Problema geral de interpolação

Tamanho: px
Começar a partir da página:

Download "Problema geral de interpolação"

Transcrição

1 Problema geral de terpolação Ecotrar p() que verfque as codções: f j ( ) y,,,,,, j,,, m ( j) ( ) dervada de ordem j ós valores odas Eemplo: ecotrar p() que verfque:, f () 4 3, f( 3) 3, f'(3) 4 3 p() 3 se todos os m = (ão há formação de dervadas) se m, m todos guas Iterpolação de Lagrage Iterpolação de Hermte o caso cotráro Iterpolação de Brkhoff Matemátca Computacoal, MEMec, LEAN, MEAer

2 Defções Norma do mámo (ou orma do fto): f ( ) ma f ( ) [ a, b] f ( ) f() f ( ) a f() b f( ) a f() f() b a b Polómo: combação lear de moómos p( ) a a a a o Cálculo com úmero fto de operações elemetares (+,,, /) grau do polómo, deg ( ) ma, p a Matemátca Computacoal, MEMec, LEAN, MEAer

3 Forma de potêcas smples p( ) a aa a... a 3 3 Eemplo: p ( ) grau 3; a ; a 3; a 5; a Cálculo de p() para =: p () flops (9 operações em FP) É possível reduzr o úmeros de operações: algortmo de Horer p ( ) p () flops 3 (6 operações em FP) algortmo de Horer: para grau flops Matemátca Computacoal, MEMec, LEAN, MEAer

4 Forma de potêcas cetradas p( ) a a ( c) a ( c) a ( c )... a ( c) 3 3 cetro Eemplo: p ( ) 4( ) 3( ) Forma de potêcas cetradas com c = grau ; ; 4; 3 a a a p ( ) 4 4 3( ) p ( ) p ( ) 33 Forma de potêcas smples grau ; a 3; a ; a 3 Os coefcetes (a ) da forma de potêcas smples são dferetes dos coefcetes (a ) da forma de potêcas cetradas ecepto o coefcete de maor grau (a ) que é gual Matemátca Computacoal, MEMec, LEAN, MEAer

5 Forma de Newto p( ) a a ( c ) a ( c )( c ) a ( c )( c )( c )... a ( c )( c )...( c ) 3 3 Eemplo: p ( ) 3( 4) 7( 4)( Forma de Newto com c = 4 e c = ) grau ; a ; a 3; a 7 Cálculo de p() para =: 5 8 flops p () 3 ( 4) 7 ( 4) ( ) 5 3 (8 operações em FP) Algortmo de Horer com cetros p ( ) 7( 4)( ) 3( 4) p () flops (6 operações em FP) algortmo de Horer: para grau 3 flops Matemátca Computacoal, MEMec, LEAN, MEAer

6 Algortmo de Horer com cetros p( ) a a c a c c a c c c 3 3 p ( ) a c a c a c a 3 3 y y y y Algortmo: y a Para até fazer Fm do cclo p ( ) y yy c a Matemátca Computacoal, MEMec, LEAN, MEAer

7 Teoremas Teorema de Weerstrass: tervalo fto, f ( ) C( ), p: f ( ) p ( ) ou seja, para qualquer fução cotíua este um polómo tão prómo quato se quera Teorema: Se z, z,, z k forem zeros dsttos do polómo p() etão p( ) ( z ) ( z ) ( z ) r( ) Se o grau de p() for etão o grau de r() será k k Eemplo: 3 p ( ) tem raz z pelo que, p ( ) ( ) r ( ) ( ) (3 5 ) grau 3 grau Teorema da ucdade: p() e q() (de grau ) terpolam os potos (,y ), (,y ),, (,y ), etão p() q() =, ou seja p() = q() ou seja, o polómo de grau que terpola os potos (,y ), (,y ),, (,y ) é úco Matemátca Computacoal, MEMec, LEAN, MEAer

8 Teoremas Defção: Dz se que z é um zero de multplcdade m se pz p z p z p z p z ( m) ( m) (), '(), ''(),, (), () Se m= o zero dz se smples, se m= o zero dz se duplo, etc. Teorema: Se z, z,, z k etão forem respectvamete zeros de multplcdade m, m,, m k p z z z r m m m ( ) ( ) ( ) ( ) k ( ) k Se o grau de p() for etão o grau de r() será (m + m + + m k ) Teorema da ucdade: p() e q() (de grau ) verfcam as segutes codções (+ codções para os k+ potos): f y f y f y j m k I I ( j) ( j) ( ), ( ),..., ( ),,...,,,,...,, etão p() q() =, ou seja p() = q() k ou seja, o polómo de grau que terpola as + codções dcadas é úco Matemátca Computacoal, MEMec, LEAN, MEAer m ( + codções)

9 Método de Vadermode Eemplo: Obter polómo que passa os potos (, ), (, 4) e (4, ) y 4 4 (, y ) (,) (, y ) (,4) (, y ) (4,) y p() 4 Temos 3 codções, ou seja, o polómo tem de passar em 3 potos permte os determar 3 cógtas Polómo (de meor grau, completo) a determar: p( ) a a a a, a e a são as cógtas a determar Matemátca Computacoal, MEMec, LEAN, MEAer

