APLICAÇÃO DO MÉTODO AHP-FUZZY
|
|
- João Camarinho Carreiro
- 7 Há anos
- Visualizações:
Transcrição
1 APLICAÇÃO DO MÉTODO AHP-FUZZY Débora Ferro de Souza Tatiany Vieira Maria Regina Carvalho Macieira Lopes 3 Reinaldo Francisco 4 Resumo: Neste trabalho é apresentado o método multicritério Analytic Hierarchy Process AHP na versão fuzzy. O método AHP pertencente à família dos métodos de subordinação desenvolvidos com a finalidade de auxiliar no processo de tomada de decisão. Tem como base a representação de um problema complexo através de uma estruturação hierárquica, que consiste da definição do objetivo global e decomposição do sistema em vários níveis, o que possibilita a visualização do sistema como um todo e seus componentes. Como exemplo de aplicação é tratado um problema de seleção de candidatos a uma vaga de emprego. Palavras-chave: Multicritério; AHP; fuzzy. Introdução: A Análise Multicritério vem sendo utilizada como importante ferramenta quando se dispõe de vários critérios de análise, bem como quando se incorporam variáveis de difícil mensuração. Em geral, os critérios considerados são conflitantes e suas respectivas importâncias não são facilmente determinadas. Neste sentido, o método Analytic Hierarchy Process - AHP é uma poderosa e flexível ferramenta de tomada de decisão que sistematiza a definição dos pesos desses critérios. Neste trabalho é apresentada e discutida uma aplicação desse método utilizando na matriz de entrada do sistema, números fuzzy triangulares.. Método AHP O Método Analítico Hierárquico, do inglês Analytic Hierarchy Process AHP, foi desenvolvido por Thomas L. Saaty na década de 70. O AHP foi desenhado para refletir a maneira como as pessoas pensam, ou seja, identificando objetos e idéias e também as relações entre eles, com o objetivo de decompor a complexidade encontrada. Tem como base a representação de um problema complexo através de uma estruturação hierárquica, que consiste da definição do objetivo global e decomposição do sistema em vários níveis, o que possibilita a visualização do sistema como um todo e seus componentes. A construção de uma hierarquia dependerá dos objetivos escolhidos para decompor a complexidade daquele sistema. O objetivo principal deve estar no primeiro nível da hierarquia; os sub-objetivos, num nível abaixo; em seguida, os critérios e, finalmente, as alternativas. A estrutura de uma hierarquia simples é mostrada na figura. Deseja-se encontrar a influência que cada alternativa exerce sobre cada um dos critérios utilizados. Deve-se, também, verificar qual é a influência que cada critério exerce sobre o objetivo geral. Desta forma, pode-se então determinar qual é o poder de cada alternativa sobre o objetivo geral, gerando uma escala de importância dessas alternativas. Graduanda do curso de Matemática Unicentro Guarapuava deboraferrodesouza@yahoo.com.br Graduanda do curso de Matemática Unicentro Guarapuava tatianyvieira@hotmail.com 3 MSc -UNICENTRO Guarapuava-Pr - mrlopes@unicentro.br 4 MSc -UNICENTRO Guarapuava-Pr - reinaldo@unicentro.br 04
2 Para medir os impactos que os elementos do nível mais baixo exercem sobre o objetivo geral, comparam-se os pares de alternativas disponíveis, com relação a cada critério utilizado. Também, os critérios são comparados par-a-par, de acordo com sua importância para atingir o objetivo geral. Tal comparação pode ser fundamentada em uma escala de intensidade de importância, com valores variando entre e 9, segundo SAATY []. O valor é designado quando as duas alternativas comparadas contribuem igualmente para o objetivo, o valor 3, quando uma alternativa é considerada fracamente mais importante que a outra, segundo o critério considerado, e assim sucessivamente. Se uma alternativa A i tem um valor de importância em comparação à alternativa A j, então A j terá o valor recíproco quando comparada com A i.. Descrição do método Considerando o problema de analisar n alternativas por um decisor ou grupo de decisores, tem-se o objetivo de designar julgamentos das importâncias relativas dessas alternativas, quantificando esses julgamentos com o propósito de permitir uma ordenação de todas as alternativas. Seja o conjunto de alternativas A, A,..., A n. Os julgamentos par-a-par são representados por uma matriz quadrada de ordem n, A=(a ij ), i,j=,,..., n. Na posição (i, j) representa-se a razão entre os pesos que a alternativa A i tem sobre A j em relação a um critério considerado em um nível imediatamente acima da hierarquia. A matriz A é recíproca, ou seja, a ji =/a ij, a ij 0. Ainda, se A i é considerada de igual importância relativa que A j, então a ij =a ji =; em particular, a ii =, para todo i. Assim, a matriz de comparação entre os pares de alternativas tem a forma: a... an /a... a n A = /a n /a n... e registra os julgamentos feitos pelos decisores. O problema se concentra, então, em encontrar os pesos w, w,..., wn de cada alternativa, que reflitam os julgamentos efetuados. Se os julgamentos forem perfeitos em todas as comparações, então a = a. a para quaisquer i, j, k e a matriz será consistente. Essa consistência será obtida, por exemplo, se as comparações forem baseadas em medições exatas, ou seja, se os pesos w i forem conhecidos. Desta forma, tem-se: w w i j wi a ij. a jk =. = = aik w w w a ji w = w j i j i k = w / w j k = a ij Neste caso, a matriz A pode ser representada como segue: w w w... w w wn w w w... A = w w w n w n wn wn... w w wn Multiplicando-se a matriz A pelo vetor [ w ] T w... wn obtem-se: ik ij jk 05
