Redes de Petri. Definições:

Tamanho: px
Começar a partir da página:

Download "Redes de Petri. Definições:"

Transcrição

1 Redes de Petr Defnções: Uma Rede de Petr (PN) é m grafo dreto bpartdo o qal tem dos tpos de nós denomnados lgares (qe representam estados) e transções (qe representam eventos). O estado é alterado pelo evento. Arcos dretos lgam algns lgares a algmas transções o algmas transções a algns lgares. Um arco dreto nnca lga m lgar a m lgar o ma transção a ma transção. Eles representam o flxo entre estados e eventos. Lgares são representados por círclos e transções por retânglos (retas) Marcas (tokens) são tlzadas para representar a exstênca o não de m estado. Cada lgar pode conter ma o mas marcas, representadas por pontos. Estas marcas permtem modelar a dnâmca do sstema. A marcação de ma Rede de Petr é m vetor cos componentes são valores nteros postvos. A dmensão deste vetor é gal ao número de lgares, e se n-ésmo componente é gal ao número de marcas no lgar descrto como n na Rede de Petr. Consdere a Rede de Petr mostrada na fgra a segr. t t p p t3 t4 p4 t5 Fgra. Rede de Petr Esta PN contém qatro lgares deescrtos por p, p, e p4, e cnco transções, descrtas como t, t, t3, t4 e t5. Sa marcação é o vetor M = [,, 4, 3]. Exste m peso assocado a cada arco. Este peso é m número ntero postvo. Qando o peso não é especfcado nos arcos, assme-se qe ele é ntáro. Formalmente, ma Rede de Petr é ma qíntpla PN = (P, T, A, W, M ) onde: P = {p, p,...p n } é m connto fnto de lgares; T = {t, t,...t q } é m connto fnto de transções; A (P x T) (T x P) é m connto fnto de arcos; W: A {,,...} é a fnção peso assocada aos arcos; M : P {,,,...} é a marcação ncal. Obs.: P T =

2 Dnâmca das Redes de Petr t é o connto dos lgares de entrada da transção t é o connto dos lgares de saída da transção t p é o connto das transções de entrada do lgar p t p é o connto das transções de saída do lgar p Uma transção está habltada se para qalqer p t, M(p) W(p,t). Isto sgnfca qe t está habltada se cada m dos lgares de entrada contém, pelo menos o número de marcas gal ao valor do peso do arco lgando este lgar à transção t. Assm, para Redes de Petr ordnáras, t está habltada se cada m dos lgares de entrada poss ao menos ma marca. Se t T está habltada, ela pode ser dsparada (fred). Tal dsparo, de ma transção, consste em: Remover W(p,t) marcas de cada p t; adconar W(p,t) marcas a cada p t ; Formalmente, o dsparo de ma transção t consste em transformar a marcação ncal da Rede de Petr, M, na marcação M, defnda como sege. M(p) = M (p) - W(p,t) se p t M (p) + W(p,t) se p t M (p) caso contráro Exemplo : Consdere a Rede de Petr mostrada na fgra, com marcação ncal M = [,,4,3]. t t p p t3 t4 p4 t5 O dsparo da transção t leva à marcação M = [,3,4,4]. Se, partndo de M, dspararmos t 5, obteremos M = [,3,5,3]. Se, posterormente dspararmos, então a marcação rá tornar-se M 3 = [,,5,3]. Neste caso, dzemos qe alcançamos M3 de M pelo dsparo da seqüênca σ = < t, t 5, >, denotado por: σ M M 3 A seqüênca σ é dta "dsparável" (o possível).

3 Exemplo : Consdere a Rede de Petr mostrada na fgra, com marcação ncal M = [3,,]. p t p t 3 t3 Fgra. Rede de Petr com pesos não ntáros. Os números nteros colocados sobre os arcos são ses pesos. Consdere qe a seqüênca de dsparo σ = < t, t, > é dsparada n vezes. O resltado esperado é a marcação fnal, o sea, M σ M n Após a prmera seqüênca de dsparo, a marcação torna-se M 3 = [5,,3], á qe: o dsparo de t remove ma marca de p e adcona das marcas a p e tres marcas em p 3 ; o dsparo de t remove ma marca de p e adcona ma marca a p ; o dsparo de remove ma marca de p 3 e adcona das marcas a p ; p p p 3 Marcação M 3 Dsparo de t - 3 Dsparo de t - Dsparo de - Marcação M 5 3 Podemos afrmar qe, comparado a M, exstem das marcas a mas em p e p 3 e ma marca a mas em p. Concl-se, portanto, qe M n = [ 3 + n, + n, + n]