10 Método de Vadermode (, y ) (, ), (, y ) (, 4), (, y ) ( 4,) p( ) a a a Impodo as codções resulta: p ( ) y p ( ) y p ( ) y a a a ( ) y a a a y a a a y ( ) ( ) p() p() 4 p(4) a a a a a a a a a a aa a a4a 4 a 4a6a que se pode escrever a forma matrcal ( ) a y ( ) a y ( ) a y a 4 a a resolução a a 5 a Verfcação: p() 5 p() 5 4 p( ) OK OK OK resultado: p( ) 5 Matemátca Computacoal, MEMec, LEAN, MEAer

11 Método de Vadermode A matrz que se obtêm por este método desga se por matrz de Vadermode ( ) ( ) ( ) Com o aumeto do valor de, a matrz de Vadermode tora se cada vez mas mal codcoada 3 ( ) ( ) ( ) 3 ( ) ( ) ( ) 3 ( ) ( ) ( ) 3 ( ) ( ) ( ) O sstema de equações a resolver possu uma matrz chea resolução do sstema com úmero de operações da ordem de 3 flops Matemátca Computacoal, MEMec, LEAN, MEAer

12 Formula de Lagrage Ecotrar p() que verfque as codções: p( ) y, p( ) y Polómos de Lagrage: L ( ) ( ) ( ) L ( ) ( ) ( ) y y p() y L () y L () Propredade: Lk( ) se k Lk( ) k Lk( ) se k L () L () Polómo terpolador: p ( ) y ( ) ( ) y ( ) ( ) y L ( ) y L ( ) Matemátca Computacoal, MEMec, LEAN, MEAer

13 Formula de Lagrage Ecotrar p() que verfque as codções: p( ) y, p( ) y, p( ) y Polómos de Lagrage: ( )( ) L ( ) ( )( ) ( )( ) L ( ) ( )( ) L ( ) ( )( ) ( )( ) y y y y L () y L () p() y L () Propredade: Lk( ) k Lk( ) se k Lk( ) se k L L () () L () Polómo terpolador: p( ) y y ( )( ) ( )( ) y ( )( ) ( )( ) ( )( ) ( )( ) y L ( ) y L ( ) y L ( ) Matemátca Computacoal, MEMec, LEAN, MEAer

14 Formula de Lagrage Ecotrar p() que verfque as codções: p( ) y, p( ) y,..., p( ) y Polómos de Lagrage: L ( ) k ( )... ( )( )... ( ) k k ( )... ( )( )... ( ) k k k k k k L ( ) k k k ( ) ( ) k Propredade: Lk( ) se k Lk( ) k Lk( ) se k Polómo terpolador: p( ) y L ( ) y L ( )... y L ( ) p( ) y L ( ) k k k Matemátca Computacoal, MEMec, LEAN, MEAer

15 Método de Vadermode (, ), (, ), (, ),..., (, ) y y y y p( ) a aa a... a 3 3 O cálculo dos coefcetes a resulta a resolução dum sstema de equações p( ) a a a ( )... a ( ) y p( ) a a a ( )... a ( ) y p( ) a a a ( )... a ( ) y... p a a a a y ( ) ( )... ( ) que se pode escrever a forma matrcal ( ) ( ) ( ) a y 3 3 ( ) ( ) ( ) a y 3 ( ) ( ) ( ) a y 3 ( ) ( ) ( ) a y Nota: Com o aumeto do valor de, a matrz de Vadermode tora se cada vez mas mal codcoada Sstema com matrz chea resolução com úmero de operações da ordem de 3 Matemátca Computacoal, MEMec, LEAN, MEAer

16 (, ), (, ), (, ),..., (, ) y y y y Forma de Newto p( ) a a ( ) a ( )( ) a ( )( )( )... 3 W ( ) W ( ) W ( )... a ( )( )( )...( ) W ( ) W k () desga se por polómo odal W 4 () W ( ) ( )( )( )...( ) k k 3 4 Nota: W k () tem grau k+ Matemátca Computacoal, MEMec, LEAN, MEAer

17 (, ), (, ), (, ),..., (, ) y y y y Forma de Newto p( ) a a ( ) a ( )( ) a ( )( )( )... 3 W ( ) W ( ) W ( )... a ( )( )( )...( ) W ( ) O cálculo dos coefcetes a resulta a resolução dum sstema de equações p( ) a a ( ) a( )( )... a( )( )( )...( ) y p( ) a a ( ) a ( )( )... a ( )( )( )...( ) y p( ) a a ( ) a ( )( )... a ( )( )( )...( ) y... p( ) a a ( ) a ( )( )... a ( )( )( )... ( ) y Matemátca Computacoal, MEMec, LEAN, MEAer

18 p( ) a y p( ) a a ( ) y p( ) a a ( ) a ( )( ) y Forma de Newto Ou seja, resulta a resolução do sstema de equações... p( ) a a ( ) a ( )( )... a ( )( )( )... ( ) y que se pode escrever a forma matrcal a y ( ) a y ( ) ( )( ) a y ( ) ( )( ) ( )( )...( ) a y Sstema tragular feror resolução com úmero de operações da ordem de Matemátca Computacoal, MEMec, LEAN, MEAer

