Sistemas Lineares com Múltiplos Lados Direitos e Operadores de Projeção
|
|
- Denílson Barateiro Amorim
- 8 Há anos
- Visualizações:
Transcrição
1 Sistemas Lineares com Múltiplos Lados Direitos e Operadores de Projeção Valéria S. Motta Departamento Básico, Instituto Militar de Engenharia - IME, Praça General Tibúrcio, 80, Praia Vermelha, , Rio de Janeiro, RJ. valeria@ime.eb.br. Luiz M. Carvalho Departamento de Matemática Aplicada, Instituto de Matemática e Estatística, Universidade do Estado do Rio de Janeiro - UERJ, Rua São Francisco de Xavier, 524, sala 6026, bloco D, Maracanã, , Rio de Janeiro, RJ. luizmc@ime.uerj.br. Nelson Maculan Programa de Engenharia de Sistemas e Computação - COPPE, Universidade Federal do Rio de Janeiro - UFRJ, C. P , , Rio de Janeiro - RJ. maculan@cos.ufrj.br. 1 Introdução A resolução de sistemas lineares com grande número de incógnitas é uma área de muito interesse na Ciência da Computação. Vários métodos foram desenvolvidos nessa busca, podemos citar alguns deles: Lanczos [?], [?], Gradiente Conjugado (CG) [?], [?], Mínimo Resíduo Generalizado (GMRES) [?], Gradiente Bi-Conjugado (Bi-CG) [?], Gradiente Conjugado Quadrado (CGS) [?], Gradiente Bi-Conjugado Estabilizado (Bi-CGSTAB) [?], Gradiente Bi-Conjugado Estabilizado em Bloco (Bi-CGSTAB em Bloco) [?]. A escolha do melhor método para se resolver um determinado sistema depende de algumas características da matriz principal do sistema, se ela é simétrica, positiva-definida, nãosimétrica, semi-definida, esparsa, entre outras. Esses métodos iterativos são baseados em projeções em subespaços de Krylov e precisam Aluna de doutorado do Programa de Engenharia de Sistemas e Computação - COPPE - UFRJ. mvaleria@cos.ufrj.br construir bases para esses espaços. Tais bases devem ser numericamente estáveis, então, devem ser ortogonalizadas. A ortogonalização de uma base de um subespaço de Krylov pode ser conseguida através de, principalmente, dois métodos básicos, o de Arnoldi [?], [?] e o da Bi-Ortogonalização de Lanczos [?], [?]. Alguns dos algoritmos acima apresentam sua versão em Bloco, a saber: o algoritmo de Lanczos em Bloco [?], o Gradiente Conjugado em Bloco (BCG) (em mais de uma versão)[?], [?], o Gradiente Bi-Conjugado em bloco (BBi-CG) [?]. Neste trabalho, as letras maiúsculas denotarão matrizes; o índice superior em uma matriz, vetor ou em um escalar denota o número da iteração considerada; colunas de uma matriz são indicadas pelo índice baixo; elementos de uma matriz têm indicado no índice baixo o número de sua linha e coluna. Assim, por exemplo x (k) i,j é o elemento da matriz X (k) da i-ésima linha e j-ésima coluna. As letras α, β, γ, ε, η, ν, e ω denotam matrizes de ordem s s. A letra σ i
2 denota os valores singulares, enquanto que λ i denota os autovalores. Em relação aos teoremas enunciados, no decorrer do trabalho, serão indicadas referências para cada uma de suas demonstrações. Esse trabalho é baseado principalmente em [?], analisando os métodos a partir de operadores de projeção, como contribuição algumas proposições novas são propostas e demonstradas. Serão chamados de Teoremas os resultados que se encontram em [?] e Proposições os resultados que obtivemos. Na segunda seção, faremos uma revisão sobre operadores de projeção, nessa seção apresentamos a primeira proposição. Na terceira seção definimos um subespaço de Krylov e o método e algoritmo de Arnoldi [?], [?], a segunda proposição é apresentada e sob seu enfoque o algoritmo é reescrito. Na quarta seção abordamos os algoritmos de Lanczos [?], [?], teoremas e conceitos relacionados, segue daí a terceira proposição e o algoritmo de Lanczos Bi-Ortogonal [?], [?], [?] reescrito. Na quinta seção, o algoritmo do Gradiente Bi- Conjugado Estabilizado em Bloco [?], [?], [?] é o exemplo de algoritmo para resolução de sistemas com múltiplos lados direitos. Esse algoritmo é estudado e a partir dele temos a quarta proposição. 2 Operadores de Projeção Definição 1 Considere P uma transformação linear, P é dita uma projeção, P : C n C n se P 2 = P, P é chamado também idempotente. Todo elemento de C n (espaço vetorial complexo n-dimensional) pode ser escrito na forma, x = P(x) + (I P)(x) (1) portanto, pode-se provar que, o espaço C n pode ser decomposto na seguinte soma direta: C n = N(P) Im(P), (2) onde N(P) = {x C n P(x) = 0} é o núcleo de P e Im(P) = {y C n x C n ; P(x) = y}, a imagem de P. A recíproca é dada no teorema a seguir. Teorema 1 Para todo par de subespaços M e S de C n, tais que, a soma direta desses dois su- Px K x Px L Figura 1: Projeção de x sobre M e ortogonal a L bespaços resulta em C n, então, existe uma única projeção P onde Im(P) = M e N(P) = S. Prova [?]. Essa transformação linear P é dita projeção sobre M, ao longo ou paralela ao subespaço linear S. O espaço vetorial C n se expressa como a soma direta da Im(P) = M e N(P) = S, sabemos que N(P) = Im(I P). Se dim(im(p)) = m então, dim(n(p)) = dim(im(i P)) = n m. Portanto, podemos definir S a partir de seu complemento ortogonal L = S, onde dim(l) = dim(s ) = m. { P(x) M (3) x P(x) L. As equações dadas em (??) definem uma projeção sobre M e ortogonal ao subespaço L. Uma projeção genérica é ilustrada na Figura (1) Métodos Gerais de Projeção Sejam A uma matriz real de ordem n n e, ainda, K e L dois subespaços m-dimensionais de R n. Uma técnica de projeção sobre o subespaço K e ortogonal a L é um processo de encontrar a solução aproximada x de Ax = b tendo condições para que x pertença a K e a de que o novo vetor resíduo seja ortogonal a L. Determine x K tal que b A x L. Se desejarmos utilizar uma solução inicial x 0, então a solução aproximada deve ser procurada no espaço afim x 0 + K ao invés de no espaço vetorial K. O problema pode ser redefinido por: Determine x x 0 + K tal que b A x L. x Px L K
