CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

Tamanho: px
Começar a partir da página:

Download "CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES"

Transcrição

1 CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que são uções algébrcas ão leares com roredades artculares, é ossível a solução aalítca ara o caso de olômos do grau e certas classes de olômos de 3º e 4º graus. No caso de uções trascedetas que são uções ão leares e ão algébrcas a determação só é ossível de orma umérca. E.: ( ) e - ( ) l( ) se( ) Serão aresetados a segur os rcas métodos umércos ara determação de raízes de equações ão leares. Tas métodos que odem ser dvddos em: da Bsseção; Métodos Fechados{Método das cordas; detre outros... Métodos Abertos {Método de Newto; Método da Secate; e outros...

2 Seja () uma ução ão-lear com ( 0 ) 0. Ecotrar os valore de o que satsaçam tal gualdade costtu um roblema de determação das raízes de (). Para tato, são ecessáras os segutes assos: a) Isolar uma raz,. e., ecotrar um tervalo [a, b], cotedo uma úca raz de ( 0 ) 0; b) Partdo de uma estmatva cal da raz, reá-la até alcaçar a recsão desejada. Isolameto de raízes Teorema : Seja cotíua em [a, b]. ( a) ( b) 0 <, etão ( a, b) ε tal que ( ) 0 ε. Se Além dsso, se ( ) > 0 ou ( ) < 0 ( a,b), etão a raz é úca. Equações Algébrcas Proredades a L uma equação algébrca de 0 a a a a) Seja ( ) grau ( 0) a. Etão ( ) ossu raízes. b) Se os coecetes são reas, etão, as raízes comleas são ares comleos cojugados, de mesma multlcdade.

3 Lmtes das raízes a L, 0 a a a Cosderemos o olômo ( ) com a 0 e a R. Seja ε a maor das raízes ostvas de (), temos que ε L, com: L B { k ode: K a Maor ídce dos coecetes egatvos B Mámo módulo detre os coecetes egatvos Seja ada a segute equação aular: ( ) ( ) 0 com L sedo:, ε, ε, L, ε suas raízes e L o lmte sueror de suas raízes ostvas ( ε L ε L ) das raízes ostvas de () ( L ε L ). Seja agora ( ) ( ) 0 Sedo ( ε 0) q q <. Logo, /L é o lmte eror. Suas raízes são: ε, L, ε. ε a maor das raízes ostvas, tem-se: ε q L ε ou q { L lmte eror das raízes egatvas Por m, cosderado o olômo: ( ) ( ), tem-se: 3 ε q L 3 ε q L3 3 lmte sueror das raízes egatvas

4 Eemlo: 4 3 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ara ( ) : k 3, 7 7 B L 4 3 ara ( ) : k, B 7 7 L 4 30 L 0,674,483 ara ( ) : k, 9 9 B L 4 6, 385 ara 3 ( ) : k 3, B 9 9 L 43 3, L3 0,508 Portato: 0,674 ε 8 6,385 ε 0,

5 Número de raízes Teorema de Bolzao ( ) 0 ; ( a,b) se ( a) ( b) < 0 º ímar ( a) ( b) > 0 º ar de raízes de raízes Relações etre raízes e coecetes (Relações de Grard) Seja ( ) a a a a 0 0 ( ) a ( )( ε ) ( ε ) 0 ε L. L a orma atorada: Eetuado algumas oerações algébrcas (somas e multlcações) e gualado os coecetes dos termos de mesmo eoete, obtemos as segutes relações: ε ε L ε a a ε ε 3 L ε ε ε ε 3 L ε ε L ε ε a ε ε ε L L L ε ε ε ( ε ε ) ( ) a 3 a 3 a ε ε ε 3 L L ε () a 0 M a

6 Equações Trascedetes: Fuções de Naturezas Dsttas Isolameto de raízes Método gráco Eemlo: ( ) e se( ) Outra orma: g h ( ) g( ) h( ) ( ) e ( ) se( ) 0 Eatdão da Raz Teorema: Seja ε uma raz eata de ( ) 0 e uma aromação sua. Seja ada: m mí a b ( ).e.: ( ) m 0 >, b a. Etão: ε ( ) m

