Escolar Documentos
Profissional Documentos
Cultura Documentos
CAP-INPE
HISTÓRICO:
É uma longa tradição: os árabes se destacaram.
Bhaskara tornou conhecida a fórmula da solução da
equação: f(x) = ax2 + bx + c.
ÁLGEBRA NÃO LINEAR: SOLUÇÃO DE EQUAÇÕES
HISTÓRICO:
Mais tarde, Nicolo Fontana e Jerônimo Cardano
desenvolveram métodos de solução de polinômios de
3º e 4º graus.
Niels Abel provou que polinômios de grau 5 (ou maior)
as raízes não são mais calculadas por radiciação.
Teorema Fundamental da Álgebra (enunciado por
D’Alembert, 1746): “toda a equação polinomial de grau
n possui exatamente n raízes” (demonstrado por por
Gauss, 1799).
ÁLGEBRA NÃO LINEAR: SOLUÇÃO DE EQUAÇÕES
HISTÓRICO:
Atualmente, os métodos de cálculo das n raízes de
um polinômio de grau n são empregados métodos
iterativos.
ÁLGEBRA NÃO LINEAR: SOLUÇÃO DE EQUAÇÕES
1. Métodos de partição
2. Métodos de ponto fixo
3. Métodos de múltiplos passos
ÁLGEBRA NÃO LINEAR: SOLUÇÃO DE EQUAÇÕES
ALGORÍTMO DA BISSECÇÃO
ÁLGEBRA NÃO LINEAR: MÉTODO REGULA FALSI
Convergência monótona
ÁLGEBRA NÃO LINEAR: MÉTODO DO PONTO FIXO
Convergência alternada
ÁLGEBRA NÃO LINEAR: MÉTODO DO PONTO FIXO
Divergência
ÁLGEBRA NÃO LINEAR: MÉTODO DE NEWTON
Se f(x) ≈ 0, então:
ÁLGEBRA NÃO LINEAR: MÉTODO DE NEWTON
RAÍZES REAIS:
Teorema-1:
O polinômio p(x) tem ao menos um zero dentro do
círculo de raio {ρ1, ρ2}, onde:
ÁLGEBRA NÃO LINEAR: RAÍZES DE POLINÔMIOS
Teorema-2:
Os polinômios p(x) e q(x) definidos como:
Teorema-3:
Todos os zeros de p(x) estão no círculo |x|< r, onde:
ÁLGEBRA NÃO LINEAR: RAÍZES DE POLINÔMIOS
MÉTODO DE MÜLLER:
O método de Müller pode ser empredago tanto para
o cálculo de raízes reais, quanto raízes complexas.
É uma generalização do método da secante.
Partindo de 3 estimativas para uma raiz (xi, f(xi)), (xi-
1, f(xi-1)), (xi-2, f(xi-2)), uma parábola interpolante é
construida.
ÁLGEBRA NÃO LINEAR: RAÍZES DE POLINÔMIOS
MÉTODO DE MÜLLER:
Uma raiz α da parábola p(x) satisfaz:
MÉTODO DE MÜLLER:
Tomando raiz da parábola α ≈ xi+1 e fazendo o lado
direito da expressão (α – xi+1) como hi+1 , próxima
aproximação para a raiz será:
RAÍZES COMPLEXAS:
MÉTODO DE NEWTON:
MÉTODO DE NEWTON:
MÉTODO DE NEWTON:
Problemas:
I. Perda de convergência
II. Cálculo da matriz Jacobiana
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
MÉTODO DE NEWTON:
Problema (II): A matriz Jacobiana pode ser estimada
por diferenças finitas:
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
MÉTODO DE NEWTON:
Porque pode ser difícil calcular a matriz Jacobiana?
Hydrologic Optics
azimuthal
Light beam angle
Boundary Conditions
Polar
angle
Scattering
angle Absorption Internal
coefficient sources
Scattering medium
coefficient
Optical
Scattering
depth phase
function
Boundary Conditions
Introduction Background Results Conclusions
where Internal
source
Introduction Background Results Conclusions
Attenuation coefficient :
Scattering
coefficient
Introduction Background Results Conclusions
Scattering
Phase function angles
Hydrological Optics – Optical properties estimation
For all analized cases in situ radiometric experimental data were considered, measured
for differents depths.
p is a vector of unknown properties (set of parameters: absoption and scattering coefficients (a,
b), or phase function)
Preliminar results were obtained with estimation of source terms, where the LTS N method the
modified ant colony system is applied.
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
MÉTODO DE NEWTON:
Porque pode ser difícil calcular a matriz Jacobiana?
MÉTODO DE NEWTON:
Porque pode ser difícil calcular a matriz Jacobiana?
Definindo-se:
MÉTODO DE NEWTON:
Porque pode ser difícil calcular a matriz Jacobiana?
MÉTODO DE NEWTON:
Porque pode ser difícil calcular a matriz Jacobiana?
Quem é g(p):
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
MÉTODO DE NEWTON:
Porque pode ser difícil calcular a matriz Jacobiana?
MÉTODO DE NEWTON:
Porque pode ser difícil calcular a matriz Jacobiana?
Gradiente de J(p):
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
MÉTODO DE NEWTON:
Porque pode ser difícil calcular a matriz Jacobiana?
Gradiente de g(p):
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
Teorema 5.1:
Suponha que uma função de iteração g mapeia
algum conjunto fechado S nele mesmo, ou seja,
Teorema 5.1:
Mais explicitamente:
Consequentemente:
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
Ou:
Lema 5.1:
Se C é uma inversa aproximada da matriz A, então C
e A são inverssíveis.
De fato, se C e A não são inverssíveis, então pode-se
determinar x ≠ 0 tal que
Mas:
(sem sentido!)
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
Consequentemente:
Onde: é a diagonal de A.
Então:
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
Atenção:
Uma matriz C pode ser uma inversa aproximada da
matriz A mesmo que:
Teorema 5.2:
Seja ρ(B) o raio espectral da matriz B, isto é:
Teorema 5.2:
Conclui-se que C é uma inversa aproximada de uma
matriz A se e somente se:
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
Em notação indicial:
(1 – ω) ω
Em notação indicial:
E a matriz de iteração:
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
Exemplo 5.7:
Para o sistema, use o método de Jacobi, Gauss-Seidel
e SOR:
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
Exemplo 5.1:
Exemplo 5.1:
Há 4 pontos críticos:
Direções do gradiente de
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
Exemplo 5.1:
Análise para direção do gradiente:
Direções do gradiente de
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
Exemplo 5.1:
Análise para direção do gradiente:
Direções do gradiente de
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
Exemplo 5.1:
Fica claro que o ponto crítico (0, -2) é um máximo
local (todos os gradientes na vizinhança apontam
para este ponto).
Fica claro que o ponto crítico (4/3, 0) é um mínimo
local (todos os gradientes na vizinhança se afastam
deste ponto).
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
5.1 – MÉTODO DA MÁXIMA DESCIDA:
mínimo
máximo
Direções do gradiente de
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
Isto é:
O mínimo exato é:
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
Calculando o mínimo:
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
Calculando o mínimo:
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL
O mínimo exato é:
A próxima aproximação:
ÁLGEBRA NÃO LINEAR MULTI-DIMENSIONAL