3 Observe que, se x é escrito na forma x = x 0 +δ e o vetor resíduo inicial r 0 é definido como r 0 = b Ax 0, (4) então a equação acima é dada por b A(x 0 + δ) L ou r 0 Aδ L. (5) Em outras palavras, a solução aproximada pode ser definida como: x = x 0 + δ, δ K (6) (r 0 Aδ, w) = 0, w L. (7) Esse é o passo básico da projeção, na sua forma mais geral. A maioria das técnicas usam uma sucessão de projeções. Normalmente, cada novo passo da projeção usa um novo par de subespaços K e L e uma nova solução inicial x 0, essa, igual a mais recente aproximação obtida no passo anterior da projeção. Métodos projetivos formam uma estrutura para os principais métodos iterativos utilizados na resolução se sistemas lineares. Um protótipo da técnica de projeção é representada no algoritmo a seguir. Algoritmo 2.1. Protótipo do Método de Projeção 1. Sejam a matriz A e os vetores x 0 e b, Do 2. Selecione um par de subespaços K e L 3. Escolha bases V = [v 1,...,v m ] e W = [w 1,...,w m ] para K e L 4. r := b Ax 5. y := (W H AV ) 1 W H r 6. x := x + V y 7. EndDo Proposição 1 Seja o Algoritmo 2.1. Então, existe um operador de projeção P, que projeta o erro e sobre o subespaço K. A matriz que representa tal operador é dada por: P = V (W H AV ) 1 W H A (8) O passo (6) do algoritmo é semelhante à equação (??), tomemos δ = V y. No passo (7) temos y = (W H AV ) 1 W H r, sabendo que r = Ae, onde e é o erro, temos que: y = (W H AV ) 1 W H Ae, (9) e δ = V (W H AV ) 1 W H Ae. (10) Considere P = V (W H AV ) 1 W H A, podemos verificar que P 2 = P, ou seja, P é a projeção dada na Proposição 1. Da equação (??) segue que δ = Pe, por hipótese temos que δ K, então podemos concluir que δ é a projeção do erro e sobre o subespaço K. Para que o Algoritmo 2.1 funcione, devemos ter que a matriz W H AV é invertível. Teorema 2 Sejam A, K e L satisfazendo às condições abaixo: (i) A é positiva definida e K = L ou (ii) A é não-singular e L = AK. Então a matriz W H AV é não-singular para quaisquer bases de V e W de K e L, respectivamente. [?]. 3 Método de Arnoldi 3.1 Subespaço de Krylov Definição 2 O espaço m-dimensional gerado pelo vetor v e pelas potências de A multiplicadas por v até o expoente (m 1), é chamado subespaço de Krylov m-dimensional [?], [?], [?], notamos tal subespaço por K m (A, v). Os métodos iterativos que serão abordados buscam a solução aproximada do sistema Ax = b em um subespaço de Krylov conveniente. Considerando x 0 = 0 a solução inicial, x i a solução aproximada e r i = b Ax i o resíduo, ambos na iteração i, sabemos que: r i = p i (A)r 0. (11) onde p i (A) é um polinômio de grau i. Segue que: x i+1 = i (I A) j r 0 [r 0, Ar 0,...,A i r 0 ] j=0 K i+1 (A, r 0 ). (12) Nessa abordagem o subespaço de Krylov é o conjunto ao qual pertencem as soluções aproximadas de um sistema linear da forma, Ax = b.
4 Vamos obter uma base para esse subespaço. Uma base que deve ser obviamente considerada é: {r 0, Ar 0,...,A i 1 r 0 } K i (A, r 0 ) (13) mas essa base pode não ser muito atrativa sob o ponto de vista numérico. Os vetores A j r 0 apontam mais e mais para a direção do autovetor associado ao maior autovalor, quando j cresce. Com isso, a base dos vetores pode ir se tornando linearmente dependente em aritmética finita. Na próxima seção veremos como construir uma base adequada para um subespaço de Krylov. 3.2 Método de Arnoldi O processo de Arnoldi é um método para se computar uma base ortonormal {v 1, v 2,...,v j } do subespaço de Krylov, K j (A, v 1 ). A ortonormalização admite diferentes procedimentos, um deles é o Gram-Schmidt modificado. Algoritmo 2.2. Algoritmo de Arnoldi 1. v 1 = r0 r for j = 1,...,m 1 3. w j+1 = Av j ; 4. for i = 1,...,j 5. h i,j = vi Tw j+1; 6. w j+1 = w j+1 h i,j v i ; 7. end; 8. h j+1,j = w j+1 2 ; 9. v j+1 = wj+1 h j+1,j ; 10. end. Em termos matriciais, os passos (2) a (7) do Algoritmo 2.2 podem ser escritos como: V H m AV m = H m (14) onde H m é uma matriz de Hessenberg superior, ou seja, são nulos todos os elementos abaixo da primeira subdiagonal (diagonal logo abaixo da diagonal principal). Proposição 2 Seja o Algoritmo 2.2. Então, existe um operador de projeção P, que projeta o vetor Av i sobre o subespaço de Krylov K i (A, v 1 ), onde i = 1,...,m. A matriz que representa tal operador é dada por: P = V V H (15) Consideremos V uma base para o subespaço de Krylov, K m (A, v 1 ). Considerando do passo (2) ao passo (7), teremos: w = Av j h i,j v i (16) i=1 Façamos Av = x e P(x) = j i=1 h i,jv i, mas P(x) pode ser escrita como P(x) = V y. Queremos provar que P é uma projeção, ou seja, P 2 = P. Temos que: w = x V y (17) V H w = V H x V H V y Mas, por hipótese, as colunas de V são ortogonais a w, assim V H w = 0 e temos também que V H V = I, então: y = V H x, como P(x) = V y, temos P = V V H, observe que P 2 = P, logo P é a projeção dada na Proposição 2. Podemos concluir que a projeção P = V V H projeta o vetor Av i sobre o subespaço de Krylov, K i (A, v 1 ), com i = 1,...,m. 4 Métodos de Lanczos O algoritmo simétrico de Lanczos [?], [?], [?], pode ser visto como uma simplificação do método de Arnoldi para o caso particular em que a matriz considerada é simétrica. Quando A é simétrica, então a matriz de Hessenberg H m é uma tridiagonal simétrica. Algoritmo 2.3. Algoritmo de Lanczos 1. Escolha um vetor v 1 tal que v 1 2 = 1. Seja β 1 0,v Para j = 1,2,...,m, Do 3. w j = Av j β j v j 1 4. α j = (w j,v j ) 5. w j = w j α j v j 6. β j+1 = w j 2. Se β j+1 = 0 então Stop 7. v j+1 = wj β j+1 8. EndDo Relacionando o método de Lanczos com a projeção, os resultados são análogos ao método de Arnoldi, sua projeção é dada por P = V V H e
