ÁLGEBRA DE MATRIZES 1

2.1 A NECESSIDADE DA ÁLGEBRA

A teoria dos MEM pode ser explicada razoavelmente bem somente com o uso de alguma
álgebra matricial, mesmo se o interesse for usar os MEM como ferramentas. No entanto é
preciso ter f é!

2.2 MATRIZES E VETORES

a11 a12 ... a1n
a21 a22 ... a2n
Am×n =
... ... ... ...
am1 am2 ... amn
Se m=n, então A e quadrada.

Um vetor coluna
c1
cm×1 = c2
...
cm
Um vetor linha

rm×1 = r1 r2 ... rn

Transposta de A é obtida trocando-se as linhas pelas colunas

a11 a21 ... am1

ATn×m= a12 a22 ... am2
... ... ... ...
a1n a2n ... amn
Matriz nula
0 0 ... 0
0= 0 0 ... 0
... ... ... ...
0 0 ... 0
Matriz diagonal
d1 0 ... 0
0 d2 ... 0
D=
... ... ... ...
0 0 ... dn
Matriz simétrica é sempre quadrada

a11 a21 ... am1

T
A=A = a21 a22 ... am2
... ... ... ...
am1 am2 ... amm

Carlos Tadeu dos Santos Dias

 ÁLGEBRA DE MATRIZES 2

Matriz identidade

1 0 ... 0
0 1 ... 0
I=
... ... ... ...
0 0 ... 1
Igualdade de matrizes

a11 a12 ... a1n b11 b12 ... b1n

a21 a22 ... a2n b21 b22 ... b2n
... ... ... ... = ... ... ... ...
am1 am2 ... amn bm1 bm2 ... bmn

Traço de uma matriz quadrada é a soma dos termos da diagonal principal. Por exemplo o
traço da matriz A quadrada definida anteriormente é (A ) = a11+a22+...+amm

2.3 OPERAÇÕES COM MATRIZES

ADIÇÃO
a11 a12 ... a2n b11 b12 ... b1n a11+b11 a12+b12 ... a1n+b1n
a21 a22 ... a2n + b21 b22 ... b2n = a21+b21 a22+b22 ... a2n+b2n
... ... ... ... ... ... ... ... ... ... ... ...
am1 am2 ... amn bm1 bm2 ... bmn am1+bm1 am2+bm2 ... amn+bmn

SUBTRAÇÃO

a11 a12 ... a1n b11 b12 ... b1n a11-b11 a12-b12 ... a1n-b1n
a21 a22 ... a2n b21 b22 ... b2n a21-b21 a22-b22 ... a2n-b2n
... ... ... ... - ... ... ... ... = ... ... ... ...
am1 am2 ... amn bm1 bm2 ... bmn am1-bm1 am2-bm2 ... amn-bmn

MULTIPLICAÇÃO DE UMA MATRIZ POR UM ESCALAR k

ka11 ka12 ... ka1n

kA= ka21 ka22 ... ka2n
... ... ... ...
kam1 kam2 ... kamn

MULTIPLICAÇÃO DE MATRIZES

CONDIÇÃO DE EXISTÊNCIA: A.B ou A×B somente é definido se o número de colunas

de A for igual ao número de linhas de B.

Carlos Tadeu dos Santos Dias

 ÁLGEBRA DE MATRIZES 3

a11 a12 ... a1n b11 b12 ... b1p Σa1jbj1 Σa1jbj2 ... Σa1jbjp
a21 a22 ... a2n b21 b22 ... b2p Σa2jbj1 Σa2jbj2 ... Σa2jbjp
... ... ... ... × = A.B =
... ... ... ... ... ... ... ...
am1 am2 ... amn bn1 bn2 ... bnp Σamjbj1 Σamjbj2 ... Σamjbjp

em que o somatório Σ é sobre o índice j que varia de 1 a n. Assim, o elemento (i,k) de A.B
é:
Σaijbjk=ai1b1k+ai2b2k+...+ainbnk
Para i=1,2,...,m e k=1,2,...,p
Nem sempre a matriz resultante da multiplicação A.B e B.A estão definidas, porém,
quando ambas são quadradas, as duas matrizes resultantes serão definidas, mas em geral
não são iguais:

