Ajuste múltiplo simultâneo de autovalores de sistemas de segunda ordem
|
|
- Elza Rodrigues da Silva
- 5 Há anos
- Visualizações:
Transcrição
1 Ajuste múltiplo simultâneo de autovalores de sistemas de segunda ordem Resumo João Batista da Paz Carvalho Depto. de Matemática Pura e Aplicada, IM, UFRGS, , Porto Alegre, RS carvalho@mat.ufrgs.br Através da representação de um sistema vibratório usando de variáveis de estado, normalmente obtida pelo método de elementos finitos, muitas de suas frequências naturais e modos de vibração podem ser calculados. Entretanto, muito frequentemente alguns desses valores calculados (autovalores e autovetores) não predizem satisfatoriamente os valores reais dessas quantidades, que podem ser obtidos através de testes em laboratórios de vibração. Uma possível solução é o ajuste das matrizes M, D e K que representam o modelo, no caso de sistemas de vibração de segunda ordem, de tal maneira que a informação obtida no teste de vibração seja incorporada em uma nova representação mais realística ( M, D, K). Essa estratégia é chamada ajuste de modelo de elementos finitos (Finite Element Model Updating). O presente trabalho apresenta resultados recentes para um caso particular da estratégia do parágrafo anterior, quando considera-se medição e ajuste apenas de algumas frequências naturais de vibração, ou autovalores do modelo. Alem disso, a implementação computacional de uma estratégia de ajuste simultâneo de um conjunto de frequências é apresentada, no contexto de modelos reais de vibração, disponíveis em [4]. Palavras-chave ajuste, autovalores, segunda ordem, vibratórios Introdução No contexto de um sistema representado por M q(t) + D q(t) + Kq(t) = Bu(t) y(t) = C 1 q(t) + C 2 q(t), (1) M, D e K são as chamadas matrizes de massa, amortecimento, e rigidez; B é a chamada matriz de controle; C 1 e C 2 são as chamadas matrizes de realimentação ; q(t), q(t) e q(t) são chamados, respectivamente, vetores de deslocamento, velocidade e aceleração, muito frequentemente algumas frequências naturais e modas de vibração correspntes (autovalores e autovetores) de um modelo de elementos finitos (M, D, K) não correspm com as informações obtidas de uma estrutura real de vibração. Então, o engenheiro de vibrações precisa ajustar o modelo teórico para garantir sua validez em usos futuros. Resultados Básicos Lema da Ortogonalidade: É bem conhecido que sempre podemos construir uma família ortonormal de autovetores de uma matriz simétrica A R n n. Similarmente, autovetores de uma forma simétrica definida Q(λ) = λk M (isto é, quando M = M T > 0 e K = K T ) podem ser escritos como combinações lineares de uma família x i,i = 1,..., n escolhida de maneira a satisfazer x T i Mx j = δ ij, x T i Kx j = δ ij λ i (2) para i, j = 1, 2,..., n; aqui δ ij é a delta de Kronecker. O resultado seguinte, extraído de [2], nos diz como definir matrizes atualizadas M, D e K, tais que uma determinada frequência medida µ 1 é inserida em um novo modelo ( M, D, K), no lugar de uma frequência isolada λ 1. Teorema A: Ajuste de uma autovalor real µ 1 Seja (λ 1, x 1 ), λ 1 0 um par real isolado autovalor-autovetor e seja (M, D, K) um modelo simétrico positivo semidefinido. Supoẽ que queremos substituir λ 1 por um número real µ 1 no modelo atualizado. Assumimos que µ 1 é tal que x T 1 Kx 1 λ 1 µ 1 x T 1 Mx 1 0. Então o modelo atualizado ( M, D, K) definido por M = M ɛ 1 λ 1 Mx 1 x T 1 M D = D + ɛ 1 (Mx 1 x T 1 K + Kx 1 x T 1 M) K = K ɛ1 λ 1 Kx 1 x T 1 K λ 1 µ 1 ɛ 1 = x T 1 Kx 1 λ 1 µ 1 x T 1 Mx 1 (3) (4)
2 é claramente simétrico e exibe as seguintes propriedades: (i) O número µ 1 é um autovalor de ( M, D, K) correspnte ao autovetor x 1 (ii) se (λ k, x k ), k = 2,..., 2n são pares autovalorautovetor de (M, D, K) e λ k λ 1, k = 2,..., n, então eles são também pares autovalorautovetor do modelo autualizado ( M, D, K). Demonstração : Seja i um número inteiro satisfazendo 1 i 2n. Então, uma vez que (λ i, x i ) é um par autovalorautovetor de P (λ), temos o que implica P (λ i )x i = λ 2 i Mx i + λ i Dx i + Kx i = 0 (5) P (λ)x i = λ 2 Mx i + λdx i λ 2 i Mx i λ i Dx i (6) = (Mx i (λ + λ i ) + Dx i )(λ λ i ). Definindo P (λ) = λ 2 M + λ D + K (7) com a escolha ν 1 = ɛ 1 /λ 1 temos, como consequência de (3), P (λ)x i = (λ 2 M +λd+k)x i λ 2 λ 2 1ν 1 Mx 1 x T 1 Mx i + λλ 1 ν 1 (Mx 1 x T 1 K + Kx 1 x T 1 M)x i ν 1 Kx 1 x T 1 Kx i = = P (λ)x i λ(λλ 2 1ν 1 Mx 1 λ 1 ν 1 Kx 1 )x T 1 Mx i + (λλ 1 ν 1 Mx 1 ν 1 Kx 1 )x T 1 Kx i = = P (λ)x i λλ 1 ν 1 (λλ 1 Mx 1 Kx 1 )x T 1 Mx i + ν 1 (λλ 1 Mx 1 Kx 1 )x T 1 Kx i = = P (λ)x i + (λλ 1 Mx 1 Kx 1 )ν 1 [x T 1 Kx i λλ 1 x T 1 Mx i ]. Usando (5), temos então P (λ)x i = P (λ)x i + (λλ 1 Mx 1 + λ 2 1Mx 1 + λ 1 Dx 1 )ν 1 [x T 1 Kx i λλ 1 x T 1 Mx i ] = P (λ)x i + ((λ + λ 1 )Mx 1 + Dx 1 )λ 1 ν 1 [x T 1 Kx i λλ 1 x T 1 Mx i ]. Portanto, P (λ)x i = P (λ)x i + (8) ((λ + λ 1 )Mx 1 + Dx 1 )ɛ 1 [x T 1 Kx i λλ 1 x T 1 Mx i ]. Encaminhamento of (i): Se fixarmos i = 1, então (6) e (8) implicam P (λ)x 1 = ((λ + λ 1 )Mx 1 + Dx 1 )(λ λ 1 ) + ((λ + λ 1 )Mx 1 + Dx 1 )ɛ 1 (x T 1 Kx 1 λλ 1 x T 1 Mx 1 ) = = (λ + λ 1 )Mx 1 + Dx 1 )[(λ λ 1 ) + ɛ 1 (x T 1 Kx 1 λλ 1 x T 1 Mx 1 )] e para λ = µ 1 temos P (µ 1 )x 1 = (µ 1 + λ 1 )Mx 1 + Dx 1 )[(µ 1 λ 1 ) + ɛ 1 (x T 1 Kx 1 µ 1 λ 1 x T 1 Mx 1 )] = 0 uma vez que o termo em colchetes anula-se pela definição de ɛ 1 dada na equação (4). Encaminhamento de (ii): Se 2 i 2n e λ = λ i, então o termo em colchetes de (8) claramente anula-se pelas relações de ortogonalidade expressas em 2, e uma vez que P (λ i )x i = 0 por hipótese, a parte (ii) segue. Observações : Lamentavelmente, mas com muito pouca probabilidade, a característica positiva semidefinida do modelo (M, D, K) pode não ser preservada pelas fórmulas (3) acima. Se K é simétrica positiva definida, então podemos assumir que o autovetor x 1 foi normalizado tal que x T 1 Kx 1 = 1. Após definirmos θ 1 = x T 1 Mx 1, observamos que as fórmulas apresentadas em [2] são um caso particular de (3). Exemplo 1: Consideramos matrizes M, D, e K: [ ] [ ] M = , D = , [ 0. ] K = Numericamente, calculamos λ 1 = e x 1 = [ ] T. Queremos substituir λ 1 por µ 1 = 0.5. Aplicando (4), temos ɛ 1 = , e de (3) temos: [ ] M = [ ] D = K = Verificação : [ ]. µ 2 1 Mx 1 + µ 1 Dx1 + Kx 1 = e, sendo Λ 2 e X 2 matrizes contendo autovalores e autovetores restantes, apropriadamente, verifica-se MX 2 Λ DX 2 Λ 2 + KX 2 F = Portanto, concluímos que o número µ 1 foi ajustado com sucesso no novo modelo, e seu autovetor x 1 foi preservado. Os autovalores e autovetores remanescentes não foram alterados.
3 Ajuste Simultâneo de frequências Trataremos agora o problema de ajustar, simultaneamente, um grupo de r frequências ou autovalores. Especificamente, consideraremos o seguinte problema: Seja {λ 1,..., λ r, λ r+1,..., λ 2n } um conjunto de frequências naturais de um modelo simétrico positivo semi-definido (M, D, K) de ordem n, isto é, com n variáveis de estado, no caso as frequências naturais {λ 1,..., λ r } e seus modos correspntes {x 1,..., x r } são reais. Dado um conjunto de frequências medidas {µ 1,..., µ r }, queremos construir uma representação ajustada ( M, D, K) cujas frequências naturais sejam {µ 1,..., µ r, λ r+1,..., λ 2n }. Primeiramente, observamos que sucessivas aplicações de (3) fornecem M s = M s 1 ɛ s λ s M s 1 x s x T s M s 1 D s = D s 1 + ɛ s [M s 1 x s x T s K s 1 + K s 1 x s x T s M s 1 ] K k = K s 1 ɛs λ s K s 1 x s x T s K s 1 (9) as quantidades ɛ s são dadas por ɛ s = 4 o Congresso Temático de Dinâmica, Controle e Aplicações λ s µ s x T s K s 1 x s λ s µ s θ s (10) θ s = x T s M s 1 x s (11) e os vetores x s quase sempre podem ser normalizados de forma que x T s K s 1 x s = 1. Na equação (9) acima, M 0 = M, D 0 = D, K 0 = K, e M r = M, D r = D, K r = K são as matrizes finais do ajuste. Essas fórmulas podem ser usadas para sucessivamente ajustarmos frequências uma-a-uma, lembrando que as matrizes que representam o modelo devem ser atualizadas em cada ajuste. A estratégia proposta é, observando que as quantidades escalares θ s e ɛ s, s = 1, 2,..., r, podem ser calculadas recursivamente usando apenas outras quantidades escalares, esperar que todos os parâmetros esses parâmetros sejam calculados para então realizar um único ajuste múltiplo, mais precisamente, através de uma matriz de posto r (rank-r update). Essa estratégia traz computação matricial densa (em blocos) ao problema, e assim procedimentos computacionais de alta-performance, implementados nas rotinas de nível 3 da biblioteca BLAS, podem ser usados em sua solução. Almejamos então calcular matrizes W e Z, juntamente com matrizes diagonais E m, E d, e E k, tais que as matrizes do modelo simétrico ( M, D, K), sejam dadas por: M = M W E m W T D = D + ZE d W T + W E d Z T K = K ZE k Z T (12) Para obtermos a relação (12), observamos que, usando (9), escrevemos M = M 0 r ɛ k λ k M k 1 x k x T k M k 1 (13) k=1 que claramente pode ser escrita no formato da equação (12), desde que W = [ M 0 x 1 M 1 x 2... M r x r ] (14) e E m = diag( ɛ 1 λ 1... ɛ r λ r ). Também observamos que, para s = 1,..., r, θ s = x T s [M s 2 ɛ s 1 λ s 1 M s 2 x s 1 x T s 1M s 2 ]x s = x T s M s 2 x s ɛ s 1 λ s 1 (x T s M s 2 x s 1 )(x T s 1M s 2 x s ) (15) e M s 1 x s = [M s 2 ɛ s 1 λ s 1 M s 2 x s 1 x T s 1M s 2 ]x s = = M s 2 x s ɛ s 1 λ s 1 (x s 1 M s 2 x s )M s 2 x s 1. (16) A última equação acima permite um cálculo recursivo das colunas da matriz W. Equação (15) permite um cálculo recursivo dos parâmetros reais θ s e ɛ s. Similarmente, as expressões para D e K podem ser obtidas através de matrizes Z, E k, e E d apropriadamente definidas. Algoritmo : ajuste simultâneo Entrada: conjunto de números reais (autovalores medidos) {µ i }, i = 1,..., r ; conjunto de frequências reais medidas {λ i }, i = 1,..., r com correspntes modos {x i }, i = 1,..., r; matrizes simétricas M, D, e K tais que M, K 0. Saída: Matrizes M, D, and K tais que o modelo ( M, D, K) tem autovalores {µ 1,..., µ r, λ r+1,..., λ 2n }. Passo 1: Calcule m i = Mx i, k i = Kx i, i = 1,..., r. Passo 2: Calcule α ij = x T i m j, β ij = x T i k j, j = i,..., r ; i = 1,..., r. Step 3: Calcule η 1 = x T 1 Kx 1 e faça as atualizações α 11 α 11 /η 1, β 11 β 11 /η 1 α 1j α 1j /η 1, β 1j β 1j /η 1, j = 1,..., r. λ 1 µ 1 Passo 4: Calcule ɛ 1 =. β 11 λ 1 µ 1 α 11 Passo 5: Para s = 2,..., r, faça passos 6, 7, 8, e 9. Passo 6: Para i = s,..., r and j = i,..., r faça: Faça α ij α ij ɛ s 1 λ s 1 α s 1,i α s 1,j Faça β ij β ij ɛs 1 λ s 1 β s 1,i β s 1,j
