Descomposição de Cholesky
|
|
- Theodoro Azenha
- 5 Há anos
- Visualizações:
Transcrição
1 Frederico Almeida & Guilherme Aguilar Universidade Federal de Minas Gerais 20 de Novembro de 2018 Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
2 Motivação Métodos de otimização numérica são uma alternativa para estimar coeficientes de modelos nas situações em que a equação da verossimilhança não é analiticamente tratável; Na prática é comum obter estimativas cuja matriz hessiana associada não inversível (indefinida ou negativa definida); Uma forma alternativa para contornar esse problema consiste em descartar as amostras que fornecem uma matriz hessiana não inversível; A decomposição de Cholesky consistirá basicamente em transformar uma matriz indefinida ou negativa definida (não inversível) em positiva semi-definida (inversível). Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
3 Introdução Foi desenvolvida pelo cartógrafo francês André-Louis Cholesky. É a decomposição de uma matriz hermitiana e positiva definida em um produto de uma matriz triangular inferior e sua matriz adjunta. Útil para soluções numéricas. Quando aplicável é duas vezes mais eficiente que a decomposição LU. Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
4 Matriz Conjugada O conjugado complexo é formalmente definido por (A ) ij = A ji. O complexo conjugado de a + bi, onde a e b são reais, é a bi. Se [ ] 3 + i 5 A = 2 2i i então Ā = [ ] 3 i i i Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
5 Matriz Hermitiana Uma matriz A é hermítica se a transposta de sua conjugada for igual a própria matriz A = Ā T = A; por exemplo i i 2 i 5 5 i i 5 + i 1 Se A R, então A é hermítica se A T = A. Matriz Positiva Definida é uma matriz hermítica. Uma matriz A é positiva definida se x T Ax > 0, z vetor não nulo. Como consequência, os determinante das submatrizes principais são todos positivos e a matriz inversa de A existe e é positiva definida. Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
6 Matriz Hermitiana Uma matriz A é hermítica se a transposta de sua conjugada for igual a própria matriz A = Ā T = A; por exemplo i i 2 i 5 5 i i 5 + i 1 Se A R, então A é hermítica se A T = A. Matriz Positiva Definida é uma matriz hermítica. Uma matriz A é positiva definida se x T Ax > 0, z vetor não nulo. Como consequência, os determinante das submatrizes principais são todos positivos e a matriz inversa de A existe e é positiva definida. Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
7 Introdução A decomposição de Cholesky de uma matriz Hermitiana positiva definida "A" tem a seguinte forma A = LL. Teorema Seja A M n (R) uma matriz positiva definida. Então, existe uma única matriz triangular superior G, com os elementos da diagonal principal positivos, tal que A = G t G. Prova!!! Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
8 Exemplo 1 Seja a matriz A = [ ] 1 2, 2 13 Sua decomposição de Cholesky é dada por Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
9 Exemplo 1 Seja a matriz A = [ ] 1 2, 2 13 Sua decomposição de Cholesky é dada por A = G t G, onde [ ] 1 2 G =. 0 3 Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
10 Decompondo A Seja A = GG t, onde G G 11 G 21 G 31 A = GG T = G 21 G G 22 G 32 G 31 G 32 G G 33 G 2 (simétrico) 11 = G 21 G 11 G G2 22 G 31 G 11 G 31 G 21 + G 32 G 22 G G2 32 +, G2 33 Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
11 Decompondo A Seja A = GG t, onde G G 11 G 21 G 31 A = GG T = G 21 G G 22 G 32 G 31 G 32 G G 33 G 2 (simétrico) 11 = G 21 G 11 G G2 22 G 31 G 11 G 31 G 21 + G 32 G 22 G G2 32 +, G2 33 ou seja A G = A 21 /G 11 A 22 G A 31 /G 11 (A 32 G 31 G 21 ) /G 22 A 33 G 2 31 G2 32 Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
12 Exemplo 2 Escrevendo A = G t G da seguinte forma (para melhor visualização) decomposição de Cholesky de uma matriz simétrica real: então temos que: A = , Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
13 Exemplo 2 Escrevendo A = G t G da seguinte forma (para melhor visualização) decomposição de Cholesky de uma matriz simétrica real: A = , então temos que: G t G = Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
