Capítulo I - Vetores
description
Transcript of Capítulo I - Vetores
-
Anlise Multivariada - Victor Gouva
Captulo 1
VETORES
1.1 - Vetores Livres
Sejam P e Q dois pontos no espao. Ns definiremos como segmento orientado o
segmento de linha comeando em P e terminando em Q.
Um segmento orientado tambm chamado de vetor livre.
Dois vetores livres AA e BB so iguais se forem paralelos tiverem o mesmo
comprimento e a mesma direo.
No nosso exemplo AA = BB = CC = DD e se tivermos um ponto M, o vetor livre
MM = M+AA tambm ser igual a AA.
Se ns fixarmos o ponto O no espao e dissermos que todo vetor tem que comear em O
vetor j no mais to livre. Ns chamaremos de vetor v o vetor cuja origem (ponto de
incio) O. Todo ponto do espao pode ser visto como um vetor e vice versa, j que para
todo ponto P existe um e somente um vetor com incio em O e terminando em P.
1
-
Anlise Multivariada - Victor Gouva
2
possvel definir a soma de dois vetores da seguinte maneira:
Se tivermos dois vetores v e w a gente chama de soma de dois vetores o vetor obtido do
seguinte modo:
e chamo de v+w o vetor comeando no incio de v e terminando no fim de w. a
chamada regra do paralelogramo porque eu poderia ter feito o contrrio, isto , w+v ao
invs de v+w.
Um vetor zero aquele em que o incio coincide com o final. Vou chama-lo de O
(como era de se esperar). Neste caso, v + O = v.
O negativo de um vetor v, chamado de -v vetor com o mesmo tamanho, comeando
onde o outro termina e com direo contrria.
-
Anlise Multivariada - Victor Gouva
3
Ou, o que d no mesmo, AB = -BA
Assim, posso somar v com -w para obter a diferena v-w. bvio que v-v = O porque
v-v comea e termina no mesmo ponto. Todo este raciocnio vale para vetores livres
porque se todos os vetores comearem na origem o vetor zero a prpria origem O.
Alm da operao de soma posso tambm multiplicar o vetor v por um nmero real
qualquer k.
Se k > 1 o vetor kv resultante tem a mesma direo e a mesma origem de v mas
maior.
Se 0 < k < 1 o vetor kv tem a mesma origem e a mesma direo que v mas menor.
Se k for negativo ento o vetor kv tem direo oposta direo de v.
A multiplicao por um escalar (nmero real) associativa no sentido de que se
k=k1k2 ento kv = k1(k2v) = (k1k2)v. E distributiva no sentido de que se k = k1 + k2, kv = (k1 + k2)v = k1v + k2v.
Mais que isso, se v = v1 + v2 teremos:
kv = (k1 + k2)(v1 + v2) = k1v1 + k1v2 + k2v1 + k2v2
Agora nos vamos no s colocar uma origem como tambm dois eixos ortogonais,
seguindo a tradio cartesiana (atualmente cartesiano sinnimo de bvio mas na poca
foi um achado do Descartes juntar lgebra e geometria). Voltando vaca fria:
-
Anlise Multivariada - Victor Gouva
Neste caso, o ponto P no s pode ser visto como o ponto de coordenadas x e y como
tambm como o vetor OP.
Por exemplo, suponha que o ponto P , no sistema cartesiano o ponto (3,2). Teremos:
como existe uma correspondncia biunvoca entre ponto e vetor, a gente, talvez por
abuso de linguagem, fala no vetor (3,2). Na verdade, o mais usual escrever na vertical
v =
32
o que a gente chama de vetor coluna. E usa a notao v' = (3,2) (vetor linha) mas d no
mesmo.
Repare que um vetor tem comprimento dado pelo teorema de Pitgoras: xy
|v|2 = x2 + y2 ou v x y= +2 2 No caso de dois pontos P=(x1,x2) e Q=(y1,y2) a distncia achada fazendo-se:
222
211 )xy()xy(PQ +=
j que PQ hipotenusa de um tringulo com catetos y1-x1 e y2-x2 .
