Batista-2004 - Algebra Matricial

Departamento de Cincias Florestais
ESALQ - USP
Elementos de lgebra de Matrizes
Importantes para Regresso Linear
Joo L. F. Batista
Piracicaba
2004
SUMRIO i
Sumrio
1 Introduo 1
2 Deno de Matrizes 1
2.1 Algumas Matrizes Especiais . . . . . . . . . . . . . . . . . . . . . . . . . 2
3 Manipulao Algbrica de Matrizes 4
3.1 Igualdade de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.2 Transposio de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.2.1 Implicaes da Transposio . . . . . . . . . . . . . . . . . . . . . 5
3.3 Adio e Subtrao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.3.1 Propriedades da Adio/Subtrao . . . . . . . . . . . . . . . . . . 6
3.4 Multiplicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.4.1 Multiplicao de Matrix por Escalar . . . . . . . . . . . . . . . . . 7
3.4.2 Produto Interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.4.3 Produto Externo . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.4.4 Multiplicao de Matrix por Vetor . . . . . . . . . . . . . . . . . . 8
3.4.5 Combinao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.4.6 Multiplicao Matrix por Matrix . . . . . . . . . . . . . . . . . . . 10
3.4.7 Propriedades da Multiplicao de Matrizes . . . . . . . . . . . . . 12
3.5 Representao Matricial do Somatrio de Valores . . . . . . . . . . . . . . 13
4 Geometria Matricial 15
4.1 Espaos Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.2 Base de Espaos Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.3 Dependncia Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.4 Subespaos Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.5 Posto de uma Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.5.1 Propriedades do Posto de uma Matrix Importantes para Regresso . 23
SUMRIO ii
4.6 Determinante de uma Matrix . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.6.1 Algums Aspectos teis do Determinante de uma Matrix . . . . . . 25
4.7 Norma e Ortogonalidade de Vetores . . . . . . . . . . . . . . . . . . . . . 26
5 Soluo de Sistemas Lineares 27
5.1 Sistemas de Equaes Lineares . . . . . . . . . . . . . . . . . . . . . . . . 27
5.2 Matrix Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
5.2.1 Algumas Propriedades de Matrizes Inversas . . . . . . . . . . . . . 29
5.3 Soluo de Sistemas Lineares No-Homogneos . . . . . . . . . . . . . . . 30
6 Auto-Valores e Auto-Vetores 31
6.1 Soluo do Sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
6.2 Resultados teis para Matrizes Simtricas . . . . . . . . . . . . . . . . . . 32
6.3 Posto de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
6.4 Nmero Condicional de uma Matriz . . . . . . . . . . . . . . . . . . . . . 35
6.5 Determinante por Decomposio . . . . . . . . . . . . . . . . . . . . . . . 35
6.6 Potncias de uma Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
7 Vetores e Matrizes Aleatrios 37
7.1 Valor Esperado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
7.2 Matrix de Varincia-Covarincia de um Vetor Aleatrio . . . . . . . . . . . 38
7.3 Algumas Propriedades envolvendo Vetores Aleatrio . . . . . . . . . . . . 39
8 Exerccios 39
2 DEFINO DE MATRIZES 1
1 Introduo
A importncia da lgebra de matrizes na regresso linear mltipla se relaciona
principalmente a dois aspectos dos problemas de regresso mltipla:
envolvem sistemas de equaes extensos; e
envolvem grande conjuntos de dados.
A lgebra de matrizes na regresso mltipla permite:
representao compacta dos sistemas;
operaes ecientes independentemente do tamanho dos sistemas;
notao matemtica clara e concisa.
2 Deno de Matrizes
Matrix um conjunto retangular de elementos arranjados em linhas e colunas:
Coluna 1 Coluna 2
Linha 1
Linha 2
Linha 3
_
_
34.090
125.001
5.671
2
9
5
_
_
A matrix acima designada de matrix de ordem 3 2 por que possui 3 linhas por duas
colunas.
Outro exemplos de matrizes so:
Matrix 2 2 :
_
0 3
8 2
_
Matrix 2 3 :
_
8 9 4
7 2 1
_
Matrix 4 1 :
_
_
12
34
45
76
_
_
Matrix 1 3 :
_
0.002 0.201 1.345
_
Utilizamos ndices para representar os elementos de uma matrix:
j = 1 j = 2 j = 3
i = 1
i = 2
_
a
11
a
21
a
12
a
22
a
13
a
23
_
sendo que o ndice i representa as linhas e o ndice j representa as colunas.
Para diferenciar matrizes de outros entes matemticos, o nome das matrizes so
geralmente indicados por letras em negrito, como A, X, Z. Assim a matrix acima pode
ser denida como:
A =
_
a
11
a
12
a
13
a
21
a
22
a
23
_
ou ento pela expresso:
A = [a
ij
] i = 1, 2; j = 1, 2, 3.
Note que em ambas notaes ca claro que A uma matrix 2 3.
Para representar resumidamente uma grande matrix com ordem n p, frequentemente
utilizamos a expresso:
A =
_
_
a
11
a
12
. . . a
1j
. . . a
1p
a
21
a
22
. . . a
2j
. . . a
2p
.
.
.
.
.
.
.
.
.
.
.
.
a
i1
a
i2
. . . a
ij
. . . a
ip
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nj
. . . a
np
_
_
ou na forma abreviada:
A = [a
ij
] i = 1, . . . , n; j = 1, . . . , p.
2.1 Algumas Matrizes Especiais
Matrix Quadrada uma matrix com igual nmero de linhas e colunas, por exemplo:
Matrix 1 1 :
_
0.002
_
Matrix 2 2 :
_
0 3
8 2
_
Matrix 3 3 :
_
_
8 9 4
7 2 1
10 3 5
_
_ Matrix 4 4 :
_
_
12 34 45 76
2 6 1 0
3 7 10 8
1 9 0 34
_
_
Vetores: uma matrix chamada de vetor coluna quando ela possui apenas uma coluna:
a =
_
_
1
0
0
1
_
_
b =
_
_
c
1
c
2
c
3
_
_ c =
_
_
1
0
1
_
_
Uma matrix dita vetor linha quando formada por apenas uma linha:
b =
_
3 8 2
_
x =
_
x
1
x
2
x
3
x
4
_
Assumiremos que o formato padro dos vetores a forma de vetor coluna, assim,
quando nos referirmos genericamente a um vetor, entenda-se vetor coluna.
Matrix Escalar ou (simplismente) Escalar uma matrix composta de apenas uma linha
e uma coluna:
A = [7].
Matrix Simtrica uma matrix quadrada em que a permutao do nmero da linha pela
coluna resulta em elementos de mesmo valor, i.e.,
a
ij
= a
ji
, para todo i e j.
Por exemplo, na matrix
A =
_
_
1 0 2
0 7 3
2 3 6
_
_,
temos que:
a
12
= a
21
= 0
a
13
= a
31
= 2
a
23
= a
32
= 3
Matrix Diagonal uma matrix quadrada cujos nicos elementos no nulos esto na
diagonal principal. Exemplos:
A =
_
7 0
0 9
_
B =
_
_
2 0 0
0 5 0
0 0 7
_
_ C =
_
_
c
1
0 0 0
0 c
2
0 0
0 0 c
3
0
0 0 0 c
4
_
_
Note que toda matrix diagonal necessariamente simtrica.
Matrix Identidade uma matrix diagonal cujos os elementos da diagonal principal so
todos unitrios:
I
2
=
_
1 0
0 1
_
I
3
=
_
_
1 0 0
0 1 0
0 0 1
_
_ I
4
=
_
_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
3 MANIPULAO ALGBRICA DE MATRIZES 4
Vetores e Matrizes Unitrios so aqueles em que todos os elementos so unitrios.
Particularmente teis anlise de regresso so os vetores colunas unitrios:
i =
_
_
1
1
1
1
_
_
e as matrizes quadradas unitrias:
J
3
=
_
_
1 1 1
1 1 1
1 1 1
_
_ J
4
=
_
_
1 1 1 1
1 1 1 1
1 1 1 1
1 1 1 1
_
_
Matrix Triangular uma matrix cujos elementos acima ou abaixo da diagonal principal
so nulos.
Matrix Triangular Superior elementos abaixo da diagonal principal so nulos:
L =
_
_
6 3 5 7
0 9 2 1
0 0 5 2
0 0 0 1
_
_
Matrix Triangular Inferior elementos acima da diagonal principal so nulos:
U =
_
_
2 0 0 0
5 7 0 0
2 9 8 0
7 4 1 8
_
_
3 Manipulao Algbrica de Matrizes
3.1 Igualdade de Matrizes
Duas matrizes Ae B so consideradas iguais quando todos os seus elementos
correspondentes so iguais, i.e., quando
a
ij
= b
ij
para todo i e j.
A primeira exigncia da igualdade que Ae B tenham a mesma ordem. Por exemplo, se
Ae B so:
A =
_
_
a
11
a
12
a
21
a
22
a
31
a
32
_
_ B =
_
_
4 0
0 5
3 4
_
_
a expresso A = B implica que:
a
11
= 4, a
12
= 0, a
21
= 0, a
22
= 5, a
31
= 3, a
32
= 4.
3.2 Transposio de Matrizes
A matrix (ou vetor) transposta de uma matrix A, denotada por A
, obtida criando-se
uma matrix cuja a k
sima
linha a k
sima
coluna da matrix original.
Ou seja, se a matrix original
A = [a
ij
]
ento a sua transposta ser
B = A
b
ij
= a
ji
para todo i e j.
Se a matrix Atem ordem n p, a sua transposta A
ter ordem p n.
Exemplo numrico:
A =
_
_
34 12
21 43
63 30
_
_ A
=
_
34 21 63
12 43 30
_
.
3.2.1 Implicaes da Transposio
Se a matrix A simtrica ento A
= A.
Para qualquer matrix A, temos que (A
= A.
A transposta de um vetor coluna um vetor linha:
a =
_
_
a
1
a
2
.
.
.
a
n
_
_
a
=
_
a
1
a
2
a
n
_
Notao:
utilizaremos a notao de letra minscula em negrito para vetor coluna: a;
os vetores linhas sero sempre representados como vetores transpostos: a
.
3.3 Adio e Subtrao
Adicionar ou subtrair duas matrizes requer que ambas tenham a mesma ordem. A
adio/subtrao realizando somando-se ou adicionando-se os elementos
correspondentes:
A =
_
_
34 12
21 43
63 30
_
_ B =
_
_
40 3
0 10
2 50
_
_
A+B =
_
_
34 + (40) 12 + 3
21 + 0 43 + 10
63 + 2 30 + 50
_
_ =
_
_
6 15
21 53
65 20
_
_
AB =
_
_
34 (40) 12 3
21 0 43 10
63 2 30 50
_
_ =
_
_
74 9
21 33
61 80
_
_
Portanto, dado as matrizes:
A = [a
ij
] e B = [b
ij
] i = 1, . . . , n; j = 1, . . . , p,
a adio/subtrao corresponde a seguinte operao
A+B = [a
ij
+ b
ij
] e AB = [a
ij
b
ij
]
A matrix nula na operao de adio/subtrao a matrix de zeros:
0 = [x
ij
= 0] i = 1, . . . , n; j = 1, . . . , p,
A+0 = [a
ij
+ 0] = [a
ij
] = A
3.3.1 Propriedades da Adio/Subtrao
Comutativa: A+B = B+A.
Associativa: (A+B) +C = A+ (B+C).
Matrix Nula: A+ (A) = [a
ij
a
ij
] = [0] = 0.
Transposio: (A+B)
= A
+B
.
3.4 Multiplicao
3.4.1 Multiplicao de Matrix por Escalar
A multiplicao de uma matrix por um escalar realizada multiplicando-se cada elemento
da matrix pelo escalar:
A =
_
3 2
9 5
_
4A =
_
4(3) 4(2)
4(9) 4(5)
_
=
_
12 8
36 20
_
Ou seja, se A uma matrix e k um escalar, ento:
kA = Ak = [k a
ij
]
Analogamente, a diviso de Apor k deve ser interpretada como a multiplicao de Apelo
inverso de k:
(1/k)A = A(1/k) =
_
a
ij
k
_
Propriedades:
(p + q)A = pA+ qA
p(A+B) = pA+ pB
p(qA) = (pq)A
(1)A = A
k0 = 0
0A = 0
3.4.2 Produto Interno
O produto interno gerado pela multiplicao de um vetor linha e um vetor coluna
(nessa ordem). Para que o produto exista ambos vetores devem ter o mesmo nmero de
elementos e o resultado ser um escalar:
_
2 7 1
_
_
_
3
4
9
_
_ = (2)(3) + (7)(4) + (1)(9) = 25

