Equações diferenciais ordinárias
|
|
- David Olivares de Vieira
- 7 Há anos
- Visualizações:
Transcrição
1 Departamento de Física Universidade Federal da Paraíba 24 de Junho de 2009
2 Motivação Problemas envolvendo equações diferenciais são muito comuns em física Exceto pelos mais simples, que podemos resolver analiticamente, temos que recorrer a métodos numéricos De forma geral, não existe um "melhor método" A compreensão dos diferentes métodos, seus pontos fortes e suas deficiências é fundamental para podermos ter confiança nos resultados
3 Motivação Problemas envolvendo equações diferenciais são muito comuns em física Exceto pelos mais simples, que podemos resolver analiticamente, temos que recorrer a métodos numéricos De forma geral, não existe um "melhor método" A compreensão dos diferentes métodos, seus pontos fortes e suas deficiências é fundamental para podermos ter confiança nos resultados
4 Motivação Problemas envolvendo equações diferenciais são muito comuns em física Exceto pelos mais simples, que podemos resolver analiticamente, temos que recorrer a métodos numéricos De forma geral, não existe um "melhor método" A compreensão dos diferentes métodos, seus pontos fortes e suas deficiências é fundamental para podermos ter confiança nos resultados
5 Motivação Problemas envolvendo equações diferenciais são muito comuns em física Exceto pelos mais simples, que podemos resolver analiticamente, temos que recorrer a métodos numéricos De forma geral, não existe um "melhor método" A compreensão dos diferentes métodos, seus pontos fortes e suas deficiências é fundamental para podermos ter confiança nos resultados
6 O problema Resolver uma equação do tipo d 2 y dx 2 + q(x)dy dx = r(x) Sempre podemos reescrever equações diferenciais de ordem superior como um conjunto de equações diferenciais de primeira ordem dy dx = z(x) dz dx = r(x) q(x)z(x) Portanto, o problema passa a ser estudar um conjunto de N equações diferenciais ordinárias de primeira ordem
7 O problema Resolver uma equação do tipo d 2 y dx 2 + q(x)dy dx = r(x) Sempre podemos reescrever equações diferenciais de ordem superior como um conjunto de equações diferenciais de primeira ordem dy dx = z(x) dz dx = r(x) q(x)z(x) Portanto, o problema passa a ser estudar um conjunto de N equações diferenciais ordinárias de primeira ordem
8 O problema Resolver uma equação do tipo d 2 y dx 2 + q(x)dy dx = r(x) Sempre podemos reescrever equações diferenciais de ordem superior como um conjunto de equações diferenciais de primeira ordem dy dx = z(x) dz dx = r(x) q(x)z(x) Portanto, o problema passa a ser estudar um conjunto de N equações diferenciais ordinárias de primeira ordem
9 O problema Às vezes é conveniente incluir prefatores (funções da variável independente) na definição das novas variáveis para evitar problemas numéricos Tentativa e erro, senso comum, experiência indicam o caminho
10 O problema Às vezes é conveniente incluir prefatores (funções da variável independente) na definição das novas variáveis para evitar problemas numéricos Tentativa e erro, senso comum, experiência indicam o caminho
11 Condições de contorno O conjunto de equações diferenciais não define completamente o problema O tipo das condições de contorno são determinantes para a solução numérica a ser empregada 1 todos os y i são conhecidos em um determinado ponto x 0 2 Programas de valor de contorno informação sobre o comportamento da função na fronteira da região de integração
12 Condições de contorno O conjunto de equações diferenciais não define completamente o problema O tipo das condições de contorno são determinantes para a solução numérica a ser empregada 1 todos os y i são conhecidos em um determinado ponto x 0 2 Programas de valor de contorno informação sobre o comportamento da função na fronteira da região de integração
13 Condições de contorno O conjunto de equações diferenciais não define completamente o problema O tipo das condições de contorno são determinantes para a solução numérica a ser empregada 1 todos os y i são conhecidos em um determinado ponto x 0 2 Programas de valor de contorno informação sobre o comportamento da função na fronteira da região de integração
14 Condições de contorno O conjunto de equações diferenciais não define completamente o problema O tipo das condições de contorno são determinantes para a solução numérica a ser empregada 1 todos os y i são conhecidos em um determinado ponto x 0 2 Programas de valor de contorno informação sobre o comportamento da função na fronteira da região de integração
15 Idéia geral Introdução Reescrever dy e dx como diferenças finitas y e x Multiplicar a equação por x Assim obtemos expressões para a variação das funções quando um passo de tamanho x é dado No limite em que x é muito pequeno, temos uma boa aproximação para a equação diferencial
16 Idéia geral Introdução Reescrever dy e dx como diferenças finitas y e x Multiplicar a equação por x Assim obtemos expressões para a variação das funções quando um passo de tamanho x é dado No limite em que x é muito pequeno, temos uma boa aproximação para a equação diferencial
17 Idéia geral Introdução Reescrever dy e dx como diferenças finitas y e x Multiplicar a equação por x Assim obtemos expressões para a variação das funções quando um passo de tamanho x é dado No limite em que x é muito pequeno, temos uma boa aproximação para a equação diferencial
18 Idéia geral Introdução Reescrever dy e dx como diferenças finitas y e x Multiplicar a equação por x Assim obtemos expressões para a variação das funções quando um passo de tamanho x é dado No limite em que x é muito pequeno, temos uma boa aproximação para a equação diferencial
19 Introdução Consideremos a equação y (x) = f (x, y) com a condição de contorno y(x 0 ) = y 0 Desejamos encontrar y(x) Fazendo uma expansão em série de Taylor, temos y(x) = y(x 0 ) + (x x 0 )y (x 0 ) + O[(x x 0 ) 2 ] Definindo o tamanho do passo como h = x x 0, y(x 0 + h) = y(x 0 ) + hf (x 0, y 0 ) O método de Euler consiste na iteração desta equação y n+1 = y n + hf (x n, y n )
20 Introdução Consideremos a equação y (x) = f (x, y) com a condição de contorno y(x 0 ) = y 0 Desejamos encontrar y(x) Fazendo uma expansão em série de Taylor, temos y(x) = y(x 0 ) + (x x 0 )y (x 0 ) + O[(x x 0 ) 2 ] Definindo o tamanho do passo como h = x x 0, y(x 0 + h) = y(x 0 ) + hf (x 0, y 0 ) O método de Euler consiste na iteração desta equação y n+1 = y n + hf (x n, y n )
21 Introdução Consideremos a equação y (x) = f (x, y) com a condição de contorno y(x 0 ) = y 0 Desejamos encontrar y(x) Fazendo uma expansão em série de Taylor, temos y(x) = y(x 0 ) + (x x 0 )y (x 0 ) + O[(x x 0 ) 2 ] Definindo o tamanho do passo como h = x x 0, y(x 0 + h) = y(x 0 ) + hf (x 0, y 0 ) O método de Euler consiste na iteração desta equação y n+1 = y n + hf (x n, y n )
