Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
CURITIBA
1996
SIL VIO J A C K S D O S A N J O S G A R N É S
A J U S T A M E N T O P A R A M É T R I C O POR M Í N I M O S
QUADRADOS COM ANÁLISE NA
E S T A B I L I D A D E DA S O L U Ç Ã O
CU RITIBA
1996
AJUSTAMENT O PARAMÉTRICO POR MÍNIMOS QUADRADOS COM
POR
ENGENHEIRO AG RIMENSO R
p ro f e s so r e s:
D e d i c o este tra b a lh o a:
E t e l v i n a dos Anjos S o a r e s
A l c i d e s L o r c a Garnés
F l á v i o dos Anjos Ga rn és
M a r i a A p a r e c i d a V a s c o n c e lo s dos Santos
R a f a e l V a s c o n c e lo s G ar nés
M a th e u s V a s c o n c e lo s Ga rn és
M in h a e s p o s a e meus f i l h o s p e l a co m p r e e n sã o , e s p e r a n ç a , c arinho e
amor.
AGRADECIMENTOS
ao C o -o rien tad o r Prof. Dr. Quintino Dalmolin, pelo apoio, c orre çõe s e
idéias sugeridas;
assunto;
do texto.
utilizados aqui;
L I S T A DE F I G U R A S x
L I S T A DE Q U A D R O S xi
L I S T A DE S Í M B O L O S xii
RESUMO xiv
ABSTRACT xv
1. I N T R O D U Ç Ã O 1
1.1 G E N E R A L I D A D E S 1
1.3 OB JE TIVOS D E S T A P ES Q U IS A 5
2. E L E M E N T O S DE A N Á L I S E E S I S T E M A S DE
EQ U A ÇÕ ES LINEARES 6
2.1 E SP A Ç O S VETOR IA IS 6
2.2 N O R M A S 7
2.2.1 N o r m a s in d u z i d a s 8
2.3 ES P A Ç O V E T O R IA L EUCLIDIANO 9
2.3.1 P ro d u to in te rn o 9
2.3.2 S u b e s p a ç o v e t o r i a l 10
2.4 S I S T E M A S D E EQ U A Ç Õ E S LI N E A RE S 10
2.4.1 Os s u b e s p a ç o s fu nd amentais 12
2.5.1 D e r i v a d a p a r c i a l de m a t riz e s 16
2.5 .2 D e r i v a d a de e x p r e s s ã o l in e a r 17
2.5.3 D e r i v a d a da f o rm a b i l i n e a r 17
2.5.4 D e r i v a d a d a f o rm a q u a d r á t i c a 18
v
2.6.1 Conjuntos co nvexos 18
2.6.2.1 C o m b in açõ es de f u n ç õ e s c o n v e x a s 20
2 . 6 .2 . 2 P r o p r i e d a d e s de f u n ç õ e s c o n v e x a s d i f e r e n c i á v e i s ............... 21
2.7 C O N V ER G ÊN C IA DE S E Q U Ê N C I A S DE N Ú M E R O S R E A I S 26
3. S O L U Ç Ã O DO P R O B L E M A DE M Í N I M O S QUADR A DOS
L IN E A R 28
3.1 P R E L IM IN A R E S 28
3.2 SOLUÇÃO DO P R O B L E M A 30
3.2.1 I n te r p r e t a ç ã o g e o m é t r i c a 32
3 .2 .2 P r o p r i e d a d e s da s o l u ç ã o de m í n i m o s q u a d r a d o s ........................ 34
3 . 2 .2 . 1 C a r a c t e r i z a ç ã o do ótimo r e s i d u a l ................................................. 34
3.3 SOLUÇÃO DE C O M P R I M E N T O M Í N I M O DO PR O B L E M A
DE M ÍN I M O S QUA D R A D O S L I N E A R 38
3.3.1 Projeções 38
3 .3.1 .1 P r o j e ç õ e s r e l a c i o n a d a s ao p r o b l e m a de mínimos q u a d r a d o s 39
3. 3.2 I n v e rs a s g e n e r a l i z a d a s e p s e u d o - i n v e r s a ...................................... 40
mínimo e p r o p r i e d a d e s da p s e u d o - i n v e r s a ................................... 41
3 .3 .4 D e t e r m in a ç ã o da p s e u d o - i n v e r s a e d e c o m p o s iç ã o de v a l o r
sin g u la r 42
3.4 O P R O B L E M A DE M Í N I M O S Q U A D R A D O S COM
PONDERAÇÃO 44
3.4.1 T r atam en to do p r o b l e m a 44
4. AN Á L IS E DO C O N D I C I O N A M E N T O DO P R O B L E M A
DE M ÍN IM O S Q U A D R A D O S 50
vi
E Q U A Ç Õ E S LINE AR ES C O N S I S T E N T E S ..................................... 50
4 . 1 .2 .1 V a r i a ç ã o do termo in d e p e n d e n t e ................................................ 56
4 . 1 . 2 . 2 P e r t u r b a ç ã o na m atriz A 57
4.2 A N Á L I S E DO C O N D IC IO N A M E N T O DO P R O B L E M A DE
4.2.1 E q u a ç õ e s n o r m a is 58
4 .2 .2 A n á l i s e do co n d icio n am en to do p r o b l e m a g er al ......................... 61
4 . 2 .2 . 2 P e r t u r b a ç ã o na matriz A 64
OS S U B E S P A Ç O S FU N D A M EN T A IS 66
DE M Í N I M O S Q U A D R A D O S L I N E A R 70
5.1 E L I M I N A Ç Ã O DE G A U S S - J O R D AN 70
5.1.1 O p e r a ç õ e s e le m e n t a r e s 72
5.1.2 S o l u ç ã o do s i s t e m a p o r G a u s s - J o r d a n ........................................... 73
5.2.1 R e g r a de Chió 76
vi i
5.3 D E C O M P O S I Ç Ã O DE CH OLE S KY .................................................... 80
5.4 O M ÉTO D O DA D E C O M P O S IÇ Ã O QR 85
5.4.1 T r a n s f o r m a ç ã o de H o u s e h o l d e r 85
5.4.2 A d e c o m p o s i ç ã o QR 87
lin e a r 88
5.4.4 S u b r o ti n a do método QR 89
5.5.1 T r a n s f o r m a ç ã o de Given s 92
5.5.2 O alg o r it m o QR 94
5.5.2. 1 O a lg o r itm o QR 94
5 . 5 .2 .2 O a lg o r itm o Q R - m o d i f i c a d o ......................................................... 95
5.5.3. 1 R e duç ão a f o rm a b i d i a g o n a l 98
6. T E S T E S R E A L I Z A D O S P A R A O P R O B L E M A DE
6.1 D E S C R I Ç Õ E S P R E L I M I N A R E S 113
6.2 T E S T E S 115
7. P R O B L E M A D E M Í N I M O S Q U A D R A D O S N Ã O - L I N E A R 128
7.2.1 M é to d o de N e w t o n 132
vi i i
7.2.4 Método de L e v e n berg-M a rq uard t 136
ix
L IST A DE F I G U R A S
DIFERENCIAÇÃO ......................................................................... 23
M ÍN IM O S QUADRADOS ......................................................... 32
x
L I S T A DE Q U A D R O S
inf ínfimo.
max Máximo.
R” E sp a ço vetorial m-dimensional.
sup Supremo.
* (A T) E sp aço linha de A.
Xll
Leva em.
P a r a todo.
Diferente.
Aproximadamente.
I nfi nito.
Igual ou aproximadamente.
Exite.
Donde.
Conjunto vazio.
União.
I n terse cç ã o .
Pertence.
Não pertence.
RESUMO
o c o r r e r na b u s c a d e s s a s o lu ç ã o quanto a e s t a b il i d a d e .
de c a d a um atr a v é s de te stes .
características.
N a co n c l u s ã o são c o m e n t a d o s os r e s u l t a d o s e f e i ta as r e c o m e n d a ç õ e s
xiv
ABSTRACT
The p urp ose o f this work is to a p llie least squares methods for
redundant lin ear equations, point out the advantages and disadvantages from
When the res id u al equation is no nline ar, they were a p plied two methods
to get the solution, one with local c h ar a c te r istc o f convergence and another
problems.
xv
1
1. INTRODUÇÃO
1.1 GENERALIDADES
Minimizar (1 .1 )
onde:
de duas fo rm as; prim eir o : quando V é lin ear, chamam (1.1) de pro b lem a de
norma e u c l i d i a n a de Ax-b.
inco m patível), com m>n, sem a co n sid eração de que o sistema seja formado
por o b se r v a ç õ e s .
oco rr er p r o b l e m a s graves nos re sulta dos enco n trad o s usando tal pri sm a
1 p o s t o , r a n k o u c a r a c t e r í s t i c a de u ma m a t r i z , s á o t e r m o s u t i l i z a d o s p a r a d i z e r
quantas linhas ou c o lu na s s3o l ine a r me nte i n d e p e n d e n t e s nesta.
3
LINEAR.
caso l a caso lb
Ax = b Ax = b
caso 2a caso 2b
0 =
Ax = b Ax = b
caso 3a caso 3b
Ax ■ b Ax = b
(a), isso porque a m aio ria dos pro blem as formulados p a r a serem r es olv id o s
(a). Mesmo utilizando as téc nicas (b) e (c) p a r a pro blem as lineares ou
mesmo não -lin eares, conforme tratou DALMOLIN (1976), o prob lem a é
no de c o r r e r do trabalho.
ponderadas.
independentes.
mínimos quadrados linear, onde cad a método vem com uma subrotina. Os
5
L IN E A R E S .
axiomas:
a) Em rela çã o à adição
i) (u+v)+w = u + (v + w ) , V u,v,nr e V;
ii) u+v = v+u , V u ,v e V ;
iii) 3 0 e V , V u e V, u + 0 = u ;
iv) V n € V , 3 (-u ) e V , u+(-u)=0.
P a r a qualquer u,v e V e V a , P e R
vi) ( a p ) u = ct(pu);
v i i) ( a + P ) u = a u + p n ;
v iii) a ( u + v ) = a u + a v ;
ix) la = a .
7
2.2 N O R M A S
V, se:
i) <p(x) ^ 0, V x e V e
d(x,y) = <p(x-y).
