2 Aproximação por curvas impĺıcitas e partição da unidade
|
|
- Tiago Brás
- 4 Há anos
- Visualizações:
Transcrição
1 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 se exste uma função F : U R, O U, e c R tal que O = F 1 (c) Uma curva mplícta F 1 (c) é regular se F é dferencável e satsfaz a condção que em cada ponto x F 1 (c) o gradente de F em x não se anula Um polnômo de grau d defndo no plano é uma função P d : R R especfcada pela segunte expressão: P d (x, y) = 0 j+k d a j,k x j y k (-1) Dá-se o nome de curva algébrca de grau d ao conjunto P 1 d (0) Como a curva algébrca é o objeto matemátco mas utlzado nessa dssertação, é convenente adotar uma representação adequada para P d, que é a mesma adotada por Tasdzen et al em 0]: P d (x, y) = v t a, (-) onde a = a 0,0 a 1,0 a d,0 a d 1,1 a 0,1 a 0,d ] t e v = 1 x x d x d 1 y y y d ] t O vetor a R l representa os coefcentes (a j,k ) 0 j;0 k;0 j+k d e o vetor v representa os monômos do polnômo P d Como P d possu grau d é fácl verfcar que o número de termos que ele possu (que corresponde à dmensão de a ou à dmensão de v) é exatamente l = (d+1)(d+)
2 Método mpĺıcto para reconstrução de curvas a partr de pontos esparsos 15 Coefcentes do Polnômo P d Grau d da curva C Número de coefcentes l do polnômo P d d = l = (+1)(+) = 6 d = 3 l = (3+1)(3+) = 10 d = 4 l = (4+1)(4+) = 15 d = 5 l = (5+1)(5+) = 1 d = 6 l = (6+1)(6+) = 8 d = 7 l = (7+1)(7+) = 36 d = 8 l = (8+1)(8+) = 45 d = 9 l = (9+1)(9+) = 55 d = 10 l = (10+1)(10+) = 66 Tabela 1: Tabela do número de coefcentes do polnômo Aproxmações algébrcas por mínmos quadrados Consdere os dados de entrada como sendo um conjunto de pontos P = {p 1, p,, p q } R amostrados de uma curva planar C, onde p = (x, y ) Consdere também o conjunto de vetores normas untáros correspondentes N = {n 1, n,, n q } Apresenta-se agora dversos métodos de como obter uma curva que aproxma C 1 Mnmzando a dstânca algébrca Uma manera smples de se obter uma curva algébrca P 1 (0) que d aproxma a curva C é o de mnmzar a dstânca algébrca sobre o conjunto de pontos dados, sto é, determnar os coefcentes de P 1 (0) tal que a soma da d dstânca algébrca de cada um dos q pontos à curva, denotada por e total = (P d (x, y )) (-3) seja a menor possível como: onde Utlzando a representação vetoral de P d em (-), e total pode ser escrto v = e total = a t ( v v)a, t (-4) 1 x x d x d 1 y y y d Para melhorar a notação, defna as matrzes M de tamanho l q e S de ] t
3 Método mpĺıcto para reconstrução de curvas a partr de pontos esparsos 16 tamanho l l da segunte manera: M = v 1 v v q ], e S = MM t = v v t Consdere o problema de mnmzação como sendo mn a {a t Sa}, sujeto a restrção a = 1 Com o uso do multplcador de Lagrange λ, o problema de otmzação condconado torna-se: mn a {a t Sa + λ(a t a 1)} (-5) A solução desse problema é dada pelo autovetor untáro de S assocado ao seu menor autovalor 1] Em resumo, o método para a mnmzação da dstânca algébrca restrto à condção a = 1 consste smplesmente em encontrar o autovetor de S assocado ao seu menor autovalor em módulo usando, por exemplo, o método da potênca em S 1 18] Esse método será chamado de classcal least squares Embora este método seja nvarante por transformações afns 1], ele apresenta alguns problemas Seus resultados são extremamente sensíves às pequenas pertubações nos dados de entrada Além dsso, a curva algébrca P 1 d (0) obtda na aproxmação não leva em consderação a contnudade do conjunto de dados de entrada, podendo gerar novas componentes conexas ou juntar componentes que eram orgnalmente separadas Uma técnca smples para tornar a aproxmação por esse método mas estável é aplcar uma padronzação nos conjuntos de dados, que consste em colocar a orgem do domíno no centróde do conjunto de dados e então escalonar os pontos dvdndo-os pela méda dos autovalores da matrz S Para maores detalhes sobre esse método consulte 19, 0, 1] Aproxmação consderando o gradente Para evtar os problemas de nconsstênca de contnudade e de sensbldade à pequenas pertubações do conjunto de dados de entrada, fo proposto um outro método que consdera os vetores untáros normas à curva 0] Esses
