1

lgebra Matricial
Disciplina: Matemtica Aplicada
2
Programa
Aula 01
Sistemas Lineares e lgebra Matricial
Matrizes e Vetores
Operaes com matrizes
Tipos especiais de matrizes
Dependncia linear e posto de uma matriz
Trao de uma matriz

3
Aula 02
Condies para No-Singularidade de uma Matriz
Teste da No-singularidade pelo Uso de
Determinantes
Determinantes
Menor complementar e cofator
Matriz adjunta
Calculo da Matriz Inversa
A regra de Cramer

4
Aula 03
Determinantes
Determinante Jacobiano
Resoluo de Sistemas de Equaes Lineares
Modelos de Insumo-Produto de Leontief
5
Sistemas Lineares e lgebra Matricial
Introduo
A lgebra de matrizes surgiu a partir da necessidade
de resoluo de equaes lineares.
Muitas situaes, em diversas reas das Cincias
recaem na resoluo de equaes lineares.
Em Economia, pode-se observar :
clculo do ponto de equilbrio de mercado na
Economia;
estimaes de funes de demanda, produo, ...;
previses de preos .
6
A resoluo de sistemas lineares realizada
principalmente atravs da Regra de Cramer a
qual utiliza o clculo de determinantes.


Da a importncia da lgebra de matrizes na
modelagem de problemas econmicos.
praticamente uma necessidade na regresso linear
mltipla, pois permite que grandes sistemas de
equaes e conjunto de dados sejam representados de
forma compacta e operacional.
7
Sistemas lineares

Chama-se sistema linear o conjunto de duas ou
mais equaes lineares

8
Genericamente, um sistema linear de m
equaes e n incgnitas escrito por:

= + + + +
= + + + +
= + + + +
= + + + +
=
m n mn m m m
n n
n n
n n
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
S
...
...
...
...
...
3 3 2 2 1 1
3 3 3 33 2 32 3 31
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11
Abreviadamente
S a x b i m
ij j i
n
= =

= , ,
j=1
1 2 3 , , , ...
9
Matrizes e Vetores
Matriz
um conjunto de elementos arranjados em
linhas e colunas. Exemplo:


.

(
(
(

35 21
47 33
23 16

Linha 1
Linha 2
Linha 3
(Dimenso: 3 x 2)
A =
(
(
(

32 31
22 21
12 11
a a
a a
a a
(3 x 2)
i=1,2,3 (linhas)
j=1,2 (colunas)
Representada por letras maisculas em negrito: A, B, C, |, E, O, +, ...
10
Vetor
uma matriz com elementos arranjados em
uma linha ou uma coluna. Exemplo:


.

(
(
(

14
31
16

Linha 1
Linha 2
Linha 3
(Dimenso: 3 x 1)
Vetor linha
| | 23 16 Linha 1
(Dimenso: 1 x 2)
Vetor coluna
11
Matrizes associadas a um sistema linear

De um modo geral, qualquer sistema linear
pode ser escrito na forma matricial:

A X B . =
12
A
a a a a
a a a a
a a a a
a a a a
n
n
n
m m m mn
=

(
(
(
(
(
(
11 12 13 1
21 22 23 2
31 32 33 3
1 2 3
...
...
X
x
x
x
x
n
=

(
(
(
(
(
(
1
2
3
.
B
b
b
b
b
m
=

(
(
(
(
(
(
1
2
3
.
A = matriz dos coeficientes (incompleta)
X = matriz das incgnitas (soluo)
B = matriz dos termos independentes

13
Pode-se associar, tambm, a um sistema linear
uma matriz denominada matriz completa (ou
matriz ampliada) que :
M
a a a a b
a a a a b
a a a a b
a a a a b
n
n
n
m m m mn m
=

(
(
(
(
(
(
11 12 13 1 1
21 22 23 2 2
31 32 33 3 3
1 2 3
...
...
14
Operaes com matrizes
Igualdade de matrizes

Duas matrizes so iguais se tm as mesmas dimenses
e os elementos correspondentes so iguais.

Se A e B so duas matrizes de dimenses n x m, sero
iguais se a
ij
= b
ij
para 1 = 1, ..., m e j = 1, ..., n.

15
Adio e Subtrao de Matrizes

A adio e subtrao de matrizes s podem
ocorrer entre matrizes de mesmas dimenses.

