PROFESSOR: CÉZAR AUGUSTO PEREIRA DOS SANTOS 1.

Slides:



Advertisements
Apresentações semelhantes
Método Simplex Resolução Algébrica
Advertisements

DETERMINANTES de Ordem n (n > 3).
Matrizes especiais Matriz linha Matriz do tipo 1 x n, ou seja, com uma única linha. Por exemplo, a matriz A =[ ], do tipo 1 x 4. Matriz coluna.
Amintas engenharia.
Álgebra Linear e Geometria Analítica
INVESTIGAÇÃO OPERACIONAL
Equações do 2º grau.
Introdução à Programação Linear Parte II
Problemas de Forma Não-padrão
Matriz Inversa.
A Teoria dos Determinantes
O que você deve saber sobre
SISTEMAS LINEARES I Prof. Marlon.
SISTEMAS LINEARES II Prof. Marlon.
Profa. Úrsula Lisbôa Fernandes Ribeiro 28 de agosto de 2008
SIMPLEX ANÁLISE COMPLETA ANDERSON BESTETTI 1, EDUARDO RIGHES 1, EVERTON FONTOURA 2, GUILHERME LAZZARI 3, RODRIGO SCHRAMM 3, ROGERIO MARTINS 4 1 {anderson.bestetti,
SISTEMAS LINEARES ( AULA 3 ).
PROPRIEDADES DOS DETERMINANTES
Aula 4: Matrizes e Operações Matriciais
Campus de Mal. Cdo. Rondon - PR. SISTEMAS ESCALONADOS – FORMA ESCADA.
Determinantes Propriedades dos determinantes Matriz Transposta
Slide 06.
Programação Linear Universidade Federal de Itajubá – UNIFEI
Grandezas Físicas Prof. Climério Soares.
Cálculo Numérico Aula 8 – Sistemas de Equações Lineares / Parte 1
Matemática para Economia III
Prof. Guilherme Amorim 14/11/2013
Professora: Ana Cristina G. e Silva Natal-RN
SISTEMAS LINEARES.
Cálculo Numérico / Métodos Numéricos
Resolução de sistemas lineares Métodos Numéricos para Engenharia I
Pesquisa Operacional Profa. Leila Jane Brum Lage Sena Guimarães
Produto Vetorial SLIDE 06.
Pesquisa Operacional: Método Simplex – Duas Fases
Instituto de Aplicação Fernando Rodrigues da Silveira (CAp/UERJ)
MÉTODOS NUMÉRICOS APLICAÇÃO NO MATLAB
Sistema de equações lineares
MATEMÁTICA APLICADA REVISÃO BÁSICA.
PROGRAMAÇÃO MATEMÁTICA MÉTODO SIMPLEX
Otimização Linear Definições e Solução Gráfica
Matemática para Economia III
Matrizes Definição Mat Fis Qui João 7,0 5,0 6,0 Maria 9,0 4,0
Programação Linear Universidade Federal de Itajubá – UNIFEI
SISTEMAS LINEARES Prof. Moacir.
Método Simplex Tópicos em Otimização
Otimização Numérica de Processos
Capitulo 5: Simplex Voltando ao exemplo da confecção da D. Maria, e modificando um pouco os valores apenas para facilitar nossos cálculos e o entendimento,
Capitulo 5: Simplex Voltando ao exemplo da confecção da D. Maria, e modificando um pouco os valores apenas para facilitar nossos cálculos e o entendimento,
Campus de Caraguatatuba Aula 16: Sistemas de Equações Lineares (4)
Problemas de Forma Não-Padrão
Métodos de Otimização CIV 7031
Prof. Geraldo Nunes Silva
Álgebra Linear e Geometria Analítica
MATEMÁTICA DETERMINANTES.
©Prof. Lineu MialaretAula 4 - 1/27Matemática Discreta I Instituto Federal de Educação, Ciência e Tecnologia de São Paulo - IFSP Campus de Caraguatatuba.
FEAMIG – Faculdade de Engenharia de Minas Gerais
Prof. Geraldo Nunes Silva Estas notas de aula são Basedas no livro: “Hillier, F. S. e G. J. Lieberman. Introdução à Pesquisa Operacional, Campus, 3 a ed.,
Prof. Disney Douglas Sistemas de Equações Lineares e Operações Elementares.
Algoritmo de Transportes Objecto de Aprendizagem Manuel Pina MarquesDEIG
              Investigação Operacional Métodos de Programação Linear: Gráfica, Simplex (Mestrado) Engenharia Industrial
Pesquisa Operacional:
Como ir do tableau da base (j 1,...j s-1,j s, j s+1....j m ) para o da base (j 1,...j s-1,k, j s+1....j m ) lembrando que : na coluna associada à x ji.
Exemplos com Operadores matemáticos
Professor: Cezar Augusto Pereira dos Santos
AULA 6 Planejamento Experimental
DETERMINANTES.
SIMPLEX DUAL Bases complementares. Simplex dual O DLC tem matriz [A t –I n ] cuja inversa de base é de dimensão nxn Mas conhecendo uma base primal B=(j.
MATEMÁTICA E SUAS TECNOLOGIAS Ensino Médio, 2º Ano
Profª Juliana Schivani
O Método Simplex Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto.
Transcrição da apresentação:

PROFESSOR: CÉZAR AUGUSTO PEREIRA DOS SANTOS 1

 O valor ótimo da função objetivo ocorre em um ponto extremo da região viável;  Um ponto extremo é determinado pela intersecção de 2 equações (RETAS);  Os pontos extremos podem ser determinados pelo teorema básico da PL; 2

 Num sistema de “m” equações e “n” variáveis, onde n > m;  Solução na qual, no mínimo, m – n variáveis tem valor “zero” é um ponto extremo;  Tomando n – m variáveis como iguais a zero, a solução do sistema resultante para as “n” variáveis restantes será um ponto extremo – esta solução é chamada de “solução básica”; 3

 (1) Transformar desigualdades em equações através das variáveis de folga (falta ou excesso);  Inequações do tipo menor ou igual adiciono variáveis de folga;  Inequações do tipo maior ou igual subtraímos variáveis de folga; 4

 (2) Montagem do quadro simplex:  Cj: São os coeficientes da função objetivo;  Aij: os coeficientes das variáveis nas equações;  Bi: São os termos independentes ;  Todos estes valores são transferidos para o tableau; 5

 (3) Troca de Base: em cada iteração será determinada uma nova solução básica (outro ponto extremo);  Para isto é necessário realizar a troca de base; REGRA SIMPLEX 1:  A escolha da variável que entra na base depende dos valores de Cj – Zj; Para MAXIMIZAÇÃO: a variável selecionada será aquela que apresentar o maior valor de Cj – Zj; Se todos os valores de cj – zj são iguais a zero, a solução já é ótima; Para MINIMIZAÇÃO: a variável selecionada será aquela que apresentar o maior valor de Cj – Zj; Se todos os valores de cj – zj são iguais a zero, a solução já é ótima; 6

REGRA SIMPLEX 2:  A seleção da variável que deve deixar a base é feita pelo valor obtido pela divisão dos números da coluna solução (Bi) pelos coeficientes Aij na coluna da variável que entrar na base;  Selecione a linha com a menor razão (ignore as razões com denominador zero ou negativo);  A variável desta linha deve deixar a base; Esta regra é válida para maximização e minimização; 7

PIVOTEAMENTO:  A matriz identidade é completada usando as operações de linha para obter o coeficiente unitário na posição do elemento pivo, Aij, na linha que sai da base e coluna de entrada e coeficientes zeros nas demais posições da coluna pivô (coluna da variável que entrou na base);  Isto é feito por:  Primeira Operação de Linha:  Divido os termos da linha pivô (linha da variável que deixou a base) pelo elemento pivô e registro a nova linha no novo tableau; 8

 A nova linha é multiplicada a um número tal que somando ou subtraindo esta linha modificada a cada equação do tableau anterior obtenham-se zeros na coluna pivô;  Isto é feito para cada linha que não seja pivô e cada equação resultante é registrada no novo tableau;  Assim, obtemos a matriz dos coeficientes das variáveis básicas como matriz identidade;  Na coluna solução tem-se os valores das variáveis básicas, sendo as variáveis não básicas nulas (iguais a zero); 9

VERIFICAÇÃO ÓTIMA:  Na seqüência calculamos os novos coeficientes de  E depois disso os Cj – Zj para cada coluna; Para a maximização, se todos os valores Cj – Zj forem menores ou iguais a zero a solução será ótima; Se existir algum Cj – Zj maior ou igual repete-se o processo desde a troca de base; Para a minimização, se todos os valores Cj – Zj forem maiores ou iguais a zero a solução será ótima; 10