Teoria Básica Cadeias de Markov (2015)

Universidade Federal do Esprito Santo - UFES
Centro de Ciências Exatas

Departamento de Matemática
Mestrado Profissional em Matemática em Rede Nacional - PROFMAT
TEORIA BÁSICA DAS CADEIAS DE MARKOV
Autor: Mateus Mendes Magela

Orientador: Dr. Florêncio Ferreira Guimarães Filho
13 de Outubro de 2015
Mateus Mendes Magela
TEORIA BÁSICA DAS CADEIAS DE MARKOV
Dissertação apresentada ao Mestrado

Profissional em Matemática em Rede
Nacional da Sociedade Brasileira de
Matemática (PROFMAT) em parceria com
o Centro de Ciências Exatas da Universidade
Federal do Espı́rito Santo, como requisito
parcial para obtenção do grau de Mestre
em Matemática, sob orientação do Professor
Doutor Florêncio Ferreira Guimarãres Filho.
13 de Outubro de 2015
Agradecimentos
Aos meus pais, pela bravura diante de todas as dificuldades, pela dedicação que
sempre tiveram na minha educação, por todo carinho e amor dedicados ao
Henrique, pelos exemplos de dignidade, honestidade e sobretudo trabalho.
A minha irmã pela amizade e carinho.
A minha esposa Flávia, minha heroı́na, que sempre me apoiou e incentivou nas
horas difı́ceis. Por estar sempre ao meu lado, pelo seu carinho, por sua atenção,
pelo seu amor. Te amo.
Ao meu filho Henrique, pelo seu amor incondicional.
A minha nova famı́lia, Garcia, Inês e Amanda, pela confiança, por todo apoio
recebido e pelo carinho e amor dedicados ao Henrique.
Ao meu orientador Prof. Dr. Florêncio Guimarães Filho por tudo que me ensinou,
devo a ele a oportunidade que tive de chegar até aqui, sua dedicação e competência
como professor são exemplos que levarei por toda minha vida.
A Escola São Domingos pela confiança e pelo carinho que sempre tiveram comigo,
por me proporcionar conhecimento não apenas profissional, sobretudo a formação
do meu caráter. Pelos grandes amigos aqui aı́ encontrei. Muito obrigado por tudo.
Resumo
As cadeias de Markov desempenham papel cresecente e importante na resolução

de problemas em diversas áreas do conhecimento como exemplo: Administração,
Biologia, Genética, Sociologia, Metereologia, Teoria de Jogos. A finalidade desse
trabalho é apresentar a importância das aplicações da distribuição estacionária das
cadeias de Markov. Uma revisão sobre os pré-requisitos necessários para compreensão
da teoria é apresentada nos primeiros capı́tulos. Em seguida, é apresentada a teoria
geral das cadeias de Markov introduzindo algumas de suas aplicações. O último
capı́tulo trata com destaque o algoritmo Page Rank, uma importante aplicação das
cadeias de Markov utilizada pelo Google para apresentar no topo as páginas da web
mais interessantes sobre o assunto pesquisado.
Palavras chave: Probabilidade.Matriz Estocástica.Cadeias de Markov.Page Rank.

Abstract
Markov chains play a rising and important role in problems solving in several
knowledge areas such as: Administration, Biology, Genetics, Meteorology and
Game theory. This paper aims show the use of Markov chains stationary
distribution. A review about prerequisites necessary for comprehending the theory
will be presented in the first chapters. Then, we will introduce the general theory
of Markov chains focusing on some of their applications. The last chapter will
highlight the Page Rank algorithm, an important feature of Markov chain used by
Google to place on top the most interesting web pages related to the researched
topic.
Key-words: Probabilility.Stochastic Matrix.Markov chains.Page Rank.

Conteúdo
1 Introdução 9
2 Teoria das Probabilidades 11
2.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Antecedentes Históricos . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3 Conceitos Básicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3.1 Experimento Aleatório . . . . . . . . . . . . . . . . . . . . . . 12
2.3.2 Espaço Amostral . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3.3 Evento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3.4 Definição Cássica de Probabilidades . . . . . . . . . . . . . . . 14
2.4 Espaço Equiprovável e Probabilidade . . . . . . . . . . . . . . . . . . 15
2.5 Probabilidade Condicional . . . . . . . . . . . . . . . . . . . . . . . . 17
2.6 Processos Estocásticos Finitos . . . . . . . . . . . . . . . . . . . . . . 21
2.6.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.6.2 Independência . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.6.3 Problema Motivador . . . . . . . . . . . . . . . . . . . . . . . 24

3 Matrizes 27
3.1 Antecedentes Históricos . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2 Introdução a Teoria das Matrizes . . . . . . . . . . . . . . . . . . . . 30
3.3 Álgebra Matricial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.3.1 Adição de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . 35
3.3.2 Propriedades da Adição de Matrizes . . . . . . . . . . . . . . . 40
3.3.3 Multiplicação de Matrizes . . . . . . . . . . . . . . . . . . . . 41
3.3.4 Associatividade do Produto de Matrizes . . . . . . . . . . . . 45
3.3.5 Distributividade do Produto em relação a Soma . . . . . . . . 46
3.3.6 Álgebra Numérica versus Álgebra Matricial . . . . . . . . . . . 47
4 Matrizes Estocásticas 48
4.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.2 Matriz Estocástica Regular . . . . . . . . . . . . . . . . . . . . . . . . 50
4.3 Ponto fixo de uma Matriz Estocástica Regular . . . . . . . . . . . . . 53
5 Cadeias de Markov 63
5.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.2 Andrei Andreyevich Markov . . . . . . . . . . . . . . . . . . . . . . . 67
5.3 Conceitos Básicos sobre Cadeias de Markov . . . . . . . . . . . . . . 69
5.3.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
7
5.3.2 Definição de uma cadeia de Markov . . . . . . . . . . . . . . . 70
5.4 Passeios Aleatórios Simples . . . . . . . . . . . . . . . . . . . . . . . 74
5.5 Probabilidades de Transição Superiores . . . . . . . . . . . . . . . . . 77
5.6 Cadeias de Markov Regulares . . . . . . . . . . . . . . . . . . . . . . 82
5.6.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.6.2 Distribuição Estacionária de uma cadeia de Markov Regular . 84
5.7 Cadeias de Markov Absorventes . . . . . . . . . . . . . . . . . . . . . 92
6 Como o Google googla? 95
6.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.2 A Origem do Google . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.3 A Web e as cadeias de Markov . . . . . . . . . . . . . . . . . . . . . . 98
6.3.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
6.3.2 Web Fortemente Conectada . . . . . . . . . . . . . . . . . . . 99
6.3.3 Web não Fortemente Conectada . . . . . . . . . . . . . . . . . 106
Bibliografia 111
8
9
1 Introdução
Esta dissertação, de caráter elementar, pretende introduzir os principais elementos
teóricos sobre as cadeias de Markov.
De maneira simples podemos descrever um sistema em cadeia de Markov discreto,
como sendo um processo estocástico discreto em que o estado do sistema no
instante futuro não se altera pelo seu histórico, mas apenas é afetado pelo seu
estado presente. Esta caracterśtica confere as cadeias de Markov o apelido de
processo desmemoriado.
A finalidade das cadeias de Markov é prever um estado futuro apenas com relação
ao estado atual do sistema. Como exemplo: um matemático vai lançar uma moeda
honesta quatro vezes. Qual a probabilidade de que o resultado seja cara, cara, cara,
cara? A resposta é 6,25%. Agora, suponhamos que o jogador já tivesse jogado a
moeda uma vez, e o resultado tenha sido cara, como pode a partir daı́ prever o
futuro? Esse é um tı́pico exemplo de uma cadeia de Markov.
Através das cadeias de Markov, foi possı́vel compreender melhor fenômenos
cientı́ficos e sociais em diversas áreas do conhecimento.Como exemplos podemos
destacar o engenheiro da computação, que necessita construir um algoritmo de
busca que classifica páginas da internet levando em consideração sua relevância na
web. O sociólogo, que necessita entender como memes, ou de que forma
caracterı́sticas culturais espalham-se pela sociedade. O genteticista, que necessita
construir o mapa genético de uma espécie. O meteorologista, que precisa prever
cenários climáticos para uma determinada região. Ou até mesmo um biólogo, que
necessecita estudar o comportamento futuro da população de uma determinada
espécie marinha submetida a pesca industrial.
Essas aplicações decorrem em virtude da existência de uma distribuição de
probabilidades estacionária das cadeias de Markov regulares, cujo valor é
determinado por meio de uma artmética elementar envolvendo matrizes, tornando
sua aplicação uma tarefa simples para os programas algébricos de computação já
existentes.
As cadeias de Markov são assim denominadas em homenagem ao matemático russo
Andrei A. Markov (1856 - 1922). Ele analisou a sequência de vogais e consoantes
no poema Eugene Onegin (1883). Ele verificou empiricamente que uma vogal era
seguida de uma consoante em 87% das vezes e que um consoante era seguida por
uma vogal 66% das vezes. Este trabalho ficou conhecido como cadeias de Markov.
Na época ele não imaginava que seu trabalho tivesse alguma outra aplicação.
Dentre os principais matemáticos que contribuı́ram para o seu avanço dessa teoria
podemos destacar o matemático russo Andrei Kolmorogov.
10
11
2 Teoria das Probabilidades
2.1 Introdução
Quando o assunto é condomı́nio, a garagem é sempre um ponto delicado, em

especial quando se trata de distribuição das vagas entre as unidades. Para
minimizar as reclamações, um edifı́cio decidiu fazer sorteio das vagas de garagem de
ano em ano. O edifı́cio possui 48 vagas sendo 36 vagas presas (ruins),ou seja,
aquela que depende de seu vizinho de garagem para que se possa acessá-la e 12
vagas soltas (boas), em outras palavras vagas isoladas, aquelas em que o morador
tem livre acesso. O sorteio acontece por ordem de chegada da seguinte forma: o
morador que chegar primeiro, é também o primeiro a sortear uma vaga, o morador
que chegar em segundo é o segundo a sortear e assim por diante. Entretanto, essa
medida não foi suficiente para amenizar as reclamações, pois alguns moradores
passaram a protestar que o morador que tinha condições de ser o primeiro a chegar
levava grande vantagem sobre os demais . Sendo assim, surgem alguns
questionamentos. O primiero morador a sortear a vaga tem maior probabilidade de
tirar uma vaga boa do que o segundo no sorteio?
Existe alguma posição no sorteio que privilegia o resultado de uma vaga boa?
A Teoria das Probabilidades é o ramo da Matemática que se dedica no
desenvolvimento e na busca por modelos que podem ser usados para resolver esse e
demais problemas que envolvam experimentos aleatórios.
2.2 Antecedentes Históricos
O desenvolvimento dessa teoria começou a ter destaque no século XVII atráves de

debates sobre problemas de jogos de azar entre Blaise Pascal, Pierre de Fermat e
Antonie Gombaud, também conhecido como Chevalier de Méré. Embora tenha
uma longa história de aplicação prática, apenas a partir das décadas de 20 e 30 do
século XX que a teoria das probabilidades foi sistematizada com sólida
fundamentação teórica, passanod a assumir com grande destaque estudos em
diversas áreas como: Fı́sica, Quı́mica, Biologia, Medicina, Psicologia, Sociologia,
Ciências Polı́ticas, Educação, Economia, Engenharia dentre outras.
2.3 Conceitos Básicos
2.3.1 Experimento Aleatório
Experimentos que submetidos as mesmas condições, implicam em resultados

arbitrariamente distintos, são chamados de experimentos aleatórios. Podemos dizer
em outras palavras, é todo aquele experimento cujos resultados não podem ser
previstos com certeza antes de sua execução como exemplo: lançamento de um
dado, sorteio da Mega-Sena, lançamento de uma moeda, pesquisa de satisfação,
risco econômico de crétido, temperatura máxima no verão.
12
2.3.2 Espaço Amostral
O conjunto de todos os resultados possı́veis de um experimento é denominado

espaço amostral. Cada elemento do espaço amostral é chamado de ponto amostral
ou simplismente amostra.
Exemplo 2.3.2.1: O experimento aleatório dado pela obsevarção da face voltada
para cima no lançamento de um dado tem como espaço amostral o conjunto A
dado por:
A = {1, 2, 3, 4, 5, 6}
2.3.3 Evento
Um evento é um conjunto de resultados possı́veis de um experimento. Quando o

espaço amostral é um conjunto finito, então todo subconjunto é um evento. O
mesmo não acontece quando o espaço amostral é um conjunto infinito.
Exemplo 2.3.3.1: No lançamento de um dado, podemos considerar como evento
E a observação de um número par na face voltada para cima.
E = {2, 4, 6}
É importante observarmos que podemos combinar eventos para obter novos eventos
usando as operações elementares dos conjuntos.
Exemplos:
a) A ∪ B é o evento que ocorre se, e somente se, ocorre apenas A, ocorre apenas B
ou ocorre ambos;
b) A ∩ B é o evento que ocorre se, e somente se, ocorrem A e B simultâneamente.
13
Definição: Dois eventos A e B são chamados de mutuamente exclusivos se eles são
disjuntos, ou seja, se A ∩ B = . Podemos dizer em outras palavras, A e B são
multuamente exclusivos se, e somente se, não podem ocorrer simultâneamente.
Exemplo 2.3.3.2: Seja A o evento em que o resultado no lançamento de um dado
seja um número par e B o evento em que o resultado no lançamento de um dado
seja um número ı́mpar. Então temos:
A = {2, 4, 6} ; B = {1, 3, 5}
Os eventos A e B são multuamente exclusivos uma vez que não é possı́vel que um
número seja par e ı́mpar simultâneamente.
2.3.4 Definição Cássica de Probabilidades
Consideremos o evento E = {2, 4, 6}. Se lançarmos um dado honesto um grande

número de vezes, é intuitivo esperar que um número par ocorrerá em
aproximadamente metade das observações. Isso decorre dos seguintes fatos:
1) os eventos elementares equiprováveis (elementos favoráveis) são aqueles
igualmente prováveis;
2) o número de elementos de E é justamente a metade dos elementos do espaço
amostral(todos os elementos possı́veis).
Estas condições provocam a seguinte definição de probabilidade.
número de resultados favoráveis

Probabilidade = número de resultados possı́veis
Dessa forma se um evento E ocorre de a maneiras dentre um total de b maneiras

igualmente prováveis, então a probabilidade (chance) P(E) do evento E ocorrer é
14
dada por
a
P(E) = b
2.4 Espaço Equiprovável e Probabilidade
Seja S um espaço amostral finito tal que S = {s1 , s2 , · · · , sn }. Um espaço finito de

probabilidades é obtido associando-se a cada elemento sj ∈ S um número real não
negativo pj , denominado a probabilidade de sj , tal que p1 + p2 + · · · + pn = 1:
Indicamos por P(E) a probabilidade de um evento E, definida como sendo a soma
das probabilidades dos elementos de E.
Exemplo 2.4.1. Consideremos o lançamento simultâneo de 3 moedas e
observemos o número de caras. O espaço amostral desse experimento aleatório é
dado pelo conjunto
A = {0, 1, 2, 3}
Obtemos um espaço de probabilidades pela seguinte associação:
P (0) = 81 , P (1) = 83 , P (2) = 38 , P (3) = 1

8
em que P(0) é a probabilidade de sair nenhuma cara, P(1) é a probabilidade de sair

1 cara, P(2) é a probabilidade de sair 2 caras e P(3) é a probabilidade de sair 3 caras.
Note que cada probabilidade é não negativa e a soma é 1.
Agora seja A o evento em que ocorre pelo menos 1 cara e seja B o evento em que
ocorrem apenas caras ou apenas coroas.
15
Então pela definição,
3 3 1 7
P (A) = P (1) + P (2) + P (3) = + + =
8 8 8 8
1 1 1
P (B) = P (0) + P (3) = + =
8 8 4
Definição: Um espaço finito de probabilidades S, em que cada ponto amostral

tem a mesma probabilidade, é denominado um espaço equiprovável. Em particular,
se S contém n elementos, então a probabilidade de cada ponto amostral é n1 . Além
disso, se um evento E contém m elementos, então sua probabilidade é dada por
m
P(E) = n
. Em outras palavras,
número de elemento de A
P(E) = número de elementos de S
É importante ressaltar que, a equiprobabilidade é uma caracterı́stica do modelo de

probabilidade e não do espaço amostral.
Exemplo 2.4.2: A Mega Sena é uma das loterias mais populares do Brasil.
Organizada pela Caixa Econômica Federal, é a loteria que mais premia no paı́s,
principalmente quando acumula o prêmio por várias semanas. Qual é a chance real
de alguém acertar os seis números?
Primeiro passo é verificar o total de agrupamentos possı́veis, 6 a 6, dos 60 números.
Eles podem ser calculados pelo princı́pio multiplicativo da contagem por meio do
produto 60 x 59 x 58 x 57 x 56 x 55 = 36.045.979.200.
Mas, um cartão é contado 720 vezes, o total de possibilidades de trocas na ordem
desses 6 números e, portanto, para achar o número de cartões distintos é preciso
dividir o resultado por 720. Ao fazermos a conta encontramos 50.063.860. Logo, a
16
probabilidade de um apostador ganhar na Mega-Sena com apenas um cartão de
seis números é
1 ∼
= 0, 000001997%
50.063.860
É mais provável jogar uma moeda 25 vezes seguidas e conseguir sempre o mesmo
resultado do que ganhar o prêmio da loteria.
Total de combinações dos lançamentos = |2 · 2 ·{z· · · · 2} = 225 = 33.554.432.

25vezes
Logo, a probabilidade de que ocorre um mesmo resultado em todos os 25

lançamentos consecutivos de uma moeda é
1 ∼
= 0, 000002980%
33.554.432
2.5 Probabilidade Condicional
Seja E um evento arbitrário num espaço amostral S com P (E) > 0. A probabilidade
de que um evento A ocorra na certeza da ocorrência de um evento E inidcada por
P (A|E) é definida por:
P (A∩E)
P(A|E) = P (E)
Note-se que P (A|E) somente está definida quando P (E) >0.

