Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014
|
|
- Alfredo Rios Marques
- 8 Há anos
- Visualizações:
Transcrição
1 REALIMENTAÇÃO DE ESTADO H 2 E H DE SISTEMAS MARKOVIANOS A TEMPO CONTÍNUO COM TAXAS DE TRANSIÇÃO INCERTAS Caetano B. Cardeliquio, André R. Fioravanti, Alim P. C. Gonçalves Av. Albert Einstein FEEC/UNICAMP, Campinas, SP, Brazil Av. Mendeleyev FEM/UNICAMP, Campinas, SP, Brazil s: caetanocardeliquio@gmail.com, fioravanti@fem.unicamp.br, alimped@dsce.fee.unicamp.br Abstract This paper addresses the H 2 and the H state-feedback control of Markov Jump Linear Systems (MJLS) in continuous-time through Linear Matrix Inequalities (LMIs). For the case with completely known transition rates, we derive new necessary and sufficient LMI conditions for mean square stability, H 2 and H norm calculation which are affine with respect to these parameters. Then, we treat the case where transition rates are uncertain, but belong to a given convex set. We illustrate the quality of our results through a numerical example. Keywords Markov models; Continuous-time systems; State-feedback control; Linear Matrix Inequalities. Resumo Este artigo aborda os projetos de controle H 2 e H, via realimentação de estado, de sistemas lineares a tempo contínuo sujeitos a saltos markovianos por meio de desigualdades matriciais lineares (LMIs). Obtivemos novas condições necessárias e suficientes para estabilidade na média quadrática e cálculo de normas H 2 e H para o caso com taxas de transição completamente conhecidas de forma que as LMIs sejam afins com relação a esses parâmetros. Em seguida, tratamos o caso em que as taxas de transição são consideradas incertas, mas pertencem a um determinado conjunto convexo. Nós ilustramos a qualidade dos nossos resultados através de um exemplo numérico. Palavras-chave Modelos de Markov; Sistemas a tempo contínuo; Controle via realimentação de estado; Desigualdades matriciais lineares. 1 Introdução Sistemas que têm mudanças bruscas de comportamento devido a, por exemplo, mudanças ambientais, falhas de sensores e atuadores, mudanças no ponto de operação para o caso não-linear, entre outros, podem não ser bem representados pelos modelos lineares e invariantes no tempo. Uma maneira de modelar mudanças bruscas de sistemas dinâmicos é escrevê-los como subsistemas com diferentes modos de operação. Cada modo é descrito por um conjunto de equações lineares e efeitos aleatórios são modelados como mudanças, ou saltos, entre os diferentes modos de operação. Este artigo trata de sistemas - a tempo contínuo - com saltos markovianos em que as taxas de transição entre os modos é incerta. Duas referências importantes na área são os livros (Boukas, 2006) e (Costa et al., 2013). Para a realimentação de estado em sistemas lineares sujeitos a saltos markovianos (MJLS), temos que a análise convexa foi considerada em (Costa et al., 1999), onde o problema de controle via realimentação de estado H 2 em tempo contínuo para MJLS é definido e uma abordagem de programação convexa é usada para estudá-lo. Em (de Farias et al., 2002), um projeto de controle via realimentação de estado é proposto para o problema H usando LMIs. Assume-se, nesses trabalhos, que todas as taxas de transição para os modos de Markov são completamente conhecidas. Além disso, as restrições obtidas por meio de LMIs, são não linearessobre as taxas de transição. Na prática, no entanto, essas taxas podem ser incertas e, por exemplo, pertencerem a um dado intervalo. O fato de que as restrições obtidas são não lineares representa uma dificuldade extra em adotar tal projeto para essa situação. Em (Zhang and Boukas, 2009b), (Zhang and Boukas, 2009a) e (Zhang and Lam, 2010), alguns elementos da matriz de taxas de transição podem ser considerados desconhecidos. Tal representação pode ser muito conservadora. Em(Shen and Yang, 2012), a possibilidade de que uma dada taxa de transição pertence a um intervalo também é considerada. Nosso projeto considera o caso em que qualquer linha damatrizdetaxasdetransiçãopertenceaum conjunto convexo com vértices conhecidos. Afirmamos que esta abordagem inclui a maioria dos demais casos. A notação utilizada em todo o texto é a padrão. Letras maiúsculas denotam matrizes e letras minúsculas denotam vetores. Para escalares, letras gregas minúsculas são utilizadas. Para matrizes reais, ou vetores, ( ) indica transposto. Por simplicidade, na notação de matrizes simétricas particionadas, o símbolo( ) denota genericamente cada um de seus blocos simétricos. O conjunto dos números naturais é denotado por N, enquanto o conjunto finito dos N primeiros números naturais 747
2 {1,,N} é denotado por K. Definimos também oconjuntofinitode N 1elementos, K i = K {i}. O símbolo E{ } denota esperança matemática de { }. Para qualquer sinal estocástico ξ(t), definido nodomíniodetempocontínuot R, aquantidade ξ 2 2 := E{ξ(t) ξ(t)}dt é sua norma quadrada. 0 O conjunto de sinais ξ(t) R r, t R tais que ξ 2 2 < é denotado por L 2. Para facilitar a apresentação, as seguintes notações são usadas de maneira intercambiável A(θ t ) := A i, J(θ t ) := J i, C z (θ t ) := C zi, e assim por diante, sempre que θ t = i K. Para matrizes definidas positivas, a inversa da combinação linear das inversas com pesos λ ij, j K,j i, é denotada por X λi := ij X 1 j Kiλ ainda usamos a seguinte notação para representar a soma de uma matriz com sua transposta He(A) := A+A j 1 2 Definição do Problema Um sistema MJLS a tempo contínuo é descrito pelo seguinte modelo de espaço de estados estocástico { ẋ(t) = A(θt )x(t)+e(θ G : t )w(t) (1) z(t) = C(θ t )x(t)+f(θ t )w(t) em que x R n é a variável de estado, θ t K é a variávelaleatória, w R r é a perturbaçãoexterna e z R p é a saída a ser controlada. As condições iniciais são x(0) = x 0 e θ 0 = θ. O processo{θ t,t [0, + )} é um processo estocástico markoviano no qual p ij ( ) = Prob(θ t+ = j θ t = i) { λ = ij +o( ) i j 1+λ ii +o( ) i = j (2) em que λ ij 0 para i j, λ ii 0 e λ ij = 0 (3) j K Podemos agora definir a matriz de transição Λ = {λ ij } (4) formada pelas taxas de transição entre os modos da cadeia de Markov representados por θ t K. A