14 Exemplo Escrevendo A = G t G da seguinte forma (para melhor visualização) decomposição de Cholesky de uma matriz simétrica real: então temos que: A = , Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
15 Exemplo Escrevendo A = G t G da seguinte forma (para melhor visualização) decomposição de Cholesky de uma matriz simétrica real: A = , então temos que: G t G = Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
16 Econtrando os valores dos termos Para A = G t G, temos que G j,j = G i,j = 1 G j,j A i,j j 1 A j,j G 2 j,k, k=1 j 1 G i,k G j,k para i > j. k=1 E quando j = 1 o somatório tem valor zero. Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
17 Algoritmo Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
18 Definição (autovalores e autovetores) Seja A uma matriz em R n n. Um escalar λ R é um autovalor de A se existir um vetor v R n, com v 0, tal que: Av = λv. O vetor v é chamado de autovetor associado a λ. Como calcular λ? Os autovalores são calculados através das raízes do polinômio caraterístico P(λ). n P(λ) = det (A λi) = ( 1) n λ n + a j λ n j, a subtração do fator λi em A tem por objetivo, obter uma matriz singular. j=1 Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
19 Definição (espectro) O espectro de A M n (R) é o conjunto formado pelos seus autovalores, isto é, σ(a) = {λ 1,, λ n } Algumas propriedades Para j, o produto dos λ j é igual ao determinante de A; O número de autovalores não-nulos é igual ao rank da matriz; Se j, λ j > 0, então A é positiva definida; Se j, λ j 0, i.e, j, tal que λ j = 0, então a matriz A é dita ser positiva semi-definida; tr(a) = n a ij = n λ j. i=j j=1 Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
20 Autovetores Para cada valor de λ, autovetores v são obtidos resolvendo a equação, (A λi) v = 0 No caso em que λ C, se Q for uma matriz rotação a γ = 90 o então, λ 1 = i e λ 2 = i, com tr(q)=0 e det(q) = 1. O par (λ j, v j ) ou { vj 0 v j N(A λi) } é chamado de auto-espaço. A norma de um autovetor v 1j = (v 1,, v 1n ) é dada por, v 1j = v v2 n. Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
21 Autovetor unitário O autovetor padronizado é dado por: u 1j = v 1j v, 1j Dois auto(vetores) u 1j e u 2j são ditos serem ortogonais se o seu produto interno for nulo. u1j, u 1j u1j u 2j = 0. Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
22 Exemplo 3 Considere a matriz apresentada a seguir: [ ] 1 2 A =, 2 4 O polinômio caraterístico é dado por P(λ) = λ(λ 5), com raízes λ 1 = 0 ou λ 2 = 5. Os autovetores são obtidos pela equação: (A λ 1 I)v 1 = 0 com v 1 = [x y] T = [ 2 1] T, (A λ 2 I)v 2 = 0 com v 2 = [1 2] T, se u 1 e u 2 são os autovetores normalizados, segue que u 1, u 2 =0. Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
23 Transformação de matrizes Se a matriz A é indefinida, i.e, existe em σ(a) autovalores negativos e positivos, respectivamente. Seja Λ = diag(λ j ), Rebonato & Jackel (1999) propõem a seguinte transformação: λ Λ : λ j se λ j 0 j = 0 se λ j < 0. Se a matriz A é indefinida então ela tem pelo menos um λ j < 0. E portanto, a nova matriz A terá pelo menos um autovalor λ j = 0. Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
24 Decomposição espectral Se Λ é uma matriz diagonal de autovalores modificados λ j e M é uma matriz ortogonal cujas colunas são os autovetores padronizados de A, então a matriz modificada (psd) é dada por: A = MΛ M 1, ou seja, a matriz M é dada por M = [u 1j u 2j ] Entre diferentes métodos de fatoração, à de Cholesky é considerada uma das mais estáveis numericamente (Thomas, 2017). Essa estabilidade segue o fato de que todos os elementos de L são limitados pelos elementos de A. i l 2 ik = a ii l ij a ii. k=1 Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
25 Estritamente falando essa matriz resulta em uma matriz de covariancia, se c jj obter-se c jj 1. A matriz A será normalizada usando a equação (Brissette et al, 2007): A = A diag(a )diag(a ) t É natural pensar que essa abordagem é "empírica" à primeira vista, mas deve-se perceber que autovalores negativos não podem existir em uma matriz hessiana/correlações, e que sua remoção tem um sentido físico além de permitir uma fatoração subsequente de Cholesky da matriz modificada. Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
