ALGORITMO SPLINE LINEAR INTERPOLANTE APLICADO A CONCENTRAÇÃO DE NUTRIENTES NO SOLO.
|
|
- Cláudio Oliveira Estrada
- 5 Há anos
- Visualizações:
Transcrição
1 ALGORITMO SPLINE LINEAR INTERPOLANTE APLICADO A CONCENTRAÇÃO DE NUTRIENTES NO SOLO. João Ferreira de Santanna Filho 1 Eliana Maria Acioli de Abreu 2 RESUMO: Esta pesquisa aborda o funcionamento de uma técnica de interpolação utilizada para determinar funções que descrevam o comportamento da concentração de nutrientes no solo. Para analise dos nutrientes foram coletados solo de seis trincheiras nos pontos de 10cm, 20cm, 30cm e 40cm de profundidade. Para a pesquisa em questão somente um nutriente foi escolhido, o Magnésio(Mg). Foi calculada a media dos valores, para então desenvolver o método da spline linear interpolante que utiliza um sistema de duas variáveis, a primeira variável escolhida foi a profundidade do solo e a segunda variável foi o valor do nutriente nas profundidades em estudo. Posteriormente as funções encontradas foram usadas para determinar o valor do nutrientes em um ponto intermediário entre os pontos coletados. O algoritmo se mostrou adequado para esse tipo de interpolação. PALAVRAS-CHAVE: Interpolação, spline linear interpolante, Nutrientes. ABSTRACT: This paper is about linear spline tecnique used to determine functions that describes de nutrients concentrations in the soil. Six trenches with 10 cm, 20cm,30cm and 40 cm were made to collect soil. To made the interpolation just one micronutrient was selected, the magnesium(mg). First of all we calculated the media of the values to develop the interpolation using the linear spline method, this technic uses two variable system: the soil depth and the nutrients concentration. Later, we use the functions constructed by the algorithm to determine intermediary values between the collected points. Based in the results the algorithm and the method is efficient in this case. KEY WORDS: Interpolation, linear spline interpolantion, Nutrients. 1.INTRODUÇÃO Interpolação é um método que permite construir um novo conjunto de dados a partir de um conjunto discreto de dados pontuais conhecidos. Em engenharia e ciências, comumente temse dados pontuais, obtidos a partir de uma amostragem ou experimento. Através da interpolação pode-se construir uma função ajuste em dados pontuais. Outra aplicação da interpolação é aproximação de funções complexas por funções mais simples. Suponha-se que tenhamos uma função, que seja complexa para avaliar de forma eficiente, podemos então, escolher alguns dados pontuais da função e tentar interpolar estes dados para construir uma função mais simples. Obviamente, quando utilizamos a função mais simples para calcular novos dados, normalmente não se obtém o mesmo resultado da função original, mas dependendo do domínio do problema e do método de interpolação utilizado, o ganho de simplicidade pode compensar o erro (Wikipédia, 2007) 1 Mestre em Ciência da Computação, ICIBE Universidade Federal Rural da Amazônia(UFRA), joão.santanna@ufra.edu.br 2 Engenheira Agrônoma, Doutoranda em Ciências Agrárias, Área de concentração: Agroecossistemas da Amazônia. Universidade Federal Rural da Amazônia(UFRA), Caixa postal 1917, cep , Belém -PA, elbreu@yahoo.com.br
2 Interpolar uma função f(x) consiste em aproximar essa função por uma outra função g(x), escolhida entre uma classes de funções definidas a priori e que satisfaça algumas propriedades( Ruggiero,1996).A função g(x) é usada então em substituição a função f(x). A necessidade de se usar esta substituição surge principalmente quando são conhecidos somente os valores numéricos da função para um conjunto de pontos e é necessário calcular o valor da função em um ponto não tabelado ( Ruggiero,1996). Matematicamente podemos considerar (n+1) pontos distintos : x 0,x 1,...,x n., chamados de nós da interpolação, e os valores de f(x) nesses pontos : f(x 0 ), f(x 1 ),...f(x n ) A interpolação de f(x ) consiste em se obter uma determinada g(x) tal que : g(x 0 ) = f(x 0 ),g(x 1 ) = f(x 1 ), g(x 2 ) = f(x 2 ),..., g(x n ) = f(x n ). Existem varias técnicas de interpolação cada uma com suas considerações e utilidades. Para cada fenômeno é indicado estudar que técnica se adequa melhor a cada caso. Escolhemos trabalhar com a técnica da spline linear interpolante por dois motivos : o primeiro é a simplicidade algorítmica do método, que conduz a códigos mais simples e mais fáceis de construir e demonstrar, o segundo motivo é que analisando os dados obtidos do solo, os valores apresentam um comportamento linear em função da profundidade. Em casos como esse a spline linear consegue valores com um erro estimado muito pequeno sendo indicada com uma das melhores técnicas para fenômenos com comportamento linear, se os valores tabelados tivessem natureza exponencial essa técnica seria inadequada( Ruggiero 1996). A técnica da spline linear interpolante consiste em se definir varias funções S(x) que aproximam de f(x). Ao invés de se aproximar de f(x) usando uma função apenas, a spline linear faz isso usando varias funções, uma para cada subintervalo. Definimos a função spline linear interpolante de f(x), S1(x), nos nós x 0,x 1,...,x n pode ser escrita em cada subintervalo [x i-1, x i ], i= 1,2,..., n como s i (x) = f (x i 1 ) x i x x i x i 1 + f (x i ) x x i 1 x i x i 1, x [x i 1, x i ] A figura 1 mostra um exemplo de uma função spline interpolante que aproxima S(x) a f(x) usando três subintervalos [1,2], [2,5], [5,7]. Figura 1: Exemplo de spline linear interpolante.
