thesisproject_amm.pdf
TRANSCRIPT
-
Projecto de Investigao
Autor: Antnio Moreira Monteiro
Dep. Cincia & Tecnologia
Universidade de Cabo Verde
Supervisor: Adilson de Jesus Martins da Silva
Universidade de Cabo Verde
July 4, 2015
1
-
Contents
1 Reviso Elementar da lgebra Matricial 3
1.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Definies e Notao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Matriz Adio e Multiplicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 A Transposta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 O Trao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.6 O Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.7 A Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.8 Matrizes Particionado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.9 A fila de uma matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.10 matrizes ortogonais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.11 Forma Quadrtica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2 Espaos Vectoriais 20
2.1 Independncia e Dependncia Linear . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2 Bases e Dimenso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3 Bases e Dimenso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.4 Matriz Linha e Independncia Linear . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.5 Bases ortonormais e Projees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.6 Matrizes de Projeo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.7 Interseo e Soma de Espaos Vectoriais . . . . . . . . . . . . . . . . . . . . . . . 28
3 Inversa Generalizado 29
3.1 A inversa Generalizado de Moore - Penrose . . . . . . . . . . . . . . . . . . . . . 29
3.2 Algumas Propriedades Bsicas da inversa de Moore - Penrose . . . . . . . . . . . 30
3.3 A inversa de Moore - Penrose da Matriz Produto . . . . . . . . . . . . . . . . . . 31
3.4 A inversa de Moore - Penrose da Matriz Soma . . . . . . . . . . . . . . . . . . . . 32
3.5 A Continuidade da inversa Moore - Inverse . . . . . . . . . . . . . . . . . . . . . 33
3.6 Outras inversas Generalizas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4 Matrizes Especiais e Matrizes Operadores 35
4.1 O produto de Kronecker . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2
-
Resume
O presente artigo tem como pressuposto fundamental a anlise e reflexo concernente im-
portncia da lgebra em Estatstica na formao profissional do pedagogo e alguns aspectos que
consideramos vitais, tais como a Estatstica no mundo contemporneo e o seu ensino nos cur-
sos de Pedagogia. Para isto, faz-se necessrio relatar a importncia das anlises quantitativas
versos qualitativas na pesquisa e no ambiente educacional, buscando subsdios para a captao
da relao entre a Estattica e a Educao, e do aprofundamento da discusso a respeito da
Estatstica aplicada a Educao.
Palavras chaves: A importncia da Estatstica para os Pedagogos, Contribuies da Estatstica
na educao, Ensino da Estatstica nos cursos de Pedagogia.
1 Reviso Elementar da lgebra Matricial
1.1 Introduo
3
-
1.2 Definies e Notao
Definio 1.1.: Sejam K um corpo, m e n nmeros inteiros positivos, designam - se por matriz
sobre K, cujos elementos se designam - se por escalares, a todo o quadro de elementos de K
dispostos em m linhas e n colunas.
K em particular, pode ser o conjunto dos nmeros reais,R neste caso, as matrizes dizem - se
reais. Uma matriz A de dimenso m n, uma matriz rectangular dado por:
A = (aij) =
a11 a12 a1na21 a22 a2n...
......
am1 am2 amn
(1)
onde, (i,j) o elemento de A, isto , aij = (A)ij . A uma matriz quadrada de ordem m se
m = n, enquanto que uma matriz m 1 e 1 n so chamados vector coluna e vector linha,respectivamente representado por
a =
a1
a2...
am
(2)
a =(a11 a12 a1n
)(3)
Os elementos da diagonal m n da matriz A so a11, a22 a1n. Se todos os outros elementosde A igual a zero, A chamado da matriz diagonal, representado por
A = diag(a11, , amm) =
a11 0 00 a22 0...
......
0 0 amn
(4)
onde aij = 0 e i 6= j.
4
-
Se a adio, aii = 1 para i = 1 m, logo
A = diag(1, , 1) (5)
ento a matriz A chamado de matriz identidade de ordem m e escreve - se
A = I = Im (6)
Se A = diag(a1, , am) e b um escalar, ento vamos usar Ab para chamar matriz diagonal, ouseja
Ab = diag(ab1, abm) (7)
Para quaisquer m m da matriz A,DA chamamos a matriz diagonal com elementos diagonaisiguais aos elementos diagonais de A e, para algum m 1 vector a, Da chamamos da matrizdiagonal com elementos diagonais igual aos componentes de A, isto DA = diag(a11, , amm)e Da = diag(a1, , am).Uma matriz tringular inferior uma matriz quadrada em que so nulos todos os elementos
acima da diagonal principal,representado por
A =
a11 0 0a21 a22 0...
