INICIAÇÃO AO ESTUDO DAS EQUAÇÕES DIFERENCIAIS PARCIAIS

Tamanho: px
Começar a partir da página:

Download "INICIAÇÃO AO ESTUDO DAS EQUAÇÕES DIFERENCIAIS PARCIAIS"

Transcrição

1 UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA - JOÃO PESSOA CENTRO DE FORMAÇÃO DE PROFESSORES - CAJAZEIRAS Relatóro Fnal INICIAÇÃO AO ESTUDO DAS EQUAÇÕES DIFERENCIAIS PARCIAIS Janete Soares de Carvalho Bolssta pelo Programa PIBIC - Mlêno Everaldo Souto de Mederos Orentador Francsco José de Andrade Coorentador Cajazeras, Agosto de 2003.

2 1 Introdução Este relatóro expõe um conjunto de atvdades exercdas pelo bolssta no Programa Insttuconal de Bolsas de Incação Centífca PIBIC - Mlêno entre Agosto de 2002 e Julho de Serão aqu exbdos uma exposção ntrodutóra do projeto: objetvos, metodologa,conteúdo pesqusado e bblografa utlzada. Como atvdades complementares de grande proveto para o bolssta, ele partcpou, sendo também palestrante, de um encontro envolvendo todos os ntegrandes do grupo que forma o Projeto de Pesqusa Integrado em Análse, coordenado pelo Prof. Dr. João Marcos Bezerra do Ó, realzado em feverero e agosto de O bolssta agradece a sua partcpação neste mportante projeto de ncação centífca, patrocnado pelo PIBIC - Mlêno, pos reconhece a mportânca não só acadêmca, mas cultural (por despertar cratvdade e nteresse em pesqusa no ramo da Matématca) e socal (por ntegrá-lo em grupos de estudantes e professores crando, assm, um novo cclo de amzades). Com o apoo do Insttuto Mlêno ( Projeto Integrado de Pesqusa em Análse, coordenado pelo Prof. Dr. João Marcos Bezerra do Ó), o orentando se benefca dos estudos em grupo, com colegas, professores e pesqusadores lgados a este projeto de pesqusa. Desta forma, crou-se um ambente centífco bastante dnâmco e motvador. 1.1 Objetvos O objetvo prncpal deste projeto fo o estudo das Equações Dferencas Parcas, e portanto, fo necessára um ntrodução em Anaálse Funconal, afm de embasar o aluno para assuntos mas avançados. As atvdades ncaram-se com os Espaços métrcos e normados, Espaços de Banach e de Hlbert, fnalzando, de acordo com o prevsto, com o estudo dos Espaços de Sobolev e aplcações em Equações Dferencas Parcas. Vale salentar também que um projeto desta natureza tem como fnaldade ntroduzr o aluno, anda em graduação, à pesqusa em Matemátca, abrndo, assm, as portas para uma futura pós-graduação. 2

3 1.2 Metodologa -Encontros semanas para dscussão de conteúdo e/ou apresentação de semnáros; - Letura de textos da bblografa. Agora, vamos expor os resultados estudados e pesqusados nos capítulos a segur. 2 Espaços Métrcos Neste período de níco de atvdades, foram estudadas bastantes defnções e teoremas referentes ao Capítulo 1 da ref. [1]. Abaxo têm-se um pequeno resumo do que fo trabalhado e dscutdo ao longo do bmestre ncal. O ponto de partda foram defnções, de certa forma novas para o aluno, do que vêm a ser espaços métrcos, sequênca de Cauchy, espaços completos. Foram relembradas outras defnções tas como função contínua, bola aberta, bola fechada, esfera, sequênca convergente, ponto de acumulação, fexo de um conjunto. Todos os teoremas estudados estão abaxo relaconados, bem como algumas defnções e resultados nteressantes. Sem necessdade de esclarecer novamente daqu para frente, mutos exercícos foram resolvdos de acordo com a teora exposta neste trabalho. Defnção: Um espaço métrco é um par (E, d) onde E é um conjunto e d uma função defnda em E E a valores reas, ou seja: d : E E R. Esta função é chamada de métrca e goza das seguntes propredades: M1. d(x, y) 0 x, y E; M2. d(x, y) = 0 x = y; M3. d(x, y) = d(y, x) (smetra); M4. d(x, y) d(x, z) + d(z, y) (desgualdade trangular); Observação: a) Por ndução obtêm-se de 4 uma desgualdade trangular generalzada: d(x 1, x n ) d(x 1, x 2 ) + d(x 2, x 3 ) d(x n 1, x n ). 3

4 b) É costumero referr-se a um espaço métrco (E, d) apenas por E e proceder-se-á desta forma neste trabalho Um subespaço de um espaço métrco E consste em um conjunto F E e a restrção da métrca d ao conjunto F F. Ou seja, a métrca em F é a restrção d = d F F. Exemplos: 1- R mundo da métrca d(x, y) = x y 2- Espaço B(A) das funções lmtadas. Cada elemento k B(A) é uma função defnda e lmtada no conjunto A. A métrca apresentada para exemplo é: 3- Espaços l p (p 1) d(x, y) = sup x(t) y(t) t A Por defnção, cada elemento x l p é uma sequênca x = (a 1, a 2, a 3,... ) tal que: =1 a <. À este conjunto atrbue-se a segunte métrca: ( d(x, y) = a b p) 1/p =1 (1) onde x = (a n ) e y = (b n ) Na tentatva de provar os 4 axomas de métrca para esta função d : l p l p R, será necessáro utlzar a desgualdade de Mnkowsk: ( α + β p) 1/p ( α p) 1/p ( + β p) 1/p =1 j=1 m=1 (2) Interessados na demonstração da mesma devem consultar ref. [1] De fato: 4

5 Claramente d satsfaz as condções M1 até M3 notando-se que a convergênca da sére à dreta da equação (1) é dada por (2) quando b = β M4 pode ser obtda, usando a desgualdade trangular para números e (2), da segunte forma: d(x, y) = ( a b p) 1/p =1 ( ( a c + c b ) p) 1/p =1 ( a j c j p) 1/p ( + c m b m p) 1/p j=1 m=1 = d(x, z) + d(z, y), onde z = (c n ). Assm completa-se a prova de que l p é um espaço métrco Defnção: Uma sequênca (x n ) num espaço métrco X é dta convergente quando ocorrer (para algum x X): ε > 0 n 0 ; n > n 0 = d(x n, x) < ε. Costuma-se denotar (x n x quando n ) ou ( lm n x n = x) quando (x n ) é uma sequênca convergente Defnção: 5

6 Uma sucessão (x n ) num espaço métrco X é dta sequênca de Cauchy quando: ε > 0 n 0 ; m, n > n 0 = d(x m, x n ) < ε. Teorema 1 Toda sequênca convergente é uma sequênca de Cauchy. Prova: Seja (x n ) uma sequênca convergente. Logo: ε > 0 n 0 ; n > n 0 = d(x n, x) < ε 2. Tome agora m > n 0. Têm-se pela desgualde trangular que: m, n > n 0 = d(x m, x n ) d(x m, x) + d(x n, x) < ε 2 + ε 2 = ε. Portanto, (x n ) é uma sequênca de Cauchy Nem sempre temos como verdadera a recíproca desta observação. Quando o é, motva-se a segunte Defnção: Um espaço métrco X é completo quando toda sequênca de Cauchy em X é convergente Teorema 2 Os espaços métrcos R e C são completos Defnção: 1. x 0 é um ponto de acumulação de um conjunto M quando para toda vznhaça de x 0, exste um x x 0 ; x 0 M 2. seja X um espaço métrco e M X. Defne-se M = {x X; x M ou x é ponto de acumulação de M} Teorema 3 Seja M um conjunto não vazo de um espaço métrco X e M o seu fexo. Então: a) x M (x n ) em X; x n x 6