3 Em um experimento de campo foram colhidos varias amostras de solo de pastagem nas profundidades de 10, 20, 30 e 40 cm, essas amostras foram processadas afim de se obter o valor dos nutrientes nas quatro profundidades. Caso o pesquisador deseje saber o valor de um nutriente em um ponto intermediário como por exemplo 25 cm e como tal coleta não existe no espaço amostral, utiliza-se então a técnica da interpolação para achar uma função que descreva a concentração de nutrientes no solo em função da determinada profundidade estimando-se o valor no ponto desejado.o Objetivo dessa pesquisa é mostrar a aplicação da técnica da interpolação para achar uma função estimada que se aproxime da função real, que descreva o fenômeno em questão, no nosso caso a distribuição de nutrientes no solo. 2. MATERIAL E MÉTODOS O local de coleta dos dados do experimento fica localizado no campus da Universidade Federal Rural da Amazônia (UFRA), em Belém(PA), em uma área de pastagem. O solo para analise dos nutrientes foram retirados de seis trincheiras, procedendo-se coleta nos pontos de 10cm, 20cm, 30cm e 40cm de profundidade. Para a pesquisa em questão somente um nutriente foi escolhido, o Magnésio(Mg), visto que o objetivo do trabalho é apenas demonstrar o método de aproximação por interpolação e não analisar a distribuição dos nutrientes no solo. A tabela(1) a seguir, mostra os resultados de teores de Mg encontrados nas referidas profundidades. Tabela1: Teores de magnésio(cmol c dm -3 ) em área de pastagem. Profundidade do solo(cm) ,15 4,15 3,6 4,3 3,9 3,2 Profundidade do solo(cm) ,45 4,5 4 3,1 Profundidade do solo(cm) ,45 4,9 5,25 4,05 5,1 4,25 Profundidade do solo(cm) ,4 4,9 5,35 5,25 5,7 4,8 Com os dados da tabela 1, foi calculada a media dos valores, para então desenvolver o método da spline linear interpolante que utiliza um sistema de duas variáveis, a primeira variável escolhida foi a profundidade do solo e a segunda variável foi o valor do nutriente naquela profundidade, gerando a tabela 2. Tabela 2: Valores médios para interpolação Nutriente Profundidade do solo( cm) Magnésio(cmol c dm -3 ) 10 3, , , ,07
4 Como se pode ver analisando os valores nas duas tabelas, o comportamento da distribuição dos nutrientes no solo no caso deste estudo tem comportamento quase linear, nesse caso a técnica da spline linear interpolante uma das técnicas mais adequadas pois tem um erro baixo sempre que aproxima f(x) com características lineares. O próximo passo no estudo foi montar o algoritmo utilizando as equações descritas na seção 4, veja abaixo exemplo da equação utilizada para o primeiro subintervalo. Tabela 3: Primeiro subintervalo de S(x) X 0 X 1 x 10 cm 20 cm S 1 (x) 3,88 4,18 De acordo com a definição e fazendo S 1 (x) temos: s 1 (x) = f (x 0 ) x 1 x x 1 x 0 + f (x 1 ) x x 0 x 1 x 0 20 x s 1 (x) = 3, ,18 x , S 1(x)= 0,03X +3,58, Para todo X [10, 20] O algoritmo que resolve as expressões e determinas as equações interpolantes foi feito em C++ de maneira procedural utilizando as formulas da spline anteriormente discutidas, nesse algoritmo se primou pela simplicidade para facilitar o entendimento do algoritmo por alunos e pesquisadores que não tem sólida base em programação, ele está customizado para trabalhar com quatro pontos de interpolação gerando três subintervalos, mas nada impede que ele seja modificado para trabalhar com problemas com maior numero de pontos. Uma vez que o programa tem propósitos educacionais e que neste caso devemos primar pela portabilidade do código, o mesmo foi feito usando ANSI C++em ambiente Mac OSX mas pode ser facilmente recompilado para rodar em qualquer sistema operacional com um compilador compatível com ANSI C++ sem que seja necessário nenhuma adaptação, o código comentado está disponível na pagina do autor na internet( Com base nas três equações determinadas pelo programa poderemos achar qualquer valor entre as profundidades de 10 a 40 cm, usando as equações. No exemplo a seguir o programa foi utilizado para determinar as equações para o período selecionado. Figura 2: Programa de interpolação usando spline linear, valores para o período seco.
