Aula 12 Composição Relação-Conjunto Fuzzy.

Tamanho: px
Começar a partir da página:

Download "Aula 12 Composição Relação-Conjunto Fuzzy."

Transcrição

1 Aula 12 Composição Relação-Conjunto Fuzzy. MS58 - Introdução à Teoria Fuzzy Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade Estadual de Campinas

2 Na aula de hoje veremos como combinar uma relação com um conjunto, uma situação muito comum nas aplicações da teoria fuzzy. Como motivação para o estudo da composição relação-conjunto, considere o seguinte exemplo abstrato: Exemplo 1 Suponha que R descreva (de forma muito simplifica) a associação entre febre alta (medida entre 36 o C e 4 o C) e a dor de cabeça (medida em uma escala de a 1). Sabendo que a temperatura é em torno de 38 o C, qual será o nível de dor de cabeça? Em outras palavras, sabendo que a temperatura é um conjunto A, qual será o conjunto da dor de cabeça?

3 Composição Relação-Conjunto Clássica Supunha que temos uma relação clássica R U V e observamos um conjunto clássico A U. Podemos definir o conjunto clássico B V de todos os elementos de V que estão relacionados (por meio de R) com algum elemento de A. Formalmente, definimos o conjunto B da seguinte forma: B = {v V : u U, u A,(u, v) R}.

4 Do clássico para o Fuzzy Em termos da função de pertinência, temos χ B (v) = 1 u U : χ A (u) = 1 e χ R (u, v) = 1 u U : χ A (u) χ R (u, v) = 1 [ sup χa (u) χ R (u, v) ] = 1, u U em que a b = 1 se, e somente se, a = 1 e b = 1. Dessa forma, podemos escrever [ χ B (v) = sup χa (u) χ R (u, v) ]. u U No caso fuzzy, substituímos a função característica pela função de pertinência, ou seja, [ ] B(v) = sup A(u) R(u, v), u U em que denota uma t-norma.

5 Composições Sup- Relação-Conjunto Fuzzy Definição 2 (Composição sup- Relação-Conjunto) Seja uma t-norma e R F(U V) uma relação fuzzy. Dado um conjunto fuzzy A F(U), definimos o conjunto fuzzy B = A R F(V) através da seguinte equação: [ ] B(v) = sup A(u) R(u, v), v V. u U Dado um conjunto fuzzy X F(V), definimos o conjunto fuzzy Y = R X F(U) através da equação [ ] Y(u) = sup R(u, v) X(v), u U. v U

6 Exemplo 3 Considere a relação fuzzy R F([36, 4] [, 1], dada por { (x 36) R(x, y) = min 1,, y }, 3 8 que descreve a associação entre febre alta e a dor de cabeça Dor de cabeça Temperatura

7 Exemplo 3 Dado o conjunto fuzzy A F([36, 4]), dado por A(x) = ( (x 37) (39 x) ), que descreve a temperatura em torno de 38 o C Temperatura Determine a composição sup-min B = A R

8 Exemplo 3 Resposta: Neste caso, a composição sup-min A R fornece ( y (A R)(y) =.75. 8) Dor de cabeça

9 Exemplo 4 Considere a relação fuzzy R F([36, 4] [, 1], dada por { (x 36) R(x, y) = min 1,, y }, 3 8 que descreve a associação entre febre alta e a dor de cabeça Dor de cabeça Temperatura

10 Exemplo 4 Suponha que observamos o conjunto fuzzy B F([, 1]) [ ( )] y 3 B(y) = 1. 5 que descreve o conceito forte dor de cabeça Dor de cabeça

11 Exemplo 4 O maior conjunto fuzzy A F([36, 4]) tal que A = B R 1, em que denota a composição sup-min, é Dor de cabeça Em palavras, A é o conjunto fuzzy de febres que provoca forte dor de cabeça.

12 Exemplo 5 Considere universos finitos U = {u 1, u 2 } e V = {v 1, v 2, v 3 }. Dada a relação fuzzy R F(U V) e o conjunto fuzzy A F(U), representados por [ ] R = e A = [.8 1. ] determine o conjunto fuzzy A R obtido considerando a composição max- L, em que L denota a t-norma de Lukasiewicz.

13 Exemplo 5 Considere universos finitos U = {u 1, u 2 } e V = {v 1, v 2, v 3 }. Dada a relação fuzzy R F(U V) e o conjunto fuzzy A F(U), representados por [ ] R = e A = [.8 1. ] determine o conjunto fuzzy A R obtido considerando a composição max- L, em que L denota a t-norma de Lukasiewicz. Resposta: O conjunto fuzzy A R corresponde ao vetor A R = [ ]

14 Extensão Cilíndrica e Extensão A composição sup- relação-conjunto também pode ser deduzida usando o conceitos de extensão cilíndrica e projeção. Definição 6 (Extensão Cilíndrica) A extensão cilíndrica em U V de um conjunto fuzzy A F(U) é a relação fuzzy cil(a) F(U V) dada por cil(a)(u, v) = A(u), u U, v V.

15 Exemplo 7 A extensão cilíndrica em [36, 4] [, 1] do conjunto fuzzy A F([36, 4]), dado por A(x) = ( (x 37) (39 x) ), Temperatura

16 Exemplo 7 A extensão cilíndrica em [36, 4] [, 1] do conjunto fuzzy A F([36, 4]), dado por A(x) = ( (x 37) (39 x) ), é cil(a)(x, y) = ( (x 37) (39 x) ), x [36, 4], y [, 1] Dor de Cabeça Temperatura

17 Definição 8 (Projeção) Considere uma relação fuzzy R F(U V). A projeção de R em U é o conjunto fuzzy proj U (R) F(U) dado por proj U (R)(u) = supr(u, v), u U. y V A projeção de R em V é o conjunto fuzzy proj V (R) F(V) dado por proj V (R)(v) = supr(u, v), v V. u U

18 Exemplo 9 Considere a relação fuzzy R F([36, 4] [, 1], dada por { (x 36) R(x, y) = min 1,, y }, 3 8 que descreve a associação entre febre alta e a dor de cabeça Dor de cabeça Temperatura

19 Exemplo 9 A projeção de R em U = [36, 4] é o conjunto fuzzy proj U (R) F(U) dado por { } (x 36) proj U (R) = min 1, : Temperatura

20 Exemplo 9 A projeção de R em V = [, 1] é o conjunto fuzzy proj V (R) F(V) dado por { proj V (R) = min 1, y } : Dor de cabeça

21 Teorema 1 Seja uma t-norma e R F(U V) uma relação fuzzy. Dado um conjunto fuzzy A F(U), a composição sup- B = A R F(V) satisfaz B = proj V ( cil(a) R ). Dado um conjunto fuzzy X F(V), a composição sutp- Y = R X F(U) satisfaz Y = proj U ( R cil(x) ). Aqui, a intersecção é calculada usando.

