Este documento apresenta três decomposições matriciais usando autovalores e autovetores: a decomposição de Cholesky para matrizes simétricas, a decomposição A=QR para qualquer matriz e a decomposição em valores singulares (SVD) para qualquer matriz. O documento descreve a teoria e implementação computacional dessas decomposições na linguagem Java.
1) O documento discute métodos computacionais para resolver sistemas lineares, incluindo o método de Cramer e o processo de Gram-Schmidt.
2) Explica o método de Cramer para resolver sistemas lineares determinados e compatíveis através do cálculo de determinantes de matrizes associadas.
3) Descreve o processo de Gram-Schmidt para transformar qualquer base em uma base ortogonal através da ortogonalização sucessiva de vetores.
O documento discute algoritmos computacionais para resolver sistemas lineares utilizando decomposições de matrizes. Apresenta a decomposição A=LU comparando-a com a eliminação de Gauss e discute a implementação da decomposição LU em Java, notando que seu custo de processamento é da ordem de N3, assim como a eliminação de Gauss.
[1] O documento introduz o operador momento angular quântico em coordenadas esféricas. [2] É derivada a expressão para o operador momento angular e suas componentes cartesianas nestas coordenadas. [3] O documento também aborda harmônicos esféricos, que são autofunções do operador momento angular.
O documento discute propriedades de autovalores e autovetores de sistemas lineares representados por matrizes. Explica que autovalores e autovetores permitem decompor uma matriz em espaços ortogonais e analisar propriedades como unicidade e estabilidade da solução do sistema linear. A decomposição em valores singulares é apresentada como forma de detectar problemas mal-postos no sistema.
O documento discute o método de discussão de sistemas lineares. Apresenta exemplos de como classificar sistemas em SPD, SPI ou SI analisando os parâmetros dos coeficientes. Demonstra a resolução passo a passo de dois exemplos que ilustram como determinar a classificação do sistema em função dos parâmetros.
O documento discute conceitos de teoria do caos, incluindo sistemas dinâmicos complexos cujo comportamento é imprevisível mas determinístico. Aborda como pequenas variações iniciais podem ter grandes consequências, como ilustrado pelo "efeito borboleta", e apresenta a transformação do Gato de Arnold como exemplo de sistema caótico.
O documento discute regressão não linear, apresentando modelos não lineares comuns, técnicas de linearização, métodos de estimação como mínimos quadrados ordinários e Gauss-Newton, e propriedades dos estimadores. Exemplos ilustram a aplicação desses conceitos.
1) O documento discute métodos computacionais para resolver sistemas lineares, incluindo o método de Cramer e o processo de Gram-Schmidt.
2) Explica o método de Cramer para resolver sistemas lineares determinados e compatíveis através do cálculo de determinantes de matrizes associadas.
3) Descreve o processo de Gram-Schmidt para transformar qualquer base em uma base ortogonal através da ortogonalização sucessiva de vetores.
O documento discute algoritmos computacionais para resolver sistemas lineares utilizando decomposições de matrizes. Apresenta a decomposição A=LU comparando-a com a eliminação de Gauss e discute a implementação da decomposição LU em Java, notando que seu custo de processamento é da ordem de N3, assim como a eliminação de Gauss.
[1] O documento introduz o operador momento angular quântico em coordenadas esféricas. [2] É derivada a expressão para o operador momento angular e suas componentes cartesianas nestas coordenadas. [3] O documento também aborda harmônicos esféricos, que são autofunções do operador momento angular.
O documento discute propriedades de autovalores e autovetores de sistemas lineares representados por matrizes. Explica que autovalores e autovetores permitem decompor uma matriz em espaços ortogonais e analisar propriedades como unicidade e estabilidade da solução do sistema linear. A decomposição em valores singulares é apresentada como forma de detectar problemas mal-postos no sistema.
O documento discute o método de discussão de sistemas lineares. Apresenta exemplos de como classificar sistemas em SPD, SPI ou SI analisando os parâmetros dos coeficientes. Demonstra a resolução passo a passo de dois exemplos que ilustram como determinar a classificação do sistema em função dos parâmetros.
O documento discute conceitos de teoria do caos, incluindo sistemas dinâmicos complexos cujo comportamento é imprevisível mas determinístico. Aborda como pequenas variações iniciais podem ter grandes consequências, como ilustrado pelo "efeito borboleta", e apresenta a transformação do Gato de Arnold como exemplo de sistema caótico.
O documento discute regressão não linear, apresentando modelos não lineares comuns, técnicas de linearização, métodos de estimação como mínimos quadrados ordinários e Gauss-Newton, e propriedades dos estimadores. Exemplos ilustram a aplicação desses conceitos.
4 alternativas-para-resolver-a-equacao-de-schrodingerMarcelo de Souza
Quatro métodos numéricos são descritos para resolver a equação de Schrödinger para o átomo de hidrogênio: (1) revisão da solução analítica, (2) uso de transformadas integrais para representar orbitais atômicos, (3) uso de números aleatórios no método de Monte Carlo Quântico. A motivação é explorar novos aspectos deste sistema bem conhecido usando técnicas numéricas.
Este documento apresenta uma série de exercícios sobre mecânica quântica. O objetivo da aula é consolidar os conhecimentos adquiridos no módulo anterior aplicando-os à resolução dos exercícios. São abordados tópicos como partícula livre e em caixa de potencial tridimensional, operador momento angular e relações de comutação entre operadores.
Aula 17: Separação da equação de Schrödinger em coordenadas cartesianas. Part...Adriano Silva
Este documento discute a separação da equação de Schrödinger tridimensional em coordenadas cartesianas para casos em que o potencial é separável. Explica que para potenciais separáveis, a equação pode ser escrita como três equações de Schrödinger unidimensionais, cada uma relacionada a uma das coordenadas cartesianas. Ilustra isso para os casos de uma partícula livre e de uma partícula em uma caixa tridimensional.
1. O documento discute resolução de congruências lineares, o teorema chinês dos restos e classes residuais.
2. É apresentado um método para resolver congruências do tipo aX ≡ b mod m, assim como o conceito de sistema completo de soluções.
3. O teorema chinês dos restos fornece uma única solução para sistemas de congruências quando os módulos são relativamente primos.
1. O documento apresenta conceitos básicos de aritmética dos restos, incluindo definições de congruência módulo m e exemplos ilustrativos.
2. Propriedades como compatibilidade da congruência com adição e multiplicação são demonstradas.
3. O Pequeno Teorema de Fermat é relacionado à noção de congruência.
Aplicar o formalismo quântico ao caso de um potencial V(x) que tem a forma de um poço infinito: o potencial é infinito para x < –a/2 e para x > a/2, e tem o valor 0 para –a/2 < x < a/2.
O documento descreve os conceitos básicos de sistemas lineares, incluindo equações lineares, soluções de equações lineares, sistemas lineares, matrizes associadas a sistemas lineares, classificação de sistemas, regra de Cramer, sistemas equivalentes e escalonamento de sistemas.
Este documento apresenta uma lista de exercícios sobre mecânica quântica para aplicar os conceitos estudados nas aulas anteriores. Os exercícios abordam tópicos como função de onda, equação de Schrödinger, operadores momento e energia, princípio da incerteza e casos estacionários e não estacionários.
