SlideShare una empresa de Scribd logo
1 de 11
Modelação matemática e
             resolução de problemas de
                    Engenharia
                       Aula 1
                 Métodos Numéricos e
              Programação em Engenharia

16/02/2007             João Noronha       1
Métodos numéricos?
• Técnicas que permitem que problemas
  matemáticos sejam formulados de modo a
  poderem ser resolvidos utilizando
  operações aritméticas
• Envolvem um número elevado de cálculos
  aborrecidos.
• São apropriados para serem resolvidos
  utilizando computadores
    – que normalmente não se aborrecem muito…

16/02/2007          João Noronha                2
Porquê estudar métodos numéricos?

• Os métodos numéricos são ferramentas poderosas para a
  resolução de problemas
    – Sistemas de equações com muitas incógnitas; não linearidades;
      geometrias complicadas…
    – Problemas que não têm solução analítica
• Durante a vida profissional terão a oportunidade de trabalhar com
  aplicações informáticas que incluem métodos numéricos
    – Para a sua utilização inteligente é necessário conhecer as teorias
      básicos por detrás dos métodos
• Por vezes não existem programas prontos para resolver um dado
  tipo de problema
    – Ou se tem uma “pipa de massa” para pagar a um programador…
• Uma boa maneira de aprender a programar e a tirar o melhor
  partido dos computadores
• Uma boa maneira de compreender alguns conceitos matemáticos
16/02/2007                       João Noronha                              3
Resolução de problemas…
                                          Definição
                                         do problema



                                           Modelo
                           TEORIA         Matemático              DADOS

                                     Ferramentas de resolução:
                                     Computadores, estatística,
                                        métodos numéricos,
                                           gráficos, etc..


                                          Resultados
                                         numéricos ou
                                           gráficos

                                         Interfaces sociais;
                                     Planeamento, optimização,
                                      comunicação, interacção
                                         com o publico, etc.


                                       Implementação
                                         da solução
16/02/2007            João Noronha                                        4
Pára-quedista em queda livre…
• F= m a
    – F : força (N)
    – m : massa (kg)
    – a : aceleração (m2/s)
• Descreve o processo ou sistema em termos
  matemáticos
• É uma idealização ou simplificação da
  realidade
    – Ignora detalhes irrelevantes e foca o essencial
• Permite obter resultados reprodutíveis e pode
  ser utilizado para efectuar previsões
    – Se soubermos a força e a massa do objecto
      podemos calcular a aceleração… e com isso a
      velocidade e a posição em função do tempo.
         • a= dv/dt = F/m

16/02/2007                       João Noronha           5
Considerando a resistência do ar…
                                              F
• F= FD+ FU                               a=
                                             m
• FD= m g                                 dv FD + FU
                                             =
    – g=9,8 m2/s                          dt       m
• FU =?                                   dv mg − cv
                                             =
    – Mantendo as coisas                  dt       m
      simples…                            simplificando
• FU = - c v                              dv    c
                                             =g− v
    – c - coeficiente de arrasto          dt    m
      (drag coefficient) (kg/s)

16/02/2007                 João Noronha                   6
Que velocidade atinge o pára-quedista em queda livre?
    dv    c
       =g− v
    dt    m

Assumindo que o pára-quedista parte do repouso (v=0; t=0)
Podemos obter a seguinte solução analítica que nós dá a variação
da velocidade em função do tempo…



          g ⋅m
  v(t ) =
            c
                   (
               1 − e −( c / m )⋅t   )
  Vamos assumir os seguintes valores
  -Massa do pára-quedista… 68,1 kg
  -Coeficiente de arrasto… 12,5 kg/s
  E vamos para o EXCEL fazer as contas….