7 Prova: De acordo com o teorema do valor médo, tem-se: ( ) ( ) ( ε ) ( c) ε, sedo ε < c < ( ) ( ε ) ε ( c) ; ( ε ) 0 () c ( ) m ε Logo: ε ( ) m Como o cálculo da dervada, ara determação de m em semre é ossível, costuma-se usar um dos crtéros abao, ara teste de covergêca: º) ( ) { tolerâca reada º) 3º)

8 Método da Bsseção Seja ( ) cotíua o tervalo [ a,b], com ( a) ( b) < 0 coorme mostra o gráco a segur:, Dvde-se o tervalo ao meo, dedo o oto 0 e calcula-se o valor de ( 0 ), comarado o seu sal com ( a) e com ( b) Cocetra-se a ateção aquele subtervalo com ( ) ( ) 0 rocesso é reetdo até se alcaçar a covergêca. <.. O O método ossu uma taa de covergêca lear; Semre coverge ara uma solução, e; Possu ácl mlemetação comutacoal.

9 Algortmo: - Ecotrar e, tal que ( ) ( ) 0 < ; - Determar m s ; 3- Comarar o sal da ução em m 3. - Se ( ) m 0 etão m é a raz da ução, are os cálculos 3. - Se ( ) ( m ) < 0 a raz está o subtervalo [, ] assm o m e ermaece Caso cotráro a raz está o subtervalo [, ] m e ermaece; m ; m ; assm 4 - Retorar ara o asso e calcular o ovo m ; 5 - Vercar se o tamaho do tervalo é eror à recsão desejada. Caso sso ão acoteça, retorar ao asso Aresetar o resultado do cálculo.

10 E.: Determe a raz de ( ) e com - tol 0, 0 e. Já que: 0 tol,,calcular: m > 0,5 Como ( ). ( ) ( 0). ( 0,5 ) 0,0653 0, etão descartar 0. m > e 0,5 > tol Como ( ). ( ) ( 0,5 ). ( ) 0 m < m e calcular ovamete 0,5 m 0, 75 e 0, 75 0,5 > tol Como ( ). ( ) ( 0,5 ). ( 0, 75) 0 m < etão e calcular ovamete: m 0,5 0, 75 m 0,65 e 0,65 0,5 > tol Como ( ). ( ) ( 0,5). ( 0,65) 0,0 0 m < etão e calcular ovamete: m 0,5 0,65 m 0,565 < e 0,65 0,565 < tol Como ( 0,565). ( 0,65) 0 Etão raz 0, 565 m

11 Covergêca Na -ésma teração, o comrmeto do tervalo a cosderar é: b a b a Para o º subtervalo: 0 a b a Para o º subtervalo: 0 b a Geeralzado: Como b a tem-se: ou: l [( b a) ] l( ) b a Como lm lm 0, tem-se que o rocesso coverge,. e., ε, os ( ) ( ) 0

12 Método das Cordas Alca-se a uma ução cotíua ( ) com raz úca [ a,b] com ( ) com sal costate. ε, () () Realza-se uma terolação lear etre os otos etremos do tervalo e calcula-se a raz ( ) da reta teroladora. ( ) (, ( )) substturá o oto com ordeada de mesmo sal que, a m de reetr o rocesso, até que haja covergêca. ou: a b a ( a) ( b) ( a) b b a ( b) ( b) ( a) b b a ( b) ( a) ( b)

13 () () Para a gura (), tem-se: ( a) ( ) ( ) ( a ) a b a b ( ) ( ) ( ) ( b) b Para a gura (), tem-se: ( b) ( ) ( ) ( b ) a b b a ( ) ( ) ( ) ( a) a Geeralzado: ( ) ( ) ( ) ( c) c ode c é um oto da ução ode esta tem o mesmo sal de sua dervada seguda,.e., ( c) ( c) > 0. Resumdo: O oto ado (a ou b) é aquele ode o sal da ução ( ()) cocde com o sal de sua dervada seguda ( () ). A aromação se az do lado da raz ε, ode o sal da ução ( ()) é oosto ao sal de sua dervada seguda ( () ).

14 Covergêca A aromação estará semre mas róma que a ateror. Cosderado: lm ( ) ε ; ( a < ε < b) tem-se: ( ) lm( ) lm lm ( ) ( ) ( ) ( a ) a ε ε ( ε ) ( ) ( ) ( a ε ) ( ε ) a ε 0 Portato, como a raz é úca, ε ε e o rocesso coverge.

