TEORIA E PRÁTICA DO FILTRO DE KALMAN
|
|
- Margarida de Sequeira Palmeira
- 7 Há anos
- Visualizações:
Transcrição
1 Universidade Estadual do Oeste do Paraná Parque Tecnológico Itaipu Centro de Engenharias e Ciências Exatas Curso de Extensão TEORIA E PRÁTICA DO FILTRO DE KALMAN Prof. Carlos Henrique Farias dos Santos carlosh.cece@gmail.com TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 1
2 Estrutura da aula 1. Introdução 2. Teoria de Sistemas Lineares TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 2
3 Justificativa do curso Desde que R. E. Kalman publicou sua idéia, no início dos anos 1960, o Filtro de Kalman (FK) está entre as mais importantes contribuições para a ciência dos sistemas de controle no século XX e tem sido objeto de extensivas pesquisas. O impacto deste trabalho é comparado aos trabalhos de Nyquist, Bode e Wierner, nos anos de 1920, 1930 e 1940, respectivamente. Ele vem sendo aplicado em vários problemas práticos em diferentes campos, particularmente na área de navegação autônoma. O que é o Filtro de Kalman? Teoricamente: O filtro de Kalman é um estimador denomidado problema linear quadrático, o qual consiste no problema de estimar o estado instantâneo de um sistema dinâmico linear perturbado por ruído branco, através do uso de medições linearmente relacionadas com este estado, porém corrompidas pelo ruído branco. Definições: Estimação é o processo de inferir o valor de uma quantidade de interesse a partir de observações indiretas, imprecisas e incertas. O propósito da observação pode ser: (a) determinação da órbita de planetas (Laplace, Gauss, Legendre); (b) determinação de posição e velocidade de uma aeronave em um sistema de controle de tráfico aéreo; (c) determinação de parâmetros de um modelo de sistema como forma de predizer o estado físico do mesmo, etc... Filtragem é a estimação do estado corrente de um sistema dinâmico a razão do termo consiste no processo de obter a melhor estimação a partir TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 3
4 de dados ruidosos. O termo filtragem é assim usado no sentido de eliminar um sinal indesejado, o ruído branco, neste caso. Podemos admitir que o sinal dos sensores do sistema dinâmico tenham um perfil de um sinal randômico com um valor médio zero e uma densidade espectral constante chamada de ruído branco estacionário. Um vetor de ruído branco, possui cada elemento como um ruído branco, e pode ser considerado como o vetor de estados de um sistema estocástico, chamado de processo de ruído branco. Um sistema estocástico é um sistema governado por leis físicas que ainda que suas condições iniciais sejam conhecidas precisamente, é impossível determinar os estados do sistema em um tempo futuro (probabilidade). Praticamente: Uma das primeiras aplicações do filtro de Kalman foi o controle de sistemas dinâmicos complexos tais como: processos de manufatura, aeronáutica e astronáutica, navios, etc... Para controlar um sistema dinâmico, precisa-se primeiro saber o que ele está fazendo. Para estas aplicações, nem sempre é possível ou desejável medir toda variável que se deseja controlar, e o filtro de Kalman permite uma maneira de inferir a informação faltante através de medições indiretas e ruídos. Sob o ponto de vista prático, algumas perspectivas do filtro de Kalman podem ser consideradas neste curso: Trata-se apenas de uma ferramenta: Ele não resolve nenhum problema por si mesmo, por outro lado, ele pode tornar sua solução mais fácil. Não se trata de uma ferramenta física, de um ente ou ferramenta matemática para tornar o trabalho mental mais eficiente. É um programa computacional: Ele foi chamado de idealmente preparado para um computador digital, em parte porque utiliza uma representação finita de um problema de estimação por um número TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 4
5 fixo de variáveis. Entretanto, admite-se que essas variáveis sejam números reais, com precisão infinita. Trata-se de uma caracterização estatística de um problema de estimação: Ele mais que um estimador, porque ele propaga o estado corrente de conhecimento de um sistema dinâmico, incluindo a influência estatística de perturbações randômicas e os efeitos de todas medições passadas. Objetivo Habilitar o aluno nos fundamentos do trabalho de Kalman como forma de estimular o interesse pela contribuição científica e a exploração de aplicações recentes do tema, tais como: sistemas de navegação autônoma, e detecção, análise e diagnóstico de faltas em sistemas mecânicos e elétricos, fusão de sensores, etc... Conteúdo Programático ETAPA I: Fundamentos Teóricos (7 aulas) A - Introdução; B - Teoria de Sistemas Lineares; C - Teoria da Probabilidade; D - Estimação dos Mínimos Quadrados. ETAPA II: Análise e Projeto do Filtro de Kalman (14 aulas) A - O Filtro de Kalman; B - A Função de Observador de Estados do Filtro de Kalman; TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 5
6 C - O Ganho do Filtro de Kalman e Equações de Variância; D - Filtro de Kalman em Regime Estacionário; E - Filtros de Ordem Reduzida e Ruídos Correlacionados; F - Controle Estocástico: O Teorema da Separação; G - O Filtro de Kalman Extendido; H - A Informação do Filtro. ETAPA III: Aplicações do Filtro de Kalman (5 aulas) A - Sistemas de Navegação; C - Fusão de Sensores; D - Sistemas de Detecção de Faltas. TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 6
7 Teoria de Sistemas Lineares Esta seção faz uma revisão de alguns conceitos essenciais da teoria de sistemas lineares. Conceitos como manipulação matricial são necessários para a implementação do filtro de Kalman. Álgebra Matricial; Sistemas Lineares; Sistemas Não-lineares; Discretização; Simulação; Estabilidade; Controlabilidade e Observabilidade TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 7
8 Álgebra Matricial Um vetor consiste de escalares que são arranjados em linhas ou colunas. Por exemplo, o vetor [ 1 3 π ] Este vetor é chamado de vetor 1 3 porque possui uma linha e três colunas (vetor linha). Enquanto o vetor 2 π 2 j 0 Este vetor é chamado de vetor 4 1 porque possui quatro linhas e uma coluna (vetor coluna). Uma matriz consiste de escalares que são arranjados em um retângulo. Por exemplo, a matriz π 2 j 0 é uma matriz 3 2 porque possui 3 linhas e 2 colunas. O rank de uma matriz é definido como o número de linhas ou colunas linearmente independentes. O rank de uma matriz A é frequentemente indicado com a notação ρ(a). O rank de uma matriz é sempre menor ou igual ao número de linhas, e também menor ou igual ao número de colunas. Por exemplo, a matriz TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 8