5 projeta o vetor Av i sobre o subespaço de Krylov dado por K i (A, v 1 ), com i = 1,...,m. A particularidade é que a matriz H é tridiagonal, como já vimos anteriormente. Em aritmética exata, o ponto central do algoritmo de Lanczos é a relação da forma: β j+1 v j+1 = Av j α j v j β j v j 1. (18) Nessa recorrência temos três vetores envolvidos, v j 1, v j e v j+1, por isso é chamada recorrência de três termos [?], [?], [?]. Temos que guardar três vetores a cada iteração no Algoritmo de Lanczos, enquanto que no Algoritmo de Arnoldi guardamos todos os vetores da base do subespaço de Krylov calculados até a iteração corrente. Vamos considerar agora a matriz A nãosimétrica. Definição 3 Dois conjuntos de vetores U = {u 1,...,u m } e V = {v 1,...,v m } são ditos biortogonais se: (u i, v j ) = δ ij, onde { 1,se i = j, delta ij = 0,se i j. Na forma matricial temos V H U = I. Não poderemos resolver o sistema Ax = b com uma única recorrência de três termos, mas podemos obter uma base adequada, nãoortogonal, com uma recorrência de três termos, desde que essa base seja bi-ortogonal em relação a alguma outra base dada anteriormente. Vamos construir os conjuntos de vetores, {v 1,...,v i } K i (A, r 0 ) e {w 1,...,w i } K i (A H, ˆr 0 ), partindo de um dos algoritmos de Lanczos(pag. 34 [?]). Algoritmo 2.4. Algoritmo da Bi-Ortogonalização de Lanczos 1. Escolha dois vetores v 1, w 1 tais que (v 1,w 1 ) = 1 2. Sejam β 1 δ 1 0, w 0 v Para j = 1,2,...,m. Do 4. α j = (Av j,w j ) 5. ṽ j+1 = Av j α j v j β j v j 1 6. w j+1 = A H w j α j w j δ j w j 1 7. δ j+1 = (ṽ j+1, w j+1 ) 1/2. If δ j+1 = 0 Stop 8. β i+1 = (ṽ j+1, w j+1 )/δ j+1 9. w j+1 = w j+1 /β j v j+1 = ṽ j+1 /δ j EndDo Nessa formulação cada vetor das duas bases, V e W, têm norma unitária e (v j, w j ) = 1, mas os vetores podem ser também escolhidos de tal forma que (v j, w j ) = d j. Teorema 3 Se não ocorre falha no Algoritmo (2.4) antes de m passos, então: { 1,se i = j, (v i, w j ) =, 1 i, j m. (19) 0,se i j. [?]. A condição de bi-ortogonalidade implica que: V H W = I (20) Proposição 3 Seja o Algoritmo 2.4. Então, existe um operador de projeção P, que projeta o vetor Av i sobre o subespaço de Krylov K i (A, v 1 ), onde i = 1,...,m. A matriz que representa tal operador é dada por: P = V W H (21) Temos também, o operador de projeção Q = P H, que projeta o vetor A H w i sobre o subespaço de Krylov K i (A H, w 1 ), onde i = 1,...,m. A matriz que representa tal operador é dada por: Q = WV H (22) Partindo do passo (5) e fazendo x = Av j e j α jv j β j v j 1 = P(x) = V y, temos: façamos: x = x V y (23) W H x = W H x W H V y (24) como as colunas de W são ortogonais a x e W H V = I, segue que: y = W H x assim P(x) = V W H x. (25) Observe que P 2 = P, assim P é uma projeção e sua matriz associada V W H projeta o vetor Av j sobre o subespaço de Krylov K j = K(A, v 1 ), com, j = 1,...,m. Analogamente podemos mostrar que Q = WV H.
6 5 Gradiente Bi-Conjugado Estabilizado em Bloco Um dos objetivos dos algoritmos em bloco [?], [?], [?] é o de resolver sistemas com múltiplos lados direitos de forma mais eficiente do que os algoritmos que não são em bloco. Nem sempre isso é possível, mas quando a matriz A é densa, ou quando trabalhamos com um précondicionador o método pode ser bem atrativo [?]. Vamos considerar o seguinte sistema: AX = B, (26) onde A é uma matriz real de ordem n n, nãosingular e não-simétrica, B e X são matrizes de ordem n s. O método iterativo toma uma solução X 0 e o resíduo inicial R 0 = B AX 0, com X 0, R 0 R n s. No passo k teremos X k = X 0 + k uma aproximação da solução do sistema (??), onde k K k (A, R 0 ) = [R 0, AR 0,...,A k 1 R 0 ] que é um subespaço de Krylov em Bloco. Vejamos o algoritmo do Gradiente Bi-Conjugado Estabilizado em Bloco [?]: Algoritmo 2.5. Algoritmo do Gradiente Bi-Conjugado Estabilizado em Bloco 1. Sejam X 0 é uma solução inicial e R 0 = B AX 0 o resíduo, ambas matrizes n s e R 0 de posto s. 2. Seja R 0 uma matrix n s arbitrária de posto s. 3. P 0 = R 0, P0 = R Para j = 0,1,... Do 5. α j = ( P H j AP j) 1 RH j R j 6. X j+1 = X j + P j α j 7. R j+1 = R j AP j α j 8. α j = (P H j AH Pj ) 1 R H j R j 9. Rj+1 = R j A H Pj α j 10. β j = ( R H j R j) 1 RH j+1 R j βj = (R H j R j ) 1 R H j+1 R j P j+1 = R j+1 + P j β j 13. Pj+1 = R j+1 + P j βj 14. EndDo Proposição 4 Seja o Algoritmo 2.5. Então, existe um operador de projeção Q, que projeta o erro E sobre o subespaço de Krylov, K = K(A, R 0 ). A matriz que representa tal operador é dada por: Q = V (W H AV ) 1 W H A (27) Observando os passos (6) e (7), podemos reescrevê-los como: ˆX = X + (28) ˆR = R A, (29) com K(A, R 0 ), tomamos = V Y. Por hipótese o resíduo é ortogonal ao subespaço de Krylov, L = (A H, R 0 ), assim: W H ˆR = W H R W H AV Y (30) Mas W H ˆR = 0, assim: Y = (W H AV ) 1 W H R (31) sabemos que o resíduo R é dado por R = AE, onde E é o erro, temos que: e Y = (W H AV ) 1 W H AE, (32) = V (W H AV ) 1 W H AE. (33) Considere Q = V (W H AV ) 1 W H A, podemos verificar que Q 2 = Q, ou seja, Q é uma projeção que projeta o erro sobre o subespaço de Krylov K = K(A, R 0 ). 6 Conclusões Nesse trabalho apresentamos uma diferenciação entre os métodos iterativos baseados no método de Arnoldi e os que são baseados no método de Lanczos Bi-Ortogonal. Para tal, estudamos os algoritmos clássicos sob o enfoque de projeções. Assim, alguns algoritmos foram apresentados de uma nova forma, usando os operadores de projeção implícitos em cada método abordado. Temos como objetivos futuros implementar alguns métodos em bloco, na resolução de sistemas com múltiplos lados direitos e compará-los. Referências [1] H. Dai. Block Bidiagonalization Methods For Solving Nonsymmetric Linear Systems With Multiple Right-Hand Sides. Technical report, 1998.
