Prof. MSc. David Roza José 1/28
|
|
- Camila Aranha Borges
- 6 Há anos
- Visualizações:
Transcrição
1 1/28
2 Otimização Objetivos: Compreender porquê e onde surgem problemas de otimização na engenharia; Reconhecer a diferença entre otimização unidimensional e multidimensional; Distinguir entre ótimo local e global; Saber reescrever um problema de máximo como um problema de mínimo; Compreender o quê é a proporção áurea e porque ela torna a otimização unidimensional eficiente; Localizar o ponto ótimo unidimensional com a golden-section search; Localizar o ponto ótimo unidimensional com interpolação parabólica; Utilizar o MATLAB para gráficos de contorno e superfície de funções bidimensionais; Saber utilizar funções do MATLAB para problemas uni e multidimensionais. 2/28
3 Otimização No senso mais abrangente possível, a otimização é definida como o processo de criar algo que é o mais eficiente possível. Na engenharia o desafio está no desenvolvimento de processos ou produtos que sejam equilibrados na performance e nas limitações impostas. Do ponto de vista matemático, a otimização lida diretamente com encontrar valores máximo e mínimo de uma função que dependa de uma ou mais variáveis. O objetivo é encontrar os valores do domínio que forneçam o máximo ou mínimo da função. Apesar destes problemas poderem ser resolvidos, às vezes, analiticamente e graficamente; a maioria dos problemas complexos necessitam de soluções numéricas. Do ponto de vista numérico, o espírito da otimização é parecido com o das aulas anteriores na busca por raízes de funções. A diferença fundamental é que a busca por raízes envolve encontrar o ponto onde o valor da função é zero, enquanto a otimização tenta localizar seus extremos. 3/28
4 Otimização 4/28
5 Otimização Os pontos ótimos (Máximo e Mínimo) são os locais onde a derivada vale zero. A segunda derivada indica se o ponto é de valor máximo ou mínimo. f''(x) < 0 é um ponto de valor máximo; f''(x) > 0 é um ponto de valor mínimo; Compreender a relação entre raízes e pontos de otimalidade sugerem uma possível estratégia de ação. Ou seja, deriva-se a função e localiza-se a raiz da derivada. f'(x) = 0 5/28
6 Otimização 6/28
7 Otimização Unidimensional Uma função típica é apresentada a seguir para clarificar os conceitos de: Ótimo local; Ótimo global. 7/28
8 Otimização Unidimensional O ótimo global representa a melhor solução, enquanto que um ótimo local representa a melhor solução de uma vizinhança. Normalmente estamos interessados em descobrir o ótimo global. Existe sempre o risco de achar um ótimo local e supor que ele seja um ótimo global. Assim como na procura de raízes, as técnicas de otimização podem ser intervaladas ou abertas. O método de golden-section search é um método intervalado parecido com o método da Bisseção. 8/28
9 Golden-Section Search Números místicos. Muitas culturas os têm. Para nós, engenheiros, o número místico é o Apesar de não ser tão conhecido, existe também a proporção áurea. Esse número, originalmente representado pela letra p foi originalmente definido por Euclides (300 A.C.) por causa do seu papel na construção de pentagramas. Segundo a definição do próprio: Uma linha reta é cortada de forma que a razão do todo para a parcela maior é igual à razão da parcela maior para a menor. 9/28
10 Golden-Section Search O que resulta na seguinte equação: Cuja solução positiva é a proporção áurea: Da mesma maneira que o método da Bisseção, este método procura ir reduzindo o tamanho do intervalo até encontrar a resposta. Inicia-se o procedimento definido-se um intervalo que contenha a resposta, ou seja: o intervalo deve conter um único mínimo e é chamado de unimodal. 10/28
11 Golden-Section Search No método da Bisseção a raiz era estimada como no ponto médio do intervalo: No método do Golden-Section Search, dois pontos intermediários são escolhidos de acordo com a proporção áurea: Tal que: A função é avaliada nestes dois pontos interiores. Dois resultados distintos podem ocorrer: 11/28
12 Golden-Section Search 12/28
13 Golden-Section Search A grande vantagem do método é que é necessário calcular somente um novo valor de domínio e um novo valor de função. A cada iteração, o intervalo de busca é reduzido em cerca de 61.8%. Ou seja, em 10 iterações o domínio de busca é 0.8% do domínio original. 13/28
