Determinação numérica de autovalores e autovetores: Método de Jacobi
|
|
- Diogo Martinho Bentes
- 5 Há anos
- Visualizações:
Transcrição
1 Determinação numérica de autovalores e autovetores: Método de Jacobi Marina Andretta/Franklina Toledo ICMC-USP 3 de setembro de 2012 Baseado no livro Cálculo Numérico, de Neide B. Franco. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
2 Método de Jacobi Vamos agora nos concentrar em determinar autovalores e autovetores de matrizes simétricas. Matrizes simétricas de ordem n têm a propriedade de possuir n autovalores reais e n autovetores linearmente independentes. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
3 Método de Jacobi O Método de Jacobi consiste em, dada uma matriz simétrica A, aplicar uma série de transformações similares k = 1, 2,..., com A 1 = A. A k+1 = U 1 k A ku k, As matrizes A 1, A 2,... convergem a uma matriz diagonal. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
4 Método de Jacobi Após m passos do Método de Jacobi, temos A m+1 = U 1 m...u 1 2 U 1 1 AU 1U 2...U m. Se A m+1 D, D matriz diagonal, os elementos da diagonal de A m+1 são aproximações para os autovalores de A, e as colunas de V = U 1 U 2...U m são aproximações para os autovetores de A. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
5 Rotação de Jacobi Uma matriz U IR n n, com elementos definidos por u pp = u qq = cos(ϕ), u pq = u qp = sen(ϕ), u ii = 1, i p, i q, u ij = 0, caso contrário, para p e q entre 1 e n, é chamada de matriz de rotação. Esta nomenclatura vem do fato de que, ao calcular o produto y = Ux, para um vetor x IR n, o vetor resultante y é o vetor x rotacionado de um ângulo ϕ no plano dos eixos p e q. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
6 Rotação de Jacobi cos(ϕ) sen(ϕ) sen(ϕ) cos(ϕ) Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
7 Rotação de Jacobi Uma rotação (p, q) de Jacobi é a operação U T AU, com U matriz de rotação. Vamos ver como fica uma matriz A depois de aplicada uma rotação (p, q) de Jacobi. Para isso, vejamos como exemplo o que acontece quando aplicamos uma rotação (2, 4) de Jacobi em uma matriz A IR 4 4. O que acontece para (p, q) gerais e matrizes A IR n n é análogo. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
8 Rotação de Jacobi U T A = cos(ϕ) 0 sen(ϕ) sen(ϕ) 0 cos(ϕ) a 11 a 12 a 13 a 14 a 21 a 22 a 23 a 23 a 31 a 32 a 33 a 33 a 41 a 42 a 43 a 43 a 11 a 12 a 13 a 14 a 21 c a 41 s a 22 c a 42 s a 23 c a 43 s a 24 c a 44 s a 31 a 32 a 33 a 34 a 21 s + a 41 c a 22 s + a 42 c a 23 s + a 43 c a 24 s + a 44 c = = A, com c = cos(ϕ) e s = sen(ϕ). Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
9 Rotação de Jacobi A U = a 11 a 12 a 13 a 14 a 21 a 22 a 23 a 23 a 31 a 32 a 33 a 33 a 41 a 42 a 43 a 43 a 11 a 12 c a 14 s a 13 a 12 s + a 14 c a 21 a 22 c a 24 s a 23 a 22 s + a 24 c a 31 a 32 c a 34 s a 33 a 32 s + a 34 c a 41 a 42 c a 44 s a 43 a 42 s + a 44 c cos(ϕ) 0 sen(ϕ) sen(ϕ) 0 cos(ϕ) = A, = com c = cos(ϕ) e s = sen(ϕ). Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
10 Rotação de Jacobi De um modo geral, para uma matriz A IR n n e U matriz de rotação com ângulo ϕ no plano dos eixos p e q, o produto U T A gera uma matriz A definida por a pj = a pj cos(ϕ) a qj sen(ϕ), 1 j n, a qj = a pj sen(ϕ) + a qj cos(ϕ), 1 j n, a ij = a ij, i p, i q, 1 j n. (1) O produto A U gera uma matriz A definida por (2) a ip = a ip cos(ϕ) a iqsen(ϕ), 1 i n, a iq = a ip sen(ϕ) + a iq cos(ϕ), 1 i n, a ij = a ij, j p, j q, 1 i n. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
11 Rotação de Jacobi Assim, comparando as matrizes A e A, apenas os elementos das linhas e colunas p e q são modificados. E A continua sendo simétrica. Vejamos agora como escrever a mudança dos elementos a pp, a qq e a pq. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
