Вы находитесь на странице: 1из 46

UNIVERSIDADE REGIONAL INTEGRADA DO ALTO URUGUAI E DAS

MISSES URI
CAMPUS SANTO NGELO

Disciplina: Programao Matemtica1


Prof: Msc. Regiane Klidzio

Este material didtico foi adaptado a partir do material didtico oferecido pelo Prof Maurlio Tiecker.

CONTEDO

1. MODELOS DE PROGRAMAO LINEAR _____________________________________________ 4


1.1 Introduo ____________________________________________________________________________4
1.2 Programao linear _____________________________________________________________________4
1.3 O que um modelo _____________________________________________________________________5
1.3.1 Tipos de modelos _____________________________________________________________________ 5
1.3.2 Estrutura dos modelos _________________________________________________________________ 6
1.3.3 Caractersticas dos modelos _____________________________________________________________ 6
1.3.4 Formulao dos modelos _______________________________________________________________ 6

1.4 Etapas para a construo dos modelos de otimizao ___________________________________________7


1.5 Exemplos de formulao de modelos matemticos _____________________________________________8
1.5.1 Problema da dieta ____________________________________________________________________ 8
1.5.2 Problema do carpinteiro ________________________________________________________________ 9

2. RESOLUO GRFICA DOS PPL __________________________________________________ 13


2.1 Introduo ___________________________________________________________________________13
2.2 Passos para aplicao do mtodo grfico ___________________________________________________13
2.3 Exemplos ____________________________________________________________________________13
2.3.1 Exemplo 1 _________________________________________________________________________ 13
2.3.2 Exemplo 2 _________________________________________________________________________ 16
2.3.3 Exemplo 3 _________________________________________________________________________ 17

2.4 Exemplos de anomalias _________________________________________________________________18

3. PROGRAMAO LINEAR _________________________________________________________ 21


3.1 Introduo ___________________________________________________________________________21
3.2 Desenvolvimento do modelo matemtico ___________________________________________________21
3.3 Interpretao do modelo ________________________________________________________________22
3.4 Tipos de solues______________________________________________________________________22
3.5 Propriedades _________________________________________________________________________23

4. O MTODO SIMPLEX_____________________________________________________________ 24
4.1 Desenvolvimento do mtodo _____________________________________________________________24
4.1.1 Problema da forma geral ______________________________________________________________ 24
4.1.2 Problema na forma cannica ___________________________________________________________ 25

4.2 Algoritmo do mtodo simplex ____________________________________________________________27


4.2.1 Regra de partida _____________________________________________________________________ 28
4.2.2 Regra de parada _____________________________________________________________________ 28
4.2.3 Processo iterativo ____________________________________________________________________ 28

5. CASOS ESPECIAIS DO MTODO SIMPLEX _________________________________________ 31


5.1 Empate na entrada _____________________________________________________________________32
5.2 Empate na sada _______________________________________________________________________32
5.3 Funo objetivo ilimitada _______________________________________________________________33
Programao Matemtica

5.4 Solues timas mltiplas _______________________________________________________________33


5.5 Outras formas de modelo ________________________________________________________________33
5.5.1 Problemas de minimizao ____________________________________________________________ 33
5.5.2 Modificaes nas restries ____________________________________________________________ 34

6. VALOR MARGINAL (PREO SOMBRA) _____________________________________________ 40


7. PROBLEMA DUAL _______________________________________________________________ 42
7.1 Exemplo 1 ___________________________________________________________________________42
7.2 Exemplo 2 ___________________________________________________________________________42

8. REFERNCIAS BIBLIOGRFICAS _________________________________________________ 46

Programao Matemtica

1. MODELOS DE PROGRAMAO LINEAR

1.1 Introduo
Durante a Segunda Guerra Mundial, um grupo de cientistas foi convocado na Inglaterra para
estudar problemas de estratgia e de ttica associados com a defesa do pas. O objetivo era decidir sobre
a utilizao mais eficaz de recursos militares limitados. A convocao deste grupo marcou a primeira
atividade formal de pesquisa operacional.
Os resultados positivos conseguidos pela equipe de pesquisa operacional inglesa motivaram os
Estados Unidos a iniciarem atividades semelhantes. Apesar de ser creditada Inglaterra a origem da
Pesquisa Operacional, sua propagao deve-se principalmente equipe de cientistas liderada por George
B. Dantzig, dos Estados Unidos, convocada durante a Segunda Guerra Mundial. Ao resultado deste
esforo de pesquisa, concludo em 1947, deu-se o nome de Mtodo Simplex.
Com o fim da guerra, a utilizao de tcnicas de pesquisa operacional atraiu o interesse de
diversas outras reas. A natureza dos problemas encontrados bastante abrangente e complexa, exigindo
portanto uma abordagem que permita reconhecer os mltiplos aspectos envolvidos. Uma caracterstica
importante da pesquisa operacional e que facilita o processo de anlise e de deciso a utilizao de
modelos. Eles permitem a experimentao da soluo proposta. Isto significa que uma deciso pode ser
mais bem avaliada e testada antes de ser efetivamente implementada. A economia obtida e a experincia
adquirida pela experimentao justificam a utilizao da Pesquisa Operacional.
Com o aumento da velocidade de processamento e quantidade de memria dos computadores
atuais, houve um grande progresso na Pesquisa Operacional. Este progresso devido tambm larga
utilizao de microcomputadores, que se tornaram unidades isoladas dentro de empresas. Isso faz com
que os modelos desenvolvidos pelos profissionais de Pesquisa Operacional sejam mais rpidos e
versteis, alm de serem tambm interativos, possibilitando a participao do usurio ao longo do
processo de clculo.
1.2 Programao linear
A Pesquisa Operacional um conjunto de tcnicas matemticas que visa fornecer solues para o
problema em que existam restries (recursos limitados ou necessidades mnimas a serem atingidas) com
o objetivo de se obter resultados timos. Programao linear, programao inteira, programao
dinmica, programao estocstica e programao no- linear so exemplos de tcnicas matemticas em
Programao Linear.
A Programao Linear uma das tcnicas da Pesquisa Operacional das mais utilizadas em se
tratando de problemas de otimizao. Essa tcnica visa fundamentalmente encontrar a melhor soluo
para problemas que tenham modelos representados por expresses lineares. A grande aplicabilidade e
simplicidade que a caracterizam devem-se linearidade do modelo (BREGALDA, 1983).
A tarefa da Programao Linear consiste na maximizao ou minimizao de um funo linear
denominada funo objetivo, respeitando-se um sistema linear de igualdades ou desigualdades que
recebem o nome de restries do modelo (BREGALDA, 1983). Capital, mo-de-obra, fatores de
produo ou ento exigncias e condies que devem ser cumpridas no problema so exemplos de
restries.
Programao Matemtica

As restries do modelo determinam uma regio denominada conjunto de solues viveis.


A melhor soluo entre as solues viveis, isto , aquela que maximiza ou minimiza a
funo objetivo denomina-se soluo tima.
Assim, o objetivo da Programao Linear consiste na determinao da soluo tima.
Para a resoluo de um PPL (Problema de Programao Linear) dois passos so
fundamentalmente necessrios: modelagem do problema e aplicao do mtodo em busca da soluo do
modelo. No caso do PPL, o mtodo mais utilizado o Simplex que examinaremos mais adiante
(BREGALDA, 1983).
Hoje, alm de ser o mtodo de Programao Matemtica mais aplicado na soluo de modelos
matemticos de otimizao, o Mtodo Simplex de grande importncia terica e parte fundamental de
diversos outros mtodos de otimizao.
1.3 O que um modelo
Um modelo uma representao de um sistema real, que pode j existir ou ser um projeto
aguardando execuo. No primeiro caso, o modelo pretende reproduzir o funcionamento do sistema, de
modo a aumentar sua produtividade. No segundo caso, o modelo utilizado para definir a estrutura ideal
do sistema.
Segundo Puccini (1989), um modelo uma idealizao ou uma viso simplificada da realidade. A
partir dessa idealizao, o modelo emprega smbolos matemticos para representar as variveis de
deciso do sistema real. Essas variveis so relacionadas por funes matemticas que expressam o
funcionamento do sistema. A soluo consiste em encontrar valores adequados das variveis de deciso
que otimizem o desempenho do sistema, segundo o critrio desejado.
A confiabilidade da soluo obtida atravs do modelo depende da validao do modelo na
representao do sistema real. A validao do modelo a confirmao de que ele realmente representa o
sistema real. A diferena entre a soluo real e a soluo proposta pelo modelo depende diretamente da
preciso do modelo em descrever o comportamento original do sistema.
Um problema simples pode ser representado por modelos tambm simples e de fcil soluo. J
problemas mais complexos requerem modelos mais elaborados, cuja soluo pode vir a ser bastante
complicada.
1.3.1 Tipos de modelos
Dependendo da maneira como o processo de deciso abordado pelo analista e da prpria
natureza da deciso, podemos identificar diferentes tipos de modelo, como:
Modelos conceituais: Relacionam de maneira sequencial e lgica as informaes e as fases do
processo de deciso, de modo a permitir o desenvolvimento controlado e consistente com os objetivos
que se tem em mente;
Modelos matemticos (ou simblicos): Baseiam-se na pressuposio de que todas as
informaes e variveis relevantes do problema de tomada de deciso podem ser quantificadas. Isso nos
leva a utilizar smbolos matemticos para represent-las e a usar funes matemticas para descrever as
ligaes entre elas e a operao do sistema. Esses modelos so classificados em modelos de otimizao e
modelos de simulao.
Programao Matemtica

