Escolar Documentos
Profissional Documentos
Cultura Documentos
Apostila Matrizes e Determinantes
Apostila Matrizes e Determinantes
1 Matrizes
1.1 Conceitos Bsicos
Chamamos de matriz a uma tabela de elementos dispostos em linhas e colunas.
Altura (metros) Pessoa 1 Pessoa 2 Pessoa 3 Pessoa 4 1,70 1,75 1,60 1,81
Peso (quilos) 70 60 52 72
Idade (anos) 23 45 25 30
70 60 52 72
Os elementos de uma matriz podem ser nmeros, funes etc, como nas matrizes abaixo: x2 1 x 2 x + 1 3
[5
sen x 2]
0 e3 3 x
Amn
a11 a = 21 am1
a12 a22 am 2
a1n a2 n = a , ij mn amn
onde aij o elemento caracterstico da matriz, com i representando a linha e j, a coluna. Definio: Duas matrizes Amn = aij mn e Brs = bij rs so iguais, ou seja, A = B , se elas tm o mesmo nmero de linhas ( m = r ) e colunas ( n = s ) e todos os seus elementos correspondentes so iguais ( aij = bij ).
Exemplo:
22 3 cos 900 ln1 sen 90o 4 0 1 0 9 = 3 0 3 1 3 0 1 3
Seja Amn uma matriz com m linhas e n colunas. Alguns tipos importantes de matrizes so os seguintes:
(a)
2 0 9 4 8 7 2 8 6 33
[ 4]11
(b)
Nula: aij = 0 i, j .
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
(c)
Coluna: n = 1 . 1 4 3 6 0 8 7
(d)
[3
7 4]
[6
4 1 8]
Uma matriz linha chamada de vetor-linha. Diagonal: uma matriz quadrada onde aij = 0 i j .
(e)
2 0 0 0 1 0 0 0 4 (f) Identidade: uma matriz diagonal onde todos os elementos da diagonal so iguais a 1, ou seja, aii = 1 e aij = 0 i j .
1 0 0 0 1 0 0 0 1
(g) Triangular Superior: uma matriz quadrada onde todos os elementos abaixo da diagonal so nulos, isto , aij = 0 i > j . 4 3 2 9 0 1 0 1 0 0 3 4 0 0 0 1 (h) Triangular Inferior: uma matriz quadrada onde todos os elementos acima da diagonal so iguais a zero, isto , aij = 0 i < j .
2 0 0 3 2 0 3 3 4 2 4 8 (i)
0 0 0 9
1 2 4 2 3 1 4 1 2
mn
1 5 0 8 1 Exemplo: 3 3 + 7 1 = 4 4 2 9 0 13
13 2 2
Propriedades da adio: Dadas as matrizes A, B e C de mesma ordem mxn, temos: (i) A + B = B + A (comutatividade) (ii) A + ( B + C ) = ( A + B ) + C (associatividade) (iii) A + 0 = A , onde 0 a matriz nula mxn.
Demonstrao: Exerccio!
mn
Propriedades: Dadas matrizes A e B de mesma ordem mxn e nmeros reais k , k1 e k2 , temos: (i) k ( A + B ) = kA + kB (ii) ( k1 + k2 ) A = k1 A + k2 A (iii) 0. A = 0 (iv) k1 ( k2 A) = ( k1k2 ) A
Demonstrao: Exerccio!
Exemplos:
3 8 0 0 3 A = 0 7 AT = 8 7 3 0 3 4 2 4 2 B= BT = 2 1 2 1
Propriedades: (i) (ii) (iii) (iv) (v) Uma matriz simtrica se, e somente se, ela igual sua transposta, ou seja, A = AT .
(A )
T
=A
T
( A + B)
= AT + BT
( kA)
= kAT
= BT AT
( AB )
Demonstrao: Exerccio!
A = aij
mn
+ aunbnv
Perceba que s possvel efetuar o produto de duas matrizes Amn e Bl p se n = l , ou seja, se o nmero de colunas da matriz que aparece pr-multiplicando for igual ao nmero de linhas da matriz que aparece ps-multiplicando.