9 tem um rank igual a um porque tem apenas uma linha linearmente independente, pois as duas linhas são múltiplas uma da outra. Além disso, existe apenas uma coluna linearmente independente, as duas colunas são múltiplas uma da outra. Por outro lado, a matriz tem um rank igual a dois porque possui duas linhas linearmente independentes. Ou seja, não existem escalares não nulos c 1 e c 2 capazes de fazer c 1 [ 1 3 ] + c 2 [ 2 4 ] [ = 0 0 ] assim, as duas linhas são linearmente independentes. Além disso, a matriz tem duas colunas linearmente independentes. Ou seja, não existem escalares não nulos c 1 e c 2 capazes de fazer c c = 0 0 portanto, as duas colunas são linearmente independentes. Uma matriz n m cujo rank seja igual a min(n, m) denomina-se de rank completo. A nulidade de uma matriz A n m é calculada por [m ρ(a)]. A transposta de uma matriz (ou vetor) pode ser obtida através da mudança de linhas por colunas e vice-versa. A transposta de uma matriz é indicada por um superescrito T, como em A T. Por exemplo, se A for uma matriz r n, TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 9
10 A 11 A 1n.. A r1 A rn então A T é uma matriz n r A 11 A r1.. A 1n A rn Álgebra Matricial: A soma (A + B) e a diferença (A B) são definidas apenas se as dimensões de A e B sejam compatíveis. Suponha que A seja uma matriz n r e B seja uma matriz r p. Então o produto de A e B é escrito como C = AB. Cada elemento na matriz produto C é computado como, C ij = r A ij B kj i = 1,..., n j = 1,..., p (1) k=1 A matriz produto AB é definida apenas se o número de colunas em A for igual ao de linhas em B. Vale destacar que a multiplicação de matrizes não é comutativa. Em geral, AB BA. O determinante de uma matriz é definido de forma indutiva para matrizes quadradas. Considere uma matriz A n n. O determinante de A é definido como A = n ( 1) i+j A ij A (i,j) (2) j=1 onde A (i,j) denota matriz formada pelo cancelamento da i-ésima linha e TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 10
11 j-ésima coluna de A, para qualquer valor de i [1, n]. Esta abordagem recebe a denominação de Expansão de Laplace de A ao longo de sua i-ésima linha. O determinante de A pode também se definido como, A = n ( 1) i+j A ij A (i,j) (3) i=1 para qualquer valor de j [1, n]. Esta abordagem recebe a denominação de Expansão de Laplace de A ao longo de sua j-ésima linha. Algumas propriedades dos determinantes são, AB = A B (4) admitindo que A e B sejam quadradas e tenham a mesma dimensão. Além disso, onde λ i são os autovalores de A. A = n λ i (5) A inversa de uma matriz A é definida como a matriz A 1 tal que AA 1 = A 1 A = I, onde I é a matriz identidade. Uma matriz não pode ter inversa a menos que seja quadrada. Algumas matrizes quadradas não possuem inversa. Uma matriz que não possui uma inversa é chamada de singular. Uma matriz que tem inversa é chamada de não-singular, por exemplo, i= /3 1/3 = A não-singularidade de uma matriz A n n pode ser estabelecida de várias formas, algumas delas são destacadas a seguir: TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 11
12 A é não-singular; A 1 existe; O rank de A é igual a n. As linhas de A são linearmente independentes; As colunas de A são linearmente independentes; A = 0; Ax = b tem uma solução única x para todo b; 0 não é um autovalor de A. O traço de uma matriz quadrada é definido como a soma dos seus elementos diagonais: T r(a) = i A ii (6) Algumas propriedades do traço de uma matriz quadrada são: T r(a) = i λ i (7) T r(ab) = T r(ba) (8) Em palavras, o traço de uma matriz quadrada é igual a soma dos seus autovalores. Além disso, o traço de um produto matricial é independente da ordem na qual as matrizes são multiplicadas. A norma dois de um vetor coluna de números reais, também denominado de norma Euclidiana, é definida como segue: TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 12
13 x 2 = x T x (9) = x x 2 n (10) Uma matriz A n n tem n autovalores e n autovetores. O escalar λ é um autovalor de A, e o vetor x n 1 é um autovetor de A, se a seguinte equação for assegurada: Ax = λx (11) Uma matriz simétrica n n A pode ser caracterizada como: Positiva definida se x T Ax > 0 para todo vetor x (n 1) não-nulo. Isto é equivalente a dizer que todos os autovalores de A são números reais positivos. Positiva semidefinida se x T Ax 0 para todo vetor x (n 1). Isto é equivalente a dizer que todos os autovalores de A são números reais não-negativos. Negativa definida se x T Ax < 0 para todo vetor x (n 1) não-nulo. Isto é equivalente a dizer que todos os autovalores de A são números reais negativos. Negativa semidefinida se x T Ax 0 para todo vetor x (n 1). Isto é equivalente a dizer que todos os autovalores de A são números reais negativos. Indefinida se não encaixa em nenhuma das categorias anteriores. Lema da Inversão Matricial: Suponha que tenhamos uma matriz particionada A B onde A e D C D são matrizes quadradas inversíveis, e B e C são matrizes que podem ser ou não quadradas. Definimos as matrizes E e F como segue: TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 13
14 E = C = D CA 1 B A BD 1 C Admita que E seja inversível. Assim, podemos mostrar que A C B D A 1 + A 1 BE 1 CA 1 E 1 CA 1 A 1 BE 1 E 1 = I + BE 1 CA 1 BE 1 CA 1 CA 1 + CA 1 BE 1 CA 1 DE 1 CA 1 BE 1 + BE 1 CA 1 BE 1 + DE 1 = I 0 CA 1 (D CA 1 B)E 1 CA 1 (D CA 1 B)E 1 = I 0 0 I TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 14
