Dissertação - Ali Ahmad Smidi - 2015

Universidade Federal de Gois
Regional Catalo
Unidade Acadmica Especial de
Matemtica e Tecnologia
Programa de Mestrado Profissional em
Matemtica em Rede Nacional
ABORDAGEM ANALTICA E NUMRICA

DE TCNICAS DE OTIMIZAO
BASEADAS NA REDUO DE
INTERVALOS DE INCERTEZA
Ali Ahmad Smidi
Catalo
2015
Ali Ahmad Smidi
ABORDAGEM ANALTICA E NUMRICA

DE TCNICAS DE OTIMIZAO
BASEADAS NA REDUO DE
INTERVALOS DE INCERTEZA
Trabalho de Concluso de Curso apresentado Unidade Acadmica Especial de Ma-

temtica e Tecnologia da Regional Catalo da Universidade Federal de Gois, como
parte dos requisitos para obteno do grau de Mestre em Matemtica.
rea de Concentrao: Matemtica do Ensino Bsico
Prof. Dr. Romes Antonio Borges - RC/UFG (Orientador)

Prof. Dr. Glen Czar Lemos - IFG
Prof. Dr. Thiago Alves de Queiroz - RC/UFG
Catalo
2015
Ficha catalogrfica elaborada automaticamente
com os dados fornecidos pelo(a) autor(a), sob orientao do Sibi/UFG.
Smidi, Ali Ahmad

Abordagem analtica e numrica de tcnicas de otimizao baseadas
na reduo de intervalos de incerteza [manuscrito] / Ali Ahmad Smidi. -
2015.
123 f.: il.
Orientador: Prof. Dr. Romes Antonio Borges .

Dissertao (Mestrado) - Universidade Federal de Gois, , Catalo,
Programa de Ps-Graduao em Matemtica (PROFMAT -
profissional), Catalo, 2015.
Bibliografia. Apndice.
Inclui tabelas, algoritmos, lista de figuras, lista de tabelas.
1. Otimizao. 2. Mtodo de Fibonacci. 3. Mtodo da Seo urea. 4.

Softwares computacionais. 5. Intervalos de incerteza. I. , Romes
Antonio Borges, orient. II. Ttulo.
Todos os direitos reservados. proibida a reproduo total ou parcial deste trabalho
sem a autorizao da universidade, do autor e do orientador.
Ali Ahmad Smidi graduou-se em Engenharia Eltrica (com nfase em Eletrnica

e Telecomunicaes) pelo Instituto Nacional de Telecomunicaes de Santa Rita do
Sapuca e especializou-se em Matemtica pela Universidade Federal de Uberlndia.
Dedico este trabalho a minha famlia em especial minha
me sem qual no teria concludo meus estudos.

Agradecimentos
Agradeo primeiramente a Deus por ter me dado fora para concluir este trabalho.
Aos meus pais pela vida e educao.
A minha esposa pela pacincia e incentivo.
Sociedade Brasileira de Matemtica e Universidade Federal de Gois por ofe-
recerem este mestrado.
Obrigado tambm aos queridos amigos do mestrado pelo agradvel convvio e apoio.
Agradecimentos especiais aos professores do programa: Fernando Kennedy da Silva,
Igor dos Santos Lima, Mrcio Roberto Rocha Ribeiro, Paulo Roberto Bergamaschi,
Plnio Jos Oliveira, Porfrio Azevedo dos Santos Jnior e Thiago Porto de Almeida
Freitas por toda a contribuio fornecida ao longo do curso.
Por fim, agradeo de forma muito especial ao professor Romes Antonio Borges por
toda a sua contribuio, pacincia e incentivo que tornaram possvel a concluso deste
trabalho.
Resumo
No presente trabalho, buscou-se apresentar uma iniciao s tcnicas numricas vol-
tadas para a otimizao de problemas elementares acessveis aos alunos do segundo e
terceiro ano do ensino mdio. As tcnicas de otimizao trabalhadas foram os Mtodos
de busca de Fibonacci e da Seo urea. O trabalho apresenta e detalha matemati-
camente tais tcnicas, alm de sempre partir de um conhecimento inicial e construir
os mtodos em questo. Ao abordar um problema real, buscou-se introduzir a in-
terpretao e a modelagem matemtica do problema, bem como sua soluo, tanto
analtica quanto numrica, utilizando vrios softwares computacionais de simples uti-
lizao. Neste sentido, pode-se afirmar que o presente trabalho traz uma abordagem
didtica das principais tcnicas de otimizao unimodal por reduo de intervalos de
incerteza.
Palavras-chave
Otimizao, Mtodo de Fibonacci, Mtodo da Seo urea, Softwares Computaci-
onais, Intervalos de Incerteza.
9
Abstract
In this study, we sought to present an introduction to numerical techniques aimed to
optimize accessible elementary problems to the students of second and third year of high
school. The optimization techniques discussed in this work were the Fibonacci and the
Golden Section methods. The work presents and does mathematical description of such
techniques, from an initial knowledge and building methods in question. In addressing a
real problem, we attempted to introduce the interpretation and mathematical modeling
of the problem as well as its solutions analytically and numerically, using softwares
simple to use. In this regard, it can be stated that the present work provides didactical
approach of main unimodal optimization techniques to reduce uncertainty interval.
Keywords
Optimization, Fibonacci Method, Golden Section Method, Computational Softwa-
res, Uncertainty Interval.
10
Talvez no tenhamos conseguido fazer o melhor, mas
lutamos para que o melhor fosse feito. No somos o
que deveramos ser, no somos o que iremos ser.. mas
Graas a Deus, no somos o que ramos.

(Martin Luther King Jr.)
LISTA DE FIGURAS
Figura 3.1 - Funes unimodais .............................................................................................. 25

Figura 3.2 - Fluxograma do Mtodo da Bisseo ................................................................... 34
Figura 3.3 - Intervalos de incerteza ........................................................................................ 39
Figura 3.4 - Fluxograma do Mtodo da Dicotomia ................................................................ 42
Figura 3.5 - Mtodo de busca de Fibonacci - Iterao 1 ........................................................ 51
Figura 3.6 - Mtodo de busca de Fibonacci - Iterao 2 ........................................................ 52
Figura 3.7 - Mtodo de busca de Fibonacci - Iterao j ......................................................... 54
Figura 3.8 - Reduo do intervalo com k+1=k ..................................................................... 62
Figura 3.9 - Algoritmo do Mtodo de Fibonacci .................................................................... 73
Figura 4.1 - O problema das duas indstrias .......................................................................... 89
Figura 4.2 - Esquema do problema das duas indstrias .......................................................... 90
Figura 4.3 - Grfico da funo objetivo do problema de abastecimento das duas indstrias.. 91
Figura 4.4 - Exerccio das duas fbricas Redues sucessivas do intervalo de incerteza
pelo mtodo de Fibonacci ....................................................................................................... 96
Figura 4.5 - Planificao da superfcie lateral de um cone circular reto .............................. 100
Figura 4.6 - Tringulo retngulo formado por r, h e g ......................................................... 100
Figura 4.7 - Grfico da funo objetivo do problema do copo de papel ............................... 101
Figura 4.8 - Caixa de base quadrada ..................................................................................... 104
Figura 4.9 - Grfico da funo objetivo do problema da caixa ............................................. 105
Figura A.1 - Digitao da funo no campo de entrada do Geogebra .................................. 112
Figura A.2 - Grfico da funo , com ... 113
Figura A.3 - Comando para achar o mnimo da funo C .................................................... 113
Figura A.4 - Ponto de mnimo da funo C .......................................................................... 114
Figura A.5 - Opes de nmero de casas decimais .............................................................. 115
Figura A.6 - Instalao do SOLVER: Passo 1 - Boto Office .............................................. 115
Figura A.7 - Instalao do SOLVER: Passo 2 - Opes do Excel ....................................... 116
Figura A.8 - Instalao do SOLVER: Passo 3 - Suplementos .............................................. 116
Figura A.9 - Instalao do SOLVER: Passo 4 Solver ....................................................... 117
Figura A.10 - Instalao do SOLVER: Passo 5 - Ir .............................................................. 117
Figura A.11 - Instalao do SOLVER: Passo 6 - Selecionar Solver .................................... 118
Figura A.12 - Instalao do SOLVER: Passo 7 - OK .......................................................... 118
12
Figura A.13 - Instalao do SOLVER: Passo 8 - Dados ....................................................... 119
Figura A.14 - Digitao da funo objetivo .......................................................................... 119
Figura A.15 - Valor da funo C para x igual ao valor contido em A3 (zero) ...................... 120
Figura A.16 - Digitao do intervalo de incerteza ................................................................. 120
Figura A.17 - Parmetros do Solver ..................................................................................... 121
Figura A.18 - Ponto de mnimo da funo objetivo com erro de 0,000001 ......................... 122
Figura A.19 - Opes do Solver ........................................................................................... 122
13
LISTA DE TABELAS
Tabela 3.1 - Resultados do problema da excurso pelo Mtodo das Buscas Simultneas ..... 30
Tabela 3.2 - Resultados do problema da excurso pelo Mtodo da Bisseo ....................... 37
Tabela 3.3 - Resultados da planilha do problema da excurso pelo Mtodo da Bisseo ..... 39
Tabela 3.4 - Resultados do problema da excurso pelo Mtodo da Dicotomia ..................... 45
Tabela 3.5 - Resultados da planilha do problema da excurso pelo Mtodo da Dicotomia ... 45
Tabela 3.6 - Resultados do problema da excurso pelo Mtodo e Fibonacci ......................... 76
Tabela 3.7 - Resultados da planilha do problema da excurso pelo mtodo de Fibonacci ..... 77
Tabela 3.8 - Construo dos nmeros de Fibonacci ............................................................... 78
Tabela 3.9 - Resultados do problema da excurso pelo Mtodo da Seo urea .................. 85
Tabela 3.10 - Resultados da planilha do problema da excurso pelo mtodo da Seo
urea ....................................................................................................................................... 86
Tabela 4.1 - Resultados do problema das duas fbricas usando o Mtodo de Fibonacci ....... 94
Tabela 4.2 - Resultados da planilha do problema das duas fbricas pelo mtodo de
Fibonacci ................................................................................................................................ 95
Tabela 4.3 - Resultados do problema das duas fbricas usando o mtodo da Seo urea ... 98
Tabela 4.4 - Resultados da planilha do problema das duas fbricas pelo mtodo da Seo
urea ....................................................................................................................................... 99
Tabela 4.5 - Resultados do problema do copo de papel usando o mtodo de Fibonacci ...... 102
Tabela 4.6 - Resultados do problema do copo de papel usando o Mtodo da Seo urea . 103
Tabela 4.7 - Resultados do problema da caixa usando o Mtodo de Fibonacci .................... 106
Tabela 4.8 - Resultados do problema da caixa usando o Mtodo da Seo urea. .............. 107
14
SUMRIO
1. INTRODUO ................................................................................................................. 16
2. DEFINIES BSICAS .................................................................................................. 20
3. FUNDAMENTOS DE OTIMIZAO ........................................................................... 23
3.1. Conceitos iniciais ......................................................................................................... 23
3.2. Mtodo da busca simultnea ......................................................................................... 25
3.2.1. O Problema da Excurso .................................................................................... 26
3.3. Mtodo da Bisseo e Mtodo da Dicotomia ............................................................... 32
3.3.1. Mtodo da Bisseo ............................................................................................ 32
3.3.1.1. Algoritmo do Mtodo da Bisseo ........................................................ 33
3.3.1.2. Exemplo: o Problema da Excurso ....................................................... 34
3.3.2. Mtodo da Dicotomia ......................................................................................... 39
3.3.2.1. Algoritmo do Mtodo da Dicotomia ...................................................... 41
3.3.2.2. Exemplo: o Problema da Excurso ....................................................... 43
3.4. Nmeros de Fibonacci .................................................................................................. 47
3.5. Mtodo de Fibonacci .................................................................................................... 49
3.5.1. Algoritmo do Mtodo de Fibonacci ................................................................... 72
3.5.2. Exemplo: o Problema da Excurso .................................................................... 74
3.6. Mtodo da Seo urea ............................................................................................... 82
3.6.1. Exemplo: o Problema da Excurso .................................................................... 83
4. EXEMPLOS DE RESOLUO DE PROBLEMAS ELEMENTARES PELOS
MTODOS DE FIBONACCI E SEO UREA ........................................................ 89
Problema 1: Abastecimento de duas indstrias ................................................................... 89
Problema 2: Dimenses do copo de papel ........................................................................... 99
Problema 3: Dimenses e volume da caixa ....................................................................... 104
5. CONSIDERAES FINAIS ......................................................................................... 109
REFERNCIAS BIBLIOGRFICAS .............................................................................. 111
APNDICE A - RESOLUO DE PROBLEMAS ELEMENTARES DE OTIMIZA-
O COM GEOGEBRA E SOLVER .............................................................................. 112
A1. OTIMIZAO NO GEOGEBRA .............................................................................. 112
A2. OTIMIZAO COM O SOLVER (COMPLEMENTO DO EXCEL) ................... 115
1. INTRODUO
A experincia como professor mostra que a dificuldade de assimilar contedos

matemticos ntida. Alguns alunos at conseguem "reproduzir" alguns exerccios no sentido
de resolver mecanicamente certos tipos de problemas. Porm, grande parte no consegue
interpretar um problema ou associ-lo aos contedos estudados.
Tal fato se comprova pelo baixo desempenho dos alunos brasileiros em provas (de
aferio) internacionais, ou mesmo locais, regionais e nacionais.
Pode-se inicialmente apontar alguns motivos para tal deficincia. Um exemplo o
caso de alunos que estudam no turno noturno. Observa-se que normalmente tais alunos
trabalham durante o dia, cuidam da sua famlia, tem que pagar contas, ir ao supermercado etc.
Neste caso mal sobra tempo para estudar, ento bvio que o desempenho no ser o mesmo
de um aluno que estuda em perodo integral.
No entanto, o problema de aprendizado no se resume apenas na falta de tempo.
Mesmo com tempo disponvel, observa-se a dificuldade de aprendizagem.
De modo geral, uma reclamao frequente que os alunos no conseguem aprender
porque no entendem onde devem aplicar tais contedos.
De modo mais amplo pode-se dizer que a dificuldade da aprendizagem est no fato de
que o aluno no consegue fazer vnculos entre a sua experincia e as novas informaes.
Esta observao vai ao encontro teoria da aprendizagem significativa de Ausubel1.
Segundo Moreira (1999, p. 153):
Para Ausubel, aprendizagem significativa um processo por meio do qual uma nova
informao relaciona-se com um aspecto especificamente relevante da estrutura do
conhecimento do indivduo, ou seja, este processo envolve a interao da nova
informao com uma estrutura de conhecimento especfica, a qual Ausubel define
como conceito subsunor, ou simplesmente subsunor existente na estrutura
cognitiva do indivduo. A aprendizagem significativa ocorre quando a nova
informao ancora-se em conceitos ou proposies relevantes, preexistentes na
estrutura cognitiva do aprendiz. Ausubel v o armazenamento de informaes no
crebro humano como sendo organizado, formando uma hierarquia conceitual, na
qual elementos mais especficos de conhecimento so ligados (e assimilados) a
conceitos mais gerais, mais inclusivos. Estrutura cognitiva significa, portanto, uma
estrutura hierrquica de conceitos que so representaes de experincias sensoriais
do indivduo.
1
David Paul Ausubel (1918-2008) foi professor Emrito da Universidade de Columbia, em Nova Iorque.
Mdico-Psiquiatra de formao dedicou sua carreira acadmica psicologia educacional, sendo considerado um
representante do cognitivismo (MOREIRA, 1999).
16
Com base nessa teoria, ao ensinar um novo contedo preciso, ento, fazer um
levantamento dos conceitos prvios dos alunos.
Ao abordar o contedo funo (definio de funo, domnio, imagem, contradomnio
etc.) pode-se estabelecer ncoras entre o novo contedo (funo) e as situaes (ou
informaes) que os alunos conhecem. O abastecimento de um carro num posto de gasolina
ou o preo da corrida de um txi so exemplos que permitem explorar o que so variveis
independentes e dependentes, domnio, contradomnio e claro construir uma definio de
funo. Nesse exemplo, o subsunor que j existe na estrutura cognitiva do aluno e que
servir de base para o conceito de funo o de conceito de conjunto.
Aqui cabe uma observao: os subsunores que serviro de base para o processo de
ancoragem com a nova informao devem ser relevantes.
A respeito das subsunes, Moreira (1999, p. 153), ainda acrescenta:
[] este processo de ancoragem da nova informao resulta em crescimento e

