Compacidade em espaços métricos

Tamanho: px
Começar a partir da página:

Download "Compacidade em espaços métricos"

Transcrição

1 Comacdade em esaços métrcos Gselle Moraes Resende Perera, Lucana Yoshe Tsuchya e Geraldo Márco de Azevedo Botelho 3 de abrl de Introdução Comacdade é um dos concetos centras da toologa Na reta, um conjunto é comacto se é fechado e lmtado Desde a Análse na Reta sabemos que conjuntos comactos gozam de roredades mortantes or exemlo, sequêncas em conjuntos comactos têm subsequêncas convergentes e coberturas abertas de comactos admtem subcoberturas fntas) e que funções contínuas defndas em comactos gozam de roredades esecas or exemlo, são lmtadas e assumem máxmo e mínmo) Neste trabalho analsaremos o conceto de comacdade no âmbto de esaços métrcos Faremos uma ntrodução aos esaços métrcos com ênfase aos esaços l, que nos serão útes mas adante A segur ntroduzmos os concetos báscos, como convergênca, conjuntos abertos e fechados Então assamos a analsar o conceto de comacdade Prmero mostramos, usando os esaços l, que a condção de ser fechado e lmtado não serve ara defnr comactos Defnmos comacdade então através da condção de toda sequênca ter subsequênca convergente e no fnal rovamos que também vale a roredade de toda cobertura aberta admtr subcobertura fnta 2 Esaços Métrcos Defnção 21 Um esaço métrco é um ar X, d) onde X é um conjunto e d é uma métrca em X ou função dstânca em X), de modo que d é uma função defnda em X X que ara todo x, y, z X satsfaz M 1 ) d é um valor real, fnto e não negatvo, Alunas do PET-FAMAT Orentador

2 M 2 ) dx, y) = 0 se e somente se x = y, M 3 ) dx, y) = dy, x), M 4 ) dx, y) dx, z) + dz, y) desgualdade trangular) Para x e y fxos chamamos o número não-negatvo dx, y) de dstânca de x até y As roredades de M 1 ) atém 4 ) são os axomas da métrca Ao nvés de X, d) odemos aenas escrever X se não houver ergo de confusão Exemlo 22 A reta real R com a métrca dx, y) = x y Exemlo 23 Esaço l : Seja 1 um número real fxo Por defnção, cada elemento do esaço l é uma sequênca x = x j ) = x 1, x 2, ) de números tal que x 1 + x 2 + converge, assm e a métrca defnda or x j < 1, fxo) 1) dx, y) = x j y j ) 1 2) onde y = y j ) e y j < Provaremos a segur que l é um esaço métrco Para sso verfcaremos que dx, y) = ) 1 x j y j satsfaz os quatro axomas da métrca Se a sére x j y j convergr, então claramente temos M1) satsfeto, os d será então um número real, não negatvo e fnto Provaremos, mas adante, que sso acontece ) 1 Devemos ter que x j y j = 0 se e somente se x j y j = 0; e sso ocorre se e somente se x j = y j Portanto temos o axoma M2) satsfeto

3 É obvo que M3) também é satsfeto, os dx, y) = x j y j ) 1 = y j x j ) 1 = dy, x) Seguremos os seguntes assos ara rovar que dx, y) também satsfaz M 4): a) Uma nequação auxlar, b) A desgualdade de Hölder, c) a desgualdade de Mnkowsk, d) a desgualdade trângular Os detalhes são como se segue: a) Dado > 1, defnmos q de forma que q = 1 3) Usualmente chamamos e q de conjugados De 3) odemos obter então as seguntes equações, 1 = + q, q = + q, 1)q 1) = 1 4) q Assm, 1 1 = q 1, e dsso segue que se u = t 1, fazendo u) 1 1 = t 1 ) 1 1, então u 1 1 = t u = t -1 u = t -1 u u 0 t 0 t

4 Agora, sejam α e β números reas ostvos Observando que αβ é a área do retângulo da fgura acma, obtemos or ntegração a segunte desgualdade αβ α 0 t 1 dt + β 0 u q 1 du = α + βq q 5) b) Sejam x ) e ỹ ) tas que x = 1, ỹ = 1 6) Colocando α = x e β = ỹ, temos de 5) a desgualdade x ỹ 1 x + 1 q ỹ q Fazendo o somatóro sobre e usando 6) e 3) obtemos x ỹ 1 x + 1 ) q ỹ q x ỹ 1 x + 1 ỹ q q x ỹ q = 1 7) Tomando agora x = x j ) l e y = y j ) l q e defnndo temos x j = j j x j = k k x j x k ) 1 x j ) 1 x k, ỹ j = = k x j j x k = k y j y m q ) 1 q 1 x k x j = 1 k j 8)

5 Analogamente obtemos ỹ j q = 1 Assm, temos 6) odemos alcar 8) em 7) ara obter j 1 j x j ỹ j = j x j x j = j k x j x k ) 1 m y j y m q ) 1 q, e então obtemos a desgualdade de Hölder ) 1 ) 1 q x k y m q k m j x j y j 9) onde > 1 e q = 1 c) Provaremos agora a desgualdade de Mnkowsk x j + y j ) 1 onde x = x j ) l, y = y j ) l e 1 x k ) 1 + m=1 y m ) 1, 10) O caso = 1 segue medatamente da desgualdade trangular ara números Façamos então o caso > 1 Escrevemos x j + y j = z j ara smlfcar Observe que z j = x j + y j z j 1 A desgualdade trangular nos dá então z j x j + y j ) z j 1 Fazendo o somatóro de j até n fxo obtemos n z j n n x j z j 1 + y j z j 1 11)