15 Agora assuma que F seja inversível. Assim, podemos mostrar que = A C B F 1 D D 1 CF 1 = AF 1 BD 1 CF 1 CF 1 CF 1 A 1 BE 1 E 1 BE 1 + BE 1 CA 1 BE 1 + DE 1 (A BD 1 C)F (D CA 1 B)E 1 = I 0 0 I Portanto, as equações de E e F são duas expressões para a inversa de A B. Desde que são inversas da mesma matriz, elas devem ser C D iguais. Concluímos que a partição superior esquerda das matrizes são iguais, o que fornece, F 1 = A 1 + A 1 BE 1 CA 1 (12) Agora podemos usar as definições de E e F para obter (A BD 1 C) 1 = A 1 + A 1 B(D CA 1 B) 1 CA 1 (13) Esta equação é chamada de lema de inversão de matriz, também referida com outros termos como fórmula de Sherman-Morrison, Identidade de Woodbury e fórmula da matriz modificada. O lema da inversão da matriz é frequentemente estabelecido um pouco diferente mas de forma equivalente. Por exemplo, (A + BD 1 C) 1 = A 1 A 1 B(D CA 1 B) 1 CA 1 (14) TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 15
16 O lema da inversão de matriz pode algumas vezes ser usado para reduzir o esforço computacional da inversão matricial. Suponha que A seja n n, B seja n p, C seja p n, D seja p p, e p < n. Suponha que saibamos A 1, e queiramos adicionar alguma quantidade a A e então computar a nova inversa. A computação direta da nova inversa seria uma inversão n n. Mas se a nova matriz a ser invertida puder ser escrita no formato da parte esquerda da equação anterior, então podemos usar o lado direito da última equação para computar a nova inversa, e o mesmo requer uma inversão p p no lugar de uma inversão n n. EXEMPLO: Em sua firma de investimento, você percebe que em Janeiro o índice de estoque de câmbio de Nova Iorque diminuiu 2%, o índice de estoque de câmbio Americano aumentou 1%, e a Nasdaq aumentou 2%. Como resultado, investidores aumentaram seus depósitos por 1%. No mês seguinte, os índices mudaram por 4%, 3% e 2%, respectivamente, e os depósitos dos investidores aumentaram 2%. No mês seguinte, os índices mudaram por 5%, 1% e 5% respectivamente, e o depósito dos investidores aumentaram em 2%. Você suspeita que as mudanças de investimento y possam ser modeladas como y = g 1 x 1 + g 2 x 2 + g 3 x 3, onde as variáveis x i são as variáveis de mudança de estoque, e g i são constantes desconhecidas. Para determinar as constantes g i você precisa inverter a matriz O resultado é A = (15) TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 16
17 A 1 = 1 6 g = A 1 = Isso permite que você use as variações dos índices para prever as mudanças de investimento no mês seguinte, o que lhe permite programar melhor o pessoal e os recursos do computador. No entanto, logo depois de descobrir que a mudança NASDAQ no terceiro mês foi realmente 6% em vez de 5%. Isso significa que, a fim de encontrar as constantes g i você precisa para inverter a matriz A = (16) Você está cansado de inverter matrizes e gostaria de usar a inversa de A para calcular a inversa de A. Lembrando-se do lema de inversão da matriz, você percebe que A = A + BD 1 C, onde [ B = ] T TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 17
18 [ C = ] D = 1 Você usa o lema da inversão de matrizes para computar (A ) 1 = (A + BD 1 C) 1 = A 1 A 1 B(D CA 1 B) 1 CA 1 O termo (D CA 1 B) 1 que precisa ser invertido é um escalar, assim a inversão fica simples. A 1 = g = A Neste exemplo o uso do lema de inversão de matrizes não é tão necessário, visto que se trata de uma matriz 3 3. Entretanto, com matrizes maiores, tais como , o uso do lema de inversão de matrizes é significativo TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 18
19 Sistemas Lineares Um sistema linear determinístico em tempo contínuo pode ser descrito pelas equações: ẋ = Ax + Bu (17) y = onde x é o vetor de estados, u é o vetor de controle, e y é o vetor de saída. A matriz A é frequentemente chamada de matriz do sistema, B é matriz de entradas, e C é a matriz de saída. Se as matrizes A, B e C são constantes então a solução de 17 é dada por, Cx x(t) = e A(t t 0) x(t 0 ) + y(t) = Cx(t) t t 0 e A(t τ) Bu(τ)dτ onde t 0 é o tempo inicial do sistema e considerado 0. No caso de entrada nula, tem-se x(t) = e A(t t 0) x(t 0 ) (18) Por esta razão, e At é chamada de matriz de transição de estados do sistema. É a matriz que descreve como os estados mudam a partir da condição inicial sem a presença de entradas externas. Podemos evoluir a equação anterior em t = t 0 para ser que e A0 = I (19) Entretanto, como poderemos calcular a exponencial da equação 17? TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 19
20 Existem várias formas diferentes de computar esta quantidade. Três das mais utilizadas são descritas a seguir: e At = (At) j j=0 = L 1 [(si A) 1 ] j = QeÂt Q 1 A primeira expressão não é muito frequente para propósitos computacionais, pois trata-se de uma soma infinita. A segunda expressão usa a transformada inversa de Laplace para computar e At. Na terceira equação, Q é uma matriz cujas colunas comportam os autovalores de A, e  é a forma de Jordan de A. A matriz  é frequentemente diagonal,  =   eât = 0  nn eâ eâ eânn TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 20
21 Sistemas Não-lineares A forma geral de um sistema não-linear em tempo contínuo pode ser escrito como ẋ = f(x, u, w) (20) y = h(x, v) onde f( ) e h( ) são funções de valores arbitrários. Utilizamos w para indicar o ruído do processo e v indica o ruído da medição. Se f( ) e h( ) são funções do tempo t, então o sistema é variante no tempo. De outro modo o sistema é invariante no tempo. Se f(x, u, w) = Ax + Bu + w e h(x, v) = Hx + v, então o sistema é linear. De outro modo o sistema é não-linear. No sentido de aplicar ferramentas da teoria de sistemas lineares para sistemas não-lineares, precisamos linearizar o sistema não-linear. Em outras palavras, precisamos encontrar um sistema linear que seja aproximadamente igual ao sistema não-linear. Para tanto, começamos com um vetor de funções não-lineares f( ) de um escalar x. Nos expandimos f(x) em uma série de Taylor em torno de algum ponto de operação (também chamado de ponto de linearização), x = x, definindo x = x x: f(x) = f( x) + f x x f x x f x x 3 + (21) x 2! x 2 3! x 3 Agora suponha que x seja um vetor 2 1. Isto implica que f(x) seja uma função não-linear de duas variáveis independentes x 1 e x 2. A expansão da série de Taylor de f(x) torna-se f(x) = f( x) + f x 1 x x 1 + f x 2 x x 2 + (22) TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 21
22 OBRIGADO TEORIA E PRÁTICA DO FILTRO DE KALMAN Aula 01 22
Matrizes e Sistemas Lineares. Professor: Juliano de Bem Francisco. Departamento de Matemática Universidade Federal de Santa Catarina.