Modelos heursticos: So construdos quando a complexidade do problema de tal ordem que a


utilizao de relaes matemticas torna-se impraticvel ou extremamente dispendiosa. Esses modelos
baseiam-se em regras empricas ou intuitivas que, dada determinada soluo para o problema, permitem o
avano para outra soluo mais aprimorada. So basicamente procedimentos de busca inteligente de
estados do processo de deciso sempre em direo ao aumento do valor do critrio escolhido. Os modelos
construdos com base nas tcnicas de inteligncia artificial so modelos heursticos (ANDRADE, 2009).
Exemplos: problema da mochila, problema do caixeiro viajante, problema de roteamento de veculos.
1.3.2 Estrutura dos modelos
Em um modelo matemtico, so includos trs conjuntos principais de elementos:
1) Variveis de deciso e parmetros: variveis de deciso so as incgnitas a serem
determinadas pela soluo do modelo. Parmetros so valores fixos no problema;
2) Restries: de modo a levar em conta as limitaes fsicas do sistema, o modelo deve incluir
restries que limitam as variveis de deciso a seus valores possveis (ou viveis);
3) Funo objetivo: uma funo matemtica que define a qualidade da soluo em funo das
variveis de deciso.
1.3.3 Caractersticas dos modelos
a) Um critrio de escolha das variveis de deciso constitudo por uma funo linear das
variveis. Esta funo denominada funo objetivo e seu valor deve ser otimizado (maximizado ou
minimizado).
b) As relaes de interdependncia entre as variveis de deciso se expressam por um conjunto
de equaes e/ou inequaes lineares. Essas relaes so denominadas restries.
c) As variveis de deciso do modelo so no negativas, ou seja, positivas ou nulas (PUCCINI,
1989).
1.3.4 Formulao dos modelos
Para a formulao dos modelos as trs caractersticas j citadas devem ser observadas, segundo a
seguinte ordem:
1) Definir claramente as variveis de deciso: so as incgnitas a serem determinadas pela
soluo do modelo. Elas representam os recursos ou o que realmente queremos determinar com a soluo
do problema.
2) Determinar a equao da funo objetivo: uma funo matemtica que define a qualidade
da soluo em funo das variveis de deciso. onde expressamos, exatamente, a meta que queremos
obter com a soluo do nosso problema.
3) Determinar o conjunto de restries: devem existir uma ou mais restries que renam
limites ou possveis valores das variveis de deciso. O modelo deve incluir restries que limitam as
variveis de deciso a seus valores possveis ou viveis (PUCCINI, 1989).
A funo objetivo e as restries devem ser expressas em termos das variveis de deciso.

Programao Matemtica

1.4 Etapas para a construo dos modelos de otimizao


Segundo Andrade (2009), a construo dos modelos de otimizao geralmente envolve as
seguintes etapas:
1) Definio do problema:
A definio do problema baseia-se em trs aspectos principais:

descrio exata dos objetivos do estudo;


identificao das alternativas de deciso existentes;
reconhecimento das limitaes, restries e exigncias do sistema.

A descrio dos objetivos uma das atividades mais importantes em todo o processo do estudo,
pois a partir dela que o modelo concebido. Da mesma forma, essencial que as alternativas de deciso
e as limitaes existentes sejam todas explicitadas, para que as solues obtidas ao final do processo
sejam vlidas e aceitveis.
2) Identificao das variveis relevantes:
As variveis de deciso para as quais o analista procura valores timos;
Variveis exgenas ou no controlveis2 que servem de base para a definio de restries ou
de variveis endgenas.
Variveis endgenas ou controlveis3 que, dependendo dos valores de outras, muitas vezes
entram na formao da funo objetivo ou das restries que o analista deve especificar.
A varivel de deciso , sem dvida, uma varivel controlvel especial por indicar a deciso.
3) Formulao da funo objetivo:
A funo objetivo reflete o critrio de otimizao das variveis de deciso e deve ser escrita em
forma matemtica.
4) Formulao das restries:
Em grande nmero de modelos de otimizao as variveis so sujeitas a algumas restries,
que devem ser escritas na forma matemtica.
A relao entre as variveis tambm deve ser formulada matematicamente.

So os fatores ou dados externos fornecidos ao modelo e que representam as hipteses levantadas ou as condies que devem
ser respeitadas.
3
So geradas pelo prprio modelo durante o processo de soluo, sendo dependente dos dados fornecidos, das hipteses
estabelecidas e da prpria estrutura do modelo.

Programao Matemtica

5) Escolha do mtodo matemtico de soluo:


Tendo definido o problema, devemos escolher um mtodo matemtico adequado para a
soluo do modelo.
A escolha do mtodo feita tendo em vista o tipo de modelo matemtico criado e as anlises
e questes s quais o modelo deve fornecer subsdios.
6) Aplicao do mtodo de soluo:
O mtodo de soluo simplesmente um exerccio matemtico que pode ser realizado
manualmente ou por computador.
Em ambos os casos, ser necessrio um conhecimento do algoritmo, seja para desenvolver o
processo de clculo, seja para acompanhar a soluo do computador e entender suas mensagens.
7) Avaliao da soluo:
Tendo encontrado a soluo, esta deve ser verificada e avaliada luz das expectativas e
experincias do analista, antes de ser efetivamente implementada.
Vale lembrar que, a maioria das decises deve ser tomada em um ambiente de risco e
incerteza e que grande parte dos modelos de otimizao determinstica4.
Assim, deve-se obter uma estimativa de risco por meio de uma anlise de sensibilidade psotimizao.
1.5 Exemplos de formulao de modelos matemticos
1.5.1 Problema da dieta
Um nutricionista precisa estabelecer uma dieta, contendo, pelos menos, 10 unidades de vitamina
A, 30 unidades de vitamina B e 18 unidades de vitamina C. Essas vitaminas esto contidas em
quantidades variadas em cinco elementos chamados s1, s2, s3, s4 e s5. O quadro apresenta o nmero de
unidades das vitaminas A, B e C em cada unidade desses cinco alimentos como o seu custo por unidade.
Calcular a quantidade dos cinco alimentos que deve ser includa na dieta diria, a m de garantir os teores
de cada vitamina e com o menor custo possvel.
A
B
C
Custo

s1
0
2
3
4

s2
1
1
1
2

s3
5
0
0
1

s4
4
3
9
10

s5
3
2
0
5

Um modelo determinstico pode ser definido como um modelo cujas respostas no possuem um componente aleatrio.
Assim, para um dado conjunto de parmetros, uma entrada E* produz sempre uma sada S*. Isso pode ser verdade mesmo que
o modelo compute uma probabilidade.

Programao Matemtica

Soluo:
a) Variveis de deciso:
x1 = quantidade do alimento s1 a ser includo na dieta diria
x2 = quantidade do alimento s2 a ser includo na dieta diria
x3 = quantidade do alimento s3 a ser includo na dieta diria
x4 = quantidade do alimento s4 a ser includo na dieta diria
x5 = quantidade do alimento s5 a ser includo na dieta diria
b) Funo objetivo:
Deve-se determinar os valores das variveis de deciso de modo a minimizar o custo.
Custo do alimento s1 = 4x1
Custo do alimento s2 = 2x2
Custo do alimento s3 = x3
Custo do alimento s4 = 10x4
Custo do alimento s5 = 5x5
Z = 4x1 + 2x2 + x3 + 10x4 + 5x5 ou Min custo = 4x1 + 2x2 + x3 + 10x4 + 5x5
c) Restries:
Necessidade de vitamina A = x2 + 5x3 + 4x4 +3x5 10
Necessidade de vitamina B = 2x1 + x2 + 3x4 +2x5 30
Necessidade de vitamina C = 3x1 + x2 + 9x4 18
Restrio de no negatividade: x1, x2, x3, x4, x5 0
d) Modelo:
Min custo = 4x1 + 2x2 + x3 + 10x4 + 5x5
x2 + 5x3 + 4x4 +3x5 10
2x1 + x2 + 3x4 +2x5 30
3x1 + x2 + 9x4 18
x1, x2, x3, x4, x5 0

1.5.2 Problema do carpinteiro


Um carpinteiro dispe de 90, 80 e 50 metros das madeiras A, B e C. Uma escrivaninha requer 2, 1
e 1 metro da madeira A, B e C respectivamente e um armrio requer 1, 2 e 1 metro respectivamente. Se a
escrivaninha vendida por 120 u.m. e o armrio por 100 u.m., quantas escrivaninhas e quantos armrios
precisam ser fabricados para ter maior rendimento.
Soluo:
a) Variveis de deciso:
x1 = quantidade de escrivaninhas a serem fabricadas
x2 = quantidade de armrios a serem fabricados
b) Funo objetivo:
Maximizar o rendimento.
Custo da escrivaninha = 120x1
Custo do armrio = 100x2
Z = 120x1 + 100x2 ou Max rendimento = 120x1 + 100x2
Programao Matemtica

10

c) Restries:
Disponibilidade da madeira A = 2x1 + x2 90
Disponibilidade da madeira B = x1 + 2x2 80
Disponibilidade da madeira C = x1 + x2 50
Restrio de no negatividade: x1, x2 0
d) Modelo:
Max rendimento = 120x1 + 100x2
2x1 + x2 90
x1 + 2x2 80
x1 + x2 50
x1, x2 0

Lista de Exerccios 1
1) A padaria Aurora confecciona biscoitos salgado e doce; o biscoite salgada d um lucro de 400 u.m. por
caixa e o doce um lucro de 300 u.m. por caixa. Os biscoitos so processados em trs operaes principais:
mistura, cozimento e embalagem. O tempo disponvel para cada operao de 7,4 horas; 13 horas e 4,5
horas respectivamente. Para cada caixa de biscoito, os tempos necessrios em cada operao so: salgado:
10 minutos, 20 minutos e 5 minutos; doce: 15 minutos, 20 minutos e 3 minutos respectivamente. A
padaria pode fabricar no mximo 200 caixas de biscoitos, independente do tipo. Quantas caixas de cada
tipo devem fazer para ter o maior lucro?
2) Uma fbrica produz dois artigos utilizando os mesmo recursos de pessoal mquinas e matrias-primas.
Estes recursos so limitados num certo perodo. Os recursos necessrios fabricao de cada unidade dos
artigos e as disponibilidades bem com os lucros unitrios relativos a cada artigo so dados no quadro
seguinte:
Recursos
Mo de obra I
Mo de obra II
Equipamento I
Equipamento II
Matria prima I
Matria prima II
Lucro unitrio (u.m.)

