Baixe o app para aproveitar ainda mais
Prévia do material em texto
40 1 Prof. Ricardo Alexandre Deckmann Zanardini Ferramentas Matemáticas Aplicadas Aula 01 40 2 Conversa Inicial 40 3 Python: importante linguagem de programação Utilizada em análise de dados, machine learning, data science, big data e mais Utilização de bibliotecas existentes na resolução de problemas reais 40 4 Textos 40 5 © Microsoft 2019 40 6 © Microsoft 2019 40 7 © Microsoft 2019 40 8 © Microsoft 2019 40 9 © Microsoft 2019 40 10 © Microsoft 2019 40 11 © Microsoft 2019 40 12 © Microsoft 2019 40 13 # Título nível 1 ## Título nível 2 ### Título nível 3 #### Título nível 4 ##### Título nível 5 40 14 40 15 Variáveis 40 16 temperatura=32 print(temperatura) 40 17 TemperaturaInicial=25 TemperaturaFinal=28 print(TemperaturaInicial) print(TemperaturaFinal) 40 18 TemperaturaInicial,TemperaturaFinal=25,28 print(TemperaturaInicial) print(TemperaturaFinal) 40 19 TemperaturaInicial,TemperaturaFinal=25,28 print(TemperaturaInicial,TemperaturaFinal) 40 20 Adição e subtração 40 21 Sabemos que a margem de contribuição é o resultado que resta do preço de venda de um produto ou serviço depois da dedução de seus custos e de suas despesas variáveis 40 22 Uma fábrica de mesas de centro produz seus artigos a um custo unitário de R$ 122,30. Sabendo que uma mesa é vendida por R$ 283,90, determine a margem de contribuição de cada mesa 40 23 A margem de contribuição é igual a R$ 161,60. 40 24 PrecoDeVenda=283.90 CustoUnitario=122.30 PrecoDeVenda-CustoUnitario 40 25 PrecoDeVenda=283.90 CustoUnitario=122.30 MargemDeContribuicao=PrecoDeVenda-CustoUnitario print(MargemDeContribuicao) 40 26 Um furo tem um diâmetro de 40 mm e tolerância de -0,035 e + 0,042. Determine a dimensão mínima e a dimensão máxima desse furo 40 27 Diametro=40 a=-0.035 b=0.042 DiametroMinimo=Diametro+a DiametroMaximo=Diametro+b print('Diâmetro mínimo: ', DiametroMinimo) print('Diâmetro máximo: ', DiametroMaximo) 40 28 40 29 Diametro=40 a=-0.035 b=0.042 DiametroMinimo=Diametro+a DiametroMaximo=Diametro+b print('Diâmetro mínimo: %.2f' % DiametroMinimo) print('Diâmetro máximo: %.2f' % DiametroMaximo) 40 30 40 31 Multiplicação e divisão 40 32 Um automóvel custa R$ 39.900 à vista, mas será pago em 8 parcelas mensais iguais, sem juros. Qual o valor de cada parcela? 40 33 Supondo que 1 dólar corresponde a 4,08 reais, qual é o preço em reais de um aparelho celular que custa 499 dólares? 40 34 Na modalidade de juros simples, o cálculo da taxa de juros é feito pela fórmula i=(m- c)/(c.n) onde “i” é a taxa de juros simples, “c” é o capital, “m” é montante e “n” é o tempo. Se uma fatura no valor de R$ 5.387,76 foi paga com 23 dias de atraso totalizando R$ 5.612,89, qual foi a taxa diária de juros utilizada? 40 35 c=5387.76 m=5612.89 n=23 taxa=((m-c)/n/c)*100 print('A taxa é %.2f%%' % taxa) 40 36 Potenciação e radiciação 40 37 Calcule, por meio do Python, 64. 40 38 Calcule, por meio do Python, . Obs.: . 40 39 Na modalidade de juros compostos, o cálculo do valor futuro é feito pela fórmula vf=vp*(1+i)n, onde “vf” é o valor futuro, “vp” é o valor presente, “i” é a taxa de crescimento e “n” é o tempo. Qual o valor futuro de uma aplicação de R$ 12.300,00 feita por 10 meses a uma taxa de juros compostos de 2% ao mês? 40 40 c=12300.00 n=10 i=2/100 m=c*(1+i)**n print('O montante é R$ %.2f.' % m) 40 41 33 1 Prof. Ricardo Alexandre Deckmann Zanardini Ferramentas Matemáticas Aplicadas Aula 2 33 2 Conversa Inicial 33 3 Bibliotecas Python Matemática Simbólica Fatoração e Expansão Raízes e Equações Gráficos 33 4 Bibliotecas Python 33 5 33 6 33 7 Introdução à Matemática Simbólica 33 8 33 9 33 10 A relação entre o preço de venda x de um modelo de aparelho de telefone celular e o lucro y referente à comercialização desse aparelho é dada pela função y=-4x2+4000x-200000 Sendo assim, qual é o lucro quando o preço de venda de cada aparelho corresponde a R$ 480,00? 