Khóa luận: Một số mô hình đại số và tuyến tính trong phân tích kinh tế

Tổng hợp các mô hình đại số và tuyến tính ứng dụng trong phân tích kinh tế: mô hình Input-Output của Leontief, cân bằng thị trường và mô hình IS-LM.

• Tác giả: Nguyễn Thị Thu Trang
• Người hướng dẫn: Giảng Viên Phan Quang Như Anh
• Trường học: Đại học Đà Nẵng - Trường Đại học Sư phạm
• Chuyên ngành: Sư phạm Toán học
• Đề tài: Một Số Mô Hình Đại Số Và Tuyến Tính Trong Phân Tích Kinh Tế
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: Đà Nẵng

Tóm tắt

I. Khái niệm cơ bản về Đại số tuyến tính trong Kinh tế

Đại số tuyến tính là nền tảng toán học thiết yếu trong phân tích kinh tế hiện đại. Các công cụ như ma trận, vector và hệ phương trình tuyến tính được ứng dụng rộng rãi để mô hình hóa các mối quan hệ phức tạp giữa các biến số kinh tế. Việc hiểu sâu về các phép toán ma trận và định thức giúp các nhà kinh tế phân tích dữ liệu một cách hiệu quả, từ đó dự báo xu hướng thị trường và tối ưu hóa các quyết định kinh doanh. Trong era kinh tế số, ứng dụng đại số tuyến tính trở thành kỹ năng bắt buộc cho các chuyên gia tài chính, kinh tế lượng và quản lý. Các mô hình toán học này không chỉ giúp giải quyết các vấn đề thực tế mà còn cung cấp nền tảng lý thuyết vững chắc cho các nghiên cứu kinh tế.

1.1. Ma trận và phép toán trong phân tích kinh tế

Ma trận là công cụ cơ bản để biểu diễn dữ liệu kinh tế phức tạp. Các phép toán ma trận như cộng, nhân, và tìm ma trận nghịch đảo được sử dụng để giải quyết hệ thống quan hệ giữa các hàng hóa, nhà sản xuất và người tiêu dùng. Định thức và hạng của ma trận giúp xác định tính khả nghịch của hệ thống kinh tế, từ đó đánh giá sự ổn định của các mô hình tính toán.

1.2. Hệ phương trình tuyến tính trong mô hình kinh tế

Hệ phương trình tuyến tính là công cụ chính để mô hình hóa các tương tác kinh tế. Phương pháp Gauss và khử Gauss-Jordan được áp dụng để tìm nghiệm cho các hệ phương trình phức tạp. Việc giải quyết các hệ phương trình tuyến tính thuần nhất và không thuần nhất giúp xác định trạng thái cân bằng trong các mô hình kinh tế vĩ mô.

II. Mô hình cân đối liên ngành Input Output Leontief

Mô hình Input-Output Leontief là một ứng dụng cổ điển của đại số tuyến tính trong phân tích kinh tế, do nhà kinh tế học Wassily Leontief phát triển. Mô hình này sử dụng ma trận hệ số kỹ thuật để mô tả qua hệ mối quan hệ giữa các ngành kinh tế khác nhau. Bằng cách sử dụng hệ phương trình tuyến tính, mô hình giúp tính toán sản lượng cần thiết của mỗi ngành để đáp ứng nhu cầu cuối cùng. Ứng dụng của mô hình I-O cho phép các nhà hoạch định chính sách dự báo tác động của thay đổi nhu cầu tiêu dùng đối với toàn bộ nền kinh tế, từ đó hỗ trợ các quyết định phát triển kinh tế bền vững.

2.1. Cấu trúc và nguyên lý của mô hình Input Output

Mô hình I-O xây dựng ma trận hệ số kỹ thuật để biểu diễn lượng output từ ngành i cần để sản xuất một đơn vị sản phẩm cuối cùng của ngành j. Phương trình tuyến tính cơ bản là X = AX + Y, trong đó X là tổng sản lượng, A là ma trận hệ số kỹ thuật, Y là nhu cầu cuối cùng. Giải phương trình này yêu cầu tính toán (I - A)⁻¹, matrix Leontief inverse.