22 Introdução Consideremos a equação y (x) = f (x, y) com a condição de contorno y(x 0 ) = y 0 Desejamos encontrar y(x) Fazendo uma expansão em série de Taylor, temos y(x) = y(x 0 ) + (x x 0 )y (x 0 ) + O[(x x 0 ) 2 ] Definindo o tamanho do passo como h = x x 0, y(x 0 + h) = y(x 0 ) + hf (x 0, y 0 ) O método de Euler consiste na iteração desta equação y n+1 = y n + hf (x n, y n )
23 Introdução Consideremos a equação y (x) = f (x, y) com a condição de contorno y(x 0 ) = y 0 Desejamos encontrar y(x) Fazendo uma expansão em série de Taylor, temos y(x) = y(x 0 ) + (x x 0 )y (x 0 ) + O[(x x 0 ) 2 ] Definindo o tamanho do passo como h = x x 0, y(x 0 + h) = y(x 0 ) + hf (x 0, y 0 ) O método de Euler consiste na iteração desta equação y n+1 = y n + hf (x n, y n )
24 Introdução Consideremos a equação y (x) = f (x, y) com a condição de contorno y(x 0 ) = y 0 Desejamos encontrar y(x) Fazendo uma expansão em série de Taylor, temos y(x) = y(x 0 ) + (x x 0 )y (x 0 ) + O[(x x 0 ) 2 ] Definindo o tamanho do passo como h = x x 0, y(x 0 + h) = y(x 0 ) + hf (x 0, y 0 ) O método de Euler consiste na iteração desta equação y n+1 = y n + hf (x n, y n )
25 Implementação Introdução Para calcularmos y(x), dividimos o intervalo x x 0 em N partes h = x x 0 N Usamos o método de Euler y n+1 = y n + hf (x n, y n ) x 1 x 2 x 3
26 Implementação Introdução Para calcularmos y(x), dividimos o intervalo x x 0 em N partes h = x x 0 N Usamos o método de Euler y n+1 = y n + hf (x n, y n ) x 1 x 2 x 3
27 Implementação Introdução Para calcularmos y(x), dividimos o intervalo x x 0 em N partes h = x x 0 N Usamos o método de Euler y n+1 = y n + hf (x n, y n ) x 1 x 2 x 3
28 Implementação Introdução Para calcularmos y(x), dividimos o intervalo x x 0 em N partes h = x x 0 N Usamos o método de Euler y n+1 = y n + hf (x n, y n ) x 1 x 2 x 3
29 Implementação Introdução Para calcularmos y(x), dividimos o intervalo x x 0 em N partes h = x x 0 N Usamos o método de Euler y n+1 = y n + hf (x n, y n ) x 1 x 2 x 3
30 Implementação Introdução Para calcularmos y(x), dividimos o intervalo x x 0 em N partes h = x x 0 N Usamos o método de Euler y n+1 = y n + hf (x n, y n ) x 1 x 2 x 3
31 Implementação Introdução Para calcularmos y(x), dividimos o intervalo x x 0 em N partes h = x x 0 N Usamos o método de Euler y n+1 = y n + hf (x n, y n ) x 1 x 2 x 3
32 Deficiências do método O erro é de ordem h A derivada é considerada constante ao longo do intervalo h Seu valor no fim do intervalo não é considerado
33 Deficiências do método O erro é de ordem h A derivada é considerada constante ao longo do intervalo h Seu valor no fim do intervalo não é considerado
34 Deficiências do método O erro é de ordem h A derivada é considerada constante ao longo do intervalo h Seu valor no fim do intervalo não é considerado
35 No caso do método de Euler, expandimos y(x) até primeira ordem Se expandirmos até segunda ordem, teremos y(x) = y(x 0 ) + hf (x 0, y 0 ) + y (x 0 ) h2 2 + O[h3 ]
36 No caso do método de Euler, expandimos y(x) até primeira ordem Se expandirmos até segunda ordem, teremos y(x) = y(x 0 ) + hf (x 0, y 0 ) + y (x 0 ) h2 2 + O[h3 ]
37 No caso do método de Euler, expandimos y(x) até primeira ordem Se expandirmos até segunda ordem, teremos y(x) = y(x 0 ) + hf (x 0, y 0 ) + y (x 0 ) h2 2 + O[h3 ] Precisamos, portanto, determinar y (x 0 )
38 No caso do método de Euler, expandimos y(x) até primeira ordem Se expandirmos até segunda ordem, teremos y(x) = y(x 0 ) + hf (x 0, y 0 ) + y (x 0 ) h2 2 + O[h3 ] Precisamos, portanto, determinar y (x 0 ) y (x 0 ) = f x (x 0, y 0 ) + f y (x 0, y 0 )f (x 0, y 0 )
39 No caso do método de Euler, expandimos y(x) até primeira ordem Se expandirmos até segunda ordem, teremos y(x) = y(x 0 ) + hf (x 0, y 0 ) + y (x 0 ) h2 2 + O[h3 ] Logo a expansão se torna y(x) = y(x 0 )+hf (x 0, y 0 )+ h2 2 f x(x 0, y 0 )+ h2 2 f y(x 0, y 0 )f (x 0, y 0 )
40 O método Runge-Kutta assume que a inclinação no intervalo h pode ser escrita como uma combinação linear de f (x, y) em certos pontos do intervalo No y(x) = y(x 0 ) + Ahf 0 + Bhf 1
41 O método Runge-Kutta assume que a inclinação no intervalo h pode ser escrita como uma combinação linear de f (x, y) em certos pontos do intervalo No y(x) = y(x 0 ) + Ahf 0 + Bhf 1
42 O método Runge-Kutta assume que a inclinação no intervalo h pode ser escrita como uma combinação linear de f (x, y) em certos pontos do intervalo No y(x) = y(x 0 ) + Ahf 0 + Bhf 1 onde f 0 = f (x 0, y 0 ), f 1 = f (x 0 + a 1 h, y 0 + a 2 hf 0 ), sendo A, B, a 1 e a 2 constantes a determinar
43 O método Runge-Kutta assume que a inclinação no intervalo h pode ser escrita como uma combinação linear de f (x, y) em certos pontos do intervalo No y(x) = y(x 0 ) + Ahf 0 + Bhf 1 Expandindo f 1 em série de Taylor, temos f 1 = f (x 0, y 0 ) + a 1 hf x (x 0, y 0 ) + a 2 hf y (x 0, y 0 )f (x 0, y 0 )
44 O método Runge-Kutta assume que a inclinação no intervalo h pode ser escrita como uma combinação linear de f (x, y) em certos pontos do intervalo No y(x) = y(x 0 ) + Ahf 0 + Bhf 1 Expandindo f 1 em série de Taylor, temos f 1 = f (x 0, y 0 ) + a 1 hf x (x 0, y 0 ) + a 2 hf y (x 0, y 0 )f (x 0, y 0 ) Portanto, temos y(x) = y(x 0 )+(A+B)hf (x 0, y 0 )+Bh 2 a 1 f x (x 0, y 0 )+Bh 2 a 2 f y (x 0, y 0 )f (x 0, y 0 )
45 Comparando a aproximação de Runge-Kutta y(x) = y(x 0 )+(A+B)hf (x 0, y 0 )+Bh 2 a 1 f x (x 0, y 0 )+Bh 2 a 2 f y (x 0, y 0 )f (x 0, y 0 ) com a expansão em série de Taylor, y(x) = y(x 0 ) + hf (x 0, y 0 ) + h2 2 f x(x 0, y 0 ) + h2 2 f y(x 0, y 0 )f (x 0, y 0 ) temos A + B = 1 Ba 1 = 1 2 Ba 2 = 1 2
46 Comparando a aproximação de Runge-Kutta y(x) = y(x 0 )+(A+B)hf (x 0, y 0 )+Bh 2 a 1 f x (x 0, y 0 )+Bh 2 a 2 f y (x 0, y 0 )f (x 0, y 0 ) com a expansão em série de Taylor, y(x) = y(x 0 ) + hf (x 0, y 0 ) + h2 2 f x(x 0, y 0 ) + h2 2 f y(x 0, y 0 )f (x 0, y 0 ) temos A + B = 1 Ba 1 = 1 2 Ba 2 = 1 2
47 Comparando a aproximação de Runge-Kutta y(x) = y(x 0 )+(A+B)hf (x 0, y 0 )+Bh 2 a 1 f x (x 0, y 0 )+Bh 2 a 2 f y (x 0, y 0 )f (x 0, y 0 ) com a expansão em série de Taylor, y(x) = y(x 0 ) + hf (x 0, y 0 ) + h2 2 f x(x 0, y 0 ) + h2 2 f y(x 0, y 0 )f (x 0, y 0 ) temos A + B = 1 Ba 1 = 1 2 Ba 2 = 1 2
48 Escolha dos parâmetros Como temos 4 parâmetros e 3 equações, podemos escolher um deles arbitrariamente
49 Escolha dos parâmetros Como temos 4 parâmetros e 3 equações, podemos escolher um deles arbitrariamente A = 0, B = 1, a 1 = a 2 = 1/2 Regra do ponto médio
50 Escolha dos parâmetros Como temos 4 parâmetros e 3 equações, podemos escolher um deles arbitrariamente A = 0, B = 1, a 1 = a 2 = 1/2 Regra do ponto médio x 1 x 2 x 3
51 Escolha dos parâmetros Como temos 4 parâmetros e 3 equações, podemos escolher um deles arbitrariamente A = 0, B = 1, a 1 = a 2 = 1/2 Regra do ponto médio x 1 x 2 x 3
52 Escolha dos parâmetros Como temos 4 parâmetros e 3 equações, podemos escolher um deles arbitrariamente A = 0, B = 1, a 1 = a 2 = 1/2 Regra do ponto médio x 1 x 2 x 3
53 Escolha dos parâmetros Como temos 4 parâmetros e 3 equações, podemos escolher um deles arbitrariamente A = 0, B = 1, a 1 = a 2 = 1/2 Regra do ponto médio x 1 x 2 x 3