14 Golden-Section: Exemplo Desejamos encontrar o mínimo da função abaixo dentro do intervalo [0;4]. Solução: O primeiro passo é calcular os valores de A seguir devemos avaliar o valor das funções nos pontos internos 14/28
15 Golden-Section: Exemplo Como f(x2) < f(x1), nossa melhor estimativa do mínimo neste ponto é que esteja localizado em x= com um valor de f(x)= Para nossa próxima iteração temos que xu=x1, x1=x2 e x2 deve ser recalculado; xl permanece inalterado. 15/28
16 Golden-Section: Exemplo x1 xu xu x1 x2 xl xl x2 recalcular 16/28
17 Golden-Section: Exemplo Ao se continuar as iterações teremos os seguintes resultados até que se obtém, na oitava iteração, um valor mínimo de em x= E o erro aproximado pode ser estimado com Tal que xopt é o valor de x que fornece o mínimo naquela iteração. 17/28
18 Golden-Section Search No Slide 13 foi dito que este método, a cada iteração, necessita recalcular somente um valor de função. Para funções de uma variável, ou até funções mais simples, o tempo poupado com um número reduzido de cálculo de valor de função é negligenciável. Entretanto existem dois contextos importantes onde um número reduzido de cálculo de funções pode ser importante: (1) Em situações onde o Golden-Seaction Search é uma subrotina de um algoritmo maior, sendo chamado diversas vezes. Neste caso, avaliar valor de função poucas vezes pode oferecer um grande ganho de desempenho. (2) Em funções complexas, onde a avaliação do valor da função é demorado, o ganho é notável. Em situações que envolvem modelos que consistem de um sistema de equações diferenciais ou seja, que envolve integração numérica a avaliação de uma função não é trivial. Verificar o arquivo goldmin.m 18/28
19 Interpolação Parabólica A interpolação parabólica tira vantagem do fato de que um polinômio de segunda ordem normalmente fornece uma boa aproximação do formato de f(x) próximo de um ponto de otimalidade. 19/28
20 Interpolação Parabólica Assim como só existe uma reta que une dois pontos, existe somente uma parábola que une três pontos. Caso tenhamos três pontos que englobem o ponto de otimalidade, podemos ajustar uma parábola aos mesmos. Na sequência, podemos diferenciar a parábola, igualar o resultado a zero, e resolver para x a fim de estimar o ponto de otimalidade. Através de alguma manipulação algébrica: Tal que x1, x2 e x3 são as estimativas iniciais e x4 é o valor de x que corresponde ao valor ótimo da interpolação parabólica. 20/28
21 Interpolação Parabólica: Exemplo Utilizar interpolação parabólica para aproximar o mínimo da função abaixo, considerando as estimativas iniciais de x1=0, x2=1 e x3=4. Solução: O valor das funções nas estimativas podem ser avaliadas: E o valor de x4 pode então ser estimado. Dando um valor de função de f(1.5055) = /28
22 Interpolação Parabólica: Exemplo A seguir, uma estratégia parecida com a golden-section search pode ser empregada para determinar qual ponto deve ser descartado. Como o valor da função para o novo ponto é menor que para o ponto intermediário x2, e o novo valor de x está à direita do ponto intermediário, a estimativa x1 é descartada. Então, para a próxima iteração: Fornecendo um valor de função de f(1.4903) = /28
23 Interpolação Parabólica: Exemplo O processo pode então ser repetido com os seguintes resultados tabulados abaixo. Após cinco iterações o resultado converge para o valor verdadeiro de em x = /28
24 Função do MATLAB: fminbnd Na aula anterior comentamos sobre o método de Brent, que combinava vários métodos de busca de raiz num único algoritmo que equilibrava confiabilidade com rapidez. O algoritmo de Brent foi modificado para minimização unidimensional através da função do MATLAB fminbnd. Ele combina o método da golden-section search com a interpolação parabólica. Seu uso dá-se da seguinte forma: [xmin, fval] = fminbnd( funcao, x1, x2 ) Tal que xmin e fval são o local e valor do mínimo, respectivamente; funcao é a função a ser avaliada e x1 e x2 são os limitantes do intervalo sendo buscado. 24/28
25 Otimização Multidimensional Em termos de otimização multidimensional, o MATLAB fornece ferramentas para visualizar funções. Abaixo é mostrado um código que gera gráficos de contorno e malha para uma função. x=linspace(-2,0,40); y=linspace(0,3,40); [X,Y]=meshgrid(x,y); Z=2+X-Y+2*X.^2+2*X.*Y+Y.^2; subplot(1,2,1); cs=contour(x,y,z); clabel(cs); xlabel('x_l'); ylabel('x_2'); title('(a) Contorno'); grid; subplot(1,2,2); cs=surfc(x,y,z); zmin=floor(min(z)); zmax=ceil(max(z)); xlabel('x_l'); ylabel('x_2'); zlabel('f(x_1,x_2)'); title('(b) Malha'); 25/28
