INSTITUTO SUPERIOR DE GESTÃO
|
|
- Nelson Henriques Castilhos
- 7 Há anos
- Visualizações:
Transcrição
1 INSTITUTO SUPERIOR DE GESTÃO INVESTIGAÇÃO OPERACIONAL PROGRAMAÇÃO NÃO LINEAR (Exercícios) ( Texto revisto para o ano lectivo 1- ) António Carlos Morais da Silva Professor de I.O. / ISG
2 Recomendações 1. Fazer dez exercícios ou o mesmo exercício 1 vezes? Em regra obtém-se melhor rendimento executando várias vezes o mesmo exercício, com critério e sentido da descoberta, do que resolvendo vários exercícios com o obectivo enganador de acertar na solução.. Exercício feito, tarefa pronta? Rever criticamente a história da execução de um exercício melhora substancialmente a capacidade pessoal de identificação dos problemas e de arquitectar o plano de aplicação do ferramental técnico necessário (o quê ; quando ; como). A Programação Matemática apela ao engenho e arte de quem quer mesmo utilizá-la. 3. Sim ou não ao software da disciplina? O passado escolar ensina que o recurso intensivo ao software académico, desenhado especificamente para apoio do ensino desta disciplina, traduz-se rapidamente na melhoria do rendimento porque além de permitir exercitar a curiosidade intelectual (vertente fundamental) garante a obtenção rápida de respostas rigorosas e detalhadas para exercícios propostos pelo professor ou gizados pelo próprio aluno (aumento da produtividade).
3 Exercícios de PNL (5ª edição) 1. Métodos da Bissecção e do Gradiente 1.1. Calcular o Máximo livre de f(x) = - x 6-3x 4 + 1x pelo Método da Bissecção ( tolerância =.1) 1.. Calcular o Máximo livre de f(x) = -.5x 4 + x 3 - x + x pelo Método da Bissecção ( tolerância =.) 1.3. Calcular o Máximo livre de f(x 1,x ) = 4x 1 + 6x - x 1 - x 1 x - x pelo Método do Gradiente 1.4. Calcular o Máximo livre de f (x 1, x ) = x 1 x + x - x 1 - x pelo Método do Gradiente Calcular o Máximo livre de f (x 1, x ) = 8x 1 - x 1-1x - x + x 1 x pelo Método do Gradiente Calcular o Mínimo livre de f (x 1, x ) = x 1 x + x 1 + x - 4x 1 + 4x pelo Método do Gradiente Elabore um fluxograma do Método da Bissecção Fundamente e descreva o Método do Gradiente. geocities.com/ms_io 1-1
4 Exercícios de PNL (5ª edição). Método dos Multiplicadores de Lagrange.1. Descrever o Método dos Multiplicadores de Lagrange à luz do respectivo Teorema... Se (X,λ) são soluções das condições de Lagrange para um problema de PNL (maximização) só com restrições de igualdade, pode concluir-se que são todos pontos onde a função atinge o máximo?.3. Calcular pelo Método dos Multiplicadores de Lagrange: Max f(x 1,x ) = x 1 x + x 1 s.a. 4x 1 + x = 6.4. Deduza as condições de 1ª ordem para extremo de: Max f(x) s.a. x.5. Usando o Método dos Multiplicadores de Lagrange deduza as condições de 1ª ordem para extremo de: Max f(x) s.a. g(x) b.6. Calcular pelo Método dos Multiplicadores de Lagrange: Max f(x 1,x ) = 5x 1 - x 1 + 3x 1 x - x s.a. x 1 + x.7. Calcular pelo Método dos Multiplicadores de Lagrange: Max f(x 1,x ) = 3x 1 + x + x 1 x + 6x 1 + x s.a. x 1 - x = 4 O ponto óptimo é extremo global da função?.8. Calcular pelo Método dos Multiplicadores de Lagrange o extremo da função: Min f(x 1,x ) x 1 - x s.a. x 1 + x = 1 geocities.com/ms_io -1
5 Exercícios de PNL (5ª edição) 3. Programação Não Linear (alguns conceitos fundamentais) 3.1. Classifique e compare as soluções de modelos de PL e de PNL. 3.. A solução óptima de um modelo de PNL pode ser atingida em ponto da fronteira do convexo de soluções? 3.3. A solução óptima de um modelo de PNL pode ser atingida em ponto interior do convexo de soluções? 3.4. Em PNL o espaço de solução pode não ser convexo? 3.5. Partindo das respostas ás 4 questões anteriores, aponte as principais diferenças entre soluções de PL e PNL Considere o modelo de PNL: Max f(x 1, x,.... x n ) s.a. g 1 (x 1, x,.... x n ) (, =, ) b 1 g (x 1, x,.... x n ) (, =, ) b g m (x 1, x,.... x n ) (, =, ) b m Admitindo que o espaço de soluções é convexo em que circunstâncias pode afirmar-se que um máximo local da função-obectivo é solução óptima do modelo de PNL? 3.7. Apresente a matriz Hessiana da função f = (x x 1 x + x 4 ) 3.8. Considere a função não linear f(x 1, x,.... x n ) com segundas derivadas parciais contínuas no conunto S. Indique as condições a que deve obedecer a matriz Hessiana da função para poder concluir que esta é côncava Considere a função não linear f(x 1, x,.... x n ) com segundas derivadas parciais contínuas no conunto S. Indique as condições a que deve obedecer a matriz Hessiana da função para poder concluir que esta é convexa Uma empresa produz dois modelos M 1 e M da mesma máquina. As funções de procura são as seguintes: modelo M 1 : 15 - p 1 - p modelo M : - p 1-3p em que p 1 e p são os preços de venda de cada um dos modelos. Calcular os preços de venda que maximizam a receita Verificar se a função f= x 1 + x + x 3 - x 1 x - x x 3 - x 1 x 3 é convexa Considere a função quadrática f(x 1,x ) = x 1 x + 3x - x 1 - x a. Calcular o gradiente da função no ponto X 1 = (,3) T. b. Sendo f= 8 no ponto anterior, calcular o valor aproximado da função no ponto X = (.1,3.) T com uma série de Taylor. geocities.com/ms_io 3-1
6 Exercícios de PNL (5ª edição) Considerar a função quadrática anterior. Calcular o vector V resultante da diferença dos gradientes da função nos pontos X 1 e X do problema anterior recorrendo exclusivamente à matriz hessiana da função Considere a função f (x 1,x ) = 15x 1 + 3x - 4x 1 x - x 1-4x a. Apresentar a função na forma quadrática. 3- geocities.com/ms_io
7 Exercícios de PNL (5ª edição) 4. Condições de Karush-Kuhn-Tucker (condições KKT) 4.1. Deduza as condições KKT a partir da função de Lagrange: Max f(x 1,x ) = x 1 + 3x - x 1 - x s.a. x 1 + x Deduza as condições KKT a partir da função de Lagrange: Max f(x 1,x ) = x 1 + 3x - x 1 - x s.a. x 1 + x = Deduza as condições KKT a partir da função de Lagrange e calcule a solução óptima. Min f(x 1,x ) x 1 + x 1 + x - 4x + 5 s.a. x 1 - x - 1 x 1,x 4.4. Considere o seguinte problema de programação não linear : Max f(x 1,x ) = l n (x 1 +1) + x s.a. x 1 + x = 1 x 1, x a. Estabeleça as condições KKT b. Calcule a solução óptima Considere o seguinte problema de programação não linear : Max f(x 1,x ) x 1 + 3x - x 1 - x s.a. x 1 + x 4 x 1,x a. Demonstre que o problema é de programação convexa. b. Calcule a solução óptima pelo Método do Simplex modificado por Wolfe. c. Verifique geometricamente a solução calculada (a figura apresenta a proecção horizontal das curvas de nível da função). geocities.com/ms_io 4-1
8 Exercícios de PNL (5ª edição) 4.6. Considere o seguinte problema de programação não linear : Max f(x 1,x ) = 15x 1 + 3x + 4x 1 x - x 1-4x s.a. x 1 + x 3 x 1,x a. Demonstre que o problema é de programação convexa. b. Calcule a solução óptima pelo Método do Simplex modificado por Wolfe. c. Verifique geometricamente a solução calculada (a figura apresenta a proecção horizontal das curvas de nível da função) Considere o seguinte problema de programação não linear : Max f(x 1,x ) = l n (x 1 +1) - x s.a. x 1 + x 3 x 1, x a. Demonstre que o problema é de programação convexa. b. Estabeleça as condições KKT. c. Demonstre que o ponto de coordenadas (3,) é o ponto onde f(x 1,x ) atinge o máximo Considere o seguinte problema de programação convexa : Min f(x 1,x x 3 ) = x 1 + x 3 + x 3 s.a. x 1 + x + x 3 4 x (=1 a 3) a. Recorrendo ás condições KKT verifique se x 1 =1, x =1, x 3 =1 pode ser a solução óptima. 4- geocities.com/ms_io
9 Exercícios de PNL (5ª edição) 4.9. Descrever a solução óptima de Max f(x) para a x b recorrendo ás condições KKT sabendo que f (x) existe para qualquer valor no intervalo [ a,b ] Considere o seguinte problema de programação não linear : Min f(x 1,x ) = (x 1-1) + (x -) - 3(x 1 +x ) s.a. 4x 1 + x x 1 + 4x x 1, x a. Sabendo que o ponto óptimo X* não pertence à fronteira do convexo de soluções, calcule a solução óptima com base nas condições KKT. b. Verifique geometricamente a solução calculada (a figura apresenta a proecção horizontal das curvas de nível da função) Considere o seguinte problema de programação convexa : Min f(x 1,x ) = x 1 + x 1 + x 1 x + 4x s.a. x 1 + x 1 x 1 + x 1 x 1,x a. Calcule a solução óptima pelo Método do Simplex modificado por Wolfe. geocities.com/ms_io 4-3
10 Exercícios de PNL (5ª edição) 4.1. Considere o seguinte problema de programação não linear : Min f(x 1,x ) = x 1 + x s.a. x 1 + x = 1 x 1,x a. Demonstre que o ponto de coordenadas (1/3, /3) é o ponto onde f(x 1,x ) atinge o mínimo. b. Calcule a solução óptima pelo Método do Simplex modificado por Wolfe. c. Verifique geometricamente a solução calculada (a figura apresenta a proecção horizontal das curvas de nível da função) Considere o seguinte problema de PNL : Max f(x 1,x ) = 3x 1 + x s.a. x 1 + x 5 x 1 - x 1 a. Calcule a solução óptima recorrendo exclusivamente ás condições KKT Considere o seguinte problema de PNL : Max f(x) = x 1 s.a. x - (1 - x 1 ) 3 x 1,x a. Verifique que as condições KKT falham no ponto óptimo e explique porquê. 4-4 geocities.com/ms_io
