8º CONGRESSO IBEROAMERICANO DE ENGENHARIA MECANICA Cusco, 23 a 25 de Outubro de 2007
|
|
- Victor Paranhos
- 5 Há anos
- Visualizações:
Transcrição
1 8º CONGREO IBEROAMERICANO DE ENGENHARIA MECANICA Cusco, de Outubro de 2007 PREDIÇÕE EM CURVA DE CALIBRAÇÃO UTILIZANDO COMBINAÇÕE DE REDE NEURAI ARTIFICIA DO TIPO MLP DE DUA CAMADA E POLINÔMIO Brbos, I M*, del Morl Hernndez, E*, Res, M C C º, Mello, O A F º *Unversdde de ão Pulo, Av Prof Lucno Gulberto /N, ão Pulo, CEP , Brsl ºInsttuto de Aeronáutc e Espço, Pç Mrechl Edurdo Gomes N 50, CEP , Brsl e-ml: *tmr@lsuspbr, ºmlusres@yhoocombr REUMO Aumentr competênc metrológc de um lbortóro de clbrção ou Enso é tmbém melhorr Rstrebldde, dmnundo s dspersões no Processo de Clbrção bem como no Processo do Enso Nenhum nstrumento ou sstem de medção consegue mnter um Rstrebldde cetável por s só endo ssm Clbrção é ferrment ms conhecd pr mnter Rstrebldde níves cetáves e será bse orenttv n confbldde dos múltplos ds unddes ndcdos pelos nstrumentos ou sstems de medção No entnto, Clbrção não é efetud em todos os pontos possíves d escl do Instrumento de Teste, sendo necessáro no momento do Enso nterpolção dos vlores, bem como correção dos desvos regstrdos n Clbrção Não obstnte, Instrumento de Teste não é bsolutmente repettvo sendo que há um espernç do usuáro fnl d Clbrção de que s Medções ou Enso subseqüentes sejm representdos pelos vlores obtdos n Clbrção Estudmos neste trblho Clbrções sucessvs em um nstrumento de medção multvrdo trvés do modelmento mtemátco d Curv de Clbrção e de sus conseqüentes predções Pr tnto utlzmos clássc proxmção polnoml e s Redes Neurs Artfcs do tpo MLP, mbos form combndos e os resultdos de predção são encorjdores PALAVRA CHAVE: Clbrção, Metrolog, Mult Lyer Perceptrons, Ajuste de Funções, Predção
2 INTRODUÇÃO A Rede Neurl Artfcl do Tpo Mult Lyer Perceptron A Rede Neurl Artfcl Mult Lyer Perceptron (MLP) pode ser representd por um gráfco undreconl conforme fgur A utlzção ds MLP s em juste de Curvs de Clbrção (CC s) d blnç erodnâmc extern multcomponente do TA2 já fo estudd em outros trblhos [2] e lá constm detlhes sobre s MLP s, qu repetmos lgums Há dos modos de operção d MLP, o modo prendzdo e o modo smulção No modo prendzdo, o pr de vetores de vlores de entrd e de vlores desejdos de síd são presentdos os nós fontes e os nós de síd d rede respectvmente Então os pesos snáptcos, representdos por um vetor, são justdos de modo mnmzr somtór dos erros qudrátcos (Função de Performnce - FP) trvés de um processo tertvo No modo smulção, os vetores de entrd são presentdos os nós fontes e, sendo os vlores de pesos snáptcos mntdos fxos, nós obtemos os vlores dos vetores de síd A predção consste em trenr MLP num determnd Clbrção em um determndo momento (vlor de tempo) e, ddos os vlores ds grndezs de entrd, gerr vlores ds grndezs de síd no to do enso em outro momento (outro vlor de tempo posteror) trvés d smulção e conhecermos mbos, os vlores de entrd e os vlores de síd em qulquer tempo, por exemplo, em clbrções consecutvs sob condções de repettvdde, podemos medr quldde d predção d proxmção d CC pel MLP [3] Os spectos d MLP consderdos neste trblho form os seguntes: - Número de cmds: Três cmds, nclundo cmd de nós fontes (correspondentes sensores, por exemplo) - Número de neurônos n últm cmd: ses (gul o número de vráves de síd); - Número de neurônos d cmd ocult: vrável; - Inclzção dos pesos snáptcos: gus 0,000; - Incremento d tx de prendzdo: 50 - Função de Performnce (PF) escolhd: A somtór qudrátc dos erros, Σe 2, sobre todos os conjunto de ddos; - Número de terções: 000; - Algorítmo de prendzdo Levenberg - Mqurdt, ddo pel fórmul ; T [ + I ] J ( n) e( n) T w( n + ) = w( n) J ( n) J ( n) λ () n:,2, ndexdor de terção; w : vetor colun de pesos snáptcos e lmres; e : vetor colun dos erros de síd d MLP (dferenç entre os vlores desejdos e vlores de síd tus); J : Mtrz Jcobn (ou Mtrz Projeto) - Função de Trnsferênc (FT): Form utlzds dus funções de trnsferênc, tngente hperbólc, dd pel fórmul 2 e função dentdde dd pel fórmul 3 2 ϕ = (2) [ + exp( 2x) ] ϕ = x (3) A fórmul 2 é um é conhecd como um tpo de função sgmóde e têm orgem n mtção do comportmento do neurôno bológco O neurôno bológco ger um potencl de ção no xôno, em função dos potencs de ção dos dendrtos sob um função de trnsferênc em form de ou sgm, dí o nome função sgmóde e plcção de um grosser mtção no neurôno rtfcl: função tngente hperbólc [4] Em termos mtemátcos, MLP de três cmds pode ser representd pel fórmul 4 pr cd síd F : F N M ϕ w nm m (4) n= m= = w2nϕ n
3 n =,2,,N ; ndexdor do neurôno d cmd ocult; m =,2,,M ; ndexdor do nó d cmd fonte; ϕ : Função de Trnsferênc (TF) do neurôno d cmd de síd; w 2n : Pesos náptcos do neurôno d cmd de síd; ϕ n : FT do neurôno d cmd de ocult; w nm : Pesos náptcos do neurôno d cmd ocult; m : são os vlores do vetor de entrd Clbrção d Blnç Extern do Túnel de Vento TA2 A blnç extern é utlzd pr medr s crgs F ( =,,) gndo no modelo durnte o enso no túnel de vento F, F 2 e F 3 denotm s forçs e F 4, F 5 e F denotm os momentos de torção Já s céluls de crg promovem s leturs ( =,, ) trvés de um Dferenç de Potencl (ddp) Um clbrção d blnç é efetud nterormente o enso [5] Relz-se clbrção plcndo msss trvés de um sstem de cbos e pols num cruz de clbrção (fgur2) Um conjunto de proxmdmente cem msss de 0 kg é utlzdo pr plcr s msss de clbrção Os vlores ds crgs plcds são orgndos d plcção dests msss n cruz de clbrção, sendo estes vlores escolhdos de modo concdrem com os vlores máxmos de crgs serem plcdos no enso etent e três combnções entre s crgs são utlzds pr levntmento d Curv de Clbrção, onde são plcds msss pr gerr cd crg ndvdulmente e crgs os pres Os símbolos F, F 2, F 3, F 4, F 5 e F são utlzdos pr s forçs de rrsto, lterl e sustentção e pr os momentos de rolmento, rfgem e gund, respectvmente No Túnel de vento subsônco TA2 denomnmos de clbrção lph pr clbrção efetud com o ângulo de gund β = 0 R F R 2 R 5 F 2 F 5 R F Fgur : Arqutetur de um Mult Lyer Perceptron Fgur 2: stem de crregmento pr clbrção d blnç Os números,,4 representm pontos de plcção de msss A Regressão Polnoml Atulmente no Túnel de Vento TA2, utlz-se de um polnômo de gru 2 com termos cruzdos, conforme modelo mtemátco 5 bxo, pr proxmção d CC (F e conforme cm) A proxmção d CC promoverá conversão ds grndezs ddp em forçs e momentos no to do enso n= = + + 4, n n n F = + + n n n ( n + 2) (5) O cálculo dos prâmetros é efetudo trvés d fórmul bxo, sendo os desvos pdrões ds forçs e erodnâmcos consderdos gus à undde: n= 2 n Onde: M T = T ( M M) M F () M
