Baixe o app para aproveitar ainda mais
Prévia do material em texto
MAT 012 versa˜o 2018.1 Prof. Rodrigo Lima Decomposic¸a˜o LU Na aula de hoje vamos estudar a decomposic¸a˜o LU de uma matriz quadrada A. Veremos tambe´m como esta decomposic¸a˜o pode ser utilizada na resoluc¸a˜o de um sistema linear Ax = b e, por fim, investigaremos situac¸o˜es onde e´ conveniente usar a decomposic¸a˜o LU ao inve´s da Eliminac¸a˜o Gaussiana na resoluc¸a˜o de sistemas lineares. Caracter´ısticas Uma matriz quadrada A de ordem n admite decomposic¸a˜o LU se puder ser escrita como o produto de duas matrizes A = L · U, (1) onde L e´ triangular inferior com diagonal unita´ria e U e´ triangular superior, ambas de ordem n, ou seja, L = 1 0 0 · · · 0 `21 1 0 · · · 0 `31 `32 1 · · · 0 ... ... ... . . . ... `n1 `n2 `n3 · · · 1 , U = u11 u12 u13 · · · u1n 0 u22 u23 · · · u2n 0 0 u33 · · · u3n ... ... ... . . . ... 0 0 0 · · · unn . (2) Exemplo 1 Obtenha, se poss´ıvel, a decomposic¸a˜o LU das seguintes matrizes: A1 = ( 0 1 1 0 ) , A2 = ( 2 0 2 0 ) , A3 = 1 2 −12 3 −2 1 −2 1 Resoluc¸a˜o: 1. Supondo que A1 admite esta decomposic¸a˜o, escrevemos: A1 = ( 0 1 1 0 ) = ( 1 0 `21 1 ) · ( u11 u12 0 u22 ) . Devemos enta˜o resolver a equac¸a˜o matricial acima na tentativa de encontrar os ele- mentos desconhecidos das matrizes L e U . Multiplicando a primeira linha de L pela primeira coluna de U e igualando o resultado ao elemento a11 de A1 obtemos u11 = 0. Se agora multiplicarmos a segunda linha de L pela primeira coluna de U e igualarmos o resultado ao elemento a21 de A1 vamos obter uma inconsisteˆncia: `21 · u11 = 1, mas u11 = 0. Conclusa˜o: A1 na˜o admite decomposic¸a˜o LU. 1 2. Procedendo de forma semelhante com a matriz A2, podemos escrever: A2 = ( 2 0 2 0 ) = ( 1 0 `21 1 ) · ( u11 u12 0 u22 ) . Efetuando a multiplicac¸a˜o das matrizes L e U e forc¸ando o resultado ser igual a A2, obtemos as seguintes equac¸o˜es: � 1 · u11 + 0 · 0 = 2⇒ u11 = 2, � 1 · u12 + 0 · u22 = 0⇒ u12 = 0, � `21 · u11 + 1 · 0 = 2⇒ `21 = 1, � `21 · u12 + 1 · u22 = 0⇒ u22 = 0. Conclusa˜o: A2 admite decomposic¸a˜o LU pois L = ( 1 0 1 1 ) e U = ( 2 0 0 0 ) . 3. Ao inve´s de tentarmos resolver a equac¸a˜o matricial A3 = LU , vamos proceder de forma semelhante ao que fizemos no me´todo da Eliminac¸a˜o Gaussiana, isto e´, vamos aplicar operac¸o˜es elementares na matriz A3 para transforma´-la em uma matriz triangular superior. � Na primeira etapa da transformac¸a˜o, eliminamos os elementos da primeira coluna abaixo do pivoˆ a11: A3 = 1 2 −12 3 −2 1 −2 1 ⇒ m21 = a21/a11 = 2 aˆ22 = a22 −m21a12 = 3− 2 · 2 = −1 aˆ23 = a23 −m21a13 = −2− 2 · (−1) = 0 m31 = a31/a11 = 1 aˆ32 = a32 −m31a12 = −2− 1 · 2 = −4 aˆ33 = a33 −m31a13 = 1− 1 · (−1) = 2 � Em seguida, eliminamos o elemento abaixo do pivoˆ aˆ22 na matriz que resultou da etapa anterior: Aˆ3 = 1 2 −10 −1 0 0 −4 2 ⇒ { m32 = aˆ32/aˆ22 = 4 a˜33 = aˆ33 −m32aˆ23 = 2− 4 · 0 = 2 2 � A matriz A˜ obtida ao final das transformac¸o˜es sera´ a matriz U da decomposic¸a˜o. A matriz L e´ constru´ıda com