próxima definição (Costa et al., 2013) aborda a estabilidade de um sistema de Markov a tempo contínuo. Definição 1 Dizemos que G, com w 0, é estável na média quadrática (MSS) se E{ x(t) 2 } 0 enquanto t, para quaisquer condições iniciais x 0 e θ. Uma condição necessária e suficiente para estabilidade MSS do sistema G (Ji and Chizeck, 1990) é a existência de P i > 0 tal que He(A i P i)+ j Kλ ij P j < 0 (5) para todo i K. O conjunto de LMIs (5) não é adequado para o projeto via realimentação de estado devido ao produtoentre avariávelde LyapunovP i e a transposta da matriz do sistema A i. Assim como ficará claro nas próximas seções, é melhor lidarmos com X i = Pi 1. Após aplicar o complemento de Schur nas LMIs (5) e multiplicar as desigualdades obtidas pela direita e pela esquerda pela matriz não singular diag(x i,i), i K, obtemos He(Ai X i )+λ ii X i < 0 (6) X i X λi As desigualdades (6) são não lineares devido ao termo X λi. Uma estratégia comum para evitar essa não linearidade e expressar essas desigualdades como um conjunto de LMIs é trabalhar com matrizes aumentadas como diag(x 1,,X N ), veja (de Farias et al., 2000), por exemplo. Nós propomos uma abordagem de linearização diferente, em que as LMIs resultantes são afins com respeito as taxas de transição λ ij. Isso será particularmente útil quando as incertezas nesses parâmetros forem introduzidas. Considere as variáveis Z ij > 0 e H i tais que Z ij > H i X 1 j H i. (7) Para qualquer conjunto de números reais 1 λ ij 0, i K, j K i, as desigualdades (7) implicam que λ ij Z ij > H i ij X 1 j H i (8) j K i j Kiλ Para facilitar a notação nos próximos passos, usaremos os seguintes operadores: Ψ i := He(H i ) j K i λ ij Z ij (9) Ξ i := (H i X λi ) (X λi ) 1 (H i X λi ) (10) Pela (8) e (9) temos que portanto Ψ i < He(H i ) H i (X λi) 1 H i (11) Ψ i < X λi Ξ i X λi (12) Considere as seguintes LMIs He(Ai X i )+λ ii X i < 0 (13) X i Ψ i 1 Assumimosque λ ij 0 para pelo menos um j K i, do contrário o complemento de Schur não pode ser aplicado. 748
3 e Zij > 0 (14) H i X j para todo i,j K, nas quais as LMIs (14) são obtidas pelo complemento de Schur em (7). Se as LMIs (13) e (14) são válidas, as desigualdades (6) também o são e o sistema (1) é MSS estável. Reciprocamente, se as desigualdades (6) são validas, então podemos escolher valores apropriados para Z ij e H i tais que (13) e (14) são válidas, veja (Geromel et al., 2009) ou (Gonçalves et al., 2012) para mais detalhes. Em outras palavras, o sistema (1) é MSS estável, se e somente se, (13) e (14) forem factíveis. As desigualdades (13) e (14) são adequadas para o projeto de realimentação de estado, como veremos na Seção 4. A implementação da técnica de linearização adotada ou daquela presente em (de Farias et al., 2002) e (de Farias et al., 2000) é uma escolha do programador. Ao contrário das restrições obtidas nessas LMIs, as nossas são afins com relação às taxas de transição λ ij, permitindo um tratamento direto quando essas taxas são incertas. Agora assumimos que Λ = {λ ij } não é completamente conhecida mas cada linha Λ i,i K, pertence a um conjunto convexo de vértices conhecidos, i.e., N p Λ i = α l Λ (l) i (15) l=1 em que N p l=1 α l = 1, α l 0. Por exemplo, se tivermos a seguinte matriz de transição 2 [0,1] [1,2] Λ = (16) em que [a,b] representa o intervalo com a taxa incerta λ ij tal que a λ ij b, a primeira linha pode ser escrita como em que Λ 1 = α 1 Λ (1) 1 +α 2 Λ (2) 1 (17) Λ (l) 1 = Λ (l) 11 Λ (l) 12 Λ (l) 13 (18) É fácil perceber que a combinação convexa que gera a primeira linha dessa matriz de transição em particular é Λ 1 = α 1 [ ] +α2 [ ] (19) Em (Zhang and Boukas, 2009a) e (Zhang and Lam, 2010), uma abordagem diferente para representar as incertezas nas taxas de transição é adotada. Nesses artigos, um determinado elemento λ ij da matriz de taxas de transição é dito ser conhecido ou desconhecido, casos que são representados por ˆλ ij ou?, respectivamente. Essaincerteza pode ser sempre representada por uma combinação convexa do tipo (15), exceto para o caso em que, pelo menos, duas taxas são desconhecidas e uma delas pertence à diagonal principal da matriz de transição Λ. Se uma taxa pertence à diagonal principal, um limitante inferior é estabelecido em (Zhang and Lam, 2010). Essa estratégia faz sentido na prática, pois λ ii representa um modo cujo tempo de permanência τ 0, veja a relação entre taxas de transição e distribuição de probabilidade para tempo de permanência em (Leon-Garcia, 2007). Lema 1 O sistema (1) com taxas incertas pertencendo a um politopo de vértices conhecidos representado pelas LMIs (6) é estável se existir X i > 0, Z ij > 0 e H i tais que [ He(A i X i )+λ (l) ii X i X i ] Ψ (l) < 0 (20) i e Zij > 0 (21) H i X j em que Ψ (l) i := He(H i ) j K i λ (l) ij Z ij para todo i,j K e l {1,2,,N p }. Prova: É imediato de (13) e (14) aplicadas aos vértices do politopo de incertezas e pelo fato que tais LMIs serem afins com respeito a esses parâmetros. 3 Normas H 2 e H Nesta seção, mostramos como a mesma estratégia de linearização pode ser usada para as normas H 2 e H. Definição 2 ((de Farias et al., 2000)) A norma H 2 de um sistema, MSS, G é definida como r G 2 2 = µ i z s,i 2 2 (22) s=1 i K em que µ i := Prob(θ 0 = i) e z s,i representa a saída {z t ; t 0} quando: a) a entrada é dada por w(t) = e s δ(t), em que δ(t) é o impulso unitário e e s é a s-ésima coluna da matriz identidade r r; b) x 0 = 0 e θ 0 = i K Para que se tenha norma H 2 limitada, o sistema (1) deve ter F i = 0 para todo i K. Com as taxas de transição λ ij conhecidas, pode ser calculada como (de Farias et al., 2000) G 2 2 = min µ i Tr(E i P ie i ) (23) sujeito a P i>0 i K He(A ip i )+C ic i + j Kλ ij P j < 0 (24) 749