15 Método de Newto Iterretação Gráca Dedução ela geometra: ( ) ( ) 0 ( ) ( ) Dedução ela sére de Taylor: ( ) ( ) ( )( ) ( ) ( ) K! trucado a sére e cosderado ( ) 0 etão ( ) ( )( ) 0 obtedo-se: ( ) ( )

16 Observações: O método ode dvergr caso estam otos de mámo ou mímo da ução o tervalo de busca. Se a ução ossur múltlos zeros, a covergêca torar-se-á leta. E.: Determe a raz da equação: e 0, elo método de Newto. ( ) e, e ; cosdere 0, 0 e 0 Iterações ε % < 0-8 E.: (Eemlo de covergêca leta do método de Newto), cálculo da raz real ostva da equação: 0-0, (Cosdere ). Iterações

17 Método da Secate É uma modcação do método de Newto. A dervada é substtuída or uma estmada de orma umérca. ( ) ( ) ( ) Iterretação Gráca do Método: Substtudo a estmatva umérca da dervada a eressão teratva do método de Newto, tem-se: ( )( ) ( ) ( )

18 E.: Determe a raz da equação ( ) - e - ; r a teração, - 0, 0, ( - ).0, ( 0 ) ( 0 ) ( 0.63) a teração, 0, 0.670, ( 0 ) , ( ) ( 0.670) ( ) O método coverge um ouco mas letamete que o método de Newto e com mas esorço comutacoal.

Métodos tipo quadratura de Gauss

Métodos tipo quadratura de Gauss COQ-86 Métodos Numércos ara Sstemas Algébrcos e Dferecas Métodos to quadratura de Gauss Cosderado a tegração: Método de quadratura de Gauss com otos teros I f d a ser comutada com a maor recsão ossível

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

VI - Integração Numérica

VI - Integração Numérica V - tegração Numérca C. Balsa & A. Satos. trodução São, este mometo, coecdos dos aluos métodos aalítcos para o cálculo do tegral dedo b ( d a sedo ( cotíua e tegrável o tervalo [ ab] ;. Cotudo, algumas

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO Uversdade Federal do Ro Grade FURG Isttuto de Matemátca, Estatístca e Físca IMEF Edtal CAPES INTERPOLAÇÃO Pro. Atôo Mauríco Mederos Alves Proª Dese Mara Varella Martez Matemátca Básca ara Cêcas Socas II

Leia mais

POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA INTRODUÇÃO

POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA INTRODUÇÃO POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos oderados (MRP) tora-se dsesável um estudo mesmo que

Leia mais

CAMPUS DE GUARATINGUETÁ Computação e Cálculo Numérico: Elementos de Cálculo Numérico Prof. G.J. de Sena - Depto. de Matemática Rev.

CAMPUS DE GUARATINGUETÁ Computação e Cálculo Numérico: Elementos de Cálculo Numérico Prof. G.J. de Sena - Depto. de Matemática Rev. uesp CAMUS DE GUARATINGUETÁ Computação e Cálculo Numérco: Elemetos de Cálculo Numérco ro. G.J. de Sea - Depto. de Matemátca Rev. 5 CAÍTUO 4 INTEROAÇÃO 4. INTRODUÇÃO Cosdere a segute tabela relacoado calor

Leia mais

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 4- Método de Dereças Ftas Alcado às Equações Derecas Parcas. 4.- Aromação de Fuções. 4..- Aromação or Polômos: Iterolação. 4..- Ajuste de Dados: Mímos

Leia mais

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS

Leia mais

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida . MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

Receita do Método da Aproximação Polinomial Global Aplicado a Problemas. Unidirecionais sem Simetria

Receita do Método da Aproximação Polinomial Global Aplicado a Problemas. Unidirecionais sem Simetria Recea do Méodo da Aromação olomal Recea do Méodo da Aromação olomal Global Alcado a roblemas Esruura Geral do roblema: Udrecoas sem Smera y y y F y o domío : 0 < < e >0. Suea às codções de cooro: CC: G

Leia mais

CAP. IV INTERPOLAÇÃO POLINOMIAL

CAP. IV INTERPOLAÇÃO POLINOMIAL CAP. IV INTERPOLAÇÃO POLINOMIAL INTRODUÇÃO Muts fuções são cohecds es um cojuto fto e dscreto de otos de um tervlo [,b]. Eemlo: A tbel segute relco clor esecífco d águ e temertur: temertur (ºC 5 3 35 clor