......
an1 an2 amm
(8)
onde i < j e aij = 0.
Uma matriz tringular superior, todos os elementos abaixo da diagonal principal igual a zero,
representado por
A =
a11 a12 a1n0 a22 a2n...
......
0 0 amm
(9)
onde i > j e aij = 0.
A matriz escalar em que aij = 0, i 6= j, aij = 1, i = j, diag1, 1, ..., 1 representa - se por ei ou Inou simplesmente I, chamamos de matriz unidade ou identidade.
5
-
O zero escalar escrito 0, enquanto que o vector zero, chamado de vector nulo, e a matriz cujos
elementos so todos nulos a matriz nulo, denota-se por (0).
1.3 Matriz Adio e Multiplicao
Discutem - se nesta seco as principais operaes com matrizes:adio de matrizes, multipli-
cao de uma matriz por um escalar e multiplicao de matrizes.
Definio 1.2.: Sejam A = [aij ], B = [bij ] Mm n(K). Define-se A+B matriz C = [cij ],tal que cij = aij + bij , {(ij) {1, ,m} {1, , n}}
Nota 1.1.: Se as matrizes A e B no forem do mesmo tipo, isto, se no tiverem as mesmas
dimenses e / ou o corpo subjacente no for igual, no possvel determinar A+B, pelo que a
soma de A com B diz-se indefinida.
Definio 1.3.: Seja A = [aij ] Mmn(K) e K um escalar. Define-se o produto de por A e denota-se por .A matriz B = [bij ] Mmn(K) tal que bij = aij ,(ij) {1, . . . ,m} {1, . . . , n}
Se A dado por m p e B dado por pn, ento C = AB,mn, onde o elemento, cij , dado por
cij = (A)i.(B)j =
pk=1
aikbbj (10)
Geralmente o produto AB = BA, nem sempre so iguais e se A2 = A, A neste caso diz-se uma
matriz Idempotente.
Teorema 1.1.: Sejam as matrizes A, B e C, com e os escalares, as seguintes propriedades
so verificadas.
1. A+B = B +A
2. (A+B) + C = A+ (B + C)
3. (A+B) = A+ B
4. (+ )A = A+ A
6
-
5. AA = A+ (A) = (0)
6. A(B + C) = AB +AC
7. (A+B)C = AC +BC
8. (AB)C = A(BC)
1.4 A Transposta
Definio 1.4.: Denomina-se matriz transposta trocando ordenadamente linhas por colunas,
ou seja a transposta de uma matriz A, representa-se por A,obtido trocando as linhas e colunas
de A.
Se A m p e B dado por pm, ento o elemento (i, j) da matriz (AB) se escreve
((AB))ij = (A)j .(B).i =p
k=1 ajkbki = (B)i.(A).j = (BA)ij
Teorema 1.2.: Sejam os escalares e e as matrizes A e , define-se
(a) (A) = A.
(b) (A) = A.
(c) (A+ B) = A + B.
(d) (AB) = BA.
A uma matriz quadrada mm, se A = A, ento A tambm mm, conclui -se que
A uma matriz simtrica;
A uma matriz anti - simtrica se A = A.
Se Eij = eiej , geralmente, ei,mej,m produz uma matrix m n, tendo 1 como nico elemento
diferente de zero na posio (i, j), e se A uma matriz m n, ento
A =
mi=1
nj=1
aijei,mej,n (11)
7
-
1.5 O Trao
Definio 1.5.: Definida apenas em matriz quadrada. Seja uma matriz A m m, o trao deA, tr(A), definido como sendo a soma dos elementos da diagonal de A, ou seja
tr(A) =mi=1
aii (12)
Se A uma matriz m n e B nm, logo AB uma matriz mm e
tra(AB) =mi=1
(AB)ii =mi=1
(A)i.(B).i =mi=1
mi=1
aijbj,ibji =mi=1
nj=1
bjiaij (13)
Teorema 1.3.: Sejam as matrizes A e B e um escalar, temos as seguintes operaes.