e Aula Zero - Álgebra Linear Professor: Juliano de Bem Francisco Departamento de Matemática Universidade Federal de Santa Catarina agosto de 2011 Outline e e Part I - Definição: e Consideremos o conjunto
Leia maisInversão de Matrizes
Inversão de Matrizes Prof. Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2014.2 13 de
Leia maisMatrizes. Sumário. 1 pré-requisitos. 2 Tipos de matrizes. Sadao Massago 2011-05-05 a 2014-03-14. 1 pré-requisitos 1. 2 Tipos de matrizes.
Matrizes Sadao Massago 20-05-05 a 204-03-4 Sumário pré-requisitos 2 Tipos de matrizes 3 Operações com matrizes 3 4 Matriz inversa e transposta 4 5 Determinante e traço 5 Neste texto, faremos uma breve
Leia maisESCOLA SUPERIOR DE TECNOLOGIA DE VISEU
INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA DE VISEU Departamento Matemática Disciplina Matemática I Curso Gestão de Empresas Ano 1 o Ano Lectivo 2007/2008 Semestre 1 o Apontamentos Teóricos:
Leia maisAnálise de Sistemas de Controle no Espaço de Estados
Análise de Sistemas de Controle no Espaço de Estados 9.1 INTRODUÇÃO* (Capítulo 11 do Ogata) Um sistema moderno complexo pode ter muitas entradas e muitas saídas e elas podem ser interrelacionadas de maneira
Leia maisÁlgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.
Álgebra Linear AL Luiza Amalia Pinto Cantão Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.br Sistemas Lienares 1 Sistemas e Matrizes 2 Operações Elementares e
Leia maisDeterminantes. ALGA 2008/2009 Mest. Int. Eng. Electrotécnica Determinantes 1 / 17
Capítulo 4 Determinantes ALGA 2008/2009 Mest Int Eng Electrotécnica Determinantes 1 / 17 Definições Seja M n n o conjunto das matrizes quadradas reais (ou complexas) de ordem n Chama-se determinante de
Leia maisExercícios de Álgebra Linear
Exercícios de Álgebra Linear Mestrado Integrado em Engenharia do Ambiente Mestrado Integrado em Engenharia Biológica Nuno Martins Departamento de Matemática Instituto Superior Técnico Setembro de Índice
Leia maisALGA - Eng.Civil - ISE - 2009/2010 - Matrizes 1. Matrizes
ALGA - Eng.Civil - ISE - 00/010 - Matrizes 1 Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n (m vezes n ou m por n) a uma aplicação A : f1; ; :::; mg f1; ; :::; ng R:
Leia maisAula 6 Propagação de erros
Aula 6 Propagação de erros Conteúdo da aula: Como estimar incertezas de uma medida indireta Como realizar propagação de erros? Exemplo: medimos A e B e suas incertezas. Com calcular a incerteza de C, se
Leia maisMatrizes. matriz de 2 linhas e 2 colunas. matriz de 3 linhas e 3 colunas. matriz de 3 linhas e 1 coluna. matriz de 1 linha e 4 colunas.
Definição Uma matriz do tipo m n (lê-se m por n), com m e n, sendo m e n números inteiros, é uma tabela formada por m n elementos dispostos em m linhas e n colunas. Estes elementos podem estar entre parênteses
Leia mais(1, 6) é também uma solução da equação, pois 3 1 + 2 6 = 15, isto é, 15 = 15. ( 23,
Sistemas de equações lineares generalidades e notação matricial Definição Designa-se por equação linear sobre R a uma expressão do tipo com a 1, a 2,... a n, b R. a 1 x 1 + a 2 x 2 +... + a n x n = b (1)
Leia maisDefinição de determinantes de primeira e segunda ordens. Seja A uma matriz quadrada. Representa-se o determinante de A por det(a) ou A.
Determinantes A cada matriz quadrada de números reais, pode associar-se um número real, que se designa por determinante da matriz Definição de determinantes de primeira e segunda ordens Seja A uma matriz
Leia maisAula 8 Variações da Eliminação de Gauss/Fatoração LU.
Aula 8 Variações da Eliminação de Gauss/Fatoração LU. MS211 - Cálculo Numérico Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade
Leia maisUnidade III- Determinantes
Unidade III- Determinantes - Situando a Temática A teoria dos determinantes tem origem em meados do século XVII, quando eram estudados processos para resolução de sistemas lineares Hoje em dia, embora
Leia maisÁlgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.
Álgebra Linear AL Luiza Amalia Pinto Cantão Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.br Autovalores e Autovetores Definição e Exemplos 2 Polinômio Característico
Leia maisExercícios de Aprofundamento Mat Polinômios e Matrizes
. (Unicamp 05) Considere a matriz A A e A é invertível, então a) a e b. b) a e b 0. c) a 0 e b 0. d) a 0 e b. a 0 A, b onde a e b são números reais. Se. (Espcex (Aman) 05) O polinômio q(x) x x deixa resto
Leia maisDisciplina: Álgebra Linear - Engenharias ], C = Basta adicionar elemento a elemento de A e B que ocupam a mesma posição na matriz.
Universidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Álgebra Linear - Engenharias Professor: André Luiz Galdino Gabarito da 1 a Lista de Exercícios 1. Sejam Encontre: [ 1
Leia maisMATEMÁTICA II. Aula 12. 3º Bimestre. Determinantes Professor Luciano Nóbrega
1 MATEMÁTICA II Aula 12 Determinantes Professor Luciano Nóbrega º Bimestre 2 DETERMINANTES DEFINIÇÃO A toda matriz quadrada está associado um número real ao qual damos o nome de determinante. O determinante
Leia maisSemana 7 Resolução de Sistemas Lineares
1 CÁLCULO NUMÉRICO Semana 7 Resolução de Sistemas Lineares Professor Luciano Nóbrega UNIDADE 1 2 INTRODUÇÃO Considere o problema de determinar as componentes horizontais e verticais das forças que atuam
Leia maisIntrodução ao determinante
ao determinante O que é? Quais são suas propriedades? Como se calcula (Qual é a fórmula ou algoritmo para o cálculo)? Para que serve? Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld
Leia maisDepartamento de Matemática da Universidade de Coimbra Álgebra Linear e Geometria Analítica Engenharia Civil Ano lectivo 2005/2006 Folha 1.
