1

UNIVERSIDADE FEDERAL DA PARAÍBA

CENTRO DE CIÊNCIAS SOCIAIS APLICADAS
DEPARTAMENTO DE ECONOMIA

Revisão de Álgebra Matricial

PLANO DE AULA

Objetivos
Apresentar os conceitos de matrizes, necessários para estimação de parâmetros de
forma matricial.

Bibliografia Básica

GUJARATI, D. Econometria Básica. São Paulo:MAKRON Books, 2000.

Apêndice B
Rudimentos de Álgebra Matricial (pg.797)

Bibliografia Complementar

Chiang, Alpha C. Matemática para economistas. Trad: Roberto Camps Moraes.

São Paulo: McGraw-Hill, 1982.
Weber, J. E. Matemática para economia e administração. São Paulo: Harper &
Row do Brasil, 1977.
Mynbaev, K.T. e Lemos, A. Manual de Econometria. Rio de Janeiro: Editora da
FGV, 2004.
Pedreira, C. E. e Posternak, R. Álgebra Linear para Cursos de Economia. Rio de
Janeiro: Campus, 2003.
 2

AULA DATA SEMANA TÓPICOS

Revisão Rudimentos de Álgebra Matricial

ÁLGEBRA MATRICIAL

1 – Introdução

Esta nota de aula oferece uma pequena introdução de álgebra matricial

necessária para compreender o modelo clássico de regressão linear envolvendo k
variáveis em notação de álgebra matricial. Conceitualmente, o modelo de k
variáveis é uma extensão lógica dos modelos de duas e três variáveis. Uma
grande vantagem da álgebra matricial sobre a álgebra escalar é que ela fornece
um método compacto para manipular modelos de regressão envolvendo qualquer
número de variáveis.
Chamamos de matriz toda tabela de números dispostos em filas horizontais
(ou linhas) e filas verticais (ou colunas). Se a tabela tiver m linhas e n colunas,
dizemos que a matriz é retangular do tipo (ou de ordem) m x n. As linhas são
numeradas de cima para baixo e as colunas, da esquerda para a direita.

2 - Adição e Subtração de Matrizes

Duas matrizes podem ser somadas (ou subtraídas) se e somente se elas possuem
a mesma dimensão aij  bij

Exemplo:

a a  b b 
A   11 12  B   11 12 
a21 a22  b21 b22 

a  b a b 
A  B   11 11 12 12 
a21  b21 a22  b22 
 3

3 - Multiplicação de um Escalar

A multiplicação e uma matriz por um número – ou como se chama na terminologia

de álgebra matricial, por um escalar – consiste na multiplicação de todos os
elementos da matriz pelo escalar dado.

Exemplo:

a a  a a  k .a k .a12 
A   11 12   k . A  k . 11 12    11 
a21 a22  a21 a22  k .a21 k .a22 

4 - Multiplicação de Matrizes

Enquanto um escalar pode ser usado para multiplicar uma matriz de qualquer
dimensão, já a multiplicação de duas matrizes depende da satisfação de outro
requisito; a condição de compatibilidade para a multiplicação é de que a dimensão
coluna de A precisa ser igual a dimensão linha de B.

Exemplo:

b11 b12 b13 

A  a11 a12 (1x 2 )
B 
b21 b22 b23  ( 2 x 3)
O produto A.B é definido, já que A possui duas colunas e B possui duas linhas.
Então:

( a11.b11 )  ( a12 .b21 )  c11

( a11.b12 )  ( a12 .b22 )  c12 C  c11 c12 c13 (1x 3)
( a11.b13 )  ( a12 .b23 )  c13

5 - Transposta de uma Matriz

Quando as linhas e colunas de uma matriz A são trocadas de modo que a sua
primeira linha se torne a primeira coluna, e vice-versa, obtém-se a transposta de
A, que é denotada por A’ ou AT. Por definição, se uma matriz A é (m x n), então a
sua transposta A’ é (n x m), no entanto, possui uma transposta de mesma
dimensão.
Propriedades das Transpostas
a) (A’)’=A  A transposta da transposta é a matriz original;
b) (A + B)’ = A’ + B’  A transposta da soma é a soma das transpostas;
c) (A.B)’ = B’ . A’  A transposta do produto é o produto das transpostas de
ordem inversa.
 4

Exemplo:

a11 a12 a13  a11 a21 a31 

A  a 21 a22 a23  A'  a12
  a22 a32 
   
a31 a32 a33  a13 a 23 a33 

6 - Matriz Idempotente e Simétrica

Se uma matriz (quadrada) e a sua transposta são iguais, isto é, as aij  a ji para
todo i e j, então diz-se que a matriz é simétrica (com relação a sua diagonal
principal). Diz-se que uma matriz simétrica que reproduz a si mesma (isto é,
quando ela é multiplicada por si mesma) é idempotente.
Exemplo:
A’ = A  Matriz Simétrica
A.A = A  Matriz Idempotente

7 - Matriz Identidade

Está definida como uma matriz quadrada com 1 na sua diagonal principal e o 0
(zero) em todas as demais posições. Ela é demonstrada pelo símbolo (In) onde (n)
indica a dimensão (número de linhas e colunas).

