PESQUISA OPERACIONAL NA TOMADA DE DECISÃO

Tamanho: px
Começar a partir da página:

Download "PESQUISA OPERACIONAL NA TOMADA DE DECISÃO"

Transcrição

1 CENTRO DE CIÊNCIAS EXATAS CCE DEPARTAMENTO DE ESTATÍSTICA Curso de Especialização Lato Sensu em Engenharia de Produção com enfoque em Pesquisa Operacional PESQUISA OPERACIONAL NA TOMADA DE DECISÃO Professores: Dr. Waldir Medri Ms. Ana Satie Yotsumoto Londrina/Pr Setembro 2009

2 ii ÍNDICE PESQUISA OPERACIONAL NA TOMADA DE DECISÃO PESQUISA OPERACIONAL INTRODUÇÃO PROGRAMAÇÃO LINEAR MODELO MATEMÁTICO DE PROGRAMAÇÃO LINEAR FORMULAÇÃO DO PROBLEMA MONTAGEM DO MODELO MODELO COMPLETO RESOLUÇÃO GRÁFICA DO PROBLEMA DE MAXIMIZAÇÃO DE PROGRAMAÇÃO LINEAR RESOLUÇÃO GRÁFICA DO PROBLEMA DE MINIMIZAÇÃO DE PROGRAMAÇÃO LINEAR APLICAÇÕES EM SISTEMAS PRODUTIVOS MÉTODO SIMPLEX INTRODUÇÃO DAS VARIÁVEIS DE FOLGA MÉTODO SIMPLEX EM DUAS FASES OBTENÇÃO DA SOLUÇÃO BÁSICA INICIAL MÉTODO DAS DUAS FASES APLICAÇÕES EM SISTEMAS PRODUTIVOS ANÁLISE DE SENSIBILIDADE MUDANÇAS PARAMÉTRICAS EM UM COEFICIENTE C J DA FUNÇÃO OBJETIVO MUDANÇA NO COEFICIENTE DE UMA VARIÁVEL NÃO-BÁSICA MUDANÇA NO COEFICIENTE DE UMA VARIÁVEL BÁSICA Intervalo de Estabilidade para o Coeficiente de x 1 (c 1) Intervalo de Estabilidade para o Coeficiente de x 2 (c 2) ENTRADA DE UMA NOVA VARIÁVEL MUDANÇAS NOS VALORES DOS RECURSOS B J APLICAÇÕES EM SISTEMAS PRODUTIVOS DUALIDADE EM PROGRAMAÇÃO LINEAR PROGRAMAÇÃO INTEIRA INTRODUÇÃO MÉTODOS DE RESOLUÇÃO MÉTODO DE PARTIÇÃO E AVALIAÇÃO SUCESSIVAS APLICAÇÃO APLICAÇÕES EM SISTEMAS PRODUTIVOS BIBLIOGRAFIA... 46

3 1 PESQUISA OPERACIONAL NA TOMADA DE DECISÃO 1 PESQUISA OPERACIONAL 1.1 INTRODUÇÃO A Pesquisa Operacional apareceu pela primeira vez durante a 2 a. Guerra Mundial, quando equipes de pesquisadores procuraram desenvolver métodos para resolver problemas de operações militares. Neste período observouse uma atividade global de planejamento a nível mundial. Este planejamento envolvia instrumentos e sistemas econômicos, políticos e sociais diferentes entre si, mas com objetivos e funções perfeitamente determinados pela guerra, ligada de alguma forma, ao próprio desenvolvimento da pesquisa operacional. Desde seu nascimento, esse novo campo de análise de decisão caracterizou-se pelo uso de técnicas e métodos científicos qualitativos por equipes interdisciplinares, com a finalidade de determinar a melhor utilização de recursos limitados e para a programação otimizada das observações de uma empresa. Essa característica multidisciplinar das aplicações de pesquisa operacional deu origem a um novo enfoque. A pesquisa operacional é uma metodologia administrativa que agrega, em sua teoria, quatro ciências fundamentais para o processo de preparação, análise e tomada de decisão: economia, matemática, estatística e informática. Uma característica importante que a pesquisa operacional possui e que facilita muito processo de análise de decisão é a utilização de modelos, uma vez que, a P.O. consiste, basicamente, em construir um modelo de um sistema real existente como meio de analisar e compreender o comportamento dessa situação, com o objetivo de levá-lo a apresentar o desempenho que se deseja. Este sistema pode existir atualmente ou pode ainda estar em concepção. No primeiro caso, o objetivo do estudo é analisar o desempenho do sistema para escolher uma ação no sentido de aprimorá-lo. No segundo, o objetivo é identificar a melhor estrutura do sistema futuro.

4 2 A pesquisa operacional tem sido vista pelos gerentes e praticantes sob dois enfoques diferentes quanto à abordagem, mas coerentes e complementares na aplicação prática no campo da gestão empresarial: Enfoque clássico busca da solução ótima. Enfoque atual uso do modelo para identificação do problema correto. O enfoque clássico ou tradicional é derivado do conceito quantitativo da pesquisa operacional. Aqui a P.O. é definida como a arte de aplicar técnicas de modelagem a problemas de decisão e resolver os modelos obtidos através da utilização de métodos matemáticos e estatísticos, visando à obtenção de uma solução ótima, sob uma abordagem sistêmica. A outra visão decorre de um conceito qualitativo da pesquisa operacional. O esforço despendido para a modelagem de um problema leva a uma compreensão mais profunda do próprio problema, identificando melhor seus elementos internos, suas interações com o ambiente externo, as informações necessárias e os resultados possíveis de obter. Nessa abordagem qualitativa, o enfoque central é deslocado do método de solução para a formulação e para a modelagem, ou seja, para o diagnóstico de problema. 2 PROGRAMAÇÃO LINEAR A Programação Linear é hoje o instrumento de Pesquisa Operacional mais comumente empregado na resolução prática de problemas decisórios objetivos e de certa complexidade. Em linhas gerais, a programação linear consiste na descrição de um sistema organizado com auxílio de um modelo matemático, e através da resolução deste modelo, encontrar a melhor solução. 2.1 MODELO MATEMÁTICO DE PROGRAMAÇÃO LINEAR Usa-se programação matemática para a determinação da solução ótima de problemas que exigem que se decida sobre a utilização eficaz de uma quantidade limitada de recursos, para a obtenção de um determinado objetivo.

5 3 A programação linear é uma técnica de programação matemática e, consiste na otimização (maximização ou minimização) de uma função linear, denominada de Função Objetivo, respeitando-se um sistema linear de igualdades ou desigualdades que recebem o nome de Restrições do modelo. Matematicamente, a função objetiva a ser maximizada pode ser escrita da seguinte maneira: Max Z = c 1 x 1 + c 2 x c n x n s.a.: a 11 x 1 + a 12 x a 1n x n b 1 a 21 x 1 + a 22 x a 2n x n b 2... a m1 x 1 + a m2 x a mn x n b m x 1, x 2,, x n 0 onde: x j = número de unidades do produto j produzidas num certo período de tempo (variáveis de decisão); Z = função a ser otimizada (maximizada ou minimizada); c j = aumento no lucro Z pelo acréscimo de uma unidade x j (coeficiente de lucro); a ij = quantidade do recurso i consumida na produção de uma unidade de atividade j (coeficiente de restrições); b j = quantidade de recurso i disponível no período para as n atividades (limitação de capacidade da restrição). Pode-se apresentar esse modelo de forma mais compacta: Max Z = n j = 1 c j x j n s. a. : a x b para i = 1, 2,..., m j=1 ij j i x j 0 para j = 1, 2,..., n

6 4 2.2 FORMULAÇÃO DO PROBLEMA Definindo o problema através de um exemplo de programação linear. Uma marcenaria deseja estabelecer uma programação diária de produção. Atualmente, a oficina fabrica apenas dois produtos: mesa e armário, ambos de um só modelo. Para efeito de simplificação, considere que a mercearia tem limitações em somente dois recursos: madeira e mão-de-obra, cujas disponibilidades diárias são mostradas no quadro 1. Quadro 1 Recurso Madeira Mão-de-obra Disponibilidade 12 m 2 8 H.h. O processo de produção é tal que, para fazer uma mesa a fábrica gasta 2 m 2 de madeira e 2 H.h. de mão-de-obra. Para fazer um armário, a fábrica gasta 3 m 2 de madeira e 1 H.h. de mão-de-obra. Além disso, o fabricante sabe que cada mesa dá uma margem de contribuição para o lucro de R$ 4,00, e cada armário, de R$ 1,00. O problema do fabricante é encontrar o programa de produção que maximize a margem de contribuição para o lucro. 2.3 MONTAGEM DO MODELO Como variáveis de decisão, considera-se: quantidade a produzir de mesa: x 1 quantidade a produzir de armário: x 2 Com essa definição de variáveis, pode-se escrever as relações matemáticas que formam o modelo. Assim, para função objetivo tem-se: Margem de Contribuição Total: Z = 4x 1 + x 2 Para as restrições, a relação lógica existente é:

7 5 Utilização de recursos Disponibilidade de recurso Para a madeira: 2x 1 + 3x 2 12 Utilização de madeira para os dois produtos Disponibilidade de madeira Para a mão-de-obra: 2x 1 + 1x 2 8 Utilização de mão-de-obra para os dois produtos Disponibilidade de mão-de-obra 2.4 MODELO COMPLETO Maximizar Z = 4x 1 + x 2 s.a.: 2x 1 + 3x x 1 + 1x 2 8 x 1, x 2 0 Observa-se que o conjunto de restrições forma um sistema de desigualdades lineares. Assim existem infinitas combinações de valores de x 1 e x 2 que satisfazem as restrições RESOLUÇÃO GRÁFICA DO PROBLEMA DE MAXIMIZAÇÃO DE PROGRAMAÇÃO LINEAR Mesmo na era do computador, o método de solução gráfica de programação linear é ainda útil para pequenos problemas envolvendo duas variáveis de decisão, bem como para mostrar como é que se pode resolver, sistematicamente, problemas de programação linear.