12 Rotação de Jacobi a pp = a pp cos(ϕ) a pqsen(ϕ) = (a pp cos(ϕ) a pq sen(ϕ)) cos(ϕ) (a pq cos(ϕ) a qq sen(ϕ))sen(ϕ). Ou seja, a pp = a pp cos 2 (ϕ) 2a pq sen(ϕ) cos(ϕ) + a qq sen 2 (ϕ). (3) Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
13 Rotação de Jacobi a qq = a qpsen(ϕ) + a qq cos(ϕ) = (a pp sen(ϕ) + a qp cos(ϕ))sen(ϕ) + (a pq sen(ϕ) a qq cos(ϕ)) cos(ϕ). Ou seja, a qq = a pp sen 2 (ϕ) + 2a pq sen(ϕ) cos(ϕ) + a qq cos 2 (ϕ). (4) Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
14 Rotação de Jacobi a pq = a ppsen(ϕ) + a pq cos(ϕ) = (a pp cos(ϕ) a pq sen(ϕ))sen(ϕ) + (a pq cos(ϕ) a qq sen(ϕ)) cos(ϕ). Ou seja, a pq = a qp = (a pp a qq )sen(ϕ) cos(ϕ) + a pq (cos 2 (ϕ) sen 2 (ϕ)). (5) Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
15 Rotação de Jacobi Portanto, para aplicar rotações (p, q) de Jacobi, em vez de calcular o produto U T AU, usamos as fórmulas (1), (2), (3), (4) e (5). Vejamos agora um exemplo numérico de como calcular uma rotação de Jacobi. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
16 Rotação de Jacobi - exemplo Considere a matriz A = Vamos fazer uma rotação de ϕ = π/2 em torno do elemento (p, q) = (1, 3). Temos que cos(π/2) = 0 e sen(π/2) = 1. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
17 Rotação de Jacobi - exemplo Usando a fórmula (3), temos que a 11 = a 11 cos 2 (π/2) 2a 13 sen(π/2) cos(π/2) + a 33 sen 2 (π/2) = = 3. Usando a fórmula (4), temos que a 33 = a 11 sen 2 (π/2) + 2a 13 sen(π/2) cos(π/2) + a 33 cos 2 (π/2) = 2. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
18 Rotação de Jacobi - exemplo Usando a fórmula (5), temos que a 13 = a 31 = (a 11 a 33 )sen(π/2) cos(π/2) + a 13 (cos 2 (π/2) sen 2 (π/2)). (2 3) (0 1) = 3. Usando as fórmulas (1) e (2), temos a 12 = a 12 = a 12 = a 12 cos(ϕ) a 32 sen(ϕ) = 1 0 ( 1) 1 = 1, a 14 = a 14 = a 14 = a 14 cos(ϕ) a 34 sen(ϕ) = = 0, Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
19 Rotação de Jacobi - exemplo a 32 = a 32 = a 32 = a 12 sen(ϕ) + a 32 cos(ϕ) = ( 1) 0 = 1, a 34 = a 34 = a 34 = a 14 sen(ϕ) + a 34 cos(ϕ) = = 1. Assim, a matriz resultante A é dada por A = Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
20 Método de Jacobi Como mencionamos no início, o Método de Jacobi determina autovalores e autovetores de uma matriz simétrica através de sucessivas rotações A 1 = A A 2 = U T 1 A 1 U 1 A 3 = U T 2 A 2 U 2... A k+1 = U T k A ku k D, com U i, i = 1, 2,..., k matrizes de rotação e D matriz diagonal. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
21 Método de Jacobi Para calcular a matriz A k+1, escolhemos o maior elemento em módulo dentre os elementos fora da diagonal de A k, que chamamos de a pq. Fazemos, então, uma rotação para zerar o elemento a pq. Este processo é repetido até que uma matriz A k+1 seja (quase) diagonal. Quando isto acontece, os elementos da diagonal de A k+1 são aproximações dos autovalores de A e as colunas de V = U 1 U 2...U k são aproximações dos autovetores de A. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
22 Método de Jacobi Vejamos agora como definir a matriz U k de modo que o elemento a pq seja zerado. Supomos que a pq 0, já que, se isso não acontecesse, nada precisaria ser feito. Usando a expressão (5), queremos que a pq = (a pp a qq )sen(ϕ) cos(ϕ) + a pq (cos 2 (ϕ) sen 2 (ϕ)) = 0. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
23 Método de Jacobi Como sen(ϕ) cos(ϕ) = 1 2 sen(2ϕ), cos 2 (ϕ) sen 2 (ϕ) = cos(2ϕ), temos que a pp a qq = a pq cos(2ϕ) 1 2 sen(2ϕ) = 2a pq cotg(2ϕ) cotg(2ϕ) = a qq a pp 2a pq = φ. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
24 Método de Jacobi Temos ainda que cotg(2ϕ) = cos(2ϕ) sen(2ϕ) = cos2 (ϕ) sen 2 (ϕ) = 2sen(ϕ) cos(ϕ) cos 2 (ϕ) sen 2 (ϕ) cos 2 (ϕ) 2sen(ϕ) cos(ϕ) cos 2 (ϕ) = 1 tg2 (ϕ). 2tg(ϕ) Denote t = tg(ϕ). Como cotg(2ϕ) = φ, temos que φ = 1 t2 2t 1 t 2 = 2tφ t 2 + 2tφ 1 = 0 t = 2φ ± 4φ = φ ± φ Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
