Académique Documents
Professionnel Documents
Culture Documents
CURITIBA
1996
SIL VIO J A C K S D O S A N J O S G A R N S
A J U S T A M E N T O P A R A M T R I C O POR M N I M O S
QUADRADOS
COM
ANLISE
NA
E S T A B I L I D A D E DA S O L U O
Dissertao
apresentada
ao
curso
de
Ps-Graduao em Cincias Geodsicas da
Universidade Federal
do Paran como
requisito p a r a a obteno do grau de Mestre
em Cincias.
ORIENTADOR: Dr. Raimundo J. B. de Sampaio
CO-ORIENTADOR: Dr. Quintino Dalmolin
CU RITIBA
1996
COM
NA ESTABILIDADE DA SOLUO.
POR
DEDICATRIA
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
M in h a me, p e lo amor e p e l o a p o io , que sempre me deu f o r a s nos
m omen tos mais d i f i c e i s de m inha v i d a .
A l c i d e s L o r c a Garns
F l v i o dos Anjos Ga rn s
GElany dos Anjos Ga rn s
M eu pai e meus irm os ,
pelo
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 ns
M a th e u s V a s c o n c e lo s Ga rn s
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 s o , e s p e r a n a , c arinho
amor.
AGRADECIMENTOS
SU M RIO
L I S T A DE F I G U R A S
L I S T A DE Q U A D R O S
xi
L I S T A DE S M B O L O S
xii
RESUMO
xiv
ABSTRACT
xv
1. I N T R O D U O
1.1 G E N E R A L I D A D E S
1.3 OB JE TIVOS D E S T A P ES Q U IS A
2. E L E M E N T O S DE A N L I S E E S I S T E M A S DE
EQ U A ES LINEARES
2.1 E SP A O S VETOR IA IS
2.2 N O R M A S
2.2.1 N o r m a s in d u z i d a s
2.3 ES P A O V E T O R IA L EUCLIDIANO
2.3.1 P ro d u to in te rn o
2.3.2 S u b e s p a 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 E S LI N E A RE S
10
2.4.1
12
Os s u b e s p a o s fu nd amentais
14
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 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 t i c a
18
18
2.6.1
Conjuntos co nvexos
18
2.6 .2
Fun es c o nvexas
20
2.6.2.1
C o m b in a es de f u n 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 e s c o n v e x a s d i f e r e n c i v e i s
2.6.3
Extremo de fu nes de v a l o r e s r e a i s
2.6.4
M in i m iz a o de funo c o n v e x a
...............
21
.............................................
24
......................................................
25
2.7 C O N V ER G N C IA DE S E Q U N C I A S DE N M E R O S R E A I S
26
3. S O L U O DO P R O B L E M A DE M 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 SOLUO DO P R O B L E M A
30
3.2.1
32
I n te r p r e t a o g e o m t r i c a
3 .2 .2 P r o p r i e d a d e s da s o l u o de m n i m o s q u a d r a d o s
3 . 2 .2 . 1
3.3
C a r a c t e r i z a o do timo r e s i d u a l
........................
34
.................................................
34
SOLUO DE C O M P R I M E N T O M N I M O DO PR O B L E M A
DE M N I M O S QUA D R A D O S L I N E A R
3.3.1
38
Projees
3 .3.1 .1
38
P r o j e e s r e l a c i o n a d a s ao p r o b l e m a de mnimos q u a d r a d o s
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
3.3.3
I n te r p r e ta o g e o m t r ic a da s o l u o de com primento
mnimo 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
......................................
...................................
39
40
41
3 .3 .4 D e t e r m in a o da p s e u d o - i n v e r s a e d e c o m p o s i o de v a l o r
sin g u la r
3.4
42
O P R O B L E M A DE M N I M O S Q U A D R A D O S COM
PONDERAO
3.4.1
44
T r atam en to do p r o b l e m a
44
4. AN 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 N IM O S Q U A D R A D O S
4.1
50
vi
E Q U A E S LINE AR ES C O N S I S T E N T E S
4.1.1
.....................................
50
..................................
51
................................................
53
S i s t e m a c o n s is t e n te com m at ri z i n v e r s v e l
4 .1.1 .1
V a r i a o no termo in d e p e n d e n te
4 . 1 .1 . 2
V a r i a o na matriz dos c o e f i c i e n t e s
4 .1 .2
das in c g n itas
.............
54
..........
55
................................................
56
C aso g e r a l do co n d icio n am en to de s i s t e m a s c o n s is te n te s
4 . 1 .2 .1
V a r i a o do termo in d e p e n d e n t e
4 . 1 . 2 . 2 P e r t u r b a o na m atriz A
57
4.2 A N 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
M N I M O S Q UADR ADOS LINEAR
4.2.1
58
E q u a e s n o r m a is
4.2.1 .1
4 .2 .2
58
................
59
.........................
61
............................................
63
A n 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
4.2.2.1
P e r t u r b a o do termo in d e p e n d e n te
4 . 2 .2 . 2 P e r t u r b a o na matriz A
4.3
64
A D E C O M P O S I O DE VALOR S I N G U L A R E BA SE S PAR A
OS S U B E S P A O S FU N D A M EN T A IS
66
...............................
67
...........................................
67
4. 4.2 A d e c o m p o s i o de v a l o r s in g u lar na d e c i s o do p o s to
5.
............
68
70
5.1 E L I M I N A O DE G A U S S - J O R D AN
70
5.1.1
72
O p e r a e s e le m e n t a r e s
5.1.2 S o l u o do s i s t e m a p o r G a u s s - J o r d a n
5.1.3
S u b r o ti n a p a r a a eli m inao de G a u s s - J o r d a n
5.2 " S U B R O U T I N E
5.2.1
............................
VERSOL "
Subrotina versol
73
74
75
R e g r a de Chi
76
5.2.2 D e s e n v o l v i m e n t o do mtodo
5.2.3
...........................................
...............................................................
77
.....................................................................................
80
vi i
5.3 D E C O M P O S I O DE CH OLE S KY
5.3.1
....................................................
80
...................................................
84
5.4 O M TO D O DA D E C O M P O S I O QR
85
5.4.1 T r a n s f o r m a 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 o QR
87
5.4.3
O mtodo QR a p l i c a d o ao p r o b l e m a de mnimos q u a d r a d o s
lin e a r
88
S u b r o ti n a do mtodo QR
89
5.4.4
....................................
92
5.5.1 T r a n s f o r m a o de Given s
92
5.5.2
94
O alg o r it m o QR
5.5.2. 1
O a lg o r itm o QR
5 . 5 .2 .2
O a lg o r itm o Q R - m o d i f i c a d o
5.5.3
94
.........................................................
C lc u lo d a d e c o m p o s i o de v a l o r s in g u l a r
.................................
5.5.3. 1
R e du o a f o rm a b i d i a g o n a l
5 . 5 .3 . 2
D e c o m p o s i o de v a l o r s in g u la r da m a triz b i d i a g o n a l
5.5.3. 3
Teste de c o n v e r g n c i a
5 .5.3 .4
F o r m a o da d e c o m p o s i o de v a l o r s in g u la r de A
5. 5.3 .5
S u b r o ti n a p a r a a d e c o m p o s i o de v a l o r sin gular
95
97
98
.........
100
105
..............
107
.................
108
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
M NIM O S QUADRADOS LINEAR
113
6.1 D E S C R I 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 N I M O S Q U A D R A D O S N O - L I N E A R
128
7.1 M TO D O D E G A U S S - N E W T O N
129
7.2 M T O D O S D E M IN IM IZ A O SEM RE S TR I O
132
7.2.1
132
M to d o de N e w t o n
7.2.2 M to d o S t e e p e s t de s c e n t ou mtodo do g r a d i e n t e
7.2.3 M o d e l o s a p r o x i m a d o s p e l a r e g i o de c o n f ia n a
vi i i
...................
133
........................
134
136
7.2.5 CritrioB de p a r a d a
138
139
143
8.1 CONCLUSES
143
.............................................................................................
8.2 RECOMENDAES
......................................................................................
REFERNCIAS BIBLIOGRFICAS
ix
143
147
L IST A DE F I G U R A S
FIGURA 01
FIGURA 02
.............................................................
03
15
FIGURA 03
19
FIGURA 04
FIGURA 05
FIGURA 06
....................................
.........
19
................................................
21
.........................................................................
FIGURA 07
REPRESENT AO DO RESDUO
FIGURA 08
.......................................
.........................................................
FIGURA 09
FIGURA 10
( A ) E * ( T) ..
32
35
66
.........................
95
CONVERGNCIA DO ALGORITMO QR
FIGURA 12
..............................
FIGURA 13
FIGURA 14
PR OCE SS O "CHASING"
FIGURA 15
FIGURA 16
29
...........................................................................
FIGURA 11
CONFIANA
23
..
............................................................
..................................................................................
97
98
104
135
136
L I S T A DE Q U A D R O S
QUADRO 01
QUADRO 02
141
141
QUADRO 04
141
142
L I S T A DE S M B O L O S
(m.n)
C(A)
N m ero de condio de A.
C1
C2
dA
dt
H(x)
Hess iana.
inf
nfimo.
L(X,Y)
max
Mximo.
minCm.n)
Mnimo entre m e n.
P osto(A )
Posto da matriz A.
E sp a o vetorial m-dimensional.
A e R"
sup
Supremo.
T ra o (A )
D e r i v a d a de A com r e s p e i t o a t.
N o rm a de vetor ou matriz.
*.
vflM
(A )
*(A T )
*(A)
E sp ao nulo de A.
* (A T)
E sp ao linha de A.
Leva em.
P a r a todo.
Diferente.
Aproximadamente.
I nfi nito.
Igual ou aproximadamente.
Exite.
Donde.
Conjunto vazio.
Unio.
I n terse c o .
Pertence.
No pertence.
RESUMO
objetivo
es tu d a r a s o l u o
m o s tr a n d o as va ntang ens e d e s v a n ta g e n s
de c a d a um atr a v s de te stes .
Quando as equaes r e s i d u a i s so n o - l i n e a r e s ,
so
utilizados
dois
com
aplicao
caracterstica
em
um
de
ex em plo
convergncia global,
prtico
da
Geodsia
e no
para
fin a l
feita
m ostrar
essas
caractersticas.
N a co n c l u s o so 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 e s
s o b r e os m todos a serem u t i l i z a d o s em d eter m in a d o s tipo de p r o b l e m a s .
xiv
ABSTRACT
another
the
conclusion
we
comment
to be
problems.
xv
the
results
applied
and
made
same
in different kind o f
1.
INTRODUO
1.1
GENERALIDADES
problema
ou
mtodo
de
minimos
quadra dos
nasceu
utilizadas
em torno
do
p r o b le m a
diferem
tanto
do
contexto em que tratado, como tambm dos autores que tratam dum mesmo
contexto. Neste traba lho
se r u t il i z a d a a notao usual
dos textos
program a o matemtica.