8 6 Z = 4x 1 + x 2 gradiente de Z, representado por (nabla) Z Z Z = (, ) Z = (4, 1) a função objetiva sempre é x 1 x 2 perpendicular ao e sobe no sentido que está apontado o. X 2 8 2x 1 + 3x 2 12 A: 2x 1 + 3x 2 = 12 x x2 = 2 A X 1 X x 1 + 1x 2 8 B: x 2 = 8-2x 1 B X 1 X X 1 Solução ótima (x 1 = 4; x 2 = 0 e Z = 16) A área hachurada representa a região onde estão todas as soluções possíveis para o problema. Cada ponto dessa região, definido por um par de coordenadas (x 1, x 2 ) é uma solução viável, pois satisfaz o conjunto de restrições. Portanto, o problema admite infinitas soluções, porém o que se quer é encontrar o ponto que dá a solução ótima, ou seja, que maximize o lucro total. Importante: o ponto (solução ótima) sempre se encontra em um dos vértices da região exeqüível. Deslocando-se uma reta que representa a função objetiva, paralelamente a si mesma para cima, implica em fazer crescer o valor de Z. O

9 7 nosso problema consiste, portanto, em procurar o último ponto pertencente ao conjunto viável, tal que por ele passe a reta que maximize Z. Outra forma de garantir que a função objetiva cresce sempre num sentido determinado é nos apoiar num teorema de cálculo diferencial e integral que diz que se uma função f:!r n!r é diferenciável, então o vetor gradiente, representado por ( ), fica: f f f ( x) = (,, L, x x f x 1 2 n em cada x!r n aponta no sentido do máximo crescimento da função. Quando for linear, f(x) (gradiente) é constante e aponta sempre no mesmo sentido. ) No problema em questão Z = (4, 1) que é o vetor que dá o sentido de máximo crescimento de Z. Nota-se também que ele é perpendicular á reta da função objetiva. expressa como, Em se tratando de Problema de Minimização, a função objetiva é Minimizar z = b 1 y 1 + b 2 y b n y n e as restrições, geralmente, são apresentadas da seguinte maneira: a 11 y 1 + a 21 y a n1 y n c 1 a 12 y 1 + a 22 y a n2 x n c 2... a 1m y 1 + a 2m y a mn y n b m y 1, y 2,, y m 0 Pode-se apresentar esse modelo de forma mais compacta: Minz = m i= 1 c i y i

10 8 m s. a.: a y c para j = 1, 2,..., n i=1 ij i j y 0 para i = 1, 2,..., m i j Exemplo: Min z = 2x 1 + 3x 2 s.a.: x 1 + x 2 5 5x 1 + x 2 10 x 1, x 2 0 Observa-se que o conjunto de restrições forma um sistema de desigualdades lineares. Assim existem infinitas combinações de valores de x 1 e x 2 que satisfazem as restrições RESOLUÇÃO GRÁFICA DO PROBLEMA DE MINIMIZAÇÃO DE PROGRAMAÇÃO LINEAR Z = 2x 1 + 3x 2 gradiente de z, representado por (nabla) Z Z z = (, ) z = (2, 3) a função objetiva sempre é x 1 x 2 perpendicular ao e sobe no sentido que está apontado o. X 2 10 x 1 + x 2 5 A: x 1 + x 2 = 5 5 x 2 = 5 x 1 A X 1 X x 1 + 1x 2 10 B: x 2 = 10-5x 1 B X 1 X X 1 Solução ótima (x 1 = 5; x 2 = 0 e z = 10)

11 APLICAÇÕES EM SISTEMAS PRODUTIVOS 1. Resolver graficamente o modelo de programação linear 1.1. Maximizar RECEITA = 0,3x 1 + 0,5x 2 Sujeito a: 2x 1 + x 2 2 x 1 + 3x 2 3 x 1, x Minimizar CUSTO = 10x x 2 Sujeito a: x 1 + x 2 20 x 1 + x x 1 + 6x 2 54 x 1, x Certa empresa fabrica 2 produtos P 1 e P 2. O lucro por unidade de P 1 é de 100 u.m. e o lucro unitário de P 2 é de 150 u.m. A empresa necessita de 2 horas para fabricar uma unidade de P 1 e 3 horas para fabricar uma unidade de P 2. O tempo mensal disponível para essas atividades é de 120 horas. As demandas esperadas para os dois produtos levaram a empresa a decidir que os montantes produzidos de P 1 e P 2 não devem ultrapassar 40 unidades de P 1 e 30 unidades de P 2 por mês. Construa o modelo do sistema de produção mensal com o objetivo de maximizar o lucro da empresa.

12 Duas fábricas produzem 3 diferentes tipos de papel. A companhia que controla as fábricas tem um contrato para produzir 16 toneladas de papel fino, 6 toneladas de papel médio e 28 toneladas de papel grosso. Existe uma demanda para cada tipo de espessura. O custo de produção na primeira fábrica é de u.m. e o da segunda fábrica é de u.m., por dia. A primeira fábrica produz 8 toneladas de papel fino, 1 tonelada de papel médio e 2 toneladas de papel grosso por dia, enquanto a segunda fábrica produz 2 toneladas de papel fino, 1 tonelada de papel médio e 7 toneladas de papel grosso. Quantos dias cada fábrica deverá operar para suprir os pedidos mais economicamente? 1.5. Uma companhia de transporte tem dois tipos de caminhões: O tipo A tem 2m 3 de espaço refrigerado e 3m 3 de espaço não refrigerado; O tipo B tem 2m 3 de espaço refrigerado e 1m 3 de espaço não refrigerado. O cliente quer transportar um produto que necessitará 16 m 3 de área refrigerada e 12 m 3 de área não refrigerada. A companhia calcula em litros o combustível para uma viagem com o caminhão A e 750 litros para o caminhão B.Quantos caminhões de cada tipo deverão ser usados no transporte do produto, com o menor consumo de combustível.

13 MÉTODO SIMPLEX O algoritmo Simplex de resolução de problema de programação linear foi desenvolvido pelo matemático norte americano George B. Dantzig em O Método Simplex de programação linear utiliza os conceitos básicos da álgebra matricial para achar a intersecção de duas ou mais retas ou planos. Ele começa em alguma solução viável, isto é aquela que satisfaça todas as restrições, e sucessivamente obtém soluções em intersecções que fornecem valores cada vez melhores para a função objetiva. Além disso, esse método fornece um indicador que determina quando a solução ótima é atingida. Dentro da matriz, tem-se uma coluna para cada variável real positiva, uma coluna para cada variável auxiliar ou de folga e uma última coluna é para cada constante indicando a limitação do recurso INTRODUÇÃO DAS VARIÁVEIS DE FOLGA Se as restrições são expressas em inequações, é preciso modificá-las em equações. Isto é feito pela introdução de um termo adicional em cada restrição. Este termo recebe o nome de variável de folga (s i ). Conforme já visto anteriormente, que as restrições do problema têm a seguinte estrutura lógica: Utilização de recursos disponibilidade Se introduzir o conceito de folga de recurso pode-se escrever a relação acima da seguinte forma: Utilização mais folga = disponibilidade Isto significa que: utilização < disponibilidade folga > 0 utilização = disponibilidade folga = 0 Assim, a folga de cada recurso pode se representada por uma variável de forma exatamente igual à produção de cada produto. Desse modo, Chamando-se de:

14 12 s 1 = folga da madeira s 2 = folga de mão-de-obra Introduzindo a variável s 1 para a primeira desigualdade e s 2 para a segunda, tem-se o sistema anterior transformado. É óbvio que ao introduzir duas variáveis de folga (auxiliares) nesse sistema de inequações lineares terá o sistema de equações lineares: Max Z = 4x 1 + 1x 2 + 0s 1 + 0s 2 s.a.: 2x 1 + 3x 2 + 1s 1 + 0s 2 = 12 2x 1 + 1x 2 + 0s 1 + 1s 2 = 8 x 1, x 2, s 1, s 2 0 onde s 1, s 2 são as variáveis de folga. Estas variáveis representam a parte não utilizada dos recursos a que se referem às inequações de restrição. O objetivo agora é encontrar valores não negativos de x 1, x 2, s 1 e s 2 que satisfaçam as duas novas condições de restrição e maximizem o valor da função objetivo (Z). Inicialmente monta-se a Tabela 1 Base x 1 x 2 s 1 s 2 constantes (b) S S Z A última coluna corresponde aos termos independentes das equações, e a última linha contém os coeficientes da função objetiva. Nesta última linha, sempre tem a contribuição que cada variável dá para o lucro total L, por unidade, em cada iteração do processo de solução.