25 Método de Jacobi Multiplicando o numerador e denominador de t por φ ± φ 2 + 1, temos t = 1 φ ± φ Computacionalmente, adotamos { 1 t =, φ 0, φ+sinal(φ) φ , φ = 0. Note que escolhemos o sinal positivo ou negativo de modo a obter o denominador de maior módulo. Assim, sempre teremos t 1. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
26 Método de Jacobi Vamos agora escrever sen(ϕ) e cos(ϕ) em função de t. Observe que sec 2 (ϕ) = 1 + tg 2 (ϕ) 1 cos 2 (ϕ) = 1 + tg2 (ϕ) cos 2 (ϕ) = Então tg 2 (ϕ). cos(ϕ) = t 2 e sen(ϕ) = t 1 + t 2. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
27 Algoritmo Método de Jacobi: dados uma matriz simétrica A IR n n, uma tolerância ɛ e um número máximo de iterações MAXIT, devolve D uma matriz quase diagonal com aproximações dos autovalores da matriz A na diagonal, ou emite uma mensagem de erro. Passo 1: Faça k 1. Passo 2: Enquanto (k MAXIT ), execute os passos 3 a 10: Passo 3: Calcule p, q, 1 p, q n, índices tais que a pq = max i j { a ij }. Passo 4: Se a pq ɛ, então devolva A e pare. Passo 5: Faça φ aqq app 2a pq. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
28 Algoritmo Passo 6: Faça t { Passo 7: Faça cos(ϕ) 1 1+t 2. Passo 8: Faça sen(ϕ) 1 φ+sinal(φ) φ 2 +1 φ 0, 1, φ = 0. t 1+t 2. Passo 9: Defina A usando as expressões (1), (2), (3), (4) e (5). Passo 10: Faça A A e k k + 1. Passo 11: Escreva número máximo de iterações atingido e pare. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
29 Algoritmo Note que o algoritmo, como está definido, não calcula os autovetores de A. Para que os autovetores sejam calculados, basta que sejam feitas as seguintes modificações: No Passo 1 deve ser criada uma matriz V I. No Passo 9 deve ser formada a matriz U e, depois, deve-se calcular V VU. Para tornar esta modificação do Passo 9 computacionalmente mais eficiente, pode-se deduzir expressões que correspondem à transformação VU e, então, usar estas expressões para modificar V. Isso faz com que sejam feitos menos cálculos e, ainda, torna dispensável a alocação e definição da matriz U. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
30 Exemplo Vamos usar o Método de Jacobi para determinar os autovalores da matriz A = O maior elemento em módulo, fora da diagonal de A 1 = A, é a 23 = a 32 = 3. Assim, φ = a 33 a 22 = 6 5 = a 23 6 Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
31 Exemplo Usando o valor de φ, calculamos t = tg(ϕ) = , c = cos(ϕ) = e s = sen(ϕ) = Com isso, definimos U 1 = A 2 = U1 T A 1 U 1 = Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
32 Exemplo O maior elemento em módulo, fora da diagonal de A 2, é a 12 = a 21 = Assim, φ = , t = , c = e s = U 2 = A 3 = U2 T A 2 U 2 = Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
33 Exemplo O maior elemento em módulo, fora da diagonal de A 3, é a 13 = a 31 = Assim, φ = , t = , c = e s = U 3 = A 4 = U3 T A 3 U 3 = Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
34 Exemplo O maior elemento em módulo, fora da diagonal de A 4, é a 23 = a 32 = Assim, φ = , t = , c = e s = U 4 = A 5 = U4 T A 4 U 4 = Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
35 Exemplo Observe que, à medida que k aumenta, os elementos fora da diagonal de A k tendem a zero. Assim, os elementos da diagonal de A k convergem para os autovalores de A, que são , e Se estivermos interessados nos autovetores de A, basta calcular o produto U 1 U 2...U k. Marina Andretta/Franklina Toledo (ICMC-USP) sme Cálculo Numérico 3 de setembro de / 35
Determinação 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 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 maisMétodo das Secantes. Marina Andretta/Franklina Toledo ICMC-USP. 4 de setembro de 2012
Determinação de raízes de funções: Método das Secantes Marina Andretta/Franklina Toledo ICMC-USP 4 de setembro de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta/Franklina
Leia maisResolução de sistemas de equações lineares: Método dos Gradientes Conjugados