Hi = Ê N ( norma-l) ( 2 . 1)
i- l
condições:
i) ||A|| £ 0 , V A e W
ii) | | ^ A | | = |X|.||A|| , V X e R , V A e W
2.2.1 N o rm as induzidas
, o IlAxII
<2 -8 >
l|A x || * | | A | r . || x | | . (2.12)
9
Cabe destacar mais duas normas importantes que não são induzidas p e ia
isto é, p a r a qualquer A e x
<21<í>
i) u.v = v.n ;
a i * l + a 2 * 2 + - + a n *n = b > (2.17)
onde:
x,,x2,...,xn € R são variá v eis;
b e R é o termo independente.
forma:
(2.18)
a ml X1 + a xn2 X2 + • ‘ *n = b
Dois sistemas são equ iv ale ntes quando admitem as mesmas raizes ou
soluções.
matricial como:
a a a X1 b
U 12 la 1
a21 a 22 ã X b2
2n 2
(2.19)
a ml, am2V a X b
mn n m
v ariáveis.
a a a b
11 12 ln 1
a 21 a 22 a b
2a 2
Ã= ( 2.20)
a a m2 a mn bn
12
form a escada.
i) se p o s t o ( A ) = p o s t o ( Ã ) = k , o sistema é p o ss ív e l;
coeficientes:
não todos nulos se rá o p o s t o fA)=k e essas linhas for marão uma base p a ra o
espaço linha de A.
resu m id a s abaixo:
D a afirm ação acima, conclui-se que uma linha (uma coluna) de à deve
se r linearmente dependente p a r a que o BÍstema s e j a p o ss ív e l. Em pa rticular o
c l a s s if i c a ç ã o que:
14
( v e r fig. 02).
de A (atra v és de um v e to r x ) p a r a fo rm ar b.
maneiras.
DO SISTEMA LINEAR.
será:
dau da da
dt dt dt
dA ( 2 .2 2 )
dt
da da da
ml__
dt dt dt
exemplo:
x =(e‘ sen(t) cos(f) )7 — =(e' cos(t) + e1sen(t) - sen(t) )T ;
dt
16
át (2.24)
Exemplo :
3x 1 + 4x2 +5
3 4
10x2 + 3x3 , -T _ 20x 9x2
1 2 i 2
■X
x' + 2x 3x2i 4 x2
1 2
d y - — dx
âx
Se ja y - Ax (2 .2 6)
onde:
y e R “;
A e R “ ", com elementos constantes ;
xeR", vetor das variáveis independentes.
Entâo:
dy = d(Ax)= Í W dx , (2.27)
âx
logo a d eriv ad a de y com res p eito a x será:
(2.28)
u=xTAy (2.29)
onde:
u e R;
A e R " 1", cora elementos constantes;
yeR" ;
x e R ™ , v e t o r das variáveis independentes.
q = x TAx (2.31)
onde:
q e R;
A e R nín, simétrica;
x e R n.
4 r-=2 x TA (2.32)
âx
a -p r io r i, certos resulta dos ficam ass egu rad os. No caso do pro blem a de
conjunto, v e r fig.03.
conjunto convexo.
Se
(2.34)
Prova: imediata.
tf >1 *
* U m a f unç &o c u j a d e r i v a d a s p a r c i a i s e x i s t e m e s S o c o n t i n u a s é di t a s e r de c l a s s e
22
convexo Q, se e somente se
, V x,,x2 e D . (2.35)
Á
levando ao limite com X 0, vem que
f t x ^ f í x , ) ^ VfT(x,)(x2 - x , )
ou
f(x2)^f(x)>fVfT(Xi)(x2 - x ]) .
Assuma agora
f(x2)>f(x1)4-VfT(x,)(x2 - x , ) , V x, , x 2 e Q.
que :
f(yi)^f(Xj}fVfT(xi)(yj -Xj) (2.36)
H l-Â }y2- x j
substituindo x, , tem-se
+0 - ^ 2) •
j '(')
í(><3)
cara c te r iz a ç ã o de convexidade.
âiíi â xi
que :
* U m p o n t o é i n t e r i o r q u a n d o t o d a s as d i r e ç õ e s s õ o f a c t í v e i s .
24
( x 2 - X t ) TH (x + A (x 2 ~ X j))(x 2 - X i ) < 0 .
tratado.
extremo será.
0<X<1, tem-se :
(2.6.2 .2 ),
í(y)-f(x) ^ V f T(x)(y - x).
lim|xi -jc*| = 0
í-MO
A
V i2i
| xj + 1 -x*|<;c|xi-x*| (2.40)
SCHNABEL (1983).
28
3. S O L U Ç Ã O DO P R O B L E M A DE M Í N I M O S QU ADRA DOS L I N E A R
£ ‘?llA x - b í2 = m i n lV llr (3 1 )
onde:
V = Ax- b
A e R mxn;
b g Rm
3.1 P R E L IM IN A R E S
j u s t if i c a t iv a s da e sc o lh a de ssa norma.
será:
H( x)=2(A tA). (3.5)
p ositiv a .
Assim
xtA tA x = < Ax,Ax >=||Ax ||j £0. (3.6)
depe ndente s, o que si gn ific a que A não tem posto completo. Logo, para
qualq uer Bistema de eq u açõ es lin e are s redundantes, onde a matriz dos
31
indefinida.
local é ponto de mínimo global. Em v irtude desse fato, de v e-se p rov ar que
Pro va: o R" de fato é convexo, p a r a v e rif ic a r basta ligar dois pontos
q uais quer do conjunto por uma reta, que qualquer ponto tomado ao longo
de mínimo.
Prova:
Se Xj e x2 são pontos de mínimo então toda combinação convexa de
MÍNIMOS QUADRADOS.
Prova:
Se for verificado que A e ATA tem o mesmo espaço nulo, então fica
x T, assim
x* = ( A TA ) 1 <ATb ) . ( 3 . 9)
análise do problem a.
v eto re s m -dim ensionais que são combinações lin eares das colunas de A. O
D ada uma matriz A, qualquer veto r não nulo c m-dimensional pode ser
expresso como a soma de um vetor cR e 91 (A) e um c* e x ( A T), ou mais
simplesmente
c = c R+ c N (3.10)
onde:
cR = componente de c em 91 (A)
c* = componente de c em x ( A T)
com , c / c * = 0 .
cR = A ca , para algum cA e R n ;
A cn =0 .
35
linearmente independentes.
(3.11)
mínimos quadra dos, uma vez que b e V são veto res m-dimensionais e estão
rela cio nado s com os 6ubespaços mensionados. D e sta forma, b e V podem ser
escritos como:
b = b R+ b N , com b R = A b A ; (3.12)
v = vr + vn = A x - b R- b N (3.14)
vR = A x - b R e ví ) = - b N . (3.15)
IM I^ IM Ü (3.17 )
logo, minimizar j)Ax —b c o r r e s p o n d e em minimizar | A x - b R|£ . Como bR
são:
x minimiza jjAx-b|£ se e somente se AT(Ax-b)=0 ;
S e ja
1 1 3
A= 1 0 b= 5
0 1 1
1 1 c + c
1 2
1 0
c
L . 2J
0 1
L 2 J
p a ra qualq uer e s c a l a r c, , c2 .
1
^0 .^0 .'
o"
1 1 0 0
II
1 0 1
_d3_
[
0
entao
3 c + C
i 2 s
— +
5 c
i -C3
1
_ °2 _'C1
ou
1 1 1
1 0 -1
0 1 -1
modo que
1 1 4
1 0 4
0 1 0
resulta em
x* = (4 4) t
38
m i n { | W l 2: IA x - b É ^ A x - b V x e R n} (3.18)
veR *
3.3.1 P r o je çõ e s
p or
S1 = {t e R ” / t Ts= 0 V s e S).
S + S1 = R m e S r\ S-»-={ }.
Qualquer ve to r b m-dimensional pode ser rep re senta do como b = b 8 +b j ,
,onde b g e S e b^ g S1 .
g R m;
facilmente , fazendo
b = b „ + b sl b^ = b - b , , mas
componente de b em %(AT).
*>*•
Tais p r o j e ç õ e s podem ser facilmente obtidas. Lembrando que
x =^A7AylA Tb e Ax* = b R , então:
40
= ^R > f» (A )K = ^R e =
usual acima de in versa não pode mais ser usada, dando lugar a um novo
representado explicitam ente por x=Gb mesmo quando não existe a inversa
i) AGA=A ;
ii) GAG=G ;
iii) (AG)T= AG ;
iv) (GA)t = GA ;
x = A"T>
41
componente de x em 9 t ( A T) e xN o componente de x em * (A ).
interpretação.
A p s e u d o - i n v e r s a tem váriaB p r o p r i e d a d e s importantes, algumas delas
produz um x € R";
42
iii) A p se u d o - in v e r sa de A+ é a p r ó p r i a A;
iv) Em geral AA+* I , uma vez que A pode não ter a Ad(inversa a
d ireita ), mas AA+ é sempre a p r o j e ç ã o PK(A) ;
v) (ATr = ( A T ;
singular
d e s c r i t a a seguir.
não-nulos é posto(A).
(LAWSON e HANSON 1974). O res tante segue; uma vez que AAT = UDDTUT e
43
(ATA)Vj=^ Vj , j = l , . . . , n ,
por uma matriz não-sigular não muda o posto, posto(A )= p o sto (D ), o número
de <jis nã o-nulos.
1/ 0 ~ i, i> 0
D += S / d: i= 0
cC = 0
fazendo z = V Tx vem
D z - U Tb Vz e R n}. (3.20)
k K‘
tais pesos podem ser obtidos a tra v és da p r ó p r i a p rec isã o dos instrumentos de
m edidas utiliza dos, o que evidentemente traz maior confiança ao trabalho que
e stá sendo realizad o. Porém, como este trabalho não b usc a lig ação direta com
O p rob lem a de mínimos qu adra dos ponde rado pode se r tratad o por dois
assim
Mu ltip lican d o ambos os lados de (3.22) por um e s c a l a r diferente de
T b11"
1— 1
1___ 1
w 1 b2
h
(3.24)
1 _b 3_
w 0 0
o
O
£
b
1
0 w 0 0 w 0 b ou
2
0 0 w b
o
o
_ 3_
1
1 0 0 1 0 0 b1
w 0 1 0 X = w 0 1 0 b2 ( 3 .2 5)
0 0 1 0 0 1
Lb».
b1
(3.26)
L b 3.
w 1 wl b i
1 1 1
w vçb,
2
W H -
_ 1
cuja solução se r á
(3.28)
que é a média po ndera da, onde os pesos são os w^2. A solução x w, neste caso
se ria maior influ enciada pelo maior dos \vf3, resulta ndo um va lo r diferente
para x w daquele obtido em (3.23).
w 0 0 1 w 0 0 b
i 1
0 w 0 1 0 w 0 b2 (3.29)
X
II
2 2
*
1___
0 0 w. 1 0 0 w „
L_ aJ
c ompactada como:
WAx=Wb (3.30)
W e R ”“”, A € R mxn, x e R n, b e R m.
