L
3
= L
3
L
1

_
1 3 1
.
.
. 1
0 0 0
.
.
. 0
0 0 0
.
.
. 0
_

_
p
A
= p
C
= p = 1 ; Grau de liberdade: n p = 3 1 = 2Logo o sistema e
compatvel e indeterminado.
Solucao do sistema: x = 3y z + 1. Solucao na forma matricial:
_

_
x
y
z
_

_
=
_

_
0
3
0
_

_
y +
_

_
0
0
1
_

_
z +
_

_
1
0
0
_

_
3.
_

_
x + 3y + z = 1
2x + 6y + 2z = 0
x 3y z = 1
Solucao:
_

_
1 3 1
.
.
. 1
2 6 2
.
.
. 0
1 3 1
.
.
. 1
_

_
L
2
= L
2
2L
1
L
3
= L
3
L
1

_
1 3 1
.
.
. 1
0 0 0
.
.
. 2
0 0 0
.
.
. 2
_

_
40
Posto da matriz ampliada p
A
= 3; Posto da matriz dos coecientes: p
C
= 1.
Como p
C
< p
A
, o sistema e impossvel.
3 Determinantes
Exemplo 3.1 Faca a analise do sistema:
_
ax + by = 0
cx + dy = 0
sendo a, b, c e d n umeros reais. Multiplicando a primeira equa cao por d e a segunda
equa cao por b, temos:
_
dax + dby = 0
bcx + bdy = 0
Subtraindo a segunda equa cao da primeira equa cao:
(ad bc)x = 0
Se tivermos ad bc = 0, esta equa cao tem solucao se x = 0. Logo, o sistema
homogeneo tem solucao se x = 0 e y = 0.
Se (ad bc) = 0, a equa cao (ad bc)x = 0 tem innitas solucoes para x .
Considerando o sistema homogeneo na forma matricial:
_
a b
c d
__
x
y
_
=
_
0
0
_
O que signica (ad bc)?
Denimos (ad bc) como o determinante da matriz dos coecientes. Assim, o
sistema homogeneo tem solucao unica se, e somente se,
det
_
a b
c d
_
= 0
Defini c ao 3.1 Dada uma matriz quadrada A
nn
= [a
ij
], associamos a esta matriz
um n umero real denominado determinante de A.
Notacao: det(A) ou |A|.
41
3.1 Determinante de matrizes de ordem n 3
1. Se A
11
= [a
11
] temos det(A) = a
11
.
Exemplo 3.2 A = [2] det(A) = 2
2. Seja a matriz A
22
:
A
22
=
_
a b
c d
_
det(A) = ad bc
Exemplo 3.3
A
22
=
_
1 1
1 2
_
det(A) = 3
3. Seja a matriz A
33
:
A
33
=
_

_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_

_
det(A) = a
11
a
22
a
33
+ a
12
a
23
a
31
+ a
13
a
32
a
21
a
13
a
22
a
31
a
23
a
32
a
11
a
33
a
21
a
12
Exemplo 3.4
A
33
=
_

_
1 2 3
4 3 8
1 0 3
_

_
det(A) = 8
Como generalizar a nocao de determinante para matrizes de ordem maior?
det(A) =

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

=
42
= a
11
a
22
a
33
+ a
12
a
23
a
31
+ a
13
a
32
a
21
a
13
a
22
a
31
a
23
a
32
a
11
a
33
a
21
a
12
=
= a
11
(a
22
a
33
a
32
a
23
) + a
21
(a
32
a
13
a
12
a
33
) + a
31
(a
12
a
23
a
22
a
13
) =
= a
11

a
22
a
23
a
32
a
33

a
21

a
12
a
13
a
32
a
33

+ a
31

a
12
a
13
a
22
a
23

=
= a
11
|A
11
| a
21
|A
21
| + a
31
|A
31
|
Logo,
det(A) = a
11
|A
11
| a
21
|A
21
| + a
31
|A
31
|
sendo A
ij
a submatriz obtida da matriz A eliminando-se a i-esima linha e a j-esima
coluna. Denotando por
ij
= (1)
i+j
|A
ij
|, temos
det A = a
11