22 Demonstração. Demonstraremos apenas o primeiro item. Note que ( [ ] proj V cil(a) R)(v) = sup cil(a)(u, v) R(u, v) u U [ ] = sup A(u) R(u, v) = (A R)(v), u U para todo v V.

23 Exemplo 11 Considere a relação R Dor de cabeça Temperatura

24 Exemplo 11 E o conjunto fuzzy A Temperatura

25 Exemplo 11 A extensão cilíndrica de A é a relação Dor de cabeça Temperatura

26 Exemplo 11 A intersecção cil(a) R, calculada usando o mínimo, é Dor de cabeça Temperatura

27 Exemplo 11 A projeção em V = [, 1] de cil(a) R é Dor de cabeça que é exatamente A R.

28 Outras composições Relação-Conjunto De forma semelhante a composição sup- aplicada em uma relação e um conjunto, tem-se: Definição 12 (Composição inf- Relação-Conjunto) Seja uma t-conorma e R F(U V) uma relação fuzzy. Dado um conjunto fuzzy A F(U), definimos o conjunto fuzzy B = A R F(V) através da seguinte equação: [ ] B(v) = inf A(u) R(u, v), v V. u U Dado um conjunto fuzzy X F(V), definimos o conjunto fuzzy Y = R X F(U) através da equação [ ] Y(u) = inf R(u, v) X(v), u U. v U

29 Exemplo 13 Considere universos finitos U = {u 1, u 2 } e V = {v 1, v 2, v 3 }. Dada a relação fuzzy R F(U V) e o conjunto fuzzy A F(U), representados por [ ] R = e A = [.8 1. ] determine o conjunto fuzzy A R obtido considerando a composição min- L, em que L denota a t-conorma de Lukasiewicz.

30 Exemplo 13 Considere universos finitos U = {u 1, u 2 } e V = {v 1, v 2, v 3 }. Dada a relação fuzzy R F(U V) e o conjunto fuzzy A F(U), representados por [ ] R = e A = [.8 1. ] determine o conjunto fuzzy A R obtido considerando a composição min- L, em que L denota a t-conorma de Lukasiewicz. Resposta: O conjunto fuzzy A R corresponde ao vetor A R = [ ]. Lembre-se que A R = [ ].

31 Definição 14 (Composição inf- Relação-Conjunto) Seja uma implicação fuzzy e R F(U V) uma relação fuzzy. Dado um conjunto fuzzy A F(U), definimos o conjunto fuzzy B = A R F(V) através da seguinte equação: [ ] B(v) = inf A(u) R(u, v), v V. u U Dado um conjunto fuzzy X F(V), definimos o conjunto fuzzy Y = R X F(U) através da equação [ ] Y(u) = inf R(u, v) X(v), u U. v U

32 Exemplo 15 Considere universos finitos U = {u 1, u 2 } e V = {v 1, v 2, v 3 }. Dada a relação fuzzy R F(U V) e o conjunto fuzzy A F(U), representados por [ ] R = e A = [.8 1. ] determine o conjunto fuzzy A R obtido considerando a composição min- L, em que L denota a implicação fuzzy de Lukasiewicz.

33 Exemplo 15 Considere universos finitos U = {u 1, u 2 } e V = {v 1, v 2, v 3 }. Dada a relação fuzzy R F(U V) e o conjunto fuzzy A F(U), representados por [ ] R = e A = [.8 1. ] determine o conjunto fuzzy A R obtido considerando a composição min- L, em que L denota a implicação fuzzy de Lukasiewicz. Resposta: O conjunto fuzzy A R corresponde ao vetor A R = [ ]. Lembre-se que A R = [ ] e A R = [ ].

34 Exemplo 16 Considere a relação fuzzy R F([36, 4] [, 1], dada por { (x 36) R(x, y) = min 1,, y }, 3 8 que descreve a associação entre febre alta e a dor de cabeça Dor de cabeça Temperatura

35 Exemplo 16 Dado o conjunto fuzzy A F([36, 4]), dado por A(x) = ( (x 37) (39 x) ), que descreve a temperatura em torno de 38 o C Temperatura

36 Exemplo 16 A composição inf- M A R, em que M denota a implicação de Gödel, fornece o conjunto fuzzy Dor de cabeça

EQUAÇÕES RELACIONAIS FUZZY E COMO RESOLVÊ-LAS

EQUAÇÕES RELACIONAIS FUZZY E COMO RESOLVÊ-LAS EQUAÇÕES RELACIONAIS FUZZY E COMO RESOLVÊ-LAS PEDRO ALADAR TONELLI 1. Introdução Nosso objetivo é apresentar de uma forma simples o procedimento para achar soluções de uma equação relacional fuzzy para

Leia mais

1 Subespaços Associados a uma Matriz

1 Subespaços Associados a uma Matriz 1 Subespaços Associados a uma Matriz Seja V = R n e para quaisquer u, v, e w em V e quaisquer escalares r,s em R 1, 1. u + v é um elemento de V sempre que u e v são elementos de V a adição é fechada, 2.