15 13 Solução inicial: A solução inicial para o problema será sempre obtida fazendo as variáveis originais do modelo (no caso x 1, x 2 ) iguais a zero e achando o valor das demais. Assim temos x 1 = x 2 = 0 (variáveis não básicas) e s 1 = 12 e s 2 = 8 (variáveis básicas) e Z = 0. Como a primeira solução não é a melhor, procura-se outra que dê um valor maior para Z. O problema é descobrir: Das duas variáveis não básicas (nulas) na primeira solução, qual deverá ser básica, isto é, se tornar positiva? Das duas variáveis básicas (positivas) qual deverá ser anulada? Observando a tabela 1, nota-se que a contribuição unitária para o lucro da variável x 1, é maior que a contribuição de x 2. Logo, a variável que deverá se tornar positiva é x 1. Por outro lado, examinando as duas equações, o maior valor possível para x 1 na primeira equação, será 6, quando s 1 for igual a zero, e o maior valor possível para x 1 na segunda equação, será 4, quando s 2 for igual a zero. Observe que essa análise pode ser feita diretamente no tabela 1, através da divisão dos elementos da coluna b pelos correspondentes elementos da coluna x 1. O menor quociente indica, pela linha em que ocorreu, qual a variável básica que deve ser anulada, isto é, sair da base. Como 12/2 = 6 e 8/2 = 4, a variável básica a ser anulada é s 2 e, em seu lugar entra a variável x 1. 1 a. operação: Dividir a segunda linha por 2. Tabela 2 Base x 1 x 2 s 1 s 2 b s x 1 1 0,5 0 0,5 Z

16 14 2 a. operação: a) Multiplicar a 2 a linha por (-2) e somar com a 1 a linha, colocando o resultado na linha 1. resultado na linha 3. Tabela 3 b) Multiplicar a 2 a linha por (-4) e somar com a 3 a linha, colocando o Base x 1 x 2 s 1 s 2 b S X 1 1 0,5 0 0,5 Z Como a última linha mostra as contribuições líquidas para o Z, e como estas contribuições têm seus valores com sinais (-) trocados com relação à tabela original, concluímos que a solução encontrada, x 1 = 4; x 2 = 0; s 1 = 4; s 2 = 0 e Z=16 é a solução ótima. madeira, isto é, 4m 2. O valor positivo de s 1 representa uma quantidade não usada de 4 4-2L 2 + L 1-4L 2 + L MÉTODO SIMPLEX EM DUAS FASES O processo iterativo do Método Simplex sempre exige uma solução básica para iniciar a busca da solução ótima OBTENÇÃO DA SOLUÇÃO BÁSICA INICIAL Essa solução básica inicial vista até o presente momento era formada pelas variáveis de folga, já que as restrições eram do tipo ( ). Quando as restrições são do tipo (=) ou ( ), não existe essa solução básica inicial natural. Veja o exemplo: Min z = 16x x 2 + 5x 3 s.a.: 8x 1 + 4x 2 + 4x x 1 + 6x 2 12 x 1, x 2, x 3 0

17 15 Como as restrições são tipo ( ), as variáveis de folga (variáveis auxiliares) a serem acrescentadas devem ter coeficientes negativos, tendo o significado de variáveis de excesso. Assim o problema fica: Min z = 16x x 2 + 5x 3 0s 1 0s 2 s.a.: 8x 1 + 4x 2 + 4x 3 1s 1 = 16 4x 1 + 6x 2 1s 2 = 12 x 1, x 2, x 3, s 1, s 2 0 Ressalta-se que quando o problema original não assume a forma canônica, após a introdução de variáveis auxiliares, deve-se acrescentar variáveis artificiais (a i ) ao mesmo, formando um novo problema de programação linear. A introdução de variáveis artificiais, que não tem significado algum para o problema real, mas que permitem a inicialização do processo usando o mesmo algoritmo simplex descrito anteriormente. Com a introdução de variáveis artificiais, o método simplex deverá desdobrar-se em duas fases, conforme será visto a seguir MÉTODO DAS DUAS FASES Passo 1: Introduzidas as variáveis de folga ou de excesso, para as restrições do tipo ( ) ou ( ) respectivamente, devem ser adicionadas as variáveis artificiais para todas as restrições do tipo (=) ou ( ), tal como: 8x 1 + 4x 2 + 4x 3 1s 1 + 1a 1 = 16 4x 1 + 6x 2 1s 2 + 1a 2 = 12 Passo 2: Cria-se uma Função Objetiva Artificial da seguinte maneira. Para todas as variáveis reais e de folga, o coeficiente da função artificial será a soma dos coeficientes destas variáveis, e zero para as variáveis artificiais. Em nosso

18 16 exemplo, com as restrições do problema, tem-se a seguinte função objetiva artificial: F.O. artificial: 12x x 2 + 4x 3 1s 1 1s 2 + 0a 1 + 0a 2 = 28 Passo 3: Monta-se a tabela de solução de forma exatamente igual à sistemática anterior, colocando-se a função objetiva artificial na última linha. Tabela 4 Base x 1 x 2 x 3 s 1 s 2 a 1 a 2 B A a Z z a Passo 4: Aplica-se o Método Simplex normalmente, usando como função objetiva a última linha. Quando a solução for atingida, dois casos podem ocorrer: 1) Z a = 0: Neste caso foi obtida uma solução básica do problema original e o processo de solução deve continuar, desprezando-se as variáveis artificiais e os elementos da última linha. É o início da fase 2 do processo. 2) Z a 0: Neste caso o problema original não tem solução viável, o que significa que as restrições devem ser inconsistentes. Fase 1: Resolver o problema de forma completa Tabela 5 Base x 1 x 2 x 3 s 1 s 2 a 1 a 2 b a a Z z a

19 17 1 a. iteração: entra a variável x 1 e sai a variável a 1 Tabela 6 Base x 1 x 2 x 3 s 1 s 2 a 1 a 2 B x 1 1 0,5 0,5-0, ,125 0 a ,5-1 -0,5 1 Z z a ,5-1 -1, a. iteração: entra a variável x 2 e sai a variável a 2 Tabela 7 Base x 1 x 2 x 3 s 1 s 2 a 1 a 2 b X ,75-0,1875 0,125 0,1875-0,125 X ,5 0,125-0,25-0,125 0,25 Z ,5 1-1, z a ,5 1 Como na última linha o valor da função objetiva artificial é zero, a fase 1 termina e a solução encontrada é a solução básica inicial para a fase 2. Fase 2: Resolver o problema para minimização da função Tabela 8 inicial Base x 1 x 2 x 3 s 1 s 2 B x ,75-0,1875 0,125 x ,5 0,125-0,25 1,5 Z , contribuição. Como o problema é de minimização, então entra a variável de menor

20 18 1 a. iteração: entra a variável x 3 e sai a variável x 1 Tabela 9 final Base x 1 x 2 x 3 s 1 s 2 b x 3 1, ,25 0,1667 x 2 0, ,1667 Z 1, ,25 1, Como os coeficientes da última linha são todos nulos ou positivos, a solução obtida é ótima. No caso, x 2 = 2, x 3 = 2 e z = 34

21 APLICAÇÕES EM SISTEMAS PRODUTIVOS 1. Resolver os modelos de programação linear, usando o método simplex Max LUCRO = 2x 1 + 3x 2 + 4x 3 Sujeito a.: x 1 + x 2 + x x 1 + x x 1 80 x 1, x 2, x Min CUSTO = 2x 1 + 3x 2 Sujeito a.: x 1 + x 2 5 5x 1 + x 2 10 x 1, x Uma companhia fabrica dois produtos P 1 e P 2 que utilizam os mesmos recursos produtivos: matéria-prima, forja e polimento. Cada unidade de P 1 exige 4 horas de forjaria, 2 horas de polimento e utiliza 100 u. de matériaprima. Cada unidade de P 2 requer 2 horas de forjaria, 3 horas de polimento e 200 u. de matéria-prima. O preço de venda de P 1 é u.m. e de P 2, u.m. Toda produção tem mercado garantido. As disponibilidades são de: 20 horas de forja; 10 horas de polimento e 500 unidades de matéria-prima, por dia. Determinar as quantidades de P 1 e P 2 que otimizem a receita diária dos produtos.

22 Um fabricante de fantasias tem em estoque 32 m de brim, 22 m de seda e 30 m de cetim e pretende fabricar dois modelos de fantasias. O primeiro modelo (M1) consome 4 m de brim, 2 m de seda e 2 de cetim. O segundo modelo (M2) consome 2 m de brim, 4 m de seda e 6 de cetim. Se M1 é vendida a u.m e M2 a u.m., quantas peças de cada tipo o fabricante deve fazer para obter a receita máxima? 1.5. Uma fábrica de calçados pode produzir sapatos femininos, infantis e masculinos. A produção de uma dezena de pares de calçados femininos requer 2 horas de serviço do setor de montagem e 8 horas de serviço do setor de acabamento. A produção de uma dezena de pares de calçados infantis requer 1 hora de serviço do setor de montagem e 6 horas de serviço do setor de acabamento. A produção de uma dezena de pares de calçados masculinos requer 2 horas de serviço do setor de montagem e 4 horas de serviço do setor de acabamento. Os ganhos líquidos unitários na produção de sapatos femininos, infantis e masculinos, em unidades monetárias por dezenas de pares, são respectivamente 10, 8 e 10. Em cada turno de trabalho a fábrica dispõe de 300 horas de serviço no setor de montagem e de 720 horas de serviço no setor de acabamento. Determine o plano de produção que maximiza ganhos líquidos totais. 2. Resolver os modelos de programação linear (1.3, 1.4 e 1.5), usando o Excel, ou Simplex e Lindo.

