Palavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores.
|
|
- Mafalda Sanches Amorim
- 7 Há anos
- Visualizações:
Transcrição
1 MSc leandre Estáco Féo ssocação Educaconal Dom Bosco - Faculdade de Engenhara de Resende Caa Postal 8.698/87 - CEP Resende - RJ Brasl Professor e Doutorando de Engenhara aefeo@yahoo.com.br Resumo Serão apresentados neste trabalho os Métodos Iteratvos da Potênca e Inverso, que são utlzados para encontrar os autovalores mámo e mínmo, assm como os autovetores respectvos, de uma matrz real e smétrca Paralelamente, será desenvolvdo um programa em Matlab para a mplementação computaconal do método, assm como a resolução de um sstema proposto. O método da Potênca não é um método geral, mas é útl em um grande número de stuações mutas vezes, satsfatóro quando o problema envolve matrzes esparsas grandes; outras, quando outros métodos, desenvolvdos mas recentemente, não podem ser utlzados devdo às lmtações de tamanho de memóra dos computadores (tknson, 978). É, portanto, um método de dfícl mplementação de programas de computador para stuações mas generalzadas; sendo, porém, fácl, quando se trata de classes mas especas de matrzes. Vale ressaltar que o Método da Iteração Inversa utlza um procedmento smlar ao método da Potênca, usado para determnar o autovalor mínmo de uma matrz. Palavras-Chave Métodos Interatvos da Potênca e Inverso, Sstemas Lneares, utovetores e utovalores. INTRODUÇÃO O método da Potênca não é um método geral, mas é útl em um grande número de stuações. Por eemplo, é mutas vezes satsfatóro quando o problema envolve matrzes esparsas grandes, onde outros métodos desenvolvdos mas recentemente, não podem ser usados devdo às lmtações de tamanho de memóra dos computadores (tknson, 978). É, portanto, um método de dfícl mplementação de programas de computador, para stuações mas generalzadas; sendo, porém, fácl, quando se trata de classes mas especas de matrzes. O Método da Iteração Inversa utlza um procedmento smlar ao método da Potênca, usado para determnar o autovalor mínmo de uma matrz. OBJETIVO Entender o desenvolvmento teórco do método da Potênca e também entender o desenvolvmento teórco do método da Iteração Inversa, a fm de construr um programa para mplementação dos mesmos, através do Matlab. DESENVOLVIMENTO do Método da Potênca bordaremos lgeramente o problema da determnação de valores e vetores própros de uma matrz, ou seja, estamos nteressados em achar os valores de λ ( valores própros ) para os quas estem não nulos ( vetores própros ) tas que λ () Isto corresponde a encontrar as soluções da equação polnomal II Smpóso de Ecelênca em Gestão e Tecnologa SEGeT 5 59
2 já que ( λ) λ I () p λ I defne um polnômo denomnado polnômo característco. Se tratar de uma matrz nn, então p é um polnômo de grau n e há n raízes, ou seja, n valores própros, que desgnaremos de λ, λ,..., λ. lguns valores podem ser guas, n correspondendo a raízes múltplas. cada valor própro está assocado um vetor própro, consttundo assm, um subespaço lnear, desgnado subespaço própro. Consderaremos apenas o caso mas favorável, ou seja, o caso em que as matrzes são dagonalzáves. T n T X dag ( λ ) X Xdag ( λ ) Y λ y (3) onde as colunas de X e as lnhas y T de Y T são os autovetores à dreta e à esquerda de normalzado afm de que y T I. s s s Dsto X dag ( λ ) Y λ y e se T n T λ λ λ > n λ r+ λ n n s T λ y pelos termos a epressão no lado dreto s é defntvamente domnada. Este é o resultado fundamental no qual este método é baseado. Relembramos anda que no caso em que as matrzes são smétrcas os seus autovalores são números reas; e que o determnante da matrz é gual ao produto dos seus autovalores, o que nos afrma que a nversbldade de uma matrz não ocorre se tvermos um autovalor nulo (lmeda, 4). Iremos referr aos autovalores λ, λ,..., λ como domnantes e aos autovetores r correspondentes também domnantes. Comumente r e neste caso s é fnalmente domnado s T por λ y. Método das Potêncas aplcação mas smples do método da potênca é o segunte. Deemos u ser um vetor arbtráro e deemos as seqüêncas v s e u s serem defndas pelas equações v u, u v / ma( v ), s+ s s+ s+ s+ onde usamos a notação ma() para representar o elemento de maor módulo do vetor. s s Claramente teremos u u / ma( u ) s e se escrevermos u α, então ndependentemente do fator de normalzação, u s é dado por α λ λ α α ( λ / λ ) s +. (4) n n s s n Se λ > λ λ λ 3 n, então fornece α teremos /ma( ) ma( ) u e v λ s s. Este método permte obter de forma smples uma apromação do autovalor domnante, ou seja, aquele que tem o maor módulo, por um processo teratvo, desde que seja real. II Smpóso de Ecelênca em Gestão e Tecnologa SEGeT 5 6