Note que, a multiplicao dos vetores inicia-se com a multiplicao de cada elemento do
vetor linha pelo respectivo elemento do vetor coluna, e temina com a soma dos produtos
obtidos.
Seja a
um vetor 1 n e b um vetor n 1, ento:

a
b = a
1
b
1
+ a
2
b
2
+ . . . + a
n
b
n
=
n
i=1
a
i
b
i
Propriedade: uma vez que a
i
b
i
igual a b
i
a
i
, temos que a
b = b
a.
3.4.3 Produto Externo
O produto externo gerado pela multiplicao de um vetor coluna e um vetor linha
(nessa ordem). Para que o produto exista ambos vetores devem ter o mesmo nmero de
elementos e o resultado ser uma matrix quadrada:
_
_
3
4
9
_
_
_
2 7 1
_
=
_
_
3(2) 3(7) 3(1)
4(2) 4(7) 4(1)
9(2) 9(7) 9(1)
_
_ =
_
_
6 21 3
8 28 4
18 63 9
_
_
Note que, a multiplicao dos vetores realizada multiplicando-se cada linha do vetor
coluna por cada coluna do vetor linha. Seja a um vetor m1 e b
um vetor 1 n, ento:
a b
=
_
_
a
1
b
1
a
1
b
2
a
1
b
3
a
1
b
n
a
2
b
1
a
2
b
2
a
2
b
3
a
2
b
n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n
b
1
a
n
b
2
a
n
b
3
a
n
b
n
_
_
.
Note que a matrix resultante tem ordem n n.
Propriedade: uma vez que a
i
b
j
igual a b
j
a
i
, temos que ab
= (ba
.
3.4.4 Multiplicao de Matrix por Vetor
Uma matrix pode ser multiplicada por um vetor coluna (nessa ordem) se o nmero de
elementos no vetor for igual ao nmero de colunas da matrix.
A multiplicao obtida realizando o produto interno de cada linha da matrix com o
vetor, sendo que o resultado ser um vetor com o mesmo nmero de linhas da matrix.
Por exemplo, tomemos uma matrix Ae identiquemos as suas linhas:
A =
_
_
4 1 5
2 3 4
6 3 0
_
_ =
_
_
a
1
a
2
a
3
_
_ onde
a
1
=
_
4 1 5
_
a
2
=
_
2 3 4
_
a
3
=
_
6 3 0
_
Agora tomemos um vetor:
b =
_
_
1
3
2
_
_ .
Calculemos o produto interno de cada linha de Apor b:
a
1
b =
_
4 1 5
_
_
_
1
3
2
_
_ = 4(1) + 1(3) + 5(2) = 17