4 Método mpĺıcto para reconstrução de curvas a partr de pontos esparsos 17 vetores são fornecdos como dados de entrada do sstema através do conjunto N Defne-se o conjunto T = {t 1, t,, t q } como sendo o conjunto dos vetores untáros tangentes à curva C, onde t é obtdo aplcando uma rotação de π/ no sentdo ant-horáro ao vetor n O método Gradent One Fttng a ser dscutdo fo proposto por Le et al em 13] Ele faz uso do gradente do polnômo P d em (x, y ), que é denotado por Pd x P d (x, y ) = (x ], y ) P d (x, (-6) y, y ) Vale lembrar que se o vetor gradente de P d em (x, y ) não é nulo, então ele é perpendcular ao vetor tangente da curva de nível de P d que passa por (x, y ) A proposta do método proposto por Le et al é novamente um problema de mínmos quadrados Ele adcona dos termos novos à função objetvo e retra a condção a = 1 Esses novos termos são funções do gradente do polnômo P d O prmero deles é q (nt P d (x, y ) 1), cujo objetvo é o de ajustar P d de tal forma que o seu gradente em (x, y ) tenda a fcar alnhado com n O segundo termo é q (tt P d (x, y )), que tem por objetvo forçar anda mas o ajuste fazendo com que o vetor gradente de P d em (x, y ) tenda a fcar perpendcular à t A função a ser mnmzada fca, portanto, defnda da segunte forma: e grad = {(P d (x, y )) + µ(n t P d (x, y ) 1) + µ(t t P d (x, y )) } (-7) onde µ é o peso que se dá aos dos novos termos Com o objetvo de segur a representação vetoral para o polnômo P d, as seguntes matrzes e vetores são defndas: A matrz D de tamanho l : D = v x v y ] = x 0 dx d 1 0 (d 1)x d y x d y d 1 (d 1)x y d 0 d y d 1 (-8)
5 Método mpĺıcto para reconstrução de curvas a partr de pontos esparsos 18 O vetor gradente P d : A matrz S N de tamanho l l: P d = (v t a) = (D ) t a (-9) S N = D n n t D t A matrz S T de tamanho l l: S T = D t t t D t O vetor g N de tamanho l: g N = D n O problema de otmzação para o método é: mn a {e grad } = mn a {a t Sa + µa t S N a + µa t S T a µa t g N + µq} E a solução desse problema é obtdo resolvendo o segunte sstema de equações lneares: 3 Técnca para reduzr a nstabldade numérca (S + µ(s N + S T ))a = µg N (-10) Quando a matrz SS = (S + µ(s N + S T )) não tver posto máxmo ou mostrar nstabldade numérca para resolver o sstema (-10) pode-se usar a técnca denomnada rdge regresson, e será denotada por RR Essa técnca é normalmente usada pelos estatístcos para remover a colneardade dos dados de entrada A prmera proposta para obter melhores curvas algébrcas usando essa técnca fo feta por Tasdzen et al em 0] A técnca RR bascamente modfca o problema de otmzação adconando um novo termo: mn a {a t Sa + µa t S N a + µa t S T a µa t g N + µq + κa t a}, Onde é uma matrz dagonal de tamanho l l e a constante real κ determna o peso que se dá ao novo termo na aproxmação A solução para esse problema é obtdo da segunte forma:
6 Método mpĺıcto para reconstrução de curvas a partr de pontos esparsos 19 a = µ(ss + κ ) 1 g N (-11) Tasdzen et al em 0] sugerem a segunte escolha para matrz vv =!j! ( + j)! k,l 0;k+l=+j (k + l)! k!l! m=1 x k m y l m, (-1) para, j 0; + j d, onde v = j + (+j+1)(+j) Essa sugestão para preserva a nvarânca por rotação do método descrto na seção 0] A segur, a fgura 1 0] mostra uma comparação entre os três métodos apresentados As lnhas pontlhadas são os dados de entrada (pontos) e as cheas são as aproxmações globas dos dados Fgura 1: As fguras (a) e (d) lustram aproxmações obtdas usando o método classcal least squares Já nas fguras (b) e (e) fo utlzado o método gradent one fttng, e nas fguras (c) e (f) o método rdge regresson As lnhas pontlhadas são os dados de entrada e as lnhas cheas são as aproxmações obtdas O grau do polnômo fo escolhdo como sendo 6 para o alcate e 8 para o avão 3 Partção da Undade A Partção da Undade (PU) 5, 10, 11] é uma ferramenta matemátca muto útl para combnar aproxmações locas a fm de defnr uma aproxmação global Importantes propredades como o erro máxmo global e a ordem de convergênca podem ser herdadas do comportamento local A déa básca da construção de uma aproxmação global por partção da undade é a segunte:
7 Método mpĺıcto para reconstrução de curvas a partr de pontos esparsos 0 1 dvdr o domíno de nteresse em dversas partes, obter uma aproxmação local para o subconjunto de dados pertencentes a cada parte, 3 obter uma aproxmação global fazendo uma combnação ponderada das soluções locas através de funções suaves não negatvas que correspondem aos pesos Em cada ponto do domíno, a soma dessas funções peso deve ser um Mas precsamente, consdere um domíno lmtado Ω R e denote por {ϕ } o conjunto de funções não negatvas com suporte compacto tal que: ϕ (x, y) 1 para todo ponto (x, y) Ω Chame de F o conjunto de funções com suporte compacto defndas em supp(ϕ ) Cada função pertencente a F estara representando uma aproxmação local para os pontos do conjunto de entrada P que pertencem à supp(ϕ ) Uma aproxmação global para a função f : Ω R podera ser obtda da segunte manera: f(x, y) ϕ (x, y)f (x, y) (-13) onde f F Consdere {w } um conjunto de funções não-negatvas com suporte compacto tal que: Ω supp(w ) As funções partções da undade ϕ podem ser geradas da segunte forma: ϕ (x, y) = w (x, y) n j=1 w j(x, y) (-14) A déa por trás de uma aproxmação construída através da partção da undade pode ser resumda pelas equações (-13) e (-14) Essas equações formam a base do algortmo MPU proposto por Ohtake et al em 16] 4 O método MPU O método chamado de Multlevel Parton of Unty (MPU) fo proposto por Ohtake et al em 16] orgnalmente para gerar uma superfíce mplícta em R 3 Nessa dssertação restrngmos o seu uso para curvas mplíctas em R
8 Método mpĺıcto para reconstrução de curvas a partr de pontos esparsos 1 Como seu própro nome dz, o MPU usa a partção da undade para obter aproxmações globas a partr de aproxmações locas usando uma estrutura herárquca para a subdvsão do domíno, que são fetas recursvamente através de uma Quad-Tree A Quad-Tree é um tpo especal de árvore onde todas as células ou são células folha ou têm quatro células flhas Tendo como utlzação prncpal a representação de uma decomposção espacal adaptatva do domíno através de um processo recursvo A fgura lustra um exemplo de uma Quad-Tree adaptada aos pontos de entrada Fgura : Exemplo da construção de uma Quad-Tree gerando uma subdvsão do domíno adaptada aos pontos Segue uma descrção concsa de como o método MPU constró a função mplícta que aproxma globalmente os pontos Incalmente os pontos de P são transladados de modo a tornar o seu centro de massa a orgem do sstema de coordenadas Depos os pontos são escalonados de tal forma que o quadrado Ξ = 1, 1] 1, 1] contenha todos eles Por um abuso de notação, contnua-se dando o nome de P ao conjunto de pontos de entrada após essas duas transformações O método cra uma Quad-Tree usando um procedmento recursvo controlado pelo erro da aproxmação local O crtéro de refnamento consste em dentfcar localmente o erro cometdo pela aproxmação e caso ele seja maor que uma determnada tolerânca ele subdvde o quadrado em quatro e recursvamente repete o teste para cada um dos seus quadrantes Portanto, para cada nó da Quad-Tree exste uma função peso usada na partção da undade com suporte compacto defndo como sendo um círculo de
9 Método mpĺıcto para reconstrução de curvas a partr de pontos esparsos rao r centrado no centro geométrco do nó Esse rao é escolhdo como sendo proporconal ao tamanho da dagonal do quadrado do nó, denotado por d Geralmente se faz r = 075d A fgura 3 lustra os suportes compactos assocados a cada nó da estrutura Quad-Tree Fgura 3: Exemplo da regão de suporte para cada nó da Quad-Tree A aproxmação local é feta usando uma quádrca e ela só é calculada nos nós que possurem pontos de P A função de partção da undade para cada nó da Quad-Tree é uma B-Splne quadrátca b(t): ϕ (x, y) = b( 3 (x, y) c r ) (-15) onde c é centro do quadrado correspondente a um nó da Quad-Tree Para calcular as quádrcas em cada nó, consdera-se os pontos de P que estão na sua regão de suporte correspondente Às vezes (especalmente se a densdade de P não é unforme) o círculo de rao r de um nó N não contém o número de pontos sufcente para uma estmação robusta da quádrca que aproxma os pontos Se o número de pontos for menor que o número mínmo de pontos sufcente para resolver o problema de mínmos quadrados para a determnação da quádrca, deve-se aumentar o rao do círculo do suporte até que se obtenha a garanta da exstênca de uma solução (a matrz a ser nvertda possur posto máxmo), como lustra a fgura 416] Ohtake et al utlzaram uma função objetvo que é uma méda ponderada da dstânca algébrca de cada ponto à curva, onde a ponderação é feta pela própra função peso ϕ Mas nformações podem ser encontradas em 16]