Leia mais

1. Revisão Matemática

1. Revisão Matemática 1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

INTERPOLAÇÃO. Introdução

INTERPOLAÇÃO. Introdução INTERPOLAÇÃO Itrodução A terolção cosste em determr rtr de um cojuto de ddos dscretos um ução ou um cojuto de uções lítcs que ossm servr r determção de qulquer vlor o domío de deção. Pode-se ver terolção

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira Hdrologa, Ambete e Recursos Hídrcos 009 / 00 Rodrgo roeça de Olvera Aálse estatístca IST: Hdrologa, Ambete e Recursos Hídrcos Rodrgo roeça de Olvera, 009 Cocetos base Varável aleatóra oulação Fução de

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:

Leia mais

tica ou tica como Rui Vilela Mendes CMAF, ICC, CFN dos TPC s

tica ou tica como Rui Vilela Mendes CMAF, ICC, CFN dos TPC s O oder da matemátca tca ou A matemátca tca como metáfora Ru Vlela Medes CMAF, ICC, CFN Soluções dos TPC s Curso o Mestrado de Comlexdade,, ISCTE, Ivero 007 07-03 03-007 TPC Dados ( I(I(,,, N ( I(/N, /N,,,

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

Exercícios - Sequências de Números Reais (Solução) Prof Carlos Alberto S Soares

Exercícios - Sequências de Números Reais (Solução) Prof Carlos Alberto S Soares Exercícos - Sequêcas de Números Reas (Solução Prof Carlos Alberto S Soares 1 Dscuta a covergêca da sequẽca se(2. Calcule, se exstr, lm se(2. Solução 1 Observe que se( 2 é lmtada e 1/ 0, portato lm se(2

Leia mais

integração são difíceis de serem realizadas. Por exemplo, como calcular

integração são difíceis de serem realizadas. Por exemplo, como calcular 89. INTERPOAÇÃO Objetvo: Ddo um cojuto de + otos G; o lo e um cojuto de uções Ecotrr um ução gg que melhor reresete esse cojuto de ddos de cordo com lgum crtéro. Deção : Sejm os + otos. Dzemos que ução

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo. Números Complexos. (IME) Cosdere os úmeros complexos Z se α cos α e Z cos α se α ode α é um úmero real. Mostre que se Z Z Z etão R e (Z) e I m (Z) ode R e (Z) e I m (Z) dcam respectvamete as partes real

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas Sumáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Sstemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. -

Leia mais

Problema geral de interpolação

Problema geral de interpolação Problema geral de terpolação Ecotrar p() que verfque as codções: f j ( ) y,,,,,, j,,, m ( j) ( ) dervada de ordem j ós valores odas Eemplo: ecotrar p() que verfque:, f () 4 3, f( 3) 3, f'(3) 4 3 p() 3

Leia mais

Teoria das Comunicações

Teoria das Comunicações Teora das Comucações.6ª Revsão de robabldade rof. dré Noll arreto rcíos de Comucação robabldade Cocetos áscos Eermeto aleatóro com dversos resultados ossíves Eemlo: rolar um dado Evetos são cojutos de

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

Leia mais

NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1

NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1 NOTA BREVE SOBRE O CONCEITO DE MÉDIA O coceto de méda surge de modo abudate a dscla de Métodos Estatístcos, resete em mutos cursos de lcecatura de sttuções de eso sueror. Surge, de gual modo, em domíos

Leia mais

CADERNO 1 (É permitido o uso de calculadora gráfica.)

CADERNO 1 (É permitido o uso de calculadora gráfica.) Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos

Leia mais

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal

Leia mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si. Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de

Leia mais

José Álvaro Tadeu Ferreira. Cálculo Numérico. Notas de aulas

José Álvaro Tadeu Ferreira. Cálculo Numérico. Notas de aulas UNIVERSIDADE FEDERAL DE OURO PRETO Isttuto de Cêcas Eatas e Bológcas Departameto de Computação José Álvaro Tadeu Ferrera Cálculo Numérco Notas de aulas Iterpolação Polomal Ouro Preto 3 (Últma revsão em

Leia mais

Gabarito da Lista de Interpolação e Método dos Mínimos Quadrados

Gabarito da Lista de Interpolação e Método dos Mínimos Quadrados Gabarto a sta e Iterpolação e Métoo os Mímos Quaraos ercíco : a cos Prmera orma: Iterpolação e agrage 8 5 P cos5 P - 89765 6 5 85 5 5 5 P 5 : : rro Portato 6 cos9 9 ; -5 6 9-9 - 6 5 5 5 85 cos6 6 ; 5 9