4 Passo 7: Calcule η s = β ss. Passo 8: Se η s > 0, então faça α i,s α i,s /η s e β i,s β i,s /η s, i = 1,..., s. faça α s,j α s,j /η s e β s,j α s,j /η s s,..., r., j = Passo 9: Calcule ɛ s = λ s µ s β ss λ s µ s α ss. Passo 10: Faça m i m i /η i, k i k i /η i, i = 1,..., r. Passo 11: Para s = 2,..., r and i = s,..., r : Faça m i m i ɛ s 1 λ s 1 α s 1,i m s 1 Faça k i k i ɛs 1 λ s 1 β s 1,i k s 1. Passo 12: Construa as matrizes W = [ m 1 m 2... m r ] e Z = [ k 1 k 2... k r ]. Passo 13: Construa as matrizes diagonais E m = diag ( ɛ 1 λ 1 ɛ 2 λ 2... ɛ r λ r ) E d = diag ( ɛ 1 ɛ 2... ɛ r ) E k = diag ( ɛ 1 /λ 1 ɛ 2 /λ 2... ɛ r /λ r ). Passo 13: Calcule M, D, e K usando (12) (rotinas de alta-performace). Exemplo Numérico Considere o modelo artificialmente amortecido (M, D, K) as matrizes M R e K R são originárias de um modelo estaticamente cnsado de uma plataforma de petróleo, do conjunto BCSSTRC1 do diretório Harwell-Boeing [4]. A matriz M é simétrica positiva definida, ao passo que K é simétrica positiva semidefinida. A matriz de amortecimento D é definida por D = ρi 66, ρ = Este modelo possui oito autovalores reais {λ 1,..., λ 8 }, { λ 1 λ 2 λ 3 λ 4 } = { } { λ 5 λ 6 λ 7 λ 8 } = { } além de 62 pares autovalores complexos conjugados, não mostrados aqui por limitação de espaço. O conjunto {λ 1,..., λ 8 } é mudada para {µ 1,..., µ 8 }, { µ 1 µ 2 µ 3 µ 4 } = { } { µ 5 µ 6 µ 7 µ 8 } = { }. O algoritmo anterior é aplicado; ele produz matrizes E m, E d, and E k como a seguir: E m = diag ( ) E d = diag ( ) E k = diag ( ). As matrizes W e Z são mostradas, por razões de limitação de espaço, no Apêndice 2. As matrizes M, D, e K são então calculadas, usando as fórmulas apresentadas anteriormente. Além disso, a matriz X é decomposta em duas partes para fins de impressão : X = [ X e X d ] X e e X d são mostradas no Apêndice 1. Verificação : Matrizes diagonais Λ, Λ, são montadas usando λ 1,..., λ 8 ; µ 1,..., µ 8, respectivamente, bem como, em ambos os casos, usando info sobre os demais autovalores. Temos então MX Λ 2 + DX Λ + KX F = que nos mostra que o ajuste múltiplo foi bemsucedido e não alterou os demais pares autovalorautovetor (em outras palavras, não ocorreu spillover). Figuras 1, 2 e 3 mostram os gráficos de barra das magnitudes das componentes das matrizes M M, D D, e K K, respectivamente. Essas gráficos nos dão uma idéia sobre as áreas (nas matrizes) que sofreram maiores atualizações. De posse de plotagens desse tipo, conjectura-se que um engenheiro com bom conhecimento do modelo possa identificar áreas da planta (componentes do modelo) que poderiam ser melhor modeladas de forma que a representação matricial concordasse com a estrutura real de vibrações. Tal estratégia ainda não foi estudada.
5 Figura 1: Magnitudes das Componentes de M M. Figura 3: Magnitudes das Componentes de K K. com frequências reais a serem atualizadas. Enfatizamos que a técnica apresentada garantidamente não altera as demais frequências e modos de vibração do modelo sendo atualizado, conforme pôde ser confirmada no exemplo numérico apresentado. Figura 2: Magnitudes das Componentes de D D. Conclusão Um algoritmo para ajuste simultâneo de autovalores (frequências naturais) de sistemas matriciais de segunda ordem foi apresentado. Tal algoritmo usa fórmulas de ajuste apresentadas em publicação anterior do autor. O algoritmo proposto permite trazer computação de alta-performance ao problema de ajuste de autovalores, uma vez que combina tarefas de m ajustes sequenciais, em um único ajuste das matrizes. Computação matricial de blocos podem então ser feita, por intermédio da biblioteca BLAS. A estratégia apresentada foi aplicada com sucesso ao problema de ajuste de frequências em uma estrutura real conhecida (modelo de uma plataforma de petróleo encontrado em conhecido repositório da internet) para a qual foi criado um amortecimento fictício (hipotético), a fim de estabelecer um modelo Referências [1] J. Carvalho, State Estimation and Finite Element Model Updating for Vibrating Systems. em Ph.D. Diss., Northern Ill. Univ., Dec [2] J. Carvalho, B. Datta, W. Lin and C. Wang, Eigenvalue Embedding in a Quadratic Pencil Using Symmetric Low Rank Updates. Proc. Fourth SIAM Conference on Linear Algebra in Signals, Systems and Control, Boston, USA, Aug 13-17, [3] E. Anderson et al. LAPACK User s Guide, Third Edition. SIAM, Philadelphia, PA, [4] The Matrix Market Directory. Repositório e referência em math.nist.gov/matrixmarket.