26 Algoritmo Seja A uma matriz indefinida. Então: 1 Obtenha os autovalores e os respectivos autovetores de A; 2 Iguale a zero todos os autovalores menores que zero; 3 Calcule os novos autovetores v usando λ j j ; 4 Obtenha o fator de Cholesky L e a matriz Λ para o novo sistema de autovalores; 5 Calcule a nova matriz A de A; 6 Normalize a nova matriz; 7 Por fim, calcule a inversa da matriz A usando o algoritmo de Cholesky. Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
27 Modificada Apesar da eficiência e estabilidade da decomposição de Cholesky, na prática podem surgir situações que impossibilitam a transformar uma matriz indefinida em positiva semi-definida. Como foi visto, se a matriz A é positiva semi-definida, então sempre existe a decomposição da forma A = LDL t Para uma matriz diagonal D com elementos não nulos a decomposição não é única. Portanto, podemos definir a matriz permutação P tal que, PAP t tem uma única decomposição da forma, LDL t, com [ ] D1 0 D = 0 0 Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
28 Modificada onde D 1 é uma matriz diagonal quadrada com mesmo rank que amatriz A. De forma geral, existem diferentes algoritmos modificados para a decomposição de Cholesky; A ideia básica consiste em perturbar a matriz A (i.e, adicionando a matriz E) como fator de perturbação, tornando-a positiva definida; Após perturbar a matriz, o fator de Cholesky pode ser obtido para a nova matriz. Essa perturbação deve garantir que a nova matriz permaneça pertinente a aplicações originais. Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
29 Modificada Dada A R n n uma matriz simétrica mas não necessariamente positiva definida, o objetivo da decomposição de Cholesky modificada baseia-se na construção do fator LL T da matriz positiva definida A + E. Sendo E uma matriz não-negativa. Se A é positiva definida, então segue que o fator de perturbação é nulo, i.e, E = 0; Se A é indefinida, então E deve ser relativamente pequena, i.e, E λ i (A), onde λ i (A) é o maior entre os autovalores negativos do espectro; A + E deve ser uma matriz razoavelmente bem condicionada. Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
30 Modificada Na prática, precisamos fazer uma rotação (permutação) da matriz perturbada para garantir a estabilidade e decomposição, i.e, P(A + E)P t = LDL t, Algumas propostas para definir a matriz de perturbação são apresentadas na literatura. Uma forma obvia de escolher Econsiste em encontrar λ i (A) de tal forma que, se λ i (A) < 0 então, E = [ λ i (A) + ɛ] I n n, para algum positivo ɛ suficientemente pequeno. Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
31 Modificada A ideia chave na abordagem de perturbação consiste em simplesmente em escolher um valor relativamente pequeno de e jj 0 de tal forma que l jj e d jj sejam positivos. l jj são elementos do fator de Cholesky anteriormente discutidos; e jj = (E) jj. Muitas outras abordagens como o algoritmo de Gill, Murray e Wright (GMW) e suas variantes bem como o algoritmo de Schnabel e Eskow (ES) são encontrados em Thomas (2017). Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
32 Conclusões Existem diferentes métodos de decomposição na literatura, sendo que sua aplicação depende inteiramente do problema em estudo; A decomposição de Cholesky é estável e eficiente independentemente do algoritmo usado mas, o grau de eficiência e/ou a ordem de convergência varia em cada algoritmo; A aplicação prática usando a matriz das correlações apresentadas em Rebonato e Jackel (1999) permitiu corrigir a matriz de correção de indefinida para positiva semi-definida; Em geral, essa abordagem é aplicável para outro problemas envolvendo um nível de complexidade maior. Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
33 Referências Bibliográficas Brissette, F.P., Khalili M. and Leconte R. (2007). Efficient stochastic generation of multi-site synthetic precipitation data. Elsevier. Faleiros, A. C. (2009). Curso de Álgebra Linear Aplicada. Lecture Notes, UFABC. Trefethen L. N., Bau, D. III (1997). Numerical Linear Algebra. Rebonato, R. and Jackel, P. (1999). The most general methodology to create a valid correlation matrix for risk management and option pricing purposes. Quantitative Research Centre of the NatWest Group. Thomas, McS. (2017). Modified Cholesky Decomposition and Applications. The University of Manchester. Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