Leia mais

Exercício 18. Demonstre a proposição anterior. (Dica: use as definições de continuidade e mensurabilidade)

Exercício 18. Demonstre a proposição anterior. (Dica: use as definições de continuidade e mensurabilidade) Proposição 2.7. Sejam Y e Z espaços métricos e X um espaço mensurável. Se f : X Y é uma função mensurável e g : Y Z é uma função contínua então g f : X Z é uma função mensurável. Exercício 18. Demonstre

Leia mais

O TEOREMA ESPECTRAL PARA OPERADORES AUTO-ADJUNTOS

O TEOREMA ESPECTRAL PARA OPERADORES AUTO-ADJUNTOS O TEOEMA ESPECTAL PAA OPEADOES AUTO-ADJUNTOS Mariane Pigossi, oberto de A. Prado, Depto. de Matemática e Computação, FCT, UNESP, 19060-900, Presidente Prudente, SP E-mail: marianepigossi@gmail.com, robertoprado@fct.unesp.br

Leia mais

2 Lógica Fuzzy. 2 Lógica Fuzzy. Sintaxe da linguagem

2 Lógica Fuzzy. 2 Lógica Fuzzy. Sintaxe da linguagem 2 Lógica Fuzzy 2.1 Cálculo proposicional (lógica proposicional) 2.2 Lógica de Predicados 2.3 Lógica de múltiplos valores 2.4 Lógica Fuzzy Proposições fuzzy Inferência a partir de proposições fuzzy condicionais

Leia mais

Respostas sem justificativas não serão aceitas Não é permitido o uso de aparelhos eletrônicos

Respostas sem justificativas não serão aceitas Não é permitido o uso de aparelhos eletrônicos UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO UNIDADE ACADÊMICA DO CABO DE SANTO AGOSTINHO CÁLCULO DIFERENCIAL E INTEGRAL - 018. - TURMA MA 1A VERIFICAÇÃO DE APRENDIZAGEM - PARTE Nome Legível RG CPF Respostas

Leia mais

Probabilidade IV. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período

Probabilidade IV. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período Probabilidade IV Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2014.2 Ulisses Umbelino (DE-UFPB) Probabilidade IV Período 2014.2 1 / 20 Sumário 1 Apresentação

Leia mais

Primeiro Exercício programa: Como o Google ordena páginas. MAP-2121 para EPUSP

Primeiro Exercício programa: Como o Google ordena páginas. MAP-2121 para EPUSP Primeiro Exercício programa: Como o Google ordena páginas MAP-2121 para EPUSP 1 Instruções gerais Os exercícios computacionais pedidos na disciplina Cálculo Numérico têm por objetivo fundamental familiarizar

Leia mais

Aula 1 Funções de Várias Variáveis

Aula 1 Funções de Várias Variáveis Aula 1 Funções de Várias Variáveis MA211 - Cálculo II Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade Estadual de Campinas

Leia mais

Cálculo Diferencial e Integral I

Cálculo Diferencial e Integral I Cálculo Diferencial e Integral I Texto de apoio às aulas. Amélia Bastos, António Bravo Dezembro 2010 Capítulo 1 Números reais As propriedades do conjunto dos números reais têm por base um conjunto restrito

Leia mais

Conteúdo: Sistemas Fuzzy Fuzzifier Inferência Regras Máquina de Inferência Defuzzifier

Conteúdo: Sistemas Fuzzy Fuzzifier Inferência Regras Máquina de Inferência Defuzzifier Conteúdo: Sistemas Fuzzy Fuzzifier Inferência Regras Máquina de Inferência Defuzzifier Sistemas fuzzy A inferência fuzzy é um paradigma computacional baseado na Teoria de conjuntos fuzzy, regras de inferência

Leia mais

1. Conjuntos Fuzzy - Fundamentos. Sistemas Nebulosos

1. Conjuntos Fuzzy - Fundamentos. Sistemas Nebulosos Sistemas Nebulosos Heloisa de Arruda Camargo. Conjuntos Fuzzy - Fundamentos. Conceitos básicos de conjuntos fuzzy.2 Operações em conjuntos fuzzy.3 Relações fuzzy.4 Aritmética fuzzy.5 Variáveis linguísticas

Leia mais

UNIVERSIDADE FEDERAL DE PERNAMBUCO DEPARTAMENTO DE ESTATÍSTICA. Medida e Probabilidade

UNIVERSIDADE FEDERAL DE PERNAMBUCO DEPARTAMENTO DE ESTATÍSTICA. Medida e Probabilidade UNIVERSIDADE FEDERAL DE PERNAMBUCO DEPARTAMENTO DE ESTATÍSTICA Medida e Probabilidade Aluno: Daniel Cassimiro Carneiro da Cunha Professor: Andre Toom 1 Resumo Este trabalho contem um resumo dos principais

Leia mais

Aula 6 Derivadas Direcionais e o Vetor Gradiente

Aula 6 Derivadas Direcionais e o Vetor Gradiente Aula 6 Derivadas Direcionais e o Vetor Gradiente MA211 - Cálculo II Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade Estadual

Leia mais

CONTEÚDO LÓGICA FUZZY LÓGICA FUZZY LÓGICA FUZZY. Um dos componentes mais importantes de um sistema fuzzy é o Módulo de Regras.