4 M Mtrz de prâmetros ( x número de prâmetros); M Mtrz projeto (x73) reltvo os vlores ddp ds céluls de crg e F M Mtrz (x73) dos vlores de forçs e momentos [] Neste cso, Mtrz Projeto é dêntc à mtrz Jcobn d fórmul, exceto pelo fto dos vlores numércos e quntdde de elementos serem dferentes METODOLOGIA E REULTADO A metodolog deste trblho é orentd em verfcr o comportmento do juste d Curv de Clbrção (CC) qundo utlzd pr o enso, o qul é o objetvo fnl do juste Inc-se o procedmento justndo-se os prâmetros dos polnômos, ds combnções de Redes Neurs Artfcs do tpo MLP ou ds combnções entre mbos (fse de prendzdo) utlzndo-se s fórmuls e respectvmente Com os prâmetros fxdos, novos vlores meddos são os vlores de entrd pr s fórmuls 5 e 4 s qus resultrão nos novos vlores Fˆ (denomndo tmbém como F, F e F D ) resultntes d plcção ds CC s proxmds pelos polnômos, pels MLP s ou pel combnção entre mbos respectvmente (fse de smulção) Conhecendo-se os vlores meddos F pode-se computr os novos resíduos por um Função de Performnce - FP (fse de predção) A FP é somtór do qudrdo dos erros e é utlzd tnto pr ndcr cpcdde de juste (prendzdo) como cpcdde de predção A predção qu presentd fo efetud sob condções de repettvdde, ou sej, s clbrções são extmente gus exceto pelo fto que os ddos form tomdos em tempos dferentes Três clbrções form utlzds, um pr juste dos prâmetros e dus pr predção Os polnômos utlzdos neste trblho são combnções dos termos d fórmul 5 superpostos os qus estão expressos n tbel juntmente com os vlores de FP s encontrdos Já pr s MLP s com três cmds, metodolog pr proxmção d curv de clbrção (CC) consste em submetê-l o processo de prendzdo pr dversos números de neurônos n cmd ocult (segund cmd) Form efetudos o trenmento e s predções com MLP s dotds de Funções de Trnsferênc (FT) do tpo Tngente Hperbólc tnto n cmd ocult como n cmd de síd e os resultdos d FP s estão mostrdos n fgur 4 Os vlores encontrdos pr s FP s dos polnômos nests fgurs são constntes devdo o fto de não dependerem do conceto de Neurôno Artfcl e estão l colocdos somente pr comprção Um vez que nclmente consdermos os justes e predções dos Polnômos e ds MLP s soldmente, o segundo psso ( propost deste trblho) é combnr s dus forms de modelmento mtemátco por superposção, o grfo 3 mostr síntese dest combnção FD (MLP) F D F D F FPR (Neurôno Lner ou Polnômo P ) F F + F Fgur 3: Combnções entre Polnômos ( Função Prncpl ) e MLP ( Função Desvo ) A combnção vs proxmção de um Função Prncpl (FPR) e de um Função Desvo (FD) O juste d Função Prncpl (FPR) tem como objetvo representr relção entre vlores d grndez medd (neste cso ddp) com os vlores d grndez do mensurndo (neste cso os vlores de crgs) por um únc função (multvrd) gerndo os vlores F (, ) Após o juste d FPR, os vlores dos desvos (erros) D = F F em relção o vlor meddo são computdos e então é proxmd um Função Desvo (FD) que representrá os desvos em relção à FPR Ests dus Funções são somds em prol de mnmzr os desvos líqudos (erros) devdo os justes Tl mnmzção contecerá se mbs s funções FPR e FD convergrem e o vlor de D for menor que F e o vlor d for menor que F d mnmzção será rápd e grntd, pos desejmos que os desvos cmnhem pr o vlor nulo O resultdo fnl é que dmnuímos os desvos D pr os desvos d que, pel convergênc, são menores dos que os prmeros
5 F = F ' + D = F ' + F + d D (7) Um Neurôno Artfcl com um função de trnsferênc do tpo dentdde, dd pel fórmul 3, é um proxmção d função fm e, se seus prâmetros (pesos snáptcos) são projetdos, trvés do processo dos Mínmos Qudrdos (MMQ), sto é equvlente o juste polnoml d função fm, dí o bloco nferor esquerdo d fgur 3 especfcr um Neurôno Lner ou um Polnômo A tbel 2 trz s combnções efetuds entre polnômos e MLP s e ndex s fgurs que contêm os vlores de FP s DICUÃO Do comportmento dos Polnômos n regressão conforme tbel colun 3 ou ds MLP s conforme fgur 4 no prendzdo, utlzdos soldmente, pode-se verfcr, um vez que há convergênc, o predomnnte rebxmento d FP medd em que umentmos complexdde do modelmento mtemátco Tbel : Polnômos utlzdos pr representr Curv de Clbrção (CC) Polnômo P P2 Formulção nn n= Função de Performnce - Regressão Função de Performnce Predção Função de Performnce Predção 2 P =,572 7,5379 5,2584 P = P + 2 n 0,529 7,007 5,2885 = + + 4, n n n P3 Fórmul 5 2,528 2,7095,7200 e o Processo de Clbrção (PC) fosse bsolutmente repettvo, ou se PF devdo o PC dependesse pens d proxmção d CC, o problem d proxmção d CC estr resolvdo pr os pontos levdos em consderção (pontos meddos) e estvéssemos proxmndo um Função Mtemátc del (porém não conhecd), o problem resumr-se- em qus os pontos e qul quntdde de pontos serm consderdos No entnto, repettvdde obedece su defnção conforme o VIM [] e depende, lém d metodolog utlzd n proxmção d CC conforme nosso estudo qu presentdo, de ms ftores ts como Recursos Humnos, Rstrebldde, Condções Ambents, Amostrgem, Procedmentos de Medção, Armzenmento, Cde de nl, Fontes de Incertezs e etc, gerndo desvos n CC no decorrer do tempo De fto, o decmento d FP não necessrmente contece ns predções conforme podemos observr n tbel (qurt e qunt coluns) pr o Polnômo ou n fgur 4 pr MLP de três cmds com FT s sgmods Est mesm fgur mostr-nos nd que, neste exemplo, qunto ms confnmos o prendzdo d MLP em