A
10
20
30
12
15
5

B
10
20
10
10
9
10
8

Disponibilidade
30 horas
70 horas
80 horas
130 horas
120 toneladas
100 toneladas

Quais as quantidades que devem ser produzidas para obter lucro mximo?
3) Uma empresa fabrica os produtos A e B cujos os mercados absorvem 100 e 80 unidades
respectivamente. No processo de produo usam-se as matrias primas I e II. Cada unidade de A consome
2 unidades da matria prima I e 4 da matria prima II. Cada unidade de B consome 3 unidades da matria
prima I e 3 da matria prima II. Esto disponveis 200 unidades de matria prima I e 240 unidades de
matria prima II. Os lucros unitrios so de 20 e 25 u.m. para A e B respectivamente. Qual deve ser o
esquema de produo visando-se obter lucro mximo?
Programao Matemtica

11

4) Uma empresa de comida canina produz dois tipos de raes: Tobi e Rex. Para a manufatura das raes
so utilizados cereais e carne. Sabe-se que:
a rao Tobi utiliza 5 kg de cereais e 1 kg de carne, e a rao Rex utiliza 4 kg de carne e 2 kg
de cereais;
o pacote de rao Tobi custa $20 e o pacote de rao Rex custa $30;
o kg de carne custa $4 e o kg de cereais custa $1;
esto disponveis por ms 10000 kg de carne e 30000 kg de cereais.
Deseja-se saber qual a quantidade de cada rao a produzir de modo a maximizar o lucro.
5) Uma fbrica produz tampas de dois tamanhos utilizando uma chapa de dimenses 1 x 0,40. Na
estamparia existem 3 tipos d matrizes que podem ser utilizadas par ao corte; sabe-se que as tampas tem
dimetros de 0,2 e 0,4 respectivamente. A fbrica deve produzir pelo menos 400 tampas pequenas e 300
tampas grandes para atender a compromissos j contratados qual deve ser o esquema de produo para
atender a estes compromissos e gastar a menor quantidade de chapas?

6) Uma metalrgica deseja maximizar sua receita bruta. A tabela a seguir ilustra a proporo de cada
material na mistura para a obteno das ligas passiveis de fabricao. O preo est cotado em reais por
tonelada da liga fabricada. Tambm em toneladas esto expressas as restries de disponibilidade de
matria-prima. Formular o modelo de programao matemtica e obter a soluo tima para que a
metalrgica possa maximizar sua receita bruta.
Metais
Cobre
Zinco
Chumbo
Receita bruta

Liga especial de
baixa resistncia
0,5
0,25
0,25
R$ 3.000

Liga especial de alta


resistncia
0,2
0,3
0,5
R$ 5.000

Disponibilidade de
matria-prima
16 ton
11 ton
15 ton

7) Considere a situao de decidir sobre o nmero de unidades a serem produzidas por certo fabricante de
dois diferentes tipos de produto. Os lucros por unidade do produto 1 e do produto 2 so, respectivamente,
2 e 5 unidades monetrias. Cada unidade do produto 1 requer 3 horas de mquina e 9 unidades de
matria-prima, enquanto o produto 2 requer 4 horas de mquina e 7 unidades de matria-prima.Os tempos
mximos disponveis de horas de mquina e de matria-prima so 200 horas e 300 unidades,
respectivamente.Formule o problema de forma a otimizar o lucro total.
8) Para fazer um determinado servio usam-se dois equipamentos A e B. Dispe-se de 4 unidades de A e
10 unidades de B e apenas 24 homens para oper-los. O equipamento A necessita de 4 homens para ser
operado e o equipamento B de apenas 2 homens. O equipamento A 3 vezes mais eficiente que o B.
Quantos equipamentos de cada tipo devemos usar para obter a maior eficincia?

Programao Matemtica

12

9) Uma empresa fabril est interessada em maximizar o lucro mensal proveniente de quatro de seus
produtos designados por I, II, III e IV. Para fabricar esses produtos ela utiliza dois tipos de mquinas M1
e M2 e dois tipos de mo de obra MO1 e MO2 com as seguintes disponibilidades:
Mquinas
M1
M2

Tempo disponvel
(mquina-hora/ms)
800
200

Mo de obra

Tempo disponvel
(homem-hora/ms)
12000
16000

MO1
MO2

O setor tcnico da empresa fornece os seguintes quadros de produtividade:


a) Nmero de mquina-hora para produzir uma unidade de cada produto:
Produtos
Mquinas
I
II
III
IV
M1
5
4
8
9
M2
2
6
8
b) Nmero de homem-hora para produzir uma unidade de cada produto:
Produtos
Mo de obra
I
II
III
MO1
2
4
2
MO2
7
3
-

IV
8
7

O setor comercial da empresa fornece as seguintes informaes:


Produtos
Potencial de vendas
Lucro unitrio
(unidade/ms)
($/unidade)
I
70
10,00
II
60
8,00
III
40
9,00
IV
20
7,00
Deseja-se saber a produo mensal dos produtos I, II, III e IV para que o lucro mensal da empresa,
proveniente desses quatro produtos, seja mximo. Formule um modelo de programao linear que
expresse o objetivo e as restries dessa empresa.
10) Uma grande fbrica de mveis dispe em estoque de 250 metros de tbuas, 600 metros de pranchas e
500 metros de painis de conglomerado. A fbrica normalmente oferece uma linha de mveis composta
por um modelo de escrivaninha, uma mesa de reunio, um armrio e uma prateleira. Cada tipo de mvel
consome certa quantidade de matria-prima, conforme a tabela. A escrivaninha vendida por 100
unidades monetrias, a mesa por 80 unidades monetrias, o armrio por 120 unidades monetrias e a
prateleira por 20 unidades monetrias. Pede-se exibir um modelo de programao linear que maximize a
receita com as vendas dos mveis.

Tbua
Prancha
Painis
Valor de revenda

Quantidade de material em metros consumidos


por unidade de produtos
Escrivaninha
Mesa
Armrio
1
1
1
0
1
1
3
2
4
100
80
120

Programao Matemtica

Disponibilidade
de recursos
Prateleira
4
2
0
20

250
600
500

13

2. RESOLUO GRFICA DOS PPL

2.1 Introduo
Nesta seo vamos apresentar como encontrar graficamente a soluo tima, se existir para alguns
casos de Problemas de Programao Linear (PPL). Em geral, apenas os problemas que envolvem duas
variveis de deciso so resolvidos graficamente. Um problema com trs variveis de deciso tambm
pode ser resolvido graficamente, embora, na maioria das vezes, isso no seja fcil. A partir de quatro
variveis de deciso a resoluo s possvel algebricamente.
Dado um PPL, uma soluo vivel um vetor que especifica o valor de cada varivel de deciso
tal que, se as variveis so substitudas por estes valores, ento todas as restries sero satisfeitas.
Uma soluo tima uma soluo vivel que maximiza ou minimiza a funo objetivo sobre o
conjunto das solues viveis.
Para um PPL envolvendo at trs variveis de deciso, o conjunto das solues viveis pode ser
identificado como uma regio do espao cartesiano tridimensional e, assim, o PPL pode ser resolvido
graficamente.
2.2 Passos para aplicao do mtodo grfico
1 passo: construir um sistema de eixos cartesianos para as variveis de deciso;
2 passo: identificar os valores das variveis de deciso que satisfaam todas as restries;
3 passo: determinar a soluo.
2.3 Exemplos
2.3.1 Exemplo 1
A empresa Nova Linha produz artigos de vidro de alta qualidade: janelas e portas, em trs sees
de produo:

Seo 1: seo de serralharia para produzir as estruturas de alumnio.


Seo 2: seo de carpintaria para produzir as estruturas de madeira.
Seo 3: seo de vidro e montagem para produzir o vidro e montar as portas e janelas.

Devido diminuio dos lucros, o gerente decidiu reorganizar a produo, e prope produzir
apenas 2 produtos que tm uma melhor aceitao entre os clientes. Estes produtos so:

Produto 1: uma porta de vidro com estrutura de alumnio.


Produto 2: uma janela grande com estrutura de madeira.

O Departamento de Marketing concluiu que a empresa pode vender muito bem esses dois
produtos, tendo em conta a capacidade de produo disponvel. Como ambos os produtos partilham a
capacidade de produo da seo 3, o gerente solicitou ao Departamento de Investigao Operacional da
Programao Matemtica

14

empresa a resoluo deste problema. Esse departamento formulou o problema, utilizando os seguintes
dados:
A capacidade de produo por minuto de cada seo a ser utilizada na produo destes
produtos.
A capacidade de produo por minuto de cada seo a ser utilizada para produzir uma unidade
de cada produto.
Os lucros unitrios para cada produto em Euros.
Estes dados esto resumidos na seguinte tabela:

Seo
1
2
3
Lucro unitrio

Capacidade utilizada por


unidade de produo
Produto 1
Produto 2
1
0
3
3

0
2
2
5

Pede-se:
a) Formular o modelo de programao linear que maximize o lucro.
b) Determinar a soluo tima pelo mtodo grfico.
Soluo:
a) Variveis de deciso:
x1 = nmero de unidades do produto 1 produzidos por minuto
x2 = nmero de unidades do produto 2 produzidos por minuto
b) Funo objetivo:
Maximizar o lucro.
Lucro unitrio do produto 1 = 3x1
Lucro unitrio do produto 2 = 5x2
Z = 3x1 + 5x2 ou Max lucro = 3x1 + 5x2
c) Restries:
Capacidade disponvel da seo 1 = x1 4
Capacidade disponvel da seo 2 = 2x2 12
Capacidade disponvel da seo 3 = 3x1 + 2x2 18
Restrio de no negatividade: x1, x2 0
d) Modelo:
Max lucro = 3x1 + 5x2
x1 4
2x2 12
3x1 + 2x2 18
x1, x2 0

Programao Matemtica

Capacidade
disponvel
4
12
18

15

e) Representao grfica:
1 passo: construir um sistema de eixos cartesianos x1 e x2.
2 passo: identificar os valores de x1 e x2 que satisfaam todas as restries.
Condies de no negatividade: os pontos x1 e x2 esto situados nos 1 quadrante
Restries:
x1 4
x1 = 4 e x2 = 0 (esto situados esquerda ou sobre a reta x1 = 4)
2x2 12
x1 = 0 e x2 = 6 (esto situados abaixo ou sobre a reta x2 = 6)
3x1 + 2x2 18 x1 = 6 e x2 = 9 (esto situados abaixo ou sobre a reta 3x1 + 2x2 = 18)
Sistema cartesiano:

3 passo: determinar a soluo. A funo objetivo Z = 3x1 + 5x2 define um reta que pode ser
deslocada paralelamente no sentido do seu gradiente (garantindo o crescimento de Z) at se tornar
tangente regio admissvel. Os pontos de tangncia obtidos (um, nenhum ou uma infinidade)
correspondem aos pontos da regio admissvel (vivel) que otimizam a funo objetivo. Entre os pontos:
(0,2); (0,4); (0,6); (4,0); (4;3) e (2,6). O ponto timo (2,6) onde Z = 36, pois a funo objetivo
maximizar o lucro.