34 R script Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de / 29
Métodos 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 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 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 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 maisMétodo de Newton modificado
Método de Newton modificado Marina Andretta ICMC-USP 14 de setembro de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 14 de setembro de 2010 1 / 36 Método de Newton Como já vimos, o método
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 maisMP-208: Filtragem Ótima com Aplicações Aeroespaciais
MP-208: Filtragem Ótima com Aplicações Aeroespaciais Seção 2.1: Álgebra Linear e Matrizes Davi Antônio dos Santos Departamento de Mecatrônica Instituto Tecnológico de Aeronáutica davists@ita.br São José
Leia maisResolução de sistemas de equações lineares: Fatorações de matrizes
Resolução de sistemas de equações lineares: Fatorações de matrizes Marina Andretta/Franklina Toledo ICMC-USP 27 de agosto de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina
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 maisResolução de sistemas de equações lineares: Fatorações de matrizes
Resolução de sistemas de equações lineares: Fatorações de matrizes Marina Andretta/Franklina Toledo ICMC-USP 27 de fevereiro de 2015 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina
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 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 maisAnálise multivariada
UNIFAL-MG, campus Varginha 11 de Setembro de 2018 Dada uma matriz A (p p), podemos obter um escalar λ e um vetor v (p 1) de modo que seja satisfeita? Av = λv (1) Dada uma matriz A (p p), podemos obter
Leia maisMárcio Antônio de Andrade Bortoloti
Márcio Antônio de Andrade Bortoloti Departamento de Ciências Exatas e Tecnológicas - DCET Universidade Estadual do Sudoeste da Bahia Sumário 1 Definição Uma matriz quadrada de ordem n é definida positiva
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 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 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 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 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 maisAutovalores e Autovetores
Autovalores e Autovetores Maria Luísa B. de Oliveira SME0300 Cálculo Numérico 24 de novembro de 2010 Introdução Objetivo: Dada matriz A, n n, determinar todos os vetores v que sejam paralelos a Av. Introdução
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 maisModelagem Computacional. Parte 6 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 6 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 6 e 7] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
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 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 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 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 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 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 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 maisP3 de Álgebra Linear I
P3 de Álgebra Linear I 2008.2 Data: 14 de Novembro de 2008. Gabarito. 1) Decida se cada afirmação a seguir é verdadeira ou falsa. Considere uma transformação linear T : R 3 R 3 tal que existem vetores
Leia maisResolução de Sistemas Lineares. Ana Paula
Resolução de Sistemas Lineares Sumário 1 Introdução 2 Alguns Conceitos de Álgebra Linear 3 Sistemas Lineares 4 Métodos Computacionais 5 Sistemas Triangulares 6 Revisão Introdução Introdução Introdução
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 maisRevisão de Álgebra Linear
Introdução: Revisão de Álgebra Linear Antonio Elias Fabris Instituto de Matemática e Estatística Universidade de São Paulo Map 2121 Aplicações de Álgebra Linear Antonio Elias Fabris (IME-USP) Revisão de
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 maisAlgebra Linear. 1. Ortonormalização. 2. Sistema de Equações Lineares. pag.1 Teoria de Sistemas Lineares Aula 6. c Reinaldo M.