7 ( ) b) M é fechado x n x x M, (x n ) em X Prova: a) Seja x M. Se x M então pegue a sequênca da forma (x, x,...). Se x / M então para cada n N a bola aberta B 1/n (x) contém um x n M, já que x é ponto de acumulação de M. Portando x n x porque 1/n 0 quando n. Para a recíproca temos que: se (x n ) M e x n x então ou x M ou em cada vznhança de x exte x n x, o que o faz ponto de acumulação de M. Conclue-se, pela própa defnção de M, que x M b) é trval pos M é fechado M = M Teorema 4 (Subespaço completo) Um subespaço M de um espaço completo X, é tambêm completo se e somente se M é fechado em X. Prova:. Seja M um subespaço completo e x um ponto de acumulação deste conjunto. Por (3[a]) exste uma sequênca (x n ) em M que converge para x. Por (1) esta sequênca é de Cauchy. Como M é um subespaço completo, este x deve estar em M. O que acabou-se de verfcar fo: x M = x M ou seja, M M. Pela própra defnção do fexo, temos também que M M. Logo, M = M e portanto, M é fechado.. M é fechado. Seja então (x n ) um sequênca de Cauchy em M. Então (x n ) está em X e portanto x n x, pos X é completo. Têm-se assm que x M. Como M = M pos M é fechado, conclue-se que M é completo já que (x n ) era uma sequênca de Cauchy arbtrára. Exemplos: Agora serão lstados alguns exemplos de espaços métrcos completos e mcompletos 1. Completude de R n : Sabe-se que se x R n então x = (α 1, α 2,..., α n ) onde α R. Para este exemplo, é utlzada a métrca euucldana, como usual: ( n d(x, y) = (α β ) 2) 1/2 =1 onde y = (β ), {1,..., n} e β R 7

8 Utlzar-se-á a segunte notaçao para um elemento x m R n : x m = (α (m) ). Seja então (x m ) uma sequênca de Cauchy em R n. Logo: ( n ε > 0 m 0 ; m, r > m 0 d(x m, x r ) = =1 elevando ao quadrado ambos os membros, têm-se: n =1 (α (m) α (r) ) 2 < ε 2 (α (m) α (r) ) 2) 1/2 < ε como têm-se um somatóro de números postvos, para cada = 1,.., n, observa-se que: (α (m) α (r) ) 2 < ε 2 α (m) α (r) < ε Daí segue-se que ( α (1), α (2),... ) forma, para cada = 1,.., n, uma sequênca de Cauchy de números reas. Pelo teorema (2), estas sequêncas são convergentes. Faça então α (m) α e construa x = (α 1, α 2,..., α n ). Claramente x R n e x n x. Como (x n ) era uma sequênca arbtrára de Cauchy, têm-se a completude de R n provada 2. Completude de l p Prova: Seja (x n ) uma sequênca de Cauchy no espaço l p, onde Logo, x m = (α (m) 1, α (m) 2,... ). ε > 0, m 0 ; m, n > n 0 d(x m, x n ) < ε Pela defnção da métrca em l p, Elevando a p, ( =1 =1 α (m) α (m) 8 α (n) p) 1/p < ε α (n) p < ε p (3)

9 Como a sére acma é de termos postvos, para cada, obtêm-se: α (m) α (n) p < ε p = α (m) α (n) < ε Logo, as sequêncas ( α (1), α (2),... ) são de Cauchy. Pelo teorema (2) estas sucessões convergem. Faça então α (m) α e construa x = (α 1, α 2,... ). Deve-se mostrar agora que x l p e que x n x. Pela equação (3), k =1 α (m) Fazendo n, Agora k, α (n) p < ε p k = 1, 2,... k =1 =1 α (m) α (m) α p < ε p α p ε p Isto mostra que x m x l p. Pela desgualdade de Mnkowsk, verfcase que x l p pos x = x m (x m x). Também nota-se, extrando a raíz p-ésma na últma desgualdade, que x m x. Conclusão: l p é um espaço completo, pos (x m ) era uma sequênca de Cauchy arbtrára. 3. Consdere agora P(A) o conjunto de todas as funções polnomas defndas em um ntervalo Real fechado A = [a, b]. Utlzando a função d : P(A) P(A) R, d(x, y) = max x(t) y(t) t A verfca-se que P(A) é um espaço métrco. Porém, este espaço é não completo Defnção: Sejam X = (X, d) e Y = (Y, d) espaços métrcos. Então: a) Uma função T : X Y é uma mersão sométrca quando T preserva a dstânca entre elementos de X e Y. Isto é: d(x, y) = d(t x, T y) 9

10 b) Quando exstr uma mersão sométrca bjetva entre dos espaços X e Y, estes espaços são sométrcos. Também costuma-se dzer que há uma sometra entre X e Y. Teorema 5 Para um espaço métrco X = (X, d) exste um espaço métrco completo X = ( X, d ) que contém um subespaço W sométrco a X e denso em X. Este espaço é únco, exceto por sometras. Prova: Aqu va uma síntese da demonstração: Elabora-se portanto os segntes passos: (a) Construção do espaço X = ( X, d ) (b) Craçao de uma mersão sométrca bjetva entre X e W X, tal que W = X (c) Demonstração da completude de X (a) Seja A = { (x n ) X; (x n ) é de Cauchy }. Defne-se a segunte relação em A: (x n ) (x n) lm d(x n, x n n) = 0 Omte-se aqu a demonstração de que sto é uma relaçao de equvalênca, já que não é dfícl ver que: ) (x n ) A, (x n ) (x n ) ) (x n ) (y n ) (y n ) (x n ) ) (x n ) (y n ) e (y n ) (z n ) (x n ) (z n ) Têm-se portanto bem defnda a déa de classe de equvalênca. (x n ) := x e construa: X = A = { x, ŷ, ẑ,... } Denote Defna agora d : X X R uma função tal que: onde (x n ) x e (y n ) ŷ. d( x, ŷ) = lm n d(x n, y n ) 10

11 O prmero fato a ser explcado é que este lmte à dreta da equação ndepende da escolha dos representantes de x e ŷ. Isto é, se (x n) x e (y n) ŷ então: d( x, ŷ) = lm n d(x n, y n) = lm d(x n, y n ) n Segue adante a demonstraçao de que d realmente defne uma métrca em X. Acma de tudo, deve-se verfcar a exstênca deste lmte. Note que: Logo, d(x n, y n ) d(x n, x m ) + d(x m, y m ) + d(y m, y n ) d(x n, y n ) d(x m, y m ) d(x n, x m ) + d(y m, y n ) Trocando os lugares de m e n e procedendo como acma, obtêm-se: d(x n, y n ) d(x m, y m ) d(x n, x m ) + d(y m, y n ) Como (x n ) e (y n ) são sequêncas de Cauchy, vê-se que ( d(x n, y n ) ) também é de Cauchy, no entanto númerca, portanto convergente. M1 é trval pos como d é uma métrca em X, lm d(x n, y n ) é sempre n não-negatvo, logo d( x, ŷ) 0. M2 é verfcada usando o fato de que numa relação de equvalênca qualquer sabe-se que: x = y x y. M3 é automátco pos d( x, ŷ) = lm n d(x n, y n ) = lm n d(y n, x n ) = d(ŷ, x) Para provar M4 utlza-se o fato que d é uma métrca em X, logo: d(x n, y n ) d(x n, z n ) + d(z n, y n ) e portanto, obtêm-se a desgualdade trangular para d fazendo n Desta forma gera-se um espaço métrco ( X, d ) (b) Seja T : X W = T (X) X uma função que assoca, para cada a X, um elemento â X tal que (a, a, a,... ) â. Esta função claramete defne uma mersão sométrca pos: d(t a, T b) = d(â, b) = lm d(a, b) = d(a, b) n já que (a, a,... ) â e (b, b,... ) b. 11

12 Pela própra defnção de W, esta função é bjetva. Logo X e W são sométrcos. Mostra-se agora que W é denso em X Consdere algum x X. Pegue então (x n ) x. Obvamente (x n ) é uma sequênca de Cauchy. Logo, ε > 0 N; n > N = d(x n, x N ) < ε 2 Consdere também a sequênca de Cauchy (x N, x N,... ). Pela defnção de T, têm-se que: T x N = x N W. Portanto: d( x, x N ) = lm n d(x n, x N ) ε 2 < ε Isto mostra que para cada vznhança de x X exste um x N W. O que quer dzer que W é denso em X. (c) Completude de X. Seja ( x n ) uma sequênca de Cauchy em X. O nato de W ser denso em X, leva à segunte afrmação: para cada x n exste um ẑ n W tal que: d( x n, ẑ n ) < 1 n Pela desgualdade trangular, d(ẑ m, ẑ n ) d(ẑ m, x m ) + d( x m, x n ) + d( x n, ẑ n ) < 1 m + d( x m, x n ) + 1 n O que sgnfca que (ẑ m ) é de Cauchy em W. Como exste uma sometra entre W e X, a pré magem desta sequênca também é uma sequênca de Cauchy em X: z m = T 1 ẑ m. Faça então x X ser a classe que (z m ) pertence. Mostra-se agora que este x é o lmte de ( x n ) pos: d( x n, x) d( x n, ẑ n ) + d(ẑ n, x) < 1 n + d(ẑ n, x). Note que (z m ) x e (z n, z n,... ) ẑ n pos ẑ n W. Logo, pela defnção de d, esta desgualdade fca: d( x n, x) < 1 n + lm m (z n, z m ). 12

