CAP. 5. TÉCNICAS DE ORDENAÇÃO

Tamanho: px
Começar a partir da página:

Download "CAP. 5. TÉCNICAS DE ORDENAÇÃO"

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 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 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

Métodos de Ordenação Parte 1

Métodos 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 mais

Métodos de Ordenação Parte 1

Métodos 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 mais

3.3 Ordenação por Heap (Heapsort)

3.3 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 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

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS 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 mais

NOTAS DE AULA DA DISCIPLINA CE076

NOTAS 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 mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

TABELAS 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 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

Classificação e Pesquisa de Dados

Classificação 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 mais

Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005.

Jorge 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 mais

EXERCÍCIO: VIA EXPRESSA CONTROLADA

EXERCÍCIO: 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 mais

Introdução aos Problemas de Roteirização e Programação de Veículos

Introdução 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 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

AULA 5. Conceitos. Melhores momentos. Conceitos. Conceitos. Conceitos. Conceitos

AULA 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 mais

Projeto e Análise. Aula 1: Algoritmos de Ordenação Prof. Carlos

Projeto 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 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

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

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

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

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

8 - Medidas Descritivas

8 - 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 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

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

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE 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 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

Capítulo 2 Método de Cross

Capítulo 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 mais

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

IMPLEMENTAÇÃO 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 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

2010 The McGraw-Hill Companies, Inc. All rights reserved. Prof.: Anastácio Pinto Gonçalves Filho

2010 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 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

DETERMINAÇÃO 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. 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 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

Flambagem. Cálculo da carga crítica via MDF

Flambagem. 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 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

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

EXERCÍCIOS DE RECUPERAÇÃO PARALELA 4º BIMESTRE

EXERCÍCIOS 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 mais

Netuno 4. Manual do Usuário. Universidade Federal de Santa Catarina UFSC. Departamento de Engenharia Civil

Netuno 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 mais

MÉTODO DE FIBONACCI. L, em que L

MÉTODO 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 mais

Alocação sequencial - filas

Alocação 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 mais

MESTRADO EM ENGENHARIA QUÍMICA

MESTRADO 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 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

2 Metodologia de Medição de Riscos para Projetos

2 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 mais

DISTRIBUIÇÃO DE FREQUÊNCIAS

DISTRIBUIÇÃO 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 mais

Variáveis indexadas, somatórios e produtórios

Variáveis 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 mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. 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 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

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

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

Algoritmos de Codificação Simétricos

Algoritmos 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 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

ESCOLA DE APLICAÇÃO DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA PROF. CARLINHOS MATRIZES NOME DO ALUNO: Nº TURMA: blog.portalpositivo.com.

ESCOLA 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 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

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

OS REQUISITOS PARA A CERTIFICAÇÃO, DEFINEM REGRAS QUANTO AOS SEGUINTES CRITÉRIOS:

OS 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 mais

Os redutores são fornecidos com LUBRIFICAÇÃO PERMANENTE POR ÓLEO SINTÉTICO.

Os 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 mais

Problemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria.

Problemas 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 mais

FUNDAMENTOS DA PROGRAMAÇÃO SEMAFÓRICA

FUNDAMENTOS 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 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

5945851-1 Psicologia Conexionista Antonio Roque Aula 6. A Adaline

5945851-1 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 mais

CONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo:

CONTROLADORES 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 mais

Física E Semiextensivo V. 3

Física 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 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

MÁRCIO SEITI KAWAMURA

MÁRCIO 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 mais

Escola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística

Escola 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 mais

Padrões espaciais de pobreza rural: uma análise exploratória na Bacia do Rio São Francisco, Brasil

Padrões 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 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

Cap. 6. Definição e métodos de resolução do problema de valores de fronteira

Cap. 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 mais

ESCOLA DE APLICAÇÃO DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA PROF. CARLINHOS MATRIZES NOME DO ALUNO: Nº TURMA: blog.portalpositivo.com.

ESCOLA 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 mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA 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 mais

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 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 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 mais

Medidas de Tendência Central. Prof.: Ademilson Teixeira

Medidas 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 mais

8 Estrutura horizontal da célula de chuva 8.1. Procedimentos iniciais

8 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 mais

Implemente uma solução para o problema da barreira usando mutexes e variáveis condição da biblioteca das pthreads. A solução consiste de 2 rotinas:

Implemente 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 mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. 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 mais

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON

PUCPR- 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 mais

Sumário, aula 6. Curva da procura. Curva da procura. Curva da procura. Curva da procura

Sumário, 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 mais

OPF básico - Exemplo de aplicação dos conceitos de optimização não linear Notas para a disciplina de DOSE (LEEC-FEUP)

OPF 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 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

DETERMINAÇÃO DAS CONSTANTES ELASTICAS DE MOLAS

DETERMINAÇÃO 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 mais

ALGORITMOS 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 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 mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO 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 mais

Resumo de Álgebra Linear - parte II

Resumo 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 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

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

SC de Física I Nota Q Nota Q2 Nota Q3 NOME: DRE Teste 1

SC 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 mais

Capítulo 16: Equilíbrio Geral e Eficiência Econômica

Capítulo 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 mais

Sistemas Equivalentes de Forças

Sistemas 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 mais

Curso Técnico em Informática. Eletricidade

Curso 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 mais

Psicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo

Psicologia 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 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

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Laboratório 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 mais

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos

Despacho 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 mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA 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 mais

Critério de Equilíbrio

Critério 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 mais

Compacidade em espaços métricos

Compacidade 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 mais

A VELOCIDADE ESCALAR. Prof. Alberto Ricardo Präss

A 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 mais

N Sem Bucha. N Sem Acessórios. B14 Flange Tipo C-DIN 211A. B5 Flange Tipo FF. B1 Bucha Simples 311A

N 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