23 ANÁLISE DE SENSIBILIDADE A análise de sensibilidade refere-se ao estudo de certas questões de pós-otimização. Freqüentemente, o agente econômico tem interesse em saber até que ponto a solução encontrada para o seu problema de programação linear seria alterada se um ou mais parâmetros do problema original fossem modificados. Dessa forma, deve-se examinar o efeito de mudanças paramétricas nos coeficientes da função objetiva e nos coeficientes do lado direito das restrições. A análise será totalmente desenvolvida a partir do problema numérico a seguir descrito. Uma fábrica pode produzir três produtos: 1, 2 e 3. Definimos x j (j=1, 2, 3) como a quantidade mensal produzida do j-ésimo produto. Os preços de mercado dos três produtos são P 1 = 10,00, P 2 = 6,00 e P 3 = 4,00. Para produzir uma unidade do produto 1 são necessárias 1 hora de serviços técnicos, 10 horas de mão-de-obra e 2 horas de administração. Para produzir uma unidade do produto 2 são necessárias 1 hora de serviços técnicos, 4 horas de mão-de-obra e 2 horas de administração. Para produzir uma unidade do produto 3 são necessárias 1 hora de serviços técnicos, 5 horas de mão-de-obra e 6 horas de administração. Existe uma disponibilidade de 100 horas de serviços técnicos, 600 horas de mão-de-obra e 300 horas de administração. O objetivo da fábrica é maximizar os lucros. Formalmente o problema é representado como: Max L = 10x 1 + 6x 2 + 4x 3 S.a.: x 1 + x 2 + x (serviços técnicos) 10x 1 + 4x 2 + 5x (mão-de-obra) 2x 1 + 2x 2 + 6x (administração) x 1, x 2, x 3 0 onde: x 1, x 2 e x 3 são as quantidades dos produtos 1, 2 e 3 produzidos. Introduzindo as variáveis de folga, tem-se:

24 22 Max L = 10x 1 + 6x 2 + 4x 3 + 0s 1 + 0s 2 + 0s 3 S.a.: x 1 + x 2 + x 3 + 1s 1 + 0s 2 + 0s 3 = x 1 + 4x 2 + 5x 3 + 0s 1 + 1s 2 + 0s 3 = 600 2x 1 + 2x 2 + 6x 3 + 0s 1 + 0s 2 + 1s 3 = 300 x 1, x 2, x 3, s 1, s 2, s 3 0 As tabelas do problema ficam: Tabela 10: Inicial Base X 1 x 2 x 3 s 1 s 2 s 3 b s 1 s 2 s Z Tabela 11: Final Base x 1 x 2 x 3 s 1 s 2 s 3 b x 2 x 1 s ,8333 1,6667-0, , ,1667-0,6667 0, , Z 0 0-2,6667-3,3333-0, ,333 Solução: x 1 = 33,33; x 2 = 66,67; x 3 = 0; s 1 = 0; s 2 = 0; s 3 = 100 e Z = 733, MUDANÇAS PARAMÉTRICAS EM UM COEFICIENTE C J DA FUNÇÃO OBJETIVO MUDANÇA NO COEFICIENTE DE UMA VARIÁVEL NÃO-BÁSICA Nota-se, em primeiro lugar, que a coluna associada à atividade x 3 não faz parte da base ótima (exemplo anterior), isto é, a atividade x 3 é não-básica. Dada a própria natureza do problema, de imediato pode-se concluir que, se o produto 3 não é produzido quando c 3 = 4,00, também não irá entrar no plano ótimo para c 3 < 4,00. Portanto, a solução ótima dada na tabela 11 é completamente

25 23 estável com relação à diminuição de c 3. O que pode acontecer se c 3 > 4,00? Neste caso é de se esperar que para um valor de c 3 suficientemente alto a atividade x 3 acabe entrando no plano ótimo. Então, a solução da tabela 11 não deve ser completamente estável com relação a aumentos de c 3. Supondo que c 3 = 4,00 +. Neste caso, a solução da tabela 11 deveria ser modificada para incorporar esta mudança. Assim, para a solução básica apresentada na tabela 11 continuar sendo uma solução ótima, o valor de 2,6667, pois ainda, o valor do coeficiente relativo de lucro permaneceria negativo ou nulo. Entretanto, nota-se também que para > 2,6667 tem-se o valor do coeficiente relativo de lucro maior que 0 (zero) e a solução básica apresentada na tabela 11 deixará de ser ótima. Concluí-se então que a solução da tabela 11 é estável com relação a aumentos de c 3 até o acréscimo máximo de 2,6667 unidades ao valor utilizado inicialmente. Para c 3 > 4 + 2,6667 > 6,6667 a atividade x 3 passa a ser candidata à entrada na base. Outra maneira de calcular é como segue: quando uma variável é nãobásica, o que se deseja saber é qual seu coeficiente crítico para a estabilidade da solução, isto é, qual o valor a partir do qual a variável entra na base, mudando a solução. No exemplo, a entrada de x 3 com valor 1 provoca um aumento no lucro de 4,00 (1x4) e a diminuição devido às outras variáveis de: 0,8333 x 6 + 0,1667 x x 0 = 6,6667 O resultado é um decréscimo do lucro de 6, = 2,6667, exatamente o valor de seu coeficiente em módulo na tabela final. Para que a entrada de x 3 não diminua o lucro, é necessário que seu lucro unitário seja de: 4 + 2,6667 = 6,6667. Isto é, o lucro corrente mais seu valor de oportunidade. Portanto, a solução é estável para c 3 6,6667, e para c 3 > 6,6667 a atividade x 3 passa a ser candidata à entrada na base.

26 MUDANÇA NO COEFICIENTE DE UMA VARIÁVEL BÁSICA Estando interessado agora em saber que tipo de variação podem sofrer os coeficientes de x 1 e x 2 sem alterar a solução ótima da tabela Intervalo de Estabilidade para o Coeficiente de x 1 (c 1 ) É intuitivamente claro que quando c 1 fica abaixo de um certo nível, pode não ser lucrativo incluir o produto 1 na composição ótima de produtos. Quando c 1 cresce, é possível que isto traga uma mudança da composição ótima de produtos em algum nível. Isto ocorre porque o produto 1 pode tornar-se tão lucrativo que a mistura ótima pode incluir apenas o produto 1. Portanto, existe um limite superior e um inferior na variação de c 1 dentro da qual a solução ótima dada na tabela 11 não é influenciada. Para determinar a amplitude de variação sobre c 1, deve-se observar que uma mudança em c 1 muda o lucro das variáveis básicas. Entrada de x 3 na base (passa de x 3 = 0 para x 3 = 1) Na tabela final 11, a coluna dos coeficientes de x 3 nos mostra que, quando x 3 passa de x 3 = 0 para x 3 =1 x 2 diminui em 0,8333 x 1 diminui em 0,1667 s 3 diminui em 4 O coeficiente de x 1 que permite a entrada de x 3 é um coeficiente que iguala o aumento de lucro com a entrada de x 3 com a diminuição do lucro devido às outras variáveis x 2, x 1 e s 3. Conhecidos os lucros unitários da tabela inicial 10, e chamando o lucro de x 1 de c 1, teremos: Aumento devido a x 3 : 1 x 4 = 4 Diminuição devido às outras variáveis e compensação: 0,8333x6 + 0,1667xc 1 + 4x0 = 4 c 1 = -6

1. Método Simplex. Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção. Pesquisa Operacional II Profa. Dra. Lílian Kátia de Oliveira

1. Método Simplex. Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção. Pesquisa Operacional II Profa. Dra. Lílian Kátia de Oliveira Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção. Método Simple.. Solução eata para os modelos de Programação Linear O modelo de Programação Linear (PL) reduz um sistema real a um conjunto

Leia mais

PESQUISA OPERACIONAL

PESQUISA OPERACIONAL Universidade Castelo Branco PESQUISA OPERACIONAL Prof. Cláudio H. S. Grecco RIO DE JANEIRO, RJ - BRASIL ii ÍNDICE. INTRODUÇÃO À PESQUISA OPERACIONAL. O Desenvolvimento da Pesquisa Operacional. Modelagem.3

Leia mais

O Método Simplex para

O 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 mais

Pesquisa Operacional

Pesquisa Operacional Faculdade de Engenharia - Campus de Guaratinguetá Pesquisa Operacional Livro: Introdução à Pesquisa Operacional Capítulo 2 - Programação Linear Fernando Marins fmarins@feg.unesp.br Departamento de Produção

Leia mais

Investigação Operacional- 2009/10 - Programas Lineares 3 PROGRAMAS LINEARES

Investigação 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 mais

Ano III Número 05 Agosto de 2006 Periódicos Semestral

Ano III Número 05 Agosto de 2006 Periódicos Semestral ESTUDO DE CASO BASEADO NA SOLUÇÃO DE PROBLEMA HIPOTÉTICO DE ALOCAÇÃO DE RECURSOS LIMITADOS COM TÉCNICAS DE PROGRAMAÇÃO LINEAR ATRAVÉS DA FERRAMENTA SOLVER DO MICROSOFT EXCEL 1 Pedro Henrique Marana Bim;