O p r o b le m a de minimos quadrados pode se r enunciado como:
Minimizar
(1 .1 )
onde:
V: RD-+R
de
x Q) de p o s t o ( k ) ^ m i n ( m , n ) 1 e um vetor real
de
equaes
lin eares
in consiste nte
(impossvel
ou
inco m patvel), com m>n, sem a co n sid erao de que o sistema seja formado
por o b se r v a e s .
Foi e s c o l h i d o , t rab a lh a r somente com a parte da soluo do p ro blem a
de mnimos q u a dra d o s, apenas fazendo menso quando necessrio a parte
das o b s e r v a e s , porque a grande m a i o r i a das
1 p o s t o , r a n k o u c a r a c t e r s t i c a de u ma m a t r i z , s 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.
FIGURA 01 -
caso l a
Ax = b
po sto(A )= m=n
caso 2a
caso lb
Ax = b
posto(A)=k<m=n
caso 2b
0 =
Ax = b
posto (A )= n<m
caso 3a
Ax = b
posto(A)=k<n<m
caso 3b
Ax b
Ax = b
p o s t o ( A ) a*m<n
posto(A)=k<m <n
so:
b)
a)
Mtodo
das o b se r v a e s
indiretas
ou mtodo paramtrico;
c) Mtodo combinado.
mostrado na fig.01.
Os mtodos de soluo do
1.2
ESTRUTURA DO TRABALHO
3 fornece
as
soluo
p a ra
o problema
de
mnimos
equaes so
ponderadas.
O captulo 4 trata da anlise do condicionamento do problema. L
m o strad a a desvantagem em so lu c io n a r o p rob lem a atr avs das equaes
normais e o que ocorre no p r o b le m a de mnimos q u a dra dos linear quando
so perturbados a matriz de c o eficien te s das incgnitas e o ve to r dos termos
independentes.
O captulo 5 traz os mtodos numricos p a ra a so luo do pro b lem a de
mnimos quadrados linear, onde cad a mtodo vem com uma subrotina. Os
mtodos c o n sid e r a d o s p a ra obter a soluo do p ro blem a foram: GaussJorda n com pivtamento completo; su bro utin a Versol; decomposio
de
para
serem
a p lic a d a s
ao
caso
do
problem a de mnimos
ad iante)
caractersticas
mtodo
de
L ev e n b erg-M a rq u ardt
de convergncia g lo bal.
A in d a no mesmo
porque
tem
captulo,
1.3
2.
ELEMENTOS
DE
ANLISE
SISTE M A S
DE
EQUAES
L IN E A R E S .
normado,
si stem a
de
equaes
lineares,
derivada
de
matrizes,
b)
Em rela o adio
i)
(u+v)+w = u + (v + w ) , V
u,v,nr
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.
la = a .
V;
7
Os elementos pe rtencente s ao esp ao v e to r ia l
V so chamados de
V chamado de
2.2 N O R M A S
<p(x) ^ 0, V x e V e
cp(x) = 0 se, e somente se x=0 ;
ii)
<p(*.x) = |X|.cp(x) , V X R , x e V ;
i)
Hi = N
( 2 . 1)
( norma-l)
i- l
ii)
( norma-2 ou e u clid ia n a)
( 2 .2 )
i- l
"*)
(2 .3 )
iv)
l*lp = ( Z l xi|P)I,P *
(2 .4 )
(norma P)
i- i
ii H
||Ax|l
llA ll= s u p - j n p
#o
(2-5)
If IIx
2.2.1
i)
||A|| 0 , V A e W
ii)
| | ^ A | | = |X|.||A|| , V X e R , V A e W
iii)
N o rm as induzidas
||A||= i n f ( M e R
:||Ax|<;M|xj|} .
(2.6)
u=p
ou
(2.7)
IlAxII
<2 -8 >
(2.9)
A||2 = cr^^A)
(2.10)
(maior v a lo r singular de A)
(2.11)
(2.12)
( norm a ab solu ta )
MIf = ( Z Z | a f )ia
(2 .1 3)
(norm a Frobenius)
(2.1 4)
M j-
|( | = trao(ATA).
(2.1 5)
<21<>
2.3
Chama-se
espao v e t o r i a l
e u c l id i a n o ,
a um esp ao
v e to r i a l
real
Produto
interno
em um esp ao
v eto rial
real
V uma funo de
u.v = v.n ;
ii)
iii)
(au)v = a(u.v) , V a e R ;
iv)
a . a ^ 0 e a . a = 0 se, e s se u=0 .
10
2.4
i)
ii)
V X e R, x e W, .x e W.
(2.17)
onde:
x,,x2,...,xn R
so vari v eis;
a ,^ ,...^
b e R
Os
e R
o termo independente.
valores
das
v a ri v e is
que
tornam
verdadeira
equao
so
+ am*n = b i
a21X1^"a22 *2 ^
+ a2n*n=b 2
(2.18)
a ml X1 + a xn2 X2 +
*n = b
11
ii)
Sistema po ss v el e indeterminado;
iii)
).
lin e are s
(2.18) pode
matricial como:
a
a21
12
a 22
X1
X
2
la
2n
1
b2
(2.19)
a ml, am2V
X
n
mn
b
m
de
A=[A,b]
de
v ariveis.
A seguir s e r feito um breve resumo d esta c la ssif icao .
Se ja um sistema de equaes lin eares Ax=b, com A(nwn), x (n>l) e b (nU) ou
mais explicitamente como em (2.19). A matriz ampliada ser:
11
12
a 21 a 22
b
ln 1
a
b
2a 2
=
a
a m2
a mn bn
( 2.20)
12
se p o s t o ( A ) = p o s t o ( ) = k , o sistema p o ss v e l;
As afirmaes
a n te r io r e s
quanto
a c la s s if i c a o
dos
sistemas
de
os
seguintes
subespaos
obtidos
das
matrizes
dos
coeficientes:
1) O espao l i n h a
de A; se for
eliminao, reduzindo A f o r m a
aplicado
em A o p r o c e ss o
de
13
na matriz red u z id a
forma
e sca d a
quais
das
colunas
tem p iv s,
aB
tal que ATy = 0 . A dimenso p a r a esse subesp ao m-k. Uma base pode ser
fo rm ad a das ltimas m-k linhas de L-IP, onde : L uma matriz de operaes
ele m entares e P uma matriz de permuta o que quando ap lica d as a matriz A,
g e ra a matriz U, re d u z id a forma eBcada (d ec o m p o si o LU).
A s i m b o lo g ia p a r a os subeBpaos acima bem como suas dimenses so
resu m id a s abaixo:
i)
ii)
x(A)
iii)
91(A)
iv)
Uma
vez
relacionadoB
ao
de
poss e
sistema
dos
Ax=b,
con ceito s
p o d e -s e
sobre
os
checar
quatro
subespaos
c la ss ifica o
dada
ou
colunas
linearmente
independentes
da
matriz
A.
mesmo
deve
c o n clu i- se
c l a s s if i c a o que:
sobre
as
a firm aes
(i)
(ii)
no
critrio
de
14
ponto
de
vista
g eom trico
isso
quer
dizer
que
se
vetor
contrrio
( v e r fig. 02).
Caso b
e o e spa o
FIGURA
02
- REPRESENTAO
GEOM TRICA
DA
CLASSIFICAO
DO SISTEMA LINEAR.
da
dt
dA
dt
( 2 .2 2 )
da da
ml__
dt dt
da
dt
exemplo:
x =(e sen(t)
cos(f) )7
- sen(t) )T ;
16
cos(t)
A=
sen(t)
e 2
-set(t)
cos(t)
2e21
dA
'
dt
(2.23)
K
}
(2.24)
xx x2
xn
3x 1 + 4x2 +5
10x2 + 3x3
1
2
3
,
-T
20x
x' + 2x
1
2
3x2i
4
i
9x2
2
4 x2
17
d y - dx
x
2.5.2
Se ja y - Ax
(2 .2 6)
onde:
y e R ;
A e R ", com elementos constantes ;
xeR",
Ento:
dy = d(Ax)= W dx ,
x
(2.27)
(2.29)
onde:
u e R;
A e R " 1", cora elementos constantes;
yeR" ;
x e R , v e t o r das variveis independentes.
du=xTA d y + d x TAy
(2.30)
18
2.5.4
D e r i v a d a da forma quadrtica
(2.31)
onde:
q e R;
A e R nn, simtrica;
x e R n.
O c lculo da d e riv a d a (MIKHAIL e GRACIE 1981):
4 r-=2 x TA
x
2.6
(2.32)
FUNES CONVEXAS
certos resulta dos ficam ass egu rad os. No caso do pro blem a de
pertence a
introduzir
alguns
conceitos
sobre
funes
convexas,
til
19
quaisquer
pertencente
ao
conjunto
forem
unidos
atravs
de um
FIGURA 03 -
3.a
Conjunto no-convexo
Existem
algumas
que
pr eservam
convexidade
conjuntos. So elas:
i)
ii)
iii)
4.a propriedade i
4.b propriedade ii
dos
20
(2.33)
Se
(2.34)
ento, f dita se r estritamente convexa.
Geometricamente, uma funo convexa se a linha que une os pontos
(x,4(x,)) e (x2,f(x2)) , no fica r abaixo do grfico da funo.
Uma funo f cncava se -(f) for convexa.
2.6.2.1
P r o p o s i o 1.
P r o p o s i o 2.
2.
21
Prova:
S e ja
x, , x 2 eTt . Ento
f(x,) c, f(x2) c
p a ra
0x<l
>1
tf
5 . a Funo convexa
2.6.2.2
P r o p r i e d a d e s de funes convexas d if e r e n c i v e is
Uma de finio
d ifere n cia o de funo.
equivalente
a (2.3 3)
pode
se r
formulada usando
U m a f un &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 di t a s e r de c l a s s e
22
P ro p o s i o 4.
Se ja f e
convexo Q, se e somente se
, V x,,x2 e D .
(2.35)
0, vem que
f t x ^ f x , ) ^ VfT(x,)(x2 - x , )
ou
f(x2)^f(x)>fVfT(Xi)(x2 - x ]) .
Com isso fic a de m onstrada a pa rte " somente se ".
Assuma agora
f(x2)>f(x1)4-VfT(x,)(x2 - x , ) , V x, , x 2 e Q.
