Você está na página 1de 47

Prof. Me.

Francisco Pessoa de Paiva Jnior

Introduo Pesquisa Operacional

SANTA INS
2015
1

Sumrio
1 Introduo Pesquisa Operacional

2 Introduo Programao Linear


2.1 Caractersticas de um modelo de Programao Linear . . . . . .
2.2 Diretrizes para a formulao de modelos de Programao Linear
2.3 Mtodo Grfico . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.1 Problema de Maximizao . . . . . . . . . . . . . . . . .
2.3.2 Problema de Minimizao . . . . . . . . . . . . . . . . .
2.3.3 Formulao Padro de Modelo de Programao Linear .
2.4 Casos Especiais . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.1 Restries incompatveis . . . . . . . . . . . . . . . . . .
2.4.2 Soluo sem fronteiras . . . . . . . . . . . . . . . . . . .
2.4.3 Redundncia . . . . . . . . . . . . . . . . . . . . . . . .
2.4.4 Solues alternativas . . . . . . . . . . . . . . . . . . . .
2.5 Anlise da sensibilidade . . . . . . . . . . . . . . . . . . . . . .
2.6 Terminologias . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.7 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

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

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

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

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

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

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

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

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

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

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

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

5
5
7
8
8
10
12
15
15
16
17
18
19
21
22

3 Mtodo Simplex
3.1 Variveis de folga e solues bsicas . .
3.2 Como opera o Simplex . . . . . . . . .
3.2.1 Rotina de clculos do Simplex .
3.3 Simplex: Maximizao . . . . . . . . .
3.3.1 Construindo o tableau inicial .
3.3.2 Construindo o segundo tableau
3.4 Restries com lado direito negativo . .
3.5 Simplex: Minimizao . . . . . . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

30
30
33
34
34
34
37
44
44

.
.
.
.
.
.
.
.

4 Title

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

45

5 Respostas dos Exerccios Propostos


46
5.1 Exerccios Propostos 2.7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

Captulo 1
Introduo Pesquisa Operacional
O estudo da Pesquisa Operacional iniciou-se ha cerca de 70 anos, seu inicio atribudo a algumas
iniciativas militares da Segunda Guerra Mundial, j que neste perodo havia uma necessidade
urgente de alocar recursos escassos varias operaes militares e s atividades dentro de cada
operao de uma maneira efetiva. Vrias sees de Pesquisa Operacional foram estabelecidas nas
foras armadas britnicas. Logo aps, esforos similares foram empreendidos nos Estados Unidos.
Nesse perodo, um grande nmero de cientistas foi reunido para aplicar uma abordagem cientfica
a problemas estratgicos e tticos. Aps o trmino do conflito, foi natural estender o sucesso da
Pesquisa Operacional no esforo da guerra para as organizaes civis, sobretudo s indstrias ps
guerra. A partir de ento, e com a crescente popularizao do computador a Pesquisa Operacional
vem crescendo cada vez mais.
A Pesquisa Operacional lida com problemas de como conduzir e coordenar operaes em uma
organizao, e tem sido aplicada a diversas reas, tais como indstria, transportes, telecomunicaes, finanas, sade, servios pblicos, operaes militares, etc.
A Pesquisa Operacional baseia-se, principalmente, no mtodo cientfico para tratar de seus
problemas. A observao inicial e a formulao do problema esto entre os mais importantes
passos da soluo de um problema da Pesquisa Operacional.
Por tudo isso, a Pesquisa Operacional hoje se tornou uma ferramenta de gerncia e tomada de
decises, com ela o administrador melhora o seu pensamento lgico, a capacidade de coordenao
e estruturao de problemas, alm de ter um embasamento cientfico para as suas decises.
Para entendermos melhor o que Pesquisa Operacional tomemos o seguinte exemplo:
Imagine que voc tenha um compromisso de trabalho em outra cidade, que chamaremos de B,
por um perodo de 5 dias. Voc pega um avio em sua cidade natal, chamaremos de A, na segundafeira e volta na quarta-feira. Uma passagem area normal de ida e volta custa R$ 400,00, mas h
um desconto de 20% se as datas do bilhete abrangerem um final de semana. Uma passagem s de
ida em qualquer direo custa 75% do preo normal. Como seria mais conveniente voc comprar
as passagens para o perodo de cinco semanas?
Podemos considerar essa situao como um problema de tomada de deciso, cuja soluo requer
a resposta a trs perguntas:
1. Quais so as alternativas para a deciso?
2. Sob quais restries a deciso tomada?
3

CAPTULO 1. INTRODUO PESQUISA OPERACIONAL

3. Qual seria um critrio objetivo para avaliar as alternativas?


Vamos considerar ento trs alternativas
1. Comprar 5 passagens normais A-B-A partindo s segundas-feiras e retornando s quartasfeiras da mesma semana
2. Comprar uma passagem A-B e quatro B-A-B que abranjam finais de semana e uma B-A
3. Comprar uma passagem A-B-A para cobrir a segunda-feira da primeira semana e a quartafeira da ultima semana e quatro B-A-B para cobrir as viagens restantes. Todos esses bilhetes nessa
alternativa abrangem pelo menos um final de semana
A restrio a essas opes que voc possa sair na segunda-feira de A e voltar na quarta-feira
O critrio objetivo bvio para avaliar as alternativas o preo dos bilhetes. A alternativa de
menor custo a melhor
Soluo:
Custo da alternativa 1: 5 x 400 = R$ 2 000,00
Custo da alternativa 2: 0,75 x 400 + 4 x 0,8 x 400 = R$ 1 880,00
Custo da alternativa 3: 5 x 0,8 x 400 = R$ 1 600,00
Portanto a alternativa 3 a melhor opo.
Em um mundo de negcios cada vez mais dinmico e competitivo, um administrador no se
pode dar chance de errar, por isso a Pesquisa Operacional uma tima ferramenta para qualquer
administrador que est sempre a tomar decises.

Captulo 2
Introduo Programao Linear
2.1

Caractersticas de um modelo de Programao Linear

Dentre os diversos modelos matemticos existentes, concentraremos nossa ateno inicialmente


no modelo de Programao Linear (PL). Esse modelo bsico para a compreenso de todos
os outros modelos da Pesquisa Operacional. Os conceitos nele firmados sero estendidos aos
demais, concedendo suporte a estudos mais avanados. Outra vantagem da Programao Linear
est na extraordinria eficincia dos algortimos de soluo hoje existentes, disponibilizando alta
capacidade de clculo e podendo ser facilmente implementado at mesmo atravs de planilhas e
com o auxlio de microcomputadores pessoais.
Os modelos de Programao Linear so um tipo especial de modelos de otimizao. Para que
um determinado sistema possa ser representado por meio de um modelo de PL, ele deve possuir
as seguintes caractersticas fundamentais:
1. Proporcionalidade: a quantidade de recurso consumido por uma dada atividade deve ser
proporcional ao nvel dessa atividade na soluo final do problema. Alm disso, o custo de
cada atividade proporcional ao nvel de operao da atividade
2. No Negatividade: deve ser sempre possvel desenvolver dada atividade em qualquer nvel
no negativo e qualquer proporo de um dado recurso deve sempre poder ser utilizado.
3. Aditividade: o custo total a soma das parcelas associadas a cada atividade
4. Separabilidade: pode-se identificar de forma separada o custo (ou consumo de recursos)
especfico das operaes de cada atividade
Podemos ainda resumir essas caractersticas de uma maneira mais perceptvel ao leitor
1. Existe uma combinao de variveis que deve ser maximizada ou minimizada. Essa combinao pode ser a expresso do custo de algumas operaes industriais ou comerciais, do
tempo gasto em certas atividades, do lucro atingido com a venda de alguns produtos, da
rentabilidade mdia de uma composio de aes e ttulos, e assim por diante. Durante a
5