3 w w w... w w wn w w w w w... w = w w w w. n. n w n wn wn wn wn... w w wn ou seja, A. w = n. w. () Assim sendo, a busca do vetor de pesos das alternativas é equivalente à resolução da equação acima, o que significa encontrar o autovetor w de A, associado ao autovalor n. Além de ser recíproca, pode-se verificar facilmente que a matriz A é irredutível 5, já que não possui elementos nulos. Pelo Teorema de Perron-Frobenius, se A é uma matriz irredutível, com todos os elementos a ij não-negativos, então existe um número real positivo λ satisfazendo as seguintes propriedades: (i) Existe um vetor real v, com todos os elementos positivos, tal que Av= λ v; (ii) λ possui multiplicidade algébrica e geométrica ; (iii)para cada autovalor λ i de A, λi λ. Estes resultados garantem a existência de solução para a equação(), ou seja, do vetor de pesos procurado. Pode-se verificar que todas as linhas da matriz A são combinações lineares da primeira. Assim, todos os autovalores de A serão nulos, exceto um. Como os elementos da diagonal principal de A, a ii são iguais a um e o somatório dos autovalores é igual ao traço da matriz, o autovalor não nulo será o valor n (λ +λ +...+λ n =λ =n). Se os coeficientes a ij de uma matriz positiva recíproca sofrem pequenas perturbações, então os autovalores sofrem também pequenas perturbações 6. No caso em que a equação () se verifica inicialmente, essas pequenas perturbações fazem com que o maior autovalor permaneça próximo de n e os demais, próximos de zero. SAATY [] demonstra que se A é uma matriz positiva e recíproca, então λ n. max = w / w ε. A Essas perturbações podem ser consideradas pela forma geral ij ( i j ) ij consistência ocorrerá quando ε ij =. n λ i n i= Define-se µ =, e como λ i = n, tem-se: n i= λmax n µ = ; λmax λ n o índice de consistência (IC) que avalia se os julgamentos efetuadas são perfeitamente relacionados. A consistência de uma matriz recíproca positiva ocorrerá quando o seu autovalor máximo for igual a n. Para estimar a diferença entre estes valores usa-se o quociente a 5 Uma matriz quadrada A é chamada de redutível se existir uma matriz de permutação P tal que P T AP= A A 0 A. Uma matriz quadrada que não é redutível é chamada de irredutível. Uma matriz de permutação é qualquer matriz que pode ser criada a partir de permutações de linhas e/ou colunas de uma matriz identidade. 6 Esta observação não é válida para matrizes positivas em geral, apenas para matrizes positivas recíprocas, conforme SAATY []. 06
4 ( λ n) /( n ) max. Uma medida de consistência pode ser estimada comparando-se esse valor com a mesma razão calculada de uma matriz recíproca de julgamentos gerados aleatoriamente, de mesma ordem. Esta medida é chamada de razão de consistência (RC), dada por: IC RC =, sendo IR o índice randômico. IR Uma tabela com o índice randômico para matrizes de ordem até 5 é dada a seguir conforme apresentada em Saaty []: ORDEM IR 0 0 0,58 0,90,,4,3,4,45,49,5,48,56,57,59 Em aplicações, geralmente considera-se aceitável uma razão de consistência de até 0,0. Após o cálculo dos autovetores de cada matriz que corresponde aos julgamentos par-a-par das alternativas com relação a cada critério, em todos os níveis, tem-se a situação ilustrada na figura.. OBJETIVO GERAL u u M u p v v M CRITÉRIO CRITÉRIO vn v v M vn... CRITÉRIO p v p v p M v pn ALTERNATIVA A ALTERNATIVA A ALTERNATIVA A n... Figura : Autovetores calculados pelo AHP Para cada alternativa A i considerada, um valor é calculado da seguinte forma: u.v i + u.v i + u 3.v 3i u p.v pi A ordenação das alternativas, e até mesmo a escolha é efetuada a partir desses pesos calculados, que correspondem às importâncias relativas de cada alternativa.. Método AHP-Fuzzy O método AHP na versão fuzzy utiliza o mesmo procedimento do modelo clássico. São considerados como valores de entrada, números fuzzy triangulares e utilizada aritmética específica para tais números. Um número fuzzy triangular M(l,m,u) é dado pela função de pertinência µ (x) : 07
5 x l m l x u µ ( x) = m u 0 se se cc x [l,m] x [m, u] em que m é o valor modal e l (lower) e u (upper) os espalhamentos à esquerda e à direita, respectivamente. Estes espalhamentos caracterizam a imprecisão da quantidade tratada. Sejam M = ( l, m, u) e M = ( l, m, u) números fuzzy triangulares, no desenvolvimento do método AHP são consideradas as operações : i ) ( l, m, u ) ( l, m, u ) = ( l + l, m + m, u + ) ( u ( ii ) λ ( l, m, u) = ( λl, λm, λu) λ > 0, λ R ( ) (,, ) (,, iii l m u = ) u m l Na matriz recíproca A de entradas fuzzy, tem-se: a ij = ( l, m, u) e a ji = (, m, ) u l Aplicando o princípio de extensão fuzzy proposto por CHANG [] obtém-se: m n m S j = M k M k () i= = = i j V e V O julgamento par a par é dado por (figura ): ( M M ) ( M M ) = see m m = µ ( d) = hgt( M M ) = ( m u l u ) ( m l ) (3) µ(x) M M d l m l u m u Figura : Comparação M e M Generalizando tem-se V ( M M, M,... M k ) = minv ( M M i ); i =,,... k que são as comparações do número fuzzy triangular M com os demais. Finalmente, obtém-se o vetor de pesos (dos critérios, das alternativas avaliadas em relação a cada critério, etc, dependendo da complexidade do modelo hierárquico construído) 3. Estudo de Caso 08
