ERU 403 – ECONOMIA MATEMÁTICA I 9a.

AULA

SISTEMA DE EQUAÇÕES LINEARES

Um sistema de m equações lineares em n variáveis pode

ser escrito como:
a11x1 + a12x2 + ... + a1nxn = b1
a21x1 + a22x2 + ... + a2nxn = b2
... ... ... ... ...
am1x1 + am2x2 + ... + amnxn = bm
onde aij e bi (i = 1, 2,..., m; j = 1, 2,..., n) são números
reais. Esse sistema de equações pode ser escrito em
notação matricial da seguinte forma: Ax = b, onde A é
uma matriz m x n e b ∈ Rm.

Uma formulação alternativa para o sistema linear de

equações é:
x1 x2 .... xn |
___ ______________|_____
a11 a12 ... a1n | b1
a21 a22 ... a2n | b2
... … … ... | ...
am1 am2 ... amn | bm
Resolver o sistema de equações lineares significa
encontrar um vetor solução x* ∈ Rn tal que todas as m
equações do sistema sejam satisfeitas. Para isso, pode-se
utilizar o método de eliminação de Gauss-Jordan, que
consiste em realizar certas transformações nas equações
que não afetam a solução do sistema. Diz-se que dois
 ERU 403 – ECONOMIA MATEMÁTICA I 9a. AULA

sistemas de equações são equivalentes se eles têm a

mesma solução.

Teorema. Seja A uma matriz m x n e b ∈ Rm. As

seguintes transformações resultam em um sistema de
equações equivalente a Ax = b:
a) Se duas equações do sistema de equações Ax = b
forem trocadas.
b) Se uma equação do sistema Ax = b é multiplicada por
um número real ß ≠ 0.
c) Se uma equação do sistema Ax = b é substituída pela
soma desta equação e um múltiplo de outra equação
deste sistema.
d) Se duas colunas do sistema Ax = b forem trocadas.

Exemplo: Considere a seguinte matriz A e vetor b:

 2 − 1  2
A=
−4 0  e b =   . Então o sistema de equações lineares
4
   
Ax = b é equivalente a:

x1 x2 | x2 x1 | x2 x1 |
___________|____ ~ _________|__ ~ _________|___
2 -1 | 2 -1 2 | 2 1 -2 | -2
-4 0 | 4 0 -4 | 4 0 -4 | 4

Nesta primeira etapa foram realizadas as seguintes

transformações: troca das colunas 1 e 2; e multiplicação
da equação 1 por –1.
 ERU 403 – ECONOMIA MATEMÁTICA I 9a. AULA

x2 x1 | x2 x1 |
~ _________ |____ ~ ________|__
1 -2 | -2 1 0 | -4
0 1 | -1 0 1 | -1

Nesta segunda etapa foram realizadas as seguintes

transformações: multiplicação da equação 2 por –1/4;
adição da equação 2 multiplicada por 2 à equação 1. A
solução deste último sistema de equações lineares
(equivalente ao sistema Ax = b) pode ser obtida
facilmente, ou seja, o vetor solução é: x* = (-1, -4).

Teorema. O sistema Ax = b, com A m x n e b ∈ Rm, tem

pelo menos uma solução se e somente se P(A) = P(A,b).
Teorema. Sejam os vetores x1, x2,..., xm ∈ Rn. Se m > n,
então esses vetores são linearmente dependentes (L.D.).
Teorema. O sistema de equações Ax = b, com A n x n,
tem solução única para todo b ∈ Rn se e somente se P(A)
= n.
Teorema. Seja Ax = 0 um sistema homogêneo em n
variáveis. i) Se P(A) < n, então o sistema tem uma solução
não-trivial; e ii) Se P(A) = n, então o sistema tem apenas a
solução trivial.

Corolário. Seja Ax = 0 um sistema homogêneo de m

equações lineares em n variáveis. Se m < n, então o
sistema tem uma solução não-trivial.
 ERU 403 – ECONOMIA MATEMÁTICA I 9a. AULA

Para um sistema de equações lineares Ax = b, onde A é

uma matriz n x n não singular e b ∈ Rn, o determinante
pode ser utilizado para encontrar a solução única para este
sistema. O seguinte teorema descreve este método,
conhecido como Regra de Cramer:

Teorema. Seja A uma matriz n x n não-singular e b ∈ Rn.

A solução única x* ∈ Rn para o sistema Ax = b satisfaz:

a11 ... a1( j −1) b1 a1( j +1) ... a1n

... ... ... ... ... ... ...
a n1 ... a n ( j −1) bn a n ( j +1) ... a nn
x ∗j =
A
para todo j ∈{1,..., n}.
Exemplo: Considere o sistema de equações Ax = b, onde
2 0 1 1
A = 1 − 1 0 e b = 0 . Note que | A |= −5 ≠ 0 . Pela Regra de
1 0 3 1
1 0 1 2 1 1 2 0 1
0 −1 0 1 0 0 1 −1 0
1 0 3 2 1 1 3 2 1 0 1 1
Cramer: x1∗ =
A
=
5
, x 2∗ =
A
=
5
e x 3∗ =
A
=
5
.