33 11 O lucro será de R$ 798.400,00, quando o preço unitário for igual a R$ 480,00 33 12 O custo y de produção de x motocicletas é dado pela função y=0,003x3-0,5x2-50x+5000 Determine o custo referente à produção de 1.100 motocicletas 33 13 O custo para a produção de 1.100 motocicletas corresponde a R$ 3.338.000,00 33 14 Em uma indústria, o custo c referente à produção diária de x unidades é de c(x)=x2+2x+300 Sabe-se que o nível de produção dessa indústria é de x(t)=20t unidades durante t horas de trabalho Expresse o custo de produção em função do tempo 33 15 A expressão “400*t**2+40*t+300” corresponde a “c=400t2+40t+300” 33 16 Fatoração e Expansão de Expressões 33 17 Fatorar x2+8x 33 18 Fatorar xy3+2x2y4 33 19 Fatorar 𝑥𝑥 2−5𝑥𝑥+6 𝑥𝑥−2 33 20 Expandir x(x+y) 33 21 Sabemos que o produto notável (a+b)2 pode ser interpretado geometricamente como a área de um quadrado de lados iguais a “a+b” Utilizando Python, escreva a forma expandida de (a+b)2 33 22 A forma expandida de (a+b)2 é igual a a2+2ab+b2 33 23 Utilizando Python, expanda a expressão (x+y)4 A forma expandida de (x+y)4 corresponde a x4+4x3y+6x2y2+4xy3+y4 33 24 Raízes e Equações 33 25 Uma empresa que fabrica antenas para TV digital vende cada unidade por R$ 186,00 O custo para a produção de cada unidade é de R$ 109,00 Os custos fixos totais correspondem a R$ 11.200,00 por mês Escreva a função receita e a função custo Determine também o ponto de equilíbrio 33 26 c=109x+11200 r=186x 33 27 33 28 Quais são as raízes da função y=-x3- 5x2+9x+11? 33 29 Gráficos 33 30 33 31 33 32 Uma empresa que fabrica antenas para TV digital vende cada unidade por R$ 186,00 O custo para a produção de cada unidade é de R$ 109,00, e os custos fixos totais correspondem a R$ 11.200,00 por mês Escreva a função receita e a função custo Faça o gráfico dessas funções em um mesmo sistema de eixos coordenados 33 33 33 34 Ferramentas Matemáticas Aplicadas – Ao Vivo 1. Quando estudamos desenho técnico, é comum pensarmos em tolerâncias relacionadas à construção de peças. Sendo assim, considere um furo que tem um diâmetro de 92 mm e tolerância de -0,118 e +0,193. Determine a dimensão mínima e a dimensão máxima deste furo. Resolução: Diametro=92 a=-0.118 b=0.193 DiametroMinimo=Diametro+a DiametroMaximo=Diametro+b print('Diâmetro mínimo: %.3f' % DiametroMinimo) print('Diâmetro máximo: %.3f' % DiametroMaximo) 2. Para a produção de suportes metálicos para notebooks, o custo unitário de produção é de R$ 39,00. O preço de venda de cada suporte corresponde a R$ 77,50. Sabendo que os custos fixos mensais correspondem a R$ 31.410,00, obtenha, utilizando a biblioteca sympy do Python, o ponto de equilíbrio. Resolução: from sympy import * C,R,x=symbols("C R x") R=77.50*x C=39*x+31410.00 xp=solve(Eq(R,C),x) yp=R.subs(x,xp[0]) print(xp[0]) print(yp) 3. Dada a função y=-5x3+12x2-3x+1, quais são as respectivas raízes? Resolução: import numpy as np c=[-5, 12, -3, 1] np.roots(c) 4. A tabela a seguir apresenta a quantidade de downloads de um aplicativo para celular nos meses de janeiro a maio. Mês Janeiro Fevereiro Março Abril Maio Downloads 34300 21010 28601 33011 33353 Por meio do Python, faça um gráfico de linha com círculos para cada mês relacionando a quantidade de downloads com cada um destes meses. Resolução: import matplotlib.pyplot as plt x=['Janeiro', 'Fevereiro', 'Março', 'Abril', 'Maio'] y=[34300, 21010, 28601, 33011, 33353] plt.plot(x,y) plt.plot(x,y,'r o') plt.title('Downloads de janeiro a maio') plt.xlabel('Mês') plt.ylabel('Downloads') plt.show() 5. Após a realização de um estudo, um investidor decidiu aplicar 38% em renda fixa, 28% em imóveis, 29% em renda variável e o restante em ativos de alto risco.Faça um gráfico de pizza que mostra as porcentagens referentes a cada um dos investimentos. Resolução: import matplotlib.pyplot as plt altorisco=100-38-28-29 x=[38, 28, 29, altorisco] inv=['Renda Fixa', 'Imóveis', 'Renda Variável', 'Ativos de Alto Risco'] cores=['r', 'm', 'y', 'g'] plt.axis('equal') plt.pie(x, labels=inv, colors=cores, shadow=True, autopct='%1.0f%%') plt.title('Carteira de Investimentos') plt.show() 6. Considere f(x)=12x5-10x4-8x+9. Calcule, por meio do Python, a derivada primeira desta função. Resolução: from sympy import * x,f=symbols("x f") init_printing() f=12*x**5-10*x**4-8*x+9 diff(f, x) 7. Considere f(x)=12x5-10x4-8x+9. Calcule, por meio do Python, a derivada