Dadas as matrizes A e B ambas com dimenses
m x n, por definio,
C = A B
uma matriz m x n cujos elementos so:
c
ij =
a
ij
b
ij




16
A adio e subtrao de matrizes so
cumulativas, isto :

A B = B A

A adio e subtrao de matrizes so
associativas, isto :

A B C = (A B) C = A (B C)


17
Exemplo:


(
(
(

=
(
(
(

=
4 3
3 2
2 1
6 3
5 2
4 1
) x 3 ( ) x 3 ( 2 2
B A
(
(
(

=
(
(
(

=
(
(
(

=
(
(
(

+ +
+ +
+ +
= +
2 0
2 0
2 0
4 6 3 3
3 5 2 2
2 4 1 1
10 6
8 4
6 2
4 6 3 3
3 5 2 2
2 4 1 1
) 3 (
) 3 (
2 x
2 x
B A
B A
18
Aplicao em uma anlise de regresso




O vetor y consiste de n observaes da varivel dependente

.
. y
2
1
) 1 x (
(
(
(
(
(
(

= =
n
n
Y
Y
Y
Y
Matriz X das variveis explicativas

1
. .
. .
. .
1
1
2
1
) 2 x (
(
(
(
(
(
(
(
(

=
Xn
X
X
n
X
O vetor dos parmetros
(

=
1
0
1 x 2
|
|

+ = X Y
19
Temos o modelo de regresso, para a i-sima observao:
n 1,2,.., i Y E Y
i i i
= + = c ) (
Este modelo pode ser escrito em forma matricial.
Vamos definir os vetores de respostas mdias e de
resduos:
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(

=
n
1 n
n
1 n

Y E
Y E
Y E
E
c
c
c
c
.
.
.
) (
.
.
.
) (
) (
) (
2
1
) x (
2
1
) x (
Y
20
Assim, o modelo de regresso escrito na forma
matricial, fica:
) x (
) x (
) x (
) (
1 n
1 n
1 n
E c + = Y Y
+ = X Y
21
Multiplicao por um escalar

Um nmero real, quando ocorre em operaes
envolvendo matrizes denominado
ESCALAR.
Quando uma matriz multiplicada por um
escalar, todos os elementos desta matriz so
multiplicados pelo escalar.



(
(
(
(
(
(

=
m mn m m m
n
n
n
b a a a a
b a a a a
b a a a a
b a a a a
M

3 2 1
3 3 33 32 31
2 2 23 22 21
1 1 13 12 11
...
...
22
Multiplicao de matrizes

Dadas as matrizes A e B, o produto A * B
S possvel se o nmero de colunas de A for
igual ao nmero de linhas de B.

Quando isto se verifica, o produto, por
definio, uma matriz C, tal que:

=
=
n
i
kj ik ij
b a c
1
.
23

Se A tem dimenses m x n e B tem dimenses
N x p, temos uma matriz C com dimenses
mxp.






(

=
(

+ +
+ +
=
(

=
32 21
52 33
) 8 . 1 6 . 4 ( ) 5 . 1 4 . 4 (
) 8 . 5 6 . 2 ( ) 5 . 5 4 . 2 (
8 5
6 4
2 2 2 2 2 2
1 4
5 2
AB
Exerccio:
.
2
5
3
8 5 0
4 3 1
(
(
(

= AB
Nota: geralmente AB=BA , ou seja, a
multiplicao de matrizes no
comutativa.
24
| | quadrados de Soma Y
Y
Y
Y
Y Y Y
n
i
i
n
n n n

.
.
.
. . . . y y
1
2
2
1
2 1 1
'
1
=
(
(
(
(
(
(
(
(

=

=
Aplicao na regresso:
+ = X Y
25
2
1
2
1
1
2
2
1
2 1
2 2
1
1
1
1 1 1
(
(
(
(

=
(
(
(
(
(
(
(
(

=


= =
=
n
i
i
n
i
i
n
i
i
n
n
n n
X X
X n
X
X
X
X X X
. .
. .
. .
. . .
. . .
X X
'
Importante:
Importante:
1 2
2
1
2 1
1 2
1 1 1
(

=
(
(
(
(
(
(
(
(

i i
i
n
n
n n
Y X
Y
Y
Y
Y
X X X
.
.
.
. . .
. . .
y X
'
26
(
(
(
(
(
(
(
(

+
+
+
=
(

(
(
(
(
(
(
(
(

=
n n
n
X
X
X
X
X
X
1 0
2 1 0
1 1 0
1
0
2
1
1 2 2
.
.
.
1
. .
. .
. .
1
1

| |
| |
| |
|
|
X
27
Tipos especiais de matrizes

Matriz nula
Matriz cujos elementos so todos iguais a zero.

