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

Tamanho: px
Começar a partir da página:

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

Transcrição

1 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 presentes nestas equações Na grande maora das vezes, elas são substtuídas por suas versões dscretas em um processo conhecdo como dscretzação O prmero passo dado na construção destas aproxmações por erenças-fntas é o estabelecmento de uma malha A fgura 81 mostra uma malha un-dmensonal com N pontos unformemente dstrbuídos ao longo de um comprmento L A posção x de cada ponto da malha é dada por x = x L + ( 1) wth = x R x L N 1 where x L = 0 and x R = L, (81) x 0 x 0 L x N 2 N 1 N Fgura 81: Dstrbução unforme de pontos em uma malha un-dmensonal A notação empregada neste capítulo para avalação da dervada de uma função arbtrára f(x) na malha acma é f = f(x 0 ), f ±1 = f(x 0 ± ) and f ±2 = f(x 0 ± 2), (82) onde, prmero, séres de Newton serão utlzadas para a construção das fórmulas clásscas de aproxmação Depos, versões generalzadas destas aproxmações serão obtdas com o uso de séres polnomas 81 Sére de Taylor As prmeras aproxmações dscretas para dervadas contínuas foram obtdas com expansões em sére de Taylor, como a expressão (62), que determna o 67

2 68 Capítulo 8 Dferencação Numérca comportamento da função em um ponto x que é arbtráro porém próxmo ao ponto de referênca x 0 Esta sére é escrta de manera geral como f(x) = f(x 0 ) + n k=1 f (k) (x 0 ) k! (x x 0 ) k + O ( (x x 0 ) n+1), (83) onde a dstânca = x x 0 e a ordem n do polnômo determnam o erro da aproxmação Quanto maor, maor deve ser n de modo que a precsão do resultado seja mantda aproxmadamente constante A equação (83) será amplamente utlzada nas próxmas seções para construção de aproxmações numércas para erentes dervadas 811 Dferenças Avançadas/Atrasadas Aproxmações com erenças avançadas são aquelas em que a expansão (83) é utlzada para determnar o valor da função em pontos mas dstantes da orgem do que o ponto de referênca x, como lustrado na Fgura 81 Por exemplo, de acordo com as relações (82), podemos escrever f +1 = f + dx + ()2 d2 f 2! dx 2 + ()3 d3 f 3! dx 3 +, (84) ou, alternatvamente, dx = f +1 f 2 d2 f dx 2 ()2 6 d3 f dx 3, (85) o que nos permte escrever a aproxmação avançada de prmera ordem para a prmera dervada no ponto x na forma dx = f +1 f + O() (86) A precsão da aproxmação acma depende de Na verdade, o teorema do valor médo dz que exste um valor ξ dentro do ntervalo x ξ x +1 para o qual esta aproxmação retorna o valor exato da dervada O erro desta fórmula, representado por O() e obtdo com a erença entre as duas expressões acma, é chamado de erro de truncamento Smlarmente, aproxmações com erenças atrasadas são aquelas em que a expansão (83) é utlzada para determnar o valor da função em pontos mas próxmos da orgem do que o ponto de referênca x Anda de acordo com as relações (82), podemos escrever f 1 = f dx + ()2 d2 f 2! dx 2 ()3 d3 f 3! dx 3 +, (87)

3 81 Sére de Taylor 69 ou, alternatvamente, dx = f f d2 f dx 2 ()2 6 d3 f dx 3 +, (88) o que nos permte escrever a aproxmação atrasada de prmera ordem para a prmera dervada no ponto x na forma dx = f f 1 + O() (89) As aproxmações (86) e (89) deveram ser ntutvas para o letor uma vez que a dervada de uma função contínua pode ser defnda como dx = lm f(x + ) f(x) 0 f(x) f(x ) = lm 0 (810) Maores ordens de precsão também podem ser obtdas Para tal, novas relações envolvendo outros pontos da malha são utlzadas para elmnar os termos de menor ordem no erro de truncamento Nas aproxmações de prmera ordem mostradas acma, estes são os termos que contém a segunda dervada da função avalada em x nas expressões (85) e (88) Logo, basta combnarmos as novas séres f ±2 = f ± 2 dx + 2 () 2 d2 f dx 2 ± 4 3 ()3 d3 f dx 3 +, (811) com as séres (84) e (87) para obter as aproxmações avançada e atrasada de segunda ordem para a prmera dervada no ponto x nas formas dx = 3 f ± 4 f ±1 f ±2 + ()2 d3 f 2 3 dx 3 ±, (812) respectvamente Este procedmento pode ser repetdo, acrescentado mas pontos da malha através das novas séres f ±3 = f ±3 dx ()2 d2 f dx 2 ± 9 2 ()3 d3 f dx 3 +, (813) no ntuto de alcançar ordens de precsão anda maores Por exemplo, as aproxmações avançada e atrasada de tercera ordem são dx = 11 f ± 18 f ±1 9 f ±2 ± 2 f ±3 (814) 6 ()3 d4 f 4 dx ()4 d5 f dx 5 respectvamente

