Parte I

Álgebra Linear

1
Capítulo 1

Introdução

Estas Notas de Aula, Parte I - Álgebra Linear, estão sendo elaboradas para a disci-
plina de Álgebra Linear do curso de Ciências Econômicas da Universidade Federal
da Integração Latino-Americana (UNILA). Consistem de um exercício de prepara-
ção de aula e devem ser utilizadas pelos alunos somente como um guia para seus
estudos. De forma alguma, os alunos devem utilizar estas notas como única fonte de
estudo. Para ser claro, os alunos devem, para cada conteúdo programático, buscar
na literatura recomendada (bem como em outras fontes) textos e exercícios sobre os
conteúdos. Consulte o Plano de Ensino da disciplina para maiores detalhes sobre o
curso.
Em seguida, apresenta-se algumas discussões sobre matemática e suas aplicações
em economia. O texto a seguir é baseado no livro “Foundations Mathematical and
Computational Economics” de Karman Dakhah [6].

1.1 O que é a matemática?

O que é a matemática? Certamente, esta não é uma resposta simples de ser res-
pondida. De fato, existem mais de uma resposta. Muitos poderiam responder que
a matemática é o que os matemáticos estudam que, por sua vez, é decido pelos
matemáticos. Muitos destes e outros tantos poderiam dizer que é uma das criações
mais belas da humanidade. Bem, seja qual for a resposta, ela me parece no mínimo
incompleta. Por exemplo, o que são os matemáticos (não sejamos retóricos)? Ou, a
matemática é uma criação ou uma descoberta humana?
Seja qual a resposta, podemos pelo menos identificar algumas caracteríscas da
matemática ou, pelo menos, o que os ditos matemáticos estudam. A maior parte
da matemática consiste de pensamento lógico. Podemos dividi-la em três partes:
definição, pensamento lógico e axioma.
Definição dos conceitos e objetos é uma característica indispensável da matemá-
tica. Para termos uma discussão lógica, todos devemos falar a mesma língua. Ou
seja, uma expressão ou uma afirmação deve ter o mesmo significado para todos nós.
Uma definição deve ser precisa, no sentido de incluir, sem sobra de dúvida, todos os
seus itens necessários e excluir todos os demais. Entretanto, em todos os ramos da
matemática encontramos um conjunto de conceitos que são muito fundamentais ou
básicos para serem definidos. Por exemplo, na geometria, ponto e linha são fraca-

2
mente (vagamente) definidos. Outros exemplos, são as definições de número natural
e conjunto. Nós assumimos que todos estão bastante informados sobre do que se
trata. Todo conceito deve ser definido em termo de outros conceitos ou objetos.
Não podemos começar do nada e desejamos criar um conjunto de definições signifi-
cativas. Desta maneira, chegamos, por exemplo, na vontade de definir o significado
do número um.
O pensamento lógico é, certamente, a maior parte do trabalho matemático. Con-
siste em partir de hipóteses e derivar implicações delas. Toda afirmação segue logi-
camente de outra. Ou seja, não se consegue na da matemática que já não esteja nela.
Pode-se fazer uma boa analogia com a natureza. Isso se você estiver de acordo de
que na natureza nada se cria, tudo se transforma! Para exemplificar, consideremos
a solução da seguinte equação de segundo grau:

ax2 + bx + c = 0 (1.1)

onde, a, b, c são números reais dados (ou seja, hipoteticamente conhecidos), com
a 6= 0, e queremos descobrir (ou, calcular) o valor de x de forma a satisfazer esta
equação. Bom, você deve estar lembrado que
√
b ± b2 − 4ac
x= . (1.2)
2a
Agora, isso não é uma invenção criada do nada. Quando temos uma equação, isto
significa que ambos os lados dela estão equilibrados. Se fizermos qualquer operação
de um lado da equação, devemos fazer a mesma operação do outro lado, de forma
a não comprometer o balanceamento (imagine uma balança antiga!). Ok, vamos
pensar logicamente ...

ax2 + bx + c 0
ax2 + bx + c = 0 ⇒ =
a a
2 b c
⇒ x + x+ = 0
a a
b c c c
⇒ x2 + x + − = −
a a a a
b c
⇒ x2 + x = − .
a a
Certo, agora vamos completar os quadrados
 2  2
2 b c 2 b b c b
x + x=− ⇒x +2 x+ =− +
a a 2a 2a a 2a
 2  2
b c b
⇒ x+ =− +
2a a 2a
 2 2
b c b
⇒ x+ =− − 2
2a a 4a
 2
b b2 − 4ac
⇒ x+ = .
2a 4a2

3
Agora, se removêssemos os quadrados, teríamos uma equação muito simples para
resolver. Portanto, não percamos mais tempo, usemos a operação raiz quadrada, ou
seja:
 2 s 2 r
2
b b − 4ac b b2 − 4ac
x+ = ⇒ x + = ±
2a 4a2 2a 4a2
√
b b2 − 4ac
⇒x+ =
2a a √
b b b2 − 4ac b
⇒x+ − =± −
2a 2a √ 2a 2a
2
−b ± b − 4ac
⇒x=
2a
Opa, isso não é mágica, é penas álgebra básica usada de maneira lógica!
Bem, depois desta simbologia toda alguém pode estar se perguntando: e esse
monte de símbolos e letras ... isso não é matemática? Primeiro, o uso de símbolos
surgiu com os estudos sistemáticos de matemática feito pelos gregos e alguma ho-
menagem deve ser prestada aos pioneiros. Segundo, o uso de símbolos economiza
papel (para ser politicamente correto), mas sobretudo economiza a escrita e torna o
entendimento matemático mais simples. Aqui, deixo um exercício para os que não
acreditam em tudo o que lêem. Repita o desenvolvimento lógico acima utilizando
apenas a sintaxe português (se preferir, faça-o em espanhol).
Já que falamos de exercício, é importante ressaltar que só se adquire prática ma-
temática exercitando. Isso não é diferente de nenhuma outra ciência. Um bom exer-
cício é repetir o desenvolvimento acima, partindo da última equação até chegarmos
na equação original. Isso é lógico? Outro exercício, este é o único desenvolvimento
lógico para este problema? Mais um, a expressão algébrica encontrada para x é a
única válida? Pense em um exercício que se poderia estabelecer sobre a equação de
segundo grau.
Agora, voltemos a nossa discussão. O pensamento lógico por si só, não é suficiente
para criar toda a matemática. Ele apenas deriva implicações sobre hipóteses feitas
anteriormente (não cria nada, apenas transforma). Do nada não se pode derivar
alguma coisa. Daí, a necessidade dos axiomas. Todo o campo da matemática
começa de um conjunto de axiomas que não se pode (ou pelo menos não se sabe
como) demonstrar, ou seja, não é uma derivação lógica de demais definições. Nós
assumimos que tais axiomas são evidentes ou, pelo menos, tratamo-os desta forma.
Um exemplo de um axioma em geometria é: existe apenas uma linha reta que passa
por dois pontos distintos. Em aritmética, dizemos que existe o número 1 (um) e que
todo o número natural a diferente de 1 tem um sucessor a + 1.
Os axiomas surgem de nossa experiência, de nossas observações e intuições do
mundo. Eles parecem ser evidentes. Observemos que um axioma requer a defini-
ção de vários conceitos. Nos exemplos acima, precisamos definir o que são pontos
e números. Mais ainda, axiomas podem ser modificados, gerando um campo novo
da matemática ou não tendo implicações substanciais. Na geometria, o exercício
de modificar o conjunto de axiomas euclidiano fez surgir novos ramos da geome-
tria, como a geometria hiperbólica e a geometria elíptica (chamadas de geometria

4
não-euclidianas). Tais geometrias foram fundamentais no desenvolvimento de te-
orias físicas, para citar um exemplo. É importante observar, que cada axioma de
um conjunto de axiomas não compete com nenhum outro axioma deste conjunto,
caso contrário, nós teríamos uma contradição lógica. Contradições lógicas não são
permitidas na matemática. Pois, como já dizemos, a matemática segue estritamente
as regras da lógica para deduzir uma proposição a partir de hipóteses.
Toda afirmação matemática é ou verdadeira, ou falsa (não pode ser verdadeira
e falsa ao mesmo tempo). Isso não significa que a matemática pode sempre dizer
se uma afirmação é verdadeira ou falsa. Podemos e, muitas vezes afirmamos, que
nada pode ser dito sobre uma afirmação. Por exemplo, é fácil mostrar que a soma
de dois números naturais é sempre um número natural. Entretanto, nada podemos
dizer sobre a subtração de dois números naturais. Este nada, significa que pode ser
um número natural ou não.
Economistas nunca devem procurar respostas na matemática sobre questões que
não podem ser decididas.

1.2 Matemática na economia (e vice versa)

O que poderíamos chamarmos de economia matemática não é um campo da econo-
mia no sentido como finanças públicas e mercado internacional são. É uma ferra-
menta para análise econômica que os economistas usam como um suporte racional.
Ferramentas matemáticas são utilizadas tanto em teorias micro ou macroeconômi-
cas, finanças públicas, economia urbana, entre outras.
O campo da economia utiliza, em muitas análises, diversas técnicas matemáticas
de vários campos da matemática, como por exemplo, algebra linear (matricial),
cálculo diferencial e integral, equações diferenciais, etc. É proposta deste curso,
introduzir os aspectos mais fundamentais da álgebra linear buscando, sempre que
possível, a intersecção com a corrente literatura em economia.
A uso de matemática em teorias econômicas é uma realidade no sentido de que
muitos economistas não aceitam (ou, permanentemente buscam) uma demonstra-
ção matemática para as teorias econômicas. Alguns, e muitos o fazem, poderiam se
perguntar qual é o problema. Primeiro, lembremos que o uso ou não de símbolos
matemáticos não define a aplicação ou não da matemática. Agora, o uso da ma-
temática está na dedução lógica de proposições (afirmações) a partir de hipóteses.
Um pensamento matemático iria, por exemplo, dizer: se as tais hipóteses são verda-
deiras, então podemos afirmar tal coisa. Para isso não se precisa necessariamente de
símbolos matemáticos, se forem usados é apenas para facilitar! Nem todos precisam
concordar com isso. Mas, fundamentalmente, as hipóteses são fruto da experiência
(do estudo) de economistas. Aqui é a fronteira entre a matemática e a economia.
Bom, chegando neste ponto, alguém poderia perguntar o porque é necessária ir
além da simples geometria. A resposta está no fato de que a geometria é uma pode-
rosa ferramenta visual de análise, entretanto está limitada por nossa capacidade de
visualizar muitas dimensões. Traçar uma reta no espaço bidimensional é um tanto
simples. No espaço tridimensional, podemos utilizar nossa capacidade de interpretar
projeções bidimensionais, ou seja, representamos uma reta no espaço tridimensional
por sua projeção no espaço bidimensional. Em dimensões mais altas, fica no mí-

5
nimo mais complicado. Para lidar com estes casos mais gerais, nós precisamos de
ferramentas mais flexíveis, como a álgebra linear. Isto deveria ser suficiente para
motivar o estudo de métodos matemáticos além da geometria.
Dito tudo isso, podemos apontar para algumas vantagens em utilizar matemática
na economia:

• a “linguagem” utilizada é mais precisa e concisa;

• existe um rico conjunto de teoremas matemáticos para serem explorados e

utilizados;

• a exigência de estabelecer hipóteses explícitas, ajuda a diminuir a adoção de

suposições implícitas e, por consequência, clarifica as restrições de cada teoria;

• permite a análise de muitas variáveis de forma integrada.

Bem, antes de começarmos o estudo de fato de álgebra linear, devemos fazer um

rápida revisão de conceitos de matemática elementar.

6
Capítulo 2

Matemática Elementar

Toda a teoria é uma abstração do mundo real, ela está sempre sujeita a nossa limi-
tação de observação. Assim, um procedimento razoável (e talvez o única possível)
é identificar os fatores e relações relevantes (os que pudermos identificar e analisar)
de nosso problema alvo e nos focarmos apenas neles. Esta simplificação deliberada
é chamada de modelo, é apenas um esqueleto do todo que buscamos estudar.
O texto deste capítulo é fortemente baseado no livro “Fundamental Methods
of Mathematical Economics” de Alpha C. Chiang e Kevin Wainwright [5]. Como
leitura complementar, o leitor é recomendado a leitura do Capítulo 2, seções 2.1 e
2.2 do livro “Matemática para Economistas” de Carl P. Simon e Lawrence Blume
[17].