3 Lembramos que assummos que a matrz é dagonalzável e que este um únco autovalor domnante. Determna-se então uma apromação do autovetor assocado e a partr dessa apromação do autovetor podemos calcular uma apromação do autovalor. O método consste em escolhermos um vetor ncal u, aleatoramente. Tendo como únca egênca que este vetor seja não nulo. EXEMPLO RESOLVIDO Seja e ε <.. Por ser uma matrz é fácl, algebrcamente encontrarmos os autovalores e autovetores. λ ( λ) λ λ 4λ + 3 λ 3 Resolvendo λ Calculemos agora os autovetor assocado ao maor λ, que é 3 + y y 3y y y y Podemos dzer que o vetor assocado é [ ] T. Vamos verfcar agora, através do método da Potênca, se os resultado vão convergr para os valores encontrados algebrcamente. T Como vetor ncal temos{ } [. 9.8]. Normalzando. { }.9 /.9 y.8 / Procedemos, agora o cálculo da equação (4) Fazendo o teste de convergênca { } Normalzando { } > ε II Smpóso de Ecelênca em Gestão e Tecnologa SEGeT 5 6
4 Calculando { } Fazendo o teste de convergênca.8889 / { y }.7778 / { } Normalzando { } Calculando { } Fazendo o teste de convergênca > ε.965 /.965 { y }.93 / { } Cálculo de λ < ε λ O autovalor que nos dá a precsão desejada ( ε <. ) é λ.987 e o autovetor assocado a este autovalor é [.9957], após 3(três) terações. Isto nos dá a efcênca de convergênca do método em questão, pos vemos que os valores realmente se apromam, cada vez mas, dos valores encontrados algebrcamente. CONCLUSÃO O método da Potênca é um método de fácl compreensão e smples mplementação computaconal, nos fornecendo o autovalor mámo, ou seja, o últmo autovalor de uma matrz, e seu respectvo autovetor. Método da Iteração Inversa Este método permte obter de forma smples uma apromação do autovalor mínmo, ou seja, aquele que tem o menor módulo, por um processo teratvo, desde que seja real. Lembramos que assummos que a matrz é dagonalzável e que este um únco autovalor mínmo. Determna-se então uma apromação do autovetor assocado e a partr dessa apromação do autovetor podemos calcular uma apromação do autovalor., aleatoramente. Tendo como O método consste em escolhermos um vetor ncal { } únca egênca que este vetor seja não nulo. II Smpóso de Ecelênca em Gestão e Tecnologa SEGeT 5 6
5 sendo Procedemos, então a normalzação deste vetor, ou seja { λ. } má { } { y} (5) { } pós sso procedemos a multplcação matrcal [ ]{ } { y} (6) Procedemos, então a normalzação do novo vetor { } { y} (7) { } Fazemos [ ]{ } { y}. E assm sucessvamente, achando quantos autovetores forem necessáros. Paramos com os cálculos acma, quando o erro verfcado no teste de convergênca for menor do que o erro pretenddo por nós. O teste de convergênca para este método consste em calcularmos { } + { } { } + < ε Calculamos, fnalmente, o autovalor correspondente λ sn al * { } má + ou O snal da razão acma é o snal da componente com maor módulo. O vetor ncal é aleatóro, embora esta uma probabldade (que podemos consderar nula) de que para certos vetores ncas o método não convrja. Isto apenas acontece quando { } tem componente nula segundo o autovetor mínmo, o que é altamente mprovável. De qualquer forma, e como convém que todo método que o método convrja mas rapdamente é habtualmente aconselhável começar com um vetor ncal que sera autovetor para o maor elemento (em módulo) da matrz formada apenas pela dagonal. EXEMPLO RESOLVIDO Seja e ε <,5. Por ser uma matrz é fácl, algebrcamente encontrarmos os autovalores e autovetores. λ λ (8) (9) Resolvendo ( λ) λ 4λ + 3 II Smpóso de Ecelênca em Gestão e Tecnologa SEGeT 5 63