6 Apêndice 1 X e = X d =
7 Apêndice 2 Para mais clara impressão, matriz W é decomposta em duas partes: 10 1 W = [ W e W d ] W e = W d =
8 Para mais clara impressão, matriz Z é decomposta em duas partes: Z e = Z = [ Z e Z d ] Z d =
Como resolver o QFEMUP usando otimização
Como resolver o QFEMUP usando otimização Marina Andretta ICMC-USP 2 de agosto de 2016 Baseado no artigo M. Andretta, E. G. Birgin and M. Raydan, An inner-outer nonlinear programming approach for constrained
Observadores Funcionais para Sistemas de Primeira Ordem Generalizados
Observadores Funcionais para Sistemas de Primeira Ordem Generalizados João Batista da Paz Carvalho, Julio Cesar Claeyssen, Depto de Matemática Pura e Aplicada, UFRGS, 91509-900, Porto Alegre, RS E-mail:
Algebra Linear. 1. Revisitando autovalores e autovetores. 2. Forma Diagonal e Forma de Jordan. 2.1 Autovalores distintos. 2.2 Autovalores complexos
Algebra Linear 1. Revisitando autovalores e autovetores 2. Forma Diagonal e Forma de Jordan 2.1 Autovalores distintos 2.2 Autovalores complexos 2.3 Nem todos autovalores distintos 3. Autovalores e autovetores
FUNDAMENTOS DE SISTEMAS LINEARES PARTE 1
FUNDAMENTOS DE SISTEMAS LINEARES PARTE 1 Prof. Iury V. de Bessa Departamento de Eletricidade Faculdade de Tecnologia Universidade Federal do Amazonas Revisão O que é um corpo (campo)? O que é um espaço
G4 de Álgebra Linear I
G4 de Álgebra Linear I 27.1 Gabarito 1) Considere a base η de R 3 η = {(1, 1, 1); (1,, 1); (2, 1, )} (1.a) Determine a matriz de mudança de coordenadas da base canônica para a base η. (1.b) Considere o
Cálculo Diferencial e Integral 2 Formas Quadráticas
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Cálculo Diferencial e Integral 2 Formas Quadráticas 1 Formas quadráticas Uma forma quadrática em R n é um polinómio do
Ferramentas Matemáticas para Sistemas Lineares: Álgebra Linear
Ferramentas Matemáticas para Sistemas Lineares: Álgebra Linear Samir Angelo Milani Martins 1 1 UFSJ-MG / Campus Santo Antônio, MG Brasil Mestrado em Engenharia Elétrica UFSJ/CEFET-MG S. A. M. Martins (UFSJ
Álgebra Linear Teoria de Matrizes
Álgebra Linear Teoria de Matrizes 1. Sistemas Lineares 1.1. Coordenadas em espaços lineares: independência linear, base, dimensão, singularidade, combinação linear 1.2. Espaço imagem (colunas) - Espaço
G3 de Álgebra Linear I
G3 de Álgebra Linear I 2.2 Gabarito ) Considere a matriz 4 N = 4. 4 Observe que os vetores (,, ) e (,, ) são dois autovetores de N. a) Determine uma forma diagonal D de N. b) Determine uma matriz P tal
Estabilidade Interna. 1. Estabilidade Interna. 2. Análise de Estabilidade Segundo Lyapunov. 3. Teorema de Lyapunov
Estabilidade Interna 1. Estabilidade Interna 2. Análise de Estabilidade Segundo Lyapunov 3. Teorema de Lyapunov 4. Teorema de Lyapunov Caso Discreto pag.1 Teoria de Sistemas Lineares Aula 13 Estabilidade
P4 de Álgebra Linear I de junho de 2005 Gabarito
P4 de Álgebra Linear I 25.1 15 de junho de 25 Gabarito 1) Considere os pontos A = (1,, 1), B = (2, 2, 4), e C = (1, 2, 3). (1.a) Determine o ponto médio M do segmento AB. (1.b) Determine a equação cartesiana
MP-208: Filtragem Ótima com Aplicações Aeroespaciais
MP-208: Filtragem Ótima com Aplicações Aeroespaciais Seção 2.1: Álgebra Linear e Matrizes Davi Antônio dos Santos Departamento de Mecatrônica Instituto Tecnológico de Aeronáutica davists@ita.br São José
Algebra Linear. 1. Funções de Matriz Quadrada 1.1. Teorema de Cayley-Hamilton. pag.1 Teoria de Sistemas Lineares Aula 8. c Reinaldo M.
Algebra Linear 1. 1.1. Teorema de Cayley-Hamilton pag.1 Teoria de Sistemas Lineares Aula 8 Considere A R n n associada a transformação linear f : R n R n Polinômios de matriz quadrada Para k positivo e
Universidade Federal da Paraíba - UFPB Centro de Ciências Exatas e da Natureza - CCEN Departamento de Matemática - DM
Universidade Federal da Paraíba - UFPB Centro de Ciências Exatas e da Natureza - CCEN Departamento de Matemática - DM 3 a Lista de Exercícios de Introdução à Álgebra Linear Professor: Fágner Dias Araruna
2. DESIGUALDADES MATRICIAIS LINEARES
11 2. DESIGUALDADES MARICIAIS LINEARES Neste capítulo, introduziremos alguns conceitos básicos relacionados às Desigualdades Matriciais Lineares. Na seção 2.1, apresentamos uma introdução às LMI s; na
Álgebra Linear II - Poli - Gabarito Prova SUB-tipo 00
Álgebra Linear II - Poli - Gabarito Prova SUB-tipo 00 [ ] 4 2 Questão 1. Seja T : R 2 R 2 o operador linear cuja matriz, com respeito à base canônica de R 2, é. 1 3 [ ] 2 0 Seja B uma base de R 2 tal que
UNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE SÃO CARLOS DEPARTAMENTO DE ENGENHARIA MECÂNICA SEM 5766 ANÁLISE MODAL DE ESTRUTURAS
UNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE SÃO CARLOS DEPARTAMENTO DE ENGENHARIA MECÂNICA SEM 5766 ANÁLISE MODAL DE ESTRUTURAS Aula # Sistemas com N GDL 1 Prof. Paulo S. Varoto Objetivos Objetivo
Parte I. Álgebra Linear. Sistemas Dinâmicos Lineares. Autovalores, autovetores. Autovalores, autovetores. Autovalores e Autovetores.
