Transformação dos dados. Analise de Componentes Principais - PCA
|
|
- Natan Lopes Canto
- 6 Há anos
- Visualizações:
Transcrição
1 Transformação dos dados Tratamento nos dados Redução de Dimensionalidade Dados centrados na média e variância xm = /n Σ i=n x i x i = ( x i - xm)/σ (centrados na média) Escalamento ela variância ( quando temos muito dominante em rel. as demais) var j = / (n-)σ i=n (x ij - xm j ) x ij (sv) = x ij / var desvio= σ=sqrt(var) Transformação nos dados Pre-rocessamento dos dados log 0 ( deve ser usado quando existem grandes disaridades de magnitude nos dados) Normalização x = Σ x i j ara i, j =,..., ; x i j (norm) = x i j / x não aconselhável ara dados com menos de 0 variáveis Transformação de dados do intervalo [a,b] ara [-,]: y = (x b a ) / (b a ) Analise de Comonentes Princiais - Reduz o no. de variáveis x, x,, x ==> t, t,., t m ( m<) os erros roagados nos valores de w são menores, orque t, t,., t m são ORTOGONAIS (sem correlação) Covariância Covariância Como é a matriz de covariância? Medir c/ var. sobre a média de seus n valores x i = /n Σ i= x ij c ij = /n Σ k= (x ik - x i ) (x jk - x j ) onde c ij é a covariância de x i e x j. C (x) A covariância é or vezes chamada de medida de deendência linear entre as duas variáveis aleatórias
2 Objetivo: Dadas variáveis, deseja-se achar combinações lineares dessas, ara roduzir índices que sejam não correlacionados, de tal forma que: Índices Z i : comonentes rinciais. i i i-ésima comonente rincial Z = a X + a X a Com restrição: a i i i + ai + L+ ai = X Z, Z,..., Z i, Z i Não correlacionados : resume-se em encontrar os autovalores e autovetores da matriz C de covariância dos dados C= c c L c c c L c M M M c c L c Suondo que: os autovalores da matriz C estejam ordenados da seguinte forma: Os auto-vetores associados: λ λ... λ... λ a, a,..., a,..., a j j Proriedades a a T i Para j =, 0, i = j i j Z = a X + a X + + a X a, a,..., a i i i... i i i i são os elementos do i-ésimo autovetor corresondente a soma dos auto-valores corresonde ao traço da matriz covariância C λ + λ λ = c + c c Var(Z i ) = λ i
3 Teste com o conj. Iris Os dados da Íris coletados or Fisher em 936 (Understanding the Data, 005), existem quatro (=4) medidas em cm das étalas e séalas de três tios (g=3) de flores Íris (setosa, versicolor e virginica), com cinqüenta observações de cada classe (cada tio de flor) n=50; Exemlo Íris Setosa Íris Versicolor Íris Virginica X X X3 X4 X X X3 X4 X X X3 X Roseli 4.3 A..3F. Romero Conjunto de dados Iris Exemlo Autovetores (coeficientes) Comonente Autovalor X X X 3 X Conclusões: Z é resonsável or 7.77% do total da variância. Z é resonsável or 3.03% do total da variância. Z3 é resonsável or 3.68% do total da variância. Z4 é resonsável or 0.5% do total da variância. Conceitos Básicos Z Polinômio Característico P(λ) = det (A λi) = 0 orque Av= λv => (A-λI)v=0 => se v não nulo => det(a-λi)= Z 3
4 Exemlo: Determinar os auto-valores e auto-vetores de: A = det(a λi)= -λ = (-λ) - 3 = 0 -λ Sol: λ =3 e λ = Exemlo Determinar o auto-vetor assoc. a λ =3 -v + v = 0 v - v = 0 Sol: v = v Portanto v= [ ] T Analogamente, v = [ -] T araλ = Oerações em Exercicio Det. dos auto-valores e auto-vetores: calculo do determinante e sol. de um sistema de eq. lineares. Imlementar a técnica (use o Matlab ou algum acote estatístico, ou ling. de rogr.) e verifique as com. Princiais obtidas ara o conj. iris Reconstrução dos dados originais Redução da Dimensionalidade T Z = [ Z, Z,..., Z ] = X T a X T a X T a = A T X [,,..., ] X = A Z = i= Z i a i T A T = A - Sejam λ, λ,..., λ m os m auto-valores da matriz C Entao X ~ X onde: o erro: e = X - X onde: X = m i= Z i a i m < e = Z a i i i= m+ 4