26 Otimização Multidimensional 26/28
27 Otimização Multidimensional O MATLAB possui a função fminsearch que pode ser utilizada para determinar o mínimo de uma função multidimensional. Ela é baseada no método de Nelder-Mead, que é um método de busca direta que utiliza somente valores da função (não necessita de derivadas) e é capaz de lidar com funções não-suaves. Sua sintaxe toma a forma: [xmin, fval] = fminsearch( funcao, x0 ) Tal que xmin e fval são o local e valor do mínimo, respectivamente; funcao é a função a ser avaliada e x0 é a estimativa inicial. x0 pode ser um escalar, um vetor ou uma matriz. Um exemplo de utilização é dado com a função que acabamos de gerar um gráfico. f=@(x) 2+x(1)-x(2)+2*x(1)^2+2*x(1)*x(2)+x(2)^2; [x,fval]=fminsearch(f,[-0.5,0.5]) 27/28
28 Informações Exercícios: /28
Prof. MSc. David Roza José 1/37
1/37 Métodos Abertos Objetivos: Reconhecer as diferenças entre os métodos intervalados e abertos para a localização de raízes; Compreender o método da iteração de ponto-fixo e avaliar suas características
Leia maisProf. MSc. David Roza José 1/26
1/26 Mínimos Quadrados Geral e Regressão Não Linear Objetivos: Implementar a regressão polinomial; Implementar regressão múltipla linear; Entender a formulação do modelo linear geral de mínimos quadrados;
Leia maisétodos uméricos ZEROS DE FUNÇÕES DE UMA OU MAIS VARIÁVEIS Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos ZEROS DE FUNÇÕES DE UMA OU MAIS VARIÁVEIS Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisétodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
Leia maisCálculo Numérico BCC760 Raízes de equações algébricas e transcendentes
Cálculo Numérico BCC760 Raízes de equações algébricas e transcendentes Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ Introdução Dada uma função y = f(x), o objetivo deste
Leia maisMétodos Numéricos - Notas de Aula
Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Zeros de equações transcendentes e Tipos de Métodos polinomiais São dois os tipos de métodos para se achar a(s) raízes de uma equação:
Leia maisII. Funções de uma única variável
II. Funções de uma única variável 1 II.1. Conceitos básicos A otimização de de funções de de uma única variável consiste no no tipo mais elementar de de otimização. Importância: Tipo de problema encontrado
Leia maisRaízes de uma função. Laura Goulart. 16 de Março de 2016 UESB. Laura Goulart (UESB) Raízes de uma função 16 de Março de / 1
Raízes de uma função Laura Goulart UESB 16 de Março de 2016 Laura Goulart (UESB) Raízes de uma função 16 de Março de 2016 1 / 1 Aproximação de uma raíz Dado uma precisão ɛ > 0, diremos que um ponto c R
Leia maisProf. MSc. David Roza José 1/27
1/27 Splines e Interpolação por Partes - A Objetivos: Compreender que splines minimizam oscilações ao ajustar polinômios de menor ordem a partições do domínio; Aprender a desenvolver um código para procurar
Leia maisPUC-GOIÁS - Departamento de Computação
PUC-GOIÁS - Departamento de Computação Fundamentos IV/Enfase Clarimar J. Coelho Goiânia, 28/05/2014 O que é interpolação polinomial? Ideia básica Permite construir um novo conjunto de dados a partir de
Leia maisMarina Andretta/Franklina Toledo. 18 de outubro de Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires.
Determinação de raízes de funções: Marina Andretta/Franklina Toledo ICMC-USP 18 de outubro de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta/Franklina Toledo (ICMC-USP)
Leia maisCapítulo 05. Raízes: étodos Intervalares
Capítulo 05 Raízes: étodos Intervalares Objetivos do capítulo Entender o que são problemas de raízes e onde eles ocorrem m engenharia. Aprender como determinar uma raiz graficamente. Entender o método
Leia maisMétodos Numéricos C Apresentação da Disciplina
Métodos Numéricos C Apresentação da Disciplina Isabel Espírito Santo Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho iapinho@dps.uminho.pt http://www.norg.uminho.pt/iapinho/
Leia maisSUMÁRIO PARTE 1 MODELAGEM, COMPUTADORES E ANÁLISE DE ERROS 3. PT1.1 Motivação... 3 Pt1.2 Fundamentos Matemáticos... 5 Pt1.3 Orientação...