Tomando
dois
pontos
fixos
y2 e y2 g Q
x2 = yt
ou
chamando
x 2 = y 2 , tem-se
que :
f(yi)^f(Xj}fVfT(xi)(yj -Xj)
(2.36)
(2.37)
23
j '(')
(><3)
um ponto
interior*,
se
somente
se,
a matriz
h e s s ia n a
ii xi
Prova : Do teo rem a de Taylor , tem-se:
p a r a algum X,
Da
definio
de
m atriz
positiva,
U m p o n t o i n t e r i o r q u a n d o t o d a s as d i r e e s s o f a c t v e i s .
24
(2.39)
xt
Q tal que
da h essian a,
j)<
0. Novamente p e la continuidade
( x 2 - X t ) TH (x + A (x 2 ~ X j))(x 2 - X i ) < 0 .
2.6.3
de definir os
x*g
V, f ( x ) ^ f ( x ' ) .
Sim ilarmente,
x*
um
m x im o
g
V.
x*
x*
um p o n t o c r i ti c o de f se Vf(x')=0. Um ponto
25
P r o p o s i o 1.
Se f no
tem mnimo
local,
a p ro p o si o
x*
ser
f(x*)
26
P r o p o s i o 2.
de f.
Assim, p e l a p r o p o si o 4 da seco
(2.6.2 .2 ),
(y)-f(x) ^ V f T(x)(y - x).
Isto i m p l i c a que V fT(x)(x-y)<0, o que si g nific a que a funo f pode ser
d e c r e s c i d a a p a r t i r do ponto x, contradizendo ao fato de que x ponto de
mnimo local.
M a i o r e s deta lh es a respeito da seco 2.6, podem se r encontrados em
LUENBERGER (1 973) e RAO (1979).
2.7
se ja x*
R e xj e R, i= 0 , l ,2 , . .. , ento
se qu nc ia de nmeros
lim|xi -jc*| = 0
-MO
V i2i
| xj + 1 -x*|<;c|xi-x*|
(2.40)
(2.41)
(2.42)
27
28
3. S O L U O DO P R O B L E M A DE M N I M O S QU ADRA DOS L I N E A R
?llA x - b 2 = m i n lV llr
(3 1 )
onde:
V = Ax- b
3.1
A e
R mxn;
Rm
P R E L IM IN A R E S
em
91 (A). Caso
b e 91 (A), o
o pr oblem a
91 (A), b
29
do p r o b l e m a foi proposto
a norm a-2.
Abaixo
segue
algumas
j u s t if i c a t iv a s da e sc o lh a de ssa norma.
a)
b)
so v lid a s p a r a ela.
c)
30
3.2
SOLUO DO PROBLEMA
Se ja
. O problema
(3.2)
(3.3)
(3.4)
co n di o de otimalidade ao p r o b l e m a e obtida a
sela).
(3.5)
xtH x ^
s e m i- d e f in id a
p o s i t iv a se
p ositiv a .
Assim
xtA tA x = < Ax,Ax
Ento, Ax=0
>=||Ax ||j 0.
se e somente
(3.6)
se,
as colunas
de A so
linearmente
depe ndente s, o que si gn ific a que A no tem posto completo. Logo, para
qualq uer
Bistema de
eq u a es
lin e are s
redundantes,
onde
a matriz
dos
31
(ser
definido
adiante
os
termos
mal-
seco
32
FIGURA
08 -
INTERPRETAO
GEOMTRICA
DA
SOLUO
DE
MNIMOS QUADRADOS.
9i(A), ou seja,
93 (A) V y e R n, e p a ra
ou
(3.7)
A tAx * = ATb
(3.8)
33
definida
posi tiv a,
x*
nico
ponto
de
mnimo
da
funo
diretamente
sem
usa r
as
equaes
normais),
importante
P r o p o s i o 1.
At A
simtrica,
ento
propriedades
de
||A x | =
= xt
x tA tA x
0 , logo Ax=0.
34
x* = ( A TA ) 1 <ATb ) .
3.2.2
( 3 . 9)
para a
anlise do problem a.
R e cord a n d o que o espao coluna de A
os v e to r e s
m-dimensionais
que
so
ortogonais
as
colunas
de
( A Ty = 0).
A dimenso do espao coluna de A igual ao p o s to A J^ k e a dimenso
do esp ao nulo de AT igual a m-k.
3.2.2.1
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 .
Os componentes
cR
cn
A ca
=0 .
cR
c*
so nicos e satisfazem
para algum
cA e R n ;
35
M ais
facil
s e r ia
compr eender
a unicidade
dos
veto res
cR e
(3.11)
Estas o b s e r v a e s
so de extrema r e l e v n c ia p a r a o problema de
so veto res
m-dimensionais e esto
rela cio nado s com os 6ubespaos 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 + vw
,(3.13)
> com
vr
= A va .
36
vr + vn
= A x - b R- b N
(3.14)
Ax 91(A), V x e R \ ento
vR = A x - b R e
v ) = - b N .
(3.15)
<3 16>
o que im p l i c a ser
IM I^ IM
(3.17 )
bR
Ax
1
A=
1 0
0 1
3
b=
5
1
P a ra
37
c + c
1 1
1 0
L . 2J
0 1
p a ra qualq uer e s c a l a r c, , c2 .
1 1 0
1 0 1
[
sendo
que
o"
0
II
^0 .^0 .'
1
_d3_
d 2 =- d ,
0
e
d3 = -dj . Assim
para
um
e scalar
c3 o vetor
=
b R+ b N
entao
c +
i
5
1
c
_
+
i
-C3
_'C1
ou
1 1 1
1 0 -1
0 1 -1
cuja soluo p a r a
ct , c2 e c3 : Cj = 4 ? c2 = 0
componentes de b so:
b R =(4 4 0)T
e c3 = -1.
resulta em
x* = (4 4) t
os
b N =(-1 1 1)T .
A so lu o de Ax = b R , trar o timo r e s i d u a l
modo que
Assim
V = b N =(-1 1 1)T de
38
3.3
R mxa,
R m , sendo posto(A)<n
m i n { | W l 2: IA x - b ^ A x - b
V x e R n}
(3.18)
veR *
3.3.1 P r o je e s
D e fin i o :
Se ja E um esp ao v e to r i a l , E e
E"
dois subespaos
acima
S1 = E " , onde
Sx
para:
pode ser melhor rep resen ta d o
p or
S1 = {t e R / t Ts= 0 V s
Uma vez que
S).
39
S + S1 = R m
S r\ S--={ }.
b^
A p r o j e o P(nun)
S1 .
sobre S , denotado
por
Ps
a n ic a matriz
que
R m;
ii)
m i
P.T= P S
2
Ps = P
( a matriz Ps idempotente).
de
facilmente , fazendo
b = b + b sl
b^ = b - b , ,
mas
descritas.
3.3.1.1
se e
componente de b em %(AT).
Em v i s t a disso, pode-s e dizer que existe uma p ro jeo P sobre o espao
coluna SR(A) que pr oduz
b R e uma p r o j e o ( I - P ) sobre
x ( A T) que produz
*>*
Tais p r o j e e s podem ser facilmente obtidas. Lembrando que
x =^A7AylA Tb
Ax* = b R , ento:
40
P*(A) = A(A tA ) 'A t
P>r(A,) = I - A ( A tA) A t ,
= ^R > f (A )K = ^R
assim
e
quando
a definio
usual acima de in versa no pode mais ser usada, dando lugar a um novo
conceito de in versa, as chamadas inv ersas g e n e r a liz a d a s .
Usando
uma
in versa
g e n eralizada
G,
sist em a
Ax=b
pode
ser
AGA=A ;
ii)
GAG=G ;
iii)
(AG)T= AG ;
iv)
(GA)t = GA ;
41
3.3.3
de comprimento
minimo
x = xR+xN ,onde
xR o
componente de x em 9 t ( A T) e xN o componente de x em * (A ).
Conside rando a soluo de comprimento .mnimo como x' = x R+xl
do
A(xR+xJ,)=bR ,
tem
soluo
de
o efeito
da p se u d o - i n v e r s a
quando
se
escreve
buBca o
componente
de
que
esta
inteiramente
em
9 t ( A T)
x*. STRANG ( 1 97 6 )
p a r a essa
interpretao.
A p s e u d o - i n v e r s a tem vriaB p r o p r i e d a d e s importantes, algumas delas
so listadas abaixo:
i)
Se
A(nv>) ento
produz um x R";
A^.m) ,
42
ii)
A p se u d o - in v e r sa de A+ a p r p r i a A;
iv)
3.3.4
v)
(ATr = ( A T ;
vi)
Se A e
singular
a qual ser
d e s c r i t a a seguir.
R mxra
R nxn so matrizes
P r o p o s i o 1:
elementos diagonal
Se ja A
o[ de D so as raizes
43
(ATA)Vj=^ Vj , j = l , . . . , n ,
onde os X}3 so os elementos da diagonal
de
P r o p o s i o 2.
Seja A
1/ 0 ~ i,
/ d:
i> 0
i= 0
D += S
cC =
m in
xeK
fazendo
l |v H
1 !D v T * - ' u H
DVTx - U Tb| V x e R }
(3.19)
z = V Tx vem
D z - U Tb
k K
Seja
Vz e R n}.
(3.20)
i-h + l
( 3.2 1)
44
^ =(UTb)Jeri , i = l , . . . , k .
Dentre
Berve p a ra d e m osntrar
3.4
que
atravs
dela
o problema
pseudo(3.18)
se tinha afirmado.
O p rob lem a de mnimos qu adra dos ponde rado pode se r tratad o por dois
cominhos diferentes;
um de le s p o n d e ra r todas as equaes e p ro ce d er da
w,
o que
c o rresponde
que
todas
as
equaes
tiveram
a mesma
T
w 1
1
1 1
1___ 1
b11"
b2
(3.24)
_b 3_
b
1
0 w 0
0 0 w
w 0 0
1 0 0
0 1 0
0 0 1
1
2
b
_ 3_
1 0 0
b1
0 1 0
b2
0 0 1
ou
( 3 .2 5)
Lb.
ponderadas
46
Suponha
agora
que
cada
equao
em
(3.22)
seja
p o n d e ra d a
diferentemente, ou seja:
w 1
1
w
2
W
_ 1
wl b i
1 1
vb,
H -
cuja soluo se r
(3.28)
que a mdia po ndera da, onde os pesos so os w^2. A soluo 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).
Uma forma mais comun de e s c r e v e r (3.27)
0 0 w.
w 0 0
i
0 w 0
2
0 0 w
L_
aJ
1
b2
(3.29)
1___
0 w 0
II
1
X
w 0 0
(3 .25 )
como
(3.29)
podem
ser
rep re se n ta d a s
numa
form a
c ompactada como:
WAx=Wb
Generalizan do
(3.30)
o
problem a
usando
as
R n, b
dimenses,
(3.30)
seria
dimensionada, onde:
W e
R , A R mxn, x
R m.
xw= ( W A ) Wb = A 1b.