modificao do subsunor. Isso significa que os subsunores existentes na estrutura
cognitiva podem ser abrangentes e bem-desenvolvidos, ou limitados e pouco
desenvolvidos, dependendo da frequncia com que ocorre aprendizagem
significativa em conjuno com um dado subsunor.
Assim, se bem trabalhado, o conceito de funo passa a ser um novo subsunor que
poder ser utilizado para construo de novos conhecimentos.
O presente trabalho nasce da frequente pergunta que se ouve em sala de aula: Onde eu
vou usar isto? (ou Para qu serve isto?).
Baseado na teoria da aprendizagem significativa, o trabalho oferece uma aplicao do
estudo de funes: encontrar, dentro de um intervalo, qual o valor mximo ou valor mnimo
de uma funo.
Encontrar o ponto de mximo ou de mnimo de uma funo um problema que ocorre
frequentemente nas mais variadas reas de conhecimento.
Quanto se deve vender para que o lucro de uma empresa seja mximo? Qual a
melhor configurao de uma tubulao para atender a demanda com custo mnimo? Qual
devem ser as dimenses de uma caixa para abrigar um determinado volume com custo
mnimo?
Algumas ideias relacionadas a mximo e mnimo so abordadas na primeira srie do
ensino mdio, ao se trabalhar com funes quadrticas. Porm, a proposta aqui abranger um
nmero maior de funes e usando apenas os conceitos vistos no primeiro ano do ensino
mdio.
17
Assim, para trabalhar com os novos conceitos, que sero desenvolvidos neste trabalho,
necessrio ter algum conhecimento relevante sobre funes. Tais conceitos iro servir de
base (sero os subsunores) para a construo dos novos conhecimentos. Por essa razo o
novo contedo proposto mais apropriado a alunos que j tem familiaridade com funes,
alm de uma maturidade mais desenvolvida. Portanto, tal contedo recomendado para
alunos do terceiro ano do ensino mdio.
O trabalho alm de apresentar tcnicas elementares de otimizao, ainda pretende
implementar tais tcnicas em planilhas eletrnicas.
O que se pretende, com essas tcnicas (iterativas), gerar uma sequncia numrica que
convirja para o ponto de mximo ou de mnimo da funo. Na verdade duas sequncias
numricas: um limitante inferior e um superior.
Tal mtodo antigo e encontra-se referncia at antes da era Crist com os gregos. O
mtodo de exausto era utilizado para determinar reas, volumes e comprimentos de arcos. A
base deste mtodo descrita pela proposio:
Se de uma grandeza qualquer se subtrai uma parte no menor que sua metade, do
restante subtrai-se tambm uma parte no menor que sua metade, e assim por diante,
se chegar por fim a uma grandeza menor que qualquer outra predeterminada da
mesma espcie. (EVES, 2011, p. 175).
Uma brincadeira muito conhecida relembra esse procedimento: a de descobrir o preo

de um produto (ou a altura de uma pessoa ou uma medida qualquer). Pergunta-se o preo de
um determinado produto e de acordo com a resposta o questionador ir dizer se o valor
maior ou menor. Tem-se, ento, uma sequncia numrica inferior e outra superior cada vez
mais estreita de forma a convergir para o valor desejado.
Finalmente, o trabalho tambm se justifica pela dificuldade em encontrar textos dessa
natureza, e com os detalhes fornecidos, em lngua portuguesa.
Com relao estrutura, o presente trabalho dividido, com exceo desta introduo,
em quatro captulos e um apndice. O segundo captulo apresenta as definies bsicas usadas
durante o texto e que fundamental o trabalho todo. O conceito de funo fundamental, pois
o texto trabalha essencialmente com valores de funes, mostrando aplicaes na resoluo de
problemas de otimizao. As sequncias so definidas, pois o que se faz ao longo do trabalho
encontrar, sucessivamente, intervalos, que contm o ponto timo, de comprimentos cada vez
menores gerando assim duas sequncias, inferior e superior, que convergem para o ponto
procurado.
18
No terceiro captulo, alm de se apresentar os conceitos bsicos, so apresentadas
algumas tcnicas elementares de otimizao de funes unimodais. As primeiras tcnicas so
apresentadas como processo de construo para se obter s duas principais, quais sejam:
Mtodo de Fibonacci e Mtodo da Seo urea. Assim, no quarto captulo sero utilizados os
mtodos mostrados no captulo anterior para a resoluo de problemas elementares de
otimizao.
No ltimo captulo so feitas as consideraes finais.
Finalmente, no apndice so apresentados dois softwares bsicos e bastante
conhecidos que podem ser usados para resolver problemas de otimizao.
19
2. DEFINIES BSICAS
A seguir, so apresentadas algumas definies e teoremas bsicos que sero utilizados

na sequncia do trabalho. As demonstraes dos teoremas bsicos sero omitidas, podendo
ser encontradas em Lima (2008) e Stewart (2009).
Definio 2.1. (LIMA, 2013)

Dados os conjuntos X e Y, uma funo f: uma regra (ou conjunto de instrues) que
diz como associar a cada elemento um elemento . O conjunto X chama-
se domnio e Y o contradomnio da funo f. Para cada , o elemento
chama-se a imagem de x pela funo f, ou o valor assumido pela funo f no ponto .
Neste trabalho o domnio da funo indicado por Df.

Uma funo R que tem como domnio um subconjunto R e cujos valores f(x),
para todo , so nmeros reais denominada funo real de varivel real.
Por uma questo de simplificao, uma funo real de varivel real tratada apenas
como funo real. Alm disto, no presente trabalho, so abordadas apenas funes reais de
uma varivel por ser o tipo mais comum encontrado no ensino mdio.

Uma sequncia ( ou N ) de nmeros reais uma funo N R,
que associa a cada nmero natural n um nmero real xn , chamado o ensimo termo da
sequencia.

Uma sequncia diz-se limitada superiormente (respectivamente inferiormente) quando
existe tal que (respectivamente, ) para todo N . Diz-se que a
sequncia limitada quando ela limitada superiormente e inferiormente. Isto equivale
a dizer que existe k > 0 tal que para todo N.

Diz-se que o nmero real a limite da sequncia quando, para todo nmero real ,
20
dado arbitrariamente, pode-se obter N tal que todos os termos com ndice
cumprem a condio . Escreve-se ento .
Alm de , pode-se tambm escrever , ou

Uma sequncia que possui limite diz-se convergente. Caso contrrio, ela se chama
divergente.
Teorema 2.1. (LIMA, 2008)

Uma sequncia no pode convergir para dois limites distintos.

Uma sequncia ( chama-se montona quando se tem , para todo N ou
ento , para todo N . No primeiro caso, diz-se que ( montona no
decrescente e, no segundo, que ( montona no crescente. Se, mais precisamente,
tivermos (respectivamente, ) para todo N , diremos que a sequncia
crescente (respectivamente, decrescente).
Teorema 2.2. (LIMA, 2008)

Toda sequncia montona limitada convergente.
Teorema 2.3. (Teorema do sanduche) (LIMA, 2008)

Se e para todo n suficientemente grande ento
.
Definio 2.8. (STEWART, 2009)

Uma funo f contnua em a Df se

Uma funo f contnua em um intervalo do seu domnio se for contnua em todos os pontos
do intervalo.
21
Uma funo f tem mximo absoluto (ou mximo global) em c se para todo x em
D, onde D o domnio de f. O nmero f (c) chamado de valor mximo de f em D.
Analogamente, f tem um mnimo absoluto em c se para todo x em D, e o nmero
f (c) denominado valor mnimo de f em D. Os valores mximo e mnimo de f so chamados
valores extremos de f.
Teorema 2.4. (Teorema do Valor Intermedirio ou Teorema de Bolzano-Cauchy).

(LIMA, 2008)
Seja f : R contnua. Se f (a) d f (b), ento existe pelo menos um c (a; b) tal
que f (c) = d.
22
3. FUNDAMENTOS DE OTIMIZAO
3.1. CONCEITOS INICIAIS
Os problemas de otimizao so frequentemente encontrados nas mais variadas reas

de conhecimento. Segundo Rao (2009, p. 1):
Otimizao o ato de obter o melhor resultado dentro das circunstncias dadas. No

projeto, construo e manuteno de qualquer sistema de engenharia, os engenheiros
precisam tomar muitas decises tecnolgicas e gerenciais em vrias fases. O
objetivo final de todas essas decises ser para minimizar o esforo necessrio ou
para maximizar o benefcio desejado. Uma vez que o esforo requerido ou o
benefcio desejado em qualquer situao prtica pode ser expresso como uma funo
de certas variveis de deciso, a otimizao pode ser definida como o processo de
encontrar as condies que do o valor mximo ou mnimo de uma funo.
As tcnicas de otimizao que so discutidas a seguir tratam apenas do mnimo

de uma funo, pois para obter o mximo (de uma funo f ), basta que se busque o ponto de
mnimo de , onde dada por
Por uma questo de facilidade na escrita, usa-se a notao x* ao invs da notao
natural para indicar o ponto de mnimo.
Definio 3.1. A funo que se deseja maximizar ou minimizar d-se o nome de funo
objetivo.
A funo objetivo surge ao se efetuar a modelagem matemtica de um problema.

Equivalentemente ao problema original, o que se tem que dada uma funo real, f, deseja-se
determinar seu ponto de mnimo sabendo que tal ponto pertence ao intervalo [a; b].
As tcnicas iterativas de otimizao tm por finalidade produzir uma sequncia de
nmeros reais , tal que seu limite seja o valor timo x* (no caso, o ponto de mnimo da
funo objetivo). Na maioria das vezes tal sequncia infinita e assim no se chega ao valor
procurado. No entanto, escolhendo uma margem de erro , existe um ndice N tal que
todos os termos da sequncia com ndice so valores aproximados de x* com erro
menor do que, ou igual a, .
23
O primeiro contato que um aluno do ensino mdio tem com problemas de otimizao
ocorre no estudo de funes quadrticas. Uma funo quadrtica uma funo da forma
R R tal que , sendo R (com ,
cujo grfico uma parbola.

Na maioria dos problemas estudados, o mximo ou o mnimo da funo o vrtice da
parbola que obtido por
No entanto, possvel introduzir algumas tcnicas numricas elementares (acessveis a

alunos do ensino mdio) de tal forma a obter, se no o ponto timo, um intervalo, de
comprimento , to pequeno quanto se queira, que contenha o valor com a preciso desejada.
Tais mtodos so aplicados a funes de uma varivel que apresenta apenas um
extremo global num intervalo conhecido e finito: [a; b] (portanto, no somente para funes
quadrticas). Apesar de o intervalo final ser determinado, no se sabe a localizao exata do
ponto timo e por isto tal intervalo recebe o nome de intervalo de incerteza. Este intervalo
pode ser determinado a partir dos dados do problema que se deseja resolver. Em outros casos
o grfico da funo poder nos fornecer essa informao. H diversos softwares que podem
ser utilizados para se gerar um grfico, como por exemplo, Winplot e Geogebra que so
gratuitos.
As tcnicas que abordadas neste trabalho usam as chamadas funes objetivo
unimodais.
Definio 3.2. (RAO, 2009)

Uma funo f unimodal se
(i) , e
(ii) ,
onde x* o ponto de mnimo.
A definio de funo unimodal utilizada, considera apenas funes de uma varivel,

j que o tipo que ser usado no texto.
A Fig.3.1 apresenta exemplos de grficos de funes unimodais.
24
Figura 3.1 - Funes unimodais
Fonte: Adaptado de Rao (2009).
Veja que uma funo unimodal pode ser descontnua e/ou no derivvel.
Sero apresentadas a seguir, algumas tcnicas elementares de otimizao envolvendo

funes unimodais. A sequncia das tcnicas apresentadas promove um processo de
construo das duas principais tcnicas deste trabalho: o Mtodo de Fibonacci e a Seo
urea.
3.2. MTODO DA BUSCA SIMULTNEA
A primeira tcnica de busca a ser abordada simplesmente calcular o valor da funo

em mltiplos pontos (n + 1 pontos) e reduzir o intervalo de incerteza inicial (que deve ser
conhecido) at o comprimento desejado (menor que um valor estabelecido).
Sejam I = [a; b] o intervalo que contm o ponto timo da funo, seu comprimento
( = b a) e a preciso desejada.
Particiona-se I em n partes, igualmente espaadas e tal que
(3.1)
onde,
o comprimento do intervalo final desejado.

Em seguida, calcula-se o valor da funo para cada um dos n + 1 pontos da partio
Avaliam-se, ento, quais os menores valores da funo; o intervalo inicial se reduz

ento, ao intervalo cujos extremos so as abscissas correspondentes a tais valores da funo.
25
Em geral, espera-se, dependendo da limitao do mtodo, que o intervalo obtido, L, se reduza
a:
Considera-se que a funo unimodal, porm, isto no garante que todos os valores
das funes so diferentes. Pode-se ter algum e no consecutivos, com
tais que
e ento
Para que isto no ocorra basta alterar o valor de uma das extremidades para:
e avaliar novamente o valor da funo para tais pontos.

Se fossem consecutivos, ento devido ao fato da funo ser unimodal, ento o
ponto de mnimo pertenceria ao intervalo [ ], no havendo necessidade do procedimento
acima.
O mtodo de busca simultnea de fcil implementao, mas no caso de planilhas
eletrnicas ele se limita ao nmero de linhas (ou colunas) da planilha. Isto pode ser um
problema dependendo da preciso requerida. Alm disto, dependendo da funo nem sempre
o intervalo final ir conter uma aproximao do valor procurado. No caso da igualdade
(mencionado acima), devido funo ser unimodal, o ponto de mnimo estar entre tais
pontos, porm no caso de valores diferentes (da maneira como aqui foi concebido o mtodo)
no h garantias de que o lado correto aquele que contm os dois menores valores. Neste
caso, obtemos um erro maior do o estabelecido.
Para ilustrar o mtodo, apresentado em seguida um problema simples, que tambm
utilizado em todo o trabalho para fins de verificao do funcionamento dos mtodos.
3.2.1. O PROBLEMA DA EXCURSO (LIMA, 2013)
Um nibus de 42 lugares foi fretado para uma excurso. A companhia exigiu de cada
26
passageiro R$ 80,00 mais R$ 10,00 por cada lugar vago. Para que nmero de passageiros a
rentabilidade da empresa mxima?
(i) Modelagem do problema

Seja x o nmero de passageiros.
Ento o nmero de lugares vagos : .
Portanto, cada passageiro paga:
O valor arrecadado pela empresa, f (x), ser portanto este valor vezes o nmero de
passageiros, ou seja,
A funo receita obtida dependente do nmero de passageiros com domnio
e contradomnio R . Seu grfico, portanto, so pontos da parbola
Apesar disto, considera-se a funo com domnio real, e no final aplicam-se os ajustes
necessrios para corrigir qualquer distoro.
Assim, tem-se
R R tal que
que uma funo quadrtica com concavidade para baixo e ponto de mximo entre as razes
x = 0 e x = 50.
(ii) Problema equivalente

Pretende-se, ento, minimizar a funo objetivo,
R R tal que
sujeita a: .
Como citado anteriormente, pode-se encontrar o ponto de mximo simplesmente

invertendo o sinal da funo.
(iii) Soluo pelo Mtodo das Buscas Simultneas

Para a preciso requerida divide-se o intervalo inicial em
27
Em seguida, calcula-se o valor da funo para um dos 421 pontos: 0; 0,1; 0,2; ...; 42.
Os menores valores da funo so
e .
O intervalo que contm o valor procurado ou [24,9; 25] ou [25; 25,1]. Alterando o
valor 24,9 para 24,95, tem-se
Portanto, o intervalo final [24,95; 25] e, portanto,
Como na realidade , ento o valor procurado x = 25. Assim, o

nmero de passageiros que torna a rentabilidade da empresa mxima 25.
Veja que para x = 24 e x = 26, tem-se:
que de fato so valores maiores que .
(iv) Soluo utilizando o software MICROSOFT EXCEL/LIBREOFFICE