Sistemas Dinâmicos Lineares Romeu Reginatto Programa de Pós-Graduação em Engenharia de Sistemas Dinâmicos e Energéticos Universidade Estadual do Oeste do Paraná Parte I Álgebra Linear Adaptado das notas
Método de Newton modificado
Método de Newton modificado Marina Andretta ICMC-USP 14 de setembro de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 14 de setembro de 2010 1 / 36 Método de Newton Como já vimos, o método
G3 de Álgebra Linear I
G de Álgebra Linear I 7 Gabarito ) Considere a transformação linear T : R R cuja matriz na base canônica E = {(,, ), (,, ), (,, )} é [T] E = a) Determine os autovalores de T e seus autovetores correspondentes
P4 de Álgebra Linear I
P4 de Álgebra Linear I 2008.2 Data: 28 de Novembro de 2008. Gabarito. 1) (Enunciado da prova tipo A) a) Considere o plano π: x + 2 y + z = 0. Determine a equação cartesiana de um plano ρ tal que a distância
Algoritmos Numéricos 2 a edição
Algoritmos Numéricos 2 a edição Capítulo 2: Sistemas lineares c 2009 FFCf 2 2.1 Conceitos fundamentais 2.2 Sistemas triangulares 2.3 Eliminação de Gauss 2.4 Decomposição LU Capítulo 2: Sistemas lineares
CM005 Álgebra Linear Lista 3
CM005 Álgebra Linear Lista 3 Alberto Ramos Seja T : V V uma transformação linear. Se temos que T v = λv, v 0, para λ K. Dizemos que λ é um autovalor de T e v autovetor de T associado a λ. Observe que λ
Prof. MSc. David Roza José -
1/15 2/15 Análise Modal Na aula anterior fomos apresentados à matriz P, que reunia os autovetores de um problema de vibração. Esta matriz pode ser utilizada para desacoplar equações de vibrações, ao transformar
Noções de Álgebra Linear
Noções de Álgebra Linear 1. Espaços vetoriais lineares 1.1. Coordenadas 2. Operadores lineares 3. Subespaços fundamentais 4. Espaços normados 5. Espaços métricos 6. Espaços de Banach 7. Espaços de Hilbert
Matrizes Semelhantes e Matrizes Diagonalizáveis
Diagonalização Matrizes Semelhantes e Matrizes Diagonalizáveis Nosso objetivo neste capítulo é estudar aquelas transformações lineares de R n para as quais existe pelo menos uma base em que elas são representadas
Mecânica Quântica. Spin 1/2 e a formulação da M. Q. Parte II. A C Tort 1. Instituto Física Universidade Federal do Rio de Janeiro
Mecânica Quântica Spin 1/ e a formulação da M. Q. Parte II A C Tort 1 1 Departmento de Física Teórica Instituto Física Universidade Federal do Rio de Janeiro 10 de Maio de 01 Mais dois postulados, agora
Álgebra Linear I - Aula Matrizes simultaneamente ortogonais e simétricas
Álgebra Linear I - Aula 22 1. Matrizes 2 2 ortogonais e simétricas. 2. Projeções ortogonais. 3. Matrizes ortogonais e simétricas 3 3. Roteiro 1 Matrizes simultaneamente ortogonais e simétricas 2 2 Propriedade
Aula 19 Operadores ortogonais
Operadores ortogonais MÓDULO 3 AULA 19 Aula 19 Operadores ortogonais Objetivos Compreender o conceito e as propriedades apresentadas sobre operadores ortogonais. Aplicar os conceitos apresentados em exemplos
G4 de Álgebra Linear I
G4 de Álgebra Linear I 20122 Gabarito 7 de Dezembro de 2012 1 Considere a transformação linear T : R 3 R 3 definida por: T ( v = ( v (1, 1, 2 (0, 1, 1 a Determine a matriz [T ] ε da transformação linear
P3 de Álgebra Linear I
P3 de Álgebra Linear I 2012.2 1 de dezembro de 2012. Gabarito 1) Considere a transformação linear T : R 3 R 3 cuja matriz na base canônica é : 31 2 5 [T ] ε = 2 34 10 5 10 55 Sabendo que todos os vetores
Modelagem Computacional. Parte 7 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 7 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 7] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Teorema da Triangularização de Schur e Diagonalização de Matrizes Normais
Teorema da Triangularização de Schur e Diagonalização de Matrizes Normais Reginaldo J Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais http://wwwmatufmgbr/~regi 16 de novembro
1 Matrizes Ortogonais
Álgebra Linear I - Aula 19-2005.1 Roteiro 1 Matrizes Ortogonais 1.1 Bases ortogonais Lembre que uma base β é ortogonal se está formada por vetores ortogonais entre si: para todo par de vetores distintos
Lista Considere um oscilador harmonico tridimencional com o potencial, resolve a Equação de Schrödinger independente no tempo
Lista 8. Considere um oscilador harmonico tridimencional com o potencial, V = m 2 ( ω 2 x x 2 + ω 2 yy 2 + ω 2 zz 2), onde ω x, ω y e ω z representam as frequências deste oscilador (clássico) nas direções,
GAAL - Exame Especial - 12/julho/2013. Questão 1: Considere os pontos A = (1, 2, 3), B = (2, 3, 1), C = (3, 1, 2) e D = (2, 2, 1).