7 [2] R. Fletcher. Conjugate Gradient Methods for Indefinite Systems. In G. Watson, editor, Proc. of the Dundee Biennial Conference on Numerical Analysis (1975), volume 506 of Lecture Notes in Mathematics, pages Springer Verlag Berlin, Heidelberg, New York, [3] G. H. Golub and D. P. O Leary. Some History of the Conjugate Gradient and Lanczos Algorithms: SIAM Review, 31(1):50 102, [4] A. Greenbaum. Iterative Methods for Solving Linear Systems. SIAM, [5] A. E. Guennouni and K. Jbilou. A Block Version of BICGSTAB for Linear Systems with Multiple Rigth -Hand Sides. ETNA, 16: , [6] A. E. Guennouni, K. Jbilou, and H. Sadok. The block Lanczos method for linear systems with multiple right-hand sides. Applied Numerical Mathematics, 51(2-3): , [7] M. R. Hestenes and E. Stiefel. Methods of Conjugate Gradients for Solving Linear Systems. Journal of Research os the National Bureau of Standards, 49(6): , December [8] I. C. F. Ipsen and C. D. Meyer. The Idea Behind Krylov Methods. American Mathematical Monthly, 105(10): , [13] J. Rice, editor. The block Lanczos method for computing elgenvalues, New York, Academic Press. [14] Y. Saad. Iterative Methods for Sparse Linear Systems. SIAM, 2nd ed. edition, [15] Y. Saad and M. H. Schultz. GMRES: A generalized minimal residual algorithm for solving nonsymmetric linear systems. SIAM Journal on Scientific and Statistical Computing, 7(3): , [16] J. R. Shewchuk. An Introduction to the Conjugate Gradient Method Without the Agonizing Pain. Technical report, Pittsburgh, PA, USA, [17] P. Sonneveld. CGS, A Fast Lanczos-Type Solver for Nonsymmetric Linear Systems. SIAM Journal on Scientific and Statistical Computing, 10(1):36 52, [18] H. A. van der Vorst. BI-CGSTAB: A Fast and Smoothly Converging Variant of BI- CG for the solution of Nonsymmetric Linear Systems. SIAM Journal on Scientific and Statistical Computing, 13(2): , [19] H. A. van der Vorst. Iterative Krylov Methods for a Large Systems. Cambridge University Press, [9] C. Lanczos. An iterarion method for the solution of the eigenvalue problem of linear differential and integral operators. J. Res. Nat. Bur. Standards, (45): , [10] Lanczos.C. Solution of systems of linear equations by minimized iterations. J. Res. Natl. Bur. Stand, 49:pp , [11] D. O Leary. The block conjugate gradient algorithm and related methods. Linear Algebra and Its Applications, 29: , [12] C. C. Paige and M. A. Saunders. Solution of sparse indefinite systems of linear equations. SIAM J. Numer. Anal., 12: , 1975.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Matrizes; Matrizes Especiais; Operações com Matrizes; Operações Elementares
Leia maisRecordamos que Q M n n (R) diz-se ortogonal se Q T Q = I.
Diagonalização ortogonal de matrizes simétricas Detalhes sobre a Secção.3 dos Apontamentos das Aulas teóricas de Álgebra Linear Cursos: LMAC, MEBiom e MEFT (semestre, 0/0, Prof. Paulo Pinto) Recordamos
Leia maisBem, produto interno serve para determinar ângulos e distâncias entre vetores e é representado por produto interno de v com w).
Produto Interno INTRODUÇÃO Galera, vamos aprender agora as definições e as aplicações de Produto Interno. Essa matéria não é difícil, mas para ter segurança nela é necessário que o aluno tenha certa bagagem
Leia maisa 1 x 1 +... + a n x n = b,
Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição
Leia maisÁlgebra Linear. Mauri C. Nascimento Departamento de Matemática UNESP/Bauru. 19 de fevereiro de 2013
Álgebra Linear Mauri C. Nascimento Departamento de Matemática UNESP/Bauru 19 de fevereiro de 2013 Sumário 1 Matrizes e Determinantes 3 1.1 Matrizes............................................ 3 1.2 Determinante
Leia maisUm algoritmo espectral para redução do envelope de matrizes esparsas
Um algoritmo espectral para redução do envelope de matrizes esparsas Universidade Federal do Espírito Santo Mestrado em Informática Maio de 2009 Seja dada A R n n definida positiva (note que A é simétrica
Leia maisO Problema do Troco Principio da Casa dos Pombos. > Princípios de Contagem e Enumeração Computacional 0/48
Conteúdo 1 Princípios de Contagem e Enumeração Computacional Permutações com Repetições Combinações com Repetições O Problema do Troco Principio da Casa dos Pombos > Princípios de Contagem e Enumeração
Leia maisDisciplina: Introdução à Álgebra Linear
Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte Campus: Mossoró Curso: Licenciatura Plena em Matemática Disciplina: Introdução à Álgebra Linear Prof.: Robson Pereira de Sousa
Leia maisCapítulo 2 - Problemas de Valores Fronteira para Equações Diferenciais Ordinárias
Capítulo 2 - Problemas de Valores Fronteira para Equações Diferenciais Ordinárias Departamento de Matemática balsa@ipb.pt Mestrados em Engenharia da Construção Métodos de Aproximação em Engenharia 1 o
Leia maisExercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
Leia mais4.2 Produto Vetorial. Orientação sobre uma reta r
94 4. Produto Vetorial Dados dois vetores u e v no espaço, vamos definir um novo vetor, ortogonal a u e v, denotado por u v (ou u v, em outros textos) e denominado produto vetorial de u e v. Mas antes,
Leia mais1 Introdução. 1.1 Motivação da Pesquisa
21 1 Introdução 1.1 Motivação da Pesquisa Como resultado das necessidades inerentes ao crescimento e as exigências dos mercados elétricos, simulações computacionais estão agora envolvendo sistemas elétricos
Leia maisUniversidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 2013/I
1 Universidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 013/I 1 Sejam u = ( 4 3) v = ( 5) e w = (a b) Encontre a e b tais
Leia maisMÉTODO DUAL SIMPLEX COM BUSCA UNIDIMENSIONAL UTILIZANDO O GRADIENTE BI-CONJUGADO
MÉODO DUAL SIMPLEX COM BUSCA UNIDIMENSIONAL UILIZANDO O GRADIENE BI-CONJUGADO Ricardo Silveira Sousa Universidade Candido Mendes-Campos Rua Anita Peçanha 100, Parque São Caetano Campos dos Goytacazes -
Leia maisficha 3 espaços lineares
Exercícios de Álgebra Linear ficha 3 espaços lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12 3 Notação Sendo
Leia maisPor que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,...
Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... 0) O que veremos na aula de hoje? Um fato interessante Produtos notáveis Equação do 2º grau Como fazer a questão 5 da 3ª
Leia maisx0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas?
Recorrências Muitas vezes não é possível resolver problemas de contagem diretamente combinando os princípios aditivo e multiplicativo. Para resolver esses problemas recorremos a outros recursos: as recursões
Leia maisMaterial Teórico - Módulo de Divisibilidade. MDC e MMC - Parte 1. Sexto Ano. Prof. Angelo Papa Neto
Material Teórico - Módulo de Divisibilidade MDC e MMC - Parte 1 Sexto Ano Prof. Angelo Papa Neto 1 Máximo divisor comum Nesta aula, definiremos e estudaremos métodos para calcular o máximo divisor comum
Leia maisAPLICAÇÕES DA DERIVADA
Notas de Aula: Aplicações das Derivadas APLICAÇÕES DA DERIVADA Vimos, na seção anterior, que a derivada de uma função pode ser interpretada como o coeficiente angular da reta tangente ao seu gráfico. Nesta,
Leia maisExpansão linear e geradores
Espaços Vectoriais - ALGA - 004/05 4 Expansão linear e geradores Se u ; u ; :::; u n são vectores de um espaço vectorial V; como foi visto atrás, alguns vectores de V são combinação linear de u ; u ; :::;
Leia maisConceitos Fundamentais
Capítulo 1 Conceitos Fundamentais Objetivos: No final do Capítulo o aluno deve saber: 1. distinguir o uso de vetores na Física e na Matemática; 2. resolver sistema lineares pelo método de Gauss-Jordan;
Leia maisIntrodução ao Método de Galerkin Estocástico
Introdução ao Método de Galerkin Estocástico Americo Barbosa da Cunha Junior Departamento de Engenharia Mecânica Pontifícia Universidade Católica do Rio de Janeiro 1 Introdução A dinâmica de um sistema
Leia maisConstrução de tabelas verdades
Construção de tabelas verdades Compreender a Lógica como instrumento da ciência e como estrutura formal do pensamento, conhecendo e compreendendo as operações com os principais conceitos proposicionais
Leia maisÁlgebra Linear I Solução da 5ª Lista de Exercícios
FUNDAÇÃO EDUCACIONAL SERRA DOS ÓRGÃOS CENTRO UNIVERSITÁRIO SERRA DOS ÓRGÃOS Centro de Ciências e Tecnologia Curso de Graduação em Engenharia de Produção Curso de Graduação em Engenharia Ambiental e Sanitária
Leia mais[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo
4. SISTEMAS LINEARES 4.1. CONCEITO Um sistema de equações lineares é um conjunto de equações do tipo a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 11 x 1 + a 12 x 2 +... + a 1n x n = b 2... a n1 x 1 + a
Leia maisJinSol, uma interface em Java para solvers lineares.
JinSol, uma interface em Java para solvers lineares. Italo C. N. Lima, João Paulo K. Zanardi, Faculdade de Engenharia, PPGEM, UERJ, 20550-900, Rio de Janeiro, RJ E-mail: italonievinski@gmail.com, jpzanardi@gmail.com
Leia maisCURSO ONLINE RACIOCÍNIO LÓGICO
AULA QUINZE: Matrizes & Determinantes (Parte II) Olá, amigos! Pedimos desculpas por não ter sido possível apresentarmos esta aula na semana passada. Motivos de força maior nos impediram de fazê-lo, mas
Leia maisResíduos Quadráticos e Fatoração: uma aplicação à criptoanálise do RSA
Resíduos Quadráticos e Fatoração: uma aplicação à criptoanálise do RSA Charles F. de Barros 20 de novembro de 2008 Resumo Faremos uma breve introdução ao conceito de resíduos quadráticos, descrevendo em
Leia maisEspaços não reversíveis
{Nome da seção} Notas de aula Espaços não reversíveis Fernando Lucatelli Nunes UnB-UC/UP 1 Se X e Y são espaços topológicos quaisquer, o gráfico de uma função f : X Y é o conjunto G( f )={(x, f (x)) :
Leia mais1 Módulo ou norma de um vetor
Álgebra Linear I - Aula 3-2005.2 Roteiro 1 Módulo ou norma de um vetor A norma ou módulo do vetor ū = (u 1, u 2, u 3 ) de R 3 é ū = u 2 1 + u2 2 + u2 3. Geometricamente a fórmula significa que o módulo
Leia maisMétodo de Eliminação de Gauss. Eduardo Camponogara
Sistemas de Equações Lineares Método de Eliminação de Gauss Eduardo Camponogara Departamento de Automação e Sistemas Universidade Federal de Santa Catarina DAS-5103: Cálculo Numérico para Controle e Automação
Leia maisO ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2
3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata
Leia maisSó Matemática O seu portal matemático http://www.somatematica.com.br FUNÇÕES
FUNÇÕES O conceito de função é um dos mais importantes em toda a matemática. O conceito básico de função é o seguinte: toda vez que temos dois conjuntos e algum tipo de associação entre eles, que faça
Leia maisCapítulo 5: Transformações Lineares
5 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 5: Transformações Lineares Sumário 1 O que são as Transformações Lineares?...... 124 2 Núcleo e Imagem....................
Leia maisÅaxwell Mariano de Barros
ÍÒ Ú Ö Ö Ð ÓÅ Ö Ò Ó Ô ÖØ Ñ ÒØÓ Å Ø Ñ Ø ÒØÖÓ Ò Ü Ø Ì ÒÓÐÓ ÆÓØ ÙÐ ¹¼ ÐÙÐÓÎ ØÓÖ Ð ÓÑ ØÖ Ò Ð Ø Åaxwell Mariano de Barros ¾¼½½ ËÓÄÙ ¹ÅA ËÙÑ Ö Ó 1 Vetores no Espaço 2 1.1 Bases.........................................
Leia maisResolução de sistemas lineares
Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)
Leia maisPonto, reta e plano no espaço tridimensional, cont.
