Share
Embed
Transcript
123 slides
-
O Mestre e a Mestra farão, a seguir, um bate-bola
envolvendo comentários fundamentais amarrando coisas que estudamos até agora. -
A Álgebra se ocupa das operações entre entes matemáticos, como
os números. Os inteiros, naturais, racionais, reais e complexos. Não apenas. Criada no século XX, ela constitui um dos grandes campos de estudo da Matemática, envolvendo entidades mais sofisticadas que números. -
Sim, entes como os quaternions, vetores, matrizes, funções e operadores.
As estruturas algébricas como anéis, grupos, corpos, espaços vetoriais, álgebras e álgebras linear resumem propriedades comuns das operações entre esses entes abstratos. -
Elas são constituídas por um ou mais conjuntos e uma
ou mais operações definidas entre os elementos desses conjuntos satisfazendo um determinado grupo de propriedades. Estruturas algébricas são entidades matemáticas altamente abstratas -
Por exemplo, números reais, números complexos, matrizes e polinômios constituem
álgebras com as operações de adição e multiplicação entre seus elementos. O computador (leia: processador) só vem munido das operações elementares básicas: +, −,×,÷ . -
Essas operações elementares são realizadas no computador através do padrão
IEEE 754, revisado em 2008. Já vimos, e isso. É parte fundamental do aprendizado de Cálculo Numérico, que elas NÃO satisfazem todas as propriedades de uma álgebra. -
Todas as operações nas Estruturas Algébricas são definidas através de
funções! Função, é um conceito matemático abstrato fundamental e omnipresente na matemática, na ciência e na tecnologia. -
Sim, nos Cálculos aprende-se a derivar e integrar funções, de
uma ou mais variáveis. E também a analisar o comportamento de uma função, traçar seu gráfico, etc. Funções são o objeto de estudo/trabalho do Cálculo Diferencial e Integral. -
A medida de tamanho (norma) de um vetor é definida
através de funções. Lembrem-se há mais de uma forma de medir tamanho de vetor. -
A ação de matrizes em vetores é descrita olhando a
matriz como um operador linear entre espaços vetoriais. O Teorema da decomposição em valores singulares, SVD, interpreta essa ação. -
A norma (tamanho) de uma matriz é definida como uma
medida da deformação máxima causada pela matriz como um operador linear (uma função). Para matrizes, assim como para os vetores, é possível definir mais de uma norma. As NumPy e SciPy fornecem formas de calculá-las. -
Essas normas são funções (programas) que recebem vetores ou matrizes
e devolvem números. Funções! -
Neste conjunto de transparências vamos apresentar uma classe de espaços
vetoriais realmente importantes: os espaços de funções. -
Se tudo sobre espaços vetoriais se resumisse ℝ, ℂ e
ℳ×, o mundo seria pobre. As mais belas instâncias de espaços vetoriais serão apresentados pela Mestra, que se vestiu apropriadamente para mostrá-los! -
São os espaços de funções : → ℝ, cujo domínio
é um conjunto qualquer X e a valores reais, anotado ℱ(, ℝ). -
Algumas funções do conjunto ℱ(, ℝ), quando = [−1,1]. São
vetores abstratos Loirinha! -
Sim, minha filha! Podemos somar funções e também multiplicá-las por
números. Esqueça as flechas, Loirinha! -
Ponto-a-ponto como? Para , ∈ ℱ , ℝ , a
soma + é a nova função definida por + = + (), para cada ponto ∈ -
Esse é o caráter dual das funções: são vetores de
ℱ , ℝ definidos ponto a ponto. Never forget it! -
Numericamente, podemos ver a soma e a multiplicação por fator
de escala através de tabelas, para uns poucos valores de . É preciso olhar linha por linha, isto é, ponto a ponto! -
Sim! E em cada linha da tabela, vemos que: (
+ )() = () + () e ( ∙ ) = ∙ (). -
Sim Loirinha, você acabou de enunciar o caráter dual das
funções: vetores calculados em cada ponto do domínio. -
Mestre, agora mostre a soma de funções, graficamente. Seu pedido
é uma ordem! Mostrarei a soma de duas funções , ∈ ℱ( , , ℝ) , com expressões genéricas para e . -
Observem o caráter dual: para cada ponto ∈ [−1,1], a
coordenada y em vermelho é a soma das coordenadas y em azul e verde: + = + (). E fazendo isso para cada ponto ∈ [−1,1] obtemos + . -
Nesta página: A. Entrada do intervalo [. ] e vetorização
de sua partição; B. Entrada da expressão de e difusão para ; C. Entrada da expressão de g e difusão para ; D. Entrada do valor de e cálculo de () e (); E. Cálculos de valores máximos e mínimos para o gráfico; Destaquei cada passo do programa A B C D E -
