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

Tamanho: px
Começar a partir da página:

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

Transcrição

1 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 presentes nestas equações Na grande maora das vezes, elas são substtuídas por suas versões dscretas em um processo conhecdo como dscretzação O prmero passo dado na construção destas aproxmações por erenças-fntas é o estabelecmento de uma malha A fgura 81 mostra uma malha un-dmensonal com N pontos unformemente dstrbuídos ao longo de um comprmento L A posção x de cada ponto da malha é dada por x = x L + ( 1) wth = x R x L N 1 where x L = 0 and x R = L, (81) x 0 x 0 L x N 2 N 1 N Fgura 81: Dstrbução unforme de pontos em uma malha un-dmensonal A notação empregada neste capítulo para avalação da dervada de uma função arbtrára f(x) na malha acma é f = f(x 0 ), f ±1 = f(x 0 ± ) and f ±2 = f(x 0 ± 2), (82) onde, prmero, séres de Newton serão utlzadas para a construção das fórmulas clásscas de aproxmação Depos, versões generalzadas destas aproxmações serão obtdas com o uso de séres polnomas 81 Sére de Taylor As prmeras aproxmações dscretas para dervadas contínuas foram obtdas com expansões em sére de Taylor, como a expressão (62), que determna o 67

2 68 Capítulo 8 Dferencação Numérca comportamento da função em um ponto x que é arbtráro porém próxmo ao ponto de referênca x 0 Esta sére é escrta de manera geral como f(x) = f(x 0 ) + n k=1 f (k) (x 0 ) k! (x x 0 ) k + O ( (x x 0 ) n+1), (83) onde a dstânca = x x 0 e a ordem n do polnômo determnam o erro da aproxmação Quanto maor, maor deve ser n de modo que a precsão do resultado seja mantda aproxmadamente constante A equação (83) será amplamente utlzada nas próxmas seções para construção de aproxmações numércas para erentes dervadas 811 Dferenças Avançadas/Atrasadas Aproxmações com erenças avançadas são aquelas em que a expansão (83) é utlzada para determnar o valor da função em pontos mas dstantes da orgem do que o ponto de referênca x, como lustrado na Fgura 81 Por exemplo, de acordo com as relações (82), podemos escrever f +1 = f + dx + ()2 d2 f 2! dx 2 + ()3 d3 f 3! dx 3 +, (84) ou, alternatvamente, dx = f +1 f 2 d2 f dx 2 ()2 6 d3 f dx 3, (85) o que nos permte escrever a aproxmação avançada de prmera ordem para a prmera dervada no ponto x na forma dx = f +1 f + O() (86) A precsão da aproxmação acma depende de Na verdade, o teorema do valor médo dz que exste um valor ξ dentro do ntervalo x ξ x +1 para o qual esta aproxmação retorna o valor exato da dervada O erro desta fórmula, representado por O() e obtdo com a erença entre as duas expressões acma, é chamado de erro de truncamento Smlarmente, aproxmações com erenças atrasadas são aquelas em que a expansão (83) é utlzada para determnar o valor da função em pontos mas próxmos da orgem do que o ponto de referênca x Anda de acordo com as relações (82), podemos escrever f 1 = f dx + ()2 d2 f 2! dx 2 ()3 d3 f 3! dx 3 +, (87)

3 81 Sére de Taylor 69 ou, alternatvamente, dx = f f d2 f dx 2 ()2 6 d3 f dx 3 +, (88) o que nos permte escrever a aproxmação atrasada de prmera ordem para a prmera dervada no ponto x na forma dx = f f 1 + O() (89) As aproxmações (86) e (89) deveram ser ntutvas para o letor uma vez que a dervada de uma função contínua pode ser defnda como dx = lm f(x + ) f(x) 0 f(x) f(x ) = lm 0 (810) Maores ordens de precsão também podem ser obtdas Para tal, novas relações envolvendo outros pontos da malha são utlzadas para elmnar os termos de menor ordem no erro de truncamento Nas aproxmações de prmera ordem mostradas acma, estes são os termos que contém a segunda dervada da função avalada em x nas expressões (85) e (88) Logo, basta combnarmos as novas séres f ±2 = f ± 2 dx + 2 () 2 d2 f dx 2 ± 4 3 ()3 d3 f dx 3 +, (811) com as séres (84) e (87) para obter as aproxmações avançada e atrasada de segunda ordem para a prmera dervada no ponto x nas formas dx = 3 f ± 4 f ±1 f ±2 + ()2 d3 f 2 3 dx 3 ±, (812) respectvamente Este procedmento pode ser repetdo, acrescentado mas pontos da malha através das novas séres f ±3 = f ±3 dx ()2 d2 f dx 2 ± 9 2 ()3 d3 f dx 3 +, (813) no ntuto de alcançar ordens de precsão anda maores Por exemplo, as aproxmações avançada e atrasada de tercera ordem são dx = 11 f ± 18 f ±1 9 f ±2 ± 2 f ±3 (814) 6 ()3 d4 f 4 dx ()4 d5 f dx 5 respectvamente