Este documento discute equações diferenciais ordinárias de primeira ordem. Aborda equações diferenciais lineares e não lineares, sistemas autônomos e não autônomos, existência e unicidade de soluções, dependência das soluções em relação às condições iniciais e parâmetros, e elementos da teoria qualitativa de equações diferenciais como campos vetoriais e fluxos.
O documento apresenta os principais métodos para resolver sistemas de equações lineares: escalonamento e Cramer. Discute a interpretação geométrica de sistemas 2x2 e 3x3, mostrando como as soluções correspondem à interseção de retas e planos. Explica como o escalonamento leva a um sistema equivalente na forma escalonada para análise da solvibilidade.
O documento define autovetores e autovalores de uma matriz e apresenta exemplos. Autovetores são vetores não-nulos cuja multiplicação pela matriz resulta no próprio vetor multiplicado por um escalar chamado autovalor. São apresentados métodos para encontrar sistematicamente os autovalores e autovetores de uma matriz.
O documento descreve um oscilador harmônico quântico simples, com três objetivos principais: 1) obter a solução da equação de Schrödinger para este sistema; 2) compará-la com a solução clássica correspondente; 3) aplicar o formalismo quântico ao potencial harmônico V(x)=1/2kx2.
Aplicar o método de separação da equação de Schrödinger em coordenadas esféricas ao caso de átomos com um único elétron, tais como o átomo de hidrogênio.
O documento discute equações diferenciais ordinárias de primeira ordem. Apresenta exemplos de aplicações em física e engenharia e explica conceitos-chave como solução geral, solução particular e campo de direções.
Este documento apresenta um resumo da disciplina de Álgebra Linear para o curso de Engenharia de Petróleo. Aborda conceitos como sistemas lineares, espaços vetoriais, transformações lineares, autovalores e autovetores. Inclui também o conteúdo programático organizado em quatro unidades, os objetivos da disciplina, procedimentos de ensino e avaliação.
Este documento discute equações diferenciais parciais lineares de primeira ordem e o Teorema de Existência e Unicidade para o Problema de Cauchy. O documento introduz conceitos como operador diferencial parcial, equações diferenciais parciais lineares e não lineares, classificação de EDPs, e exemplos importantes como a equação de Laplace e equações de calor e onda.
O documento descreve o método de escalonamento para resolver sistemas lineares de equações. O método envolve aplicar transformações que não alteram a solução do sistema para escrever o sistema na forma escalonada, onde é possível determinar uma incógnita de cada vez e assim obter a solução. Exemplos ilustram como aplicar as transformações e resolver sistemas pela técnica de escalonamento.
Cálculo e equações em Química - Apostila + exercícios com gabarito.Mara Farias
1) O documento apresenta um curso de cálculo e equações diferenciais com aplicações, dividido em 25 capítulos.
2) Aborda tópicos como funções, limites, derivadas, integrais e suas aplicações.
3) Fornece exemplos, exercícios e referências para ajudar os estudantes a aprender os conceitos.
O documento discute conceitos básicos de equações diferenciais ordinárias, incluindo tipos de equações, soluções e exemplos clássicos. Resume três pontos principais: 1) Equações diferenciais modelam movimentos e outros fenômenos físicos; 2) Exemplos históricos incluem movimento livre, queda livre e crescimento populacional; 3) A resolução de equações diferenciais é fundamental para a física e seu desenvolvimento.
FORMA ANALÍTICA E MÉTODOS DAS DIFERENÇAS FINITAS APLICADO AO POTENCIAL DENTRO...JÚLIO PEIXOTO
Resolução analiticamente o problema de Dirichlet, aplicado a uma calha condutora fechada com quatro condições de fronteira e comparar com uma solução de cálculo numérico utilizando o método das diferenças finita. Todas os resultados serão apresentados de forma gráfica e por fim será realizado uma comparação para análise do erro percentual dos dois métodos utilizados.
Materiales energías renovables en la informáticaOswaldo Vergés
El documento describe las principales fuentes de energía renovables, incluyendo la eólica, geotérmica, hidroeléctrica, mareomotriz y solar. Define cada una de estas energías renovables, explicando que la eólica se obtiene del viento, la geotérmica del calor interior de la Tierra, la hidroeléctrica de la energía cinética y potencial del agua, la mareomotriz de las mareas, y la solar de la radiación del Sol.
This report analyzes emergency room (ER) usage data in Kansas City to identify "hot spots" of high ER use. The analysis found that 10 zip codes accounted for 38% of all ER admissions. These hot spots had higher rates of poverty, non-white populations, and preventable health conditions like asthma and influenza. They also had fewer primary care physicians and residents who were more likely to rely on Medicaid or uninsured care. The report concludes that over-reliance on the ER in these communities signals a failure of the healthcare system to provide adequate access to preventative primary care for low-income, minority populations.
4 alternativas-para-resolver-a-equacao-de-schrodingerMarcelo de Souza
Quatro métodos numéricos são descritos para resolver a equação de Schrödinger para o átomo de hidrogênio: (1) revisão da solução analítica, (2) uso de transformadas integrais para representar orbitais atômicos, (3) uso de números aleatórios no método de Monte Carlo Quântico. A motivação é explorar novos aspectos deste sistema bem conhecido usando técnicas numéricas.
Este documento apresenta uma série de exercícios sobre mecânica quântica. O objetivo da aula é consolidar os conhecimentos adquiridos no módulo anterior aplicando-os à resolução dos exercícios. São abordados tópicos como partícula livre e em caixa de potencial tridimensional, operador momento angular e relações de comutação entre operadores.
Aula 17: Separação da equação de Schrödinger em coordenadas cartesianas. Part...Adriano Silva
Este documento discute a separação da equação de Schrödinger tridimensional em coordenadas cartesianas para casos em que o potencial é separável. Explica que para potenciais separáveis, a equação pode ser escrita como três equações de Schrödinger unidimensionais, cada uma relacionada a uma das coordenadas cartesianas. Ilustra isso para os casos de uma partícula livre e de uma partícula em uma caixa tridimensional.
1. O documento discute resolução de congruências lineares, o teorema chinês dos restos e classes residuais.
2. É apresentado um método para resolver congruências do tipo aX ≡ b mod m, assim como o conceito de sistema completo de soluções.
3. O teorema chinês dos restos fornece uma única solução para sistemas de congruências quando os módulos são relativamente primos.
1. O documento apresenta conceitos básicos de aritmética dos restos, incluindo definições de congruência módulo m e exemplos ilustrativos.
2. Propriedades como compatibilidade da congruência com adição e multiplicação são demonstradas.
3. O Pequeno Teorema de Fermat é relacionado à noção de congruência.
Aplicar o formalismo quântico ao caso de um potencial V(x) que tem a forma de um poço infinito: o potencial é infinito para x < –a/2 e para x > a/2, e tem o valor 0 para –a/2 < x < a/2.
O documento descreve os conceitos básicos de sistemas lineares, incluindo equações lineares, soluções de equações lineares, sistemas lineares, matrizes associadas a sistemas lineares, classificação de sistemas, regra de Cramer, sistemas equivalentes e escalonamento de sistemas.