a
2
b =
_
2 3 4
_
_
_
1
3
2
_
_ = 2(1) + 3(3) + (4)(2) = 3

a
3
b =
_
6 3 0
_
_
_
1
3
2
_
_ = 6(1) + (3)(3) + 0(2) = 3

Os escalares resultantes compe o vetor coluna que o resultado da multiplicao:
c = Ab c =
_
_
17
3
3
_
_ .
Para que a multiplicao de matrix por vetor seja possvel h a necessidade de
compatibilidade de ordem entre a matrix e o vetor:
(n
..
p) (p 1
. .
)
(n 1) ,
e o resultado ser sempre um vetor com ordem n 1.
Utilizando uma notao algbrica mais detalhada, a multiplicao matrix-vetor pode ser
apresentada na forma:
c = Ab,
se temos
A = [a
ij
], i = 1, . . . , n; j = 1, . . . , p.
e tambm
b = [b
j
], j = 1, . . . , p;
Ento o produto
c = [c
i
] onde c
i
=
p
j=1
a
ij
b
j
e i = 1, 2, . . . , n.
3.4.5 Combinao Linear
A multiplicao matrix-vetor pode ser vista como uma representao de um sistema de
equaes de primeiro grau (sistema de equaes lineares) onde o resultado uma
combinao linear das colunas da matrix.
Consideremos novamente o produto matrix-vetor:
c = Ab,
mas tomemos o vetor b como sendo composto de incgnitas
_
_
7
3
2
_
_ =
_
_
4 1 5
2 3 4
6 3 1
_
_
_
_
b
1
b
2
b
3
_
_ .
Essa multiplicao representa o sistema de equaes
7 = 4b
1
+ 1b
2
+ 5b
3
3 = 2b
1
+ 3b
2
+ 4b
3
2 = 6b
1
+ 3b
2
+ 1b
3
o qual pode ser escrito na forma
_
_
7
3
2
_
_ = b
1
_
_
4
2
6
_
_ + b
2
_
_
1
3
3
_
_ + b
3
_
_
5
4
1
_
_
mostrando que o resultado esquerda do sinal de igualdade (c) uma combinao linear
das colunas da matrix (A), sendo os coecientes os elementos do vetor (b). O caso geral
pode ser expresso como
c = Ab
= b
1
a
1
+ b
2
a
2
+ + b
p
a
p
3.4.6 Multiplicao Matrix por Matrix
Considere uma matrix Acom ordem n p e uma matrix B com ordem p k.
A pr-multiplicao da matrix B pela matrix A, resultando no produto AB, obtida com
os seguintes passos:
1. Decompondo a matrix Aem linhas:
A =
_
_
a
1
a
2
.
.
.
a
n
_
_
.
2. Decompondo a matrix B em colunas:
B =
_
b
1
b
2
b
k
_
.
3. Realizando os produtos internos de cada linha de Apor cada coluna de B:
AB =
_
_
a
1
a
2
.
.
.
a
n
_
_
_
b
1
b
2
b
k
_
=
_
_
a
1
b
1
a
1
b
2
a
1
b
k
a
2
b
1
a
2
b
2
a
2
b
k
.
.
.
.
.
.
.
.
.
.
.
.
a
n
b
1
a
n
b
2
a
n
b
k
_
_
Num exemplo numrico:
A =
_
_
34 12
21 43
63 30
_
_ =
_
_
a
1
a
2
a
3
_
_ =
_
_
_
34 12
_
_
21 43
_
_
63 30
_
_
_
B =
_
0 3
4 2
_
=
_
b
1
b
2
_
=
_ _
0
4
_ _
3
2
_ _
AB =
_
_
_
34 12
_
_
21 43
_
_
63 30
_
_
_
_ _
0
4
_ _
3
2
_ _
=
_
_
34(0) + 12(4) 34(3) + 12(2)
21(0) + 43(4) 21(3) + 43(2)
63(0) + (30)(4) 63(3) + (30)(2)
_
_
=
_
_
48 78
172 23
120 249
_
_
Note os seguintes aspectos importantes:
H necessidade de compatibilidade de ordem entre as matrizes para que a
multiplicao seja possvel:
(n
..
p) (p k
. .
)
(n k)
=
(3
..
2) (2 2
. .
)
(3 2)
Nesse caso o produto AB (pr-multiplicao de B por A) possvel, mas o
produto BA(ps-multiplicao de B por A) no existe, pois no h
compatibilidade de ordem.
=
(2
..
2) (3 2
. .
)
?
Apresentando a multiplicao de matrix com uma notao algbrica detalhada temos: o
produto
C = AB
onde as matrizes so:
A = [a
il
] i = 1, 2, . . . , n; l = 1, 2, . . . , k;
B = [b
lj
] l = 1, 2, . . . , k; j = 1, 2, . . . , p
C = [c
ij
] i = 1, 2, . . . , n; j = 1, 2, . . . , p;
o produto resulta na matrix C com elementos
c
ij
=
k
l=1
a
ik
b
kj
.
3.4.7 Propriedades da Multiplicao de Matrizes
Algumas propriedades da multiplicao de escalares no so vlidas no caso da
multiplicao de matrizes:
Comutativa: no vlida pois geralmente
AB = BA
mesmo que haja compatibilidade de ordem para a pr e ps-multiplicao.
Lei do Cancelamento: no vlida pois
AB = 0 A = 0 ou B = 0
e ainda temos que
AB = AC B = C.
As propriedade vlidas para multiplicao de matrizes so:
Lei Associativa:
(AB)C = A(BC)
Lei Distribuitiva:
(A+B)C = AC+BC
Transposta do Produto:
(ABC)
= C
Matrix Unitria na Multiplicao: seja Auma matrix quadrada e I uma matrix

identidade, ento
IA = AI = A
3.5 Representao Matricial do Somatrio de Valores
Matrizes tambm so convenientes para representar a somatrio de valores:
n
i=1
x
i
= x
1
+ x
2
+ + x
n
= i
x.
No caso do vetor ser composto de uma mesma constante: x = ai, temos:
n
i=1
x
i
= i
x = i
(ai) = a(ii
) = na.
Se tivermos uma constante a multiplicando cada elemento x
i
temos:
n
i=1
ax
i
= a
n
i=1
x
i
= ai
x.
No caso de calcularmos a mdia amostra de n observaes temos a = 1/n, logo:
x =
1
n
n
i=1
x
i
=
1
n
i
x.
O somatrio do quadrado das observaes e o somatrio do produto de observaes
pareadas tambm pode ser obtida com o produto interno:
n
i=1
x
2
i
= x
1
(x
1
) + x
2
(x
2
) + + x
n
(x
n
) = x
x;
n
i=1
x
i
y
i
= x
1
(y
1
) + x
2
(y
2
) + + x
n
(y
n
) = x
y.
As matrizes tambm podem ser utilizadas para representar os desvios das
observaes em relao mdia amostral e a soma do quadrado desses desvios
(soma de quadrados).
Primeiro representamos um vetor com a mdia amostral:
_
_
x
x
.
.
.
x
_
_
= ix = i(
1
n
i
x) =
1
n
ii
x
A matrix (1/n)ii
uma matrix n n, onde todos os elementos so iguais a 1/n.

