UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ PROGRAMA DE MESTRADO PROFISSIONAL EM MATEMÁTICA EM REDE NACIONAL - PROFMAT JULIO CESAR DA SILVA SCHWINGEL
|
|
- José Faria Caiado
- 6 Há anos
- Visualizações:
Transcrição
1 UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ PROGRAMA DE MESTRADO PROFISSIONAL EM MATEMÁTICA EM REDE NACIONAL - PROFMAT JULIO CESAR DA SILVA SCHWINGEL A MATEMÁTICA DA SAMAMBAIA DE BARNSLEY DISSERTAÇÃO CURITIBA 2016
2 JULIO CESAR DA SILVA SCHWINGEL A MATEMÁTICA DA SAMAMBAIA DE BARNSLEY Dissertação apresentada ao Programa de Mestrado Profissional em Matemática em Rede Nacional - PROFMAT da Universidade Tecnológica Federal do Paraná como requisito parcial para obtenção do grau de Mestre em Matemática. Orientador: Fabio Antonio Dorini, Dr. Co-orientadora: Leyza Baldo Dorini, Dra. CURITIBA 2016
3 Dados Internacionais de Catalogação na Publicação S415m Schwingel, Júlio Cesar da Silva 2016 A matemática da samambaia de Barnsley / Júlio Cesar da Silva Schwingel f.: il.; 30 cm Disponível também via World Wide Web. Texto em português, com resumo em inglês. Dissertação (Mestrado) - Universidade Tecnológica Federal do Paraná. Programa de Mestrado Profissional em Matemática, Curitiba, Bibliografia: f Barnsley, M. F. (Michael Fielding), Fractals Ewerywhere. 2. Fractais. 3. Samambaia. 4. MATLAB (Programa de computador). 5. Métodos iterativos (Matemática). 6. Geometria. 7. Matemática - Estudo e ensino (Ensino médio). 8. Matemática - Dissertações. I. Dorini, Fábio Antonio, orient. II. Dorini, Leyza Elmeri Baldo, coorient. III. Universidade Tecnológica Federal do Paraná. Programa de Mestrado Profissional em Matemática em Rede Nacional. IV. Título. CDD: Ed Biblioteca Central da UTFPR, Câmpus Curitiba
4 UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ Câmpus Curitiba Programa de Mestrado Profissional em Matemática em Rede Nacional - PROFMAT Título da Dissertação No. 031 A matemática da samambaia de Barnsley por Júlio Cesar da Silva Schwingel Esta dissertação foi apresentada como requisito parcial à obtenção do grau de Mestre em Matemática, pelo Programa de Mestrado em Matemática em Rede Nacional - PROFMAT - da Universidade Tecnológica Federal do Paraná - UTFPR - Câmpus Curitiba, às 14h do dia 01 de junho de O trabalho foi aprovado pela Banca Examinadora, composta pelos doutores: Prof. Fabio Antonio Dorini, Dr. (Presidente - UTFPR/Curitiba) Prof. Luiz Antonio Ribeiro de Santana, Dr. (UFPR) Profa. Diana Rizzotto Rossetto Dra. (UTFPR/Curitiba) Visto da coordenação: Prof. Márcio Rostirolla Adames, Dr. (Coordenador do PROFMAT/UTFPR) A Folha de Aprovação assinada encontra-se na Coordenação do PROFMAT/UTFPR
5 AGRADECIMENTOS A Deus, que me abriu todas as portas que me fizeram chegar até aqui. Aos meus professores que com dedicação e paciência fizeram parte dessa etapa da minha vida. À minha família que sempre me apoiou e acreditou em mim em todos os momentos, incondicionalmente. Ao meu orientador, pela colaboração, paciência e por seus conhecimentos repassados durante todo o desenvolvimento do trabalho. À CAPES pela bolsa que permitiu dedicar-me ao estudo. À UTFPR que abriu suas portas dando suporte ao programa PROFMAT.
6 RESUMO SCHWINGEL, Júlio Cesar da Silva. A MATEMÁTICA DA SAMAMBAIA DE BARNSLEY. 42 f. Dissertação Programa de Mestrado Profissional em Matemática em Rede Nacional - PROFMAT, Universidade Tecnológica Federal do Paraná. Curitiba, Este trabalho objetiva apresentar as ideias matemáticas principais da Samambaia de Barnsley, um fractal que recria uma imagem que assemelha-se a uma folha de samambaia da variedade Black Spleenwort e tem como base quatro transformações afins elementares. Algumas mutações da Samambaia de Barnsley são também apresentadas. Palavras-chave: Fractais, Samambaia de Barnsley, Matlab.
7 ABSTRACT SCHWINGEL, Júlio Cesar da Silva. THE MATHEMATICS OF BARNSLEY S FERN. 42 f. Dissertação Programa de Mestrado Profissional em Matemática em Rede Nacional - PROF- MAT, Universidade Tecnológica Federal do Paraná. Curitiba, This work aims to present the main mathematical ideas of Barnsley Fern, a fractal that recreates an image that resembles a fern leaf of the Black Spleenwort variety and is based on four elementary affine transformations. Some mutations of Barnsley Fern are also presented. Keywords: Fractals, Barnsley s fern, Matlab
8 LISTA DE FIGURAS FIGURA 1.1 Natureza e fractais: (a) exemplo de samambaia da variedade Black Spleenwort e (b) aproximação por meio de um pseudo-fractal FIGURA 2.1 Ilustrações da Samambaia de Barnsley FIGURA 2.2 Ilustração da Samambaia de Barnsley considerando x 0 = (0.5,0.5) t e iterações FIGURA 2.3 Ilustração da Samambaia de Barnsley considerando x 0 = ( 2,11) t e iterações FIGURA 2.4 Ilustração da Samambaia de Barnsley considerando x 0 = (3,11) t e iterações FIGURA 2.5 Ilustração da Samambaia de Barnsley considerando x 0 = (7,1) t e iterações FIGURA 2.6 Ilustração da Samambaia de Barnsley com probabilidades p 1 = 50%, p 2 = 22%, p 3 = 22% e p 4 = 6% FIGURA 2.7 Ilustração da samambaia de Barnsley com probabilidades: p 1 = 25%, p 2 = 25%, p 3 = 25% e p 4 = 25% FIGURA 3.1 Ilustração (vermelho) do resultado da aplicação das transformações T 1, T 2, T 3 e T 4 sobre a figura house (azul) FIGURA 3.2 Ilustração (vermelho) do resultado da aplicação de T 1 sobre a figura house (azul) FIGURA 3.3 Ilustração dos pontos atratores da Samambaia de Barnsley FIGURA 3.4 Ilustração de pontos característicos importantes da Samambaia de Barnsley FIGURA 4.1 Ilustração de uma mutação FIGURA 4.2 Ilustração de um fractal que assemelha-se à uma folha de samambaia; iterações; probabilidades p 1 = 85%, p 2 = 7%, p 3 = 7% e p 4 = 1%. 27 FIGURA 4.3 Ilustração de um fractal que assemelha-se à samambaia do tipo Cyclosorus ou Thelypteridaceae; iterações; probabilidades p 1 = 85%, p 2 = 7%, p 3 = 7% e p 4 = 1% FIGURA 4.4 Ilustração de um fractal que assemelha-se à samambaia do tipo Culcita; iterações; probabilidades p 1 = 85%, p 2 = 7%, p 3 = 7% e p 4 = 1%. 29 FIGURA 4.5 Ilustração de um fractal que assemelha-se à uma árvore; iterações; probabilidades p 1 = p 2 = p 3 = p 4 = 25%
9 SUMÁRIO 1 INTRODUÇÃO A SAMAMBAIA DE BARNSLEY UM POUCO DA MATEMÁTICA DA SAMAMBAIA DE BARNSLEY ALGUMAS MUTAÇÕES DA SAMAMBAIA DE BARNSLEY EXEMPLO 1 - VARIAÇÃO PROPOSTA PELOS AUTORES EXEMPLO 2 - CYCLOSORUS OU THELYPTERIDACEAE EXEMPLO 3 - CULCITA EXEMPLO 4 - TREE CONSIDERAÇÕES FINAIS REFERÊNCIAS Anexo A -- PROGRAMAS EM MATLAB
10 9 1 INTRODUÇÃO O termo fractal foi introduzido em 1975 por Benoît Mandelbrot (MANDELBROT, 1991) e é derivado do latim, do adjetivo fractus, que significa quebrar, fracionar. Um fractal consiste em um objeto geométrico que pode ser dividido em partes, sendo cada uma delas semelhante ao objeto original. Diz-se que os fractais têm infinitos detalhes, são geralmente autossimilares e de escala. Em muitos casos, podem ser gerados por um padrão repetido, tipicamente por meio de um processo recorrente ou iterativo. Sua popularização ocorreu na década de 80 devido ao avanço da informática, que permitiu maior precisão na confecção de imagens fractais (MANDELBROT, 1991; BARNSLEY, 1988; SERRA; KARAS, 1997). Fractais aproximados (ou pseudo-fractais) apresentam uma estrutura auto-similar ao longo de uma extensa, porém finita, faixa de escalas de observação. Este é o caso das samambaias, cujos folíolos são semelhantes, mas não idênticos, à folha como um todo. Neste contexto, fractais podem ser considerados representações abstratas de estruturas reais presentes na natureza. Um exemplo é a Samambaia de Barnsley que é um fractal que se assemelha a uma samambaia do tipo Black Spleenwort (Asplenium adiantum-nigrum, Fig. 1.1) 1 (BARNSLEY, 1988). Este fractal, proposto inicialmente por Michael Barnsley em 1985, ressalta a beleza e a riqueza da matemática por trás das formas naturais e pode ser ilustrado através de processos elementares. Por se tratar de tema relativamente novo no campo da matemática, há pouco material de estudo e também poucas referências em português sobre o assunto. Neste contexto, o presente trabalho objetiva, através de uma matemática que pode ser assimilada por estudantes e professores do Ensino Médio, compreender as ideias principais do fractal denominado Samambaia de Barnsley. Além disso, são explorados os principais pontos de sua implementação computacional tomando-se como base os sistemas de funções iteradas (IFS - do inglês, Iterated Function Systems), os quais geram figuras fractais através da repetição em escala de uma mesma figura (BARNSLEY; DEMKO, 1985). O trabalho está organizado da seguinte maneira: o Capítulo 2 introduz a Samambaia de Barnsley, explica sua construção e apresenta um algoritmo que a aproxima. No Capítulo 1
11 10 (a) (b) Figura 1.1: Natureza e fractais: (a) exemplo de samambaia da variedade Black Spleenwort e (b) aproximac a o por meio de um pseudo-fractal. 3 faz-se uma explanac a o da matema tica envolvida na construc a o da Samambaia de Barnsley. Algumas mutac o es sa o apresentadas no Capı tulo 4. Por fim, no Capı tulo 5 sa o apresentandas algumas considerac o es finais.