Algebra Linear 1. Ortonormalização 2. Sistema de Equações Lineares pag.1 Teoria de Sistemas Lineares Aula 6 Ortonormalização Um vetor x é dito estar normalizado se sua norma Euclidiana é igual a 1, ie,
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 maisÁlgebra Linear /2 Turma 11852
Álgebra Linear 2 202/2 Turma 852 Planejamento (última revisão: 26/0/202) Os exercícios correspondentes a cada aula serão cobrados oralmente na aula seguinte e valem nota Todas as referências e exercícios
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 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 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 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 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 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 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 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 maisGeometria Analítica e Álgebra Linear
UNIFEI - Universidade Federal de Itajubá campus Itabira Geometria Analítica e Álgebra Linear Parte 1 Matrizes 1 Introdução A teoria das equações lineares desempenha papel importante e motivador da álgebra
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 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 maisAutovalores e Autovetores Determinante de. Motivando com Geometria Definição Calculando Diagonalização Teorema Espectral:
Lema (determinante de matriz ) A B A 0 Suponha que M = ou M =, com A e D 0 D C D matrizes quadradas Então det(m) = det(a) det(d) A B Considere M =, com A, B, C e D matrizes C D quadradas De forma geral,
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 maisG3 de Álgebra Linear I
G3 de Álgebra Linear I 11.1 Gabarito 1) Seja A : R 3 R 3 uma transformação linear cuja matriz na base canônica é 4 [A] = 4. 4 (a) Determine todos os autovalores de A. (b) Determine, se possível, uma forma
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 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 mais. (1) Se S é o espaço vetorial gerado pelos vetores 1 e,0,1
QUESTÕES ANPEC ÁLGEBRA LINEAR QUESTÃO 0 Assinale V (verdadeiro) ou F (falso): (0) Os vetores (,, ) (,,) e (, 0,) formam uma base de,, o espaço vetorial gerado por,, e,, passa pela origem na direção de,,
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 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 maisMatrizes e Linearidade
Matrizes e Linearidade 1. Revisitando Matrizes 1.1. Traço, Simetria, Determinante 1.. Inversa. Sistema de Equações Lineares. Equação Característica.1. Autovalor & Autovetor 4. Polinômios Coprimos 5. Função
Leia maisRoteiros e Exercícios - Álgebra Linear v1.0
Roteiros e Exercícios - Álgebra Linear v1.0 Robinson Alves Lemos 14 de janeiro de 2017 Introdução Este material é um roteiro/apoio para o curso de álgebra linear da engenharia civil na UNEMAT de Tangará
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 maisFUNDAMENTOS DE SISTEMAS LINEARES PARTE 1
FUNDAMENTOS DE SISTEMAS LINEARES PARTE 1 Prof. Iury V. de Bessa Departamento de Eletricidade Faculdade de Tecnologia Universidade Federal do Amazonas Revisão O que é um corpo (campo)? O que é um espaço
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 maisMAE125 Álgebra Linear /2 Turmas EQN/QIN
MAE25 Álgebra Linear 2 205/2 Turmas EQN/QIN Planejamento (última revisão: 26 de outubro de 205) Os exercícios correspondentes a cada aula serão cobrados oralmente na aula seguinte e valem nota Todas as
Leia maisMatrizes Semelhantes e Matrizes Diagonalizáveis
Diagonalização Matrizes Semelhantes e Matrizes Diagonalizáveis Nosso objetivo neste capítulo é estudar aquelas transformações lineares de R n para as quais existe pelo menos uma base em que elas são representadas
Leia maisDepartamento de Estatística
Departamento de Estatística Universidade Federal de São Carlos José Carlos Fogo São Carlos Julho de 207 Sumário Vetores Definição Representação gráfica no R 2 2 2 Propriedades algébricas 2 2 Vetores especiais
Leia maisCapítulo 4 - Valores e Vectores Próprios
Capítulo 4 - Valores e Vectores Próprios Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/ 17
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 maisMATRIZES POSITIVAS DEFINIDAS