Programao Matemtica

16

2.3.2 Exemplo 2
Encontre o ponto timo e a soluo tima para o seguinte PPL:
Min Z = 2x1 + 5x2 sujeito a
x1 + x2 6
-x1 - 2x2 -18
x1, x2 0
Representao grfica:
1 passo: construir um sistema de eixos cartesianos x1 e x2.
2 passo: identificar os valores de x1 e x2 que satisfaam todas as restries.
Condies de no negatividade: os pontos x1 e x2 esto situados nos 1 quadrante
Restries:
x1 + x2 6
x1 = 6 e x2 = 0 e x1 = 0 e x2 = 6
x1 + 2x2 18
x1 = 18 e x2 = 9
OBS:
1. Nesse tipo de inequao (x1 + x2 6), sempre haver dois pontos.

Sistema cartesiano:
vetor gradiente

regio vivel

3 passo: determinar a soluo. Entre os pontos: (6,0); (0,6); (18,0) e (0,9).


Para calcular a soluo tima basta substituir o ponto timo na funo objetivo 2x1 + 5x2.
O ponto timo (6,0) e a soluo tima Z = 12, pois a funo objetivo minimizar Z.
Importante:
O conjunto de pontos que satisfazem todas as restries chamado de regio vivel
(admissvel) ou conjunto de pontos viveis (admissveis).
Se a funo objetivo de maximizao o vetor gradiente cresce a partir da origem (0,0).
Se a funo objetivo de minimizao o vetor gradiente decresce em direo a origem (0,0).

Programao Matemtica

17

2.3.3 Exemplo 3
Encontre o ponto timo e a soluo tima para o seguinte PPL:
Max Z = x1 + 3x2 sujeito a
x1 + x2 6
-x1 + 2x2 8
x1, x2 0
Representao grfica:
1 passo: construir um sistema de eixos cartesianos x1 e x2.
2 passo: identificar os valores de x1 e x2 que satisfaam todas as restries.
Condies de no negatividade: os pontos x1 e x2 esto situados nos 1 quadrante
Restries:
x1 + x2 6
x1 = 6 e x2 = 0 e x1 = 0 e x2 = 6
-x1 + 2x2 8
x1 = 0 e x2 = 4
OBS:
1. Nesse tipo de inequao (x1 + x2 6), sempre haver dois pontos.

Sistema cartesiano:
vetor gradiente

regio vivel

3 passo: determinar a soluo. Nesse caso, a soluo tima obtida mediante a soluo do
sistema linear.
x1 + x2 = 6
-x1 + 2x2 = 8
Para calcular a soluo tima basta substituir o ponto timo na funo objetivo x1 + 3x2.
O ponto timo (4/3,14/3) e a soluo tima Z = 15,33; pois a funo objetivo maximizar Z.

Programao Matemtica

18

2.4 Exemplos de anomalias


Apresentam-se a seguir os problemas de PL que apresentam anomalias (irregularidades) tais
como:
a) Problema ilimitado, no admite timo;

b) Problema limitado;

c) Problema com duas solues timas ou mais, uma infinidade de solues;

d) Problema infactvel, no admite solues.

Programao Matemtica

19

Lista de Exerccios 2
1) Encontre o ponto timo e a soluo tima dos seguintes PPL:
a) Max Z = 3x1 + x2 sujeito a
x1 4
x2 10
4x1 + 2x2 24
x1, x2 0
b) Max Z = 3x1 + 5x2 sujeito a
2x1 + x2 2
x1 + 3x2 3
x1, x2 0
c) Min Z = 30x1 + 20x2 sujeito a
4x1 + x2 20
x1 + 2x2 10
x1 2
x1, x2 0
d) Max Z = 2x1 + 3x2 sujeito a
x1 + x2 50
2x1 20
3x2 30
2x1 + 3x2 70
x1, x2 0
e) Min Z = 2x1 + 3x2 sujeito a
x1 + 3x2 9
-x1 + 2x2 4
x1 + x2 6
x1, x2 0
f) Max Z = 2x1 + x2 sujeito a
-x1 + x2 1
x1 3
x2 2
x1, x2 0
g) Max Z = 2x1 + x2 sujeito a
-2x1 + x2 2
2x1 + x2 4
x1, x2 0

Programao Matemtica

20

h) Min Z = 2x1 + x2 sujeito a


x1 1
x2 2
x1 - x2 2
x1, x2 0
i) Min Z = x1 sujeito a
-x1 + x2 2
x2 5
x1, x2 0
j) Min Z = x1 + x2 sujeito a
-2x1 + x2 2
x1 - 2x2 2
x1, x2 0

Programao Matemtica

21

3. PROGRAMAO LINEAR

3.1 Introduo
O mtodo simplex parte de uma soluo inicial do problema, verificando se a mesma tima ou
no para o problema. Se no for tima, ento o simplex faz uma mudana de vrtice (ou de ponto) que
seja adjacente ao ponto j pesquisado; verifica se este timo; se for, est encerrada a pesquisa e tem-se o
ponto timo do problema; seno, parte para outro ponto adjacente a este e repete o mesmo processo.
Logo, o mtodo simplex parte de uma soluo inicial e faz uma pesquisa entre os pontos extremos
adjacentes de modo que possa aumentar o valor da funo objetivo.
A Programao Linear usa um modelo matemtico para descrever o problema. O termo linear
significa que todas as funes matemticas do modelo so lineares. O termo programao no se refere a
programao de computadores, mas um sinnimo de planejamento; usado para indicar uma certa
lgica de procedimento a ser seguido.
Assim, a PL compreende o planejamento de atividades para atingir um resultado timo, isto ,
para atingir um resultado que alcance o objetivo especificado da melhor maneira possvel entre todas as
alternativas viveis prescritas no modelo matemtico.
3.2 Desenvolvimento do modelo matemtico
A forma geral de um PPL tem o seguinte modelo: determinar os valores das variveis de deciso
x1, x2, ..., xn que maximiza a funo linear:
Z = c1x1 + c2x2 + ... + cnxn
sujeito s restries:
a11x1 + a12x2 + ... + a1nxn b1
a21x1 + a22x2 + ... + a2nxn b2
.
.
.
.
.
.
.
.
.
.
.
.
am1x1 + am2x2 + ... + amnxn bm
x1, x2, ..., xn 0
Neste modelo aij, bi e cj so constantes dadas.
O modelo STANDART considera que:
Em problemas de maximizao:
Todas as restries so do tipo ;
Todas as variveis de deciso (x1, x2, ..., xn) so 0;
Todos os termos bi (b1, b2, ..., bm) so 0.

Em problemas de minimizao:
Todas as restries so do tipo ;
Programao Matemtica

22

Todas as variveis de deciso (x1, x2, ..., xn) so 0;


Todos os termos bi (b1, b2, ..., bm) so 0.
3.3 Interpretao do modelo
Dado n atividades competitivas, as variveis de deciso (x1, x2, ..., xn) representam o nvel destas
atividades.
Por exemplo, se cada atividade a produo de certo produto ento xj (j = 1, 2, ..., n) o nmero
de unidades do j-simo produto a ser fabricado durante um certo perodo de tempo.
A funo objetivo Z a medida de efetividade escolhida. Por exemplo: o lucro;
Os coeficientes cj so os acrscimos no valor de Z, resultantes dos acrscimos unitrios em xj;
O nmero de recursos (que so limitados) m, tal que as primeiras m desigualdades lineares
so correspondentes s restries na disponibilidade destes recursos;
A constante bi a quantidade do recurso i disponvel para a realizao das m atividades;
A constante aij a quantidade do recurso i consumida por unidades da atividade j.
Deste modo, verificamos que o lado esquerdo das inequaes representa o uso de casa recurso.
As restries do tipo xj 0 (j = 1, 2, ..., n) que so as de no negatividade evitam a possibilidade
de se produzir, por exemplo, uma quantidade negativa de um certo produto.
A tabela a seguir resume os dados apresentados:
Recursos
1
2
.
.
.
m
Z/unidade
varivel de deciso

Uso do recurso por unidade de atividade


1
2
... n
a11
a21
.
.
.
am1
c1
x1

a12
a22
.
.
.
am2
c2
x2

... a1n
... a2n
.
.
.
... amn
... cm
... xm

Quantidade
disponvel do recurso
b1
b2
.
.
.
bm

3.4 Tipos de solues


Soluo vivel ou factvel: qualquer especificao de valores para as variveis de deciso
que atenda a todas as restries do problema. Correspondem aos pontos internos ou sobre os lados do
polgono das solues viveis;
Soluo tima: soluo vivel que fornece o valor timo da funo objetivo;
Soluo tipo vrtice: corresponde a um vrtice do polgono;
Soluo adjacente: duas solues tipo vrtice so adjacentes se o segmento que as une um
dos lados do polgono;
Valor timo: o valor que a soluo tima fornece a funo objetivo.
Programao Matemtica

23

Consideraes:
Em PPL, pode ocorrer que:

Haja uma s soluo tima;


Haja mais de uma soluo (solues mltiplas). Na prtica, isto significa que o problema teria
uma infinidade de solues timas. Quando acontecer tal fato, deve-se desconfiar do modelo,
pois encontrar um problema real com diferentes solues timas ideia;
No existem solues. Isto ocorre quando no existe soluo vivel ou quando as restries
no impedem o crescimento de Z indefinidamente (regio vivel aberta).

3.5 Propriedades
Demonstra-se matematicamente que:
Se existir uma nica soluo tima ela corresponde a um vrtice;
O nmero de solues tipo vrtice finito;
Se um vrtice fornece um valor para Z melhor que os valores obtidos pelos vrtices que lhe
so adjacentes, ento ela tima.
O mtodo simplex consiste em pesquisar os vrtices do polgono indo de um vrtice para o seu
adjacente at encontrar aquele que fornea o valor timo para Z.

