1.

LGEBRA MATRICIAL

1.1.MATRIZ, VETOR, ESCALAR

a 11 a 12 a 1n a a 22 a 2 n 21 = a A= ij a m1 a m 2 a mn

Matriz:

[ ]

m n

Vetor:

= [u 1

u2

un ] ,

v1 v = 2 v n

Escalar: a, b, c, ...

Representar no MATLAB:

1 1 2 3 ; 2) u = [1 2 3] ; 3) v = 1) A = 2 ; 4) a = 5; b = 2/3; c = 4 5 6 3

2 ; d = ; e =

4,5871

Como salvar esses dados acima?

1.2.MATRIZES ESPECIAIS 1.2.1. Matriz Nula: A = [a ij ] mn tal que aij = 0 para i,j

Exemplo:

0 0 0 A= 0 0 0 , no MATLAB: 0 0 0

1.2.2. Matriz Diagonal: A = [a ij ]nn tal que aij = 0 para todo i j. Exemplo:
1 0 0 A= 0 2 0 , no MATLAB: 0 0 3

1.2.3. Matriz Escalar: uma matriz diagonal A tal que aij = k (escalar) para todo i = j. Exemplo:
4 0 0 A= 0 4 0 , no MATLAB: 0 0 4

1.2.4. Matriz Identidade: uma matriz escalar A tal que aij = k = 1. Exemplo:
1 0 0 A= 0 1 0 , no MATLAB: 0 0 1

1.2.5. Matriz Transposta: da matriz A = [a ij ] mn a matriz A' = [a ji ] nm . Exemplo: Transposta de A = 2

3 5 1 no MATLAB: 4 0

Propriedades da transposta: (a) (A' )' = A (b) (kA)' = kA' , k = escalar (c) (A + B)' = A'+ B' (d) (AB)' = B' A'

1.2.6. Matriz Simtrica: uma matriz quadrada A tal que A' = A.

1 2 3 A= 2 4 - 5 , pois: 3 - 5 6

Exemplo:

A' = A.

1.3. OPERAES COM MATRIZES 1.3.1. Adio: Exemplo:

3 0 4 - 1 A = 2 2 e B = - 3 4 , no MATLAB: A + B 1 3 2 0
C = A + B = [a ij ] mn + [b ij ]mn = [a ij + b ij ] mn = [c ij ] mn

Propriedades: (a) A + B = B + A (comutativa) (b) A + (B + C) = (A + B) + C (associativa) (c) A + (-A) = 0 ( existncia do elemento oposto), sendo 0 = matriz nula (d) A + 0 = A (existncia do elemento neutro), sendo 0 = matriz nula
C = A - B = [a ij ] mn [b ij ]mn = [a ij b ij ] mn = [c ij ] mn

1.3.2. Subtrao: Exemplo:

3 0 4 - 1 A= 2 2 e B = - 3 4 , no MATLAB: A B 1 3 2 0

1.3.3. Multiplicao de escalar por matriz: C = k.A = k[a ij ] mn = [k.a ij ]mn = [c ij ]mn Exemplo: k = -3;
1 2 3 A= , no MATLAB: k.A 1 4 0

Propriedades da multiplicao de escalar por matriz (a) k.A = A.k (b) k(A+B) = k.A + k.B (c) k(AB) = A(kB) = (AB)k 1.3.4. Multiplicao entre matrizes: sejam as matrizes: A: mp e B: pn, ento
p a b 1j i1 i , j=1 p a 2 j b i1 = i , j=1 p a b i , j=1 mj i1 a 1j b i 2
p

i , j=1 p i , j=1 p

C = A.B = [a ij ]mp .[b ij ]pn

a 2 jb i2

i , j=1

a mj b i 2

p a 1j b in i , j=1 p a 2 j b in = [c ] i , j=1 ij m n p a mj b in i , j=1

Exemplo:

3 2 A= 0 1 2 3

1 2 4 B= 1 0 2

3 2 1 2 4 C = AB = 0 1 . 1 0 2 = 2 3 2 2 + 30 2 4 + 3 2 1 4 14 2 1 + 3 (1) = 0 2 0 1 + (1) (1) 0 2 + (1) 0 0 4 + (1) 2 = 1 2 1 + 3 (1) 2 2 + 3 0 2 4 + 3 2 5 4 2