4 70 Capítulo 8 Dferencação Numérca 812 Dferenças Parcalmente Avançadas/Atrasadas Aproxmações tanto avançadas quanto atrasadas de alta ordem de precsão não são comuns na obtenção de soluções dscretas de equações erencas devdo a baxa establdade numérca que elas mpõem ao sstema algébrco resultante Este problema é remedado com a utlzação de aproxmações parcalmente avançadas ou atrasadas Por exemplo, um esquema de tercera ordem para a prmera dervada que é parcalmente avançado usa um ponto à frente de x e dos atrás, combnando as expansões em sére de Taylor para as funções f 1, f +1 e f +2 de modo a gerar dx = 2 f 1 3 f + 6 f +1 f +2 (815) 6 + ()3 12 d4 f dx 4 + ()4 d5 f 30 dx 5 +, que avala a função em quatro pontos dstntos para obter a dervada, assm como a aproxmação avançada em (814) A versão parcalmente atrasada desta fórmula combna as expansões em sére de Taylor para as funções f 2, f 1 e f +1 de modo a construr a nova fórmula dx = f 2 6 f f + 2 f +1 (816) 6 ()3 12 d4 f dx 4 + ()4 d5 f 30 dx 5 Formulações parcalmente avançadas/atrasadas podem ser construídas com ordens anda maores de precsão Assm como as aproxmações acma ndcam, esquemas parcalmente avançados (ou atrasados) são construídos com usando um ponto a mas (ou menos) a frente de x do que atrás Desta forma, apenas ordens de erro O ( () n) ímpares, que avalam a função em um número par n + 1 de pontos da malha, são obtdas Uma das conseqüêncas desta relação é o fato das versões parcalmente avançada e atrasada de prmera ordem serem guas as aproxmações totalmente avançada e atrasada (86) e (89), respectvamente 813 Dferenças Centradas Prmeras dervadas costumam aparecer em modelos matemátcos baseados em equações erencas representando varações temporas ou o transporte de alguma varável dependente Neste contexto, aproxmações totalmente ou parcalmente atrasadas/avançadas são a escolha padrão Contudo, dversas stuações podem ocorrer onde é necessáro calcular dervadas de funções conhecdas apenas na forma de conjuntos dscretos de dados Nestes casos,

5 81 Sére de Taylor 71 erenças centradas são uma boa escolha Por exemplo, podemos combnar as séres (84) e (87) para escrever a aproxmação dx = f +1 f 1 2 ()2 6 d3 f dx 3 ()4 d5 f 120 dx 5, (817) onde, ao elmnar o termo contendo a segunda dervada para garantr a precsão de segunda ordem, todas as dervadas pares desapareceram Esta é uma característca comum de todas as aproxmações centradas da prmera dervada Um outro exemplo que confrma esta afrmação é a fórmula com precsão de quarta ordem dx = f 2 8 f f +1 f ()4 d5 f 30 dx 5 + ()6 d7 f 252 dx 7 +, (818) obtda ao nclur as séres em (811) na construção da aproxmação Somente o cálculo numérco da prmera dervada fo dscutdo até o momento, porém aproxmações semelhantes também podem ser deduzdas para a segunda dervada Combnando as séres (84) e (87) de modo a elmnar a tercera dervada e substtundo a fórmula (817) na expressão resultante para elmnar a prmera dervada, obtemos a aproxmação de segunda ordem para a segunda dervada d 2 f dx 2 = f 1 2 f + f +1 () 2 (819) ()2 d4 f 12 dx 4 ()4 d6 f 360 dx 6, cujo erro de truncamento possu termos contendo apenas dervadas pares Esta é uma característca comum de todas as aproxmações centradas para a segunda dervada Um outro exemplo que confrma esta afrmação é a fórmula com precsão de quarta ordem d 2 f dx 2 = f f 1 30 f + 16 f +1 f () 2 (820) + ()4 d6 f 90 dx 6 + () d8 f dx 8, obtda ao nclur as séres em (811) na construção da aproxmação