4 De maneira similar àquela usada para obter as LMIs (13) e (14) podemos dizer que (23) e (24) são equivalentes a G 2 2 = min i Kµ i Tr(W i ) (25) sujeitas a Wi > 0 (26) E i X i He(A ix i )+λ ii X i X i Ψ i < 0 (27) C i X i 0 I e (21), para todo i,j K. Para o caso de incertezas politópicas, um limitante superior da norma H 2 pode ser calculado usando (25) (27) e (21) simplesmente trocando-se λ ii por λ (l) ii e Ψ i por Ψ (l) i nas LMIs (27) para todo l {1,,N p }. Isso é possível pois essas LMIs são afins com relação as taxas de transição. Definição 3 ((de Farias et al., 2000)) O quadrado da norma H de um sistema, MSS, G, G 2, é o menor γ > 0, tal que z 2 2 < γ w 2 2 Como a entrada w é arbitrária e de norma L 2 finita, o mesmo ocorre com a norma L 2 da saída, pois o sistema é estocasticamente estável. Portanto, segue a identidade γ = z 2 sup (28) θ 0 K,w L 2 w 2 w 0 Logo, podemos concluir que a norma H do sistema é o ganho L 2 de pior caso. A norma H pode ser obtida por meio do seguinte programa de otimização convexa (Costa et al., 2013) G 2 = min γ>0,p i>0 γ (29) sujeito a He(A i P i)+ ij P j j Kλ E i P i γi < 0 (30) C i F i I Utilizando a mesma mudança de variáveis pode-se expressar (29) e (30) como G 2 = min γ>0,x i>0 γ (31) sujeita a He(A i X i )+λ ii X i E i γi X i 0 Ψ i C i X i F i 0 I < 0 (32) e (21) para todo i,j K. Como foi dito para o casoh 2, um limitante superiorda normah com taxas incertas pode ser calculado usando(31) (32) e (21) simplesmente trocando λ ii por λ (l) ii e Ψ i por Ψ (l) i nas LMIs (32) para todo l {1,,N p }. 4 Realimentação de Estado Apesar do objetivo principal do controle ser estabilizar o sistema, objetivos adicionais podem ser impostos, seja para adicionar robustez ou para aumentar o desempenho. Esta seção destina-se a estabelecer um controlador que não só estabiliza o sistema de malha fechada, mas também minimiza sua norma H 2 ou H. O sistema em malha fechada pode ser descrito como G c : ẋ(t) = A i x(t)+b i u(t)+e i w(t) z(t) = C i x(t)+d i u(t)+f i w(t) u(t) = K i x(t) (33) na qual u R m é a entrada de controle. Nas próximas seções, consideramos que as taxas de transição são incertas mas pertencem a um intervalo convexo de vértices conhecidos. 4.1 Norma H 2 O objetivo deste problema é encontrar um controlador via realimentação de estado de tal forma que as excursões de x(t) e u(t) sejam ambas limitadas. Dessa forma, o estado permanece perto do ponto de equilíbrio e, ao mesmo tempo, um enorme esforço de controle pode ser evitado. A definição de matrizes C i e D i indica, para cada modo, o peso que é dado em cada um destes dois objetos conflitantes. Lembramos que para o caso H 2 precisamos ter F i = 0 para todo i K. Teorema 1 Existe um conjunto de ganhos de realimentação de estado K i, para i K, tais que G c 2 2 min i Kµ i Tr(W i ) (34) se existirem matrizes simétricas W i, X i, Z ij e matrizes Y i, H i de dimensões compatíveis tais que as LMIs Θ (l) i X i Ψ (l) i < 0 (35) C i X i +D i Y i 0 I com Θ (l) i := He(A i X i +B i Y i )+λ (l) ii X i e (21) e (26) forem válidas para todo i,j K e l {1,,N p }. Nesse caso, os ganhos de controle são dados por K i = Y i X 1 i (36) 750
5 θ M x f(t) (m,l) forma E v(t) = Av(t)+Bf(t), em que E = M +m ml/2 0 0 ml/2 J cm +m(l/2) A = (b+bl) Bl 2 /2 0 mgl/2 Bl 2 /2 Bl 3 /3 Figura 1: Exemplo - Guindaste Industrial Prova: Segue de (21), (26) e (27), calculadas nos vértices do politopo de incerteza para as matrizes em malha fechada A i + B i K i, C i + D i K i e da introdução das novas variáveis Y i = K i X i. 4.2 Norma H Estamos agora interessados em encontrar um controlador robusto na presença do ruído w L 2. Teorema 2 Existem os ganhos K i para i K tais que G c 2 minγ (37) se existir γ R, matrizes simétricas X i, Z ij e matrizes Y i, H i de dimensões compatíveis tais que Θ (l) i E i γi X i 0 Ψ (l) i C i X i +D i Y i F i 0 I < 0 (38) e (21) forem válidas para todo i,j K e l {1,,N p }. Nesse caso, os ganhos de controle são dados por (36). Prova: Segue os mesmos passos do Teorema 1. 5 Exemplo Consideramos o modelo de um guindaste industrial como ilustrado na Figura 1. Trata-se de um carro de massa M, movendo-se no plano horizontal sob a ação de uma força externa f(t) e uma força com coeficiente de arrasto b. Ao longo do seu centro de massa, um pêndulo homogêneo de massa m e comprimento l está montado. Este pêndulo também é afetado por uma força com coeficiente de arrasto B. O vetorde estadoév(t) = [x(t) θ(t) ẋ(t) θ(t)] e linearizamos o modelo em torno da origem. As equações diferenciais podem ser postas sob a B = [ ] O nosso objetivo é conduzir o sistema a partir da condição inicial v(0) = [ ] para a origem v(t) = 0 controlando a posição angular do pêndulo θ(t) por meio de um controle via realimentação de estado f(t) = K i v(t). Este problema de condição inicial pode ser tratado no âmbito H 2 considerando E i = v(0) em (33). Consideramos também uma pequena penalidade para o esforço de controle. Portanto, a saída a ser controlada é z(t) = v(t)+ 0 0 f(t) ,01 Assumimos que o sistema está propenso a ter mal funcionamento no atuador. Consequentemente, temos dois modos de operação. O modo nominal, i = 1, e o modo quando ocorre a falha, i = 2. Para o primeiro caso temos que B 1 = E 1 B, enquanto que para o segundo caso B 2 = 0. Para fins de simulação numérica, consideramos que M = 1000kg, m = 200kg, b = 2Ns/m, B = 5Ns/m 2, l = 1m e g = 9.8m/s 2. Ainda, J cm = ml 2 /12 é o momento de inércia do pêndulo com respeito ao seu centro de massa. As taxas de transição para a ocorrência de falha são incertas, mas pertencem a um conjunto convexo de vértices conhecidos dado por 0,5 0,5 Λ = [1,0, 1,5] [ 1,5, 0,5] Consideramos que o sistema parte do modo 1, i.e., µ 1 = 1 e µ 2 = 0. Como, em nosso exemplo, B 2 = 0, a matriz de ganhos quando há falha no atuador pode ser escolhida, sem perda de generalidade, como K 2 = 0. Aplicando o Teorema 1 obtemos como custo garantido G c ,887 e o seguinte valor para o ganho de realimentação de estado: K 1 = [ 125,57 193,98 719,08 220,86 ] (39) Projetamos também, um controlador LQR para a planta nominal, ou seja, sem levar em consideração a possibilidade de falhas. Calculamos a norma 751
