Escolar Documentos
Profissional Documentos
Cultura Documentos
)
Uma empresa pode-se fabricar dois produtos 1 e produto 2. Na fabricao do produto
1 a empresa gasta nove horas-homem e trs horas-mquina, onde a tecnologia utilizada
intensiva em mo-de-obra. Na fabricao do produto 2 a empresa gasta uma hora-homem e
uma hora-mquina, onde a tecnologia intensiva em capital. Sendo x
1
e x
2
as quantidades
fabricadas dos produtos 1 e 2 e sabendo-se que a empresa dispe de 18 horas-homem e 12
horas-mquina e ainda que os lucros dos produtos so $4 e $1 respectivamente, quanto deve
fabricar cada produto para obter o maior lucro possvel ?
2.2 Modelagem do Primeiro Problema
Admitindo que no h economia de escala, mas quantidades fabricadas quanto ao
lucro, a funo lucro a ser maximizada :
L = 4 x
1
+
x
2
por uma escolha de x
1
e x
2
.
Se o problema parasse aqui o lucro seria ilimitado. Porm, existem recursos limitados.
O que limita as quantidades fabricadas aqui so as horas-homem e horas-mquina
disponveis. Assim, as quantidades fabricadas e as horas utilizadas de cada recursos no
podem ultrapassar as quantidades de recursos disponveis, ou seja:
H-H 9x
1
+
x
2
18 e
H-M 3 x
1
+
x
2
12
Assim, o lucro s poder crescer at esses limites.
Temos ento o seguinte modelo matemtico:
Max L = 4 x
1
+
x
2
sujeito a:
horas-homem 9x
1
+
x
2
18
horas-mquina 3 x
1
+
x
2
12
x
1
0 e x
2
0
Como o problema de segunda dimenso e as funes e inequaes so lineares,
podemos obter uma soluo fcil graficamente.
2.3 Resoluo atravs do Mtodo Grfico
Primeiro precisamos saber, dado as restries, quais as possveis combinaes dos
produtos que se pode fabricar. Isso , precisamos verificar qual ou quais as reas que
satisfazem as restries, pois a empresa s pode dispor dos recursos "disponveis".
H-H H-M
9x
1
+
x
2
18 3x
1
+
x
2
12
-1 0 1 2 3 4 5
0
2
4
6
8
10
12
14
16
18
20
-1 -0. 5 0 0. 5 1 1. 5 2 2. 5 3 3. 5 4
0
2
4
6
8
10
12
14
16
18
20
Como a empresa no pode violar nenhuma das restries, precisamos saber a rea
onde as duas restries so vlidas, isso , a interseo das duas regies de restrio, chamada
de conjunto de possibilidades ou conjunto vivel.
Resta-se agora maximizar o lucro de L = 4 x
1
+ x
2
. O lucro uma constante para cada
uma das combinaes da x
1
e x
2
. Assim, lucros diferentes geram retas paralelas onde o lucro
constante em cada reta ou seja, as retas so iso-lucros.
Ento s traar iso-lucros no grfico do conjunto vivel e obter a iso-lucro de maior
lucro que seja possvel de se fabricar das restries.
-1 0 1 2 3 4 5
0
2
4
6
8
10
12
14
16
18
20
Logo, o lucro mximo 13 e deve-se fabricar x
1
= 1 e x
2
= 9 para obt-lo. Esses
valores so fixados diretamente do grfico. Veja o que acontece com as restries nesses
valores, no h sobras.
2.4 Resoluo atravs do Mtodo Simplex
O mtodo simplex um algoritmo.
Um algoritmo um processo onde um procedimento sistemtico repetido (iterado)
seguidamente at que o resultado desejado seja obtido.
Cada percurso do procedimento sistemtico chamado de iterao.
Conseqentemente, um algoritmo substitui um problema difcil por uma srie de outros
fceis.