Aqui o código da parte gráfica. Os gráficos de ,
, + e do ponto e de seus valores , , + () estão marcados em vermelho. A parte marcada em azul é embelezamento. F G Nesta página: F. Plotagem dos gráficos; G. Embelezamento -
Para enfatizar o caráter dual, fiz um outro programa que
mostra a “evolução” da soma + quando avança sobre o eixo-. -
Sim, as imagens mostram o intervalo [0, ] marcado em
vermelho pelo “slider” e instantâneos de + (em vermelho) sobre o intervalo [0, ], para 3 valores distintos de . -
Nas figuras, vemos claramente que + é uma soma de
segmentos orientados: 0: ( + )() = 0: () + 0: (). -
Sim, se ∈ ℱ(, ℝ) e ∈ ℝ o produto
∙ é a nova função de ℱ(, ℝ) definida para cada ∈ por ∙ = ∙ Também podemos escalar uma função ∈ ℱ(, ℝ). -
O Mestre fez um programa que mostra os gráficos de
uma função em vermelho e, em azul, a função 2 (a escalada de = 2). = np. sin(np. pi ∗ ) 2.∗ () -
Observem o caráter dual = 2 ∙ : significa que
para cada ponto ∈ [−1,1], a coordenada y em azul é o dobro da coordenada y em vermelho. = np. sin(np. pi ∗ ) 2.∗ () -
Este é início do programa. Nesta parte pedimos o intervalo
[a, b], a expressão () da f e o fator de escala L. Então devolvemos os gráficos da f e da escalada ∙ da f. -
Esta é a parte do código que permite exibir graficamente
a função f e sua escalada ∙ . -
O Mestre também fez um programa com o “slider”que mostra
a “evolução” (ao longo do eixo-) da multiplicação por um fator de escala A. -
As imagens mostram fotos de A ∙ desenhada, em vermelho,
nos intervalos [0, ] marcados em vermelho pelo “slider”, para vários valores de -
Agora, vemos claramente que A ∙ é um múltiplo do
segmento orientado: 0: (A ∙ )() = A ∙ 0: () -
O programa que gera o gráfico da multiplicação por fator
de escala, ponto-a- ponto, com o slider: -
Vamos fazer um pouco de Cálculo Numérico: construir a regra
trapezoidal para aproximar a integral definida. -
Lembrem-se, a área de um trapézio é dada por: =
(+)∗ℎ 2 . h -
a b f(a) f(b) Para uma função linear (cujo gráfico
é uma reta), temos ATrap = f a +f b ∗(b−a) 2 . Naturalmente, = . -
b = xn+1 f(x0 ) f(x1 ) f(xn ) f(xn+1
) xn a = x0 x1 x2 T0 T1 Tn-1 Tn Podemos aproximar a somando as áreas dos trapézios, como na figura abaixo: න ≅ 0 + 1 + ⋯ + −1 + Confiram, que fazendo a continha obtemos: න ≅ ℎ 2 0 + +1 + 2 =1 ( ) onde ℎ = +1 − , para = 0, 1, ⋯ , . -
b = xn+1 f(x0 ) f(x1 ) f(x n )
f(xn+1 ) xn a = x0 x1 x2 T0 T1 Tn-1 Tn Farei um programa para calcular uma aproximação, via regra trapezoidal composta, para a integral definida de uma função usando a NumPy. Quero sua ajuda Manuel! -
A ajuda da NumPy sobre uma função para somar os
elementos de um vetor, a função sum( ). -
Primeiramente, vou analisar, passo-a-passo, o código dos cálculos numéricos. Ótimo
Mestre, assim ficará mais fácil de acompanhar e entender. -
Entrando com: 1. o intervalo de integração 2. o número
de subintervalos para a regra trapezoidal. 1 2 -
3. Definindo a função () a integrar. 4. Criando a
partição do intervalo , e pegando o passo h. 3 4 -
5. Calculando os valores = ( ) para ∈ ,
por difusão. 6. Calculando a aproximação Trap para a integral ≅ ℎ 2 0 + +1 + 2 σ=1 . 5 6 -
Dados de entrada (input): 1. O intervalo [, ] de
integração. 2. O tamanho N+1 da partição [, ]. 3. A função () a integrar. Cálculos efetuados: 4. Geração da partição [, ] (usando a função linspace( ) da NumPy geramos uma partição uniforme, obtendo o vetor X e o passo h). 5. Cálculo dos valores = , ∈ (usando vetorização/difusão, obtendo o vetor Y1). 6. Cálculo da soma ℎ 2 0 + +1 + 2 σ=1 (usando a função sum( ) da NumPy) das áreas dos trapézios. Resultados exibidos: 7. A aproximação Trap para a integral . 8. O valor exato da integral, dado por ln − ln(). Portanto o algoritmo construído para calcular uma aproximação Trap para a integral é: -
Agora vou analisar, passo-a-passo, o código da parte gráfica. Tornamos
a agradecer Mestre. Assim nossa vida ficará mais fácil. -
1. Começamos gerando um vetor Y2 como o vetor X
(e o Y1) com todas as componentes nulas. 2. Depois calculamos uma folga f_h de 5% do tamanho do intervalo [a,b]. 4. usando a função sum() 1 2 f_h f_h -
4. usando a função sum() 3 4 f_v f_v 3.
