Econometria - Revisao Algebra Matricial

Reviso de lgebra Matricial
Profa. Patricia Maria Bortolon

Fonte: BOLDRINI, C. e WETZLER, F.; lgebra Linear. 3. ed. So Paulo. Editora Harbra, 1986
lgebra Matricial
Da Matemtica do 1. Grau:
y 2 x 4 (1)
y x 1 ( 2)
De (2) : y x 1
10
Em (1) :
y=x+1
( x 1) 2 x 4
3x 4 1
Eq2
Linear (Eq1)
3x 3
x 1
Em (2) :
y x 1
y2
Eq1
Linear (Eq2)
0
-3
-2
-1
-2
y = -2x + 4
-4
lgebra Matricial
Indivduo
Altura (m)
Peso (kg)
Idade (anos)
1,70
70
23
1,75
60
45
1,60
52
25
1,81
72
30
Aps estudar 300 artigos tericos e empricos lano a

seguinte hiptese sobre a relao entre essas
variveis:
Peso = 0 + 1Altura + 2Idade
lgebra Matricial
Posso escrever as seguintes equaes com os dados
das pessoas que tenho:
0 1 1,70 2 23 70
0 1 1,75 2 45 60
0 1 1,60 2 25 52
0 1 1,81 2 30 72
As incgnitas so 0, 1,2
E se tivssemos estudando o que afeta a rentabilidade
sobre o PL das empresas?
lgebra Matricial
Suponha que aps ler 300 artigos tericos e empricos
voc possa lanar a seguinte hiptese:
ROE = 0 + 1Ativo + 2D/E
Voc escolhe 4 empresas para compor a amostra:
Vale, Petro, BRFoods e Gol e utiliza os dados de
2010:
Empresa
ROE
Ativo (milhes R$)
D/E
Vale
26,8
214.662
27,0
Petro
11,5
519.970
20,1
BRFoods
5,9
27.751
29,6
Gol
7,3
9.064
60,2
lgebra Matricial
Posso escrever as seguintes equaes com os dados
que tenho:
0 214.6621 27 2 26,8
0 519.9701 20,1 2 11,5
0 27.7511 29,6 2 5,9
0 9.0641 60,2 2 7,3
lgebra Matricial
Podemos representar esses dados dispondo-os em
linhas e colunas. A isso chamamos matriz:
1 214.662 27,0 26,8

1 519.970 20,1 11,5
1 27.751 29,6 5,9
1 9.064 60,2 7,3

Pode ser representada entre ( ); [
];
lgebra Matricial
Exemplos:
5 7
1
2 3 5
A 2X3
B 2X3 1 0 4
6 1 3
8 9 11
Amxn = m indica o no. de linhas e n o no. de colunas
aij = o elemento localizado na i-sima linha e j-sima
coluna
Na matriz A => a11=2 a23=3
Na matriz B => b23=4 b13=11
lgebra Matricial
Escalar: no. real = matriz 1 x 1 = [k]
Tipos Especiais de Matrizes:
Matriz Quadrada: quando m = n
1 2 0
3 0 1
4 5 6
Matriz Nula: quando aij = 0 i e j
0 0
0 0
lgebra Matricial
Matriz Coluna: vetor coluna = Amx1
1
4

3
x
y

Matriz Linha: Vetor linha = A1xn
0 1
lgebra Matricial
Matriz Diagonal: aij = 0 i j em uma matriz quadrada
nxn
1 0 0
0 2 0
0 0 6
Matriz Identidade ou Unidade: quando em uma matriz

quadrada aii = 1 e aij = 0 i j
1 0 0
0 1 0
0 0 1
lgebra Matricial
Matriz Triangular Superior: aij = 0
quadrada
1 3 5
0 2 4
0 0 6
Matriz Triangular Inferior: aij = 0
quadrada
1 0 0
8 4 0
1 3 6
p/ i > j em uma matriz
p/ i < j em uma matriz
lgebra Matricial
Matriz Simtrica: quando m = n e aij = aji
5
1 3
3 2 4
5 4 6
Operaes com Matrizes

Adio
As matrizes precisam ser de mesma ordem
Amxn = [aij] e Bmxn = [bij]
C = A + B = [aij + bij]mxn
0 1 3
1
e
B
2
0
1
5
3 3 3 8
C
4
7
9
14
2 3 4 5
A
6
7
8
9
Propriedades da soma:
1. Comutatividade: A + B = B + A
2. Associatividade: A + (B + C) = (A + B) + C
3. A + 0 = A, onde 0 a matriz nula m x n