Agora podemos representar o vetor de desvios em relao mdia amostral:
_
_
x
1
x
x
2
x
.
.
.
x
n
x
_
_
= [x ix] =
_
x
1
n
ii
x
_
como temos x = Ix, ento
_
x
1
n
ii
x
_
=
_
Ix
1
n
ii
x
_
=
_
I
1
n
ii
_
x = M
0
x
A matrix M
0
tem os elementos da diagonal todos igual a (1 1/n) e os demais
elementos 1/n e ser sempre utilizada para gerar os desvios em relao mdia
amostral. Ela tem propriedades que facilitam a computao das somas de quadrados
e de produtos:
Seu produto com vetor unitrio nula:
M
0
i =
_
I
1
n
ii
_
i = i
1
n
i(i
i) = 0.
Isso tambm implica em i
M
0
= 0.
Matrix Simtrica:
M
0
=
_
I
1
n
ii
=
_
I
1
n
(i
_
=
_
I
1
n
ii
_
= M
0
Matrix Idempotente: uma matrix que igual ao seu quadrado:
(M
0
)
2
= M
0
M
0
=
_
I
1
n
ii
_ _
I
1
n
ii
_
= I
_
I
1
n
ii
1
n
ii
_
I
1
n
ii
_
4 GEOMETRIA MATRICIAL 15
=
_
I
1
n
ii
_
I(
1
n
ii
) (
1
n
ii
)(
1
n
ii
)
_
=
_
I
1
n
ii
_
(
1
n
ii
) (
1
n
2
i(i
i)i
)
_
=
_
I
1
n
ii
_
(
1
n
ii
) (
1
n
ii
)
_
=
_
I
1
n
ii
_
0
= M
0
A matrix M
0
pode ser utilizada para obter os somatrios associados aos desvios em
relao mdia amostral:
Soma dos desvios em relao mdia:
n
i=1
(x
i
x) = i
[M
0
x] = 0
x = 0.
Soma de quadrados dos desvios em relao mdia:
n
i=1
(x
i
x)
2
= (x xi)
(x xi)
= (M
0
x)
(M
0
x)
= x
M
0
M
0
x
= x
M
0
x
Soma de produtos dos desvios em relao s mdias:
n
i=1
(x
i
x)(y
i
y) = (x xi)
(y yi)
= (M
0
x)
(M
0
y)
= x
M
0
M
0
y
= x
M
0
y
4 Geometria Matricial
Os vetores apresentados, sejam eles vetores colunas, sejam as colunas de uma matriz,
podem ser intrepretados geometricamente como grandezas vetoriais que denem espaos
geomtricos.
Essa interpretao til pois permite a compreenso mais aprofundada da lgebra, por
meio da geometria, mas tambm nos permitir a interpretao geomtrica do modelo
linear mltiplo e de seu ajuste.
4.1 Espaos Vetoriais
Os n elementos de um vetor coluna
a =
_
_
a
1
a
2
.
.
.
a
p
_
_
podem ser vistos como denindo um ponto num espao com p dimenses.
A gura 1 ilustra os seguintes vetores num espao bi-dimensional:
a =
_
2
3
_
b =
_
6
1
_
2 0 2 4 6 8
2
0
2
4
6
Primeira Coordenada
S
e
g
u
n
d
a

C
o
o
r
d
e
n
a
d
a
a
a*
a**
b
c
Figura 1: Figura ilustrativa do espao vetorial bi-dimensional denido por multiplicao
por escalar e adio de vetores.
Duas operaes bsicas so denidas num espao vetorial:
Multiplicao por escalar: que altera o comprimento ou o sentido do vetor, mas
nunca altera a sua direo:
a =
_
2
3
_
a
= 2a =
_
4
6
_
a
=
1
2
a =
_
1
3/2
_
Adio de vetores: que pode gerar um terceiro vetor a partir da soma de dois
vetores:
a +b =
_
2
3
_
+
_
6
1
_
=
_
8
4
_
DEFINIO: ESPAO VETORIAL
Espao vetorial o conjunto de todos os vetores que fechado sob
multiplicao por escalar e adio de vetores.
Para vetores bi-dimensionais, o conjunto
2
um espao vetorial.
Para vetores p-dimensionais, o conjutno
p
um espao vetorial.
4.2 Base de Espaos Vetoriais
Considere as matrizes
a =
_
2
3
_
b =
_
6
1
_
e as seguintes operaes vetoriais:
a
= 2
_
2
3
_
+ 0
_
6
1
_
=
_
4
6
_
b
= 0
_
2
3
_
+ 1.5
_
6
1
_
=
_
9
1.5
_
c = 1
_
2
3
_
+ 1
_
6
1
_
=
_
8
4
_
d = 2
_
2
3
_
+ 1
_
6
1
_
=
_
10
7
_
e = 2
_
2
3
_
+ 1.5
_
6
1
_
=
_
13
7.5
_
f = 1
_
2
3
_
+ 1
_
6
1
_
=
_
2
2
_
Todas essa operaes vetoriais geram combinaes lineares dos vetores a e b.
A gura 2 ilustra essas combinaes lineares e mostra que qualquer vetor em
2
pode ser expresso como uma combinao linear dos vetores a e b.
0 5 10
2
0
2
4
6
8
Primeira Coordenada
S
e
g
u
n
d
a

