Você está na página 1de 61

Reviso de lgebra Matricial

Profa. Patricia Maria Bortolon


Fonte: BOLDRINI, C. e WETZLER, F.; lgebra Linear. 3. ed. So Paulo. Editora Harbra, 1986

lgebra Matricial
Da Matemtica do 1. Grau:
y 2 x 4 (1)

y x 1 ( 2)
De (2) : y x 1

10

Em (1) :

y=x+1

( x 1) 2 x 4

3x 4 1

Eq2
Linear (Eq1)

3x 3
x 1
Em (2) :
y x 1
y2

Eq1

Linear (Eq2)

0
-3

-2

-1

-2

y = -2x + 4
-4

lgebra Matricial
Indivduo

Altura (m)

Peso (kg)

Idade (anos)

1,70

70

23

1,75

60

45

1,60

52

25

1,81

72

30

Aps estudar 300 artigos tericos e empricos lano a


seguinte hiptese sobre a relao entre essas
variveis:
Peso = 0 + 1Altura + 2Idade

lgebra Matricial
Posso escrever as seguintes equaes com os dados
das pessoas que tenho:
0 1 1,70 2 23 70
0 1 1,75 2 45 60
0 1 1,60 2 25 52
0 1 1,81 2 30 72

As incgnitas so 0, 1,2
E se tivssemos estudando o que afeta a rentabilidade
sobre o PL das empresas?

lgebra Matricial
Suponha que aps ler 300 artigos tericos e empricos
voc possa lanar a seguinte hiptese:
ROE = 0 + 1Ativo + 2D/E
Voc escolhe 4 empresas para compor a amostra:
Vale, Petro, BRFoods e Gol e utiliza os dados de
2010:
Empresa

ROE

Ativo (milhes R$)

D/E

Vale

26,8

214.662

27,0

Petro

11,5

519.970

20,1

BRFoods

5,9

27.751

29,6

Gol

7,3

9.064

60,2

lgebra Matricial
Posso escrever as seguintes equaes com os dados
que tenho:

0 214.6621 27 2 26,8
0 519.9701 20,1 2 11,5
0 27.7511 29,6 2 5,9
0 9.0641 60,2 2 7,3

lgebra Matricial
Podemos representar esses dados dispondo-os em
linhas e colunas. A isso chamamos matriz:

1 214.662 27,0 26,8


1 519.970 20,1 11,5

1 27.751 29,6 5,9

1 9.064 60,2 7,3


Pode ser representada entre ( ); [

];

lgebra Matricial
Exemplos:

5 7
1
2 3 5

A 2X3
B 2X3 1 0 4

6 1 3
8 9 11
Amxn = m indica o no. de linhas e n o no. de colunas
aij = o elemento localizado na i-sima linha e j-sima
coluna
Na matriz A => a11=2 a23=3
Na matriz B => b23=4 b13=11

lgebra Matricial
Escalar: no. real = matriz 1 x 1 = [k]
Tipos Especiais de Matrizes:
Matriz Quadrada: quando m = n
1 2 0
3 0 1

4 5 6

Matriz Nula: quando aij = 0 i e j

0 0
0 0

lgebra Matricial
Tipos Especiais de Matrizes:
Matriz Coluna: vetor coluna = Amx1

1
4

3

x
y

Matriz Linha: Vetor linha = A1xn

0 1

lgebra Matricial
Tipos Especiais de Matrizes:
Matriz Diagonal: aij = 0 i j em uma matriz quadrada
nxn

1 0 0
0 2 0

0 0 6

Matriz Identidade ou Unidade: quando em uma matriz


quadrada aii = 1 e aij = 0 i j

1 0 0
0 1 0

0 0 1

lgebra Matricial
Tipos Especiais de Matrizes:
Matriz Triangular Superior: aij = 0
quadrada
1 3 5
0 2 4

0 0 6
Matriz Triangular Inferior: aij = 0
quadrada

1 0 0
8 4 0

1 3 6

p/ i > j em uma matriz

p/ i < j em uma matriz

lgebra Matricial
Tipos Especiais de Matrizes:
Matriz Simtrica: quando m = n e aij = aji