(3.31)
47
Uma vez que W Bempre qua dra da e in versiv el, tal pon d e ra o no
m udaria em nada a solu o, mesmo sendo diferentes os v a l o r e s da diagonal
de W; infelizmente esse no o caso geral. No caso geral, A retangular com
mais linhas que colunas e no po ss ui a inversa o r d i n r i a A'1, mas sim a
pse u d o -in v ersa A+, logo
xw=(WA)+Wb
(3.3 2)
a Boluo de (3.30).
Olhando p a r a (3 .32), porque no fazer
inv ersive l a
Boluo
(WA)+= A +W + e como W
de (3.30) f i c a r i a
xw = A+b
(3.33)
em geral ( W A ) V A +W + como
onde
os elementos
f o r a da
diagonal
anteriormente
que
em qualquer
s iste m a
inconsistente
AtAx = ATb .
(3.34)
ATWTWAxw= ATWTWb.
Denominado o produto W TW p or P, tem-se
(3.35)
48
ATPA x w = ATPb
a
qual
r e p r e s e n ta
(3.36)
as
equaes
norm ais
de
minimos
quadrado s
com
ponderao.
(3.37)
IM l= V < w v ,w v >
(3.38)
(3.39)
(3.40)
sendo que a nova norma obedece as mesmas trs cond ies das demais
0
]i)
IHL >0 , v x * 0 ;
tem-se
49
IM L ^ IW U W l-
(3.41)
icE1
( |j Jw ) e a p e r p e n d i c u l a r i d a d e por um novo
ou
e
V y * 0, im p lica que
W TW - P , r e s u l ta
A TPAxw= A fPb
(3.42)
50
4.
ANL ISE
DO
CONDICIONAMENTO
DO
PROBLEMA
DE
M N IM O S Q U A D R A D O S
O problem a
do
matemtica aplicada.
tanto
p a ra
um p r o b l e m a
sistemas
l in e a r e s
crucial
quanto
da
para
Por exemplo:
o sistema forem
se
os
dados
para
c olhid os
atravs
de
vez
que
computadores
tem
lim ita o
de
preciso
numrica.
Neste trabalho foi d e sp r ez ad o o fato dos dados se rem obtidos atravs
de observaes. No entanto, f i c a a in d a a parte concernente a limita o de
p r e c i s o dos computadores.
P a r a analis ar o condicionam ento do p rob lem a de mnimos quadrados,
vantagem primeiro
a n a l is a r
o condicionamento
de
sitem as
de
equaes
4.1
51
em duas p a rte s; a p r i m e ir a p a ra quando A no-singular e a segunda p a r a
quando A retangular.
4.1.1
S e j a o sistem a
Ax=b
(4.1)
onde :
A e R 1
x,b e
R"
(4.2)
>
Suponha primeiramente
sistem a
de
duas
equaes
a p a rt ir das equaes
duas
se
incompatvel.
Suponha
a g ora
ser
por
trs
equaes
e trs
52
forma
no
h a v e r ia
nenhum
ponto
em
comum
para
os
trs
planos
simultaneamente.
Suponha agora que |A| s e j a prximo
de zero
e imagine
que
isso
equaes por uma constante IO10, o c o r r e r i a que a matriz dos coeficientes das
incgnitas se t o rnaria identidade. Sa b e -se da lgebra lin ear que a matriz
identidade forma a base
cannica do
e spao
que g e ra sendo
portando
(a
soluo
no
merece
confiana)
em
um
sistema
perfeitamente condicionado.
Em resumo; to da e ssa di sc uo foi no sentido de m ostrar que nem o
determinante
nem
menor
a u to v a lo r
so
bons
indicadores
do
53
Uma definio um tanto g r o s s e i r a p a r a
o condicionamento
de um
lin e a re s
dito
ser m al-co nd ic io n a d o
se
dos
coeficientes,
g e ra r
uma
" grande"
v a ria o
na
soluo
bem-
(4.4)
operando vem
Ax+A5x=b+5b
subtraindo b de Ax re sulta
(4.5)
D e se ja - se sber qual o v a lo r mximo que o erro rela tiv o da soluo
||<3x|j/|jxj pode alcanar. Para conhecer isso , ||<x|| deve ser tanto maior quanto
p ossiv e l.
P a r a ||x|| ser mximo b a s t a a p l i c a r em (4.5) uma norma compatvel
(tendo em mente a definio de norma, e q .(2 .8 )), ou seja
(4.6)
e p a r a |jx|| mnimo
INI* M M
donde
(4.7)
54
H 2 iiA i r
(48)
4.1.1.2
(4.10)
(4.11)
subtraindo Ax de b tem-se:
Afix+5 A(x+fix )=0
(4.12)
onde
. = - A ' 1A(x + c) , assim p a ra qualq uer norm a subordinada
jl&l^ljA^IJlIAjllx+dxJ
x+
U
iA " l i A | 1 '
11
|A
Z C (A ? L - J
N
xii
m
11 C ( 4 ) i i
fx+tj
||A j|
(4.1 4)
(4.15)
55
O v a lo r do nmero de condio C(A) vai depender da norma utilizada,
mas p e la e q uiv al n cia na magnitude das normas, os v a lo r e s entre os nmeros
de condies so comparveis. Existe tambm certas denominaes p a ra o
nmero de condio dependendo da norma utilizada, ver LUGNANI (1975).
Facilmente pode se r demosntrado que o nmero de cond io C(A)
maior ou igual a unidade, po is p a r a qualquer norma de matriz subord inada a
matriz I
consistente | A' a J
j||A|| , logo C ( A ) l .
4.1.2
S e j a o sistema
56
Ax=b
(4.16)
onde
6 R mxn } com po sto ( A ) n ;
x e
R n;
b e
R m , com b e
91 (A).
(4.17)
onde: A+ a p s e u d o - in v e r sa de A.
4.1.2.1
Considere
Suponha que
sist ema s e r
A(x+fix)=b+Sb
(4.18)
subtraindo Ax de b re sulta
<&.= A +<5b
(4.19)
(4.20)
e
( 4 .2 1 )
s que agora a
pseudo-
inversa.
4.1.2.2
Pe rtub a o na matriz A
(4.24)
de maneira que
5 A f ix - b
=>
<5k=\.V
(4 25)
11 C ( A ) L f
jx* + &|
(4.26)
58
4.2
Primeiramente
se ut iliza
o sistema
compativel
formado
p e la s
equaes
(4.2 7)
e qu a es normais.
o mal-condicionamento
do
sistema de
59
O que deve ser mostrado agora a desvantagem em se r e s o l v e r o
p ro b lem a atravs das equaes normais quando comparado com os mtodos
que reso lv em o p r o b le m a diretamente do sistem a original.
C(A)= |A-J|A|
(4.28)
!ATA | k | |A T||||A
c (a ta )=
, logo
c (a )1
C(AtA)^C(A)2.
(4.2?)
(4.30)
E xemp lo :
1.00001
1.00001
C(A)= - = 433102.25.
<72
A matriz A TA arr e do n dad a na quinta c asa decimal se r
60
AT A
3.00002
3.00002
3.00004
= 6,00 e
a 2 = 3,33.10'11
C(ATA)=-^- = 1,80.10.
<r2
No exemplo a cim a mostrou-se atravs da norma-2 que o nmero de
condio de ATA aproximadamente o quadrado do nmero de condio de
A.
Se
sistem a
original
fosse
compatvel,
anlise
atravs
da
da
equaes
normais
quando
no
se tem certeza do
em
se
utilizando
um
computador
que
tenha
unidade
de
61
A seguir ser feita uma te n t a t i v a em fixar um va lo r p a ra o nmero de
condio
de
A p a ra r e s o l v e r
com
segurana
o p ro b lem a
de
mnimos
C(A)=
^min
e
, donde quando
crmin -> 0
=>
C(A) -> oo
C(ATA)=
(4.31)
^rair
^min
>u.
Sendo
C(ATA ) < u
(4.3 2)
C(A)<-L
vu
(4.33)
4 .2.2
de
ATA
62
condio
A,
isto
sugere
usar os mtodos
baseados
em decompo sio
ortogonal,
anlise
deve-se
condicionamento
do
proceder
p a ra
problem a?
dete ctar
se
exatamente
existe
esta
ou
no
anlise
mal-
que
se r
parte
introd utria
caracterizo u-se
timo
p a ra
r esid ual,
tal
anlise
seco
foi
(3.2.2.1).
anunciada
L
foi
quando
visto
que
com
mais
detalhes
incluindo
tratamento
do
pro blem a
de
comprimento mnimo.
O p r o b le m a de mnimos quadrados formulado em (3.18) :
Se ja
Ax=b
(4.34)
onde
A 6 R m*n , com posto(A)n e m>n;
b e R , com b 93 (A) ;
x e Rn ;
cujo objetivo
/ w w < H :HA x - b A x - b
xeR*
V x e R n).
*=0;
v = b.
(4.35)
N o t a : xR e xN so os componentes de x em 93 ( A T) e x( A ) respectivamente
e b R e b N so os componetes de b em 93(A) e x ( A T) respectivamente.
63
ou
sem pertubao
em
com
p ertu bao
em A,
enfim
como
for
conveniente.
Achou-se conveniente tratar c a d a caso separadamente e
mantendo o
4.2.2.1
(4.36)
(4.37)
(4.38)
(4.39)
xR A 1b R e
& R At. db R.
(4.40)
II&rN
aI
IM
(4.41)
(4.42)
64
(4.43)
onde:
V +5VA(x+8x)-(b+5b)
como
Ax = b g
V = bN
5V=A5x-5b
=>
A<5x*=dbR e
<5V=<ibM.
(4.45)
4.2.2.2
Pertubao na matriz A
(A+5 A ) ( x + 8 x ) BSb.
(4.46 )
<t
9t(A),
deve-se
65
a m ed id a do efeito relativo da pertubao <54.p no espao coluna de A e <SVN
no e spao nulo de AT.
Se o componente b R de b for no-nulo demon stra-se que o erro r elativ o
da soluo sa tis f a z (GILL et alii 1991)
H 2 C ( A K + 4 C ( A ) !e * j j ^ + 0 ( 4 ) .
f* II
(4.48)
p r II
SAV = K T \
(4.49)
onde:
G: uma base ortonormal de 91 (A) ;
K: uma base ortonormal de n (AT) ,
adiante se r visto como se obtm tais b a se s a p a r t i r da SVD.
Do r e s i d u a l pertubado V + V = b -(A + M.)(x* + c) , resulta
||<5V||
,
^ ^ "^2C(A)eN+ 0(6^,).
A qua ntidade
O(e^)
(4.50)
em
(4.48) e (4 .5 0 )
de
e^.
no afeta oerro
se
66
4.3
Foi
visto
atravs
das seces
antecedentes
a importn cia
em
se
(4.51)
onde
u (.m)
ortonornial;
V(n_n)
ortonornial;
D(mx)
diagonal com
v a lo r e s singulares a xV i=j.
comprimento.
