Diferenciais. dy dx = lim y(x + x) y(x) (7.2)
|
|
- Vinícius Monsanto
- 5 Há anos
- Visualizações:
Transcrição
1 Capítulo 7 Resolução Numérica de Equações Diferenciais Neste Capítulo nosso objetivo éencontrar a solução de uma equação diferencial de primeira ordem que tem a forma dy = f(x, y) (7.1) dx onde x é a variável independente, y é a dependente. Resolver esta equação significa encontrar a função y(x) que a satisfaz, o que na maioria dos casos não é possível de se fazer analiticamente. Os problemas de interesse atualmente em Física envolvem equações diferenciais muito complicadas cujas soluções analíticas são obtidas, na melhor das hipóteses, para aproximações bastante drásticas do problema original, e por isso existe um enorme interesse na obtenção de soluções numéricas. Os métodos que veremos aqui são muito simples mas já servirão para analisar uma série de problemas. O ponto de partida para todos os métodos de solução numérica é a própria definição de derivada dy dx = lim y(x + x) y(x) x 0 x (7.2) O problema de calcular a derivada numericamente está no limite x 0. Como fazer esse limite na prática? O quanto pequeno deve ser x para que possamos considerá-lo satisfazendo esse limite? Essas são as questões cruciais aqui. O uso de um x finito, embora pequeno, vai trazer um erro no nosso cálculo, e o melhor que se pode fazer é minimizá-lo. Ess problema é muito mais complicado do que parece, primeiro por que existe uma questão de custo-benefício, se x é muito pequeno teremos problemas na obtenção de um comportamento para x, que é o desejado em muitos casos, e além disso, veremos que a discretização da equação diferencial, ou seja, o uso de (7.2), transforma a equação diferencial em um mapa que pode ter comportamento completamente diferente do desejado. De um modo geral, podemos classificar os erros computacionais de um determinado método como: Erros de discretização: Se x fosse realmente infinitesimal todos os métodos seriam exatos. Infelizmente um tamanho de passo infinitesimal requereria infinitos passos para varrer um determinado intervalo. A acurácia do cálculo pode ser monitorada se observamos as variações nos valores computados quando o tamanho do passo de x para 1 2 x, por exemplo. A redução do passo melhora a acurácia com relação ao valor teórico (valor obtido pela equação contínua) às custas da execução de mais passos e conseqüentemente mais operações aritméticas. Erros de truncagem: A origem desse tipo de erro pode ser entendida se observamos o desenvolvimento por série de Taylor de uma função. A série de Taylor nos diz como podemos aproximar o comportamento de uma função y(x) numa vizinhança de tamanho x do ponto x 0, por uma soma de potências de x. y(x 0 ± x) =y(x 0 ) ± x dy dx + 1 x=x0 2! ( x)2 d2 y dx 2 ± 1 x=x0 3! ( x)3 d3 y dx 3... (7.3) x=x0 47
2 CAPÍTULO 7. RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS 48 Cada termo da série é menor, em módulo, que o anterior. Deste modo se decidirmos parar a soma no segundo termo, por exemplo y(x 0 ± x) =y(x 0 ) ± x dy dx. (7.4) x=x0 O maior termo que estaremos omitindo será da ordem de (d 2 y/dx 2 )( x) 2, ou seja, um erro O((d 2 y/dx 2 ) x 2 ). Nesta aproximação, estaremos indo do ponto y(x 0 ) para o ponto y(x 0 + x) através de uma linha reta que vai de x 0 até x 0 + x. Esta aproximação pode ser adequada se y(x 0 ) é uma função suave e se o tamanho do passo, x, é pequeno o suficiente, mas certamente não é própria para funções que variem muito rapidamente. A solução é considerar termos de ordem mais elevada na expansão de Taylor, o que gera um algoritmo consideravelmente mais complicado. Erros de arredondamento Toda operação aritmética executada por um computador envolvendo números reais resulta em perda de acurácia devido ao tamanho finito da representação interna dos números reais, como discutido no Capítulo 1. Essa questão é relevante quando milhares ou milhões de operações são realizadas, como quando resolvemos equações diferenciais. Quanto mais operações efetuamos, maior o erro de arredondamento, e este em geral aumenta quando o tamanho do passo diminui ou quando consideramos termos de ordem mais elevada na expansão de Taylor. Quando desenvolvemos uma solução numérica para uma equação diferencial devemos considerar todos os tipos de erro e procurar otimizar o tamanho do passo que minimiza o erro de uma forma global. Em termos do algoritmo computacional nosso objetivo é a determinação da seqüência de pares (x 0,y(x 0 )), (x 0 + x, y(x 0 + x)), (x 0 +2 x, y(x 0 +2 x)) etc, o que faremos avançando a posição inicial (x 0,y(x 0 )) de acordo com um determinado algoritmo. No que se segue, y(x i ) é o valor exato da solução na posição x i, e y i é o valor computado. 7.1 O Método de Euler O método de passo único mais simples é o método de Euler e se baseia na seguinte definição de derivada dy y(x + x) y(x) dx x (7.5) que corresponde a tomar apenas o termo linear da expansão em série de Taylor de y(x). Portanto, é um método O( x) e estaremos cometendo um erro de truncagem O(f x 2 ). Aqui, x é finito, e pode ser usado para se escrever o algoritmo computacional y i+1 = y i + f i x (7.6) onde f i representa a função f(x, y), calculada no ponto inicial do intervalo, (x i,y i ). A representação gráfica de (7.6) pode ser vista na figura 7.1. O cálculo de y i+2 vai depender do valor calculado no passo anterior, y i+1, e assim por diante. Chamamos de processo iterativo esta forma de cálculo. Note que não há como determinar um valor y n sem calcular todos os valores y i anteriores. E geral precisamos calcular um número muito grande de iterações, assim, o algoritmo deve ser muito eficiente, ou seja envolver o mínimo de operações. Nisso o método de Euler é muito bom, mas o erro é grande e vai acumulando à medida que a solução avança, deixando o método restrito a poucas aplicações. 7.2 Modificações no Método de Euler A maneira assimétrica de calcular a derivada no método de Euler, usando o valor de f(x, y) no início do intervalo, é problemática. Certamente se tormarmos o valor da derivada no centro do intervalo, ou a média entre os valores tomados em vários pontos do intervalo, teríamos uma melhora no método. Vamso ver duas formas simples de melhorar muito a acurácia, a primeira usando a média dos valores de derivada no início e no fim do intervalo, e depois usando o valor da derivada no ponto central do intervalo.