6 λ 3 λ Calculemos agora os autovetor assocado ao maor λ, que é 3 3 y y + y 3 + y 3y y. Vamos verfcar agora, através do método da Potênca, se os resultado vão convergr para os valores encontrados algebrcamente. Como vetor ncal escolhemos Podemos dzer que o vetor assocado é [ ] T Normalzando { } { } [,9 ;, 8] T,9 /,9,8 /,9,888 { y } Procedemos, agora o cálculo da equação (8) Fazendo o teste de convergênca Normalzando { },888 3,73 6,47 { } { } 3,73,9,759 > ε 3,73 Calculando { } 3,73/ 3,73 6,47 / 3,73,75 { y } Fazendo o teste de convergênca Normalzando { },75,4,48 { } { },4 3,73,8 > ε,4,4 /,4,48 /,4 { y },9 II Smpóso de Ecelênca em Gestão e Tecnologa SEGeT 5 64
7 Calculando { } 3 Fazendo o teste de convergênca Normalzando { } 3,9,6, { } { } 3,6,4,698 > ε,6 3 Calculando { } 4,6 /,6, /,6,6 { y } 3 Fazendo o teste de convergênca Normalzando { } 4,6,,4 { } { } 4,,6,39 > ε, 4 Calculando { } 5, /,,4 /,, { y } 4 Fazendo o teste de convergênca Normalzando { } 5,,7,4 { } { } 5,7,,3 > ε,7 5 Calculando { } 6,7 /,7,4 /,7,7 { y } 5 Fazendo o teste de convergênca,,3,46 { } { } 6 6 Cálculo de λ,3,7,3,47 < ε II Smpóso de Ecelênca em Gestão e Tecnologa SEGeT 5 65
8 λ,3 O autovalor que nos dá a precsão desejada é λ, 3 e o autovetor assocado a este autovalor é [,46]. Isto nos dá a efcênca de convergênca do método em questão, pos vemos que os valores realmente se apromam, cada vez mas, dos valores encontrados algebrcamente. CONCLUSÃO Os métodos da Potênca e da Iteração Inversa são métodos de fácl compreensão e smples mplementação computaconal, nos fornecendo o autovalor mámo e mínmo e seus respectvos autovetores. BIBLIOGRFI TKINSON, Kendall, 978 n Introducton to Numercal nalyss, John Wley & Sons, Iowa, 587p. LMEID, R., Departamento de Matemátca, Unversdade da Bera Interor, http// WILKINSON, J. H., 965 The lgebrac Egenvalue Problem, Clarendon Press - Oford, London, 66p II Smpóso de Ecelênca em Gestão e Tecnologa SEGeT 5 66
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 maisD- 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 mais4 Autovetores e autovalores de um operador hermiteano
T (ψ) j = ψ j ˆT ψ = k ψ j ˆT φ k S k = k,l ψ j φ l T (φ) S k = k,l φ l ψ j T (φ) S k = k,l SljT (φ) S k. Após todos esses passos vemos que T (ψ) j = k,l S jl T (φ) S k ou, em termos matrcas T (ψ) = S
Leia mais2 Análise de Campos Modais em Guias de Onda Arbitrários
Análse de Campos Modas em Guas de Onda Arbtráros Neste capítulo serão analsados os campos modas em guas de onda de seção arbtrára. A seção transversal do gua é apromada por um polígono conveo descrto por
Leia maisAnálise Numérica (4) Equações não lineares V1.0, Victor Lobo, 2004
Análse Numérca (4 V.0, Vctor Lobo, 004 Não Lneares Problema da determnação de zeros de funções f(=0 Aparece em mutas stuações! Determnar pontos de equlíbro térmco, químco, de forças... Soluções analítcas
Leia maisProblema Real (avião, carro,...) Validação
Modelo Físco/ (EFD)? Problema Real? (avão, carro,...) Modelo Matemátco (CFD) Túnel de Vento Modelo Condções de Frontera Escala Approx. nas eqs., (ν t ) Equações (modelo de turbulênca) Instrumentos de Medda
Leia maisMétodos numéricos para o cálculo de sistemas de equações não lineares
Métodos numércos para o cálculo de sstemas de equações não lneares Introdução Um sstema de equações não lneares é um sstema consttuído por combnação de unções alébrcas e unções transcendentes tas como
Leia maisInterpolação Segmentada
Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e
Leia maisEletrotécnica AULA Nº 1 Introdução
Eletrotécnca UL Nº Introdução INTRODUÇÃO PRODUÇÃO DE ENERGI ELÉTRIC GERDOR ESTÇÃO ELEVDOR Lnha de Transmssão ESTÇÃO IXDOR Equpamentos Elétrcos Crcuto Elétrco: camnho percorrdo por uma corrente elétrca
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisCovariância na Propagação de Erros
Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos
Leia maisCálculo Numérico BCC760 Interpolação Polinomial
Cálculo Numérco BCC76 Interpolação Polnomal Departamento de Computação Págna da dscplna http://www.decom.ufop.br/bcc76/ 1 Interpolação Polnomal Conteúdo 1. Introdução 2. Objetvo 3. Estênca e uncdade 4.