54 Escolha dos parâmetros Como temos 4 parâmetros e 3 equações, podemos escolher um deles arbitrariamente A = 0, B = 1, a 1 = a 2 = 1/2 Regra do ponto médio x 1 x 2 x 3
55 Escolha dos parâmetros Como temos 4 parâmetros e 3 equações, podemos escolher um deles arbitrariamente A = 0, B = 1, a 1 = a 2 = 1/2 Regra do ponto médio x 1 x 2 x 3
56 Escolha dos parâmetros Como temos 4 parâmetros e 3 equações, podemos escolher um deles arbitrariamente A = 0, B = 1, a 1 = a 2 = 1/2 Regra do ponto médio x 1 x 2 x 3
57 Escolha dos parâmetros Como temos 4 parâmetros e 3 equações, podemos escolher um deles arbitrariamente A = 1/3, B = 2/3, a 1 = a 2 = 3/4 valores ótimos (minimiza coeficiente do erro)
58 é apenas didático
59 é apenas didático Para uso prático quarta ordem
60 Dedução segue a mesma linha de raciocínio:
61 Dedução segue a mesma linha de raciocínio: 1 Expandir y(x 0 + h) até quarta ordem
62 Dedução segue a mesma linha de raciocínio: 1 Expandir y(x 0 + h) até quarta ordem 2 Assumir que y(x 0 + h) = y(x 0 ) + h [Af 0 + Bf 1 + Cf 2 + Df 3 ]
63 Dedução segue a mesma linha de raciocínio: 1 Expandir y(x 0 + h) até quarta ordem 2 Assumir que y(x 0 + h) = y(x 0 ) + h [Af 0 + Bf 1 + Cf 2 + Df 3 ] onde f0 = f (x 0, y 0 ) f 1 = f (x 0 + αh, y 0 + a 0 f 0 h) f 2 = f (x 0 + βh, y 0 + b 0 f 0 h + b 1 f 1 h) f 3 = f (x 0 + γh, y 0 + c 0 f 0 h + c 1 f 1 h + c 2 f 2 h)
64 Dedução segue a mesma linha de raciocínio: 1 Expandir y(x 0 + h) até quarta ordem 2 Assumir que y(x 0 + h) = y(x 0 ) + h [Af 0 + Bf 1 + Cf 2 + Df 3 ] onde f0 = f (x 0, y 0 ) f 1 = f (x 0 + αh, y 0 + a 0 f 0 h) f 2 = f (x 0 + βh, y 0 + b 0 f 0 h + b 1 f 1 h) f 3 = f (x 0 + γh, y 0 + c 0 f 0 h + c 1 f 1 h + c 2 f 2 h) 3 Expandir f 1, f 2 e f 3 em série de Taylor até terceira ordem
65 Dedução segue a mesma linha de raciocínio: 1 Expandir y(x 0 + h) até quarta ordem 2 Assumir que y(x 0 + h) = y(x 0 ) + h [Af 0 + Bf 1 + Cf 2 + Df 3 ] onde f0 = f (x 0, y 0 ) f 1 = f (x 0 + αh, y 0 + a 0 f 0 h) f 2 = f (x 0 + βh, y 0 + b 0 f 0 h + b 1 f 1 h) f 3 = f (x 0 + γh, y 0 + c 0 f 0 h + c 1 f 1 h + c 2 f 2 h) 3 Expandir f 1, f 2 e f 3 em série de Taylor até terceira ordem 4 Equacionar os termos das duas séries
66 Dedução segue a mesma linha de raciocínio: 1 Expandir y(x 0 + h) até quarta ordem 2 Assumir que y(x 0 + h) = y(x 0 ) + h [Af 0 + Bf 1 + Cf 2 + Df 3 ] onde f0 = f (x 0, y 0 ) f 1 = f (x 0 + αh, y 0 + a 0 f 0 h) f 2 = f (x 0 + βh, y 0 + b 0 f 0 h + b 1 f 1 h) f 3 = f (x 0 + γh, y 0 + c 0 f 0 h + c 1 f 1 h + c 2 f 2 h) 3 Expandir f 1, f 2 e f 3 em série de Taylor até terceira ordem 4 Equacionar os termos das duas séries 5 Serão 10 equações e 13 icógnitas diversas possibilidades
67 Escolha mais comum: f 0 = f (x 0, y 0 ) f 1 = f (x 0 + h 2, y 0 + h 2 f 0) f 2 = f (x 0 + h 2, y 0 + h 2 f 1) f 3 = f (x 0 + h, y 0 + hf 2 ) com y(x 0 + h) = y(x 0 ) + h 6 (f 0 + 2f 1 + 2f 2 + f 3 ) Note que no caso f (x, y) = g(x), o método equivale à regra de Simpson
68 Precisão Introdução Como saber se nossa resposta é precisa? Como avaliar o erro? Possível solução: calcular y(x) usando dois tamanhos de passo diferentes e comparar os resultados Podemos fazer essa comparação depois de vários passos Contudo, a natureza da solução pode depender da região Portanto, os resultados devem ser comparados frequentemente
69 Precisão Introdução Como saber se nossa resposta é precisa? Como avaliar o erro? Possível solução: calcular y(x) usando dois tamanhos de passo diferentes e comparar os resultados Podemos fazer essa comparação depois de vários passos Contudo, a natureza da solução pode depender da região Portanto, os resultados devem ser comparados frequentemente
70 Precisão Introdução Como saber se nossa resposta é precisa? Como avaliar o erro? Possível solução: calcular y(x) usando dois tamanhos de passo diferentes e comparar os resultados Podemos fazer essa comparação depois de vários passos Contudo, a natureza da solução pode depender da região Portanto, os resultados devem ser comparados frequentemente
71 Precisão Introdução Como saber se nossa resposta é precisa? Como avaliar o erro? Possível solução: calcular y(x) usando dois tamanhos de passo diferentes e comparar os resultados Podemos fazer essa comparação depois de vários passos Contudo, a natureza da solução pode depender da região Portanto, os resultados devem ser comparados frequentemente
72 Precisão Introdução Como saber se nossa resposta é precisa? Como avaliar o erro? Possível solução: calcular y(x) usando dois tamanhos de passo diferentes e comparar os resultados Podemos fazer essa comparação depois de vários passos Contudo, a natureza da solução pode depender da região Portanto, os resultados devem ser comparados frequentemente
73 Para atingirmos uma determinada precisão ɛ, podemos usar o seguinte algoritmo 1 Calcular y(x 0 + h) e y(x 0 + h/2) 2 Se y(x 0 + h) y(x 0 + h/2) <ɛ Erro é pequeno e estamos realizando um esforço computacional desnecessário Aceitamos o passo e diminuimos h para o próximo passo 3 Se y(x 0 + h) y(x 0 + h/2) >ɛ O erro é muito grande Rejeitamos o passo, diminuimos h e tentamos de novo
74 Alternativa aos passos de tamanho variável Utiliza o conhecimento do erro para estimar o tamanho do passo necessário para manter uma dada precisão O método
75 Alternativa aos passos de tamanho variável Utiliza o conhecimento do erro para estimar o tamanho do passo necessário para manter uma dada precisão O método
76 Alternativa aos passos de tamanho variável Utiliza o conhecimento do erro para estimar o tamanho do passo necessário para manter uma dada precisão O método Para um método de Runge-Kutta de ordem n, temos y(x 0 + h) = y exato + kh n+1
77 Alternativa aos passos de tamanho variável Utiliza o conhecimento do erro para estimar o tamanho do passo necessário para manter uma dada precisão O método Para um método de Runge-Kutta de ordem n, temos y(x 0 + h) = y exato + kh n+1 Portanto, a diferença entre Runge-Kutta de ordem n e n + 1 é y n (x 0 + h) y n+1 (x 0 + h) = kh n+1 ˆkh n+2 kh n+1
78 Alternativa aos passos de tamanho variável Utiliza o conhecimento do erro para estimar o tamanho do passo necessário para manter uma dada precisão O método Para um método de Runge-Kutta de ordem n, temos y(x 0 + h) = y exato + kh n+1 Portanto, a diferença entre Runge-Kutta de ordem n e n + 1 é y n (x 0 + h) y n+1 (x 0 + h) = kh n+1 ˆkh n+2 kh n+1 Logo k yn y n+1 h n+1
79 Alternativa aos passos de tamanho variável Utiliza o conhecimento do erro para estimar o tamanho do passo necessário para manter uma dada precisão O método Portanto, se h new é o tamanho do novo passo de forma a essas duas expressões concordarem (aceitando um erro ɛ)
80 Alternativa aos passos de tamanho variável Utiliza o conhecimento do erro para estimar o tamanho do passo necessário para manter uma dada precisão O método Portanto, se h new é o tamanho do novo passo de forma a essas duas expressões concordarem (aceitando um erro ɛ) h new ɛ = kh n+1 new = hn+1 new h n+1 y n y n+1