C
o
o
r
d
e
n
a
d
a
a
b
a*
b*
c
d
e
f
Figura 2: Figura ilustrativa das combinaes lineraes de dois vetores num espao vetorial
bidimensional.
Analisemos com mais detalhe as combinaes lineares possveis em
2
a =
_
a
1
a
2
_
b =
_
b
1
b
2
_
c =
_
c
1
c
2
_
.
Qualquer vetor c em
2
pode ser expresso como combinao linear dos vetores a e
b
c =
1
a +
2
b.
A combinao linear implica num sistema de equaes
c
1
=
1
a
1
+
2
b
1
c
2
=
1
a
2
+
2
b
2
.
A soluo do sistema dado por
1
=
b
2
c
1
b
1
c
2
a
1
b
2
b
1
a
2
2
=
a
1
c
2
a
2
c
1
a
1
b
2
b
1
a
2
Essa soluo s ser nica se (a
1
b
2
b
1
a
2
) = 0.
A situao de igualdade implica em
a
1
b
2
b
1
a
2
= 0
a
1
a
2
=
b
1
b
2
ou seja, se o vetor b for mltiplo do vetor a o sistema no ter soluo nica.
Concluso: para que os vetores a e b sejam vetores-base para
2
necessrio que
eles tenham direes diferentes (apontem para direes diferentes).
Nesse caso, o denominador acima no ser nulo e o sistema de equaes ter
soluo nica, o que implica que qualquer vetor c em
2
pode ser expresso como
uma combinao linear nica de a e b.
A base de um espao vetorial no nica pois ela pode ser representada por
qualquer conjunto de vetores que satisfaam a denio.
Entretanto, para uma dada base, apenas uma combinao linear dos vetores base
produzir um vetor particular no espao vetorial.
4.3 Dependncia Linear
Os resultados da seco anterior podem dar a impresso de que qualquer conjunto
de p vetores uma base para
p
.
Mas observando a gura 2 vemos que os vetores a e b so base para
2
, mas os
vetores a e a
no so.
A diferena est no fato de que os vetores a e b so linearmente independentes
(apontam para direes diferentes), enquanto que os vetores a e a
so linearmente
dependentes (apontam para a mesma direo).
DEFINIO: DEPENDNCIA LINEAR
Um conjunto de vetores dito linearmente dependente se qualquer vetor no
conjunto uma combinao linear dos demais vetores do conjunto.
Exemplo de conjunto de vetores linearmente dependentes: considere os vetores
a =
_
3
5
_
b =
_
1
2
_
c =
_
1
4
_
.
Eles formam um conjunto linearmente dependente pois
2 a + 7 b c = 0.
DEFINIO: INDEPENDNCIA LINEAR
Um conjunto de vetores linearmente independente se, e somente se, a
soluo para qualquer combinao linear deles:
1
a
1
+
2
a
2
+ +
p
a
p
so escalares nulos:
1
=
2
= =
p
= 0.
Essa denio nos permite re-denir a base de um espao vetorial:
DEFINIO: BASE DE UM ESPAO VETORIAL
A base de um espao vetorial p-dimensional qualquer conjunto de p vetores
linearmente independentes naquele espao vetorial.
4.4 Subespaos Vetoriais
DEFINIO: SUBESPAO VETORIAL
O conjunto de todas as combinaes lineares de um conjunto de vetores o
subespao gerado por esse conjunto de vetores.
Pela denio acima, o subespao gerado por uma base de
p
o prprio espao
vetorial
p
.
Nos exemplos acima os vetores a, b e c formam uma base que gera o espao
vetorial
2
.
Logicamente que c desnecessrio, pois os vetores a e b j so uma base para
2
.
A conseqncia que um dado vetor d poder ser expresso por innitas
combinaes lineares de a, b e c, mas por apenas uma nica combinao linear de
a e b.
A ttulo de exemplo, considere os vetores
a =
_
3
5
_
b =
_
1
2
_
c =
_
1
4
_
d =
_
2
8
_
.
O vetor d expresso por uma nica combinao linear dos vetores a e b
d = 4 a + 14 b.
Entretanto, como temos d = 2 c, as combinaes lineares de a, b e c para
expressar d so
d = k (4 a + 14 b) + (k 1) (2 c) , para k = 1, 2, 3, . . .
Consideremos agora os seguintes vetores tridimensionais
a
=
_
a
1
a
2
0
_
e b
=
_
b
1
b
2
0
_
.
Esses vetores no geram o espao tridimensional de
3
, pois, por exemplo, o vetor
c
=
_
1 2 3
_
no pode ser expresso como uma combinao linear deles.
Entretanto, esses vetores podem representar qualquer vetor tridimensional cujo
terceiro elemento seja zero, por isso, eles geram um subespao de
3
.
O subespao gerado pelos vetores tridimensionais a e b acima no o espao
2
,
mas apenas um plano no espao
3
: o plano que contem todos os vetores em
3
cujo terceiro elemento nulo.
Qualquer plano em
3
, independentemente de sua orientao, forma um subespao
bidimensional em
3
que pode ser gerado por qualquer par de vetores
independentes que estejam nesse subespao.
O espao gerado por um conjunto de vetores em
p
tem no mximo p dimenses.
Se o espao gerado tem menos que p dimenses ele um subespao, designado de
hiperplano.
A idia central que qualquer conjunto de vetores gera algum espao vetorial, o
qual pode ser o espao completo onde os vetores residem ou um subespao dele.
4.5 Posto de uma Matrix
Uma matrix deve ser vista como um conjunto de vetores coluna.
O nmero de colunas na matrix igual o nmero de vetores.
O nmero de linhas na matrix igual o nmero de coordenadas em cada vetor.
DEFINIO: ESPAO COLUNA
O espao coluna de uma matrix o espao vetorial gerado por seus vetores
coluna.
Considere a matrix
A =
_
_
2 7 9
5 1 6
3 4 7
_
_
ela possui trs vetores de
3
, mas o terceiro vetor a soma dos dois primeiros, por
isso o espao coluna dessa matrix no tem trs dimenses, mas apenas duas, pois o
seus os seus vetores colunas geram um subespao bidimensional em
3
.
Assim a matrix Atem posto coluna igual a 2.
DEFINIO: POSTO COLUNA
O posto coluna de uma matrix a dimenso do espao vetorial gerado por
seus vetores coluna.
Considere a matrix
B =
_
_
7 2 5
2 3 9
8 5 2
1 4 6
_
_
.
Essa matrix tem posto coluna igual a 3 e, portanto, seu espao coluna um
subespao em
4
.
Considere agora a matrix transposta de B
C =
_
_
7 2 8 1
2 3 5 4
5 9 2 6
_
_
A matrix C composta de quatro vetores coluna em
3
, conseqentemente, seu
espao coluna no mximo
3
e seus vetores coluna devem ser linearmente
dependentes.
O espao coluna de C
3
e embora ele no seja o mesmo espao coluna de B eles
tem a mesma dimenso (3).
O posto coluna de C igual ao posto coluna de B, mas as colunas de C so as
linhas de B, logo o posto coluna de C igual o posto linha de B.
IGUALDADE DE POSTO COLUNA E POSTO LINHA
O posto coluna e o posto linha de uma matrix so iguais, i.e., o espao
linha e o espao coluna de uma matrix tm a mesma dimenso.
A igualdade de posto coluna e posto linha nos permite abandonar a distino e
trabalhar sempre com posto de uma matrix:
posto (A) = posto (A
) min(nmero de linhas, nmero de colunas)

DEFINIO: POSTO COMPLETO
Se o posto de uma matrix igual ao nmero de colunas dela, a matrix
tem posto completo.
4.5.1 Propriedades do Posto de uma Matrix Importantes para Regresso
Considere o produto matricial C = AB.
As colunas da matrix C so combinaes lineares das colunas da matrix A,
portanto, cada coluna de C est no espao coluna da matrix A, portanto
posto (C) posto (A) .
As linhas da matrix C so combinaes lineares das linhas da matrix B e,
consequentemente,
posto (C) posto (B) .
Uma vez que o posto coluna e posto linha de uma matrix sempre igual, a
concluso
posto (AB) min (posto (A) , posto (B)) .
Uma propriedade que tem um papel central na aplicao da algebra de matrizes na
regresso linear :
A) = posto (AA
) .
4.6 Determinante de uma Matrix
Considere a matrix
A = [ab]
=
_
2 6
3 1
_
que mostrada na gura 3.
A rea do paralelogramo formada pelas colunas de A o valor absoluto (sem sinal)
do determinante de A. Nesse exemplo, o valor absoluto do determinante obtido
por
|a
1
b
2
b
1
a
2
| = |2(1) 6(3)| = | 16| = 16.
O determinante s denido para matrizes quadradas.
2 0 2 4 6 8
2
1
0
1
2
3
4
5
Primeira Coordenada
S
e
g
u
n
d
a