L = 13
-1 0 1 2 3 4 5
0
2
4
6
8
10
12
14
16
18
20
-1 0 1 2 3 4 5
0
2
4
6
8
10
12
14
16
18
20
Alm das iteraes, os algoritmos tambm incluem um procedimento de dar incio e um
critrio para determinar quando parar.
Consideremos ento o modelo:
Max. L = 4x
1
+ x2
9x
1
+ x
2
+ xf
1
=18
Sujeito a: 3x
1
+ x
2
+ xf
2
=12
x
1
0, x
2
0, xf
1
0, xf
2
0
2.4.1 Clculo da Nova Soluo Bsica
C C C C Varivel que entra na base: entra na base a varivel com coeficiente negativo de
maior valor absoluto. A idia melhorar rapidamente o valor de L.
Examinando a funo objetivo do exemplo:
L - 4x
1
- x
2
= 0 ou L = 4x
1
+ x
2
Entra a varivel x
1
, pois cada unidade a mais em x
1,
aumenta L em 4 unidades.
p Varivel que sai: sai a varivel que primeiro se anula com a entrada da varivel
escolhida no item anterior, no caso x
1
, que entra com maior valor possvel.
Ela pode ser descoberta dividindo-se os termos da direta das restries pelos
coeficientes positivos da varivel que entra. O menor valor indica que a varivel
bsica dessa linha a que primeiro se anula e sair da base.
No exemplo:
+ x
2
+ xf
1
= 18 18
9 = 2 sai
+ x
2
+ xf
2
= 12 12
3 =4
Entra
] ] ] ] Elemento piv
A coluna da varivel que entra e a linha da varivel que sai identificam um elemento
chamado piv.
A linha da varivel que sai tambm linha piv. No caso, a primeira linha a piv e o
coeficiente 4 de x
2
o elemento piv.
d) Calculando a nova soluo
D1. Vamos organizar a funo objetivo e restries numa tabela com colunas
formadas pelos coeficientes de cada varivel e outra do termos independentes.
L x
1
x
2
xf
1
xf
2
b
1 -4 -1 0 0 0
0 9 1 1 0 18
0 3 1 0 1 12
9x
1
3x
1
Entra
D2. Dividimos a linha piv pelo valor do elemento piv, obtendo uma nova linha com
piv unitrio.
Linha piv: 0 9 1 1 0 18
Dividindo por 4: 0 1 0,111 0,111 0 2
0.111 = 18
6
0.666
Nova linha piv: 0 0 0.666 -0.333 1 6
)
O Presidente, Joo Thomaz, da Companhia Jelite quer utilizar do melhor modo
possvel os recursos de madeira em uma de suas regies florestais. Dentro desta regio, h
uma serraria e uma fabrica de compensados; assim as toras podem ser convertidas em madeira
beneficiada ou compensado.
Produzir uma mistura comercializvel de produtos beneficiados requer 1 metro cbico
de pinho e 4 metros cbicos e canela. Produzir 100 metros quadrados de madeira compensada
requer 2 metros cbicos de pinho e 4 metros cbicos de canela. Esta regio tem disponveis
32 metros cbicos de pinho e 72 metros cbicos de canela.
Compromissos de venda exigem que sejam produzidos durante o perodo de
planejamento, pelo menos 5 metros cbicos de madeira beneficiada e 1200 metros quadrados
de madeira compensada. As contribuies ao lucro so $45 por 1 metro cbico de produtos
beneficiados e $60 por 100 metros quadrados de madeira compensada.
3.2 Modelagem do Segundo Problema
Neste problema temos:
Elementos conhecidos: lucro associado aos produtos, quantidade necessria de cada tipo
de insumo para a produo de cada item, quantidade de insumo disponvel ;
elementos desconhecidos: quanto produzir de cada item;
Objetivo a ser alcanado: obter o maior lucro possvel com a quantidade de insumo
disponvel;
Restries: quantidade de insumos limitada, compromissos de venda.
Podemos ento iniciar a construo do modelo:
Variveis de deciso:
Precisamos decidir quanto produzir de cada item.