CALC
Antes de apresentar a sequncia de comandos para resolver o problema em questo,
cabe uma observao sobre o uso das planilhas eletrnicas Microsoft EXCEL e LibreOffice
CALC. Um dos processos mais usados em planilhas eletrnicas como as citadas a repetio
de frmulas.
Frequentemente necessrio repetir frmulas em clulas adjacentes e a digitao pode
ser cansativa e sujeita a erros. Um modo de acelerar o processo dessa repetio o comando
copiar (CTRL+C) e colar (CTRL+V). No entanto, se a quantidade de clulas for maior pode-
se acelerar a repetio atravs da aba de preenchimento automtico. Tal aba, representada por
um sinal de mais ("+"), aparece quando se posiciona o ponteiro do mouse no canto inferior
direito de uma clula (ou conjunto de clulas) selecionada.
Para copiar a frmula de uma clula selecionada para outras adjacentes basta clicar
com o boto esquerdo do mouse e, mantendo tal boto pressionado, arrastar at onde se deseja
preencher. Por uma simplificao, usado apenas os termos "selecionar e arrastar" para
descrever este processo.
28
Como exemplo, considere que a clula C1 contm a frmula
=SOMA(A1;B1)
que calcula a soma dos valores presentes nas clulas A1 e B1. Ao selecionar C1 e arrastar at
C3, tem-se em C2 e C3 uma cpia da frmula contida em C1. Um detalhe importante que a
frmula copiada em C2 no ir se referir soma de A1 e B1, mas sim de A2 e B2; a frmula
de C3 fornecer a soma de A3 e B3 e assim por diante. Em outras palavras, quando se
seleciona e arrasta uma clula com uma frmula para a clula adjacente as referncias passam
a ser, tambm, das clulas adjacentes. Ao se arrastar para linhas, mudam-se as linhas das
clulas de referncia; ao se arrastar para colunas mudam-se as colunas de referncia.
Para ter-se uma referncia fixa digita-se antes e depois da letra que simboliza a clula,
um sinal de cifro (por exemplo $A$1).
Retornando para o problema em questo, para implementar o mtodo da busca
simultnea segue-se os seguintes passos:
1) Digita-se x na clula A1 e na clula B1 (este passo opcional; apenas

para identificar as colunas);
2) Digita-se o valor do primeiro valor de x (zero) na clula A2 e o segundo (0,1) na clula
A3;
3) Selecionam-se as clulas A2 e A3 e arrasta-se o conjunto at a clula A422. nesta ltima
clula que ir aparecer o ltimo valor, 42.
4) Na clula B2 digita-se
=-500*A2+10*A2^2
Aps apertar a tecla "ENTER" a clula indicar o valor da funo para x igual ao valor da
clula A2, no caso g(0);
5) Seleciona-se e arrasta-se a clula B2 at a clula B422. Tal procedimento calcula o valor
da frmula
=500*Ai 10*Ai^2
para cada i de 2 a 422. Tem-se assim, os valores da funo, desde g(0) at g(42).
6) Procura-se, agora, na coluna B, quais so os menores valores da funo. Os menores
valores encontrados esto nas clulas B251 e B253 ( ) e na clula B252 ( ).
7) Como os valores das clulas B251 e B253 so iguais, ento alteramos o valor da clula
A251 para 24,95 e assim a clula B251 j atualizar o valor da funo para g(24,95).
29
8) Observando novamente os valores, conclui-se que o valor procurado pertence ao intervalo
[24,95; 25].
A tabela abaixo ilustra parte dos resultados encontrados (a centralizao dos dados e
as linhas de grade so opcionais).
Tabela 3.1 - Resultados do problema da excurso pelo Mtodo das Buscas Simultneas.
Fonte: Elaborado pelo Autor.
A escolha desse exemplo, com funo quadrtica, proposital, para que se perceba
que nem sempre prefervel usar algum mtodo numrico em detrimento do contedo visto
no ensino mdio. No caso bem mais simples achar o ponto de mximo pelo vrtice da
parbola:
Um dos problemas do mtodo das buscas simultneas que a visualizao da planilha

eletrnica se torna mais difcil medida que o nmero de pontos a serem avaliados aumenta.
Aqui, pode-se aplicar trs comandos (ou funes) que facilitam a anlise.
O primeiro trata-se da funo MENOR que retorna o k-simo menor valor de um
conjunto de dados. A funo pode ser inserida via aba de frmulas ou diretamente por
30
=MENOR(matriz, k)
Por exemplo,
=MENOR(B2:B422;1), =MENOR(B2:B422;2) e =MENOR(B2:B422;3)
fornecem, respectivamente, os trs menores valores da coluna B. Valores repetidos so

computados como se fossem diferentes. Assim, se houverem dois valores repetidos, eles sero
indicados pela ordem como o primeiro e segundo menor nmero.
A segunda funo, CORRESP, retorna a posio relativa de um item em uma matriz que
corresponde a um valor especfico em uma ordem especfica. Como toda funo, ela pode ser
inserida via aba de frmulas ou diretamente na barra de frmulas, seguindo a sintaxe:
=CORRESP(valor procurado; matriz procurada;[tipo de correspondncia])
Por exemplo, com a frmula
=CORRESP( ;B2:B422;0)
obtm-se o valor 251, que significa que o valor est posicionado na 251 linha da
matriz dos dados (B2 a B422). Como os dados comeam a partir da linha 2, ento somamos 1
para efetuar a correo e obtermos a linha exata. O tipo de correspondncia (zero) significa
que a busca deve ser exata.
No caso estudado, supondo que no se fez nenhuma anlise nos dados da planilha (o
que quer dizer que o passo 7 tambm no foi executado), necessrio descobrir quais so os
"trs menores" valores da funo. O motivo de ser trs e no dois, que se pode ter resultados
repetidos, o que ocorre no problema em questo. Assim, combinando as duas funes
(MENOR e CORRESP), digita-se, respectivamente, nas clulas D2, D3 e D4, as frmulas:
=CORRESP(MENOR(B2:B422;1);B2:422;0)+1
Os resultados, 252, 251 e 253 indicam, respectivamente, em quais linhas se encontram

os menores valores da funo objetivo.
claro que se pode aprimorar ainda mais a planilha. Via de regra, a medida que se
acrescenta "inteligncia" s planilhas, recursos mais complexos so necessrios.
31
3.3. MTODO DA BISSEO E MTODO DA DICOTOMIA
O mtodo de pesquisa exaustivo um mtodo de pesquisa simultnea na qual todas

as experincias so conduzidas antes que qualquer julgamento seja feito em relao
localizao do ponto timo. O mtodo de pesquisa dicotmica, bem como os
mtodos de Fibonacci e da seo urea discutidos nas prximas sees, so mtodos
de busca sequenciais em que o resultado de qualquer experincia influencia o local
do subsequente experimento. (RAO, 2009, p. 257)
O mtodo anterior apresenta algumas dificuldades, como o nmero excessivo de

clculos para uma preciso maior.
Pode-se, ento, avaliar a funo em um nmero menor de pontos e da efetuar uma
anlise dos resultados obtidos e chegar a uma concluso, ou reutilizar algum dado para se
chegar ao resultado procurado. Mtodos iterativos sero utilizados para este fim. Em tais
mtodos uma sequncia de passos, chamada iterao, efetuada recursivamente.
3.3.1. MTODO DA BISSEO
Quando se procura as razes de uma funo, um dos mtodos mais simples que
permite obter uma aproximao da raiz de uma equao o chamado mtodo da bisseo. O
mtodo consiste em calcular o ponto mdio do intervalo que contm a raiz da equao e, em
seguida, comparar o sinal do valor dessa funo neste ponto com os sinais dos valores da
funo nas extremidades do intervalo. Com base nessa comparao conclu-se que a raiz est
do lado direito ou esquerdo do ponto mdio do intervalo considerado. O intervalo que contm
a raiz reduzido, ento, pela metade.
No caso da otimizao, o mtodo de reduzir o intervalo de incerteza pela metade
tambm pode ser usado para determinar o ponto de mnimo de uma funo definida em um
intervalo fechado. Porm, o mtodo da bisseo para otimizao distinto daquele aplicado
para obteno de razes de equaes.
O caso das razes tem como fundo o teorema do valor intermedirio (teorema 2.4).
Para determinar uma raiz da funo, considera-se este teorema com o caso particular onde
d = 0. Assim, se o valor de uma funo passa de positivo para negativo (ou o contrrio) num
intervalo fechado, tem-se neste intervalo pelo menos uma raiz da funo.
No caso dos problemas de otimizao o teorema do valor intermedirio no ajuda a
determinar o ponto de mnimo. Uma soluo encontrada avaliar a derivada no ponto mdio
32
do intervalo e considerar que alm de contnua a funo deva ser unimodal e derivvel no
ponto em questo. Pelo sinal da derivada no ponto mdio possvel saber, ento, se em tal
ponto a funo crescente ou decrescente e decidir qual lado considerar e qual descartar.
Ainda, se a derivada for zero, conclui-se que tal ponto o ponto procurado.
No presente trabalho, procurou-se usar apenas tcnicas que envolvam operaes
elementares tpicas do ensino mdio, e, portanto, o uso de derivadas foi evitado. Apesar de tal
contedo (derivadas) ser tpico do terceiro ano do ensino mdio, so raras as escolas em que
tal tpico abordado.
Outra soluo usar, alm do ponto mdio xm, mais dois pontos, x1 e x2, pontos
mdios, respectivamente, dos intervalos [a; xm] e [xm; b]. Calcula-se, ento, o valor da funo
nesses trs pontos e decide-se em qual das metades estar o ponto de mnimo. O critrio o
seguinte (RAO, 2009):
Se , ento ;
Se , ento ;
Se e , ento .
Tal tcnica tambm chamada de mtodo da bisseo. possvel notar que a cada
iterao o intervalo de incerteza reduz-se pela metade.
Como o intervalo de incerteza se reduz metade em cada iterao, ento o
comprimento do intervalo de incerteza ao final da n-sima iterao, Ln, dado por
(3.2)
onde L0 comprimento do intervalo de incerteza inicial.

Dado, uma preciso , podemos determinar qual deve ser o nmero de iteraes.
(3.3)
3.3.1.1. ALGORITMO DO MTODO DA BISSEO
Apresenta-se a seguir, na Fig. 3.2, um fluxograma relacionado ao algoritmo para

implementao do mtodo da bisseco.
33
Figura 3.2 - Fluxograma do Mtodo da Bisseo
Dados f, a, b e .
k=1
SIM NO
xm = (a + b)/2 ;
x1 = (a + xm)/2; x2 = (xm + b)/2
Calcular f(x1), f(x2) e f(xm)
NO
f (x1) > f (xm) ? b = xm
SIM
f (xm) > f (x2) ? NO
SIM
a = xm a = x 1 e b = x2
Imprima k, a, b
k=k+1
NO k = n?
SIM
Imprima x* [a; b]
Pare
3.3.1.2. EXEMPLO: O PROBLEMA DA EXCURSO.
Como exemplo, ser novamente utilizado o problema apresentado na seo anterior.

Deseja-se minimizar a funo objetivo,
34
RR
sujeita a: .
A preciso escolhida .
SOLUO
Inicialmente, calcula-se o nmero de iteraes necessrias para atingir . Para
isto, aplica-se a desigualdade (3.3).
Tal desigualdade requer o conhecimento de e
onde a e b so as extremidades do intervalo de incerteza inicial: . Assim,
a= 0 e b = 42,
e portanto,
Para um preciso , tem-se:
Assim, o mtodo da bisseo necessita de 9 iteraes para atingir a preciso desejada.

A seguir so mostrados os clculos de cada iterao. O processo consiste em
determinar um intervalo cada vez mais estreito que contm o ponto de mnimo procurado, at
que a preciso desejada seja atingida.
A justificativa para tal procedimento que as extremidades inferiores e superiores de
tais intervalos formam uma sequncia numrica montona, respectivamente, crescente e
decrescente. Alm disto, tais sequncias so limitadas e, portanto, de acordo com o teorema
2.2 so convergentes. O limite de tais sequncias o ponto de mnimo procurado.
Iterao 1
As extremidade do intervalo inicial da iterao 1, so:
.
O ponto mdio de tal intervalo :
35
O ponto mdio, , divide o intervalo [a; b] em dois subintervalos, [a; e[ ; b],
cujos pontos mdios so, respectivamente,
Os valores da funo objetivo para tais pontos so:
Como,
ento, conclui-se que:
Iterao 2
As extremidades do novo intervalo de incerteza, obtido ao final da primeira iterao,
ser o intervalo inicial considerado na segunda iterao. Assim,
Com isso, os novos valores de , so
36
Como,
ento, conclui-se que:
Observa-se que um dos pontos da iterao anterior (no caso ) sempre

reaproveitado na iterao seguinte. Assim, no era necessrio calcular novamente e
.
Resultados de todas as iteraes

A Tab. 3.2 mostra os resultados de todas as iteraes.
Tabela 3.2 - Resultados do problema da excurso pelo Mtodo da Bisseo.
Iterao a b anovo bnovo

1 0 42 21 10,5 31,5 -4147,5 -5827,5 -6090 10,5 31,5
2 10,5 31,5 21 15,75 26,25 -5394,375 -6234,375 -6090 21 31,5
3 21 31,5 26,25 23,625 28,875 -6231,0938 -6099,8438 -6234,375 23,625 28,875
4 23,625 28,875 26,25 24,9375 27,5625 -6249,9609 -6184,3359 -6234,375 23,625 26,25
5 23,625 26,25 24,9375 24,2813 25,5938 -6244,8347 -6246,474 -6249,9609 24,2813 25,5938
6 24,2813 25,5938 24,9376 24,6095 25,2657 -6248,4751 -6249,294 -6249,9611 24,6095 25,2657
7 24,6095 25,2657 24,9376 24,7736 25,1017 -6249,4874 -6249,8966 -6249,9611 24,7736 25,1017
8 24,7736 25,1017 24,9377 24,8557 25,0197 -6249,7918 -6249,9961 -6249,9612 24,9377 25,1017
9 24,9377 25,1017 25,0197 24,9787 25,0607 -6249,9955 -6249,9632 -6249,9961 24,9787 25,0607
Pelos resultados, conclui-se que:
Como , ento o valor procurado x = 25. Assim, nmero de

passageiros que torna a rentabilidade da empresa mxima 25.
(v) Soluo pelo mtodo da bisseo via MICROSOFT EXCEL /

LIBREOFFICE CALC
As iteraes feitas anteriormente, de modo manual, podem ser feitas automaticamente
com a ajuda de uma planilha eletrnica. Tal planilha pode ser feita pelo Microsoft Excel,
software do pacote Microsoft Office, ou pelo Calc, software do pacote LibreOffice.
A planilha montada da seguinte maneira:
37
1) Na linha 1 (colunas de A a I) identifica-se os itens que fazem parte da tabela: k (iterao),
a, b, x_m, x_1, x_2, g(x_1), g(x_2) e g(x_m).
2) Nas clulas A2 e A3 digitam-se os primeiros nmeros de iteraes: 1 e 2; Em seguida
selecionam-se estas duas clulas e arrasta-se at a linha desejada (o nmero de iteraes
desejado).
3) Nas clulas B2 e C2 digita-se, respectivamente,
0 e 42
que so as extremidades iniciais do intervalo de confiana.

