c PAVF 2 Produc~ao Considere o problema de determinar a melhor maneira de combinar varios insumos (p. ex., sementes, maquinario, trabalho humano, :::

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "c PAVF 2 Produc~ao Considere o problema de determinar a melhor maneira de combinar varios insumos (p. ex., sementes, maquinario, trabalho humano, :::"

Transcrição

1 c PAVF 1 Aplicac~oes Produc~ao Aproximac~ao Planejamento Controle Alocac~ao Geometria Equac~oes

2 c PAVF 2 Produc~ao Considere o problema de determinar a melhor maneira de combinar varios insumos (p. ex., sementes, maquinario, trabalho humano, ::: ) para produzir uma certa commodity (p. ex., soja) x i : quantidade do insumo i p i : preco unitario do insumo i f : quantidade de commodity produzida q : valor unitario da commodity Supondo que a quantidade produzida e func~ao de n insumos x i i = 1 2 ::: n, e que o produtor deseja maximizar lucro, obtem-se o problema maximizar qf(x 1 x 2 ::: x n ) ; nx i=1 p i x i Assumindo que f e diferenciavel, as condic~oes necessarias de 1a. ordem seriam q df dx i = p i i = 1 2 ::: n Na soluc~ao, o valor marginal devido a um pequeno aumento no insumo i deve ser igual ao preco do insumo i

3 c PAVF 3 Aproximac~ao Suponha que um certo experimento gera valores g(y k ) de uma func~ao g, observados em m pontos y k k = 1 2 ::: m. Deseja-se aproximar g pelo polin^omio de grau n ou menor (n < m) p(y) = x n y n + x n;1 y n;1 + + x 0 Cada conjunto de valores x 0 x 1 ::: x n produz um polin^omio, que por sua vez produz um conjunto de erros e k := g(y k ) ; p(y k ) k = 1 2 ::: m. Aaproximac~ao de quadrados mnimos consiste em resolver onde f (x) := minimizar f (x) x 2 R n+1 mx k=1 [g(y k ) ; (x n y n k + x n;1y n;1 k + + x 0 )] 2 Denindo q ij := mx (y k ) i+j b j := mx g(y k )(y k ) j c := k=1 k=1 k=1 mx g(y k ) 2 obtem-se o problema quadratico minimizar x T Qx ; 2b T x + c Pela condic~ao de 1a. ordem, na soluc~ao, Qx = b

4 c PAVF 4 Planejamento A demanda de energia eletrica de um certo mercado consumidor deve ser atendida por uma companhia geradora, que pode escolher entre diversas formas de gerac~ao O nvel de pot^encia gerada pela companhia varia com a hora do dia, dia da semana, m^es do ano, ::: A demanda por pot^encia gerada e representada por uma curva h(x), que relaciona o no. de horas no ano para o qual um nvel mnimo de pot^encia x (normalizada) e demandado horas H T x 1 x 2 I 1 x A companhia pode atender a demanda instalando equipamentos para gerac~ao hidroeletrica ou termica, ou importando pot^encia de outra companhia A cada tipo de equipamento de gerac~ao associam-se custos anuais unitarios de capital b 1 b 2 e de operac~ao c 1 c 2. O custo unitario de importac~ao e c 3

5 c PAVF 5 Planejamento Gerac~ao hidraulica implica em elevado custo de capital e baixo custo operacional. E utilizada para atender a base da curva de demanda Gerac~ao termica e utilizada para atender nveis intermediarios de demanda. A importac~ao e empregada apenas para atender perodos de pico Deve-se determinar x 1 e x 2 (quanto de gerac~ao hidroeletrica e termica) de forma a minimizar o custo total de gerac~ao da companhia, dado por Z x1 f (x 1 x 2 ) := b 1 x 1 + b 2 x 2 + c 1 h(x)dx c 2 Z x1 +x 2 x 1 h(x)dx + c 3 Z 1 x 1 +x 2 h(x)dx sujeito a x 1 0 x 2 0 x 1 + x 2 1 Assumindo que a soluc~ao e interior as restric~oes, obtem-se as condic~oes de 1a. ordem b 1 +(c 1 ; c 2 )h(x 1 )+(c 2 ; c 3 )h(x 1 + x 2 ) = 0 b 2 +(c 2 ; c 3 )h(x 1 + x 2 ) = 0

6 c PAVF 6 Controle Suponha que uma quantidade xa de um certo recurso q (p. ex., dinheiro) deva ser distribuida entre N atividades (p. ex., projetos) Se uma parcela u k de q e alocada para a k-esima atividade (k = 0 1 ::: N ; 1), o retorno da alocac~ao e g k (u k ) A alocac~ao otima de recursos sera a soluc~ao do problema de otimizac~ao maximizar N X;1 k=0 g k (u k ) s.a N X;1 k=0 u k = q O problema pode ser reformulado como um problema de controle otimo discreto: maximizar N X;1 k=0 g k (u k ) x k+1 = x k ; u k x 0 = q x N = 0 O estado x k representa a quantidade de recurso restante para alocac~ao nas atividades k k +1 ::: N Reciprocamente, problemas de controle otimo - din^amicos - podem ser sempre reformulados como problemas de otimizac~ao estaticos

7 c PAVF 7 Alocac~ao Considere o problema linear maximizar c T x s.a Ax b x 0 onde c x 2 R n b 2 R m e A 2 R mn. O problema pode ser interpretado como um problema de alocac~ao de recursos A j-esima coluna de A representa uma atividade (dentre n), e a variavel x j 0, o nvel da atividade: a 1 x 1 + a 2 x 2 + :::+ a n x n = Ax b A atividade j consume a j x j do vetor de recursos disponveis, b. Se o lucro unitario com a atividade j e c j, o lucro total sera nx j=1 c j x j = c T x A soluc~ao do problema fornece a alocac~ao de recursos entre atividades que maximiza o lucro total Lucros aleatorios Varios fatores externos podem fazer com que o vetor de lucros unitarios c = (c 1 c 2 ::: c n ) n~ao seja precisamente conhecido