Seja o sistema de equações lineares, Ax = b que, após

multiplicar ambos os lados por A−1 , obtém-se
A −1 Ax = A −1b ou ainda: x * = A −1b . Neste caso, a
obtenção da solução depende do cálculo da inversa da
matriz de coeficientes.
 ERU 403 – ECONOMIA MATEMÁTICA I 9a. AULA

FORMAS QUADRÁTICAS

Definição. Uma forma quadrática no R n é um

polinômio em n variáveis no qual cada termo tem grau 2.

Exemplo: A função Q1 ([ x, y ]) = 8 x 2 − 3 y 2 + 12 xy é uma

forma quadrática no R 2 .

Teorema. Seja Q : R n → R uma forma quadrática. Então

existe uma única matriz simétrica A n x n tal que
Q( x) = x t Ax . Assim, qualquer matriz simétrica quadrada
define unicamente uma forma quadrática.
  x1  
Exemplo: Seja Q2     = 17 x12 + 8 x1 x 2 − 9 x 22 . Então a
  x2  
correspondente matriz simétrica A para Q2 é:
 c11 12 c12  17 4 
1 =  . Pode-se verificar que:
c
 2 12 c 22   4 − 9
  x1   17 4   x1 
Q2     = [x1 x 2 ]
  x  .
 2
x  4 − 9  2 
Definição. Uma matriz simétrica A n x n é:
i) definida positiva ⇔ xtAx > 0 para todo x∈Rn e x ≠ 0;
ii) definida negativa ⇔ xtAx < 0 para todo x∈Rn e x ≠ 0;
iii) semidefinida positiva ⇔ xtAx ≥ 0 para todo x∈Rn;
iv) semidefinida negativa ⇔ xtAx ≤ 0 para todo x∈Rn.
 ERU 403 – ECONOMIA MATEMÁTICA I 9a. AULA

Exemplos:
2 1 − 2 1  1 2
Sejam A =   , B =  1 − 1 e C = 2 1  .
 1 1    

As formas quadráticas definidas por essas matrizes são:

Matriz A: x t Ax = 2 x12 + 2 x1 x 2 + x 22 = x12 + ( x1 + x 2 ) 2
Matriz B: x Bx = −2 x + 2 x x − x = (−1)[ x + ( x − x ) ]
t 2
1 1 2
2
2
2
1 1 2
2

Matriz C: x t Cx = x12 + 4 x1 x 2 + x 22 = 2 x1 x 2 + ( x1 + x 2 ) 2

Conclusão: A é definida positiva e B é definida

negativa. No caso da matriz C, note que: Para xt = (1, 1),
obtém-se xtCx = 6 > 0, e para xt = (-1, 1), obtém-se xtCx =
-2 < 0. Logo, C não é (semi)definida positiva e nem
(semi)definida negativa. Uma matriz com estas
características é chamada indefinida.

Formas alternativas para definir essas propriedades de

uma matriz simétrica serão tratadas a seguir.

Definição. Seja A uma matriz n x n e k ∈ {1,..., n}. A

submatriz principal de ordem k de A é a submatriz k x
k que é obtida após a remoção das últimas (n-k) linhas e
úlitmas (n-k) colunas de A. Essa submatriz principal de
ordem k de A é denotada por Ak.
 ERU 403 – ECONOMIA MATEMÁTICA I 9a. AULA

1 2 0
Exemplo: Seja a matriz A = 0 − 1 0 
 . As submatrizes
2 1 − 2

1 2 
principais de ordens k = 1, 2, 3 de A são: (1) ,  e
 0 −1
A, respectivamente.
O determinante de uma submatriz principal é chamado
de menor principal. Portanto, o menor principal de
ordem k de uma matriz A n x n é:
a11 ... a1k
Ak = ... ... ... .
a k1 ... a kk
Teorema. Uma matriz simétrica A n x n é:
i) definida positiva ⇔ |Ak| > 0 para todo k ∈{1,..., n};
ii) definida negativa ⇔ (-1)k|Ak| > 0 para todo k ∈{1,...,
n}.
Exemplos:
2 1 − 2 1  1 2
Sejam A =   , B =   e C =   .
1 1  1 − 1 2 1

Matriz A: |A1| = 2 > 0 e |A2| = |A| = 1 > 0. Logo, A é

definida positiva.
Matriz B: |B1| = -2 < 0 e |B2| = |B| = 1 > 0. Logo, B é
definida negativa.
Matriz C: |C1| = 1 > 0 e |C2| = |C| = - 3 < 0. Logo, C não é
definida positiva e nem definida negativa. C é indefinida.