4 70 Capítulo 8 Dferencação Numérca 812 Dferenças Parcalmente Avançadas/Atrasadas Aproxmações tanto avançadas quanto atrasadas de alta ordem de precsão não são comuns na obtenção de soluções dscretas de equações erencas devdo a baxa establdade numérca que elas mpõem ao sstema algébrco resultante Este problema é remedado com a utlzação de aproxmações parcalmente avançadas ou atrasadas Por exemplo, um esquema de tercera ordem para a prmera dervada que é parcalmente avançado usa um ponto à frente de x e dos atrás, combnando as expansões em sére de Taylor para as funções f 1, f +1 e f +2 de modo a gerar dx = 2 f 1 3 f + 6 f +1 f +2 (815) 6 + ()3 12 d4 f dx 4 + ()4 d5 f 30 dx 5 +, que avala a função em quatro pontos dstntos para obter a dervada, assm como a aproxmação avançada em (814) A versão parcalmente atrasada desta fórmula combna as expansões em sére de Taylor para as funções f 2, f 1 e f +1 de modo a construr a nova fórmula dx = f 2 6 f f + 2 f +1 (816) 6 ()3 12 d4 f dx 4 + ()4 d5 f 30 dx 5 Formulações parcalmente avançadas/atrasadas podem ser construídas com ordens anda maores de precsão Assm como as aproxmações acma ndcam, esquemas parcalmente avançados (ou atrasados) são construídos com usando um ponto a mas (ou menos) a frente de x do que atrás Desta forma, apenas ordens de erro O ( () n) ímpares, que avalam a função em um número par n + 1 de pontos da malha, são obtdas Uma das conseqüêncas desta relação é o fato das versões parcalmente avançada e atrasada de prmera ordem serem guas as aproxmações totalmente avançada e atrasada (86) e (89), respectvamente 813 Dferenças Centradas Prmeras dervadas costumam aparecer em modelos matemátcos baseados em equações erencas representando varações temporas ou o transporte de alguma varável dependente Neste contexto, aproxmações totalmente ou parcalmente atrasadas/avançadas são a escolha padrão Contudo, dversas stuações podem ocorrer onde é necessáro calcular dervadas de funções conhecdas apenas na forma de conjuntos dscretos de dados Nestes casos,

5 81 Sére de Taylor 71 erenças centradas são uma boa escolha Por exemplo, podemos combnar as séres (84) e (87) para escrever a aproxmação dx = f +1 f 1 2 ()2 6 d3 f dx 3 ()4 d5 f 120 dx 5, (817) onde, ao elmnar o termo contendo a segunda dervada para garantr a precsão de segunda ordem, todas as dervadas pares desapareceram Esta é uma característca comum de todas as aproxmações centradas da prmera dervada Um outro exemplo que confrma esta afrmação é a fórmula com precsão de quarta ordem dx = f 2 8 f f +1 f ()4 d5 f 30 dx 5 + ()6 d7 f 252 dx 7 +, (818) obtda ao nclur as séres em (811) na construção da aproxmação Somente o cálculo numérco da prmera dervada fo dscutdo até o momento, porém aproxmações semelhantes também podem ser deduzdas para a segunda dervada Combnando as séres (84) e (87) de modo a elmnar a tercera dervada e substtundo a fórmula (817) na expressão resultante para elmnar a prmera dervada, obtemos a aproxmação de segunda ordem para a segunda dervada d 2 f dx 2 = f 1 2 f + f +1 () 2 (819) ()2 d4 f 12 dx 4 ()4 d6 f 360 dx 6, cujo erro de truncamento possu termos contendo apenas dervadas pares Esta é uma característca comum de todas as aproxmações centradas para a segunda dervada Um outro exemplo que confrma esta afrmação é a fórmula com precsão de quarta ordem d 2 f dx 2 = f f 1 30 f + 16 f +1 f () 2 (820) + ()4 d6 f 90 dx 6 + () d8 f dx 8, obtda ao nclur as séres em (811) na construção da aproxmação

