Logo Passei Direto
Buscar
Material
páginas com resultados encontrados.
páginas com resultados encontrados.

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Prévia do material em texto

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 
𝑥2−5𝑥+6
𝑥−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
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
45
1
Prof. Ricardo Alexandre Deckmann Zanardini
Ferramentas Matemáticas Aplicadas
Aula 3
45
2
Conversa Inicial
45
3
Gráficos de linha
Gráficos de barras
Gráficos de pizza
Figuras geométricas
Gráficos tridimensionais
45
4
Gráficos de Linha
45
5
A tabela a seguir apresenta os níveis de 
produção de pares de um determinado 
modelo de calçado nos meses de março
a julho
Por meio do Python, faça um gráfico 
relacionando os níveis de produção
com cada um desses meses
Mês Março Abril Maio Junho Julho
Produção 35.000 29.000 27.000 32.000 33.000
Elaborado pelo autor: Ricardo A. D. Zanardini
45
6
import matplotlib.pyplot as plt
x=['Março', 'Abril', 'Maio', 'Junho', 'Julho']
y=[35000, 29000, 27000, 32000, 33000]
plt.plot(x,y)
plt.show()
Elaborado pelo autor: Ricardo A. D. Zanardini
45
7
import matplotlib.pyplot as plt
x=['Março', 'Abril', 'Maio', 'Junho', 'Julho']
y=[35000, 29000, 27000, 32000, 33000]
plt.plot(x,y)
plt.ylim(0, 40000)
plt.show()
Elaborado pelo autor: Ricardo A. D. Zanardini
45
8
import matplotlib.pyplot as plt
x=['Março', 'Abril', 'Maio', 'Junho', 'Julho']
y=[35000, 29000, 27000, 32000, 33000]
plt.plot(x,y)
plt.ylim(0, 40000)
plt.title('Produção
de março a julho')
plt.xlabel('Mês')
plt.ylabel('Produção')
plt.show()
Elaborado pelo autor: Ricardo A. D. Zanardini
45
9
import matplotlib.pyplot as plt
x=['Março', 'Abril', 'Maio', 'Junho', 'Julho']
y=[35000, 29000, 27000, 32000, 33000]
plt.plot(x,y,'r o')
plt.ylim(0, 40000)
plt.title('Produção
de março a julho')
plt.xlabel('Mês')
plt.ylabel('Produção')
plt.show()
Elaborado pelo autor: Ricardo A. D. Zanardini
45
10
import matplotlib.pyplot as plt
x=['Março', 'Abril', 'Maio', 'Junho', 'Julho']
y=[35000,29000, 27000, 32000, 33000]
plt.plot(x,y)
plt.plot(x,y,'r o’)
plt.ylim(0, 40000)
plt.title('Produção
de março a julho')
plt.xlabel('Mês')
plt.ylabel('Produção')
plt.show() Elaborado pelo autor: Ricardo A. D. Zanardini
45
11
import matplotlib.pyplot as plt
x=['Março', 'Abril', 'Maio', 'Junho', 'Julho']
y=[35000, 29000, 27000, 32000, 33000]
plt.plot(x,y,'r‘, linewidth=3)
plt.ylim(0, 40000)
plt.title('Produção
de março a julho')
plt.xlabel('Mês')
plt.ylabel('Produção')
plt.show()
Elaborado pelo autor: Ricardo A. D. Zanardini
45
12
Exercício:
Faça um gráfico de linha referente às 
seguintes demandas diárias de uma 
panificadora:
Dia Segunda Terça Quarta Quinta Sexta
Demanda de pães (kg) 174 197 204 233 252
Elaborado pelo autor: Ricardo A. D. Zanardini Elaborado pelo autor com Ferramenta Tabela
45
13
import matplotlib.pyplot as plt
x=['Segunda', 'Terça', 'Quarta', 'Quinta', 'Sexta']
y=[174, 197, 204, 233, 252]
plt.plot(x,y)
plt.ylim(0, 260)
plt.title
('Demandas diárias')
plt.xlabel('Dia')
plt.ylabel('Demanda')
plt.show()
Elaborado pelo autor: Ricardo A. D. Zanardini
45
14
Gráficos de Barras
45
15
A tabela a seguir apresenta os níveis de 
produção de pares de um determinado 
modelo de calçado nos meses de março a 
julho
Por meio do Python, faça um gráfico de 
barras relacionando os níveis de produção 
com cada um desses meses
Mês Março Abril Maio Junho Julho
Produção 35.000 29.000 27.000 32.000 33.000
Elaborado pelo autor: Ricardo A. D. Zanardini
45
16
import matplotlib.pyplot as plt
x=['Março', 'Abril', 'Maio', 'Junho', 'Julho']
y=[35000, 29000, 27000, 32000, 33000]
plt.bar(x,y)
plt.title('Produção
de março a julho')