3 CAPÍTULO 7. RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS 49 y i+1 f i y=f x i y(x i+1) y(x) y i x x i x i+1 Figura 7.1: Método de Euler para calcular a variação de y i até y i+1. Método de Heun O algoritmo proposto no método de Heun substitui a derivada no início do intervalo, pela média dos valores inicial e final (Fig. 7.2), ou seja y i+1 = y i (f i + f i+1 ) x (7.7) Note que f i+1 depende de y i+1, assim a equação (7.7) não pode ser resolvida diretamente para y i+1. Precisamos fazer primeira uma iteração usando o método de Euler, obtendo uma estimativa para y i+1. Veja como fica a seqüência de iterações a partir do valor inicial (x 0,y 0 ): f 0 = f(x 0,y 0 ) y 1 = y 0 + f(x 0,y 0 ) x estimativa pelo método de Euler x 1 = x 0 + x f 1 = f(x 1,y 1 ) y 1 = y (f 0 + f 1 ) x valor final de y 1 f 1 = f(x 1,y 1 ) usando o valor final de y 1 y 2 = y 1 + f(x 1,y 1 ) x estimativa pelo método de Euler x 2 = x 1 + x f 2 = f(x 2,y 2 ) y 2 = y (f 1 + f 2 ) x valor final de y 2... (7.8) Método do Ponto Central Neste caso em vez de y i+1 = y i + f i x temos y i+2 = y i + f i+1 2 x (7.9) onde f i+1 é a derivada de y(x) no ponto intermediário x i+1 (Fig 7.3. Neste caso, usamos o método de Heun para iniciar o processo. Veja como é o esquema, a partir da condição inicial (x 0,y 0 ): y 1a = y 0 + f(x 0,y 0 ) x = y 0 +( y) a primeira estimativa de y 1 x 1 = x 0 + x
4 CAPÍTULO 7. RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS 50 y(x i+1) y i+1 y i f i f i+1 y(x) y= x(f i +f i+1)/2 x x i x i+1 Figura 7.2: Método de Heun para calcular a variação de y i até y i+1. f 1 = f(x 1,y 1a ) ( y) b = f 1 x e y 1b = y 0 + y b segunda estimativa de y 1 y = 1 2 [( y) a +( y) b ] e y 1 = y 0 + y valor final de y 1 y 2 = y 0 + f(x 1,y 1 )2 x x 2 = x 1 + x y 3 = y 1 + f(x 2,y 2 )2 x x 3 = x 2 + x y 4 = y 2 + f(x 3,y 3 )2 x... (7.10) f i+1 y(x i+2) y(x) y i+2 y i y=f 2 x i+1 x x i+1 x i x i+2 Figura 7.3: Método do ponto central para calcular a variação de y i até y i+2. Generalizaçã o A conclusão que tiramos a partir dos métodos de Heun e do ponto central, é que o método de Euler pode ser refinado quando usamos a informação sobre a derivada em pontos intermediários do intervalo, o que significa, como veremos abaixo, levar em conta a curvatura de y(x). Vamos analisar um método generalizado, que toma um ponto intermediário qualquer entre x i e x i+1, e usa a média ponderada de derivadas, gerando o algoritmo y i+1 = y i + f x, (7.11) onde f é determinada pela equação f = af i + bf i, (7.12)
5 CAPÍTULO 7. RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS 51 onde a e b são os pesos e f i é a derivada calculada no ponto (x i,y i ), enquanto que f i em algum ponto intermediário definido como é a derivada calculada f i = f(x i + α x, y i + βf i x) (7.13) }{{} y onde os parâmetros α e β especificam a posição do ponto intermediário. Os quatro parâmetros devem ser escolhidos de forma a otimizar a acurácia do resultado, e não são totalmente independentes. A derivada no ponto intermediário pode ser escrita como uma expansão em série de Taylor ao redor do ponto inicial. Mantendo apenas o termo de primeira ordem temos f(x i + α x, y i + β y) =f(x i,y i )+α x f x + βf i x f i y + (7.14) i Substituindo a expansão (7.14), em (7.12) e levando este resultado em (7.11), obtemos: [ y i+1 = y i + x (a + b)f i + bα x f x + bβf i x f ]. (7.15) xi,y i y Considere a solução exata, y(x), expandida em série de Taylor, nas vizinhanças do ponto x i, até a segunda ordem: y(x i + x) = y(x i )+ x dy dx + 1 xi 2 ( x)2 d2 y dx 2 xi [ = y(x i )+ x f(x i,y(x i )] + 1 ] df x. (7.16) 2 dx Mas df(x, y) dx Substituindo (7.17) em (7.16) temos xi,y i = f x + dy f dx y = f + f(x, y) f x y. (7.17) [ y(x i + x) =y(x i )+ x f [x i,y(x i )] + 1 f x 2 x + 1 xi 2 xf [x i,y(x i )] f y xi xi ] (7.18) Quando comparamos a expressão (7.15) com (7.18) vemos que, para que as duas sejam equivalentes, os parâmetros a, b, α e β estão relacionados: a + b = 1 αb = βb = 1 2 (7.19) São três equacões e quatro incógnitas por isso temos liberdade em escolher os parâmetros. Uma escolha possível é a =0 b =1 α = β = 1 (7.20) 2 que resulta num algoritmo idêntico ao do método do ponto central discutido anteriormente. A escolha que leva ao algoritmo do método de Heun é a = b = 1 2 α = β = 1 (7.21) Verificamos assim que os dois algoritmos incluem termos O(f x 2 ) no cálculo de y i+1, evidenciando o fato que levam em conta a concavidade da solução melhorando consideravelmente a acurácia da solução calculada. Esses métodos também são conhecidos como métodos de Runge-Kutta de segunda ordem.