8 c PAVF 8 Alocac~ao Media e vari^ancia O valor medio e a vari^ancia do lucro com um certa alocac~ao de atividades s~ao, respectivamente, c T x x T Qx onde c := E(c) Q := E[(c ; c)(c ; c) T ] e E : operador esperanca matematica Q : matriz de covari^ancias de c (Q = Q T 0) Maximizac~ao da media maximizar c T x s.a Ax b x 0 O problema e que pode-se obter uma media de lucro elevada, mas com vari^ancia muito grande Minimizac~ao da vari^ancia minimizar x T Qx s.a Ax b x 0 A vari^ancia do lucro e a menor possvel, mas a media tambem pode ser muito baixa

9 c PAVF 9 Alocac~ao Criterio de satisfac~ao Supondo que um lucro medio mnimo z seja especicado, o problema poderia ser reformulado como minimizar x T Qx s.a Ax b cx z x 0 Criterio de ponderac~ao Media e vari^ancia do lucro s~ao ponderadas atraves de um par^ametro 0 w 1 minimizar wx T Qx ; (1 ; w)c T x s.a Ax b x 0 A escolha de w determina alocac~oes com maiores ou menores vari^ancias, maiores ou menores medias Abordagem alternativa (Chance constraint) Supondo que a distribuic~ao de probabilidades de c e conhecida, seja := prob (c T x z) A ideia e determinar x de forma a maximizar

10 c PAVF 10 Alocac~ao Assuma que c pode ser expresso na forma c := p + yq, onde p q 2 R n s~ao vetores conhecidos e y e uma variavel aleatoria, a fonte da aleatoriedade de c. Logo, := prob (p T x + yq T x z) = prob 2 4 y z ; p T x q T x 3 5 supondo que q T x > 0. Para maximizar, deve-se ent~ao resolver o problema fracionario minimizar z ; p T x q T x s.a Ax b x 0 Nota Uma restric~ao do tipo prob 2 4 y z ; p T x q T x 3 5 pode ser agregada ao problema de minimizar a vari^ancia do lucro. Se prob (y ) =, a restric~ao pode ser substituda por p T x + q T x z

11 c PAVF 11 Geometria Dist^ancia ponto-a-conjunto A dist^ancia de um ponto x 0 2 R n a um conjunto fechado R n, na norma kk, e o valor otimo do problema minimizar kx ; x 0 k s.a x 2 Se a dist^ancia e nula, ent~ao x 0 2. Se a dist^ancia e positiva, ent~ao x Qualquer soluc~ao do problema e chamada de projec~ao de x 0 em x 0 Dist^ancia conjunto-a-conjunto A dist^ancia entre dois conjuntos fechados ; R n, na norma kk, e o valor otimo do problema minimizar kx ; yk s.a x 2 y 2 ; Se a dist^ancia e nula, ent~ao \ ; 6=. positiva, ent~ao \ ; = Se a dist^ancia e

12 c PAVF 12 Geometria ; Notas As noc~oes de dist^ancia ponto-a-conjunto e conjunto-a-conjunto est~ao relacionadas a exist^encia de hiperplanos separadores entre ponto-conjunto e conjunto-conjunto Se existe um hiperplano separando x 0 de, ent~ao a dist^ancia e positiva. A recproca e verdadeira se for convexo. A analise do caso conjunto-conjunto e similar Centralizac~ao O problema de centralizac~ao consiste em resolver maximizar r s.a x + r ; onde x 2 R n, r 0, R n e um conjunto convexo compacto tal que 0 2 o e ; R n

13 c PAVF 13 Geometria Notas O problema consiste em inscrever o conjunto no conjunto ;. Ovetor x (centro) translada e o escalar r (raio) dilata no interior de ; O objetivo e obter o centro x que permita a maior dilatac~ao de em ;. A situac~ao pode ser exemplicado pelo problema de lapidac~ao de diamantes O conjuntos ; e representam a pedra bruta e a forma desejada de lapidac~ao da pedra. Deseja-se obter o maior diamante na forma especicada x x + r ; A condic~ao 0 2 o garante a translac~ao de em ;

14 c PAVF 14 Geometria Classicac~ao O problema de classicac~ao consiste em, dados dois conjuntos de pontos fx 1 x 2 ::: x n g e fy 1 y 2 ::: y m g, encontrar uma func~ao f tal que f (x i ) > 0 i = 1 2 ::: n f (y i ) < 0 i = 1 2 ::: m Caso quadratico A func~ao f assume a forma f (x) :=x T Ax+b T x+c. Deve-se determinar A b e c tais que (x i ) T Ax i + b T x i + c > 0 i = 1 2 ::: n (y i ) T Ay i + b T y i + c < 0 i = 1 2 ::: m Devido a homogeneidade de f, as desigualdades estritas podem ser substitudas por n~ao-estritas: (x i ) T Ax i + b T x i + c > 1 i = 1 2 ::: n (y i ) T Ay i + b T y i + c < ;1 i = 1 2 ::: m

15 c PAVF 15 Geometria Problema de otimizac~ao A classicac~ao dos pontos pode ser feita resolvendo-se o problema n~ao-linear maximizar min 1in f (xi ) ; max 1jm f (yj ) sujeito a restric~oes sobre os par^ametros de f Nota No caso quadratico, as restric~oes podem impor, p. ex., que A = A T > 0, de forma que os pontos devam ser classicados por um elipsoide

16 c PAVF 16 Equac~oes Equac~oes lineares Sejam A 2 R nn uma matriz simetrica denida positiva e b 2 R n. O problema de se resolver o sistemas de equac~oes lineares Ax = b e equivalente ao problema quadratico estritamente convexo minimizar 1 2 xt Ax ; b T x dado que, na soluc~ao otima x, rf (x )=Ax ; b = 0 Notas E possvel resolver Ax = b atraves de um algoritmo iterativo. O algoritmo gera uma sequ^encia (x k ) denida por x k+1 = x k + k d k x 0 dado onde k e o passo e d k a direc~ao na iterac~ao k Asequ^encia (x k ) converge para a soluc~ao de Ax = b. Dentre os algorimos mais ecientes, encontram-se os algoritmos de direc~oes conjugadas

