MÉTODO DUAL SIMPLEX COM A REGRA STEEPEST-EDGE PARA RESOLVER PROBLEMAS LINEARES CANALIZADOS

Tamanho: px
Começar a partir da página:

Download "MÉTODO DUAL SIMPLEX COM A REGRA STEEPEST-EDGE PARA RESOLVER PROBLEMAS LINEARES CANALIZADOS"

Transcrição

1 A esusa Oeracoal e os Recursos Reováves 4 a 7 de ovembro de 3, atal-r MÉODO DUAL SIMPLEX COM A REGRA SEEPES-EDGE PARA RESOLVER PROLEMAS LIEARES CAALIZADOS Rcardo Slvera Sousa Marcos ereu Areales Deartameto de Cêcas de Comutação e de Estatístca Isttuto de Cêcas Matemátcas e de Comutação - ICMC - USP Av. rabalhador São-carlese, 4 Cx. Postal 668 São Carlos - São Paulo - rasl CEP {rsouza,areales}@cmc.sc.us.br Resumo O Método Smlex com a regra de Datzg ormalzada têm um ótmo desemeho comutacoal ara roblemas de grade orte e esarsos. Como o método dual smlex lear or artes é muto efcete ara roblemas de otmzação lear caalzado, etão aresetamos este trabalho a regra de Datzg ormalzada ara o algortmo dual smlex lear or artes e os rmeros exermetos comutacoas. Palavras-chave: otmzação lear, método smlex, regra de Datzg ormalzada. Abstract he Steeest-edge Smlex Method has a excellet erformace comutatoal for sarse large-scale roblems. As the ecewse lear dual smlex method s very effcet for roblems two-sde costrat of lear otmzato, so we reseted ths work the steeest-edge rule for the ecewse lear dual algorthm ad the frst comutatoal exermets. Keywords: lear otmzato, smlex method, steeest-edge rule.. Itrodução Um roblema de otmzação lear cosste a mmzação ou maxmzação de uma fução lear, defda sobre um domío descrto or euações e/ou euações leares, sto é, formato adrão: Mmzar f(x) c x Sueto a: Ax b (.) x, ode A é uma matrz m. O roblema de otmzação lear fo formalzado or George. Datzg em 947 ue, em seguda, desevolveu o Método Smlex ara resolvê-lo. Desde etão, um úmero grade de esusadores têm cotrbuído ara o camo da otmzação lear de dferetes maeras, cludo desevolvmetos teórcos e comutacoas e ovas alcações. A regra de Datzg ormalzada é cohecda desde os exermetos de Kuh e Quadt (963) e Wolfe e Cuttler (963), orém, or causa de sua mlemetação dreta, fo calmete reetada como mratcável. o etato, Goldfarb e Red (977) ublcaram o rmero algortmo do to smlex (algortmo ue ercorre vértces assocados as bases) com a regra de Datzg ormalzada ratcável. Os autores reortaram testes comutacoas relmares, mostrado a suerordade do algortmo smlex com esta regra em relação ao algortmo smlex com a regra de Datzg. Forrest e Goldfarb (99) aresetam um estudo mas romssor ara esta regra, ode forecem fórmulas de recorrêca ara atualzação do cálculo das ormas ara as dreções rmal e dual smlex, sea o formato adrão ou ão. Realzaram város testes comutacoas

2 com roblemas da etlb [htt:// e cocluíram ue, em geral, o algortmo smlex com esta regra realza meos terações do ue o método smlex com a regra de Datzg. O artgo está orgazado da segute forma: a seção relatamos sobre a efcêca e a comlexdade comutacoal do método smlex, a seção 3 é descrto o algortmo dual smlex lear or artes (Areales, 984), e a seção 4 a regra de Datzg ormalzada ara o algortmo. Falmete a seção 5, ecotram-se os rmeros exermetos comutacoas.. A Efcêca e a Comlexdade Comutacoal do Método Smlex A uestão da efcêca do método smlex semre fo tema de esusa desde a sua ublcação. o íco, a covergêca fta do método, garatda com regras ue evtassem cclagem, era sufcete ara os esusadores. o etato, o úmero máxmo de terações odera ser muto grade. Um couto de relatos sobre sua efcêca em roblemas rátcos ou gerados de forma aleatóra formou o chamado folclore do método smlex. Shamr (987) faz uma revsão deste folclore. o algortmo smlex, o rcal asso comutacoal é a resolução dos sstemas báscos a ser realzado a cada teração, ue ode ser feto em O(m 3 ) oerações elemetares. Assm, o esforço ecessáro ara resolver (.), elo algortmo smlex ode ser meddo elo úmero de terações. Da exerêca comutacoal com um úmero grade de roblemas resolvdos em város aos (Murty, 983, Shamr 987, azaraa et. al. 99), dcou ue o úmero médo de terações é uma fução lear de m, ue arece ser meor do ue 3m. Realzamos recetemete um estudo comutacoal ara o roblema de corte de eças em estoue (ue evolve mlhares de varáves), ode o úmero de terações é da ordem de m (Sousa, ), forecedo uma classe de roblemas ue reforça o folclore smlex de ue o úmero médo de terações é um olômo de grau baxo do úmero de restrções do roblema, embora ão lear. o etato Klee e Mty (97) aresetaram um exemlar, ara o ual o método smlex ecessta de terações (ode é o úmero de varáves), ercorredo todos os vértces da regão factível do roblema, ue é defda como uma dstorção do hercubo m- dmesoal, o ual têm vértces. Assm, o algortmo smlex ão ertece à classe de algortmos com temo olomal. Varações do método smlex, mas tarde, também se mostraram efcetes, do oto de vsta do estudo do or caso, ecesstado um úmero exoecal de terações (ertsmas e stskls, 997). Portato, a uestão cotíua aberta uato à ossbldade da costrução de um método do to smlex ue sea olomal, ou a rova deftva de ue é mossível costrur um algortmo do to smlex com comlexdade olomal. Segudo Shamr (987), erlaky e Zhag (993) está é a uestão aberta mas desafate a teora da otmzação lear. 3. O Algortmo Dual Smlex Com usca Lear or Partes esta seção aresetamos o roblema dual a artr do roblema rmal o formato geral (Vaderbe, 997), ode o roblema dual é lear or artes e o algortmo dual smlex é etão esecalzado. Defção 3.: Defmos o formato geral como o roblema de otmzação lear caalzado o segute roblema: Mmzar f(x) c x Sueto a: d Ax e, (Formato Geral) (3.) ode A R m ; d, e R m com d e ; c, x R. Suoremos, sem erda de geeraldade, ue osto (A), sto é, comleto or coluas. Para desevolver o roblema dual do roblema (3.) trasformamo-lo um roblema lear o formato adrão sem amlar o úmero de restrções, o ue em geral acarretara em um aumeto do esforço comutacoal. Para sso defmos y Ax, e (3.) é euvaletemete escrto or: Mmzar f(x) c x 98