Subtrao
Segue o mesmo princpio da soma
Multiplicao por escalar:

Seja k um escalar e A = [aij]mxn
k . A = [k . aij]mxn
Exemplo:
2 10
k 2
e A
4 20
kA
2
6
Propriedades:
1. k (A + B) = k A + k B
2. (k1 + k2) A = k1A + k2A
3. 0.A = 0
4. k1(k2A) = (k1k2)A

Transposio
Uma matriz transposta obtida trocando-se as linhas e
colunas da matriz original. Uma matriz Amxn ficar Anxm.
Denota-se A
Exemplo:
2 1
2 0 1
A 0 3 A '
1
3
4
2 x3
1 4 3 x 2
1 3
1 3
B
B'
3
2
3
2
1
C C' 1 2
2

Transposio
Propriedades:
1. Uma matriz simtrica se, e somente se, A = A
2. A = A
3. (A + B) = A + B
4. (kA) = kA
5. (AB) = BA
Exemplo de Aplicao
Suponha que voc est tentando prever o retorno de
uma carteira. Analistas fizeram as previses de
retorno de 3 aes para 3 estados da economia.
Estado da
Natureza
Vale
Petro
Gol
BOOM
5%
4%
6%
ESTVEL
3%
3%
2%
RECESSO
2%
1%
0%
Se voc estiver planejando investir 30% em Vale,

30% em Petro e 40% em Gol, que retornos ter em
cada estado?
Exemplo de Aplicao
Retornos esperados:
BOOM: 30% x 5% + 30% x 4% + 40% x 6% = 5,1%
ESTVEL: 30% x 3% + 30% x 3% + 40% x 2% = 2,6%
RECESSO: 30% x 2% + 30% x 1% + 40% x 0% = 0,9%
O que fizemos foi uma multiplicao de matrizes:

5% 4% 6%
30%
5,1%
3% 3% 2% 30% 2,6%
2% 1% 0% 3 x 3 40% 3 x1 0,9% 3 x1
Multiplicao de Matrizes
Amxn x Bnxp = Cmxp

Cada elemento cij o somatrio dos produtos dos
elementos da i-sima linha de A pela j-sima coluna
de B
O no. de colunas de A e o no. de linhas de B precisam
ser iguais
2 1
2.1 1.0 2(1) 1.4
2 2
4 2 1 1 4.1 2.0 4(1) 2.4 4 4
0 4
2x2
5 3 3 x 2
5.1 3.0 5(1) 3.4 3 x 2 5 7 3 x 2
Propriedades:
1. Em geral AB BA
1
Sejam A 3
2
0
Ento AB 0
0
1
2
1
0
0
0
1
1 2 3
1 e B 2 4 6
1 2 3
0
0
11 6 1
0 e BA 22 12 2
11 6 1
0
Note, ainda, que AB = 0, sem que A = 0 ou B = 0

2. AI = IA = A (o que justifica o nome da matriz
identidade)
3. A(B+C) = AB + AC (distributividade esquerda)
Propriedades:
4.
5.
6.
7.
(A+B)C = AC + BC (distributividade direita)

(AB)C = A(BC) (associatividade)
(AB) = BA (observe a ordem)
0.A = 0 e A.0 = 0
Representando algumas operaes

matemticas na forma matricial
Somatrio:
x
i 1
x1 x2 xn
x1
1
x
1
x nx1 2 , 1nx1
x
1
n
x1
x
n
2
Ento 1' x 1 1 1 x1 x2 xn xi
i 1

xn
1
1
n
Ou x'1 x1 x2 xn x1 x2 xn xi
i 1

Somatrio de quadrados:
n
2
2
2
2
x
x
i 1 2
n
i 1
Ento x' x x1
x2
x1
x
xn 2

xn
n
x12 x22 xn2 xi2

i 1

Somatrio de produtos cruzados:
n
x y
i 1
x1 y1 x2 y2 xn yn
Ento x' y x1
x2
y1
y
2
xn

yn
n
x1 y1 x2 y2 xn yn xi yi
i 1
y' x
Sistemas de Equaes Lineares

A cada sistema de equaes que precisa ser resolvido
podemos associar uma matriz
x1 4 x2 3x3 1 (1)
( I ) 2 x1 5 x2 4 x3 4 (2)
x 3x 2 x 5 (3)
2
3
1
3 1
1 4
2 5
4
4
1 3 2 5
(1). 2 (2) (2' )