Se P (E) = 0 a probabilidade condicional P (A|E) pode ser definida
arbitrariamente. Convenientemente quando P (E) = 0 definimos P (A|E) = P (A).
Sendo assim, sempre que P (E) >0 podemos escrever
17
P(A∩E) = P (E) · P (A|E)
Podemos observar no diagrama a seguir que P (A |E) mede, num certo sentido, a
probabilidade relativa de A com relação ao espaço reduzido E.
Figura 2.1: Diagrama
Exemplo 2.5.1: Um experimento foi conduzido com o objetivo de avaliar o poder

germinativo de duas culturas de cebola, conforme mostra a tabela abaixo.
Desejando-se fazer uma avaliação do poder germinativo de uma das culturas de
cebola, uma amostra foi retirada ao acaso. Sabendo-se que a amostra escolhida
germinou, qual a probabilidade de essa amostra pertencer à Cultura A?
Figura 2.2: BUSSAB, W. O; MORETIN, L. G. Estatı́stica para as ciências agrárias e biológicas

(adaptado).
18
Queremos encontrar a probabilidade da amostra retirada pertencer a cultura A
considerando como espaço amostral reduzido somente as sementes que germinaram.
O experimento foi realizado com um total de 800 sementes dentre as quais 773
germinaram. Das 773 sementes que germinaram, 392 pertencem a cultura A. Sendo
assim, a probabilidade condicional de retirar uma semente da cultura A sabendo
que a semente germinou é dada por
392 ∼
= 50%
773
Exemplo 2.5.2: Flávia quer enviar uma carta a Amanda. A probabilidade de
8 9
Flávia escreva a carta é de 10
. A probabilidade de que o correio não a perca é de 10
.
9
A proabilidade de que o carteiro a entregue é de 10
. Dado que Amanda não recebeu
a carta, qual a probabilidade condicional de que Flávia não tenha escrito a carta?
P (não escreve) 2/10 25

P (não escreve/não recebe) = = 2 8 1 8 9 1 = .
P (não recebe) 10
+ .
10 10
+ 10 . 10 . 10 44
Figura 2.3: Diagrama de árvore - problema da carta
19
Teorema da Probabilidade Composta: Sejam A e B dois conjuntos quaisquer
tais que A ∩ B é não vazio. Então temos:
1) P (A ∩ B) = P (A)P (B|A) = P (B)P (A|B);
2) Se P (A1 ∩ A2 ∩ · · · ∩ An ) 6= 0, então P (A1 ∩ A2 ∩ · · · ∩ An ) =
P (A1 )P (A2 |A1 )P (A3 |(A1 ∩ A2 )) · · · P (An |A1 ∩ A2 ∩ · · · ∩ An−1 ).
Demonstração: 1) Sabemos que
P (A ∩ B) P (B ∩ A)
P (A|B) = P (B|A) = .
P (B) P (A)
Daı́ segue que,
P (A ∩ B) = P (B)P (A|B);
P (B ∩ A) = P (A)P (B|A);
Como P (A ∩ A) = P (B ∩ A) temos que
P (B)P (A|B) = P (A)P (B|A)
Como querı́amos mostrar.

2)Para dois conjuntos A1 e A2 a fórmula é verdadeira, pois já vimos que P (A ∩ B) =
P (A)P (B/A). Agora, vejamos a sentença para três conjuntos A1 , A2 e A3 .
P (A1 ∩ A2 ∩ A3 ) = P (A3 |(A1 ∩ A2 ))P (A1 ∩ A2 ) = P (A3 |(A1 ∩ A2 ))P (A2 |A1 )P (A1 ),
como querı́amos mostrar. No caso geral a demonstração é análoga e segue o Princı́pio

da Indução Completa.
Exemplo 2.5.3: Em um lote de 12 peças, das quais 4 são defeituosas, três peças
são escolhidas ao acaso, uma após a outra. Qual a probabilidade de que todas as
três peças retiradas sejam não defeituosas.
8
Solução: A probabilidade de que a primeira peça seja não defeituosa é 12
, uma vez
20
que 8 das 12 peças são não defeituosas. Se a primeira peça é não defeituosa, então a
7
probabilidade de que a segunda peça escolhida seja não defeituosa é 11
, pois 7 das 11
peças restantes são não defeituosas. Se as duas primeiras peças escolhidas são não
6
defeituosas, então a probabilidade da terceira peça escolhida ser não defeituosa é 10
.
Assim, pelo teorema do produdo segue que a probabilidade de se retirar três peças
não defeituosas é dada por
8 7 6 14
· · =
12 11 10 55
2.6 Processos Estocásticos Finitos
2.6.1 Introdução
Uma sequência finita de experimentos, na qual cada experimento tem um número

finito de ocorrências com probabilidades conhecidas, é chamado de um processo
estocástico finito. Um método conveniente para descrever um processo estocástico
finito e calcular a probabilidade de qualquer evento é através de um diagrama de
árvore.
Exemplo 2.6.1.1: Escolhemos aleatoriamente uma dentre duas moedas
disponı́veis A e B. Sabemos que a moeda A é honesta e que a moeda B possui cara
(C) em ambos os lados. A moeda escolhida é lançada. Se o resultado for coroa (K),
joga-se um dado honesto, caso contrário joga-se a moeda novamente. A primeira
etapa do experimento é escolher uma moeda. A segunda etapa é lançar a moeda
escolhida e a terceira etapa é lançar uma moeda ou um dado, dependendo dos
resultados obtidos nas duas primeiras etapas. Indicamos todos os possı́veis
resultados do experimento pela árvore de probabilidade abaixo:
21
Figura 2.4: Diagrama de árvore
Os possı́veis resultados para o experimento são:
(A, C, C) , (A, C, K) , (A, K, 1) ,

(A, K, 2) , (A, K, 3) , (A, K, 4) ,
(A, K, 5) , (A, K, 6) , (B, K, K) .
Cada resultado pode ser identificado como um caminho através da árvore. Cada
caminho é composto por segmentos chamados de ramos. Nesta árvore, há nove
caminhos com três ramos cada. o processo descrito acima, pode ser realizado para
qualquer experiência que ocorre em etapas. Exigimos apenas que haja num número
finito de resultados em cada etapa e que saibamos as probabilidades para qualquer
resultado na enésima etapa dado o conhecimento do resultado da (n−1)-ésima etapa.
Para cada n obtemos uma árvore Tn . A probabilidade de que um caminho particular
22
da árvore ocorra é dado pelo teorema da multiplicação como sendo o produto das
probabilidades de cada ramo do caminho. Por exemplo, a probabilidade de se escolher
a moeda A e a partir daı́ obter o número 3 no lançamento de dado honesto é dado
pelo produto:
1 1 1 1
. . =
2 2 6 24
2.6.2 Independência
Os eventos aleatórios A e B são estocasticamente independentes se
P(A∩B) = P (A) · P (B)
Os eventos de probabilidade 0 ou 1 são independentes de qualquer outro.

Se P (A) = 0, então P (A ∩ B) = 0 e A e B são independentes.
Se P (B) = 1, então P (A ∩ B) = P (A) − P (A ∩ B c ) = 0 e P (A ∩ B) = P (A)P (B)
Logo A e B são independentes.
Exemplo 2.6.2.1: Uma moeda é lançada duas vezes. Obtemos nesse caso o espaço
amostral equiprovável S dado por
S = {CC, CK, KC, KK}
em que C representa cara e K representa coroa.

Consideremos o evento A em que cara ocorra no primeiro lançamento e B o evento
em que cara ocorra no segundo lançamento.
2 1 2 1
P (A) = = P (B) = =
4 2 4 2
Por outro lado, a probabilidade de que cara ocorre no primeiro e no segundo
lançamento é dada por
23
1
P (A ∩ B) =
4
Portanto, P(A∩B) = P (A) · P (B)
Consequentemente, A e B são eventos independentes.
2.6.3 Problema Motivador
Na introdução deste capı́tulo iniciamos o texto com um problema motivador. O

problema em questão é denominado Problema das Garagens. Esse problema foi
vivenciado pelo professor Florêncio Guimarãres Filho em um antigo prédio em que
morava, e desde que ele apresentou esse problema em uma aula do PIC (Programa
de Iniciação Cientı́fica da OBMEP) na qual eu participava como seu monitor,
sempre o apresento em minhas aulas sobre probabilidade como um problema
motivador, afim de despertar o interesse e a particição dos alunos. Fato interessante
é que, alguns alunos acabam se identificam com o problema, relatando que já
passaram por uma situação semelhante. Segue a seguir uma solução para esse
problema.
Solução: A probabilidade de um morador retirar um vaga boa (B) sendo o
12 1
primeiro a sortear é de 48
= 4
= 25%.
Agora, sendo o segundo podem ocorrer dois casos: BB(boa,boa) ou RB(ruim,boa).
12 11 36 12
P (BB) = · P (RB) = ·
48 47 48 47
24
Sendo assim, a probabilidade do morador sortear uma vaga sendo o segundo na
ordem é de

12 11 36 12 12 11 36 12 47 12 1
P (BB) + P (RB) = · + · = + = · = =
48 47 48 47 48 47 47 48 47 48 4
Portanto a probabilidade do morador sortear uma vaga boa sendo o primeiro ou

segundo da lista é a mesma.
Suponhamos agora que o morador seja o terceiro da lista, então podem ocorrer quatro
casos favoráveis: BBB,BRB,RRB,RBB.
Logo a probabilidade de uma vaga boa ser sorteada nessas condições é dada por
12 11 10 12 36 11 36 35 12 36 12 11
P (BBB)+P (BRB)+P (RRB)+P (RBB) = · · + · · + · · + · ·
48 47 46 48 47 46 48 47 46 48 47 46

12 11 10 36 11 35 36 36 11
= · + · + · + ·
48 47 46 47 46 46 47 46 47

12 11.10 + 36.11 + 35.36 + 36.11
=
48 46.47
12 2162 1
= · =
48 2162 4
Então, a probabilidade de uma vaga boa sair em primeiro, segundo, terceiro.
Agora supomos que em um determinado momento do sorteiro temos b vagas boas e
r vagas ruins. A probabilidade de um morador sortear uma vaga boa nessa situação
é dada por
b
.
b+r
E a probabilidade do próximo morador sortear uma vaga boa é dada por
b b−1 r b b(b + r − 1) b
· + · = =
b+r b+r−1 b+r b+r−1 (b + r)(b + r − 1) b+r
25
Portanto, não existem motivos para que os protestos dos moradores quanto a
ordem do sorteio.
Uma outra forma de esclarecer esse problema é pensar no resultado do sorteio como
sendo uma lista em que cada sorteio resume-se a uma lista de vagas boas (B) ou
ruins (R). Dessa forma queremos saber se existe uma posição mais privilegiada na
lista final.
Note que, o total de listas distintas é dada por
48!
12! · 36!
Fixando uma vaga boa arbitrariamente em qualquer posição na lista, o número de
listas distintas dessa forma é dado por
47!
11! · 36!
Sendo assim, a probabilidade de que uma vaga boa aparecer em uma posição
arbitraria na lista é
47!
11!·36! 12 1
48!
= =
12!·36!
48 4
Portanto, a probabilidade de uma vaga boa aparecer em qualquer posição na lista é
mesma, não havendo dessa forma uma posição privilegiada na ordem do sorteio.
26
27
3 Matrizes
3.1 Antecedentes Históricos
Por muitos séculos, matemáticos trabalharam na elaboração e no entendimento de

problemas envolvendo blocos numéricos como exemplo os quadrados mágicos. No
quadrado mágico mais simples, deve-se arranjar os números 1,2,3,4,5,6,7,8 e 9
usando-os uma única vez, numa tabela 3 x 3, de modo que, os números em cada
linha, coluna ou diagonal somem 15.
Figura 3.1: Quadrado Mágico 3x3
Segundo uma lenda, o primerio quadrado mágico surgiu há 4000 anos, inscrito
sobre um casco de tartaruga que se arrastava saindo do rio Lo, na China. O rio
havia provocado uma grande enchente, e o imperador Yu ordenou que se fizesse
sacrifı́cios para agradar o deus do rio. Em contrapartida, o deus enviou uma
tartaruga, cujo padrão numérico inscrito no seu casco, destinava-se a ajudar o
imperador a controlar o rio. Uma vez descoberto o arranjo numérico, os
matemáticos chineses começaram a construir quadrados maiores que funcionassem
da mesma forma. Esses quadrados eram reconhecidos como detentores de grandes
propriedades mágicas. Há evidências de que os quadrados mágicos foram levados
para Índia por mercadores chineses que lidavam não somente com especiarias, mas
também com ideias matemáticas. Os quadrados mágicos também foram populares
na cultura islâmica medieval. Uma das primeiras exibições de quadrados mágicos
na Europa é o quadrado que aparece na gravura Melancholia, de Albrecht Durer.
Figura 3.2: Melancholia, de Albercht Durer
Nesse quadrado, os números de 1 a 16 estão dispostos em linhas, colunas e

diagonais que somam 34. Durer ainda dispôs os dois números centrais da última
linha para registrar o ano da gravura: 1514.
Quadrados mágicos de diferentes tamanhos eram tradicionalmente associados a
planetas do sistema solar. O clássico 3 x 3 era associado a Saturno, o quadrado 4 x
28
Figura 3.3: Quadrado Mágico de Durer
4, a Júpter, enquanto o 9 x 9, era atribuı́do à Lua. Uma explicação para o uso que
Durer fez do quadrado é que este refletia a crença mı́stica de que o espı́rito alegre
de Júpter podia se contrapor ao senso de melancolia presente na gravura.
Entretanto, a ideia de tratar blocos numéricos como um único número decolou
apenas há 150 anos com um pequeno grupo de matemáticos que reconheceram seu
potencial. Doravante, o progresso de uma álgebra unidimensional para uma álgebra
de múltipla dimensões demonstrou ser incrivelvente potente para aplicações
sofisticadas.
Augustin-Louis Cauchy (1789 - 1857), matemático francês, foi o primeiro a nomear
a essas configurações numéricas de tableau, que em francês, significa tabela em
1826, mas o nome matriz surgiu em 1850 com James Joseph Sylvester. Entretanto,
foi Arthur Cayley em 1858, na sua publicação de Memoir on the Theory of
Matrices, quem formulou a primeira definição abstrata de matriz. Cayley também
forneceu uma álgebra matricial, definindo adição, multiplicação de matrizes,
multiplicação por escalar e matriz invertı́vel. Foi a partir dos trabalhos de Cayley
que as matrizes passaram a ter relevância e gradativamente foram superando os
determinantes em grau de importância.
As matrizes estão envolvidas em diversas áreas do conhecimento e em diversas
atividades humanas, como por exemplo: nos jogos eletrônicos, os programas de
29
informática, a aplicação de bancos de dados e internet, nos sistemas de rede elétrica
e de transportes, são apenas alguns exemplos em que a aplicação de matrizes é
fundamental.
Neste capı́tulo apresentaremos as definições básicas da teoria de matrizes
necessárias no desenvolvimento e na ánalise do estudos das cadeias de Markov.
3.2 Introdução a Teoria das Matrizes
Frequentemente encontramos em revistas, jornais ou documentos, informações

nu-méricas organizadas na forma de tabelas retangulares dispostas em linhas e
colunas. Estas tabelas de dados numéricos são simplificadas, utilizando uma forma
denominada matriz. As matrizes estão presentes em várias atividades cientı́ficas
dentre as quais podemos destacar: análise de redes elétricas, programação linear
geométricas, cadeias de Markov, jogos de estratégia, modelos econômicos,
administração de florestas, computação gráfica, criptografia dentre.
Exemplo 3.2.1. A tabela a seguir é parte da análise das condições de vida da
população brasileira em 2014 realizada pelo IBGE.
Os dados são referentes ao número de pessoas de 16 anos ou mais ocupadas em
alguma atividade economica nos estados de Alagoas e Espı́rito Santo.
HOMENS MULHERES
AL 757000 494000
ES 1076000 783000
Tabela 3.1: IBGE, Pesquisa Nacional por Amostra de Domicı́lios 2013
30
Podemos representar a tabela acima na forma de uma matriz M dada por
 
757000 494000
M= 
1076000 783000
Dessa forma defimos matriz como sendo qualquer arranjo retangular de informações
numéricas organizadas em linhas e colunas.
As linhas são contadas de cima para baixo. A primeira e a segunda linha da matriz
M são respectivamente
(757000 494000) ; (1076000 783000).
As colunas são contadas da esquerda para direita. A primeira e a segunda coluna

da matriz M são respectivamente
   
757000 494000
 ; .
1076000 783000
O elemento da matriz localizado na linha i e na coluna j é denotado por aij . Então,
na matriz M temos: a11 = 757000, a12 = 494000, a21 = 1076000 e a22 = 783000.
Exemplo 3.2.2. Um grupo de alunos dos cursos A, B e C solicita transferência
para outro curso, escolhido entre os mesmos A, B e C. A matriz abaixo, representa
o resultado obtido após o processo de transferência, admitindo que cada aluno pode
se matricular em apenas um curso
 
137 7 8
 
T =  12 115 13
 

 
14 15 119
em que a linha 1 representa a quantidade de alunos oriundos do curso A dentre os
31
quais 137 pernaneceram, 7 se transferiram para o curso B e 8 se transferiram para o
curso C. A linha 2 representa a quantidade de alunos oriundos do curso B dentre os
quais 12 alunos se transferiram para o curso A, 115 permaneceram no curso B e 13
se transferiram para o curso C. A linha 3 representa a quantidade de alunos
procedentes do curso C dentre os quais 14 se transferiram para o curso A, 15 se
transferiram para o curso B e 119 permaneceram matriculados no curso C.
Podemos dizer também por exemplo que a coluna 1 representa a quantidade de
alunos matriculados no curso A após encerrado o perı́odo de transferências dentre
os quais, 137 já frequentavam o curso A, 12 estudavam no curso B e 14 estudavam
no curso C. A segunda coluna representa a quantidade de alunos matriculados no
curso B após encerrado o perı́odo de transferências dentre os quais 7 estudavam no
curso A, 115 permaneceram no curso B e 15 são oriundos do curso C. A terceira
linha representa a quantidade de alunos matriculados no curso C após encerrado o
perı́odo de transferências dentre os quais 8 estudavam no curso A, 13 estudavam no
curso B e 119 permaneceram matriculados no curso C.
Analisando a matriz T, qual a quantidade total do número de alunos transferidos?
a12 + a13 + a21 + a23 + a31 + a32 = 69.
Portanto, 69 alunos transferiram de curso

Qual a quantidade de alunos que estavam matriculados no curso A antes do
processo de transferência?
Para isso, basta somarmos o número de alunos que permaneceram no curso A com
aqueles que se transferiram do curso A para o curso B ou C. Dessa forma fazemos,
32
a11 + a12 + a13 = 147.
Portando, haviam 147 estudantes matriculados no curso A.

