Equações diferenciais ordinárias

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Equações diferenciais ordinárias"

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

Andréa Maria Pedrosa Valli

Andréa Maria Pedrosa Valli 1-24 Equações Diferenciais Ordinárias Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória,

Leia mais

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 22 07/2014 Resolução Numérica de Equações Diferenciais Ordinárias Objetivo: Resolver Equações Diferenciais Ordinárias utilizando

Leia mais

Capítulo 7 - Equações Diferenciais Ordinárias

Capítulo 7 - Equações Diferenciais Ordinárias Capítulo 7 - Equações Diferenciais Ordinárias Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil, Química e Gestão Industrial Carlos

Leia mais

Solução Numérica do Problema de Blasius da Camada Limite Laminar

Solução 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 mais

Roteiro para o Terceiro Laboratório de Cálculo Numérico /1

Roteiro 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 mais

1.1 Conceitos Básicos

1.1 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 mais

Equações diferenciais ordinárias EQUAÇÕES DIFERENCIAIS ORDINÁRIAS

Equações 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 mais

Comprimento de Arco. 1.Introdução 2.Resolução de Exemplos 3.Função Comprimento de Arco 4.Resolução de Exemplo

Comprimento 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 mais

0.1 Expansão em Série de Taylor de Uma Função

0.1 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 mais

3 Métodos Numéricos Análise das Equações de Movimento

3 Métodos Numéricos Análise das Equações de Movimento 3 Métodos Numéricos A dinâmica de sistemas mecânicos normalmente é modelada como um sistema de equações diferenciais. Estas equações diferenciais devem ser resolvidas a fim de relacionar as variáveis entre

Leia mais

Lista de exercícios de MAT / II

Lista de exercícios de MAT / II 1 Lista de exercícios de MAT 271-26 / II 1. Converta os seguintes números da forma decimal para a forma binária:x 1 = 37; x 2 = 2347; x 3 =, 75; x 4 =(sua matrícula)/1; x 5 =, 1217 2. Converta os seguintes

Leia mais

BANCO DE EXERCÍCIOS - 24 HORAS

BANCO 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 mais

dy 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

dy 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 mais

Derivadas Parciais Capítulo 14

Derivadas Parciais Capítulo 14 Derivadas Parciais Capítulo 14 DERIVADAS PARCIAIS 14.2 Limites e Continuidade Nesta seção, aprenderemos sobre: Limites e continuidade de vários tipos de funções. LIMITES E CONTINUIDADE Vamos comparar o

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

Cálculo Numérico. Santos Alberto Enriquez-Remigio FAMAT-UFU 2015

Cálculo Numérico. Santos Alberto Enriquez-Remigio FAMAT-UFU 2015 Cálculo Numérico Santos Alberto Enriquez-Remigio FAMAT-UFU 2015 1 Capítulo 1 Solução numérica de equações não-lineares 1.1 Introdução Lembremos que todo problema matemático pode ser expresso na forma de

Leia mais

MÉTODOS NUMÉRICOS. ENGENHARIA e GESTÃO INDUSTRIAL

MÉTODOS NUMÉRICOS. ENGENHARIA e GESTÃO INDUSTRIAL UNIVERSIDADE DO MINHO MÉTODOS NUMÉRICOS ENGENHARIA e GESTÃO INDUSTRIAL EXERCÍCIOS PRÁTICOS Ano lectivo de 2005/2006 Métodos Numéricos - L.E.G.I. Exercícios práticos - CONUM Solução de uma equação não linear

Leia mais

Sistemas de Equações Diferenciais Lineares

Sistemas de Equações Diferenciais Lineares Capítulo 9 Sistemas de Equações Diferenciais Lineares Agora, estamos interessados em estudar sistemas de equações diferenciais lineares de primeira ordem: Definição 36. Um sistema da linear da forma x

Leia mais

Métodos Numéricos Interpolação / Aproximação. Renato S. Silva, Regina C. Almeida

Métodos Numéricos Interpolação / Aproximação. Renato S. Silva, Regina C. Almeida Métodos Numéricos Interpolação / Aproximação Renato S. Silva, Regina C. Almeida Interpolação / Aproximação situação: uma fábrica despeja dejetos no leito de um rio; objetivo: determinar a quantidade de

Leia mais

CCI-22 LISTA DE EXERCÍCIOS

CCI-22 LISTA DE EXERCÍCIOS CCI-22 LISTA DE EXERCÍCIOS Capítulos 1 e 2: 1) Considere floats com 4 dígitos decimais de mantissa e expoentes inteiros entre -5 e 5. Sejam X =,7237.1 4, Y =,2145.1-3, Z =,2585.1 1. Utilizando um acumulador