questão ms fstmos-nos d predção de novs clbrções (umentmos FP n smulção) Muto embor CC de grndezs dferentes, como é este cso, não necessrmente possum relções de função fm, é notóro e desejável pelo projeto d Blnç Extern do Túnel de Vento TA2, que s rlções entre os sensores (grndez ddp) e o mensurndo (grndezs momentos e forçs) ssm s sejm Portnto função fm multvrd (P) pode ser elet um Função de Referênc - FR, ssm como est função com superposção dos termos cruzdos ser um outr cnddt (P2) [7] Est Função de Referênc pode ser utlzd como Função Prncpl n combnção Polnômo-MLP e fo o que fzemos neste trblho Cbe então um segund função pr representr os desvos à prmer, qu escolhd fo àquel representd pel por um MLP de dus cmds contendo FP s conforme fórmul 4 em prol d detecção de desvos não lneres Como dto, n presentção d fórmul 5, o cálculo d função desvo, nos moldes qu presentdos, requer, pr mnmzção dos desvos tots, que os proxmdores convrjm Este fto não fo verddero qundo MLP fo utlzd combnd com o Polnômo P3, onde FP fcou constnte pr qulquer número de neurônos d cmd ocult (vde tbel 2) Portnto combnção C3, neste cso, não grnte mnmzção dos desvos devdo não convergênc d FD, sendo este então um dos lmtes de su plcção Note que fórmul 7 poder ser plcd sucessvmente clculndo-se Funções Desvos de segund ordem, tercer ordem e ssm sucessvmente, ms podemos ter lmtções de convergênc conforme presentdo pel combnção C3
6 Tbel 2: Combnções entre Polnômos e MLP s Combnção Polnômo MLP FT Cmd ocult MLP FT Cmd de síd Convergênc (dependente do número de neurônos d cmd ocult) Função de Performnce Aprendzdo ou Predção C P Tngente Hperbólc Tngente C2 P2 Hperbólc Tngente C3 P3 Hperbólc Tngente C4 P Hperbólc Tngente Hperbólc Tngente Hperbólc Tngente Hperbólc m Fgur 5 m Fgur Não De,80E+4,83E+4 Identdde m Fgur 7 A fgur 7 mostr os vlores de FP s pr pr um lterntv de confgurção de MLP, onde fo utlzdo FT dentdde o nvés d FT Tngente Hperbólc n cmd de síd, neste cso FP no predzdo chegou níves do menor número softwre ou de máqun ~ E-28 CONCLUÕE - A Curv de Clbrção (CC) não é um função mtemátc determnístc e est sujet os desvos orundos não somente d nstrumentção de medção, ms tmbém d metodolog utlzd no Processo de Clbrção, em especl à metodolog pr encontrr Função proxmd que representrá como dscutdo neste rtgo - A proxmção d CC pode de ntemão ser proxmd por um Função de Referênc onde se conhece o menos o formto dest curv ou clsse que el represent - Embor poss exstr est Função de Referênc (FR), os desvos de comportmento podem ser sstemtzdos em lguns csos como o qu presentdo e pelo menos um função desvo (FD) pode ser proxmd desde que os métodos de proxmção d FR e d FD convrjm e então os desvos devdo à proxmção d CC podem ser mnmzdos - A utlzção d combnção entre os dtos Polnômos s dts MLP s com FP s do tpo Tngente Hperbólc ou Identdde, trvés do cálculo d FD, resultrm em níves denotdos e encorjdores ds FP s, qundo ests FP s são s somtórs dos erros qudrátcos ou dos seus meddores dervdos (como o Erro Qudrátco Médo [4]) A C por exemplo presentou FP s oto ordens de grndezs menores n regressão que s Fp s do polnômo P3 (utlzdo tulmente) e três ordens de grndez menores n predção nos Processos de Clbrção qu nlsdos - A escolh de um modelo mtemátco pr representr CC com extdão é complex e depende dest extdão, mesmo qundo o estudo em questão está sob condções de repettvdde e envolve somente os pontos meddos e os pontos no entorno deste, como é o cso qu presentdo REFERÊNCIA BIBLIOGRÁFICA INMETRO, Vocbuláro Internconl de Termos Fundments e Gers de Metrolog, 4 edção, Ro de Jnero, I M Brbos, E M Hernndez, M L C C Res, O A F Mello, Clbrton Curve Modelng of Multcomponent Blnce usng MLP Artfcl Neurl Network wth Lernng Endowed wth Lodng Uncertnty, AIAA , 25 th AIAA Aerodynmc Mesurement Technology nd Ground Testng Conference, n Frncsco, Clforn, UA, I M Brbos, E M Hernndez, M L C C Res, O A F Mello, Predções no Ajuste de Curv de Clbrção Utlzndo Redes Neurs Artfcs, Encontro pr Quldde Lbortorl, 2007, ão Pulo, ão Pulo, Brsl, C D 4 Hykn, Neurl Network: A Comprehensve Foundton, second ed, Prentce-Hll, I M Brbos, E M Hernndez, M L C C Res, O A F Mello, Modelng of Clbrton Curve of n Externl Aerodynmc Blnce usng Multlyer Perceptron Artfcl Neurl Networks, 8 th Interntonl Congress of Mechncl Engneerng, 2005, Ouro Preto, Mns Gers, Brsl, CD P R Bevngton, Dt Reducton nd Anlyss for the Physcl cences, McGrw-Hll Book Compny, 99, UA 7 I M Brbos, Aplcção ds Redes Neurs Artfcs n Confbldde Metrológc, Dssertção de Mestrdo d Escol Poltécnc d UP, ão Pulo, Brsl, 2004
7 Número de Neurônos n Cmd Ocult Função de Performnce - om dos Erros Qudrátcos , 0,0 0,00 35,34 9,7 2,88E+00 87,25 44,27,97E+00 37,58 77,38 4,29E-0 33,23,49 2,23E-0 9,3 42,95,7E+00 33, 57,80,5E-0 2,75 53,38,8E-0 9,72 8,87 4,0E-02 28,88 94,44 4,4E ,99 79,7 4,2E-02 52,,08 3,78E-02 28,20 03,07 2,42E ,70 29,49 2,5E ,74 4,2,7E-02 27,58 92,84,7E ,44 4,,E ,57 05,38,8E-02 25,33 2,4 8,7E-03 24,4 23,78 MLP - Predção MLP - Predção 2 P3 - Predção = 2,7095 P3 - Predção 2 =,7200 P3 - Ajuste = 2,528 MLP - Aprendzdo 7,70E ,52 89,47,28E , 95,33 9,04E ,7,48 7,74E ,89 58,28 5,E-03 25,57 08,89,2E-03 32,02 39,97 8,22E-03 Fgur 4: Função de Performnce pr MLP com FT s gmods n proxmção e n predção de CCs comprd o Polnômo P3 Número de Neurônos n Cmd Ocult ,00E+0 omtór dos Erros Qudrátcos,00E+00,00E-0,00E-02,00E-03,00E-04,00E-05,00E-0 3,05E-0 3,09E-0,85E-02 2,2E-0 9,5E-02,98E-02 2,59E-02,39E-02,3E-02,47E-02 8,28E-03,48E-02,E-03 3,2E-03 5,2E-03 8,3E-03,35E-03,08E-03 3,58E-03,2E-04 4,34E-03 3,93E-05 3,92E-03,28E-03 2,4E-03 2,47E-03 2,47E-03 3,72E-03 3,43E-03 3,9E-03 2,79E-03 7,42E-03 3,99E-03 Trenmento Predção 2,5E-03 4,99E-03 2,92E-03 Predção 2 P3 - Predção = 2,7095 P3 - Predção 2 =,7200 P3 - Ajuste = 2,528 5,85E-03 3,77E-03 4,5E-03 7,5E-03,00E-07,00E-08,00E-09,2E-07,7E-07 4,35E-08 8,92E-08 7,23E-09 4,E-09 2,38E-08 4,2E-08 8,53E-08 4,45E-09,35E-08 3,72E-08,40E-08 5,04E-09 8,24E-08 5,32E-08 5,5E-09 2,93E-08 Fgur 5: Função de Performnce pr combnção C n proxmção e n predção de CCs comprd o Polnômo P3
