CENTRO FEDERAL DE EDUCAC

AO

TECNOLOGICA
DE MINAS GERAIS
Programa de Mestrado em Modelagem
Matem
atica e Comnputacional

Otimizac
ao Linear

Professor:

Sergio Ricardo de Souza

Belo Horizonte, fevereiro de 2010

Sum
ario

1 Introdu
c
ao
4
1.1 Otimiza
c
ao de sistemas . . . . . . . . . . 4
1.2 Pesquisa Operacional . . . . . . . . . . . 6
1.3 Programa
c
ao Linear (Hist
oria) . . . . . 9
1.4 Classifica
c
ao dos Problemas de Otimiza
c
ao . . . . . . . . . . . . . . . . . . . . . 11
2 Exemplos de Problemas de Programac
ao Linear
14
3 Estrutura de um Problema de PL

34

4 Formato do Problema de Programac

ao Linear
36
5 Manipula
c
ao do Problema Linear
5.1 Transformar desigualdades em igualdades . . . . . . . . . . . . . . . . . . . . .
5.2 Transformar igualdades em desigualdades . . . . . . . . . . . . . . . . . . . . .
5.3 Elimina
c
ao de Vari
avel irrestrita em
sinal . . . . . . . . . . . . . . . . . . . . . .
5.4 Vari
avel com limitante inferior . . . . .
5.5 Vari
avel com limitante superior . . . .

37

6 Formato Matricial de um PL

43

37
39
39
42
42

7 Soluc
ao Geom
etrica do Problema de PL

47

8 Tipos de solu
c
ao de Problemas de PPL (Problema de Min)
48
9 Espa
co das Restric
oes

52

10 Otimalidade no Espaco de Restric

oes

56

1.1

Introdu
c
ao
Otimiza
c
ao de sistemas
Problema de Tomada de Decisoes
w
w
w

Modelagem Matematica de um sistema
com a finalidade de tomar decisoes
w
w
w

Problemas Reais do Cotidiano

Caractersticas:
* Variaveis inter-relacionadas;
* Varios objetivos, conflitantes entre si;
* Escassez de recursos;
* Grande numero de variaveis.

Buscar o melhor desempenho de um sistema, tendo em

vista as diversas restricoes que dificultam a escolha desse
resultado.

Complexidade dos
Problemas Reais

Problemas cuja solucao seja

possvel de ser determinada

Significado de Solucao

Ferramentas de Analise

Solucao Correta

1.2

Pesquisa Operacional

Metodologia para a analise e tomada de decisoes.

Tecnicas de
Otimizacao

Formulacao
do Problema

Construcao
do Modelo

Comparacao

Solucao do
Modelo

Dados

Implementacao
de Resultados

Problemas Tpicos
* Filas
* Estoques
* Ordenacao de Tarefas
* Distribuicao, Transporte e Alocacao
* Redes, Grafos
* Localizacao
* Plano de Producao, etc

Tecnicas usadas em PO
* Programacao Linear
* Programacao Nao - Linear
* Programacao Inteira
* Programacao Dinamica
* Programacao Estocastica
* Programacao Geometrica
* Programacao Heurstica
* Simulacao, etc

1.3

Programa
c
ao Linear (Hist
oria)

Fonte inicial Modelos empricos e teoricos de sistemas

economicos
* Quesnay, Tableau Economique(1758)
* Walsas, (1874)
* Leontief, Modelos de Input-Output de Interligacao
Tecnologica entre Setores da Industria (1936)
* Von Neumann, Modelos Dinamicos de Equilbrio Economico(1937)
* Kantorovich, Modelos Matematicos na Organizacao
e Planejamento da Producao(1939)

10

II Guerra Mundial
Problemas de fornecimento
Problemas de manutencao
Treinamento de pessoal
Problemas de transporte

= Problemas de como tomar uma decisao

= Inspiracao militar
Programacao Linear G. B. Dantzig(1947)
Metodo Simplex: Dantzig (1949);
Advento do Computador;
Ampla classe de aplicacoes, devido a:
Simplicidade do codigo;
Grande numero de problemas praticos podem ser
descritos como problemas lineares;
Possibilidade de se encontrar solucoes em um numero
maximo de iteracoes;
Utilizacao como parte do algoritmo em diversos metodos
de otimizacao nao-linear.