6 3. Seleção de candidatos para o cargo de vendedor Para ilustrarmos este trabalho aplicamos o método AHP, em um exemplo de seleção de candidatos a uma vaga de vendedor de loja, sendo consideradas as características pessoais dos candidatos e que já possua experiência profissional no ramo (problema representado na figura 3). As características pessoais (critérios) consideradas, bem como o significado de cada uma são definidas a seguir: Atitude(C): Saber abordar o cliente ao entrar na loja, lhe dando confiança e segurança; Comunicação(C): Comunicar-se com o cliente atendendo todas as suas necessidades, fazendo perguntas objetivas e informando sobre seus produtos; Habilidade para observar(c3): Perceber o tipo de cliente com o qual esta se relacionando, procurando conhecer seu perfil, suas características e cultura; Habilidade para ouvir(c4): Saber que seus clientes informarão tudo que necessitam se tiverem a oportunidade de falar. Saber fazer as perguntas e ouvir as respostas com bastante atenção; Figura 3: Estruturação do problema 3. Emissões das opiniões e das avaliações Nesta etapa, foram ouvidas as opiniões de duas pessoas que realizaram as entrevistas, e os valores das comparações par a par construídos segundo a escala Saaty. Na tabela podemos observar a matriz de comparação entre os critérios sendo levado em consideração a relevância de um critério sobre o outro. Tabela : matriz de comparação entre os critérios Critérios C C C3 C4 C (,,) (., 3, 3.9) (0.66,, ) (0.6,,.5) (.4,,.6) (0.55,, 5) (0.37, 0.5, 0.76) C (0.5, 0.33, 0.47) (,,) (.4,,.6) (0.37, 0.5, 0.76) 09
7 (0.38, 0.5, 0.7) (.5, 3, 3.5) (0.66,, ) C3 (0.5,,.5) (0.38, 0.5, 0.7) (,,) (0.6,,.5) (0.,,.8) C4 (0.4,,.6) (0.8, 0.33, 0.4) (.3,,.7) (0.4,,.6) (0.35, 0.5, 0.83) (,,) (.3,,.7) (0.5,,.5) (.,,.8) Na tabela foram feitas as médias entre as opiniões. Tabela : matriz da média entre as opiniões Critérios C C C3 C4 C (,,) (.75,.5, 3.5) (0.6,, 3.5) (0.50, 0.75,.63) C (0.3, 0.4,0.59) (,,) (.95,.5, 3.05) (0.5, 0.75,.38) C3 (0.35,,.65) (0.33, 0.4,0.56) (,,) (0.49, 0.75,.67) C4 (0.85,.5,.) (0.9,.5,.) (0.8,.5,.) (,,) Pela fórmula (), temos: S= (3.86, 5.5, 9.38) (/7.73, /8.59, /3.57) = (0.4, 0.8, 0,70) S= (3.79, 4.67, 6.0) (/7.73, /8.59, /3.57) = (0.4, 0.5, 0.45) S3= (.7, 3.7, 4.88) (/7.73, /8.59, /3.57) = (0.08, 0.7, 0.36) S4= (3.55, 5.5, 7.45) (/7.73, /8.59, /3.57) = (0.3, 0.30, 0.56) Usando a fórmula (3) vem: V(S S)= V(S S3)= V(S S3)==0.97 V(S S)=0.9 V(S S3)= V(S S4)=0.86 V(S3 S)=0.67 V(S3 S)=0.79 V(S3 S4)=0.64 V(S4 S)= V(S3 S)= V(S3 S4)= E finalmente tirando o mínimo das comparações de cada critério com os outros dois critérios, temos: d(c)= V(S S, S3, S4)= min(, 0.97, )= 0.97 d(c)= V(S S, S, S3)= min(0.9,, 0.86)= 0.86 d(c3)= V(S3 S, S, S4)= min(0.67, 0.79, 0.64)= 0.64 d(c4)= V(S4 S, S, S3)= min(,, )= Portanto w' =(0.97, 0.86, 0.64, ) Através da normalização, obtivemos o peso dos vetores com seus respectivos critérios C, C, C3 e C4: 0
8 WC= (0.8, 0.5, 0.8, 0.9) Ao prosseguir no processo de decisão, foi comparado os três candidatos A, A e A3 em cada um dos critérios separadamente. Dessa forma repetimos todo o processo. Na tabela 3 temos a matriz de comparação entre os entrevistados levando em consideração a relevância de uma pessoa sobre a outra no critério atitude. Tabela 3: matriz de comparação (critério atitude) A A A3 (,, ) (0.37, 0.5, 0.77) (0.4, 0.5, 0.67) (0.63,,.5) (0.36, 0.5, 0.83) A (.3,,.7) (.5,,.5) (,, ) (.6, 3, 3.4) (.,,.9) A3 (0.4,,.6) (.,,.8) (0.9, 0.33, 0.38) (0.34, 0.5, 0.9) (,, ) Tabela 4: matriz da média aritmética (critério atitude) A A A3 A (,, ) (0.39, 0.5, 0.7) (0.5, 0.75,.67) A (.4,,.6) (,, ) (.85,.5, 3.5) A3 (0.8,.5,.) (0.3, 0.4, 0.65) (,, ) S= (.89,.5, 3.39) (/3.99, /0.67, /8.6)= (0.4, 0., 0.4) S=(4.5, 5.5, 6.75) (/3.99, /0.67, /8.6)= (0.3, 0.5, 0.8) S3=(.,.9, 3.85) (/3.99, /0.67, /8.6)= (0.5, 07, 0.47) V(S S)=0.6 V(S S)= V(S3 S)= V(S S3)=0.8 V(S S3)= V(S3 S)=0.40 d(c)= V(S S, S3)= min(0.6, 0.8)= 0.6 d(c)= V(S S,S3)= min(, )= d(c3)= V(S3 S, S)= min(, 0.4)= 0.4 w' = (0.6,, 0.4)
9 Logo w = (0.6, 0.6, 0.4) Na tabela 5 temos a matriz de comparação entre os entrevistados levando em consideração a relevância de uma pessoa sobre a outra no critério comunicação. Tabela 5: matriz de comparação (critério comunicação) A A A3 A (,, ) (0.67,, ) (0.37, 0.5, 0.7) (0.59,, 3.33) (0.83,,.5) A (0.5,,.5) (,, ) (.3, 3, 3.7) (0.3,,.7 ) (.5, 3, 3.5) A3 (.3,,.7) (0.7, 0.33, 0.43) (,, ) (0.8,,.) (0.9, 0.33, 0.4) Tabela 6: matriz da média aritmética (critério comunicação) A A A3 A (,, ) (0.63,,.67) (0.6, 0.75, 0.7) A (0.4,,.6) (,, ) (.4, 3, 3.5) A3 (.05,.5,.95) (0.8, 0.33, 0.4) (,, ) S=(.3,.75, 4.38) (/3.95, /0.58, /8.36) = (0.6, 0.6, 0.5) S=(3.8, 5, 6.) (/3.95, /0.58, /8.36) = ( 0.7, 0.47, 0.74) S3=(.3,.83, 3.37) (/3.95, /0.58, /8.36) = (0.6, 0.7, 0.4) V(S S)=0.54 V(S S)= V(S3 S)= V(S S3)=0.97 V(S S3)= V(S3 S)=0.39 d(c)= V(S S, S3)= min(0.54, 0.97)= 0.54 d(c)= V(S S,S3)= min(, )= d(c3)= V(S3 S, S)= min(, 0.39)= 0.39 w' = (0.54,, 0.39)
