20 AULA 1. CONDICIONAMENTO, E A VARIEDADE DISCRIMINANTE1.5 Os probl<strong>em</strong>as mal postosOs números <strong>de</strong> condicionamento med<strong>em</strong> a diculda<strong>de</strong> <strong>de</strong> resolver um probl<strong>em</strong>apara <strong>de</strong>terminada entrada. A esse título, constitu<strong>em</strong> a noção central<strong>em</strong> análise numérica, e números <strong>de</strong> condicionamento altos são a principalobstrução para algoritmos numéricos.I<strong>de</strong>nticada a obstrução, cumpre entendê-la, para <strong>de</strong>pois tomar as <strong>de</strong>vidasprovidências (contornar? r<strong>em</strong>over? explodir? conformar-se?).Na maioria dos probl<strong>em</strong>as numéricos estudados <strong>em</strong> dimensão nita, oconjunto das entradas mal-postas t<strong>em</strong> estrutura <strong>de</strong> varieda<strong>de</strong> algébrica.Essa varieda<strong>de</strong> não é, <strong>em</strong> geral, diferenciável. Por ex<strong>em</strong>plo, no caso doprobl<strong>em</strong>a <strong>de</strong> resolver sist<strong>em</strong>as lineares, as entradas mal-postas são precisamente:{A : <strong>de</strong>t A = 0} .No caso <strong>de</strong> polinômios <strong>em</strong> uma variável, a classe das entradas mal postasé a varieda<strong>de</strong> dos polinômios com uma raiz múltipla. Em função doscoecientes, isso equivale a escrever:⎡⎤f 0 f 1. f 1 .. . . ... . f 0 (d − 1)f d−1 ..<strong>de</strong>t. . f 1 df d .. f1= 0 .. f d ... . .. .⎢⎣ . .. . ⎥... (d − 1)fd−1⎦f d df dA varieda<strong>de</strong> das entradas mal postas é um objeto extr<strong>em</strong>amente complicado,mas t<strong>em</strong> s<strong>em</strong>pre codimensão ≥ 1 (i.e. dimensão N − 1 <strong>em</strong> um espaço<strong>de</strong> dimensão N).Pod<strong>em</strong>os <strong>de</strong>duzir que• A probabilida<strong>de</strong> <strong>de</strong> uma entrada aleatória ser mal posta é zero.• A varieda<strong>de</strong> das entradas mal postas não <strong>de</strong>sconecta a varieda<strong>de</strong> <strong>de</strong>todas as entradas... <strong>de</strong>s<strong>de</strong> que se trate <strong>de</strong> varieda<strong>de</strong>s complexas.• Superfície e área <strong>de</strong> vizinhança tubular pod<strong>em</strong> ser estimadas.
1.6. A DECOMPOSIÇÃO EM VALORES SINGULARES 211.6 A <strong>de</strong>composição <strong>em</strong> valores singularesPrecisamos agora <strong>de</strong> alguns teor<strong>em</strong>as <strong>de</strong> Álgebra Linear. O principal <strong>de</strong>lesé o teor<strong>em</strong>a da <strong>de</strong>composição <strong>em</strong> valores singulares, e vamos <strong>de</strong>duzi-lo doTeor<strong>em</strong>a Espectral.Teor<strong>em</strong>a 1.3 (T. Espectral para matrizes simétricas). Seja S uma matrizsimétrica real n × n. Então todos os autovalores <strong>de</strong> S são reais, e S admiteuma base ortonormal <strong>de</strong> autovetores.A prova foi <strong>de</strong>ixada para os exercícios. Admitindo esse resultado, pod<strong>em</strong>ospassar ao Teor<strong>em</strong>a seguinte.Seja A : R n → R m uma aplicação linear. Os espaços R n e R m sãomunidos do produto interno canônico.Vamos mostrar que existe uma base ortonormal (v 1 , . . . , v n ) <strong>de</strong> R n , euma base ortonormal (u 1 , . . . , u n ) <strong>de</strong> R m , tais que a matriz associada Arelativa a essas duas bases é diagonal.Uma matriz Σ <strong>de</strong> tamanho m × n é diagonal positiva se e somente separa todo i, Σ ii ≥ 0, e para i ≠ j, Σ ij = 0.Teor<strong>em</strong>a 1.4. Seja A uma matriz real <strong>de</strong> tamanho m × n. Então exist<strong>em</strong>U ∈ O(m), V ∈ O(n) e Σ diagonal positiva <strong>de</strong> tamanho m × n, tais queA = UΣV T .D<strong>em</strong>onstração: Para xar as idéias, vamos assumir que m ≥ n. (No casom < n, basta substituir A por A T ).A matriz A T A é real e simétrica. Pelo Teor<strong>em</strong>a Espectral, ela admiteuma base ortonormal (v 1 , . . . , v n ) <strong>de</strong> autovetores. Denotamos por λ i osautovalores <strong>de</strong> A T A. Para todo i = 1, . . . , n, <strong>de</strong>nimosσ i = ‖Av i ‖e assumimos que a base v i está or<strong>de</strong>nada <strong>de</strong> maneira que σ 1 ≥ σ 2 ≥ · · · ≥σ n . Seja r o posto <strong>de</strong> A, então σ 1 , . . . , σ r ≠ 0 e para todo i ∈ {1, 2, . . . , r},pod<strong>em</strong>os <strong>de</strong>niru i = σ −1i Av i .Por construção, ‖u i ‖ = 1. (Note que isso implica que σi2 = λ i). Comopara todo i ≠ j, v i (A T A)v j = λ j vi T v j = 0, ter<strong>em</strong>os que 〈u i , u j 〉 = 0 e osu i formam um conjunto ortonormal.Existe uma base (u 1 , . . . , u r , w r+1 , . . . , w m ) <strong>de</strong> R n . Aplicando Gram-Schmidt a essa base, obt<strong>em</strong>os um base ortonormal (u 1 , . . . , u m ). Como
- 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 18 and 19: 18 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