Uma vez que W é Bempre qua dra da e in versiv el, tal pon d e ra çã o não
xw=(WA)+Wb (3.3 2)
é a Bolução de (3.30).
Olhando p a r a (3 .32), porque não fazer (WA)+= A +W + e como W é
ponderação.
residual.
x=Wv.
d efinida como
(3.40)
sendo que a nova norma obedece as mesmas três cond ições das demais
0 IHL >0 , v x * 0 ;
]i)
49
m IM L ^ IW U W l-
D e sta m a n e ir a fica g e n eralizado o p r o b le m a de mínimos quadrados
o produto interno deles é nulo, então x e y são perp e n dicu lare s quando
< x , y > w= 0
(WAy)T(Wb - WAxw) = 0 e
M ÍN IM O S Q U A D R A D O S
o bse rvaç õ es, haverá lim itação na p r ec isã o dos equipamentos e na acuidade
uma vez que c alcu lad ora s e computadores tem lim ita ção de precisão
numérica.
p r e c i s ã o dos computadores.
LINEARES CONSISTENTES.
quando A é retangular.
S e j a o sistem a
Ax=b (4.1)
onde :
A e R” 1
x,b e R"
x = A"*b (4.2)
_ _ Adj(A)
x- n ^ r ( >
Em (4 .3 ), p o r imposição de que po sto(A )= n , im p lica que |Aj*0 ou que
Ãi * 0 , i = l , . . . , n .
incompatível.
Suponha a g ora ser o sistema form ado por três equações e três
linha comum e qua lque r ponto d e ssa linha s e r i a solução p a r a o sistema. Para
linha p a r a l e l a a linha de interseção com qualq uer outros dois planos e desta
52
simultaneamente.
fosse penssa do nas duas retas, essas se riam quase p a r a l e l a s havendo assim
uma di ficuld ade muito grande em de termina r o ponto de interse ção das duas
de uma matriz esca lar é dado pelo produto dos elementos de sua diagonal
equações por uma constante IO10, o c o r r e r i a que a matriz dos coeficientes das
perfeitamente condicionado.
entre as soluções.
A ( x + 5 x ) ís(b+5 b) (4.4)
operando vem
Ax+A5x=b+5b
subtraindo b de Ax re sulta
(4.5)
D e se ja - se sãber qual é o v a lo r máximo que o erro rela tiv o da solução
||<3x|j/|jxj pode alcançar. Para conhecer isso , ||<íx|| deve ser tanto maior quanto
p ossiv e l.
P a r a ||áx|| ser máximo b a s t a a p l i c a r em (4.5) uma norma compatível
(4.6)
e p a r a |jx|| mínimo
INI* M M (4.7)
donde
54
H 2 iiA i r (48)
■ «•»)
(A+5 A ) ( x + 5 x ) = b (4.10)
subtraindo Ax de b tem-se:
x+
U r iA " l i A | 1 '
||x+<fc|| 1 11 |A
Chamando jjA'1jjjjA| = C(A), então (4.9) e (4.13 ) tornam-se:
Z C (A ? L - J (4.1 4)
M N
áxii m
11 á C ( 4 ) i —i . (4.15)
fx+âtj ||A j|
número de condição C(I)=1 , pode-s e por analogia de duzir que toda matriz
r e l a t i v a em A ou em b.
S e j a o sistema
56
Ax=b (4.16)
onde
x e R n;
b e R m , com b e 91 (A).
quadrados.
será:
x* = (4.17)
onde: A+ é a p s e u d o - in v e r sa de A.
sist ema s e r á
A(x+fix)=b+Sb (4.18)
subtraindo Ax de b re sulta
(4.20)
e
( 4 .2 1 )
de maneira que
11 á C ( A ) L f (4.26)
jx* + &|
QUADRADOS LINEAR
e qu aç ões normais.
59
C(AtA)^C(A)2. (4.30)
E xemp lo :
1 1
1 1.00001
1 1.00001
C(A)= —- = 433102.25.
<72
3 3.00002
AT A =
3.00002 3.00004
= 6,00 e a 2 = 3,33.10'11
C(ATA)=-^- = 1,80.10“.
<r2
C(ATA)= (4.31)
^rair ^min
A singularidade de ATA vai se r afetada somente p e l a pequenez de
C(A)<-L (4.33)
vu
P a r a o exemplo anterior onde C(A)=433 102,25 só p o d e r á ser r e s o l v id o
caracterizo u-se o ótimo r esid ual, secção (3.2.2.1). Lá foi visto que
comprimento mínimo.
Se ja
Ax=b (4.34)
onde
b e R ” , com b « 93 (A) ;
x e Rn ;
cujo objetivo é
conveniente.
vez, f i c a complicado uma i n te rp retaç ã o de man eira que é p refe riv e l uma
A(x+5x)-b+5b. (4.36)
componentes de x em 9 t ( A T) e x ( A ) , tem-se
= 0 ; x R - A*b R + A ^ n (4.38)
II&rN aI IM e (4.41)
(4.42)
(4.43)
onde:
V +5V»A(x+8x)-(b+5b) (4.44)
como
Ax = b g V = bN e
forma que suas dimensões permaneç am as mesmas, uma vez que o posto é o
mesmo.
Suponha ser
(4.47)
65
H í 2 C ( A K + 4 C ( A ) !e * j j ^ + 0 ( 4 ) . (4.48)
f* II p r II
á \ R = G Tá \ e SAV = K Tá \ (4.49)
onde:
||<5V|| ,
^ ^ "^2C(A)eN+ 0(6^,). (4.50)
no espaço nulo de AT, então o condicionam ento quadrado não afeta oerro
residual s o f r e r á alteração.
66
SUBESPAÇOS FUNDAMENTAIS
automaticamente tais bases. Aba ixo segue uma explanação de forma resumida.
Se ja
A^UDV7 (4.51)
onde
u («.m) ortonornial;
V(n_n) ortonornial;
A PARTIR DA SVD
k m-k
U D
67
c a r a c t e r i z a d a p e la s condições:
co n sid era çã o desse "quase", j á que o posto diz é ou não é, uma vez que é um
número inteiro.
pois caso contrário qualquer informação por menor que fosse s e r i a de grande
Co nsidere
1 0 1
A = 0 1 1 «4.52)
1 1 2+g
ser pro v en ien te da soma das duas prim eiras colunas calculad as com pouca
5. M É T O D O S N U M É R I C O S PA RA A S O L U Ç Ã O DO P R O B L E M A DE
M Í N I M O S Q U ADRA DOS L IN E A R
redundantes) original.
to r n a - s e - i a uma desvantagem.
abaixo.
Axj “ bj
A x 2 « b2
(5.1)
Ax„ - b .
AY - I
onde:
A 6 R"“ ;
x'. e R";
V. e R n;
Y e R nin,
Xj^A^bj
x 2«=A Jb2
(5.2)
x >“ A 1ba
Y = A ‘I
a X
11 a i2 ‘ ”X .l A lm *1. y,2 •- y i n -
••
■ • ! u ' u u u
a a . .. a X
_ nl rã kl A l A nm y rã •
"b b 1 0 ...0 ~
ii b ,3 lxn
= • 1 •
: u : U. . U : u (5.3
b
nl
bnm 0 0 • -i
[A]-[x1ü x a U - ^ * . U Y ] = [b1U k , ü - ü k . U I ] (5 .4 )
tanto as sol uç ões x 's como Y não s o fre rão alterações (isto c orresponde em
su bstitu i-s e qualquer linha de A p or sua soma com outra linha previamente
É interes sa nte ao final v olta r sua p o siç ã o original e p a r a isso devem ser
tornam-se ob v e t o r e s s o lu ç õ e s x ’s.
p rin cip al. Se não for realiz ado o pivotam ento, somente a operação (ii) se rá
usada.
completo este método torna-se bastante estáv e l, apesa r de que com apenas o
B ( I R 0W , L )= B (1 C 0L , L )
B(1C0L,L)=DUM
15 CONTINUE
ENDIF
1 NDX R( I )=I R0W Agora est amos pronto para dividir a linha do elemento piv6,
localizado em
I ND XC (I )= IC OL IROW e ICOL.
1F (A( ICOL, ICOL). EQ.O) PAUS E ' Mat ri z singular '
PIVINV=l/A(ICOL,lCOL)
A ( I CO L, I COL )=l
DO 16 L=1,N
A ( I C OL, L) = A( IC OL, L) *P I VI NV
16 CONTINUE
DO 17 L=1,M
B(ICOL, L) =B (I COL ,L) *P IV INV
17 CONTINUE
DO 21 LL=1,N Agora r eduzi remos as linhas exceto para o
1F ( LL. NE. ICOL) THEN el emento piv«.
DUM=A(LL, ICOL)
A(LL,ICOL)=0
DO 18 L=1,N
A (L L ,L )= A( LL , L) -A (1 C0 L, L) *D UM
18 CONTINUE
DO 19 L=1,M
B (LL, L) =B (LL, L) -B (I CO L, L) *D UM
19 CONTINUE
ENDIF
21 CONTINUE
22 CONTINUE Este é o fim do loop principal de redução de colunas
DO 24 L=N,1.-1 ele ficaria par a t r o c a r a solução no caso de per mut açao
IF ( I N DX R (L ) .N E. I ND X C( L )) THEN de colunas. Isto é feito
DO 23 K=1,N permutando as colunas aos pares na ordem
DUM=A(K,1NDXR(L)) i n ve rs a de que foram permutadas.
A ( K , I N D XR (L )) = A( K , IN D XC (L ))
A( K,INDXC(L)) =DUM
23 CONTINUE
ENDIF
24 CONTINUE
RETURN
END
5.2.1 R e g ra de Chió
Exemplo:
13
23
a a 32 a
31 33
d e t í A ^ - l j 4 *det
77
(5.5)
(5.6)
-1 o
1 l/a
a
(5.7)
-1 0
p r i m e ir a coluna, resulta
d e « A " M - l ) w .[ 0 - ( - l ) . — ] = - (5.8)
^11 2-11
que é a in v e r s a de A=[a11].
a a 12
li
A= a (5.9)
a
21 22
a ii a
12 1
Á = a21 a22 0 (5 .1 0)
-1 0 0
1 a /a 1/ a
12 11 11
Âl = (5.11)
a a 0
21 22
-1 0 0
p r i m e ir a coluna, resulta
í+i 11
det(A ) = (-!)
o - (-1) a o - ( -1 U -
an
11 12
,111
= A' (5.12)
21 22
Fazendo novamente
79
c c 1
11 12
c21 c22 0 ( 5 .1 3 )
ÀV =
- 1 0 0
c
c
11 11
Av =
c21 c22 0 (5.14)
-1 0 0
c 22 c21 c 17 s,-1
í+i 11
det(Á ) = (-!) o - {-ixlsL . o - (-1)
II
C C
C 21 1+
22 -
C
11 11
(5.15)
12
anl . ann 1 1 1 1
nl n2 nn nn
_ __ __ -
onde:
an = ifi
a2i = ^11^21
a nl - 1(1 • ^nl
a 33 = d 31) 2 + ( l 3 2 ) 2 - K l 3 3 ) 2
po sitiv as.
