Introdução a Combinatória- Aplicações, parte II

Tamanho: px
Começar a partir da página:

Download "Introdução a Combinatória- Aplicações, parte II"

Transcrição

1 Introdução a Combnatóra- Aplcações, AULA Introdução Nesta aula vamos estudar aplcações um pouco dferentes das da aula passada. No caso estudaremos arranjos com repetção, permutações crculares e o prncpal: compreenderemos algumas propredades mportantes sobre coecentes bnomas. Forneceremos algumas provas bjetvas combnatóras acerca de alguns problemas. Estas provas são muto mportantes pos conseguem fornecer argumentos apenas usando o "bom senso", sem necesstar de construções mas arrojadas. Por este motvo estas tas provas combnatóras conseguem fornecer argumentos para certas demonstrações que uma prova formal, no sentdo da análse, por exemplo, não consegura. 7.2 Arranjos com repetção Na aula 5, vmos que o número de arranjos smples de n elementos tomados k a k é dado por: A k n = n(n 1)(n 2)...(n k + 1). Este número conta todas as possíves maneras de se retrar, de um conjunto de elementos dstntos k elementos, levando-se em conta a ordem dos elementos. O que é equvalente ao número de maneras

2 Introdução a Combnatóra-Aplcações, de se enlerar k pessoas em n lugares possíves. Caso repetções sejam permtdas, o prncípo multplcatvo nos dz que o número total de maneras de se retrar, levando-se em conta a ordem, k dos n objetos, dstntos ou não, é gual a AR k n = n k, uma vez que o prmero elemento pode ser retrado de n maneras, o segundo também de n maneras, e assm sucessvamente, até que o k-ésmo seja escolhdo. Exemplo 7.1. Quantos números de telefone celular com 8 dígtos é possível se ter, sabendo que o prmero dígto dever ser 8 ou 9? Consderando os 10 dígtos possíves em 7 lugares AR10 7 = 107 telefones dferentes xando 1 número, 8 ou 9. Logo, pelo prncípo multplcatvo, temos o total de 2AR10 7 = , telefones possíves. Exemplo 7.2. Qual o total de placas de carro que podem ser fetas constando de 7 símbolos, sendo os 3 prmeros consttuídos por letras e os 4 últmos por dígtos? Consderando-se o alfabetos com 26 letras, podemos escolher as 3 letras de AR26 3 = 263 maneras dferentes e os dígtos de AR10 4 = 10 4 formas dferentes. Logo, pelo prncípo multplcatvo, temos o total de AR26 3 AR4 10 = , placas possíves que poderão ser fetas. 70

3 CESAD 7.3 Permutações Crculares AULA 7 Nosso objetvo, agora, é contar o número de maneras de se ordenar n objetos dstntos em torno de um círculo. Por exemplo, consdere 3 objetos a, b, c, e coloquemos estes objetos em torno de um círculo. Armamos serem estas as úncas maneras decolocarmos estes 3 objetos em torno de um círculo. Isto porque cosderamos dêntcas duas dstrbuções quando uma pode ser obtda a partr da outra por uma smples rotação. Para melhor esclarecer esta denção, consderemos todas as permutações smples de a, b e c e coloquemos, em torno de um círculo, cada uma delas. Este procedmento está lustrado na gura abaxo. É fácl observar que, as 3 prmeras guras, bem como as 3 últmas podem ser obtdas a partr de outra pro uma smples rotação. No entanto nenhuma das 3 prmeras pode ser obtda, por rotação, a partr de nenhuma das 3 últmas. Logo, exstem apenas 2 permutações crculares de 3 objetos. Como exstem 3! permutações de 3 objetos e duas permutações crculares, temos que 2 = 3!/3. 71

4 Introdução a Combnatóra-Aplcações, É fácl notar que se soubermos quantas permutações smples dstntas geram permutações crculares equvalentes, teremos resolvdo o problema. É fácl ver que este número é n, pos se não consderássemos equvalentes as guras que podem concdr por rotação, teríamos o total de n!. Logo, P C n = n! n = (n 1)!, onde P C n denota o número de permutações crculares de n objetos. Exemplo 7.3. De quantas maneras 19 cranças podem dar as mãos para brncar de roda? Neste caso, basta consderarmos as permutações crculares de 19, 72