Leia maisDados ajustáveis a uma linha recta
Capítulo VI juste dos Mínmos Quadrados Dados ajustáves a uma lnha recta Determnação das constantes e B Incerteza nas meddas de Incerteza na determnação de e B juste dos mínmos quadrados a outras curvas:
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisXXVII Olimpíada Brasileira de Matemática GABARITO Primeira Fase
Soluções Nível Unverstáro XXVII Olmpíada Braslera de Matemátca GABARITO Prmera Fase SOLUÇÃO DO PROBLEMA : Pelo enuncado, temos f(x) = (x )(x + )(x c) = x 3 cx x + c, f'(x) = 3x cx, f '( ) = ( + c) e f
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia mais3 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 maisANÁLISE 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 maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisEQUAÇÕES 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 maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisFlambagem. Cálculo da carga crítica via MDF
Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca
Leia maisAjuste dos Mínimos Quadrados
TLF 00/ Cap. IX juste dos mínmos quadrados Capítulo IX juste dos Mínmos Quadrados 9.. juste de uma lnha recta a dados epermentas 9 9.. Determnação dos parâmetros da recta, e B (Incertezas apenas em e guas
Leia maisCAPÍTULO 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 maisANÁLISE MATRICIAL DE ESTRUTURAS DE BARRAS PELO MÉTODO DE RIGIDEZ
ANÁISE MATRICIA DE ESTRUTURAS DE BARRAS PEO MÉTODO DE RIGIDEZ A análse matrcal de estruturas pelo método de rgdez compreende o estudo de cnco modelos estruturas báscos: trelça plana, trelça espacal, pórtco
Leia mais5 Formulação para Problemas de Potencial
48 Formulação para Problemas de Potencal O prncpal objetvo do presente capítulo é valdar a função de tensão do tpo Westergaard obtda para uma trnca com abertura polnomal (como mostrado na Fgura 9a) quando
Leia maisCAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)
PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisUniversidade 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 maisRegressão Linear Simples by Estevam Martins
Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer
Leia maisCurvas Horizontais e Verticais
Insttução: Faculdade de Tecnologa e Cêncas Professor: Dego Queroz de Sousa Dscplna: Topografa Curvas Horzontas e ertcas 1. Introdução Exstem dversas ocasões na engenhara em que os projetos são desenvolvs
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisCURSO 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 maisFaculdade 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 maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisAULA Espaços Vectoriais Estruturas Algébricas.
Note bem: a letura destes apontamentos não dspensa de modo algum a letura atenta da bblografa prncpal da cadera Chama-se a atenção para a mportânca do trabalho pessoal a realzar pelo aluno resolvendo os
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia maisNOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
Leia maisAnálise de influência
Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisRadiação 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 maisMÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL
CIRCUITOS ELÉTRICOS Método de Análse: Análse Nodal Dscplna: CIRCUITOS ELÉTRICOS Professor: Dr Marcos Antôno de Sousa Tópco MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL Referênca bbloráfca básca:
Leia maisCurso 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 maisPalavras-Chave: Autovalores, Matriz, Método de Jacobi. (1)
MSc Alexandre stácio Féo Associação ducacional Dom Bosco - Faculdade de ngenharia de Resende Caixa Postal: 8.698/87 - CP: 75-97 - Resende - RJ Brasil Professor e Doutorando de ngenharia aefeo@yahoo.com.br
Leia maisCAPÍTULO 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 maisClassificação 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 maisProblemas de engenharia
Análse de Sstemas de otênca Análse de Sstemas de otênca ( AS ) Aula 3 Operação Econômca de Sstemas de otênca 03//008 roblemas de engenhara Análse de Sstemas de otênca ( AS ) ANÁLISE Defndo o sstema, determnar
Leia mais2. VARIÁVEIS ALEATÓRIAS
VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo
Leia maisLaboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos
Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisSempre 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 maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia maisProgramação Não Linear. Programação Não-Linear 1
Proramação Não Lnear Proramação Não-Lnear Os modelos empreados em Proramação Lnear são, como o própro nome dz, lneares (tanto a unção-obetvo quanto as restrções). Este ato é, sem dúvda, a maor das restrções
Leia maisTestes 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 maisESCOLA DE APLICAÇÃO DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA PROF. CARLINHOS MATRIZES NOME DO ALUNO: Nº TURMA: blog.portalpositivo.com.
