Departamento de Matemática

Bolsa de Monitoria nas Disciplinas de Matemática

As inscrições estão abertas e podem ser feitas por meio do seguinte link: https://bit.ly/3qdHoTn. O período de inscrição encerra na terça-feira, 08 de agosto. O valor da bolsa é de R$ 604,80 por mês.
Os monitores selecionados deverão dedicar 12 horas por semana, sendo 8 horas presenciais e 4 horas que podem ser realizadas de forma presencial ou remota, com atendimentos na página de monitoria no Moodle.
As disciplinas contempladas com bolsas de monitoria são as seguintes:

• Álgebra Linear
• Cálculo 1 / Cálculo para Ciências Agrárias
• Cálculo 2
• Cálculo 3
• Cálculo 4
• Equações Diferenciais Ordinárias
• Geometria Analítica
• Matemática Financeira
• Pré-Cálculo

A seleção dos monitores será baseada na nota obtida na disciplina de interesse.
Para mais informações detalhadas, por favor, consultem <AQUI>.
Agradecemos antecipadamente por compartilharem essa oportunidade com os estudantes.
Atenciosamente,

Raphael da Hora

E. Krukoski

Título: Formalismo Termodinâmico para Haar Systems definidos em grupoides.

Prof. Artur O. Lopes (UFRGS)

E. Krukoski

Seminário de Otimização & Problemas Inversos

Título: Um algoritmo para minimização em variedades de Stiefel

Douglas S. Gonçalves (UFSC)

Resumo: Discutiremos sobre um algoritmo para minimização de funcionais não-lineares sobre variedades de Stiefel. Mais especificamente, vamos considerar problemas de otimização nos quais a variável de decisão é uma matriz n por p (p < n) com colunas ortonormais. Com base na transformação de Cayley, a abordagem consiste em uma busca não-monótona sobre um arco viável ao longo de uma direção de descenso suficiente. Além de mostrar que pontos limite da sequência gerada pelo algoritmo são estacionários, destacamos o custo computacional de O(np^2) + O(p^3) por iteração, que é interessante quando p << n. Por fim, iremos reportar resultados numéricos em três classes do problema e comparar com algoritmos bem estabelecidos na literatura. Este é um trabalho em conjunto com Juliano B. Francisco.

Palestrante: Douglas S. Gonçalves  (UFSC)
Data: Segunda-feira,  26 de Junho , 14h
Local: Auditório Airton Silva do Departamento de Matemática

Maiores informações:  http://mtm.ufsc.br/~maicon/seminar

E. Krukoski

Os canais de atendimento remoto da Secretaria do Departamento:

• https://chat.ufsc.br/channel/Secretaria.MTM
• E-Mail: mtm@contato.ufsc.br

Seminário de Otimização & Problemas Inversos

On stochastic projective type methods for solving large scale systems of ill-posed equations

Antonio Leitão (UFSC)

Resumo: In this article we investigate a family of stochastic gradient type methods for solving systems of linear ill-posed equations. The method under consideration is a stochastic version of the projective Landweber–Kaczmarz method in Leitão and Svaiter (2016 Inverse Problems 32 025004). In the case of exact data, mean square convergence to zero of the iteration error is proven. In the noisy data case, we couple our method with an a priori stopping rule and characterize it as a regularization method for solving systems of linear ill-posed operator equations.

Numerical tests are presented for two linear ill-posed problems:
(i) a Hilbert matrix type system with over 108 equations;
(ii) a big data linear regression problem with real data. The obtained results indicate superior performance of the proposed method when compared with other well-established random iterations.