82
d e fin id a p o sitiv a .
la = - p , i= 2 -------- n. (5.16)
*n
O elemento 122 é fornecido p e l a express ão:
A = LLt
Cholesky p ro ce de-s e:
Ax = b o LLTx = b (5.19)
fazendo L y = b , r e s o lv e-se p a ra y e LTx = y r eso lve-se p a ra x, que é a solução
do sistema.
e x pre ss ão
e assim
a KK = Jkl + 1 k2 + + 1 kk • (5.21)
(5.22)
é man tida na p rática (ver testes). P a ra que exista a e stabilidade neste método,
p r o c e d u r e CHOLESK Y(A) LADO DIREITO: (B) ORDEM:(N) RESULTADO; (X) FALHA E SAl:
(IMPOSSÍVEL); V A L O R E S A,B;
a r r a y r e a l A,B,X; i n t e g e r N; l a b e i IMPOSSÍVEL;
c o m e n t á r i o RESOLVE AX=B (ONDE A É SIMÉTRICA EDEFINI DA POSITIVA) PELA
DECOMPOSIÇÃO A=R.RT (ONDE R É TRIANGULAR INFERIOR) E ENTÃO
SOLUCIONANDO RY=B E R TX=Y. A MATRIZ R É DEP OS ITADA NA PARTE TRIANGULAR
INFERIOR DE A;
b e g i n i n t e g e r I,J,K ; r e a l S,TX; i f A[1,1]S0 t h e n go to
IMPOSSÍVEL ; A[ 1,1 ]: =SQRT(A[ 1,1 ]);
for I:=2 « t ep 1 u n t i l N do A [ 1,1]:=A[1,1]/A[ 1,1 ];
f or j:=2 í t e p 1 u n t i l N do
b e g i n S:=0; f or I:=l s t e p 1 u nt i l j - 1 do
S:=S+A[J,I]*A[J,I];
S;=A[J,J]-S;
l f Sá 0 t h e n go to IMPOSSÍVEL;
A[J ,J ]: =S QRT( S) ;
for 1:=J + 1 s t e p 1 u n t i l N do
b e g i n S:=0; f o r K>1 s t e p 1 u n t i l J - l do
S;=S+A[1,K]*A[J,KJ;
S:=A[I,J]-S;
A[1,J ]:=S/A[ J,J ];
e nd ;
end;
f o r I:=l s t e p 1 u n t i l N do
b e g i n TX:=0; for J: = l s t e p 1 u n t i l 1-1 do
TX:=TX+A[I,J]*X[J];
X[I ]; =(B[1]-TX)/ A[I,I]; B[I]:=X[I];
end;
f o r I:=N s t e p -1 u nt i l 1 do
b e g i n TX:=Q; for J:=N s t e p -1 u n t i l I +1 do
TX:=TX + A[ J, I]*X[J];
X[I ]; =(B[1]-TX)/ A[I.I];
e nd ,
end;
85
onde:
e, =(1 0 ••• 0)T e
de fina Q como
(5.24)
e tomando
86
v = a + oe, ( 5 .2 5 )
então
„w T 2vTa
) a = a - v —j — =
V V V V
— g y
2(aTa + oe7a)'
. * — g ____ y
(aTa + aTa + 2cRe7a)
— - 1
aTa + a T0 Cj + 06^ + o5 a Ta + 2oejra + <?
como
tfW a
então
Qa= a - v = a - a - crb, = -ocj. (5.26)
onde
/+i *
° ~ V-l k aj<0
d e fin id a como
Q = I„-2«uT (5.28)
5.4.2 A d e c o m p o s i ç ã o QR
principal.
v vT
Prova: P e r m i t a Qj = Im- 2 - M - , onde v, = a, + oja,||«i , sendo c definido
IME
como em (5 .2 7 ), a, e e, a pr im e ir a coluna da matriz A e matriz I
rn
0
(5.31)
ln
a
2n
(5.32)
m2 xnn
1 0 . 0
0
( 5 .3 3 )
r 11 r 12 r 13 ln
0 r 2n
0 0 a O a © (5.34)
33 ■ 3n
0 0 a © ©
m3
A=QR . (5.36)
zeros abaixo da diagonal p rin cip al. S e j a ainda R n a matriz fo rm ada pela s n
D E C O M P OS I Ç ÂO - Q R (QRDECOMP)
Propósito: calcula a decomposição QR de uma matriz quadrada M usando oalgoritmo de
S te war t[ 1973] no final do algoritmo a decomposição éar mazenada em M, Ml e M2 como descrito
abaixo.
Descrição:
2.2.E.6.1 ^ M[i,k]* M [ i j ] / M l [ k ] )
i- X
Subrotina RSOLVE
91
Propósito: Resolve Rx=b para b, onde R é tri angul ar superior ar mazenada como descrito na
subrotina QRDECOMP
1. b[nJ b[n]/M2[n]
2. For i=n-l downto 1 do
b[i]-£M[ij]*b[j]
b[i]<-------- i±5-------------
1 M2[i]
(* Retorno do algoritmo RSOLVE *)
(♦ END do algoritmo RSOLVE ♦)
Subrotina QRSOLVE
Propósito: Resolve (QR)x=b para x, onde a mat ri z ortogonal Q e a triangular superior R são
a r ma z en a da s como descrito na subrotina Q RDEC OMP .
P a râ m e t r o s de entrada: n e Z, M e R'1Xn, Ml e R ”, M2 e R" (Q • R são embutidas em M, Ml e
M2 como descrito na subrotina QRDECOMP )
P a râ m e t r o s de salda: nenhum
C o n s i d e r a ç ó e s sobre o armazenamento:
1) Nenh uma matriz ou vetor adicionais são n e c e s s á r i o s
De scri ção:
1) Multiplica b por Q T, Q T é armazenado como Q T= Q n l ,...,Q[ . onde cada Q j é uma
Algoritmo
(♦ b <- Q Tb +)
1. For j= 1 to n - 1 do
(* b <- Qjb*)
1.1 « - <i;M[ij]*b(j]/Mi[j])
i-i
1.2 For i=j to n do
(* b <- R ’b •)
2. CALL RS0LVE(n.M,M2,b) (♦ alg. RSOLVE*)
(* Retorno do QRSOLVE ♦)
(* END, QRSOLVE *)
transformação de Givens* .
C 8 0 . . . 0
-8 c 0 ... 0
0 0 1 ... 0
G = (5.42)
0 0 0 ... 1
tal que
G \ = ( J v l2+vl 0 v3 . . . v J T. (5.43)
Prova
p r i m e ir a parte: fazendo em G
c= s= ■ (5.44)
V vF ^ i ’ a/vi+vT
+ i 0
(5.45)
T
GG = 8
2 ,
+ C
2
como c 2 _ 1
= im p lica
vf+vj v^ +v
g g T=[ o l] (5.46)
5.5.2 0 algoritmo QR
Foi visto na se cç ão (5.4) como decompor uma m atriz A(in^ com m£n,
a obtenção do a u to v a lo re s de A.
5.5.2.1 O algoritmo QR
A0 = QoR0 (5 .4 7)
P a ra p r o v a r e s s a afirmação b a s t a fazer
autovalores.
Ak = QkR k (5.50)
seguinte implementação.
À0 = À (5.52)
(Àk-<rkIn) = Q kR k (5.53)
figura abaixo.
* * * *
* * * *
0 * * *
'•)
o
o
1
au to v a lo re s aproximados de A .
96
4 2 1
5 7 2
A =
5 2 1
X2 = 2 ,7 0 0 1 5 8 4 7 3 4 3 1 5 9 ;
A, = - 0 .1 1 7 9 7 2 7 9 7 2 2 6 1 6 .
X ‘ = 9,417825 ;
X2 = 2,700147 ;
X ‘ =-0.1 1 79 7 2 .
AUTOVALORES DO ALGORITMO QR
1
* * * * * * * 0 0
o
* * * * * * * * 0 0
0 * * * * 0 * * * 0
0 0 * * * 0 0 * * *
0 0 0 * * 0 0 0 * *
C onsiderando A0 uma matriz com qualq uer uma d e ssa s formas obtida
essa matriz cujos autova lores são os mesmos de A (garantido por construção)
a se qu ên c ia de matrizes Ak mantém a forma de A0 , convergindo p a ra
matrizes.
p osterio rm ente a pré-m ultip lic aç ã o p or sua transposta gere uma matriz
* *
0 0
* *
0 0
* *
0 0
*
0 0 0
0 0 0 0
0 0 0 0
pri ncipal e uma diagonal imediatamente acima da p rin cip al, os demais
H k = I, - 2 y , y J (k-l,2,...,n-2) (5.57)
qi !? 0
<2 e3
0 (5.59)
B = m
0 (m-n)
Denotando A, = A e definindo
A j^ = 0 (i= k + l , . .. , m ) (5.62)
e H k como
Ag+1)=0 (j=k+2,...,n). (5.63)
B t = H I 2...HÍAtQÍ...QI1QI (5.6 5)
v e ra c id a d e da afirmação acima.
B=USVt (5.67)
100
A = (QU)S(HV) t (5.68)
ou
A = USVt . (5.69)
p r o c e s s o i te r a tiv o da forma
(5.70)
k - 1 , 2 ,3 ,. . . (5.71)
k.
QR -m odific ado .