Leia mais

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 04/2014 Zeros reais de funções Parte 1 Objetivo Determinar valores aproximados para as soluções (raízes) de equações da

Leia mais

Análise de dados em Fisica de Particulas

Análise de dados em Fisica de Particulas Análise de dados em Fisica de Particulas Magno V.T. Machado Instituto de Fisica - UFRGS Escola de Fisica de Particulas e Campos. Agosto 05-09, 2013 Números aleatórios e Monte Carlo Muitas aplicações computacionais

Leia mais

UNIVERSIDADE FEDERAL DO CEARÁ CENTRO DE TECNOLOGIA PROGRAMA DE EDUCAÇÃO TUTORIAL APOSTILA DE CÁLCULO. Realização:

UNIVERSIDADE FEDERAL DO CEARÁ CENTRO DE TECNOLOGIA PROGRAMA DE EDUCAÇÃO TUTORIAL APOSTILA DE CÁLCULO. Realização: UNIVERSIDADE FEDERAL DO CEARÁ CENTRO DE TECNOLOGIA PROGRAMA DE EDUCAÇÃO TUTORIAL APOSTILA DE CÁLCULO Realização: Fortaleza, Fevereiro/2010 1. LIMITES 1.1. Definição Geral Se os valores de f(x) puderem

Leia mais

Instituto Tecnológico de Aeronáutica / Departamento de Matemática / 2 o Fund / a LISTA DE MAT-32

Instituto Tecnológico de Aeronáutica / Departamento de Matemática / 2 o Fund / a LISTA DE MAT-32 1 Instituto Tecnológico de Aeronáutica / Departamento de Matemática / 2 o Fund / 2012. 1 a LISTA DE MAT-32 Nos exercícios de 1 a 9, classi car e apresentar, formalmente, solução (ou candidata a solução)

Leia mais

Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:

Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: 46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y

Leia mais

Determinação de raízes de polinômios: Método de Briot-Ruffini-Horner

Determinação de raízes de polinômios: Método de Briot-Ruffini-Horner Determinação de raízes de polinômios: Método de Briot-Ruffini-Horner Marina Andretta/Franklina Toledo ICMC-USP 29 de outubro de 2012 Baseado no livro Cálculo Numérico, de Neide B. Franco Marina Andretta/Franklina

Leia mais

Investigação Operacional

Investigação Operacional Métodos de Programação Linear: Gráfica, (Mestrado) Engenharia Industrial http://dps.uminho.pt/pessoais/zan - Escola de Engenharia Departamento de Produção e Sistemas 1 Representação Gráfica Considere o

Leia mais

Derivadas Parciais Capítulo 14

Derivadas Parciais Capítulo 14 Derivadas Parciais Capítulo 14 DERIVADAS PARCIAIS Como vimos no Capítulo 4, no Volume I, um dos principais usos da derivada ordinária é na determinação dos valores máximo e mínimo. DERIVADAS PARCIAIS 14.7

Leia mais

4 Extração direta das PELs

4 Extração direta das PELs 4 Extração direta das PELs A detecção de arestas em imagens está relacionada à extração de feições, sendo uma ferramenta fundamental em processamento de imagens e visão computacional. Essa detecção visa

Leia mais

Andréa Maria Pedrosa Valli

Andréa Maria Pedrosa Valli Raízes de Equações Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-27 Raízes

Leia mais

Diferenciais Ordinárias (EDO)

Diferenciais Ordinárias (EDO) Resolução Numérica de Equações Diferenciais Ordinárias (EDO) Ivanovitch Medeiros Dantas da Silva Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação DCA0399

Leia mais

Resolução de Sistemas de Equações Lineares

Resolução de Sistemas de Equações Lineares 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. Resolução de Sistemas de Equações

Leia mais

Semana 4 Zeros das Funções

Semana 4 Zeros das Funções 1 CÁLCULO NUMÉRICO Semana 4 Zeros das Funções Professor Luciano Nóbrega UNIDADE 1 Eixo das ordenadas www.professorlucianonobrega.wordpress.com 2 ZEROS DAS FUNÇÕES INTRODUÇÃO Nas diversas áreas científicas,

Leia mais

(versão preliminar) exceto possivelmente para x = a. Dizemos que o limite de f(x) quando x tende para x = a é um numero L, e escrevemos

(versão preliminar) exceto possivelmente para x = a. Dizemos que o limite de f(x) quando x tende para x = a é um numero L, e escrevemos LIMITE DE FUNÇÕES REAIS JOSÉ ANTÔNIO G. MIRANDA versão preinar). Revisão: Limite e Funções Continuas Definição Limite de Seqüências). Dizemos que uma seqüência de números reais n convergente para um número

