C A P T U L O 2

Introduo Programao Linear

1. Definio
Um problema de PL consiste em determinar valores no negativos para as variveis de deciso,
de forma que satisfaam as restries impostas e que optimizem (minimizem ou maximizem) uma
funo (real) linear dessas variveis.
2. Formalizao e modelao matemtica de problemas de PL
Existem 2 formas diferentes de apresentar o modelo, conforme se pretenda maximizar ou
minimizar, que so as seguintes :

n n 2 2 1 1
x c x c x c Z ) (Minimizar Maximizar + + + = L (1.1)
Sujeito a

{ }
{ }
{ }
m n mn 2 m2 1 m1
2 n 2n 2 22 1 21
1 n 1n 2 12 1 11
b , , x a x a x a
. . .
b , , x a x a x a
b , , x a x a x a
= + + +
= + + +
= + + +
L
L
L
(1.2)
(1.3) 0 x , , x , x
n 2 1
L
onde,
a
ij
(i = 1, ...,m; j = 1, ...,n) coeficientes tcnicos ou tecnolgicos,
b
1
, b
2
, ..., b
m
termos independentes (constantes de restrio ou segundos membros),
c
1
, c
2
, . . . , c
n
coeficientes da funo objectivo (coeficientes de custo),

14 Formalizao e modelao matemtica de problemas de PL
x
1
, x
2
, . . . , x
n
variveis de deciso (principais ou controlveis),
(1.1) funo objectivo (econmica ou critrio),
(1.2) restries (restries funcionais), em que apenas se verifica uma das relaes,
(1.3) condies de no negatividade.
No entanto, o modelo frequentemente apresentado nas seguintes formas tpicas :
Maximizar
n n 2 2 1 1
x c x c x c Z ) (Minimizar + + + = L (2.1)
Sujeito a

m n mn 2 m2 1 m1
2 n 2n 2 22 1 21
1 n 1n 2 12 1 11
b ) ( x a x a x a
. . .
b ) ( x a x a x a
b ) ( x a x a x a
+ + +
+ + +
+ + +
L
L
L
(2.2)
(2.3) 0 x , , x , x
n 2 1
L
Estas duas formas so to gerais quanto (1.1), (1.2) e (1.3), pois, mediante operaes
convenientes, sempre possvel dar a qualquer problema uma daquelas formas. Com efeito, qualquer
problema pode ser reduzido a uma destas formas, da seguinte maneira :
qualquer problema de minimizao pode converter-se num de maximizao, pois
Minimizar Z = Maximizar ( Z)
restries do tipo () pode ser convertida em restries do tipo (), mediante a multiplicao por (-
1) de ambos os membros,

i n in 2 i2 1 i1
b x a x a x a + + + L
i n in 2 i2 1 i1
b x a x a x a L
restries do tipo (=) pode ser convertida em 2 do tipo () equivalentes, em conjunto, quela,

i n in 2 i2 1 i1
b x a x a x a = + + + L

+ + +
+ + +
i n in 2 i2 1 i1
i n in 2 i2 1 i1
b x a x a x a
b x a x a x a
L
L

+ + +
i n in 2 i2 1 i1
i n in 2 i2 1 i1
b x a x a x a
b x a x a x a
L
L
varivel livre (sem restrio de sinal) pode ser substituda pela diferena de variveis no
negativas
1
( x ), formulando-se de novo o problema em termos
destas variveis.
0 x , x com x x
' '
j
'
j
' '
j
'
j j
=

1
Qualquer nmero pode ser obtido como a diferena de dois nmeros no negativos.
Introduo Programao Linear
Formalizao e modelao de alguns problemas de PL 15
3. Formalizao e modelao de alguns problemas de PL
Problema 1 :
Uma empresa de mobilirio de escritrio pretende lanar um modelo de secretrias e estantes.
Pensa-se que o mercado pode absorver toda a produo de estantes, mas aconselha-se que a
produo mensal de secretrias no ultrapasse as 160 unidades.
Ambos os produtos so processados nas unidades de estampagem (UE) e de montagem e
acabamento (UMA).
A disponibilidade mensal em cada uma destas unidades de 720 horasmquina (hm) na UE
e 880 horashomem (hh) na UMA.
Cada secretria necessita de 2hm na UE e de 4 hh na UMA.
Cada estante necessita de 4 hm na UE e de 4 hh na UMA.
As margens de lucro unitrias estimadas so de 6 contos para as secretrias e de 3 contos para
as estantes.
Qual o plano de produo mensal para as secretrias e estantes que maximiza a margem de
lucro.
Formalizao do problema :
Variveis de deciso :
quantidade de secretrias a produzir por ms (x
1
)





quantidade de estantes a produzir por ms (x
2
)
Funo objectivo :
maximizar a margem bruta total por ms (Z = 6 x
1
+ 3 x
2
)
Restries :
disponibilidade mensal na unidade de estampagem
disponibilidade mensal na unidade de montagem e acabamento
produo mensal de secretrias