17 c PAVF 17 Equac~oes Equac~oes n~ao-lineares Muitos problemas em Engenharia resultam num conjunto de equac~oes n~ao-lineares na forma onde h(x) =0 h(x) :=(h 1 (x) h 2 (x) ::: h n (x)) h(x) 2 R n x 2 R n Uma soluc~ao para h(x) =0 e encontrada resolvendo-se minimizar f (x) = 1 2 kh(x)k2 x 2 R n onde kke normalmente a norma 2. O gradiente de f e rf (x) = nx i=1 h i (x)rh i (x) =rh(x) T h(x) Notas Se numa soluc~ao x, a matriz jacobiana rh(x ) for n~aosingular, ent~ao rf (x ) = 0 implica h(x ) = 0 Metodos do tipo Newton s~ao usualmente utilizados para resolver sistemas de equac~oes n~ao-lineares

c PAVF 2 Otimizac~ao 'Aurelio' Otimizac~ao.[De otimizar+-c~ao] S.f. 1. Estat. Processo pelo qual se determina o valor otimo de uma grandeza. Otimo.[Do

c PAVF 2 Otimizac~ao 'Aurelio' Otimizac~ao.[De otimizar+-c~ao] S.f. 1. Estat. Processo pelo qual se determina o valor otimo de uma grandeza. Otimo.[Do c PAVF 1 Introduc~ao Otimizac~ao Modelos de otimizac~ao Aplicac~oes Descric~ao do curso c PAVF 2 Otimizac~ao 'Aurelio' Otimizac~ao.[De otimizar+-c~ao] S.f. 1. Estat. Processo pelo qual se determina o valor

Leia mais

II. Funções de uma única variável

II. Funções de uma única variável II. Funções de uma única variável 1 II.1. Conceitos básicos A otimização de de funções de de uma única variável consiste no no tipo mais elementar de de otimização. Importância: Tipo de problema encontrado

Leia mais

Benemar Alencar de Souza

Benemar Alencar de Souza Benemar Alencar de Souza Métodos de Otimização Aplicados Questões introdutórias O que é otimização? i Por que otimização é importante? Como tratar a otimização i como um problema? Quais objetivos são usuais?

Leia mais

Pesquisa Operacional aplicada ao Planejamento e Controle da Produção e de Materiais Programação Linear

Pesquisa Operacional aplicada ao Planejamento e Controle da Produção e de Materiais Programação Linear Pesquisa Operacional aplicada ao Planejamento e Controle da Produção e de Materiais Programação Linear Introdução à Pesquisa Operacional Origens militares Segunda guerra mundial Aplicada na alocação de

Leia mais

Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que. Max f(x) s. a a x b

Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que. Max f(x) s. a a x b Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que se queira resolver o seguinte PPNL: Max f(x) s. a a x b Pode ser que f (x) não exista ou que seja difícil resolver a equação

Leia mais

Departamento de Matemática da Universidade de Coimbra. Licenciatura em Matemática. e B =

Departamento de Matemática da Universidade de Coimbra. Licenciatura em Matemática. e B = Departamento de Matemática da Universidade de Coimbra Optimização Numérica Licenciatura em Matemática Ano lectivo 2006/2007 Folha 1 1. Considere as matrizes A = [ 1 1 1 2 ] e B = [ 1 3 1 2 (a) Verifique

Leia mais

Análise Convexa. 1. Conjuntos convexos 1.1. Casca convexa, ponto extremo, cone. 2. Hiperplanos: suporte, separador, teorema da separação

Análise Convexa. 1. Conjuntos convexos 1.1. Casca convexa, ponto extremo, cone. 2. Hiperplanos: suporte, separador, teorema da separação Análise Convexa 1. Conjuntos convexos 1.1. Casca convexa, ponto extremo, cone 2. Hiperplanos: suporte, separador, teorema da separação 3. Funções convexas 4. Teoremas de funções convexas 5. Conjunto poliedral

Leia mais

Método de Newton. Podemos escrever este problema na forma vetorial denindo o vetor x = [x 1, x 2,..., x n ] T e a função vetorial

Método de Newton. Podemos escrever este problema na forma vetorial denindo o vetor x = [x 1, x 2,..., x n ] T e a função vetorial Método de Newton 1 Introdução O método de Newton aplicado a encontrar a raiz x da função y = fx) estudado na primeira área de nossa disciplina consiste em um processso iterativo Em cada passo deste processo,

Leia mais

2 - f: R R: y = x 2 Classicação: Nem injetora, nem sobrejetora.

2 - f: R R: y = x 2 Classicação: Nem injetora, nem sobrejetora. Apostila de Métodos Quantitativos - UERJ Professor: Pedro Hemsley Funções: f: X Y : Associa a cada elemento do conjunto X um único elemento do conjunto Y. Existem tres tipos especícos de funções: Sobrejetora,

Leia mais

Resolução de problemas com apenas restrições lineares de igualdade

Resolução de problemas com apenas restrições lineares de igualdade Resolução de problemas com apenas restrições lineares de igualdade Marina Andretta ICMC-USP 14 de outubro de 2014 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 14 de outubro de 2014 1 / 22

Leia mais

Cálculo Diferencial e Integral 2 Formas Quadráticas

Cálculo Diferencial e Integral 2 Formas Quadráticas Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Cálculo Diferencial e Integral 2 Formas Quadráticas 1 Formas quadráticas Uma forma quadrática em R n é um polinómio do

Leia mais

FOLHAS DE PROBLEMAS DE MATEMÁTICA II CURSO DE ERGONOMIA PEDRO FREITAS

FOLHAS DE PROBLEMAS DE MATEMÁTICA II CURSO DE ERGONOMIA PEDRO FREITAS FOLHAS DE PROBLEMAS DE MATEMÁTICA II CURSO DE ERGONOMIA PEDRO FREITAS Maio 12, 2008 2 Contents 1. Complementos de Álgebra Linear 3 1.1. Determinantes 3 1.2. Valores e vectores próprios 5 2. Análise em

Leia mais

Programação Linear. MÉTODOS QUANTITATIVOS: ESTATÍSTICA E MATEMÁTICA APLICADAS De 30 de setembro a 13 de novembro de 2011 prof. Lori Viali, Dr.

Programação Linear. MÉTODOS QUANTITATIVOS: ESTATÍSTICA E MATEMÁTICA APLICADAS De 30 de setembro a 13 de novembro de 2011 prof. Lori Viali, Dr. Programação Linear São problemas complexos, muitas vezes de difícil solução e que envolvem significativas reduções de custos, melhorias de tempos de processos, ou uma melhor alocação de recursos em atividades.

