Otimizao de Sistemas

1. Reviso de lgebra Linear

1.1 Matrizes

1.1.1. Definio
Conjunto de elementos ordenados em forma retangular.
Ex : A(mxn )

2 1 3 8
A = 1 7 4 9
0 1 5 6

1.1.2. Notao :
Ex:.
a 11 L a 1n
A(m x n ) = M O M
a n1 L a mn

1.1.3. Matrizes Especiais

a) Matriz nula : aij = 0, i, j (i m; j n) .
b) Matriz quadrada : m = n (ordem n).
c) Matriz diagonal : m = n , aij = 0, i j .
d) Matriz identidade (E ou I) : matriz diagonal com ai ,i = 1 .

e) Matriz simtrica : m = n , aij = a ji , i, j .

f) Matriz transposta de A (mxn ) : A T (nxm), a Tij = a ji
g) Matriz triangular:
aij = 0i > j

(superior)

aij = 0i < j

(inferior).

h) Matriz vetor: matriz (nx1) .

1.1.4. Operaes com matrizes

a) Igualdade :

A ( mxn) = B ( mxn) , se aij = bij , i, j .

b) Adio : C( mxn) = A ( mxn) + B ( mxn) cij = aij + bij , i, j .

c) Multiplicao por uma constante :
B ( mxn ) = .A ( mxn ) bij = .aij , i, j .

d) Multiplicao de matrizes :
A ( mxn) .B ( nxp ) = C( mxp )

onde
n

c ik = a ij .b jk , i, k
j=1

Notas : i) A.B B.A

ii) A.E = E.A = A , onde ( A, E(nxn) )

e) Propriedades das operaes com matrizes:

1.

( A + B) + C = A + (B + C)

2.

.(A) = .(A) = ( ) A

3.

A+B=B+A

4.

A ( .B) = ( .A )B = .( AB)

5.

( + ) A = A + A

6.

( A + B ) = A + B

7.

A(BC) = (AB)C

8.

A(B + C) = AB + AC

9.

(A + B)C = AC + BC

1.1.5. Determinantes
p = a 1,1 .a 2,2 ....a n,n

1 , 2 ,..., n so nmeros distintos, i k . Essa seqncia uma permutao do

conjunto {1,2,..., n} . Uma "inverso" na seqncia 1 , 2 ,..., n acontece cada vez que

i > k , para i < k .

Ex :

1 , 2 , 3 , 4 = 2,3,1,4 possui 2 inverses.

O n de inverses de uma seqncia designado por N ( 1 , 2 ,..., n ) .
Determinante de uma matriz A de ordem n a soma dos termos p obtidos por todas
as permutaes possveis da seqncia 1 , 2 ,..., n , multiplicados por (-1) elevado ao
nmero de inverses das respectivas seqncias:

A = det ( A) =

(1) N(1,...,n).a1,1.a 2,2...an,n

a 11 a 12
Ex : A = a 21 a 22
a 21 a 32

a 13
a 23 =
a 33

(1) 0 a11.a22 .a33 + (1) 2 a21a32 .a13 + (1) 2 a31.a12 .a23 + (1)1 a21.a12 .a33 + (1)3 a31.a22 .a13 + (1)1 a11.a32 .a23 .

1.1.5.1. Propriedades dos determinantes

a) Se aij = 0i ou aij = 0j det A = 0 (singular).
b) bij = .aij , j = 1,2,..., n ou i = 1,2,..., n det B = . det A .
c) B obtida pela permuta de duas linhas ou duas colunas de A det B = - det A.
d) Se aij = .a kj , j = 1,2,..., n ou aij = .aik , i = 1,2,.., n det A = 0 .
e)

Se

bij = aij + .a kj , j = 1,2,..., n ;

ik

ou

bij = aij + .aik

i = 1,2,..., n; ;

j k det A = det B .

1.1.5.2. Co-fator, menor complementar

A ij = ( 1) i + j . M ij

1.1.5.3. Expanso do determinante em co-fatores

det A = ai1. Ai1 + ai 2 . Ai 2 + ... + ain . Ain = alj . Alj + aej + A2 j + ... + anj . Anj

1.1.6. Determinante de uma matriz triangular

a 11
A =

0
M
0

a 12 L a 1n

a 22

a 23 L a 2n

a 22 L a 2n
0
= a 11 .
M O M
M
0

L a nn

a 33

a 33 L a 3n
0
= a 11 .a 22 .
M O M
M

L a nn

a 34 L a 2n
a 44 L a 3n
= a 11 .a 22 ...a nn
M O M

L a nn

1.1.7. "Rank" de uma matriz, r :

Seja A (mxn) . Se:
a) Existe pelo menos uma submatriz S de A, de ordem r, com det S 0 ;
b) Toda submatriz T de A, de ordem rl > r , possui det T = 0 ;
ento r o "rank",