Programao Matemtica

24

4. O MTODO SIMPLEX

O Mtodo Simplex uma tcnica utilizada para se determinar, numericamente, a soluo tima de
um modelo de Programao Linear. Este mtodo um algoritmo.
Entende-se por algoritmo um processo em que se repete (processo iterativo) um procedimento
sistemtico at chegar a um resultado
Em cada etapa, do incio ao fim, o procedimento uma iterao.
O algoritmo deve ter uma regra de partida (ou inicializao), um processo iterativo e uma regra
de parada, isto , a partir de uma soluo inicial procura-se atingir novas solues (atravs de um
processo iterativo), procurando-se saber se atingiu a soluo desejada determinando o ponto de parada. Se
a soluo for tima, ento para, seno for, recomea o processo.
4.1 Desenvolvimento do mtodo
Para iniciar o mtodo, deve-se colocar o problema sob forma mais conveniente que a forma geral.
Assim, se tivermos um problema na forma geral, precisamos coloc-lo na forma cannica para ento
aplicarmos o mtodo.
4.1.1 Problema da forma geral
Um PPL apresenta-se na forma geral quando ele modelado ficando da seguinte forma:
Z = c1x1 + c2x2 + ... + cnxn
sujeito s restries:
a11x1 + a12x2 + ... + a1nxn b1
a21x1 + a22x2 + ... + a2nxn b2
.
.
.
.
.
.
.
.
.
.
.
.
am1x1 + am2x2 + ... + amnxn bm
x1, x2, ..., xn 0
Exemplo:
Max Z = 3x1 + 5x2
x1 4
x2 6
3x1 + 2x2 18
x1, x2 0

Programao Matemtica

25

4.1.2 Problema na forma cannica


Colocar um problema na forma cannica significa deix-lo em condies de aplicar o mtodo
simplex, ou seja, ter uma soluo bsica inicial que nos permitir iniciar a resoluo do primeiro tableau
(quadro) do simplex. Cada restrio do problema ter uma varivel na base do simplex. Na soluo inicial
as variveis bsicas sero compostas pelas variveis de folga e/ou artificial tendo em vista que as
variveis de excesso nunca estaro na base devido s restries de no negatividade. Neste caso, sempre
que acrescentarmos uma varivel de excesso restrio devemos acrescentar tambm uma varivel
artificial.
Para colocarmos um problema na forma cannica basta acrescentarmos a ele as variveis de folga
e/ou variveis de excesso e artificiais e/ou variveis artificiais. Assim,
Acrescentam-se variveis artificiais quando temos restries de igualdade do tipo (=);
Acrescentam-se variveis de folga quando temos restries de desigualdade do tipo ()
transformando as restries de desigualdade em restries de igualdade;
Acrescentam-se variveis de excesso e artificiais quando temos restries de desigualdade
do tipo () transformando as restries de desigualdade em restries de igualdade.
Descreve-se a seguir cada um dos casos apresentados.
Se tivermos um problema com uma restrio de igualdade, basta apenas acrescentar uma varivel
artificial restrio para que esta restrio tenha varivel bsica e, assim, fique na forma desejada
(cannica). Indicaremos uma varivel artificial por .
Exemplo: x1 + x2 = 4

Soluo: x1 + x2 +

=4

Se tivermos um problema com uma restrio de desigualdade do tipo (), basta apenas acrescentar
uma varivel de folga restrio para que esta restrio tenha varivel bsica e, assim, fique na forma
desejada (cannica). Indicaremos uma varivel de folga por , sendo i igual ao ndice da ltima
varivel do problema mais 1.
Exemplo: x1 + x2 4

Soluo: x1 + x2 +

=4

Se tivermos um problema com uma restrio de desigualdade do tipo (), precisamos acrescentar
uma varivel de excesso. Indicaremos uma varivel de excesso por - , sendo i igual ao ndice da
ltima varivel do problema mais 1. Para resolver o problema de negatividade, acrescenta-se alm da
varivel de excesso uma varivel artificial.
Exemplo: x1 + x2 4
Soluo: x1 + x2 -

=4

Exemplo:
Max Z = 3x1 + 5x2
x1 4
x2 6
3x1 + 2x2 18
x1, x2 0

Programao Matemtica

26

Soluo:
O novo modelo do problema ser:
Max Z -3x1 - 5x2 + 0x3 + 0x4 + 0x5 = 0
x1 + x3 = 4
x2 + x4 = 6
3x1 + 2x2 + x5 = 18
x1, x2, x3, x4, x5 0
Este ponto de partida do mtodo simplex.
O novo sistema tem 5 variveis 2 a mais que o nmero de restries. Ao representar este sistema
em forma de matriz aumentada ser fcil identificar uma soluo bsica inicial vivel em que as
variveis bsicas sero as variveis de folga e as variveis de deciso sero as variveis no bsicas.
Esta soluo bsica inicial o ponto de partida do mtodo simplex.
x1 x2 x3 x4 x5 b
1 0 1 0 0 4
0 1 0 1 0 6
3 2 0 0 1 18
Variveis bsicas: x3 = 4, x4 = 6 e x5 = 18
Variveis no bsicas: x1 = 0 e x2 = 0
A funo objetivo vale zero, pois est em funo de x1 e x2.
Qual a ideia bsica do simplex?
A partir de uma soluo bsica inicial vai-se procurando uma nova soluo bsica que de um
maior valor para a funo objetivo at chegar soluo tima. Cada nova soluo bsica obtida da
anterior substituindo uma varivel no bsica que entra na nova base no lugar de uma que sai da base.
A cada nova soluo bsica deve-se atualizar o valor da funo objetivo Z.

Lista de Exerccios 3
1) Escreva os problemas de PL na forma cannica:
a) Max Z = 2x1 + x2 sujeito a
-x1 + x2 = 1
x1 3
x2 2
x1, x2 0

c) Max Z = x2 sujeito a
-x1 + x2 1
x2 2
x1, x2 0

b) Max Z = 2x1 + x2 sujeito a


-2x1 + x2 2
2x1 + x2 = 4
x1, x2 0

d) Min Z = 2x1 + x2 sujeito a


x1 1
x2 2
x1 - x2 2
x1, x2 0
Programao Matemtica

27

e) Max Z = 2x1 + x2 sujeito a


x1 3
x2 2
x1 - x2 1
x1, x2 0

i) Min Z = x1 + x2 sujeito a
-2x1 + x2 2
x1 - 2x2 2
x1, x2 0

f) Min Z = x1 sujeito a
-x1 + x2 2
x2 5
x1, x2 0

j) Max Z = x1 + x2 sujeito a
-2x1 + x2 2
x1 - 2x2 2
x1 + x2 4
x1, x2 0

g) Max Z = x1 + 2x2 sujeito a


x1 - x2 0
-3x1 + 3x2 6
x1, x2 0

k) Max Z = x2 sujeito a
-x1 + x2 1
x1 3
x2 2
x1, x2 0

h) Max Z = x1 + 2x2 sujeito a


4x1 + x2 20
x1 + 2x2 20
x1 + 2x2 10
x1 2
x1, x2 0

l) Max Z = 3x1 - x2 sujeito a


2x1 + x2 2
x1 + 3x2 3
x2 4
x1, x2 0

4.2 Algoritmo do mtodo simplex


No primeiro caso, vamos aplicar o mtodo simplex em problemas de PL que exigem o acrscimo
das variveis de folga. Os demais casos so tratados como casos especiais do mtodo simplex que sero
estudados na prxima seo.
Para um problema na forma Standart, coloque as restries sob a forma de igualdade
acrescentando variveis de folga e faa Z = 0. Em seguida, construa um quadro inicial do tipo:

Quadro
inicial

EQ.
Z
1
.
.
.
m

V.B.
xn+1
.
.
.
xn+m

x1
-c1
a11
.
.
.
am1

x2
-c2
a12
.
.
.
am2

...
...
...
...
...
...
...

Variveis de folga
xn
xn+1 ...
xn+m
-cn
0
...
0
a1n
1
...
0
.
.
...
.
.
.
...
.
.
.
...
.
amn
0
...
1

b
0
b1
.
.
.
bm

Para efetuar uma iterao analise o quadro e:


Identifique a coluna do elemento mais negativo na equao Z;
Divida os 2os membros de cada equao de restrio (coluna b) pelos elementos positivos
da coluna selecionada. O que der menor quociente ser o piv;
A varivel da linha do piv sai da base e a varivel da coluna do piv entra na base;
Programao Matemtica

28

Efetue operaes elementares de modo que a coluna da varivel que entra fique com a
mesma configurao da coluna da varivel que sai;
O piv deve ficar igual a 1 e os demais elementos da coluna do piv devem ficar igual a
zero. Para isto deve-se multiplicar a linha do piv por um nmero mltiplo da linha do piv e somar com
a linha que se deseja modificar.
PARE, quando todos os elementos da linha da funo objetivo forem maiores que zero.
Caso contrrio, continue o processo.
4.2.1 Regra de partida
Introduzimos as variveis de folga (x3, x4 e x5) em cada uma das restries. As variveis de
deciso (x1 e x2) so no bsicas e, portanto, iguais a zero. Enquanto que, as variveis de folga so as
variveis bsicas iniciais.
Tomamos como exemplo o seguinte problema na forma cannica:
Max Z -3x1 - 5x2 + 0x3 + 0x4 + 0x5 = 0
x1 + x3 = 4
x2 + x4 = 6
3x1 + 2x2 + x5 = 18
x1, x2, x3, x4, x5 0
Para a soluo do problema usa-se uma tabela. Em vez de trabalhar com as equaes, trabalha-se
com os coeficientes das variveis e os termos independentes da seguinte forma:

Quadro
inicial

EQ.
Z
1
2
3

V.B.
x3
x4
x5

x1
-3
1
0
3

x2
-5
0
1
2

x3
0
1
0
0

x4
0
0
1
0

x5
0
0
0
1

b
0
4
6
18

Na coluna V.B. (varivel bsica) est indicada a varivel bsica correspondente a cada operao
de restrio. A linha Z leva em conta a forma cannica: Z -3x1 - 5x2 = 0.
Neste caso a soluo bsica : x1 = 0, x2 = 0, x3 = 4, x4 = 6 e x5 = 18.
possvel assinalar sempre uma matriz base (matriz identidade) para o sistema de restries.
4.2.2 Regra de parada
A soluo bsica ser tima se, e somente se, na equao da funo objetivo Z do quadro simplex
todo o coeficiente 0. Pare. Caso contrrio, repita o processo para obter uma nova soluo bsica.
Observe que, no quadro inicial temos na equao Z dois coeficientes negativos indicando que a
soluo no tima. Ento usa-se o processo iterativo.
4.2.3 Processo iterativo
Este processo visa a mudana de base, isto , uma das variveis no bsicas (x1 ou x2) deve
entrar no lugar de uma das variveis bsicas (x3, x4 ou x5) que sai.