1
x
= quantidade de madeira beneficiada produzida em m
2
x
= quantidade de madeira compensada produzida em m
3.2.1 Objetivo
Maximizar o lucro coma venda dos produtos. O lucro associado a cada produto
conhecido. Assim se vendermos 1 m de madeira beneficiada teremos um lucro de $ 45.
Supondo verdadeira a hiptese de proporcionalidade, se vendermos 2 m obter um lucro de
$90, de uma maneira geral, se vendermos
1
x
m3, iremos Ter um lucro de $ 45
1
x
.
De maneira equivalente obtemos o lucro associado a venda de madeira compensada:
60
2
x
.
Supondo verdadeira a hiptese de aditividade temos que o lucro total com a venda dos
produtos 45
1
x
+ 60
2
x
.
Como queremos obter o maior lucro possvel, temos a seguinte funo objetivo:
2 1
60 45 max x x z + =
3.2.2 Restries
Disponibilidade de recursos:
Pinho
Temos uma quantidade limitada de Pinho. Assim a quantidade de pinho utilizada para
a produo dos dois tipos de madeira no pode exceder os 32 m disponveis. Usando as
hipteses de proporcionalidade e aditividade temos que:
Canela
De maneira similar temos a restrio relativa a disponibilidade de canela:
Compromissos de venda
Quantidade mnima a ser produzida de cada item para satisfazer compromissos
assumidos:
Madeira beneficiada:
Madeira compensada: Observe que
2
x
esta medido em 100m e que os compromissos
de venda pedem que sejam produzidos pelo menos 1200 m. Portanto:
O modelo que representa o problema ento:
3.3 Resoluo do Segundo Problema atravs do Mtodo Simplex
Considere o modelo anteriormente citado.
Nesse modelo as inequaes correspondentes as restries so do tipo
, a
varivel de folga e o caso substituda e seu valor negativo quando se anula as variveis de
deciso.
Devemos acrescentar nestas restries, auxiliares, utilizaremos na resoluo desse
modelo o chamado Mtodo da Funo Objetivo Auxiliar, veja como ela se proceder:
As restries com o acrscimo das variveis auxiliares ficam da seguinte forma
32 2
2 1
+ x x
5
1
x
0 ,
12
5
72 4 4
32 2
60 45 max
2 1
2
1
2 1
2 1
2 1
+
+
+ =
x x
x
x
x x
x x
a sujeito
x x z
72 4 4
2 1
+ x x
12
1
x
12
5
72 4 4
32 2
4 4
3 3 1
2 2 1
1 2 1
= + +
= +
= + +
= + +
a xf x
a xf x
f x x x
xf x x
x
Teremos a funo auxiliar W formada pelas variveis auxiliares 4 3
a e a
:
4 3
a a W + =
Da terceira restrio
5
3 1 3
+ + = xf x a
Da quarta restrio
12
4 2 4
+ + = xf x a
17 ) max( min
17
4 3 2 1
4 3 2 1
+ = =
+ + + =
xf xf x x W W
xf xf x x W
O quadro com a funo auxiliar fica assim:
Z X1 X2 Xf1 Xf2 Xf3 Xf4 a3 a4 b
1 -45 -60 0 0 0 0 0 0 0
0 1 2 1 0 0 0 0 0 32
0 4 4 0 1 0 0 0 0 72
0 1 0 0 0 -1 0 1 0 5
0 0 1 0 0 0 -1 0 1 12
-1 -1 -1 0 0 1 1 0 0 -17
-W
Soluo:
Variveis Bsicas Variveis no Bsicas valor de W
12
5
72
32
4
3
2
1
=
=
=
=
a
a
xf
xf
0
0
0
0
4
3
2
1
=
=
=
=
xf
xf
x
x
17 = W
A funo objetivo a ser minimizada W. observando seus coeficientes, verificamos
que a soluo do quadro no tima.
Calculando a nova soluo
Varivel que entra: X2 (coeficiente -1)
Varivel que sai:
Linha piv: 5 linha
Elemento piv: 1
Nova linha piv = (linha piv 1) continua a mesma.
