Baixe o app para aproveitar ainda mais
Prévia do material em texto
Prof. Erivelton Geraldo Nepomuceno 2017 APRESENTAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO étodos uméricos Breve Referência Histórica Os algoritmos numéricos são quase tão antigos quanto a civilização humana: • Os babilônios, vinte séculos antes de Cristo, já possuíam tabelas de quadrados de todos os inteiros entre 1 e 60. • Os egípcios, que já usavam frações, inventaram o chamado método da falsa posição para aproximar as raízes de uma equação. Esse método encontra-se descrito no papiro de Rhind (cerca de 1650 anos antes da era cristã). • Na Grécia antiga muitos foram os matemáticos que deram contribuições para o impulso desta disciplina. Por exemplo, Arquimedes de Siracusa (278-212, a.C.) desenvolveu o chamado método da exaustão para calcular comprimentos, áreas e volumes de figuras geométricas. Este método, quando usado como método para calcular aproximações, é muito próximo do que hoje se faz em analise numérica; por outro lado, foi também um importante precursor do desenvolvimento do cálculo integral por Isaac Newton (1643-1729) e Gottfried Wilhelm Leibniz (1646-1716). Breve Referência Histórica • Heron, o velho, no século I a.C., deduziu um procedimento para determinar a . • No ano 250 da nossa era, Diofanto obteve um processo para a determinação das soluções de uma equação quadrática. • Durante a Idade Media, as grandes contribuições para o desenvolvimento da matemática algorítmica vieram, sobretudo, do médio oriente, Índia e China. O contributo maior foi, sem duvida, a simplificação introduzida com a chamada numeração hindu-árabe. • O aparecimento do cálculo e a criação dos logaritmos, no século XVII, vieram dar um grande impulso ao desenvolvimento de procedimentos numéricos. Os novos modelos matemáticos propostos não podiam ser resolvidos de forma explícita e assim tornava-se imperioso o desenvolvimento de métodos numéricos para obter soluções aproximadas. O próprio Newton criou vários métodos numéricos para a resolução de muitos problemas, métodos esses que possuem, hoje, o seu nome. a Breve Referência Histórica • Tal como Newton, muitos vultos da matemática dos séculos XVIII e XIX trabalharam na construção de métodos numéricos. De entre eles pode-se destacar Leonhard Euler (1707-1783), Joseph-Louis Lagrange (1736-1813) e Carl Friedrich Gauss (1777-1875). • Foi, no entanto, o aparecimento, na década de 40 do século XX, dos primeiros computadores que contribuiu decisivamente para o forte desenvolvimento da disciplina. Apesar de tanto Pascal como Leibniz terem construído, já no sec. XVII, as primeiras maquinas de calcular e de Charles Babage, milionário inglês, ter construído o que é considerado o primeiro computador (nunca funcionou!), foi apenas com o aparecimento do ENIAC, nos anos 40, que a ciência usufruiu, de fato, desses dispositivos de cálculo. Processo de Resolução de um Problema No processo de resolução de um problema pode-se distinguir varias fases: 1. Formulação de um modelo matemático que descreve uma situação real. Tal formulação deve ser feita recorrendo a equações algébricas, integrais, diferenciais, etc. E necessário ter muito cuidado nesta fase uma vez que a grande complexidade dos problemas físicos pode conduzir a simplificações no modelo, simplificações essas que não devem alterar significativamente o comportamento da solução. 2. Obtenção de um método numérico que permite construir uma solução aproximada para o problema. Um método numérico que possa ser usado para resolver o problema e traduzido por algoritmo, conduz a solução do problema. Esta fase constitui o cerne da analise numérica. Assim, dado um determinado método numérico, é necessário saber em que condições as soluções por ele obtidas convergem para a solução exata; em que medida pequenos erros poderão afetar a solução final; qual o grau de precisão da solução obtida. 3. Programação do algoritmo (FORTRAN, o PASCAL, o C++, entre outras. Mais recentemente e usual o recurso a programas como o MATHEMATICA ou o MATLAB). Processo de Resolução de um Problema Objetivos Por que técnicas numéricas ? ▪ Nem sempre (quase nunca ?) é possível resolver os problemas reais de maneira analítica. ax2 + bx + c = 0 solução analítica ? Sim: fórmula de Bashkara. ▪ x6 - 20x5 -110x4 + 50x3 - 5x2 + 70x -100 =0 Objetivos Os Métodos Numéricos correspondem a um conjunto de ferramentas ou métodos usados para se obter a solução de problemas matemáticos de forma aproximada. Esses métodos se aplicam a problemas que não apresentam uma solução exata ou ela é muito complexa, portanto precisam ser resolvidos numericamente. Objetivos ▪ Conhecer e aplicar os principais métodos numéricos computacionais para resolução de problemas clássicos nas ciências exatas e engenharias, associados à modelagem de fenômenos e dispositivos eletromagnéticos, controle, análise e modelagem de sistemas e a planejamento e operação de sistemas elétricos de potência. A Disciplina A analise numérica é a disciplina da matemática que se ocupa da elaboração e estudo de métodos que permitem obter, de forma efetiva, soluções numéricas para problemas matemáticos, quando por qualquer razão não é possível usar métodos analíticos. Interdisciplinaridades ▪ Aplicada em todas as disciplinas do curso. Conteúdo 1. Erros. 