8 omtór dos Erros Qudrátcos,00E+00,00E-0,00E-02,00E-03,00E-04,00E-05,00E-0 3,2E-0 3,9E-0 4,2E-0 7,5E-02 8,40E-02 2,07E-02 7,8E-02,22E-02,32E-02 8,E-03,4E-02 4,4E-03 3,44E-02 2,4E-03 3,09E-02,77E-03 7,2E-03 8,30E-04 4,5E-03 Número de Neurônos n Cmd Ocult ,00E+0,53E-04 4,7E-03 4,3E-05,95E-03,E-05,23E-02 4,33E-03 5,43E-03 5,24E-03 9,5E-0 4,74E-03 8,93E-03,8E-03 8,44E-03 8,80E-03 4,2E-03 Predção Aprendzdo,33E-02 4,0E-03 5,02E-03 Predção 2 P3 - Predção = 2,7095 P3 - Predção 2 =,7200 P3 - Ajuste = 2,528 7,78E-03 7,0E-0 2,44E-02,77E-03 5,8E-03,00E-07,00E-08,00E-09 7,02E-08 3,82E-07 5,80E-08 3,32E-09 4,5E-09 4,5E-08 8,40E-09 3,E-08,37E-08 9,2E-08,28E-08 2,9E-08 8,7E-08 7,57E-09 5,00E-08 Fgur : Função de Performnce pr combnção C2 n proxmção e n predção de CCs comprd o Polnômo P3 Número de Neurônos n Cmd Ocult omtór dos Erros Qudrátcos ,00E+0,00E+00,00E-0,00E-02,00E-03,00E-04,00E-05,00E-0,00E-07,00E-08,00E-09 4,94E-0 4,59E-0,43E+00 4,82E-02 9,80E-02,7E-02 3,29E-02 8,72E-03,E-02 7,8E-03 2,57E-02 5,53E-03 Predção Aprendzdo,29E-03 2,95E-03,80E-0,7E-0 4,52E-03 5,90E-04 Predção 2 P3 - Predção = 2,7095 P3 - Predção 2 =,7200 P3 - Ajuste = 2,528 2,47E-03 2,07E-04 Not: Pontos não plotdos (prendzdo) tngrm vlores próxmos o zero de softwre ou máqun: de 4,28E-28,E-24,28E-02,70E-04 5,84E-03 4,82E-05,2E-02 4,59E-05,75E-03 2,0E-05,75E-03 2,27E-0 9,85E-03 4,05E-03,39E-02 5,4E-03,8E-03 3,5E-03,0E-05 3,7E-03,9E-08 9,4E-03,35E-05 3,77E-03 7,87E-03 2,39E-05 2,8E-03 2,29E-04,44E-03 5,77E-03 2,5E-08 2,94E-03,00E-0 7,78E-0 Fgur 7: Função de Performnce pr combnção C4 n proxmção e n predção de CCs comprd o Polnômo P3
Universidade do Vale do Rio dos Sinos UNISINOS Programa de Pós-Graduação em Engenharia Mecânica. Ajuste de equações
Unversdde do Vle do Ro dos Snos UNISINOS Progrm de Pós-Grdução em Engenhr Mecânc Ajuste de equções Ajuste de curvs Técnc usd pr representr crcterístcs e comportmento de sstems térmcos. Ddos representdos
Leia maisAUTOVALORES E AUTOVETORES
UTOLOES E UTOETOES Defnção Sej T : um operdor lner Um vetor v, v, é dto utovetor, vetor própro ou vetor crcterístco do operdor T, se exstr λ tl que T v) = λ v O esclr λ é denomndo utovlor, vlor própro
Leia maisObtendo uma solução básica factível inicial. Método Simplex duas fases
Obtendo um solução básc fctível ncl Método Smple dus fses Bse ncl FASE I Como determnr um prtção básc fctível ncl (A(B, N)). Algums clsses de problems de otmzção lner oferecem nturlmente solução básc fctível
Leia maisCapítulo 5 AJUSTAMENTO DOS VETORES OBSERVADOS. os possíveis vetores de serem formados entre as estações, ou seja,
5 Cpítulo 5 JUSMENO DOS EORES OBSERDOS Como resultdo do processmento de fses observds por R, R 3, receptores, em um mesm sessão, obter-se-ão os vlores ds componentes de todos os possíves vetores de serem
Leia maisEixos e árvores Projeto para eixos: restrições geométricas. Aula 4. Elementos de máquinas 2 Eixos e árvores
Exos e árvores Projeto pr exos: restrções geométrcs Aul 4 Elementos de máquns Exos e árvores 1 Exos e árvores Projeto pr exos: restrções geométrcs o Deflexões e nclnções: geometr de um exo corresponde
Leia maisXI OMABC NÍVEL O lugar geométrico dos pontos P x, y cuja distância ao ponto Q 1, 2 é igual a y é uma:
O lugr geométrco dos pontos P x, y cu dstânc o ponto Q, é gul y é um: prábol com foco no ponto Q crcunferênc de ro gul N fgur segur, o trângulo ABC é equlátero de ldo 0, crcunferênc mor é tngente os três
Leia maisMódulo de Matrizes e Sistemas Lineares. Operações com Matrizes
Módulo de Mtrzes e Sstems Lneres Operções com Mtrzes Mtrzes e Sstems Lneres Operções com Mtrzes 1 Exercícos Introdutóros Exercíco 1. Encontre o vlor de () 2 A. 1/2 A. 3 A. Exercíco 2. Determne ) A + B.
Leia mais2 Teoria de membranas elásticas
Teor de membrns elástcs teor de membrn pr mters ltmente deformáves dfere d elstcdde clássc, á que s deformções n superfíce méd d membrn deformd são em módulo mores que undde. Dentro dests crcunstâncs utlz-se
Leia mais6.2 Sabendo que as matrizes do exercício precedente representam transformações lineares 2 2
Cpítulo Vlores própros e vectores própros. Encontrr os vlores e vectores própros ds seguntes mtrzes ) e) f). Sendo que s mtrzes do exercíco precedente representm trnsformções lneres R R, represente s rects
Leia maisMétodo de Gauss-Seidel
Método de Guss-Sedel É o ms usdo pr resolver sstems de equções lneres. Suponhmos que temos um sstem A=b e que n= Vmos resolver cd equção em ordem um ds vráves e escrevemos 0/0/9 MN em que Método de Guss-Sedel
Leia maisAula 1b Problemas de Valores Característicos I
Unversdde Federl do ABC Aul b Problems de Vlores Crcterístcos I EN4 Dnâmc de Fludos Computconl EN4 Dnâmc de Fludos Computconl . U CASO CO DOIS GRAUS DE LIBERDADE EN4 Dnâmc de Fludos Computconl Vbrção em
Leia maisPARTE I. Figura Adição de dois vetores: C = A + B.
1 PRTE I FUNDENTS D ESTÁTIC VETRIL estudo d estátc dos corpos rígdos requer plcção de operções com vetores. Estes entes mtemátcos são defndos pr representr s grndes físcs que se comportm dferentemente
Leia maisMÉTODO DE HOLZER PARA VIBRAÇÕES TORCIONAIS
ÉODO DE HOZE PAA VIBAÇÕES OCIONAIS Este método prómdo é dequdo pr vgs com crcterístcs não unformes centuds, ou sstems com um número grnde de msss concentrds. Substtu-se o sstem contínuo por um sstem dscreto
Leia maisProposta de resolução do Exame Nacional de Matemática A 2016 (1 ạ fase) GRUPO I (Versão 1)
Propost de resolução do Eme Nconl de Mtemátc A 06 ( ạ fse) GRUPO I (Versão ). Sbemos que P(A) =, P(B) = e P(A B) = 5 0 6 Assm, P(A B) P(A B) = = 6 P(B) 6 P(A B) = 6 0 P(A B) = 6 0 P(A B) = 0 Tem-se que
Leia maisREGRESSÃO LINEAR. À variável Y cujo comportamento se pretende estudar dá-se o nome de variável dependente.