6 H λ 21 Figura 2: Norma H 2 para os controladores: Markov (pontilhada) x LQR (contínua) H 2 em malha fechada para todos os valores no intervalo de incerteza. A Figura 2 ilustra a comparação entre as normas H 2 para esses dois controladores. Em linha pontilhada, apresentamos os resultados para o controlador robusto proposto e em linha contínua, o controlador LQR, ambos submetidos as mesmas taxas de transição entre os modos com falha e com comportamento nominal. Nota-se a maior robustez do nosso projeto com relação ao controlador LQR. O controlador proposto apresenta um desempenho superior para todo λ 21 considerado. 6 Conclusão Lidamos com o projeto de controle via realimentação de estado H 2 e H usando novas condições nas LMIs. A principal característica dessas LMIs é a de serem afinscom relaçãoàstaxasde transição. Desta forma, tornou-se bastante simples incorporar o caso em que existem incertezas politópicas sobre esses parâmetros. O projeto foi ilustrado através de um exemplo numérico, comparando o desempenho do projeto de controle via realimentação de estado proposto com o clássico LQR. Vamos continuar a estudar este problema, a fim de fornecer um projeto de realimentação de saída H 2 e H para o caso em que as taxas de transição são incertas. Outra questão interessante, e ainda não muito explorada, é a disponibilidade para o controlador do modo de Markov para MJLS a tempo contínuo. Referências Boukas, E.-K. (2006). Stochastic Switching Systems, Birkhäuser. Costa, O. L. V., do Val, J. B. R. and Geromel, J. C. (1999). Continuous-time state-feedback h 2 -control of markovian jump linear systems via convex analysis, Automatica 35: Costa, O. V. L., Fragoso, M. D. and Todorov, M. G. (2013). Continuous-Time Markov Jump Linear Systems, Probability and Its Applications, Springer. de Farias, D. P., Geromel, J. C. and do Val, J. B.R.(2002). Anoteonrobustcontrolofmarkov jump linear uncertain systems, Optimal Control Applications and Methods 23: de Farias, D. P., Geromel, J. C., do Val, J. B. R. and Costa, O. L. V. (2000). Output Feedback Control of Markov Jump Linear System in Continuous-Time, IEEE Transaction on Automatic Control 45: Geromel, J. C., Gonçalves, A. P. C. and R., F. A. (2009). Dynamic Output Feedback Control of Discrete-Time Markov Jump Linear Systems through Linear Matrix Inequalities, SIAM Journal on Control and Optimization 48: Gonçalves, A. P. C., R., F. A. and Geromel (2012). H Robust and Networked Control of discrete-time MJLS through LMIs, Journal of the Franklin Institute 349: Ji, Y. and Chizeck, H. J. (1990). Controlability, stabilizability, and continuous-time Markovian jump linear quadratic control, IEEE Transactions on Automatic Control 35: Leon-Garcia, A. (2007). Probability, Statistics, and Random Processes for Electrical Engineering, Pearson. Shen, M. and Yang, G.-H. (2012). New analysis and synthesis conditions for continuous markov jump linear systems with partly known transition probabilities, IET Control Theory and Applications 6: Zhang, L. and Boukas, E. K. (2009a). H control ofaclassofextendedmarkovjumplinearsystems, IET Control Theory and Applications 3(7): Zhang, L. and Boukas, E. K. (2009b). Stability and stabilization of markovian jump linear systems with partly unknown transition probabilities, Automatica 45: Zhang, L. and Lam, J. (2010). Necessary and Sufficient Conditions for Analysis and Synthesis of Markov Jump Linear Systems With Incomplete Transition Descriptions, IEEE Transactions on Automatic Control 55(7):
x0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas?
Recorrências Muitas vezes não é possível resolver problemas de contagem diretamente combinando os princípios aditivo e multiplicativo. Para resolver esses problemas recorremos a outros recursos: as recursões
Leia maisExercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
Leia maisSistemas de Controle em Rede
Sistemas de Controle em Rede Análise, Projeto e Aplicação Prática José C. Geromel FEEC UNICAMP XX CBA 2014 Belo Horizonte, 20-24 de Setembro de 2014 1/53 Conteúdo 1 Introdução 2 Preliminares Planta Controle
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Matrizes; Matrizes Especiais; Operações com Matrizes; Operações Elementares
Leia maisIvan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente:
Rumo ao ITA Física Análise Dimensional Ivan Guilhon Mitoso Rocha A análise dimensional é um assunto básico que estuda as grandezas físicas em geral, com respeito a suas unidades de medida. Como as grandezas
Leia maisMaterial Teórico - Módulo de Divisibilidade. MDC e MMC - Parte 1. Sexto Ano. Prof. Angelo Papa Neto
Material Teórico - Módulo de Divisibilidade MDC e MMC - Parte 1 Sexto Ano Prof. Angelo Papa Neto 1 Máximo divisor comum Nesta aula, definiremos e estudaremos métodos para calcular o máximo divisor comum
Leia maisO ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2
3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata
Leia maisIBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 6. O trabalho feito pela força para deslocar o corpo de a para b é dado por: = =
Energia Potencial Elétrica Física I revisitada 1 Seja um corpo de massa m que se move em linha reta sob ação de uma força F que atua ao longo da linha. O trabalho feito pela força para deslocar o corpo
Leia maisEste apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade,
D Resumo de Álgebra Matricial Este apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade, necessária para o estudo de modelos de regressão linear múltipla usando matrizes,
Leia mais4.2 Produto Vetorial. Orientação sobre uma reta r
94 4. Produto Vetorial Dados dois vetores u e v no espaço, vamos definir um novo vetor, ortogonal a u e v, denotado por u v (ou u v, em outros textos) e denominado produto vetorial de u e v. Mas antes,
Leia maisControle Robusto H. 1. O problema de controle H. 2. Controle ótimo H por LMIs. 3. Patologia no controle H : altos ganhos. 3. Controle Misto H 2 /H
Controle Robusto H 1. O problema de controle H 2. Controle ótimo H por LMIs 3. Patologia no controle H : altos ganhos 3. Controle Misto H 2 /H pag.1 Introdução ao Controle Robusto Aula 11 Controle H e
Leia maisPARTE 2 FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL
PARTE FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL.1 Funções Vetoriais de Uma Variável Real Vamos agora tratar de um caso particular de funções vetoriais F : Dom(f R n R m, que são as funções vetoriais de uma
Leia maisRecordamos que Q M n n (R) diz-se ortogonal se Q T Q = I.