5 Com base nos cálculos feitos pelo programa chegamos as três equações utilizadas nos subintervalos conforme segue: S 1 (x)= 0,03 X+ 3,58, para X [10,20] S 2 (x)= 0,049 X+3,2, para X [20,30] S 3 (x) =0,04 X + 3,47, para X [30,40] De posse das equações podemos determinar qualquer valor dentro de intervalo de 10 a 40 cm de profundidade, na verdade o que conseguimos com o processo foi um conjunto de funções que descrevem a distribuição de Mg no solo em função da profundidade, para exemplificar vamos supor que se quisesse determinar o valor do teor do Mg a 22,5 cm de profundidade, nesse intervalo teríamos que trabalhar com S 2, uma vez que S 2 é a função para profundidades entre 20 e 30 cm. O valor estimado ficaria com o seguinte valor de acordo com a equação abaixo. S 2 (x)= 0,049 X+3,2 = 0,049(22,5) +3,2 = 4, RESULTADOS E DISCUSÃO A obtenção das equações de distribuição de nutrientes no solo através do método da spline linear interpolante é essencial quando se necessita analisar matematicamente o conjunto de equações obtidas. Poderíamos estender o uso do algoritmo para outras profundidades e trabalhar com outros elementos da mesma forma que se fez com o magnésio, as equações obtidas desse estudo poderiam demonstrar matematicamente como cada um dos nutrientes se comporta no solo da área de pesquisa. É importante ressaltar que as equações devem ser obtidas toda vez que se muda a época ou o local da coleta, uma vez que a distribuição de nutrientes varia muito com o tipo de solo e com o clima da região estudada, isso implica em dizer que as equações só são validas para aquele solo naquele período de coleta. 4. CONCLUSÕES O algoritmo se mostrou muito adequado a interpolar pontos da distribuição dos teores de magnésio em função da profundidade. As equações obtidas através do algoritmo foram comparadas com equações obtidas pelo software Maple que é um CAS ( Sistema de computação algébrica) comercial muito utilizado no meio cientifico e que calcula spline lineares interpolantes automaticamente. Tanto o algoritmo quanto o Maple chegaram ao mesmo conjunto de equações o que prova que para esse tipo de problema em particular o algoritmo é tão eficiente quanto um software comercial. 5.REFERÊNCIAS Márcia A. Gomes Ruggiero, V. L. D. R. L. Cálculo Numérico: aspectos teóricos e computacionais. São Paulo: MAKRON Books p. Wikipédia. Interpolação. Disponível em: < Acesso em 20/04/2007. H. M. Deitel, P. J. D. C++: como programar Porto Alegre: Bookman Mariani, V. C. Maple: Fundamentos e aplicações. Rio de Janeiro: LTC p.
Interpolação polinomial
Cálculo Numérico Prof. Daniel G. Alfaro Vigo dgalfaro@dcc.ufrj.br Departamento de Ciência da Computação IM UFRJ Motivação: População do Brasil Ano População (milhões) 1960 70, 992343 1970 94, 508583 1980
Métodos Numéricos. Turma CI-202-X. Josiney de Souza.
Métodos Numéricos Turma CI-202-X Josiney de Souza josineys@inf.ufpr.br Agenda do Dia Aula 20 (09/11/15) Interpolação: Introdução Características Interpolação Linear: Introdução Características Exercícios
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
Testes Formativos de Computação Numérica e Simbólica
Testes Formativos de Computação Numérica e Simbólica Os testes formativos e 2 consistem em exercícios de aplicação dos vários algoritmos que compõem a matéria da disciplina. O teste formativo 3 consiste
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
Cálculo Numérico - Splines
Cálculo Numérico - Splines Prof a Dr a Diane Rizzotto Rossetto Universidade Tecnológica Federal do Paraná 13 de março de 2016 D.R.Rossetto Splines 1/27 Exemplo 1 Considere f (x) = 1 1+25x 2 tabelada no
PROVAS Ciência da Computação. 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta)
PROVAS Ciência da Computação 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta) Ajuste de Curvas Objetivo Ajustar curvas pelo método dos mínimos quadrados 1 - INTRODUÇÃO Em geral, experimentos
étodos uméricos INTERPOLAÇÃO, EXTRAPOLAÇÃO, APROXIMAÇÃO E AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno
étodos uméricos INTERPOLAÇÃO, EXTRAPOLAÇÃO, APROXIMAÇÃO E AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA
Um polinômio p de grau, com coeficientes reais na variável é dado por:
Cálculo Numérico IPRJ/UERJ Sílvia Mara da Costa Campos Victer ÍNDICE Aula 3- Aproximação polinomial de Funções - Polinômios de Taylor Interpolação - Polinômios de Lagrange Aula 3 - Aproximação polinomial
