Professional Documents
Culture Documents
Lista 1
Lista 1
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)
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.
4
while(1)
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)
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)
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)]
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.