A matriz Vk é determ inda pelo p r o c e ss o usual do algoritmo
QR -modificado
s e ja b id ia g o n al superior.
t i + e n-l eA - l
(5.74)
eA - i <£ + e2
cuja equação c a r a c t e r í s t i c a se rá
t ô r ò r * ) ( q f r ^ ) - M . . i ) 2= o. (5.75)
e BubBtituindo X de (5 .7 6) em (5 .7 5 ) resulta
f ■Kq«+»L1-«£-<!)*- (5.77)
d iv id in do to da a e xp ressão p o r (enqn.j)2 tem-se
r= ~ ~ i (5-79)
M n-l)
e
.2 _2 , J2 _2
f _ (qn- q n - i + e n- g n-i) (5.80 )
2(enqu-i)
e substituindo em (215) obtem -se
/ - 2 f /- l =0. (5.81)
2
TF. (5.82)
p ositiv a , além disso, uma vai s e r menos o inverso da outra, com base nisso
onde
-f-o-tf1)1* . r ao
t={ . st f<0
(5.84 )
A
a=Á. (5.85)
103
VtM V é tridiagonal
e a p r i m e i r a coluna de VT(M-cd) é zero abaixo do prim eiro elemento,
q e2
(5.86)
A co ntece que esta tras formação vai tir a r B da forma bidiagonal, pois
isto f a r i a g e r a r um elemento na p o s i ç ã o b21 . P a r a manter B na forma
onde
®=®k+l »
B=Bk ;
104
Vk=V2V3...Vn ;
UkT=Un...U3U2
com
1 0
0 \
1 C 8 (i-1)
ü = , i = 2,3,...,n
i -8 C (i)
tratad os independentemente.
Suponha que em algum estágio |qk|^<5V então por convenientes
sendo que
ek+1 é aniquilado por T ^ , mas bu+2 e J k+U são gerados ;
bw+2 é an iq u ilad o por TKk+2 , bu+3 e 4 +2Jl são gerados ;
(k)
B \ 0 (k) (5.89)
V>1e*+2
0
o :c‘
B 1 • (5.90)
B k=
0 B
b ;tw...t , = b ; (5.91)
e qk p a s s a a se r um v a lo r singular de A.
107
p o s i ç ã o de k.
A = USVt (5.92 )
B=UBVt . (5 .9 3 )
S=SD (5 .9 4 )
A A
a matriz U e V de (5 .9 3 ) s e r á fo r m a d a p or
U = U j...U j (5 .9 5 )
V = Vj... Vv (5 .9 6 )
a matriz Q e H de (5 .6 8) 6erá fo r m a d a p or
assim
(5.100)
(5.10 1 )
e finalmente
À=USVT (5 .1 02 )
S U B R O U T IN E S V D C M P (A .M .N .M P .N P .W .V )
dada a m a t ir z A, com d im e n s lo ló g ic a M por N e d im e n s lo fis íc x MP por NP, e sta r o t in a
c á lc u la su a d e c o m p o s iç lo de v a l o r s in g u la r . A - U . W . V . A m a t r iz U s u b s t it u i A na s a id a . A
m a t r iz d ia g o n a l de v a lo r e s s in g u la r e s W é arm aze n ad a no v e to r W. A m a t r iz V (n lo V )é
a rm a ze n a d a com o V. M deve s e r m a io r o u i g u a l a N . S e f o r m e n o r e n t l o A deve s e r c o m p le ta d a
a té f i c a r q u a d r a d a c o m l i n h a s z e r o s .
PARAM ETER (N M A X -1 0 0 ) m á x im o v a l o r a n t e c i p a d o d e N
D IM E N S IO N A (M P ,N P ),W (N P ),V (N P ,N P ),R V 1 (N M A X )
I F ( M . L T . N ) P A U S E ' v o c e d e v e a u m e n t a r l i n h a s e x t r a s em A '
r e d u ç t o de H o u s e h o ld e r p a ra a fo rm a b id ia g o n a l.
0-0.0
SC A L E -0 .0
A N O R M -0 .0
D O 25 I - l . N
L = I+ 1
RV1 ( I) - S C A L E + O
0-0.0
S -0 .0
SC A L E -0 .0
IF 0 L E . M ) T H E N
DO II K - I.M
SC A L E -S C A L E + A B S (A (K ,Q )
11 C O N T I N U E
IF ( S C A L E . N E . 0 .0 ) T H E N
DO 12 K - I . M
A ( K , I) - A ( K , I) / S C A L E
S = S + A ( K .I)* A (K . I)
12 C O N T IN U E
F -A O .D
0 -- S IO N ( S Q R T ( S ) . F )
H = F *0 -S
A O , I) - F - 0
IF O .N E .N ) T H E N
DO 15 J - L . N
S -0 .0
DO 13 K - I . M
109
S » S + A (K .I)*A (K . / )
13 C O N T I N U E
F -S/ H
DO 14 K - l . M
A ( K . .1) = A ( K . / ) + F • A ( K . J)
14 C O N T IN U E
15 C O N T I N U E
E N D IF
DO 16 K - I . M
A (K . I) “ S C A L E * A ( K . I)
16 C O N T I N U E
E N D IF
E N D IF
W ( I) - S C A L E * 0
0-0.0
S -0 .0
SC A L E -0 .0
IF ( ( I. L E . M ) . A N D . G -N E .N )) T H E N
DO 17 K - L . N
SCALE-SCALE+ABS(A(I.K))
17 C O N T I N U E
IF (SC A L E .N E .0 .0 ) T H E N
DO 18 K - L . N
A ( I, K ) “ A (I.K ) / S C A L E
S = S + A ( I, K )* A (I,K )
18 C O N T I N U E
F -A (I,L )
0 - - S IO N ( S Q R T ( S ) , F )
H = F *G -S
A G .L )-F -0
DO 19 K - L . N
R V 1 (K )= A 0 .K )/ H
19 C O N T I N U E
IF ( I. N E . M ) T H E N
D O 23 J - L . M
S -0 .0
D O 21 K - L . N
S — S + A ( J , K ) mA ( I . K )
21 C O N T I N U E
D O 22 K - L . N
A ( J . K ) - A (J .K ) + S * R V 1 (K )
22 C O N T I N U E
23 C O N T IN U E
E N D IF
D O 24 K - L . N
A (I,K )“ S C A L E *A O .K )
24 C O N T IN U E
E N D IF
E N D IF
A N O R M - M A X ( A N O R M , ( A B S ( W ( I ) ) + A B S ( R V 1 ( I) ) ) )
25 C O N T IN U E
a c u m u la ; lo d a s t ra n s f o r m a ?6 e a a d ir e it a
D O 3 2 I —N . l . - l
IF G -L T .N ) T H E N
I F ( O . N E .O . O ) T H E N
D O 26 J - L . N d u p la d i r i s l o p/ e r it a r s u b f lu x o
V ( J . I) -( A G ./ )/ A G . L )) / 0
26 C O N T I N U E
110
D O 29 7 = L .N
S = 0 .0
D O 27 K = L .N
S « S + A (1 .K ) *V (K ,7 )
27 C O N T IN U E
D O 28 K = L ,N
<r(K.7)=V(K.7)+S*V(K.I)
28 C O N T IN U E
29 C O N T IN U E
E N D IF
D O 31 7 = L , N
V G .7 )» 0 .0
V (J.0 = 0 .0
31 C O N T I N U E
E N D IF
V ( 1 . D = 1 .0
G = R V 1 ( I)
L“I
32 C O N T IN U E
ic u m u t t ; lo d i e t r a t f o r m i f O ea d a e s q u e r d a
D O 39 I- N . l. - l
L-I+l
G - W ( I)
IF G -L T .N ) T H E N
D O 33 J= L .N
A G .0 = 0 .0
33 C O N T IN U E
E N D IF
IF (O .N E .0 .0 ) T H E N
0=1.0/0
IF G -N E .N ) T H E N
D O 36 7 = L ,N
S -0 .0
D O 34 K = L , M
S = S + A (K .I)*A (K .7 )
34 C O N T IN U E
F = (S / A G .0 )*G
D O 35 K = I, M
AG C .O =A G C .O +F*A (K .O
35 C O N T IN U E
36 C O N T IN U E
E N D IF
D O 37 J = I. M
A ( 7 ,I) = A ( 7 , I) *G
37 C O N T IN U E
ELSE
D O 38 7 = 1 .M
A ( J , I) = 0 . 0
38 C O N T IN U E
E N D IF
A G .0 = A G .0 + 1 0
39 C O N T IN U E
d ia g o n a liz a f lo da fo rm a b id r a g o n a l
D O 49 K “ N .1 .-1 lo o p e o b re r a lo r e s s in g u U r e t
D O 48 I T S = 1 .3 0 n u m . de it e rffle c p e r m ie s iv e is
D O 41 L - K . 1 , - 1
N M = L -1 rv l(l) i p e r m it d o s e r z e ro
IF ( ( A B S G ^ V 1 G O ) * A N O R M ) - E . Q . A N O R M ) OO TO 2
Ill
I F ( ( A B S ( W ( N M ) ) * A N O R M ) .E Q . A N O R M ) 00 TO 1
41 C O N T I N U E
C -0 .0
S -1 .0
D O 43 I - L . K
F “ S * R V 1 ( I)
IF ( ( A B S ( F ) + A N O R M ) . N E . A N O R M ) THEN
0 -W (I)
H « S Q R T (F *F + 0 *G )
W ( I)- H
H -l.O / H
C -(0 *H )
S = -(F *H )
D O 42 J - l . M
V “ A (J ,N M )
Z = A ( J . I)
A (J ,N M )= (y *C )+ (Z *S )
A ( j , i) "- ( y * s ) + ( z * c )
42 C O N T IN U E
E N D IF
43 C O N T IN U E
2 Z -W (K )
IF (L .E Q .K ) T H E N c o n v e r g ê n c ia
IF (Z .L T .O .D ) T H E N v a lo r s in g u la r t f e it o p o s it iv o
W ( K ) = -Z
D O 44 Í- 1 . N
V (J .K )= -V (J .K )
44 C O N T IN U E
E N D IF
00 TO 3
E N D IF
IF ( IT S . E Q . 3 0 ) P A U S E 'N l o c o n v e rg e em 3 0 i t i r a f ò e s '
X = *W (L ) v a r i a ç I o a p a r t ir d a m a t r iz 2 x 2
MM'K-1
Y *= W (N M )
0 - R V l(N M )
H“RV1 (X)
F -((Y -Z )*(Y + Z )+ (0 -H )*(0 -H )/ (2 .0 *H *Y )
G -SQ R T (F *F + 1 .0 )
F - ( ( X - Z ) * ( X + Z ) + H * ( ( Y / ( F + S IO N ( O . F ) ) ) -H ))/ X
p r ó x im a t r a n s f o r m a ç ã o Q R
C -1 .0
S -1 .0
D O 47 J -L .N M
I=J+1
0 = R V 1 (D
Y = W ( I)
H *» S *0
G =C *0
Z -S Q R T (F *F + H *H )
R V 1 ( I) = Z
C -F / Z
S=H /Z
F = (X *C )+ (0 *S )
0 = -(X *S)+ (0 « C )
H "Y *S
Y -Y * C
D O 45 j ; - l , N
112
X *= V (J J .J )
Z (J J .J )-(X *C )+ (Z « S )
V ( J J . I) *- ( X * S ) + ( Z *C )
A5 C O N T IN U E
Z » SQ R T (F *F + H *H )
W (J )“ Z i o U ç I o pod e s t i iibiViáiii s t Z -0
I F ( Z . N E . 0 .0 ) T H E N
Z -1 .0 / Z
C = F *Z
S -H *Z
E N D IF
F -(C » Q )+ (S *Y )
X = -(S *0 )+ (C *Y )
D O 46 J J - l. M
V = A (J J .J )
Z -A (J J .I)
A (J J ,J )= (Y *C )+ (Z *S )
A C JJ.O — ( Y * S ) + ( Z « C )
46 C O N T IN U E
47 C O N T IN U E
R V l(L )-0 .0
R V IO O - F
W (K )*= X
48 C O N T IN U E
3 C O N T IN U E
49 C O N T IN U E
RETURN
END
113
QUADRA DOS L I N E A R
de scrito ao longo do dese nvolvimento teórico. Para isso escolhe u -se nove
6ubroutinas originais. O p rog ram a não se rá anexado neste, mas se rá for necida
teste.