Diogo Pinheiro Fernandes Pedrosa. Universidade Federal do Rio Grande do Norte Centro de Tecnologia. diogo
Interpolação Diogo Pinheiro Fernandes Pedrosa Universidade Federal do Rio Grande do Norte Centro de Tecnologia Departamento de Engenharia de Computação e Automação http://wwwdcaufrnbr/ diogo 1 Introdução
CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 4 Ajuste de Curvas AJUSTE DE CURVAS Cálculo Numérico 3/55 Introdução Em geral, experimentos geram uma gama de dados que devem
x exp( t 2 )dt f(x) =
INTERPOLAÇÃO POLINOMIAL 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia Aproximação
1. Converta os seguintes números decimais para sua forma binária: (a) 22 (b) 255 (c) 256 (d) 0.11 (e) (f)
1 a Lista de Exercícios de Cálculo Numérico Prof a. Vanessa Rolnik 1. Converta os seguintes números decimais para sua forma binária: (a) 22 (b) 255 (c) 256 (d).11 (e).8125 (f) 4.69375 2. Converta os seguintes
Andréa Maria Pedrosa Valli
Raízes de Equações Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-27 Raízes
Métodos Numéricos - Notas de Aula
Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Introdução A interpolação é outra técnicas bem conhecida e básica do cálculo numérico. Muitas funções são conhecidas apenas em um
MAP Segundo exercício programa Splines cúbicos
MAP-2121 - Segundo exercício programa - 26 Splines Cúbicos Instruções gerais - Os exercícios computacionais pedidos na disciplina Cálculo Numérico têm por objetivo fundamental familiarizar o aluno com
Autores: Interpolação por Spline Cúbica e Método de Integração de Simpson para Cálculo de Campo Magnético PLANO BÁSICO: MÉTODOS NUMÉRICOS
UNIVERSIDADE FEDERAL DO CEARÁ - UFC CENTRO DE TECNOLOGIA CT DEPARTAMENTO DE ENGENHARIA ELÉTRICA DEE PROGRAMA DE EDUCAÇÃO TUTORIAL - PET PLANO BÁSICO: MÉTODOS NUMÉRICOS Interpolação por Spline Cúbica e
Introdução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
Aula 16. Integração Numérica
CÁLCULO NUMÉRICO Aula 16 Integração Numérica Integração Numérica Cálculo Numérico 3/41 Integração Numérica Em determinadas situações, integrais são difíceis, ou mesmo impossíveis de se resolver analiticamente.
Introdução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo específico Interpolação Conteúdo temático Avaliação do erro
CCI-22 FORMALIZAÇÃO CCI-22 MODOS DE SE OBTER P N (X) Prof. Paulo André CCI - 22 MATEMÁTICA COMPUTACIONAL INTERPOLAÇÃO
CCI - MATEMÁTICA COMPUTACIONAL INTERPOLAÇÃO Prof. Paulo André ttp://www.comp.ita.br/~pauloac pauloac@ita.br Sala 0 Prédio da Computação -Gregory DEFINIÇÃO Em matemática computacional, interpolar significa
Interpolação polinomial: Polinômio de Lagrange
Interpolação polinomial: Polinômio de Lagrange Marina Andretta ICMC-USP 09 de maio de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500 - cálculo
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
EXERCICIOS RESOLVIDOS - INT-POLIN - MMQ - INT-NUMERICA - EDO
Cálculo Numérico EXERCICIOS EXTRAIDOS DE PROVAS ANTERIORES o sem/08 EXERCICIOS RESOLVIDOS - INT-POLIN - MMQ - INT-NUMERICA - EDO x. Considere a seguinte tabela de valores de uma função f: i 0 f(x i ).50
PUC-GOIÁS - Departamento de Computação
PUC-GOIÁS - Departamento de Computação Fundamentos IV/Enfase Clarimar J. Coelho Goiânia, 28/05/2014 O que é interpolação polinomial? Ideia básica Permite construir um novo conjunto de dados a partir de
Introdução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
DCC008 - Cálculo Numérico
DCC008 - Cálculo Numérico Polinômios de Taylor Bernardo Martins Rocha Departamento de Ciência da Computação Universidade Federal de Juiz de Fora bernardomartinsrocha@ice.ufjf.br Conteúdo Introdução Definição
Introdução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo temático Conteúdo específico Aspectos básicos Obtenção direta
CONSTRUÇÃO DE ALGORITMO COMO FERRAMENTA PARA RESOLUÇÃO DE PROBLEMAS SOBRE INTERPOLAÇÃO DE LAGRANGE
CONSTRUÇÃO DE ALGORITMO COMO FERRAMENTA PARA RESOLUÇÃO DE PROBLEMAS SOBRE INTERPOLAÇÃO DE LAGRANGE F. SALVALAGGIO 1 ; M.A. CARRARO 2 ; J.A.T. SCHULZ 3 RESUMO: Este trabalho apresenta o estudo, desenvolvimento
Aula 10. Integração Numérica
CÁLCULO NUMÉRICO Aula Integração Numérica Integração Numérica Cálculo Numérico 3/4 Integração Numérica Em determinadas situações, integrais são difíceis, ou mesmo impossíveis de se resolver analiticamente.