FIGURA
10
BASES
PA RA
OS
A PARTIR DA SVD
k
m-k
SUBESPAOS
FUNDAMENTAIS
67
Se
c a r a c t e r i z a d a p e la s condies:
4.4
i)
ii)
iii)
As colunas de
iv)
As colunas de
ti
(At );
ti
(A).
(ou
colunas)
consequentemente
dependncia"
linearmente
uin nmero
entre
qualquer
independente
inteiro.
dessas
na
matriz
que
linhas
ou colunas,
como
f i c a r ia
co n sid era o desse "quase", j que o posto diz ou no , uma vez que um
nmero inteiro.
Foi visto tambm que p a r a probl em as com posto deficiente o que
in te r e s s a a soluo de comprimento mnimo, ou melhor dizendo, se a
e sc o lh a do posto' estiv er e r r a d a as
solues
podem
se r
completamente
ter
oco rrid o
devido a um arredondamento,
ou ainda
68
1 0 1
A =
0 1 1
4.52)
1 1 2+g
4.4.2
69
abaixo
da
mxn.
un idad e
Se fosse
de
c r ^ l O " os va lores
de sprezado
arredondamento
aqu eles
va lo res
poderia-se
estar
70
5.
M T O D O S N U M R I C O S PA RA A S O L U O DO P R O B L E M A DE
M N I M O S Q U ADRA DOS L IN E A R
Os trs
diretamente
o problem a
inconsistente
(formado
por
equaes
redundantes) original.
5.1
ELIMINAO DE GAUSS-JORDAN
71
abaixo.
C on sid ere os sitemas abaixos
Axj bj
A x 2 b2
(5.1)
Ax - b .
AY - I
onde:
A
6 R" ;
x'. e R";
V.
e R n;
R nin,
Xj^A^bj
x 2=A
Jb2
(5.2)
x > A 1ba
Y = A I
C onsidere a gora
ob
72
11 a i2
X .l
_ nl
"b
=
ii
:
b
. .. a
b
U.
. U
bnm
nl
*1.
y,2
- y i n -
y r
u
X
lxn
lm
b ,3
u
'
A l
kl
nm
-i
...0 ~
(5.3
[A]-[x1 x a U - ^ * . U Y ] = [b1U k , - k . U I ]
(5 .4 )
,
j-
5.1.1
O p era es elementares
ii)
de zero ou
su bstitu i-s e qualquer linha de A p or sua soma com outra linha previamente
m u l t i p li c a d a
por
um
escalar
diferente
de
zero,
desde
de
que
as
73
O mtodo
op er a e s
da
eliminao
elem entares
acima
de
Gauss-Jordan
para
transformar
usa uma
a
matriz
ou mais
na
das
matriz
ob
v e t o r e s s o lu e s x s.
operao (ii) se r
usada.
Quando h ouver permutaes somente nas de linhas A, de modo a lev a r o
m aior elemento d a linha que no foi e s c a l o n a d a ain da p a ra a diagonal
p r in cip al, se e st rea liz an do um pivotamento p a rc ia l.
Quando as permutaeB so feitas nas linhas e colunas, ento, diz-se
estar realizando um pivotamento completo.
o casion an d o
menor p e rd a
da
preciso).
Com
o pivotamento
completo este mtodo torna-se bastante estv e l, apesa r de que com apenas o
pivotamento p a r c i a l ele quase to bom quanto com o pivotamento completo.
74
5.1.3
75
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
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 o fim do loop principal de reduo de colunas
DO 24 L=N,1.-1
ele ficaria par a t r o c a r a soluo no caso de per mut aao
IF ( I N DX R (L ) .N E. I ND X C( L )) THEN
de colunas. Isto 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
elemento
piv6,
76
5.2.1
R e g ra de Chi
iii) S u b tra ir
de
cada elemento
do m enor
complementar obtido,
Exemplo:
13
23
31
a 32
d e t A ^ - l j 4 *det
33
77
5.2.2
Desenvolvimento do mtodo
Versol
-1
(5.6)
1 l/a
-1
(5.7)
d e A " M - l ) w .[ 0 - ( - l ) . ] = ^11
2-11
(5.8)
que a in v e r s a de A=[a11].
a
A= a
li
21
a 12
a
(5.9)
22
78
a ii
=
12 1
a21 a22 0
-1 0
0
(5 .1 0)
1 a
l =
21
-1
12
/a
11
1/ a
11
(5.11)
22
a22
a21
a 13
+i
det(A ) = (-!)
A
0
a21 1
_
11
o - ( -1 U -
o - (-1) a
an
11
12
=
21
Fazendo novamente
22
,111
A'
(5.12)
79
11
c22
12
c21
V =
- 1 0
( 5 .1 3 )
c
c
Av =
11
11
c21
c22
-1
(5.14)
c 22
+i
det( ) = (-!)
c21
c 17
s,-1
11
- {-ixlsL .
o - (-1)
II
C
22
21
C
11
1+
11
(5.15)
12
80
5.2.3
Subrotina
IM=I-1
2
3
4
5
10
5.3
DO 3 K=1,I
DO 2 J=1,IM
B(J)=A(1,J+ 1)/ A(1, 1)
B ( I) = 1 / A ( 1 , 1)
DO 4 L=1 ,1M
DO 3 J=1,IM
A(L,J)=A(L+ 1,J+ 1)- A(L+1,1)*B(J)
A(L,I)=-A(L+1,1)*B(I)
DO 5 J=1,I
A(I ,J )=B( J)
RETURN
A (l,l)=l/A (l,l)
RETURN
END.
DECOMPOSIO DE CHOLESK Y
de
encontrada
simplesmente
esc re v en d o
(n2 + n ) / 2
81
a
a
11
a ln
12
a
2n
a22
21
-1
11
. ann
anl
21
F ..
1
nl
. I n2
22
1
1
nl n2
1
nn
1
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
algumas p r o p r ie d a d e s
e definidas
82
a^ > 0 , p a ra todo i;
ii)
iii)
iv)
d e fin id a p o sitiv a .
v)
em
A,
a matriz
equivalente
ser
d e fin id a
p o s itiv a
em
ln =
, p e la
p ro p r ie d a d e
i , o elemento
lu fica bem
p e la frmula
la = - p ,
*n
i= 2 -------- n.
(5.16)
^22
= V22 fla)
(5.17)
LLTx = b
(5.19)
^h-l
(5.20)
+ 1 kk
(5.21)
e assim
a KK = Jkl + 1 k2
c aso s
(5.22).
extremos podem acontecer.
84
5.3.1
Abaixo
um
em
"Algol"
tirado
apartir
de
p r o c e d u r e CHOLESK Y(A) LADO DIREITO: (B) ORDEM:(N) RESULTADO; (X) FALHA E SAl:
(IMPOSSVEL); 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 IMPOSSVEL;
c o m e n t r i o RESOLVE AX=B (ONDE
A
SIMTRICA EDEFINI DA POSITIVA) PELA
DECOMPOSIO
A=R.RT (ONDE
R
TRIANGULAR INFERIOR) E
ENTO
SOLUCIONANDO RY=B E R TX=Y. A MATRIZ R 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
IMPOSSVEL ; 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 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 S 0 t h e n go to IMPOSSVEL;
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
5.4
0 MTODO
DA DECOM PO SIO QR
das
incgnitas
em
uma
triangular
s u p e r io r
atravs
de
ortogonais
podem
so praticam ente
se r
obtidas
ou
equivalentes .
p e lo
processo
As
de
P r o p o s i o 1: Dado um ve to r n o-nulo
(5.23)
onde:
e, =(1 0 0)T
P rim e ir a parte:
p r o v a de (5.23)
de fina Q como
(5.24)
e tomando
86
v = a + oe,
( 5 .2 5 )
ento
w T
2vTa
) a = a - v j =
V V
V V
2(aTa + oe7a)'
aTa + a T0 Cj + 06^ + o5
.
____ y
como
tfW a
ento
Qa= a - v = a - a -
crb,
= -ocj.
(5.26)
(5.27)
onde
/+i *
~ V-l k aj<0
sendo a, o elemento de a correspo n dente ao elemento 1 de
d e fin id a como
Q = I-2uT
(5.28)
=(!,-
- T 2)=
- 2uT
(5.29)
QQT = I, ento
matriz
definida
1=1.
na
proposio
(5.30)
acima
conhecida
como
87
p e la p r i m e ir a vez em pr oblemas de a uto va lo re s.
O v e to r particular v
5.4.2 A d e c o m p o s i o QR
principal.
v vT
Qj = Im- 2 - M - , onde
Prova: P e r m i t a
IME
como em (5 .2 7 ),
a,
e,
rn
0
(5.31)
ln
a
2n
(5.32)
m2
xnn
88
1
. 0
0
( 5 .3 3 )
11 r 12 r 13
0
a O
0 a
P ro c ed e n d o
33
ln
r 2n
a
(5.34)
3n
m3
desta
m ane ira
com
no
mximo
a p lic a e s
da
QQnl. Q,A = R
chamando
(5.35)
QT = Q nQ-i~Qi> tem-se
A=QR .
5.4.3
(5.36)
89
Assim
a soluo
nica de
(QTb)n= [(QTb)i,.>(QTb)n3 8^ 08
r e s id u a l V = IjAx-b)^ se r
Prova:
xeR"
dada por
n p r im e ir o s componentes de QTb;
da
d ecom posio
QR
10^
=H
onde
o vetor
V = ^ [ ( Q Tb)j]2.
1
ih-1
ex istncia
i n d ep e n d n c ia das
x = R n1(QTb)n ,
linhas
de
A.
Da pro p ried a d e
segue
partir
da
de R n a p a r t i r da
da norma
euclid ia n a
vem
(5' 37>
<5-3 8 )
n+1
at m, tem-se
= ||RI - ( Q Tb ) ^ + |(QTb ) , |
(5.39)
Rx=(QTb),
(5.40)
5.4.4
Subrotina do mtodo QR
D E C O M P OS I O - Q R (QRDECOMP)
Propsito:
calcula a decomposio
QR de uma matriz
quadrada
e Z (conjunto
oalgoritmo
de
abaixo.
P ar me t ro s de entrada: n
M usando
90
Parmet ros de ent ra da e sada: M e R B( na salda, Q e R so embutidas em M, Ml e M2 como
descrito abaixo)
Parmet ros de sada: Ml R , M2 e R , sing e boolean
ConsideraGes sobre o ar mazenament o
1)
2)
Stewart:
R e st a contida na parte
Descrio:
A decomposio QR de M realizada usando a t r a n sf o r m a o
8lgoritmo de St ewar t[ 1973]. A decomposio retorna
de Householder pelo
sing=true se a singularidade
de M
det ect ada, sing=false caso contrrio. A decomposio se completa mesmo com a singularidade
detectada.