Ponto, reta e plano no espaço tridimensional, cont. Matemática para arquitetura Ton Marar 1. Posições relativas Posição relativa entre pontos Dois pontos estão sempre alinhados. Três pontos P 1 = (x 1,
Leia maisUniversidade Estadual de Santa Cruz. Departamento de Ciências Exatas e Tecnológicas. Especialização em Matemática. Disciplina: Estruturas Algébricas
1 Universidade Estadual de Santa Cruz Departamento de Ciências Exatas e Tecnológicas Especialização em Matemática Disciplina: Estruturas Algébricas Profs.: Elisangela S. Farias e Sérgio Motta Operações
Leia maisGAAL - 2013/1 - Simulado - 1 Vetores e Produto Escalar
GAAL - 201/1 - Simulado - 1 Vetores e Produto Escalar SOLUÇÕES Exercício 1: Determinar os três vértices de um triângulo sabendo que os pontos médios de seus lados são M = (5, 0, 2), N = (, 1, ) e P = (4,
Leia maisPP 301 Engenharia de Reservatórios I 11/05/2011
PP 301 Engenharia de Reservatórios I 11/05/2011 As informações abaixo têm como objetivo auxiliar o aluno quanto à organização dos tópicos principais abordados em sala e não excluem a necessidade de estudo
Leia maisA ideia de coordenatização (2/2)
8 a : aula (1h) 12/10/2010 a ideia de coordenatização (2/2) 8-1 Instituto Superior Técnico 2010/11 1 o semestre Álgebra Linear 1 o ano das Lics. em Engenharia Informática e de Computadores A ideia de coordenatização
Leia maisJá vimos que a energia gravitacional entre duas partículas de massas m 1 e m 2, com vetores posição em r 1 e r 2, respectivamente, é dada por
Força conservativa Já vimos que a energia gravitacional entre duas partículas de massas m 1 e m 2, com vetores posição em r 1 e r 2, respectivamente, é dada por U 12 = Gm 1m 2 r 2 r 1. Vimos também que
Leia mais¹CPTL/UFMS, Três Lagoas, MS,Brasil, oliveiralimarafael@hotmail.com. ²CPTL/UFMS, Três Lagoas, MS, Brasil.
Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, 2012 36 INTRODUÇÃO A CRIPTOGRAFIA RSA Rafael Lima Oliveira¹, Prof. Dr. Fernando Pereira de Souza². ¹CPTL/UFMS, Três Lagoas,
Leia maisResolução da Prova da Escola Naval 2009. Matemática Prova Azul
Resolução da Prova da Escola Naval 29. Matemática Prova Azul GABARITO D A 2 E 2 E B C 4 D 4 C 5 D 5 A 6 E 6 C 7 B 7 B 8 D 8 E 9 A 9 A C 2 B. Os 6 melhores alunos do Colégio Naval submeteram-se a uma prova
Leia maiscomputador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:
1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia
Leia maisQUADRADO MÁGICO - ORDEM 4
CONCEITO Partindo da definição original, os QUADRADOS MÁGICOS devem satisfazer três condições: a) tabela ou matriz quadrada (número de igual ao número de ); b) domínio: com elementos assumindo valores
Leia maisFórmula versus Algoritmo
1 Introdução Fórmula versus Algoritmo na resolução de um problema 1 Roberto Ribeiro Paterlini 2 Departamento de Matemática da UFSCar No estudo das soluções do problema abaixo deparamos com uma situação
Leia mais2. O número de vectores da base de L construída na alínea anterior é a soma do número de vectores das bases de M e N.
2.4. PROJECÇÕES 2. dim(l)=dim(m)+dim(n) Demonstração. Se L=M N, qualquer vector x L se pode escrever de forma única como a soma de um vector x M M e outro vector x N N. 1. Dada uma base de M, x M pode
Leia maisEquações do segundo grau
Módulo 1 Unidade 4 Equações do segundo grau Para início de conversa... Nesta unidade, vamos avançar um pouco mais nas resoluções de equações. Na unidade anterior, você estudou sobre as equações de primeiro
Leia maisIBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 6. O trabalho feito pela força para deslocar o corpo de a para b é dado por: = =
Energia Potencial Elétrica Física I revisitada 1 Seja um corpo de massa m que se move em linha reta sob ação de uma força F que atua ao longo da linha. O trabalho feito pela força para deslocar o corpo
Leia maisAs fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:
1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico
Leia maisSomatórias e produtórias
Capítulo 8 Somatórias e produtórias 8. Introdução Muitas quantidades importantes em matemática são definidas como a soma de uma quantidade variável de parcelas também variáveis, por exemplo a soma + +
Leia maisLista 1 para a P2. Operações com subespaços
Lista 1 para a P2 Observação 1: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós sugerimos
Leia maisModelagem no Domínio do Tempo. Carlos Alexandre Mello. Carlos Alexandre Mello cabm@cin.ufpe.br 1
Carlos Alexandre Mello 1 Modelagem no Domínio da Frequência A equação diferencial de um sistema é convertida em função de transferência, gerando um modelo matemático de um sistema que algebricamente relaciona
Leia maisSISTEMAS COM AMORTECIMENTO NÃO-PROPORCIONAL NO DOMÍNIO DA FREQÜÊNCIA
SISTEMAS COM AMORTECIMENTO NÃO-PROPORCIONAL NO DOMÍNIO DA FREQÜÊNCIA Zacarias Martin Chamberlain Pravia Professor - Faculdade de Engenharia e Arquitetura - Universidade de Passo Fundo/UFP zacarias@upf.br
Leia maisPOLINÔMIOS SIMÉTRICOS Carlos A. Gomes, UFRN, Natal RN.
POLINÔMIOS SIMÉTRICOS Carlos A. Gomes, UFRN, Natal RN. Nível Avançado Uma ferramenta bastante útil na resolução de problemas algébricos de fatoração, na resolução de sistemas de equações não lineares,
Leia maisEste apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade,
D Resumo de Álgebra Matricial Este apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade, necessária para o estudo de modelos de regressão linear múltipla usando matrizes,
Leia maisIvan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente:
Rumo ao ITA Física Análise Dimensional Ivan Guilhon Mitoso Rocha A análise dimensional é um assunto básico que estuda as grandezas físicas em geral, com respeito a suas unidades de medida. Como as grandezas
Leia maisSOFTWARE PARA ESTUDOS DE FUNÇÕES DE UMA VARIÁVEL COMPLEXA: FUNÇÕES ELEMENTARES
SOFTWARE PARA ESTUDOS DE FUNÇÕES DE UMA VARIÁVEL COMPLEXA: FUNÇÕES ELEMENTARES Edvaldo Lima da Silva 1 Faculdade de Ciências Programa de Pós-Graduação em Educação para a Ciência Universidade Estadual Paulista
Leia mais(x, y) = (a, b) + t*(c-a, d-b) ou: x = a + t*(c-a) y = b + t*(d-b)
Equação Vetorial da Reta Dois pontos P e Q, definem um único vetor v = PQ, que representa uma direção. Todo ponto R cuja direção PR seja a mesma de PQ está contido na mesma reta definida pelos pontos P
Leia maisIBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 4
Lei de Gauss Considere uma distribuição arbitrária de cargas ou um corpo carregado no espaço. Imagine agora uma superfície fechada qualquer envolvendo essa distribuição ou corpo. A superfície é imaginária,
Leia maisMatemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.