CONTEÚDO LÓGICA FUZZY LÓGICA FUZZY LÓGICA FUZZY. Um dos componentes mais importantes de um sistema fuzzy é o Módulo de Regras. CONTEÚDO Introdução Introdução, Objetivo e Histórico Conceitos ásicos Definição, Características e Formas de Imprecisão Conjuntos Fuzzy Propriedades, Formas de Representação e Operações Lógica Fuzzy Relações,

Leia mais

TP034-Tópicos Especiais de Pesquisa Operacional I

TP034-Tópicos Especiais de Pesquisa Operacional I TP34-Tópicos Especiais de Pesquisa Operacional I (Conjuntos Difusos Princípio da Extensão) Prof. Volmir Wilhelm Curitiba, Paraná, Brasil Gráficos difusos Um gráfico difuso descreve um mapeamento funcional

Leia mais

Álgebra Linear I - Aula 12. Roteiro. 1 Exemplos de Transformações lineares (continuação)

Álgebra Linear I - Aula 12. Roteiro. 1 Exemplos de Transformações lineares (continuação) Álgebra Linear I - Aula 12 1. Rotações no plano. 2. Projeções 3. Espelhamentos 4. Caso geral. Roteiro 1 Exemplos de Transformações lineares (continuação) 1.1 Rotações no plano A Rotação no plano de ângulo

Leia mais

Universidade Federal da Paraíba - UFPB Centro de Ciências Exatas e da Natureza - CCEN Departamento de Matemática - DM

Universidade Federal da Paraíba - UFPB Centro de Ciências Exatas e da Natureza - CCEN Departamento de Matemática - DM Universidade Federal da Paraíba - UFPB Centro de Ciências Exatas e da Natureza - CCEN Departamento de Matemática - DM 3 a Lista de Exercícios de Introdução à Álgebra Linear Professor: Fágner Dias Araruna

Leia mais

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. 1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3

Leia mais

Números Reais. Víctor Arturo Martínez León b + c ad + bc. b c

Números Reais. Víctor Arturo Martínez León b + c ad + bc. b c Números Reais Víctor Arturo Martínez León (victor.leon@unila.edu.br) 1 Os números racionais Os números racionais são os números da forma a, sendo a e b inteiros e b 0; o conjunto b dos números racionais

Leia mais

Pontos extremos, vértices e soluções básicas viáveis

Pontos extremos, vértices e soluções básicas viáveis Pontos extremos, vértices e soluções básicas viáveis Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta

Leia mais

Aula 10 Sistemas Não-lineares e o Método de Newton.

Aula 10 Sistemas Não-lineares e o Método de Newton. Aula 10 Sistemas Não-lineares e o Método de Newton MS211 - Cálculo Numérico Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade

Leia mais

1 Auto vetores e autovalores

1 Auto vetores e autovalores Auto vetores e autovalores Os autovalores de uma matriz de uma matriz n n são os n números que resumem as propriedades essenciais daquela matriz. Como esses n números realmente caracterizam a matriz sendo

Leia mais

Introdução à Lógica Nebulosa

Introdução à Lógica Nebulosa Distancia Angulo Gerador de Sinal Controlador Nebuloso Osciloscópio 2.141e-016 Display Introdução à Lógica Nebulosa Álvaro Guarda Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade

Leia mais

ÁLGEBRA LINEAR I - MAT0032

ÁLGEBRA LINEAR I - MAT0032 UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT32 12 a Lista de exercícios

Leia mais

Representação de poliedros

Representação de poliedros Representação de poliedros Marina Andretta ICMC-USP 8 de novembro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 -

Leia mais

Teoremas de dualidade

Teoremas de dualidade Teoremas de dualidade Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização

Leia mais

Sistema de Inferência Fuzzy baseado em Redes Adaptativas (ANFIS) Sistema de Inferência Fuzzy

Sistema de Inferência Fuzzy baseado em Redes Adaptativas (ANFIS) Sistema de Inferência Fuzzy Redes Neurais Sistema de Inferência Fuzzy baseado em Redes Adaptativas (ANFIS) Sistema de Inferência Fuzzy Um Sistema de Inferência Fuzzy (SIF) é um tipo especial de Sistema Baseado em Conhecimento (SBC).

Leia mais

Conjuntos Fuzzy e Lógica Fuzzy

Conjuntos Fuzzy e Lógica Fuzzy 1 Introdução Conjuntos Fuzzy e Lógica Fuzzy users.femanet.com.br/~fabri/fuzzy.htm Os Conjuntos Fuzzy e a Lógica Fuzzy provêm a base para geração de técnicas poderosas para a solução de problemas, com uma

Leia mais

Álgebra Linear Teoria de Matrizes

Álgebra Linear Teoria de Matrizes Álgebra Linear Teoria de Matrizes 1. Sistemas Lineares 1.1. Coordenadas em espaços lineares: independência linear, base, dimensão, singularidade, combinação linear 1.2. Espaço imagem (colunas) - Espaço

Leia mais

Poliedros na forma padrão

Poliedros na forma padrão Poliedros na forma padrão Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização

Leia mais

Apontamentos III. Espaços euclidianos. Álgebra Linear aulas teóricas. Lina Oliveira Departamento de Matemática, Instituto Superior Técnico

Apontamentos III. Espaços euclidianos. Álgebra Linear aulas teóricas. Lina Oliveira Departamento de Matemática, Instituto Superior Técnico Apontamentos III Espaços euclidianos Álgebra Linear aulas teóricas 1 o semestre 2017/18 Lina Oliveira Departamento de Matemática, Instituto Superior Técnico Índice Índice i 1 Espaços euclidianos 1 1.1

Leia mais

Lógica Nebulosa (Fuzzy)

Lógica Nebulosa (Fuzzy) Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Lógica Nebulosa (Fuzzy) Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com

Leia mais

Controle Ótimo - Aula 2 (Exemplos 2, 3 e 4)

Controle Ótimo - Aula 2 (Exemplos 2, 3 e 4) Controle Ótimo - Aula 2 (Exemplos 2, 3 e 4) Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos Sistemas dinâmicos discretos no tempo O Problema

Leia mais

Resolução de sistemas de equações lineares: Método dos Gradientes Conjugados

Resolução de sistemas de equações lineares: Método dos Gradientes Conjugados Resolução de sistemas de equações lineares: Método dos Gradientes Conjugados Marina Andretta/Franklina Toledo ICMC-USP 24 de março de 2015 Baseado no livro Cálculo Numérico, de Neide B. Franco Marina Andretta/Franklina

Leia mais

MCTB Álgebra Linear Avançada I Claudia Correa Exercícios sobre transformações lineares. Os Exercícios 3 e 4 são os exercícios bônus dessa lista.