13 Têm-se então que d( x n, x) 0 quando n, pos (z m ) é de Cauchy, conclundo portanto que x n x. Por ser ( x n ) uma sequênca de Cauchy arbtrára, prova-se a completude de X. Observação: Este espaço é únco, exceto por sometras, pos se exstr outro X atendendo as condções do teorema (5), então X é sométrco com X Para melhor aprovetamento das atvdades relaconadas aos próxmos tópcos, fez-se necessára uma substancal revsão em Álgebra Lnear e esta fo feta sem que precse expô-la neste trabalho. Portanto, defnções báscas como espaços vetoras, subespaços, transformaçẽs lneares, dependênca lnear, ndepêndenca lnear, base e dmensão serão aqu omtdas pos este não é o objetvo deste relatóro. Também teoremas báscos dervados das defnções acma serão menconados e utlzados. 3 Espaços de Banach e de Hlbert O estudo avança na ntrodução de outros novos (e báscos) concetos e teoremas da Análse funconal. Neste capítulo serão relatadas as defncões de espaços de Bannach e Hlbert, bem como teoremas, proposções e coroláros, a fm de embasar o aluno para estudos nos espaços L p, ferramentas mas que mportantes no conhecmento da teora aplcada na dscussão de exstênca e uncdade de soluções de equações dferencas parcas. Defnção: (Espaço normado) Um espaço vetoral V é normado quando defnmos uma função. : V R (denomnada norma) que, para cada x, y V e α R,. (x) = x goza das seguntes propredades: N1. x 0 N2. x = 0 x = 0 N3. αx = α x N4. x + y x + y Este espaço normado é denotado por (V,. ) ou, mas frequentemente vsto, por V Observação: É fácl verfcar que todo espaço normado é um espaço métrco pos, mundo de uma norma, pode-se defnr uma métrca em V tal 13

14 como segue: d(x, y) = x y. A verfcação das 4 propredades de métrca é feta sem dfculdades e, por exemplo, M4 é assm satsfeta: d(x, y) = x y = (x z)+(z y) x z + z y = d(x, z)+d(z, y) Para poder ser utlzada posterormente, observa-se que N4 mplca na desgualdade: x y x y Utlzando esta fórmula, fo provada a contnudade da norma. Ou seja, a norma é uma função contínua que leva x, um elemento de (V,. ), a um valor real x. Defnção: (Espaço de Banach) Um espaço normado é denomnado espaço de Bannach quando o mesmo é completo em relação à métrca nduzda por sua norma. Exemplos: (espaços de Banach) Serão apresentados pratcamente os mesmos exemplos utlzados nos espaços métrcos, vsto que estes espaços são mundos de métrcas provenentes de normas defndas nos mesmos. a) O conjunto R n, formado por n-tuplas em R é um espaço vetoral normado. Defna, para x = (α 1,..., α n ) R n : ( n ) 1/2 x = α 2 = α α2 n =1 Note que esta norma defne a já conhecda métrca no conjunto R n : ( n ) 1/2 d(x, y) = x y = (α β ) 2 A prova da completude deste espaço já fo vsta no capítulo 1 deste relatóro. b) C[a, b] é defndo como o conjunto de todas as funções contínuas no ntervalo fechado é de Bannach com a norma dada por: Este espaço é de Bannach =1 x = max t [a,b] {x(t)} 14

15 c) Espaço l p defna a norma neste espaço como: ( ) 1/p x = α p =1 A completude já fo provada neste espaço, vsto que a métrca utlzada na demonstração é nduzda por esta norma. Pelo que fo vsto, é óbvo que todo espaço normado é um espaço métrco pos, a partr de uma norma, sempre podemos defnr uma métrca. Mas a pergunta natural é: Será que todo espaço vetoral que possu uma métrca é normado? Ou equvalente: Toda métrca em um espaço vetoral é provenente de uma norma? A resposta é não e um exemplo dsto será dado depos do segunte teorema, que esclarece o fato: Teorema 6 (Invarânca por translação) Seja X um espaço vetoral e métrco. A métrca d deste espaço é provenente de uma norma. se e somente se d goza das seguntes propredades: 1) d(x + a, y + a) = d(x, y) 2) d(αx, αy) = α d(x, y) Prova:. Suponha que d é provenente de uma norma. Logo: e, d(x + a, y + a) = (x + a) (y + a) = x y = d(x, y) d(αx, αy) = αx αy = α(x y) = α x y = α d(x, y). Suponha agora que d é uma métrca defnda em X e goza das propredades 1) e 2). Prova-se agora que d é provenente de uma norma. Defna x = d(x, 0). Es a prova de que. realmente defne uma norma em X. N1. x = d(x, 0) 0 N2. x = 0 d(x, 0) = 0 x = 0 15

16 N3. αx = d(αx, 0) = d(αx, α0) = α d(x, 0) = α x N4. x + y = d(x + y, 0) = d(x + y y, 0 y) = d(x, y) d(x, 0) + d(0, y) = d(x, 0) + 1 d(y, 0) = x + y Feto sto, pode-se dar um exemplo de um espaço vetoral e métrco onde a métrca deste espaço não pode ser obtda de uma norma. Exemplos: Seja S(R) o conjunto de todas as sequêncas reas (lmtadas ou não). Seja x = (α ), y = (β ) S(R). Defna a função d como: d(x, y) = =1 1 α β α β A prova de que d realmente defne uma métrca em S(R) (que de fato é um espaço vetoral) pode ser vsta em [1]. Esta função não goza da propredade 2) do últmo teorema e portanto, não pode ser obtda de uma norma. Utlzando o teorema (4) pode-se mostrar, de forma medata, que: Teorema 7 Um subespaço Y de um espaço de Bannach X é completo se e somente se o conjunto Y é fechado em X. Prova: Defna a métrca d(x,y) em X como sendo x y. No começo deste capítulo, fo exposto o teorema que afrma que todo espaço métrco possu um completamento, e sto agora será extenddo, na segunte afrmação: Teorema 8 Para um espaņormado X = (X,. ) exste um espaço de Bannach X = ( X,. 1 ) que contém um subespaço W sométrco a X e denso em X. Este espaço é únco, exceto por sometras. Prova: É óbvo que aqu será usado o teorema (5) pos, como X é um espaço normado, a métrca nduzda pela norma o faz um espaço métrco e portanto a ele assoca-se um completamento, ou seja, assoca-se um espaço métrco completo X. Basta agora fazer deste espaço métrco um espaço normado, defnndo as operações de adção e produto por escalar e uma norma convenente. Seja portanto x e ŷ elementos de X. Convém lembrar que estes elementos são classes de equvalênca de sequêncas de Cauchy, e portanto seja (x n ) e 16

17 (y n ) representantes destas classes, respectvamente. Defna (z n ) = (x n ) + (y n ). Logo, (z n ) é de Cauchy, pos z n z m = x n + y n (x m + y m ) x n x m + y n y m. Portanto, pode-se defnr uma soma em X sendo ẑ = x + ŷ. ẑ é tal que (z n ) ẑ. Prova-se também pela desgualdade trangular da métrca nduzda pela norma que esta soma ndepende da escolha dos representantes de x e ŷ. O produto por escalar também é defndo da segunte forma: Seja (x n ) x um representante de x. faça α x como sendo a classe de equvalênca à qual (αx n ) pertence. Esta operação novamente ndepende da escolha de representantes. O elemento zero será a classe de equvalênca contendo todas as sequêncas de Cauchy que convergem para zero. Assm demonstra-se que estas duas operações obedecem toda a axomátca de espaço vetoral. Mas anda, como X e W são sométrcos e d(x, 0) = x, obtêm-se uma norma nduzda em W e utlzando o fato de que W é denso em X, pode-se extender esta norma para todo o espaço X fazendo x 1 = d( x, 0). Esta parte dedca-se ao estudo de algumas nteressantes propredades dos espaços normados de dmensão fnta. Para sto enunca-se um mportante lema: Lema 1 Seja x 1,..., x n um conjunto LI de vetores em um espaço normado X. Então exste um escalar c > 0 tal que para cada combnação lnear deste conjunto obtêm-se: α 1 x α n x n c( α α n ) Com este resultado em mãos não é dfcl verfcar que: Teorema 9 Todo espaço normado X de dmensão fnta é completo. Prova: Consdere qualquer sequênca de Cauchy arbtrára (x m ) em X. Seja dm(x) = n e {e 1,..., e n } uma base para o mesmo. Logo, cada elemento desta sequênca tem representação únca da forma: x m = α (m) 1 e α n (m) 17 e n