Diagonalização ortogonal de matrizes simétricas Detalhes sobre a Secção.3 dos Apontamentos das Aulas teóricas de Álgebra Linear Cursos: LMAC, MEBiom e MEFT (semestre, 0/0, Prof. Paulo Pinto) Recordamos
Leia maisSomatórias e produtórias
Capítulo 8 Somatórias e produtórias 8. Introdução Muitas quantidades importantes em matemática são definidas como a soma de uma quantidade variável de parcelas também variáveis, por exemplo a soma + +
Leia maisCadeias de Markov. Geovany A. Borges gaborges@ene.unb.br
36341 - Introdução aos Processos Estocásticos Curso de Pós-Graduação em Engenharia Elétrica Departamento de Engenharia Elétrica Universidade de Brasília Cadeias de Markov Geovany A. Borges gaborges@ene.unb.br
Leia maisO Problema do Troco Principio da Casa dos Pombos. > Princípios de Contagem e Enumeração Computacional 0/48
Conteúdo 1 Princípios de Contagem e Enumeração Computacional Permutações com Repetições Combinações com Repetições O Problema do Troco Principio da Casa dos Pombos > Princípios de Contagem e Enumeração
Leia maisOTIMIZAÇÃO VETORIAL. Formulação do Problema
OTIMIZAÇÃO VETORIAL Formulação do Problema Otimização Multiobjetivo (também chamada otimização multicritério ou otimização vetorial) pode ser definida como o problema de encontrar: um vetor de variáveis
Leia maisa 1 x 1 +... + a n x n = b,
Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição
Leia mais6. Geometria, Primitivas e Transformações 3D
6. Geometria, Primitivas e Transformações 3D Até agora estudamos e implementamos um conjunto de ferramentas básicas que nos permitem modelar, ou representar objetos bi-dimensionais em um sistema também
Leia mais9. Derivadas de ordem superior
9. Derivadas de ordem superior Se uma função f for derivável, então f é chamada a derivada primeira de f (ou de ordem 1). Se a derivada de f eistir, então ela será chamada derivada segunda de f (ou de
Leia maisTRABALHO: CONTROLE DE UM SISTEMA PÊNDULO-CARRO
TRABALHO: CONTROLE DE UM SISTEMA PÊNDULO-CARRO Professor: Tiago Dezuo 1 Objetivos Desenvolver técnicas de controle por variáveis de estado clássicas e ótimas, realizando comparações de desempenho entre
Leia maisConceitos Fundamentais
Capítulo 1 Conceitos Fundamentais Objetivos: No final do Capítulo o aluno deve saber: 1. distinguir o uso de vetores na Física e na Matemática; 2. resolver sistema lineares pelo método de Gauss-Jordan;
Leia mais6 Conclusões e Trabalhos futuros 6.1. Conclusões
6 Conclusões e Trabalhos futuros 6.1. Conclusões Neste trabalho estudou-se o comportamento do sistema que foi denominado pendulo planar com a adição de uma roda de reação na haste do pendulo composta de
Leia maisModelagem no Domínio do Tempo. Carlos Alexandre Mello. Carlos Alexandre Mello cabm@cin.ufpe.br 1
Carlos Alexandre Mello 1 Modelagem no Domínio da Frequência A equação diferencial de um sistema é convertida em função de transferência, gerando um modelo matemático de um sistema que algebricamente relaciona
Leia maisNotas de aula número 1: Otimização *
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL UFRGS DEPARTAMENTO DE ECONOMIA CURSO DE CIÊNCIAS ECONÔMICAS DISCIPLINA: TEORIA MICROECONÔMICA II Primeiro Semestre/2001 Professor: Sabino da Silva Porto Júnior
Leia maisCURSO ONLINE RACIOCÍNIO LÓGICO
AULA QUINZE: Matrizes & Determinantes (Parte II) Olá, amigos! Pedimos desculpas por não ter sido possível apresentarmos esta aula na semana passada. Motivos de força maior nos impediram de fazê-lo, mas
Leia maisTópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções
Tópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções 1. INTRODUÇÃO Ao se obter uma sucessão de pontos experimentais que representados em um gráfico apresentam comportamento
Leia maisE A D - S I S T E M A S L I N E A R E S INTRODUÇÃO
E A D - S I S T E M A S L I N E A R E S INTRODUÇÃO Dizemos que uma equação é linear, ou de primeiro grau, em certa incógnita, se o maior expoente desta variável for igual a um. Ela será quadrática, ou
Leia maisDepartamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Matemática Essencial Extremos de funções reais Departamento de Matemática - UEL - 2010 Conteúdo Ulysses Sodré http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Leia maisMAT1154 ANÁLISE QUALITATIVA DE PONTOS DE EQUILÍBRIO DE SISTEMAS NÃO-LINEARES
MAT1154 ANÁLISE QUALITATIVA DE PONTOS DE EQUILÍBRIO DE SISTEMAS NÃO-LINEARES VERSÃO 1.0.2 Resumo. Este texto resume e complementa alguns assuntos dos Capítulo 9 do Boyce DiPrima. 1. Sistemas autônomos
Leia maisFUNÇÃO COMO CONJUNTO R 1. (*)= ou, seja, * possui duas imagens. b) não é uma função de A em B, pois não satisfaz a segunda condição da
FUNÇÃO COMO CONJUNTO Definição 4.4 Seja f uma relação de A em B, dizemos que f é uma função de A em B se as duas condições a seguir forem satisfeitas: i) D(f) = A, ou seja, o domínio de f é o conjunto
Leia maisPROPRIEDADES DOS DETERMINANTES E O CÁLCULO DA ÁREA DE TRIÂN- GULOS: EXEMPLOS SIGNIFICATIVOS
A RTIGO PROPRIEDADES DOS DETERMINANTES E O CÁLCULO DA ÁREA DE TRIÂN- GULOS: EXEMPLOS SIGNIFICATIVOS Fábio Marson Ferreira e Walter Spinelli Professores do Colégio Móbile, São Paulo Recentemente nos desafiamos
Leia maisDisciplina: Introdução à Álgebra Linear
Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte Campus: Mossoró Curso: Licenciatura Plena em Matemática Disciplina: Introdução à Álgebra Linear Prof.: Robson Pereira de Sousa
Leia mais36ª Olimpíada Brasileira de Matemática GABARITO Segunda Fase
36ª Olimpíada Brasileira de Matemática GABARITO Segunda Fase Soluções Nível 1 Segunda Fase Parte A CRITÉRIO DE CORREÇÃO: PARTE A Na parte A serão atribuídos 5 pontos para cada resposta correta e a pontuação