os multiplicadores m21, m31 e m32 calculados durante o processo. Conclusa˜o: A3 admite decomposic¸a˜o LU pois L = 1 0 02 1 0 1 4 1 e U = 1 2 −10 −1 0 0 0 2 . Observando os ca´lculos realizados neste exemplo, notamos que a matriz A1 e´ invert´ıvel (det(A1) = −1) mas na˜o admite uma decomposic¸a˜o LU. Ja´ a matriz A2 na˜o possui inversa (pois det(A2) = 0) mas admite uma decomposic¸a˜o LU. Por fim, conseguimos encontrar os fatores L e U para a matriz A3. Esta u´ltima matriz tambe´m e´ invert´ıvel pois det(A3) = −2. Com base nestes resultados surge a questa˜o: qual deve ser a condic¸a˜o para que uma matriz quadrada admita decomposic¸a˜o LU? A resposta para esta pergunta vem a seguir. Propriedades da Decomposic¸a˜o LU Teorema: Seja A uma matriz quadrada de ordem n e suponha que os determinantes das submatrizes principais (tambe´m chamados de menores principais) de A ate´ a ordem n − 1 sa˜o todos diferentes de zero. Enta˜o, A admite uma decomposic¸a˜o LU . Ale´m disso, � se A possui uma decomposic¸a˜o LU , det(A) = det(U). � se A e´ invert´ıvel e admite decomposic¸a˜o LU, os fatores L e U sa˜o u´nicos. Prova: a demonstrac¸a˜o desse resultado pode ser consultada em Matrix Computations - G. Golub, C. Van Loan - The John Hopkins University Press - 3a edic¸a˜o - pa´g. 97. Agora somos capazes de entender o que acontece com a matriz A1 do Exemplo 1: a subma- triz principal de ordem 1 de A1 (formada apenas pelo elemento a11 = 0) possui determinante nulo. Isso e´ suficiente para que na˜o consigamos decompor A1 em um produto L · U . Resoluc¸a˜o de Sistemas Lineares via Decomposic¸a˜o LU Considere Ax = b um sistema linear e suponha que A e´ invert´ıvel e admite decomposic¸a˜o LU. Para resolver este sistema utilizando a decomposic¸a˜o da matriz A procedemos do seguinte modo: 1. Escrevemos o sistema como LUx = b e introduzimos a mudanc¸a de varia´veis Ux = y. 2. Resolvemos o sistema triangular inferior Ly = b para encontrar o vetor soluc¸a˜o y. 3. Resolvemos, finalmente, o sistema triangular superior Ux = y para encontrar a soluc¸a˜o final x. Note que o lado direito desse sistema e´ a soluc¸a˜o obtida no sistema linear descrito no item 2. 3 Exemplo 2 Resolva o sistema linear Ax = b utilizando a decomposic¸a˜o LU de A. Considere A = 1 2 −12 3 −2 1 −2 1 e b = 23 0 . Resoluc¸a˜o: a matriz de coeficientes deste sistema e´ a matriz A3 que apareceu no Exemplo 1. Enta˜o, basta resolvermos os sistemas Ly = b e Ux = y uma vez que ja´ realizamos a decomposic¸a˜o LU de A e conhecemos os fatores L e U . � resoluc¸a˜o de Ly = b: de cima para baixo 1 0 02 1 0 1 4 1 · y1y2 y3 = 23 0 ⇒ y = 2−1 2 . � resoluc¸a˜o de Ux = y: de baixo para cima 1 2 −10 −1 0 0 0 2 · x1x2 x3 = 2−1 2 ⇒ x = 11 1 . Decomposic¸a˜o LU com Estrate´gia de Pivoteamento Parcial Para aplicar a decomposic¸a˜o LU em uma matriz utilizando a estrate´gia de pivoteamento parcial, devemos proceder de forma semelhante aos ca´lculos que ja´ fizemos no me´todo da Eliminac¸a˜o Gaussiana. Vejamos mais detalhadamente como este procedimento