3 Sueto a: Ax y (Prmal) (3.) d y e. Observe ue o roblema (3.) é uma forma bem geral, os a matrz A ode clur uma matrz detdade, e assm as restrções de ão egatvdade (ou caalzações) as varáves, ue são bastate comus em algus exemlos rátcos, são cosderadas. Ada, restrções de gualdade são reresetadas or d e. Etretato ara efeto de aálse do método ue remos descrever, cosdere o roblema o formato (3.). Podemos determar o roblema dual de (3.) usado o roblema euvalete (3.). Portato, o roblema dual ode ser escrto como: Maxmzar h(λ) Sueto a: A λ c. (Dual) (3.3) A fução obetvo é dada or: m e λ se λ < h(λ ) h (λ ), ode h(λ ) Ou d λ se λ >. sea, o roblema dual é um roblema de otmzação ode a fução obetvo é côcava lear or artes. ote ue o roblema dual semre será factível, os o osto (A) e λ rrestrto de sal. Se este for fto (or cosegute, o rmal factível), haverá uma solução ótma básca. Cosdere uma artção básca ualuer as coluas de A (, ). Uma solução geral do sstema em (3.3) é dado or: A λ c λ λ c. Uma solução artcular chamada solução básca dual assocada à artção básca é dada or: λ ˆ, ode c e (solução básca dual) (3.4) A artção básca forece uma artção as lhas de (3.): y x y x y x y. Da rmera euação acma vem ue: xˆ yˆ, (solução básca rmal) (3.5) substtudo-a a seguda temos: yˆ ˆ y. (3.6) Os valores de ŷ são determados or: ˆ d se λ ( c ) y ˆ ˆ e se λ ( c ) <. (3.7) Observe ue, com λ ˆ c e e usado (3.5): ˆ ˆ h(ˆ) λ λ ˆ y λ y c y c xˆ. Logo, com o ar de soluções rmal e dual defdo or (3.4) e (3.5) ara os roblemas (3.) e (3.3) resectvamete, têm a roredade de ue as fuções obetvos são guas. Observe ue a restrção d y e fo relaxada e, ue ŷ defdo or (3.7), satsfaz d ˆ y e. Se d y e for verfcada, etão a solução básca rmal xˆ y ˆ é factível. Como h( ) é um lmtate feror ara f(x) segue o teorema. 99

4 eorema 3.: Dada uma artção básca A e as soluções báscas assocadas (3.4) e (3.5)- (3.7). Se d yˆ e, etão as soluções báscas rmal e dual são soluções ótmas dos roblemas rmal e dual resectvamete. Em geral, ara alcar o método smlex, é ecessáro a resolução da fase I ue cosste em outro roblema a ser resolvdo. Etretato, o método smlex alcado ao roblema dual (3.3) ão reuer a fase I e ode ser cado a artr de ualuer artção básca. Como é comum restrções do to: l x u (mlctamete cosderadas em d Ax e), uma artção óbva é dsoível. Caso ão haa a caalzação as varáves, ode-se cosderar l -, u e a artção básca cal segue válda. ote ue desevolver o método rmal smlex ara o roblema dual (3.3) é euvalete a desevolver o método dual smlex ara o roblema rmal (3.). Cosdere uma artção básca e suas soluções báscas assocadas (3.4) (3.7). Se as codções do teorema 3. ão são satsfetas, erturbamos a solução básca dual, de modo a aumetar a fução obetvo dual h(λ). A estratéga dual smlex cosste a erturbação de uma varável dual ão básca (comoete de λ ). emos dos casos a cosderar. Por smlcdade, suomos a solução dual ão degeerada, caso cotráro, ara algum. Caso a) λ δ ek, δ e eueo. (Perturbação a dreta) Assm temos ue: λ δ ek c λ ( ) c δ( ) a. K De (3.4), temos ue a ova solução dual ode ser escrta or: λ ( ) a K λ δ, λ ˆ λ ek ou ada, λ δ, (3.8) ( ) ode a K é a dreção dual smlex. Escrevedo a fução obetvo dual ara a ova ek solução (3.8), cosderado δ sufcetemete eueo, de modo ue a fução h(λ) é lear, temos: h( m- λ ) h(ˆ λ δ ) h ( δ ) h ( δ ). Suodo solução ão degeerada,.e.,,,..., e ue,,...,. m e lembrado ue estamos erturbado aeas a k-ésma varável ão básca, temos ue: h(ˆ λ δ ) ŷ ( δ ) δd ŷ δ ŷ d k h(ˆ) λ δ ŷ d k h(ˆ) λ δ( yˆ d ), k Substtudo as comoetes báscas da dreção dual smlex, vem ue: k