2.1 Ingredientes de um modelo matemático

Um modelo econômico (ou de qualquer outra área) é meramente uma teorização do
objeto de estudo, não nenhuma razão intrínseca para ser um modelo matemático.
Entretanto, se for um modelo matemático, ele consiste comumente de um conjunto
de equações tomadas para descrever a estrutura do modelo. O tipo de equações e
as restrições a suas variável dão forma ao conjunto de hipóteses analíticas adotadas.
Então, para buscarmos por soluções para o conjunto de equações (ou seja, encontrar
os possível valores das variáveis que satisfazem as equações, se existirem), devemos
utilizar do pensamento lógico que siga as hipóteses assumidas.

2.1.1 Variáveis, constantes e parâmetros

Uma variável é algo (um objeto) que pode mudar de magnitude e/ou direção, algo
que pode assumir diferentes valores. Variáveis fequentemente utilizadas em economia
são: preço, lucro, custo, rendimento, consumo, investimento, índices de importação
e exportação, etc. Uma vez que variáveis podem assumir diferentes valores, devemos
usar um símbolo que representá-las ao invés de um número específico. Por exemplo,
podemos representar o preço por P , o lucro por L, o custo por C, o consumo por α.
Quando escrevemos P = 3, por exemplo, estamos fixando um valor para a variável
preço. Não podemos esquecer da unidade (preço em reais, por exemplo).

7
 Em um modelo econômico/matemático, busca-se resolver-lo (ou analisar-lo) para
encontrarmos valores que sejam solução do problema. Por exemplo, podemos ter
um modelo para o lucro de uma determinada produção e buscarmos quais valores
para o modelo nos permite alcançar o lucro máximo.
Uma constante tem magnitude (e direção) que não muda. Quando um cons-
tante aparece junto de uma variável ela, normalmente, é chamada de coeficiente da
variável. Entretanto, um coeficiente pode ser simbólico ao invés de numérico.
Por exemplo, podemos dizer que a é uma constante e escrevemos aP (a vezes
P ). Neste caso, a é o coeficiente da variável P . Isto nos permite uma maior gene-
ralidade no sentido de que a não é um número determinado, apenas deve sermpre
ser determinado antes de resolver um modelo aplicado a uma situação particular.
Quando definimos um valor para um coeficiente, comumente chamamos o coeficiente
de parâmetro.
Por simples convenção, usamos os símbolos a, b, c e suas respectivas formas gregas
α, β, γ para representar parâmetros (ou constantes). Naturalmente, outros símbolos
são permitidos, apenas deve-se sempre tomar o cuidade de definir exatamente o que
cada símbolo significa. Variáveis são normalmente representadas por x, y, z.

2.1.2 Equações e identidades

Variáveis podem exister por si só, mas elas só se tornam interessantes quando estão
associadas a uma ou mais equações ou inequações. Vamos primeiramente discutir
apenas equações.
Uma equação estabele um balanço entre os dois lados da equação (separados
pelo símbolo =). Toda alteração feita num dos lados da equação exige a mesma
alteração no outro lado da mesma. Por exemplo, poderíamos escrever

C = 75 + 10Q (2.1)

ou seja, custo é igual a 75 mais dez vezes a quantidade produzida (Q). Assim, se
fixarmos o custo, encontramos a produção, por exemplo.
Um tipo especial de equação é a chamada identidade. Para tanto, utilizamos o
símbolo ≡. Ela normalmente definime como uma variável e descrita em função de
outras. Por exemplo:
L≡R−C (2.2)
Nesta equação (2.2), o lucro (L) é definido como sendo a diferença entre a receita
(R) (ou seja, o faturamento da empresa) o custo (C).

2.2 O sistema dos números reais

Número naturais 1, 2, 3, . . . são também chamados de inteiros positivos. Seus opostos
(no sentido da soma) são −1, −2, −3, . . . e são chamados de inteiros negativos. O 0
(zero) não é positivo nem negativo. Ele é neutro numa soma (3 + 0 = 3) e único
neste sentido. Quando nos referimos os números interios, nos referimos a todos os
números . . . , −3, −2, −1, 0, 1, 2, 3, . . .

8
 O inteiros não esgotam todos os números utilizados na matemática, também
lidamos com frações, como 32 , −7
5
, etc. Frações não são necessáriamente números
inteiros (mas, podem ser 1 = 2). Chamos as razões (ou frações) de números inteiros
2

(com exceção das frações do tipo 20 , −15

0
, etc.) de números racionais. Assim, todo o
número inteiro é um número racional, mas nem todo número racional é um número
inteiro. Para sermos mais claros, definimos um número racional como sendo todo
número que pode ser escrito por uma fração de dois inteiros.
Uma vez que definimos os números racionais, é natural nos perguntarmos sobre
os número irracionais. Ou seja,
√ números que não podem ser escritos como fração de
dois inteiros. Por exemplo, 2 não é um número racional! Você sabe demonstrar
isso? Todos os números racionais em conjunto com os irracionais são chamados de
números reais.
Cuidado! Divisões por zero ( 20 , −5
0
, etc.) não são números. Isso pode ser visto
da seguinte maneira. Seja a um número real (escrevemos a ∈ R). Se assumimos que
a
0
é um número, digamos b, então a = b · 0. Agora, se a for zero, então b é qualquer
número real, pois b · 0 = 0 para qualquer b por definição. E, portanto, não está
definido. Se assumimos a 6= 0 (a diferente de zero), então não existe b que satisfaça
a equação a = b · 0. Logo, não é consistente definir a0 como um número, pois isto
entraria em contradição com nossas definições e axiomas anteriores. Neste sentido,
dizemos que divisão por zero não existe!
Números reais não consiste de todos os números utilizados por economistas.
Ainda, muito importantes, são os números complexos que estão relacionados com a
raiz quadrada de números negativos, que não são números reais. Você saba demons-
trar isso? Aqui não vamos nos ater a defini-los.

2.3 Conjuntos
Conjuntos aparecem em todos os ramos da matemática e, portanto, é desejável ter,
pelo menos, noções básicas de conjuntos. Um conjunto é uma coleção de objetos.
Estes objetos podem ser de qualquer tipo. Por exemplo, todas as cadeiras de uma
sala de aula formam um conjunto. Outro conjunto, é a coleção de todas as cadeiras
e mesas de uma sala de aula. Ou, ainda, podemos ter um conjunto formada apenas
pelos números 2, 7 e 9. Mais, ainda, temos o conjunto de todos os números inteiros.
Os objetos de um conjunto são chamados de elementos do conjunto.
Existem duas maneiras de descrever um conjunto: enumeração e descrição. Di-
gamos, por exemplo, que S é o conjunto formado pelos elementos 2, 7, 12. Por
enumeração, escrevemos:
S = {2, 7, 12}.
Neste caso, enumeração é a maneira mais simples de descriver este conjunto.
Entretanto, se quisermos descrever o conjunto de todos os números inteiros Z, o
mais próximo que podemos fazer por enumeração é:
Z = {. . . , −3, −2, −1, 0, 1, 2, 3, . . .}
ou algo parecido. Agora, mais claro é representar o conjunto por descrição, i.e.:
Z = {x : x é número inteiro}.

9
A nomenclatura acima lê-se “Z é o conjunto de todos os números x tal que x é um
número inteiro”. Um exemplo de um conjunto que é impossível de descrever via
enumeração é o conjunto T de todos os números reais maiores que -3 e menores ou
iguais a 7. Por descrição, escrevemos:

T = {x : −3 < x < 7}.

Um conjunto com um número finito de elementos é chamado um conjunto finito.

Por exemplo, o conjunto S é um conjunto de apenas três elementos e, portanto, finito.
Conjuntos com infinitos elementos são chamados de conjuntos infinitos. Exemplos,
são os conjuntos Z e T . Todo conjunto finito é enumerável (ou, contável), i.e.
podemos contar seus elementos um por um na sequência 1, 2, 3, ... Conjuntos
infinitos podem ser enumeráveis ou não-enumeráveis. Por exemplo, o conjunto dos
números inteiros Z é enumerável. Para ver isso, basta contarmos seus elementos
seguindo a sequência 0, −1, 1, −2, 2, −3, 3, . . . Desta forma, estamos dizendo que 0 é
o primeiro elemento, −1 é o segundo elemento, 1 é o terceiro elemento e assim por
diante. Note que esta não é a única maneira de contarmos os elementos de Z. Agora,
para dizermos que um conjunto é enumérável precisamos encontrar pelo menos uma
maneira de contarmos seus elementos. O conjunto T é um exemplo de um conjunto
não-enumerável. A prova deste fato foje o escopo deste texto, entretanto o leitor
deve ser capaz de intuir sobre isso.
Para indicarmos que um dado objeto é elementos (ou, membro) de um conjunto
usamos o símbolo ∈. Por exemplo, 2 é elemento do conjunto S e escrevemos:

2 ∈ S.

Lê-se 2 é elemento de S, 2 pertence a S ou, 2 é membro de S. Outros exemplos são,

−2 ∈ T e −5 ∈ Z.
Para indicarmos que um elemento não é membro de um dado conjunto, usamos
/ Por exemplo, −5 ∈
∈. / T e lê-se −5 não pertence a T , −5 não é elemento de T
ou, −5 não é membro de T . Assim, se quisermos dizer que um dado objeto x é um
número inteiro, escrevemos x ∈ Z. Aqui, “dado” significa que x é um valor o qual
estamos definindo como um número inteiro. Não sabemos ao certo qual o seu valor,
mas quando escrevemos x ∈ Z estamos dando uma dica de que este número não é
qualquer, por exemplo, x não pode ser 2, 13, pois 2, 13 não é número inteiro.
Alguns conjuntos têm símbolos próprios. O conjunto de todos os números na-
turais é N. O conjunto de todos os números inteiros é Z. O conjunto de todos
os números racionais é Q. O conjunto de todos os números reais é R. Muitos ou-
tros conjuntos recebem por padrão um símbolo próprio. Durante o curso vamos
nos deparar com alguns deles. De fato, não importa o símbolo que utilizamos para
representar um conjunto, mas devemos tomar o cuidado de não haver dúvida sobre
a definição do conjunto. Óbviamento, um único símbolo não pode ser usado para
representar representar mais de um objeto.
Como exercício, descriva, quando possível, os conjuntos N, Z, Q e R por enume-
ração e descrição.

10
2.3.1 Relações entre conjuntos
Quando dois conjuntos são comparados um ao outro, várias relações podem ser ob-
servadas. Quando dois conjuntos são formados pelos mesmos elementos, por exem-
plo: √ √
S1 = {−1, π, 2} e S2 = {π, −1, 2},
dizermos que s1 é igual a S2 , escrevemos S1 = S2 . Note que a ordem dos elementos
não importa. Equivalentemente, dizemos que A é igual a B se, e somente se, para
qualquer x ∈ A temos x ∈ B e vice-versa. Similarmente, se esta condição não é
satisfeita, dizemos que A é diferente de B, escrevemos A 6= B.
Outra relação é conjuntos é chamada de subconjunto. Dizemos que A é subcon-
junto de B (escrevemos A ⊂ B), se para todo x ∈ A temos x ∈ B. Por exemplo:

K = {5, −7, 8} e Y = {8, 5}

temos Y ⊂ K, lê-se Y contido em K. Similarmente, dizemos que A não é subcon-

junto de B (escrevemos A 6⊂ B), se existe pelo menos um x ∈ A tal que x 6∈ B.
Podemos, ainda, escrever A ⊃ B para indicarmos que B é subconjunto de A ou,
equivalentemente, dizemos A contém B.
É importante notar que N ⊂ Z ⊂ Q ⊂ R. Mas o contrário não é verdadeiro.
Como escrevemos isso através de símbolos?
Note que A = B se, e somente se, A ⊂ B e B ⊃ A. Portanto, A é subconjunto de
A, ou seja, todo conjunto é sobconjunto dele mesmo. Além disso, todo subconjunto
de A que não seja igual a A é chamado de subconjunto próprio de A. O menor
subconjunto de qualquer conjunto A é o conjunto ∅, o qual não contém nenhum
elemento. Este conjunto ∅ é chamado de conjunto vazio (outro símbolo comumente
usado é {}).
Para vermos que ∅ ⊂ A para qualquer conjunto A, observemos que se ∅ não é
subconjunto de A, então ∅ precisa conter pelo menos um elemento, digamos x, tal
que x ∈ ∅ e x ∈ / A. Mas isso é impossível de ocorrer, pois ∅ não contém nenhum
elemento. Sendo assim, é absurdo supor que o conjunto vazio não é subconjunto de
A, logo ∅ ⊂ A.
Dois conjuntos podem, ainda, não ter nenhum elemento em comum. Neste caso,
eles são chamados de conjuntos disjuntos. Por exemplo:
√ √
A = {−5, − 3, 0, 5π} e B = {−4, − 2, 24}

são conjuntos disjuntos.