6 72 Capítulo 8 Dferencação Numérca 82 Interpolação Polnomal Mutas décadas após os város concetos apresentados na seção 81 foram desenvolvdos e aplcados com sucesso na solução de equações erencas, fo descoberto que as mesmas aproxmações podem ser obtdas através de nterpolações polnomas O mpacto desta abordagem na construção de novas fórmulas para o cálculo numérco de dervadas é dscutdo a segur 821 Sére de Potênca Consderando a sére de potênca (73), porém retendo apenas 4 prmeros termos, podemos escrever o polnômo p(x) = a 0 + a 1 x + a 2 x 2 + a 3 x 3 + a 4 x 4, (821) cuja prmera dervada é dada por dx = a a 2 x + 3 a 3 x a 4 x 3, (822) e a segunda dervada é dada por d 2 p dx 2 = 2 a a 3 x + 12 a 4 x 2 (823) As constantes a 0 e a 1 podem ser obtdas ao avalarmos o polnômo (821) nos pontos x e x +1 Substtundo estes resultados na expressão (822), também avalada em x, permte escrever dx = p +1 p ( a a 3 x + 6 a 4 x 2 ) 2 (a a 4 x ) 3 a 4, (824) que é equvalente à fórmula (85) Estas constantes também podem ser obtdas se avalarmos o polnômo (821) nos pontos x 1 e x Substtundo estes novos resultados em (822), anda avalada em x, permte escrever dx = p p 1 + ( a a 3 x + 6 a 4 x 2 ) 2 (a a 4 x ) + 3 a 4, (825) que é equvalente à fórmula (88) Vale a pena notar que os termos de ordem ímpar do erro de truncamento das duas aproxmações acma tem a mesma magntude, porém snas erentes Desta forma, somando estas duas expressões permte escrever dx = p +1 p 1 2 (a a 4 x ) 2, (826)

7 82 Interpolação Polnomal 73 que é equvalente à fórmula (817) Esta aproxmação também podera ser obtda avalando o polnômo (821) nos pontos x 1, x e x +1, calculando as constantes a 0, a 1 e a 2 das equações resultantes e substtundo os valores encontrados na fórmula (822), avalada no ponto x Substtundo as expressões encontradas para estas constantes no polnômo (823), avalado em x, gera a aproxmação para a segunda dervada d 2 p dx 2 = p +1 2 p + p a 4, (827) que é equvalente à fórmula (819) 822 Sére de Lagrange Interpolação polnomal, utlzando séres de potênca como apresentado na subseção anteror, gera os mesmos resultados que a sére de Taylor para aproxmações dscretas de dervadas contínuas Mesmo assm, esta técnca se tornou bastante popular entre os usuáros de métodos numércos A prncpal razão para sso é o fato de aproxmações em malhas não unformes serem sgnfcatvamente mas fáces de se obter Consderando o polnômo (718) com n = 2 obtemos p(x) = (x x 1) (x x 2 ) (x 0 x 1 ) (x 0 x 2 ) p 0 + (828) (x x 0 ) (x x 2 ) (x 1 x 0 ) (x 1 x 2 ) p 1 + (x x 0) (x x 1 ) (x 2 x 0 ) (x 2 x 1 ) p 2, onde n + 1 equvale ao número de pontos utlzados para a construção de uma aproxmação dscreta de ordem n para uma dervada contínua Três fórmulas erentes podem ser geradas a partr da prmera dervada deste polnômo A aproxmação avançada ( ) 1 1 dx = + p + (829) x +1 x x +2 x (x +2 x ) p +1 (x +1 x ) (x +2 x +1 ) (x +1 x ) p +2 (x +2 x ) (x +2 x +1 ), onde x j = x +j e p j = p +j, com j = 0, 1 e 2, a aproxmação centrada dx = ( (x +1 x ) p 1 (x x 1 ) (x +1 x 1 ) + (830) 1 x x 1 1 x +1 x ) p + (x x 1 ) p +1 (x +1 x 1 ) (x +1 x ),