Leia mais

Solução numérica de equações não-lineares

Solução numérica de equações não-lineares Capítulo 1 Solução numérica de equações não-lineares 1.1 Introdução Lembremos que todo problema matemático pode ser expresso na forma de uma equação. Mas, o que é uma equação? Uma equação é uma igualdade

Leia mais

LIMITES E CONTINUIDADE

LIMITES E CONTINUIDADE LIMITES E CONTINUIDADE Marina Vargas R. P. Gonçalves a a Departamento de Matemática, Universidade Federal do Paraná, marina.vargas@gmail.com, http:// www.estruturas.ufpr.br 1 NOÇÃO INTUITIVA DE LIMITE

Leia mais

ANÁLISE NUMÉRICA DO MÉTODO DE NEWTON PARA OBTENÇÃO DE ZEROS DE FUNÇÕES.

ANÁLISE NUMÉRICA DO MÉTODO DE NEWTON PARA OBTENÇÃO DE ZEROS DE FUNÇÕES. ANÁLISE NUMÉRICA DO MÉTODO DE NEWTON PARA OBTENÇÃO DE ZEROS DE FUNÇÕES. Edevilson Gomes Pereira PUCPR- edevilson.pereira@pucpr.b Viviana Cocco Mariani PUCPR- viviana.mariani@pucpr.br Resumo: Neste artigo

Leia mais

Resumo com exercícios resolvidos dos assuntos:

Resumo com exercícios resolvidos dos assuntos: www.engenhariafacil.weebly.com (0)- Considerações iniciais: Resumo com exercícios resolvidos dos assuntos: Máximos e mínimos absolutos e Multiplicador de Lagrange -Grande parte das funções não possui máximos

Leia mais

Ajuste de mínimos quadrados

Ajuste de mínimos quadrados Capítulo 5 Ajuste de mínimos quadrados 5 Ajuste de mínimos quadrados polinomial No capítulo anterior estudamos como encontrar um polinômio de grau m que interpola um conjunto de n pontos {{x i, f i }}

Leia mais

Aplicação dos Métodos de Euler e de Euler Melhorado na Resolução de uma Equação Diferencial Ordinária.

Aplicação dos Métodos de Euler e de Euler Melhorado na Resolução de uma Equação Diferencial Ordinária. Aplicação dos Métodos de Euler e de Euler Melhorado na Resolução de uma Equação Diferencial Ordinária. Rodrigo Romais (FCSGN) * r.romais@gmail.com Resumo: Métodos numéricos são extremamente úteis na resolução

Leia mais

Prof. MSc. David Roza José 1/36

Prof. MSc. David Roza José 1/36 1/36 Integração Numérica de Funções Objetivos: Compreender como a extrapolação de Richardson fornece os meios adequados para criar uma integral mais precisa ao se combinar duas estimativas menos precisas;

Leia mais

II. Funções de uma única variável

II. Funções de uma única variável II. Funções de uma única variável 1 II.1. Conceitos básicos A otimização de de funções de de uma única variável consiste no no tipo mais elementar de de otimização. Importância: Tipo de problema encontrado

Leia mais

ESCOLA SECUNDÁRIA DE LOUSADA

ESCOLA SECUNDÁRIA DE LOUSADA ESCOLA SECUNDÁRIA DE LOUSADA 2012 2013 PLANIFICAÇÃO DA DISCIPLINA DE MATEMÁTICA Curso Profissional de Técnico de Multimédia ELENCO MODULAR A7 Probabilidades 28 A6 Taxa de variação 36 A9 Funções de crescimento

Leia mais

Aula 05 - Limite de uma Função - Parte I Data: 30/03/2015

Aula 05 - Limite de uma Função - Parte I Data: 30/03/2015 bras.png Cálculo I Logonewton.png Aula 05 - Limite de uma Função - Parte I Data: 30/03/2015 Objetivos da Aula: Definir limite de uma função Definir limites laterias Apresentar as propriedades operatórias

Leia mais

Técnicas de. Integração

Técnicas de. Integração Técnicas de Capítulo 7 Integração TÉCNICAS DE INTEGRAÇÃO 7.4 Integração de Funções Racionais por Frações Parciais Nessa seção, vamos aprender como integrar funções racionais reduzindo-as a uma soma de

Leia mais

Capítulo 3 Equações Diferenciais. O Wronskiano (de Josef Hoëné-Wronski, polonês, )

