Renato Martins Assunção
|
|
- Thomaz Castelo Alcaide
- 5 Há anos
- Visualizações:
Transcrição
1 Análise Numérica Renato Martins Assunção DCC - UFMG 2012 Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
2 Introdução Sistemas lineares - introdução Nosso primeiro problema neste curso será o de encontrar a solução de um sistema de equações lineares Este é um problema fundamental em engenharia, economia, ciências em geral Vamos ver por que a solução de um sistema de equações lineares é tão importante através de um exemplo Nós voltaremos a este exemplo mais a frente no curso Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
3 Machine Learning e Data Mining Aprendizado de máquina e mineracao de dados é uma área nova da ciência É a junção de computação e estatística Algortimos + grandes bases de dados estatísticos = informação + Informação = + qualidade de vida, + eficiência, + riqueza Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
4 Predição Sistemas lineares - introdução Uma das tarefas mais importantes de machine learning é predição A partir de dados estatísticos e da criação de algoritmos inteligentes, queremos predizer um monte de coisas O que você pode comprar na amazoncom? Dados: Seu uso da página amazoncom O uso dos milhões de outros clientes da amazoncom Algoritmo: detectar qual o seu perfil o mais rapidamente possível Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
5 Mais predição Sistemas lineares - introdução Qual o índice de inflação dos próximos meses? Dados: Valor do índice da inflação nos meses prévios Outros indicadores econômicos Algoritmo: descobrir o mecanismo que gera os valores sucessivos do índice de inflação Substitua índice de inflação por outro indicador de seu interesse: Precipitação pluviométrica diária Preço hora-a-hora da ação da Vale do Rio Doce na BOVESPA Número de casos de dengue dia-a-dia Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
6 Predição faz bem à saúde Num plano de saúde, o custo é altamente concentrado 26% dos clientes com custo anual = zero 20% dos mais caros consumiram 87% do custo total 1% mais caros = 31% do custo total 1/2% mais caros = 23% do custo total Predizer (e prevenir) ALGUNS desses casos mais caros pode ser muito importante Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
7 Worth 3 million dollars? US$3 milhões: É o que a Heritage Provider Network está oferecendo Quem ganha? O algoritmo que melhor predizer: quais pacientes serão hospitalizados e por quantos dias ao longo do próximo ano Dados: 3 anos de uso (ou não uso) de serviços de saúde por alguns milhões de usuários Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
8 Heritage Health Prize Competition Começou em 4/4/2011 e vai terminar em 3/4/2013 Em 02/2012 possuia 1640 times competidores com diferentes algoritmos Espera-se que predizer bem a saúde ruim tornará a prevenção mais eficaz e, desta forma, mais eficiente o sistema de saúde Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
9 Predição de preços imobiliários Qual o valor de um imóvel? Existem softwares para fazer esta predição de forma automática a partir de várias características do imóvel Menos subjetivo, mais rápido, primeira avaliação Como um software desses pode ser construído? Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
10 Preços de imóveis Sistemas lineares - introdução Coletamos preços de 1500 imóveis a venda no mercado de BH Alguns são caros, outros são baratos O que faz com que os preços dos imóveis variem? As três coisas mais importantes que afetam o valor de um imóvel Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
11 Localização Sistemas lineares - introdução Localização: Dividir a cidade em pequenas áreas Outra abordagem mais simples: Localização é status socio-econômico; Status é mensurado por renda Renda é medida pelo IBGE em 2000 pequenas áreas da cidade Renda do chefe do domícilio Então: localização = renda média da região onde está o imóvel Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
12 Outras características do imóvel Ano da construção Área total do imóvel Número de quartos Número de suítes Quantos aptos por andar? Possui salão de festas? 0 ou 1 Possui piscina? 0 ou 1 ETC Ao todo, 30 características numéricas para cada um dos 1500 imóveis Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
13 Visão matricial Sistemas lineares - introdução Organizar os dados como vetores e matrizes Preços: um vetor Y de dimensão 1500 As características: matriz Cada linha = um imóvel 1 a coluna = renda média da região 2 a coluna = ano da construção 3 a coluna = área total Etc Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
14 Visão matricial Sistemas lineares - introdução Preços de 1500 imóveis (vetor de dimensão 1500) X = Y = y 1 y 2 y 1499 y 1500 renda 1 área 1 salão 1 renda 2 área 2 salão 2 renda 1499 área 1499 salão 1499 renda 1500 área 1500 salão características de 1500 imóveis (Matriz X de dimensao ) Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
15 Preço é uma soma ponderada Procuramos um modelo matemático simples que possa explicar, a partir das características, porque alguns imóveis são caros e outros são baratos Área total: quanto maior o imóvel, maior o preço Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
