You are on page 1of 6

Revises

(Verso 08/10/2010)
1 Calculo Matricial
1. Vector linha de dimenso :: (a
1
, a
2
, ..., a
n
) ou
_
a
1
a
2
... a
n

2. Vector coluna de dimenso ::
_

_
a
1
a
2
.
.
.
a
n
_

_
ou
_
_
_
_
_
a
1
a
2
.
.
.
a
n
_
_
_
_
_
3. Vector nulo
0 =
_

_
0
0
.
.
.
0
_

_
.
4. Combinao Linear entre n Vectores. Seja
a
1
=
_

_
a
11
a
21
.
.
.
a
m1
_

_
, a
2
=
_

_
a
12
a
22
.
.
.
a
m2
_

_
, ..., a
n
=
_

_
a
1n
a
2n
.
.
.
a
mn
_

_
r
1
, r
2
, ..., r
n
escalares. Uma CL envolvendo os :
vectores
r
1
a
1
+... +r
n
a
n
5. Comprimento ou Norma de Vectores. Considere-se
a =
_
a
1
a
2
... a
n
_
O comprimento ou norma do vector a dene-se como
|a| =
_
a
2
1
+... +a
2
n
6. Dois vectores a e b (de tipo :1) dizem-se ortogonais
sse
a
0
b = 0.
7. Uma matriz Acom:linhas e : colunas representa-se
na forma
A =
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_

_
ou
A = (a
ij
)
mn
ou A
mn
8. Uma Amatriz com tantas linhas quantas colunas, i.e.,
: = : designa-se uma matriz quadrada de ordem :
9. Considere-se uma matriz quadrada A = (a
ij
)
nn
. A
diagonal principal de A formada pelos elementos
a
11
, a
22
, ..., a
nn
10. Considerem-se as matrizes A = (a
ij
)
mn
e B =
(/
ij
)
mn
. A adio denida como
C = A+B
onde C = (a
ij
+/
ij
)
mn
.
11. Matriz Nula
O =
_

_
0 0 0
0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0
_

_
.
12. Sejam A
mn
e B
np
. A multiplicao AB dene-se
da seguinte forma
AB = C
mp
= (c
ij
)
mp
, onde
c
ij
=
n

k=1
a
ik
/
kj
Exemplo:
_
1 2 3
4 1 0
_
_
_
4 1
2 1
2 0
_
_
=
_
14 1
18 3
_
13. Seja A
mn
e B
rp
. O produto matricial ABest bem
denido apenas se : = r.
14. Suponha-se que AB est bem denido, isto , : = r.
Ento A
mn
B
np
= C
mp
15. A multiplicao de matrizes no comutativa. Se para
duas matrizes concretas Ae Bocorrer AB = BA, as
matrizes Ae B dizem-se matrizes permutveis.
16. Algumas propriedades sobre multiplicao de ma-
trizes:
(a) (AB) C = A(BC)
(b) A(B+C) = AB+AC
(c) (A+B) C = AC+BC
17. Potncias de Matrizes
A
n
= AA...A
. .
n vezes
18. Matriz Identidade (matriz quadrada de ordem :)
I
n
=
_

_
1 0 0
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1
_

_
,
Seja A uma matriz quadrada de ordem :. Ento
AI = A, IA = A. Seja A
mn
. Ento A
mn
I
n
=
A
mn
, I
m
A
mn
= A
mn
.
1
19. Transposio de Matrizes
A =
_
a
11
a
12
a
21
a
22
_
= A
0
=
_
a
11
a
21
a
12
a
22
_
(tambm se usa A
T
)
No caso geral de uma matriz A
mn
A =
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_

_
= A
0
=
_

_
a
11
a
21
a
m1
a
12
a
22
a
m2
.
.
.
.
.
.
.
.
.
.
.
.
a
1n
a
2n
a
mn
_

_
Propriedades:
(a) (A
0
)
0
= A
(b) (A+B)
0
= A
0
+B
0
(c) (cA)
0
= cA
0
(c escalar)
(d) (AB)
0
= B
0
A
0
(A
mn
e B
np
)
20. Matrizes Simtricas. A matriz A diz-se simtrica sse
A = A
0
. Mostre que X
0
X simtrica.
21. Independncia Linear. Os vectores a
1
, a
2
, ..., a
n