Intervalos de Confiança
Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de
CRIVO QUADRÁTICO: UM ESTUDO DA OBTENÇÃO DE UM CONJUNTO DE NÚMEROS COMPLETAMENTE FATORADOS SOBRE UMA BASE DE FATORES
CRIVO QUADRÁTICO: UM ESTUDO DA OBTENÇÃO DE UM CONJUNTO DE NÚMEROS COMPLETAMENTE FATORADOS SOBRE UMA BASE DE FATORES Alex Zanella Zaccaron 1 ; Adriana Betânia de Paula Molgora 2 1 Estudante do Curso de
INTERPOLAÇÃO POR INTERPOLAÇÃO SPLINE INTERPOLAÇÃO SPLINE INTERPOLAÇÃO SPLINE INTERPOLAÇÃO SPLINE 1/12/2008
FUNDAÇÃO UNIVERSIDADE FEDERAL DE RONDÔNIA NCT-NÚCLEO DE CIÊNCIA E TECNOLOGIA DENFI-DEPARTAMENTO DE ENGENHARIA E FISÍCA DOCENTE: PROF. º Dr. Carlos Tenório DISCIPLINA : CÁLCULO NUMÉRICO INTERPOLAÇÃO POR
Interpolação Polinomial. Ana Paula
Interpolação Polinomial Sumário 1 Interpolação Polinomial 2 Forma de Lagrange 3 Revisão Interpolação Polinomial Interpolação Polinomial Interpolação Polinomial Interpolação Polinomial Suponha que se tenha
Um método numérico para encontrar as raízes de um polinômio baseado no vetor gradiente.
Um método numérico para encontrar as raízes de um polinômio baseado no vetor gradiente. Flaulles Boone Bergamaschi 1 1 Universidade Estadual do Sudoeste da Bahia (UESB) Cep 45.083-900- Vitória da Conquista
Roteiro para o Terceiro Laboratório de Cálculo Numérico /1
Roteiro para o Terceiro Laboratório de Cálculo Numérico - 2008/1 Prof. Dr. Waldeck Schützer June 23, 2008 DM/UFSCar Nesta terceira aula de laboratório, vamos utilizar o Octave para aproximar funções e
Renato Martins Assunção
Análise Numérica Erros, Extrapolação de Richardson e Quadratura Gaussiana Renato Martins Assunção DCC - UFMG 2012 Renato Martins Assunção (DCC - UFMG) Análise Numérica 2012 1 / 40 Análise do erro Sabemos
Interpolaça o Polinomial
Interpolaça o Polinomial Objetivo A interpolação polinomial tem por objetivo aproximar funções (tabeladas ou dadas por equações) por polinômios de grau até n. Isso tem como intuito facilitar o cálculo
Introdução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
Plano de Ensino. Identificação. Câmpus de Bauru. Curso Licenciatura em Matemática. Ênfase. Disciplina A - Cálculo Numérico Computacional
Curso 1503 - Licenciatura em Matemática Ênfase Identificação Disciplina 0006315A - Cálculo Numérico Computacional Docente(s) Antonio Roberto Balbo Unidade Faculdade de Ciências Departamento Departamento
Sabendo que f(x) é um polinômio de grau 2, utilize a formula do trapézio e calcule exatamente
MÉTODOS NUMÉRICOS E COMPUTACIONAIS II EXERCICIOS EXTRAIDOS DE PROVAS ANTERIORES EXERCICIOS RESOLVIDOS - INTEGRACAO-NUMERICA - EDO. Considere a seguinte tabela de valores de uma função f x i..5.7..5 f(x
Matemática Computacional Ficha 5 (Capítulo 5) 1. Revisão matéria/formulário
Matemática Computacional Ficha 5 (Capítulo 5) Integração numérica 1. Revisão matéria/formulário A técnica de aproximar o integral de f pelo integral do seu polinómio interpolador passando num conjunto
Câmpus de Bauru. Plano de Ensino. Seriação ideal 3
Curso 1503 / 1504 - Licenciatura em Matemática Ênfase Identificação Disciplina 0007220A - Cálculo Numérico Computacional Docente(s) Antonio Roberto Balbo Unidade Faculdade de Ciências Departamento Departamento
Cap. 4- Interpolação Numérica Definições. Censos de BH. Qual o número de habitantes na cidade de Belo Horizonte em 1975?