Leia maisEstabilidade. Carlos Alexandre Mello. Carlos Alexandre Mello cabm@cin.ufpe.br 1
Estabilidade Carlos Alexandre Mello 1 Introdução Já vimos que existem três requisitos fundamentais para projetar um sistema de controle: Resposta Transiente Estabilidade Erros de Estado Estacionário Estabilidade
Leia maisCapítulo 5: Aplicações da Derivada
Instituto de Ciências Exatas - Departamento de Matemática Cálculo I Profª Maria Julieta Ventura Carvalho de Araujo Capítulo 5: Aplicações da Derivada 5- Acréscimos e Diferenciais - Acréscimos Seja y f
Leia maisResolução dos Exercícios sobre Derivadas
Resolução dos Eercícios sobre Derivadas Eercício Utilizando a idéia do eemplo anterior, encontre a reta tangente à curva nos pontos onde e Vamos determinar a reta tangente à curva nos pontos de abscissas
Leia maisLista 1 para a P2. Operações com subespaços
Lista 1 para a P2 Observação 1: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós sugerimos
Leia mais1. Introdução. 1.1 Introdução
1. Introdução 1.1 Introdução O interesse crescente dos físicos na análise do comportamento do mercado financeiro, e em particular na análise das séries temporais econômicas deu origem a uma nova área de
Leia maisQUESTÃO 1 ALTERNATIVA B
1 QUESTÃO 1 Marcos tem 10 0,25 = 2,50 reais em moedas de 25 centavos. Logo ele tem 4,30 2,50 = 1,80 reais em moedas de 10 centavos, ou seja, ele tem 1,80 0,10 = 18 moedas de 10 centavos. Outra maneira
Leia maisTópico 3. Limites e continuidade de uma função (Parte 2)
Tópico 3. Limites e continuidade de uma função (Parte 2) Nessa aula continuaremos nosso estudo sobre limites de funções. Analisaremos o limite de funções quando o x ± (infinito). Utilizaremos o conceito
Leia maisÅaxwell Mariano de Barros
ÍÒ Ú Ö Ö Ð ÓÅ Ö Ò Ó Ô ÖØ Ñ ÒØÓ Å Ø Ñ Ø ÒØÖÓ Ò Ü Ø Ì ÒÓÐÓ ÆÓØ ÙÐ ¹¼ ÐÙÐÓÎ ØÓÖ Ð ÓÑ ØÖ Ò Ð Ø Åaxwell Mariano de Barros ¾¼½½ ËÓÄÙ ¹ÅA ËÙÑ Ö Ó 1 Vetores no Espaço 2 1.1 Bases.........................................
Leia mais36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase
36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase Problema 1 Turbo, o caracol, está participando de uma corrida Nos últimos 1000 mm, Turbo, que está a 1 mm por hora, se motiva e
Leia maisGAAL - 2013/1 - Simulado - 1 Vetores e Produto Escalar
GAAL - 201/1 - Simulado - 1 Vetores e Produto Escalar SOLUÇÕES Exercício 1: Determinar os três vértices de um triângulo sabendo que os pontos médios de seus lados são M = (5, 0, 2), N = (, 1, ) e P = (4,
Leia mais2 A Derivada. 2.1 Velocidade Média e Velocidade Instantânea
2 O objetivo geral desse curso de Cálculo será o de estudar dois conceitos básicos: a Derivada e a Integral. No decorrer do curso esses dois conceitos, embora motivados de formas distintas, serão por mais
Leia maisFalso: F = Low voltage: L = 0
Curso Técnico em Eletrotécnica Disciplina: Automação Predial e Industrial Professor: Ronimack Trajano 1 PORTAS LOGICAS 1.1 INTRODUÇÃO Em 1854, George Boole introduziu o formalismo que até hoje se usa para
Leia maisCONTROLE DE SISTEMAS LINEARES CHAVEADOS UTILIZANDO REALIMENTAÇÃO ESTÁTICA DA SAÍDA E FUNÇÕES DE LYAPUNOV-METZLER
CONTROLE DE SISTEMAS LINEARES CHAVEADOS UTILIZANDO REALIMENTAÇÃO ESTÁTICA DA SAÍDA E FUNÇÕES DE LYAPUNOV-METZLER E. I. Mainardi Júnior, M. C. M. Teixeira, R. Cardim, E. Assunção, Diogo R. de Oliveira,
Leia maisMedidas e Incertezas
Medidas e Incertezas O que é medição? É o processo empírico e objetivo de designação de números a propriedades de objetos ou eventos do mundo real de forma a descreve-los. Outra forma de explicar este
Leia maisExercícios Adicionais
Exercícios Adicionais Observação: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós recomendamos
Leia mais4.10 Solução das Equações de Estado através da Transformada de Laplace Considere a equação de estado (4.92)
ADL22 4.10 Solução das Equações de Estado através da Transformada de Laplace Considere a equação de estado (4.92) A transformada de Laplace fornece: (4.93) (4.94) A fim de separar X(s), substitua sx(s)
Leia maisMatemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.
Matemática Essencial Equações do Segundo grau Conteúdo Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.br/matessencial/ 1 Introdução
Leia maisMÓDULO 6 INTRODUÇÃO À PROBABILIDADE
MÓDULO 6 INTRODUÇÃO À PROBBILIDDE Quando estudamos algum fenômeno através do método estatístico, na maior parte das vezes é preciso estabelecer uma distinção entre o modelo matemático que construímos para
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.
Leia maisANÁLISE LINEAR DE SISTEMAS
ANÁLISE LINEAR DE SISTEMAS JOSÉ C. GEROMEL DSCE / Faculdade de Engenharia Elétrica e de Computação UNICAMP, CP 6101, 13083-970, Campinas, SP, Brasil, geromel@dsce.fee.unicamp.br Campinas, Janeiro de 2007
Leia maisIntrodução ao Método de Galerkin Estocástico
Introdução ao Método de Galerkin Estocástico Americo Barbosa da Cunha Junior Departamento de Engenharia Mecânica Pontifícia Universidade Católica do Rio de Janeiro 1 Introdução A dinâmica de um sistema
Leia maisTodos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU
FUNÇÃO IDENTIDADE... FUNÇÃO LINEAR... FUNÇÃO AFIM... GRÁFICO DA FUNÇÃO DO º GRAU... IMAGEM... COEFICIENTES DA FUNÇÃO AFIM... ZERO DA FUNÇÃO AFIM... 8 FUNÇÕES CRESCENTES OU DECRESCENTES... 9 SINAL DE UMA
Leia maisDETERMINAÇÃO DE EPICENTROS E HIPOCENTROS
DETERMINAÇÃO DE EPICENTROS E HIPOCENTROS TREINAMENTO TÉCNICO: DA TEORIA A PRÁTICA Apostila de Treinamento (IAG-SISMO-042010) Elaborado por: Afonso Emidio de Vasconcelos Lopes Marcelo Assumpção SÃO PAULO
Leia maisDicas para a 6 a Lista de Álgebra 1 (Conteúdo: Homomorfismos de Grupos e Teorema do Isomorfismo para grupos) Professor: Igor Lima.