12 11 2 A SAMAMBAIA DE BARNSLEY A Samambaia de Barnsley foi apresentada pela primeira vez no artigo inaugural sobre IFS 1, de autoria do matemático britânico Michael Barnsley (BARNSLEY; DEMKO, 1985), e posteriormente publicada em seu livro intitulado Fractals Ewerywhere (BARNSLEY, 1988). Na construção da Samambaia de Barnsley por meio de um IFS, um ponto do plano é repetidamente transformado por meio de quatro transformações afins, com diferentes probabilidades de ocorrência. O algoritmo proposto por Barnsley (BARNSLEY; DEMKO, 1985) pode ser sumarizado da seguinte maneira: 1. quatro funções de transformação, denotadas aqui por T 1, T 2, T 3 e T 4, são definidas: T k : R 2 R 2 ( ) ( x x A k y y ) + b k. (2.1) Para a Samambaia de Barnsley, foco deste trabalho, são consideradas: ( ) ( ) A 1 =, b 1 =, ( ) ( ) A 2 =, b 2 =, ( ) ( ) A 3 =, b 3 =, ( ) ( ) A 4 =, e b 4 = Um Sistema de Funções Iteradas (IFS - do inglês Iterated Function System) é uma técnica de se construir figuras fractais através da repetição em escala de uma mesma figura. Formalmente, é definido por um conjunto finito de aplicações contrativas em um espaço métrico completo
13 12 2. a cada uma das transformações afins T k, k {1,2,3,4}, é atribuída uma probabilidade de aplicação: p 1 = 85%, p 2 = 7%, p 3 = 7% e p 4 = 1%, respectivamente; 3. escolhe-se um ponto inicial x 0 R 2 qualquer; 4. aplica-se as transformações T k de forma aleatória, de acordo com sua probabilidade de ocorrência. Isto é, dado x 0 R 2, n N, n 1, e k {1,2,3,4}, x n+1 = T (x n ), Prob{T = T k } = p k, (2.2) em que Prob{T = T k } representa a probabilidade de T assumir a transformação afim T k (na iteração em questão). O código seguinte (em Matlab, adaptado de (MOLER, 2011)) fornece uma aproximação da Samambaia de Barnsley. 1 set(gcf, color, white ) 2 x = [0.5; 0.5]; 3 hold on; 4 plot(x(1),x(2),., markersize,1, color, k ); 5 p = [ ]; 6 A1 = [.85.04; ]; b1 = [0; 1.6]; 7 A2 = [ ;.23.22]; b2 = [0; 1.6]; 8 A3 = [ ;.26.24]; b3 = [0;.44]; 9 A4 = [ 0 0; 0.16]; 10 for k=1: r = rand; 12 if r < p(1) 13 x = A1*x + b1; plot(x(1),x(2),., markersize,1, color, g ) 14 elseif r < p(2) 15 x = A2*x + b2; plot(x(1),x(2),., markersize,1, color, g ) 16 elseif r < p(3) 17 x = A3*x + b3; plot(x(1),x(2),., markersize,1, color, g ) 18 else 19 x = A4*x; plot(x(1),x(2),., markersize,1, color, g ) 20 end 21 end 22 axis([ ]); Resultados teóricos mais avançados (fora do escopo deste trabalho) garantem que, independentemente do x 0 escolhido, a partir de um certo N N suficientemente grande os pontos da sequência (x n ) n N definidos em (2.2) estão próximos do conjunto denominado Samambaia de Barnsley (BARNSLEY; DEMKO, 1985; BARNSLEY, 1988). A Fig. 2.1(a) ilustra a saída da implementação acima. A Fig 2.1(b) considera iterações (trocar por na linha 10 do código), associando-se a cada ponto gerado
14 13 uma cor correspondente à transformação utilizada: verde para T 1 ; vermelho para T 2 (trocar g por r na linha 15 do código); azul para T 3 (trocar g por b na linha 17); e preto para T 4 (trocar g por k na linha 19) - o código-fonte para geração da Fig 2.1(b) pode ser encontrado no Anexo A - Programa 1. (a) x 0 = (0.5,0.5) t, iterações. (b) x 0 = (0.5,0.5) t, iterações. Figura 2.1: Ilustrações da Samambaia de Barnsley. Observe na Fig 2.1(b) que os pontos gerados por T 1 são responsáveis pela formação dos ramos cada vez menores (corpo e ponta da samambaia), os gerados por T 2 formam o primeiro
15 14 ramo esquerdo, os gerados por T 3 formam o primeiro ramo direito, e os pontos gerados por T 4 formam a haste da samambaia. As Figs ilustram aproximações da Samambaia de Barnsley geradas a partir de diferentes x 0 (as primeiras 50 iterações são indicadas por pontos pretos). O código-fonte para gerar estas figuras pode ser encontrado no Anexo A - Programa 2. (a) Aproximação 1 (b) Aproximação 2 Figura 2.2: Ilustração da Samambaia de Barnsley considerando x 0 = (0.5,0.5) t e iterações. (a) Aproximação 1 (b) Aproximação 2 Figura 2.3: Ilustração da Samambaia de Barnsley considerando x 0 = ( 2,11) t e iterações. A escolha das probabilidades de ocorrência para cada uma das transformações T 1, T 2, T 3 e T 4 orienta o processo de construção da figura fractal. É importante enfatizar que a esco-
16 15 (a) Aproximação 1 (b) Aproximação 2 Figura 2.4: Ilustração da Samambaia de Barnsley considerando x 0 = (3,11) t e iterações. (a) Aproximação 1 (b) Aproximação 2 Figura 2.5: Ilustração da Samambaia de Barnsley considerando x 0 = (7,1) t e iterações. lha de outras probabilidades não altera o resultado final, apenas deixa o processo de recriar a samambaia computacionalmente mais lento. A Fig. 2.6 apresenta a Samambaia de Barnsley obtida considerando-se e iterações, com as probabilidades de ocorrência dadas por p 1 = 50%, p 2 = 22%, p 3 = 22% e p 4 = 6%, respectivamente. A Fig. 2.7 ilustra a Samambaia de Barnsley obtida com e iterações, com p 1 = p 2 = p 3 = p 4 = 25%. O código-fonte para gerar estas figuras pode ser encontrado no Anexo A - Programa 3.
17 16 (a) iterações (b) iterações Figura 2.6: Ilustração da Samambaia de Barnsley com probabilidades p 1 = 50%, p 2 = 22%, p 3 = 22% e p 4 = 6%. (a) iterações (b) iterações Figura 2.7: Ilustração da samambaia de Barnsley com probabilidades: p 1 = 25%, p 2 = 25%, p 3 = 25% e p 4 = 25%.
18 17 3 UM POUCO DA MATEMÁTICA DA SAMAMBAIA DE BARNSLEY As transformações em (2.1) são transformações afins, isto é, T : R 2 R 2, da forma ( ) ( ) ( )( ) ( ) x ax + by + e a b x e T = = +, (3.1) y cx + dy + f c d y f em que a, b, c, d, e, e f são números reais. Rotações, contrações, dilatações, reflexões e translações, ou composições destas, são exemplos clássicos de transformações afins. Outra propriedade importante é que levam retas em retas e preservam razão entre segmentos no plano. Não é difícil mostrar que toda transformação afim pode ser decomposta como segue (LIMA, 2006): T : R 2 R 2 ( ) x ( r cosθ ssinφ )( x ) ( e ) y r sinθ scosφ y + f, (3.2) em que r e s são fatores de contração/dilatação, e θ e φ são ângulos de rotação da transformação T. O vetor (e, f ) t associa uma translação à T. A Tab. 3.1 apresenta os valores particulares de r, s, θ, φ, e e f associados às transformações T 1, T 2, T 3 e T 4 da definição da Samambaia de Barnsley em (2.1) (BARNSLEY, 1988). Tabela 3.1: Parâmetros das transformações afins utilizadas na Samambaia de Barnsley. Transformação r θ (graus) s φ (graus) e f p (probabilidade) T T T T Observe que tais transformações são, em essência, composições de rotações, contrações, reflexões e translações. De fato,
19 18 T 1 realiza uma rotação de 2.5 no sentido horário, seguida de contração com fator 0.85, e translação vertical de b 1 = (0,1.6) t ; T 2 realiza uma rotação de 49 no sentido antihorário, seguida de contração com fator 0.3 na direção do eixo x, e rotação de 49 no sentido antihorário seguido de contração com fator 0.34 na direção y. Finalmente, uma translação vertical de b 2 = (0,1.6) t ; T 3 realiza uma rotação de 120 no sentido antihorário, seguido de contração com fator 0.3 na direção x, e rotação de 50 no sentido horário seguido de contração com fator 0.37 em y. Uma translação vertical de b 2 = (0,0.44) t é finalmente aplicada. Fica evidente uma componente reflexiva em T 3 ; e T 4 realiza uma projeção sobre o eixo y, seguido de uma contração com fator A Fig. 3.1 ilustra o efeito de cada uma das transformações T 1, T 2, T 3 e T 4 aplicadas sobre um conjunto de 11 pontos cujas coordenadas, se ligadas em ordem, formam o desenho de uma casa (house) (MOLER, 2011). A Fig. 3.2 apresenta o resultado da aplicação de T 1, repetidas vezes, sobre tais coordenadas (o código-fonte associado está no Anexo A - Programa 4). Na sequência, são apresentados alguns resultados relacionados à característica contrativa de cada transformação T k em (2.1). Proposição 3.1. Considere o conjunto Ω = { Ax 2 / x 2, x R 2, x 0 } [0,+ ), em que A = (a i j ) é uma matriz 2 2 de números reais. Então, Ω possui máximo. Demonstração: De fato, Ω = { Ax 2 / x 2, x R 2, x 0 } = { A(x/ x 2 ) 2, x R 2, x 0 } = = { Ay 2, y R 2, y 2 = 1 } = { A(cosθ,sinθ) t 2, θ [0,2π] } = { } = (a 11 cosθ + a 12 sinθ) 2 + (a 21 cosθ + a 22 sinθ) 2, θ [0,2π]. (3.3) Como a função f : [0, 2π] R definida por f (θ) = (a 11 cosθ + a 12 sinθ) 2 + (a 21 cosθ + a 22 sinθ) 2 (3.4) é contínua (pois é composição de funções elementares contínuas), segue do Teorema de Weierstrass (LIMA, 2016) que f assume valor máximo em algum ponto do intervalo [0,2π].