Calculamos os valores máximo - M e mínimo - m, do vetor Y1 (usando as funções amax( ) e amin( ) da NumPy). 4. Depois calculamos uma folga f_v de 5% do tamanho do intervalo [m,M]. -
4. usando a função sum() 5 6 5. Geramos o
gráfico (em vermelho) da função f (usando a função plot( ) da MatPlotLib, com o label f(t), conforme já vimos). 6. Pintamos de amarelo a região entre a curva f e o eixo-x, do início ao fim do intervalo (usando a função fill_betwen( ) da MatPlotLib). Veja mais sobre a fill_betwen a seguir. -
4. usando a função sum() 7 8 7. Desenhamos os
segmentos verticais tracejados e em preto pelos pontos a e b, até a curva f (usando a função plot( ) da MatPlotLib, já vista). 8. Escrevemos o título, posicionamos a legenda e nomeamos os eixos (usando as funções correspondentes da MatPlotLib, já vistas). -
4. usando a função sum() 9 9. Posicionamos e desenhamos
os eixos x e y(usando as funções correspondentes da MatPlotLib, já vistas). 10. Acrescentamos uma grade ao gráfico(usando a função grid() da MatPlotLib, já vista). 9 10 -
4. usando a função sum() 11 11. Calculamos os extremos
A, B e Ym, YM da região para desenhar o gráfico (para dar um aspecto visual agradável). 12. Desenhamos a região que contém o gráfico. 12 A Ym B YM -
Fui buscar ajuda na API da MatPlotLib. Escolha a aba
pyplot e depois clique no que você procura. -
Executamos o programa para N = 100 e N =
200. Uma forma de conferir a precisão obtida, sem conhecer a expressão algébrica da integral. -
Aproveitei o programa da Mestra para mostrar a utilização da
função trap( ) da NumPy. Mudei também o integrando para = (2) -
Usando a fill_between( ) para delimitar a área entre duas
funções f(t) e g(t) -
Usando a fill_between( ) para delimitar a área entre a
f(t) - g(t) e o eixo-x. -
Lembrem-se o operador de integração é linear, assim a integral
da soma é a soma das integrais: න − = න − න 2ª figura (em ouro) 1ª figura (em canário) -
Destacaremos os aspectos fundamentais da medição de tamanho de vetores
“flechinha” e os transportaremos para as funções. Lembre-se das flechinhas, Loirinha! -
Como para as flechinhas, Loirinha! O tamanho de qualquer vetor
de um espaço vetorial será indicado por . -
Nenhuma flecha tem tamanho negativo! Tamanho nunca é negativo. Mais
que isso, se o tamanho de um vetor é zero ele tem que ser o vetor nulo. -
A forma matemática de descrever esse fato é: • ≥
0 • = 0 ⇒ = 0 Em particular para funções (lembre-se, do caráter dual: funções são vetores definidos ponto-a-ponto): • ≥ 0, significa que () ≥ 0, ∀ ∈ , • = 0 ⇒ = 0, significa que = 0, ∀ ∈ . -
Escalar uma flecha significa aumentar ou diminuir seu tamanho. O
tamanho da escalada é o escalado do tamanho! A tradução matemática deste fato é: = ∙ , ∀ ∈ . -
Em particular para funções, dizer que = ∙ significa, pura
e simplesmente, dizer que: () = ∙ , ∀ ∈ . Novamente o caráter dual atacando! -
A 3ª propriedade da medição de tamanho das flechinhas tem
a ver com triângulos. É a famosa desigualdade triangular: + ≤ + , ∀, ∈ . -
Lembrem-se, só pode existir um triângulo ABC quando cada lado
tem tamanho menor que a soma dos tamanhos dos outros dois: ≤ + , (p/. ex.) A B C -
Em particular, para funções, dizer que + ≤ + ,
