Prof jos eust quio rangel de queiroz rangel@dsc ufcg edu br rangeldequeiroz@gmail com
This presentation is the property of its rightful owner.
Sponsored Links
1 / 45

Prof.: José Eustáquio Rangel de Queiroz [email protected] [email protected] PowerPoint PPT Presentation


  • 108 Views
  • Uploaded on
  • Presentation posted in: General

Métodos e Software Numéricos. Considerações Iniciais. Prof.: José Eustáquio Rangel de Queiroz [email protected] [email protected] Carga Horária: 60 horas. Métodos Numéricos. Objetivo Estudo dos métodos para a resolução numérica de problemas do mundo real

Download Presentation

Prof.: José Eustáquio Rangel de Queiroz [email protected] [email protected]

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Prof jos eust quio rangel de queiroz rangel@dsc ufcg edu br rangeldequeiroz@gmail com

Métodos e Software Numéricos

Considerações Iniciais

Prof.:José Eustáquio Rangel de Queiroz

[email protected]

[email protected]

Carga Horária:60 horas


M todos num ricos

Métodos Numéricos

  • Objetivo

    • Estudo dos métodos para a resolução numérica de problemas do mundo real

  • Problemas do Mundo Real

    • Tentativa de explicação e previsão de fenômenos naturais  Estabelecimento de relações causa-efeito


Raz es da computa o num rica

Razões da Computação Numérica

  • Inviabilidade de solução analítica de um problema matemático devido questões de complexidade

    • Exemplo: Solução de sistemas de equações lineares

  • Inexistência de métodos analíticos para a resolução de algumas categorias de problemas matemáticos

    • Exemplo: y’ = y² + t² não pode ser resolvida analiticamente.


  • Uso de m todos num ricos

    Uso de Métodos Numéricos

    • Problemas matemáticos nem sempre são triviais

      • O sistema de equações

        obtém como solução de um PC:

        • x = -42587641,592475

        • y = -34772663,750032

          enquanto uma calculadora científica (e.g., HP) lhe fornece como solução:

        • x = 4082482,90464

        • y = 3333333,33333


    Uso de m todos num ricos1

    Uso de Métodos Numéricos

    • Solução correta

      • x = 46099201

      • y = 37639840


    Princ pio b sico dos m todos num ricos

    Princípio Básico dos Métodos Numéricos

    APRIMORAMENTO

    DOS VALORES

    MÉTODOS

    VALOR

    INICIAL

    VALOR ACEITÁVEL

    DO RESULTADO

    MINIMIZAÇÃO

    DOS ERROS


    Uso de m todos num ricos2

    Uso de Métodos Numéricos

    • Análise dos Resultados:

      • Conhecimento dos métodos;

      • Conhecimento das condições em que funcionam bem ou mal.

    • Exigências da Computação Numérica:

      • Verificação da validade dos resultados; e

      • Verificação da existência de dificuldades no problema em si.


    Programas de computa o num rica

    Programas de Computação Numérica

    • Programa Individual

      • Composto de alguns módulos, cuja finalidade é executar uma computação específica.

    • Pacote

      • Coleção de programas para resolução de problemas de uma dada área.


    Programas de computa o num rica1

    Programas de Computação Numérica

    • Biblioteca

      • Coleção sistematizada para a resolução de diversas classes de problemas da Matemática.

    • Sistema de Software

      • Pacote ou biblioteca com uma interface de comunicação com o usuário, o qual se comunica com o sistema a partir de uma linguagem de programação.


    Biblioteca

    Biblioteca

    • Características

      • Resolução de um amplo espectro de problemas que ocorrem com maior freqüência em Ciência e Tecnologia.

      • Seletividade do acervo de programas sobre um dado tópico

        • Interesse do usuário na resolução de um problema de interesse, não na absorção de conhecimentos na área

      • Concepção voltada para o atendimento da maioria das necessidades do usuário, não de todas.


    Biblioteca1

    Biblioteca

    • Características

      • Seleção de conteúdo fundamentada na existência de algoritmos que satisfazem atributos bem definidos.