1.1.8. Matriz inversa

B = A 1 BA = AB = E
Notas : i) (AB)1 = B 1A 1
ii) A1 = (cofA)T / det A

1.2. Sistemas de equaes lineares - tratamento matricial

1.2.1. Converso
a 11 x 1
M

a i1 x 1
M

a n1 x 1

+ a 12 x 2

+ L + a 1n x n

b1

+
M

a i2 x 2
M

+ L +
M
M

a in x n
M

=
M

bi
M

a i2 x 2

+ L + a nn x n

A i-sima equao:

a
k =1

ik

.x k = b i

= bn

 a11
a1n
b1
a
a

21 x + L + 2n x = b 2
M 1
M n M



a n1
a nn
b n
A1.x1 + A2 .x2 + K + An xn = b ou Ax = b.
1.2.2. Regra de Cramer

xi =

i
; = detA

i = det A1 A 2L b L A n

1.2.3. Mtodo de Eliminao de Gauss - Jordan

Consiste em diagonalizar a matriz dos coeficientes, atravs de operaes
_

elementares na matriz aumentada: A = [A M b].

As operaes elementares so:
a) permuta de linhas;
b) multiplicao de uma linha por uma constante;
c) substituio de uma linha por seu valor adicionado a outra linha multiplicada por uma
constante.
Ex : Resolva:
2 x1 + 2 x2 + 4 x3 = 10
x1 + x2 + 3 x3 = 9
x1 + 3 x2 + 4 x3 = 17

A matriz aumentada :
2 2 4 M 101/2L1
A = 1 1 3 M 9 L 2 1/2L1
1 3 4 M 17 L3 1/2L1
_

1 1 2 M 5
A = 0 0 1 M 4 L3 / 2
0 2 2 M 12 L 2
_

1 1 4 M 5 x1 = 5
A = 0 1 1 M 6x 2 = 2
0 0 1 M 4 x 3 = 4
_

1.3. Espaos Vetoriais

1.3.1. Conceitos e Notao

Espao vetorial o conjunto de todos os vetores com nmero de coordenadas igual
dimenso do espao. Ex.: O espao vetorial R m o conjunto de todos os vetores (pontos)
com m coordenadas reais.

1.3.2. Combinao Linear

Sejam A1 , A2 ,..., An R m e x1 ,..., xn R . Ento b = x1 .A 1 + x 2 .A 2 +... + x n .A n um
vetor do R m , chamado combinao linear dos vetores A1 , A2 ,..., An .
a11
a1n
b1
a
a

21 x + L + 2n x = b 2
M 1
M n M

a m1
a mn
bm

1.3.3. Vetores Linearmente Independentes (L.I.)

Se a equao vetorial:
A1.x1 + A2 .x2 + ... + An .xn = 0

for satisfeita apenas quando x1 = x2 = ... = xn = 0 , ento os vetores A1 , A2 ,..., An so L.I.

Caso contrrio, diz-se que eles so linearmente dependentes (L.D.), isto , algum vetor Ai
pode ser obtido a partir de uma combinao linear dos demais vetores.
Ex:
3
0

m = 3, n = 2, A1 = 0, A 2 = 0
2
0
3
0
0
0.x + 0.x = 0 x = 0 e
1
1 2
0
2
0

x2 = 0

Logo, A1 e A2 so L.I..

1.3.4. Dimenso de um espao vetorial

um nmero igual quantidade mxima de vetores L.I., pertencentes ao espao
vetorial.

1.3.5. Base
Um conjunto de vetores e1 , e2 ,..., en R m constitui-se em uma base do R m se:
a) Eles forem L.I.
b) Qualquer vetor x R m puder ser obtido por uma combinao linear de e1 , e2 ,..., en R m ,
isto ,
x = x1.e1 + x2 .e2 + ... + xn .en .

Pode-se provar que qualquer base de R m possui m vetores.

Ex :

1
0
0

e1 = 0 ,e2 = 1,e3 = 0
0
0
1

constituem-se em uma base do R 3 , pois:

x1 .e1 + x2 .e2 + ... + xn .en = 0 x1 = x2 = x3 = 0 (L.I.).

0

Se

x1
1
0
0

x R x = x 2 = x 1 .0 + x 2 .1 + x 3 .0,
x 3
0
0
1
3

isto , x uma combinao linear de

e1 ,e2 e e3 .

1.3.6. Rank de uma Matriz

Atravs da expanso do determinante em co-fatores, pode-se mostrar que o "rank"
de uma matriz (m x n) igual ao n mximo de colunas (ou de linhas) L.I.

1.3.7. Matriz Base

Se A( mxn ) possui m colunas L.I., ento a matriz quadrada

B = A j1 A j2 L A jm

uma base de A e a equao A.x = b possui uma soluo para qualquer b R m .

4 0 1 3 0
0 1 0

Ex : A = 2 1 0 2 0 possui uma base B = 1 0 0

6 0 0 5 1
0 0 1

1.3.8. Teorema
Para A( nxn ) , so equivalentes as afirmaes:

a) Existe A 1 .
b) Rank de A igual a n.
c) det A 0 .