5 h(ˆ) λ δ ( yˆ (- ) a d ) (- a xˆ d ) h(ˆ) λ δ K k h(ˆ) λ δ( - ŷ d ). K k (3.9) Portato, se d ˆ a x >, ou sea, se o lmte feror da k-ésma restrção rmal for K k volado, a dreção dual smlex é de subda. A exressão (3.9) é valda desde ue λ ão sofra mudaça de sal, os com a mudaça do sal de λ, o coefcete da fução obetvo dual é alterado. Logo se e, têm o mesmo sal, etão λ ode trocar de sal com o crescmeto de δ. Portato temos as segutes stuações com dos casos a cosderar: Se > e > ão há troca de sal; Caso ) Se > e < δ δ ; Se < e < ão há troca de sal; Caso () Se < e δ δ. > Assm, ara ue ão haa mudaça de sal em λ devemos ter: δ δ. Sea o um ídce básco tal ue: δ m tal ue,...,. (3.) Para δ δ P temos ue: h( λ ) h(ˆ) λ δ ( d ŷ ).. Quado K δ δ k P temos de (3.8) e (3.) ue -ésma restrção básca tora-se ula: λ, o ue sugere uma redefção da P artção básca, ode λ tora-se ão básca e λ δ K P > tora-se básca. A Fgura lustra a stuação. K k h d K ŷ K δ P δ ão há troca de sal em λ Fgura - Gráfco da fução dual o tervalo [, δ P ] Obvamete, como as varáves duas são rrestrtas de sal, o crescmeto de δ ão recsa ser lmtado or λ. Para valores de δ > δ P, a exressão da fução dual se altera,

6 odedo ada crescer. Isto sugere um busca a dreção ue ode ser feta ara a escolha de δ. Esta busca é lear or artes, devdo à característca da fução obetvo dual. Cosdere ue: h( λ ) h(ˆ) λ δh, ode h ( d K ŷ ).. Se dermos um eueo K acréscmo ao valor de δ P, ou sea, δ δp ε, ε e eueo, etão troca de sal. P (Observe ue λ ara δ δ P ). Aalsaremos somete o caso (): > e <, o P outro caso ( < e > ) segue de maera aáloga. Etão, ote ue ara P < δ < δ P a varável > e ue ara δ > δ P P a varável <. Substtudo δ δ ε P P em (3.8) temos: λ (δ ε) λ (ˆ λ δ P P ) ε λ λ ε, ode λ δ P. Observe ue λ δ ε e λ K k. Assm, a fução obetvo dual ode ser exressa or: h h ( (λ ) m ε h ( ) d k ) (δ ε). Suoremos or smlcdade ue λ,, ou sea, ue o mímo em (3.) ocorre somete ara o ídce, aeas a varável λ P se aula com δ δ Lembrado ue λ δ e ε > e eueo, temos ue: P P P h( λ ) ŷ ( ε ) h (ε ) (δ ε)d. P P K Como <, os estamos aalsado o caso (), temos ue h (ε ) εe, logo vem ue: h(λ ) ŷ (λ ) δ d ε λ e d K P P k (3.) As segutes gualdades são asseguradas: h( ˆ I) h( λ ) λ δ P) h (λ ) δ e ; Po II) ŷ ŷ e ; K P P III) ŷ a K xˆ. Portato, a exressão (3.) ode ser reescrta usado (I), (II) e (III). Assm, a fução obetvo dual é dada or: h( λ ) h( λ ) ε(h (e d ) ) P P, ode h ˆ d. P a x K K As exressões descrtas aterormete ara a fução dual são váldas desde ue ε > e sufcetemete eueo. Aalsaremos agora, ual o maor valor ara o cremeto ε, ou sea, determaremos o tamaho do asso de modo ue δ ε ão mude de sal.

7 ote ue o sal de é o mesmo sal de δ ε,. Sea tal δ ue ε δ >. Chamamos δ ε δ. Logo δ > m,. Observe ue, o cálculo do ídce, as razões havam sdo calculadas e fo o ídce ue forece a meor razão, agora é o ídce da seguda meor razão. A Fgura rereseta a relação etre a fução obetvo dual e δ: h h < h > δ P δ P δ ão há troca de sal Fgura Gráfco da fução dual com busca udmesoal Podemos examar o asso dual além de δ : δ > δ de maera aáloga ao ue fo feto até au. Em geral temos: h h (e d ). A busca udmesoal a dreção dual smlex cosste em escolher um ídce l tal ue: h l > e h l, os desta forma a fução dual cresce mas radamete ara a escolha de delta. Caso b) λ δ ek, δ e eueo. (erturbação à esuerda) O rocedmeto é aálogo ao caso (a). Fazedo o mesmo desevolvmeto da fução obetvo dual ara a ova solução e cosderado as devdas mudaças, segue ue: h( λ ) h(ˆ) λ δ( a ˆ x - e ). k Portato, se a ˆ e K x - k K >, ou sea, se o lmte sueror da k- ésma restrção rmal for volado, a dreção dual smlex é de subda. Aalsado de maera aáloga ao caso (a), obtemos a segute exressão ara a fução dual: h( λ ) h(ˆ λ δ ) εh, ode h h (e d ) e h ˆ P e. P P P a x K K A busca udmesoal é realzada da mesma forma ue fo feta ara o caso (a). Escolhdo os ídces ara as varáves ue etra e sa da base, atualzamos e e reetmos o rocesso. Esta busca fo cosderada a mlemetação do algortmo, ara o ual cororamos a regra de Datzg ormalzada (Goldfarb e Red, 977) ue será aresetada a róxma seção. Embora, Maros (3) teha desevolvdo o algortmo dual smlex ara roblemas com varáves caalzadas, baseada a característca da fução dual (lear or artes), o autor 3