MCTB Álgebra Linear Avançada I Claudia Correa Exercícios sobre transformações lineares. Os Exercícios 3 e 4 são os exercícios bônus dessa lista. MCTB002-13 Álgebra Linear Avançada I Claudia Correa Exercícios sobre transformações lineares Os Exercícios 3 e 4 são os exercícios bônus dessa lista. Definição 1. Dados conjuntos X e Y, uma função ϕ :

Leia mais

Aula 4: Consequência Lógica e Equivalência Lógica

Aula 4: Consequência Lógica e Equivalência Lógica Lógica para Computação Segundo Semestre, 2014 Aula 4: Consequência Lógica e Equivalência Lógica DAINF-UTFPR Prof. Ricardo Dutra da Silva Definição 4.1. Em lógica proposicional dizemos que uma fórmula B

Leia mais

Dedução Natural e Sistema Axiomático Pa(Capítulo 6)

Dedução Natural e Sistema Axiomático Pa(Capítulo 6) Dedução Natural e Sistema Axiomático Pa(Capítulo 6) LÓGICA APLICADA A COMPUTAÇÃO Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Definições 2. Dedução Natural 3. Sistemas axiomático Pa 4. Lista

Leia mais

Continuidade de processos gaussianos

Continuidade de processos gaussianos Continuidade de processos gaussianos Roberto Imbuzeiro Oliveira April, 008 Abstract 1 Intrudução Suponha que T é um certo conjunto de índices e c : T T R é uma função dada. Pergunta 1. Existe uma coleção

Leia mais

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: 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

Leia mais

INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA

INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA PARA A COMPUTAÇÃO MATERIAL EXTRAÍDO DOS LIVROS-TEXTOS (KOLMAN/ROSEN) UFSC - CTC - INE UFSC/CTC/INE p. 1 11 - ESTRUTURAS ALGÉBRICAS 11.1) Operações Binárias 11.2)

Leia mais

O Teorema de Peano. f : D R n. uma função contínua. Vamos considerar o seguinte problema: Encontrar um intervalo I R e uma função ϕ : I R n tais que

O Teorema de Peano. f : D R n. uma função contínua. Vamos considerar o seguinte problema: Encontrar um intervalo I R e uma função ϕ : I R n tais que O Teorema de Peano Equações de primeira ordem Seja D um conjunto aberto de R R n, e seja f : D R n (t, x) f(t, x) uma função contínua. Vamos considerar o seguinte problema: Encontrar um intervalo I R e

Leia mais

A Equivalência entre o Teorema do Ponto Fixo de Brouwer e o Teorema do Valor Intermediário

A Equivalência entre o Teorema do Ponto Fixo de Brouwer e o Teorema do Valor Intermediário A Equivalência entre o Teorema do Ponto Fixo de Brouwer e o Teorema do Valor Intermediário Renan de Oliveira Pereira, Ouro Preto, MG, Brasil Wenderson Marques Ferreira, Ouro Preto, MG, Brasil Eder Marinho

Leia mais

Modelos Evolucionários e Tratamento de Incertezas

Modelos Evolucionários e Tratamento de Incertezas Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 07 Inferência Difusa Sistemas de Controle Difuso Max Pereira Regras difusas SE ENTÃO Antecedente:

Leia mais

Método dos Mínimos Quadrados Lineares

Método dos Mínimos Quadrados Lineares Método dos Mínimos Quadrados Lineares Orientando: Alex Rogger Cardoso Ventura alexrogger@hotmailcom Orientador: Max Leandro Nobre Gonçalves maxlng@ufgbr Co-orientador: Ademir Alves Aguiar ademiraguia@gmailcom

Leia mais

Teoria da Decisão. Modelagem de Preferência. Prof. Lucas S. Batista. lusoba

Teoria da Decisão. Modelagem de Preferência. Prof. Lucas S. Batista.   lusoba Teoria da Decisão Modelagem de Preferência Prof. Lucas S. Batista lusoba@ufmg.br www.ppgee.ufmg.br/ lusoba Universidade Federal de Minas Gerais Escola de Engenharia Graduação em Engenharia de Sistemas

Leia mais

A computação aplicada à resolução de sistemas lineares

A computação aplicada à resolução de sistemas lineares Universidade Federal de Campina Grande Centro de Engenharia Elétrica e Informática Departamento de Sistemas e Computação Programa de Educação Tutorial (PET) A computação aplicada à resolução de sistemas

Leia mais

Objetivos. Definir os conceitos de transformação matricial e linear; Apresentar vários exemplos de transformações lineares.

Objetivos. Definir os conceitos de transformação matricial e linear; Apresentar vários exemplos de transformações lineares. Transformações lineares MÓDULO 3 - AULA 18 Aula 18 Transformações lineares Objetivos Definir os conceitos de transformação matricial e linear; Apresentar vários exemplos de transformações lineares. Introdução

Leia mais

ÁLGEBRA LINEAR I - MAT0032

ÁLGEBRA LINEAR I - MAT0032 UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT003 10 a Lista de

Leia mais

Primeira prova de Álgebra Linear - 06/05/2011 Prof. - Juliana Coelho

Primeira prova de Álgebra Linear - 06/05/2011 Prof. - Juliana Coelho Primeira prova de Álgebra Linear - 6/5/211 Prof. - Juliana Coelho JUSTIFIQUE SUAS RESPOSTAS! Questões contendo só a resposta, sem desenvolvimento ou justificativa serão desconsideradas! QUESTÃO 1 (2, pts)

Leia mais

Aula 25 Teorema do Divergente

Aula 25 Teorema do Divergente Aula 25 Teorema do Divergente MA211 - Cálculo II Marcos duardo Valle Departamento de Matemática Aplicada Instituto de Matemática, statística e Computação Científica Universidade stadual de Campinas Introdução

Leia mais

RETICULADOS: NOTAS DO SEMINÁRIO DE 7/03/03

RETICULADOS: NOTAS DO SEMINÁRIO DE 7/03/03 RETICULADOS: NOTAS DO SEMINÁRIO DE 7/03/03 PEDRO A. TONELLI 1. Introdução: o esqueleto do espírito E ainda mais remoto que o tempo em que as coisas não tinham nome, é o tempo em que as coisas nem existiam,