Resolução de sistemas de equações lineares: Método dos Gradientes Conjugados Marina Andretta/Franklina Toledo ICMC-USP 24 de março de 2015 Baseado no livro Cálculo Numérico, de Neide B. Franco Marina Andretta/Franklina
Leia maisResolução de sistemas de equações lineares: Método do Gradiente
Resolução de sistemas de equações lineares: Método do Gradiente Marina Andretta ICMC-USP 24 de março de 2015 Marina Andretta (ICMC-USP) sme0301 - Métodos Numéricos para Engenharia I 24 de março de 2015
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 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 maisAuto-Valores e Auto-Vetores
Capítulo 7 Determinação Numérica de Auto-Valores e Auto-Vetores 7 Introdução Auto-valores e auto-vetores estão presentes em diferentes ramos da matemática incluindo formas quadráticas, sistemas diferenciais;
Leia maisMarina Andretta/Franklina Toledo. 18 de outubro de Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires.
Determinação de raízes de funções: Marina Andretta/Franklina Toledo ICMC-USP 18 de outubro de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta/Franklina Toledo (ICMC-USP)
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 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 maisResolução de sistemas de equações lineares: Método de eliminação de Gauss - estratégias de pivotamento
Resolução de sistemas de equações lineares: Método de eliminação de Gauss - estratégias de pivotamento Marina Andretta/Franklina Toledo ICMC-USP 3 de setembro de 2012 Baseado no livro Análise Numérica,
Leia maisInterpolação polinomial: Diferenças divididas de Newton
Interpolação polinomial: Diferenças divididas de Newton Marina Andretta ICMC-USP 9 de maio de 2013 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500
Leia maisDeterminação de raízes de polinômios: Método de Briot-Ruffini-Horner
Determinação de raízes de polinômios: Marina Andretta/Franklina Toledo ICMC-USP 13 de maio de 2015 Baseado no livro Cálculo Numérico, de Neide B. Franco Marina Andretta/Franklina Toledo (ICMC-USP) sme0301
Leia maisDeterminação de raízes de polinômios: Método de Briot-Ruffini-Horner
Determinação de raízes de polinômios: Método de Briot-Ruffini-Horner Marina Andretta/Franklina Toledo ICMC-USP 29 de outubro de 2012 Baseado no livro Cálculo Numérico, de Neide B. Franco Marina Andretta/Franklina
Leia maisResolução de sistemas de equações lineares: Método de eliminação de Gauss - estratégias de pivotamento
Resolução de sistemas de equações lineares: Método de eliminação de Gauss - estratégias de pivotamento Marina Andretta ICMC-USP 28 de março de 2012 Baseado no livro Análise Numérica, de R. L. Burden e
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 maisInterpolação polinomial: Polinômio de Lagrange
Interpolação polinomial: Polinômio de Lagrange Marina Andretta ICMC-USP 09 de maio de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500 - cálculo
Leia maisMétodo do Ponto Fixo
Determinação de raízes de funções: Método do Ponto Fixo Marina Andretta ICMC-USP 07 de março de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500
Leia maisInterpolação polinomial: Diferenças divididas de Newton
Interpolação polinomial: Diferenças divididas de Newton Marina Andretta ICMC-USP 16 de maio de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500
Leia maisResolução de sistemas de equações não-lineares: Método de Newton
Resolução de sistemas de equações não-lineares: Método de Newton Marina Andretta/Franklina Toledo ICMC-USP 24 de setembro de 202 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina
Leia maisResolução de sistemas de equações não-lineares: Método Iterativo Linear
Resolução de sistemas de equações não-lineares: Método Iterativo Linear Marina Andretta/Franklina Toledo ICMC-USP 18 de setembro de 2013 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires.