8 ão cosdera a caalzação as restrções como fzemos, exlorado as artculardades deste caso. 4. Regra de Datzg ormalzada Para o desevolvmeto das fórmulas de recorrêca ou atualzação ara a regra de Datzg ormalzada (Goldfarb e Red, 977; Forrest e Goldfarb, 99), cosdere o roblema otmzação lear o formato geral (3.) e o método dual smlex com busca lear or artes com as mesmas hóteses da seção 3. Para o método dual smlex esecalzado ao roblema (3.), a escolha da varável ue va etrar a base, segudo a regra de Datzg ormalzada, é a maor razão em módulo, defda ela volação rmal o lmte feror ou sueror (ue são os custos relatvos ara o método dual) sobre a orma da dreção dual smlex, ou sea, escolhe um ídce ão básco ue forece a maor das segutes razões em valor absoluto: d ŷ ŷ e ( ) ou,..., m. Assm, as dreções duas smlex: a, e recsam ser calculadas a cada teração do método ara todo os ídces ão báscos. Para roblemas de grade orte, o cálculo exlícto de todas as ormas das dreções dual smlex em cada teração é robtvamete. Logo, ara mlemetar esta regra de uma maera efcete, Goldfarb e Red (977), dervam fórmulas recursvas ara atualzar os valores de de uma teração ara a outra. Com o roósto de atualzar as dreções duas smlex de uma teração ara outra, cosdere ue a varável de ídce substtu a varável de ídce a base. Observe ue, ode {,..., m }e, ode {,..., }. Sabemos ue de uma teração ara outra, a versa da ova base é dada or: ( w e ) ( ) ( ) e ( ). w (3.) ode é a base atual, a base a teração subseüete e w a. ão remos rovar ( ) ( ) ( a a ) e tal resultado au, mas é smles de se obter. asta observar ue:. ( ) Assm cada ova dreção dual smlex é dada or: a,. Como e recsamos obter as ovas ormas das dreções em fução da ateror, remos desevolver estas ormas ao uadrado, os faclta a maulação algébrca. Portato, α a J ( ) a. Usado (3.) temos ue : α ( ) α ( ) (α ) ( ) ( a w e w e a w e w e ). J Se deotarmos α e a, com α e a, etão ela defção de w, α. Logo, α w α a J ( ) (α ) ( w e w w e w); α a w (α ) ( w J Agora, se deotarmos v w e γ, etão a orma ao uadrado das dreções duas smlex atualzada, é dada or: w). 4

9 (3.3) Se, temos: γ γ α a v α γ,..., m,. J γ γ α (3.4) Observe ue a euação (3.3) exstem dos cálculos a fazer, o ual ão estara dsoível se estvéssemos executado uma teração do método smlex com a regra de Datzg: resolver o sstema v w e o roduto tero das lhas ão báscas da matrz A com o vetor v. Forrest e Goldfarb (99) comararam o algortmo smlex com a regra de Datzg ormalzada com o algortmo smlex usado a regra de Datzg (ou regra usual). Os roblemas foram obtdos de um couto de roblemas teste de otmzação lear da etlb. Os roblemas em méda tveram 34 lhas e 49 coluas, sedo ue o maor deles fo de Para os roblemas utlzados elos autores, o temo (em horas) ara resolvê-los usado o algortmo de Datzg rmal e dual fo resectvamete de,9h e 77,78h, euato o algortmo rmal e dual roosto fo resectvamete de 4,89h e 6,36h. Uma dfereça muto mressoate. Excludo cco roblemas ode o úmero de terações fo exressvamete alto, a méda ara o algortmo de Datzg fo 6,3m euato o algortmo com a regra de Datzg ormalzada realzou em méda,9m terações. Um exemlar desses cco roblemas é o AIR (etlb) com 5654 lhas, 873 coluas e 78 elemetos dferetes de zero. O método rmal smlex com regra de Datzg ormalzada resolveu o roblema com 4.58 terações em 4.94,9 segudos ao asso ue o método rmal smlex com a regra de Datzg (rmal) realzou terações em 95.7, segudos. Portato, o varate smlex com a regra de Datzg ormalzada fo claramete sueror ao método smlex coma regra de Datzg, ara resolver roblemas dfíces de otmzação lear de grade orte. Ressaltamos ue o trabalho de Forrest e Goldfarb (99), os autores dervaram fórmulas de recorrêca ara dferetes formatos de roblema de otmzação lear, o ue ão é ecessáro, os casos geras como o formato geral (3.), odem ter suas fórmulas de recorrêca a artr do dual (3.3), dadas or (3.3) e (3.4) como se fossem as fórmulas rmas ara o formato (.). Motvado rcalmete elo trabalho de Forrest e Goldfarb (99) e o ótmo desemeho do método dual smlex lear or artes comarado ao acote CPLEX, relatvo ao úmero de terações (Sousa, ), mlemetamos a regra de Datzg ormalzada ara o método dual smlex com busca lear or artes, ara resolver algus roblemas de eueo orte. Os resultados comutacoas se ecotram a róxma seção, ode ão obtemos um bom desemeho ara a regra de Datzg ormalzada. 5. Exermetos Comutacoas e Coclusões Daremos a segur os rmeros resultados comutacoas obtdos com o método dual smlex lear or artes, ara as regras de Datzg e Datzg ormalzada, ode são fetas algumas comarações ara 3 tos de estrutura a matrz A. O método dual smlex lear or artes da seção 3. fo mlemetado utlzado a forma roduto da versa ara resolver roblemas o formato (3.). Para cada tamaho (dmesão) do roblema, ue defe um exemlar com m restrções e varáves (vea Fgura 3), foram rodados exemlos com os dados gerados aleatoramete. Os testes foram realzados em um otebook oshba Satellte Celero 65 MHz com 3 Mbytes de RAM. A lguagem C de rogramação fo utlzada, versão 5., com estrutura de dados alocada estatcamete. o etato, estamos mlemetado uma estrutura dâmca, ara exlorar a esarsdade, com obetvo de reduzr o temo comutacoal. O temo (em segudos) e o úmero de terações, reortados a segur, são as médas dos exemlos ara cada tamaho do roblema. Para a aresetação dos resultados, cosdere ue. 5