Leia mais

Otimização Aplicada à Engenharia de Processos

Otimização Aplicada à Engenharia de Processos Otimização Aplicada à Engenharia de Processos Aula 4: Programação Linear Felipe Campelo http://www.cpdee.ufmg.br/~fcampelo Programa de Pós-Graduação em Engenharia Elétrica Belo Horizonte Março de 2013

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 Dualidade em Programação Linear Todo problema de programação linear, que chamaremos de primal, traz consigo um segundo

Leia mais

3.6 Erro de truncamento da interp. polinomial.

3.6 Erro de truncamento da interp. polinomial. 3 Interpolação 31 Polinômios interpoladores 32 Polinômios de Lagrange 33 Polinômios de Newton 34 Polinômios de Gregory-Newton 35 Escolha dos pontos para interpolação 36 Erro de truncamento da interp polinomial

Leia mais

VARIÁVEIS ALEATÓRIAS

VARIÁVEIS ALEATÓRIAS UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA VARIÁVEIS ALEATÓRIAS Joaquim H Vianna Neto Relatório Técnico RTE-03/013 Relatório Técnico Série Ensino Variáveis

Leia mais

Processamento de Malhas Poligonais

Processamento de Malhas Poligonais Processamento de Malhas Poligonais Tópicos Avançados em Computação Visual e Interfaces I Prof.: Marcos Lage www.ic.uff.br/~mlage mlage@ic.uff.br Conteúdo: Notas de Aula Curvas 06/09/2015 Processamento

Leia mais

Conteúdo. Introdução. Notas. Programação Linear Inteira, Introdução. Notas. Notas

Conteúdo. Introdução. Notas. Programação Linear Inteira, Introdução. Notas. Notas Programação Linear Inteira Introdução Haroldo Gambini Santos Universidade Federal de Ouro Preto 30 de agosto de 2011 1 / 26 Conteúdo 1 Otimização 2 Pesquisa Operacional 3 Prob. da Dieta 4 Método Gráco

Leia mais

Matrizes e Linearidade

Matrizes e Linearidade Matrizes e Linearidade 1. Revisitando Matrizes 1.1. Traço, Simetria, Determinante 1.. Inversa. Sistema de Equações Lineares. Equação Característica.1. Autovalor & Autovetor 4. Polinômios Coprimos 5. Função

Leia mais

MAT-103 Complementos de Matemáticas para Contabilidade Prof. Juan Carlos Gutierrez Fernandez

MAT-103 Complementos de Matemáticas para Contabilidade Prof. Juan Carlos Gutierrez Fernandez MAT-03 Complementos de Matemáticas para Contabilidade Prof Juan Carlos Gutierrez Fernandez Lista : Números é funções Ano 206 Em uma pesquisa foram encontrados os seguintes resultados: 60% das pessoas entresvistadas

Leia mais

Curvas e Superfícies

Curvas e Superfícies Curvas e Superfícies Fontes: M.C.F. de Oliveira D.F. Rogers & J.A. Adams, Mathematical Elements for Computer Graphics, McGraw-Hill, 1999 Hearn & Baker, Cap. 8 (8-8 a 8-18) An Interactive Introduction to

Leia mais

Matrizes positivas definidas, semidefinidas, etc.

Matrizes positivas definidas, semidefinidas, etc. Matrizes positivas definidas, semidefinidas, etc. Amit Bhaya, Programa de Engenharia Elétrica COPPE/UFRJ Universidade Federal do Rio de Janeiro amit@nacad.ufrj.br http://www.nacad.ufrj.br/ amit Funções

Leia mais

CC-226 Aula 05 - Teoria da Decisão Bayesiana

CC-226 Aula 05 - Teoria da Decisão Bayesiana CC-226 Aula 05 - Teoria da Decisão Bayesiana Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Classificador Bayesiano Considerando M classes C 1... C M. N observações x j. L atributos

Leia mais

SME Cálculo Numérico. Lista de Exercícios: Gabarito

SME Cálculo Numérico. Lista de Exercícios: Gabarito Exercícios de prova SME0300 - Cálculo Numérico Segundo semestre de 2012 Lista de Exercícios: Gabarito 1. Dentre os métodos que você estudou no curso para resolver sistemas lineares, qual é o mais adequado

Leia mais

Sistemas de equações lineares

Sistemas de equações lineares É um dos modelos mais u3lizados para representar diversos problemas de Engenharia (cálculo estrutural, circuitos elétricos, processos químicos etc.) Conservação da carga: i 1 i 2 i 3 = 0 i 3 i 4 i 5 =

Leia mais

Um modelo estocástico para o fluxo de caixa de um plano de previdência de um indivíduo 15

Um modelo estocástico para o fluxo de caixa de um plano de previdência de um indivíduo 15 2 Simulação estocástica A simulação computacional consiste em empregar técnicas matemáticas em computadores com o propósito de gerar ensaios que tentam reproduzir de maneira análoga um processo ou operação

Leia mais

x exp( t 2 )dt f(x) =

x exp( t 2 )dt f(x) = INTERPOLAÇÃO POLINOMIAL 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 Aproximação

Leia mais

α ( u 1 - u 2 ) = u 3 - u 2.

α ( u 1 - u 2 ) = u 3 - u 2. 2- NOÇÕES DE CONVEXIDADE E FORMULAÇÃO MATEMÁTICA DE PROBLEMAS DE PROGRAMAÇÃO LINEAR 21 Noções de Convexidade 211 - Combinação Convexa de pontos ponto b = αx 1 Considere C um conjunto contendo os pontos

Leia mais

Métodos Numéricos C. A. Ismael F. Vaz 1. Escola de Engenharia Universidade do Minho Ano lectivo 2007/2008

Métodos Numéricos C. A. Ismael F. Vaz 1. Escola de Engenharia Universidade do Minho Ano lectivo 2007/2008 Métodos Numéricos C A. Ismael F. Vaz 1 1 Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Ano lectivo 2007/2008 A. Ismael F. Vaz (UMinho) MN C 2007/2008

Leia mais

Jaime A. Ramírez Felipe Campelo Frederico G. Guimarães Lucas S. Batista Ricardo H.C. Takahashi

Jaime A. Ramírez Felipe Campelo Frederico G. Guimarães Lucas S. Batista Ricardo H.C. Takahashi Otimização ELE037 Introdução Jaime A. Ramírez Felipe Campelo Frederico G. Guimarães Lucas S. Batista Ricardo H.C. Takahashi Universidade Federal de Minas Gerais Departamento de Engenharia Elétrica J. A.