81 Alternativa aos passos de tamanho variável Utiliza o conhecimento do erro para estimar o tamanho do passo necessário para manter uma dada precisão O método Portanto, se h new é o tamanho do novo passo de forma a essas duas expressões concordarem (aceitando um erro ɛ) Donde h new ɛ = kh n+1 new = hn+1 new h n+1 y n y n+1 hɛ h new = h n y n (x 0 + h) y n+1 (x 0 + h)
82 Implementação Introdução 1 A partir de um passo de tamanho h, calculamos o erro y n y n+1 2 Se o erro for maior do que o aceitável, rejeitamos o passo e repetimos o processo com um passo menor h new 3 Se o erro for menor que o aceitável, estamos usando um passo grande demais. Aceitamos o passo e aumentamos o passo para a próxima iteração. Atenção Como o custo computacional de repetir um passo é relativamente alto, é aconselhável ser conservador e usar um passo menor que o estimado. Digamos, 0.9h new
83 Implementação Introdução 1 A partir de um passo de tamanho h, calculamos o erro y n y n+1 2 Se o erro for maior do que o aceitável, rejeitamos o passo e repetimos o processo com um passo menor h new 3 Se o erro for menor que o aceitável, estamos usando um passo grande demais. Aceitamos o passo e aumentamos o passo para a próxima iteração. Atenção Como o custo computacional de repetir um passo é relativamente alto, é aconselhável ser conservador e usar um passo menor que o estimado. Digamos, 0.9h new
84 Implementação Introdução 1 A partir de um passo de tamanho h, calculamos o erro y n y n+1 2 Se o erro for maior do que o aceitável, rejeitamos o passo e repetimos o processo com um passo menor h new 3 Se o erro for menor que o aceitável, estamos usando um passo grande demais. Aceitamos o passo e aumentamos o passo para a próxima iteração. Atenção Como o custo computacional de repetir um passo é relativamente alto, é aconselhável ser conservador e usar um passo menor que o estimado. Digamos, 0.9h new
85 Implementação Introdução 1 A partir de um passo de tamanho h, calculamos o erro y n y n+1 2 Se o erro for maior do que o aceitável, rejeitamos o passo e repetimos o processo com um passo menor h new 3 Se o erro for menor que o aceitável, estamos usando um passo grande demais. Aceitamos o passo e aumentamos o passo para a próxima iteração. Atenção Como o custo computacional de repetir um passo é relativamente alto, é aconselhável ser conservador e usar um passo menor que o estimado. Digamos, 0.9h new
86 Ganho computacional Qual o ganho computacional do método? Em geral, nenhum. O que se ganha com a otimização do passo, se perde com a aplicação de dois Runge-Kutta para cada passo. A Sacada: Usar métodos Runge-Kutta de diferentes ordens, com as mesmas funções intermediárias!!!
87 Ganho computacional Qual o ganho computacional do método? Em geral, nenhum. O que se ganha com a otimização do passo, se perde com a aplicação de dois Runge-Kutta para cada passo. A Sacada: Usar métodos Runge-Kutta de diferentes ordens, com as mesmas funções intermediárias!!!
88 Ganho computacional Qual o ganho computacional do método? Em geral, nenhum. O que se ganha com a otimização do passo, se perde com a aplicação de dois Runge-Kutta para cada passo. A Sacada: Usar métodos Runge-Kutta de diferentes ordens, com as mesmas funções intermediárias!!!
89 Ganho computacional Qual o ganho computacional do método? Em geral, nenhum. O que se ganha com a otimização do passo, se perde com a aplicação de dois Runge-Kutta para cada passo. A Sacada: Usar métodos Runge-Kutta de diferentes ordens, com as mesmas funções intermediárias!!!
90 Runge-Kutta-Fehlberg de quarta/quinta ordem Funções intermediárias f 0 = f (x 0, y 0 ) f 1 = f (x 0 + h 4, y 0 + h 4 f 0) f 2 = f (x 0 + 3h 8, y 0 + 3h 32 f 0 + 9h 32 f 1) f 3 = f (x h 13, y h 2197 f h 2197 f h 2197 f 2) f 4 = f (x 0 + h, y h 216 f 0 8hf h 513 f 2 845h 4104 f 3) f 5 = f (x 0 + h 2, y 0 8h 27 f 0 + 2hf h 2565 f h 4104 f 3 11h 40 f 4)
91 Runge-Kutta-Fehlberg de quarta/quinta ordem Aproximações ( 25 y 4 = y 0 + h 216 f f f 3 1 ) 5 f 4 ( 16 y 5 = y 0 + h 135 f f f f ) 55 f 5
92 Runge-Kutta-Fehlberg de quarta/quinta ordem Erro = y 4 y 5 = h f f f f f 5 Não é necessário calcular y explicitamente para aceitar ou não o passo h new = 0.9h 4 hɛ
93 Método da tentativa e erro (shooting method) Elementos Finitos Problemas com condições de contorno fixas Neste caso, queremos resolver uma EDO de ordem n sujeita a condições de contorno na superfície Primeiramente, reescrevemos a EDO como um conjunto de n equações de primeira ordem Y = y y y. y n 1 Assim, teremos n 1 condições de contorno no ponto inicial (t = 0) e n 2 = n n 1 condições de contorno no ponto final (t = t f )
94 Método da tentativa e erro (shooting method) Elementos Finitos Problemas com condições de contorno fixas Neste caso, queremos resolver uma EDO de ordem n sujeita a condições de contorno na superfície Primeiramente, reescrevemos a EDO como um conjunto de n equações de primeira ordem Y = y y y. y n 1 Assim, teremos n 1 condições de contorno no ponto inicial (t = 0) e n 2 = n n 1 condições de contorno no ponto final (t = t f )
95 Método da tentativa e erro (shooting method) Elementos Finitos Problemas com condições de contorno fixas Neste caso, queremos resolver uma EDO de ordem n sujeita a condições de contorno na superfície Primeiramente, reescrevemos a EDO como um conjunto de n equações de primeira ordem Y = y y y. y n 1 Assim, teremos n 1 condições de contorno no ponto inicial (t = 0) e n 2 = n n 1 condições de contorno no ponto final (t = t f )
96 Método da tentativa e erro (shooting method) Elementos Finitos Problemas com condições de contorno fixas Neste caso, queremos resolver uma EDO de ordem n sujeita a condições de contorno na superfície Primeiramente, reescrevemos a EDO como um conjunto de n equações de primeira ordem Y = y y y. y n 1 Assim, teremos n 1 condições de contorno no ponto inicial (t = 0) e n 2 = n n 1 condições de contorno no ponto final (t = t f )
97 Método da tentativa e erro (shooting method) Elementos Finitos Método da tentativa e erro 1 Escolhemos n 2 condições contorno arbitrárias (chute) complementanto as n 1 condições já existentes no ponto inicial 2 Usando um método para problemas de valor inicial, deixamos o sistema evoluir até o ponto t f 3 Calculamos o erro em relação às condições de contorno no ponto final Se o erro (todas as componentes) for menor que a tolerância, achamos a solução Se não, escolhemos um novo chute voltamos ao passo 2
98 Método da tentativa e erro (shooting method) Elementos Finitos Método da tentativa e erro 1 Escolhemos n 2 condições contorno arbitrárias (chute) complementanto as n 1 condições já existentes no ponto inicial 2 Usando um método para problemas de valor inicial, deixamos o sistema evoluir até o ponto t f 3 Calculamos o erro em relação às condições de contorno no ponto final Se o erro (todas as componentes) for menor que a tolerância, achamos a solução Se não, escolhemos um novo chute voltamos ao passo 2