6 CAPÍTULO 7. RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS Representação do movimento no espaço de fase Os métodos acima podem ser generalizados para um sistema descrito por qualquer número de variáveis se usamos a notação vetorial, definindo como S o estado do sistema. Por exemplo, num movimento unidimensional, a componente S 1 pode ser a posição, e S 2 a velocidade. Num movimento bidimensional, S 1 e S 2 podem ser as coordenadas x e y, es 3 e S 4 as respectivas componentes da velocidade. Com essa generalização, a equação(7.1) é escrita como ds dx = f ( ) S,x (7.22) A definição das componentes de S não é única, e em geral é feita através da utilização de grandezas físicas, tais como posição e velocidade. O vetor S define um ponto, ou um estado do sistema, no que chamamos espaço de fase. A evolução temporal de um sistema corresponde à trajetória desse ponto no espaço de fase multidimensional. A definição do espaço de fase permite que possamos escrever uma equação diferencial de ordem mais elevada como um sistema de equações acopladas, na forma (7.22). Vejamos como fazer isso, usando um exemplo bem conhecido, o oscilador harmônico simples (OHS). O sistema é o corpo que está oscilando ao longo de uma linha, por exemplo pela compressão e descompressão de uma mola. Seu estado é caracterizado pelos valores de posição, x, e velocidade, v. Conhecemos a equação do OHS na forma de equação diferencial de segunda ordem para uma variável escalar [5], d 2 x 2 + ω2 x =0, (7.23) onde ω é a freqüência natural do oscilador. Esta equação tem como solução uma função harmônica, e pode ser escrita como x(t) =A cos(ωt + φ), (7.24) onde A é a amplitude do movimento e φ a constante de fase. Não estamos interessados em variar ω portanto vamos eliminar esse parâmetro redefinindo a escala de tempo: t = ωt. Nessa escala adimensional o tempo é medido em unidades do período, τ, dividido por 2π. Por exemplo, se t = 1, o tempo decorrido foi τ/2π. Abandonando a linha do nome da variável temos, d 2 x + x =0, (7.25) 2 e x(t) = A cos(t + φ). Para usar os métodos descritos neste capítulo, precisamos escrever a equação (7.25) na forma de duas equações de primeira ordem. Isso pode ser feito com a definição: dx = v, (7.26) que quando substituída em (7.25) leva a dv = x. (7.27) As duas equações acima podem ser escritas de forma compacta usando uma notação vetorial: d S = f( S) ou seja, ds 1 = f 1 (S 1,S 2 )= S 2 e ds 2 = f 2 (S 1,S 2 )=S 1, (7.28) onde S 1 x e S 2 v. A determinação das condições iniciais nos diz em que ponto do plano xv o movimento começa, e a evolução temporal do sistema será dada pela seqüência de pares (x, v), gerando uma trajetória. Neste caso temos que x 2 +v 2 = A 2, logo a trajetória no espaço de fase será um círculo de raio A determinado pela condição inicial. A escolha do sinal em (7.26) faz com que o círculo seja percorrido no sentido antihorário, ou trigonométrico (confira!).
7 CAPÍTULO 7. RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS Escolha do passo de discretização Em qualquer método usado, a escolha do valor de x de ve ser feita com muito critério. Uma regra ótima para uma primeira estimativa é que x X/100, onde X é um valor característico de x para o sistema. Aqui estaremos associando a variável independente ao tempo, então x = t, que é um pequeno intervalo de tempo, e seu valor pode ser escolhido através da estimativa de um tempo característico T. Por exemplo, para o OHS esse tempo característico é o período. Claro que nesse caso sabemos exatamente o valor de T, se tivermos um oscilador qualquer, podemos consider o valor de T para um OHS similar, ou fazer uma primeira determinação numérica grosseira. A sensibilidade com o t escolhido pode ser verificada variando seu valor e analisando como o resultado foi afetado. Veja na figura 7.4 como a escolha errada do passo de discretização pode levar a conclusões equivocadas. Figura 7.4: Comparação entre a solução analítica (linha contíua) e a numérica obtida pelo método de Euler (círculos), para um oscilador harmônico de período 2π. (a) é da ordem de 2π/100, e a concordância é razoável, e (b) é grande demais, a solução numérica não parece conservar a energia mecânica Instabilidade por discretização Talvez o pior problema a ser enfrentado na solução numérica de equações diferenciais é a possibilidade de alteração de estabilidade da solução pelo processo de discretização. Em poucas palavras, a discretização de uma equação diferencial transforma um problema contínuo em discreto, e não há qualquer garantia que o tipo de solução dois dois seja a mesma. Vamos ver um exemplo clássico desse problema, adiscretização da equação logística. Um modelo simples para a evolução temporal de uma determinada população foi proposto por Verhults em 1838, levando em conta uma correção ao modelo de Malthus (1798) que previa um crescimento exponencial da população. No modelo de Verhults, há um termo que limita o valor máximo da população, representando todos os efeitos já observados em caso de superpopulação, ou seja, epidemias e fome. A equação resultante (equação logística) tem a forma dp = kp(1 p), (7.29) e tem como solução a função sigmoidal p(t) = p 0 e kt 1+p 0 (e kt 1), (7.30) onde k é um parâmetro que combina o efeito da reprodução e da limitação da população, e p fica definida entre 0 e 1, ou seja, p representa a população normalizada pelo maior valor possível para a espécie, devido à
8 CAPÍTULO 7. RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS 54 toxidade mútua ou à falta de nutrientes. A função (7.30) é bem comportada, sua forma para diversos valores de k pode ser vista na figura 7.5. É fácil verificar que a solução (7.30) tem um comportamento razoável: para p 1 a população tem uma taxa de crescimento alta, mas à medida que se aproxima de 1, chegando perto da saturação, o crescimento passa a ser muito lento, mostrando uma auto-regulagem do sistema. Se a equação (7.29) for discretizada pelo método de Euler, teremos a seguinte expressão: Figura 7.5: Comportamento da solução (7.30) para diversos valores de k. p(t + ) =p(t)+kp(t)[1 p(t)]. (7.31) Dependendo do valor de c = k a seqüência de valores p(0), p(), p(2), etc, pode ser completamente diferente da solução contínua. Por exemplo, a figura 7.6 mostra a solução a partir de (7.31) para c =3.0, com =0.5 ek =6. A discretização de uma equação diferencial a transforma em um mapa, um sistema dinâmico capaz de Figura 7.6: Comportamento da solução (7.31) para k =6e =0.5, que resulta em c = 3. A linha tracejada corresponde à expressão (7.30) para k = 6. apresentar caos em uma dimensão. Para que uma equação diferencial apresente caos, é preciso que seja pelo
9 CAPÍTULO 7. RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS 55 menos de terceira ordem. As primeiras observações de caos determinístico foram feitas exatamente durante o processo de discretização de equações diferenciais [10, 11, 12, 13]. 7.5 Exercícios 1. Embora possa ser resolvida analiticamente, a equação de movimento do oscilador harmônico é ótima para testar os métodos apresentados no capítulo. (a) Escreva programas para obter os valores (x, v) e(x, t) para a equação (7.25) pelos métodos de Euler, Heun e ponto central. O cálculo de f deve ser feito com a função void f(float *X, float *F) { F[0] = -X[1]; F[1] = X[0]; } (b) Faça os gráficos de x(t) obtido pelos métodos acima usando o mesmo valor de. Comente os resultados. (c) Construa o gráfico da trajetória no espaço de fase para os três métodos. (d) Considere agora que o movimento é amortecido. Repita o item 1c para d 2 x 2 + bdx + x =0, (7.32) para os casos de amortecimento crítico, subcrítico e supercrítico.