18 Como (x m ) é de Cauchy então segue da defnção que para cada ε > 0 encontra-se um índce n 0 tal que: x m x r < ε sempre que m, r > n 0. Logo, pelo lema (1) vem: Ou seja: n ε > x m x r = α (m) =1 (α (m) α (r) α (r) n =1 ( n )e c α (m) =1 α (r) < ε c α (m) α (r) para todo m, r > n 0. Isto dz que as n sequêncas (α (1), α (2),... ) são de cauchy sobre os reas ou complexos. Logo, convergem. Admta que α (m) α e construa: x = α 1 e α n e n É fácl ver que x X e x n x. Portanto X é completo. Teorema 10 Todo subesespaço fnto Y de um espaço normado X é fechado em X. Observação: É claro que sto não vale para o caso de dmensão nfnta pos do espaço das funções contínuas em um ntervalo da reta pode-se retrar o subespaço de todas as funções polnomas deste ntervalo, que não é fechado. ) Algo nteressante a ser ctado é que num espaço normado de dmensão fnta X, todas as normas defndas no mesmo levam para a mesma topologa em X, ou seja, os conjuntos abertos de X são os mesmos, ndferente da norma escolhda para se trabalhar no conjunto. Isto decorre da defnção e do teorema ctados abaxo: Defnção: Uma norma. em um espaço vetoral X é dta equvalente a uma norma. 0 em X se exstem números postvos a e b tas que para todo x X, têm-se: a x 0 x b x 0 18

19 Teorema 11 Em um espaço normado de dmensão fnta, quasquer duas normas são equvalentes. Dando contnudade às atvdades no mês de Dezembro, foram estudadas algumas defnções e teoremas envolvendo Compacdade. Uma consequênca medata deste trabalho fo a possbldade de se estudar um mportante Teorema 12 Se um espaço normado X tem a bola fechada M = { x x 1} compacta, então X é de dmensão fnta. Prova: É consequênca medata do Lema de Resz, que afrma: Lema 2 Sejam Y e Z subespaços de um espaço normado X. Suponha Y fechado e um subconjunto própro de Z. Então para cada número real 0 no ntervalo (0, 1) exste um z Z tal que: z = 1, z y 0 para todo y Y. Teorema 13 Sejam X e Y espaços métrcos e T : X Y uma função contínua. Então a magem de um compacto é também um compacto. Daí foram elaborados alguns estudos em caráter revsatóro sobre transformações lneares. A teora estudada é vsta como desnecessára a uma exposcão aqu neste relatóro, pos acredta-se que esta atvdade de revsão não faça parte do objetvo do mesmo. Prossegue-se portanto com a apresentação de algumas defnções e alguns teoremas mportantes que antecedem a noção de espaço Dual. Defnção: Operadores lneares lmtados. Sejam X e Y espaços normados e T : D(T ) Y um operador lnear onde D(T ) X. O operador T é lmtado se exste um numéro real c tal que para todo x D(T ), T x c x. É defndo também: T = T x sup x D(T ) x com x 0 19

20 T é chamada de norma do operador T. Isso fará sentdo mas na frente, quando for defndo o espaço vetoral das transformações lneares contínuas de V em W. É mportante notar que, pela defnção, vem: T x T x Este fato será usado frequentemente nas demonstrações dos próxmos teoremas a serem exbdos. Teorema 14 Se um espaço normado X tem dmensão fnta, então todo operador lnear defndo em X é lmtado (ndependente da dmensão do contradomíno.) Este teorema é de fundamental mportânca no estudo de espaços vetoras de dmensão fnta pos é com a utlzação do mesmo que prova-se que todo espaço de Banach de dmensão fnta é reflexvo. Para melhor entendmento do que fo dto acma, é necessára a letura de algumas novas defnções, mas a frente expostas. Porém antes, temos o segunte: Teorema 15 (Contnudade e Lmtação). Seja T um operador lnear defndo em um espaço vetoral X. Então T é contínuo se e somente se T é lmtado. Um fato nteressante, só para efeto de curosdade, é que para chegarmos a prova de que T é lmtado, basta termos a contnudade em um únco ponto. Pos, como ser lmtado mplca em ser contínuo, chegamos a conclusão de que se T for contínuo em um únco ponto, T será contínuo. Defnção: Sejam X, Y espaços vetoras normados. a) T(X, Y ) = {T : X Y ; T é lnear} b) B(X, Y ) = {T : X Y ; T é lnear e lmtado} c) É chamado de funconal lnear qualquer operador lnear f : X R. d) V = T(X, R). V é chamado de dual algébrco de V 20

21 e) V = B(X, R). V é chamado de dual topológco ou smplesmente dual de V. Alguns comentáros julgados mportantes: É fácl ver que todos esses conjuntos acma são espaços vetoras e que partcularmente B(X, Y ) é um espaço vetoral normado com a norma defnda anterormente. Note que num espaço de dmensão fnta V, V = V. A mportânca do dual é devdo ao fato de que ndependente de V ser ou não um espaço de Banach, o dual de V é sempre um espaço de Banach. Esta últma observação decorre medatamente do próxmo teorema. Teorema 16 Se Y é um espaço de Banach, então B(V, Y ) é um espaço de Banach Daí, tomando Y = R (que é um espaço de Banach), vemos que V sempre normado e completo. é Em resumo, neste período ncou-se atvdades de pesqusa numa área de crucal mportânca para a Análse Funconal, que é o espaço de Hlbert. Crucal pos sua teora é mas rca do que espaços de Bannach mas geras. Em um espaço de Hlbert, exstem algumas propredades tas como: (1) A déa de ortogonaldade; (2) representação de elementos do espaço como uma soma dreta de um elemento de um subespaço fechado e outro de seu complementar ortogonal; (3) o teorema da representa ao de Resz que permte dentfcar cada funconal lnear no dual como um produto nterno no própo espaço. Defnção: Um espaço com produto nterno é um espaço vetoral X com um produto nterno defndo em X. Um espaço de Hlbert é um espaço com produto nterno completo (na norma defnda pelo produto nterno). Aqu um produto nterno é uma função <, >: X x X K onde K é o corpo onde X está defndo; sto é, para cada par de vetores x, y em X é assocado um número em K escrto < x, y > e chamado de produto escalar de x e y, tal que: 1 < x + y, z > = < x, z > + < y, z > 2 < αx, y > = α < x, y > 21

22 3 < x, y > = < y, x > 4 < x, x > 0; < x, x > = 0 x = 0 Um produto nterno em X defne uma norma da segunte forma: x = < x, x > e também defne uma métrca: d(x, y) = x y = < x y, x y > Portanto todo espaço de Hlbert é necessaramente um espaço de Bannach. A barra em 3 denota o conjugado complexo e portanto, se estamos falando de espaços veotoras reas, temos smplesmente como axoma 3 a smetra. Para realmente provar que < x, x > defne uma norma em um espaço com produto nterno, é feto o uso da Desgualdade de Schwarz: < x, y > x y Outro fato a ser menconado devdo a sua aplcabldade é que uma norma que é provenente de um produto nterno satsfaz a segunte dentdade do paralelogramo: x + y 2 + x y 2 = 2( x 2 + y 2 ). E recprocamente, se V é um espaço normado tal que a norma satsfaz a gualdade acma, pode-se defnr um produto nterno nele das seguntes formas: 1. < x, y > = 1 4 ( x + y 2 x y 2 ) quando V for um espaço real. 2. Re(< x, y >) = 1 4 ( x + y 2 x y 2 ) Im(< x, y >) = 1 4 ( x + y 2 x y 2 ) quando V for um espaço complexo. 22

23 Também fo estudado que para qualquer espaço com produto nterno X, exste um espaço de Hlbert que possu um subconjunto W denso e sométrco a X. Em outras palavras, pode-se ver que para todo espaço com produto nterno, podemos assocar de forma únca (exceto por sometras) um espaço de Hlbert correspondente. A necessdade de expor o teorema que afrma tal fato fo descartada pos sto não passa de uma smples consequênca do teorema 5 exposto e demonstrado neste relatóro. A partr de então o bolssta ncou o estudo de uma sére de defncões (na verdade bastante ntutvas) necessáras para o entendmento da teora de ortogonaldade e soma dreta, tas como: dstânca de um ponto a um conjunto; segmento; convexdade de um conjunto, etc. Como crucal resultado a ser demasadamente utlzado daqu para frente, o teorema que segue é de mportânca fundamental no estudo das aplcações em equações dferencas parcas, que é o objetvo fnal deste trabalho. Teorema 17 (Teorema da representação de Rez-Frechet). f H u H únco tal que f(v) =< u, v > v H (4) Além dsso, é verfcada a segunte gualdade: z = f (5) A partr de então, ncam-se as atvdades referentes ao segundo semestre da ncação centífca. Deste ponto em dante, o lvro base de estudo do aluno passar a ser ([4]), por apresentar mas objetvdade no que se dz respeto ao alcance da meta do projeto de pesqusa, que é estudar as aplcações da teora exposta neste trabalho. O bolssta parte portanto para um mportante teorema a ser utlzado na demonstração do tão conhecdo teorema de Stampaccha e seu coroláro, o teorema de Lax-Mlgran. Optouse por colocar a demonstração detalhada deste teorema por ter sdo ele um tópco apresentado pelo bolssta para o grupo de pesqusa que está engajado. Teorema 18 ( Teorema do Ponto Fxo de Banach) Seja X um espaço métrco completo e seja F : X X um aplcação tal que d(f v 1, F v 2 ) α d(v 1, v 2 ) v 1, v 2 X com α < 1 Então F tem um ponto fxo únco u = F u. 23