2.3.2 Operações com conjuntos

Vamos, aqui, discutir três importantes operações entre conjuntos: união, interseção,
complemento.
A união de dois conjuntos A e B é o conjunto A ∪ B (lê-se A união B) formado
por todos os elementos de A ou elementos de B. Ou seja, se C = A ∪ B, então
A ⊂ C e B ⊂ C. Por exemplo:

A = {2, 3, 4, 8} e B = {1, 5, 6, 7} logo A ∪ B = {1, 2, 3, 4, 5, 6, 7, 8}.

11
 Figura 2.1: Diagramas de Venn. (a) A ∪ B. (b) A ∩ B. (c) Ã.

Obeserve, que o conjunto dos números reais R é a união do conjunto dos números
racionais com o conjunto dos números irracionais.
A interseção entre dois conjuntos A e B é o conjunto A∩B (lê-se A interseção B)
formado por todos os elementos que pertencem a A e a B. Ou seja, se C = A ∩ B,
então C ⊂ A e C ⊂ B. Por exemplo, se A = {2, 3, −7} e B = {1, 5, 8, −7}, então
A ∩ B = {−7}.
Se interseção de dois conjuntos disjuntos é igual ao conjunto vazio. Construa um
exemplo para este fato!
O complemento de um conjunto A depende da definição de um conjunto universal
U. O complemento de um conjunto A é o conjunto formado por todos os elementos
do conjunto universal U que não sejam elementos A. Quando estamos trabalhando
apenas com números reais é comum definirmos R como nosso conjunto universal
(símbolo U). Assim, por exemplo, se A = {2}, então:
à = {x ∈ U : x 6= 2},
onde à representa o complemento de A em relação ao conjunto universo U = R.
De forma compacta podemos descrever as operação acima como segue:
A ∪ B = {x : x ∈ A ou x ∈ B}
A ∩ B = {x : x ∈ A e x ∈ B}
à = {x ∈ U : x ∈
/ A}
Estas operação podem, ainda, ser visualizadas graficamente através do diagrama
de Venn. Veja a Figura2.1.

Regras sobre operações com conjuntos

A união e a interseção seguem a lei comutativa, i.e.:
A ∪ B = B ∪ A , A ∩ B = B ∩ A.
Se quisermos tomar a união de três conjuntos tomamos, primeiramente, a união
de dois dos conjuntos e, depois, unimos o terceiro conjunto. De forma similar,
procedemos com a interseção. Isto é conhecido como a lei associativa, i.e.:
(A ∪ B) ∪ C = A ∪ (B ∪ C) , (A ∩ B) ∩ C = A ∩ (B ∩ C).

12
 Existe, ainda, a lei distributiva para união e interseção. Segue:
A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C)
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)

2.3.3 Exercícios
Exercício 2.1. Escreva em notação de conjunto (por enumeração e descrição, quando
possível):
(a) O conjunto de todos os números inteiros maiores que −5.
(b) O conjunto de todos os números reais maiores que −3 e menores que −1.
Exercício 2.2. Sejam dados os conjuntos A1 = {−1, π, 3}, A2 = {1, 3, π}, A3 =
{−1, 4} e A4 = {π, 24}. Verifica, justificando sua resposta, quais das seguintes
afirmações são verdadeiras:
(a) A1 = A4 (b) A3 ⊂ A2 (c) 3 ∈ A2
(d) A1 ⊃ A2 (e) A3 ⊂ N (f) ∅ ⊂ A2
Exercício 2.3. Usando os mesmos conjuntos anteriores e o conjunto universo como
o conjunto R, descreva o conjunto resultante em cada item:
(a) A2 ∪ A4 (b) A1 ∩ A1 (c) Ã3
(d) A4 ∩ A1 (e) A3 ∩ ∅ (f) ∅ ∪ A2
Exercício 2.4. Quais das seguintes afirmações são verdadeiras, justifique sua res-
posta. Considere R como o conjunto universo.
(a) A ∪ A = A (b) A ∩ B = B ∩ A (c)A ∪ ∅ = A
(d) B ∩ ∅ = B (e) A ∪ A = A ∩ A (f) ˜∅ =
6 R
Exercício 2.5. Para os conjuntos A1 , A2 e A3 do Exercício 2.2, verifique a lei
distributiva.
Exercício 2.6. Represente a lei distributiva para conjuntos através do diagrama de
Venn.
Exercício 2.7. Descreva todos os subconjuntos de A = {a, c, k, y}. Quantos sub-
conjuntos de A existem?
Exercício 2.8. Se um conjunto tem n elementos. Quantos subconjuntos ele tem?
Exercício 2.9. Seja U o cojunto universo. Qual o complemento de U? Qual é o
conjunto U ∩ Ũ ? É verdade que ⊂ U e ∅ ⊂ Ũ ? Justifique suas respostas.

2.4 Relações e Funções

Lembre que conjuntos é uma coleção de objetos, não somente de números. Um
tipo importante na matemática de objetos é o par ordenado. Conjuntos de pares
ordenados nos levam ao conceito de relação.

13
2.4.1 Par ordenado
Quando escrevemos o conjunto {a, b} não nos importamos com a ordem dos elemen-
tos, uma vez que {a, b} = {b, a}. Neste caso, {a, b} é um par não-ordenado. Se
quisermos sinalizar que a ordem dos elementos é importante, usamos a simbologia
(a, b) (lê-se, o par ordenado a, b). Neste caso, teremos (a, b) 6= (b, a), se a 6= b.
Equivalentemente, temos (a, b) = (c, d) se, e somente se, a = c e (b = d).
Analogamente, temos o conceito de tripla ordenada (a, b, c), quadrupla ordenada
(a, b, c, d), . . ., n-upla (a1 , a2 , . . . , an ).
Um exemplo de um conjunto de pares ordenados é o conjunto cujo seus elemen-
tos são pares com primeiro elemento sendo o número de produtos produzidos (por
mil unidades) por uma industria e o segundo elemento sendo o lucro bruto (por
milhares de reais) obtido pela industria pela comercialização deste mesmo número
de produtos. Assim, a dupla (2, 10) significa 2 mil produtos produzidos cuja venda
representou um lucro bruto de 10 mil reais. Aqui é óbvio que o par ordenado (10, 2)
tem um significado totalmente diferente. Qual o significado da dupla (10, 2)?
No parágrafo anterior, usamos a expressão “conjunto de pares ordenados”, onde
se entende que os pares ordenados são objetos (elementos) do conjunto. Podemos
representar um conjunto de pares odenados de forma descritiva ou de forma gráfica.
No exemplo anterior, uma representação descritiva do conjunto pode ser:

{(x, y) : x produtos produzidos (milhares) e y é o lucro bruto (milhares de reais)}

Graficamente, usamos o plano cartesiano, veja a Figura 2.2. Note que a escala
em cada eixo coordenado não é necessariamente a mesma. Ainda, o eixo horizontal
refere-se ao primeiro elemento do par ordenado, o eixo vertical ao segundo. Estes
são alguns padrões para representação gráfica de pares ordenados. Estes padrões
podem ser quebrados, desde que fique claro cada parte do gráfico.

Figura 2.2: O plano cartesiano. Os pontos representam, da esquerda para direira,

os pares ordenados (1, 2), (2, 6) e (3, 8).

Agora, sejam A = 2, 4 e B = 5, 6. Se formar o conjunto de pares ordenados

de forma que o primeiro elemento de cada par é um elemento do conjunto A e o
segundo é um elemento do conjunto B, então teremos o conjunto:

{(2, 5), (2, 6), (4, 5), (4, 6)}.

14
Este conjunto é chamado de produto cartesiano, ou produto direto de A e B (símbolo
A × B). De forma descritiva, temos:

A × B = {(x, y) : x ∈ A e y ∈ B}

Desta forma, o plano cartesiano completo é o produto cartesiano R × R, i.e.:

R × R = {(x, y) : x, y ∈ R}.

Podemos ainda, definir os quadrantes do plano cartesiano. O primeiro quadrante é

{(x, y) : x ≥ 0, y ≥ 0}, o segundo quadrante é {(x, y) : x ≤ 0, y ≥ 0}, o terceiro
quadrante é {(x, y) : x ≤ 0, y ≤ 0} e, o quarto quadrante é {(x, y) : x ≥ 0, y ≤ 0}.
Faça a representação gráfica de cada um destes quadrantes no plano cartesiano!
Quando tomamos o produto cartesiano de um conjunto A por ele mesmo, i.e. A×
A, podemos escrever A2 . Desta forma, o conjunto de todos os pares ordenados com
ordenadas reais pode ser compactamente representado por R2 . O plano cartesiano
R2 é também chamado de espaço bidimensonal.
De fato, podemos estender a idéia de produto cartesiano para mais de três con-
juntos. Por definição, temos:

A × B × C = {(x, y, z) : x ∈ A, y ∈ B, z ∈ C}
A × B × C × D = {(x, y, z, t) : x ∈ A, y ∈ B, z ∈ C, t ∈ D}
A1 × A2 × · · · × An = {(x1 , x2 , . . . , xn ) : xi ∈ Ai , i ∈ {1, 2, . . . , n}}

Analogamente, podemos o espaço tridimensional R3 = R × R × R. Um ponto

(x, y, z) ∈ R3 no espaço tridimensional é representado graficamente conforme a
Figura 2.3.

Figura 2.3: Representação do ponto (2, 3, 2) no espaço tridimensional.

Aqui, nós nos aproximamos de nossa limitação de esboçar várias dimensões. Para
representarmos o espaço tridimensional em um plano já tivemos que nos lançar a uma
projeção. A projeção utilizada é um tanto natural, pois é muito próxima de nossa
percepção. Entretanto, quando tratamos de mais de três dimensões a representação
gráfica fica no mínimo mais difícil. Por exemplo, a representação descritiva através
de conjuntos do R4 é um tanto direta, equanto que a representação gráfica é bastante

15
complicada. De forma similar, temos os espaços 5-dimensionais R5 , 6-dimensionais
R6 , e assim por diante.
Necessitarmos de mais de três dimensões é natural. Por exemplo, se pensarmos,
por exemplo, na produção de n produtos de um empresa, teremos que a produção
de cada produto é uma coordenada de um espaço n-dimensional. Pensando em
produção, temos que a confecção de um produto pode estar atrelada a produção
de um ou mais outros produtos. Ou seja, é importante entender a relação entre a
produção de todos os produtos.

2.4.2 Relações e funções

Por simplicidade, voltemos a nos concentrar no espaço bidimensional. Imagine que
um empresa fabricante de shampoo contabilize a cada mês a produção (em milhares
de shampoos) e seu lucro bruto de venda (em milhares de reais). Depois de 5 meses,
teremos um conjunto formado por 5 pares ordenados. Suponhemos que este conjunto
é:
{(1, 3), (1.5, 4.5), (2, 6), (3, 9), (3.5, 10.5)}.
Faça um esboço destes pontos no plano cartesiano!
Este conjunto de pares ordenados (ou, simplesmente, pontos) relaciona a produ-
ção mensal com o lucro bruto da empresa. De forma mais geral, define-se qualquer
subconjunto do plano cartesiano como uma relação. Isto é, cada x relaciona um ou
mais y no plano. Por conviniencia, vamos geralmente representar um elemento do
R2 por um por ordenado (x, y).
Por exemplo, o conjunto {(x, y) : y ≤ x} define uma relação R : R → R (lê-se,
R é uma relação de R em R). Um esboço de seu gráfico encontra-se na Figura 2.4.

Figura 2.4: Esboço do gráfico da relação R : R → R definida por {(x, y) : y ≤ x}.

