CAP. 5. TÉCNICAS DE ORDENAÇÃO
|
|
- Rosa Covalski
- 5 Há anos
- Visualizações:
Transcrição
1 C.. ÉCC D DÇÃ UU D DD C- rof. aulo ndré Castro auloac@ta.br ala rédo da Comutação C -.. ntrodução.. étodos smles de ordenação.. método hell-ort.. método Quck-ort. DUÇÃ rdenação é uma atvdade mortantíssma em rocessamento automátco de nformações. Que tal rocurar Um nome numa lsta telefônca Um nome numa lsta de contas bancáras Uma alavra em um dconáro lngüístco rocesso de ordenação se alca a um conjunto de objetos em que se ossa verfcar entre eles a relação (menor ou gual), ou (maor ou gual). s conjuntos mas comuns são vetores de úmeros omes ou cadeas de caracteres em geral se as relações não estverem em ordem alfabétca? etores de estruturas também odem ser ordenados xemlo: relação com dversas nformações sobre os funconáros de uma emresa: ste vetor ode ser ordenado or qualquer camo dessas estruturas: rdem alfabétca dos nomes ou dos setores rdem crescente ou decrescente de saláros ou de dade camo de um vetor de estruturas usado ara ordená-lo é denomnado chave da ordenação.
2 xstem város algortmos ara fazer ordenação de vetores: temo de comaração deende da chave usada: lguns mas smles, orém nefcentes utros mas efcentes, orém mas comlexos lguns crtéros ara julgar a efcênca dos algortmos de ordenação: úmero de comarações de chaves úmero de movmentações de elementos ara números, basta um dos oeradores ou ; ara cadeas de caracteres, usa-se funções ara comará-las; exemlo: strcm da lnguagem C Há casos de chaves múltlas, como a ordenação or dade, sendo dada a data de nascmento: Comara-se rmeramente o ano, deos o mês e fnalmente o da estes casos, a comaração é mas comlexa e ode ser convenente um subrograma esecífco temo de movmentação deende do to e tamanho dos elementos do vetor a ser ordenado: o caso de grandes estruturas, usa-se um vetor de onteros, cada um ara uma estrutura do vetor ara números, a movmentação é equena ont ome Data de ascmento etor aláro Da ês no ara grandes estruturas, há grande movmentação de dados lberto lmox ntono dmn edro Fabrc ugusto Dret Claudo Ferr. arcos ece lton roj cente Contr ara a ordenação basta alterar os aontamentos, evtando-se a movmentação dessas estruturas o restante deste caítulo, ara maor smlcdade, os algortmos rão atuar sobre vetores de nteros. segunte declaração será usada or esses algortmos: ont ome Data de ascmento etor aláro Da ês no lberto lmox ntono dmn edro Fabrc ugusto Dret Claudo Ferram. arcos ece lton roj cente Contr tyedef nt vetor [nmax] (nmax é o número máxmo de elementos dos vetores) ara vetores de outros tos, basta alterar as comarações e os movmentos de elementos. ão aresentados a segur três métodos smles de ordenação e, deos, quatro outros mas efcentes.