4) Nas clulas D2, E2 e F2 digita-se, respectivamente,
=(B2+C2)/2 , =(D2+B2)/2 e =(D2+C2)/2
que so os valores de , e .
5) Nas clulas G2, H2 e I digita-se, respectivamente,
=-500*E2+10*E2^2 , =-500*F2+10*F2^2 e =-500*D2+10*D2^2
que so os valores da funo para os valores em E2, F2 e D2.
6) Selecionam-se as clulas D2, E2, F2, G2, H2 e I2 e arrasta-se a aba de preenchimento

automtico at a linha da iterao desejada. Assim, estes passos so repetidos em todas as
iteraes.
7) Nas clulas B2 e C2 digita-se o condicional que determinar qual das partes do intervalo
anterior ser considerada ( , ou ).
Na clula B2:
=SE(E(G2>I2;I2>H2);D2;SE(E(H2>I2;G2>I2);E2;B2))
Na clula C2:
=SE(E(G2>I2;I2>H2);C2;SE(E(H2>I2;G2>I2);F2;D2))
8) Selecionam-se as clulas B2 e C2 e arrasta-se o sinal positivo, da aba de preenchimento
automtico, at a linha posterior a da iterao desejada. O motivo que na linha k+1 que
aparece o intervalo de incerteza resultante da iterao k.
No oitavo passo registra-se o novo intervalo de incerteza na prxima linha, mas a

planilha pode ser feita para mostrar o novo intervalo na mesma linha como feito na Tab. 3.2.
A Tab. 3.3 mostra o resultado dos passos descritos acima.
38
Tabela 3.3 - Resultados da planilha do problema da excurso pelo Mtodo da Bisseo.
3.3.2. MTODO DA DICOTOMIA
Uma soluo parecida com o mtodo da bisseo, mas que avalia a funo em dois
pontos, o mtodo da dicotomia.
No mtodo da dicotomia escolhem-se dois pontos do interior do intervalo de incerteza
(simtricos em relao ao ponto mdio do intervalo de incerteza): um antes do ponto mdio
() e outro aps o ponto mdio ().
Figura 3.3 - Intervalos de incerteza.
Fonte: Adaptado de Chong e Zak (2013, p. 258).
A comparao dos valores da funo objetivo nos pontos e , aliado ao fato da

funo ser unimodal, permite concluir em qual regio est o ponto timo.
A proposio seguinte bastante interessante no que diz respeito a este fato:
39
Proposio 3.1. (CHONG; ZAK, 2013)
Sejam R uma funo unimodal com ponto de mnimo x* e dois pontos
quaisquer, com , de [ .
(i) Se , ento ;
(ii) Se , ento .
Demonstrao.
A seguir demonstra-se a afirmao (i).

Suponha, por absurdo, que , mas com , isto ,
Como < , ento . Mas f unimodal com um ponto de mnimo, ou seja,
f estritamente decrescente para todo e estritamente crescente para todo
. Logo, em a f crescente e, portanto , o que uma
contradio visto que por hiptese .
Assim, se , ento .
De maneira anloga demonstra-se (ii).

A cada iterao k (1, 2, , n), os valores de ( e ) so calculados como
mostrado a seguir:
(3.4)
(3.5)
onde so as extremidades do intervalo inicial na iterao k. deve ser escolhido de

forma que o comprimento do intervalo final seja menor, ou igual, a . Ento .
As expresses (3.4) e (3.5) simplesmente informam que os pontos esto a uma
distncia , antes e depois, do ponto mdio.
Quanto ao comprimento do intervalo de incerteza, pode-se observar que ao final de
cada iterao o intervalo de incerteza se reduz a metade do comprimento considerado no
incio da iterao, adicionado a . Matematicamente, se e so, respectivamente, o
comprimento do intervalo inicial e final da iterao k+1, ento:
(3.6)
40
Escrevendo a expresso (3.6) em funo do comprimento inicial do intervalo de
incerteza ( ), tem-se a seguinte sequncia:
Como o comprimento final, , deve ser menor, ou igual, preciso , ento:
(3.7)
Isolando n, tem-se:
Assim, o nmero de iteraes necessrias para atingir a preciso desejada dada por:
(3.8)
3.3.2.1. ALGORITMO DO MTODO DA DICOTOMIA
Apresenta-se a seguir, na Fig. 3.4, um fluxograma relacionado ao algoritmo para

implementao do mtodo da Dicotomia.
41
Figura 3.4 - Fluxograma do Mtodo da Dicotomia
Dados f, a, b, e .
k=1
SIM NO
= (a + b - )/2 ;
= (a + b + )/2
Calcular f () e f ()
NO
f () f () ?
SIM
a= b=
Imprima k, a, b
k=k+1
NO k = n?
SIM
Imprima x* [a; b]
Pare
O algoritmo acima mostra o intervalo de incerteza ao final de cada iterao.

Ao resolver manualmente um problema, comum escrever o ndice de cada iterao
em a, b, e para um melhor controle e organizao. J computacionalmente, dependendo
do ambiente ou da linguagem de programao, no h necessidade.
42
3.3.2.2. EXEMPLO: O PROBLEMA DA EXCURSO
Como exemplo, ser novamente utilizado o problema apresentado na seo anterior.

Deseja-se minimizar a funo objetivo,
RR
sujeita a: .
SOLUO
Inicialmente, calcula-se o nmero de iteraes necessrias para atingir . Para
isto, aplica-se a desigualdade (3.8).
Tal desigualdade requer o conhecimento de e
onde a e b so as extremidades do intervalo de incerteza inicial: . Assim,
a= 0 e b = 42,
e portanto,
A preciso conhecida e vale ; agora, deve-se escolher um valor para .

Ser usado o valor 0,01.
Substituindo e em 3.8, obtm-se
Assim, o mtodo da dicotomia necessita de 9 iteraes para atingir a preciso

desejada.
A seguir so mostrados os clculos de cada iterao.
Iterao 1
As extremidade do intervalo inicial da iterao 1, so:
.
Utilizando as equaes 3.4 e 3.5, chega-se a:
43
Como,
ento, pela proposio 3.1, conclui-se que:
Iterao 2
As extremidades do novo intervalo de incerteza, obtido ao final da primeira iterao,
ser o intervalo inicial considerado na segunda iterao. Assim,
Como,
44
A tabela seguinte mostra os resultados de cada iterao. Nos clculos foram usados
arredondamentos com quatro casas decimais.
Tabela 3.4 - Resultados do problema da excurso pelo Mtodo da Dicotomia.
k (Iterao) ak bk k k ak novo bk novo

1 0 42 20,995 21,005 -6089,5998 -6090,3998 20,995 42
2 20,995 42 31,4925 31,5025 -5828,4744 -5827,1749 20,995 31,5025
3 20,995 31,5025 26,2438 26,2538 -6234,5296 -6234,2799 20,995 26,2538
4 20,995 26,2538 23,6194 23,6294 -6230,9394 -6231,2146 23,6194 26,2538
5 23,6194 26,2538 24,9316 24,9416 -6249,9532 -6249,9659 24,9316 26,2538
6 24,9316 26,2538 25,5877 25,5977 -6246,5461 -6246,4275 24,9316 25,5977
7 24,9316 25,5977 25,2597 25,2697 -6249,3256 -6249,2726 24,9316 25,2697
8 24,9316 25,2697 25,0957 25,1057 -6249,9084 -6249,8883 24,9316 25,1057
9 24,9316 25,1057 25,0137 25,0237 -6249,9981 -6249,9944 24,9316 25,0237

SOLUO VIA MICROSOFT EXCEL/LIBREOFFICE CALC
Tabela 3.5 Resultados da planilha do problema da excurso pelo Mtodo da Dicotomia.
A planilha montada da seguinte maneira:
45
1) Nas clulas A2, C2, E2 e G2 digita-se, respectivamente , , a e b;
2) Seleciona-se as clulas B2, D2, F2 e H2 e em escolhe-se a cor de fundo desejada (no caso
amarela). Tal opo encontrada clicando-se o boto direito do mouse e selecionando-se a
opo Formatar clulas... e Preenchimento.
Os passso 1 e 2 identificam e reservam os locais (B2, D2, F2 e H2) para os dados do
problema.
3) Na linha 5 (colunas de A a H) identifica-se os itens que fazem parte da tabela: k (iterao),

a_k, b_k, alpha_k, beta_k, g(alpha_k), g(beta_k) e erro_k (este ltimo opcional).

selecionam-se estas duas clulas e arrasta-se at a linha desejada (o nmero de iteraes
desejado).
=F2 e =H2
6) Nas clulas D6 e E6 digita-se, respectivamente,
=(B6+C6-$D$2)/2 e =(B6+C6+$D$2)/2
que so os valores de e .
7) Nas clulas F6 e G6 digita-se, respectivamente,
=-500*D6+10*D6^2 e =-500*E6+10*E6^2
que so os valores da funo para os valores em D6 e E6.
8) Na clula H6 digita-se a diferena entre as extremidades final e inicial do novo intervalo

de incerteza por meio da frmula:
=C7-B7
Este passo opcional uma vez que j se sabe no nmero de iteraes e, portanto, o
momento de parar. Tal coluna foi adicionada apenas para uma melhor visualizao do
processo.
9) Selecionam-se as clulas D6, E6, F6, G6 e H6 e arrasta-se a aba de preenchimento

automtico at a linha da iterao desejada. Assim, estes passos so repetidos em todas as
46
iteraes.
10) Nas clulas B7 e C7 digita-se o condicional que determinar qual das partes do intervalo
anterior ser considerada ( ou ).
Na clula B7:
=SE(F6<G6;B6;D6)
Na clula C7:
= SE(F6<G6;E6;C6)
11) Selecionam-se as clulas B7 e C7 e arrasta-se o sinal positivo, da aba de preenchimento
automtico, at a linha posterior a da iterao desejada. O motivo que na linha k+1 que
aparece o intervalo de incerteza resultante da iterao k.
O nmero de casas decimais usado na planilha maior do que nos clculos manuais.
Caso se deseje fixar o mesmo nmero de casas decimais (com arredondamento), basta utilizar
a funo ARRED.
=ARRED(expresso; nmero de casas decimais)
O mtodo dicotmico pode ser adaptado de modo a gerar variantes bem interessantes
como o mtodo de Fibonacci e o da Seo urea. Yuan e Sun (2006, p. 84) comentam a
respeito de tais mtodos:
A ideia bsica para minimizar uma funo unimodal dentro do intervalo [a; b]
iterativamente reduzir o intervalo de incerteza comparando os valores da funo das
observaes. Quando o comprimento do intervalo de incerteza reduzido ao grau
desejado, os pontos sobre o intervalo podem ser considerados como uma
aproximao do minimizador. Nesta classe de mtodos somente necessrio
calcular os valores das funes e possui diversas aplicaes para vrios tipos de
problemas.
3.4. NMEROS DE FIBONACCI
Os nmeros de Fibonacci recebem esse nome em homenagem ao matemtico italiano

Leonardo de Pisa, mais conhecido por Fibonacci. Tais nmeros aparecem no problema do
crescimento de uma populao de coelhos na obra Liber Abaci publicada em 1202. Uma
traduo para lngua inglesa foi feita por Sigler (2002, p. 404):
47
Um homem tinha um par de coelhos juntos em um determinado lugar fechado, e se
quer saber quantos so criados a partir do par em um ano, quando da natureza
deles gerar em um nico ms um outro par, e, no segundo ms os nascidos tambm
gerar. Porque o par descrito no primeiro ms, ir dobrar; haver dois pares em um
ms. Um destes, a saber, o primeiro, gera outro par no segundo ms, e assim h no
segundo ms 3 pares; destes em um ms duas esto grvidas, e no terceiro ms 2
pares de coelhos nascem, e, portanto, h 5 pares no monte; neste ms 3 esto
grvidas, e no quarto ms h 8 pares, dos quais 5 geram mais 5 pares; estes so
adicionados aos 8 pares fazendo 13 pares no quinto ms; estes 5 pares que nascem
neste ms no acasalam neste ms, mas outros 8 pares sim, e, portanto, h, no sexto
ms 21 pares; para estes h que acrescentar os 13 pares que nasceram no stimo
ms; haver 34 pares neste ms; para isso se acrescentam os 21 pares que nascem no
oitavo ms; haver 55 pares neste ms; aos quais se juntam os 34 pares que nascem
no nono ms; haver 89 pares neste ms; aos quais se juntam novamente os 55 pares
que nascem no dcimo ms; haver 144 pares neste ms; aos quais se juntam
novamente os 89 pares que nascem no dcimo primeiro ms; haver 233 pares neste
ms. Para estes ainda so adicionados os 144 pares que nascem no ltimo ms;
haver 377 pares, e esta quantidade de pares so produzidos a partir par casal inicial
no local indicado no final de um ano.
Voc pode realmente ver na margem como operamos, ou seja, que ns adicionamos
o primeiro nmero para o segundo, ou seja, a 1 com a 2, e do segundo para o
terceiro, e o terceiro para o quarto, e do quarto para o quinto, e, assim, um aps o
outro, at que acrescentou o dcimo a dcimo primeiro, ou seja, o 144 ao 233, e
tivemos a soma de coelhos acima descritos, ou seja, 377, e assim voc pode, a fim
encontr-lo para um nmero qualquer de meses.
Os nmeros de Fibonacci, 1, 1, 2, 3, 5, 8, 13, 21, ... so portanto, gerados por
(3.9)
O primeiro nmero, , no aparece no texto original, mas tradicionalmente includo

por convenincia.
A resoluo da relao de recorrncia (3.9) nos fornece a expresso que calcula
diretamente todos os nmeros de Fibonacci:
(3.10)
48
e pode ser encontrada em Lima (1999).
3.5. MTODO DE FIBONACCI
Em 1953, o estatstico e economista Jack Kiefer apresentou o artigo Sequential

minimax search for a maximum, em que apresentou o mtodo de busca de Fibonacci. A ideia
bsica de tal mtodo iterativamente reduzir o intervalo de incerteza, at um intervalo que
apresente a preciso desejada, comparando os valores da funo (unimodal) em dois pontos,
como no mtodo da dicotomia. A diferena, porm, est na forma de determinar os pontos.
Aqui se deseja que na prxima iterao um dos pontos calculados seja reaproveitado,
reduzindo assim o custo computacional.
Observa-se que nessas condies, a escolha dos nmeros recai sobre os nmeros de
Fibonacci: a razo entre os comprimentos dos intervalos de incerteza final e inicial de cada
iterao igual razo de dois nmeros consecutivos de Fibonacci (da o nome do mtodo).
Antes de demonstrar tal resultado, vamos construir o mtodo de Fibonacci de modo
diferente. Inicialmente, desconsidera-se que um dos pontos seja reaproveitado e procura-se
reduzir o intervalo de incerteza razo de dois nmeros consecutivos de Fibonacci
(multiplicado pelo seu comprimento).
A partir dessa abordagem, pode-se concluir que um dos pontos aproveitado na
prxima iterao. Logo, a construo a seguir, mostra que utilizando as razes de dois
nmeros consecutivos de Fibonacci (Fn /Fn+1), atende a condio original. O motivo da
inverso na abordagem por causa da naturalidade em que as frmulas surgem.
Tal mtodo pode ser considerado uma variante do mtodo da dicotomia, j que
tambm usa dois pontos interiores do intervalo de incerteza, simtricos em relao ao ponto
mdio: um antes do ponto mdio () e outro aps o ponto mdio (), alm do fato da funo
ser unimodal. A seguir segue a construo do mtodo.
Sejam [a; b] o intervalo de confiana, de comprimento , da funo unimodal f ; a
preciso desejada e o n-simo nmero de Fibonacci (n > 2).
Inicialmente considere que n conhecido (posteriormente ser estabelecido como
determinar n).
O mtodo em questo um mtodo iterativo que visa diminuir o comprimento do
intervalo de incerteza, reduzindo-o razo de dois nmeros consecutivos de Fibonacci
(multiplicado pelo seu comprimento).
49
Tais razes consideradas geram a seguinte sequncia (n termos):
onde
o j-simo elemento da sequncia.

Para facilitar, a seguinte nomenclatura usada: so as extremidades e
os pontos interiores do intervalo de incerteza na iterao k. o comprimento do novo
intervalo de incerteza ao final da iterao k.
Na primeira iterao, as extremidades do intervalo considerado so:
e assim,
Deseja-se obter ao final da primeira iterao um intervalo de incerteza de

comprimento tal que
e que contenha o ponto de mnimo.