Leia mais

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0 EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , ,

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , , GABARITO DA TERCEIRA LISTA DE EXERCÍCIOS DE PTC-3 TEORIA DA INFORMAÇÃO E CODIFICAÇÃO Questão Uma fote de formações dscreta e sem memóra emte símbolos A e B com robabldades P(A =,8 e P(B =,. a calcule a

Leia mais

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais 48 Procedmetos para Ajuste e Tratameto Estatístco de Dados Expermetas. Itrodução Modelos matemátcos desevolvdos para descrever eômeos íscos a partr de observações expermetas devem ser baseados em dados

Leia mais

Cálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015

Cálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015 Cálculo Numérco Ajuste de Curvas Método dos Mímos Quadrados Profa. Vaessa Rolk º semestre 05 Ajuste de curvas Para apromar uma fução f por um outra fução de uma famíla prevamete escolhda (caso cotíuo)

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

Adotando-se as seguintes variáveis e parâmetro adimensionais: i 1 i i i i i 1

Adotando-se as seguintes variáveis e parâmetro adimensionais: i 1 i i i i i 1 Lsta de eercícos (Capítulo 4) ) Em dos reatores taque de mstura perfeta é coduzda a reação em fase líquda: A+BC+D de forma sotérmca. Os balaços estacoáros de massa do reagete A este sstema são descrtos

Leia mais

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

II. Propriedades Termodinâmicas de Soluções

II. Propriedades Termodinâmicas de Soluções II. Propredades Termodâmcas de Soluções 1 I. Propredades Termodâmcas de Fludos OBJETIVOS Eteder a dfereça etre propredade molar parcal e propredade de uma espéce pura Saber utlzar a equação de Gbbs-Duhem

Leia mais

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS Professor Luz Atoo de Carvalho PLANO PROBABILIDADES Professora Rosaa Relva DOS Números Iteros e Racoas COMPLEXOS rrelva@globo.com Número s 6 O Número Por volta de 00 d.c a mpressão que se tha é que, com

Leia mais

22/8/2010 COMPLEXIDADE DE ALGORITMOS CES para os numeradores e 1 para o denominador. Noções de complexidade de algoritmos

22/8/2010 COMPLEXIDADE DE ALGORITMOS CES para os numeradores e 1 para o denominador. Noções de complexidade de algoritmos Razão de crescmento desse temo Imortânca de análse de algortmos Um mesmo roblema ode, em mutos casos, ser resolvdo or város algortmos. Nesse caso, qual algortmo deve ser o escolhdo? Crtéro 1: fácl comreensão,

Leia mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

Leia mais

Capítulo 3. Interpolação Polinomial

Capítulo 3. Interpolação Polinomial EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo 3 Iterpolação Polomal Teorema de Weerstrass: se f( é uma fução cotíua em um tervalo fechado [a, b], etão para cada >,

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

PROCESSOS ESTOCÁSTICOS

PROCESSOS ESTOCÁSTICOS UIVERIDADE FEDERAL DO RIO GRADE DO ORE CERO DE CIÊCIA EXAA E DA ERRA DEARAEO DE EAÍICA DICILIA: E ROCEO EOCÁICO ROCEO EOCÁICO ª EAA ROFEOR: FERADO CÉAR DE IRADA AAL/R EADO ABORVEE Defção. Um estado de

Leia mais

Métodos Computacionais em Engenharia DCA0304 Capítulo 3

Métodos Computacionais em Engenharia DCA0304 Capítulo 3 Métodos Comutcos em Egehr DCA4 Cítulo. Iterolção.. Itrodução Qudo se trblh com sstems ode ão é cohecd um fução que descrev seu comortmeto odemos utlzr o coceto de terolção. Há csos tmbém em que form lítc

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

Leia mais

Capítulo 2. Aproximações de Funções

Capítulo 2. Aproximações de Funções EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo Aproações de Fuções Há bascaete dos tpos de probleas de aproações: ) ecotrar ua fução as sples, coo u polôo, para aproar