Cap. 4- Interpolação Numérica 4.1. Definições Censos de BH População em BH (Habitantes,5,,, 1,5, 1,, 5, 194 196 198 Ano Ano 195 196 197 198 1991 1996 1 No. habitantes 5.74 68.98 1.5. 1.78.855..161.91.71.8.56.75.444
Métodos Numéricos Interpolação / Aproximação. Renato S. Silva, Regina C. Almeida
Métodos Numéricos Interpolação / Aproximação Renato S. Silva, Regina C. Almeida Interpolação / Aproximação situação: uma fábrica despeja dejetos no leito de um rio; objetivo: determinar a quantidade de
Marina Andretta/Franklina Toledo. 25 de outubro de 2013
Integração Numérica Marina Andretta/Franklina Toledo ICMC-USP 25 de outubro de 2013 Baseado nos livros: Análise Numérica, de R. L. Burden e J. D. Faires; e Cálculo Numérico, de Neide B. Franco. Marina
Exercícios de Matemática Computacional -Cap. 6 Interpolação e aproximação polinomial
Exercícios de Matemática Computacional -Cap. 6 Interpolação e aproximação polinomial.. Departamento de Matemática Universidade da Beira Interior Matemática Computacional - Capítulo 6 Questão 6.1 Questão
Exercícios de Mínimos Quadrados
INSTITUTO DE CIÊNCIAS MATEMÁTICAS E DE COMPUTAÇÃO DEPARTAMENTO DE MATEMÁTICA APLICADA E ESTATÍSTICA Exercícios de Mínimos Quadrados 1 Provar que a matriz de mínimos quadrados é denida positiva, isto é,
Calculo Numérico: Interpolação Polinomial de Hermite
Calculo Numérico: Interpolação Polinomial de Hermite Daniel Franco Pereira Junior¹ Felippe Frasson¹ Valmei Abreu Júnior¹ ¹Curso de Ciência da Computação Faculdades Anglo-Americano (FAA) Foz do Iguaçu PR
étodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos AJUSTE 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
Algoritmo para determinação de extremos
Algoritmo para determinação de extremos RIOS, J, V, V. Sobral Matemática vianeymatematico@gmail.com pré-prints da Sobral Matemática no. 2011.04 18 de agosto de 2011 Resumo Uma malha selecionada sobre uma
Análise Numérica DCC033. Renato Assunção Departamento de Ciência da Computação UFMG
Análise Numérica DCC033 Renato Assunção Departamento de Ciência da Computação UFMG O que é análise numérica? Definição: Estudo de algoritmos ou métodos numéricos para a solução de problemas computacionais
A. Equações não lineares
A. Equações não lineares 1. Localização de raízes. a) Verifique se as equações seguintes têm uma e uma só solução nos intervalos dados: i) (x - 2) 2 ln(x) = 0, em [1, 2] e [e, 4]. ii) 2 x cos(x) (x 2)
Comparação entre métodos numéricos computacionais na solução de um problema de valor inicial
Comparação entre métodos numéricos computacionais na solução de um problema de valor inicial Comparison of computational numerical methods in an initial value problem solution ISSN 2316-9664 Volume 7,
Comprimento de Arco. 1.Introdução 2.Resolução de Exemplos 3.Função Comprimento de Arco 4.Resolução de Exemplo
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 Comprimento de Arco
MAP CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Interpolação e Integração. φ(x k ) ψ(x k ).
MAP 22 - CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Interpolação e Integração : Sejam x =, x =, x 2 = 2 e x 3 = 3. (a) Determine os polinômios de Lagrange L i (x) correspondentes a estes pontos
SME Cálculo Numérico. Lista de Exercícios: Gabarito
Exercícios de prova SME0300 - Cálculo Numérico Segundo semestre de 2012 Lista de Exercícios: Gabarito 1. Dentre os métodos que você estudou no curso para resolver sistemas lineares, qual é o mais adequado
UNIVERSIDADE FEDERAL DE OURO PRETO Departamento de Computação Cálculo Numérico - BCC760 Lista 4 - Raízes de Equações Não Lineares
UNIVERSIDADE FEDERAL DE OURO PRETO Departamento de Computação Cálculo Numérico - BCC760 Lista 4 - Raízes de Equações Não Lineares 1. Localize graficamente as raízes das equações: a) f(x) = x 2 + x 6 b)
CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 12 Interpolação Parte 1 INTERPOLAÇÃO Cálculo Numérico 3/57 MOTIVAÇÃO A seguinte tabela relaciona densidade da água e temperatura:
Cálculo Numérico - DCC034. Ana Paula
- DCC034 Introdução Sumário 1 Sobre o Curso 2 Introdução Sobre o Curso Sobre o Curso Sobre o Curso Informações Gerais Professores ana.coutosilva@dcc.ufmg.br Rosklin Juliano rosklinjuliano@gmail.com Moodle
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
Exercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA
Exercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA Licenciaturas em Engenharia do Ambiente e Química 2 o Semestre de 2005/2006 Capítulo IV Aproximação de Funções 1 Interpolação Polinomial 1. Na tabela seguinte
Quando a altura coincide com a idade?