6 72 Capítulo 8 Dferencação Numérca 82 Interpolação Polnomal Mutas décadas após os város concetos apresentados na seção 81 foram desenvolvdos e aplcados com sucesso na solução de equações erencas, fo descoberto que as mesmas aproxmações podem ser obtdas através de nterpolações polnomas O mpacto desta abordagem na construção de novas fórmulas para o cálculo numérco de dervadas é dscutdo a segur 821 Sére de Potênca Consderando a sére de potênca (73), porém retendo apenas 4 prmeros termos, podemos escrever o polnômo p(x) = a 0 + a 1 x + a 2 x 2 + a 3 x 3 + a 4 x 4, (821) cuja prmera dervada é dada por dx = a a 2 x + 3 a 3 x a 4 x 3, (822) e a segunda dervada é dada por d 2 p dx 2 = 2 a a 3 x + 12 a 4 x 2 (823) As constantes a 0 e a 1 podem ser obtdas ao avalarmos o polnômo (821) nos pontos x e x +1 Substtundo estes resultados na expressão (822), também avalada em x, permte escrever dx = p +1 p ( a a 3 x + 6 a 4 x 2 ) 2 (a a 4 x ) 3 a 4, (824) que é equvalente à fórmula (85) Estas constantes também podem ser obtdas se avalarmos o polnômo (821) nos pontos x 1 e x Substtundo estes novos resultados em (822), anda avalada em x, permte escrever dx = p p 1 + ( a a 3 x + 6 a 4 x 2 ) 2 (a a 4 x ) + 3 a 4, (825) que é equvalente à fórmula (88) Vale a pena notar que os termos de ordem ímpar do erro de truncamento das duas aproxmações acma tem a mesma magntude, porém snas erentes Desta forma, somando estas duas expressões permte escrever dx = p +1 p 1 2 (a a 4 x ) 2, (826)

7 82 Interpolação Polnomal 73 que é equvalente à fórmula (817) Esta aproxmação também podera ser obtda avalando o polnômo (821) nos pontos x 1, x e x +1, calculando as constantes a 0, a 1 e a 2 das equações resultantes e substtundo os valores encontrados na fórmula (822), avalada no ponto x Substtundo as expressões encontradas para estas constantes no polnômo (823), avalado em x, gera a aproxmação para a segunda dervada d 2 p dx 2 = p +1 2 p + p a 4, (827) que é equvalente à fórmula (819) 822 Sére de Lagrange Interpolação polnomal, utlzando séres de potênca como apresentado na subseção anteror, gera os mesmos resultados que a sére de Taylor para aproxmações dscretas de dervadas contínuas Mesmo assm, esta técnca se tornou bastante popular entre os usuáros de métodos numércos A prncpal razão para sso é o fato de aproxmações em malhas não unformes serem sgnfcatvamente mas fáces de se obter Consderando o polnômo (718) com n = 2 obtemos p(x) = (x x 1) (x x 2 ) (x 0 x 1 ) (x 0 x 2 ) p 0 + (828) (x x 0 ) (x x 2 ) (x 1 x 0 ) (x 1 x 2 ) p 1 + (x x 0) (x x 1 ) (x 2 x 0 ) (x 2 x 1 ) p 2, onde n + 1 equvale ao número de pontos utlzados para a construção de uma aproxmação dscreta de ordem n para uma dervada contínua Três fórmulas erentes podem ser geradas a partr da prmera dervada deste polnômo A aproxmação avançada ( ) 1 1 dx = + p + (829) x +1 x x +2 x (x +2 x ) p +1 (x +1 x ) (x +2 x +1 ) (x +1 x ) p +2 (x +2 x ) (x +2 x +1 ), onde x j = x +j e p j = p +j, com j = 0, 1 e 2, a aproxmação centrada dx = ( (x +1 x ) p 1 (x x 1 ) (x +1 x 1 ) + (830) 1 x x 1 1 x +1 x ) p + (x x 1 ) p +1 (x +1 x 1 ) (x +1 x ),