2.2. Phương pháp giải và ứng dụng thực tiễn

Để giải mô hình Input-Output, sử dụng công thức: X = (I - A)⁻¹Y, dựa trên tính toán ma trận nghịch đảo. Phương pháp khử Gauss hoặc phương pháp số khác được áp dụng để tính toán hiệu quả. Ứng dụng thực tế bao gồm dự báo sản lượng ngành, phân tích tác động kinh tế và lập kế hoạch phát triển bền vững cho nền kinh tế.

III. Các mô hình tuyến tính cân bằng thị trường

Mô hình cân bằng thị trường sử dụng hệ phương trình tuyến tính để mô tả sự tương tác giữa cung cấp, nhu cầu và giá cả của hàng hóa. Mô hình cân bằng n hàng hóa mở rộng phân tích để xem xét các hàng hóa có liên quan, nơi giá của một hàng hóa ảnh hưởng đến nhu cầu của hàng hóa khác. Ứng dụng đại số tuyến tính cho phép xác định vector giá cân bằng và lượng cân bằng cho toàn bộ hệ thống thị trường. Các nhà kinh tế sử dụng phương pháp ma trận để phân tích độ ổn định của cân bằng, tác động của các shock kinh tế, và hiệu ứng ngoại tuyến từ các chính sách can thiệp thị trường.

3.1. Mô hình cân bằng giá và lượng hàng hóa

Mô hình tuyến tính biểu diễn quan hệ cung cầu: Qd = a - bP, Qs = c + dP. Ở trạng thái cân bằng, Qd = Qs, tạo thành phương trình tuyến tính để tìm giá cân bằng P*. Với n hàng hóa có liên quan, các quan hệ này tạo thành hệ phương trình tuyến tính phức tạp, giải bằng phương pháp ma trận để tìm vector cân bằng.

3.2. Phân tích sự thay đổi cân bằng và chính sách kinh tế

Sử dụng phân tích thống kê thành phần của ma trận hệ số, các nhà kinh tế dự báo tác động của thay đổi chính sách lên giá cân bằng. Độ nhạy cảm của cân bằng với các sốc kinh tế được tính thông qua đạo hàm ma trận và đại số tuyến tính. Điều này hỗ trợ các quyết định chính sách tiền tệ, tài khóa và thương mại của chính phủ.

IV. Mô hình cân bằng kinh tế vĩ mô và ứng dụng thực tế

Mô hình cân bằng thu nhập quốc dân và mô hình IS-LM là những ứng dụng quan trọng của đại số tuyến tính trong phân tích kinh tế vĩ mô. Mô hình IS-LM sử dụng hệ phương trình tuyến tính để mô tả sự cân bằng đồng thời trên thị trường hàng hóa (IS) và thị trường tiền tệ (LM). Thông qua giải hệ phương trình, các nhà hoạch định chính sách xác định mức lãi suất cân bằng và mức thu nhập cân bằng. Ứng dụng ma trận cho phép phân tích tác động của các chính sách tiền tệ và tài khóa, giúp dự báo hậu quả của các quyết định chính sách lên toàn nền kinh tế. Các mô hình này đã trở thành công cụ chuẩn trong các ngân hàng trung ương và các tổ chức tài chính quốc tế.

4.1. Mô hình IS LM và cân bằng kinh tế vĩ mô

Mô hình IS-LM bao gồm phương trình tuyến tính mô tả thị trường hàng hóa (IS) và thị trường tiền tệ (LM). Hệ phương trình tuyến tính kết hợp các quan hệ này để tìm điểm cân bằng duy nhất xác định lãi suất và thu nhập cân bằng. Giải quyết hệ phương trình sử dụng phương pháp ma trận hoặc khử Gauss cung cấp vector cân bằng (i*, Y*).