Este documento apresenta uma lista de exercícios sobre mecânica quântica para aplicar os conceitos estudados nas aulas anteriores. Os exercícios abordam tópicos como função de onda, equação de Schrödinger, operadores momento e energia, princípio da incerteza e casos estacionários e não estacionários.
Este documento discute equações diferenciais ordinárias de primeira ordem. Aborda equações diferenciais lineares e não lineares, sistemas autônomos e não autônomos, existência e unicidade de soluções, dependência das soluções em relação às condições iniciais e parâmetros, e elementos da teoria qualitativa de equações diferenciais como campos vetoriais e fluxos.
O documento apresenta os principais métodos para resolver sistemas de equações lineares: escalonamento e Cramer. Discute a interpretação geométrica de sistemas 2x2 e 3x3, mostrando como as soluções correspondem à interseção de retas e planos. Explica como o escalonamento leva a um sistema equivalente na forma escalonada para análise da solvibilidade.
O documento define autovetores e autovalores de uma matriz e apresenta exemplos. Autovetores são vetores não-nulos cuja multiplicação pela matriz resulta no próprio vetor multiplicado por um escalar chamado autovalor. São apresentados métodos para encontrar sistematicamente os autovalores e autovetores de uma matriz.
O documento descreve um oscilador harmônico quântico simples, com três objetivos principais: 1) obter a solução da equação de Schrödinger para este sistema; 2) compará-la com a solução clássica correspondente; 3) aplicar o formalismo quântico ao potencial harmônico V(x)=1/2kx2.
Aplicar o método de separação da equação de Schrödinger em coordenadas esféricas ao caso de átomos com um único elétron, tais como o átomo de hidrogênio.
O documento discute equações diferenciais ordinárias de primeira ordem. Apresenta exemplos de aplicações em física e engenharia e explica conceitos-chave como solução geral, solução particular e campo de direções.
Este documento apresenta um resumo da disciplina de Álgebra Linear para o curso de Engenharia de Petróleo. Aborda conceitos como sistemas lineares, espaços vetoriais, transformações lineares, autovalores e autovetores. Inclui também o conteúdo programático organizado em quatro unidades, os objetivos da disciplina, procedimentos de ensino e avaliação.
Este documento discute equações diferenciais parciais lineares de primeira ordem e o Teorema de Existência e Unicidade para o Problema de Cauchy. O documento introduz conceitos como operador diferencial parcial, equações diferenciais parciais lineares e não lineares, classificação de EDPs, e exemplos importantes como a equação de Laplace e equações de calor e onda.
O documento descreve o método de escalonamento para resolver sistemas lineares de equações. O método envolve aplicar transformações que não alteram a solução do sistema para escrever o sistema na forma escalonada, onde é possível determinar uma incógnita de cada vez e assim obter a solução. Exemplos ilustram como aplicar as transformações e resolver sistemas pela técnica de escalonamento.
Cálculo e equações em Química - Apostila + exercícios com gabarito.Mara Farias
1) O documento apresenta um curso de cálculo e equações diferenciais com aplicações, dividido em 25 capítulos.
2) Aborda tópicos como funções, limites, derivadas, integrais e suas aplicações.
3) Fornece exemplos, exercícios e referências para ajudar os estudantes a aprender os conceitos.
O documento discute conceitos básicos de equações diferenciais ordinárias, incluindo tipos de equações, soluções e exemplos clássicos. Resume três pontos principais: 1) Equações diferenciais modelam movimentos e outros fenômenos físicos; 2) Exemplos históricos incluem movimento livre, queda livre e crescimento populacional; 3) A resolução de equações diferenciais é fundamental para a física e seu desenvolvimento.
FORMA ANALÍTICA E MÉTODOS DAS DIFERENÇAS FINITAS APLICADO AO POTENCIAL DENTRO...JÚLIO PEIXOTO
Resolução analiticamente o problema de Dirichlet, aplicado a uma calha condutora fechada com quatro condições de fronteira e comparar com uma solução de cálculo numérico utilizando o método das diferenças finita. Todas os resultados serão apresentados de forma gráfica e por fim será realizado uma comparação para análise do erro percentual dos dois métodos utilizados.
Materiales energías renovables en la informáticaOswaldo Vergés
El documento describe las principales fuentes de energía renovables, incluyendo la eólica, geotérmica, hidroeléctrica, mareomotriz y solar. Define cada una de estas energías renovables, explicando que la eólica se obtiene del viento, la geotérmica del calor interior de la Tierra, la hidroeléctrica de la energía cinética y potencial del agua, la mareomotriz de las mareas, y la solar de la radiación del Sol.
This report analyzes emergency room (ER) usage data in Kansas City to identify "hot spots" of high ER use. The analysis found that 10 zip codes accounted for 38% of all ER admissions. These hot spots had higher rates of poverty, non-white populations, and preventable health conditions like asthma and influenza. They also had fewer primary care physicians and residents who were more likely to rely on Medicaid or uninsured care. The report concludes that over-reliance on the ER in these communities signals a failure of the healthcare system to provide adequate access to preventative primary care for low-income, minority populations.
Joseph Kemp has a Bachelor of Science in Accounting from St. Cloud State University with a minor in communication studies and a 3.03 GPA. He has relevant experience preparing tax returns at Dorn & Walberg Ltd and through the Volunteer Income Tax Assistance program. His skills include tax preparation, customer service, organization, and experience with accounting software.
Review & Critique of a Tina L. Heafner and
Adam M. Friedman 2008 Study: Wikis and Constructivism in SecondarySocial Studies: Fostering a Deeper Understanding
This document provides an overview and refresher course on maintaining and troubleshooting Function (BVI) Mgnt. Corp F8 & G8 payphone units. The objective is to enhance technicians' troubleshooting skills. Main topics covered include component functionality, transmission requirements, communication methods with the RAMS system, troubleshooting procedures, causes for phones not reporting, coinbox collection procedures, proper elock installation, and upper housing closure. The document provides detailed information on various components, troubleshooting steps, potential issues, and reminders for technicians.
Marcaram Presença o Presidente da Camara Municipal de Carregal do Sal, Presidente da Liga dos Bombeiros Portugueses, Diretor Nacional de Bombeiros, 2º Comandante Operacional Distrital de Viseu, Presidente da Federação, Comandante Territorial da GNR, Familiares dos Bombeiros falecidos entre outras entidades e convidados.
The document provides details on the City & County of San Francisco's connectivity plan, including connecting city buildings, implementing a "dig once" policy, and expanding the #SFWiFi network. It outlines goals, timelines, budgets, and recommendations for each initiative over the next 5 years. The plan estimates connecting all eligible city buildings to the fiber network by 2020 at a cost of $2.4 million, deploying conduit through eligible "dig once" opportunities, and expanding free public WiFi access across the city.
Tropical Africa and Asia between 1200-1500 consisted of tropical zones between the Tropic of Cancer and Capricorn, characterized by cycles of rainy and dry seasons from monsoon winds. Human societies in these regions adopted different means of feeding their populations to suit the various ecological zones, such as relying on wild foods, fishing, herding, grain trade, or farming crops like rice, wheat, sorghum and millet, with some regions specializing in rice growing and managing water resources through irrigation.