6 Alcando a desgualdade de Hölder ara a rmera arcela à dreta obtemos n n x j z j 1 j xj ) 1 n m=1 zm 1) q ) 1 q Daí, de q = 1, obtemos 1) = q e então temos, n n x j z j 1 x k ) 1 n m=1 Analogamente ara a segunda arcela da soma obtemos n n y j z j 1 y k ) 1 n m=1 z m ) 1 q z m ) 1 q Assm n n z j ) 1 n x k + ) 1 n y k m=1 z m ) 1 q Dvdndo tudo or m z m ) 1 q e lembrando que 1 = 1 1 q obtemos, n z j n ) 1 z m q m=1 n n n z j 1 1 q n n z j 1 ) 1 n x k + ) 1 n x k + ) 1 n x k + y k ) 1 y k ) 1 y k ) 1

7 Fazendo n à dreta da desgualdade, as duas séres convergem orque x, y l Assm a sére à esquerda também converge e com sso, 10) está rovado d) De 10) segue que ara x e y em l, a sére x j y j ) 1 converge os x j y j ) 1 = = x j + y j ) ) 1 ) 1 x j + ) 1 x j + y j ) 1 y j ) 1 e sabemos que as duas últmas séres convergem Com sso rovamos que M1) é satsfeto Observe que 10) se torna também a desgualdade trangular, basta fazermos e alcando 10) obtemos x j y j ) 1 x j y j ) 1 E assm rovamos M4) = n x j z j ) + z j y j ) ) 1 ) 1 n ) 1 x j z j ) + z j y j 21 Sequêncas Defnção 24 Uma sequênca x n ) no esaço métrco X = X, d) é dta convergente se exste um x X tal que lm n dx n, x) = 0 O elemento x é chamado de lmte de x n ) e escreve-se

8 lm x n = x, n ou smlesmente x n x Se x n ) não é convergente, então ela é dta dvergente Assm se x n x, ara qualquer ε > 0, exste um N = Nε) tal que os termos x n com índce n > N estão na ε-vznhança Bx; ε) de x, ou seja, dx, x n ) < ε ara todo n > N Defnção 25 Um subconjunto M X é lmtado se o seu dâmetro é fnto δm) = su dx, y) x,y M Defnção 26 Uma sequênca x n ) em X é lmtada se o conjunto de seus ontos é um conjunto lmtado de X, ou seja, se su dx n, x m ) é fnto n,m Teorema 27 Uma sequênca convergente é lmtada e seu lmte é únco Demonstração Suonha que x n x Então tomando ε = 1, odemos encontrar um N tal que dx n, x) < 1 ara todo n > N Assm ara todo n temos onde a = máx{dx 1, x),, dx N, x)} Pela desgualdade trangular obtemos dx n, x) < 1 + a, dx m, x n ) dx m, x) + dx, x n ) 1 + a a = 2 + 2a, ara qualquer m, n Isso nos mostra que x n ) é lmtada

9 Para mostrar a uncdade, assumremos que x n x e x n z e então de M4) obtemos 0 dx, z) dx, x n ) + dx n, z) ara todo n = 0 lm dx, z) lm dx, x n ) + dx n, z)) = n n 0 lm dx, z) lm dx, x n ) + lm dx n, z) = n n n 0 dx, z) = 0 dx, z) 0 Dsso segue que dx, z) = 0 e de M2) concluímos que x = z Defnção 28 Uma sequênca x n ) em um esaço métrco X = X, d) é uma sequênca de Cauchy se ara todo ε > 0 exste um N = Nε) tal que dx n, x m ) < ε, ara n, m > n 0 12) Defnção 29 Um esaço métrco X é dto ser comleto se toda sequênca de Cauchy em X converge ara um elemento de X Assm a reta R e o esaço eucldano R n são esaços métrcos comletos Para um esaço métrco qualquer, a condção 12) já não é sufcente ara a convergênca, mas o róxmo teorema nos dz que ela é necessára ara a convergênca Teorema 210 Toda sequênca convergente em um esaço métrco é uma sequênca de Cauchy Demonstração Se x n x, ara todo ε > 0 exste um N = N ε) talque dx n, x) < ε 2 n > N Assm da desgualdade trangular obtemos ara todo m, n > N Portanto x n ) é de Cauchy dx m, x n ) dx m, x) + dx, x n ) < ε 2 + ε 2 = ε ara todo Então, se uma sequênca em um esaço métrco é de Cauchy não temos a garanta de sua convergênca, mas com certeza se uma sequênca não é de Cauchy, ela não converjrá

