Resolução da Lista 1

Aluno: Keylly Eyglys Araújo dos Santos

1
Capı́tulo 1

Respostas

1.1 Questão 1
 
0.6 −0.8
Para A =
0.8 0.6
Norma Absoluta = max ( k0.6k + k0.8k, k − 0.8k + k0.6k) = 1.4
s    
0.6 0.8 0.6 −0.8
Norma Euclidiana = max( ∗ )=1
−0.8 0.6 0.8 0.6
Norma Infinita = max ( k0.6k + k − 0.8k, k0.8k + k0.6k) = 1.4
 
cos θ − sin θ
Para A =
sin θ cos θ
Norma Absoluta = max ( k cos θk + k sin θk, k − sin θk + k cos θk)
s    
cos θ sin θ cos θ − sin θ
Norma Euclidiana = max( ∗ )=1
− sin θ cos θ sin θ cos θ
Norma Infinita = max ( k cos θk + k − sin θk, k sin θk + k cos θk)
 
−0.1
Para A =
2.1
Norma Absoluta = max ( k − 0.1k + k2.1k) = 2.2
s  

−0.1
Norma Euclidiana = max( −0.1 2.1 ∗ ) = 2.1024
2.1
Norma Infinita = max (k − 0.1k, k2.1k) = 2.1

2
1.2 Questão 2

1
E(x) = (Ax − b)t (Ax − b)
2
1
= [(Ax)t − bt ](Ax − b)
2
1
= [(AA+ b)t − bt ](AA+ b − b)
2
1 t
= [b (AA+ )t − bt ](AA+ b − b)
2
1 t
= [b AA+ − bt ][AA+ b − b]
2
1 t
= [b (AA+ − I)(AA+ − I)b
2
1 t
= b [AA+ AA+ − AA+ I − IAA+ ]b
2
1 t
= b [I + AA+ AA+ − 2AA+ ]b
2
(1.1)

Como A+ é pseudo inversa, A+ = (At A)−1 At

AA+ = A(At A)−1 At

A(At A)−1 At = AA−1 (At )−1 At
AA−1 (At )−1 At = I
+ +
AA AA = I (1.2)

Logo, a equação pode ser re-escrita na forma:

1 t
E(x) = b [2I − 2AA+ ]b
2
= bt [I − AA+ ]b (1.3)

1.3 Questão 3
1.3.1 Alternativa a
E = xt Ax + bt x + a, onde x = [x1 , x2
, x t
 a ∈ R, b ∈ R
3 ] , onde
3 (
 e A∈ R 3x3).
a11 a12 a13 x1 x1
E(x)=[x1 x2 x3 ] a21 a22 a23   x2  + [b1 b2 b3 ]  x2  + a
a31 a32 a33 x3 x3
Supondo: 
x1
[1 2 3]  x2  = x1 + 2x2 + 3x3
x3
*a=1

3
  
x1 a11 x2 a12 x3 a13
[x1 x2 x3 ] x1 a21 x2 a22 x3 a23  −→
x1 a31 x2 a32 x3 a33
= x21 a11 + x1 x2 a12 + x1 x3 a13 + x1 x2 a21 + x2 a22 + x2 x3 a23 + x1 x3 a31 + x2 x3 a32 +
x23 a33     
2 −1 2 x1 2x1 − 2x2 + 4x3
−→ −1 3 0   x2  =  3x2  [x1 x2 x3 ] −→
2 0 5 x3 5x3
= 2x21 − 2x1 x2 + 4x1 x3 + 3x2 + 5x3
a) E(x1 , x2 , x3 ) =xt Ax + bt x + a
   
2 −1 2 x1 x1
E(x)=[x1 x2 x3 ]  −1 3 0   x2  + [1 2 3]  x2  + [1]
2 0 5 x3 x3

1.3.2 Alternativa b
Para a função E, temos:
∇E(x)=[δE(X)]/δx] = [4x1 − 2x2 + 4x3 + 1, 6x2 − 2x1 + 2, 10x3 + 4x1 + 3]t

1.3.3 Alternativa c
H = [hij ] = δ 2 F (X)]/ δxi j
 
4 −2 4
H =  −2 6 0 
4 0 10

1.3.4 Alternativa d
A matriz hessiana é simétrica e diagonalmente forte logo é estritamente convexa.

1.4 Questão 4
1.4.1 Método do Gradiente
AGrad = [4 -2 4; -2 6 0; 4 0 10]; %Matriz A da funcao do Gradiente.
BGrad = [1; 2; 3]; %Matriz B da Funcao do gradiente.
AFunc = [2 -2 4;0 3 0; 0 0 5]; %Matriz A da funcao em si.
BFunc = [1 2 3]; %Matriz B da funcao em si.

X(1,1) = 0; X(1,2) = 0; X(1,3) = 0; %Valor inicial para X1, X2 e X3.

Xk = [X(1,1); X(1,2); X(1,3)]; %Valores iniciais de X para a execucao de cal-
culos.
Fant = Xk’*AFunc*Xk + BFunc*Xk + 1; %Valor inicial da funcao.
Alfa = 0.15; %Valor de Alfa.
I = 1; %Numero de interacoes.