REGRESSÃO LINEAR N tm N lq À vrável Y cuo comportmento se pretende estudr dá-se o nome de vrável dependente. O comportmento dest vrável depende de outrs vráves X chmds vráves ndependentes. A modelção do
Leia maisTÓPICOS. Exercícios. Os vectores que constituem as colunas da matriz, 1 = [ 2 0 1] T
Note em: letur destes pontmentos não dspens de modo lgum letur tent d logrf prncpl d cder Chm-se tenção pr mportânc do trlho pessol relzr pelo luno resolendo os prolems presentdos n logrf, sem consult
Leia maisPrimeira Prova de Mecânica A PME /08/2012
SL LITÉNI UNIVRSI SÃ UL eprtmento de ngenhr Mecânc rmer rov de Mecânc M 100 8/08/01 Tempo de prov: 110 mnutos (não é permtdo o uso de dspostvos eletrôncos) r r r r r r 1º Questão (3,0 pontos) onsdere o
Leia mais1a Verificação Refino dos Aços I EEIMVR-UFF, Setembro de 2011 Prova A
1 Verfcção Refno dos s I EEIMVR-UFF, Setembro de 11 Prov A 1. Clcule o vlor de γ no ferro, 168 o C, com os ddos fornecdos n prov. Vmos em ul que o S G e o γ estão relcondos trvés de, 5585γ G R ln M Logo,
Leia maisESTIMATIVA DE ERROS DE DISCRETIZAÇÃO MULTIDIMENSIONAL EM DINÂMICA DOS FLUIDOS
ESTIMATIVA DE ERROS DE DISCRETIZAÇÃO MULTIDIMENSIONAL EM DINÂMICA DOS FLUIDOS Antóno Fábo Crvlho d Slv Crlos Henrque Mrch IV SIMMEC Smpóso Mnero de Mecânc Computconl Uberlând, MG, mo de 000 pp. 497-504
Leia maisCAP. VI Integração e diferenciação numéricas. 1. Introdução
CAP. VI Integrção e dferencção numércs. Introdução Se um função f é contínu num ntervlo [ ; ] e é conecd su prmtv F, o ntegrl defndo dquel função entre e pode clculr-se pel fórmul fundmentl do cálculo
Leia maisSOCIEDADE PORTUGUESA DE MATEMÁTICA
SOCIEDADE PORTUGUESA DE MATEMÁTICA Propost de Resolução do Exme de Mtemátc A - º ANO Códgo 65 - Fse - 07 - de junho de 07 Grupo I 5 6 7 8 Versão A B D A B C D C Versão D D B C C A B A Grupo II. 0 5 5 5
Leia maisAngela Nieckele PUC-Rio DIFUSÃO
Angel ecele UC-Ro IFUSÃO Angel ecele UC-Ro q e qw q w e S w d qe W w e E dw de Angel ecele UC-Ro ossíves ers pr vlr o luo erl em egru: erl ms smples possível porém nclnção de d/d ns ces do volume de controle
Leia maisUniversidade do Vale do Rio dos Sinos UNISINOS Programa de Pós-Graduação em Engenharia Mecânica. Ajuste de equações
7//4 Unversdde do Vle do Ro dos Snos UNISINOS Progr de Pós-Grdução e Engenhr Mecânc Ajuste de equções Ajuste de curvs Técnc usd pr representr crcterístcs e coportento de sstes tércos. Ddos representdos
Leia maisEscola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A. 6º Teste de avaliação versão2. Grupo I
Escol Secundár com 3º cclo D. Dns 10º Ano de Mtemátc A 6º Teste de vlção versão Grupo I As cnco questões deste grupo são de escolh múltpl. Pr cd um dels são ndcds qutro lterntvs, ds qus só um está corret.
Leia maisRevisão de Matemática Simulado 301/302. Fatorial. Análise combinatória
Revsão de Mtemátc Smuldo / Ftorl Eemplos: )! + 5! =! b) - Smplfcr (n+)! (n-)! b) Resolv s equções: (+)! = Permutção Smples Análse combntór Permutções são grupmentos com n elementos, de form que os n elementos
Leia mais6º Teste de avaliação versão1. Grupo I
Escol Secundár com 3º cclo D. Dns 0º Ano de Mtemátc A 6º Teste de vlção versão Grupo I As cnco questões deste grupo são de escolh múltpl. Pr cd um dels são ndcds qutro lterntvs, ds qus só um está corret.
Leia maisCinemática de Corpos Rígidos Cinética de Corpos Rígidos Métodos Newton-Euler Exemplos. EESC-USP M. Becker /67
SEM004 - Aul Cnemátc e Cnétc de Corpos Rígdos Prof. Dr. Mrcelo Becker SEM - EESC - USP Sumáro d Aul ntrodução Cnemátc de Corpos Rígdos Cnétc de Corpos Rígdos Métodos Newton-Euler Eemplos EESC-USP M. Becker
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Vl, Dr. vll@mt.ufrgs.r http://www.mt.ufrgs.r/~vll/ Em muts stuções dus ou ms vráves estão relcods e surge etão ecessdde de determr turez deste relcometo. A álse de regressão é um técc esttístc
Leia maisDefinição de áreas de dependência espacial em semivariogramas
Definição de áres de dependênci espcil em semivriogrms Enio Júnior Seidel Mrcelo Silv de Oliveir 2 Introdução O semivriogrm é principl ferrment utilizd pr estudr dependênci espcil em estudos geoesttísticos
Leia maisANÁLISE DE ESTRUTURAS I
IST - DECvl Deprtmento de Engenhr Cvl NÁISE DE ESTRUTURS I Tels de nálse de Estruturs Grupo de nálse de Estruturs IST, 0 Formuláro de es IST - DECvl Rotções: w w θ θ θ θ n θ n n Relção curvtur-deslocmento:
Leia maisSIMETRIA MOLECULAR E TEORIA DE GRUPOS
SIMETIA MOLECULA E TEOIA DE GUPOS Prof. rle P. Mrtns Flho Operções de smetr e elementos de smetr Operção de smetr : operção que dex um corpo em confgurção espcl equvlente à orgnl Elemento de smetr: ponto,
Leia maisProf. Ms. Aldo Vieira Aluno:
Prof. Ms. Aldo Vieir Aluno: Fich 1 Chmmos de mtriz, tod tbel numéric com m linhs e n coluns. Neste cso, dizemos que mtriz é do tipo m x n (onde lemos m por n ) ou que su ordem é m x n. Devemos representr
Leia maisPROPRIEDADES DOS FLUIDOS DE TRABALHO
POPIEDADES DOS FLUIDOS DE ABALHO José Edurdo utone Brros JEB - Outubro de - Prnch Propreddes dos fludos de trblho Levntmento de propreddes Gráfcos e tbels de lvros e mnus ( hndbooks ) de propreddes NIS
Leia maisFernando Nogueira Dualidade 1
Dldde Fernndo Noger Dldde Fernndo Noger Dldde 8 6.5 M ( ) ( ) ( ).5.5.5.5.5.5.5.5.5 é m lmtnte speror é m lmtnte speror melhor Pr encontrr o lmtnte speror mltplc-se s restrções por constntes postvs e som-se
Leia maisMRUV (plano inclinado) trilho de ar com faiscador
MRUV (plno nclndo) trlho de r com fscdor - Concetos relcondos Intervlo de tempo, posção, velocdde, celerção, celerção méd e movmento retlíneo unformemente vrdo. - Objetvos Entender os concetos de espço
Leia maisMuitas vezes, conhecemos a derivada de uma função, y = f (x) = F(x), e queremos encontrar a própria função f(x).
