Apostila de Programação Linear Do Prof João Antonio Vasconcelos PDF

Programao Linear
Universidade Federal de Minas Gerais
Departamento de Engenharia Eltrica
Apostila de Programao Linear
Prof. Joo Antnio de Vasconcelos
Fev 2005
Prof. Joo Antnio de Vasconcelos 1

Programao Linear
Programao Linear 1. Aula
1) Problemas de Programao Matemtica como Problemas de Otimizao
O que so Problemas de Otimizao?

Os problemas de Otimizao so problemas de maximizao ou minimizao de funes de
variveis num determinado domnio normalmente definido por um conjunto de restries nas
variveis.
O que so problemas de programao matemtica?

Os problemas de Programao Matemtica so uma classe particular de Problemas de
Otimizao aplicados nos campos da organizao e da gesto econmica, em que o objetivo
e as restries so dadas como funes matemticas e relaes funcionais.
A terminologia Programao Matemtica tem sua origem na relao:

Programao Linear
Programao planejamento de atividades.

Matemtica o problema representado por um modelo matemtico composto de
funes objetivo(s) e restries dependentes das variveis de deciso..
O problema representado matematicamente pelo modelo:
Minimize f( x1 , x2 ,, xn )
(max imize )
sujeito a : g 1 ( x1 , x2 ,, xn ) { ,= , } b1
g 2 ( x1 , x2 ,, xn ) { ,= , } b2
L
g m ( x1 , x2 ,, xn ) { ,= , } bm
x1 , x2 ,, xn 0 (1)
em que x1 , x2 ,, xn so as n variveis de deciso, f( x1 , x2 ,, xn ) a funo objetivo, g i ( x1 , x2 ,, xn ) ,

para i = 1, 2, ..., m so as m restries do problema.

Programao Linear
Os problemas de Programao Matemtica podem ser classificados em lineares, se f (x1, x2,

, xn ) , gi (x1, x2, , xn ), para i = 1, 2, ..., m so funes lineares e em no-lineares, se alguma
das relaes f (x1, x2, , xn ) ou gi (x1, x2, , xn ), para i = 1, 2, ..., m for uma funo no-linear.
Os problemas de Programao Matemtica como Problemas de Otimizao abrangem a

anlise e estudo de sistemas de forma a determinar o programa de ao mais adequado ao
alcance de certo objetivo, tendo em conta as restries que limitam o seu comportamento.
2) Problemas de Programao Linear como classe particular dos problemas de

Programao Matemtica Definies bsicas
Os problemas de Programao Linear so uma classe particular de problemas de

Programao Matemtica, onde a funo objetivo e as restries so representadas por
funes lineares.
A terminologia Programao Linear tem sua origem na relao:

Programao Linear
Programao planejamento de atividades.

Linear o problema representado matematicamente pelo modelo em que todas as
funes f (x1, x2, , xn ) , gi (x1, x2 , , xn ), so lineares.
Os problemas de Programao Linear determinam o planejamento timo de atividades, ou

seja, um plano timo que representa a melhor soluo entre todas as solues possveis.
Um problema de programao linear corresponde a uma programao matemtica no qual a

funo objetivo linear e as restries consistem de igualdades e/ou desigualdades lineares.
A forma exata dessas restries pode diferenciar de um problema para outro, mas, de uma
forma geral, a programao linear pode se transformar na seguinte forma padro:

Programao Linear
Minimize z = c1 x1 + c2 x2 + + cn xn
sujeito a : a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn = b2
L
am1 x1 + am2 x2 + + am n xn = bm
x1 , x2 ,, xn 0 (2)
onde c1x1 + c2 x2 + + cn xn a funo objetivo a ser minimizada e ser referida pela letra z.
Os coeficientes c1, c2, , cn so coeficientes de custo conhecidos e x1, x2, , xn so as
variveis de deciso cujos valores devem ser determinados.

Programao Linear
n
A igualdade aij x j = bi designa a i-sima restrio. Os coeficientes aij, para i=1, 2, ... , m,
j =1
j=1, 2, ... ,n so chamados de coeficientes tecnolgicos. Estes coeficientes formam a matriz de

restrio A.
a11 a12 L a1 n
a a2 L a2 n
A = 21
M M M M

am am 2 L amn
(3)
O vetor coluna, cujo i-simo elemento bi, referido como vetor do lado direito, vetor
independente, que representa as exigncias mnimas a serem satisfeitas.

Programao Linear
As restries x1, x2,, xn 0 so as restries de no-negatividade. Um conjunto de variveis x1,

x2,, xn satisfazendo todas as restries chamado de ponto vivel, ponto factvel ou
ponto realizvel.
O conjunto de todos os pontos viveis constitui a regio realizvel ou espao vivel.
Usando essa terminologia, o problema de programao linear pode ser estabelecido como
segue: dentre todos os pontos viveis, encontre um que minimize (ou maximize) a funo
objetivo.
Exemplo1: Considere o problema seguinte:
Minimize z = 2x1 + 5 x2
sujeito a : x1 + x2 6
-x1 - 2x2 - 18
x1 , x2 0 (4)

Programao Linear
Neste caso, temos duas variveis de deciso x1 e x2. A funo objetivo a ser minimizada 2
x1+ 5x2. As restries e a regio vivel so ilustradas na figura a seguir.
[0 9]T
[0 6]T
Regio
Vivel
X2 0
T T
0 [6 0] [18 0]
X1 0 1 2
Fig. 1 Regio vivel e restries Exemplo 1.

Programao Linear
O problema de otimizao dessa maneira o problema de encontrar um ponto na regio

vivel com o menor valor da funo objetivo.
Suposies da Programao Linear

Para representar um problema de otimizao como um problema de programao linear,
vrias suposies implcitas formulao da programao linear discutida anteriormente so
necessrias. Estas suposies so:
1. Proporcionalidade: Dada uma varivel xj, sua contribuio para formar o custo cjxj e
sua contribuio para a i-sima restrio aij x j . Isto significa que se xj aumentado de
duas vezes, tambm o a sua contribuio para o custo e para cada uma das restries.
2. Aditividade: Esta suposio garante que o custo total a soma dos custos individuais, e
que a contribuio total i-sima restrio a soma das contribuies individuais das
atividades individuais. Em outras palavras, no h substituio ou efeitos de interao
entre atividades.