3 .. Bubble-ort. ÉD D DÇÃ as métodos são consderados lentos (n ) no or caso e no caso médo) método consste em: ercorrer o vetor váras vezes ão usados ara ordenar vetores equenos ão aresentados aqu três desses métodos: Bubble-ort nserton-ort electon-ort Durante cada ercurso, efetuar troca de osção de elementos adjacentes, caso o elemento da esquerda seja maor que o da dreta e, durante um dos ercursos, não houver trocas, consdera-se que o vetor está ordenado m cada ercurso, um elemento atnge sua osção defntva xemlo: seja o vetor abaxo e o método em seu níco (cursor ara ercorrer o vetor váras vezes) (lmtante de a cada ercurso) (semáforo que acende quando há troca)
4
5 em sua osção defntva acesa: começar novo ercurso retroceder
6 acesa: ncar novo ercurso
7 acesa: novo ercurso
8
9 aagada: vetor ordenado função Bubbleort: vod Bubbleort (nt n, vetor ) { nt, ; logc ; for ( = n-, = U; >= && ; --) for ( = F, = ; <= ; ++) f ([] > [+]) { (&[], &[+]); = U; vod (nt *x, nt *y) { nt tem; cada vez que a condção do f se verfcar, haverá movmentação de elementos tem = *x; *x = *y; *y = tem;.. nserton-ort método consdera o vetor semre dvddo em duas artes: a arte ordenada, do lado esquerdo, e a arte desordenada, do lado dreto. ncalmente, a arte ordenada contém aenas []; deos, cada elemento da arte desordenada é nserdo na arte ordenada, mantendo a ordenação xemlo: seja o vetor abaxo e o método no níco da nserção de um elemento genérco (cursor ara ercorrer a arte ordenada) j (cursor ara o elemento a ser nserdo) cada elemento a ser nserdo, ercorre-se a arte ordenada até encontrar a osção correta ara nserção. arte ordenada arte desordenada = [] < [j]: [j+] recebe [j]; retroceder j < [j]: [j+] recebe [j]; retroceder j j j arte ordenada arte desordenada arte ordenada arte desordenada = [] = []
10 < [j]: [j+] recebe [j]; retroceder j >= [j]: [j+] recebe ; avançar a arte ordenada j j arte ordenada arte desordenada arte ordenada arte desordenada = [] = [] função nsertonort: arte ordenada = [] arte desordenada mesmo se reete até que tudo fque ordenado vod nsertonort (nt n, vetor ) { nt, j, ; nt achou; for ( = ; < n; ++) { = []; achou = F; j = -; whle (j >= &&!achou) f ( < [j]) { [j+] = [j]; j--; else achou = U; f (j+!= ) [j+] = ; cada vez que a condção do f se verfcar, haverá movmentação de elemento ntes e deos do whle mas uma.. electon-ort xemlo: seja o vetor abaxo e o método em seu níco método consste em ercorrer o vetor váras vezes Durante cada ercurso, selecona o menor elemento, colocando-o em sua osção defntva. (cursor na osção de colocação do menor elemento do ercurso) j (cursor ara ercorrer o vetor váras vezes, ara encontrar o menor elemento do ercurso) ndmn (destnado a guardar o índce do menor elemento de um ercurso)
11 ós o º ercurso: ndmn : trocar [] com [ndmn] ós o º ercurso: ndmn : trocar [] com [ndmn] ndmn vançar ndmn vançar ós o º ercurso: ndmn : trocar [] com [ndmn] ndmn vançar ndmn assm or dante, até que o vetor fque ordenado função electonort: vod electonort (nt n, vetor ) { nt, j, ndmn; for ( = ; < n-; ++) { ndmn = ; for (j = +; j <= n-; j++) f ([j] < [ndmn]) f (ndmn!= ) ndmn = j; (&[], &[ndmn]); ó ocorre movmentação de elementos quando o índce do menor for encontrado. ÉD H- método hell-ort é uma generalzação do nserton- ort. o nserton-ort, a maora dos deslocamentos de elementos é de aenas uma casa. e o menor elemento estver no fnal do vetor, são necessáros n deslocamentos ara colocá-lo ordenadamente. hell-ort faz movmentos de assos maores