Algoritmo:
1
for k=l ro n - 1 do
2.1
ii
m ax { | M [ M c ] l }
2.2
XSiSn '
If ti=0
2.2.T
d et ec t ad a)
Else
M[i,k] <M[i,k]/r)
i-x
2 . 2 . E . 3 M[k,k] <- M[ k, k] +a
2 . 2 . E. 4 M 1[k] < a * M[k,k]
2.2.E.5 M2[k] <-
- ij o
2.2.E.6 For j =k +l to n do
2.2.E.6.1
M[i,k]* M [ i j ] / M l [ k ] )
i- X
2 . 2 . E . 6.2
For i=k to n do
Subrotina RSOLVE
91
Propsito: Resolve
subrotina QRDECOMP
P a r me t ro s de entrada: n e Z, M e
R ",
M2 e
P a r m e t r o s de salda: nenhum
C ons id er a o de armazenamento:
1)
Algoritmo
1.
b[nJ
b[n]/M2[n]
2.
b[i]-M[ij]*b[j]
b[i]<-------- i5------------1
M2[i]
(* Retorno do algoritmo RSOLVE *)
( END do algoritmo RSOLVE )
Subrotina
QRSOLVE
R'1Xn,
Ml e
R ,
M2 e
R"
(Q R so
embutidas em M, Ml e
De scri o:
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[i] <- b[i].t*M[i,j]
descri to na
n-1.
onde cada
subrotina ORDECOMP.
Q j uma
Assim este
92
(* b <- R b )
2.
CALL RS0LVE(n.M,M2,b)
( alg. RSOLVE*)
(* Retorno do QRSOLVE )
(* END, QRSOLVE *)
5.5
N e sta
seco
Ber
descrito
ob
p rocedim entos
de
como
obter
usada a
transformao de Givens* .
nulo
apenas
um dos
elementos
do vetor.
As
P r o p o s i o 1:
S e j a o v e to r
93
C
8 0
-8
0
. . . 0
c 0 ... 0
0 1 ... 0
(5.42)
G =
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=
V vF ^ i
s=
a/vi+vT
(5.44)
+ i
0
(5.45)
GG =
como
vf+vj
g g T=[ o
v^ +v
_ 1
=
im p lica
l]
(5.46)
deixando ambos os
94
5.5.2
0 algoritmo QR
Foi visto na se c o (5.4) como decompor uma m atriz A(in^ com mn,
po sto completo e r e s o l v e r d e s t a fo rm a o problem a de minimos quadrados.
Aqui como uma p r e p a r a o p a r a a de composio de v a l o r singular, Ber
mostrado que uma se q u n c ia de de co m p osi e s do tipo QR com A e R M" leva
a obteno do a u to v a lo re s de A.
5.5.2.1
O algoritmo QR
(5 .4 7)
(5.48)
(5 .4 9)
Ak = QkR k
(5.50)
Ak+1= R*Qh-
(5.51)
Procedendo
desta
m an e ira y o
algoritmo
sob
cir c un stnc ia s
gerais
95
5 . S.2.2
ob
autovalores bom e
(5.52)
(k-<rkIn) = Q kR k
(5.53)
Ah+1 = R kQ k +o-kI n
(5.54)
onde k = 0 , l , 2 , 3 , . . .
e crk um escalar.
A m atriz
(5.55)
* * *
0 * *
')
o
o
1
a submatriz 2x2 no
bso
au to v a lo re s aproximados de A .
96
A =
o algoritmo
QR-m odificad o,
A6 foram
comeando
de
com
k = 0 ,l , 2 , 3 , . .. ,
X2 = 2,700158 e
X{ = 9 ,4 17 8 14 . Se for
p e la
ou
tr ansfo rm ao
de
t rid iago n a l.
forma
Householder
de
deixando
Hessenberg
na
forma
trid iagonal
so
97
FIGURA 12 -
* * * *
*
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
fazendo
5.5.3
98
5.5.3.1
AeR
p osterio rm ente
0 0
0 0
e uma diagonal
consiste
de
imediatamente
elementos
no-nulos
na
os
diagonal
demais
(k=l,2,...,n )
(5.56)
H k = I, - 2 y , y J
(k-l,2,...,n-2)
(5.57)
(5.58)
99
qi !?
<2 e3
(5.59)
0
B
(m-n)
Denotando A, = A e definindo
A(k4)= Q kAk
( k = l , 2 ..... n)
(5.60)
A(k+1) = A(k^ H k
(k=l,2,...,n-2)
(5.61)
(i= k + l , . .. , m )
(5.62)
(j=k+2,...,n).
(5.63)
e H k como
Ag+1)=0
(5 .6 4)
B t = H I 2...HAtQ...QI1QI
(5.6 5)
(5.6 6)
de
Yalor
singular
de
pode
ser
ob tid a
B=USVt
(5.67)
atravs
da
100
onde
U e V
so
ortogonal
diagonal.
Ento
p e la
condio
de
A = (QU)S(HV) t
(5.68)
A = USVt .
(5.69)
ou
5.5.3.2
um componente abaixo da
Uk e
(5.71)
101
Uk so e sc o lh id a s de modo que Bk p e rm a n e a bid ia gonal supe rior p a r a todo
k.
Um paBso deste algoritmo d e sc r ito como segue.
D a d a B k> o algoritmo determina
in f e r io r d i r e i t a
in feri or
os a u tovalo res
e 2 da submatriz
d i r e i to
de M k
ser
e sco lh ido
para
se r
<7k
do
algoritmo
usual do
algoritmo
QR -m odific ado .
A
matriz
Vk
determ inda
pelo
p r o c e ss o
QR -modificado
(M k-V n^V kR x
(5.72)
(5.73)
s e ja b id ia g o n al superior.
O p a s s o detalhado
(5.73) , na ve rda de
de
so
o ndice k p o r
co m o didade
de notao
e formando
t i
e n-l
eA - l
(5.74)
eA - i
< + e2
cuja equao c a r a c t e r s t i c a se r
t r r * ) ( q f r ^ ) - M . . i ) 2= o.
Como p r o c u r a - s e o
fazer a sub stitui o
(5.75)
102
= q2+e2 - X
z>
X = q2+e2 - 5
(5 .7 6)
e BubBtituindo X de (5 .7 6) em (5 .7 5 ) resulta
f Kq+L1--<!)*-
(5.77)
j - + (g-L+e.-i ~.q"
~
(e q-i)
(enqn-i)(enqfl-i)
i=o
(5.7 8)
chamando
r= ~ ~ i
M n-l)
(5-79)
.2 _2 , J2 _2
f _ (qn- q n - i + e n- g n-i)
2(enqu-i)
(5.80 )
(5.81)
TF.
(5.82)
t={
ao
. st f<0
(5.84 )
A
a=.
(5.85)
103
P r o p o s i o 1.
tridiagonal
tI) =
abaixo
do prim eiro
elemento,
R triangular superior.
q e2
(5.86)
(5.87)
104
Vk=V2V3...Vn ;
UkT=Un...U3U2
com
1 0
0
\
1
=
i
e Vj
-8
(i-1)
(i)
, i = 2,3,...,n
p a r a i=2,3,4,...,n. A V2
105
procedimento
d e sc r ito
a cim a
um
passo do
algoritmo
da
ainda algumas
observaes
com respeito
ao
p r o c e ss o
de
algoritmo
da
procedimento
de scrito
acima
um
passo do
ain da
algumas o b s e r v a e s
com
respeito ao
p ro ce ss o
de
5.5.3.3
de ordem n-1
de B k (no estgio
em
,matriz
que
em
algum
estgio
|qk|^<5V ento
por
convenientes
Tj^+jBjj
(5.8 8)
sendo que
ek+1 aniquilado por T ^ , mas bu+2 e J k+U so gerados ;
V>1e*+2
Se
fo r
(5.89)
(k)
e scolh id o
:c
^ujjB oL
(u
unidade
de
arredondamento
B k=
B 1
(5.90)
qk de
B! considerado nulo
e qk p a s s a a se r um v a lo r singular de A.
(5.91)
107
5.5.3.4
Formao da d e co m p o si o de v a lo r Bingular de A
(5.92 )
B=UBVt .
(5 .9 3 )
(5 .9 4 )
A
a matriz U e V de (5 .9 3 ) s e r 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) 6er fo r m a d a p or
Q = QnQ ,1.. Q1
(5 97)
H = H,H3
(5 .9 8 )
de (5.68) :
A = (QU)S(HV)T
(5 .9 9 )
108
assim
(5.100)
(5.10 1 )
e finalmente
=USVT
5.5.3.5
(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
c lc u la
m a t r iz
su a
A,
com
d im e n s lo
d e c o m p o s i lo
d ia g o n a l
de
v a lo r e s
a rm a ze n a d a com o V. M
l g ic a
de v a l o r
deve
por
d im e n s lo
s in g u la r . A - U . W . V
s in g u la r e s
. A
arm aze n ad a
no
PARAM ETER
(N M A X -1 0 0 )
m 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
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 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
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
v e to r
MP
15 J - L . N
S -0 .0
DO
13 K - I . M
por
s u b s t it u i
W.
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
a t 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 .
DO
fis c x
m a t r iz
NP,
A
m a t r iz
deve
e sta
na
r o t in a
s a id a .
V (n lo
V )
s e r c o m p le ta d a
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
V ( J . I) -( A G ./ )/ A G . L )) / 0
26 C O N T I N U E
p/ e r it a r s u b f lu x o
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)
LI
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
IF
G -N E .N ) T H E N
0=1.0/0
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
39 C O N T IN U E
d ia g o n a liz a f lo
D O 49 K N .1 .-1
lo o p
da fo rm a b id r a g o n a l
e o b re r a lo r e s
D O 48 I T S = 1 .3 0
s in g u U r e t
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)
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 )
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 n c ia
IF (Z .L T .O .D ) T H E N
v a lo r s in g u la r
f e it o p o s it iv o
W ( K ) = -Z
D O 44 - 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
X = *W (L )
c o n v e rg e
em 3 0 i t i r a f e s '
v a r i a 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 )
HRV1 (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 x im a t r a n s f o r m a 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
00
TO
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 I o pod e s t i iibiViiii 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
6.
TESTES
REALIZADOS
PARA
PROBLEMA
DE
M N IM O S
QUADRA DOS L I N E A R
386-Sx.