so linearmente dependentes se existir pelo menos um


escalar c
i
,= 0 (i = 1, 2, ..., :) tal que
c
1
a
1
+c
2
a
2
+... +c
n
a
n
= 0. (*)
Nestas condies h pelo menos um vector que com-
binao linear dos restantes vectores. Pelo contrrio,
se a equao (*) se vericar apenas para c
1
= c
2
=
... = c
n
= 0, os vectores a
1
, a
2
, ..., a
n
so linear-
mente independentes (e nenhum vector pode escrever-
se como uma combinao linear dos demais).
22. Seja A
nk
. As colunas de A so linearmente de-
pendentes se existir pelo menos um escalar c
i
,= 0
(i = 1, 2, ..., /) tal que
c
1
a
1
+c
2
a
2
+... +c
k
a
k
= 0. (*)
Se a equao (*) se vericar apenas para c
1
= c
2
=
... = c
k
= 0, os vectores a
1
, a
2
, ..., a
k
so linear-
mente independentes. Em termos matriciais: as colu-
nas de A so linearmente dependentes se existir pelo
menos um escalar c
i
,= 0 (i = 1, 2, ..., /) tal que
Ac = 0.
Se esta equao se vericar apenas para c = 0 as col-
unas de so linearmente independentes. Nestas cir-
cunstncias c ,= 0 = Ac ,= 0.
23. Seja A
nk
. As linhas de A so linearmente depen-
dentes se existir pelo menos um escalar c
i
,= 0 (i =
1, 2, ..., :) tal que A
0
c = 0. Se esta equao se veri-
car apenas para c = 0 as linhas de Aso linearmente
independentes. Nestas circunstncias c ,= 0 = A
0
c ,=
0.
24. Caracterstica de uma Matriz. A caracterstica de uma
matriz A
nk
representa o nmero mximo de colu-
nas (ou linhas) linearmente independentes. Escreve-se
rank (A) para designar a caracterstica da matriz A.
Verica-se rank (A) _ min:, / . Por exemplo se
: = 20 e / = 3 a caracterstica de A ser igual ou
inferior a 3.
25. Determinantes.
(a) Determinante de Ordem 2
A =
_
a
11
a
12
a
21
a
22
_
O determinante da matriz A
[A[ = a
11
a
22
a
21
a
12
O determinante um escalar; [A[ no signica
"mdulo" de A.
(b) Determinante de Ordem 3
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
[A[ = a
11
a
22
a
33
+a
12
a
23
a
31
+a
13
a
21
a
32
a
13
a
22
a
31
a
11
a
23
a
32
a
12
a
21
a
33
.
(c) Determinante de uma Matriz Triangular. Uma
matriz triangular uma matriz quadrada em que
so nulos todos os elementos para um dos lados
da diagonal principal.

a
11
a
12
a
1n
0 a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
0 0 a
nn

= a
11
a
22
...a
nn
.
(d) Algumas propriedades:
i. Se A possui pelo menos uma linha ou col-
una de zeros ento [A[ = 0. Exemplo:

0 a
12
0 a
22

= 0.
ii. [A[ = [A
0
[ . Exemplo:
[A[ =

1 2
3 4

= 2, [A
0
[ =

1 3
2 4

= 2.
iii. [AB[ = [A[ [B[ .
iv. Considere-se A
nn
, c R. [cA[ =
c
n
[A[ .
26. Considere-se a seguinte matriz quadrada
A =
_

_
a
11
a
12
a
1n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_

_ =
_
a
1
a
2
... a
n

Os vectores a
1
, a
2
, ..., a
n
de R
n
so linearmente
independentes sse [A[ , = 0.
2
27. Matriz Inversa. Seja Auma matriz quadrada de ordem
: e 1 a matriz identidade de ordem : (1
n
). Se exi-
stir uma matriz X tal que AX = XA = I ento X
a matriz inversa de A. Neste caso diz-se que A
invertvel (ou no singular) e X escreve-se A
1
. Ou
seja, se A invertvel ento AA
1
= A
1
A = I. A
matriz Atem inversa sse [A[ , = 0. Se [A[ = 0 a matriz
A designa-se por matriz singular (e no singular no
caso contrrio). Inversa de uma matriz. Caso : = 2.
Se [A[ , = 0
A =
_
a /
c d
_
= A
1
=
1
[A[
_
d /
c a
_
.
Resolvendo Equaes atravs da Inversa. Se A uma
matriz no singular, ento
(a) AX = B = X = A
1
B.
Note que X = BA
1
est errado.
(b) YA = C = Y = CA
1
.
Note que Y = A
1
C est errado.
Supondo que A uma matriz no singular, resolva a
equao matricial I =
_
(AX)
0
+B
_
1
em ordem a
X. Soluo: X = A
1
(I B)
0
.
28. Propriedades da Inversa. Suponha-se que A e B so
matrizes no singulares. Ento:
(a)
_
A
1
_
1
= A;
(b) AB invertvel e (AB)
1
= B
1
A
1
(c) A
0
invertvel e (A
0
)
1
=
_
A
1
_
0
(d) (cA)
1
= c
1
A
1
, c ,= 0 escalar
29. Principais Resultados sobre Sistemas de Equaes
Lineares (SEL)
_