Programao Matemtica

29

Determinao da varivel que entra na base:

Deve ser aquela varivel que mais rapidamente aumenta o valor de Z, quando Z comear a crescer
a partir de seu valor inicial zero. De acordo com o exemplo, Z -3x1 - 5x2 = 0, usa-se a varivel que tiver o
coeficiente negativo maior na equao Z. Neste caso, x2 representado pelo coeficiente -5.

Determinao da varivel que sai da base:

Que varivel deve sair para a entrada de x2? Observe que, a varivel x2 ao entrar na base passar a
ter um valor positivo. Aquela que sair da base passar a ter valor zero, pois ficar sendo no bsica.
Nestes termos, quais das variveis bsicas (x3, x4 ou x5) sair da base com a entrada de x2?
A regra : divide-se os 2os membros (coluna b) das equaes de restries pelos coeficientes
positivos da coluna da varivel que entra na base. O que der menor quociente ser chamado de piv. A
linha e a coluna a que pertencem sero designados, respectivamente, de linha e coluna do piv. Ento, a
varivel que representa a coluna do piv entra na base e a varivel que se refere a linha do piv sai da
base.
Vejamos no quadro simplex como fica:
EQ.
Z
1
2
3

Quadro
inicial

V.B.
x3
x4
x5

Entra
x2
-5
0
1
2

x1
-3
1
0
3

x3
0
1
0
0

x4
0
0
1
0

x5
0
0
0
1

b
0
4
6
18

quociente
6/1 = 6 (sai)
18/2 = 9

Piv
OBS: 1. No se consideram no clculo dos quocientes, os elementos da coluna da varivel que entra na
base que tenham valores iguais a zero ou negativos. 2. De acordo com o quadro simplex, x2 entra na
base e x4 sai da base. O piv o coeficiente localizado na interseo da varivel que entra na base
(coluna do piv) com a varivel que sai da base (linha do piv). Neste caso, o piv 1.

Determinao da nova soluo bsica:

Uma vez escolhidas a varivel que entra e a que sai da base faz-se a mudana de base, onde a
coluna da varivel que entra deve ficar com a configurao da coluna da varivel que sai, isto , o
elemento piv deve ficar igual a 1 e todos os demais elementos da coluna devem ficar iguais a zero. Em
seguida, efetuam-se operaes elementares convenientes.
Com as operaes realizadas, o novo quadro ficaria:

Quadro I

EQ.
Z
1
2
3

V.B.
x3
x2
x5

Entra
x1
-3
1
0
3

x2
0
0
1
0

x3
0
1
0
0

x4
5
0
1
-2

x5
0
0
0
1

b
30
4
6
6

quociente
4/1 = 4
6/3 = 2

Piv
Foi atingido o valor timo de Z? No, pois ainda temos um coeficiente negativo na linha Z que se
refere a varivel no bsica x1.
Programao Matemtica

30

Assim, novamente aplica-se o mtodo gerando-se um novo quadro.

Quadro
II

EQ.
Z
1
2
3

V.B.
x3
x2
x1

x1
0
0
0
1

x2
0
0
1
0

x3
0
1
0
0

x4
3
2/3
1
-2/3

x5
1
-1/3
0
1/3

b
36
2
6
2

quociente
-

Como no existe nenhum coeficiente negativo na equao Z, atingimos o valor timo. Pare!
Soluo: x1 = 2, x2 = 6, x3 = 2, x4 = 0, x5 = 0 e Z = 36.
Observaes importantes:
1. Em cada nova soluo fica sempre caracterizada a matriz identidade, embora as colunas no estejam
necessariamente nesta ordem.
1 0 0
0 1 0
0 0 1
2. As variveis de folga so sempre bsicas no quadro inicial.
3. Na linha da funo objetivo (Z) os coeficientes das variveis bsicas so sempre iguais a zero.

Lista de Exerccios 4
1) Aplicando o mtodo simplex resolva os seguintes exerccios:
a) Max Z = x1 + 5x2 sujeito a
2x1 + x2 10
x1 + 2x2 10
x1, x2 0
b) Max Z = 5x1 + 2x2 sujeito a
x1 3
x2 4
x1 + 2x2 9
x1, x2 0
c) Max Z = x1 + 3x2 sujeito a
x1 + 2x2 10
x2 4
x1, x2 0
d) Max Z = 5x1 + 7x2 sujeito a
2x1 + 3x2 12
3x1 + x2 12

x1, x2

e) Max Z = 5x1 + 2x2 sujeito a


x1 3
x2 12
x1 + 2x2 9
x1, x2 0
f) Max Z = 2x1 + x2 sujeito a
-x1 + 2x2 4
3x1 + 5x2 15
2x1 - 3x2 6
x1, x2 0
g) Max Z = 5x1 + 3x2 sujeito a
3x1 + 5x2 15
5x1 + 2x2 10
x1, x2 0

Programao Matemtica

31

5x1 + 3x2
x1 + x2
x1, x2

h) Max Z = 6x1 + 10x2 sujeito a


3x1 + 5x2 15
5x1 + 2x2 10
x1, x2 0

270
200
0

k) Max Z = 200x1 + 50x2 sujeito a


3x1 + 2x2 20
4x1 12
2x1 + 5x2 18
x1, x2 0

i) Max Z = 20x1 + 25x2 sujeito a


2x1 + 3x2 200
4x1 + 3x2 240
x1 100
x2 80
x1, x2 0

l) Max Z = 5x1 + 8x2 sujeito a


10x2 30
10x1 + 20x2 70
20x1 + 10x2 80
30x1 + 10x2 130
12x1 + 9x2 120
15x1 + 10x2 100
x1, x2 0

j) Max Z = 400x1 + 300x2 sujeito a


10x1 + 15x2 444
20x1 + 20x2 780

5. CASOS ESPECIAIS DO MTODO SIMPLEX

Programao Matemtica

32

Nesta seo apresentam-se alguns casos especiais que podem ocorrer nos PPL, tais como:

Empate na entrada;
Empate na sada;
Funo objetivo ilimitada;
Solues timas mltiplas.

Estas situaes podem ocorrer em nosso modelo Standart, isto , aquele que considera: problema
de maximizao, todas as restries do tipo () e todas as variveis de deciso maiores ou iguais a zero.
5.1 Empate na entrada
Quando houver empate na escolha da varivel que entra na base deve-se tomar a deciso
arbitrariamente. A nica consequncia que se pode escolher um caminho mais curto para chegar
soluo tima.
Por exemplo, se a funo objetivo fosse Z = 3x1 + 3x2 no quadro inicial teramos os coeficientes -3
e -3 para x1 e x2 havendo empate na escolha da varivel que entra na base. Neste caso, se escolhermos
x1 para entrar na base, a soluo tima ser atingida com uma iterao a mais do que se escolhssemos
x2 para entrar na base.
5.2 Empate na sada
Quando houver empate entre 2 ou mais variveis bsicas para sair da base pode ocorrer que:
Todas as variveis bsicas empatadas chegam zero simultaneamente, medida que a
varivel que entra aumente de valor, logo, as variveis que no so escolhidas para sair da base tambm
tero um valor zero na nova soluo chamada degenerada.
Quando se escolhe uma varivel degenerada para sair da base na nova iterao a ser feita a
que entrar no lugar dela continua igual a zero e o valor de Z no se altera. Se possvel que Z continue
com o mesmo valor, em lugar de aumentar a cada iterao, possvel tambm formar-se um ciclo (loop),
repetindo-se a mesma sequencia de solues. Embora teoricamente isto possa vir a ocorrer, na prtica no
se encontra nenhum problema que recasse neste loop.
Em consequncia, escolhe-se arbitrariamente a varivel que sai quando houver empate na sada.
Exemplo:
Max Z = 5x1 + 2x2 sujeito a
x1 3
x2 4
4x1 + 3x2 12
x1, x2 0

EQ.
Z

V.B.
-

Entra
x1
-5

x2
-2

x3
0

x4
0

Programao Matemtica

x5
0

b
0

quociente
-

33

Quadro
inicial

1
2
3

x3
x4
x5

1
0
4

0
1
3

1
0
0

0
1
0

0
0
1

3
4
12

3/1 = 3 (sai)
12/4 = 3 (sai)

No quadro inicial, h empate na sada entre x3 e x5. Escolhemos x3. Neste caso, x5 fica igual a zero
no quadro I. Como ainda temos coeficiente negativo na equao Z faz-se uma nova iterao. Em seguida,
escolhemos x5 para sair da base e a varivel x2 entra no lugar de x5. Se tivssemos escolhido x5 para sair
no quadro inicial chegaramos ao mesmo resultado, mas com uma iterao a menos.
Soluo final: x1 = 3, x2 = 0, x3 = 0, x4 = 4, x5 =0 e Z = 15.
OBS:
1. Quando uma das variveis bsicas igual a zero diz-se que a soluo degenerada.
5.3 Funo objetivo ilimitada
Quando nenhuma varivel pode sair da base, isto , quando todos os coeficientes da coluna da
varivel que deve entrar na base so negativos ou iguais a zero tem-se uma funo objetivo ilimitada. Isto
significa que a varivel que entra poderia aumentar indefinidamente sem diminuir o valor das variveis
bsicas presentes na soluo. Nesta hiptese, pode-se concluir ter havido algum erro na formulao do
modelo matemtico ou algum erro de clculo ao aplicar o simplex.
5.4 Solues timas mltiplas
Quando um problema tiver mais de uma soluo tima ao menos uma das variveis no bsicas
tem coeficiente zero na equao Z, pois ao se aumentar qualquer destas variveis no se alteraria o valor
de Z. Estas novas solues podem ser encontradas com novas iteraes, escolhendo cada vez uma
varivel que entra.
Exemplo:
Max Z = 3x1 + 2x2 sujeito a
x1 4
x2 6
3x1 + 2x2 18
x1, x2 0
No quadro II verifica-se que x3, que a varivel no bsica tem coeficiente zero na equao Z.
Assim, tem-se a soluo tima com Z = 18, x1 = 4 e x2 = 3.
No entanto, se fizermos uma iterao extra, fazendo x3 entrar na base, encontrar-se- uma nova
soluo tima, que no altera a linha do Z. Esta nova soluo : Z = 18, x1 = 2 e x2 = 6.
Poderamos ainda colocar na base x4, que tambm tem coeficiente zero na linha do Z, no lugar de
x3 e com mais uma iterao extra, obteramos a seguinte soluo tima: Z = 18, x1 = 4 e x2 = 3.
5.5 Outras formas de modelo
5.5.1 Problemas de minimizao
Programao Matemtica