99 Método da tentativa e erro (shooting method) Elementos Finitos Método da tentativa e erro 1 Escolhemos n 2 condições contorno arbitrárias (chute) complementanto as n 1 condições já existentes no ponto inicial 2 Usando um método para problemas de valor inicial, deixamos o sistema evoluir até o ponto t f 3 Calculamos o erro em relação às condições de contorno no ponto final Se o erro (todas as componentes) for menor que a tolerância, achamos a solução Se não, escolhemos um novo chute voltamos ao passo 2
100 Método da tentativa e erro (shooting method) Elementos Finitos Método da tentativa e erro 1 Escolhemos n 2 condições contorno arbitrárias (chute) complementanto as n 1 condições já existentes no ponto inicial 2 Usando um método para problemas de valor inicial, deixamos o sistema evoluir até o ponto t f 3 Calculamos o erro em relação às condições de contorno no ponto final Se o erro (todas as componentes) for menor que a tolerância, achamos a solução Se não, escolhemos um novo chute voltamos ao passo 2
101 Método da tentativa e erro (shooting method) Elementos Finitos Método da tentativa e erro 1 Escolhemos n 2 condições contorno arbitrárias (chute) complementanto as n 1 condições já existentes no ponto inicial 2 Usando um método para problemas de valor inicial, deixamos o sistema evoluir até o ponto t f 3 Calculamos o erro em relação às condições de contorno no ponto final Se o erro (todas as componentes) for menor que a tolerância, achamos a solução Se não, escolhemos um novo chute voltamos ao passo 2
102 Método da tentativa e erro (shooting method) Elementos Finitos Aprendendo a chutar Queremos, a partir de um conjunto de condições de contorno α = {α 1, α 2,, α n2 }, encontrar um novo conjunto que faça o erro diminuir α = α + α Para isso, escolhemos α tal que [ ] εi ε = J α J = [j ij ] = α j E aproximamos ε i = ε i(α 1,, α j + α j,, α n2 ) ε i (α 1,, α n2 ) α j α j
103 Método da tentativa e erro (shooting method) Elementos Finitos Aprendendo a chutar Queremos, a partir de um conjunto de condições de contorno α = {α 1, α 2,, α n2 }, encontrar um novo conjunto que faça o erro diminuir α = α + α Para isso, escolhemos α tal que [ ] εi ε = J α J = [j ij ] = α j E aproximamos ε i = ε i(α 1,, α j + α j,, α n2 ) ε i (α 1,, α n2 ) α j α j
104 Método da tentativa e erro (shooting method) Elementos Finitos Aprendendo a chutar Queremos, a partir de um conjunto de condições de contorno α = {α 1, α 2,, α n2 }, encontrar um novo conjunto que faça o erro diminuir α = α + α Para isso, escolhemos α tal que [ ] εi ε = J α J = [j ij ] = α j E aproximamos ε i = ε i(α 1,, α j + α j,, α n2 ) ε i (α 1,, α n2 ) α j α j
105 Método da tentativa e erro (shooting method) Elementos Finitos Aprendendo a chutar Queremos, a partir de um conjunto de condições de contorno α = {α 1, α 2,, α n2 }, encontrar um novo conjunto que faça o erro diminuir α = α + α Para isso, escolhemos α tal que [ ] εi ε = J α J = [j ij ] = α j E aproximamos ε i = ε i(α 1,, α j + α j,, α n2 ) ε i (α 1,, α n2 ) α j α j
106 Método da tentativa e erro (shooting method) Elementos Finitos Exemplo: EDO de segunda ordem 1 Escrevemos y = F(x, y, y ) como 2 EDOs de ordem 1 dy 1 dx = y 2 dy 2 dx = F(x, y, y ) 2 As condições de contorno do problema são, portanto, 3 Chute inicial: dois valores iniciais para y (x 0 ), α 1, α 2 4 Usamos, por exemplo, o método de Runge-Kutta 5 Calculamos o erro ε 1,2 = y 1,2 (x f, α 1,2 ) 6 Como a mudança no erro deverá ser contrária ao erro, temos 7 Repetimos o processo, desde o passo 4 até que ε 2 se torne menor que a tolerância
107 Método da tentativa e erro (shooting method) Elementos Finitos Exemplo: EDO de segunda ordem 1 Escrevemos y = F(x, y, y ) como 2 EDOs de ordem 1 2 As condições de contorno do problema são, portanto, y 1 (x 0 ) = y 0 e y 1 (x f ) = y f 3 Chute inicial: dois valores iniciais para y (x 0 ), α 1, α 2 4 Usamos, por exemplo, o método de Runge-Kutta 5 Calculamos o erro ε 1,2 = y 1,2 (x f, α 1,2 ) 6 Como a mudança no erro deverá ser contrária ao erro, temos 7 Repetimos o processo, desde o passo 4 até que ε 2 se torne menor que a tolerância
108 Método da tentativa e erro (shooting method) Elementos Finitos Exemplo: EDO de segunda ordem 1 Escrevemos y = F(x, y, y ) como 2 EDOs de ordem 1 2 As condições de contorno do problema são, portanto, 3 Chute inicial: dois valores iniciais para y (x 0 ), α 1, α 2 4 Usamos, por exemplo, o método de Runge-Kutta 5 Calculamos o erro ε 1,2 = y 1,2 (x f, α 1,2 ) 6 Como a mudança no erro deverá ser contrária ao erro, temos 7 Repetimos o processo, desde o passo 4 até que ε 2 se torne menor que a tolerância
109 Método da tentativa e erro (shooting method) Elementos Finitos Exemplo: EDO de segunda ordem 1 Escrevemos y = F(x, y, y ) como 2 EDOs de ordem 1 2 As condições de contorno do problema são, portanto, 3 Chute inicial: dois valores iniciais para y (x 0 ), α 1, α 2 4 Usamos, por exemplo, o método de Runge-Kutta para obter y 1 (x f, α 1 ) e y 1 (x f, α 2 ) 5 Calculamos o erro ε 1,2 = y 1,2 (x f, α 1,2 ) 6 Como a mudança no erro deverá ser contrária ao erro, temos 7 Repetimos o processo, desde o passo 4 até que ε 2 se torne menor que a tolerância
110 Método da tentativa e erro (shooting method) Elementos Finitos Exemplo: EDO de segunda ordem 1 Escrevemos y = F(x, y, y ) como 2 EDOs de ordem 1 2 As condições de contorno do problema são, portanto, 3 Chute inicial: dois valores iniciais para y (x 0 ), α 1, α 2 4 Usamos, por exemplo, o método de Runge-Kutta 5 Calculamos o erro ε 1,2 = y 1,2 (x f, α 1,2 ) e estimamos ε α = ε 2 ε 1 α 2 α 1 6 Como a mudança no erro deverá ser contrária ao erro, temos 7 Repetimos o processo, desde o passo 4 até que ε 2 se torne menor que a tolerância
111 Método da tentativa e erro (shooting method) Elementos Finitos Exemplo: EDO de segunda ordem 1 Escrevemos y = F(x, y, y ) como 2 EDOs de ordem 1 2 As condições de contorno do problema são, portanto, 3 Chute inicial: dois valores iniciais para y (x 0 ), α 1, α 2 4 Usamos, por exemplo, o método de Runge-Kutta 5 Calculamos o erro ε 1,2 = y 1,2 (x f, α 1,2 ) 6 Como a mudança no erro deverá ser contrária ao erro, temos α = ε 2 ε α 7 Repetimos o processo, desde o passo 4 até que ε 2 se torne menor que a tolerância
112 Método da tentativa e erro (shooting method) Elementos Finitos Exemplo: EDO de segunda ordem 1 Escrevemos y = F(x, y, y ) como 2 EDOs de ordem 1 2 As condições de contorno do problema são, portanto, 3 Chute inicial: dois valores iniciais para y (x 0 ), α 1, α 2 4 Usamos, por exemplo, o método de Runge-Kutta para obter y 1 (x f, α 1 ) e y 1 (x f, α 2 ) 5 Calculamos o erro ε 1,2 = y 1,2 (x f, α 1,2 ) 6 Como a mudança no erro deverá ser contrária ao erro, temos 7 Repetimos o processo, desde o passo 4 até que ε 2 se torne menor que a tolerância