16 Influência de área Sistemas lineares - introdução Vamos fazer uma primeira aproximação, talvez muito grosseira e sujeita a revisões Mas será um ponto de partida Vamos imaginar que, APROXIMADAMENTE, o preço aumenta linearmente com a área do imóvel Isto é, que o preço Y a + b área Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
17 Um gráfico com 150 imóveis Cada ponto é um imóvel O eixo vertical tem os preços (em milhares de reais) O eixo horizontal tem as áreas (em metros quadrados) Parece que o preço é, grosseiramente, uma função linear da área Isto é, Y a + b área Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
18 Um gráfico com 150 imóveis Reta no gráfico corresponde a esta equação: Preço Y área Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
19 Área não é tudo Dois imóveis com praticamente a mesma área possuem preços diferentes O que causa a diferença? Idade do imóvel? Dois imóveis, com áreas iguais: se um for mais velho, provavelmente será mais barato Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
20 Ampliando o modelo inicial Podemos então imaginar que a idade traz um impacto adicional ao nosso modelo de preço Neste momento, temos Y a + b área Já vimos até mesmo que a 50 e b 2 Podemos agora acrescentar o impacto de idade imaginando que: Y a + b área + c idade Como maior idade reduz o preço, devemos ter c < 0 Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
21 Um modelo ainda mais complexo Mas o preço não depende apenas de área e idade Dois imóveis com mesma área e mesma idade podem ter preços bem diferentes dependendo de: Sua localização (renda da sua região) Número de suítes Número de vagas na garagem Etc Cada fator pode ser acrescido ao modelo inicial de forma linear Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
22 Modelo mais complexo Vamos considerar um modelo que, a partir das 30 características do imóvel, fornece uma predição do preço da seguinte forma: Y é aproximadamente igual a a + b área + c idade + d localização + ETC O problema é: como encontrar os valores de a, b, c, etc que tornem a aproximação a melhor possível? Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
23 O problema de forma matemática Queremos que cada um desses 1500 valores seja aproximadamente igual a uma combinação linear das 30 características (mais a constante a) y 1 a + b área 1 + c idade 1 + y 2 a + b área 2 + c idade 2 + y 1500 a + b área c idade Podemos escrever isto de forma matricial Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
24 O problema de forma matemática Para facilitar a notação no futuro, vamos escrever os pesos que multiplicam cada característica como b 0 (para a constante), b 1 (para área), b 2 (para idade),, b 30 para a presença ou não de salão de festas y 1 b 0 + b 1 área 1 + b 2 idade 1 + b 30 salão 1 y 2 b 0 + b 1 área 2 + b 2 idade 2 + b 30 salão 2 y 1500 b 0 + b 1 área b 2 idade b 30 salão 1500 Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
25 O problema de forma matricial y 1 b 0 + b 1 área 1 + b 2 idade 1 + b 30 salão 1 y 2 b 0 + b 1 área 2 + b 2 idade 2 + b 30 salão 2 y 1500 b 0 + b 1 área b 2 idade b 30 salão }{{ 1500 } 1 área 1 idade 1 salão 1 1 área 2 idade 2 salão 2 b b 1 área 1499 área b 2 idade 1499 idade b 30 salão 1499 salão 1500 Os valores y 1, y 2,, y 1500 devem ser colocados em um vetor de dimensão 1500 Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
26 Forma vetorial Sistemas lineares - introdução Y = y 1 y 2 y 1499 y 1500 b b 1 área 1 área 2 área 1499 área b 2 idade 1 idade 2 idade 1499 idade b 30 salão 1 salão 2 salão 1499 salão 1500 Y é um vetor de dimensão 1500 escrito como combinação linear de 31 vetores, cada um deles de dimensão 1500 Problema: encontrar os coeficientes b 0, b 1,, b 30 que tornem a aproximação acima a melhor possível Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
27 A solução do problema Veremos com detalhes mais tarde no curso como resolver este problema Neste momento, basta dizer que nosso problema fica reduzido a um sistema de equações lineares Ou ainda, a um problema de inverter uma certa matriz quadrada Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
28 A matriz de desenho X Seja X a matriz abaixo (note que ela tem uma coluna composta apenas de 1s): X = 1 renda 1 área 1 salão 1 1 renda 2 área 2 salão 2 1 renda 1499 área 1499 salão renda 1500 área 1500 salão 1500 Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
29 Vetores próximos Sistemas lineares - introdução Nosso problema é encontrar os coeficientes b 0, b 1, b 30 tais que Y = y 1 y 2 y 1499 y 1500 b b 1 área 1 área 2 área 1499 área b 2 Ou seja, encontrar b 0, b 1, b 30 tais que idade 1 idade 2 idade 1499 idade b 30 salão 1 salão 2 salão 1499 salão 1500 Y = y 1 y 2 y 3 y 1498 y 1499 y renda 1 área 1 salão 1 1 renda 2 área 2 salão 2 1 renda 1499 área 1499 salão renda 1500 área 1500 salão 1500 b 0 b 1 b 30 = Xb onde b = (b 0, b 30 ) t Isto é, queremos Xb Y Como resolver isto? Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
30 Solução: um sisteam linear Queremos encontrar b para resolver o sistema linear Y Xb X é uma matriz e Y é um vetor de 1500 posições Um truque para resolver este sistema linear: multiple dos dois lados pela matriz X t e troque por = (X t X ) b X }{{}}{{} t Y A c Assim, terminamos com um sistema linear legítimo Ab = c onde onde A = X t X é matriz e c = X t Y é vetor com 31 posições Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