4.2. Ứng dụng chính sách và dự báo kinh tế

Thông qua phân tích ma trận, các nhà kinh tế định lượng hiệu quả của chính sách tiền tệ và chính sách tài khóa. Ma trận hệ số cấu trúc của mô hình cho phép tính toán số nhân kinh tế và tác động long-term. Các mô hình đại số tuyến tính này hỗ trợ dự báo kinh tế và giúp các ngân hàng trung ương điều chỉnh chính sách để ổn định nền kinh tế.

Trích đoạn nội dung tài liệu

Chương 1 KIẾN THỨC CƠ SỞ Chương này trình bày lại một cách sơ lược một số khái niệm và tính chất liên quan tới ma trận, định thức, ma trận nghịch đảo, hạng ma trận, hệ phương trình tuyến tính. Đây là những công cụ cần thiết cho việc nghiên cứu ở chương hai. Nội dung của chương này được tham khảo từ các tài liệu [2].1 Các khái niệm cơ bản về ma trận a. Khái niệm ma trận: Định nghĩa: Ma trận thực (sau này gọi tắt là ma trận) là một bảng các số thực xếp theo dòng và theo cột.

Một ma trận có m dòng và n cột được gọi là ma trận cấp m × n. Khi cho một ma trận ta viết bảng số bên trong dấu ngoặc tròn hoặc dấu ngoặc vuông. Ma trận cấp m × n có dạng tổng quát như sau:     a a12. amn am1 am2.

Kí hiệu A = [aij ]m×n hoặc A = (aij )m×n hoặc A ∈ Mm×n. aij : phần tử hàng i, cột j. A = [aij ]n×n là ma trận vuông cấp n; các phần tử a11 , a22 , ., ann là các phần tử 6 trên đường chéo chính. Tập các ma trận thực cấp m × n được kí hiệu là Mm×n ; tập các ma trận vuông cấp n được kí hiệu là Mn.

Các dạng đặc biệt: h i 1. Ma trận hàng: a11 a12. Ma trận cột:   . Ma trận không: (aij = 0)m×n , ∀i, j.

Ma trận chéo : aij =   1 0 .Ma trận đơn vị: In =  . Ma trận tam giác dưới:  . Ma trận tam giác trên:  . Ma trận đối xứng: aij = aji , ∀i ̸= j .2 Các phép toán trên ma trận a.

Ma trận bằng nhau: Cho A, B ∈ Mm×n. Khi đó A = B ⇔ aij = bij , ∀i = 1, m, j = 1, n. Cộng ma trận: Cho A, B ∈ Mm×n. Nhân vô hướng: Cho A, B ∈ Mm×n và K ∈ R.

Tính chất: Cho α, β ∈ R và A, B ∈ Mm×n. Ma trận chuyển vị: Cho A ∈ Mm×n .Khi đó ma trận chuyển vị của A , kí hiệu là AT = (aji )n×m. Với AT thu được từ A bằng cách đổi hàng thành cột và cột thành hàng. Tính chất: Cho A, B ∈ Mm×n.

Phép nhân ma trận: Cho A ∈ Mm×n và B ∈ Mn×p. Trong đó: cij = ai1 a1j + ai2 a2j +. Tính chất: Cho A, B, C là các ma trận với kích cỡ sao cho phép toán có nghĩa và α ∈ R ta có: 1.1 Định nghĩa định thức a.  Xét ma trận vuông cấp n: A =   .

  ai1 ai2 · · · aij ··· ain  .    an1 an2 · · · anj · · · ann Ma trận vuông cấp n−1 có được từ A bằng cách bỏ đi hàng i(i = 1, n), cột j(j = 1, n) được gọi là ma trận con ứng với phần tử aij. Gọi Aij = (−1)i+jdet(Mij ), A ij được gọi là phần bù đại số của aij. a11 a12 Chẳng hạn A =   có 4 ma trận con ứng với 4 phần tử aij là: a21 a22 M11 = [a22 ] , M12 = [a21 ] , M21 = [a12 ] , M22 = [a11 ].