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

formulao do problema, a combinao de variveis a que se chega colocada na forma de


uma expresso matemtica, que recebe o nome de funo objetivo. Eis um exemplo simples:
4 + 3 , onde x e y so as duas variveis de interesse, combinadas sempre na produo de
4 unidades de x para 3 unidades de y. O modelo de programao linear pode ser estruturado para maximizar ou minimizar o resultado dessa expresso, o que no fundo significa que
estamos procurando valores de x e de y. claro que o problema vai impor limites sobre as
quantidades x e y
2. A estrutura do problema tal que existe, em geral, uma certa restrio de recursos, ou
impossibilidade de economias, de forma que nunca possvel obter um lucro, por exemplo,
to grande quanto se queira, ou um custo, por seu turno, to pequeno quanto se deseje. s
vezes, seria timo se pudssemos fabricar o mximo possvel de dois produtos, desde que
existisse demanda ilimitada para ambos. No entanto, no temos matria-prima suficiente
para isso, nem horas disponveis de mquina, nem operrios, e assim por diante. H de se
buscar uma combinao tima para se chegar ao melhor lucro possvel, dadas as restries
prticas impostas pelo problema.
Visto tudo isso, possvel perceber que um problema tpico de programao linear possui
apresenta duas importantes partes:
Uma expresso que se quer maximizar ou minimizar, chamada funo objetivo. Nessa expresso surgem as variveis fundamentais cuja quantidade ser a soluo do problema. Essas
variveis so chamadas de variveis de deciso.
Um certo nmero de restries, expressas na forma de equaes ou inequaes matemticas,
que aparecem e so assim formuladas devido configurao dos prprios dados do problema.
Essas restries representam, dependendo do cao, limitaes da situao real, como escassez
de recursos, limitaes legais, etc.
Podemos enfim dizer que a idia principal de um modelo de programao linear maximizar
ou minimizar a funo objetivo, ao mesmo tempo obedecendo a todas as restries. Devemos nos
atentar que o nome linear que refere-se a caracterstica da proporcionalidade, ou seja, tanto a
expresso que forma a funo objetivo, quanto as restries, devem ser expressas linearmente, ou
seja, todas as variveis aparecem com expoente igual a unidade.

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

2.2

Diretrizes para a formulao de modelos de Programao Linear

Quando estivermos diante de um problema, que dever ser formulado como um modelo de
programao linear, devemos ficar atentos aos parmetros e s variveis de deciso.
Parmetros so os valores j fixados, fora do controle da pessoa que monta o modelo. So
valores que devemos aceitar como so. Fazem parte do problema, mas no esto em discusso.
Variveis de deciso so grandezas que podero assumir diversos valores, sendo que h uma
certa combinao de valores que ir maximizar ou minimizar a funo objetivo, conforme seja o
caso. essa combinao de valores que ser a soluo do problema de programao linear. Em
outras palavras, as variveis de deciso aparecem tanto na funo objetivo como nas restries.
Os parmetros, por sua vez, aparecem como coeficientes das variveis de deciso ou como valores
mximos ou mnimos de grandezas que comporo o modelo. Essas variveis de deciso sero
indicadas por letras como x,y,z,... ou X,Y,Z ou ainda por letras indexadas, como 1 , 2 , 3 ,etc.
A programao linear pode dividir-se ainda em programao linear inteira e programao linear
simples, a diferena entre elas se d quando por algum motivo se exige que pelo menos uma das
variveis de deciso deva assumir apenas valores inteiros a teremos uma programao linear inteira,
quando no houver tal exigncia, ou seja, todas as variveis de deciso forem livres para assumir
qualquer valor, inteiros ou no, teremos uma programao linear simples. Dever o leitor atentarse ao fato de que a grande maioria dos exemplos deste curso so de programao linear simples
no sendo necessrio portanto enfatizar tal caracterstica, assim o leitor s dever considerar como
programao linear inteira aqueles que forem assim caracterizados expressamente no texto.
importantssimo ressaltar que no basta resolver um problema de Programao Linear Simples,
arredondando depois o valor de alguma varivel que deveria ser inteira, pois na verdade, as solues
em um e em outro caso so diferentes, obtidas por caminhos diferentes, e no necessariamente
levando a valores prximos.
Um problema de programao linear pode ter duas ou mais variveis de deciso. Quando da
formulao de um problema, isto , sua colocao na forma padronizada do modelo de programao
linear, muitas vezes o fato de o problema se mais complexo, com diversas variveis de deciso, tornaos mais interessante e mais desafiador. O problema maior acontece com a soluo: um problema
com muitas variveis de deciso obrigatoriamente deve ser solucionado por meio de computador.
Hoje em dia, isto no acarreta grandes dificuldades, j que existem programas de computador
capazes de solucionar o problema, o grande problema que estes programas s resolvem problemas
j modelados, ou seja, com todos os dados j organizados, e isso talvez seja o maior desafio de
um estudante de PO, modelar casos de programao linear. Iniciaremos o estudo de Programao
Linear com casos que envolvem apenas duas ou trs variveis de deciso e por hora o mtodo
de solucion-los ser o mtodo grfico, posteriormente veremos o mtodo simplex que a base da
Programao Linear.

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

2.3

Mtodo Grfico

2.3.1

Problema de Maximizao

Exemplo 1
Uma fbrica produz dois produtos, A e B. Cada um deles deve ser processado por duas maquinas, 1 e 2 . Devido programao de outros produtos, que tambm utilizam essas maquinas,
a mquina 1 tem 24 hores de tempo disponvel para os produtos A e B, enquanto a mquina
2 tem 16 horas de tempo disponvel. Para produzir uma unidade do produto A, gastam-se 4
horas em cada uma das mquinas 1 e 2 . Pra produzir uma unidade do produto B, gastam-se
6 horas na mquina 1 2 2 horas na mquina 2 . Cada unidade vendida do produto A gera um
lucro de R$ 80 e cada unidade do produto B, um lucro de R$ 60. Existe uma previso mxima de
demanda para o produto B de 3 unidades, no havendo restries quanto demanda do produto
A. Deseja-se saber quantas unidades de A e de B devem ser produzidas, de forma a maximizar o
lucro e, ao mesmo tempo, obedecer a todas as restries desse enunciado.
Soluo
Em toda formulao de problemas de programao linear, conveniente sintetizar os dados
por meio de uma tabela, que facilita a consulta e evita que fiquemos, a todo momento, lendo o
enunciado original.