Programao Linear
3. Divisibilidade: Esta suposio assegura que as variveis de deciso podem ser

divididas em qualquer nvel fracionrio. Isto , elas podem assumir valores no-inteiros.
4. Determinstico: Os coeficientes c j , aij e bj so todos conhecidos deterministicamente.
Qualquer elemento probabilstico, estocstico, inerente demanda, aos custos, preos,
disponibilidade de recursos, e assim por diante, so todos assumidos serem
aproximados por um destes coeficientes atravs de algum procedimento determinstico.
Manipulao do Problema 2. Aula

Quando as restries de um modelo de Programao Linear so apresentadas na forma de
inequaes, diz-se que esse modelo est na forma cannica. Abaixo encontram-se alguns
mtodos de converso forma cannica forma padro.
1 Caso: Introduo de variveis de folga

Considere o problema formulado na forma cannica abaixo:

Programao Linear
Maximize z = c1 x1 + c2 x2 + + cn xn
sujeito a : a11 x1 + a12 x2 + + a1n xn b1
a21 x1 + a22 x2 + + a2n xn b2
L
am1 x1 + am2 x2 + + am n xn bm
x1 , x2 ,, xn 0 (5)
Nesse caso, o conjunto de restries determinado inteiramente pelas desigualdades

lineares. Mediante operaes, possvel transformar o problema acima para a forma padro.

Programao Linear
sujeito a : a11 x1 + a12 x2 + + a1n xn + xn + 1 = b1
a21 x1 + a22 x2 + + a2n xn + xn + 2 = b2
L
am1 x1 + am2 x2 + + am n xn + xn + m = bm
x1 , x2 ,, xn , ..., xn + m 0 (6)
As novas variveis positivas xn +1 , xn + 2 ,...., xn + m introduzidas para converter as

desigualdades em igualdades so chamadas de variveis de folga. O novo problema com n +
m incgnitas se encontra na forma padro. A matriz m x (m + n) que agora descreve as
restries de igualdade lineares da forma especial [A, I] (ou seja, as colunas podem ser
separadas em dois conjuntos; as primeiras n colunas se originam da matriz original A, e as
ltimas m colunas se originam de uma matriz identidade (m x m).

Programao Linear
2 caso: Variveis Surplus (Excesso)

Considere o problema formulado na forma cannica abaixo:
sujeito a : a11 x1 + a12 x2 + + a1n xn b1
a21 x1 + a22 x2 + + a2n xn b2
L
am1 x1 + am2 x2 + + am n xn bm
x1 , x2 ,, xn 0 (7)
Essa forma equivalente a:

Programao Linear
sujeito a : a11 x1 + a12 x2 + + a1n xn xn + 1 = b1
a21 x1 + a22 x2 + + a2n xn xn + 2 = b2
L
am1 x1 + am2 x2 + + am n xn xn + m = bm
x1 , x2 ,, xn , ..., xn + m 0 (8)
3 Caso: Variveis Livres
Se um problema de programao linear dado na forma padro exceto que uma ou mais
variveis desconhecidas no so restringidas pela condio de no-negatividade, o problema
poder ser transformado na forma padro utilizando-se duas tcnicas. Para mostrarmos isto,
considere o problema:

Programao Linear
sujeito a : a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn = b2
L
am1 x1 + am2 x2 + + am n xn = bm
x1 , x2 ,, x j -1 , x j +1 ,..., xn 0
(9)
1) Suponha que no problema anterior, a restrio xj 0 no esteja presente. Dessa forma,

pode-se escrever:
x j = xj xj
(10)

Programao Linear
em que se requer xj 0 e xj 0. Se ns substituirmos xj por xj xj em todo o
problema, a linearidade das restries preservada e todas as variveis so agora no-

negativas.
2) Uma segunda maneira para converter forma padro quando xj livre, consiste em
eliminar xj juntamente com uma das equaes de restrio. Por exemplo, seja a i-sima
equao abaixo:
ai1 x1 + ai2 x2 + + aij x j + ain xn = bi

(11)
onde aij 0.

Programao Linear
Ento xj pode ser expressa como uma combinao linear das outras variveis mais uma
constante.
x j = [bi ( ai1 x1 + ai2 x2 + + ain xn )] / aij

(12)
Se essa expresso substituir xj em todas as equaes, teremos um novo problema

expresso em funo de x2, x3, ..., xn. Como resultado, teremos agora um problema de
programao linear com n 1 variveis e m 1 equaes de restries. O valor de xj
pode ser determinado a partir de (12). Este segundo procedimento raramente utilizado
devido s dificuldades de manipulao de dados e implementao numrica.
4 Caso: Variveis Limitadas Inferior ou Superiormente

Se xj lj, ento a nova varivel xj xj - lj automaticamente no-negativo. Por outro lado, se
xj uj , ento a nova varivel xj uj - xj produz uma varivel xj no-negativa.

Programao Linear
Transformao de Problemas de Minimizao em Maximizao

interessante notar que qualquer problema de maximizao (minimizao) pode converter-se
num problema de minimizao (maximizao), pois:
mximo z = - mnimo (- z) (13)

n n
mximo c j x j = - mnimo - c j x j
j =1 j =1
(14)
Assim, um problema de maximizao (minimizao) pode ser convertido em um problema de
minimizao (maximizao) atravs da multiplicao dos coeficientes da funo objetivo por -
1. Depois de concluda a otimizao do novo problema, a funo objetivo do problema original
igual -1 vez o valor timo da funo objetivo do novo problema.
Forma Padro e Forma Cannica

Da discusso anterior, vemos que um dado problema linear pode ser colocado em diferentes
formas equivalentes atravs de manipulaes adequadas. Duas formas em particular sero

Programao Linear
teis: forma padro e forma cannica. Um problema dito estar na forma padro quando
todas as restries so de igualdade e todas as variveis so no-negativas. O mtodo
simplex foi projetado para ser aplicado somente aps o problema ser colocado na forma
padro.
A forma cannica tambm til especialmente na explorao de relaes de dualidade. Um

problema de minimizao se encontra na forma cannica se todas as variveis so no-
negativas e todas as restries so do tipo . Um problema de maximizao est na forma
padro se todas as variveis so no-negativas e todas as restries so do tipo . A Tabela I
a seguir faz um resumo destas discusses.
Tabela I: Sumrio da Manipulao do Problema de Programao Linear
Forma Minimizao Maximizao