funciona no exemplo a seguir. Exemplo 3 Obtenha a decomposic¸a˜o LU da matriz A = 3 −4 11 2 2 4 0 −3 aplicando a estrate´gia de pivoteamento parcial. Resoluc¸a˜o: � Inicialmente trocamos as linhas 1 e 3 de posic¸a˜o. Em seguida, eliminamos os elementos 4 abaixo do novo pivoˆ aˆ11 = 4: Aˆ = 4 0 −31 2 2 3 −4 1 ⇒ m21 = aˆ21/aˆ11 = 1/4 a¯22 = aˆ22 −m21aˆ12 = 2− (1/4) · 0 = 2 a¯23 = aˆ23 −m21aˆ13 = 2− (1/4) · (−3) = 11/4 m31 = aˆ31/aˆ11 = 3/4 a¯32 = aˆ32 −m31aˆ12 = −4− (3/4) · 0 = −4 a¯33 = aˆ33 −m31aˆ13 = 1− (3/4) · (−3) = 13/4 � A matriz que resultou da etapa anterior e´ dada por A¯ = 4 0 30 2 11/4 0 −4 13/4 . Como estamos aplicando a estrate´gia de pivoteamento parcial, devemos trocar as linhas 2 e 3 da matriz A¯ antes de iniciarmos o processo de eliminac¸a˜o. A˜ = 4 0 30 −4 13/4 0 2 11/4 ⇒ { m32 = a˜32/a˜22 = −1/2 a ′ 33 = a˜33 −m32a˜23 = 11/4− (−1/2) · 13/4 = 35/8 Portanto, as matrizes L e U ao final da decomposic¸a˜o sa˜o dadas por: L = 1 0 0m31 1 0 m21 m32 1 = 1 0 03/4 1 0 1/4 −1/2 1 e U = 4 0 −30 −4 13/4 0 0 35/8 . Note que foi necessa´rio trocar os elementos m31 e m21 de posic¸a˜o na matriz L porque tivemos que alterar as linhas 2 e 3 da matriz A¯. Se efetuarmos o produto L·U utilizando as matrizes L e U acima na˜o obteremos a matriz inicial A. De fato, a matriz L · U = 4 0 −33 −41 1 2 2 , pode ser obtida de A realizando algumas troca de linhas: na etapa 1 do processo trocamos as linhas 1 e 3 de posic¸a˜o e, depois, realizamos a troca das linhas 2 e 3. Estas operac¸o˜es equivalem a pre´-multiplicarmos A pela seguinte matriz de permutac¸a˜o: P = 0 0 11 0 0 0 1 0 . Isto significa que realizamos a decomposic¸a˜o LU na matriz PA, ou seja, PA = LU . 5 Resoluc¸a˜o de Sistemas Lineares via LU com Pivoteamento Parcial Para resolver um sistema linear Ax = b atrave´s da decomposic¸a˜o LU com estrate´gia de pivoteamento parcial procedemos da seguinte forma: 1. Pre´-multiplicamos ambos os lados da igualdade Ax = b pela matriz de permutac¸a˜o responsa´vel pela troca de linhas de A durante o processo de decomposic¸a˜o, ou seja, PAx = Pb. 2. Substitu´ımos a matriz PA pela decomposic¸a˜o LU encontrada, isto e´, LUx = Pb. 3. Fazemos a mudanc¸a de varia´veis Ux = y e resolvemos os dois sistemas triangulares: primeiro resolvemos Ly = Pb e, depois, resolvemos Ux = y. E´ importante observar que a mesma troca de linhas realizadas na matriz de coeficientes do sistema deve ser realizada nas componentes do vetor b. Por isso, o lado direito do sistema triangular inferior e´ Pb. Uso de softwares No exemplo a seguir, utilizaremos comandos espec´ıficos do software Mathematica para enten- der como a decomposic¸a˜o LU com estrate´gia de pivoteamento parcial e´ utilizada na resoluc¸a˜o de um sistema linear 3× 3. Exemplo 4 Resolva o sistema linear Ax = b utilizando a decomposic¸a˜o LU com estrate´gia de pivotea- mento parcial. Considere A = 3 −4 11 2 2 4 0 −3 e b = 93 −2 . Resoluc¸a˜o: Observe primeiramente que a matriz A e´ a mesma utilizada no Exemplo 3. No entanto, faremos os ca´lculos