12 ode-se dvdr em h sub-vetores ntercalados:... h- h h+ h+ h+... h- h h+ h+ h+ h- h h+ h+ h+.. n- vetor ode ser assm vsualzado:... h- h h+ h+ h+... h- h h+ h+ h+ h- h h+ h+ h+.. n- valor de h < n é emírco h h h h+ h+ h+ h+ h+ h+ h+ h+ h+ h- h- h- valor de h é ncalmente grande, mas va cando até ara cada valor de h, ordena-se cada um desses subvetores elo nserton-ort h h h Quando h =, tem-se o nserton-ort orgnal: ntão boa orção do vetor já estará ordenada elos assos anterores (maores valores de h) h h h h+ h+ h+ h+ h+ h+ h+ h+ h+ h+ h+ h+ h+ h+ h+ h+ h+ h+ h- h- h- h- h- h- valor ncal de h e a razão de seu decréscmo é escolhda emrcamente; ara cada escolha, um comortamento dferente. algortmo a segur escolhe a segunte seqüênca de valores de h, que tem dado bons valores de desemenho:...,,,,,,, h h h h+ h+ h+ h+ h+ h+ valor ncal é obtdo ela fórmula h(novo) = *h(antgo) + até encontrar o maor valor de h < n s valores seguntes de h são obtdos ela fórmula h(novo) = h(antgo) / h+ h+ h+ h- h- h-
13 vod hellort (nt n, vetor ) { nt, j, h, ; nt achou; h = ; do h = *h + ; whle (h < n); do { h = h/; for ( = h; <= n-; ++) { whle (h > ); = []; j = ; achou = F; whle (!achou && j >= h) f ( < [j-h]) { [j] = [j-h]; j = j - h; else achou = U; f (j!= ) [j] = ; nserton-ort de asso h, ntercalado Comaração entre o número de movmentos de elementos no nserton-ort e hell-ort, usando vetor de caracteres: a) nserton-ort: emre há um movmento ara -> a) nserton-ort: a) nserton-ort: -> ; -> -> -> ; -> -> a) nserton-ort: a) nserton-ort: -> ;
14 a) nserton-ort: a) nserton-ort: a) nserton-ort: a) nserton-ort: a) nserton-ort: a) nserton-ort:
15 a) nserton-ort: a) nserton-ort: a) nserton-ort: a) nserton-ort: b) hell-ort: b) hell-ort: rdenação ara h = rdenação ara h = de h = h = h = total de h = h = h = total
16 b) hell-ort: b) hell-ort: Fm da ordenação ara h = rdenação ara h = de h = h = h = total de h = h = h = total b) hell-ort: b) hell-ort: rdenação ara h = rdenação ara h = de h = h = h = total de h = h = h = total b) hell-ort: b) hell-ort: rdenação ara h = rdenação ara h = de h = h = h = total de h = h = h = total
17 b) hell-ort: b) hell-ort: rdenação ara h = rdenação ara h = de h = h = h = total de h = h = h = total b) hell-ort: b) hell-ort: rdenação ara h = rdenação ara h = de h = h = h = total de h = h = h = total b) hell-ort: b) hell-ort: rdenação ara h = rdenação ara h = de h = h = h = total de h = h = h = total
18 b) hell-ort: b) hell-ort: Fm da ordenação ara h = rdenação ara h = (nserton-ort) de h = h = h = total de h = h = h = total b) hell-ort: b) hell-ort: rdenação ara h = (nserton-ort) rdenação ara h = (nserton-ort) de h = h = h = total de h = h = h = total b) hell-ort: b) hell-ort: rdenação ara h = (nserton-ort) rdenação ara h = (nserton-ort) de h = h = h = total de h = h = h = total
19 b) hell-ort: b) hell-ort: rdenação ara h = (nserton-ort) rdenação ara h = (nserton-ort) de h = h = h = total de h = h = h = total b) hell-ort: b) hell-ort: rdenação ara h = (nserton-ort) Fm da ordenação ara h = (nserton-ort) de h = h = h = total de h = h = h = total nserton-ort: hell-ort: bservações: de de h = h = h = total o hell-ort, o número de movmentos ara h = é ara vetor ncalmente já ordenado, hell-ort é or que nserton-ort, devdo ao número de comarações utros métodos smles de ordenação oderam ser usados ara cada valor de h, mas o mas usado é o nserton-ort. Há quem use um método ara h > e outro ara h = (-=) movmentos do nserton-ort foram comensados com (-=) movmentos do hell-ort com h >.