11
+ a
21

21
+ a
31

31

ij
e chamado de cofator de A.
Defini c ao 3.2 Chama-se cofator do elemento a
ij
de uma matriz quadrada de
ordem n, ao produto do determinante da submatriz A
ij
, eliminando a i-esima linha
e a j-esima coluna da matriz A, por (1)
i+j
. Indicando o cofator de a
ij
por
ij
,
temos que:

ij
= (1)
i+j
det(A
ij
)
Exemplo 3.5 Calcular os cofatores de
11
e
23
da matriz
A
33
=
_

_
1 2 3
4 3 8
1 0 3
_

11
= (1)
1+1

3 8
0 3

= 9

23
= (1)
2+3

1 2
1 0

= (1)(2) = 2
43
Usando a deni cao de cofator, generalizamos o conceito de determinante para
matrizes de ordem superior a 3.
3.2 Desenvolvimento de Laplace
Teorema 3.1 O determinante de uma matriz quadrada A = [a
ij
] de ordem n, n
2 e igual a soma dos produtos dos elementos de uma coluna qualquer (ou linha
qualquer) da matriz pelos respectivos cofatores.
Exemplo 3.6 Calcular o determinante da matriz A, usando o desenvolvimento de
Laplace.
A =
_

_
3 2 1
2 1 0
1 4 2
_

_
Fixando a 1a. coluna, temos:
det(A) = 3
11
+ 2
21
+ 1
31
sendo,

11
= (1)
1+1
det
_
1 0
4 2
_
= 2

21
= (1)
2+1
det
_
2 1
4 2
_
= (1)(4 4) = 0

31
= (1)
3+1
det
_
2 1
1 0
_
= 1
Logo,
det(A) = 3 2 + 2 0 + 1 (1) = 5
44
Observacoes: Para facilitar o calculo, podemos escolher uma linha (ou coluna)
que tenha um maior n umero de zeros.
Exerccio 3.1 Calcular o determinante da matriz A atraves do desenvolvimento
de Laplace.
A =
_

_
1 2 1 2
2 3 2 1
1 1 0 0
2 1 0 0
_

_
3.3 Propriedades dos Determinantes
1. O determinante de uma matriz A e igual ao determinante da sua transposta:
det(A) = det(A
t
)
Exemplo 3.7
det
_
1 2
3 4
_
= det
_
1 3
2 4
_
2. Se todos os elementos de uma linha ou coluna forem iguais a zero, o determi-
nante sera nulo.
Exemplo 3.8
det
_
2 0
9 0
_
= 0
3. Multiplicando-se uma linha (ou cluna) de uma matriz A por um escalar k ,
o determinante da nova matriz B e igual ao produto do escalar pelo determi-
nante da matriz A, ou seja:
det(B) = k det(A)
45
Exemplo 3.9
A = det
_
3 3
9 10
_
= 30 27 = 3
Multiplicando por 2 a primeira linha da matriz A, temos
B = det
_
6 6
9 10
_
= 60 54 = 6 = 2 det(A)
4. Sejam A, B e C matrizes quadradas de ordem n, tais que os elementos cor-
respondentes de A, B e C sao iguais exceto de uma linha (ou coluna) na
qual os elementos de C sao iguais `a soma dos elementos de A e B, entao
det(C) = det(A) + det(B).
Exemplo 3.10 Sejam as matrizes:
_
2 8
7 10
_
. .
C

_
2 3
7 4
_
. .
A
+
_
2 5
7 6
_
. .
B
det(C) = 36; det(A) = 13; det(B) = 23
Logo,
det(C) = det(A) + det(B)
5. O determinante de uma matriz diagonal superior (ou inferior) A e igual ao
produto dos elementos da diagonal principal, ou seja, det(A) = a
11
a
22
. . . a
nn
.
Exemplo 3.11
det(A) =

1 3 5
0 1 23
0 0 2

= 2
46
6. Se a matriz A tem duas linhas (ou duas colunas) iguais, o determinante e nulo.
Exemplo 3.12
det(A) =

5 5 2
3 3 1
4 4 6

= 0
7. Se uma linha (ou coluna) for um m ultiplo de outra linha (ou coluna), o valor
do determinante sera zero.
Exemplo 3.13
det(A) =

2 6
3 9

= 0
8. Permutando-se duas linhas (ou colunas) da matriz A, o determinante mudar a
de sinal, ou seja, o valor do determinante sera multiplicado por -1.
Exemplo 3.14
det(A) =