Leia mais

Proposta de teste de avaliação

Proposta de teste de avaliação Proosta de teste de avaliação Matemática A. O ANO DE ESOLARIDADE Duração: 9 miutos Data: adero (é ermitido o uso de calculadora) Na resosta aos ites de escolha múltila, selecioe a oção correta. Escreva,

Leia mais

5 Algoritmo para integração da relação tensão deformação

5 Algoritmo para integração da relação tensão deformação 5 Algortmo ara tegração da relação tesão deformação A aálse de materas com comortameto elastolástco or elemetos ftos é feta de forma cremetal e teratva. A cada estágo do rocesso de solução, cremetos de

Leia mais

Problemas fundamentais da teoria da aproximação func/onal

Problemas fundamentais da teoria da aproximação func/onal 18 GAZETA DE MA TEM ATIÇA 2 5 ) ( A - se) l + (T _ y) * + ( Z - z) K=O p 1 1 " 1 d p 1 df-j pl - p ds T d íj (A'~ «)> -f (Y - y) ft + (2-z)v = - 3 1 e resolve-se rapdamete. X x + Aa + B\ r = y + Aß + Bp,

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

Estabilidade no Domínio da Freqüência

Estabilidade no Domínio da Freqüência Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;

Leia mais

S S S S 5. Uma pessoa deposita em um banco, no fim de cada mês, durante 5 meses, a quantia de R$ 200,00. 1,05 1

S S S S 5. Uma pessoa deposita em um banco, no fim de cada mês, durante 5 meses, a quantia de R$ 200,00. 1,05 1 CopyMarket.com Todos os dretos reservados. ehuma parte desta publcação poderá ser reproduzda sem a autorzação da Edtora. Título: Matemátca Facera e Comercal utores: Roberto Domgos Mello e Carlos Eduardo

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

Módulo: Binômio de Newton e o Triângulo de Pascal. Somas de elementos em Linhas, Colunas e Diagonais do Triângulo de Pascal. 2 ano do E.M.

Módulo: Binômio de Newton e o Triângulo de Pascal. Somas de elementos em Linhas, Colunas e Diagonais do Triângulo de Pascal. 2 ano do E.M. Módulo: Bômo de Newto e o Tâgulo de Pascal Somas de elemetos em Lhas, Coluas e Dagoas do Tâgulo de Pascal ao do EM Módulo: Bômo de Newto e o Tâgulo de Pascal Somas de elemetos em Lhas, Coluas e Dagoas

Leia mais

Módulo: Binômio de Newton e o Triângulo de Pascal. Somas de elementos em Linhas, Colunas e Diagonais do Triângulo de Pascal. 2 ano do E.M.

Módulo: Binômio de Newton e o Triângulo de Pascal. Somas de elementos em Linhas, Colunas e Diagonais do Triângulo de Pascal. 2 ano do E.M. Módulo: Bômo de Newto e o Tâgulo de Pascal Somas de elemetos em Lhas, Coluas e Dagoas do Tâgulo de Pascal ao do EM Módulo: Bômo de Newto e o Tâgulo de Pascal Somas de elemetos em Lhas, Coluas e Dagoas

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

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. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

CAP. IV INTERPOLAÇÃO POLINOMIAL

CAP. IV INTERPOLAÇÃO POLINOMIAL CAP. IV INTERPOLAÇÃO POLINOMIAL INTRODUÇÃO Muts fuções são cohecds es um cojuto fto e dscreto de otos de um tervlo [,b]. Eemlo: A tbel segute relco clor esecífco d águ e temertur: temertur (ºC 5 3 35 clor

Leia mais

FÍSICA MODERNA I AULA 15

FÍSICA MODERNA I AULA 15 Uversdde de São ulo Isttuto de Físc FÍSIC MODERN I U 5 rof. Márc de lmed Rzzutto elletro sl 0 rzzutto@f.us.br o. Semestre de 08 ág do curso: htts:edscls.us.brcoursevew.h?d=695 0008 OERDORES OBSERVÁVEIS

Leia mais

... Capítulo III - Resolução de Sistemas. Vamos estudar métodos numéricos para: - resolver sistemas lineares

... Capítulo III - Resolução de Sistemas. Vamos estudar métodos numéricos para: - resolver sistemas lineares Cpítulo III - Resolução de Sstems Vmos estudr métodos umércos pr: - resolver sstems leres ão leres (; - Resolução de Sstems de Equções eres Cosdere-se o sstem ler de equções cógts:............ b b b usdo