10 Bibliografia [1] Intel Coporporation. IA-32 Intel Architecture Software Developer s Manual [2] Winn L. Rosch. The Winn L. Rosch Hardware Bible (6th Edition). Que, [3] [4] guide/ram guide.part1-1.html. [5] H. Moysés Nussenzveig. Curso de Física Básica 2. Edgard Blucher, [6] Kittel e Kroemer. Thermal Physics. W.H. Freeman and Company, [7] S. R. A. Salinas. Introdução à Física Estatística. Edusp, [8] W. H. Press, B.P. Flannery, S. A. Teukolsky, and W.T. Vetterling. Numerical Recipes in C. The Art of Scientific Computing. Cambridge, [9] K. R. Symon. Mechanics. Addison-Wesley, [10] P. Collet and J-P. Eckmann. Iterated Maps on the Interval as Dynamical Systems. Birkhauser, [11] E. A. Jackson. Perspectives of nonlinear dynamics, volume 1. Cambridge, [12] H. Moysés Nussenzveig, editor. Complexidade e Caos. Editora UFRJ/COPEA, [13] P. M. Castro de Oliveira. Sistemas complexos. Ciˆncia Hoje, 16:35,
Queremos resolver uma equação diferencial da forma. dy dx. = f(x, y), (1)
Resolução Numérica de Equações Diferenciais Método de Runge Kutta Queremos resolver uma equação diferencial da forma dy dx = f(x, y), (1) Isto é: queremos obter a função y(x) sabendo sua derivada. Numericamente:
f(x) =e x sin =0. (3.1)
Capítulo 3 Método da Bisseção Na maior parte dos casos a solução de f(x) = 0 só é possível numericamente, assim, os algoritmos para determinação de raízes devem fazer parte do repertório de programação
Integral. Queremos calcular a integral definida I = O valor de I será associado a uma área. Veremos dois métodos (por enquanto)
Integral Queremos calcular a integral definida I = b a f(x)dx. O valor de I será associado a uma área. Veremos dois métodos (por enquanto) Método do Trapezóide Método de Simpson 1 Método do Trapezóide
Erros nas aproximações numéricas
Erros nas aproximações numéricas Prof. Emílio Graciliano Ferreira Mercuri Departamento de Engenharia Ambiental - DEA, Universidade Federal do Paraná - UFPR emilio@ufpr.br 4 de março de 2013 Resumo: O objetivo
Modelagem Computacional. Parte 8 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 8 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 10 e 11] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 6 Resolução Numérica de Equações Diferenciais Ordinárias Objetivo: Resolver Equações Diferenciais Ordinárias utilizando métodos
CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 22 07/2014 Resolução Numérica de Equações Diferenciais Ordinárias Objetivo: Resolver Equações Diferenciais Ordinárias utilizando
Solução Numérica de EDOs
Solução Numérica de EDOs Maria Luísa Bambozzi de Oliveira SME0300 Cálculo Numérico 10 de Novembro, 2010 Introdução Equação Diferencial de 1a. Ordem y = f (x, y) f : função real dada, de duas variáveis
Modelagem Computacional. Aula 5 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Aula 5 2 Prof. Thiago Alves de Queiroz 2 [Cap. 5] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning, 2010. Thiago
Algoritmos Numéricos 2 a edição
Algoritmos Numéricos 2 a edição Capítulo 7: Equaç~oes diferenciais ordinárias c 2009 FFCf 2 Capítulo 7: Equações diferenciais ordinárias 7.1 Solução numérica de EDO 7.2 Métodos de Runge-Kutta 7.3 Métodos
Equações diferenciais ordinárias
Departamento de Física Universidade Federal da Paraíba 24 de Junho de 2009 Motivação Problemas envolvendo equações diferenciais são muito comuns em física Exceto pelos mais simples, que podemos resolver
Marina Andretta. 17 de setembro de Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright.
Métodos de regiões de confiança Marina Andretta ICMC-USP 17 de setembro de 2014 Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright. Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear
Física 2 - Movimentos Oscilatórios. Em um ciclo da função seno ou cosseno, temos que são percorridos 2π rad em um período, ou seja, em T.