24 Demonstração : Consdere a sequênca (x 2 = F (x 1 ), x 3 = F (x 2 ),..., x n = F (x n 1 ),...) Então: Mas d(x m+1, x m ) = d(f (x m ), F (x m 1 )) αd(x m, x m 1 ) d(x m, x m 1 ) = d(f (x m 1 ), F (x m 2 )) αd(x m 1, x m 2 ) Logo E assm Portanto d(x m+1, x m ) α 2 d(x m 1, x m 2 ). d(x m+1, x m ) α m 1 d(x 2, x 1 ) d(x m+p, x m ) d(x m+p, x m+p 1 ) + d(x m+p 1, x m+p 2 ) d(x m+1, x m ) (α m+p 2 + α m+p α m 1 )d(x 2, x 1 ) m+p 2 = ( α k )d(x 2, x 1 ) ( k=m 1 k=m 1 α k )d(x 2, x 1 ) 0 pos α < 1 e quando m numa sére convergente seu termo geral converge para zero. logo (x n ) é de Cauchy em M. Portanto convergente. Faça x n x 0 em M. Como F é contínua então F (x n ) F (x 0 ). Mas F (x n ) = x n+1 e portanto F (x 0 ) = x 0. Defnção: Seja a : H H R uma forma blnear. Dzemos que 1. a é contínua se exste uma constante C > 0 tal que a(u, v) C u v u, v H 2. a é coercva se exste uma constante α > 0 tal que a(v, v) α v 2 24

25 Utlzando, portanto, estas defnções, o teorema do ponto fxo acma demonstrado e o teorema da representação de Rezs-Frechet, pode-se demonstrar o Teorema 19 (Stampaccha) Seja a : H H Ruma forma blnear, contínua e coercva. Seja K um convexo, fechado e não-vazo. Então dado ϕ H exste u K únco tal que a(u, v u) < ϕ, v u > v K. (6) Além dsso, se a é smétrca, então u pode ser caracterzado pela propredade u K 1 2a(u, u) < ϕ, u >= mn v K e por consegunte temos o { } 1 a(v, v) < ϕ, v > 2 Teorema 20 Lax-Mlgran Seja a uma forma blnear, contínua e coercva, então para todo ϕ H exste u H únco tal que (7) a(u, v) =< ϕ, v > v H (8) Além dsso se a é smétrco então u está caracterzado pela propredade u H e 1 { } 1 a(u, u) < ϕ, u >= mn a(v, v) < ϕ, v > (9) 2 v H 2 4 Espaços L p Inca-se aqu o estudo da teora básca e necessára para a compreensão do que vem a ser um espaço de Sobolev. Todos os resultados neste capítulo apresentados são utlzados dretamente nesses espaços, tendo em vsta que tratar-se-ão de subconjuntos dos espaços L p. É mportante salentar que, apesar do aluno não ter-se ncado num curso (ou estudo) de Medda de Integração, com o ncentvo de seu orentador e a fm de poder atngr seu objetvo fnal, alguns teoremas e resultados deste tópco não pesqusado foram vstos rapdamente, garantndo assm uma forma rápda e efetva (porém bastante ardlosa ) de se estudar matemátca de qualdade. O aluno se dá por satsfeto pelo conhecmento adqurdo com estes concetos e teoremas, pos é bem sabdo que oportundades futuras estão garantdas para o estudo detalhado de Medda de Integração. Segue portanto, a teora estudada neste 25

26 capítulo. Denota-se Ω como sendo um aberto do R N dotado da medda de Lebesgue dx. Desgna-se por L 1 o espaço das funções ntegráves sobre Ω com valores em R cuja norma é dada por: f L 1 = f(x) dx Duas funções em L 1 são guas quando concdem q.t.p (quase todo ponto), ou seja, exceto num conjunto de medda nula. Todos os teoremas que abaxo procedem estão aqu expostos por serem de extrema mportânca na demonstração de resultados crucas para os espaços L p e mas precsamente para os espaços de Sobolev, que serão vstos mas adante em outro capítulo. Teorema 21 (Teorema da convergênca monótona de Beppo Lev) Seja (f n ) uma sequênca crescente de funções de L 1 tal que sup f n <. n Então f n (x) converge q.t.p. em Ω, sto é, f n (x) f(x) onde f(x) é um lmte fnto. Além do mas f L 1 e f n f L 1 0. Teorema 22 Convergênca domnada de Lebesgue Seja (f n ) uma sequênca crescente de funções de L 1. Suponhamos que: 1. f n (x) f(x) q.t.p. em Ω; Ω 2. exste uma função g L 1 tal que para cada n, f n (x) g(x) q.t.p em Ω. Então f L 1 (Ω) e f n f L 1 0 Notação: Denota-se por C c (Ω) o espaço das funções contínuas de Ω y com suporte compacto, sto é, C c (Ω) = {f C(Ω); f(x) = 0 x Ω\K donde K Ω é um compacto} Sejam Ω 1 R N 1 e Ω 2 R N 2 abertos e seja F : Ω 1 Ω 2 R uma função mensurável. 26

27 Teorema 23 (Tonell) Suponhamos que Ω 2 F (x, y) dy < para quase todo x Ω 1 e que dx F (x, y) dy < Ω 1 Ω 2 Então F L 1 (Ω 1 Ω 2 ) Teorema 24 Teorema da densdade O espaço C c (Ω) é denso em L 1 (Ω), quer dzer, f L 1 e ε > 0, f 1 C c (Ω) tal que f f 1 L 1 < ε O teorema acma surge como resultado bastante utlzado em dversas demonstrações de teoremas conseguntes. Teorema 25 (Fubn) Suponhamos que F L 1 (Ω 1 Ω 2 ). Entãopara quase todo x Ω 1, F (x, y) L 1 y(ω 2 ) e F (x, y) dy L 1 x(ω 1 ) Ω 2 Igualmente para quase todo y Ω 2 F (x, y) Lx(Ω 1 1 ) e F (x, y) dx L 1 y(ω 2 ) Ω 1 Além dsso se verfca dx Ω 1 F (x, y) dy = Ω 2 dy Ω 2 F (x, y) dx = Ω 1 F (x, y) dx dy Ω 1 Ω 2 Defnção: Denota-se L (Ω) = {f : Ω R é mensuravél e exste uma constante C tal que f(x) < C q.t.p. em Ω} Com uma norma defnda por f L = nf{c ; f(x) C q.t.p. em Ω} 27

28 Defnção: Seja p R com 1 p < ; defne-se L p = {f : Ω R; f é mensuravél e f p L 1 (Ω)} E cuja norma é defnda por: [ f L p = f(x) p dx Ω ] 1 p Defnção: Se defne L (Ω) = {f : Ω R é mensuravél e exste uma constante C tal que f(x) < C q.t.p. em Ω} E a norma é defnda por f L = nf{c ; f(x) C q.t.p. em Ω} Observação: Se f L, então f(x) f L q.t.p. em Ω De fato, exste uma sequênca C n tal que C n f L e para cada n, f(x) C n q.t.p. em Ω. Assm, f(x) C n x Ω\E n com E n de medda nula. Se escreve E = n x Ω\E. E n de forma que E é de medda nula n e Notação: Seja 1 p ; se desgna por p o conjugado de p. Com estas ferramentas pode-se provar que ao utlzarmos os espaços L p em aplcações futuras, temos a garanta que os mesmos são espaços vetoras normados e completos, portanto, espaços de Bannach. Abaxo segue a demonstração da reflexvdade dos espaços L p Teorema 26 L p é reflexvo para 1 < p < A demostração é feta demonstrando-se três etapas dstntas: 1. (Prmera desgualdade de Clarkson) Seja 2 p < ; se verfca f + g p 2 + f g p L 2 1 ( f p L + g p ) p L 2 p L f, g L p (10) p p 28