19 Forma de Newto a y ( ) a y ( ) ( )( ) a y ( ) ( )( ) ( )( )...( ) a y Resolução do sstema tragular feror substução descedete Lha : a y a y[ ] y dfereça dvdda de ordem Lha : a a ( ) y y y y a a( ) y a y[, ] y [ ] y [ ] dfereça dvdda de ordem Matemátca Computacoal, MEMec, LEAN, MEAer

20 Forma de Newto a y ( ) a y ( ) ( )( ) a y ( ) ( )( ) ( )( )...( ) a y Resolução do sstema tragular feror substução descedete Lha 3: a a( ) a( )( ) y y y y ( ) ( )( ) a y y yy ( ) ( )( ) a y a ( y y)( ) ( yy)( ) ( )( ) Matemátca Computacoal, MEMec, LEAN, MEAer

21 Forma de Newto a ( yy)( ) ( yy)( ) ( )( ) a ( y y) ( ) ( yy)( ) ( y y) ( ) ( )( ) a ( y y )( ) ( y y )( ) y y y y a ( )( ) a y[,, ] y [, ] y [, ] dfereça dvdda de ordem Matemátca Computacoal, MEMec, LEAN, MEAer

22 Geeralzado Forma de Newto Lha : a a( ) a( )( )... a ( )( )...( ) y y y y y y y y ( ) ( )( ) a ( )( )...( ) y Desevolvedo é possível coclur que o coefcete a é a dfereça dvdda de ordem ordem y [,..., ] y [,..., ] a y[,,..., ] dfereça dvdda de ordem, calculada recorredo a dfereças dvddas de ordem ordem Matemátca Computacoal, MEMec, LEAN, MEAer

23 Forma de Newto As dfereças dvddas podem ser obtdas por recorrêca através de y [ ] y ordem y [,,..., ] k y [,..., k] y [,..., k ] k Para se obter as dfereças dvddas é usual costrur uma tabela de dfereças dvddas y[ ] y y [ ] y [ ] y [, ] y [, ] y [, ] y[ ] y y[,, ] y [,,, 3] y [ ] y [ ] y [, ] y [,, 3] y [,, ] 3 y [, 3] y [, ] y[ ] y y[,, 3] 3 y [ 3] y [ ] y [, 3] 3 y[ ] y Matemátca Computacoal, MEMec, LEAN, MEAer

24 Forma de Newto p( ) a a( ) a( )( ) a3( )( )( )... W ( ) W ( ) W ( ) poto grau p ( ) a (, y ) codção: p( ) y a y y[ ] y p () p y[ ] Matemátca Computacoal, MEMec, LEAN, MEAer

25 potos grau (, y ), (, y ) Forma de Newto p ( ) a a( ) W ( ) codções: p ( ) y a a( ) y a y y[ ] p ( ) p ( ) a ( ) y [ ] p ( ) y p ( ) a ( ) y y y y y [ ] y [ ] a y[, ] p ( ) p ( ) y[, ]( ) p () y y[ ] y y [ ] y y [, ] y [ ] y [ ] y p () Matemátca Computacoal, MEMec, LEAN, MEAer

26 Forma de Newto 3 potos grau (, y ), (, y ), (, y ) p ( ) a a( ) a( )( ) W ( ) W ( ) codções: p ( ) y a a( ) a( )( ) y a y y[ ] p ( ) y a a ( ) a( )( ) y y y y a y[, ] p ( ) p ( ) a ( )( ) y [ ] y [, ]( ) Matemátca Computacoal, MEMec, LEAN, MEAer

27 3 potos grau (, y ), (, y ), (, y ) codções: p ( ) y p ( ) a ( )( ) y y[ ] y y [ ] y [ ] y [, ] Forma de Newto y [,, ] y[ ] y y [, ] y [, ] y [ ] y[ ] y [, ] y[ ] y p ( ) p ( ) a ( )( ) y [ ] y [, ]( ) y y y y y[, ] y[, ]... a y[,, ] y y y ( ) a ( )( ) y p ( ) p ( ) y[,, ]( )( ) y y y p () p () Matemátca Computacoal, MEMec, LEAN, MEAer

28 Forma de Newto Geeralzado + potos grau (, y ),(, y ),...,(, y ) p ( ) a a ( )... a ( )( )...( ) p ( ) W ( ) p( ) p ( ) a( )( )...( ) W ( ) o coefcete a é a dfereça dvdda de ordem ordem y [,..., ] y [,..., ] a y[,,..., ] dfereça dvdda de ordem, calculada recorredo a dfereças dvddas de ordem ordem Matemátca Computacoal, MEMec, LEAN, MEAer

29 Forma de Newto Geeralzado + potos grau (, y ),(, y ),...,(, y ) p( ) a a ( )... a ( )( )...( ) p ( ) W ( ) y[ ] y y [ ] y [ ] y [, ] y [, ] y [, ] y[ ] y y[,, ] y[ ] y y[ ] y y [ ] y [ ] y [, ] y 3 y 3 y [ 3] y [ ] y [, 3] 3 p( ) p ( ) a( )( )...( ) y [, 3] y[, ] y [,, 3] 3 W ( ) y [,,, ] [,, ] [,, ] Matemátca Computacoal, MEMec, LEAN, MEAer