0 0 1 0 0 0 -1 0 1 12
4
int var 12 1 12
0 5
18 4 72
18 2 32
a linha a qu da iavel a sai
existe no
=
=
=
=
Calculo da nova 1 linha (coeficiente (-60))
nova linha piv 0 0 1 0 0 0 -1 0 1 12
x60 0 0 60 0 0 0 -60 0 60 720
+ 1 linha 1 -45 -60 0 0 0 0 0 0 0
nova 1 linha 1 -45 0 0 0 0 -60 0 60 720
Calculo da nova 2 linha (coeficiente (2))
nova linha piv 0 0 1 0 0 0 1 0 1 12
x(-2) 0 0 -2 0 0 0 2 0 -2 -24
+ 2 linha 0 1 2 1 0 0 0 0 0 32
nova 2 linha 0 1 0 1 0 0 2 0 -2 8
Calculo da nova 3 linha (coeficiente (4))
nova linha
piv 0 0 1 0 0 0 -1 0 1 12
x(-4) 0 0 -4 0 0 0 4 0 -4 -48
+ 3 linha 0 4 4 0 1 0 0 0 0 72
nova 3 linha 0 4 0 0 1 0 4 0 -4 24
Calculo da nova 4linha (coeficiente 0), portanto continua a mesma.
nova 4 linha 0 1 0 0 0 -1 0 1 0 5
Calculo da nova 6 linha (coeficiente (-1))
nova linha piv 0 0 1 0 0 0 -1 0 1 12
x(1) 0 0 1 0 0 0 -1 0 1 12
+ 6 linha -1 -1 -1 0 0 1 1 0 0 -17
nava 6 linha -1 -1 0 0 0 1 0 0 1 -5
Novo quadro:
Z X1 X2 Xf1 Xf2 Xf3 Xf4 a3 a4 S
1 -45 0 0 0 0 -60 0 60 720
0 1 0 1 0 0 2 0 -2 8
0 4 0 0 1 0 4 0 -4 24
0 1 0 0 0 -1 0 1 0
5
0 0 1 0 0 0 -1 0 1 12
-1 -1 0 0 0 1 0 0 1 -5
Soluo:
Variveis Bsicas Variveis no Bsicas valor de W
5
24
8
12
4
3
2
1
=
=
=
=
a
a
xf
xf
0
0
0
0
4
3
2
1
=
=
=
=
xf
xf
x
x
5 = W
Calculo da nova soluo:
Varivel que entra: 1
x
(coeficiente -1)
Varivel que sai:
Linha piv: 4 linha
Elemento piv: nova linha piv = (linha piv 1) continua a mesma.
0 1 0 0 0 -1 0 1 0 5
Calculo da nova 1 linha: (coeficiente (-45))
nova linha piv 0 1 0 0 0 -1 0 1 0 5
x45 0 45 0 0 0 -45 0 45 0 225
+ 1 linha 1 -45 0 0 0 0 -60 0 60 720
nova 1 linha 1 0 0 0 0 -45 -60 45 60 945
Calculo da nova 2 linha: (coeficiente 1)
Calculo da nova 3 linha: (coeficiente 4)
nova linha piv 0 1 0 0 0 -1 0 1 0 5
x(-4) 0 -4 0 0 0 4 0 -4 0 -20
+ 3 linha 0 4 0 0 1 0 4 0 -4 24
nova 3 linha 0 0 0 0 1 4 4 -4 -4 4
Calculo a nova 5 linha: (coeficiente 0), portanto continua a mesma
nova linha piv 0 1 0 0 0 -1 0 1 0 5
x(-1) 0 -1 0 0 0 1 0 -1 0 -5
+ 2 linha 0 1 0 1 0 0 2 0 -2 8
nova 2 linha 0 0 0 1 0 1 2 -1 -2 3
existe no
a linha quina da iavel sai
=
=
=
=
0 12