Observe, que dependendo da relação cada x pode estar relacionado a um ou mais

y. No exemplo anterior, cada x está relacionada a um número infinito √ de y’s. Alguns
pontos petencentes a esta relação são (1, 0.9), (1, 0), (1, −1), (1, − 2).
Em particular, podemos ter uma relação para qual cada x está relacionado a um
único y. Por exemplo, a relação f : R → R definida pelo conjunto {(x, y) : y = x}.
Faça um esboço de seu gráfico!
Neste caso, y é dito ser função de x e a relação f é chamada de função. Isto é,
uma função é uma relação que para cada x relaciona um único y. Assim, quando

16
dizemos que f : A → B é uma função de A em B, temos por definição, que cada
a ∈ A está relacionado a apenas um b ∈ B. Dizemos que b é função de a. Deve
estar claro que toda função é uma relação, mas que nem toda relação é uma função.
Note, que se y é função de x, então cada x está unicamente relacionado a y, mas
o contrário não é necessariamente verdadeiro. Um dado y pode estar relacionado a
mais de um x. Por exemplo, a função f : A → B, com A = 1, 2, 3 e B = −1, 1, −1
definida pelo conjunto {(1, −1), (2, 1), (3, −1)}, relaciona cada x ∈ A a um único
y ∈ B, mas o contrário é óbviamente falso!
Uma função é também chamada de mapeamento ou transformação. A notação
y = f (x) (lê-se, y é função de x) deve ser entendida por uma regra que associa cada
x a um único y.
Em uma função y = f (x), chamamos x de argumento e y de valor da função.
Ainda, comumente chama-se x de variável independente e y de variável dependente.
O conjunto de todos os valores que x pode assumir é chamado de domínio da fun-
ção (ou, simplesmente, domínio). O conjunto que os pontos de y podem assumir é
chamado de contra-domínio da função (ou, simplesmente, contra-domínio) e é co-
mumente referido pelo símbolo D(f ). Agora, o conjunto dos valores de y para os
quais existe pelo menos um x tal que y = f (x) é chamado de imagem da função (ou,
simplemente, imagem) e é comumente referido pelo símbolo Im(f ). Assim, quando
escrevemos f : A → B é uma função, temos que D(f ) ⊂ A, B é o contra-domínio
de f e Im(f ) ⊂ B.
O domínio e a imagem de uma função nem sempre são explicitadas. Quando
isso ocorre, devemos ter cuidado. Não devemos aplicar uma função a um valor fora
do domínio e não devemos procurar por um valor da variável dependente que não
pertença a imagem da função. O domínio e a imagem podem ser restringidas por
modelagem do problema. Por exemplo, se a variável independente de uma função
modela a produção de um produto, óbviamente este valor não pode ser negativo,
pois uma empresa pode fabricar ou não produtos, mas não faz sentido dizer que a
empresa fabricou −3 produtos! É difícil de listar todas as situações que levam a
determinação do domínio e da imagem, entretanto, devemos estar sempre atentos a
isso.

Figura 2.5: Esboço do gráfico da função custo total C = 150 + 7Q.

Vejamos um exemplo prático. Supohemos que o custo total C de uma empresa

17
é função da produção diária Q, dado por C = 150 + 7Q. Suponhemos, ainda, que
a empresa tem uma capacidade limite de 100 unidades de produção diária. Qual é
o domínio e a imagem da função custo total? Uma vez que Q pode variar apenas
entre 0 e 100, temos que:
D(C) = {Q ∈ R : 0 ≤ Q ≤ 100}.
Para entendermos melhor a imagem desta função, observemos o esboço do gráfico
desta função custo apresentado na Figura 2.5. Vê-se que a imagem desta função
assume todos os valores entre 150 e 850, então:
Im(C) = {C ∈ R : 150 ≤ C ≤ 850}.

2.4.3 Exercícios
√
Exercício 2.10. Dados A1 = {1, 7, 10}, A2 = {x, y, z} e A3 = { 5, π}, encontre os
seguintes produtos cartesianos:
(a) A1 × A2 (b) A1 × A3 (c) A3 × A2
Exercício 2.11. Utilizando os conjuntos dados no Exercício 2.10, encontre o pro-
duto cartesiano A1 × A2 × A3 .
Exercício 2.12. Diga se em geral é verdade que A × B = B × A. Caso não seja
sempre verdade, indique quando a igualdade ocorre.
Exercício 2.13. Diga quais das seguintes figuras representa uma função no plano
cartesiano (justifique sua resposta):
(a) um círculo (b) um retângulo
(b) uma linha vertical (c) uma parábola com concavidade para baixo
Exercício 2.14. Seja f : R → R a função dada por y = 5 + 3x. Sabendo que seu
domínio é D(f ) = {x : −1 ≤ x ≤ 3}, encontre sua imagem. Faço um esboço do
gráfico de f .
Exercício 2.15. Seja a função f (x) = −x2 . Sabendo que o domínio de f é todos
os números não negativos, qual é sua imagem? Faça um esboço do gráfico de f .
√
Exercício 2.16. Dada a função f (x) = − x. Qual o domínio desta função? E
qual sua imagem? Faça um esboço de seu gráfico.
Exercício 2.17. Na teoria de firma, os economistas consideram que o custo total
C é função do nível de produção Q, i.e. C = f (Q).
(a) De acordo com a definição de função, todo valor de custo total está relacionado
a um único nível de produção?
(b) Cada nível de produção relaciona um único valor de custo total?
Exercício 2.18. Se um nível de produção Q1 pode ser produzido com um custo
C1 , então também deve ser possível (sendo menos eficiente) produzir o mesmo nível
de produção a um custo mais alto C2 . Desta forma, o nível de produção não define
unicamente um custo, o que não permite escrevermos C em função de Q. Como,
mesmo sabendo disso, podemos definir uma função C = f (Q)?

18
2.5 Tipos de funções
Várias funções são comumente encontradas na modelagem matemática. Por sua
importância vamos aqui estudar algumas de suas propriedades.

2.5.1 Funções constantes

Uma função y = f (x) é uma função constante se sua imagem é formada por apenas
um elemento. Por exemplo: √
y = f (x) = 2.
√
para todo x ∈ R. Temos Im(f ) = 2. Note que o valor de y não se altera
independentemente do valor de x. No plano cartesiano, tal função aparece como
uma linha horizontal.

2.5.2 Funções polinomiais

Funções constantes são um caso particular de funções polinomiais. Uma função
polinomial de apenas uma variável x tem a seguinte forma geral:

f (x) = a0 + a1 x + a2 x2 + a3 x3 + · · · + an xn

onde, cada termo consiste de um coeficiente real e um expoente inteiro de x. Lem-

bramos que a0 = a0 · 1 = a0 x0 e que a1 x = a1 x1 . Note que os coeficientes podem ser
qualquer valor real, inclusive zero.
O grau de uma função polinomial é definido como o maior expoente de x cujo
coeficiente é diferente de zero. Assim, por exemplo, f (x) = 1 − 3x + 7000x5 −
0.0001x11 é um polinômio de grau 11. Alguns polinômios recebem um nome próprio:

f (x) = a0 - função constante

f (x) = a0 + a1 x - função linear
f (x) = a0 + a1 x + a2 x2 - função quadrática
f (x) = a0 + a1 x + a2 x2 + a3 x3 - função cúbica

Funções f (x) = a0 + a1 x são chamadas de funções lineares, pois satisfazem:

f (x + αy) = f (x) + αf (y)

para qualquer x, y, α ∈ R. Um função linear pode ser constante (quando a1 = 0),

crescente (quando a1 > 0) ou decrescente (quando a1 < 0). O gráfico de uma função
linear sempre cruza o eixo y no ponto (0, a0 ). O coeficiente a1 fornece a declividade
da reta que representa seu gráfico.
O gráfico de uma função quadrática f (x) = a0 + a1 x + a2 x2 é uma parábola.
O gráfico sempre cruza o eixo y no ponto (0, a0 ). Caso a2 > 0, a parábola tem
concavidade para cima, caso a2 < 0, a parábola tem concavidade para baixo.

19
2.5.3 Funções racionais
Uma função racional é dada pela razão de duas funções polinomiais, i.e.:
a0 + a1 x + · · · + an xn
f (x) = .
b0 + b1 x + · · · + bm xm
Portanto, toda função polinomial é uma função racional com denominador 1 que é
a função polinomial constante.
Uma função racional especial que tem aplicações importantes na economia é a
função do tipo:
a
y = f (x) = ou yx = a,
x
cujo gráfico é uma hipérbole retangular. Uma vez que o produto de x por y é
constante, esta função tem aplicabilidades interessantes na economia. Por exemplo,
a curva de demanda é o gráfico do preço P em função da quantidade de oferta Q,
uma vez que a demada P Q se mantenha constante. Outro exemplo, é a curva do
custo fixado médio AF C (do inglês, average fixed cost). Com AF C em um dos eixos
e produção Q no outro eixo, a curva AF C deve ser uma hipórbole retangular, pois
AF C · Q = custo total fixado.
Funções do tipo xy = a nunca atingem os eixos x e y. Entretanto, a curva se
aproxima dos eixos assintóticamente: quanto maior o valor de x mais próximo de
zero é o valor de y. Similarmente, quanto maior o valor de y mais próximo de zero
é o valor de x. Assim, dizemos que os eixos são as assíntotas da função xy = a.

2.5.4 Funções não-algébricas

Toda função expressa em termos de polinomios ou de raizes (como, raizes quadradas)
de polinômios é uma função algébrica. Assim, todas as função discutidas até o
momento são funções algébricas.
Entretanto, funções exponenciais tais como y = bx , nas quais a variável inde-
pendente aparece no expoente, são função não-algébricas. As funções logaritmicas
f (x) = loga x são também não-logaritmicas. Estes dois tipos de funções têm um
papel importante em modelos econômicos! Não é nosso objetivo aqui estudá-las de
forma aprofundada, mas fica registrada a dica para os mais curiosos. Outros tipos
de funções não-algébricas, são as funções trigonométricas.

2.5.5 Algumas propriedades sobre potenciação

Como já vimos nas funções polinomiais, potenciação aparce com frequência em
modelagem matemática. A expressão 32 significa que 3 está elevado na segunda
potência, i.e., 3 está multiplicado por ele mesmo, ou seja, 32 = 3 · 3 = 9. De forma
geral, temos para n inteiro positivo:

xn = x
| · x{z· · · x}.
n vezes

20
Como caso particular, temos x1 = x e, por definição, x0 = 1. Assim, para n, m
inteiros não-negativos segue que:
xn+m = xn · xm
xn
= xn−m
xm
1
x−n = n para todo x 6= 0
x
√
n m
x = xn
m

(xn )m = xnm
xn · y n = (xy)n .

2.5.6 Exercícios
Exercício 2.19. Faça o esboço do gráfico das seguintes funções:
(a) y = 12 − 3x (b) y = 12 + 3x (c) y = 2x − 3
Exercício 2.20. No Exercício anterior, indique quais são funções crescentes e quais
são decrescentes. Como podemos inferir sobre a declividade de funções lineares
mesmo sem conhecer seus gráficos.
Exercício 2.21. Faça o esboço do gráfico das seguintes funções:
(a) y = −x2 + 5x − 2 (b) y = x2 + 5x − 2
tomando seus domínios D(f ) = {x ∈ R : −5 < x < 5}. Diga a direção da
concavidade de cada uma destas funções e de que maneira podemos inferir sobre a
concavidade mesmo sem conhecermos seus gráficos.
Exercício 2.22. Simplifique as seguintes expressões:
(a) x4 · x11 (b) xa · xb · xc (c) x3 · y 3 · z 3
Exercício 2.23. Simplifique as seguintes expressões:
1 1
x3 x2 · x3
(a) −3 (b) 2
x x3
Exercício 2.24. Mostre que:
m √ √
xn = n
xm = ( n x)m

2.6 Funções de duas ou mais variáveis independen-

tes
Até o momento estudamos apenas funções com uma variável independente y =
f (x). Entretanto, o conceito de função pode ser extendido a mais de uma variável
independente. Por exemplo, dada a função
z = g(x, y)

21
temos que para cada par ordenado (x, y) associa-se um único z. Por exemplo, temos
as funções
z = ax + bz e z = a + bx + cx2 + dy 2.
Da mesma forma que funções y = f (x) mapeiam x em y, temos que z = g(x, y)
mapeia o par ordenado (x, y) em z.
Um exemplo em economia aparece na área de funções de produção. Suponha
que a produção é determinada pela quantidade de capital K e pela força de trabalho
L empregada, então temos que a produção Q é função de K e L, i.e., Q = g(K, L).
Note que podemos estender ainda mais o conceito de função para n variáveis
indepedentes. Podemos ter, por exemplo, y = h(u, v, w), a qual mapeia um ponto
(u, v, w) no espaço tridimensional a um ponto y no espaço unidimensional.
Funções de várias variáveis também podem ser classificadas em tipos. Por exem-
plo, funções da forma

y = a0 + a1 x1 + a2 x2 + · + an xn

são funções lineares. Estas funções serão alvo de nosso estudo em álgebra linear.
No próximo capítulo vamos discutir alguns modelos econômicos para os quais
vamos aplicar alguns dos conceitos de álgebra linear que vamos desenvolver durante
este curso.

22
Capítulo 3

Alguns Modelos Matemáticos da

Economia

Aqui, vamos discutir alguns modelos matemáticos em economia, ou seja, modelos

econômicos que empregam modelagem matemática.