Capítulo 3 Equações Diferenciais. O Wronskiano (de Josef Hoëné-Wronski, polonês, ) Capítulo 3 Equações Diferenciais O Wronskiano (de Josef Hoëné-Wronski, polonês, 1776 1853) Seja a equação diferencial, ordinária, linear e de 2ª. ordem Podemos dividir por os 2 membros e escrever a equação

Leia mais

Cálculo Diferencial e Integral I Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU

Cálculo Diferencial e Integral I Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Cálculo Diferencial e Integral I Faculdade de Engenaria, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling Parte 1 - Limites Definição e propriedades; Obtendo limites; Limites laterais. 1) Introdução

Leia mais

Exercícios de MATEMÁTICA COMPUTACIONAL. 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares

Exercícios de MATEMÁTICA COMPUTACIONAL. 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares Exercícios de MATEMÁTICA COMPUTACIONAL Mestrado Integrado em Engenharia Biomédica 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares 1. Considere a equação sin(x) e x = 0. a) Prove que

Leia mais

Cálculo II - Cursão Exercício Extra n = 2 n = 3. Hiperesferas, hipercubos e hiperconfusões

Cálculo II - Cursão Exercício Extra n = 2 n = 3. Hiperesferas, hipercubos e hiperconfusões Cálculo II - Cursão - 9 Exercício Extra n = n = 3 n = 4? Hiperesferas, hipercubos e hiperconfusões Resumo As estranhas relações entre volumes e áreas de hiperesferas em diferentes dimensões é um problema

Leia mais

ESTRUTURAS DE REPETIÇÃO - PARTE 1

ESTRUTURAS DE REPETIÇÃO - PARTE 1 AULA 15 ESTRUTURAS DE REPETIÇÃO - PARTE 1 15.1 O comando enquanto-faca- Considere o problema de escrever um algoritmo para ler um número inteiro positivo, n, e escrever todos os números inteiros de 1 a

Leia mais

Zero de Funções ou Raízes de Equações

Zero de Funções ou Raízes de Equações Zero de Funções ou Raízes de Equações Um número ξ é um zero de uma função f() ou raiz da equação se f(ξ). Graficamente os zeros pertencentes ao conjunto dos reais, IR, são representados pelas abscissas

Leia mais

Determinar a derivada resultante do produto de duas funções utilizando a regra do produto. Aplicar a Derivada para Determinação de Máximos e Mínimos.

Determinar a derivada resultante do produto de duas funções utilizando a regra do produto. Aplicar a Derivada para Determinação de Máximos e Mínimos. MATEMÁTICA PARA NEGÓCIOS - GST1075 Semana Aula: 4 Regras de derivação Tema Regras de derivação Palavras-chave Derivada Objetivos Ao final desta aula, o aluno deverá ser capaz de: Verificar a derivada de

Leia mais

Sobre Desenvolvimentos em Séries de Potências, Séries de Taylor e Fórmula de Taylor

Sobre Desenvolvimentos em Séries de Potências, Séries de Taylor e Fórmula de Taylor Sobre Desenvolvimentos em Séries de Potências, Séries de Taylor e Fórmula de Taylor Pedro Lopes Departamento de Matemática Instituto Superior Técnico o. Semestre 004/005 Estas notas constituem um material

Leia mais

n. 5 Determinantes: Regra de Cramer e Triangulação Podemos classificar um sistema linear de três maneiras:

n. 5 Determinantes: Regra de Cramer e Triangulação Podemos classificar um sistema linear de três maneiras: n. 5 Determinantes: Regra de Cramer e Triangulação Podemos classificar um sistema linear de três maneiras: SPD Sistema possível determinado: existe apenas um conjunto solução; SPI Sistema possível indeterminado:

Leia mais

Exponencial de uma matriz

Exponencial de uma matriz Exponencial de uma matriz Ulysses Sodré Londrina-PR, 21 de Agosto de 2001; Arquivo: expa.tex Conteúdo 1 Introdução à exponencial de uma matriz 2 2 Polinômio característico, autovalores e autovetores 2

Leia mais

sica- Matemática tica e a equação diferencial parcial que descreve o fluxo de calor

sica- Matemática tica e a equação diferencial parcial que descreve o fluxo de calor A Equação de Calor Uma das EDP s clássica da FísicaF sica- Matemática tica e a equação diferencial parcial que descreve o fluxo de calor em um corpo sólido. s E uma aplicação mais recente é a que descreve

Leia mais

Métodos de Física Teórica II Prof. Henrique Boschi IF - UFRJ. 1º. semestre de 2010 Aulas 3 e 4 Ref. Butkov, cap. 8, seção 8.3