20 19 (a) T 1 (b) T 2 (c) T 3 (d) T 4 Figura 3.1: Ilustração (vermelho) do resultado da aplicação das transformações T 1, T 2, T 3 e T 4 sobre a figura house (azul). (a) Qautro iterações de T 1 (b) Dez iterações de T 1 Figura 3.2: Ilustração (vermelho) do resultado da aplicação de T 1 sobre a figura house (azul). Deste modo, existe θ em [0,2π] tal que f ( θ) = maxω. Da Prop. 3.1 segue que se A é uma matriz 2 2 de números reais, então existem uma constante real K > 0 e x R 2 tais que Ax 2 K x 2 e A x 2 = K x 2, para todo x 0 em
21 20 R 2. Assim, para as tranformações T 1, T 2, T 3 e T 4 em (2.1) é possível afirmar que T k (x) T k (y) 2 = (A k x + b k ) (A k y + b k ) 2 = A k (x y) 2 K k x y 2, (3.5) em que K k, k {1,2,3,4}, é a constante dada pela referida proposição, isto é, K k = max{ (a k 11 cosθ + ak 12 sinθ) 2 + ( a k 21 cosθ + a k 22 sinθ) 2 ; 0 θ 2π }, (3.6) em que A k = (a k i j ). Com o auxílio do software Matlab, cujo script é o que segue, 1 A = [ ; ]; 2 t = [0:0.0001:2*pi]; 3 K = max(sqrt((a(1,1)*cos(t)+a(1,2)*sin(t)).ˆ2+(a(2,1)*cos(t)+a(2,2)*sin(t)).ˆ2)); obteve-se os seguintes valores aproximados para as constantes (de contração), K k : K , K , K , e K (3.7) Portanto, como cada transformação afim em (2.1) é uma contração, esta terá um único ponto atrator, isto é, independentemente do x 0 escolhido este será atraído por um dos quatro atratores definidos pelas transformações T 1, T 2, T 3 e T 4. De fato, para cada T k, k {1,2,3,4} fixo, e denotando como I 2 a matriz identidade de ordem 2, é verdade que x k 1 = T k(x 0 ) = A k x 0 + b k, x k 2 = T k(x k 1 ) = A k (A k x 0 + b k ) + b k = A 2 k x 0 + [A k + I 2 ]b k, x k 3 = T k(x k 2 ) = A k ( A 2 k x 0 + [A k + I]b k ) + bk = A 3 k x 0 + [ A 2 k + A k + I 2 ] bk,. xn k = T k (xn 1 k ) = An k x 0 + [ A n 1 k + A n 2 k + + A 2 k + A ] k + I 2 bk. (3.8) Fazendo S k n = A n 1 k + A n 2 k + + A 2 k + A k + I 2, segue que A k S k n = S k na k = A n k + An 1 k + + A 3 k + A2 k + A k. (3.9) Assim, S k n (I 2 A k ) = S k n A k S k n = I 2 A n k. (3.10) Já que os determinantes det(i 2 A 1 ) 0.02, det(i 2 A 2 ) 0.68, det(i 2 A 3 ) 0.80 e det(i 2 A 4 ) 0.84 são ambos não nulos, segue que as matrizes (I 2 A k ), k {1,2,3,4}, são inversíveis.
22 21 Portanto, x k n em (3.8) pode ser apresentada como x k n = T n k (x 0) = A n k x 0 + (I 2 A n k )(I 2 A k ) 1 b k, k {1,2,3,4}. (3.11) Usando o fato que A k, k {1,2,3,4}, é uma matriz de contração com fator K k, segue que, para todo x R 2 fixo, 0 A n k x 2 = A k A n 1 k x 2 K k A n 1 x 2 = K k A k A n 2 x 2 k Kk 2 An 2 k x 2... Kk n 1 A k x 2 Kk n x 2. (3.12) k Como 0 K k < 1 e x R 2 é fixo, segue que K n k x 2 vai para zero quando n tende ao infinito. Do Teorema do Confronto (LIMA, 2016) segue, então, que lim n An k x 2 = 0, (3.13) para todo x R 2 fixo. Em particular, as escolhas x = (1,0) t e x = (0,1) t em (3.13) nos permitem concluir que Usando (3.14) em (3.11) implica que lim n An k = 0 (matriz nula). (3.14) [ ] lim n xk n = lim A n n k x 0 + (I 2 A n k )(I 2 A k ) 1 b k = (I 2 A k ) 1 b k. (3.15) Os limites em (3.15), pontos atratores de T k, k {1,2,3,4}, são dados por lim n x1 n = (I 2 A 1 ) 1 b 1 lim n x3 n = (I 2 A 3 ) 1 b 3 ( ) ( ) 0.154, lim n x 2 n = (I 2 A 2 ) 1 b 2, lim n x 4 n = (I 2 A 4 ) 1 b 4 ( ) 0.608, ( ) 0. (3.16) 0 A sequência (x k n) n N em (3.8) é chamada órbita do referido atrator. A Fig. 3.3(a) ilustra os quatros atratores (quadrados pretos) das transformações T k, k {1,2,3,4}. Observe que os pontos gerados por T 1 são atraídos para a região da ponta da samambaia, T 2 e T 3 atraem para as regiões no entorno dos caules das primeiras folhas (vermelho e azul, respectivamente), e T 4 atrai para a haste da samambaia (o código-fonte para gerar esta figura pode ser encontrado no Anexo A - Programa 5). Um fato importante é que uma transformação afim T é totalmente determinada pela imagem de três pontos não colineares Q 1, Q 2 e Q 3 do plano. De fato, fazendo Q i = (x i,y i ),
23 22 Figura 3.3: Ilustração dos pontos atratores da Samambaia de Barnsley. T (Q i ) = ( x i,ȳ i ), i {1,2,3}, os parâmetros a, b, c, d, e e f em (3.1) são as soluções dos sistemas de equações lineares seguintes: x 1 a + y 1 b + e = x 1, x 2 a + y 2 b + e = x 2, x 3 a + y 3 b + e = x 3, e x 1 c + y 1 d + f = ȳ 1, x 2 c + y 2 d + f = ȳ 2, x 3 c + y 3 d + f = ȳ 3. (3.17) Estes sistemas de equações admitem solução única se, e somente se, x 1 y 1 1 x 1 y 1 1 det x 2 y 2 1 0, ou det x 2 x 1 y 2 y 1 0 0, (3.18) x 3 y 3 1 x 3 x 1 y 3 y 1 0 já que o determinante não muda se uma linha é subtraída de outra, ou (x 2 x 1 )(y 3 y 1 ) (y 2 y 1 )(x 3 x 1 ) 0, isto é, Q 1, Q 2 e Q 3 são não colineares.
24 23 Figura 3.4: Ilustração de pontos característicos importantes da Samambaia de Barnsley. Este resultado é fundamental para a obtenção das transformações afins T k em (2.1): (a) T 1 leva a samambaia toda na parte verde, Fig. 3.4, conduzindo a ponta da samambaia nela mesma e as pontas das folhas vermelha e azul nas pontas das folhas verdes da esquerda e direita mais próximas, respectivamente. Isto é, T 1 (P f ) = P f, T 1 (P 5 ) = P 3 e T 1 (P 4 ) = P 8. (3.19) (b) T 2 leva a samambaia toda na sua folha vermelha, Fig. 3.4, conduzindo P f em P 5, P 0 em P 2, e P 4 em P 7. Isto é, T 2 (P f ) = P 5, T 2 (P 0 ) = P 2 e T 2 (P 4 ) = P 7. (3.20) (c) T 3 leva a samambaia toda na sua folha azul, Fig. 3.4, conduzindo P f em P 4, P 0 em P 1, e P 4
25 24 em P 6. Isto é, T 3 (P f ) = P 4, T 3 (P 0 ) = P 1 e T 3 (P 4 ) = P 6. (3.21) (d) T 4 leva a samambaia toda na região preta, caule da samambaia na Fig. 3.4, projetando todos os pontos da samambaia sobre o eixo y antes de aplicar uma contração. Isto é, T 4 (x,y) = (0,ξ y), ξ R fixo, (x,y) R 2, e T 4 (x f,y f ) = (0,ξ y 2 ), em que (x f,y f ) e (x 2,y 2 ) são as coordenadas dos pontos P f e P 2, respectivamente. A condição T 4 (x f,y f ) = (0,ξ y 2 ) conduz a um fator de contração de Apenas para fins de verificação, considere as coordenadas (aproximações) dos pontos característicos na Fig. 3.4 (obtidas com auxílio do Programa 6 - Anexo A a partir das próprias transformações T k ): P f = (2.65, 9.96) t - ponta da samambaia (ponto fixo, atrator, de T 1 ); P 0 = (0.00, 0.00) t - base da haste da samambaia; P 1 = T 3 (P 0 ) = (0.00, 0.44) t - base da primeira folha (direita); P 2 = T 2 (P 0 ) = (0.00, 1.60) t - base da primeira folha (esquerda); P 3 = T 1 (P 5 ) = ( 1.61, 5.42) t - ponta da segunda folha (esquerda); P 4 = T 3 (P f ) = (2.40, 3.52) t - ponta da primeira folha (direita); P 5 = T 2 (P f ) = ( 2.06, 4.40) t - ponta da primeira folha (esquerda); P 6 = T 3 (P 4 ) = (0.62, 1.91) t - ponta da folha da primeira folha (direita); P 7 = T 2 (P 4 ) = ( 0.44, 2.92) t - ponta da folha da primeira folha (esquerda); P 8 = T 1 (P 4 ) = (2.18, 4.50) t - ponta da segunda folha (direita). Em função das coordenadas dos pontos característicos os sistemas lineares em (3.19) podem ser apresentados por 2.65a b + e = a b + e = a b + e = 2.18 e 2.65c d + f = c d + f = c d + f = 4.50, (3.22) cujas soluções aproximadas (calculadas utilizando o Programa 7 - Anexo A) são a = 0.85, b = 0.04, c = 0.04, d = 0.85, e = 0.02 e f = 1.60, boas aproximações das componentes de T 1.
26 25 Da mesma forma para os sistemas em (3.20): 2.65a b + e = c d + f = a b + e = 0.00 e 0.00c d + f = a b + e = c d + f = 2.92, (3.23) cujas soluções aproximadas são a = 0.20, b = 0.26, c = 0.23, d = 0.22, e = 0.00 e f = 1.60, as componentes de T 2. Os sistemas lineares em (3.21) podem ser reescritos como 2.65a b + e = a b + e = a b + e = 0.62 e 2.65c d + f = c d + f = c d + f = 1.91, (3.24) cujas soluções aproximadas são a = 0.16, b = 0.28, c = 0.26, d = 0.24, e = 0.00 e f = 0.44, aproximações das componentes de T 3.