11

1.4

Classifica
c
ao dos Problemas de Otimiza
c
ao

min
sujeito a

f (x)
g(x) 0
h(x) = 0
x 0

Quanto `a existencia de restricoes:

Problemas sem restricoes ou irrestritos;
Problemas com restricoes.
Quanto `a natureza das variaveis de projeto:
Problema de Otimizacao Estatica ou Parametrica;
Problema de Otimizacao Dinamica ou de Otimizacao
de Trajetorias.

12

Quanto `a estrutura fsica do problema:

Problema de Controle Otimo;

Problema de Controle Nao-Otimo.

Quanto `a natureza da formulacao matematica:

Problema de Programacao Nao-Linear;
Problema de Programacao Geometrica;
Problema de Programacao Quadratica.
Problema de Programacao Linear.

Quanto aos valores permitidos para as variaveis de projeto:

Problema de Programacao Inteira;
Problema de Programacao Real.

13

Quanto `a natureza determinstica das variaveis:

Problema de Programacao Determinstica;
Problema de Programacao Estocastica.

Quanto `a possibilidade de separacao das funcoes envolvidas:

Problema de Programacao Separavel;
Problema de Programacao Nao-Separavel.

Quanto ao numero de objetivos a serem satisfeitos:

Problema de Programacao Mono-Objetivo;
Problema de Programacao Multi-Objetivo.

14

Exemplos de Problemas de Programac

ao Linear

Exemplo 1 Planejamento do Fornecimento.

Uma fabrica de alimentos congelados produz batatinhas
fritas, picadinho de batatas e flocos para pure de batata.
Fases da produc
ao:
1. Compra da batata a partir de duas fontes produtoras;
2. Classificac
ao das batatas por comprimento e qualidade;
3. Distribuic
ao pelas linhas de producao.
As fontes diferem na qualidade das batatas fornecidas:
Produto

Produtor 1 Produtor 2

Batatinha Frita

0, 2

0, 3

Picadinho de Batata

0, 2

0, 1

Flocos de Pure

0, 3

0, 3

Refugo equivalente a 30% para a batata comprada de

cada produtor.

15

Lucro por tonelada das batatas advindas de cada fonte

produtora:
Produtor 1 Produtor 2
($/ton)
($/ton)
Lucro

Limitac
ao de mercado:

Produto

Limite de Vendas (ton)

Batatinha Frita

1, 8

Picadinho de Batata

1, 2

Flocos de Pure

2, 4

Problema: Quantas toneladas de batatas devem

ser compradas de cada fonte produtora?

16

Modelamento:
x1 : quantidade em toneladas que sera comprada
da fonte produtora 1;
x2 : quantidade em toneladas que sera comprada
da fonte produtora 2.
Os valores a serem determinados para x1 e x2 s
ao restringidos pelas inequac
oes lineares:
0, 2x1 + 0, 3x2 1, 8

(batatinha frita)

0, 2x1 + 0, 1x2 1, 2

(picadinho de batata)

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

(flocos de pure)

(1)

O problema somente tera sentido se:

x1 0
(2)
x2 0
Objetivo do Problema : Aumentar o lucro da empresa.

17

A funcao que expressa o lucro da empresa e dada por:

f (x1, x2) = 5x1 + 6x2
Entao, o problema de otimizacao e:
max

f (x1 + x2) = 5x1 + 6x2 (funcao de lucro)

sujeito a 0, 2x1 + 0, 3x2 1, 8

(batatinha frita)

0, 2x1 + 0, 1x2 1, 2

(picadinho de batata)

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

(flocos de pure)

x1 0

(fornecedor 1)

x2 0

(fornecedor 2)

