Escolar Documentos
Profissional Documentos
Cultura Documentos
1. Ortonormalização
2. Sistema de Equações Lineares
0 se i 6= j
x0i xj =
1 se i = j
u1 , e1 q1 , u1 /ku1 k
u2 , e2 − (q10 e2 )q1 q2 , u2 /ku2 k
.. ..
. .
n−1
X
un , xn − (qk0 en )qk qn , un /kun k
k=1
u2
e2
q2
q1 e1 = u1
n
X n
X
Propriedade: Se y = U x, então yi2 = x2i , ou
i=1 i=1
x2
y2 y1
θ
x1
Q0 Q = I =⇒ F 0 RF = I ; R , X 0X
F 0 RF = I = F 0 L0 LF = (LF )0 (LF )
∴ F = V Ω−0.5 V 0 , R−0.5
min Tr (X − Q)0 (X − Q)
Q
sujeito a Q0 Q = I
Re-escrevendo em termos de F
min Tr (X − XF )0 (X − XF )
F
sujeito a F 0 X 0 XF = I
m
min Tr(X 0 X + F 0 X 0 XF − F 0 X 0 X − X 0 XF )
F
sujeito a F 0 X 0 XF = I
∂
Tr(AX −1 B) = −(X −1 BAX −1 )0
∂X
∂
log det(X) = (X 0 )−1
∂X
· ¸
d daij
à A(α) ∈ Cm×n e α ∈ C, A, . Então
dα dα
d dA dB
AB = B+A
dα dα dα
d −1 −1 dA
A = −A A−1
dα dα
L (F , Λ) = Tr [2X 0 XF + Λ (F 0 X 0 XF − I)]
h i
Exemplo Considere X , x1 x2 x3 , formada pelos vetores LI
h i0 h i0 h i0
x1 = 1 1 1 , x2 = 1 2 3 , x3 = 0 1 −1
2 3 2 3
1 0.5774
u1 1 6 7 6 7
Algoritmo: u1 = x1 ; q1 = = √ 4 1 5 = 4 0.5774 7
6 7 6
ku1 k 3 5
1 0.5774
u2 h i0
u2 = x2 − (q 10 x2 )q1 ; q2 = = −0.7071 0 0.7071
ku2 k
u3 h i0
u3 = x3 − (q 20 x3 )q2 − (q 10 x3 )q1 ; q3 = = −0.4082 0.8165 −0.4082
ku3 k
c
à Aplicando Cholesky na matriz R = X 0 X (MATLAB° ):
2 3
1.7321 3.4641 0
6 7
L = chol(R) = 6
4 0 1.4142 −0.7071 7
5 ⇒ L0 L = R
0 0 1.2247
8
>
>
< [Q, L] = qr(X )
h i
Q = X L−1 = u1 u2 u3 , Q0 Q = I (decomposição triangular
| {z } >
>
:
U ortonormal)
Veja:
2 3
0.5774 −0.7071 −0.4082
6 7
Q = X ∗ inv(L) = 4 0.5774 −0.0000
6 0.8165 75
0.5774 0.7071 −0.4082
2 3
1.0002 0 0.0001
0
6 7
Q ∗Q = 4 6 0 1.0000 0 7
5
0.0001 0 0.9999
2 3 2 3
−0.5774 0.7071 0.4082 −1.7321 −3.4641 0
6 7 6 7
Q1 = 6
4 −0.5774 0.0000 −0.8165 5 ; L1 = 6
7
4 0 −1.4142 0.7071 7
5
−0.5774 −0.7071 0.4082 0 0 −1.2247
2 3 2 3
0.8850 0.2376 −0.4005 0.2643 0 0
6 7 6 7
V =6
4 −0.4035 −0.0381 −0.9142 5
7 ; Omega = 6
4 0 2.0392 0 7
5
−0.2325 0.9706 0.0622 0 0 16.6965
2 3
0.9908 −0.0890 −0.1021
−0.5
6 7
Q2 = X R = X ∗ RR = 6 7 , Q02 Q2 = I
4 0.1348 0.5758 0.8064 5
0.0130 0.8127 −0.5825
h i 0.32 0.95
Schmidt: Q = q1 q2 =
0.95 −0.32
h i 0.1 1
Schur: U = u1 u2 =
1 −0.1
x1
u1
q1
x2
−u2
u2
q2
−u1
a11 a12 ··· a1n x1 y1
a21
a22 ··· a2n x2
y2
. .. .. .. . = .
.. . . . .. ..
am1 am2 · · · amn xn ym
| {z } | {z } | {z }
A x y
à Problema: dados A e y
1. ∃x : Ax = y?
2. Se existe solução, qual o número de soluções LI?
n o
n
R(A) , y = Ax : x ∈ R ⊆ Rm
h iT
Exemplo y= 1 −1 está no R(A), com
1 −1 −3
A= ?
0 10 0
Propriedades
à Para A ∈ Rm×n
ν(A) = n − ρ(A)
· colunas de A são LI
· det(A0 A) 6= 0
Teorema
³h i´
ρ(A) = ρ A y
x = xp + α1 n1 + α2 n2 + · · · + αk nk
De fato,
k
X
Axp + αi Ani = Axp + 0 = y
i=1
−1 1
A = Adj (A)
det(A)
x∗ = (A0 A)−1 A0 y
h i
à O erro: e = Ax − y = A(A A)
∗ 0 −1 0
A − I y é ortogonal ao R(A), ie,
0
£ 0 −1 0
¤0
he, Axi = y A(A A) A − I Ax = 0
L (x, λ) = x0 x + λ0 (Ax − y)
A∗ X ∗ A = A ; X ∗ A∗ X = X