2. Sistemas de equações lineares: solução por métodos diretos e iterativos. 3. Interpolação, aproximação e ajuste funções. 4. Derivação e integração numéricas. 5. Raízes de equações 6. Resolução numérica de equações diferenciais. 7. Novas técnicas numéricas avançadas 1. Método dos momentos, 2. Meshless 3. Lower bound error 4. Método de Monte Carlo 5. Técnicas de programação aplicada aos métodos numéricos (MATLAB/C++). Avaliação 1. Trabalhos computacionais ao longo da disciplina. Cada trabalho será avaliado com nota igual a 100. A média dos trabalhos será a nota T. 2. Seminário (S). Ao final da disciplina os alunos individualmente ou em grupo deverão entregar um trabalho no formato de artigo para congresso e realizar uma apresentação. 3. A final será dada por: NF = 0,06T + 0,04S 4. O aluno será aprovado somente se obter NF ≥ 6,0. Bibliografia – Básica 1. Campos, F. F. Algoritmos Numéricos. 2. ed. Rio de Janeiro: LTC, 2007. 2. Pina, H. Métodos Numéricos, McGraw-Hill, 1995. 3. Lambers, J. V. and Sumner, A. C. Explorations in Numerical Analysis, University o California at Irvine, 2016. 4. Campos, F. F. Algoritmos Numéricos. 2. ed. Rio de Janeiro: LTC, 2007. 5. Franco, N. B. Cálculo Numérico. 1. ed. São Paulo: Prentice Hall, 2006. 6. Sperandio, D.; Mendes, J. T.; Silva, L. H. M. Cálculo Numérico: Características Matemáticas e Computacionais dos Métodos Numéricos. 1. ed. São Paulo: Prentice Hall, 2003. 7. Burdem, R. L., Faires, J. D., Análise Numérica , Thompson – 2003. 8. Wood, A. Introduction to Numerical Analysis, Addison Wesley, 1999. Bibliografia – Complementar 1. Mathews, J. H. e Fink, K. D. Numerical Methods Using MatLab, Prentice Hall, 1999; 2. Fauset, L. V. Applied Numerical Methods Using MatLab, Prentice Hall, 1999; 3. Arfken, G. B. e Weber, H. J. Mathematical Methods For Physicists, Academic Press; 6 edição, 2005. 4. G. F. Carey e T. J. Oden, "Finite Element: An Introduction, Vol. 1, Prentice-Hall, NJ, 1986. 5. T. J. R. Hughes, "The Finite Element Method", Prentice-Hall, NJ, 1987. 6. Kelley C.T., "Iterative Methods for Linear and Nonlinear Equations", SIAM, 1995. 7. Taflove, A; Hagness, S.C. Computational electrodynamics; the finite- difference time domain method. Boston: Artech House, 2000. 8. Sewell, G. The numerical solution of ordinary and partial differential equations. Boston: Academic Press, 1988. 9. Kwon, Y. W.; Bang H.C. The finite element method using Matlab. Boca Raton FL: CRC Press, 2000. Bibliografia – Complementar 10. Harrington, R. F. Field computation by moment methods. New York:Macmillan, 1968. 11. Burnett, D.S. Finite element analysis: from concepts to applications. Mass.: Addison-Wesley Pub. Co., 1987. 12. Silvester, P.P.; Ferrari, R. L. Finite elements for electrical engineers. New York: Cambridge University, 1996. 13. CUMINATO, J. A. E MENEGUETTE JUNIOR, M. - Técnicas de Diferenças Finitas - http://www.lcad.icmc.usp.br/projetos/siae98/livro_poti/poti.pdf 14. Ruggiero, M. A. G.; Lopes, V. L. R. Cálculo Numérico - Aspectos Teóricos e Computacionais. 2. ed. São Paulo: Makron Books, 1996. 15. Nepomuceno, E. G., & Mendes, E. M. A. M. A. M. (2017). On the analysis of pseudo- orbits of continuous chaotic nonlinear systems simulated using discretization schemes in a digital computer. Chaos, Solitons & Fractals, 95, 21–32. (doi) 16. Silva, B., Milani, F., Nepomuceno, E., Martins, S., & Amaral, G. (2016). Revisiting Hammel et al. (1987): Does the shadowing property hold for modern computers? In 6th International Conference on Nonlinear Science and Complexity (pp. 1--4). (doi) 17. Nepomuceno, E. G., & Martins, S. A. M. (2016). A lower bound error for free- run simulation of the polynomial NARMAX. Syst. Sci. & Contr. Eng., 4(1), 50-58. (doi) 18. Mendes, E. M. A. M., & Nepomuceno, E. G. (2016). A Very Simple Method to Calculate the (Positive) Largest Lyapunov Exponent Using Inte rval Extensions. Int. J. of Bifurc. and Chaos, 26(13), 1650226. (doi) http://doi.org/10.1016/j.chaos.2016.12.002 http://doi.org/10.20906/CPS/NSC2016-0055 http://doi.org/10.1080/21642583.2016.1163296 http://doi.org/10.1142/S0218127416502266
Compartilhar