Leia mais

Resolução de Sistemas de Equações Lineares

Resolução de Sistemas de Equações Lineares 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. Resolução de Sistemas de Equações

Leia mais

Matrizes - ALGA /05 1. Matrizes

Matrizes - ALGA /05 1. Matrizes Matrizes - ALGA - 004/0 1 Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n a uma função A de nida no conjunto f(i; j) : i f1; ; :::; mg e j f1; ; :::; ngg e com valores

Leia mais

Parte II Teoria da Firma

Parte II Teoria da Firma Parte II Teoria da Firma Maximização de Lucro Roberto Guena de Oliveira USP 25 de julho de 2014 Roberto Guena de Oliveira (USP) Produção 25 de julho de 2014 1 / 33 Sumário 1 Introdução Roberto Guena de

Leia mais

Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:

Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: 46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y

Leia mais

Visão Computacional CPS754

Visão Computacional CPS754 Visão Computacional CPS754 aula 12 - matriz fundamental Antonio Oliveira Ricardo Marroquim 1 / 1 visão computacional tópicos métodos numéricos para computar F 2 / 1 básico equação básica lembrando da condição

Leia mais

Algumas Preliminares Matemáticas

Algumas Preliminares Matemáticas Lista 1 de Microeconomia I Professor: Carlos E.L. da Costa Monitor: Vitor Farinha Algumas Preliminares Matemáticas Nas próximas páginas apresentam-se alguns conceitos matemáticos e teoremas que serão úteis

Leia mais

O Problema de Transportes

O Problema de Transportes Investigação Operacional- 00/0 - Problemas de Transportes 8 O Problema de Transportes O problema geral de transportes consiste em determinar a forma mais económica de enviar um bem que está disponível

Leia mais

Teste de Gaussianidade 2

Teste de Gaussianidade 2 Teste de Gaussianidade 2 Leonardo T^orres 3 de agosto de 2 Resumo Breve revis~ao do teste 2 usado para determinar se a func~ao densidade de probabilidade associada a variavel observada de um instrumento

Leia mais

Resumo. Parte 7 Processos Estocásticos. Ramiro Brito Willmersdorf

Resumo. Parte 7 Processos Estocásticos. Ramiro Brito Willmersdorf Parte 7 Processos Estocásticos Ramiro Brito Willmersdorf ramiro@willmersdorf.net Departamento de Engenharia Mecânica Universidade Federal de Pernambuco 2011.2 Resumo 1 Processos Estocásticos 2 Classicação

Leia mais

Parte II Teoria da Firma

Parte II Teoria da Firma Parte II Teoria da Firma Maximização de Lucro Roberto Guena de Oliveira USP 25 de julho de 2014 Roberto Guena de Oliveira (USP) Produção 25 de julho de 2014 1 / 33 Sumário 1 Introdução 2 Abordagem direta

Leia mais

3 Aprendizado por reforço

3 Aprendizado por reforço 3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina

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 lineares Muitos problemas da Física, Matemática, Engenharia, Biologia, economia e outras ciências,

Leia mais

Zeros de Polinômios. 1 Resultados Básicos. Iguer Luis Domini dos Santos 1, Geraldo Nunes Silva 2

Zeros de Polinômios. 1 Resultados Básicos. Iguer Luis Domini dos Santos 1, Geraldo Nunes Silva 2 Zeros de Polinômios Iguer Luis Domini dos Santos, Geraldo Nunes Silva 2 DCCE/IBILCE/UNESP, São José do Rio Preto, SP, Brazil, iguerluis@hotmail.com 2 DCCE/IBILCE/UNESP, São José do Rio Preto, SP,Brazil,

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu Programação Não Linear Aula 7: Programação Não-Linear - Funções de Várias variáveis Vector Gradiente; Matriz Hessiana; Conveidade de Funções e de Conjuntos; Condições óptimas de funções irrestritas; Método

Leia mais

CAPÍTULO 5: VARIÁVEIS ALEATÓRIAS BIDIMENSIONAIS Todas as coisas aparecem e desaparecem por causa da concorrência de causas e condições. Nada nunca existe inteiramente só, tudo está em relação com todo

Leia mais

UNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Departamento de Economia

UNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Departamento de Economia REC110 MICROECONOMIA II EXERCÍCIOS SOBRE MONOPÓLIO, MONOPSÔNIO E DISCRIMINAÇÃO DE PREÇOS. ROBERTO GUENA DE OLIVEIRA 1. Uma empresa vende seu produto em dois mercados distintos. A demanda por esse produto

Leia mais

Programação Linear (PL) Solução algébrica - método simplex

Programação Linear (PL) Solução algébrica - método simplex Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão Pesquisa Operacional Simplex Prof. Dr. José Arnaldo Barra Montevechi Programação Linear (PL) Solução algébrica - método simplex

Leia mais

Exercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA

Exercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA Exercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA Licenciaturas em Engenharia do Ambiente e Química 2 o Semestre de 2005/2006 Capítulo II Resolução Numérica de Equações Não-Lineares 1. Considere a equação sin(x)

Leia mais

Fernando Nogueira Simulação 1

Fernando Nogueira Simulação 1 Simulação a Eventos Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos

Leia mais

Método Simplex Dual. Prof. Fernando Augusto Silva Marins Departamento de Produção Faculdade de Engenharia Campus de Guaratinguetá UNESP

Método Simplex Dual. Prof. Fernando Augusto Silva Marins Departamento de Produção Faculdade de Engenharia Campus de Guaratinguetá UNESP Método Simplex Dual Prof. Fernando Augusto Silva Marins Departamento de Produção Faculdade de Engenharia Campus de Guaratinguetá UNESP www.feg.unesp.br/~fmarins fmarins@feg.unesp.br Introdução Algoritmo