113 Método da tentativa e erro (shooting method) Elementos Finitos Método dos elementos finitos Mais uma vez, queremos resolver uma EDO com condições de contorno nas bordas y(x 0 ) = y 0 e y(x f ) = y f Para isso, dividimos o intervalo em N partes iguais de tamanho h, de forma que temos N + 1 pontos (y i, x i ), onde y i = y(x i ) Discretizamos as derivadas da EDO (para uma EDO de segunda ordem, poderíamos escrever) dy i dx = y i+1 y i 1 2h e d 2 y i dx 2 = y i+1 2y i + y i 1 h 2 Introduzindo essa discretização na EDO, calculamos uma nova aproximação para y i em função dos valores de y i±1 Repetimos o processo, até que a precisão desejada seja obtida
114 Método da tentativa e erro (shooting method) Elementos Finitos Método dos elementos finitos Mais uma vez, queremos resolver uma EDO com condições de contorno nas bordas y(x 0 ) = y 0 e y(x f ) = y f Para isso, dividimos o intervalo em N partes iguais de tamanho h, de forma que temos N + 1 pontos (y i, x i ), onde y i = y(x i ) Discretizamos as derivadas da EDO (para uma EDO de segunda ordem, poderíamos escrever) dy i dx = y i+1 y i 1 2h e d 2 y i dx 2 = y i+1 2y i + y i 1 h 2 Introduzindo essa discretização na EDO, calculamos uma nova aproximação para y i em função dos valores de y i±1 Repetimos o processo, até que a precisão desejada seja obtida
115 Método da tentativa e erro (shooting method) Elementos Finitos Método dos elementos finitos Mais uma vez, queremos resolver uma EDO com condições de contorno nas bordas y(x 0 ) = y 0 e y(x f ) = y f Para isso, dividimos o intervalo em N partes iguais de tamanho h, de forma que temos N + 1 pontos (y i, x i ), onde y i = y(x i ) Discretizamos as derivadas da EDO (para uma EDO de segunda ordem, poderíamos escrever) dy i dx = y i+1 y i 1 2h e d 2 y i dx 2 = y i+1 2y i + y i 1 h 2 Introduzindo essa discretização na EDO, calculamos uma nova aproximação para y i em função dos valores de y i±1 Repetimos o processo, até que a precisão desejada seja obtida
116 Método da tentativa e erro (shooting method) Elementos Finitos Método dos elementos finitos Mais uma vez, queremos resolver uma EDO com condições de contorno nas bordas y(x 0 ) = y 0 e y(x f ) = y f Para isso, dividimos o intervalo em N partes iguais de tamanho h, de forma que temos N + 1 pontos (y i, x i ), onde y i = y(x i ) Discretizamos as derivadas da EDO (para uma EDO de segunda ordem, poderíamos escrever) dy i dx = y i+1 y i 1 2h e d 2 y i dx 2 = y i+1 2y i + y i 1 h 2 Introduzindo essa discretização na EDO, calculamos uma nova aproximação para y i em função dos valores de y i±1 Repetimos o processo, até que a precisão desejada seja obtida
117 Método da tentativa e erro (shooting method) Elementos Finitos Método dos elementos finitos Mais uma vez, queremos resolver uma EDO com condições de contorno nas bordas y(x 0 ) = y 0 e y(x f ) = y f Para isso, dividimos o intervalo em N partes iguais de tamanho h, de forma que temos N + 1 pontos (y i, x i ), onde y i = y(x i ) Discretizamos as derivadas da EDO (para uma EDO de segunda ordem, poderíamos escrever) dy i dx = y i+1 y i 1 2h e d 2 y i dx 2 = y i+1 2y i + y i 1 h 2 Introduzindo essa discretização na EDO, calculamos uma nova aproximação para y i em função dos valores de y i±1 Repetimos o processo, até que a precisão desejada seja obtida
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:
Leia maisCÁLCULO 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
Leia maisAndréa 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,
Leia maisFísica Computacional 5
Física Computacional 5 1. Derivadas com diferenças finitas a. O conceito de derivada, menos simples que o de integral b. Cálculo numérico da derivada com diferenças finitas c. Um outro conceito, Equação
Leia maisSolução 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
Leia maisIntrodução 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
Leia maisCÁLCULO 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
Leia maisCálculo 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
Leia maisMétodos Previsor-Corretor
Solução numérica de Equações Diferenciais Ordinárias: Métodos Previsor-Corretor Marina Andretta/Franklina Toledo ICMC-USP 7 de novembro de 2013 Baseado no livro Cálculo Numérico, de S. Arenales e A. Darezzo.
Leia maisAlgoritmos 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
Leia maisProblemas 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
Leia maisétodos 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
Leia maisSolução 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
Leia maisy(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
Leia maisEquações 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
Leia maisModelagem 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 maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo específico Introdução à Resolução de Equações Diferenciais Ordinárias
Leia maisDCC008 - 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
Leia maisMétodos 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 ),
Leia maisExame (1º Teste) de Análise Numérica (LMAC, MEIC, MMA) Instituto Superior Técnico, 11 de Janeiro de 2016, 15h00-16h15 (1º Teste)
Exame (º Teste) de Análise Numérica (LMAC, MEIC, MMA) Instituto Superior Técnico, de Janeiro de 6, h-6h (º Teste) ) [] a) Determine p, o polinómio de menor grau tal que p() = a, p() = b, p () = p () =
Leia maisCapítulo 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
Leia maisRoteiro para o Terceiro Laboratório de Cálculo Numérico /1
Roteiro para o Terceiro Laboratório de Cálculo Numérico - 2008/1 Prof. Dr. Waldeck Schützer June 23, 2008 DM/UFSCar Nesta terceira aula de laboratório, vamos utilizar o Octave para aproximar funções e
Leia maisCapítulo 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
Leia maisMAP 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
Leia maisEquações 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,
Leia maisRef: H.Gould e J. Tobochnik. Para integrais em uma dimensão as regras do trapezóide e de Simpson são
Método de Monte Carlo Resolução de Integrais Ref: H.Gould e J. Tobochnik Para integrais em uma dimensão as regras do trapezóide e de Simpson são melhores, mais rápidas. A técnica de resolução de integrais
Leia maisCurso: Engenharia Ambiental. Disciplina: Equações Diferenciais Ordinárias. Professora: Dr a. Camila N. Boeri Di Domenico NOTAS DE AULA 2
Curso: Engenharia Ambiental Disciplina: Equações Diferenciais Ordinárias Professora: Dr a. Camila N. Boeri Di Domenico NOTAS DE AULA 2 11. EQUAÇÕES DIFERENCIAIS ORDINÁRIAS DE 2º ORDEM y (x) = f (x,y,y
Leia maisMétodos 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.
Leia maisEquações diferenciais ordinárias EQUAÇÕES DIFERENCIAIS ORDINÁRIAS
1 Sumário 1 Equações diferenciais ordinárias Métodos de Euler Exemplo de EDO linear: Método implícito Métodos multi-passo lineares Fórmulas de Adams-Bashforth Fórmulas de Adams-Moulton Fórmulas do tipo
Leia maisPolinômios de Legendre
Seção 5: continuação do método de resolução por séries de potências Na Seção foi exposto informalmente, através de exemplos, o método de resolução de equações diferenciais ordinárias por séries de potências.