Elimina-se, portanto, do intervalo inicial o intervalo = . Assim,
onde
Se iniciar em , ento aps a excluso de , o intervalo restante iniciar na

extremidade superior de at . Se terminar em , ento aps a excluso de , o
intervalo restante, de comprimento , iniciar em e terminar na extremidade inferior de
.
Da, o motivo de se fazer:
Obtm-se assim os pontos . Agora a situao semelhante ao mtodo
50
da dicotomia. Calcula-se e e como a funo unimodal e o ponto de mnimo, ,
pertence ao intervalo , ento pela proposio 3.1, tem-se:
Considere, sem perda de generalidade, que . Ento o novo intervalo de

incerteza passa a ser . Observa-se que o comprimento do novo intervalo
que o resultado desejado. A Fig. 3.5 ilustra o que foi feito nessa iterao. A parte marcada
com X a parte excluda e a que est em vermelho o intervalo resultante ao final desta
iterao.
Figura 3.5 - Mtodo de busca de Fibonacci - Iterao 1.
Fonte: Elaborado pelo autor.
Na segunda iterao, tem-se:
e assim,
Deseja-se obter ao final da segunda iterao um intervalo de incerteza de comprimento

, tal que
e que contenha o ponto de mnimo. Elimina-se, portanto, do intervalo considerado o intervalo

= . Assim,
51
onde

extremidade superior de at . Se terminar em , ento aps a excluso de , o
intervalo restante, de comprimento , iniciar em e terminar em na extremidade inferior
de .
Devido a tal fato, faz-se:
Obtm-se, assim, os pontos . Calcula-se e e aplica-se a

proposio 3.1. Considerando, sem perda de generalidade, que . Ento o novo
intervalo de incerteza passa a ser .
Veja que o comprimento do novo intervalo
que o resultado desejado.

A Fig. 3.6 ilustra o que foi feito nessa iterao. A parte marcada com X a parte
excluda e a que est em vermelho o intervalo resultante ao final desta iterao.
Figura 3.6 - Mtodo de busca de Fibonacci - Iterao 2.

52
Na j-sima iterao, tem-se:
e da
Deseja-se obter ao final da j-sima iterao um intervalo de incerteza de comprimento

tal que
e que contenha o ponto de mnimo. Elimina-se, portanto, do intervalo considerado o intervalo

. Assim,
onde
(3.11)

extremidade superior de at . Se terminar em , ento aps a excluso de , o intervalo
restante, de comprimento , iniciar em e terminar na extremidade inferior de .
Da, o motivo de se fazer:
(3.12)
e
(3.13)
Obtm-se, assim, os pontos . Calcula-se e e aplica-se a

proposio 3.1. Considerando, sem perda de generalidade, que (o caso
contrrio anlogo). Ento o novo intervalo de incerteza passa a ser .
O comprimento do novo intervalo
(3.14)
53
que o resultado desejado.
Figura 3.7 - Mtodo de busca de Fibonacci - Iterao j.
O processo termina quando a razo entre os dois nmeros de Fibonacci for 0,5
, o que ocorre na n-sima iterao.
Proposio 3.2. , pode, tambm, ser calculado por:
(3.15)
Demonstrao.
De (3.13), sabemos que
Como,
ento,
54
Ao final da ltima iterao (n-sima iterao), o mtodo de Fibonacci reduz o
intervalo de confiana final :
(3.16)
De fato, como
...
...
substituindo recursivamente (k = n 1, n 2, , 1) por suas expresses, tem-se:
(3.17)
ou
Simplificando tem-se:
Trata-se agora do valor de n. Na resoluo dos problemas de otimizao, a preciso e

os extremos a e b so conhecidos (tem-se, ento, ) e o que se deseja uma aproximao
para o ponto de mnimo. No caso, um intervalo de incerteza de comprimento menor ou igual
55
ento,
(3.18)
Logo, n o menor nmero natural que satisfaz (3.18).

Uma desvantagem do mtodo de Fibonacci que, como se necessita de conhecer n
para efetuar as iteraes, ento necessrio efetuar uma busca entre os nmeros de Fibonacci
at encontrar o primeiro que satisfaz a desigualdade (3.18).
Alm, disso, na ltima iterao tem-se outro problema, decorrente do seguinte fato
O que ocorre que
isto , temos igual a . Isto no nos permite comparar a funo objetivo em dois pontos
distintos.
Para resolver tal problema, Chong e Zak (2013), propem usar ( ), com h
pequeno, no lugar de nas frmulas de e .
Da, tem-se, na n-sima iterao:
(3.19)
(3.20)
Tal artifcio faz com que os dois pontos sejam distintos. No entanto, o autor no
explica o que entende por pequeno. Uma sugesto fazer , que atende inclusive os
casos de igualdade de funo.
Com isto, (3.17) e (3.18) so modificados. A reduo proporcionada pela ltima
iterao passa a ser
e assim,
56
(3.21)
Isolando , finalmente obtem-se:
(3.22)
Tal procedimento no altera significativamente a busca dos nmeros de Fibonacci. A

finalidade somente tornar e diferentes. Voltando ao clculo das abscissas e ,
observa-se que
e
so o acrscimo que se d abscissa para encontrar, respectivamente, ou em
cada iterao. Sabe-se que o ponto mdio divide o intervalo dado em dois subintervalos
menores. Ento se , tem-se e em subintervalos diferentes.
decorre do fato de que
isto , o comprimento do intervalo ao final de uma iterao deve ser menor do que o do
inicial. J garatindo pela seguinte proposio.
Proposio 3.3.
(3.23)
Demonstrao.
Para mostrar tal fato, observe inicialmente que
onde .
De fato,
como , segue que
57
Agora, fazendo
e (deve-se lembrar que os nmeros de Fibonacci so positivos),
tem-se:
Mas, da lei de formao dos nmeros de Fibonacci
ento,
O resultado anterior tambm vale para j = 1, pois
Proposio 3.4.
(3.24)
Demonstrao.
A desigualdade da esquerda j foi provada. Ser tratada agora, a parte da direita.
Da lei de formao dos nmeros de Fibonacci, tem-se que:
logo:
Mas,
assim,

58
O resultado anterior tambm vlido para j =1, pois
Corolrio 3.1.
(3.25)
Demonstrao.
Basta lembrar que
Logo, no mtodo de Fibonacci, com exceo da ltima iterao, tem-se ,o
que significa que de fato, e esto em subintervalos diferentes.

O mtodo de Fibonacci produz um resultado interessante: no final de cada iterao o
novo intervalo de incerteza ir conter um dos dois pontos calculados, ou de modo que
um deles seja reutilizado. Com isto, no necessrio calcular dois pontos do intervalo, mas
apenas um. Pode-se aproveitar o outro ponto na iterao seguinte, como ser demonstrado a
seguir.
Proposio 3.5. Se , ento (para todo k {1, 2, , n 1}).
Proposio 3.6. Se , ento (para todo k {1, 2, , n 1}).
A demonstrao das proposies acima necessita de um resultado auxiliar.
Lema 3.1.
(3.26)
onde
(3.27)
Demonstrao:
Como
59
e,
ento,

Corolrio 3.2.
, (3.28)
onde
Demonstrao:
A ltima igualdade possvel devido ao fato de que diferente de zero.

Com tais resultados provam-se as proposies 3.5 e 3.6. Abaixo, segue a

demonstrao da proposio 3.5.
As extremidades do intervalo de confiana na iterao k+1 so
Logo, o comprimento de tal intervalo :
Pela expresso 3.12, tem-se:
Como
60
ento
Mas, do corolrio 3.2, sabe-se que:
Assim,
Da expresso 3.13,
segue que
De modo anlogo prova-se a proposio 3.6.

Portanto, a escolha dos nmeros de Fibonacci diminuem os clculos em cada iterao.

Tal propriedade no exclusiva do mtodo de Fibonacci. O mtodo da Seo urea,
visto adiante, tambm possui a propriedade de reaproveitamento de um dos pontos internos,
do intervalo de incerteza, calculados.
Porm, o mtodo com essa caracterstica e que minimiza o intervalo de incerteza o
mtodo de Fibonacci. Para demonstrar este fato, so necessrios alguns resultados auxiliares.
Considere , como no mtodo da dicotomia, pontos do intervalo de

comprimento L simtricos em relao ao ponto mdio e a distncia entre a extremidade
e (ou a distncia entre e o ponto ) dentro do intervalo [a; b].
Lema 3.2. Se em cada iterao do mtodo da dicotomia deseja-se que um dos pontos,
ou , seja reaproveitado na iterao seguinte, ou seja,
ou ,
ento tais pontos esto sujeitos condio
61
(3.29)
Demonstrao:
No mtodo da dicotomia os pontos e se posicionam, um antes do ponto mdio e

outro depois, ento:
ou seja,
Deseja-se reduzir o intervalo de incerteza, ento
Isto significa que se reduzir o intervalo ento os pontos devem ser interiores ao
intervalo. Assim,
Ainda, se quer que a cada etapa o ponto pertencente ao novo intervalo de incerteza
seja reaproveitado como mostrado na figura abaixo.
Figura 3.8 - Reduo do intervalo com .
Iterao k
Iterao k+1
Fonte: Adaptado de Chong e Zak (2013, p. 109).
Sem perda de generalidade, suponha que . Logo, a distncia entre ,

que
62
ser igual a distncia entre que
sendo L o comprimento do novo intervalo de incerteza. Mas,
Assim,
Como j mencionado anteriormente, ao final de cada iterao, elimina-se do intervalo

de incerteza um intervalo de comprimento , ento, ao final do processo todo o intervalo se
reduz a
Agora o que se deseja determinar os valores de que tm a

propriedade de
minimizar2
sujeito s condies
Que o mesmo que dizer que se procura a melhor opo para a escolha de dois pontos
do interior do intervalo de incerteza, simtricos em relao ao ponto mdio, de tal forma que
na iterao seguinte reaproveitemos um dos valores calculados.
Para facilitar os clculos que seguem, faz-se Ento
2
Problema da minimizao do intervalo de incerteza sujeita s condies dadas. Adaptado de Chong e Zak (2013).
63
Como o intervalo se reduz, em cada etapa, a , ento aps n etapas tem-se
ou
Observe que
De fato.
Ento o problema de minimizao anterior pode ser reescrito como sendo o de

minimizar
sujeito s condies
Lema 3.3. (CHONG; ZAK, 2013, p. 113)

Para ( N ),
(3.30)
onde ( uma sequncia que satisfaz
(3.31)
Demonstrao.
Prova-se por induo sobre k.

64
Seja
Para k = 2, temos
Assim P(2) verdadeira.

Supondo que P(k) seja verdadeira para algum N , deseja-se provar que
P(k+1) tambm verdadeira, isto , que
Para tal, deve-se observar que pela hiptese da induo,
Substituindo, ento, na expresso de , tem-se:
Da lei de formao dos nmeros de Fibonacci, sabe-se que
Logo,
Como P(2) verdadeira e
ento segue do Princpio de Induo Finita que afirmao dada verdadeira.

65
Lema 3.4. (CHONG; ZAK, 2013, p. 113)
Para N ,
(3.32)
Demonstrao.
A prova feita por induo sobre k.

Seja
P(k):
Para k = 2, tem-se:
Mas, , satisfaz
e .
Ento,
e portanto,
Assim, P(2) verdadeira.

Supondo que P(k) seja verdadeira para algum deseja-se provar que
Para tal, deve-se observar que:
Do lema 3.3,
Substituindo o denominador por tal resultado, tem-se:
66
Mas, e pela hiptese de induo
,
ento

Lema 3.5. (CHONG; ZAK, 2013, p. 114)

Para N ,
(3.33)
Demonstrao.
Como
,
e do lema 3.3
ento, tem-se:
Mas, da lei de formao dos nmeros de Fibonacci,

e .
Da, tem-se:

67
Lema 3.6.
Para N ,
(3.34)
Demonstrao.
A demonstrao feita por induo sobre k.

Seja
P(k):
Para k = 2, tem-se
Assim P(2) verdadeira.

Supondo que P(k) seja verdadeira para algum deseja-se provar que
Para tal, desenvolve-se o primeiro membro da igualdade acima at obter-se o resultado

do segundo membro.
Da lei de formao dos nmeros de Fibonacci, tem-se que
Substituindo este resultado no segundo membro da igualdade anterior, tem-se:
Da hiptese de induo:
Logo,
68

Teorema 3.1. (CHONG; ZAK, 2013, p. 114)

Se satisfazem as condies
ento,
Ainda,
Demonstrao.
Sabe-se do lema 3.3 que
Logo,
Mas, do lema 3.5
ento,
69
Do lema 3.6
tem-se
Portanto,
Finalmente, a seguir demonstra-se a ltima afirmao do teorema:
A demonstrao de que
feita substituindo cada por sua expresso como indicado a seguir.
Reciprocamente,
demonstrada por reduo ao absurdo.

Suponha que
Multiplicando ambos os lados por , tem-se:
Mas, pelo lema 3.5
logo, s podemos ter
uma vez que a igualdade no possvel.

Porm, com tal resultado, a demonstrao inicial se torna:
70
Ou seja, a igualdade no ocorre mais, isto
o que contraria a hiptese
Assim,
Com tal valor de , afirma-se que
o que pode ser demonstrado por induo.

Seja
Para k = 2, tem-se
Da lei de formao dos nmeros de Fibonacci
Assim,
E portanto P(2) verdadeira.

Suponha que, P(k) seja verdadeira para algum , deseja-se mostrar
que P(k+1) tambm verdadeira, ou seja, que
71
Para tal, deve-se lembrar que
Substituindo-se a hiptese da induo
tem-se
Da lei de formao dos nmeros de Fibonacci
Assim,
que P(k+1).

interessante observar que se for dado, os demais r so determinados unicamente.

Alm disto, os r determinados so os valores usados no mtodo de Fibonacci.
Assim, conclui-se que os valores de r usados no mtodo de busca de Fibonacci
formam a nica soluo para o problema de otimizao do intervalo de incerteza mencionado
anteriormente.
3.5.1. ALGORITMO DO MTODO DE FIBONACCI
Apresenta-se a seguir, na Fig. 3.10, um fluxograma relacionado ao algoritmo

para implementao do mtodo de Fibonacci.
72
Figura 3.9 - Algoritmo do Mtodo de Fibonacci.
Dados f, a, b, h e .
Calcule: /
Calcule:
NO
SIM
k=1
Calcule: ; = a + (b a); = a + (b a); f() e f()
f() f()? NO
SIM
a= b=
Imprima k, a, b
k=k+1
NO
k = n?
SIM
Calcule: = (a + b 2h)/2; = (a+b+2h)/2; f() e f()
SIM NO
f() f()?
a= b=
Imprima x* [a; b]
Pare
Para mostrar uma aplicao do mtodo exposto acima, novamente retomado o

problema da excurso na seo seguinte.
73
3.5.2. EXEMPLO: O PROBLEMA DA EXCURSO
Deseja-se, minimizar a funo objetivo,
R R , tal que
sujeita a: .
SOLUO
A soluo analtica para o problema dado, ser descrita abaixo para as duas primeiras
iteraes, com a finalidade de exemplificar como se d a manipulao do problema, porm, os
resultados para as demais iteraes so mostrados na Tab.3.6.
A funo objetivo, o intervalo onde o ponto de mnimo est contido e a preciso desejada
so conhecidos:
.
= 0,1.
Adotando h = 0,005 na desigualdade 3.22:
obtm-se:
Observando-se a "sequncia de Fibonacci"
verifica-se que o primeiro nmero de Fibonacci, maior ou igual a 424,2, 610 e corresponde a
.
Ento faz-se
ou seja, so necessrias 13 iteraes para se chegar no resultado procurado.
Iterao 1
As extremidades do intervalo inicial da iterao 1, so:
.
Aplicando a equao 3.11, obtm-se:
74
Como,
Erro =
O erro (mximo) calculado apenas por curiosidade. Como o mtodo tem um nmero
de iteraes definido, no necessrio calcular o erro.
Iterao 2
Ao final da primeira iterao tem-se um novo intervalo de incerteza. Tal intervalo
passa a ser o inicial da segunda iterao. Assim:
Pela proposio 3.5, conclui-se que:
e pela equao 3.15, chega-se a:
75
Como
O erro mximo :
Erro =
O processo se repete at a dcima segunda iterao. Na dcima terceira iterao h

uma diferena: necessrio fazer um ajuste para que e , apresentem valores diferentes.
Abaixo so apresentados os resultados de todas as iteraes e em seguida so detalhados os
clculos da dcima terceira iterao.