GAAL - Exame Especial - /julho/3 SOLUÇÕES Questão : Considere os pontos A = (,, 3), B = (, 3, ), C = (3,, ) e D = (,, ) (a) Chame de α o plano que passa pelos pontos A, B e C e de β o plano que passa pelos
Método de Newton truncado
Método de Newton truncado Marina Andretta ICMC-USP 8 de outubro de 2018 Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear
Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá. 21 de outubro de 2011
APLICAÇÕES DA DIAGONALIZAÇÃO Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá IEFF-ITA 21 de outubro de 2011 Roteiro 1 2 3 Roteiro 1 2 3 Introdução Considere a equação de uma cônica: Forma Geral Ax 2 + Bxy
Baseado no Capítulo 2 do livro: Material preparado pelo
Baseado no Capítulo 2 do livro:.. h,.. h 2. (28) h &,. Material preparado pelo.. é ç : @. Departamento de Ciências Exatas / ESALQ USP Fevereiro de 22 Í N D I C E 2.. Matrizes e vetores... 2 2... Matrizes,
Álgebra Linear I - Aula 3. Roteiro
Álgebra Linear I - Aula 3 1. Produto escalar. Ângulos. 2. Desigualdade triangular. Roteiro 1 Produto escalar Considere dois vetores ū = (u 1, u 2, u 3 ) e v = (v 1, v 2, v 3 ) de R 3. O produto escalar
Agrupamento de dados. Critério 1: grupos são concentrações de dados k-means Critério 2: grupos são conjuntos de elementos próximos entre si espectral
Agrupamento de dados Critério 1: grupos são concentrações de dados k-means Critério 2: grupos são conjuntos de elementos próximos entre si espectral Dados e grafos Se temos dados x i, i 0... n, criamos
O TEOREMA ESPECTRAL E AS FORMAS QUADRÁTICAS NO PLANO: CLASSIFICAÇÃO DAS CÔNICAS
O TEOREMA ESPECTRAL E AS FORMAS QUADRÁTICAS NO PLANO: CLASSIFICAÇÃO DAS CÔNICAS Eduardo Corrêa Pedrosa (monitor) Profª. Drª. Ana Maria Luz Fassarella do Amaral (orientadora) GANP001 Motivação Este projeto
Marcelo M. Santos DM-IMECC-UNICAMP msantos/
Universidade Estadual de Maringá - Departamento de Matemática Cálculo Diferencial e Integral: um KIT de Sobrevivência 0 anos c Publicação Eletrônica do KIT http://www.dma.uem.br/kit Identificação de Cônicas
14 Estimador assintótico
Teoria de Controle (sinopse) 4 J. A. M. Felippe de Souza Neste capítulo continuaremos no estudo de que foi iniciado no capítulo anterior. Estimadores de Estado, A exemplo dos capítulos anteriores será
1 Auto vetores e autovalores
Auto vetores e autovalores Os autovalores de uma matriz de uma matriz n n são os n números que resumem as propriedades essenciais daquela matriz. Como esses n números realmente caracterizam a matriz sendo
Autovalores e Autovetores
Algoritmos Numéricos II / Computação Científica Autovalores e Autovetores Lucia Catabriga 1 1 DI/UFES - Brazil Junho 2016 Introdução Ideia Básica Se multiplicarmos a matriz por um autovetor encontramos
Autovalores e Autovetores
Autovalores e Autovetores Maria Luísa B. de Oliveira SME0300 Cálculo Numérico 24 de novembro de 2010 Introdução Objetivo: Dada matriz A, n n, determinar todos os vetores v que sejam paralelos a Av. Introdução
Revisão III: Dinâmica Estrutural Linear: Superposição Modal
Revisão III: Dinâmica Estrutural Linear: Superposição Modal Como calcular a parcela elástica da posição do elemento de massa: p d Hipótese: flexibilidade moderada pequenos deslocamentos elásticos comportamento
INSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 2007/2008 Semestre: 1 o
INSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 27/28 Semestre: o MATEMÁTICA COMPUTACIONAL Exercícios [4 Sendo A M n (C) mostre que: (a) n A 2 A n A 2 ; (b)
Primeiro Exercício programa: Como o Google ordena páginas. MAP-2121 para EPUSP
Primeiro Exercício programa: Como o Google ordena páginas MAP-2121 para EPUSP 1 Instruções gerais Os exercícios computacionais pedidos na disciplina Cálculo Numérico têm por objetivo fundamental familiarizar
MATRIZES POSITIVAS DEFINIDAS
MATRIZES POSITIVAS DEFINIDAS Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá IEFF-ITA 7 de novembro de 2011 Roteiro 1 2 3 Roteiro 1 2 3 Por que saber se uma matriz é definida positiva? Importância do sinal
pelo sistema de coordenadas Cartesianas. Podemos utilizar também o sistema de coordenadas
A. Coordenadas Curvilineares. Teorema de Gauss em coordenadas curvilineares Para especificar a posição, utilizamos a base e x, e y, e z e x r = y z pelo sistema de coordenadas Cartesianas. Podemos utilizar
Universidade Federal do Espírito Santo - UFES
Universidade Federal do Espírito Santo - UFES Centro Universitário Norte do Espírito Santo - CEUNES Departamento de Matemática Aplicada - DMA Prof. Isaac P. Santos - 2018/1 Aula: Métodos Iterativos Para
3 a Avaliação Parcial - Álgebra Linear
3 a Avaliação Parcial - Álgebra Linear - 016.1 1. Considere a função T : R 3 R 3 dada por T(x, y, z) = (x y z, x y + z, x y z) e as bases de R 3 B = (1, 1, 1), (1, 0, 1), ( 1,, 0)} (a) Encontre [T] B B.
Capítulo 5. Operadores Auto-adjuntos. Curso: Licenciatura em Matemática. Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo
Capítulo 5 Operadores Auto-adjuntos Curso: Licenciatura em Matemática Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo Disciplina: Álgebra Linear II Unidade II Aula 5: Operadores Auto-adjuntos
folha prática 5 valores próprios e vetores próprios página 1/3
folha prática 5 valores próprios e vetores próprios página 1/ Universidade de Aveiro Departamento de Matemática 1. Determine os valores próprios e vetores próprios de cada uma das seguintes matrizes. Averigue
Álgebra Linear I - Aula 2. Roteiro
Álgebra Linear I - Aula 2 1. Produto escalar. Ângulos. 2. Desigualdade triangular. 3. Projeção ortugonal de vetores. Roteiro 1 Produto escalar Considere dois vetores = (u 1, u 2, u 3 ) e v = (v 1, v 2,
Descomposição de Cholesky
Frederico Almeida & Guilherme Aguilar Universidade Federal de Minas Gerais 20 de Novembro de 2018 Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de 2018 1 / 29 Motivação Métodos de otimização
Vibrações Mecânicas. Sistemas com 2 Graus de Liberdade DEMEC/CTG/UFPE. Ramiro Brito Willmersdorf
Vibrações Mecânicas Sistemas com 2 Graus de Liberdade DEMEC/CTG/UFPE Ramiro Brito Willmersdorf 2015.1 Introdução Sistemas que requerem 2 coordenadas generalizadas para especificar unicamente sua configuração;
Map05 - Métodos Matriciais Computacionais Mat Álgebra Matricial Computacional Primeiro Exercicio Computacional, entregar ao Prof: 22/10/2012
Mat0050 - Álgebra Matricial Computacional Primeiro Exercicio Computacional, entregar ao Prof: 22/0/202 Assunto: Normais vetoriais, BLAS e Fortran90 Objetivo: Completar estudo dirigido que não pode ser
G3 de Álgebra Linear I
G3 de Álgebra Linear I 11.1 Gabarito 1) Seja A : R 3 R 3 uma transformação linear cuja matriz na base canônica é 4 [A] = 4. 4 (a) Determine todos os autovalores de A. (b) Determine, se possível, uma forma
Equação Geral do Segundo Grau em R 2
8 Equação Geral do Segundo Grau em R Sumário 8.1 Introdução....................... 8. Autovalores e autovetores de uma matriz real 8.3 Rotação dos Eixos Coordenados........... 5 8.4 Formas Quadráticas..................