: var 5 1 5
6 4 24
8 1 8
3
nova 5 linha 0 0 1 0 0 0 -1 0 1 12
Calculo da nova 6 linha: (coeficiente (-1))
nova linha
piv 0 1 0 0 0 -1 0 1 0 5
X1 0 1 0 0 0 -1 0 1 1 5
+ 6 linha -1 -1 0 0 0 1 0 0 1 -5
nava 6 linha -1 0 0 0 0 0 0 1 1 0
Novo quadro:
Z X1 X2 Xf1 Xf2 Xf3 Xf4 a3 a4 S
1 0 0 0 0 -45 -60 45 60 945
0 0 0 1 0 1 2 -1 -2 3
0 0 0 0 1 4 1 -4 -4 4
0 1 0 0 0 -1 0 1 0 5
0 0 1 0 0 0 -1 0 1 12
-1 0 0 0 0 0 0 1 1 0
-W
Soluo:
Variveis Bsicas Variveis no Bsicas valor de W
4
3
12
5
4
3
2
1
=
=
=
=
a
a
xf
xf
0
0
0
0
4
3
2
1
=
=
=
=
xf
xf
x
x
0 = W
O problema agora apresenta uma soluo bsica inicial formada variveis originais, e
continuar o problema com a funo objetivo original.
O quadro ser, portanto:
Z X1 X2 Xf1 Xf2 Xf3 Xf4 S
1 0 0 0 0 -45 -60 945
0 0 0 1 0 1 2 3
0 0 0 0 1 4 4
4
0 1 0 0 0 -1 0 5
0 0 1 0 0 0 -1 12
Calculando nova soluo
Varivel que entra : Varivel que sai:
4
xf
(coeficiente -60)
o prejudicad
existe no
xf linha terceira da iavel sai
=
=
=
=
12 1
5 0
var 1 4 4
5 , 1 2 3
2
Linha piv: 3 linha
Elemento piv: 4
Nova linha piv = linha piv 4
linha
piv 0 0 0 0 1 4 4 4
:4 0 0 0 0 0,25 1 1 1 nova linha pivo
Calculo da nova 1 linha (coeficiente -60)
nova linha
piv 0 0 0 0 0,25 1 1 1
x 60 0 0 0 0 15 60 60 60
+ 1 linha 1 0 0 0 0 -45 -60 945
nova 1 linha 1 0 0 0 15 15 0 1005
Calculo da nova 2 linha (coeficiente 2)
nova linha
piv 0 0 0 0 0,25 1 1 0
x (-2) 0 0 0 0 -0,5 -2 -2 -2
+ 2 linha 0 0 0 1 0 1 2 3
nova 2 linha 0 0 0 1 -0,5 -1 0 1
Calculo da nova 4 linha (coeficiente 0), portanto continua a mesma
nova 4 linha 0 1 0 0 0 -1 0 5
Calculo da nova 5 linha (coeficiente -1)
nova linha
piv 0 0 0 0 0,25 1 1 1
x 1 0 0 0 0 0,25 1 1 1
+ 5 linha 0 0 1 0 0 0 -1 12
nova 5 linha 0 0 1 0 0,25 1 0 13
Novo quadro
Z x1 x2 xf1 xf2 xf3 xf4 b
1 0 0 0 15 15 0 1005
0 0 0 1 -0,5 -1 0 1
0 0 0 0 0,25 1 1 1
0 1 0 0 0 -1 0 5
0 0 1 0 0,25 1 0 13
Soluo:
Variveis Bsicas Variveis no Bsicas
1
1
13
5
2
1
2
1
=
=
=
=
xf
xf
x
x
0
0
3
2
=
=
xf
xf
1005 = Z
Ou seja, precisamos produzir 5m de madeira beneficiada, 13m de madeira
compensada, para obtermos o lucro mximo de R$ 1005,00.