Solucao
otima (gr
afica):
x1 = 4, 5 ton
x2 = 3 ton

Problema de Programac
ao Linear

18

Exemplo 2 Companhia de Mineracao

A companhia de mineracao Mais Nada Resta possui duas
minas de extrac
ao de minerio de ferro que, apos beneficiado, e classificado em tres categorias: alto grau, medio
grau e baixo grau. A companhia venceu a concorrencia
para o fornecimento de materia-prima para uma Usina de
Aco, de modo que deve entregar, por semana, 24 ton. de
minerio de grau baixo, 8 ton. de minerio de medio grau
e 12 ton. de minerio de alto grau. As caractersticas de
producao das minas s
ao mostradas abaixo:

Produc
ao (ton/dia)
Mina Custo/Dia (US$) Alta Media

Baixa

180

160

Quantos dias por semana cada mina deve ser operada

para garantir o contrato de fornecimento?

19

Algumas formas de tratamento desse problema:

Trabalhar um dia por semana nas minas X e Y.
Resultado:

Tipo
Alto
Medio
Baixo

Produc
ao
7
4
10

Insuficiente para atender as exigencias do contrato

Infactvel.
Trabalhar 4 dias por semana na mina X e 3 dias por
semana na mina Y.
Resultado:

Tipo
Alto
Medio
Baixo

Produc
ao
27
15
34

Suficiente para atender as exigencias do

contrato Factvel.
o menor custo ?
Problema: E

20

Exemplo 3 Arvore
de Decisao

Deseja-se contratar um novo funcionario entrevistando-se no m

aximo tres candidatos `a vaga.

A partir de experiencias anteriores, verificou-se que

e possvel determinar, a partir da entrevista, se um
dado candidato sera um funcionario excelente, bom
ou regular.

A tabela abaixo mostra os pesos atribudos a cada um

dos casos:
Expectativa de
Desempenho

Peso

Excelente

Bom

Regular

21

A experiencia anterior tambem informa a respeito das

chances de se encontrar um funcionario com as especificacoes desejadas:
Expectativa de Desempenho

Chances

Excelente

0,2

Bom

0,5

Regular

0,3

A decis
ao deve ser rapida, pois sabe-se que os candidatos tambem estao concorrendo ao mesmo cargo
em outras empresas.
Problema: Selecionar o melhor candidato, no
menor tempo possvel.

22

Modelamento Arvore
de Decisao
nos com crculos: candidatos entrevistados;
ramos: eventos incertos e suas probabilidades de
ocorrencia;
quadrados: pontos de tomada de decisao;
n
umero no fim de um ramo: valor encontrado caso
se interrompa o processo de decisao naquele ponto.
Tecnica de soluc
ao: Programacao Dinamica via Inducao
Reversa.

2
Pare

Pare

E 0, 2
R 0, 3
1

Par

E 0, 2

E 0, 2
Continua

B 0, 5

R 0, 3

Continua

R 0, 3

Pare

B 0, 5

B 0, 5

Pare

Pare

Pare

23

24

Exemplo 4 Planejamento da Producao

Mat
eria Prima Sapato Botina Disponibilidade
Couro
2
1
8
Borracha
1
2
7
Cola
0
1
3
Lucro por unidade
1
1

x1: quantidade de sapatos fabricados;

x2: quantidade de botinas fabricadas;
Logo:
2x1 + x2 8
x1 + 2x2 7
x2 3
Funcao de lucro:
z = x1 + x2
Portanto:
(PL) max z = x1 + x2
suj. a
2x1 + x2
x1 + 2x2
x2
x1
x2

8
7
3
0
0

25

Exemplo 5 Problema de Transporte

Uma empresa fabrica latas de conserva em 2 fabricas e
as vende atraves de 3 depositos.
Deposito
Fabrica

1
2
2
3

ai : Capacidade de producao da fabrica i.

bj : Demanda de produtos no deposito j.
cij : Custo por produto transportado da fabrica i para o
deposito j.