Quando a altura Wescley Well Vicente Bezerra Professor da Faculdade UnB - Planaltina wescley.well@gmail.com Rogério César dos Santos Professor da Faculdade UnB - Planaltina professorrogeriocesar@gmail.com
DISTRIBUIÇÃO DA CARGA HORÁRIA TEÓRICA PRÁTICA TEO/PRAT OUTRAS NÚMERO MÁXIMO DE ALUNOS POR TURMA AULAS TEÓRICAS PRÁTICAS 80 40
unesp UNIVERSIDADE ESTADUAL PAULISTA CÂMPUS UNIVERSITÁRIO DE BAURU FACULDADE DE CIÊNCIAS PLANO DE ENSINO 2008 UNIDADE UNIVERSITÁRIA: FACULDADE DE CIÊNCIAS CURSO: LICENCIATURA EM MATEMÁTICA HABILITAÇÃO:
INTEGRAL DEFINIDA APLICAÇÕES. Aula 05 Matemática II Agronomia Prof. Danilene Donin Berticelli
INTEGRAL DEFINIDA APLICAÇÕES Aula 05 Matemática II Agronomia Prof. Danilene Donin Berticelli Variação Total Em certas aplicações práticas, conhecemos a taxa de variação Q (x) de uma grandeza Q(x) e estamos
CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano.
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 11 Sistemas de Equações não-lineares SISTEMAS NÃO-LINEARES Cálculo Numérico 3/39 SISTEMA NÃO LINEAR Vamos considerar o problema
Graduado em Matemática pela Universidade Federal do Pará Campus Abaetetuba. Bolsista de Iniciação científica. 2
COMPARAÇÃO ENTRE MÉTODOS DE APROXIMAÇÃO NUMÉRICA UTILIZANDO O PROGRAMA MATLAB Álvaro Pereira LOPES 1 Campus Universitário de Abaetetuba UFPA alvaropl4@hotmail.com Manuel de Jesus dos Santos COSTA 2 Campus
Métodos Numéricos - Notas de Aula
Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Zeros de equações transcendentes e Tipos de Métodos polinomiais São dois os tipos de métodos para se achar a(s) raízes de uma equação:
Método dos Mínimos Quadrados
Método dos Mínimos Quadrados Laura Goulart UESB 4 de Abril de 2019 Laura Goulart (UESB) Método dos Mínimos Quadrados 4 de Abril de 2019 1 / 22 Objetivos O Método dos Mínimos Quadrados (MMQ) é uma técnica
CÁLCULO I Prof. Marcos Diniz Prof. André Almeida Prof. Edilson Neri Júnior
Objetivos da Aula CÁLCULO I Prof. Marcos Diniz Prof. André Almeida Prof. Edilson Neri Júnior Aula n o 4: Aproximações Lineares e Diferenciais. Regra de L Hôspital. Definir e calcular a aproximação linear
UNIVERSIDADE FEDERAL DE OURO PRETO Departamento de Computação Cálculo Numérico - BCC760 Lista 3 - Raízes de Equações Não Lineares
UNIVERSIDADE FEDERAL DE OURO PRETO Departamento de Computação Cálculo Numérico - BCC760 Lista 3 - Raízes de Equações Não Lineares 1. Localize graficamente as raízes das equações a seguir: a) f(x) = x 2
étodos uméricos RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS (Continuação) Prof. Erivelton Geraldo Nepomuceno
étodos uméricos RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE
Modelagem Matemática das Vibrações de uma Corda Elástica
Modelagem Matemática das Vibrações de uma Corda Elástica Rossato, Jéssica Helisa Hautrive 1 ; Bisognin, Eleni 2 Trabalho de Iniciação Científica, Probic - CNPq 1 Curso de Engenharia de Materiais do Centro
Módulo 4 Ajuste de Curvas
Módulo 4 Ajuste de Curvas 4.1 Intr odução Em matemática e estatística aplicada existem muitas situações onde conhecemos uma tabela de pontos (x; y), com y obtido experimentalmente e deseja se obter uma
Trabalho. 1.Introdução 2.Resolução de Exemplos
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 Prof.: Rogério
Introdução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo temático Interpolação Conteúdo específico Instabilidade Numérica
AJUSTE DE CURVAS PELO MÉTODO DOS QUADRADOS MÍNIMOS
AJUSTE DE CURVAS PELO MÉTODO DOS QUADRADOS MÍNIMOS Bruna Larissa Cecco 1 Angelo Fernando Fiori 2 Grazielli Vassoler 3 Resumo: Em muitos ramos da ciência, dados experimentais são utilizados para deduzir
DETERMINAÇÃO DE VOLUME DE CORTE OU ATERRO 1
DETERMINAÇÃO DE VOLUME DE CORTE OU ATERRO 1 Dyenifer Peralta Teichmann 2, Vilmar Rogerio Teichmann 3, Peterson Cleyton Avi 4, Thalia Klein Da Silva 5. 1 Projeto de extensão realizado no curso Engenharia
5 TORIA ELEMENTAR DA AMOSTRAGEM
5 TORIA ELEMENTAR DA AMOSTRAGEM É errôneo pensar que, caso tivéssemos acesso a todos os elementos da população, seríamos mais precisos. Os erros de coleta e manuseio de um grande número de dados são maiores
LIMITES E CONTINUIDADE