Secretrias Estantes Capacidade disponvel
UE 2 4 720
UMA 4 4 880
Mercado 1 0 160
Lucro 6 3
Introduo Programao Linear
16 Formalizao e modelao de alguns problemas de PL
Modelao matemtica :
Relativamente ao Departamento de Estampagem, sabe-se que :
cada secretria necessita de 2 hm, pelo que o n total de hm necessrias produo de
x
1
secretrias de 2 x
1
;



cada estante necessita de 4 hm, pelo que o n total de hm necessrias produo de x
2

secretrias de 4 x
2
;
a disponibilidade mensal de 720 hm.
Logo, a restrio relativa a este Departamento :
Total de hm gasto nas
secretrias
+ Total de hm gasto nas
estantes
Disponibilidade
em hm
que se traduz algebricamente na desigualdade linear : 2 x
1
+ 4 x
2
720
Da mesma forma se determinam as restantes restries.
Resumindo, o problema consiste em determinar x
1
e x
2
por forma a
Maximizar Z = 6 x
1
+ 3 x
2
(lucro mensal em contos)
sujeito a 2 x
1
+ 4 x
2
720 (UE)
4 x
1
+ 4 x
2
880 (UMA)
x
1
160 (mercado)
x
1
, x
2
0 (no negatividade)
Problema 2 :
Um criador de porcos, pretende determinar a quantidade de cada tipo de rao a dar
diariamente a cada animal, para conseguir uma dada qualidade nutritiva a custo mnimo.
Os dados relativos ao custo de cada tipo de rao, s quantidades mnimas dirias de
ingredientes nutritivos bsicos a fornecer a cada animal, bem como s quantidades destes existentes
em cada tipo de rao (g/kg) constam do quadro em baixo.

Granulado
(gr/Kg)
Farinha
(gr/Kg)
Quantidade mnima
requerida
Hidratos de carbono 20 50 200
Vitaminas 50 10 150
Protenas 30 30 210
Custo (esc./Kg) 10 5
Introduo Programao Linear
Formalizao e modelao de alguns problemas de PL 17
Formalizao do problema :
Variveis de deciso :
quantidade (Kg) de granulado existente na rao diria (x
1
)





quantidade (Kg) de farinha existente na rao diria (x
2
)
Funo objectivo :
minimizar o custo da rao diria (Z = 10 x
1
+ 5 x
2
)
Restries :
quantidade mnima diria de hidratos de carbono
quantidade mnima diria de vitaminas
quantidade mnima diria de protenas
Modelao matemtica :
Pretende-se determinar x
1
e x
2
de modo a
minimizar Z = 10 x
1
+ 5 x
2
(custo dirio)
sujeito a 20 x
1
+ 50 x
2
200 (hidratos de carbono)
quantidade a fornecer
diariamente
quantidade mnima
necessria por dia

50 x
1
+ 10 x
2
150 (vitaminas)
30 x
1
+ 30 x
2
210 (protenas)
x
1
, x
2
0 (no negatividade)
Problema 3 :
As Caravanas Marco Polo L.da. usam dromedrios (1 bossa) e camelos (2 bossas) para
transportar figos secos de Bagdade para Meca. Um camelo pode levar no mximo 1000 lbs e um
dromedrio 500 lbs. Durante a viagem um camelo consome 3 fardos de feno e 100 gales de gua. Um
dromedrio consome 4 fardos de feno e 80 gales de gua. As estaes da Marco Polo, situadas em
vrios osis ao longo do caminho, apenas tm disponveis 1600 gales de gua e 60 fardos de feno.
Os camelos e os dromedrios so alugados a um pastor perto de Bagdade a 11 pazuzas por
camelo e 5 pazuzas por dromedrio. Se as Caravanas Marco Polo L.da. tiverem uma carga de 10000
lbs de figos para transportar, quantos camelos e dromedrios devem ser usados para minimizar a
renda a pagar ao pastor ?
Formalizao do problema :
Variveis de deciso :
quantidade de camelos a usar (x
1
)
quantidade de dromedrios a usar (x
2
)
Funo objectivo :
Introduo Programao Linear
18 Representao e resoluo grfica de problemas de PL
minimizar a renda a pagar ao pastor (Z = 11 x
1
+ 5 x
2
)