MATRIZES POSITIVAS DEFINIDAS Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá IEFF-ITA 7 de novembro de 2011 Roteiro 1 2 3 Roteiro 1 2 3 Por que saber se uma matriz é definida positiva? Importância do sinal
Leia maisUma equação linear com n variáveis tem a seguinte forma:
Edgard Jamhour Uma equação linear com n variáveis tem a seguinte forma: a 1 x 1 + a 2 x 2 +... + a n x n = b onde a 1, a 2,..., a n e b são constantes reais. Um sistema de equações lineares é um conjunto
Leia maisÁlgebra Linear I - Aula 21
Álgebra Linear I - Aula 1 1. Matrizes ortogonalmente diagonalizáveis: exemplos. Matrizes simétricas. Roteiro 1 Matrizes ortogonalmente diagonalizáveis: exemplos Exemplo 1. Considere a matriz M = 4 4 4
Leia maisCálculo Diferencial e Integral 2 Formas Quadráticas
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Cálculo Diferencial e Integral 2 Formas Quadráticas 1 Formas quadráticas Uma forma quadrática em R n é um polinómio do
Leia maisÁlgebra Linear Teoria de Matrizes
Álgebra Linear Teoria de Matrizes 1. Sistemas Lineares 1.1. Coordenadas em espaços lineares: independência linear, base, dimensão, singularidade, combinação linear 1.2. Espaço imagem (colunas) - Espaço
Leia maisÁlgebra Linear e suas Aplicações Notas de Aula. Petronio Pulino = Q
Álgebra Linear e suas Aplicações Notas de Aula Petronio Pulino 1 3 4 3 1 0 4 0 1 = Q 4 1 6 Qt Q t Q = 1 1 1 PULINUS Álgebra Linear e suas Aplicações Notas de Aula Petronio Pulino Departamento de Matemática
Leia maisDeterminação numérica de autovalores e autovetores: Método das Potências Inversas
Determinação numérica de autovalores e autovetores: Marina Andretta/Franklina Toledo ICMC-USP 3 de setembro de 2012 Marina Andretta/Franklina Toledo (ICMC-USP) sme0300 - Cálculo Numérico 3 de setembro
Leia maisDeterminação numérica de autovalores e autovetores: Método das Potências Inversas
Determinação numérica de autovalores e autovetores: Marina Andretta/Franklina Toledo ICMC-USP 27 de março de 2015 Marina Andretta/Franklina Toledo (ICMC-USP) sme0301 - Métodos Numéricos para Engenharia
Leia maisUniversidade Federal do Espírito Santo - UFES
Universidade Federal do Espírito Santo - UFES Centro Universitário Norte do Espírito Santo - CEUNES Departamento de Matemática Aplicada - DMA Prof. Isaac P. Santos - 2018/1 Aula: Métodos Iterativos Para
Leia maisInstituto Superior Técnico Departamento de Matemática Última actualização: 18/Nov/2003 ÁLGEBRA LINEAR A
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Última actualização: 18/Nov/2003 ÁLGEBRA LINEAR A REVISÃO DA PARTE III Parte III - (a) Ortogonalidade Conceitos: produto
Leia maisElementos de Matemática Avançada
Elementos de Matemática Avançada Prof. Dr. Arturo R. Samana Semestre: 2012.2 Conteúdo - Objetivos da Disciplina - Ementa curricular - Critérios de avaliação - Conteúdo programático - Programação Objetivos
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 maisResolução de sistemas de equações lineares: Fatorações de matrizes
Resolução de sistemas de equações lineares: Fatorações de matrizes Marina Andretta/Franklina Toledo ICMC-USP 5 de fevereiro de 2014 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina
Leia mais5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2009
5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 29 Soluções dos exercícios Devido ao fato de A ser simétrica, existe uma base ortonormal {u,, u n } formada por autovetores de A, então
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 04 - sistemas lineares Antonio Oliveira Ricardo Marroquim 1 / 32 laboratório de processamento de imagens tópicos decomposições (álgebra linear) decomposição QR decomposição
Leia 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 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 maisUniversidade Federal de Alagoas UFAL Centro de Tecnologia - CTEC Programa de Pós-Graduação em Engenharia Civil - PPGEC
Universidade Federal de Alagoas UFAL Centro de Tecnologia - CTEC Programa de Pós-Graduação em Engenharia Civil - PPGEC Introdução à Mecânica do Contínuo Tensores Professor: Márcio André Araújo Cavalcante
Leia maisficha 4 valores próprios e vectores próprios
Exercícios de Álgebra Linear ficha 4 valores próprios e vectores próprios Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12
Leia maisGAAL - Exame Especial - 12/julho/2013. Questão 1: Considere os pontos A = (1, 2, 3), B = (2, 3, 1), C = (3, 1, 2) e D = (2, 2, 1).