10 Logo w = (0.8, 0.5, 0.) Nesta matriz é avaliado o critério habilidade pra observar. Tabela 7: matriz de comparação (critério habilidade para observar) A A A3 A (,, ) (0.63,, ) (0.67,, ) (0.67,, ) (0.37, 0.5, 0.77) A (0.4,,.6) (,, ) (., 3, 3.9) (0.5,,.5) (.5,,.5) A3 (0.5,,.5) (0.6, 0.33, 0.48) (,, ) (.3,,.7) (0.4, 0.5, 0.67) Depois de feito as médias aritméticas entre as opiniões vem: S= (.7,.75, 4.39) (/3.8, /07, / 7.65) = (0.6, 0.7, 057) S= (3.5, 4.5, 5.55) (/3.8, /07, / 7.65) = (0.4, 0.44, 0.75) S3= (.3,.9, 3.68) (/3.8, /07, / 7.65) = (0.6, 0.9, 0.48) V(S S)=0.66 V(S S3)=0.95 V(S S)= V(S S3)= V(S3 S)= V(S3 S)=0.6 d(c)= V(S S, S3)= min(0.66, 0.95)= 0.66 d(c)= V(S S,S3)= min(, )= d(c3)= V(S3 S, S)= min(, 0.6= 0.6 w' = (0.66,, 0.6) Logo w = (0.9, 0.44, 0.7) E finalmente é avaliado o critério habilidade pra ouvir. 3
11 Tabela 9: matriz de comparação (critério habilidade para ouvir) A A A3 A (,, ) ( 0.34, 0.5, 09) (0.63,,.5) (0.9, 0.33, 0.4) (0.36, 0.5, 0.83) A (.,,.9) (0.4,,.6) (,, ) (.3,,.7) (0.5,,.5) A3 (.5, 3, 3.5) (.,,.8) ( 0.37, 0.5, 0.77) (0.67,, ) (,, ) Depois de feito as médias aritméticas entre as opiniões vem: S= (.8,.7, 3.33) (/.9, /0.4, /7.84)= (0.4, 0., 0.4) S= (.65, 4, 4.05) (/.9, /0.4, /7.84)= (0., 0.38, 0.5) S3= (3.37, 4.5, 5.54) (/.9, /0.4, /7.84)= (0.6, 0.4, 0.7) V(S S)=0.55 V(S S)= V(S3 S)= V(S S3)=0.44 V(S S3)=0.9 V(S3 S)= d(c)= V(S S, S3)= min(0.55, 0.44)= 0.44 d(c)= V(S S,S3)= min(, 0.9)= 0.9 d(c3)= V(S3 S, S)= min(, )= w' = (0.44, 0.9, )Logo w = (0.9, 0.38, 0.43 Nesta etapa é comparado os candidatos com os critérios (usando cada w calculado nas etapas acima). Tabela : comparação (critério candidato) A A A3 C C C C
12 WC= (0.8, 0.5, 0.8, 0.9) (obtido nas comparações entre os critérios) Fazendo: (A) (WC)= = 0. (A) (WC)= = 0.49 (A3) (WC)= = 0.9 Como resultado final temos: Tabela : resultado final A A A3 Resultado final Resultados e discussão A finalidade deste trabalho foi estudar a teoria e as definições do método AHP- FUZZY, bem como foi possível diante das aplicações vistas e estudadas aplicar este método na seleção de candidatos para o cargo de vendedor, onde foi verificado que o candidato A é a pessoa mais apta a exercer esta função. 5 Referências Bibliográficas [] SAATY, T. The Analytic Hierarchy Process. McGraw Hill, New York, 980. [] Chang D.Y., Applications of the extent analysis method on fuzzy AHP, European Journal of Operation Research,Volume 95, Number 3,
Analytic Hierarchy Process (AHP)
Analytic Hierarchy Process (AHP) Evolução histórica Thomas L. Saaty (in memoriam) Escala e comparações 1/9 1 9 Síntese normal e ideal Soma = 100% ou max=100% Particularidades 1 Evolução histórica do AHP
Leia mais1. TÉCNICA BASEADA NA TEORIA SOBRE FUZZY SETS
CAP. 4 MÉTODO DE ANÁLISE HIERÁRQUICA 1. TÉCNICA BASEADA NA TEORIA SOBRE FU SETS Será mostrada aqui a utilização de um método, o AHP Analytical Hierarchy Process proposto por SAAT. O método se insere dentro
Leia maisTeoria da Decisão. Processo Analítico Hierárquico Analytic Hierarchy Process (AHP) Prof. Lucas S. Batista.
Teoria da Decisão Analytic Hierarchy Process (AHP) Prof. Lucas S. Batista lusoba@ufmg.br www.ppgee.ufmg.br/ lusoba Universidade Federal de Minas Gerais Escola de Engenharia Graduação em Engenharia de Sistemas
Leia mais6 Estudo de Caso Conceitos utilizados no Estudo de Caso
6 Estudo de Caso O presente estudo de caso pretende confirmar a tese de que a privatização das infra-estruturas de transporte no Brasil viabilizou o processo de multimodalidade domestico brasileiro. Por
Leia mais2 Revisão do método AHP
2 Revisão do método AHP 2.1. Definição dos elementos necessários Qualquer problema que seja estruturado ao modo do método AHP, e talvez de alguns outros métodos de decisão multicriteriais, inicia pela
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisTeorema 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
Leia maisAUTOVALORES E AUTOVETORES
AUTOVALORES E AUTOVETORES Prof a Simone Aparecida Miloca Definição 1 Uma tranformação linear T : V V é chamada de operador linear. Definição Seja T : V V um operador linear. existirem vetores não-nulos
Leia maisO AHP como um modelo matemático: uma análise de sensibilidade simples
O AHP como um modelo matemático: uma análise de sensibilidade simples Mylena Cristina Rezende Pacheco mylenacrp@hotmail.com Fernando Luiz Goldman fernandogoldman@yahoo.com.br UNIFESO Resumo:Somos todos
Leia maisAlgoritmos 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
Leia maisÁlgebra Linear I - Lista 11. Autovalores e autovetores. Respostas. 1) Calcule os autovalores e autovetores das matrizes abaixo.