Leia maisAlgoritmos Numéricos II. Lucia Catabriga 1
Algoritmos Numéricos II Autovalores e Autovetores Métodos de Transformação Lucia Catabriga 1 1 DI/UFES - Brazil Junho 2014 Introdução Introdução Os métodos de transformação tem por objetivo modificar a
Leia maisResolução de sistemas de equações não-lineares: Método Iterativo Linear
Resolução de sistemas de equações não-lineares: Método Iterativo Linear Marina Andretta/Franklina Toledo ICMC-USP 27 de março de 2015 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires.
Leia maisMétodos Previsor-Corretor
Solução numérica de Equações Diferenciais Ordinárias: Métodos Previsor-Corretor Marina Andretta/Franklina Toledo ICMC-USP 7 de novembro de 2013 Baseado no livro Cálculo Numérico, de S. Arenales e A. Darezzo.
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 maisResolução de problemas com apenas restrições lineares de igualdade
Resolução de problemas com apenas restrições lineares de igualdade Marina Andretta ICMC-USP 14 de outubro de 2014 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 14 de outubro de 2014 1 / 22
Leia maisMarina Andretta. 17 de setembro de Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright.
Métodos de regiões de confiança Marina Andretta ICMC-USP 17 de setembro de 2014 Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright. Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear
Leia maisSME Cálculo Numérico. Lista de Exercícios: Gabarito
Exercícios de prova SME0300 - Cálculo Numérico Segundo semestre de 2012 Lista de Exercícios: Gabarito 1. Dentre os métodos que você estudou no curso para resolver sistemas lineares, qual é o mais adequado
Leia maisMétodos de Runge-Kutta
Solução numérica de Equações Diferenciais Ordinárias: Métodos de Runge-Kutta Marina Andretta/Franklina Toledo ICMC-USP 31 de outubro de 2013 Baseado nos livros: Análise Numérica, de R. L. Burden e J. D.
Leia maisComo resolver o QFEMUP usando otimização
Como resolver o QFEMUP usando otimização Marina Andretta ICMC-USP 2 de agosto de 2016 Baseado no artigo M. Andretta, E. G. Birgin and M. Raydan, An inner-outer nonlinear programming approach for constrained
Leia maisPalavras-Chave: Autovalores, Matriz, Método de Jacobi. (1)
MSc Alexandre stácio Féo Associação ducacional Dom Bosco - Faculdade de ngenharia de Resende Caixa Postal: 8.698/87 - CP: 75-97 - Resende - RJ Brasil Professor e Doutorando de ngenharia aefeo@yahoo.com.br
Leia maisSME0300 Cálculo Numérico Aula 11
SME0300 Cálculo Numérico Aula 11 Maria Luísa Bambozzi de Oliveira marialuisa @ icmc. usp. br Sala: 3-241 Página: tidia-ae.usp.br 21 de setembro de 2015 Tópico Anterior Sistemas Lineares: Métodos Exatos:
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 maisEquação Geral do Segundo Grau em R 2
8 Equação Geral do Segundo Grau em R Sumário 8.1 Introdução....................... 8. Autovalores e autovetores de uma matriz real 8.3 Rotação dos Eixos Coordenados........... 5 8.4 Formas Quadráticas..................