Agora devemos determinar os elementos que comporo o modelo


Funo objetivo:

Restries:

Formulao Completa:

CAPTULO 2. INTRODUO PROGRAMAO LINEAR


Resoluo Grfica

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

2.3.2

10

Problema de Minimizao

Exemplo 2
A granja Cocor quer misturar dois tipos de alimentos para criar um tipo especial de rao
para suas galinhas poedeiras. A primeira caracterstica a ser atingida com a nova rao o menor
preo possvel por unidade de peso. Cada um dos alimentos contm os nutrientes necessrios
rao final (aqui chamados de nutrientes X,Y e Z), porm em propores variveis. Cada 100 g do
alimento 1, por exemplo, possuem 10 g do nutriente X, 50 g do nutriente Y e 40 g do nutriente Z.
O alimento 2, por sua vez, para cada 100 g, possui 20 g do nutriente X, 60 g do nutriente Y e 20
g do nutriente Z. Cada 100 g do Alimento 1 custam, para a Granja Cocor, R$ 0,60 e cada 100 g
do Alimento 2 custam R$ 0,60. Sabe-se que a rao final deve conter, no mnimo, 2 g do nutriente
X, 64 g do nutriente Y e 34 g do nutriente Z. preciso obedecer a essa composio, minimizando
ao mesmo tempo o custo por peso da nova rao.
Soluo

Funo objetivo:

Restries:

Formulao Completa:

CAPTULO 2. INTRODUO PROGRAMAO LINEAR


Resoluo Grfica

11

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

2.3.3

12

Formulao Padro de Modelo de Programao Linear

De forma geral os modelos de programao linear aqui apresentados sero representados na


forma:
Problemas de Maximizao
Maximizar = 1 1 + 2 2 + ... + 2
sujeito s restries
11 1 + 12 2 + ... + 1 1
21 1 + 22 2 + ... + 2 2
.
.
.
1 1 + 2 2 + ... +
e
1 , 2 , ..., 0
Problemas de Minimizao
Minimizar = 1 1 + 2 2 + ... + 2
sujeito s restries
11 1 + 12 2 + ... + 1 1
21 1 + 22 2 + ... + 2 2
.
.
.
1 1 + 2 2 + ... +
e
1 , 2 , ..., 0

CAPTULO 2. INTRODUO PROGRAMAO LINEAR


Exemplo 3
Resolva graficamente:
Maximizar = 4 + 6
Sujeito a
8 + 7 56
5
4
, 0
Soluo

13

CAPTULO 2. INTRODUO PROGRAMAO LINEAR


Exemplo 4
Resolva graficamente:
Minimizar = 2 + 4
Sujeito a
5 + 5 25
2 + 6 18
2
, 0
Soluo

14

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

2.4

15

Casos Especiais

Vejamos alguns casos especiais de programao linear

2.4.1

Restries incompatveis

A impossibilidade de soluo, como tambm chamado este caso especial, ocorre quando no h
soluo que satisfaa ao mesmo tempo todas as restries colocadas no modelo. Isso vale tambm
para as condies de no negatividade. Do ponto de vista grfico, no ser possvel determinar
uma s regio possvel.
Como exemplo, vamos supor o seguinte problema:
Maximizar = +
Sujeito a
4 + 3 12
5
4
, 0
Resoluo Grfica

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

2.4.2

16

Soluo sem fronteiras

Um problema de programao linear apresentar uma soluo sem fronteiras se o valor da soluo puder ser ser feito infinitamente grande, sem violar qualquer uma das restries. Geralmente,
se isso acontecer, muito provvel que o problema tenha sido mal formulado. Afinal, no existem
lucros infinitos ou despesas que possam ser infinitamente pequenas.
Cumpre notar que o fato de a soluo no ter fronteiras no impede que se determine graficamente uma regio possvel. O que acontecer que a regio possvel ir se estender infinitamente
em uma dada direo. Como exemplo, consideremos o problema a seguir:
Maximizar = 4 +
Sujeito a
2
3
, 0
Resoluo Grfica

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

2.4.3

17

Redundncia

Uma restrio ser redundante se sua presena em nada afetar a regio permissvel delimitada
pelas outras restries. Uma restrio redundante, portanto, pode ser eliminada sem alterar o
problema original ou sua soluo.
Consideremos como um exemplo de redundncia o problema:
Maximizar = 3 + 2
Sujeito a
10 + 5 50
+ 7
15
, 0
Resoluo Grfica

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

2.4.4

18

Solues alternativas

Pode ser que um problema apresente duas ou mais solues. Graficamente, isso ocorre quando
a famlia de retas da funo objetivo paralela a uma das restries. Nesse caso, no haver apenas
um ponto extremo objetivo.
Como exemplo deste caso, vejamos o seguinte problema
Maximizar = 4 + 12
Sujeito a
+ 3 6
5 + 3 15
, 0
Resoluo Grfica

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

2.5

19

Anlise da sensibilidade

At este ponto, consideramos que eram fixos todos os coeficientes que apareciam em um problema de programao linear. Assim eram constantes todos os coeficientes da funo objetivo,
ou seja, todos os nmeros que apareciam multiplicando pelas variveis na funo objetivo. Em
diversos problemas de maximizao, esses coeficientes indicam lucros unitrios ou algum tipo de
contribuio. A hiptese, portanto, a de que esses lucros unitrios so constantes.
Por sua vez, tambm estamos considerando constantes todos os coeficientes das restries, o
que em um problema de maximizao pode indicar quanto de cada recurso ser despendido para
se elaborar uma simples unidade de um dado produto. Esses coeficientes so, por vezes, chamados
de coeficientes tecnolgicos, j que, de certa forma, dependem do grau de tecnologia de que se
dispe. Supor constantes os coeficientes tecnolgicos implica que estamos considerando como fixo
um dado estado da tecnologia.
Finalmente, podemos tambm considerar fixos os lados direitos das restries, ou LDRs. Nesse
caso, em problemas usuais de programao linear, estaremos considerando a quantidade total de
recursos disponveis.
Ocorre que todos esses coeficientes, em um ambiente real, podem sofrer variaes. Denominamos anlise de sensibilidade o estudo de como a soluo tima ir mudar, caso variem esses
coeficientes. Em um nvel elementar da anlise de sensibilidade, iremos considerar sempre o efeito
da variao isolada de um certo coeficiente, ou seja, no analisaremos o que acontece com a soluo
tima quando dois ou mais coeficientes varam em conjunto. A anlise de sensibilidade neste estudo
ser mostrada por meio de grficos.
Anlise dos coeficientes da funo objetivo
Consideremos o exemplo 1, que relatava o problema de produo dos produtos A e B, nas
mquinas 1 e 2 e cuja formulao era
Maximizar = 80 + 60
Sujeito a
4 + 6 24
4 + 2 16
3
, 0
a) At que ponto podem variar os coeficientes da funo objetivo sem que varie a soluo tima?

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

20

Resumindo, se a reta da funo objetivo girar apenas dentro da rea hachurada, o ponto
ser conservado como soluo, embora no nica. Em outros termos, girar dentro da rea hachurada significa que h um coeficiente mnimo e outro mximo, tanto para a varivel x como para a
varivel y, entre os quais podem variar os coeficientes da funo objetivo.
b) O que ocorre caso a restrio relativa s horas disponveis na mquina 1 aumentem de 24
para 27?