5
1 3
3 2 4

5 4 6

Operaes com Matrizes


Adio
As matrizes precisam ser de mesma ordem
Amxn = [aij] e Bmxn = [bij]
C = A + B = [aij + bij]mxn
0 1 3
1
e
B

2
0
1
5

3 3 3 8
C

4
7
9
14

2 3 4 5
A

6
7
8
9

Propriedades da soma:

1. Comutatividade: A + B = B + A
2. Associatividade: A + (B + C) = (A + B) + C
3. A + 0 = A, onde 0 a matriz nula m x n

Operaes com Matrizes


Subtrao
Segue o mesmo princpio da soma

Multiplicao por escalar:


Seja k um escalar e A = [aij]mxn
k . A = [k . aij]mxn
Exemplo:
2 10
k 2
e A

4 20
kA

2
6
Propriedades:

1. k (A + B) = k A + k B
2. (k1 + k2) A = k1A + k2A
3. 0.A = 0
4. k1(k2A) = (k1k2)A

Operaes com Matrizes


Transposio
Uma matriz transposta obtida trocando-se as linhas e
colunas da matriz original. Uma matriz Amxn ficar Anxm.
Denota-se A
Exemplo:
2 1
2 0 1

A 0 3 A '

1
3
4

2 x3
1 4 3 x 2
1 3
1 3
B
B'

3
2
3
2

1
C C' 1 2
2

Operaes com Matrizes


Transposio
Propriedades:
1. Uma matriz simtrica se, e somente se, A = A
2. A = A
3. (A + B) = A + B
4. (kA) = kA
5. (AB) = BA

Exemplo de Aplicao
Suponha que voc est tentando prever o retorno de
uma carteira. Analistas fizeram as previses de
retorno de 3 aes para 3 estados da economia.
Estado da
Natureza

Vale

Petro

Gol

BOOM

5%

4%

6%

ESTVEL

3%

3%

2%

RECESSO

2%

1%

0%

Se voc estiver planejando investir 30% em Vale,


30% em Petro e 40% em Gol, que retornos ter em
cada estado?

Exemplo de Aplicao
Retornos esperados:
BOOM: 30% x 5% + 30% x 4% + 40% x 6% = 5,1%
ESTVEL: 30% x 3% + 30% x 3% + 40% x 2% = 2,6%
RECESSO: 30% x 2% + 30% x 1% + 40% x 0% = 0,9%

O que fizemos foi uma multiplicao de matrizes:


5% 4% 6%
30%
5,1%
3% 3% 2% 30% 2,6%

2% 1% 0% 3 x 3 40% 3 x1 0,9% 3 x1

Multiplicao de Matrizes

Amxn x Bnxp = Cmxp


Cada elemento cij o somatrio dos produtos dos
elementos da i-sima linha de A pela j-sima coluna
de B
O no. de colunas de A e o no. de linhas de B precisam
ser iguais
2 1
2.1 1.0 2(1) 1.4
2 2
4 2 1 1 4.1 2.0 4(1) 2.4 4 4
0 4

2x2
5 3 3 x 2
5.1 3.0 5(1) 3.4 3 x 2 5 7 3 x 2

Multiplicao de Matrizes
Propriedades:
1. Em geral AB BA
1
Sejam A 3
2
0
Ento AB 0
0

1
2
1
0
0
0

1
1 2 3
1 e B 2 4 6
1 2 3
0
0
11 6 1
0 e BA 22 12 2
11 6 1
0

Note, ainda, que AB = 0, sem que A = 0 ou B = 0


2. AI = IA = A (o que justifica o nome da matriz
identidade)
3. A(B+C) = AB + AC (distributividade esquerda)

Multiplicao de Matrizes
Propriedades:
4.
5.
6.
7.

(A+B)C = AC + BC (distributividade direita)