Álgebra Linear I - Lista 11 Autovalores e autovetores Respostas 1 Calcule os autovalores e autovetores das matrizes abaixo. (a ( 4 1 1, (b ( 1 1, (c ( 5 6 3 4, (d 1 1 3 1 6 6, (e 3 5 1, (f 1 1 1 1 1 1
Leia maisA ANÁLISE MULTICRITÉRIO NA TOMADA DE DECISÃO - O Método Analítico Hierárquico de T. L. Saaty
A ANÁLISE MULTICRITÉRIO NA TOMADA DE DECISÃO - O Método Analítico Hierárquico de T. L. Saaty Desenvolvimento do método com recurso à análise de um caso prático explicado ponto a ponto. Bruno Miguel da
Leia maisDescomposição 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
Leia maisResolução de Sistemas Lineares. Ana Paula
Resolução de Sistemas Lineares Sumário 1 Aula Anterior 2 Decomposição LU 3 Decomposição LU com Pivotamento 4 Revisão Aula Anterior Aula Anterior Aula Anterior Aula Anterior Eliminação de Gauss Transforma
Leia maisParte 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
Leia maisResolução de Sistemas Lineares. Ana Paula
Resolução de Sistemas Lineares Sumário 1 Aula Anterior 2 3 Revisão Aula Anterior Aula Anterior Aula Anterior Aula Anterior Decomposição LU A matriz de coeficientes é decomposta em L e U L é uma matriz
Leia maisA metodologia de multicritério como ferramenta para a tomada de decisões gerenciais: um estudo de caso.
A metodologia de multicritério como ferramenta para a tomada de decisões gerenciais: um estudo de caso. Cristiano Souza Marins (UENF) csm@uenf.br Daniela de Oliveira Souza (UENF) daniela_oliveira232@yahoo.com.br
Leia maisPLANO DE AULA IDENTIFICAÇÃO
PLANO DE AULA IDENTIFICAÇÃO Escola: IFC Campus Avançado Sombrio Município: Sombrio Disciplina: Matemática Série: 2 ano Nível: Ensino médio Professor: Giovani Marcelo Schmidt Tempo estimado: Cinco aulas
Leia maisAPLICAÇÃO DO PROCESSO ANALÍTICO HIERARQUICO: MODELO DE SELEÇÃO DE ALUNOS DA UNIVERSIDADE DE BRASÍLIA PARA INTERCÂMBIO
APLICAÇÃO DO PROCESSO ANALÍTICO HIERARQUICO: MODELO DE SELEÇÃO DE ALUNOS DA UNIVERSIDADE DE BRASÍLIA PARA INTERCÂMBIO Thais Lopes Marouelli (UnB) thaismarouelli@gmail.com O objetivo do presente estudo
Leia maisExercício: Identifique e faça um esboço do conjunto solução da. 3x xy + y 2 + 2x 2 3y = 0
Motivação Exercício: Identifique e faça um esboço do conjunto solução da equação 3x 2 + 2 3xy + y 2 + 2x 2 3y = 0 Motivação Exercício: Identifique e faça um esboço do conjunto solução da equação 3x 2 +
Leia maisUNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE CURSO: CIÊNCIA DA COMPUTAÇÃO DISCIPLINA: ÁLGEBRA LINEAR PROF.: MARCELO SILVA.
UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE CURSO: CIÊNCIA DA COMPUTAÇÃO DISCIPLINA: ÁLGEBRA LINEAR PROF.: MARCELO SILVA Determinantes Introdução Como já vimos, matriz quadrada é a que tem o mesmo número
Leia maisÁlgebra Linear I - Aula 20
Álgebra Linear I - Aula 20 1 Matrizes diagonalizáveis Exemplos 2 Forma diagonal de uma matriz diagonalizável 1 Matrizes diagonalizáveis Exemplos Lembramos que matriz quadrada a 1,1 a 1,2 a 1,n a 2,1 a
Leia maisMETODOLOGIAS AHP / ANP PARA CONSTRUÇÃO E PRIORIZAÇÃO DE CENÁRIOS
METODOLOGIAS AHP / ANP PARA CONSTRUÇÃO E PRIORIZAÇÃO DE CENÁRIOS Mônica Maria De Marchi Maria José Pinto Lamosa José Virgílio Guedes de Avellar Maj Av André Luiz Pimentel Uruguay Cap Av OBJETIVO Identificar
Leia maisSME Gustavo C. Buscaglia
SME0602-2017 Gustavo C. Buscaglia ICMC - Ramal 738176, gustavo.buscaglia@gmail.com Cálculo de autovalores e autovetores Existem vários problemas na engenharia em que precisamos calcular os autovalores
Leia maisAlgebra 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
Leia maisProvas. As notas da primeira e segunda prova já foram digitadas no Minha UFMG. Caso você não veja sua nota, entre em contato com o professor.