PARTE 1 MODELAGEM, COMPUTADORES E ANÁLISE DE ERROS 3 PT1.1 Motivação... 3 Pt1.2 Fundamentos Matemáticos... 5 Pt1.3 Orientação... 7 CAPÍTULO 1 Modelagem matemática e resolução de problemas de engenharia...10
Leia maisProf. MSc. David Roza José 1/35
1/35 Métodos Iterativos Objetivos: Compreender a diferença entre os métodos de Gauss-Seidel e Jacobi; Saber analisar a dominância diagonal e entender o quê significa; Reconhecer como a relaxação pode ser
Leia maisMétodos Numéricos Professor Tenani - 3 / 42
Métodos Numéricos Professor Tenani - www.professortenani.com.br 1 / 42 Métodos Numéricos Professor Tenani - www.professortenani.com.br 2 / 42 Introdução Objetivos da Seção Entender o que são problemas
Leia maisTE231 Capitulo 2 Zeros de Funções; Prof. Mateus Duarte Teixeira
TE231 Capitulo 2 Zeros de Funções; Prof. Mateus Duarte Teixeira Sumário 1. Como obter raízes reais de uma equação qualquer 2. Métodos iterativos para obtenção de raízes 1. Isolamento das raízes 2. Refinamento
Leia maisRaízes de uma função. Laura Goulart. 14 de Março de 2019 UESB. Laura Goulart (UESB) Raízes de uma função 14 de Março de / 17
Raízes de uma função Laura Goulart UESB 14 de Março de 2019 Laura Goulart (UESB) Raízes de uma função 14 de Março de 2019 1 / 17 Aproximação de uma raíz Dado uma precisão ɛ > 0, diremos que um ponto c
Leia maisAna Paula. October 26, 2016
Raízes de Equações October 26, 2016 Sumário 1 Aula Anterior 2 Método da Secante 3 Convergência 4 Comparação entre os Métodos 5 Revisão Aula Anterior Aula Anterior Aula Anterior Aula Anterior Método de
Leia maisExercícios sobre zeros de funções Aula 7
Exercícios sobre zeros de funções Aula 7 André L. R. Didier 1 6 de Maio de 2015 7/47 Introdução Todas as questões foram obtidas da 3 a edição do livro Métodos Numéricos de José Dias dos Santos e Zanoni
Leia maisModelagem Computacional. Parte 2 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 2 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 2 e 3] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística. Curso: Engenharia de Produção
Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que se queira resolver o seguinte PPNL: Max f(x) s. a a x b Pode ser que f (x) não exista ou que seja difícil resolver a equação
Leia maisConsidere a função f(x). Para algum x a f (x) pode não existir. Suponha que. Max f(x) s. a a x b
Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que se queira resolver o seguinte PPNL: Max f(x) s. a a x b Pode ser que f (x) não exista ou que seja difícil resolver a equação
Leia maisUNIVERSIDADE FEDERAL DO ABC. 1 Existência e unicidade de zeros; Métodos da bissecção e falsa posição
UNIVERSIDADE FEDERAL DO ABC BC1419 Cálculo Numérico - LISTA 1 - Zeros de Funções (Profs. André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda) 1 Existência e unicidade de zeros; Métodos
Leia maisétodos uméricos SOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS ORDINÁRIOAS Prof. Erivelton Geraldo Nepomuceno
étodos uméricos SOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS ORDINÁRIOAS Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA
Leia maisFundamentos IV. Clarimar J. Coelho. Departamento de Computação. November 20, 2014
Fundamentos IV Integração numérica Clarimar J. Coelho Departamento de Computação November 20, 2014 Clarimar, Departamento de Computação Aula 16, Integração numérica 1/28 Integração numérica Clarimar, Departamento
Leia maisA. Equações não lineares
A. Equações não lineares 1. Localização de raízes. a) Verifique se as equações seguintes têm uma e uma só solução nos intervalos dados: i) (x - 2) 2 ln(x) = 0, em [1, 2] e [e, 4]. ii) 2 x cos(x) (x 2)
Leia maisCapítulo 06. Raízes: Métodos Abertos
Capítulo 06 Raízes: Métodos Abertos Objetivos do capítulo Reconhecer a diferença entre os métodos intervalares e os métodos abertos para localização de raízes. Compreender o método de iteração de ponto
Leia maisf(1) = 6 < 0, f(2) = 1 < 0, f(3) = 16 > 0 x [2, 3].