8 74 Capítulo 8 Dferencação Numérca onde x j = x 1+j e p j = p 1+j, com j = 0, 1 e 2, e a aproxmação atrasada (x x 1 ) p 2 dx = (x 1 x 2 ) (x x 2 ) (831) ( ) (x x 2 ) p 1 (x 1 x 2 ) (x x 1 ) p x x 2 x x 1 As aproxmações (829) e (831) são reduzdas para suas respectvas versões mplíctas na fórmula (812) ao utlzarmos uma malha unforme, já que x ±1 = x ± e x ±2 = x ± 2 neste caso Já a aproxmação (830) é reduzda para a fórmula (817) Também é possível construr uma aproxmação dscreta e não-unforme para a segunda dervada a parr do polnômo (828) Sua segunda dervada, avalada em x, gera a formulação centrada d 2 p dx 2 = 2 ( p +1 (x x 1 ) p (x +1 x 1 ) + (832) p 1 (x +1 x ) )/( (x x 1 ) (x +1 x 1 ) (x +1 x ) ), que reduz para a fórmula (819) caso a malha seja unforme 823 Sére de Hermte Todas as aproxmações para a prmera e segunda dervadas mostradas até aqu são de natureza explícta Isto sgnfca que a ncógnta, neste caso a dervada em questão no ponto x, depende apenas de varáves conhecdas em uma quantdade arbtrára de pontos Quanto maor o número de pontos, maor a ordem do erro de truncamento Contudo, nterpolações polnomas e séres de Taylor são equvalentes na construção de aproxmações dscretas para dervadas Logo, como dscutdo no capítulo 7, aumentar em excesso a ordem da aproxmação ntroduz osclações ndesejadas na solução Este problema pode ser remedado aglomerando pontos nas extremdades da malha Outra manera de establzar a aproxmação é ntroduzr mas nformações em cada ponto da malha A manera mas smples de atngr este objetvo é tornar o esquema mplícto, ou seja, nclur tanto a função quanto a dervada em cada ponto utlzado no cálculo Esta abordagem é equvalente a utlzar séres de Hermte ao nvés de séres de Taylor para construr as aproxmações dscretas da dervada de natureza mplícta Consdere a fórmula generalzada a 1 dx + a 1 dx + a +1 dx = +1 ( )/ b 1 p 1 + b p + b +1 p +1, (833)

9 82 Interpolação Polnomal 75 onde, por exemplo, escolher a 1 = a +1 = b = 0, b ±1 = ±1 e a = 2 reduz esta fórmula a aproxmação (817) Num esquema mplícto ou compacto, a 1 e/ou a +1 são erentes de zero Os coefcentes desta aproxmação são determnados de modo a assegurar a maor ordem de erro possível para a dervada em x Assm sendo, substtuímos as expansões (84) e (87) para p ±1, e as expansões para suas dervadas, que tem a forma dx = ±1 dx ± d2 p dx 2 + ()2 d3 p 2! dx 3 ±, (834) na equação (833) e coletamos todos os coefcentes que multplcam p e suas dervadas, até a qunta Igualando estes coefcentes a zero, construímos o sstema de ses equações algébrcas e ses ncógntas b 1 + b + b +1 = 0, a 1 + a + a +1 + b 1 b +1 = 0, 2 a 1 2 a +1 + b 1 + b +1 = 0, (835) 3 a a +1 + b 1 b +1 = 0, 4 a 1 4 a +1 + b 1 + b +1 = 0 e a 1 + a +1 = 0, que, quando satsfeto, garante a máxma ordem de erro possível para esta aproxmação, ou seja, quarta ordem Desta forma, acrescentar a dervada da função nos pontos adjacentes a x permte aumentar quatro vezes a ordem do erro de truncamento em relação à (817) Contudo, apenas cnco equações neste sstema são lnearmente ndependentes Escolhendo a = 4, elmnando a segunda equação e resolvendo o sstema resultante nos leva à dx dx + dx = 3 +1 ( ) p +1 p 1, (836) uma vez que a ±1 = 1, b ±1 = ±3 e b = 0 Devdo a natureza mplícta da equação, um sstema acoplado e trdagonal com N 2 equações deve ser resolvdo para as prmeras dervadas de p 2 à p N 1 Consderando a dstrbução de pontos da malha mostrada na Fgura 81, este sstema toma a forma p p 2 + p 3 = 3 (p 3 p 1 ) /, p p 3 + p 4 = 3 (p 4 p 2 ) /, p p 4 + p 5 = 3 (p 5 p 3 ) /, = p p 1 + p = 3 (p p 2 ) /, p p + p +1 = 3 (p +1 p 1 ) /, (837) p + 4 p +1 + p +2 = 3 (p +2 p ) /,