Leia mais

Derivadas Parciais Capítulo 14

Derivadas Parciais Capítulo 14 Derivadas Parciais Capítulo 14 DERIVADAS PARCIAIS 14.6 Derivadas Direcionais e o Vetor Gradiente Nesta seção, vamos aprender como encontrar: As taxas de variação de uma função de duas ou mais variáveis

Leia mais

IMPLEMENTAÇÃO E RESOLUÇÃO DE MODELOS MATEMÁTICOS UTILIZANDO A PLANILHA EXCEL

IMPLEMENTAÇÃO E RESOLUÇÃO DE MODELOS MATEMÁTICOS UTILIZANDO A PLANILHA EXCEL IMPLEMENTAÇÃO E RESOLUÇÃO DE MODELOS MATEMÁTICOS UTILIZANDO A PLANILHA EXCEL 1. INTRODUÇÃO Este tutorial apresenta, passo-a-passo, o processo de implementação e resolução de modelos matemáticos na planilha

Leia mais

Ajuste de mínimos quadrados

Ajuste de mínimos quadrados Capítulo 5 Ajuste de mínimos quadrados 5 Ajuste de mínimos quadrados polinomial No capítulo anterior estudamos como encontrar um polinômio de grau m que interpola um conjunto de n pontos {{x i, f i }}

Leia mais

Otimização de Sistemas Hidrotérmicos por Enxame de Partículas: Uma Abordagem Orientada a Objetos

Otimização de Sistemas Hidrotérmicos por Enxame de Partículas: Uma Abordagem Orientada a Objetos Otimização de Sistemas Hidrotérmicos por Enxame de Partículas: Uma Abordagem Orientada a Objetos Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Lauro Ramon GOMIDES 1, Gelson da Cruz JUNIOR 2, Cassio

Leia mais

21.1. A curva de custo variável médio deve estar sempre em forma de U.

21.1. A curva de custo variável médio deve estar sempre em forma de U. Capitulo 21 Curvas de custos Questões de Verdadeiro ou falso 21.1. A curva de custo variável médio deve estar sempre em forma de U. 21.2. A curva de custo marginal passa pelo ponto mínimo da curva de custo

Leia mais

Cálculo das Probabilidades I

Cálculo das Probabilidades I Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Função Geradora de Momentos 10/13 1 / 19 Calculamos algumas características da

Leia mais

Jogos de soma zero com dois jogadores

Jogos de soma zero com dois jogadores Jogos de soma zero com dois jogadores Problema: Dada uma matriz A m n, encontrar um equilíbrio de Nash (de estratégias mistas). Jogador 1 quer encontrar p que maximize v sujeito a i p i = 1 sujeito a (pa)

Leia mais

MEEMF-2010 Aula 01. Noções de inferência estatística: Diferença entre máxima verossimilhança e abordagem bayesiana

MEEMF-2010 Aula 01. Noções de inferência estatística: Diferença entre máxima verossimilhança e abordagem bayesiana MEEMF-2010 Aula 01 Noções de inferência estatística: Diferença entre máxima verossimilhança e abordagem bayesiana O que é inferência estatística? Inferência estatística é o importante ramo da Estatística

Leia mais

Módulo 8 Teoria da Produção

Módulo 8 Teoria da Produção Módulo 8 Teoria da Produção Numa economia de mercado, consumidores e empresas representam respectivamente as unidades do setor de consumo e de produção, que se interrelacionam através do sistema de preços

Leia mais

Processamento digital de imagens

Processamento digital de imagens Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 11 de novembro de 2016 Fluxo óptico Usado para estimar

Leia mais

Lista de Exercícios - Modelagem de representação cromossômica e função fitness

Lista de Exercícios - Modelagem de representação cromossômica e função fitness Lista de Exercícios - Modelagem de representação cromossômica e função fitness Para cada um dos problemas descritos abaixo: crie uma ou mais representações cromossômicas capazes de representar uma solução

Leia mais

Sistemas de equações lineares

Sistemas de equações lineares DMPA IM UFRGS Cálculo Numérico Índice Sistema de Equações Lineares 1 Sistema de Equações Lineares 2 com pivoteamento parcial 3 Método de Jacobi Método Gauss-Seidel Sistema de Equações Lineares n equações

Leia mais

Autovalores e Autovetores

Autovalores e Autovetores Autovalores e Autovetores Lucia Catabriga Algoritmos Numéricos II Computação Científica Universidade Federal do Espírito Santo de junho de 24 Resumo Este texto tem por objetivo introduzir os conceitos

Leia mais

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 12 04/2014 Sistemas de Equações Lineares Parte 2 FATORAÇÃO LU Cálculo Numérico 3/37 FATORAÇÃO LU Uma fatoração LU de uma dada

Leia mais

Vetor de Variáveis Aleatórias

Vetor de Variáveis Aleatórias Vetor de Variáveis Aleatórias Luis Henrique Assumpção Lolis 25 de junho de 2013 Luis Henrique Assumpção Lolis Vetor de Variáveis Aleatórias 1 Conteúdo 1 Vetor de Variáveis Aleatórias 2 Função de Várias

Leia mais

Primeira Lista de Exercícios

Primeira Lista de Exercícios Primeira Lista de Exercícios disciplina: Introdução à Teoria dos Números (ITN) curso: Licenciatura em Matemática professores: Marnei L. Mandler, Viviane M. Beuter Primeiro semestre de 2012 1. Determine

Leia mais

Cálculo Numérico - DCC034. Ana Paula

Cálculo Numérico - DCC034. Ana Paula - DCC034 Introdução Sumário 1 Sobre o Curso 2 Introdução Sobre o Curso Sobre o Curso Sobre o Curso Informações Gerais Professores ana.coutosilva@dcc.ufmg.br Rosklin Juliano rosklinjuliano@gmail.com Moodle

Leia mais

Algoritmos 3/17/ Algoritmos como área de estudo e investigação

Algoritmos 3/17/ Algoritmos como área de estudo e investigação Algoritmos e Complexidade Ana Teresa Freitas INESC-ID/IST ID/IST 3/17/2005 1 O que é um algoritmo? Algoritmos: Sequência de instruções necessárias para a resolução de um problema bem formulado [passíveis