Programao Linear
n n
Minimize z= cj xj Maximize z = c j x j
j =1 j =1
n
a ij x j = bi
n
Padro i = 1 ,..., m
sujeito a :
j =1
sujeito a : a
j =1
ij x j = bi i = 1 ,..., m
xj 0 j = 1 ,..., n
xj 0 j = 1 ,..., n
n n
Minimize z = c j x j Maximize z = c j xj
j =1 j =1
n n
Cannica
sujeito a : a ij x j bi i = 1 ,...,m sujeito a : a
j =1
ij x j bi i = 1 ,..., m
j =1
xj 0 j = 1 ,..., n xj 0 j = 1 ,..., n

Programao Linear
Programao Linear em Notao Matricial

O problema de programao linear pode ser escrito em uma forma mais conveniente usando
notao matricial. Para ilustrar, considere o problema seguinte:
n
Minimize z= cj xj
j =1
n
sujeito a : a
j =1
ij x j = bi i = 1 ,..., m
xj 0 j = 1 ,..., n
(15)
Chamando o vetor linha (c1, c2, ..., cn) por c, e considerando os seguintes vetores x e b, e a
matriz A de ordem mxn,

Programao Linear
x1 b1 a11 a21 an 1
x b a a22 an 2
x = 2 b= 2 A= 21

(16)
xn bm am 1 am 2 amn
o problema pode ser escrito como segue:
Minimize z = cx
sujeito a : Ax = b
x 0 (17)
O problema pode tambm ser convenientemente representado via colunas da matriz A.

Representando A por [a1, a2, ..., am], onde aj a j-sima coluna de A, o problema pode ser
formulado como segue:

Programao Linear
n
Minimize z = c j xj
j =1
n
sujeito a : a
j =1
j xj = b
(18)
xj 0 j = 1 ,...,n
Onde x um vetor n-dimensional coluna, A uma matriz m x n e b um vetor m-dimensional

coluna. O vetor desigualdade x 0 determina que cada componente de x no-negativo.

Programao Linear
Modelagem de Problemas de Programao Linear e Exemplos 3. Aula
Exemplo I : Problema da Dieta

Um nutricionista deve elaborar uma dieta contendo pelo menos 10 unidades de vitamina A, 30
unidades de vitamina B e 18 unidades de vitamina C, contidas em 5 alimentos. O alimento S1
contm 0 unidade de vitamina A, 2 unidades de vitamina B, 3 unidades de vitamina C e custa
R$4,00 por quilograma. O alimento S2 contm 1 unidade de vitamina A, 1 unidade de vitamina
B, 1 unidade de vitamina C e custa R$2,00 por quilograma. O alimento S3 contm 5 unidades
de vitamina A, 0 unidade de vitaminas B e C, e custa R$1,00 por quilograma. O alimento S4
contm 4 unidades de vitamina A, 3 unidades de vitamina B, 9 unidades de vitamina C e custa
R$10,00 por quilograma. O alimento S5 contm 3 unidades de vitamina A, 2 unidades de
vitamina B, 0 unidades de vitamina C e custa R$5,00 por quilograma.
Qual o custo mnimo para se atender dieta estabelecida pelo nutricionista?

Programao Linear
Formulao do Problema:
Os dados referentes aos alimentos S1, S2, S3, S4 e S5 podem ser convenientemente escritos
em uma tabela. Veja Tabela II.
Tabela II: Dados dos Alimentos S1, S2, S3, S4 e S5.
Alim S1 S2 S3 S4 S5
A 0 1 5 4 3
B 2 1 0 3 2
C 3 1 0 9 0
Custo 4 2 1 10 5
Observando a Tabela II, podemos formular o problema considerando x1, x2, ..., x5 como sendo
as variveis de deciso, isto , as quantidades dos alimentos S1, S2, ..., S5 que devem ser
utilizados para compor a dieta de custo mnimo.

Programao Linear
Assim, a formulao do problema pode ser escrita como:
Minimize z = 4 x1 + 2 x2 + x3 + 10 x4 + 5 x5
sujeito a : 0 x1 + 1 x2 + 5x3 + 4 x4 + 3 x5 10
2 x1 + 1 x2 + 0x3 + 3 x4 + 2 x5 30
3 x1 + 1 x2 + 0x3 + 9 x4 + 0 x5 18 (19)
x1 , x2 , x3 , x4 , x5 0
Exemplo II : Problema do Transporte

Quantidades a1, a2, ..., am, respectivamente, de um certo produto devem ser transportadas de
cada uma das m localidades origem para n localidades destino nas quantidades b1, b2, ..., bn.
O custo/unidade de produto transportado da localidade i para a localidade j cij. Deseja-se

Programao Linear
determinar as quantidades xij a serem transportadas entre cada par origem-destino i = 1, 2, ...,
m; j = 1,2, ..., n; de tal forma a satisfazer s exigncias de transporte e minimizar o custo total
associado.
Formulao do Problema : Seja xij a quantidade do produto a ser transportado da cidade

origem i para a cidade destino j. Assim, os dados do problema do transporte pode ser
resumidamente escritos na Tabela III.
Tabela III : Dados do problema do transporte de produtos entre m cidades origem para n
cidades destino.
Destino
Origem 1 2 ... n Soma
1 X11 x12 ... X1n a1
2 X21 X22 ... X2n a2
... ... ... ... ... ...

Programao Linear
m Xm1 Xm1 ... Xmn am

Soma b1 b2 ... bn
Assim, a formulao do problema pode ser escrita como:

Programao Linear
m n
minimize z = cij xij
i =1 j =1
sujeito a :
n
xij = ai i = 1,2 ,..., m
j =1
m
xij = b j j = 1,2 ,..., n
i =1
m n
ai = b j (20)
i =1 j =1
xij 0 i = 1,2 ,..., m;
j = 1,2 ,..., n.

Programao Linear
Exemplo III: Problema da Fbrica

Uma empresa pode fabricar dois produtos (1 e 2). Na fabricao do produto 1, a empresa
gasta 9 horas-homem e 3 horas-mquina. Na fabricao do produto 2, a empresa gasta 1
hora-homem e 1 hora-mquina. Sendo x1 e x2 as quantidades fabricadas dos produtos 1 e 2 e
sabendo-se que a empresa dispe de 18 horas-homem e 12 horas-mquina e ainda que os
lucros por unidade do produto x1 e x2 so R$4,00 e R$1,00, respectivamente, quanto deve a
empresa fabricar de cada produto para obter o maior lucro possvel?
Formulao do Problema : As variveis de deciso j foram dadas, x1 e x2. Os dados deste

problema podem ser esquematicamente escritos na Tabela IV.