29 2. L p é unformemente convexo, e portanto reflexvo para 2 p. 3. L p é reflexvo para 1 < p 2. Com os resultados acma obtdos, podemos extender o teorema da densdade já apresentado acma para um teorema mas abrangente: Teorema 27 O espaço C c (Ω) é denso em L p para 1 p <. O aluno precsou estudar uma outra defnção e outro lema para poder ter as ferramentas necessáras para a prova deste teorema. Defnção: Seja 1 p ; Uma função f : Ω R pertence a L p Loc (Ω) quando f1 k L p (Ω) para todo compacto K Ω Lema 3 Seja f L 1 Loc (Ω) tal que fu = 0 u C c (Ω) (11) Então f = 0 q.t.p em Ω Demonstração do Teorema 27: É sabdo que C c (Ω) é denso em L 1 (Ω). Suponha então 1 < p <. Para demonstrar que C c (Ω) é denso em L p (Ω) é bastante verfcar que se h L p (Ω) satsfaz hu = 0 u C c (Ω), então h = 0. Mas h L 1 Loc (Ω) e h1 k h L p k 1 p < e assm pode-se aplcar o Lema 3 para conclur que h = 0 q.t.p. Outro resultado básco e que fo estudado com detalhes numa apresentação feta pelo estudante para o grupo de pesqusa que partcpa fo o: Teorema 28 L p (Ω) é separável para 1 p <. 29

30 Por ter sdo bastante dscutdo e trabalhado, segue aqu um resumo da demonstração: Desgna-se por (R ) I a famíla (enumerável) de retângulos R da forma R = N ]a k, b k [, a k, b k Q e Q Ω k=1 Se desgna por E o espaço vetoral sobre Q gerado pelas funções 1 R (.e. as combnações lneares fntas com coefcentes raconas das funçõse 1 R ); de modo que E é enumerável. Demonstremos que E é denso em L p. Sejam f L p (Ω) e ε > 0 fxos. Seja f 1 C c (Ω) tal que f f 1 L p < ε. Seja Ω um aberto lmtado tal que Supp f 1 Ω Ω. Como f 1 C c (Ω ), constró-se uma função f 2 E tal que Supp f 2 Ω e que f 2 (x) f 1 (x) ε Ω 1 p q.t.p em Ω pos começamos recobrndo Supp f 1 com um número fnto de retângulos R sobre os quas a osclação de f 1 é nferor a ε. Ω 1 p Daí resulta que f 2 f 1 L p ε e então f f 2 L p < 2ε. O próxmo resultado afrma que exste uma sometra entre o dual do espaço L 1 com o espaço L. Ou seja, ao olharmos para (L 1 ), podemos smplesmente utlzar o espaço L 30

31 Teorema 29 Seja ϕ (L 1 ). Então exste u L únco tal que < ϕ, f >= u f f L 1. Além do mas temos a gualdade: u L = ϕ (L 1 ) Observação: O espaço L 1 não é reflexvo. De fato, suponhamos que 0 Ω. Consderemos a sequênca f n = α n 1 B(0, 1 ) com n sufcentemente n grande para que B(0, 1 n ) Ω e α n = B(0, 1 n ) 1 de modo que f n L 1 = 1. Se L 1 fosse reflexvo exstra uma subsequênca (f nk ) e uma função f L 1 tal que f nk f na topologa fraca σ(l 1, L ). Assm pos, f nk ϕ fϕ ϕ L. (12) Quando ϕ C c (Ω\{0}) nota-se que grande. Resulta de (12) que fϕ = 0 f nk ϕ = 0 para k sufcentemente ϕ C c (Ω\{0}) aplcando o Lema 3 no aberto Ω\{0} a função f (restrngda a Ω\{0}) obtemos que f = 0 q.t.p. em Ω\{0}. E portanto f = 0 q.t.p em Ω. porém se f 1 em (12), resulta que f = 1, o que é um absurdo. Façamos um estudo agora das propredades báscas do L A bola untára fechada B L é compacta na topologa fraca σ(l, L 1 ) Se (f n ) é uma sequênca lmtada em L, pode-se retrar uma subsequênca convergente em L na topologa fraca σ(l, L 1 ) Porém, L não é reflexvo ( caso contráro, L 1 sera). O dual de L contêm L 1 (pos (L 1 ) = L ) e é estrtamente maor que L 1 ; exstem formas lneares contínuas ϕ sobre L que não são do tpo < ϕ, f >= uf f L com u L 1 31

32 Observação: O espaço L não é separável. O lema acma pode ser demonstrado utlzando o Lema 4 Seja E um espaço de Banach. Suponhamos que exste uma famíla (O ) I tal que 1. Para todo I, O é um aberto não vazo de E. 2. O O j = se j. 3. I não é enumerável. Então E não é separável. Adentramos no penúltmo semestre de nossas atvdades estudando resultados de convolução e regularzação. Resultados estes bastante utlzados no capítulo posteror na demonstração de uma sére de teoremas envolvendo densdades de espaços nos espaços de Sobolev. Como fo anterormente dto, os espaços de Sobolev são a teora fnal básca necessára para fnalmente estudarmos suas aplcações e, portanto, qualquer resultado anteror que explque o funconamento e a teora por trás destes espaços tem prordade absoluta nesta ncação à pesqusa centífca. Daí a necessdade de se trabalhar este tópco. O materal base utlzado contnuou (como contnuará até o fnal) sendo a ref. [4]. Notações a serem utlzadas: C k (Ω) é defndo por ser o espaço das funçoes k vezes dferencáves contnuamente sobre Ω. C = k C k (Ω) C k c (Ω) = C k (Ω) C c (Ω) C c (Ω) = C (Ω) C c (Ω) Teorema 30 Sejam f L 1 (R N ) com 1 p e g L p (R N ). Então para quase todo x R N, a função y f(x y)g(y) é ntegrável sobre R N. Defne-se como (f g)(x) = f(x y)g(y) dy R N 32

33 então f g L p (R N ) e f g L p f L 1 g L p Com este teorema em mãos é medato a Proposção 1 Sejam f L 1 (R N ), g L p (R N ) e h L p (R N ). Então (f g)h = g( f h) Onde f(x) = f( x). Proposção 2 Sejam f C k c (R N ) e g L 1 Loc (RN ) (k natural). Então f g C k (R N ) e D k (f g) = (D k f) g. Em partcular, se f C c (R N ) e g L 1 Loc (RN ), então f g C (R N ) Proposção 3 Sejam f L 1 (R N ) e g L p (R N ). Então Supp(f g) Supp f + Supp g Isto nos gera portanto a conclusão natural de que se duas funções possuem suporte compacto, então a convolucão delas também possurá. Proposção 4 Sejam f C c (R N ) e g L 1 Loc (RN ). Então f g C(R N ) Todas estas proposções acma ctadas foram estudas com o objetvo de poder-se defnr uma poderosa ferramenta que é o conceto de sequêncas regularzantes, que, como o própro nome já dz, tem como objetvo, regularzar uma função L p de forma que possamos utlzá-la de forma menos complcada. Defnção: Defne-se como sequênca regularzante (ou mollfer) qualquer sucessão (ρ n ) de funções tal que ρ n C c (R N ), Supp ρ n B(0, 1 n ), ρ n = 1, ρ n 0 em R N 33

34 É natural após uma defnção tão complcada, perguntar-se se realmente exstem tas funções. Para sso deve-se provar que de fato podemos construr sequêncas de funções que satsfaçam tas condções. Basta fxar uma função ρ Cc (R N ) com Supp ρ B(0, 1), ρ n 0 em R N e ρ > 0; E consderar ( ) 1 a sequênca ρ n (x) = Cn N ρ(nx) com C = ρ Com estas sequêncas defndas, os dos resultados adante são o que realmente nos nteressa, pos com eles, por exemplo, provamos teoremas de densdade para os espaços de Sobolev, que serão vstos logo mas. Lema 5 Seja f C(R N ); então ρ n f f unformemente sobre todo compacto de R N. Prova. Seja K R N um compacto fxo. Para todo ε > 0 exste δ > 0 (que depende de K e de ε) tal que f(x y) f(x) < ε x K, y B(0, δ) Tem-se (ρ n f)(x) f(x) = [f(x y) f(x)]ρ n (y)dy = [f(x y) f(x)]ρ n (y)dy B(0, 1 n ) E então, para n > 1 δ e x K, (ρ n f)(x) f(x) ε ρ n = ε Por consegunte, temos o Teorema 31 Seja f L p (R N ) com 1 p <. Então ρ n f f em L p (R N ). O prmero resultado de densdade que ganhamos com a noção de sequêncas regularzantes é: Proposção 5 Sejam Ω R N um aberto qualquer. Então C c (Ω) é denso em L P (Ω) para 1 p <. 34