Métodos de Física Teórica II Prof. Henrique Boschi IF - UFRJ. 1º. semestre de 2010 Aulas 3 e 4 Ref. Butkov, cap. 8, seção 8.3 Métodos de Física Teórica II Prof. Henrique Boschi IF - UFRJ 1º. semestre de 2010 Aulas 3 e 4 Ref. Butkov, cap. 8, seção 8.3 Equações de Poisson e Laplace Vimos na aula passada o método de separação de

Leia mais

Universidade Federal do Espírito Santo Prova de Cálculo I: Integral Prof. Lúcio Fassarella DMA/CEUNES/UFES Data: 30/07/2014

Universidade Federal do Espírito Santo Prova de Cálculo I: Integral Prof. Lúcio Fassarella DMA/CEUNES/UFES Data: 30/07/2014 Universidade Federal do Espírito Santo Prova de Cálculo I: Integral Prof. Lúcio Fassarella DMA/CEUNES/UFES Data: /7/14 Aluno: Matrícula. Nota: : :.Observações: I A prova tem duração de 1 min; não é permitido

Leia mais

APLICAÇÃO DA LEI DO RESRIAMENTO DE NEWTON EM BLOCOS CERÂMICOS: MODELAGEM, RESOLUÇÃO ANALÍTICA E COMPARAÇÃO PRÁTICA DOS RESULTADOS RESUMO

APLICAÇÃO DA LEI DO RESRIAMENTO DE NEWTON EM BLOCOS CERÂMICOS: MODELAGEM, RESOLUÇÃO ANALÍTICA E COMPARAÇÃO PRÁTICA DOS RESULTADOS RESUMO APLICAÇÃO DA LEI DO RESRIAMENTO DE NEWTON EM BLOCOS CERÂMICOS: MODELAGEM, RESOLUÇÃO ANALÍTICA E COMPARAÇÃO PRÁTICA DOS RESULTADOS Pedro Bonfim Segobia Universidade Tecnológica Federal do Paraná - UTFPR

Leia mais

Zeros de Polinômios. 1 Resultados Básicos. Iguer Luis Domini dos Santos 1, Geraldo Nunes Silva 2

Zeros de Polinômios. 1 Resultados Básicos. Iguer Luis Domini dos Santos 1, Geraldo Nunes Silva 2 Zeros de Polinômios Iguer Luis Domini dos Santos, Geraldo Nunes Silva 2 DCCE/IBILCE/UNESP, São José do Rio Preto, SP, Brazil, iguerluis@hotmail.com 2 DCCE/IBILCE/UNESP, São José do Rio Preto, SP,Brazil,

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

Prof. MSc. David Roza José 1/34

Prof. MSc. David Roza José 1/34 1/34 Contexto As equações de conservação que regem praticamente todos os fenômenos do dia a dia costumam ser escritas em termos de variação espacial e temporal. Ou seja: tais leis descrevem mecanismos

Leia mais

CAP. II RESOLUÇÃO NUMÉRICA DE EQUAÇÕES NÃO LINEARES

CAP. II RESOLUÇÃO NUMÉRICA DE EQUAÇÕES NÃO LINEARES CAP. II RESOLUÇÃO NUMÉRICA DE EQUAÇÕES NÃO LINEARES Vamos estudar alguns métodos numéricos para resolver: Equações algébricas (polinómios não lineares; Equações transcendentais equações que envolvem funções

Leia mais

MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 06. Prof. Dr. Marco Antonio Leonel Caetano

MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 06. Prof. Dr. Marco Antonio Leonel Caetano MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação Aula 06 Prof. Dr. Marco Antonio Leonel Caetano 1 Guia de Estudo para Aula 06 Aplicação de AutoValores - Usando autovalor para encontrar pontos

Leia mais

1. Integração Numérica

1. Integração Numérica Atenção: Este material presupõe que o leitor tenha conhecimento intermediário de planilhas eletrônicas e do softrware Matlab. Apesar de desejável, não é necessário conhecimento em outras linguagem de programação.