5 CESAD sto é, as 19 cranças podem brncar P C 19 = (19 1)! = 18! maneras. AULA Coecentes Bnomas Chamamos de bnômo qualquer expressão da forma a + b, sto é, a soma de dos símbolos dstntos. Estaremos nteressados no cálculo dos coecentes das expansões de potêncas de a+b. Vamos consderar, ncalmente, o produto (a+b)(c+d)(e+f) = ace+acf +ade+adf +bce+bcf +bde+bdf, que consste de oto termos, onde cada termo consste em 3 letras, cada uma seleconada de um dos bnômos. Pelo prncípo multplcatvo, é claro que o número total de termos é 2 3 = 8. Para o produto (a + b)(c + d)(e + f)(g + h), temos 2 4 = 16 termos, cada um consstndo de um produto de 4 letras, cada uma delas pertencendo a um dos 4 bnômos consderados. Por exemplo, acdf e adeh são alguns dos 16 termos deste últmo produto. No caso de n bnômos, temos 2 n termos. Consderemos, agora, o produto (a + b)(a + b)(a + b)(a + b)(a + b)(a + b) Como temos 64 maneras de seleconarmos 6 letras, uma de cada bnômo, e como todos os bnômos são guas a (a+b), teremos termos repetdos. Por exemplo, se tomarmos a letra a nos 4 prmeros e a letra b nos dos últmos, termos a 4 b 2, que rá aparecer toda vez que a letra a for escolhda em exatamente 4 dos bnômos e a letra b nos 2 restantes. Como sto pode ser feto de ( 6 4) maneras dferentes, concluímos que o coecente de a 4 b 2 é ( 6 4). Como todo termo consste do produto de 6 letras, o termo geral é da forma 73

6 Introdução a Combnatóra-Aplcações, a b j, onde + j = 6, ou seja, cada termo é da forma a b 6. Como um termo destes aparece ( 6 ) vezes a expansão acma é dada por: (a + b) 6 = 6 ( ) 6 a b 6. No caso geral (a + b) n, cada termo será da forma a b n. Note que o termo a b n rá aparecer para cada escolha da letra a em dos n fatores. Como tal escolha pode ser feta de ( n ) formas dferentes, temos que (a + b) n = n a b n. Nesta expansão, temos um termo dstnto para cada varando de 0 a n. Logo, são n + 1 termos dstntos dentre o total de 2 n. Na expansão de (a + b) n, (a + b) n = n a b n, denotamos o -ésmo termo por T +1, e, portanto, T +1 = ( n ) a b n. Exemplo 7.4. Calcule o quarto termo da expansão de (1 + x) 8. Temos aqu, a = 1, b = x, n = 8 e + 1 = 4. Logo = 3 e T 4 = T 3+1 = ( 8 3) 1 3 x 8 3 = 56x 5. Exemplo 7.5. Calcule o sexto termo da expansão de (x 5y) 10. Neste caso, a = x, b = 5y, n = 10 e + 1 = 6. Logo = 5 e T 6 = ( 10 5 ) x 5 ( 5y) 5 = x 5 y 5. Exemplo 7.6. Mostre que: 74

7 n = Como (a + b) n = + 0 n a b n, CESAD = 2 n. n se tomarmos a = b = 1, o lado esquerdo será 2 n, enquanto o lado dreto será a soma pedda no exercíco. AULA 7 Exemplo 7.7. Use argumentos combnatóros para mostrar que o número de subconjuntos de um conjunto de n elementos é 2 n. n = = 2 n. n Seja um ntero, n, o número de subconjuntos com k elementos de um conjunto contendo n elementos é ( n k), varando k de 0 a n temos a soma ( n ) ( 0 + n ) ( n ) n, que é o número de subconjuntos de um conjunto contendo n elementos. Mas sabemos, pelo exercíco anteror que esta soma vale 2 n, o que conclu a demonstração. 7.5 Conclusão Nestas duas últmas aulas vmos mportantes aplcações como por exemplo como calcular o número de soluções nteras de equações lneares. O mas mportante aqu não é memorzar fórmulas de como resolver problemas, mas, utlzar o bom senso para resolver problemas de contagem. Algumas provas com argumentos combnatóros foram fornecdas, e o nosso objetvo aqu é que sto estmule você a buscar outras maneras de resolver problemas de con- 75