10 Método mpĺıcto para reconstrução de curvas a partr de pontos esparsos 3 Fgura 4: Aumentando o rao do círculo do suporte para obter uma garanta de exstr solução para o cálculo das quádrcas As fguras (5) e (6)16] exemplfcam superfíces mplíctas no R 3 obtdas pelo método MPU Fgura 5: Toro: Fgura gerada pelo software MPU
11 Método mpĺıcto para reconstrução de curvas a partr de pontos esparsos 4 Fgura 6: Bunny: Fgura gerada pelo software MPU
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 maisInterpolação 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 maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia maisFigura 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 mais2 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 mais4 Discretização e Linearização
4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas
Leia maisFlambagem. Cálculo da carga crítica via MDF
Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca
Leia maisEstatística 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 maisAdriana da Costa F. Chaves
Máquna de Vetor Suporte (SVM) para Regressão Adrana da Costa F. Chaves Conteúdo da apresentação Introdução Regressão Regressão Lnear Regressão não Lnear Conclusão 2 1 Introdução Sejam {(x,y )}, =1,...,,
Leia maisÉ 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 maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia mais3 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 maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisCAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)
PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra
Leia maisEletrotécnica 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 mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisAlgarismos 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 maisProf. 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 mais5 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 mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 e 8 06/204 Ajuste de Curvas AJUSTE DE CURVAS Cálculo Nuérco 3/64 INTRODUÇÃO E geral, experentos gera ua gaa de dados que
Leia maisNotas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
Leia maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia maisProf. 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 mais3 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 maisAnálise 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 mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia mais3. Um protão move-se numa órbita circular de raio 14 cm quando se encontra. b) Qual o valor da velocidade linear e da frequência ciclotrónica do
Electromagnetsmo e Óptca Prmero Semestre 007 Sére. O campo magnétco numa dada regão do espaço é dado por B = 4 e x + e y (Tesla. Um electrão (q e =.6 0 9 C entra nesta regão com velocdade v = e x + 3 e
Leia maisProgramação Linear 1
Programação Lnear 1 Programação Lnear Mutos dos problemas algortmcos são problemas de otmzação: encontrar o menor camnho, o maor fluxo a árvore geradora de menor custo Programação lnear rovê um framework
Leia maisX = 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 maisTeoria 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 maisCálculo 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 mais5 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 maisO 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 maisLista de Matemática ITA 2012 Números Complexos
Prof Alex Perera Beerra Lsta de Matemátca ITA 0 Números Complexos 0 - (UFPE/0) A representação geométrca dos números complexos que satsfaem a gualdade = formam uma crcunferênca com rao r e centro no ponto
Leia maisEletromagnetismo Aplicado
letromagnetsmo Aplcado Undade 5 Propagação de Ondas letromagnétcas em Meos Ilmtados e Polaração Prof. Marcos V. T. Heckler Propagação de Ondas letromagnétcas e Polaração 1 Conteúdo Defnções e parâmetros
Leia mais5 Implementação Procedimento de segmentação
5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser
Leia maisProcedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson
Trabalho apresentado no III CMAC - SE, Vtóra-ES, 015. Proceedng Seres of the Brazlan Socety of Computatonal and Appled Mathematcs Procedmento Recursvo do Método dos Elementos de Contorno Aplcado em Problemas