10 D rereseta o método com a regra de Datzg, D o método com a regra de Datzg ormalzada, m- o úmero de restrções e o úmero de varáves. A abela 5. areseta os resultados ara as duas regras, com % dos elemetos das (m-) restrções dferetes de zero. abela 5. - Datzg Datzg ormalzada Problemas Desos Iterações emo Exemlar (m-) D D D D Da abela 5., observamos ue ara aeas exemlares ( e 4 4) a regra de Datzg ormalzada obteve redução sgfcate o úmero de terações (cotrarado o trabalho de Forrest e Goldfarb, 99), euato o temo comutacoal fo sesvelmete favorável à regra de Datzg. Date dsso, vestgamos uma classe esarsa de roblemas, ara os uas a matrz de restrção é da forma escada. (Vea Fgura 3). A m restrções m m I varáves Fgura 3 Matrz A com 4 blocos as abelas 5. e 5.3, estão os resultados obtdos ara as regras de Datzg e Datzg ormalzada, com a matrz de restrções tedo 4 blocos e blocos resectvamete, ode %Z dca a orcetagem do úmero de elemetos dferete de zero a matrz de restrções defda elos blocos e CC dca o úmero de coluas em comum ara cada blocos, aroxmadamete %. abela 5. Datzg Datzg ormalzada Problemas Esarsos 4 locos Iterações emo Exemlar CC %Z (m-) D D D D

11 Podemos observar da abela 5. com relação ao caso deso (abela 5.), ue ara as regras o úmero de terações cresceu (em méda.) uado o úmero de restrções é maor ue o úmero de varáves e dmuu (em méda.3) uado se têm a sua stuação oosta. Isto talvez sea exlcado, os ode ocorrer váras restrções redudates ara o caso deso, o ue ão deve acotecer ara estrutura escada. ota-se ada, um meor úmero de terações ara regra de Datzg, orém a dfereça dmuu com relação aos resultados da abela 5., com exceção do exemlar, ode a regra de Datzg ormalzada realzou 5% meos terações com relação a regra usual. A abela 5.3 areseta os resultados ara a matrz de restrções tedo agora blocos. abela 5.3 Datzg Datzg ormalzada Problemas Esarsos locos Iterações emo Exemlar CC %Z (m-) D D D D ote ue este caso, muto mas esarso do ue o caso com 4 blocos, o úmero de terações cau sgfcatemete ara as duas regras, o ue dca ue ara roblemas muto esarsos e com a matrz de restrções tedo város blocos eueos, o úmero de terações tede a ão assar de duas vezes do úmero de restrções. De uma maera geral, ara este caso também, a regra de Datzg ormalzada fo feror o úmero de terações e o temo comutacoal. A Fgura 4 forece o gráfco ara o úmero de terações. 7

12 Iterações Exemlar D D Fgura 4 úmero de Iterações - Problemas Esarsos locos Da Fgura 4, ote ue ara os exemlares 6, 7, 8 e 9 ode o úmero de varáves é elo meos vezes o úmero de restrções, o úmero de terações fo muto baxo, e uado se têm a stuação oosta, as terações aumetam, mas ão ultraassado,5 do úmero de restrções. De uma maera geral, a exectatva era do melhor desemeho ara a Datzg ormalzada com relação à regra de Datzg. Isto ode ser um dcatvo ue ara roblemas o formato (3.) de eueo orte a regra de Datzg ormalzada sea mesmo feror à regra usual. Porém, remos fazer outros testes comutacoas com a regra de Datzg ormalzada ara roblemas maores e esarsos. Embora o trabalho de Forrest e Goldfarb (99) aota uma clara suerordade da regra de Datzg ormalza com relação à regra usual, ão fo o ue observamos. alvez ue ara a classe de roblemas ue trabalhamos, tal regra ão teha o mesmo comortameto relatado elos autores. Destacamos au, ue há grades ossbldades de torar o método dual smlex lear or artes mas efcete em termos do temo comutacoal, vestdo-se a efcêca da resolução dos sstemas báscos utlzado a decomosção LU (artels e Goloub, 969) com heurístca de Markowtz (957) e atualzação da base (Red, 98), rocedmetos muto utlzados a rátca ara resolução de roblemas de grade orte e esarsos. O trabalho de Slva () aborda detalhadamete estas téccas. 6. Referêcas blográfcas [] Areales, M.. (984) Otmzação Lear: ovos Métodos e Algus Problemas Partculares ese de Doutorado, FEC-UICAMP. [] artels, R. H. ad Golub, G. H. (969) he Smlex Method of Lear Programmg Usg LU- Decomosto Commucatos of the ACM, ad [3] azaraa, M. S., Jarvs, J. J., Sheral, H. D. (99) Lear Programmg ad etwork Flows d Ed., ew York. [4] ertsmas, D. ad stskls, J.. (997) Itroducto to Lear Otmzato d Ed., Athea Scetfc, Massachusetts. [5] Datzg, G.. (963) Lear Programmg ad Extesos. Prceto Uversty Press, Prceto, J. [6] Datzg, G. ad haa, M.. (997) Lear Programmg Ed. Srger Verlag. 8