35 5 A Teora de Resz-Fredholm e O Espectro de um Operador Compacto Para estudar a alternatva de Resz-Fredholm, alguns concetos de compacdade, operadores compactos, operadores auto-adjuntos e operadores de magem fnta foram trabalhados. Sejam E e F espaços de Banach. Defnção: Dz-se que um operador T L(E, F ) é compacto se T (B E ) é relatvamente compacto na topologa forte. Defne-se por H(E, F ) o conjunto dos operadores compactos e denotase H(E) = H(E, E) Como resultado ncal temos que o conjunto H(E, F ) é um subespaço vetoral fechado de L(E, F ). Defnção: Um operador T L(E, F ) tem magem fnta se dm R(T ) <. Para podermos executar uma demonstração da alternatva de Resz- Fredholm, utlzaremos o segunte lema: Lema 6 (Lema de Resz) Seja E um espaço vetoral normado e seja M E um subconjunto fechado tal que M E. Então ε > 0 u E tal que u = 1 e dst(u, M) 1 ε e por consequênca o segunte, e extremamente mportante, Teorema 32 (Resz) Seja E um espaço vetoral normado tal que B E é compacta. Então E é de dmensão fnta. Teorema 33 (Alternatva de Fredholm) Seja T H(E). Então 1. N(I T ) é de dmensão fnta, 2. R(I T ) é fechado, e mas exatamente R(I T ) = N(I T ) 3. N(I T ) = {0} R(I T ) = E 4. dm N(I T ) = dm N(I T ). 35

36 Espectro de um Operador Compacto Defnção: Seja t L(E). O conjunto resolvente é ρ(t ) = {λ R; (T λi) é bjetva de E sobre E} O espectro σ(t ) é o complementar do conjunto resolvente, σ(t ) = R\ρ(T ). Dzemos que λ é valor própro e escreve-se λ V P (T ) se N(T λi) 0; N(T λi) é dto espaço própro assocado a λ. Proposção 6 O espectro σ(t ) é um conjunto compacto e σ(t ) [ T, T ]. Demonstração : Seja λ R com λ > T ; mostremos que T λi é bjetva e sto provará que σ(t ) [ T, T ]. Dado f E a equação T u λu = f admte solução únca pos a equação escreve-se como u = 1 (T u f) e aplca-se então o Teorema do Ponto Fxo de Banach.Mostremos λ agora que ρ(t ) é aberto. Seja λ 0 ρ(t ). Dados λ R (próxmo a λ 0 ) e f E trata-se de resolver T u λu = f (13) Mas (13) escreve-se T u λ 0 u = f + (λ λ 0 )u.e. u = (T λ 0 I) 1 [f + (λ λ 0 )u]. (14) Aplcando novamente o Teorema do Ponto Fxo de Banch conclu-se que (14) possu solução únca se λ λ 0 (T λ 0 I) 1 < 1 Desta forma, fnalzamos o estudo deste capítulo com o segunte: Teorema 34 Seja t H(E), com dm E =. então temos: 1. 0 σ(t ), 2. ρ(t )\{0} = V P (T )\{0}, 3. Uma das seguntes stuações: σ(t ) = {0}, σ(t )\{0} é fnto, σ(t )\{0} é uma sucessão que tende a zero. Fnalmente, atngmos no últmo capítulo de nosso trabalho, que é o tão menconado espaço de Sobolev e as aplcações tão procuradas. 36

37 6 Espaços de Sobolev de Dmensão Um e Suas Aplcações O estudo começa, novamente, com uma sére de defnções e resultados que precsam ser expostos neste relatóro, para fnalmente conclur-se o trabalho do bolssta. Defnção: Denota-se W 1,p (I) o conjunto W 1,p (I) = {u L p (I) ; g L p (I) tal que escreve-se H 1 (I) = W 1,2 (I) Para cada u W 1,p (I) denota-se u = g. I uϕ = gϕ ϕ Cc 1 (I)} I Observação: Na defnção de W 1,p (I) chamamos ϕ de uma função teste. Tanto faz utlzarmos Cc 1 (I) e Cc (I) como conjunto de funções testes já que se ϕ Cc 1 (I), então ρ n ϕ Cc (I) para n sufcentemente grande e ρ n ϕ ϕ em C 1 ver ). Observação: Se u C 1 (I) L p (I) e se u L p (I) (aqu u é a dervada usual de u,) então u W 1,p (I). Além dsso a dervada usual de u concde com a dervada de u no sentdo de W 1,p. Em partcular se I está lmtado, então C 1 (I) W 1,p (I) para todo 1 p. O espaço W 1,p está dotado da norma u W 1,p = u L p + u L p ou ás vezes da norma equvalente [ u p L p + u p L p ] 1 p. O espaço H 1 está dotado do porduto escalar A norma assocada (u, v) H 1 = (u, v) L 2 + (u, v ) L 2. u H 1 = [ u 2 L 2 + u 2 L 2 ] 1 2 é equvalente a norma em W 1,2. Daqu para frente, segue-se com os resultados já esperados: O espaço W 1,p é um espaço de Banach para 1 p. O espaço W 1,p é reflexvo para 1 < p < e separável para 1 p <. O espaço H 1 é um espaço de Hlbert separável. 37

38 Após esta sére de resultados báscos na teora de espaços de Sobolev, fo estudado o mportante Teorema 35 Seja u W 1,p (I); então exste uma função u C(I) tal que u = u q.t.p em I e u(x) u(y) = x y u (t) dt x, y I Esse teorema afrma que toda função u W 1,p admte um representante contínuo e é únco,.e., exste uma função contínua pertencente a classe de equvalênca de u para a relação u v se u = v q.t.p. Sempre que for necessáro, substturemos u por seu representante contínuo. A demonstração deste teorema se dá através dos dos seguntes lemas: Lema 7 Seja f L 1 Loc (I) tal que f ϕ = 0 então exste uma constante C tal que I ϕ C 1 c (I) f = C q.t.p. Lema 8 Seja g L 1 Loc (I); para y 0 fxo em I e denotando por v(x) = x y 0 g(t)dt x I temos que v C(I) e I vϕ = gϕ I ϕ C 1 c (I). O lema 8 nos dz que a prmtva v de uma função de L p pertence a W 1,p sempre que v L p ocorrendo sempre quando I é lmtado. O teorema abaxo nos dá outras caracterzações para funções de Sobolev (ou seja, funções que pertencem ao espaço de Sobolev) Teorema 36 Seja u L p com 1 < p. As seguntes propredades são equvalêntes: 38

39 1. u W 1,p. 2. Exste uma constante C tal que uϕ C ϕ L p (I) I ϕ C c (I). 3. Exste uma constante C tal que para todo aberto ω I e todo h R com h < dst (ω, I) verfca-se τ h u u L p (ω) C h. Além dsso, pode-se escolher C = u L p em (2) e (3.) É sabdo que algumas operações fundamentas da Análse só têm sentdo para as funções defndas em todo R. Assm, poder prolongar uma função u W 1,p (I) a uma função ū W 1,p (R), é encarado como uma mportante ferramente em toda a teora de espaços de Sobolev, e, portanto temos o segunte teorema que possblta tal prolongamento. Teorema 37 (Operador de Prolongamento) Seja 1 p. Exste um operador de prolongamento P : W 1,p (I) W 1,p (R) tal que 1. P u I = u u W 1,p (I). 2. P u L p (R) C u L p (I) u W 1,p (I). 3. P u W 1,p (R) C u W 1,p (I) u W 1,p (I). (donde C só depende de I.) Teorema 38 (Densdade) Seja u W 1,p (I) com 1 p <. Então exste uma sucessão (u n ) em Cc (R) tal que u n I u em W 1,p (I). O teorema acma se faz útl na prova de algumas propredades das funções de Sobolev, vsto que podem ser demonstradas estas propredades por densdade. Para tanto, utlzar-se-á bastante a teora de sequêncas regularzantes vsta no fnal do capítulo 3. Teorema 39 Exste uma constante C (dependente só de I ) tal que u L (I) C u W 1,p (I) u W 1,p (I), 1 p (15) Dto de outro modo W 1,p (I) L (I) com mersão contínua para todo 1 p. 39