Leia maisAerodinâmica I. Verificação de Códigos. Objectivo: verificar que o programa não tem erros
e Verfcação de Códgos Objectvo: verfcar que o programa não tem erros - O erro numérco tende para zero quando o tamanho da malha / passo no tempo tendem para zero? p ( φ ) = φ φ e + αh exact - A ordem de
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisEventos 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 maisO MMD se baseia no sistema no sistema linearizado das equações de fluxo de potência, ou seja: Δ (4.1)
4 Método da Matrz D Neste capítulo será apresentada uma descrção do MMD [Prada, 99], [Prada, ]. Este método será usado para dentfcar casos de nstabldade de tensão causados pela perda de controlabldade.
Leia maisINVESTIGAÇÃO OPERACIONAL PROGRAMAÇÃO NÃO LINEAR. (Exercícios)
INVESTIGAÇÃO OPERACIONAL PROGRAMAÇÃO NÃO LINEAR (Exercícos) ( Texto revsto para o ano lectvo 2001-2002 ) Antóno Carlos Moras da Slva Professor de I.O. Recomendações 1. Fazer dez exercícos ou o mesmo exercíco
Leia maisDepartamento 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 maisÂngulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)
4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia mais4 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 maisPalavras-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 mais6 Modelo Proposto Introdução
6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo
Leia maisCap. 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 maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisPágina 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 maisIntrodução. 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 maisAssociação 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 maisAjuste de Curvas Regressão. Computação 2º Semestre 2016/2017
Ajuste de Curvas Regressão Computação 2º Semestre 2016/2017 Ajuste de Curvas Quando apenas sabemos alguns valores de uma função contínua e queremos estmar outros valores ntermédos Quando queremos obter
Leia mais2 Experimentos com Mistura
Modelagem em Expermentos com Mstura e Mstura-Processo Expermentos com Mstura Formulações de Expermentos com Mstura (EM) são freuentemente encontradas nas ndústras uímcas, farmacêutcas, de almentos e em
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia mais8 - Medidas Descritivas
8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia mais2010 The McGraw-Hill Companies, Inc. All rights reserved. Prof.: Anastácio Pinto Gonçalves Filho
rof.: nastáco nto Gonçalves lho Introdução Nem sempre é possível tratar um corpo como uma únca partícula. Em geral, o tamanho do corpo e os pontos de aplcação específcos de cada uma das forças que nele
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisParte 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 maisExperiência 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 maisAprendizagem de Máquina
Plano de Aula Aprendzagem de Máquna Aprendzagem Baseada em Instâncas Alessandro L. Koerch Introdução Espaço Eucldano Aprendzagem Baseada em Instâncas (ou Modelos Baseados em Dstânca) Regra knn (k vznhos
Leia mais5 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 maisMECÂNICA 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 maisDESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA
DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA Pedro Luz Rocha Evandro Parente Junor pedroluzrr04@gmal.com evandroparentejr@gmal.com Laboratóro de Mecânca Computaconal e Vsualzação, Unversdade
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshm Kusumoto andrekusumoto.unp@gmal.com Operações pontuas globas em magens Uma operação pontual global em uma magem dgtal r é a função f(r) aplcada a todo pxel
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia maisTeoremas 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 maisU N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
Leia maisDinâmica 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 maisNOÇÕES 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 maisGABARITO ERP19. impedância total em pu. impedância linha em pu; impedância carga em pu; tensão no gerador em pu.