Leia maisEXERCICIOS RESOLVIDOS - INT-POLIN - MMQ - INT-NUMERICA - EDO
Cálculo Numérico EXERCICIOS EXTRAIDOS DE PROVAS ANTERIORES o sem/08 EXERCICIOS RESOLVIDOS - INT-POLIN - MMQ - INT-NUMERICA - EDO x. Considere a seguinte tabela de valores de uma função f: i 0 f(x i ).50
Leia maisNeste 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,
Leia maisInterpolação 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
Leia maisSabendo que f(x) é um polinômio de grau 2, utilize a formula do trapézio e calcule exatamente
MÉTODOS NUMÉRICOS E COMPUTACIONAIS II EXERCICIOS EXTRAIDOS DE PROVAS ANTERIORES EXERCICIOS RESOLVIDOS - INTEGRACAO-NUMERICA - EDO. Considere a seguinte tabela de valores de uma função f x i..5.7..5 f(x
Leia maisMétodo de Newton. Podemos escrever este problema na forma vetorial denindo o vetor x = [x 1, x 2,..., x n ] T e a função vetorial
Método de Newton 1 Introdução O método de Newton aplicado a encontrar a raiz x da função y = fx) estudado na primeira área de nossa disciplina consiste em um processso iterativo Em cada passo deste processo,
Leia maisCapítulo 6 - Integração e Diferenciação Numérica
Capítulo 6 - Integração e Diferenciação Numérica 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
Leia maisEquações 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
Leia maisMétodos Numéricos para EDO S
Métodos Numéricos para EDO S 9.1 Introdução O estudo das equações diferenciais foi motivado inicialmente por problemas da física, ou seja problemas de mecânica, eletricidade termodinâmica, magnetismo etc.
Leia maisAs 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
Leia maisModelagem 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
Leia maisMétodos de Física Teórica II Prof. Henrique Boschi IF - UFRJ. 1º. semestre de 2010 Aula 7 Ref. Butkov, cap. 9, seções 9.3 e 9.4
Métodos de Física Teórica II Prof. Henrique Boschi IF - UFRJ 1º. semestre de 2010 Aula 7 Ref. Butkov, cap. 9, seções 9.3 e 9.4 O problema de Sturm-Liouville A separação de variáveis da equação de Helmholtz,
Leia maisAula 19 06/2014. Integração Numérica
CÁLCULO NUMÉRICO Aula 19 06/2014 Integração Numérica Objetivo: Calcular integrais utilizando métodos numéricos Cálculo Numérico 3/41 Integração Numérica Cálculo Numérico 4/41 Integração Numérica Em determinadas
Leia maisAula 3 11/12/2013. Integração Numérica
CÁLCULO NUMÉRICO Aula 3 11/12/2013 Integração Numérica Objetivo: Calcular integrais utilizando métodos numéricos Cálculo Numérico 3/64 Integração Numérica Cálculo Numérico 4/64 Integração Numérica Em determinadas
Leia mais1.1 Conceitos Básicos
1 Zeros de Funções 1.1 Conceitos Básicos Muito frequentemente precisamos determinar um valor ɛ para o qual o valor de alguma função é igual a zero, ou seja: f(ɛ) = 0. Exemplo 1.1 Suponha que certo produto
Leia maisComprimento de Arco. 1.Introdução 2.Resolução de Exemplos 3.Função Comprimento de Arco 4.Resolução de Exemplo
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 Comprimento de Arco
Leia maisSolução Numérica do Problema de Blasius da Camada Limite Laminar
Universidade de Brasília Departamento de Engenharia Mecânica Mecânica dos Fluidos II 0) Prof. Francisco Ricardo da Cunha e Prof. Gustavo Coelho Abade Monitor: Nuno Jorge Sousa Dias Solução Numérica do
Leia maisétodos uméricos RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS (Continuação) Prof. Erivelton Geraldo Nepomuceno
étodos uméricos RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE
Leia maisMarina Andretta. 10 de outubro de Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis.
Solução básica viável inicial Marina Andretta ICMC-USP 10 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211
Leia maisUniversidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática
Universidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista MAT 146 - Cálculo I 218/I APLICAÇÃO DE DERIVADAS: OTIMIZAÇÃO Otimização é outra aplicação de derivadas. Em
Leia maisInterpolação polinomial: Polinômio de Lagrange
Interpolação polinomial: Polinômio de Lagrange Marina Andretta ICMC-USP 09 de maio de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500 - cálculo
Leia maisNotas de Aula de Cálculo Numérico
IM-Universidade Federal do Rio de Janeiro Departamento de Ciência da Computação Notas de Aula de Cálculo Numérico Lista de Exercícios Prof. a Angela Gonçalves 3 1. Erros 1) Converta os seguintes números
Leia maisCapítulo 7: Equações Diferenciais Ordinárias. 1. Problema de valor inicial
Capítulo 7: Equações Diferenciais Ordinárias. Problema de valor inicial Definição: Sea uma função de e n um número inteiro positivo então uma relação de igualdade que envolva... n é camada uma equação
Leia maisAs bases da Dinâmica Molecular - 1
As bases da Dinâmica Molecular - 1 Alexandre Diehl Departamento de Física - UFPel Um pouco de história... IDMSF2017 2 Um pouco de história... A pré-história da Dinâmica Molecular A ideia da Dinâmica Molecular
Leia maisFunções 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
Leia maisIntegral. 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
Leia maisTestes Formativos de Computação Numérica e Simbólica
Testes Formativos de Computação Numérica e Simbólica Os testes formativos e 2 consistem em exercícios de aplicação dos vários algoritmos que compõem a matéria da disciplina. O teste formativo 3 consiste
Leia maisCálculo Numérico Ponto Fixo
Cálculo Numérico Ponto Fixo Método do Ponto Fixo (MPF) Dada uma função f(x) contínua no intervalo [a,b] onde existe uma raiz única, f(x) = 0, é possível transformar tal equação em uma equação equivalente
Leia maisCÁLCULO I Prof. Edilson Neri Júnior Prof. André Almeida
CÁLCULO I Prof. Edilson Neri Júnior Prof. André Almeida Aula n o 2: Aproximações Lineares e Diferenciais Objetivos da Aula Definir e calcular a aproximação linear de uma função derivável; Conhecer e determinar
Leia maisLista de Exercícios 2 Cálculo Numérico - Professor Daniel
Lista de Exercícios 2 Cálculo Numérico - Professor Daniel Observação: Esta lista abrange integração numérica e resolução numérica de EDO s. Em outras palavras, ela abrange toda a matéria da terceira prova.
Leia maisModelagem Computacional. Parte 2 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 2 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 2 e 3] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisResolução de sistemas de equações lineares: Método do Gradiente
Resolução de sistemas de equações lineares: Método do Gradiente Marina Andretta ICMC-USP 24 de março de 2015 Marina Andretta (ICMC-USP) sme0301 - Métodos Numéricos para Engenharia I 24 de março de 2015
Leia maisUniversidade 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
Leia mais1 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
Leia maisAula 16. Integração Numérica
CÁLCULO NUMÉRICO Aula 16 Integração Numérica Integração Numérica Cálculo Numérico 3/41 Integração Numérica Em determinadas situações, integrais são difíceis, ou mesmo impossíveis de se resolver analiticamente.
Leia mais1. Converta os seguintes números decimais para sua forma binária: (a) 22 (b) 255 (c) 256 (d) 0.11 (e) (f)
1 a Lista de Exercícios de Cálculo Numérico Prof a. Vanessa Rolnik 1. Converta os seguintes números decimais para sua forma binária: (a) 22 (b) 255 (c) 256 (d).11 (e).8125 (f) 4.69375 2. Converta os seguintes
Leia maisEquações não lineares
Capítulo 2 Equações não lineares Vamos estudar métodos numéricos para resolver o seguinte problema. Dada uma função f contínua, real e de uma variável, queremos encontrar uma solução x que satisfaça a
Leia maisdy dt d 2 y dt 2 d n y dt n y dy y= F t a= f t, v, x dv dt = f t, a dx = f t, v
Cap. 9.- Integração de Equações Diferenciais Ordinárias (ODE's) 9.1. Definições ODE ou EDO Equações diferenciais ordinárias são aquelas que relacionam derivadas totais de variáveis dependentes com uma
Leia maisAlgoritmos Numéricos I. Lucia Catabriga 1
Algoritmos Numéricos I Problema de Valor no Contorno (PVC) Método das Diferenças Finitas Lucia Catabriga 1 1 DI/UFES - Brazil Novembro 2014 Introdução Introdução A solução de Problemas de Valor no Contorno
Leia maisIntrodução 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.