4
-
Anlise Multivariada - Victor Gouva
A generalizao para um espao n dimensional que, dados dois pontos,
P = (x1, x2, ...,xn) e Q = (y1, y2, ...,yn)
a distncia entre eles :
PQ y x y x y xn n= + + + ( ) ( ) ... ( )1 1 2 2 2 2 2 e, em particular o comprimento dos vetores OP e OQ so:
==
==n
1i
2i
n
1i
2i )x()0x(OP e OQ yi
i
n=
= ( )2
0
1.2 - ngulo entre dois vetores
Outra noo importante para quem pretende navegar no espao a de ngulo entre
dois vetores.
Para achar o ngulo preciso usar a regra do coseno da geometria elementar: |QP|2 = |OQ|2 + |OP|2 - 2|OP| |OQ| cos (y1-x1)
2 + (y2-x2)2 = (y1
2 + y12) + (x1
2 + x12) - 2|OP| |OQ| cos
fazendo as contas:
-2 x1 y1 - -2 x2 y2 = -2|OP| |OQ| cos donde:
cos = +x y x yOP OQ
1 1 2 2
o que se parece sobremaneira (gostaram do sobremaneira?) com a frmula do coeficiente
de correlao:
5
-
Anlise Multivariada - Victor Gouva
yx
)Y,X(Covr =
o que tem tudo a ver como veremos daqui a pouco.
O numerador da equao do cos x1 y1 + x2 y2 que chamado de produto interno ou produto escalar.
E se os dois vetores OP e OQ tiverem comprimento igual a 1? Neste caso o coseno do
ngulo daria x1 y1 + x2 y2 .
Um vetor que tem comprimento igual a um chamado de vetor unitrio. Em
particular dois vetores unitrios so importantes: o que corresponde ao primeiro eixo
(abcissas) e outro ao segundo eixo (ordenadas). So eles (1,0) e (0,1).
evidente que qualquer ponto P = (x1 , x2) pode ser visto como:
xx
x x12
1 210
01
=
+
A gente diz que e formam uma base para todos os outros pontos. a chamada
base cannica. Todo ponto do espao pode ser obtido por combinao linear dos vetores
da base. Dois vetores u e v formam uma base no espao bidimensional se qualquer ponto
P pode ser obtido fazendo-se P = au + bv onde a e b so constantes. A base mais bvia
a cannica (e por isso que se chama cannica).
10
01
Repare que o ngulo entre os dois dado por: cos = x1 y1 + x2 y2 = 10 + 01 = 0 Portanto = 90o
6
-
Anlise Multivariada - Victor Gouva
Suponhamos agora que eu tenha um vetor unitrio e outro no. Digamos, v = (4,3) e
u=(1,0).
O comprimento de v |v| = 4 3 252 2+ = = 5
Qual o ngulo que os dois fazem?
cos = + =1 4 0 35
45
isto , =36,9o Uma relao importante que a coordenada do ponto no eixo 4 = 5cos. Em outras palavras:
Produto escalar = comprimento do vetor x coseno do ngulo = coordenada do ponto no
eixo.
Se o eixo no estiver bonitinho no lugar que a gente espera, por exemplo se a situao
for:
chamando-se de u o vetor unitrio do eixo E, a projeo do vetor OP sobre o eixo E :
OP OP= cos = produto escalar entre OP e u, em que u o vetor unitrio do eixo E. Repetindo: se eu quiser a coordenada de um vetor sobre um eixo tenho que achar o
produto escalar do vetor com o unitrio do eixo.
