Professional Documents
Culture Documents
Matrizes
Matriz: um conjunto de elementos arranjados em linhas e colunas. Exemplo:
a 1 na 2
n
l u ol u
o
C C
Linha 1 16 23
Linha 2 33 47
Linha 3 21 35
(Dimenso: 3 x 2)
as nas
h
n u
Li Col
a11
A = a21
(3 x 2) a
31
a12
a22
a32
i=1,2,3 (linhas)
j=1,2 (colunas)
Matriz quadrada:
4 7
3 9
Vetor:
a11
a
21
a31
a13
a12
a23
a22
a33
a32
Nmero de linhas =
nmero de colunas.
2 5
7 10
3 4
'
A ( 2 x 3)
2 7 3
5
10
4
A=B implica:
a1 4
a1
A a2
(3 x 2)
a3
a2 7
4
B 7
( 3 x1)
3
a3 3
(3 x 2)
3 6
1 2
B 2 3
(3 x 2)
3 4
Matrizes de mesma
dimenso
1 1 4 2 2 6
A B 2 2 5 3 4 8
(3 x 2 )
3 3 6 4 6 10
1 1 4 2 0 2
A B 2 2 5 3 0 2
(3 x 2 )
3 3 6 4 0 2
Multiplicao de matrizes:
Por escalar:
2 7 8 28
4A 4
9 3 36 12
2 5
AB
4
1
4 6
( 2.4 5.5) ( 2.6 5.8)
5 8 ( 4.4 1.5) ( 4.6 1.8)
2 2
22
33 52
21
32
1
AB
0
3
5
4
8
3
5 .
1 4 6
4 2 5
A
3
3
6 5 3
1 4 6
A ' 4 2 5
6 5 3
a1
A 0
0
0
a2
0
0
0
a3
Dois tipos importantes de matrizes diagonal so: matriz identidade e matriz escalar.
Matriz identidade (I): 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.
1 0 0 a11 a12 a13 a11 a12 a13
IA 0 1 0 a21 a22 a23 a21 a22 a23
0 0 1 a31 a32 a33 a31 a32 a33
Para uma matriz A de dimenso (r x r), temos:
AI IA A
0
0
0
1 0 0
0 0 1 0 I
0 0 1
0
1
1
rJr .
.
1
1
1
.
.
1
.
.
.
.
.
.
.
.
.
.
1
1
.
.
1
Operaes importantes:
1
.
1'1 1 . . 1 n n
.
1
1
1
.
1
11' 1 . . 1
.
.
1
1
. . 1
. . 1
n jn
. . .
. . 1
10 5
15
1
2
3
10
linearmente dependentes
11
linearmente independentes
5 2 0
3
2
2
4
1 10 0
15
1
6
0
0
0
12
13
A 1A AA 1 I
Muitas matrizes quadradas no tem inversa. Para aquelas que
tm, a inversa nica.
14
Encontrando a inversa.
A inversa de uma matriz quadrada (r x r) existe se o rank da matriz r. Esta matriz
denominada de no singular ou de posto completo.Uma matriz (r x r) com rank
menor do que r denominada de matriz singular ou de posto incompleto e no
tem inversa. A inversa de uma matriz (r x r) de rank completo tambm tem rank r.
Usaremos programas estatsticos ou matemticos para encontrar inversas de
matrizes. Por exemplo, para a matriz:
2 4
A
3 1
a inversa, obtida no PROC IML do SAS, dada por:
A
INVERSA
2 rows
2
3
2 cols
4
1
2 rows
-0.1
0.3
2 cols
0.4
-0.2
Comandos SAS
proc iml;
reset print;
A={2 4,
3 1};
INVERSA=inv(A);
15
AY C
Assumindo que A tem inversa, podemos pr-multiplicar ambos os lados da igualdade
por A-1:
A 1AY A 1C
Como A-1AY=IY=Y, obtemos a soluo:
Y A 1C
Exemplo: suponha o seguinte sistema de equaes:
2 y1 4 y2 20
3 y1 y2 10
Escrevendo na forma matricial temos:
16
2 4 y1 20
3 1 y 10
2
A soluo do sistema de equaes dada por:
y1 2 4
y 3 1
y1 0.1 0.4
20
10 y 0.3 0.2
20 2
10 4
17
Determinantes
No daremos a definio geral de determinantes, por ser bastante complicado,
mas veremos como se calculam os determinantes nos casos mais simples.