(i) tr(A) = Tr(A);
(ii) tr(A) = tr(A);
(iii) tr(A+B) = tr(A) + tr(B);
(iv) tr(AB) = tr(B);
(v) tr(AA) = 0; se e somente se A = (0)
1.6 O Determinante
O determinante uma outra funo definida pela matriz quadrada. Se A uma matriz mm,ento o determinanate denominado por | A |, dado por
| A |= (1)f(i1,...,im)a1i1a2i2 . . . amim=
(1)f(i1,...,im)ai11ai22 . . . aimm
A soma de todas as permutaes, (i1, . . . , im) do conjunto dos nmeros inteiros (1, . . . ,m) e da
funo f(i1, . . . , im) igual ao nmero de transposio necessria para mudar i1, . . . , im) para
(1, . . . ,m)
A transposio a troca de dois inteiros. O determinante produz todos os produtos de m termos
dos elementos da matriz A, um elemento selecionado apartir de cada linha e de cada coluna de
A.
8
-
| A | pode ser lido apartir dos cofactores. O menor elemento de aij , dado por mij , o determi-nante de (m 1) (m 1) obtida aps de removido a linha e a coluna de A.O cofactor de aij dado por Aij = (1)i+jmij . Para algum i, . . . ,m o determinanate de A podeser obtido expandindo o nmero de linhas,
| A |=mj=1
aijAij (14)
ou o nmero de colunas
| A |=mi=1
aijAij (15)
Por outro lado, se os cofactores de uma linha ou coluna so combinados com elementos de uma
linha ou coluna diferente, reduz a zero, isto , se k 6= i, entomj=1
aijAkj =
mj=1
ajiAkj = 0 (16)
As propriedades de determinante so bastante simples para verificar utilizando a definio de
um determinanate ou a frmula da expanso dado em (14) e (15).
Teorema 1.4.: Se um escalar e A uma matriz mm, ento temos as seguintes propriedades:
(a) | A |=| A |
(b) | A |= m | A |.
(c) Se A uma matriz diagonal, ento | A |= a11 . . . amm = mj=1aii
(d) Se todos os elementos da linha ou coluna de A so zeros, | A |= 0.
(e) Se duas filas ou colunas de A so proporcionais ao outro, | A |= 0.
(f) O intercmbio de duas linhas ou colunas muda o sinal de | A |.
(g) Se todos os elementos ou colunas de A so multiplicados por , ento o determinante
multiplicado por .
(h) O determinante de A alterado quando um mltiplo de uma linha ou coluna adicionado
a outra linha ou coluna.
Considere uma matriz C, m m cujas colunas so fornecidas pelos vectores c1, . . . , cm, isto ,podemos escrever, C = (c1, . . . , cm). Suponhamos que por algum vector b = (b1, . . . , bm) e matriz
9
-
A = (a1, . . . , am), temos
ci = Ab =m
i=1 biai
Ento, se encontrar o determinante de C por expanso ao longo da primeira coluna C, obtemos
| A | =mj=1
cj1Cj1
=mj=1
(mi=1
biaji)Cj1
=
mi=1
bi(
mj=1
ajiCj1)
=
mi=1
bi | (ai, c2, . . . , cm) | (17)
de modo que o determinante de C uma combinao linear de m determinantes. Se B uma
matriz mm e definimos C = AB, em se seguida, atravs da aplicao da derivao acima, emcada coluna de C,vemos
| C | = | (m
i1=1
bi11ai1 , . . . ,m
im=1
bimmaim) |
=m
i1=1
. . .m
im=1
bi11 . . . bimm | (ai1 , . . . , aim) |
=
bi11 . . . bimm | ai1m, . . . , aim) | (18)
onde esta soma final sobre toda permutao de (1, . . . ,m), deste teorema (e)que implica
| (ai1 , . . . , aim) |= 0
se ij = ik para algum j 6= k. Finalmente reordenar as colunas em | (ai1 , . . . , aim) |= 0 e usandoo teorema 1.4(f), temos
| C |= bi11, . . . , bimm(1)f(i1,...,im) | (ai1 , . . . , aim) |=| B || A |Este resultado muito til resumido abaixo.