20 bservações: eferêncas bblográfcas ndcam que o algortmo anteror é (n (log n) ) e também (n. ). Donald Knuth rova que, mesmo usando aenas valores de h, a saber, ( n / ϖ) / e método resultante é (n / ), o que é melhor que o or caso do nserton-ort, que é (n ). temo de execução do algortmo aresentado não é muto sensível ao estado ncal do vetor, ao contráro do nserton-ort que é (n) ara vetor já ordenado e (n ) ara vetor ordenado nversamente.
ALGORITMOS E ESTRUTURAS DE DADOS CES-11
ALGORITMOS E ESTRUTURAS DE DADOS CES-11 Prof. Paulo André Castro pauloac@ita.br Sala 110 Prédio da Computação www.comp.ita.br/~pauloac IECE - ITA CAP. 5. TÉCNICAS DE ORDENAÇÃO 5.1. Introdução 5.2. Métodos
Leia mais22/8/2010 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 maisMétodos de Ordenação Parte 1
Métodos de Ordenação Parte 1 Introdução à Cênca da Computação II Prof. Dego Raphael Amanco Baseado no materal dos Profs. Rudne Goularte e Thago A. S. Pardo O Problema da Ordenação Ordenação (ou classfcação)
Leia maisMétodos de Ordenação Parte 1
Métodos de Ordenação Parte 1 SCC-214 Proeto de Algortmos Prof. Thago A. S. Pardo Baseado no materal do Prof. Rudne Goularte O Problema da Ordenação Ordenação (ou classfcação) é largamente utlzada Lstas
Leia mais3.3 Ordenação por Heap (Heapsort)
3.3 Ordenação por Heap (Heapsort) Heap descendente (max heap ou arvore descendente parcalmente ordenada) de tamanho n é um array que pode ser vsto como uma arvore bnára quase completa de n nós tal que
Leia mais7 - 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 maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisNOTAS DE AULA DA DISCIPLINA CE076
5. COMPONENTES PRINCIPAIS 5. Introdução A análse de Comonentes Prncas está relaconada com a exlcação da estrutura de covarânca or meo de oucas combnações lneares das varáves orgnas em estudo, ou sea, rocura
Leia maisTABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS
TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe
Leia maisCAPÍTULO 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 maisClassificação e Pesquisa de Dados
Classcação por Trocas Classcação e Pesqusa de Dados Aula 05 Classcação de dados por Troca:, ntrodução ao Qucksort UFRGS INF01124 Classcação por comparação entre pares de chaves, trocando-as de posção caso
Leia maisJorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005.
Agenda Análse e Técncas de Algortmos Jorge Fgueredo Ordenação baseada em comparação Inserton Sort Mergesort Qucksort Ordenação em tempo lnear Análse de de Algortmos de de Ordenação Problema da Ordenação
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia maisIntrodução aos Problemas de Roteirização e Programação de Veículos
Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam
Leia maisAula 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 maisAULA 5. Conceitos. Melhores momentos. Conceitos. Conceitos. Conceitos. Conceitos
Melhores momentos AULA 5 Endereços: a memóra é um etor e o índce desse etor onde está uma aráel é o endereço da aráel. Com o oerador & obtemos o endereço de uma aráel. Exemlos: & é o endereço de &onto
Leia maisProjeto e Análise. Aula 1: Algoritmos de Ordenação Prof. Carlos
Proeto e Análse de Algortmos Aula 1: Algortmos de Ordenação Prof. Carlos de Salles Terças-feras, 8h20 às 11h10 Algortmos de Ordenação Insertsort Mergesort Heapsort Qucksort Algortmos de Ordenação Dado
Leia maisCaderno 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 maisM 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 maisNotas 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 maisOs 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 maisCapítulo 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 mais8 - Medidas Descritivas
8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.