LIMITES E CONTINUIDADE 1 LIMITE Marina Vargas R. P. Gonçalves a a Departamento de Matemática, Universidade Federal do Paraná, marina.vargas@gmail.com, http:// www.estruturas.ufpr.br Definição 1.1 O limite
Ajuste de dados por mínimos quadrados
Cálculo Numérico por mínimos quadrados Prof. Daniel G. Alfaro Vigo dgalfaro@dcc.ufrj.br Departamento de Ciência da Computação IM UFRJ Motivação: População do Brasil Ano População (milhões) 1960 70, 992343
AULA 02 Distribuição de Probabilidade Normal
1 AULA 02 Distribuição de Probabilidade Normal Ernesto F. L. Amaral 20 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario
Métodos Numéricos em Equações Diferenciais Aula 02 - Método de Euler
Métodos Numéricos em Equações Diferenciais Aula 02 - Método de Euler Profa. Vanessa Rolnik curso: Matemática Aplicada a Negócios Introdução Método de Diferenças: { w0 = α w i+1 = w i + h φ(t i, w i ),
Unidade: Integração Numérica. Unidade I:
Unidade: Integração Numérica Unidade I: 0 Unidade: Integração Numérica Integração Numérica Quando temos funções que não podem ser integradas ( f(x) e 2 x, por exemplo) ou são de difícil integração, utilizamos
Introdução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
Andréa Maria Pedrosa Valli
1-24 Equações Diferenciais Ordinárias Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória,
AJUSTE DE CURVAS EM CONCEITOS FÍSICOS DE EQUILÍBRIO 1 CURVE ADJUSTMENT IN PHYSICAL BALANCE CONCEPTS
AJUSTE DE CURVAS EM CONCEITOS FÍSICOS DE EQUILÍBRIO 1 CURVE ADJUSTMENT IN PHYSICAL BALANCE CONCEPTS Daniela Poloni Chrysosthemos 2, Marcos Bressan Guimarães 3, Maiquel Juliano Rodrigues De Oliveira 4,
O problema da velocidade instantânea
Universidade de Brasília Departamento de Matemática Cálculo O problema da velocidade instantânea Supona que um carro move-se com velocidade constante e igual a 60 km/. Se no instante t = 0 ele estava no
Solução numérica de equações não-lineares
Capítulo 1 Solução numérica de equações não-lineares 1.1 Introdução Lembremos que todo problema matemático pode ser expresso na forma de uma equação. Mas, o que é uma equação? Uma equação é uma igualdade
Notas de Aula de Cálculo Numérico
IM-Universidade Federal do Rio de Janeiro Departamento de Ciência da Computação Notas de Aula de Cálculo Numérico Lista de Exercícios Prof. a Angela Gonçalves 3 1. Erros 1) Converta os seguintes números
Introdução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
f(h) δ h p f(x + h) f(x) (x) = lim
Capítulo 6 Derivação numérica Nesta seção vamos desenvolver métodos para estimar a derivada de uma função f calculada em um ponto x, f (x, a partir de valores conecidos de f em pontos próximos ao ponto
O MÉTODO DOS QUADRADOS MÍNIMOS E O MOVIMENTO RETILÍNIO UNIFORME: UMA PROPOSTA DE MODELAGEM NAS AULAS DE FÍSICA E MATEMÁTICA
O MÉTODO DOS QUADRADOS MÍNIMOS E O MOVIMENTO RETILÍNIO UNIFORME: UMA PROPOSTA DE MODELAGEM NAS AULAS DE FÍSICA E MATEMÁTICA Yuri Zanerippe Miguel 1 Liliane Nicola 2 Valdinere da Rosa Rocho 3 Eixo Temático:
Resolução do Exame Tipo
Departamento de Matemática e Engenharias Análise e Computação Numérica Resolução do Exame Tipo 1. O computador IBM 3090 possuía um sistema de vírgula flutuante F F(16, 5, 65, 62) (em precisão simples),
A TRANSFORMADA DE LAPLACE E ALGUMAS APLICAÇÕES. (UFG) RESUMO
A TRANSFORMADA DE LAPLACE E ALGUMAS APLICAÇÕES Fernando Ricardo Moreira 1, Esdras Teixeira Costa 2, Marcio Koetz 3, Samanta Andressa Santos Dumke Teixeira 4, Henrique Bernardes da Silva 5 1 Professor Mestre
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
Cálculo Numérico Computacional
Cálculo Numérico Computacional Apresentação Prof. Márcio Bueno cnctarde@marciobueno.com Ementa } Oferecer fundamentos e instrumentos da matemática aplicada e computacional, com a finalidade de permitir
Estatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
Universidade Federal do ABC Centro de Matemática, Computação e Cognição Análise na Reta (2017) Curso de Verão
Lista L1 Preliminares Observações: Universidade Federal do ABC Centro de Matemática, Computação e Cognição Análise na Reta (017) Curso de Verão Esta lista corresponde a um conjunto de exercícios selecionados