Algebra Linear Numerica: mudanças entre as edições
De Pontão Nós Digitais
Ir para navegaçãoIr para pesquisar
(sala e instrutor) |
Sem resumo de edição |
||
Linha 3: | Linha 3: | ||
= Informacao Comum a Ambos os Cursos = | = Informacao Comum a Ambos os Cursos = | ||
* Instrutor: [http://www.lems.brown.edu/~rfabbri prof. Ricardo Fabbri] (graduação e pós) e Francisco Duarte Moura Neto (pós) | * Instrutor: [http://www.lems.brown.edu/~rfabbri prof. Ricardo Fabbri] (graduação e pós) e [http://lattes.cnpq.br/6680742566331144 Francisco Duarte Moura Neto] (pós) <fmoura at iprj> | ||
* Recomenda-se aos alunos a assistirem as aulas de ambos os cursos sempre que possivel, dado o estilo diferente e complementar a assuntos similares. | * Recomenda-se aos alunos a assistirem as aulas de ambos os cursos sempre que possivel, dado o estilo diferente e complementar a assuntos similares. | ||
Edição das 22h07min de 21 de março de 2012
Esta eh a pagina oficial do curso de Algebra Linear Numerica (graduacao) e do curso de Analise Matricial (pos-graduacao) do IPRJ, contendo material potencialmente util ao publico geral.
Informacao Comum a Ambos os Cursos
- Instrutor: prof. Ricardo Fabbri (graduação e pós) e Francisco Duarte Moura Neto (pós) <fmoura at iprj>
- Recomenda-se aos alunos a assistirem as aulas de ambos os cursos sempre que possivel, dado o estilo diferente e complementar a assuntos similares.
Software
- Usaremos o Scilab primariamente.
- Python e Octave sao alternativas aceitaveis.
Tarefa 1
- SVD + Scilab
- Plotar circulo unitario
- Escolha uma matriz A
- Transformar cada ponto por A
- SVD visual: visualizar os eixos e esticamento da transformacao efetuada por A
- Realizar SVD usando a funcao SVD propriamente dita
- Repetir com outras matrizes A, aleatorias e nao-aleatorias. Qual o poder de modelagem de matrizes na pratica que voce pode observar assim?
- Digitar o resultado, preferencialmente em Latex, e entregar por email ou impresso.
Algebra Linear Numerica (graduacao)
- Quartas 7am-9:40am Sala 205
- Quintas 9:40am-11:30am Sala 216
Conteudo aproximado
- Foco: SVD/Singular Value decomposition, auto-valores/auto-vetores, PCA/Principal Component Analysis, demais decomposicoes matriciais.
Recursos principais
- Livro-texto: nao ha. mas veja a bibliografia do curso da pos.
- Notas sobre sistemas de coordenadas, matriz relativa a dadas bases, rotacoes (pdf)
Analise Matricial (pós)
- Quartas 5pm-6:30pm Sala 210
- Quintas 5pm-6:30pm Sala 210 (confirmar)
Recursos principais
- Livro-texto: "Numerical Matrix Analysis", Ilse Ipsen
- livro classico: "Matrix Computations", Gene Golub et. al. (inventor do algotimo mais usado de SVD).