30 Forma de Newto p( ) a a( ) a( )( ) a3( )( )( )... W ( ) W ( ) W ( ) Dspodo duma terpolação p () um cojuto de potos, se pretedermos adcoar mas um poto à terpolação, o ovo termo de ordem que se adcoa à epressão é um termo que se aula em todos os ós calmete estetes. Etão, o ovo polómo (que terpola os + potos) correspode a adcoar um ovo termo ao polómo aterormete estete, p () Eemplo: polómo que terpola os potos (,y )=(,), (,y )=(3,), (,y )=(5,) é: p ( ) a a( ) a( )( ) ( ) *( )( 3) W ( ) W ( ) Matemátca Computacoal, MEMec, LEAN, MEAer

31 Forma de Newto Se pretedermos adcoar à lsta o poto ( 3,y 3 )=(6,) resulta: p ( ) a a ( ) a ( )( ) a 3 3 W ( ) W ( ) W ( ) a a( ) a ( )( 3) a3 ( )( 3)( 5) W ( ) W( ) W( ) p ( ) O termo W ()=( )( 3)( 5) aula se em todos os ós calmete estetes, = =, = =3, = =5, pelo que para o polómo p 3 () terpolar estes ós, os coefcetes a, a e a defdos aterormete matêm se guas, bastado determar o ovo coefcete a 3 p3( ) a a( ) a ( )( 3) a3( )( 3)( 5) W ( ) W ( ) W ( ) ( )( )( ) ( ) *( )( 3) a3( )( 3)( 5) p( ) a3 ( )( 3) ( 5) W ( ) W ( ) p ( 3 ) p ( ) a3 ( )( 3) ( 5) W ( ) Matemátca Computacoal, MEMec, LEAN, MEAer

32 Iterpolação Iversa ós valores odas y = f( ) y = f( ) y = f( ) ou seja, y f( ) p ( ) Se f ( ) possur versa (em ter(,,..., )) etão podemos escrever, gy ( ) p( y) ós valores odas y = g(y ) y = g(y ) y = g(y ) ou seja, trocamos o papel de com o de y f ( y) Iterpolação versa Matemátca Computacoal, MEMec, LEAN, MEAer

33 Iterpolação Iversa Se pretedermos determar a solução da equação y f( ), ou seja se pretedermos ecotrar o poto z tal que f( z), etão podemos estmar a solução z calculado py ( ) gy ( ) e tomar para estmatva da solução o valor z p( y) g( y) z y p( y) g( y) y f() y y z z y y y y Matemátca Computacoal, MEMec, LEAN, MEAer

34 Teoremas Teorema: k ( k) f ( ) C( ),,,..., k (ós dsttos), : f [,,..., k ] f ( ) k! Demostração: cosdere se a fução, E k () = f() p k (), ode p k é o polómo de grau k que terpola os k+ ós dsttos,,,, k. A fução E ( ) possu (pelo meos) k zeros o tervalo, k a dervada E' ( ) possu k zeros em, a seguda dervada k possu k zeros e assm sucessvamete. A dervada de ordem k possu um zero o tervalo. Desgado por esse zero resulta, p() f() ( k) ( k) ( k) ( k) ( k) Ek ( ) f ( ) pk ( ) pelo que f ( ) p k ( ) ( ) Atededo que p k ( ) ka! ky! [,,... ] k k k E() 3 ( k) resulta f ( ) k! y[,,..., k ] Notar que para k=, o teorema correspode ao teorema do valor termédo. Matemátca Computacoal, MEMec, LEAN, MEAer

35 Teorema: Teoremas f ( ) C ( ), p( ) (de grau ) que terpola,,..., (ós dsttos) ( ), : E( ) f( ) p( ) f ( ) W( ) ( )! Demostração:, p ( ) terpola os ós,,...,, p ( ) p( ) f [,,...,, ] W( ) f( ) p ( ), porque é ó de terpolação de p ( ) f( ) p ( ) p ( ) f[,,...,, ] W ( ) E ( ) f( ) p ( ) p ( ) p ( ) f[,,...,, ] W ( ) Tedo em ateção o teorema ateror ( ) E( ) f[,,...,, ] W( ) f ( ) W( ) ( )! E f W ( )! ( ) Como é um poto qualquer do tervalo resulta, ( ) ( ) ( ) Matemátca Computacoal, MEMec, LEAN, MEAer

36 Teoremas E f W ( )! ( ) ( ) ( ) ( ), ter(,,... ) W 4 () Majorado, E f W ( )! ( ) ( ) ( ) ( ) 3 4 Prova se que,! W( ) h, h mah ma 4,..., h é o espaçameto mámo dos ós pelo que, h ( ) ( ) f ( ) E 4( ) Matemátca Computacoal, MEMec, LEAN, MEAer

37 Rgdez dos polómos Questão: Será que quado, E ( ) f( ) p ( )? Resposta:???? f ( ) s ep( ) =4 =7 Matemátca Computacoal, MEMec, LEAN, MEAer

38 Rgdez dos polómos Questão: Será que quado, E ( ) f( ) p ( )? Resposta: Nem sempre Por vezes os polómos desevolvem osclações, que se podem torar mas acetuadas com o aumeto do grau do polómo E: Fução de Ruge f ( ) 5 = =6 Nota: Iterpolações com ós equdstates Matemátca Computacoal, MEMec, LEAN, MEAer