1.4. Soluo do sistema A.x = b, sendo A( mxn ) , x( nx1) , b( nx1) e m < n .

Considere o sistema de equaes lineares:

a11x1
M

a i1x1
M

a m1x1

+
M

a12 x 2
M

+ a i2 x 2
M
M
+ a m2 x 2

+ L +
M
M

a1n x n
M

+ L + a in x n
M
M
M
+ L + a mn x n

=
M

b1
M

= bi
M M
= bm

onde m < n . Considere rank ( A) = m . Ento, arbitrando-se os valores de (n m) variveis,

pode-se obter uma soluo. Para cada conjunto de valores arbitrado, obtm-se uma soluo
distinta.

1.4.1. Soluo bsica

Sejam A( mxn ) e B = A j1 , A j2

, K , A jm uma base de A. Para qualquer

b R m , uma soluo x tal que

[A

j1

A j2 K A jm

x j1
x
j2 = b e x = 0 para i j ,..., j .
i
1
m
M

x jm

chamada de soluo bsica do sistema. As variveis xij so chamadas bsicas e as demais

no-bsicas.

Ex : O sistema:

4x 1

+ 0x 2

x3

2x 1
2x 1

+ x2
+ 0x 2

+ 0x 3
+ 0x 3

x4

+ 0x 5

= 10

2x 4
+ 2x 4

+ 0x 5
+ x5

=
=

6
14

possui uma soluo bsica dada por :

0
1
0
10
1 .x + 0 .x + 0 .x = 6
2 3 5

0
0
1
14

e x1 = x4 = 0 . Segue que x2 = 6 , x3 = 10 e x5 = 14 . O conjunto das variveis bsicas, para

esta soluo, {x2 , x3 , x5 } , cujos ndices formam o conjunto Base {2,3,5}.
Outra soluo bsica pode ser obtida, atravs de operaes (transformaes)
elementares na matriz aumentada do sistema, para se obter o conjunto Base {2,3,1} :
1 0 M - 10 L1 2L 3
4 0 1

A = 2 1 0 2 0 M
6 L 2 L 3
2 0 0
2 1 M 141/2L 3
_

0 0 1 3 2 M 38
P/ x 4 = x 5 = 0,
A = 0 1 0 4 1 M 8
x 1 = 7, x 2 = 8, x 3 = 38
1 0 0
1 1/2 M
7
_

O nmero mximo de solues bsicas possveis :

C 53 =

5!
= 10
3!2!

1.4.2. Soluo compatvel bsica

Considere que so impostas restries s variveis do sistema anterior, do tipo:
xi 0, i = 1,...,5. As solues bsicas encontradas no so compatveis com a restrio

acima. Solues bsicas que atendem s restries de desigualdade so chamadas de

solues compatveis bsicas.

De uma maneira geral, tem-se:

ij

.x j = b i , i = 1,..., m

j= 1

x j 0, j = 1,..., n

(m < n)

1.5. Sistemas de Inequaes Lineares

n

a ij .x j b i , i = 1,..., m

j=1

ou A.x b

Esse sistema pode ser transformado em um sistema de equaes lineares, atravs da

introduo de novas variveis:
n

ij

. x j + x n +i = b i , i = 1,..., m

j= 1

x n+i 0
Para A.x b , tem-se
n

a .x
ij

xn +1 = bi , i = 1,..., m

j =l

x n +i 0
As variveis xn + i , i = 1,..., m, so chamadas variveis de folga.

1.6. Sistemas de Equaes Lineares com variveis no negativas

a11x1
a x
21 1

M
a m1x1

a12 x 2

+ L +

a1n x n

b1

a 22 x 2

+ L +

a 2n x n

b2

+ a m2 x 2

+ L + a mn x n

bm

x i 0, i = 1,..., n, i k
x k qq

A introduo de m variveis de folga transforma o sistema de inequaes em um

sistema de equaes, conforme mostrado anteriormente. A fim de trabalhar com variveis
no negativas, substitui-se x k por x 'k x ''k , sendo x' k 0 e x' ' k 0 .

1.7. Convexidade

1.7.1. Definio
Diz-se que b R m uma combinao convexa dos vetores A1 , A2 ,..., An R m se:
b = 1 .A1 + ... + n A n
n

com :

= 1 e i 0 para i = 1,..., n

i =1

1.7.2. Interpretao geomtrica

Ex1: Se A3 uma combinao convexa de A1 e A2 , ento:

A3 = . A1 + (1 ). A2
A3 = . A1 + A2 . A2
( A3 A2 ) = ( A1 A2 ).
Isto : os vetores ( A3 A2 ) e ( A1 A2 ) tm a
mesma direo, j que R.

Ex2 :

A4 = . A1 + (1 ). A3
A5 = (1 k ). A2 + k . A4
= (1 k ). A2 + k . A4
= (1 k ). A2 + k . . A1 + k (1 ). A3
= (k . ). A1 + (1 k ). A2 + [k (1 )]. A3

Se 0

0 k 1
0 1 k 1
1 e 0 k 1
0 1 1
0 k (1 ) 1

Como k + (1 k ) + k (1 ) = 1 A5 uma combinao convexa de A1 , A2 e A3 .

