lgebra matricial

lgebra de matrizes amplamente utilizada na estatstica..

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)

Representada por letras em negrito, p.e., A, B, C, , , , , etc.

Matriz quadrada:
4 7
3 9

Vetor:

a11
a
21
a31

a13

a12

a23

a22

a33

a32

Nmero de linhas =
nmero de colunas.

Contm apenas uma coluna. Tambm so representados por letras

minsculas em negrito.
4
Vetor linha ou transposto: B ' 15 25 50
A 7
10

Matriz transposta (A):

A( 3 x 2 )

2 5
7 10

3 4

'

A ( 2 x 3)

2 7 3

5
10
4

Igualdade de matrizes: mesma dimenso e todos os correspondentes

elementos so iguais.

A=B implica:

a1 4

a1
A a2
(3 x 2)
a3

a2 7

4
B 7
( 3 x1)
3

a3 3

Adio e subtrao de matrizes:

1 4
A 2 5

(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

Multiplicao de matriz por matriz:

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

Nota: geralmente ABBA.

Exerccio: faa a multiplicao das matrizes:

1
AB
0

3
5

4
8

3
5 .

Tipos especiais de matrizes

Matriz simtrica: se A=A ela dita simtrica. Exemplo:

1 4 6
4 2 5
A

3
3

6 5 3

1 4 6
A ' 4 2 5
6 5 3

Matriz diagonal: uma matriz quadrada, cujos elementos fora da diagonal so

todos iguais a zero, por exemplo,

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

Matriz escalar: uma matriz diagonal cujos elementos da diagonal so todos

iguais. Pode ser dada por I:

0
0

0
1 0 0
0 0 1 0 I
0 0 1
0

Vetores e matrizes com todos os elementos iguais a um (1)

1
1

.
r 11
.
.

1

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

Dependncia linear e posto de uma matriz

Dependncia linear
Considere a matriz:
1 2 5 1
A 2 2 10 6
3 4 15 1

Observe que a terceira coluna um mltiplo da primeira coluna:

10 5

15

1
2
3

10

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) : C1,
C2,...,Cc.De modo geral, define-se dependncia linear como:
quando c escalares 1,..., c, nem todos iguais a zero, podem
ser determinados tal que:
1C1 2C 2 ... c Cc 0 Os c vetores colunas so

linearmente dependentes

11

Se o nico conjunto de escalares, para o qual a igualdade vale (=0) :

1 0, 2 0,..., c 0 Os c vetores colunas so

linearmente independentes

Exemplo: considere os escalares:1=5, 2=0, 3=-1e 4=0, assim temos:

5 2 0
3

2
2
4

1 10 0
15

1
6

0
0
0

Portanto, as colunas so linearmente dependentes. Observe que alguns s so

iguais a zero.

Posto (rank) de uma matriz

O posto de uma matriz definida como sendo o nmero mximo de colunas (linhas)
linearmente independentes. No exemplo acima, encontramos 3 colunas (1,2 e 4)
linearmente independentes. No existem escalares 1, 2 e 4 tal que 1C1+ 2C2+
4C4=0 a no ser estes: 1=0, 2=0 e 4=0. Assim, o posto de A 3.

12

Segue-se que o posto de uma matriz (r x c) no pode exceder o min(r,c), isto , o

mnimo entre r e c. No caso de uma matriz, por exemplo, C, que o resultado do
produto de duas outras matrizes (A e B), o rank de C no pode exceder o mnimo
entre o rank(A) e o rank(B).
(Definio: o rank, posto ou caracterstica de uma matriz, o nmero de linhas
no nulas na sua forma escalonada cannica).
Exerccio: seja a matriz
4 2 2
A 2 2 0
2 0 2

encontre o valor do rank de (A).

OBS. Matriz de rank incompleto

13

Inversa de uma matriz

Na lgebra de matrizes, a inversa de uma matriz A (quadrada),
uma outra matriz, denominada por A-1, tal que:

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

Uso da matriz inversa

Se temos uma equao:

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

No caso de uma matriz 3 x 3, o determinante calculado pela regra de Sarrus

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

Determinante de uma matriz singular

Toda matriz quadrada singular tem determinante nulo; reciprocamente, singular
toda matriz de determinante nulo. Assim a matriz:

1 1
A
A 1 .2 1 .2 0

2 2
singular,isto , no tem inversa.

20

Razes prprias (auto valores ou eigenvalues)

Seja a matriz

2 3
A

3
10

Consideremos a matriz:

3
2 3
1 0 2
A I

3
10
0
1
3
10

Tomemos agora a equao:

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

Esta equao nos d as razes:

1 11
2 1
22

Auto vetores ou eigenvectors)

Definio: Dada A(n) real e simtrica, ento todo vetor x tal que:

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

Para 1=11, temos:

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

Para 2=1, seguindo as mesmas etapas, obtemos o segundo auto vetor:

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

Exemplo: vamos considerar o primeiro auto vetor encontrado anteriormente:

1)

2
x
6

Para o vetor 1), a norma euclidiana vale:

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

Exemplo: vamos considerar o primeiro auto vetor encontrado anteriormente:

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

Sistemas de equaes lineares

Sistemas de equaes de primeiro grau, com qualquer nmero de incgnitas.
Por exemplo:

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

Em termos matriciais, podemos escrever:

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

Se A no singular, isto , que tenha inversa, A-1, ento a soluo do sistema

dado por:

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

fcil compreender, portanto, que quando a matriz A no singular, o sistema

tem soluo e essa soluo nica. Mas para o estudo dos componentes principais
interessam-nos sistemas de equaes:

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

Equaes lineares em que o segundo membro nulo, se dizem homogneas.

Todo sistema de equaes lineares homogneas:

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

Matrizes de covarincias e vetores de mdias

Amostras multivariadas podem ser resumidas por meio de vetores e matrizes de
covarincias. So definidas como segue. Suponha que temos p variveis X1,X2,...,Xp e
os valores dessas variveis para a i-sima observao, caso, em uma amostra so
x1,x2,...,xp, respectivamente. Ento a mdia amostral da varivel j :
n

x j xij / n
i 1

A varincia amostral :

s 2j xij x j
n

i 1

n 1

A covarincia entre as variveis j e k definida como:

c jk xij x j xik xk n 1
n

i 1
A covarincia uma medida do relacionamento linear entre duas variveis.

35

O coeficiente de correlao para as variveis j e k, rjk, est

relacionado com a covarincia pela expresso:

rjk

c jk

s s
j k

Vetor de mdias amostrais

x1
x
2
...

x p
36

Matriz de varincia-covarincia amostral

c11 c12
c
21 c22
.
C .

.
.
c p1 c p 2

Onde,

. c1 p
. c2 p
. .

. .
. . c pp
.
.
.
.

cii s

2
i

Esta matriz quantifica a variabilidade presente nas variveis, como tambm a

correlao entre as mesmas.

37

Matriz de correlao amostral

1
r
21

R
...

rp1

r12
1
...
rp 2

... r1 p

... r2 p
... ...

... 1

Quando as variveis X1,X2,...,Xp tm a mesma unidade e grandezas no muito

diferentes, pode-se usar a matriz de varincias-covarincias. Caso contrrio,
recomendado usar variveis padronizadas, isto , cada uma dividida pelo desvio
padro. Mas isto equivalente a usar a matriz de correlao.

38

Alguns teoremas bsicos

Em muitas situaes temos um vetor aleatrio W, o qual obtido prmultiplicando-se o vetor aleatrio Y por uma matriz A (com valores
fixos): W=AY. Temos os seguintes teoremas:

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

Mostre as expresses para E(W) e 2(W).

39