18 AULA 1. CONDICIONAMENTO, E A VARIEDADE DISCRIMINANTESe M e N são varieda<strong>de</strong>s e Φ : M → N, então <strong>de</strong>nimos DΦ x : T x →T Φ(x) como a melhor aproximação linear <strong>de</strong> Φ (se existir). Dessa maneira,pod<strong>em</strong>os fazer cálculo <strong>em</strong> varieda<strong>de</strong>s.Uma <strong>de</strong>nição diferente <strong>de</strong> varieda<strong>de</strong> é utilizada <strong>em</strong> geometria algébrica.Um fechado <strong>de</strong> Zariski é o conjunto dos zeros <strong>de</strong> uma coleção <strong>de</strong> polinômios(reais, complexos, etc...). Uma varieda<strong>de</strong> algébrica é um fechado <strong>de</strong> Zariski,que não se escreve como união trivial <strong>de</strong> fechados <strong>de</strong> Zariski. A varieda<strong>de</strong>das matrizes A tais que <strong>de</strong>t A = 0, por ex<strong>em</strong>plo, é uma varieda<strong>de</strong> algébrica.Um probl<strong>em</strong>a numérico é <strong>de</strong>nido por um espaço (ou varieda<strong>de</strong> !) F <strong>de</strong>entrada (por ex<strong>em</strong>plo, as matrizes n×n) e um espaço X <strong>de</strong> soluções (ex<strong>em</strong>plo:autovalor λ ∈ C). Existe uma regra associando soluções às entradas.Essa regra não é n<strong>em</strong> po<strong>de</strong> ser uma função unívoca, pois certos probl<strong>em</strong>as(por ex<strong>em</strong>plo, o probl<strong>em</strong>a <strong>de</strong> autovalores) admit<strong>em</strong> várias soluções.No ex<strong>em</strong>plo, um número complexo λ é autovalor <strong>de</strong> A se e somentese <strong>de</strong>t(A − λI) = 0. Denimos portanto a seguinte varieda<strong>de</strong> <strong>de</strong> F × C,chamada <strong>de</strong> varieda<strong>de</strong> <strong>de</strong> incidência (Figura 1.3):V = {(A, λ) ∈ F × C : <strong>de</strong>t(A − λI) = 0} (1.4.3)(A prova <strong>de</strong> que V é varieda<strong>de</strong> é um exercício). π 1 : V → F e π 2 : V → C<strong>de</strong>notam as projeções canônicas.Dado (M, λ) ∈ V ⊂ F × X, pod<strong>em</strong> acontecer duas situações:• (A, λ) é ponto crítico da projeção π 1 : V → F. Nesse caso, a entradaA é chamada <strong>de</strong> mal-posta, ou <strong>de</strong>generada. Por <strong>de</strong>nição, o número<strong>de</strong> condicionamento µ(A, λ) <strong>em</strong> (A, λ) é innito.• (A, λ) é ponto regular da projeção V → F. Nesse caso (Teor<strong>em</strong>a daFunção Implícita !) pod<strong>em</strong>os esten<strong>de</strong>r λ como função (π 2 ◦ π1 −1 )<strong>de</strong> A,localmente, <strong>em</strong> uma certa vizinhança <strong>de</strong> A. O número <strong>de</strong> condicionamentoµ(A, λ) <strong>em</strong> (A, λ) é a norma da <strong>de</strong>rivada da função implícita(π 2 ◦ π1 −1 ) <strong>em</strong> A.Em geral, o número <strong>de</strong> condicionamento é proporcional à norma da<strong>de</strong>rivada da solução <strong>em</strong> função da entrada, po<strong>de</strong>ndo ser innito. Se forgran<strong>de</strong>, a entrada é dita mal condicionada. Se for innita, ela é <strong>de</strong>generadaou mal posta. Se pudéss<strong>em</strong>os impun<strong>em</strong>ente brincar com a precisão <strong>de</strong>nossos computadores, o número <strong>de</strong> bits necessário para resolver um probl<strong>em</strong>acom uma certa entrada seria proporcional ao logaritmo do condicionamento<strong>de</strong>sta.
1.4. TEORIA GERAL 19Varieda<strong>de</strong> <strong>de</strong> incidênciaCPonto regularπ 2Pontos críticosπ 1Valores críticosFValor regularFigura 1.3: Formulação geral.
- Page 1 and 2: Notas em Matemática Aplicada 36Edi
- Page 3: GEOMETRIA DE ALGORITMOSNUMÉRICOSGr
- Page 6 and 7: 64.3 A base de Haar . . . . . . . .
- Page 8 and 9: 8áreas de pesquisa atuais, maior a
- Page 10 and 11: 10 AULA 1. CONDICIONAMENTO, E A VAR
- Page 12 and 13: 12 AULA 1. CONDICIONAMENTO, E A VAR
- Page 14 and 15: 14 AULA 1. CONDICIONAMENTO, E A VAR
- Page 16 and 17: 16 AULA 1. CONDICIONAMENTO, E A VAR
- Page 20 and 21: 20 AULA 1. CONDICIONAMENTO, E A VAR
- Page 22 and 23: 22 AULA 1. CONDICIONAMENTO, E A VAR
- Page 24 and 25: 24 AULA 1. CONDICIONAMENTO, E A VAR
- Page 26 and 27: 26 AULA 2. A ITERAÇÃO DE GRÄFFE,
- Page 28 and 29: 28 AULA 2. A ITERAÇÃO DE GRÄFFE,
- Page 30 and 31: 30 AULA 2. A ITERAÇÃO DE GRÄFFE,
- Page 32 and 33: 32 AULA 2. A ITERAÇÃO DE GRÄFFE,
- Page 34 and 35: 34 AULA 2. A ITERAÇÃO DE GRÄFFE,
- Page 36 and 37: 36 AULA 2. A ITERAÇÃO DE GRÄFFE,
- Page 38 and 39: 38 AULA 3. A PROCURA NA WEBFigura 3
- Page 40 and 41: 40 AULA 3. A PROCURA NA WEBonde a m
- Page 42 and 43: 42 AULA 3. A PROCURA NA WEBNo nosso
- Page 44 and 45: 44 AULA 3. A PROCURA NA WEBUma solu
- Page 46 and 47: 46 AULA 3. A PROCURA NA WEB3.5 Busc
- Page 48 and 49: 48 AULA 3. A PROCURA NA WEB3.6 Conc
- Page 50 and 51: 50 AULA 3. A PROCURA NA WEB
- Page 52 and 53: 52 AULA 4. A COMPRESSÃO DO SOM, O
- Page 54 and 55: 54 AULA 4. A COMPRESSÃO DO SOM, O
- Page 56 and 57: 56 AULA 4. A COMPRESSÃO DO SOM, O
- Page 58 and 59: 58 AULA 4. A COMPRESSÃO DO SOM, O
- Page 60 and 61: 60 AULA 4. A COMPRESSÃO DO SOM, O
- Page 62 and 63: 62 AULA 4. A COMPRESSÃO DO SOM, O
- Page 64 and 65: 64 AULA 4. A COMPRESSÃO DO SOM, O
- Page 66 and 67: 66 APÊNDICE A. COMPLEMENTOS DE ÁL
- Page 68 and 69:
68 APÊNDICE A. COMPLEMENTOS DE ÁL
- Page 70 and 71:
70 APÊNDICE A. COMPLEMENTOS DE ÁL
- Page 72 and 73:
72 ÍNDICEmatrizcompanheira, 14de a
- Page 74 and 75:
7410. Modelos Matemáticos baseados
- Page 76:
7631. Funções simétricas e aplic