FUNDAÇÃO EDSON QUEIROZ UNIVERSIDADE DE FORTALEZA - UNIFOR Centro de Ciências Tecnológica - CCT
|
|
- João Batista Amorim Capistrano
- 6 Há anos
- Visualizações:
Transcrição
1 FUDAÇÃO EDSO QUEIROZ UIVERSIDADE DE FORTALEZA - UIFOR Centro de Ciências Tecnológica - CCT RESUMO DA TEORIA DA DECISÃO E SISTEMAS DE APOIO A DECISÃO Francisco Thibério Pinheiro Leitão
2 Fortaleza, 10/04/ Introdução Problemas de decisão surgem quando é necessário fazer uma escolha entre um conjunto de alternativas que resolvem um problema. A melhor alternava quase sempre não é obvia, pois cada alternativa tem suas qualidades e defeitos. A teoria da decisão serve como metodologia para ajudar a escolher a melhor alternativa para seus propósitos. o dia-dia nós fazemos isso de forma inconsciente, pois os problemas na maioria das vezes são simples e a melhor escolha é óbvia. Contudo, conforme os parâmetros necessários para resolver o problema ficam mais complexos a escolha da melhor alternativa pode se tornar muito complicada, principalmente quando muitas pessoas estão envolvidas no processo de domada de decisão. 2. Metodologia Um bom processo de tomada de decisão pode ser resumido por um conjunto de passos ou metodologia. Abaixo segue uma possível ordem e um diagrama dos passos mínimos que devem estar presentes é uma boa tomada de decisão: 1. Definir o problema 2. Determinar os requerimentos mínimos 3. Determinar os objetivos a serem alcançados 4. Determinar o conjunto de alternativas que satisfazem os requerimentos mínimos 5. Determinar os critérios que serão utilizados como seleção 6. Escolha do Método a ser utilizado no processo 7. Aplicar o método escolhido 8. Verificar a solução do problema
3 Esses passos então representados pelo seguinte diagrama: 2.1 Definir o problema É o passo principal, pois é ele que vai gerar os processos seguintes, logo deve estar sempre bem definido para não gerar imprecisões que se propaguem no decorrer do problema. Para determina-lo, é preciso entender o problema e qual o estado final almejado na sua solução. Uma boa definição do problema geralmente também causa a determinação dos requerimentos e objetivos a serem alcançados.
4 2.2 Definir Requerimentos São as condições que toda solução para o problema deve satisfazer. Devem servir como uma pré-seleção para as possíveis alternativas (Soluções) para o problema. 2.3 Definir Objetivos Desejados São condições desejáveis que devem ser adicionadas aos requerimentos. São definidos em forma de sentença como algo que alguma coisa deve fazer e formam a base para determinação dos critérios de seleção e medidas de desempenho das alternativas. 2.4 Definir Alternativas Com base nos dados levantados nas etapas anteriores, devem-se escolher as alternativas que satisfaçam todos os requerimentos mínimos e o máximo de objetivos possíveis. Geralmente as alternativas diferem na forma de satisfazerem o os requerimentos e objetivos (Desempenho). 2.5 Definir os Critérios de Seleção ormalmente nenhuma alternativa é a melhor para satisfazer todos os objetivos, requerendo que sejam as alternativas sejam comparadas entre si. A melhor alternativa será aquela que tiver melhor desempenho ao satisfazer os objetivos. Para estabelecer a forma como as alternativas satisfazem os objetivos, definem-se critérios de seleção que servem como forma de medir como as alternativas se desempenham com relação aos objetivos. Logo todo objetivo deve gerar pelo menos um critério. 2.6 e 2.7 Escolha e Aplicação dos métodos Dentre os vários métodos existentes, recomenda-se a utilização dos métodos abaixo, na ordem crescente de complexidade no processo de utilização: a) Kepner-Tregoe Decision Analysis (K-T) b) Multi-Attribute Utility Theory Analysis (MAUT) c) Analytic Hierarchy Process (AHP)
5 Eles diferenciam-se principalmente devida a forma como os julgamentos são realizados, a escala de atribuição de pesos, julgamentos e as equações utilizadas durante o processo de calculo. 2.8 Verificação do Resultado Verificar junto à equipe se o resultado obtivo está de acordo com os objetivos, requerimentos e problema estabelecido no começo. 3. Breve Descrição dos Métodos 3.1 Kepner-Tregoe Decision Analysis (K-T) Método no qual os pesos são estabelecidos proporcionais a sua importância, para cada critério e depois estabelece-se julgamentos do desempenho de cada alternativa com relação a cada critério. Os pesos para os critérios variam entre 1-10, de modo que 10 é o critério mais importante e 1 o critério menos importante. Primeiramente deve-se estabelecer o critério mais importante e com relação a ele, definir os pesos dos outros critérios. Os julgamentos das alternativas variam entre 1-10, de modo que 10 é quando a alternativa satisfaz plenamente um determinado critério e 1 quando ele está longe de satisfaze-lo. Primeiramente escolhe-se um critério e define-se a alternativa que melhor satisfaz ele, depois as alternativas são julgadas com relação a este critério com base na alternativa de melhor desempenho. A pontuação é determinada pela soma dos produtos entre pesos dos critérios e julgamentos com relação aos mesmos. 3.2 Multi-Attribute Utility Theory Analysis (MAUT) Assim como no método K-T os pesos são definidos de acordo com sua importância, contudo o processo de julgamento é completamente diferente. Os julgamentos são calculados através de funções pré-definidas que exprimem a forma de como cada desempenho deve ser calculado para cada critério. Logo cada critério deve ter uma função associada a ele. Geralmente são funções que maximizam ou minimizam um determinado conjunto de valores.