1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Métodos Numéricos Para Solução
Leia maisMétodos Numéricos. Turma CI-202-X. Josiney de Souza.
Métodos Numéricos Turma CI-202-X Josiney de Souza josineys@inf.ufpr.br Agenda do Dia Aula 20 (09/11/15) Interpolação: Introdução Características Interpolação Linear: Introdução Características Exercícios
Leia maisMinicurso MATLAB BÁSICO MÓDULO 3
Minicurso MATLAB BÁSICO MÓDULO 3 Roteiro do terceiro módulo Gráficos Bidimensionais e Tridimensionais Interpolação e Extrapolação Ajuste de Curvas Gráficos Bidimensionais O MatLab se apresenta como uma
Leia maisAndréa Maria Pedrosa Valli
Raízes de Equações Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-27 Raízes
Leia maisAula 3 11/12/2013. Integração Numérica
CÁLCULO NUMÉRICO Aula 3 11/12/2013 Integração Numérica Objetivo: Calcular integrais utilizando métodos numéricos Cálculo Numérico 3/64 Integração Numérica Cálculo Numérico 4/64 Integração Numérica Em determinadas
Leia mais3. Equações Algébricas
3. Equações Algébricas 3.1 Introdução Em muitos problemas de Ciência e Engenharia há necessidade de se determinar um número ξ para o qual um número ξ para o qual uma função f(x) seja zero, ou seja, f(ξ)
Leia maisMinicurso MATLAB BÁSICO MÓDULO 4
Minicurso MATLAB BÁSICO MÓDULO 4 Roteiro do último módulo Máximos e mínimos Cálculo diferencial e integral numérico Cálculo diferencial e integral simbólico Mínimos e Máximos de uma função x = fminbnd(
Leia maisLista de exercícios de MAT / II
1 Lista de exercícios de MAT 271-26 / II 1. Converta os seguintes números da forma decimal para a forma binária:x 1 = 37; x 2 = 2347; x 3 =, 75; x 4 =(sua matrícula)/1; x 5 =, 1217 2. Converta os seguintes
Leia maisLista de exercícios de MAT / I
1 Lista de exercícios de MAT 271-29 / I 1. Converta os seguintes números da forma decimal para a forma binária:x 1 = 37; x 2 = 2347; x 3 =, 75; x 4 =(sua matrícula)/1; x 5 =, 1217 2. Converta os seguintes
Leia maisRaízes de Equações métodos delimitados. qual o problema? equações não lineares/raízes
Raízes de Equações métodos delimitados Aula 5 (16/0/07) Métodos Numéricos Aplicados à Engenharia Licenciatura em Engenharia Alimentar Escola Superior Agrária de Coimbra qual o problema? Podemos calcular
Leia maisComputação Numérica Ano letivo 2011/12 Orientações de resposta ao exame/p-folio de 1ª época
Computação Numérica 101 Ano letivo 011/1 Orientações de resposta ao exame/p-folio de 1ª época 1. Considere a função y( x) = ln x x + 4. a. (1,5 val) Construa o polinómio de Taylor de y(x) de grau, com
Leia maisExercícios de MATEMÁTICA COMPUTACIONAL. 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares
Exercícios de MATEMÁTICA COMPUTACIONAL Mestrado Integrado em Engenharia Biomédica 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares 1. Considere a equação sin(x) e x = 0. a) Prove que
Leia maisDESENVOLVIMENTO DE INTERFACES DIDÁTICAS APLICADAS A MÉTODOS NUMÉRICOS
DESENVOLVIMENTO DE INTERFACES DIDÁTICAS APLICADAS A MÉTODOS NUMÉRICOS Hiego Cândido Silva Costa; Adalício Uzêda Antunes Júnior; Heleno Bispo da Silva Júnior Universidade Federal de Campina Grande, Centro
Leia maisForecasting e ti O i Otim Oti ização de ã d Carteiras com Matlab AULA 3
Forecasting e Otimização i de Carteiras com Matlab AULA 3 Guia de Estudo para Aula 03 Modelos Discretos Exercícios - Formulação de um modelo - Programação de modelos com for - A simulação de um modelo
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
Leia maisIntrodução à Otimização de Processos. Prof. Marcos L Corazza Departamento de Engenharia Química Universidade Federal do Paraná
Introdução à Otimização de Processos Prof. Marcos L Corazza Departamento de Engenharia Química Universidade Federal do Paraná Otimização Não-Linear Algumas definições e conceitos preliminares: 1. Derivadas
Leia maisEQUAÇÕES ALGÉBRICAS E TRANSCENDENTES ALVARO A. F. SOUZA