C
o
o
r
d
e
n
a
d
a
a
1
a
2
Determinante de A
Figura 3: Figura ilustrativa do determinante de uma matrix a partir do paralelogramo for-
mado pelo seus vetores coluna.
Se as colunas de Afossem linearmente dependentes, i.e., uma coluna fosse um
mltiplo escalar da outra, ento ambos vetores estariam sobre a mesma linha e o
paralelogramo colapsaria para uma linha e teria rea nula.
Esse conceito implica que se as colunas de uma matrix so linearmente
dependentes, ento seu determinante zero.
J foi apresentado que para um par de vetores num espao bidimensional, a
dependncia linear entre os vetores implica em:
|a
1
b
2
b
1
a
2
| = 0
(o determinante de A a
1
b
2
b
1
a
2
).
O mesmo conceito pode ser expandido para espaos de maiores dimenso.
Considerando
3
, os vetores de uma matrix 3 3 deniro um slido e o valor
absoluto do determinante ser o volume desse slido.
Se as colunas dessa matrix forem linearmente dependentes, ento o slido colapsar
para uma gura plana cujo volume nulo, e o determinante ser zero.
Generalizando o conceito para p dimenses temos a seguinte proposio:
PROPOSIO
O determinante de uma matrix no-nulo se, e somente se, a matrix tiver
posto completo.
4.6.1 Algums Aspectos teis do Determinante de uma Matrix
Utiliziramentos a notao |X| para designar o determinante de uma matrix X(e no
seu valor absoluto).
O determinante de uma matrix 2 2 pode ser facilmente encontrado por:
a c
b d
= ad bc
No caso de uma matrix n n, o determinante encontrado usando a expanso por
cofatores:
|A| =
n
j=1
a
ij
(1)
i+j
|A
ij
|, i = 1, 2, . . . , n
onde A
ij
a matrix obtida a partir de Aelminando-se a linha i e a coluna j.
Exemplo com uma matrix 3 3:
B =
_
_
2 0 1
3 5 2
1 4 6
_
_
|B| = 2(1)
1+1
5 2
4 6
+ 0(1)
1+2
3 2
1 6
+ 1(1)
1+3
3 5
1 4
= 2(22) + 0 + 1(7)
|B| = 51
No caso de matrix transposta, temos: |A| = |A
|.
No caso de matrix diagonal, temos
D =
_
_
d
1
0 0
0 d
2
0
.
.
.
.
.
. . . .
.
.
.
0 0 d
n
_
_
|D| = d
1
d
2
d
n
=
n
i=1
d
i
.
Sendo a matrix identidade uma matrix diagonal especial temos que |I
n
| = 1.
Determinante de matrix diagonal multiplicada por escalar: |cD| = c
n
|D|.
Determinante do produto de duas matrizes diagonais: |DC| = |D| |C|.
4.7 Norma e Ortogonalidade de Vetores
DEFINIO: COMPRIMENTO DE VETOR
O comprimento, ou norma, de um vetor a raiz quadrada do produto interno
do vetor por ele mesmo:
||x|| =
x =
_
n
i=1
x
2
i
.
5 SOLUO DE SISTEMAS LINEARES 27
DEFINIO: VETORES ORTOGONAIS
Dois vetores a e b so ortogonais, denotando por a b, se, e somente se, o
produto interno deles for nulo:
a
b = b
a = 0.
5 Soluo de Sistemas Lineares
A expresso matricial:
Ax = b
representa um Sistema de Equaes Lineares, pois o seu desdobramento gera
a
11
x
1
+ a
12
x
2
+ +a
1p
x
p
= b
1
a
21
x
1
+ a
22
x
2
+ +a
2p
x
p
= b
2
. . .
a
n1
x
1
+ a
n2
x
2
+ +a
np
x
p
= b
n
Para aplicao em regresso linear, consideraremos apenas sistemas quadrados, i.e.,
aqueles em que a matrix A p p.
5.1 Sistemas de Equaes Lineares
H dois tipos de sistemas de equaes lineares:
Sistemas Homogneos: so aqueles que tm a forma
Ax = 0.
Por denio, uma soluo no nula para o sistema (x = 0) existe se, e somente se,
as colunas de Aforem linearmente dependentes.
Isso implica que o determinante de A nulo: |A| = 0.
Sistemas No-Homogneos: so aqueles que tm a forma
Ax = b
onde b = 0, i.e., b num vetor no-nulo.
O vetor b escolhido arbitrariamente e expressa as combinaes lineares das
colunas da matrix A.
Se b tem p elementos, isso s ser possvel se as colunas de Agerarem todo o
espao p-dimensional
p
.
Isso equivalente a dizer que as colunas de Aso linearmente independentes e que
o seu determinante no nulo: |A| = 0.
5.2 Matrix Inversa
Para encontramos a soluo do sistema (quadrado) Ax = b, necessitamos de uma
operao matricial anloga diviso entre escalares.
Suponha que pudssemos encontrar uma matrix B tal que BA = I.
Nesse caso, a soluo do sistema seria pr-multiplicando o sistema por ela:
BAx = Bb
Ix = Bb
x = Bb.
Se a matrix B existe, ento ela a matrix inversa de A:
B = A
1
.
Pela denio temos A
1
A = I.
Mas a relao tambm vlida para ps-multiplicao: AA
1
= I.
Se a matrix inversa existe, ento ela nica:
Suponha que existam duas matrizes tal que B = A
1
e C = A
1
, ento temos que
CAB = CAB
(CA)B = C(AB)
IB = CI
B = C
DEFINIO: MATRIX NO-SINGULAR
Se a inversa de uma matrix existe, essa matrix dita no-singular.
5.2.1 Algumas Propriedades de Matrizes Inversas
Matriz inversa de uma matrix 2 2:
AB = I
_
a
11
a
12
a
21
a
22
_ _
b
11
b
12
b
21
b
22
_
=
_
1 0
0 1
_
_
a
11
b
11
+ a
12
b
21
= 1
a
11
b
12
+ a
12
b
12
= 0
a
21
b
11
+ a
22
b
21
= 0
a
21
b
12
+ a
22
b
12
= 1
_
b
11
b
12
b
21
b
22
_
=
1
a
11
a
22
a
12
a
21
_
a
22
a
12
a
21
a
11
_
A
1
=
1
|A|
_
a
22
a
12
a
21
a
11
_
Matriz inversa de uma matrix n n: utilizando a notao a
ij
para indicar o
(ij)
simo
elemento de A
1
, ento
a
ij
=
|C
ij
|
|A|
onde |C
ij
| o (j i)
simo
co-fator de A:
|C
ij
| = (1)
i+j
|A
ij
|
Exemplo numrico:
B =
_
_
2 0 1
3 5 2
1 4 6
_
_ |B| = 51
a
11
=
(1)
1+1
51
5 2
4 6
=
22
51
a
21
=
(1)
1+2
51
3 2
1 6
=
16
51
a
31
=
(1)
1+3
51
3 5
1 4
=
7
51
a
12
=
(1)
2+1
51
0 1
4 6
=
4
51
a
22
=
(1)
2+2
51
2 1
1 6
=
11
51
a
32
=
(1)
2+3
51
2 0
1 4
=
8
51
a
13
=
(1)
3+1
51
0 1
5 2
=
5
51
a
23
=
(1)
3+2
51
2 1
3 2
=
1
51
a
33
=
(1)
3+3
51
2 0
3 5
=
10
51
B
1
=
1
51
_
_
22 4 5
16 11 1
7 8 10
_
_
Matrix inversa de matrix diagonal:
D =
_
_
d
1
0 0
0 d
2
0
.
.
.
.
.
. . . .
.
.
.
0 0 d
n
_
_
D
1
=
_
_
1/d
1
0 0
0 1/d
2
0
.
.
.
.
.
. . . .
.
.
.
0 0 1/d
n
_
_
Sendo a matrix identidade uma matrix diagonal especial, temos: I
1
= I.
Se a matrix A simtrica, ento A
1
tambm simtrica.
Alguns resultados computacionais:
|A
1
| =
1
|A|
(A
1
)
1
= A
(A
1
)
= (A
)
1
No caso de matrizes A, B e C, todas elas quadradas e no-singulares:
(ABC)
1
= C
1
B
1
C
1
Note que possvel que exista a matrix (AB)
1
, mesmo no caso em que as matrizes
Ae B no sejam nem mesmo quadradas.
Por exemplo, se Amatrix de ordem (n p), possvel que exista a matrix (A
A)
1
que simtrica (p p).
5.3 Soluo de Sistemas Lineares No-Homogneos
Dado um sistema linear no-homogneo
Ax = b,
se a matrix A no-singular, a soluo nica para o sistema
x = A
1
b.
6 AUTO-VALORES E AUTO-VETORES 31
6 Auto-Valores e Auto-Vetores
Para se analisar uma matrix quadrada A til utilizarmos a soluo para o seguinte
sistema de equaes:
Ac = c,
onde
c chamado de auto-vetor e
o auto-valor associado a ele.
Entretanto, h uma indeterminao nesse sistema, pois se c uma soluo para o
sistema, ento o vetor kc tambm ser ser uma soluo.
Consideraremos ento os vetores normalizados, i.e., aqueles que possuem norma
unitria
c
c = 1,
como soluo do sistema.
Assim a soluo, consiste em e os n 1 elementos de c.
6.1 Soluo do Sistema
Apresentaremos aqui apenas a idia da soluo do sistema.
Transformando o sistema original para um sistema homogneo temos
Ac = Ic (AI)c = 0.
Esse sistema s tem soluo se a matrix (AI) for singular, i.e., tiver
determinante nulo.
Logo, para encontrarmos os auto-valores devemos solucionar
|AI)| = 0,
que gera uma equao polinmial em chamada de equao caracterstica.
Por exemplo, considere a matrix (2 2):
A =
_
3 4
8 7
_
|AI| =
3 4
8 7
= (3 )(7 ) 4(8)
=
2
10 11
As razes dessa equao caracterstica so = 11 e = 1.
Aplicando-se os auto-valores ao sistema homogneo obtem-se os auto-vetores.
No exemplo acima teremos
(AI)c = 0
_
3 4
8 7
_ _
c
1
c
2
_
=
_
0
0
_
.
Para = 1 temos:
4c
1
+ 4c
2
= 0 e 8c
1
+ 8c
2
= 0 c
1
= c
2
.
Para = 11 temos:
8c
1
+ 4c
2
= 0 e 8c
1
4c
2
= 0 c
1
=
1
2
c
2
.
Para obtermos a soluo devemos considerar que c
c = 1, assim se obtem:
Para = 11 c =
_
1/
5
2/
5
_
Para = 1 c =
_
1/
2
1/
2
_
6.2 Resultados teis para Matrizes Simtricas
Se A uma matrix p p simtrica, ento
1. Atem p auto-vetores distintos
c
1
, c
2
, c
3
, . . . , c
p
.
2. Atem p auto-valores reais no necessariamente distintos
1
,
2
,
3
, . . . ,
p
.
Os auto-vetores de Aso orto-normais:
c
i
c
j
= 1 se i = j;
c
i
c
j
= 0 se i = j.
Os auto-vetores de Apodem ser organizados numa matrix orto-normal
C = [c
1
c
2
c
3
. . . c
p
]
enquanto que os auto-valores podem ser organizados numa matrix diagonal
=
_
1
0 0 0
0
2
0 0
0 0
3
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0
p
_
_
Utilizando essas matrizes, o todas as equaes do sistema homogneo
Ac
i
=
i
c
i
pode ser representado numa nica expresso
AC = C
Como a matrix de auto-vetores orto-normal, ela tem as seguintes propriedades:
C
C = CC
= I
C
= C
1
DEFINIO: DIAGONALIZAO DE UMA MATRIX SIMTRICA
A diagonalizao de uma matrix simtrica A
C
AC = C
C = I = .
DEFINIO: DECOMPOSIO ESPECTRAL DE UMA MATRIX SIMTRICA
A decomposio espectral de uma matrix simtrica A
A = CC
=
p
i=1
i
c
i
c
i
.
Uma vez que o produto externo c
i
c
i
gera uma matrix (p p), na decomposio espectral,