 16/02/2007                             João Noronha               7
Solução analítica
         t (s)    v (m/s)
             0       0,00
             2      16,40
             4      27,77
             6      35,64
             8      41,10
             10     44,87
             12     47,49
             ∞      53,39


16/02/2007                  João Noronha   8
Resolução numérica…
dv       ∆v
   = lim
dt ∆t →0 ∆t

dv ∆v v(ti +1 ) − v(ti )
  ≅   =
dt ∆t    ti +1 − ti
dv    c
   =g− v
dt    m

v(ti +1 ) − v(ti )      c
                   = g − v(ti )
   ti +1 − ti           m

                         c      
v(ti +1 ) = v(ti ) +  g − v(ti ) ⋅ ( ti +1 − ti )
                         m      

     16/02/2007                                   João Noronha   9
Olhando para a equação…

                                      c      
             v(ti +1 ) = v(ti ) +  g − v(ti ) ⋅ ( ti +1 − ti )
                                      m      


    Novo Valor = Valor antigo + declive * intervalo


                             Método de Euler


16/02/2007                         João Noronha                    10
16/02/2007   João Noronha   11

Más contenido relacionado

La actualidad más candente

03 eac proj vest mat módulo 1 função exponencial
03 eac proj vest mat módulo 1 função exponencial03 eac proj vest mat módulo 1 função exponencial
03 eac proj vest mat módulo 1 função exponencialcon_seguir
 
Cálculo II - Aula 6: Integrais definidas
Cálculo II - Aula 6: Integrais definidasCálculo II - Aula 6: Integrais definidas
Cálculo II - Aula 6: Integrais definidaswillianv
 
Exercícios Resolvidos: Reta normal
Exercícios Resolvidos: Reta normalExercícios Resolvidos: Reta normal
Exercícios Resolvidos: Reta normalDiego Oliveira
 
Redes Neurais: classificação e regressão
Redes Neurais: classificação e regressãoRedes Neurais: classificação e regressão
Redes Neurais: classificação e regressãoRenato Vicente
 
Exercícios Resolvidos: Máximo e minimo absoluto
Exercícios Resolvidos: Máximo e minimo absolutoExercícios Resolvidos: Máximo e minimo absoluto
Exercícios Resolvidos: Máximo e minimo absolutoDiego Oliveira
 
Apostila 3 calculo i integrais
Apostila 3 calculo i integraisApostila 3 calculo i integrais
Apostila 3 calculo i integraistrigono_metrico
 
Cálculo II - Aula 8: Área e Integral Definida
Cálculo II - Aula 8: Área e Integral DefinidaCálculo II - Aula 8: Área e Integral Definida
Cálculo II - Aula 8: Área e Integral Definidawillianv
 
Redes Neurais: Estimação de Densidades
Redes Neurais: Estimação de DensidadesRedes Neurais: Estimação de Densidades
Redes Neurais: Estimação de DensidadesRenato Vicente
 
Exercicios resolvidos
Exercicios resolvidosExercicios resolvidos
Exercicios resolvidostexa0111
 
Cálculo II: Aula 9 - Integrais que resultam em funções trigonométricas inversas
Cálculo II: Aula 9 - Integrais que resultam em funções trigonométricas inversasCálculo II: Aula 9 - Integrais que resultam em funções trigonométricas inversas
Cálculo II: Aula 9 - Integrais que resultam em funções trigonométricas inversaswillianv
 
04 eac proj vest mat módulo 1 função logarítmica
04 eac proj vest mat módulo 1 função logarítmica04 eac proj vest mat módulo 1 função logarítmica
04 eac proj vest mat módulo 1 função logarítmicacon_seguir
 

La actualidad más candente (20)

03 eac proj vest mat módulo 1 função exponencial
03 eac proj vest mat módulo 1 função exponencial03 eac proj vest mat módulo 1 função exponencial
03 eac proj vest mat módulo 1 função exponencial
 
Lista 1 ed
Lista 1   edLista 1   ed
Lista 1 ed
 
Cálculo II - Aula 6: Integrais definidas
Cálculo II - Aula 6: Integrais definidasCálculo II - Aula 6: Integrais definidas
Cálculo II - Aula 6: Integrais definidas
 