4 Dz-se qe a Rede de Petr mostrada na fgra é não-lmtada pela marcação ncal (M ) á qe é possível ncrementar a marcação de pelo menos m lgar até nfnto. Transções com Característcas especas Uma transção t sem lgares de entrada é denomnada transção fonte. Tal transção está sempre habltada. Uma transção t sem lgares de saída é denomnada transção snk. Tal transção pode ser dsparada se está habltada. Neste caso, as marcas são removdas dos lgares de entrada segndo a regra geral, mas não são propagadas marcas como saída. Na fgra 3, t é ma transção fonte e ma transção snk. t4 t t t3 p p a) Marcação Incal: M = [,] t4 t t t3 b) Marcação após a seqüênca de dsparo σ = <t, t,, t 4,, t : M = [3,] Fgra 3. Rede de Petr com transções fonte e Snk. Crctos Elementares e Ato-Loops p Um crcto elementar é m camnho dreto qe parte de m nó (lgar o transção) e retorna a ele, passando por otros nós. Exemplo: p t3 t t p p p4 p5 Fgra 4. Crctos elementares. t4

5 Esta rede poss dos crctos elementares: e γ = < t,p, t,p 3, t 4,p 5, t > γ = < t,p, t,p,,p 4, t 4,p 5, t > Algortmo tlzado para o cálclo de crctos elementares. Um Ato-Loop (p,t) é tal qe p é m lgar de entrada e m lgar de saída para t. Exemplo: p t t t3 p Fgra 3. Um ato-loop. Dz-se qe ma Rede de Petr é pra se ela não contém ato-loops. Redes de Petr tlzadas na modelagem de sstemas de manfatra nnca são pras. Redes de Petr com capacdade fnta. Uma Rede de Petr com capacdade fnta é ma Rede co número de marcas em cada lgar p P é lmtado a ma qantdade Q(p) denomnada capacdade de p. Em tal Rede de Petr, ma transção t está habltada se as condções ctadas sas estão satsfetas e, adconalmente, as marcações dos lgares de t não excederão sas capacdades se t dsparar. Na rede da fgra 5, a segr, a transção t não está habltada á qe a marcação do lgar p 3 será gal a 5 depos do dsparo de t e a capacdade de p 3 é somente 4. C= C= p p t 3 p4 C=4 C=3 C=4 p5 Fgra 5. Uma transção a qal não está habltada em ma Rede de Petr com capacdade fnta.

6 É sempre possível transformar ma Rede de Petr com capacdade fnta em ma Rede de Petr com capacdade nfnta. Consdere a fgra 6 a segr. 3 p C=5 t t a) Uma Rede de Petr com capacdade fnta p* 3 3 p C=5 t t b) A Rede de Petr eqvalente com capacdade nfnta O comportamento da Rede de Petr dada na fgra 6 b é eqvalente ao comportamento da Rede da fgra 6 a, assmndo qe a soma das marcações de p e p* é gal à capacdade de p. Uma condção adconal é qe o número da marcas deve permanecer constante no loop qe fo ntrodzdo para dervar a Rede de Petr de capacdade nfnta da Rede de Petr de capacdade fnta. Para satsfazer esta condção, as segntes galdades devem ser mantdas: Peso de (p,t ) = Peso (t, p*) Peso de (p*,t ) = Peso (t, p) Redes de Petr com capacdade fnta são apropradas para a modelagem de bffers qe tem ma capacdade fnta em Sstemas Flexíves de Manfatra. Arvore de Alcançabldade, Árvore de Cobertra e Grafo de Cobertra O obetvo do so da árvore de alcançabldade é procrar todas marcações qe podem ser alcançadas partndo da marcação ncal M. A árvore de cobertra é dervada da árvore de alcançabldade. Ambas são tlzadas para analsar o comportamento de Redes de Petr. Sas raízes são a marcação ncal M. Exemplo:

7 p p t t Marcação ncal: M = [,,] a qal hablta as transções t e. O dsparo de t leva à marcação (M ) = [,,] e o dsparo de leva à marcação (M ) = [3,,]. Este é o prmero nível da árvore de alcançabldade. (M ) hablta t, t e. O dsparo destas transções leva respectvamente às marcações (M ) = [,3,], (M ) = [,,] e (M ) 3 = [,,]. A marcação (M ) somente hablta t. O dsparo de t leva à marcação (M ) 4 = [,,] a qal é, de fato, (M ) 3. Este representa apenas o segndo nível da árvore de alcançabldade. Árvore de Alcançabldade em três níves. Marcação Consderada Transção Dsparada Marcação Obtda (M ) = [,3,] t (M 3 ) = [,,] = (M ) (M ) = [,3,] (M 3 ) = [,,] (M ) = [,,] t (M 3 ) 3 = [,,] = (M ) (M ) = [,,] (M 3 ) 4 = [3,,] = (M ) (M ) 3 = [,,] t (M 3 ) 5 = [,,] = (M 3 ) (M ) 3 = [,,] t (M 3 ) 6 = [3,,] = (M 3 ) 4 (M ) 3 = [,,] (M 3 ) 7 = [3,,],, t t,3, t t t,, 3,, t t,,,,,, t,,,,,, 3,,,, 3,, 3,, Para lmtar o tamanho da árvore, sege-se o segnte crtéro:

8 . ma marcação qe á fo obtda em níves anterores da árvore é marcada como "old" (não são dsparadas transções a partr desta marcação);. se ma marcação M* obtda de m dado nível é tal qe exste ma marcação M no camnho lgando M a M* a qal mplca em M*(p) M(p) para todos o lgares p da Rede de Petr; M*(p*) > M(p*) para pelo menos m lgar p* da Rede de Petr; então a marcação de p* é denomnada "ω", onde ω tende a nfnto. A marcação de p* permanecerá ω em todas as marcações dervadas de M* e a regra () também se aplca às marcações qe contém ω; 3. m nó correspondente a ma marcação a qal não hablta ma transção é marcada como "dead-end"; 4. m nó qe não é "old" e também não é "dead-end" é marcado como "new". A árvore obtda tlzando-se estes crtéros é denomnada Árvore de Cobertra da Rede de Petr. Ela contém menos nformações qe a árvore de alcançabldade, porém se tamanho permanece lmtado. O algortmo tlzado para constrr a árvore de cobertra é mostrado a segr.. Incalze a árvore ntrodzndo sa raz, a qal representa a marcação ncal M. Marqe este nó com "new";. Enqanto exstr m nó marcado como "new":. Selecone m nó A marcado como "new". Faça M a marcação correspondente a este nó;. Se, no camnho lgando a raz até A, exstr m nó B ca marcação correspondente é M, então marqe A como "old". Vá para..3 Se nenhma das transções é habltada por M, então marqe A com "dead-end". Vá para..4 Se pelo menos ma transção está habltada por M, então, para cada transção habltada:.4. Calcle M' dervada de M pelo dsparo de t. O nó correspondente é denotado por C;.4. Se, no camnho da raz até C, exste m nó D ca marcação correspondente é M" tal qe M'(p) M"(p) para qalqer p P, e M'(p) > M"(p) para pelo menos m lgar p P, então faça M'(p) = ω para qalqer p P tal qe M'(p) > M"(p); Adcone C à árvore, ntrodza o arco lgando A a C, e marqe este arco com t; Se á exste m nó o qal corresponde a M', então marqe C como "old", caso contráro marqe C como "new"..5 Vá para. A fgra 7, a segr, mostra a árvore de cobertra obtda pelo so do algortmo.