3.1 Modelos de Equilíbrio

Equilíbrio, em economia, pode ser definido de várias maneiras. Um definição co-
erente é: equilíbrio é uma coleção de variáveis selecionadas inter-relacionadas e
ajustadas umas as outras de forma que nenhuma tendência inerente de mudança
prevaleça no modelo, o qual elas constituem.
Vamos analisar esta definição com mais atenção. Primeiramente, usamos a ex-
pressão “uma coleção de variáveis selecionadas” o que significa que trata-se apenas de
algumas variáveis escolhidas, podem ser que outras variáveis não são consideradas.
Isto é comum em modelagem matemática. Um conjunto de variáveis representativo
normalmente deve ser selecionado. Não podemos tratar todas as variáveis existem
no universo, qualquer modelo matemático é restrito! Talvez mais importante é no-
tarmos que equilíbrio está definido para aquele conjunto de variáveis, se adicionamos
uma ou mais variáveis ao modelo, equilíbrio não está mais garantido.
A expressão “variáveis inter-relacionadas” sugere que todas as variáveis devem
estar em repouso, caso contrário, se uma variável muda-se, então causaria a mudança
das outras variáveis por inter-relação e, portanto, o modelo não estaria em equilíbrio.
A palavra inerente significa que o equilíbrio está definido apenas entre a relação
das forças no modelo, as forças externas são supostamente constantes. Se as forças
externas mudarem, então aquele estado de equilíbrio não é mais garantido, o modelo
pode encontrar um novo estado de equilíbrio ou, não entrar em equilíbrio.
Note, ainda, que um estado de equilíbrio não é necessariamente bom. Uma
posição de equilíbrio pode ser bastante indesejável e, portanto, algo a ser evitado.
Por exemplo, um equilíbrio em um alto nível de desemprego em uma nação. Por
outro lado, o equilíbrio de uma firma na situação de lucro máximo é altamente
desejável na visão da firma.

23
3.1.1 Mercado em equilíbrio parcial (Modelo Linear)
Em um modelo de equilíbrio estático, o problema padrão é encontrar o conjunto de
valores para as variáveis do modelo, o qual satisfaz a condição de equilíbrio para
o modelo. Quando encontramos estes valores, obtemos, de fato, as condições que
levam o modelo ao equilíbrio. Vamos exemplificar utilizando o modelo de mercado
em equilíbrio parcial, i.e., um modelo de determinação de preço em um mercado
isolado.

Construção do modelo
Uma vez que vamos considerar apenas um bem ou serviço, o modelo consiste de
apenas três variáveis: a quantidade demandada do bem ou serviço (Qd ), a quanti-
dade de oferta do bem ou serviço (Qs ) e seu preço (P ). A quantidade é medida,
digamos, em kilogramas por semana e seu preço em reais. Tendo determinado as
variáveis, devemos fazer algumas hipóteses sobre o funcionamento do mercado. Pri-
meiro, precisamos especificar uma condição de equilíbrio, o que é indispensável em
modelos de equilíbrio. A hipótese padrão é que o mercado está em equilíbrio se, e
somente se, o excesso de demanda é zero, i.e., Qd − Qs = 0. Mas, isso levanta a
questão sobre como determinamos Qd e Qs . Para tanto, assumimos que Qd é uma
função linearmente decrescente de P (i.e., se P aumenta, Qd diminui). Por outro
lado, Qs é suposta ser linearmente crescente com respeito a P (i.e., se P aumenta,
Qs aumenta), com uma suposição extra de que o bem ou serviço só é produzido se o
preço excede um certo nível positivo. Em resumo, o modelo contém uma condição
de equilíbrio e duas equações que governam a demanda e o oferta.
Ou seja, colocando em equações matemáticas, o modelo pode ser escrito como
segue:
Qd = Qs condição de equilíbrio (3.1)
Qd = a − bP equação governante para a demanda (3.2)
Qs = −c + dP equação governante para a oferta (3.3)
onde, os parâmetros a, b, c, d > 0 e a, b, c, d ∈ R.

Figura 3.1: Esboço do gráfico sobre o modelo de mercado em equilíbrio parcial.

Assim, uma vez que o preço P ≥ 0, temos que a demanda máxima é Qd = a e

ela decresce a uma taxa −b < 0 em relação a P , como requerido pela modelagem.

24
A equação de governo para a oferta, têm valor mínimo −c < 0 e cresce a uma taxa
d > 0 em relação a P . Desta forma, a produção só ocorre quando P é suficientemente
grande de forma que −c + dP > 0, i.e. P > c/d. Veja a Figura 3.1.
Agora que temos o modelo, nos resta resolvê-lo para obtermos os valores das
três variáveis P , Qd e Qs . Notemos, que nossa condição de equilíbrio Eq. (3.1), nos
garante igualar as equações Eq. (3.2) e Eq. (3.3), obtemos:

a − bP = −c + dP

ou seja,
a+c
P = (3.4)
b+d
que é o preço que deixa o mercado em equilíbrio parcial. Uma vez que explicitamos
o preço P , podemos usá-lo para encontrarmos Qd , através da Eq. (3.2), e Qs , através
da Eq. (3.3), obtemos:

a+c ad − bc
Qd = a − bP = a − b = (3.5)
b+d b+d
a+c ad − bc
Qs == −c + dP = −c + d = . (3.6)
b+d b+d
A solução encontrada depende dos parâmetros a, b, c, d. Ou seja, uma vez que
conhecemos estes valores, as expressões Eq. (3.4), (3.5) e (3.6) nos fornece o preço,
a quantidade de demanda e a quantidade de oferta do bem ou serviço. Agora, estes
parâmetros não podem ser escolhidos deliberadamente, eles dependem do objeto de
estudo. Para o dado bem ou serviço e o mercado a ser considerado, os parâmetros
devem ser determinados a partir de observações (medições) da realidade. Assim,
as curvas Eq. (3.3) e (3.2) são ajustadas o mais próximo da realidade observada.
Normalmente, estes parâmetros são obtidos via técnicas de regressão linear.
Entretanto, os parâmetros são, ainda, restritos a certas condições que dependem
da teoria econômica. Lembre que durante a modelagem, observamos que a, b, c, d de-
vem ser todos maiores que zero. Isto se deve ao fato de que a demanda deve diminuir
quando o preço aumenta e a oferta deve aumentar quando o preço aumenta. Deve-
mos observar, ainda, que tanto a demanda como a oferta devem sempre ser maiores
que zero (quantidades nunca são negativas!). Ou seja, a solução deve satisfazer:

ad − bc
Qd = Qs = > 0.
d+d
Como, sempre d + b > 0, pois d, b > 0, temos que necessariamente ad − bc > 0,
ou seja, ad > bc. Essa nova condição deve ser respeitada quando escolhemos os
parâmetros. Caso a realidade não nos permita escolher valores que satisfaçam as
condições do modelo, então o modelo não é válido e, portanto não pode ser aplicado
para descrever o objeto de estudo!

25
Exercícios
Exercício 3.1. Dado o modelo de mercado:
Qd = Qs
Qd = 21 − 3P
Qs = −4 + 8P
(a) Verifique se os parâmetros do modelo satisfazem as condições de modelagem.
(b) Resolva o modelo por um processo de solução a partir do modelo. (c) Compare
os valores de P , Qs e Qd , encontrados no item (b) com os valores obtidos através
das fórmulas Eq. (3.4), (3.5), (3.6).
Exercício 3.2. Faça um esboço do gráfico das funções Qd e Qs em um mesmo
gráfico e marque no gráfico o ponto de equilíbrio. Resolva cada um dos seguintes
modelos para encontrar o respectivo ponto de equilíbrio. Lembre de verificar se os
parâmetros são válidos.
Qd = Qs Qd = Qs
(a) Qd = 51 − 3P (b) Qd = 30 − 2P
Qs = 6P − 10 Qs = −6 + 5P
Exercício 3.3. Se b + d = 0 no modelo de mercado Eq. (3.1), (3.2) e (3.3), então é
possível encontrar um ponto de equilíbrio? Justifique sua resposta.
Exercício 3.4. Se b + d = 0 no modelo de mercado Eq. (3.1), (3.2) e (3.3), o que
pode ser dito sobre a demanda e a oferta em relação ao preço?

3.1.2 Equilíbrio de Mercado Geral

Na última seção, tratamos de um modelo de um mercado isolado, onde Qd e Qs
de um bem ou serviço são funções apenas do preço deste mesmo bem ou serviço.
No mundo real, entretanto, todo bem ou serviço sofre influência de um ou muitos
outros bens e serviços. Por exemplo, o preço de um shampoo no mercado não
é determinado apenas pela demanda e procura deste shampoo, mas também pelo
preço da embalagem, dos produtos químicos utilizados para a sua produção, etc.
Um modelo mais realístico de mercado deve levar em comparação não apenas o
preço do bem ou serviço em questão, mas também do preço dos bens ou serviços
relacionadas.
Em modelo de mercado isolado, a condição de equilíbrio consiste de apenas
uma equação, i.e. E := Qs − Qd = 0, onde E representa o excesso de demanda.
Quando vários bens e serviços inter-dependentes são simultaneamente consideradas,
a condição de equilíbrio exige que o excesso de demanda seja nulo para todos os
bens ou serviços relacionadas. Se qualquer um dos bens ou serviços tiver excesso de
demanda, então o preço para ajustá-la terá efeito em todas as demais quantidades
de demanda de maneira a não termos um equilíbrio no mercado. Assim, a condição
de equilíbrio para de um modelo de mercado com n-bens ou serviços envolve n
equações, uma para cada bem ou serviço, da forma:
Ei = Qdi − Qsi = 0

26
com, i = 1, 2, . . . , n.
Portanto, se uma solução para o modelo existe (nem sempre existe solução para
o modelo!), então teremos um conjunto de preços Pi , demandas Qdi e ofertas Qsi ,
tais que todas as condições de equilíbrio sejam satisfeitas simultaneamente.

Modelo de mercado com dois bens ou serviços

Para ilustrar o problema, vamos considerar um modelo de mercado envolvendo ape-
nas dois bens ou serviços. Vamos, novamente, assumir que as funções de demanda
e oferta são lineares. Usando parâmetros, o modelo pode ser escrito da seguinte
forma:

Qd1 − Qs1 = 0 (3.7)

Qd1 = a0 + a1 P1 + a2 P2 (3.8)
Qs1 = b0 + b1 P1 + b2 P2 (3.9)
Qd2 − Qs2 = 0 (3.10)
Qd2 = α0 + α1 P1 + α2 P2 (3.11)
Qs2 = β0 + β1 P1 + β2 P2 (3.12)

onde, os parâmetros a e b são coeficientes das funções de demanda e oferta do

primeiro bem ou serviço e, os parâmetros α e β são coeficientes das funções de
demanda e oferta do segundo bem ou serviço.
Até o momento, não consideramos nenhuma condição para os parâmetros en-
volvidos. Aqui, não é tão simples determinar tais condições e vamos deixar esta
discussão para mais tarde. No momento, vamos considerar que os parâmetros fa-
çam sentido.
Para resolvermos este modelo, vamos proceder similarmente a seção anterior,
utilizamos eliminação de variáveis. As equações Eq. (3.7), (3.8) e (3.9), podem ser
combinadas de forma a obtermos:

0 = Qd1 − Qs1 = (a0 − b0 ) + (a1 − b1 )P1 + (a2 − b2 )P2 . (3.13)

De forma similar, utilizamos as equações Eq. (3.10), (3.11) e (3.12), para obter-
mos
0 = Qd2 − Qs2 = (α0 − β0 ) + (α1 − β1 )P1 + (α2 − β2 )P2 . (3.14)
Agora, para encontrarmos os preços P1 e P2 , devemos resolver as equações
Eq. (3.13) e (3.14) simultaneamente. Antes, note que estamos lidando com 12 parâ-
metros, o que torna confusa a álgebra. Para simplificarmos a notação, vamos definir
novas constantes da seguinte forma:

b1 = −(a0 − b0 )
c1j = aj − bj
b2 = −(α0 − β0 )
c2j = αj − βj

27
com j = 1, 2. Nesta nova notação, temos que as equações Eq. (3.13) e (3.14) podem
ser reescritas da seguinte maneira:

c11 P1 + c12 P2 = b1 (3.15)

c21 P1 + c22 P2 = b2 (3.16)

o que chamamos de um sistema linear de duas equações e duas incógnitas (ou,

variáveis). Lembrando, as variáveis são P1 e P2 .
Durante nosso curso de Álgebra Linear, vamos aprender procedimentos de solu-
ção gerais para sistemas de equações lineares, i.e., para uma quantidade qualquer
de equações e variáveis. Vamos, ainda, determinar condições necessárias e, com
sorte, suficientes para garantirmos solução de existência. Esta teoria é fundamental
quando lidamos com n bens ou serviços, por exemplo.
Bom, mas no momento estamos lidando apenas com um sistema 2 por 2, duas
equações e duas variáveis. Para resolvermos este sistema, basta isolarmos uma das
variáveis, digamos P1 , em uma das equações, digamos Eq. (3.15). Fazendo isso,
obtemos:
b1 − c22 P2
P1 = . (3.17)
c11
Agora, substituímos a expressão para P1 , obtida na Eq. (3.17), na equação Eq. (3.16).
Obtemos:  
b1 − c22 P2
c21 + c22 P2 = b2
c11
donde, isolando P2 , obtemos:
c11 b2 − c21 b1
P2 = (3.18)
c11 c22 − c21 c22
a qual fornece o preço em equilíbrio do segundo bem ou serviço em função apenas
dos parâmetros de modelagem. Uma vez que conhecemos P2 , voltamos a Eq. (3.17)
e obtemos:
c11 b2 −c21 b1
b1 − c22 c11 c22 −c21 c22
P1 =
c11
ou seja:
c22 b1 − c22 b2
P1 = (3.19)
c11 c22 − c21 c22
o que fornece o preço em equilíbrio do primeiro bem ou serviço.
Como discutimos anteriormente, os parâmetros devem ser obtidos através de
medidas feitas a partir da observação da realidade. Entretanto, para que o modelo
faça sentido, algumas restrições já são conhecidas. Por exemplo, para que as soluções
Eq. (3.19) e (3.18) sejam válidas, o denominar comum a elas (c11 c22 − c21 c22 ) não
pode ser zero, pois divisão por zero não existe! Ou seja, devemos ter c11 c22 6= c21 c22 .
Ainda, sabemos que o preço nunca pode ser negativo, portanto o denominador em
cada uma das expressões Eq. (3.19) e (3.18) deve ter o mesmo sinal do denominador.