10 76 Capítulo 8 Dferencação Numérca = p N p N 3 + p N 2 = 3 (p N 2 p N 4 ) /, p N p N 2 + p N 1 = 3 (p N 1 p N 3 ) / p N p N 1 + p N = 3 (p N p N 2 ) / Todo o procedmento apresentado nesta subseção poder ser repetdo para gerar uma aproxmação dscreta mplícta ou compacta para a segunda dervada da função O sstema de equações que precsa ser resolvdo neste caso é construído a partr da fórmula de quarta ordem d 2 p dx d2 p 1 dx 2 + d2 p dx 2 = ( ) p 1 2 p + p +1 (838) Os esquemas mplíctos apresentados nesta subseção são smétrcos, ou seja, utlzam erenças centradas A característca mas mportante destes esquemas é a ausênca de dervadas pares, na aproxmação da prmera dervada, ou de dervadas ímpares, na aproxmação da segunda dervada, em seus respectvos erros de truncamento Esquemas assmétrcos, como as erenças explíctas totalmente ou parcalmente avançadas ou atrasadas, porém agora mplíctos, também podem ser construídas Na grande maora dos casos, apenas três pontos contém nformações sobre a dervada que está sendo aproxmada para manter o sstema tr-dagonal 83 Condções de Contorno O sstema (837) dexa em evdênca um problema que anda não fo dscutdo neste capítulo, a defnção de condções de contorno para o cálculo numérco das dervadas Elas são necessáras para tornar as aproxmações obtdas úncas Esta é uma característca de qualquer equação erencal, seja ela contínua ou em sua versão dscreta Neste últmo caso, a aproxmação é resolvda para os pontos no nteror da malha, ou seja, em 2 N 1 Já os valores nos contornos em = 1 e N precsam ser dados pelo usuáro 831 Explíctas Métodos explíctos requerem apenas condções de contorno explíctas para a função Por exemplo, a aproxmação (85) em = N 1 dz que dx p N p N 1, (839) N 1 ou seja, o valor da função p N precsa ser fornecdo Porém, o mesmo não ocorre em = 2 Alternatvamente, a aproxmação (88) em = 2 dz que dx p 2 p 1, (840) 2 e

11 83 Condções de Contorno 77 ou seja, o valor da função p 1 precsa ser fornecdo Smlarmente, o mesmo não ocorre em = N 1 Já a aproxmação centrada (817) precsa receber as funções p 1 e p N nos pontos = 2 e = N 1, respectvamente Vale a pena ressaltar que as fórmulas de maor ordem necesstam de um cudado adconal devdo ao maor número de pontos que utlzam em suas aproxmações Isto requer que elas sejam mocadas nas regões próxmas ao contorno Por exemplo, a fórmula de quarta ordem (817) não pode ser usada nos pontos = 2 e = N 1 No prmero ponto no nteror da malha, a fórmula de tercera ordem (815) deve ser usada em seu lugar Já no últmo ponto no nteror da malha, a fórmula de tercera ordem (816) deve ser usada em seu lugar 832 Implíctas Métodos mplíctos por sua vez podem usar condções de contorno tanto explíctas quanto mplíctas No contexto de equações erencas, condções explíctas são evtadas pos elas reduzem a establdade numérca do método sendo utlzado Por exemplo, no caso do sstema (837), podemos escrever, de uma forma genérca, as seguntes condções de contorno c 1 dx + c 2 1 dx = c 1 p 1 + c 2 p 2, (841) 2 c N 1 dx + c N N 1 dx = c N 1 p N 1 + c N p N, N o que permte re-escrever (837), agora na forma matrcal, como ā ā N onde temos que p 2 p 3 p 4 p 1 p p +1 p N 3 p N 2 p N 1 = b2 b3 b4 b 1 b b+1 bn 3 bn 2 bn 1, ā 1 = 4 c 2 c 1 e (842)

12 78 Capítulo 8 Dferencação Numérca b2 = ( 3 p 3 + c ( 2 c1 ) ) / p p 1, c 1 c 1 para o contorno à esquerda e também que ā N = 4 c N 1 c N e (843) bn 1 = ( ( cn c N + 3 ) p N + c N 1 c N p N 1 3 p N 2 ) /, para o contorno à dreta Ao fazer c 2 e/ou c N 1 serem nulos, a respectva condção de contorno se torna explícta Caso contráro, ela permanece mplícta Além dsso, os valores de p 1 e p N anda precsam ser fornecdos

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

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF) PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra

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

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

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

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

2 Principio do Trabalho Virtual (PTV)

2 Principio do Trabalho Virtual (PTV) Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

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

2 - Análise de circuitos em corrente contínua

2 - Análise de circuitos em corrente contínua - Análse de crcutos em corrente contínua.-corrente eléctrca.-le de Ohm.3-Sentdos da corrente: real e convenconal.4-fontes ndependentes e fontes dependentes.5-assocação de resstêncas; Dvsores de tensão;