6 De acordo com os valores das alternativas para cada critério, eles são transformados para uma escala de desempenho (ou performance) entre a-b, de modo que b represente a alternativa que possui melhor performance com relação a um determinado critério e a quando possuir menor performance com relação a um critério. Depois é utilizada uma função de utilidade final, para pontuação, que transforma os desempenhos para uma escala adimensional entre 0-1. Finalmente é necessário calcular o valor normalizado dos pesos e então a pontuação então é calculada da mesma forma do Método K-T. 3.3 Analytic Hierarchy Process (AHP) É um método no qual os pesos e desempenhos das alternativas, com relação aos critérios, são feito através de comparações relativas entre os possíveis pares. Isso significa que as atribuições são feitas através de comparações relativas entre os critérios, para atribuir os pesos, e comparações entre alternativas, para atribuir os desempenhos. De modo que é feito todas as comparações entre os pares. Com as comparações entre os critérios, obtém-se quanto um determinado critério é mais importante que outro. Do mesmo modo comparamos as alternativas, relativo a cada critério, para determinar quanto uma alternativa é mais importante que outra relativa a um determinado critério. Um importante fato é que as matrizes formadas pelo método AHP são sempre simétricas, isso significa que se nós conhecemos o valor A ij das matrizes de julgamento podemos calcular A ji. Logo só é necessário que o usuário digite uma parte da matriz e o computador calcula a outra parte. Mais precisamente, o número de entradas de dados necessários é dado por: ºJulgamentos = ( 1) 2 Considerando que valores simétricos não são digitados, ou seja, não se deve entrar com os valores A ij e A ji ao mesmo tempo. Isso pode ser feito facilmente se o usuário decidir entrar com os dados da matriz triangular superior ou inferior, mas não obrigatoriamente deve ser feito desse modo. a maioria dos programas, essa restrição é imposta de modo a não complicar o uso do programa, mas no nosso caso demos mais liberdade ao usuário.
7 A escala utilizada para comparações entre os pares varia entre 1-9, de acordo com a tabela abaixo: Os valores normalizados (Pesos e Desempenhos) são obtidos fazendo a média geométrica dos valores e dividindo pela soma de todas as médias geométricas. Esse processo é repetido para todas as tabelas de comparações, obtendo-se os pesos normalizados dos critérios e os desempenhos normalizados das alternativas para cada critério. O modo de calcular a pontuação é igual ao K-T.
8 4. Escalas de Atribuições de Pesos e Julgamentos 4.1 Kepner-Tregoe Para atribuir os pesos, deve-se utilizar uma escala de valores entre 1 e 10, de modo que primeiramente deve ser atribuído o critério de maior importância. Depois, os pesos dos outros critérios são atribuídos em comparação ao critério de maior importância. Para atribuir os julgamentos (ou desempenhos), deve-se utilizar a mesma escala e mesma metodologia, ou seja, primeiro escolhe-se a alternativa que tem o melhor desempenho. Depois, os desempenhos das outras alternativas são atribuídos em comparação à alternativa de maior desempenho. 4.2 MAUT este método normalmente adota-se uma escala entre 1 e 5 para fazer-se as atribuições dos pesos e os cálculos dos julgamentos. Uma ultima função de utilidade é necessária para transforma os julgamentos de 1-5 na escala 0-1. Para atribuir os pesos, segue-se a mesma metodologia do método de Kepner-Tregoe. Contudo, os julgamentos podem ser gerados automaticamente através das funções de utilidade AHP A escala de atribuição de julgamentos relativos para este método é fixa entre 1 e 9. De acordo com a tabela citada acima. Primeiramente deve-se fazer os julgamentos relativos para os critérios, obtendo-se os pesos normalizados. Depois faz-se os julgamentos relativos entre as alternativas, com respeito a cada critério, para obter assim os desempenhos normalizados de cada alternativa com relação a cada critério Pesos ormalizados no AHP o calculo dos pesos normalizados, primeiramente faz-se a média geométrica dos pesos relativos para cada critério e depois divide cada média geométrica pelo soma das médias. Considerando a notação abaixo:
9 I j k : Importancia do critério j comparado com critério k MG j : Média geometrica do critério j Teremos que: n MG j = I j k k=1 Logo o peso normalizado para o critério j é definido como: P j = MG j MG j j=1 5. Equações para pontuação Considerando as seguintes notações para os parâmetros utilizados durante o processo de cálculo: P j Peso do Critério J P j Peso ormalizado do Critério J J j i : Julgamento da Alternativa I relativo ao Critério J F: Função de utilidade para pontuação J j i : Julgamento ormalizado da Alternativa I relativo ao Critério J P(A i ): Pontuação da Alternativa I
10 5.1 Kepner-Tregoe o caso em que temos critérios, a pontuação de uma alternativa qualquer é dada pela fórmula: P(A i ) = P j J j i j=1 5.2 MAUT o caso em que temos critérios, a pontuação de uma alternativa qualquer é dada pela fórmula: 5.3 AHP P(A i ) = P j F(J j i ) j=1 P(A i ) = P j J j i j=1 ota-se que a maior diferença entre os métodos é principalmente devido à forma de calculo dos pesos e julgamentos. os métodos AHP e MAUT são utilizados pesos normalizados enquanto que no método K-T é utilizado pesos atribuídos. o método K-T os julgamentos são atribuídos diretamente pelo usuário. o método AHP os julgamentos são cálculos através de comparações entre as alternativas relativas a cada critério. o método MAUT os julgamentos são cálculos através de funções de maximização e minimização de valores.
11 6. Análise Gráfica Para construir a analise gráfica, temos que considerar o peso de um critério como variável. Para cada possível peso que um critério pode ter, temos que calcular as pontuações das alternativas e assim obter os dados para fazer o gráfico. Teremos então que no eixo x fica o peso relativo a um critério e no eixo y a pontuação das alternativas. Para construir tal função, temos que modificar as funções anteriores de modo a permitir que o peso de um terminado critério seja variável. 6.1 Kepner-Tregoe Considerando a analise gráfica para um Critério K, teremos que: i i P(A i, P k ) = P j J j + P k J k j=1,j k Em que a variável pode assumir os valores: P k = 1,2,, MAUT Considerando a analise gráfica para um Critério K, teremos que: P(A i, P k ) = P j F(J i j ) + P k F(J i k ) j=1,j k Em que a variável pode assumir os valores: P k = a, 2,, b. 6.3 AHP Considerando a analise gráfica para um Critério K, teremos que: i i P(A i, P k ) = P j J j + P k J k j=1,j k Em que a variável pode assumir os valores: P k = 1,2,,9.