5 Algoritmo da O vetor de erro e é ortogonal ao vetor X, que aroxima X. Verifique isto!!! A equação: e T X = 0 : rincíio da ortogonalidade Existe uma rede neural que imlementa, roosta or RUBN-89 (vamos ver!!!). Padronize os dados corresondentes às variáveis ara que estes tenham média igual a 0 e variância igual a.. Calcule a matriz de covariância C. 3. Encontre os autovalores da matriz C e seus corresondentes auto-vetores. Os coeficientes da i- ésima comonente rincial são dados elo autovetor associado ao i-ésimo auto-valor 4. Descarte as comonentes que acumulem uma equena roorção da variação dos dados. Por exemlo, se os dados originais tiverem 0 variáveis e as três rimeiras comonentes rinciais forem resonsáveis or 90% do total da variância, as outras 7 comonentes rinciais odem ser ignoradas. %%%%%%%%%%%%%%%% % Comonentes Princiais % % - Roseli Romero % %%%%%%%%%%%%%%%% Algoritmo - Matlab % carregamento doa arquivo iris.dat load iris.txt % verificando a dimensao do conjunto [n,] = size(iris); % tirando a rimeira coluna da matriz de dados iris(:,)=[ ]; = -; X = iris; % matriz X contem os dados % centrando os dados na media 0 S = std(x); % S armazena os desvios-adrao de cada coluna de X M = mean(x); % M armazena as medias de cada coluna de X X = X - ones(n,) * M; % transformando os dados ara ter variancia X = X./(ones(n,)*S); % calculando a matriz de covariancia C C = (X'*X)/n; % auto-valores (A) e auto-vetores (V) da matriz de covariancia [V,A] = eig(c); A = diag(a); % ordenando auto-valores e auto-vetores or ordem crescente de auto-valores V = V'; %coloca auto-vetores nas linhas de V A= [A,V]; % concatena A e V (cada linha de A contem um auto-valor e auto-vetor) A=sortrows(A,); %ordena os auto-valores em ordem crescente A=A(:,) %seara auto-valores em A e imrimi na tela V %imrimi V na tela %calculando as comonentes rinciais Z=[]; for i=: Vt = V(-i+,:); %ega os auto-vetores em ordem decrescente dos auto-valores Z(:,i) = X * Vt'; % otem-se a i-esima comonente rincial end % salvando as comonentes rinciais em um arquivo save('comonentes_iris.txt') Z=Z(:, :) L= Z(:50,:); L=Z(5:00,:); L=Z(0:50,:); % fazendo o grafico das duas rimeiras comonentes %lot(z,z,'-') %fazendo o grafico das tres classes searadas lot(l(:,),l(:,),'.',l(:,),l(:,),'+',l(:,),l(:,),'*') Imlementar a tecnica (use o Matlab ou algum acote estatistico, ou ling. de rogr.) e verifique as 4 com. Princiais obtidas ara o conj. iris 5
6 Dada a matriz: X = transformar essa matriz: dados centrados ela média escalamento ela variância 6
Álgebra 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 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 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 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 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 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 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 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 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 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 mais3 a Avaliação Parcial - Álgebra Linear
3 a Avaliação Parcial - Álgebra Linear - 016.1 1. Considere a função T : R 3 R 3 dada por T(x, y, z) = (x y z, x y + z, x y z) e as bases de R 3 B = (1, 1, 1), (1, 0, 1), ( 1,, 0)} (a) Encontre [T] B B.