OReIM is designed to support invoice matching between invoices, purchase orders (POs), and receipts. It can match documents automatically or manually. Key features include matching one document to many others, reason codes for resolving discrepancies, and integration with Oracle Retail applications. The matching process involves entering documents, matching at the summary or detail level, resolving any unmatched or discrepant documents, and finally posting matches financially.
There are five main types of retaining walls: gravity, cantilever, counterfort, buttress, and box culvert. A cantilever wall, the most commonly used type, consists of a vertical stem slab supported by a heel slab and toe slab acting as cantilever beams to provide stability through their weight and the weight of retained earth. Counterfort walls include transverse walls or counterforts that tie the vertical wall to the heel and toe slabs, with stability again coming from material weights. Buttress walls are similar but with counterforts on the outside facing the retained side.
AP World History - Mesopotamia and EgyptS Sandoval
Both Egypt and Mesopotamia developed along major river valleys and depended on irrigation for agriculture. However, Egypt was more politically and culturally stable due to the predictable flooding of the Nile, while Mesopotamia's environment was harsher and less predictable due to the violent flooding of the Tigris and Euphrates rivers. Mesopotamian society developed sharp social divisions and a bleak outlook, whereas Egyptian society was less stratified and had a more hopeful worldview centered around the cycles of the Nile. Overall, these civilizations exhibited both continuity and change over thousands of years.
Conflict in Multi-Ethnic Societies: Lesson 1 of 4
In this lesson, we were introduced to the occurrence of conflict within mutli-ethnic societies in many parts of the world. We then studied the history of Sri Lanka to get some idea of the events that led up to the decades-long civil war that would ravage the country in the years to come.
Germany invaded the Soviet Union in 1941 taking the Soviets by surprise. Within three months, the Soviets suffered over 4 million casualties as the German army pushed deep into Soviet territory. However, the Soviets were able to slowly turn the tide in 1943 as they reorganized and rebuilt their military forces and production capacity. The massive losses inflicted on Germany by the Soviet Union, which tied down the majority of the German army, was a major factor in Germany's eventual defeat in WWII.
Este documento discute três tópicos principais:
1) A importância da educação para transformar a sociedade de acordo com Paulo Freire.
2) O significado e uso de matrizes para organizar dados.
3) Diferentes tipos de operações e propriedades relacionadas a matrizes.
Este documento discute três tópicos principais:
1) A importância da educação para transformar a sociedade de acordo com Paulo Freire.
2) O significado e uso de matrizes para organizar dados.
3) Diferentes tipos de operações e propriedades de matrizes.
Analise comparativa de métodos diretos e iterativos para a solução de sistema...Fabricio Magalhães
O documento apresenta uma análise comparativa de métodos diretos e iterativos para resolver sistemas de equações obtidos através do método de elementos finitos em problemas elásticos de engenharia. Descreve estruturas de dados para armazenar a matriz do sistema e resume métodos diretos como Gauss e iterativos como Jacobi, Gauss-Seidel, entre outros. Finalmente, aplica os métodos a problemas elásticos bidimensionais e tridimensionais para comparar seus desempenhos.
1) O documento discute matrizes, determinantes e sistemas lineares, apresentando conceitos e exemplos destes tópicos da álgebra linear.
2) É apresentada uma citação de Paulo Freire sobre a importância da educação para a transformação da sociedade.
3) São mostrados exemplos de cálculo de determinantes utilizando a regra de Sarrus e propriedades dos determinantes.
O documento discute conceitos de matrizes, determinantes e sistemas lineares. Aborda: 1) definição e tipos de matrizes; 2) cálculo de determinantes usando regras de Sarrus e Laplace; 3) resolução de sistemas lineares por escalonamento e método de Cramer. Também apresenta aplicações dos determinantes no cálculo de áreas de polígonos.
1) O documento discute matrizes, determinantes e sistemas lineares, apresentando conceitos e exemplos destes tópicos da álgebra linear.
2) É apresentada uma citação de Paulo Freire sobre a importância da educação para a transformação da sociedade.
3) São mostrados exemplos de cálculo de determinantes utilizando a regra de Sarrus e propriedades dos determinantes.
O documento discute conceitos de matrizes, determinantes e sistemas lineares. Aborda operações entre matrizes, cálculo de determinantes usando regras como a de Sarrus e Laplace, resolução de sistemas lineares pelos métodos de escalonamento e Cramer, e classificação de sistemas lineares homogêneos.
O documento discute matrizes, determinantes e sistemas lineares. Aborda conceitos como matriz identidade, matriz nula, operações entre matrizes, regras para calcular determinantes, propriedades dos determinantes, sistemas lineares e os métodos para resolvê-los, como escalonamento e regra de Cramer.
Este documento descreve sistemas de equações lineares e métodos para resolvê-los. Um sistema de equações lineares é caracterizado por um conjunto de equações lineares com m equações e n variáveis. A eliminação gaussiana é um método que transforma o sistema em uma forma triangular resolvendo sucessivamente cada variável. O método da matriz inversa também pode ser usado quando o determinante da matriz do sistema é não nulo.
O documento apresenta os conceitos de autovalor e autovetor e métodos para solução do problema do autovalor. Dois teoremas sobre limites de autovalores são descritos, incluindo o Teorema de Gerschgorin que fornece uma estimativa dos autovalores de uma matriz a partir de discos centrados nos elementos da diagonal principal. Exemplos ilustram a aplicação destes conceitos em problemas de vibrações mecânicas e modelos econômicos.
O documento discute sistemas lineares, matrizes e determinantes. Aborda resolução de sistemas lineares usando redução por linhas, operações com matrizes, propriedades e cálculo de determinantes. Apresenta teoremas sobre sistemas lineares, matrizes invertíveis e relação entre determinante e inversibilidade.
O documento apresenta os principais conceitos sobre o teorema do binômio de Newton, contagem, arranjos e permutações da matemática combinatória. Explica como calcular o número de possibilidades para agrupamentos que diferem pela ordem ou natureza de seus elementos usando o princípio fundamental da contagem e fórmulas para arranjos, permutações e combinações.
1) O documento discute técnicas de interpolação e modelagem de dados, especificamente interpolação linear, polinomial e spline cúbica.
2) Aborda o critério dos mínimos quadrados para ajustar modelos paramétricos a dados observacionais, considerando ou não pesos relacionados aos erros de medida.
3) Explica como maximizar a verossimilhança leva ao critério dos mínimos quadrados ponderados, com pesos inversamente proporcionais aos erros.
Este documento apresenta um curso introdutório de álgebra linear com os seguintes tópicos: noções preliminares sobre corpos e sistemas de equações lineares; operações elementares em matrizes; espaços vetoriais, subespaços vetoriais e bases; transformações lineares; polinômios e determinantes; formas canônicas de matrizes e operadores lineares.
Este capítulo discute a série de Fourier clássica e discreta. A série de Fourier é uma técnica útil para analisar sinais analógicos e digitais e como eles interagem com sistemas lineares invariantes no tempo. A série de Fourier clássica é usada para sinais analógicos definidos em um intervalo finito, enquanto a série de Fourier discreta é usada para sinais digitais com um número finito de amostras.