12 Substituindo os respectivos valores e calculando a pontuação das alternativas obteremos os pontos necessários para construir o gráfico da pontuação da Alternativa I vs Peso Critério K. Importante notar que as funções serão retas, pois a função de pontuação é linear em relação as pesos. 7. Funções de Utilidade para calculo de Julgamentos São funções que tem como objetivo interpretar um conjunto de dados através de informações pré-definidas. As duas funções básicas fornecem aproximações razoáveis que são a de maximização e minimização lineares de valores. Como são funções lineares, são necessários apenas dois pontos para fazer a interpolação e eles são obtidos diretamente através da matriz de valores. Depois que os pontos são obtidos, aplica-se a formula de interpolação de Lagrange para calcular os outros valores. Considerando a seguinte notação: V i j : Valor da alternativa i para o critério j L j : Função de Interpolação para o critério j Maior(V j i ): Maior valor da matriz para o critério j(linha j da matriz) Maior(V j i ): Menor valor da matriz para o critério j(linha j da matriz) Teremos que, para funções as funções lineares: x Maior(V i j ) L j (x) = a ( Maior(V i j ) Menor(V i j ) ) x Menor(V i j ) + b ( Maior(V i j ) Menor(V i j ) ), para função de maximização x Maior(V i j ) L j (x) = b ( Maior(V i j ) Menor(V i j ) ) x Menor(V i j ) + a ( Maior(V i j ) Menor(V i j ) ), para função de minimização
13 Os julgamentos são interpolados de acordo com seus valores e funções de interpolação: J j i = L j (V j i ) 8. Extensão ós poderíamos pensar em um caso mais complexo de decisão, em que é necessário a separação dos critérios em grupos. Isso pode ocorrer quando determinados critérios são difíceis de ser comparados com outros. Para este caso, teríamos que agrupar os critérios em grupos e cada grupo, adicionalmente, cada grupo deve ter sua importância medida, ou seja, devem ser determinados os pesos dos grupos. Depois de feito esse processo, o calculo da pontuação é feito através da soma de pontuação de cada grupo individualmente. Ou seja, aplicamos o processo anterior para cada grupo e depois somamos a pontuação parcial de cada grupo. Considerando adicionalmente que: PG k : Peso do Grupo K P k j Peso do Critério J, para o grupo K P j k Peso ormalizado do Critério J, para o grupo K k i J j : Julgamento da Alternativa I relativo ao Critério J, para o grupo K F: Função de utilidade para pontuação k Jj i : Julgamento ormalizado da Alternativa I relativo ao Critério J, para o grupo K P(A i ): Pontuação da Alternativa I P(A i, k): Pontuação parcial da Alternativa I, relativo ao grupo k É visível que devido o acrescimento de agrupamentos no processo de tomada de decisão, as quantidades aumentaram em uma dimensão, ou seja, escalaras para vetores, vetores para
14 matrizes e matrizes para um conjunto de matrizes. Devido a esse aumento no grau de complexidade, somente será considerado um level de hierarquia. Será proposta essa extensão para o método de Kepner-Tregoe e MAUT, pois a extensão do método AHP já existe. Esta é chamada de Analytic etwork Process(AP) e foi desenvolvida por Thomas Saaty. 8.1 Kepner-Tregoe este caso, teremos M grupos e cada grupo terá critérios. O que precisamos fazer é considerar um grupo isolado e calcular a pontuação da alternativa relativa a esse grupo e depois repetir esse processo para cada um dos grupos. o final, teremos que reunir a pontuação de cada grupo em uma pontuação final, isto é feito através dos pesos dados para cada grupo. Teremos que: P(A i, k) = P j k Será a pontuação da alternativa(i) relativo ao grupo(k). O segundo passo é determinado por: j=1 k i J j M P(A i ) = PG k P(A i, k) k=1 Basicamente nos dividimos um problema complexo em um grupo de problemas simples e depois agrupamos os resultados através de uma função. Essa estratégia é bastante comum em problemas de engenharia e métodos científicos em geral. O mesmo processo pode ser feito para os outros métodos, como será mostrado logo abaixo. Para provar que está formula engloba também o caso simples, basta considerar que temos apenas um grupo, k = 1, e que o peso dele é unitário: P(A i ) = PG 1 P(A i, 1) = P(A i ) = P j J j i j=1
15 8.2 MAUT Seguindo o mesmo raciocínio anterior, teremos que: P(A i, k) = P j k F( M j=1 k J i j ) P(A i ) = PG k P(A i, k) k=1 Seguindo as mesmas hipóteses anteriores, um grupo com peso unitário, vamos obter a equação simplificada. 9. Analise dos Métodos Comparando os processos envolvidos durante a pontuação dos três métodos, fica claro que o método MAUT é o mais simples quando a necessidade de entrada de dados. ele é preciso apenas selecionar os critérios e alternativas, colocar os valores numéricos dos critérios para cada alternativa em uma tabela e selecionar se é necessário maximizar ou minimizar um determinado critério. O programa automaticamente calcula os julgamentos e pontuação a partir desses dados. Contudo, é possível o usuário modificar um determinado julgamento se ele achar necessário, isso entre na parte subjetiva do assunto e que pode ser cometido erros. Como nos métodos AHP e KT é necessário fazer julgamentos relativos as alternativas e seus respectivos desempenhos para cada critério, são mais sujeitos a erros de interpretação. Isso pode fazer com que os resultados sejam mais ou menos precisos, depende das pessoas que estão fazendo julgamento. Isso leva a conclusão que, se possível, deve-se começar a analise de uma problema de escolha pelo MAUT, pois ele exige menos entrada de dados e calcula automaticamente os julgamentos, ajudando na compreensão sobre o problema. Caso os analistas não fiquem satisfeitos com o resultado do MAUT eles devem partir para o método de Kepner-Tregoe, pois ele é segundo mais complexo e exige menos interpretação de