Leia maisResponda 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 maisRAD1507 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 maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia mais3 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 maisCapítulo 2 Método de Cross
UNIERSIDDE NDRNTE DE SÃO PUO - Escola de Engenhara vl Notas de aula do curso Teora das Estruturas Prof. Dr. Rcardo de. lvm.. Introdução aítulo étodo de ross O étodo de ross é um método que ermte calcular
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia maisD- 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 mais2010 The McGraw-Hill Companies, Inc. All rights reserved. Prof.: Anastácio Pinto Gonçalves Filho
rof.: nastáco nto Gonçalves lho Introdução Nem sempre é possível tratar um corpo como uma únca partícula. Em geral, o tamanho do corpo e os pontos de aplcação específcos de cada uma das forças que nele
Leia maisFICHA 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 maisDETERMINAÇÃO DOS PARÂMETROS E SEQÜÊNCIA DE CORTE PARA A MÁXIMA PRODUÇÃO EM TORNOS CNC. Palavras-chave: Máxima produção, Seqüência de corte, Torno CNC.
DETERMINAÇÃO DOS PARÂMETROS E SEQÜÊNCIA DE CORTE PARA A MÁXIMA PRODUÇÃO EM TORNOS CNC. Patrck Lelou Noema Gomes de Mattos de Mesquta Hugo Marcelo Bezerra de Carvalho Sérgo Murlo Veríssmo de Andrade Unversdade
Leia maisPROVA 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 maisFlambagem. Cálculo da carga crítica via MDF
Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca
Leia maisMECÂNICA 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 maisFICHA 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 maisEXERCÍCIOS DE RECUPERAÇÃO PARALELA 4º BIMESTRE
EXERCÍCIOS DE RECUERAÇÃO ARALELA 4º BIMESTRE NOME Nº SÉRIE : 2º EM DATA : / / BIMESTRE 4º ROFESSOR: Renato DISCILINA: Físca 1 VISTO COORDENAÇÃO ORIENTAÇÕES: 1. O trabalho deverá ser feto em papel almaço
Leia maisNetuno 4. Manual do Usuário. Universidade Federal de Santa Catarina UFSC. Departamento de Engenharia Civil
Unversdade Federal de Santa Catarna UFSC Departamento de Engenhara Cvl Laboratóro de Efcênca Energétca em Edfcações - LabEEE Netuno 4 Manual do Usuáro Enedr Ghs Marcelo Marcel Cordova Floranópols, Junho
Leia maisMÉTODO DE FIBONACCI. L, em que L
Métodos de bonacc e da Seção Aúrea Adotando a notação: MÉTODO DE IBOACCI L e L L, em que L b a, resulta a: ncal orma Recursva: ara,,, - (-a) ou ara,,, - (-b) A esta equação se assoca a condção de contorno
Leia maisAlocação sequencial - filas
Alocação sequencal - las Flas A estrutura de dados Fla também é bastante ntutva. A analoga é com uma la de pessoas aguardando para serem atenddas no guchê de um banco, ou aguardando o ônbus. Se houver
Leia maisMESTRADO EM ENGENHARIA QUÍMICA
MESTRADO EM EGEHARIA QUÍMIA SIMULAÇÃO DE PROESSOS QUÍMIOS Aontamentos Teórcos sobre Modelação e Smulação Helder Texera Gomes ESTG-IPB 009/00 ota Introdutóra Estes Aontamentos Teórcos foram elaborados com
Leia maisγ = 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 mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisDISTRIBUIÇÃO DE FREQUÊNCIAS
Núcleo das Cêncas Bológcas e da Saúde Cursos de Bomedcna, Ed. Físca, Enermagem, Farmáca, Fsoterapa, Fonoaudologa, Medcna Veternára, Muscoterapa, Odontologa, Pscologa DISTRIBUIÇÃO DE FREQUÊNCIAS 5 5. DISTRIBUIÇÃO
Leia maisVariáveis indexadas, somatórios e produtórios
1 Computação MIEC - FEUP complado por Ana Mara Faustno Varáves ndexadas, somatóros e produtóros Varáves ndexadas Quando se pretende estudar váras característcas de um conjunto de ndvíduos convém armazenar
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisRedes 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 maisLENTES 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 mais4 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 maisAlgoritmos de Codificação Simétricos
Algortmos de Codfcação Smétrcos Hugo Valente e Ivo Navega SSI TPC. A rede de estel consste numa cfra de bloco com uma estrutura específca, a qual permte trar vantagem do facto de puder ser usada quer para
Leia maisINTRODUÇÃO 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 maisESCOLA DE APLICAÇÃO DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA PROF. CARLINHOS MATRIZES NOME DO ALUNO: Nº TURMA: blog.portalpositivo.com.