Sistemas de equações lineares
DMPA IM UFRGS Cálculo Numérico Índice Sistema de Equações Lineares 1 Sistema de Equações Lineares 2 com pivoteamento parcial 3 Método de Jacobi Método Gauss-Seidel Sistema de Equações Lineares n equações
Cadeias de Markov em Tempo Continuo
Cadeias de Markov em Tempo Continuo Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulos 6 Taylor & Karlin 1 / 44 Análogo ao processo
Álgebra Linear I - Aula Bases Ortonormais e Matrizes Ortogonais
Álgebra Linear I - Aula 19 1. Bases Ortonormais e Matrizes Ortogonais. 2. Matrizes ortogonais 2 2. 3. Rotações em R 3. Roteiro 1 Bases Ortonormais e Matrizes Ortogonais 1.1 Bases ortogonais Lembre que
Determinação numérica de autovalores e autovetores: Método das Potências Inversas
Determinação numérica de autovalores e autovetores: Marina Andretta/Franklina Toledo ICMC-USP 27 de março de 2015 Marina Andretta/Franklina Toledo (ICMC-USP) sme0301 - Métodos Numéricos para Engenharia
MCTB Álgebra Linear Avançada I. Lista Ache a forma canônica de Jordan de cada um dos operadores lineares do Exercício 1.
MCTB002-13 - Álgebra Linear Avançada I Lista 4 1. Para cada um dos seguintes operadores lineares, ache uma base para cada um de seus autoespaços generalizados: 1 1 (a) T = L A, onde A = 1 3 11 4 5 (b)
Dou Mó Valor aos Autovalores
1. Definições Preliminares Dou Mó Valor aos Autovalores 21ª Semana Olímpica Maceió, AL Prof. Davi Lopes Nível U Dada uma matriz quadrada A n n de entradas complexas, podemos definir os conceitos a seguir,
SISTEMAS REALIMENTADOS
SISTEMAS REALIMENTADOS Prof.: Helder Roberto de O. Rocha Engenheiro Eletricista Doutorado em Computação Representação no Espaço de Estados É apropriada para sistemas que possuem várias entradas e várias
Parte 3 - Produto Interno e Diagonalização
Parte 3 - Produto Interno e Diagonalização Produto Escalar: Sejam u = (u 1,..., u n ) e v = (v 1,..., v n ) dois vetores no R n. O produto escalar, ou produto interno euclidiano, entre esses vetores é
Experiência 5. Projeto e Simulação do Controle no Espaço de Estados de um Pêndulo Invertido sobre Carro
Experiência 5 Projeto e Simulação do Controle no Espaço de Estados de um Pêndulo Invertido sobre Carro Professores: Adolfo Bauchspiess e Geovany A. Borges O objetivo deste experimento é projetar e simular
Álgebra Linear I - Aula Forma diagonal de uma matriz diagonalizável
Álgebra Linear I - Aula 18 1 Forma diagonal de uma matriz diagonalizável 2 Matrizes ortogonais Roteiro 1 Forma diagonal de uma matriz diagonalizável Sejam A uma transformação linear diagonalizável, β =
O TEOREMA ESPECTRAL PARA OPERADORES AUTO-ADJUNTOS
O TEOEMA ESPECTAL PAA OPEADOES AUTO-ADJUNTOS Mariane Pigossi, oberto de A. Prado, Depto. de Matemática e Computação, FCT, UNESP, 19060-900, Presidente Prudente, SP E-mail: marianepigossi@gmail.com, robertoprado@fct.unesp.br
Refletores de Householder e Fatoração QR
Refletores de Householder e Fatoração QR Antonio Elias Fabris Instituto de Matemática e Estatística Universidade de São Paulo Map 2210 Aplicações de Álgebra Linear Antonio Elias Fabris (IME-USP) Householder
EES-20: Sistemas de Controle II
EES-: Sistemas de Controle II 14 Agosto 17 1 / 49 Recapitulando: Estabilidade interna assintótica Modelo no espaço de estados: Equação de estado: ẋ = Ax + Bu Equação de saída: y = Cx + Du Diz-se que o
Formas Quádricas Cônicas hlcs
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORE Formas Quádricas Cônicas hlcs Álgebra Linear A equação mais geral de uma cônica é a seguinte: Q(,)= a + b + c +d + e +f =,...() onde a,b,c,d,e,f são números reais
ALGA I. Operadores auto-adjuntos (simétricos e hermitianos). Teorema espectral
Módulo 9 ALGA I. Operadores auto-adjuntos (simétricos e hermitianos). Teorema espectral Contents 9.1 Operadores auto-adjuntos (simétricos e hermitianos) 136 9. Teorema espectral para operadores auto-adjuntos...........
Construção de matrizes inteiras com somas das linhas e das colunas prescritas
Construção de matrizes inteiras com somas das linhas e das colunas prescritas Rosário Fernandes Departamento de Matemática, Faculdade de Ciências e Tecnologia Universidade Nova de Lisboa, Caparica, Portugal
Como modelar matematicamente o sistema Elo Flexível. Projetar um controlador LQR ótimo para o sistema. Atenuar as vibrações ajustando o controlador.