4 Terceiro Problema Problema da Dieta.
4.1 Descrio do Terceiro Problema ( Quando as Restries so todas
)
Glauco deseja saber quanto gastar para fazer uma dieta alimentar que fornea
diariamente toda a energia, protena e clcio que ela necessita. O valor nutritivo e o preo (pr
poro) de cada alimento que ela esta considerando comprar dado na tabela 1 abaixo.
alimento tamanho
da poro
energia
(kcal)
Protena(g) clcio (mg) preo p/
poro
(centavos)
arroz 100g 205 32 12 14
ovos 2un 160 13 54 13
leite 237ml 160 8 285 9
feijo 260g 260 14 80 19
Tabela 2 valor nutritivo e custo dos alimentos
Seu mdico recomendou que ela se alimente de forma a obter diariamente no mnimo
2000 kcal de energia, 65g de protena e 800 mg de clcio. Quanto de cada alimento Glauco
deve consumir?
4.2 Modelagem do Segundo Problema
Neste problema temos:
elementos conhecidos: valor nutritivo dos alimentos, custo dos alimentos, quantidade
mnima de nutrientes a serem obtidos com a dieta;
elementos desconhecidos: quanto consumir de cada alimento;
objetivo a ser alcanado: obter uma dieta de baixo custo;
restries: a dieta deve fornecer uma quantidade mnima de nutrientes.
A dieta deve ser feita a partir de 4 itens: arroz, ovos, leite, feijo.
Faa j = 1,2,3,4 representar respectivamente os itens arroz, ovos, leite e feijo
Defina:
j
x
= nmero de pores adquirida do alimento j para ser usada na dieta
_. _. _. _. Objetivo
Obter a dieta de menor custo possvel. O preo de cada alimento conhecido. Assim
se comprarmos 1 poro de arroz iremos gastar 14 centavos. Supondo verdadeira a hiptese
de proporcionalidade, se comprarmos 2 pores de arroz iremos gastar 28 centavos, de uma
maneira geral, se comprarmos 1
x
pores de arroz, iremos gastar 14 1
x
centavos.
De maneira equivalente obtemos o gasto associado a compra de ovos: 13 2
x
.
Supondo verdadeira a hiptese de aditividade temos que o gasto total com a compra do arroz
e dos ovos dado pr 14 1
x
+13 2
x
.
Usando o mesmo raciocnio e considerando os demais ingredientes, temos que o custo
total da dieta dado pr:
4 3 2 1
19 9 13 14 x x x x z + + + =
.
Como queremos obter a dieta de menor custo possvel, temos a seguinte funo
objetivo:
4 3 2 1
19 9 13 14 min x x x x z + + + =
_ _ _ _ Restries
Naturalmente, o que impede Glauco de obter uma dieta de custo zero, que ela precisa
consumir alimentos de forma a obter uma quantidade mnima de nutrientes.
Vamos considerar ento cada um dos nutrientes:
Energia:
Se ela consumir 1 poro de arroz, ela obtm 205 kcal de energia, 1 poro de ovos
160 kcal, 1 poro de leite 160 kcal e 1 poro de feijo 260 kcal. Considerando verdadeiras
as hipteses de proporcionalidade e aditividade, temos que a quantidade total de energia
obtida com o consumo destes 4 alimentos :
4 3 2 1
260 160 160 205 x x x x + + +
Que deve ser maior ou igual quantidade mnima necessria. Temos ento a seguinte
restrio:
2000 260 160 160 205
4 3 2 1
+ + + x x x x
.
Usando raciocnio similar, formulamos as restries associadas quantidade mnima
de:
Protena
65 14 8 13 32
4 3 2 1
+ + + x x x x
;
Clcio
800 80 285 54 12
4 3 2 1
+ + + x x x x
.