9 Raz,, new t,, new 3,, t t t new,3, new,, old,,ω new t t, t, t,,ω new t,,3,ω new,,ω old 3,,ω t,,ω new old,,ω old Fgra 7. Árvore de cobertra. Matrz ncdênca e Eqação de Estado A matrz ncdênca U = [ ], =,,...,n; =,,...,q, de ma Rede de Petr Pra é defnda como: W ( t, p ) se t p = W ( p, t ) se t p caso contráro n é o número de lgares e q o número de transções da Rede de Petr sob consderação. W(x,y) é o peso do arco (x,y). Exemplo:

10 A matrz ncdênca correspondente a esta Rede de Petr é a matrz U dada a segr. As das matrzes a segr são também defndas: onde: Se consderarmos a matrz U acma, obtemos as segntes matrzes: A segnte relação é válda: U = U + - U - p t t p t p4 t 4 = U [ ] [ ] + + = = U U,, e ) (, e ), (,,,, Mn Max = = + = + U = U

Inicia-se este capítulo com algumas definições e propriedades para uma seqüência de funções tal como

Inicia-se este capítulo com algumas definições e propriedades para uma seqüência de funções tal como . Métodos de Resídos Ponderados. Defnções áscas Inca-se este capítlo com algmas defnções e propredades para ma seqüênca de fnções tal como x ( x ( x ( x ( (. ( 3 4 n x Tas fnções são assmdas satsfazerem

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

Deformações na Notação Indicial

Deformações na Notação Indicial SEÇÃO DE ENSINO DE ENGENHARIA DE FORTIFICAÇÃO E CONSTRUÇÃO Pós-gradação em Engenhara de Transportes Deformações na Notação Indcal MAJ MONIZ DE ARAGÃO Campo de deslocamentos; Componentes de deformação;

Leia mais

CIRCUITOS RESISTIVOS

CIRCUITOS RESISTIVOS Temátca Crctos Eléctrcos Capítlo nálse de Crctos Lneares CICITOS ESISTIVOS INTODÇÃO Nesta secção apresentamse dversas metodologas para resolção de crctos lneares tas como o método geral, a smplfcação do

Leia mais

Derivada Direcional e gradiente no plano

Derivada Direcional e gradiente no plano Dervada Dreconal e gradente no plano Sea m campo escalar no plano descrto por ma nção derencável a das varáves. Assm se =(,, então é o valor do campo escalar no ponto P=(,.Sea L ma reta no plano. Qando

Leia mais

3 Algoritmos propostos

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

Leia mais

2 - Derivadas parciais

2 - Derivadas parciais 8 - ervadas parcas Sea por eemplo: Estma-se qe a prodção semanal de ma ábrca sea dada pela nção Q 00 500 ndades onde representa o número de operáros qalcados e representa o número dos não-qalcados. Atalmente

Leia mais

Cálculo Vetorial / Ilka Rebouças Freire / DMAT UFBA

Cálculo Vetorial / Ilka Rebouças Freire / DMAT UFBA Cálclo Vetoral / Ila Reboças Frere / DMAT UFBA. Campos Escalares e Vetoras. Gradente. Rotaconal. Dvergênca. Campos Conservatvos..1 Campos Escalares e Vetoras Dada ma regão D do espaço podemos asocar a

Leia mais

Exemplos. representado a seguir, temos que: são positivas. são negativas. i

Exemplos. representado a seguir, temos que: são positivas. são negativas. i 6 Prodto Vetoral Para defnrmos o prodto etoral entre dos etores é ndspensáel dstngrmos o qe são bases postas e bases negatas Para sso consderemos ma base do espaço { } e m obserador Este obserador dee

Leia mais

2 Análise de Campos Modais em Guias de Onda Arbitrários

2 Análise de Campos Modais em Guias de Onda Arbitrários Análse de Campos Modas em Guas de Onda Arbtráros Neste capítulo serão analsados os campos modas em guas de onda de seção arbtrára. A seção transversal do gua é apromada por um polígono conveo descrto por

Leia mais

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

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

Leia mais

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

Engenharia Civil/Mecânica Cálculo 3-3º semestre de 2012 Profa Gisele A.A. Sanchez

Engenharia Civil/Mecânica Cálculo 3-3º semestre de 2012 Profa Gisele A.A. Sanchez Engenhara Cvl/Mecânca Cálclo - º semestre de 01 Proa Gsele A.A. Sanchez 4ª ala: Dervadas Dreconas e Gradente Gradentes e dervadas dreconas de nções com das varáves As dervadas parcas de ma nção nos dão

Leia mais

Interpolação Segmentada

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

Leia mais

3 Elementos de modelagem para o problema de controle de potência

3 Elementos de modelagem para o problema de controle de potência 3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente

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

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

AULA Exercícios. ORTOGONALIDADE EM R N. , o vector u tem norma. O produto interno entre os vector u e v, é

AULA Exercícios. ORTOGONALIDADE EM R N. , o vector u tem norma. O produto interno entre os vector u e v, é Note bem: a letra destes apontamentos não dspensa de modo algm a letra atenta da bblografa prncpal da cadera Chama-se a atenção para a mportânca do trabalho pessoal a realzar pelo alno resolvendo os problemas

Leia mais

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

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

Leia mais

6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA)

6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA) ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA 7 6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA As desvantagens do método BM apresentadas no capítulo 5 sugerem que a alocação dos benefícos seja feta proporconalmente ao prejuízo causado

Leia mais

DESENVOLVIMENTO DE UM ALGORITMO PARA RECONS- TRUÇÃO DE IMAGENS UTILIZANDO A TÉCNICA DE TOMO- GRAFIA POR IMPEDÂNCIA ELÉTRICA

DESENVOLVIMENTO DE UM ALGORITMO PARA RECONS- TRUÇÃO DE IMAGENS UTILIZANDO A TÉCNICA DE TOMO- GRAFIA POR IMPEDÂNCIA ELÉTRICA PUCRS PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA E TECNO- LOGIA DE MATERIAIS Facldade de Engenhara Facldade de

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

Acompanhamento de Cenas com Calibração Automática de Câmeras

Acompanhamento de Cenas com Calibração Automática de Câmeras Acompanhamento de Cenas com Calbração Atomátca de Câmeras por Fláo Szenberg Orentadores: Marcelo Gattass Palo Cezar Pnto Caralho Departamento de Informátca, PUC-Ro 9 de dezembro de 00 Jz Vrtal pontos de

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

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

Leia mais

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

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

Leia mais

Notas de Aula de Probabilidade A

Notas de Aula de Probabilidade A VII- VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. 7. CONCEITO DE VARIÁVEIS ALEATÓRIAS: Informalmente, uma varável aleatóra é um característco numérco do resultado de um epermento aleatóro. Defnção: Uma varável

Leia mais

Programação Linear 1

Programação Linear 1 Programação Lnear 1 Programação Lnear Mutos dos problemas algortmcos são problemas de otmzação: encontrar o menor camnho, o maor fluxo a árvore geradora de menor custo Programação lnear rovê um framework

Leia mais

Teoremas de Otimização com Restrições de Desigualdade

Teoremas de Otimização com Restrições de Desigualdade Teoremas de Otmzação com Restrções de Desgualdade MAXIMIZAÇÃO COM RESTRIÇÃO DE DESIGUALDADE Consdere o segunte problema (P) de maxmzação condconada: Maxmze Fx onde x x,x,...,x R gx b As condções de Prmera

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

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

Dinâmica Estocástica. Instituto de Física, outubro de Tânia Tomé - Din Estoc

Dinâmica Estocástica. Instituto de Física, outubro de Tânia Tomé - Din Estoc Dnâmca Estocástca Insttuto de Físca, outubro de 2016 1 Dnâmcas estocástcas para o modelos defndos em redes Sstema defndo em um retculado em um espaço de d dmensões Exemplo: rede quadrada d=2 em que cada

Leia mais

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS 177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,

Leia mais

Professor: Computação Gráfica I. Anselmo Montenegro Conteúdo: - Curvas interativas. Instituto de Computação - UFF

Professor: Computação Gráfica I. Anselmo Montenegro  Conteúdo: - Curvas interativas. Instituto de Computação - UFF Comptação Gráfca I Professor: Anselmo Montenegro www.c.ff.br/~anselmo Conteúdo: - Crvas nteratvas Insttto de Comptação - UFF 1 Constrção nteratva de crvas: ntrodção Crvas e sperfíces são objetos matemátcos

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu Programação Lnear (PL) Aula : Dualdade. Defnção do Problema Dual. Defnção do problema dual. O que é dualdade em Programação Lnear? Dualdade sgnfca a exstênca de um outro problema de PL, assocado a cada