1 Capítulo 1 Elo Flexível 1.1 Objetivos O objetivo desta prática é projetar um controlador ótimo por realimentação de estado para o módulo Elo Flexível. O controlador final deve permitir ao usuário controlar
Autovalores e Autovetores Determinante de. Motivando com Geometria Definição Calculando Diagonalização Teorema Espectral:
Lema (determinante de matriz ) A B A 0 Suponha que M = ou M =, com A e D 0 D C D matrizes quadradas Então det(m) = det(a) det(d) A B Considere M =, com A, B, C e D matrizes C D quadradas De forma geral,
OBJETIVO. Prova1-Trivial,porinduçãoeusaoteoremafundamentaldaálgebra...3
O TEOREMA DE CAYLEY-HAMILTON Carlos Alexandre Gomes (UFRN) e Oswaldo Rio Branco de Oliveira (IMEUSP) http://www.ime.usp.br/~oliveira oliveira@ime.usp.br Ano 2015 e Ano 2017 OBJETIVO Nesta notas apresentamos
EES-20: Sistemas de Controle II. 21 Agosto 2017
EES-2: Sistemas de Controle II 21 Agosto 217 1 / 52 Recapitulando: Realimentação de estado r t u t y t x t Modelo da planta: Lei de controle: ẋ = Ax + Bu y = Cx u = Kx + Fr Representação para o sistema
SME Gustavo C. Buscaglia / Roberto F. Ausas
SME0305-2016 Gustavo C. Buscaglia / Roberto F. Ausas ICMC - Ramal 738176, gustavo.buscaglia@gmail.com ICMC - Ramal 736628, rfausas@gmail.com Sistemas lineares sobredeterminados Matrizes não quadradas Onde
Resolução 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
Análise multivariada
UNIFAL-MG, campus Varginha 11 de Setembro de 2018 Dada uma matriz A (p p), podemos obter um escalar λ e um vetor v (p 1) de modo que seja satisfeita? Av = λv (1) Dada uma matriz A (p p), podemos obter
APLICAÇÕES DA ÁLGEBRA LINEAR NA GENÉTICA APPLICATIONS OF LINEAR ALGEBRA IN GENETICS APLICACIONES DEL ÁLGEBRA LINEAL EN LA GENÉTICA
APLICAÇÕES DA ÁLGEBRA LINEAR NA GENÉTICA APPLICATIONS OF LINEAR ALGEBRA IN GENETICS APLICACIONES DEL ÁLGEBRA LINEAL EN LA GENÉTICA Ravine Taís Wenningkamp Taísa Junges Miotto 2 Resumo: O presente trabalho
Matrizes hermitianas e unitárias
Matrizes hermitianas e unitárias Amit Bhaya, Programa de Engenharia Elétrica COPPE/UFRJ Universidade Federal do Rio de Janeiro amit@nacad.ufrj.br http://www.nacad.ufrj.br/ amit Matrizes complexas O produto
n. 35 AUTOVALORES e AUTOVETORES ou VALORES e VETORES PRÓPRIOS ou VALORES CARACTERÍSTICOS e VETORES CARACTERÍSTICOS
n. 35 AUTOVALORES e AUTOVETORES ou VALORES e VETORES PRÓPRIOS ou VALORES CARACTERÍSTICOS e VETORES CARACTERÍSTICOS Aplicações: estudo de vibrações, dinâmica populacional, estudos referentes à Genética,
CF372 Mecânica Quântica I Os Postulados da Mecânica Quântica
CF372 Mecânica Quântica I Os Postulados da Mecânica Quântica 1 Introdução. Vamos apresentar nestas notas os postulados da mecânica quântica de acordo com o livro texto. Antes iremos fazer um paralelo entre
Setor de Tecnologia - TC Engenharia Ambiental Prova 2. Matemática Aplicada I
Universidade Federal do Paraná Matemática Aplicada I Setor de Tecnologia - TC Engenharia Ambiental 8- Curitiba,..8 Prova Matemática Aplicada I Tobias Bleninger Departamento de Engenharia Ambiental (DEA)
Determinação numérica de autovalores e autovetores: Método de Jacobi
Determinação numérica de autovalores e autovetores: Método de Jacobi Marina Andretta/Franklina Toledo ICMC-USP 3 de setembro de 2012 Baseado no livro Cálculo Numérico, de Neide B. Franco. Marina Andretta/Franklina
GABRIEL BUJOKAS
APLICAÇÕES DE ÁLGEBRA LINEAR À COMBINATÓRIA GABRIEL BUJOKAS (GBUJOKAS@MIT.EDU) A gente vai discutir algumas das aplicações clássicas de álgebra linear à combinatória. Vamos começar relembrando alguns conceitos
0.1 Matrizes, determinantes e sistemas lineares
SERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DO PARÁ PARFOR MATEMÁTICA Lista de Exercícios para a Prova Substituta de Álgebra Linear 0.1 Matrizes, determinantes e sistemas lineares 1. Descreva explicitamente
Lista de Exercícios III. junho de 2005
ÁLGEBRA LINEAR II Prof Amit Bhaya Lista de Exercícios III junho de 2005 Ortogonalidade, espaços fundamentais 1 Se Ax = b possui solução e A T y = 0, então y é perpendicular a 2 Se Ax = b não possui solução
Setor de Tecnologia - TC Engenharia Ambiental 2/2011. Prova 1. Matemática Aplicada I
Universidade Federal do Paraná Matemática Aplicada I Setor de Tecnologia - TC Engenharia Ambiental /11 Curitiba,.1.11 Prova 1 Matemática Aplicada I Tobias Bleninger Departamento de Engenharia Ambiental
Os Postulados da Mecânica Quântica
Márcio H. F. Bettega Departamento de Física Universidade Federal do Paraná bettega@fisica.ufpr.br Postulados Introdução Vamos apresentar nestas notas os postulados da mecânica quântica de acordo com o
23 e 24. Forma Quadrática e Equação do Segundo Grau em R 3. Sumário
23 e 24 Forma Quadrática e Equação do Segundo Grau em R 3 Sumário 23.1 Introdução....................... 2 23.2 Autovalores e Autovetores de uma matriz 3 3.. 2 23.3 Mudança de Coordenadas no Espaço........
Polinômios Ortogonais em Várias Variáveis com Pontos de Massa
Polinômios Ortogonais em Várias Variáveis com Pontos de Massa Mirela V. de Mello Depto de Ciências de Computação e Estatística, IBILCE, UNESP, 15054-000, São José do Rio Preto, SP E-mail: mirela vanina@yahoo.com.br
Resolução das objetivas 3ª Prova de Álgebra Linear II da UFRJ, período
www.engenhariafacil.weebly.com Resolução das objetivas 3ª Prova de Álgebra Linear II da UFRJ, período 2013.2 OBS: Todas as alternativas corretas são as letras A. 1) Para encontrar o autovetor associado