8 74 Capítulo 8 Dferencação Numérca onde x j = x 1+j e p j = p 1+j, com j = 0, 1 e 2, e a aproxmação atrasada (x x 1 ) p 2 dx = (x 1 x 2 ) (x x 2 ) (831) ( ) (x x 2 ) p 1 (x 1 x 2 ) (x x 1 ) p x x 2 x x 1 As aproxmações (829) e (831) são reduzdas para suas respectvas versões mplíctas na fórmula (812) ao utlzarmos uma malha unforme, já que x ±1 = x ± e x ±2 = x ± 2 neste caso Já a aproxmação (830) é reduzda para a fórmula (817) Também é possível construr uma aproxmação dscreta e não-unforme para a segunda dervada a parr do polnômo (828) Sua segunda dervada, avalada em x, gera a formulação centrada d 2 p dx 2 = 2 ( p +1 (x x 1 ) p (x +1 x 1 ) + (832) p 1 (x +1 x ) )/( (x x 1 ) (x +1 x 1 ) (x +1 x ) ), que reduz para a fórmula (819) caso a malha seja unforme 823 Sére de Hermte Todas as aproxmações para a prmera e segunda dervadas mostradas até aqu são de natureza explícta Isto sgnfca que a ncógnta, neste caso a dervada em questão no ponto x, depende apenas de varáves conhecdas em uma quantdade arbtrára de pontos Quanto maor o número de pontos, maor a ordem do erro de truncamento Contudo, nterpolações polnomas e séres de Taylor são equvalentes na construção de aproxmações dscretas para dervadas Logo, como dscutdo no capítulo 7, aumentar em excesso a ordem da aproxmação ntroduz osclações ndesejadas na solução Este problema pode ser remedado aglomerando pontos nas extremdades da malha Outra manera de establzar a aproxmação é ntroduzr mas nformações em cada ponto da malha A manera mas smples de atngr este objetvo é tornar o esquema mplícto, ou seja, nclur tanto a função quanto a dervada em cada ponto utlzado no cálculo Esta abordagem é equvalente a utlzar séres de Hermte ao nvés de séres de Taylor para construr as aproxmações dscretas da dervada de natureza mplícta Consdere a fórmula generalzada a 1 dx + a 1 dx + a +1 dx = +1 ( )/ b 1 p 1 + b p + b +1 p +1, (833)

9 82 Interpolação Polnomal 75 onde, por exemplo, escolher a 1 = a +1 = b = 0, b ±1 = ±1 e a = 2 reduz esta fórmula a aproxmação (817) Num esquema mplícto ou compacto, a 1 e/ou a +1 são erentes de zero Os coefcentes desta aproxmação são determnados de modo a assegurar a maor ordem de erro possível para a dervada em x Assm sendo, substtuímos as expansões (84) e (87) para p ±1, e as expansões para suas dervadas, que tem a forma dx = ±1 dx ± d2 p dx 2 + ()2 d3 p 2! dx 3 ±, (834) na equação (833) e coletamos todos os coefcentes que multplcam p e suas dervadas, até a qunta Igualando estes coefcentes a zero, construímos o sstema de ses equações algébrcas e ses ncógntas b 1 + b + b +1 = 0, a 1 + a + a +1 + b 1 b +1 = 0, 2 a 1 2 a +1 + b 1 + b +1 = 0, (835) 3 a a +1 + b 1 b +1 = 0, 4 a 1 4 a +1 + b 1 + b +1 = 0 e a 1 + a +1 = 0, que, quando satsfeto, garante a máxma ordem de erro possível para esta aproxmação, ou seja, quarta ordem Desta forma, acrescentar a dervada da função nos pontos adjacentes a x permte aumentar quatro vezes a ordem do erro de truncamento em relação à (817) Contudo, apenas cnco equações neste sstema são lnearmente ndependentes Escolhendo a = 4, elmnando a segunda equação e resolvendo o sstema resultante nos leva à dx dx + dx = 3 +1 ( ) p +1 p 1, (836) uma vez que a ±1 = 1, b ±1 = ±3 e b = 0 Devdo a natureza mplícta da equação, um sstema acoplado e trdagonal com N 2 equações deve ser resolvdo para as prmeras dervadas de p 2 à p N 1 Consderando a dstrbução de pontos da malha mostrada na Fgura 81, este sstema toma a forma p p 2 + p 3 = 3 (p 3 p 1 ) /, p p 3 + p 4 = 3 (p 4 p 2 ) /, p p 4 + p 5 = 3 (p 5 p 3 ) /, = p p 1 + p = 3 (p p 2 ) /, p p + p +1 = 3 (p +1 p 1 ) /, (837) p + 4 p +1 + p +2 = 3 (p +2 p ) /,

