Share
Embed
Transcript
106 slides
-
A resolução de problemas inversos é a parte mais desafiadora
e interessante da Análise Numérica. -
Uma forma de resolver problemas inversos é utilizando soluções de
problemas diretos. Mestra, sinceramente, não entendi o trocadilho! -
Não é trocadilho, Cabelos de Fogo. O que você faz
para dividir um inteiro por outro inteiro ? Sim, como você calcula Τ 20 5 ? -
“Tá brincando”, Mestra, o quociente é 4. “E fiz de
cabeça”, nem pensei ! 20 5 4 0 -
Estou “vendo” seu pensamento, Surfista. Você resolveu um problema direto
5 x 4 = 20 e conferiu o resto. 20 5 4 -5x4 0 -
A bem da verdade, várias vezes. Usou a tabuada da
multiplicação, até obter a igualdade. 5 x 1 = 5 5 x 2 = 10 5 x 3 = 15 5 x 4 = 20 É ! -
É, mas e no caso de 23/5 em que a
divisão não dá exata – o resto não é zero ? 23 5 4 -20 3 Sim, e usou a definição de múltiplo inteiro para fazer a divisão: Τ 20 5 = 4 ↔ 5 × 4 = 20 -
23 5 4 -20 3 Um quociente 4 e resto
3. Portanto o resultado é 3,6. 30 5 6 0 30 = 3 x 10 e -
Vocês recorreram a três problemas diretos e ao conhecimento da
representação decimal dos números: Não Mestra, foi feita uma subtração, que é um problema inverso ! -
Será sempre assim, Mestres ? É verdade, Cabelos de Fogo,
mas 3 = 23 − 20 ↔ 23 = 20 + 3 -
Seja mais explícita na sua pergunta Loirinha ! Eu quero
saber se sempre resolveremos problemas inversos por meio de uma quantidade finita de problemas diretos. -
Não coleguinha, as dízimas periódicas respondem tua pergunta ! É
verdade, Cabelos de Fogo! Uma dízima periódica é um número decimal com um grupo de dígitos após a vírgula se repetindo, sem parar ! -
Claro: Τ 7 3 = 2,33 … = 2, ത
3 Τ 13 7 = 1,451328 451328 … = 1, 451328 Você repete as operações até obter uma aproximação satisfatória ! -
Este é um exemplo de método iterativo. A solução aproximada
é obtida por uma repetição de métodos diretos. Entra em jogo a noção de convergência de uma sequência. -
A resolução de sistemas de equações lineares é um problema
inverso extremamente importante em Engenharia. -
11 1 + 12 2 + ⋯ + 1 =
1 21 1 + 22 2 + ⋯ + 2 = 2 ⋯ 1 1 + 2 2 + ⋯ + = Surfista, confira que o sistema de equações lineares acima pode ser escrito como o produto = , abaixo e vice-versa. 11 12 ⋯ 1 21 22 ⋯ 2 ⋮ 1 ⋮ 2 ⋱ ⋮ ⋯ 1 2 ⋮ = 1 2 ⋮ = -
11 12 ⋯ 1 1 2 ⋮ = 11 1
+ 12 2 + ⋯ + 1 Sim, e isso vale para todas as outras linhas, gerando todas as equações do sistema ! Claro Mestra, ao multiplicar a 1ª linha da matriz pelo vetor , obtenho exatamente o lado esquerdo da 1ª equação: -
Mostre-nos, Manuel. Sim, e na NumPy, é o produto interno
de pelo vetor : np. dot (, ) -
Mestre, por quê a resolução de sistemas lineares é um
problema tão importante em engenharia? Porque, conforme veremos, ela é usada para obter a solução aproximada de muitos outros problemas. -
Para começar, Surfista, mostre como você resolveria uma equação do
1º grau + b = 0, O sistema linear mais simples de todos, apenas uma equação = − com uma incógnita . -
= = + Τ − E no caso de =
0 a reta é paralela ao eixo-x, cortando o eixo-y no ponto = , ou coincidindo com o eixo-x, caso = 0. Geometricamente a solução, = − Τ , é o ponto onde a reta de equação = + corta o eixo-x. -
Facílimo, Mestra ! Fiz o programa a seguir, usando float64
para as entradas , . -
E tirou um zero redondo, Surfista. Seu programa admite a
divisão por zero e pipoca em seguida: -
Uma forma bem mais elaborada é incluir uma rotina de
tratamento de erro no programa: -
Ela não só fornece a solução como trata corretamente as
duas possibilidades de divisão por zero (impossível e indeterminado), Loirinha: -
Por exemplo para ≈ 10−7, o que pode ocorrer ?
Quando é muito pequeno, realmente próximo de zero, a reta definida por = + é praticamente paralela ao eixo-x, isto trará algum problema ? -
Fui buscar os limites da IEEE 754/2008 para testarmos o
programa da Mestra, que usou float32. -
Para testar esses valores extremos, precisamos acrescentar apenas uma linha
ao programa da Mestra: -
Temos situações em que o valor de é enorme ou
de overflow. -
E também situações onde o valor de é realmente minúsculo
ou de underflow. -
Vamos explorar um pouco do que há na scipy.linalg para
resolução de sistemas de equações lineares via métodos diretos. Depois veremos métodos iterativos. -
Os sistemas lineares mais simples de resolver são aqueles cuja
matriz é diagonal. 1 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 3 0 0 0 4 0 0 0 5 1 2 3 4 5 = 1 2 3 4 5 Sim, a solução do sistema acima é: 1 2 3 4 5 = 1 /1 2 /2 3 /3 4 /4 5 /5 -
= 1 0 0 0 0 0 2 0 0
0 0 0 0 0 0 0 3 0 0 0 4 0 0 0 5 E o determinante de uma matriz diagonal é o produto dos termos da diagonal: det = 1 × 2 × ⋯ × Claro, é só pensar no desenvolvimento por linhas, ou por colunas ! -
Ele vai detonar uma bomba atômica ! O Torquinho vai
armar uma bruta confusão com determinantes e sistemas lineares ! -
Se A é uma matriz ordem n, então det =
det(). Um sistema linear = possui uma única solução quando, e apenas, quando det() ≠ 0. Os dois teoremas abaixo, são fatos sobejamente conhecidos sobre sistemas lineares e determinantes. Torno a avisar, o Torquinho é traiçoeiro ! -
0 ⋮ 0 ⋯ 0 ⋮ ⋱ 0 0 0
0 1 2 ⋮ = 1 2 ⋮ Para = 0.0001 e 1 = 2 = ⋯ = = 0.001 a solução do sistema linear acima é, obviamente, 1 = 2 = ⋯ = = 10. -
Afinal, o determinante é nulo ou não ? E o
sistema, tem ou não tem solução ? -
Observem que, de fato, det = 0.000112 = 10−48 entretanto,
no programa det _32 = 0.0 e det _64() = 1. −48 ≪ tiny32 Trata-se de um problema de precisão, jovens ! -
Cuidado Surfista, ele é traiçoeiro ! Vai nada, você só
aumentou o tamanho do sistema ! -
Para a NumPy agora o determinante é zero mesmo !
Entretanto o sistema tem solução. Ele cumpriu a ameaça ! -
Observem que det = 0.000184 = 10−336 ≪ tiny64 e
portanto, no programa, det_ 64 = 0.0 Mas, ainda assim, det > 0 . -
Não há o que fazer. Teremos que aprender a lidar
com a finitude do computador! Quem ele detonou foi a NumPy! -
Agora apresentaremos mais um problema gerado pela finitude do computador
e como contorná-lo ! -
Mestres, tentei melhorar o programa “sistema diagonal”, compararando o vetor
diag com o vetor nulo e obtive esse erro : Como deveremos proceder ? -
A mensagem de erro já traz sua resposta Loirinha: use
any( ) or all( ) . Mestra, analise a situação. -
A B Em: • Em (A) criamos um aviso com
o valor False; caso algum elemento de diag for nulo, mudamos aviso para True. • Em (B) testamos aviso e mostramos o resultado segundo seu valor. No programa “sistema diagonal” procedemos como na linguagem C: -
Com a NumPy trocamos (A) e (B) pelo código abaixo
usando a função any( ), que é vetorizada ! Conferimos ainda a igualdade com outra função vetorizada, a equal( ). -
A rotina equal( ) da numpy e suas irmãs, que
permitem comparar dois arrays elemento a elemento. -
Usei o novo código do Mestre e repeti os dados
da “explosão do mundo” ! -
Entretanto, comparar números de ponto flutuante visualmente ou com igualdade
frequentemente conduz a erros! Mestre, você está procurando cabelos na testa de um ovo! -
Preste atenção neste exemplo, Surfista ! Cacilda ! A conferência
com equal( ) indicou erro ! -
Já advertimos sobre esse tipo de problema em “Algoritmos e
estabilidade”, Surfista ! Lembrem-se o computador é uma luneta rapidíssima, mas defeituosa! -
Vocês nunca deverão comparar números de ponto flutuante IEEE 754/2008
visualmente ou via igualdade, mas sim por proximidade! -
Mostre as cartas escondidas na sua manga, Manuel. Seu pedido
é uma ordem Galileu! -
Atenção, nas duas, a forma de medir a proximidade entre
e é dada por: -
Jamais esqueçam a fala do Mestre: Nunca comparem números de
ponto flutuante IEEE 754/2008 via igualdade! Vamos refazer o exemplo anterior usando as isclose() e allclose(). -
Eis Escher tentando nos enganar visualmente, a verdade logo em
seguida, e a comparação por proximidade recuperando o “quase igual”. -
Repetindo Surfista: os Mestres compararam dois vetores y e b
componente a componente, perguntando se elas diferiam por um erro minúsculo ! Exatamente, da ordem de 32 . E isto foi feito com: -
Voltaremos ao tribar de Penrose e às ilusões visuais maravilhosas
de Escher oportunamente ! -
Curiosidade computacional: como um computador (processador, máquina virtual) executa uma
subtração de inteiros. -
O problema inverso mais simples é computar o oposto −
de um número inteiro ∈ ℤ. Lembrem-se, o oposto de é o número ∈ ℤ que resolve a equação + = 0. -
Sim para obter o oposto basta trocar o sinal de
z ! Mestres, trata-se de um problema trivial ! -
A solução computacional é outra. Lembrem-se os únicos símbolos computacionais
primários são o 0 e o 1. Todo o resto é feito com cadeias de 0’s e 1’s de tamanho pré-fixado. Como? -
Ainda assim é trivial Sherlock! Se o computador opera com
cadeias de 8 bits, ele reserva 7 para a magnitude do número e o 8º bit para o sinal, pondo 0 para + e 1 para −. É isso aí Surfista! Mestres, meu colega comprovou que trata-se, realmente, de um problema trivial ! -
Surfista, você apresentou um algoritmo para solucionar para o problema.
Como o Sherlock disse, o algoritmo computacional é outro. Sim, a solução utilizada pelos cientistas de computação é de uma engenhosidade magnífica! -
Para facilitar o entendimento descreveremos a solução nas bases 10
e 2. Começamos definindo o complemento à 9, 9 (), de um número decimal de um dígito. Na base 2 falamos em complemento à 1, 1 . -
O 9 () é o número que somado à dá
9: + 9 = 9. Veja na tabela: 9 () 0 9 1 8 2 7 3 6 4 5 5 4 6 3 7 2 8 1 9 0 Na base 2 é mais simples ainda: 1 0 = 1 e 1 1 = 0. -
Por exemplo 9 (1.036) = 8.963 e 1 1.001.101 =
0.110.010. Quando é um inteiro com vários dígitos o 9 () é obtido substituindo cada dígito de pelo seu 9 (). Na base 2 obtemos o 1 () “virando bits”: 0 → 1 e 1 → 0. -
O correspondente na base 2 é o complemento a 2:
2 = 1 + 1. O complemento a 10 () de um número com vários dígitos é, simplesmente: 10 () = 9 () + 1. -
Fácil, fácil: 10 2.751 = 7.248 + 1. Na base
2 é mais fácil ainda: 10 1.101.001 = 0.010.110 + 1. -
Fácil fazer, mas não entendo aonde vocês dois querem chegar!
Na próxima transparência farei mágica. Vou tirar um coelho da cartola! -
Nossa, dá zero! O complemento a 10 de 4.532 é
5.468. Agora some esses dois números de 4 dígitos e despreze o 5º dígito do resultado. 4.532 + 5.468 1 0.000 lixo -
Em outras palavras, para um número com dígitos, o complemento
a 10 de é o “oposto” de (basta desprezar o dígito + 1 da soma). É por esse motivo que um número inteiro negativo é armazenado no computador, como 2 (). -
Sim, quando você digita o número − 1.001.101 no teclado,
o computador guarda 0.110.010 + 1. Para o sistema operacional, bastam duas operações triviais: • “Virar os bits” do número dado; • E depois somar 1. -
É importante lembrar que, por padrão, os inteiros no computador
já são armazenados em cadeias com 8, 16 ou 32 bits. Assim, se você digita 1 1001, o computador armazena 0001 1001 (com 8 bits). Logo −1 1001 é armazenado como 1110 0110 + 1. -
0001 1001 + 1110 0111 1 0000 0000 Gostei da
mágica: Surfista, em Matemática não há mágica. Mestres expliquem isso! lixo -
Loirinha, observe que o complemento a 10 de = 3.741
é 10 () = 6.258 + 1 e portanto: 1 + 6.258 = = 1 + 9 − 3 ∙ 1.000 + 9 − 7 ∙ 100 + + 9 − 4 ∙ 10 + 9 − 1 ∙ 1 = = 1 + 9 ∙ 1000 + 9 ∙ 100 + 9 ∙ 10 + 9 ∙ 1 − − 3 ∙ 1000 + 7 ∙ 100 + 4 ∙ 10 + 1 ∙ 1 = = 1 + 9.000 + 900 + 90 + 9 −(3.000 + 700 + 40 + 1) = 1 + 9.999 − 3741 = 10.000 − 3.741 -
Resumindo: 1 + 6.258 + 3.741 = 10.000 Ou seja,
10 + = 10.000 e desprezando o 5º dígito: 10 + = 0.000. -
Resumindo tudo: O computador não faz subtrações, mas sim uma
soma com o oposto do minuendo: Moral da estória: O problema inverso foi resolvido através de uma sequência de dois problemas diretos.