Leia maisf(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
Leia maisLista 1 - Cálculo Numérico - Zeros de funções
Lista 1 - Cálculo Numérico - Zeros de funções 1.) De acordo com o teorema de Bolzano, se uma função contínua f(x) assume valores de sinais opostos nos pontos extremos do intervalo [a, b], isto é se f(a)
Leia maisCapítulo 6 - Integração e Diferenciação Numérica
Capítulo 6 - Integração e Diferenciação Numérica Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil, Electrotécnica e Mecânica
Leia maisMAT Cálculo 2 para Economia 3 a Prova - 28 de novembro de 2016
MAT 0147 - Cálculo para Economia 3 a Prova - 8 de novembro de 016 Questão 1) Determine o máximo e o mínimo de f(x, y) = x 4 + y em D = {(x, y); x + y 1}. Soluç~ao: As derivadas parciais f x (x, y) = 4x
Leia maisf(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
Leia maisQuestão 1: (2.0 pontos) (a) (1.0 ponto) Obtenha os cinco primeiros termos da série de Taylor da função f(x) = cos x em.
Página de 7 Instituto de Matemática - IM/UFRJ Gabarito da prova final unificada - Escola Politécnica / Escola de Química - 0/07/009 Questão :.0 pontos a.0 ponto Obtenha os cinco primeiros termos da série
Leia maisAproximações 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
Leia maisde Interpolação Polinomial
Capítulo 10 Aproximação de Funções: Métodos de Interpolação Polinomial 101 Introdução A aproximação de funções por polinômios é uma das idéias mais antigas da análise numérica, e ainda uma das mais usadas
Leia maisCapítulo 3. O Método das Diferenças Finitas
Programa de Engenharia Química, COPPE/UFRJ 3- Capítulo 3 O Método das Diferenças Finitas O método das diferenças finitas pode ser utilizado para resolver problemas de valor de contorno ou valor inicial,
Leia maisExercícios de MATEMÁTICA COMPUTACIONAL Capítulo V
Exercícios de MATEMÁTICA COMPUTACIONAL Capítulo V Integração Numérica 1. Considere o integral: 1 0 e x2 dx a) Determine o seu valor aproximado, considerando 4 subintervalos e utilizando: i. A regra dos
Leia mais4 Modelagem Numérica. 4.1 Método das Diferenças Finitas
4 Modelagem Numérica Para se obter a solução numérica das equações diferenciais que regem o processo de absorção de CO 2,desenvolvido no capitulo anterior, estas precisam ser transformadas em sistemas
Leia maisxy + y = 0. (1) Portanto a solução geral de (1) é a família de hipérboles y = C x,
Seção 4: Equações Exatas Fator Integrante Introduzimos a idéia de equação exata, através de dois exemplos simples. Note que nesses dois exemplos, além de exata, a EDO também é separável, podendo alternativamente
Leia maisEDO I. por Abílio Lemos. 16 e 18 de outubro de Universidade Federal de Viçosa. Departamento de Matemática UFV. Aulas de MAT
EDO I por Universidade Federal de Viçosa Departamento de Matemática-CCE Aulas de MAT 147-2017 16 e 18 de outubro de 2017 Definição 1 Uma equação diferencial é qualquer relação entre uma função e suas derivadas.
Leia maisRenato Martins Assunção
Análise Numérica Erros, Extrapolação de Richardson e Quadratura Gaussiana Renato Martins Assunção DCC - UFMG 2012 Renato Martins Assunção (DCC - UFMG) Análise Numérica 2012 1 / 40 Análise do erro Sabemos
Leia maisBANCO DE EXERCÍCIOS - 24 HORAS
BANCO DE EXERCÍCIOS - HORAS 9º ANO ESPECIALIZADO/CURSO ESCOLAS TÉCNICAS E MILITARES FOLHA Nº GABARITO COMENTADO ) A função será y,5x +, onde y (preço a ser pago) está em função de x (número de quilômetros
Leia maisde 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,
Leia maisMétodo 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.
Leia maisUNIVERSIDADE FEDERAL DO RIO DE JANEIRO Departamento de Ciência da ComputaçãoUFRJ. Cálculo Numérico. S. C. Coutinho. Provas e gabaritos
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO Departamento de Ciência da ComputaçãoUFRJ Cálculo Numérico S. C. Coutinho Provas e gabaritos Lembre-se: Nas provas não são aceitas respostas sem justicativa. Você
Leia maisSME 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
Leia mais1 Receita básica. x + cos(x) = y + y 3 x 2 + y 2 = 1. E o escrevemos na forma. x + cos(x) y y. F 1 x F 2. x 1 x 2 x n J F = F n F n F n
Receitas para solução de sistemas de equações usando o método de Newton-Raphson no Scilab Prof. Fabio Azevedo - Cálculo Numérico - MAT01169 1 Receita básica Nesta receira básica, mostraremos como calcular
Leia maisEQUAÇÕES DIFERENCIAIS LINEARES SEGUNDA ORDEM
EQUAÇÕES DIFERENCIAIS LINEARES SEGUNDA ORDEM 02/04/2014 Prof. Geraldine Revisão de Álgebra Linear Definição de conjunto Linearmente Independente Dizemos que as funções f ( x), f ( x) são LI, em um 1 2
Leia maisDiferenciais em Série de Potências
Existência de Soluções de Equações Diferenciais em Série de Potências Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais http://www.mat.ufmg.br/ regi 0 de julho de
Leia maisMétodo 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;
Leia maisUNIVERSIDADE FEDERAL DO ABC. 1 Existência e unicidade de zeros; Métodos da bissecção e falsa posição
UNIVERSIDADE FEDERAL DO ABC BC1419 Cálculo Numérico - LISTA 1 - Zeros de Funções (Profs. André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda) 1 Existência e unicidade de zeros; Métodos
Leia mais0.1 Expansão em Série de Taylor de Uma Função
0. Expansão em Série de Taylor de Uma Função Numa análise de propriedade de uma função, um conceito fundamental é a expansãoemsériedetaylordeumafunção. Sejaf = f(x) uma função arbitrária, contínua e suave.
Leia maisANÁLISE COMPLEXA E EQUAÇÕES DIFERENCIAIS. Apresente e justifique todos os cálculos
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise ANÁLISE COMPLEXA E EQUAÇÕES DIFERENCIAIS TESTES DE RECUPERAÇÃO A - 6 DE JUNHO DE 9 - DAS H ÀS :3H Teste Apresente e justifique
Leia mais3 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,...,
Leia maisCálculo Numérico / Métodos Numéricos. Solução de equações polinomiais Briot-Ruffini-Horner
Cálculo Numérico / Métodos Numéricos Solução de equações polinomiais Briot-Ruffini-Horner Equações Polinomiais p = x + + a ( x) ao + a1 n x n Com a i R, i = 0,1,, n e a n 0 para garantir que o polinômio
Leia maisMétodo dos Mínimos Quadrados
Método dos Mínimos Quadrados Laura Goulart UESB 4 de Abril de 2019 Laura Goulart (UESB) Método dos Mínimos Quadrados 4 de Abril de 2019 1 / 22 Objetivos O Método dos Mínimos Quadrados (MMQ) é uma técnica
Leia maisTE231 Capitulo 2 Zeros de Funções; Prof. Mateus Duarte Teixeira
TE231 Capitulo 2 Zeros de Funções; Prof. Mateus Duarte Teixeira Sumário 1. Como obter raízes reais de uma equação qualquer 2. Métodos iterativos para obtenção de raízes 1. Isolamento das raízes 2. Refinamento
Leia mais