7
-
Anlise Multivariada - Victor Gouva
Num espao de dimenso n a base cannica dada por:
1
00
0
10
0
01
MLMM
A Generalizao da frmula do coseno para o espao n-dimensional tambm bvia:
)yyy)(xxx(
yxyxyxcos
2n
22
21
2n
22
21
nn2211
++++++++=
LLL
==
==n
1i
2i
n
1i
2i
n
1iii
)y()x(
yx
A relao disto com o coeficiente de correlao que se voc tem o resultado de duas
amostras, (x1, x2, ...,xn) e (y1, y2, ...,yn) , ambas com mdia zero, isto , 0Ye0 ==X teremos,
Cov(X,Y) = EXY -E(X)E(Y)=E(XY)-00 = E(XY) = n
yxn
1iii
=
e Var(X) = E(X2)-(E(X))2 = E(X2) -0 = E(X2) = n
xn
1i
2i=
e do mesmo modo, Var(Y) = n
yn
1i
2i
= e como,
==
==
==
=
==
= cos)y()x(
yx
n)y(n)x(
nyx)y,x(Covr
n
1i
2i
n
1i
2i
n
1iii
n
1i
2i
n
1i
2i
n
1iii
yx
A exigncia de que as mdias sejam zero parece restringir muito mas no verdade
porque se as mdias forem YeX , ao invs de tomarmos (x1, x2, ...,xn) e (y1, y2, ...,yn)
usaremos
(x1- X ), (x2- X ), ..., (xn- X ) e (y1- Y ), (y2- Y ), ... , (yn- Y )
8
-
Anlise Multivariada - Victor Gouva
que tem mesma varincia mas tem mdia zero (a soma dos desvios em relao mdia e
igual a zero).
S que em termos de Clculo Vetorial esta centralizao na mdia uma mudana de
origem, o que se chama de mudana de coordenadas.
1.3 - Mudanas de Coordenadas
Quando n tnhamos vetores livres, coloquei uma origem e dois eixos ortogonais.
Mas, quem disse que a origem era naquele ponto do papel e no noutro qualquer?
Quem disse que estavam nesta posio e no em outra?
Nos casos 1 e 2 estou mudando apenas a posio da origem. No caso 3 alm de
mudar a origem estou mudando tambm a posio dos eixos (provavelmente porque
achei que estavam tortos).
1o caso: Mudana de origem.
9
-
Anlise Multivariada - Victor Gouva
O ponto P nos dois referenciais tem coordenadas (x,y) e (x',y'). Chamando-se de xo' e
yo' as coordenadas da nova origem O'no velho sistema de eixos (O,x,y) temos que:
x' = x - xo' e y' = y - yo'
Em particular, temos o caso em que xo' = X e yo' = Y . o que chamamos de uma
translao. A translao no afeta nem varincia nem covarincia.
2o caso: No segundo caso temos uma rotao.
As vezes importante mudar o sistema de referncia para que isto leve a uma melhor
anlise do problema que estamos estudando. Particularmente na tcnica de Anlise
Multivariada conhecida como Anlise Fatorial. Uma mudana que frequentemente
usada a rotao dos eixos. Considere o ponto P da figura. Suponha que ele tem
coordenadas x1 e x2 nos eixos originais e y1 e y2 nos eixos depois de rodados de um
ngulo no sentido anti-horrio. Na figura temos:
y1 = AO +AB = + tgycosx
21 e portanto x1 =y1cos -y2sen
Do mesmo modo , +=+= tgxcosy
ACPAx 12
2
o que leva a:
xy
y y y y y y22
1 2 1 22
1 21= + = + = +
cos( cos sen ) sen sen
cossen cos
Ou, inversamente,
10
-
Anlise Multivariada - Victor Gouva
y x xy x x
1 1 2
2 1 2
= += +
cos sensen cos
Ou, escrito matricialmente:
yy
xx
1
2
1
2
=
cos sensen cos
se a gente chamar de A a matriz teremos y = Ax.
Do mesmo modo temos a operao inversa:
xx
yy
1
2
1
2
=
cos sensen cos
e chamando a matriz de B teremos x = By
Note-se que B a transposta de A e que alm disso,
AB =
=
cos sensen cos
cos sensen cos
1 00 1
Isto , B a matriz inversa de A. A transposta de A portanto a inversa de A. A gente
chama a este tipo de matriz de matriz ortogonal.
Se a matriz no for ortogonal no teremos uma rotao fixa dos eixos e sim um
resultado distorcido.
E a gente nota o seguinte: A matriz
cos sensen cos
tem a propriedade de pegar um vetor e mudar ele de lugar. O eixo que estava numa
posio vai mudar graus. Se ns tivermos dois vetores u e v sendo que v tem o dobro do tamanho de u quando ns rodarmos os vetores u' e v' obtidos mantm a proporo (v'
o dobro de u'). Se a gente rodar u+v ele se transforma em u'+v' que a soma de u' e v'.