31 Solução: um sisteam linear A solução b = (b 0, b 1,, b 30 ) t de nosso problema é dada pelo vetor 30 1 que é a solução desta equação matricial: Ou ainda, b = (X t X ) 1 X t Y X t X b = X t Y A matriz X t X é de dimensão 31 1 Como vamos invertê-la? Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
32 Matemática e algoritmos Muitos, muitos, muitos, problemas práticos podem ser formulados matematicamente como uma inversão de matriz quadrada vezes um certo vetor Estas matrizes costumam ser muito grandes Precisamos de métodos algorítmicos para fazer esta inversão Estes métodos constituem a primeira parte de nosso curso Renato Martins Assunção (DCC - UFMG) Análise Numérica / 32
Regressão Linear. Renato Martins Assunção DCC - UFMG. Renato Martins Assunção (DCC - UFMG) Regressão Linear / 25
Regressão Linear Renato Martins Assunção DCC - UFMG 2015 Renato Martins Assunção (DCC - UFMG) Regressão Linear 2015 1 / 25 Predição de preços imobiliários Qual o valor de um imóvel? Existem softwares para
Leia maisRegressão e Mínimos quadrados
Regressão e Mínimos quadrados Renato Martins Assunção DCC - UFMG 2016 Renato Martins Assunção (DCC - UFMG) Regressão e Mínimos quadrados 2016 1 / 82 Lei de Ohm Lei de Ohm em circuitos elétricos. Resistor
Leia maisModelos de Regressão
Renato Martins Assunção DCC - UFMG 2015 Renato Martins Assunção (DCC - UFMG) 2015 1 / 19 Exemplo de preço de apto Y = y 1 y 2 y 1499 y 1500 b 0 1 1 1 1 + b 1 área 1 área 2 área 1499 área 1500 + b 2 idade
Leia maisRenato Martins Assunção
Análise Numérica Renato Martins Assunção DCC - UFMG 2012 Renato Martins Assunção (DCC - UFMG) Análise Numérica 2012 1 / 84 Equação linear Sistemas de equações lineares A equação 2x + 3y = 6 é chamada linear
Leia maisExercícios de matemática - revisão
Exercícios de matemática - revisão Renato Assunção - DCC, UFMG 2015 Esta lista de exercícios visa a uma revisão de fatos básicos de matemática e probabilidade que serão necessários durante a disciplina.
Leia maisConceitos Básicos INTRODUÇÃO 1 VETORES 1.1 REPRESENTAÇÃO DOS VETORES
Conceitos Básicos INTRODUÇÃO Esse material foi criado por um motivo: o curso de álgebra linear II da UFRJ parte do princípio que o aluno de Engenharia da UFRJ que faz a disciplina já conhece alguns conceitos
Leia maisPesquisa Operacional
Pesquisa Operacional Tópicos em Programação Linear e Inteira Prof. Dr.Ricardo Ribeiro dos Santos ricr.santos@gmail.com Universidade Católica Dom Bosco UCDB Engenharia de Computação Revisão: Tópicos de
Leia maisFigura : Monitoria. Monitoria Cálculo Numérico
Monitoria Cálculo Numérico 207-02 NOME Email Dia / Horário Local Ana Sofia Nunez de Abreu nunez.asofia@gmail.com Sex. 0-2h D- Luiz Eduardo Xavier luizeduardosxavier@gmail.com Ter, 5-7h Lab Rafael Mendes
Leia maisResolução da 1ª Prova de Álgebra Linear II da UFRJ, período
www.engenhariafacil.net Resolução da 1ª Prova de Álgebra Linear II da UFRJ, período 2014.2 OBS: Todas as alternativas corretas são as letras A. 1) Vamos falar um pouco de interseção, união e soma de subespaços.
Leia maisRegressão Linear. Fabrício Olivetti de França. Universidade Federal do ABC
Regressão Linear Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Ordinary Least Square 2. Gradiente Descendente 1 Aprendendo com exemplos Uma das formas de aprendizado de máquina é definido
Leia maisAnálise Numérica DCC033. Renato Assunção Departamento de Ciência da Computação UFMG
Análise Numérica DCC033 Renato Assunção Departamento de Ciência da Computação UFMG O que é análise numérica? Definição: Estudo de algoritmos ou métodos numéricos para a solução de problemas computacionais
Leia maisALGEBRA LINEAR 1 RESUMO E EXERCÍCIOS* P1
ALGEBRA LINEAR 1 RESUMO E EXERCÍCIOS* P1 *Exercícios de provas anteriores escolhidos para você estar preparado para qualquer questão na prova. Resoluções em VETORES Um vetor é uma lista ordenada de números
Leia maisIntrodução a Circuitos Quânticos
UFCG - Universidade Federal de Campina Grande DSC - Departamento de Sistemas e Computação a aab@dsc.ufcg.edu.br a Roteiro a A computação quântica é um domínio recente, engloba três áreas: física, computação
Leia maisÁlgebra Linear Semana 04
Álgebra Linear Semana 04 Diego Marcon 17 de Abril de 2017 Conteúdo 1 Produto de matrizes 1 11 Exemplos 2 12 Uma interpretação para resolução de sistemas lineares 3 2 Matriz transposta 4 3 Matriz inversa
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 05 - sistemas lineares - parte 2 Antonio Oliveira Ricardo Marroquim 1 / 27 laboratório de processamento de imagens tópicos métodos lineares mínimos quadrados equações
Leia maisAnálise multivariada
UNIFAL-MG, campus Varginha 6 de Setembro de 2018 Matriz inversa Já discutimos adição, subtração e multiplicação de matrizes A divisão, da forma como conhecemos em aritmética escalar, não é definida para
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
Leia maisFormação Continuada Nova Eja. Plano de Ação II INTRODUÇÃO
Nome: Armando dos Anjos Fernandes Formação Continuada Nova Eja Plano de Ação II Regional: Metro VI Tutor: Deivis de Oliveira Alves Este plano de ação contemplará as unidades 29 e 30. Unidade 29 I - Matrizes
Leia maisInferência para CS Tópico 10 - Princípios de Estimação Pontual
Inferência para CS Tópico 10 - Princípios de Estimação Pontual Renato Martins Assunção DCC - UFMG 2013 Renato Martins Assunção (DCC - UFMG) Inferência para CS Tópico 10 - Princípios de Estimação Pontual
Leia maisChamamos de grandezas coisas que podem ser medidas. Por exemplo, tempo, área, volume, temperatura, velocidade, aceleração, força, etc..