Leia mais

O Problema do Transporte. Pesquisa Operacional. Formulação do Problema. Descrição Geral de um problema de transporte. Parte 2

O Problema do Transporte. Pesquisa Operacional. Formulação do Problema. Descrição Geral de um problema de transporte. Parte 2 Pesquisa Operacional Parte Graduação em Engenharia de Produção DEPROT / UFRGS Prof. Flavio Fogliatto, Ph.D. O Problema do Transporte Descrição Geral de um problema de transporte:. Um conjunto de m pontos

Leia mais

ão: modelagem e técnicas

ão: modelagem e técnicas Curso de Especialização em Gestão Empresarial (MBA Executivo Turma 15) Disciplina: Pesquisa Operacional Prof. Dr. Álvaro José Periotto 3. Otimização ão: modelagem e técnicas de resolução Passando da daetapa

Leia mais

Pesquisa Operacional

Pesquisa 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 mais

Fundamentos da PESQUISA OPERACIONAL

Fundamentos da PESQUISA OPERACIONAL Andréa Cardoso Fundamentos da PESQUISA OPERACIONAL Março 200 2 0. Lista de Problemas 6. O quadro a seguir mostra o processo de resolução de um PPL. A partir dos dados fornecidos, responda às seguintes

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade 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 mais

PROGRAMAÇÃO LINEAR: UMA APLICAÇÃO À CONTABILIDADE DE CUSTOS NO PROCESSO DE TOMADA DE DECISÃO

PROGRAMAÇÃO LINEAR: UMA APLICAÇÃO À CONTABILIDADE DE CUSTOS NO PROCESSO DE TOMADA DE DECISÃO PROGRAMAÇÃO LINEAR: UMA APLICAÇÃO À CONTABILIDADE DE CUSTOS NO PROCESSO DE TOMADA DE DECISÃO Corrar, Luis João* Garcia, Editinete André da Rocha** *Professor da Universidade de São Paulo e Doutor em Contabilidade

Leia mais

Pesquisa Operacional Programação em Redes

Pesquisa Operacional Programação em Redes Pesquisa Operacional Programação em Redes Profa. Alessandra Martins Coelho outubro/2013 Modelagem em redes: Facilitar a visualização e a compreensão das características do sistema Problema de programação

Leia mais

Pesquisa Operacional

Pesquisa Operacional Pesquisa Operacional Tópicos em Programação Linear e Inteira Prof. Dr.Ricardo Ribeiro dos Santos ricr.santos@gmail.com Universidade Católica Dom Bosco - UCDB Engenharia de Computação Roteiro Introdução

Leia mais

LISTA DE EXERCÍCIOS 1 PESQUISA OPERACIONAL MODELAGEM

LISTA DE EXERCÍCIOS 1 PESQUISA OPERACIONAL MODELAGEM LISTA DE EXERCÍCIOS 1 PESQUISA OPERACIONAL MODELAGEM 1) Um alfaiate tem, disponíveis, os seguintes tecidos: 16 metros de algodão, 11 metros de seda e 15 metros de lã. Para um terno são necessários 2 metros

Leia mais

Resolução da Lista 2 - Modelos determinísticos

Resolução da Lista 2 - Modelos determinísticos EA044 - Planejamento e Análise de Sistemas de Produção Resolução da Lista 2 - Modelos determinísticos Exercício 1 a) x ij são as variáveis de decisão apropriadas para o problemas pois devemos indicar quantos

Leia mais

PRO 528 - Pesquisa Operacional II. 5. Análise econômica e análise de sensibilidade

PRO 528 - Pesquisa Operacional II. 5. Análise econômica e análise de sensibilidade Pesquisa Operacional II 5. Análise econômica e análise de sensibilidade Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção Interpretação econômica do problema dual Cada variável w ii do do

Leia mais

Análise da sensibilidade

Análise da sensibilidade Análise da Sensibilidade Bertolo, L.A. UNIUBE Análise da sensibilidade Em todos os modelos de programação linear, os coeficientes da função objetivo e das restrições são considerados como entrada de dados

Leia mais

LINDO: MANUAL DE REFERÊNCIA

LINDO: MANUAL DE REFERÊNCIA LINDO: MANUAL DE REFERÊNCIA Aloísio de Castro Gomes Júnior Marcone Jamilson Freitas Souza Projeto patrocinado pelo programa PRÓ-ATIVA da UFOP DEPARTAMENTO DE COMPUTAÇÃO UNIVERSIDADE FEDERAL DE OURO PRETO

Leia mais

Pesquisa Operacional. 4x1+3x2 <=1 0 6x1 - x2 >= 20 X1 >= 0 X2 >= 0 PESQUISA OPERACIONAL PESQUISA OPERACIONAL PESQUISA OPERACIONAL PESQUISA OPERACIONAL

Pesquisa Operacional. 4x1+3x2 <=1 0 6x1 - x2 >= 20 X1 >= 0 X2 >= 0 PESQUISA OPERACIONAL PESQUISA OPERACIONAL PESQUISA OPERACIONAL PESQUISA OPERACIONAL Modelo em Programação Linear Pesquisa Operacional A programação linear é utilizada como uma das principais técnicas na abordagem de problemas em Pesquisa Operacional. O modelo matemático de programação

Leia mais

GABARITO OTM 09 [ ] [ ] ( ) [ ] O que mostra que e, logo o sistema não possui solução. [ ]

GABARITO OTM 09 [ ] [ ] ( ) [ ] O que mostra que e, logo o sistema não possui solução. [ ] GABARITO OTM 09 Questão 1 a) Observe que o, deste modo o sistema não possui única solução ou não possui solução. Como [ ] [ ] [ ] [ ] O que mostra que e, logo o sistema não possui solução. b) Sim. Basta

Leia mais

Programação Linear com o Microsoft Excel R

Programação Linear com o Microsoft Excel R Programação Linear com o Microsoft Excel R Adriano Verdério 1, Clezio A. Braga 1 1 Colegiado do Curso de Matemática - Centro de Ciências Exatas e Tecnológicas da Universidade Estadual do Oeste do Paraná

Leia mais

Pesquisa Operacional. Função Linear - Introdução. Função do 1 Grau. Função Linear - Exemplos Representação no Plano Cartesiano. Prof.

Pesquisa 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 mais

PESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR. Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 *

PESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR. Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 * PESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR 1 Graduando Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 * 2 Pesquisador - Orientador 3 Curso de Matemática, Unidade Universitária

Leia mais

Variantes sobre o método Simplex: Método do grande M

Variantes sobre o método Simplex: Método do grande M Variantes sobre o método Simplex: Método do grande M Revisões Simplex básico Solução óptima multipla Em simplex: valores 0 na função custo Solução degenerada Em simplex: empates na variável a sair, variáveis

Leia mais

PROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO

PROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO PROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO Luciano Pereira Magalhães - 8º - noite lpmag@hotmail.com Orientador: Prof Gustavo Campos Menezes Banca Examinadora: Prof Reinaldo Sá Fortes, Prof Eduardo

Leia mais

A ACVL está baseada numa série de supostos simplificadores, dentre os quais cabe mencionar os seguintes:

A ACVL está baseada numa série de supostos simplificadores, dentre os quais cabe mencionar os seguintes: ANÁLISE CUSTO/VOLUME/LUCRO Sabe-se que o processo de planejamento empresarial envolve a seleção de objetivos, bem como a definição dos meios para atingir tais objetivos. Neste sentido, cabe assinalar que

Leia mais

a 1 x 1 +... + a n x n = b,

a 1 x 1 +... + a n x n = b, Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição

Leia mais

Método Simplex - Variantes V 1.1, V.Lobo, EN / ISEGI, 2008

Método Simplex - Variantes V 1.1, V.Lobo, EN / ISEGI, 2008 Revisões Variantes sobre o método Simplex: Método do grande M Simplex básico Solução óptima multipla Em simplex: valores 0 na função custo Solução degenerada Em simplex: empates na variável a sair, variáveis

Leia mais

Utilização do SOLVER do EXCEL

Utilização do SOLVER do EXCEL Utilização do SOLVER do EXCEL 1 Utilização do SOLVER do EXCEL José Fernando Oliveira DEEC FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO MAIO 1998 Para ilustrar a utilização do Solver na resolução de

Leia mais

Modelos lineares de otimização aos quais eventualmente se incorporam restrições

Modelos lineares de otimização aos quais eventualmente se incorporam restrições Capítulo 2 Programação Linear 21 Introdução Modelos lineares de otimização aos quais eventualmente se incorporam restrições de integralidade das variáveis de decisão são os mais utilizados em planejamento

Leia mais

Análise de Sensibilidade

Análise de Sensibilidade Análise de Sensibilidade Transparências de apoio à disciplina de Investigação Operacional rupo de ontrolo e estão Análise de Sensibilidade A análise de sensibilidade permite responder a um conjunto de

Leia mais

Joaquim J. Júdice. Pedro C. Martins. Marta B. Pascoal. Jorge P. Santos OPTIMIZAÇÃO EM REDES. Departamento de Matemática Universidade de Coimbra