No MATLAB: Propriedades da multiplicao de matrizes: (a) A(B + C) = AB + AC (1 Lei Distributiva) (b) (A + B)C = AC + BC (2 Lei Distributiva) (c) A(BC) = (AB)C (Lei associativa) (d) AB BA (Em geral no vale a Lei Comutativa) (e) AB = 0 no implica necessariamente que A = 0 ou B = 0. Exemplo:

2 1 1 1 0 0 2 1 2 2 = 0 0

(f) AB = AC no implica necessariamente que B = C. Exemplo:

2 1 1 1 2 1 0 0 2 1 2 2 = 2 1 0 0

(g) AI = IA = A (Existncia do elemento neutro) 1.4. MATRIZ INVERSA Sendo A e B matrizes de ordem n tais que AB = BA = I, ento B a inversa de A ou A a inversa de B. A tem inversa se no-singular ( det 0). A quadrada. A inversa nica. Se A no-singular AB = AC B = C A inversa pode ser determinada pela frmula: A 1 =
1 adj(A) , sendo adj(A) det A

a matriz adjunta da matriz A ( a matriz transposta da matriz dos cofatores). A matriz dos cofatores obtida de A substituindo-se cada elemento de A pelo respectivo cofator. Cada cofator calculado pela frmula: cof (a ij ) = (1) i + j . det(A ij ) , sendo Aij a matriz resultante de A ao eliminarmos a linha i e coluna j. 1.5. TRAO DE UMA MATRIZ O trao tr de uma matriz quadrada A a soma dos elementos diagonais (diagonal principal) da matriz A, ou seja, A = a ij .
i= j

Exemplo
1 3 0 A= 0 2 2 tr(A) = 1 + 2 + 3 = 6. 1 4 3

No MATLAB:

1.6. MATRIZ ORTOGONAL Uma matriz quadrada A ortogonal se AA' = A' A = I , isto , A' = A 1 . Exemplo:
1 / 3 1 / 6 1 / 2 A = 1 / 3 2 6 0 1 / 3 1 / 6 1 / 2

1.7. VETORES LINEARMENTE DEPENDENTES (L.D.) Os n vetores x1, x2, ... , xn , so L.D. se existirem n escalares k1, k2, ... , kn , no todos nulos, tais que k1x1 + k2x2 + ... + knxn = 0, caso contrrio so L.I. (linearmente independentes). Exemplos: Se x1 = [3 1 -4], x2 = [2 2 -3] e x3 = [0 -4 1], verifique se: (a) x1 e x2 so L.D. (b) x1 , x2 e x3 so L.D.

1.8.

PRODUTO INTERNO DE VETORES

x n ]' e y =

Considere os dois vetores reais n-dimensionais: x = [x 1 x 2 [y1 y 2 y n ]' , o produto interno entre esses vetores
x 1 y1 + x 2 y 2 + x n y n = x i y i .
i =1 n

Exemplo:

2 x= 3 e y= 1

3 0 x y = 23 + 30 + (-1)2 = 4 2

MATLAB:

1.9.

COMPRIMENTO OU NORMA DE UM VETOR O comprimento ou norma do vetor x = [x 1 x 2

x n ]' definido por

2 2 x = x' x = x 1 + x2 2 + xn .

Exemplo:

2 x= 3 1

x = 2 2 + 3 2 + (1) 2 = 14

MATLAB:

1.10. AUTOVALORES E AUTOVETORES Dizemos que uma matriz quadrada A tem um autovalor com o correspondente autovetor e 0 se A.e = .e . Propriedade 1 Uma matriz quadrada simtrica A: kk tem k pares de autovalores e autovetores: (1, e1), (2, e2), ... , (k, ek). Os autovalores podem ser escolhidos de tal forma que eiei = 1 (normalizados). Propriedade 2 Seja A uma matriz quadrada kk e I a matriz identidade kk. Ento, os escalares 1, 2, ... , k, satisfazendo a equao A I = 0 (equao caracterstica) so os autovalores de A.