plt.xlabel('Mês')
plt.ylabel('Produção')
plt.show()
Elaborado pelo autor: Ricardo A. D. Zanardini
45
17
import matplotlib.pyplot as plt
x=['Março', 'Abril', 'Maio', 'Junho', 'Julho']
y=[35000, 29000, 27000, 32000, 33000]
largura=0.5
plt.bar(x,y,largura)
plt.title('Produção
de março a julho')
plt.xlabel('Mês')
plt.ylabel('Produção')
plt.show()
Elaborado pelo autor: Ricardo A. D. Zanardini
45
18
import matplotlib.pyplot as plt
x=['Março', 'Abril', 'Maio', 'Junho', 'Julho']
y=[35000, 29000, 27000, 32000, 33000]
largura=0.5
plt.barh(x,y,largura)
plt.title('Produção
de março a julho')
plt.xlabel('Produção')
plt.ylabel('Mês')
plt.show()
Elaborado pelo autor: Ricardo A. D. Zanardini
45
19
A tabela a seguir apresenta os níveis de 
produção de dois modelos de pares de 
calçados nos meses de março a julho
Por meio do Python, faça um gráfico de 
barras relacionando os níveis de produção 
com cada um desses meses
Mês Março Abril Maio Junho Julho
Produção 1 35.000 29.000 27.000 32.000 33.000
Produção 2 34.000 33.000 25.000 37.000 27.000
Elaborado pelo autor: Ricardo A. D. Zanardini
45
20
import matplotlib.pyplot as plt
import numpy as np
Mes=['Março', 'Abril', 'Maio', 'Junho', 'Julho’]
x=np.arange(5)
y1=[35000, 29000, 27000, 32000, 33000]
y2=[34000, 33000, 25000, 37000, 27000]
largura=0.3
plt.bar(x, y1, largura, color='r')
45
21
plt.bar(x+largura, y2, largura, color='c')
plt.xticks(x, mes)
plt.title('Produção de março a julho')
plt.xlabel('Mês')
plt.ylabel('Produção')
plt.legend(['Prod 1', 'Prod 2'], loc=1)
plt.show()
45
22
Elaborado pelo autor: Ricardo A. D. Zanardini
45
23
Exercício:
Faça um gráfico de barras referente às 
seguintes demandas diárias de uma 
panificadora:
Dia Segunda Terça Quarta Quinta Sexta
Demanda de pães (kg) 174 197 204 233 252
Elaborado pelo autor: Ricardo A. D. Zanardini Elaborado pelo autor com Ferramenta Tabela
45
24
import matplotlib.pyplot as plt
x=['Segunda', 'Terça', 'Quarta', 'Quinta', 'Sexta']
y=[174, 197, 204, 233, 252]
plt.bar(x,y)
plt.ylim(0, 260)
plt.title
('Demandas diárias')
plt.xlabel('Dia')
plt.ylabel('Demanda')
plt.show()
Elaborado pelo autor: Ricardo A. D. Zanardini
45
25
Gráficos de Pizza
45
26
Em uma instituição de ensino, há 340 
estudantes do curso de Engenharia da 
Computação, 560 de Engenharia Elétrica e 
290 de Engenharia de Produção cursando a 
disciplina de Geometria Analítica. Faça um 
gráfico de pizza representando esse fato
45
27
import matplotlib.pyplot as plt
x=[340, 560, 290]
cursos=['Computação', 'Elétrica', 'Produção']
plt.axis('equal')
plt.pie(x,labels=cursos)
plt.title('Número de
estudantes por curso')
plt.show ()
Elaborado pelo autor: Ricardo A. D. Zanardini
45
28
import matplotlib.pyplot as plt
x=[340, 560, 290]
cursos=['Computação', 'Elétrica', 'Produção']
plt.axis('equal')
plt.pie(x, labels=cursos,
autopct='%1.1f%%')
plt.title('Número de
estudantes por curso')
plt.show()
Elaborado pelo autor: Ricardo A. D. Zanardini
45
29
import matplotlib.pyplot as plt
x=[340, 560, 290]
cursos=['Computação', 'Elétrica', 'Produção’]
cores=['r', 'm', 'y']
plt.axis('equal')
plt.pie(x,labels=cursos,
colors=cores,
shadow=True,
autopct='%1.1f%%')
plt.title('Número de estudantes por curso')
plt.show()
Elaborado pelo autor: Ricardo A. D. Zanardini
45
30
import matplotlib.pyplot as plt
x=[340, 560, 290]
cursos=['Computação', 'Elétrica', 'Produção']
cores=['r', 'm', 'y']
plt.axis('equal')
plt.pie(x,labels=cursos,
colors=cores, shadow=True,
explode=(0.1, 0, 0),
autopct='%1.1f%%')
plt.title('Número de estudantes por curso')
plt.show() 
Elaborado pelo autor: Ricardo A. D. Zanardini
45
31
Em uma indústria, 450 funcionários 
trabalham no primeiro turno, 580 no 
segundo turno e 270 no terceiro turno. 