Programao Linear
Tabela IV : Dados do problema de produo para maximizao dos lucros.
Produto
Tempo x1 x2 Total disponvel
Horas-homem 9 1 18
Horas-mquina 3 1 12
Lucro/unid 4 1
Este problema possui a seguinte representao matemtica:
Maximize z = 4 x1 + x2
sujeito a : 9 x1 + x2 18
3 x1 + x2 12 (21)
x1 , x2 0
O desenvolvimento desse problema resulta no valor mximo da funo objetivo x1* = 1, x2* = 9
e z = R$13,00. Tente resolv-lo.

Programao Linear
Exemplo IV: Problema da Refinaria de Petrleo

Uma refinaria de petrleo destila leo cru, proveniente de duas fontes: Arbia Saudita e
Venezuela, e produz trs produtos: gasolina, querosene e lubrificantes. Os leos tm
diferentes composies qumicas e fornecem diferentes quantidades de destilados por barril
processado. Cada barril da Arbia d 0,3 barril de gasolina, 0,4 de querosene e 0,2 de
lubrificante. Para o barril proveniente da Venezuela estas quantidades so respectivamente:
0,4, 0,2 e 0,3. Em ambos os casos h 10% de resduos. Os leos diferem em custo e
disponibilidade. A refinaria pode comprar at 9000 barris da Arbia a $ 20,00 o barril e at
6000 barris da Venezuela a $ 15,00 o barril. Contratos da refinaria com distribuidores exigem
que ela produza 2000 barris por dia de gasolina, 1500 de querosene e 500 de lubrificantes.
Como cumprir os contratos gastando o mnimo?
Formulao do Problema : As variveis de deciso so obviamente as quantidades de leo

cru a serem adquiridas da Arbia Saudita e Venezuela. Sejam estas variveis x1 e x2 em
nmero de mil-barris/dia, respectivamente. Os dados deste problema podem ser
esquematicamente escritos na Tabela V.

Programao Linear
Tabela V : Dados do problema de produo para maximizao dos lucros.
Quantidade de leo Cru

Quantidade a ser
Arbia Saudita (X1) Venezuela (x2)
produzida
Gasolina 0,3 0,4 2000
Querosene 0,4 0,2 1500
Lubrificantes 0,2 0,3 500
Compra
9000 6000
Possvel
Custo 20 15

Programao Linear
Minimize z = 20 x1 + 15 x2
sujeito a : 0 ,3 x1 + 0 ,4 x2 2000 (Gasolina )
0 ,4 x1 + 0 ,2 x2 1500 (Querosene)
0 ,2 x1 + 0 ,3 x2 500 (Lubrificantes )
x1 9000 ( Arbia Saudita ) (22)
x2 6000 (Venezuela)
x1 , x2 0 (No negatividade)
A soluo tima deste problema x1* = 2000, x2* = 3500 a um custo mnimo de US92.500,00.
Tente resolv-lo.

Programao Linear
Soluo Geomtrica
A soluo geomtrica adequada para problemas pequenos, de duas ou no mximo trs
variveis. A grande vantagem da soluo geomtrica permitir a visualizao do problema.
Para apresentarmos este tema, considere o problema abaixo.
r r
Minimize cT x
r r
sujeito a : Ax b
r r (23)
x 0
r r
Observe que a regio vivel formada por todo vetor r
x satisfazendo ao sistema Ax b e
r r
x 0 . Dentre todos estes pontos, nos interessamos por determinar um que conduza ao
rT r
mnimo valor para c x .

Programao Linear
n
rT r
Note que pontos cujo valor da funo objetivo z, satisfazem a c x = z, ou c x
j =1
j j = z . Uma
vez que desejamos minimizar z, ento o plano (linha em espao 2D) c x

j =1
j j = z deve ser
deslocado paralelamente a ele prprio na direo que minimiza a funo objetivo. Esta
r
direo c . Veja a representao na figura abaixo.

Programao Linear
X2
[X1*, X2*]T
Diminuio da
funo
Regio
c1 x1 + c 2 x 2 = z 4
Vivel
c1 x1 + c 2 x 2 = z 3
c1 x1 + c 2 x 2 = z 2 X1
r c1 x1 + c 2 x 2 = z 1
c
Fig. 2 Soluo geomtrica do PPL.
r
[
r* r*
fcil notar que o ponto timo x* = x1 , x 2 ]T
um entre os cinco vrtices, os quais so
chamados de pontos extremos.

Programao Linear
Mostraremos mais adiante que se um problema de programao linear na forma padro ou

cannica tem uma soluo tima finita, ento ele possui um ponto timo no vrtice ou ponto
extremo timo.
Exemplo 2: Considere o problema seguinte:
Minimize z = - x1 - 3 x2
sujeito a : x1 + x2 6
-x1 + 2x2 8
(24)
x1 , x2 0

Programao Linear
[4/3 14/3]T 2
[0 Diminuio da
funo objetivo
- x1 - 3 x2 = 46 / 3
Regio
[0 4]T
Vivel
X2 0
T
[0 [6 0]
r X1 0
c = [ 1,3 ] T - x1 - 3 x2 = 0 1
Fig. 3 Soluo geomtrica do PPL do Exemplo 2.
A regio vivel ilustrada na Fig. 3. Para construir esta regio, considere a segunda restrio
- x1 + 2x2 8 . A equao associada a esta restrio - x1 + 2x2 = 8 . O gradiente desta

Programao Linear
funo [-1 2]T. Logo, a funo - x1 + 2x2 aumenta nesta direo e diminui na direo
contrria, isto , na direo [1 -2]T. Consequentemente, a regio vivel a - x1 + 2x2 8
relativa equao - x1 + 2x2 = 8 mostrada na Fig. 2 e compreende pontos na regio de
diminuio de - x1 + 2x2 . As restries de no-negatividade de x1 e x2 restringem a busca ao
primeiro quadrante do sistema de coordenadas. As equaes - x1 - 3 x2 = z = cte so

denominadas de equipotenciais da funo objetivo e so representadas pelas linhas
tracejadas. A soluo tima deste problema naturalmente o vrtice definido pelo ponto [4/3
14/3]T para o qual z* = -46/3.
Classificao das Solues

O objetivo da PL determinar entre as solues viveis uma que seja a melhor medida pelo
valor da funo objetivo do modelo. Por "melhor" entende-se o maior ou menor valor da
funo objetivo, dependendo se o modelo de maximizar ou de minimizar.

Programao Linear
Ao solucionar um problema de PL, podemos ter vrias situaes possveis. No exemplo

anterior tivemos uma nica soluo tima. Outros casos possveis so resumidos a seguir
para problemas de minimizao.
nica soluo tima finita: se a soluo tima finita e nica ento ela ocorre em um ponto
extremo.