(1). 1 (3) (3' )
x1 4 x2 3x3 1 (1' )
( II ) 0 x1 3x2 2 x3 2 (2' )
0 x 7 x 5 x 4 (3' )
2
3
1
(2' ). 1 / 3 (2' ' )
3 1
1 4
0 3 2 2
0 7 5 4

(1' ' )
x1 4 x2 3x3 1
( III ) 0 x1 x2 2 / 3x3 2 / 3 (2' ' )

0 x 7 x 5x 4
(3' ' )
1
2
3
(2' ' ). 4 (1' ' ) (1' ' ' )
3
1
1 4
0 1 2 / 3 2 / 3
0 7 5
4
(2' ' ).7 (3' ' ) (3' ' ' )

x1 0 x2 1 / 3x3 11 / 3 (1' ' ' )
( IV ) 0 x1 x2 2 / 3x3 2 / 3 (2' ' ' )

0 x 0 x 1 / 3x 2 / 3 (3' ' ' )
2
3
1
(3' ' ' ). 3 (3iv )
1 0 1 / 3 11 / 3
0 1 2 / 3 2 / 3
0 0 1 / 3 2 / 3

iv
x1 0 x2 1 / 3x3 11 / 3 (1 ) 1 0 1 / 3 11 / 3
(V ) 0 x1 x2 2 / 3x3 2 / 3 (2iv ) 0 1 2 / 3 2 / 3
iv
0 x 0 x 1x 2
(
3
) 0 0 1
2
1
2
3
(3iv ). 1 / 3 (1iv ) (1v )
(3iv ). 2 / 3 (2iv ) (2v )

v
x1 0 x2 0 x3 3 (1 )
(VI ) 0 x1 x2 0 x3 2 (2v )
0 x 0 x 1x 2 (3v )
2
3
1
1 0 0 3
0 1 0 2
0 0 1 2

Ou ainda:
x1 3
x2 2
x 2
3
Observaes:
As operaes realizadas preservam as igualdades
(x1, x2, x3) soluo do sistema I e tambm do II, III, IV, V
e VI
Operaes possveis:
Multiplicar uma equao por no. 0
Adicionar uma equao a outra
Permutar duas equaes

Conceitos:
Um sistema de equaes lineares com m equaes e n
incgnitas :
a11x1 a12 x2 a1n xn b1

a x a x a x b
21 1 22 2
2n n
2
am1 x1 am 2 x2 amn xn bm
Com aij, 1 i m, 1 j n
Uma soluo uma n-upla de nmeros (x1, x2, ..., xn) que
satisfaa simultaneamente estas m equaes

Conceitos:
O sistema anterior pode ser escrito na forma matricial:
a11 a12 a1n x1 b1

a
x b
a
a
22
2n 2
2
21

am1 am 2
amn xn bm
x X
= B

Conceitos:
Matriz Ampliada:
a11
a
21

am1
a12
a1n
a22
a2 n
am 2 amn
b1
b2
bm
A matriz ampliada do sistema VI :

x1 0 x2 0 x3 3
0 x1 x2 0 x3 2
0 x 0 x 1x 2
2
3
1
1 0 0 3
0 1 0 2
0 0 1 2

Sistemas de equaes lineares equivalentes: se toda
soluo de um sistema tambm soluo de outro
Para resolver o sistema inicial reduzimos a matriz
ampliada a uma matriz-linha reduzida forma escada.
Definio:
a) 1. elemento no nulo de uma linha no nula 1
b) Cada coluna que contm o 1. Elemento no nulo de
alguma linha tem todos os seus outros elementos iguais a
zero
c) Toda linha nula ocorre abaixo de todas as linhas no nulas
d) Se as linhas 1, ..., r so linhas no nulas, e se o 1. elemento
no nulo da linha i ocorre na coluna ki, ento,
k1 < k2 < ... < kr