Leia maisMétodo de Newton truncado
Método de Newton truncado Marina Andretta ICMC-USP 8 de outubro de 2018 Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear
Leia maisMétodo dos gradientes (ou método de máxima descida)
Método dos gradientes (ou método de máxima descida) Marina Andretta ICMC-USP 14 de setembro de 2010 Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 14 de setembro de 2010 1 / 16 Método dos gradientes
Leia maisMétodo de Euler. Marina Andretta/Franklina Toledo ICMC-USP. 29 de outubro de 2013
Solução numérica de Equações Diferenciais Ordinárias: Método de Euler Marina Andretta/Franklina Toledo ICMC-USP 29 de outubro de 2013 Baseado nos livros: Análise Numérica, de R. L. Burden e J. D. Faires;
Leia maisSinais e Sistemas Aula 1 - Revisão
MINISTÉRIO DA EDUCAÇÃO SECRETARIA DE EDUCAÇÃO PROFISSIONAL E TECNOLÓGICA INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE SANTA CATARINA CAMPUS JOINVILLE DEPARTAMENTO DO DESENVOLVIMENTO DO ENSINO
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 maisLista de exercícios 11 Representação Matricial de Aplicações Lineares
Universidade Federal do Paraná Algebra Linear Olivier Brahic Lista de exercícios Representação Matricial de Aplicações Lineares Exercício : Para cada transformação linear seguinte, encontre a representação
Leia maisSistemas Lineares - Métodos Iterativos : Jacobi e Gauss-Seidel. Profa. Cynthia de O. Lage Ferreira Métodos Numéricos e Computacionais I - SME0305
Sistemas Lineares - Métodos Iterativos : Jacobi e Gauss-Seidel Profa. Cynthia de O. Lage Ferreira Métodos Numéricos e Computacionais I - SME35 Métodos Iterativos Nesta seção, vamos estudar métodos iterativos
Leia maisSME0300 Cálculo Numérico Aula 6
SME0300 Cálculo Numérico Aula 6 Maria Luísa Bambozzi de Oliveira marialuisa @ icmc. usp. br Sala: 3-241 Página: tidia-ae.usp.br 20 de agosto de 2015 Aula Passada Equações Não-Lineares: Determinar raiz
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 13 04/2014 Sistemas de Equações Lineares Parte 3 MÉTODOS ITERATIVOS Cálculo Numérico 3/44 MOTIVAÇÃO Os métodos iterativos
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 Métodos iterativos Vamos considerar o problema: Achar x R n
Leia mais1 Matrizes Ortogonais
Álgebra Linear I - Aula 19-2005.1 Roteiro 1 Matrizes Ortogonais 1.1 Bases ortogonais Lembre que uma base β é ortogonal se está formada por vetores ortogonais entre si: para todo par de vetores distintos
Leia maisMarina Andretta/Franklina Toledo. 25 de outubro de 2013
Integração Numérica Marina Andretta/Franklina Toledo ICMC-USP 25 de outubro de 2013 Baseado nos livros: Análise Numérica, de R. L. Burden e J. D. Faires; e Cálculo Numérico, de Neide B. Franco. Marina
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 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 maisMétodo Simplex dual. Marina Andretta ICMC-USP. 24 de outubro de 2016
Método Simplex dual Marina Andretta ICMC-USP 24 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisMarina Andretta. 10 de outubro de Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis.
Solução básica viável inicial Marina Andretta ICMC-USP 10 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211
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 maisSME0300 Cálculo Numérico Aula 4
SME0300 Cálculo Numérico Aula 4 Maria Luísa Bambozzi de Oliveira marialuisa @ icmc. usp. br Sala: 3-241 Página: tidia-ae.usp.br 13 de agosto de 2015 Aula Passada Operações Aritméticas: Arredondamento a
Leia maisLista de exercícios 11 Representação Matricial de Aplicações Lineares
Universidade Federal do Paraná semestre 6 Algebra Linear Olivier Brahic Lista de exercícios Representação Matricial de Aplicações Lineares Exercício : Para cada transformação linear seguinte, encontre
Leia maisMétodos iterativos para sistemas lineares.