Programao Linear
x1 0 Soluo tima finita
Diminuio da
funo objetivo
Regio
Vivel
2
x2 0
r
c 1
Fig. 4.a - Soluo tima nica e finita (regio limitada).

Programao Linear
x1 0 Soluo tima finita
Regio Diminuio da
Vivel funo objetivo
2
x2 0
r
c
Fig. 4.b - Soluo tima nica e finita (regio ilimitada).

Programao Linear
Infinitas solues timas finitas: Este o caso ilustrado na Fig. 5. No caso (a), a regio
vivel limitada. Os dois vrtices x1* e x2* so solues timas, bem como qualquer outro
ponto sobre o segmento unindo-os.
x1 0
Soluo tima finita x1*
1
3 Soluo tima finita

Regio x2*
Vivel
2
Diminuio da
funo objetivo
r x2 0
c
Fig. 5.a Infinitas solues timas (regio limitada).

Programao Linear
x1 0 Soluo tima
finita Fronteira tima
Regio Diminuio da
Vivel funo objetivo
2
x2 0
r
c
Fig. 5.b Infinitas solues timas (regio ilimitada).
Em 5.b, a regio vivel ilimitada. O vrtice indicado ponto timo, bem como qualquer outro
sobre a fronteira tima.

Programao Linear
Valor da funo objetivo na soluo tima ilimitado: Este caso ilustrado pela Fig. 6,
T r r
onde a regio e o timo so ilimitados. Para o problema de minimizao, o plano c x = z
Tr r
pode ser deslocado na direo c x indefinidamente e sempre estar interceptando a regio
vivel. O valor timo z* = - e nenhuma soluo tima existe.

Programao Linear
x1 0
Regio
Vivel
2 Diminuio da
funo objetivo
x2 0
r
c
Fig. 6 Valor da funo objetivo no timo ilimitado (regio ilimitada).

Programao Linear
Regio Vivel Vazia: Neste caso o sistema de equaes e ou inequaes definindo a regio
vivel inconsistente. Para ilustrar isto, considere o problema a seguir:
Minimize z = - 2x1 + 3 x2
sujeito a : - x1 + 2x2 2
2x1 x2 3
x2 4 (25)
x1 , x2 0
Observando a Fig. 7, percebemos claramente que no h nenhum ponto vivel, isto ,

nenhum ponto (x1, x2) satisfaz ao conjunto de desigualdades. O problema dito ser invivel,
inconsistente, ou com uma regio vivel vazia.

Programao Linear
x1 0
x1 + 2 x2 2
2 x1 x2 3
[0 4]T x2 4
[8/3 7/3]T
x2 0
[0 0]T
Fig. 7 Regio vivel vazia.

Programao Linear
Interpretao Espacial 4. Aula

O problema de programao linear pode ser geometricamente resolvido em outro espao,
como veremos a seguir.
Interpretao de Viabilidade
Considere o problema de programao linear na forma padro:
rT r
Minimize c x
r r
sujeito a : Ax = b
r r (26)
x 0
r
onde A uma matriz mxn cuja e-sima coluna aj . Este problema pode ser re-escrito como:

Programao Linear
n
Minimize c x
j =1
j j
rn r
sujeito a : ajxj = b
j =1
(27)
xj 0 j = 1,2, ..., n
r r r
Dado os vetores a1 , a 2 , ...., a n , desejamos encontrar valores no-negativos x1 , x 2 , ...., x n
n
r r n
tais que a j x j = b e ainda que c x j j seja minimizado. Note que o conjunto de vetores
j =1 j =1
n
r
da forma a j
j =1
x j x ,
, onde 1 2x , ...., x n o cone gerado por
r r
a 1 , a 2 , ....,
r
a n.

Programao Linear
r r
a1 r a1 r
a4 a4
r r
a3 r a3
b
r r
a2 a2
r
b
Fig. 8.a Regio vivel no vazia. Fig. 8.b Regio vivel vazia.
r
Assim, o problema possuir uma soluo vivel somente se o vetor b pertencer ao cone
r r
a
gerado pelo conjunto de vetores j . Desde que o vetor b usualmente representa exigncias
a serem satisfeitas, o espao das figuras (a) e (b) acima denominado de espao das
exigncias.

Programao Linear
Exemplo: Considere os dois sistemas dados a seguir:

S1 S2
2x1 + x2 + x3 =2 2x1 + x2 + x3 = 1
- x1 + 3x2 + x4 =3 - x1 + 3x2 + x4 =2
(28)
x1 , x2 , x3 , x4 0 x1 , x2 , x3 , x4 0

Programao Linear
r
b r
r b r
r a2 r a2
a4 a4
r r
a3 a3
r r
a1 a1
Fig. 9 (a) Consistente ou regio vivel no-vazia,

9 (b) Inconsistente ou regio vivel vazia.

Programao Linear
Conceitos Fundamentais
A introduo dos conceitos fundamentais abaixo descritos necessria para a compreenso
do Mtodo Simplex. Alguns destes conceitos j foram introduzidos. No entanto, a repetio de
alguns deles contribui para a melhor compreenso do Mtodo Simplex.
Dado um problema de Programao Linear na forma padro:

n
Minimize c x
j =1
j j
n
r r
sujeito a : ajxj = b
j =1 (29)
xj 0 j = 1,2, ..., n
A constante m o nmero de restries funcionais e n o nmero de variveis de deciso.
Supomos ainda que os termos independentes sejam no negativos: bi 0 (i = 1,2,m), caso

contrrio pode-se sempre multiplicar por (-1) toda a equao.

Programao Linear
Definies:
1. A funo a minimizar, z = c1 x1 + c2 x2 + + cn xn , designa-se por funo objetivo.
2. As equaes (inequaes) designam-se por restries.
3. As desigualdades x1 0, x2 0,, xj 0,, xn 0 designam-se por condies de
no-negatividade.
4. As variveis (x1, x2,, xj,, xn ) designam-se por variveis de deciso.
5. Qualquer especificao de valores para as variveis de deciso (x1, x2,, xj,, xn)
que satisfaa as restries do modelo e as condies de no-negatividade designa-se
por soluo vivel.
6. O conjunto de todas as solues viveis designa-se por conjunto de viabilidade ou
regio de viabilidade.
7. Uma soluo tima minimiza (ou maximiza) a funo objetivo sobre toda a regio
vivel.

