Revisão Vetores e Matrizes Vetores Vetores no ℜn ℜn = {(x1, ..., xn) tal que x1, ..., xn ∈ ℜ} com as definições usuais de adição e multiplicação Adição (x1, ..., xn) + (y1, ..., yn) = (x1+ y1, ..., xn+ yn) 2 Vetores Multiplicação Se c ∈ ℜ, um escalar, então c(x1, ..., xn) = (cx1, ..., cxn) Seja x = (x1, ..., xn) e y = (y1, ..., yn) dois vetores 1xn, temos w = x.yT = x1.y1 + ... + xn.yn (w é um escalar) Combinação Linear Dados u1, ..., uk vetores do ℜn, uma combinação linear de u1, ..., uk é uma expressão do tipo α1u1 + ... + αkuk, onde α1, ..., αk são coef. reais 3 Vetores Independência Linear Dizemos que os vetores u1, ..., uk são linearmente independentes quando α1u1 + ... + αkuk = 0 implica em α1= ...= αk = 0. Caso contrário dizemos que u1, ..., uk são linearmente dependentes. 4 Matriz Def.: uma matriz “nxp” de elementos reais é um arranjo de “n.p” números reais, numa estrutura retangular de “n” linhas e “p” colunas. ⎡ a11 ⎢a 21 ⎢ A= ⎢ M ⎢ ⎢⎣an1 L a1 p ⎤ ⎥ L a2 p ⎥ O M ⎥ ⎥ L anp ⎥⎦ 5 Matrizes – Soma e Subtração ⎡ a11 ⎢a 21 A=⎢ ⎢ M ⎢ ⎢⎣an1 A operação de soma/subtração é definida apenas entre matrizes que têm a mesma dimensão, ou seja, com o mesmo número de linhas e colunas. L a1 p ⎤ L a2 p ⎥⎥ O M ⎥ ⎥ L anp ⎥⎦ ⎡b11 ⎢b 21 B=⎢ ⎢M ⎢ ⎢⎣bn1 L b1 p ⎤ L b2 p ⎥⎥ O M ⎥ ⎥ L bnp ⎥⎦ ⎡ a11 + b11 ⎢a + b 21 21 C = A+ B = ⎢ ⎢ M ⎢ ⎢⎣ an1 + bn1 L a1 p + b1 p ⎤ L a2 p + b2 p ⎥⎥ ⎥ O M ⎥ L anp + bnp ⎥⎦ 6 Soma e Subtração Propriedades Associativa (A + B) + C = A + (B + C) Comutativa A+B=B+A Elemento Neutro 0+A=A Elemento Oposto A +(-A) = 0 7 Matrizes – Multiplicação A operação de multiplicação de uma matriz A por uma matriz B é definida apenas se o número de colunas de A for igual ao número de linhas de B. ⎡ a11 L a1 p ⎤ b L b ⎢a ⎥ L a 21 2 p ⎥ A=⎢ ⎢ M O M ⎥ ⎢ ⎥ a L a np ⎥ ⎣⎢ n1 ⎦ ⎡ (a11b11 + K + a1 p b p1 ) ⎢( a b + K + a b ) 21 11 2 p p1 A.B = ⎢ ⎢ M ⎢ ⎣⎢ (an1b11 + K + anp b p1 ) ⎡ 11 1k ⎤ ⎢b L b ⎥ 21 2k ⎥ B=⎢ ⎢ M O M ⎥ ⎢ ⎥ b L b ⎢⎣ p1 pk ⎥ ⎦ L ( a11b1k + K + a1 p b pk ) ⎤ L (a21b1k + K + a2 p b pk )⎥⎥ ⎥ O M ⎥ L (an1b1k + K + anp b pk ) ⎦⎥ 8 Matrizes – Multiplicação Multiplicação de uma matriz por um escalar ⎡ c.a11 ⎢c.a 21 c. A = ⎢ ⎢ M ⎢ ⎢⎣c.an1 L c.a1 p ⎤ L c.a2 p ⎥⎥ O M ⎥ ⎥ L c.anp ⎥⎦ 9 Multiplicação Propriedades Distributiva com escalar q(A + B) = qA + qB Distributiva entre matrizes A(B + C) = AB + AC Comutativa AB ≠ BA Elemento Neutro 0.A = 0 onde 0 é uma matriz Nula. 10 Matrizes Especiais Matriz Quadrada Possuem o mesmo número de linhas e colunas ⎡ a11 L a1 p ⎤ ⎥ ⎢ A=⎢ M O M ⎥ ⎢a p1 L a pp ⎥ ⎦ ⎣ Matriz Diagonal Uma matriz