13 [7] Dckso, J. C. ad Frederck, F. P. (96) A Decso Rule for Imrovemet Effcecy Solvg Lear Programmg Problems wth the Smlex Algorthm Comm. ACM 3, [8] Forrest, J. J. H. ad Goldfarb, D. (99) Steeest-Edge Smlex Algorthms for Lear Programmg Math. Programmg 57, [9] Goldfarb, D. ad Red, J. K. (977) A Practcable Steeest-Edge Smlex Algorthm Math. Programmg, [] Klee, V. ad Mty, G. J. (97) How Good s the Smlex Algorthm? Shsh, Proc. 3rd Symos. Ieualtes, AP, ew York, [] Kuh, H. W. ad Quadt, R. E. (963) A Exermetal Study of the Smlex Method Metrools et al. (Eds.), Proc. 5th Symos. Al. Math., Amer. Math. Soc., Provdece, R.I., 7-4. [] Markowtz, H. M. (957) he Elmato Form of the Iverse ad ts Alcatos to Lear Programmg, Maagemet Scece, 3, [3] Maros, I (3) A Geeralzed Dual Phase- Smlex Algorthm Euroea Joural Oeratoal Research 49, -6. [4] Murty, K. G. (983) Lear Programmg Joh Wley & Sos. [5] Red, J. K. (98) A Sarsty-Exlotg Varat of the artels-golub Decomosto for Lear Programmg ases, Mathematcal Programmg, 4, [6] Shamr, R. (987) he Effcecy of the Smlex Method: A Survey Maagemet Scece 3, [7] Slva, C.. L () Problemas de Otmzação Lear Caalzados e Esarsos Dssertação de Mestrado, ICMC-USP. [8] Sousa, R. S. () Estudos em Otmzação Lear Dssertação de Mestrado, ICMC- USP. [9] erlaky,. ad Zhag, S. (993) Pvot Rules for Lear Programmg: A Survey o Recet heorcal Develomets Aals of Oerato Research 46, [] Vaderbe, R. J. (997) Lear Programmg: Foudatos ad Extesos Kluwer Academc Publshers. [] Wolfe, P. ad Cutler, L. (963) Exermets Lear Programmg Graves ad Wolfe (Eds.) Recet Advaces Mathematcal Programmg, McGraw Hll, ew York,

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

Capítulo 1: Erros em cálculo numérico

Capítulo 1: Erros em cálculo numérico Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas

Leia mais

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

FINANCIAMENTOS UTILIZANDO O EXCEL rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas

Leia mais

IND 1115 Inferência Estatística Aula 9

IND 1115 Inferência Estatística Aula 9 Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca

Leia mais

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO scpla de Matemátca Facera 212/1 Curso de Admstração em Gestão Públca Professora Ms. Valéra Espídola Lessa EMPRÉSTIMOS Um empréstmo ou facameto pode ser feto a curto, médo ou logo prazo. zemos que um empréstmo

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que

Leia mais

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para

Leia mais

Métodos tipo quadratura de Gauss

Métodos tipo quadratura de Gauss COQ-86 Métodos Numércos ara Sstemas Algébrcos e Dferecas Métodos to quadratura de Gauss Cosderado a tegração: Método de quadratura de Gauss com otos teros I f d a ser comutada com a maor recsão ossível

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores

Leia mais

Contabilometria. Números-Índices

Contabilometria. Números-Índices Coablomera Números-Ídces Foes: Seveso (1981) Esaísca Alcada à Admsração Ca. 15 Foseca, Mars e Toledo (1991) Esaísca Alcada Ca. 5 Números-Ídces Sezam modfcações em varáves ecoômcas durae um eríodo de emo

Leia mais

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

CAPÍTULO 9 - Regressão linear e correlação INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação

Leia mais

XLVI Pesquisa Operacional na Gestão da Segurança Pública

XLVI Pesquisa Operacional na Gestão da Segurança Pública XLVI Pesqusa Operacoal a Gestão da Seguraça Públca DISPOSIÇÃO DE FACILIDADES EM FILA DUPLA VIA PROGRAMAÇÃO INTEIRA MISTA Leoardo D. Secch Departameto de Matemátca Aplcada, UFES, 29932-540, São Mateus,

Leia mais

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas

Leia mais

Capítulo 6 - Centro de Gravidade de Superfícies Planas

Capítulo 6 - Centro de Gravidade de Superfícies Planas Capítulo 6 - Cetro de ravdade de Superfíces Plaas 6. Itrodução O Cetro de ravdade (C) de um sóldo é um poto localzado o própro sóldo, ou fora dele, pelo qual passa a resultate das forças de gravdade que

Leia mais

Teoria da Amostragem

Teoria da Amostragem Teora da Amostragem I- oções fudametas sobre amostragem. Amostragem é todo o processo de recolha de uma parte, geralmete pequea, dos elemetos que costtuem um dado couto. Da aálse dessa parte pretede obter-se

Leia mais

Uma Calculadora Financeira usando métodos numéricos e software livre

Uma Calculadora Financeira usando métodos numéricos e software livre Uma Calculadora Facera usado métos umércos e software lvre Jorge edraza Arpas, Julao Sott, Depto de Cêcas e Egeharas, Uversdade Regoal ItegradaI, URI 98400-000-, Frederco Westphale, RS Resumo.- Neste trabalho

Leia mais

3 Precificação de resseguro

3 Precificação de resseguro Precfcação de Resseguro 35 3 Precfcação de resseguro Este capítulo traz prmeramete uma oção ampla das aplcações das metodologas de precfcação de resseguro para melhor compreesão do mesmo Da seção 3 até

Leia mais

1. Revisão Matemática

1. Revisão Matemática 1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado

Leia mais

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida . MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +

Leia mais

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo INGEPRO Iovação, Gestão e Produção Jaero de 010, vol. 0, o. 01 www.gepro.com.br Cálculo de méda a posteror através de métodos de tegração umérca e smulação mote carlo: estudo comparatvo Helto Adre Lopes