Neste caso, pudemos observar que aumentando o nmero de horas disponveis na maquina 1
de 24 para 27 horas, tambm aumenta a regio permissvel, exatamente da rea do quadriltero
, sendo o ponto
a nova soluo, com = 2, 63 e = 2, 75.
De modo similar, voc leitor pode tentar outras variaes no lado direito da restrio 4 + 6
24 ou das outras duas restries.

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

2.6

21

Terminologias

Definio 2.6.1. Anlise de sensibilidade o estudo da sensibilidade da soluo tima aos dados
do modelo de programao linear montado pelo analista.
Definio 2.6.2. Coeficientes tecnolgicos so os coeficientes das variveis nas equaes ou inequaes das restries. Os coeficientes tecnolgicos representam a quantidade de recursos necessria
para produzir uma unidade da varivel.
Definio 2.6.3. Condies de no negatividade: um conjunto de restries que requer que cada
varivel em um problema de programao linear seja no negativa, isto , maior ou igual a zero.
Definio 2.6.4. Funo objetivo uma expresso matemtica em que aparecem as variveis de
deciso, a qual dever ser maximizada ou minimizada.
Definio 2.6.5. Ponto extremo da regio permissvel: na soluo grfica, so os vrtices da regio
permissvel delimitada por todas as restries.
Definio 2.6.6. Programao linear uma tecnica matemtica usada para ajudar na alocao
mais efetiva de recursos
Definio 2.6.7. Regio permissvel o conjunto de todas as solues possveis.
Definio 2.6.8. Restrio a expresso matemtica de um limite aplicvel a uma dada varivel
ou combinao de variveis, expressa na forma de uma equao ou inequao.
Definio 2.6.9. Restrio redundante qualquer restrio que no afete a regio permissvel,
isto , uma restrio que pode ser removida sem afetar a regio possvel.
Definio 2.6.10. Soluo sem fronteiras a situao na qual o valor da soluo pode aumentar
sempre, sem violar qualquer uma das restries.
Definio 2.6.11. Soluo tima de um problema de programao linear qualquer conjunto de
valores que, ao mesmo tempo, satisfaa todas as restries e maximize (ou minimize) a funo
objetivo, conforme for o caso.
Definio 2.6.12. Soluo permissvel uma soluo que obedea ao mesmo tempo todas as
restries
Definio 2.6.13. Solues alternativas so quaisquer solues que satisfaam todas as restries
e maximizem (ou minimizem) a funo objetivo, conforme for o caso.

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

2.7

22

Exerccios

1. Na fabricao de dois de seus produtos, uma empresa utiliza dois equipamentos que limitam
a produo. Em um dado perodo de tempo, esto disponveis 30 horas do equipamento 1
e 80 horas do equipamento 2. Para a fabricao de uma unidade do produto A, usa-se 1
hora do equipamento 1 e 2 horas do equipamento 2. J para uma unidade do produto B, so
gastas 2 horas do equipamento 2. O equipamento 1 no toma parte na produo do produto
B. Por outro lado, uma unidade do produto A leva um lucro de R$ 150,00 enquanto cada
unidade do produto B gera um lucro de R$ 50,00. Pede-se: a) Formular o problema como
um modelo de programao linear, visando maximizar o lucro
b) Resolv-lo graficamente
2. Uma empresa do ramo de confeces est considerando quanto deve produzir de seus dois
modelos de terno, denominados Executivo Master e Caibem, de forma a maximizar o lucro.
Ser impossvel fabricar quanto se queira de cada um dos modelos, porque existem limitaes
nas horas disponveis para a costura e o acabamento, as duas operaes bsicas na fabricao. No caso da costura, existem apenas 180 horas-mquina disponveis, enquanto para o
acabamento, que feito manualmente, haver, no mximo, 240 homens-hora. Em termos de
lucro unitrio e produo, os dois modelos apresentam as seguintes caractersticas:
Executivo Master
Lucro unitrio: R$ 120,00
Horas-mquina de costura por unidade: 2
Homens-hora de acabamento por unidade: 2
Caibem
Lucro unitrio: R$ 70,00
Horas-mquina de costura por unidade: 1
Homens-hora de acabamento por unidade: 4
Pede-se:
a) Formular o problema como um modelo de programao linear
b) Resolver graficamente o problema
3. Na fabricao de dois produtos, X e Y, as seguintes restries so vlidas quanto aos dois
recursos escassos que so utilizados:
+ 2 80
2 + 2 120, onde
x = nmero de unidades produzidas do produto X

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

23

y = nmero de unidades produzidas do produto Y


Sabe-se tambm que cada unidade do produto X fornece um lucro de R$ 20 e cada unidade
do produto Y leva a um lucro de R$ 30. Pede-se:
a) Formular o modelo de programao linear apropriado, visando maximizar o lucro
b) Resolver o problema graficamente
4. A WYNDOR GLASS CO. fabrica produtos de vidro de alta qualidade, entre os quais janelas
e portas de vidro. A empresa possui trs fbricas industriais. As esquadrias de alumnio e
ferragens so feitas na Fbrica 1, as esquadrias de madeira so produzidas na Fbrica 2 e,
finalmente, a fbrica 3 produz o vidro e monta os produtos. Em consequncia da queda nos
lucros, a direo decidiu modernizar a linha de produtos da empresa. Produtos no rentveis
esto sendo descontinuados, liberando a capacidade produtiva para o lanamento de dois
novos produtos com grande potencial de venda.
Produto 1: uma porta de vidro de 2,5 m com esquadria de alumnio
Produto 2: uma janela duplamente adornada com esquadrias de madeira de 1,20 m x 1,80 m
O produto 1 requer 1 h da capacidade produtiva da Fbrica 1, 3 h da Fbrica 3 e nenhuma
da Fbrica 2. O produto 2 precisa das 2 h da capacidade produtiva da Fbricas 2, 2 h da
Fbrica 3 e nenhuma da Fbrica 1. A diviso de marketing concluiu que a empresa poderia
vender tanto quanto fosse possvel produzir nessas fbricas. Entretanto, pelo fato de ambos
os produtos competirem pela mesma capacidade produtiva da Fbrica 3, no est claro qual
mix dos dois produtos ser o mais lucrativo. A equipe de PO tambm concluiu que o tempo
de produo por lote , em horas, disponvel por semana em horas em cada Fbrica para a
produo destes produtos , 4 h na Fbrica 1, 12 h na Fbrica 2 e 18 h na Fbrica 3. A equipe
identificou o lucro por lote produzido de cada produto, sendo R$ 3.000,00 o lucro do produto
1 e R$ 5.000,00 o lucro do produto 2. De posse destes dados, se pede, determinar quais
devem ser as taxas de produo para ambos os produtos de modo a maximizar o lucro total,
sujeito as restries impostas pela capacidade produtiva limitada disponvel nas trs fbricas.
(Cada produto ser fabricado em lotes de 20, de modo que a taxa de produo definida
como o nmero de lotes produzidos por semana.) permitida qualquer combinao de taxas
de produo que satisfaa essas restries, inclusive no produzir nada de um produto e o
mximo possvel de outro.
5. Resolva graficamente:
Maximizar = 3 +
Sujeito a
2 + 30
+ 4 40
, 0