Métodos iterativos para sistemas lineares. Alan Costa de Souza 7 de Setembro de 2017 Alan Costa de Souza Métodos iterativos para sistemas lineares. 7 de Setembro de 2017 1 / 46 Introdução. A ideia central
Leia maisLOM Teoria da Elasticidade Aplicada
Departamento de Engenharia de Materiais (DEMAR) Escola de Engenharia de orena (EE) Universidade de São Paulo (USP) OM3 - Teoria da Elasticidade Aplicada Parte 4 - Análise Numérica de Tensões e Deformações
Leia maisSISTEMAS LINEARES PROF. EDÉZIO
SOLUÇÕES NUMÉRICAS DE SISTEMAS LINEARES PROF. EDÉZIO Considere o sistema de n equações e n incógnitas: onde E : a x + a x +... + a n x n = b E : a x + a x +... + a n x n = b. =. () E n : a n x + a n x
Leia 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 maisÁlgebra Linear I - Aula Matriz de uma transformação linear em uma base. Exemplo e motivação
Álgebra Linear I - Aula 19 1. Matriz de uma transformação linear em uma base. Exemplo e motivação 2. Matriz de uma transformação linear T na base β 1 Matriz de uma transformação linear em uma base. Exemplo
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 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 maisRegras para evitar ciclagem
Regras para evitar ciclagem Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 -
Leia maisPontos extremos, vértices e soluções básicas viáveis
Pontos extremos, vértices e soluções básicas viáveis Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta
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 maisMarcelo M. Santos DM-IMECC-UNICAMP msantos/
Universidade Estadual de Maringá - Departamento de Matemática Cálculo Diferencial e Integral: um KIT de Sobrevivência 0 anos c Publicação Eletrônica do KIT http://www.dma.uem.br/kit Identificação de Cônicas
Leia maisMarina Andretta. 9 de agosto de Baseado em problemas presentes em
Aplicações Marina Andretta ICMC-USP 9 de agosto de 2018 Baseado em problemas presentes em http://www.ime.usp.br/~egbirgin/tango/ Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 9 de agosto de
Leia mais8. AS FÓRMULAS DA ADIÇÃO DE DOIS ARCOS.
8. AS FÓRMULAS DA ADIÇÃO DE DOIS ARCOS. Vamos considerar fórmulas que calculam as funções trigonométricas da soma e diferença de dois arcos quando são dadas as funções trigonométricas desses arcos. Usaremos
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 maisUNIVERSIDADE FEDERAL DE PERNAMBUCO Lista de Exercícios / Cálculo Numérico 1ª Unidade
1) Analise as alternativas abaixo e marque V para verdadeiro e F para falso. No segundo caso, explique como as tornaria verdadeiras: ( ) O método das secantes é utilizado para solucionar um problema de
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 maisCÁLCULO VETORIAL E GEOMETRIA ANALÍTICA
04 CÁLCULO VETORIAL E GEOMETRIA ANALÍTICA CAPÍTULO 0 TRANSLAÇÃO E ROTAÇÃO DE EIXOS TRANSLAÇÃO DE EIXOS NO R Sejam e O os eixos primitivos, do Sistema Cartesiano de Eixos Coordenados com origem O(0,0).
Leia maisAlgoritmos para resolução de problemas de minimização irrestrita
Algoritmos para resolução de problemas de minimização irrestrita Marina Andretta ICMC-USP 10 de agosto de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 10 de agosto de 2010 1 / 16 Algoritmos
Leia maisMétodo de Quadrados Mínimos: Caso discreto
Método de Quadrados Mínimos: Caso discreto Marina Andretta ICMC-USP 23 de maio de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500 - cálculo numérico
Leia maisSistemas de Equações Lineares
Capítulo 3 Sistemas de Equações Lineares Um sistema com n equações lineares pode ser escrito na forma : ou na forma matricial onde com a 1,1 x 1 + a 1,2 x 2 + + a x n = b 1 a 2,1 x 1 + a 2,2 x 2 + + a
Leia maisSeno e cosseno de arcos em todos os. quadrantes
Trigonometria Seno e cosseno de arcos em todos os quadrantes Seno e cosseno de arcos em todos os quadrantes Exemplo: Vamos determinar X, com 0 x < 2π tal que sen x = - 1 2. Seno e cosseno de arcos em todos
Leia maisMATEMÁTICA MÓDULO 11 DETERMINANTES. Professor Matheus Secco
MATEMÁTICA Professor Matheus Secco MÓDULO 11 DETERMINANTES INTRODUÇÃO Neste módulo, não daremos a definição padrão de determinantes via somatório envolvendo sinais de permutações, pois não há necessidade