Leia mais

A desigualdade de Kraft e correlatos

A desigualdade de Kraft e correlatos A desguadade de Kraft e correatos Defções remares Códgo ão sguar: símboos dferetes s são reresetados or códgos dferetes c ; Códgo uvocamete decodfcáve: se símboos cocateados (s s s 3... s k) são reresetados

Leia mais

Obra publicada pela Universidade Federal de Pelotas

Obra publicada pela Universidade Federal de Pelotas Obra publcada pela Uversdade Federal de Pelotas Retor: Prof. Dr. Atoo Cesar Goçalves Bores Vce-Retor: Prof. Dr. Maoel Luz Breer de Moraes Pró-Retor de Etesão e Cultura: Prof. Dr. Luz Era Goçalves Ávla

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

Leia mais

Monitoramento ou Inventário Florestal Contínuo

Monitoramento ou Inventário Florestal Contínuo C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo

Leia mais

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA

AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA versão mpressa ISSN 00-7438 / versão ole ISSN 678-542 AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA Luís Alberto Duca Ragel UFF-COPPE/PEP/UFRJ

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,

Leia mais

Capítulo 2 Circuitos Resistivos

Capítulo 2 Circuitos Resistivos EA53 Crcutos Elétrcos I DECOMFEECUICAMP Caítulo Crcutos esstos EA53 Crcutos Elétrcos I DECOMFEECUICAMP. Le de Ohm esstor: qualquer dsosto que exbe somete uma resstêca. a resstêca está assocada ao úmero

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

16 - PROBLEMA DO TRANSPORTE

16 - PROBLEMA DO TRANSPORTE Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,

Leia mais

ALGORITMOS DE OTIMIZAÇÃO BIOINSPIRADOS BASEADOS EM POPULAÇÕES PARA O PROBLEMA DE DESPACHO ECONÔMICO DE CARGA

ALGORITMOS DE OTIMIZAÇÃO BIOINSPIRADOS BASEADOS EM POPULAÇÕES PARA O PROBLEMA DE DESPACHO ECONÔMICO DE CARGA Aas do XIX Cogresso Braslero de Automátca, CBA 2012. ALGORITMOS DE OTIMIZAÇÃO BIOINSPIRADOS BASEADOS EM POPULAÇÕES PARA O PROBLEMA DE DESPACHO ECONÔMICO DE CARGA ADRIANE B. S. SERAPIÃO, RAQUEL K. ROCHA

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina:

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Deartameto de Iformátca Dscla: do Desemeho de Sstemas de Comutação Processos de ascmeto e Morte Prof. Sérgo Colcher colcher@f.uc-ro.br Processos de ascmeto e Morte CMTC Homogêea a ual trasções acotecem

Leia mais

Séries de Potências AULA LIVRO

Séries de Potências AULA LIVRO LIVRO Séries de Potêcias META Apresetar os coceitos e as pricipais propriedades de Séries de Potêcias. Além disso, itroduziremos as primeiras maeiras de escrever uma fução dada como uma série de potêcias.

Leia mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

Leia mais

Olá, amigos concursandos de todo o Brasil!

Olá, amigos concursandos de todo o Brasil! Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

Leia mais

Matemática Financeira

Matemática Financeira Cocetos Báscos de Matemátca Facera Uversdade do Porto Faculdade de Egehara Mestrado Itegrado em Egehara Electrotécca e de Computadores Ecooma e Gestão Na prátca As decsões faceras evolvem frequetemete

Leia mais

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 4- Método de Dereças Ftas Alcado às Equações Derecas Parcas. 4.- Aromação de Fuções. 4..- Aromação or Polômos: Iterolação. 4..- Ajuste de Dados: Mímos

Leia mais

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , ,

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , , GABARITO DA TERCEIRA LISTA DE EXERCÍCIOS DE PTC-3 TEORIA DA INFORMAÇÃO E CODIFICAÇÃO Questão Uma fote de formações dscreta e sem memóra emte símbolos A e B com robabldades P(A =,8 e P(B =,. a calcule a

Leia mais

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos Despacho Econômco de Sstemas Termoelétrcos e Hdrotérmcos Apresentação Introdução Despacho econômco de sstemas termoelétrcos Despacho econômco de sstemas hdrotérmcos Despacho do sstema braslero Conclusões

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são

Leia mais

6. Inferência para Duas Populações USP-ICMC-SME 2013

6. Inferência para Duas Populações USP-ICMC-SME 2013 6. Iferêca ara Duas Poulações UP-ICMC-ME 3 8.. Poulações deedetes co dstrbução oral Poulação Poulação,,,, ~ N, ~ N, ~ N, Obs. e a dstrbução de e/ou ão for oral, os resultados são váldos aroxadaete. Testes

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

Problema geral de interpolação

Problema geral de interpolação Problema geral de terpolação Ecotrar p() que verfque as codções: f j ( ) y,,,,,, j,,, m ( j) ( ) dervada de ordem j ós valores odas Eemplo: ecotrar p() que verfque:, f () 4 3, f( 3) 3, f'(3) 4 3 p() 3

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 6 Prof. Luz Alexadre Peterell CAPÍTULO - Estatístca Descrtva Podemos dvdr a Estatístca em duas áreas: estatístca dutva (ferêca estatístca) e estatístca descrtva. Estatístca Idutva: (Iferêca Estatístca)

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

Capitulo 8 Resolução de Exercícios

Capitulo 8 Resolução de Exercícios FORMULÁRIO Audades Peródcas, Crescetes e Postecpadas, com Termos em P. A. G 1 1 1 1 G SPAC R R s s 1 1 1 1 1 G G C R a R a 1 1 PAC Audades Gradetes Postecpadas S GP G 1 1 ; C GP G 1 1 1 Audades Gradetes

Leia mais

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística Projeção de Ceáros Aplcados ao Orçameto Empresaral Com revsão das Ferrametas de Estatístca Prof. Dr. Marco Atoo Leoel Caetao TÓPICO Tratameto, Quatfcação e Vsualzação de Dados Faceros. Itrodução Na dvulgação