ESCOL DE PLICÇÃO DR. LFREDO JOSÉ BLBI UNITU POSTIL MTRIZES PROF. CRLINHOS NOME DO LUNO: Nº TURM: blog.portalpostvo.com.br/captcar MTRIZES Uma matrz de ordem m x n é qualquer conunto de m. n elementos dspostos
Leia mais2003/2004. 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 mais3 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 maisOS REQUISITOS PARA A CERTIFICAÇÃO, DEFINEM REGRAS QUANTO AOS SEGUINTES CRITÉRIOS:
OS REQUISITOS PARA A CERTIFICAÇÃO, DEFINEM REGRAS QUANTO AOS SEGUINTES CRITÉRIOS: A BASE B DIREITOS DOS PARTICIPANTES C CONTRIBUIÇÕES D OPÇÕES DE INVESTIMENTO E INFORMAÇÃO AOS PARTICIPANTES A BASE Fnancamento
Leia maisOs redutores são fornecidos com LUBRIFICAÇÃO PERMANENTE POR ÓLEO SINTÉTICO.
br R IBR q IBR qdr IBR qp IBR r IBR m IBR c IBR p IBR H IBR x varadores TRANS. ANGULARES motor acopla. Torques de até 347 N.m Fabrcada com engrenagens do tpo coroa e rosca sem fm, a lnha de redutores e
Leia maisProblemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria.
Elementos de Engenhara Químca I II. Frações e Estequometra (problemas resolvdos) Problemas Propostos. Frações másscas, volúmcas ou molares. Estequometra.. Em 5 moles de Benzeno (C 6 H 6 ) quanto é que
Leia maisFUNDAMENTOS DA PROGRAMAÇÃO SEMAFÓRICA
Lus Vlanova * FUNDMENOS D PROGRMÇÃO SEMFÓRIC resentação Este artgo detalha os rmeros assos da teora de cálculo da rogramação semafórca de um semáforo solado, deduzndo as equações báscas do temo de cclo
Leia maisProposta 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 mais5945851-1 Psicologia Conexionista Antonio Roque Aula 6. A Adaline
594585- Pscologa Conexonsta Antono Roque Aula 6 A Adalne Poucos meses aós a ublcação do teorema da convergênca do Percetron or Rosenblatt, os engenheros da Unversdade de Stanford Bernard Wdrow (99 ) e
Leia maisCONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo:
CONTROLADORES FUZZY Um sstema de controle típco é representado pelo dagrama de blocos abaxo: entrada ou referênca - erro CONTROLADOR snal de controle PLANTA saída A entrada ou referênca expressa a saída
Leia maisFísica E Semiextensivo V. 3
Físca E emextensvo V. 3 Exercícos 0) D É mpossível um dspostvo operando em cclos converter ntegralmente calor em trabalho. 0) A segunda le também se aplca aos refrgeradores, pos estes também são máqunas
Leia maisNOTAS 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 maisMÁRCIO SEITI KAWAMURA
MÁRCIO SEITI KAWAMURA APLICAÇÃO DO MÉTODO BRANCH-AND-BOUND NA PROGRAMAÇÃO DE TAREFAS EM UMA ÚNICA MÁQUINA COM DATA DE ENTREGA COMUM SOB PENALIDADES DE ADIANTAMENTO E ATRASO Dssertação aresentada à Escola
Leia maisEscola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística
Escola Secundára com º cclo D. Dns 10º Ano de Matemátca A Estatístca Trabalho de casa nº 15 GRUPO I 1. Num referencal o.n. Oxyz, a undade é o cm e a esfera defnda por ( ) ( ) está nscrta num cubo. O volume
Leia maisPadrões espaciais de pobreza rural: uma análise exploratória na Bacia do Rio São Francisco, Brasil
Padrões esacas de obreza rural: uma análse exloratóra na Baca do Ro São Francsco, Brasl Autores: Marcelo de O. Torres, Stehen A. Vost, Marco P. Maneta Wesley W. Wallender, Lneu N. Rodrgues, Lus H. Basso