Este documento apresenta um curso introdutório de álgebra linear. Ele inclui seções sobre noções preliminares, espaços vetoriais, transformações lineares, polinômios, formas canônicas e espaços vetoriais com produto interno.
O documento apresenta os principais conceitos sobre matrizes, incluindo: (1) definição de matriz e exemplos de diferentes tipos; (2) operações básicas como adição, subtração e multiplicação; (3) conceito de matriz inversa.
1) O documento apresenta os conceitos de determinantes, regra de Chiò, matriz de Vandermonde e cálculo de matriz inversa por meio de determinantes.
2) A regra de Chiò é usada para reduzir a ordem de um determinante, removendo a primeira linha e coluna e subtraindo produtos dos elementos restantes.
3) Uma matriz de Vandermonde tem as linhas formadas por potências da mesma base, variando o expoente de 0 a n-1, e seu determinante pode ser calculado facilmente.
Semelhante a Decomposições de matrizes utilizando conceitos de Auto Vetores e Auto Valores (20)
Decomposições de matrizes utilizando conceitos de Auto Vetores e Auto Valores
1. Decomposic¸˜oes de matrizes utilizando conceitos de Auto
Vetores e Auto Valores
Felipe Schimith Batista1
1
Instituto de Matem´atica e Estat´ısitica - Universidade Estadual do Rio de Janeiro
felipeschimith@gmail.com
Resumo. O trabalho visa contextualizar os teoremas e m´etodos da ´Algebra
Linear aplicados em soluc¸˜oes computacionais. Este trabalho apresenta o
referencial te´orico utilizado como base para resolver computacionalmente
decomposic¸˜oes que fazem pate do estudo de Auto Vetores e Auto Valores. Apre-
sentaremos a ”Decomposic¸˜ao de Cholesky”, a ”Decomposic¸˜ao de A em QR”e
a ”Decomposic¸˜ao de Valor Singular”. A implementac¸˜ao foi feita na linguagem
de programac¸˜ao Java e tamb´em ser´a documentada e comentada.
1. Introduc¸˜ao
Na Matem´atica um sistema de equac¸˜oes lineares ´e um conjunto finito de equac¸˜oes lineares
aplicadas num mesmo conjunto, igualmente finito, de vari´aveis.[ANTON 2006]
No estudo da ´Algebra Linear nos aprofundamos na an´alise de sistemas de
equac¸˜oes lineares. Nela se utiliza alguns conceitos e estruturas fundamentais como veto-
res, matrizes, transformac¸˜oes lineares e sistemas de equac¸˜oes lineares.
Com o desenvolvimento da teoria quˆantica nas d´ecadas de 1920 e 1930, o estudo
de matrizes tornou-se de grande importˆancia. No final da d´ecada de 1940, alguns
matem´aticos se perguntavam como o computador digital poderia ser empregado para
resolver o problema de autovalores de matrizes. A determinac¸˜ao dos autovalores de uma
matriz tem merecido grande atenc¸˜ao, devido a sua grande aplicac¸˜ao aos diversos ramos
das Ciˆencias Aplicadas, como, por exemplo:[Oliveira 2006]
• a teoria das vibrac¸˜oes, quer sejam mecˆanicas ou el´etricas, dos tipos macrosc´opica
ou microsc´opica;
• as vibrac¸˜oes de pontes ou outra estrutura s´olida;
• as vibrac¸˜oes das asas de um avi˜ao;
• a oscilac¸˜ao de part´ıculas atˆomicas e moleculares nas ondas mecˆanicas;
• a teoria dos operadores lineares diferenciais e integrais, etc...
A obtenc¸˜ao dos autovalores λ de uma matriz quadrada de ordem n envolve
c´alculos complexos por serem os zeros do polinˆomio caracter´ıstico det(A −λI) = 0, que
´e um polinˆomio de grau n em λ. A busca de soluc¸˜oes para este problema acarretou o
desenvolvimento de uma s´erie de algoritmos, os mais diversos, cada vez mais poderosos
e mais eficientes. O primeiro a surgir foi o mais ´obvio, composto de apenas dois passos.
Primeiro, calcula-se os coeficientes do polinˆomio caracter´ıstico e, ent˜ao, as ra´ızes desse
polinˆomio.[Oliveira 2006]
Neste trabalho apesentaremos um referencial te´orico e uma forma computacio-
nal de implementar a ”Decomposic¸˜ao de Cholesky”, a ”Decomposic¸˜ao de A em QR”e a
”Decomposic¸˜ao de Valor Singular”.
2. 2. Teoria de Autovetores e Autovalores
Este cap´ıtulo tem como objetivo apresentar as propriedades, teoremas e m´etodos da
´Algebra Linear que foram usados como base para implementar soluc¸˜oes computacionais.
2.1. Autovetores e Autovalores
Antes de nos aprofundarmos nas decomposic¸˜oes de matrizes, ´e necess´ario entender como
obter os autovetores e autovalores de uma matriz.
Uma transformac¸˜ao especial T : V → W.
(I) T(v) = ∆v
Onde, ∆ ´e o autovalor (escalar) e v ´e autovetor. Como toda transformac¸˜ao linear
pode ser escrita pela multiplicac¸˜ao de uma matriz por um vetor ent˜ao:
(II) T(v) = Av
Igualando (I) e (II), tem-se:
Av = ∆v ou Av – ∆v = 0 que resulta no sistema homogˆeneo:
(III) (A – ∆I) v = 0
Onde A ´e n x n, v = 0 ´e sempre soluc¸˜ao (trivial).
Os vetores v = 0 para os quais existe um ∆ que resolve a equac¸˜ao (III) s˜ao chama-
dos de autovetores da matriz A e os valores de ∆, que conjuntamente com v resolvem a
equac¸˜ao s˜ao chamados de autovalores da matriz A associados aos respectivos autovetores.
Para que a equac¸˜ao (III) tenha soluc¸˜ao al´em da trivial ´e necess´ario que o determinante da
matriz dos coeficientes seja zero, ou seja,
det(A – ∆I) = 0
ou
det
α11 α12 α13
α21 α22 α23
α31 α32 α33
− ∆
1 0 0
0 1 0
0 0 1
= 0
o que resulta em um polinˆomio de grau n em ∆, conhecido como polinˆomio ca-
racter´ıstico. As ra´ızes do polinˆomio caracter´ıstico s˜ao os autovalores da matriz A. Para
se encontrar os autovetores basta substituir o valor do autovalor na equac¸˜ao original e
encontrar o autovetor. O autovalor ser´a, ent˜ao, associado ao autovetor encontrado. Na
verdade, o autovetor encontrado forma uma base para o espac¸o de soluc¸˜ao da equac¸˜ao
(III), dado o respectivo autovalor. Logo, qualquer m´ultiplo do autovetor tamb´em ´e um
autovetor.[Stanford 2002]
2.2. Decomposic¸˜ao de Cholesky
Se a matriz A for sim´etrica e invers´ıvel, vamos escrever esta decomposic¸˜ao na forma A =
LU de modo que
LU = A = AT
= UT
LT
.