2 -1 × 1 1 = 2×1+(-1)×0 2×1+(-1)×1 = 2 1
1 1 0 1 1×1+1×0 1×1+1×1 1 2
enquanto que:

1 1 × 2 -1 1×2+1×1 1×(-1)+1×1 3 0
0 1 1 1 = 0×2+1×1 0×(-1)+1×1 = 1 1

2.4 INVERSÃO DE MATRIZES

É análogo à operação aritmética comum de divisão: kk-1=1· Similarmente, se A é uma
matriz quadrada e AA-1=I, então A-1 é a inversa de A.
Ex.:
-1
2 1 = 2/3 -1/3
1 2 -1/3 2/3
Verificação:
2 1 × 2/3 -1/3 = 1 0
1 2 -1/3 2/3 0 1
De modo geral, para uma matriz 2×2:
-1
a b = 1/(a.d-b.c) d -b
c d -c a
Obs.: A inversa de A nem sempre existe! Esse é o caso em que o determinante (a.d-b.c)=0 e
a matriz é dita ser singular.
Matriz ortogonal é aquela em que A-1=AT.
Ex.:
??????

2.5 FORMAS QUADRÁTICAS

Carlos Tadeu dos Santos Dias

 ÁLGEBRA DE MATRIZES 4

É o escalar Q=xTAx, em que x é um vetor coluna de comprimento n (√(xTx)=n) e An×n.

Também, Q=ΣΣxiaijxj 3 1
Ex.: A forma quadrática de A= 1 2 é:
3 1 x1
x1 x2 1 2 x2
Q=3x12+2x1x2+2x22.

2.6 AUTOVALORES E AUTOVETORES

Seja o conjunto de equações lineares:

a11 x1+a12x2+...+a1nxn=λx1
...
an1x1+an2x2+...+annxn=λxn

Matricialmente: Ax=λx ou (A- λI)x=0, em que In×n e 0n×1. Essas equações podem valer
somente para certos valores de λ (autovalores ou raízes latentes) de A.
Obs.: Podem existir no máximo n desses autovalores λi (i=1,2,..,n)
Obs.: Dado o i-ésimo autovalor λi, as equações podem ser resolvidas atribuindo
arbitrariamente x1=1 e o resultante vetor de valores x com xT=(1,x2,x3,...,xn), ou qualquer
múltiplo desse vetor, é chamado o i-ésimo autovetor ou vetor latente da matriz A.
Obs.: traço(A)= λ1+λ2+...+λn
Ex.:
??????

2.7 VETORES DE MÉDIAS E MATRIZES DE COVARIÂNCIAS

Dada a estrutura de dados multivariados:

X1 X2 Xp
x11 x12 ... x1p
x21 x22 ... x2p
X =
... ... ... ...
xn1 xn2 ... xnp
O vetor de médias amostral multivariado é: xˉT=(xˉ1, xˉ2,..., xˉp) o qual é uma estimativa do
vetor de médias populacional μT=(μ1, μ2,..., μp). Cada elemento xˉj=(x1j+x2j+...+xnj)/n, para
j=1,2...,p
A matriz de variâncias e covariâncias amostral:

c11 c12 ... c1p

C = c21 c22 ... c2p
... ... ... ...
cp1 cp2 ... cpp

a qual é um estimativa da matriz de variâncias e covariâncias populacional:

Carlos Tadeu dos Santos Dias

 ÁLGEBRA DE MATRIZES 5

Σ 11 Σ 12 ... Σ 1p
Σ= Σ 21 Σ 22 ... Σ 2p
... ... ... ...
Σ p1 Σ p2 ... Σ pp
Cada elemento cjk= Σ(xij-xˉj)(xjk-xˉk)/(n-1), para j,k=1,2,...,p
Finalmente, a matriz de correlações amostral é:

1 r12 ... r1p

R = r21 1 ... r2p
... ... ... ...
rp1 rp2 1

a qual é um estimativa da matriz de correlações populacional:

1 ρ 12 ... ρ 1p
ρ = ρ 21 1 ... ρ 2p
... ... ... ...
ρ p1 ρ p2 1

Cada elemento rjk=cjk/(cjj×ckk)

Ex.:
???????

Carlos Tadeu dos Santos Dias