Provas As notas da primeira e segunda prova já foram digitadas no Minha UFMG. Caso você não veja sua nota, entre em contato com o professor. Terceira prova. Sábado, 15/junho, 10:00-12:00 horas, ICEx. Diagonalização
Leia maisProfs. Alexandre Lima e Moraes Junior 1
Raciocínio Lógico-Quantitativo para Traumatizados Aula 07 Matrizes, Determinantes e Solução de Sistemas Lineares. Conteúdo 7. Matrizes, Determinantes e Solução de Sistemas Lineares...2 7.1. Matrizes...2
Leia maisSME Roberto F. Ausas / Gustavo C. Buscaglia
SME0305-2016 Roberto F. Ausas / Gustavo C. Buscaglia ICMC - Ramal 736628, rfausas@gmail.com ICMC - Ramal 738176, gustavo.buscaglia@gmail.com Cálculo de autovalores e autovetores Existem vários problemas
Leia maisn. 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,
Leia maisAutovetor e Autovalor de um Operador Linear
Autovetor e Autovalor de um Operador Linear Definição Seja T : V V um operador linear. Um vetor v V, v 0, é dito um autovetor de T se existe um número real λ tal que T (v) = λv. O número real λ acima é
Leia maisÁlgebra Linear e Geometria Analítica
Álgebra Linear e Geometria Analítica Engenharia Electrotécnica Escola Superior de Tecnologia de Viseu wwwestvipvpt/paginaspessoais/lucas lucas@matestvipvpt 007/008 Álgebra Linear e Geometria Analítica
Leia maisAPLICAÇÃO DE NÚMEROS FUZZY TRIANGULARES EM ANÁLISES DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA - MÉTODO BASEADO NA TEORIA DOS JOGOS
APLICAÇÃO DE NÚMEROS FUZZY TRIANGULARES EM ANÁLISES DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA - MÉTODO BASEADO NA TEORIA DOS JOGOS Alexandre Ferreira de Pinho, Mestrando Escola Federal de Engenharia de
Leia maisCM005 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
Leia maisParte 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
Leia maisSistemas 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
Leia maisAutovalores 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
Leia maisÁlgebra Linear I - Aula 19
Álgebra Linear I - Aula 19 1. Matrizes diagonalizáveis. 2. Matrizes diagonalizáveis. Exemplos. 3. Forma diagonal de uma matriz diagonalizável. 1 Matrizes diagonalizáveis Uma matriz quadrada T = a 1,1 a
Leia maisCapítulo Propriedades das operações com vetores
Capítulo 6 1. Propriedades das operações com vetores Propriedades da adição de vetores Sejam u, v e w vetores no plano. Valem as seguintes propriedades. Comutatividade: u + v = v + u. Associatividade:
Leia maisCARSHARING: AVALIANDO O POTENCIAL DO MERCADO BRASILEIRO
CARSHARING: AVALIANDO O POTENCIAL DO MERCADO BRASILEIRO Aluno: Gabriela Mello Kortchmar Orientador: Hugo Repolho Introdução A presente pesquisa consiste na realização de uma análise para ser usada como
Leia maisDou 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,
Leia maisComo ganhar no Banco Imobiliário após infinitas jogadas
Como ganhar no Banco Imobiliário após infinitas jogadas Ian Bernardes Barcellos 16/10/2015 Ian Bernardes Barcellos Como ganhar no Banco Imobiliário após infinitas jogadas 16/10/2015 1 / 17 O Jogo Ian Bernardes
Leia maisAVALIAÇÃO QUALITATIVA DE COST DRIVERS PELO MÉTODO AHP
AVALIAÇÃO QUALITATIVA DE COST DRIVERS PELO MÉTODO AHP Edson de Oliveira Pamplona, Dr. Escola Federal de Engenharia de Itajubá Av. BPS, 1303 Itajubá, MG CEP: 37500-000 e-mail: pamplona@iem.efei.br Prof.
Leia maisMétodo de eliminação de Gauss
Matrizes - Matemática II - 00/0 Método de eliminação de Gauss Seja A = [a ij ] uma matriz de tipo m n. a FASE - ELIMINAÇÃO DESCENDENTE Esta fase permite obter uma matriz em forma de escada a partir da
Leia maisG3 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
Leia maisAula 1 Autovetores e Autovalores de Matrizes Aula 2 Autovetores e Autovalores de Matrizes Casos Especiais 17
Sumário Aula 1 Autovetores e Autovalores de Matrizes.......... 8 Aula 2 Autovetores e Autovalores de Matrizes Casos Especiais 17 Aula 3 Polinômio Característico................. 25 Aula 4 Cálculo de Autovalores
Leia maisAvaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação
Avaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação Vanessa Siqueira Peres da Silva 1 2 Daniel Furtado Ferreira 1 1 Introdução É comum em determinadas
Leia maisG3 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
Leia maisG4 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
Leia maisA metodologia de multicritério como ferramenta para a tomada de decisões gerenciais: um estudo de caso
A metodologia de multicritério como ferramenta para a tomada de decisões gerenciais: um estudo de caso André Luís Policani Freitas (UENF) policani@uenf.br Cristiano Souza Marins (UENF) csm@uenf.br Daniela
Leia maisANÁLISE MULTICRITÉRIO APLICADA AO ESTUDO DE CONTROLE AMBIENTAL NO SETOR AGROINDUSTRIAL: PRODUÇÃO DO QUEIJO QUALHO
ANÁLISE MULTICRITÉRIO APLICADA AO ESTUDO DE CONTROLE AMBIENTAL NO SETOR AGROINDUSTRIAL: PRODUÇÃO DO QUEIJO QUALHO INTRODUÇÃO: A AGROINDÚSTRIA BRASILEIRA SETOR LÁCTEO P + L OBJETIVOS: OBJETIVO GERAL: IDENTIFICAR
Leia maisÁlgebra Linear I - Aula 22
Álgebra Linear I - Aula 1. Bases Ortonormais.. Matrizes Ortogonais. 3. Exemplos. 1 Bases Ortonormais Lembre que uma base β é ortogonal se está formada por vetores ortogonais entre si: para todo par de
Leia mais3 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão e B =
3 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2008. (a) Ache os auto-valores e auto-vetores de A = 3 4 2 0 2 0 0 0 e B = 0 0 2 0 2 0 2 0 0 (b) Mostre que λ + λ 2 + λ 3 é igual ao
Leia maisUniversidade Federal da Paraíba Departamento de Matemática. Álgebra Linear e Geometria Analítica
Departamento de Matemática Álgebra Linear e Geometria Analítica João Pessoa, 16 de março de 2013 AGENDA Primeira prova: 31 de janeiro de 2013 - Sistemas de Equações Lineares e Espaços Vetoriais Segunda
Leia maisdecomposição de Cholesky.