26

A empresa deseja saber como distribuir a producao pela

rede de modo a:
1. Respeitar as capacidades produtivas de cada fabrica.
2. Respeitar as demandas de cada deposito.
3. Minimizar o custo total de transporte.
Defina xij como a quantidade de produto transportado da
f
abrica i para o dep
osito j.
Logo:
x11 + x12 + x13 a1
x21 + x22 + x23 a2
x11 + x21
x12 + x22
x13 + x23

Producao

b1
b2 Demanda

b3

xij 0, i = 1, 2, j = 1, 2, 3
Funcao de custo:
z = c11x11 + c12x12 + c13x13 + c21x21 + c22x22 + c23x23

27

Porem, surge um transportador, propondo a terceirizacao

deste servico, na forma:
1. Transportar toda a mercadoria, respeitando capacidades de produc
ao e de demanda.
2. Pagar ao fabricante 1 e 2 reais por unidade a producao
das fabricas 1 e 2 e, em seguida, lhe vender por 1,
2 e 3 reais por unidade em cada um dos dep
ositos,
garantindo, porem, que:
j i cij ,
j 0
i 0

i = 1, 2

j = 1, 2, 3

28

De sua parte, o transportador vai procurar estabelecer os

precos de modo a maximizar o seu lucro:
Funcao de receita e despesa do transportador:
= (b1n1 + b2n2 + b3n3) (a11 + a22)
|
{z
} |
{z
}
(Receita)
(Despesa)
Qual das duas alternativas e mais conveniente ao fabricante?
* A soluc
ao
otima entre o problema 1 e o problema 2,
para o fabricante, sera aquela que maximiza o seu lucro, ou seja:
z
* Portanto, se o custo com o transporte no problema do
transportador for maior que o custo do transporte pelo
proprio fabricante, entao a solucao 1 e a ideal, do
ponto de vista do fabricante.

29

Exemplo 6 Problema de transporte: Uma aplicacao ao

planejamento de Redes Telefonicas.

ai

bj

ai = N
umero de assinantes na area i.
bj = Capacidade da central j.
cij = Custo para conectar um assinante da area i a`
central j.
O problema consiste em alocar assinantes `a centrais de
modo a minimizar o custo de ligacao assinante-central.
Trata-se, assim, de um sub-problema do problema-master
de localizac
ao de centrais.

30

xij : n
umero de assinantes da area i conectados `a central j

a1

b1

a2

b2

..
..

..
..
an

bn

min z =

XX
i

suj. a

cij xij

jX

xij ai

, i

j
X
xij bj

, j

xij 0

, i , j

31

Exemplo 7 Problema da Dieta

Dispoe de 5 tipos de alimentos, com diferentes composicoes
de nutrientes (protenas e sais minerais). Uma vez conhecido o custo de cada alimento, deseja-se determinar a
dieta que satisfaz os padroes nutritivos desejados e que
tenha o mnimo custo.
Nutriente
1
Protenas
3
Sais Minerais 2
Custo
25

Alimentos
2
4
3
35

3
5
4
50

4
3
3
33

5
6
3
36

Quant.
Mnima
42
24

xi: quantidade de alimento i presente na dieta.

(PL) min z = 25x1 + 35x2 + 50x3 + 33x4 + 36x5
suj. a
3x1 + 4x2 + 5x3 + 3x4 + 6x5
42
2x1 + 3x2 + 4x3 + 3x4 + 3x5
24
xi 0, i = 1, . . . , 5

Variacoes: Problema da racao

32

Exemplo 8 O setor de transporte de carga de uma empresa aerea, operando em Sao Paulo, dispoe de 8 avi
oes
B-727, 15 avi
oes ELECTRA e 12 avioes Bandeirante
para voos amanh
a. H
a cargas para remeter para o Rio
de Janeiro (150 ton) e Porto Alegre (100 ton). Os custos
operacionais de cada aviao e suas capacidades sao:

B-727 ELECTRA Bandeirante

SP Rio 23
5
1,4
SP PA
58
10
3,8
Capacidade
45
7
4

Quantos e quais avi

oes devem ser mandados para o Rio e
Porto Alegre a fim de satisfazer a demanda e minimizar
os custos?