Dicas para a 6 a Lista de Álgebra 1 (Conteúdo: Homomorfismos de Grupos e Teorema do Isomorfismo para grupos) Professor: Igor Lima. 1 /2013 Para calcular Hom(G 1,G 2 ) ou Aut(G) vocês vão precisar ter em
Leia maisMICROMASTER MM4. Usando o Controle de Malha Fechada (PID) Edição 08.2002. IND 1 Drives technology Suporte Técnico Drives Hotline
s MICROMASTER MM4 Usando o Controle de Malha Fechada (PID) Edição 08.2002 IND 1 Drives technology Suporte Técnico Drives Hotline USANDO O CONTROLE DE MALHA FECHADA NO MM4 O que é controle de malha fechada
Leia maisÁlgebra Linear. Mauri C. Nascimento Departamento de Matemática UNESP/Bauru. 19 de fevereiro de 2013
Álgebra Linear Mauri C. Nascimento Departamento de Matemática UNESP/Bauru 19 de fevereiro de 2013 Sumário 1 Matrizes e Determinantes 3 1.1 Matrizes............................................ 3 1.2 Determinante
Leia maisOrganização e Arquitetura de Computadores I
Organização e Arquitetura de Computadores I Aritmética Computacional Slide 1 Sumário Unidade Lógica e Aritmética Representação de Números Inteiros Aritmética de Números Inteiros Representação de Números
Leia maisAS LEIS DE NEWTON PROFESSOR ANDERSON VIEIRA
CAPÍTULO 1 AS LEIS DE NEWTON PROFESSOR ANDERSON VIEIRA Talvez o conceito físico mais intuitivo que carregamos conosco, seja a noção do que é uma força. Muito embora, formalmente, seja algo bastante complicado
Leia maisHoje estou elétrico!
A U A UL LA Hoje estou elétrico! Ernesto, observado por Roberto, tinha acabado de construir um vetor com um pedaço de papel, um fio de meia, um canudo e um pedacinho de folha de alumínio. Enquanto testava
Leia maisCURSO ON-LINE PROFESSOR GUILHERME NEVES
Olá pessoal! Neste ponto resolverei a prova de Matemática Financeira e Estatística para APOFP/SEFAZ-SP/FCC/2010 realizada no último final de semana. A prova foi enviada por um aluno e o tipo é 005. Os
Leia mais3 Classificação. 3.1. Resumo do algoritmo proposto
3 Classificação Este capítulo apresenta primeiramente o algoritmo proposto para a classificação de áudio codificado em MPEG-1 Layer 2 em detalhes. Em seguida, são analisadas as inovações apresentadas.
Leia maisAULA 6 LÓGICA DOS CONJUNTOS
Disciplina: Matemática Computacional Crédito do material: profa. Diana de Barros Teles Prof. Fernando Zaidan AULA 6 LÓGICA DOS CONJUNTOS Intuitivamente, conjunto é a coleção de objetos, que em geral, tem
Leia maisFUNÇÃO REAL DE UMA VARIÁVEL REAL
Hewlett-Packard FUNÇÃO REAL DE UMA VARIÁVEL REAL Aulas 01 a 04 Elson Rodrigues, Gabriel Carvalho e Paulo Luís Ano: 2015 Sumário INTRODUÇÃO AO PLANO CARTESIANO... 2 PRODUTO CARTESIANO... 2 Número de elementos
Leia mais[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo
4. SISTEMAS LINEARES 4.1. CONCEITO Um sistema de equações lineares é um conjunto de equações do tipo a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 11 x 1 + a 12 x 2 +... + a 1n x n = b 2... a n1 x 1 + a
Leia maisCurvas em coordenadas polares
1 Curvas em coordenadas polares As coordenadas polares nos dão uma maneira alternativa de localizar pontos no plano e são especialmente adequadas para expressar certas situações, como veremos a seguir.
Leia maisDadas a base e a altura de um triangulo, determinar sua área.
Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação ana.santos@qi.edu.br Conceitos Preliminares
Leia maisPotenciação no Conjunto dos Números Inteiros - Z
Rua Oto de Alencar nº 5-9, Maracanã/RJ - tel. 04-98/4-98 Potenciação no Conjunto dos Números Inteiros - Z Podemos epressar o produto de quatro fatores iguais a.... por meio de uma potência de base e epoente
Leia maisOpções Reais. Processos Estocásticos. Processos Estocásticos. Modelando Incerteza. Processos Estocásticos
Modelando Incerteza Opções Reais A incerteza em um projeto pode ter mais do que apenas dois estados. Na prática, o número de incertezas pode ser infinito Prof. Luiz Brandão brandao@iag.puc-rio.br IAG PUC-Rio
Leia maisSolução da prova da 1 a fase OBMEP 2008 Nível 1
OBMEP 00 Nível 1 1 QUESTÃO 1 Como Leonardo da Vinci nasceu 91 anos antes de Pedro Américo, ele nasceu no ano 14 91 = 145. Por outro lado, Portinari nasceu 451 anos depois de Leonardo da Vinci, ou seja,
Leia maisTutorial de Matlab Francesco Franco
Tutorial de Matlab Francesco Franco Matlab é um pacote de software que facilita a inserção de matrizes e vetores, além de facilitar a manipulação deles. A interface segue uma linguagem que é projetada
Leia maisOrganizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU
Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Aula anterior Organização e Recuperação de Informação(GSI521) Modelo vetorial- Definição Para o modelo vetorial, o
Leia mais¹CPTL/UFMS, Três Lagoas, MS,Brasil, oliveiralimarafael@hotmail.com. ²CPTL/UFMS, Três Lagoas, MS, Brasil.
Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, 2012 36 INTRODUÇÃO A CRIPTOGRAFIA RSA Rafael Lima Oliveira¹, Prof. Dr. Fernando Pereira de Souza². ¹CPTL/UFMS, Três Lagoas,
Leia mais² Servomecanismo: Sistema de controle realimentado para controle automático de posição, velocidade ou aceleração. Muito empregado na indústria.