10 211 Conjuntos abertos, fechados e vznhanças Defnção 211 Bolas e esfera) Consderemos o conjunto X com a métrca d Tome x 0 X e r > 0 a) Defnmos a bola aberta de centro x 0 e rao r como o conjunto Bx 0, r) = {x X : dx, x 0 ) < r} b) A bola fechada de centro x 0 e rao r é o conjunto B[x 0, r] = {x X : dx, x 0 ) r} c) A esfera de centro x 0 e rao r é o conjunto Sx 0, r) = {x X : dx, x 0 ) = r} Note que Sx 0, r) = B[x 0, r] Bx 0, r) Defnção 212 Um onto x é um onto nteror de um conjunto X se exste r > 0 tal que Bx, r) X Defnção 213 Um subconjunto X de um esaço métrco M é dto ser aberto se todos os seus ontos são ontos nterores Defnção 214 Um subconjunto X de um esaço métrco M é dto ser fechado se X c = M X é aberto Defnção 215 Seja M esaço métrco e x 0 M Uma vznhança de x 0 é um conjunto V tal que exste um ε > 0 tal que Bx 0, ε) V Proosção 216 Seja M, d) esaço métrco e chame τ = {A M : A é aberto} Então 1-, M τ 2- Se A x ) x λ é tal que A x τ ara todo x λ, tem-se x λ A x τ 3- Se A 1,, A n τ então A 1 A n τ Demonstração 1) é aberto os se ele não fosse aberto, ele tera um onto que não é nteror, mas como ele não ossu onto algum segue que ele é aberto Temos que M é aberto, os dado x M, tome ε > 0 qualquer e daí temos Bx, ε) = {y M : dy, x) < ε} M

11 2) Seja a x λ A x Então exste x 0 tal que a A x0 Como A x0 é aberto, exste ε > 0 tal que Ba, ε) A x0 Segue então que Ba, ε) x λ A x Segue que a é onto nteror, e ortanto x λ A x é aberto que 3) Se n A =, então elo tem 1) temos que =1 n A Tome a =1 n A é aberto Podemos então suor =1 n A Então a A ara todo = 1,, n Como A é aberto, =1 exste r > 0 tal que Ba, r ) A ara todo = 1,, n Tome r = mn{r 1, r 2,, r n } > 0 n Mostremos que Ba, r) A : =1 Temos que r r, ara todo = 1,, n, ortanto Ba, r) Ba, r ) A ara todo n n = 1,, n Daí Ba, r) A Logo a é onto nteror, e ortanto A é aberto =1 Defnção 217 Dzemos que x 0 X é onto de acumulação de M X se ara qualquer ε > 0, Bx 0, ε)\{x 0 }) M é um conjunto nfnto, sto é, toda bola de centro x 0 deve conter nfntos ontos de M dstntos de x 0 Se x 0 X e x 0 não é um onto de acumulação de X, então x 0 é um onto solado de X Defnção 218 Seja X esaço métrco e M X Um onto x 0 M é dto onto aderente ao conjunto M se ara qualquer ε > 0 vale Bx 0, ε) M O conjunto formado elos ontos de M e elos ontos de acumulação de M chama-se fecho de M, e é denotado or M =1 3 Comacdade De acordo com o que acontece em R e em R n, o natural sera defnr conjunto comacto em um esaço métrco como sendo um conjunto fechado e lmtado Para essa defnção ser adequada, devera ser verdade que os conjuntos fechados e lmtados em esaços métrcos gozassem das roredades que os fechados e lmtados de R e R n gozam Por exemlo, sequêncas em conjuntos fechados e lmtados deveram ter subsequêncas convergentes dentro do conjunto Vejamos que sso não é verdade em geral:

12 Exemlo 31 Para 1, consdere o esaço métrco { } l = x n ) n=1 : x n < n=1 com a norma x n ) = n=1 x n ) 1 Consdere os seguntes vetores de l : e 1 = 1, 0, 0, ), e 2 = 0, 1, 0, ), e 3 = 0, 0, 1, 0, ), e n = 0, 0, 0,, 0, 1, 0, 0, ) onde a n-ésma coordenada é gual a 1 e todas as outras são guas a 0, Construmos então uma sequênca e n ) n=1 nteramente contda em l É claro que e n = 1 ara todo n, ortanto a sequênca e n ) n=1 está contda no conjunto fechado e lmtado B[0, 1] Para todos n, m N, n m, é verdade que e n e m = 0, 0, 0,, 0, 1, 0, 0,, 0, 1, 0, ) = 1 + 1) ) 1 = 2 1 Então ara 0 < ε < 2 1 não teremos nunca en e m < ε É claro que o mesmo racocíno funcona ara qualquer subsequênca e nj ) de e n ), ortanto toda subsequênca de e n ) não é de Cauchy Segue então que qualquer subsequênca de e n ) não é convergente Portanto o conjunto fechado e lmtado B[0, 1] contém um sequênca e n ) que não tem subsequênca convergente Está claro então que fechado e lmtado não é uma boa defnção de comacto em esaços métrcos Defnmos comacdade então através da roredade que queremos que seja válda: Defnção 32 Um conjunto X M é dto ser comacto em M quando toda sequênca em X ossur subsequênca que converge ara um onto de X O Exemlo acma mostra que nem todo fechado e lmtado é comacto Vejamos que a recíroca é verdadera:

13 Lema 33 Todo conjunto comacto em um esaço métrco é fechado e lmtado Demonstração Seja X M um comacto em um esaço métrco Mostremos que X = X Como vale semre que X X, basta mostrar que X X Seja x X Temos então que exste x n ) X tal que x n x Como X é comacto, exste uma subsequênca x nj ) tal que x nj y X Como x n x, então x nj x Pela uncdade do lmte temos que x = y Logo x X Mostremos que X é lmtado Suonha que X não é lmtado Daí exstra uma sequênca y n ) tal que dy n, b) > n ara todo n, onde b M é um elemento fxado Essa sequênca não ossu subsequênca convergente vsto que toda subsequênca convergente deve ser lmtada Mas sso contradz o fato de X se comacto Logo X é lmtado Defnção 34 Sejam M um esaço métrco e X M Uma coleção de subconjuntos de M se chama uma cobertura de X se X está contdo na unão dos conjuntos da coleção Se cada conjunto de uma cobertura de X é aberto, então a cobertura é chamada de cobertura aberta de X Se a unão dos conjuntos sm uma subcoleção da cobertura anda contém X, essa subcoleção é chamada de subcobertura de X Teorema 35 Sejam M um esaço métrco e E M Então E é comacto se e somente se toda cobertura aberta de E admte subcobertura fnta Demonstração Seja {U α } uma cobertura aberta arbtrára de E Mostremos que {U α } contém uma subcobertura fnta Prmeramente suonhamos que ara cada ntero ostvo n odemos encontrar um y n E tal que By n, 1 n ) = {x E : dy n, x) < 1 n } não esteja contda em nenhum U α E Como E é comacto, y n ) tem uma subsequênca convergente z n ) tal que z n z Note que z U α0 ara algum U α0 Escolhendo ε > 0 tal que B z, ε) U α0 e n sufcentemente grande de modo que dz n, z) < ε 2 ara n > N e 1 N < ε 2, teremos então B z, 1 N ) Uα0, o que é uma contradção Assm, exste r > 0 tal que ara todo y E, By, r) U α ara algum α Segundo, suonha que exste ε > 0 tal que E não ode ser coberto or um número fnto de bolas de rao ε Construremos uma sequênca y n ) ndutvamente da segunte forma; seja y 1 um elemento qualquer de E, escolheremos y 2 E By 1, ε), y 3 E By 1, ε) By 2, ε)) e assm or dante

14 Então dy n, y m ) > ε ara todos n e m Assm y n ) não não tem subsequênca convergente, mas sso contradz o fato de E ser comacto Então ara cada ε > 0, nós odemos cobrr E com um número fnto de bolas de rao ε Fnalmente, seja r > 0 como acma Sabemos que odemos cobrr E com um número fnto de bolas de rao r Sejam x 1,, x n seus centros, então cada Bx k, r) está contda em U αk ara algum U αk A coleção U α1,, U αn é então a subcobertura fnta de {U α } rocurada Recrocamente, suonha que toda cobertura aberta de E admta subcobertura fnta Suonha agora que exsta uma sequênca x n ) em E que não admta subsequênca convergente Então o conjunto {x 1, x n, } é nfnto, os caso contráro x n ) admtra uma subsequênca constante, ortanto convergente Logo exstem nfntos x ns dstntos, os quas chamaremos de {y n } n=1 Para cada k, tome U k um conjunto aberto contendo y k mas não contendo nenhum outro y n Vsto que o conjunto {y n } n=1, não tem onto de acumulação, ele é fechado De fato, um conjunto dexara de ser fechado se ossusse um onto de acumulação que não ertencente a ele mesmo; como {y n } n=1 não ossu onto de acumulação, não ode dexar de ser fechado Assm concluímos que M {y n } n=1 é aberto Então {U k } k M {y n } n=1) forma uma cobertura aberta de E Segue então da hótese que essa cobertura aberta ossu uma subcobertura fnta, dgamos U 1,, U N, M {y n } n=1 Então U 1,, U N é uma cobertura fnta do conjunto {y n } n=1 Mas sso contradz a construção dos conjuntos U k s Logo toda sequênca em E admte subsequênca convergente, e ortanto E é comacto Conclusão Aós nos convencermos de que a condção de ser fechado e lmtado não é adequada ara a defnção de comacdade em esaços métrcos, defnmos conjuntos comactos como aqueles em que toda sequênca tem subsequênca convergente O teorema acma comrova que essa é a defnção adequada, os é equvalente à roredade que se deseja de conjuntos comactos, a saber, a condção de que coberturas abertas admtam subcoberturas fntas Referênca Bblográfcas [1] KREYSZIG, E, Introductory Functonal Analyss Wth Alcatons, John Wley e Sons, 1987,

15 [2] LIMA, E L, Esaços Métrcos, 3 rd ed, IMPA, Ro de Janero, 1993, [3] SAXE, K, Begnnng Functonal Analyss, Srnger, 2002

Topologia, geometria e curvas no plano

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

Leia mais

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

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

Aula 3 - Classificação de sinais

Aula 3 - Classificação de sinais Processamento Dgtal de Snas Aula 3 Professor Marco Esencraft feverero 0 Aula 3 - Classfcação de snas Bblografa OPPENHEIM, AV; WILLSKY, A S Snas e Sstemas, a edção, Pearson, 00 ISBN 9788576055044 Págnas

Leia mais

Proposta de resolução do Exame Nacional de Matemática A 2017 (2 ạ fase) GRUPO I (Versão 1) Assim, 2! 3! 4 = 48 é a resposta pedida.