1.7.3. Conjunto Convexo

1.7.3.1. Definio
Seja C R m e A1 , A2 C , quaisquer.
Seja b = 1 A1 + 2 A2 uma combinao convexa de A1 e A2 , com 1 + 2 = 1 ,
0 1 , 2 1 .
Se

b C C chamado de conjunto convexo.

Ex:

1.7.3.2. Ponto extremo

A um ponto extremo se a condio A = 1 A1 + 2 A2 , com 1 e 2 definidos

anteriormente, implicar em A = A1 ou A = A2 .

2. Modelos de Programao Linear (PL)

2.1. Conceitos

a) Otimizao: alocao de recursos, em geral, limitados entre atividades

competitivas, procurando atender a um certo objetivo. A minimizao de custos ou
a maximizao de lucros. Em grande parte dos casos prticos, esse objetivo pode
ser expresso por uma funo, chamada "funo objetivo" ou "funo custo", ou
ainda de "funo critrio".
b) Restries: so as limitaes existentes nos recursos disponveis ou ainda as
limitaes fsicas que se impem s variveis descritivas das atividades. Essas
restries so representadas por equaes e/ou inequaes.
c) Programao Linear: problema de otimizao em que a funo objetivo, bem como as
restries so lineares.
d) Tipos de otimizao:

Critrio f(x)

Restries

Domnio das

Denominao

variveis
linear

linear

Rn

PL

convexa

linear

Rn

convexa

cncava
quadrtica

linear

Rn

quadrtica

qualquer

quaisquer

Zn e I n

inteira

no-linear

no-linear

Rn

no-linear

qualquer

quaisquer

qualquer

dinmica

2.2. Modelos

2.2.1. Atividades concorrentes

Considere uma unidade fabril com capacidade para produzir n produtos distintos,
com diferentes nveis de consumo de recursos e que produzem lucros distintos. Deseja-se
definir o nvel de produo de cada produto, de forma que o lucro total obtido seja mximo.
Sejam:
a) x1 ,..., xn : os nveis de produo dos n produtos;
b) c1 ,..., cn : os lucros unitrios dos n produtos;
c) b1 ,..., bm : os diferentes recursos disponveis (limitados), necessrios manufatura

dos n produtos;
d) ai1 ,..., ain : os nveis de consumo do recurso i, cujo total bi, na fabricao de uma
unidade dos produtos x1 ,..., xn , respectivamente.
Dessa forma, podemos formular o problema de otimizao como:
Maximizar a funo:
n

z = cjxj
j =1

Sujeita s restries:
n

a x
ij

bi (i = 1,..., m) e x j 0 ( j = 1,..., n)

j =1

Exemplo: Uma fbrica produz os produtos I, II e III com nveis de consumo de

recursos conforme a tabela seguinte:

Recursos

MAQ 01

Horas/ unidade dos Produtos

Tempo disponvel
(em horas/ms)

II

III

100

MAQ 02

120

MO 01

176

MO 02

132

10

15

20

80,0

20,0

40,0

Lucro Unitrio ($)

Produo Mxima (unid.)

O problema pode ser formulado como:

maximizar z = 10 x1 + 15 x2 + 20 x3

2 x1 + 3x2 + x3 100

(restries de mquinas)
x1 + x2 + 2 x3 120
2 x + 2 x + 3 x 176
1
2
3
sujeita a
(restries de mo - de - obra)
x
+
2
x
+
x

132
1
2
3

x , x , x 0
1 2 3

como tambm : x1 80,0; x2 20,0; x3 40,00 restries de mercado.

2.2.2. O problema da dieta

Considere que uma pessoa deseja minimizar o custo de sua dieta diria, mantendo
os nveis de consumo recomendados para as diferentes vitaminas.
Sejam:
a) x1 ,..., xn : os nveis de produo dos n alimentos pertencentes dieta;
b) bi : o nvel mnimo de consumo da vitamina i;
c) ai1 ,..., ain : as quantidades da vitamina i, contidas nos alimentos 1,..., n ,
respectivamente;
d) c1 ,..., cn : os custos unitrios dos alimentos 1,..., n , respectivamente.

Exemplo: a dieta de uma pessoa deve constar de 03 alimentos, cujos teores de

vitaminas, bem como os nveis mnimos de consumo se encontram na tabela seguinte:

Vitaminas

Consumo mnimo

Teor vitamnico dos alimentos (mg/unid)

dirio (mg)

A1

A2

A3

80

10

10

70

100

15

60

20

80

32

180

Preos dos alimentos ($ / unid)

O problema pode ento ser formulado como:

minimizar C = 80 x1 + 32 x2 + 180 x3
10 x1 + 5 x2 + 10 x3 80
8 x + 7 x + 6 x 70
2
3
1
sujeita a: 15 x1 + 3 x2 + 7 x3 100
20 x + 2 x + 9 x 60
2
3
1
x1 , x2 , x3 0

2.2.3. O problema do transporte

Consiste em minimizar o custo total do transporte de mercadorias de m centros
fornecedores para n centros consumidores.

xij : quantidade a transportar do fornecedor i para o

consumidor j.
m

d x

z=

ij

ij

i =1 j=1

d ij : custo unitrio do transporte de i para j.

n

ij

= ai : quantidade disponvel na origem i (fornecedor).

j =1

ij

= bj :

quantidade

solicitada

pelo

destino

i =1

(consumidor).