39 Rgdez dos polómos Questão: Será que quado, E ( ) f( ) p ( )? Resposta: Nem sempre Por vezes os polómos desevolvem osclações, que se podem torar mas acetuadas com o aumeto do grau do polómo =8 Não utlzar elevado outras téccas: por eemplo, sples, mímos quadrados, Cotradção com Teo. de Weerstrass? Não. O teorema de Weerstrass ão dz que o polómo (que aproma a fução) é obtdo por terpolação Matemátca Computacoal, MEMec, LEAN, MEAer

40 Nós de Chebyshev Majorate do erro de terpolação, E f W ( )! ( ) ( ) ( ) ( ) majorate do erro da terpolação depede do comportameto da fução depede da posção dos ós Para ós equdstates, W () atge maores valores absolutos juto das etremdades (e meores valores juto do cetro) W 6 () com ós equdstates Idea: poscoar os ós de modo a mmzar o mámo absoluto de W () => Jutar os ós a etremdade (e cosequetemete afastar o cetro) Matemátca Computacoal, MEMec, LEAN, MEAer

41 Nós de Chebyshev Demostra se que o meor valor para W ( ) ocorre se os ós forem poscoados os zeros dos polómos de Chebyshev. W 6 () com ós equdstates W 6 () com ós de Chebyshev Para o tervalo [, ], os zeros dos polómos de Chebyshev são dados por, (k ) k=cos, k,,..., N N Nesta epressão, N represeta o úmero de potos Matemátca Computacoal, MEMec, LEAN, MEAer

42 Nós de Chebyshev Demostra se que, o tervalo [, ], utlzado ós de Chebyshev, W ( ) E f W ( )! ( ) pelo que ( ) ( ) ( ) E( ) ( )! f ( ) Para o tervalo geérco [ a, b] podemos efectuar uma trasformação de coordeadas de [, ] para [ a, b] () + a b ( ) a b Para um tervalo geérco [ ab, ] a epressão do majorate do erro de terpolação utlzado ós de Chebyshev toma a forma E ( ) ( b a) ( )! f ( ) Matemátca Computacoal, MEMec, LEAN, MEAer

43 Nós de Chebyshev E: Fução de Ruge f ( ) 5 Iterpolação com ós de Chebyshev =6 = Matemátca Computacoal, MEMec, LEAN, MEAer

44 Nós equdstates E: Fução de Ruge f ( ) 5 Iterpolação com ós equdstates =6 = Matemátca Computacoal, MEMec, LEAN, MEAer

45 Teorema: Dfereças dvddas cofluetes f C f f k! k ( k) ( ) ( ),,,..., k, : [,,..., k] ( ) k, f[, ] f'( ), ter(, ) f( ) f( o ) tervalo que cotém o, lm f [, ] f [, ] f'( ) df. dvdda cofluete f ''( ) k, f[,, ], ter(,, ) lm f [,, ] f [,, ], f''( ) Assm, caso haja formação das dervadas, podemos serr essa formação a tabela de dfereças dvddas através de dfereças dvddas cofluetes Matemátca Computacoal, MEMec, LEAN, MEAer

46 Iterpolação de Hermte No caso de, em todos os ós, estr formação da fução e da(s) dervada(s) Iterpolação de Hermte Neste(s) caso(s) há formulas específcas para a terpolação,, p L L y L y k ós Teorema: O polómo de grau que os ós dsttos,,..., terpola os,,, valores y, y,..., y e as dervadas y, y,..., y é: ( ) k( ) k k( ) k k k( ) k Nota: L k () são os polómos de Lagrage Para o caso da terpolação de Hermte (fução e prmera dervada) em + ós, o erro assocado à terpolação é: E () f ( ) ( ) f( ) p ( ) W( ), ( )! Matemátca Computacoal, MEMec, LEAN, MEAer

47 Sples Sples: Troços de polómos assegurado uma certa cotudade a trasção dos troços Sple lear Sple lear troços de rectas com cotudade da fução a trasção dos troços equação duma recta cotudade a fução Sple quadrátco troços de parábolas com cotudade da fução e da ª dervada a trasção dos troços S () S () S 3 () Sple cúbco troços de cúbcas com cotudade da fução, da ª dervada e da ª dervada a trasção dos troços troço troço troço 3 h 3 h h 3 h, h ma h,..., Matemátca Computacoal, MEMec, LEAN, MEAer

48 Sple quadrátco Sple quadrátco: Troços de polómos de grau, que se uem de modo cotíuo e com tagete também cotíua cotudade a fução e equação a tagete duma h, h ma h,..., parábola S () S () S 3 () Troços de parábolas Codções a mpor: Iterpolar os potos troço troço troço 3 (=> cotudade a fução) 3 Coudade a dervada h h h 3 (a trasção dos troços) Matemátca Computacoal, MEMec, LEAN, MEAer

49 troço, Sple quadrátco S () S( ) a a a S '( ) a a Reescrevedo a equação da recta a forma de Lagrage, troço, ( ) S m m h h, ( ) S m m h h h, S ( ) m, S'( ) m S ( ) m Eemplo:, S ( ) m, S' ( ) 3 ( ) m S as dervadas à esquerda e à dreta do ó são guas evalemm m é a dervada do sple o ó m tagete com declve m S () S 3 () troço troço 3 3 Ou seja, escrevedo a equação da dervada do sple a forma de Lagrage, garatmos desde logo a cotudade a dervada a trasção etre os troços Matemátca Computacoal, MEMec, LEAN, MEAer