Matemática Essencial Equações do Segundo grau Conteúdo Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.br/matessencial/ 1 Introdução
Leia maisCapítulo 7 Medidas de dispersão
Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).
Leia maisCAPÍTULO 4. A Produção de Significados para a Noção de Base: Um Estudo de Caso
CAPÍTULO 4 A Produção de Significados para a Noção de Base: Um Estudo de Caso 77 4. Um Estudo Preliminar Na primeira fase de elaboração das atividades do estudo de caso, tentamos reunir alguns elementos
Leia maisObjetivos. Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas e
MÓDULO 2 - AULA 13 Aula 13 Superfícies regradas e de revolução Objetivos Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas
Leia maisCapítulo 2: Transformação de Matrizes e Resolução de Sistemas
2 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 2: Transformação de Matrizes e Resolução de Sistemas Sumário 1 Transformação de Matrizes.............. 3 1.1
Leia maisCapítulo 3. Cálculo Vetorial. 3.1 Segmentos Orientados
Capítulo 3 Cálculo Vetorial O objetivo deste capítulo é o estudo de vetores de um ponto de vista geométrico e analítico. De acordo com a necessidade, a abordagem do assunto será formal ou informal. O estudo
Leia maisDef. 1: Seja a quádrupla (V, K, +, ) onde V é um conjunto, K = IR ou K = IC,
ESPAÇO VETORIAL Def. 1: Seja a quádrupla (V, K, +, ) onde V é um conjunto, K = IR ou K = IC, + é a operação (função) soma + : V V V, que a cada par (u, v) V V, associa um único elemento de V, denotado
Leia maisCálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) III Resolução de sistemas lineares por métodos numéricos. Objetivos: Veremos
Leia maisExp e Log. Roberto Imbuzeiro Oliveira. 21 de Fevereiro de 2014. 1 O que vamos ver 1. 2 Fatos preliminares sobre espaços métricos 2
Funções contínuas, equações diferenciais ordinárias, Exp e Log Roberto Imbuzeiro Oliveira 21 de Fevereiro de 214 Conteúdo 1 O que vamos ver 1 2 Fatos preliminares sobre espaços métricos 2 3 Existência
Leia mais1 Descrição do Trabalho
Departamento de Informática - UFES 1 o Trabalho Computacional de Algoritmos Numéricos - 13/2 Métodos de Runge-Kutta e Diferenças Finitas Prof. Andréa Maria Pedrosa Valli Data de entrega: Dia 23 de janeiro
Leia maisNotas de Aula - Álgebra de Boole Parte 1
Universidade de Brasília Departamento de Engenharia Elétrica Sistemas Digitais 1 Prof. Dr. Alexandre Romariz Revisado em 27/4/06 Notas de Aula - Álgebra de Boole Parte 1 1 Introdução Fundamentos, Teoremas
Leia maisCorpos. Um domínio de integridade finito é um corpo. Demonstração. Seja D um domínio de integridade com elemento identidade
Corpos Definição Um corpo é um anel comutativo com elemento identidade em que todo o elemento não nulo é invertível. Muitas vezes é conveniente pensar em ab 1 como sendo a b, quando a e b são elementos
Leia maisContagem I. Figura 1: Abrindo uma Porta.
Polos Olímpicos de Treinamento Curso de Combinatória - Nível 2 Prof. Bruno Holanda Aula 4 Contagem I De quantos modos podemos nos vestir? Quantos números menores que 1000 possuem todos os algarismos pares?
Leia mais6. Geometria, Primitivas e Transformações 3D
6. Geometria, Primitivas e Transformações 3D Até agora estudamos e implementamos um conjunto de ferramentas básicas que nos permitem modelar, ou representar objetos bi-dimensionais em um sistema também
Leia maisEstabilidade. Carlos Alexandre Mello. Carlos Alexandre Mello cabm@cin.ufpe.br 1
Estabilidade Carlos Alexandre Mello 1 Introdução Já vimos que existem três requisitos fundamentais para projetar um sistema de controle: Resposta Transiente Estabilidade Erros de Estado Estacionário Estabilidade
Leia mais4 a LISTA DE EXERCÍCIOS Valores Próprios e Vectores Próprios Álgebra Linear - 1 o Semestre - 2013/2014 LEE, LEGI, LEIC-TP, LETI
4 a LISTA DE EXERCÍCIOS Valores Próprios e Vectores Próprios Álgebra Linear - 1 o Semestre - 2013/2014 LEE, LEGI, LEIC-TP, LETI Problema 1 Considere a matriz A = 1 0 0 0 2 1 2 0 3 Diga quais dos seguintes
Leia maisConceitos e fórmulas
1 Conceitos e fórmulas 1).- Triângulo: definição e elementos principais Definição - Denominamos triângulo (ou trilátero) a toda figura do plano euclidiano formada por três segmentos AB, BC e CA, tais que
Leia maisR é o conjunto dos reais; f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range).
f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). R é o conjunto dos reais; R n é o conjunto dos vetores n-dimensionais reais; Os vetores
Leia maisMAT1154 ANÁLISE QUALITATIVA DE PONTOS DE EQUILÍBRIO DE SISTEMAS NÃO-LINEARES
MAT1154 ANÁLISE QUALITATIVA DE PONTOS DE EQUILÍBRIO DE SISTEMAS NÃO-LINEARES VERSÃO 1.0.2 Resumo. Este texto resume e complementa alguns assuntos dos Capítulo 9 do Boyce DiPrima. 1. Sistemas autônomos
Leia maisAnálise e Resolução da prova de Auditor Fiscal da Fazenda Estadual do Piauí Disciplina: Matemática Financeira Professor: Custódio Nascimento
Análise e Resolução da prova de Auditor Fiscal da Fazenda Estadual do Piauí Disciplina: Professor: Custódio Nascimento 1- Análise da prova Neste artigo, faremos a análise das questões de cobradas na prova
Leia maisSistemas Lineares. 2. (Ufsj 2013) Considere o seguinte sistema de equações lineares, nas incógnitas x, y e z:
Sistemas Lineares 1. (Unesp 2013) Uma coleção de artrópodes é formada por 36 exemplares, todos eles íntegros e que somam, no total da coleção, 113 pares de patas articuladas. Na coleção não há exemplares
Leia maisPOR QUE INVERTER O SINAL DA DESIGUALDADE EM UMA INEQUAÇÃO? GT 02 Educação matemática no ensino médio e ensino superior.