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

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

Leia mais

2. VARIÁVEIS ALEATÓRIAS

2. VARIÁVEIS ALEATÓRIAS VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo

Leia mais

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

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

Leia mais

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

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

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

Leia mais

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

PROBABILIDADE - CONCEITOS BÁSICOS

PROBABILIDADE - CONCEITOS BÁSICOS ROBBILIDD - CONCITOS BÁSICOS xpermento leatóro é um expermento no qual: todos os possíves resultados são conhecdos; resulta num valor desconhecdo, dentre todos os resultados possíves; pode ser repetdo

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

ANÁLISE DINÂMICA DE SISTEMAS CONTÍNUOS

ANÁLISE DINÂMICA DE SISTEMAS CONTÍNUOS ANÁISE DINÂMICA DE SISTEMAS CONTÍNUOS INTRODUÇÃO Sstemas dscretos e sstemas contínuos representam modelos matemátcos dstntos de sstemas fsícos semelhantes, com característcas dnâmcas semelhantes Os sstemas

Leia mais

MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL

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

Leia mais

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

5 Otimização de Dimensões

5 Otimização de Dimensões 5 Otmzação de Dmensões 5.1 Consderações Geras O desejo de se obter o projeto deal, consderando aspectos relaconados com o consmo, desempeno o efcênca, tas como qantdades mínmas de peso, volme, massa, sempre

Leia mais

1 Transições de fase e sistemas abertos

1 Transições de fase e sistemas abertos Transções de fase e sstemas abertos Imagne um sstema solado K num estado M. Podemos dvdr este sstema em dos outros subsstemas K a e K b. Esta dvsão sgn ca o estabelecmento de algum vínculo nas varáves

Leia mais

3 Método Numérico. 3.1 Discretização da Equação Diferencial

3 Método Numérico. 3.1 Discretização da Equação Diferencial 3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando

Leia mais

Determinação da Incerteza de Medição na Calibração da Área de Aberturas Circulares RESUMO

Determinação da Incerteza de Medição na Calibração da Área de Aberturas Circulares RESUMO Prodto & Prodção, vol. 11, n. 1, p. 70-79, fev. 010 Edção Metrologa Determnação da Incerteza de Medção na Calbração da Área de bertras Crclares Pedro B. Costa Wellngton S. Barros Insttto Naconal de Metrologa

Leia mais

ELE0317 Eletrônica Digital II

ELE0317 Eletrônica Digital II 2. ELEMENTOS DE MEMÓRIA 2.1. A Lnha de Retardo A lnha de retardo é o elemento mas smples de memóra. Sua capacdade de armazenamento é devda ao fato de que o snal leva um certo tempo fnto e não nulo para

Leia mais

2 Aproximação por curvas impĺıcitas e partição da unidade

2 Aproximação por curvas impĺıcitas e partição da unidade Aproxmação por curvas mpĺıctas e partção da undade Este capítulo expõe alguns concetos báscos necessáros para o entendmento deste trabalho 1 Curvas Algébrcas Um subconjunto O R é chamado de uma curva mplícta

Leia mais

Otimização em Redes. Árvore Geradora Mínima. Geraldo Robson Mateus DCC - UFMG

Otimização em Redes. Árvore Geradora Mínima. Geraldo Robson Mateus DCC - UFMG Otmzação em Redes Árvore Geradora Mínma Geraldo Robson Mateus DCC - UFMG Árvore Geradora Mínma Desea-se construr uma rede de comuncação entre váras cdades a custo mínmo. abe-se que o custo de qualquer

Leia mais

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

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

Leia mais

3 IMPLEMENTAÇÃO DO MÉTODO DE ELEMENTOS FINITOS

3 IMPLEMENTAÇÃO DO MÉTODO DE ELEMENTOS FINITOS 3 IMPLEMENAÇÃO DO MÉODO DE ELEMENOS FINIOS 3 Formlação araconal e Prncípo dos rabalhos rtas Desde o adento de sa tlzação em escala prodta, o Método de Elementos Fntos MEF tem se mostrado de grande mportânca

Leia mais

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

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

Leia mais

CURSO A DISTÂNCIA DE GEOESTATÍSTICA

CURSO A DISTÂNCIA DE GEOESTATÍSTICA CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,

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

CURSO de ESTATÍSTICA Gabarito

CURSO de ESTATÍSTICA Gabarito UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com