Exemplo 3.2.3. Cada elemento aij da matriz M indica o tempo, em minuto, que
um semáforo fica aberto num perı́odo de 2 minutos, para que haja o fluxo de
veı́culos da rua i para a rua j, considerando que cada rua tenha mão dupla.
 
0 1.5 0.5
 
A =  1.5 0
 
1 
 
0.5 1 0
Com base nos dados, e admitindo que é possı́vel até 20 carros passarem por minuto
cada vez que o semáforo se abre, em um perı́odo de 2 horas, qual o número máximo
de veı́culos podem passar da rua 3 para a rua 1?
Solução: Segue da matriz M que o semáforo que permite aos veı́culos passarem da
rua 3 para a rua 1 fica aberto por 0.5 minutos a cada 2 minutos, isto é, a cada uma
hora este semáforo fica aberto por 30 x 0.5 = 15 minutos. Agora considerando o
fluxo máximo de carros, temos 20 x 15 = 300 carros passando da rua 3 para a rua 1
em uma hora. Portanto, em duas horas, podem passar da rua 3 para a rua 1, 600
carros.
Definição: Uma matriz é uma tabela retangular com m linhas e n colunas cujos os
elementos aij representam elementos com dupla entrada, ou seja, com ı́ndices
duplos em que 1 ≤ i≤ m e 1 ≤ j≤ n sendo m,n inteiros positivos.
Representamos uma matriz A = (aij ) de ordem m x n, na qual o elemento aij
encontra-se na interseção da i-ésima linha com a j-ésima coluna da seguinte forma:
33
 
a11 a12 ··· a1n
 
 a21 a22 · · · a2n
 

A=
 .. .. ... ..


 . . . 
 
am1 am2 · · · amn
Então, podemos escrever que A = (aij )mxn

Exemplo 3.2.4: Considere a matriz A = (aij )mxn , tal que os elemntos aij são
dados por aij = 3i − 2j para resolver os itens abaixo:
a) represente a matriz A tal que m = 3 e n = 2;
b) determine a soma de todos os elemntos da segunda coluna da matriz A.
Solução: a) Obedecendo a lei de formação dos elementos de A temos que:
a11 = 3 · 1 − 2 · 1 = 3 − 2 = 1 a12 = 3 · 1 − 2 · 2 = 3 − 4 = −1
a21 = 3 · 2 − 2 · 1 = 6 − 2 = 4 a22 = 3 · 2 − 2 · 2 = 6 − 4 = 2
a31 = 3 · 3 − 2 · 1 = 9 − 2 = 7 a32 = 3 · 3 − 2 · 2 = 9 − 4 = 5
Logo, a matriz A é representada por:

 
1 −1
 
A= 4
 
2 
 
7 5
Solução: b) A soma dos elementos da segunda coluna é -1 + 2 + 5 = 6.

Exemplo 3.2.5. Uma fábrica produz três modelos de carros utilizando diferentes
peças para a montagem do motor. Considerando a matriz abaixo
34
 
15 10 12
 
A =  10 11 13
 

 
14 12 11
em que cada elemento aij representa a quantidade de peças do tipo j utilizada na

fabricação de um carro do modelo i.
Quantas peças serão utilizadas para fabricar o modelo 2 de carro?
Solução: Basta somarmos os elementos da segunda linha, 10 + 11 + 13 = 34. Logo,
serão utilizadas 34 peças.
3.3 Álgebra Matricial
3.3.1 Adição de Matrizes
Uma vantagem fundamental da álgebra de matricial é que podemos considerar uma

grande quantidade de informações numéricas, como sendo, apenas um objeto.
Exemplo 3.3.1.1: Observe a tabela abaixo:
produto 1 produto 2 produto 3 produto 4

fábrica 1 7 5 0 1
fábrica 2 0 4 3 7
fábrica 3 3 2 0 2
Tabela 3.2: Tabela de produção de Janeiro 2015
Suponhamos que essa tabela represente a produção da empresa Alfa no mês de
35
janeiro de 2015, e que essa empresa, tenha três fábricas situadas em distintas parte
do paı́s e a produção de cada um de seus quatro produtos, é medida em milhões de
unidades. Assim, podemos representar sua produção através de uma matriz A, de
modo que, cada elemento aij representa a produção em milhões de unidades da
fábrica i e do produto j.
 
7 5 0 1
 
A= 0 4 3 7
 

 
3 2 0 2
Agora, suponhamos que no mês seguinte, a produção dessa empresa seja

demonstrada pela tabela a seguir.
produto 1 produto 2 produto 3 produto 4

fábrica1 9 4 1 0
fábrica2 0 5 1 8
fábrica3 4 1 1 0
Tabela 3.3: Tabela de produção de Fevereiro 2015
Sendo assim, podemos representar os dados de produção do mês de fevereiro de

2015 através da matriz B representada a seguir:
 
9 4 1 0
 
B= 0 5 1 8
 

 
4 1 1 0
Para apresentar os resultados da produção total do primeiro bimestre de 2015 da
empresa Alfa, é necessário somar as produções dos meses de janeiro e fevereiro de
36
2015, fazemos isso somando os elementos correspondentes nos dois quadros.
Essa situação representa uma adição de matrizes, conforme demonstrada a seguir:
     
7 5 0 1 9 4 1 0 7+9 5+4 0+1 1+0
     
A+B= 0 4 3 7 + 0 5 1 8 = 0+0 4+5 3+1 7+8
     

     
3 2 0 2 4 1 1 0 3+4 2+1 0+1 2+0
Portanto, a soma das matrizes A e B é dada por

 
16 9 1 1
 
A + B =  0 9 4 15 
 
 
7 3 1 2
Exemplo 3.3.1.2. Uma editora pretende publicar uma coleção de livros de

Álgebra e Geometria em duas versões: volumes 1,2 e 3 e uma outra volume único.
A tabela I mostra a quantidade de cada volume a ser lançado no primeiro semestre
do ano e a tabela II mostra a quantidade de cada volume a ser lançado no segundo
semestre do ano.
Volume Álgebra Geometria

1 200 250
2 220 230
3 260 240
Único 300 310
Tabela 3.4: Tabela I: Quantidades de exemplares no primeiro semestre (em milhares

de unidades)
37
1 170 150
2 120 140
3 120 140
Único 350 410
Tabela 3.5: Tabela II: Quantidades de exemplares no segundo semestre (em milhares
de unidades)
Quantos livros de Álgebra e Geometria de cada volume serão lançados por essa
editora nesse ano?
Solução: Para determinarmos o total de livros lançados é preciso somar os
elementos correspondentes nas duas tabelas.

1 370 400
2 340 370
3 380 380
Único 650 720
Tabela 3.6: Tabela III: Quantidades de exemplares no ano (em milhares de unidades)
Esse problema pode ser resolvido através da soma de duas matrizes, conforme
mostrado a seguir:
38
     
200 250 170 150 370 400
     
     
 220 230   120 140   340 370 
A+B=

+
 
=
  

 260 240   120 140   380 380 
     
300 310 350 410 650 720
Note que a soma de matrizes segue uma soma algébrica convencional entre os
elementos correspondentes (de mesmo ı́ndice duplo). Portanto, podemos somar
duas matrizes somente quando elas forem de mesma ordem, isto é, se ambas
tiverem o mesmo número de linhas e colunas.
Definição: Definimos a soma de duas matrizes, como sendo a soma entre os seus
elementos correspondentes, isto é, de mesma posição.
De modo geral, dadas as matrizes A = (aij ) e B = (bij ), definimos a soma
A + B = (cij ) como sendo:
     
a a12 · · · a1n b b12 · · · b1n c c12 · · · c1n
 11   11   11 
 a21 a22 · · · a2n   b21 b22 · · · b2n   c21 c22 · · · c2n
     

+ =
 .. .. ..   .. .. ..   .. .. ..
 
.. .. ..
. . .

 . . .   . . .   . . . 
     
am1 am2 · · · amn bm1 bm2 · · · bmn cm1 cm2 · · · cmn
tal que, cij = aij + bij , ∀ i, j

Sendo assim, à adição de matrizes segue as mesmas propriedades da adição de
números reais: comutativa, associativa, elemento neutro da adição e elemento
oposto.
39
3.3.2 Propriedades da Adição de Matrizes
Sejam A, B e C matrizes de mesma ordem, então valem as seguintes propriedades:

(1) Comutativa: A + B = B + A
Demonstração: Sejam X e Y matrizes tais que X = A + B e Y = B + A.
Observando que xij = aij + bij e que yij = bij + aij . Como aij e bij ∈ R, então vale a
propriedade comutativa dos números reais, aij + bij = bij + aij implicando que
xij = yij , logo X = Y. Portanto, A + B = B + A, como querı́amos mostrar.
(2) Associativa: A + (B + C) = (A + B) + C
Demonstração: Sejam X e Y matrizes tais que X = A + (B + C) e Y = (A + B)
+ C. Observando que xij = aij + (bij + cij ) e yij = (aij + bij ) + cij . Como aij , bij e
cij são números reais, vale a propriedade associativa dos números reais, então
xij = yij logo, X = Y . Portanto, A + (B + C) = (A + B) + C, como querı́amos
mostrar.
(3) Existência do elemento simétrico: A + (-A) = 0
Demonstração: Seja X uma matriz tal que X + A = 0, em que 0 representa uma
matriz nula (denotada por 0, uma matriz nula todos os elementos são iguais a
zero). Observamos que xij + aij = 0, ∀ i, j. Como aij é um número real, segue que
xij + aij = 0 implica, xij + aij + (−aij ) = 0 + (−aij ). Logo, xij = (−aij ) ∀ i, j.
Portanto, todo elemento da matriz X é o oposto do elemento correspondente em A.
Então, existe uma matriz (- A) = -(aij ) tal que A + (- A) = 0
(4) Existência do elemento neutro: A + 0 = A
Demonstração: Seja X uma matriz tal que A + X = A. Então, aij + xij = aij , ∀
i, j, isto é, xij = 0 ∀ i, j. Portanto, a única matriz que satisfaz a equação
aij + xij = aij é a matriz nula. Portanto, existe uma matriz 0 tal que A + 0 = A.
40
3.3.3 Multiplicação de Matrizes
Voltando ao exemplo da empresa Alfa, suponhamos que a direção da empresa, afim

de atender à demanda de seus sócios, precisa apresentar a receita gerada no primeiro
bimestre do ano de 2015. Sabe-se que os preços de venda, em reais, de cada unidade,
de seus produtos 1,2,3 e 4 são respectivamente, 3,9,8,2.
Então a receita total gerada nesse perı́odo pela fábrica 1 é dada por:
7 x 3 + 5 x 9 + 0 x 8 + 1 x 2 = 68 (milhões de reais)
Entretanto, ao invês de calcularmos apenas a receita gerada por uma fábrica,

podemos calcular simultâneamente com a mesma simplicidade a receita gerada por
todas as fábricas. A resposta será uma matriz de ordem 1 x 3, em que o elemento
da primeira linha corresponde à receita gerada pela fábrica 1, o elemento da
segunda linha corresponde à fábrica 2 e por fim, o elemento da terceira linha
corresponde à receita gerada pela fábrica 3.
 
  3   
7 5 0 1  
  7·3+5·9+0·8+1·2 68
  9     
T =  0 4 3 7   =  0 · 3 + 4 · 9 + 3 · 8 + 7 · 2  =  74 
      
  8     
3 2 0 2   3·3+2·9+0·8+2·2 31
2
Podemos observar que, a multiplicação entre os elementos de uma linha pelos

elementos de uma coluna é uma ação fundamental para a multiplicação de matrizes.
Este exemplo sugere a definição geral para a multiplicação de matrizes.
Definição: Sejam A = (aij ) e B = (bij ) matrizes de ordem m x k e k x n
respectivamente. O produto AB é a matriz C = (cij ), de ordem m x n, em que
41
cada elemento cij é dado por:
cij = ai1 b1j + ai2 b2j + · · · + aik bkj

     
∗ ∗ ··· ∗ ∗ · · · b1j · · · ∗ ∗ ··· ··· ··· ∗
     
∗ ∗ ··· ∗   ∗ · · · b2j · · · ∗  
     
 
.. .. .. ..   .. .. .. ..   .. .. .. .. .. 
     

 . . . .   . . . .   . . . . . 
 · = 
ai1 ai2 · · ·   ∗ · · · bkj · · · ∗   ∗ · · · cij · · · ∗ 
     
 aik
.. .. .. ..   .. .. .. ..   .. .. .. .. .. 
     

 . . . .   . . . .   . . . . . 
     
∗ ∗ ··· ∗ ∗ · · · bkj · · · ∗ ∗ ∗ ··· ··· ∗
Exemplo 3.3.3.1 Dadas as matrizes

   
1 2 3 1 2 3
   
A =  4 5 6  , B =  −1 0 3 
   
   
1 −1 2 2 4 1
Vamos determinar produto AB = C = (cij ).

Note que o elemnto c22 é dado pela soma dos produtos entre os elementos
correspondentes da segunda linha da matriz A pelos da segunda coluna da matriz
B conforme segue demonstrado abaixo.
↓ ↓
     
∗ ∗ ∗ ∗ 2 ∗ ∗ ∗ ∗
     
−→  4 5 6  ·  ∗ 0 ∗ = ∗ ∗ 
     
4. 2+5. 0+6. 4
     
∗ ∗ ∗ ∗ 4 ∗ ∗ ∗ ∗
42
Logo,
↓ ↓
     
∗ ∗ ∗ ∗ 2 ∗ ∗ ∗ ∗
     
−→  4 5 6  ·  ∗ 0 ∗  =  ∗ 32 ∗
     

     
∗ ∗ ∗ ∗ 4 ∗ ∗ ∗ ∗
Calculando cij ∀ i, i obtemos:
c11 = 1 · 1 + 2 · (−1) + 3 · 2 = 5
c12 = 1 · 2 + 2 · 0 + 3 · 2 = 14
c13 = 1 · 3 + 2 · 3 + 3 · 1 = 12
c21 = 4 · 1 + 5 · (−1) + 6 · 2 = 11
c22 = 4 · 2 + 5 · 0 + 6 · 0 = 32
c23 = 4 · 3 + 5 · 3 + 6 · 1 = 33
c31 = 1 · 1 + (−1) · (−1) + 2 · 2 = 6
c32 = 1 · 2 + (−1) · 0 + 2 · 4 = 10
c33 = 1 · 3 + (−1) · 3 + 2 · 1 = 2
Portanto, a matriz C = cij é dada por

 
5 14 12
 
C =  11 32 33 
 
 
2 10 2
43
Exemplo 3.3.3.2: Dados os aeroportos de Londrina-PR (L) e Porto Alegre - RS
(P), e os aéroportos de Esmeraladas - MG (E), Brası́lia DF (B) e Três Lagoas - MS
(T). A figura a seguir, mostra as possı́veis rotas de voos diretos entre essas cidades.
Figura 3.4: Rotas de voos diretos
A fim de analizarmos as rotas de voo, primeiro codificamos a rede em uma matriz.

Se há um voo direto entre as cidades, colocamos 1, caso contrário 0.
Sendo assim o quadro que indica as rotas de voos pode ser representado por:
L P E B T
L 0 1 1 1 1
P 1 0 0 1 1
E 1 0 0 0 0
B 1 1 0 0 0
T 1 1 0 0 0
Tabela 3.7: Matriz de voos diretos
Dessa forma podemos observar que não existem voos diretos entre as cidades de
44
Esmeralda, Brası́lia e Três Lagoas.
Podemos interpretar a matriz AA = A2 como sendo a tabela das possı́veis rotas de
voos entre as cidades com exatamente uma escala.
     