quadrada A é dita matriz diagonal quando todos os elementos não pertencentes a diagonal são diferentes de zero. ⎡a11 ⎢0 A=⎢ ⎢M ⎢ ⎢⎣ 0 0 a22 M 0 0 ⎤ L 0 ⎥⎥ O M ⎥ ⎥ L a pp ⎥⎦ L 11 Matrizes Especiais Matriz Triangular Uma matriz quadrada A é dita ser triangular: (i) se e somente se todo elemento aij ∈ A, tal que i < j, é igual a zero; (ii) todo elemento aij ∈ A, tal que i > j, é igual a ⎡a11 a12 L a1 p ⎤ zero; ⎢0 A=⎢ ⎢M ⎢ ⎢⎣ 0 a22 L a2 p ⎥⎥ M O M ⎥ ⎥ 0 L a pp ⎥⎦ Matriz Simétrica Uma matriz quadrada A é simétrica, se e somente se, ⎡a11 ⎢x A=⎢ ⎢M ⎢ ⎢⎣ y x a22 M z y ⎤ L z ⎥⎥ O M ⎥ ⎥ L a pp ⎥⎦ L aij = aji para todo i ≠ j ∈ {1, 2, ..., n} 12 Matrizes Especiais Matriz Identidade Uma matriz quadrada A é uma matriz identidade, se e somente se, todo elemento aij ∈ A, tal que i ≠ j, é igual a zero e todo elemento aij ∈ A, tal que i = j, é igual a 1; ⎡1 0 L 0 ⎤ ⎢0 1 L 0 ⎥ ⎥ I =⎢ ⎢M M O M⎥ ⎢ ⎥ ⎣0 0 L 1 ⎦ Matriz Idempotente Uma matriz quadrada A é idempotente, se e somente se, A.A = A 13 Matrizes Especiais Matriz Transposta Dada uma matriz A de qualquer dimensão “nxp”, chamamos de matriz transposta de A, representada por A’ ou AT, a matriz “pxn” tal que a’ji = aij, ou seja, as linhas de A’ são as colunas de A, na mesma ordem. ⎡ a11 ⎢a ⎢ 21 A = ⎢ a31 ⎢ ⎢ M ⎢ an1 ⎣ a12 a22 a32 M an 2 L a1 p ⎤ L a2 p ⎥⎥ L a3 p ⎥ ⎥ O M ⎥ L anp ⎥⎦ ⎡ a11 ⎢a 12 T A =⎢ ⎢ M ⎢ ⎢⎣a1 p a21 a22 M a2 p a31 L an1 ⎤ a32 L an 2 ⎥⎥ M O M ⎥ ⎥ a3 p L anp ⎥⎦ 14 Matrizes Especiais Matriz Inversa Dada uma matriz quadrada A de dimensão “nxn”, chamamos de matriz inversa de A, denotada por A-1, a matriz de dimensão “nxn” que atende a seguinte propriedade: −1 −1 A. A = A . A = I n Regra do Cofator 15 Transposta e Inversa Propriedades Matriz Transposta (AT)T = A (A + B)T = AT + BT (A . B)T = BT . AT Matriz Inversa (A-1)-1 = A (A . B)-1 = B-1 . A-1 (AT)-1 = (A-1)T 16 Matrizes Especiais Matriz de Projeção Uma matriz simétrica e Idempotente é chamada matriz de projeção. Exemplo ⎡1 0 ⎤ P=⎢ ⎥ 0 0 ⎣ ⎦ Repare que: ⎡1 0⎤ ⎡ x ⎤ ⎡ x ⎤ ⎢0 0⎥.⎢ y ⎥ = ⎢0⎥ ⎣ ⎦⎣ ⎦ ⎣ ⎦ (x,y) (x,0) 17 Matrizes Especiais Matriz Singular Seja A uma matriz quadrada, dizemos que A é uma matriz singular quando seu determinante é igual a zero. Matriz Não-Singular Seja A uma matriz quadrada, dizemos que A é não-singular quando seu determinante é diferente de zero. OBS: Uma matriz não-singular também é inversível 18 Matrizes Especiais Matriz Positiva Definida Uma matriz simétrica A, “nxn”, é positivadefinida quando x’Ax > 0, p/ todo vetor x, “nx1”. OBS 1: 1 Toda matriz simétrica positiva-definida é não-singular, logo também é inversível. OBS 2: 2 Se A é positiva-definida, então A-1 é positiva-definida. OBS 3: 3 Se X é “nxp” (n >> p), com posto ρ(X) = p, então X’X é positiva-definida. 