Leia mais

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

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

Leia mais

Eletrotécnica AULA Nº 1 Introdução

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

Leia mais

3 Animação de fluidos com SPH

3 Animação de fluidos com SPH 3 Anmação de fludos com SPH O SPH (Smoothed Partcle Hydrodynamcs) é um método Lagrangeano baseado em partículas, proposto orgnalmente para smulação de problemas astrofíscos por Gngold e Monaghan (1977)

Leia mais

Introdução. Introdução. Introdução I - PERCEPTRON. Modelos de Neurônios LABIC. Neurônio:

Introdução. Introdução. Introdução I - PERCEPTRON. Modelos de Neurônios LABIC. Neurônio: Modelos de Neurônos Introdução Característcas Báscas Modelo de Neurôno Estrutura da Rede Neurôno: Cada neurôno é composto por: dendrtos: con de termnas de entrada corpo central Algortmo de Aprendzado axôno:

Leia mais

Otimização de Perdas Elétricas em Alimentadores da CELG através da Alocação de Capacitores via Algoritmos Genéticos

Otimização de Perdas Elétricas em Alimentadores da CELG através da Alocação de Capacitores via Algoritmos Genéticos XIII Semnáro Naconal de Dstrbção de Energa Elétrca SENDI 008-06 a 0 de otbro Olnda - Pernambco - rasl Otmzação de Perdas Elétrcas em Almentadores da CELG através da Alocação de Capactores va Algortmos

Leia mais

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão. Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande

Leia mais

4 Critérios para Avaliação dos Cenários

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

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

4 Discretização e Linearização

4 Discretização e Linearização 4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas

Leia mais

3 MÉTODO HÍBRIDO DOS ELEMENTOS DE CONTORNO

3 MÉTODO HÍBRIDO DOS ELEMENTOS DE CONTORNO 41 3 MÉODO HÍBRIDO DOS ELEMENOS DE CONORNO Desenvolve-se neste caítlo m resmo da formlação do Método Híbrdo dos Elementos de Contorno (MHEC) alcado a roblemas da elastostátca, além de serem abordados os

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

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

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

Leia mais

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite 5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar

Leia mais

Caderno de Fórmulas em Implementação. SWAP Alterações na curva Libor

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,

Leia mais

Tecnologia de Grupo. 1. Justificativa e Importância da Tecnologia de Grupo. 2. Algoritmo de Ordenação Binária. = 1 se a máquina i

Tecnologia de Grupo. 1. Justificativa e Importância da Tecnologia de Grupo. 2. Algoritmo de Ordenação Binária. = 1 se a máquina i Tecnologa de Grpo 1. Jstfcatva e Iportânca da Tecnologa de Grpo Tecnologa de grpos é conceto portante aplcado na foração de céllas de anfatra. A organzação do sstea de prodção e céllas de anfatra poss

Leia mais

aplicação do lagrangeano aumentado em otimização estrutural com restrições dinâmicas

aplicação do lagrangeano aumentado em otimização estrutural com restrições dinâmicas Marcelo Araújo da Slva aplcação do lagrangeano aumentado em otmzação estrutural com restrções dnâmcas Dssertação Apresentada à Escola Poltécnca da Unversdade de São Paulo para a Obtenção do Título de Mestre

Leia mais

5 Formulação para Problemas de Potencial

5 Formulação para Problemas de Potencial 48 Formulação para Problemas de Potencal O prncpal objetvo do presente capítulo é valdar a função de tensão do tpo Westergaard obtda para uma trnca com abertura polnomal (como mostrado na Fgura 9a) quando

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais

CAPÍTULO IV PROPRIEDADES GEOMÉTRICAS DA SEÇÃO TRANSVERSAL

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

Leia mais

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

Lista de exercícios Micro III 03/09/2008. Externalidades e Bens Públicos

Lista de exercícios Micro III 03/09/2008. Externalidades e Bens Públicos Lsta de exercícos Mcro III 03/09/008 Prof. Afonso A. de Mello Franco Neto Externaldades e Bens Públcos Exercícos Mas-Colell:.B a.b.5,.c.,.c.,.d. a.d.5,.d.7. QUESTÃO Nma economa exstem ma frma e dos consmdores.