28
Exercícios
Exercício 3.5. Resolva o seguinte modelo de mercado com dois bens ou serviços
passo a passo.

Qd1 − Qs1 = 0
Qd1 = 10 − 2P1 + P2
Qs1 = −2 + 3P1
Qd2 − Qs2 = 0
Qd2 = 15 + P1 − P2
Qs2 = −1 + 2P2

Verifique sua solução usando as expressões Eq. (3.19) e (3.18).

Exercício 3.6. Reescreva Eq. (3.19) e (3.18) utilizando os parâmetros originais da
modelagem a0 , a1 , a2 , b0 , b1 , b2 , α0 , α1 , α2 e β0 , β1 , β2 .
Exercício 3.7. Verifique que as expressões novas expressões para P1 e P2 obtidas
no exercício anterior, satisfazem o modelo original Eq. (3.7)-(3.12).

3.1.3 Análise de Equilíbrio de Renda Nacional

Até o momento, apresentamos a análise de equilíbrio apenas para modelos de mer-
cado, entretanto a análise de equilíbrio pode ser aplicada a outros campos da econo-
mia. Como exemplo, podemos citar o simples modelo de renda nacional de Keynes
(para economia fechada com o governo):

Y = C + I0 + G 0 (3.20)
C = a + bY (3.21)

onde, Y representa o renda nacional, C o gasto de consumo das famílias, I0 é o

investimento (fornecido como parâmetro para o modelo), G0 é o gasto do governo
(também fornecido como parâmetro para o modelo, a e b são parâmetros de ajuste
do modelo. A primeira equação Eq. (3.20) é uma condição de equilíbrio, a qual
determina que o renda nacional deve ser igual ao gasto total planejado. A segunda
Eq. (3.21), é a função de consumo. Estas duas equações são lineares e contém apenas
duas variáveis, a saber, Y e C.
Para resolver este sistema, podemos proceder pelo método de eliminação visto
nas seções anteriores. Substituindo C na equação Eq. (3.20) pela expressão dada
pela equação Eq. (3.21), obtemos:

Y = a + bY + I0 + G0

donde, temos:
a + I0 + G 0
Y = (3.22)
1−b
a qual nos fornece o renda nacional em equilíbrio dependendo apenas dos parâmetros
do modelo.

29
 Para obtermos C em equilíbrio, basta substituir Y na equação Eq. (3.21) por
sua expressão dada em Eq. (3.22). Fazendo isso, obtemos:

a + I0 + G 0
C =a+b
1−b
ou seja:
a + b(I0 + G0 )
C= (3.23)
1−b
a qual fornece C em equilíbrio.
Ambas soluções Eq. (3.22) e (3.23) têm denominador 1 − b, portanto devemos
impor a condição b 6= 1 para evitarmos divisão por zero. Ainda, Y e C devem ser
valores positivos, logo o numerador em cada uma das expressões Eq. (3.22) e (3.23)
deve ter o mesmo sinal de (1 − b).
É importante ressaltar que este modelo de renda nacional é demasiado simples
e de pouca, ou nenhuma validade, no mundo real. Entretanto, modelos mais so-
fisticados podem ser construídos, seguindo as idéias básicas discutidas nesta seção.
Entretanto, não é nosso objetivo nos aprofundar em modelos econômicos.

Exercícios
Exercício 3.8. Dado o seguinte modelo:

Y = C + I0 + G 0
C = a + b(Y − T ), com (a > 0, 0 < b < 1) e T é imposto
T = d + tY, com (d > 0, 0 < t < 1) e t é taxa de impostos

(a) Quais são as variáveis? Quais são os parâmetros externos? Quais são os
parâmetros de ajuste?

(b) Encontre o ponto de equilíbrio.

Exercício 3.9. Resolva o modelo anterior sabendo que I0 = 16, G0 = 14, a = 25,
1
b = 41 , d = 1 e t = 10 .

30
Capítulo 4

Equações Lineares e Matrizes

4.1 Equações Lineares

Definição 4.1. Equações da forma

a1 x1 + a2 x2 + · · · + an xn = b (4.1)

que expressa b em função das variáveis x1 , x2 , . . . , xn e das constantes conhecidas

a1 , a2 , . . . , an é chamada equação linear. A solução de (4.1) é uma seqüência de
números s1 , s2 , . . . , sn que satisfazem a equação quando substituímos x1 por s1 , x2
por s2 e assim por diante.

Exemplo 4.1. Seja dada a equação linear

x1 + 2x2 − 3x3 = 0

então x1 = 1, x2 = 1 e x3 = 1 é uma solução para esta equação. Entretanto, devemos

observar que esta não é a única solução. Por exemplo, x1 = −1, x2 = −1 e x3 = −1
também é solução para esta equação. Ou seja, uma equação linear pode ter solução
única, ou várias soluções.

Definição 4.2. Um sistema de m equações lineares e n incógnitas ou, simplesmente

um sistema linear, é um conjunto de equações lineares da forma

a11 x1 + a12 x2 + · · · + a1n xn = b1

a21 x2 + a22 x2 + · · · + a2n xn = b2
.. .. .. . (4.2)
. + . + + . = ..
am1 x1 + am2 x2 + . . . + amn = bm .

Uma solução do sistema linear acima é uma seqüência de números s1 , s2 , . . . , sn que

satisfazem todas as m equações do sistema ao mesmo tempo quando substituímos
x1 por s1 , x2 por s2 e assim por diante.

Para resolvermos (ou seja, buscarmos pela solução) de um sistema linear, pode-
mos utilizar o método da eliminação.

Definição 4.3. O método da eliminação consiste em realizar as seguintes operações:

31
 1. Trocar a posição de duas equações.

2. Multiplicar uma equação por uma constante diferente de zero.

3. Adicionar um múltiplo de uma equação à outra.

Observação 4.1. Note que trocar a posição de duas equações não altera o resultado
de uma sistema. Multiplicar uma equação por uma constante diferente de zero tão
pouco modifica o resultado da equação, logo, não modifica o resultado do sistema.
Por último, adicionar um múltiplo de uma equação à outra também não muda o
resultado do sistema. Logo, o método da eliminação apenas transforma o sistema
original de equações em um sistema equivalente, ou seja, um sistema cuja solução é
a mesma do sistema original.
O objetivo é simplificar as equações do sistema até um momento que torna-se
fácil resolver cada uma das equações.
Observação 4.2. Para um sistema linear pode ocorrer apenas uma das seguintes:
1. ter solução única;

2. ter infinitas soluções;

3. ter infinitas soluções.

O método da eliminação nos leva a identificar cada um destes casos.
Exemplo 4.2 (Sistema linear com solução única). Considere o sistema linear

x + 2y − 3z = 0
x − y + z = 1
2x + y − z = 2.

Vamos resolver este sistema pelo método da eliminação. A idéia é aplicar apenas as
operações dadas na Definição 4.3 para eliminar x da segunda e da terceira equações.
Depois, eliminamos y da terceira equação, de forma que a terceira equação se trans-
forme em uma equação de apenas uma incógnita, de fácil solução. Assim, obtermos
z e depois utilizamos a segunda equação para obtermos y. Por fim, utilizamos a
primeira equação para obtermos x.
Seguindo esta estratégia, trocamos a segunda equação pela soma da primeira
equação, multiplicada por −1, com a segunda equação:

x + 2y − 3z = 0
− 3y + 4z = 1
2x + y − z = 2

Agora, trocamos a terceira equação pela soma da primeira equação, multiplicada

por −2, com a terceira equação, obtermos:

x + 2y − 3z = 0
− 3y + 4z = 1
− 3y + 5z = 2

32
Agora, trocamos a terceira equação pela soma da segunda equação, multiplicada por
−1, com a terceira equação, obtemos:
x + 2y − 3z = 0
− 3y + 4z = 1
z = 1
Note, que desta forma, a terceira equação têm apenas uma incógnita, e portanto,
podemos resolvê-la de maneira trivial. Temos:
z = 1.
Daí, podemos utilizar a segunda equação para obtermos y, pois:
−3y + 4z = 1 ⇒ −3y + 4(1) = 1
⇒ −3y = −3
⇒ y = 1.
Por fim, utilizamos a terceira equação para obtermos x, ou seja:
x + 2y − 3z = 0 ⇒ x + 2(1) − 3(1) = 0
⇒ x = 1.
Logo, a solução do sistema linear é x = 1, y = 1 e z = 1. Você saberia verificar este
resultado?
Exemplo 4.3 (Sistema linear com infinitas soluções). Considere o seguinte sistema
linear
x + 2y − 3z = 0
x − 3y + 4z = 1
Seguimos o método da eliminação. Trocamos a segunda equação pela soma da
primeira equação, multiplicada por −1, com a segunda equação:
x + 2y − 3z = 0
− 5y + 7z = 1
Note, que agora não temos como continuar eliminando variáveis. Assim, o melhor
que podemos fazer é utilizar a segunda equação pela isolarmos uma das incógnitas,
digamos y. Obtemos
1 7
−5y + 7z = 1 ⇒ y = − + z
5 5
Com isso, podemos isolar x utilizando a primeira equação:
 
1 7
x + 2y − 3z = 0 ⇒ x + 2 − + z − 3z = 0
5 5
2 1
⇒x− − z =0
5 5
2 1
⇒ x = + z.
5 5
Desta forma, z não está determinado. Entretanto, para qualquer número de desig-
narmos para z, obtemos x e y. Logo, temos infinitas soluções.
Por exemplo, se z = 1, então y = 65 e x = 53 . Verifique isto! Você poderia dar
mais um exemplo de uma solução?

33
Exemplo 4.4 (Sistema linear sem solução). Considere o seguinte sistema linear

x + 2y = 0
x − 3y = 1
2x + y = −1

Eliminamos x na segunda equação:

x + 2y = 0
− 5y = 1
2x + y = −1

Agora, eliminamos x da terceira equação:

x + 2y = 0
− 5y = 1
− 3y = −1

Agora, eliminamos y na terceira equação somando a segunda equação, multiplicada

por − 53 , com a terceira equação:

x + 2y = 0
− 5y = 1
0 = − 85

Note que a terceira equação é um absurdo!!! Logo, o sistema não têm solução, pois
0 não é igual a − 85 .

Exercício 4.1 (Aplicação em Economia). Resolva o seguinte modelo de mercado

com dois bens ou serviços passo a passo.

Qd1 − Qs1 = 0
Qd1 = 10 − 2P1 + P2
Qs1 = −2 + 3P1
Qd2 − Qs2 = 0
Qd2 = 15 + P1 − P2
Qs2 = −1 + 2P2

4.1.1 Lista de Exercícios 2.1

Exercício 4.2. KOLMAN, Capítulo 1, Seção 1.1, Exercícios 1.1, Números: 5, 6,
13, 28.

34
4.2 Matrizes
Definição 4.4. Uma matriz A m × n é um arranjo retangular de mn números
distribuídos em m linhas e n colunas, da forma:
 
a11 a12 · · · a1j · · · a1n
 a21 a22 · · · a2j · · · a2n 
 . .. .. .. 
 .
 . . . .


A= 
 ai1 ai2 · · · aij · · · ain 
 . .. .. .. 
 .. . . . 
am1 am2 · · · amj · · · amn
A i-ésima linha de A é
[ai1 ai2 · · · ain ] com 1 ≤ i ≤ m
e a j-ésima coluna de A é
 
a1j
 a2j 
com 1 ≤ j ≤ n.
 