∀, ∈ ℱ(, ℝ), significa, pura e simplesmente, dizer que: + () ≤ + , ∀ ∈ . O caráter dual novamente! -
Uma função ∙ ∶ → ℝ definida num espaço vetorial
V é uma norma quando satisfaz: I. ≥ 0 II. = 0 ⟺ = 0. III. = - a escala IV. + ≤ + - a desigualdade triangular para , ∈ e α ∈ ℝ. Mestre, relembre ao Surfista a definição abstrata de norma de um vetor! -
Sim colega, elas definem diversas formas de medir tamanho dos
vetores flechinha e de matrizes. Inclusive aprendemos a calculá-las usando a NumPy. Já vimos que nos espaços ℝ, ℂ e para as matrizes ℳ× existem diversas normas: 1 , 2 , , ∞ . -
Espaços em que é possível definir uma norma são chamados
espaços normados. Portanto os espaços ℝ, ℂ e ℳ× são exemplos de espaços normados. -
Os espaços normados completos são chamados de espaços de Banach.
Um espaço normado é completo quando toda sequência de Cauchy é convergente (para um vetor do próprio espaço). É o caso dos ℝ , ℂ e ℳ× com qualquer uma das normas. -
E como eu posso calcular o tamanho de uma função
: [, ] → ℝ ? Como já vimos nos ℝ, ℂ e em ℳ× existem diversas formas de medir o tamanho de uma vetor. O mesmo se dará para funções! -
Aproveitarei tua pergunta, Loirinha, para introduzir um novo espaço vetorial.
Trata-se de ℬ(, ℝ) o subespaço das funções de ℱ , ℝ que são limitadas. -
Lembre-se, Loirinha, uma função de ℱ , ℝ é limitada
num conjunto quando existe algum número > 0 tal que () < , ∀ ∈ . É o caráter dual atacando mais uma vez! -
É muito fácil confirmar que ℬ(, ℝ) é um espaço
vetorial pois: • a soma de funções limitadas é uma função limitada, • o produto de uma função limitada por qualquer número real resulta numa função limitada. -
Bem Mestres, respondam a pergunta da Loirinha! Em geral, como
faremos para descobrir o tamanho de uma função : [, ] → ℝ ? Mestres, estou curiosíssima em saber qual será tamanho de = 2cos( ) ? -
A expressão ∞ = () , ∈ , define uma
norma no conjunto ℬ(, ℝ) das funções limitadas num conjunto . Assim ℬ(, ℝ) é um espaço vetorial normado. As propriedades I, II , III e IV da definição abstrata de norma são facílimas de provar. Faça isto como exercício, Surfista! -
A resposta à sua pergunta, Loirinha, depende do conjunto no
qual ela está definida. Mesmo quando é um intervalo com extremos , ∈ ℝ , poderemos ter = , , , , , e (, ]. Loirinha, essa sua função é limitada qualquer desses tipos de intervalos. -
Imaginando que ela está definida no intervalo 0,2 , é
só calcular o valor máximo de () em [0, 2]. Veja graficamente: E, pelo programa, ∞ = 36,198 … -
Atenção para o detalhe neste outro exemplo, Surfista. Já vi,
Mestre, o valor máximo de () é um ponto de mínimo global da função . -
Loirinha, esse é o programa. Ele permite que você escolha
o domínio e a expressão da função. -
Já vimos que num espaço vetorial normado com uma norma
uma bola aberta de centro em ∈ e raio > 0 é o conjunto = ∈ . . − < -
A − 2 < − 1 < − ∞ <
Em ℝ2, as bolas abertas centradas em = (, ), nas normas 1 , 2 e ∞ , são os conjuntos desenhados abaixo -
Bem, Loirinha, já sabemos que essa bola é o seguinte
subconjunto de ℬ 0,1 , ℝ : = ∈ ℬ 0,1 , ℝ . . − ∞ < . Como será, Galileu, “a cara” de uma bola aberta (), centrada numa função ∈ ℬ [0,1], ℝ , com essa norma ∞ ? -
Pensando no caráter dual, significa impor que − () <
para variando no intervalo [0,1]. Mestra, para , ∈ ℬ( 0,1 , ℝ) o que significa − ∞ < ? -
() Loirinha, fixe um valor de ∈ [0,1] e marque
o ponto (, ) no plano cartesiano × . Então qualquer valor = () assumido pela em obrigatoriamente terá que satisfazer − () < . Que é um intervalo de raio centrado nesse ponto sobre a reta vertical por . Confira no meu desenho -
Escolhi alguns valores de ∈ [0,1] e desenhei os intervalos
verticais de raio centrados no ponto de coordenadas (x, ) correspondentes: 1 0 -
Surfista, tive a tentação, irresistível, de ligar os extremos deles,
como fiz na figura! 1 0 -
É isso mesmo, menina! A bola de raio entorno de
, , é a faixa azul claro desenhada abaixo. É o conjunto de todas as funções limitadas : [0,1] → ℝ situadas a uma distância menor do que da , quando usamos a régua ∞ 1 0 + r − r -
Mestra, além da bola redondinha de raio r em ℝ2,
vimos outras bolas, quadradas. E a pergunta inevitável é: Existirão outras bolas esquisitas nos espaços de funções? -
Sim minha pequena! Essa bola/faixa de raio entorno de ,
, corresponde à bola definida pela norma ∞ em ℝ2. 1 0 + r − r -
Aliás, Mestres como posso calcular a norma da soma, 1
, a 2 e as de uma função ? Elas envolvem uma soma. Use aquele S longo para somas contínuas no lugar de σ . -
Que corresponde a área entre e o eixo-. Claro, com
a correspondência σ ↔ , temos 1 = න | | -
Atenção! Estamos falando da área entre a função e o
eixo- e não da função . Observem a diferença: -
De forma semelhante, temos 2 = න 2 Que, por
sua vez, corresponde a área entre 2 e o eixo-. -
Agora trata-se da área entre a função 2 e o
eixo- e não da função . Notem que 2 = 2 -
Eis uma pergunta que eu também quero saber a resposta!
E como eu desenho as bolas de raio centradas numa função : [, ] → ℝ? -
Bem, observe primeiro que a bola, na 1 , de
centro em uma função ∶ [, ] → ℝ e raio é o conjunto de todas as funções integráveis ∶ [, ] → ℝ tais que න − () < É uma imposição sobre o tamanho da área entre a função ℎ = − e o eixo-. Se fosse a função nula estaríamos falando do conjunto de todas as funções integráveis tais que න () < . -
Esse conjunto de funções não pode ser desenhado pois a
condição sobre a área não impõe restrições sobre a forma (o gráfico) das funções : [, ] → ℝ. Sim, pensem por exemplo, nas funções ℎ : [0, 2] → ℝ definidas por ℎ = ቊ 1/ℎ 0 < ≤ ℎ 0 ℎ < ≤ 2 , para 0 < ℎ < 2. Para todas elas, ℎ 1 = න 0 2 ℎ = 1 < . -
ℎ Τ 1 ℎ 2 Sim Mestra, são retângulos com
com base ℎ e altura 1/ℎ e mais um rabinho vermelho. Todos tem área = ℎ × Τ 1 ℎ = 1. -
2 Τ 1 2 2 ℎ = Τ 1 2
1 1 1 ℎ = 1 2 1 2 ℎ = 2 Desenhei vários retângulos com base ℎ e altura 1/ℎ. Todos tem área = ℎ × Τ 1 ℎ = 1. -
ℎ Τ 1 ℎ 2 O mesmo vale para as
funções “triângulo com rabo” que esbocei abaixo. Todos tem área Τ 1 2 . Sim Mestra, são “retângulos” com base ℎ e altura 1/ℎ. Todos tem área = ℎ × Τ 1 ℎ = 1. -
Sim. Além dessas, qualquer função : [, ] → ℝ
com o gráfico como abaixo também estaria nessa bola de raio 1, desde que | | ≤ 1. Todas essas funções elas estariam numa bola de raio = 1 centrada na função nula. -
Da mesma forma, bolas na 2 , de centro em
uma função ∶ [, ] → ℝ não podem ser desenhadas pois − 2 = න − () 2 Uma vez que, novamente, − 2 < é uma imposição sobre a área da função ℎ = − 2 e o eixo-.