1 3 5
0 0 2
0 4 12

= 8
Permutando a segunda linha com a terceira, o valor do determinante e:

1 3 5
0 4 12
0 0 2

= 8
Logo,
det(A) = det(A)
Teorema 3.2 Teorema de Binet: Se A, B e C sao matrizes de ordem n, entao
e v alida a implicacao:
C = AB det(C) = det(A) det(B)
47
Exerccio 3.2 Dada as matrizes
M =
_

_
1 1 1
1 2 3
5 1 2
_

_
e N =
_

_
1 4 5
2 2 1
1 3 1
_

_
vericar que det(MN) = (det(M))(det(N)) e det(M + N) = det(M) + det(N)
48
4 Matriz dos Cofatores
Defini c ao 4.1 Seja
ij
cofator da matriz A
n
. A matriz dos cofatores de A e
denida como:
cof(A) =
_

11

12

1n

21

22

2n

n1

n2

nn
_

_
Exemplo 4.1 Determinar a matriz dos cofatores da matriz abaixo:
A =
_

_
2 1 0
3 1 4
1 6 5
_

_
; cof(A) =
_

11

12

13

21

22

23

31

32

33
_

11
= (1)1 + 1

1 4
6 5

= 19;
12
= 19;
13
= 19;

21
= 5;
22
= 10;
23
= 11;

31
= 4;
32
= 8;
33
= 5
cof(A) =
_

_
19 19 19
5 10 11
4 8 5
_

_
49
4.1 Matriz Adjunta
Defini c ao 4.2 Denimos matriz adjunta de A por adj(A) = (cof(A))
t
, ou seja,
adj(A) =
_

11

21

n1

12

22

n2

1n

2n

nn
_

_
= (cof(A))
t
Exemplo 4.2 Determine a matriz adjunta da matriz A do exemplo 4.1.
adj(A) =
_

_
19 5 4
19 10 8
19 11 5
_

_
= (cof(A))
t
Exerccio 4.1 Dada a matriz abaixo, determinar a matriz dos cofatores e a matriz
adjunta.
A =
_

_
1 1 3
5 2 6
2 1 3
_

_
Resposta:
cof(A) =
_

_
0 3 1
0 3 1
0 9 3
_

_
; adj(A) =
_

_
0 0 0
3 3 9
1 1 3
_

_
Exerccio 4.2 Para a matriz do exemplo 4.1, calcule:
(a) det(A);
(b) A(adj(A)).
Resposta:
50
(a) det(A) = 19;
(b)
A(adj(A)) =
_