Exemplo 1) Determine os autovalores e autovetores normalizados da matriz A = . 1 3 2) Determine os autovalores e autovetores normalizados da matriz simtrica
1 2 B= . 2 3 1 0

MATLAB: Determine os autovalores e autovetores normalizados da matriz

1 2 3 A= 5 3 2 . 7 3 4

1.11. FORMAS QUADRTICAS Uma forma quadrtica Q(X) nas k variveis X1, X2, ... , Xk definida por Q(X) = ( X'A X) , onde X = [X1, X2, ... , Xk] e A uma matriz quadrada simtrica de ordem kk. A forma quadrtica Q(X) pode ser escrita como

2 Q(X) = a ij X i X j = a 11X 1 + a 12 X 1X 2 + + a ik X 1X k i =1 j=1

+ a 21X 2 X 1 + a 22 X 2 2 + + a 2k X 2 X k

.........................................................
+ a k1X k X 1 + a k 2 X k X 2 + + a kk X 2 k

Exemplo: Desenvolva a forma quadrtica com X = [X1 X2] e A = 1 2 1.12. MATRIZ POSITIVA DEFINIDA A matriz quadrada A positiva definida se XA X > 0, para qualquer X 0 . Se XA X 0 a matriz A positiva semi-definida (ou no-negativa). Se XA X < 0 a matriz A negativa definida.

1 1

1.13. TEOREMA DA DECOMPOSIO ESPECTRAL (OU DECOMPOSIO DE JORDAN) Qualquer matriz simtrica A: kk pode ser escrita como
A = PP' = i e i e' i = 1 e1 e'1 + 2 e 2 e' 2 + + k e k e' k

onde: uma matriz diagonal com os autovalores da matriz A, ou seja,

1 0 0 2 = 0 0 0 0 0 0 0 k

P uma matriz ortogonal cujas colunas so os autovetores normalizados da matriz A .

e11 e 21 e e 22 e k ] = 12 e1k e 2 k

P = [e1 e 2

e k1 ek2 e kk

Exemplo Mostre que a matriz A =

3 2 2 positiva definida. Deve-se mostrar que 2

XA X > 0, para qualquer X 0 . Observao: Usando o Teorema da Decomposio Espectral pode-se mostrar que uma matriz simtrica A: kk uma matriz positiva definida se e somente se todos os autovalores de A so positivos. Ela ser uma matriz no-negativa definida se e somente se todos os autovalores de A so maiores ou iguais a zero.

1.14. MATRIZ RAIZ QUADRADA A decomposio espectral permite expressar a inversa de uma matriz quadrada em termos dos seus autovalores e autovetores e isto leva a uma matriz til: a matriz raiz quadrada. A matriz i e i e'i = P1/ 2 P' = A 1/ 2 chamada matriz raiz quadrada de A e denotada por A . Propriedades: (1) (A 1/ 2 )' = A 1/ 2 (A1/2 simtrica). (2) A1/2 A1/2 = A (3) (A 1/ 2 ) =
1 k i=' k

1/2

i =1

1 i

e i e' i = P1/ 2 P' , onde 1/ 2 uma matriz diagonal cujos elementos so

(4) A 1/ 2 A 1/ 2 = A 1/ 2 A 1/ 2 = I e A 1/ 2 A 1/ 2 = A 1 onde A 1/ 2 = (A 1/ 2 ) .
1

Exemplo: Determine a matriz raiz quadrada de A = No MATLAB: 1.15. VETOR ALEATRIO Um vetor aleatrio um vetor cujos elementos so variveis aleatrias.
4 1 . 1 2

Vetor aleatrio:

X1 X X = 2 , sendo: X1, X2, ... , Xp variveis aleatrias. X p

1.16. ESPERANA DE UM VETOR ALEATRIO

E(X 1 ) 1 E(X ) 2 2 Seja X: p1 um vetor aleatrio. A esperana de X E(X) = = . No E(X p ) p

vetor aleatrio cada elemento de X uma varivel aleatria com certa distribuio de probabilidade marginal. As mdias marginais, i, e as varincias, 2 i , so 2 definidas como i = E(Xi) e 2 i = E ( X i i ) , i = 1, 2, ... , p, respectivamente. Especificamente, temos que:
+ se X i uma V.A.C. com fdp f i (x i ) x f (x )dx i i = i i i x i p i (x i ) se X i uma V.A.D. com funo de probabilidade p i (x i )