27 26 4 ALGUMAS MUTAÇÕES DA SAMAMBAIA DE BARNSLEY Alterando-se os parâmetros das transformações T k, k {1,2,3,4}, é possível gerar variações interessantes da Samambaia de Barnsley. As relações entre os parâmetros são complexas, ou seja, tais alterações precisam ser planejadas (obviamente, levando em consideração a formalização matemática abordada neste trabalho, mais especificamente no Capítulo 3) para a obtenção de figuras significativas. Por exemplo, ao fazermos T 2 = T 1, a Samambaia de Barnsley passa a ter a forma ilustrada na Figura 4.1. Figura 4.1: Ilustração de uma mutação. Na sequência, são apresentados quatro exemplos de mutações. A cada uma das transformações afins, T k, k {1,2,3,4}, é atribuída uma probabilidade de aplicação. Para os três primeiros exemplos, foram consideradas p 1 = 85%, p 2 = 7%, p 3 = 7% e p 4 = 1%, respectivamente. Para o último exemplo, foram consideradas p 1 = p 2 = p 3 = p 4 = 25%. Os atratores das transformações nos exemplos seguintes são obtidos por (3.15) e as ilustrações foram geradas utilizando o Programa 8 do Anexo A.
28 EXEMPLO 1 - VARIAÇÃO PROPOSTA PELOS AUTORES Considerando-se as transformações T k em (2.1) com os parâmetros seguintes ( ) ( ) ( ) ( ) A 1 =, b 1 =, A 2 =, b 2 =, ( ) ( ) ( ) ( ) A 3 =, b 3 =, A 4 =, e b 4 = obtém-se a ilustração da Fig Figura 4.2: Ilustração de um fractal que assemelha-se à uma folha de samambaia; iterações; probabilidades p 1 = 85%, p 2 = 7%, p 3 = 7% e p 4 = 1%.
29 EXEMPLO 2 - CYCLOSORUS OU THELYPTERIDACEAE Outra opção consiste em usar as transformações em (2.1) com os seguintes parâmetros 1 : ( ) ( ) ( ) ( ) A 1 =, b 1 =, A 2 =, b 2 =, ( ) ( ) ( ) ( ) A 3 =, b 3 =, A 4 =, e b 4 = Neste caso, é obtida uma variação que se assemelha a uma samambaia do tipo Cyclosorus ou Thelypteridaceae, ilustrada na Fig Figura 4.3: Ilustração de um fractal que assemelha-se à samambaia do tipo Cyclosorus ou Thelypteridaceae; iterações; probabilidades p 1 = 85%, p 2 = 7%, p 3 = 7% e p 4 = 1%. 1 byzantium/ferns/fractal.html
30 EXEMPLO 3 - CULCITA Utilizando-se os parâmetros abaixo 2, obtem-se uma variação que se assemelha a uma samambaia do tipo Culcita ilustrada na Fig ( A 1 = ( A 3 = ) ( 0.00, b 1 = 1.00 ) ( 0.00, b 3 = 0.70 ) ( ) ( ) , A 2 =, b 2 =, ) ( ) ( ) , A 4 =, e b 4 = Figura 4.4: Ilustração de um fractal que assemelha-se à samambaia do tipo Culcita; iterações; probabilidades p 1 = 85%, p 2 = 7%, p 3 = 7% e p 4 = 1%. 2 byzantium/ferns/fractal.html
31 EXEMPLO 4 - TREE Os parâmetros abaixo 3 geram uma variação que se assemelha a árvore, ilustrada na Fig ( ) ( ) ( ) ( ) A 1 =, b 1 =, A 2 =, b 2 =, ( ) ( ) ( ) ( ) A 3 =, b 3 =, A 4 =, e b 4 = Figura 4.5: Ilustração de um fractal que assemelha-se à uma árvore; iterações; probabilidades p 1 = p 2 = p 3 = p 4 = 25%. 3 morrow/336 14/papers/irina.pdf
32 31 5 CONSIDERAÇÕES FINAIS A geometria fractal é utilizada para descrever diversos fenômenos na natureza, para cuja interpretação são insuficientes as geometrias tradicionais. O fractal denominado Samambaia de Barnsley propõe um modelo matemático para representar/ilustrar um objeto real, despertando assim a curiosidade e trazendo a reflexões a respeito do mundo natural. O presente trabalho revela percepções matemáticas, ao alcance de estudantes e professores do Ensino Médio, sobre a Samambaia de Barnsley, e, através das análises feitas, põe em evidência as conexões entre a geometria fractal e a álgebra. Dessa maneira, a representação simbólica da realidade é passível de ser feita em linguagem condensada, densa e rigorosa como a Matemática. Também contribui para mostrar a aplicação de conteúdos do Ensino Básico e Superior. É interessante observar como manifestações naturais possam revelar estruturas, organizações e regularidades matemáticas, assim como fórmulas matemáticas podem recriar (ainda que aproximadamente) estruturas tão complexas quanto a folha de uma samambaia. A investigação feita e a apresentação do trabalho proporcionam a aquisição de uma perspectiva diferente e mais aprofundada da relação da Natureza com a Matemática.
33 32 REFERÊNCIAS BARNSLEY, M. F. Fractals Everywhere. San Diego, CA: Academic Press, Inc, BARNSLEY, M. F.; DEMKO, S. Iterated function systems and the global construction of fractals. Proc. Roy. Soc. Lond. Ser. A, v. 399, p , LIMA, E. Geometria analítica e álgebra Linear. 2. ed. Rio de Janeiro: IMPA, LIMA, E. Análise real. 12. ed. Rio de Janeiro: IMPA, MANDELBROT, B. B. Obtectos fractais: forma, acaso e dimensão. Lisboa: Gradiva Publicações, MOLER, C. Experiments with MATLAB. Electronic edition published by MathWorks, Inc, Disponível em: < SERRA, C.; KARAS, E. Fractais gerados por sistemas dinâmicos complexos. Curitiba: Champagnat, 1997.
34 33 ANEXO A -- PROGRAMAS EM MATLAB Observação: os programas dispostos neste anexo são contribuições dos autores deste trabalho. Programa 1. [ utilizado na geração da Fig 2.1(b) ] 1 shg 2 clf reset 3 set(gcf, color, white ) 4 x = [0.5; 0.5]; 5 hold on; 6 plot(x(1),x(2),., markersize,10, color, k ); 7 p = [ ]; 8 A1 = [.85.04; ]; b1 = [0; 1.6]; 9 A2 = [ ;.23.22]; b2 = [0; 1.6]; 10 A3 = [ ;.26.24]; b3 = [0;.44]; 11 A4 = [ 0 0; 0.16]; 12 for k=1: r = rand; 14 if r < p(1) 15 x = A1*x + b1; plot(x(1),x(2),., markersize,1, color, g ) 16 elseif r < p(2) 17 x = A2*x + b2; plot(x(1),x(2),., markersize,1, color, r ) 18 elseif r < p(3) 19 x = A3*x + b3; plot(x(1),x(2),., markersize,1, color, b ) 20 else 21 x = A4*x; plot(x(1),x(2),., markersize,1, color, k ) 22 end 23 end 24 axis([ ]) 25 set(1, Position, [ ])
35 34 Programa 2. [ utilizado na geração das Figs ] 1 shg, clf reset, set(gcf, color, white ) 2 x = [7; 1]; 3 hold on 4 darkgreen = [0 2/3 0]; 5 markersize_value = 10; 6 plot(x(1),x(2), o,x(1),x(2),., markersize,markersize_value, color, k ); 7 p = [ ]; 8 A1 = [.85.04; ]; b1 = [0; 1.6]; 9 A2 = [ ;.23.22]; b2 = [0; 1.6]; 10 A3 = [ ;.26.24]; b3 = [0;.44]; 11 A4 = [ 0 0 ; 0.16]; 12 Total_Iteracoes = 20000; 13 Total_Iteracoes_Parcial = 50; for k=1:total_iteracoes_parcial 16 r = rand; 17 if r < p(1) 18 x = A1*x + b1; 19 plot(x(1),x(2),., markersize,markersize_value, color, k ) 20 elseif r < p(2) 21 x = A2*x + b2; 22 plot(x(1),x(2),., markersize,markersize_value, color, k ) 23 elseif r < p(3) 24 x = A3*x + b3; 25 plot(x(1),x(2),., markersize,markersize_value, color, k ) 26 else 27 x = A4*x; 28 plot(x(1),x(2),., markersize,markersize_value, color, k ) 29 end 30 end markersize_value = 1; 33 for k=total_iteracoes_parcial:total_iteracoes 34 r = rand; 35 if r < p(1) 36 x = A1*x + b1; 37 plot(x(1),x(2),., markersize,markersize_value, color, g ) 38 elseif r < p(2) 39 x = A2*x + b2; 40 plot(x(1),x(2),., markersize,markersize_value, color, g ) 41 elseif r < p(3) 42 x = A3*x + b3; 43 plot(x(1),x(2),., markersize,markersize_value, color, g ) 44 else 45 x = A4*x; 46 plot(x(1),x(2),., markersize,markersize_value, color, g ) 47 end 48 end 49 set(1, Position, [ ])
36 35 Programa 3. [ utilizado na geração das Figs ] 1 shg 2 clf reset 3 set(gcf, color, white ) 4 x = [0.5; 0.5]; 5 hold on 6 darkgreen = [0 2/3 0]; 7 markersize_value = 1; 8 plot(x(1),x(2),., markersize,markersize_value, color,darkgreen); 9 p = [ ]; 10 A1 = [.85.04; ]; b1 = [0; 1.6]; 11 A2 = [ ;.23.22]; b2 = [0; 1.6]; 12 A3 = [ ;.26.24]; b3 = [0;.44]; 13 A4 = [ 0 0 ; 0.16]; 14 Total_Iteracoes = 70000; 15 for k=1:total_iteracoes 16 r = rand; 17 if r < p(1) 18 x = A1*x + b1; 19 plot(x(1),x(2),., markersize,markersize_value, color, g ) 20 elseif r < p(2) 21 x = A2*x + b2; 22 plot(x(1),x(2),., markersize,markersize_value, color, r ) 23 elseif r < p(3) 24 x = A3*x + b3; 25 plot(x(1),x(2),., markersize,markersize_value, color, b ) 26 else 27 x = A4*x; 28 plot(x(1),x(2),., markersize,markersize_value, color, k ) 29 end 30 end 31 axis([ ]), 32 set(1, Position, [ ])
37 36 Programa 4. [ utilizado na geração das Figs ] 1 shg 2 clf reset 3 set(gcf, color, white ) 4 5 A1 = [.85.04; ]; b1 = [0; 1.6]; 6 A2 = [ ;.23.22]; b2 = [0; 1.6]; 7 A3 = [ ;.26.24]; b3 = [0;.44]; 8 A4 = [ 0 0 ; 0.16]; b4 = [0; 0]; 9 10 A = A1; % escolha da transformação 11 b = b1; % vértices da casa (house) 14 X = [ ]; 16 X(:,12) = X(:,1); % plot casa original 19 plot(x(1,:),x(2,:),.-, markersize,15, linewidth,2) 20 axis(10*[ ]) 21 box off 22 hold on N_aplicacoes = 4; for k = 1:N_aplicacoes 27 % aplicando T = Ax + b nos vértices da casa 28 X = A*X(:,1:11) + b*ones(1,11); 29 X(:,12) = X(:,1); 30 % plot casa tranformada por T = Ax + b 31 plot(x(1,:),x(2,:), r.-, markersize,15, linewidth,2) 32 end