4 o. teBte: Este teste tem por fin alid ad e m ostrar o comportamento da solução
linear.
5o. teste: Este teste tem por objetivo mostrar o comportamento da solução e
8o. teste: N e ste teste a matriz dos coefi cientes tem posto deficiente,
incógnitas.
115
6.2 TESTES
a) p e s o s iguais:
3 2 1 1 5
4 5 9 2 5
2 1 0 4 5
3 4 5 7 5
- 2 . 1 9 3 5 4 8 387 1 0 . 6 6 0 4 0 0 660 40
5 . 8 7 0 967 741 9
- 2 . 0 6 4 5 16 129 0
b) p e s o s d i f e r e n t e s
5 - 3 . 0 9 3 515 3 5 8 3 0 . 4 8 0 32 9 807 06
7 6 . 7 7 9 5 2 2 184 3
8 -2.1 69 283 2 7 6 5
1
MAT RI Z A Vetor b
3 5 1 1
2 3 9 2
1 7 3 5
4 2 1 3
Matriz A Vetor b
1 1.02 7
1 1 3
1 1 2
M a t r i z At A V e t o r A^b V e t o r soluçBo
3. 0 3.02 12 -222.50
3.02 3.0404 12 .14 225.00
3. 0 3.02 12 45 7
3.02 3.04 12 .1 4 -450
do segundo caso, a matriz ATPA to rna-se ind efin id a pois seus autovalores
com três digitos .significativos são: A]=-6,62 E -0 5 e A2=6,04 e a solução
completamente errada.
a) P roblem a o r i g i n a l ( sem p e r t u b a ç ã o )
MATRIZ A Vetor b
1 1 1
1 0 0
0 1 -5
c) P e r tu b a ç ã o no v e t o r b i n te i r a m e n te no e sp a ç o n ulo de AT.
a) P r o b le m a o r i g i n a l sem p e r t u b a ç ã o
MATRIZ, A Vetor b
1 1 2.000 00
1 1 0.000 01
1 1 4 . 0 0 0 01
M E T O D O DA D E C O M P. D E VALOR S I N G U L A R
MATRIZ U MATRIZ V
- 8 . 1 6 4 9 7 9 4 1 75E-01 - 5 . 7 7 3 4 8 3 4 4 6 9 E - 0 1 - 7 . 0 7 1 0 9 1 3 8 2 0 E - 0 1 - 7 . 0 7 1 0 4 4 2 4 1 6E-01
4 . 0 8 2 4 6 9 2 9 6 4 E - 0 1 -5 .7 7 3 5 1 23 14 4 E - 0 1 7 . 0 7 1 0 4 4 2 4 1 6 E - 0 1 - 7 . 0 7 1 09 1 3 8 2 0 E - 0 1
4 . 0 8 2 4 6 9 2 9 6 4 E - 0 1 - 3 . 7 7 3 5 1 23 1 4 4 E - 0 1
V e t o r W (v al o r es s i n g u l a r e s ) V etor X (solução)
5.77 3 4 8 2 2 2 5 7 E - 06 9 . 9 9 9 9 9 1 17 26E-01
2 . 4 4 9 4 9 7 9 0 7 8E+00 1.0000008827E+ 00
C o m p r im . do r e s í d u o = 2 . 8 2 8 4 2 7 1 2 4 8 E + 0 0
p r o b l e m a (a) ).
MATRI Z A+ÔA
1.00001 1.00000
1.00001 1.00001
1.00001 1.00001
M E T O D O DA DECOMP. DE VALOR S I N G U L A R
MATRIZ U MATR IZ V
- 5 . 7 7 3 4 8 3 4 4 7 lE -0 1 8.1 6 4 9 7 9 4 1 7 4 E - 0 1 -7 . 0 7 1 0 7 95 96 8 E- 0 1 7 . 0 7 1 0 5 6 0 2 6 9 E - 0 1
-5.7735123143E-01 -4.0824692965E -01 -7 .0 7 1 05 6 0 2 6 9 E - 0 1 - 7 . 0 7 1 0 7 9 5 9 6 8 E - 0 1
- 5 . 7 7 3 5 1 23 143E-01 -4.0824692965E-01
V e t o r W ( v a l o r e s s in g u l a r e s ) Vetor x (solução)
2 . 4 4 9 5 1 01 5 5 2E+ 00 9.999890921 9 E -0 1
5.77 351 1 093 l E- 0 6 1 .0 0 0 0 0 0 9 0 7 9E+00
Co m p rim . do r e s í d u o = 2 . 8 2 8 4 2 7 1 2 4 8 E + 0 0
119
de p e r t u b a ç â o é m ú l t i p l a da p r i m e i r a co lu na de U do p r o b l e m a (a) ).
MATRIZ A+ SA
100000 0.99998
100000 1.00002
100000 1.00002
METODO DA D E C O M P. D E VALOR S I N G U L A R
MATRIZ U MATRIZ V
2.3093932540E-05 1. 7 5 0 0 0 4 6 9 9 5 E + 0 0
2 . 4 4 9 4 9 7 907 9 E + 0 0 2.5 0 0 0 0 3 0 0 4 7 E - 0 1
MATRIZ A
1.00000 1.00000 •
1.00000 1.00000
1.00000 1.00002
MATRIZ U MATRIZ V
1.1546966064E-05 -1 .4999926775E+05
2 . 4 4 9 4 9 7 907 8 E + 00 1.5000026776E+05
reBÍduo não Bofre a lte r a ç ã o (ver equação (4.50 ), mas a solução sim. A maior
singular. Quando a pertubação ocorre no esp aço nulo de AT, ambos sofrem
TESTE 06: Este teste reune v á ria s c a r a c t e r í s t i c a s de uma só vez. Ele mostra
QR e SVD.
obs.: neste e nos próximos dois testes a segu ir s e r á im pre ssa a matriz de
c o v ariàn c ia s dos p arâ m etro s ajustados ( ver GEMAEL 1974) a fim de tornar
MATRIZ A
-1 .3 4 0 5 5 5 0 0 0 0 E -0 1 -2 .0 1 6 2 8 3 0 0 0 0 E -0 1 -1 .6 9 3 0 7 8 0 0 0 0 E -0 1 -1 .8 9 7 1 9 9 0 0 0 0 E -0 1 -1 .7 3 8 7 2 3 0 0 0 0 E -0 1
- 8 .7 7 9 5 9 7 0 0 0 0 E -0 2 - 1 .2 8 8 3 8 7 0 0 0 0 E -0 1 -1 .0 6 8 3 0 1 0 0 0 0 E -0 1 - 1 . 2 0 1 1 8 0 0 0 0 0 E -0 1 -1 .0 9 3 2 9 7 0 0 0 0 E -0 1
2 .0 3 8 5 5 4 0 0 0 0 E -0 2 3 .3 5 3 3 1 0 0 0 0 0 E -0 3 -1 .6 4 1 2 7 0 0 0 0 0 E -0 2 7 . 8 6 0 6 0 0 0 0 0 0 E -0 4 2 . 7 1 6 5 9 0 0 0 0 0 E -0 3
6 .7 1 2 4 5 7 0 0 0 0 E -0 2 7 . 3 5 2 4 3 7 0 0 0 0 E -0 2 4 . 4 8 9 7 7 0 0 0 0 0 E -0 2 6 . 4 7 1 8 6 2 0 0 0 0 E -0 2 5 . 8 7 6 4 5 5 0 0 0 0 E -0 2
8 .6 8 7 1 8 6 0 0 0 0 E -0 2 9 .3 6 8 2 9 6 0 0 0 0 E - 0 2 5 .6 7 2 3 2 7 0 0 0 0 E -0 2 8.14 1 0 4 3 0 0 0 0 E -0 2 7 .3 0 2 3 2 0 0 0 0 0 E -0 2
6 .6 8 7 4 0 7 0 0 0 0 E -0 2 1 .0 3 4 4 5 1 0 0 0 0 E -0 1 9 .1 5 3 8 4 9 0 0 0 0 E -0 2 9.5 0 8 2 2 3 0 0 0 0 E -0 2 8 .3 9 3 6 6 7 0 0 0 0 E -0 2
1 .5 8 7 9 0 7 0 0 0 0 E -0 1 1 .8 0 8 8 3 4 0 0 0 0 E -0 1 1 .1 5 4 0 6 9 0 0 0 0 E -0 1 1.616 0 7 3 0 0 0 0 E -0 1 1 .4 7 9 6 4 8 0 0 0 0 E -0 1
1 .7 6 4 2 8 9 0 0 0 0 E -0 1 2 .0 3 6 1 8 3 0 0 0 0 E -0 1 1 .3 0 5 7 8 6 0 0 0 0 E -0 1 1 .8 3 8 5 7 3 0 0 0 0 E -0 1 1 .7 0 0 5 5 5 0 0 0 0 E -0 1
1 .1 4 1 4 0 8 0 0 0 0 E -0 1 1 .7 2 5 9 6 1 0 0 0 0 E -0 1 1 .4 8 1 6 4 7 0 0 0 0 E -0 1 1 .6 0 0 7 4 7 0 0 0 0 E -0 1 1 .4 3 7 4 1 0 0 0 0 0 E -0 1
7 .8 4 6 0 3 8 0 0 0 0 E -0 2 1 .4 6 6 9 5 6 0 0 0 0 E -0 1 1 .4 3 6 J 8 0 0 0 0 0 E -0 1 1 .4 0 0 3 8 4 0 0 0 0 E -0 1 1 .2 5 7 1 180OO0E-O1
1 .0 8 0 3 1 8 0 0 0 0 E -0 1 1 .6 9 9 4 6 2 0 0 0 0 E -0 1 1.49715 2 0 0 0 0 E -0 1 1 .5 8 8 5 3 1 0 0 0 0 E -0 1 1 .4 3 0 1 5 5 0 0 0 0 E -0 1
121
Vetor b desv. p a d rõ e s
-0 .4 3 6 1 0 0 1.000000
- 0 .3 43 7 00 1.000000
- 0 .2 65 7 00 1.000000
-0.039200 1. 000000
0.01 9 30 0 1.000000
0.07 4 70 0 1.000000
0.09 3 50 0 1.000000
0.10 7 90 0 1.000000
0.19 3 00 0 1.000 000
0 .2 05 8 00 1.000000
0 .2 60 6 00 1.000000
0.31 4 20 0 1.000000
0.35 2 90 0 1.000000
0 .3 61 5 00 1.000000
0.36 4 70 0 1.000000
M E T O D O DA ELI M. DE G A U S S - J O R D A N
VETOR X ( s o l u c a o )
- 6 . 3 5 5 4 9 7 7 127E-01
- 2 .4 5 3 6 9 4 8 3 96 E+ 00
2.0545839088E+00
-2.4429301 733E+00
6.5 0 8 6 4 9 2 2 4 9 E + 00
C o m p r im . do r e s í d u o = 1 .3 92 63 1 1 2 0 8 E - 0 4
M ATR IZ CO VARIANCIA
•1.1572290549E+03 1.6070657777E+03 -1.2752070849E+03 1.4832983693E+03 -1.3481476116E+03
1.6092387117E+03 -2.2322645150E+03 1.7740784638E+03 -2.0692511446E+03 1.87S2342029E+03
-1.2745334034E+03 1.7707484479E+03 -1.4042286634E+03 1.6316147406E+03 -1.4837181109E+03
1.4776132562E+03 -2.0585709253E+03 1.6262135403E+03 -1.8767367706E+03 1.7122187088E+03
• 1.3451201753E+03 1.8714985226E+03 -1.4811668562E+03 1.7149612776E+03 -1.5621537109E+03
M E T O D O DA 'SUBROT. V E R S O L*
VETOR X ( s o l u ç ã o )
- 2 .2 5 OOOOOOOOE+OO
O.OOOOOOOOOOE+OO
2 .- 5 0 0 0 0 0 0 0 0 0 E - 0 1
-1.0000000000E+00
4.7 5 OOOOOOOOE+OO
C o m p r im . do r e s í d u o = 1 . 4 7 8 8 3 6 2 2 1 6 E - 0 1
V a r i a n c i a da unidade pe so a - p o s t e r i o r i = 2.1 8 6 9 5 6 5 7 0 4 E - 0 3
122
MÉ T O DO DE C H O L E S K Y
A m a t r i z ATP A n a o e de fi n i d a p o s i t i v a e a s o l u c a o fo ge ao a l c a n c e do
m é t o d o de CH OLE SKY . Pa r a e s te caso , a s o l u c a o do p r o b l e m a de m i n i m o s
quad rad os l i n e a r a tr a vé s das e q u a c o e s n o r m a i s nao e c o nf iá ve l.