Decomposição LU e Cholesky Prof Doherty Andrade - DMA-UEM Sumário 1 Introdução 1 2 Método de Eliminação de Gauss 1 3 Decomposição LU 2 4 O método de Cholesky 5 5 O Algoritmo para a decomposição Cholesky
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 maisAVALIAÇÃO DO AHP PARA PRIORIZAÇÃO DE ATUAÇÕES EM SISTEMAS METROFERROVIÁRIOS
11ª SEMANA DE TECNOLOGIA METROVIÁRIA FÓRUM TÉCNICO AVALIAÇÃO DO AHP PARA PRIORIZAÇÃO DE ATUAÇÕES EM SISTEMAS METROFERROVIÁRIOS Igor Baria Mateus Araújo e Silva Resumo O presente artigo tem o objetivo de
Leia maisG4 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
Leia mais5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão Encontre os autovalores, os autovetores e a exponencial e At para
5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2008 1. Encontre os autovalores, os autovetores e a exponencial e At para [ ] 1 1 1 1 2. Uma matriz diagonal Λ satisfaz a regra usual
Leia mais5 Agregação das Reservas das Entidades
5 Agregação das Reservas das Entidades Neste capítulo é apresentado o procedimento de agregação das reservas das entidades. É importante ressaltar que as entidades probabilísticas sofrem agregação probabilística,
Leia maisÁlgebra 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 =
Leia maisMAP Métodos Numéricos e Aplicações Escola Politécnica 1 Semestre de 2017 EPREC - Entrega em 27 de julho de 2017
1 Preliminares MAP3121 - Métodos Numéricos e Aplicações Escola Politécnica 1 Semestre de 2017 EPREC - Entrega em 27 de julho de 2017 A decomposição de Cholesky aplicada a Finanças O exercício-programa
Leia maisMÉTODO AHP ANALYTIC HIERARCH PROCESS. Prof. M.Sc. Marcos dos Santos
MÉTODO AHP ANALYTIC HIERARCH PROCESS Email: marcosdossantos_coppe_ufrj@yahoo.com.br INTRODUÇÃO Um dos primeiros métodos desenvolvidos no ambiente das Decisões Mul7critério Discretas, sendo talvez o mais
Leia maisMAT2458 ÁLGEBRA LINEAR PARA ENGENHARIA II 2 a Prova - 2 o semestre de T ( p(x) ) = p(x + 1) p(x), (a) 8, (b) 5, (c) 0, (d) 3, (e) 4.
MAT2458 ÁLGEBRA LINEAR PARA ENGENHARIA II 2 a Prova - 2 o semestre de 218 Q1. Considere a transformação linear T : P 3 (R) P 2 (R), dada por T ( p(x) ) = p(x + 1) p(x), para todo p(x) P 3 (R), e seja A
Leia maisÁlgebra Linear /2 Turma EM1 (unificada)
Álgebra Linear 2 2013/2 Turma EM1 (unificada) Planejamento preliminar (última revisão: 3/4/2013) Os exercícios correspondentes a cada aula serão discutidos na aula seguinte e não valem nota Este planejamento
Leia maisCapítulo 4 - Interpolação Polinomial
Capítulo 4 - Interpolação Polinomial Carlos Balsa balsa@ipbpt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng Civil e Electrotécnica Carlos Balsa Métodos Numéricos
Leia maisProduto Interno - Mauri C. Nascimento - Depto. de Matemática - FC UNESP Bauru
1 Produto Interno - Mauri C. Nascimento - Depto. de Matemática - FC UNESP Bauru Neste capítulo vamos considerar espaços vetoriais sobre K, onde K = R ou K = C, ou seja, os espaços vetoriais podem ser reais
Leia maisCálculo Numérico BCC760
Cálculo Numérico BCC760 Resolução de Sistemas de Equações Lineares Simultâneas Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ 1 Introdução! Definição Uma equação é dita
Leia maisGeovan Tavares, Hélio Lopes e Sinésio Pesco PUC-Rio Departamento de Matemática Laboratório Matmidia
Álgebra Linear Computacional Geovan Tavares, Hélio Lopes e Sinésio Pesco PUC-Rio Departamento de Matemática Laboratório Matmidia http://www.matmidia.mat.puc-rio.br 1 Álgebra Linear Computacional - Parte
Leia maisÁlgebra Linear. Professor Alessandro Monteiro. 1º Sábado - Matrizes - 11/03/2017
º Sábado - Matrizes - //7. Plano e Programa de Ensino. Definição de Matrizes. Exemplos. Definição de Ordem de Uma Matriz. Exemplos. Representação Matriz Genérica m x n 8. Matriz Linha 9. Exemplos. Matriz
Leia maisNota importante: U é a matriz condensada obtida no processo de condensação da matriz
Decomposição P T LU A denominada decomposição P T L U é um processo que pode ser extremamente útil no cálculo computacional, na resolução de sistemas de equações lineares. Propriedade Seja A uma matriz
Leia maisALTERNATIVAS LOCACIONAIS PARA A GERAÇÃO RENOVÁVEL EM MINAS GERAIS: UMA DISCUSSÃO BASEADA NA ABORDAGEM MULTICRITÉRIO ESPACIAL
ALTERNATIVAS LOCACIONAIS PARA A GERAÇÃO RENOVÁVEL EM MINAS GERAIS: UMA DISCUSSÃO BASEADA NA ABORDAGEM MULTICRITÉRIO ESPACIAL VI Congresso Brasileiro de Energia Solar UFMG BH Lívia Maria Leite da Silva
Leia maisCSE-020 Revisão de Métodos Matemáticos para Engenharia
CSE-020 Revisão de Métodos Matemáticos para Engenharia Engenharia e Tecnologia Espaciais ETE Engenharia e Gerenciamento de Sistemas Espaciais L.F.Perondi Engenharia e Tecnologia Espaciais ETE Engenharia
Leia maisMAT Resumo Teórico e Lista de
MAT 0132 - Resumo Teórico e Lista de Exercícios April 10, 2005 1 Vetores Geométricos Livres 1.1 Construção dos Vetores 1.2 Adição de Vetores 1.3 Multiplicação de um Vetor por um Número Real 2 Espaços Vetoriais
Leia maisMétodos Computacionais Aplicados à Estatística
Métodos Computacionais Aplicados à Estatística Decomposição de Cholesky Frederico M. Almeida Guilherme A. S. Aguilar 20 de Novembro de 2018 1 Introdução Os métodos de otimização numérica são uma alternativa
Leia maisINSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO DIVISÃO DE PROCESSAMENTO DE IMAGENS
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO DIVISÃO DE PROCESSAMENTO DE IMAGENS SER-300: INTRODUÇÃO AO GEOPROCESSAMENTO Laboratório IV: Análise espacial
Leia maisLaboratório de Simulação Matemática. Parte 6 2
Matemática - RC/UFG Laboratório de Simulação Matemática Parte 6 2 Prof. Thiago Alves de Queiroz 2/2017 2 [Cap. 6] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning, 2010. Thiago
Leia maisDiagonalização de Operadores. Teorema Autovetores associados a autovalores distintos de um operador linear T : V V são linearmente independentes.