Estas transformaes que mantm a proporcionalidade e as somas so chamadas de
aplicaes lineares. Assim, se ns tivermos um vetor e multiplicarmos pela matriz xx
1
2
a aa a
11 12
21 22
ficaremos com:
yy
a aa a
xx
a x a xa x a x
1
2
11 12
21 22
1
2
11 1 12 2
21 1 22 2
=
=
++
A transformao linear pega o vetor e joga noutro ponto do espao.
11
-
Anlise Multivariada - Victor Gouva
Exemplo: suponha que eu tenha os dois eixos cartesianos e no meio a reta que faz 450
com os dois eixos (acho que se chama bissetriz ou Beatriz, alguma coisa deste tipo).
O ponto P est de um lado. Qual a transformao linear que transforma P no seu
"espelho", isto , o ponto a mesma distncia da reta s que do outro lado? Digamos, qual
a transformao linear que transforma (3,2) em (2,3)?
a aa a
11 12
21 22
32
23
=
Resposta: 0 11 0
Como que eu soube? Pensei: x1 e x2 tem que trocar de lugar e portanto basta
escrever a matriz da de cima.
0 11 0
32
23
=
em geral,
0 11 0
1
2
2
1
=
xx
xx
Repare que para esta transformao, dois tipos de vetores continuam na mesma linha:
os que esto na linha do meio do primeiro e terceiro quadrantes e os que esto na linha
que passa no meio do segundo e quarto quadrantes.
12
-
Anlise Multivariada - Victor Gouva
Se um ponto est em L1 fica onde est, como por exemplo para e 22
11
0 11 0
22
22
=
e
0 11 0
11
11
=
Se est em L2 vai parar l no outro quadrante. Por exemplo, vai para
22
22
Uma transformao linear transforma uma linha em outra linha.
13
-
Anlise Multivariada - Victor Gouva
No grfico, cada um dos pontos da linha onde est v pode ser obtido multiplicando-se
por uma constante que s vai encurtar ou ampliar v ou mudar a sua direo. Como a transformao linear no muda as proporcionalidades temos A(v) = w o que significa que todos os pontos da linha onde se encontra w podem ser obtidos por transformao
linear dos que se encontram na linha de v. Existe exceo. Sempre existem duas linhas
em que a transformao no sai dela prpria como no caso da transformao "espelho".
Estas linhas so chamadas de direes principais. Os vetores que esto sobre elas so
chamados de auto vetores ou vetores prprios. S que se manter na mesma linha no
significa ficar no mesmo lugar. Depois da transformao, o vetor multiplicado por uma
constante . Assim, v dito auto vetor de A se Av = v. Dada a transformao A o valor de fixo e chamado de autovalor ou valor prprio.
Em geral, a gente quer apenas o vetor unitrio da linha por causa daquela propriedade
de projeo que ns j vimos.
Exerccio:
Seja . Ache os autovalores e auto vetores de A. A =
3 12 2
Av vxx
xx
=
=
3 12 2
1
2
1
2
da fico com duas equaes:
3x1 + x2 =x1 2x1 + 2x2 =x2
14
-
Anlise Multivariada - Victor Gouva
ou,
(3-)x1 + x2 = 0 3x1 + (2-)x2 = 0
Mas, o fato de que,
3 12 2
00
1
2
=
xx
implica que o determinante nulo (ver livros de lgebra linear).
(3-)(2-) - 12 = 0 da, 6 - 5 + 2 -2 = 0, isto , 2 - 5 + 4 = 0.
= = 5 25 4 42
5 32
da tenho 1 = 4 e 2 = 1 Usando a primeira equao com = 4, tenho: (3-)x1 = -x2 , e portanto x1 =x2 , isto , x1 =x2
Segue-se que auto vetor relativo a = 4. Ser? 11
3 12 2
11
44
411
=
=
(A v = v)
Do mesmo modo para = 1, 2x1 = -x2 e portanto auto vetor relativo a =1. 12
3 12 2
12
12
112
=
=
Assim, temos v1 = auto vetor relativo ao autovalor = 4 e v11 2 = auto vetor
relativo ao autovalor =1.