segunda desta função. Resolução: from sympy import * x,f=symbols("x f") init_printing() f=12*x**5-10*x**4-8*x+9 diff(f, x, 2) 8. Calcule, por meio do Python, a integral indefinida da função f(x)=12x5-10x4-8x+9. Resolução: from sympy import * x,f=symbols("x f") init_printing() f=12*x**5-10*x**4-8*x+9 integrate(f, x) 9. Utilizando o Python, calcule a integral da função f(x)= 12x5-10x4-8x+9 no intervalo [0, 3]. Resolução: from sympy import * x,f=symbols("x f") init_printing() f=12*x**5-10*x**4-8*x+9 integrate(f, (x, 0, 3)) 10. Dados os números complexos z1=3+4j e z2=-5+9j, calcule z1+z2, z1.z2 e z1/z2. Resolução: z1=complex(3, 4) z2=complex(-5, 9) soma=z1+z2 produto=z1*z2 divisao=z1/z2 print(soma) print(produto) print(divisao) 11. Resolva, por meio do Python, o sistema linear jbjaj jbjaj 47)22()2( 311)4()26( . Resolução: import numpy as np A=np.array([[complex(6,2), complex(4,1)],[complex(2,-1), complex(2,2)]]) b=np.array([[complex(11,3)],[complex(7,4)]]) np.linalg.solve(A,b) 12. Na física é muito comum o estudo de movimentos parabólicos. Utilizando o Python, obtenha a função quadrática relacionada ao movimento parabólico de um projétil que foi lançado a partir do ponto de coordenadas (0, 1), passou pelo ponto de coordenadas (12, 9) e atingiu o solo no ponto de coordenadas (20, 0). Resolução: from scipy.interpolate import * x=[0, 12, 20] y=[1, 9, 0] f=lagrange(x,y) print(f) 66 1 Prof. Ricardo Alexandre Deckmann Zanardini Ferramentas Matemáticas Aplicadas Aula 4 66 2 Conversa Inicial 66 3 Derivadas Máximos e mínimos Otimização em 3D Integrais Áreas 66 4 Derivadas 66 5 Derivada: 𝑓𝑓𝑓(𝑥𝑥) = lim Δ𝑥𝑥→0 𝑓𝑓(𝑥𝑥+Δ𝑥𝑥)−𝑓𝑓(𝑥𝑥) Δ𝑥𝑥 66 6 Calcule, por meio do Python, a derivada primeira de cada uma das seguintes funções a) f(x)=-2x3-4x2+13x-1 Resolução from sympy import * x,f=symbols("x f") f=-2*x**3-4*x**2+13*x-1 diff(f, x) f’(x)=-6x2-8x+13 Exemplo 66 7 b) g(x)=2x+ln(x) Resolução from sympy import * x,g=symbols("x g") g=2*x+ln(x) diff(g, x) g’(x)=2+1/x 66 8 c) h(x)=sen(x) from sympy import * x,h=symbols("x h") h=sin(x) diff(h, x) h’(x)=cos(x) 66 9 d) r(x)=tg(x) from sympy import * x,r=symbols("x r") r=tan(x) diff(r, x) r’(x)=tan2(x)+1 66 10 e) q(x)=sen(x)cos(x) from sympy import * x,q=symbols("x q") q=sin(x)*cos(x) diff(q, x) q’(x)=-sen2(x)+cos2(x) 66 11 f) 𝑣𝑣(𝑥𝑥) = 𝑥𝑥2 − 5𝑥𝑥 from sympy import * x,v=symbols("x v") v=(x**2-5*x)**(1/2) diff(v, x) v’(x)=(x-2,5)(x2-5x)-0,5 𝑣𝑣𝑓(𝑥𝑥) = 𝑥𝑥−2,5 𝑥𝑥2−5𝑥𝑥 66 12 g) 𝑡𝑡(𝑥𝑥) = 3𝑥𝑥 2−4𝑥𝑥 2𝑥𝑥3+6 from sympy import * x,t=symbols("x t") t=(3*x**2-4*x)/(2*x**3+6) diff(t, x) t’(x)=-6x2(3x2-4x)/(2x3+6)2+ (6x-4)/(2x3+6) 66 13 Calcule, por meio do Python, a derivada segunda de cada uma das seguintes funções a) f(x)=-2x3-4x2+13x-1 Resolução from sympy import * x,f=symbols("x f") f=-2*x**3-4*x**2+13*x-1 diff(f, x, 2) f’’(x)=-4(3x+2)=-12x-8 Exemplo 66 14 b) g(x)=2x+ln(x) Resolução from sympy import * x,g=symbols("x g") g=2*x+ln(x) diff(g, x, 2) g’’(x)=-1/x2 66 15 c) h(x)=sen(x) from sympy import * x,h=symbols("x h") h=sin(x) diff(h, x, 2) h’(x)=-sen(x) 66 16 Máximos e Mínimos 66 17 A relação entre o preço de venda x de um modelo de aparelho de telefone celular e o lucro y referente à comercialização desse aparelho é dada pela função y=-4x2+4000x-200000 Sendo assim, qual é o preço de venda que maximiza o lucro? Qual é o lucro máximo? 66 18 from sympy import * x,y = symbols("x y") y=-4*x**2+4000*x-200000 df=diff(y, x) d2f=diff(y, x, 2) p=solve(Eq(df,0)) l=y.subs(x, p[0]) ds=d2f.subs(x, p[0]) print('Preço ótimo: ',p[0]) print('Lucro máximo: ',l) print('Derivada segunda: ',ds) 66 19 O custo c referente à produção diária de x unidades de certo item corresponde a c(x)=x2-20x+300 Qual é o nível de produção que minimiza o custo? Faça o gráfico 66 20 from sympy import * x,c = symbols("x c") c=x**2-20*x+300 df=diff(c, x) d2f=diff(c, x, 2) p=solve(Eq(df,0)) ds=d2f.subs(x, p[0]) print('Produção ótima: ',p[0]) print('Derivada segunda: ',ds) 66 21 import matplotlib.pyplot as plt import numpy as np x=np.linspace(0,25,100) c=x**2-20*x+300 plt.plot(x, c) plt.show() 66 22 Uma indústria de carne congelada realizou um estudo e chegou à conclusão de que o lucro mensal L(x) é