Teorema Autovetores associados a autovalores distintos de um operador linear T : V V são linearmente independentes. Teorema Autovetores associados a autovalores distintos de um operador linear T : V V
Leia maisVetores e Geometria Analítica
Vetores e Geometria Analítica ECT2102 Prof. Ronaldo Carlotto Batista 23 de fevereiro de 2016 AVISO O propósito fundamental destes slides é servir como um guia para as aulas. Portanto eles não devem ser
Leia maisMAT3458 ÁLGEBRA LINEAR II 2 a Lista de Exercícios 2 o semestre de 2018
MAT3458 ÁLGEBRA LINEAR II 2 a Lista de Exercícios 2 o semestre de 2018 1. Verdadeiro ou falso? Justifique suas respostas. (i) Existe uma transformação linear T : P 3 (R) M 2 (R) cuja matriz em relação
Leia maisMatemática II /06 - Matrizes 1. Matrizes
Matemática II - 00/0 - Matrizes Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n (m vezes n ou m por n) a uma função A : f; ; :::; mg f; ; :::; ng R: (i; j) A (i; j)
Leia maisEstabilidade 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
Leia maisMAE125 Álgebra Linear /1 Turmas EQN/QIN
MAE25 Álgebra Linear 2 205/ Turmas EQN/QIN Planejamento (última revisão: 0 de junho de 205) Os exercícios correspondentes a cada aula serão cobrados oralmente na semana seguinte à aula e valem nota Todas
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 12 04/2014 Sistemas de Equações Lineares Parte 2 FATORAÇÃO LU Cálculo Numérico 3/37 FATORAÇÃO LU Uma fatoração LU de uma dada
Leia maisUniversidade Federal de Viçosa Centro de Ciências Exatas e Tecnológicas Departamento de Matemática
1 Universidade Federal de Viçosa Centro de Ciências Exatas e Tecnológicas Departamento de Matemática Lista 4 - MAT 137 -Introdução à Álgebra Linear 2017/II 1. Entre as funções dadas abaixo, verifique quais
Leia maisFerramentas 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
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 maisAnálise de Multicritério Aplicada ao Estudo de Alternativas de Controle Ambiental no Setor Agroindustrial: Produção de Queijo Qualho
Análise de Multicritério Aplicada ao Estudo de Alternativas de Controle Ambiental no Setor Agroindustrial: Produção de Queijo Qualho OLIVEIRA, E. D., ANTUNES, D. E., MENDES, D., DEMETRIO, J. C. C., DEMETRIO,
Leia maisGeometria anaĺıtica e álgebra linear
Geometria anaĺıtica e álgebra linear Francisco Dutenhefner Departamento de Matematica ICEx UFMG 22/08/13 1 / 24 Determinante: teorema principal Teorema: Se A é uma matriz quadrada, então o sistema linear
Leia mais1 Conceitos Iniciais. 1.1 Grafos
1 Conceitos Iniciais O objetivo deste capítulo é revisar conceitos básicos, mas fundamentais, sobre grafos, passeios aleatórios (random walks) com especial destaque aos passeios aleatórios sobre grafos
Leia maisADA 1º BIMESTRE CICLO I 2018 MATEMÁTICA 2ª SÉRIE DO ENSINO MÉDIO
ADA º BIMESTRE CICLO I 08 MATEMÁTICA ª SÉRIE DO ENSINO MÉDIO ITEM DA ADA Um sistema de equações pode ser usado para representar situações-problemas da matemática ou do dia-a-dia. Assinale a alternativa
Leia mais1 Álgebra linear matricial
MTM510019 Métodos Computacionais de Otimização 2018.2 1 Álgebra linear matricial Revisão Um vetor x R n será representado por um vetor coluna x 1 x 2 x =., x n enquanto o transposto de x corresponde a
Leia maisMatrizes 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
Leia maisIMPLANTAÇÃO DE ESTACIONAMENTOS DE AUTOMÓVEIS E BICICLETAS INTEGRADOS AO TRANSPORTE PÚBLICO RESUMO
IMPLANTAÇÃO DE ESTACIONAMENTOS DE AUTOMÓVEIS E BICICLETAS INTEGRADOS AO TRANSPORTE PÚBLICO Mariana de Paiva Instituto Militar de Engenharia, Rio de Janeiro, RJ, Brasil marianadepaiva@gmail.com Vânia Barcellos
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 maisÁlgebra Linear I - Lista 12. Matrizes semelhantes. Diagonalização. Respostas
Álgebra Linear I - Lista 12 Matrizes semelhantes. Diagonalização Respostas 1) Determine quais das matrizes a seguir são diagonalizáveis. Nos caso afirmativos encontre uma base de autovetores e uma forma
Leia mais2. Sistemas lineares
2. Sistemas lineares 2.1 Conceitos fundamentais. 2.2 Sistemas triangulares. 2.3 Eliminação de Gauss. 2.4 Decomposição LU. 2.5 Decomposição de Cholesky. 2.6 Decomposição espectral. 2.7 Uso da decomposição.
Leia maisConceitos Básicos de Matemática. Aula 1. ISCTE - IUL, Mestrados de Continuidade. Diana Aldea Mendes. 12 de Setembro de 2011
Conceitos Básicos de Matemática Aula 1 ISCTE - IUL, Mestrados de Continuidade Diana Aldea Mendes diana.mendes@iscte.pt 12 de Setembro de 2011 DMQ, ISCTE-IUL (diana.mendes@iscte.pt) Matemática 12 de Setembro
Leia maisÁlgebra Linear para MBiol MAmb
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Álgebra Linear para MBiol MAmb Teste 3 22 de Dezembro de 212 Duração: 9 minutos Resolução da versão A (1. val.) 1. Considere
Leia maisForma Canônica de Matrizes 2 2
Forma Canônica de Matrizes Slvie Olison Kamphorst Departamento de Matemática - ICE - UFMG Versão. - Novembro 5 a b Seja A c d induzida por A uma matriz real e seja T a transformação operador linear de
Leia maisAvaliação e programa de Álgebra Linear
Avaliação e programa de Álgebra Linear o Teste ( de Março): Sistemas de equações lineares e matrizes. Espaços lineares. o Teste ( de Maio): Matriz de mudança de base. Transformações lineares. o Teste (
Leia mais