      • Estruturação hierárquica de programas

        • Programas destinados à resolução de problemas

        • Rotinas primárias destinadas à implementação de algoritmos

        • Módulos básicos destinados à implementação de operações básicas


    Biblioteca2

    Biblioteca

    • Características

      • Uso de nomenclatura dos programas que reflita a classificação dos tópicos.

      • Existência de documentação que reflita tanto a organização geral da biblioteca quanto níveis de detalhamento dos algoritmos que a compõem.


    Biblioteca3

    Biblioteca

    • Uso

      • Resolução de problemas matemáticos

        • Seleção de uma biblioteca adequada

        • Conhecimento do uso do(s) programa(s) que a compõe(m)

      • Informações obtidas

        • Manual impresso;

        • Auto-documentação;

        • Ajuda online global e contextual.


    Biblioteca4

    Biblioteca

    • Dificuldades Usuais

      • Concisão da documentação

      • Carência de detalhamento de informações sobre os parâmetros adotados nas soluções

        • Exemplo: Semente inicial de um gerador de números pseudo-aleatórios.

      • Área de Trabalho

        • Necessidade de espaço extra de memória para armazenamento dos resultados intermediários durante a computação do problema.


    Biblioteca5

    Biblioteca

    • Dificuldades Usuais

      • Conjuntos e funções como argumentos

        • Uma função para ser argumento de um programa deve ser declarada num comando externo (EXTERNAL).

      • Diversidade de Escolhas

        • Premissa Básica  Nenhum método funciona adequadamente para todas as circunstâncias impostas por um problema ou para todos os problemas


    Princ pios adotados

    Princípios Adotados

    • Iteração ou Aproximações Sucessivas

    • Discretização

    • Aproximação

    • Transformação

    • Divisão e Conquista


    Itera o e aproxima es sucessivas

    Iteração e Aproximações Sucessivas

    • Repetição de um conjunto de ações ou processos que tem uma estrutura bem definida e constante.

    • A partir de uma solução aproximada (valor inicial), produz-se o refinamento da aproximação a cada iteração do conjunto de ações.


    Itera o e aproxima es sucessivas1

    Iteração e Aproximações Sucessivas

    • Exemplo – Método da Bissecção I

      Dada uma função f(x) contínua no intervalo [a,b] onde existe uma raiz única, é possível determinar tal raiz subdividindo sucessivas vezes o intervalo que a contém pelo ponto médio de a e b.


    Itera o e aproxima es sucessivas2

    Iteração e Aproximações Sucessivas

    • Exemplo – Método da Bissecção II

      Definição do Intervalo Inicial

      • Atribui-se[a,b]como intervalo inicial

        • a0 =a

        • b0 =b

          Condições de Aplicação

      • f(a)*f(b) < 0

      • Sinal da derivadaconstante


    Itera o e aproxima es sucessivas3

    Iteração e Aproximações Sucessivas

    • Exemplo – Método da Bissecção III

      Definição de Novos Intervalos

      • Determina-se qual o subintervalo – [a, x1] ou [x1, b] – que contém a raiz

        • Calcula-se o produtof(a)*f(x1)

        • Verifica-se sef(a)*f(x1) < 0

          • Se verdadeiro    (a, x1)

            (Logo a =ae b =x1)

          • Caso contrário   (x1, b)

            (Logo a =x1e b =b)

      • Repete-se o processo até que o valor de x atenda às condições de parada.


    Itera o e aproxima es sucessivas4

    Iteração e Aproximações Sucessivas

    f(x)

    x2 = (a + x1)/2

    f(x)

    a = a1

    x2

    x1 = b1

    x

    x1 = (a + b)/2

    a = a0

    x

    x1

    b = b0

    f(x)

    x3 = (x2 + x1)/2

    x2=a2

    x

    x1=b2

    Repete-se o processo até que o valor dexatenda àscondições de parada.

    x3

    • Exemplo – Método da Bissecção IV

      Análise Gráfica


    Discretiza o

    Discretização

    i

    i

    hi0

    • Inversão do processo de passagem ao limite a partir da discretização do problema.