+ 2 se X i uma V.A.C. com fdp f i (x i ) (x - ) f (x )dx i = i i i i 2 (x i - i ) p i (x i ) se X i uma V.A.D. com funo de probabilidade p i (x i )
2 i

Exemplo Suponha X = 1 , sendo X1 e X2 variveis aleatrias discretas com funo de X 2 probabilidade x1 p(x1) e x2 p(x2) Determine E(X). 0 0,8 1 0,2 -1 0,3 0 0,3 1 0,4
X

1.17. MATRIZ DE COVARINCIA DE UM VETOR ALEATRIO Dado o vetor aleatrio X: p1, tem-se que a matriz de covarincia do vetor = V(X) = E[X E(X)]2 = E[X - ]2 = E[(X - )(X- )]
X 1 1 X 2 2 = E X 1 1 X p p Xp p

X2 2

(X 1 1 ) 2 (X1 1 )(X 2 2 ) (X1 1 )(X p p ) (X 2 2 ) 2 (X 2 2 )(X p p ) (X 2 2 )(X1 1 ) = E 2 (X p p )(X1 1 ) (X p p )(X 2 2 ) (X p p )

E(X1 1 ) 2 E(X1 1 )(X 2 2 ) E(X1 1 )(X p p ) E(X 2 2 )(X1 1 ) E(X 2 2 ) 2 E(X 2 2 )(X p p ) = E(X p p ) 2 E(X p p )(X1 1 ) E(X p p )(X 2 2 )

2 1 12 1p 21 2 2p 2 = 2 p1 p 2 p

onde ik a covarincia entre as variveis Xi e Xk e

++ se X i , X k so V.A.C. (X i i )(X k k )f ik (X i , X k )dX i dX k com fdp conjunta f ik (X i , X k ) ik = E[(X i i )(X k k )] = (X i )(X k k )p ik (X i , X k ) se X i , X k so V.A.D. com funo i de probabilidade conjunta p ik (X i , X k )

e i e k (i, k = 1, 2, ... , k) so as mdias marginais. Quando i = k, as covarincias tornam-se as varincias marginais.

Exemplo: 1) Determine a matriz de covarincia para as duas variveis aleatrias X1 e X2 introduzidas no exemplo anterior sendo sua funo de probabilidade conjunta p12 (x1, x2) dada a seguir: X2 X1 -1 0 1 p2(X2) 0 0,24 0,16 0,40 0,80 1 0,06 0,14 0,00 0,20 p1(X1) 0,30 0,30 0,40 1

2) Determine a matriz de covarincia para as variveis aleatrias X1 e X2, sabendo-se que f (X 1 ) =

x1 , 2 x1 4 e 6 f (X 2 ) =
1 , 1 x2 3. 2

1.18. MATRIZ DE CORRELAO DE UM VETOR ALEATRIO Seja um vetor aleatrio X: pp e a correspondente matriz de covarincia, ento a matriz de correlao ser
11 12 22 21 = p1 p2 1p 2p = pp 1 12 21 1 p1 p2 1p 2p 1

onde ik = e Xk)

ik i2 2 k

ik ik

(mede o grau de associao linear entre as variveis Xi

i = desvio padro da i-sima varivel e k = desvio padro da k-sima varivel. Exemplo

2 4 1 Seja a matriz de covarincia = 1 9 3 , determine a matriz de correlao . 2 3 25

1.19. VETOR ESPERANA E MATRIZ COVARINCIA DE UMA COMBINAO LINEAR DE VARIVEIS ALEATRIAS Para uma varivel aleatria unidimensional X1, sabemos que:

E(c.X1) = c.E(X1) = c.1 (c = constante) e V(c.X1) = E(c.X1 c.1)2 = c2.V(X1) = c2.12 Se X2 uma segunda varivel aleatria e a e b so constantes: Cov(a.X1 , b.X2) = E[(a.X1 - a.1)(b.X2 b.2)] = ab E[(X1 - .1)(X2 2)] = ab.cov(X1,X2) =ab12