dado em função do preço x do quilo da carne congelada, e essa relação é descrita pela função L(x)=-120x2+4800x Determine para quais valores de x o lucro mensal é máximo 66 23 from sympy import * x,L = symbols("x L") L=-120*x**2+4800*x df=diff(L, x) d2f=diff(L, x, 2) p=solve(Eq(df,0)) ds=d2f.subs(x, p[0]) print('Preço ótimo: ',p[0]) print('Derivada segunda: ',ds) 66 24 A função f(x)=-0,04185x4+2,52027x3- 54,81718x2+509,27586x-1624,86959 descreve a variação do consumo de lanches em uma praça de alimentação de um centro comercial onde x é o horário, das 12 às 22 horas, e f(x) é o respectivo consumo em unidades vendidas Em que horário o consumo foi máximo? Em qual horário o consumo foi mínimo? Faça o gráfico 66 25 from sympy import * x,f = symbols("x f") f=-0.04185*x**4+2.52027*x**3- 54.81718*x**2+509.27586*x-1624.86959 df=diff(f, x) d2f=diff(f, x, 2) p=solve(Eq(df,0)) print(p) print('Mínimo: ',p[1]) print('Máximo: ',p[2]) 66 26 66 27 import matplotlib.pyplot as plt import numpy as np x=np.linspace (12,22,100) f=-0.04185*x** 4+2.52027*x**3- 54.81718*x**2+509.2 7586*x-1624.86959 plt.plot(x, f) plt.show() 66 28 Um objeto desloca-se em linha reta, e a relação entre a distância considerada em metros do objeto à origem e o tempo em segundos é dada por s=2t2+3t Sabendo que a velocidade corresponde à derivada de s em relação a t, determine a velocidade do objeto quando t=2 segundos 66 29 from sympy import * s,t = symbols("s t") s=2*t**2+3*t ds=diff(s, t) v=s.subs(ds, 2) print('Velocidade: %.2f m/s ' % v) 66 30 Otimização em 3D 66 31 Dada a função f(x,y)=x2+y2, faça o gráfico e em seguida obtenha e classifique os pontos críticos 66 32 import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D import numpy as np xx=np.linspace(-5,5,100) yy=np.linspace(-5,5,100) x,y=np.meshgrid(xx,yy) z=x**2+y**2 fig=plt.figure() ax=plt.axes(projection='3d') ax.plot_surface(x,y,z) 66 33 from sympy import * x,y,f = symbols("x y f") f=x**2+y**2 fx=diff(f, x) fy=diff(f, y) fxx=diff(f, x, 2) fyy=diff(f, y, 2) fxy=diff(fx,y) fyx=diff(fy,x) 66 34 px=solve(Eq(fx,0)) py=solve(Eq(fy,0)) fxxp=fxx.subs({x:px[0], y:py[0]}) fyyp=fyy.subs({x:px[0], y:py[0]}) fxyp=fxy.subs({x:px[0], y:py[0]}) fyxp=fyx.subs({x:px[0], y:py[0]}) D=fxxp*fyyp-fxyp*fyxp print('Solução: (%.2f, %.2f)' % (px[0], py[0])) print('Determinante: ',D) print('Derivada segunda em relação a x: ',fxxp) 66 35 66 36 Considerando a função f(x,y)=(1-x2)2+100(y-x2)2, faça o gráfico e em seguida determine e classifique os pontos críticos 66 37 import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D import numpy as np xx=np.linspace(-5,5,100) yy=np.linspace(-5,5,100) x,y=np.meshgrid(xx,yy) f=(1-x**2)**2+100*(y- x**2)**2 fig=plt.figure() ax=plt.axes(projection='3d')ax.plot_surface(x,y,f) 66 38 from sympy import * x,y,f = symbols("x y f") f=(1-x)**2+2*(3-y)**2 fx=diff(f, x) fy=diff(f, y) fxx=diff(f, x, 2) fyy=diff(f, y, 2) fxy=diff(fx,y) fyx=diff(fy,x) 66 39 px=solve(Eq(fx,0)) py=solve(Eq(fy,0)) fxxp=fxx.subs({x:px[0], y:py[0]}) fyyp=fyy.subs({x:px[0], y:py[0]}) fxyp=fxy.subs({x:px[0], y:py[0]}) fyxp=fyx.subs({x:px[0], y:py[0]}) D=fxxp*fyyp-fxyp*fyxp print('Solução: (%.2f, %.2f)' % (px[0], py[0])) print('Determinante: ',D) print('Derivada segunda em relação a x: ',fxxp) 66 40 66 41 Integrais 66 42 Calcule, por meio do Python, se possível, a integral indefinida de cada uma das seguintes funções a) f(x)=-2x3-4x2+13x-1 Resolução from sympy import * x,f=symbols("x f") f=-2*x**3-4*x**2+13*x-1 integrate(f, x) F(x)=-x4/4-4x3/3+13x2/2-x+C Exemplo 66 43 b) g(x)=2x+ln(x) Resolução from sympy import * x,g=symbols("x g") g=2*x+ln(x) integrate(g, x) G(x)=x2+x.log(x)-x+C 66 44 c) h(x)=sen(x) from sympy import * x,h=symbols("x h") h=sin(x) integrate(h, x) H(x)=-cos(x)+C 66 45 d) r(x)=tg(x) from sympy import * x,r=symbols("x r") r=tan(x) integrate(r, x) R(x)=-log(cos(x))+C 66 46 e) q(x)=sen(x)cos(x) from sympy import * x,q=symbols("x q") q=sin(x)*cos(x) integrate(q, x) Q(x)=sen2(x)/2 66 47 f) 𝑣𝑣(𝑥𝑥) = 𝑥𝑥2 − 5𝑥𝑥 from sympy import * x,v=symbols("x v") v=(x**2-5*x)**(1/2) integrate(v, x) V(x)=Integral((x**2-5*x)**0.5,x) 66 48 g) 𝑡𝑡(𝑥𝑥) = 3𝑥𝑥 2−4𝑥𝑥 2𝑥𝑥3+6 from sympy