16 dados do que método AHP. E a cada nível que você sobe na escala de complexidade, você já possui o conhecimento obtido anteriormente, facilitando a analise do problema. Finalmente, caso os analistas ainda não estejam satisfeitos, deve-se fazer a analise pelo método AHP, que exige muitas comparações subjetivas e muita entrada de dados é necessário. O conhecimento obtido na solução pelos métodos MAUT e K-T deve ajudar bastante a fazer os julgamentos corretamente para obter resultados mais precisos. Esse tipo de analise é Hierárquico no sentido de a complexidade da analise aumenta conforme cada método que é escolhido. 10. Conclusão Desenvolvemos aqui os passos e cálculos necessários para o estudo de um problema de tomada de decisão através dos métodos Kepner-Tregoe, MAUT e AHP. Com base nisso, estamos desenvolvendo na UIFOR programas de computador para auxiliar e facilitar o processo de tomada de decisão. Até o momento foram desenvolvidos programas para os três métodos, baseados na linguagem de programação C++, explicados neste artigo, seguindo toda a teoria e metodologia aqui explicada. Os aplicativos contam também com uma interface gráfica, desenvolvidos pelo framework QT, para facilitar a entrada e saída de dados durante a execução do programa. Referências Bakes, Dennis. Bridges, Donald. Guidebook to decision-making methods. December Fülöp, János. Introduction to Decision Making Methods. Forman, Ernest. Decision By Objectives. O Método AHP Analytic Hierarchy Process. PUC-Rio, Certificação Digital /CA. Silva, Aneirson. AHP. Disponível em:< acessado em 09/01/2013.
17
FUNDAÇÃO EDSON QUEIROZ UNIVERSIDADE DE FORTALEZA - UNIFOR Centro de Ciências Tecnológica - CCT
FUNDAÇÃO EDSON QUEIROZ UNIVERSIDADE DE FORTALEZA - UNIFOR Centro de Ciências Tecnológica - CCT APLICAÇÃO DO SISTEMA DE APOIO A DECISÃO DESENVOLVIDO NA UNIFOR Francisco Thibério Pinheiro Leitão Fortaleza,
Leia maisMétodo Simplex dual. Marina Andretta ICMC-USP. 24 de outubro de 2016
Método Simplex dual Marina Andretta ICMC-USP 24 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisMÉTODOS NEWTON E QUASE-NEWTON PARA OTIMIZAÇÃO IRRESTRITA
MÉTODOS NEWTON E QUASE-NEWTON PARA OTIMIZAÇÃO IRRESTRITA Marlon Luiz Dal Pasquale Junior, UNESPAR/FECILCAM, jr.marlon@hotmail.com Solange Regina dos Santos (OR), UNESPAR/FECILCAM, solaregina@fecilcam.br
Leia maisGAAL /1 - Simulado - 3 exercícios variados de retas e planos
GAAL - 201/1 - Simulado - exercícios variados de retas e planos SOLUÇÕES Exercício 1: Considere as retas m e n de equações paramétricas m : (x, y, z) = (1, 1, 0) + t( 2, 1, ) (a) Mostre que m e n são retas
Leia maisComprimento de Arco. 1.Introdução 2.Resolução de Exemplos 3.Função Comprimento de Arco 4.Resolução de Exemplo
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Comprimento de Arco
Leia maisGeometria (X 6 ) Português (X 3 ) Álgebra (X 4 )
ROTAÇÃO E INTERPRETAÇÃO DAS COMPONENTES PRINCIPAIS Consideremos o seguinte exemplo (exercício 6): 15 alunos de uma determinada escola foram sujeitos a testes de 6 disciplinas e os resultados obtidos encontram-se
Leia maisRequisitos de Software
Requisitos de Software Engenharia de requisitos Estabelece os serviços que o cliente requer de um sistema e as restrições sob as quais tal sistema operará e será desenvolvido. Tais serviços e restrições
Leia maisProgramação Linear. (3ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016
Programação Linear (3ª parte) Informática de Gestão 61020 Maria do Rosário Matos Bernardo 2016 Conteúdos Excel Solver Instalação do Solver Resolução de problemas de programação linear Problema de minimização
Leia maisInterpolação polinomial: Polinômio de Lagrange
Interpolação polinomial: Polinômio de Lagrange Marina Andretta ICMC-USP 09 de maio de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500 - cálculo
Leia maisÁlgebra Linear Semana 04
Álgebra Linear Semana 04 Diego Marcon 17 de Abril de 2017 Conteúdo 1 Produto de matrizes 1 11 Exemplos 2 12 Uma interpretação para resolução de sistemas lineares 3 2 Matriz transposta 4 3 Matriz inversa
Leia maisProgramação 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 maisétodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
Leia mais2 Revisão do método AHP
2 Revisão do método AHP 2.1. Definição dos elementos necessários Qualquer problema que seja estruturado ao modo do método AHP, e talvez de alguns outros métodos de decisão multicriteriais, inicia pela
Leia maisAula 4: Gráficos lineares
Aula 4: Gráficos lineares 1 Introdução Um gráfico é uma curva que mostra a relação entre duas variáveis medidas. Quando, em um fenômeno físico, duas grandezas estão relacionadas entre si o gráfico dá uma
Leia maisParte 1 - Matrizes e Sistemas Lineares
Parte 1 - Matrizes e Sistemas Lineares Matrizes: Uma matriz de tipo m n é uma tabela com mn elementos, denominados entradas, e formada por m linhas e n colunas. A matriz identidade de ordem 2, por exemplo,
Leia maisProgramação Linear. (2ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016
Programação Linear (2ª parte) Informática de Gestão 61020 Maria do Rosário Matos Bernardo 2016 Conteúdos Representação e resolução gráfica dos problemas de programação linear Problema de minimização Problema