Exemplos:
1 1 1 Exemplo: Se A = 3 2 1 2 1 0
1 2 3 B = 2 4 6 , ento 1 2 3
0 0 0 11 6 1 0 0 0 e BA = 22 12 2 AB = 0 0 0 11 6 1 importante perceber que AB = 0 sem que A = 0 ou B = 0 . Desde que estejam bem definidas as operaes, as seguintes propriedades so vlidas: (ii)
AI = IA = A
( A + B ) C = AC + BC ( AB ) C = A ( BC )
( AB )
T
= BT AT
(vii) 0. A = 0 e A.0 = 0
Obs.: (i) Nem toda matriz quadrada possui inversa. Se uma matriz quadrada possui inversa, ela chamada de no-singular. Se ela no possui inversa, chamada de singular. (ii) Se existe a matriz inversa, ento ela nica. 1 1 3 6 3 1 Exemplos: Se A = , ento e B= 0 2 0 1 2 3 1 2 1 1 6 0 1 1 0 AB = = = = I. 0 2 0 3 6 0 6 6 0 1 Podemos verificar facilmente que BA = I , de forma que B = A1 e A = B 1 .
(A )
( AB )
1 1
=A
= B 1 A 1
o que implica C = B 1 A1 .
(iii)
(A )
T
= ( A1 )
onde os aij , 1 i m, 1 j n , so nmeros reais. Uma soluo do sistema acima uma lista de n nmeros (n-upla) do tipo
( x1 , x2 ,, xn )
a12 a22 am 2
onde A a matriz dos coeficientes, x o vetor das incgnitas e b o vetor dos termos independentes. Outra matriz importante a matriz ampliada do sistema: a11 a 21 am1 a1n a2 n b1 b2 bn
a12 a22
am 2 amn
(i)
Exemplo: L1 L2 2 0 4 2 4 2 2 0 5 1 5 1 (ii) Multiplicao da i-sima linha por um escalar (nmero real) no nulo k ( Li kLi )
Exemplo: L3 2 L3 2 0 2 0 4 2 4 2 5 1 10 2 (iii) Substituio da i-sima linha pela i-sima linha mais k vezes a j-sima linha ( Li Li + kL j ) Exemplo: L2 L2 + 3L1 2 0 2 0 4 2 10 2 5 1 5 1
10
Se A e B so matrizes mxn, dizemos que B linha-equivalente a A se B pode ser obtida de A atravs de um nmero finito de operaes elementares sobre as linhas de A. A notao para isso A B ou A B . 1 0 1 0 Exemplo: 4 1 0 1 , pois 3 4 0 0
1 0 1 0 1 0 4 1 0 1 0 1 L2 L2 4 L1 L3 L3 +3 L1 3 4 3 4 0 4 1 0 1 0 0 1 0 1 L2 L2 L3 L3 4 L2 0 4 0 0
Forma Escada
< kr .
Exemplos:
11
(1)
(2)
(3)
Teorema: Toda matriz Amn linha-equivalente a uma nica matriz linha-reduzida forma
escada.
Definio: Dada uma matriz Amn , seja Bmn a matriz linha-reduzida forma escada
equivalente a A. O posto de A, denotado por p, o nmero de linhas no nulas de B. A nulidade de A igual ao nmero n-p.
1 2 1 1 0 3 1 2 1
0 1 2 1 0 2 4 5 L2 L2 + L1 L L L 1 3 3 1 0 4 0
0 1 2 1 0 1 2 5 L L2 2 2 0 4 0 1
0 5 2 1 7 8 1 4 11 8
1 0 3 0 1 2 L1 L1 2 L2 L3 L3 + 4 L2 0 0 8
5 1 0 3 5 1 0 0 0 1 2 5 2 0 1 0 5 2 L 3 L1 L1 +32LL L3 3 L L 8 0 0 1 11 8 2 2 3 0 0 1 11
12
Podemos interpretar a matriz A como sendo a matriz ampliada do seguinte sistema linear:
x1 + 2 x2 + x3 = 0 x1 + 0 x2 + 3x3 = 5 x 2x + x = 1 2 3 1
Pelo que foi demonstrado acima, esse sistema equivalente ao seguinte sistema:
7 x1 = 8 1 x2 = 4 11 x3 = 8 Solues de Sistemas de Equaes Lineares Considere o sistema formado de apenas uma equao e uma incgnita ax = b . Nesse caso, h trs possibilidades: (i)
b . a
(ii): a = 0 e b = 0 : Neste caso, o sistema torna-se 0 x = 0 e qualquer nmero real uma soluo. (iii) a = 0 e b 0 : Neste caso, o sistema torna-se 0x = b e no possui soluo.