_
a
11
r
1
+a
12
r
2
+... +a
1n
r
n
= /
1
a
21
r
1
+a
22
r
2
+... +a
2n
r
n
= /
2
.
.
.
a
m1
r
1
+a
m2
r
2
+... +a
mn
r
n
= /
m
Seja
A
b
=
_
A b

=
_

_
a
11
a
12
a
1n
/
1
a
21
a
22
a
2n
/
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
/
m
_

_
Resulta rank (A) _ rank (A
b
) _ rank (A) + 1
(a) O SEL consistente, i.e., Ax = b tem pelo
menos uma soluo, sse rank (A) = rank (A
b
) .
(b) Suponha-se rank (A) = rank (A
b
) < :. Ento
existem : rank (A) equaes supruas ou
redundantes (que podem ser eliminadas do sis-
tema). Eliminando as equaes redundantes, i.e.
fazendo com que n
o
de equaes = rank (A)
tm-se as seguintes hipteses:
i. rank (A) < rank (A
b
) SEL inconsis-
tente
ii. rank (A) = rank (A
b
) = /. Se / = : o
SEL tem apenas uma nica soluo. Se / <
: o SEL tem uma innidade de solues;
q| = : rank (A) .
(c) rank (A) = rank (A
b
) = : [SEL tem apenas
uma nica soluo]
(d) rank (A) = rank (A
b
) < :
Suponha-se que rank (A) = rank (A
b
) = / <
:. Ento, existem : rank (A) = : /
variveis que podem ser escolhidas livremente
e / variveis que so determinadas de forma
nica. Diz-se que o sistema tem : / graus
de liberdade.
30. Formas Quadrticas. Uma forma quadrtica (FQ) com
: variveis uma funo da forma
Q(r
1
, ..., r
n
)
=
_
r
1
r
n

_

_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nn
_

_
_

_
r
1
.
.
.
r
n
_

_
= a
11
r
2
1
+a
12
r
1
r
2
+... +a
ij
r
i
r
j
+... +a
nn
r
2
n
Podemos escrever uma FQ na forma Q(x) = x
0
x
onde
x =
_

_
r
1
.
.
.
r
n
_

_, A =
_

_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nn
_

_
31. Qual o sinal da FQ Q(x) quando x varia em R
n
0
(a) A forma quadrtica Q(x) = x
0
Ax designa-se
(b) Denida Positiva se Q(x) 0 para \x ,= 0
(c) Semidenida Positiva se Q(x) _ 0 para \x ,= 0
(d) Denida Negativa se Q(x) < 0 para \x ,= 0
(e) Semidenida Negativa se Q(x) _ 0 para
\x ,= 0
(f) Indenida se existirem dois pares de vectores x e
y tais que
Q(x) < 0 e Q(y) 0.
Exemplos. Vamos classicar as seguintes FQ:
a
Q(r, j) =
_
r j

_
1 0
0 1
_ _
r
j
_
= r
2
+j
2
0, \(r, j) ,= (0, 0)
Logo Q DP.
b
Q(r, j) =
_
r j

_
1 1
1 1
_ _
r
j
_
= r
2
+ 2rj +j
2
= (r +j)
2
_ 0, \(r, j) ,= (0, 0)
3
Logo Q SDP. Note-se que pode ocorrer
Q(r, j) = 0 sem que (r, j) seja o vector nulo:
basta que r = j.
c
Q(r, j) =
_
r j