11 Exercícios de PNL (5ª edição) Descreva o Método de Lemke (utilizado na Programação Quadrática.) Calcule a solução óptima do exercício 4.5 utilizando o Método de Lemke Calcule a solução óptima do exercício 4.6 utilizando o Método de Lemke Calcule a solução óptima do exercício 4.11 utilizando o Método de Lemke. geocities.com/ms_io 4-5
12 Exercícios de PNL (5ª edição) 5. Métodos de Frank-Wolfe e SUMT 5.1. Descreva e fundamente o método de Frank-Wolfe (direcções viáveis). 5.. Considere o seguinte problema de programação convexa : Min f(x 1,x ) = x 1-6x 1 + x 3-3x s.a. x 1 + x 1 x 1,x a. Determine a solução óptima pelo método de Frank-Wolfe Considere o seguinte problema de programação não linear: Max f(x 1,x ) = 15x 1 + 3x + 4x 1 x - x 1-4x s.a. x 1 + x 3 x 1,x a. Considere x 1 =5 e x =5 como ponto tentativa inicial. Efectue 3 iterações do método de Frank-Wolfe Considere o seguinte problema de programação não linear : Max f(x 1,x ) = 3x 1 - x x - x s.a. 3x 1 + x 7 x 1 - x 1 x 1,x a. Calcule a solução óptima recorrendo ao método de Frank-Wolfe, utilizando o programa distribuído (BL.EXE) Descreva e fundamente o método SUMT (Sequential Unrestricted Minimization Technique) Considere o seguinte problema de programação não linear : Max f(x 1,x ) = 3x 1 - x x - x s.a. 3x 1 + x 7 x 1 - x 1 x 1,x a. Calcule a solução óptima recorrendo ao método SUMT, utilizando o programa distribuído (BL.EXE). geocities.com/ms_io 5-1
13 Exercícios de PNL (5ª edição) 6. Modelos de Programação Não Linear 6.1. Uma empresa pretende iniciar a produção e venda de dois novos computadores A e B com preços de venda p1 e p respectivamente. A relação entre o número de computadores a produzir do tipo A e os preços de venda é a seguinte: x 1 = 4-1 p 1 + p Notar que se o preço de venda p 1 sobe 1 unidade o total da produção reduz-se em 1 computadores; se no computador do tipo B aumenta o preço de venda em 1 unidade, tal conduz à produção de mais um computador do tipo A. A relação entre o número de computadores a produzir do tipo B e os preços de venda é a seguinte: x = - 9p +.8 p 1 Das disponibilidades escassas indicam-se as necessidades para cada um dos tipos de aparelho: Mão de obra (horas) Chips Tipo A 3 Tipo B 3 1 Disponibilidade 5 45 a. Calcular o Plano Óptimo de Produção ( e respectivos preços de venda) recorrendo ás condições KKT. b. Indicar o contributo interno de 1 hora adicional de mão de obra. c. Se a empresa decidir não produzir e vender o stock de chips qual o preço a praticar? Justifique. 6.. Uma empresa pretende iniciar a produção e venda de três novos tipos de secretária A, B e C com preços de venda respectivamente de p 1,p e p 3 para o que pode disponibilizar, mensalmente, 15 horas/máquina e 8 horas de mão de obra. As relações entre nível da produção e preços de venda são as seguintes: nível da produção de A = 18 - p 1 nível da produção de B = 9 + 1/3 p 1 - p nível da produção de C = 13 - p 3 Os consumos por unidade produzida são os seguintes: Tipo Horas/máquina Mão de obra (horas) A.3.4 B.4 1 C.6.7 Os preços unitários de produção são, respectivamente, 5, 1 e 9 u.m. a. Apresentar o modelo de PNL para calcular o Plano Óptimo de Produção Uma empresa tem disponíveis T horas de trabalho e C unidades monetárias sendo seu obectivo produzir T /3.C 1/3 máquinas. O custo a suportar por hora de trabalho é de u.m. sendo de 1 u.m. por cada unidade de capital aplicado. Disponibilizando 3 u.m. para a produção quantas máquinas podem ser produzidas? geocities.com/ms_io 6-1
14 Exercícios de PNL (5ª edição) 6.4. Considere-se que no problema anterior se pretende produzir apenas 6 máquinas. Calcular o capital mínimo a disponibilizar para a produção Uma empresa produz a mesma máquina em Portugal e Espanha. Se aplicar x 1 unidades monetárias na promoção em Portugal a previsão de vendas é de 6x 1/ 1. Se aplicar x unidades monetárias na promoção em Espanha a previsão de vendas é de 4x 1/. O lucro unitário é de 5 u.m. nos dois países. a. Dispondo de 1 u.m. para promoção como pode a empresa maximizar o lucro? b. Qual é o aumento de lucro associado ao aumento de 1 u.m. para promoção? 6.6. Uma empresa tem clientes para o mesmo produto "A". Se produzir x 1 unidades para o cliente X, o preço de venda é de 7-4x 1 u.m. ; se produzir x unidades para o cliente Y, o preço de venda é de 15-15x u.m.. Para produzir P unidades tem um custo de P (P>). Quantas unidades produzir para cada um dos clientes? 6- geocities.com/ms_io
15 INSTITUTO SUPERIOR DE GESTÃO INVESTIGAÇÃO OPERACIONAL PROGRAMAÇÃO NÃO LINEAR (Soluções dos exercícios) ( Texto revisto para o ano lectivo 1- ) António Carlos Morais da Silva Professor de I.O. / ISG
16 Controlo da Tentativa Inicial Método da Bissecção OK. df/dx em A é Positiva 1 OK FUNÇÃO OK. df/dx em B é Negativa -468 Coeficientes Tolerância OK Var. Coef.,1 x 6 - x 5 Pontos Tentativa SOLUÇÃO x 4-3 A B x 3,, f(x) = 7, EXTREMO ÓPTIMO x 1,8815 Const. ABCISSA, x,84375 Esq(Dir) Dir(Esq) Médio ÁREA DE CÁLCULO Ponto "a" Ponto "b" M OK? Valor f( M ) K (df/dx)m Lado de,, 1, Não 7, 1-1, b, 1,,5 Não 5,7815 1,13 a,5 1,,75 Não 7, ,9 a,75 1,,875 Não 7, ,19 b,75,875,815 Não 7, ,31 a,815,875,84375 Não 7, ,34 b,815,84375,8815 Não 7, ,51 a,8815,84375, Sim 7, Book Bissec.xls. Sheet Sol. 1.1 Analise o gráfico da função: geocities.com/ms_io 1-1
17 1.. Controlo da Tentativa Inicial Método da Bissecção OK. df/dx em A é Positiva, OK FUNÇÃO OK. df/dx em B é Negativa -4,14 Coeficientes Tolerância OK Var. Coef., x 6 x 5 Pontos Tentativa SOLUÇÃO x 4 -,5 A B x 3 1,,4 f(x) =, x - EXTREMO ÓPTIMO x,975 Const. ABCISSA, ,15 Esq(Dir) Dir(Esq) Médio ÁREA DE CÁLCULO Ponto "a" Ponto "b" M OK? Valor f( M ) K (df/dx)m Lado de,,4 1, Não, ,1 b, 1,,6 Não,6636,46 a,6 1,,9 Não, ,1 a,9 1, 1,5 Não, ,5 b,9 1,5,975 Não, ,3 a,975 1,5 1,15 Não, ,1 b,975 1,15,99375 Sim, Book Bissec.xls Sheet Sol. 1. Analise o gráfico da função: 1- geocities.com/ms_io
18 1.3. Considerando como ponto tentativa inicial X = (1,1) e a tolerância de.1, da aplicação do Método do Gradiente resulta o seguinte: Quadro 1 - Determinação das coordenadas de X k+1 em ordem ao parâmetro t Ponto Tentativa X Gradiente em X Abcissa de X k+1 Ordenada de X k+1 Iter. x 1 x x 1 x a bt c dt Book Gradient.xls Sheet 1.3 Na iteração 9 as derivadas parciais de f(x 1,x ) têm valor absoluto inferior à tolerância.1 (termina processo iterativo). Solução : x 1 = ; x = ; f (x 1, x ) = Nota: A solução exacta é x 1 = 1/3 ; x = 4/3 ; f(x 1,x ) = 14/3. Para cada uma das iterações foi organizada a função f (x 1,x ) com x 1 e x parametrizados e calculado o seu máximo. Os resultados obtidos são apresentados no quadro seguinte: Quadro - Determinação do valor óptimo t * onde f (x 1,x ) atinge o máximo Iter. t t Constante t* (óptimo) Valor de f(x 1, x ) Book Gradient.xls Sheet 1.3 geocities.com/ms_io 1-3
19 Nas figuras seguintes apresentam-se o gráfico da função e a proecção horizontal das curvas de nível da função. f(x 1, x ) x x 1 x Máximo x geocities.com/ms_io
20 1.4. Considerando como ponto tentativa inicial X = (.1,.1) e a tolerância de.1, da aplicação do Método do Gradiente resulta o seguinte: Quadro 1 - Determinação das coordenadas de X k+1 em ordem ao parâmetro t Ponto Tentativa X Gradiente em X Abcissa de X k+1 Ordenada de X k+1 Iter. x 1 x x 1 x a bt c dt Book Gradient.xls Sheet 1.4 Na iteração 1 as derivadas parciais de f(x 1,x ) têm valor absoluto inferior à tolerância.1 (termina processo iterativo) Solução : x 1 =.9977 ; x = ; f (x 1,x ) = Nota : A solução exacta é x 1 = 1 ; x = 1 ; f(x 1,x ) = 1. Para cada uma das iterações foi organizada a função f (x 1,x ) com x 1 e x parametrizados e calculado o seu máximo. Os resultados obtidos são apresentados no quadro seguinte. Quadro - Determinação do valor óptimo t * onde f (x 1, x ) atinge o máximo Iter. t t Constante t* (óptimo) Valor de f(x 1, x ) Book Gradient.xls Sheet 1.4 geocities.com/ms_io 1-5
21 Nas figuras seguintes apresentam-se o gráfico da função e a proecção horizontal das curvas de nível da função. f(x 1,x ) x x 1 Máximo 1-6 geocities.com/ms_io
22 1.5. Considerando como ponto tentativa inicial X = (.1,.1) e a tolerância de.1, da aplicação do Método do Gradiente resulta o seguinte: Quadro 1 - Determinação das coordenadas de X k+1 em ordem ao parâmetro t Ponto Tentativa X Gradiente em X Abcissa de X k+1 Ordenada de X k+1 It x 1 x x 1 x a bt c dt 1,1,1 8, -1,,1 8,,1-1, 1, ,1133,3469,7656 1,61563,3469 -,1133, ,7891 -,1969,8,1858 1,7891,8 -,1969, , ,166,1957, ,73636,1957 -,166, , ,1464,17835, ,76458, ,1464, ,7936 -,1975,15979,997 1,7936, ,1975, , ,11533,144,885 1,81346,144 -,11533, , ,175,1697,7853 1,83376,1697 -,175, ,8516 -,9171,11335,77 1,8516, ,9171,77 1 1, ,8199,1135,664 1,86734,1135 -,8199, , ,7343,976,569 1,88119,976 -,7343, ,8934 -,6587,814,53 1,8934,814 -,6587, ,9439 -,599,734,4514 1,9439,734 -,599, ,9149 -,539,6563,456 1,9149,6563 -,539, ,981 -,4771,5897,3644 1,981,5897 -,4771, ,9353 -,494,537,38 1,9353,537 -,494, , ,3864,4777,95 1,93747,4777 -,3864, ,9437 -,3478,499,657 1,9437,499 -,3478, , ,313,3869,391 1,94935,3869 -,313,391 1, ,8,3488,156 1,95434,3488 -,8, , ,544,3145,1944 1,95883,3145 -,544,1944 1,9689 -,94,835,175 1,9689,835 -,94, , ,68,556,158 1,96654,556 -,68, , ,1864,34,144 1,96984,34 -,1864, ,9776 -,1683,81,186 1,9776,81 -,1683, ,9754 -,15,1879,1161 1,9754,1879 -,15, , ,1373,1697,149 1,97779,1697 -,1373, , ,14,153,947 1,97994,153 -,14, , ,1119,1384,855 1,98189,1384 -,1119, , ,111,149,77 1,98365,149 -,111, ,9853 -,913,118,697 1,9853,118 -,913, , ,84,119,63 1,98666,119 -,84, , ,744,9,569 1,98796,9 -,744,569 Book Gradient.xls Sheet 1.5 Na iteração 33 as derivadas parciais de f(x 1,x ) têm valor absoluto inferior à tolerância.1 (termina processo iterativo) Solução : x 1 = ; x = ; f (x 1,x ) = 19, Nota : A solução exacta é x 1 = ; x = - ; f(x 1,x ) = Para cada uma das iterações foi organizada a função f (x 1,x ) com x 1 e x parametrizados e calculado o seu máximo pelo método da Bissecção. geocities.com/ms_io 1-7