Leia maisEstatística Aplicada à Administração II. Tópico. Análise de Componentes Principais
Estatística Aplicada à Administração II Tópico Análise de Componentes Principais Bibliografia: R.A. Johnson, Applied Multivariate Statistical Analysis, Prentice Hall, 99 Análise de Componentes Principais
Leia maisReconhecimento de Padrões. Principal Component Analysis (PCA) Análise dos Componentes Principais
Universidade Federal de Ouro Preto (UFOP) Programa de Pós-Graduação em Ciência da Computação (PPGCC) Reconhecimento de Padrões Principal Component Analysis (PCA) Análise dos Componentes Principais David
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 maisSensoriamento Remoto II
Sensoriamento Remoto II Componentes principais Revisão de matemática Análise de componentes principais em SR UFPR Departamento de Geomática Prof. Jorge Centeno 2016 copyright@ centenet Revisão matemática
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 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 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 maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Componentes Principais
Estatística: Aplicação ao Sensoriamento Remoto SER 4 - ANO 9 Componentes Principais Camilo Daleles Rennó camilorenno@inpebr http://wwwdpiinpebr/~camilo/estatistica/ Associação entre Variáveis r = < r
Leia maisGestão de Riscos e Investimentos
VAR e diversificação Normalmente, investimos simultaneamente em dois ou mais ativos Ou estamos exostos simultaneamente a dois ou mais fatores de risco VAR e diversificação (Cont.) Os fatores de risco são
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 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 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 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 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 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 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 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 maisMestrado Profissional em Administração. Disciplina: Análise Multivariada Professor: Hedibert Freitas Lopes 1º trimestre de 2015
Mestrado Profissional em Administração Disciplina: Análise Multivariada Professor: Hedibert Freitas Lopes 1º trimestre de 015 Decomposição Espectral Autovalores e autovetores MANLY, Cap. Objetivo e Definição
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 maisALGA- 2005/ (i) det. 7 (ii) det. det (A) = a 11 a 22 a 33 a 44 a 55 a Calcule: (a) det
ALGA- 00/0. (a) Calcule o sinal das seguintes ermutações: (i) (; ; ; ; ) (ii) (; ; ; ; ; ) (b) Use os resultados da alínea (a) ara calcular, usando a de nição, os determinantes: 0 0 0 0 0 0 0 0 0 0 0 0
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 maisP4 de Álgebra Linear I de junho de 2005 Gabarito
P4 de Álgebra Linear I 25.1 15 de junho de 25 Gabarito 1) Considere os pontos A = (1,, 1), B = (2, 2, 4), e C = (1, 2, 3). (1.a) Determine o ponto médio M do segmento AB. (1.b) Determine a equação cartesiana
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 maisANÁLISE DE COMPONENTES PRINCIPAIS/PCA ou ACP
Procedimento para a determinação de novas variáveis (componentes) que expliquem a maior variabilidade possível existente em uma matriz de dados multidimensionais. ANÁLISE DE COMPONENTES PRINCIPAIS/PCA
Leia maisG2 de Álgebra Linear I
G2 de Álgebra Linear I 2013.1 17 de Maio de 2013. Gabarito 1) Considere a transformação linear T : R 3 R 2 definida por: T (1, 1, 0) = (2, 2, 0), T (0, 1, 1) = (1, 0, 0) T (0, 1, 0) = (1, 1, 0). (a) Determine
Leia maisGAAL Exercícios 6: Umas soluções
GAAL Exercícios 6: Umas soluções. Quais dos seguintes vetores são combinação linear de u = (5, 3, ), v = (, 4, 3), w = (, 8, 7)? (a) (, 2, 5) (b) (, 2, 8) (c) ( 2, ) (d) (, 2, 3). O conjunto {u, v, w}
Leia maisGAAL - Terceira Prova - 15/junho/2013. Questão 1: Analise se a afirmação abaixo é falsa ou verdadeira:
GAAL - Terceira Prova - /junho/3 SOLUÇÕES Questão : Analise se a afirmação abaio é falsa ou verdadeira: [ A matriz A é diagonalizável SOLUÇÃO: Sabemos que uma matriz n n é diagonalizável se ela possuir
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 maisExemplo 1: Variáveis padronizadas Z t = ( Z 1 (1), Z 2 (1), Z 1 (2), Z 2 Z 1 (1) Z (1) = Z (2) = Z 2. Matriz de correlações:
Exemplo : Variáveis padronizadas t = (,,, ) = = Matriz de correlações: Ρ Ρ Ρ Ρ Ρ.0 0.4 0.5 0.6 0.4.0 0.3 0.4 0.5 0.3.0 0. 0.6 0.4 0..0 De onde se obtém: /.068 0.9.047 0.083 Ρ Ρ 0.9.068 0.083.047 Ρ / /
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 maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões PCA. Luiz Eduardo S. Oliveira, Ph.D.
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões PCA Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Objetivos Introduzir os conceitos de PCA e suas aplicações
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 mais29 e 30 de julho de 2013
Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 29 e 30 de julho de 2013 Dia 2 - Conteúdo 1 2 3 Dados multivariados Estrutura: n observações tomadas de p variáveis resposta.
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 maisANÁLISE DE COMPONENTES PRINCIPAIS/PCA ou ACP
Procedimento para a determinação de novas variáveis (componentes) que expliquem a maior variabilidade possível existente em uma matriz de dados multidimensionais. ANÁLISE DE COMPONENTES PRINCIPAIS/PCA
Leia maisResolução das objetivas 3ª Prova de Álgebra Linear II da UFRJ, período
www.engenhariafacil.weebly.com Resolução das objetivas 3ª Prova de Álgebra Linear II da UFRJ, período 4. OBS: Todas as alternativas corretas são as letras A. ) Devemos utilizar o teorema que diz: (Im(A
Leia maisO resultado abaixo é local, por praticidade o enunciamos em todo o espaço. Escrevamos R n+m =R n R m ={(x,y) x R n e y R m }.