Introdução a vetor Professor Fiore O que são grandezas? Chamamos de grandezas coisas que podem ser medidas. Por exemplo, tempo, área, volume, temperatura, velocidade, aceleração, força, etc.. O que são
Leia maisDependência linear e bases
Dependência linear e bases Sadao Massago 2014 Sumário 1 Dependência linear 1 2 ases e coordenadas 3 3 Matriz mudança de base 5 Neste texto, introduziremos o que é uma base do plano ou do espaço 1 Dependência
Leia maisAfiliação. Professor Titular do Departamento de Estatística Faculdade de Matemática da PUCRS
Lorí Viali Licenciatura Plena em Matemática UFRGS Bacharelado em Matemática UFRGS Especialização em Formação de Pesquisadores PUCRS Mestrado em Engenharia de Produção (PO) UFSC Doutorado Sanduíche na USF
Leia maisAPRENDIZAGEM DE MÁQUINA
APRENDIZAGEM DE MÁQUINA (usando Python) Thiago Marzagão REGRESSÃO LINEAR MÚLTIPLA Thiago Marzagão APRENDIZAGEM DE MÁQUINA 1 / 13 regressão linear múltipla Aula passada: ŷ i = a + bx i Hoje: ŷ i = a + b
Leia maisGAAL Conhecendo alguns comandos básicos do Maple 17
GAAL Conhecendo alguns comandos básicos do Maple 17 Maple é um sistema algébrico computacional comercial de uso genérico. Constitui um ambiente informático para a computação de expressões algébricas, simbólicas
Leia maisÁlgebra Linear Semana 02
Álgebra Linear Semana 2 Diego Marcon 3 de Abril de 27 Conteúdo Vetores Representação matricial para sistemas Lineares 3 2 Combinações lineares de vetores 4 3 Sistemas lineares e combinações lineares das
Leia maisThiago Marzagão 1 REGRESSÃO LINEAR MÚLTIPLA. 1 Thiago Marzagão (Universidade de Brasília) MINERAÇÃO DE DADOS 1 / 15
MINERAÇÃO DE DADOS Thiago Marzagão 1 1 marzagao.1@osu.edu REGRESSÃO LINEAR MÚLTIPLA Thiago Marzagão (Universidade de Brasília) MINERAÇÃO DE DADOS 1 / 15 regressão linear múltipla Aula passada: ŷ i = a
Leia maisÁlgebra Matricial - Nota 03 Eliminação Gaussiana e Método de Gauss-Jordan
Álgebra Matricial - Nota 03 Eliminação Gaussiana e Método de Gauss-Jordan Márcio Nascimento da Silva Universidade Estadual Vale do Acaraú Curso de Licenciatura em Matemática marcio@matematicauva.org 8
Leia maisRenato Martins Assunção
Análise Numérica Integração Renato Martins Assunção DCC - UFMG 2012 Renato Martins Assunção (DCC - UFMG) Análise Numérica 2012 1 / 1 Introdução Calcular integrais é uma tarefa rotineira em engenharia,
Leia maisCEDERJ MÉTODOS DETERMINÍSTICOS I - EP13
CEDERJ MÉTODOS DETERMINÍSTICOS I - EP13 Prezado Aluno, O principal tópico deste EP é um tema muito importante para administradores e economistas. Trata-se de algo que os estatísticos chamam de regressão
Leia maisPré-requisitos Algebra Linear. Lorí Viali. Afiliação
Lorí Viali Licenciatura Plena em Matemática UFRGS Bacharelado em Matemática UFRGS Especialização em Formação de Pesquisadores PUCRS Mestrado em Engenharia de Produção (PO) UFSC Doutorado Sanduíche na USF
Leia maisAlgoritmos de Regressão
Algoritmos de Regressão com Big Data Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Regressão Linear 2. Ordinary Least Square 3. Gradiente Descendente 4. Overfitting 5. Variáveis Não-Lineares
Leia maisMétodo de Gauss-Jordan e Colunas Básicas de uma Matriz
Método de Gauss-Jordan e Colunas Básicas de uma Matriz Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra
Leia maisResolução de sistemas de equações lineares: Método dos Gradientes Conjugados
Resolução de sistemas de equações lineares: Método dos Gradientes Conjugados Marina Andretta/Franklina Toledo ICMC-USP 24 de março de 2015 Baseado no livro Cálculo Numérico, de Neide B. Franco Marina Andretta/Franklina
Leia maisGuia-1. a 11 a a 1n a 21 a a 2n A = a m1 a m2... a mn
Guia-1 Revisão de Matrizes, Determinantes, Vetores e Sistemas Lineares SMA00 - Complementos de Geometria e Vetores Estagiária PAE: Ingrid Sofia Meza Sarmiento 1 Introdução Este texto cobre o material sobre