38 37 Programa 5. [ utilizado na geração da Fig. 3.3 ] 1 shg 2 clf reset 3 set(gcf, color, white ) 4 x = [0.5; 0.5]; 5 hold on 6 darkgreen = [0 2/3 0]; 7 markersize_value = 1; 8 plot(x(1),x(2),., markersize,markersize_value, color,darkgreen); 9 p = [ ]; 10 A1 = [.85.04; ]; b1 = [0; 1.6]; 11 A2 = [ ;.23.22]; b2 = [0; 1.6]; 12 A3 = [ ;.26.24]; b3 = [0;.44]; 13 A4 = [ 0 0 ; 0.16]; 14 Total_Iteracoes = 70000; 15 for k=1:total_iteracoes 16 r = rand; 17 if r < p(1) 18 x = A1*x + b1; 19 plot(x(1),x(2),., markersize,markersize_value, color, g ) 20 elseif r < p(2) 21 x = A2*x + b2; 22 plot(x(1),x(2),., markersize,markersize_value, color, r ) 23 elseif r < p(3) 24 x = A3*x + b3; 25 plot(x(1),x(2),., markersize,markersize_value, color, b ) 26 else 27 x = A4*x; 28 plot(x(1),x(2),., markersize,markersize_value, color, k ) 29 end 30 end 31 axis([ ]), 32 set(1, Position, [ ]) % atratores 35 atx = [ ] 36 aty = [ ] 37 plot(atx,aty, ko ) 38 plot(atx,aty, k. ) 39 plot(atx,aty, ks )
39 38 Programa 6. [ utilizado na geração da Fig. 3.4 ] 1 shg, clf reset, set(gcf, color, white ) 2 x = [0.5; 0.5]; 3 hold on 4 darkgreen = [0 2/3 0]; markersize_value = 1; 5 plot(x(1),x(2),., markersize,markersize_value, color,darkgreen); 6 p = [ ]; 7 A1 = [.85.04; ]; b1 = [0; 1.6]; 8 A2 = [ ;.23.22]; b2 = [0; 1.6]; 9 A3 = [ ;.26.24]; b3 = [0;.44]; 10 A4 = [ 0 0 ; 0.16]; 11 Total_Iteracoes = ; 12 for k=1:total_iteracoes 13 r = rand; 14 if r < p(1) 15 x = A1*x + b1; 16 plot(x(1),x(2),., markersize,markersize_value, color, g ) 17 elseif r < p(2) 18 x = A2*x + b2; 19 plot(x(1),x(2),., markersize,markersize_value, color, r ) 20 elseif r < p(3) 21 x = A3*x + b3; 22 plot(x(1),x(2),., markersize,markersize_value, color, b ) 23 else 24 x = A4*x; 25 plot(x(1),x(2),., markersize,markersize_value, color, k ) 26 end 27 end Pf = [2.655; 9.958]; P0 = [0; 0]; 30 P1 = A3*P0 + b3; P2 = A2*P0 + b2; 31 P5 = A2*Pf + b2; P3 = A1*P5 + b1; 32 P4 = A3*Pf + b3; P6 = A3*P4 + b3; 33 P7 = A2*P4 + b2; P8 = A1*P4 + b1; pontos = [Pf P0 P1 P2 P3 P4 P5 P6 P7 P8]; 36 plot(pontos(1,:),pontos(2,:), ko ) 37 plot(pontos(1,:),pontos(2,:), k. ) text(pf(1)+0.05,pf(2), {\bf P_{f}} ) 40 text(p0(1)-0.3,p0(2)-0.05, {\bf P_{0}} ) 41 text(p1(1)-0.3,p1(2)-0.05, {\bf P_{1}} ) 42 text(p2(1)-0.3,p2(2)-0.05, {\bf P_{2}} ) 43 text(p3(1)-0.3,p3(2)+0.15, {\bf P_{3}} ) 44 text(p4(1)+0.05,p4(2), {\bf P_{4}} ) 45 text(p5(1)-0.3,p5(2)+0.15, {\bf P_{5}} ) 46 text(p6(1)-0.3,p6(2)+0.15, {\bf P_{6}} ) 47 text(p7(1)+0.1,p7(2), {\bf P_{7}} ) 48 text(p8(1)+0.05,p8(2), {\bf P_{8}} ) axis([ ]), set(1, Position, [ ])
40 39 Programa 7. [ utilizado para verificação de resultados ] 1 clear all 2 Pf = [ ]; % ponta da samambaia 3 P0 = [ ]; % base da samambaia 4 5 P1 = [ ]; % base da primeira folha (direita) 6 P2 = [ ]; % base da primeira folha (esquerda) 7 P3 = [ ]; % ponta da segunda folha (esquerda) 8 P4 = [ ]; % ponta da primeira folha (direita) 9 P5 = [ ]; % ponta da primeira folha (esquerda) 10 P6 = [ ]; % ponta da folha da primeira folha (direita) 11 P7 = [ ]; % ponta da folha da primeira folha (esquerda) 12 P8 = [ ]; % ponta da segunda folha (direita) % Obtenção de T1 = A1x + b1 15 aux1 = [Pf 1; P5 1; P4 1]; 16 aux2 = [Pf; P3; P8]; 17 coef = (inv(aux1)*aux2) ; 18 A1 = coef(:,1:2) 19 b1 = coef(:,3) % Obtenção de T2 = A2x + b2 22 aux1 = [Pf 1; P0 1; P4 1]; 23 aux2 = [P5; P2; P7]; 24 coef = (inv(aux1)*aux2) ; 25 A2 = coef(:,1:2) 26 b2 = coef(:,3) % Obtenção de T3 = A3x + b3 29 aux1 = [Pf 1; P0 1; P4 1]; 30 aux2 = [P4; P1; P6]; 31 coef = (inv(aux1)*aux2) ; 32 A3 = coef(:,1:2) 33 b3 = coef(:,3) % Obtenção de T4 = A4x + b4 36 A4 = [0 0; 0 P2(1,2)/Pf(1,2)] 37 b4 = zeros(2,1) shg 40 clf reset 41 set(gcf, color, white, numbertitle, off, name, Fractal Fern ) 42 x = [0.5; 0.5]; 43 hold on 44 darkgreen = [0 2/3 0]; 45 markersize_value = 1; 46 plot(x(1),x(2),., markersize,markersize_value, color,darkgreen); 47 p = [ ]; Total_Iteracoes = 10000; 50 for k=1:total_iteracoes 51 r = rand; 52 if r < p(1)
41 40 53 x = A1*x + b1; 54 plot(x(1),x(2),., markersize,markersize_value, color, g ) 55 elseif r < p(2) 56 x = A2*x + b2; 57 plot(x(1),x(2),., markersize,markersize_value, color, r ) 58 elseif r < p(3) 59 x = A3*x + b3; 60 plot(x(1),x(2),., markersize,markersize_value, color, b ) 61 else 62 x = A4*x; 63 plot(x(1),x(2),., markersize,markersize_value, color, k ) 64 end 65 end 66 axis([ ]) 67 set(1, Position, [ ]) % atratores 70 atratores(:,1) = inv(eye(2)-a1)*b1; 71 atratores(:,2) = inv(eye(2)-a2)*b2; 72 atratores(:,3) = inv(eye(2)-a3)*b3; 73 atratores(:,4) = inv(eye(2)-a4)*b4; 74 plot(atratores(1,:),atratores(2,:), ko ) 75 plot(atratores(1,:),atratores(2,:), k. ) 76 plot(atratores(1,:),atratores(2,:), ks )
42 41 Programa 8. [ utilizado para geração das figuras do Capítulo 4 ] 1 shg 2 clf reset 3 set(gcf, color, white, numbertitle, off, name, Fractal Fern ) 4 x = [0.5; 0.5]; 5 hold on 6 darkgreen = [0 2/3 0]; 7 markersize_value = 1; 8 plot(x(1),x(2),., markersize,markersize_value, color,darkgreen); 9 10 samambaia = 5; switch samambaia 13 case 1 % Barnsley 14 p = [ ]; 15 A1 = [.85.04; ]; b1 = [0; 1.6]; 16 A2 = [ ;.23.22]; b2 = [0; 1.6]; 17 A3 = [ ;.26.24]; b3 = [0;.44]; 18 A4 = [ 0 0 ; 0.16]; b4 = [0; 0]; case 2 % gerado aleatoriamente pelos autores - Exemplo p = [ ]; 22 A1 = [.78.0; ]; b1 = [0; 1.6]; 23 A2 = [ ;.14.28]; b2 = [0; 1.6]; 24 A3 = [ ;.16.31]; b3 = [0;.44]; 25 A4 = [ 0 0 ; 0.16]; b4 = [0; 0]; case 3 % Cyclosorus - Exemplo p = [ ]; 29 A1 = [.95.01; ]; b1 = [ 0.00; 0.5]; 30 A2 = [ ;.16.04]; b2 = [-0.09; 0.02]; 31 A3 = [-.04.2;.16.04]; b3 = [0.08;.12]; 32 A4 = [ 0 0 ; 0.25]; b4 = [0; -0.4]; case 4 % Culcita - Exemplo p = [ ]; 36 A1 = [.85.02; ]; b1 = [ 0; 1]; 37 A2 = [ ;.3.11]; b2 = [0; 0.6]; 38 A3 = [ ;.3.09]; b3 = [0;.7]; 39 A4 = [ 0 0 ; 0.25]; b4 = [0; -0.14]; case 5 % Tree - Exemplo p = [ ]; 43 A1 = [ ; ]; b1 = [ 0; 0.2]; 44 A2 = [ ; ]; b2 = [0; 0.2]; 45 A3 = [ 0.1 0; 0 0.1]; b3 = [0; 0.2]; 46 A4 = [ 0 0 ; 0.5]; b4 = [0; 0]; end Total_Iteracoes = 10000; 51 for k=1:total_iteracoes 52 r = rand;
43 42 53 if r < p(1) 54 x = A1*x + b1; 55 plot(x(1),x(2),., markersize,markersize_value, color, g ) 56 elseif r < p(2) 57 x = A2*x + b2; 58 plot(x(1),x(2),., markersize,markersize_value, color, r ) 59 elseif r < p(3) 60 x = A3*x + b3; 61 plot(x(1),x(2),., markersize,markersize_value, color, b ) 62 else 63 x = A4*x; 64 plot(x(1),x(2),., markersize,markersize_value, color, k ) 65 end 66 end switch samambaia 69 case 1 70 axis([ ]) 71 case 2 72 axis([ ]) 73 case 3 74 axis([ ]) 75 case 4 76 axis([ ]) 77 case 5 78 axis([ ]) 79 end 80 set(1, Position, [ ]) % atratores 83 atratores(:,1) = inv(eye(2)-a1)*b1; 84 atratores(:,2) = inv(eye(2)-a2)*b2; 85 atratores(:,3) = inv(eye(2)-a3)*b3; 86 atratores(:,4) = inv(eye(2)-a4)*b4; 87 plot(atratores(1,:),atratores(2,:), ko ) 88 plot(atratores(1,:),atratores(2,:), k. ) 89 plot(atratores(1,:),atratores(2,:), ks )
Aplicações de Álgebra Linear - Fractais
Aplicações de Álgebra Linear - Fractais Departamento de Matemática - UFPR Ademir Alves Ribeiro Elizabeth Wegner Karas Lucas Pedroso Outubro de 2010 Características Características Características Características
Universidade Tecnológica Federal do Paraná
Cálculo Numérico - Zeros de Funções Prof a Dr a Diane Rizzotto Rossetto Universidade Tecnológica Federal do Paraná 13 de março de 2016 D.R.Rossetto Zeros de Funções 1/81 Problema Velocidade do pára-quedista
Transformações Geométricas. Transformações Geométricas. Sistemas de Coordenadas. Translação: M.C.F. de Oliveira Rosane Minghim 2006
Transformações Geométricas Transformações Geométricas 2D M.C.F. de Oliveira Rosane Minghim 2006 Aplicadas aos modelos gráficos para alterar a geometria dos objetos, sem alterar a topologia Porque são necessárias:
Espectro Sonoro Explorado com Sistema de Funções Iterativas
Espectro Sonoro Explorado com Sistema de Funções Iterativas Maria Aparecida Silva Cruz 1,3, Jônatas Manzolli 2,4, Furio Damiani 2,3 1 Depto. de Matemática da Universidade Estadual de Mato Grosso do Sul
INTRODUÇÃO AOS MÉTODOS NUMÉRICOS. Solução de Sistemas Lineares
INTRODUÇÃO AOS MÉTODOS NUMÉRICOS Solução de Sistemas Lineares Introdução Uma variedade de problemas de engenharia pode ser resolvido através da análise linear; entre eles podemos citar: determinação do
Métodos iterativos para sistemas lineares.
