Sei sulla pagina 1di 32

Projecto de Investigao

Author: Antnio Moreira Monteiro


Dep. Cincia & Tecnologia
Universidade de Cabo Verde
Supervisor: Adilson de Jesus Martins da Silva
Universidade de Cabo Verde
April 24, 2015

Contents
1 Reviso Elementar da lgebra Matricial

1.1

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2

Definies e Notao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3

Matriz Adio e Multiplicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.4

A Transposta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.5

O Trao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.6

O Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.7

A Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

1.8

Matrizes Particionado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

14

1.9

A fila de uma matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

15

1.10 matrizes ortogonais

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

16

1.11 Forma Quadrtica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17

2 Espaos Vectoriais

18

2.1

Independncia e Dependncia Linear . . . . . . . . . . . . . . . . . . . . . . . . .

18

2.2

Bases e Dimenso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

19

2.3

Bases e Dimenso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

20

2.4

Matriz Linha e Independncia Linear . . . . . . . . . . . . . . . . . . . . . . . . .

21

2.5

Bases ortonormais e Projees . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

22

2.6

Matrizes de Projeo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

23

2.7

Interseo e Soma de Espaos Vectoriais . . . . . . . . . . . . . . . . . . . . . . .

24

3 Inversa Generalizado

25

3.1

A inversa Generalizado de Moore - Penrose . . . . . . . . . . . . . . . . . . . . .

25

3.2

Algumas Propriedades Bsicas da inversa de Moore - Penrose . . . . . . . . . . .

26

3.3

A inversa de Moore - Penrose da Matriz Produto . . . . . . . . . . . . . . . . . .

27

3.4

A inversa de Moore - Penrose da Matriz Soma . . . . . . . . . . . . . . . . . . . .

28

3.5

A Continuidade da inversa Moore - Inverse

. . . . . . . . . . . . . . . . . . . . .

29

3.6

Outras inversas Generalizas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

30

4 Matrizes Especiais e Matrizes Operadores


4.1

O produto de Kronecker . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

31
32

Resume

O presente artigo tem como pressuposto fundamental a anlise e reflexo concernente importncia da lgebra em Estatstica na formao profissional do pedagogo e alguns aspectos que
consideramos vitais, tais como a Estatstica no mundo contemporneo e o seu ensino nos cursos de Pedagogia. Para isto, faz-se necessrio relatar a importncia das anlises quantitativas
versos qualitativas na pesquisa e no ambiente educacional, buscando subsdios para a captao
da relao entre a Estattica e a Educao, e do aprofundamento da discusso a respeito da
Estatstica aplicada a Educao.

Palavras chaves: A importncia da Estatstica para os Pedagogos, Contribuies da Estatstica


na educao, Ensino da Estatstica nos cursos de Pedagogia.

1
1.1

Reviso Elementar da lgebra Matricial


Introduo

1.2

Definies e Notao

Definition 1.1. Sejam K um corpo, m e n nmeros inteiros positivos, designam - se por matriz
sobre K, cujos elementos se designam - se por escalares, a todo o quadro de elementos de K
dispostos em m linhas e n colunas.
K em particular, pode ser o conjunto dos nmeros reais,R neste caso, as matrizes dizem - se
reais. Uma matriz A de dimenso m n, uma matriz rectangular dado por:

a11

a12

a21 a22
A = (aij ) =
..
..
.
.

am1 am2

a1n
a2n
..
.

(1)

amn

onde, (i,j) o elemento de A, isto , aij = (A)ij . A uma matriz quadrada de ordem m se
m = n, enquanto que uma matriz m 1 e 1 n so chamados vector coluna e vector linha,
respectivamente representado por

a=

a1
a2
..
.

(2)

am

a=

a11 a12

a1n

(3)

Os elementos da diagonal m n da matriz A so a11 , a22 a1n . Se todos os outros elementos


de A igual a zero, A chamado da matriz diagonal, representado por

A = diag(a11 , , amm ) =

a22
..
.

0
..
.

a11
0
..
.

(4)

amn

onde aij = 0 e i 6= j.
Se a adio, aii = 1 para i = 1 m, logo
A = diag(1, , 1)
4

(5)

ento a matriz A chamado de matriz identidade de ordem m e escreve - se


A = I = Im

(6)

Se A = diag(a1 , , am ) e b um escalar, ento vamos usar Ab para chamar matriz diagonal, ou


seja
Ab = diag(ab1 , abm )

(7)

Para quaisquer m m da matriz A,DA chamamos a matriz diagonal com elementos diagonais
iguais aos elementos diagonais de A e, para algum m 1 vector a, Da chamamos da matriz
diagonal com elementos diagonais igual aos componentes de A, isto DA = diag(a11 , , amm )
e Da = diag(a1 , , am ).
Uma matriz tringular inferior uma matriz quadrada em que so nulos todos os elementos
acima da diagonal principal,representado por

a11

a21 a22
A=
..
..
.
.

an1 an2

0
0
..
.