Exercícios Resolvidos: Reta normal
Exercícios Resolvidos: Reta normalExercícios Resolvidos: Reta normal
Exercícios Resolvidos: Reta normal
 
Funcao exponencial
Funcao exponencialFuncao exponencial
Funcao exponencial
 
Redes Neurais: classificação e regressão
Redes Neurais: classificação e regressãoRedes Neurais: classificação e regressão
Redes Neurais: classificação e regressão
 
Exercícios Resolvidos: Máximo e minimo absoluto
Exercícios Resolvidos: Máximo e minimo absolutoExercícios Resolvidos: Máximo e minimo absoluto
Exercícios Resolvidos: Máximo e minimo absoluto
 
Apostila 3 calculo i integrais
Apostila 3 calculo i integraisApostila 3 calculo i integrais
Apostila 3 calculo i integrais
 
P3 calculo i_ (4)
P3 calculo i_ (4)P3 calculo i_ (4)
P3 calculo i_ (4)
 
Cálculo II - Aula 8: Área e Integral Definida
Cálculo II - Aula 8: Área e Integral DefinidaCálculo II - Aula 8: Área e Integral Definida
Cálculo II - Aula 8: Área e Integral Definida
 
79 logaritimos (1)
79 logaritimos (1)79 logaritimos (1)
79 logaritimos (1)
 
Redes Neurais: Estimação de Densidades
Redes Neurais: Estimação de DensidadesRedes Neurais: Estimação de Densidades
Redes Neurais: Estimação de Densidades
 
Provas passadas calculo2
Provas passadas calculo2Provas passadas calculo2
Provas passadas calculo2
 
Exercicios resolvidos
Exercicios resolvidosExercicios resolvidos
Exercicios resolvidos
 
Cálculo II: Aula 9 - Integrais que resultam em funções trigonométricas inversas
Cálculo II: Aula 9 - Integrais que resultam em funções trigonométricas inversasCálculo II: Aula 9 - Integrais que resultam em funções trigonométricas inversas
Cálculo II: Aula 9 - Integrais que resultam em funções trigonométricas inversas
 
Log 2016
Log 2016Log 2016
Log 2016
 
04 eac proj vest mat módulo 1 função logarítmica
04 eac proj vest mat módulo 1 função logarítmica04 eac proj vest mat módulo 1 função logarítmica
04 eac proj vest mat módulo 1 função logarítmica
 
Funcoes Exponenciais
Funcoes ExponenciaisFuncoes Exponenciais
Funcoes Exponenciais
 
Polinômios cn 2013 - exercícios
Polinômios  cn 2013 - exercíciosPolinômios  cn 2013 - exercícios
Polinômios cn 2013 - exercícios
 
V@R Não-Linear
V@R Não-LinearV@R Não-Linear
V@R Não-Linear
 

Destacado

Python Módulo Básico - Introdução a linguagem Python
Python Módulo Básico - Introdução a linguagem PythonPython Módulo Básico - Introdução a linguagem Python
Python Módulo Básico - Introdução a linguagem Pythonantonio sérgio nogueira
 
Fuzzy Logic em Android
Fuzzy Logic em AndroidFuzzy Logic em Android
Fuzzy Logic em AndroidLuan Scudeler
 
Seminario fuzzy
Seminario fuzzySeminario fuzzy
Seminario fuzzyiaudesc
 
Apostila Pesquisa operacional
Apostila Pesquisa operacionalApostila Pesquisa operacional
Apostila Pesquisa operacionalPamella Campos
 
1-1 Capitulo 000
1-1 Capitulo 0001-1 Capitulo 000
1-1 Capitulo 000luisadr
 
3 0 cap 003
3 0 cap 0033 0 cap 003
3 0 cap 003luisadr
 
Logica fuzzy Conceitos e Aplicações
Logica fuzzy   Conceitos e AplicaçõesLogica fuzzy   Conceitos e Aplicações
Logica fuzzy Conceitos e AplicaçõesToni Esteves
 