Departamento de Matemática da Universidade de Coimbra Álgebra Linear e Geometria Analítica Engenharia Civil Ano lectivo 2005/2006 Folha 1 Matrizes 1 Considere as matrizes A = 1 2 3 2 3 1 3 1 2 Calcule
Leia mais3 Modelos de Simulação
43 3 Modelos de Simulação 3.1 Simulação de Monte Carlo O método de Monte Carlo foi concebido com este nome nos anos 40 por John Von Neumann, Stanislaw Ulam e Nicholas Metropolis durante o projeto de pesquisa
Leia maisAvaliação e Desempenho Aula 1 - Simulação
Avaliação e Desempenho Aula 1 - Simulação Introdução à simulação Geração de números aleatórios Lei dos grandes números Geração de variáveis aleatórias O Ciclo de Modelagem Sistema real Criação do Modelo
Leia maisFórmulas do Traço e o Cálculo de Matrizes Inversas
2013: Trabalho de Conclusão de Curso do Mestrado Profissional em Matemática - PROFMAT Universidade Federal de São João del-rei - UFSJ Sociedade Brasileira de Matemática - SBM Fórmulas do Traço e o Cálculo
Leia maisa 21 a 22... a 2n... a n1 a n2... a nn
Projeto TEIA DO SABER 2006 UNESP Campus de Guaratinguetá Secretaria de Estado da Educação, SP. Diretoria de Ensino da Região de Guaratinguetá Coordenador Prof. Dr. José Ricardo Zeni Metodologias de Ensino
Leia maisUniversidade Federal de Santa Maria Centro de Ciências Naturais e Exatas Departamento de Física Laboratório de Teoria da Matéria Condensada
Universidade Federal de Santa Maria Centro de Ciências Naturais e Exatas Departamento de Física Laboratório de Teoria da Matéria Condensada Sistema de equações lineares e não lineares Tiago de Souza Farias
Leia maisTecnologia de Processos Químicos e Bioquímicos - TPQBq Escola de Química - UFRJ Agosto de 2007
1 Tecnologia de Processos Químicos e Bioquímicos - TPQBq Escola de Química - UFRJ Agosto de 2007 DISCIPLINA 2 Métodos Matemáticos Aplicados a Processos Químicos e Bioquímicos EQE-703 Carga Horária 40 hs
Leia maisCapítulo 4 - Valores e Vectores Próprios
Capítulo 4 - Valores e Vectores Próprios Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/ 15
Leia maisProf a Dr a Ana Paula Marins Chiaradia MATRIZ INVERSA. Menores: O menor de um elemento a ij de uma matriz A de ordem n é definido como sendo o
Projeto TEIA DO SABER 006 UNESP Campus de Guaratinguetá Secretaria de Estado da Educação, SP Diretoria de Ensino da Região de Guaratinguetá Coordenador Prof Dr José Ricardo Zeni Metodologias de Ensino
Leia maisREGRESSÃO. Análise de Correlação
REGRESSÃO Linear, Não linear, simples e múltipla Análise de Correlação 2 Correlação Indica a força e a direção do relacionamento linear entre dois atributos Trata-se de uma medida da relação entre dois
Leia maisOnde: A é a matriz do sistema linear, X, a matriz das incógnitas e B a matriz dos termos independentes da equação
Onde: A é a matriz do sistema linear, X, a matriz das incógnitas e B a matriz dos termos independentes da equação À seguir eemplificaremos e analisaremos cada uma dessas três situações. : A X B Podemos
Leia maisMatriz de Sensibilidade Modal
Introdução ao Controle Automático de Aeronaves Matriz de Sensibilidade Modal Leonardo Tôrres torres@cpdeeufmgbr Escola de Engenharia Universidade Federal de Minas Gerais/EEUFMG Dep Eng Eletrônica EEUFMG
Leia maisFicha de Exercícios nº 2
Nova School of Business and Economics Álgebra Linear Ficha de Exercícios nº 2 Matrizes, Determinantes e Sistemas de Equações Lineares 1 O produto de duas matrizes, A e B, é a matriz nula (mxn). O que pode
Leia maisFUNDAMENTOS DA MATEMÁTICA
FUNDAMENTOS DA MATEMÁTICA Aula Matrizes Professor Luciano Nóbrega UNIDADE MATRIZES _ INTRODUÇÃO DEFINIÇÃO Uma matriz é uma tabela com m linhas e n colunas que contém m. n elementos. EXEMPLO: Ângulo 0º
Leia maisÁlgebra Linear I - Aula 20
Álgebra Linear I - Aula 0 1 Matriz de Mudança de Base Bases Ortonormais 3 Matrizes Ortogonais 1 Matriz de Mudança de Base Os próximos problemas que estudaremos são os seguintes (na verdade são o mesmo
Leia maisDeterminantes. Matemática Prof. Mauricio José
Determinantes Matemática Prof. Mauricio José Determinantes Definição e Conceito Matriz de ordem 1 Dizemos que um determinante é um resultado (numérico) de operações que são realizadas em uma matriz quadrada.
Leia mais4. Álgebra Booleana e Simplificação Lógica. 4. Álgebra Booleana e Simplificação Lógica 1. Operações e Expressões Booleanas. Objetivos.
Objetivos 4. Álgebra Booleana e Simplificação Lógica Aplicar as leis e regras básicas da álgebra Booleana Aplicar os teoremas de DeMorgan em expressões Booleanas Descrever circuitos de portas lógicas com
Leia maisRegressão, Interpolação e Extrapolação Numéricas
, e Extrapolação Numéricas Departamento de Física Universidade Federal da Paraíba 29 de Maio de 2009, e Extrapolação Numéricas O problema Introdução Quem é quem Um problema muito comum na física é o de
Leia maisEm linguagem matemática, essa proprieade pode ser escrita da seguinte maneira: x. 1 = x Onde x representa um número natural qualquer.