EQUAÇÕES ALGÉBRICAS E TRANSCENDENTES ALVARO A. F. SOUZA RAIZES Necessidade de determinar um número E tal que f( )=0 Equações Algébricas de 1º,2º,algumas de 3º,4º graus e algumas transcendentes podem ter
Leia maisCálculo Numérico. Aula 4 Zeros de Funções /04/2014. Prof. Rafael mesquita Adpt. por Prof. Guilherme Amorim
Cálculo Numérico Aula 4 Zeros de Funções 2014.1-09/04/2014 Prof. Rafael mesquita rgm@cin.ufpe.br Adpt. por Prof. Guilherme Amorim gbca@cin.ufpe.br Últimas aulas... Aritmética de máquina Erros Sistema de
Leia maisBCC465 - TÉCNICAS DE MULTI-OBJETIVO. Gladston Juliano Prates Moreira 22 de novembro de 2017
BCC465 - TÉCNICAS DE OTIMIZAÇÃO MULTI-OBJETIVO Aula 04 - Otimização Não-linear Gladston Juliano Prates Moreira email: gladston@iceb.ufop.br CSILab, Departamento de Computação Universidade Federal de Ouro
Leia maisZero de Funções ou Raízes de Equações
Zero de Funções ou Raízes de Equações Um número ξ é um zero de uma função f() ou raiz da equação se f(ξ). Graficamente os zeros pertencentes ao conjunto dos reais, IR, são representados pelas abscissas
Leia maisFundamentos IV. Gustavo Vinhal. September 13, Escola de Ciências Exatas e Computação
Fundamentos IV Raizes de equações Gustavo Vinhal Escola de Ciências Exatas e Computação September 13, 2016 Método de regula falsi Método da relgula falsi ou falsa posição Encontra a raiz de uma equação
Leia maisCálculo Numérico - DCC034. Ana Paula
- DCC034 Introdução Sumário 1 Sobre o Curso 2 Introdução Sobre o Curso Sobre o Curso Sobre o Curso Informações Gerais Professores ana.coutosilva@dcc.ufmg.br Rosklin Juliano rosklinjuliano@gmail.com Moodle
Leia maisAula 19 06/2014. Integração Numérica
CÁLCULO NUMÉRICO Aula 19 06/2014 Integração Numérica Objetivo: Calcular integrais utilizando métodos numéricos Cálculo Numérico 3/41 Integração Numérica Cálculo Numérico 4/41 Integração Numérica Em determinadas
Leia maisModelagem Computacional. Parte 8 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 8 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 10 e 11] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisNotas de Aula de Cálculo Numérico
IM-Universidade Federal do Rio de Janeiro Departamento de Ciência da Computação Notas de Aula de Cálculo Numérico Lista de Exercícios Prof. a Angela Gonçalves 3 1. Erros 1) Converta os seguintes números
Leia maisMESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 06. Prof. Dr. Marco Antonio Leonel Caetano
MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação Aula 06 Prof. Dr. Marco Antonio Leonel Caetano 1 Guia de Estudo para Aula 06 Aplicação de AutoValores - Usando autovalor para encontrar pontos
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 04/2014 Zeros reais de funções Parte 1 Objetivo Determinar valores aproximados para as soluções (raízes) de equações da
Leia maisOptimização. Carlos Balsa. Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança
Optimização Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática Aplicada - Mestrados Eng. Química e Industrial Carlos Balsa Matemática Aplicada
Leia maisAlgoritmos para resolução de problemas de minimização irrestrita
Algoritmos para resolução de problemas de minimização irrestrita Marina Andretta ICMC-USP 10 de agosto de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 10 de agosto de 2010 1 / 16 Algoritmos
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 22 07/2014 Resolução Numérica de Equações Diferenciais Ordinárias Objetivo: Resolver Equações Diferenciais Ordinárias utilizando
Leia mais)XQGDPHQWRVGHSURJUDPDomRPDWHPiWLFD
)XQGDPHQWRVGHSURJUDPDomRPDWHPiWLFD,QWURGXomR A grande maioria dos problemas de engenharia pode ser solucionado de diferentes formas, uma vez que um número muito grande de soluções atende aos critérios
Leia maisEquações Diferenciais Ordinárias
Equações Diferenciais Ordinárias Profa. Simone Aparecida Miloca UNIOESTE 2017 Sumario EQUAÇÕES DIFERENCIAIS ORDINÁRIAS MÉTODO DE EULER MÉTODOS DE SÉRIES DE TAYLOR MÉTODOS DE RUNGE KUTTA EQUAÇÕES DIFERENCIAIS