Leia mais(a) 2 (b) 3 (c) 1 (d) 1. Primeira Prova. 6. Suponha que queiramos escrever u = (1, 1) como combinação
Universidade Federal do Rio de Janeiro Instituto de Matemática Disciplina: Álgebra Linear II Professor: Bruno Costa, Francesco Noseda, Luiz Carlos Guimarães, Mário de Oliveira, Milton Ramirez, Milton Lopes
Leia maisCapítulo 3 - Mínimos Quadrados Lineares
Capítulo 3 - Mínimos Quadrados Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil e Electrotécnica Carlos Balsa Métodos
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo temático Sistemas de Equações Lineares. Métodos diretos Conteúdo
Leia mais15 de setembro de 2014
Método de Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2014.2 15 de setembro de 2014 1 / 11 Lembremos
Leia maisGeometria Analítica. Cleide Martins. Turmas E1 e E3. DMat - UFPE Cleide Martins (DMat - UFPE ) Retas e Planos Turmas E1 e E3 1 / 18
Geometria Analítica Cleide Martins DMat - UFPE - 2017.1 Turmas E1 e E3 Cleide Martins (DMat - UFPE - 2017.1) Retas e Planos Turmas E1 e E3 1 / 18 Agora que já denimos um sistema de coordenadas, adotaremos
Leia maisÁlgebra Linear Semana 03
Álgebra Linear Semana 3 Diego Marcon de Abril de 27 Conteúdo Dependência e independência linear 2 Independência linear e sistemas lineares 3 3 Transformações lineares 4 4 Matriz de uma transformação linear
Leia maisExpressão cartesiana de um vetor
Expressão cartesiana de um vetor Seja o vetor : Todo vetor em três dimensões pode ser escrito como uma combinação linear dos vetores de base Multiplicação de vetores Expressões analíticas para multiplicação
Leia maisMatrizes e Determinantes
Aula 10 Matrizes e Determinantes Matrizes e Determinantes se originaram no final do século XVIII, na Alemanha e no Japão, com o intuito de ajudar na solução de sistemas lineares baseados em tabelas formadas
Leia mais6 Matrizes. Matrizes. Aluno Matemática Eletricidade Básica Desenho Técnico A B C D 3 7 4
6 Definição: Chama-se matriz do tipo m x n toda tabela A formada por números reais distribuídos em m linhas e n colunas. Para exemplificar o uso de uma matriz, podemos visualizar a seguir uma tabela representando
Leia maisAmigoPai. Matemática. Exercícios de Equação de 2 Grau
AmigoPai Matemática Exercícios de Equação de Grau 1-Mai-017 1 Equações de Grau 1. (Resolvido) Identifique os coeficientes da seguinte equação do segundo grau: 3x (x ) + 17 = 0 O primeiro passo é transformar
Leia maisCálculo Numérico. Sistemas lineares Métodos Iterativos: Introdução Método Iterativo de Jacobi-Richardson
Cálculo Numérico Sistemas lineares Métodos Iterativos: Introdução Método Iterativo de Jacobi-Richardson Métodos como: Métodos exatos Método de eliminação de Gauss Método de decomposição LU Método de Cholesky
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo específico Sistemas de Equações Lineares. Métodos Iterativos
Leia maisMATEMÁTICA. Aula 14 Matrizes. Prof. Anderson
MATEMÁTICA Aula Matrizes Prof. Anderson Assuntos Conceito Matrizes com Nomes Especiais Igualdade de Matrizes Operações com Matrizes Matriz Inversa Conceito As matrizes são quantidades de dados passíveis
Leia maisIntrodução aos Métodos Numéricos. Instituto de Computação UFF
Introdução aos Métodos Numéricos Instituto de Computação UFF Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares. Métodos diretos Interpolação Ajuste de Curvas Zeros de Função Sistemas
Leia maisCORRELAÇÃO E REGRESSÃO. Modelos Probabilísticos para a Computação Professora: Andréa Rocha. UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011
CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Modelos Probabilísticos para a Computação Professora: Andréa Rocha UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011 CORRELAÇÃO Introdução Quando consideramos
Leia maisResolução da 1ª Prova de Álgebra Linear II da UFRJ, período Para saber a dimensão disso aqui basta escalonar e resolver o sistema.