Este
programa
foi
confeccionado
utiliza ndo
as
a velocidade
e a e s t a b i li d a d e
das
6.1
DESCRIES PRELIMINARES
2o. teste:
114
3o. teste:
Este
teste mostra a p e r d a de
informaes
ao se formar
as
4 o. teBte:
5o. teste:
6o. teste:
7o. teste:
8o. teste:
N e ste
teste
a matriz
dos
coefi cientes
tem posto
deficiente,
9o. teste:
Este teste
no
ser
im press o
completamente
no trabalho,
115
6.2
TESTES
TES TE 01:
a) p e s o s iguais:
M atriz A
3
4
2
3
v e to r b
2 1
5 9
1 0
4 5
desv. pad re s
1
2
4
7
5
5
5
5
V e t o r x ( s o l u o p o r QR)
l|V||w =c omp. de r e s d u o
- 2 . 1 9 3 5 4 8 387 1
5 . 8 7 0 967 741 9
- 2 . 0 6 4 5 16 129 0
0 . 6 6 0 4 0 0 660 40
b) p e s o s d i f e r e n t e s
desv. p a d r e s
V e t o r x ( s o l u o p o r QR)
5
7
8
- 3 . 0 9 3 515 3 5 8 3
6 . 7 7 9 5 2 2 184 3
-2.1 69 283 2 7 6 5
comp. r e s d u o
0 . 4 8 0 32 9 807 06
1
T E S T E 02:
MAT RI Z A
3
5
2
3
1 7
4
2
Vetor b
1
9
3
1
1
2
5
3
0.14393627249
0.50089273451
0.05892047795
2.7053742035
Versol
0.14393627249
0.50089273451
0 05892047795
2.7053742035
Cholesky
0.14393627249
0.50089273451
0.058920477956
2.7053742035
QR
0.14393627249
0.50089273451
0.058920477935
2.7053742035
SVD
0.14393627249
0.50089273452
0.058920477955 .
2.7053742035
116
T ESTE 03:
Vetor b
1
1
1.02
1
7
3
M a t r i z At A
3. 0
3.02
V e t o r A^b
3.02
3.0404
V e t o r soluBo
12
12 .14
-222.50
225.00
V e t o r A^b
3.02
3.04
Comentrio:
V e t o r soluBo
12
12 .1 4
45 7
-450
A]=-6,62 E -0 5
e A2=6,04 e a soluo
completamente errada.
Este teste mostra o cuidado que se deve ter ao se l e c io n a r um mtodo de
soluo p a r a o pro blem a de mnimos quadra dos linear. P a r a o segundo caso
r e c o m e n d a r - s e - i a utilizar, QR ou o SVD. Por Cholesky o p r o b le m a seria
de te ctado mas p o r Qa uss-Jordan e Versol a soluo f o r n e c i d a s e r i a errada.
T ES TE 04:
117
a)
P roblem a o r i g i n a l ( sem p e r t u b a o )
MATRIZ A
1
1
0
Vetor b
1
0
1
1
0
-5
Comp. do r es du o
2.0 00
-3 .0 0 0
Vetor b+b
1.002000
0.001000
-4.999000
Comp. do resduo
2.001
-2.999
c)
P e r tu b a o no v e t o r b i n te i r a m e n te no e sp a o n ulo de AT.
Vetor
1.001
-0.001
-5.001
Comp. do resduo
2.000
-3.000
poder
ficar
muito
elevad o
problema
(nas
c i n c i a s
bem-condionado, o
ob se rv acionais,
118
T ESTE 05:
MATRIZ, A
Vetor b
1
1
1
1
2.000 00
0.000 01
4 . 0 0 0 01
M E T O D O
DA
D E C O M P.
D E
VALOR
MATRIZ U
S I N G U L A R
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
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
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
- 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
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
V e t o r W (v al o r es s i n g u l a r e s )
V etor X (soluo)
5.77 3 4 8 2 2 2 5 7 E - 06
2 . 4 4 9 4 9 7 9 0 7 8E+00
9 . 9 9 9 9 9 1 17 26E-01
1.0000008827E+ 00
C o m p r im . do r e s d u o = 2 . 8 2 8 4 2 7 1 2 4 8 E + 0 0
b)
M a t r i z A p e r t u b a d a s o m e n t e no seu e s p a o coluna de A (a co lu n a no
nula da m a tr iz de p e r t u b a o
m l t i p l a da s egu nda
c o lu n a
de
U no
p r o b l e m a (a) ).
MATRI Z A+A
1.00001
1.00001
1.00001
1.00000
1.00001
1.00001
M E T O D O
DA
DECOMP.
DE
MATRIZ U
- 5 . 7 7 3 4 8 3 4 4 7 lE -0 1
-5.7735123143E-01
- 5 . 7 7 3 5 1 23 143E-01
VALOR
S I N G U L A R
MATR IZ V
8.1 6 4 9 7 9 4 1 7 4 E - 0 1
-4.0824692965E -01
-4.0824692965E-01
-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
-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
V e t o r W ( v a l o r e s s in g u l a r e s )
Vetor x (soluo)
2 . 4 4 9 5 1 01 5 5 2E+ 00
5.77 351 1 093 l E- 0 6
9.999890921 9 E -0 1
1 .0 0 0 0 0 0 9 0 7 9E+00
Co m p rim . do r e s d u o = 2 . 8 2 8 4 2 7 1 2 4 8 E + 0 0
119
0.99998
1.00002
1.00002
METODO
DA
D E C O M P.
D E
MATRIZ U
VALOR
S I N G U L A R
MATRIZ V
-8.1650202420E-01
4.0824284714E-01
4 . 0 8 2 4 2 8 4 7 14E-01
- 5 . 7 7 3 4 2 5 7 1 1 6E-01
- 5 . 7 7 3 5 4 1 1 8 1 6E-01
- 5 . 7 7 3 5 4 1 1 8 16 E- 0 1
-7.07 1 091 3 8 2 6 E - 0 1
7 . 0 7 1 0 4 4 2 4 1 0E-01
- 7. 07 1 0 4 4 2 4 1 OE-01
-7.0710913826E-01
Vetor x (soluo)
2.3093932540E-05
2 . 4 4 9 4 9 7 907 9 E + 0 0
1. 7 5 0 0 0 4 6 9 9 5 E + 0 0
2.5 0 0 0 0 3 0 0 4 7 E - 0 1
Comp rim . do r e s i d u o
d)
= 2 .8 28427 12 4 8 E + 0 0
1.00000 1.00000
1.00000 1.00000
1.00000
1.00002
METODO
DA
DECOMP.
DE
VALOR
MATRIZ U
- 4 . 0 8 2 5 0 9 5 5 0 8E-01
-4.0825106914 E - 0 1
8.1649385926E-01
MATRIZ V
5.7734834468E-01
5.7734834468E-01
5 .7 7 3 5 4 1 1 8 1 8 E - 0 1
-7.0710913821E-01
7.0710442415E -01
S I N G U L A R
7 . 0 7 1 0 4 4 2 4 1 5E- 01
7 . 0 7 1 0 9 1 3 8 2 1 E-01
Vetor X (solucao)
-1 .4999926775E+05
1.5000026776E+05
1.414206491 3E+00
120
comentrio: quando a pertuba&o se d somente no eBpao coluna de A, o
reBduo no Bofre a lte r a o (ver equao (4.50 ), mas a soluo sim. A maior
v a ri a o na soluo quando a p ert ub ao em A m ltip la do menor v a lo r
singular. Quando a pertubao ocorre no esp ao nulo de AT, ambos sofrem
a ltera e s, a soluo e o resduo.
TESTE 06: Este teste reune v ria s c a r a c t e r s t i c a s de uma s vez. Ele mostra
a desvantagem em Be formar aB equaes normais, c a r a c t e r i z a a dificuldade
na determinao do posto e mostra a e q u iv a l n c i a das sol ues pelo mtodo
QR e SVD.
obs.: neste e nos prximos dois testes a segu ir s e r im pre ssa a matriz de
c o v arin c ia s dos p ar m etro s ajustados ( ver GEMAEL 1974) a fim de tornar
este trabalho mais a p lic a tiv o e m ostrar uma c a r a c t e r s t i c a a mais na anlise.
O program a foi implementado p a ra fazer esses clculos.
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
- 1 .5 7 6 6 3 4 0 0 0 0 E -0 1
-1 .4 8 4 8 5 5 0 0 0 0 E -0 1
-1.359769O 0O O E-O 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
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
-1 .3 8 4 3 9 1 0 0 0 0 E -0 2
2 .0 3 8 5 5 4 0 0 0 0 E -0 2
6.667714O O O O E-02
4 .3 5 2 1 5 3 0 0 0 0 E -0 2
5.740438O O 0O E-O 2
5.024 9 6 2 0 0 0 0 E - 0 2
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
2 .1 4 9 6 6 2 0 0 0 0 E -0 2
6.2226620O O O E-O 2
7 . 2 1 3 4 8 6 0 0 0 0 E -0 2
6.200069O 0O O E-O 2
5 . 5 7 0 9 3 1OO0OE-O2
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 r e s
-0 .4 3 6 1 0 0
- 0 .3 43 7 00
- 0 .2 65 7 00
-0.039200
0.01 9 30 0
0.07 4 70 0
0.09 3 50 0
0.10 7 90 0
0.19 3 00 0
0 .2 05 8 00
0 .2 60 6 00
0.31 4 20 0
0.35 2 90 0
0 .3 61 5 00
0.36 4 70 0
1.000000
1.000000
1.000000
1. 000000
1.000000
1.000000
1.000000
1.000000
1.000 000
1.000000
1.000000
1.000000
1.000000
1.000000
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 d u o = 1 .3 92 63 1 1 2 0 8 E - 0 4
V a r i a n c i a da unidade peso a - p o s t e r i o r i =
1.9394214386E-09
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 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 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
M 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 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 v s das e q u a c o e s n o r m a i s nao e c o nf i ve l.
ME T O DO
QR
V e t o r X ( so lu & 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 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
M T O DO
DA
DECOMP.
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
DE
VALOR
S I N G U L A R
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 d u o =
1.39233 10 9 2 4 E -0 4
V a r i 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 VARINCIA
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 .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
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 .7 8 4 8 5 8 4 4 0 3 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
-2 .1 2 7 8 8 5 6 9 7 9 E + 0 4
1 .6 2 1 4 5 9 9 5 7 7 E + 0 4
2 .4770 041570E+O 4 -2 .2 5 0 4 8 8 9 7 4 8 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
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
MATRIZ A
1
7
4
2
6
4
1 0
vetor b
2
10
6
6
8
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 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 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 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 . 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
M E T O D O
DA
DECOMP.
DE
VALOR
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
S I NGULAR
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 6 E + 2 3
M T O D O
DA
DECOMP.
DE
VALOR
S I N G U L A R
( 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
Com prim. do r e s d u o
= 5.291 5 0 2 6 2 21 E+00
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
5
5
5
5
5
5
Vetor b
6
4
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 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
METODO
DA
DECOMP.