(8)

amm

onde i < j e aij = 0.


Uma matriz tringular superior, todos os elementos abaixo da diagonal principal igual a zero,
representado por

A=

a11 a12

a1n

a22
..
.

a2n
..
.

amm

0
..
.
0

(9)

onde i > j e aij = 0.


A matriz escalar em que aij = 0, i 6= j, aij = 1, i = j, diag1, 1, ..., 1 representa - se por ei ou In
ou simplesmente I, chamamos de matriz unidade ou identidade.

O zero escalar escrito 0, enquanto que o vector zero, chamado de vector nulo, e a matriz cujos
elementos so todos nulos a matriz nulo, denota-se por (0).

1.3

Matriz Adio e Multiplicao

Discutem - se nesta seco as principais operaes com matrizes:adio de matrizes, multiplicao de uma matriz por um escalar e multiplicao de matrizes.

Definition 1.2. Sejam A = [aij ], B = [bij ] M m n(K). Define-se A + B matriz C = [cij ],


tal que cij = aij + bij , { (ij) {1, , m} {1, , n}}
Remark 1.1. Se as matrizes A e B no forem do mesmo tipo, isto, se no tiverem as mesmas
dimenses e / ou o corpo subjacente no for igual, no possvel determinar A + B, pelo que a
soma de A com B diz-se indefinida.
Definition 1.3. Seja A = [aij ] Mmn (K) e K um escalar. Define-se o produto de por
A e denota-se por .A matriz B = [bij ] Mmn (K) tal que bij = aij , (ij) {1, . . . , m}
{1, . . . , n}
Se A dado por m p e B dado por p n, ento C = AB,m n, onde o elemento, cij , dado por

cij = (A)i .(B)j =

p
X

aik bbj

(10)

k=1

Geralmente o produto AB = BA, nem sempre so iguais e se A2 = A, A neste caso diz-se uma
matriz Idempotente.
Theorem 1.1. Sejam as matrizes A, B e C, com e os escalares, as seguintes propriedades
so verificadas.
1. A + B = B + A
2. (A + B) + C = A + (B + C)
3. (A + B) = A + B
4. ( + )A = A + A
5. A A = A + (A) = (0)
6. A(B + C) = AB + AC
7. (A + B)C = AC + BC
8. (AB)C = A(BC)

1.4

A Transposta

Definition 1.4. Denomina-se matriz transposta trocando ordenadamente linhas por colunas, ou
seja a transposta de uma matriz A, representa-se por A0 ,obtido trocando as linhas e colunas de
A.
Se A m p e B dado por p m, ento o elemento (i, j) da matriz (AB)0 se escreve
((AB)0 )ij = (A)j .(B).i =

Pp

k=1 ajk bki

= (B 0 )i .(A0 ).j = (B 0 A0 )ij

Theorem 1.2. Sejam os escalares e e as matrizes A e , define-se

(a) (A)0 = A0 .
(b) (A0 )0 = A.
(c) (A + B)0 = A0 + B 0 .
(d) (AB)0 = B 0 A0 .
A uma matriz quadrada m m, se A = A0 , ento A0 tambm m m, conclui -se que
A uma matriz simtrica;
A uma matriz anti - simtrica se A = A.
Se Eij = ei e0j , geralmente, ei,m e0j,m produz uma matrix m n, tendo 1 como nico elemento
diferente de zero na posio (i, j), e se A uma matriz m n, ento

A=

m X
n
X
i=1 j=1

aij ei,m e0j,n

(11)

1.5

O Trao

Definition 1.5. Definida apenas em matriz quadrada. Seja uma matriz A m m, o trao de
A, tr(A), definido como sendo a soma dos elementos da diagonal de A, ou seja

tr(A) =

m
X

aii

(12)

i=1

Se A uma matriz m n e B n m, logo AB uma matriz m m e


tra(AB) =

m
X

(AB)ii =

i=1

m
X

(A)i .(B).i =

i=1

m X
m
X
i=1 i=1

aij bj,i bji =

m X
n
X

bji aij

i=1 j=1

Theorem 1.3. Sejam as matrizes A e B e um escalar, temos as seguintes operaes


(i) tr(A0 ) = T r(A);
(ii) tr(A) = tr(A);
(iii) tr(A + B) = tr(A) + tr(B);
(iv) tr(AB) = tr(B);
(v) tr(A0 A) = 0; se e somente se A = (0)