Restries :
capacidade da caravana
disponibilidade de feno
disponibilidade de gua

Camelos Dromedrios Capacidade disponvel
Capacidade 1 000 500 10 000
Feno 3 4 60
gua 100 80 1 600
Renda a pagar 11 5
Modelao matemtica :
Pretende-se determinar x
1
e x
2
de modo a
Minimizar Z = 11 x
1
+ 5 x
2
(renda)
sujeito a
1 000 x
1
+ 500 x
2
10 000 (capacidade)
3 x
1
+ 4 x
2
60 (feno)
100 x
1
+ 80 x
2
1 600 (gua)
x
1
, x
2
0 (no negatividade)
4. Representao e resoluo grfica de problemas de PL
A representao grfica de problemas de PL s possvel, quando os problemas tm 2 ou 3
variveis de deciso. No entanto, aqui, apenas sero analisados os problemas com 2 variveis, os
quais so representados atravs de um grfico a 2D.
Para representar graficamente um problema de PL, comea-se por construir um sistema de
eixos cartesianos x
1
e x
2
.
O passo seguinte consiste em identificar os valores de x
1
e x
2
que satisfaam todas as restries
construo do espao das solues.
Por ltimo, procuram-se os pontos situados nesta regio que maximizem (minimizem) o valor
de Z. Esta fase vai proceder-se por tentativas (mais adiante ser enunciada uma regra prtica que
permite resolver esta questo de uma forma quase automtica).
O processo baseia-se na representao grfica da recta Z = F (x
1
, x
2
) = constante para um
conjunto de valores. A ideia traar rectas Z = constante, at que contenha pelo menos um ponto da
Introduo Programao Linear
Representao e resoluo grfica de problemas de PL 19
regio admissvel e esteja o mais distante possvel da recta Z = 0 (maximizar) ou o mais perto possvel
(minimizar).
Resoluo grfica do Problema 1 :

Soluo ptima do problema : x
opt
= (160, 60) Z
opt
= 1140.
Introduo Programao Linear
20 Representao e resoluo grfica de problemas de PL
Resoluo grfica do Problema 2 :

Soluo ptima do problema : x
opt
= (2, 5) Z
opt
= 45
Introduo Programao Linear
Forma padro ou standard de um problema de PL 21
Resoluo grfica do Problema 3 :

Soluo ptima do problema : x
opt
= (4, 12) Z
opt
= 104.
5. Forma padro ou standard de um problema de PL
Um PL diz-se estar na forma padro, se todas as restries propriamente ditas (no incluindo as
de no negatividade) so equaes. Todo o PL pode escrever-se na sua forma padro, por introduo
de variveis folga (slack) nas restries que so inequaes, da seguinte forma :
f(x) b f(x) + x = b, x 0 (x varivel slack)
f(x) b f(x) x = b, x 0 (x varivel slack)
A forma padro apresenta a seguinte estrutura :
Maximizar Z
n n 2 2 1 1
x c x c x c + + + L = (3.1)

Sujeito a

m n mn 2 m2 1 m1
2 n 2n 2 22 1 21
1 n 1n 2 12 1 11
b x a x a x a
b x a x a x a
b x a x a x a
= + + +
= + + +
= + + +
L
L
L
. . .
(3.2)
(3.3) 0 x , , x , x
n 2 1
L
Introduo Programao Linear
22 Terminologia associada s solues do PL
A reduo forma padro do problema de PL
Maximizar Z
n n 2 2 1 1
x c x c x c + + + = L

Sujeito a

2 n 2n 2 22 1 21
1 n 1n 2 12 1 11
b x a x a x a
b x a x a x a
+ + +
+ + +
L
L

. . .

m n mn 2 m2 1 m1
b x a x a x a + + + L
0 x , , x , x
n 2 1
L
conduz ao seguinte problema equivalente :
Maximizar Z
m n 2 n 1 n n n 2 2 1 1
x 0 x 0 x 0 x c x c x c
+ + +
+ + + + + + + = L L

Sujeito a

2 2 n n 2n 2 22 1 21
1 1 n n 1n 2 12 1 11
b x x a x a x a
b x x a x a x a
= + + + +
= + + + +
+
+
L
L

. . .

m m n n mn 2 m2 1 m1
b x x a x a x a = + + + +
+
L
0 x , , x , x , x , , x , x
m n 2 n 1 n n 2 1