(AB)C = A(BC) (associatividade)
(AB) = BA (observe a ordem)
0.A = 0 e A.0 = 0

Representando algumas operaes


matemticas na forma matricial
Somatrio:

x
i 1

x1 x2 xn

x1
1
x
1
x nx1 2 , 1nx1

x
1
n
x1
x
n
2
Ento 1' x 1 1 1 x1 x2 xn xi

i 1

xn
1
1
n
Ou x'1 x1 x2 xn x1 x2 xn xi

i 1

Representando algumas operaes


matemticas na forma matricial
Somatrio de quadrados:
n

2
2
2
2
x

x
i 1 2
n
i 1

Ento x' x x1

x2

x1
x
xn 2


xn
n

x12 x22 xn2 xi2


i 1

Representando algumas operaes


matemticas na forma matricial
Somatrio de produtos cruzados:
n

x y
i 1

x1 y1 x2 y2 xn yn

Ento x' y x1

x2

y1
y
2

xn


yn
n

x1 y1 x2 y2 xn yn xi yi
i 1

y' x

Sistemas de Equaes Lineares


A cada sistema de equaes que precisa ser resolvido
podemos associar uma matriz
x1 4 x2 3x3 1 (1)

( I ) 2 x1 5 x2 4 x3 4 (2)
x 3x 2 x 5 (3)
2
3
1

3 1
1 4
2 5

4
4

1 3 2 5

(1). 2 (2) (2' )


(1). 1 (3) (3' )
x1 4 x2 3x3 1 (1' )

( II ) 0 x1 3x2 2 x3 2 (2' )
0 x 7 x 5 x 4 (3' )
2
3
1
(2' ). 1 / 3 (2' ' )

3 1
1 4
0 3 2 2

0 7 5 4

Sistemas de Equaes Lineares


A cada sistema de equaes que precisa ser resolvido
podemos associar uma matriz
(1' ' )
x1 4 x2 3x3 1

( III ) 0 x1 x2 2 / 3x3 2 / 3 (2' ' )


0 x 7 x 5x 4
(3' ' )
1
2
3

(2' ' ). 4 (1' ' ) (1' ' ' )

3
1
1 4
0 1 2 / 3 2 / 3

0 7 5
4

(2' ' ).7 (3' ' ) (3' ' ' )


x1 0 x2 1 / 3x3 11 / 3 (1' ' ' )

( IV ) 0 x1 x2 2 / 3x3 2 / 3 (2' ' ' )


0 x 0 x 1 / 3x 2 / 3 (3' ' ' )
2
3
1
(3' ' ' ). 3 (3iv )

1 0 1 / 3 11 / 3
0 1 2 / 3 2 / 3

0 0 1 / 3 2 / 3

Sistemas de Equaes Lineares


A cada sistema de equaes que precisa ser resolvido
podemos associar uma matriz
iv
x1 0 x2 1 / 3x3 11 / 3 (1 ) 1 0 1 / 3 11 / 3

(V ) 0 x1 x2 2 / 3x3 2 / 3 (2iv ) 0 1 2 / 3 2 / 3
iv
0 x 0 x 1x 2
(
3
) 0 0 1
2
1
2
3

(3iv ). 1 / 3 (1iv ) (1v )

(3iv ). 2 / 3 (2iv ) (2v )


v
x1 0 x2 0 x3 3 (1 )

(VI ) 0 x1 x2 0 x3 2 (2v )
0 x 0 x 1x 2 (3v )
2
3
1

1 0 0 3
0 1 0 2

0 0 1 2

Sistemas de Equaes Lineares


Ou ainda:

x1 3

x2 2
x 2
3

Observaes:
As operaes realizadas preservam as igualdades
(x1, x2, x3) soluo do sistema I e tambm do II, III, IV, V
e VI
Operaes possveis:
Multiplicar uma equao por no. 0
Adicionar uma equao a outra
Permutar duas equaes

Sistemas de Equaes Lineares


Conceitos:
Um sistema de equaes lineares com m equaes e n
incgnitas :

a11x1 a12 x2 a1n xn b1


a x a x a x b
21 1 22 2
2n n
2

am1 x1 am 2 x2 amn xn bm

Com aij, 1 i m, 1 j n
Uma soluo uma n-upla de nmeros (x1, x2, ..., xn) que
satisfaa simultaneamente estas m equaes