2.2.4. O problema da designao

Consiste de um caso particular do problema do transporte em que: m = n ;
ai = 1 i; b j = 1 j. O modelo assume, portanto, a seguinte forma:
min

z = cij xij
i =1 j =1

m=n
n

i =1

j =1

sendo xij = 1; xij = 1

xij 0, i = 1,..., n, j = 1,..., n.

Alm dessas restries, deve-se considerar que:

1, se a origem i corresponder ao destino j
xij =
0, caso contrrio.

2.3. Representao grfica do processo de soluo

Consideremos um problema, simplificado, de atividades concorrentes, consistindo
da fabricao de dois produtos (A e B), que consomem horas de mquinas e de mo-deobra, conforme se apresenta de forma esquemtica na tabela abaixo:

Recursos

Tempo disponvel
horas/dia

Nvel de consumo dos recursos

horas / unidade por produto
A

MAQ 01

13

MAQ 02

MO 01

MO 02

12

15

Lucro unitrio ($)

O que corresponde a:
mx : z = 12 x1 + 15 x2
x1 + 3 x2 13
x1 + x2 6
sendo : 2 x1 6 x1 3
x2 4
x1 , x2 0

No plano x1 x x2 , tem-se:

Parametrizando

equao

z = 12 x1 + 15 x2 ,

obtemos:
4
z
x2 = x1 +
5
15

(1).

Logo, a maximizao ocorrer no ponto em que a funo z assumir o mximo valor,

que permite a interceptao da reta (1) com a regio OABCDE .
Este o ponto C, que possui as coordenadas x1 = 2,5 e x2 = 3,5 .
Com isso, obtemos z = z = 82,5.
2.4. Soluo algbrica - solues bsicas

x1 3

x1 + x3 = 3

x2 4

x 2 + x4 = 4

O sistema x1 + x2 6

evolui para x1 + x2 + x5 = 6

x1 + 3x2 13

x1 + 3 x2 + x6 = 13

x1, x2 0

x1 , x2 , x3 , x4, x5 , x6 0

Esse sistema possui uma soluo compatvel bvia:

{x3 = 3, x4 = 4, x5 = 6, x6 = 13, x1 = 0, x2 = 2} 0(0,0)
A funo z = 12 x1 + 15 x2 assume o valor z = 0 para esta soluo. O valor de z
crescer apenas com o crescimento de x1 ou de x2, o que possvel com a entrada de x1
e/ou x2 na base. A fim de simplificar o controle sobre o atendimento s restries, apenas

uma das variveis ser incrementada, por vez. Como a funo objetivo cresce mais
rapidamente com x2 do que com x1 , ento x2 dever entrar na base.
Adotando uma estratgia conhecida como gulosa, a varivel x2 deve assumir o
maior valor possvel. Entretanto, esta no pode crescer a tal ponto de tornar outra varivel
negativa. Expressando as variveis bsicas em funo das no-bsicas, descobre-se aquela
que mais rapidamente atinge o valor zero, com o crescimento de x2 . Essa deve ento ceder
seu lugar na base para x2 . Portanto:

x 3 = 3 x 1 ; x1 = 0
x4 = 4 x2
x 4 sai da base .
x 5 = 6 x1 x 2 ; x1 = 0
x 6 = 13 x1 3x 2 ; x 1 = 0
A nova base ento {x3 , x2 , x5 , x6 } , cuja soluo bsica corresponde a:

{x3 = 3, x2 = 4, x5 = 2, x6 = 1, x1 = 0, x4 = 0} z = 60 .
Observar que essa soluo corresponde, no plano x1 x x2, ao ponto (0, 4), isto , ao
ponto A.
Para saber se z ainda pode crescer, devemos express-la em funo das variveis
no-bsicas:
z = 12 x1 + 15(4 x4 ) = 60 + 12 x1 15 x4

Como z decresce com x4 , esta deve permanecer fora da base. Mas z cresce com x1 ,
que deve ento entrar na base. Para definir que varivel deve sair da base, expressam-se as
variveis (atualmente) bsicas, em funo das demais. Observa-se, nas equaes abaixo,
que a varivel x6 a que mais limita o crescimento de x1.

x3 = 3 x1
x2 = 4 x4 ; x4 = 0
x5 = 6 x1 4 x4 = 2 x1; x4 = 0 x6 deve sair da base
x6 = 13 x1 12 x4 = 1 x1; x4 = 0

Assim, a nova base fica {x3 , x2 , x5 , x1} . Esses procedimentos podem ser
implementados sobre a matriz aumentada do sistema de equaes:
1
0