Leia mais

Lema de Farkas e desigualdades lineares

Lema de Farkas e desigualdades lineares Lema de Farkas e desigualdades lineares Marina Andretta ICMC-USP 30 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP)

Leia mais

O teorema do ponto fixo de Banach e algumas aplicações

O teorema do ponto fixo de Banach e algumas aplicações O teorema do ponto fixo de Banach e algumas aplicações Andressa Fernanda Ost 1, André Vicente 2 1 Acadêmica do Curso de Matemática - Centro de Ciências Exatas e Tecnológicas - Universidade Estadual do

Leia mais

GRAFOS Aula 02 Formalização: definições Max Pereira

GRAFOS Aula 02 Formalização: definições Max Pereira Ciência da Computação GRAFOS Aula 02 : definições Max Pereira Um grafo G é um par ordenado G = (V, E) onde V é um conjunto finito e não vazio de elementos e E é um conjunto de subconjuntos de dois elementos

Leia mais

Aula 12. Ângulo entre duas retas no espaço. Definição 1. O ângulo (r1, r2 ) entre duas retas r1 e r2 se define da seguinte maneira:

Aula 12. Ângulo entre duas retas no espaço. Definição 1. O ângulo (r1, r2 ) entre duas retas r1 e r2 se define da seguinte maneira: Aula 1 1. Ângulo entre duas retas no espaço Definição 1 O ângulo (r1, r ) entre duas retas r1 e r se define da seguinte maneira: (r1, r ) 0o se r1 e r são coincidentes, Se as retas são concorrentes, isto

Leia mais

1) Seja o conjunto A = (0;1). Quantas relações binárias distintas podem ser definidas sobre o conjunto A?

1) Seja o conjunto A = (0;1). Quantas relações binárias distintas podem ser definidas sobre o conjunto A? RESUMO A relação binária é uma relação entre dois elementos, sendo um conjunto de pares ordenados. As relações binárias são comuns em muitas áreas da matemática. Um par ordenado consiste de dois termos,

Leia mais

Existência e otimalidade de pontos extremos

Existência e otimalidade de pontos extremos Existência e otimalidade de pontos extremos Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP)

Leia mais

Teoria de dualidade. Marina Andretta ICMC-USP. 19 de outubro de 2016

Teoria de dualidade. Marina Andretta ICMC-USP. 19 de outubro de 2016 Teoria de dualidade Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização

Leia mais

1 Segmentos orientados e vetores, adição e multiplicação

1 Segmentos orientados e vetores, adição e multiplicação MAP2110 Modelagem e Matemática 1 o Semestre de 2007 Resumo 1 - Roteiro de estudos - 07/05/2007 Espaços vetoriais bi e tri-dimensionais (plano ou espaço bidimensional E 2, e espaço tridimensional E 3 )

Leia mais

Inteligência Artificial Escola de Verão Laboratório Associado de Computação e Matemática Aplicada LAC.

Inteligência Artificial Escola de Verão Laboratório Associado de Computação e Matemática Aplicada LAC. Inteligência Artificial Escola de Verão 28 Laboratório Associado de Computação e Matemática Aplicada LAC www.lac.inpe.br/~demisio/ia_lac.html Lógica Nebulosa A Lógica Nebulosa (ou Lógica Difusa Fuzzy Logic

Leia mais

Teoria dos Conjuntos. (Aula 6) Ruy de Queiroz. O Teorema da. (Aula 6) Ruy J. G. B. de Queiroz. Centro de Informática, UFPE

Teoria dos Conjuntos. (Aula 6) Ruy de Queiroz. O Teorema da. (Aula 6) Ruy J. G. B. de Queiroz. Centro de Informática, UFPE Ruy J. G. B. de Centro de Informática, UFPE 2007.1 Conteúdo 1 Seqüências Definição Uma seqüência é uma função cujo domíno é um número natural ou N. Uma seqüência cujo domínio é algum número natural n N

Leia mais

1.4 Números Fuzzy. Números fuzzy formato. Outras formas. Casos especiais. Conjuntos fuzzy definidos no conjunto dos números reais A: R [0,1]

1.4 Números Fuzzy. Números fuzzy formato. Outras formas. Casos especiais. Conjuntos fuzzy definidos no conjunto dos números reais A: R [0,1] .4 Números Fuzzy Conjuntos fuzzy definidos no conjunto dos números reais : R [0,] Conceitos intuitivos: Números próximos de um dado número real Números em torno de um dado intervalo de números reais Números

Leia mais

Professor: Carlos Eugênio da Costa Teoria Microeconômica II Monitor: Diego Santiago

Professor: Carlos Eugênio da Costa Teoria Microeconômica II Monitor: Diego Santiago Professor: Carlos Eugênio da Costa Teoria Microeconômica II - 2012 Monitor: Diego Santiago EPGE/FGV Introdução matemática 1 Introdução Esta introdução visa familiarizar o aluno com ferramentas matemáticas

Leia mais

1 Números Reais. 1. Simplifique as seguintes expressões (definidas nos respectivos domínios): b) x+1. d) x 2, f) 4 x 4 2 x, g) 2 x2 (2 x ) 2, h)

1 Números Reais. 1. Simplifique as seguintes expressões (definidas nos respectivos domínios): b) x+1. d) x 2, f) 4 x 4 2 x, g) 2 x2 (2 x ) 2, h) Números Reais. Simplifique as seguintes expressões (definidas nos respectivos domínios): x a), x b) x+ +, x c) +x + x +x, d) x, e) ( x ), f) 4 x 4 x, g) x ( x ), h) 3 x 6 x, i) x x +, j) x x+ x, k) log

Leia mais

Álgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP

Álgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP Álgebra Linear AL Luiza Amalia Pinto Cantão Depto de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocabaunespbr Matrizes Inversas 1 Matriz Inversa e Propriedades 2 Cálculo da matriz