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 DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT

ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS Dnz, L.S. Santos, C.A.C. Lma, J.A. Unversdade Federal da Paraíba Laboratóro de Energa Solar LES/DTM/CT/UFPB 5859-9 - João Pessoa - PB, Brasl e-mal: cabral@les.ufpb.br

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

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

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

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

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

4. ESTÁTICA E PRINCÍPIO DOS TRABALHOS VIRTUAIS 4.1. INTRODUÇÃO

4. ESTÁTICA E PRINCÍPIO DOS TRABALHOS VIRTUAIS 4.1. INTRODUÇÃO 4. ESTÁTICA E PRINCÍPIO DOS TRABALHOS VIRTUAIS 4.1. INTRODUÇÃO Na Estátca, estuda-se o equlíbro dos corpos sob ação de esforços nvarantes com o tempo. Em cursos ntrodutóros de Mecânca, esse é, va de regra,

Leia mais

CAPÍTULO IV DIFERENCIAÇÃO NUMÉRICA

CAPÍTULO IV DIFERENCIAÇÃO NUMÉRICA PMR - Mecânca Computaconal para Mecatrônca CAPÍTULO IV DIFERENCIAÇÃO NUMÉRICA O problema de derencação numérca aparentemente é semelante ao de ntegração numérca ou seja obtendo-se um polnômo nterpolador

Leia mais

4 Sistemas de partículas

4 Sistemas de partículas 4 Sstemas de partículas Nota: será feta a segunte convenção: uma letra em bold representa um vector,.e. b b Nesta secção estudaremos a generalzação das les de Newton a um sstema de váras partículas e as

Leia mais

Classificação de Padrões

Classificação de Padrões Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

2ª PARTE Estudo do choque elástico e inelástico.

2ª PARTE Estudo do choque elástico e inelástico. 2ª PARTE Estudo do choque elástco e nelástco. Introdução Consderemos dos corpos de massas m 1 e m 2, anmados de velocdades v 1 e v 2, respectvamente, movmentando-se em rota de colsão. Na colsão, os corpos

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

2 Lógica Fuzzy Introdução

2 Lógica Fuzzy Introdução 2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade

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

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados

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

Introdução ao Método dos Elementos Finitos: Estruturas Articuladas

Introdução ao Método dos Elementos Finitos: Estruturas Articuladas Análse de Estruturas II: Estruturas Artculadas Introdução ao Método dos Elementos Fntos: Estruturas Artculadas. Introdução O modelo de estrutura artculada, o mas smples dos modelos estruturas, é utlzado

Leia mais

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;

Leia mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe

Leia mais

2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria

2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria Agregação Dnâmca de Modelos de urbnas e Reguladores de elocdade: eora. Introdução O objetvo da agregação dnâmca de turbnas e reguladores de velocdade é a obtenção dos parâmetros do modelo equvalente, dados

Leia mais

Análise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas

Análise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas Proceedng Seres of the Brazlan Socety of Appled and Computatonal Mathematcs, Vol. 4, N., 06. Trabalho apresentado no DINCON, Natal - RN, 05. Proceedng Seres of the Brazlan Socety of Computatonal and Appled

Leia mais

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento

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

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

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

Adriana da Costa F. Chaves

Adriana da Costa F. Chaves Máquna de Vetor Suporte (SVM) para Regressão Adrana da Costa F. Chaves Conteúdo da apresentação Introdução Regressão Regressão Lnear Regressão não Lnear Conclusão 2 1 Introdução Sejam {(x,y )}, =1,...,,

Leia mais

7. Resolução Numérica de Equações Diferenciais Ordinárias

7. Resolução Numérica de Equações Diferenciais Ordinárias 7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem

Leia mais

Medidas e resultados em um experimento.

Medidas e resultados em um experimento. Meddas e resultados em um expermento. I- Introdução O estudo de um fenômeno natural do ponto de vsta expermental envolve algumas etapas que, mutas vezes, necesstam de uma elaboração préva de uma seqüênca

Leia mais

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

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto

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

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial 5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de

Leia mais

Problemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria.

Problemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria. Elementos de Engenhara Químca I II. Frações e Estequometra (problemas resolvdos) Problemas Propostos. Frações másscas, volúmcas ou molares. Estequometra.. Em 5 moles de Benzeno (C 6 H 6 ) quanto é que

Leia mais

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

Métodos numéricos para o cálculo de sistemas de equações não lineares

Métodos numéricos para o cálculo de sistemas de equações não lineares Métodos numércos para o cálculo de sstemas de equações não lneares Introdução Um sstema de equações não lneares é um sstema consttuído por combnação de unções alébrcas e unções transcendentes tas como

Leia mais

Problema Real (avião, carro,...) Validação

Problema Real (avião, carro,...) Validação Modelo Físco/ (EFD)? Problema Real? (avão, carro,...) Modelo Matemátco (CFD) Túnel de Vento Modelo Condções de Frontera Escala Approx. nas eqs., (ν t ) Equações (modelo de turbulênca) Instrumentos de Medda

Leia mais

Classificação e Pesquisa de Dados

Classificação e Pesquisa de Dados Classcação por Trocas Classcação e Pesqusa de Dados Aula 05 Classcação de dados por Troca:, ntrodução ao Qucksort UFRGS INF01124 Classcação por comparação entre pares de chaves, trocando-as de posção caso

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas

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

MECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor

MECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor 1 MECÂNICA CLÁSSICA AULA N o 7 Teorema de Louvlle Fluo no Espaço de Fases Sstemas Caótcos Lagrangeano com Potencal Vetor Voltando mas uma ve ao assunto das les admssíves na Físca, acrescentamos que, nos

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

Mecânica. Sistemas de Partículas

Mecânica. Sistemas de Partículas Mecânca Sstemas de Partículas Mecânca» Sstemas de Partículas Introdução A dnâmca newtonana estudada até aqu fo utlzada no entendmento e nas prevsões do movmento de objetos puntformes. Objetos dealzados,

Leia mais

Estatística stica Descritiva

Estatística stica Descritiva AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas

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

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

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

Introdução a Combinatória- Aplicações, parte II

Introdução a Combinatória- Aplicações, parte II Introdução a Combnatóra- Aplcações, AULA 7 7.1 Introdução Nesta aula vamos estudar aplcações um pouco dferentes das da aula passada. No caso estudaremos arranjos com repetção, permutações crculares e o

Leia mais

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

Gestão e Teoria da Decisão

Gestão e Teoria da Decisão Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas

Leia mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

Atividade em Soluções Eletrolíticas

Atividade em Soluções Eletrolíticas Modelo de solução eletrolítca segundo Debye-Hückel. - A le lmte de Debye-Hückel (LLDH) tem o lmte que está em: I 0,01. log z.z A I 1/ valêncas do íons + e do eletrólto I 1 [ z b / b ] constante que depende

Leia mais

DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA

DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA Pedro Luz Rocha Evandro Parente Junor pedroluzrr04@gmal.com evandroparentejr@gmal.com Laboratóro de Mecânca Computaconal e Vsualzação, Unversdade

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

Atividade em Soluções Eletrolíticas

Atividade em Soluções Eletrolíticas Modelo de solução eletrolítca segundo Debye-Hückel. - A le lmte de Debye-Hückel (LLDH) tem o lmte que está em: I 0,01. log z.z A I 1/ valêncas do íons + e do eletrólto I 1 [ z b / b ] constante que depende

Leia mais

Física I LEC+LET Guias de Laboratório 2ª Parte

Física I LEC+LET Guias de Laboratório 2ª Parte Físca I LEC+LET Guas de Laboratóro 2ª Parte 2002/2003 Experênca 3 Expansão lnear de sóldos. Determnação de coefcentes de expansão térmca de dferentes substâncas Resumo Grupo: Turno: ª Fera h Curso: Nome

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

Energia de deformação na flexão

Energia de deformação na flexão - UNIVERSIDADE FEDERAL FLUMINENSE ESCOLA DE ENGENHARIA INDUSTRIAL METALÚRGICA DE VOLTA REDONDA PROFESSORA: SALETE SOUZA DE OLIVEIRA BUFFONI DISCIPLINA: RESISTÊNCIA DOS MATERIAIS Energa de deformação na

Leia mais

CAPITULO II - FORMULAÇAO MATEMATICA

CAPITULO II - FORMULAÇAO MATEMATICA CAPITULO II - FORMULAÇAO MATEMATICA II.1. HIPOTESES BASICAS A modelagem aqu empregada está baseado nas seguntes hpóteses smplfcadoras : - Regme permanente; - Ausênca de forças de campo; - Ausênca de trabalho

Leia mais

Análise de influência

Análise de influência Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).