Proposta de resolução do Exame Nacional de Matemática A 2017 (2 ạ fase) GRUPO I (Versão 1) Assim, 2! 3! 4 = 48 é a resposta pedida. Proosta de resolução do Eame Naconal de Matemátca A 7 ( ạ fase) GRUPO I (Versão ) P P I I I. 3 3! 3! = 6 = 8 Estem quatro maneras dstntas de os algarsmos ares estarem um a segur ao outro (PPIII ou IPPII

Leia mais

MAP Cálculo Numérico e Aplicações

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

Leia mais

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

Cap. 6 - Energia Potencial e Conservação da Energia Mecânica

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

Leia mais

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

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

Leia mais

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

INICIAÇÃO AO ESTUDO DAS EQUAÇÕES DIFERENCIAIS PARCIAIS

INICIAÇÃO AO ESTUDO DAS EQUAÇÕES DIFERENCIAIS PARCIAIS UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA - JOÃO PESSOA CENTRO DE FORMAÇÃO DE PROFESSORES - CAJAZEIRAS Relatóro Fnal INICIAÇÃO AO ESTUDO DAS EQUAÇÕES DIFERENCIAIS PARCIAIS

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

XXVII Olimpíada Brasileira de Matemática GABARITO Primeira Fase

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

Leia mais

MECÂNICA CLÁSSICA. AULA N o 9. Colchetes de Poisson Simetrias Espaço de Fases Transformações Canônicas (Hamiltoniano)

MECÂNICA CLÁSSICA. AULA N o 9. Colchetes de Poisson Simetrias Espaço de Fases Transformações Canônicas (Hamiltoniano) 1 MECÂNICA CLÁSSICA AULA N o 9 Colchetes de Posson Smetras Esaço de Fases Transformações Canôncas (amltonano) O Esaço de Fases tem uma estrutura assocada a s. Esaços ossuem estruturas, que se referem aos

Leia mais

Análise soft e análise hard

Análise soft e análise hard Análse soft e análse hard Fernando Ferrera http://www.cul.ul.pt/ ferferr/ Fronteras da Matemátca 17-18 de Abrl de 2010 O blogue de Terence Tao http://terrytao.wordpress.com Soft analyss, hard analyss,

Leia mais

2 Esquemas conceituais em lógica de descrição

2 Esquemas conceituais em lógica de descrição 2 Esquemas concetuas em lógca de descrção Lógca de descrção (Descrton Logc LD) [4] é o nome dado ara uma famíla de formalsmos de reresentação de conhecmento. Para modelar um domíno de alcação em LD, rmeramente

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

22/8/2010 COMPLEXIDADE DE ALGORITMOS CES para os numeradores e 1 para o denominador. Noções de complexidade de algoritmos

22/8/2010 COMPLEXIDADE DE ALGORITMOS CES para os numeradores e 1 para o denominador. Noções de complexidade de algoritmos Razão de crescmento desse temo Imortânca de análse de algortmos Um mesmo roblema ode, em mutos casos, ser resolvdo or város algortmos. Nesse caso, qual algortmo deve ser o escolhdo? Crtéro 1: fácl comreensão,

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

Cristina Caldeira 97. Tem-se assim uma decomposição da região Q em mkq paralelipípedos rectangulares

Cristina Caldeira 97. Tem-se assim uma decomposição da região Q em mkq paralelipípedos rectangulares Crstna Caldera 97 (c) T {(x, y) R : y a x } (a R + ) e ρ(x, y) é a dstânca de (x, y) ao ponto (, ); (d) T [, 3] [, ] e ρ(x, y) xy..4 Integral trplo.4.1 efnção e propredades Seja Q um paralelpípedo rectangular

Leia mais

1 Limites e Conjuntos Abertos

1 Limites e Conjuntos Abertos 1 Limites e Conjuntos Abertos 1.1 Sequências de números reais Definição. Uma sequência de números reais é uma associação de um número real a cada número natural. Exemplos: 1. {1,2,3,4,...} 2. {1,1/2,1/3,1/4,...}

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

Axiomatizações equivalentes do conceito de topologia

Axiomatizações equivalentes do conceito de topologia Axiomatizações equivalentes do conceito de topologia Giselle Moraes Resende Pereira Universidade Federal de Uberlândia - Faculdade de Matemática Graduanda em Matemática - Programa de Educação Tutorial

Leia mais

Proposta de resolução do Exame Nacional de Matemática A 2016 (2 ạ fase) GRUPO I (Versão 1) Logo, P(A B) = = = Opção (A)

Proposta de resolução do Exame Nacional de Matemática A 2016 (2 ạ fase) GRUPO I (Versão 1) Logo, P(A B) = = = Opção (A) Proosta de resolução do Eame Naconal de Matemátca A 0 ( ạ fase) GRUPO I (Versão ). P( A B) 0, P(A B) 0, P(A B) 0, P(A B) 0,4 P(A) + P(B) P(A B) 0,4 Como P(A) 0, e P(B) 0,, vem que: 0, + 0, P(A B) 0,4 P(A

Leia mais

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

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

Leia mais

58 Textos de Apoio de Análise Matemática IV 2003/2004. Tem-se assim uma decomposição da região rectangular R em mk rectângulos

58 Textos de Apoio de Análise Matemática IV 2003/2004. Tem-se assim uma decomposição da região rectangular R em mk rectângulos 58 Textos de Apoo de Análse Matemátca IV 3/4.3 Integral duplo.3.1 efnção Seja um rectângulo fechado de, sto é, [a, b] [c, d] {(x, y) : a x b e c y d}, com a < b e c < d. Consdere-se uma partção do ntervalo