Teorema 1.5.: Se A e B so matrizes da mesma ordem, ento, | AB |=| A || B |
10
-
1.7 A Inversa
Uma matriz A mm para os quais | A |6= 0 diz - se uma matriz no singular. Neste caso, existeuma matriz no singular denominado por A1 e chama-se a inversa de A, tal que
AA1 = A1A = Im (19)
Esta inversa nica desde que, se B outra matriz m m satisfazendo a inversa da frmula(19) para A, ento BA = Im, assim
B = BIm = BAA1 = ImA1 = A1
As seguintes propriedades bsicas da matriz inversapode ser facilmente verificada usando a fr-
mula (19).
Teorema 1.6.: Se um escalar diferente de zero e mm matriz no singular de A e B, ento:
(a) (A)1 = 1A1,
(b) (A)1 = (A1),
(c) (A1)1 = A,
(d) | A1 |=| A |1,
(e) Se A = diag(a11, . . . , amm), ento A1 = diag(a111 , . . . , a1mm),
(f) Se A = A, ento A1 = (A1),
(g) (AB)1 = B1A1
Tal como acontece com o determinante de A, a inversa de A pode ser inversa pode expressa em
termos em termos de cofactores de A. Seja A#, chamado de adjunto de A ser a transposio da
matriz de cofactores de A, isto , os elementos de A# (i, j), Aji, o cofactor de aji. Ento
AA# (i, j) = A# (i, j)A = diag(| A |, . . . , | A |) =| A | Im
desde que (A)i.(A#).i = (A#).i(A)i. =| A | resulta (14) e (15), e (A)i.(A#).j = (A#)i.(A).j = 0,para i 6= j resulta (16). A equao acima proporciona a relao
A1 =| A |1 A#
11
-
A relao entre o inverso do produto de uma matriz e o produto da inversa, dado pelo teorema
1.6(g) uma propriedade muito til. Infelismente, um relacionamento to bom no existe entre
o inverso de uma soma e soma dos inversos, temos no entanto, o seguinte resultado, que as vezes
til.
Teorema 1.7.: Supondo que A e B so matrizes no singulares, com A m m e B ser n n.Para qualquer matriz C m n e algum matriz D n m segue-se que se A + CBD singular,ento
(A+ CBD)1 = A1 A1C(B1 +DA1C)1A1
Proof. A prova envolve simplesmente verificar que (A + CBD)(A + CBD)1 = Im para (A +
CBD)1 dado anteriormente, neste caso temos
(A+ CBD)A1 A1C(B1 +DA1C)1DA1 =Im C(B1 +DA1C)1DA1 + CBDA1 CBDA1C(B1 +DA1C)1DA1 =
Im C(B1 +DA1C)1 B +BDA1C(B1 +DA1C)1DA1 =Im CB(B1 +DA1C)(B1 +DA1C)1 BDA1 = Im CB BDA1 = Im
Se m = n e C e D So matrizes identicas, ento obtm-se o seguinte caso especial do teorema
1.7.
Suponha que A e B e A+B so todas matrizes no singular mm, ento
(A+B)1 = A1 A1(B1 +A1)1A1
Obtemos outro caso especial do teorema 1.7 quando n = 1
Corolrio 1.7.2. Seja A ser uma matriz no singular m m. Se c e d so vectores m 1 eA+ Cd o singular, ento
(A+ cd)1 = A1 A1cd/(1 + dA1c)
Exemplo 1.2: Teorema 1.7 pode ser particularmente til quando m maior que n e a inversa
de A bastante fcil de calcular. Por exemplo, suponha temos A = Is.