Destacado (8)

Python Módulo Básico - Introdução a linguagem Python
Python Módulo Básico - Introdução a linguagem PythonPython Módulo Básico - Introdução a linguagem Python
Python Módulo Básico - Introdução a linguagem Python
 
Fuzzy Logic em Android
Fuzzy Logic em AndroidFuzzy Logic em Android
Fuzzy Logic em Android
 
Apresentacao Ime030409
Apresentacao Ime030409Apresentacao Ime030409
Apresentacao Ime030409
 
Seminario fuzzy
Seminario fuzzySeminario fuzzy
Seminario fuzzy
 
Apostila Pesquisa operacional
Apostila Pesquisa operacionalApostila Pesquisa operacional
Apostila Pesquisa operacional
 
1-1 Capitulo 000
1-1 Capitulo 0001-1 Capitulo 000
1-1 Capitulo 000
 
3 0 cap 003
3 0 cap 0033 0 cap 003
3 0 cap 003
 
Logica fuzzy Conceitos e Aplicações
Logica fuzzy   Conceitos e AplicaçõesLogica fuzzy   Conceitos e Aplicações
Logica fuzzy Conceitos e Aplicações
 

Más de João Noronha

Destruição dos microrganismos pelo calor limpo
Destruição dos microrganismos pelo calor limpoDestruição dos microrganismos pelo calor limpo
Destruição dos microrganismos pelo calor limpoJoão Noronha
 
Introdução à análise sensorial (2)
Introdução à análise sensorial (2)Introdução à análise sensorial (2)
Introdução à análise sensorial (2)João Noronha
 
Métodos estatísticos 2006 aula 1
Métodos estatísticos 2006   aula 1Métodos estatísticos 2006   aula 1
Métodos estatísticos 2006 aula 1João Noronha
 
Agro 243 apresentação viseu maio 2003
Agro 243   apresentação viseu maio 2003Agro 243   apresentação viseu maio 2003
Agro 243 apresentação viseu maio 2003João Noronha
 
Poster holanda dez 20021
Poster holanda  dez 20021Poster holanda  dez 20021
Poster holanda dez 20021João Noronha
 
Implementation of haccp in very small businessesa
Implementation of haccp in very small businessesaImplementation of haccp in very small businessesa
Implementation of haccp in very small businessesaJoão Noronha
 

Más de João Noronha (7)

Isa aula1 1112
Isa aula1 1112Isa aula1 1112
Isa aula1 1112
 
Destruição dos microrganismos pelo calor limpo
Destruição dos microrganismos pelo calor limpoDestruição dos microrganismos pelo calor limpo
Destruição dos microrganismos pelo calor limpo
 
Introdução à análise sensorial (2)
Introdução à análise sensorial (2)Introdução à análise sensorial (2)
Introdução à análise sensorial (2)
 
Métodos estatísticos 2006 aula 1
Métodos estatísticos 2006   aula 1Métodos estatísticos 2006   aula 1
Métodos estatísticos 2006 aula 1
 
Agro 243 apresentação viseu maio 2003
Agro 243   apresentação viseu maio 2003Agro 243   apresentação viseu maio 2003
Agro 243 apresentação viseu maio 2003
 
Poster holanda dez 20021
Poster holanda  dez 20021Poster holanda  dez 20021
Poster holanda dez 20021
 
Implementation of haccp in very small businessesa
Implementation of haccp in very small businessesaImplementation of haccp in very small businessesa
Implementation of haccp in very small businessesa
 