8 Introdução a Combnatóra-Aplcações, tagem, utlzando estes métodos desenvolvdos aqu. Concerteza, os problemas que você aluno terá de resolver, talvez não sejam dêntcos a estes, mas esperamos que você perceba estruturas smlares a estas aqu apresentadas, e as utlze de forma cudadosa am de encontrar respostas pertnentes às questões apresentadas pelos seus alunos. RESUMO Arranjos com repetção O número de arranjos no caso em que repetções sejam permtdas, é gual o número total de maneras de se retrar, levando-se em conta a ordem, k dos n objetos, dstntos ou não, que vale AR k n = n k, onde ARn k denota o número de arranjos com repetção de n tomados k a k. Permutações crculares O número de permutações crculares de n elementos é gual ao número de manera de n pessoas se sentarem em uma mesa crcular, e este número vale: P C n = n! n = (n 1)!, onde P C n denota o número de permutações crculares de n objetos. Permutações crculares 76

9 CESAD A expansão de (a + b) n, é dada por n (a + b) n = a b n. AULA 7 PRÓXIMA AULA Na próxma aula, mudaremos o foco e estudaremos alguns elementos de probabldade e ndependênca de eventos. ATIVIDADES ATIV Utlzando o a fórmula bnomal mostre que ( n ) = ( n n ). Dca: analse a expansão de (a + b) n e (b + a) n. ATIV Encontre o número de maneras de r pessoas sentarem em um grupo de n pessoas em uma mesa crcular. ATIV a)encontre o número de soluções não negatvas da equação a + b + c + d + e = 22 b)faça o mesmo, porém com a restrção: a e b tem que ser postvos ATIV Encontre o número de soluções nteras para a desgualdade a + b + c + d < 11. ATIV Encontre o de termo geral na expansão multnomal de (a + b + c) 22 ATIV Use argumentos combnatoras para provar que (mn) (m!) n é um ntero postvo. ATIV Demonstrar a segunte dentdade: ( k ( k) + k+1 ) ( k + k+2 ) ( k +... k+n ) ( k = k+n+1 ) k+1. 77

10 Introdução a Combnatóra-Aplcações, LEITURA COMPLEMENTAR LIMA, Elon L., Matemátca para o Ensno Médo, Vol.2, IMPA, Projeto Eucldes, 1.ed., Ro de Janero, Santos, J.P.O., Mello, M. P., Murar, I. T. C., Introdução à Análse Combnatóra, 4 ed., Edtora Moderna, Ro de Janero, Morgado, A.C.O., Carvalho, J.B.P., Fernandez, P., Análse Combnatóra, Edtora Impa,

XXVII Olimpíada Brasileira de Matemática GABARITO Primeira Fase

XXVII Olimpíada Brasileira de Matemática GABARITO Primeira Fase Soluções Nível Unverstáro XXVII Olmpíada Braslera de Matemátca GABARITO Prmera Fase SOLUÇÃO DO PROBLEMA : Pelo enuncado, temos f(x) = (x )(x + )(x c) = x 3 cx x + c, f'(x) = 3x cx, f '( ) = ( + c) e f

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

Resumo de Álgebra Linear - parte II

Resumo de Álgebra Linear - parte II Aula 7 Resumo de Álge Lnear - parte II 7.1 Resumo Nesta aula contnuamos desenvolvendo concetos báscos de álge lnear, aprmorando a famlardade com a notação de Drac. Bblograa: Moysés, 8.7 (em parte), e Cohen-Tannoudj,

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

Flambagem. Cálculo da carga crítica via MDF

Flambagem. Cálculo da carga crítica via MDF Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca

Leia mais

Matemática. Veículo A. Veículo B. Os gráficos das funções interceptam-se quando 50t = 80t

Matemática. Veículo A. Veículo B. Os gráficos das funções interceptam-se quando 50t = 80t Matemátca 0 Dos veículos, A e B, partem de um ponto de uma estrada, em sentdos opostos e com velocdades constantes de 50km/h e 70km/h, respectvamente Após uma hora, o veículo B retorna e, medatamente,