Leia mais2 Análise do Colapso de Estruturas através do Método dos Elementos Finitos
2 Análise do Colapso de Estruturas através do Método dos Elementos Finitos Neste capítulo, através do método dos elementos finitos baseado em deslocamentos, são apresentadas três técnicas de análise do
Leia maisMÉTODOS NUMÉRICOS. ENGENHARIA e GESTÃO INDUSTRIAL
UNIVERSIDADE DO MINHO MÉTODOS NUMÉRICOS ENGENHARIA e GESTÃO INDUSTRIAL EXERCÍCIOS PRÁTICOS Ano lectivo de 2005/2006 Métodos Numéricos - L.E.G.I. Exercícios práticos - CONUM Solução de uma equação não linear
Leia maisC alculo Num erico Ra ızes de Equa c oes Ana Paula Ana Paula C alculo Num erico
Raízes de Equações Sumário 1 Introdução 2 3 Revisão Introdução Introdução Introdução Introdução Serão estudados aqui métodos numéricos para a resolução do problema de determinar as raízes de uma equação
Leia maisétodos uméricos DERIVAÇÃO NUMÉRICA Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos DERIVAÇÃO NUMÉRICA Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
Leia maisEquações diferenciais ordinárias
Departamento de Física Universidade Federal da Paraíba 24 de Junho de 2009 Motivação Problemas envolvendo equações diferenciais são muito comuns em física Exceto pelos mais simples, que podemos resolver
Leia maisAula 2- Soluções de Equações a uma Variável (zeros reais de funções reais)
Cálculo Numérico IPRJ/UERJ Sílvia Mara da Costa Campos Victer ÍNDICE Aula 2- Soluções de Equações a uma Variável (zeros reais de funções reais) FASE I: Isolamento das raízes. FASE 2: Refinamento: 2.1-
Leia maisMarina Andretta. 17 de setembro de Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright.
Métodos de regiões de confiança Marina Andretta ICMC-USP 17 de setembro de 2014 Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright. Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear
Leia maisNeste capítulo estamos interessados em resolver numericamente a equação
CAPÍTULO1 EQUAÇÕES NÃO-LINEARES 1.1 Introdução Neste capítulo estamos interessados em resolver numericamente a equação f(x) = 0, onde f é uma função arbitrária. Quando escrevemos resolver numericamente,
Leia maisSME Cálculo Numérico. Lista de Exercícios: Gabarito
Exercícios de prova SME0300 - Cálculo Numérico Segundo semestre de 2012 Lista de Exercícios: Gabarito 1. Dentre os métodos que você estudou no curso para resolver sistemas lineares, qual é o mais adequado
Leia maisAula 6. Zeros reais de funções Parte 3
CÁLCULO NUMÉRICO Aula 6 Zeros reais de funções Parte 3 MÉTODO DE NEWTON RAPHSON Cálculo Numérico 3/48 CONSIDERAÇÕES INICIAS MÉTODO DO PONTO FIXO: Uma das condições de convergência é que onde I é um intervalo
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 04/2014 Zeros reais de funções Parte 1 Objetivo Determinar valores aproximados para as soluções (raízes) de equações da
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 6 Zeros reais de funções Parte 3 MÉTODO DE NEWTON RAPHSON Cálculo Numérico 3/47 CONSIDERAÇÕES INICIAS MÉTODO DO PONTO FIXO:
Leia maisIntrodução à Programação Aula 7 Resolução numérica de equações
Introdução à Programação Aula 7 Resolução numérica de equações Pedro Vasconcelos DCC/FCUP 2017 Pedro Vasconcelos (DCC/FCUP) Introdução à Programação Aula 7 Resolução numérica de equações 2017 1 / 19 Nesta
Leia maisx exp( t 2 )dt f(x) =
INTERPOLAÇÃO POLINOMIAL 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia Aproximação
Leia maisResolução do Exame Tipo
Departamento de Matemática e Engenharias Análise e Computação Numérica Resolução do Exame Tipo 1. O computador IBM 3090 possuía um sistema de vírgula flutuante F F(16, 5, 65, 62) (em precisão simples),
Leia maisAula 16. Integração Numérica
CÁLCULO NUMÉRICO Aula 16 Integração Numérica Integração Numérica Cálculo Numérico 3/41 Integração Numérica Em determinadas situações, integrais são difíceis, ou mesmo impossíveis de se resolver analiticamente.