33

xij = avi
ao de modelo i na rota j.

i = 1 B-727
i = 2 ELECTRA
i = 1, 2, 3

i = 3 Bandeirante
j = 1, 2

j = 1 Rio
j = 2 Porto Alegre

Total de avi
oes:
x11 + x12 8
x21 + x22 15
x31 + x32 12
Restricoes de demanda:
45x11 + 7x21 + 4x31 150
45x21 + 7x22 + 4x32 100
Custo a ser minimizado:
z = 23x11 + 5x21 + 1, 4x31 + 58x12 + 10x22 + 3, 8x32

34

Estrutura de um Problema de PL

A partir dos exemplos apresentados, a estrutura de um problema de programacao linear e na forma:

min
z = c x
suj. a Ax b
x 0
ou seja:
min
z = c 1 x1 + c 2 x2 + . . . + c n xn
suj a a11x1 + a12x2 + . . . + a1nxn b1
a21x1 + a22x2 + . . . + a2nxn b2
..
..
..
..
am1x1 + am2x2 + . . . + amnxn bm
x1 0,
x2 0
...
xn 0
onde
z = cx funcao objetivo, linear em x.
c vetor de custo.
cj coeficiente de custo.
x vetor de variaveis de decisao ou de variaveis
de estrutura ou de nveis de atividade.
xi variavel de decisao.
aij coeficiente tecnologico.
A matriz de restricoes.
bi exigencia a ser satisfeita.
b vetor do lado direito.
xj 0 restricao de nao negatividade ou de sinal.
ai1x1 + ai2x2 + . . . , ainxn bi i-esima restricao

35

O problema de programacao linear, entao, pode ser escrito

como:
Otimizar uma func
ao objetivo linear tendo em vista
um conjunto de restricoes lineares.

Definic
ao 1 (Ponto Factvel) Um conjunto de valores
x1, . . . , xn que satisfaca (atenda) a todas as restricoes
e denominado um ponto factvel ou um vetor factvel do
problema.

Definic
ao 2 Espaco ou regiao de factibilidade: conjunto
de pontos factveis.

Problema de Programacao Linear: determinar, dentro

do regiao de factibilidade, o vetor que otimiza a funcao
objetivo.

36

Formato do Problema de Programac

ao Linear
Formato Padrao:
Restricoes de igualdade.
Todas as variaveis sao nao-negativas.
O metodo simplex so pode ser aplicado a este formato:
min
z = c x
suj. a Ax = b
x 0

Forma Canonica:
Todas as restricoes na forma maior ou igual (problema
de minimizacao).
Todas as variaveis sao nao-negativas:
min
z = c x
suj. a Ax b
x 0

37

Manipula
c
ao do Problema Linear

Alteracao do formato do problema original, reduzindo-o ou `a

forma padrao ou `a forma canonica.
5.1

Transformar desigualdades em igualdades

ai1x1 + ai2x2 + . . . + ainxn bi
w
w
w
w variavel de folga
w


ai1x1 + ai2x2 + . . . + ainxn + yi = bi

yi 0
Portanto:
a11x1 + a12x2 + . . . + a1nxn + y1 =
a21x1 + a22x2 + . . . + a2nxn + y2 =
..
..
..
..
am1x1 + am2x2 + . . . + amnxn + ym =

w
w
w

 
 x
I
= b
y
x 0
y 0

b1
b2
..
bm

38

De forma equivalente:
ai1x1 + ai2x2 + . . . + ainxn bi
w
w
w
w variavel de excesso
w


ai1x1 + ai2x2 + . . . + ainxn yi = bi

yi 0
Portanto:
a11x1 + a12x2 + . . . + a1nxn y1 =
a21x1 + a22x2 + . . . + a2nxn y2 =
..
..
..
..
am1x1 + am2x2 + . . . + amnxn ym =

w
w
w


 
 x
I
= b
y
x 0
y 0

b1
b2
..
bm

39

5.2

Transformar igualdades em desigualdades

ai1x1 + ai2x2 + . . . + ainxn = bi
w
w


ai1x1 + ai2x2 + . . . + ainxn bi

5.3

ai1x1 + ai2x2 + . . . + ainxn bi

Elimina
c
ao de Vari
avel irrestrita em sinal

1. Considere xj irrestrita em sinal. Entao:

x j = uj v j
uj 0
vj 0
Em seguida, substituir xj em todas as equacoes.
2. Considere um conjunto x1, . . . , xk de variaveis irrestritas.
Entao, para j = 1, . . . , k:
x j = uj v
uj 0,
v 0
v:

variavel mais negativa.