Exemplo:

1 0 0
I ( 3)   0 1 0
 
0 0 1

8 - Determinantes

É denotado por Det A ou |A| sendo o determinante da matriz A e, é um escalar

único. Para uma matriz 2 x 2, seu determinante é definido como a soma de dois
termos obtidos pela multiplicação dos dois elementos da diagonal principal de A e
pelo produto dos demais. O segundo é subtraído do primeiro.
 5

Exemplo:

a a 
A   11 12   | A |  (a11.a22 )  (a21.a12 )  Escalar
a21 a22 

9 – Traço de uma Matriz

O traço de uma matriz quadrada n x n é a soma dos elementos de sua diagonal

Tr(A) = aii
Um resultado particular e útil do traço de uma matriz é
tr(AB)=tr(BA)
a’a = tr(a’a)=tr(aa’)

10 - Matriz Inversa

A) Menor
Se a i-ésima linha e a j-ésima coluna de uma matriz A forem suprimidas, o
determinante da submatriz resultante se chama o MENOR do elemento aij e
é indicado por |Mij|

Exemplo:
a11 a12 a13 
A  a21 a22 a23 
 
a31 a32 a33 

o MENOR de a11 é

a22 a23 
M 11    a22 a33  a23a32
a32 a33 

B) Cofator

O COFATOR do elemento aij de uma matriz A, indicado por C, se define

como
cij  (1)i  j M ij
Um cofator é um menor sinalizado, sendo o sinal positivo de i+j for par e
negativo se i+j for impar. Substituindo os elementos aij da matriz A por
seus cofatores, obtemos uma matriz conhecida como matriz de cofatores de
A (Cof A).
 6

C) Matriz Adjunta
A MATRIZ ADJUNTA (Adj A) é a transposta da matriz de cofatores, isto é
(Adj A) = (Cof A)’

D) Inversa de uma Matriz Quadrada

Se A for quadrada e não-singular (ou seja, |A|0), sua inversa A-1 pode ser
obtida por

1
A1  ( Adj A)
| A|

Obs: A inversa satisfaz a condição A.A-1 = A-1A = I, isto é, tanto a

pré como a pós-multiplicação de A por A-1 geram o mesmo resultado:
a matriz identidade (I).

Obs: se a matriz quadrada, A, possui uma inversa ela é qualificada

de matriz não-singular; se A não possui inversa ela é chamada de
matriz singular.

Cálculo da Matriz Inversa – Passos

a) Ache o determinante de A;
b) Substitua cada elemento aij de A por seu cofator para obter a (Cof A);
c) Obtenha a transposta da Matriz (Cof A) = (Adj A);
d) Divida cada elemento da matriz adjunta por |A|.

Exemplo

1 2 3
A 5 7 4 a) Determinante de A = Det(A) = |A| = -24;
2 1 3

b) Matriz Cofatores;

7 4 5 4 5 7

1 3 2 3 2 1
17  7  9
2 3 1 3 1 2
C    3 3 3
1 3 2 3 2 1
 13 11  3
2 3 1 3 1 2

7 4 5 4 5 7
 7

17  3  13
c) Transposta de C = C’ = (Adj A)=  7  3 11
9 3 3

17  3  13  0, 7083 0,1250 0,5416 

7  3 11   0, 2916 0,1250  0, 4583
1 1 1
A  Adj A  
| A| 24
9 3  13  0,3750  0,1250 0,5416 

1 0 0
Verificação = AA 1
  0 1 0
 
0 0 1

Operações com Matrizes em Excel

Na prática, pode-se efetuar todas as operações matriciais com matrizes numéricas

em Excel.

1) para calcular o determinante: digite a matriz numa planilha e selecione uma

célula para inserir o valor do determinante. No menu inserir/função, escolha
“matemática e trigonométrica” na janela “ categoria”; depois,
MATRIZ.DETERM na janela “Nome da Função”. Clique OK, selecione o
bloco das células da sua matriz e clique “finalizar”
2) Para calcular a inversa: primeiro certifique-se que o determinante não é
zero. Digite a matriz numa planilha e selecione um bloco de células para
inserir a inversa (do mesmo tamanho que a própria matriz). No menu
inserir/função escolha “matemática e trigonométrica” na janela “categoria”;
depois, MATRIZ.INVERSO na janela “nome da função”. Clique OK. Depois
que o computador terminar seu trabalho, o bloco em que se vai inserir a
inversa ainda estará selecionada e a fórmula aparecera na barra de
fórmulas. Nesse momento, clique na barra de fórmulas, pressione as teclas
“Ctrl+Shift” e, sem soltá-las, aperte “enter”. No bloco selecionado aparecerá
a inversa.