da decomposic¸a˜o no software Mathematica. � A decomposic¸a˜o LU de A pode ser obtida com o aux´ılio do comando LUDecompo- sition[ ]. Para que o Mathematica trabalhe com aritme´tica de ponto flutuante nos ca´lculos, basta declararmos a11 = 3.0 (treˆs ponto zero), mas poder´ıamos escolher qual- quer outra das entradas de A para colocar um zero apo´s o ponto. Assim, o software na˜o fara´ operac¸o˜es supondo que A possui entradas inteiras. A Figura 1 mostra como declarar a matriz A e acionar o comando que fornece a decomposic¸a˜o LU. A sa´ıda do comando LUDecomposition[ ] e´ uma lista contendo treˆs elementos: o primeiro e´ a decomposic¸a˜o LU de A com as entradas de L e U armazenadas na mesma matriz (ob- serve na Figura 1 as treˆs primeiras chaves na sa´ıda do comando). O segundo elemento e´ um vetor que especifica as linhas utilizadas no pivoteamento parcial. Aqui o vetor 6 e´ {3, 1, 2} significando que foram realizadas treˆs trocas de linha durante o processo, exatamente como vimos na resoluc¸a˜o do Exemplo 3. Por fim, o terceiro elemento e´ um paraˆmetro chamado nu´mero de condic¸a˜o da matriz A que neste caso e´ igual a 3.2. ������� �����[�� ��]� � = {{���� -�� �}� {�� �� �}� {�� �� -�}}� �� = ���������������[�] ������� {{{��� ��� -��}� {����� -��� ����}� {����� -���� �����}}� {�� �� �}� ���} Figura 1: LUDecomposition[ ] realiza pivoteamento parcial em A. A Figura 2 mostra a declarac¸a˜o das matrizes L e U resultantes da decomposic¸a˜o e o produto L ·U que fornece como resultado uma matriz obtida de A pela troca de linhas. ������� �����[�� �]� � = {{�� �� �}� {����� �� �}� {����� -���� �}}� � = {{�� �� -�}� {�� -�� ����}� {�� �� �����}}� ��� // ���������� ��������������������� �� -�� �� -�� �� �� �� �� Figura 2: L · U = PA, onde P e´ matriz de permutac¸a˜o. Por fim, resolvemos os sistemas triangulares Ly = Pb e Ux = y com o comando LinearSolve[ ]. Este procedimento esta´ indicado na Figura 3. ������� �� = {-�� �� �}� � = �����������[�� ��]� � = �����������[�� �] �������� {��� -��� ��} Figura 3: Resoluc¸a˜o dos sistemas triangulares com LinearSolve[ ]. 7 Eliminac¸a˜o Gaussiana ou Decomposic¸a˜o LU? Suponha uma situac¸a˜o em que devemos resolver n sistemas lineares da forma Ax(k) = b(k) para k = 1, . . . , n, com A invert´ıvel. Isto e´, os sistemas possuem a mesma matriz de coe- ficientes A mas teˆm lados direitos diferentes. Se quisermos implementar um algoritmo que ao mesmo tempo resolva todos os n sistemas e seja computacionalmente eficiente, devemos utilizar Eliminac¸a˜o Gaussiana ou Decomposic¸a˜o LU? � Supondo que A admite uma decomposic¸a˜o LU, o melhor a ser feito neste caso e´ aplicar esta decomposic¸a˜o, pois uma vez encontrados os fatores L e U de A podemos utiliza´- los para resolver todos os n sistemas tomando o cuidado apenas de alterar os termos independentes b(k) para k = 1, . . . , n. Deste modo, um modelo de algoritmo que resolva esta situac¸a˜o pode ser dado por: 0: Calcule a decomposic¸a˜o LU de A. 1: Para k = 1, . . . , n fac¸a: 2: resolva Ly(k) = b(k) e encontre y(k) 3: resolva Ux(k) = y(k) e encontre x(k) 4: fac¸a k ← k + 1 e volte ao passo 1 5: Fim � E se a matriz A na˜o admitir decomposic¸a˜o LU? Como A possui inversa por hipo´tese (det(A) 6= 0), e´ poss´ıvel provar que existe uma matriz de permutac¸a˜o P que faz com que PA admita decomposic¸a˜o LU. Portanto, neste caso, podemos resolver os n sistemas lineares utilizando a decomposic¸a˜o LU da matriz PA tomando o cuidado de usar P para alterar o lado direito dos sistemas triangulares, ou seja, Ly(k) = Pb(k) para k = 1, . . . , n. � Embora o me´todo da Eliminac¸a˜o Gaussiana possa ser utilizado para resolver a situac¸a˜o proposta, ele na˜o e´ computacionalmente adequado, uma vez que devemos realizar nas n matrizes ampliadas [A | b(k)] os mesmos ca´lculos que poder´ıamos fazer uma u´nica vez para triangularizar A. Ainda sobre os dois me´todos de resoluc¸a˜o de sistemas lineares devemos notar que: � Tanto a Eliminac¸a˜o Gaussiana quanto a Decomposic¸a˜o LU gastam da ordem de n3 operac¸o˜es para resolver um sistema linear quadrado Ax = b. � Ambos os me´todos na˜o sa˜o indicados para resoluc¸a˜o de sistemas lineares esparsos, ou seja, sistemas em que a matriz de coeficientes possui mais entradas nulas do que na˜o nulas. Estes me´todos na˜o preservam a estrutura de esparsidade dessas matrizes. 8 Exerc´ıcios 1. Mostre que a matriz A = 2 2 11 1 1 3 2 1 e´ invert´ıvel e que A na˜o pode ser escrita como o produto de uma matriz triangular inferior por uma matriz triangular superior sem pivoteamento parcial. 2. Resolva o sistema linear abaixo aplicando a decomposic¸a˜o LU com estrate´gia de pivo- teamento parcial: x1 + 4x2 − x3 = 0 4x1 + x2 + 2x3 = 1 4x2 − 5x3 = 3 3. Sejam A = 1 4 54 18 26 3 10 30 , b = 60 −6 e c = 66 12 . a) Determine a decomposic¸a˜o PA = LU . b) Resolva os sistemas lineares Ax = b e Ay = c. c) Determine A−1. 4. Sejam A = 1 −3 21 −4 3 1 −5 4 , b = −10 0 e c = −4−5 −6 . Usando a decomposic¸a˜o LU de A, mostre que Ax = b na˜o tem soluc¸a˜o e que Ax = c tem infinitas soluc¸o˜es. 5. Sejam A uma matriz invert´ıvel de ordem n e X,B matrizes n×m. a) Mostre que resolver a equac¸a˜o matricial AX = B e´ o mesmo que resolver m sistemas lineares do tipo Ax = b, onde b e´ um vetor n× 1. b) Usando o item anterior, verifique que A−1 pode ser obtida atrave´s da resoluc¸a˜o de n sistemas lineares. c) Entre os me´todos da Eliminac¸a˜o Gaussiana e a Decomposic¸a˜o LU, qual o mais indicado para o ca´lculo de A−1? Justifique. 9 d) Utilizando o me´todo escolhido no item anterior, obtenha a 5a coluna da inversa da seguinte matriz: A = 4 −1 0 −1 0 0 −1 4 −1 0 −1 0 0 −1 4 0 0 −1 −1 0 0 4 −1 0 0 −1 0 −1 4 −1 0 0 −1 0 −1 4 . 6. Considere a matriz real T = b1 c1 0 0 a1 b2 c2 0 0 a2 b3 c3 0 0 a3 b4 . a) Quais as condic¸o˜es para que T tenha decomposic¸a˜o LU? b) Sob as condic¸o˜es do item a), encontre adecomposic¸a˜o LU de T . c) Generalize o resultado do item b) para matrizes T de tamanho n× n. 7. Suponha um sistema linear em que a matriz de coeficientes A tem tamanho 3n× 3n e possui uma estrutura de blocos, isto e´, A = 0 M 0 0 0 M M 0 0 , onde M e´ uma submatriz n×n, invert´ıvel e “0” sa˜o submatrizes nulas n×n. Supondo que M admite decomposic¸a˜o LU, explique como esta decomposic¸a˜o pode ser utilizada na resoluc¸a˜o do sistema Ax = b, onde b tem tamanho 3n× 1. 