10 76 Capítulo 8 Dferencação Numérca = p N p N 3 + p N 2 = 3 (p N 2 p N 4 ) /, p N p N 2 + p N 1 = 3 (p N 1 p N 3 ) / p N p N 1 + p N = 3 (p N p N 2 ) / Todo o procedmento apresentado nesta subseção poder ser repetdo para gerar uma aproxmação dscreta mplícta ou compacta para a segunda dervada da função O sstema de equações que precsa ser resolvdo neste caso é construído a partr da fórmula de quarta ordem d 2 p dx d2 p 1 dx 2 + d2 p dx 2 = ( ) p 1 2 p + p +1 (838) Os esquemas mplíctos apresentados nesta subseção são smétrcos, ou seja, utlzam erenças centradas A característca mas mportante destes esquemas é a ausênca de dervadas pares, na aproxmação da prmera dervada, ou de dervadas ímpares, na aproxmação da segunda dervada, em seus respectvos erros de truncamento Esquemas assmétrcos, como as erenças explíctas totalmente ou parcalmente avançadas ou atrasadas, porém agora mplíctos, também podem ser construídas Na grande maora dos casos, apenas três pontos contém nformações sobre a dervada que está sendo aproxmada para manter o sstema tr-dagonal 83 Condções de Contorno O sstema (837) dexa em evdênca um problema que anda não fo dscutdo neste capítulo, a defnção de condções de contorno para o cálculo numérco das dervadas Elas são necessáras para tornar as aproxmações obtdas úncas Esta é uma característca de qualquer equação erencal, seja ela contínua ou em sua versão dscreta Neste últmo caso, a aproxmação é resolvda para os pontos no nteror da malha, ou seja, em 2 N 1 Já os valores nos contornos em = 1 e N precsam ser dados pelo usuáro 831 Explíctas Métodos explíctos requerem apenas condções de contorno explíctas para a função Por exemplo, a aproxmação (85) em = N 1 dz que dx p N p N 1, (839) N 1 ou seja, o valor da função p N precsa ser fornecdo Porém, o mesmo não ocorre em = 2 Alternatvamente, a aproxmação (88) em = 2 dz que dx p 2 p 1, (840) 2 e

11 83 Condções de Contorno 77 ou seja, o valor da função p 1 precsa ser fornecdo Smlarmente, o mesmo não ocorre em = N 1 Já a aproxmação centrada (817) precsa receber as funções p 1 e p N nos pontos = 2 e = N 1, respectvamente Vale a pena ressaltar que as fórmulas de maor ordem necesstam de um cudado adconal devdo ao maor número de pontos que utlzam em suas aproxmações Isto requer que elas sejam mocadas nas regões próxmas ao contorno Por exemplo, a fórmula de quarta ordem (817) não pode ser usada nos pontos = 2 e = N 1 No prmero ponto no nteror da malha, a fórmula de tercera ordem (815) deve ser usada em seu lugar Já no últmo ponto no nteror da malha, a fórmula de tercera ordem (816) deve ser usada em seu lugar 832 Implíctas Métodos mplíctos por sua vez podem usar condções de contorno tanto explíctas quanto mplíctas No contexto de equações erencas, condções explíctas são evtadas pos elas reduzem a establdade numérca do método sendo utlzado Por exemplo, no caso do sstema (837), podemos escrever, de uma forma genérca, as seguntes condções de contorno c 1 dx + c 2 1 dx = c 1 p 1 + c 2 p 2, (841) 2 c N 1 dx + c N N 1 dx = c N 1 p N 1 + c N p N, N o que permte re-escrever (837), agora na forma matrcal, como ā ā N onde temos que p 2 p 3 p 4 p 1 p p +1 p N 3 p N 2 p N 1 = b2 b3 b4 b 1 b b+1 bn 3 bn 2 bn 1, ā 1 = 4 c 2 c 1 e (842)

12 78 Capítulo 8 Dferencação Numérca b2 = ( 3 p 3 + c ( 2 c1 ) ) / p p 1, c 1 c 1 para o contorno à esquerda e também que ā N = 4 c N 1 c N e (843) bn 1 = ( ( cn c N + 3 ) p N + c N 1 c N p N 1 3 p N 2 ) /, para o contorno à dreta Ao fazer c 2 e/ou c N 1 serem nulos, a respectva condção de contorno se torna explícta Caso contráro, ela permanece mplícta Além dsso, os valores de p 1 e p N anda precsam ser fornecdos