CÁLCULO III - MAT 216 - IFUSP- Primeiro Semestre de 2014 Professor Oswaldo Rio Branco de Oliveira http://wwwimeuspbr/~oliveira MULTIPLICADORES DE LAGRANGE EM VÁRIAS VARIÁVEIS Definição SejaM umamatrizemm
Leia maisÁLGEBRA LINEAR. Valores Próprios (Autovalores) e Vetores Próprios (Autovetores) Prof. Susie C. Keller
ÁLGEBRA LINEAR Valores Próprios (Autovalores) e Vetores Próprios (Autovetores) Prof. Susie C. Keller Autovalores e Autovetores de um Operador Linear Seja T:V V um operador linear. Um vetor v V, v 0, é
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 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 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 maisUniversidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica. Classificação. David Menotti.
Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Classificação David Menotti www.inf.ufpr.br/menotti/ci171-182 Hoje Redução de Dimensionalidade Principal Component Analysis (PCA)
Leia mais10 a Lista de Exercícios
Álgebra Linear Licenciaturas: Eng. Biológica, Eng. Ambiente, Eng. Química, Química 1 ō ano 2004/05 10 a Lista de Exercícios Problema 1. Decida quais das expressões seguintes definem um produto interno.
Leia maisSegunda prova de Álgebra Linear - 01/07/2011 Prof. - Juliana Coelho
Segunda prova de Álgebra Linear - 01/07/011 Prof - Juliana Coelho JUSTIFIQUE SUAS RESPOSTAS! Questões contendo só a resposta, sem desenvolvimento ou justificativa serão desconsideradas! QUESTÃO 1, pts
Leia maisÁLGEBRA LINEAR I - MAT0032
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT0032 11 a Lista de
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 maisOBJETIVO. Prova1-Trivial,porinduçãoeusaoteoremafundamentaldaálgebra...3
O TEOREMA DE CAYLEY-HAMILTON Carlos Alexandre Gomes (UFRN) e Oswaldo Rio Branco de Oliveira (IMEUSP) http://www.ime.usp.br/~oliveira oliveira@ime.usp.br Ano 2015 e Ano 2017 OBJETIVO Nesta notas apresentamos
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 maisLista de Exercícios 03: Álgebra Linear
Universidade Federal de Campina Grande - UFCG Centro de Ciências e Tecnologias Agroalimentar - CCTA Unidade Acadêmica de Ciências e Tecnologia Ambiental - UACTA Disciplina: Geometria Analítica e Álgebra
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 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 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 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 maisAnálise Fatorial e Componentes Principais Aplicadas na Engenharia de Avaliações
Análise Fatorial e Componentes Principais Aplicadas na Engenharia de Avaliações Diogo de Carvalho Bezerra Universidade Federal de Pernambuco Núcleo de Gestão e-mail:dicbezerra@hotmail.com SOBREA Sociedade
Leia maisÁLGEBRA LINEAR - MAT0024
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR - MAT0024 11 a Lista de exercícios
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 maisout II - Algoritmo Back-Propagation II - Algoritmo BackPropagation II - Algoritmo Back-Propagation Modelo de Rede Neural com Multiplas Camadas
Modelo de Rede Neural com Multilas Camadas SCE 5809 REDES NEURAIS REDE NEURAL DO TIPO MULTI- CAMADAS Profa Inut First Hidden Second Roseli Hidden Romero Outut II - Algoritmo Bac-Proagation Out(x) = g(
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 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 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 mais(d) p(λ) = λ(λ + 1) (b) 4 (c) 1 (d) Seja A uma matriz n n. Assinale a alternativa FALSA:
UFRJ Instituto de Matemática Disciplina: Algebra Linear II - MAE 125 Professor: Bruno Costa, Luiz Carlos Guimarães, Mário de Oliveira, Milton Ramirez, Monique Carmona, Nilson Bernardes e Nilson Roberty
Leia maisÁlgebra Linear I - Aula Matrizes simultaneamente ortogonais e simétricas
Álgebra Linear I - Aula 22 1. Matrizes 2 2 ortogonais e simétricas. 2. Projeções ortogonais. 3. Matrizes ortogonais e simétricas 3 3. Roteiro 1 Matrizes simultaneamente ortogonais e simétricas 2 2 Propriedade
Leia maisProduto Misto, Determinante e Volume
15 Produto Misto, Determinante e Volume Sumário 15.1 Produto Misto e Determinante............ 2 15.2 Regra de Cramer.................... 10 15.3 Operações com matrizes............... 12 15.4 Exercícios........................
