Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE CIEˆNCIAS SOCIAS APLICADAS DEPARTAMENTO DE ECONOMIA Introduc¸a˜o a` Econometria Professor: Erik Alencar de Figueireˆdo Aula 1 5 Jan 2008 5:56 p.m. Ca´lculo Matricial: Revisa˜o 0. INTRODUC¸A˜O O objetivo desta aula e´ apresentar noc¸o˜es ba´sicas do ca´lculo matricial, dado que tal recurso sera´ amplamente utilizado na derivac¸a˜o dos modelos de infereˆncia apresentados ao longo da disciplina. 1. VETORES Um vetor a representa uma lista de nu´meros de dimensa˜o k × 1, tipicamente ordenados em uma coluna1. Por exemplo: a = a1 a2 ... ak , ou seja, o vetor a possui 1 (uma) coluna e k linhas. Em outras palavras, pode-se dizer que a corresponde a um elemento do espac¸o Euclidiano de dimensaˆo k, onde a ∈ Rk. Se k = 1, enta˜o a sera´ um escalar. Os vetores coluna podem ser transformados em vetores linhas e vice-versa a partir da operac¸a˜o de transposic¸a˜o, representada pelo s´ımbolo “ ′ ”. Neste caso, o transposto do vetor a sera´ a′, que, por sua vez, podera´ ser representado por: a′ = ( a1 a2 · · · ak ) . Isto posto, vejamos algumas operac¸o˜es com vetores. Multiplicac¸a˜o por um escalar: Neste caso, cada um dos elementos do vetor sera´ multiplicado pelo escalar. Por exemplo, seja b′ = ( 4 −2 0 ), enta˜o 2b, sera´: 2b = 2 · 42 · (−2) 2 · 0 , = 8−4 0 . Adic¸a˜o e subtrac¸a˜o: Estas operac¸o˜es so´ podera˜o ser efetuadas caso os vetores envolvidos sejam todos coluna ou linha e de mesma dimensa˜o. Exemplos: 85 3 + 12 1 = 97 4 . 1 Ao longo do texto os vetores sera˜o representados por uma letra minu´scula e as matrizes por letras maiu´sculas. Introduc¸a˜o a` Econometria - Aula 1 pa´gina 2 ou, ( 4 1 0 ) + (−1 5 2 ) = ( 3 6 2 ) . Combinac¸a˜o linear: Um vetor pode ser resultante de uma combinac¸a˜o linear de outros vetores, para tanto, basta conjugar as operac¸o˜es de multiplicac¸a˜o por um escalar e da adic¸a˜o e subtrac¸a˜o de vetores. Exemplo: 3 85 3 + 2 12 1 = 2619 11 . Gene´ricamente, b = α1a1 + α2a2 + ...+ αkak = k∑ i=1 αiai. Ou seja, o vetor b e´ uma combinac¸a˜o linear dos vetores ai onde os escalares αi sa˜o os ponderadores. O entendimento deste to´pico sera´ de grande importaˆncia para o estudo da multicolinearidade, por exemplo. Multiplicac¸a˜o: O produto escalar ou interno de dois vetores e´ definido como: a′b = ( a1 · · · ak ) b1... bk = a1b1 + ...+ akbk = k∑ i=1 aibi = b′a. Se o vetor for multiplicado por ele pro´prio, teremos um caso particular desta regra: a′a = k∑ i=1 a2i . E´ fa´cil observar que se a apresentar uma dimensa˜o igual a dois, seu produto interno sera´ (a21+a 2 2) o que, por sua vez, e´ igual a` norma do vetor (teorema de Pita´goras). A norma de um vetor e´ representada por: ‖a‖ = √ a′a, Considerando-se apenas a raiz quadrada positiva. Ja´ o produto externo de dois vetores de dimensa˜o k, ou seja, ab′, resulta em uma matriz de ordem k×k. 2. MATRIZES Uma matriz pode ser definida