Analogamente, no caso de um sistema de m equaes lineares e n incgnitas, h trs casos possveis: uma nica soluo, infinitas solues ou nenhuma soluo. No primeiro caso, o sistema dito possvel (ou compatvel) e determinado, no segundo, possvel e indeterminado, e, no terceiro, impossvel (ou incompatvel). O seguinte teorema traz alguns resultados sobre a existncia de solues.
13
Teorema: (i) Um sistema de m equaes e n incgnitas admite soluo se, e somente se, o posto da Se as duas matrizes tm o mesmo posto p e p = n , a soluo nica.
(iii) Se as duas matrizes tm o mesmo posto e p<n, podem ser escolhidas n-p incgnitas, e as demais p incgnitas sero dadas em funo destas.
Exemplos: (1)
x1 = 5, x2 = 1, x3 = 2 , j que o posto da matriz de coeficientes ( pc ) igual ao da matriz ampliada ( pa ), pc = pa = 3 , e o nmero de incgnitas igual ao posto. (2) Para o sistema com matriz ampliada 1 0 8 2 0 1 2 5 , temos
pc = pa = 2, m = 2, n = 3, p = 2 , de maneira que h infinitas solues, dadas por x1 = 2 8 x3 x2 = 5 + 2 x3 1 0 8 2 O sistema com matriz ampliada 0 1 2 5 impossvel, pois pc = 2, pa = 3. 0 0 0 3
(3)
(4)
x1 + 2 x2 + x3 + x4 = 0 . A matriz ampliada do sistema pode ser Considere o sistema x1 + 3x2 x3 + 2 x4 = 0 transformada na forma escada atravs das seguintes operaes.
1 2 1 3
1 1 1 2
0 1 0 L2 L2 L1 0
2 1
1 1 0 1 0 L1 L1 2 L2 2 1 0
0 1
5 2
1 0 1 0
14
Podemos observar que pc = pa = 2, m = 2, n = 4 , de forma que h 2 graus de liberdade. As variveis x3 e x4 so livres. Se fizermos x3 = 1 e x4 = 2 , obteremos as seguintes solues do problema: x1 = 51 + 2 x2 = 21 2 x3 = 1 x4 = 2
2 Determinantes
2.1 Definio e propriedades bsicas
Considere o sistema de apenas uma equao e uma incgnita ax = b , com a 0 . A soluo desse sistema x = sistema, [ a ] .
b . O denominador a est associado matriz de coeficientes do a
a11 x1 + a12 x2 = b1 Em um sistema 2x2 do tipo , a soluo dada por a21 x1 + a22 x2 = b2
b1a22 b2 a12 b a ba e x2 = 2 11 1 21 . a11a22 a12 a21 a11a22 a12 a21
x1 =
Perceba que os denominadores so iguais. Alm disso, de maneira anloga ao caso de uma equao e uma incgnita, os denominadores esto associados matriz de coeficientes do sistema, qual seja
15
Os denominadores mencionados acima so chamados de determinantes das matrizes de coeficientes. Para podermos definir determinante, precisamos da noo de inverso, dada a seguir: Definio: Dada uma permutao dos inteiros 1, 2, , n , existe uma inverso quando um inteiro precede outro menor do que ele.
Podemos agora definir o conceito de determinante. Definio: O determinante de uma matriz quadrada A = aij definido como det A = ( 1) a1 j1 a2 j2 anjn ,
J
onde J = J ( j1 , j2 , , jn ) o nmero de inverses da permutao ( j1 , j2 ,, jn ) e indica que a soma ocorre sobre todas as permutaes de (1, 2, , n ) (existem n! permutaes). Podemos fazer as seguintes observaes com relao a essa definio.
Obs.: (i) Em cada termo do somatrio, existe um e apenas um elemento de cada linha e um, e apenas um, elemento de cada coluna da matriz; (ii) O determinante tambm pode ser definido atravs da frmula det A = ( 1) a j11a j2 2 a jn n ,
J
det [ a ] = a
a a det 11 12 = a11a22 a12 a21 a21 a22
16
(3)
a13 a23 = a11a22 a33 a11a23a32 a12 a21a33 a33 + a12 a23a31 + a13a21a32 a13a22 a31
Propriedades:
(1)
det A = 0 .
Dem.: Segue-se imediatamente da observao (i). (2)
det A = det AT .