Posto: o no. de linhas no nulas da matriz-linha
reduzida forma escada linha equivalente
Nulidade: o no. n p onde n o no. de colunas.
Exemplos:
2 1 0 1 0 0 7 / 8
1
Posto 3
A 1 0 3 5 0 1 0 1 / 4
Nulidade 1
1 2 1 1 0 0 1 11 / 8
2 1 3 1 0 14 / 9
Posto 2
1 4 2 0 1 1 / 9
B
Nulidade 1
1 5 1 0 0
0

h 2 equaes redundantes
0
4 16 8 0 0

2 1 0 1 0 0 7 / 8
1
Posto 3
A 1 0 3 5 0 1 0 1 / 4
Nulidade 1
1 2 1 1 0 0 1 11 / 8
2 1 3 1 0 14 / 9
Posto 2
1 4 2 0 1 1 / 9
B
Nulidade 1
1 5 1 0 0
0

h 2 equaes redundantes
0
4 16 8 0 0
Tambm dizemos que as duas primeiras equaes so

independentes e as demais dependentes
Uma linha dependente de outra se ela puder ser escrita como
soma de produtos destas outras linhas por constantes
O mesmo que dizer que esta linha uma combinao linear
das outras
POSTO = no. de equaes independentes

Solues de um sistema de equaes lineares
ax=b
1. a 0 => soluo nica => x = b/a
2. a = 0 e b = 0 => 0 x = 0 => qualquer no. real soluo
3. a = 0 e b 0 => 0 x = b => no existe soluo

Exemplo 1:
10
8
6
4
2
0
-4
-2
-2
2 x1 x 2 5
x1 3x 2 6
3
2 1 5 1 0 3 x1
1 3 6 0 1 1
x 2 1

-4
-6
Posto do sistema reduzido = 2

Posto da matriz ampliada = 2
10

Exemplo 2:
10
2 x1 x 2 5
6 x1 3 x 2 15
2 1 5 1 1 / 2 5 / 2
6 3 15 0 0
0

x1 1 / 2 x2 5 / 2
0 x1 0 x 2 0
8
6
4
2
0
-4
-2
-2
-4
-6
-8
Admite infinitas solues. Conjunto de solues definidos por pares x1 e x2 que

satisfaam x1 = 5/2 x2
O posto tanto da matriz de coeficientes quanto da matriz ampliada 1.
Grau de liberdade do sistema: a nulidade da matriz de coeficientes. Neste caso
2 1 = 1 <= o sistema tem uma varivel livre

Exemplo 3:
10
2 x1 x 2 5
6 x1 3 x 2 10
2 1 5 1 1 / 2 0
6 3 10 0 0 1
x1 1 / 2 x2 0
0 x1 0 x 2 1
6
4
2
0
-3
-2
-1
-2
-4
-6
-8
No tem soluo = incompatvel = impossvel

O posto da matriz de coeficientes 1 e o da matriz ampliada 2.

Ento, um sistema pode admitir:

1. Uma nica soluo = possvel = compatvel = determinado
2. Infinitas solues = possvel = indeterminado
3. Nenhuma soluo = impossvel = incompatvel

Teorema:
1. Um sistema de m equaes e n incgnitas admite soluo
se, e somente se, o posto da matriz ampliada igual ao
posto da matriz de coeficientes
2. Se alm disso p = n, a soluo ser nica
3. Se, entretanto, p < n , podemos escolher n p incgnitas, e
as outras p incgnitas sero dadas em funo destas n p =
graus de liberdade
Determinante e Matriz Inversa

a x = b => soluo x = b / a
Matriz 2 x 2
a11 a12
A
a11a22 a12a21 A
a21 a22
Matriz 3 x 3
a11 a12 a13
A a21 a22 a23
a31 a32 a33
A a11a22a33 a13a21a32 a31a12a23 a13a22a31 a33a21a12 a11a23a32

Cada termo tem apenas um elemento de cada linha e
coluna
Uma matriz N x N ter N! elementos no seu clculo,
assim, uma matriz 5 x 5 ter 5! = 5 x 4 x 3 x 2 x 1 =
120 termos em sua expanso
Se a matriz 2 x 2 cada termo tem 2 elementos da
matriz, se 3 x 3 ter 3 elementos em cada termo, se
5 x 5, 5 elementos
Para a regra para o sinal de cada termo ver pag. 66 e
67 do Boldrini

Propriedades:
1. Se todos os elementos de uma linha ou coluna so nulos
ento det A = 0
2. Uma matriz com determinante igual a zero chamada
matriz singular, se 0 uma matriz no singular
3. det A = det A
4. Se multiplicarmos uma linha da matriz por uma constante
o det fica multiplicado por esta constante
5. Trocadas as posies de duas linhas o determinante troca
de sinal
6. Se duas linhas da matriz so dependentes o determinante
nulo
7. det (A.B) = det A . det B