Leia mais

ANÁLISE MATRICIAL DE ESTRUTURAS DE BARRAS PELO MÉTODO DE RIGIDEZ

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

Leia mais

PME5325-Fundamentos da Turbulência 2016

PME5325-Fundamentos da Turbulência 2016 4 CAPÍLO 5 A CINEMÁICA E A DINÂMICA DA RBLÊNCIA A PARIR DA APROXIMAÇÃO EAÍICA ILIZANDO-E A EQAÇÕE BÁICA DA MECÂNICA DO FLIDO 5.. Mecansmo da rblênca Como analsar as eqações do movmento em Mecânca dos Fldos,

Leia mais

Lista de Matemática ITA 2012 Números Complexos

Lista de Matemática ITA 2012 Números Complexos Prof Alex Perera Beerra Lsta de Matemátca ITA 0 Números Complexos 0 - (UFPE/0) A representação geométrca dos números complexos que satsfaem a gualdade = formam uma crcunferênca com rao r e centro no ponto

Leia mais

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1

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

Leia mais

Programação Não Linear. Programação Não-Linear 1

Programação Não Linear. Programação Não-Linear 1 Proramação Não Lnear Proramação Não-Lnear Os modelos empreados em Proramação Lnear são, como o própro nome dz, lneares (tanto a unção-obetvo quanto as restrções). Este ato é, sem dúvda, a maor das restrções

Leia mais

Teoria Elementar da Probabilidade

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

Leia mais

γ = C P C V = C V + R = q = 2 γ 1 = 2 S gas = dw = W isotermico

γ = C P C V = C V + R = q = 2 γ 1 = 2 S gas = dw = W isotermico Q1 Um clndro feto de materal com alta condutvdade térmca e de capacdade térmca desprezível possu um êmbolo móvel de massa desprezível ncalmente fxo por um pno. O rao nterno do clndro é r = 10 cm, a altura

Leia mais

Texto 03: Campos Escalares e Vetoriais. Gradiente. Rotacional. Divergência. Campos Conservativos.

Texto 03: Campos Escalares e Vetoriais. Gradiente. Rotacional. Divergência. Campos Conservativos. 1 Unversdade Salvador UNIFACS Crsos de Engenhara Cálclo IV Profa: Ila Reboças Frere Cálclo Vetoral Teto 03: Campos Escalares e Vetoras. Gradente. Rotaconal. Dvergênca. Campos Conservatvos. Campos Escalares

Leia mais

3 Desenvolvimento do Modelo

3 Desenvolvimento do Modelo 3 Desenvolvmento do Modelo Neste capítulo apresentaremos como está estruturado o modelo desenvolvdo nesta dssertação para otmzar o despacho de geradores dstrbuídos com o obetvo de reduzr os custos da rede

Leia mais

5 Implementação Procedimento de segmentação

5 Implementação Procedimento de segmentação 5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser

Leia mais

5 Validação dos Elementos

5 Validação dos Elementos 5 Valdação dos Elementos Para valdar os elementos fntos baseados nas Wavelets de Daubeches e nas Interpolets de Deslaurers-Dubuc, foram formulados dversos exemplos de análse lnear estátca, bem como o cálculo

Leia mais

Análise Exploratória de Dados

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

Leia mais

Módulo I Ondas Planas. Reflexão e Transmissão com incidência normal Reflexão e Transmissão com incidência oblíqua

Módulo I Ondas Planas. Reflexão e Transmissão com incidência normal Reflexão e Transmissão com incidência oblíqua Módulo I Ondas Planas Reflexão e Transmssão com ncdênca normal Reflexão e Transmssão com ncdênca oblíqua Equações de Maxwell Teorema de Poyntng Reflexão e Transmssão com ncdênca normal Temos consderado

Leia mais

18 e 20/Abr/2016 Aulas 12 e 13. Introdução à Física Estatística Postulados Equilíbrio térmico Função de Partição; propriedades termodinâmicas

18 e 20/Abr/2016 Aulas 12 e 13. Introdução à Física Estatística Postulados Equilíbrio térmico Função de Partição; propriedades termodinâmicas 01/Abr/2016 Aula 11 Potencas termodnâmcos Energa nterna total Entalpa Energas lvres de Helmholtz e de Gbbs Relações de Maxwell 18 e 20/Abr/2016 Aulas 12 e 13 Introdução à Físca Estatístca Postulados Equlíbro

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

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

Leia mais

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

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