import * x,t=symbols("x t") t=(3*x**2-4*x)/(2*x**3+6) integrate(t, x) T(x)=-6x2(3x2-4x)/(2x3+6)2+ (6x-4)/(2x3+6) 66 49 Utilizando o Python, calcule a integral definida da função f(x)=-2x3-4x2+13x-1 no intervalo [1, 2] 66 50 from sympy import * x,f=symbols("x f") f=-2*x**3-4*x**2+13*x-1 integrate(f, (x, 1, 2)) 5/3 66 51 Áreas 66 52 Seja a função f(x)=x2 Obtenha a área entre o gráfico de f e o eixo x no intervalo [0, 2] Faça o gráfico 66 53 from sympy import * x,f=symbols("x f") f=x**2 integrate(f, (x, 0, 2)) 8/3 66 54 import matplotlib.pyplot as plt import numpy as np import sympy as sy x=np.linspace(-1,3,1000) f=x**2 plt.plot(x,f,color='blue') plt.axhline(color='blue') plt.fill_between(x, f, where=[(x>0) and (x<2) for x in x],color='green') 66 55 Qual é a área abaixo da curva y=x3, de x=1 a x=3? 66 56 import matplotlib.pyplot as plt from sympy import * import numpy as np x,f=symbols("x f") f=x**3 A=integrate(f, (x, 1, 3)) 66 57 x=np.linspace(0.5,3.5,1000) f=x**3 plt.plot(x,f,color='blue') plt.axhline(color='blue') plt.fill_between(x, f, where=[(x>1) and (x<3) for x in x],color='magenta') print('Área:', A) 66 58 66 59 Calcule a área limitada pelo gráfico da função y=-x2+4x+1 e pelo eixo x 66 60 import matplotlib.pyplot as plt from sympy import * import numpy as np x,f=symbols("x f") f=-x**2+4*x+1 coeff=[-1, 4, 1] r=np.roots(coeff) A=integrate(f, (x, min(r), max(r))) 66 61 x=np.linspace(min(r)- 0.5,max(r)+0.5,1000) f=-x**2+4*x+1 plt.plot(x,f,color='blue’) plt.axhline(color='blue’) plt.fill_between(x, f, where=[(x>min(r)) and (x<max(r)) for x in x],color='yellow’) print('Área:', A) 66 62 66 63 Calcule a área limitada pelos gráficos das funções y=2x e y=1/x, com x variando de 1 a 4 66 64 import matplotlib.pyplot as plt from sympy import * import numpy as np x,f,g=symbols("x f g") f=2*x g=1/x A=integrate((f-g), (x, 1, 4)) 66 65 x=np.linspace(0.5,4.5,1000) f=2*x g=1/x plt.plot(x,f,color='blue’) plt.plot(x,g,color='red’) plt.axhline(color='black’) plt.fill_between(x, f, g, where=[(x>1) and (x<4) for x in x],color='magenta’) print('Área:', A) 66 66 66 67 50 1 Prof. Ricardo Alexandre Deckmann Zanardini Ferramentas Matemáticas Aplicadas Aula 5 50 2 Conversa Inicial 50 3 Nesta aula: Vetores e matrizes Sistemas lineares Funções trigonométricas Números complexos Sistemas lineares com números complexos 50 4 Vetores e Matrizes 50 5 A tabela a seguir apresenta os preços e os lucros, em dólares, referentes a três mercadorias importadas: Escreva os valores em uma tabela e, sabendo que 1 dólar corresponde a 4,10 reais, obtenha os respectivos valores em reais Item Preço de custo Lucro unitário Caixa de som $ 5.90 $ 7.10 Carregador $ 2.38 $ 2.52 Pen drive $ 2.90 $ 2.00 50 6 import numpy as np A=np.array([[5.90, 7.10],[2.38, 2.52],[2.90, 2.00]]) B=4.10*A print(B) 50 7 import numpy as np A=np.array([[5.90, 7.10],[2.38, 2.52],[2.90, 2.00]]) B=4.10*A print(B) 50 8 Dados os vetores u=(3, -5, 2) e v=(4, 6, 3), calcule u.v e uXv 50 9 import numpy as np u=np.array([[3, -5, 2]]) v=np.array([[4, 6, 3]]) uv=np.inner(u,v) uXv=np.cross(u,v) print(uv) print(uXv) 50 10 50 11 Sistemas Lineares 50 12 Resolva o sistema linear: 50 13 import numpy as np A=np.array([[4, 2, -1],[3, 3, 2],[0, 5, 2]]) b=np.array([[7],[20],[-1]]) x=np.linalg.solve(A,b) print(x) 50 14 50 15 Resolva o sistema linear: 50 16 import numpy as np A=np.array([[1, 3, 4],[2, -1, 1],[-4, 2, -2]]) b=np.array([[18],[10],[-7]]) x=np.linalg.solve(A,b) print(x) 50 17 50 18 Em uma transportadora, 10 pallets com 12 caixas cada pesam 844 quilos. Nas mesmas condições, 8 pallets com 10 caixas cada um deles pesam 576 quilos. Qual é o peso de cada pallet e qual é o peso de cada caixa? 50 19 O sistema linear associado é: import numpy as np A=np.array([[10, 120],[8, 80]]) b=np.array([[844],[576]]) x=np.linalg.solve(A,b) print(x) 50 20 50 21 Funções Trigonométricas 50 22 Qual é o seno de 57°? 50 23 import numpy as np arco=np.deg2rad(57) np.sin(arco) 50 24 import numpy as np arco=np.deg2rad(57) np.sin(arco) 50 25 Qual é o ângulo cujo cosseno é igual a 0,7? 