Física 2 - Movimentos Oscilatórios Halliday Cap.15, Tipler Cap.14 Movimento Harmônico Simples O que caracteriza este movimento é a periodicidade do mesmo, ou seja, o fato de que de tempos em tempos o movimento
Métodos de Runge-Kutta
Solução numérica de Equações Diferenciais Ordinárias: Métodos de Runge-Kutta Marina Andretta/Franklina Toledo ICMC-USP 31 de outubro de 2013 Baseado nos livros: Análise Numérica, de R. L. Burden e J. D.
, (1) onde v é o módulo de v e b 1 e b 2 são constantes positivas.
Oscilações Amortecidas O modelo do sistema massa-mola visto nas aulas passadas, que resultou nas equações do MHS, é apenas uma idealização das situações mais realistas existentes na prática. Sempre que
PGF Mecânica Clássica Prof. Iberê L. Caldas
PGF 55 - Mecânica Clássica Prof. Iberê L. Caldas Terceiro Estudo Dirigido o semestre de 18 Os estudos dirigidos podem ser realizados em duplas. Apenas os exercícios marcados com asteriscos precisam ser
Aproximações Lineares e Diferenciais. Aproximações Lineares e Diferenciais. 1.Aproximações Lineares 2.Exemplos 3.Diferenciais 4.
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Aproximações Lineares
étodos uméricos SOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS ORDINÁRIOAS Prof. Erivelton Geraldo Nepomuceno
étodos uméricos SOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS ORDINÁRIOAS Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA
Equações Diferenciais Ordinárias
Equações Diferenciais Ordinárias Profa. Simone Aparecida Miloca UNIOESTE 2017 Sumario EQUAÇÕES DIFERENCIAIS ORDINÁRIAS MÉTODO DE EULER MÉTODOS DE SÉRIES DE TAYLOR MÉTODOS DE RUNGE KUTTA EQUAÇÕES DIFERENCIAIS
Funções podem ser representadas como série de potências Uma série de potências centrada em x 0 tem a seguinte forma:
Edgard Jamhour Funções podem ser representadas como série de potências Uma série de potências centrada em x 0 tem a seguinte forma: n f x, x 0 = n=0 a n x x 0 f(x,x 0 ) = a 0 + a 1 (x-x 0 ) + a 2 (x-x
Cálculo Numérico. Santos Alberto Enriquez-Remigio FAMAT-UFU 2015
Cálculo Numérico Santos Alberto Enriquez-Remigio FAMAT-UFU 2015 1 Capítulo 1 Solução numérica de equações não-lineares 1.1 Introdução Lembremos que todo problema matemático pode ser expresso na forma de
Métodos Numéricos - Notas de Aula
Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Zeros de equações transcendentes e Tipos de Métodos polinomiais São dois os tipos de métodos para se achar a(s) raízes de uma equação:
x exp( t 2 )dt f(x) =
INTERPOLAÇÃO POLINOMIAL 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia Aproximação
Capítulo 7 - Equações Diferenciais Ordinárias
Capítulo 7 - Equações Diferenciais Ordinárias Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil, Química e Gestão Industrial Carlos
MODELOS MATEMÁTICOS E SIMULAÇÕES COMPUTACIONAIS DE FENÔMENOS BIOLÓGICOS
MODELOS MATEMÁTICOS E SIMULAÇÕES COMPUTACIONAIS DE FENÔMENOS BIOLÓGICOS Prof. Dr. Robson Rodrigues da Silva robson.silva@umc.br Mogi das Cruzes Março de 2017 TÉCNICAS DE MODELAGEM 1. REGRESSÃO OU AJUSTE
3 Métodos Numéricos Análise das Equações de Movimento
3 Métodos Numéricos A dinâmica de sistemas mecânicos normalmente é modelada como um sistema de equações diferenciais. Estas equações diferenciais devem ser resolvidas a fim de relacionar as variáveis entre
Interpolação polinomial
Cálculo Numérico Prof. Daniel G. Alfaro Vigo dgalfaro@dcc.ufrj.br Departamento de Ciência da Computação IM UFRJ Motivação: População do Brasil Ano População (milhões) 1960 70, 992343 1970 94, 508583 1980
y(x n+1 ) = y(x n ) + hy (x n ) + h2 q! y (q) (x n )
2. Método de Taylor de ordem q Seja y(x) a solução exata do p.v.i., contínua e suficientemente derivável em [a, b]. A expansão em série de Taylor para y(x n + h) em torno do ponto x n é dada por: y(x n+1
MAP Primeiro exercício programa Osciladores Harmônicos
MAP-11 - Primeiro exercício programa - 009 Osciladores Harmônicos Instruções gerais - Os exercícios computacionais pedidos na disciplina Cálculo Numérico têm por objetivo fundamental familiarizar o aluno
Equações Diferenciais Ordinárias
Licenciatura em Engenharia Electrotécnica e de Computadores Análise Numérica 2004/2005 Equações Diferenciais Ordinárias PROBLEMAS 1 Considere a equação diferencial dy dx = y(x2 1) com y(0) = 1 e x [0,
LOM Teoria da Elasticidade Aplicada
Departamento de Engenaria de Materiais (DEMAR) Escola de Engenaria de Lorena (EEL) Universidade de São Paulo (USP) LOM310 - Teoria da Elasticidade Aplicada Parte 4 - Análise Numérica de Tensões e Deformações
SME Cálculo Numérico. Lista de Exercícios: Gabarito
Exercícios de prova SME0300 - Cálculo Numérico Segundo semestre de 2012 Lista de Exercícios: Gabarito 1. Dentre os métodos que você estudou no curso para resolver sistemas lineares, qual é o mais adequado
Translação e Rotação Energia cinética de rotação Momentum de Inércia Torque. Física Geral I ( ) - Capítulo 07. I. Paulino*
ROTAÇÃO Física Geral I (1108030) - Capítulo 07 I. Paulino* *UAF/CCT/UFCG - Brasil 2012.2 1 / 25 Translação e Rotação Sumário Definições, variáveis da rotação e notação vetorial Rotação com aceleração angular
Método de Diferenças Finitas
Método de Diferenças Finitas Câmpus Francisco Beltrão Disciplina: Professor: Jonas Joacir Radtke Aplicações Quase todos os problemas em ciências físicas e engenharia podem ser reduzidos a uma equação diferencial.