Dem.: Se A = aij , sabemos que AT = bij , onde bij = a ji . Sendo assim, det bij = ( 1) b1 j1 b2 j2 bnjn
J
= ( 1) a j11a j2 2 a jn n
J
Se a linha de uma matriz multiplicada por uma constante, o determinante fica multiplicado por esta constante. Dem.: Segue-se imediatamente da observao (i). Exemplo: ka kb a b = kad kbc = k ( ad bc ) = k . c d c d
(4)
A troca da posio de duas linhas (ou colunas) altera o sinal do determinante, mas no o seu valor numrico. Dem.: Quando duas linhas so trocadas, alterada a paridade do nmero de inverses dos ndices, o que significa que o sinal dos termos trocado. Exemplo: a b c d = ad bc, = cb ad = ( ad bc ) . c d a b
17
(5)
O determinante de uma matriz que tem duas linhas (ou colunas) iguais zero. Dem.: Quando as posies das linhas iguais so trocadas, o determinante troca de sinal, pela propriedade (4). Por outro lado, a matriz que resulta da troca de linhas (ou colunas) a mesma de antes, o que significa que o determinante tem que ser o mesmo. Portanto, a nica possibilidade que o determinante seja nulo.
(6)
Se uma linha (ou coluna) um mltiplo de outra linha (ou coluna), ento o valor do determinante zero. Dem.: Mesmo argumento utilizado acima, utilizando tambm a propriedade (3).
(7)
O determinante no se altera se for somada a uma linha (ou coluna) outra linha (ou coluna) multiplicada por uma constante. Exemplo: a b a b = a ( d + kb ) b ( c + ka ) = ad bc = . c + ka d + kb c d
(8)
= a11 A11 a12 A12 + a13 A13 , onde Aij a submatriz da matriz inicial que resulta da retirada da i-sima linha e da j-sima coluna. Defina agora ij = ( 1)
i+ j
18
onde podemos observar que o determinante foi desenvolvido pela i-sima linha. Uma frmula anloga vale para o desenvolvimento a partir de uma determinada coluna.
Exemplos: (1)
1 A= 2
2 3 1 1 = ( 2 ) 12 + 1 22 + ( 1) 32 = ( 2 )( 2 ) + (1)( 8 ) + ( 1)( 7 ) = 5, 2
1+ 2
2 1
onde 12 = ( 1)
2 1 3 3 2+ 2 1 3+ 2 1 = 2, 22 = ( 1) = 8 e 32 = ( 1) . 2 2 2 2 2 1
(2)
1 2 4 2 3 0 4 0 0 1
(7)
C1 C1 2 C2
5 2 = 0 2
3 0
4 0 0 1 4 = 2 ( 1)
2+ 2
1 2 3 2 5 3
( 3)
5 2 3 8 5 3 10 0
5 3 4 5 3 0 8 3 10 1 4
5 3
= ( 2 ) 5 3 0 = ( 2 ) 5 3 0 = ( 2 )( 3)( 1) L1 L1 + L2 L3 L3 + L2 8 3 1 13 0 1
(7)
2+ 2
13 1
= ( 6 )( 10 52 ) = 372.
19
19 19 19 A = 5 10 11 . 4 8 5
Definio: Dada uma matriz quadrada A, definimos a matriz adjunta de A como sendo a
transposta da matriz dos cofatores de A.
21 22 23
31 32 = cij , 33
a11
de a11 a31
a13 a13 , que igual a zero porque duas linhas so iguais. a33
Analogamente, cii = det A e cij = 0, i j , de forma que 0 0 det A 0 A ( adj A ) = det A 0 = ( det A ) I 3 . 0 0 det A Dada uma matriz quadrada A de ordem n que possua inversa, temos que
20
AA1 = I n
e que
ou seja, det A 0 uma condio necessria para que A tenha inversa. Mas essa condio tambm suficiente, pois sabemos que AAT = ( det A) I , de forma que, se det A 0 , ento
1 T 1 T 1 A A =I eA = A . Isso conduz ao seguinte resultado: det A det A
Teorema: Uma matriz quadrada A admite inversa se, e somente se, det A 0 . Nesse caso,
A 1 = 1 ( adj A ) . det A
2 7 1 7 1 2
0 2 3 7
4 1 3 7 4 1 0 2
21 7 5 Portanto, adj A = 6 31 8 e 9 3 12
21
21 7 5 1 A1 = 6 31 8 99 9 3 12
Considere um sistema de n equaes lineares e n incgnitas: a11 x1 + a12 x2 + a x + a x + 21 1 22 2 an1 x1 + an 2 x2 + + a1n xn = b1 + a2 n xn = b2 + ann xn = bn
Seja A a matriz de coeficientes desse sistema e denote por i o determinante da matriz obtida substituindo a i-sima coluna de A pela coluna dos termos independentes. A regra de Cramer estabelece a seguinte relao entre determinantes e a soluo do sistema:
Teorema: O sistema acima tem uma nica soluo se, e somente se, det A 0 . Nesse caso,
a soluo nica dada por
x1 = 1 , x2 = 2 , , xn = n . det A det A det A
preciso enfatizar que a regra de Cramer s pode ser utilizada para resolver sistemas de equaes lineares com o mesmo nmero de equaes e incgnitas e quando det A 0 . Na verdade, se det A = 0 , o teorema no diz se o sistema tem soluo ou no.