A Tab. 3.6 mostra os resultados de todas as iteraes.
Tabela 3.6 - Resultados do problema da excurso pelo Mtodo e Fibonacci.
k (Iterao) k ak bk k k g(k) g( k) ak novo bk novo

1 0,3820 0 42 16,044 25,956 -5447,9006 -6240,8606 16,044 42
2 0,3820 16,044 42 25,956 32,0848 -6240,8606 -5748,0561 16,044 32,0848
3 0,3820 16,044 32,0848 22,1716 25,956 -6170,0015 -6240,8606 22,1716 32,0848
4 0,3819 22,1716 32,0848 25,956 28,2989 -6240,8606 -6141,1726 22,1716 28,2989
5 0,3820 22,1716 28,2989 24,5122 25,956 -6247,6205 -6240,8606 22,1716 25,956
6 0,3818 22,1716 25,956 23,6165 24,5122 -6230,8593 -6247,6205 23,6165 25,956
7 0,3824 23,6165 25,956 24,5122 25,0614 -6247,6205 -6249,9623 24,5122 25,956
8 0,3810 24,5122 25,956 25,0614 25,4059 -6249,9623 -6248,3525 24,5122 25,4059
9 0,3846 24,5122 25,4059 24,8559 25,0614 -6249,7924 -6249,9623 24,8559 25,4059
10 0,375 24,8559 25,4059 25,0614 25,1997 -6249,9623 -6249,6012 24,8559 25,1997
11 0,4 24,8559 25,1997 24,9934 25,0614 -6249,9996 -6249,9623 24,8559 25,0614
12 0,3333 24,8559 25,0614 24,9244 24,9934 -6249,9428 -6249,9996 24,9244 25,0614
13 0,5 24,9244 25,0614 24,9922 24,9936 -6249,9994 -6249,9996 24,9922 25,0614
Na dcima terceira iterao tem-se:
Aplicando as equaes 3.19 e 3.20, tem-se:
76
Os valores da funo objetivo para e , so:
Como
Pode-se observar que o erro mximo :
Erro =

Tabela 3.7 - Resultados da planilha do problema da excurso pelo mtodo de Fibonacci.
77
Para construir a planilha acima necessrio antes criar uma aba separada (NumFib)
onde constaro os nmeros da sequncia de Fibonacci (F0, F1, F2, ) e seus respectivos
ndices (0, 1, 2, ) como mostrado abaixo. Digitam-se os dois primeiros ndices (em A2 e
A3) e em seguida selecionando-se ambos arrasta-se o sinal positivo da aba de preenchimento
automtico at a linha desejada.
Nas clulas B2 e B3 digita-se os dois primeiros nmeros de Fibonacci, na clula B4
digitamos
=B2+B3
e aps pressionar ENTER seleciona-se essa clula (B4) e copia-se sua frmula para as demais
clulas da coluna (atravs do processo de arrastamento).
Tabela 3.8 - Construo dos nmeros de Fibonacci.
Retornando aba principal segue-se o seguinte procedimento:

1) Digita-se nas clulas A2, C2, F2 e H2, respectivamente , h, a e b;
2) Selecionam-se as clulas B2, D2, G2 e I2 e preenche-se com a cor amarela (opcional).
Os passos 1 e 2 identificam e reservam os locais (B2, D2, G2 e I2) para os dados do
problema.
78
3) Digita-se nas clulas A3, C3, E3, F3 e H3, respectivamente Fn, n+1, , n e F_n+1;
4) Digita-se na clula B4:
=(I2-G2)*(1+2*D2)/B2
na clula D4:
=SE(CONT.SE(NumFib!B:B;"=" & B4) =1;CONT.SE(NumFib!B:B;"<" & B4)-1;
CONT.SE(NumFib!B:B;"<" & B4))

na clula G4:
=D4-1
e na clula I4:
=NDICE(NumFib!B:B;D4+1)
A frmula digitada na clula B3 faz o clculo de
A frmula digitada em D3 determina a posio do primeiro nmero de Fibonacci

maior ou igual ao indicado na clula B3. Este o ensimo primeiro termo (indicado na
clula I3).
A clula G4 indica qual o nmero de iteraes.
Mostrar o ensimo primeiro termo da sequncia de Fibonacci (I4) opcional.
5) Na linha 6 (colunas de A a I) identifica-se os itens que faro parte da tabela: k (iterao),
p_k, a_k, b_k, alpha_k, beta_k, f(alpha_k), f(beta_k) e erro_k (este ltimo opcional).
selecionam-se estas duas clulas e arrasta-se a aba de preenchimento automtico at a linha
desejada (k+1).
7) Na clula B7 digita-se
=1-NDICE(NumFib!B:B;$D$4+2-A7)/NDICE(NumFib!B:B;$D$4+3-A7)
A frmula
NDICE(NumFib!B:B;$D$4+2-A7)
identifica o ensimo termo e
NDICE(NumFib!B:B;$D$4+3-A7)
o ensimo primeiro termo da sequncia de Fibonacci.
Logo, o que mostrado em B7
79
8) Seleciona-se a clula B7 e arrasta-se o sinal positivo da aba de preenchimento automtico
at a linha desejada (n+1).
9) Nas clulas C7 e D7 digita-se, respectivamente,
=G2 e =I2
10) Nas clulas E7 e F7 digita-se, respectivamente,
=C7+B7*(D7-C7) e =D7-B7*(D7-C7)
11) Nas clulas G7 e H7 digita-se, respectivamente,
= 500*D6+10*D6^2 e 500*E6+10*E6^2
12) Na clula I7 digita-se
=D8-C8
que representa a diferena entre as extremidades final e inicial do novo intervalo de
incerteza.
Em seguida, seleciona-se essa clula e atravs do processo arrastamento copia-se sua
frmula para as demais clulas de sua coluna at a linha da ensima iterao.
Este passo opcional j que o nmero de iterao conhecido. Foi colocado apenas
para melhor visualizao do processo.
13) Nas clulas C8 e D8 digitam-se os condicionais que determinaro qual das partes do
intervalo anterior considerada ( ou ).
Na clula C8:
=SE(G7>=H7;E7;C7)
Na clula D8:
=SE(H7>G7;F7;D7)
14) Selecionam-se as clulas C8 e D8 e copiam-se suas frmulas at a linha posterior a da

iterao desejada. O motivo que na linha k+1 que aparece o intervalo de incerteza
80
resultante da iterao k.
15) Nas clulas E8 e F8 digitam-se os condicionais que calcularo os valores de e .

Na clula E8:
=SE(G7>=H7;F7;C8+B8*(D8-C8))
Na clula F8:
=SE(H7>G7;E7;D8-B8*(D8-C8))
Em seguida, copia-se a frmula, atravs do processo de arrastamento, para as clulas

de suas colunas at a linha anterior a ensima iterao.
As frmulas do passo 10 poderiam ser reaproveitadas, mas aqui as frmulas realizam
o aproveitamento de valores repetidos. Reduzindo os clculos.
16) Nas clulas G8 e H8 digitam-se os condicionais que calculam os valores da funo para
os alfas e betas correspondentes ou repetem os valores da iterao anterior.
Na clula G8
=SE(G7>=H7;H7;-500*E8+10*E8^2)
Na clula H8:
=SE(H7>G7;G7;-500*F8+10*F8^2)
Em seguida, selecionam-se as clulas G8 e H8 e executa-se o processo de

arrastamento at a linha anterior a ensima iterao.
17) Nas clulas E19 e F19 digitam-se as frmulas que calculam e corrigidos e nas
clulas G19 e H19 a frmula que fornece os valores da funo para tais pontos.
Na clula E19:
=C19+(B19-D2)*(D19-C19)
Na clula F19:
=C19+(B19+D2)*(D19-C19)
Na clula G19:
=-500*E19+10*E19^2
Na clula H19:
=-500*F19+10*F19^2
18) Digitam-se os valores de , h, a e b desejados e a planilha nos fornecer os valores

procurados.
81
3.6. MTODO DA SEO UREA
No mtodo de Fibonacci, a cada iterao, o valor de muda. No entanto, a mudana

considervel apenas nas ltimas iteraes. Na maior parte das iteraes o valor fica prximo
de 0,3820 conforme o exemplo anterior. Da surge a motivao de adaptar a tcnica de
Fibonacci, mas com fixo (constante) em todas as iteraes.
Porm, desta forma, pode-se perder em convergncia, j que o mtodo de Fibonacci
a melhor escolha dentro das condies j mencionadas anteriormente. No entanto, a diferena
muito pequena e em boa parte dos problemas nem relevante.
Abaixo, tem-se a implicao de tal considerao.
Consideremos, ento,
Como
ento teremos
(3.35)
Este resultado bem conhecido: determinado pela seo urea do intervalo de

incerteza considerado, da o nome do mtodo.
Resolvendo tal equao, temos
Como
ento
(3.36)
Com esse valor de , temos:
(3.37)
(3.38)
Como a cada iterao o intervalo se reduz a do intervalo inicial,
82
ento aps n iteraes, tem-se:
(3.39)
Alm disto,
ento
(3.40)
Para mostrar uma aplicao do mtodo da Seo urea, novamente retomado o

problema da excurso.
3.6.1. EXEMPLO: O PROBLEMA DA EXCURSO
Queremos, minimizar a funo objetivo,
RR
sujeita a: .
SOLUO
Para este caso, assim como no resolvido na seo anterior, sero feitas
analiticamente as duas primeiras iteraes, sendo que as restantes, so mostrados na
Tab.3.9.
A funo objetivo, o intervalo onde o ponto de mnimo est contido e a
preciso desejada so conhecidos:
.
= 0,1.
O nmero de iteraes calculado pela desigualdade 3.40:
Ento so necessrias 13 iteraes para atingir a preciso desejada.

A seguir so descritos os clculos feitos em cada iterao.
Iterao 1
O intervalo inicial a ser considerado o intervalo de incerteza original. Assim:
.
83
Como,
Erro =
Como j mencionado, o erro (mximo) ser calculado a ttulo de curiosidade. Como o

mtodo tem um nmero de iteraes definido, no necessrio calcular o erro.
Iterao 2
Ao final da primeira iterao tem-se um novo intervalo de incerteza. Tal intervalo
passa a ser o inicial da segunda iterao. Assim:
Como
84
O erro mximo :
Erro =
O processo se repete at a dcima terceira iterao.
Tabela 3.9 - Resultados do problema da excurso pelo Mtodo da Seo urea.
k (Iterao) ak bk k k g(k) g( k) ak novo bk novo

1 0 42 16,044 25,956 -5447,9006 -6240,8606 16,044 42
2 16,044 42 25,956 32,0848 -6240,8606 -5748,0561 16,044 32,0848
3 16,044 32,0848 22,1716 25,956 -6170,0015 -6240,8606 22,1716 32,0848
4 22,1716 32,0848 25,956 28,298 -6240,8606 -6141,232 22,1716 28,298
5 22,1716 28,298 24,5119 25,956 -6247,6176 -6240,8606 22,1716 25,956
6 22,1716 25,956 23,6172 24,5119 -6230,8786 -6247,6176 23,6172 25,956
7 23,6172 25,956 24,5119 25,0626 -6247,6176 -6249,9608 24,5119 25,956
8 24,5119 25,956 25,0626 25,4044 -6249,9608 -6248,3646 24,5119 25,4044
9 24,5119 25,4044 24,8528 25,0626 -6249,7833 -6249,9608 24,8528 25,4044
10 24,8528 25,4044 25,0626 25,1937 -6249,9608 -6249,6248 24,8528 25,1937
11 24,8528 25,1937 24,983 25,0626 -6249,9971 -6249,9608 24,8528 25,0626
12 24,8528 25,0626 24,9329 24,983 -6249,955 -6249,9971 24,9329 25,0626
13 24,9329 25,0626 24,983 25,0131 -6249,9971 -6249,9983 24,9830 25,0626
Pode-se observar que o erro mximo :
Erro =

Comparando os resultados, deste problema, obtidos pelo mtodo de Fibonacci e pela

da Seo urea, nota-se que o primeiro apresenta o intervalo de incerteza com extremos mais
prximos do valor exato (x = 25) do que o segundo.
85
Tabela 3.10 - Resultados da planilha do problema da excurso pelo mtodo da Seo urea.
A planilha construda da seguinte forma:
1) Digitam-se nas clulas A2, C2, E2 e G2, respectivamente, , a, b e ;

2) Selecionam-se as clulas B2, D2, F2 e H2 e escolhe-se a cor amarela para preencher o
fundo destas clulas.
Os passo 1 e 2 identificam e reservam os locais (B2, D2 e F2) para os dados do problema e
H2 para o valor de .
3) Na clula H2 digita-se
=(3-RAIZ(5))/2
que o valor fixo de .

4) Na linha 5 (colunas de A a H) identificam-se os itens que faro parte da tabela: k
(iterao), a_k, b_k, alpha_k, beta_k, g(alpha_k), g(beta_k) e erro_k (este ltimo opcional).
selecionam-se estas duas clulas e arrasta-se o sinal positivo do preenchimento automtico
at a linha desejada (k+1).
86
=D2 e =F2

7) Nas clulas D6 e E6 digita-se, respectivamente,
=B6+$H$2*(C6-B6) e =C6-$H$2*(C6-B6)
= 500*D6+10*D6^2 e = 500*E6+10*E6^2

9) Na clula H6 digita-se
=C7-B7
que representa a diferena entre as extremidades final e inicial do novo intervalo de

incerteza.
Este passo opcional j que calculamos e, portanto, j sabemos em que iterao
parar. Foi colocado para melhor visualizao do processo.
10) Selecionam-se as clulas F6, G6 e H6 e copiam-se suas frmulas, atravs do mtodo de
arrastamento, at a linha da iterao desejada. Estes passos so repetidos em todas as
iteraes.
11) Nas clulas B7 e C7 digitam-se os condicionais que determinaro qual das partes do
intervalo anterior considerada ( ou ).
Na clula B7:
=SE(F6>=G6;D6;B6)
Na clula C7:
=SE(G6>F6;E6;C6)
12) Selecionam-se e arrastam-se as clulas B7 e C7 at a linha posterior da iterao

desejada. O motivo que na linha k+1 que aparece o intervalo de incerteza resultante da
iterao k.
13) Nas clulas D7 e E7 digitam-se os condicionais que calculam os valores da funo para
os alfas e betas correspondentes ou repetem os valores da iterao anterior.
Na clula D7:
=SE(F6>=G6;E6;B7+$H$2*(C7-B7))
87
Na clula E7:
=SE(G6>F6;D6;C7-$H$2*(C7-B7))
Em seguida seleciona-se as clulas D7 e E7 e executa-se o processo de arrastamento

at a linha da iterao desejada.
=SE(F7>=G7;G6; 500*D7+10*D7^2) e 500*E7+10*E7^2)

Selecionam-se ambas clulas, F7 e G7, e arrasta-se o sinal positivo da aba de
preenchimento automtico at a linha da ensima iterao.
15) Ao digitar os valores de , a e b desejados, a planilha fornece os valores procurados.
88
4. EXEMPLOS DE RESOLUO DE PROBLEMAS ELEMENTARES
PELOS MTODOS DE FIBONACCI E SEO UREA
A seguir so apresentados alguns problemas de aplicao dos mtodos de busca de