50 26 import numpy as np angulo=np.arccos(0.7) np.rad2deg(angulo) 50 27 import numpy as np angulo=np.arccos(0.7) np.rad2deg(angulo) 50 28 Números Complexos 50 29 Números complexos: 50 30 Número complexo na forma algébrica: z=a+bi a=parte real: a=Re(z) b=parte imaginária: b=Im(z) 50 31 Exemplos: a) z=2+7i Re(z)=2 Im(z)=7 b) z=4i Re(z)=0 Im(z)=4 50 32 50 33 50 34 50 35 Escreva o número complexo z=3+5j utilizando o Python 50 36 z=complex(3, 5) print(z) 50 37 z=complex(3, 5) print(z) 50 38 Obtenha o módulo do número complexo z=3+5j 50 39 z=complex(3, 5) abs(z) 50 40 z=complex(3, 5) abs(z) 50 41 Dados os números complexos z1=3+5j e z2=7-3j, calcule z1+z2, z1.z2 e z1/z2 50 42 z1=complex(3, 5) z2=complex(7, -3) soma=z1+z2 produto=z1*z2 divisao=z1/z2 print(soma) print(produto) print(divisao) 50 43 50 44 Sistemas Lineares com Números Complexos 50 45 Resolva o sistema: 50 46 import numpy as np A=np.array([[complex(2,1), complex(5,- 1)],[complex(5,-1), complex(7,4)]]) b=np.array([[complex(3,8)],[complex(2,5)]]) np.linalg.solve(A,b) 50 47 a=1,81+0,02j b=-0,35+1,16j 50 48 Resolva o sistema: 50 49 import numpy as np A=np.array([[complex(3,2), complex(-2,- 6)],[complex(-2,-6), complex(10,1)]]) x1=np.cos(np.deg2rad(0)) y1=np.sin(np.deg2rad(0)) x2=np.cos(np.deg2rad(30)) y2=np.sin(np.deg2rad(30)) b=np.array([[70*complex(x1,y1)],[110*complex( x2,y2)]]) np.linalg.solve(A,b) 50 50 a=9,13+12,68j b=5,05+13,01j 50 51 50 1 Prof. Ricardo Alexandre Deckmann Zanardini Ferramentas Matemáticas Aplicadas Aula 6 50 2 Conversa Inicial 50 3 Regressão linear Interpolação Séries de Fourier Formulação de problemas de programação linear Resolução de problemas de programação linear 50 4 Regressão linear 50 5 Em uma indústria, a produção nos quatro primeiros meses do ano foi, respectivamente, 5000, 5300, 5200 e 5500 unidades. Obtenha a reta de regressão, o coeficiente de correlação e faça o gráfico contendo os dados originais e a reta de regressão 50 6 import numpy as np import matplotlib.pyplot as plt from scipy import stats x=np.array([1, 2, 3, 4]) y=np.array([5000,5300, 5200, 5500]) a,b,correlacao,p,erro=stats.linregress(x,y) print('Reta de regressão: y=%.2fx+%.2f'% (a,b)) print('Coeficiente de correlação: r=%.2f'% correlacao) 50 7 plt.plot(x, y, 'o', label='Dados originais') f=a*x+b plt.plot(x, f, 'r', label='Reta de regressão') plt.ylim(4900, 5600) plt.legend() plt.show() 50 8 50 9 Reta de regressão: y=140.00x+4900.00 Coeficiente de correlação: r=0.87 Dados originais Reta de regressão 50 10 Interpolação 50 11 Muitas estruturas de construções são baseadas em uma parábola. Obtenha graficamente, por meio do Python, a parábola relacionada à estrutura de uma ponte que tem 20 metros de comprimento e 7 metros de altura 50 12 import numpy as np import matplotlib.pyplot as plt from scipy.interpolate import * x=[0, 10, 20] y=[0, 7, 0] f=interp1d(x,y,kind='quadratic') xi=np.linspace(1,20,100) yi=f(xi) plt.plot(x,y,'o') plt.plot(xi,yi) plt.show() 50 13 50 14 Muitas estruturas de construções são baseadas em uma parábola. Obtenha a equação da parábola relacionada à estrutura de uma ponte que tem 20 metros de comprimento e 7 metros de altura 50 15 from scipy.interpolate import * x=[0, 10, 20] y=[0, 7, 0] f=lagrange(x,y) print(f) 50 16 y=-0,07x2+1,4x 50 17 Uma empresa fez uma ilustração de uma garrafa e precisa obter uma boa estimativa para o seu volume. Para isso, precisa da função que interpola os pontos C, D, E, F, G, H e I. Obtenha o respectivo polinômio interpolador 50 18 from scipy.interpolate import * x=[4.6, 15.45, 17.72, 10.65, 1.73, 7.69, 0.45] y=[5.97, 2.11, 2.37, 3.74, 4.94, 5.37, 3.27] f=lagrange(x,y) print(f) 50 19 y=-0,000009056x6+0,0004847x5- 0,009883x4+0,1024x3-0,6495x2+2,377x+2,323 50 20 Séries de Fourier 50 21 Obtenha, por meio de série de Fourier, aproximações para a função y=x utilizando 2, 3 e 4 termos da série. Faça os respectivos gráficos 50 22 from sympy import * x,f=symbols("x f") init_printing() f=x s=fourier_series(f, (x, -pi, pi)) s.truncate(2) 50 23 50 24 import matplotlib.pyplot as plt import numpy as np x=np.linspace(-np.pi, np.pi, 100) f=x y=2*np.sin(x)-np.sin(2*x) plt.plot(x,y,x,f) plt.legend(['Aproximação por Fourier', 'Função original'], loc=2) plt.show() 50 25 50 26 from sympy