Para uma combinao linear aX1 + bX2, temos: E(aX1 + bX2) = aE(X1) + bE(X2) = a1 + b2 e V(aX1 + bX2) = E[(aX1 + bX2) (a1 + b2)]2 = E[a(X1- 1) + b(X2 - 2)]2 = E[a2(X1 - 1)2 + b2(X2 - 2)2 + 2ab(X1 - 1)(X2 - 2)] = a2 E(X1 - 1)2 + b2E(X2 - 2)2 + 2ab cov(X1, X2) = a2 V(X1) + b2 V(X2) + 2ab cov(X1, X2) = a2 12 + b2 22 + 2ab 12

Em notao matricial:

com c = [a, b], aX1 + bX2 pode ser escrito como

[a

X b] 1 = cX X 2

Analogamente, E(aX1 + bX2) = a1 + b2 pode ser expresso como

[a

b] 1 = c 2

Sendo =

2 1

21

12 a matriz covarincia de X, ento V(aX1 + bX2) = V(cX) = cc 2 2

com cc = [a b]

2 1

21

12 a 2 = a 2 1 + 2ab12 + b 2 2 2. 2 b 2

Os resultados anteriores podem ser generalizados para uma combinao linear de p variveis aleatrias.

A combinao linear cX = c1X1 + c2X2 + ... + cpXp tem mdia: (X) E(cX) = c e varincia: V(cX) = cc, onde: = E(X) e = cov

Considerando q combinaes lineares de p variveis aleatrias X1, X2, ... , Xp,

Z1 = c11X1 + c12 X2 + ... + c1pXp Z2 =c21X2 + c22X2 + ... + c2pXp .................................................. Zq = cq1X1 + cq2X2 + ... + cqpXp Ou
Z1 c11 c12 c1p X 1 Z c X c 22 c 2 p 2 21 2 = CX = Z= Z q c q1 c q 2 c qp X p

As combinaes lineares Z = CX tm

* mdia: Z = E(Z) = E(CX) = CX

* covarincia: Z = cov(Z) = cov(CX) = CXC

onde X e

X so vetor mdia e matriz covarincia de X.

Exemplo Seja X = 1 um vetor aleatrio com mdia X = 1 e matriz covarincia X 2 2

2 1 12 . Encontre a matriz covarincia para as combinaes lineares: Z1 = X1 X = 2 21 2

X2 e Z2 = X1 + X2.

1.20. MAXIMIZAO DE FORMA QUADRTICA O problema consiste em maximizar uma forma quadrtica XBX, onde B uma matriz positiva definida. Portanto, seja B: pp uma matriz positiva definida com autovalores 1 2 ... p > 0 e autovetores normalizados associados e1, e2, ... , ep. Ento
max
X 0

X ' BX = 1 satisfeito quando X = e1 X' X

min
X 0

X ' BX = p satisfeito quando X = ep X' X

alm disso,
X e1 ,...,e k

max

X ' BX = k +1 satisfeito quando X = ek+1, k = 1, 2, ... , p 1. X' X

1.21. MATRIZ DESVIO PADRO Dada a matriz de covarincia do vetor aleatrio X, definimos matriz a desvio padro por
1 0 0 2 = 0 0 0 0 0 0 0 p

V 1/ 2

Resultado importante: Seja o vetor aleatrio X com matriz de correlao de ordem pp, , e matriz desvio padro V1/2, se ordem pp, ento a matriz de covarincia de X = V1/2V1/2.

Exemplo:
2 4 1 Seja a matriz de covarincia = 1 9 3 . Determine a matriz desvio padro 2 3 25

V1/2. Qual a matriz de correlao?