 .. 
 . 
amj
Se m = n dizemos que A é uma matriz quadrada de ordem n e que os números a11 ,
a22 , . . ., ann formam a diagonal principal da matriz A. Denotamos um elemento
da i-ésima linha e j-ésima coluna de A por aij . Ainda, para economizar escrita,
escrevemos A = [aij ]mni,j=1 .

Exemplo 4.5. A matriz  

1 11 111
A=
−2 5 7
é uma matriz 2. O elemento (2, 2) é igual a 5.
Exemplo 4.6. A matriz  
1 11 111
A =  −2 √5 7 
100 2 3
é uma matriz quadrada de ordem 3. Sua diagonal principal é formada pelos números
1, 5, 3.
Definição 4.5. Uma matriz 1 × n é chamada de vetor linha de dimensão n. Uma
matriz m × 1 chamada de vetor coluna de dimensão m. Vetores são, normalmente,
denotados por letras minúsculas com uma seta sobre-escrita ou uma barra sub-
escrita.
Exemplo 4.7. ~u = [4 2 − 1] é um vetor linha de dimensão 3. O vetor
 
−5
 7 
 
 2 
−1
é um vetor coluna de dimensão 4.

35
Observação 4.3. A linha de uma matriz é um vetor linha. A coluna de uma matriz
é um vetor coluna.
Definição 4.6. Uma matriz quadrada A = [aij ]nn i,j=1 em que todos os termos da
diagonal principal são iguais, aii = c para i = 1, . . . , n, e aij = para i 6= j é chamada
de matriz escalar.
Exemplo 4.8. A matriz identidade I de ordem 3 dada por
 
1 0 0
I = 0 1 0 
0 0 1
é um exemplo de uma matriz escalar.
Definição 4.7. Duas matrizes A = [aij ]mni,j=1 e B = [bij ]i,j=1 são iguais se, e somente
rs

se, m = r, n = s e aij = bij para todo i = 1, . . . , m e j = 1, . . . , m.

Exemplo 4.9. As matrizes
   
1 11 111 1 x 111
A =  −2 √5 7  e B =  −2 √5 y 
100 2 3 100 2 3
são iguais se x = 11 e y = 7.
Definição 4.8. Se A = [aij ]mn i,j=1 e B = [bij ]i,j=1 , então a soma de A e B é a matriz
mn

C = A + B = [aij + bij ]i,j=1 .

mn

Exemplo 4.10. A soma das matrizes

   
1 11 −1 1
A =  −2 √5  e B =  −2 3 
√
100 2 7 − 2
é a matriz  
0 12
A + B =  −4 8  .
107 0
Definição 4.9. Se A = [aij ]mn
i,j=1 e α é um número real, então a multiplicação por
um escalar de α por A é a matriz αA = [αaij ]mn
i,j=1 .

Exemplo 4.11. Dada a matriz

 
0 12
A =  −4 8 
107 0
temos que  
0 36
3A =  −12 24  .
321 0

36
Definição 4.10. Se A1 , A2 , . . ., Ak são matrizes m × n e c1 , c2 , . . ., ck são números
reais, então
c1 A1 + c2 A2 + · · · + ck Ak
é chamada de combinação linear de A1 , A2 , . . ., Ak e c1 , c2 , . . ., ck são chamados de
coeficientes da combinação.

Definição 4.11. Se A = [aij ]mn

i,j=1 , então a matriz A
T
j,i=1 é chamada de
= [aji ]nm
matriz transposta de A.

Exemplo 4.12. Seja  

0 12
A =  −4 8 
107 0
então:  
T 0 −4 107
A = .
12 8 0

4.2.1 Lista de Exercícios 2.2

Exercício 4.3. KOLMAN, Capítulo 1, Seção 1.2, Exercícios 1.2 (veja [9]), número
7.

Exercício 4.4 (Exercício baseado em KOLMAN, Capítulo 1, Seção 1.2, Exemplo 13

(veja [9]). Seja ~p = [17, 65 1, 56 18, 75 21, 00] um vetor de dimensão 4 que representa
os preços atuais de quatro itens de uma loja. Suponha que a loja anuncie uma
promoção em que o preço de cada item esteja reduzido em 15%. (a) Determine um
vetor de dimensão 4 que forneça as alterações de preço para os quatro itens. (b)
Determine um vetor de dimensão 4 que forneça os novos preços dos itens.

4.3 Produto escalar e multiplicação de matrizes

Definição 4.12 (Produto escalar). Sejam os vetores n-dimensionais:
   
u1 v1
 u2   v2 
~u =  ..  e ~v =  ..  .
   
 .   . 
un vn

Então, define-se o produto escalar por:

n
X
~u · ~v = ui vi = u1v1 + · · · + un vn .
i=1

Análogo para vetores (1 × n)-dimensionais.

37
Exemplo 4.13. Sejam

~a = [−3 2 − 1] e ~b = [3 − 1 5].

Temos:
~a · ~b = −3(3) + 2(−1) + (−1)5 = −16.

Definição 4.13 (Multiplicação de matrizes). Sejam A = [aij ]mn pq

i,j=1 e B = [bkl ]k,l=1 .
Se n = p, então a multiplicação de A e B é denotada por AB = [abij ]mq
i,j=1 , onde:

n
X
(ab)ij = aik bkj .
k=1

Exemplo 4.14. Sejam:

   
−1 2 2 1 0
A= eB=
2 1 3 −2 1

então:
   
(−1)2 + 2(3) −1(1) + 2(−2) (−1)0 + 2(1) 4 −5 2
AB = = .
2(2) + 1(3) 2(1) + 1(−2) 2(0) + 1(1) 7 0 1

Observação 4.4 (Existência da multiplicação). Sejam A e B matrizes. Note que

nem sempre existe AB. Para existir AB o número de colunas de A deve ser igual
ao número de linhas de B.

Observação 4.5 (Existência da comutatividade). A lei comutativa da multiplicação

não é, em geral, válida para matrizes. Isto é, AB 6= BA!

Exercício 4.5. Encontre um exemplo tal que AB 6= BA.

Proposição 4.1. Se ~u e ~v são vetores (1 × n)-dimensional e (n × 1)-dimensional,

respectivamente. Então:
~u~v = ~v T ~u.

Demonstração. Suponhamos, sem perda de generalidade, que

 
u1
~u =  ...  e ~v = v1 · · · vn .
   

un

Daí: n n
X X
~u~v = ui vi = vi ui = ~v T ~u.
i=1 i=1

38
Observação 4.6 (Produto matriz por vetor em termos de vetores colunas). Note
que, por exemplo:
        
−1 3 −2 x −1 3 −2
A =  2 −5 7   y  = x  3  + y  −5  + z  7 
−2 4 8 z −2 7 8

Ou seja, o produto de uma matriz A por um vetor ~x, i.e. A~x, é uma combinação
linear dos vetores colunas da matriz A.

Definição 4.14 (Forma matricial de um sistema linear). Seja dado o sistema linear:

a11 x1 + a12 x2 + · · · + a1n xn = b1

a21 x2 + a22 x2 + · · · + a2n xn = b2
.. .. .. .
. + . + + . = ..
am1 x1 + am2 x2 + . . . + amn = bm .

Este sistema pode ser equivalentemente escrito na forma matricial:

A~x = ~b

onde:  
a11 a12 · · · a1j · · · a1n
 a21 a22 · · · a2j · · · a2n 
 .. .. .. .. 
. . . .
 
 
A= 
 ai1 ai2 · · · aij · · · ain 
 .. .. .. .. 
 . . . . 
am1 am2 · · · amj · · · amn
   
x1 b1
 x2   b2 
 .   .. 
 . 
 .  ~  . 
 
~x =   e b =  .
 xi   bj 
 .   .. 
 ..   . 
xn bm
Ainda, a matriz:
 
a11 a12 · · · a1j · · · a1n | b1
 a21 a22 · · · a2j · · · a2n | b2 
 .. .. .. .. .. 
. . . . | .
 
 
A= 
 ai1 ai2 · · · aij · · · bi ain | 
 .
.. .
.. .
.. .. .. 
 . . | 
am1 am2 · · · amj · · · amn | bm

é chamada de matriz aumentada do sistema.

39
Exemplo 4.15. Seja dado o sistema linear

x1 + 2x2 − x3 = 1
−x1 − 3x2 = −1
x2 + x3 = 2

Então, a matriz aumentada correspondente é:

 
1 2 −1 | 1
 −1 −3 0 | −1 
0 1 1 | 2

4.3.1 Lista de Exercícios 2.3

Exercício 4.6. Seja ~u · ~v = 5. Calcule x, se:
 
x  
~u =  −3  e ~v = −2 x −3 .
5

Exercício 4.7. Dados

 
  4 −1  
7 2 −1 0 1
A= ,B= 5 2  eC=
8 −2 3 −1 0
−1 6

calcule −2AB − 5C.

Exercício 4.8. Dada a matriz aumentada

 
2 −1 0 −7 | 1
 4 2 −3 1 | −3 
0 0 2 −5 | 0

escreva o sistema linear correspondente na sua forma algébrica.

Exercício 4.9. KOLMAN, Capítulo 1, Seção 1.3, Exercícios 1.3, número 31.

4.4 Propriedades das operações com matrizes

Teorema 4.1. Sejam A, B e C matrizes (m × n)-dimensionais. Então, valem as
seguintes afirmações:

(a)A + B = B + A
(b)A + (B + C) = (A + B) + C
(c)Existe uma única matriz O (matriz nula) tal que A + O = A
(d)Para cada matriz A, existe uma única matriz − A (matriz oposta) tal que A + (−A) = O

40
Teorema 4.2. Se A, B e C forem matrizes de tamanho apropriados, então valem
as seguintes afirmações:

(a)A(BC) = (AB)C
(b)A(B + C) = AB + AC
(c)(A + B)C = AC + BC

Observação 4.7. Observe que, ao contrário de números reais, nem sempre é verdade
que AB = BA! Ou seja, em geral, AB 6= BA.

Definição 4.15 (Matriz Identidade). A matriz identidade (n × n)-dimensional é a

matriz:  
1 0 ··· 0
 0
 1 ··· 0  
In =  .. .. .. .. 
 . . . . 
0 0 ··· 1
cujos componentes são nulos, exceto na diagonal principal, onde valem 1.

Teorema 4.3. Sejam r, s números reais e A, B matrizes de tamanho apropriados,

então valem as seguintes afirmações:

(a)r(sA) = (rs)A
(b)(r + s)A = rA + sA
(c)r(A + B) = rA + rB
(d)A(rB) = (rA)B = r(AB)

Teorema 4.4. Sejam A e B matrizes de tamanhos apropriados, então valem as

seguintes afirmações:

(a)(AT )T = A
(b)(A + B)T = AT + B T
(c)(AB)T = B T AT
(d)(rA)T = rAT

Definição 4.16. Uma matriz A é chamada de matriz simétrica se, e somente se:

AT = A.

4.4.1 Lista de Exercícios 2.4

Exercício 4.10. KOLMAN, Capítulo 1, Seção 1.4, Exercícios 1.4, números: 9(a),
12, 20.

41
 Figura 4.1: Ilustração de um vetor no plano.

4.5 Transformações matriciais

Nesta seção, apresenta-se uma breve introdução
 a transformações matriciais.
No plano R2 , o vetor ~v = x0 y0 é representado por um segmento de reta
orientado com ponto inicial em (0, 0) e ponto final (x0 , y0 )(veja a Fig. 4.1).

Analogamente, um vetor em R3 , por exemplo, w ~ = x0 y0 z0 também é
representado por um segmento de reta orientado com ponto inicial (0, 0) e ponto
final (x0 , y0 , z0 ) (veja a Fig. 4.2).

Figura 4.2: Ilustração de um vetor no espaço.

Definição 4.17. Uma transformação matricial é uma função f : Rn → Rm , definida

por f (~u) = A~u, onde ~u é um vetor n-dimensional e A é uma matriz (m × n)-
dimensional. O vetor f (~u) é a imagem do vetor ~u. O conjunto de todas as imagens
de vetores em Rn é chamado de conjunto imagem.
Exemplo 4.16. Seja f : R2 → R2 a transformação matricial definida por
 
1 3
f (~u) = ~u.
−1 2

42
    
Assim, por exemplo, a imagem do vetor ~v = 1 1 é A~v = 4 1 . 
Para um vetor qualquer ~u = x0 y0 , teremos a imagem A~v = x0 + 3y0 −x0 + 2y0 .
Agora,
 paradeterminarmos o conjunto imagem, devemos verificar se dado um vetor
~v = x y , conseguimos encontrar x0 e y0 tais que:

x0 + 3y0 = x
−x0 + 2y0 = y
Daí, obtemos:
3x + 3y x+y
x0 = x − e y0 = .
5 5
Logo, para qualquer vetor ~v , existe um vetor ~u tal que ~v = A~u. Portanto, o conjunto
imagem da transformação matricial é R2 .
Observação 4.8. Já observamos que todo o sistema linear pode ser escrito na forma
matricial A~x = ~b. Ou seja, quando estamos resolvendo um sistema linear, estamos
procurando pelo vetor ~x cuja imagem da transformação matricial A~x é ~b.