Introducao de redundancia.

40

3. Expressar a variavel irrestrita em funcao das variaveis restritas em sinal, substituindo-a no conjunto de equacoes
e descartando a equacao utilizada.
Eliminacao da variavel irrestrita.
Difcil aplicacao pratica.
Diminui o numero de variaveis do problema.

Exemplo 9 Seja o problema de programacao linear:


 x1
min 1 3 4 x2
x3
suj. a

 
x1
1 2 1
5
x2 =
2 3 1
6
x3


x2 0
x3 0
x1: vari
avel irrestrita.

41

Portanto, para eliminar x1:

x1 = 2x2 x3 + 5

min x2 + 3x3
suj. a x2 + x3 = 4
x2 0
x3 0

min x2 + 3x3
suj.a x2 + x3 4
x2 + x3 4
x2 0
x3 0

42

5.4

Vari
avel com limitante inferior
xj lj

tj = xj lj
tj 0

Aumento do numero de variaveis.

5.5

Vari
avel com limitante superior
x j uj

tj = u j x j
tj 0

Aumento do numero de variaveis.

43

Formato Matricial de um PL

min z =

min z = c x
suj. a Ax = b
x 0

suj. a

n
X

c j xj

j=1

n
X

Aj xj = b

j=1

xj 0 , j = 1, . . . , n
c n , x n
A mxn ,

c1
c2

c=
.. ,
cn

a11 a12
a21 a22
A=
..
..
am1 am2

b m

x1
x2

x=
..
xn

. . . a1n
. . . a2n
..
..
,
. . . amn

b1
b2

b=
.
.
bm

44

Seja I um conjunto ordenado de ndices tal que:

I {1, 2, . . . , n}
e seja o vetor x, na forma:

x1
x2

x=
..
xn
Se I contiver p elementos, entao xI sera o vetor p-coluna
cujos componentes sao xi, i I.
Exemplo 10 Seja o vetor:

x1
x2

x=
x3
x4
x5

e seja o conjunto ordenado:

I = {2, 4, 5}
Entao:

x2
xI = x4
x5

45

Seja entao a matriz A na forma:

1
A
A = ..
Am
=

A1 . . . An

e sejam os conjuntos ordenados de ndices:

I {1, 2, . . . , m}
J {1, 2, . . . , n}
de modo que:
Ai:

i-esima linha de A.

Aj :

j-esima coluna de A.

aij : elemento da linha i e coluna j.

AI : matriz obtida pela uniao das linhas Ai, i I.
AJ : matriz obtida pela uniao das colunas Aj , j J.
AIJ : sub-matriz cujos elementos sao aij , i I, j J.

46

Exemplo 11 Seja a matriz:

1 7 4 1 10
A = 3 8 3 5 11
5 9 2 2 9
e sejam os conjuntos ordenados:

I = {1, 2}
J = {2, 3, 5}
Entao:
I

A =

1 7 4 1 10
3 8 3 5 11

7 4 10
AJ = 8 3 11
9 2 9
AIJ =

7 4 10
8 3 11

47

Solu
c
ao Geom
etrica do Problema de PL

Exemplo 12 Escala de producao da fabrica de sapato.

max z = x1 + x2
suj. a
2x1 + x2
2x1 + 2x2
x2
x1
x2
(a)

8
7
3
0
0

(a)
(b)
(c)

x2

9
8
7
6
(b)
(c)

5
4
(c)

Regiao de factibilidade

2
1

c
4
3
z=3
z=1 z=2
(a)
Direcao de crescimento
1

Soluc
ao
otima :

x1 = 3

x2 = 2

z = 4z = 5

8
(b) x1

z = 5

48

Tipos de solu
c
ao de Problemas de PPL (Problema de Min)