Métodos iterativos para sistemas lineares. Alan Costa de Souza 7 de Setembro de 2017 Alan Costa de Souza Métodos iterativos para sistemas lineares. 7 de Setembro de 2017 1 / 46 Introdução. A ideia central
Coordenadas e distância na reta e no plano
Capítulo 1 Coordenadas e distância na reta e no plano 1. Introdução A Geometria Analítica nos permite representar pontos da reta por números reais, pontos do plano por pares ordenados de números reais
4 Visualização por pontos
4 Visualização por pontos Uma vez gerados os pontos, estes são renderizados e recebem efeitos de profundidade e iluminação, através da definição da cor, opacidade e tamanho. Além disso, os pontos pertencentes
UNIVERSIDADE FEDERAL DO ABC
UNIVERSIDADE FEDERAL DO ABC BC49 Cálculo Numérico - LISTA - sistemas lineares de equações Profs André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda Métodos diretos Analise os sistemas
UNIVERSIDADE FEDERAL DO ABC. 1 Existência e unicidade de zeros; Métodos da bissecção e falsa posição
UNIVERSIDADE FEDERAL DO ABC BC1419 Cálculo Numérico - LISTA 1 - Zeros de Funções (Profs. André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda) 1 Existência e unicidade de zeros; Métodos
Modelagem Computacional. Parte 8 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 8 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 10 e 11] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Cálculo Numérico BCC760
Cálculo Numérico BCC760 Resolução de Sistemas de Equações Lineares Simultâneas Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ 1 Introdução! Definição Uma equação é dita
ADA 1º BIMESTRE CICLO I MATEMÁTICA 3ª SÉRIE DO ENSINO MÉDIO. (B)y = x + 3 (C)y = 2x + 3 (D)y = 3x - 3 (E)y = 5x + 5 Gabarito: D.
ADA 1º BIMESTRE CICLO I MATEMÁTICA ª SÉRIE DO ENSINO MÉDIO ITEM 1 DA ADA Observe as equações da reta a seguir: I) y = x 1 II) y 4x = III) y 4x + = 0 IV) y + 1 = x V) y + 1 = (x 1 ) Dessas equações, a que
Capítulo 12. Ângulo entre duas retas no espaço. Definição 1. O ângulo (r1, r2 ) entre duas retas r1 e r2 é assim definido:
Capítulo 1 1. Ângulo entre duas retas no espaço Definição 1 O ângulo (r1, r ) entre duas retas r1 e r é assim definido: (r1, r ) 0o se r1 e r são coincidentes, se as retas são concorrentes, isto é, r1
J. Delgado - K. Frensel - L. Crissaff Geometria Analítica e Cálculo Vetorial
178 Capítulo 10 Equação da reta e do plano no espaço 1. Equações paramétricas da reta no espaço Sejam A e B dois pontos distintos no espaço e seja r a reta que os contém. Então, P r existe t R tal que
Material Teórico - Módulo: Vetores em R 2 e R 3. Módulo e Produto Escalar - Parte 1. Terceiro Ano - Médio
Material Teórico - Módulo: Vetores em R 2 e R 3 Módulo e Produto Escalar - Parte 1 Terceiro Ano - Médio Autor: Prof. Angelo Papa Neto Revisor: Prof. Antonio Caminha M. Neto 1 Módulo de um vetor O módulo
Interbits SuperPro Web
1 (Ita 018) Uma progressão aritmética (a 1, a,, a n) satisfaz a propriedade: para cada n, a soma da progressão é igual a n 5n Nessas condições, o determinante da matriz a1 a a a4 a5 a 6 a a a 7 8 9 a)
O teorema do ponto fixo de Banach e algumas aplicações
O teorema do ponto fixo de Banach e algumas aplicações Andressa Fernanda Ost 1, André Vicente 2 1 Acadêmica do Curso de Matemática - Centro de Ciências Exatas e Tecnológicas - Universidade Estadual do
Métodos Numéricos - Notas de Aula
Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Introdução Sistemas Lineares Sistemas lineares são sistemas de equações com m equações e n incógnitas formados por equações lineares,
é encontrado no cruzamento da linha i com a coluna j, ou seja, o primeiro índice se refere à linha e o segundo à coluna.
Ministério da Educação Secretaria de Educação Profissional e Tecnológica Instituto Federal De Santa Catarina Campus São José Professora: ELENIRA OLIVEIRA VILELA COMPONENTE CURRICULAR: ALG ÁLG. LINEAR MATRIZES
SISTEMAS LINEARES PROF. EDÉZIO
SOLUÇÕES NUMÉRICAS DE SISTEMAS LINEARES PROF. EDÉZIO Considere o sistema de n equações e n incógnitas: onde E : a x + a x +... + a n x n = b E : a x + a x +... + a n x n = b. =. () E n : a n x + a n x
Capítulo Equações da reta no espaço. Sejam A e B dois pontos distintos no espaço e seja r a reta que os contém. Então, P r existe t R tal que
Capítulo 11 1. Equações da reta no espaço Sejam A e B dois pontos distintos no espaço e seja r a reta que os contém. Então, P r existe t R tal que AP = t AB Fig. 1: Reta r passando por A e B. Como o ponto
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Álgebra Linear. Elizabeth Wegner Karas
Álgebra Linear Elizabeth Wegner Karas Aplicações 2017 Exemplos Fractais I I Genética Características Processos de construção Estrutura Fina Autoafinidade Estrutura Fina Autoafinidade Características
MÉTODOS NEWTON E QUASE-NEWTON PARA OTIMIZAÇÃO IRRESTRITA
MÉTODOS NEWTON E QUASE-NEWTON PARA OTIMIZAÇÃO IRRESTRITA Marlon Luiz Dal Pasquale Junior, UNESPAR/FECILCAM, jr.marlon@hotmail.com Solange Regina dos Santos (OR), UNESPAR/FECILCAM, solaregina@fecilcam.br
Laboratório de Simulação Matemática. Parte 7 2
Matemática - RC/UFG Laboratório de Simulação Matemática Parte 7 2 Prof. Thiago Alves de Queiroz 2/2017 2 [Cap. 7] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning, 2010. Thiago
Parte 1: Exercícios Teóricos
Cálculo Numérico SME0104 ICMC-USP Lista 5: Zero de Funções Lembrete (informação que vai estar disponível na prova) Método de Newton Método da Secante x k+1 = x k f(x k) f (x k ), x k+1 = x k J 1 F (x k
Transformações Geométricas em C.G. Claudio Esperança Paulo Roma Cavalcanti
Transformações Geométricas em C.G. Claudio Esperança Paulo Roma Cavalcanti Geometria Euclideana Geometria Sintética: Axiomas e Teoremas Por coordenadas: Álgebra Linear Geometria Euclideana Espaço Vetorial
Curso de CG 2019/1 IC / UFF
http://computacaografica.ic.uff.br/conteudocap2.html Curso de CG 2019/1 IC / UFF Transformações Geométricas no Plano e no Espaço Esse material estáno Livro do curso no cap 2. Definição Transformações geométricas
Espaços Euclidianos. Espaços R n. O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais:
Espaços Euclidianos Espaços R n O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais: R n = {(x 1,..., x n ) : x 1,..., x n R}. R 1 é simplesmente o conjunto R dos números
2.3- Método Iterativo Linear (MIL)
.3- Método Iterativo Linear (MIL) A fim de introduzir o método de iteração linear no cálculo de uma raiz da equação (.) f(x) = 0 expressamos, inicialmente, a equação na forma: (.) x = Ψ(x) de forma que
Álgebra Linear e Geometria Analítica Bacharelados e Engenharias Parte II Matrizes (continuação)
Álgebra Linear e Geometria Analítica Bacharelados e Engenharias Parte II Matrizes (continuação) Prof.a Tânia Preto Departamento Acadêmico de Matemática UTFPR - 2014 Importante Material desenvolvido a partir
MATEMÁTICA Professores: Andrey, Cristiano e Julio
MATEMÁTICA Professores: Andrey, Cristiano e Julio Questões Substituindo os valores dados na fórmula teremos: x 1 = x 0+1 = (x 0 )2 +a 2.x 0 = (2)2 +5 = 9 2.2 4 e x 2 = x 1+1 = (x 1 )2 +a = ( 9 4 )2 +5
Modelagem Computacional. Parte 7 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 7 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 7] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
TRANSFORMAÇÕES NO PLANO E MORFISMO: APLICAÇÕES DE MATRIZES COM O USO DO EXCEL. RESUMO
TRANSFORMAÇÕES NO PLANO E MORFISMO: APLICAÇÕES DE MATRIZES COM O USO DO EXCEL. Marcos Roberto Fonseca Conceição RESUMO Durante parte da minha vida profissional trabalhei de forma intensa com o uso planilhas
Legenda. Questões. Lista de Exercícios - Autovalores e autovetores. Cálculos Teoria Geometria
Lista de Exercícios - Autovalores e autovetores Legenda Cálculos Teoria Geometria Questões. Considere o quadrado determinado pelos pontos A(0, 0), B(, 0), C(, ) e D(0, ).Em cada item aplique o referido
Lista de Álgebra Linear Aplicada
Lista de Álgebra Linear Aplicada Matrizes - Vetores - Retas e Planos 3 de setembro de 203 Professor: Aldo Bazán Universidade Federal Fluminense Matrizes. Seja A M 2 2 (R) definida como 0 0 0 3 0 0 0 2
6 MÉTODO DE ELEMENTOS FINITOS - MEF
6 MÉTODO DE ELEMENTOS FINITOS - MEF O Método de Elementos Finitos é uma técnica de discretização de um problema descrito na Formulação Fraca, na qual o domínio é aproximado por um conjunto de subdomínios
EXERCÍCIOS DE MATEMÁTICA COMPUTACIONAL: PRIMEIRO BIMESTRE: EDGARD JAMHOUR. QUESTÃO 1: Indique as afirmativas verdadeiras.