ME T O DO QR
V e t o r X ( so lu ç& o)
-8.3 7 43 4 27 23 4 E + 00
8.292250941 9E+00
- 6 . 4 7 3 4 9 8 3 0 2 0 E + 00
7.47 9 1 7 9 3 8 8 9 E + 0 0
-2.508361691 9E+00
Comprim. do r e s í d u o = 1. 39 2 3 3 1 0 9 8 8 E - 0 4
Va riancia da un i d a d e p e s o a - p o s t e r i o r i = 1. 9 3 8 5 8 5 8 8 8 7 E - 0 9
MÉ T O DO DA DECOMP. DE VALOR S I N G U L A R
V e t or W ( v a l o r e s s i n g u l a r e s )
1.00000001 92E+00
1. 0 0 0 0 0 0 0 3 6 2 E - 0 1
9.9999558899E-03
1.3963999608E-07
9.99896067 93E-06
123
Vetor X (solucao)
-8.3740741 624E+00
8 . 2 9 1 8 7 8 2 6 3 4 E + 00
•6.47 3 2 0 2 2 7 5 8 E + 0 0
7.478834431 9E+00
-2.5080484386E +00
Co m p r im . do r e s í d u o = 1.39233 10 9 2 4 E -0 4
V a r i â n c i a da u ni dad e p e s o a - p o s t e r i o r i = 1. 9 3 8 5 8 5 8 7 0 8 E - 0 9
MATRIZ CO VARIÂNCIA
1 .3 9 0 8 9 9 6 5 4 8 E + 0 4 - 1 . 9 3 0 7 8 5 4 8 1 7 E + 0 4 1.53294 2 8 7 8 8 E + 0 4 - 1 . 7 8 4 8 5 8 4 4 0 3 E + 0 4 1 .6 2 1 4 5 9 9 5 7 7 E + 0 4
-1 .9 3 0 7 8 5 4 8 1 7 E + 0 4 2 .6 8 0 4 8 2 4 5 8 8 E + 0 4 -2 .1 2 7 8 8 5 6 9 7 9 E + 0 4 2 .4770 041570E+O 4 -2 .2 5 0 4 8 8 9 7 4 8 E + 0 4
1 .5 3 2 9 4 2 8 7 8 8 E + 0 4 - 2 . 1 2 7 8 8 5 6 9 7 9 E + 0 4 1 .6 8 9 5 1 6 1 7 8 0 E + 0 4 - 1 . 9 6 7 3 3 7 8 7 5 9 E + 0 4 1 .7 8 7 1 5 7 3 0 9 0 E + 0 4
• 1 .7 8 4 8 5 8 4 4 0 3 E + 0 4 2 .4 7 7 0 0 4 1 5 7 0 E + 0 4 -1 .9 6 7 3 3 7 8 7 5 9 E + 0 4 2 .2 9 2 1 2 2 4 9 2 6 E + 0 4 -2 .0 8 1 6 3 8 7 8 6 7 E + 0 4
1 .6 2 1 4 5 9 9 5 7 7 E + 0 4 -2 .2 5 0 4 8 8 9 7 4 8 E + 0 4 1 .7 8 7 1 5 7 3 0 9 0 E + 0 4 -2 .0 8 1 6 3 8 7 8 6 7 E + 0 4 1 .8 9 0 7 2 6 5 6 2 9 E + 0 4
de comprimento mínimo.
MATRIZ A vetor b
1 2 2 6
7 6 10 6
4 4 6 8
1 0 1
M E T O D O DA ELI M. DE G A U S S - J O R D A N
VETOR X ( s o l u c a o )
-8.5714285714E-01
2.37 1 4 2 8 5 7 1 4 E + 0 0
-1.42857 14284E-01
C o m p rim . do r e s í d u o = 5 . 2 9 1 50 26 22 1E+ -0 0
V a r ia n c ia da unidade p e s o a - p o s t e r i o r i = 2 . 8 0 0 0 0 0 0 0 0 0 E + 0 1
MATRIZ CO VARIANCIA
2 . 7 4 8 7 7 9 0 6 9 4 E + 1 1 1. 3 7 4 3 8 9 5 3 4 6 E + 1 1 - 2 . 7 4 8 7 7 9 0 6 9 4 E + 1 1
1. 3 7 4 3 8 9 5 3 4 6 E + 1 1 6.87 19 4 7 6 7 5 5 E + 1 0 - 1 . 3 7 4 3 8 9 5 3 4 8 E + 11
* 2 .7 4 8 7 7 9 0 6 9 4 E + 1 1 - 1 . 3 7 4 3 8 9 5 3 4 8 E + 1 1 2 . 7 4 8 7 7 9 0 6 9 5 E + 1 1
124
M E T O D O DA ’ 3UBROT. V E R S O L*
VETOR X ( s o l u c a o )
2. OOOOOOOOOOE+OO
3.0000000000E+00
- 2 . OOOOOOOOOOE+OO
Co m p r im . do r e s í d u o = 7 . OOOOOOOOOOE+OO
V a r i a n c i a da unidade p e s o a - p o s t e r i o r i — 4 . 9 0 0 0 0 0 0 0 0 0 E + 0 1
MATRIZ CO VARIANCIA
8 . 4 1 8 1 3 5 9 0 0 4 E + 1 1 4 . 2 0 9 0 6 7 9 4 9 9 E + 1 1 - 8 . 4 1 81 3 5 9 0 0 2 E + 1 1
4 . 2 0 9 0 6 7 9 4 9 9 E + 1 1 2.1 0 4 5 3 3 9 7 5 3 E + 1 1 - 4 . 2 0 9 0 6 7 9 5 01 E + 11
- 8 . 4 1 8 1 3 5 9 0 0 2 E + 1 1 - 4 . 2 0 9 0 6 7 95 01 E + 1 1 8.4 1 81 3 5 9 0 0 2 E + 1 1
METODO DE C H O L E S K Y
METODO QR
Vetor X (solucao)
1 . 5 3 1 5 2 9 4 0 0 6 E + 10
7 . 6 5 7 6 4 7 0 0 5 8 E + 09
-1 .53 1 5 2 94 0 07 E+ 1 0
C o m p rim . do r e s í d u o = 5 . 27 6 0 9 3 0 S 14 E + 0 0
V a r i a n c i a da unidade pe so a - p o s t e r i o r i = 2 . 7 8 3 7 1 5 8 2 0 3 E + 0 1
MATRIZ CO VARIANCIA
5 . 2 5 3 1 6 0 4 7 5 6 E + 2 3 . 2 . 6 2 6 5 8 0 2 3 7 8 E + 2 3 -5 .25 3 1 6 0 4 7 5 6E+23
2. 62 65 80 237 8E+2 3 1 . 3 1 3 2 9 0 1 1 8 9 E + 23 - 2 .Ó 2 6 5 8 0 2 3 7 8 E + 2 3
-5 .2 5 3 1 604756E+23 -2.6265802378E+23 5. 25 31 6 0 4 7 5 5 E + 23
V e t o r W ( v a l o r e s s in g u l a re s )
1.62 07 9 64 87 7 E + 01
7.7397363334E -12
1 . 1 4 0 9 9 7 1 6 7 1 E+ 00
Num. de c o n d i c a o na n o r m a 2 = 2 .0 9 4 1 2 3 6 4 7 0 E + 1 2
V etor X (solucao)
1 . 0 4 8 6 9 2 6 3 5 7 E + 11
5 . 2 4 3 4 63 1785E+1 0
- 1 . 0 4 8 6 9 2 6 3 5 7 E + 11
125
Comprim. do r e s i d u o = 6.1 0 9 6 7 4 7 0 4 9 E + 0 0
MATRIZ CO VARIANCIA
2 . 7 6 9 4 9 9 7 2 0 6 E + 23 1 . 3 8 4 7 4 9 8 6 0 3 E + 2 3 - 2 . 7 6 9 4 9 9 7 2 0 6 E + 2 3
1 . 3 8 4 7 4 9 8 6 0 3 E + 23 6 . 9 2 3 7 4 9 3 0 1 3 E + 2 2 - 1 . 3 8 4 7 4 9 8 6 0 3 E + 2 3
*2.7 6 9 4 9 9 7 2 0 6 E + 2 3 - 1 . 3 8 4 7 4 9 8 6 0 3 E + 2 3 2 . 7 6 9 4 9 9 7 2 Ò 6 E + 2 3
MÉ T O D O DA DECOMP. DE VALOR S I N G U L A R
1.6207964877E + 0 1
7.7397363334E-1 2
1 .1 4 0997167lE+00
1. 6 2 0 7 9 6 4 8 7 7 E + 01
O.OOOOOOOOOOE+OO
1.1409971671 E+00
Vetor X ( s o l u c a o de c o m p r i m e n t o m in im o)
- 1 . 1 1 1 1 1 1 1 1 1 1E + 0 0
2 .4 4 4 4 4 4 4 4 4 5 E+00
1 . 1 1 1 1 1 1 1 1 1 OE-01
Varia nc ia da u ni da de p e s o a - p o s t e r i o r i = 2 . 8 0 0 0 0 0 0 0 0 0 E + 0 1
MATRIZ CO VARIANCIA
6 .5 2 2 4 1 7 1 5 3 9 E + 0 0 -9.7 1 5 3 99 6 1 OOE+OO 1. 6 6 4 7 17 3 4 8 9 E + 0 0
-9.7 1 53 99 6 1 OOE+OO 1 . 4 6 2 7 6 8 0 3 1 2E+01 -2 .4 01 5 5 9 4 5 4 2 E + 0 0
1 . 6 6 4 7 1 7 34 8 9 E + 0 0 -2 .4 01 5 5 9 4 5 4 2 E + 0 0 4 .6 3 93 7 62 1 8 5 E - 0 1
MATRIZ A Vetor b
5 5 6
5 5 4
5 5 4
126
ELIMIN. DE G A U S S - J O R D A N
Pa u s a 2 em G a u s s J - A m at r iz A nao tem p o s t o c o m p l e t o e a e l i m i n a c a o
nao pode c o n ti n u a r.