23 Nas figuras seguintes apresentam-se o gráfico da função e a proecção horizontal das curvas de nível da função. f(x 1, x ) x x 1 Máximo 1-8 geocities.com/ms_io
24 1.6. Considerando como ponto tentativa inicial X = (,) e a tolerância de.1, da aplicação do Método do Gradiente, na função simétrica, resulta o seguinte: Quadro 1 - Determinação das coordenadas de X k+1 em ordem ao parâmetro t Ponto Tentativa X Gradiente em X Abcissa de X k+1 Ordenada de X k+1 Iter. x 1 x x 1 x a bt c dt Book Gradient.xls Sheet 1.6 Na iteração 3 as derivadas parciais de -f(x 1,x ) têm valor absoluto inferior à tolerância.1 (termina processo iterativo) Solução : x 1 = ; x = ; f (x 1,x ) = Nota :Para cada uma das iterações foi organizada a função -f (x 1,x ) com x 1 e x parametrizados e calculado o seu máximo. Os resultados obtidos são apresentados no quadro seguinte: Quadro - Determinação do valor óptimo t * onde f(x 1,x ) atinge o máximo Iter. t 4 t 3 t t Constante t* (óptimo) Valor de f(x 1, x ) Book Gradient.xls Sheet 1.6 geocities.com/ms_io 1-9
25 Nas figuras seguintes apresentam-se o gráfico da função e a proecção horizontal das curvas de nível da função. f(x 1,x ) x x geocities.com/ms_io
26 1.7. O método da bissecção determina a abcissa do extremo de uma função monovariável no intervalo [a,b]. Fluxograma do método: Fixar tolerância ε Escolher pontos-tentativa "a" e "b" tal que: f (a).f (b) < (por exº f (a) > e f (b) < ) m = a + b f (m) =? Sim Não f (m) >? Sim a = m Não b = m Não a - b ε? Sim Abcissa óptima = m Fim A figura seguinte visualiza os pontos a, b e m da primeira iteração: 1ª Hipótese Reduzir intervalo com a = m ª Hipótese Reduzir intervalo com b = m f(x) f(x) a m b a m b geocities.com/ms_io 1-11
27 1.8. Aspectos essenciais que fundamentam o método: 1. O valor do gradiente da função num ponto X k, indica a direcção e sentido de crescimento da função naquele ponto.. O vector-gradiente, no ponto X k, é perpendicular à curva de nível da função a que pertence X k e indica a direcção e sentido de maior aumento da função o que não deve ser confundido com caminho mais curto para atingir o extremo desta (ver figura) Max 1.5 X 1 X No ponto X k, conhecendo a direcção e sentido de maior aumento da função, é necessário calcular o tamanho do deslocamento (passo) para atingir o ponto X k+1 de coordenadas: X k+1 = X k + p f Xk onde a função tem o seu maior valor naquela direcção e sentido(ver figura). Com as coordenadas de X k+1 expressas em função de p : coloca-se f(x) em ordem a p (dispõe-se de uma função monovariável h(p) para maximizar); pelo método da bissecção calcula-se o valor óptimo de p ; calculam-se as coordenadas de X k+1 por substituição de p. 4. Em X k+1 calcula-se o valor do gradiente da função ( que se sabe ser nulo no óptimo) e compara-se com a tolerância fixada. Se satisfaz é interrompido o cálculo (regra de paragem) repetindo-se o procedimento descrito no caso contrário. 1-1 geocities.com/ms_io
28 Fluxograma do Método do Gradiente: Escolher ponto-tentativa X k Calcular f em X k X k+1 = X k + p f Xk Construir h(p) = f(x k+1 ) Max h(p) por bissecção (obter valor óptimo de "p") Calcular X k+1 Calcular f em X k+1 f Xk+1 Tolerância? Sim Fim Não X k = X k+1 geocities.com/ms_io 1-13
29 . Solução dos Exercícios de PNL.1 Teorema dos multiplicadores de Lagrange Dado o problema de PNL: Max f (X) s.a. f i (X) = (i = 1,..., m) se : X * é um máximo local, e n > m ( há mais variáveis do que restrições), e f i têm primeiras derivadas parciais contínuas em ordem a x, e os gradientes f i (X * ) são vectores linearmente independentes, então há um vector λ = [ λ 1, λ,...,λ m ] T tal que : m * * f ( X ) λ f ( X ) = i= 1 i i em que: - λ 1, λ,..., λ m são denominados multiplicadores de Lagrange; - a condição da independência linear de f i (X * ) é denominada restrição de qualificação. O teorema sugere o seguinte método para resolver problemas de PNL só com restrições de igualdade: Verificar se n > m e se todas as f i têm derivadas parciais contínuas Considerar a Função de Lagrange : L( X, λ) = f ( X ) λ f ( X ) m i= 1 i i Calcular todas as soluções (X *, λ * ) para o sistema de equações algébricas não lineares: m L( X, λ) = f ( X ) λ f ( X ) = ( n equações) i= 1 i i L( X, λ) λ i = f ( X ) = ( i = 1,..., m) ( m equações) i Estas equações representam as condições de Lagrange sendo os pontos (X,λ) os pontos de Lagrange. Analisar cada uma das soluções (X *, λ * ) para verificar se é maximizante.. A resposta é negativa pois que o teorema não garante que as soluções das condições de Lagrange são pontos óptimos (onde a função-obectivo atinge o máximo) ou mesmo que seam pontos de estacionaridade; o que o teorema garante é que qualquer ponto onde não se verifiquem as condições de Lagrange não é garantidamente ponto-óptimo. Resumindo, as condições de Lagrange são condição necessária para uma solução ser considerada óptima mas não são condição suficiente excepto no caso de solução única em que pode concluir-se imediatamente que a mesma é óptima. geocities.com/ms_io -1
30 .3 1. n= e m=1 portanto tem-se n > m O gradiente da restrição é: f 1 = 4 pelo que f i / x é contínua.. Construir a função Lagrangeana: L (x 1,x,λ) = f(x 1,x ) - λ ( 4x 1 + x - 6 ) = x 1 x + x 1 - λ ( 4x 1 + x - 6 ) (Notar que sendo ( 4x 1 + x - 6 )= maximizar L é maximizar a função-obectivo) 3. Calcular as derivadas parciais de 1ª ordem, igualar a zero e resolver o sistema de equações: L / x 1 = x + - 4λ = x 1 = 8 L / x = x 1 - λ = x = 14 L / λ = -4x 1 - x + 6 = λ = 4 A solução que satisfaz as condições de Lagrange é única pelo que é óptima (Max f = 18): X = 8 e λ= 4 14 A figura seguinte apresenta a proecção horizontal das curvas de nível da função. x Ponto Óptimo 1 5 f = x 1 - geocities.com/ms_io
31 .4 Sendo a variável não negativa as situações possíveis são: 1ª Situação ª Situação f(x) Max f(x) Max ou x x df/dx = df/dx = x > x = 3ª Situação f(x) Max Max df/dx < x = x A não negatividade das variáveis independentes, determina as seguintes condições de 1ª ordem para um ponto maximizante (extremo condicionado): df/dx x (df/dx) = Naturalmente para f( x 1,x,...,x n ) com x 1,x,...,x n tem-se: f / x ( =1 a n ) x ( f / x ) = geocities.com/ms_io -3
32 .5 Considere-se o modelo na forma: Max f(x) s.a. g(x) + s = b s A função Lagrangeana é: L = f(x) - λ [(g(x) + s - b)] Atendendo a que s é variável não negativa, as condições de 1ª ordem para extremo de L (x,λ) são: L / x = L / s s ( L / s) = L / λ = (notar que L / λ = -g(x) - s + b = Notar que: ( L / s) = -λ o que implica: λ (multiplicador de Lagrange deve ser não negativo) s (-λ ) =. Como -s = g(x) - b resulta: λ[ g(x) - b)] = (note que λ é complementar da variável de folga da restrição pelo que é a variável Dual associada...).6 Verificação da concavidade da função: f = f / x 1 = 5-4x 1 + 3x f / x 3x 1-4x H f = f / x 1 f / x 1 x = -4 3 f / x x 1 f / x 3-4 Na matriz Hessiana os menores principais H k com k=1, são: H 1 = -4 e -4 (diagonal principal) ; H = (-4)(-4) - (3)(3) = 7 Como os determinantes têm o sinal de (-1) k (são respectivamente negativo e positivo) a matriz é Definida Negativa podendo concluir-se que a função é côncava. A função Lagrangeana é: L = 5x 1 - x 1 + 3x 1 x - x - λ ( x 1 + x + s - ) As condições a satisfazer pelo extremo (ver problema.5) são: L / x 1 = 5-4x 1 + 3x - λ = (1) L / x = 3x 1-4x - λ = () L / s -λ (3) s ( L / s) = - sλ = (4) L / λ = -x 1 -x -s + = (5) Estas condições podem tomar a forma mais simples: -4 geocities.com/ms_io
33 5-4x 1 + 3x - λ = (1) 3x 1-4x - λ = () λ ( x 1 + x - ) = (3) λ ; s (4) (Notar a condição de não negatividade do multiplicador λ ) Se λ = tem-se de (1) e () x 1 = /7 e x = 15/7 que não satisfaz x 1 + x + s = com s pelo que se conclui que λ. Para λ então em (3) tem-se x 1 + x = ou sea x 1 = - x Substituindo em (1) e () tem-se: x + 3x - λ = e 6-3x - 4x - λ = que permite calcular x = 9/14 e λ = 3/. Em (1) ou () tem-se x 1 = 19/14. O ponto ( 19/14, 9/14 ) é o ponto óptimo onde Max f(x 1,x ) = 137/8. Nas figuras seguintes apresentam-se o gráfico da função e a proecção horizontal das curvas de nível da função. 5 f(x 1,x ) x x A matriz Hessiana é: geocities.com/ms_io -5
34 H f = f / x 1 f / x 1 x = 6 f / x x 1 f / x Como os determinantes menores principais (1ª e ª ordem) são positivos a matriz é Definida Positiva podendo concluir-se que a função é convexa. A função Lagrangeana é: L = 3x 1 + x + x 1 x + 6x 1 + x - λ ( x 1 - x - 4 ) As condições a satisfazer pelo extremo são: L / x 1 = 6x 1 + x λ = (1) L / x = x + x λ = () L / λ = -x 1 + x + 4 = (3) A solução do sistema de equações é x 1 = 7/11 ; x = -3/11 ; λ = 4/11. Porque a função é convexa só se pode concluir que foi atingido um ponto de estacionaridade. -6 geocities.com/ms_io