Menor: o menor do elemento aij o determinante da
submatriz resultante da retirada da linha i e da coluna
j
a11 a12
A a21 a22
a31 a32
a13
a23
a33
o menor de a11 M 11
a22
a23
a32
a33
a22a33 a23a32
Co-fator = um menor sinalizado

cij (1)i j M ij

Matriz de Co-fatores: a matriz onde cada elemento
aij substitudo por seu co-fator, denotada por cof(A)
ou A
Matriz Adjunta: a transposta de uma matriz de cofatores
adjA (cofA)' A'
Teorema:
A.A' A.(adjA ) (detA)I n

Matriz Inversa: dada uma matriz quadrada A de ordem
n, a inversa de A uma matriz B tal que
A . B = B . A = In
Onde In a matriz identidade de ordem n.
Escrevemos A-1 para a inversa de A.
Observaes:
1. Se A e B so quadradas de mesma ordem, ambas
inversveis, ento A . B inversvel e
(AB)-1 = B-1 . A-1
De fato:
AB(B-1A-1) = A(BB-1)A-1 = AIA-1 = AA-1 = I
(B-1A-1)(AB) = I

Matriz Inversa:
Observaes:
2. Nem toda matriz tem inversa
3. Se A tem inversa, podemos escrever:
AA-1 = In
det(A.A-1) = det (In)
det A . det A-1 = 1
Se A tem inversa:
i. det A 0
1
ii. det A-1 =
det A

Matriz Inversa:
Observaes:
4. (A-1) = (A)-1, isto , a transposta da inversa de A
a inversa da transposta
Teorema:
Uma matriz quadrada A admite uma inversa se, e
somente se det A 0
Neste caso:
1
A
(adjA )
detA
1
Exemplo: pag. 744 Gujarati

A inversa e a resoluo de sistemas lineares:
Se o no. de equaes igual ao no. de incgnitas:
a11x1 a12 x2 a1n xn b1
a x a x a x b
21 1 22 2
2n n
2
am1 x1 am 2 x2 amn xn bm
a11 a12 a1n x1 b1
a
x b
a
a
22
2n 2
21

a
a
a
bm
m1
m2
mn xn
Matriz de coeficientes
X = B
Matriz de incgnitas
Matriz de termos
independentes

A inversa e a resoluo de sistemas lineares:
Supondo det A 0 e portanto, que exista A-1:
A-1(AX) = A-1B
(AA-1)X=A-1B
InX = A-1B
X = A-1B
x1 a11
x a
2 21

xn am1
a12
a22
am 2
a1n
a2 n
amn
b1
b
2

bm
Valor Esperado
Varivel Aleatria Discreta
E ( X ) xf ( x)
x
Varivel Aleatria Contnua
Propriedades
E ( X ) xf ( x)dx
E (b) b
E (aX b) aE ( X ) b
Se X e Y so independentes : E ( XY ) E ( X ).E (Y )
Varincia
Varivel Aleatria Discreta
var( X ) E ( X ) f ( x)
2
x
Varivel Aleatria Contnua
var( X ) ( X ) f ( x)dx
Varincia
Propriedades
E( X )2 E( X 2 ) 2
var(b) 0
Se a e b so constantes, ento : var(aX b) a 2 var( X )
Se X e Y so independentes, ento :
var( X Y ) var( X ) var(Y )
var( X Y ) var( X ) var(Y )
var(aX bY ) a 2 var( X ) b 2 var(Y )
Se X e Y no so independentes, ento :
var( X Y ) var( X ) var(Y ) cov( X , Y )
Retorno e Varincia de Carteiras na Forma

Matricial
Exemplo com 3 ativos
Seja Ri o retornos dos ativos i = A, B, C e assuma que
os retornos R1, R2 e R3 so normalmente distribudos
com
2
i ERi , i var( Ri ) , cov( Ri , R j ) ij
Carteira x
xi % do capital investido no ativo i
x A xB xC 1
Retorno da carteira
Rp, x xA RA xB RB xC RC
Retorno e Varincia de Carteiras na Forma

Matricial
Retorno esperado da carteira
p, x ERp, x xA A xB B xC C
Varincia da carteira
2
p, x
var R p , x x x x
2
A
2
A
2
B
2
B
2
C
2
C
2 x A xB AB 2 x A xC AC 2 xB xC BC
Distribuio de probabilidade da carteira
Rp, x ~ N ( p, x , p2, x )
Retorno e Varincia de Carteiras na