Programao Linear
Definio 1. Qualquer conjunto de valores para as variveis (x1, x2,, xn) que satisfaa
as restries do modelo
n
aj =1
j xj = b
(30)
designa-se por soluo.
Definio 2. Se, alm disso, a soluo x = (x1, x2,, xn) verificar as restries de no-
negatividade, x j 0 para j = 1 ,..., n , designa-se por soluo vivel.
O sistema (30) constitudo por m equaes e n incgnitas, onde m n. Suponha-se que a

caracterstica1 da matriz A do sistema seja igual a m. Isto significa que existe uma sub-matriz
quadrada de ordem m (Bmxm) com determinante no-nulo. Esta sub-matriz permite efetuar
1
Chama-se caracterstica de uma matriz Amxn ao nmero mximo de colunas que so linearmente independentes.

Programao Linear
uma classificao das variveis em bsicas (as correspondentes s colunas da sub-matriz B)

e no-bsicas (as restantes n m variveis). Veja Eq. (31).
x1
x
a11 a12 L a1m a1m +1 L a1n 2 b1
a M
a22 L a2 m a2 m +1 L a2 n xB b2
Ax = 21 xm = [B I ] = = b
M M M M M M xN
xm + 1 bm
am1 am 2 L amm amm +1 L amn
M
x
n
(31)
Um sistema nestas condies um sistema indeterminado de grau n-m, em que m variveis
podem ser escritas em termo das restantes n m, e tem, por conseqncia, uma infinidade de
solues (correspondente infinidade de valores que arbitrariamente podem ser atribudos s
n - m variveis).

Programao Linear
Suponha-se ento que x = (x1, x2,, xm, xm+1, xm+2,, xn ) seja uma soluo do sistema de
equaes (31).
Definio 3. Se uma sub-matriz Bmxm da matriz A do sistema (31) no-singular, i.e., o
seu determinante no nulo, ento designa-se por base a sub-matriz Bmxm.
Para simplificar a notao suponha que a base B composta pelas m primeiras colunas, i.e.,
B = {a1 , a2 ,..., am}.
Definio 4. As m variveis x1 , x2,, xm correspondentes s colunas de Bmxm
designam-se por variveis bsicas. Seja o vetor de variveis bsicas o vetor xB
Definio 5. As restantes n-m variveis xm+1 ,xm+2,,xn designam-se por variveis no
bsicas. Seja o vetor de variveis no bsicas o vetor xN.

Programao Linear
Definio 6. Uma soluo bsica para o sistema (31) obtm-se atribuindo o valor
zero s variveis no bsicas xm+1 , xm+2 ,, xn , e determinando, depois, uma soluo para as
m variveis bsicas restantes x1 , x2,, xm , i.e., x = (x1 , x2 , , xm , 0, ,0), onde xB =(x1 , x2
,, xm) a nica soluo do sistema de equaes BxB = b.
Definio 7. Se todas as variveis bsicas x1 , x2 ,, xm so no-nulas, a soluo
bsica designa-se por soluo bsica no degenerada.
Definio 8. Se alguma varivel bsica for igual a zero a soluo bsica designa-se
por soluo bsica degenerada.

Programao Linear
Definio 9. Se uma soluo bsica x verifica ainda as condies de no-negatividade
x j 0 para j = 1 ,..., n - todas as variveis da soluo so no negativas - ento esta

soluo uma soluo bsica vivel.
Definio 10. Se uma soluo bsica vivel tambm uma soluo bsica degenerada,
ela dita ser uma soluo bsica vivel degenerada.
Teorema fundamental da Programao Linear
Atravs do teorema fundamental da programao linear estabelece-se a importncia das

solues viveis bsicas na resoluo de problemas de programao linear. Este teorema
estabelece que:

Programao Linear
1) Se existe uma soluo vivel para o problema de PL, definido pelas expresses
n
a
j =1
j x j = b e x j 0 para j = 1 ,..., n , ento existe uma soluo bsica vivel.
2) Se existe uma soluo tima vivel ento existe uma soluo tima bsica vivel.
Do teorema fundamental da PL podemos concluir que no necessrio procurar a soluo

tima entre todas as solues viveis, mas apenas entre as solues bsicas viveis.
O nmero mximo de solues bsicas num problema com m restries e n variveis,

n
corresponde ao nmero mximo de bases distintas do sistema a

j =1
j x j = b que podem ser
determinadas e esse nmero dado pelo nmero de possveis combinaes de m nmeros

que podem ser obtidas usando n nmeros:

Programao Linear
n n!
=
m m!(n m)! (32)
Embora este nmero possa ser muito grande, teoricamente a soluo tima poderia ser
encontrada pela experimentao de todas as solues bsicas viveis. Este mtodo, porm,
mostra-se ineficaz.
O Mtodo Simplex
O mtodo Simplex um algoritmo que permite resolver problemas de Programao Linear. A

idia bsica do mtodo Simplex consiste em resolver repetidas vezes um sistema de
equaes lineares para obter uma sucesso de solues bsicas viveis (que um ponto
extremo), cada uma melhor que a anterior, at se chegar a uma soluo bsica vivel tima
(ou seja, at que o mnimo/mximo na funo objetivo seja alcanado).

Programao Linear
Algumas descries necessrias ao mtodo Simplex
Pivs
Para obter uma compreenso do mtodo Simplex, necessrio compreender o processo de
pivotagem em um conjunto de equaes lineares. H para isso 2 interpretaes:
Primeira interpretao:
Considere o conjunto de equaes lineares abaixo:
a11 x1 + a12 x2 + + a1n xn = b1

a 21 x1 + a 22 x2 + + a 2n xn = b2
L
(33)
a m1 x1 + a m2 x2 + + a m n xn = bm

Programao Linear
onde m n. Na forma matricial escreve-se como:
Ax = b (34)
No espao En pode-se interpretar as equaes acima como um conjunto de m relaes

lineares que devem ser satisfeitas por um vetor x. Denotando por ai , a i-sima linha da matriz
A, temos:
a1x = b1
a2x = b2
.
.
.
m
a x = bm (35)

Programao Linear
Se m < n e as equaes so linearmente independentes, ento h uma variedade de

solues lineares. Uma nica soluo resulta se n m equaes lineares e independentes
adicionais forem acrescentadas.
Se as equaes (35) so linearmente independentes (LI), pode-se substituir uma dada

equao multiplicando-a por um nmero diferente de zero e somando equao obtida
alguma combinao linear de outras equaes do sistema. Essa transformao, dita
Gaussiana, utilizada pra transformar um conjunto de equaes para a forma triangular. Se
as m primeiras colunas de A so LI, o sistema (5), pode, atravs de uma seqncia de
multiplicaes e subtraes ser reduzido forma seguinte:
x1 0 ... 0 + y1, m + 1xm + 1 + y1, m + 2xm + 2 + ... + y1, nxn = y10