35 Nas figuras seguintes apresentam-se o gráfico da função e a proecção horizontal das curvas de nível da função. 8 6 f(x 1,x ) 4 - x x geocities.com/ms_io -7
36 .8 A função-obectivo é linear (côncava e convexa) A função Lagrangeana é: L = x 1 - x - λ ( x 1 + x - 1 ) As condições a satisfazer pelo extremo são: L / x 1 = 1 - λx 1 = (1) L / x = -1 - λx = () L / λ = -x 1 - x + 1 = (3) Do sistema calcula-se λ = ± 1 pelo que há soluções: 1. x1 = ; x = ; λ = ; f = x1 = ; x = ; λ = ; f = Da sua análise verifica-se que o valor óptimo da função é atingido no primeiro destes pontos: x1 = ; x = ; Min f = A figura seguinte esclarece a situação: Ponto óptimo x 1 (-f) 1 x 1-8 geocities.com/ms_io
37 As soluções de um modelo de PL podem ser agrupadas do seguinte modo: não admissível ou admissível com valor óptimo finito atingido no ponto óptimo ou admissível com valor óptimo ilimitado Na Programação Não Linear são possíveis as 3 situações e uma 4ª hipótese: admissível com valor limitado para a função-obectivo mas não há ponto óptimo Vea-se por exemplo Min f = 1/x com x que tem pontos admissíveis sendo zero o maior limite inferior do valor da função-obectivo. Contudo este limite nunca é atingido em ponto admissível pelo que não há ponto óptimo. geocities.com/ms_io 3-1
38 3. É possível como o exemplo seguinte demonstra: Minimizar f(x 1,x ) = (x 1-4) + (x - 4) s.a. x 1 + 3x 6-3x 1 - x - 1 x 1, x A solução óptima é x 1 =8/13, x =36/13 e Min f= 64/13. As figuras mostram que, no convexo de soluções, o Ponto óptimo NÃO É EXTREMO (o que não se passa em Programação Linear). f(x 1,x ) x x Min Livre Min Condicionado 3- geocities.com/ms_io
39 3.3 É possível como o exemplo seguinte demonstra: Minimizar f(x 1,x ) = (x 1-4) + (x - 4) s.a. x 1 + x 5 -x 1-5 -x -1 x 1,x A solução óptima é x 1 = 4, x = 4 e Min f=. As figuras mostram que, no convexo de soluções, o Ponto óptimo É INTERIOR ( o que não se passa em Programação Linear). f(x 1,x ) x x Min Condicionado geocities.com/ms_io 3-3
40 3.4 É possível como o exemplo seguinte demonstra: Max f (x 1,x ) = x 1 + x s.a. -x 1 + 4x 1 - x x 1 + 3x 1 x 1, x Nota: O espaço de solução não é convexo ( conuntos : áreas I e II ). Na área I, é no ponto P que a função tem maior valor. Vea-se que tal é apenas máximo local pois na área II a função tem maior valor em qualquer ponto. 4 P -x 1 + 4x 1 - x = 3 I x 1 + 3x = 1 1 f II CONCLUSÕES SOBRE DIFERENÇAS ENTRE PNL E PL : Em PNL, qualquer ponto do espaço de solução pode ser óptimo. A procura do ponto óptimo não pode ficar limitada aos extremos como na PL. O número de restrições técnicas saturadas, no óptimo, pode ser nulo. (ver problema 3.3 onde nenhuma restrição é satisfeita como igualdade). O deslocamento contínuo numa dada direcção pode não conduzir a valores crescentes (ou decrescentes) da função-obectivo ao contrário do que se verifica na PL. O espaço de solução pode não constituir um conunto convexo (ver problema 3.4). Um óptimo local pode não ser um óptimo global ( ver problema 3.4). 3.6 Só no caso de f(x) ser côncava ou sea, no conunto de soluções S para qualquer par de pontos X e X do conunto S verifica-se: f(cx + (1-c)X cf(x ) + (1-c)f(X ) (1) para valores de c tal que c geocities.com/ms_io
41 A figura seguinte visualiza a situação para uma função monovariável: f(x) f(cx + (1-c)x )) C f(x ) cf(x )+ (1-c) f(x )) f(x ) A B D x cx + (1-c)x x x Nota: Coordenadas de B obtidas por combinação linear convexa dos extremo do segmento AD. Vea-se que a função é côncava porque se verifica a condição (1) o que geometricamente corresponde a que o segmento que une qualquer par de pontos da curva da função está sempre abaixo desta. 3.7 A matriz Hessiana de f(x 1, x,..., x n ) é uma matriz de ordem n em que cada elemento (i,) é igual a: x i x f Para a função proposta tem-se H = 6x 1 1x 3.8 A função é CÔNCAVA em S se e só se para qualquer ponto X S, os menores principais não nulos da matriz Hessiana têm o sinal de (-1) k sendo k a ordem do menor. 3.9 A função é CONVEXA em S se e só se para qualquer ponto X S, os menores principais da matriz Hessiana são positivos. 3.1 Considerando d 1 e d as funções da procura, o obectivo é Maximizar a função-obectivo f = p 1 d 1 + p d ou sea f= p 1 (15 - p 1 - p ) + p ( - p 1-3p ) = 15 p 1 - p 1 - p 1p + p - 3p. A matriz Hessiana é: sendo os seus menores principais: H 1 = -4 e -6 (ambos negativos) H = 4-4 = (positivo) pelo que a matriz é definida negativa, podendo concluir-se que a função-obectivo é Côncava. Anulando o gradiente da função tem-se: f = 15-4p 1 - p = p 1 = p = 5 u.m. com Max f= p p com d 1 = 75 e d = 1 (unidades) geocities.com/ms_io 3-5
42 A matriz Hessiana é: Os menores principais são : H 1 =,, 4 (positivos) H = 8-1 = 7 > H = 8-1 = 7 > H = 4-1 = 3 > H 3 = 6 > Dado que todos os menores principais de H são positivos a matriz é definida positiva pelo que a função é Convexa. 3.1 a. Sendo X 1 = (,3) o valor do gradiente neste ponto é: f = x - x 1 = x x 1 b. A função é quadrática pelo que a série de Taylor terá 3 termos: T 1 T f ( X ) = f ( X1 ) + X f X + X H X X = +[.. ] [.. ] [ ]. 1. = = V = f X f X = H X X =. 1 =. ( 1 1 ).. T 3.14 f = CX + 1 X H X x x 1 x 4 8 x 1 = [ 15 3] [ x1 x ] em que : C = matriz dos coeficientes das variáveis x ii, na função-obectivo H = matriz hessiana de f(x) X = vector coluna das variáveis de decisão 3-6 geocities.com/ms_io
43 4. Solução dos Exercícios de PNL 4.1 L (x 1,x, λ) = x 1 + 3x - x 1 - x - λ ( x 1 + x + s - 4) s.a. s O termo -λ ( x 1 + x + s - 4) é nulo pelo que maximizar a função L é maximizar a função proposta. As condições de 1ª ordem para extremo da função Lagrangeana são: L / x 1 = - x 1 -λ = L / x = 3 - x - λ = L / s -λ s( L / s) = s (-λ) = L / λ = -x 1 - x - s + 4 = As condições KKT são: 1ª condição: - x 1 -λ = 3 - x - λ = ª condição: Dado que -s = x 1 + x - 4 e que -sλ =, deduz-se a condição seguinte: λ(x 1 + x - 4) = 3ª condição: A restrição técnica do modelo x 1 + x - 4 4ª condição: λ 4. Nesta situação, dado que a restrição é do tipo = não é utilizada qualquer variável de folga pelo que a variável λ é livre. As condições KKT são: 1ª condição: - x 1 -λ = 3 - x - λ = ª condição: A restrição técnica do modelo x 1 + x - 4 = geocities.com/ms_io 4-1
44 4.3 Considerando s 1 e s variáveis de folga (não negativas) das primeira e segunda restrições técnicas, a função de Lagrange é: L (x 1,x,s 1,s,λ 1,λ ) = f(x 1,x ) - λ 1 ( x s 1 ) - λ ( x -1 + s ) Nesta situação é necessário atender à condição de não negatividade das variáveis x 1, x, s 1, s e ao ambiente de Minimização. Adoptando abordagem semelhante à exposta no problema.4, conclui-se que as condições de 1ª ordem para extremo são: L / x e x ( L / x ) = L / s i e s i ( L / s i ) = L / λ i = Da condição L / s i deduz-se λ i ( de facto λ i é a variável Dual associada à restrição i ; como as duas restrições são do tipo em ambiente de Minimização, as variáveis duais associadas são não positivas). Da condição s i ( L / s i ) = deduz-se λ i ( g i (x 1,x ) - b i ) =. As condições KKT são: (1) x λ 1 (1) () x 1 (x λ 1 ) = (3) x λ (1) (4) x (x λ ) = (5) x 1 - (6) λ 1 (x 1 - ) = (7) x - 1 (8) λ (x - 1) = (9) x 1, x (1) λ 1, λ Das condições de ortogonalidade tem-se: se λ i então g i (X) = e se g i (X) então λ i = Explorando uma das condições até estabelecer incompatibilidade (contradição) com as restantes condições será possível concluir se é nulo o multiplicador λ i ou g i (X) ou ambos. Deste modo como se vai concluindo quais as restrições activas e inactivas, as desigualdades KKT que se verificam como igualdades e os multiplicadores que são nulos a complexidade do problema reduz-se progressivamente. 4- geocities.com/ms_io
45 Tomando a condição (6) tem-se: x 1 - = x 1 - x 1 = λ 1 = λ 1 λ 1 = x 1 = x 1 Satisfaz (1),(),(5),(6),(9),(1) Em (): λ 1 = 6 Não admissível Em (): x 1 = -1 Contradição Em (): x 1 = -1 Não admissível 1ª Conclusão : x 1 = ; λ 1 = satisfaz as condições KKT. Tomando a condição (7) tem-se: x - 1 = x - 1 x = 1 λ = Em (4): λ = - λ λ = x = Satisfaz (3),(4),(7),(8),(9),(1) Em (4): x = Contradição Em (3) : -4. Falso x Em (4) x = Em (7) : 1. Falso ª Conclusão : x = 1 ; λ = - satisfaz as condições KKT. A solução x 1 = ; x = 1; λ 1 = ; λ = - satisfaz todas as condições KKT o que é suficiente para afirmar tratar-se da solução óptima. Acresce ainda que sendo Convexa a função proposta para optimizar em espaço Convexo (restrições são lineares) é condição necessária que a solução satisfaça integralmente as condição KKT. O ponto óptimo é pois x 1 = ; x = 1 sendo Min f =. Nota: Poder-se-ia ter optado por Maximizar a função simétrica -x 1 - x 1 - x + 4x - 5 com o que se obteria o ponto-solução : x 1 = ; x = 1 ; λ 1 = ; λ =. O multiplicador λ é agora não negativo porque a restrição associada é típica no ambiente de maximização. geocities.com/ms_io 4-3