Universidade Tecnológica Federal do Paraná
Cálculo Numérico - Zeros de Funções Prof a Dr a Diane Rizzotto Rossetto Universidade Tecnológica Federal do Paraná 13 de março de 2016 D.R.Rossetto Zeros de Funções 1/81 Problema Velocidade do pára-quedista
Fundamentos de Matemática II DERIVADAS PARCIAIS7. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques
DERIVADAS PARCIAIS7 Gil da Costa Marques 7.1 Introdução 7. Taas de Variação: Funções de uma Variável 7.3 Taas de variação: Funções de duas Variáveis 7.4 Taas de Variação: Funções de mais do que duas Variáveis
Neste capítulo estamos interessados em resolver numericamente a equação
CAPÍTULO1 EQUAÇÕES NÃO-LINEARES 1.1 Introdução Neste capítulo estamos interessados em resolver numericamente a equação f(x) = 0, onde f é uma função arbitrária. Quando escrevemos resolver numericamente,
DCC008 - Cálculo Numérico
DCC008 - Cálculo Numérico Polinômios de Taylor Bernardo Martins Rocha Departamento de Ciência da Computação Universidade Federal de Juiz de Fora bernardomartinsrocha@ice.ufjf.br Conteúdo Introdução Definição
Capítulo 4 O Oscilador Amortecido
Capítulo 4 O Oscilador Amortecido Vamos supor que um oscilador harmônico tenha amortecimento, isto é, sofre uma resistência ao seu movimento e que esta resistência, para simplificar seja linearmente proporcional
Universidade Federal do Pará Instituto de Tecnologia. Cálculo III. Campus de Belém Curso de Engenharia Mecânica
Universidade Federal do Pará Instituto de Tecnologia Cálculo III Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica Universidade Federal do Pará Instituto de Tecnologia
Física II Ondas, Fluidos e Termodinâmica USP Prof. Antônio Roque Aula
59070 Física II Ondas, Fluidos e Termodinâmica USP Prof. Antônio Roque Aula 6 00 Superposição de Movimentos Periódicos Há muitas situações em física que envolvem a ocorrência simultânea de duas ou mais
de equações diferenciais
Método de otimização para resolução de equações diferenciais José Mario Martínez Fedor Pisnitchenko Sandra Augusta Santos Matemática Aplicada - IMECC/UNICAMP, 13083-859 Campinas, SP, Brasil E-mail: martinez@ime.unicamp.br,
Sessão 1: Generalidades
Sessão 1: Generalidades Uma equação diferencial é uma equação envolvendo derivadas. Fala-se em derivada de uma função. Portanto o que se procura em uma equação diferencial é uma função. Em lugar de começar
PGF Mecânica Clássica Prof. Iberê L. Caldas
PGF 5005 - Mecânica Clássica Prof Iberê L Caldas Quarto Estudo Dirigido o semestre de 08 Os estudos dirigidos podem ser realizados em duplas Apenas os exercícios marcados com asteriscos precisam ser entregues
6 MÉTODO DE ELEMENTOS FINITOS - MEF
6 MÉTODO DE ELEMENTOS FINITOS - MEF O Método de Elementos Finitos é uma técnica de discretização de um problema descrito na Formulação Fraca, na qual o domínio é aproximado por um conjunto de subdomínios
Capítulo 1. INTRODUÇÃO
Capítulo 1. INTRODUÇÃO A simulação numérica de problemas de engenharia ocupa atualmente uma posição de destaque no cenário mundial de pesquisa e desenvolvimento de novas tecnologias. O crescente interesse,
f(1) = 6 < 0, f(2) = 1 < 0, f(3) = 16 > 0 x [2, 3].
1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Métodos Numéricos Para Solução
Material Básico: Calculo A, Diva Fleming
1 Limites Material Básico: Calculo A, Diva Fleming O conceito de Limite é importante na construção de muitos outros conceitos no cálculo diferencial e integral, por exemplo, as noções de derivada e de
Capítulo 1. Esquema de diferenças finitas e a equação do Oscilador Harmônico
Capítulo 1 Esquema de diferenças finitas e a equação do Oscilador Harmônico Embora a maior parte dos Modelos Atmosféricos (MA) seja resolvida por uma série de equações diferencias parciais (EDP), em algumas
Estudo das oscilações de um sistema massamola
Prática 4 Estudo das oscilações de um sistema massamola 4.1 Objetivo Explorar as principais grandezas físicas de um sistema massa-mola sem amortecimento e no regime subamortecido. 4.2 Introdução Um exemplo
PUC-GOIÁS - Departamento de Computação
PUC-GOIÁS - Departamento de Computação Fundamentos IV/Enfase Clarimar J. Coelho Goiânia, 28/05/2014 O que é interpolação polinomial? Ideia básica Permite construir um novo conjunto de dados a partir de
Andréa Maria Pedrosa Valli
1-24 Equações Diferenciais Ordinárias Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória,
Cálculo Numérico BCC760
Cálculo Numérico BCC760 Resolução de Sistemas de Equações Lineares Simultâneas Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ 1 Introdução! Definição Uma equação é dita
Métodos Numéricos em Equações Diferenciais Aula 02 - Método de Euler
Métodos Numéricos em Equações Diferenciais Aula 02 - Método de Euler Profa. Vanessa Rolnik curso: Matemática Aplicada a Negócios Introdução Método de Diferenças: { w0 = α w i+1 = w i + h φ(t i, w i ),
Cinemática Inversa (numérica) Douglas Wildgrube Bertol DEE - Engenharia Elétrica CCT
Cinemática Inversa (numérica) Douglas Wildgrube Bertol DEE - Engenharia Elétrica CCT AS2ROB1 Fundamentos de Robótica Joinville 01/10/2018 Cinemática Inversa sumário Modelo cinemático inverso métodos analíticos
Espaços Euclidianos. Espaços R n. O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais:
Espaços Euclidianos Espaços R n O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais: R n = {(x 1,..., x n ) : x 1,..., x n R}. R 1 é simplesmente o conjunto R dos números
3 Equações diferenciais
3 Equações diferenciais 3. Forma geral das equações diferenciais Uma equação diferencial ordinária ou de forma abreviada, EDO de ordem n é uma relação entre uma função y(x) e as suas derivadas y, y,...,
Equações diferenciais ordinárias