com um vetor retangular de nu´meros. Sua dimensa˜o e´ dada pelo nu´mero de linhas e colunas. Sendo assim, se A e´ uma matriz k × r, enta˜o: A = a11 a12 · · · a1r a21 a22 · · · a2r ... ... . . . ... ak1 ak2 · · · akr . Desta forma, fica claro que os vetores sa˜o casos especiais das matrizes. Assim como nos vetores pode-se empregar a operac¸a˜o de transposic¸a˜o. Neste caso, A′ sera´: A′ = a11 a21 · · · ak1 a12 a22 · · · ak2 ... ... . . . ... a1r a2r · · · akr . Uma matriz e´ considerada quadrada quando possui dimenso˜es iguais, ou seja, 2 × 2, 4 × 4, k × k etc. Desta forma, uma matriz quadrada de ordem 2 pode ser representada por: Introduc¸a˜o a` Econometria - Aula 1 pa´gina 3 ( 1 −3 −4 0 ) . Dentre as matrizes quadradas algumas se destacam, entre elas: a) Matriz identidade I4 = 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 . Onde, os elementos da diagonal principal sa˜o todos iguais a 1 (um) e os elementos restantes iguais a 0 (zero). Geralmente, este tipo de matriz e´ representado pela letra I. Note que esta matriz exerce o papel do elemento neutro no ca´lculo matricial. Ou seja, IA = AI = A, respeitando, evidentemente, as dimenso˜es das matrizes envolvidas (os detalhes sobre a multiplicac¸a˜o de matrizes sera˜o apresentados a` seguir). b) Matriz diagonal Λ = λ1 0 0 0 0 λ2 0 0 0 0 λ3 0 0 0 0 λ4 . Note que os elementos da diagonal principal sa˜o escalares, sendo pelo menos um diferente de zero. Alguns livros-texto representam esta matriz a partir da notac¸a˜o Λ = diag{λ1, λ2, ..., λk}. Exemplo:−4 0 00 1 0 0 0 0 . Caso todos os esclares (λk) forem iguais, esta matriz sera´ denominada de matriz escalar. Λ = λ 0 0 0 0 λ 0 0 0 0 λ 0 0 0 0 λ = λI = Iλ. Por fim, destaca-se: c) Matriz idempotente Ou seja, A = A2 = A3 = ..., neste caso, a multiplicac¸a˜o dela por si pro´pria na˜o altera seus valores iniciais. Multiplicac¸a˜o de matrizes: A multiplicac¸a˜o de matrizes so´ sera´ poss´ıvel se o nu´mero de colunas da primeira matriz for igual ao nu´mero de linhas da segunda. Ou seja, se A tiver dimensa˜o n× k e B dimensa˜o k× n, enta˜o elas podera˜o ser multiplicadas. Entretanto, caso A possua dimensa˜o n× k e B dimensa˜o n× k, a multiplicac¸a˜o na˜o sera´ poss´ıvel. Suponha uma matriz D de dimensa˜o m×n e uma matriz E de dimensa˜o n×p, enta˜o sera´ poss´ıvel obter uma matriz C = DE que, por sua vez, possuira´ dimensa˜o m × p. Este ca´lculo e´ efetuado de acordo com a seguinte regra: cij = n∑ k=1 aikbkj , i = 1, 2, ...,m, j = 1, 2, ..., p. Exemplo: Introduc¸a˜o a` Econometria - Aula 1 pa´gina 4 AB = ( 1 2 3 2 0 4 ) 1 60 1 1 1 = ( 1(1) + 2(0) + 3(1) 1(6) + 2(1) + 3(1)2(1) + 0(0) + 4(1) 2(6) + 0(1) + 4(1) ) = ( 4 11 6 16 ) . BA = 1 60 1 1 1 ( 1 2 3 2 0 4 ) = 1(1) + 6(2) 1(2) + 6(0) 1(3) + 6(4)0(1) + 1(2) 0(2) + 1(0) 0(3) + 1(4) 1(1) + 1(2) 1(2) + 1(0) 1(3) + 1(4) = 13 2 72 0 4 3 2 7 . Trac¸o de uma matriz: O trac¸o de uma matriz quadrada e´ igual