Leia mais

Capítulo 9 Problema 01 Problema 03 Problema 04

Capítulo 9 Problema 01 Problema 03 Problema 04 Bssab&Morett Caítlo Problema mod, orqe + mod, orqe + Problema a, m m, ( ) mod mod, ( ) mod mod, ( ) mod mod,...,,,,..., Portato, o eríodo esse caso é h. Problema a, m, m ( ) mod mod, ( ) mod mod, ( ) mod

Leia mais

Proposta de resolução do Exame Nacional de Matemática A 2016 (2 ạ fase) GRUPO I (Versão 1) Logo, P(A B) = = = Opção (A)

Proposta de resolução do Exame Nacional de Matemática A 2016 (2 ạ fase) GRUPO I (Versão 1) Logo, P(A B) = = = Opção (A) Proosta de resolução do Eame Naconal de Matemátca A 0 ( ạ fase) GRUPO I (Versão ). P( A B) 0, P(A B) 0, P(A B) 0, P(A B) 0,4 P(A) + P(B) P(A B) 0,4 Como P(A) 0, e P(B) 0,, vem que: 0, + 0, P(A B) 0,4 P(A

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

Métodos numéricos para solução de equações

Métodos numéricos para solução de equações Escola Poltécca da Uversdade de São Paulo Departameto de Egehara Químca LSCP Laboratóro de Smulação e Cotrole de Processos Dscpla Optatva Modelagem e Métodos Matemátcos Aplcados à Egehara Químca AULA Revsão

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

NÚMEROS COMPLEXOS. z = a + bi,

NÚMEROS COMPLEXOS. z = a + bi, NÚMEROS COMPLEXOS. DEFINIÇÃO No cojuto dos úmeros reas R, temos que a = a. a é sempre um úmero ão egatvo para todo a. Ou seja, ão é possível extrar a ra quadrada de um úmero egatvo em R. Dessa mpossbldade

Leia mais

F- MÉTODO DE NEWTON-RAPHSON

F- MÉTODO DE NEWTON-RAPHSON Colégio de S. Goçalo - Amarate - F- MÉTODO DE NEWTON-RAPHSON Este método, sob determiadas codições, apreseta vatages sobre os método ateriores: é de covergêcia mais rápida e, para ecotrar as raízes, ão

Leia mais

Raízes de equações. O Problema. Equações. Algébricas Transcendentes

Raízes de equações. O Problema. Equações. Algébricas Transcendentes Raízes de equações Algébrias Trasedetes O roblema É frequete em problemas ietífios e de egeharia a eessidade de se determiar o valor para que satisfaça uma dada fução f isto é f. O úmero é hamado de zero

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 6 Equlíbro e o Potecal de Nerst Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

3 Relações constitutivas para fluxo em meios não saturados 3.1. Introdução

3 Relações constitutivas para fluxo em meios não saturados 3.1. Introdução 40 3 Relações costtutvas ara fluxo em meos ão saturados 3.1. Itrodução Na atureza, a maora dos rocessos de fluxo ocorre em meos ão saturados. Em um solo calmete seco, or exemlo, sujeto à fltração de água

Leia mais

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha 4 Métodos Sem Malha Segudo Lu (9), os métodos sem malha trabalham com um cojuto de ós dstrbuídos detro de um domío, assm como com cojutos de ós dstrbuídos sobre suas froteras para represetar, sem dscretzar,

Leia mais

Introdução à Estatística

Introdução à Estatística Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal

Leia mais

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.

Leia mais

INTRODUÇÃO AOS MÉTODOS NUMÉRICOS. Interpolação

INTRODUÇÃO AOS MÉTODOS NUMÉRICOS. Interpolação INTRODUÇÃO AOS MÉTODOS NUMÉRICOS Iterpolação Itrodução A tabela abaio relacioa calor especíico da água e temperatura: temperatura C calor especíico 5 3 35 4 45 5.9997.9985.9986.9988.9988.99849.99878 o

Leia mais

Avaliação de Empresas Profa. Patricia Maria Bortolon

Avaliação de Empresas Profa. Patricia Maria Bortolon Avalação de Empresas MODELO DE DIVIDENDOS Dvdedos em um estáo DDM Dscouted Dvded Model Muto utlzados a precfcação de uma ação em que o poto de vsta do vestdor é extero à empresa e eralmete esse vestdor

Leia mais