22
1 1 = 8
3 5
1 2 2 = 66, 2 = 3
1 8
1 2 2 = 22, 3 = 3
3 5
1 8 = 44.
1 2 3
1 1 3
1 2 1
x=
c1 P + c2 P2 = c0 1 , 1 1 P + 2 P2 = 0
onde ci ai bi , i = 0,1, 2 e i i i , i = 1, 2,3 . Podemos aplicar a regra de Cramer a esse sistema, desde que o determinante da matriz de coeficientes seja diferente de zero. Suponha que c1 2 c2 1 . Ento
23
det A =
e o mtodo pode ser aplicado.
c1
c2
1 2
= c1 2 c2 1 0,
2
c0
= c0 2 + c2 0 = c1 0 + c0 1
1 0
Para que os preos sejam positivos, preciso que os numeradores tenham o mesmo sinal que o denominador, o que introduz novas restries sobre os parmetros. As quantidades de equilbrio podem ser encontradas por substituio dos preos de equilbrio nas funes de oferta ou demanda. Outra aplicao a modelos de Teoria dos Jogos. O problema mais conhecido em Teoria dos Jogos e o Dilema dos Prisioneiros, que pode ser representado pela matriz de
payoffs abaixo:
-2,-2 -1,-10
-10,-1 -5,-5
No jogo acima, Confessar (C) uma estratgia dominante para ambos jogadores e o perfil (C,C) um equilbrio de Nash. O jogo abaixo est na forma extensiva e conhecido como o Jogo da Cerveja-Quiche (Beer-Quiche):
24
s
2
s
2
rl
20 10
0 30 10 30 10 20 0 10 0 10 0 10
0 0
O jogo se desenvolve como a seguir. O jogador 1 observa um movimento aleatrio da natureza que determina o seu tipo: ele forte (S) com probabilidade 0,9 e fraco (W), com probabilidade 0,1. Aps tomar conhecimento do seu tipo, o jogador 1 envia um de dois sinais ao jogador 2: s (Eu sou forte) ou w (Eu sou fraco). Enviar um sinal verdadeiro no custa nada, mas enviar um sinal falso custa 10 unidades de payoff. Aps receber o sinal, o jogador 2 decide se luta (l) ou recua (r). Se decidir lutar, ele ganhar 10 unidades de
payoff se o jogador 1 for fraco e perder 10 se ele for forte. O jogador 1, por outro lado,
perder 20 unidades de payoff se ocorrer a luta (independentemente do seu tipo). Cada jogador tem 4 estratgias puras. Para o jogador 1, elas so: sempre s (ss), s quando S, w quando W (sw), w quando S, s quando W (ws), e sempre w (ww). As estratgias do jogador 2 so: recuar quando s, lutar quando w (rl), sempre recuar (rr), sempre lutar (ll), e lutar quando s, recuar quando w (lr). A matriz de payoffs :
rl ss sw ws rr ll lr
-1,0 -2,1
-1,0 0,0
ww -29,-8
25
Para entender melhor os payoffs da matriz, observe o perfil (ws,rf). O payoff do jogador 1 pode ser recalculado como
( 0.9 )( 10 ) + ( 0.1)( 0 ) = 9.