Fibonacci e da Seo urea.
Inicialmente feita uma modelagem dos problemas onde se estabelece qual a funo a
ser minimizada. Aps, so aplicados os mtodos em questo. Para a aplicao de tais mtodos
necessrio que as funes sejam unimodais nos intervalos de incerteza. Porm, apenas com
conhecimento de ensino mdio, nem sempre simples identificar se uma funo unimodal
ou no. Aqui os grficos so plotados com ajuda do software GEOGEBRA3.
PROBLEMA 1 - ABASTECIMENTO DE DUAS INDSTRIAS
Contedos do ensino bsico associados: Funo, Valor de uma funo, Domnio de

uma funo, Ponto de mnimo de uma funo, Teorema de Pitgoras.
O PROBLEMA
Duas indstrias A e B necessitam de gua potvel. A figura a seguir esquematiza a
posio das indstrias, bem como a posio de um encanamento retilneo l, j existente. Em
que ponto do encanamento deve ser instalado um reservatrio de modo que a metragem de
cano a ser utilizada seja mnima?
Figura 4.1 - O problema das duas indstrias.
Fonte: Flemming e Gonalves (2006).
SOLUO.
3
Software muito usado no ensino de Geometria e na plotagem de grficos, disponvel em www.geogebra.org. A
verso usada neste trabalho foi a 4.4.44.0.
89
MODELAGEM MATEMTICA DO PROBLEMA
Sejam A' e B' os ps das perpendiculares ao encanamento passando, respectivamente,
por A e B. O ponto P o ponto que satisfaz s condies do problema.
Sejam, ainda,
x : a distncia entre A' e P ( )
f (x) : o comprimento total dos encanamentos a serem instalados (AP + PB).
Figura 4.2 - Esquema do problema das duas indstrias.
Fonte: Adaptado de Flemming e Gonalves (2006).
Pelo teorema de Pitgoras, tem-se:
Assim,
(4.1)
Para obter a expresso dada em 4.1 considera-se que o ponto procurado deve estar
entre A' e B', ou seja, x pertence ao intervalo [0; 12] que, portanto, o domnio da funo.
O motivo para que P deva estar entre A' e B' o fato de desejarmos uma instalao
com menor custo. Como o custo est diretamente associado ao comprimento do encanamento
que dever ser instalado, deve-se descartar os casos imediatos em que o custo ser maior.
De fato, se P estiver esquerda de A' ento,
Assim,
(4.2)
Como
90
ento a expresso 4.1 fornece resultados menores do que 4.2 e portanto um custo menor.
Na verdade somente a expresso 4.1 no caracteriza uma funo. necessrio definir
seu domnio e contradomnio. No tipo de problema em questo trabalha-se com nmeros
reais, logo o contradomnio acaba sendo o prprio conjunto dos nmeros reais. J o domnio,
de acordo com as consideraes anteriores, deve ser o intervalo [0; 12].
Assim, a funo que rege o problema :
R tal que
PROBLEMA EQUIVALENTE
Aps as consideraes acima, o problema se resume a minimizar a funo objetivo:
RR
sujeita a condio: .
A figura abaixo apresenta o grfico da funo,
Figura 4.3 - Grfico da funo objetivo do problema de abastecimento das duas indstrias.
91
Pelo grfico observa-se que, mesmo considerando o domnio como todo o conjunto
dos nmeros reais, a funo objetivo unimodal e, de fato, o ponto de mnimo da funo
pertence ao intervalo [0; 12].
SOLUO PELO MTODO DE FIBONACCI

O intervalo onde o ponto de mnimo est contido conhecido:
.
Escolhe-se = 0,01.
Adotando h = 0,005 na desigualdade 3.22:
obtm-se:
Analisando a "sequncia de Fibonacci"
verifica-se que o primeiro nmero de Fibonacci, maior ou igual a 1.212, 1.597 e

corresponde a . Ento faz-se:
ou seja, precisa-se de 15 iteraes para chegar no resultado procurado.

A seguir so detalhados os clculos das duas primeiras iteraes. Foram utilizados 4
casas decimais com arredondamento.
Iterao 1
As extremidades do intervalo inicial da iterao 1, so:
92
Como,
Iterao 2
As extremidades do intervalo de incerteza, agora, so:
Como,
93
O processo se repete at a dcima quarta iterao. Na dcima quinta iterao so feitos
ajustes para se encontrar e . Abaixo, na Tab. 4.1, so apresentados os resultados de
todas as iteraes e em seguida so detalhados os clculos da dcima quinta iterao.
Tabela 4.1. Resultados do problema das duas fbricas usando o mtodo de Fibonacci.
k (Iterao) k ak bk k k f(k) f( k) ak novo bk novo

1 0,3820 0 12 4,584 7,416 13,7648 13,4273 4,584 12
2 0,3820 4,584 12 7,416 9,1671 13,4273 13,4695 4,584 9,1671
3 0,3820 4,584 9,1671 6,3347 7,416 13,4999 13,4273 6,3347 9,1671
4 0,3820 6,3347 9,1671 7,416 8,0851 13,4273 13,4167 7,416 9,1671
5 0,3820 7,416 9,1671 8,0851 8,4982 13,4167 13,4252 7,416 8,4982
6 0,3819 7,416 8,4982 7,8293 8,0851 13,4174 13,4167 7,8293 8,4982
7 0,3820 7,8293 8,4982 8,0851 8,2427 13,4167 13,4184 7,8293 8,2427
8 0,3818 7,8293 8,2427 7,9871 8,0851 13,4164 13,4167 7,8293 8,0851
9 0,3824 7,8293 8,0851 7,9271 7,9871 13,4166 13,4164 7,9271 8,0851
10 0,3810 7,9271 8,0851 7,9871 8,0249 13,4164 13,4164 7,9871 8,0851
11 0,3846 7,9871 8,0851 8,0249 8,0474 13,4164 13,4165 7,9871 8,0474
12 0,375 7,9871 8,0474 8,0097 8,0249 13,4164 13,4164 8,0097 8,0474
13 0,4 8,0097 8,0474 8,0249 8,0323 13,4164 13,4164 8,0249 8,0474
14 0,3333 8,0249 8,0474 8,0323 8,0399 13,4164 13,4165 8,0249 8,0399
15 0,5 8,0249 8,0399 8,0323 8,0325 13,4164 13,4164 8,0323 8,0399
Na dcima quinta iterao tem-se:
Os valores da funo objetivo para e , so:
94
Como
Uma soluo para pode ser qualquer ponto do intervalo anterior. Por exemplo, o
ponto mdio do intervalo: 8,0361 km.
A resposta exata, no entanto, 8 km, isto , a canalizao deve ser feita a 8 km do
encontro da canalizao L com a perpendicular que passa por A. Este fato ocorre devido ao
nmero de casas decimais e ao arredondamento adotado. A Tab. 4.2, por exemplo, mostra os
resultados com mais casas decimais. Neste caso, observa-se que o resultado da tabela tem
mais sentido do que o resultado anterior.
SOLUO PELO MTODO DE FIBONACCI VIA MICROSOFT EXCEL OU

LIBREOFFICE CALC
A seguir apresentada uma planilha com os resultados de todas as 15 iteraes.
Tabela 4.2 - Resultados da planilha do problema das duas fbricas pelo mtodo de Fibonacci.
95
O esquema abaixo mostra as sucessivas redues do intervalo que contm .
Figura 4.4 - Exerccio das duas fbricas Redues sucessivas do intervalo de incerteza pelo mtodo de
Fibonacci.
SOLUO PELO MTODO DA SEO UREA

A funo objetivo j conhecida e sabe-se que o ponto de mnimo est contido no
intervalo:
.
A preciso desejada = 0,01.
Ento so necessrias 15 iteraes para se atingir a preciso desejada.

A seguir so detalhados os clculos para as duas primeiras iteraes e, na Tab. 4.3 so
apresentados os resultados das iteraes restantes. Neste caso, tambm foram utilizados 4
casas decimais com arredondamento.
Iterao 1
O intervalo inicial a ser considerado o intervalo de incerteza original. Assim:
96
.
Como
Iterao 2
O intervalo inicial a ser considerado na segunda iterao o novo intervalo obtido ao
final da primeira iterao. Assim:
Como
97
Tabela 4.3 - Resultados do problema das duas fbricas usando o mtodo da Seo urea.
k (Iterao) ak bk k k f(k) f( k) ak novo bk novo

1 0 12 4,584 7,416 13,7648 13,4273 4,584 12
2 4,584 12 7,416 9,1671 13,4273 13,4695 4,584 9,1671
3 4,584 9,1671 6,3347 7,416 13,4999 13,4273 6,3347 9,1671
4 6,3347 9,1671 7,416 8,0851 13,4273 13,4167 7,416 9,1671
5 7,416 9,1671 8,0851 8,4982 13,4167 13,4252 7,416 8,4982
6 7,416 8,4982 7,8294 8,0851 13,4174 13,4167 7,8294 8,4982
7 7,8294 8,4982 8,0851 8,2427 13,4167 13,4184 7,8294 8,2427
8 7,8294 8,2427 7,9873 8,0851 13,4164 13,4167 7,8294 8,0851
9 7,8294 8,0851 7,9271 7,9873 13,4166 13,4164 7,9271 8,0851
10 7,9271 8,0851 7,9873 8,0247 13,4164 13,4164 7,9873 8,0851
11 7,9873 8,0851 8,0247 8,0477 13,4164 13,4165 7,9873 8,0477
12 7,9873 8,0477 8,0104 8,0247 13,4164 13,4164 8,0104 8,0477
13 8,0104 8,0477 8,0247 8,0335 13,4164 13,4164 8,0247 8,0477
14 8,0247 8,0477 8,0335 8,0389 13,4164 13,4165 8,0247 8,0389
15 8,0247 8,0389 8,0301 8,0335 13,4164 13,4164 8,0301 8,0389
Uma soluo para pode ser qualquer ponto do intervalo anterior. Por exemplo, o
ponto mdio do intervalo: 8,0345 km. Como mencionado anteriormente, observa-se um erro
maior do que o desejado em relao ao valor correto (8 km) devido ao nmero de casas
decimais e ao arredondamento usados.
A Tab.4.4 mostra os resultados de cada iterao com mais casas decimais.
SOLUO PELO MTODO DA SEO UREA VIA MICROSOFT EXCEL

OU LIBREOFFICE CALC.
A seguir apresentada uma planilha com os resultados de todas as 15 iteraes.
98
Tabela 4.4 - Resultados da planilha do problema das duas fbricas pelo o mtodo da Seo urea.
PROBLEMA 2 DIMENSES DO COPO DE PAPEL

uma funo, Ponto de mnimo de uma funo, Grfico de uma funo, Volume de um cone,
Comprimento de uma circunferncia, reas do crculo e do retngulo e Teorema de Pitgoras.
O PROBLEMA DO COPO DE PAPEL

Um copo de papel em forma de cone feito de maneira a conter 27 cm3 de gua. Ache
a altura e o raio do copo que usa a menor quantidade possvel de papel.
SOLUO.
Sejam r e h, respectivamente, o raio e a altura do cone (onde r, h > 0).
O volume de um cone circular reto dado por:
(4.3)
Como , ento
99
(4.4)
A Fig. 4.5 mostra a planificao do cone (sem a base, que no usada no problema).
Figura 4.5 - Planificao da superfcie lateral de um cone circular reto.
Com uma simples regra de trs, determina-se a rea lateral do cone: a rea do crculo
maior (tracejado), g2, est para a rea do setor circular (escura), A, assim como o
comprimento da circunferncia maior, 2g, est para 2r.
Assim:
(4.5)
onde g geratriz do cone.

Atravs do seguinte tringulo retngulo estabelecemos uma relao entre h, r e g.
Figura 4.6. Tringulo retngulo formado por r, h e g.
(4.6)
Substituindo 4.6 em 4.5, obtm-se:
Substituindo 4.4 na expresso acima, tem-se:
100
(4.7)
onde r [0, +).

A figura abaixo apresenta o grfico da funo,
Figura 4.7. Grfico da funo objetivo do problema do copo de papel.
O grfico mostra que a funo unimodal e o ponto de mnimo pertence ao intervalo

[0; 10].
sujeita a condio: .
RESOLUO PELO MTODO DE FIBONACCI VIA MICROSOFT

EXCEL/LIBREOFFICE CALC
O intervalo onde o ponto de mnimo est contido e a preciso desejada so
conhecidos:
.
Adotando = 0,01 e h = 0,005, tem-se na desigualdade 3.22:
101
obtm-se:
Analisando a "sequncia de Fibonacci"
verifica-se que o primeiro nmero de Fibonacci, maior ou igual a 1.010, 1.597 e

corresponde a .
Ento faz-se:
ou seja, so necessrias 15 iteraes para se chegar no resultado procurado.

A Tab.4.5 apresenta os resultados de cada iterao.
Tabela 4.5 - Resultados do problema do copo de papel usando o mtodo de Fibonacci.
Os resultados da tabela acima mostram que o raio procurado pertence ao intervalo

[2,62986850; 2,63619286]. Como resposta pode-se considerar o ponto mdio do intervalo.
Assim,
102
Substituindo o valor encontrado em 4.4, obtm-se:
RESOLUO PELO MTODO DA SEO UREA VIA MICROSOFT

EXCEL/LIBREOFFICE CALC
intervalo:
.
Alm disto,
= 0,01.
Ento precisamos de 15 iteraes para atingir a preciso desejada.

A Tab. 4.6 mostra os resultados de cada iterao do mtodo da Seo urea.
Tabela 4.6. Resultados do problema do copo de papel usando o Mtodo da Seo urea.
Os resultados da tabela acima mostram que o raio procurado pertence ao intervalo

Assim,
103
Substituindo o valor de em 4.4, obtm-se:
Comparando os resultados obtidos pelos dois mtodos, observa-se que o intervalo de

incerteza final mais estreito no caso do mtodo de Fibonacci do que na Seo urea.
Entretanto, pela preciso procurada, o impacto no resultado no muito significativo.
PROBLEMA 3 DIMENSES E VOLUME DA CAIXA

uma funo, Ponto de mnimo de uma funo, Grfico de uma funo, Volume de um
paraleleppedo reto, reas do retngulo.
O PROBLEMA DA CAIXA
Se 1200 cm2 de material estiverem disponveis para fazer uma caixa com uma base
quadrada e sem tampa, encontre o maior volume possvel da caixa.
SOLUO.
Sejam l o comprimento do lado da base e h a altura da caixa (l, h > 0).
Figura 4.8. Caixa de base quadrada.
l
l
A rea total da superfcie da caixa :
104
(4.8)
O volume da caixa dado por:
(4.9)
Substituindo 4.8 em 4.9, obtm-se:
(4.10)
Como
R R , tal que
sujeita a condio: .
O grfico de tal funo mostrada na Fig. 4.4. Tal grfico foi feito no Geogebra.
Figura 4.9. Grfico da funo objetivo do problema da caixa.
RESOLUO PELO MTODO DE FIBONACCI VIA MICROSOFT

EXCEL /LIBREOFFICE CALC
O intervalo onde o ponto de mnimo est contido e a preciso desejada so
conhecidos:
.
Adotando = 0,01 e h = 0,0005 na desigualdade 3.22:
105
obtm-se:
Analisando a "Sequncia de Fibonacci"
verifica-se que o primeiro nmero de Fibonacci, maior ou igual a , e

corresponde a .
Ento faz-se:
ou seja, precisa-se de 17 iteraes para se chegar no resultado procurado.
Tabela 4.7 - Resultados do problema da caixa usando o Mtodo de Fibonacci.
Os resultados da Tab. 4.7 mostram que o comprimento timo pertence ao intervalo

[19,99253097; 20,00089916]. Como resposta, pode-se considerar o ponto mdio do intervalo.
Assim,
106
Logo, o maior volume
RESOLUO PELO MTODO DA SEO UREA VIA MICROSOFT

EXCEL OU LIBREOFFICE CALC
intervalo:
.
Alm disto,
= 0,01.
Portanto so necessrias 17 iteraes para atingir a preciso desejada.