Integrção Muts vezes, conhecemos dervd de um função, y f (x) F(x), e queremos encontrr própr função f(x). Por exemplo, se semos que dervd de um função f(x) é função F(x) 2x, qul deve ser, então, função
Leia maisCAPÍTULO IV DIFERENCIAÇÃO NUMÉRICA
PMR Mecânc Computconl CAPÍTULO IV DIFERENCIAÇÃO NUMÉRICA O problem de derencção numérc prentemente é semelnte o de ntegrção numérc ou sej obtendo-se um polnômo nterpoldor ou outr unção nterpoldor d unção
Leia maisMRUV (plano inclinado) trilho de ar com faiscador Trilho de ar
MRUV (plno nclndo) trlho de r com fscdor Trlho de r - Concetos relcondos Intervlo de tempo, posção, velocdde, celerção, celerção méd e movmento retlíneo unformemente vrdo. - Objetvos Entender os concetos
Leia maisLista de Exercícios - Otimização Linear Profa. Maria do Socorro DMAp/IBILCE/UNESP. Método Simplex
Lst de Eercícos - Otmzção Lner Prof. Mr do Socorro DMAp/IBILCE/UNESP Método Smple Ref.: Bzr, M. e J.J. Jvs - Lner Progrmmng nd Network Flows - John Wley, 77. ) Resolv o problem bo pelo método smple começndo
Leia maisEscalonamento de processos num sistema computacional multi-processo e uni-processador
Sstems de empo el no ectvo / lgums Nots Muto áscs Sobre o º rblho Prátco Esclonmento de processos num sstem computconl mult-processo e un-processdor. Obectvo Notção escrção Máxmo tempo de computção de
Leia maisSolução da Terceira Lista de Exercícios Profa. Carmem Hara
Exercíco 1: Consdere grmátc G xo: B ǫ ǫ B B Introdução eor d Computção olução d ercer Lst de Exercícos Prof. Crmem Hr. Mostre um dervção ms esquerd d plvr. B B B B B. Quntos pssos de dervção tem o tem
Leia mais1.6- MÉTODOS ITERATIVOS DE SOLUÇÃO DE SISTEMAS LINEARES PRÉ-REQUISITOS PARA MÉTODOS ITERATIVOS
.6- MÉTODOS ITRATIVOS D SOLUÇÃO D SISTMAS LINARS PRÉ-RQUISITOS PARA MÉTODOS ITRATIVOS.6.- NORMAS D VTORS Defção.6.- Chm-se orm de um vetor,, qulquer fução defd um espço vetorl, com vlores em R, stsfzedo
Leia maisBusca. Busca. Exemplo. Exemplo. Busca Linear (ou Seqüencial) Busca em Vetores
Busc e etores Prof. Dr. José Augusto Brnusks DFM-FFCP-USP Est ul ntroduz busc e vetores que está entre s trefs s freqüenteente encontrds e progrção de coputdores Serão borddos dos tpos de busc: lner (ou
Leia mais1ª PROVA ICIN 2º/2010
Dertmento de Engenhr Elétrc Prof. Adolfo Buchsess Fculdde de Tecnolog Lbortóro de Automção e Robótc Unversdde de Brsíl 6848 INTRODUÇÃO AO CONTROLE INTELIGENTE NUMÉRICO - 2 /200 ENE/FT/UnB ª Prov de dezembro
Leia maisModelamento não Linear de Dois Elos de um Robô Eletromecânico de Cinco Graus de Liberdade
Proceedng Seres of the Brzln Socety of Appled nd Computtonl Mthemtcs, Vol. 3, N., 5. Trblho presentdo no III CMAC - SE, Vtór-ES, 5. Proceedng Seres of the Brzln Socety of Computtonl nd Appled Mthemtcs
Leia maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia maisAlocação de recursos e seqüenciamento de atividades no planejamento e controle de projetos
XXVI ENEGEP - Fortlez, CE, Brsl, 9 11 de Outubro de 006 Alocção de recursos e seqüencmento de tvddes no plnemento e controle de proetos Clrsse d Slv Ver (UFMG) cosver@terr.com.br Crlos Roberto Venânco
Leia maisALGEBRA LINEAR AUTOVALORES E AUTOVETORES. Prof. Ademilson
LGEBR LINER UTOVLORES E UTOVETORES Prof. demilson utovlores e utovetores utovlores e utovetores são conceitos importntes de mtemátic, com plicções prátics em áres diversificds como mecânic quântic, processmento
Leia mais6 Modelo Econométrico e Resultados Principais
6 Modelo Eonométro e Resultdos rnps O modelo lner estmdo pr méd ondonl e qunts é desrto n expressão xo. ~ log( p t ) = 0 + β1epsodet + β β Merhnt Epsode + + ε t t onde é um ttulo e t um semn. log( p ~
Leia maisVALIDAÇÃO DO MÉTODO TOYOTA GOAL CHASING DE SEQUENCIAMENTO ATRAVÉS DA SIMULAÇÃO DE MONTE CARLO
XXIX ENCONTRO NCIONL DE ENGENHRI DE PRODUÇÃO. VLIDÇÃO DO MÉTODO TOYOT GOL CHSING DE SEQUENCIMENTO TRVÉS D SIMULÇÃO DE MONTE CRLO Dougls Fernndo de Crvlho Olver (USF) fskbrg@gml.com lexndre Leme Snches
Leia maisIntegração Numérica Regras de Newton-Cotes
Integrção Numérc Regrs de Newton-Cotes Aproxmr função ntegrnd por um polnómo nterpoldor, utlzndo pr nós de nterpolção os extremos do ntervlo e nós gulmente espçdos no nteror do ntervlo If ( ) fxdx ( )
Leia maisMaterial envolvendo estudo de matrizes e determinantes
E. E. E. M. ÁREA DE CONHECIMENTO DE MATEMÁTICA E SUAS TECNOLOGIAS PROFESSORA ALEXANDRA MARIA º TRIMESTRE/ SÉRIE º ANO NOME: Nº TURMA: Mteril envolvendo estudo de mtrizes e determinntes INSTRUÇÕES:. Este
Leia maisAutômatos Finitos. Autômatos finitos não deterministas
Autômtos Fntos Compldores 1 Autômtos ntos, ou máqun de estdos ntos, são um orm mtemátc de descrever tpos prtculres de lgortmos. Autômtos ntos podem ser utlzdos pr descrever o processo de reconhecmento
Leia maisfundamental do cálculo. Entretanto, determinadas aplicações do Cálculo nos levam a formulações de integrais em que:
Cpítulo 8 Integris Imprópris 8. Introdução A eistênci d integrl definid f() d, onde f é contínu no intervlo fechdo [, b], é grntid pelo teorem fundmentl do cálculo. Entretnto, determinds plicções do Cálculo
Leia maisProblemas e Algoritmos
Problems e Algoritmos Em muitos domínios, há problems que pedem síd com proprieddes específics qundo são fornecids entrds válids. O primeiro psso é definir o problem usndo estruturs dequds (modelo), seguir
Leia maisMétodos Numéricos Ajuste de Curva pelo Método dos Quadrados Mínimos-MQM. Professor Volmir Eugênio Wilhelm Professora Mariana Kleina
Métodos Numércos Ajuste de Curv pelo Método dos Qudrdos Mímos-MQM Professor Volmr Eugêo Wlhelm Professor Mr Kle Método dos Qudrdos Mímos Ajuste Ler Professor Volmr Eugêo Wlhelm Professor Mr Kle Método
Leia maisIntegração Numérica Regras de Newton-Cotes
Integrção Numérc Regrs de Newton-Cotes Aproxmr função ntegrnd por um polnómo nterpoldor, utlzndo pr nós de nterpolção os extremos do ntervlo e nós gulmente espçdos no nteror do ntervlo If ( ) fxdx ( )
Leia maisTP062-Métodos Numéricos para Engenharia de Produção Ajuste de Curva pelo Método dos Quadrados Mínimos-MQM
TP06-Métodos Numércos pr Egehr de Produção Ajuste de Curv pelo Método dos Qudrdos Mímos-MQM Prof. Volmr Wlhelm Curtb, 05 Método dos Qudrdos Mímos Ajuste Ler Prof. Volmr - UFPR - TP06 Método dos Qudrdos
Leia mais10/09/2016 UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS DA TERRA DEPARTAMENTO DE GEOMÁTICA AJUSTAMENTO II GA110. Prof. Alvaro Muriel Lima Machado
UNIVERSIDDE FEDERL DO PRNÁ SEOR DE IÊNIS D ERR DEPRMENO DE GEOMÁI JUSMENO II G Prof. lvro Muriel Lim Mchdo justmento de Observções Qundo s medids não são feits diretmente sobre s grndezs procurds, ms sim
Leia maisIncertezas e Propagação de Incertezas. Biologia Marinha
Incertezs e Propgção de Incertezs Cursos: Disciplin: Docente: Biologi Biologi Mrinh Físic Crl Silv Nos cálculos deve: Ser coerente ns uniddes (converter tudo pr S.I. e tender às potêncis de 10). Fzer um
Leia mais3.Redução de ruído 23
3.Redução de ruído 3 3 Redução de ruído 3.. Algortmo NLM Como mor dos lgortmos pr redução de ruído o lgortmo NLM us o cálculo de méds como form de elmnr ruído. A dferenç está em que enqunto mor dos lgortmos
Leia maisIntegração Numérica Regras de Newton-Cotes
Integrção Numérc Regrs de Newton-Cotes Aproxmr função ntegrnd por um polnómo nterpoldor, utlzndo pr nós de nterpolção os extremos do ntervlo e nós gulmente espçdos no nteror do ntervlo If ( ) fxdx ( )
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano a Fase
Prov Escrit de MATEMÁTICA A - o Ano 0 - Fse Propost de resolução GRUPO I. Como comissão deve ter etmente mulheres, num totl de pessos, será constituíd por um único homem. Logo, como eistem 6 homens no
Leia maisMatriz-coluna dos segundos membros das restrições técnicas. Matriz-linha dos coeficientes das variáveis de decisão, em f(x) = [ c c ] [ 6 8] e C a
Versão Mtrcl do Splex VI Versão Mtrcl do Splex Introdução onsdere-se o segunte odelo de PL: Mx () 6x + 8x 2 sujeto : 3x + 2x 2 3 5x + x 2 x, x 2 Mtrzes ssocds o odelo: Mtrz Tecnológc 3 5 2 Mtrz-colun ds
Leia maisSequências Teoria e exercícios
Sequêcs Teor e exercícos Notção forml Defmos um dd sequêc de úmeros complexos por { } ( ) Normlmete temos teresse em descobrr um fórmul fechd que sej cpz de expressr o -ésmo termo d sequêc como fução de
Leia maisIntegração Numérica Regras de Newton Cotes
Integrção Numérc Regrs de Newton Cotes Aproxmr função ntegrnd por um polnómo nterpoldor, utlzndo pr nós de nterpolção os extremos do ntervlo e nós gulmente espçdos no nteror do ntervlo If ( ) fxdx ( )
Leia maisExemplo: y 3, já que sen 2 e log A matriz nula m n, indicada por O m n é tal que a ij 0, i {1, 2, 3,..., m} e j {1, 2, 3,..., n}.