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

Interpolação Segmentada

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

Leia mais

3 Método Numérico. 3.1 Discretização da Equação Diferencial

3 Método Numérico. 3.1 Discretização da Equação Diferencial 3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando

Leia mais

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

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

Leia mais

4 Discretização e Linearização

4 Discretização e Linearização 4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas

Leia mais

Cálculo Numérico BCC760 Interpolação Polinomial

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

Leia mais

Flambagem. Cálculo da carga crítica via MDF

Flambagem. Cálculo da carga crítica via MDF Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca

Leia mais

5 Formulação para Problemas de Potencial

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

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

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

Leia mais

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

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

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

EQUAÇÕES DIFERENCIAIS ORDINÁRIAS (EDO) PROBLEMA DO VALOR INICIAL (PVI)

EQUAÇÕES DIFERENCIAIS ORDINÁRIAS (EDO) PROBLEMA DO VALOR INICIAL (PVI) EQUAÇÕES DIFERENCIAIS ORDINÁRIAS (EDO) PROBLEMA DO VALOR INICIAL (PVI) Introdução Seja a segunte equação derencal: d ( ) ; d para. que é reerencado com o problema do valor ncal. Essa denomnação deve-se

Leia mais

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

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

Leia mais

Eletrotécnica AULA Nº 1 Introdução

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

Leia mais

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

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

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

Procedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson

Procedimento 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 mais

Experiência V (aulas 08 e 09) Curvas características

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

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

5 Validação dos Elementos

5 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 mais

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

CAPÍTULO 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 mais

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco

Leia mais

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min) PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.

Leia mais

2 Análise de Campos Modais em Guias de Onda Arbitrários

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

Leia mais

Associação entre duas variáveis quantitativas

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

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

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

Leia mais

u t = ν A primeira coisa que você deve perceber é que essa equação apresenta um derivada de 2 ordem. Vamos aprender a lidar com isso.

u t = ν A primeira coisa que você deve perceber é que essa equação apresenta um derivada de 2 ordem. Vamos aprender a lidar com isso. Dfusão 1-D Nas últmas aulas estudamos a solução numérca e analítca (Método das Característcas) das equações de advecção lnear e não lnear usando o método das dferenças fntas e aprendemos sobre a condção

Leia mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA 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 mais

D = POLINÔMIO INTERPOLADOR DE NEWTON 1) DIFERENÇAS DIVIDIDAS 1.1) DIFERENÇAS DIVIDIDAS ORDINÁRIAS (D) Sejam n+1 pontos de uma função y = f(x):

D = POLINÔMIO INTERPOLADOR DE NEWTON 1) DIFERENÇAS DIVIDIDAS 1.1) DIFERENÇAS DIVIDIDAS ORDINÁRIAS (D) Sejam n+1 pontos de uma função y = f(x): POLINÔMIO INTERPOLAOR E NEWTON ) IFERENÇAS IVIIAS.) IFERENÇAS IVIIAS ORINÁRIAS () Sejam n pontos de uma função f():... n f( )... n - ferença dvdda de ordem zero: n n M - ferença dvdda de ordem um: M M

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

3 A técnica de computação intensiva Bootstrap

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

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO 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 mais

2 Principio do Trabalho Virtual (PTV)

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

Leia mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

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

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

Leia mais

As leis de Kirchhoff. Capítulo

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

Leia mais

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS DECvl ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO ÉTODO DE CROSS Orlando J. B. A. Perera 20 de ao de 206 2 . Introdução O método teratvo ntroduzdo por Hardy Cross (Analyss of Contnuous Frames by Dstrbutng Fxed-End

Leia mais

Prof. Lorí Viali, Dr.