Data: Segunda-feira, 17 de abril de 2023 às 14 horas.
Local: Auditório Airton Silva, MTM-CFM

Maiores informações:  http://mtm.ufsc.br/~maicon/seminar

E. Krukoski

Título: Novos métodos iterativos para problemas mal-postos
Palestrante: Antonio Leitão (UFSC)

Data: Segunda-feira,  13 de Março de 2023 , 14h
Local: Auditório Airton Silva, MTM

Maiores informações:  http://mtm.ufsc.br/~maicon/seminar

E. Krukoski

A Universidade Federal de Santa Catarina (UFSC) comunica, com pesar, o falecimento do professor aposentado Ailton João da Silva, conhecido como Professor Bana, ocorrido na segunda-feira, 28 de novembro, aos 77 anos.

Natural de Biguaçu, Ailton graduou-se em Matemática pela UFSC em 1972 e fez estágio no Colégio de Aplicação. Em agosto de 1980, o professor Bana passou a trabalhar no Departamento de Matemática do Centro de Ciências Físicas e Matemáticas da Universidade, onde posteriormente foi coordenador. Também integrou a equipe da Comissão Permanente do Vestibular (Coperve). Ailton João da Silva aposentou-se em março de 1992, como professor Adjunto do Departamento de Matemática.

O velório ocorreu na terça-feira à tarde, no cemitério Jardim da Paz, em Florianópolis.

A UFSC presta solidariedade à família e aos amigos do professor Ailton João da Silva neste momento de pesar

https://noticias.ufsc.br/

O Programa de Pós-Graduação em Matemática Pura e Aplicada (PPGMPA) da Universidade Federal de Santa Catarina (UFSC), campus Florianópolis, abriu processo seletivo para mestrado e doutorado, com início no primeiro semestre de 2023. Os candidatos podem se inscrever até o dia 15 de novembro. São disponibilizadas 20 vagas para mestrado e 10 para doutorado. Destas, 20% estão reservadas para estudantes indígenas, negros, pretos e pardos e 8% a pessoas com deficiência e para aquelas pertencentes a outras categorias de vulnerabilidade social.

A seleção dos candidatos envolve análise do plano de atividades acadêmicas, cartas de recomendações, histórico escolar, curriculum vitae e desempenho na prova Extramuros. As áreas de concentração são álgebra, análise, geometria e topologia, matemática aplicada. O edital está disponível na página do PPGMPA. As inscrições podem ser realizadas através do link.

Mais informações pelo e-mail ppgmtm@contato.ufsc.br ou pelo telefone (48) 3721-9232

Seminário de Otimização & Problemas Inversos

Título: A two-phase rank-based algorithm for low-rank matrix completion

Palestrante: Douglas S. Gonçalves (UFSC)

Resumo: Matrix completion aims to recover an unknown low-rank matrix from a small subset of its entries. In many applications, the rank of the unknown target matrix is known in advance. In this paper, first, we revisit a recently proposed rank-based heuristic for “known- rank” matrix completion and establish a condition under which the generated sequence is quasi-Fejér convergent to the solution set. Then, by including an acceleration mechanism similar to Nesterov’s acceleration, we obtain a new heuristic. Even though the convergence of this new heuristic cannot be granted in general, it turns out that it can be very useful as a warm-start phase (phase one), providing a suitable estimate for the regularization parameter and a good starting point to an accelerated proximal gradient algorithm (phase two) aimed to solve a nuclear-norm regularized problem. Numerical experiments with both synthetic and real data show that the resulting two-phase rank-based algorithm can recover low-rank matrices, with relatively high precision, faster than other well-established matrix completion algorithms.

Data: Segunda-feira, 24 de Outubro  de 2022 , 14h

Local: Auditório Airton Silva, Departamento de Matemática / CFM

Maiores informações:  http://mtm.ufsc.br/~maicon/seminar

E. Krukoski

Mais informações <AQUI>

Comissão organizadora do I Encontro de Pós-Graduandos em Matemática na UFSC

Francieli Triches (Doutoranda no PPGMTM-UFSC)
Rafael Borges de Souza (Mestrando no PPGMTM-UFSC)
Rafaela Filippozzi (Doutoranda no PPGMTM-UFSC)
Taina da Silva (Mestranda no PPGMTM-UFSC)

E. Krukoski