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

Interpolação Segmentada

Interpolação Segmentada Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e

Leia mais

MAP Cálculo Numérico e Aplicações

MAP Cálculo Numérico e Aplicações MAP0151 - Cálculo Numérco e Aplcações Lsta 5 (Correção Neste ponto, todos já sabemos que todas as questões têm o mesmo valor, totalzando 10.0 pontos. (Questão 1 Fque com vontade de fazer mas do que fo

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

Análise Complexa Resolução de alguns exercícios do capítulo 1

Análise Complexa Resolução de alguns exercícios do capítulo 1 Análse Complexa Resolução de alguns exercícos do capítulo 1 1. Tem-se:. = (0, 1) = (0, 1) =. 3. Sejam a, b R. Então Exercíco nº1 = (0, 1).(0, 1) = (0.0 1.1, 0.1 + 1.0) = ( 1, 0) = 1. a + b = a b = a +

Leia mais

Probabilidade: Diagramas de Árvore

Probabilidade: Diagramas de Árvore Probabldade: Dagramas de Árvore Ana Mara Lma de Faras Departamento de Estatístca (GET/UFF) Introdução Nesse texto apresentaremos, de forma resumda, concetos e propredades báscas sobre probabldade condconal

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

Implementação Bayesiana

Implementação Bayesiana Implementação Bayesana Defnção 1 O perfl de estratégas s.) = s 1.),..., s I.)) é um equlíbro Nash-Bayesano do mecansmo Γ = S 1,..., S I, g.)) se, para todo e todo θ Θ, u gs θ ), s θ )), θ ) θ Eθ u gŝ,

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

Página 293. w1 w2 a b i 3 bi a b i 3 bi. 2w é o simétrico do dobro de w. Observemos o exemplo seguinte, em que o afixo de 2w não

Página 293. w1 w2 a b i 3 bi a b i 3 bi. 2w é o simétrico do dobro de w. Observemos o exemplo seguinte, em que o afixo de 2w não Preparar o Exame 0 0 Matemátca A Págna 9. Se 5 5 é o argumento de z, é argumento de z e 5 5. Este ângulo é gual ao ângulo de ampltude 5 é argumento de z.. Resposta: D w w a b b a b b. a b a a b b b bem

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

Eletrotécnica AULA Nº 1 Introdução

Eletrotécnica AULA Nº 1 Introdução Eletrotécnca UL Nº Introdução INTRODUÇÃO PRODUÇÃO DE ENERGI ELÉTRIC GERDOR ESTÇÃO ELEVDOR Lnha de Transmssão ESTÇÃO IXDOR Equpamentos Elétrcos Crcuto Elétrco: camnho percorrdo por uma corrente elétrca

Leia mais

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS DECvl ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO ÉTODO DE CROSS Orlando J. B. A. Perera 20 de ao de 206 2 . Introdução O método teratvo ntroduzdo por Hardy Cross (Analyss of Contnuous Frames by Dstrbutng Fxed-End

Leia mais

4 Autovetores e autovalores de um operador hermiteano

4 Autovetores e autovalores de um operador hermiteano T (ψ) j = ψ j ˆT ψ = k ψ j ˆT φ k S k = k,l ψ j φ l T (φ) S k = k,l φ l ψ j T (φ) S k = k,l SljT (φ) S k. Após todos esses passos vemos que T (ψ) j = k,l S jl T (φ) S k ou, em termos matrcas T (ψ) = S

Leia mais

Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005.

Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005. Agenda Análse e Técncas de Algortmos Jorge Fgueredo Ordenação baseada em comparação Inserton Sort Mergesort Qucksort Ordenação em tempo lnear Análse de de Algortmos de de Ordenação Problema da Ordenação

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Cálculo Numérico BCC760 Interpolação Polinomial

Cálculo Numérico BCC760 Interpolação Polinomial Cálculo Numérco BCC76 Interpolação Polnomal Departamento de Computação Págna da dscplna http://www.decom.ufop.br/bcc76/ 1 Interpolação Polnomal Conteúdo 1. Introdução 2. Objetvo 3. Estênca e uncdade 4.