Leia maisAVALIAÇÃO DE SOLUÇÕES
AVALIAÇÃO DE SOLUÇÕES 1. Introdução Este texto apresenta algumas considerações sobre o processo de avaliação de soluções, que é uma das etapas do procedimento de projeto de engenharia. De início convém
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Linear (PL) Aula 10: Método Simplex Técnica das variáveis artificias Método das penalidades ( Big M ). Método das duas fases. 2 Modificando o Exemplo Protótipo. Suponha-se que é modificado
Leia maisProbabilidade - aula II
2012/02 1 Interpretações de Probabilidade 2 3 Amostras Aleatórias e Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades de eventos conjuntos. Interpretar e calcular probabilidades
Leia maisPNV Introdução à Engenharia PNV3100 Aula S8 INTRODUÇÃO AVALIAÇÃO DE SOLUÇÕES
PNV3100 Aula S8 INTRODUÇÃO AVALIAÇÃO DE SOLUÇÕES PNV3100 Aula S8 INTRODUÇÃO Fase 2: Etapas 3, 4 e 5 da Metodologia Estabelecimento de critérios Avaliação das alternativas Seleção da melhor alternativa
Leia maisMINISTÉRIO DA EDUCAÇÃO INSTITUTO NACIONAL DE ESTUDOS E PESQUISAS EDUCACIONAIS - INEP DIRETORIA DE AVALIAÇÃO PARA CERTIFICAÇÃO DE COMPETÊNCIAS
MINISTÉRIO DA EDUCAÇÃO INSTITUTO NACIONAL DE ESTUDOS E PESQUISAS EDUCACIONAIS - INEP DIRETORIA DE AVALIAÇÃO PARA CERTIFICAÇÃO DE COMPETÊNCIAS Exame Nacional de Certificação de Competências de Jovens e
Leia maisPARTE I - FUNDAMENTOS DE PROJETOS DE COMPUTADORES ARQUITETURA DE COMPUTADORES ANTONIO RAMOS DE CARVALHO JÚNIOR
PARTE I - FUNDAMENTOS DE PROJETOS DE COMPUTADORES ARQUITETURA DE COMPUTADORES ANTONIO RAMOS DE CARVALHO JÚNIOR Introdução Entender a arquitetura de computadores do ponto de vista do programador Entender
Leia mais[a11 a12 a1n 7. SISTEMAS LINEARES 7.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo
7. SISTEMAS LINEARES 7.1. 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 maisMICROECONOMIA 1. Departamento de Economia, Universidade de Brasília Notas de Aula 10 Graduação Prof. José Guilherme de Lara Resende.
MICROECONOMIA 1 Departamento de Economia, Universidade de Brasília 10 Graduação Prof. José Guilherme de Lara Resende 1 Preferência Revelada As preferências das pessoas não são observáveis. O que podemos
Leia maisResolução prova de matemática UDESC
Resolução prova de matemática UDESC 009. Prof. Guilherme Sada Ramos Guiba 1. O enunciado da questão omite a palavra, mas quer dizer que 0% dos aprovados passaram somente na disciplina A, 50% passaram somente
Leia maisMercados de Emparelhamento
Mercados de Emparelhamento Redes Sociais e Econômicas Prof. André Vignatti Mercados de Emparelhamento Mercados - interação econômica entre pessoas numa rede estruturada Mercados de Emparelhamento modelam:
Leia maisDETERMINAÇÃO DE VOLUME DE CORTE OU ATERRO 1
DETERMINAÇÃO DE VOLUME DE CORTE OU ATERRO 1 Dyenifer Peralta Teichmann 2, Vilmar Rogerio Teichmann 3, Peterson Cleyton Avi 4, Thalia Klein Da Silva 5. 1 Projeto de extensão realizado no curso Engenharia
Leia maisExemplo de um problema de transporte, com 3 fontes e 3 destinos. Custos unitários de transporte para o exemplo de problema de transporte
TRANSPORTE 6 Um problema bastante comum que muitas vezes pode ser modelado como um problema de programação linear é o problema de transporte. Este problema envolve o transporte de alguma carga de diversas
Leia maisApresentaremos as equações do plano: Equação vetorial e Equação geral do. = AB e v. C A u B. ) não-colineares do plano.
CAPÍTULO VIII PLANO Consideremos em V 3 o sistema de referência (O, i, j, k ), onde E = ( i, j, k ) é base ortonormal positiva e O(0, 0, 0). 8.1. EQUAÇÕES DO PLANO plano. Apresentaremos as equações do
Leia maisTabela 1 - Minitermos e Maxtermos para uma função de 3 variáveis.
Curso Técnico em Eletrotécnica Disciplina: Automação Predial e Industrial Professor: Ronimack Trajano 1 FORMAS CANÔNICAS A lógica estruturada é baseada na capacidade de escrever equações booleanas de maneira
Leia maisPontos extremos, vértices e soluções básicas viáveis
Pontos extremos, vértices e soluções básicas viáveis Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta
Leia maisÁrea e Teorema Fundamental do Cálculo
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Área e Teorema Fundamental
Leia maisTema Custo Fixo, Lucro e Margem de Contribuição
Tema Custo Fixo, Lucro e Margem de Contribuição Projeto Curso Disciplina Tema Professor(a) Pós-Graduação Engenharia da Produção Custos Industriais Custo Fixo, Lucro e Margem de Contribuição Luizete Fabris
Leia mais1 Congruências e aritmética modular
1 Congruências e aritmética modular Vamos considerar alguns exemplos de problemas sobre números inteiros como motivação para o que se segue. 1. O que podemos dizer sobre a imagem da função f : Z Z, f(x)
Leia maisRegras de Feynman para uma teoria Bosônica em geral
Teoria Quântica de Campos I 106 mente pois tratamos os estados iniciais e finais com mais detalhe (ainda que de forma heurística), como ondas planas. Veremos que na versão final da história, quando estivermos
Leia maisEstimativa por Use Case Point (UCP)
Estimativa por Use Case Point (UCP) A análise de sistemas Orientados a Objetos já utiliza, comumente, os diagramas de Casos de Uso (Use Cases) para descrever as funcionalidades do sistema de acordo com
Leia maisAjuste de Curvas. Diogo Pinheiro Fernandes Pedrosa. Universidade Federal do Rio Grande do Norte Centro de Tecnologia.