0 x2 ... 0 + y2, m + 1xm + 1 + y2, m + 2xm + 2 + ... + y2, nxn = y20
.... .... ....
0 0 ... xm + ym, m + 1xm + 1 + ym, m + 2xm + 2 + ... + ym, nxn = ym0 (36)

Programao Linear
Para o sistema (36), as variveis x1, x2, ..., xm so chamadas de bsicas e as outras variveis
so no-bsicas. A soluo bsica correspondente :
x1 = y10, x2 = y20, ..., xm = ym0, xm + 1 = 0, ..., xn = 0 (37)
Ou, na forma vetorial
x = (y0, 0) (38)
O sistema (36) pode ser representado por uma matriz ou tabela (quadro Simplex):
1 0 .... 0 y1, m + 1 y1, m + 2 y1n y10

0 1 .... 0 y2, m + 1 y2, m + 2 y2n y20
...
0 0 .... 1 ym, m + 1 ym, m + 2 ymn ym0
(39)

Programao Linear
Exemplo 1: 5. Aula
Dado o problema abaixo, encontre uma soluo bsica atravs de pivotagem.
3x1 + x2 + x3 + x4 = 1 3 1 1 1 1
2x1 + 2 x2 - 3 x3 + x4 = 3 B = 2 2 - 3 1 3
x1 + x2 + 2 x3 - x4 = 2 1 1 2 - 1 2
Soluo:
B(1,:)=B(1,:)/B(1,1) { B(1,1) elemento piv}
1.0000 0.3333 0.3333 0.3333 0.3333
2.0000 2.0000 -3.0000 1.0000 3.0000
1.0000 1.0000 2.0000 -1.0000 2.0000
B(2,:)=B(2,:)-B(1,:)*B(2,1 { Zerando o elemento B(2,1) abaixo do elemento piv}

1.0000 0.3333 0.3333 0.3333 0.3333
0 1.3333 -3.6667 0.3333 2.3333
1.0000 1.0000 2.0000 -1.0000 2.0000

Programao Linear
B(3,:)=B(3,:)-B(1,:)*B(3,1) { Zerando o elemento B(3,1) abaixo do elemento piv}

1.0000 0.3333 0.3333 0.3333 0.3333
0 1.3333 -3.6667 0.3333 2.3333
0 0.6667 1.6667 -1.3333 1.6667

1.0000 0.3333 0.3333 0.3333 0.3333
0 1.0000 -2.7500 0.2500 1.7500
0 0.6667 1.6667 -1.3333 1.6667
B(1,:)=B(1,:)- B(2,:)*B(1,2 { Zerando o elemento B(1,2) acima do elemento piv}

1.0000 0 1.2499 0.2500 -0.2500
0 1.0000 -2.7500 0.2500 1.7500
0 0.6667 1.6667 -1.3333 1.6667
B(3,:)=B(3,:)- B(2,:)*B(3,2) { Zerando o elemento B(3,2) abaixo do elemento piv}

1.0000 0 1.2499 0.2500 -0.2500
0 1.0000 -2.7500 0.2500 1.7500
0 0 3.5001 -1.5000 0.5000

1.0000 0 1.2499 0.2500 -0.2500
0 1.0000 -2.7500 0.2500 1.7500

Programao Linear
0 0 1.0000 -0.4285 0.1428
B(1,:)=B(1,:)- B(3,:)*B(1,3) { Zerando o elemento B(1,3) acima do elemento piv}

1.0000 0 0 0.7856 -0.4285
0 1.0000 -2.7500 0.2500 1.7500
0 0 1.0000 -0.4285 0.1428

1.0000 0 0 0.7856 -0.4285
0 1.0000 0 -0.9285 2.1428
0 0 1.0000 -0.4285 0.1428
Exemplo 2:
Dado o problema abaixo, determine uma soluo bsica atravs de pivotagem e coloque o
problema na forma de tabela.

Programao Linear
x1 + 2 x2 + x3 - x4 = 3 1 2 1 - 1 3

2x1 - x2 + x3 + x4 = 2 B = 2 - 1 1 1 2
2 x1 + x2 2 x3 - x4 = 2 2 1 - 2 - 1 2
Soluo:
B=
1.0000 0 0 0.0588 1.1176
0 1.0000 0 -0.6471 0.7059
0 0 1.0000 0.2353 0.4706
H, porm, uma questo a se resolver: Dado um sistema na forma acima, suponha que se
deseje tornar uma varivel bsica em no-bsica e uma varivel no-bsica em bsica. Qual
ser a nova tabela correspondente a esse novo conjunto de variveis bsicas?
Isso pode ser resolvido da seguinte forma, utilizando o mtodo de reduo Gauss-Jordan:

Programao Linear
1) Divida toda a linha correspondente varivel no-bsica a entrar na base pelo valor do
coeficiente correspondente mesma, desde que diferente de zero, de forma que essa
varivel se torne unitria (ela deve ser no-negativa).
2) Faa as operaes necessrias para zerar todos os outros elementos relacionados

coluna da varivel no-bsica. Para isso, multiplique a nova linha da varivel no-bsica
que deve entrar na base por um nmero de forma que ao som-lo linha cujo elemento
se deseja zerar, esse se anule.
Exemplo 3:
Na tabela abaixo x1, x2 e x3 so as variveis bsicas e x4 no bsica. Entre com x4 na base
no lugar de x3.

Programao Linear
1 0 0 2 2
0 1 0 3 6
0 0 1 4 2
Soluo:
B(3,:)=B(3,:)/B(3,4) { B(3,4) elemento piv, isto , coeficiente de x4 que deve entrar
na base no lugar de x3}
1.0000 0 0 2.0000 2.0000
0 1.0000 0 3.0000 6.0000
0 0 0.2500 1.0000 0.5000
1.0000 0 -0.5000 0 1.0000
0 1.0000 0 3.0000 6.0000
0 0 0.2500 1.0000 0.5000
1.0000 0 -0.5000 0 1.0000
0 1.0000 -0.7500 0 4.5000
0 0 0.2500 1.0000 0.5000
Segunda interpretao:

Programao Linear
O conjunto de equaes simultneas representadas por (35) e (36) pode ser interpretado em
Em como uma equao vetorial. Denotando as colunas de A por a1, a2, ..., an, pode-se
escrever (35) como:
x1a1 + x2a2 + ... + xnan = b (40)
Nessa interpretao, se expressa b como uma combinao linear de colunas ais.