Leia maisMétodo do Lagrangiano aumentado
Método do Lagrangiano aumentado Marina Andretta ICMC-USP 23 de novembro de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 23 de novembro de 2010 1 / 17 Problema com restrições gerais Vamos
Leia maisSistemas Lineares. Marina Andretta/Franklina Toledo ICMC-USP. 4 de março de 2015
Sistemas Lineares Marina Andretta/Franklina Toledo ICMC-USP 4 de março de 2015 Marina Andretta/Franklina Toledo (ICMC-USP) sme0301 - Métodos Numéricos para Engenharia I 4 de março de 2015 1 / 15 Introdução
Leia maisNotações e revisão de álgebra linear
Notações e revisão de álgebra linear Marina Andretta ICMC-USP 17 de agosto de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211
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 maisAula 5 - Produto Vetorial
Aula 5 - Produto Vetorial Antes de iniciar o conceito de produto vetorial, precisamos recordar como se calculam os determinantes. Mas o que é um Determinante? Determinante é uma função matricial que associa
Leia maisP1 de Álgebra Linear I
P1 de Álgebra Linear I 2008.1 Gabarito 1) Decida se cada afirmação a seguir é verdadeira ou falsa e marque COM CANETA sua resposta no quadro a seguir. Itens V F N 1.a x 1.b x 1.c x 1.d x 1.e x 1.a) Para
Leia mais. Repare que ao multiplicar os vetores (-1,1) e
Álgebra Linear II P1-2014.2 Obs: Todas as alternativas corretas são as representadas pela letra A. 1 AUTOVETORES/ AUTOVALORES Essa questão poderia ser resolvida por um sistema bem chatinho. Mas, faz mais
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo específico Sistemas de Equações Lineares Métodos Iterativos
Leia maisCálculo Numérico. Sistemas lineares Métodos Iterativos: Introdução Método Iterativo de Jacobi-Richardson
Cálculo Numérico Sistemas lineares Métodos Iterativos: Introdução Método Iterativo de Jacobi-Richardson Métodos como: Métodos exatos Método de eliminação de Gauss Método de decomposição LU Método de Cholesky
Leia maisMATRIZES - PARTE Mais exemplos Multiplicação de duas matrizes AULA 26
AULA 26 MATRIZES - PARTE 2 26. Mais exemplos Nesta aula, veremos mais dois algoritmos envolvendo matrizes. O primeiro deles calcula a matriz resultante da multiplicação de duas matrizes e utiliza três
Leia maisFísica Computacional 18 matrizes: inversão, valores próprios e sol. da eq. De Schrödinger
Física Computacional 18 matrizes: inversão, valores próprios e sol. da eq. De Schrödinger 1. Trabalhar com matrizes, e aplicá-las a um problema físico a. Inversão da matriz, eliminação de Gauss b. Determinante
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 maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo específico Sistemas de Equações Lineares. Métodos Iterativos
Leia maisNota importante: U é a matriz condensada obtida no processo de condensação da matriz
Decomposição P T LU A denominada decomposição P T L U é um processo que pode ser extremamente útil no cálculo computacional, na resolução de sistemas de equações lineares. Propriedade Seja A uma matriz
Leia maisTeoremas de dualidade
Teoremas de dualidade Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisA = Utilizando ponto flutuante com 2 algarismos significativos, 2 = 0, x (0)
MAP 22 - CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Sistemas Lineares : Utilizando o método de eliminação de Gauss, calcule o determinante e a seguir a inversa da matriz abaixo. Efetue todos os
Leia maisP4 de Álgebra Linear I
P4 de Álgebra Linear I 2008.2 Data: 28 de Novembro de 2008. Gabarito. 1) (Enunciado da prova tipo A) a) Considere o plano π: x + 2 y + z = 0. Determine a equação cartesiana de um plano ρ tal que a distância
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 maisÁlgebra Linear Semana 04
Álgebra Linear Semana 04 Diego Marcon 17 de Abril de 2017 Conteúdo 1 Produto de matrizes 1 11 Exemplos 2 12 Uma interpretação para resolução de sistemas lineares 3 2 Matriz transposta 4 3 Matriz inversa
Leia maisDERIVADAS PARCIAIS. y = lim
DERIVADAS PARCIAIS Definição: Seja f uma função de duas variáveis, x e y (f: D R onde D R 2 ) e (x 0, y 0 ) é um ponto no domínio de f ((x 0, y 0 ) D). A derivada parcial de f em relação a x no ponto (x
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 mais