_
2 1 0
3 1 4
1 6 5
_

_
_

_
19 5 4
19 10 8
19 11 5
_

_
=
_

_
19 0 0
0 19 0
0 0 19
_

_
Observa cao: A(adj(A)) = det(A)I, sendo I a matriz identidade.
Teorema 4.1 Se A e uma matriz quadrada de ordem n, D = det(A) e adj(A) a
matriz adjunta de A, entao:
A(adj(A)) = (adj(A))A = DI
n
sendo I
n
a matriz identidade.
51
5 Matriz Inversa
Defini c ao 5.1 Dada uma matriz quadrada A de ordem n, se existir uma matriz
quadrada B, de mesma ordem que A, tal que:
AB = BA = I
sendo I a matriz identidade de ordem n. A matriz B e chamada matriz inversa
de A e sera indicada por A
1
.
Um matriz que possui inversa e chamada de inversvel ou nao-singular.
5.1 Propriedades das Matrizes Inversas
1. (A
1
)
1
= A;
2. (BA)
1
= B
1
A
1
;
3. (A
t
)
1
= (A
1
)
t
.
5.2 Unicidade da Matriz Inversa
Teorema 5.1 Se A e inversvel, entao a sua inversa A
1
e unica.
Demonstracao: Se admitirmos a existencia de duas matrizes B e C inversas de
A, teremos:
B = B B = BI
n
B = B(AC) B = (BA)C B = I
n
C
Entao,
B = C
5.3 Determina cao da Matriz Inversa
Nesta se cao vamos ver que a matriz inversa pode ser calculada de tres formas:
1. Denicao;
2. Matriz dos Cofatores;
3. Operacoes Elementares.
52
5.3.1 Denicao
O calculo da matriz inversa de A pela deni cao implica que devemos encontrar uma
matriz A
1
, tal que, o produto AA
1
seja igual a matriz identidade.
Exemplo 5.1 Determine a inversa da matriz A =
_
1 2
1 3
_
aplicando a de-
ni cao.
Solucao: Indicando A
1
=
_
a b
c d
_
tal que:
AA
1
=
_
1 2
1 3
__
a b
c d
_
=
_
1 0
0 1
_
_
a 2c b 2d
a + 3c b + 3d
_
=
_
1 0
0 1
_
Aplicando a deni cao de igualdade de matrizes, temos:
_
a 2c = 1
a + 3c = 0
a = 3; c = 1
_
b 2d = 0
b + 3d = 1
b = 2; d = 1
Logo,
A
1
=
_
3 2
1 1
_
Exerccio 5.1 Verique se a inversa da matriz A =
_
1 0
4 0
_
existe aplicando a
deni cao.
53
5.3.2 Matriz dos Cofatores
Teorema 5.2 Seja A
n
uma matriz quadrada com determinante diferente de zero.
Entao, a inversa de A e dada por:
A
1
=
1
det(A)
(adj(A))
Demonstracao: Do teorema 4.1, temos:
A(adj(A)) = det(A)I
Por hipotese, det(A) = 0. Logo,
A
1
det(A)
(adj(A)) = I A
1
A
1
det(A)
(adj(A)) = A
1
I
A
1
=
1
det(A)
(adj(A))
Corol ario 5.1 A condi cao necessaria e suciente para que a matriz quadrada A,
de ordem n, seja inversvel e que D = det(A) = 0.
A
1
det(A) = 0
Exemplo 5.2 Determine a inversa da matriz A =
_

_
1 1 1
1 2 3
1 4 9
_

_
, atraves da matriz
dos cofatores.
Solucao: det(A) = 18 + 3 + 4 2 12 9 = 2 = 0. Como det(A) = 0, existe a
matriz inversa de A.
A
1
=
1
det(A)
(adj(A)); adj(A) = (cof(A))
t
; cof(A) =
_

11

12

13

21

22

23

31

32

33
_

_
54

11
= (1)
1+1

2 3
4 9

= 18 12 = 6;
12
= 6;
13
= 2

21
= 5;
22
= 8;
23
= 3

31
= 1;
32
= 2;
33
= 1
Logo, cof(A) =
_

_
6 6 2
5 8 3
1 2 1
_

_
e adj(A) =
_

_
6 5 1
6 8 2
2 3 1
_

_
A
1
=
1
2
_

_
6 5 1
6 8 2
2 3 1
_

_
Exerccio 5.2 Determine a matriz inversa A
1
da matriz A =
_

_
1 2 1
2 0 3
2 0 4
_

_
.
Resposta:
A
1
=
1
4
_

_
0 8 6
2 2 1
0 4 4
_

_
5.3.3 Operacoes Elementares
Uma matriz A
n
e inversvel se, e somente se, sua matriz linha reduzida ` a forma
escada for a matriz identidade.
Desta forma, podemos escrever A
n
e a matriz I
n
lado a lado, formando uma
matriz com n linhas e 2n colunas. Atraves das operacoes elementares sobre as
linhas desta matriz, transformamos a matriz A
n
em I
n
e a matriz I
n
em A
1
n
, ou seja,
55
_
A
.
.
. I
_

_
I
.
.
. A
1
_
Exemplo 5.3 Dada a matriz A abaixo, verique se A e inversvel e, em caso
armativo, determine a matriz inversa A
1
atraves das operacoes elementares
A =
_
12 7
5 3
_
Solucao: A matriz A e inversvel, pois det(A) = 1.
_
_
12 7
.
.
. 1 0
5 3
.
.
. 0 1
_
_
L
1
= L
1
/12