0 1 1 1 1 0 1 1 1 1 4 2 0 1 1
     
 1 0 0 1 1   1 0 0 1 1   2 3 1 1 1 
     
     
0 0 · 1 0 0 0 0 = 0 1 1
     
 1 0 0 1 1 
     
     
 1 1 0 0 0   1 1 0 0 0   1 1 0 2 2 
     
1 1 0 0 0 1 1 0 0 0 1 1 1 2 2
Note que, há três possibilidades de viagens de ida e volta a Porto Alegre passando
por outras cidades, mas não há rotas entre as cidades e Londrina e Esmeralda com
uma escala.
3.3.4 Associatividade do Produto de Matrizes
Uma propriedade importante do produto matricial, é a associatividade, isto é, dadas

as matrizes Amxn ,Bnxp e Cpxq . Então,
(AB)C = A(BC)
Demonstração: Sejam X e Y matrizes tais que X = (AB)C e Y = A(BC), e

sejam xij e yij elementos quaisquer de X e Y respectivamente, queremos mostrar
que X = Y .
Tomando de X um elemento xij arbitrário temos que
45
Pp
xij = (ab)ik ckj
i=1
Pp Pn
= k=1 ( s=1 ais bsk )ckj
Pp Pn
= k=1 ( s=1 ais bsk ckj )
Pn Pp
= s=1 ( k=1 ais bsk ckj )
Pn Pp
= s=1 ais ( k=1 bsk ckj )
Pn
= s=1 ais (bc)sj
= (a (bc))ij = yij
Portanto, X = Y , como querı́amos mostrar.
3.3.5 Distributividade do Produto em relação a Soma
Outra propriedade importante é a distribuitividade do produto em relação a soma,

isto é, das as matrizes A, B e C, compatı́veis com as condições de existência da soma
e produto temos:
A(B + C) = AB + AC
Demonstração: Sejam X e Y matrizes tais que X = A(B + C) e Y = AB + AC,

queremos mostrar que X = Y . Para isso, tomamos xij um elemento qualquer de X.
Logo, podemos escrever que xij = (a(b + c))ij . Então xij = (a(b + c))ij =⇒xij =
aik (b + c)kj =⇒xij = aik (bkj + ckj ) =⇒xij = aik bkj + aik ckj =⇒xij = (ab)ij + (ac)ij
=⇒xij = (ab + ac)ij =⇒xij = yij .
Por outro lado, tomando yij um elemento qualquer de Y , podemos escrever que,
yij = (ab + ac)ij . Logo, sabemos que, yij = (ab)ij + (ac)ij =⇒yij = aik bkj + aik ckj
=⇒yij = aik (bkj +ckj ) =⇒yij = aik (b+c)kj =⇒yij = (a(b+c))ij . Portanto, yij = xij .
Então, podemos concluir que X = Y , como querı́amos mostrar.
46
3.3.6 Álgebra Numérica versus Álgebra Matricial
Podemos estabelecer muitas semelhanças entre a álgebra númerica e a álgebra

matricial, pórem existem quatro diferena̧s fundamentais.
O produto AB não está definido para quaisquer matrizes A e B, pois o produto
apenas faz sentido quando o número de linhas da matriz A é igual ao número de
colunas da matriz B.
O produto AB não é comutativo. Mesmo que os produtos AB e BA estejam
definidos, não se tem necessáriamente AB = BA. Por exemplo:
    
0 1 0 0 0 1
  = 
1 0 0 1 0 0
Enquanto que
    
0 0 0 1 0 0
  = .
0 1 1 0 1 0
O produto de duas matrizes não nulas, pode gerar a matriz nula. Como exemplo:
    
0 1 0 1 0 0
  = .
0 0 0 0 0 0
Para todo x ∈ R diferente de zero, existe x−1 ∈ R, tal que, x.x−1 = 1.
Esse fato não ocorre na álgebra matricial. Como exemplo:
Sejam A e B duas matrizes não nulas tais que AB = 0. Então nem A nem B
possuem inversa. Pois,
A−1 (AB) = (A−1 A)B = B = 0
47
48
4 Matrizes Estocásticas
4.1 Introdução
As matrizes estocásticas exercem papel fundamental na teoria das cadeias de

Markov. Veja a seguir um exemplo tı́pico de uma matriz estocástica.
 
0, 1 0, 01 0, 3
 
A =  0, 2 0, 99 0, 3
 

 
0, 7 0 0, 4
Toda matriz estocástica possui duas propriedades:
(1) todos os seus elementos são maiores ou iguais a zero;
(2) a soma dos elementos em cada coluna é igual a 1.
Para o desenvolvimento da teoria das cadeias de Markov, estaremos interessados nas
potências dessas matrizes. As matrizes estocásticas estão fortemente conectadas com
a teoria das Probabilidades.
Exemplo 4.1.1: Um homem ou dirige seu carro ou toma um ônibus para ir ao
trabalho todos os dias. Suponhamos que ele nunca tome o ônibus dois dias seguidos,
mas se ele dirige até o trabalho, então no dia seguinte, a probabilidade dele dirigir
novamente é a mesma dele tomar um ônibus.
A matriz estocástica que representa as probabilidades de escolhas entre ir ao trabalho
de carro ou de ônibus é dada por:
 
0, 5 1
A= 
0, 5 0
em que a primeira coluna corresponde a hipótese de que no dia seguinte em que ele
dirigiu até o trabalho, ele dirige ou toma um ônibus no dia seguinte com igual
probabilidade. A segunda coluna corresponde a hipótese de que ele nunca vai ao
trabalho de ônibus dois dias seguidos.
Definição: Uma matriz quadrada é denominada matriz estocástica quando todos
os seus elementos são números reais não negativos e a soma dos elementos em cada
coluna é sempre igual a 1.
Exemplo 4.1.2: A matriz P é estocástica.
 
3/4 1/2 0 0
 
 
 0 1/4 3/5 1/3 
P=



 1/8 1/4 1/5 1/3 
 
1/8 0 1/5 1/3
Pois, todos os seus elementos são maiores ou igual zero e a soma dos elementos de
cada coluna é igual a 1.
Teorema 4.1.1: Sejam A = (aij ) e B = (bij ) matrizes estocásticas de ordem m.
Então o produto AB é uma matriz estocástica. Em particular, todas as potênicas
Ak com k inteiro positivo, são matrizes estocásticas.
Demonstração: Considere as matrizes quadradas A = aij e B= bij de mesma
ordem. Sabemos que o produto AB é dado por AB= cij , em que
cij = ai1 b1j + ai2 b2j + · · · + aik bkj
49
Afim de mostrar que o produto AB é estocástica, tomamos arbitrariamente uma
coluna k de AB. Somando seus elementos obtemos
c1k + c2k + · · · + cmk =

= (a11 b1k + · · · + a1m bmk ) + (a21 b1k + · · · + a2m bmk ) + · · · + (am1 b1k + · · · + amm bmk )
= b1k (a11 + · · · + am1 ) + b2k (a12 + · · · + am2 ) + · · · + bmk (a1m + · · · + amm )
Como a matriz A=(aij ) é uma matriz estocástica segue que
c1k + c2k + · · · + cmk = b1k .1 + b2k .1 + · · · + bmk .1 = b1k + · · · + bmk
Entretanto, como B=(bij ) também é estocástica temos que b1k + · · · + bmk .

Logo, c1k + c2k + · · · + cmk = 1
Portanto, o produto entre duas matrizes estocásticas é uma matriz estocástica.
4.2 Matriz Estocástica Regular
Uma matriz estocástica P é dita uma matriz estocástica regular, se todos os

elementos de alguma potência P n são estritamente positivos, sendo n um inteiro
positivo.
Exemplo 4.2.1. A migração de animais é o deslocamento deles em grupos de um
lugar para outro. Muitos deles fazem esse movimento na procura de alimento ou na
busca de um local para se reproduzir, exemplo disso é a tartaruga-de-couro
(Dermochelys coriacea). Sua imigração é uma das mais impressionantes. As fêmeas
ficam circulando entre a América e a Europa e escolhem o litoral brasileiro para
desovar [13].
50
Agora suponha que um biólogo especialista em comportamento migratório, realizou
um estudo sobre a migração da tartaruga-de-couro após o perı́odo da desova afim
de estabelecer um padrão migratório para espécie. Ele constatou empiricamente
que dentre as fêmeas monitoradas que partiram dos EUA, 50% delas migraram
para o México após a desova e que 50% migraram para a Europa. Dentre as fêmeas
que partiram do México, 20% migraram para os EUA, 50% retornaram ao México e
que 30% migraram para a Europa. Dentre as fêmeas que partiram da Europa,
todas migraram para o México após o perı́odo de desova.
Considere:



 x = número de fêmeas que partiram dos EUA

y = número de fêmeas que partiram do México



 z = número de fêmeas que partiram da Europa



 x’ = número de fêmeas que migraram para os EUA

y’ = número de fêmeas que migraram para o México



 z’ = número de fêmeas que migraram para Europa
Então de acordo com os dados obtemos:




 x’ = 20% de y

y’ = 50% de x + 50% de y + z



 z’ = 50% de x + 30% de y
Dessa forma obtemos a seguinte equação:

    
x0 0 0, 2 0 x
    
 0  
 y  =  0, 5 0, 5 1
 
 y 
    
0
z 0, 5 0, 3 0 z
51
Indicando por M a matriz
 
0 0, 2 0
 
M =  0, 5 0, 5 1
 

 
0, 5 0, 3 0
e denotando
   
0
x x
   
0
 0 
v= y  v = y 
 
   
z z0
obtemos a seguinte equação
v0 = M v
Vamos admitir que as taxas de migração sejam mantidas a cada ano. Além disso
vamos supor que a população monitorada permanece constante.
Para o próximo perı́odo de desova a população de tartarugas-de-couro que migrou
para, EUA, México e Europa será dada por
v 0 = M (M v)
Como o produto de matrizes é associativo, tem - se
v 0 = M 2 v.
Observe que
    
0 0, 2 0 0 0, 2 0 0, 1 0, 1 0, 2
    
M 2 =  0, 5 0, 5 1  =  0, 75 0, 65 0, 5 
    
  0, 5 0, 5 1
    
0, 5 0, 3 0 0, 5 0, 3 0 0, 15 0, 25 0, 3
52
Portanto, a cada ano a população que migra é obtida pela multiplicação da
população anterior matriz M . Daı́ se conclui que decorridos k anos, a população
que migra é dada por
M k v.
Por este motivo diz - se que o fluxo migratório das tartarugas-de-couro monitoradas
é representada pela matriz M . Podemos observar através da matriz M , que após a
desova, apenas migraram para os EUA, animais que partiram do México. Mas no
segundo perı́odo do ciclo migratório de desova, todos os locais de observação EUA,
México e Europa receberão animais vindo de todos os três locais de partida. Isto
pode ser visto do fato de que todas as entradas de M 2 são positivas.
Observe que o produto de uma matriz com entradas positivas por uma matriz
estocástica resulta sempre numa matriz com entradas positivas.
4.3 Ponto fixo de uma Matriz Estocástica Regular
Seja A uma matriz quadrada. Um vetor não nulo w ∈ R é chamado de autovetor da

matriz A, se existir λ ∈ R tal que
Aw = λw
O escalar λ é chamado de autovalor da matriz A associado ao autovetor w.

Quando o autovetor w está associado ao autovalor λ = 1, dizemos que w é um
ponto fixo da matriz A. Assim um ponto fixo de A é um vetor w, não nulo, w tal
que
53
Aw = w
Exemplo 4.3.1. Observe que o vetor

 
1
w=  
2
é um autovetor da matriz  
3 0
A=  
8 −1
associado ao autovalor λ = 3, pois Aw = 3w. Vejamos:
      
3 0 1 3 1
  =  = 3 
8 −1 2 6 2
Teorema 4.3.1. Seja A uma matriz quadrada e k um inteiro positivo. Se w é um

autovetor de A associado ao autovalor λ então w é um autovetor de Ak associado ao
autovalor λk .
Demonstração: Vamos mostrar por indução que a sentença
Ak w = λk w
é verdadeira para todo k ∈ N.

Observe que para k = 1 a sentença é verdadeira, pois por hipótese λ é um
autovetor da matriz A associado ao autovetor w, ou seja,
Aw = λw.
54
Agora segue da equação acima que
A2 w = A(Aw) = A(λw) = λ(Aw) = λ2 w
Agora, supondo que a sentença seja verdadeira para algum k = n com n ∈ N,

vamos mostrar que a ela é verdadeira para k = n + 1. De fato, suponha que
An w = λn w, n ∈ N.
Multiplicando ambos os membros da igualdade pela matriz A, obtemos
A(An w) = A(λn w).
Pela propriedade associativa do produto de matrizes segue que
(AAn )w = λn (Aw) = λn (λw)
An+1 w = λn+1 w.
Assim, mostramos que a sentença é verdadeira para k = n + 1.

Portanto, pelo Princı́pio da Indução Finita, Ak w = λk w, é verdadeira para todo k
inteiro positivo, como querı́amos mostrar.
Em particular, quando λ = 1, obtemos o seguinte.
Corolário 4.3.1. Se w é um ponto fixo de A então w é ponto fixo de Ak , ∀k ∈ N
com k ≥ 1.
Teorema 4.3.2. Toda matriz quadrada não nula A = (aij ) tem pelo menos um
ponto fixo se, somente se, o determinante da matriz A - I é nulo, em que I é a
matriz identidade.
Demonstração: A matriz A = (aij ) tem ponto fixo se, somente se, existe um
55
vetor w, não nulo, dado por
 
w1
 
 
 w2 
w=
 ..


 . 
 
wm
tal que Aw = w, isto é,
    
a11 a12 ··· a1m w1 w1
    
 a21 a22 · · · a2m
    
 w2   w2 
=
 .. .. .. .. ..
  
..
.
   
 . . .  .   . 
    
am1 am2 · · · amm wm wm
Então, segue que



 a11 w1 + a12 w2 + · · · + a1m wm = w1


 a w + a w + ··· + a w = w

21 1 22 2 2m m 2
 .
..




 a w + a w + ··· + a w = w

m1 1 m2 2 mm m m
Em outras palavras, podemos dizer que w é um ponto fixo de A = (aij ), se existir

solução não trivial para o sistema homogêneo abaixo.



 (a11 − 1) w1 + a12 w2 + · · · + a1m wm = 0


 a w + (a − 1) w + · · · + a w = 0

21 1 22 2 2m m
 .
..




 a w + a w + · · · + (a
mm − 1) wm = 0

m1 1 m2 2
56
Como um sistema homogêneo possui solução não trivial se, somente se, o
determinante da matriz dos coeficientes é nulo, concluı́mos que

(a11 − 1) a12 ··· a1m

(a22 − 1) ···

a21 a2m
=0
.. .. ..

..
.

. . .

· · · (amm − 1)

am1 am2
Portanto podemos concluir que uma matriz quadrada possui ponto fixo não nulo se,
e somente se, det(A - I) = 0.
Teorema 4.3.3. Toda matriz estocástica A tem pelo menos um ponto fixo.
Demonstração: Pelo fato da matriz A ser estocástica a soma dos elementos de

cada coluna da matriz A - I é zero. Logo a soma de todas as linhas da matriz A − I
é a linha nula. O determinante de uma matriz não se altera quando se troca uma
linha pela soma dela com a soma das outras linhas. Substituindo a última linha da
matriz A - I pela soma de todas as linhas obtemos a linha nula. Logo det (A - I) =
0. Portanto, pelo teorema 4.3.2 toda matriz estocástica possui pelo menos um
ponto fixo.
Exemplo 4.3.2. Consideremos a matriz
 
1/2 1/3
A= 
1/2 2/3
Então, o vetor
57
 
2/5
w= 
3/5
é um ponto fixo de A. De fato, pois,
 
1 2 1 3
 2.5 + 3.5
    

1/2 1/3 2/5   2/5
  = = 
 
1/2 2/3 3/5  1 2 2 3  3/5
. + .
2 5 3 5
Portanto,
Aw = w.
Teorema 4.3.4. Seja w um ponto fixo da matriz A e seja x ∈ R com x 6= 0, então

o vetor xw também é um ponto fixo de A.
Demonstração: Sabemos que w é um ponto fixo de A então podemos escrever
Aw = w ⇒ x(Aw) = xw ⇒ A(xw) = xw.
O que demonstra que o vetor xw também é um ponto fixo de A.

Observação: Vamos mostrar que todos os pontos fixos da matriz A do exemplo
4.3.2 são colineares.
De fato seja (x, y) um ponto fixo de A. Então
A(x, y) = (x, y)
58
 
1 1
 
 2 3 
  x
  
 
 1 2  y
2 3
Logo

1 1
x + y=x


 2 3


1 2



 x+ y =y

2 3
3
O que equivale a y = x.
2
Então

3 3 5 2 3
(x, y) = x, x = x 1, = x , .
2 2 2 5 5
Definição: Se o vetor w é um ponto fixo de A e além disso w1 + w2 + · · · + wm = 1
com wi ≥ 0 com i = 1, · · · , m. Dizemos que w é um vetor fixo de probabilidade.
Teorema Fundamental da Matriz Estocástica Regular: Seja P uma matriz
estocástica regular. Então, P possui um único vetor de probabilidade fixo w e
todas as coordenadas de w são positivas.
Demonstração: Como P é uma matriz estocástica, pelo teorema 4.3.3 P possui
pelo menos um ponto fixo w, logo
P w = w.
Pelo corolário 4.3.1, w é um ponto fixo de P n , para todo n ≥ 1. Como P é uma

matriz estocástica, seja m ∈ N tal que todas as entradas de P m são positivas, logo
P m w = w.
59
Seja P m = (aij ), aij > 0, 1 ≤ i, j ≤ n.
Então,
    
a11 a12 · · · a1n w1 w1
    
a21 a22 · · ·
    
 a2n  w2   w2 
= .
.. .. .. .. ..
 
..
.
    
 . . .  .   . 
    
an1 an2 · · · ann wn wn
Trocando w por −w, se necessário, podemos supor que w possui alguma coordenada
positiva. Vamos mostrar que todas as coordenadas de w são positivas.
Suponha por absurdo que w possui k coordenadas não positivas e

consequentemente w possui n − k coordenadas positivas. Sem perda de
generalidade podemos supor que wj ≤ 0 com 1 ≤ j ≤ k e que wj > 0 com
k + 1 ≤ j ≤ n.
Então podemos escrever o sistema



 a11 w1 + a12 w2 + · · · + a1n wn = w1


a21 w1 + a22 w2 + · · · + a2n wn = w2




..



 .


 ak1 w1 + ak2 w2 + · · · + akn wn = wk
..





 .


 a w + a w + ··· + a w = w .

n1 1 n2 2 nn n n
Considerando apenas as k primeiras equações obtemos
60



 a11 w1 + a12 w2 + · · · + a1k wk + a1k+1 wk+1 + · · · + a1n wn = w1


 a w + a w + ··· + a w + a
2k+1 wk+1 + · · · + a2n wn = w2

21 1 22 2 2k k
 .
..




 a w + a w + ··· + a w + a
kk+1 wk+1 + · · · + akn wn = wk

k1 1 k2 2 kk k
Isolando as (n − k) últimas variáveis obtemos



 a1k+1 wk+1 · · · + a1n wn = w1 − (a11 w1 + a12 w2 + · · · + a1k wk )


2k+1 wk+1 · · · + a2n wn = w2 − (a21 w1 + a22 w2 + · · · + a2k wk )

 a
..