    Discretiza o1

    Discretização

    e

    it

    =

    cos

    t

    +

    isen

    t

    • Exemplo – Transformada Discreta de Fourier (DFT) I

      Fórmula de Euler

    Im

    i

    Vetor Rotativo (Fasor)

    eiwté periódico

    wt

    Re

    |eiwt| = 1

    1

    Freqüências negativas:

    Rotação na direçãooposta


    Discretiza o2

    Discretização

    Ak

    cos

    k

    t

    +

    sen

    k

    t

    Bk

    ½

    cos

    t

    =

    (eiwt

    +

    e-iwt)

    Ak

    Ak

    eikwt

    e-ikwt

    =

    +

    2

    2

    sen

    t

    =

    (eiwt

    -

    e-iwt)

    Bk

    Bk

    eikwt

    e-ikwt

    -

    +

    ½

    Ck

    eikwt

    C-k

    e-ikwt

    +

    =

    (Ak

    -

    iBk), k>0

    Ck

    =

    2

    2

    ½

    =

    (A|k|

    -

    iB|k|), k<0

    Ck

    • Exemplo – Transformada Discreta de Fourier (DFT) II

      Fórmula de Euler


    Discretiza o3

    Discretização

    1

    ¥

    ò

    f

    (

    t

    )

    =

    F

    (

    )

    [cos

    t

    +

    isen

    t

    ]

    d

    2

    p

    -

    ¥

    e

    it

    =

    cos

    t

    +

    isen

    t

    1

    ¥

    ò

    f

    (

    t

    )

    =

    F

    (

    )

    e

    it

    d

    2

    p

    -

    ¥

    • Exemplo – Transformada Discreta de Fourier (DFT) III

      Transformada de Fourier de uma função unidimensional


    Discretiza o4

    Discretização

    • Exemplo – Transformada Discreta de Fourier (DFT) IV

      Possibilidade de representação funções não periódicas como somatórios de funções senoidais e cossenoidais de (possivelmente) todas as freqüências


    Discretiza o5

    Discretização

    • Exemplo – Transformada Discreta de Fourier (DFT) V

      Aproximação com 6 harmônicos


    Discretiza o6

    Discretização

    N-1

    -2

    p

    iwx/N

    1

    N

    F

    (

    u

    )

    =

    f(x)e

    x

    =

    0

    • Exemplo – Transformada Discreta de Fourier (DFT) VI

      Transformada Discreta de Fourier de uma função unidimensional

    w = 0, 1, 2, ..., N-1


    Aproxima o

    Aproximação

    • Substituição de uma função f(x) por outra g(x) de manipulação mais fácil.

    • Construção de métodos para a solução de:

      • Equações transcendentais

      • Equações diferenciais

      • Métodos de integração numérica


    Aproxima o1

    Aproximação

    Erro de aproximação

    constante

    i=(b-a)/N

    • Exemplo – Regra do Trapézio I

      Integrais com resolução difícil ou mesmo impossível a partir de métodos analíticos podem ser resolvidas numericamente através da fragmentação da integral em uma soma.


    Aproxima o2

    Aproximação

    • Exemplo – Regra do Trapézio II

      • Divisão mais fina ( Nmaior) conduz à precisão máxima permitida pelo computador.

        • Aumento do número de intervalos N até que o valor da integral não mude dentro dos números significativos que se quer.

    n número de algarismos significativos

    n não pode ser maior do que o número de algarismos significativos do cálculo numérico.


    Aproxima o3

    Aproximação

    • Exemplo – Regra do Trapézio III

      Aproximação a integral pela área de um trapézio

    Boa aproximação para uma determinada integral é função da:

    1. Ordem do erro (O(hn));

    2. Extensão do intervalo h;

    3. Suavidade do integrando.


    Aproxima o4

    Aproximação

    f(x)

    f(b)

    f(a)

    a

    b

    x

    • Exemplo – Regra do Trapézio IV

      Análise Gráfica


    Transforma o

    Transformação

    • Desmembramento de um problema P em dois (ou mais) subproblemas de resolução mais simples, P1 e P2

      • Área de um trapézio por retângulo (P1) e triângulos (P2);

      • Decomposição LU.