1. Solucao otima finita e unica:

Ocorre em um ponto extremo do conjunto dos pontos
factveis.
x
Regiao
Factvel
Limitada

x
Regiao
Factvel
Ilimitada

49

2. Solucao otima finita e multipla:

Curvas de nvel da funcao objetivo paralelas a uma
das arestas do conjunto dos ponto factveis.
x
Regiao
de
Factibilidade
Limitada

x
Regiao
de
Factibilidade
Ilimitada

50

3. Solucao otima ilimitada:

Regiao
de
Factibilidade
Ilimitada

51

4. Nao existe solucao otima

Regiao de factibilidade vazia.

Exemplo 13
min z = 2x1 + 3x2
suj. a
x1 + 2x2
2x2 x2
x2
x1
x2

2
3
4
0
0

Problema Infactvel ou Inconsistente

N
ao possui solucao.

52

Espaco das Restric

oes
Restricoes de Igualdade:
Seja o problema:
min z = cx
suj. a
Ax = b
x 0

min
suj. a

z=

n
X

w
w

c j xj

j=1
n
X

Aj xj = b

j=1

xj 0, j = 1, . . . , n
O sistema formado por:
n
X
Aj xj para xj 0, j = 1, . . . , n
j=1

w
w


Cone das Restricoes

53

Exemplo 14

2x1 + x2 + x3 = 1
x1 + 3x2 + x4 = 2

x1 , x2 , x3 , x4 0




 x1

1
2 1 1 0 x2
=
2
1 3 0 1 x3
x4
x 0


 
 
 


2
1
1
0
1
x1 +
x2 +
x3 +
x4 =
1
3
0
1
2


x 0
a2
b
Inconsistente

a4
a3
a1

54

Exemplo 15

2x1 + x2 + x3 = 2
x1 + 3x2 + x4 = 3

x1 , x2 , x3 , x4 0


x1
 

2 1 1 0 x2
2
=
1 3 0 1 x3
3
x4


x 0


 
 
 
 
2
1
1
0
2
x1 +
x2 +
x3 +
x4 =
1
3
0
1
3


x 0
a2

a4
a3
a1

Admite solucoes
factveis

55

Restricoes de Desigualdade:
n
X

Aj xj b

j=1

xj 0, j = 1, . . . , n
a2

Cone das Restricoes

a3

a1

=
b

Sistema
factvel

Regiao b

a2

Cone das Restricoes

a3

a1
b
Regiao b

Sistema
infactvel

56

10

Otimalidade no Espaco de Restric

oes
n
X
z=
c j xj

min
suj. a

j=1
n
X

Aj xj = b

j=1

w
w


Determinar escalares nao-negativos x1, x2, . . . , xn tais que:



c1
x1 +
A1

c2
x2 + . . . +
A2

cn
An

 
z
xn =
b

e z seja o menor possvel.

w
w


 
z
Representar o vetor
no cone gerado pelos vetores
b


cj
, j = 1, . . . , n para o menor valor possvel de z.
Aj

57

Exemplo 16
min z = 2x1 3x2
suj. a
x1 + 2x2 2
x1 0, x2 0

min z = 2x1 3x2 + 0x3

suj. a
x1 + 2x2 + x3 = 2
x1 0, x2 0, x3 0





 
 
2
3
0
z
x1 +
x2 +
x3 =
1
2
1
2
x1 0, x2 0, x3 0

Valor
mnimo
z = 4

3
2


Cone das Restricoes

2
1

0
1

2
x = 0
0

Pontos na
forma
 
z
2

58

Exemplo 17
min z = 2x1 3x2
suj. a
x1 + 2x2 2
x1 , x2 0

min z = 2x1 3x2 + 0x3

suj. a
x1 + 2x2 x3 = 2
x1 0, x2 0, x3 0





 


3
0
z
2
x2 +
x3 =
x1 +
2
1
2
1
x1 0, x2 0, x3 0

 
z
Pontos na forma
2


3
2

2
1

0
1

Cone das
Restricoes