B =
1 11 2
12
-
C =
1 0
2 1
1 10 2
1 1
D =
1 11 20 1
1 0
1 1
apartir do qual obtemos
G = A+ CBD =
1 1 1 1 0
1 6 4 3 11 2 2 0 12 6 4 3 21 4 3 2 2
um pouco entediante para calcular o inverso dessa matriz directamente 5 5.No entanto, os clculo do teorema 1.7 so bastante simples. Claramente A1 = IS e
B1 =
2 11 1
de modo que
(B1 +DA1C) =
2 11 1
+ 2 0
3 4
= 0 1
2 5
e
(B1 +DA1C)1 =
2.5 0.51 0
Assim, descobrimos que
13
-
G1 = IS C(B1 +DA1C)1A
1 1.5 0.5 2.5 23 3 1 4 33 2.5 1.5 3.5 32 2 0 3 21 0.5 0.5 1.5 2
=
1.8 Matrizes Particionado
Ocasionalmente, til particionar uma dada matriz em submatrizes. Por exemplo, suponha que
A m m inteiros positivos m1,m2, n2, n2 tais que que m = m1 + m2 e n = n1 + n2. Umamaneira de particionar uma matriz
A =
A11 A12A21 A22
Onde A11 m1 n1; A12 m1 n2; A21 m2 n1 e A22 m2 n2.Isto todas a matriz queconsiste nas primeiras linhas e colunasm1, n1 de A , A12 a matriz que consiste de primeiras filas
m1 e ltimas colunas de n2 de A, e assim por diante. Operaes de matrizes pode ser expressa
em clulas de submatrizes da matriz particionado. Por exemplo, suponha que B uma matriz
n p particionado como
B =
B11 B12B21 B22
onde B11 n1 p1, B12 n1 p2, B21 n2 p1, B22 n2 p2, e p1 + p2 = p. Ento apremultiplicao de B de A pode ser expresso na forma particionado
AB =
A11B11 +A12B21 A11B12 +A12B22A21B11 +A22B21 A21B12 +A22B22
As matrizes podem ser particionado em submatrizes em outras maneiras, alm de particiona-
mento 2 2 dado anteriormente. Por exemplo, poderamosparticionar apenas as colunas de A,obtendo - se a expresso.
A = [A1 A2]
Onde A1 uma matriz m n1 e A2 m n2. Uma situao mais geral aquele em que aslinhas de A so divididas em grupos de r e as colunas de A so divididas (particionado) dentro
do grupo c de modo que pode ser escrito como
14
-
A =
A11 A12 . . . A1c
A21 A22 A2c...
......
Ar1 Ar2 Arc
Onde a submatriz Aij mi nj e m1, . . . ,mr e n1, . . . nc so inteiros tal que
ri=1mi = m e
cj=1 nj = n
A matriz A acima dito ser em bloco diagonal se r = c, Aii uma matriz quadrada para cada i
e Aij uma matriz nula para qualquer i e j com i 6= j. Neste caso poderemos escrever:
A = diag(A11, . . . , Arr),
isto
A = diag(A11, . . . , Arr) =
A11 (0) . . . (0)
(0) A22 . . . (0)...
......
(0) (0) . . . Arr
Exemplo 1.3: Suponha que queremos calcular o produto da da transposta de AA da matriz
(5 5) dado por
A =
1 0 0 1 1
0 1 0 1 1
0 0 0 1 1
1 1 1 2 01 1 1 0 2
O clculo pode ser simplificado pela observao de que A pode ser escrito
A =
I3 13121213 2I2
Como resultado, temos:
AA =
I3 13121213 2I2
I3 1312121
3 2I2
15
-
= I3 + 13121213 1312 + 213121213 + 2121
3 121
3131
2 + 4I2
=
I3 + 21313 1312121
3 3121
2 + 4I2
=
3 2 2 1 1
2 3 2 1 1
2 2 3 1 1
1 1 1 7 3
1 1 1 3 7
1.9 A fila de uma matriz
A nossa definio inicial de patente de uma matriz A mn dado em males de uma matriz. Emgeral, alguma matriz formado pela eliminao da linha ou coluna de A chamado de submariz
de A. O determinante de uma submatriz de A r r chamado de menor ordem r. Por exemplo,para uma matriz A m m, j definimos e chamamos a menor de aij , isto , um exemplo deordem menor m 1. A classificao de uma matriz A no nula m n r, escrito rank(A) = r,pelo menos um dos seus menores de ordem r diferente de zero, enquanto que todas menores de
ordem r + 1 so. Se A uma matriz nula, ento rank(A) = 0.
A fila de uma matriz A inalterada por qualquer das seguintes operaes, chamado transfor-
maes elementares.
(a) O intercncio de duas filas ou colunas.
(b) A multiplicao de uma linha ou coluna de A por um escalar diferente de zero.
(c) A adio de um mltiplo de uma linha ou coluna de A para outra linha ou coluna de A.