 .


kk+1 wk+1 · · · + akn wn = wk − (ak1 w1 + ak2 w2 + · · · + akk wk ) .

 a
Somando as k equações temos:
k
! k
!
X X
wk+1 (a1k+1 + · · · + akk+1 )+· · ·+wn (a1n + · · · + akn ) = w1 1 − ai1 +· · ·+wk 1− aik
i=1 i=1
Lembrando que aij > 0, para todo 1 ≤ i, j ≤ n, logo
k k
!
X X
0 < wk+1 (a1k+1 + · · · + akk+1 ) + · · ·+ wn (a1n + · · · + akn ) = wj 1− aij ≤0
| {z } | {z } |{z} | {z }
>0 >0 >0 >0 j=1 i=1
| {z }
≤0
Isto caracteriza um flagrante absurdo. Portanto w não possui coordenadas menores

ou igual a zero.
Logo todas as coordenadas de w são positivas, isto é, w = (w1 , · · · , wn ) com wi > 0
∀ 1 ≤ i ≤ n.
61
1
Tomando w∗ = w, concluı́mos que w é um vetor de probabilidade
w1 + · · · + wn
fixo, com todas as coordenadas positivas.
Agora vamos mostrar que o vetor de probabilidade de P é único. Suponhamos que
existam dois vetores de probabilidade u e v, u 6= v, tais que u e v são pontos fixos
de P . Então
P u = u e P v = v.
Além disso
n
X n
X n
X
(u − v)i = ui − vi = 1 − 1 = 0.
i=1 i=1 i=1
Como u − v 6= 0 então o vetor u − v possui pelo menos uma coordenada maior que
zero e pelo menos uma coordenada menor que zero. Mas isso contraria ao que
demonstrado anteriormente.
Logo, P possui um único vetor de probabilidade fixo, como querı́amos demonstrar.
62
63
5 Cadeias de Markov
5.1 Introdução
Observando a natureza, pode-se perceber uma equilibrada dicotomia. Pois não

existem duas coisas exatamente iguais, mas todas elas tendem a seguir algum
padrão não manifestado claramente. Platão acreditava que a verdadeira forma do
universo estava oculta. Observando a natureza, apenas conseguirı́amos atingir um
conhecimento aproximado sobre a verdade pura em outras palavras, a verdade
estava escondida em planos impercepitı́veis aos nossos sentidos. Sendo assim, a
verdadeira forma pura das coisas, somente era acessı́vel por meio do raciocı́nio
abstrato da filosofia e da matemática, como exemplo um cı́rculo, cuja a distância
da borda até o centro é sempre a mesma. Entretanto, nós nunca encontraremos
uma manifestação material de um cı́rculo perfeito ou de uma linha reta perfeita.
Embora interessado, Platão especulava que, passados uma quantidade
arbitrariamente grande de anos, o universo encontraria um estado ideal, retornando
a sua forma perfeita. Esse foco platônico em formas puramente abstratas, perdurou
até o século XVI, momento em que as pessoas passaram a interpretar o obscuro, as
variações do mundo real e a aplicar a matemática como ferramenta para elucidar os
padrões subjacentes da natureza.
Essa corrente de ideias foi amplamente extendida, notando que, não apenas as
coisas convergem para uma razão esperada, mas a probabilidade da variação em
relação as medidas, também seguem uma familiar forma subjacente ou uma
distribuição.
Um excelente exemplo dessa ideia, é a máquina de feijões de Francis Galton.
Figura 5.1: Máquina de feijões de Francis Galton
Imagine cada colisão como um evento independente, como uma virada em uma
moeda honesta. Após 10 colisões, o feijão cai em um recipiente que representa a
razão entre a deflaxão entre esquerda e direita ou ainda como sendo cara ou coroa.
Essa curvatura é conhecida como distribuição binomial. Aparenta que a média do
destino desses eventos é de alguma forma predeterminada, conhecida hoje como
Teorema Central do Limite.
Isso representou uma ideia filosófica perigosa para alguns. Parul Nekrasov, um
teólogo por formação que mais tarde acabou seguindo os passos da matemática, era
um influente proponente da doutrina religiosa do livre arbı́trio. Ele não admitia a
ideia de termos esse destino estatı́stico predeterminado. Ele afirmava que a
independência era uma condição necessária para a lei dos grandes números desde
que a independência descrevesse esses exemplos simples como os que utilizam
feijões, dados ou moedas, os quais o resultado de um evento anterior não afeta a
probabilidade da ocorrência do evento futuro. No entanto, como podemos observar,
64
a grande parte dos fenômenos da fı́sica, são claramente dependentes de um
resultado anterior.
Quando a probabilidade de algum evento depende ou é condicional a um evento
anterior, dizemos que eles são eventos dependentes.
Essa afirmação irritou um matemático russo, Andrey A. Markov, o qual manteve
publicamente um desafeto com Nekrasov. Markov estendeu os trabalhos realizados
por Bernoulli sobre variáveis dependentes utilizando uma construção engenhosa.
Imagine uma moeda a qual não seja independente, mas dependente apenas do
resultado anterior, então esse processo teria uma memória de curto prazo. Esse
processo pode ser visualizado utilizando uma máquina hipotética composta por
dois potes, os quais chamamos de estados. Em um estado temos uma mistura de 50
bolas pretas e 50 bolas brancas indistinguı́veis. Enquanto no outro, temos uma
mistura com mais bolas pretas do que brancas. Um pote podemos chamar de
estado 0 (zero), ele representa a ocorrência anterior a uma bola preta, e o outro,
podemos chamar de 1 (um), ele representa a bola branca tendo ocorrido
anteriormente.
Para iniciarmos o uso da máquina, simplismente começamos em um dos estados
retirando uma bola. A partir daı́, iremos para o estado 0 ou 1, dependendo do
resultado daquele evento. Como esse processo possui dois estados, podemos
identificar 4 possı́veis transições de estados. Se estamos no estado 0 e ocorre uma
bola preta, permanecemos no estado 0, e retiramos uma outra bola. Se uma bola
branca é retirada, o processo passa para o estado 1, o qual também pode
permanecer em si mesmo, ou passar para o estado 0 se uma bola preta for retirada.
A probabilidade de uma bola branca ser retirada em relação uma bola preta é
claramente não independente
65
Figura 5.2: Máquina de dois estados
Entretanto, Markov demonstrou que quando todos os estados da máquina são

acessı́veis, ao ligar a máquina em uma sequência, ela atingirá o equilı́brio, ou seja,
não importa em que estado comece, uma vez que, iniciada a sequência, o número de
vezes que o processo visita cada estado, converge para um equilı́brio, isto é, para
uma distribuição de probabilidades.
Esse simples experimento, não dialóga com a afirmação de Nekrasov de que apenas
eventos independentes podem convergir para distribuições previsı́veis. No entanto,
a prática de modelar as sequências de eventos aleatórios utilizando estados e suas
transições ficou conhecido como cadeias de Markov.
As cadeias de Markov são assim denominadas em homenagem ao matemático russo
Andrei Andreyevich Markov (1856 -1922) que as utilizou para analisar alterações de
vogais e de consoantes no poema Eugene Onegin, de Pushkin. Ele não enxergava
outra aplicação para sua teoria na época, certamente ficaria muito satisfeito se
soubesse do sucesso e da ampla utilização de sua descoberta. A cadeia de Markov é
um processo estocástico desmemoriado, isto é, um processo estocástico no qual o
estado futuro depende apenas do estado presente, mas não dos estados passados.
66
5.2 Andrei Andreyevich Markov
Andrei Andreyevich Markov nasceu em 14 de junho de 1856 em Ryazan, Rússia,

e morreu em 20 de julho de 1922 em São Petersburgo foi o primeiro filho do casal
Andrei Grigorievich Markov e Nadezhda Petrovna.
Figura 5.3: Andrei Andreyevich Markov
Markov conviveu grande parte de sua infância com uma saúde muito frágil,
apresentando dificuldades até mesmo para andar. Na adolescência demonstrou seu
talento excepcional para a matemática, mas não teve o mesmo sucesso nas outras
disciplinas. Publicou seu primeiro artigo quando ainda cursava o equivalente ao
Ensino Médio cujo tema abordado foi Equações Diferenciais Lineares e, mesmo
apresentando resultados já conhecidos, o artigo despertou a atenção de dois
importantes professores da Universidade de São Petersburg, Aleksandr Korkin e
Yegor Ivanovich Zolotarev.
A partir daı́, ficou evidente que a Matemática era o caminho natural para Markov
e, em 1874, ingressou na Faculdade de Fı́sica e Matemática de São Petersburgo. Por
lá, matriculou-se no seminário dirigido pelos professores Korkin e Zolotarev, mas
também assistiu a muitas palestras do professor Pafnuty Chebyshev, na época chefe
do departamento de matemática.
67
Markov se formou em 1878 ganhando nesse ano o prêmio de melhor artigo publicado
envolvendo o tema Integração de Equações Diferenciais por meio de Funções
Contı́nuas. Querendo tornar-se professor, trabalhou em seu mestrado ao longo de
dois anos obtendo o tı́tulo em 1880 com um trabalho sobre Formas Quadráticas
Binárias com Determinantes Positivos. Esse trabalho foi muito elogiado por
Chebyshev e representou uma dos melhores trabalhos realizados sobre Teorias dos
Nmeros de toda a Matemática Russa. Embora sua dissertação tenha sido publicada
simultaneamente em francês, ela não foi absorvida imediatamente por matemáticos
da Europa Ocidental, dando a medida do quanto Markov havia se aprofundado no
assunto. Terminado o mestrado, Markov começou a lecionar na Universidade de São
Petersburgo, enquanto trabalhava em seu doutoramento, concluindo-o em 1884 com
a tese sobre Aplicações de Frações Contı́nuas.
Agora professor, Markov havia ganhado notabilidade social suficiente para assumir
sua antiga paixão por Maria Ivanova Valvatyeva, pedindo-a em casamento. Os
dois já se conheciam desde crianças, pois ela era a filha do proprietário da fazenda
em que seu pai gerenciava. No entanto, a mãe de Ivanova não aceitava a ideia de
que sua filha casasse com o filho do gerente da fazenda. Entretanto, os esfor{ccos
para evitar a união não foram suficientes e, em 1883, a mãe de Ivanova concedeu a
anuncia e o casamento aconteceu naquele mesmo ano.
Markov construiu uma sólida carreira como professor na Universidade de São
Petersburgo e, além disso, ingressou na Academia Russa de Ciências indicado por
Chebyshev, em 1883. Aposentou-se formalmente em 1905, mas continuou a ensinar
por alguns anos.
Markov foi o porta-voz mais elegante das ideias e direções de pesquisa em Teoria
de Probabilidades de Chebyshev. Ele é lembrado particularmente pelo estudo
desenvolvido sobre Sequências de Variáveis Aleatórias em que a próxima variável é
68
determinada no máximo pelo estado presente, mas é independente da forma pelo
qual o estado atual surgiu de seus antecessores. Markov analisou a sequência de
vogais e consoantes no poema Eugene Onegin, escrito por Alexander Pushkin em
1883. Ele verificou empiricamente que uma vogal era seguida por uma consoante
em 87% das vezes e que uma consoante era seguida por uma vogal 66% das vezes.
Este trabalho é conhecido como Cadeias de Markov e representa um marco na
Teoria das Probabilidades. Em 1923, Nobert Winer tornou-se o primeiro a tratar
rigorosamente os Processos Contı́nuos Markovianos. As bases de uma teoria geral
foi fornecida durante a década de 1930 por Andrei Kolmogorov.
Markov viveu um perı́odo de grande atividade polı́tica na Rússia e, por ter opiniões
firmes, tornou-se um militante polı́tico. Em 1913, a dinastia Romanov, que estava
no poder na Rússia desde 1613, comemorou seus 300 anos de poder, mas Markov
fez questão de demonstrar toda sua desaprovação pela celebração. Com o inı́cio
da Revolução Russa em 1917, Markov foi enviado para Zaraisk, uma pequena
cidade do interior da Rússia, onde ensinou matemática na escola secundária sem
receber qualquer remuneração. Por fim, retornou a São Petersburgo, apresentando
uma saúde debilitada, vindo a falecer em julho de 1922 depois de meses de sofrimento.
5.3 Conceitos Básicos sobre Cadeias de Markov
Essa seção propõem-se a apresentar os principais conceitos e definições sobre as

cadeias de Markov, fixando as ideias por meio da apresentação de alguns exemplos.
69
Em particular, os conceitos e ferramentas necessários para a análise da convergência
de uma cadeia de Markov regular para sua distribuição estacionária.
Um conceito muito importante que será apresentado é sobre a matriz de transição
de uma cadeia de Markov, elemento esse fundamental na teoria. A partir da matriz
de transição, podemos caracterizá - la e doravante estudarmos sua distribuição
de probabilidade estacionária utilizando operações matriciais básicas facilmente
programadas. Isso é uma particularidade importante na aplicação da teoria.
5.3.2 Definição de uma cadeia de Markov
Considere um processo estocástico finito {Xn }n>0 em que cada variável aleatória
Xi assume, com certa probabilidade, um estado si ∈ {s1 , s2 , · · · , sn } com
i = 1, 2, · · · , n.
Definição: Uma cadeia de Markov finita é um processo estocástico finito tal que:
P (Xn = sn |X1 = s1 , X2 = s2 , ..., Xn−1 = sn−1 ) = P (Xn = sn |Xn−1 = sn−1 )
Podemos dizer outras palavras, que uma cadeia de Markov é um processo estocástico
desmemoriado, isto é, o resultado de qualquer tentativa depende apenas do resultado
da tentativa imediatamente anterior, não dependendo das demais tentativas.
A condição acima é conhecida como propriedade de Markov.
Seja {Xn }∞
n=0 uma cadeia de Markov, se Xn = sj , dizemos que a cadeia de Markov,
está no estado sj no parâmetro n ou que a cadeia de Markov visita o estado sj no

parâmetro n.
A probabilidade do sistema passar do estado si para para o estado sj no tempo n é
70
denotada por:
pij (n) = P (Xn = si |Xn−1 = sj )
As probabilidades de transição pij (n) não dependem de n. Sendo assim, denotamos

apenas por pij .
Se uma cadeia de Markov possui n estados possı́veis, então as probabilidades de
transição são convenientemente representadas em uma matriz quadrada de ordem
n, P = (pij ) denotada matriz de transição sendo representada por:
 
p11 p12 · · · p1n
 
· · · p2n 
 
 p21 p22
P= .. .. .. .. 

.

 . . . 
 
pn1 pn2 · · · pnn
Assim, a cada estado sj correspondente a j-ésima coluna da matriz P . Então o
vetor coluna representa a distribuição da probabilidade condicional de Xn dado que
Xn−1 = j, sendo portanto, um vetor de probabilidade.
n o
(0)
O vetor de probabilidade inicial é o vetor w0 = pj = {P (X0 = sj )}.
Observe que P tem as seguintes propriedades:
pij ≥ 0
n
X
pij = 1
j=1
71
Exemplo 5.3.2.1. O que é maior: a probabilidade de que neve depois de uma de
sol quente ou depois de um dia nublado e frio?
Situações como essa podem serem estudadas e modeladas pelas cadeias de Markov
como segue na situação a seguir.
Na terra de Nárnia nunca ocorrem dois dias ensolarados seguidos. Se em um dia
faz sol, então para o dia seguinte fica igualmente propenso a nevar ou chover. Se
1
chover, no dia seguinte a probabilidade de chover novamente é de 2
e fica igualmente
propenso nevar ou fazer sol. Caso tenhamos um dia com preciptação de neve, para
1
o dia seguinte temos a probabilidade de nevar novamente de 2
e a de chover ou fazer
sol igualmente propensos. Dessa forma a matriz de transição é dada por
 
0, 5 0, 5 0, 25
 
P =  0, 25 0 0, 25 
 
 
0, 25 0, 5 0, 5
Ao usarmos uma cadeia de Markov para explicar um fenômeno da natureza, é
fundamental conhecermos alguns detalhes. Em função da independência temporal,
que está presente no conceito das cadeias de Markov. Então podemos ignorar o
tempo de 10 dias atrás para prever o tempo amanhã. Entretanto, isso não significa
dizer que o futuro não dependa do passado, ou ainda, que o passado não influência
no futuro. Ao contrário, uma série de eventos contém mais informações que dois
eventos isolados. Contudo, para prever o tempo amanhã, e em virtude das cadeias
de Markov, sabemos que podemos desprezar o tempo de 10 dias atrás.
Na verdade, com a probabilidade, apenas medimos a chance de que algo venha
acontecer, isso não quer dizer que sabemos com certeza o que vai acontecer.
Exemplo 5.3.2.2. Um homem joga em duas máquinas distintas de caça nı́quel. A
72
primeira paga o prêmio com probabilidade c, e a segunda com probabilidade d. Se
ele perde, ele joga novamente na mesma máquina, se vence, ele muda para a outra
máquina. Seja si o estado em que ele ele joga na máquina i. Então a matriz de
transição é dada por
 
c 1−d
P= 
1−c d
Exemplo 5.3.2.3. Um psicólogo faz as seguintes hipóteses, quanto ao
comportamento de ratos sujeitos a um horário especial de alimentação. Para
qualquer tentativa particular, 80% dos ratos que foram para direita no experimento
anterior irão para a direita na próxima tenativa, e 60% dos que foram para a
esquerda no experimento anterior irão para a direita na próxima tentativa. Os
estados do sistema são D (direita) e E (esquerda). A matriz de tarnsição é dada por
 
0, 8 0, 6
P= 
0, 2 0, 4
Exemplo 5.3.2.4. Uma empresa de aluguel de automóveis tem três lojas. Um
cliente pode alugar um carro em qualquer uma das lojas e devolvê-lo também em
qualquer uma das três lojas. Por meio de um estudo realizado por essa empresa,
estima-se que os clientes devolvem os automóveis às diferentes lojas, de acordo
com as seguintes probabilidades representadas na matriz de transição a seguir, que
dependem apenas da loja onde o automóvel foi alugado
 