www.engenhariafacil.net Resolução da 1ª Prova de Álgebra Linear II da UFRJ, período 2013.2 OBS: Todas as alternativas corretas são as letras A. 1) Para saber a dimensão disso aqui basta escalonar e resolver
Leia maisSISTEMAS LINEARES PROF. EDÉZIO
SOLUÇÕES NUMÉRICAS DE SISTEMAS LINEARES PROF. EDÉZIO Considere o sistema de n equações e n incógnitas: onde E : a x + a x +... + a n x n = b E : a x + a x +... + a n x n = b. =. () E n : a n x + a n x
Leia maisProf. MSc. David Roza José 1/37
1/37 Métodos Abertos Objetivos: Reconhecer as diferenças entre os métodos intervalados e abertos para a localização de raízes; Compreender o método da iteração de ponto-fixo e avaliar suas características
Leia maisIntegral Definida. a b x. a=x 0 c 1 x 1 c 2 x 2. x n-1 c n x n =b x
Integral definida Cálculo de área Teorema Fundamental do cálculo A integral definida origina-se do problema para determinação de áreas. Historicamente, como descrito na anteriormente, constitui-se no método
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 04 - sistemas lineares Antonio Oliveira Ricardo Marroquim 1 / 32 laboratório de processamento de imagens tópicos decomposições (álgebra linear) decomposição QR decomposição
Leia maisPESQUISA OPERACIONAL
PESQUISA OPERACIONAL Uma breve introdução. Prof. Cleber Almeida de Oliveira Apostila para auxiliar os estudos da disciplina de Pesquisa Operacional por meio da compilação de diversas fontes. Esta apostila
Leia maisObjetivo: Determinar a eficiência de um transformador didático. 1. Procedimento Experimental e Materiais Utilizados
Eficiência de Transformadores Universidade Tecnológica Federal do Paraná - Curitiba Departamento Acadêmico de Física Física Experimental Eletricidade Prof. Ricardo Canute Kamikawachi Objetivo: Determinar
Leia maisProgramação de Computadores
Programação de Computadores Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Estrutura de dados: listas Manipulando listas Vetores como listas
Leia maisAjuste de dados por mínimos quadrados
Cálculo Numérico por mínimos quadrados Prof. Daniel G. Alfaro Vigo dgalfaro@dcc.ufrj.br Departamento de Ciência da Computação IM UFRJ Motivação: População do Brasil Ano População (milhões) 1960 70, 992343
Leia maisPrimeira prova de Álgebra Linear - 06/05/2011 Prof. - Juliana Coelho
Primeira prova de Álgebra Linear - 6/5/211 Prof. - Juliana Coelho JUSTIFIQUE SUAS RESPOSTAS! Questões contendo só a resposta, sem desenvolvimento ou justificativa serão desconsideradas! QUESTÃO 1 (2, pts)
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Introdução Solução de equações não lineares
Leia maisAula 5 - Produto Vetorial
Aula 5 - Produto Vetorial Antes de iniciar o conceito de produto vetorial, precisamos recordar como se calculam os determinantes. Mas o que é um Determinante? Determinante é uma função matricial que associa
Leia maisRenato Martins Assunção
Análise Numérica Erros, Extrapolação de Richardson e Quadratura Gaussiana Renato Martins Assunção DCC - UFMG 2012 Renato Martins Assunção (DCC - UFMG) Análise Numérica 2012 1 / 40 Análise do erro Sabemos
Leia maisPodemos concluir que o surgimento do número fracionário veio da necessidade de representar quantidades menores que inteiros, por exemplo, 1 bolo é um
FRAÇÕES Podemos concluir que o surgimento do número fracionário veio da necessidade de representar quantidades menores que inteiros, por exemplo, 1 bolo é um inteiro, mas se comermos um pedaço, qual seria
Leia maisNotas de Aula Disciplina Matemática Tópico 03 Licenciatura em Matemática Osasco -2010
1. Funções : Definição Considere dois sub-conjuntos A e B do conjunto dos números reais. Uma função f: A B é uma regra que define uma relação entre os elementos de A e B, de tal forma que a cada elemento
Leia maisSexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo
Sexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo Antônio Carlos Roque da Silva Filho e Cristiano R. F. Granzotti 26 de junho de 2017 Os exercícios desta lista devem ser resolvidos
Leia maisLista de Álgebra Linear Aplicada
Lista de Álgebra Linear Aplicada Matrizes - Vetores - Retas e Planos 3 de setembro de 203 Professor: Aldo Bazán Universidade Federal Fluminense Matrizes. Seja A M 2 2 (R) definida como 0 0 0 3 0 0 0 2
Leia maisMétodo prático para extrair uma base de um conjunto de geradores de um subespaço de R n
Método prático para extrair uma base de um conjunto de geradores de um subespaço de R n 1. Descrição do método e alguns exemplos Colocamos o seguinte problema: dado um conjunto finito: A = {a 1, a 2,...,
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia mais4) Resolva os sistemas seguintes por substituição, eliminação gaussiana e por eliminação de Gauss-Jordan: a) b)
Matemática Aplicada à Economia I Lista 2 Álgebra Linear 1) A economia na ilha Baco produz somente uvas e vinho. A produção de 1 quilo de uvas requer ½ quilo de uvas, 1 trabalhador e nenhum vinho. A produção
Leia maisÁlgebra Linear Semana 05
Álgebra Linear Semana 5 Diego Marcon 4 de Abril de 7 Conteúdo Interpretações de sistemas lineares e de matrizes invertíveis Caracterizações de matrizes invertíveis 4 Espaços vetoriais 5 Subespaços vetoriais
Leia maisPROGRAMA DE NIVELAMENTO ITEC/PROEX - UFPA EQUIPE FÍSICA ELEMENTAR DISCIPLINA: FÍSICA ELEMENTAR CONTEÚDO: VETORES
PROGRAMA DE NIVELAMENTO ITEC/PROEX - UFPA EQUIPE FÍSICA ELEMENTAR DISCIPLINA: FÍSICA ELEMENTAR CONTEÚDO: VETORES DURANTE AS AULAS DE VETORES VOCÊ APRENDERÁ: Diferença entre grandezas escalares e vetoriais
Leia maisProgramação de Computadores
Programação de Computadores Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Alguns Conceitos sobre Linguagens Conceito de Algoritmo Pseudocódigo
Leia maisGAAL /1 - Simulado - 2 produto escalar, produto vetorial, retas e planos. Exercício 1: Determine a equação do plano em cada situação descrita.