Ajuste de Curvas Diogo Pinheiro Fernandes Pedrosa Universidade Federal do Rio Grande do Norte Centro de Tecnologia Departamento de Engenharia de Computação e Automação http://wwwdcaufrnbr/ 1 Introdução
Leia maisINVESTIGAÇÃO OPERACIONAL. Programação Linear. Exercícios. Cap. IV Modelo Dual
INVESTIGAÇÃO OPERACIONAL Programação Linear Exercícios Cap. IV Modelo Dual António Carlos Morais da Silva Professor de I.O. i Cap. IV - Modelo Dual - Exercícios IV. Modelo Problema Dual 1. Apresente o
Leia maisGeometria analítica - Programação linear
Ga - Programação linear 1 Geometria analítica - Programação linear Período de 014.1 - Prof. Fernando Carneiro Rio de Janeiro, Junho de 014 1 Introdução Estudaremos as retas no plano euclidiano bidimensional
Leia maisBIOESTATISTICA. Unidade IV - Probabilidades
BIOESTATISTICA Unidade IV - Probabilidades 0 PROBABILIDADE E DISTRIBUIÇÃO DE FREQUÊNCIAS COMO ESTIMATIVA DA PROBABILIDADE Noções de Probabilidade Após realizar a descrição dos eventos utilizando gráficos,
Leia maisAutovalores e Autovetores
Algoritmos Numéricos II / Computação Científica Autovalores e Autovetores Lucia Catabriga 1 1 DI/UFES - Brazil Junho 2016 Introdução Ideia Básica Se multiplicarmos a matriz por um autovetor encontramos
Leia maisProbabilidade - aula II
25 de Março de 2014 Interpretações de Probabilidade Amostras Aleatórias e Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades de eventos conjuntos. Interpretar e calcular
Leia maisCálculo de Volumes por Cascas Cilíndricas
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Cálculo de Volumes
Leia maisCálculo 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 maisMudança de Coordenadas
Mudanças de Coordenadas Mudança de Coordenadas A origem O = (0, 0, 0) e os vetores i, j, k da base canônica de R determinam um sistema de coordenadas: se as coordenadas de um ponto no espaço são (x, y,
Leia maisProblemas Singulares e Métodos Assimptóticos Desenvolvimento da solução de uma EDO em série de potências na vizinhança de uma singularidade regular
Problemas Singulares e Métodos Assimptóticos Desenvolvimento da solução de uma EDO em série de potências na vizinhança de uma singularidade regular Consideremos uma EDO linear de segunda ordem com a forma
Leia mais7 ALOCAÇÃO PELO MÉTODO DO NUCLEOLUS
ALOCAÇÃO PELO MÉTODO NUCLEOLUS 76 7 ALOCAÇÃO PELO MÉTODO DO NUCLEOLUS O quarto método abordado nesta monografia é o método do nucleolus [44]. Este método, diferentemente da alocação por Última Adição,
Leia mais6.3. Cálculo de Volumes por Cascas Cilíndricas
APLICAÇÕES DE INTEGRAÇÃO 6.3 Cálculo de Volumes por Cascas Cilíndricas Nesta seção aprenderemos como aplicar o método das cascas cilíndricas para encontrar o volume de um sólido. VOLUMES POR CASCAS CILÍNDRICAS
Leia maisDisciplina: Cálculo Numérico IPRJ/UERJ. Sílvia Mara da Costa Campos Victer. Integração numérica: Fórmulas de Newton-Cotes.
Disciplina: Cálculo Numérico IPRJ/UERJ Sílvia Mara da Costa Campos Victer Aula 5- Integração numérica: Fórmulas de Newton-Cotes. Objetivo: Apresentar o método de integração numérica baseado nas fórmulas
Leia mais3 Extração de Regras Simbólicas a partir de Máquinas de Vetores Suporte 3.1 Introdução
3 Extração de Regras Simbólicas a partir de Máquinas de Vetores Suporte 3.1 Introdução Como já mencionado na seção 1.1, as SVMs geram, da mesma forma que redes neurais (RN), um "modelo caixa preta" de
Leia maisMATRIZES - PARTE Mais exemplos Multiplicação de duas matrizes AULA 26
AULA 26 MATRIZES - PARTE 2 26. Mais exemplos Nesta aula, veremos mais dois algoritmos envolvendo matrizes. O primeiro deles calcula a matriz resultante da multiplicação de duas matrizes e utiliza três
Leia maisResolução de sistemas de equações lineares: Método dos Gradientes Conjugados
Resolução de sistemas de equações lineares: Método dos Gradientes Conjugados Marina Andretta/Franklina Toledo ICMC-USP 24 de março de 2015 Baseado no livro Cálculo Numérico, de Neide B. Franco Marina Andretta/Franklina
Leia mais3.6 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 maisMétodos e Medidas II
Métodos e Medidas II Disciplina: 1 Prof. Álvaro José Periotto ajperiotto@uem.br 3. Método Gráfico (conjunto de soluções/ponto ótimo) 1. Entendimento do Enunciado 2 Início Entendimento do Enunciado do P.P.L.
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisDefinição 1.1 : Uma árvore é um grafo simples conexo e sem ciclos.