MATEMÁTICA BÁSICA 5 EXPRESSÕES ALGÉBRICAS - EQUAÇÕES A expressão numérica é aquela que apresenta uma sequência de operações e de números. Também já sabemos que as letras são usadas em Matemática para representar
Leia maisCapítulo 7. 1. Bissetrizes de duas retas concorrentes. Proposição 1
Capítulo 7 Na aula anterior definimos o produto interno entre dois vetores e vimos como determinar a equação de uma reta no plano de diversas formas. Nesta aula, vamos determinar as bissetrizes de duas
Leia maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Qui-quadrado, t-student e F de Snedecor 04/14
Leia maisPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA. Plano de Ensino
DISCIPLINA: Teoria e projeto de sistemas lineares CÓDIGO: MEE004 Validade: A partir do 1º semestre de 2009. Carga Horária: 45 horas-aula Créditos: 03 Área de Concentração / Módulo: Modelagem e controle
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano 2011-2 a Fase
Prova Escrita de MATEMÁTICA A - 1o Ano 011 - a Fase Proposta de resolução GRUPO I 1. Como no lote existem em total de 30 caixas, ao selecionar 4, podemos obter um conjunto de 30 C 4 amostras diferentes,
Leia maisCritérios Norteadores para o Processo Seletivo ao Programa de Pós-Graduação em Matemática da UFCG, no Curso de Mestrado, Modalidade Acadêmico
Critérios Norteadores para o Processo Seletivo ao Programa de Pós-Graduação em Matemática da UFCG, no Curso de Mestrado, Modalidade Acadêmico A Seleção para o Curso de Mestrado Acadêmico do Programa de
Leia maisÁlgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP
Álgebra Linear AL Luiza Amalia Pinto Cantão Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.br Determinantes 1 Permutação e Inversão 2 Determinantes de matriz de
Leia maisA. Equações não lineares
A. Equações não lineares 1. Localização de raízes. a) Verifique se as equações seguintes têm pelo menos uma solução nos intervalos dados: i) (x - 2) 2 ln(x) = 0, em [1, 2] e [e, 4]. ii) 2 x cos(x) (x 2)
Leia maisFrancisco Magalhães Gomes IMECC UNICAMP. Matemática básica. Volume 1 Operações, equações, funções e sequências
Francisco Magalhães Gomes IMECC UNICAMP Matemática básica Volume 1 Operações, equações, funções e sequências 2016 Sumário Prefácio vii Capítulo 1 Números reais 1 1.1 Conjuntos de números..............................
Leia maisMétodo dos mínimos quadrados Wikipédia, a enciclopédia livre
1 de 5 25/12/2012 20:27 Método dos mínimos quadrados Origem: Wikipédia, a enciclopédia livre. O Método dos Mínimos Quadrados, ou Mínimos Quadrados Ordinários (MQO) ou OLS (do inglês Ordinary Least Squares)
Leia maisMP-208: Filtragem Ótima com Aplicações Aeroespaciais
MP-208: Filtragem Ótima com Aplicações Aeroespaciais Seção 2.1: Álgebra Linear e Matrizes Davi Antônio dos Santos Departamento de Mecatrônica Instituto Tecnológico de Aeronáutica davists@ita.br São José
Leia maisFUNÇÃO DO 2º GRAU PROF. LUIZ CARLOS MOREIRA SANTOS
Questão 01) FUNÇÃO DO º GRAU A função definida por L(x) = x + 800x 35 000, em que x indica a quantidade comercializada, é um modelo matemático para determinar o lucro mensal que uma pequena indústria obtém
Leia maisÁlgebra Linear Computacional
Álgebra Linear Computacional Geovan Tavares, Hélio Lopes e Sinésio Pesco. PUC-Rio Departamento de Matemática Laboratório Matmidia http://www.matmidia.mat.puc-rio.br Sistemas de Equações Lineares Espaços
Leia maisDeterminantes. Vamos associar a cada matriz quadrada A um número a que chamaremos determinante. a11 a Uma matriz de ordem 2, A =
Determinantes Vamos associar a cada matriz quadrada A um número a que chamaremos determinante de A. [ ] a11 a Uma matriz de ordem 2, A 12, é invertível se e só se a 21 a 22 a 11 a 22 a 21 a 12 0, como
Leia maisUNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática
UNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática 1 a Lista - MAT 17 - Introdução à Álgebra Linear II/2004 1 Considere as matrizes A, B, C, D e E com respectivas ordens,
Leia maisCAP. II RESOLUÇÃO NUMÉRICA DE EQUAÇÕES NÃO LINEARES
CAP. II RESOLUÇÃO NUMÉRICA DE EQUAÇÕES NÃO LINEARES Vamos estudar alguns métodos numéricos para resolver: Equações algébricas (polinómios) não lineares; Equações transcendentais equações que envolvem funções
Leia maisé 4. Portanto, o desvio padrão é 2. Neste caso 100% dos valores da população estão a um desvio padrão da média.
Desvio Padrão From Wikipedia, the free encyclopedia probabilidade e estatística, o desvio padrão de uma distribuição de probabilidade, de uma variável aleatória, ou população é uma medida do espalhamento
Leia maisResolução de sistemas de equações lineares: Método de eliminação de Gauss
Resolução de sistemas de equações lineares: Método de eliminação de Gauss Marina Andretta ICMC-USP 21 de março de 2012 Baseado no livro Análise Numérica, de R L Burden e J D Faires Marina Andretta (ICMC-USP)
Leia maisÁlgebra Linear - Exercícios (Determinantes)
Álgebra Linear - Exercícios (Determinantes) Índice 1 Teoria dos Determinantes 3 11 Propriedades 3 12 CálculodeDeterminantes 6 13 DeterminanteseRegularidade 8 14 TeoremadeLaplace 11 15 Miscelânea 16 2 1
Leia maisMétodo Simplex Resolução Algébrica. Prof. Ricardo Santos
Método Simplex Resolução Algébrica Prof. Ricardo Santos Método Simplex A função objetivo f(x) pode ser expressa considerando a partição básica: f(x)=c T x= [ ] c T c T x B c T x c T x B N = + x B B N N
Leia maisÁlgebra Linear. Giuliano Boava
Álgebra Linear Giuliano Boava Introdução Nos problemas olímpicos, principalmente nos de nível universitário, é comum encontrarmos espaços e subespaços vetoriais, transformações lineares, matrizes, autovalores,
Leia maisUNICAMP - 2005. 2ª Fase MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR
UNICAMP - 2005 2ª Fase MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR Matemática Questão 01 São conhecidos os valores calóricos dos seguintes alimentos: uma fatia de pão integral, 55 kcal; um litro de leite,
Leia mais3º Ano do Ensino Médio. Aula nº09 Prof. Paulo Henrique
Nome: Ano: º Ano do E.M. Escola: Data: / / 3º Ano do Ensino Médio Aula nº09 Prof. Paulo Henrique Assunto: Funções do Segundo Grau 1. Conceitos básicos Definição: É uma função que segue a lei: onde, Tipos
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano 2015-2 a Fase
Prova Escrita de MATEMÁTICA A - o Ano 205-2 a Fase Proposta de resolução GRUPO I. O valor médio da variável aleatória X é: µ a + 2 2a + 0, Como, numa distribuição de probabilidades de uma variável aleatória,
Leia maisProbabilidade III. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período 2014.1
Probabilidade III Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2014.1 Ulisses Umbelino (DE-UFPB) Probabilidade III Período 2014.1 1 / 42 Sumário 1 Apresentação
Leia mais. (A verificação é imediata.)