EXERCÍCIOS DE MATEMÁTICA COMPUTACIONAL: PRIMEIRO BIMESTRE: EDGARD JAMHOUR QUESTÃO 1: Indique as afirmativas verdadeiras. ( ) O número Pi não pode ser representado de forma exata em sistemas numéricos de
Instituto Tecnológico de Aeronáutica. Prof. Carlos Henrique Q. Forster Sala 121 IEC. ramal 5981
CC Visão Computacional Geometria Projetiva Instituto ecnológico de Aeronáutica Prof. Carlos Henrique Q. Forster Sala IEC ramal 598 ópicos da aula Rotação em D, Escala e Refleo Deformação do quadrado unitário
Fundamentos de Processamento Gráfico
Fundamentos de Processamento Gráfico Helton H. Bíscaro ; Fátima Nunes 19 de março de 2018 Helton H. Bíscaro ; Fátima Nunes Computação Gráfica 19 de março de 2018 1 / 50 Paradigma dos Quatro Universos
Aula 12. Ângulo entre duas retas no espaço. Definição 1. O ângulo (r1, r2 ) entre duas retas r1 e r2 se define da seguinte maneira:
Aula 1 1. Ângulo entre duas retas no espaço Definição 1 O ângulo (r1, r ) entre duas retas r1 e r se define da seguinte maneira: (r1, r ) 0o se r1 e r são coincidentes, Se as retas são concorrentes, isto
Métodos Numéricos Zeros Posição Falsa e Ponto Fixo. Professor Volmir Eugênio Wilhelm Professora Mariana Kleina
Métodos Numéricos Zeros Posição Falsa e Ponto Fixo Professor Volmir Eugênio Wilhelm Professora Mariana Kleina Método da Posição Falsa 2 Método da Posição Falsa O processo consiste em dividir/particionar
Preliminares de Cálculo
Preliminares de Cálculo Profs. Ulysses Sodré e Olivio Augusto Weber Londrina, 21 de Fevereiro de 2008, arquivo: precalc.tex... Conteúdo 1 Números reais 2 1.1 Algumas propriedades do corpo R dos números
5.3 Variáveis aleatórias gaussianas conjuntas
M. Eisencraft 5.3 Variáveis aleatórias gaussianas conjuntas 64 respectivamente. São as chamadas funções características marginais: Φ X (ω ) = Φ X,Y (ω,0) (5.0) Φ Y (ω ) = Φ X,Y (0,ω ) (5.) Os momentos
Fractais e Números Complexos
Fractais e Números Complexos Ewerton Rocha Vieira ewerton@ufg.br IME - UFG V Workshop de Álgebra Catalão - GO 10 de Novembro de 2016 Roteiro 1 Introdução 2 Conjunto de Mandelbrot 3 Conjunto de Julia 4
Notas de Aula - Fascículo 03 Transformações projetivas do plano
Tópicos em Computação Gráfica Notas de Aula - Fascículo 03 Transformações projetivas do plano Jorge Stolfi c 2009 Jorge Stolfi - Universidade Estadual de Campinas. É permitida a reprodução ou divulgação,
MAT 1351 : Cálculo para Funções de Uma Variável Real I. Sylvain Bonnot (IME-USP)
MAT 1351 : Cálculo para Funções de Uma Variável Real I Sylvain Bonnot (IME-USP) 2016 1 Informações gerais Prof.: Sylvain Bonnot Email: sylvain@ime.usp.br Minha sala: IME-USP, 151-A (Bloco A) Site: ver
Questão Resposta 1 e 2 c 3 a 4 a 5 d 6 d 7 d 8 b 9 a 10 c 11 e 12 c 13 c 14 d 15 d 16 b
Questão Resposta 1 e 2 c 3 a 4 a 5 d 6 d 7 d 8 b 9 a 10 c 11 e 12 c 13 c 14 d 15 d 16 b MAT2457 - Álgebra Linear para Engenharia I Prova 1-10/04/2013 Nome: NUSP: Professor: Turma: INSTRUÇÕES (1) A prova
Em matemática definimos e estudamos conjuntos de números, pontos, retas curvas, funções etc.
INTRODUÇÃO Curso de Geometria Analítica Abrangência: Graduação em Engenharia e Matemática Professor Responsável: Anastassios H. Kambourakis Resumo Teórico 02 - Introdução, Plano Cartesiano, Pontos e Retas
Resolução de Sistemas Lineares. Ana Paula
Resolução de Sistemas Lineares Sumário 1 Introdução 2 Alguns Conceitos de Álgebra Linear 3 Sistemas Lineares 4 Métodos Computacionais 5 Sistemas Triangulares 6 Revisão Introdução Introdução Introdução
Cálculo Numérico. Santos Alberto Enriquez-Remigio FAMAT-UFU 2015
Cálculo Numérico Santos Alberto Enriquez-Remigio FAMAT-UFU 2015 1 Capítulo 1 Solução numérica de equações não-lineares 1.1 Introdução Lembremos que todo problema matemático pode ser expresso na forma de
Curso de CG 2018/2 IC / UFF
http://computacaografica.ic.uff.br/conteudocap2.html Curso de CG 2018/2 IC / UFF Transformações Geométricas no Plano e no Espaço Esse material estáno Site do curso como : CG-Aula5-2017.pdf CG-Aula8-2016.pdf
Lucia Catabriga e Andréa Maria Pedrosa Valli
1-35 Lucia Catabriga e Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-35
Unidade 4 - Matrizes elementares, resolução de sistemas. A. Hefez e C. S. Fernandez Resumo elaborado por Paulo Sousa. 10 de agosto de 2013
MA33 - Introdução à Álgebra Linear Unidade 4 - Matrizes elementares, resolução de sistemas A Hefez e C S Fernandez Resumo elaborado por Paulo Sousa PROFMAT - SBM 10 de agosto de 2013 Nesta unidade, veremos
ficha 5 transformações lineares
Exercícios de Álgebra Linear ficha 5 transformações lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12 5 Notação
Cálculo Numérico Ponto Fixo
Cálculo Numérico Ponto Fixo Método do Ponto Fixo (MPF) Dada uma função f(x) contínua no intervalo [a,b] onde existe uma raiz única, f(x) = 0, é possível transformar tal equação em uma equação equivalente
MATRIZES VETORES E GEOMETRIA. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais
MATRIZES VETORES E GEOMETRIA ANALÍTICA Departamento de Matemática-ICEx Universidade Federal de Minas Gerais http://www.mat.ufmg.br/~regi Março 2002 Matrizes Vetores e Geometria Anaĺıtica Copyright c 2002
Introdução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo específico Sistemas de Equações Lineares. Métodos Iterativos
Capítulo 6: Transformações Lineares e Matrizes
6 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 6: Transformações Lineares e Matrizes Sumário 1 Matriz de uma Transformação Linear....... 151 2 Operações
A GEOMETRIA DINÂMICA COMO FERRAMENTA DE ESTUDO NA TEORIA DOS ESPAÇOS NORMADOS
A GEOMETRIA DINÂMICA COMO FERRAMENTA DE ESTUDO NA TEORIA DOS ESPAÇOS NORMADOS Josué Ervin Musial José Carlos Cifuentes UFPR - Universidade Federal do Paraná, Departamento de Matemática ajmusial@gmail.com,
LUCAS PALMA SILVA MÉTODO DE NEWTON E BACIAS DE
LUCAS PALMA SILVA MÉTODO DE NEWTON E BACIAS DE CONVERGÊNCIA Curitiba 014 LUCAS PALMA SILVA MÉTODO DE NEWTON E BACIAS DE CONVERGÊNCIA Trabalho de Conclusão do Curso de Matemática Industrial da Universidade
Processamento de Imagens CPS755
Processamento de Imagens CPS755 aula 08 - calibração de câmera Antonio Oliveira Ricardo Marroquim 1 / 40 laboratório de processamento de imagens tópicos homografia 3D 2D distorção propriedades do centro
Curva de Koch: Uma abordagem para o Ensino Médio
Curva de Koch: Uma abordagem para o Ensino Médio Luana Leal 19.dez.2016 1 Fundamentação Teórica Cada vez mais a educação está ocupando espaço no que diz respeito ao que é essencial na formação das pessoas,
Cálculo Numérico. Zeros de funções reais
Cálculo Numérico Zeros de funções reais Agenda Introdução Isolamento de raízes Refinamento Bissecção Posição Falsa Método do ponto fixo (MPF) Método de Newton-Raphson Método da secante Introdução Um número
2 Conceitos Básicos da Geometria Diferencial Afim
2 Conceitos Básicos da Geometria Diferencial Afim Antes de iniciarmos o estudo das desigualdades isoperimétricas para curvas convexas, vamos rever alguns conceitos e resultados da Geometria Diferencial
APLICAÇÃO DO TEOREMA DO PONTO FIXO DE BANACH A UM PROBLEMA EM PROBABILIDADE 1
Disciplinarum Scientia. Série: Ciências Exatas, S. Maria, v.2, n.1, p.59-68, 2001 59 APLICAÇÃO DO TEOREMA DO PONTO FIXO DE BANACH A UM PROBLEMA EM PROBABILIDADE 1 APPLICATION OF BANACH FIXED POINT THEOREM
Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá. 21 de outubro de 2011
APLICAÇÕES DA DIAGONALIZAÇÃO Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá IEFF-ITA 21 de outubro de 2011 Roteiro 1 2 3 Roteiro 1 2 3 Introdução Considere a equação de uma cônica: Forma Geral Ax 2 + Bxy
Unidade 14 - Operadores lineares e mudança de base nos espaços euclidianos bi e tri-dimensionais
MA33 - Introdução à Álgebra Linear Unidade 14 - Operadores lineares e mudança de base nos espaços euclidianos bi e tri-dimensionais A. Hefez e C. S. Fernandez Resumo elaborado por Paulo Sousa PROFMAT -