Equações diferenciais ordinárias Laura Goulart UESB 9 de Abril de 2016 Laura Goulart (UESB) Equações diferenciais ordinárias 9 de Abril de 2016 1 / 13 Muitos problemas encontrados em engenharia e outras
Guia de Atividades usando o método de Euler para encontrar a solução de uma Equação Diferencial Ordinária
Guia de Atividades usando o método de Euler para encontrar a solução de uma Equação Diferencial Ordinária Para algumas situações-problema, cuja formulação matemática envolve equações diferenciais, é possível
Método de Euler. Marina Andretta/Franklina Toledo ICMC-USP. 29 de outubro de 2013
Solução numérica de Equações Diferenciais Ordinárias: Método de Euler Marina Andretta/Franklina Toledo ICMC-USP 29 de outubro de 2013 Baseado nos livros: Análise Numérica, de R. L. Burden e J. D. Faires;
f(h) δ h p f(x + h) f(x) (x) = lim
Capítulo 6 Derivação numérica Nesta seção vamos desenvolver métodos para estimar a derivada de uma função f calculada em um ponto x, f (x, a partir de valores conecidos de f em pontos próximos ao ponto
Métodos Numéricos. Professor Tenani - 9 de Agosto de 2015
Métodos Numéricos Professor Tenani - www.professortenani.com.br 9 de Agosto de 2015 Métodos Numéricos Professor Tenani - www.professortenani.com.br 1 / 51 Índice Métodos Numéricos Professor Tenani - www.professortenani.com.br
CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 04/2014 Zeros reais de funções Parte 1 Objetivo Determinar valores aproximados para as soluções (raízes) de equações da
Introdução aos Métodos Numéricos. Instituto de Computação UFF
Introdução aos Métodos Numéricos Instituto de Computação UFF Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares. Métodos diretos Interpolação Ajuste de Curvas Zeros de Função Sistemas
Métodos de passo simples para equações diferenciais ordinárias. Nelson Kuhl
Métodos de passo simples para equações diferenciais ordinárias Nelson Kuhl 1. Solução Numérica de Equações Diferencias Ordinárias Métodos de Passo Simples Explícitos 1.1 Introdução Para a maioria das equações
Sistema de Coordenadas Intrínsecas
Sistema de Coordenadas Intrínsecas Emílio G. F. Mercuri a a Professor do Departamento de Engenharia Ambiental, Universidade Federal do Paraná, Curitiba, Paraná Resumo Depois da introdução a cinemática
Capítulo 3 - Problemas com Valores de Fronteira para Equações Diferenciais Ordinárias
Capítulo 3 - Problemas com Valores de Fronteira para Equações Diferenciais Ordinárias Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática
Física para Engenharia II (antiga FEP2196) Turma 09 Sala C2-09 3as 13h10 / 5as 9h20. Turma 10 Sala C2-10 3as 15h00 / 5as 7h30.
Física para Engenharia II 4320196 (antiga FEP2196) Turma 09 Sala C2-09 3as 13h10 / 5as 9h20. Turma 10 Sala C2-10 3as 15h00 / 5as 7h30. Profa. Márcia Regina Dias Rodrigues Depto. Física Nuclear IF USP Ed.
UNIDADE 15 OSCILAÇÕES
UNIDADE 15 OSCILAÇÕES 557 AULA 40 OSCILAÇÕES OBJETIVOS: - DEFINIR O CONCEITO DE OSCILAÇÃO; - CONHECER AS GRANDEZAS QUE DESCREVEM O MOVIMENTO. 40.1 Introdução: Há, na Natureza, um tipo de movimento muito
As Oscilações estão presentes no nosso dia a dia como o vento que balança uma linha de transmissão elétrica, as vibrações da membrana de um
As Oscilações estão presentes no nosso dia a dia como o vento que balança uma linha de transmissão elétrica, as vibrações da membrana de um alto-falante, ou de um instrumento de percussão. Um terremoto
1 A Equação Fundamental Áreas Primeiras definições Uma questão importante... 7
Conteúdo 1 4 1.1- Áreas............................. 4 1.2 Primeiras definições...................... 6 1.3 - Uma questão importante.................. 7 1 EDA Aula 1 Objetivos Apresentar as equações diferenciais
Cálculo Numérico P2 EM33D
Cálculo Numérico P EM33D 8 de Abril de 03 Início: 07h30min (Permanência mínima: 08h40min) Término: 0h00min Nome: GABARITO LER ATENTAMENTE AS OBSERVAÇÕES, POIS SERÃO CONSIDERADAS NAS SUA AVALIAÇÃO ) detalhar
Como funcionam os simuladores de circuitos?
Como funcionam os simuladores de circuitos? Vítor H. Nascimento 3 de março de Introdução Neste documento vamos mostrar como os simuladores funcionam, descrevendo as ideias principais dos algoritmos usados
y (n) (x) = dn y dx n(x) y (0) (x) = y(x).
Capítulo 1 Introdução 1.1 Definições Denotaremos por I R um intervalo aberto ou uma reunião de intervalos abertos e y : I R uma função que possua todas as suas derivadas, a menos que seja indicado o contrário.
Introdução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
Para motivar a definição de integral curvelínea, imagine um fio delgado em forma de uma curva C, com extremidade A e B. Suponha-se que o fio tenha
INTEGRAIS DE LINHA INTRODUÇÃO: Temos como objetivo definir uma integral que é semelhante a uma integral simples, exceto que ao invés de integrarmos sobre um intervalo [a,b], integramos sobre uma curva
As bases da Dinâmica Molecular - 2
As bases da Dinâmica Molecular - 2 Alexandre Diehl Departamento de Física - UFPel Um pouco de história... SCEF 2 Um pouco de história... A pré-história da Dinâmica Molecular A ideia da Dinâmica Molecular
Processamento de Malhas Poligonais
Processamento de Malhas Poligonais Tópicos Avançados em Computação Visual e Interfaces I Prof.: Marcos Lage www.ic.uff.br/~mlage mlage@ic.uff.br Conteúdo: Notas de Aula Curvas 06/09/2015 Processamento
TÓPICO. Fundamentos da Matemática II DERIVADAS PARCIAIS. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques
7 DERIVADAS PARCIAIS TÓPICO Gil da Costa Marques Fundamentos da Matemática II 7.1 Introdução 7. Taas de Variação: Funções de uma Variável 7.3 Taas de variação: Funções de duas Variáveis 7.4 Taas de Variação:
MAP CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Interpolação e Integração. φ(x k ) ψ(x k ).