1 Universidade de São Paulo/Faculdade de Educação Seminários de Ensino de Matemática (SEMA-FEUSP) Coordenador: Nílson José Machado novembro/2010 Instabilidade em Sistemas de Equações Lineares Marisa Ortegoza
Leia maisTécnicas estatísticas para análise de dados e de resultados de modelos de simulação
Parte XIV Técnicas estatísticas para análise de dados e de resultados de modelos de simulação A saída de um modelo de simulação geralmente constitui-se de VA s, muitas das quais podem ter variância grande.
Leia mais2 Limites e Derivadas. Copyright Cengage Learning. Todos os direitos reservados.
2 Limites e Derivadas Copyright Cengage Learning. Todos os direitos reservados. 2.7 Derivadas e Taxas de Variação Copyright Cengage Learning. Todos os direitos reservados. Derivadas e Taxas de Variação
Leia maisAgrupamento de Escolas Júlio Dantas Escola Básica Tecnopolis
Teorema de Pitágoras- Unidade 2 1.ºP Tema Calendarização Domínio N.º de aulas de 45 minutos Agrupamento de Escolas Júlio Dantas Escola Básica Tecnopolis Planificação Curricular a Longo Prazo Matemática
Leia maisé um grupo abeliano.
Notas de aulas de Álgebra Moderna Prof a Ana Paula GRUPO Definição 1: Seja G munido de uma operação: x, y x y sobre G A operação sobre G é chamada de grupo se essa operação se sujeita aos seguintes axiomas:
Leia maisÁlgebra Linear. Bacharelado em Sistemas de Informação. Período 2016.1. Prof. da Disciplina Luiz Gonzaga Damasceno, M. Sc
Bacharelado em Sistemas de Informação Período 26. Prof. da Disciplina Luiz Gonzaga Damasceno, M. Sc E-mails: damasceno2@hotmail.com damasceno2@uol.com.br damasceno24@yahoo.com.br Site: www.damasceno.info
Leia maisANOVA. (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior
ANOVA (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior Para que serve a ANOVA? Para comparar três ou mais variáveis ou amostras. Por exemplo, queremos testar os efeitos cardiorrespiratórios
Leia mais2) Escreva um algoritmo que leia um conjunto de 10 notas, armazene-as em uma variável composta chamada NOTA e calcule e imprima a sua média.
1) Inicializar um vetor de inteiros com números de 0 a 99 2) Escreva um algoritmo que leia um conjunto de 10 notas, armazene-as em uma variável composta chamada NOTA e calcule e imprima a sua média 3)
Leia maisÁlge g bra b B ooleana n Bernardo Gonçalves
Álgebra Booleana Bernardo Gonçalves Sumário Histórico Álgebra de Boole Axiomas da Álgebra de Boole Álgebra de Boole de dois valores literais Teoremas da Álgebra de Boole Simplificação de expressões booleanas
Leia maisCongruências Lineares
Filipe Rodrigues de S Moreira Graduando em Engenharia Mecânica Instituto Tecnológico de Aeronáutica (ITA) Agosto 006 Congruências Lineares Introdução A idéia de se estudar congruências lineares pode vir
Leia maisUniversidade dos Açores Curso de Especialização Tecnológica Gestão da Qualidade Matemática
Universidade dos Açores Curso de Especialização Tecnológica Gestão da Qualidade Matemática Sinopse: Nesta disciplina são abordados conceitos básicos da teoria dos erros, funções e gráficos, derivadas,
Leia maisAula 1 Variáveis aleatórias contínuas
Aula 1 Variáveis aleatórias contínuas Objetivos: Nesta aula iremos estudar as variáveis aleatórias contínuas e você aprenderá os seguintes conceitos: função de densidade de probabilidade; função de distribuição
Leia maisFUNÇÕES MATEMÁTICAS NÚMERO : PI() SENO E COSSENO: SEN() E COS()
FUNÇÕES MATEMÁTICAS FUNÇÕES MATEMÁTICAS O Excel possui uma série de funções matemáticas em sua biblioteca. Para utilizar uma função, sempre devem ser utilizados os parêntesis, mesmo que estes fiquem vazios.
Leia maisQuestão 1. Questão 3. Questão 2. Resposta. Resposta. Resposta
Questão São conhecidos os valores calóricos dos seguintes alimentos: uma fatia de pão integral, 55 kcal; um litro de leite, 550 kcal; 00 g de manteiga,.00 kcal; kg de queijo,.00 kcal; uma banana, 80 kcal.