Leia mais

O íon lantanídeo no acoplamento Russell-Saunders e a classificação de seus estados segundo os subgrupos do grupo GL(4

O íon lantanídeo no acoplamento Russell-Saunders e a classificação de seus estados segundo os subgrupos do grupo GL(4 O íon lantanídeo no acoplamento Russell-aunders e a classfcação de seus estados segundo os subgrupos do grupo G(4 ) O hamltonano, H, dos íons lantanídeos contém uma parte que corresponde ao campo central,

Leia mais

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

Surpresa para os calouros. Série Matemática na Escola. Objetivos

Surpresa para os calouros. Série Matemática na Escola. Objetivos Surpresa para os calouros Sére Matemátca na Escola Objetvos 1. Usando a decomposção de um número em fatores prmos, pode-se provar que um número ntero é um quadrado perfeto, se e somente se tem um número

Leia mais

MATEMÁTICA A - 12o Ano N o s Complexos - Potências e raízes Propostas de resolução

MATEMÁTICA A - 12o Ano N o s Complexos - Potências e raízes Propostas de resolução MATEMÁTICA A - 1o Ano N o s Complexos - Potêncas e raízes Propostas de resolução Exercícos de exames e testes ntermédos 1. Smplfcando a expressão de z na f.a., como 5+ ) 5 1 5, temos: z 1 + 1 ) + 1 1 1

Leia mais

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D. Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 Modelagem dos Resultados Considerando Sazonalização 30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,

Leia mais

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos. Nesse prátca, estudaremos a potênca dsspada numa resstênca de carga, em função da resstênca nterna da fonte que a almenta. Veremos o Teorema da Máxma Transferênca de Potênca, que dz que a potênca transferda

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

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. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013) Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,

Leia mais

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Caderno de Fórmulas em Implementação. SWAP Alterações na curva Libor

Caderno de Fórmulas em Implementação. SWAP Alterações na curva Libor Caderno de Fórmulas em Implementação SWAP Alterações na curva Lbor Atualzado em: 15/12/217 Comuncado: 12/217 DN Homologação: - Versão: Mar/218 Índce 1 Atualzações... 2 2 Caderno de Fórmulas - SWAP... 3

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

LEI DE OHM A R. SOLUÇÃO. Usando a lei de Ohm

LEI DE OHM A R. SOLUÇÃO. Usando a lei de Ohm LEI DE OHM EXEMPLO. Uma resstênca de 7 é lgada a uma batera de V. Qual é o valor da corrente que a percorre. SOLUÇÃO: Usando a le de Ohm V I 444 A 7 0. EXEMPLO. A lâmpada lustrada no esquema é percorrda

Leia mais

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min) PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.

Leia mais

MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL

MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL CIRCUITOS ELÉTRICOS Método de Análse: Análse Nodal Dscplna: CIRCUITOS ELÉTRICOS Professor: Dr Marcos Antôno de Sousa Tópco MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL Referênca bbloráfca básca:

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

Cap. 6 - Energia Potencial e Conservação da Energia Mecânica

Cap. 6 - Energia Potencial e Conservação da Energia Mecânica Unversdade Federal do Ro de Janero Insttuto de Físca Físca I IGM1 014/1 Cap. 6 - Energa Potencal e Conservação da Energa Mecânca Prof. Elvs Soares 1 Energa Potencal A energa potencal é o nome dado a forma

Leia mais

Polos Olímpicos de Treinamento. Aula 10. Curso de Teoria dos Números - Nível 2. Divisores. Prof. Samuel Feitosa

Polos Olímpicos de Treinamento. Aula 10. Curso de Teoria dos Números - Nível 2. Divisores. Prof. Samuel Feitosa Polos Olímpcos de Trenamento Curso de Teora dos Números - Nível 2 Prof. Samuel Fetosa Aula 10 Dvsores Suponha que n = p α 1 2...pα é a fatoração em prmos do ntero n. Todos os dvsores de n são da forma

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

Material Teórico - Módulo Miscelânea. Resolução de Exercícios - Parte 1. Oitavo Ano

Material Teórico - Módulo Miscelânea. Resolução de Exercícios - Parte 1. Oitavo Ano Material Teórico - Módulo Miscelânea Resolução de Exercícios - Parte 1 Oitavo Ano Autor: Prof. Ulisses Lima Parente Revisor: Prof. Antonio Caminha M. Neto 1 Resolução de exercícios Nesse material, apresentamos