19 Matrizes Especiais Posto de uma Matriz Seja A uma matriz qualquer, o posto de A representado por ρ(A), corresponde ao número máximo de linhas (ou colunas) linearmente independente de A. Traço de uma Matriz Seja A uma matriz quadrada “nxn”, definimos o traço de A como n tr ( A) = ∑ aii i =1 (Soma dos elementos da diagonal) 20 Matrizes Especiais Traço de uma Matriz (Propriedades) tr(A + B) = tr(A) + tr(B) tr(λA) = λtr(A), onde λ é um escalar tr(AB) = tr(BA) 21 Matrizes Especiais Determinantes A toda matriz quadrada A, tem-se um número (escalar) conhecido como determinante da matriz, que é indicado por det A ou pelo símbolo | A |. Note que uma matriz por si não tem valor numérico algum, mas o determinante de uma matriz é um número inteiro. 1 2 3 ⎡1 2 3 ⎤ A= 4 5 6 A = ⎢⎢4 5 6⎥⎥ 7 8 9 ⎢⎣7 8 9⎥⎦ 22 Matrizes Especiais Cálculo de um Determinante Matriz 2x2 a11 | A |= a21 a12 a22 Det A = a11a22 – a12a21 Matriz 3x3 (Regra de Sarrus) a11 | A |= a21 a12 a22 a13 a23 a31 a32 a33 Det A = a11(a22a33 – a23a32) - a12(a21a33 – a23a31) + a13(a21a32 – a22a31) 23 Matrizes Especiais Cálculo de um Determinante Matriz nxn | A |= a11 a21 M an1 a12 L a1n a22 L a2 n M O M an 2 L ann Det A = a11C11 – a12C12 + a13C13 – ... – (ou +) a1nC1n, onde C11, C12, C13, ..., C1n são os complementares dos elementos a11, a12, a13, ..., a1n. 24 Matrizes Especiais Cálculo de um Determinante Para calcular os complementares devemos eliminar a linha e a coluna a que o número em questão pertence. Deste modo, para calcular o complementar de a11, devemos eliminar a 1a linha e a 1a coluna da matriz A. Já para encontrar o complementar de a13, devemos eliminar a 1a linha e a 3a coluna da matriz A Caso Cij tenha dimensão superior a 3, devemos reduzi-lá sucessivamente até que ela atinja a ordem 3, quando então aplicamos a regra de Sarrus. 25 Matrizes Especiais Matriz Particionada Muitas vezes é comum trabalhar com matrizes na forma de blocos, por exemplo ⎛A B⎞ ⎟⎟ X = ⎜⎜ ⎝C D⎠ onde A, B, C e D são matrizes 26 Matrizes Especiais Produto de Matrizes Particionadas Muitas vezes é comum trabalhar com matrizes na forma de blocos, por exemplo ⎛ A B⎞⎛E ⎜⎜ ⎟⎟.⎜⎜ ⎝C D⎠ ⎝G F ⎞ ⎛ AE + BG AF + BH ⎞ ⎟⎟ = ⎜⎜ ⎟⎟ H ⎠ ⎝ CE + DG CF + DH ⎠ desde que todos os produtos e somas acima estejam bem definidos. 27 Matrizes Especiais Exercício Escrever um ensaio de até 5 páginas sobre Matrizes Particionadas 28