DE
VALOR
S I N G U L A R
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 d u o
= 2 .5 9 8 0 7 6 2 1 14E+00
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
Vetor W (valores singulares)
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 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
8 . 8 8 8 8 8 8 8 8 8 8 E -03
8 . 8 8 8 8 8 8 8 8 8 8E-03
8.8888888888E -03
8.8888888888E-03
TESTE 09: Este teste faz compa rao do tempo gasto p e lo s mtodos em se
obter a soluo e posterio rm ente p a r a obter a matriz de c o v a r i n c ia s dos
parmetros. Foi colocado no intuito de compa rar a v e lo c id a d e de cada um dos
mtodos. Os tempos na obteno dos r esulta do s so m ed id o s atr av s de uma
subroutina c olo cada no prog rama (su broutina V E R H O R A S ) . Sua localizao
no program a principal determina a igualdade de cond ies na comparao da
medio dos tempos. Neste teste a matriz A tem 38 linhas p o r 34 colunas, os
tempos obtidos esto r e l a c i o n a d o s na t a b e la a seguir
Mtodo
Ga uss -Jordan
VerBol
Cholesky
QR
SVD
Tempo p/ ob ter a
soluo e ||V|J
3.52 s
3.29 s
1.76 8
1.97 8
12.86 8
Tempo p/ obter a
matriz cov arin c ia
1.98 s
2.04 s
2.64 8
2.64 8
8.02 8
Tempo Total
5.50 s
5.33 8
4.40 8
4.61 8
20.88 8
128
7.
P R O B L E M A DE M N I M O S Q U A D R A D O S N O - L I N E A R
o mtodo
utilizando
decomposio de Cholesky.
T ais c o nclu ses devem serem re t i d a s na mente quando for tratado o
problem a
de
mnimos
quadradoB
n o -lin ea r,
deve
pois
este
ser r e s o l v id o
solucionado
um p r o b le m a de
(7.1)
onde:
f : Rn->R , funo objetivo
V : Rn->Rm > n o -l i n e a r em x ;
I
min
onde:
= VTPV
(7.2)
129
P a r a a soluo
progamao
de
o o-linear.
(7.1)
O
s e r prop o sto
mtodo
de
dois
mtodos
GauBs-Newton
tirados
da
mtodo
de
em G e o d sia .
O mtodo
de
V(x )= V ( x 0)+ J ( x 0) ( x - x 0 )
(7.3)
onde:
V c(x) :
J ( x 0) :
130
( x - x 0 )=Ax :
O probem a de mnimos
q u a d ra d o s
agora um
m ia ||V X = VCTP v c
(7.4)
A x = - [ J ( x 0) T p j ( * 0 ) ] - l J ( x 0 )Tp V ( x 0 )
(7.5)
(7.6)
131
x i + ] = xj - [ J ( x i ) T p j ( x i ) ] * l J(xi)Tp V (Xi)
(7.7)
* i + l = * i - (H*i)TJ ( * i ) ] - , J<*i>TV(xi)
(7.8)
Se o p r o b l e m a de mnimos quadrados
linear,
Se as equaes
pequenos,
mtodo
de
Gauss-Newton
n o -lin ea res
localmente
e V(x*) so
rapidamente
q-linearmente convergente
Desvantagens
1. Se J ( x j ) no tem posto completo a seq un cia {xj} no bem definida;
2. No tem co n v ergn cia global;
3.
No
converge
localmente em problem as
com
grandes residuais
ou
altamente n o-lineares;
4. Para p ro blem as com res iduais razoavelmente grandes ou razoavelmente
n o -lin eares a convergncia lentamente localmente q-linearmente.
132
muito
rapidamente
apre se ntado
mtodo
de
Newton,
mtodo
(7.9)
onde:
H ( x 0)=V 2f ( x 0 ) : matriz h e ssia n a .
x i+1=x; - [ H ( x i ) ] - i V f ( x i )
(7.10)
133
de Newton,
que
ele
no
globalmente convergente.
Faa Xi+]=Xj+Xj*Si;
5. v e rifiq u e se xj timo
se sim, fa a
x o p t = X j +1
e pare; Beno
fa a i = i + l e v o lte para 2.
134
p a ra a soluo.
A
propriedade
do
mtodo
de
caminhar
sempre
na
dire o
de
dado
a p a rtir do ponto aprox im ado x c e assim calcu lar oprximo ponto x+, restrito
a i|Sc!l2= 5 c . Assim,
x+ = x c+ S c
(7.11)
(7.12)
sujeito a: ||S||2 c
(7.13)
135
Se
soluo
do
p r o b le m a ,
ento
para
qualque r
d istn cia
(7.14)
(7.15)
136
(7.16)
137
(7.17)
x + = x c - [ J ( x c) T j ( x c)+fi cI ] - l J ( x c)TV(Xc)
(7.18)
(7.19)
de
(tambm
conhecid o
por
mtodo
de
marquardt).
Existem muitas estratgias p a ra esco lh er p.c e c . No entanto, neste
trabalho ser e s c o l h i d a a e stratgia tr a z id a em PRESS et a lii (1986), que
m ost ra da pelo seguinte algoritmo.
138
5. Be f ( x c+ S ) < f ( x c ), diminua
jjlc
A ordem
de
co n v erg n c ia
do
mtodo
de L e v e n b erg -M a rq u ard t,
o mtodo
de M a rq u ard t
lentamente
convergente.
Uma vantagem do mtodo de M a r q u a r d t que mesmo se J ( x c ) no tem
posto completo, o mtodo bem definido. Outra vantagem quando o passo
de Ga uss -New ton muito longo, o p a sso de Marquardt aprox im adamente na
d ireo "steepest deBcent''e com comprimento superior ao p a s s o dado usando
busca unidimensional. N a p r t i c a tal mtodo segundo autores como DENNIS e
SCHNABEL (1983), PRESS et alii (1 98 6 ), tem tido c o n v e r g n c i a global
sendo tambm o mtodo atualmente recom endado por eles p a r a r e s o l v e r o
p ro b lem a de mnimos quadrado s n o-linear.
7.2.5 C r it r io s de p a ra d a
Existe
algnB
c ri t r i o s
especiais
para
o mtodo
de
Levenberg-
2.
< to le rn c ia 2;
139
3. |V f l ^ iJ L < t o le r n c i a 3.
7.3.
Est.
X(m)
Y(m)
d i s t n c ia
Pto P
244,512 m
321,570 m
773,154 m
279,992 m
ngulo
12338'01.4"
0
PI
P2
P3
P4
Est
P
842,281
1337,544
1831,727
840,408
*********
925,523
996,249
723,962
658,345
*********
at
desvio
padro
0 ,0 12 m
0,016 m
0,038 m
0,014 m
2 ,0 "
140
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;
v5 = arctg[
X X
-]-arctg[
y2 - y (
X -X
M a triz Ja cobiano
J(*p) =
(Xp-X^/lic
( y P- y i V h c
(Xp-XjVljc
( yp- yi )/l!c
(X p-X l)/llc
(yp-yi)/lic
(xp*X] )/l i c
(yP- y i ) / l i c
(y.-yp)
(yz-yp^,
o ky
o*)' "
a*)J
Ou)'
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
o program a ser
141
QUADRO 01 -
xn
. xp
-IP-,
x2
Xl
1065,00
1 065,255 4895
1 065,255 402
1 065,255 402
825,00
825,185 719 1
825,185 719 41
825,185 719 1
N a 3 o. i t e r a o o c o r re u a c o n v e r g n c i a u s a n d o o cr i t ri o ||xj+ -Xj||oc< l e - 8 .
QUADRO 02 -
*0
x?
x?
Xl
xp
1065,00
1 065,255 286 7
1 065,255 402
1 065,255 402
yp
825,00
825,185 431 8
825,185 719 07
825,185 719 1
0,001
0,0001
le-05
le-06
QUADRO 03 -
Xo
XP
-ZP..
Xt
*7.
Xl ftfi
825,00
314,544 627 25
106,888 819 32
1065,00
1 022,170 538 9
-1 333,524 914 4
142
QUADRO 04 -
XR
Xl
xp
825,00
315,590 670 21
242,490 370 03
1 192,122 004 7
IP
1065,00
1 025,627 327
-144,829 613 47
144,334 959 54
0,001
0,0001
0,1
0,1
*in
*11
*12
*n
XP
988,3456
1 193,111 0811
1 085,355 378
1 065,478 926 2
yp
632,4211
846,533 281 64
803,024 112 82
8 25,7 69 004 8
0,1
0,01
JA
iL ._
0,001
x 14
0,0001
x is
*15
xp
1 065,255 767 8
1 065,255 402
1 065,255 402
yp
825,186 108 8
825,185 719 11
825,185 719 1
le-05
JA
Na
16.
i te ra o
le - 0 6
ocorre u
ll*i+l-*illc<le-8 e ||Vf(x)||oc< l e - 0 4 .
le-07
conv ergncia
usando
critrio
143
8.
CONCLUSES E RECOMENDAES
8.1
CONCLUSES
Problema de m n im o s q u a d ra d o s lin e a r:
mtodo mais r pido : mtodo de Cholesky;
mtodo mais estvel : mtodo da de com posio de v a lo r singular.
Problema de m n im o s q u a d ra d o s n o - lin e a r:
mtodo mais eficiente : mtodo de L evenberg- Marquardt.
alguns
dos
procedimentos
que
podem
aju dar
na
esco lh a
da
8.2
RECOMENDAES
144
sBtema
ob
do
145
sbo
o problema
t rabalh ar com o
de
mtodo
mnimos
quadrados
n o -l inea r.
Quando
for
resolver
do
p ro b lem a,
utilizar
mtodo
de
anteriores
podem
se r
usados
na soluo
de
c ad a
iterao,
no
a c e it a r
um
ponto
falso
(PITFALLS)
como
soluo,
de mnimo deve-se
como
o dado na Beco
(7.2.4)
f i c a bastante
sim plificado.
P a r a um futuro trab a lh o ,
pretend em os
aprofundar
a in d a mais
nos
146
mnimiza&o
eBtatstica.
com restri o
o tambm
dar
147
REFERNCIAS
BIBLIOGRFICAS
01
02
03
04
05
06
07
08
HAMILTON, W.C.
Statistics
in
physical
scienc e
estimation,
hypothesis testing, and least s q u a r e s . N e w York: The Ronald Press
Company, 1964. 225 p.
09
10
analysis. New
York:
Academic
148
11
12
13
14
15
16
17
18
19
20
21
STEINBRUCH, A; WINTERLE, P.
MC G r a w - H ill, 1987. 583 p.
22
23
em
lg e b ra l i n e a r . 2. ed.. So Paulo: