O problema de reconstruir uma função f a partir de um número finito de valores conhecidos f(x0), f(x1), ..., f(xn) aparece com frequência em modelagem matemática. Em geral, não é possível determinar f completamente a partir de f(x0), f(x1), ..., f(xn), mas, em muitos casos de interesse, podemos encontrar aproximações razoáveis para f usando interpolação, que consiste em determinar uma função (um polinômio, ou uma função racional ou trigonométrica, etc) g que satisfaça g(xi) = f(xi); i = 0, 1, ..., n: Na prática, a função interpoladora g é avaliada em precisão finita e o valor final computado de g(x) pode diferir do valor exato g(x) devido a erros de arredondamento. Essa diferença pode, inclusive, ultrapassar o erro de interpolação E(x) = f(x) - g(x) em várias ordens de magnitude, comprometendo todo o processo de aproximação. A estabilidade numérica de um algoritmo reflete sua sensibilidade em relação a erros de arredondamento. Neste trabalho apresentamos uma análise detalhada da estabilidade numérica de alguns algoritmos utilizados no cálculo de interpoladores polinomiais ou racionais que podem ser postos na forma baricêntrica. Os principais resultados deste trabalho também estão disponíveis em língua inglesa nos artigos - Mascarenhas, W e Camargo, A. P., On the backward stability of the second barycentric formula for interpolation, Dolomites research notes on approximation v. 7 (2014) pp. 1-12. - Camargo, A. P., On the numerical stability of Floater-Hormann\'s rational interpolant, Numerical Algorithms, DOI 10.1007/s11075-015-0037-z. - Camargo, A. P., Erratum: On the numerical stability of Floater-Hormann\'s rational interpolant\", Numerical Algorithms, DOI 10.1007/s11075-015-0071-x. - Camargo, A. P. e Mascarenhas, W., The stability of extended Floater-Hormann interpolants, Numerische Mathematik, submetido. arXiv:1409.2808v5 / The problem of reconstructing a function f from a finite set of known values f(x0), f(x1), ..., f(xn) appears frequently in mathematical modeling. It is not possible, in general, to completely determine f from f(x0), f(x1), ..., f(xn) but, in several cases of interest, it is possible to find reasonable approximations for f by interpolation, which consists in finding a suitable function (a polynomial function, a rational or trigonometric function, etc.) g such that g(xi) = f(xi); i = 0, 1, ..., n: In practice, the interpolating function g is evaluated in finite precision and the final computed value of g(x) may differ from the exact value g(x) due to rounding. In fact, such difference can even exceed the interpolation error E(x) = f(x)-g(x) in several orders of magnitude, compromising the entire approximation process. The numerical stability of an algorithm reflect is sensibility with respect to rounding. In this work we present a detailed analysis of the numerical stability of some algorithms used to evaluate polynomial or rational interpolants which can be put in the barycentric format. The main results of this work are also available in english in the papers - Mascarenhas, W e Camargo, A. P., On the backward stability of the second barycentric formula for interpolation, Dolomites research notes on approximation v. 7 (2014) pp. 1-12. - Camargo, A. P., On the numerical stability of Floater-Hormann\'s rational interpolant, Numerical Algorithms, DOI 10.1007/s11075-015-0037-z. - Camargo, A. P., Erratum: On the numerical stability of Floater-Hormann\'s rational interpolant\", Numerical Algorithms, DOI 10.1007/s11075-015-0071-x. - Camargo, A. P. e Mascarenhas, W., The stability of extended Floater-Hormann interpolants, Numerische Mathematik, submetido. arXiv:1409.2808v5

O problema de reconstruir uma função f a partir de um número finito de valores conhecidos f(x0), f(x1), ..., f(xn) aparece com frequência em modelagem matemática. Em geral, não é possível determinar f completamente a partir de f(x0), f(x1), ..., f(xn), mas, em muitos casos de interesse, podemos encontrar aproximações razoáveis para f usando interpolação, que consiste em determinar uma função (um polinômio, ou uma função racional ou trigonométrica, etc) g que satisfaça g(xi) = f(xi); i = 0, 1, ..., n: Na prática, a função interpoladora g é avaliada em precisão finita e o valor final computado de g(x) pode diferir do valor exato g(x) devido a erros de arredondamento. Essa diferença pode, inclusive, ultrapassar o erro de interpolação E(x) = f(x) - g(x) em várias ordens de magnitude, comprometendo todo o processo de aproximação. A estabilidade numérica de um algoritmo reflete sua sensibilidade em relação a erros de arredondamento. Neste trabalho apresentamos uma análise detalhada da estabilidade numérica de alguns algoritmos utilizados no cálculo de interpoladores polinomiais ou racionais que podem ser postos na forma baricêntrica. Os principais resultados deste trabalho também estão disponíveis em língua inglesa nos artigos - Mascarenhas, W e Camargo, A. P., On the backward stability of the second barycentric formula for interpolation, Dolomites research notes on approximation v. 7 (2014) pp. 1-12. - Camargo, A. P., On the numerical stability of Floater-Hormann\'s rational interpolant, Numerical Algorithms, DOI 10.1007/s11075-015-0037-z. - Camargo, A. P., Erratum: On the numerical stability of Floater-Hormann\'s rational interpolant\", Numerical Algorithms, DOI 10.1007/s11075-015-0071-x. - Camargo, A. P. e Mascarenhas, W., The stability of extended Floater-Hormann interpolants, Numerische Mathematik, submetido. arXiv:1409.2808v5 / The problem of reconstructing a function f from a finite set of known values f(x0), f(x1), ..., f(xn) appears frequently in mathematical modeling. It is not possible, in general, to completely determine f from f(x0), f(x1), ..., f(xn) but, in several cases of interest, it is possible to find reasonable approximations for f by interpolation, which consists in finding a suitable function (a polynomial function, a rational or trigonometric function, etc.) g such that g(xi) = f(xi); i = 0, 1, ..., n: In practice, the interpolating function g is evaluated in finite precision and the final computed value of g(x) may differ from the exact value g(x) due to rounding. In fact, such difference can even exceed the interpolation error E(x) = f(x)-g(x) in several orders of magnitude, compromising the entire approximation process. The numerical stability of an algorithm reflect is sensibility with respect to rounding. In this work we present a detailed analysis of the numerical stability of some algorithms used to evaluate polynomial or rational interpolants which can be put in the barycentric format. The main results of this work are also available in english in the papers - Mascarenhas, W e Camargo, A. P., On the backward stability of the second barycentric formula for interpolation, Dolomites research notes on approximation v. 7 (2014) pp. 1-12. - Camargo, A. P., On the numerical stability of Floater-Hormann\'s rational interpolant, Numerical Algorithms, DOI 10.1007/s11075-015-0037-z. - Camargo, A. P., Erratum: On the numerical stability of Floater-Hormann\'s rational interpolant\", Numerical Algorithms, DOI 10.1007/s11075-015-0071-x. - Camargo, A. P. e Mascarenhas, W., The stability of extended Floater-Hormann interpolants, Numerische Mathematik, submetido. arXiv:1409.2808v5

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-06-23T21:14:46Z No. of bitstreams: 1 JonathanQueiroz.pdf: 631286 bytes, checksum: 2cab2a7d6e496bf574ddef1f49a77440 (MD5) / Made available in DSpace on 2017-06-23T21:14:46Z (GMT). No. of bitstreams: 1 JonathanQueiroz.pdf: 631286 bytes, checksum: 2cab2a7d6e496bf574ddef1f49a77440 (MD5) Previous issue date: 2016-03-08 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPQ) / The discrete Riccati algebraic equation has played an increasingly important role in optimal control theory and adaptive ltering. For this reason, various techniques have been developed to solve the DARE, for example the approach based on self vectors or approaches related to invariant subspaces [1], which require mathematical rigor and precision. However, these approaches present a number of problems, among them the fact that they can not be implemented in real-time due to its high computational cost to estimate the solution of DARE in many systems, especially systems with higher order three. In order to overcomes this problem, we propose to solve the DARE using as an estimator based on the sum of potential error pairs. The estimator is similar to the Recursive Least Squares (RLS), but with a better performance in terms of convergence speed and estimation accuracy without a signi- cant increase in computational complexity. The estimator is called Recursive Least Non-Squares (RLNS). One other aspect in unraveling the general DARE is to ensure that DARE is numerically well conditioned. To perform the numerical conditioning of DARE, a matrix decomposition technique known as Moore-Penrose inverse or generalized inverse is used. The proposed method is evaluated in a multivariate system 6th order corresponding to the wind generator. The method is evaluated under the numerical stability point of view and speed of convergence. / A equação algébrica Riccati discreta (discrete algebraic Riccati equation (DARE)) tem desempenhado uma papel cada vez mais importante na teoria de controle ótimo. Por esse motivo, varias técnicas tem sido desenvolvidas para solucionar a DARE, por exemplo a abordagem baseada em auto vetores ou ainda abordagens relacionadas a subespaços invariantes, as quais requerem rigor e precisão matemáticas. No entanto, estas abordagens apresentam uma serie de problemas, dentre eles, o fato de não poderem ser implementadas em tempo real devido ao seu alto custo computacional para estimar a solução da DARE em diversos sistemas, sobretudo sistemas com ordem superior a três. Com o intuito de contorna este problema, propomos solucionar a DARE utilizando um estimador baseado na soma das potencias pares do erro. O estimador e similar ao Recursive least squares (RLS), mas com um desempenho melhor em termos de velocidade de convergência e precisão de estimativa, sem aumento significativo da complexidade computacional. O estimador é denominado Recursive Least Non-Squares (RLNS). Um outra aspecto para que possamos solucionar a DARE de forma geral, e garantir que a DARE seja numericamente bem condicionada. Para efetuar o condicionamento numérico da DARE, será utilizada uma técnica de decomposição matricial conhecida como inversa de Moore-Penrose ou inversa generalizada. A metodologia proposta e avaliada em um sistema multivariavel de 6th ordem correspondente ao gerador eólico.