34

A melhor maneira de aplicar o mesmo algoritmo transformar o problema de minimizao em um


problema de maximizao. Assim, minimizar Z equivalente a maximizar Z.
Por exemplo: Min Z = 2x1 7x2 equivale a Max -Z = -2x1 + 7x2.
5.5.2 Modificaes nas restries
Num problema Standart com todas as restries do tipo () h uma soluo bsica inicial bvia, na
qual as variveis de folga so as variveis bsicas (na base) e as variveis de deciso so as variveis no
bsicas.
Em termos grficos, esta soluo bsica inicial corresponde origem, ou seja, x1 = 0 e x2 = 0.
Quando houver restries de igualdade (=) ou restries de desigualdade do tipo () esta soluo
bsica inicial no poder ser obtida s com a introduo das variveis de folga. Para estes casos, aplica-se
o mtodo de duas fases.
O mtodo de duas fases consiste em:
1 fase: resolver o sistema onde aparece a funo objetivo artificial W at excluir a varivel
artificial da base, obtendo-se W = 0.
2 fase: prosseguir com o algoritmo simplex, excluindo a linha da funo objetivo artificial (FOA)
e a coluna que contm a varivel artificial.
Restries de igualdade
Para obter a soluo bsica inicial introduz-se uma varivel artificial em cada restrio de
igualdade.
Cria-se uma FOA W igual a soma das variveis artificiais, onde W deve ser minimizada.
Combina-se W convenientemente com as equaes de restries que contm variveis
artificiais de modo a elimin-las na equao W.
Monta-se o quadro inicial do problema, incluindo a FOA W e a funo objetivo Z.
Desenvolve-se a 1 fase do mtodo de duas fases at W = 0. Neste ponto, as variveis
artificiais tero sado da base, constituindo o final da 1 fase.
Eliminando a linha da FOA e as colunas das variveis artificiais, inicia-se a 2 fase do mtodo
de duas fases, prosseguindo com o algoritmo do mtodo simplex.
OBS:
1. Se houver mais de uma varivel artificial para completar a soluo bsica inicial, a FOA W ser a soma
dessas variveis artificiais. Neste caso, deve-se combinar convenientemente a equao de W com as
equaes de restries que contm as variveis artificiais para montar o primeiro quadro da 1 fase do
mtodo de duas fases.
2. Para o mnimo de W ser zero, todas as variveis artificiais tero que ser nulas. Se o mnimo de W for
diferente de zero porque o sistema de equaes original no tem soluo compatvel.
Exemplo:
Max Z = 3x1 + 5x2 sujeito a
x1 4
Programao Matemtica

35

2x2 12
3x1 + 2x2 = 18
x1, x2 0
Como o problema apresenta uma restrio de igualdade deve ser resolvido inserindo uma varivel
artificial nessa restrio. Ficando:
Max Z -3x1 - 5x2 = 0
x1 + x3 = 4
2x2 + x4 = 12
3x1 + 2x2 + = 18
x1, x2, x3, x4,
0
O mtodo consiste em, inicialmente, introduzir uma funo objetivo artificial W formada pela
varivel artificial inserida a ser minimizada. Assim:
Min W =
Como
no pode ser negativa, seu valor mnimo ser zero, ento W tambm ser igual a zero e
ter atingido seu valor mnimo. Ento, a funo objetivo artificial essa:
W +

=0

Para fazer com que

tenha coeficiente = zero na equao da funo objetivo artificial faz-se:

Eq. da funo objetivo artificial Eq. da restrio que contm a varivel artificial ( )
W +

=0

(3x1 + 2x2 +

= 18)

W 3x1- 2x2 = -18


Na 1 fase, alm da FOA mantida a funo objetivo Z para que tenhamos o seu valor.

1 fase:
Quadro
inicial

1 fase:
Quadro I

1 fase:
Quadro
II

EQ.
W
Z
1
2
3
W
Z
1
2
3
W
Z
1
2
3

V.B.
x3
x4

x1
-3
-3
1
0
3

x2
-2
-5
0
2
2

x3
0
0
1
0
0

x4
0
0
0
1
0

0
0
0
0
1

b
-18
0
4
12
18

quociente
4/1 = 4 (sai)
18/3 = 6

Como no pode ser negativa o seu valor mnimo ser igual a zero. Assim, se achar o mnimo de
W igual a zero ter-se- excludo da base a varivel artificial .
Programao Matemtica

36

Com W = 0, chegamos ao fim da 1 fase. Agora que entramos na regio vivel do problema
original.
Eliminando a linha da funo objetivo artificial e a coluna da varivel artificial
na 2 fase.
2 fase:
Quadro
inicial

2 fase:
Quadro I

EQ.
Z
1
2
3
Z
1
2
3

V.B.

x1

x2

x3

x4

, prosseguimos

quociente

Restries de desigualdade do tipo maior ou igual


Quando houver restrio do tipo () introduz-se uma varivel de excesso na restrio.
Exemplo: 3x1 + 2x2 18 acrescentando-se uma varivel de excesso ficaria 3x1 + 2x2 + x3 = 18.
Mas para termos uma varivel bsica nesta equao acrescenta-se tambm uma varivel
artificial. Assim, esta restrio escrita da seguinte forma: 3x1 + 2x2 + x3 + = 18.
Tanto em restries de igualdade como em restries de desigualdade do tipo () aplica-se o
mtodo de duas fases, explicado anteriormente.
Exemplo:
Max Z = 3x1 + 5x2 sujeito a
x1 4
2x2 12
3x1 + 2x2 18
x1, x2 0
Introduziremos variveis de folga para restries do tipo () e uma varivel de excesso e artificial
para a restrio do tipo (), o modelo fica:
Max Z -3x1 - 5x2 = 0
x1 + x3 = 4
2x2 + x4 = 12
3x1 + 2x2 x5 + = 18
x1, x2, x3, x4, x5,
0
O mtodo consiste em, inicialmente, introduzir uma funo objetivo artificial W formada pela
varivel artificial inserida a ser minimizada. Assim:
Min W =
Como
no pode ser negativa, seu valor mnimo ser zero, ento W tambm ser igual a zero e
ter atingido seu valor mnimo. Ento, a funo objetivo artificial essa:
W +

=0
Programao Matemtica

37

Para fazer com que

tenha coeficiente = zero na equao da funo objetivo artificial faz-se:

Eq. da funo objetivo artificial Eq. da restrio que contm a varivel artificial ( )
W +

=0

(3x1 + 2x2 x5 +

= 18)

W 3x1- 2x2 + x5 = -18

1 fase:
Quadro
inicial

1 fase:
Quadro I

1 fase:
Quadro
II

EQ.
W
Z
1
2
3
W
Z
1
2
3
W
Z
1
2
3

V.B.
x3
x4

x1
-3
-3
1
0
3

x2
-2
-5
0
2
2

x3
0
0
1
0
0

x4
0
0
0
1
0

x5
1
0
0
0
-1

0
0
0
0
1

b
-18
0
4
12
18

quociente
4/1 = 4 (sai)
18/3 = 6

Como W = 0, fim da 1 fase.


Eliminando a linha da funo objetivo artificial e a coluna da varivel artificial
na 2 fase.
2 fase:
Quadro
inicial

2 fase:
Quadro I

2 fase:
Quadro
II

EQ.
Z
1
2
3
Z
1
2
3
Z
1
2
3

V.B.

x1

x2

x3

x4

Em resumo:
Tipo de restrio

Varivel a acrescentar

Programao Matemtica

, prosseguimos

quociente

38

Folga
Artificial
Excesso e artificial

Lista de exerccios 5
1) Aplique o mtodo de duas fases nos casos especiais a seguir:
a) Max Z = x1 + 3x2 sujeito a
x1 + 2x2 10
x2 = 4
x1, x2 0
b) Max Z = x1 + 2x2 sujeito a
-x1 + 3x2 9
x1 - 2x2 0
2x1 + x2 10
2x1 + x2 5
x1, x2 0
c) Max Z = x1 + 3x2 sujeito a
4x1 + x2 30
10x1 + 2x2 10
x1, x2 0
d) Max Z = 5x1 + 2x2 sujeito a
x1 = 3
x2 4
x1 + 2x2 = 9
x1, x2 0
e) Max Z = 2x1 + 3x2 sujeito a
x1 + x2 10
2x1 + x2 16
x1, x2 0
f) Max Z = 3x1 x2 2x3 sujeito a
-4x1 + x2 + 2x3 3
x1 3x2 + x3 11
-2x1 + x3 = 4
x1, x2, x3 0

2) O quadro abaixo representa uma das iteraes do mtodo simplex para um problema Standart. Pede-se:
a) Identifique as variveis bsicas;
Programao Matemtica

39

b) Identifique a soluo correspondente, isto , os valores das variveis e de Z;


c) A soluo tima? Por qu?
EQ.
Z
1
2
3
4

V.B.

x1
0
1
0
0
0

x2
0
0
1
0
0

x3
-4
1
0
7/2
2

x4
5
0
1/2
-3/2
-1

x5
0
0
0
1
0

x6
0
0
0
0
1

b
1280
80
40
40
20

3) Cada um dos quadros abaixo representa o final de uma iterao de um problema de maximizao.
Identifique se a soluo tima, ou degenerada ou se o problema apresenta solues timas mltiplas.
Justifique a sua resposta.
a)
EQ.
Z
1
2

V.B.
x1
x2

x1
0
1
0

x2
0
0
1

x3
2
1
2

x4
0
2
1

b
2
1

EQ.
Z
1
2

V.B.
x1
x2

x1
0
1
0

x2
0
0
1

x3
-3
1
2

x4
1
2
1

b
0
5

b)

Programao Matemtica

40

6. VALOR MARGINAL (PREO SOMBRA)

O mtodo simplex alm de encontrar a soluo tima proporciona outra informao valiosa para a
anlise posterior do problema denominado de valor marginal ou preo sombra.
O preo sombra do recurso i ( ) mede o valor marginal deste recurso, isto , quanto varia a
funo objetivo pelo acrscimo unitrio do recurso i.
O mtodo simplex mostra que este preo sombra corresponde ao coeficiente da i-sima varivel de
folga na equao Z do quadro final do simplex.
Seja o problema:
Max Z = 3x1 + 5x2 sujeito a
x1 4
2x2 12
3x1 + 2x2 18
x1, x2 0
cujo o quadro final do simplex foi:
EQ.
Z
1
2
3