0, 8 0, 3 0, 2
 
P =  0, 1 0, 2 0, 6
 

 
0, 1 0, 5 0, 2
73
Nesta matriz o valor p23 = 0.6 corresponde à probabilidade de um carro ser alugado
na loja 2 ser devolvido à loja 3.
Exemplo 5.3.2.5. Em sociologia é conveniente classificar as pessoas por faixa de
renda: classe baixa, classe média ou classe alta. Sociólogos descubriram que o fator
predominante que influência a classe de renda de uma pessoa, é a classe de renda
de seus pais. A matriz de transição P mostra as probabilidades de um indivı́duo
mudar de classe social dependendo apenas da classe de renda de seus pais.
classe baixa classe média classe alta

classe baixa
0, 65 0, 15 0, 12
P = classe média
0, 28 0, 67 0, 36
classe alta
0, 07 0, 18 0, 52
A matriz de transição P mostra a probabilidade de mudança de classe de renda
de uma geração para a próxima. Agora desejamos investigar as probabilidades de
mudanças de classe de renda para duas gerações. Por exemplo, para pais de classe
alta, qual a probabilidade de que tenham um neto de classe média?
A probabilidade de que pais de classe alta tenham netos de classe média é dada por
0.52 · 0.36 + 0.36 · 0.67 + 0.12 · 0.28 = 0.462 = 46, 2%
5.4 Passeios Aleatórios Simples
Nesta seção iremos apresentar vários exemplos simples de cadeias de Markov. Esses
exemplos dizem a respeito ao que chamamos de passeio aleatório.
74
Sejam X1 , X2 , · · · , Xn , · · · variáveisaleatórias independentes e igualmente
= s0 + ni=1 Xi , com n ≥ 1. O processo
P
distribuı́das. Sejam, s0 = c e sn
estocástico {sn , n ≥ 0} é chamado de passeio aleatório simples. Em outras palavras,
uma passeio aleatório simples consiste de uma partı́cula inicialmente num ponto
x ∈ Z, que se move em Z e a cada instante pode pular d eum ponto x para um
dos pontos vizinhos, x + 1 ou x − 1, com probabilidade p de saltar para direita e
probabilidade q = 1 − p de saltar para esquerda. Se p = q = 12 , então dizemos que é
um passeio aleatório simétrico em que sn denota a posição da partı́cula no instante
n.
Imagine um homem que se move em linha reta em passos com comprimento 1, cada
passo corresponde a se deslocar uma unidade para a direita com probabilidade p ou
uma unidade para a esquerda, com probabilidade q. Move-se até atingir um dos
dois pontos extremos que são chamados de pontos de fronteira. As possibilidades
de seu comportamento nestes pontos determinam vários tipos diferentes de cadeias
de Markov. Os estados são as posições possı́veis. Nos exemplos a seguir, estaremos
levando em consideração o caso com 5 estados. Os estados 0 e 4 são os estados de
fronteiras.
Exemplo 5.4.1. Um homem está num ponto de coordenada inteira sobre o eixo x
entre a origem e o ponto 4. Ele dá um passo de uma unidade para a direita com
probabilidade p ou para a esquerda com probabilidade q = 1 − p, exceto quando ele
estiver na origem, caso em que dá um passo para a direita chegando ao ponto 1, ou
quando estiver sobre o ponto 4, caso em que dá um passo para esquerda chegando
ao ponto 3. Indiquemos por Xn a sua posição, após n passos. Esta é uma (C.M.),
cujo espaço de estados é S = {0, 1, 2, 3, 4}, em que cada estado si = i representa que
o homem está sobre o eixo x no ponto de abscissa i, com i = 0, 1, 2, 3, 4. A matriz
de transição é dada por
75
 
0 q 0 0 0
 
 1 0 q 0 0 
 
 
P= 0 p 0
 
q 0 
 
 
 0 0 p 0 1 
 
0 0 0 p 0
Cada coluna da matriz, exceto a primeira e a última, correspondem ao fato de que
o homem se move do estado si para o estado si+1 , com probabilidade p ou para o
estado si−1 com probabilidade q = 1 − p. A primeira coluna corresponde ao fato
de que o homem passa do estado s0 sempre para o estado s1 e a última coluna
corresponde ao fato de que o homem sempre passa do estado s4 para o estado s3 .
Exemplo 5.4.2. Supomos agora que sempre que o homem atinge um dos estados de
fronteira vai diretamente para o estado do centro s3 . A matriz de transição é dada por
 
0 q 1 0 0
 
 0 0 q 0 0 
 
 
P= 1 p 0
 
q 0 
 
 
 0 0 p 0 1 
 
0 0 1 0 0
Exemplo 5.4.3. Suponha agora que quando o homem atinge um estado de fronteira
1
ele permanece nesse estado, com probabilidade 2
e se move para o outro estado de
fronteira também com probabilidade 21 . Nesse caso a matriz de transição é dada por
76
 
0, 5 q 0 0 0, 5
 
 0 0 q 0 0 
 
 
P= 0
 
p 0 q 0 
 
 
 0 0 p 0 p 
 
0, 5 0 0 p 0, 5
Exemplo 5.4.4. A seguir, consideramos uma versão modificada do passeio
aleatório. Se o processo está em um dos três estados interiores,então tem igual
probabilidade de se deslocar para a direita, para a esquerda, ou permanecer em
seu estado atual. Se for na fronteira, não pode permanecer, entretanto tem igual
probabilidade de se deslocar para qualquer um dos outros quatro estados. A matriz
de transição é dada por
 
0 1/3 0 0 1/4
 
 1/4 1/3 1/3 0 1/4 
 
 
P =  1/4 1/3 1/3 1/3 1/4 
 
 
 
 1/4 0 1/3 1/3 1/4 
 
1/4 0 0 1/3 0
5.5 Probabilidades de Transição Superiores
O elemento pij da matriz de transição P de uma cadeia de Markov representa a

probabilidade de que o sistema passe do estado sj para o estado si em apenas um
(n)
estágio: sj →si . Agora queremos determinar, a probabilidade pij de que o sistema
mude do estado sj para o estado si em exatamente n estágios.
77
sj →sk1 →sk2 → · · · →sn−1→si
Teorema 5.5.1. Seja P a matriz de transição de um processo em cadeia de Markov.
Se p = (pi ) é a distribuição de probabilidades do sistema num instante arbitrário,
então P pi é a distribuição de probabilidades do sistema após um estágio e P n pi é
a distribuição de probabilidades do sistema após n estágios. Em particular, temos que
p(1) = P p(0) ; p(2) = P p(1) ; p(3) = P p(2) ; · · · ; p(n) = P p(n−1)
Logo, podemos escrever que p(n) = P p(0) .

Demonstração: Suponhamos que o espaço de estados seja S = {s1 , s2 , · · · , sn }.
A probabilidade de que o sistema esteja no estado sj no instante k e passe para o
estado si no instante k + 1 é o produto pij pi , isto é,
P (Xk+1 = si |Xk = sj ) = pij pj
Dessa forma, a probabilidade de que o sistema esteja no estado si no instante k + 1

é dada por
P (Xk+1 = si |Xk = s1 ) + P (Xk+1 = si |Xk = s2 ) + · · · + P (Xk+1 = si |Xk = sn ) .
Ou seja,
pi1 p1 + pi2 p2 + · · · + pin pn
Logo, a distribuição de probabilidades no instante k + 1 é dada por:
78
 
p11 p1 + p12 p2 + · · · + p1n pn
 
 p21 p1 + p22 p2 + · · · + p2n pn
 
∗

p =
 ..


 . 
 
pn1 p1 + pn2 p2 + · · · + pnn pn
Por outro lado, isso mostra que o vetor p∗ é exatamente o produto da matriz
P = (pij ) pelo vetor pi .
Portanto, p∗ = P p. Sendo assim tem - se
p(1) = P p(0) ; p(2) = P p(1) ; · · · ; p(n) = P p(n−1)
Agora note que
p(2) = P p(1) = P (P p(0) ) = P 2 p(0)

p(3) = P p(2) = P (P 2 p(0) ) = P 3 p(0)
..
.
p(n) = P p(n−1) = P (P (n−1) p(0) ) = P n p(0)
como querı́amos demonstrar.
Teorema 5.5.2. Teorema das Potências da Matriz de Transição: Seja P
a matriz de transição de um processo em cadeia de Markov. Então, a matriz de
transição para n estágios é igual a enésima potência de P , em que p(n) = P n .
Demonstração: Suponhamos que o sistema esteja no estado sj no instante k.
A distribuição de probabilidade do sistema no instante k, uma vez que o sistema
está no estado sj , é o vetor ej , tal que ej é o vetor coluna com valor 1 na j-ésima
coordenada e zeros nos demais ı́ndices. Pelo teorema anterior a distribuição de
probabilidades no instante k + n é dada pelo vetor
79
p(n+k) = P n pk = P n ej .
(n)
Entretanto, P n ej é a j-ésima coluna da matriz P n . Dessa forma, pij é a i-ésima
componente da j-ésima coluna de P n . Portanto, p(n) = P n , como querı́amos
demonstrar.
Suponhamos agora, que em um instante arbitrário, a probabilidade de que o sistema
esteja no estado si seja pij . Indicamos estas probabilidades pelo vetor
 
p1
 
 
 p2 
p=
 ..


 . 
 
pn
o qual determina a distribuição de probabilidades do sistema naquele instante. Em

particular, indicamos por
 
(0)
p1
 
 (0) 
 p2 
p(0) =
 ..


 . 
 
(0)
pn
como sendo a distribuição inicial de probabilidades, isto é, a distribuição de

probabilidades que existe quando o processo se inicia, e indicamos por
80
 
(n)
p1
 
 (n) 
 p2 
p(n) =
 ..


 . 
 
(n)
pn
como sendo a distribuição de probabilidades após n estágios.

Exemplo 5.5.1. Um homem ou dirige ou toma um ônibus para ir trabalhar todos
os dias. Suponhamos que ele nunca tome o ônibus dois dias consecutivos, mas se ele
dirige até o trabalho, então no dia seguinte, a probabilidade dele dirigir novamente
é a mesma dele tomar o ônibus.
A matriz de transição da cadeia de Markov associado a este processo é:
 
0 0, 5
 
1 0, 5
Nesse caso, o espaço de estados é definido tal que S = {s1 = ônibus, s2 = carro}
Então, queremos conhecer, qual a probabilidade de que o sistema passe do estado s1
para o estado s2 , em exatamente 4 estágios.
Primeiramente, calculamos P 4
      
0 0, 5 0 0, 5 0 0, 5 0 0, 5 0, 375 0, 3125
P4 =     = 
1 0, 5 1 0, 5 1 0, 5 1 0, 5 0, 625 0, 6875
Dessa forma, podemos dizer que a probabilidade do sistema passar do estado s1

(4)
para o estado s2 , em exatamente 4 estágios é dada por p12 = 0, 625.
Suponhamos agora que no primeiro dia o homem tenha lançado um dado honesto
81
para decidir se iria ao trabalho de carro ou ônibus. Ele definiu que iria dirindo
para o trabalho se, e somente se, o resultado do lançamento do dado fosse 6,
caso contrário iria de ônibus. Com isso podemos assumir que a distribuição
inicial de probabilidades do processo é, p(0) = (5/6, 1/6) é a distribuição inicial de
probabilidades do sistema.
Logo, a distribuição de probabilidades após 4 dias é dada por:
    
0, 375 0, 3125 5/6 35/96
p(4) = P 4 p(0) =   = 
0, 625 0, 6875 1/6 61/96
Portanto, a distribuição de probabilidades após 4 dias é dada por:

 
35/96
p(4) =  
61/96
Em outras palavras, após espera-se que o homem tenha ido ao trabalho de ônibus
em 36,4% das vezes e tenha ido de carro em 63,6% das vezes.
5.6 Cadeias de Markov Regulares
Suponhamos que em uma determinada região, observa-se que se chover bastante

durante o ano, a probabilidade de que chova bastante no ano seguinte é de 25%, e
que a probabilidade de que se tenha uma escassez de chuva é de 75%. Ainda sabemos
que, se houver uma escassez de chuvas em um ano, no ano seguinte a probabilidade
82
de haver bastante chuva ou uma seca, será a mesma. Suponhamos também,
para simplificar o modelo, que estas probabilidades permaneçam inalteradas com
o decorrer dos anos, o que não ocorre na prática, embora possamos usar essa
simplificação, como recurso para termos um indicador da situação.
A longo prazo, o que podemos esperar com maior probabilidade. Que essa região
sofra com perı́odos de muita chuva? Ou com perı́odos com escassez de chuvas?
As cadeias de Markov mostram-se eficazes na resolução desse tipo de problema.
Sendo assim, muito importantes na avaliação de propostas de intervenção na
realidade utilizando conhecimentos algébricos. Esse capı́tulo dedica-se na análise
do comportamento estacionário da distribuição de probabilidade de uma cadeia de
Markov regular, essencial na aplicação.
As cadeias de Markov regulares, exercem papel fundamental nas aplicações, em
virtude de sua distribuição estacionária de probabilidades, sobretudo, pois sua
convergência para sua distribuição é obtida por meio de operações matriciais
elementares aplicadas na matriz de transição as quais são facilmente programadas
e esta é uma importante particularidade nas aplicações das cadeias regulares, o que
propcia apresentar o tema em turmas de Ensino Médio. A contemporalidade do
tema e suas diversas aplicações corroboram para o desenvolvimento do pensamento
crı́tico e investigativo dos alunos, potencializando a aprendizagem de temas como
probabilidades e matrizes.
83
5.6.2 Distribuição Estacionária de uma cadeia de Markov
Regular
Definição: Uma cadeia de Markov é dita regular se, e somente se, a partir de um
estado inicial arbitrário é possı́vel acessar qualquer estado após um certo número de
passos, em outras palavras, se sua matriz de transição P for uma matriz estocática
regular.
Lema 5.6.2: Seja P uma matriz de transição de ordem r com todas as entradas
são positivas. Seja a menor entrada da matriz P . Seja x um vetor coluna com r
coordenadas, sendo M0 sua maior coordenada e m0 sua menor coordenada, e sejam
M1 e m1 respectivamente a maior e a menor coordenada do vetor P x. Então
M1 ≤ M0 , m0 ≤ m1 M1 − m1 ≤ (1 − 2)(M0 − m0 ).
Demonstração: Seja x∗ um vetor obtido substituindo todas as componentes do

vetor x por M0 exceto a componente m0 , então, xi ≤ x∗i . Cada componente de P x∗
é da forma
P x∗i = a · m0 + (1 − a) · M0 = M0 − a(M0 − m0 )
em que a ≥ . Assim, P x∗i ≤ M0 − (M0 − m0 ). Entretanto, como xi ≤ x∗i , temos
M1 ≤ M0 − (M0 − m0 ).
Se aplicarmos esse resultado no vetor −x, obtemos
−m1 ≤ −m0 − (−m0 + M0 )
84
Segue dos resultados anteriores que
M1 −m1 ≤ M0 −m0 −2(M0 −m0 ) = (1−2)(M0 −m0 ) =⇒ M1 −m1 ≤ (1−2)(M0 −m0 )
Teorema Fundamental da Convergência das Cadeias de Markov Regulares:

Seja P uma matriz de transição regular. Então, as potências P n se aproximam da
matriz estocástica A, tal que todas as linhas são iguais ao ponto fixo w da matriz P .
Além disso, cada coluna de A é o mesmo vetor de probabilidades w, isto é, A = wξ,
em que ξ é o vetor linha com todas as componentes iguais a 1.
Demonstração: Primeiro vamos assumir que P não tem entrada zero e seja sua
menor entrada. Seja ρj um vetor coluna com 1 na j-ésima coordenada e 0 nas demais.
Sejam Mn e mn o maior e o menor valores dentre as coordenadas do vetor P n ρj .
Desde que P n ρj = P P n−1 ρj segue do lema anterior. que M1 ≥ M2 ≥ M3 ≥ · · · e
m1 ≤ m2 ≤ m3 ≤ · · · então
Mn − mn ≤ (1 − 2)(Mn−1 − mn−1 )
∀n ≥ 1.Se tomarmos dn = Mn − mn , isso nos diz que
dn ≤ (1 − 2)n d0 = (1 − 2)n
Assim, quando n tende ao infinito dn tende a zero, Mn e mn aproximam de um

limite comum, e portanto P n pj tende para o vetor com todas as componentes iguais.
Seja wj esse valor comum. Fica claro que, ∀n, mn ≤ wj ≤ Mn . Em particular, desde
que 0 < m1 e M1 < 1, temos que 0 < wj < 1. Agora P n ρj é a j-ésima coluna de P n .
Assim, a j-ésima coluna de P n tende para o vetor com todas componentes iguais
ao valor wj , isto é, P n tende para a matriz A em que todas as linhas são iguais ao
vetor w = (w1 , · · · , wr ). Desde que as somas das componentes dos vetores linhas
85
da matriz P n sejam sempre iguais a 1, o mesmo deve ser verdade para o limite.
Isso completa a demonstração para o caso me que todas as entradas da matriz são
positivas.
Consideramos agora que P seja regular. Seja N tal que, cada potência P N não
tenha entradas zero. Tome ∗ a menor das entradas de P N . Aplicando a primeira
parte da demonstração para a matriz P N , temos
dkN ≤ (1 − 2∗ )k
Portanto, a sequência dn , que não é crescente, possui uma subsquência tendendo a

zero. Assim dn tende a zero e o resto da prova é analoga a prova para a matriz com
todas as entradas positivas.
Portanto, a sequência P , P 2 , P 3 ,· · · ,Pn , · · · das potências de P tende à matriz
cujas as colunas são todas iguais ao vetor de probabilidade fixo w, como querı́amos
demosntrar.
Esse teorema assegura a existência de um método simples para determinar o vetor
de probabilidade fixo de uma matriz de transição de uma cadeia de Markov.
Para obtermos o vetor de probabilidade fixo basta tomarmos uma potência P n com
n suficientemente grande.
O vetor de probabilidade fixo w será denominado vetor da distribuição estacionária
da cadeia de Markov regular determinada pela matriz de transição P .
Suponhamos que uma cadeia de Markov seja regular, isto é, que sua matriz de
transição P seja regular. Pelo teorema da convergência, a sequência das matrizes
de transição para n estágios, P n , tende a matriz T , cujas linhas são todas iguais
(n)
ao unico vetor de probabilidade fixo w de P . Logo, a probabilidade wij de que o
estado j ocorra, para n suficientemente grande, é independente do estado inicial i e
86
tende a componente wi de w. Em outras palavras, a longo prazo, a probabilidade de
que qualquer estado j ocorra é aproximadamente igual a componente wi do único
vetor de probabilidade fixo w de P .
Dessa forma, observamos que a influência do estado inicial ou da distribuição inicial
de probabilidades do processo diminui a medida em que o número de estágios do
processo aumenta. Além disso, toda sequência de distribuição de probabilidades
tende ao vetor de probabilidade fixo de P , o qual representa a distribuição
estacionária de uma cadeia de Markov.
Essa caracterı́stica permite com que as cadeia de Markov Regulares, sejam um
ótimo modelo de modelagem matemática para a análise de previsões a longo prazo.
Exemplo 5.6.1. Suponhamos que em uma determinada região, observa-se que
se chover bastante durante o ano, a probabilidade de que chova bastante no ano
1
seguinte é de 4
, e que a probabilidade de que se tenha uma escassez de chuva
3
é de 4
. Ainda sabemos que, se houver uma escassez de chuvas em um ano,
no ano seguinte a probabilidade de haver bastante chuva ou uma seca, será a
mesma. Suponhamos também, para simplificar o modelo, que estas probabilidades
permaneçam inalteradas com o decorrer dos anos, o que não ocorre na prática,
embora possamos usar essa simplificação, como recurso para termos um indicador
da situação. Sendo assim, a matriz de transição desse processo em cadeia de Markov
é dada por
 