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

Leia mais

PROBLEMA DE DIFUSÃO DE CALOR RESOLVIDO POR MEIO DE EQUAÇÕES DIFERENCIAIS PARCIAIS PARABÓLICAS

PROBLEMA DE DIFUSÃO DE CALOR RESOLVIDO POR MEIO DE EQUAÇÕES DIFERENCIAIS PARCIAIS PARABÓLICAS PROBLEMA DE DIFUSÃO DE CALOR RESOLVIDO POR MEIO DE EQUAÇÕES DIFERENCIAIS PARCIAIS PARABÓLICAS Renato S. Gomde 1, Luz F. B. Loja 1, Edna L. Flôres 1 1 Unversdade Federal de Uberlânda, Departamento de Engenhara

Leia mais

CURSO A DISTÂNCIA DE GEOESTATÍSTICA

CURSO A DISTÂNCIA DE GEOESTATÍSTICA CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

2 - Análise de circuitos em corrente contínua

2 - Análise de circuitos em corrente contínua - Análse de crcutos em corrente contínua.-corrente eléctrca.-le de Ohm.3-Sentdos da corrente: real e convenconal.4-fontes ndependentes e fontes dependentes.5-assocação de resstêncas; Dvsores de tensão;

Leia mais

CONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo:

CONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo: CONTROLADORES FUZZY Um sstema de controle típco é representado pelo dagrama de blocos abaxo: entrada ou referênca - erro CONTROLADOR snal de controle PLANTA saída A entrada ou referênca expressa a saída

Leia mais

Psicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo

Psicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

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

Leia mais

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

UNIVERSIDADE 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 mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

3 Animação de fluidos com SPH

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

Leia mais

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto

Processamento 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 mais

INTRODUÇÃO À MECÂNICA COMPUTACIONAL. Carlos Henrique Marchi & Fábio Alencar Schneider. Curitiba, dezembro de 2002.

INTRODUÇÃO À MECÂNICA COMPUTACIONAL. Carlos Henrique Marchi & Fábio Alencar Schneider. Curitiba, dezembro de 2002. INTRODUÇÃO À MECÂNICA COMPUTACIONAL Carlos Henrque March & Fábo Alencar Schneder Curtba, dezembro de 2002. SUMÁRIO Lsta de Símbolos Prefáco 1. INTRODUÇÃO 1.1 Métodos de Solução de Problemas de Engenhara

Leia mais

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

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

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 Modelagem dos Resultados Considerando Sazonalização 30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,

Leia mais

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

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

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

2) Método das diferenças finitas

2) Método das diferenças finitas ) Método das derenças ntas.- Desenvolvmento do MDF a partr de séres de Taylor A expansão em séres de Taylor do valor de uma unção (, 0 x l é dada por: ( n ) n ( a)( x a) ( a)( x a) n = ( a) + ( a)( x a)

Leia mais

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

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

Leia mais

ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT

ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS Dnz, L.S. Santos, C.A.C. Lma, J.A. Unversdade Federal da Paraíba Laboratóro de Energa Solar LES/DTM/CT/UFPB 5859-9 - João Pessoa - PB, Brasl e-mal: cabral@les.ufpb.br

Leia mais

4. ESTÁTICA E PRINCÍPIO DOS TRABALHOS VIRTUAIS 4.1. INTRODUÇÃO

4. ESTÁTICA E PRINCÍPIO DOS TRABALHOS VIRTUAIS 4.1. INTRODUÇÃO 4. ESTÁTICA E PRINCÍPIO DOS TRABALHOS VIRTUAIS 4.1. INTRODUÇÃO Na Estátca, estuda-se o equlíbro dos corpos sob ação de esforços nvarantes com o tempo. Em cursos ntrodutóros de Mecânca, esse é, va de regra,

Leia mais

4 Sistemas de partículas

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

Leia mais

Diferenças finitas compactas para a equação de Poisson utilizando métodos iterativos

Diferenças finitas compactas para a equação de Poisson utilizando métodos iterativos Dferenças fntas compactas para a equação de Posson utlzando métodos teratvos Rafael de Lma Sterza; Analce Costacurta Brand Departamento de Matemátca e Computação Faculdade de Cêncas e Tecnologa - UNESP

Leia mais

2ª PARTE Estudo do choque elástico e inelástico.

2ª PARTE Estudo do choque elástico e inelástico. 2ª PARTE Estudo do choque elástco e nelástco. Introdução Consderemos dos corpos de massas m 1 e m 2, anmados de velocdades v 1 e v 2, respectvamente, movmentando-se em rota de colsão. Na colsão, os corpos

Leia mais

2 Metodologia de Medição de Riscos para Projetos

2 Metodologia de Medição de Riscos para Projetos 2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem

Leia mais

CAPÍTULO IV DIFERENCIAÇÃO NUMÉRICA

CAPÍTULO IV DIFERENCIAÇÃO NUMÉRICA PMR - Mecânca Computaconal para Mecatrônca CAPÍTULO IV DIFERENCIAÇÃO NUMÉRICA O problema de derencação numérca aparentemente é semelante ao de ntegração numérca ou seja obtendo-se um polnômo nterpolador

Leia mais

Classificação de Padrões

Classificação de Padrões Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz

Leia mais

Ângulo 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)

Ângulo 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 mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO 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 mais

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

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

Leia mais

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS O método das apromações sucessvas é um método teratvo que se basea na aplcação de uma fórmula de recorrênca que, sendo satsfetas determnadas condções de convergênca,

Leia mais

Prof. Lorí Viali, Dr.