POR QUE INVERTER O SINAL DA DESIGUALDADE EM UMA INEQUAÇÃO? GT 02 Educação matemática no ensino médio e ensino superior. Bruno Marques Collares, UFRGS, collares.bruno@hotmail.com Diego Fontoura Lima, UFRGS,
Leia maisRetas e Planos. Equação Paramétrica da Reta no Espaço
Retas e lanos Equações de Retas Equação aramétrica da Reta no Espaço Considere o espaço ambiente como o espaço tridimensional Um vetor v = (a, b, c) determina uma direção no espaço Dado um ponto 0 = (x
Leia mais9. Derivadas de ordem superior
9. Derivadas de ordem superior Se uma função f for derivável, então f é chamada a derivada primeira de f (ou de ordem 1). Se a derivada de f eistir, então ela será chamada derivada segunda de f (ou de
Leia maisBases Matemáticas. Aula 2 Métodos de Demonstração. Rodrigo Hausen. v. 2013-7-31 1/15
Bases Matemáticas Aula 2 Métodos de Demonstração Rodrigo Hausen v. 2013-7-31 1/15 Como o Conhecimento Matemático é Organizado Definições Definição: um enunciado que descreve o significado de um termo.
Leia maisREFLEXÃO DA LUZ: ESPELHOS 412EE TEORIA
1 TEORIA 1 DEFININDO ESPELHOS PLANOS Podemos definir espelhos planos como toda superfície plana e polida, portanto, regular, capaz de refletir a luz nela incidente (Figura 1). Figura 1: Reflexão regular
Leia maisNIVELAMENTO MATEMÁTICA 2012
NIVELAMENTO MATEMÁTICA 202 Monitor: Alexandre Rodrigues Loures Monitor: Alexandre Rodrigues Loures SUMÁRIO. LOGARITMOS... 3.. Mudança de base... 3.2. Propriedades dos logaritmos... 4 2. DERIVADAS... 4
Leia maisCT-234. Análise de Algoritmos e Complexidade Estrutural. Carlos Alberto Alonso Sanches
CT-234 Estruturas de Dados, Análise de Algoritmos e Complexidade Estrutural Carlos Alberto Alonso Sanches CT-234 4) Árvores balanceadas AVL, Rubro-Negras, B-Trees Operações em árvores binárias de busca
Leia maisNOÇÕES DE ÁLGEBRA LINEAR
ESPAÇO VETORIAL REAL NOÇÕES DE ÁLGEBRA LINEAR ESPAÇOS VETORIAIS Seja um conjunto V φ no qual estão definidas duas operações: adição e multiplicação por escalar, tais que u, v V, u+v V e α R, u V, αu V
Leia maisTodos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU
FUNÇÃO IDENTIDADE... FUNÇÃO LINEAR... FUNÇÃO AFIM... GRÁFICO DA FUNÇÃO DO º GRAU... IMAGEM... COEFICIENTES DA FUNÇÃO AFIM... ZERO DA FUNÇÃO AFIM... 8 FUNÇÕES CRESCENTES OU DECRESCENTES... 9 SINAL DE UMA
Leia maisTRANSFORMAÇÕES LINEARES. Álgebra Linear e Geometria Analítica Prof. Aline Paliga
TRANSFORMAÇÕES LINEARES Álgebra Linear e Geometria Analítica Prof. Aline Paliga INTRODUÇÃO Estudaremos um tipo especial de função, onde o domínio e o contradomínio são espaços vetoriais reais. Assim, tanto
Leia maisPLANO DE ESTUDOS DE MATEMÁTICA 8.º ANO
DE MATEMÁTICA 8.º ANO Ano Letivo 2015 2016 PERFIL DO ALUNO No domínio dos Números e Operações, o aluno deve ser capaz de relacionar números racionais e dízimas, completar a reta numérica e ordenar números
Leia maisA equação do 2º grau
A UA UL LA A equação do 2º grau Introdução Freqüentemente, ao equacionarmos um problema, obtemos uma equação na qual a incógnita aparece elevada ao quadrado. Estas são as chamadas equações do 2º grau.
Leia maisPolos Olímpicos de Treinamento. Aula 2. Curso de Teoria dos Números - Nível 2. Divisibilidade II. Prof. Samuel Feitosa
Polos Olímpicos de Treinamento Curso de Teoria dos Números - Nível Prof. Samuel Feitosa Aula Divisibilidade II Definição 1. Dados dois inteiros a e b, com a 0, dizemos que a divide b ou que a é um divisor
Leia maisA otimização é o processo de
A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um problema. Eiste um conjunto particular de problemas nos quais é decisivo a aplicação de um procedimento de otimização.
Leia mais11 a LISTA DE PROBLEMAS DE ÁLGEBRA LINEAR LEIC-Taguspark, LERCI, LEGI, LEE 1 o semestre 2003/04 - semana de 2003-12-08
INSTITUTO SUPERIOR TÉCNICO - DEPARTAMENTO DE MATEMÁTICA a LISTA DE PROBLEMAS DE ÁLGEBRA LINEAR LEIC-Taguspark LERCI LEGI LEE o semestre 23/4 - semana de 23-2-8. Diga justificando quais dos seguintes ternos
Leia maisDicas para a 6 a Lista de Álgebra 1 (Conteúdo: Homomorfismos de Grupos e Teorema do Isomorfismo para grupos) Professor: Igor Lima.
Dicas para a 6 a Lista de Álgebra 1 (Conteúdo: Homomorfismos de Grupos e Teorema do Isomorfismo para grupos) Professor: Igor Lima. 1 /2013 Para calcular Hom(G 1,G 2 ) ou Aut(G) vocês vão precisar ter em
Leia maisEquações do primeiro grau
Módulo 1 Unidade 3 Equações do primeiro grau Para início de conversa... Você tem um telefone celular ou conhece alguém que tenha? Você sabia que o telefone celular é um dos meios de comunicação que mais
Leia maisTeoria dos Números. A Teoria dos Números é a área da matemática que lida com os números inteiros, isto é, com o conjunto
Teoria dos Números 1 Noções Básicas A Teoria dos Números é a área da matemática que lida com os números inteiros, isto é, com o conjunto Z = {..., 4, 3, 2, 1, 0, 1, 2, 3, 4...}. Ela permite resolver de
Leia mais