Leia mais4 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 maisCap. 6. Definição e métodos de resolução do problema de valores de fronteira
Ca. 6. Definição e métodos de resolução do roblema de valores de fronteira 1. Pressuostos 2. Formulação clássica do roblema de elasticidade linear 2.1 Condições no interior 2.2 Condições de fronteira 2.3
Leia maisESCOLA DE APLICAÇÃO DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA PROF. CARLINHOS MATRIZES NOME DO ALUNO: Nº TURMA: blog.portalpositivo.com.
ESCOL DE PLICÇÃO DR. LFREDO JOSÉ LI UNITU POSTIL MTRIZES PROF. CRLINHOS NOME DO LUNO: Nº TURM: blog.portalpostvo.com.br/captcar MTRIZES Uma matrz de ordem m n é qualquer conunto de m. n elementos dspostos
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 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 maisU N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
Leia maisMedidas de Tendência Central. Prof.: Ademilson Teixeira
Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central
Leia mais8 Estrutura horizontal da célula de chuva 8.1. Procedimentos iniciais
8 Estrutura horzontal da célula de chuva 8.1. Procedmentos ncas No caítulo 7 foram defndas as relações entre Z e R ara serem utlzadas na análse dos dados radares de Cruzero do Sul, Manaus e Tabatnga. A
Leia maisImplemente uma solução para o problema da barreira usando mutexes e variáveis condição da biblioteca das pthreads. A solução consiste de 2 rotinas:
1) Em um sstema que suporta programação concorrente apenas através da troca de mensagens, será crado um Servdor para controlar o uso das portas seras. Quando um processo Clente deseja usar uma porta seral,
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia maisSumário, aula 6. Curva da procura. Curva da procura. Curva da procura. Curva da procura
Sumáro, aula 6 ) Mercado Curva da Procura Agregação das curvas ndvduas Equlíbro de mercado (concorrênca erfeta) Já sabemos que os agentes económcos são esecalzados Produzem muta quantdade de oucos BS Consomem
Leia maisOPF básico - Exemplo de aplicação dos conceitos de optimização não linear Notas para a disciplina de DOSE (LEEC-FEUP)
OF básco - Exemlo de alcação dos concetos de otmzação não lnear Notas ara a dsclna de DOSE (EE-FEU Manuel Matos FEU, 4. Introdução A nclusão das equações do trânsto de otêncas no roblema do desacho económco
Leia maisVariação 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 maisDETERMINAÇÃO DAS CONSTANTES ELASTICAS DE MOLAS
Físca Laboratoral I Ano Lectvo 7/8 RABALHO RÁICO Nº - LICENCIAURA E FÍSICA DEERINAÇÃO DAS CONSANES ELASICAS DE OLAS Objectvo - Neste trabalho pretende-se medr as constantes elástcas de duas molas e as
Leia maisALGORITMOS E ESTRUTURAS DE DADOS CES-11 Prof. Paulo André Castro Sala 110 Prédio da Computação IECE - ITA
ALGORITMOS E ESTRUTURAS DE DADOS CES-11 Prof. Paulo André Castro pauloac@ita.br Sala 110 Prédio da Computação www.comp.ita.br/~pauloac IECE - ITA MÉTODOS MAIS EFICIENTES QUE O(N 2 ) Método Quicksort Método