Leia maisMulticolinariedade e Autocorrelação
Multicolinariedade e Autocorrelação Introdução Em regressão múltipla, se não existe relação linear entre as variáveis preditoras, as variáveis são ortogonais. Na maioria das aplicações os regressores não
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 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 7 - Revisão de Álgebra Matricial
23 de Abril de 2018 // 26 de Abril de 2018 Introdução Objetivo da revisão: revisar a notação matricial, técnicas de álgebra linear e alguns resultados importantes Conteúdos: 1 Vetores e matrizes 2 Operações
Leia maisUniversidade Federal Fluminense - GAN
Solimá Gomes Pimentel Universidade Federal Fluminense IM - GAN Solimá Gomes Pimentel, ****- Matemática para Economia III/Solimá Gomes Pimentel 2pt, ; 31cm Inclui Bibliografia. 1. Matemática para Economia
Leia maisResolução das objetivas 3ª Prova de Álgebra Linear II da UFRJ, período
www.engenhariafacil.weebly.com Resolução das objetivas 3ª Prova de Álgebra Linear II da UFRJ, período 2013.2 OBS: Todas as alternativas corretas são as letras A. 1) Para encontrar o autovetor associado
Leia maisA matriz das incógnitas é uma matriz coluna formada pelas incógnitas do sistema.
MATEMÁTICA MÓDULO 1 SISTEMA LINEAR Um sistema linear de m equações a n incógnitas é um conjunto de m (m 1) equações lineares a n incógnitas e pode ser escrito como segue: a a a b a a a b 11 1 1 1n n 1
Leia maisTécnicas Multivariadas em Saúde
Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de
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 maisÁlgebra Linear I - Aula Propriedades dos autovetores e autovalores
Álgebra Linear I - Aula 17 1. Propriedades dos autovetores e autovalores. 2. Matrizes semelhantes. 1 Propriedades dos autovetores e autovalores Propriedade 1: Sejam λ e β autovalores diferentes de T e
Leia maisANÁLISE DE CORRELAÇÕES CANÓNICAS. Identificar e quantificar a associação entre dois conjuntos de variáveis.
OBJECTIVO Identificar e quantificar a associação entre dois conjuntos de variáveis. Identificar duas combinações lineares das variáveis, num e noutro conjunto, que tenham a maior correlação possível. Identificar
Leia mais8. Análise em Componentes Principais - ACP
8. Análise em Componentes Principais - ACP 8.1 Introdução O propósito principal da ACP é substituir as variáveis originais por um número menor de variáveis que são função das variáveis originais. A ACP
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 maisLegenda. Questões. Lista de Exercícios - Autovalores e autovetores. Cálculos Teoria Geometria
Lista de Exercícios - Autovalores e autovetores Legenda Cálculos Teoria Geometria Questões. Considere o quadrado determinado pelos pontos A(0, 0), B(, 0), C(, ) e D(0, ).Em cada item aplique o referido
Leia maisNoções de Testes de Hipóteses
Noções de Testes de Hióteses Outro tio de roblema da Inferência Estatística é o de testar se uma conjectura sobre determinada característica de uma ou mais oulações é, ou não, aoiada ela evidência obtida
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 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 maisActividade Formativa 1
Actividade Formativa 1 Resolução 1. a. Dada a função y 3+4x definida no conjunto A {x R: 2 x < 7} represente graficamente A e a sua imagem; exprima a imagem de A como um conjunto. b. Dada a função y 3
Leia maisRESISTÊNCIA DOS MATERIAIS 2 Marcel Merlin dos Santos
03/11/017 RESISTÊNIA DOS MATERIAIS Marcel Merlin dos Santos TENSÃO EM EIXOS QUE SE DEVE À ARGA AXIAL E À TORÇÃO Ocasionalmente os eios circulares são submetidos a efeitos combinados de carga aial e torção.
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 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 mais1 Autovetor e Autovalor 9. 2 Matrizes Ortogonais e Transformações Lineares Planas e Espaciais 55
Capítulo LINE LINE Autovetor e Autovalor 9 Matrizes Ortogonais e Transformações Lineares Planas e Espaciais 55 Matrizes Simétricas, o Teorema Espectral e Operadores Auto-adjuntos 8 4 Formas Bilineares,
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 maisÁLGEBRA LINEAR A FICHA 6. Por definição do determinante de uma matriz 3 3, tem-se det A = 7.
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Última actualização: 20/Nov/2003 ÁLGEBRA LINEAR A FICHA 6 SOLUÇÕES SUMÁRIAS DOS EXERCÍCIOS ÍMPARES Propriedades dos Determinantes
Leia mais