Joaquim J. Júdice. Pedro C. Martins. Marta B. Pascoal. Jorge P. Santos OPTIMIZAÇÃO EM REDES. Departamento de Matemática Universidade de Coimbra Joaquim J Júdice Pedro C Martins Marta B Pascoal Jorge P Santos OPTIMIZAÇÃO EM REDES Departamento de Matemática Universidade de Coimbra 006 Conteúdo Introdução Alguns Problemas de Optimização em Redes

Leia mais

CÁLCULO DE MINIMIZAÇÃO DOS CUSTOS DE PRODUÇÃO POR MEIO DA PROGRAMAÇÃO LINEAR

CÁLCULO DE MINIMIZAÇÃO DOS CUSTOS DE PRODUÇÃO POR MEIO DA PROGRAMAÇÃO LINEAR CÁLCULO DE MINIMIZAÇÃO DOS CUSTOS DE PRODUÇÃO POR MEIO DA PROGRAMAÇÃO LINEAR André Andrade Longaray Ilse Maria Beuren Resumo: Este trabalho tem por objetivo apresentar a programação linear como uma das

Leia mais

Capítulo 1. x > y ou x < y ou x = y

Capítulo 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 mais

Construir o modelo matemático de programação linear dos sistemas descritos a seguir:

Construir o modelo matemático de programação linear dos sistemas descritos a seguir: LISTA - Pesquisa Operacional I Qualquer erro, favor enviar e-mail para fernando.nogueira@ufjf.edu.br Construir o modelo matemático de programação linear dos sistemas descritos a seguir: ) Um sapateiro

Leia mais

[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo

[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo 4. SISTEMAS LINEARES 4.1. CONCEITO Um sistema de equações lineares é um conjunto de equações do tipo a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 11 x 1 + a 12 x 2 +... + a 1n x n = b 2... a n1 x 1 + a

Leia mais

Pesquisa Operacional na Tomada de Decisões. Conteúdos do Capítulo. Programação Linear. Lindo. s.t. Resolvendo Programação Linear Em um Microcomputador

Pesquisa Operacional na Tomada de Decisões. Conteúdos do Capítulo. Programação Linear. Lindo. s.t. Resolvendo Programação Linear Em um Microcomputador ª Edição Pesquisa Operacional na Tomada de Decisões Resolvendo Programação Linear Em um Microcomputador Gerson Lachtermacher,00 Programação Linear Software Versão Windows e comandos Formulação do problema

Leia mais

MATERIAL DIDÁTICO A REALIDADE DOS SISTEMAS DE EQUAÇÕES

MATERIAL DIDÁTICO A REALIDADE DOS SISTEMAS DE EQUAÇÕES MATERIAL DIDÁTICO A REALIDADE DOS SISTEMAS DE EQUAÇÕES Prof. ANTONIO ROBERTO GONÇALVES Aprendizagem de Conceitos Se você precisa encontrar o volume de um silo de milho, a distância percorrida por um carro

Leia mais

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico

Leia mais

Uma lei que associa mais de um valor y a um valor x é uma relação, mas não uma função. O contrário é verdadeiro (isto é, toda função é uma relação).

Uma lei que associa mais de um valor y a um valor x é uma relação, mas não uma função. O contrário é verdadeiro (isto é, toda função é uma relação). 5. FUNÇÕES DE UMA VARIÁVEL 5.1. INTRODUÇÃO Devemos compreender função como uma lei que associa um valor x pertencente a um conjunto A a um único valor y pertencente a um conjunto B, ao que denotamos por

Leia mais

O USO DA FERRAMENTA SOLVER DO EXCEL NA RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR

O USO DA FERRAMENTA SOLVER DO EXCEL NA RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR O USO DA FERRAMENTA SOLVER DO EXCEL NA RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR João Batista de Jesus FATEC-JAHU Célio Favoni 2 FATEC-JAHU Resumo Este trabalho expõe de maneira sintetizada as funcionalidades

Leia mais

Módulo 2 Custos de Oportunidade e Curva de Possibilidades de Produção

Módulo 2 Custos de Oportunidade e Curva de Possibilidades de Produção Módulo 2 Custos de Oportunidade e Curva de Possibilidades de Produção 2.1. Custo de Oportunidade Conforme vínhamos analisando, os recursos produtivos são escassos e as necessidades humanas ilimitadas,

Leia mais

Método Simplex - Exemplos. Iteração 1 - variáveis básicas: y 1, y 2, y 3. Exemplo 1. Facom - UFMS. Exemplo. Edna A. Hoshino.

Método Simplex - Exemplos. Iteração 1 - variáveis básicas: y 1, y 2, y 3. Exemplo 1. Facom - UFMS. Exemplo. Edna A. Hoshino. Tópicos Método Simplex - s Edna A. Hoshino 1 Facom - UFMS março de 2010 E. Hoshino (Facom-UFMS) Simplex março de 2010 1 / 21 E. Hoshino (Facom-UFMS) Simplex março de 2010 2 / 21 1 Iteração 1 - variáveis

Leia mais

Programação Inteira. Advertência

Programação Inteira. Advertência Departamento de Informática Programação Inteira Métodos Quantitativos LEI 2006/2007 Advertência Autores João Moura Pires (jmp@di.fct.unl.pt) Susana Nascimento (snt@di.fct.unl.pt) Este material pode ser

Leia mais

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia

Leia mais

CUSTO FIXO, LUCRO E MARGEM DE CONTRIBUIÇÃO. Atividades Práticas

CUSTO FIXO, LUCRO E MARGEM DE CONTRIBUIÇÃO. Atividades Práticas CUSTO FIXO, LUCRO E MARGEM DE CONTRIBUIÇÃO 1 Assinalar Falso (F) ou Verdadeiro (V): Atividades Práticas ( ) Os custos fixos são totalmente dependentes dos produtos e volumes de produção executados no período.

Leia mais

ExemResumo parcial da última. 15.053 Quinta-feira, 28 de fevereiro. Os preços-sombra podem ser encontrados ao se examinar os quadros inicial e final!

ExemResumo parcial da última. 15.053 Quinta-feira, 28 de fevereiro. Os preços-sombra podem ser encontrados ao se examinar os quadros inicial e final! 15.053 Quinta-feira, 28 de fevereiro Análise de Sensibilidade 2 Mais sobre pricing out Efeitos sobre os quadros finais Apostilas: Notas de Aula ExemResumo parcial da última O preço-sombra é a alteração

Leia mais

Sistemas Lineares e Escalonamento

Sistemas Lineares e Escalonamento Capítulo 1 Sistemas Lineares e Escalonamento Antes de iniciarmos nos assuntos geométricos da Geometria Analítica, vamos recordar algumas técnicas sobre escalonamento de matrizes com aplicações na solução

Leia mais

Notas de aula número 1: Otimização *

Notas de aula número 1: Otimização * UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL UFRGS DEPARTAMENTO DE ECONOMIA CURSO DE CIÊNCIAS ECONÔMICAS DISCIPLINA: TEORIA MICROECONÔMICA II Primeiro Semestre/2001 Professor: Sabino da Silva Porto Júnior

Leia mais

Modelo para Análise de Custos no Desenvolvimento de Sistemas

Modelo para Análise de Custos no Desenvolvimento de Sistemas Modelo para Análise de Custos no Desenvolvimento de Sistemas Cilene Araújo da Cruz Moro Mestre em Ciências em Engenharia de Produção, Área de Gerência da Produção (UNIFEI) e doutorando em Computação Aplicada

Leia mais

Aula 03 - Modelagem em PPLIM

Aula 03 - Modelagem em PPLIM Thiago A. O. 1 1 Universidade Federal de Ouro Preto 1 Componentos do modelo 2 3 4 5 6 Componentes de uma modelagem matemática Elementos; Conjuntos; Parâmetros; Variáveis; Objetivo; Restições; Elementos

Leia mais

PESQUISA OPERACIONAL. Fabiano F. T. dos Santos. Instituto de Matemática e Estatística

PESQUISA OPERACIONAL. Fabiano F. T. dos Santos. Instituto de Matemática e Estatística PESQUISA OPERACIONAL Fabiano F. T. dos Santos Instituto de Matemática e Estatística Origens da Pesquisa Operacional O termo pesquisa operacional é atribuído a A. P. Rowe, que, em 1938 na Grã-Bretanha,

Leia mais

Programação Linear. Mauricio Pereira dos Santos Departamento de Matemática Aplicada Instituto de Matemática e Estatística

Programação Linear. Mauricio Pereira dos Santos Departamento de Matemática Aplicada Instituto de Matemática e Estatística Programação Linear Mauricio Pereira dos Santos Departamento de Matemática Aplicada Instituto de Matemática e Estatística UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO ii Copyright c 2.000 por Mauricio Pereira

Leia mais

6. Programação Inteira

6. Programação Inteira Pesquisa Operacional II 6. Programação Inteira Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção Programação Inteira São problemas de programação matemática em que a função objetivo, bem

Leia mais

Álgebra Linear. Mauri C. Nascimento Departamento de Matemática UNESP/Bauru. 19 de fevereiro de 2013