(13)

1.6

O Determinante

O determinante uma outra funo definida pela matriz quadrada. Se A uma matriz m m,
ento o determinanate denominado por | A |, dado por
P
(1)f (i1 ,...,im ) a1i1 a2i2 . . . amim
P
= (1)f (i1 ,...,im ) ai1 1 ai2 2 . . . aim m

| A |=

A soma de todas as permutaes, (i1 , . . . , im ) do conjunto dos nmeros inteiros (1, . . . , m) e da


funo f (i1 , . . . , im ) igual ao nmero de transposio necessria para mudar i1 , . . . , im ) para
(1, . . . , m)
A transposio a troca de dois inteiros. O determinante produz todos os produtos de m termos
dos elementos da matriz A, um elemento selecionado apartir de cada linha e de cada coluna de
A.
| A | pode ser lido apartir dos cofactores. O menor elemento de aij , dado por mij , o determinante de (m 1) (m 1) obtida aps de removido a linha e a coluna de A.
O cofactor de aij dado por Aij = (1)i+j mij . Para algum i, . . . , m o determinanate de A pode
ser obtido expandindo o nmero de linhas,
| A |=

m
X

aij Aij

(14)

aij Aij

(15)

j=1

ou o nmero de colunas
| A |=

m
X
i=1

Por outro lado, se os cofactores de uma linha ou coluna so combinados com elementos de uma
linha ou coluna diferente, reduz a zero, isto , se k 6= i, ento
m
X
j=1

aij Akj =

m
X

aji Akj = 0

(16)

j=1

As propriedades de determinante so bastante simples para verificar utilizando a definio de


um determinanate ou a frmula da expanso dado em (14) e (15).
Theorem 1.4. Se um escalar e A uma matriz mm, ento temos as seguintes propriedades:
(a) | A0 |=| A |
(b) | A0 |= m | A |.
9

(c) Se A uma matriz diagonal, ento | A0 |= a11 . . . amm = m


j=1 aii
(d) Se todos os elementos da linha ou coluna de A so zeros, | A0 |= 0.
(e) Se duas filas ou colunas de A so proporcionais ao outro, | A |= 0.
(f ) O intercmbio de duas linhas ou colunas muda o sinal de | A |.
(g) Se todos os elementos ou colunas de A so multiplicados por , ento o determinante
multiplicado por .
(h) O determinante de A alterado quando um mltiplo de uma linha ou coluna adicionado a
outra linha ou coluna.
Considere uma matriz C, m m cujas colunas so fornecidas pelos vectores c1 , . . . , cm , isto ,
podemos escrever, C = (c1 , . . . , cm ). Suponhamos que por algum vector b = (b1 , . . . , bm )0 e matriz
A = (a1 , . . . , am ), temos
ci = Ab =

Pm

i=1 bi ai

Ento, se encontrar o determinante de C por expanso ao longo da primeira coluna C, obtemos


|A| =

m
X
j=1
m
X

cj1 Cj1
m
X
(
bi aji )Cj1

j=1 i=1
m
X

m
X

i=1
m
X

bi (

aji Cj1 )

j=1

bi | (ai , c2 , . . . , cm ) |

(17)

i=1

de modo que o determinante de C uma combinao linear de m determinantes. Se B uma


matriz m m e definimos C = AB, em se seguida, atravs da aplicao da derivao acima, em
cada coluna de C,vemos
|C| = |(

m
X

i1 =1
m
X

...

i1 =1

bi1 1 ai1 , . . . ,

m
X

bim m aim ) |

im =1
m
X

bi1 1 . . . bim m | (ai1 , . . . , aim ) |

im =1

bi1 1 . . . bim m | ai1 m, . . . , aim ) |


10

(18)

onde esta soma final sobre toda permutao de (1, . . . , m), deste teorema (e)que implica
| (ai1 , . . . , aim ) |= 0
se ij = ik para algum j 6= k. Finalmente reordenar as colunas em | (ai1 , . . . , aim ) |= 0 e usando
o teorema 1.4(f ), temos
| C |=

bi1 1 , . . . , bim m (1)f (i1 ,...,im ) | (ai1 , . . . , aim ) |=| B || A |

Este resultado muito til resumido abaixo.