50 Sple quadrátco Desevolvedo a epressão da dervada, podemos reescrevê la a forma de Newto, h, ( ) S m m, ( ) S m m h h h h Prmtvado a epressão, m m S m C ( ) h Impodo a codção do sple passar o poto da esquerda do tervalo S ( ) y,,..., m m m C y h pelo que,, ( ) S m m h h C y m m m S ( ) m m y h, m ( ) m S m h S () y troço Matemátca Computacoal, MEMec, LEAN, MEAer

51 Reescrevedo a epressão ateror, Sple quadrátco m m S ( ) y m,,..., h Nesta epressão os m são cógtas m, m,, m + cógtas Impodo a codção do sple passar o poto da dreta do tervalo S ( ) y,,..., y m m y m y h h h S () troço m m m m y mh h y h y y m m y y h y y m m,,..., h Esta epressão represeta equações Matemátca Computacoal, MEMec, LEAN, MEAer

52 Sple quadrátco Resumdo, a epressão do sple quadrátco é m m S ( ) y m,,..., h ode os m são cógtas + cógtas Para determarmos as cógtas recorremos à codção y y m m equações,,..., h equações a + cógtas ecessáro forecer codção suplemetar forecer o valor de um dos m vulgar forecer m (uma estmatva de f ( )) Resulta o sstema forecer m y y m m,,..., h forecer m y y m m,,..., h Matemátca Computacoal, MEMec, LEAN, MEAer

53 Sple quadrátco O sstema pode ser colocado a forma matrcal (com duas dagoas ão ulas), m y m y y h m y y h m 3 y3 y h3 m y y h m y y h m y y h 3 Matemátca Computacoal, MEMec, LEAN, MEAer

54 Sple cúbco Sple cúbco: Troços de polómos de grau 3, que se uem de modo cotíuo, com tagete cotíua e com curvatura também cotíua cotudade a fução, a tagete e a curvatura S () equação duma cúbca h, h ma h,..., S () S 3 () Troços de cúbcas Codções a mpor: Iterpolar os potos troço troço troço 3 h 3 h h 3 (=> cotudade a fução) Coudade a ª dervada (a trasção dos troços) Coudade a ª dervada (a trasção dos troços) Matemátca Computacoal, MEMec, LEAN, MEAer

55 troço, Sple cúbco S( ) a a a a 3 3 S () S a a a3 3, ( ) 3 S,, ( ) a 6 a Reescrevedo a equação da recta a forma de Lagrage, troço,, ( ) S M M h h,, ( ) S M M h h h,, S ( ) M,,,, S ( ) M S ( ) M Eemplo:,, S ( ) M,, S ( ) M 3,, S ( as ª dervadas à esquerda e à dreta do ó são guas evalemm M é a ª dervada do sple o ó ) M ª dervada com valor M S () S 3 () troço troço 3 3 Ou seja, escrevedo a equação da ª dervada do sple a forma de Lagrage, garatmos desde logo a cotudade a ª dervada a trasção etre os troços Matemátca Computacoal, MEMec, LEAN, MEAer

56 Sple cúbco Prmtvado vezes a epressão,,, ( ) S M M h h, S ( ) M M h h 3 3 S( ) M M 6h 6h O termo + pode ser escrto a forma de Lagrage, 3 3 ( ) 6h 6h S M M c d h h com d c c d ; h h Matemátca Computacoal, MEMec, LEAN, MEAer

57 Impodo as codções de terpolação S( ) y S( ) y,,..., Sple cúbco 3 3 ( ) 6h 6h h h S M M c d M M h ( ) 6h ( 3 M ( 6h pelo que, para o troço, a equação do sple é, h ) ( ) M 6h 6h 3 3 ) 3 c c h h h d d h h h y y y y S () troço cy M h d y M h h 6h 6h 6 h 6 h S ( ) M M y M y M,,..., h 6 Nesta epressão os M são cógtas M, M,, M + cógtas Matemátca Computacoal, MEMec, LEAN, MEAer

58 Sple cúbco Dervado a epressão ateror (epressão do sple) resulta,, ( ) h h h h h 6 h 6 S M M y M y M S M M M M Impodo a cotudade a prmera dervada,, S ( ) S ( ) h, ( ) ( S ( ) ) y y h M M M M h h h 6 S, ( ) y y h h h h 6, ( ) y y h 6 S M M M M h h h, ( ) M h ( ) h M ( ) y y h M M h 6 h S (), S ( ), S ( ) 3 troço troço 3 S 3 () 3 Matemátca Computacoal, MEMec, LEAN, MEAer

59 S, ( ) M pelo que a cotudade a dervada resulta,,, S ( ) S ( ) h ( ) h M Sple cúbco h, ( ) ( S ( ) ) y y h M M M M h h h 6 ( ) y y h M M h 6 h y y h S M M M h, ( ) h 6 h y y h S M M M h, ( ) 6 h y y h h y y M M M M M M h 6 h 6 h h h h h y y y M M y,,..., M h h Esta epressão represeta equações Matemátca Computacoal, MEMec, LEAN, MEAer

60 Resumdo, a epressão do sple cúbco é Sple cúbco 3 3 h h 6h 6h 6 h 6 h S ( ) M M y M y M,,..., ode os M são cógtas + cógtas Para determarmos as cógtas recorremos à codção h h h h y y y y M M M,,..., h h equações equações a + cógtas ecessáro forecer codções suplemetares Matemátca Computacoal, MEMec, LEAN, MEAer