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

24

6. Resolva graficamente:
Maximizar = + 2
Sujeito a
3
5
2 + 2 12
, 0
7. Resolva graficamente:
Minimizar = 2 +
Sujeito a
+ 10
2 + 3 14
, 0
8. Resolva graficamente:
Minimizar = 4 +
sujeito a
2 + 2 10
+ 6 20
, 0
9. Em uma fbrica, existem trs recursos em quantidades limitadas, os quais impem limites s
quantidades que o podem ser produzidas de dois produtos, A e B. Existem 1.200 unidades
disponveis do recurso 1, 400 unidades disponveis do recurso 2 e 80 unidades disponveis do
recurso 3. Por outro lado, o produto A proporciona um lucro unitrio de R$ 100, contra R$
300 do produto B. Sabe-se tambm que:
1 unidade do produto A requer:
20 unidades do recurso 1
4 unidades do recurso 2
nenhuma unidade do recurso 3
1 unidade do produto B requer:
20 unidades do recurso 1
20 unidades do recurso 2

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

25

4 unidades do recurso 3
Pede-se:
a) Colocar o problema como um modelo de programao linear
b) Resolver graficamente o problema
10. Considere novamente o exerccio 1. Suponha que o equipamento 1 tenha agora 31 horas
disponveis, em vez de 30, permanecendo inalterada a quantidade de horas disponveis do
equipamento 2. Conserve tambm todos os demais dados. Pede-se:
a) Resolver graficamente o novo problema
b) Determinar o novo lucro total
c) Determinar quanto foi adicionado ao lucro pela 31 hora disponvel do equipamento 1
11. Novamente retornando ao exerccio 1, suponha agora que a quantidade de horas disponveis do equipamento 2 possa ser de 81 horas, permanecendo inalteradas todas as demais
quantidades do exerccio. Pede-se
a) Resolver graficamente o novo problema
b) Determinar o novo lucro total
c) Determinar quanto foi adicionado ao lucro pela 81 hora disponvel do equipamento 2
12. Dada a tabela abaixo, Pede-se:

a) Formule o problema como um modelo de programao linear


b) Resolva graficamente o modelo
13. Dada a tabela abaixo, Pede-se:

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

26

a) Formule o problema como um modelo de programao linear para minimizar o custo dirio
por comissionrio
14. Resolva utilizando o mtodo grfico
Maximizar = 2 +
Sujeitos a
10
2 + 5 60
+ 18
3 + 44
, 0
15. Resolva utilizando o mtodo grfico
Maximizar = 10 + 20
Sujeitos a
+ 2 15
+ 12
5 + 3 45
, 0

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

27

16. A WorldLight Company produz dois tipos de luminrias (produtos 1 e 2) que requerem
tanto estruturas metlicas quanto componentes eltricos. A direo quer determinar quantas unidades de cada produto devem ser produzidas de modo a maximizar o lucro. Para
cada unidade do produto 1, so necessrias uma unidade de estrutura metlica e duas de
componentes eltricos. Para cada unidade do produto 2 so necessrias trs unidades de estrutura metlica e duas unidades de componentes eltricos. A empresa possui 200 unidades
de estruturas metlicas e 300 unidades de componentes eltricos. Cada unidade do produto
1 fornece lucro de US$ 1 e cada unidade do produto 2 fornece lucros na seguinte base: at
60 unidades, US$ 2 de lucro e acima de 60 unidades no d lucro nenhum.
a) Formule um modelo de programao linear para esse problema
b) Resolva-o pelo mtodo grfico
17. A Cia. de Seguros Primo est introduzindo duas novas linhas de produtos: seguro de risco
especial e hipotecas. O lucro esperado de US$ 5 por unidade em um seguro de risco especial
e de US$ 2 por unidade nas hipotecas. A direo quer estabelecer cotas de vendas para as
novas linhas de modo a maximizar o lucro total esperado. As exigncias, em termos de
trabalho, so as seguintes:

a) Formule um modelo de programao linear para esse problema


b) Use o mtodo grfico para solucionar esse problema
18. A empresa de manufatura mega descontinuou a produo de determinada linha de produtos
no lucrativa. Esse fato acabou criando considervel excesso de capacidade produtiva. A
direo est levando em conta a possibilidade de dedicar esse excesso de capacidade produtiva
para um ou mais produtos. Vamos cham-los produtos 1 , 2 e 3. A capacidade disponvel
nas mquinas que poderiam limitar a produo encontra-se resumida na tabela a seguir:

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

28

O nmero de horas/maquina exigidas para cada unidade do respectivo produto

O departamento de vendas sinaliza que o potencial de vendas para os produtos 1 e 2 excede


a taxa de produo mxima e que o potencial de vendas do produto 3 de 20 unidades por
semana. O lucro unitrio seria, respectivamente US$ 50, US$ 20 e US$ 25 para os produtos
1, 2 e 3. O objetivo determinar quanto de cada produto a mega deveria produzir para
maximizar os lucros.
a) Formule um modelo de programao linear para este problema
19. Use o mtodo grfico para demonstrar que o modelo, a seguir, no tem nenhuma soluo
vivel.
Maximizar = 5 + 7
Sujeitos a
2 1
+ 2 1
, 0
20. Use o mtodo grfico para solucionar os problemas seguintes:
a) Minimizar = 15 + 20
Sujeitos a
+ 2 10
2 3 6
+ 6
, 0
b) Minimizar = 3 + 2
Sujeitos a
4 + 12
2
, 0

CAPTULO 2. INTRODUO PROGRAMAO LINEAR

29

21. Considere o medelo


Minimizar = 40 + 50
2 + 3 30
+ 12
2 + 20
, 0
a) Use o mtodo grfico para solucionar esse modelo
b) Como a soluo tima muda se a funo objetivo for alterada para = 40+70? (Utilize
o mtodo grfico)
c) Como muda a soluo caso a terceira restrio seja alterada para 2 + 15? (Utilize o
mtodo grfico)
22. Edmundo adora bifes e batatas. Assim, decidiu entrar em uma dieta rgida usando somente
esses alimentos (alm de alguns lquidos e suplementos vitamnicos) em todas as suas refeies. Ele percebe que essa no a dieta mais saudvel e, portanto, quer certificar-se de
que se alimenta das quantidades corretas desses dois tipos de alimentos, a fim de atender
a determinados requisitos nutricionais. Ele obteve as informaes nutricionais e de custo
mostradas no alto da tabela a seguir

Edmundo quer determinar o nmero de refeies dirias (pode ser fracionrio) com bifes e
batatas que atender a essas exigncias a um custo mnimo.
a) Formule um modelo de programao linear para este problema
b) Utilize o mtodo grfico para solucionar esse modelo