Forma Matricial
Representao Matricial
RA
A
1

R RB , B , 1 1
R

1
C
C

A2
xA

x xB , AB
x
C
AC
AB AC
B2 BC
BC C2

Forma Matricial
Sobre a matriz de covarincias
Usando lgebra matricial a matriz de covarincias do vetor
de retornos R definida a partir de:
cov(R) E R R
'
Se R tem N elementos, ento ser uma matriz N x N
12 12
12
2
1n 2 n
1n
2n

n2

Forma Matricial
Para o caso em que N = 2:
R1 1
. R1 1
E R 2 x1 R 2 x1 E
R2 2
'
R1 1
E
R2 2 R1 1
R1 1 R2 2
R2 2
2
E R1 1
E R1 1 R2 2
E
R
E
R
2
2
1
1
2
2
cov( R1 , R2 ) 12 12
var( R1 )

2
var( R2 ) 12 2
cov( R2 , R1 )
R2 2

Forma Matricial
Retorno da carteira:
R p , x x' R ( x A
xB
RA

xC ) RB
R
C
x A RA xB RB xC RC
R' x
Retorno esperado da carteira:

p , x x' ( x A
xB
A

xC ) B

C
x A A xB B xC C
' x

Forma Matricial
Varincia da carteira:
p2 , x var(x' R ) E x' (R )(R )' x

x' E (R )(R )'x x' x
A2 AB
x A xB xC AB B2
AC BC
2 2
2 2
2 2
x A A xB B xC C
AC x A

BC xB
2
C xC
2 x A xB AB 2 x A xC AC 2 xB xB BC

Econometria - Revisao Algebra Matricial

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Econometria - Revisao Algebra Matricial

Enviado por

Direitos autorais:

Formatos disponíveis

Reviso de lgebra Matricial

Profa. Patricia Maria Bortolon

Aps estudar 300 artigos tericos e empricos lano a

Ativo (milhes R$)

1 214.662 27,0 26,8

1 27.751 29,6 5,9

1 9.064 60,2 7,3

Matriz Nula: quando aij = 0 i e j

Matriz Linha: Vetor linha = A1xn

Matriz Identidade ou Unidade: quando em uma matriz

p/ i > j em uma matriz

p/ i < j em uma matriz

Operaes com Matrizes

Operaes com Matrizes

Multiplicao por escalar:

Operaes com Matrizes

Operaes com Matrizes

Se voc estiver planejando investir 30% em Vale,

O que fizemos foi uma multiplicao de matrizes:

Amxn x Bnxp = Cmxp

Note, ainda, que AB = 0, sem que A = 0 ou B = 0

(A+B)C = AC + BC (distributividade direita)

Representando algumas operaes

Representando algumas operaes

x12 x22 xn2 xi2

Representando algumas operaes

Sistemas de Equaes Lineares

(1). 2 (2) (2' )

Sistemas de Equaes Lineares

( III ) 0 x1 x2 2 / 3x3 2 / 3 (2' ' )

(2' ' ). 4 (1' ' ) (1' ' ' )

(2' ' ).7 (3' ' ) (3' ' ' )

( IV ) 0 x1 x2 2 / 3x3 2 / 3 (2' ' ' )

Sistemas de Equaes Lineares

(3iv ). 1 / 3 (1iv ) (1v )

(3iv ). 2 / 3 (2iv ) (2v )

Sistemas de Equaes Lineares

Sistemas de Equaes Lineares

a11x1 a12 x2 a1n xn b1

Sistemas de Equaes Lineares

a11 a12 a1n x1 b1

Sistemas de Equaes Lineares

A matriz ampliada do sistema VI :

Sistemas de Equaes Lineares

Sistemas de Equaes Lineares

Sistemas de Equaes Lineares

Tambm dizemos que as duas primeiras equaes so

Sistemas de Equaes Lineares

Sistemas de Equaes Lineares

Posto do sistema reduzido = 2

Sistemas de Equaes Lineares

Admite infinitas solues. Conjunto de solues definidos por pares x1 e x2 que

Sistemas de Equaes Lineares

No tem soluo = incompatvel = impossvel

Sistemas de Equaes Lineares

Ento, um sistema pode admitir:

Sistemas de Equaes Lineares

Determinante e Matriz Inversa

Determinante e Matriz Inversa

Determinante e Matriz Inversa

Determinante e Matriz Inversa

Co-fator = um menor sinalizado

Determinante e Matriz Inversa