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

Redes de Petri. Definições:

Redes de Petri. Definições: 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

Leia mais

FAMAT em Revista

FAMAT em Revista FAMAT em Revista www.famat.ufu.br Revista Científica Eletrônica da Faculdade de Matemática - FAMAT Universidade Federal de Uberlândia - UFU - MG f Número 2 - Abril de 2009 e-mail: revista@famat.ufu.br

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

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

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

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

Leia mais

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

Exercícios de topologia geral, espaços métricos e espaços vetoriais

Exercícios de topologia geral, espaços métricos e espaços vetoriais Exercícios de topologia geral, espaços métricos e espaços vetoriais 9 de Dezembro de 2009 Resumo O material nestas notas serve como revisão e treino para o curso. Estudantes que nunca tenham estudado estes

Leia mais

Matemática. Resolução das atividades complementares. M22 Números Complexos. 1 Resolva as equações no campo dos números complexos.

Matemática. Resolução das atividades complementares. M22 Números Complexos. 1 Resolva as equações no campo dos números complexos. Resolução das atvdades comlementares Matemátca M Números Comleos. Resolva as equações no camo dos números comleos. a 0 {, } b 8 0 a 0 D?? D 8 D Cálculo das raíes? S {, } b 8 0 D?? 8 Cálculo das raíes D

Leia mais

O teorema do ponto fixo de Banach e algumas aplicações

O teorema do ponto fixo de Banach e algumas aplicações O teorema do ponto fixo de Banach e algumas aplicações Andressa Fernanda Ost 1, André Vicente 2 1 Acadêmica do Curso de Matemática - Centro de Ciências Exatas e Tecnológicas - Universidade Estadual do

Leia mais

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

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

Leia mais

Dinâmica do Movimento de Rotação

Dinâmica do Movimento de Rotação Dnâmca do Movmento de Rotação - ntrodução Neste Capítulo vamos defnr uma nova grandeza físca, o torque, que descreve a ação gratóra ou o efeto de rotação de uma força. Verfcaremos que o torque efetvo que

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

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS

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

Leia mais

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

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

Leia mais

NOTAS DE AULA DA DISCIPLINA CE DENSIDADE NORMAL MULTIVARIADA E SUAS PROPRIEDADES

NOTAS DE AULA DA DISCIPLINA CE DENSIDADE NORMAL MULTIVARIADA E SUAS PROPRIEDADES NOTAS DE AULA DA DISCIPLINA CE76 3 DISTRIBUIÇÃO NORMAL MULTIVARIADA 3 DENSIDADE NORMAL MULTIVARIADA E SUAS PROPRIEDADES A densdade normal multvarada é uma generalação da densdade normal unvarada ara dmensões

Leia mais

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

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

Leia mais

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

M mn (R) : conjunto das matrizes reais m n AnB = fx; x 2 A e x =2 Bg det A : determinante da matriz A

M mn (R) : conjunto das matrizes reais m n AnB = fx; x 2 A e x =2 Bg det A : determinante da matriz A NOTAÇÕES N = f1; ; ; g C conjunto dos números comlexos R conjunto dos números reas undade magnára = 1 [a; b] = fx R; a x bg jzj módulo do número z C [a; b[ = fx R; a x < bg z conjugado do número z C ]a;

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

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

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

Universidade Salvador UNIFACS Cursos de Engenharia Cálculo IV Profa: Ilka Rebouças Freire. Integrais Múltiplas

Universidade Salvador UNIFACS Cursos de Engenharia Cálculo IV Profa: Ilka Rebouças Freire. Integrais Múltiplas Unversdade Salvador UNIFACS Cursos de Engenhara Cálculo IV Profa: Ilka ebouças Frere Integras Múltplas Texto 3: A Integral Dupla em Coordenadas Polares Coordenadas Polares Introduzremos agora um novo sstema

Leia mais

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

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

Leia mais

0.5 setgray0 0.5 setgray1. Mecânica dos Fluidos Computacional. Aula 7. Leandro Franco de Souza. Leandro Franco de Souza p.

0.5 setgray0 0.5 setgray1. Mecânica dos Fluidos Computacional. Aula 7. Leandro Franco de Souza. Leandro Franco de Souza p. Leandro Franco de Souza lefraso@cmc.usp.br p. 1/1 0.5 setgray0 0.5 setgray1 Mecânca dos Fludos Computaconal Aula 7 Leandro Franco de Souza Leandro Franco de Souza lefraso@cmc.usp.br p. 2/1 Equações Dferencas

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

Métodos Probabilísticos e Algébricos em Combinatória

Métodos Probabilísticos e Algébricos em Combinatória Métodos Probablístcos e Algébrcos em Combnatóra Domngos Dellamonca Jr. Orentador: Yoshharu Kohayakawa 1 de junho de 2004 Resumo Este é um projeto de ncação centífca cuja fnaldade é estudar métodos probablístcos

Leia mais

PROBLEMAS SOBRE PONTOS Davi Máximo (UFC) e Samuel Feitosa (UFC)

PROBLEMAS SOBRE PONTOS Davi Máximo (UFC) e Samuel Feitosa (UFC) PROBLEMS SOBRE PONTOS Dav Máxmo (UFC) e Samuel Fetosa (UFC) Nível vançado Dstrbur pontos num plano ou num espaço é uma tarefa que pode ser realzada de forma muto arbtrára Por sso, problemas sobre pontos

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

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

Leia mais

Um espaço métrico incompleto 1

Um espaço métrico incompleto 1 Universidade Estadual de Maringá - Departamento de Matemática Cálculo Diferencial e Integral: um KIT de Sobrevivência anos c Publicação Eletrônica do KIT http://www.dma.uem.br/kit Um espaço métrico incompleto

Leia mais

PROVA DE MATEMÁTICA DA UFMG VESTIBULAR 2011 2 a Fase. RESOLUÇÃO: Profa. Maria Antônia Gouveia.