Dada uma matriz qualquer A, A . 0 = 0 e 0 . A= 0 em
que 0 representa uma matriz nula com dimenses
apropriadas

OBS: A .B = 0 no implica necessariamente que A =
0 ou B = 0
28
Matriz quadrada
Matriz em que o nmero de linhas igual ao
nmero de colunas (m = n)

Matriz diagonal
uma matriz quadrada em que os elementos
fora da diagonal principal so todos iguais a
zero, isto ,
(
(
(

=
3
2
1
a 0 0
0 a 0
0 0 a
A
Dois tipos importantes de matriz diagonal so a
matriz identidade e a matriz escalar
29
Matriz identidade
uma matriz diagonal cujos elementos da
diagonal so todos iguais a um (1).
Pr multiplicando (ou ps multiplicando)
qualquer matriz A (r x r), pela identidade, a
matriz A fica inalterada.


(
(
(

=
(
(
(

(
(
(

=
33 32 31
23 22 21
13 12 11
33 32 31
23 22 21
13 12 11
1 0 0
0 1 0
0 0 1
a a a
a a a
a a a
a a a
a a a
a a a
IA
Para uma matriz A de dimenso (r x r), temos:
A IA AI = =
30
Matriz escalar
uma matriz diagonal cujos elementos da
diagonal so todos iguais. Pode ser dada por I:



I

=
(
(
(

=
(
(
(

1 0 0
0 1 0
0 0 1
0 0
0 0
0 0
31
Matriz transposta
Dada uma matriz A, a matriz transposta A
,
a
matriz que se obtm de A trocando linhas por
colunas ou vice-versa.
Exerccio:
Prove que (AB)
,
= B
,
A
,



Matriz simtrica
Uma matriz (quadrada) simtrica se A = A
,




32
A inversa de uma matriz quadrada (r x r) existe
se o rank da matriz r
Matriz inversa
a inversa de uma matriz A (quadrada), uma
outra matriz, denominada por A
-1
, tal que:

I AA A A = =
1 1
33
Dependncia linear e posto de uma matriz


Dependncia linear

Considere a
matriz:
(
(
(

=
1 15 4 3
6 10 2 2
1 5 2 1
A
Observe que a terceira coluna um mltiplo da
primeira coluna:
(
(
(

=
(
(
(

3
2
1
5
15
10
5
34
Portanto, as colunas da matriz A, so linearmente
dependentes. Elas contm informaes redundantes
(suprfluas), pois uma coluna pode ser obtida como
uma combinao linear das outras.
Considere c vetores colunas de uma matriz (r x c) :
c
1
, c
2
,...,c
c
. De modo geral, define-se dependncia
linear como:
quando c escalares
1
,...,
c
, nem todos iguais a
zero, podem ser determinados tal que:
0
2 2 1 1
= + + +
c c
c ... c c

Os c vetores colunas so
linearmente dependentes
35
Se o nico conjunto de escalares, para o qual a
igualdade vale (=0) :
0 ,..., 0 , 0
2 1
= = =
c

Os c vetores
colunas so
linearmente
independentes
Exemplo: considere os escalares:
1
=5,
2
=0,
3
=-
1e
4
=0, assim temos:
(
(
(

=
(
(
(

+
(
(
(

(
(
(

+
(
(
(

0
0
0
1
6
1
0
15
10
5
1
4
2
2
0
3
2
1
5
Portanto, as colunas so linearmente dependentes.
Observe que alguns

s so iguais a zero.
36
Posto (rank) de uma matriz

O posto de uma matriz definido como sendo o
nmero mximo de colunas (linhas) linearmente
independentes. No exemplo anterior, encontramos 3
colunas (1,2 e 4) linearmente independentes. No
existem escalares
1
,
2
e
4
tal que
1
C
1
+
2
C
2
+

4
C
4
=0 a no ser estes:
1
=0,
2
=0

e
4
=0. Assim, o
posto de A 3, indicado como r(A) = 3.
(
(
(

=
1 15 4 3
6 10 2 2
1 5 2 1
A
37
Trao de uma matriz

O trao de uma matriz quadrada a soma dos
elementos de sua diagonal principal