4.5.1 Lista de Exercícios 2.5

Exercício 4.11. Seja dada a transformação matricial
 
2 −1
f (~u) = ~u.
0 0
 
(a) Faça, em um mesmo gráfico, o esboço dos vetores ~u = 1 1 e A~u. (b)
Determine o conjunto imagem da transformação matricial.

4.6 Resolução de Sistemas Lineares

Vamos, agora, explorar um pouco mais a redução de sistemas de equações lineares
usando a forma matricial estendida.

4.6.1 Método de Eliminação de Gauss

O método de eliminação de Gauss consiste nos seguintes passos:
1. Formar a matriz aumentada [A : ~b]

2. Transformar a matriz aumentada [A : ~b] na sua forma escalonada por linhas

[C : d]
3. Resolve-se, de baixo para cima, o sistema correspondente a [C : d].
Exemplo 4.17. Resolver o sistema
x + y + z = 1
x + y − 2z = 3
2x + y + z = 2
pelo método de eliminação de Gauss.

43
Solução Primeiramente, escrevemos:
.
 
1 1 1 .. 1
 1 1 −2 ... 3
 

 
.
2 1 1 .. 2

Agora, escalonamos por linhas até obtermos uma matriz triangular superior, cuja
diagonal contenha apenas 0 ou 1. Isto é:
..
 
1 1 1 . 1
 0 1 1 ...
 
 0 

..
0 0 1 . −3 2

Agora, montamos o sistema correspondente, i.e.:

x + y + z = 1
y + z = 0
z = − 23

Logo, temos z = − 23 . Daí:

2
y+z =0⇒y = .
3
E, por fim, temos:
x + y + z = 1 ⇒ x = 1.
♦

4.6.2 Método da Eliminação de Gauss-Jordam

O método de eliminação de Gauss-Jordam consiste nos seguintes passos:

1. Formar a matriz aumentada [A : ~b]

2. Transformar a matriz aumentada [A : ~b] na sua forma escalonada reduzida por

linhas [C : d]

3. Resolve-se, de baixo para cima, o sistema correspondente a [C : d].

Exemplo 4.18. Resolver o sistema

x + y + z = 1
x + y − 2z = 3
2x + y + z = 2

pelo método de eliminação de Gauss.

44
Solução Primeiramente, escrevemos:
.
 
1 1 1 .. 1
 1 1 −2 ... 3
 

 
.
2 1 1 .. 2

Agora, escalonamos por linhas até obtermos uma matriz diagonal, cujas componen-
tes sejam 0 ou 1. Isto é:
..
 
1 0 0 . 1
 0 1 0 ...
 
2 
 3 
..
0 0 1 . −3 2

Agora, montamos o sistema correspondente, i.e.:

x = 1
2
y = 3
z = − 32

Logo, temos z = − 23 , y = 2
3
e x = 1. ♦

4.6.3 Sistemas Homogêneos

Definição 4.18. Um sistema homogêneo é definido por

A~x = ~0.

Observação 4.9. Todo o sistema homogêneo tem ~x = ~0 como solução. Esta é

chamada de solução trivial. Caso exista outra solução tal que ~x 6= ~0, então esta será
chamada de solução não trivial.

Teorema 4.5. Um sistema homogêneo de m equações e n incógnitas sempre tem

solução não trivial se m < n.

Observação 4.10. Seja A~x = ~b, com ~b 6= 0 um sistema linear consistente (i.e.,
o sistema tem solução). Se ~xp é uma solução particular deste sistema e ~xh é uma
solução do sistema homogêneo associado (A~x = ~0), então xp + xh também é solução
do sistema original. Ou seja, qualquer solução ~xq de A~x = ~b pode ser escrita na
forma ~xp + ~xh , onde ~xp é uma solução do sistema não homogêneo e ~xh é uma solução
do sistema homogêneo associado.

4.6.4 Lista de Exercícios 3.1

Exercício 4.12. KOLMAN, Capítulo 1, Seção 1.6, Exercícios 1.6, números: 21(c),
37.

45
4.7 Inversa de uma Matriz
Definição 4.19. Uma matriz A (n × n)-dimensional é dita invertível (ou não-
singular) se, e somente se, existir uma matriz A−1 tal que

AA−1 = A−1 A = In .

Neste caso, A−1 é chamada de matriz inversa de A. Se A−1 não existir, então A é
dita não-invertível (ou, singular.

Exemplo 4.19. Seja  

1 2
A= .
1 1
calcule sua inversa, se existir.

Solução A inversa de A, se existir, será a matriz A−1 tal que

AA−1 = In

Agora, denotando  
−1 x1 x2
A = .
y1 y2
Temos que:     
−1 1 2 x1 y1 1 0
AA = =
1 1 x2 y2 0 1
Logo, podemos identificar dois sistemas lineares

x1 + 2x2 = 1
x1 + x2 = 0
e 
y1 + 2y2 = 0
y1 + y2 = 1
Resolvendo estes sistemas, obtemos:
   
−1 x1 y1 −1 2
A = =
x2 y2 1 −1

Teorema 4.6 (Propriedades da Matriz Inversa). Sejam A e B matrizes (n × n)-

dimensionais invertíveis. Então, valem as seguintes propriedades:

−1
(a) A−1 =A
(b) (AB)−1 = B −1 A−1

−1
T
(c) AT = A−1

46
Demonstração. (a) Por definição, temos:

AA−1 = A−1 A = In

logo, a inversa de A−1 é a própria matriz A.

(b) Devemos mostrar que B −1 A−1 é a inversa de AB. Logo, devemos verificar a
definição:

AB(B −1 A−1 ) = A(BB −1 )A−1 = AIn A−1 = AA−1 = In .

e
(B −1 A−1 )AB = B −1 (A−1 A)B = B −1 In B = B −1 B = In .

(c) Queremos mostrar que (A−1 )T é a inversa da matriz AT . Para tanto, verifica-
mos a definição:
T
T
A−1 AT = AA−1 = InT = In
e

T
T
AT A−1 = A−1 A = InT = In .


4.7.1 Método de escalonamento para calcular A−1

Como vimos no primeiro exemplo desta seção, encontramos a inversa de uma matriz
montando dois sistemas lineares. Note que os sistemas tem a mesma matriz de
coeficientes A e diferem apenas por seus valores a direita b. A idéia é resolvê-los
simultaneamente pelo método de eliminação de Gauss-Jordan.
Definição 4.20. O método de escalonamento para calcular A−1 pode ser resumido
da seguinte forma:
.
1. Forme a matriz estendida [A..In ]n×2n .
.
2. Calcule a matriz escalonada reduzida (método de Gauss-Jordan) [C ..B].
3. Se C = In , então A−1 = B. Caso contrário, a inversa não existe.
Exemplo 4.20. Encontre a inversa da matriz
 
1 1 1
 0 2 3 
5 5 1

Solução Veja a aula. ♦

Exemplo 4.21. Encontre a inversa da matriz

 
1 2 −3
 1 1 1 
2 3 −2

47
4.7.2 Sistemas lineares e a matriz inversa
Seja dado o sistema linear A~x = ~b. Note que, se A−1 existe, então:

A~x = ~b ⇒ A−1 A~x = A−1~b

⇒ In ~x = A−1~b
⇒ ~x = A−1~b.

Teorema 4.7. Seja A é uma matriz (n × n)-dimensional. O sistema homogêneo

A~x = ~0

tem solução não-trivial se, e somente se, A é singular.

Demonstração. Suponha que A é invertível e ~xh é uma solução não trivial do sistema
homogêneo. Então:

Ax~h = ~0 ⇔ A−1 Ax~h = A−1~0

⇔ In x~h = A−1~0
⇔ x~h = ~0.

o que é um absurdo, pois x~h 6= 0. 

Teorema 4.8. As seguintes afirmações são equivalentes:

(a) A é invertível

(b) ~x = ~0 é a única solução para A~x = ~0

(c) O sistema A~x = ~b tem uma única solução para qualquer ~b.

4.7.3 Lista de Exercícios 3.2

Exercício 4.13. Escreva os seguintes sistemas na suas formas matriciais A~x = ~b.
Calcule a matriz inversa A−1 , se existir, em cada um dos casos. Use a matriz inversa
para obter a solução do sistema, se existir solução única.

x + 2y + 3z = 1 2x + y − z = −1
(a) 2y + 2z = 2 (b) x − 2y − 3z = 0
x + 2y + 3z = 0 −3x − y + 2z = 1

Exercício 4.14. Para quais valores λ, o seguinte sistema homogêneo

(λ − 1)x + 2y = 0
2x + (λ − 1)y = 0

tem solução solução não trivial?

48
4.8 Decomposição LU
A decomposição LU está relacionada ao método de eliminação de Gauss. Dada uma
matriz A, buscamos reescrevê-la como o produto de uma matriz diagonal inferior L
e uma matriz diagonal superior U, ou seja:
A = LU.
Obtemos U anulando os elementos a baixo da diagonal de A, ou seja:
(E1 × E2 × · · · × En ) A = U
onde Ei são as matrizes elementares que representam os distintos passos da elimi-
nação. Daí:
A = (E1 × E2 × · · · × En )−1 U
Daí, temos:
A = LU
onde:
U = (E1 × E2 × · · · × En ) A
e
L = (E1 × E2 × · · · × En )−1
Exemplo 4.22. Seja A a matriz
 
6 −2 −4 4
 3 −3 −6 1 
A=
 −12

8 21 −8 
−6 0 −10 7

4.8.1 Fatoração LU e sistemas lineares

Observe que se A = LU, então
A~x = ~b ⇔ (LU)~x = ~b
⇔ L(U~x) = ~b
Logo, podemos resolver o sistema em dois passos:
1. L~z = ~b
2. U~x = ~z .
Exemplo 4.23. Seja A a matriz do Exemplo 4.22, resolva usando fatoração LU o
sistema A~x = ~0.

4.8.2 Lista de Exercícios 3.3

Exercício 4.15. Resolva o seguinte sistema usando fatoração LU.
2x + 3y + 4z = 6
4x + 5y + 10z = 16
4x + 8y + 2z = 2

49
Referências Bibliográficas

[1] Howard Anton. Cálculo um novo horizinte, volume 1. Bookman, 6th edition,
2000.

[2] Rutherford Aris. Vectors, Tensors, and the Basic Equations of Fluid Mechanics.
Dover Publications, 1989.

[3] R. P. Benedict. Fundamentals of Pipe Flows. 1980.

[4] I.N. Bronshtein. Handbook of Mathematics. 5. edition, 2007.

[5] A.C. Ciang and K. Wainwright. Fundamental methods of Mathematical Econo-

mics. McGraw-Hill, 4 edition, 2005.

[6] K. Dadkhah. Foundations of Mathematical and Computational Economics.

Springer, 2 edition, 2011.

[7] L.R. Doering. Pré-Cálculo. 2. edition, 2010.

[8] C.H. Edwards and D.E. Penney. Cálculo com Geometria Analítica, volume 1.
1997.

[9] B. Kolman and D.R. Hill. Introdução à Álgebra Linear com Aplicações. 8.
edition, 2006.

[10] R.E. et al. Larson. Cálculo y Geometría Analítica, volume 1. 2005.

[11] L. Leithold. O cálculo com geometria analítica, volume 2. HARBRA, 3 edition,

1994.

[12] S. H. Leuba and J. Zlatanova. Biology at the Single Molecule Level. Pergamon,
2001.

[13] E.L. Lima. A Matemática do Ensino Médio. 2001.

[14] E.L. Lima. Análise Real, volume 1. 2010.

[15] W. Rudin. Real and Complex Analysis. 1974.

[16] G.F. Simmons. Cálculo com Geometria Analítica, volume 1. 1998.

[17] C. Simon and L. Blume. Matemática para Economistas. Bookman, 2008.

[18] M.R. Spiegel. Manual de Fórmulas e Tabelas Matemáticas. 2. edition, 2004.

29
[19] M.R. Spiegel. Formulas y Tabelas de Matematica Aplicada. 2. edition, 2005.

[20] J. Stewart. Cálculo, volume 1. 2001.

[21] J. Stewart. Cálculo de una variable. Transcendentes tempranas. 4. edition,

2001.

[22] J. Stewart. Calculus – Concepts and Contexts. 4. edition, 2009.

[23] J. Warnatz, U. Maas, and R.W. Dibble. Combustion: Physical and Chemical
Fundamentals, Modeling and Simulation, Experiments, Pollutant Formation.
Springer, 3rd edition, 2001.

30