PROVA DE MATEMÁTICA DA UFMG VESTIBULAR 2011 2 a Fase. RESOLUÇÃO: Profa. Maria Antônia Gouveia. PROVA DE MATEMÁTICA DA UFMG VESTIBULAR 0 a Fase Profa Mara Antôna Gouvea PROVA A QUESTÃO 0 Consdere as retas r, s e t de equações, resectvamente, y x, y x e x 7 y TRACE, no lano cartesano abaxo, os gráfcos

Leia mais

4 Sistemas de partículas

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

Leia mais

Introdução a Combinatória- Aplicações, parte II

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

Leia mais

Física B Semi-Extensivo V. 1

Física B Semi-Extensivo V. 1 Sem-Extensvo V. Exercícos 0) 45 0) D 03) rmára (orque roduz a luz que emte) exe (um conjunto de raos de luz) dvergente (orque os raos dvergem entre s) 04) a) V b) F c) F 05) a) onte secundára b) onte rmára

Leia mais

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

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

Leia mais

4 Autovetores e autovalores de um operador hermiteano

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

Leia mais

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

matematicaconcursos.blogspot.com

matematicaconcursos.blogspot.com Professor: Rômulo Garcia Email: machadogarcia@gmail.com Conteúdo Programático: Teoria dos Números Exercícios e alguns conceitos imortantes Números Perfeitos Um inteiro ositivo n diz-se erfeito se e somente

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

Então (τ x, ) é um conjunto dirigido e se tomarmos x U U, para cada U vizinhança de x, então (x U ) U I é uma rede em X.

Então (τ x, ) é um conjunto dirigido e se tomarmos x U U, para cada U vizinhança de x, então (x U ) U I é uma rede em X. 1. Redes Quando trabalhamos no R n, podemos testar várias propriedades de um conjunto A usando seqüências. Por exemplo: se A = A, se A é compacto, ou se a função f : R n R m é contínua. Mas, em espaços

Leia mais

Implementação Bayesiana

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

Leia mais

Cálculo Numérico BCC760 Interpolação Polinomial

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

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

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

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

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

Leia mais

Teoria dos Jogos. Prof. Maurício Bugarin Eco/UnB 2014-I. Aula 3 Teoria dos Jogos Maurício Bugarin. Roteiro. Horário da disciplina: 14h15 a 15h45

Teoria dos Jogos. Prof. Maurício Bugarin Eco/UnB 2014-I. Aula 3 Teoria dos Jogos Maurício Bugarin. Roteiro. Horário da disciplina: 14h15 a 15h45 Teora dos Jogos Prof. Mauríco Bugarn Eco/UnB 04-I Rotero Horáro da dscplna: 4h5 a 5h45 Introdução: Por que pensar estrategcamente? Exemplos de stuações nas quas pensar estrategcamente faz sentdo Concetos

Leia mais

Atividade em Soluções Eletrolíticas

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

Leia mais

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

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

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

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

Leia mais

2003/2004. então o momento total das forças exercidas sobre o sistema é dado por. F ij = r i F (e)

2003/2004. então o momento total das forças exercidas sobre o sistema é dado por. F ij = r i F (e) Resolução da Frequênca de Mecânca Clássca I/Mecânca Clássca 2003/2004 I Consdere um sstema de N partículas de massas m, =,..., N. a Demonstre que, se a força nterna exercda sobre a partícula pela partícula

Leia mais

8 Soluções Não Ideais

8 Soluções Não Ideais 8 Soluções Não Ideas 8.1 Convenções para o coefcente de atvdade na escala de frações molares Para a solução deal temos ln x onde é função apenas da pressão e temperatura. Fo anterormente mostrado que todas

Leia mais

Corpos livres em anéis com divisão. Érica Zancanella. Tese apresentada ao Instituto de Matemática e Estatística da Universidade de São Paulo para

Corpos livres em anéis com divisão. Érica Zancanella. Tese apresentada ao Instituto de Matemática e Estatística da Universidade de São Paulo para Corpos lvres em anés com dvsão Érca Zancanella Tese apresentada ao Insttuto de Matemátca e Estatístca da Unversdade de São Paulo para obtenção do título de Doutor em Cêncas Área de Concentração: Matemátca

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

x B A x X B B A τ x B 3 B 1 B 2

x B A x X B B A τ x B 3 B 1 B 2 1. Definição e exemplos. Bases. Dar uma topologia num conjunto X é especificar quais dos subconjuntos de X são abertos: Definição 1.1. Um espaço topológico é um par (X, τ) em que τ é uma colecção de subconjuntos

Leia mais

Prof. Lorí Viali, Dr.

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

Leia mais

AULA Espaços Vectoriais Estruturas Algébricas.

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

Leia mais

LENTES ESFÉRICAS I) TIPOS DE LENTES III) COMPORTAMENTO ÓPTICO. Lentes de bordos delgados: Lentes de bordos espessos:

LENTES ESFÉRICAS I) TIPOS DE LENTES III) COMPORTAMENTO ÓPTICO. Lentes de bordos delgados: Lentes de bordos espessos: LENTES ESFÉRICAS I) TIPOS DE LENTES III) COMPORTAMENTO ÓPTICO Lentes de bordos delgados: Lentes de bordos esessos: Sendo n = índce de reração do meo e n = índce de reração da lente Lentes Convergentes:

Leia mais

Capítulo 9 Rotação de corpos rígidos

Capítulo 9 Rotação de corpos rígidos Capítulo 9 Rotação de corpos rígdos Defnção de corpo rígdo (CR): um sstema de partículas especal, cuja estrutura é rígda, sto é, cuja forma não muda, para o qual duas partes sempre estão gualmente dstantes

Leia mais

Análise de Projectos ESAPL / IPVC. Taxas Equivalentes Rendas

Análise de Projectos ESAPL / IPVC. Taxas Equivalentes Rendas Análse de Projectos ESAPL / IPVC Taxas Equvalentes Rendas Taxas Equvalentes Duas taxas e, referentes a períodos dferentes, dzem-se equvalentes se, aplcadas a um mesmo captal, produzrem durante o mesmo

Leia mais

FUNDAMENTOS DE ROBÓTICA. Modelo Cinemático de Robôs Manipuladores

FUNDAMENTOS DE ROBÓTICA. Modelo Cinemático de Robôs Manipuladores FUNDMENTOS DE ROBÓTIC Modelo Cnemátco de Robôs Manpuladores Modelo Cnemátco de Robôs Manpuladores Introdução Modelo Cnemátco Dreto Modelo Cnemátco de um Robô de GDL Representação de Denavt-Hartenberg Exemplos

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

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro

Leia mais

Notas de Aulas 3(Segunda Avaliação)-Produto Interno II Prof. Carlos Alberto S Soares

Notas de Aulas 3(Segunda Avaliação)-Produto Interno II Prof. Carlos Alberto S Soares Notas de Aulas 3(Segunda Avaliação)-Produto Interno II Prof. Carlos Alberto S Soares Neste capítulo, estaremos generalizando a noção de projeção ortogonal já desenvolvida em cursos anteriores. Definição

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

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

COMPARAÇÃO ENTRE ALGUMAS FERRAMENTAS DE ANÁLISE REAL DE UMA VARIÁVEL COM SEUS ANÁLOGOS EM ESPAÇOS MÉTRICOS E O TEOREMA DO PONTO FIXO.

COMPARAÇÃO ENTRE ALGUMAS FERRAMENTAS DE ANÁLISE REAL DE UMA VARIÁVEL COM SEUS ANÁLOGOS EM ESPAÇOS MÉTRICOS E O TEOREMA DO PONTO FIXO. COMPARAÇÃO ENTRE ALGUMAS FERRAMENTAS DE ANÁLISE REAL DE UMA VARIÁVEL COM SEUS ANÁLOGOS EM ESPAÇOS MÉTRICOS E O TEOREMA DO PONTO FIXO. Maicon Luiz Collovini Salatti - luizcollovini@gmail.com Universidade

Leia mais

Física do Calor Licenciatura: 14ª Aula (02/10/2015)

Física do Calor Licenciatura: 14ª Aula (02/10/2015) Físca do Calor Lcencatura: 4ª ula (2//25) Pro. lvaro annucc mos, na últma aula: Conceto de Entropa (S): exprme a tendênca de todos os sstemas íscos de evoluírem espontaneamente para uma stuação de maor

Leia mais

Capítulo 24: Potencial Elétrico

Capítulo 24: Potencial Elétrico Capítulo 24: Potencal Energa Potencal Elétrca Potencal Superfíces Equpotencas Cálculo do Potencal a Partr do Campo Potencal Produzdo por uma Carga Pontual Potencal Produzdo por um Grupo de Cargas Pontuas

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

MAT Cálculo Avançado - Notas de Aula

MAT Cálculo Avançado - Notas de Aula bola fechada de centro a e raio r: B r [a] = {p X d(p, a) r} MAT5711 - Cálculo Avançado - Notas de Aula 2 de março de 2010 1 ESPAÇOS MÉTRICOS Definição 11 Um espaço métrico é um par (X, d), onde X é um

Leia mais

S f S k = S ( U k, V 0, ) N 0 + S. onde U k e U k

S f S k = S ( U k, V 0, ) N 0 + S. onde U k e U k que o sstema atnge, como resultado da lberação de um do seus vínculo, será um estado onde o sstema terá N 1 vínculos e além dsso aquele será o estado com maor entropa, de todos os possíves (veja a rgura

Leia mais

Espaços Uniformemente Convexos e Desigualdades

Espaços Uniformemente Convexos e Desigualdades Universidade Federal do Rio Grande do Sul Instituto de Matemática Programa de Pós-Graduação em Matemática Esaços Uniformemente Convexos e Desigualdades or ROSANE MARIA FYDRYZEWSKI Porto Alegre, 07 de março

Leia mais