a matrix A expressa como o somatrio de p matrizes de posto 1.
6.3 Posto de Matrizes
Para qualquer matrix Ae duas matrizes no-singulares B e C, o posto do produto
BAC igual ao posto de A.
posto (BCA) = posto ((BA)C) = min(posto (BA) , posto (C))
= posto (BA) [pois C tem posto completo]
posto (BA) = posto (A
) = min(posto (A
) , posto (B
))
= posto (A
) [pois B
tem posto completo]

posto (A
) = posto (A)
posto (BCA) = posto (A)
No caso de uma matrix simtrica A, usando a decomposio espectral temos
posto (A) = posto (CC
) = posto ()
O posto de simplismente o nmero de elementos no nulos na sua diagonal
principal, pois uma matrix diagonal.
TEOREMA: POSTO DE MATRIX SIMTRICA
O posto de uma matrix simtrica o nmero de auto-valores no nulos que
ela contem.
Esse teorema pode ser generalizado se lembrarmos que toda matrix pode gerar uma
matrix simtrica se for pr-multiplicada ou pela sua transposta e que
A) = posto (AA
) .
TEOREMA: POSTO DE UMA MATRIX
O posto de qualquer matrix A igual ao nmero de auto-valores no nulos
presentes na matrix A
A.
TEOREMA: AUTO-VALORES DO PRODUTO EXTERNO DE UMA MATRIX
Os auto-valores no-nulos da matrix AA
so os mesmo da matrix A
A.
6.4 Nmero Condicional de uma Matriz
Como foi visto, o posto de uma matrix um nmero discreto e, portanto, o fato de
uma matrix ter ou no ter posto completo tambm .
Entretanto, freqentemente na regresso linear lidados com matrizes que tm posto
completo, pois todos os seus auto-valores so no-nulos, mas elas esto muito
prximo de serem singulares, pois algumas colunas esto muito prximas de serem
uma combinao linear das demais.
O nmero condicional de uma matrix uma forma de detectarmos esse problema:
=
_
max(auto-valores)
min(auto-valores)
_
1/2
Para uma matrix no-quadrada X, utilizaremos a matrix transformada X
Xe como
os auto-valores dependem da escala das observaes, devemos re-escalonar a
matrix Xpara que suas colunas tenham comprimento 1.
Isso obtido, dividindo os elementos da coluna por sua norma.
6.5 Determinante por Decomposio
Para uma matrix simtrica A, a diagonalizao dela implica em
C
AC = |C
AC| = ||
Desenvolvendo o determinante da diagonalizao temos:
|C
AC| = |C
| |A| |C|
= |C
| |C| |A|
= |C
C| |A|
= |I| |A|
= 1 |A|
= |A|
= ||
Como uma matrix diagonal, o seu determinante igual ao produto dos
elementos da diagonal principal.
TEOREMA: DETERMINANTE DE MATRIX SIMTRICA
O determinante de uma matrix simtrica igual ao produto de seus
auto-valores.
6.6 Potncias de uma Matrix
TEOREMA: POTNCIA DE MATRIX SIMTRICA
Para toda matrix simtrica no-singular temos
A
K
= C
K
C,
para K = . . . , 2, 1, 0, 1, 2, . . ..
Alguns exemplos:
Para K = 2:
A
2
= CC
2
= (C
C)(CC
)
= CC
CC
= CIC
= C
2
C
Para K = 1:
A
1
= CC
1
= (C
)
1
()
1
(C)
1
= C
1
C
DEFINIO: MATRIX DEFINIDA POSITIVA
Uma matrix dita denida positiva quando todos os seus auto-valores so
positivos.
7 VETORES E MATRIZES ALEATRIOS 37
TEOREMA: POTNCIA DE MATRIX DEFINIDA POSITIVA
Para toda matrix denida positiva temos
A
r
= C
r
C,
para qualquer nmero real r.
Por exemplo para r = 1/2 temos:
A
1/2
= C
1/2
C
= C
_
1
0 0
0
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0
n
_
_
C
Essa equao satisfaz a exigncia de raiz quadrada, pois