GAAL - Exame Especial - /julho/3 SOLUÇÕES Questão : Considere os pontos A = (,, 3), B = (, 3, ), C = (3,, ) e D = (,, ) (a) Chame de α o plano que passa pelos pontos A, B e C e de β o plano que passa pelos
Leia maisUNIVERSIDADE FEDERAL DO ABC
UNIVERSIDADE FEDERAL DO ABC BC49 Cálculo Numérico - LISTA - sistemas lineares de equações Profs André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda Métodos diretos Analise os sistemas
Leia maisÁlgebra Linear I - Aula Autovetores e autovalores de uma transformação
Álgebra Linear I - Aula 18 1. Autovalores e autovetores. 2. Cálculo dos autovetores e autovalores. Polinômio característico. Roteiro 1 Autovetores e autovalores de uma transformação linear Considere uma
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 maisNoções de Álgebra Linear
Noções de Álgebra Linear 1. Espaços vetoriais lineares 1.1. Coordenadas 2. Operadores lineares 3. Subespaços fundamentais 4. Espaços normados 5. Espaços métricos 6. Espaços de Banach 7. Espaços de Hilbert
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 maisÁlgebra Linear (MAT-27) Ronaldo Rodrigues Pelá. 21 de outubro de 2011
APLICAÇÕES DA DIAGONALIZAÇÃO Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá IEFF-ITA 21 de outubro de 2011 Roteiro 1 2 3 Roteiro 1 2 3 Introdução Considere a equação de uma cônica: Forma Geral Ax 2 + Bxy
Leia maisModelagem Computacional. Parte 7 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 7 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 7] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia mais5. Seja A uma matriz qualquer. Assinale a afirmativa
UFRJ Instituto de Matemática Disciplina: Algebra Linear II - MAE 125 Professor: Bruno, Gregório, Luiz Carlos, Mario, Milton, Monique e Umberto Data: 12 de julho de 2013 Terceira Prova 1. Considere no espaço
Leia maisÁlgebra Linear. Determinantes, Valores e Vectores Próprios. Jorge Orestes Cerdeira Instituto Superior de Agronomia
Álgebra Linear Determinantes, Valores e Vectores Próprios Jorge Orestes Cerdeira Instituto Superior de Agronomia - 200 - ISA/UTL Álgebra Linear 200/ 2 Conteúdo Determinantes 5 2 Valores e vectores próprios
Leia maisSME0812 Modelos Lineares. Álgebra Matricial. 17 de março de / 1
SME0812 Modelos Lineares Álgebra Matricial 17 de março de 2015 1 / 1 Notação Escreveremos A = A n m para denotar uma matriz de dimensão n m, ou seja, uma matriz com n linhas e m colunas: a 11 a 12 : :
Leia maisMatrizes positivas definidas, semidefinidas, etc.
Matrizes positivas definidas, semidefinidas, etc. Amit Bhaya, Programa de Engenharia Elétrica COPPE/UFRJ Universidade Federal do Rio de Janeiro amit@nacad.ufrj.br http://www.nacad.ufrj.br/ amit Funções
Leia maisLista de Exercícios III. junho de 2005
ÁLGEBRA LINEAR II Prof Amit Bhaya Lista de Exercícios III junho de 2005 Ortogonalidade, espaços fundamentais 1 Se Ax = b possui solução e A T y = 0, então y é perpendicular a 2 Se Ax = b não possui solução
Leia maisÁlgebra Linear I - Aula Bases Ortonormais e Matrizes Ortogonais
Álgebra Linear I - Aula 19 1. Bases Ortonormais e Matrizes Ortogonais. 2. Matrizes ortogonais 2 2. 3. Rotações em R 3. Roteiro 1 Bases Ortonormais e Matrizes Ortogonais 1.1 Bases ortogonais Lembre que
Leia mais