Leia maisApostila: Matrizes e Determinantes
Apostila: Matrizes e Determinantes Prof. André Luís Rossi de Oliveira Matrizes. Conceitos Básicos Chamamos de matriz a uma tabela de elementos dispostos em linhas e colunas. Exemplos: () Considere a tabela
Leia maisEscola Secundária c/3º CEB José Macedo Fragateiro. Curso Profissional de Nível Secundário. Componente Técnica. Disciplina de
Escola Secundária c/3º CE José Macedo Fragateiro Curso Profissional de Nível Secundário Componente Técnica Disciplina de Sistemas Digitais e Arquitectura de Computadores 2009/2010 Módulo 2: Álgebra e Lógica
Leia maisRaiz quadrada. Índice. Propriedades
Raiz quadrada Origem: Wikipédia, a enciclopédia livre http://pt.wikipedia.org/wiki/raiz_quadrada dia 10/08/2010. Matematicamente, a raiz quadrada de um número real não negativo x é o número real não negativo
Leia maisNOTAÇÕES. : distância do ponto P à reta r : segmento de extremidades nos pontos A e B
R C i z Rez) Imz) det A tr A : conjunto dos números reais : conjunto dos números complexos : unidade imaginária: i = 1 : módulo do número z C : parte real do número z C : parte imaginária do número z C
Leia maisINSTITUTO SUPERIOR DE ECONOMIA E GESTÃO
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO CURSO DE MATEMÁTICA APLICADA À ECONOMIA E GESTÃO ANÁLISE MATEMÁTICA II ELEMENTOS DE ANÁLISE REAL Volume 2 Por : Gregório Luís I PREFÁCIO O presente texto destina-se
Leia maisCapítulo 2 - Determinantes
Capítulo 2 - Determinantes Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/ 19 DeMat-ESTiG Sumário
Leia maisTEORIA 5: EQUAÇÕES E SISTEMAS DO 1º GRAU MATEMÁTICA BÁSICA
TEORIA 5: EQUAÇÕES E SISTEMAS DO 1º GRAU MATEMÁTICA BÁSICA Nome: Turma: Data / / Prof: Walnice Brandão Machado Equações de primeiro grau Introdução Equação é toda sentença matemática aberta que exprime
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano 2015 - Época especial
Prova Escrita de MATEMÁTICA A - 1o Ano 015 - Época especial Proposta de resolução GRUPO I 1. Como P A B = P A + P B P A B, substituindo os valores conhecidos, podemos calcular P A: 0,7 = P A + 0,4 0, 0,7
Leia maisESTUDO DE MATRIZES DETERMINANTES E SISTEMAS LINEARES COM O USO DO SOFTWARE GEOGEBRA
ESTUDO DE MATRIZES DETERMINANTES E SISTEMAS LINEARES COM O USO DO SOFTWARE GEOGEBRA Por um ponto situado fora de uma reta se pode traçar uma e somente uma reta paralela a reta dada. Ricardo Augusto de
Leia maisAGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO
AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS MATEMÁTICA 8.º ANO PLANIFICAÇÃO GLOBAL 1. Representação, comparação e ordenação. Representar números racionais
Leia maisAdministração Central Unidade de Ensino Médio e Técnico - Cetec. Ensino Técnico. Qualificação: Assistente Administrativo
.. Plano de Trabalho Docente 2013 Ensino Técnico Etec Prof Massuyuki Kawano Código: 136 Município: Tupã Eixo Tecnológico: Gestão e Negócios Habilitação Profissional: Técnico em Administração Qualificação:
Leia maisProcessos Estocásticos
Processos Estocásticos Hélio Lopes INF2035 - Introdução à Simulação Estocástica 1 Introdução Um processo estocástico é uma família de variáveis aleatórias {X(t), t T } definidas em um espaço de probabilidade,
Leia maisProposta de resolução da Prova de Matemática A (código 635) 2ª fase. 19 de Julho de 2010
Proposta de resolução da Prova de Matemática A (código 65) ª fase 9 de Julho de 00 Grupo I. Como só existem bolas de dois tipos na caixa e a probabilidade de sair bola azul é, existem tantas bolas roxas
Leia maisAnálise de Regressão. Notas de Aula
Análise de Regressão Notas de Aula 2 Modelos de Regressão Modelos de regressão são modelos matemáticos que relacionam o comportamento de uma variável Y com outra X. Quando a função f que relaciona duas
Leia maisSeqüências. George Darmiton da Cunha Cavalcanti CIn - UFPE
Seqüências George Darmiton da Cunha Cavalcanti CIn - UFPE Introdução Uma seqüência é uma estrutura discreta usada para representar listas ordenadas. Definição 1 Uma seqüência é uma função de um subconjunto
Leia maisXXXII Olimpíada Brasileira de Matemática GABARITO Segunda Fase
XXXII Olimpíada Brasileira de Matemática GABARITO Segunda Fase Soluções Nível Segunda Fase Parte A PARTE A Na parte A serão atribuídos 4 pontos para cada resposta correta e a pontuação máxima para essa
Leia maisMATRIZ - FORMAÇÃO E IGUALDADE
MATRIZ - FORMAÇÃO E IGUALDADE 1. Seja X = (x ij ) uma matriz quadrada de ordem 2, onde i + j para i = j ;1 - j para i > j e 1 se i < j. A soma dos seus elementos é igual a: 2. Se M = ( a ij ) 3x2 é uma
Leia maisEngenharia Econômica
UNIVERSIDADE FEDERAL DE PERNAMBUCO UFPE CENTRO ACADÊMICO DO AGRESTE NÚCLEO DE TECNOLOGIA ENGENHARIA CIVIL Engenharia Econômica Aula I Professora Jocilene Otilia da Costa, Dra Conteúdo Juros Simples Juros
Leia maisPLANEJAMENTO ANUAL / TRIMESTRAL 2013 Conteúdos Habilidades Avaliação
CENTRO EDUCACIONAL LA SALLE Associação Brasileira de Educadores Lassalistas ABEL SGAS Q. 906 Conj. E C.P. 320 Fone: (061) 3443-7878 CEP: 70390-060 - BRASÍLIA - DISTRITO FEDERAL Disciplina: Matemática Trimestre:
Leia maisGRADE CURRICULAR LICENCIATURA EM MATEMÁTICA I MATÉRIAS OBRIGATÓRIAS
GRADE CURRICULAR LICENCIATURA EM MATEMÁTICA MATÉRIAS DISCIPLINA I MATÉRIAS OBRIGATÓRIAS 1. Álgebra - Álgebra Elementar - Álgebra I - Álgebra II - Álgebra Linear - Lógica Matemática - Teoria dos Números
Leia maisTeoria Básica e o Método Simplex. Prof. Ricardo Santos
Teoria Básica e o Método Simple Prof. Ricardo Santos Teoria Básica do Método Simple Por simplicidade, a teoria é desenvolvida para o problema de PL na forma padrão: Minimizar f()=c T s.a. A=b >= Considere
Leia mais