Leia mais

Aula 27 - Álgebra II. x (m(x)), x 2 + x + (m(x)), x 2 + x (m(x)) operações deste corpo são as seguintes:

Aula 27 - Álgebra II. x (m(x)), x 2 + x + (m(x)), x 2 + x (m(x)) operações deste corpo são as seguintes: Já vimos maneiras de codificar mensagens de modo a que, no caso de ocorrerem alguns erros na sua transmissão, o receptor possa ser capaz de corrigir esses erros. Esses códigos, chamados códigos lineares

Leia mais

Continuidade e o cálculo do imposto de renda

Continuidade e o cálculo do imposto de renda Universidade de Brasília Departamento de Matemática Cálculo 1 Continuidade e o cálculo do imposto de renda Neste texto vamos introduzir um importante conceito, utilizando como motivação o cálculo do imposto

Leia mais

Funções Hiperbólicas:

Funções Hiperbólicas: Funções Hiperbólicas: Estas funções são parecidas as funções trigonométricas e possuem muitas aplicações como veremos ao longo da disciplina. Definiremos primeiro as funções seno hiperbólico e cosseno

Leia mais

PROFMAT P1 MA

PROFMAT P1 MA PROFMAT P1 MA 11 011 Questão 1. Um pequeno barco a vela, com 7 tripulantes, deve atravessar o oceano em 4 dias. Seu suprimento de água potável permite a cada pessoa dispor de 3,5 litros de água por dia

Leia mais

Distribuição gaussiana

Distribuição gaussiana Apêndice D Distribuição gaussiana Existem diversas situações práticas em que não é possível prever o resultado, apenas a probabilidade de um determinado resultado ocorrer. No dia a dia lidamos com alguns

Leia mais

Universidade de Coimbra Departamento de Engenharia Electrotecnica e Computadores Matemática Computacional

Universidade de Coimbra Departamento de Engenharia Electrotecnica e Computadores Matemática Computacional Ano Lectivo: 2007/2008 Sumários da turma Teórico-Prática [TP2]: Aula: 1 Data: 2008-02-12 Hora de Início: 15:00 Duração: 1h30m Apresentação da Unidade Curricular. Discussão de aspectos relacionados com

Leia mais

Cap. 4- Interpolação Numérica Definições. Censos de BH. Qual o número de habitantes na cidade de Belo Horizonte em 1975?

Cap. 4- Interpolação Numérica Definições. Censos de BH. Qual o número de habitantes na cidade de Belo Horizonte em 1975? Cap. 4- Interpolação Numérica 4.1. Definições Censos de BH População em BH (Habitantes,5,,, 1,5, 1,, 5, 194 196 198 Ano Ano 195 196 197 198 1991 1996 1 No. habitantes 5.74 68.98 1.5. 1.78.855..161.91.71.8.56.75.444

Leia mais

Instrumentação Industrial. Fundamentos de Instrumentação Industrial: Introdução a Metrologia Incerteza na Medição

Instrumentação Industrial. Fundamentos de Instrumentação Industrial: Introdução a Metrologia Incerteza na Medição Instrumentação Industrial Fundamentos de Instrumentação Industrial: Introdução a Metrologia Incerteza na Medição Introdução a Metrologia O que significa dizer: O comprimento desta régua é 30cm. A temperatura

Leia mais

1 Teoria de elementos de pá

1 Teoria de elementos de pá 1 Teoria de elementos de pá A teoria do momento linear é um método simples e rápido para estimar a potência e a velocidade induzida no rotor, baseando apenas na área total do rotor, no peso do helicóptero

Leia mais

Introdução aos Métodos Numéricos. Instituto de Computação UFF

Introdução aos Métodos Numéricos. Instituto de Computação UFF Introdução aos Métodos Numéricos Instituto de Computação UFF Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares. Métodos diretos Interpolação Ajuste de Curvas Zeros de Função Sistemas

Leia mais

Métodos Numéricos. Turma CI-202-X. Josiney de Souza.

Métodos Numéricos. Turma CI-202-X. Josiney de Souza. Métodos Numéricos Turma CI-202-X Josiney de Souza josineys@inf.ufpr.br Agenda do Dia Aula 5 (16/09/15) Zero de funções: Introdução Tipos de métodos Diretos Indiretos ou iterativos Fases de cálculos Isolamento

Leia mais

MATRIZES, DETERMINANTES E SISTEMAS LINEARES SISTEMAS LINEARES

MATRIZES, DETERMINANTES E SISTEMAS LINEARES SISTEMAS LINEARES MATRIZES, DETERMINANTES E SISTEMAS LINEARES SISTEMAS LINEARES SISTEMAS LINEARES Equação linear Equação linear é toda equação da forma: a 1 x 1 + a 2 x 2 + a 3 x 3 +... + a n x n = b em que a 1, a 2, a

Leia mais

Corda Elástica Presa Somente em uma das Extremidades

Corda Elástica Presa Somente em uma das Extremidades Corda Elástica Presa Somente em uma das Extremidades Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais http://www.mat.ufmg.br/~regi 5 de outubro de 2010 2 Vamos determinar