GAAL - 2013/1 - Simulado - 2 produto escalar, produto vetorial, retas e planos SOLUÇÕES Exercício 1: Determine a equação do plano em cada situação descrita. (a) O plano passa pelo ponto A = (2, 0, 2) e
Leia maisNotas em Álgebra Linear
Notas em Álgebra Linear 1 Pedro Rafael Lopes Fernandes Definições básicas Uma equação linear, nas variáveis é uma equação que pode ser escrita na forma: onde e os coeficientes são números reais ou complexos,
Leia maisAjuste de Splines a um Conjunto de Dados
Ajuste de Splines a um Conjunto de Dados Reginaldo J. Santos Departamento de Matemática-ICE Universidade Federal de Minas Gerais http://www.mat.ufmg.br/~regi regi@mat.ufmg.br 7 de junho de Seja C (I) o
Leia maisIntrodução a Regressão Linear
Introdução a Regressão Linear 1 Duas pedras fundamentais em econometria: 1) Modelo de Regressão Linear 2) OLS método de estimação: Mínimos Quadrados Ordinários técnica algébrica / estatística Modelo de
Leia maisIntrodução a Regressão Linear
Introdução a Regressão Linear 1 Duas pedras fundamentais em econometria: 1) Modelo de Regressão Linear 2) OLS método de estimação: Mínimos Quadrados Ordinários técnica algébrica / estatística Modelo de
Leia maisUnidade 5 - Subespaços vetoriais. A. Hefez e C. S. Fernandez Resumo elaborado por Paulo Sousa. 10 de agosto de 2013
MA33 - Introdução à Álgebra Linear Unidade 5 - Subespaços vetoriais A. Hefez e C. S. Fernandez Resumo elaborado por Paulo Sousa PROFMAT - SBM 10 de agosto de 2013 Às vezes, é necessário detectar, dentro
Leia maisÁLGEBRA LINEAR. Subespaços Vetoriais. Prof. Susie C. Keller
ÁLGEBRA LINEAR Subespaços Vetoriais Prof. Susie C. Keller Às vezes, é necessário detectar, dentro de um espaço vetorial V, subconjuntos S que sejam espaços vetoriais menores. Tais conjuntos S são chamados
Leia maisRoteiro. PCC142 / BCC444 - Mineração de Dados Regressão. Modelos de Regressão. Introdução
Roteiro PCC142 / BCC444 - Mineração de Dados Regressão Introdução Luiz Henrique de Campos Merschmann Departamento de Computação Universidade Federal de Ouro Preto luizhenrique@iceb.ufop.br www.decom.ufop.br/luiz
Leia maisESPAÇO VETORIAL REAL. b) Em relação à multiplicação: (ab) v = a(bv) (a + b) v = av + bv a (u + v ) = au + av 1u = u, para u, v V e a, b R
ESPAÇO VETORIAL REAL Seja um conjunto V, não vazio, sobre o qual estão definidas as operações de adição e multiplicação por escalar, isto é: u, v V, u + v V a R, u V, au V O conjunto V com estas duas operações
Leia maisÁLGEBRA LINEAR AULA 2
ÁLGEBRA LINEAR AULA 2 Luís Felipe Kiesow de Macedo Universidade Federal de Pelotas - UFPel 1 / 14 Sistemas de 1 2 3 4 5 6 7 2 / 14 matrizes Muitos problemas em várias áreas da Ciência recaem na solução
Leia maisUniversidade Federal de Mato Grosso-CUA. Professor: Renato Ferreira da Cruz. Horário das Aulas. Sexta-feira: 08:00h às 11:30h
Universidade Federal de Mato Grosso-CUA Álgebra Linear I 96h Professor: Renato Ferreira da Cruz Horário das Aulas Quarta-feira: 13:30h às 16:00h Sexta-feira: 08:00h às 11:30h Ementa: Revisão de vetores.