    Divis o e conquista

    Divisão e Conquista

    • Resolução de um problema P por partes ou etapas

      • Área do Trapézio

      • Redução Cíclica

        • Redução à metade do tamanho do problema repetidamente até que este atinja ao tamanho 1.


    Ferramentas de suporte

    Ferramentas de Suporte

    Uso do método numérico

    Computador

    Programa

    Desenvolvimento

    Utilização

    Verificação da validade dos resultados obtidos


    Ferramentas de suporte1

    Ferramentas de Suporte

    • MATHCAD

      • Padrão industrial para cálculos técnicos e matemática aplicada

      • Ambiente de trabalho baseado em álgebra computacional

        • Avaliação numérica e simbólica de expressões matemáticas;

        • Geração de gráficos e construção de algoritmos;

        • Avaliação de integrais e derivadas de funções;

        • Resolução de sistemas lineares, etc.

    • http://www.ptc.com/products/mathcad/


    Ferramentas de suporte2

    Ferramentas de Suporte

    • MAPLE

      • Sistema de computação algébrica de propósitos gerais

        • Operações simbólicas;

        • Cálculos complexos;

        • Recursos para programação.

      • Resolução de problemas matemáticos

      • Geração de gráficos técnicos de alta qualidade

      • Pacotes de funções de teoria de grupos, álgebra linear e estatística, dentre outros.

    • pytheas.ucs.indiana.edu/~statmath/math/maple/overview.html


    Ferramentas de suporte3

    Ferramentas de Suporte

    • MATHEMATICA

      • Sistema genérico para computação matemática

      • Manipulação integrada de dados numéricos, simbólicos e gráficos

        • Ferramenta interativa de cálculo

        • Linguagem de programação.

    • www.indiana.edu/~statmath/math/mma/overview.html


    Ferramentas de suporte4

    Ferramentas de Suporte

    • SPSS (Statistical Package for the Social Sciences)

      • Originalmente desenvolvido como LP

      • Usualmente empregado na pesquisa quantitativa em ciências sociais

      • Realização de análises estatísticas, em especial análises de dados de levantamentos

      • Processamento numérico e gráfico de dados

    • www.csubak.edu/ssric/Modules/SPSS/SPSS9BOOK/


    Ferramentas de suporte5

    Ferramentas de Suporte

    • MATLAB I

      • Software interativo de alto desempenho;

      • Direcionamento ao Cálculo Numérico;

      • Integração de análise numérica, cálculo com matrizes, processamento de sinais e construção de gráficos;

      • Ambiente de fácil interação;

      • Resolução de problemas numéricos mais rapidamente do que se gastaria para escrever um programa semelhante em linguagem Fortran, Basic ou C.

    • http://www.mathworks.com/


    Ferramentas de suporte6

    Ferramentas de Suporte

    • MATLAB II

      • Soluções dos problemas expressas quase que exatamente como escritas matematicamente, ao contrário da programação tradicional;


    Ferramentas de suporte7

    Ferramentas de Suporte

    • MATLAB III


    Ferramentas de suporte8

    Ferramentas de Suporte

    • Determinadas situações exigem a utilização de uma LP mais adequada para a implementação de um algoritmo para a resolução de um problema de CN.

    • Exemplo de Linguagem:

      • FORTRAN (FORmula TRANslation)


    Prof jos eust quio rangel de queiroz rangel dsc ufcg br rangeldequeiroz gmail

    José Eustáquio Rangel de Queiroz

    [email protected]

    [email protected]

    UNIVERSIDADE FEDERAL DE CAMPINA GRANDE

    CENTRO DE ENGENHARIA ELÉTRICA E INFORMÁTICA

    DEPARTAMENTO DE SISTEMAS E COMPUTAÇÃO


  • Login