8. Seja A uma matriz invert´ıvel e suponha que A = LU . a) Mostre que e´ poss´ıvel escrever A = LDUˆ , onde D e´ uma matriz diagonal e Uˆ e´ triangular superior com diagonal unita´ria. b) Explique como resolver um sistema linear Ax = b utilizando a decomposic¸a˜o A = LDUˆ . 10 9. Prove ou deˆ um contra-exemplo para a seguinte afirmac¸a˜o: Na fatorac¸a˜o LU obtida com estrate´gia de pivoteamento parcial, todos os elementos da matriz L sa˜o, em mo´dulo, menores ou iguais a 1. 10. Uma matriz quadrada A e´ chamada idempotente se A2 = A. a) Mostre que se A e´ idempotente, det(A) = 0 ou det(A) = 1. b) Sendo w um vetor n × 1 tal que wTw = 1, mostre que a matriz A = wwT e´ idempotente. 11. Considerando a decomposic¸a˜o LU com estrate´gia de pivoteamento parcial, isto e´, PA = LU , onde P e´ uma matriz de permutac¸a˜o, escreva uma fo´rmula para det(A). 12. Uma matriz A de ordem n e´ chamada definida-positiva se xTAx > 0 para todo x ∈ Rn na˜o nulo (xT e´ o transposto do vetor x de tamanho n× 1). a) Mostre que se A e´ definida-positiva, os elementos da diagonal principal de A sa˜o todos positivos, ou seja, aii > 0 para todo i = 1, 2, . . . , n. b) Mostre que a matriz A = ( 4 −1 −1 4 ) e´ definida-positiva. c) Mostre que a matriz A = I +wwT e´ definida-positiva, onde w e´ um vetor n× 1 e I e´ a matriz identidade de ordem n. d) A Decomposic¸a˜o de Cholesky diz que uma matriz A sime´trica e definida- positiva de ordem n pode ser decomposta na forma A = GGT , onde G e´ uma matriz triangular inferior com diagonal estritamente positiva. Obtenha a decom- posic¸a˜o de Cholesky da matriz A do item b). Confiram sua resposta utilizando o comando CholeskyDecomposition[ ] do software Mathematica. e) No caso em que wTw = 1, obtenha todos os elementos da decomposic¸a˜o de Cho- lesky de A. f) Seja A uma matriz de ordem n sime´trica e definida-positiva. Explique como utilizar a decomposic¸a˜o de Cholesky de A para resolver um sistema linear do tipo Ax = b. 13. Seja A uma matriz n× n invert´ıvel e suponha que A = L · U . Descreva uma maneira eficiente de resolver cada problema abaixo para que o nu´mero de operac¸o˜es realizadas seja o menor poss´ıvel e o ca´lculo expl´ıcito da inversa de A seja evitado. Justifique os procedimentos adotados. a) problema 1: calcule a soma ∑m i=1 v TA−1wi, onde v e wi sa˜o vetores de tamanho n× 1 para todo i = 1, 2, . . . ,m. 11 b) problema 2: calcule o vetor x = (A−1 + (A−1)2)b, onde b possui tamanho n× 1. c) problema 3: resolva o sistema linear com a seguinte estrutura de blocos A B 0 0 AT B 0 0 A · x1 x2 x3 = b c d , onde B tem tamanho n×n (na˜o e´ necessariamente invert´ıvel) e b, c e d sa˜o vetores de tamanho n×1. Observe que x1, x2 e x3 tambe´m sa˜o vetores de tamanho n×1. 