MAP 22 - CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Interpolação e Integração : Sejam x =, x =, x 2 = 2 e x 3 = 3. (a) Determine os polinômios de Lagrange L i (x) correspondentes a estes pontos
Solução aproximada de equações de uma variável
Cálculo Numérico de uma variável Prof. Daniel G. Alfaro Vigo dgalfaro@dcc.ufrj.br Departamento de Ciência da Computação IM UFRJ Parte I Localização de zeros e Método da bissecção Motivação: Queda de um
Conceitos e Princípios Gerais
Conceitos e Princípios Gerais Conceitos e Princípios Gerais Fases na resolução de problemas físicos Resolução do Modelo Matemático Conceitos Básicos de Cálculo Numérico Erros em Processos Numéricos Fases
Tópicos de Física Clássica I Aula 2 As equações de Euler-Lagrange
Tópicos de Física Clássica I Aula 2 As equações de Euler-Lagrange a c tort O princípio da ação mínima O que é o princípio da ação mínima? Como se usa a formulação lagrangiana da mecânica em um problema?
Fundamentos IV. Introdução a análise de erros. Clarimar J. Coelho. August 14, Departamento de Computação
Fundamentos IV Introdução a análise de erros Clarimar J. Coelho Departamento de Computação August 14, 2014 Clarimar (Departamento de Computação) Aula 2 August 14, 2014 1 / 40 Como aparecem os erros em
MÉTODOS NEWTON E QUASE-NEWTON PARA OTIMIZAÇÃO IRRESTRITA
MÉTODOS NEWTON E QUASE-NEWTON PARA OTIMIZAÇÃO IRRESTRITA Marlon Luiz Dal Pasquale Junior, UNESPAR/FECILCAM, jr.marlon@hotmail.com Solange Regina dos Santos (OR), UNESPAR/FECILCAM, solaregina@fecilcam.br
Ajuste de mínimos quadrados
Capítulo 5 Ajuste de mínimos quadrados 5 Ajuste de mínimos quadrados polinomial No capítulo anterior estudamos como encontrar um polinômio de grau m que interpola um conjunto de n pontos {{x i, f i }}
Capítulo 1 - Erros e Aritmética Computacional
Capítulo 1 - Erros e Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil e Electrotécnica Carlos Balsa 1/ 26 Sumário 1 Definição
12 AULA. ciáveis LIVRO. META Estudar derivadas de funções de duas variáveis a valores reais.
1 LIVRO Diferen- Funções ciáveis META Estudar derivadas de funções de duas variáveis a valores reais. OBJETIVOS Estender os conceitos de diferenciabilidade de funções de uma variável a valores reais. PRÉ-REQUISITOS
Problemas com Valores de Fronteira para Equações Diferenciais Ordinárias
Problemas com Valores de Fronteira para Equações Diferenciais Ordinárias Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática Aplicada - Mestrados
SISTEMAS LINEARES PROF. EDÉZIO
SOLUÇÕES NUMÉRICAS DE SISTEMAS LINEARES PROF. EDÉZIO Considere o sistema de n equações e n incógnitas: onde E : a x + a x +... + a n x n = b E : a x + a x +... + a n x n = b. =. () E n : a n x + a n x
Física Geral Grandezas
Física Geral Grandezas Grandezas físicas possuem um valor numérico e significado físico. O valor numérico é um múltiplo de um padrão tomado como unidade. Comprimento (m) Massa (kg) Tempo (s) Corrente elétrica
Variáveis indexadas. Capítulo Vetores numéricos
Capítulo 4 Variáveis indexadas O que você aprendeu até agora já permite a construção de códigos bastante úteis, mas certamente a aplicação a problemas reais será difícil de implementar pela falta de certos
Modelos Matemáticos de Sistemas
Modelos Matemáticos de Sistemas Introdução; Equações Diferenciais de Sistemas Físicos; Aproximações ineares de Sistemas Físicos; Transformada de aplace; Função de Transferência de Sistemas ineares; Modelos
Física Geral Grandezas
Física Geral Grandezas Grandezas físicas possuem um valor numérico e significado físico. O valor numérico é um múltiplo de um padrão tomado como unidade. Comprimento (m) Massa (kg) Tempo (s) Corrente elétrica
Equações Diferenciais Problemas de Valor Inicial. Computação 2º Semestre 2016/2017
Equações Diferenciais Problemas de Valor Inicial Computação 2º Semestre 2016/2017 Equações Diferenciais Uma equação diferencial é uma equação cuja incógnita é uma função que aparece na equação sob a forma
Prova P3 Física para Engenharia II, turma nov. 2014
Questão 1 Imagine que você prenda um objeto de 5 g numa mola cuja constante elástica vale 4 N/m. Em seguida, você o puxa, esticando a mola, até 5 cm da sua posição de equilíbrio, quando então o joga com
Métodos Iterativos para a Solução da Equação de Poisson
Métodos Iterativos para a Solução da Equação de Poisson Valdirene da Rosa Rocho, Dagoberto Adriano Rizzotto Justo, Programa de Pós-Graduação em Matemática Aplicada, PPGMap, UFRGS, 91509-900, Porto Alegre,
A = Utilizando ponto flutuante com 2 algarismos significativos, 2 = 0, x (0)
MAP 22 - CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Sistemas Lineares : Utilizando o método de eliminação de Gauss, calcule o determinante e a seguir a inversa da matriz abaixo. Efetue todos os