40 Este resultado nos garante todas aquelas regrnhas que tínhamos para dervadas no sentdo usual (regra do produto, regra da cadea) porém com algumas restrções em onde estamos trabalhando. A fm de chegarmos nos últmos resultados estudados no projeto se fez necessára anda uma passagem na segunte defnção: Defnção: Dado 1 p <, denotamos por W 1,p 0 (I) o fecho de Cc 1 (I) em W 1,p (I) Com sto elabora-se o Teorema 40 Seja u W 1,p (I), então u W 1,p 0 (I) se e somente se u = 0 sobre I E através do mesmo, provamos a mportante (Desgualdade de Poncaré) Suponhamos que I é lmtado. Então exste uma constante C (dependendo de I tal que) u W 1,p C u L p u W 1,p 0 (I) Ou seja, em W 1,p 0 (I) a quantdade u L p é uma norma equvalente a norma de W 1,p (I) Importante pos ao trabalharmos com o espaço W 1,p 0 (I), podemos utlzar uma norma bastante smples e convenente, que é u L p já que a desgualdade afrma que ambas as normas são equvalentes. APLICAÇÃO Com todas estas ferramentas nas mãos, fnalmente podemos enuncar um segunte problema, que faclmente será resolvdo utlzando o que fo vsto neste relatóro. Consderemos o segunte problema. Dada uma f C([a, b]) exste uma função u(x) que verfca { u + u = f em [a, b] u(a) = u(b) = 0 (16) Uma solução clássca do problema (16) é uma função de classe C 2 em [a, b] que verfca (16) no sentdo usual. Ignoraremos aqu o fato de (16) poder ser resolvda explctamente com um cálculo bem smples. Faremos sto com o propósto de lustrar o método a partr deste exemplo elementar: 40

Análise Complexa Resolução de alguns exercícios do capítulo 1

Análise Complexa Resolução de alguns exercícios do capítulo 1 Análse Complexa Resolução de alguns exercícos do capítulo 1 1. Tem-se:. = (0, 1) = (0, 1) =. 3. Sejam a, b R. Então Exercíco nº1 = (0, 1).(0, 1) = (0.0 1.1, 0.1 + 1.0) = ( 1, 0) = 1. a + b = a b = a +

Leia mais

Topologia, geometria e curvas no plano

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

Leia mais

MAP Cálculo Numérico e Aplicações

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

Leia mais

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

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

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

Leia mais

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

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

Leia mais

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

AULA Espaços Vectoriais Estruturas Algébricas.

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

Leia mais

Implementação Bayesiana

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

Leia mais

4 Autovetores e autovalores de um operador hermiteano

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

Leia mais

Análise soft e análise hard

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

Leia mais

Teoria Elementar da Probabilidade

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

Leia mais

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

Interpolação Segmentada

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

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

2 Principio do Trabalho Virtual (PTV)

2 Principio do Trabalho Virtual (PTV) Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades

Leia mais

2 Análise de Campos Modais em Guias de Onda Arbitrários

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

Leia mais

Eletrotécnica AULA Nº 1 Introdução

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

Leia mais

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

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

Leia mais

XXVII Olimpíada Brasileira de Matemática GABARITO Primeira Fase

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

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

Introdução a Combinatória- Aplicações, parte II

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

Leia mais

Prof. Lorí Viali, Dr.

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

Leia mais

Cálculo Numérico BCC760 Interpolação Polinomial

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto

Leia mais

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

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

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

Cap. 6 - Energia Potencial e Conservação da Energia Mecânica

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

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

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

Estatística II Antonio Roque Aula 18. Regressão Linear

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

Leia mais

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

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

Leia mais

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

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

Leia mais

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

Elementos de Estatística e Probabilidades II

Elementos de Estatística e Probabilidades II Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros

Leia mais

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

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

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

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

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Palavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores.

Palavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores. MSc leandre Estáco Féo ssocação Educaconal Dom Bosco - Faculdade de Engenhara de Resende Caa Postal 8.698/87 - CEP 75-97 - Resende - RJ Brasl Professor e Doutorando de Engenhara aefeo@yahoo.com.br Resumo

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

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

Leia mais

Teoremas de Otimização com Restrições de Desigualdade

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

Leia mais

Índices de Concentração 1

Índices de Concentração 1 Índces de Concentração Crstane Alkmn Junquera Schmdt arcos André de Lma 3 arço / 00 Este documento expressa as opnões pessoas dos autores e não reflete as posções ofcas da Secretara de Acompanhamento Econômco

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

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

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

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

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

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

Leis de conservação em forma integral

Leis de conservação em forma integral Les de conservação em forma ntegral J. L. Balño Departamento de Engenhara Mecânca Escola Poltécnca - Unversdade de São Paulo Apostla de aula Rev. 10/08/2017 Les de conservação em forma ntegral 1 / 26 Sumáro

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

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

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

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

Leia mais

Associação entre duas variáveis quantitativas

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

Leia mais

Surpresa para os calouros. Série Matemática na Escola. Objetivos

Surpresa para os calouros. Série Matemática na Escola. Objetivos Surpresa para os calouros Sére Matemátca na Escola Objetvos 1. Usando a decomposção de um número em fatores prmos, pode-se provar que um número ntero é um quadrado perfeto, se e somente se tem um número

Leia mais

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

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

Leia mais

Mecânica. Sistemas de Partículas

Mecânica. Sistemas de Partículas Mecânca Sstemas de Partículas Mecânca» Sstemas de Partículas Introdução A dnâmca newtonana estudada até aqu fo utlzada no entendmento e nas prevsões do movmento de objetos puntformes. Objetos dealzados,

Leia mais

2 Aproximação por curvas impĺıcitas e partição da unidade

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

Leia mais

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

Introdução às Medidas em Física a Aula

Introdução às Medidas em Física a Aula Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca

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

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

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

Leia mais

Parte 1: Exercícios Teóricos

Parte 1: Exercícios Teóricos Cálculo Numérco SME0300 ICMC-USP Lsta 2: Sstemas Lneares Métodos Dretos Professora: Cyntha de O. Lage Ferrera Parte 1: Exercícos Teórcos 1. Consdere o sstema Ax = b, onde 1 α 3 α 1 4 ; x = 5 2 1 Para que

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

Um modelo nada mais é do que uma abstração matemática de um processo real (Seborg et al.,1989) ou

Um modelo nada mais é do que uma abstração matemática de um processo real (Seborg et al.,1989) ou Dscplna - MR070 INTRODUÇÃO À MODELAGEM DE SISTEMAS LINEARES POR EQUAÇÕES DIFERENCIAIS Os modelos de um determnado sstema podem ser físcos ou matemátcos. Neste curso focaremos a modelagem pela dentfcação

Leia mais

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

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

Leia mais

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

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

Leia mais

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

Notas de Aula de Probabilidade A

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

Leia mais

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

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

Leia mais

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

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

5 Formulação para Problemas de Potencial

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

Leia mais

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

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

Leia mais

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

Análise de faltas balanceadas e não-balanceadas utilizando Z bar. 1. Análise de falta balanceada usando a matriz de impedância de barra (Z bar )

Análise de faltas balanceadas e não-balanceadas utilizando Z bar. 1. Análise de falta balanceada usando a matriz de impedância de barra (Z bar ) Análse de altas balanceadas e não-balanceadas utlzando. Análse de alta balanceada usando a matrz de mpedânca de ra ( ) Aqu será eta uma análse de cálculo de curto-crcuto trásco (alta balanceada), utlzando

Leia mais

4 Sistemas de partículas

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

Leia mais

Análise de Regressão Linear Múltipla VII

Análise de Regressão Linear Múltipla VII Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto

Leia mais

Dinâmica do Movimento de Rotação

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

Leia mais

As leis de Kirchhoff. Capítulo

As leis de Kirchhoff. Capítulo UNI apítulo 11 s les de Krchhoff s les de Krchhoff são utlzadas para determnar as ntensdades de corrente elétrca em crcutos que não podem ser convertdos em crcutos smples. S empre que um crcuto não pode

Leia mais

3 Elementos de modelagem para o problema de controle de potência

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

Leia mais

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

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

Leia mais

3 Animação de fluidos com SPH

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

Leia mais

2. VARIÁVEIS ALEATÓRIAS

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

Leia mais

8 Soluções Não Ideais

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

Leia mais

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

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

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

Leia mais

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

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

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

MECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor

MECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor 1 MECÂNICA CLÁSSICA AULA N o 7 Teorema de Louvlle Fluo no Espaço de Fases Sstemas Caótcos Lagrangeano com Potencal Vetor Voltando mas uma ve ao assunto das les admssíves na Físca, acrescentamos que, nos

Leia mais

A ; (1) A z. A A y

A ; (1) A z. A A y 1 Prmera aula Thals Grard thalsjg@gmal.com Sumáro 1. Introdução da notação ndcal 2. O produto escalar e o de Kronecker 3. Rotações 4. O produto vetoral e o " de Lev-Cvta 5. Trplo produto escalar e determnantes

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

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

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

Leia mais