No Negatividade
Agora precisamos considerar a hiptese de divisibilidade e permitir que as variveis
assumam valores fracionrios. Considerando que valores negativos no tem significado para
este problema temos a seguinte restrio:
4 , 3 , 2 , 1 , 0 = j x
j
O modelo que representa o problema ento:
4 3 2 1
19 9 13 14 min x x x x z + + + =
sujeito a:
2000 260 160 160 205
4 3 2 1
+ + + x x x x
65 14 8 13 32
4 3 2 1
+ + + x x x x
800 80 285 54 12
4 3 2 1
+ + + x x x x
4 , 3 , 2 , 1 , 0 = j x
j
3.4 Resoluo do Terceiro Problema atravs do Mtodo Simplex
Consideremos o modelo anteriormente.
Como a funo objetiva de minimizao, devemos multiplica-la por (-1), obtendo
uma funo equivalente para maximizao. Temos ento como modelo equivalente:
4 3 2 1
19 9 13 14 ) max( x x x x Z =
sujeito a:
2000 260 160 160 205
4 3 2 1
+ + + x x x x
65 14 8 13 32
4 3 2 1
+ + + x x x x
800 80 285 54 12
4 3 2 1
+ + + x x x x
4 , 3 , 2 , 1 , 0 = j x
j
Nesse modelo as inequaes correspondentes as restries so do tipo , a varivel de
folga subtrada e seu valor negativo quando se anulam as variveis de deciso. o mesmo
problema que encontramos no problema do planejamento de produo de madeira.
Utilizaremos ento o Mtodo Da Funo Objetivo Auxiliar.
Acrescentando as variveis de folga e as variveis auxiliares nas restries, teremos:
2000 260 160 160 205
1 1 4 3 2 1
= + + + + a xf x x x x
65 14 8 13 32
2 2 4 3 2 1
= + + + + a xf x x x x
800 80 285 54 12
3 3 4 3 2 1
= + + + + a xf x x x x
temos a funo auxiliar 3 2 1
a a a W + + =
Da 1 restrio:
2000 260 160 160 205
1 4 3 2 1 1
+ + = xf x x x x a
Da 2 restrio:
65 14 8 13 32
2 4 3 2 1 2
+ + = xf x x x x a
Da 3 restrio:
800 80 285 54 12
3 4 3 2 1 3
+ + = xf x x x x a
Da temos:
3 2 1
a a a W + + =
=
2865 354 453 227 249
3 2 1 4 3 2 1
+ + + + xf xf xf x x x x
mim W = max (W) =
2865 354 453 227 249
3 2 1 4 3 2 1
+ + + + xf xf xf x x x x
O quadro com a funo auxiliar W fica assim:
Z X1 X2 X3 X4 Xf1 Xf2 Xf3 a1 a2 a3 b
-1 14 13 9 19 0 0 0 0 0 0 0
0 205 160 160 260 -1 0 0 1 0 0 2000
0 32 13 8 14 0 -1 0 0 1 0 65
0 12 54 285 80 0 0 -1 0 0 1 800
-1 -249 -227 -453 -354 1 1 1 0 0 0 -2865
-W
Teremos a soluo bsica inicial:
Variveis Bsicas Variveis no Bsicas valor de W
800
65
2000
1 3
2
1
=
=
=
a
a
a
0
0 0
0 0
0 0
4
3 3
2 2
1 1
=
= =
= =
= =
x
x xf
x xf
x xf
2865 = W
Obs: devido ao nmero de variveis do problema, a soluo racional atravs de
clculos mentais se torna excessiva. A seguir apresentaremos um software computacional
(Lindo) e utilizaremos dele para resolver o problema da dieta. Veremos atravs desse
problema que muitas vezes necessrio reformular o modelo para atingir melhores solues.
3.5 O Software Lindo
O LINDO (Linear, INteractive and Discrete Optmizer), um software desenvolvido
pela LINDO Systems Inc., de Chicago, Ollinois, EUA, para a resoluo de modelos de
programao linear. Ele requer o ambiente Windows e est disponvel nas seguintes verses.
Verso
Limites Mximos
#Linhas #Colunas
Demonstrao* 150 300
Super
500
1.000
Hiper 2.000 4.000
Industrial 8000 16.000
Extended 32.000 100.000
* Variveis inteiras at 30.