Leia maisInterpolação polinomial: Diferenças divididas de Newton
Interpolação polinomial: Diferenças divididas de Newton Marina Andretta ICMC-USP 9 de maio de 2013 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500
Leia maisSistemas de Equações Lineares e Equações Vectoriais Aula 2 Álgebra Linear Pedro A. Santos
Sistemas de Equações Lineares e Equações Vectoriais Aula 2 Álgebra Linear MEG Operações Elementares Trocar a posição de duas equações Multiplicar uma equação por uma constante diferente de zero Não alteram
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
Leia maisMINISTÉRIO DA EDUCAÇÃO CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS CONSELHO DE GRADUAÇÃO
DISCIPLINA: GEOMETRIA ANALÍTICA E ÁLGEBRA VETORIAL CÓDIGO: 2DB.004 VALIDADE: Início: 01/2013 Término: Eixo: Matemática Carga Horária: Total: 75 horas/ 90 horas-aula Semanal: 06 aulas Créditos: 6 Modalidade:
Leia maisMaterial Teórico - Inequações Produto e Quociente de Primeiro Grau. Inequações Quociente. Primeiro Ano do Ensino Médio
Material Teórico - Inequações Produto e Quociente de Primeiro Grau Inequações Quociente Primeiro Ano do Ensino Médio Autor: Prof. Fabrício Siqueira Benevides Revisor: Prof. Antonio Caminha M. Neto 27 de
Leia maisaula AJUSTE POR MÍNIMOS QUADRADOS
AJUSTE POR MÍNIMOS QUADRADOS META Conduzir o aluno a aplicar o método de ajuste por mínimos quadrados, efetuando uma regressão linear e oferecer ao aluno uma oportunidade de praticar a aplicação do método
Leia maisÁLGEBRA LINEAR SISTEMAS DE EQUAÇÕES LINEARES
ÁLGEBRA LINEAR SISTEMAS DE EQUAÇÕES LINEARES Luís Felipe Kiesow de Macedo Universidade Federal de Pelotas - UFPel 1 / 14 Sistemas de Equações Lineares 1 Sistemas e Matrizes 2 Operações Elementares 3 Forma
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 02 Representação dos dados Pré-processamento Max Pereira Tipo de Dados Os atributos usados para descrever objetos de dados podem ser de diferentes tipos: Quantitativos
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 01 Motivação, áreas de aplicação e fundamentos Max Pereira Nem todo conhecimento tem o mesmo valor. O que torna determinado conhecimento mais importante que
Leia maisVetores no plano Cartesiano
Vetores no plano Cartesiano 1) Definição de vetor Um vetor (geométrico) no plano R² é uma classe de objetos matemáticos (segmentos) com a mesma direção, mesmo sentido e mesmo módulo (intensidade). 1. A
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo temático Sistemas de Equações Lineares. Métodos diretos Conteúdo
Leia maisUNEMAT UNIVERSIDADE ESTADUAL DO MATO GROSSO
UNEMAT UNIVERSIDADE ESTADUAL DO MATO GROSSO TRABALHO DE INFORMÁTICA APLICADA À EDUCAÇÃO MATEMÁTICA KARLA BEATRIZ GOMES DE SIQUEIRA MYEIK TUANY HOLANDA GOMES SINOP-MT, 2017 INTRODUÇÃO Como esperávamos,
Leia maisMINISTÉRIO DA EDUCAÇÃO SECRETARIA DE EDUCAÇÃO PROFISSIONAL E TECNOLÓGICA INSTITUTO FEDERAL DO NORTE DE MINAS GERAIS CAMPUS MONTES CLAROS 1 PERÍODO
6.4 Matriz Curricular do Curso de Ciência da Computação 6.4.1 Componentes curriculares obrigatórios 1 PERÍODO Teórica Prática Hora-aula Horas Cálculo I 6 2 8 144 120 - Geometria Analítica e Vetores - Dados
Leia maisResolvendo algebricamente um PPL
Capítulo 6 Resolvendo algebricamente um PPL 6.1 O método algébrico para solução de um modelo linear A solução de problemas de programação linear com mais de duas variáveis, não pode ser obtida utilizando-se
Leia maisÁlgebra Linear II Apostila 2
Álgebra Linear II Apostila 2 1 SISTEMAS LINEARES Um sistema linear é um conjunto de equações de primeiro grau, que se escrevem em função de certas variáveis. A resolução do sistema visa encontrar justamente
Leia maisparciais segunda parte
Aula 24 Técnicas de integração frações parciais segunda parte Objetivo Aprender a técnica de integração conhecida como frações parciais. Como lidar com fatores irredutíveis de grau 2 Agora queremos integrar
Leia maisÁlgebra Linear e Geometria Anaĺıtica. Matrizes e Sistemas de Equações Lineares
universidade de aveiro departamento de matemática Álgebra Linear e Geometria Anaĺıtica Agrupamento IV (ECT, EET, EI) Capítulo 1 Matrizes e Sistemas de Equações Lineares Geometria anaĺıtica em R 3 [1 01]
Leia mais