Captulo 3
Mtodo Simplex
O simplex uma metodologia que envolve uma sequncia de clculos repetitivos por meio
dos quais possvel chegar soluo de um problema de programao linear. Essa sequncia de
clculos recebe o nome de algoritmo. Embora simples, os clculos so tediosos, e para problemas
com trs ou mais variveis de deciso, pode-se facilmente errar em alguma das etapas, invalidando
assim todos os esforos. Rapidamente foram elaborados programas de computador para trabalhar
com o algortimo. Os alunos devem, no entanto, entender qual a lgica por trs do clculo, para
que no tenham a impresso de que o Simplex apenas uma sequncia sem sentido (e difcil
de reter na memria) de operaes numricas simples. O desejvel seria que todos os estudiosos
de programao tivessem acesso a um microcomputador, para que pudessem concentrar-se na
estruturao (formulao) dos problemas, atividade que exige intelectualmente muito mais do
aluno, sendo bem mais estimulante. Por esse motivo, vamos nos restringir a exemplos abordando
problemas simples, com duas ou, no mximo, trs variveis de deciso.
Antes de passar ao Simplex, ou sequncia de clculos que o constitui, vejamos como, na
verdade ele funciona. Comecemos com os conceitos de varivel de folga e de soluo bsica de um
problema de programao linear

3.1

Variveis de folga e solues bsicas

Para o que se segue, vamos nos apoiar no exemplo de maximizao do captulo anterior (pg.
8). Queramos maximizar o lucro devido a venda de dois produtos, A e B, sob trs restries,
sendo duas delas representadas por horas disponveis em duas mquinas, 1 e 2 , a a terceira
representada por uma limitao da demanda do produto B. A formulao completa do problema
era a seguinte:
Maximizar 80 + 60
sujeito a
4 + 6 24 (restrio de horas disponveis ma mquina 1 )
4 + 2 16 (restrio de horas disponveis na mquina 2 )
0 + 1 3 (restrio da demanda mxima do produto B)
, 0
30

31

CAPTULO 3. MTODO SIMPLEX

possvel transformar as inequaes (que refletem as restries) em equaes, acrescentando


novas variveis a cada uma delas. Na restrio de horas disponveis na mquina 1 , por exemplo,
podemos ter:
4 + 6 + 1 = 24
onde a varivel 1 foi acrescentada. Essa nova varivel chamada de varivel de folga (slack em
ingls, da a designao pela letra s). O nome folga dado porque muitas vezes pode-se associar
essa varivel a recursos no utilizados ou no aproveitados. No caso da restrio que estamos
analisando, 1 representa o total de horas disponveis na mquina 1 , no utilizado. Por exemplo,
se = 0 e = 3, tem-se:
4(0) + 6(3) + 1 = 24
1 = 24 18 = 6

(3.1.1)

Nesse caso, ou seja, para esse ponto extremo, 1 indica que 6 horas disponveis na mquina 1
no sero utilizadas. Claramente, tem-se sempre 1 0.
Acrescentemos duas outras variveis de folga s duas inequaes seguintes:
4 + 2 + 2 = 16
0 + 1 + 3 = 3
Nesses casos, 2 representa horas disponveis na mquina 2 e no utilizadas, mas 3 representa
demanda possvel do produto B, no atendida (O mximo de unidades possveis do produto B era
3, lembre-se). Tomando o mesmo ponto extremo do caso anterior temos:

CAPTULO 3. MTODO SIMPLEX

32

Fica claro ao leitor que tambm 2 0 e 3 0, ou ainda, de uma forma geral, que qualquer
varivel de folga deve ser maior ou igual a zero.
A rigor, quando introduzimos as variveis de folga e transformamos as inequaes em equaes,
devemos coloc-las em todas as inequaes existentes e tambm na funo objetivo. Quando uma
varivel de folga no aparecer em uma inequao, ns a colocamos com coeficiente zero. No caso da
funo objetivo, todas as variveis de folga devem aparecer com coeficiente zero. Temos, portanto,
o seguinte quadro geral de formulao:
Maximizar = 80 + 60 + 01 + 02 + 03
Sujeito a
4 + 6 + 11 + 02 + 03 = 24
4 + 2 + 01 + 12 + 03 = 16
0 + 1 + 01 + 02 + 13 = 3
, 0
Embora isso no acontea aqui, bom notar que o Simplex exige que o segunda lado das
equaes no sejam um nmero negativo. Veremos mais a frente como proceder quando este for o
caso. O leitor h de notar que chegamos a um sistema indeterminado, pois temos cinco incgnitas
(, , 1 , 2 , 3 ) e apenas trs equaes. Sempre que o nmero de equaes ( = 3, no nosso caso),
o sistema ser indeterminado, ou seja, no poderemos chegar aos valores finais das variveis.
Por outro lado, se fixarmos os valores de ( ) variveis, o nmero de variveis desconhecidas
torna-se igual ao nmero de equaes, e o sistema torna-se determinado, ou seja, ser possvel
determinar o valor das variveis desconhecidas restantes. No nosso exemplo, deveramos fizar o
valor de duas variveis, de modo a obter o valor das outras trs. Atendendo-nos ao exemplo,
vamos supor que fixamos as variveis, duas a duas, como soluo igual a zero. As duas variveis
igualadas a zero chamam-se uma soluo no bsica ao problema de programao linear. Por
sua vez, as variveis restantes, calculadas, so chamadas de uma soluo bsica ao problema de
programao linear. Alm disso, uma soluo bsica pode ser possvel ou no, dependendo dos
valores encontrados para as variveis obedecerem ou nais s restries.
Vamos analisar o que acontece com os valores das cinco variveis nos pontos extremos da regio
possvel para o problema de maximizao anterior:

CAPTULO 3. MTODO SIMPLEX

33

Repare o leitor que, em qualquer um dos pontos extremos, existem sempre duas variveis com
valores nulos. Em termos gerais, podemos enunciar: Em um problema de programao linear com
incgnitas e equaes, nos pontos extremos da regio possvel tem-se sempre ( ) incgnitas
com valor igual a zero.
essa propriedade que fornece o modus operandi do Simplex, pois a soluo encontra-se em
um dos pontos extremos. Fazendo-se conjuntos diferentes de ( ) incgnitas iguais a zero,
determinam-se solues bsicas possveis. Com os valores das variveis assim obtidos, determinase o valor correspondente da funo objetivo e, portanto, chega-se soluo tima. o que
explicaremos um pouco mais na seo seguinte, quando veremos (intuitivamente) como funciona
o Simplex.

3.2

Como opera o Simplex

Sabemos que o Simplex to-somente uma sequncia de clculos simples levando soluo
de um problema de programao linear. interessante, porm, ter uma viso geral de como
progridem esses clculos, o que pode ser feito com auxilio da regio permissvel delimitada pelas
restries. Essa regio delimitada por pontos, em cada um desses pontos, o Simplex far uma
interao, at chegar soluo do problema. O Simplex comea sempre testando a origem como
soluo. Na origem = 0 e = 0, e o valor da funo objetivo tambm zero. A origem no
soluo, mas um ponto de partida para o Simplex.
Da origem, o Simplex passa aos demais pontos, sempre fazendo uma escolha pelo melhor
caminho, at chegar ao ponto timo, onde encerram-se as iteraes, j que o valor da funo
objetivo mximo nesse ponto.
A tcnica implica a gerao de uma srie de clculos que so colocados em forma de tabela.
Cada tabela gerada recebe o nome de tableau. Cada interao do Simplex (ou seja, cada teste de
um ponto extremo) corresponde criao de um tableau. O tableau construido de tal forma que,
inspecionado-se sua linha mais baixa, possvel dizer se a soluo que ele representa ou no a
melhor possvel.
O primeiro tableau corresponde origem, em que o valor da funo objetivo zero. Melhorase essa soluo, passando-se a outro ponto extremo da regio permissvel. Havendo outro ponto
extremo em que a soluo seja ainda melhor, para l se deslocaro os clculos, e assim por diante,
at que a melhor soluo possvel seja encontrada.