Sistemas de Equaes Lineares


Conceitos:
O sistema anterior pode ser escrito na forma matricial:

a11 a12 a1n x1 b1


a
x b
a

a
22
2n 2
2
21


am1 am 2
amn xn bm

x X

= B

Sistemas de Equaes Lineares


Conceitos:
Matriz Ampliada:
a11
a
21

am1

a12

a1n

a22

a2 n

am 2 amn

b1
b2

bm

A matriz ampliada do sistema VI :


x1 0 x2 0 x3 3

0 x1 x2 0 x3 2
0 x 0 x 1x 2
2
3
1

1 0 0 3
0 1 0 2

0 0 1 2

Sistemas de Equaes Lineares


Sistemas de equaes lineares equivalentes: se toda
soluo de um sistema tambm soluo de outro
Para resolver o sistema inicial reduzimos a matriz
ampliada a uma matriz-linha reduzida forma escada.
Definio:
a) 1. elemento no nulo de uma linha no nula 1
b) Cada coluna que contm o 1. Elemento no nulo de
alguma linha tem todos os seus outros elementos iguais a
zero
c) Toda linha nula ocorre abaixo de todas as linhas no nulas
d) Se as linhas 1, ..., r so linhas no nulas, e se o 1. elemento
no nulo da linha i ocorre na coluna ki, ento,
k1 < k2 < ... < kr

Sistemas de Equaes Lineares


Posto: o no. de linhas no nulas da matriz-linha
reduzida forma escada linha equivalente
Nulidade: o no. n p onde n o no. de colunas.
Exemplos:
2 1 0 1 0 0 7 / 8
1
Posto 3

A 1 0 3 5 0 1 0 1 / 4
Nulidade 1
1 2 1 1 0 0 1 11 / 8
2 1 3 1 0 14 / 9
Posto 2
1 4 2 0 1 1 / 9

B
Nulidade 1
1 5 1 0 0
0


h 2 equaes redundantes
0
4 16 8 0 0

Sistemas de Equaes Lineares


2 1 0 1 0 0 7 / 8
1
Posto 3

A 1 0 3 5 0 1 0 1 / 4
Nulidade 1
1 2 1 1 0 0 1 11 / 8
2 1 3 1 0 14 / 9
Posto 2
1 4 2 0 1 1 / 9

B
Nulidade 1
1 5 1 0 0
0


h 2 equaes redundantes
0
4 16 8 0 0

Tambm dizemos que as duas primeiras equaes so


independentes e as demais dependentes
Uma linha dependente de outra se ela puder ser escrita como
soma de produtos destas outras linhas por constantes
O mesmo que dizer que esta linha uma combinao linear
das outras
POSTO = no. de equaes independentes

Sistemas de Equaes Lineares


Solues de um sistema de equaes lineares
ax=b
1. a 0 => soluo nica => x = b/a
2. a = 0 e b = 0 => 0 x = 0 => qualquer no. real soluo
3. a = 0 e b 0 => 0 x = b => no existe soluo

Sistemas de Equaes Lineares


Solues de um sistema de equaes lineares
Exemplo 1:
10

8
6
4
2
0
-4

-2

-2

2 x1 x 2 5

x1 3x 2 6
3
2 1 5 1 0 3 x1
1 3 6 0 1 1
x 2 1



-4
-6

Posto do sistema reduzido = 2


Posto da matriz ampliada = 2

10

Sistemas de Equaes Lineares


Solues de um sistema de equaes lineares
Exemplo 2:
10

2 x1 x 2 5

6 x1 3 x 2 15
2 1 5 1 1 / 2 5 / 2
6 3 15 0 0
0


x1 1 / 2 x2 5 / 2

0 x1 0 x 2 0

8
6
4
2

0
-4

-2

-2

-4
-6
-8

Admite infinitas solues. Conjunto de solues definidos por pares x1 e x2 que


satisfaam x1 = 5/2 x2
O posto tanto da matriz de coeficientes quanto da matriz ampliada 1.
Grau de liberdade do sistema: a nulidade da matriz de coeficientes. Neste caso
2 1 = 1 <= o sistema tem uma varivel livre

Sistemas de Equaes Lineares


Solues de um sistema de equaes lineares
Exemplo 3:
10

2 x1 x 2 5

6 x1 3 x 2 10
2 1 5 1 1 / 2 0
6 3 10 0 0 1

x1 1 / 2 x2 0

0 x1 0 x 2 1

6
4
2
0
-3

-2

-1

-2

-4
-6

-8

No tem soluo = incompatvel = impossvel


O posto da matriz de coeficientes 1 e o da matriz ampliada 2.