GABARITO ERP9 Questão mpedânca total em pu. mpedânca lnha em pu; mpedânca carga em pu; tensão no gerador em pu. Assm, tem-se que: ( ). Mas, ou seja: : ( ).. Logo: pu. () A mpedânca da carga em pu,, tem
Leia mais3 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 maisGestão e Teoria da Decisão
Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisR 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 maisProblemas de engenharia
Análse de Sstemas de otênca Análse de Sstemas de otênca ( AS ) Aula 3 Operação Econômca de Sstemas de otênca 03//008 roblemas de engenhara Análse de Sstemas de otênca ( AS ) ANÁLISE Defndo o sstema, determnar
Leia maisCARGA MÓVEL. Conjunto de cargas moveis que mantêm uma posição relativa constante.
CARGA MÓVEL Força generalsada com ntensdade, drecção e sentdo fxos, mas com uma posção varável na estrutura. COMBOIO DE CARGAS Conjunto de cargas moves que mantêm uma posção relatva constante. CARGA DISTRIBUIDA
Leia mais3 Algoritmo das Medidas Corretivas
3 Algortmo das Meddas Corretvas 3.1 Introdução Conforme apresentado no Capítulo, o algortmo das Meddas Corretvas compõe o conjunto das etapas responsáves pela análse de desempenho do sstema de potênca.
Leia maisReferências: No mínimo, para cada experimento o Caderno de Laboratório deve sempre conter:
Sstemas Mecâncos III - EXPERIMETO - Dlatação Térmca Prof.: Dr. Cláudo S. Sartor Técnco: Fernando ITRODUÇÃO: Forma Geral dos Relatóros É muto desejável que seja um caderno grande (formato A) pautada com
Leia maisFUNDAMENTOS DE ROBÓTICA. Modelo Cinemático de Robôs Manipuladores
FUNDMENTOS DE ROBÓTIC Modelo Cnemátco de Robôs Manpuladores Modelo Cnemátco de Robôs Manpuladores Introdução Modelo Cnemátco Dreto Modelo Cnemátco de um Robô de GDL Representação de Denavt-Hartenberg Exemplos
Leia maisMatemática. Veículo A. Veículo B. Os gráficos das funções interceptam-se quando 50t = 80t
Matemátca 0 Dos veículos, A e B, partem de um ponto de uma estrada, em sentdos opostos e com velocdades constantes de 50km/h e 70km/h, respectvamente Após uma hora, o veículo B retorna e, medatamente,
Leia maisCAPÍTULO IV PROPRIEDADES GEOMÉTRICAS DA SEÇÃO TRANSVERSAL
CPÍTULO IV PROPRIEDDES GEOMÉTRICS D SEÇÃO TRNSVERSL Propredades Geométrcas da Seção Transversal 4. Propredades Geométrcas da Seção Transversal 4.. Introdução O presente trabalho é desenvolvdo paralelamente
Leia maisTopologia, 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 maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma
Leia mais5 Validação dos Elementos
5 Valdação dos Elementos Para valdar os elementos fntos baseados nas Wavelets de Daubeches e nas Interpolets de Deslaurers-Dubuc, foram formulados dversos exemplos de análse lnear estátca, bem como o cálculo
Leia maisMÉTODOS MULTIVARIADOS. Rodrigo A. Scarpel
MÉTODOS MULTIVARIADOS Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo INTRODUÇÃO Semana Conteúdo Introdução aos métodos multvarados 1 Análse de componentes prncpas Aplcações de análse de componentes
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia mais0.5 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 maisNOTA 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