_
_
1 7/12
.
.
. 1/12 0
5 3
.
.
. 0 1
_
_
L
2
= L
2
5L
1
_
_
1 7/12
.
.
. 1/12 0
0 1/12
.
.
. 5/12 1
_
_
L
2
= L
2
12

_
_
1 7/12
.
.
. 1/12 0
0 1
.
.
. 5 12
_
_
L
1
= L
1
+ (7/12)L
2
_
_
1 0
.
.
. 3 7
0 1
.
.
. 5 12
_
_
Logo,
A
1
=
_
3 7
5 12
_
Exerccios 5.1 Verique se as matrizes A e B sao inversveis. Em caso armativo,
determine as matrizes inversas atraves das operaces elementares.
(a) A =
_

_
2 1 0 0
1 0 1 1
0 1 1 1
1 0 0 3
_

_
56
(b) B =
_

_
2 3 1
1 3 1
1 2 1
_

_
Respostas:
(a) det(A) = 1. Logo, A e inversvel. A
1
=
_

_
3 3 3 2
5 6 6 4
4 5 4 3
1 1 1 1
_

_
.
(b) det(B) = 1. Logo, B e versvel. B
1
=
_

_
1 1 0
0 1 1
1 1 3
_

_
.
5.4 Regra de Cramer
Consideremos um sistema linear com o n umero de equa coes igual ao n umero de
incognitas. Ou seja,
_

_
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= b
1
a
21
x
2
+ a
22
x
2
+ . . . + a
2n
x
n
= b
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
a
n1
x
n
+ a
n2
x
2
+ . . . + a
nn
x
n
= b
n
(13)
Associamos ao sistema (13) `a forma matricial:
_

_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
. . . . . . . . . . . .
a
n1
a
n2
. . . a
nn
_

_
. .
A
_

_
x
1
x
2
. . .
x
n
_

_
. .
X
=
_

_
b
1
b
2
. . .
b
n
_

_
. .
B
(14)
57
Supondo que o determinante da matriz dos coecientes A seja diferente de zero
(det(A) = 0), temos que existe a matriz inversa A
1
. Entao,
AX = B A
1
(AX) = A
1
B IX = A
1
B X = A
1
B
Na forma matricial, a solucao do sistema (13) e representada da seguinte forma:
_

_
x
1
x
2
. . .
x
n
_

_
=
_

_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
. . . . . . . . . . . .
a
n1
a
n2
. . . a
nn
_

_
1
_

_
b
1
b
2
. . .
b
n
_

_
Como visto na se cao anterior, uma das formas para se obter a matriz inversa e
atraves da matriz dos cofatores, ou seja,
A
1
=
1
det(A)
adj(A)
Assim,
_

_
x
1
x
2
. . .
x
n
_

_
=
1
det(A)
_

11

21
. . .
n1

12

22
. . .
n2
. . . . . . . . . . . .

1n

2n
. . .
nn
_

_
_

_
b
1
b
2
. . .
b
n
_

_
Vamos considerar a variavel x
1
:
x
1
=
1
det(A)
(b
1

11
+ b
2

21
+ . . . + b
n

n1
)
Mas,
(b
1

11
+ b
2

21
+ . . . + b
n

n1
) = b
1
(1)
1+1

a
22
. . . a
2n
. . . . . . . . .
a
n2
. . . a
nn

+b
2
(1)
2+1

a
12
. . . a
1n
. . . . . . . . .
a
n2
. . . a
nn

+
58
+ + b
n
(1)
n+1

a
12
. . . a
1(n1)
. . . . . . . . .
a
(n1)2
. . . a
(n1)(n1)

b
1
a
12
. . . a
1n
b
2
a
22
. . . a
2n
. . . . . . . . . . . .
b
n
a
n2
. . . a
nn

Logo,
x
1
=

b
1
a
12
. . . a
1n
b
2
a
22
. . . a
2n
. . . . . . . . . . . .
b
n
a
n2
. . . a
nn

a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
. . . . . . . . . . . .
a
n1
a
n2
. . . a
nn

Generalizando,
x
i
=

a
11
. . . b
1
. . . a
1n
a
21
. . . b
2
. . . a
2n
. . . . . . . . . . . . . . .
a
n1
. . . b
n
. . . a
nn

a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
. . . . . . . . . . . .
a
n1
a
n2
. . . a
nn

, para i = 1, 2, . . . , n
Observacoes:
1. A regra de Cramer somente pode ser aplicada se o sistema linear apresentar o
n umero de equa coes igual ao n umero de incognitas.
59
2. A regra de Cramer somente pode ser aplicada se o determinante da matriz dos
coecientes for diferente de zero.
Exemplo 5.4 Resolver o sistema linear abaixo usando a regra de Cramer.
_