0, 25 0, 5
M = 
0, 75 0, 5
Note que M é uma matriz estocástica regular, uam vez que todos os seus elementos
são positivos. Sendo assim, podemos concluir que, quaisquer que sejam as
87
probabilidades iniciais, a distribuição de probabilidades a longo prazo é dada pelo
vetor de probabilidades fixo da matriz M .
Mw = w
      
0, 25 0, 5 x x wchuva
  = = 
0, 75 0, 5 1−x 1−x wseca
Da equação acima segue o sistema




 0, 25x + 0, 5 − 0, 5x = x



 0, 75x + 0, 5 − 0, 5x = 1 − x

Então, devemos ter
0, 25x + 0, 5 − 0, 5x = x
x + 2 − 2x = 4x
2 3
Da equação acima segue que, x = 5
= 0, 4 e 1 - x = 5
= 0, 6.
   
wchuva 0, 4
 = 
wseca 0, 6
Portanto, a longo prazo, a probabilidade de termos nessa região um ano ocm
bastante chuva é de 40%, enquanto que a probabilidade de termos um ano com
escassez de chuvas é de 60%, dentro das hipóteses simplificadoras. Com base nesses
88
a dados podemos concluir, que a região tenderá a uma ligeira aridez.
Exemplo 5.6.2 Suponhamos que em um municı́pio, a cada ano 3% da população
da zona rural, migra para a zona urbana, enquanto 1% da população da zona urbana
migra para a zona rural. Se todas essas porcentagens não mudarem, qual deve ser a
relação entre as populações urbana e rural desse municı́pio a longo prazo?
A Matriz de transição desse processo markoviano regular é dada por
 
0.99 0.03
 
0.01 0.97
Como a a matriz é regular, então, a longo prazo as probabilidades wrural = 1 − x e

wurbana = x, devem satisfazer a equação
    
0, 99 0, 03 x x
  = 
0, 01 0, 97 1−x 1−x
Da equação acima segue que




 0, 99x + 0, 03 − 0, 03x = x



 0, 01x + 0, 97 − 0, 97x = 1 − x

Daı́ segue que
0, 99x + 0, 03 − 0, 03x = x
0, 04x = 0, 03
Então temos que x = 0,75. Logo, wrural = 25% e wurbana = 75%. Portanto, se
89
não houver modificações nas politicas públicas de migração daquela região, teremos
a longo prazo, 25% da população vivendo na zona rural do municı́pio e 75% da
população vivendo na zona urbana.
Exemplo 5.6.3 Observa-se experiemntalmente que, em condições naturais e sem ser
submetida à pesca industrial, a quantidade de uma certa espécie de peixe varia do
seguinte modo: se em um ano a população diminui, a probabilidade de que diminua
ainda mais no ano seguinte é de 60% e, se em um determinado ano a população
aumenta, a probabilidade de que diminua no ano seguinte é de 30%. Entretanto,
observa-se que, sendo essa mesma espécie de peixe submetida à pesca industrial,
quando a população de peixes aumenta num determinado ano, a probabilidade
de que dimiua no ano seguinte se altera para 50%, enquanto que se a população
diminua no ano seguinte continua sendo 60%. Deseja-se conhecer, como a longo
prazo, a pesca industrial estará afetando a população de peixes dessa espeécie.
Desse modo, seria possı́vel determinar, se a pesca industrial deve diminuir para
preservar a espécie ou até mesmo para determinar que essa atividade comercial tem
potencial para expansão. Os estado desse processo são: diminuição da população
de peixes (D) e aumento da população de peixes (A). Então, vamos analisar as
probabilidades de evolução populacional dessa espécie de peixe, sem haver pesca
industrial, a matriz de probabilidades de transição desse processo markoviano é
dada por
 
0, 7 0, 4
 
0, 3 0, 6
Como a matriz é regular, as probabilidades wD = 1 − x da população diminuir e

wA = x da população aumentar a longo prazo são tais que
90
    
0, 7 0, 4 x x
  = 
0, 3 0, 6 1−x 1−x
Então,

 0, 7x + 0, 4 − 0, 4x = x
 0, 3x − 0, 6 − 0, 6x = 1 − x
Daı́ segue que
0, 7x + 0, 4 − 0, 4x = x
0, 7x = 0, 4
4 3
x= 7
=⇒ 1 − x = 7
4
Portanto, a probabilidade da população dessa espécie de peixes aumentar é wA = 7
e a probabilidade da população de peixes diminuir é wD = 37 . Podemos concluir que,

em condições naturais, a espécie tem a sobrevivência razoavelmente garantida.
Exemplo 5.6.3. Agora vamos analisar como a longo prazo a pesca industrial efeta
a população de peixes. Com esse novo cenário, a matris de transição se altera para
 
0, 5 0, 4
 
0, 5 0, 6
Como a matriz é regular, a longo prazo wA = x e wD = 1 - x, são tais que

    
0, 5 0, 4 x x
  = 
0, 5 0, 6 1−x 1−x
91
Da equação acima segue que

 0, 5x + 0, 4 − 0, 4x = x
 0, 5x + 0, 6 − 0, 6x = 1 − x
Do sistema acima segue que
0, 5x + 0, 4 − 0, 4x = x
0, 9x = 0, 4
4 5
x= 9
=⇒ 1 − x = 9
4
Desse modo temos, wA = 9
e wD = 59 . Como a probabilidade da população diminuir
é maior, se a espécie for submetida à pesca industrial, sua sobrevivência será
ameaçada e, portanto a pesca deve ser diminuı́da ou até mesmo proibida.
Podemos observar que os processos markovianos, podem ser modelados e estudados,
afim de estabelecermos cenários a longo prazo, os quais podem oferecer informações
úteis para tomadas de decisão como por exemplo, na gestão de recursos naturais e
na elaboração de polı́ticas públicas.
5.7 Cadeias de Markov Absorventes
Um estado i de uma cadeia de Markov é denominado absorvente se
pii = 1.
92
Uma cadeia de Markov é denominada absorvente se existe pelo menos um estado
absorvente e se for possı́vel, a partir de qualquer estado arbitrário, existir uma
sequência de transições até um estado absorvente. Um estado que não é absorvente
é demoninado estado de transição.
Exemplo 5.7.1. Suponhamos uma cadeia de Markov em que sua matriz de
transição é dada por
A B C D E
 
1 1 1 1
0 4 4
A 4 4
 
 0 1 0 0 0  B
 
 
 1 1 1 
 2 0 4 4 0  C
 
 
 0 1 0 0 0  D
 
0 0 0 0 1 E
Note que os estados s2 = B e s5 = E são ambos absorventes, pois tanto a segunda

coluna como a quinta coluna possuem 1 na diagonal principal e 0 nas demais
posições. Assim, um estado i é absorvente se, e somente se, a i-ésima linha da
matriz de transição P possui a componente na diagonal principal igual a 1, e zeros
nas demais posições.
Exemplo 5.7.2. Um homem lança uma moeda honesta até que ocorram 3 caras
consecutivas. Seja Xn = k se, na enésima tentativa, a última coroa tenha ocorrido
na (n − k) ésima tentativa, isto é, Xn indica a maior sequência de caras que termina
na enésima tentativa. Esse é um processo em cadeia de Markov, cujo espaço de
estados é S = {s0 , s1 , s2 , s3 } , em que si significa que a sequência de caras tem
comprimento i. A matriz de transição é
93
A B C D
 
1 1
2 2
0 0 A
 
 1 1 
 2
0 2 0  B
 
 1 1 
 2
0 0 2 
 C

0 0 0 1 D
Qualquer coluna exceto a última, corresponde ao fato de que uma sequência de

caras é interrompida, se ocorrer coroa ou então, é ampliada se ocorrer cara. A
última coluna corresponde ao fato de que o jogo termina se ocorrerem três caras em
sequência. Note que D é um estado absorvente.
Teorema 5.7.1. Se uma matriz estocástica de ordem n ≥ 2 tem 1 na diagonal
principal, então P não é regular. Podemos dizer em outras palavras, que se uma
cadeia de Markov possui pelo menos um estado absorvente, então a cadeia não é
regular.
Demonstração: Seja sj um estado absorvente de uma cadeia de Markov com matriz
(n)
de transição P . Então para i, a probabilidade de transição após n estágios é pij = 0,
∀n. Portanto, qualquer potência de P tem um elemento nulo. Logo, P não é regular.
94
95
6 Como o Google googla?
6.1 Introdução
O Google tornou-se um dos principais buscadores utilizados pelos usuários de

internet em todo o mundo. Grande parte desse sucesso deve-se a matemática
aplicada em seu algoritmo de busca. O Google foi criado com a missão de organizar
a informação mundial e torná-la universalmente acessı́vel.
Neste capı́tulo vamos mostrar como um simples gesto de pesquisar um assunto no
Google tem por trás muita matemática, mais precisamente, cadeias de Markov.
Numa época em que a internet se transformou em um gigantesco acervo de
informações e conhecimento, motores de busca como o Google se transformaram em
uma espécie de sonar que leva o pescador a encontrar um bom cardume. Quando
pesquisamos um tema, o Google aplica um algoritmo que, em microssegundos,
apresenta uma excelente ordenação para encontrarmos o que procuramos.
Resumidamende, ao perquisarmos um assunto no Google, ele envia para cerca
de 1 milhão de servidores ao redor do mundo e estes por sua vez processam mais de
1 bilhão de pesquisas gerando aproximadamente 20 petabytes de dados o equivalente
a 22.517.998.136.852.500 bytes.
Suponhamos que uma pessoa deseja preparar uma deliciosa carne assada para o
jantar e vai a procura de uma receita. Nessa altura a pessoa percebe que existem
451000 páginas relacionadas com o tema. Certamente muitas dessas páginas
não são interessantes e mesmo assim seria impossı́vel ler todas antes do jantar,
mas como num passe de ”mágica”normalmente encontramos o que queremos nas
primeiras sugestões do Google. Mas como o Google sabe quais são as páginas mais
interessantes sobre carne assada a ponto de apresentá - las em primeiro lugar?
Mágica ou Matemática?
Os primeiros buscadores desenvolvidos limitavam-se a contar o número de vezes que
a expressão carne assada ocorria em cada página apresentando a página em que a
expressão ocorria com maior frenquência em primeiro lugar. Entretanto este não é
o melhor critério, pois um site que repete a expressão carne assada não significa que
tem a melhor receita até mesmo porque pode ser uma página em que o autor repete
diversas vezes que destesta carne assada. Para se esquivar desse problema, no final
da década de 90, o Google apresentou um novo método de classificar as páginas na
internet com base na interação existente entre elas na Web.
Se existem muitos links para uma determinada página que contém uma receita
para carne assada então essa deve ser uma página com uma receita saborosa.
Segundo o algoritmo utilizado pelo Google, a importância de uma página depende
essencialmente da importância dos sites que possuem link para ela.
O algoritmo aplicado pelo Google utiliza a estrutura de links da Web para produzir
um ranking de importância para as páginas da Web. Esse algoritmo é chamado de
PageRank, ele ajuda ao Google a qualificar a grande heterogeneidade das páginas
da internet.
Desenvolvedores de websites se dedicam intensamente para conseguir uma
classificação no topo das pesquisas em motores de busca como o Google. Com o uso
da criptografia como critério para classificação das páginas, muitos sites tornarão
suas páginas mais seguras para os usuários. Entretanto, a segurança de um site terá
um peso menor na classificação em relação a outros fatores, mas sua importância
poderá aumentar com o tempo.
96
Atualmente, há outros fatores adicionais que influênciam na ordenação dos sites.
Entretanto, a essência do ranqueamento para qualquer usuário da ferramenta de
busca é a mesma, o PageRank.
6.2 A Origem do Google
Em 1995, dois jovens estudantes de ciências da computação, Larry Page com 22 anos
e Sergey Brin com 21, criaram um mecanismo de pesquisa inicialmente chamado
de BackRub, que chegou a ser utlizado em servidores da universidade de Stanford
durante mais de um ano, e acabacou em desuso por usar uma largura de banda
excessiva para os padrões que a universidade tinha disponı́vel naquela época.
A partir daı́, eles decidiram que o mecanismo de busca por eles criado, precisava
de um outro nome. Após diversas sugestões, optaram por escolher Google, um
brincadeira com a palavra ”googol”, termo matemático para designar o número
representado pelo dı́gito 1 seguido de cem dı́gitos 0.
10100
Andy Bechtolsheim, doou um cheque no valor 100 mil dólares para uma entidade que
ainda inexistente: uma empresa chamada Google Inc. Improvisado em uma garagem
no endereço 232 Santa margarida, Menlo Park, o Google inicia seus trabalhos. A
formalização da criação da empresa na Califórnia ocorreu em 4 de setembro de 1998.
Em seguida, Larry e Sergey abrem uma conta em um banco em nome da nova
empresa e depositam o cheque doado por Andy Bechtolsheim. Com o crescimento
da empresa foi necessário abandonar o pequeno escritório na garagem, e transferir-se
97
para um novo endereço, mais amplo e que atendesse a nova demanda da empresa e
por isso em fevereiro do ano de 1999, o Google inaugura sua nova sede no endereço
165 University Avenue em Palo Alto, com apenas oito funcionários.
A partir daı́, o Google teve uma ascensão meteórica e hoje é o site mais popular de
pesquisa na internet e uma das maiores empresas de todo o mundo.
Figura 6.1: Larry Page e Sergey Brin
6.3 A Web e as cadeias de Markov
Entender o mecanismo de funcionamento do algoritmo PageRank, é essencial para

qualquer desenvolvedor de sites que deseja ter sua página acessada com frequência,
uma vez que, aparecer listado no topo de uma pesquisa no Google provoca muitas
vizualizações. Na verdade, em função da proeminência do Google como um motor
de busca, o seu método de classificação provocou uma forte influência sobre o
98
desenvolvimento e estrutura da internet, e principalmente, alterou o formato das
informações e serviços oferecidos via a rede mundial de computadores.
Ferramentas de pesquisa como o Google se propoem a realizar três ações básicas:
1. rastrear a web e localizar todas as páginas com acesso público;
2. indexar os dados a partir da primeira ação, de modo a serem pesquisados de

forma eficiente por meio de palavra-chave ou experssões relevantes;
3. calcular a taxa de importância de cada página do banco de dados, de modo

que, ao realizarmos uma busca dentro do subconjunto de páginas na base
de dados com a informação desejada, as páginas mais importantes sejam
apresentadas no topo da lista,isto é, com maior prioridade.
O valor da importância das páginas da web não é o único fator levado em

consideração, mas é o critério mais significativo.
6.3.2 Web Fortemente Conectada
Definição: Uma rede é dita admissı́vel se, e somente se, todos os sites possuem
pelos menos uma link de saı́da.
Definição: Uma rede é dita fortemente conectada se é possı́vel passar de uma
página para outra qualquer apenas clicando nos links.
Exemplo 6.3.2.1. A princı́pio consideremos um caso simples para ilustrar a
importância dos sites de uma determinada rede da internet, representada pelo grafo
99
a seguir:
Figura 6.2: Web Admissivel
No exemplo acima, a rede é composta por 4 sites. Cada flecha orientada representa
um link existente de um site para o outro. Trata-se de uma Web admissı́vel, isto é,
cada página possui pelo menos um link de saı́da.
Considere que um usuário, estando no site 1 tem igual probabilidade de acessar os
demais sites com os quais ele possui link de saı́da, ou seja xi o ı́ndice de importância
do site i, com xi ≥ 0 para qualquer página i.
Inicialmente poderiamos encontrar a importância do site 4, somando as importâncias
dos sites 1 e 2, ou seja, x4 = x1 + x2 . Entretanto, podemos observar que o site 1
possui link de saı́da para os sites 2,3 e 4.
Desse modo, a importância da página 1 deve ser dividida igualmente em três.
Da mesma forma, como a página 2 possui link de saı́da para as páginas 3 e 4 sua
importância deve ser dividida em duas partes iguais.
Portanto, x4 = 13 x1 + 12 x2 .
As importâncias dos demais sites seguem equações análogas. Dessa forma, obtemos
a seguinte matriz de transição.
100
 