import * x,f=symbols("x f") init_printing() f=x s=fourier_series(f, (x, -pi, pi)) s.truncate(3) 50 27 50 28 import matplotlib.pyplot as plt import numpy as np x=np.linspace(-np.pi, np.pi, 100) f=x y=2*np.sin(x)-np.sin(2*x)+2*np.sin(3*x)/3 plt.plot(x,y,x,f) plt.legend(['Aproximação por Fourier', 'Função original'], loc=2) plt.show() 50 29 50 30 from sympy import * x,f=symbols("x f") init_printing() f=x s=fourier_series(f, (x, -pi, pi)) s.truncate(4) 50 31 50 32 import matplotlib.pyplot as plt import numpy as np x=np.linspace(-np.pi, np.pi, 100) f=x y=2*np.sin(x)-np.sin(2*x)+2*np.sin(3*x)/3- np.sin(4*x)/2 plt.plot(x,y,x,f) plt.legend(['Aproximação por Fourier', 'Função original'], loc=2) plt.show() 50 33 50 34 Formulação de problemas de programação linear 50 35 Uma importadora pretende comprar pen drives, caixas de som e carregadores para celular. Essa importadora tem 30 mil dólares e pretende decidir quantas unidades de cada um desses itens irá adquirir de modo a maximizar o lucro referente à posterior venda dessas mercadorias 50 36 As informações relacionadas a cada um dos itens são Resolva o problema como um problema de programação linear Item Preço de custo Lucro unitário Quantidade mínima Quantidade máxima Caixa de som $ 5.90 $ 7.10 50 200 Carregador $ 2.38 $ 2.52 200 Pen drive $ 2.90 $ 2.00 100 50 37 Variáveis x1=quantidade de caixas de som x2=quantidade de carregadores para celular x3=quantidade de pen drives 50 38 Função objetivo max L=7.10x1+2.52x2+2.00x3 Item Preço de custo Lucro unitário Quantidade mínima Quantidade máxima Caixa de som $ 5.90 $ 7.10 50 200 Carregador $ 2.38 $ 2.52 200 Pen drive $ 2.90 $ 2.00 100 50 39 Restrições 5.90x1+2.38x2+2.90x3<=30000 x1>=50 x1<=200 x2>=200 x3>=100 Item Preço de custo Lucro unitário Quantidade mínima Quantidade máxima Caixa de som $ 5.90 $ 7.10 50 200 Carregador $ 2.38 $ 2.52 200 Pen drive $ 2.90 $ 2.00 100 50 40 Formulação max L=7.10x1+2.52x2+2.00x3 5.90x1+2.38x2+2.90x3<=30000 x1>=50 x1<=200 x2>=200 x3>=100 50 41 Resolução de problemas de programação linear 50 42 Uma importadora pretende comprar pen drives, caixas de som e carregadores para celular. Essa importadora tem 30 mil dólares e pretende decidir quantas unidades de cada um desses itens irá adquirir de modo a maximizar o lucro referente à posterior venda dessas mercadorias 50 43 As informações relacionadas a cada um dos itens são Resolva o problema como um problema de programação linear Item Preço de custo Lucro unitário Quantidade mínima Quantidade máxima Caixa de som $ 5.90 $ 7.10 50 200 Carregador $ 2.38 $ 2.52 200 Pen drive $ 2.90 $ 2.00 100 50 44 Formulação: max L=7.10x1+2.52x2+2.00x3 5.90x1+2.38x2+2.90x3<=30000 x1>=50 x1<=200 x2>=200 x3>=100 50 45 import sys !{sys.executable} -m pip install pulp 50 46 from pulp import * prob=LpProblem('Exemplo1',LpMaximize) x1=LpVariable("Caixa de som",0) x2=LpVariable("Carregador",0) x3=LpVariable("Pen drive",0) 50 47 prob += 7.1*x1 + 2.52*x2 + 2*x3 prob += 5.9*x1 + 2.38*x2 + 2.9*x3 <= 30000 prob += x1 >= 50 prob += x1 <= 200 prob += x2 >= 200 prob += x3 >= 100 50 48 prob.solve() for v in prob.variables(): print(v.name, "=", v.varValue) print("Lucro máximo = ", value(prob.objective)) 50 49 50 50 Caixas de som: 200 unidades Carregadores para celular: 11.987 unidades Pen drives: 100 unidades Lucro máximo: $ 31,828.23 50 51 FERRAMENTAS MATEMÁTICAS APLICADAS - AUA 1 Ferramentas Matemáticas Aplicadas Conversa Inicial Número do slide 3 Textos Número do slide 5 Número do slide 6 Número do slide 7 Número do slide 8 Número do slide 9 Número do slide 10 Número do slide 11 Número do slide 12 Número do slide 13 Número do slide 14 Variáveis Número do slide 16 Número do slide 17 Número do slide 18 Número do slide 19 Adição e subtração Número do slide 21 Número do slide 22 Número do slide 23 Número do slide 24 Número do slide 25 Número do slide 26 Número do slide 27 Número do slide 28 Número do slide 29 Número do slide 30 Multiplicação e divisão Número do slide 32 Número do slide 33 Número do slide 34 Número do slide 35 Potenciação e radiciação Número do slide 37 Número do slide 38 Número do slide 39 Número do slide 40 Número do