Métodos Numéricos e Programação em Engenharia

  • 1. Modelação matemática e resolução de problemas de Engenharia Aula 1 Métodos Numéricos e Programação em Engenharia 16/02/2007 João Noronha 1
  • 2. Métodos numéricos? • Técnicas que permitem que problemas matemáticos sejam formulados de modo a poderem ser resolvidos utilizando operações aritméticas • Envolvem um número elevado de cálculos aborrecidos. • São apropriados para serem resolvidos utilizando computadores – que normalmente não se aborrecem muito… 16/02/2007 João Noronha 2
  • 3. Porquê estudar métodos numéricos? • Os métodos numéricos são ferramentas poderosas para a resolução de problemas – Sistemas de equações com muitas incógnitas; não linearidades; geometrias complicadas… – Problemas que não têm solução analítica • Durante a vida profissional terão a oportunidade de trabalhar com aplicações informáticas que incluem métodos numéricos – Para a sua utilização inteligente é necessário conhecer as teorias básicos por detrás dos métodos • Por vezes não existem programas prontos para resolver um dado tipo de problema – Ou se tem uma “pipa de massa” para pagar a um programador… • Uma boa maneira de aprender a programar e a tirar o melhor partido dos computadores • Uma boa maneira de compreender alguns conceitos matemáticos 16/02/2007 João Noronha 3
  • 4. Resolução de problemas… Definição do problema Modelo TEORIA Matemático DADOS Ferramentas de resolução: Computadores, estatística, métodos numéricos, gráficos, etc.. Resultados numéricos ou gráficos Interfaces sociais; Planeamento, optimização, comunicação, interacção com o publico, etc. Implementação da solução 16/02/2007 João Noronha 4
  • 5. Pára-quedista em queda livre… • F= m a – F : força (N) – m : massa (kg) – a : aceleração (m2/s) • Descreve o processo ou sistema em termos matemáticos • É uma idealização ou simplificação da realidade – Ignora detalhes irrelevantes e foca o essencial • Permite obter resultados reprodutíveis e pode ser utilizado para efectuar previsões – Se soubermos a força e a massa do objecto podemos calcular a aceleração… e com isso a velocidade e a posição em função do tempo. • a= dv/dt = F/m 16/02/2007 João Noronha 5
  • 6. Considerando a resistência do ar… F • F= FD+ FU a= m • FD= m g dv FD + FU = – g=9,8 m2/s dt m • FU =? dv mg − cv = – Mantendo as coisas dt m simples… simplificando • FU = - c v dv c =g− v – c - coeficiente de arrasto dt m (drag coefficient) (kg/s) 16/02/2007 João Noronha 6
  • 7. Que velocidade atinge o pára-quedista em queda livre? dv c =g− v dt m Assumindo que o pára-quedista parte do repouso (v=0; t=0) Podemos obter a seguinte solução analítica que nós dá a variação da velocidade em função do tempo… g ⋅m v(t ) = c ( 1 − e −( c / m )⋅t ) Vamos assumir os seguintes valores -Massa do pára-quedista… 68,1 kg -Coeficiente de arrasto… 12,5 kg/s E vamos para o EXCEL fazer as contas…. 16/02/2007 João Noronha 7
  • 8. Solução analítica t (s) v (m/s) 0 0,00 2 16,40 4 27,77 6 35,64 8 41,10 10 44,87 12 47,49 ∞ 53,39 16/02/2007 João Noronha 8
  • 9. Resolução numérica… dv ∆v = lim dt ∆t →0 ∆t dv ∆v v(ti +1 ) − v(ti ) ≅ = dt ∆t ti +1 − ti dv c =g− v dt m v(ti +1 ) − v(ti ) c = g − v(ti ) ti +1 − ti m  c  v(ti +1 ) = v(ti ) +  g − v(ti ) ⋅ ( ti +1 − ti )  m  16/02/2007 João Noronha 9
  • 10. Olhando para a equação…  c  v(ti +1 ) = v(ti ) +  g − v(ti ) ⋅ ( ti +1 − ti )  m  Novo Valor = Valor antigo + declive * intervalo Método de Euler 16/02/2007 João Noronha 10
  • 11. 16/02/2007 João Noronha 11