  a a a  11 12 13  Hay A =  a21 a22 a23  có 9 ma trận con ứng với 9 phần tử là:     a31 a32 a33       a22 a23 a21 a23 a21 a22 M11 =  ; M12 =  ; M13 =  ; a32 a33 a31 a33 a31 a32       a12 a13 a11 a13 a11 a12 M21 =  ; M22 =  ; M23 =  ; a32 a33 a31 a33 a31 a32       a12 a13 a11 a13 a11 a12 M31 =  ; M32 =  ; M33 =  . Định nghĩa: Định thức của ma trận vuông A là một số, kí hiệu det (A), được định nghĩa quy nạp như sau: ˆ A là ma trận vuông cấp 1: A = [a11 ] thì det (A) = a11. 9   a11 a12 ˆ A là ma trận vuông cấp 2: A =   thì a21 a22 det (A) = a11 A11 + a12 A12 = a11 a22 − a12 a21.   a a a  11 12 13  ˆ A là ma trận vuông cấp 3: A =  a21 a22 a23  thì     a31 a32 a33 det (A) = a11 A11 + a12 A12 + a13 A13 = a11 (a22 a33 − a32 a23 ) − a12 (a21 a33 − a31 a23 ) + a13 (a21 a32 − a31 a22 ) = a11 a22 a33 + a12 a31 a23 + a13 a21 a32 − (a13 a22 a31 + a11 a32 a23 + a12 a21 a33 ).

  a a ··· a  11 12 1n     a21 a22 · · · a2n  ˆ A là ma trận vuông cấp n: A =  .    an1 an2 · · · ann det (A) = a11 A11 + a12 A12 + a13 A13 + · · · + a1n A1n. Chú ý: 1) Định thức của ma trận vuông cấp n được gọi là định thức cấp n. 2) Thường  dùngdấu | | để kí hiệu cho định thức, chẳng hạn định thức của ma trận a11 a12 a11 a12 A=  được kí hiệu.

a21 a22 a21 a22 3) Quy tắc Sarrut (chỉ áp dụng vào tính định thức cấp 3).2 Các tính chất của định thức Tính chất 1: Định thức của ma trận A đúng bằng định thức của ma trận chuyển vị của A: det At = det (A).
Nhận xét: Trong một định thức vai trò của hàng và cột là như nhau, điều gì đã đúng cho hàng thì cũng đúng cho cột và ngược lại. Tính chất 2: Nếu đổi chỗ 2 hàng (hoặc 2 cột) trong một định thức thì định thức sẽ đổi dấu. 10 Tính chất 3: Một định thức có 2 hàng (hoặc 2 cột) như nhau thì bằng 0.

Tính chất 4: Công thức khai triển định thức theo hàng i n X det (A) = ai1 Ai1 + ai2 Ai2 + · · · + ain Ain = aij Aij. j=1 Công thức khai triển định thức theo hàng cột j n X det (A) = a1j A1j + a2j A2j + · · · + anj Anj = aij Aij. i=1 Tính chất 5: Một định thức có 1 hàng (hoặc 1 cột) toàn số 0 thì bằng 0. Tính chất 6: Khi nhân các phần tử của 1 hàng (hoặc 1cột) với cùng 1 số k ta được định thức mới bằng định thức cũ nhân với k.