A
1/2
A
1/2
= (C
1/2
C
)(C
1/2
C
)
= C
1/2
C
C
1/2
C
= C
1/2
1/2
C
= CC
= A
7 Vetores e Matrizes Aleatrios
A nica diferena de vetor ou matrix aleatrios das matrizes comuns que os seus
elementos so variveis aleatrias. Por exemplo, o vetor
Y =
_
_
Y
1
Y
2
.
.
.
Y
n
_
_
um vetor aleatrio se os elementos Y
1
, Y
2
, . . . , Y
n
forem todas variveis aleatrias.
7 VETORES E MATRIZES ALEATRIOS 38
7.1 Valor Esperado
O valor esperado de um vetor aleatrio e o vetor dos valores esperados de cada elemento:
E{Y} =
_
_
E{Y
1
}
E{Y
2
}
.
.
.
E{Y
n
}
_
_
Na regresso linear, geralmente temos a pressuposio para o termo dos os erros que
i
N(0,
2
) Se o termo do erro for representado como um vetor aleatrio temos:
=
_
2
.
.
.
n
_
_
E{} =
_
_
E{
1
}
E{
2
}
.
.
.
E{
n
}
_
_
=
_
_
0
0
.
.
.
0
_
_
= 0
7.2 Matrix de Varincia-Covarincia de um Vetor Aleatrio
Se Y um vetor aleatrio (n 1), a sua matrix de varincia-covarincia denida como:
Var{Y}
(nn)
=
_
_
Var{Y
1
} Cov{Y
1
, Y
2
} . . . Cov{Y
1
, Y
n
}
Cov{Y
2
, Y
1
} Var{Y
2
} . . . Cov{Y
2
, Y
n
}
.
.
.
.
.
.
.
.
.
Cov{Y
n
, Y
1
} Cov{Y
n
, Y
2
} . . . Var{Y
n
}
_
_
Algumas caracterstica desta matrix:
Os elementos da diagonal principal (i = j) so a varincia de cada varivel
aleatria: Var{Y
1
}, Var{Y
2
}, . . . , Var{Y
n
}.
Os elementos fora da diagonal principal (i = j) so as covarincia entre as variveis
aleatrias: Cov{Y
1
, Y
2
}, Cov{Y
1
, Y
n
}, . . . Cov{Y
i
, Y
j
} . . ..
Como Cov{Y
i
, Y
j
} = Cov{Y
j
, Y
i
} a matrix simtrica.
A denio tradicional de varincia-covarincia pode ser generalizada para um
vetor de variveis aleatrias, portanto:
Var{Y} = E{[YE{Y}] [YE{Y}]
}
8 EXERCCIOS 39
Uma das pressuposies da regresso linear que os erros se comportam como
i
iid
N(0,
2
). Neste caso, a matrix de varincia-covarincia dos erros :
Var{}
(nn)
=
_
2
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 0 . . .
2
_
_
=
2
_
_
1 0 . . . 0
0 1 . . . 0
.
.
.
.
.
.
.
.
.
0 0 . . . 1
_
_
=
2
I
n
Portanto, em notao matricial, esta pressuposio ca:
N(0,
2
I
n
).
7.3 Algumas Propriedades envolvendo Vetores Aleatrio
J foi visto que uma varivel aleatria W pode ser denida como uma combinao linear
de uma srie de variveis aleatrias Y
i
(i = 1, . . . , n), na forma:
W = a
1
Y
1
+ a
2
Y
2
+ . . . + a
n
Y
n
=
n
i=1
a
i
Y
i
,
onde a
i
(i = 1, . . . , n) so constantes.
Generalizando a idia de funo linear de variveis aleatrias, podemos dizer que um
vetor aleatrio W uma combinao linear do vetor aleatrio Y na forma
W = AY
onde A uma matrix de constantes (no aleatria).
Neste caso, so vlidas as seguintes propriedades:
E{A} = A
E{W} = E{AY} = AE{Y}
Var{W} = Var{AY} = AVar{Y}A
Nota: em algebra de matrizes o equivalente a (ab)

2
= a
2
b
2
a forma quadrtica:
(AB)
2
= ABB
.
8 Exerccios
1. Para as matrizes
A =
_
1 5 3
4 8 2
_
B =
_
_
7 2
4 1
2 3
_
_
calcule: AB, A
e BA.
8 EXERCCIOS 40
2. Expanda o produto matricial
X = {[AB+ (CD)
] [(EF)
1
+GH]}
tomando todas as matrizes como quadradas e E e F como no-singulares.

3. Seja Auma matrix quadrada cujas colunas so [a
1
a
2
. . . a
m
] e seja B qualquer
re-arranjamento das colunas da matrix identidade mm.
Qual operao realizada ao se calcular o produto matricial AB? E o produto
matricial BA?
4. Considere a matrix
X
=
_
1 1 1 1
3 7 5 1
_
.
(a) Compute P = X(X
X)
1
X
.
(b) Compute H = I P.
(c) Verique que PH = 0.
(d) Demonstre que P e Hso idempotentes.
5. Uma matrix A chamada de nilpotente se
lim
K
A
K
= 0.
Demonstre que a condio necessria e suciente para uma matrix simtrica ser
nilpotente que o valor absoluto de todos seus auto-valores menor que um.

Batista-2004 - Algebra Matricial

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Batista-2004 - Algebra Matricial

Uploaded by

Copyright:

Available Formats

Departamento de Cincias Florestais

_ = (2)(3) + (7)(4) + (1)(9) = 25

um vetor 1 n e b um vetor n 1, ento:

_ = 4(1) + 1(3) + 5(2) = 17

_ = 2(1) + 3(3) + (4)(2) = 3

_ = 6(1) + (3)(3) + 0(2) = 3

Matrix Unitria na Multiplicao: seja Auma matrix quadrada e I uma matrix

uma matrix n n, onde todos os elementos so iguais a 1/n.

) min(nmero de linhas, nmero de colunas)

gera uma matrix (p p), na decomposio espectral,

tem posto completo]

Essa equao satisfaz a exigncia de raiz quadrada, pois

Nota: em algebra de matrizes o equivalente a (ab)

tomando todas as matrizes como quadradas e E e F como no-singulares.

You might also like