Leia mais

MAT146 - Cálculo I - Teorema do Valor Médio

MAT146 - Cálculo I - Teorema do Valor Médio Alexandre Miranda Alves Anderson Tiago da Silva Edson José Teixeira Motivação Suponha que uma função real f, definida em um intervalo I, seja derivável em todo I. Sabemos que se f é uma função constante,

Leia mais

QUESTÕES ANPEC CÁLCULO A VÁRIAS VARIÁVEIS. 5. Em cada opção assinale se falsa ou verdadeira:

QUESTÕES ANPEC CÁLCULO A VÁRIAS VARIÁVEIS. 5. Em cada opção assinale se falsa ou verdadeira: QUESTÕES ANPEC CÁLCULO A VÁRIAS VARIÁVEIS QUESTÃO Calcule o comprimento do vetor z e que minimiza o valor da função QUESTÃO Ache os valores de e correspondentes ao máimo da função 0 0 e satisfazem a equação

Leia mais

Aulas Práticas. 1ª Aula Prática Perguntas sobre a Implementação de Funções Simples na Máquina URM...1

Aulas Práticas. 1ª Aula Prática Perguntas sobre a Implementação de Funções Simples na Máquina URM...1 Aulas Práticas 1ª Aula Prática Perguntas sobre a Implementação de Funções Simples na Máquina URM...1 2ª Aula Prática Perguntas sobre a Implementação de Funções Recursivas na Máquina URM...2 3ª Aula Prática

Leia mais

Método Simplex dual. Marina Andretta ICMC-USP. 24 de outubro de 2016

Método Simplex dual. Marina Andretta ICMC-USP. 24 de outubro de 2016 Método Simplex dual Marina Andretta ICMC-USP 24 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização

Leia mais

MA14 - Aritmética Unidade 8 Resumo. Equações Diofantinas Lineares

MA14 - Aritmética Unidade 8 Resumo. Equações Diofantinas Lineares MA14 - Aritmética Unidade 8 Resumo Equações Diofantinas Lineares Abramo Hefez PROFMAT - SBM Julho 2013 Aviso Este material é apenas um resumo de parte do conteúdo da disciplina e o seu estudo não garante

Leia mais

Segunda prova de Álgebra Linear Aplicada - 20/02/2013 Prof. Juliana Coelho - 07h00-09h00

Segunda prova de Álgebra Linear Aplicada - 20/02/2013 Prof. Juliana Coelho - 07h00-09h00 Segunda prova de Álgebra Linear Aplicada - 20/02/2013 Prof Juliana Coelho - 07h00-09h00 QUESTÃO 1 (2,0 pts - Considere os seguintes vetores de R3 : u = (3, 2, 2, v = (1, 3, 1 e w = ( 1, 4, 4 Responda as

Leia mais

x exp( t 2 )dt f(x) =

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

Leia mais

5. Funções lineares em R n. ALGA (M1002) Ano letivo 2016/17 1 / 39

5. Funções lineares em R n. ALGA (M1002) Ano letivo 2016/17 1 / 39 5. Funções lineares em R n ALGA (M1002) Ano letivo 2016/17 1 / 39 5.1 Definição e propriedades básicas 5.1 Definição e propriedades básicas Definição: uma função f : E F entre espaços vetoriais E e F diz-se

Leia mais

FUNDAMENTOS DE SISTEMAS LINEARES PARTE 1

FUNDAMENTOS DE SISTEMAS LINEARES PARTE 1 FUNDAMENTOS DE SISTEMAS LINEARES PARTE 1 Prof. Iury V. de Bessa Departamento de Eletricidade Faculdade de Tecnologia Universidade Federal do Amazonas Revisão O que é um corpo (campo)? O que é um espaço

Leia mais

APROXIMAÇÃO SPLINE PARA A EXTENSÃO DE ZADEH

APROXIMAÇÃO SPLINE PARA A EXTENSÃO DE ZADEH APROXIMAÇÃO SPLINE PARA A EXTENSÃO DE ZADEH PPG. Matemáticas - IBILCE-UNESP gigu1885@hotmail.com III WORKSHOP Introdução PRELIMINARES Como sabemos, o principio fundamental da aritmética fuzzy é o principio

Leia mais

Cap. 5 Estabilidade de Lyapunov

Cap. 5 Estabilidade de Lyapunov Cap. 5 Estabilidade de Lyapunov 1 Motivação Considere as equações diferenciais que modelam o oscilador harmônico sem amortecimento e sem força aplicada, dada por: M z + Kz = 0 Escolhendo-se x 1 = z e x

Leia mais

Um Estudo Sobre Espaços Vetoriais Simpléticos

Um Estudo Sobre Espaços Vetoriais Simpléticos Um Estudo Sobre Espaços Vetoriais Simpléticos Fabiano Borges da Silva Lívia T. Minami Borges 28 de novembro de 2015 Resumo O presente artigo estuda de maneira detalhada espaços vetoriais que possuem uma

Leia mais

Métodos iterativos para sistemas lineares.

Métodos iterativos para sistemas lineares. Métodos iterativos para sistemas lineares. Alan Costa de Souza 7 de Setembro de 2017 Alan Costa de Souza Métodos iterativos para sistemas lineares. 7 de Setembro de 2017 1 / 46 Introdução. A ideia central

Leia mais

Material Teórico - Módulo Progressões Aritméticas. Definição e Lei de Formação de uma PA. Primeiro Ano

Material Teórico - Módulo Progressões Aritméticas. Definição e Lei de Formação de uma PA. Primeiro Ano Material Teórico - Módulo Progressões Aritméticas Definição e Lei de Formação de uma PA Primeiro Ano Autor: Prof. Ulisses Lima Parente Revisor: Prof. Antonio Caminha M. Neto 1 Sequências elementares e

Leia mais

Os Fundamentos: Lógica de Predicados

Os Fundamentos: Lógica de Predicados Os Fundamentos: Lógica de Predicados Área de Teoria DCC/UFMG Introdução à Lógica Computacional 2019/01 Introdução à Lógica Computacional Os Fundamentos: Lógica de Predicados Área de Teoria DCC/UFMG - 2019/01