Suy ra, trong một định thức: các phần tử của cùng một hàng (hoặc cùng một cột) có thừa số chung thì ta có thể đưa thừa số chung đó ra ngoài dấu định thức. Hay, khi nhân một số với một định thức, ta chỉ nhân số đó với các phần tử của một hàng (hoặc một cột) nào đó của định thức (điểm khác với ma trận: khi nhân 1 số với 1 ma trận thì ta nhân số đó với mọi phần tử có mặt trong ma trận). Tính chất 7: Một định thức có 2 hàng (hoặc 2 cột) tỉ lệ thì bằng 0. Tính chất 8: Khi tất cả các phần tử của 1 hàng (hoặc 1 cột) có dạng tổng của 2 số hạng thì định thức có thể phân tích thành tổng 2 định thức.

a21 a22 a21 a22 a21 a22 Tính chất 9: Chẳng  hạn  1 2 7   Ma trận A =  −1 3 có det(A) = 0. 2 0 1   Ma trận B =  3 −1 2 có det(B) = 0. Người ta chứng minh được rằng một định thức có 1 hàng là tổ hợp tuyến tính 11 của các hàng khác (hoặc 1 cột là tổ hợp tuyến tính của các các cột khác) thì định thức ấy bằng 0. Tính chất 10: Khi cộng bội k của 1 hàng vào 1 hàng khác (hoặc cộng bội k của 1 cột vào 1 cột khác) thì định thức mới vẫn bằng định thức cũ.

Tính chất 11: Các định thức có dạng tam giác bằng tích các phần tử chéo. Suy ra, det(I) = 1.3 Cách tính định thức bằng biến đổi sơ cấp a. Các phép biến đổi sơ cấp: Nhân tất cả các phần tử của 1 hàng (hoặc 1 cột) với cùng 1 số k ̸= 0, kí hiệu: k. Đổi vị trí 2 hàng cho nhau, kí hiệu: hr ↔ hs (cr ↔ cs ).

Cộng k lần 1 hàng vào 1 hàng khác, kí hiệu: hs + k.hr → hs (cs + k. Tính định thức bằng biến đổi sơ cấp: Bước 1. Áp dụng các phép biến đổi sơ cấp, đưa dần định thức đã cho về dạng tam giác. Tính giá trị định thức dạng tam giác thu được (dựa vào tính chất 11 của định thức).3 Ma trận nghịch đảo Khái niệm: Cho A là ma trận vuông cấp n, nếu tồn tại ma trận B vuông cấp n sao cho A.A = I thì ta nói A khả đảo và B là ma trận nghịch đảo của A, kí hiệu A−1.

Định nghĩa ma trận phụ hợp: Ma trận phụ hợp của ma trận A vuông cấp n kí hiệu là PA được xác định như sau:   A A. Ann 12 trong đó Aij là phần phụ đại số của phần tử aij của ma trận A. Chú ý: Trật tự sắp xếp các phần tử của PA ngược với trật tự sắp xếp thông thường của ma trận. Định lí về tồn tại ma trận nghịch đảo: Điều kiện cần và đủ để ma trận vuông A có khả nghịch (có ma trận nghịch đảo) khi và chỉ khi det (A) ̸= 0 (A là ma trận không suy biến).

- Nếu det (A) = 0 thì A không có ma trận nghịch đảo của A. - Nếu det (A) ̸= 0 thì chuyển sang bước 2. ˆ Bước 2: Tìm PA - ma trận phụ hợp của A. ˆ Bước 3: Tìm ma trận nghịch đảo của A theo công thức: 1 A−1 = PA.

Áp dụng phương pháp Gauss-Jordan (biến đổi sơ cấp): ˆ Bước 1: Lập ma trận [A|I] bằng cách thêm vào bên phải A ma trận đơn vị cùng cấp. ˆ Bước 2: BĐSC trên các dòng của [A|I] để đưa nó về dạng [I|B] (B là ma trận nào đó). + Nếu không thể biến đổi được như thế, tức là trong quá trình BĐSC, ma trận bên trái xuất hiện một dòng không, thì kết luận A không khả nghịch. + Nếu biến đổi được như thế thì kết luận A khả nghịch với A˘1 = B .4 Hạng của ma trận 1.