1 Árvores Definição 1.1 : Uma árvore é um grafo simples conexo e sem ciclos. Um grafo simples sem ciclos mas não conexo (em que cada componente conexa é portanto uma árvore) chama-se uma floresta. Numa
Leia maisLógica Computacional Aula 4
Lógica Computacional Aula 4 DCC/FCUP 2017/18 Conteúdo 1 Lógica proposicional 1 1.1 Fórmulas de Horn.......................................... 1 1.2 Satisfazibilidade............................................
Leia maisPC Polícia Civil do Estado de São Paulo PAPILOSCOPISTA
PC Polícia Civil do Estado de São Paulo PAPILOSCOPISTA Concurso Público 2016 Conteúdo Teoria dos conjuntos. Razão e proporção. Grandezas proporcionais. Porcentagem. Regras de três simples. Conjuntos numéricos
Leia maisUnidade II PESQUISA OPERACIONAL. Profa. Ana Carolina Bueno
Unidade II PESQUISA OPERACIONAL Profa. Ana Carolina Bueno Programação linear É um subitem da programação matemática. É um dos modelos utilizados em pesquisa operacional. Consiste em otimizar (maximizar
Leia maisZero de Funções ou Raízes de Equações
Zero de Funções ou Raízes de Equações Um número ξ é um zero de uma função f() ou raiz da equação se f(ξ). Graficamente os zeros pertencentes ao conjunto dos reais, IR, são representados pelas abscissas
Leia maisProgramação linear I João Carlos Lourenço
Fundamentos de Investigação Operacional Programação linear I João Carlos Lourenço joao.lourenco@ist.utl.pt Ano lectivo 2011/2012 Leituras recomendadas: Nova, A.P., Lourenço, J.C., 2011, Apontamentos de
Leia maisTaxa Interna de Retorno (TIR)
Problemas com o Método da TIR (Taxa Interna de Retorno) Hoje vamos falar do método da TIR (Taxa Interna de Retorno) e de alguns problemas que podem ocorrer quando utilizamos essa técnica na análise de
Leia maisPESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR. Prof. Angelo Augusto Frozza, M.Sc.
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR Prof. Angelo Augusto Frozza, M.Sc. ROTEIRO Esta aula tem por base o Capítulo 2 do livro de Taha (2008): Introdução O modelo de PL de duas variáveis Propriedades
Leia maisDois grandes desafios dos gestores em relação a avaliação de desempenho
Este conteúdo faz parte da série: Avaliação de Desempenho Ver 3 posts dessa série Nesse artigo falaremos sobre: Dois grandes desafios dos gestores em relação à avaliação de desempenho Usa da avaliação
Leia maisInstituto Superior de Engenharia de Lisboa Engenharia Informática e de Computadores
Instituto Superior de Engenharia de Lisboa Engenharia Informática e de Computadores Teoria dos Sinais e dos Sistemas O procedimento de Gram-Schmidt: definição, exemplos e aplicações Artur Ferreira {arturj@isel.pt}
Leia maisResolução de sistemas de equações lineares: Fatorações de matrizes
Resolução de sistemas de equações lineares: Fatorações de matrizes Marina Andretta/Franklina Toledo ICMC-USP 27 de fevereiro de 2015 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina
Leia maisAula 8 - Reconhecimento e Interpretação. Prof. Adilson Gonzaga
Aula 8 - Reconhecimento e Interpretação Prof. Adilson Gonzaga Elementos de Visão Computacional: Visão Computacional Processamento de Baio Nível Processamento de Nível Intermediário Processamento de Alto
Leia maisProblema 5a by
Problema 5a by fernandopaim@paim.pro.br Resolva o sistema linear por escalonamento S = x y z=1 x y z= 1 2x y 3z=2 Resolução Utilizaremos quatro métodos para ilustrar a resolução do sistema linear acima.
Leia maisMÉTODO AHP ANALYTIC HIERARCH PROCESS. Prof. M.Sc. Marcos dos Santos
MÉTODO AHP ANALYTIC HIERARCH PROCESS Email: marcosdossantos_coppe_ufrj@yahoo.com.br INTRODUÇÃO Um dos primeiros métodos desenvolvidos no ambiente das Decisões Mul7critério Discretas, sendo talvez o mais
Leia maisAjuste 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 maisPrincípio da Multiplicação Gerando todas as palavras de um alfabeto. > Princípios de Contagem e Enumeração Computacional 0/18
Conteúdo 1 Princípios de Contagem e Enumeração Computacional Princípio da Multiplicação Gerando todas as palavras de um alfabeto Permutações > Princípios de Contagem e Enumeração Computacional 0/18 Objetivos
Leia mais2.1. Construção da Pista
2 Malha de Controle Para que se possa controlar um dado sistema é necessário observar e medir suas variáveis de saída para determinar o sinal de controle, que deve ser aplicado ao sistema a cada instante.
Leia mais3 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 maisFicha de Exercícios nº 3
Nova School of Business and Economics Álgebra Linear Ficha de Exercícios nº 3 Transformações Lineares, Valores e Vectores Próprios e Formas Quadráticas 1 Qual das seguintes aplicações não é uma transformação
Leia maisCurso de Aritmética Capítulo 1: Conjuntos Numéricos, Operações Básicas e Fatorações
Curso de Aritmética Capítulo 1: Conjuntos Numéricos, Operações Básicas e Fatorações 1. A Base de Nosso Sistema Numérico Se observarmos a história, nós veremos que os primeiros números usados pelos humanos
Leia maisMódulo 4 Ajuste de Curvas
Módulo 4 Ajuste de Curvas 4.1 Intr odução Em matemática e estatística aplicada existem muitas situações onde conhecemos uma tabela de pontos (x; y), com y obtido experimentalmente e deseja se obter uma
Leia maisétodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
Leia maisAULA 02 Distribuição de Probabilidade Normal
1 AULA 02 Distribuição de Probabilidade Normal Ernesto F. L. Amaral 20 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario
Leia maisAula 5 - Produto Vetorial
Aula 5 - Produto Vetorial Antes de iniciar o conceito de produto vetorial, precisamos recordar como se calculam os determinantes. Mas o que é um Determinante? Determinante é uma função matricial que associa
Leia maisProcessamento 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 maisPlanificação Anual. 0,5 Geometria no plano e no espaço II. 32 Avaliações escritas e respetivas correcções. 5 Auto-avaliação
3º Período 2º Período 1º Período AGRUPAMENTO DE ESCOLAS DE CASTRO DAIRE Escola Secundária de Castro Daire Grupo de Recrutamento 500 MATEMÁTICA Ano lectivo 2012/2013 Planificação Anual Disciplina: Matemática
Leia maisTeoria da Correlação. Luiz Carlos Terra
Luiz Carlos Terra Você poderá, através de cálculos matemáticos, verificar a forma como a variação de um dado observado pode estar associada às alterações de outra variável. (Luiz Carlos Terra) 1 Objetivo
Leia maisPESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX. Prof. Angelo Augusto Frozza, M.Sc.