Leia mais

Setor de Tecnologia - TC Engenharia Ambiental Avaliação 1. Matemática Aplicada II

Setor de Tecnologia - TC Engenharia Ambiental Avaliação 1. Matemática Aplicada II Universidade Federal do Paraná Matemática Aplicada II Setor de Tecnologia - TC Engenharia Ambiental 2016-1 Curitiba, 6.5.2016 Avaliação 1 Matemática Aplicada II Tobias Bleninger Departamento de Engenharia

Leia mais

Cálculo Diferencial e Integral I CDI I

Cálculo Diferencial e Integral I CDI I Cálculo Diferencial e Integral I CDI I Limites laterais e ites envolvendo o infinito Luiza Amalia Pinto Cantão luiza@sorocaba.unesp.br Limites 1 Limites Laterais a à diretia b à esquerda c Definição precisa

Leia mais

Resolução prova de matemática UDESC

Resolução prova de matemática UDESC Resolução prova de matemática UDESC 009. Prof. Guilherme Sada Ramos Guiba 1. O enunciado da questão omite a palavra, mas quer dizer que 0% dos aprovados passaram somente na disciplina A, 50% passaram somente

Leia mais

Resolução de sistemas de equações lineares: Fatorações de matrizes

Resolução de sistemas de equações lineares: Fatorações de matrizes Resolução de sistemas de equações lineares: Fatorações de matrizes Marina Andretta/Franklina Toledo ICMC-USP 5 de fevereiro de 2014 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina

Leia mais

Elasticidade e Análise Marginal

Elasticidade e Análise Marginal GOVERNO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DO VALE DO SÃO FRANCISCO CÂMPUS JUAZEIRO/BA COLEG. DE ENG. ELÉTRICA PROF. PEDRO MACÁRIO DE MOURA MATEMÁTICA APLICADA A ADM 2015.2 Discentes CPF

Leia mais

Conjuntos Numéricos. I) Números Naturais N = { 0, 1, 2, 3,... }

Conjuntos Numéricos. I) Números Naturais N = { 0, 1, 2, 3,... } Conjuntos Numéricos I) Números Naturais N = { 0, 1, 2, 3,... } II) Números Inteiros Z = {..., -2, -1, 0, 1, 2,... } Todo número natural é inteiro, isto é, N é um subconjunto de Z III) Números Racionais

Leia mais

Matéria das Aulas e Exercícios Recomendados Cálculo II- MAA

Matéria das Aulas e Exercícios Recomendados Cálculo II- MAA Matéria das Aulas e Exercícios Recomendados Cálculo II- MAA Número da Aula Data da Aula 1 02/09 Sequências Numéricas, definição, exemplos, representação geométrica, convergência e divergência, propriedades,

Leia mais

PLANO DE ENSINO IDENTIFICAÇÃO DA DISCIPLINA

PLANO DE ENSINO IDENTIFICAÇÃO DA DISCIPLINA 1 PLANO DE ENSINO IDENTIFICAÇÃO DA DISCIPLINA Curso: CST em Sistemas de Telecomunicações, Tecnologia Nome da disciplina: Métodos Numéricos Código: INF065 Carga horária: 67 horas Semestre previsto: 3º Pré-requisito(s):

Leia mais

Capítulo 3 O Oscilador Hamônico

Capítulo 3 O Oscilador Hamônico Capítulo 3 O Oscilador Hamônico Uma força unidimensional, que depende somente da posição x, tem uma expansão de Taylor em torno da sua posição de equilíbrio x=0 (onde F=0) Quando somente o termo linear

Leia mais

Problema de Transporte (Redes) Fernando Nogueira Problema de Transporte 1

Problema de Transporte (Redes) Fernando Nogueira Problema de Transporte 1 Problema de Transporte (Redes) Fernando Nogueira Problema de Transporte 1 O Problema de Transporte consiste em determinar o menor custo (ou o maior lucro) em transportar produtos de várias origens para

Leia mais

Matemática Aplicada Mestrados em Engenharia Industrial e Engenharia Química

Matemática Aplicada Mestrados em Engenharia Industrial e Engenharia Química Matemática Aplicada Mestrados em Engenharia Industrial e Engenharia Química Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 1 o Semestre 2007/2008

Leia mais

Material exclusivo para o livro ESTATÍSTICA (São Paulo, Pleiade, 2008). Proibida a reprodução, sob pena da lei.

Material exclusivo para o livro ESTATÍSTICA (São Paulo, Pleiade, 2008). Proibida a reprodução, sob pena da lei. Material eclusivo para o livro ESTATÍSTICA (São Paulo, Pleiade, 008). Proibida a reprodução, sob pena da lei. 1 A função cúbica tem uma dispersão de pares (,) que se assemelha à curva do gráfico abaio.