a` soma dos elementos de sua diagonal principal. tr(A) = k∑ i=1 aii. Vejamos algumas propriedades do trac¸o: tr(cA) = ctr(A); tr(A′) = tr(A); tr(A+B) = tr(A) + tr(B); tr(Ik) = k. Determinate de uma matriz: Considere o sistema ax = b com a 6= 0. A soluc¸a˜o deste sistema sera´ x = b/a. Observe que o denominador esta´ associado a` matriz de coeficientes do sistema (a). Considere agora um sistema dois por dois: { a11x1 + a12x2 = b1 a21x1 + a22x2 = b2 Onde as soluc¸o˜es sera˜o: x1 = b1a22 − b2a12 a11a22 − a12a21 x2 = b2a11 − b1a21 a11a22 − a12a21 Onde, novamente se observa que os denominadores esta˜o associados a matriz de coeficientes do sistema. Ou seja: ( a11 a12 a21 a22 ) . O nu´mero associado ao denominador das soluc¸o˜es apresentadas e´ justamente o determinante. Desta forma, det(a) = a det ( a11 a12 a21 a22 ) = a11a22 − a12a21. Entretanto, como obter o determinante para matrizes de ondem superior a dois? Uma das formas e´ o desenvolvimento de Laplace. Vejamos, em uma matriz 3× 3 seu determinante pode ser calculado por: |A| = ∣∣∣∣∣∣ a11 a12 a13 a21 a22 a23 a31 a32 a33 ∣∣∣∣∣∣ = a11a22a33 − a11a23a32 − a12a21a33 + a12a23a31 + a13a21a32 − a13a22a31. Introduc¸a˜o a` Econometria - Aula 1 pa´gina 5 Podemos escrever esta soma como: a11(a22a33 − a23a32)− a12(a21a33 − a23a31) + a13(a21a32 − a22a31). Ou ainda, a11 ∣∣∣∣ a22 a23a32 a33 ∣∣∣∣− a12 ∣∣∣∣ a21 a23a31 a33 ∣∣∣∣+ a13 ∣∣∣∣ a21 a22a31 a32 ∣∣∣∣ . Ou seja, o determinante da matriz 3 × 3 pode ser expresso a partir dos determinates das submatrizes 2× 2. Assim, |A| = a11|A11| − a12|A12|+ a13|A13|. Onde Aij e´ a submatriz de A, de onde ai-e´sima linha e a j-e´sima coluna foram retiradas. Desta forma, se chamarmos ∆ij = (−1)i+j |Aij |, teremos a expressa˜o |A| = a11∆11 − a12∆12 + a13∆13. O nu´mero ∆ij e´ denominado de cofator. Vale salientar que esta regra e´ va´lida para matrizes de ordem superior. Exemplo: |A| = ∣∣∣∣∣∣ 1 −2 3 2 1 −1 −2 −1 2 ∣∣∣∣∣∣ = (−2)∆12 + (1)∆22 + (−1)∆32, onde ∆12 = (−1)1+2 ∣∣∣∣ 2 −1−2 2 ∣∣∣∣ = − ∣∣∣∣ 2 −1−2 2 ∣∣∣∣ = −2, ∆22 = (−1)2+2 ∣∣∣∣ 1 3−2 2 ∣∣∣∣ = 8, ∆32 = (−1)3+2 ∣∣∣∣ 1 32 −1 ∣∣∣∣ = 7. Sendo assim |A| = −2(−2) + 1(8) + (−1)7| = 5. Matriz adjunta: Sabendo que o cofator (∆ij) do elemento aij da matriz A e´ determinado por ∆ij = (−1)i+j |Aij |, enta˜o, pode-se definir uma nova matriz A denominada matriz adjunta. Onde esta matriz sera´ formada por: A = ∆11 ∆12 ∆13∆21 ∆22 ∆23 ∆31 ∆32 ∆33 . No caso da matriz A = 1 −2 32 1 −1 −2 −1 2 , a qual ja´ foram calculados seus cofatores referentes a` coluna 2 (∆21,∆22,∆23), sua adjunta, mesmo que incompleta, seria: Introduc¸a˜o a` Econometria - Aula 1 pa´gina 6 A = ∆11 −2 ∆13∆21 8 ∆23 ∆31 7 ∆33 . O ca´lculo dos demais valores de ∆ij ficara´ como exerc´ıcio. Isto posto, a matriz inversa pode ser definida como: A−1 = 1 |A|A. Nem todas as matrizes possuem inversa, pois, este ca´lculo so´ sera´ poss´ıvel quando |A| 6= 0. Matrizes que na˜o possuem