Um modelo estocástico para o fluxo de caixa de um plano de previdência de um indivíduo 15
2 Simulação estocástica A simulação computacional consiste em empregar técnicas matemáticas em computadores com o propósito de gerar ensaios que tentam reproduzir de maneira análoga um processo ou operação
MAT ÁLGEBRA LINEAR PARA ENGENHARIA II 1 a Lista de Exercícios - 2 o semestre de 2006
MAT 2458 - ÁLGEBRA LINEAR PARA ENGENHARIA II 1 a Lista de Exercícios - 2 o semestre de 2006 1. Sejam u = (x 1, x 2 ) e v = (y 1, y 2 ) vetores de R 2. Para que valores de t R a funcão u, v = x 1 y 1 +
Agenda do Dia Aula 14 (19/10/15) Sistemas Lineares: Introdução Classificação
Agenda do Dia Aula 14 (19/10/15) Sistemas Lineares: Introdução Classificação Sistemas Lineares Sistemas lineares são sistemas de equações com m equações e n incógnitas formados por equações lineares. Um
5.1 Visualização da curva silhueta em R 4 Alguns exemplos de superfícies em R 4
5 Aplicações Neste capítulo apresentaremos algumas aplicações da curva silhueta. A primeira é auxiliar na visualização de superfícies em R 4. A silhueta destaca importantes curvas na superfície e identifica
ÁLGEBRA LINEAR I - MAT0032
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT32 12 a Lista de exercícios
Probabilidades. Wagner H. Bonat Elias T. Krainski Fernando P. Mayer
Probabilidades Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 06/03/2018 WB, EK, FM ( LEG/DEST/UFPR
étodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
Marcelo M. Santos DM-IMECC-UNICAMP msantos/
Universidade Estadual de Maringá - Departamento de Matemática Cálculo Diferencial e Integral: um KIT de Sobrevivência 0 anos c Publicação Eletrônica do KIT http://www.dma.uem.br/kit Identificação de Cônicas
CM005 Álgebra Linear Lista 3
CM005 Álgebra Linear Lista 3 Alberto Ramos Seja T : V V uma transformação linear. Se temos que T v = λv, v 0, para λ K. Dizemos que λ é um autovalor de T e v autovetor de T associado a λ. Observe que λ
CURVAS REGULARES E EQUAÇÕES DE FRENET. Thiago Mariano Viana ¹, Dr. Fernando Pereira Souza ²
1 CURVAS REGULARES E EQUAÇÕES DE FRENET Thiago Mariano Viana ¹, Dr. Fernando Pereira Souza ² ¹ Aluno do curso de Matemática CPTL/UFMS, bolsista do grupo PET Matemática CPTL/UFMS; ² Professor do curso de
Algoritmos geométricos
Algoritmos geométricos introdução a conceitos básicos de geometria computacional que serão abordados de forma mais avançada na disciplina Computação Gráfica disciplina de computação gráfica arquitetura
fractais Os fractais naturais e matemáticos podem ser extremamente bonitos, e uma das coisas extraordinárias sobre a aprendizagem dos fractais é descobrir que a ciência, matemática e arte estão intimamente
Andréa Maria Pedrosa Valli
Interpolação Polinomial Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-32
Material Teórico - Sistemas Lineares e Geometria Anaĺıtica. Sistemas com três variáveis - Parte 1. Terceiro Ano do Ensino Médio
Material Teórico - Sistemas Lineares e Geometria Anaĺıtica Sistemas com três variáveis - Parte 1 Terceiro Ano do Ensino Médio Autor: Prof Fabrício Siqueira Benevides Revisor: Prof Antonio Caminha M Neto
Cálculo Numérico BCC760 Raízes de equações algébricas e transcendentes
Cálculo Numérico BCC760 Raízes de equações algébricas e transcendentes Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ Introdução Dada uma função y = f(x), o objetivo deste
CAPÍTULO 13 (G F )(X) = X, X A (F G)(Y ) = Y, Y B. F G = I da e G F = I db,
CAPÍTULO 3 TEOREMA DA FUNÇÃO INVERSA 3 Introdução A função identidade em R n é a função que a cada elemento de R n associa o próprio elemento ie I d : R n R n X x x n I d X X x x n A função identidade
Análise Vetorial. Capítulo Sejam os dois segmentos de reta AB e CD, com AB = B A tal que:
Capítulo 1 Análise etorial 1.1 ejam os dois segmentos de reta AB e CD, com AB = B A e CD = D C, tal que: AB = î 2ĵ ˆk CD = 3î 6ĵ 3ˆk Para verificar que AB e CD são paralelos basta verificar que AB CD =
Lista de Exercícios de Métodos Numéricos
Lista de Exercícios de Métodos Numéricos 1 de outubro de 010 Para todos os algoritmos abaixo assumir n = 0, 1,, 3... Bisseção: Algoritmo:x n = a+b Se f(a) f(x n ) < 0 então b = x n senão a = x n Parada:
Álgebra Linear /2 Turma EM1 (unificada)
Álgebra Linear 2 2013/2 Turma EM1 (unificada) Planejamento preliminar (última revisão: 3/4/2013) Os exercícios correspondentes a cada aula serão discutidos na aula seguinte e não valem nota Este planejamento
Coordenadas Homogêneas no Plano e no Espaço
http://computacaografica.ic.uff.br/conteudocap2.html Curso de CG 2019/1 IC / UFF Coordenadas Homogêneas no Plano e no Espaço (AB) T = B T A T Esse material estáno Livro do curso no cap 2. Resumindo transformações
INSTITUTO DE MATEMÁTICA - UFRJ DEPARTAMENTO DE MATEMÁTICA APLICADA CÁLCULO VETORIAL E GEOMETRIA ANALÍTICA Professor Felipe Acker parte 1 - o plano
1 INSTITUTO DE MATEMÁTICA - UFRJ DEPARTAMENTO DE MATEMÁTICA APLICADA CÁLCULO VETORIAL E GEOMETRIA ANALÍTICA Professor Felipe Acker parte 1 - o plano Exercícios - números complexos e o Teorema Fundamental
Dependência linear e bases
Dependência linear e bases Sadao Massago 2014 Sumário 1 Dependência linear 1 2 ases e coordenadas 3 3 Matriz mudança de base 5 Neste texto, introduziremos o que é uma base do plano ou do espaço 1 Dependência
PARECER DOS RECURSOS
Associação Catarinense das Fundações Educacionais ACAFE PROCESSO SELETIVO ADMISSÃO DE PROFESSORES EM CARÁTER TEMPORÁRIO EDITAL Nº 15/ 2012/ SED PARECER DOS RECURSOS CARGO: Professor de Matemática 11) São
Prova Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - 12o Ano 2008-1 a Fase Proposta de resolução GRUPO I 1. Como se pretende ordenar 5 elementos amigos) em 5 posições lugares), existem 5 A 5 = P 5 = 5! casos possíveis. Como
SME306 - Métodos Numéricos e Computacionais II Prof. Murilo F. Tomé. (α 1)z + 88 ]
SME306 - Métodos Numéricos e Computacionais II Prof. Murilo F. Tomé 1 o sem/2016 Nome: 1 a Prova - 07/10/2016 Apresentar todos os cálculos - casas decimais 1. Considere a família de funções da forma onde
Aula 7 - Representação e Descrição de Estruturas Bi-dimensionais. Prof. Adilson Gonzaga
Aula 7 - Representação e Descrição de Estruturas Bi-dimensionais Prof. Adilson Gonzaga 1 Introdução Objetos ou Segmentos são representados como uma coleção de pixels em uma imagem. Para o reconhecimento
. (1) Se S é o espaço vetorial gerado pelos vetores 1 e,0,1
QUESTÕES ANPEC ÁLGEBRA LINEAR QUESTÃO 0 Assinale V (verdadeiro) ou F (falso): (0) Os vetores (,, ) (,,) e (, 0,) formam uma base de,, o espaço vetorial gerado por,, e,, passa pela origem na direção de,,
1. Conhecendo-se somente os produtos AB e AC, calcule A = X 2 = 2X. 3. Mostre que se A e B são matrizes que comutam com a matriz M = 1 0
Lista de exercícios. AL. 1 sem. 2015 Prof. Fabiano Borges da Silva 1 Matrizes Notações: 0 para matriz nula; I para matriz identidade; 1. Conhecendo-se somente os produtos AB e AC calcule A(B + C) B t A
Material Teórico - Módulo de Geometria Anaĺıtica 1. Terceiro Ano - Médio. Autor: Prof. Angelo Papa Neto Revisor: Prof. Antonio Caminha M.
Material Teórico - Módulo de Geometria Anaĺıtica 1 Equação da Reta Terceiro Ano - Médio Autor: Prof Angelo Papa Neto Revisor: Prof Antonio Caminha M Neto 1 Condição de alinhamento de três pontos Consideremos
CONSTRUÇÕES DE CURVAS CONTÍNUAS EM UM SISTEMA DE COORDENADAS DISCRETAS*
CONSTRUÇÕES DE CURVAS CONTÍNUAS EM UM SISTEMA DE COORDENADAS DISCRETAS* NILTON CEZAR FERREIRA Resumo: neste trabalho é apresentada uma definição para sistemas de coordenadas discretas no plano e curvas
Capítulo 2. Retas no plano. 1. Retas verticais e não-verticais. Definição 1
Capítulo 2 Retas no plano O objetivo desta aula é determinar a equação algébrica que representa uma reta no plano. Para isso, vamos analisar separadamente dois tipos de reta: reta vertical e reta não-vertical.