Leia mais

Programação Linear - Parte 3

Programação Linear - Parte 3 Matemática Industrial - RC/UFG Programação Linear - Parte 3 Prof. Thiago Alves de Queiroz 1/2016 Thiago Queiroz (IMTec) Parte 3 1/2016 1 / 26 O Método Simplex Encontre o vértice ótimo pesquisando um subconjunto

Leia mais

Método de Newton-Raphson

Método de Newton-Raphson Método de Newton-Raphson Método de Newton-Raphson Joinville, 29 de Abril de 2013 Escopo dos Tópicos Abordados Solução de equações via métodos iterativos Método de Newton-Raphson 2 Operação de Sistemas

Leia mais

Programação Matemática Lista 3

Programação Matemática Lista 3 Programação Matemática Lista 3. Coloque na forma padrão os seguintes problemas de programação linear: a) Maximizar X 7 X + 8 X 3 +X 4 X + X X 3 + X 4 4 X + X 3 9 X + X 3 + X 4 6 X 0, X 0, X 3 0, X 4 0

Leia mais

1 O esquema de Alamouti: Diversidade na transmissão

1 O esquema de Alamouti: Diversidade na transmissão 1 O esquema de Alamouti: Diversidade na transmissão 1.1 O Caso de uma antena receptora A Figura?? mostra a representação em banda básica do esquema de Alamouti com diversidade na transmissão. O esquema

Leia mais

Métodos para resolver problemas de otimização restrita

Métodos para resolver problemas de otimização restrita Métodos para resolver problemas de otimização restrita Marina Andretta ICMC-USP 22 de novembro de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 22 de novembro de 2010 1 / 13 Problema

Leia mais

1 Despacho económico

1 Despacho económico Trânsito de potência difuso DC com despacho incorporado Documento complementar à dissertação José Iria ee06210@fe.up.pt - 10-03-2011 1 Despacho económico 1.1 Considerações Gerais O problema de decisão

Leia mais

Lista de exercícios de MAT / II

Lista de exercícios de MAT / II 1 Lista de exercícios de MAT 271-26 / II 1. Converta os seguintes números da forma decimal para a forma binária:x 1 = 37; x 2 = 2347; x 3 =, 75; x 4 =(sua matrícula)/1; x 5 =, 1217 2. Converta os seguintes

Leia mais

Variáveis Aleatórias. Esperança e Variância. Prof. Luiz Medeiros Departamento de Estatística - UFPB

Variáveis Aleatórias. Esperança e Variância. Prof. Luiz Medeiros Departamento de Estatística - UFPB Variáveis Aleatórias Esperança e Variância Prof. Luiz Medeiros Departamento de Estatística - UFPB ESPERANÇA E VARIÂNCIA Nos modelos matemáticos aleatórios parâmetros podem ser empregados para caracterizar

Leia mais

O problema proposto possui alguma solução? Se sim, quantas e quais são elas?

O problema proposto possui alguma solução? Se sim, quantas e quais são elas? PROVA PARA OS ALUNOS DE 3º ANO DO ENSINO MÉDIO 1) Considere o seguinte problema: Vitor ganhou R$ 3,20 de seu pai em moedas de 5 centavos, 10 centavos e 25 centavos. Se recebeu um total de 50 moedas, quantas

Leia mais

Cálculo Numérico. Santos Alberto Enriquez-Remigio FAMAT-UFU 2015

Cálculo Numérico. Santos Alberto Enriquez-Remigio FAMAT-UFU 2015 Cálculo Numérico Santos Alberto Enriquez-Remigio FAMAT-UFU 2015 1 Capítulo 1 Solução numérica de equações não-lineares 1.1 Introdução Lembremos que todo problema matemático pode ser expresso na forma de

Leia mais

Geometria Computacional

Geometria Computacional Geometria Computacional Claudio Esperança Paulo Roma Cavalcanti Estrutura do Curso Aspectos teóricos e práticos Construção e análise de algoritmos e estruturas de dados para a solucionar problemas geométricos

Leia mais

Problema de Designação. Fernando Nogueira Problema de Designação 1

Problema de Designação. Fernando Nogueira Problema de Designação 1 Problema de Designação Fernando Nogueira Problema de Designação 1 O Problema de Designação é um caso específico de um Problema de Transporte, que por sua vez é um caso específico de um Problema de Programação

Leia mais

Álgebra Linear - 2 a lista de exercícios Prof. - Juliana Coelho

Álgebra Linear - 2 a lista de exercícios Prof. - Juliana Coelho Álgebra Linear - 2 a lista de exercícios Prof. - Juliana Coelho 1 - Verifique que os conjuntos V abaixo com as operações dadas não são espaços vetoriais explicitando a falha em alguma das propriedades.

Leia mais

Dualidade - Definições

Dualidade - Definições Dualidade - Definições Associado a cada problema de programação linear (P) existe um problema (D), denominado problema dual. Relação importante (interpretações econômicas) Para cada dual de um dado PPL

Leia mais

A computação aplicada à resolução de sistemas lineares

A computação aplicada à resolução de sistemas lineares Universidade Federal de Campina Grande Centro de Engenharia Elétrica e Informática Departamento de Sistemas e Computação Programa de Educação Tutorial (PET) A computação aplicada à resolução de sistemas

Leia mais

Variável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008

Variável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008 Variável Aleatória Gilson Barbosa Dourado gdourado@uneb.br 6 de agosto de 2008 Denição de Variável Aleatória Considere um experimento E e seu espaço amostral Ω = {a 1, a 2,..., a n }. Variável aleatória

Leia mais

Capítulo 4 - Equações Não-Lineares

Capítulo 4 - Equações Não-Lineares Capítulo 4 - Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil, Química e Gestão Industrial Carlos Balsa Métodos Numéricos 1/

Leia mais

Questão 2: Classifique como conjunto vazio ou conjunto unitário considerando o universo dos números naturais: a) b) c) d) e) f) g) }

Questão 2: Classifique como conjunto vazio ou conjunto unitário considerando o universo dos números naturais: a) b) c) d) e) f) g) } TRABALHO º ANO REGULAR - MATEMATICA Conjuntos: Questão : Escreva o conjunto expresso pela propriedade: x é um número natural par; x é um número natural múltiplo de 5 e menor do que ; x é um quadrilátero