46 As figuras seguintes apresentam o gráfico da função proposta, e a proecção horizontal das curvas de nível. f = Ponto óptimo 4.4 a. Substituindo a restrição de igualdade pelas desigualdades x 1 + x 1 e -x 1 - x -1 as condições KKT são : f x m λ g i i= 1 x i (1) () [1 / (x 1 + 1) ] - λ 1 (x 1 ) - λ (-x 1 ) 1 - λ 1 (x ) - λ (-x ) x g i f m gi ( λ i ) = x i= 1 x (3) (4) b (5) λ i g i b i i (6) ( ) = (7) (8) x 1 {[1 / (x 1 + 1) ] - λ 1 (x 1 ) - λ (-x 1 ) } = x [1 - λ 1 (x ) - λ (-x ) ] = x 1 + x x 1 - x + 1 λ 1 (x 1 + x - 1) = λ (-x 1 - x + 1) = λ i (9) λ 1, λ x (1) x 1, x 4-4 geocities.com/ms_io
47 b. De (1) deduz-se que λ 1 e x 1. De (3) deduz-se que λ 1 e x. Solução dos Exercícios de PNL Os multiplicadores λ 1 e λ são complementares pelo que λ =. De facto considerando a restrição na forma de igualdade seria utilizado apenas um multiplicador λ sem restrição de sinal que poderia ser considerado λ = λ 1 - λ com λ 1, λ. Ora nesta situação, verifica-se no óptimo, se existe, λ 1 λ =. Tem-se assim o sistema de equações: [1 / (x 1 + 1) ] - λ 1 x 1 = 1 - λ 1 x = x 1 + x - 1 = com solução x 1 = ; x = ; λ = ; Max f = As figuras seguintes apresentam o gráfico da função proposta, e a proecção horizontal das curvas de nível. Ponto óptimo 4.5 a. No problema proposto, o espaço S de soluções admissíveis é um conunto convexo pelo que se a função for côncava qualquer máximo local é solução óptima do problema. A Hessiana de f(x 1,x ) é a matriz quadrada de ordem : H= f / x 1 f / x 1 x = - f / x x 1 f / x - geocities.com/ms_io 4-5
48 A função f(x 1,x ) é côncava no espaço de solução S se e só se para qualquer par (x 1,x ) S, em H todos os menores principais diferentes de zero têm sinal de (-1) k sendo k a ordem do menor. Nota: O menor principal de ordem i de uma matriz quadrada de ordem n é o determinante de qualquer matriz de ordem i obtida quando se eliminam n-i linhas e as correspondentes n-i colunas da matriz. Na matriz H têm-se os menores principais: de ordem 1 : - e - (têm o sinal de -1 1 ) de ordem : (-)(-) - ()() = 4 ( tem o sinal de -1 ) pelo que H é uma matriz definida negativa, pelo que f(x 1,x ) é côncava. O problema é portanto de programação convexa : função côncava e espaço de soluções convexo. b. O método do Simplex modificado por Wolfe pode ser utilizado em programação convexa quadrática (caso do problema proposto) sendo necessário recorrer às condições KKT: (1) - x 1 - λ () x 1 ( - x 1 - λ ) = (3) 3 - x - λ (4) x (3 - x - λ ) = (5) x 1 + x - 4 (6) λ (x 1 + x - 4) = (7) x 1, x, λ Colocando as condições (1), (3) e (5) na forma de igualdade tem-se: x 1 + λ - e 1 = x + λ - e = 3 x 1 + x + s 1 = 4 Atendendo a que: -e 1 = - x 1 - λ, deduz-se da condição () que o produto x 1 e 1 =. -e = 3 - x - λ, deduz-se da condição (4) que o produto x e =. -s 1 = x 1 + x - 4, deduz-se da condição (6) que o produto λ s 1 = pode estabelecer-se a restrição de complementaridade x 1 e 1 + x e +λs 1 =. As condições KKT são equivalentes a : x 1 + λ - e 1 = x + λ - e = 3 x 1 + x + s 1 = 4 x 1 e 1 + x e + λ s 1 = (restrição de complementaridade) x 1, x, λ, e 1, e, s 1 Analisando a restrição de complementaridade verifica-se que não é linear e impõe: as variáveis e i, x i não podem ser simultaneamente positivas; 4-6 geocities.com/ms_io
49 a variável auxiliar (folga ou excedentária) da restrição i e λ i não podem ser simultaneamente positivas. O método Simplex modificado por Wolfe recorre ao 1º passo do Método dos Passos considerando a seguinte regra para calcular soluções que satisfaçam a restrição de complementaridade : não formar base em que as variáveis complementares e i, x i seam simultaneamente variáveis básicas positivas (na maior parte dos casos se uma é VB a outra não pode entrar para a base); não formar base em que a variável auxiliar (folga ou excesso) da restrição i e λ i (que são complementares) seam simultaneamente variáveis básicas positivas (na maior parte dos casos se uma é VB a outra não pode entrar para a base); No exemplo proposto, é necessário utilizar variáveis Artificiais nas duas primeiras restrições e Minimizar a sua soma executando o 1º passo do Método dos Passos: x 1 + λ - e 1 + A 1 = x + λ - e + A = 3 x 1 + x + s 1 = 4 Min f a = A 1 + A A 1, A Aplicando o método Simplex modificado por Wolfe tem-se: VB x 1 x λ e 1 e s 1 A 1 A VSM Obs. A λ não pode entrar para a A base (complementaridade com s s 1 ). Entra x 1 ou x. -f a f a x / 1/ 1 λ não pode entrar para a A base (complementaridade com s s 1 ). Entra x. -f a x 1-1 1/ 1/ -1/ 1 Entra λ. x / 1/ 1 A f a λ 1-1/4-1/4-1/4 1/4 1/4 1/4 Sol. óptima. x 1 1/4-1/4 1/4-1/4 1/4 5/4 x 1 1-1/4 1/4 1/4 1/4-1/4 3/4 -f a 1 1 Solução Óptima: x 1 = 3/4 ; x = 5/4 ; Max f(x 1, x ) = 5/8 geocities.com/ms_io 4-7
50 Nota: λ é a variável dual associada à restrição razão porque λs 1 = (complementaridade das folgas).neste caso a restrição está saturada. As figuras seguintes apresentam o gráfico da função proposta, e a proecção horizontal das curvas de nível. f(x 1,x ) x x 1 f=5/8 4.6 a. A Hessiana de f(x 1,x ) é a matriz quadrada de ordem : H= f / x 1 f / x 1 x = -4 4 f / x x 1 f / x 4-8 H 1 = -4 e -8 < Matriz H é Definida Negativa H = 16 > A função é Côncava O problema é de programação convexa porque: a função-obectivo é Côncava e diferenciável a função da restrição técnica é convexa e diferenciável ( restrição linear função côncava e convexa) 4-8 geocities.com/ms_io
51 b. Condições KKT: Solução dos Exercícios de PNL f x m λ g i i= 1 x i (1) () x - 4x 1 -λ(1) 3 + 4x 1-8x - λ() x g i f m gi ( λ i ) = x i= 1 x (3) x 1 [15 + 4x - 4x 1 -λ(1)] = (4) x [3 + 4x 1-8x - λ()] = b (5) x 1 + x -3 λ i i i i ( g b ) = (6) λ( x 1 + x -3) = λ i (7) λ x (8) x 1, x Para usar o método Simplex, estabelece-se o sistema de equações: 4x 1-4x + λ - e 1 + A 1 = 15-4x 1 + 8x + λ - e + A = 3 x 1 + x + s 1 = 3 x 1 e 1 + x e + λs 1 = (restrição de complementaridade) Min f a = A 1 + A x 1, x, e 1, e, s 1, λ, A 1, A Aplicando o método Simplex modificado por Wolfe tem-se: VB x 1 x λ e 1 e s 1 A 1 A VSM Obs. A Entra x (pode porque e é VNB) A s f a 1 1 -f a x -1/ 1 1/4-1/8 1/8 15/4 Entra x 1 (pode porque e 1 é VNB) A / 1 1/ 3 Notar que λ não é seleccionável pois s 1-1/ 1/4 1-1/4 45/ s 1 é VB e não sai da base por troca -f a / 1/ -3 com λ. x 1 1-1/4 1/8 1/ -1/8 45/4 Entra λ (pode porque s 1 é VNB) x 1 1/8-1/16 1/4 1/16 75/8 A 1 5/ -1-3/ /4 15/ -f a -5/ 1 3/4 1 1/4-15/ λ 1 -/5-3/1 -/5 /5 3/1 3 x 1 1-1/1 1/ /5 1/1-1/ 1 x 1 1/ -1/4 3/1-1/ 1/4 9 -f a 1 1 Solução óptima. Solução Óptima: x 1 = 1 ; x = 9 ; Max f(x 1, x ) = 7 geocities.com/ms_io 4-9
52 Nota: λ é a variável dual associada à restrição razão porque λs 1 = (complementaridade das folgas).neste caso a restrição está saturada. As figuras seguintes apresentam o gráfico da função proposta, e a proecção horizontal das curvas de nível. f(x 1,x ) x x 1 Ponto Óptimo a. A Hessiana de f(x 1,x ) é a matriz quadrada de ordem : H= f / x 1 f / x 1 x = -1/(x 1 +1) f / x x 1 f / x - H 1 < Matriz H é Definida Negativa H > Função Côncava 4-1 geocities.com/ms_io
53 O problema é de programação convexa porque: a função-obectivo é Côncava e diferenciável Solução dos Exercícios de PNL a função da restrição técnica é convexa e diferenciável ( restrição linear função côncava e convexa) b. Condições KKT: f x m λ g i i= 1 x i (1) () 1/(x 1 +1) -λ(1) -x - λ() x g i f m gi ( λ i ) = x i= 1 x (3) x 1 [1/(x 1 +1) -λ(1)] = (4) x [-x - λ() ] = b (5) x 1 + x -3 λ i g i b i i ( ) = (6) λ(x 1 + x -3) = λ i (7) λ x (8) x 1, x Verificação das condições KKT no ponto (3, ); (1) 1/(x 1 +1) -λ(1) 1/4 - λ λ 1/4 O.k. condição (7) () -x - λ() -λ λ O.k. condição (7) (3) x 1 [1/(x 1 +1) -λ(1)] = 3[(1/4) - λ] = λ = 1/4 O.k. condições (1),(),(3),(7) (4) x [-x - λ() ] = = O.k. (5) x 1 + x O.k. (6) λ(x 1 + x -3) = 1/4(3-3) = = O.k. (7) λ Verificada (8) x 1, x Verificada O problema é de programação convexa e as condições KKT verificam-se no ponto (3,) o que é condição necessária e suficiente para afirmar que (3, ) é o ponto óptimo. geocities.com/ms_io 4-11
54 4.8 Considerando o modelo na forma: Max [-f(x)] = -x 1 - x 3 - x 3 s.a. -x 1 - x - x 3-4 x 1, x, x 3 as condições KKT são: f x m λ g i i= 1 x i (1) () (3) -+λx 1-3x +4λx -x 3 +λx 3 x f m gi ( λ i ) = x i= 1 x (4) (5) (6) x 1 (-+λx 1 ) = x (-3x +4λx ) = x 3 (-x 3 +λx 3 ) = g i b (7) -x 1 - x - x 3 +4 λ i g i b i i ( ) = (8) λ(-x 1 - x - x 3 +4)= λ i (9) λ x (1) x 1, x Verificação das condições KKT no ponto (1, 1, 1); (1) -+λx 1 -+λ λ 1 () -3x +4λx -3+4λ λ 4/3 (3) -x 3 +λx 3 -+λ λ 1 (4) x 1 (-+λx 1 ) = -+λ = λ = 1 Contradição nos valores de λ (5) x (-3x +4λx ) = -3+4λ = λ = 3/4 (6) x 3 (-x 3 +λx 3 ) = -+λ = λ = 1 (7) -x 1 - x - x 3 +4 (8) λ(-x 1 - x - x 3 +4) = (9) λ (1) x 1, x As condições KKT não se verificam no ponto (1, 1, 1) pelo que o ponto proposto não é o ponto-óptimo (notar que o problema é de programação convexa). 4-1 geocities.com/ms_io