_
1 0
0 1
_ _
r
j
_
= r
2
j
2
Q indenida. Por exemplo
Q(1, 0) = 1 0, Q(0, 1) = 1 < 0.
32. Calculo diferencial com vectores e matrizes. Sejamx
1
e x
2
de tipo : 1, e Ae B de tipo : :. Tem-se
(a)
@(x
0
1
x
2)
@x
2
= x
1
(b)
@(Ax
1
)
@x
1
= A
0
(c)
@(x
0
1
Ax
1)
@x
1
=
_
A+A
0
_
x
1
(d)
@ logjAj
@A
=
_
A
1
_
0
(e)
@(x
0
1
()Ax
1
())
@
= 2
@x
1
@
Ax
1
(f)
@
2
(x
0
1
Ax
1)
@x
1
@x
0
1
= A+A
0
(g)
@(A()B())
@
=
@A()
@
+
@B()
@
x
1
() signica que x
1
depende de . De igual
forma para A() e B() .
2 Valores Esperados: Algumas Re-
gras
A, 1 and 7 are v.a.
1. The correlation coefcient:
j =
Cov (A, 1 )
_
Var (A) Var (1 )
=
o
XY
o
X
o
Y
.
2. Suppose that 7 = a + /A + c1, where a, / and c are
constants. Then,
E(7) = a +/ E(A) +c E(1 )
Var (7) = /
2
Var (A) +c
2
Var (1 ) + 2/c Cov (A, 1 ) .
3. Suppose that
7
1
= a
1
+/
1
A +c
1
1
7
2
= a
2
+/
2
A +c
2
1
(a
i
, /
i
, c
i
are constants). Then,
Cov (7
1
, 7
2
) = /
1
/
2
Var (A) +c
1
c
2
Var (1 )
+(/
1
c
2
+/
2
c
1
) Cov (A, 1 )
4. One has
Cov (A, 1 ) = E(A1 ) E(A) E(1 ) = Cov (1, A)
Var (A) = E
_
A
2
_
(E(A))
2
= Cov (A, A)
5. Some properties involving conditional expectations:
(a) E( /(A)[ r) = /(r) ;
(b) E( /
1
(A) 1 [ r) = /
1
(r) E( 1 [ r)
(c) Let 7 = a +/A +c1. Then
E( 7[ r) = a +/r +c E( 1 [ r) .
(d) E
_
(1 E( 1 [ A))
2

A
_
= Var ( 1 [ A)
6. Law of Iterated Expectations I:
(a) E(1 ) = E[E( 1 [ A)] .
(b) E( 1 [ A) = E[E( 1 [ A, 7)] .
7. Law of Iterated Expectations II (expectations with re-
spect to o-algebras):
(a) E(1 ) = E(E( 1 [ T))
(b) Assume that ( H. Then
E( 1 [ () = E( E( 1 [ H)[ () .
8. Rules for calculating expectations and covariances of
vectors and matrices.
(a) Denitions:
E(y) =
Var (y) = E
_
(y ) (y )
0
_
= E(yy
0
)
0
Cov (y, z) = E
_
(yE(y)) (zE(z))
0
_
= E(yz
0
) E(y) E(z)
0
Cov (Ay, Bz) = ACov (y, z) B
0
(A, B matrices of const.)
Assume that Var (y) = .
(b) Let . = q + h
0
y where q is a constant and h is
an : 1 vector of constants. Then,
E(.) = q +h
0
,
Var (.) = h
0
Var (y) h = h
0
h.
(c) Let z = g +Hy, where the / 1 vector g and
the / : matrix Hare constants. Then,
E(z) = g +H
Var (z) = HVar (y) H
0
= HH
0
.
(d) Let W = yy
0
. Then the :: the random matrix
W has expectation
E(W) = Var (y) +
0
= +
0
.
(e) Let n = y
0
y. Then the scalar random variable n
has expectation
E(W) = tr (Var (y)) +
0
=tr () +
0
.
4
(f) Let n = y
0
Ty, where the : : matrix T is
constant. Then
E(n) = tr (TVar (y))+
0
T =tr (T)+
0
T.
(g) Let z
1
= g
1
+ H
1
y, z
2
= g
2
+ H
2
y, where
g
i
: :
i
1, H
i
: :
i
: are constants. Then
Cov (z
1
, z
2
) = H
1
Var (y) H
0
2
= H
1
H
0
2
.
9. Multivariate Normality. We assume that y is a multi-
variate normal, y ~ (, ) , where =o
ij
is
an : : positive denite parameter matrix. The joint
pdf of y is
) (y) = (2)
n=2
[[
1=2
exp
_

(y )
0

1
(y )
2
_
.
Let us do a partition of vector y,
y =
_
y
1
y
2
_
where y
1
has order :
1
1 and y
2
has order :
2
1.
Correspondingly,
=
_

1

2
_
, =
_

11

12

21

22
_
.
We have the following properties:
(a) E(y) = j, Var (y) = .
(b) y
1
~ (
1
,
11
) .
(c) y
2
[ y
1
~ or:a|
(d) Uncorrelatedness implies independence: If