Qualquer transformao fundamental de A pode ser expressa como a multiplicao de A por uma
matriz referida como uma matriz de transformao fundamental. Uma transformao elemen-
tar das linhas de A vai ser dada pela prmultiplicao de A por uma matriz de transformao
fundamental, enquanto que uma transformao fundamental da colunas correspondente a uma
fila de multiplicao. Matrizes de transformaes elementares no so singulares e qualquer ma-
triz no singular pode ser expressa como o produto de matrizes de transformaes elementares.
16
-
Consequentimente, temos o seguintes resultado muito til.
Teorema 1.8.: Seja A uma matriz m n, B uma matriz mm e C uma matriz n n. Entose B e C so matrizes no singulares, segue - se que
rank(BAC) = rank(BA) = rank(AC) = rank(A)
Usando a transformao elementar das matrizes, qualquer matriz A pode ser transformada em
outra matriz de forma mais simples com a mesma fila de A.
Teorema 1.9.: Se A uma matriz m n de fila r > o, ento existe uma matriz no singularmm e uma matriz B n n e C, tal que H = BAC e A = B1HC1, onde H dado por:
(a) Ir se r = m = n;
(b) [Ir (0)] se r = m < n;
(c)
Ir(0)
se r = n < m;(d)
Ir (0)(0) (0)
se r < m, r < nO que se segue uma consequencia do teorema Teorema 1.9.
Corolrio 1.9.1.: Seja A uma matriz m n com rank(A) = r > 0. Ento existe uma matriz Fm n e uma matriz G r n tal que
rank(F ) = rank(G) = r e A = F.G
1.10 matrizes ortogonais
Um vector P m chamado de vector normalizado ou vector unitrio se P P = 1.
O vector P1, . . . , Pn (m 1 ), onde n m so referidos como sendo ortogonal se, pi = 0 paraqualquer i 6= j. Se alm disso, cada pi um vector normalizado, os vectores referidos dizem - seortogonais. Uma matriz P m m cujas colunas formam um conjunto de vectores ortogonais echamado matriz ortogonal.
Segue - se imediatamente o seguinte
P P = I
17
-
Tomando odeterminante de ambos os lados, vemos que
| P P |=| P || P |=| P |2=| I |= 1
Assim, | P |= +1 ou 1, de modo que P no singular, P1 = P , e PP = I na adio paraP P = I, isto , as linhas de P na forma de um conjunto ortogonal do vector m 1. Algumaspropriedades de matrizes ortogonais encontram - se resumido no seguinte teorema.
Teorema 1.10.: Sejam P e Q matrizes ortogonais mm e A ser uma matriz mm. Ento
(a) | P |= 1
(b) | P AP |=| A |
(c) PQ uma matriz ortogonal
Uma matriz P m m chamado de matriz de permutao se cada linha e cada coluna de Ptem um nico elemento 1,enquanto todos os restantes elementos so zeros. Como resultado, as
colunas de P, ser e1, . . . , em as c olunas de Im, em alguma ordem. Observe que , em seguida,
o (h, h)th elementos de P P ser eiej = 0 para algum i 6= j se h 6= l, isto uma matriz depermutao matriz ortogonal especial. Desde que existe o m! meios de permutar as colunas de
Im existe m! permutao diferente da matriz de ordem m. Se A tambm uma matriz m mento PA cria uma matriz mm pela permutao da linha de A, e AP produz uma matriz pelapermutao das colunas de A.
1.11 Forma Quadrtica
Seja x um vector m 1, y um vector n 1 e A uma matriz mn. Ento a funo de x e y dadopor
xAy =m
i=1
nj=1 xiyjaij
as vezes chamado a forma bilinear em x e y. Estaremos mais interessos no caso especial em
que m = n, no entanto A uma matriz m n e x = y. Neste caso a funo acima reduz - se nafuno de x,
f(x) = xAx =m
i=1
nj=1 xixjaij
18
-
que chamado de funo quadrtica em x; A referido como a matriz da forma quadrtica.
Vamos assumir sempre que A uma matriz simtrica, j que se no , A pode ser substituido
por B = 12(A+A) que simtrica, sem alterar f(x), isto
xBx = 12x(A+A)x = 12(x
Ax+ xAx) = 12(xAx+ xAx) = xAx
Desde que xAx = (xAx) = xAx.
Cada matriz simtrica A e a sua quadrtica associada classificada em uma das seguintes cinco
categorias.
(a) Se xAx > 0, qualquer que seja x 6= 0, ento A definida positiva.