55 4.9 No intervalo [ a, b ] tem-se, no óptimo, f ( a ), ou f (x) = ou f (b) como se pode verificar nas figuras seguintes: a a x b b O modelo proposto é: Max f(x) s.a. -x -a ou sea: Max f(x) x b s.a. -x + s 1 + a = x + s - b = s 1, s A função Lagrangeana é: L = f(x) - λ 1 ( -x + s 1 + a ) - λ ( x + s - b ) Não havendo condição de não negatividade para a variável x têm-se as condições de 1ª ordem para extremo: L (x) = ou sea f (x) + λ 1 - λ = L (s 1 ) = -λ 1 e s 1 [ L (s 1 ) ] = - λ 1 s 1 = (1) (porque s 1 é variável não negativa) L (s ) = -λ e s [ L (s ) ] = - λ s = () (porque s é variável não negativa) Sendo -s 1 = -x + a, substituindo em (1) fica : λ 1 ( -x + a ) = Sendo -s = x - b, substituindo em () fica : λ ( x - b ) = As condições obtidas são : (1) f (x) + λ 1 - λ = () λ 1 ( -x + a ) = (3) λ ( x - b ) = (4) λ 1 (5) λ Resta agora verificar se estas condições conduzem ás soluções possíveis anteriormente obtidas geometricamente : geocities.com/ms_io 4-13
56 λ 1 λ Condição Solução 1º caso f (x) = º caso > -x + a = x = a f (x) + λ 1 = f (a) = -λ 1 3º caso > x - b = x = b f (x) - λ = f (b) = λ 4º caso > > -x + a = x = a x - b = x = b Impossível porque a b Dado que as restrições são lineares se a função f(x) for Côncava então a solução óptima ocorre no ponto a ou b ou em ponto interior do intervalo. 4.1 O problema equivalente é: Max [-f(x 1,x )] = - (x 1-1) - (x -) + 3(x 1 +x ) s.a. 4x 1 + x x 1 + 4x x 1, x As condições KKT são: f x m λ g i i= 1 x i (1) () - x λ 1 - λ -x λ 1-4λ x f m gi ( λ i ) = x i= 1 x (3) (4) x 1 ( - x λ 1 - λ ) = x (-x λ 1-4λ ) = g i b (5) λ i g i b i i ( ) = (7) 4x 1 + x - (6) x 1 + 4x - λ 1 (4x 1 + x -) = (8) λ (x 1 + 4x -) = λ i (9) λ 1, λ x (1) x 1, x Se o ponto óptimo não pertence à fronteira do convexo de soluções então tem-se: em (7) 4x 1 + x < pelo que λ 1 é obrigatoriamente nulo porque é complementar da variável de folga. em (8) deduz-se que λ = pela mesma razão geocities.com/ms_io
57 Com λ 1 = λ = as condições KKT ficam reduzidas a: (1) - x () -x + 7 (3) x 1 ( - x ) = (4) x (-x + 7) = (5) 4x 1 + x - (6) x 1 + 4x - (1) x 1, x De (3) deduz-se x 1 = ou (5-x 1 ) =. Para x 1 = a condição (1) é violada pelo que (5-x 1 ) = ou sea x 1 =5/. De (4) deduz-se x = ou (-x +7) =. Para x = a condição () é violada pelo que (-x +7) = ou sea x =7/. Com x 1 = 5/ e x = 7/ todas as condições KKT são satisfeitas. A função maximizada é -f=5x 1 - x 1 - x + 7x - 5 que é côncava. As restrições técnicas são lineares pelo que o problema é de Programação Convexa situação em que as condições KKT são condição necessária e suficiente para x 1 = 5/ e x = 7/ ser garantidamente o ponto óptimo onde a função atinge o seu mínimo condicionado (Min f = -13.5). b Ponto Óptimo geocities.com/ms_io 4-15
UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA
UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA CURSO BIETÁPICO EM ENGENHARIA CIVIL º ciclo Regime Diurno/Nocturno Disciplina de COMPLEMENTOS DE MATEMÁTICA Ano lectivo de 7/8 - º Semestre Etremos
Leia maisINVESTIGAÇÃO OPERACIONAL. Programação Linear. Exercícios
INVESTIGAÇÃO OPERACIONAL Programação Linear Exercícios Cap. I Modelo de PL - Formalização António Carlos Morais da Silva Professor de I.O. i Recomendações 1. É possível aprender a matéria fazendo apenas
Leia maisA otimização é o processo de
A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um problema. Eiste um conjunto particular de problemas nos quais é decisivo a aplicação de um procedimento de otimização.
Leia maisNotas sobre a Fórmula de Taylor e o estudo de extremos
Notas sobre a Fórmula de Taylor e o estudo de etremos O Teorema de Taylor estabelece que sob certas condições) uma função pode ser aproimada na proimidade de algum ponto dado) por um polinómio, de modo
Leia maisInstituto Superior Técnico Departamento de Matemática Última actualização: 11/Dez/2003 ÁLGEBRA LINEAR A
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Última actualização: 11/Dez/2003 ÁLGEBRA LINEAR A FICHA 8 APLICAÇÕES E COMPLEMENTOS Sistemas Dinâmicos Discretos (1) (Problema
Leia maisCálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) II Métodos numéricos para encontrar raízes (zeros) de funções reais. Objetivos:
Leia maisTruques e Dicas. = 7 30 Para multiplicar fracções basta multiplicar os numeradores e os denominadores: 2 30 = 12 5
Truques e Dicas O que se segue serve para esclarecer alguma questão que possa surgir ao resolver um exercício de matemática. Espero que lhe seja útil! Cap. I Fracções. Soma e Produto de Fracções Para somar
Leia maisRicardo Bento Afonso Nº51571 Rubén Ruiz Holgado Nº64643
Ricardo Bento Afonso Nº51571 Rubén Ruiz Holgado Nº64643 Programação não linear para que serve? A programação linear tem a função objectivo e os constrangimentos lineares. O que nem sempre acontece na realidade,
Leia maisTrabalho Computacional. A(h) = V h + 2 V π h, (1)
Unidade de Ensino de Matemática Aplicada e Análise Numérica Departamento de Matemática/Instituto Superior Técnico Matemática Computacional (Mestrado em Engenharia Física Tecnológica) 2014/2015 Trabalho
Leia maisCapítulo 3 Modelos Estatísticos
Capítulo 3 Modelos Estatísticos Slide 1 Resenha Variáveis Aleatórias Distribuição Binomial Distribuição de Poisson Distribuição Normal Distribuição t de Student Distribuição Qui-quadrado Resenha Slide
Leia maisAPLICAÇÕES DA DERIVADA
Notas de Aula: Aplicações das Derivadas APLICAÇÕES DA DERIVADA Vimos, na seção anterior, que a derivada de uma função pode ser interpretada como o coeficiente angular da reta tangente ao seu gráfico. Nesta,
Leia mais4Distribuição de. freqüência
4Distribuição de freqüência O objetivo desta Unidade é partir dos dados brutos, isto é, desorganizados, para uma apresentação formal. Nesse percurso, seção 1, destacaremos a diferença entre tabela primitiva
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Linear (PL) Aula 5: O Método Simplex. 2 Algoritmo. O que é um algoritmo? Qualquer procedimento iterativo e finito de solução é um algoritmo. Um algoritmo é um processo que se repete (itera)
Leia maisEquações Diferenciais Ordinárias
Equações Diferenciais Ordinárias Uma equação diferencial é uma equação que relaciona uma ou mais funções (desconhecidas com uma ou mais das suas derivadas. Eemplos: ( t dt ( t, u t d u ( cos( ( t d u +
Leia maisAV1 - MA 12-2012. (b) Se o comprador preferir efetuar o pagamento à vista, qual deverá ser o valor desse pagamento único? 1 1, 02 1 1 0, 788 1 0, 980
Questão 1. Uma venda imobiliária envolve o pagamento de 12 prestações mensais iguais a R$ 10.000,00, a primeira no ato da venda, acrescidas de uma parcela final de R$ 100.000,00, 12 meses após a venda.
Leia maisAnálise de Regressão Linear Simples e Múltipla
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Carla Henriques (DepMAT ESTV) Análise de Regres. Linear Simples e Múltipla
Leia mais(Testes intermédios e exames 2005/2006)
158. Indique o conjunto dos números reais que são soluções da inequação log 3 (1 ) 1 (A) [,1[ (B) [ 1,[ (C) ], ] (D) [, [ 159. Na figura abaio estão representadas, em referencial o. n. Oy: parte do gráfico
Leia maisIntrodução ao estudo de equações diferenciais
Matemática (AP) - 2008/09 - Introdução ao estudo de equações diferenciais 77 Introdução ao estudo de equações diferenciais Introdução e de nição de equação diferencial Existe uma grande variedade de situações
Leia maisInvestigação Operacional
Licenciatura em Engenharia de Comunicações Licenciatura em Engenharia Electrónica Industrial e Computadores Investigação Operacional Exercícios de Métodos para Programação Linear Grupo de Optimização e
Leia maisUniversidade da Beira Interior Departamento de Matemática. Fábrica 1 Fábrica 2 Fábrica 3 Mina 1 45 80 140 Mina 2 70 145 95
Universidade da Beira Interior Departamento de Matemática INVESTIGAÇÃO OPERACIONAL Ano lectivo: 2008/2009; Curso: Economia Ficha de exercícios nº5: Problema de Transportes e Problema de Afectação. 1. Uma
Leia maisI. Cálculo Diferencial em R n
Análise Matemática II Mestrado Integrado em Engenharia Electrotécnica e de Computadores Ano Lectivo 2010/2011 2 o Semestre Exercícios propostos para as aulas práticas I. Cálculo Diferencial em R n Departamento
Leia maisMestrados Integrados em Engenharia Mecânica e em Eng Industrial e Gestão ANÁLISE MATEMÁTICA III DEMec 010-11-0 1ºTESTE A duração do exame é horas + 30minutos. Cotação: As perguntas 1 e 6 valem valores,
Leia mais(Exames Nacionais 2002)
(Exames Nacionais 2002) 105. Na figura estão representadas, num referencial o.n. xoy: parte do gráfico de uma função f, de domínio R +, definida por f(x)=1+2lnx; a recta r, tangente ao gráfico de f no
Leia maisConceitos: A fração como coeficiente. A fração e a sua representação gráfica. Termos que compõem uma fração. Fração unidade. Fração de um número.
Unidade 1. As frações. Enquadramento Curricular em Espanha: Objetos de aprendizagem: 1.1. Conceito de fração Identificar os termos de uma fração. Escrever e ler frações. Comparar frações com igual denominador.
Leia maisficha 3 espaços lineares
Exercícios de Álgebra Linear ficha 3 espaços lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12 3 Notação Sendo
Leia maisINTRODUÇÃO AOS MÉTODOS FACTORIAIS
Capítulo II INTRODUÇÃO AOS MÉTODOS FACTORIAIS A Análise Factorial de Correspondências é uma técnica simples do ponto de vista matemático e computacional. Porém, devido ao elevado suporte geométrico desta
Leia maisCálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) III Resolução de sistemas lineares por métodos numéricos. Objetivos: Veremos
Leia maisMétodos Numéricos. A. Ismael F. Vaz. Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.