0
1
1
3

1
0
0
0

0
1
0
0

0
0

0
1
0
0

1 3
0 1
0 2
0 3

0
0
1
0

0
0
0
1

3
M 4
M 6 L3 L2

M 13 L4 3L2

1
0

0 1 M
0 0 M
1 1 M
0 1 M

0
1
0
0

1 0
0 1
0 1
0 3

0
0
1
0

0
0
0
1

M 3 L1 L4
M 4
M 2 L3 L4

M 1

2
4
{x3 = 2, x2 = 4, x5 = 1, x1 = 1, x4 = 0, x6 = 0}
1

Substituindo, na funo objetivo, as variveis bsicas pelas no-bsicas, usando a segunda e

a quarta linhas da matriz aumentada, tem-se:

z = 12 x1 + 15 x2 = 12.(1 + 3 x4 x6 ) + 15 (4 x4 )
z = 72 + 21x4 12 x6 x4 deve entrar e x6 permanecer fora da base

x1 = 1 + 3 x4 x6 ; x6 = 0
x2 = 4 x4
x3 = 2 3 x4 x6 ; x6 = 0
x5 = 1 2 x4 + x6 ; x6 = 0 x 5 cede seu lugar na base para x4
Logo, tem-se:
0
0

0
1
0
0

1
0
0
0

0 3 / 2 1/ 2
0 1/ 2 1/ 2
1 1/ 2 1/ 2
0 3 / 2 1/ 2

M 1/ 2
M 7 / 2
M 1/ 2

M 5 / 2

A nova soluo bsica :

{ x3 = 1 / 2 , x2 = 7 / 2 , x4 = 1 / 2 , x1 = 5 / 2 , x5 = 0 , x6 = 0 }

z = 72 + 21x4 12 x6 ; x4 = 1 / 2 1 / 2 x5 + 1 / 2 x6
z = 72 + 21 / 2 21 / 2 x5 + 21 / 2 x6 12 x6 z = 82,5 10,5 x5 1,5 x6 z = z = 82,5

A entrada de x5 ou x6 na base reduz o valor de z. Logo z = 82,5 o valor timo.

3. O Mtodo Simplex

3.1. Teorema I
"O conjunto de todas as solues compatveis de um problema de programao
linear um conjunto convexo".

3.1.1. Demonstrao
Seja o problema max

Ax b
com c( nx1) , x( nx1) , A( mxn ) , b( mx1) .
z = cx sujeita a
x 0

Chamando C o conjunto definido por Ax b e x 0 .

Se x1 C e x 2 C , ento:
Ax1 b Ax1 b ou A(x1 ) b

Ax 2 b (1 ) Ax 2 (1 )b ou A(1 )x 2 (1 )b

x1 0 ou somando :

x 2 0
A[x + (1 )x ] b
1
2

Logo:
x = x1 + (1 )x 2 C

pois :

+ (1 ) = 1 e se 0 1 (0 1 1) e x 0 .
Logo C convexo.

3.2. Teorema II
"Toda soluo bsica compatvel do sistema Ax = b um ponto extremo do
conjunto convexo C ".

3.2.1. Demonstrao
x1
M

x
Considere x = m um soluo bsica compatvel.
0
M

0
Ento xi 0 , i = 1,..., m .
y1
z1

Considere ainda y = M e z = M C , yi , zi 0 .
yn
zn
Como x C , que um conjunto convexo, ento:
x = y + (1 )z,0 1.

Ou ainda:

xi = yi + (1 ) z1 , (i m)
x j = 0 = y j + (1 ) z j , (m < j n).

a) Para 0 < < 1 y j = 0, z j = 0, j = m,..., n. Assim, x = y = z , j que possuem as

mesmas variveis no-bsicas.
b) Para = 0 z j = 0, j = m,..., n. Assim, x = z .

c) Para = 1 y j = 0, j = m,..., n. Assim, x = y .

Portanto, x ponto extremo.

3.3. Teorema III

"Se a funo objetivo possui mximo (ou mnimo) finito, ento existe um ponto

extremo do conjunto convexo C, que produz o valor timo da funo".

3.3.1. Demonstrao
A partir do teorema II, conclui-se facilmente que o conjunto de pontos extremos,
pertencentes ao espao de solues do problema, um conjunto finito. Portanto, sejam
x1,K, x p os pontos extremos de C.

Seja x0 C um ponto de mximo, isto :

M = z (x 0 ) z (x), x
p

Para j 0 e

j =1

= 1, x0 = 1x1 + ... + p x p , j que x0 pertence ao conjunto convexo C.

Avaliando o valor da funo objetivo no ponto x0, tem-se:

z (x 0 ) = z (1x1 + ... + p x p ) = 1z (x1 ) + ... + p z (x p )

Seja: x m um ponto extremo, tal que z (x m ) z (xi ), i = 1,..., p . Ento, combinando
essa condio com a equao acima, tem-se:

1z (x m ) + 2 z (x m ) + ... + p z (x m ) z (x0 )
p

ou z (x m )

j z (x0 )
j =1

Ou ainda:
z (x m ) z (x 0 )
Combinando com
z (x m ) z (x 0 ) z (x 0 ) = z (x m ).