Os equilbrios de Nash com estratgias puras so (ss,rf) e (ww,fr). Agora suponha que estejamos interessados em encontrar os equilbrios de Nash com estratgias mistas. Sejam as estratgias mistas do jogador 1 representadas pelo vetor 1 = ( x1 , x2 , x3 , x4 ) e as do jogador 2, por 2 = ( y1 , y2 , y3 , y4 ) . Observe que y3 = 0 em qualquer equilbrio de Nash, pois ff estritamente dominada por rr. Observe tambm que x3 = 0 em qualquer equilbrio de Nash, pois ws no racionalizvel. Queremos determinar as condies sob as quais (ss,sw) pode fazer parte de um equilbrio de Nash com estratgias mista, isto , onde x1 > 0 e x2 > 0 . Sabemos que para isso ser verdade preciso que u1 ( ss, 2 ) = u1 ( sw, 2 ) , onde
u1 ( ss, 2 ) = y1 y2 21y3 21y4 = ( y1 + y2 ) 21( y3 + y4 ) u2 ( sw, 2 ) = 2 y1 + 0 y2 20 y3 18 y4 = 2 y1 20 y3 18 y4 . Lembrando que y3 = 0 , obtemos a seguinte equao:
( y1 + y2 ) 21 y4 = 2 y1 18 y4 y1 y2 3 y4 = 0.
Combinando essa equao com y1 + y2 + y4 = 1 , obtemos um sistema de equaes que pode ser resolvido como a seguir: 1 1 3 0 1 1 3 1 1 1 1 0 2 4 L2 L2 L1 1 1 3 0 1 L L2 2 0 1 2 1 L1 L1 + L2 2 0 2 0 1 0 1 1 2 1 2 1 2
26
y1 =
1 1 + , y2 = 2 . 2 2
2.5.2 Econometria
Suponha que a relao entre a varivel dependente e vrias variveis independentes (explicativas) seja a seguinte: yi = 1 xi1 + 2 xi 2 + + K xiK + i , i = 1, , n.
A relao acima chamada de equao de regresso, onde a varivel dependente, y, explicada pelas variveis x1 , , xK . O subndice i indexa as observaes, que totalizam n. O termo o erro aleatrio. Esse erro surge por diversas razes, sendo a principal o fato de que no possvel captar todas as influncias sobre uma determinada varivel y. O resultado lquido de todos os fatores omitidos est refletido no erro. Outro elemento capturado pelo erro aleatrio so os erros de medio, que esto presentes em qualquer amostra. Por exemplo, suponha que estejamos interessados em estudar o comportamento da renda dos indivduos e que tenhamos postulado o seguinte modelo de regresso simples: renda = 0 + 1educao + . Esse modelo no leva em considerao que outros fatores alm do nvel de educao podem afetar a renda do indivduo, como idade e nvel de educao dos pais. Portanto, o erro aleatrio refletir a omisso dessas variveis. Alm disso, bastante provvel que a varivel educao esteja medida com erro, mesmo porque no h consenso sobre como ela deve ser medida. Isso tambm capturado pelo erro aleatrio. A equao de regresso na verdade um conjunto de equaes, uma para cada observao: y1 = 1 x11 + 2 x12 + y2 = 1 x21 + 2 x22 + + K x1K + 1 + K x2 K + 2
yn = 1 xn1 + 2 xn 2 + + K xnK + n
27
y = X +, onde
y1 x11 y x y = 2 , X = 21 yn xn1 x12 x22 xn 2 x1K 1 1 x2 K , = 2 , = 2 xnK K n
O objetivos principais de uma anlise de regresso so estimar os parmetros desconhecidos i , usar os dados disponveis para estudar a validade de proposies tericas e usar o modelo para testar hipteses e fazer previses sobre a varivel dependente. Para obter estimativas dos parmetros, o mtodo mais utilizado o de mnimos quadrados ordinrios. Esse mtodo procura encontrar os coeficientes que minimizam a soma dos quadrados dos resduos
e
i =1
2 i
= eT e,
e1 e onde e = 2 o vetor de resduos, sendo o resduo da i-sima observao definido por en ei = yi ( xi1b1 xi 2b2 xiK bK ) e bi a estimativa de i .
= I X ( X T X ) X T y = My.
1
A matriz M tem grande importncia para a anlise de regresso, e apresenta propriedades interessantes. Alm de ser simtrica, essa matriz idempotente, o que significa que M 2 = M . De fato,
28
1 1 M 2 = I X ( X T X ) X T I X ( X T X ) X T
= I 2 X ( X T X ) X T + X ( X T X ) IX T
1 1 1 1
= I 2X ( X T X ) X T + X ( X T X ) X T = I X (XT X ) XT = M e
1 1 M T = I X ( X T X ) X T = I X ( X T X ) X T T T T
1 T T = I ( X T ) ( X T X ) X T = I X ( X T X ) X T
= I X ( X T X ) X T = M.
1
29