Métodos Numéricos A. Ismael F. Vaz Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Mestrado Integrado em Engenharia Mecânica Ano lectivo 2007/2008 A.
Leia mais29/Abril/2015 Aula 17
4/Abril/015 Aula 16 Princípio de Incerteza de Heisenberg. Probabilidade de encontrar uma partícula numa certa região. Posição média de uma partícula. Partícula numa caixa de potencial: funções de onda
Leia maisPESQUISA OPERACIONAL
PARTE I Para os exercícios de programação linear abaixo, apresentar a modelagem do problema, a solução algébrica e a solução gráfica: 1. Uma confecção produz dois tipos de vestido: um casual e um de festa.
Leia maisCAPÍTULO 2. Grafos e Redes
CAPÍTULO 2 1. Introdução Um grafo é uma representação visual de um determinado conjunto de dados e da ligação existente entre alguns dos elementos desse conjunto. Desta forma, em muitos dos problemas que
Leia maisCapítulo 5: Aplicações da Derivada
Instituto de Ciências Exatas - Departamento de Matemática Cálculo I Profª Maria Julieta Ventura Carvalho de Araujo Capítulo 5: Aplicações da Derivada 5- Acréscimos e Diferenciais - Acréscimos Seja y f
Leia maisCálculo em Computadores - 2007 - trajectórias 1. Trajectórias Planas. 1 Trajectórias. 4.3 exercícios... 6. 4 Coordenadas polares 5
Cálculo em Computadores - 2007 - trajectórias Trajectórias Planas Índice Trajectórias. exercícios............................................... 2 2 Velocidade, pontos regulares e singulares 2 2. exercícios...............................................
Leia mais2ª fase. 19 de Julho de 2010
Proposta de resolução da Prova de Matemática A (código 635) ª fase 19 de Julho de 010 Grupo I 1. Como só existem bolas de dois tipos na caixa e a probabilidade de sair bola azul é 1, existem tantas bolas
Leia maisMétodos Numéricos 2010-11. Exame 11/07/11
ESCOLA SUPERIOR DE BIOTECNOLOGIA Métodos Numéricos 2010-11 Exame 11/07/11 Parte Teórica Duração: 30 minutos Atenção: Teste sem consulta. Não é permitido o uso da máquina de calcular. Não esquecer de indicar
Leia maisUniversidade Federal do Rio Grande do Norte. Centro De Ciências Exatas e da Terra. Departamento de Física Teórica e Experimental
Universidade Federal do Rio Grande do Norte Centro De Ciências Exatas e da Terra Departamento de Física Teórica e Experimental Programa de Educação Tutorial Curso de Nivelamento: Pré-Cálculo PET DE FÍSICA:
Leia maisValores e Vectores Próprios. Carlos Luz Departamento de Matemática Escola Superior de Tecnologia de Setúbal
Valores e Vectores Próprios Carlos Luz Departamento de Matemática Escola Superior de Tecnologia de Setúbal Ano Lectivo 24/25 Conteúdo Definição de Valor e Vector Próprios 2 2 Um Eemplo de Aplicação 8 3
Leia maisINSTITUTO TECNOLÓGICO
PAC - PROGRAMA DE APRIMORAMENTO DE CONTEÚDOS. ATIVIDADES DE NIVELAMENTO BÁSICO. DISCIPLINAS: MATEMÁTICA & ESTATÍSTICA. PROFº.: PROF. DR. AUSTER RUZANTE 1ª SEMANA DE ATIVIDADES DOS CURSOS DE TECNOLOGIA
Leia mais24/Abril/2013 Aula 19. Equação de Schrödinger. Aplicações: 1º partícula numa caixa de potencial. 22/Abr/2013 Aula 18
/Abr/013 Aula 18 Princípio de Incerteza de Heisenberg. Probabilidade de encontrar uma partícula numa certa região. Posição média de uma partícula. Partícula numa caixa de potencial: funções de onda e níveis
Leia mais(Testes intermédios e exames 2010/2011)
(Testes intermédios e eames 00/0) 57. Na Figura, está parte da representação gráfica da função f, de domínio +, definida por f() = log 9 () Em qual das opções seguintes está definida uma função g, de domínio,
Leia maisResolução dos Exercícios sobre Derivadas
Resolução dos Eercícios sobre Derivadas Eercício Utilizando a idéia do eemplo anterior, encontre a reta tangente à curva nos pontos onde e Vamos determinar a reta tangente à curva nos pontos de abscissas
Leia maisCapítulo 3 - Sistemas de Equações Lineares
Capítulo 3 - Sistemas de Equações Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/
Leia maisFUNÇÕES E INEQUAÇÕES
UNIVERSIDADE FEDERAL DO PARANÁ PROGRAMA INSTITUCIONAL DE BOLSAS DE INICIAÇÃO À DOCÊNCIA ANDRÉIA SCHMIDT GEHHANNY ASSIS JAQUELINI ROCHA SIMÃO LARISSA VANESSA DOMINGUES FUNÇÕES E INEQUAÇÕES CURITIBA 2012
Leia maisProva Escrita de Matemática A
EXAME NACIONAL DO ENSINO SECUNDÁRIO Decreto-Lei n.º 74/2004, de 26 de Março Prova Escrita de Matemática A 12.º Ano de Escolaridade Prova 635/2.ª Fase 11 Páginas Duração da Prova: 150 minutos. Tolerância:
Leia maisCapítulo 3 - Sistemas de Equações Lineares
Capítulo 3 - Sistemas de Equações Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/
Leia maisClassificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões
Classificação de imagens Autor: Gil Gonçalves Disciplinas: Detecção Remota/Detecção Remota Aplicada Cursos: MEG/MTIG Ano Lectivo: 11/12 Sumário Classificação da imagem (ou reconhecimento de padrões): objectivos
Leia maisExercícios 1. Determinar x de modo que a matriz
setor 08 080509 080509-SP Aula 35 MATRIZ INVERSA Uma matriz quadrada A de ordem n diz-se invertível, ou não singular, se, e somente se, existir uma matriz que indicamos por A, tal que: A A = A A = I n
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.
Leia maisInvestigação Operacional- 2009/10 - Programas Lineares 3 PROGRAMAS LINEARES
Investigação Operacional- 2009/10 - Programas Lineares 3 PROGRAMAS LINEARES Formulação A programação linear lida com problemas nos quais uma função objectivo linear deve ser optimizada (maximizada ou minimizada)
Leia mais1. Extremos de uma função
Máximo e Mínimo de Funções de Várias Variáveis 1. Extremos de uma função Def: Máximo Absoluto, mínimo absoluto Seja f : D R R função (i) Dizemos que f assume um máximo absoluto (ou simplesmente um máximo)
Leia maisNão é permitido o uso de corrector. Em caso de engano, deve riscar, de forma inequívoca, aquilo que pretende que não seja classificado.
Teste Intermédio de Matemática B 2010 Teste Intermédio Matemática B Duração do Teste: 90 minutos 13.04.2010 10.º Ano de Escolaridade Decreto-Lei n.º 74/2004, de 26 de Março Utilize apenas caneta ou esferográfica
Leia maisEXAME NACIONAL DO ENSINO SECUNDÁRIO VERSÃO 1
EXAME NACIONAL DO ENSINO SECUNDÁRIO 12.º Ano de Escolaridade (Decreto-Lei n.º 286/89, de 29 de Agosto) Cursos Gerais e Cursos Tecnológicos PROVA 435/9 Págs. Duração da prova: 120 minutos 2005 1.ª FASE
Leia maisUnidade 3 Função Logarítmica. Definição de logaritmos de um número Propriedades operatórias Mudança de base Logaritmos decimais Função Logarítmica
Unidade 3 Função Logarítmica Definição de aritmos de um número Propriedades operatórias Mudança de base Logaritmos decimais Função Logarítmica Definição de Logaritmo de um número Suponha que certo medicamento,
Leia mais[ \ x Recordemos o caso mais simples de um VLVWHPD de duas HTXDo}HVOLQHDUHV nas duas LQFyJQLWDV [ e \.
&DStWXOR±6LVWHPDVGH(TXDo}HV/LQHDUHV1 &DStWXOR±6LVWHPDVGH(TXDo}HV/LQHDUHV Å 1Ro}HV *HUDLV Recordemos o caso mais simples de um VLVWHPD de duas HTXDo}HVOLQHDUHV nas duas LQFyJQLWDV [ e \. [\ [\ É fácil verificar
Leia maisPotenciação no Conjunto dos Números Inteiros - Z
Rua Oto de Alencar nº 5-9, Maracanã/RJ - tel. 04-98/4-98 Potenciação no Conjunto dos Números Inteiros - Z Podemos epressar o produto de quatro fatores iguais a.... por meio de uma potência de base e epoente
Leia maisMATEMÁTICA TIPO A GABARITO: VFFVF. Solução: é a parábola com foco no ponto (0, 3) e reta diretriz y = -3.
1 MATEMÁTICA TIPO A 01. Seja o conjunto de pontos do plano cartesiano, cuja distância ao ponto é igual à distância da reta com equação. Analise as afirmações a seguir. 0-0) é a parábola com foco no ponto
Leia maisFunção do 2º Grau. Alex Oliveira
Função do 2º Grau Alex Oliveira Apresentação A função do 2º grau, também chamada de função quadrática é definida pela expressão do tipo: y = f(x) = ax² + bx + c onde a, b e c são números reais e a 0. Exemplos:
Leia maisFICHA DE TRABALHO DERIVADAS I PARTE. 1. Uma função f tem derivadas finitas à direita e à esquerda de x = 0. Então:
FICHA DE TRABALHO DERIVADAS I PARTE. Uma função f tem derivadas finitas à direita e à esquerda de = 0. Então: (A) f tem necessariamente derivada finita em = 0; (B) f não tem com certeza derivada finita
Leia maisO Método Simplex para
O Método Simplex para Programação Linear Formas de Programas Lineares O problema de Programação Matemática consiste na determinação do valor de n variáveis x 1, x 2,, x n que tornam mínimo ou máximo o
Leia maisPROVA DE MATEMÁTICA DA UFBA VESTIBULAR 2011 1 a Fase. RESOLUÇÃO: Profa. Maria Antônia Gouveia.
PROVA DE MATEMÁTICA DA UFBA VESTIBULAR a Fase Profa. Maria Antônia Gouveia. Questão. Considerando-se as funções f: R R e g: R R definidas por f(x) = x e g(x) = log(x² + ), é correto afirmar: () A função
Leia maisCapítulo 1. x > y ou x < y ou x = y
Capítulo Funções, Plano Cartesiano e Gráfico de Função Ao iniciar o estudo de qualquer tipo de matemática não podemos provar tudo. Cada vez que introduzimos um novo conceito precisamos defini-lo em termos
Leia maisBarómetro Regional da Qualidade Avaliação da Satisfação dos Utentes dos Serviços de Saúde
Avaliação da Satisfação dos Utentes dos Serviços de Saúde Entidade Promotora Concepção e Realização Enquadramento Avaliação da Satisfação dos Utentes dos Serviços de Saúde Índice RESUMO EXECUTIVO...