12
= O = y
1
and y
2
are independent random
vectors.
(e) Linear functions of a multinormal vector are
multinormal: if z = g +Hy, where g and Hare
nonrandom, and Hhas full row rank, then
z ~ (E(z) , Var (z)) =
_
g +H, HH
0
_
.
3 Optimizao Livre
1. Optimizao Livre. Denies: O ponto
c =(c
1
, ..., c
n
) o :
ponto mximo global (maximizante global) de ) em
o se
) (x) _ ) (c) , \x o
ponto mximo local (maximizante local) de ) em o
se existir um rank 0 tal que
) (x) _ ) (c) , \x o com |x c| < r
Para denir ponto mnimo global ou local basta in-
verter os sinais de desigualdade, respectivamente na
primeira e na segunda denio. Se c ponto mx-
imo global (local) ento ) (c) o valor mximo global
(local); Se c ponto mnimo global (local) ento
) (c) o valor mnimo global (local).
2. Transformao da Funo Objectivo. Seja ) (x) =
) (r
1
, ..., r
n
) denida em o _ R
n
e 1 uma funo
de uma varivel (i.e. 1 : R R) denida sobre
o contradomnio de ), ) (o) . Dena-se q sobre o da
seguinte forma:
q (r
1
, ..., r
n
) = 1 () (r
1
, ..., r
n
)) .
Ento: (a) Se 1 crescente (1
0
_ 0 se 1 for
diferencivel em ) (o) ou da classe (
1
em ) (o)) e
c = (c
1
, ...c
n
) maximiza (minimiza) ) em o, en-
to c tambm maximiza (minimiza) q em o. (b) Se
1 estritamente crescente (1
0
0 se 1 for difer-
encivel em ) (o) ou da classe (
1
em ) (o)) ento
c = (c
1
, ...c
n
) maximiza (minimiza) ) em o sse c
maximiza (minimiza) q em o. Exemplo: c = (0, 0)
o ponto mximo de ) (r, j) = c
(x
2
+y
2
)
e tambm
de q (r, j) = log ) (r, j) =
_
r
2
+j
2
_
. Note que
1 (r) = log n. 1 estritamente crescente (no con-
tradomnio de ) ). Com efeito, 1
0
(n) =
1
u
0,
n 0.
3. Pontos Extremos Locais. Condio de Primeira Or-
dem: A condio necessria para que uma funo
diferencivel ) (r
1
, ..., r
n
) possua um mximo ou
mnimo no ponto c = (c
1
, ..., c
n
) interior do domnio
de )
_

_
@f(c)
@x
1
= 0
...
@f(c)
@x
n
= 0
=
0) (c)
0x
= 0
(este sistema pode escrever-se na forma )
0
x
i
(c) = 0,
i = 1, ..., :). O ponto c designa-se um ponto de esta-
cionaridade da funo ) : R
n
R se
@f(c)
@x
= 0.
se c ponto extremo (global ou local) de ) = c
ponto de estacionaridade;
o facto de c ser ponto de estacionaridade no im-
plica que c ponto extremo (pode ser ponto sela);
se x
0
no ponto de estacionaridade ento x
0
no
pode ser um ponto extremo.
4. O ponto c designa-se um ponto sela da funo ) :
R
n
R se:
c um ponto de estacionaridade (i.e., verica
)
0
x
i
(c) = 0, i = 1, ..., :);
c no ponto extremo local.
5. Condio de Segunda Ordem. Suponha-se que c um
ponto de estacionaridade. Como decidir se c ponto
mximo local, mnimo local ou ponto sela? Vamos
supor que ) uma funo (
2
em o (logo existem
as derivadas parciais de segunda ordem em o). Seja
H (c) a matriz Hessiana da funo ) no ponto c
0
2
) (c)
0x0x
0
=
_

_
@
2
f(c)
@x
2
1

@
2
f(c)
@x
1
@x
n
.
.
.
.
.
.
@
2
f(c)
@x
1
@x
n

@
2
f(c)
@x
2
n
_

_
Seja ) : R
n
R uma funo (
2
e c um ponto de
estacionaridade de ). Ento:
5
Se H (c) Denida Positiva =c umponto mnimo
local;
Se H (c) Denida Negativa =c um ponto mx-
imo local;
Se H (c) indenida =c um ponto sela;
Se H (c) Semi-Denida Positiva = c um ponto
mnimo local ou ponto sela;
Se H (c) Semi-Denida Negativa =c um ponto
mximo local ou ponto sela.
6. Pontos Extremos Globais. Suponha-se que ) (x)
uma funo (
1
num conjunto convexo o _ R
n
e seja
x
0
um ponto interior de o. (a) Se ) cncava (ou estri-
tamente cncava) ento x
0
um ponto mximo global
de ) em o sse x
0
um ponto de estacionaridade.(b)
Se ) convexa (ou estritamente convexa) ento x
0

um ponto mnimo global de ) em o sse x


0
um ponto
de estacionaridade.
6

You might also like