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

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria

2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria Agregação Dnâmca de Modelos de urbnas e Reguladores de elocdade: eora. Introdução O objetvo da agregação dnâmca de turbnas e reguladores de velocdade é a obtenção dos parâmetros do modelo equvalente, dados

Leia mais

Introdução às Medidas em Física a Aula

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

Leia mais

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento

Leia mais

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

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

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe

Leia mais

2 Aproximação por curvas impĺıcitas e partição da unidade

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

Leia mais

2 Lógica Fuzzy Introdução

2 Lógica Fuzzy Introdução 2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade

Leia mais

Modelagem do Transistor Bipolar

Modelagem do Transistor Bipolar AULA 10 Modelagem do Transstor Bpolar Prof. Rodrgo Rena Muñoz Rodrgo.munoz@ufabc.edu.br T1 2018 Conteúdo Modelagem do transstor Modelo r e Modelo híbrdo Confgurações emssor comum, base comum e coletor

Leia mais

7 Tratamento dos Dados

7 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 mais

GABARITO ERP19. impedância total em pu. impedância linha em pu; impedância carga em pu; tensão no gerador em pu.

GABARITO 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 mais

4 Autovetores e autovalores de um operador hermiteano

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

Leia mais

Cap. 6 - Energia Potencial e Conservação da Energia Mecânica

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

Leia mais

Classificação das Equações de Conservação

Classificação das Equações de Conservação Angela Neckele PUC-Ro Classcação as Equações e Conservação Equação erencal parcal lnear e seguna orem, com uas varáves nepenentes (x, y) ou (x, t) B AC 0 elíptca Classcação: B AC 0 parabólca B AC 0 perbólc

Leia mais

Testes não-paramétricos

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

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

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

Leia mais

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

MÉTODO DAS DIFERENÇAS FINITAS PARA SOLUÇÃO DE EQUAÇÃO ESCALAR DE LEIS DE CONSERVAÇÃO

MÉTODO DAS DIFERENÇAS FINITAS PARA SOLUÇÃO DE EQUAÇÃO ESCALAR DE LEIS DE CONSERVAÇÃO MÉTODO DAS DIFERENÇAS FINITAS PARA SOLUÇÃO DE EQUAÇÃO ESCALAR DE LEIS DE CONSERVAÇÃO Lorena Resende Olvera 1 ; Douglas Azevedo Castro 2 1 Aluna do Curso de Engenhara de Boprocessos e Botecnologa; Campus

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS 177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,

Leia mais

Introdução ao Método dos Elementos Finitos: Estruturas Articuladas

Introdução ao Método dos Elementos Finitos: Estruturas Articuladas Análse de Estruturas II: Estruturas Artculadas Introdução ao Método dos Elementos Fntos: Estruturas Artculadas. Introdução O modelo de estrutura artculada, o mas smples dos modelos estruturas, é utlzado

Leia mais

1º Exame de Mecânica Aplicada II

1º Exame de Mecânica Aplicada II 1º Exame de Mecânca Aplcada II Este exame é consttuído por 4 perguntas e tem a duração de três horas. Justfque convenentemente todas as respostas apresentando cálculos ntermédos. Responda a cada pergunta

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu Programação Lnear (PL) Aula : Dualdade. Defnção do Problema Dual. Defnção do problema dual. O que é dualdade em Programação Lnear? Dualdade sgnfca a exstênca de um outro problema de PL, assocado a cada

Leia mais

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

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

Leia mais

Análise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas

Análise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas Proceedng Seres of the Brazlan Socety of Appled and Computatonal Mathematcs, Vol. 4, N., 06. Trabalho apresentado no DINCON, Natal - RN, 05. Proceedng Seres of the Brazlan Socety of Computatonal and Appled

Leia mais

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

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

Leia mais