3.3.2. Teorema IV
"Se a funo objetivo assume valor mximo (mnimo) em mais de um ponto
extremo, ento a funo tem o mesmo valor para qualquer combinao convexa desses
pontos extremos".
3.3.3. Demonstrao
Sejam x1,..., x q pontos extremos tais que: z (x1 ) = z (x 2 ) = ... = z (x q ) = M .
Seja x uma combinao convexa de x1 ,L x q . Ento:
q

x=

j x j , j = 1, 0,

j =1
j =1

Logo:

z ( x) =

j =1

j =1

j z ( x j ) = z ( x q ) j = M .

3.4. Forma padro - Forma cannica

Diz-se que o sistema Ax = b est na forma padro (standard) se xi 0 , i = 1,..., n e
b j 0, j = 1,..., m. Se, alm disso, o sistema apresenta uma base bvia, diz-se que ele est
na forma cannica.

3.5. Soluo atravs de tabelas

Se a forma cannica do sistema do problema anterior for aumentada de uma
equao, correspondendo a funo objetivo, tem-se:
1z
0z
0z
0z
0z

12 x1
+ 1x1
+ 0 x1
+ 1x1
+ 1x x

15 x2
+ 0 x2
+ 1x2
+ 1x2
+ 3x2

+
+
+
+
+

0 x3
1x3
0 x3
0 x3
0 x3

+
+
+
+
+

0 x4
0 x4
1x4
0 x4
0 x4

+
+
+
+
+

0 x5
0 x5
0 x5
1x5
0 x5

+
+
+
+
+

0 x6
0 x6
0 x6
0 x6
1x6

= 0
= 3
= 4
= 6
= 13

Fator

limitante Base

x1

x2

x3

x4

x5

x6

1 -12 -15

0 L0 + 15L2

q
3/0

x3

3 L1

4/1

x4

4 L2

6/1

x5

6 L3 L2

13/3

x6

13 L4 3L2

x1

x2

x3

x4

x5

x6

Base

1 -12

15

60 L0 + 12L4

3/1

x3

3 L1 L4

4/0

x2

4 L2

2/1

x5

-1

2 L3 L4

1/1

x6

-3

1 L4

x1

x2

x3

x4

x5

x6

Base

0 -21

12

72 L0 + 21 / 2 L3

2/3

x3

-1

2 L1 3 / 2 L3

4/1

x2

4 L2 1 / 2 L3

1/2

x5

-1

1/(-3)

x1

-3

x1

x3

x2

x4

x5

x6

1 1 / 2 L3
1 L4 + 3 / 2 L3

Base

0 10.5 1.5 82.5

x3

0 -1.5 0.5 0.5

z = 82.5

x2

0 0.5 0.5 3.5

x4

1 0.5 -0.5 0.5

x1

0 1.5 0.5 2.5

3.5.1. Generalizao
Ax b; A ( mxn )
x, b 0
z x1 x 2
Fator q Base 1 a01 a02
q1
xn +1 0 a11 a12
M
M
M M
M
qm
xn + m 0 am1 am 2

L xn
L a0 n
L a1n
M
M
L amn

xn +1
0
1
M
0

L xn + m
L 0
L 0
M
M
L 1

b
0
b1
M
bm

c j , j = 1,..., n
aoj( 0 ) =
0, j = n + 1,..., n + m

1. Identificar uma soluo bsica compatvel inicial.

2. Escolher varivel no-bsica que deve entrar na base.
aoi = min aoj ; j = j1 ,..., jn ; jk B ; dentre aoj < 0.
Seleciona-se assim a varivel i para entrar na base.
3. Escolher a varivel que deve sair da base.

bj
; j = 1,..., m; dentre os q j 0
ql = min q j =

a
ji

Obs: O ndice l identifica a posio no conjunto B = {L} da varivel bsica que deve deixar
a base.

1 (t )
alk ; k = 1,..., n + m + 1.
ali

4.

Transforma-se a linha l para alk( t +1) =

5.

A fim de "zerar" os demais elementos da i-sima coluna:

(t )

( t +1)
pk

=a

(t )
pk

a pi
p = 0,1,..., n( l )

alk ,
k = 1,..., n + m + 1
ali

Retorna-se ao passo dois e repetem-se os demais passos, enquanto o timo no for

atingido.

3.6. Problemas de minimizao

Esses problemas podem ser resolvidos de formas distintas:

3.6.1. Min z = Max ( z )

Maximiza-se o simtrico da funo objetivo.

3.6.2. Alteram-se os critrios de otimalidade e de entrada na base

3.7. Situaes especiais

3.7.1. Empate de v variveis na entrada

Escolhe-se arbitrariamente qualquer das "v" variveis para entrar na base.
Obs: O n de iteraes para alcanar o "timo" funo da varivel escolhida.

3.7.2. Empate na sada - degenerao

Isso significa que mais de uma varivel se anula ao mesmo tempo. Escolhe-se
aleatoriamente uma delas para deixar a base.