61 Sple cúbco Hpótese : Sple atural Na ausêca de outra formação cosderar,, S ( ) M,, S ( ) M ou seja, o sstema a resolver é M h h h h y y y y M M M,,..., h h M No caso de espaçameto uforme resulta (h = h ; =,,, ) M h h h y y h M y y y y M M M M 4M M 6 M M Matemátca Computacoal, MEMec, LEAN, MEAer h

62 Sple cúbco O sstema pode ser colocado a forma matrcal (sstema trdagoal) y y y 6 h 4 M3 4 M 3 4 M y y y 6 4 M M y y y 6 h M h 4 M y3yy 6 4 M 3 h Matemátca Computacoal, MEMec, LEAN, MEAer

63 Sple cúbco Hpótese : Sple completo Caso as as dervadas as etremdades sejam cohecdas cosderar, ( ) y y h 6 S M M M M h h h,, S ( ) y,, S ( ) y h, ( ) S ( ) M h ( ) y y h, M MM y h h 6 h, ( S ( ) M ) ( ), y y h M M M y h h h 6 h h, y y M M y 3 6 h h h, y y M M y 6 3 h Matemátca Computacoal, MEMec, LEAN, MEAer

64 Sple cúbco ou seja, para sple completo o sstema a resolver é h h y y, M M y 3 6 h h h h h y y y y M M M,,..., h h h h, y y M M y 6 3 h Hpótese 3: sple peródco (cosultar referêcas) Hpótese 3: cotudade da 3ª dervada em e, (cosultar referêcas) Matemátca Computacoal, MEMec, LEAN, MEAer

65 Sples cúbcos Teorema (Holladay): [ ab, ] Nós:,,..., Valores odas: y, y,..., y a b De todas as fuções com cotudade até à seguda dervada ( fc ( )) que terpolam os aterores valores, o sple cúbco atural é a fução que mmza o valor b Jf ( ) f''( ) d e é uma fução úca. a Iterpretação: De todas as curvas terpoladoras com cotudade até à seguda dervada, o sple cúbco atural é a curva mas dreta possível (porque o valor médo da curvatura é mímo) Nota: J(f) é proporcoal à eerga de deformação duma vga elástca Matemátca Computacoal, MEMec, LEAN, MEAer

66 Erros da terpolação por sples cúbcos f S C D f h C f' S' C D f h C h f'' S'' C D f h C 3 h 4 f''' S''' C3 D f h C3 h h hma h hm h Matemátca Computacoal, MEMec, LEAN, MEAer

Capítulo V - Interpolação Polinomial

Capítulo V - Interpolação Polinomial Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

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

Leia mais

Capítulo 3. Interpolação Polinomial

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

Leia mais

José Álvaro Tadeu Ferreira. Cálculo Numérico. Notas de aulas

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

Leia mais

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

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

Leia mais

Apostila de Introdução Aos Métodos Numéricos

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

Leia mais

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

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

Leia mais

Atividades Práticas Supervisionadas (APS)

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

Leia mais

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

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

Leia mais

Difusão entre Dois Compartimentos

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

Leia mais

Métodos tipo quadratura de Gauss

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

Leia mais

Oitava Lista de Exercícios

Oitava Lista de Exercícios Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo

Leia mais

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

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

Leia mais

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

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

Leia mais

Gabarito da Lista de Interpolação e Método dos Mínimos Quadrados

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

Leia mais

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

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

Leia mais

Problemas fundamentais da teoria da aproximação func/onal

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

Leia mais

Como CD = DC CD + DC = 0

Como CD = DC CD + DC = 0 (9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (

Leia mais

1. Revisão Matemática

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

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

Leia mais

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

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

Leia mais

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

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

Leia mais

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA Polômos de Jacob e CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA III--)INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos poderados (MRP),

Leia mais

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito. PMR 40 Mecâca Computacoal Método Implícto No método mplícto as dfereças são tomadas o tempo ao vés de tomá-las o tempo, como o método explícto. O método mplícto ão apreseta restrção em relação ao valor

Leia mais

VI - Integração Numérica

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

Leia mais

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos

Leia mais

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

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

Leia mais

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques FUNÇÕES POLINOMIAIS4 Gl da Costa Marques Fudametos de Matemátca I 4.1 Potecação de epoete atural 4. Fuções polomas de grau 4. Fução polomal do segudo grau ou fução quadrátca 4.4 Aálse do gráfco de uma

Leia mais

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

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

Leia mais

6. MÉTODOS APROXIMADOS DE ANÁLISE DE SISTEMAS CONTÍNUOS

6. MÉTODOS APROXIMADOS DE ANÁLISE DE SISTEMAS CONTÍNUOS 6. ÉOOS APROXAOS ANÁS SSAS CONÍNUOS Nos dos capítulos aterores, estudaram-se métodos exactos de aálse de sstemas dscretos e de sstemas cotíuos. Agora, serão aalsados algus métodos aproxmados da solução