Faça um gráfico de pizza para 
representar essa situação
45
32
import matplotlib.pyplot as plt
x=[450, 580, 270]
turnos=['1° Turno', '2° Turno ', '3° Turno']
cores=['r', 'b', 'y']
plt.axis('equal')
plt.pie(x, labels=turnos,
colors=cores, shadow=True, 
autopct='%1.1f%%')
plt.title('Número de funcionários por turno')
plt.show()
Elaborado pelo autor: Ricardo A. D. Zanardini
45
33
Figuras Geométricas
45
34
Construa um retângulo verde com base 
igual a 5, altura igual a 7 e canto inferior 
direito no ponto P de coordenadas (2, 1)
45
35
import matplotlib.pyplot as plt
import matplotlib.patches as patches
fig=plt.figure()
fig1=fig.add_subplot
(111, aspect='equal')
fig1.add_patch
(patches.Rectangle
((2, 1), 5, 7, color='green'))
plt.ylim(0,10)
plt.xlim(0,10)
Elaborado pelo autor: Ricardo A. D. Zanardini
45
36
Faça a representação de um 
círculo azul com centro em 
C(7, 6) e raio igual a 5
45
37
import matplotlib.pyplot as plt
import matplotlib.patches as patches
fig=plt.figure()
fig1=fig.add_subplot
(111, aspect='equal')
fig1.add_patch
(patches.Circle((7,6), 
5, color='blue'))
plt.ylim(0,15)
plt.xlim(0,15)
Elaborado pelo autor: Ricardo A. D. Zanardini
45
38
Faça a representação de uma elipse com 
centro em C(8, 5) em que o diâmetro 
horizontal seja igual a 7, e o vertical seja 
igual a 3
45
39
import matplotlib.pyplot as plt
import matplotlib.patches as patches
fig=plt.figure()
fig1=fig.add_subplot
(111, aspect='equal')
fig1.add_patch
(patches.Ellipse((8,5),
7, 3, color='blue'))
plt.ylim(0,10)
plt.xlim(0,15)
Elaborado pelo autor: Ricardo A. D. Zanardini
45
40
Gráficos Tridimensionais
45
41
#Criação dos eixos
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig=plt.figure()
ax=plt.axes
(projection='3d')
Elaborado pelo autor: Ricardo A. D. Zanardini
45
42
#Gráfico de superfície
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
x=np.linspace(-5,5,100)
y=np.linspace(-5,5,100)
X,Y=np.meshgrid(x,y)
Z=X**2+Y**2
fig=plt.figure()
ax=plt.axes(projection='3d')
ax.plot_surface(X,Y,Z) Elaborado pelo autor: Ricardo A. D. Zanardini
45
43
#Gráfico de linha
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
fig=plt.figure()
ax=plt.axes(projection='3d')
Z=np.linspace(0, 15, 1000)
X=np.sin(Z)
Y=np.cos(Z)
ax.plot3D(X,Y,Z,'red')
Elaborado peloautor: Ricardo A. D. Zanardini
45
44
#Superfície aramada
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
x=np.linspace(-5,5,100)
y=np.linspace(-5,5,100)
X,Y=np.meshgrid(x,y)
Z=X**2+Y**2
fig=plt.figure()
ax=plt.axes(projection='3d')
ax.plot_wireframe(X,Y,Z)
Elaborado pelo autor: Ricardo A. D. Zanardini
45
45
#Curvas de nível
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
x=np.linspace(-5,5,100)
y=np.linspace(-5,5,100)
X,Y=np.meshgrid(x,y)
Z=X**2+Y**2
fig=plt.figure()
ax=plt.axes(projection='3d')
ax.contour3D(X,Y,Z,15)
Elaborado pelo autor: Ricardo A. D. Zanardini
45
46
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: 𝑓′(𝑥) = lim
Δ𝑥→0
𝑓(𝑥+Δ𝑥)−𝑓(𝑥)
Δ𝑥
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) 𝑣(𝑥) = 𝑥2 − 5𝑥
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
𝑣′(𝑥) =
𝑥−2,5
𝑥2−5𝑥
66
12
g) 𝑡(𝑥) =
3𝑥2−4𝑥
2𝑥3+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) 𝑣(𝑥) = 𝑥2 − 5𝑥
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) 𝑡(𝑥) =
3𝑥2−4𝑥
2𝑥3+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 empresafez 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

Mais conteúdos dessa disciplina