Leia maisAula 4. Zeros reais de funções Parte 1
CÁLCULO NUMÉRICO Aula 4 Zeros reais de funções Parte 1 Objetivo Determinar valores aproimados para as soluções (raízes) de equações da forma: f 0 sendo f uma função real dada. Cálculo Numérico 3/60 APLICAÇÃO
Leia maisCapítulo 5 - Optimização Não-Linear
Capítulo 5 - Optimização Não-Linear balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Mestrados em Engenharia da Construção Métodos de Aproximação em Engenharia
Leia maisAula 6. Aula de hoje. Aula passada
Aula 6 Aula passada Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança Aula de hoje Método de Monte Carlo Estimando somatórios Calculando erro Estimando
Leia maisIntegração Numérica. = F(b) F(a)
Integração Numérica Do ponto de vista analítico, existem diversas regras que podem ser utilizadas na prática. Contudo, embora tenhamos resultados básicos e importantes para as técnicas de integração analítica,
Leia mais- Métodos numéricos. - Métodos analíticos versus métodos numéricos. - Necessidade de se usar métodos numéricos. - Métodos iterativos
Tópicos Tópicos - Métodos numéricos - Métodos analíticos versus métodos numéricos - Necessidade de se usar métodos numéricos - Métodos iterativos - Resolução de problemas - Problemas com equações não lineares
Leia maisSabendo que f(x) é um polinômio de grau 2, utilize a formula do trapézio e calcule exatamente
MÉTODOS NUMÉRICOS E COMPUTACIONAIS II EXERCICIOS EXTRAIDOS DE PROVAS ANTERIORES EXERCICIOS RESOLVIDOS - INTEGRACAO-NUMERICA - EDO. Considere a seguinte tabela de valores de uma função f x i..5.7..5 f(x
Leia maisCálculo Numérico / Métodos Numéricos. Solução de equações: Método do ponto fixo (iterativo linear - MIL) 15:01
Cálculo Numérico / Métodos Numéricos Solução de equações: Método do ponto fixo (iterativo linear - MIL) 15:01 Idéia Seja f(x) uma função continua em [a,b], intervalo que contém a raiz da equação f(x)=0.
Leia maisAula 10 Sistemas Não-lineares e o Método de Newton.
Aula 10 Sistemas Não-lineares e o Método de Newton MS211 - Cálculo Numérico Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade
Leia maisMétodo de Newton para polinômios
Método de Newton para polinômios Alan Costa de Souza 26 de Agosto de 2017 Alan Costa de Souza Método de Newton para polinômios 26 de Agosto de 2017 1 / 31 Seja f(x) uma função polinomial de grau n. A princípio.
Leia maisAula 2: Funções. Margarete Oliveira Domingues PGMET/INPE. Aula 2 p.1/57
Aula 2 p.1/57 Aula 2: Funções. Margarete Oliveira Domingues PGMET/INPE Definição e representação Aula 2 p.2/57 Aula 2 p.3/57 Função Definição: Uma função de um conjunto em um conjunto, é uma correspondência
Leia maisProf. Wagner Hugo Bonat. Bacharelado em Estatística Universidade Federal do Paraná. 15 de outubro de 2018
Sistemas de Equações não lineares Prof. Wagner Hugo Bonat Bacharelado em Estatística Universidade Federal do Paraná 15 de outubro de 2018 Conteúdo Wagner Hugo Bonat Sistemas de Equações não lineares 2/34
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 4 Zeros reais de funções Parte 1 Objetivo Determinar valores aproimados para as soluções (raízes) de equações da forma: f
Leia mais1. Converta os seguintes números decimais para sua forma binária: (a) 22 (b) 255 (c) 256 (d) 0.11 (e) (f)
1 a Lista de Exercícios de Cálculo Numérico Prof a. Vanessa Rolnik 1. Converta os seguintes números decimais para sua forma binária: (a) 22 (b) 255 (c) 256 (d).11 (e).8125 (f) 4.69375 2. Converta os seguintes
Leia maisSexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo
Sexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo Antônio Carlos Roque da Silva Filho e Cristiano R. F. Granzotti 26 de junho de 2017 Os exercícios desta lista devem ser resolvidos
Leia mais