0 0 1 1/2
 
 
 1/3 0 0 0 
P =
 

 1/3 1/2 0 1/2 
 
1/3 1/2 0 0
Observe que P não representa uma cadeia de Markov absorvente, e
 
1/2 3/4 0 1/2
 
 
2
 0 0 1/3 1/6 
P =



 1/3 1/4 1/3 1/6 
 
1/6 0 1/3 1/6
 
0, 3872645672 0, 3872851923 0, 3871504167 0, 3872007577
 
 
 0, 1277596375 0, 1277831474 0, 1277928625 0, 1278153643 
P 16 =



 0, 28944822217 0, 28941951440 0, 28947241393 0, 28943110624 
 
0, 19552757300 0, 19551214576 0, 19558430667 0, 19555277158
 
0, 3872216851 0, 3872216899 0, 3872216784 0, 3872216866
 
 
 0, 12778315422 0, 12778315296 0, 12778315897 0, 12778315637 
P 32 =



 0, 2894482101 0, 2894482090 0, 2894482087 0, 2894482076 
 
0, 19554695050 0, 19554694812 0, 19554695279 0, 19554694930
 
0, 3872216844 0, 3872216844 0, 3872216844 0, 3872216844
 
 
 0, 12778315585 0, 12778315585 0, 12778315585 0, 12778315585 
P 1024 =



 0, 2894482090 0, 2894482090 0, 2894482090 0, 2894482090 
 
0, 19554695062 0, 19554695062 0, 19554695062 0, 19554695062
101
Sabemos que P é uma matriz de transição de uma cadeia de Markov regular. Note
que as componentes dos vetores linhas de probabilidades da matriz P n para valores
de n suficientemente grandes tornam-se constantes, ou seja, essa cadeia de Markov
possui uma distribuição estacionária.
Dessa forma podemos concluir que a probabilidade de que um usuário acesse a
página 1 após 1024 entradas ou sáidas entre os links dessa rede é igual a 38,72%,
que é também a probabilidade de que se acesse o site 1 depois de 1024 cliques de
links saindo da página 2,3 ou 4. Portanto, a probabilidade de um usuário acessar a
página 1 após 1024 entradas ou saı́das entre esses links é 38,72%, enquanto que para
as páginas 2,3 e 4 as probabilidades são respectivamente 12,77%,28,94% e 19,55%,
isto é, o site 2 é o menos acessado nessa rede de links. Por outro lado, a página 1
é a mais popular, isto é, aquela que possui uma maior frequência de vizualições e
acessos.
Para análisar a convergência de uma cadeia de Markov regular para uma distribuição
estacionária de modo prático basta encontrar um autovetor da matriz de transição
P associado ao autovalor 1 e nesse caso temos:
Pw = w
    
0 0 1 1/2 w1 w1
    
    
 1/3 0 0 0   w2   w2 
  = 
    
 1/3 1/2 0 1/2   w3   w3 
    
1/3 1/2 0 0 w4 w4
102
Desse modo a equação anterior envolvendo autovetor e autovalor, pode ser conduzida
a um problema de sistema linear homogêneo dado por:



 w1 − w3 − w24 = 0








w1
− w2 = 0


3






w1 w2 w4


 3
+ 2
− w3 + 2
=0








w1 w2
− w4 = 0



 3
+ 2




Resolvendo o sistema, sua solução será

 
12
 
 
 4 
w = t



 9 
 
6
tal que t ∈ R.
Sendo assim, o sistema possui infinitas soluções, mas o que é relevante é o
ranqueamento das importâncias, isto é, sua ordenação. E para valores positivos
de t a ordenação será sempre a mesma, por isso, tomamos t de modo que
w1 + w2 + w3 + w4 = 1. Nesse caso temos:
12 4 9 6
w1 = 31
w2 = 31
w3 = 31
w4 = 31
103
Portanto, o vetor de probabilidade
 
12
 31 
 4 
31
 
w= 
 9 
31
 
 
6
31
é a distribuição estacionária de probabilidades da cadeia de Markov representada

pela matriz de transição P e também um ponto fixo de P .
Exemplo 6.3.2.2. Considere uma web com 3 sites, mas agora de forma que nesses
sites existam autolinks, isto é, links que mantém o usuário no mesmo site, e em
alguns casos a probabilidade de permanecer no site é maior que a de saı́da. Dizemos
que essa rede é fortemente conectada, pois podemos passar de um site qualquer para
outro site arbitário apenas clicando nos links.
Figura 6.3: Web
Dessa forma a matriz de transição P é dada por
104
 
1 1 1
 2 4 4 
 
 
 
P =
 1 1 1 
4 4 2

 
 
 
 
1 1 1
4 4 2
Desse modo para analisarmos a distribuição estacionária dessa cadeia de Markov

descrita pela matriz de transição P devemos encontrar o w de P , isto é, devemos
resolver a equação
Pw = w
    
1 1 1
2 4 4
x x
    
 1 1 1  y  =  y 
   
4 4 2

    
1 1 1
4 4 2
z z
Portanto,  
x
 
w =  43 x  .
 
 
5
4
x
Entretanto devemos ter x1 = 13 , daı́ segue que
 
1
 3 
w=
 1 .

 4 
5
12
105
6.3.3 Web não Fortemente Conectada
Na internet muitas páginas são criadas a todo momento e algumas dessas páginas
podem conter apenas um autolink, isto é, um único link para si mesmo. Essas
páginas trazem problemas para a aplicação do algoritmo PangRank, pois nesse caso,
a cadeia é absorvente e não regular. Sendo assim, o teorema da convergência não se
aplica. Para esses casos é possı́vel fazer uma modificação na matriz original de links
P substituindo-a, por uma matriz M , em que M é uma soma afim de P e A, tal que
M = (1 − m)P + mA
1
em que 0 < m < 1 e A = aij = n
∀i, j, sendo A uma matriz quadrada de ordem
n. O valor utilizado pelo Google é m = 0, 15. Observe que, quanto menor o valor
de m, mais peso se atribui a matriz original de links P e menos peso é atribuido
a matriz A. Nesse sentido, dizemos que a matriz A é uma matriz neutra, pois ela
distribui sua importância igualmente entre todos os links da web.
Exemplo 6.3.3.1. Considere uma processo em cadeia de Markov representado pela
seguinte matriz de transição
106
 
1
0 2
0 0 0 0 0
 
 
 
 
1 1
0 0 0 0 0
 
3 2
 
 
 
 
 
1
1 0 0 0 0 0
 
3
 
 
 
 
 
 1 
 0 0 3
1 0 0 0 
P =



 
 
 1 1 
 0 2
0 0 0 3
0 
 
 
 
 
 1 1 

 0 0 3
0 2
0 0 

 
 
 
1
 
 0 0 0 0 0 3
1 
 
em que a primeira coluna representa as probabilidades de transição do site A para

os demais, a segunda coluna representa as probabilidades de transição do site B
para os demais sites, a terceira coluna representa as probabilidades de transição do
site C para os demais sites e assim por diante até a sétima coluna representando as
probabilidades de transição do site G para os demais sites.
Note que P é absorvente, mas não é regular sendo assim, vamos aplicar a substituição
M = (1 − m)P + mA
em que m = 0, 15 e
107
 
1 1 1 1 1 1 1
 7 7 7 7 7 7 7 
 
 
 
 1 1 1 1 1 1 1 
7 7 7 7 7 7 7
 
 
 
 
 
 1 1 1 1 1 1 1 
7 7 7 7 7 7 7
 
 
 
 
 
A=
 1 1 1 1 1 1 1 
7 7 7 7 7 7 7

 
 
 
 

 1 1 1 1 1 1 1 

 7 7 7 7 7 7 7 
 
 
 

 1 1 1 1 1 1 1 

 7 7 7 7 7 7 7 
 
 
 
1 1 1 1 1 1 1
7 7 7 7 7 7 7
Então temos:
M = (1 − 0, 15)P + 0, 15A
108
 
1
0 2
0 0 0 0 0  
  1 1 1 1 1 1 1
   7 7 7 7 7 7 7 
   
   
1 1
0 0 0 0 0
   
3 2
 
   1 1 1 1 1 1 1 
7 7 7 7 7 7 7
   
   
   
 
1
1 0 0 0 0 0
   
3
 
   1 1 1 1 1 1 1 
7 7 7 7 7 7 7
   
   
   
 
 1 
 0 0 3
1 0 0 0   
M = 0, 85   + 0, 15  1 1 1 1 1 1 1 
7 7 7 7 7 7 7
   
   
   
 
 1 1 
 0 2
0 0 0 3
0   
  
 1 1 1 1 1 1 1 

   7 7 7 7 7 7 7 
   
   
 1 1 
 0 0 3
0 2
0 0   
  
 1 1 1 1 1 1 1 

   7 7 7 7 7 7 7 
   
   
1
 
 0 0 0 0 0 3
1   
  1 1 1 1 1 1 1
7 7 7 7 7 7 7
1
Essa substituição distribui igualmente a probabilidade de 7
para um site qualquer
passar para outro site arbitrário.
 
0, 021 0, 446 0, 021 0, 021 0, 021 0, 021 0, 021
 
0, 021 0, 021 0, 304 0, 021 0, 446 0, 021 0, 021
 
 
 
0, 871 0, 021 0, 021 0, 021 0, 021 0, 304 0, 021
 
 
 
M =
 
0, 021 0, 021 0, 304 0, 871 0, 021 0, 021 0, 021 
 
 
 0, 021 0, 446 0, 021 0, 021 0, 021 0, 304 0, 021 
 
 
 0, 021 0, 021 0, 304 0, 021 0, 446 0, 021 0, 021 
 
0, 021 0, 021 0, 021 0, 021 0, 021 0, 304 0, 871
109
Calculando a potência M 1000 temos:
 
0, 055 0, 055 0, 055 0, 055 0, 055 0, 055 0, 055
 
0, 080 0, 080 0, 080 0, 080 0, 080 0, 080 0, 080
 
 
 
0, 091 0, 091 0, 091 0, 091 0, 091 0, 091 0, 091
 
 
 
P 1000 =
 
0, 316 0, 316 0, 316 0, 316 0, 316 0, 316 0, 316 
 
 
 0, 078 0, 078 0, 078 0, 078 0, 078 0, 078 0, 078 
 
 
 0, 080 0, 080 0, 080 0, 080 0, 080 0, 080 0, 080 
 
0, 295 0, 295 0, 295 0, 295 0, 295 0, 295 0, 295
Sendo assim, a distribuição estacionária da cadeia de Markov representada pela

matriz de transição P é dada pelo vetor
 
0, 055
 
0, 080
 
 
 
0, 091
 
 
 
w=
 
0, 316 
 
 
 0, 078 
 
 
 0, 080 
 
0, 295
Portanto, o site acessado é o C com popularidade de 31,6% entre os usuários dessa

pequena web.
110
Bibliografia
[1] KEMENY, G.J.; SNELL, L.J. Finite Markov Chains. New York: Springer -
Verlag, 1976.
[2] LISPCHUTZ, S. Matemática Finita. São Paulo: McGraw - Hill do Brasil,

1966.
[3] MORGADO, A.C.; CARVALHO, J.B.P.; CARVALHO, P.C.P.; FERNANDEZ,

P. Análise Combinatória e Probabilidade. Sétima Edição. Rio de Janeiro:
SBM, 1991.
[4] BOLDRINI, J. L.; COSTA, S.I.R.; RIBEIRO, V.L.F.F.; WELTZER, H.G.

Álgebra Linear. Segunda Edição. São Paulo: Harbra, 1980.
[5] SÁ, C.C; ROCHA, J. Treze Viagens pelo Mundo da Matemática. Segunda
Edição. Rio de Janeiro: SBM, 2012.
[6] CRILLY, T. 50 cosas que hay que saber sobre Matemáticas. Quinta
Edição. Buenos Aires: Ariel, 2011.
[7] BRYAN, K; lEISE, T. The $ 25,000,000,000 eigenvector: the Linear

Algebra behind Google. SIAM Review, 2006. Vol. 48, n◦ 3,569. Disponı́vel
em: http:// www.rose-hulman.edu/bryan/googleFinalVersionFixed.pdf.
[8] RPM, Rio de Janeiro, n◦ 80, p. 42 - 45, 1◦ quadrimestre de 2013.

[9] NORRIS, J.R. Markov Chains. First Edition. New York: Cambridge
University Press, 1997.
[10] MELO, M.P. Ordenação das páginas do Google - Page Rank. 2009.
Dissertação. (Mestrado em Ciências) - Instituto de Matemática e Estatı́stica da
Universidade de São Paulo, São Paulo, 2009.
[11] ISTO é Matemática - Como é que o Google googla. Portugual: Sigma 8, 22 de

outubro de 2012. Disponı́vel em: clubes.obmep.org.br/blog/video-4/.
[12] CONNOR, J.J.; ROBERTSON, E.F. MacTutor History of

Mathematics. Scotland: 2006. Dispanı́vel em:http:www-history.mcs.st-
andrews.ac.uk/Biographies/Markov.html. Acesso em: 08 ago. 2015.
[13] Tartaruga - de - Couro Gigante, Disponı́vel em http:

www.tartarugas.avph.com.br. Acesso em 10 de outubro de 2015.
112

Teoria Básica Cadeias de Markov (2015)

Enviado por

Direitos autorais:

Formatos disponíveis

Teoria Básica Cadeias de Markov (2015)

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Teoria Básica Cadeias de Markov (2015)

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade Federal do Esprito Santo - UFES

Centro de Ciências Exatas

TEORIA BÁSICA DAS CADEIAS DE MARKOV

Autor: Mateus Mendes Magela

TEORIA BÁSICA DAS CADEIAS DE MARKOV

Dissertação apresentada ao Mestrado

As cadeias de Markov desempenham papel cresecente e importante na resolução

Palavras chave: Probabilidade.Matriz Estocástica.Cadeias de Markov.Page Rank.

Key-words: Probabilility.Stochastic Matrix.Markov chains.Page Rank.

2 Teoria das Probabilidades 11

2.2 Antecedentes Históricos . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.3 Conceitos Básicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.3.1 Experimento Aleatório . . . . . . . . . . . . . . . . . . . . . . 12

2.3.2 Espaço Amostral . . . . . . . . . . . . . . . . . . . . . . . . . 13

2.3.4 Definição Cássica de Probabilidades . . . . . . . . . . . . . . . 14

2.4 Espaço Equiprovável e Probabilidade . . . . . . . . . . . . . . . . . . 15

2.5 Probabilidade Condicional . . . . . . . . . . . . . . . . . . . . . . . . 17

2.6 Processos Estocásticos Finitos . . . . . . . . . . . . . . . . . . . . . . 21

2.6.3 Problema Motivador . . . . . . . . . . . . . . . . . . . . . . . 24

3.1 Antecedentes Históricos . . . . . . . . . . . . . . . . . . . . . . . . . 27

3.2 Introdução a Teoria das Matrizes . . . . . . . . . . . . . . . . . . . . 30

3.3 Álgebra Matricial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

3.3.1 Adição de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . 35

3.3.2 Propriedades da Adição de Matrizes . . . . . . . . . . . . . . . 40

3.3.3 Multiplicação de Matrizes . . . . . . . . . . . . . . . . . . . . 41

3.3.4 Associatividade do Produto de Matrizes . . . . . . . . . . . . 45

3.3.5 Distributividade do Produto em relação a Soma . . . . . . . . 46

3.3.6 Álgebra Numérica versus Álgebra Matricial . . . . . . . . . . . 47

4.2 Matriz Estocástica Regular . . . . . . . . . . . . . . . . . . . . . . . . 50

4.3 Ponto fixo de uma Matriz Estocástica Regular . . . . . . . . . . . . . 53

5.2 Andrei Andreyevich Markov . . . . . . . . . . . . . . . . . . . . . . . 67

5.3 Conceitos Básicos sobre Cadeias de Markov . . . . . . . . . . . . . . 69

5.4 Passeios Aleatórios Simples . . . . . . . . . . . . . . . . . . . . . . . 74

5.5 Probabilidades de Transição Superiores . . . . . . . . . . . . . . . . . 77

5.6 Cadeias de Markov Regulares . . . . . . . . . . . . . . . . . . . . . . 82

5.6.2 Distribuição Estacionária de uma cadeia de Markov Regular . 84

5.7 Cadeias de Markov Absorventes . . . . . . . . . . . . . . . . . . . . . 92

6 Como o Google googla? 95

6.2 A Origem do Google . . . . . . . . . . . . . . . . . . . . . . . . . . . 97

6.3 A Web e as cadeias de Markov . . . . . . . . . . . . . . . . . . . . . . 98

6.3.2 Web Fortemente Conectada . . . . . . . . . . . . . . . . . . . 99

6.3.3 Web não Fortemente Conectada . . . . . . . . . . . . . . . . . 106

2 Teoria das Probabilidades

Quando o assunto é condomı́nio, a garagem é sempre um ponto delicado, em

O desenvolvimento dessa teoria começou a ter destaque no século XVII atráves de

2.3 Conceitos Básicos

2.3.1 Experimento Aleatório

Experimentos que submetidos as mesmas condições, implicam em resultados

O conjunto de todos os resultados possı́veis de um experimento é denominado

Um evento é um conjunto de resultados possı́veis de um experimento. Quando o

2.3.4 Definição Cássica de Probabilidades

Consideremos o evento E = {2, 4, 6}. Se lançarmos um dado honesto um grande

número de resultados favoráveis

Dessa forma se um evento E ocorre de a maneiras dentre um total de b maneiras

2.4 Espaço Equiprovável e Probabilidade

Seja S um espaço amostral finito tal que S = {s1 , s2 , · · · , sn }. Um espaço finito de

Obtemos um espaço de probabilidades pela seguinte associação:

P (0) = 81 , P (1) = 83 , P (2) = 38 , P (3) = 1

em que P(0) é a probabilidade de sair nenhuma cara, P(1) é a probabilidade de sair

Definição: Um espaço finito de probabilidades S, em que cada ponto amostral