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisResumo de Álgebra Linear - parte II
Aula 7 Resumo de Álge Lnear - parte II 7.1 Resumo Nesta aula contnuamos desenvolvendo concetos báscos de álge lnear, aprmorando a famlardade com a notação de Drac. Bblograa: Moysés, 8.7 (em parte), e Cohen-Tannoudj,
Leia mais4.1 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 maisProposta 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 maisSC de Física I Nota Q Nota Q2 Nota Q3 NOME: DRE Teste 1
SC de Físca I - 2017-2 Nota Q1 88888 Nota Q2 Nota Q3 NOME: DRE Teste 1 Assnatura: Questão 1 - [3,5 pontos] Uma partícula de massa m se move sobre uma calha horzontal lsa com velocdade constante de módulo
Leia maisCapítulo 16: Equilíbrio Geral e Eficiência Econômica
Capítulo 6: Equlíbro Geral e Efcênca Econômca Pndck & Rubnfeld, Capítulo 6, Equlíbro Geral::EXERCÍCIOS. Em uma análse de trocas entre duas pessoas, suponha que ambas possuam dêntcas preferêncas. A curva
Leia maisSistemas Equivalentes de Forças
Nona E 3 Corpos CÍTULO ECÂNIC VETORIL R ENGENHEIROS: ESTÁTIC Ferdnand. Beer E. Russell Johnston, Jr. Notas de ula: J. Walt Oler Teas Tech Unverst Rígdos: Sstemas Equvalentes de Forças 2010 The cgraw-hll
Leia maisCurso Técnico em Informática. Eletricidade
Curso Técnco em Informátca Eletrcdade Eletrcdade Aula_0 segundo Bmestre Intensdade do Vetor B Condutor Retlíneo A ntensdade do vetor B, produzdo por um condutor retlíneo pode ser determnada pela Le de
Leia maisPsicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo
Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos
Leia mais2 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 maisLaboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos
Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro
Leia maisDespacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos
Despacho Econômco de Sstemas Termoelétrcos e Hdrotérmcos Apresentação Introdução Despacho econômco de sstemas termoelétrcos Despacho econômco de sstemas hdrotérmcos Despacho do sstema braslero Conclusões
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisCritério de Equilíbrio
Crtéro de Equlíbro ara um sstema echado onde exstem ases em equlíbro, o crtéro geral de equlíbro de ases mpõe que o potencal químco de cada espéce presente seja gual em todas as ases. α β π µ = µ = K=
Leia maisCompacidade em espaços métricos
Comacdade em esaços métrcos Gselle Moraes Resende Perera, Lucana Yoshe Tsuchya e Geraldo Márco de Azevedo Botelho 3 de abrl de 2009 1 Introdução Comacdade é um dos concetos centras da toologa Na reta,
Leia maisA VELOCIDADE ESCALAR. Prof. Alberto Ricardo Präss
Pro. Alberto Rcardo Präss A VELOCIDADE ESCALAR O conceto de velocdade. Imagnemos que um jornal tenha envado um correspondente especal à selva amazônca a m de azer uma reportagem sobre o Pco da Neblna,
Leia maisN Sem Bucha. N Sem Acessórios. B14 Flange Tipo C-DIN 211A. B5 Flange Tipo FF. B1 Bucha Simples 311A
br M IBR q IBR qdr IBR qp IBR r IBR m IBR c IBR p IBR H IBR x varadores TRANS. ANGULARES motor acopla. Possundo apenas um par de engrenagens clíndrcas helcodas, a lnha de redutores e motorredutores IBR
Leia mais