3.6 Resoluo do Problema da Dieta (atravs do Software Lindo)
Soluo 1
LP OPTIMUM FOUND AT STEP 1
OBJECTIVE FUNCTION VALUE
1) 112.500
VARIABLE VALUE
X1 0.000000 (arroz)
X2 0.000000 (ovos)
X3 12.500000 (leite)
X4 0.000000 (feijo)
Isto consumir 12.5* 237ml = 2,9625 l de leite e gastar com a dieta 112,5 centavos
Esta soluo aceitvel?
3.7 Novo modelo para o problema da dieta
Soluo:
Se limitarmos a quantidade de leite e ovo na dieta:
No mximo 2 pores para leite
No mnimo 1/2 poro para ovos
4 3 2 1
19 9 13 14 min x x x x z + + + =
Sujeito a:
2000 260 160 160 205
4 3 2 1
+ + + x x x x
65 14 8 13 32
4 3 2 1
+ + + x x x x
800 80 285 54 12
4 3 2 1
+ + + x x x x
4 , 3 , 2 , 1 , 0 = j x
j
2
1
2
2 3
x e x
Software LINDO :
OBJECTIVE FUNCTION VALUE
1) 136.4759
VARIABLE VALUE REDUCED COST
X1 5.710844
X2 1.000000
X3 2.000000
X4 1.343374
Isto consumir:
5.710844 *100g = 571,084 g de arroz
1 unidade de ovo
2* 237ml = 474m l de leite
1.343374*260g = 349,277 g de feijo
E gastar com a dieta 136,4759 centavos.
Temos ento uma soluo tima aceitvel.
4 Consideraes Finais
Este estudo mostra como a matemtica abrangente que mesmo dentro de um
contedo especfico a pesquisa operacional ela pode englobar diversas variveis, de
acordo com o problema envolvido, e assim permitir que obtenha-se uma soluo tima.
A utilizao de artifcios na construo de modelos e nos processos interativos de
aplicao do mtodo simplex para a resoluo dos modelos, exige um grande raciocnio
lgico relacionados as conexes dos dados oferecidos pelos problemas. Algo que realmente
instiga o conhecimento matemtico e que procuramos demonstrar nesse trabalho.
No entanto constatou-se necessidade de procedimentos que explicitassem a maneira de
resolver, devido tal fato destinamos este projeto em esclarecer algumas dvidas na resoluo
de problemas que utilizam o mtodo simplex.
Por fim conclumos que o algoritmo solucionador de modelos de programao linear
mtodo simplex , muito eficaz e importante na atualidade, uma vez que muitos softwares
computacionais como o LINDO, utilizam dele para o clculo de solues para problemas e
tambm a necessidade cotidiana de chegar a uma soluo tima . inegvel a sua importncia
dentro de economia, administrao e contabilidade, tanto em cunho empresarial, como
tambm pessoal. Foi o que procuramos demonstrar com esse trabalho; esperamos que ele seja
til queles que por ventura despertar interesse em conhecer um pouco dos mtodos utilizados
em programao linear.
REFERNCIAS
SILVA, Ermes Medeiros da; SILVA, Elio Medeiros da; GONALVES, Valter; MUROLO,
Afrnio Carlos. Pesquisa Operacional. 3.ed. So Paulo: Atlas, 1998.
GOLDBARG, Marco Csar; LUNA, Henrique Pacca Loureiro. Otimizao Combinatria e
Programao Linear: Modelos e Algoritmos. 1.ed. Editora Campus, 2000.
PRADO, Darci Programao Linear. 4.ed. Rio de Janeiro: INDG, 2004.
SILVA, Alexandre Stamford da, Programao Linear ou Modelos de Otimizao Linear.
Disponvel em: <http://www.stamford.pro.br/ARQUIVOS/2000_2_PLe2.doc> Acesso em: 11
maio de 2008.
JR., Maurycio, Programao linear. Disponvel em: <http://www.oboulo.com/programacao-
linear-19506.html> Acesso em: 11 maio de 2008.