ESCOL DE PLICÇÃO DR. LFREDO JOSÉ LI UNITU POSTIL MTRIZES PROF. CRLINHOS NOME DO LUNO: Nº TURM: blog.portalpostvo.com.br/captcar MTRIZES Uma matrz de ordem m n é qualquer conunto de m. n elementos dspostos
Leia maisESTUDO DA MÁQUINA SIMÉTRICA TRIFÁSICA
CAPÍTUO ETUDO DA ÁQUINA IÉTICA TIFÁICA. INTODUÇÃO A máquna de ndução trfásca com rotor bobnado é smétrca. Apresenta estruturas magnétcas clíndrcas tanto no rotor quanto no estator. Os enrolamentos, tanto
Leia maisElaboração de um Código Computacional para Resolução de Sistemas Lineares de Grande Porte
COMAT Coordenadora do Curso de Lcencatura em Matemátca TCC Trabalho de Conclusão de Curso Elaboração de um Códgo Computaconal para Resolução de Sstemas Lneares de Grande Porte Trabalho de Conclusão de
Leia mais5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite
5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar
Leia maisO Formalismo Matemático da Mecânica Quântica
O Formalsmo Matemátco da Mecânca Quântca Márco H. F. Bettega Departamento de Físca Unversdade Federal do Paraná bettega@fsca.ufpr.br Escola de Verão de Físca de Curtba - 2019. Introdução Vamos dscutr nesta
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisIntrodução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis
Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisIntrodução a Combinatória- Aplicações, parte II
Introdução a Combnatóra- Aplcações, AULA 7 7.1 Introdução Nesta aula vamos estudar aplcações um pouco dferentes das da aula passada. No caso estudaremos arranjos com repetção, permutações crculares e o
Leia maisImplementação Bayesiana
Implementação Bayesana Defnção 1 O perfl de estratégas s.) = s 1.),..., s I.)) é um equlíbro Nash-Bayesano do mecansmo Γ = S 1,..., S I, g.)) se, para todo e todo θ Θ, u gs θ ), s θ )), θ ) θ Eθ u gŝ,
Leia maisMatemática Financeira Seções: 3.1 até 4.3 Prof. Me. Diego Fernandes Emiliano Silva
3.1 até 3.3 Stuações de fnancamento VP = parc [ 1 (1+) n ] (3.1) AV E = parc [ 1 (1+) n ] (3.2) (AV E) (1 + ) k 1 = parc [ 1 (1+) n ] (3.3) As fórmulas apresentadas acma são apresentadas nas seções 3.1,
Leia maisResumo de Álgebra Linear - parte II
Aula 7 Resumo de Álge Lnear - parte II 7.1 Resumo Nesta aula contnuamos desenvolvendo concetos báscos de álge lnear, aprmorando a famlardade com a notação de Drac. Bblograa: Moysés, 8.7 (em parte), e Cohen-Tannoudj,
Leia maisCEL033 Circuitos Lineares I
// CEL Crcutos Lneares I NR- Prof.: Io Chaes da Sla Junor o.junor@ufjf.edu.br Métodos de Análses de Crcutos Análse Nodal Le de Krchhoff das Correntes Método de análse de crcutos elétrcos no qual se escolhe
Leia maisA de nição do operador derivada, em coordenadas cartesianas ortogonais é dada por. + r i^e i i ; i =
1 Segunda aula Lucana Eban luc.eban@gmal.com Sumáro: 1. Operador Dferencal; 2. Grandente de uma função escalar; 3. Dvergente de um vetor; 4. Rotaconal de um vetor; 5. Laplacano; 6. Algumas dentdades; 7.