Leia mais

INTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. Prova 11/7/2006 Profa. Ana Maria Farias Turma A hs

INTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. Prova 11/7/2006 Profa. Ana Maria Farias Turma A hs INTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. rova /7/2006 rofa. Ana Mara Faras Turma A 4-6 hs. Consdere os dados da tabela abaxo, onde temos preços e uantdades utlzadas de materal de escrtóro. Item Undade reço

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas

Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas Unversdade de São Paulo Escola Superor de Agrcultura Luz de Queroz Departamento de Cêncas Exatas Prova escrta de seleção para DOUTORADO em Estatístca e Expermentação Agronômca Nome do canddato (a): Questão

Leia mais

Introdução às Medidas em Física a Aula

Introdução às Medidas em Física a Aula Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca

Leia mais

Índices de Concentração 1

Índices de Concentração 1 Índces de Concentração Crstane Alkmn Junquera Schmdt arcos André de Lma 3 arço / 00 Este documento expressa as opnões pessoas dos autores e não reflete as posções ofcas da Secretara de Acompanhamento Econômco

Leia mais

Topologia, geometria e curvas no plano

Topologia, geometria e curvas no plano Topologa, geometra e curvas no plano Roberto Imbuzero Olvera 23 de Março de 2011 1 Abertos, fechados e compactos Defnção 1 Um subconjunto F C é dto fechado se qualquer sequênca convergente em F tem lmte

Leia mais

Resumos Numéricos de Distribuições

Resumos Numéricos de Distribuições Estatístca Aplcada à Educação Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas

Leia mais

EXPANSÃO TÉRMICA DOS LÍQUIDOS

EXPANSÃO TÉRMICA DOS LÍQUIDOS Físca II Protocolos das Aulas Prátcas 01 DF - Unversdade do Algarve EXPANSÃO ÉRMICA DOS ÍQUIDOS 1 Resumo Estuda-se a expansão térmca da água destlada e do glcerol utlzando um pcnómetro. Ao aquecer-se,

Leia mais

valor do troco recebido foi a) R$ 0,50. b) R$ 1,00. c) R$ 1,50. d) R$ 2,50. e) R$ 2,00.

valor do troco recebido foi a) R$ 0,50. b) R$ 1,00. c) R$ 1,50. d) R$ 2,50. e) R$ 2,00. Nome: nº Data: / _ / 017 Professor: Gustavo Bueno Slva - Ensno Médo - 3º ano Lsta de Revsão 1. (Upe-ssa 017) Márca e Marta juntas pesam 115 kg; Marta e Mônca pesam juntas 113 kg; e Márca e Mônca pesam

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

Elementos de Estatística e Probabilidades II

Elementos de Estatística e Probabilidades II Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

Modelo de Alocação de Vagas Docentes

Modelo de Alocação de Vagas Docentes Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

Leia mais

CQ110 : Princípios de FQ

CQ110 : Princípios de FQ CQ 110 Prncípos de Físco Químca Curso: Farmáca Prof. Dr. Marco Vdott mvdott@ufpr.br 1 soluções eletrolítcas Qual a dferença entre uma solução 1,0 mol L -1 de glcose e outra de NaCl de mesma concentração?

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

Resposta: Interbits SuperPro Web 0,5

Resposta: Interbits SuperPro Web 0,5 1. (Eear 017) Um aparelho contnha as seguntes especfcações de trabalho: Entrada 9V- 500mA. A únca fonte para lgar o aparelho era de 1 V. Um cdadão fez a segunte lgação para não danfcar o aparelho lgado

Leia mais

Algoritmos Genéticos com Parâmetros Contínuos

Algoritmos Genéticos com Parâmetros Contínuos com Parâmetros Contínuos Estéfane G. M. de Lacerda DCA/UFRN Mao/2008 Exemplo FUNÇÃO OBJETIVO : 1,0 f ( x, y) 0, 5 sen x y 0, 5 1, 0 0, 001 x 2 2 2 y 2 2 2 0,8 0,6 0,4 0,2 0,0-100 -75-50 -25 0 25 50 75

Leia mais

DISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL

DISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL DISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL Dstrbuton of the wnd acton n the bracng elements consderng

Leia mais

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1 Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A

Leia mais

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

AULA Espaços Vectoriais Estruturas Algébricas.