(b) Se xAx 0 qualquer que seja x 6= 0 e xAx = 0, para algum x 6= 0, ento semidefinidapositiva.
(c) Se xAx < 0, qualquer que seja x 6= 0, ento A definida negativa.
(d) Se Se xAx 0 qualquer que seja x 6= 0 e xAx = 0, para algum x 6= 0, ento semidefinidanegativa.
(e) Se xAx > 0, para algum x e xAx < 0 ento A indefinida.
Note - se que a matriz nulo, na verdade, tanto semidefinida positiva e semidefinida negativa.
Matrizes definidas positivas e negativas so no singulares, onde as matrizes semidefinidas pos-
itiva e negativas so singulares.Por vezes o termo definida no negativa ser utilizado para se
referir a uma matriz simtrica, isto positiva ou semidefinada positiva. Uma matriz B m m chamado de raiz quadrada definida no negativa da matriz A se A = BB. As vezes denom-
inaremos tal matriz um B como A1/2. Se B tambm simtrico, de modo que A = B2, ento B
chamado a raiz quadrada simtrica de A.
19
-
2 Espaos Vectoriais
Em estatstica, observaes tipicamente tomam a forma de vectores de valores de diferentes
variveis, por exemplo, para cada sujeito, numa amostra , pode registrar uma altura, peso, idade
e assim por diante. Em situaes de estimao e testes de hipteses, estamos normalmente
interessados em inferncias sobre sobre um vector de parmetros. Como resultado, o tema deste
captulo, espaos vectoriais, tem importantes aplicaes em estatstica. Na adio o conceito de
vectores linearmente independentes e dependentes, que discutimos na seco 3, muito til no
intendimento e determinao na fila de uma matriz.
Um espao vectorial uma coleo de vectores qe satisfazem algumas propriedades especiais.
Em particular a coleo fechado sob a adio de vectores sob a multiplicao de um vector por
um escalar.
Definio 2.1.: Seja S ser uma coleo de vectores m 1 satisfazendo o seguinte:
(a) Se x1S e x2S, ento x1 + x2S
(b) xS e , algum escalar real, ento xS
Ento S chamado um espao vectorial em espao de m - dimensional. Se S um subconjunto de
T, que um outro espao vectorial em espao m - dimensional, ento S chamado um subespao
vectorial de T. Isso ser indicado pela escrita S T.A escolha de = 0 na definio 2.1(b) implica que o vector nulo 0S, isto , cada espao vectorial
deve conter vector nulo. De facto, o conjunto S = 0, consistido que o vector nulo nica e em si
um espao vectorial. Note - se tambm que as duas condies (a) e (b) so equivalentes a` uma
condio que diz se x1S, X2S e 1 e 2 so quaisquer escalares reais, ento (1x1 + 2x2)S.
Isto pode ser facilmente generalizado para mais do que dois, digamos n, vectores, isto , se
1, . . . , n so escalares reais e x1, . . . , xn vectores tais que xiS, para qualquer i, ento para S
ser um espao vectorial devemos ter
ni=1
ixi S (20)
O lado esquerdo da equao (20) chamado de combinao linear de vectores x1, . . . , xn. Uma
vez que um espao vectorial fechado sob a formao de combinaes lineares , espao so por
vezes tambm referida como espaos lineares.
Exemplo 2.1: Considere os conjuntos de vectores dados por
20
- S1 = (a, 0, a) : < a
-
2.1 Independncia e Dependncia Linear
22
-
2.2 Bases e Dimenso
23
-
2.3 Bases e Dimenso
24
-
2.4 Matriz Linha e Independncia Linear
25
-
2.5 Bases ortonormais e Projees
26
-
2.6 Matrizes de Projeo
27
-
2.7 Interseo e Soma de Espaos Vectoriais
28
-
3 Inversa Generalizado
3.1 A inversa Generalizado de Moore - Penrose
29
-
3.2 Algumas Propriedades Bsicas da inversa de Moore - Penrose
30
-
3.3 A inversa de Moore - Penrose da Matriz Produto
31
-
3.4 A inversa de Moore - Penrose da Matriz Soma
32
-
3.5 A Continuidade da inversa Moore - Inverse
33
-
3.6 Outras inversas Generalizas
34
-
4 Matrizes Especiais e Matrizes Operadores
35
-
4.1 O produto de Kronecker
36