_
x + 2z = 1
3x + y = 3
2y + z = 1
Solucao:
_

_
1 0 2
3 1 0
0 2 1
_

_
_

_
x
y
z
_

_
=
_

_
1
3
1
_

_
det(A) = 13. Logo, podemos usar a regra de Cramer.
x =
1
13

1 0 2
3 1 0
1 2 1

=
1
13
(1 12 2) = 1
y =
1
13

1 1 2
3 3 0
0 1 1

=
1
13
(3 + 6 3) = 0
z =
1
13

1 0 1
3 1 3
0 2 1

=
1
13
(1 + 6 + 6) = 1
Solucao: S = {(1, 0, 1)}.
Exerccio 5.3 Resolver o sistema
_

_
x + y + 2z = 9
x + 2y + z = 8
2x + y + z = 7
por regra de Cramer.
Solucao: S = {(1, 2, 3)}.
60
Exerccio 5.4 Discutir a solucao do sistema segundo o par ametro m.
_
mx + y = 2
x + y = 5
Solucao: A =
_
m 1
1 1
_
det(A) = m1
1. Se det(A) = m 1 = 0 m = 1, o sistema e possvel (ou compatvel) e
determinado.
2. Se det(A) = m1 = 0 m = 1, o sistema e impossvel (ou incompatvel).
Exerccio 5.5 Resolver o sistema de equa cao linear:
_