Álgebra Linear. Mauri C. Nascimento Departamento de Matemática UNESP/Bauru. 19 de fevereiro de 2013 Álgebra Linear Mauri C. Nascimento Departamento de Matemática UNESP/Bauru 19 de fevereiro de 2013 Sumário 1 Matrizes e Determinantes 3 1.1 Matrizes............................................ 3 1.2 Determinante

Leia mais

NIVELAMENTO MATEMÁTICA 2012

NIVELAMENTO MATEMÁTICA 2012 NIVELAMENTO MATEMÁTICA 202 Monitor: Alexandre Rodrigues Loures Monitor: Alexandre Rodrigues Loures SUMÁRIO. LOGARITMOS... 3.. Mudança de base... 3.2. Propriedades dos logaritmos... 4 2. DERIVADAS... 4

Leia mais

INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DEPARTAMENTO DE MATEMÁTICA MATEMÁTICA APLICADA

INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DEPARTAMENTO DE MATEMÁTICA MATEMÁTICA APLICADA INSTITUTO POLITÉCNICO DE SETÚBL ESCOL SUPERIOR DE TECNOLOGI DEPRTMENTO DE MTEMÁTIC MTEMÁTIC PLICD TESTE B CURSOS: EII e EIG / Data: 7 de Janeiro de Duração: : às 7: Instruções:. Leia atentamente o teste/eame

Leia mais

INF05010 - Otimização combinatória Notas de aula

INF05010 - Otimização combinatória Notas de aula INF05010 - Otimização combinatória Notas de aula Luciana Buriol, Marcus Ritt com contribuições de Alysson M. Costa Versão 3777 de 9 de Maio de 2011 Universidade Federal do Rio Grande do Sul Instituto de

Leia mais

MAXIMIZAÇÃO DO RESULTADO ATRAVÉS DA MARGEM DE CONTRIBUIÇÃO E DA PROGRAMAÇÃO LINEAR

MAXIMIZAÇÃO DO RESULTADO ATRAVÉS DA MARGEM DE CONTRIBUIÇÃO E DA PROGRAMAÇÃO LINEAR MAXIMIZAÇÃO DO RESULTADO ATRAVÉS DA MARGEM DE CONTRIBUIÇÃO E DA PROGRAMAÇÃO LINEAR Corrar, Luiz João Cunha, Darliane* Feitosa, Agricioneide* Professor e Mestrandas em Contabilidade e Controladoria Faculdade

Leia mais

1. Extremos de uma função

1. 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 mais

LISTA SOBRE MODELAGEM DE PROBLEMAS DE PROGRAMAÇÃO INTEIRA

LISTA SOBRE MODELAGEM DE PROBLEMAS DE PROGRAMAÇÃO INTEIRA LISTA SOBRE MODELAGEM DE PROBLEMAS DE PROGRAMAÇÃO INTEIRA 1) [Alocação de Recursos] A Capitão Caverna S.A., localizada em Pedra Lascada, aluga 3 tipos de barcos para passeios marítimos: jangadas, supercanoas

Leia mais

Lista de exercícios: Modelagem matemática Otimização Combinatória

Lista de exercícios: Modelagem matemática Otimização Combinatória Lista de exercícios: Modelagem matemática Otimização Combinatória Nas questões abaixo: i) Formule e apresente o modelo matemático. Caso não esteja, coloque na forma padrão. ii) Especicar as variáveis,

Leia mais

ESTRATÉGIAS DE RESOLUÇÃO DE PROBLEMAS DE PESQUISA OPERACIONAL

ESTRATÉGIAS DE RESOLUÇÃO DE PROBLEMAS DE PESQUISA OPERACIONAL ESTRATÉGIAS DE RESOLUÇÃO DE PROBLEMAS DE PESQUISA OPERACIONAL André Luis Trevisan Universidade Tecnológica Federal do Paraná andrelt@utfpr.edu.br Magna Natalia Marin Pires Universidade Estadual de Londrina

Leia mais

Investigação Operacional

Investigação Operacional Ano lectivo: 2014/2015 Universidade da Beira Interior - Departamento de Matemática Investigação Operacional Ficha de exercícios n o 5 Problemas de Transportes e Afectação. Cursos: Economia, Gestão e Optometria

Leia mais

CAPÍTULO 3 - ANÁLISE DE ALTERNATIVAS DE INVESTIMENTOS

CAPÍTULO 3 - ANÁLISE DE ALTERNATIVAS DE INVESTIMENTOS CAPÍTULO 3 - ANÁLISE DE ALTERNATIVAS DE INVESTIMENTOS III.1 - GENERALIDADES Após a classificação dos projetos tecnicamente corretos é imprescindível que a escolha considere aspectos econômicos. E é a engenharia

Leia mais

Licenciatura em Matemática Aplicada Investigação Operacional Exercícios de Programação Inteira

Licenciatura em Matemática Aplicada Investigação Operacional Exercícios de Programação Inteira Licenciatura em Matemática Aplicada Investigação Operacional Exercícios de Programação Inteira Filipe Alvelos Departamento de Produção e Sistemas Universidade do Minho Primeira versão: 23 de Outubro de

Leia mais

Análise de Investimentos Disciplina: Projeto Supervisionado MS777

Análise de Investimentos Disciplina: Projeto Supervisionado MS777 Análise de Investimentos Disciplina: Projeto Supervisionado MS777 Aluno: Clésio Henrique da Silva RA:059815 Orientador Prof. Dr. Laércio Luis Vendite Campinas, 18 novembro de 2009 Sumário Introdução...

Leia mais

Universidade Federal do Rio de Janeiro. Nos exercícios de 1 a 10 a seguir, determinar o seguinte: (a) uma modelagem matemática

Universidade Federal do Rio de Janeiro. Nos exercícios de 1 a 10 a seguir, determinar o seguinte: (a) uma modelagem matemática Universidade Federal do Rio de Janeiro Instituto de Matemática Departamento de Matemática Lista 3 de Modelagem Matemática-PROFMAT Nos exercícios de 1 a 10 a seguir, determinar o seguinte: (a) uma modelagem

Leia mais

Formulação de problemas de programação linear. Investigação Operacional (Economia) Exercícios de programação linear Formulação (Problemas propostos)

Formulação de problemas de programação linear. Investigação Operacional (Economia) Exercícios de programação linear Formulação (Problemas propostos) Investigação Operacional (Economia) Exercícios de programação linear Formulação (Problemas propostos) 1 - Um fabricante produz bicicletas e motoretas, devendo cada uma delas ser processada em duas oficinas.

Leia mais

Concentração Mínima de Açúcar (g/l) N (normal) 2000 60 2 E (europeu fino) 1000. 80 1. Teor Máximo de Acidez (%)

Concentração Mínima de Açúcar (g/l) N (normal) 2000 60 2 E (europeu fino) 1000. 80 1. Teor Máximo de Acidez (%) FACULDADE LOURENÇO FILHO Revisão ENADE 2011 Disciplina: Pesquisa Operacional Profa. Danielle Abreu 17/096/2011 Questão 1 ENADE 2008 O gerente de planejamento e controle da produção de uma empresa de suco

Leia mais

Aplicações de Otimização em Processos Industriais

Aplicações de Otimização em Processos Industriais Aplicações de Otimização em Processos Industriais Maria Cristina N. Gramani gramani@mackenzie.com.br Departamento de Engenharia de Produção Escola de Engenharia Universidade Presbiteriana Mackenzie Organização

Leia mais

PLANEJAMENTO DA PRODUÇÃO COM A UTILIZAÇÃO DO SOLVER - EXCEL NA EMPRESA BONDIO ALIMENTOS S.A.

PLANEJAMENTO DA PRODUÇÃO COM A UTILIZAÇÃO DO SOLVER - EXCEL NA EMPRESA BONDIO ALIMENTOS S.A. ! "#$ " %'&)(*&)+,.- /10.2*&4365879&4/1:.+58;.2*=?5.@A2*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& PLANEJAMENTO DA PRODUÇÃO COM A UTILIZAÇÃO DO SOLVER

Leia mais

ORIENTAÇÕES SOBRE A PROVA DISCURSIVA

ORIENTAÇÕES SOBRE A PROVA DISCURSIVA IF SUDESTE MG REITORIA Av. Francisco Bernardino, 165 4º andar Centro 36.013-100 Juiz de Fora MG Telefax: (32) 3257-4100 CONCURSO PÚBLICO PARA PROVIMENTO DE CARGO EFETIVO ORIENTAÇÕES SOBRE A PROVA DISCURSIVA

Leia mais

Investigação Operacional e Gestão de Projectos

Investigação Operacional e Gestão de Projectos Investigação Operacional e Gestão de Projectos Victor Lobo, Maria do Carmo Lucas, Miguel Loureiro Programa 0 Introdução 1 - Programação Linear. Método Simplex e variantes 2 Problemas de Transportes 3 Problemas

Leia mais

Investigação Operacional

Investigação Operacional Sumário Victor Lobo Investigação Operacional Introdução Programa da cadeira Bibliografia Horário de dúvidas e contactos Avaliação O que é Investigação Operacional? Investigar as operações da empresa, embora

Leia mais

INTRODUÇÃO AO ASSUNTO PESQUISA OPERACIONAL. O que é Pesquisa Operacional?