Leia maisFUNÇÃO DO 1º GRAU. Vamos iniciar o estudo da função do 1º grau, lembrando o que é uma correspondência:
FUNÇÃO DO 1º GRAU Vamos iniciar o estudo da função do 1º grau, lembrando o que é uma correspondência: Correspondência: é qualquer conjunto de pares ordenados onde o primeiro elemento pertence ao primeiro
Leia maisESPAÇOS MUNIDOS DE PRODUTO INTERNO
ESPAÇOS MUNIDOS DE PRODUTO INTERNO Angelo Fernando Fiori 1 Bruna Larissa Cecco 2 Grazielli Vassoler 3 Resumo: O presente trabalho apresenta um estudo sobre os espaços vetoriais munidos de produto interno.
Leia maisExercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
Leia maisMárcio Dinis do Nascimento de Jesus
Márcio Dinis do Nascimento de Jesus Trabalho 3 Modelação Matemática usando o software Modellus Departamento de Matemática Faculdade de Ciências e Tecnologia Universidade de Coimbra 2013 2 Modelação Matemática
Leia maisPreparação para o teste intermédio de Matemática 8º ano
Preparação para o teste intermédio de Matemática 8º ano Conteúdos do 7º ano Conteúdos do 8º ano Conteúdos do 8º Ano Teorema de Pitágoras Funções Semelhança de triângulos Ainda os números Lugares geométricos
Leia maisDificuldades de Modelos de PNL. Onde está a solução ótima? Outro exemplo: Condição ótima Local vs. Global. 15.053 Quinta-feira, 25 de abril
15.053 Quinta-feira, 25 de abril Teoria de Programação Não-Linear Programação Separável Dificuldades de Modelos de PNL Programa Linear: Apostilas: Notas de Aula Programas Não-Lineares 1 2 Análise gráfica
Leia maisProva de Admissão para o Mestrado em Matemática IME-USP - 23.11.2007
Prova de Admissão para o Mestrado em Matemática IME-USP - 23.11.2007 A Nome: RG: Assinatura: Instruções A duração da prova é de duas horas. Assinale as alternativas corretas na folha de respostas que está
Leia maisProblemas sobre Sistemas Não Lineares
Mestrado Integrado em Engenharia Electrotécnica e de Computadores Controlo em Espaço de Estados Problemas sobre Sistemas Não Lineares Organizada por J. Miranda Lemos 0 J. M. Lemos IST P. (Construção do
Leia maisAGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO
AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS MATEMÁTICA 7.º ANO PLANIFICAÇÃO GLOBAL Planificação 7º ano 2012/2013 Página 1 DOMÍNIO TEMÁTICO: NÚMEROS
Leia maisMáximos, mínimos e pontos de sela Multiplicadores de Lagrange
Máximos, mínimos e pontos de sela Multiplicadores de Lagrange Anderson Luiz B. de Souza Livro texto - Capítulo 14 - Seção 14.7 Encontrando extremos absolutos Determine o máximo e mínimo absolutos das funções
Leia mais"SISTEMAS DE COTAGEM"
AULA 6T "SISTEMAS DE COTAGEM" Embora não existam regras fixas de cotagem, a escolha da maneira de dispor as cotas no desenho técnico depende de alguns critérios. A cotagem do desenho técnico deve tornar
Leia maisAgrupamento de Escolas Eugénio de Castro 1º Ciclo. Critérios de Avaliação. Ano Letivo 2015/16 Disciplina MATEMÁTICA 3.º Ano
Agrupamento de Escolas Eugénio de Castro 1º Ciclo Critérios de Avaliação Ano Letivo 2015/16 Disciplina MATEMÁTICA 3.º Ano Números e Operações Números naturais Utilizar corretamente os numerais ordinais
Leia maisMatemática Básica - 08. Função Logarítmica
Matemática Básica Função Logarítmica 08 Versão: Provisória 0. Introdução Quando calculamos as equações exponenciais, o método usado consistia em reduzirmos os dois termos da equação à mesma base, como
Leia maisPesquisa Operacional
Pesquisa Operacional Prof. José Luiz Resolver um problema de Programação Linear significa basicamente resolver sistemas de equações lineares; Esse procedimento, apesar de correto, é bastante trabalhoso,
Leia maisVerificação e Validação em CFD
Erro de arredondamento. Erro iterativo. Erro de discretização. As três componentes do erro numérico têm comportamentos diferentes com o aumento do número de graus de liberdade (refinamento da malha). Erro
Leia maisITA - 2004 3º DIA MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR
ITA - 2004 3º DIA MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR Matemática Questão 01 Considere as seguintes afirmações sobre o conjunto U = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} I. U e n(u) = 10 III. 5 U e {5}
Leia maisProcessos Estocásticos
Processos Estocásticos Terceira Lista de Exercícios 22 de julho de 20 Seja X uma VA contínua com função densidade de probabilidade f dada por Calcule P ( < X < 2. f(x = 2 e x x R. A fdp dada tem o seguinte
Leia maisModelos, em escala reduzida, de pontes e barragens. Simuladores de voo (ou de condução), com os quais se treinam pilotos (ou condutores).
SIMULAÇÃO 1 Introdução Entende-se por simulação a imitação do funcionamento de um sistema real recorrendo a uma representação desse sistema. Com essa representação modelo, pretende-se realizar experimentações
Leia maisProblemas de Valor Inicial para Equações Diferenciais Ordinárias
Problemas de Valor Inicial para Equações Diferenciais Ordinárias Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática Aplicada - Mestrados
Leia mais4 Sistemas de Equações Lineares
Nova School of Business and Economics Apontamentos Álgebra Linear 4 Sistemas de Equações Lineares 1 Definição Rank ou característica de uma matriz ( ) Número máximo de linhas de que formam um conjunto
Leia maisLISTA 10. = ax + b onde f é uma função decrescente. Podemos afirmar que o valor exato de g(a) é igual a: a) 1 b) 2 c) 3 d) 4
LISTA 10 1 - João tem, hoje, 36 anos, idade que é igual a duas vezes a idade que Maria tinha quando João tinha a idade que Maria tem hoje. A idade, hoje, de Maria é: a) 7 ) 30 c) 33 d) 37 O custo de um
Leia maisINQUÉRITO ÀS ENTIDADES GESTORAS NORMA ISO 24510 1 OBJECTIVO DO INQUÉRITO 2 CONSTITUIÇÃO DO INQUÉRITO RELATÓRIO FINAL
INQUÉRITO ÀS ENTIDADES GESTORAS NORMA ISO 24510 RELATÓRIO FINAL 1 OBJECTIVO DO INQUÉRITO A publicação das normas ISO 24500 (ISO 24510, ISO 24511 e ISO 24512), que constituem o primeiro conjunto de normas
Leia maisMATEMÁTICA GEOMETRIA ANALÍTICA I PROF. Diomedes. E2) Sabendo que a distância entre os pontos A e B é igual a 6, calcule a abscissa m do ponto B.
I- CONCEITOS INICIAIS - Distância entre dois pontos na reta E) Sabendo que a distância entre os pontos A e B é igual a 6, calcule a abscissa m do ponto B. d(a,b) = b a E: Dados os pontos A e B de coordenadas
Leia maisMétodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo. Funções Exponenciais e Logarítmicas Progressões Matemáticas
Métodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo Funções Exponenciais e Logarítmicas Progressões Matemáticas Funções Exponenciais e Logarítmicas. Progressões Matemáticas Objetivos
Leia maisEventos independentes
Eventos independentes Adaptado do artigo de Flávio Wagner Rodrigues Neste artigo são discutidos alguns aspectos ligados à noção de independência de dois eventos na Teoria das Probabilidades. Os objetivos
Leia maisNuma turma de 26 alunos, o número de raparigas excede em 4 o número de rapazes. Quantos rapazes há nesta turma?
GUIÃO REVISÕES Equações e Inequações Equações Numa turma de 6 alunos, o número de raparigas ecede em 4 o número de rapazes. Quantos rapazes há nesta turma? O objectivo do problema é determinar o número
Leia maisUm sistema de equações lineares (sistema linear) é um conjunto finito de equações lineares da forma:
Sistemas Lineares Um sistema de equações lineares (sistema linear) é um conjunto finito de equações lineares da forma: s: 2 3 6 a) 5 2 3 7 b) 9 2 3 Resolução de sistemas lineares Metodo da adição 4 100
Leia maisKarine Nayara F. Valle. Métodos Numéricos de Euler e Runge-Kutta
Karine Nayara F. Valle Métodos Numéricos de Euler e Runge-Kutta Professor Orientador: Alberto Berly Sarmiento Vera Belo Horizonte 2012 Karine Nayara F. Valle Métodos Numéricos de Euler e Runge-Kutta Monografia
Leia maisPesquisa Operacional. Função Linear - Introdução. Função do 1 Grau. Função Linear - Exemplos Representação no Plano Cartesiano. Prof.
Pesquisa Operacional Prof. José Luiz Prof. José Luiz Função Linear - Introdução O conceito de função é encontrado em diversos setores da economia, por exemplo, nos valores pagos em um determinado período
Leia maisPP 301 Engenharia de Reservatórios I 11/05/2011
PP 301 Engenharia de Reservatórios I 11/05/2011 As informações abaixo têm como objetivo auxiliar o aluno quanto à organização dos tópicos principais abordados em sala e não excluem a necessidade de estudo
Leia maisPLANIFICAÇÃO ANUAL MATEMÁTICA 3 DOMÍNIOS OBJETIVOS ATIVIDADES
PLANIFICAÇÃO ANUAL MATEMÁTICA 3 DOMÍNIOS OBJETIVOS ATIVIDADES Números naturais Conhecer os numerais ordinais Utilizar corretamente os numerais ordinais até centésimo. Contar até um milhão Estender as regras
Leia maisMATEMÁTICA 7.º ANO PLANIFICAÇÃO ANUAL 2014 / 2015
GRUPO DISCIPLINAR DE MATEMÁTICA MATEMÁTICA 7.º ANO PLANIFICAÇÃO ANUAL 2014 / 2015 (Em conformidade com o Programa de Matemática homologado em 17 de junho de 2013 e com as de Matemática homologadas em 3
Leia maispor séries de potências
Seção 23: Resolução de equações diferenciais por séries de potências Até este ponto, quando resolvemos equações diferenciais ordinárias, nosso objetivo foi sempre encontrar as soluções expressas por meio
Leia maisO comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
ESTATÍSTICA INDUTIVA 1. CORRELAÇÃO LINEAR 1.1 Diagrama de dispersão O comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
Leia maisAula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística
Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa
Leia mais1 Propagação de Onda Livre ao Longo de um Guia de Ondas Estreito.
1 I-projeto do campus Programa Sobre Mecânica dos Fluidos Módulos Sobre Ondas em Fluidos T. R. Akylas & C. C. Mei CAPÍTULO SEIS ONDAS DISPERSIVAS FORÇADAS AO LONGO DE UM CANAL ESTREITO As ondas de gravidade
Leia maisTEXTO DE REVISÃO: Uso da calculadora científica e potências de 10.
TEXTO DE REVISÃO: Uso da calculadora científica e potências de 10. Caro aluno (a): No livro texto (Halliday) cap.01 - Medidas alguns conceitos muito importantes são apresentados. Por exemplo, é muito importante
Leia maisEscola Superior de Tecnologia de Setúbal. Modelação e Identificação de Sistemas. Controlo. Ângelo Carmo - 1579 Luis Santos - 2717
Escola Superior de Tecnologia de Setúbal Curso de Licenciatura em Engenharia de Automação, Controlo e Instrumentação Modelação e Identificação de Sistemas Controlo Sistema de Transporte e Compactação de
Leia mais