1.22. A GEOMETRIA DA AMOSTRA MULTIVARIADA Uma observao multivariada simples uma coleo de medidas sobre p variveis diferentes tomadas do mesmo item ou ensaios (prova, experincia). Se n observaes foram obtidas, os dados podem ser arranjados em uma matriz X de ordem np como

X1

X2 ... Xj ... Xp

x 11 x 12 x 1j x 1p x x 22 x 2 j x 2 p 21 X= x n1 x n 2 x nj x np

Obs. 1 Obs. 2 Obs. n

onde cada linha de X representa uma observao multivariada. Essa matriz X (matriz de dados), representa uma amostra de tamanho n proveniente de uma populao p-variada. A amostra ento consiste de n medidas, cada uma tendo p componentes.

Exemplo:

Calcule o vetor de mdias para os dados da matriz X. Plotar os n=3 pontos dados em um espao p=2 e localizar o vetor de mdias no diagrama resultante.
4 1 X= 1 3 3 5

1.23. VETOR MDIO AMOSTRAL Da matriz de dados X temos o vetor mdio amostral x que estima o vetor mdio populacional , onde

x1 x 1n 1 2 x = x i = = (x1 + x 2 + + x n ) n n i =1 x p

Exemplo: Seja a amostra de dados construda com as observaes relativas a 5 estudantes. As caractersticas observadas foram: idade, sexo e nota em uma prova.

Observao 1 2 3 4 5

X1 (Idade) 18,45 18,41 18,39 18,70 18,34

X2 (Nota) 70 65 71 72 94

X3(Sexo) 1 0 0 0 1

Determine o vetor mdio amostral que estima o verdadeiro vetor mdio (populacional). No MATLAB:

1.24. MATRIZ DE COVARINCIA AMOSTRAL

que estima a Da matriz de dados X obtemos a matriz de covarincia amostral verdadeira matriz covarincia populacional .
n = 1 ( x i x )( x i x )' n i =1

viciado, ele o EMV de . A matriz de covarincia com O estimador estimativas no-viciadas dada por S= 1 n n ( x i x )( x i x )' = n 1 i =1 n 1

1.25. MATRIZ DE CORRELAO AMOSTRAL

s 1 0 = 0 0 s2 0 0 0 0 0 0 a matriz desvio padro que estima a verdadeira matriz sp

Seja D1 / 2

um estimador da matriz , ento a matriz de correlao desvio padro V1/2, e seja que estima a matriz de correlao populacional dada por amostral

D 1/2 = D 1/2

Exemplo: Estime a matriz de covarincia e a matriz de correlao para os dados da matriz anterior.

No MATLAB:

1.26. VARINCIA GENERALIZADA Com uma simples varivel, a varincia amostral freqentemente usada para descrever a variao nas medidas daquela varivel. Quando p variveis so observadas para cada item, a variao descrita pela matriz varincia-covarincia amostral.

s11 s12 s 1p s n s 22 s 2 p 21 , onde: s = 1 S= (x ij x i )(x kj x k ) ik n 1 j=1 s p1 s p 2 s pp

A matriz covarincia amostral contm p varincias e (1/2)p(p-1) covarincias. Muitas vezes desejvel assumir um valor numrico nico para expressar a variao dada por S. Uma escolha para esse valor nico o detrminante de S, o qual se reduz varincia amostral quando p=1. Esse determinante chamado varincia amostral generalizada: VAR. AMOSTRAL GENER. = | S |

Exemplo: Considere o capital total (x1) e os rendimentos de seguros (x2) para 25 grandes seguradoras dos EUA. A matriz de covarincias S, obtida dos dados em 22/5/1978 (Fortune) S = . Determine a varincia generalizada. 14213 15538
14808 14213

Para a matriz de correlao R:

VAR. GENER. AMOSTRAL DE VARIVEIS PADRONIZADAS = |R| Demonstra-se que: |S| = (s11.s22. ... .spp) . |R| Exemplo: Sendo
4 3 1 1 1/ 2 1/ 2 S = 3 9 2 e R = 1 / 2 1 2 / 3 , determine as varincias generalizadas. 1 2 1 1 / 2 2 / 3 1

Outra generalizao da varincia: Define-se a varincia total amostral como a soma dos elementos diagonais da matriz covarincia amostral S. Assim,

VAR. TOTAL AMOSTRAL = s11 + s22 + ... + SPP

Exemplo:

Determine a varincia total amostral para o ltimo exemplo.