Leia mais

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO - SEPLAG INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE NOTA TÉCNICA Nº 29 PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS

Leia mais

2010 The McGraw-Hill Companies, Inc. All rights reserved. Prof.: Anastácio Pinto Gonçalves Filho

2010 The McGraw-Hill Companies, Inc. All rights reserved. Prof.: Anastácio Pinto Gonçalves Filho rof.: nastáco nto Gonçalves lho Introdução Nem sempre é possível tratar um corpo como uma únca partícula. Em geral, o tamanho do corpo e os pontos de aplcação específcos de cada uma das forças que nele

Leia mais

AULA EXTRA Análise de Regressão Logística

AULA EXTRA Análise de Regressão Logística 1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável

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

INTRODUÇÃO À ASTROFÍSICA

INTRODUÇÃO À ASTROFÍSICA Introdução à Astrofísca INTRODUÇÃO À ASTROFÍSICA LIÇÃO 7: A MECÂNICA CELESTE Lção 6 A Mecânca Celeste O que vmos até agora fo um panorama da hstóra da astronoma. Porém, esse curso não pretende ser de dvulgação

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

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito. PMR 40 Mecâca Computacoal Método Implícto No método mplícto as dfereças são tomadas o tempo ao vés de tomá-las o tempo, como o método explícto. O método mplícto ão apreseta restrção em relação ao valor

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Plano de Aula Aprendzagem de Máquna Aprendzagem Baseada em Instâncas Alessandro L. Koerch Introdução Espaço Eucldano Aprendzagem Baseada em Instâncas (ou Modelos Baseados em Dstânca) Regra knn (k vznhos

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente

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

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 = Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo

Leia mais

Diferença entre a classificação do PIB per capita e a classificação do IDH

Diferença entre a classificação do PIB per capita e a classificação do IDH Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

ANÁLISE DA VARIÂNCIA DA REGRESSÃO

ANÁLISE DA VARIÂNCIA DA REGRESSÃO ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos

Leia mais

8. Estudo da não-idealidade da fase líquida

8. Estudo da não-idealidade da fase líquida PQI 58 Fundamentos de Processos em Engenhara Químca II 009 8. Estudo da não-dealdade da fase líquda Assuntos. A le de Raoult. Defnção de atvdade 3. Convenções assmétrcas e a le de Henry 4. Exercícos 8..

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

Eletromagnetismo Aplicado

Eletromagnetismo Aplicado letromagnetsmo Aplcado Undade 5 Propagação de Ondas letromagnétcas em Meos Ilmtados e Polaração Prof. Marcos V. T. Heckler Propagação de Ondas letromagnétcas e Polaração 1 Conteúdo Defnções e parâmetros

Leia mais

Electromagnetismo e Óptica

Electromagnetismo e Óptica Electromagnetsmo e Óptca aboratóro - rcutos OBJETIOS Obter as curvas de resposta de crcutos do tpo sére Medr a capacdade de condensadores e o coefcente de auto-ndução de bobnas por métodos ndrectos Estudar

Leia mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

Filtros são dispositivos seletivos em freqüência usados para limitar o espectro de um sinal a um determinado intervalo de freqüências.

Filtros são dispositivos seletivos em freqüência usados para limitar o espectro de um sinal a um determinado intervalo de freqüências. 1 Fltros são dspostvos seletvos em freqüênca usados para lmtar o espectro de um snal a um determnado ntervalo de freqüêncas. A resposta em freqüênca de um fltro é caracterzada por uma faxa de passagem

Leia mais

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;

Leia mais

4 Análise de confiabilidade de estruturas

4 Análise de confiabilidade de estruturas 4 Análse de confabldade de estruturas Nos prmórdos da engenhara cvl, o desconhecmento técnco-centífco conduza a proetos excessvamente seguros, mas em contrapartda de custo muto elevado. Hoe em da, o progresso

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

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

Capítulo XI. Teste do Qui-quadrado. (χ 2 )

Capítulo XI. Teste do Qui-quadrado. (χ 2 ) TLF 00/ Cap. XI Teste do Capítulo XI Teste do Qu-quadrado ( ).. Aplcação do teste do a uma dstrbução de frequêncas 08.. Escolha de ntervalos para o teste do.3. Graus de lberdade e reduzdo.4. Tabela de

Leia mais

3. CIRCUITOS COM AMPOP S UTILIZADOS NOS SAPS

3. CIRCUITOS COM AMPOP S UTILIZADOS NOS SAPS 3 CICUITOS COM AMPOP S UTILIZADOS NOS SAPS 3. CICUITOS COM AMPOP S UTILIZADOS NOS SAPS - 3. - 3. Introdução Numa prmera fase, apresenta-se os crcutos somadores e subtractores utlzados nos blocos de entrada

Leia mais