12
Mas, em geral, o que a gente quer o vetor unitrio. O unitrio pode ser obtido
dividindo-se o vetor pelo seu comprimento. O comprimento de v1 :
15
-
Anlise Multivariada - Victor Gouva
| |v x x1 12
22 1 1 2= + = + =
u1
12
12
=
auto vetor unitrio relativo ao autovalor =4.
. O comprimento de v2 | | ( ) ( )v22 21 2= + = 5
e u2
1525
=
auto vetor unitrio relativo ao autovalor = 1.
No exemplo da transformao linear "espelho" qualquer vetor que se encontrar sobre
as direes principais auto vetor. Assim,
e so auto vetores da transformao relativos aos autovalores 11
11
0 11 0
= 1 e = -1 respectivamente., j que, 0 11 0
11
11
111
0 11 0
11
11
11
1
=
=
=
=
e
Os vetores unitrios dos eixos L1 e L2 do exemplo so portanto:
u1
12
12
=
e u2
12
12
=
1.4 - O teorema espectral
O teorema espectral para matrizes simtricas diz que:
"Se u1, u2. ..., un so auto vetores unitrios de uma matriz A (simtrica) relativos aos
autovalores 1, 2, ..., n ento " 'nnn'222'111 uu...uuuuA +++= Segue-se que ns podemos recompor a matriz A a partir dos seus autovalores e auto
vetores. Uma tal decomposio chamada de decomposio espectral.
Por exemplo: a matriz simtrica e os auto vetores so
0110
16
-
Anlise Multivariada - Victor Gouva
u1
12
12
=
e u2
12
12
=
relativos a 1 =1 e 2 = -1 donde,
+
=
+
=
21
21
21
21
21
21
21
21
21
21
21
21
)1(2
12
1
212
1
10110
J a matriz no simtrica. No simtrica em relao mtrica euclidiana
usual. Teramos:
2213
u1
12
12
=
auto vetor relativo a 1 = 4 e u2
1525
=
auto vetor unitrio relativo ao
autovalor = 1. Donde,
=
+
=
+
106
108
108
1011
54
52
52
51
2222
52
51
525
1
12
12
1
212
1
4
que no tem nada a ver com
2213
Vamos tentar com outra mtrica:
212
1
u1
= e u2
1525
=
s seriam ortogonais se o produto escalar fosse igual a
zero, isto , se u o que no o caso usando a distncia euclidiana comum. Agora
se a mtrica fosse:
0u2'1 =
=
2/1001
M a o produto escalar seria
17
-
Anlise Multivariada - Victor Gouva
0101
101
525
1
221
21
525
1
21001
21
21uMu 2
'1 ==
=
=
a gente diz ento que u1 e u2 so ortogonais pela mtrica M. No caso particular em que M
a matriz identidade a mtrica chamada de euclidiana ou cannica. O problema que
com a nova mtrica os vetores no so mais unitrios.
4/341
21
212
1
221
21
212
1
21001
21
21uMu 1
'1 =+=
=
=
53
52
51
525
1
51
51
525
1
21001
52
51uMu 2
'2 =+=
=
=
Dividindo o primeiro (u1) por 23
43 = e o segundo (u2) por
53 teremos os
unitrios com a mtrica M:
323
1
u
626
2
u 21
=
=
Conferindo para ver se so unitrios:
162
64
626
2
61
62
626
2
21001
62
62uMu 1
'1 =+=
=
=
132
31
323
1
31
31
323
1
21001
32
31uMu 2
'2 =+=
=
=
O teorema espectral com esta mtrica ficaria:
18
-
Anlise Multivariada - Victor Gouva
M)uu...uuuu(
Muu...MuuMuuA'nnn
'222
'111
'nnn
'222
'111
+++=+++=
e no nosso exemplo,
=
=
+
=
+
=
2213
2/1001
4223
2/1001
34
32
32
31
38
38
38
38
2/1001
32
31
323
1
16
26
2
626
2
4A
19