INTRODUÇÃO AO ASSUNTO PESQUISA OPERACIONAL. O que é Pesquisa Operacional? INTRODUÇÃO AO ASSUNTO PESQUISA OPERACIONAL O que é Pesquisa Operacional? Denomina-se Management Sciences (Ciência de Negócios) a área de estudos que utiliza computadores, estatística e matemática para

Leia mais

MODELAGEM OTIMIZAÇÃO EM GAMS

MODELAGEM OTIMIZAÇÃO EM GAMS Aneirson Francisco da Silva Doutor em Engenharia Mecânica- UNESP Mestre em Engenharia de Produção- UNIFEI Pós Graduado em Economia e Planejamento Empresarial-UFU MODELAGEM OTIMIZAÇÃOEMGAMS 1- Definir

Leia mais

Função do 2º Grau. V(x) 3x 12x. C(x) 5x 40x 40.

Função do 2º Grau. V(x) 3x 12x. C(x) 5x 40x 40. Função do º Grau. (Espcex (Aman) 04) Uma indústria produz mensalmente x lotes de um produto. O valor mensal resultante da venda deste produto é dado por C(x) 5x 40x 40. V(x) 3x x e o custo mensal da produção

Leia mais

CAP. 5 - INTRODUÇÃO A PROGRAMAÇÃO LINEAR

CAP. 5 - INTRODUÇÃO A PROGRAMAÇÃO LINEAR CAP. 5 - INTRODUÇÃO A PROGRAMAÇÃO LINEAR 1. GENERALIDADES Sem dúvida nenhuma a Programação Linear é uma das técnicas da Pesquisa Operacional das mais utilizadas em se tratando de problemas de otimização.

Leia mais

Investigação Operacional e Gestão de Projectos

Investigação Operacional e Gestão de Projectos Investigação Operacional e Gestão de Projectos Victor Lobo, Maria do Carmo Lucas, Miguel Loureiro Programa 0 Introdução 1 - Programação Linear. Método Simplex e variantes 2 Problemas de Transportes 3 Problemas

Leia mais

13 ÁLGEBRA Uma balança para introduzir os conceitos de Equação do 1ºgrau

13 ÁLGEBRA Uma balança para introduzir os conceitos de Equação do 1ºgrau MATEMATICA 13 ÁLGEBRA Uma balança para introduzir os conceitos de Equação do 1ºgrau ORIENTAÇÃO PARA O PROFESSOR OBJETIVO O objetivo desta atividade é trabalhar com as propriedades de igualdade, raízes

Leia mais

Modelagem e Decisão Planilhas Eletrônicas

Modelagem e Decisão Planilhas Eletrônicas Modelagem e Decisão Planilhas Eletrônicas Modelagem e Decisão (07181) Instituto de Ciências Econômicas, Administrativas e Contábeis (ICEAC) Universidade Federal do Rio Grande (FURG) Introdução Objetivo

Leia mais

FUNÇÃO 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: 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 mais

CPV O cursinho que mais aprova na GV

CPV O cursinho que mais aprova na GV O cursinho que mais aprova na GV FGV ADM Objetiva 06/junho/010 MATemática 01. O monitor de um notebook tem formato retangular com a diagonal medindo d. Um lado do retângulo mede 3 do outro. 4 A área do

Leia mais

Apostila de Matemática Aplicada. Volume 1 Edição 2004. Prof. Dr. Celso Eduardo Tuna

Apostila de Matemática Aplicada. Volume 1 Edição 2004. Prof. Dr. Celso Eduardo Tuna Apostila de Matemática Aplicada Volume Edição 00 Prof. Dr. Celso Eduardo Tuna Capítulo - Revisão Neste capítulo será feita uma revisão através da resolução de alguns eercícios, dos principais tópicos já

Leia mais

PESQUISA OPERACIONAL APLICADA NA MAXIMIZAÇÃO DE RECEITA EM UMA ACADEMIA DE GINÁSTICA

PESQUISA OPERACIONAL APLICADA NA MAXIMIZAÇÃO DE RECEITA EM UMA ACADEMIA DE GINÁSTICA 1 PESQUISA OPERACIONAL APLICADA NA MAXIMIZAÇÃO DE RECEITA EM UMA ACADEMIA DE GINÁSTICA Elvis Magno Da Silva, graduando em Administração (FACESM); elvismagno@uol.com.br Prof. Dr.Roberval Rymer da Silva

Leia mais

Introdução a IO V 1.1, V.Lobo, EN/ISEGI, 2007

Introdução a IO V 1.1, V.Lobo, EN/ISEGI, 2007 Investigação Operacional e Gestão de Projectos Victor Lobo Maria do Carmo Lucas Programa 0 Introdução 1 - Programação Linear. Método Simplex e variantes 2 Problemas de Transportes 3 Problemas de Afectação

Leia mais

Somatórias e produtórias

Somatórias e produtórias Capítulo 8 Somatórias e produtórias 8. Introdução Muitas quantidades importantes em matemática são definidas como a soma de uma quantidade variável de parcelas também variáveis, por exemplo a soma + +

Leia mais

Todos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU

Todos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU FUNÇÃO IDENTIDADE... FUNÇÃO LINEAR... FUNÇÃO AFIM... GRÁFICO DA FUNÇÃO DO º GRAU... IMAGEM... COEFICIENTES DA FUNÇÃO AFIM... ZERO DA FUNÇÃO AFIM... 8 FUNÇÕES CRESCENTES OU DECRESCENTES... 9 SINAL DE UMA

Leia mais

DESENVOLVIMENTO DE UM PLANO DE COMPRAS EM UMA PIZZARIA UTILIZANDO A PROGRAMAÇÃO LINEAR

DESENVOLVIMENTO DE UM PLANO DE COMPRAS EM UMA PIZZARIA UTILIZANDO A PROGRAMAÇÃO LINEAR DESENVOLVIMENTO DE UM PLANO DE COMPRAS EM UMA PIZZARIA UTILIZANDO A PROGRAMAÇÃO LINEAR Yvelyne Bianca Iunes Santos (UEPA) yvelyne@superig.com.br Fabiano Pereira Correa (UEPA) fabiano_pcorrea@hotmail.com

Leia mais

Métodos Numéricos e Estatísticos Parte I-Métodos Numéricos

Métodos Numéricos e Estatísticos Parte I-Métodos Numéricos Métodos Numéricos e Estatísticos Parte I-Métodos Numéricos Lic. Eng. Biomédica e Bioengenharia-2009/2010 Para determinarmos um valor aproximado das raízes de uma equação não linear, convém notar inicialmente

Leia mais

Fundamentos de Investigação Operacional / Introdução à Optimização. Folha nº. 1 Programação Linear. Método Simplex 2008/09

Fundamentos de Investigação Operacional / Introdução à Optimização. Folha nº. 1 Programação Linear. Método Simplex 2008/09 Fundamentos de Investigação Operacional / Introdução à Optimização Folha nº. 1 Programação Linear. Método Simplex 2008/09 1- A fábrica de gelados Derretem-se na Boca SARL fabrica duas qualidades de gelados:

Leia mais

FUNÇÕES E SUAS PROPRIEDADES

FUNÇÕES E SUAS PROPRIEDADES FUNÇÕES E SUAS PROPRIEDADES Í N D I C E Funções Definição... Gráficos (Resumo): Domínio e Imagem... 5 Tipos de Funções... 7 Função Linear... 8 Função Linear Afim... 9 Coeficiente Angular e Linear... Função

Leia mais

Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU

Cálculo 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 mais

MICROECONOMIA MATERIAL DE ACOMPANHAMENTO DAS AULAS, REFERENTE À 2 A. AVALIAÇÃO.

MICROECONOMIA MATERIAL DE ACOMPANHAMENTO DAS AULAS, REFERENTE À 2 A. AVALIAÇÃO. MICROECONOMIA 4 o. ANO DE ADMINISTRAÇÃO MATERIAL DE ACOMPANHAMENTO DAS AULAS, REFERENTE À 2 A. AVALIAÇÃO. PROFESSOR FIGUEIREDO SÃO PAULO 2007 2 TEORIA DA PRODUÇÃO Função de Produção: é a relação que indica

Leia mais

ATENÇÃO: Escreva a resolução COMPLETA de cada questão no espaço reservado para a mesma.

ATENÇÃO: Escreva a resolução COMPLETA de cada questão no espaço reservado para a mesma. 2ª Fase Matemática Introdução A prova de matemática da segunda fase é constituída de 12 questões, geralmente apresentadas em ordem crescente de dificuldade. As primeiras questões procuram avaliar habilidades

Leia mais

MACROECONOMIA (1º Ano Gestão, ano lectivo 2003/2004) Exercícios de Apoio ao Capítulo 4 (O mercado de bens)

MACROECONOMIA (1º Ano Gestão, ano lectivo 2003/2004) Exercícios de Apoio ao Capítulo 4 (O mercado de bens) 4.1. Determine a função representativa do consumo privado de uma economia em relação à qual se sabe o seguinte: - As intenções de consumo das famílias são caracterizadas por uma dependência linear relativamente

Leia mais

UNIDADE 3 FUNÇÕES OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM

UNIDADE 3 FUNÇÕES OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM Unidade 2 Matrizes e Sistemas de Equações Apresentação Lineares UNIDADE 3 FUNÇÕES OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM Ao finalizar esta Unidade você deverá ser capaz de: Descrever e comentar possibilidades

Leia mais