AULA Espaços Vectoriais Estruturas Algébricas. Note bem: a letura destes apontamentos não dspensa de modo algum a letura atenta da bblografa prncpal da cadera Chama-se a atenção para a mportânca do trabalho pessoal a realzar pelo aluno resolvendo os

Leia mais

Palavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores.

Palavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores. MSc leandre Estáco Féo ssocação Educaconal Dom Bosco - Faculdade de Engenhara de Resende Caa Postal 8.698/87 - CEP 75-97 - Resende - RJ Brasl Professor e Doutorando de Engenhara aefeo@yahoo.com.br Resumo

Leia mais

GABARITO ERP19. impedância total em pu. impedância linha em pu; impedância carga em pu; tensão no gerador em pu.

GABARITO ERP19. impedância total em pu. impedância linha em pu; impedância carga em pu; tensão no gerador em pu. GABARITO ERP9 Questão mpedânca total em pu. mpedânca lnha em pu; mpedânca carga em pu; tensão no gerador em pu. Assm, tem-se que: ( ). Mas, ou seja: : ( ).. Logo: pu. () A mpedânca da carga em pu,, tem

Leia mais

Sistemas de equações lineares

Sistemas de equações lineares Sstemas - ALGA - / Sstemas de equações lneares Uma equação lnear nas ncógntas ou varáves x ; x ; :::; x n é uma expressão da forma: a x + a x + ::: + a n x n = b onde a ; a ; :::; a n ; b são constantes

Leia mais

CAPÍTULO IV PROPRIEDADES GEOMÉTRICAS DA SEÇÃO TRANSVERSAL

CAPÍTULO IV PROPRIEDADES GEOMÉTRICAS DA SEÇÃO TRANSVERSAL CPÍTULO IV PROPRIEDDES GEOMÉTRICS D SEÇÃO TRNSVERSL Propredades Geométrcas da Seção Transversal 4. Propredades Geométrcas da Seção Transversal 4.. Introdução O presente trabalho é desenvolvdo paralelamente

Leia mais

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2)

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2) Radação Térmca Processos, Propredades e Troca de Radação entre Superfíces (Parte ) Obetvo: calcular a troca por radação entre duas ou mas superfíces. Essa troca depende das geometras e orentações das superfíces,

Leia mais

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

Leia mais

Psicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo

Psicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos

Leia mais

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS O método das apromações sucessvas é um método teratvo que se basea na aplcação de uma fórmula de recorrênca que, sendo satsfetas determnadas condções de convergênca,

Leia mais

EQUAÇÕES DIFERENCIAIS ORDINÁRIAS (EDO) PROBLEMA DO VALOR INICIAL (PVI)

EQUAÇÕES DIFERENCIAIS ORDINÁRIAS (EDO) PROBLEMA DO VALOR INICIAL (PVI) EQUAÇÕES DIFERENCIAIS ORDINÁRIAS (EDO) PROBLEMA DO VALOR INICIAL (PVI) Introdução Seja a segunte equação derencal: d ( ) ; d para. que é reerencado com o problema do valor ncal. Essa denomnação deve-se

Leia mais

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro

Leia mais

As leis de Kirchhoff. Capítulo

As leis de Kirchhoff. Capítulo UNI apítulo 11 s les de Krchhoff s les de Krchhoff são utlzadas para determnar as ntensdades de corrente elétrca em crcutos que não podem ser convertdos em crcutos smples. S empre que um crcuto não pode

Leia mais

Método do limite superior

Método do limite superior Introdução O método do lmte superor é uma alternata analítca apromada aos métodos completos (e: método das lnhas de escorregamento) que possu um domíno de aplcabldade muto asto e que permte obter alores

Leia mais

ANÁLISE MATRICIAL DE ESTRUTURAS DE BARRAS PELO MÉTODO DE RIGIDEZ

ANÁLISE MATRICIAL DE ESTRUTURAS DE BARRAS PELO MÉTODO DE RIGIDEZ ANÁISE MATRICIA DE ESTRUTURAS DE BARRAS PEO MÉTODO DE RIGIDEZ A análse matrcal de estruturas pelo método de rgdez compreende o estudo de cnco modelos estruturas báscos: trelça plana, trelça espacal, pórtco

Leia mais