CAPTULO 3. MTODO SIMPLEX

3.2.1

34

Rotina de clculos do Simplex

1. Monta-se um tableau inicial que corresponde a origem;


2. Esse primeiro tableau transformado em um segundo, que apresenta uma soluo melhorada,
por meio de uma srie de clculos;
3. Esse procedimento se repete at que se chegue a um tableau que reflita a soluo tima
4. Quando da criao de cada tableau, existe um teste para verificar se a soluo tima foi ou
no atingida
Passemos agora a um exemplo simples, em que o leitor poder acompanhar, passo a passo, a
montagem dos tableaux e as interaes

3.3

Simplex: Maximizao

Em um primeiro momento, vamos ilustrar a sequncia de clculos do Simplex usando um


exemplo que ir levar a dois tableaux apenas. O primeiro tableau, ou tableau inicial, como recorda
o leitor, corresponde origem, com = = 0. O problema tratado de maximizao, apenas com
restries do tipo ; veremos depois como so tratados outros tipos de restries ( ou meramente
=) e como ledar com problemas de minimizao.
Consideremos o seguinte problema de maximizao:
Maximizar = + 2
Sujeito a
3 + 4 24
5 + 2 20
, 0
O tableau inicial parte do problema colocado na forma geomtrica, como veremos a seguir.

3.3.1

Construindo o tableau inicial

Vamos colocar o problema em forma genrica, transformando as inequaes em equaes, com


a ajuda das variveis de folga:
3 + 4 + 11 + 02 = 24
5 + 2 + 01 + 12 = 20
A colocao de coeficientes zero para 2 na primeira equao se 1 na segunda, respectivamente,
no por acaso. Os coeficientes nulos estaro presentes no primeiro tableau, e conveniente que
estejam evidenciados nas equaes.
preciso tambm alterar a funo objetivo (alterar na sua forma, no na substncia) para
incorporar as novas variveis de folga. Tanto 1 como 2 devem aparecer na funo objetivo, com

CAPTULO 3. MTODO SIMPLEX

35

coeficientes nulos. A nova formulao (completa) que dever ser a base para o primeiro tableau
a seguinte:
Maximizar = + 2 + 01 + 02
Sujeito a
3 + 4 + 11 + 02 = 24
5 + 2 + 01 + 12 = 20
, 0
O leitor ir reparar que o problema est escrito em uma forma tal que facilita bastante a
montagem do primeiro tableau, que passaremos agora a construir, passo a passo. Uma parte desse
tableau construda tomando-se os coeficientes como aparecem na formulao, distribudos da
forma a seguir, que configura um aspecto parcial do primeiro tableau:

Figura 3.1: Incio da construo do primeiro tableau (ainda parcial)


Analisemos a Figura 3.1, que representa quatro linhas distintas. Na primeira delas esto listadas
as contribuies de cada varivel funo objetivo, dadas pelos coeficientes dessas variveis na
prpria funo objetivo. Como 1 e 2 em nada contribuem, aparecem com coeficientes zero, como
j foi visto.
A segunda linha uma espcie de "linha guia", pois lista os elementos bsicos que constituem
o tableau. Da esquerda para a direita, aparece primeiro , que ir mostrar a contribuio, para a
funo objetivo, das variveis presentes na soluo, ou seja, aquelas que esto sendo testadas. No
caso da Figura 3.1, os dois valores de so iguai a zero (ver a coluna de ), pois correspondem
a 1 e 2 . Ainda na segunda linha, vem em seguida a coluna de "Variveis na soluo", que ir
indicar quais as variveis que compem na soluo presente, no caso as variveis de folga, 1 e 2 ,
por onde se comea a construo do primeiro tableau.
A segunda linha lista, em seguida, as variveis que aparecem na funo objetivo e nas restries,
ou seja, , , e as variveis de folga, 1 e 2 . A coluna indica o lado direito das restries, e
a relao indica um clculo intermedirio na sequncia de clculos do Simplex, cuja utilidade
ser vista mais adiante.
Note o leitor que, na Figura 3.1, os nmeros que aparecem nas colunas de , , 1 , 2 e so
copiados exatamente das restries, ou seja, so os coeficientes das variveis e os valores do lado
direito das restries. Como o tableau inicial corresponde a = = 0, ou seja, origem dos eixos

CAPTULO 3. MTODO SIMPLEX

36

, , os valores de 1 e 2 , lidos diretamente na coluna , representam recursos ociosos, que no


esto sendo usados.
Falta ainda uma parte a acrescentar na Figura 3.1 para que se complete o primeiro tableau.
Duas linhas sero ainda colocadas, a linha e a linha . A linha ter seus valores nas
colunas , , 1 , 2 e . Dada uma linha qualquer, correspondente a uma dada varivel, o valor
da linha nessa coluna indica a reduo na funo objetivo que iria ocorrer se uma unidade da
varivel fosse acrescentada soluo. O valor da linha , sob uma dada coluna, indica o
acrscimo potencial funo objetivo se uma unidade da varivel fosse acrescentada soluo.
Embora, em nosso exemplo, para o tableau inicial a linha seja uma linha s de zeros, til
enunciar uma regra geral para usa contruo e aplic-la desde o comeo. Para calcular a linha ,
partimos das linhas que representam as variveis na soluo - em nosso caso presente, as linhas
de 1 e 2 . Multiplicam-se os coeficientes das variveis e os lados direitos das restries, em cada
coluna, pelos valores correspondentes que se encontram esquerda e somam-se os produtos.
Essas somas, coluna a coluna, constituem a linha . Vejamos:

Importante: a soma sob a coluna , na linha , indica sempre o valor da funo objetivo
associado com o tableau. Sabamos j que, no caso do primeiro tableau, esse valor era igual a zero,
pois = = 0.
Para calcular a linha , em cada coluna, subtramos a linha , coluna a coluna, dos
coeficientes das variveis na funo objetivo:

Podemos agora completar nosso tableau inicial, representado Figura 3.2


Dado que o tableau est completo, segue-se a pergunta: como saber se a soluo que ele
representa a soluo tima? Em outras palavras, como saber se a soluo = = 0 tima?
Regra para teste da soluo: se na linha os valores so todos nulos ou negativos, ento
a soluo tima foi encontrada. A inspeo da linha revela que existem ainda dois valores
positivos; logo, devemos continuar a caminho do segundo tableau, rumo a uma nova soluo.