Leia mais

n. 4 DETERMINANTES: SARRUS E LAPLACE

n. 4 DETERMINANTES: SARRUS E LAPLACE n. 4 DETERMINANTES: SARRUS E LAPLACE A toda matriz quadrada está associado um número ao qual damos o nome de determinante. Determinante é uma função matricial que associa a cada matriz quadrada um escalar,

Leia mais

GOVERNO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DO VALE DO SÃO FRANCISCO CÂMPUS JUAZEIRO/BA COLEG. DE ENG.

GOVERNO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DO VALE DO SÃO FRANCISCO CÂMPUS JUAZEIRO/BA COLEG. DE ENG. GOVERNO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DO VALE DO SÃO FRANCISCO CÂMPUS JUAZEIRO/BA COLEG. DE ENG. ELÉTRICA PROF. PEDRO MACÁRIO DE MOURA CÁLCULO II 2015.2 Discente CPF Turma A2 Sala

Leia mais

6 AULA. Equações Paramétricas LIVRO. META Estudar funções que a cada ponto do domínio associa um par ordenado

6 AULA. Equações Paramétricas LIVRO. META Estudar funções que a cada ponto do domínio associa um par ordenado 1 LIVRO Equações Paramétricas 6 AULA META Estudar funções que a cada ponto do domínio associa um par ordenado de R 2 OBJETIVOS Estudar movimentos de partículas no plano. PRÉ-REQUISITOS Ter compreendido

Leia mais

y ds, onde ds é uma quantidade infinitesimal (muito pequena) da curva C. A curva C é chamada o

y ds, onde ds é uma quantidade infinitesimal (muito pequena) da curva C. A curva C é chamada o Integral de Linha As integrais de linha podem ser encontradas em inúmeras aplicações nas iências Eatas, como por eemplo, no cálculo do trabalho realizado por uma força variável sobre uma partícula, movendo-a

Leia mais

1.2. ELEMENTOS DE ÁLGEBRA EXPANSÃO DE PRODUTOS

1.2. ELEMENTOS DE ÁLGEBRA EXPANSÃO DE PRODUTOS 1.2. ELEMENTOS DE ÁLGEBRA 1.2.1. EXPANSÃO DE PRODUTOS Em álgebra, é frequente termos de expandir produtos cujos fatores são expressões algébricas (polinômios, por exemplo). Para isso, aplicamos a propriedade

Leia mais

Regressão, Interpolação e Extrapolação Numéricas

Regressão, Interpolação e Extrapolação Numéricas , e Extrapolação Numéricas Departamento de Física Universidade Federal da Paraíba 29 de Maio de 2009, e Extrapolação Numéricas O problema Introdução Quem é quem Um problema muito comum na física é o de

Leia mais

CDI-II. Resumo das Aulas Teóricas (Semana 5) 1 Extremos de Funções Escalares. Exemplos

CDI-II. Resumo das Aulas Teóricas (Semana 5) 1 Extremos de Funções Escalares. Exemplos Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Prof. Gabriel Pires CDI-II Resumo das Aulas Teóricas (Semana 5) 1 Etremos de Funções Escalares. Eemplos Nos eemplos seguintes

Leia mais

Para ajudar a interpretar os resultados, o Cartão de Relatórios do Assistente do teste de % de defeituosos para 1 amostra exibe os seguintes

Para ajudar a interpretar os resultados, o Cartão de Relatórios do Assistente do teste de % de defeituosos para 1 amostra exibe os seguintes Este documento é de uma série de papéis que explicam a pesquisa conduzida por estatísticos da Minitab para desenvolver os métodos e as verificações de dados usadas no assistente no software estatístico

Leia mais

Programação Linear - Parte 3

Programação Linear - Parte 3 Matemática Industrial - RC/UFG Programação Linear - Parte 3 Prof. Thiago Alves de Queiroz 1/2016 Thiago Queiroz (IMTec) Parte 3 1/2016 1 / 26 O Método Simplex Encontre o vértice ótimo pesquisando um subconjunto

Leia mais

Métodos Numéricos e Estatísticos Parte I-Métodos Numéricos

Métodos Numéricos e Estatísticos Parte I-Métodos Numéricos Métodos Numéricos e Estatísticos Parte I-Métodos Numéricos Lic Eng Biomédica e Bioengenharia-2009/2010 O problema geral da interpolação polinomial consiste em, dados n + 1 pontos (reais ou complexos) x

Leia mais