4
while(1)

Xk = [X(I,1); X(I,2); X(I,3)];

Grad = AGrad*Xk + BGrad;
Xk1 = Xk - Alfa*Grad;
if(((abs(Xk(1) - Xk1 (1))) ¡ 0.0001) && ((abs(Xk(2) - Xk1 (2))) ¡ 0.0001)
&& ((abs(Xk(3) - Xk1 (3))) ¡ 0.0001))
break; %Convergiu.
end
Fprox = Fant + Grad’*(Xk1 - Xk); %F(X(k + 1)) = F(X(k)) + Grad(X(k))’*(X(K
+ 1) - X(K)).
X(I + 1,1) = Xk1 (1); X(I + 1,2) = Xk1 (2); X(I + 1,3) = Xk1 (3)
Fant = Fprox;
I = I + 1;
end
disp(’Numero de interacoes pelo metodo do gradiente:’);
disp(I);
disp(’X Otimo:’);
disp(Xk);

1.4.2 Método de Newton

G = [4 -2 4; -2 6 0; 4 0 10]; %Matriz Hessiana.
X0 = [0; 0; 0]; %X inicial.
GradX 0 = AGrad*X0 + BGrad; %Calculo do gradiente no ponto X0.
d = -inv(G)*GradX 0; %Calculo da direcao de descida.
Xot = X0 + d; %Calculo do minino.
disp(’Numero de interacoes pelo metodo de Newton: 1’);
disp(’X Otimo:’);
disp(Xot);

1.5 Questão 5
Condições de Kuhn-Tucher
Minimizar uma função F(X) = F(X1 , ... , Xn )
Sujeita as restrições Gi (X) = Gi (X1 , ... , Xn ) ≥ 0
Função de LagrangeP
L(X, λ) = F(X) + Xi Gi (X)

λi : multiplicadores
Pn de Lagrange
δF (X ∗ ) + i=1 Xi∗ Gi (X)

5f (x1, x2) = λ1 5 G1 (x1, x2) + λ2 5 G2 (x1, x2)

G1 (x1, x2) = 0
G2 (x1, x2) = 0

Monta-se o sistema linear

5
2x1 − 2 = −λ1 − 2λ2 X1
2X2 = −λ1 => λ1 = −2X2
−X1 − X2 = 0
−X12 + 4 = 0 => X12 = 4 => X1 = ±2

Resolução
Para X1 = 2 =¿ X2 = −X1 =¿ X2 = −2
λ1 = −2(−2) => λ1 = 4
e 2λ2 λ1 = −λ1 − 2X1 + 2
2X2 2 = −4 − 2 ∗ 2 + 2
4X2 = −6 => λ2 = −6 −3
4 => λ2 = 2
(2,-2)

Então (λ1 , λ2 ) = (4, −3

2 )
(X1 , X2 ) = (2, −2)
(X1 , X2 ) = (−2, 2)

Para (X1 , X2 ) = (2, −2) => f (2, −2) = 4 − 4 + 4 + 1 = 5

Para (X1 , X2 ) = (−2, 2) => f (−2, 2) = 4 + 4 + 4 + 1 = 13

Logo o (2,-2) é o ponto de mı́nimo e 5 é o valor mı́nimo

1.6 Questão 6
1.6.1 Alternativa a
1
0 d( 1+exp(−av) ) aexp(−av)
µ(v) = 1
1+exp(−av) => µ (v) = dv => µ0 (v) = (1+exp(−av)) 2 =>

aexp(−av) exp(−av)
µ0 (v) => (1+exp(−av))(1+exp(−av)) => µ0 (v) = aµ(v)( 1+exp(−av) ) => µ0 (v) =
aµ(v)( exp(−av)+1−1 0 1+exp(−av) 1
1+exp(−av) ) => µ (v) = aµ(v)( 1+exp(−av) − 1+exp(−av) ) => µ (v) =
0

aµ(v)(1 − µ(v))

1.6.2 Alternativa b
0 0
µ0 (v) = [1−exp(−av)] [1+exp(−av)]−[1−exp(−av)][1+exp(−av)]
[1+exp(−av)]2 => µ0 (v) = aexp(−av)[1+exp(−av)]−[1−exp(−av)][−aexp(−
[1+exp(−av)]2
aexp(−av)[1+exp(−av)+1−exp(−av)] 2aexp(−av)
µ0 (v) [1+exp(−av)]2 => µ0 (v) = [1+exp(−av)]2

a
Agora vamos desenvolver o termo 2 [1 − µ2 (v)]

a 2 a 1−exp(−av) 2 1−2exp(−av)[ exp(−av)]2

2 [1 − µ (v)] = 2 [1 − [ 1+exp(−av) ] ] = f raca2[1 − 1+2exp(−av)+[exp(−av)]2 ] =
2 2
a 1+2exp(−av)+[exp(−av)] −1+2exp(−av− [exp(−av)] 4exp(−av) 2aexp(−av)
2[ 1+[exp(−av)]2 ] = a2 [ [1+exp(−av)] 2 ] = [1+exp(−av)]2

Manipulando 1−exp(−av) a 2
1+exp(−av) e 2 [1 − µ (v)] foi possı́vel chegar a
2aexp(−av)
[1+exp(−av)]2 , por-
tanto conclui-se que são iguais.