3. Como L e U s˜ao invers´ıveis,
U(LT
)−1
= L−1
UT
= D
´e diagonal pois U(LT
)−1
´e triangular superior e L−1
UT
´e triangular inferior. As-
sim, U = DLT
e obtemos a decomposic¸˜ao A = LDLT
onde L ´e triangular inferior cujos
elementos diagonais s˜ao iguais a 1 e D = L−1
UT
´e diagonal.
Como os elementos da diagonal principal de L s˜ao iguais a 1, D = diag(U) onde
diag(U) ´e uma matriz diagonal, cujos elementos da diagonal principal s˜ao iguais aos ele-
mentos da diagonal de U.
Uma matriz sim´etrica A ´e positiva definida se os elementos diagonais de D na
decomposic¸˜ao A = LDLT
forem todos maiores do que zero. Neste caso, podemos cal-
cular a matriz
√
D e definir R = L
√
D, para assim obter a decomposic¸˜ao A = RRT
denominada de decomposic¸˜ao de Cholesky da matriz A.
2.2.1. Ordem de Complexidade
Analisando a Ordem de complexidade do programa desenvolvido para obter a
decomposic¸˜ao de Cholesky, obtemos a Ordem (n3
). Comparando com as decomposic¸˜oes
de A=QR e SVD, esse m´etodo ´e mais r´apido. A pesar de a complexidade ter sido de
mesma Ordem do A=QR e SVD, ´e poss´ıvel execut´a-lo em uma s´o operac¸˜ao, aumentando
seu desempenho.
2.3. Decomposic¸˜ao de A em QR
Toda matriz A mxn
com colunas linearmente independentes pode ser unicamente
fatorada na forma A = Q · R com as colunas da matriz Q mxn
formando uma
base ortonormal para o range(A) e a matriz triangular superior R mxn
tendo os ele-
mentos da diagonal positivos. Esta fatorac¸˜ao pode ser gerada pelo procedimento de
ortogonalizac¸˜ao de Gram-Schmidt desenvolvido no artigo anterior, pois as colunas da
matriz Q = (q1, q2, q3...qn) s˜ao resultados da aplicac¸˜ao do processo de Gram-Schmidt nas
colunas da matriz A = (a1, a2, a3...an), e a matriz R ´e dada por:
v1 qT
1 · a2 qT
1 · a3 ... qT
1 · an
0 v2 qT
2 · a3 ... qT
2 · an
0 0 v3 ... qT
3 · an
... ... ... ... ...
0 0 0 ... vn
onde v1 = a1 e vk = ak − k−1
i=1
qT
i · ak · qi para k = 2, 3, ..., n.
Se a matriz A mxn
´e regular, ent˜ao QT
= Q−1
, pois as colunas da matriz Q s˜ao
ortonormais entre si.
2.3.1. Ordem de Complexidade
Analisando a ordem de complexidade do programa desenvolvido para obter a
decomposic¸˜ao de A=QR, obtemos a Ordem (n3
). A pesar dele ser mais lento que a
4. decomposic¸˜ao de Cholesky e praticamente de mesmo desempenho que a SVD, as pro-
priedades num´ericas dessa decomposic¸˜ao torna o programa mais importante matemati-
camente, pois ele pode ser aplicado em qualquer matriz mxn, podendo facilitar outros
c´alculos torando-o mais ben´efico que a decomposic¸˜ao de Cholesky.
2.4. Decomposic¸˜ao de Valor Singular
A Decomposic¸˜ao de Valor Singular (SVD) ´e uma t´ecnica de fatorac¸˜ao de matrizes que
consiste em representar qualquer matriz Amn na forma apresentada abaixo, onde U e V T
s˜ao matrizes ortogonais, ou seja, UUT
= I e V V T
= I e ´e uma matriz diagonal que
cont´em os valores singulares σj em ordem n˜ao crescente σ1 σ2... ≥ σj ≥ 0 para 1 ≤ j ≤
min(m,n):
A = U V T
Esta func¸˜ao garante a existˆencia e unicidade da SVD para qualquer matriz Amn,
sendo que ela pode ser completa ou reduzida.
Qualquer matriz Amxn possui uma decomposic¸˜ao em valores singulares (SVD) da
forma A = U VT . Al´em disso, tem-se que os valores singulares da mesma s˜ao sempre
´unicos. Por´em, os vetores singulares `a direita e os vetores singulares `a esquerda somente
ser˜ao ´unicos se a matriz A for quadrada e possuir autovalores distintos.
2.4.1. SVD Completa
A forma completa da SVD de uma matriz Amxn (m ≥ n) ´e composta pelas matrizes or-
togonais Umxm e V T
nxn e pela matriz mxn. Se a matriz Amxn tiver posto completo (r
= n) existir´a um conjunto de n vetores ortonormais de U m
e um conjunto de n ve-
tores ortonormais de V T n
. No entanto, se n < m, o conjunto de n vetores m
n˜ao ser´a suficiente para formar uma base de m
e Umxm n˜ao ser´a uma matriz quadrada
ortogonal. Portanto, para obter a forma completa da SVD, ser´a necess´ario a adic¸˜ao de
mn colunas ortonormais em U para transform´a-la em uma matriz ortogonal (Umxm) e mn
linhas nulas em para possibilitar a multiplicac¸˜ao Umxm mxn. Por outro lado, se a
matriz Amxn possuir posto incompleto (r < n), ser´a necess´ario adicionar m−r colunas
ortonormais em U e n−r linhas ortonormais em V T
para completar as bases dos espac¸os
m
e n
respectivamente e transformar U e V em matrizes quadradas ortogonais. Al´em
disso, ser´a necess´ario adicionar m−r linhas nulas e n−r colunas nulas em para pos-
sibilitar a representac¸˜ao Amxn = Umxm mxnV T
nxn . Em outras palavras, qualquer matriz
pode ser diagonalizada ( ), desde que escolhamos um sistema de coordenadas ortogonal
apropriado para m
(colunas de U) e n
(linhas de V ). [Rodrigues 2011]
Figura 1. SVD completa de uma matriz Amxn(m ≥ n).
5. 2.4.2. SVD Reduzida
A forma reduzida da SVD de uma matriz Amxn (m ≥ n) de posto r consiste na remoc¸˜ao
das colunas e linhas extras colocadas com intuito de transformar Umxr e Vrxn em matrizes
ortogonais Umxr e Vrxn. Essa remoc¸˜ao tem por objetivo fornecer apenas a informac¸˜ao
fornecida pelo conjunto de vetores definidos pelo posto da matriz.[Rodrigues 2011]
Figura 2. SVD reduzida de uma matriz Amxn(m ≥ n).
2.4.3. Ordem de Complexidade
Analisando a ordem de complexidade do programa desenvolvido para obter a SVD, ob-
temos a Ordem (n3
). Esse programa ´e mais lento que a decomposic¸˜ao de Cholesky e
praticamente de mesmo desempenho que a A=QR. Matematicamente ela tamb´em se des-
taca pois ´e de grande aplicac¸˜ao em processamento de sinais e estat´ıstica.
3. Programas
Este cap´ıtulo apresenta os programas desenvolvidos utilizando como base os conheci-
mentos adquiridos na ´algebra linear. Algumas func¸˜oes secund´arias como obtenc¸˜ao das
matrizes a partir de arquivos textos e func¸˜ao de impress˜ao de matrizes foram omitidas dos
programas. Focarmos a apresentac¸˜ao nas partes essenciais de processamento de matrizes.
3.1. Decomposic¸˜ao de Cholesky
Esta primeira func¸˜ao consiste em decompor A em LU. Ele percorre todos os elementos
da matriz, fazendo o escalonamento da matriz U e guardando os divisores utilizado no
escalonamento em L, sendo que a diagonal ´e preenchida com 1 e os valores da diagonal
superior de L ´e preenchido por 0.
public static void TransformaTraingularLU(Double[][]
matriz, int numLin,
int numCol, Double[][] matrizL) {
/*
* Decomposi o de A em L e U
*
* L
* |1 0 0|
* |R 1 0|
* |R R 1|
*
6. * U
* |R R R|
* |0 R R|
* |0 0 R|
*
* */
for (int k = 0; k < numLin; k++) {//Ordem n
for (int i = k + 1; i < numLin; i++) {//Ordem n*n
matrizL[i][k] = (double) matriz[i][k].floatValue()
/ matriz[k][k].floatValue();
matriz[i][k] = 0.0;
for (int j = k + 1; j < numLin; j++) {//Ordem n*n*n
matriz[i][j] = (double)
matriz[i][j].floatValue()
-
(matrizL[i][k].floatValue()
* matriz[k][j]
.floatValue());
}
}
}
}
A segunda func¸˜ao consiste em decompor U em L’ D. Ele cria uma matriz D toda
de 0, e depois preenche ela com os elementos da diagonal, sendo que depois divide os
elementos das colunas da diagonal de L’ pelo valor da diagonal. Ap´os isso ele preenche a
diagonal de o L’ com 1.
public static void DecompoeUemDU(Double[][] matriz, int
numLin,
int numCol, Double[][] matrizx) {
/*
* U*matrizy = b (matrizx)
* Calcula U[m,n]/D[x,y] = L’ sendo que x=y
*
* L’
* |1 R R|
* |0 1 R|
* |0 0 1|
*
* D
* |R 0 0|
* |0 R 0|
* |0 0 R|
*
*
7. * */
for (int k = 0; k < numLin; k++) {//Ordem n
for (int i = 0; i < numCol; i++) {//Ordem n*n
matrizx[i][k] = 0.0;
}
}
for (int p = numLin - 1; p >= 0; p--) {//Ordem n
matrizx[p][p]=(double)matriz[p][p].floatValue();
for (int j = p; j < numCol; j++) {//Ordem n*n
matriz[p][j]=
(double)matriz[p][j].floatValue()
/matrizx[p][p].floatValue();
}
}
}
A terceira func¸˜ao percorre todos os elementos da diagonal de D e obt´em a raiz quadrada
deles, formando a Raiz de D.
// Retorna Raiz de D
public static void DecomposicaoD(Double[][] matriz, int
numLin, int numCol,Double[][] D) {
int N = numLin;
for (int i = 0; i < N; i++) {//Ordem n
for (int j = 0; j < N; j++) {//Ordem n*n
if (i==j){
//Aplica a raiz dos elementos da diagonal
principal
D[i][i] =
Math.sqrt(matriz[i][i].floatValue());
}else {
D[i][j] =0.0;
}
}
}
}
A quarta func¸˜ao faz a multipicac¸˜ao matricial de L * Raiz(D), obtendo R.
public static void produtoMatriz(Double[][] matriz, int
numLin, int numCol,
Double[][] matriz2, int numLin2, int numCol2,
Double[][] matrizResultado) {
8. int i, j, k;
Double soma = 0.0;
for (i = 0; i < numLin; ++i)//Ordem n
for (j = 0; j < numCol2; ++j) {//Ordem n*n
for (k = 0; k < numCol; ++k) {//Ordem n*n*n
soma += (double)
(matriz[i][k].floatValue() *
matriz2[k][j].floatValue());
}
matrizResultado[i][j] = soma;
soma = 0.0;
}
}
3.2. Decomposic¸˜ao de A=QR
Este algoritmo consiste em decompor A em Q*R, onde a k-´esima coluna da matriz A, ´e
expressa como combinac¸˜ao linear das k primeiras colunas de Q (com coeficientes R(1,k),
..., R(k,k)). As k primeiras colunas de Q formam uma base ortogonal para o subespac¸o
gerado pelas k primeiras colunas de A. Se a coluna k de A ´e uma combinac¸˜ao linear das p
primeiras colunas de A, ent˜ao, as entradas de R(p+1,k), ..., R(k,k) s˜ao zeros. Neste caso,
R ´e trapezoidal superior. Se A tem posto rk, as linhas R(rk+1,:), R(rk+2,:), ... s˜ao zeros.
//Decomposicao QR
public A_QR (Matrix A) {
// Inicializa.
QR = A.getArrayCopy();
m = A.getRowDimension();
n = A.getColumnDimension();
Rdiag = new double[n];
// Loop Principal.
for (int k = 0; k < n; k++) {//Ordem n
// Computa a segunda normal do k esima coluna sem
sobrecarga.
double nrm = 0;
for (int i = k; i < m; i++) {//Ordem n*n
//Utilizei o a biblioteca Jama.util.Maths para
obter a Normal.
nrm = Maths.hypot(nrm,QR[i][k]);
}
//Caso a normal for diferente de zero
if (nrm != 0.0) {
// Para o k esimo vetor.
if (QR[k][k] < 0) {
9. nrm = -nrm;
}
for (int i = k; i < m; i++) {//Ordem n*n
QR[i][k] /= nrm;
}
QR[k][k] += 1.0;
// Aplica a transforma o nas colunas restantes.
for (int j = k+1; j < n; j++) {//Ordem n*n
double s = 0.0;
for (int i = k; i < m; i++) {//Ordem n*n*n
s += QR[i][k]*QR[i][j];
}
s = -s/QR[k][k];
for (int i = k; i < m; i++) {//Ordem n*n*n
QR[i][j] += s*QR[i][k];
}
}
}
//Gurada o valor do elemento da diagoal
Rdiag[k] = -nrm;
}
}
O programa abaixo monta matriz triangular superior R de mesma dimens˜ao que
A. O primeiro For percorre as linhas ”i”e o segundo For percorre as colunas ”j”. Dentro
do Segundo For, existem trˆes opc¸˜oes de entrada, caso ”i¡j”ent˜ao obt´em o valor calculado
de QR, caso ”i=j”obt´em o valor da Diagonal e caso o valor de ”i¿j”zera os elementos
abaixo da diagonal.
public Matrix getR () {
Matrix X = new Matrix(n,n);
double[][] R = X.getArray();
for (int i = 0; i < n; i++) {//Ordem n
for (int j = 0; j < n; j++) { //Ordem n*n
if (i < j) {
R[i][j] = QR[i][j];
} else if (i == j) {
R[i][j] = Rdiag[i];
} else {
R[i][j] = 0.0;
}
}
}
return X;
}
10. O programa produz computacionalmente uma matriz ortogonal Q que ´e obtido
com a permutac¸˜ao (de colunas) E, uma matriz triangular superior R com elementos na
diagonal decrescentes e uma matriz ortogonal (ou unit´aria) Q tais que A*E = Q*R. Se rk
´e o posto de A, as rk primeiras entradas ao longo da diagonal de R. R(1,1), R(2,2), ...,
R(rk,rk) s˜ao todas diferentes de zero. Isso produz uma ”economia de tamanho”: Se A
i´e m-por-n com m ¿ n, ent˜ao, apenas as n primeiras colunas de Q s˜ao computadas tanto
quanto as n priemiras linhas de R.
Como disse anteriormente o primeiro For percorre inversamente as colunas de
”n-1”at´e ”0”, o segundo for ´e para zerar os elementos de Q que ser˜ao computados poste-
riormente. O Terceiro For faz o somat´orio das multiplicac¸˜oes de ”QR*Q”que ´e guardado
na var´avel s e depois adicionado ao valor de ”Q[i][j].
public Matrix getQ () {
Matrix X = new Matrix(m,n);
double[][] Q = X.getArray();
for (int k = n-1; k >= 0; k--) {//Ordem n
for (int i = 0; i < m; i++) {//Ordem n*n
Q[i][k] = 0.0;
}
Q[k][k] = 1.0;
for (int j = k; j < n; j++) {//Ordem n*n
if (QR[k][k] != 0) {
double s = 0.0;
for (int i = k; i < m; i++) {//Ordem n*n*n
s += QR[i][k]*Q[i][j];
}
s = -s/QR[k][k];
for (int i = k; i < m; i++) {//Ordem n*n*n
Q[i][j] += s*QR[i][k];
}
}
}
}
return X;
}
3.3. Decomposic¸˜ao SVD
Este algoritmo consiste em decompor A em USV T
, onde Umm e V T
nn s˜ao matrizes orto-
gonais, ou seja, UUT
= Im e V V T
= In e mn ´e uma matriz diagonal que cont´em os
valores singulares σj em ordem n˜ao crescente σ1 σ2... ≥ σj ≥ 0 para 1 ≤ j ≤ min(m,n)
public DecomposicaoValorSingular(Matrix Arg) {
// Inicializa.
double[][] A = Arg.getArrayCopy();
m = Arg.getRowDimension();
n = Arg.getColumnDimension();
11. int nu = Math.min(m, n);
s = new double[Math.min(m + 1, n)];
U = new double[m][nu];
V = new double[n][n];
double[] e = new double[n];
double[] trabalha = new double[m];
boolean wantu = true;
boolean wantv = true;
// Reduz A em uma forma bidiagonal, armazendando os
elementos da
// diagonal em s e os elementos da diagonal superior em e.
int nct = Math.min(m - 1, n);
int nrt = Math.max(0, Math.min(n - 2, m));
for (int k = 0; k < Math.max(nct, nrt); k++) {//Ordem n
if (k < nct) {
// Computa a transformacao para a k-esima
coluna
// e coloca a k-esima diagonal em s[k].
// Computa 2-normal da k-esima coluna sem
overflow.
s[k] = 0;
for (int i = k; i < m; i++) {//Ordem n*n
s[k] = hypot(s[k], A[i][k]);
}
if (s[k] != 0.0) {
if (A[k][k] < 0.0) {
s[k] = -s[k];
}
for (int i = k; i < m; i++) {
A[i][k] /= s[k];
}
A[k][k] += 1.0;
}
s[k] = -s[k];
}
for (int j = k + 1; j < n; j++) {//Ordem n*n
if ((k < nct) & (s[k] != 0.0)) {
// Aplica a transformacao
double t = 0;
for (int i = k; i < m; i++)
{//Ordem n*n*n
12. t += A[i][k] * A[i][j];
}
t = -t / A[k][k];
for (int i = k; i < m; i++)
{//Ordem n*n*n
A[i][j] += t * A[i][k];
}
}
// Coloca a k-esima lina de A em e para o
subsequente
// calculo da trasnformacao da linha.
e[j] = A[k][j];
}
if (wantu & (k < nct)) {
// Coloca a transformacao em U para a
subsequente multiplicacao
// retroativa.
for (int i = k; i < m; i++) {
U[i][k] = A[i][k];
}
}
if (k < nrt) {
// Calcula a k-esima transforma o da
linha e coloca a
//k-esima diagonal superior em e[k].
// Calcula segunda normal sem overflow.
e[k] = 0;
for (int i = k + 1; i < n; i++) {//Ordem
n*n
e[k] = hypot(e[k], e[i]);
}
if (e[k] != 0.0) {
if (e[k + 1] < 0.0) {
e[k] = -e[k];
}
for (int i = k + 1; i < n; i++) {
e[i] /= e[k];
}
e[k + 1] += 1.0;
}
e[k] = -e[k];
if ((k + 1 < m) & (e[k] != 0.0)) {
13. // Aplica a transformacao.
for (int i = k + 1; i < m; i++)
{//Ordem n*n
trabalha[i] = 0.0;
}
for (int j = k + 1; j < n; j++)
{//Ordem n*n
for (int i = k + 1; i < m;
i++) {
trabalha[i] +=
e[j] * A[i][j];
}
}
for (int j = k + 1; j < n; j++)
{//Ordem n*n
double t = -e[j] / e[k +
1];
for (int i = k + 1; i < m;
i++) {
A[i][j] += t *
trabalha[i];
}
}
}
if (wantv) {
// Coloca a transformacao em V
para subsequente
//multiplicacao retroativa.
for (int i = k + 1; i < n; i++)
{//Ordem n*n
V[i][k] = e[i];
}
}
}
}
4. Conclus˜ao
Podemos concluir que utilizando os conceitos de Autovetores e Autovalores podemos
manipular e decompor de maneiras diferentes as matrizes, o que possibilita obter ganho de
processamento em c´alculos mais complexos. Devemos lembrar que essas decomposic¸˜oes
s˜ao poss´ıveis em casos espec´ıficos onde as matrizes a serem trabalhadas apresentem as
propriedades como simetria e ou tamb´em sim´etrica definida positiva.
Com esse trabalho serviu para complementar o aprendizado da ´algebra linear
14. computacional no curso de Mestrado em ciˆencias computacionais, esperamos que esses
programas sejam reutilizados e que inspirem a elaborac¸˜ao de teses, n˜ao apenas no escopo
da ´algebra linear, mas tamb´em em outras situac¸˜oes onde seja poss´ıvel aplicar conceitos
matem´aticos na soluc¸˜ao de problemas reais.
Referˆencias
ANTON, H. & BUSBY, R. (2006). Algebra Linear Contemporˆanea. BOOKMAN COM-
PANHIA EDITORA, 1th edition.
Oliveira, D. E. d. (2006). Sobre um m´etodo aseemelhado ao de francis para a
determinac¸˜ao de autocalores de matrizes.
Rodrigues, C. F. (2011). An´alise comparativa entre os m´etodos de composicac¸˜o em va-
lores singulares e an´alise de componentes principais envolvendo matrizes esparsas de
grande porte.
Stanford, A. (2002). Elemento de economia matem´atica i - conceitos fundamentais da
´Algebra linear.