14. Considere um sistema linear Ax = b com infinitas soluc¸o˜es onde A possui tamanho m × n com m < n. O Problema de Norma Mı´nima consiste em encontrar x que satisfaz Ax = b e possui a menor norma poss´ıvel. Esta situac¸a˜o pode ser formulada como um problema de otimizac¸a˜o da forma minimizar ‖x‖2 restrito a Ax = b. A soluc¸a˜o o´tima desse problema e´ dada por x∗ = AT (AAT )−1b. Considerando A = ( 1 −1 2 1 1 −1 ) e b = ( 1 0 ) , a) Interprete este problema geometricamente, ou seja, descreva o conjunto soluc¸a˜o do sistema Ax = b. O que representa a soluc¸a˜o de norma mı´nima neste caso? b) Proponha uma forma de obter a soluc¸a˜o de norma mı´nima associada ao sistema Ax = b sem que seja necessa´rio calcular explicitamente qualquer inversa de matriz. 15. Um modelo simples para um ve´ıculo que se movimenta em uma dimensa˜o e´ dado por s1(t + 1) s2(t + 1) = 1 1 0 0.95 · s1(t) s2(t) + 0 0.1 u(t), onde s1(t), s2(t) sa˜o, respectivamente, a posic¸a˜o e a velocidade no instante de tempo t e u(t) e´ a energia fornecida no instante t que afeta tanto a posic¸a˜o quanto a velocidade do carro. Considerando o intervalo de tempo [0, N ] discretizado com ∆t = 1, isto e´, tk = k∆t, supomos que o ve´ıculo esta´ inicialmente em respouso, isto e´, s1(0) = 0 e s2(0) = 0. Desejamos determinar os valores u(0), u(1), . . . , u(N) para que o carro seja trazido ate´ a configurac¸a˜o final s1(N) = 10, s2(N) = 0 gastando a menor quantidade de energia poss´ıvel durante o trajeto percorrido. Definindo a quantidade total de energia consumida por E = N−1∑ t=0 u(t)2, 12 a) formule esta situac¸a˜o como um problema de norma mı´nima do tipo minimizar ‖x‖2 restrito a Ax = b. Identifique claramente o vetor de varia´veis x, a matriz A e o vetor b em sua formulac¸a˜o. b) utilize comandos espec´ıficos do software Mathematica para resolver o problema formulado considerando os seguintes valores de N : N = 2, N = 10 e N = 30. Observe que e´ poss´ıvel resolver o problema de duas formas: atrave´s da rotina LinearSolve[ ] com a fo´rmula para x∗ apresentada no exerc´ıcio 11 e usando o comando FindMinimum[ ], resolvendo o exer´ıcio como um problema de oti- mizac¸a˜o. Resolva da maneira que achar mais adequada. c) Fac¸a um gra´fico tk × u(tk) para cada soluc¸a˜o o´tima obtida no item b). 16. Seja A uma matriz m× n com m < n e considere o conjunto S = {x ∈ Rn | Ax = 0}. Em um computador, a projec¸a˜o ortogonal w de um vetor v ∈ Rn sobre o conjunto S pode ser determinada atrave´s dos seguintes passos: Passo 1: calcule z = (AAT )−1Av, Passo 2: fac¸a w = v − AT z, onde AT e´ a transposta da matriz A. a) Mostre que w ∈ S. b) Para evitar o ca´lculo da inversa (AAT )−1 no Passo 1, podemos obter o vetor z atrave´s da resoluc¸a˜o de um sistema linear. Que sistema e´ esse? c) Considerando A = ( 1 2 1 −1 1 2 ) , determine a decomposic¸a˜o de Cholesky de AAT . Em seguida, explique como utilizar esta decomposic¸a˜o para calcular o vetor z no Passo 1 do procedimento acima. 13
Compartilhar