Theorem 1.5. Se A e B so matrizes da mesma ordem, ento, | AB |=| A || B |

1.7

A Inversa

Uma matriz A m m para os quais | A |6= 0 diz - se uma matriz no singular. Neste caso, existe
uma matriz no singular denominado por A1 e chama-se a inversa de A, tal que
AA1 = A1 A = Im

(19)

Esta inversa nica desde que, se B outra matriz m m satisfazendo a inversa da frmula
(19) para A, ento BA = Im , assim
B = BIm = BAA1 = Im A1 = A1
As seguintes propriedades bsicas da matriz inversapode ser facilmente verificada usando a frmula (19).
Theorem 1.6. Se um escalar diferente de zero e m m matriz no singular de A e B,
ento:
(a) (A)1 = 1 A1 ,
(b) (A0 )1 = (A1 )0 ,
(c) (A1 )1 = A,
(d) | A1 |=| A |1 ,
1
(e) Se A = diag(a11 , . . . , amm ), ento A1 = diag(a1
11 , . . . , amm ),

11

(f ) Se A = A0 , ento A1 = (A1 )0 ,
(g) (AB)1 = B 1 A1
Tal como acontece com o determinante de A, a inversa de A pode ser inversa pode expressa em
termos em termos de cofactores de A. Seja A# , chamado de adjunto de A ser a transposio da
matriz de cofactores de A, isto , os elementos de A# (i, j), Aji , o cofactor de aji . Ento
AA# (i, j) = A# (i, j)A = diag(| A |, . . . , | A |) =| A | Im
desde que (A)i .(A# ).i = (A# ).i (A)i . =| A | resulta (14) e (15), e (A)i .(A# ).j = (A# )i .(A).j = 0,
para i 6= j resulta (16). A equao acima proporciona a relao
A1 =| A |1 A#
A relao entre o inverso do produto de uma matriz e o produto da inversa, dado pelo teorema
1.6(g) uma propriedade muito til. Infelismente, um relacionamento to bom no existe entre
o inverso de uma soma e soma dos inversos, temos no entanto, o seguinte resultado, que as vezes
til.
Theorem 1.7. Supondo que A e B so matrizes no singulares, com A m m e B ser n n.
Para qualquer matriz C m n e algum matriz D n m segue-se que se A + CBD singular,
ento
(A + CBD)1 = A1 A1 C(B 1 + DA1 C)1 A1
Proof. A prova envolve simplesmente verificar que (A + CBD)(A + CBD)1 = Im para (A +
CBD)1 dado anteriormente, neste caso temos
(A + CBD)A1 A1 C(B 1 + DA1 C)1 DA1 =
Im C(B 1 + DA1 C)1 DA1 + CBDA1 CBDA1 C(B 1 + DA1 C)1 DA1 =
Im C(B 1 + DA1 C)1 B + BDA1 C(B 1 + DA1 C)1 DA1 =
Im CB(B 1 + DA1 C)(B 1 + DA1 C)1 BDA1 = Im CB BDA1 = Im
Se m = n e C e D So matrizes identicas, ento obtm-se o seguinte caso especial do teorema
1.7.
Suponha que A e B e A + B so todas matrizes no singular m m, ento
12

(A + B)1 = A1 A1 (B 1 + A1 )1 A1
Obtemos outro caso especial do teorema 1.7 quando n = 1
Corolrio 1.7.2. Seja A ser uma matriz no singular m m. Se c e d so vectores m 1 e
A + Cd0 o singular, ento
(A + cd0 )1 = A1 A1 cd0 /(1 + d0 A1 c)
Exemplo 1.2: Teorema 1.7 pode ser particularmente til quando m maior que n e a inversa
de A bastante fcil de calcular. Por exemplo, suponha temos A = Is .

B=

1 1
1 2
1

C = 1

D0 = 0

13

1.8

Matrizes Particionado

14

1.9

A fila de uma matriz

15

1.10

matrizes ortogonais

16

1.11

Forma Quadrtica

17

2
2.1

Espaos Vectoriais
Independncia e Dependncia Linear

18

2.2

Bases e Dimenso

19

2.3

Bases e Dimenso

20

2.4

Matriz Linha e Independncia Linear

21

2.5

Bases ortonormais e Projees

22

2.6

Matrizes de Projeo

23

2.7

Interseo e Soma de Espaos Vectoriais

24

3
3.1

Inversa Generalizado
A inversa Generalizado de Moore - Penrose

25

3.2

Algumas Propriedades Bsicas da inversa de Moore - Penrose

26

3.3

A inversa de Moore - Penrose da Matriz Produto

27

3.4

A inversa de Moore - Penrose da Matriz Soma

28

3.5

A Continuidade da inversa Moore - Inverse

29

3.6

Outras inversas Generalizas

30

Matrizes Especiais e Matrizes Operadores

31

4.1

O produto de Kronecker

32