S h determinante de matriz quadrada e representa-se por:
A
Exemplo:
7 5
C
7 x 6 5x 4 22
4 6
18
a11
a21
a12
a22
a13
a23 a11a22 a33 a12 a23 a31 a13 a21a32
a31
a32
a33
- a13 a22 a31 a11a23 a32 a12 a21a33
Exemplo:
1 2 3
4 3 2 1.3.3 2.2.2 3.4.4 2.3.3 1.4.2 2.4.3 15
2 4 3
Para matrizes de maiores dimenses as regras, que no veremos, so mais
complicadas.
19
1 1
A
A 1 .2 1 .2 0
2 2
singular,isto , no tem inversa.
20
2 3
A
3
10
Consideremos a matriz:
3
2 3
1 0 2
A I
3
10
0
1
3
10
A I 0
Isto :
10
21
As razes dessa equao so, por definio, as razes prprias (ou eigenvalues) da
matriz A.
No exemplo, o determinante nos d:
2 10 9 0
12 11 0
2
1 11
2 1
22
A I x
auto-vetor, vetor prprio (eigenvector) de A.
Fato: auto vetores associados a auto vetores diferentes de uma A(n) real e
simtrica so ortogonais.
Exemplo:
Seja a matriz
2 3
A
3
10
23
A I X
3
2 1
3 10 11
X 1 0
X 0
2
0
0
9 3 X1
3 1 X
2
9 X1 3X 2 0
3X1 X 2 0
Um auto vetor :
2
x
6
24
3
x
Norma Euclidiana
Definio: define-se norma Euclidiana de um vetor u ao nmero real no
negativo
1
2
1
u u' u
1/ 2
u
u
2
.
u1 ,u2 ,...,un
.
.
un
i 1
25
1)
2
x
6
x xx
'
1/ 2
2 6
2
40
6 ,32
Vetor normalizado
Definio: dizemos que um vetor u* est normalizado se:
1
u
u
u
*
26
1
1 2 0 ,3165
x
x
x
6 ,32 6 0 ,9494
*
Observe que:
0,3165
x x 0 ,3165 0 ,9494
1
0 ,9494
*'
27
3X1 2 X 2 8
8 X 1 X 2 15
X1 2 X 2 X 3 0
0 X1 X 2 3X 3 4
X 1 0 X 2 2 X 3 1
28
3 2 X1
8 1 X
2
1 2 1
0 1
1 0 2
8
15
X1 0
X 4
2
X 3 1
Matrizes do sistema
29
Consideremos o sistema:
3 2
8 1
X1 8
X 15
2
X
X A1 B
Logo:
30
X1
1 1 2
X
X 2 19 8 3
Assim:
8
1 38 2
15 19 19 1
X1 2
X2 1
AX
Em que a matriz A seja singular e o segundo termo seja uma matriz nula.
31
Exemplo:
X1 X 2 2 X 3 0
X1 X 2 X 3 0
3X X 5X 0
1
2
3
1 1 2 X 1 0
1 1 1 X 0
2
3 1 5 X 3 0
32
AX
tem soluo, isto , compatvel. Se a matriz A for no singular, a nica
soluo possvel a soluo nula:
X 1 X 2 ... 0
X
Esta soluo geralmente no interessa. Mas se a matriz A for singular, o
sistema de equaes ser indeterminado, isto , ter infinitas solues. Tal o
caso do sistema do nosso exemplo, pois a matriz
1 1 2
1 1 1
3 1 5
singular
33
Para obter uma soluo no nula, comeamos por abandonar uma das
equaes e dar a uma das incgnitas um valor arbitrrio no nulo. Por
exemplo, abandonar a terceira equao e fazemos X3=1. Fica:
X1 X 2 2 0
X1 X 2 1 0
X 1 X 2 2
X 1 X 2 1
Resolvendo este sistema, uma soluo :
3
X1
2
1
X2
2
X3 1
34
x j xij / n
i 1
A varincia amostral :
s 2j xij x j
n
i 1
n 1
c jk xij x j xik xk n 1
n
i 1
A covarincia uma medida do relacionamento linear entre duas variveis.
35
rjk
c jk
s s
j k
x1
x
2
...
x p
36
c11 c12
c
21 c22
.
C .
.
.
c p1 c p 2
Onde,
. c1 p
. c2 p
. .
. .
. . c pp
.
.
.
.
cii s
2
i
37
1
r
21
R
...
rp1
r12
1
...
rp 2
... r1 p
... r2 p
... ...
... 1
38
E( A ) A
E( W ) E ( AY ) AE(Y)
2 ( W ) 2 ( AY ) A 2 (Y) A '
Exerccio: considere,
W1 1 1 Y1
W 1 1 Y
2
2
W
39