Algebra Linear Numerica: mudanças entre as edições
De Pontão Nós Digitais
Ir para navegaçãoIr para pesquisar
(→Aulas) |
Sem resumo de edição |
||
Linha 10: | Linha 10: | ||
* Python e Octave sao alternativas aceitaveis. | * Python e Octave sao alternativas aceitaveis. | ||
== Tarefa 1 == | == Tarefas == | ||
As tarefas devem ser formatadas com notacao matematica adequada, preferencialmente em Latex. | |||
'''Somente serao aceitos arquivos eletronicos no formato PDF ou outro formato aberto como .odt''' | |||
=== Tarefa 1 === | |||
* SVD + Scilab | * SVD + Scilab | ||
** Plotar circulo unitario | ** Plotar circulo unitario |
Edição das 02h26min de 27 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 prof. 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.
Tarefas
As tarefas devem ser formatadas com notacao matematica adequada, preferencialmente em Latex. Somente serao aceitos arquivos eletronicos no formato PDF ou outro formato aberto como .odt
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.
Aulas
- Primeiras aulas: overview, SVD, PCA, aplicacoes, notacao, bases vs sistemas de coordenadas
- Rotacoes e Sistemas de Coordenadas mar 22
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 (ver uerj.tk)
- livro classico: "Matrix Computations", Gene Golub et. al. (inventor do algotimo mais usado de SVD).