Mrzes Mrz rel Defnção Sem m e n dos números neros Um mrz rel de ordem m n é um conuno de mn números res, dsrbuídos em m lnhs e n coluns, formndo um bel que se ndc em gerl por 9 Eemplo: A mrz A é um mrz
Leia mais6/22/2015. Física Geral III
Físc Gerl III Aul Teórc 0 (Cp. 33 prte 1/): 1) evsão sore ndução ) Indutânc 3) Indutânc de um solenóde 4) Indutânc de um toróde 5) Auto-ndução 6) Indutores 7) Crcutos Prof. Mrco. oos evsão sore ndução
Leia maisComplexidade de Algoritmos
Complexdde de Algortmos Prof. Dego Buchger dego.uchger@outlook.com dego.uchger@udesc.r Prof. Crsto Dm Vscocellos crsto.vscocellos@udesc.r Aálse de Complexdde de Tempo de Algortmos Recursvos Algortmos Recursvos
Leia maisPotencial Elétrico. Evandro Bastos dos Santos. 14 de Março de 2017
Potencil Elétrico Evndro Bstos dos Sntos 14 de Mrço de 2017 1 Energi Potencil Elétric Vmos começr fzendo um nlogi mecânic. Pr um corpo cindo em um cmpo grvitcionl g, prtir de um ltur h i té um ltur h f,
Leia maisReferências: É muito desejável que seja um caderno
INTRODUÇÃO: orm Gerl dos Reltóros É muto desejável que sej um cderno grnde (formto A4) putd com folhs enumerds ou com folhs enumerds e qudrculds, do tpo contldde, de cp dur pret, rochur. Chmremos de Cderno
Leia maisAJUSTE DE CURVAS. Métodos Numéricos Computacionais Prof a. Adriana Cherri Prof a. Andréa Vianna Prof. Antonio Balbo Prof a Edméa Baptista
AJUST D CURVAS Até or o polômo de promção o dedo de tl mer cocdr com o vlor d ução dd em potos dedos terpolção m certos tpos de prolems sto pode ão ser desejável em prtculr se os vlores orm otdos epermetlmete
Leia maisNotas de Aula: Mecânica dos Sólidos I Prof. Willyan Machado Giufrida. Características geométrica das superfícies planas
Nots de ul: Mecânc dos Sóldos I Prof Wllyn Mchdo Gufrd Crcterístcs geométrc ds superfíces plns Nots de ul: Mecânc dos Sóldos I Prof Wllyn Mchdo Gufrd Momento estátco Centro de Grvdde (CG) Momento estátco
Leia maisUNIVERSIDADE FEDERAL DA BAHIA DEPARTAMENTO DE MATEMÁTICA MATA07 ÁLGEBRA LINEAR A PROFESSORES: Glória Márcia, Enaldo Vergasta. 1 a LISTA DE EXERCÍCIOS
NIESIDADE FEDEAL DA BAHIA DEPATAMENTO DE MATEMÁTICA MATA7 ÁLGEBA LINEA A POFESSOES: Glór Márc Enldo ergst LISTA DE EXECÍCIOS ) Sejm A B e C mtres nversíves de mesm ordem encontre epressão d mtr X nos tens
Leia maisUNIVERSIDADE FEDERAL DE PERNAMBUCO. Resumo. Nesta aula, utilizaremos o Teorema Fundamental do Cálculo (TFC) para o cálculo da área entre duas curvas.
CÁLCULO L1 NOTAS DA DÉCIMA SÉTIMA AULA UNIVERSIDADE FEDERAL DE PERNAMBUCO Resumo. Nest ul, utilizremos o Teorem Fundmentl do Cálculo (TFC) pr o cálculo d áre entre dus curvs. 1. A áre entre dus curvs A
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM UM ÚNICO FATOR E A ANÁLISE DE VARIÂNCIA
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM UM ÚNICO FATOR E A ANÁLISE DE VARIÂNCIA Dr. Sivldo Leite Correi EXEMPLO DE UM PROBLEMA COM UM ÚNICO FATOR Um empres do rmo textil desej desenvolver
Leia maisCircuitos Elétricos II Experimento 1 Experimento 1: Sistema Trifásico
Circuitos Elétricos Experimento 1 Experimento 1: Sistem Trifásico 1. Objetivo: Medição de tensões e correntes de linh e de fse em um sistem trifásico. 2. ntrodução: As tensões trifásics são normlmente
Leia mais1. Ajustamento de observações aplicado na Fotogrametria
CAPÍTULO I. Ajustmento de observções plcdo n Fotogrmetr Devdo às propreddes estocástcs ds observções (vrbldde ds observções), su redundânc não é comptível com o modelo funconl que represent reldde físc.
Leia maisUma Aplicação de Análise de Correspondência Retificada à Comunidades Aquáticas
Um Aplcção de Análse de Correspondênc Retfcd à Comunddes Aquátcs 1 Introdução An Betrz Tozzo Mrtns 1 Vnderly Jnero 1 Tereznh Aprecd Guedes 1 Evnlde Benedto 2 Gustvo Henrque Z Alves 3 A nálse de correspondênc
Leia maisAula 27 Integrais impróprias segunda parte Critérios de convergência
Integris imprópris segund prte Critérios de convergênci MÓDULO - AULA 7 Aul 7 Integris imprópris segund prte Critérios de convergênci Objetivo Conhecer dois critérios de convergênci de integris imprópris:
Leia maisAULA 1. 1 NÚMEROS E OPERAÇÕES 1.1 Linguagem Matemática
1 NÚMEROS E OPERAÇÕES 1.1 Lingugem Mtemátic AULA 1 1 1.2 Conjuntos Numéricos Chm-se conjunto o grupmento num todo de objetos, bem definidos e discerníveis, de noss percepção ou de nosso entendimento, chmdos
Leia mais1. Prove a chamada identidade de Lagrange. u 1,u 3 u 2,u 3. u 1 u 2,u 3 u 4 = u 1,u 4 u 2,u 4. onde u 1,u 2,u 3 e u 4 são vetores em R 3.