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX Prof. Angelo Augusto Frozza, M.Sc. MÉTODO SIMPLEX A ideia geral é Em vez de enumerar todas as soluções básicas (pontos extremos) do problema de PL,
Leia mais2 Propriedades geométricas de curvas parametrizadas no R 4
2 Propriedades geométricas de curvas parametrizadas no R 4 Nesse capítulo trataremos dos conceitos básicos de geometria diferencial referentes à curvas parametrizadas no R 4. 2.1 Curvas Parametrizadas
Leia maisétodos uméricos DERIVAÇÃO NUMÉRICA Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos DERIVAÇÃO NUMÉRICA Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
Leia maisProbabilidade e Estatística I Antonio Roque Aula 2. Tabelas e Diagramas de Freqüência
Tabelas e Diagramas de Freqüência Probabilidade e Estatística I Antonio Roque Aula 2 O primeiro passo na análise e interpretação dos dados de uma amostra consiste na descrição (apresentação) dos dados
Leia maisCapítulo 2- Funções. Dado dois conjuntos não vazios e e uma lei que associa a cada elemento de um único elemento de, dizemos que é uma função de em.
Conceitos Capítulo 2- Funções O termo função foi primeiramente usado para denotar a dependência entre uma quantidade e outra. A função é usualmente denotada por uma única letra,,,... Definição: Dado dois
Leia maisProblema de Transporte (Redes) Fernando Nogueira Problema de Transporte 1
Problema de Transporte (Redes) Fernando Nogueira Problema de Transporte 1 O Problema de Transporte consiste em determinar o menor custo (ou o maior lucro) em transportar produtos de várias origens para
Leia maisDepartamento de Matemática
Computação Gráfica - Evolução de Curvas e Superfícies Aluno: Vinícius Segura Orientador: Sinésio Pesco Introdução Nas últimas décadas atravessamos uma verdadeira revolução tecnológica, devido ao avanço
Leia maisResolução de sistemas de equações lineares: Fatorações de matrizes
Resolução de sistemas de equações lineares: Fatorações de matrizes Marina Andretta/Franklina Toledo ICMC-USP 27 de agosto de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina
Leia mais09/05/2017. Prof. Mônica Suely Guimarães de Araujo
Prof. Mônica Suely Guimarães de Araujo 1. Mapeamento do Processo 2. Lista de Verificação 3. Diagrama de Pareto 4. Matriz de Prioridade 5. Brainstorming: Tempestade Cerebral 6. Diagrama de Causa e Efeito
Leia maisVolume Parcial Molar
Volume Parcial Molar 1. Introdução O volume molar é definido como o volume ocupado por 1 mol de uma substância pura. Por exemplo, o volume molar da água pura é 18 cm 3 /mol, conforme mostrado no cálculo
Leia maisMatrizes. a inversa da matriz , onde cada elemento aij
Matrizes. (Ufpe 03) Seja a c b d a inversa da matriz 3. 4 Indique a b c d.. (Espm 03) A distribuição dos n moradores de um pequeno prédio de apartamentos é 4 x 5 dada pela matriz 3 y, onde cada elemento
Leia maisCAPÍTULO VI Dimensionamento de lotes - Lot Sizing
CAPÍTULO VI Dimensionamento de lotes - Lot Sizing O sistema MRP converte o programa director de produção em planos de lançamentos para a produção, montagem e/ou compra, faseados no tempo, para todos os
Leia maisAula 6. Zeros reais de funções Parte 3
CÁLCULO NUMÉRICO Aula 6 Zeros reais de funções Parte 3 MÉTODO DE NEWTON RAPHSON Cálculo Numérico 3/48 CONSIDERAÇÕES INICIAS MÉTODO DO PONTO FIXO: Uma das condições de convergência é que onde I é um intervalo
Leia maisétodos uméricos ZEROS DE FUNÇÕES DE UMA OU MAIS VARIÁVEIS Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos ZEROS DE FUNÇÕES DE UMA OU MAIS VARIÁVEIS Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisTeoremas e Propriedades Operatórias
Capítulo 10 Teoremas e Propriedades Operatórias Como vimos no capítulo anterior, mesmo que nossa habilidade no cálculo de ites seja bastante boa, utilizar diretamente a definição para calcular derivadas
Leia maisDerivadas Parciais Capítulo 14
Derivadas Parciais Capítulo 14 DERIVADAS PARCIAIS Como vimos no Capítulo 4, no Volume I, um dos principais usos da derivada ordinária é na determinação dos valores máximo e mínimo. DERIVADAS PARCIAIS 14.7
Leia maisINTERPOLAÇÃO LINEAR E BILINEAR: APLICAÇÃO EM TRANSFORMAÇÕES GEOMÉTRICAS DE IMAGEM INTRODUÇÃO
INTERPOLAÇÃO LINEAR E BILINEAR: APLICAÇÃO EM TRANSFORMAÇÕES GEOMÉTRICAS DE IMAGEM Autores: Giulia Denise Kujat VIEIRA; Milene Karine GUBETTI. Identificação autores: Estudantes do Curso Técnico em Informática
Leia mais