_
2x + y + 7z = b
1
x + 3y + 2z = b
2
5x + 3y + 4z = b
3
para os seguintes valores dos termos independentes:
1. b
1
= 16; b
2
= 5; b
3
= 11
2. b
1
= 3; b
2
= 5; b
3
= 5
Observacao: Sistemas deste tipo sao encontrados em economia, como por exem-
plo no Problema de Insumo-Produto de Leontie- Fluxo de Bens de Servi-
cos. A solucao desses sistemas permite calcular a producao que deve ter cada setor
em que a Economia Nacional foi dividida, a m de atender as exigencias diretas e
indiretas para o setor produtivo e nal.
61
6 Aplica cao: Matriz Insumo-Produto
Versao Aberta
A Matriz Insumo-Produto tambem e conhecida como Matriz de Leontief ou Ma-
triz de Inter-Relacoes.
O modelo de rela coes intersetoriais desenvolvido na decada de 1930 por Wassily
W. Leontief (1906-1999) constitui uma das grandes contribuic oes ` a analise economica
surgidas no seculo XX. Atualmente, o modelo e parte fundamental dos modernos
sistemas de contabilidade social, que integram agregados macroeconomicos e setori-
ais.
Objetivo: Consiste em prever os nveis de producao nal em v arias ind ustrias
que poderiam ser requisitados por nveis particulares de demanda. A matriz insumo-
produto pode ser aplicada ao estudo de setores ou ind ustrias da economia
1
.
Suponha que uma economia esteja dividida em n ind ustrias e que cada ind ustria
produza apenas um tipo de produto nal. As ind ustrias estao relacionadas entre
si, no sentido de que cada uma delas deve usar alguns produtos das outras, para
poder funcionar. Alem disso, em geral uma economia deve produzir alguns produtos
acabados para o consumidor nal. A analise insumo-produto determina a producao
de cada uma das ind ustrias quando a demanda varia, supondo-se que a estrutura da
economia nao varia.
Com o objetivo de descrever o modelo insumo-produto, vamos considerar uma
economia com somente duas ind ustrias P e Q. Para exemplicar, suponha que
as inter-relacoes das duas ind ustrias sao aquelas apresentadas na Tabela 1. As
duas primeiras colunas desta tabela contem os insumos das ind ustrias, medidos em
unidades monetarias (por exemplo, milhoes de dolares ao ano).
Considerando a primeira coluna, temos que em sua producao anual, a ind ustria P
1
Para detalhes ver (Leontief, 1983).
62
Tabela 1: Exemplo de Inter-relacoes entre as ind ustrias P e Q.
Insumos da Insumos da Demanda Producao
Ind ustria P Ind ustria Q Final Total
Producao da
Ind ustria P 60 64 76 200
Producao da
Ind ustria Q 100 48 12 160
Insumos Prim arios 40 48
Insumos Totais 200 160
utiliza 60 unidades de seu pr oprio produto e 100 unidades do produto da ind ustria
Q. De maneira similar, Q emprega 64 unidades do produto da ind ustria P e 48
unidades de seu pr oprio produto para a sua producao anual. Alem disso, a ind ustria
P utiliza 40 unidades de insumos primarios (tais como, m ao-de-obra) e a ind ustria
Q utiliza 48 unidades.
Vamos supor que tudo que se produz se consome, ou em outras palavras, a
producao de cada ind ustria deve ser igual a soma de todos os insumos. Assim, a
producao total de P deve ser igual a 200 unidades e de Q de 160 unidades, iguais
aos insumos totais.
Agora vamos analisar as linhas da Tabela 1. Das 200 unidades produzidas por
P, 60 sao utilizadas por ela mesma e 64 por Q. Isto deixa 76 unidades dispoveis
para satisfazer a demanda nal (que pode ser o consumo domestico, consumo do
governo ou exportacao. De forma similar, das 160 unidades produzidas por Q, 100
sao utilizadas por P, 48 a pr opria ind ustria Q utiliza e 12 unidades sao destinadas
para a demanda nal.
Suponha que o mercado preveja que em 5 anos, a demada nal para a ind ustria
P decrescera de 76 para 70 unidades e para a ind ustria Q aumentar a de 12 para 60
unidades. A pergunta que surge se refere a quantidade que cada ind ustria deveria
produzir para ajustar seu nvel de producao a m de satisfazer estas demandas nais
63
projetadas?
Analisando a Tabela 1, vericamos que as duas ind ustrias nao operam indepen-
dentemente uma da outra (p.e., a producao total de P depende da demanda nal de
Q e vice-versa). Portanto, a producao de uma ind ustria esta ligada ` a producao da
outra ind ustria (ou outras ind ustrias). Suponhamos que, com o obejtivo satisfazer
as demandas nais projetadas em 5 anos, P deve produzir x
1
unidades e Q deve
produzir x
2
unidades.
Com ja mencionado anteriormente, com o objetivo de produzir 200 unidades a
ind ustria P emprega 60 unidades de seu pr oprio produto e 100 unidades do produto
de Q. Assim, se a ind ustria P opera a um nvel de producao exatamente necessario
para satisfazer as necessidades de insumos das ind ustrias e a demanda para consumo
nal, o seu nvel de producao precisa satisfazer:
Producao total Unidades Consumidas Unidades Consumidas Demanda
da ind ustria P = por P + por Q + Final
Ou seja,
x
1
=
60
200
x
1
+
64
160
x
2
+ 70 (15)
dado que a demanda projetada sera de 70 unidades.
De forma analoga, o seu nvel de producao da ind ustria Q dever a satisfazer:
x
2
=
100
200
x
1
+
48
160
x
2
+ 60 (16)
dado que a demanda projetada sera de 60 unidades.
As equa coes (15) e (16), podem ser representadas na forma matricial:
_
x
1
x
2
_
=
_

_
60
200
64
160
100
200
48
160
_

_
_
x
1
x
2
_
+
_
70
60
_
(17)
64
Ou,
X = AX + D = (I A)X = D (18)
sendo X a matriz de producao, D a matriz de demanda e A a matriz insumo-
produto, (I A) a matriz tecnologica e I a matriz identidade. Os elementos de
A sao chamados de coecientes de insumo-produto.
Assim, a estrutura da economia pode ser descrita pela matriz insumo-produto:
A = [a
ij
]
sendo a
ij
=
b
ij
x
j
representa a participacao do produto nal da ind ustria i na composi-
cao do produto da ind ustria j e b
ij
a quantia dos produtos da ind ustria i usados pela
ind ustria j em valor monetario. Por exemplo, a
21
= 0, 50 signica que 50 centavos
do valor da segunda mercadoria sao requeridos como insumos para produzir o valor
de uma unidade monetaria da primeira mercadoria.
Assim, os elementos 60/200 e 100/200 da primeira coluna da matriz insumo-
produto A representam a propor cao dos insumos de P que provem das ind ustrias P
e Q, respectivamente. Em geral, a
ij
representa a propor cao dos insumos da ind ustria
j que sao produzidos pela ind ustria i.
Cada elemento da matriz insumo-produto esta entre 0 e 1 e a soma dos elementos
em cada coluna da matriz insumo-produto necessita ser inferior a 1. A soma dos
elementos de uma coluna representa o custo parcial de insumos (n ao incluindo o
custo do insumo primario) correspondente `a producao do valor monet ario de uma
mercadoria; se esta soma e maior ou igual a um valor monetario sua producao nao
e economicamente justicavel. Simbolicamente, este fato pode ser formulado por:
n