Leia mais

CAP. IV INTERPOLAÇÃO POLINOMIAL

CAP. IV INTERPOLAÇÃO POLINOMIAL CAP. IV INTERPOLAÇÃO POLINOMIAL INTRODUÇÃO Muts fuções são cohecds es um cojuto fto e dscreto de otos de um tervlo [,b]. Eemlo: A tbel segute relco clor esecífco d águ e temertur: temertur (ºC 5 3 35 clor

Leia mais

Relatório Final da Comparação Interlaboratorial para Análise de. Comparação Interlaboratorial para Análise de Tensões Residuais

Relatório Final da Comparação Interlaboratorial para Análise de. Comparação Interlaboratorial para Análise de Tensões Residuais Relatóro Fal da Comaração Iterlaboratoral ara Aálse de Relatóro Tesões Prelmar Resduas da Comaração Iterlaboratoral ara Aálse de Tesões Resduas COMPARAÇÃO INTERLABORATORIAL PARA ANÁLISE DE TENSÕES RESIDUAIS

Leia mais

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES Aa Mara Lma de Faras Luz da Costa Laurecel Com a colaboração dos motores Maracajaro

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS

Leia mais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro

Leia mais

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES Cêca Florestal, v.6,., p.47-55 47 ISS 003-9954 AMOSTRAGEM EM DOIS ESTÁGIOS COM UIDADES PRIMÁRIAS DE TAMAHOS DIFERETES SUBSAMPLIG TO TWO PROBATIO WITH PRIMARY UITS OF UEQUAL SIZES Sylvo Péllco etto RESUMO

Leia mais

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0 EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()

Leia mais

2 Estrutura a Termo de Taxa de Juros

2 Estrutura a Termo de Taxa de Juros Estrutura a Termo de Taxa de Juros 20 2 Estrutura a Termo de Taxa de Juros A Estrutura a termo de taxa de juros (também cohecda como Yeld Curve ou Curva de Retabldade) é a relação, em dado mometo, etre

Leia mais

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável

Leia mais

Optimização e controlo da poluição atmosférica

Optimização e controlo da poluição atmosférica Optmzação e cotrolo da polução atmosférca A. Ismael F. Vaz e Eugéo C. Ferrera Departameto de Produção e Sstemas, Escola de Egehara, Uversdade do Mho Emal: avaz@dps.umho.pt Cetro de Egehara Bológca, Escola

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

MODELO DE ISING BIDIMENSIONAL SEGUNDO A TÉCNICA DE MATRIZ DE TRANSFERÊNCIA

MODELO DE ISING BIDIMENSIONAL SEGUNDO A TÉCNICA DE MATRIZ DE TRANSFERÊNCIA UIVERSIDADE ESTADUAL DO CEARÁ RAFAEL DE LIMA BARBOSA MODELO DE ISIG BIDIMESIOAL SEGUDO A TÉCICA DE MATRIZ DE TRASFERÊCIA FORTALEZA CEARÁ 4 RAFAEL DE LIMA BARBOSA MODELO DE ISIG BIDIMESIOAL SEGUDO A TÉCICA

Leia mais

ANAIS O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES

ANAIS O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES MARCOS RICARDO ROSA GEORGES ( marcos.georges@puc-campas.edu.br, marcos_georges@yahoo.com.br ) PUC-CAMPINAS Resumo Este artgo

Leia mais

Estabilidade no Domínio da Freqüência

Estabilidade no Domínio da Freqüência Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;

Leia mais

tica ou tica como Rui Vilela Mendes CMAF, ICC, CFN dos TPC s

tica ou tica como Rui Vilela Mendes CMAF, ICC, CFN dos TPC s O oder da matemátca tca ou A matemátca tca como metáfora Ru Vlela Medes CMAF, ICC, CFN Soluções dos TPC s Curso o Mestrado de Comlexdade,, ISCTE, Ivero 007 07-03 03-007 TPC Dados ( I(I(,,, N ( I(/N, /N,,,

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

Oitava Lista de Exercícios

Oitava Lista de Exercícios Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo

Leia mais

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

MATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA. Silvio A. de Araujo Socorro Rangel

MATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA. Silvio A. de Araujo Socorro Rangel MATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA Slvo A. de Arauo Socorro Ragel sarauo@blce.uesp.br, socorro@blce.uesp.br Apoo Facero: PROGRAMA Itrodução. Modelagem matemátca: cocetos báscos

Leia mais

5945851-1 Psicologia Conexionista Antonio Roque Aula 6. A Adaline

5945851-1 Psicologia Conexionista Antonio Roque Aula 6. A Adaline 594585- Pscologa Conexonsta Antono Roque Aula 6 A Adalne Poucos meses aós a ublcação do teorema da convergênca do Percetron or Rosenblatt, os engenheros da Unversdade de Stanford Bernard Wdrow (99 ) e

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

Capítulo 9 Problema 01 Problema 03 Problema 04

Capítulo 9 Problema 01 Problema 03 Problema 04 Bssab&Morett Caítlo Problema mod, orqe + mod, orqe + Problema a, m m, ( ) mod mod, ( ) mod mod, ( ) mod mod,...,,,,..., Portato, o eríodo esse caso é h. Problema a, m, m ( ) mod mod, ( ) mod mod, ( ) mod

Leia mais

ELEMENTOS DE ÓPTICA. c v n

ELEMENTOS DE ÓPTICA. c v n ELEMENTOS DE ÓPTICA ÓPTICA GEOMÉTICA Dimesões dos comoetes óticos muito sueriores ao comrimeto de oda da luz. Um eixe lumioso como um cojuto de raios erediculares à rete de oda. ÍNDICES DE EFACÇÃO, LEI

Leia mais