Obs. Estas dicas para excel foram retiradas do Manual de Econometria de Kairat
T Mynbaev e Alan Lemos. Rio de Janeiro: Editora FGV, 2004.
 8

11 - Dependência Linear e Posto de uma Matriz (Rank)

Quando se estuda as equações lineares simultâneas, a dependência linear de

um conjunto de vetores e o conceito relacionado de posto de uma matriz, são
definidos e aplicados para determinar se um conjunto de equações lineares
simultâneas tem uma solução única.
Diz-se que há uma relação linearmente dependente se: uma combinação linear
não trivial dos vetores for igual ao vetor nulo com n elementos,

Exemplo:
1 , 2 ,..., n
1a1  2 a2  ...  n an   i ai  0 , onde i = 1...m.
neste caso, o conjunto de vetores a1, a2,...am é dito ser linearmente
dependente.

Se não existir um conjunto de  tais que  ai i  0 , diz-se que o conjunto de

vetores é linearmente independente.

O posto (p), ( ou Rank- r) de uma matriz é o número de linhas linearmente

independentes igual ao número de colunas linearmente independente.

Apesar de se ter discutido o conceito da independência das linhas apenas em

relação à matriz quadrada, ele é igualmente aplicável a qualquer matriz
retangular (m x n). Se o número máximo de linhas independentes linearmente
que pode ser achado em uma matriz é (p), diz-se que o seu posto é (p). Este
número é, necessariamente, igual ao número máximo de colunas linearmente
independentes na mesma matriz.

Passo: achar o determinante da matriz A e igualar a zero (|A|=0). Neste caso,

se for zero, as linhas e colunas são dependentes e, caso o determinante seja
diferente de zero, diz-se que as linhas são independentes. O posto seria obter
o número máximo de linhas linearmente independentes em A.

Para saber se uma matriz quadrada A tem linhas ou colunas dependentes é

somente aplicar o conceito de determinante. Se o determinante da matriz A for
igual a 0, as linhas e colunas são dependentes, já se forem diferentes de zero,
as linhas são independentes.
 9

12 - Diferenciação na Notação Matricial

Se tivermos X = B.D representados pelas matrizes:

 x1  b11 b12 b13  d1 
 x   b b b23   d 2 
 2   21 22   
 x3  b31 b32 b33  d 3 
quais serão as taxas de mudanças nas soluções Xj? Neste caso, aplica-se o
conceito de diferenciação,
x j
 b jk ou
d k

multiplicamos B.D

 x1  b11.d1 b12 .d 2 b13.d 3 

 x   b .d b .d b .d 
 2   21 1 22 2 23 3 

 x3  b31.d1 b32 .d 2 b33.d 3 

a diferenciação parcial dessas equações produzirá um total de nove derivadas

de estática comparativa

x1 x1 x1

 b11  b12  b13
d1 d 2 d 3
x2 x2 x2
 b21  b22  b23
d1 d 2 d 3
x3 x3 x3
 b31  b32  b33
d1 d 2 d 3

lendo como três colunas distintas, podemos combinar as três derivadas de

cada coluna em uma matriz (vetor) de derivadas

 x1  b11 
x     
 x2  b21
d1 d1    
 x3  b31 

 x1  b12 
x     
 x2  b22
d 2 d 2    
 x3  b32 
 10

 x1  b13 
x     
 x2  b23
d 3 d 3    
 x3  b33 

Já que os três vetores são meramente as colunas da matriz B, podemos

consolidar mais ainda e resumir as nove derivadas em uma única matriz de
derivadas, ou seja, podemos simplesmente escrever:

b11 b12 b13 

x 
 b21 b22 b23   B
d  
b31 b32 b33 

Apêndice - Propriedades

Geral
A+B=B+A
(A + B) + C = A + (B + C)
A.B  B.A
A.B.C = A(B.C) = (A.B)C
A(B+C) = AB + AC
(B+C)A = BA + CA
IA =AI = A

Transpostas
(A’)’ = A
(A+B)’ = A’+ B’
(A.B)’ = B’ . A’
 11

Inversa
1
A1 A
1
A1 
A
1
A'  A1
1
A. B  B 1 . A1
A. A1  A1 A  I
AB  BA  I

Diferenciação Matricial

x1
x2
Regra 1: se a’ = [ a1 a2 ... an] e x=

x3
 a1 
a 
 (a ' x)
 a   2
x  
 
 an 

Regra 2: se x’ Ax tal que

a11 a12 ... a1n   x1 
a  
21 a22 ... a2n   x2 
x ' Ax  x1 x2 ... xn 
...  ... 
  
an1 an 2 ... ann   xn 

( x ' Ax)
 2 Ax  Vetor Coluna
x