CAPTULO 3. MTODO SIMPLEX

37

Figura 3.2: Tableau inicial, completo

3.3.2

Construindo o segundo tableau

O segundo taleau comea com a considerao de qual varivel fornece, isoladamente, a maior
contribuio funo objetivo. Basta, para tanto, inspecionar a linha que acabamos de
construir, pois ela mostra, coluna a coluna, a contribuio de cada unidade da varivel respectiva
funo objetivo. Claramente, a varivel a que oferece essa maior contribuio, com o valor
2. Isso quer dizer que, a cada unidade de acrescida soluo, a funo objetivo crescer duas
unidades.
Na terminologia da programao linear, diz-se que, nesse caso, a "varivel que entra"no
tableau, o que se dar custa de outra "varivel que sai". aqui que entra o calculo / . Para
descobrir a "varivel que sai", divide-se cada valor pelo valor correspondente (na mesma linha)
na coluna da varivel que entra, . A linha em que aparecer o menor coeficiente indica a varivel
que ir sair. Veja o leitor os clculos na Figura 3.2.
Quem dever sair, portanto, a varivel 1 , pois apresenta a menor relao / (24/4=6).
Novos valores devero ser determinados, tanto para a linha da varivel que sai como para as
linhas das outras variveis (em nosso tableau, h apenas mais uma linha, a da varivel 2 ). A linha
da varivel que sai recebe o nome de linha principal.
Determinao da nova linha principal
O nmero que aparece na interseco da coluna da varivel que entra (y) com a linha principal,
da varivel que sai (1 ), chamado de elemento piv e tem importante papel. Em nosso caso, esse
elemento vale 4. Para obter os novos valores da linha principal, todos os valores da antiga linha
principal so divididos pelo piv.

CAPTULO 3. MTODO SIMPLEX

38

Determinao da nova linha da varivel s2


A varivel 1 saiu do tableau, entrando em seu lugar a varivel . Encontramos j os novos
valores da linha principal e vamos agora determinar novos valores para a outra varivel, que
permaneceu no tableau, ou seja, 2 . Em primeiro lugar, determinemos o nmero que se encontra
na interseco da linha da varivel 2 com a coluna da varivel que entrou no tableau (). Esse
nmero 2. Procedimento para definir a nova linha 2 :
a) multiplicar cada valor da nova linha principal (j determinada) pelo nmero encontrado no
cruzamento referido (nmero 2):

b) os valores resultantes so agora subtrados da antiga linha de 2 :

At o momento, o segundo tableau, que no est mais completo, tem o seguinte aspecto:

CAPTULO 3. MTODO SIMPLEX

39

Figura 3.3: Aspecto parcial do segundo tableau


Para completar o segundo tableau, precisamos das linhas e . A linha ficar assim:

A linha ficar, portanto:

Estamos agora em condies de apresentar o segundo tableau completo, fa Figura 3.4:

Figura 3.4: O segundo tableau, completo

40

CAPTULO 3. MTODO SIMPLEX

A inspeo da linha nos indica que encontramos a soluo tima, j que todos os valores
so nulos ou negativos. Observando a coluna , o leitor perceber que
= 0 (pois no aparece)
=6
e o valor da funo objetivo 12.
Faamos um exerccio complementar til. Vamos substituir os valores de = 0 e = 6 nas
restries:
3 + 4 + 11 = 24
3(0) + 4(6) + 11 = 24
24 + 11 = 24, 1 = 0 ( 1 )
e tambm
5 + 2 + 12 = 20
5(0) + 2(6) + 12 = 20
12 + 11 = 20, 2 = 8 ( 8 2 )
Pode-se notar que as restries foram obedecidas, embora existam 8 unidades de recursos no
aproveitados, incorporadas pela varivel de forga 2 .
Vejamos a seguir a resoluo grfica deste problema que acabamos de solucionar pelo Simplex.
Com isso o leitor poder observar como o Simplex operou nesse caso. A regio possvel determinada pelo quadriltero OPQR. Inicialmente foi feito o teste no ponto O, a origem, com a soluo
= 0 e = 0. Em seguida, fomos movidos diretamente para o ponto P, onde = 0 e = 6, que
a soluo tima, encontrada com apenas duas interaes ( dois tableaus).

CAPTULO 3. MTODO SIMPLEX


Exerccio Resolvido
1. Resolva pelo mtodo Simplex
Maximizar = 31 + 52
Sujeito a
1 4
22 12
31 + 22 18
1 , 2 0

41

CAPTULO 3. MTODO SIMPLEX

42

43

CAPTULO 3. MTODO SIMPLEX

3.4

Restries com lado direito negativo

Como o tableau exige que o lado direito das restries seja um nmero positivo, sempre que
isso no ocorrer, deveremos fazer uma interveno. Considere os leitor os trs casos a seguir:
3 7 12 (Caso A)
2 + 3 8 (Caso B)
2 5 = 9 (Caso C)
A regra bsica : para eliminar o lado direito negativo, multiplique ambos os lados da restrio
por (-1) e inverta o smbolo de desigualdade, nos casos A e B. No caso C, tratando-se de uma
igualdade, basta fazer a multiplicao por (-1) e conservar a igualdade. Assim, temos, fazendo as
operaes indicadas:
3 + 7 12
2 3 8
2 + 5 = 9

3.5

Simplex: Minimizao

Captulo 4
Title

44

Captulo 5
Respostas dos Exerccios Propostos
5.1

Exerccios Propostos 2.7

1.
2.
3.
4. (1 , 2 ) = (2, 6)
5.
6.
7.
8.
9.
10.
11.
12. a) Minimizar = 0, 41 + 0, 52
sujeito a
0, 31 + 0, 12 2, 7
0, 51 + 0, 52 = 6
0, 61 + 0, 42 6
1 2 0
, 9)
b) ( 15
2 2
45

CAPTULO 5. RESPOSTAS DOS EXERCCIOS PROPOSTOS


13. Minimizar = 1701 + 1602 + 1753 + 1804 + 1955
sujeito a
1 48 (6h - 8h)
1 + 2 79 (8h - 10h)
1 + 2 65 (10h - 12h)
1 + 2 + 3 87 (12h - 14h)
2 + 3 64 (14h - 16h)
3 + 4 73 (16h - 18h)
3 + 4 82 (18h - 20h)
4 43 (20h - 22h)
4 + 5 52 (22h - 24h)
5 15 (24h - 6h)
1 , 2 , 3 , 4 , 5 0
14. (1 , 2 ) = (13, 5); = 31
15.
16.
17.
18. 1 = 26, 19, 2 = 54, 76, 3 = 20; = 2.904, 76
19.
20.
21.
22.

46

Bibliografia
1

[1] MOREIRA, D. A. Pesquisa pperacional - curso introdutorio2. ed. Sao Paulo, Cengage Learning, 2010

[2] GOLDBARG, M. C. Otimizacao combinatoria e programacao linear: modelos e algoritimos.Rio de Janeiro, Campos, 2000

[3] HILLIER, F. S.,LIEBERMAN, G. J. Introducao a pesquisa operacional.9. ed. Porto Alegre,


AMGH, 2013

[4] TAHA, H. A. Pesquisa operacional: uma visao geral.8. ed. So Paulo, Pearson Prentice Hall,
2008

[5] ANDRADE, E. L, Introducao a pesquisa operacional.3. ed. Rio de Janeiro, LTC, 2004

[6] EHRLICH, P. J. Pesquisa operacional - curso introdutorio.Sao Paulo, Atlas, 1991