Sistemas de Equaes Lineares


Solues de um sistema de equaes lineares

Ento, um sistema pode admitir:


1. Uma nica soluo = possvel = compatvel = determinado
2. Infinitas solues = possvel = indeterminado
3. Nenhuma soluo = impossvel = incompatvel

Sistemas de Equaes Lineares


Solues de um sistema de equaes lineares
Teorema:
1. Um sistema de m equaes e n incgnitas admite soluo
se, e somente se, o posto da matriz ampliada igual ao
posto da matriz de coeficientes
2. Se alm disso p = n, a soluo ser nica
3. Se, entretanto, p < n , podemos escolher n p incgnitas, e
as outras p incgnitas sero dadas em funo destas n p =
graus de liberdade

Determinante e Matriz Inversa


a x = b => soluo x = b / a
Matriz 2 x 2
a11 a12
A
a11a22 a12a21 A

a21 a22

Matriz 3 x 3
a11 a12 a13
A a21 a22 a23
a31 a32 a33
A a11a22a33 a13a21a32 a31a12a23 a13a22a31 a33a21a12 a11a23a32

Determinante e Matriz Inversa


Cada termo tem apenas um elemento de cada linha e
coluna
Uma matriz N x N ter N! elementos no seu clculo,
assim, uma matriz 5 x 5 ter 5! = 5 x 4 x 3 x 2 x 1 =
120 termos em sua expanso
Se a matriz 2 x 2 cada termo tem 2 elementos da
matriz, se 3 x 3 ter 3 elementos em cada termo, se
5 x 5, 5 elementos
Para a regra para o sinal de cada termo ver pag. 66 e
67 do Boldrini

Determinante e Matriz Inversa


Propriedades:
1. Se todos os elementos de uma linha ou coluna so nulos
ento det A = 0
2. Uma matriz com determinante igual a zero chamada
matriz singular, se 0 uma matriz no singular
3. det A = det A
4. Se multiplicarmos uma linha da matriz por uma constante
o det fica multiplicado por esta constante
5. Trocadas as posies de duas linhas o determinante troca
de sinal
6. Se duas linhas da matriz so dependentes o determinante
nulo
7. det (A.B) = det A . det B

Determinante e Matriz Inversa


Menor: o menor do elemento aij o determinante da
submatriz resultante da retirada da linha i e da coluna
j
a11 a12
A a21 a22
a31 a32

a13
a23
a33

o menor de a11 M 11

a22

a23

a32

a33

a22a33 a23a32

Co-fator = um menor sinalizado


cij (1)i j M ij

Determinante e Matriz Inversa


Matriz de Co-fatores: a matriz onde cada elemento
aij substitudo por seu co-fator, denotada por cof(A)
ou A
Matriz Adjunta: a transposta de uma matriz de cofatores
adjA (cofA)' A'
Teorema:

A.A' A.(adjA ) (detA)I n

Determinante e Matriz Inversa


Matriz Inversa: dada uma matriz quadrada A de ordem
n, a inversa de A uma matriz B tal que
A . B = B . A = In
Onde In a matriz identidade de ordem n.
Escrevemos A-1 para a inversa de A.
Observaes:
1. Se A e B so quadradas de mesma ordem, ambas
inversveis, ento A . B inversvel e
(AB)-1 = B-1 . A-1
De fato:
AB(B-1A-1) = A(BB-1)A-1 = AIA-1 = AA-1 = I
(B-1A-1)(AB) = I

Determinante e Matriz Inversa


Matriz Inversa:
Observaes:
2. Nem toda matriz tem inversa
3. Se A tem inversa, podemos escrever:
AA-1 = In
det(A.A-1) = det (In)
det A . det A-1 = 1
Se A tem inversa:
i. det A 0
1
ii. det A-1 =
det A

Determinante e Matriz Inversa


Matriz Inversa:
Observaes:
4. (A-1) = (A)-1, isto , a transposta da inversa de A
a inversa da transposta
Teorema:
Uma matriz quadrada A admite uma inversa se, e
somente se det A 0
Neste caso:

1
A
(adjA )
detA
1

Exemplo: pag. 744 Gujarati

Determinante e Matriz Inversa


A inversa e a resoluo de sistemas lineares:
Se o no. de equaes igual ao no. de incgnitas:
a11x1 a12 x2 a1n xn b1
a x a x a x b
21 1 22 2
2n n
2

am1 x1 am 2 x2 amn xn bm
a11 a12 a1n x1 b1
a
x b
a

a
22
2n 2
21


a
a
a
bm
m1
m2
mn xn

Matriz de coeficientes

X = B

Matriz de incgnitas

Matriz de termos
independentes

Determinante e Matriz Inversa


A inversa e a resoluo de sistemas lineares:
Supondo det A 0 e portanto, que exista A-1:
A-1(AX) = A-1B
(AA-1)X=A-1B
InX = A-1B
X = A-1B
x1 a11
x a
2 21


xn am1

a12
a22

am 2

a1n
a2 n

amn

b1
b
2


bm

Valor Esperado
Varivel Aleatria Discreta

E ( X ) xf ( x)
x

Varivel Aleatria Contnua

Propriedades

E ( X ) xf ( x)dx

E (b) b
E (aX b) aE ( X ) b
Se X e Y so independentes : E ( XY ) E ( X ).E (Y )

Varincia
Varivel Aleatria Discreta

var( X ) E ( X ) f ( x)
2
x

Varivel Aleatria Contnua

var( X ) ( X ) f ( x)dx

Varincia
Propriedades
E( X )2 E( X 2 ) 2
var(b) 0
Se a e b so constantes, ento : var(aX b) a 2 var( X )
Se X e Y so independentes, ento :
var( X Y ) var( X ) var(Y )
var( X Y ) var( X ) var(Y )
var(aX bY ) a 2 var( X ) b 2 var(Y )
Se X e Y no so independentes, ento :
var( X Y ) var( X ) var(Y ) cov( X , Y )

Retorno e Varincia de Carteiras na Forma


Matricial
Exemplo com 3 ativos
Seja Ri o retornos dos ativos i = A, B, C e assuma que
os retornos R1, R2 e R3 so normalmente distribudos
com
2
i ERi , i var( Ri ) , cov( Ri , R j ) ij
Carteira x
xi % do capital investido no ativo i

x A xB xC 1
Retorno da carteira

Rp, x xA RA xB RB xC RC

Retorno e Varincia de Carteiras na Forma


Matricial
Retorno esperado da carteira

p, x ERp, x xA A xB B xC C

Varincia da carteira

2
p, x

var R p , x x x x
2
A

2
A

2
B

2
B

2
C

2
C

2 x A xB AB 2 x A xC AC 2 xB xC BC
Distribuio de probabilidade da carteira

Rp, x ~ N ( p, x , p2, x )

Retorno e Varincia de Carteiras na


Forma Matricial
Representao Matricial
RA
A
1



R RB , B , 1 1
R

1
C
C

A2
xA


x xB , AB

x
C
AC

AB AC

B2 BC
BC C2

Retorno e Varincia de Carteiras na


Forma Matricial
Sobre a matriz de covarincias
Usando lgebra matricial a matriz de covarincias do vetor
de retornos R definida a partir de:

cov(R) E R R
'

Se R tem N elementos, ento ser uma matriz N x N

12 12

12
2

1n 2 n

1n

2n


n2

Retorno e Varincia de Carteiras na


Forma Matricial
Para o caso em que N = 2:

R1 1
. R1 1
E R 2 x1 R 2 x1 E
R2 2
'

R1 1

E
R2 2 R1 1

R1 1 R2 2

R2 2
2

E R1 1
E R1 1 R2 2

E
R

E
R

2
2
1
1
2
2

cov( R1 , R2 ) 12 12
var( R1 )



2
var( R2 ) 12 2
cov( R2 , R1 )

R2 2

Retorno e Varincia de Carteiras na


Forma Matricial
Retorno da carteira:
R p , x x' R ( x A

xB

RA

xC ) RB
R
C

x A RA xB RB xC RC
R' x

Retorno esperado da carteira:


p , x x' ( x A

xB

A

xC ) B

C

x A A xB B xC C
' x

Retorno e Varincia de Carteiras na


Forma Matricial
Varincia da carteira:

p2 , x var(x' R ) E x' (R )(R )' x


x' E (R )(R )'x x' x
A2 AB

x A xB xC AB B2

AC BC
2 2
2 2
2 2
x A A xB B xC C

AC x A

BC xB
2
C xC

2 x A xB AB 2 x A xC AC 2 xB xB BC