inversa sa˜o denominadas de singulares. Aqui se estabele um importante elo com a Econometria. Situac¸o˜es caracterizadas pela multicoliearidade perfeita, em verdade, esta˜o relacionadas com a singularidade da matriz de dados. Autovalores: a equac¸a˜o caracter´ıstica de uma matriz quadrada A e´ determinada por: det(A− λI) = 0. Neste caso, o λ corresponde a`s ra´ızes caracter´ısticas da matriz na˜o necessariamente distintas e podendo ser reais ou complexas. Estes nu´meros tambe´m sa˜o conhecidos como os autovalores da matriz. Suponha agora que exista um vetor v 6= 0, de modo que, (A− λI)v = 0. Neste caso, v corresponde ao autovetor da matriz. Exemplo: O ca´lculo dos autovalores e autovetores podem ser efetuados considerando a seguinte relac¸a˜o: Av = λv. Ou de uma forma equivalente, (A− λI)v = 0. Sendo assim, para a matriz: 4 −2 0−1 1 0 0 1 2 , teremos 4− λ −2 0−1 1− λ 0 0 1 2− λ xy z = 00 0 . Se o sistema de equac¸o˜es lineares for escrito de uma forma explicita, teremos treˆs equac¸o˜es e treˆs inco´gnitas. Se o determinante da matriz dos coeficientes for diferente de zero, saberemos que o sistema possui uma u´nica soluc¸a˜o, que e´ a soluc¸a˜o nula, ou seja, x = y = z = 0. Entretanto, estamos interessados em calcular os autovetores de A, de modo que v 6= 0. Neste caso, det(A− λI) = 0. Portanto, −λ3 + 7λ2 − 16λ+ 12 = 0. Isto nos leva, a (λ−2)2(λ−3) = 0. Logo, λ = 2 e λ = 3 sa˜o os autovalores de A. Conhecendo os autovalores, podemos encontrar os autovetores. Para tanto, suponha λ = 2: 4 −2 0−1 1 0 0 1 2 xy z = 2 xy z → 4x+ 2y = 2x−x+ y = 2y y + 2z = 2z Note que a terceira equac¸a˜o implica que y = 0 e, por conseguinte, x = 0 na segunda equac¸a˜o. Logo, como nenhuma restric¸a˜o e´ imposta a z, os autovetores associados a λ = 2 sa˜o do tipo (0, 0, z). Os alunos podem calcular os autovetores para o caso de λ = 3. Por fim, define-se o rank de uma matriz, como o nu´mero de autovalores diferentes de zero. Esta e´ uma definic¸a˜o importante, pois ela se refere ao nu´mero de vetores linearmente independentes. Logo, se uma matriz quadrada X de ordem k possui todos os autovalores diferentes de zero, diz-se que ela apresenta rank Introduc¸a˜o a` Econometria - Aula 1 pa´gina 7 completo, ou seja, todos os seus vetores sa˜o linearmente independentes. Novamente, se estabelece a relac¸a˜o com a multicolinearidade e com a resoluc¸a˜o do problema de Mı´nimos Quadrados Ordina´rios. Nota adicional: O presente documento foi preparado a partir do sistema tipogra´fico (Plain) TEX, desenvolvido por Donald Knuth. Versa˜o preliminar, comenta´rios sa˜o bem-vindos! REFEREˆNCIAS [1] Boldrini, J.; Costa, S.; Figueiredo, V.; Wetzler, H. (1980). A´lgebra linear. Sa˜o Paulo: Harper & Row do Brasil. [2] Johnston, J.; DiNardo, J. (2001). Metodos Econome´tricos. Lisboa: McGraw Hill. [3] Simon, C.; Blume, L. (1994). Mathematics for economists. New York: Norton & Company.
Compartilhar