Leia mais

complemento para a disciplina de Matemática Discreta versão 1 - Jerônimo C. Pellegrini Relações de Equivalência e de Ordem

complemento para a disciplina de Matemática Discreta versão 1 - Jerônimo C. Pellegrini Relações de Equivalência e de Ordem Relações de Equivalência e de Ordem complemento para a disciplina de Matemática Discreta versão 1 Jerônimo C. Pellegrini 5 de agosto de 2013 ii Sumário Sumário Nomenclatura 1 Conjuntos e Relações 1 1.1

Leia mais

1. Conhecendo-se somente os produtos AB e AC, calcule A = X 2 = 2X. 3. Mostre que se A e B são matrizes que comutam com a matriz M = 1 0

1. Conhecendo-se somente os produtos AB e AC, calcule A = X 2 = 2X. 3. Mostre que se A e B são matrizes que comutam com a matriz M = 1 0 Lista de exercícios. AL. 1 sem. 2015 Prof. Fabiano Borges da Silva 1 Matrizes Notações: 0 para matriz nula; I para matriz identidade; 1. Conhecendo-se somente os produtos AB e AC calcule A(B + C) B t A

Leia mais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº3: Dualidade. Interpretação Económica.

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº3: Dualidade. Interpretação Económica. Ano lectivo: 2008/2009; Universidade da Beira Interior Departamento de Matemática INVESTIGAÇÃO OPERACIONAL Ficha de exercícios nº3: Dualidade. Interpretação Económica. Cursos: Economia 1. Formule o problema

Leia mais

Conceitos Básicos de Matemática. Aula 1. ISCTE - IUL, Mestrados de Continuidade. Diana Aldea Mendes. 12 de Setembro de 2011

Conceitos Básicos de Matemática. Aula 1. ISCTE - IUL, Mestrados de Continuidade. Diana Aldea Mendes. 12 de Setembro de 2011 Conceitos Básicos de Matemática Aula 1 ISCTE - IUL, Mestrados de Continuidade Diana Aldea Mendes diana.mendes@iscte.pt 12 de Setembro de 2011 DMQ, ISCTE-IUL (diana.mendes@iscte.pt) Matemática 12 de Setembro

Leia mais

Sistemas de Equações Lineares e Matrizes

Sistemas de Equações Lineares e Matrizes Sistemas de Equações Lineares e Matrizes. Quais das seguintes equações são lineares em x, y, z: (a) 2x + 2y 5z = x + xy z = 2 (c) x + y 2 + z = 2 2. A parábola y = ax 2 + bx + c passa pelos pontos (x,

Leia mais

Lista de Exercícios 1 - Otimização Linear Prof. Silvio Alexandre de Araujo. Construção de Modelos e Solução Gráfica

Lista de Exercícios 1 - Otimização Linear Prof. Silvio Alexandre de Araujo. Construção de Modelos e Solução Gráfica Lista de Exercícios 1 - Otimização Linear Prof. Silvio Alexandre de Araujo Construção de Modelos e Solução Gráfica 1) - Estudar Capítulo 1 do livro texto; - Estudar Capítulo 2 do livro texto (seções 2.1,

Leia mais

PROBLEMA 1 O retorno mensal de certo investimento de risco pode ser modelado pela variável aleatória R com função de probabilidade dada abaixo :

PROBLEMA 1 O retorno mensal de certo investimento de risco pode ser modelado pela variável aleatória R com função de probabilidade dada abaixo : Módulo básico - Tópicos de Estatística e obabilidade ONS 006/007 - ofa. Mônica Barros LISTA DE EXERCÍCIOS # PROBLEMA O retorno mensal de certo investimento de risco pode ser modelado pela variável aleatória

Leia mais

Solução numérica de equações não-lineares

Solução numérica de equações não-lineares Capítulo 1 Solução numérica de equações não-lineares 1.1 Introdução Lembremos que todo problema matemático pode ser expresso na forma de uma equação. Mas, o que é uma equação? Uma equação é uma igualdade

Leia mais

Medida do Tempo de Execução de um Programa. David Menotti Algoritmos e Estruturas de Dados II DInf UFPR

Medida do Tempo de Execução de um Programa. David Menotti Algoritmos e Estruturas de Dados II DInf UFPR Medida do Tempo de Execução de um Programa David Menotti Algoritmos e Estruturas de Dados II DInf UFPR Classes de Comportamento Assintótico Se f é uma função de complexidade para um algoritmo F, então

Leia mais

Aula 25. Alexandre Nolasco de Carvalho Universidade de São Paulo São Carlos SP, Brazil

Aula 25. Alexandre Nolasco de Carvalho Universidade de São Paulo São Carlos SP, Brazil Assíntotas, Esboço de Gráfico e Aplicações Aula 25 Alexandre Nolasco de Carvalho Universidade de São Paulo São Carlos SP, Brazil 09 de Maio de 2014 Primeiro Semestre de 2014 Turma 2014106 - Engenharia

Leia mais

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu 1 Aula 2 Definição de Problemas de Investigação Operacional Construção de um modelo matemático de PL. Programação Matemática(PM) e Programação Linear(PL). Exemplos clássicos de PL. 2 Problemas de Investigação

Leia mais

2. Sistemas lineares

2. Sistemas lineares 2. Sistemas lineares 2.1 Conceitos fundamentais. 2.2 Sistemas triangulares. 2.3 Eliminação de Gauss. 2.4 Decomposição LU. 2.5 Decomposição de Cholesky. 2.6 Decomposição espectral. 2.7 Uso da decomposição.

Leia mais

PROGRAMA ÁLGEBRA LINEAR, MEEC (AL-10) Aula teórica 32

PROGRAMA ÁLGEBRA LINEAR, MEEC (AL-10) Aula teórica 32 ÁLGEBRA LINEAR, MEEC (AL-10) Aula teórica 32 PROGRAMA 1. Sistemas de equações lineares e matrizes 1.1 Sistemas 1.2 Matrizes 1.3 Determinantes 2. Espaços vectoriais (ou espaços lineares) 2.1 Espaços e subespaços

Leia mais