i=1
a
ij
< 1, j = 1, 2, . . . , n
sendo a soma feita sobre i, isto e, sobre os elementos que aparecem nas v arias linhas
de uma coluna especca j.
Alem disso, pode-se armar que o valor da producao necessita ser absorvido pelo
pagamento de todos os fatores de producao e a diferenca entre a soma da coluna de
65
um valor monetario representa, necessariamento, o pagamento ao insumo prim ario
do setor aberto. Portanto, o valor do insumo primario necessario ` a producao de uma
unidade da j-esima mercadoria sera:
1
n

i=1
a
ij
Voltando a matriz insumo-produto do exemplo, temos que:
_

_
60
200
64
160
100
200
48
160
_

_
=
_

_
0, 3 0, 4
0, 5 0, 3
_

_
(19)
Da equa cao (18), temos que se a matriz tecnologica (I A) e nao-singular entao
a inversa (I A)
1
pode ser determinada e a equa cao (18) tera solucao unica:
X = (I A)
1
D (20)
No exemplo, temos:
(I A) =
_
0, 7 0, 4
0, 5 0, 7
_
(21)
Empregando um dos metodos para determinar a matriz inversa, temos:
(I A)
1
=
1
29
_
70 40
50 70
_
(22)
E consequentemente,
X = (I A)
1
D =
1
29
_
70 40
50 70
__
70
60
_
=
_
251, 7
265, 5
_
Concluindo que a ind ustria P deve produzir 251,7 unidades e a ind ustria Q deve
produzir 265,5 unidades para satisfazer as demandas nais projetadas em 5 anos.
Na tabela 1, vericamos que a ind ustria P necessita de 40 unidades de insu-
mos primarios para gerar uma producao total de 200 unidades. Isto e, os insumos
prim arios sao:
66
40
200
= 0, 2
da producao total. Assim, 0,2 da nova producao, 70, fornece os novos valores de
insumos primarios para a ind ustria P. Ou seja,
0, 2 251, 7 = 50, 34 unidades
De forma analoga, os novos insumos primarios para a ind ustria Q sao:
48
160
265, 5 = 79, 65 unidades
Exerccio 6.1 Suponha a economia hipotetica com somente duas ind ustrias P e
Q, representada na tabela 2.
Tabela 2: Inter-relacoes entre as ind ustrias P e Q.
Insumos da Insumos da Demanda Producao
Ind ustria P Ind ustria Q Final Total
Producao da
Ind ustria P 240 750 210 1200
Producao da
Ind ustria Q 720 450 330 1500
Insumos Prim arios 240 300
(a) Determine a matriz insumo-produto;
Resposta:
_

_
240
1200
750
1500
720
1200
450
1500
_

_
=
_

_
0, 2 0, 5
0, 6 0, 3
_

_
67
(b) Obtenha a matriz de producao se as demandas nais mudarem para 312 uni-
dades no caso da ind ustria P e para 299 unidades para a ind ustria Q;
Resposta:
(I A) =
_
0, 7 0, 4
0, 5 0, 7
_
Inversa: (I A)
1
=
5
13
_
7 5
6 8
_
Novos valores para a producao:
X = (I A)
1
D =
5
13
_
7 5
6 8
__
312
299
_
=
_
1415
1640
_
(c) Calcule os novos insumos primarios para as ind ustrias com a mudan ca dos in-
sumos primarios.
Resposta:
Ind ustria P:
240
1200
1415 = 283 unidades
Ind ustria Q:
3000
1500
1640 = 328 unidades
68
Referencias
Leontief, W. (1983). A Economia do Insumo-Produto, Os Economistas, Abril Cul-
tural.
69