Teorema de Laplace

O determinante de uma matriz ${\displaystyle A\in M_{n\times n}(\mathbb {K} )}$ é igual à soma algébrica dos produtos dos elementos de uma linha (ou coluna) pelos respectivos cofatores (ou complementos algébricos).

O cofator do elemento ${\displaystyle a_{i,j}}$ duma matriz é o escalar ${\displaystyle A_{i,j}}$ definido por

$${\displaystyle A_{i,j}\ =(-1)^{i+j}|M_{ij}|\,,}$$

em que ${\displaystyle M_{i,j}}$ representa a matriz que se obtém da matriz original pela eliminação da i-ésima linha e da j-ésima coluna.

Tem-se então que

$${\displaystyle \det(A)=a_{i,1}A_{i,1}+a_{i,2}A_{i,2}+...+a_{i,n}A_{i,n}}$$

ou

$${\displaystyle \det(A)=a_{1,j}A_{1,j}+a_{2,j}A_{2,j}+...+a_{n,j}A_{n,j}}$$

ou

$${\displaystyle \mathbf {A} ^{-1}=\det(\mathbf {A} )^{-1}\cdot {\mbox{adj}}(\mathbf {A} ),}$$

conforme seja escolhida a i-ésima linha ou a j-ésima coluna.

in wikipedia

Matriz adjunta

A matriz adjunta de uma matriz quadrada A é a matriz transposta da matriz que se obtém substituindo cada termo ${\displaystyle {A}_{i,j}}$ pelo determinante da matriz resultante de retirar de A a linha i e a coluna j (isso é, o determinante menor) multiplicado por ${\displaystyle {(-1)}^{i+j}}$ (isso é, alternando os sinais).

Matrizes 2x2

Para toda matriz de ordem 2:

${\displaystyle \mathbf {A} ={\begin{bmatrix}a&b\\c&d\end{bmatrix}}}$

${\displaystyle {\mbox{adj}}(\mathbf {A} )={\begin{bmatrix}d&-b\\-c&a\end{bmatrix}}}$

As seguintes propriedades são válidas para todas as matrizes ${\displaystyle K^{n\times n}}$

${\displaystyle \operatorname {adj} (I)=I}$, em que ${\displaystyle I}$ é a matriz identidade.

${\displaystyle \operatorname {adj} (0)=0}$, em que 0 é a matriz nula.

${\displaystyle \operatorname {adj} (AB)=\operatorname {adj} (B)\cdot \operatorname {adj} (A)}$

${\displaystyle \operatorname {adj} (A^{T})=\operatorname {adj} (A)^{T}}$

${\displaystyle A\cdot \operatorname {adj} (A)=\operatorname {adj} (A)\cdot A=\det(A)\cdot I}$

${\displaystyle \operatorname {adj} (\lambda A)=\lambda ^{n-1}\operatorname {adj} (A)}$ em que ${\displaystyle \lambda \in \mathbb {R} }$

${\displaystyle \det(\operatorname {adj} (A))=(\det A)^{n-1}}$

${\displaystyle \operatorname {adj} (\operatorname {adj} (A))=(\det A)^{n-2}A}$, para o caso particular de ${\displaystyle A}$ ser ${\displaystyle 2\times 2}$ resulta em ${\displaystyle \operatorname {adj} (\operatorname {adj} (A))=A}$

Determinação da matriz inversa

om a matriz adjunta pode-se calcular a inversa de uma matriz de uma maneira diferente da tradicional, embora não mais rápida. A forma mais eficiente de obter a matriz inversa é através da eliminação de Gauss-Jordan. Para toda matriz invertível A:

${\displaystyle \mathbf {A} ^{-1}={\frac {{\mbox{adj}}(\mathbf {A} )}{\det(\mathbf {A} )}}.}$

Logo, para toda matriz invertível de ordem 2:

${\displaystyle {\begin{bmatrix}a&b\\c&d\end{bmatrix}}^{-1}={\frac {1}{ad-bc}}{\begin{bmatrix}\,\,\,d&\!\!-b\\-c&\,a\\\end{bmatrix}}.}$

Observação: Alguns matemáticos desaconselham a notação acima em favor da seguinte:

${\displaystyle \mathbf {A} ^{-1}={\frac {1}{\det(\mathbf {A} )}}\cdot {\mbox{adj}}(\mathbf {A} ).}$

Vale reforçar que só é inversível a matriz que é quadrada e cujo determinante é diferente de zero.

in: wikipedia

Lei dos grandes números

in wikipédia

Gaussian Dristribution Function

Desigualdade de Chebychev

in : wikipédia

Covariância

in : wikipédia

Binomial Distribution Function