Leia mais

Sumário. Mecânica. Sistemas de partículas

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

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que

Leia mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

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

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

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

Leia mais

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados Eercícos e Cálculo Numérco Iterpolação Polomal e Métoo os Mímos Quaraos Para a ução aa, seja,, 6 e, 9 Costrua polômos e grau, para apromar, 5, e ecotre o valor o erro veraero a cos b c l Use o Teorema

Leia mais

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

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

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

Leia mais

Confiabilidade Estrutural

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

Leia mais

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

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

Leia mais

CAPITULO VII. DERIVAÇÃO E DIFERENCIAÇÃO EM R n. = h 1. , fx 1

CAPITULO VII. DERIVAÇÃO E DIFERENCIAÇÃO EM R n. = h 1. , fx 1 CAPITULO VII DERIVAÇÃO E DIFERENCIAÇÃO EM R Dervadas parcas de fuções reas de varáves reas Sea f ( ) f ( ) uma fução de A R em R e cosdere-se um poto a (a a a ) A Fado a 3 a 3 a cosdere-se a fução parcal

Leia mais

d s F = m dt Trabalho Trabalho

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

Leia mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais

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

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

Leia mais

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

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

Leia mais

Métodos numéricos para solução de equações

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

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

Econometria: 3 - Regressão Múltipla

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

Leia mais

Capítulo 8. Método de Rayleigh-Ritz

Capítulo 8. Método de Rayleigh-Ritz Grupo : Gustavo de Souza Routma; Luís Ferado Hachch de Souza; Ale Pascoal Palombo Capítulo 8. Método de Raylegh-Rtz 8.. Itrodução Nos problemas de apromação por dfereças ftas, para apromar a solução para

Leia mais

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame Questões tpo eame Pá O poto U tem coordeadas (6, 6, 6) e o poto S pertece ao eo Oz, pelo que as suas coordeadas são (,, 6) Um vetor dretor da reta US é, por eemplo, US Determemos as suas coordeadas: US

Leia mais

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o

Leia mais

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha

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

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

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

Leia mais

MEDIDAS DE DISPERSÃO:

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

Leia mais

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

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

Leia mais

Sobre aproximações polinomiais de raízes reais de cúbicas

Sobre aproximações polinomiais de raízes reais de cúbicas Notas de Aula Sobre aproxmações polomas de raízes reas de cúbcas Edgar Rechtschaffe UNIFESO O problema de se obter as raízes de uma equação do tercero grau abrevadamete uma cúbca fo resolvdo o século XVI

Leia mais

Relatório 2ª Atividade Formativa UC ECS

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

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

CAP. IV INTERPOLAÇÃO POLINOMIAL

CAP. IV INTERPOLAÇÃO POLINOMIAL CAP. IV INTERPOLAÇÃO POLINOMIAL INTRODUÇÃO Muts uções são cohecds pes um cojuto to e dscreto de potos de um tervlo [,b]. Eemplo: A tbel segute relco clor especíco d águ e tempertur: tempertur (ºC 5 5 clor

Leia mais

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( ) NÚMEROS COMPLEXOS Forma algébrca e geométrca Um úmero complexo é um úmero da forma a + b, com a e b reas e = 1 (ou, = -1), chamaremos: a parte real; b parte magára; e udade magára. Fxado um sstema de coordeadas

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

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

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete

Leia mais

Forma padrão do modelo de Programação Linear

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

Leia mais

Cap. 5. Testes de Hipóteses

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

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero

Leia mais

Sumário. Mecânica. Sistemas de partículas

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se

Leia mais

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância. Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas

Leia mais

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas. Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado

Leia mais

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

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

Leia mais

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

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

Leia mais

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

Leia mais

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole Teora da Correlação: Probleas relatvos à correlação são aqueles que procura estabelecer quão be ua relação lear ou de outra espéce descreve ou eplca a relação etre duas varáves. Se todos os valores as

Leia mais

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

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

Leia mais

AULA Os 4 espaços fundamentais Complemento ortogonal.

AULA Os 4 espaços fundamentais Complemento ortogonal. Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas

Leia mais

Revisão de Estatística X = X n

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

Leia mais

Organização; Resumo; Apresentação.

Organização; Resumo; Apresentação. Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado

Leia mais

II. Propriedades Termodinâmicas de Soluções

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

Leia mais

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

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores

Leia mais

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

Leia mais

CAP. IV INTERPOLAÇÃO POLINOMIAL

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

Leia mais

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

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

Leia mais

Complexidade Computacional da Determinação da Correspondência entre Imagens

Complexidade Computacional da Determinação da Correspondência entre Imagens Complexdade Computacoal da Determação da Correspodêca etre Images Adraa Karlstroem Laboratóro de Sstemas Embarcados Departameto de Egehara Mecatrôca Escola Poltécca da Uversdade de São Paulo adraa.karlstroem@pol.usp.br

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

CAP. IV INTERPOLAÇÃO POLINOMIAL

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

Leia mais

Cálculo Numérico Lista 02

Cálculo Numérico Lista 02 Cálculo Numérico Lista 02 Professor: Daiel Herique Silva Essa lista abrage iterpolação poliomial e método dos míimos quadrados, e cobre a matéria da seguda prova. Istruções gerais para etrega Nem todos

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

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

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

Leia mais

AULA Espaços Vectoriais Estruturas Algébricas.

AULA Espaços Vectoriais Estruturas Algébricas. Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resolvedo os problemas

Leia mais