Leia maisMétodo do limite superior
Introdução O método do lmte superor é uma alternata analítca apromada aos métodos completos (e: método das lnhas de escorregamento) que possu um domíno de aplcabldade muto asto e que permte obter alores
Leia maisSistemas de equações lineares
Sstemas - ALGA - / Sstemas de equações lneares Uma equação lnear nas ncógntas ou varáves x ; x ; :::; x n é uma expressão da forma: a x + a x + ::: + a n x n = b onde a ; a ; :::; a n ; b são constantes
Leia maisEscola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística
Escola Secundára com º cclo D. Dns 10º Ano de Matemátca A Estatístca Trabalho de casa nº 15 GRUPO I 1. Num referencal o.n. Oxyz, a undade é o cm e a esfera defnda por ( ) ( ) está nscrta num cubo. O volume
Leia maisCAPÍTULO IV PROPRIEDADES GEOMÉTRICAS DA SEÇÃO TRANSVERSAL
CPÍTULO IV PROPRIEDDES GEOMÉTRICS D SEÇÃO TRNSVERSL Propredades Geométrcas da Seção Transversal 4. Propredades Geométrcas da Seção Transversal 4.. Introdução O presente trabalho é desenvolvdo paralelamente
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisPrograma 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 maisPrioridades com Teste de Escalonabilidade
rordades + Teste de Escalonabldade Sstemas de Tempo Real: rordades com Teste de Escalonabldade Rômulo Slva de Olvera Departamento de Automação e Sstemas DAS UFSC Cada tarefa recebe uma prordade Escalonamento
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisTESTES DE CONTROLO Teste 6
TESTES DE CNTRL Teste 6 GRUP I Na resposta a cada um dos cnco tens deste grupo selecona a únca opção correta. Escreve na tua fola de respostas apenas o número de cada tem e a letra que dentfca a únca opção
Leia mais6 Revisão Bibliográfica
45 6 Revsão Bblográfca 6. Métrcas Espacas A defnção da localzação dos pontos que formam uma cadea de suprmentos é um dos aspectos mas mportantes no planejamento de um sstema logístco. ormalmente estes
Leia maisAuto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Misturograma em imagens em nível de cinza
Auto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Msturograma em magens em nível de cnza Severno Jr, Osvaldo IMES - FAFICA osvaldo@fafca.br Gonzaga, Adlson Escola de Engenhara de São Carlos -
Leia maisDESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA
DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA Pedro Luz Rocha Evandro Parente Junor pedroluzrr04@gmal.com evandroparentejr@gmal.com Laboratóro de Mecânca Computaconal e Vsualzação, Unversdade
Leia maisModelagem 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 maisFaculdade 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 maisGráficos 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 maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia mais3 Elementos de modelagem para o problema de controle de potência
3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente
Leia mais3 Subtração de Fundo Segmentação por Subtração de Fundo
3 Subtração de Fundo Este capítulo apresenta um estudo sobre algortmos para a detecção de objetos em movmento em uma cena com fundo estátco. Normalmente, estas cenas estão sob a nfluênca de mudanças na
Leia maisMECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor
1 MECÂNICA CLÁSSICA AULA N o 7 Teorema de Louvlle Fluo no Espaço de Fases Sstemas Caótcos Lagrangeano com Potencal Vetor Voltando mas uma ve ao assunto das les admssíves na Físca, acrescentamos que, nos
Leia maisUniversidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas
Unversdade de São Paulo Escola Superor de Agrcultura Luz de Queroz Departamento de Cêncas Exatas Prova escrta de seleção para DOUTORADO em Estatístca e Expermentação Agronômca Nome do canddato (a): Questão
Leia mais2 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 maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisAs matrizes de covariância e de coerência na Polarimetria SAR
As matrzes de covarânca e de coerênca na olarmetra SAR Nlo Sergo de Olvera Andrade, Antono Nuno de Castro Santa Rosa aulo César de Carvalho Fara 3 Comando da Aeronáutca Centro de Lançamento de Alcântara
Leia maisTeoria Elementar da Probabilidade
10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo
Leia mais2010 The McGraw-Hill Companies, Inc. All rights reserved. Prof.: Anastácio Pinto Gonçalves Filho
rof.: nastáco nto Gonçalves lho Introdução Nem sempre é possível tratar um corpo como uma únca partícula. Em geral, o tamanho do corpo e os pontos de aplcação específcos de cada uma das forças que nele
Leia maisMAP Cálculo Numérico e Aplicações
MAP0151 - Cálculo Numérco e Aplcações Lsta 5 (Correção Neste ponto, todos já sabemos que todas as questões têm o mesmo valor, totalzando 10.0 pontos. (Questão 1 Fque com vontade de fazer mas do que fo
Leia mais