1. Introdução 1.1. De nições Básicas ² Sistema: Interconexão de dispositivos e elementos para cumprir um objetivo desejado. ² Processo: Um sistema ou dispositivo a ser controlado. ² Sistema de controle:
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas CMP1132 Processo e qualidade de software II Prof. Me. Elias Ferreira Sala: 402 E Quarta-Feira:
Leia maisDificuldades de Modelos de PNL. Onde está a solução ótima? Outro exemplo: Condição ótima Local vs. Global. 15.053 Quinta-feira, 25 de abril
15.053 Quinta-feira, 25 de abril Teoria de Programação Não-Linear Programação Separável Dificuldades de Modelos de PNL Programa Linear: Apostilas: Notas de Aula Programas Não-Lineares 1 2 Análise gráfica
Leia maisficha 3 espaços lineares
Exercícios de Álgebra Linear ficha 3 espaços lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12 3 Notação Sendo
Leia maisSoluções Nível 1 5 a e 6 a séries (6º e 7º anos) do Ensino Fundamental
a e 6 a séries (6º e 7º anos) do Ensino Fundamental 1. (alternativa C) Os números 0,01 e 0,119 são menores que 0,12. Por outro lado, 0,1 e 0,7 são maiores que 0,. Finalmente, 0,29 é maior que 0,12 e menor
Leia maisTEORIA DOS CONJUNTOS Símbolos
1 MATERIAL DE APOIO MATEMÁTICA Turmas 1º AS e 1º PD Profº Carlos Roberto da Silva A Matemática apresenta invenções tão sutis que poderão servir não só para satisfazer os curiosos como, também para auxiliar
Leia maisOrientação a Objetos
1. Domínio e Aplicação Orientação a Objetos Um domínio é composto pelas entidades, informações e processos relacionados a um determinado contexto. Uma aplicação pode ser desenvolvida para automatizar ou
Leia maisMorfologia Matemática Binária
Morfologia Matemática Binária Conceitos fundamentais: (Você precisa entender bem esses Pontos básicos para dominar a área! Esse será nosso game do dia!!! E nossa nota 2!!) Morfologia Matemática Binária
Leia maisResposta Transitória de Circuitos com Elementos Armazenadores de Energia
ENG 1403 Circuitos Elétricos e Eletrônicos Resposta Transitória de Circuitos com Elementos Armazenadores de Energia Guilherme P. Temporão 1. Introdução Nas últimas duas aulas, vimos como circuitos com
Leia maisEA616 - Análise Linear de Sistemas Aula 28 - Estabilidade do Estado
Aula 28 EA616 - Análise Linear de Sistemas Aula 28 - Estabilidade do Estado Prof. Ricardo C.L.F. Oliveira Faculdade de Engenharia Elétrica e de Computação Universidade Estadual de Campinas 2 o Semestre
Leia maisUNIVERSIDADE FEDERAL DE SANTA MARIA COLÉGIO TÉCNICO INDUSTRIAL DE SANTA MARIA Curso de Eletrotécnica
UNIVERSIDADE FEDERAL DE SANTA MARIA COLÉGIO TÉCNICO INDUSTRIAL DE SANTA MARIA Curso de Eletrotécnica Apostila de Automação Industrial Elaborada pelo Professor M.Eng. Rodrigo Cardozo Fuentes Prof. Rodrigo
Leia maisSumário. Prefácio... xi. Prólogo A Física tira você do sério?... 1. Lei da Ação e Reação... 13
Sumário Prefácio................................................................. xi Prólogo A Física tira você do sério?........................................... 1 1 Lei da Ação e Reação..................................................
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia mais3 Concurso de Rentabilidade
3 Concurso de Rentabilidade 3.1.Motivação O capítulo anterior mostra que a motivação dos fundos de investimento é a maximização da expectativa que a população tem a respeito da rentabilidade de suas carteiras.
Leia maisSimulado OBM Nível 2
Simulado OBM Nível 2 Gabarito Comentado Questão 1. Quantos são os números inteiros x que satisfazem à inequação? a) 13 b) 26 c) 38 d) 39 e) 40 Entre 9 e 49 temos 39 números inteiros. Questão 2. Hoje é
Leia maisDois eventos são disjuntos ou mutuamente exclusivos quando não tem elementos em comum. Isto é, A B = Φ
Probabilidade Vimos anteriormente como caracterizar uma massa de dados, como o objetivo de organizar e resumir informações. Agora, apresentamos a teoria matemática que dá base teórica para o desenvolvimento
Leia maisCapítulo 1. x > y ou x < y ou x = y
Capítulo Funções, Plano Cartesiano e Gráfico de Função Ao iniciar o estudo de qualquer tipo de matemática não podemos provar tudo. Cada vez que introduzimos um novo conceito precisamos defini-lo em termos
Leia maisMaterial Teórico - Aplicações das Técnicas Desenvolvidas. Exercícios e Tópicos Relacionados a Combinatória. Segundo Ano do Ensino Médio
Material Teórico - Aplicações das Técnicas Desenvolvidas Exercícios e Tópicos Relacionados a Combinatória Segundo Ano do Ensino Médio Prof Cícero Thiago Bernardino Magalhães Prof Antonio Caminha Muniz
Leia maisCapítulo 2 - Problemas de Valores Fronteira para Equações Diferenciais Ordinárias
Capítulo 2 - Problemas de Valores Fronteira para Equações Diferenciais Ordinárias Departamento de Matemática balsa@ipb.pt Mestrados em Engenharia da Construção Métodos de Aproximação em Engenharia 1 o
Leia maisUM TEOREMA QUE PODE SER USADO NA
UM TEOREMA QUE PODE SER USADO NA PERCOLAÇÃO Hemílio Fernandes Campos Coêlho Andrei Toom PIBIC-UFPE-CNPq A percolação é uma parte importante da teoria da probabilidade moderna que tem atraído muita atenção
Leia maisUsando o Arena em Simulação
Usando o Arena em Simulação o ARENA foi lançado pela empresa americana Systems Modeling em 1993 e é o sucessor de dois outros produtos de sucesso da mesma empresa: SIMAN (primeiro software de simulação
Leia maisPor que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,...
Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... 0) O que veremos na aula de hoje? Um fato interessante Produtos notáveis Equação do 2º grau Como fazer a questão 5 da 3ª
Leia maisAplicação do Modelo Linear de Vorpérian ao Conversor tipo Buck Ewaldo L. M. Mehl
Aplicação do Modelo Linear de Vorpérian ao Conversor tipo Buck Ewaldo L. M. Mehl 1. Apresentação Com o uso do conceito do Interruptor PWM apresentado por Vorpérian [1,2], torna-se extremamente simples
Leia mais2. Representação Numérica
2. Representação Numérica 2.1 Introdução A fim se realizarmos de maneira prática qualquer operação com números, nós precisamos representa-los em uma determinada base numérica. O que isso significa? Vamos
Leia mais