Universidde Federl de Uberlândi Fculdde de Mtemátic Disciplin : Geometri Diferencil Assunto: Cálculo no Espço Euclidino e Curvs Diferenciáveis Prof. Sto 1 List de exercícios 1. Prove chmd identidde de
Leia mais(x, y) dy. (x, y) dy =
Seção 7 Função Gm A expressão n! = 1 3... n (1 está definid pens pr vlores inteiros positivos de n. Um primeir extensão é feit dizendo que! = 1. Ms queremos estender noção de ftoril inclusive pr vlores
Leia maisCÁLCULO I 1 o Semestre de 2012 O CÁLCULO DE ÁREAS
CÁLCULO I o Semestre de Prof. Muríco Fr 4 Sére de Eercícos : Integrção 4- O CÁLCULO DE ÁRES (I) Áre é medd de um espço de dus dmensões. O vlor d áre sgnfc qunts vezes esse espço é mor do que um medd pdrão.
Leia maisESTATÍSTICA APLICADA. 1 Introdução à Estatística. 1.1 Definição
ESTATÍSTICA APLICADA 1 Introdução à Esttístic 1.1 Definição Esttístic é um áre do conhecimento que trduz ftos prtir de nálise de ddos numéricos. Surgiu d necessidde de mnipulr os ddos coletdos, com o objetivo
Leia mais1 ÁLGEBRA MATRICIAL 1.1 TIPOS ESPECIAIS DE MATRIZES. Teorema. Sejam A uma matriz k x m e B uma matriz m x n. Então (AB) T = B T A T
ÁLGEBRA MATRICIAL Teorem Sejm A um mtriz k x m e B um mtriz m x n Então (AB) T = B T A T Demonstrção Pr isso precismos d definição de mtriz trnspost Definição Mtriz trnspost (AB) T = (AB) ji i j = A jh
Leia maisMétodo de Análise Nodal
étodo de Análse Nodl. ntrodução Conorme sto nterormente, solução de um crcuto elétrco contendo rmos requer determnção de ncógnts, s qus são corrente e tensão de cd rmo. Tmém o mostrdo que plcção ds Les
Leia mais8/5/2015. Física Geral III
Físc Gerl III Aul Teórc 0 (Cp. 33 prte 1/): 1) evsão sore ndução ) Indutânc 3) Indutânc de um solenóde 4) Indutânc de um toróde 5) Auto-ndução 6) Indutores 7) Crcutos Prof. Mrco. oos evsão sore ndução
Leia maisTÓPICOS. Equação linear. Sistema de equações lineares. Equação matricial. Soluções do sistema. Método de Gauss-Jordan. Sistemas homogéneos.
Note bem: leitur destes pontmentos não dispens de modo lgum leitur tent d bibliogrfi principl d cdeir ÓPICOS Equção liner. AUA 4 Chm-se tenção pr importânci do trblho pessol relizr pelo luno resolvendo
Leia maisOTIMIZAÇÃO DE MÚLTIPLOS DUAIS CORRELACIONADOS NO PROCESSO DE TORNEAMENTO DO AÇO DE CORTE FÁCIL ABNT 12L14
UNIVESIDADE FEDEAL DE ITAJUBÁ POGAMA DE PÓS-GADUAÇÃO EM ENGENHAIA DE PODUÇÃO OTIMIZAÇÃO DE MÚLTIPLOS DUAIS COELACIONADOS NO POCESSO DE TONEAMENTO DO AÇO DE COTE FÁCIL ABNT 1L14 Aluzo mos Slgdo Júnor Itjubá,
Leia maisResolução Numérica de Sistemas Lineares Parte I
Cálculo Numérico Resolução Numéric de Sistems ineres Prte I Prof. Jorge Cvlcnti jorge.cvlcnti@univsf.edu.br MATERIA ADAPTADO DOS SIDES DA DISCIPINA CÁCUO NUMÉRICO DA UFCG - www.dsc.ufcg.edu.br/~cnum/ Sistems
Leia maisUFPR - DELT Medidas Elétricas Prof. Marlio Bonfim
UFPR - DELT Medds Elétrcs Prof. Mrlo Bonfm Oscloscópo Instrumento que permte vsulzção e/ou medd do vlor nstntâneo de um tensão em função do tempo. A letur do snl é fet num tel sob form de um gráfco tensão
Leia maisEquações diferenciais ordinárias Euler e etc. Equações diferenciais ordinárias. c v m. dv dt
Euções derecs ordárs Euler e etc. Aul 7/05/07 Métodos Numércos Aplcdos à Eger Escol Superor Agrár de Combr Lcectur em Eger Almetr 006/007 7/05/07 João Noro/ESAC Euções derecs ordárs São euções composts
Leia maisII TESTES PARA O CASO DE UMA AMOSTRA (Testes de Aderência)
II TESTES PARA O CASO DE UMA AMOSTRA (Testes de Aderênc) Estes testes são útes pr verfcr se determnd mostr pode provr de um populção especfcd. São usulmente conhecdos como testes de derênc ou bondde do
Leia maisUniversidade Estadual do Sudoeste da Bahia
Universidde Estdul do Sudoeste d Bhi Deprtmento de Estudos Básicos e Instrumentis 3 Vetores Físic I Prof. Roberto Cludino Ferreir 1 ÍNDICE 1. Grndez Vetoril; 2. O que é um vetor; 3. Representção de um
Leia maisQuantidade de oxigênio no sistema
EEIMVR-UFF Refino dos Aços I 1ª Verificção Junho 29 1. 1 kg de ferro puro são colocdos em um forno, mntido 16 o C. A entrd de oxigênio no sistem é controld e relizd lentmente, de modo ir umentndo pressão
Leia maisCalibração de Modelo Hidráulico de Rede de Distribuição de Água
RBR - Revst Brsler de Recursos ídrcos Volume n. Jul/Set, - Clbrção de Modelo dráulco de Rede de Dstrbução de Águ Antono Mrozz Rghetto LARISA - Depto. Eng. Cvl - Centro de Tecnolog UFRN - Centro Unverstáro
Leia maisDETERMINAÇÃO DE ELEMENTOS TERRA RARAS E OUTROS TRAÇOS EM SOLEIRAS DE DIABÁSIO DA PROVÍNCIA MAGMÁTICA DO PARANÁ POR ATIVAÇÃO NEUTRÔNICA
2005 Interntonl Nucler Atlntc Conference - INAC 2005 Sntos, SP, Brzl, August 28 to September 2, 2005 ASSOCIAÇÃO BRASILEIRA DE ENERGIA NUCLEAR - ABEN ISBN: 85-99141-01-5 DETERMINAÇÃO DE ELEMENTOS TERRA
Leia maisFusão (Intercalação) Exemplo. Exemplo. Exemplo. Exemplo. Ordenação por Fusão
Ordenção por Fusão Fusão (Interlção) Prof. Dr. José Augusto Brnuss DFM-FFCRP-USP Est ul ntroduz métodos de ordenção por A é utlzd qundo dus ou ms seqüêns enontrm-se ordends O oetvo é nterlr s seqüêns ordends
Leia maisIntegral. (1) Queremos calcular o valor médio da temperatura ao longo do dia. O valor. a i
Integrl Noção de Integrl. Integrl é o nálogo pr unções d noção de som. Ddos n números 1, 2,..., n, podemos tomr su som 1 + 2 +... + n = i. O integrl de = té = b dum unção contínu é um mneir de somr todos
Leia mais