A tabela seguinte mostra os resultados de cada iterao do mtodo da Seo urea.
Tabela 4.8 - Resultados do problema da caixa usando o Mtodo da Seo urea.
107
Os resultados da Tab. 4.8 mostram que o comprimento timo pertence ao intervalo
Assim,
Logo, o maior volume
108
5. CONSIDERAES FINAIS
Este trabalho foi desenvolvido, por meio de uma pesquisa bibliogrfica, visando
apresentar dois mtodos de otimizao: Fibonacci e Seo urea. A proposta foi construir tais
mtodos partindo de um conhecimento inicial relevante, que no caso o conhecimento sobre
Funes.
Aqui no se prope incluir o contedo de otimizao no currculo do ensino mdio,
mesmo porque j se tem muito contedo a ser trabalhado (e nem sempre se consegue abordar
tudo). Sugere-se que os mtodos apresentados neste trabalho sejam trabalhados como
atividade complementar, como uma espcie de iniciao cientfica. Caso se deseje, ou exista
uma disciplina de informtica, os mtodos em questes podem ser introduzidos, no estudo de
planilhas eletrnicas, como aplicao do estudo de Funes.
Muitos detalhes (como algumas demonstraes) podem ser omitidos quando
apresentados aos alunos. tambm interessante trabalhar o conceito de convergncia de
sequncias numricas. Como j mencionado, na introduo, uma atividade que trabalha como
esse conceito o de adivinhar o preo de um produto.
Deve-se observar, tambm, que reunindo os resultados de cada iterao dos Mtodos
de Fibonacci e da Seo urea, criam-se sequncias que convergem (pelos teoremas
abordados no segundo captulo) ao resultado desejado.
A proposta de construir o conhecimento visa desenvolver e dar naturalidade a
contedos matemticos j vistos, bem como assimilar novos conceitos.
A prpria resoluo dos problemas d mais sentido em encontrar o valor de uma
funo, do que propriamente problemas do tipo: Calcule f (2).
Uma questo que deve ser deixada clara que os mtodos de Fibonacci e da Seo
urea no resolvem todo tipo de problema de otimizao. Apresentam limitaes, mas nem
por isso deixam de ser interessantes e teis, em especial, no contexto do ensino mdio.
Uma limitao dos dois mtodos que eles se aplicam apenas para funes unimodais
dentro de um intervalo fechado (intervalo de incerteza). E isto foi um dos problemas que se
pode verificar na aplicao dos mtodos: saber se uma funo ou no unimodal. Essa anlise
nem sempre pode ser feita apenas com conhecimento de contedos do ensino mdio. Por isso,
usou-se o Geogebra para gerar os grficos e fazer uma anlise da funo. Apesar disto, o
processo no deixa de ser interessante j que explora e d sentido a diversos contedos
conhecidos pelo pblico a que se destina.
109
Com relao convergncia dos resultados obtidos nos dois mtodos citados, pode-se
observar que mesmo aplicando o mtodo corretamente o resultado pode no ser o esperado.
Como j foi mencionado, no problema das duas fbricas (problema 1 do captulo 4) os
intervalos de incerteza obtidos ([8,0323; 8,0399] pelo mtodo de Fibonacci e [8,0301; 8,0389]
pelo mtodo da Seo urea), no contm o valor exato do ponto de mnimo que 8. A
diferena entre um valor desse intervalo e o valor exato supera a preciso 0,01. O problema
ocorreu devido limitao dos clculos a quatro casas decimais e ao arredondamento
utilizado; quando se usou mais casas decimais o resultado ficou dentro do esperado.
A resoluo dos problemas propostos pelo Mtodo de Fibonacci e pelo Mtodo da
Seo urea permite concluir que o segundo mtodo prefervel ao primeiro. Um dos
problemas do Mtodo de Fibonacci que se tem que buscar primeiro o ensimo e o ensimo
primeiro nmero de Fibonacci para iniciar o mtodo. No s isto, mas em cada iterao, deve-
se sempre obter os dois nmeros consecutivos de Fibonacci que geram o k necessrio para
obter k e k. Perde-se tempo com isto, o que no ocorre com o Mtodo da Seo urea,
j que constante em tal mtodo. Alm disto, o fato, de no buscar o raio () em cada
iterao torna o mtodo mais simples (menor custo computacional).
Como demonstrado, no teorema 3.1, o Mtodo de Fibonacci o mtodo que melhor
otimiza o intervalo de incerteza nas condies adotadas neste trabalho: Funes unimodais,
com reaproveitamento de um dos pontos obtidos em cada iterao (k ou k), isto , o
antigo se torna o novo (ou vice-versa). Tal fato foi observado nos problemas propostos, o
intervalo de incerteza final obtido pelo mtodo de Fibonacci em geral foi mais refinado do
que o da Seo urea. No entanto, no se percebe alterao significativa no nmero de
iteraes e os resultados encontrados no tm diferenas significativas.
Reunindo esses argumentos conclui-se que o Mtodo da Seo urea prefervel ao
de Fibonacci.
Uma sugesto para outros trabalhos utilizar a mesma proposta (de partir de um
conhecimento inicial relevante e construir um novo conhecimento) para a resoluo de
problemas elementares envolvendo a obteno de razes de equaes no lineares ou mesmo
incluir outras tcnicas de otimizao.
110
REFERNCIAS BIBLIOGRFICAS
CHONG, E.; ZAK, S. Introduction to Optimization. 4. ed. New Jersey: John Wiley & Sons,
2013.
EVES, H. Introduo histria da Matemtica. 5. ed. Campinas: Editora da Unicamp,

2011.
FLEMMING, D. M.; GONALVES, M. B. Clculo A. 6. ed. So Paulo: Pearson Prentice

Hall, 2006.
KIEFER, J. Sequential minimax for search a maximum. New York: AMS, v.4, N3, 1953.
LIMA, E. L. Anlise Real : Funes de Uma Varivel. 10. ed. Rio de Janeiro: IMPA, 2008.
v.1.
LIMA, E. L.; CARVALHO, P. C. P.; WAGNER, E.; MORGADO, A. C. A Matemtica do

Ensino Mdio. Rio de Janeiro: SBM, 1999. v.2.
LIMA, E. L. Nmeros e Funes Reais. Rio de Janeiro: SBM, 2013 (Coleo Profmat).
MOREIRA, M. A. Teoria de Aprendizagem. So Paulo: Editora Pedaggica e Universitria,

1999.
RAO, S. Engineering Optimization Theory and Practice. 4. ed. New Jersey: John Wiley &
Sons, 2009.
SIGLER, L. E. Fibonacci's Liber Abaci - A Translation into Modern English of

Leonardo Pisano's Book of Calculation. New York: Springer, 2002.
STEWART, J. Clculo. So Paulo: Cengage, 2009. v.1.
SUN, W.; YAN, Y. Optimization Theory and Methods - Nonlinear Programming. New
York: Springer, 2006. v.1.
111
APNDICE A: RESOLUO DE PROBLEMAS ELEMENTARES DE
OTIMIZAO COM GEOGEBRA E SOLVER
A seguir so apresentados dois programas que permitem resolver problemas

elementares de otimizao. O primeiro o GEOGEBRA, programa muito utilizado para
construes geomtricas. Este software gratuito e pode ser encontrado atravs da pgina
www.geogebra.org. J o segundo aplicativo, SOLVER, um complemento do Microsoft
Excel.
A1. OTIMIZAO NO GEOGEBRA
O Geogebra oferece dois comandos, Mnimo e Mximo, que permitem obter, dentro
das limitaes do programa, o resultado de um problema de otimizao.
Para exemplificar o uso do comando Mnimo retomado o problema das duas
indstrias dado no captulo 4. O uso do comando Mximo anlogo. O procedimento para
resolver tal problema dado a seguir.
No campo de Entrada (parte inferior, como mostrado na Fig. A.1) digita-se a
expresso da funo objetivo:
C(x) = sqrt(x^2 + 16) + sqrt(x^2 - 24x + 148)
onde sqrt() a raiz quadrada da expresso indicada dentro do parnteses.
Figura A.1 - Digitao da funo no campo de entrada do Geogebra.

112
Aps digitar a expresso de C(x) aperte a tecla ENTER, como ilutra a Fig. A.2.
Figura A.2 - Grfico da funo
Digita-se no campo de Entrada o comando que ir fornecer o ponto de mnimo da

funo, conforme a Fig. A.3.
Mnimo[C(x),0,12]
A sintaxe de tal comando a seguinte:

Mnimo[Funo objetivo, extremidade inicial do intervalo de incerteza, extremidade final do intervalo de incerteza]
Figura A.3 - Comando para achar o mnimo da funo C.

113
Ao apertar a tecla ENTER aparecer o ponto de mnimo da funo, conforme a Fig.
A.4.
Figura A.4 - Ponto de mnimo da funo C.
O resultado apresentado com duas casas decimais, porm h outras opes

disponveis: basta que se clique em Opes, na barra de menu, e em seguida escolhe-se o
nmero de casas desejado em Arredondamento, conforme ilustra a Fig. A.5.
114
Figura A.5 - Opes de nmero de casas decimais.
A2. OTIMIZAO COM O SOLVER (COMPLEMENTO DO EXCEL)
Outro aplicativo que permite a resoluo de alguns problemas de otimizao o

SOLVER, um suplemento do Microsoft Excel. Tal suplemento nem sempre est disponvel
na aba DADOS do Excel. Caso no esteja, os passos abaixo mostram como habilit-lo.
1) Clique no Boto Office (crculo do canto superior esquerdo), conforme ilustra a Fig. A.6.
Figura A.6 - Instalao do SOLVER: Passo 1 - Boto Office.
Fonte: print screen do software Microsoft Excel
115
2) Clique em Opes do Excel, como na Fig. A.7.
Figura A.7 - Instalao do SOLVER: Passo 2 - Opes do Excel.
3) Clique em Suplementos, como na Fig. A.8.
Figura A.8 - Instalao do SOLVER: Passo 3 - Suplementos.

116
4) Selecione a opo Solver, como na Fig. A.9.
Figura A.9 - Instalao do SOLVER: Passo 4 - Solver.
5) Clique em Ir, como na Fig. A.10.
Figura A.10 - Instalao do SOLVER: Passo 5 - Ir.

117
6) Selecione a opo Solver, como na Fig. A.11.
Figura A.11 - Instalao do SOLVER: Passo 6 - Selecionar Solver.
7) Clique em OK, como ilustra a Fig. A.12, e assim a opo estar instalada.
Figura A.12 - Instalao do SOLVER: Passo 7 - OK.

118
possvel, dependendo das opes selecionadas durante a instalao do Office, que
aparea uma mensagem pedindo para o usurio inserir o CD de Instalao do Office. Depois
de instalado, a opo aparecer na aba DADOS, conforme ilustra a Fig. A.13.
Figura A.13 - Instalao do SOLVER: Passo 8 - Dados.
A seguir, segue o procedimento para resolver o problema das duas indstrias pelo
Solver.
Digita-se na clula A1, conforme a Fig. A.14, a frmula:
=raiz(16+A3^2)+raiz((4-(12-A3)^2)
Figura A.14. Digitao da funo objetivo.
em seguida aperte ENTER. Aparecer o valor da funo objetivo para x igual ao valor
presente na clula A3, conforme mostrado na Fig. A.15. Como no h nada na clula
referenciada (A3), o programa entende que zero, assim calculado f (0).
119
Figura A.15. Valor da funo C para x igual ao valor contido em A3 (zero).
Agora digita-se em A3 o valor 0 e em B3 o valor 12, que correspondem s

extremidades do intervalo de incerteza. Aps, selecione a opo Solver, conforme ilustra a
Fig. A.16.
Figura A.16 - Digitao do intervalo de incerteza.
Elaborado pelo Autor.
Aparecer uma caixa como na figura abaixo.
120
Figura A.17 - Parmetros do Solver.
Fonte: print screen da caixa de dilogo dos Parmetros do Solver.
Nesta caixa de dilogo registra-se, no campo 1, o local onde foi digitada a frmula que
indica a funo objetivo ($A$1). No campo 2, seleciona-se Mn, j que se deseja o ponto de
mnimo. No campo 3, indica-se onde se encontram as extremidades do intervalo de incerteza.
No caso $A$3:$B$3.
Os campos 1 e 3 podem ser preenchidos com a ajuda do quadrinho com uma seta
vermelha ao lado. Quando se clica nela, abre-se uma janela, da com o mouse basta selecionar
diretamente as clulas que faro parte do campo.
Aps os trs passos anteriores, basta clicar em Resolver que em instantes ser
registrado na clula A3 o valor, com uma aproximao de 0,0000001, do valor procurado.
Digite OK para a nova janela se quiser manter o valor na clula A3, conforme a Fig. A.18.
121
Figura A.18 - Ponto de mnimo da funo objetivo com erro de 0,000001.
Na Fig. A.19, pode-se observar a presena do boto Opes. Ao ser clicado ele ir
fornecer detalhes adicionais sobre a busca, como preciso e mtodo da busca. Ainda h a
opo de mostrar o resultado de cada iterao do mtodo escolhido.
Figura A.19 - Opes do Solver.
Fonte: print screen da caixa de dilogo das Opes do Solver.

122
Naturalmente, tanto o Solver como Geogebra esto limitados aos mtodos que eles
utilizam para determinar os valores timos. No caso do Solver, a Fig. A.18 mostra que a
opo usada foi o mtodo de Newton.
123

Dissertação - Ali Ahmad Smidi - 2015

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Dissertação - Ali Ahmad Smidi - 2015

Uploaded by

Copyright:

Available Formats

Universidade Federal de Gois

ABORDAGEM ANALTICA E NUMRICA

Ali Ahmad Smidi

ABORDAGEM ANALTICA E NUMRICA

Trabalho de Concluso de Curso apresentado Unidade Acadmica Especial de Ma-

rea de Concentrao: Matemtica do Ensino Bsico

Prof. Dr. Romes Antonio Borges - RC/UFG (Orientador)

Smidi, Ali Ahmad

Orientador: Prof. Dr. Romes Antonio Borges .

1. Otimizao. 2. Mtodo de Fibonacci. 3. Mtodo da Seo urea. 4.

Ali Ahmad Smidi graduou-se em Engenharia Eltrica (com nfase em Eletrnica

me sem qual no teria concludo meus estudos.

lutamos para que o melhor fosse feito. No somos o

que deveramos ser, no somos o que iremos ser.. mas

Graas a Deus, no somos o que ramos.

Figura 3.1 - Funes unimodais .............................................................................................. 25

A experincia como professor mostra que a dificuldade de assimilar contedos

[] este processo de ancoragem da nova informao resulta em crescimento e

Uma brincadeira muito conhecida relembra esse procedimento: a de descobrir o preo

A seguir, so apresentadas algumas definies e teoremas bsicos que sero utilizados

Definio 2.1. (LIMA, 2013)

Definio 2.2. (LIMA, 2013)

Definio 2.3. (LIMA, 2008)

Definio 2.4. (LIMA, 2008)

Definio 2.5. (LIMA, 2008)

Definio 2.6. (LIMA, 2008)

Teorema 2.1. (LIMA, 2008)

Definio 2.7. (LIMA, 2008)

Teorema 2.2. (LIMA, 2008)

Teorema 2.3. (Teorema do sanduche) (LIMA, 2008)

Definio 2.8. (STEWART, 2009)

Definio 2.9. (STEWART, 2009)

Teorema 2.4. (Teorema do Valor Intermedirio ou Teorema de Bolzano-Cauchy).

3.1. CONCEITOS INICIAIS

Os problemas de otimizao so frequentemente encontrados nas mais variadas reas

Otimizao o ato de obter o melhor resultado dentro das circunstncias dadas. No

As tcnicas de otimizao que so discutidas a seguir tratam apenas do mnimo

A funo objetivo surge ao se efetuar a modelagem matemtica de um problema.

R R tal que , sendo R (com ,

cujo grfico uma parbola.

No entanto, possvel introduzir algumas tcnicas numricas elementares (acessveis a

Definio 3.2. (RAO, 2009)

onde x* o ponto de mnimo.

A definio de funo unimodal utilizada, considera apenas funes de uma varivel,

Fonte: Adaptado de Rao (2009).

Sero apresentadas a seguir, algumas tcnicas elementares de otimizao envolvendo

3.2. MTODO DA BUSCA SIMULTNEA

A primeira tcnica de busca a ser abordada simplesmente calcular o valor da funo

o comprimento do intervalo final desejado.

Avaliam-se, ento, quais os menores valores da funo; o intervalo inicial se reduz

e avaliar novamente o valor da funo para tais pontos.

3.2.1. O PROBLEMA DA EXCURSO (LIMA, 2013)

(i) Modelagem do problema

A funo receita obtida dependente do nmero de passageiros com domnio

e contradomnio R . Seu grfico, portanto, so pontos da parbola

(ii) Problema equivalente

Como citado anteriormente, pode-se encontrar o ponto de mximo simplesmente

(iii) Soluo pelo Mtodo das Buscas Simultneas

Portanto, o intervalo final [24,95; 25] e, portanto,

Como na realidade , ento o valor procurado x = 25. Assim, o

que de fato so valores maiores que .

(iv) Soluo utilizando o software MICROSOFT EXCEL/LIBREOFFICE

1) Digita-se x na clula A1 e na clula B1 (este passo opcional; apenas

Fonte: Elaborado pelo Autor.

=-500E2+10E2^2 , =-500F2+10F2^2 e =-500D2+10D2^2