ME T O DO DA "SUBROT. V E R S O L"
M E T O D O DE C H OL E S KY
Vetor X (solucao)
-6.6666666666E-02
l.OOOOOOOOOOE+OO
Co mprim. do r e s í d u o = 1 .6 3 2 9 9 3 1 61 9E+ 0 0
V a ria nc ia da un i d a d e p e s o a - p o s t e r i o r i = 2 . 6 6 6 6 6 6 6 6 6 7 E + 00
MATRIZ CO VARIANCIA
2 . 2 9 0 6 4 9 2 2 4 5 E + 10 - 2 . 2 9 0 6 4 9 2 2 4 5 E + 10
-2.2 9 064 9 2 2 4 5 E + 1 0 2 . 2 9 0 6 4 9 2 2 4 5 E + 1 0
M E T O D O QR
V e t o r W ( v a l o r e s s in g u l a r e s )
1.4551915 2 2 8 E - 1 1
1 . 2 2 4 7 4 4 8 7 1 4E+ 01 .
Num. de c o n d i c a o na no r m a 2 = 8.4 1 6 3 8 2 6 6 9 7 E + 1 1
Vetor X (solucao)
- 7 . 9 3 5 0 4 1 67 8 4 E + 3 0
7.93 5041 67 8 5 E + 1 0
Co mprim . do r e s í d u o = 2 .5 9 8 0 7 6 2 1 14E+00
MATRIZ CO VARIANCIA
1 . 5 9 3 7 9 S 6 S 8 0 E + 2 2 - 1.5 937 9 8 Ó 8 8 0 E + 2 2
-1.5 937 9 8 6 8 8 0 E + 2 2 1.59 3 7 9 8 6 8 8 0 E + 2 2
127
ME T O DO DA DECOMP. DE VALOR S I N G U L A R
V e t o r W ( v al o r es s i n g u l a r e s )
1. 4 5 5 1 9 1 5 2 2 8 E - 1 1
1 . 2 2 4 7 4 4 8 7 1 4E+01
Num. de c o n d ic a o na n o r m a 2 ■» 8.41 6 3 8 2 6 6 9 7 E + 1 1
0.0000000000E+00
1 . 2 2 4 7 4 4 8 7 14E+01
V e t o r X ( s o l u c a o de c o m p r i m e n t o m i n i m o )
4.6666666667E-01
4.6666666667E-01
Comp rim . do r e s í d u o = 1 . 6 3 2 9 9 3 16 19 E + 0 0
V a ri a n c ia da unidade p e s o a - p o s t e r i o r i = 2 . 6 6 6 6 6 6 6 6 6 7 E + 0 0
MATRIZ CO VARIANCIA
TESTE 09: Este teste faz compa ração do tempo gasto p e lo s métodos em se
7. P R O B L E M A DE M Í N I M O S Q U A D R A D O S N Â O - L I N E A R
de v a lo r sin gular (SVD) ou a decom posi ção QR. Também vi u-se que na
decomposição de Cholesky.
(7.1)
onde:
região de confiança.
comparações quanto a con v erg ên c ia e número de ite rações que cada leva p a ra
onde:
c r i t é r i o de mínimos quadrados.
A x = - [ J ( x 0) T p j ( * 0 ) ] - l J ( x 0 )Tp V ( x 0 ) (7.5)
x = x 0+Ax (7.6)
par&metros considerados como bons, mas isso vai depender muito do valo r
Vantagens
convergente;
Desvantagens
1. Se J ( x j ) não tem posto completo a seq uên cia {xj} não é bem definida;
altamente nã o-lineares;
desse capítulo.
onde:
x i+1=x; - [ H ( x i ) ] - i V f ( x i ) (7.10)
globalmente convergente.
Com base nisto Cauchy em 1847, criou o método steepeBt descent para
minimização de funções.
iteração i.
4. Faça Xi+]=Xj+Xj*Si;
5. v e rifiq u e se xj é ótimo
fa ça i = i + l e v o lte para 2.
d® {*i> pode ser extremamente lenta. Já se a função tem uma top olo gia
p a ra a solução.
confiança um modelo qu adrá tic o m(x) à função f(x) e então, utilizando tal
modelo quadrático n-di mensional, calcu lar a direç ão do passo S c a ser dado
a p a rtir do ponto aprox im ado x c e assim calcu lar opróximo ponto x+, restrito
a i|Sc!l2= 5 c . Assim,
x+ = x c+ S c (7.11)
sujeito a: ||S||2á ô c
l|S|la«*c.
CONFIANÇA
PTS>0. (7.15)
-V m (xc+ s ) •
136
p.S=-Vm(xc+j})=-[H(xc)S+ V f(xc)]
donde
p.S+H(xc) S = - V f ( x c) , r esulta
comprimento de ô c
(7.17)
método de Lev enb erg -M arq uard t (também conhecid o por método de
marquardt).
convergente.
7.2.5 C r ité r io s de p a ra d a
2. < to le rân c ia 2;
139
3. |V f l ^ iJ L < t o le r â n c i a 3.
fossem satisfeitos.
NÂO-LINEAR
exercício dado por GEMAEL (19 74) e solucio nado pelo p ro cesso iterativo
aqueles lá encontrados.
E nunciado:
v2=[<*2-xp)2+(y2-yp ) 2 ] ^ - l 2;
v 3 = [ ( x 3 - x p)2+ ( y 3 - y p ) 2] 1/2- l 3 ;
v 4= [ ( x 4-Xp)2+(y4-yp)2]i/2-l4;
X “ X X -X
v5 = arctg[ -]-arctg[ -]- c >5 ( v 5 deve ter como unidade segundos)
y2 - y ( yryP
• M a triz Ja cobiano
(Xp-X^/lic ( y P- y i V h c
(Xp-XjVljc ( yp- yi )/l!c
(y.-yp) (yz-yp^,
o ky o*)' " ‘ a*)J Ou)'
onde: p"= l / s e n 1" e o indíce c r e p r e s e n ta o v a lo r c alcu lado p a ra as
p l = l / ( 0 . 0 1 2 ) 2 ; p 2 = l / ( 0 . 0 1 6 ) 2 ; p3 = l / ( 0 , 0 3 8 ) 2;
p 4 = l / ( 0 , 014)2; p5 = l /( 2 , 0 ) 2
pro g ram a computacional em linguagem " turbo pascal 6.0". Serão utilizados
GAUSS-NEWTON
xn Xl x2 »3
N a 3 o. i t e r a ç ã o o c o r re u a c o n v e r g ê n c i a u s a n d o o cr i té ri o ||xj+ í -Xj||oc< l e - 8 .
LEVENBERG-MARQUARDT
*0 Xl x? x?
xp 1065,00 1 065,255 286 7 1 065,255 402 1 065,255 402
N a 3o. ite raç ão ocorreu a convergên cia usando o critério ||xj+1 -xi|joc< l e - 8 .
GAUSS-NEWTON
Xo Xt *7. Xl ftfi
LEVENBERG-MARQUARDT
Xl XR
x 14 *15 x is
xp 1 065,255 767 8 1 065,255 402 1 065,255 402
JA le-05 le - 0 6 le-07
8. CONCLUSÕES E RECOMENDAÇÕES
8.1 CONCLUSÕES
Problema de m ín im o s q u a d ra d o s lin e a r:
Problema de m ín im o s q u a d ra d o s n ã o - lin e a r:
colo cad o alguns dos procedimentos que podem aju dar na esco lh a da
8.2 RECOMENDAÇÕES
ainda pior, nesse caso deve-se r e s o l v e r o sistema pelo método QR, pois este
utilizar o método de G auss -Jo rdan, pois este permite a en tr ad a com mais de
um v e to r de termos independentes.
uma subroutina sim ples p a r a fazer isso, pode ser usa da a subroutina "versol".
E ssa subroutina mostrou através dos testes se r mais r á p i d a que Gauss -Jo rdan
condição d a m atriz dos coefi cientes. O mais importante é que a a n ális e pode
semi-eixos.
145
p ro b lem a de mínimos q ua dra do s lin e ar em cada ite raç ão pelo método QR,
sim plificado.
mínimizaç&o com restri ção o também dar ao p rob lem a uma abordagem
eBtatística.
147
REFERÊNCIAS BIBLIOGRÁFICAS