+ + +
L L
em que,
so as variveis de deciso (principais)
n 2 1
x , , x , x L
so as variveis folga (slack)
m n 2 n 1 n
x , , x , x
+ + +
L
Tambm frequente o modelo de PL ser apresentado em forma matricial :
Maximizar Z = C X
Sujeito a A X = b
X 0
em que,
C = [ c
1
c
2
. . . c
n
] a matriz dos custos
A = [ a
ij
]
(mn)
a matriz das restries
X = [ x
1
x
2
. . . x
n
]
T
a matriz das variveis
b = [ b
1
b
2
. . . b
m
]
T
a matriz dos termos independentes
0 = [ 0 0 . . . 0 ]
T

(1m)
a matriz nula
6. Terminologia associada s solues do PL
Soluo qualquer conjunto de valores assumidos pelas variveis de deciso satisfazendo as
restries funcionais (3.2).
Soluo admissvel soluo que satisfaz as condies de no negatividade (3.3).
Regio admissvel o conjunto de todas as solues admissveis.
Introduo Programao Linear
Tipos de solues 23
Soluo ptima a soluo admissvel que tem o melhor valor da funo objectivo.
Soluo no limitada no existe um valor mximo (mnimo) para a funo objectivo.
7. Tipos de solues
ptima nica : problema tem apenas uma soluo (Problemas 1, 2 e 3).
ptimas alternativas : o valor ptimo da funo objectivo pode ser obtido atravs de
infinitas combinaes de recursos.

no limitada : no existe um valor mximo finito para a funo objectivo (Z ).

Introduo Programao Linear
24 Tipos de solues
ptima (com regio admissvel no limitada) : facto do conjunto das solues admissveis ser no
limitado, no implica necessariamente que a soluo seja no limitada (Z ).

valor ptimo da FO finito (variveis podem assumir valores arbitrariamente grandes) : conjunto
das solues no limitado e o valor ptimo de Z finito, com as variveis de deciso a
poderem assumir valores arbitrariamente grandes na soluo ptima.

Introduo Programao Linear
Anlise convexa 25
inexistente (problema impossvel) : esta situao, normalmente deriva de erros de formalizao.
Isto pode acontece por no existirem valores das variveis a satisfazerem as restries do
problema ou as condies de no negatividade, ou ambas simultaneamente.

8. Anlise convexa
Chama-se combinao linear convexa de um n finito de pontos x
1
, ..., x
n
ao ponto

1
x
1
+
2
x
2
+ . . . +
n
x
n

com os escalares
i
0 e
1
+
2
+ . . . +
n
= 1.
O segmento de recta que une 2 pontos do espao, o conjunto de todas as combinaes
convexas desses pontos.
Conjunto convexo X, um conjunto tal que o segmento de recta que une dois quaisquer dos
seus pontos, est contido no conjunto. Por outras palavras, X um conjunto convexo, se quaisquer
que sejam x
1
e x
2
, X e 0 1, se tem
x
1
+ (1 - ) x
2
X
Um conjunto convexo fechado se compreende a sua fronteira.

Conjunto convexo Conjunto no convexo
Resultado : A interseco finita de conjuntos convexos um conjunto convexo.
Introduo Programao Linear
26 Propriedades fundamentais
Ponto extremo de um conjunto convexo X, um ponto que no pertence ao segmento de recta a
unir dois outros pontos quaisquer de X. Por outras palavras, um ponto extremo de X no pode ser
obtido por combinao linear convexa positiva de pontos de X.
Algebricamente : x = x
1
+ (1-) x
2
, com ]0, 1[ e x
1
, x
2
X x = x
1
= x
2

Um conjunto convexo da forma
X = { x : A x = b, x 0 } (X o conjunto de solues admissveis do PL)
chama-se um politopo convexo.
Um politopo convexo limitado, chama-se poliedro convexo. Em R
2
, um poliedro convexo
chama-se polgono convexo.
Chama-se vrtice (ou ponto extremo) dum politopo ou poliedro convexo X, a um qualquer
ponto x X que no possa ser expresso como combinao linear de outros pontos y X (y x).
9. Propriedades fundamentais
O conjunto convexo (politopo ou poliedro) X, tem um n finito de vrtices v(X) ( .
n
m
C )
Todo o ponto dum poliedro convexo X R
n
combinao convexa dos vrtices de X.
O conjunto das solues admissveis, X, de um problema de PL um conjunto convexo fechado
(compreende a sua fronteira).
Optimalidade num vrtice :
O ptimo duma funo linear num poliedro convexo X R
n
obtido em, pelo menos, um
vrtice de X;
Se ele for obtido em mais que um vrtice, ento ser obtido em todo o ponto que uma
combinao linear convexa desses vrtices.
Se X um politopo convexo, ento existe pelo menos um ponto extremo de X que
optimiza a funo objectivo.




Introduo Programao Linear