slide 41 FERRAMENTAS MATEMÁTICAS APLICADAS - AULA 2 Ferramentas Matemáticas Aplicadas Conversa Inicial Número do slide 3 Bibliotecas Python Número do slide 5 Número do slide 6 Introdução à Matemática Simbólica Número do slide 8 Número do slide 9 Número do slide 10 Número do slide 11 Número do slide 12 Número do slide 13 Número do slide 14 Número do slide 15 Fatoração e Expansão de Expressões Número do slide 17 Número do slide 18 Número do slide 19 Número do slide 20 Número do slide 21 Número do slide 22 Número do slide 23 Raízes e Equações Número do slide 25 Número do slide 26 Número do slide 27 Número do slide 28 Gráficos Número do slide 30 Número do slide 31 Número do slide 32 Número do slide 33 Número do slide 34 FERRAMENTAS MATEMÁTICAS APLICADAS - AULA 3 FERRAMENTAS MATEMÁTICAS APLICADAS - AULA 4 Ferramentas Matemáticas Aplicadas Conversa Inicial Número do slide 3 Derivadas Número do slide 5 Exemplo Número do slide 7 Número do slide 8 Número do slide 9 Número do slide 10 Número do slide 11 Número do slide 12 Exemplo Número do slide 14 Número do slide 15 Máximos e Mínimos Número do slide 17 Número do slide 18 Número do slide 19 Número do slide 20 Número do slide 21 Número do slide 22 Número do slide 23 Número do slide 24 Número do slide 25 Número do slide 26 Númerodo slide 27 Número do slide 28 Número do slide 29 Otimização em 3D Número do slide 31 Número do slide 32 Número do slide 33 Número do slide 34 Número do slide 35 Número do slide 36 Número do slide 37 Número do slide 38 Número do slide 39 Número do slide 40 Integrais Exemplo Número do slide 43 Número do slide 44 Número do slide 45 Número do slide 46 Número do slide 47 Número do slide 48 Número do slide 49 Número do slide 50 Áreas Número do slide 52 Número do slide 53 Número do slide 54 Número do slide 55 Número do slide 56 Número do slide 57 Número do slide 58 Número do slide 59 Número do slide 60 Número do slide 61 Número do slide 62 Número do slide 63 Número do slide 64 Número do slide 65 Número do slide 66 Número do slide 67 FERRAMENTAS MATEMÁTICAS APLICADAS - AULA 5 Ferramentas Matemáticas Aplicadas Conversa Inicial Número do slide 3 Vetores e Matrizes Número do slide 5 Número do slide 6 Número do slide 7 Número do slide 8 Número do slide 9 Número do slide 10 Sistemas Lineares Número do slide 12 Número do slide 13 Número do slide 14 Número do slide 15 Número do slide 16 Número do slide 17 Número do slide 18 Número do slide 19 Número do slide 20 Funções Trigonométricas Número do slide 22 Número do slide 23 Número do slide 24 Número do slide 25 Número do slide 26 Número do slide 27 Números Complexos Número do slide 29 Número do slide 30 Número do slide 31 Número do slide 32 Número do slide 33 Número do slide 34 Número do slide 35 Número do slide 36 Número do slide 37 Número do slide 38 Número do slide 39 Número do slide 40 Número do slide 41 Número do slide 42 Número do slide 43 Sistemas Lineares com�Números Complexos Número do slide 45 Número do slide 46 Número do slide 47 Número do slide 48 Número do slide 49 Número do slide 50 Número do slide 51 FERRAMENTAS MATEMÁTICAS APLICADAS - AULA 6 Ferramentas Matemáticas Aplicadas Conversa Inicial Número do slide 3 Regressão linear Número do slide 5 Número do slide 6 Número do slide 7 Número do slide 8 Número do slide 9 Interpolação Número do slide 11 Número do slide 12 Número do slide 13 Número do slide 14 Número do slide 15 Número do slide 16 Número do slide 17 Número do slide 18 Número do slide 19 Séries de Fourier Número do slide 21 Número do slide 22 Número do slide 23 Número do slide 24 Número do slide 25 Número do slide 26 Número do slide 27 Número do slide 28 Número do slide 29 Número do slide 30 Número do slide 31 Número do slide 32 Número do slide 33 Formulação de problemas de programação linear Número do slide 35 Número do slide 36 Número do slide 37 Número do slide 38 Número do slide 39 Número do slide 40 Resolução de problemas de programação linear Número do slide 42 Número do slide 43 Número do slide 44 Número do slide 45 Número do slide 46 Número do slide 47 Número do slide 48 Número do slide 49 Número do slide 50 Número do slide 51
Compartilhar