Leia mais

Conjuntos Difusos. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 7)

Conjuntos Difusos. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 7) Conjuntos Difusos Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 7) Conjuntos Difusos 2 Conjuntos Difusos Quais das seguintes pessoas são altas? Paulo:

Leia mais

Pré-Cálculo. Humberto José Bortolossi. Aula de junho de Departamento de Matemática Aplicada Universidade Federal Fluminense

Pré-Cálculo. Humberto José Bortolossi. Aula de junho de Departamento de Matemática Aplicada Universidade Federal Fluminense Pré-Cálculo Humberto José Bortolossi Departamento de Matemática Aplicada Universidade Federal Fluminense Aula 12 06 de junho de 2011 Aula 12 Pré-Cálculo 1 A função afim A função afim Uma função f : R R

Leia mais

O Eletromagnetismo é um ramo da física ou da engenharia elétrica onde os fenômenos elétricos e magnéticos são estudados.

O Eletromagnetismo é um ramo da física ou da engenharia elétrica onde os fenômenos elétricos e magnéticos são estudados. 1. Análise Vetorial O Eletromagnetismo é um ramo da física ou da engenharia elétrica onde os fenômenos elétricos e magnéticos são estudados. Os princípios eletromagnéticos são encontrados em diversas aplicações:

Leia mais

Métodos de Pesquisa Operacional

Métodos de Pesquisa Operacional Métodos de Pesquisa Operacional Programação Linear é a parte da Pesquisa Operacional que trata da modelagem e resolução de problemas formulados com funções lineares. Programação Linear } Métodos de Resolução

Leia mais

DANIEL V. TAUSK. se A é um subconjunto de X, denotamos por A c o complementar de

DANIEL V. TAUSK. se A é um subconjunto de X, denotamos por A c o complementar de O TEOREMA DE REPRESENTAÇÃO DE RIESZ PARA MEDIDAS DANIEL V. TAUSK Ao longo do texto, denotará sempre um espaço topológico fixado. Além do mais, as seguintes notações serão utilizadas: supp f denota o suporte

Leia mais

EXPLICANDO PORQUE A MEDIANA PERTENCE À CLASSE MEDIANA

EXPLICANDO PORQUE A MEDIANA PERTENCE À CLASSE MEDIANA EXPLICANDO PORQUE A MEDIANA PERTENCE À CLASSE MEDIANA EM UM HISTOGRAMA R. C. SANTOS 1 Resumo Costuma-se dizer que a mediana é o valor que divide o conjunto em dois subconjuntos de mesmo tamanho, ou de

Leia mais

Sistemas Fuzzy Lógica Fuzzy e Sistemas Baseados em Regras Fuzzy

Sistemas Fuzzy Lógica Fuzzy e Sistemas Baseados em Regras Fuzzy Sistemas Fuzzy Lógica Fuzzy e Sistemas Baseados em Regras Fuzzy Profa. Dra. Sarajane M. Peres e Prof. Dr. Clodoaldo A. M. Lima EACH USP http://each.uspnet.usp.br/sarajane/ } Baseado em: Dimensão Topológica

Leia mais

UNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE MATEMÁTICA

UNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE MATEMÁTICA 1 UNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE MATEMÁTICA 1 a Lista de exercícios MAT 41 - Cálculo III - 01/II Coordenadas no espaço 1. Determinar o lugar geométrico

Leia mais

Probabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo

Probabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Probabilidade Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Experimento aleatório Definição. Qualquer experimento cujo resultado não pode

Leia mais

Revisão de Álgebra Linear

Revisão de Álgebra Linear Introdução: Revisão de Álgebra Linear Antonio Elias Fabris Instituto de Matemática e Estatística Universidade de São Paulo Map 2121 Aplicações de Álgebra Linear Antonio Elias Fabris (IME-USP) Revisão de

Leia mais

Convergência, séries de potência e funções analíticas

Convergência, séries de potência e funções analíticas Convergência, séries de potência e funções analíticas Roberto Imbuzeiro Oliveira March 16, 2011 1 Algumas palavras sobre convergência em C Tudo o que descreveremos aqui é análogo ao que se define e prova

Leia mais

13 AULA. Relações de Equivalência LIVRO. META: Introduzir o conceito de relações de equivalência e suas propriedades.

13 AULA. Relações de Equivalência LIVRO. META: Introduzir o conceito de relações de equivalência e suas propriedades. 2 LIVRO Relações de Equivalência META: Introduzir o conceito de relações de equivalência e suas propriedades. OBJETIVOS: Ao fim da aula os alunos deverão ser capazes de: Identificar se uma dada relação

Leia mais

Aula 7 Valores Máximo e Mínimo (e Pontos de Sela)

Aula 7 Valores Máximo e Mínimo (e Pontos de Sela) Aula 7 Valores Máximo e Mínimo (e Pontos de Sela) MA - Cálculo II Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade Estadual

Leia mais

Capítulo 6: Transformações Lineares e Matrizes

Capítulo 6: Transformações Lineares e Matrizes 6 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 6: Transformações Lineares e Matrizes Sumário 1 Matriz de uma Transformação Linear....... 151 2 Operações

Leia mais

Modelagem Computacional. Parte 8 2

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,

Leia mais

Método Simplex. Marina Andretta ICMC-USP. 19 de outubro de 2016

Método Simplex. Marina Andretta ICMC-USP. 19 de outubro de 2016 Método Simplex Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização linear

Leia mais

MDI0001 Matemática Discreta Aula 04 Álgebra de Conjuntos

MDI0001 Matemática Discreta Aula 04 Álgebra de Conjuntos MDI0001 Matemática Discreta Aula 04 Álgebra de Conjuntos Karina Girardi Roggia karina.roggia@udesc.br Departamento de Ciência da Computação Centro de Ciências Tecnológicas Universidade do Estado de Santa

Leia mais

Cones e raios extremos

Cones e raios extremos Cones e raios extremos Marina Andretta ICMC-USP 7 de novembro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização

Leia mais