V.B.
x3
x2
x1

x1
0
0
0
1

x2
0
0
1
0

x3
0
1
0
0

x4
3/2
1/3
1/2
-1/3

x5
1
-1/3
0
1/3

b
36
2
6
2

Assim, conforme o exemplo tem-se: = 0; = 3/2 e = 1. Isso significa que, se aumentarmos


em uma unidade a disponibilidade do recurso 1 no haver contribuio para melhorar o valor de Z; por
outro lado, se aumentarmos em uma unidade a disponibilidade do recurso 2, os lucros da funo objetivo
aumentam 3/2 u.m..
O preo sombra representa ento o preo unitrio (mximo) que se est disposto a pagar com a
finalidade de aumentar a disponibilidade de um determinado recurso em uma unidade.
Pode-se demonstrar tambm, que o valor timo da funo objetivo ser igual ao somatrio dos
preos sombras ( ) multiplicado pelas disponibilidades dos recursos (bi), isto ,

Seguindo o exemplo tem-se:

Programao Matemtica

41

Lista de exerccios 6
1) Dados os problemas a seguir com os seus respectivos quadros de soluo tima, determine a variao
da funo objetivo de cada problema quando aumentarmos em uma unidade a disponibilidade do recurso
1, a disponibilidade do recurso 2 e a disponibilidade do recurso 3.
a) Max Z = 3x1 + 5x2 sujeito a
x1 5
2x2 13
3x1 + 2x2 19
x1, x2 0
EQ.
Z
1
2
3

V.B.
x3
x2
x1

x1
0
0
0
1

x2
0
0
1
0

x3
0
1
0
0

x4
3/2
1/3
1/2
-1/3

x5
1
-1/3
0
1/3

b
38,5
2
6
2

x2
0
0
0
1

x3
0
1
3/2
-3/2

x4
0
0
1
0

x5
1
0
-1/2
1/2

b
18
4
3
3

x2
0
0
1
0

x3
0
1
0
0

x4
3
1/6
1
-2/3

x5
1
-1/3
0
1/3

b
36
2
6
2

b) Max Z = 3x1 + 2x2 sujeito a


x1 4
x2 6
3x1 + 2x2 18
x1, x2 0
EQ.
Z
1
2
3

V.B.
x1
x4
x2

x1
0
1
0
0

c) Max Z = 3x1 + 5x2 sujeito a


x1 4
x2 6
3x1 + 2x2 18
x1, x2 0

EQ.
Z
1
2
3

V.B.
x3
x2
x1

x1
0
0
0
1

Programao Matemtica

42

7. PROBLEMA DUAL
Problema na forma primal:
Max Z = c1x1 + c2x2 + ... + cnxn sujeito s restries:
a11x1 + a12x2 + ... + a1nxn b1
a21x1 + a22x2 + ... + a2nxn b2
.
.
.
.
.
.
.
.
.
.
.
.
am1x1 + am2x2 + ... + amnxn bm
x1, x2, ..., xn 0
Problema na forma dual:
Min Z = b1y1 + b2y2 + ... + bmym sujeito s restries:
a11y1 + a21y2 + ... + am1ym c1
a12y1 + a22y2 + ... + am2ym c2
.
.
.
.
.
.
.
.
.
.
.
.
a1ny1 + a2ny2 + ... + amnym cn
y1, y2, ..., ym 0
Observe que:

Se o primal tem n variveis de deciso e m restries;


O dual ter n restries e m variveis de deciso.

7.1 Exemplo 1
Primal

Dual

Max Z = 5x1 + 3x2 sujeito a


6x1 + 2x2 36
5x1 + 5x2 40
2x1 + 4x2 28
x1, x2 0

Min Z = 36y1 + 40y2 + 28y3 sujeito a


6y1 + 5y2 + 2y3 5
2y1 + 5y2 + 4y3 3
y1, y2, y3 0

7.2 Exemplo 2
Primal
Max Z = x1 + x2 sujeito a
-x1 + x2 + x3 2
-2x1 + x2 - x3 1
x1, x2, x3 0

Dual
Min Z = 2y1 + y2 sujeito a
-y1 - 2y2 1
y1 + y2 1
y1 - y2 0
y1, y2 0

A teoria da dualidade demonstra que:


Programao Matemtica

43

1) O valor timo de Z (chamaremos de Z*) igual ao valor timo de W (W*) onde:

onde

so os valores do ltimo quadro do simplex.

2) As variveis de deciso do primal correspondem s variveis de folga do dual; as variveis de


folga do primal correspondem s variveis de deciso do dual.
3) Os valores timos das variveis de deciso do dual correspondem aos valores dos coeficientes
das variveis de folga do primal no quadro final do simplex.
4) Se na soluo tima encontrada uma varivel de deciso do primal tem valor de zero, a
varivel de folga correspondente (ou de excesso) do dual ser igual a zero; se uma varivel de
folga (ou de excesso) do primal tem valor de zero, a varivel de deciso correspondente do
dual ser igual a zero.
Exemplo:
Primal

Dual

Max Z = 5x1 + 2x2 sujeito a


x1 3
x2 4
x1 + 2x2 9
x1, x2 0
Variveis de folga: x3, x4, x5

Quadro
inicial

Quadro
final

EQ.
Z
1
2
3
Z
1
2
3

Min Z = 3y1 + 4y2 + 9y3 sujeito a


y1 + y3 5
y2 + 2y3 2
y1, y2, y3 0
Variveis de excesso: -y4, -y5
V.B.
x3
x4
x5
x1
x4
x2

-y4
x1
-5
1
0
1
0
1
0
0

-y5
x2
-2
0
1
2
0
0
0
1

y1
x3
0
1
0
0
4
1
1/2
-1/2

Soluo primal: Z* = 21, x1 = 3, x2 = 3, x3 = 0, x4 = 1, x5 = 0


Soluo dual: W* = 21, y1 = 4, y2 = 0, y3 = 1, y4 = 0, y5 = 0
Z* = W* = 21
Z* = c1 . x1 + c2 . x2 = 5 . 3 + 2 . 3 = 21
W* = b1 . y1 + b2 . y2 + b3 . y3 = 3 . 4 + 4 . 0 + 9 . 1 = 21

Programao Matemtica

y2
x4
0
0
1
0
0
0
1
0

y3
x5
0
0
0
1
1
0
-1/2
1/2

b
0
3
4
9
21
3
1
3

44

OBS:
1. A soluo de um problema primal fornece a soluo do dual e vice-versa. Isto importante porque:
a) possibilita que problemas de minimizao sejam resolvidos em termos de maximizao;
b) para problemas didticos com apenas 3 variveis de deciso, o dual ter apenas duas variveis.

Lista de exerccios 7
1) Qual a soluo dual dos problemas a seguir dada a soluo primal:
a) Max Z = 3x1 + 2x2 sujeito a
x1 4
x2 6
3x1 + 2x2 18
x1, x2 0

Quadro
final

EQ.
Z
1
2
3

V.B.
x1
x4
x2

x1
0
1
0
0

x2
0
0
0
1

x3
0
1
3/2
-3/2

x4
0
0
1
0

x5
1
0
-1/2
1/2

b
18
4
3
3

V.B.
x3
x2
x1

x1
0
0
0
1

x2
0
0
1
0

x3
0
1
0
0

x4
3
1/6
1
-2/3

x5
1
-1/3
0
1/3

b
36
2
6
2

b) Max Z = 3x1 + 5x2 sujeito a


x1 4
x2 6
3x1 + 2x2 18
x1, x2 0

Quadro
final

EQ.
Z
1
2
3

2) Os problemas a seguir esto na forma primal. Encontre a soluo na forma primal utilizando o mtodo
simplex e a seguir escreva-a na forma dual:
a) Max Z = x1 + 2x2 sujeito a
-x1 + x2 2
x1 + 2x2 8
x1, x2 0

Programao Matemtica

45

b) Max Z = -x1 + 4x2 sujeito a


-x1 + 2x2 5
3x1 + 4x2 8
x1, x2 0
3) Os problemas a seguir esto na forma primal. Encontre a soluo na forma dual utilizando o mtodo
simplex e a seguir escreva-a na forma primal:
a) Min Z = 10x1 + 4x2 sujeito a
x1 1
2x1 + x2 3
x1, x2 0
b) Min Z = 4x1 + 6x2 + 18x3 sujeito a
x1 + 3x3 3
x2 + 2x3 2
x1, x2, x3 0
c) Min Z = 10x1 + 6x2 + 8x3 sujeito a
x1 + x2 + 2x3 2
5x1 + 3x2 + 2x3 1
x1, x2, x3 0

Programao Matemtica

46

8. REFERNCIAS BIBLIOGRFICAS
ANDRADE, E. L. de. Introduo pesquisa operacional: mtodos e modelos para anlise de decises.
4. ed., Rio de Janeiro: LTC, 2009.
BREGALDA, P.; BORNSTEIN, C. Introduo programao linear. Rio de Janeiro: Campus, 1983.
BRONSON, R. Pesquisa Operacional. So Paulo: McGraw-Hill, 1985.
HILLIER, F. S.; LIEBERMAN, G. J. Introduo pesquisa operacional. Rio de Janeiro: Campus,
1988.
LACHTERMACHER, G. Pesquisa operacional na tomada de decises: para cursos de administrao,
economia e cincias contbeis. 3. ed., Rio de Janeiro: Elsevier, 2007.
LACHTERMACHER, G. Pesquisa operacional na tomada de decises. 4. ed. So Paulo: Pearson
Prentice Hall, 2009.
PRADO, Darci. Programao linear. Belo Horizonte: DG, 1999.
PUCCINI, A. de L.; PIZZOLATO, N. D. Programao linear. 2. ed. Rio de Janeiro: LTC, 1989.
TAHA, H. A. Pesquisa Operacional. 8. ed., So Paulo: Pearson Prentice Hall, 2008.
WAGNER, H. M. Pesquisa operacional. 2. ed., Rio de Janeiro: Prentice Hall do Brasil, 1986.

Programao Matemtica