Nesse caso, variveis bsicas assumem o valor zero. Diz-se que a soluo
degenerada.

max z = 2 x1 + 3 x2

Ex :
s.a.

x1 3
x2 4

x1 + 3 x2 12
Forma cannica:
z 2 x1 3x 2 = 0
x + x = 3
1
3

x2 + x4 = 4
x1 + 3 x2 + x5 = 12

(1)
Fator q

x1 x2

x3

x4

x5

Base

1 -2 -3

0 L0 + 3L2

3/0

x3

3 L1

4/1

x4

4 L2

12/3

x5

1 12 L3 3L2

(2)

x1 x2

x3

x4

x5

Base

1 -2

0 12 L0 + 2 L3

3/1

x3

3 L1 L3

4/0

x2

4 L2

0/1

x5 x5

0 -3

0 L3

(3)

x1 x2

x3

x4

x5

Base

0 -3

3/3

x 3 x3

-1

4/1

x2

4 L2 + 1 / 3L1

0/(-3)

x1

0 -3

0 L3 L1

(4)

x1 x2

x3 x 4

3 1 / 3L1

x5

Base

x4

0 1/3

1 -1/3

x2

1 -1/3

0 1/3

x1

2 12 L0 + L1

1 15

z = 15

Se de (1) para (2) escolhermos x5 em vez de x4 :

(1)

Fator q

x2

x3

x4

x5

Base

-2

-3

0 L0 + L3

3/0

x3

3 L1

4/1

x4

4 L2 1 / 3L3

12/3

x5

(2)

x1

x2

x3

x4

12 1 / 3L3

x5

Base

-1

x3

0/(-1/3) x 4

0 -1/3

1 1/3

0 L2 + 1 / 3L1

4/(1/3)

0 1/3

0 1/3

4 L3 1 / 3L1

3/1

x2

(3)

x2 4

x1

x3

x2

x5

x4

x1

x4

0 1/3

1 1/3

x2

1 -1/3

0 1/3

Ex : max z = x1 + 3 x 2
x1 3

12 L0 + L1

Base

3.7.3. Solues Mltiplas

s.a.

x1

15 Z ot = 15

x1 + 3 x 2 13

Forma cannica:
z x1 3 x 2 = 0
x + x = 3
1
3

x
+
x
4 = 4
2
x1 + 3 x 2 + x5 = 13

(1)
Fator q

x1

x3

x2

x5

x4

Base

-1

-3

0 L0 + 3L2

3/0

x3

3 L1

4/1

x4

4 L2

13/3

x5

13 L3 3L2

Fator q

(2)

x1

x2

x3

x4

x5

Base

-1

12

L0 + L3

3/1

x3

L1 L3

4/0

x2

L2

1/1

x5

-3 1

L3

(3)

x1

x2

x3

x4

Base

00 1

13

L0

2/3

x3 x3

-1

1 / 3L1

4/1

x2

L2 1 / 3L1

1/(-3)

x1

-3 1

L3 + L1

(4)

x1

x2

x3

x4

x5

Base

13

x4

1/3

-1/3 2/3

x2

-1/3 0

1/3 10/3

x1

x5

3.8 Soluo Inicial

3.8.1. Todas as restries do tipo e todos os bi 0

x j 0 forma cannica (soluo compatvel bsica bvia).

3.8.2. bk < 0 , para algum k, ou alguma restrio do tipo .

Nesse caso a soluo bsica bvia, composta pelas variveis de folga, ser no
compatvel.
Ex:
Max z = 2 x1 + x2
x1 3
x2 4
x1 + x2 13

Para eliminar esse inconveniente, introduz-se uma varivel artificial na k-sima

equao, cujo coeficiente deve ter sinal contrrio daquele da varivel de folga da mesma
equao.
Ex :
x1 + 3 x 2 x5 + x6 = 13

A fim de no alterar a k-sima equao, deve-se garantir que a varivel artificial

seja nula, quando se atingir o timo. Isso pode ser conseguido de duas maneiras:

I. Mtodo do M grande
Para no permitir que x6 pertena base tima, altera-se a funo-objetivo para:
Z novo = Z Mx6 , sendo M >> que as quantidades envolvidas no problema.

II. Mtodo da funo-objetivo artificial

Constri-se a funo W = xartificial , que deve ser minimizada. Obviamente,

W timo = 0 e todos os xi ,artificial = 0 .

Ex :
min W = x6 mx(W ) = x6

(1)

x1
1

Base

x2
0

x3
0

x4
0

x5
0

x6
0

0 L0 L3 (linha 0

Fator q

em funo das
variveis nobsicas)

x3

3 L1

x4

4 L2

x6

-1

13 L3

(2)

x1

x2

x3

x4

x5

x6

Base

-1

-3

0 -13 L0 + 3L2

3/0

x3

3 L1

4/1

x4

4 L2

13/3

x6

-1

(3)

x1

x2

x3

x4

x5

13 L3 3L2

x6

Base

-1

-1 L0 + L3

3/1

x3

3 L1 L3

4/0

x2

4 L2

1/1

x6

-3

-1

1 L3

(4)

Base

x1
1

x3

x2
0

x5

x4
0

x6
0

x3

-1

x2

x1

-3

-1

(5)

x1

x2

x3

x4

x5

x6

Base

-2

-1

0 L0 + L2 + 2 L3

Base

-5

-2

x3

x2

x1

-3

-1