Se m < n e os vetores ai geram Em ento encontramos uma famlia de solues. A soluo
relacionada com o conjunto de n m variveis xi iguais a zero a soluo bsica para (35).
Suponha agora que ns iniciemos com o sistema na forma de tabela:
1 0 .... 0 y1, m + 1 y1, m + 2 y1n y10

Programao Linear
0 1 .... 0 y2, m + 1 y2, m + 2 y2n y20

...
0 0 .... 1 ym, m + 1 ym, m + 2 ymn ym0
(41)
Nesse caso as primeiras m colunas formam a base. Alm disso, qualquer vetor representado
na tabela pode ser expresso como uma combinao linear dos outros vetores da base.
Conseqentemente:
aj = y1ja1 + y2ja2 + ... + ymjam (42)
A tabela pode ser interpretada como uma representao dos vetores ai em termos da base; a
i-sima coluna da tabela constitui a representao para o vetor ai. Em particular, a expresso
para b em termos da base dada na ltima coluna.
Considere agora a operao de substituio de um membro da base por outro vetor no-
existente na base. Suponha que se deseje substituir o vetor da base ap, 1 p m, pelo vetor

Programao Linear
aq, m+1 q n. Conhecido que os m primeiros vetores ap so LI, esses vetores constituem a
base e todo vetor pode ser expresso como uma combinao linear dessa nova base. Para
encontrar uma nova representao desses novos vetores preciso atualizar a base. Isso
feito de forma semelhante ao procedimento 1) descrito anteriormente.
Pontos extremos adjacentes

Discutiu-se anteriormente que necessrio apenas considerar as variveis bsicas viveis na
soluo de problemas de programao linear da forma
Ax = b
x0 (43)
Embora as operaes de pivotagem transformem uma soluo bsica em outra, em geral, as

condies de no negatividade das solues no so preservadas. possvel, especificar
ento, qual varivel no-bsica se tornar bsica e dessa forma determinar qual varivel
bsica dever se tornar no-bsica?

Programao Linear
Suposio de No-degeneraridade: Toda soluo vivel bsica de (43) uma soluo

vivel bsica no-degenerada.
Determinao do vetor que deixa a base
Suponha que ns tenhamos a soluo vivel bsica x = (x1, x2, ..., xm, 0, 0, ..., 0), ou,
equivalentemente a representao
x1a1 + x2a2 + ..... + xmam = b (44)
Utilizando a suposio de no-degeneraridade, isto , xi > 0 para todo i = 1, 2, ..., m.

Considere tambm a representao do vetor ak, k > m em termos da base:
ak = y1ka1+ y2ka2 + + ymkam (45)

Programao Linear
Multiplicando (45) pela varivel e subtraindo o resultado de (44) , isto :
x1 a1 + x2 a2 + ... + xmam =b
y1ka1 + y2ka2 + ... + ymkam - ak = 0
--------------------------------------------------------------------------
(x1 - y1k)a1 + (x2 - y2k)a2 + ... + (xm - ymk)am + ak = b (46)
Para 0, obtemos b como uma combinao linear de no mximo m + 1 vetores. Para = 0,

temos a tradicional soluo bsica vivel. Se o valor de aumentado, o coeficiente de ak
cresce e, para pequenos valores de , (46) fornece uma soluo vivel, mas no-bsica. Os
coeficientes dos outros vetores podem aumentar ou diminuir linearmente quando cresce. Se
algum deles decresce, ns podemos escolher o menor valor para o qual tal coeficiente
assume o valor nulo, ou seja:
= min {xi / yik : yik > 0} , i = 1, 2, , m. (47)

Programao Linear
Nesse caso ns temos uma nova soluo vivel bsica, com o vetor ak ocupando o lugar do
vetor ai, que corresponde ao mnimo em (47).
Se o mnimo em (47) obtido para mais de um ndice i, teremos ento uma nova soluo
bsica que degenerada e, qualquer um dos vetores com componentes iguais a zero poder
ser considerado aquele que deixar a base.
Se nenhum dos yiks positivo, ento todos os coeficientes na representao (47) crescem
(ou permanecem constantes) quando aumenta e, nenhuma nova soluo vivel bsica
obtida. Observa-se, entretanto, que nesse caso, h solues viveis para (43) tendo grandes
coeficientes. Isso significa que o conjunto K de solues viveis para (43) ilimitado e
corresponde a um caso especial do mtodo Simplex.
Em um quadro Simplex para determinar a varivel bsica que deixa a base deve-se
prosseguir como:

Programao Linear
- A coluna pertencente varivel no-bsica que entra na base chamada de coluna

piv. Dividem-se todos os termos independentes (yi0) pelos correspondentes elementos
pertencentes a essa coluna (desde que esses valores sejam positivos).
- Escolhe-se o menor desses quocientes. A linha que atende a essa especificao,
chamada de linha piv, associada varivel bsica que deixar a base.
Exemplo: Substitua a varivel no-bsica x4 por uma das variveis bsicas mantendo a
condio de no-negatividade.
1 0 0 2 2
B= 0 1 0 3 6
0 0 1 4 2
Soluo: Observe que para o problema, a soluo bsica vivel x = [2 6 2 0]T.
Determinao de qual varivel bsica deve entrar na base:

Programao Linear
1 0 0 2 2 1
0 1 0 3 6 yi 0 / ai 4 = 2 x3 deve sair da base
0 0 1 4 2 0 ,5
Substituindo x3 bsica por x4 no-bsica:
B(3,:)=B(3,:)/B(3,4) { B(3,4) elemento piv, isto , coeficiente de x4 que deve entrar

na base no lugar de x3}
1.0000 0 0 2.0000 2.0000
0 1.0000 0 3.0000 6.0000
0 0 0.2500 1.0000 0.5000
1.0000 0 -0.5000 0 1.0000
0 1.0000 0 3.0000 6.0000
0 0 0.2500 1.0000 0.5000
1.0000 0 -0.5000 0 1.0000
0 1.0000 -0.7500 0 4.5000
0 0 0.2500 1.0000 0.5000

Programao Linear
A soluo bsica x = [1 4.5 0 0.5] T.
Determinao da soluo tima
De forma a tornar o mtodo Simplex iterativo e reduzir o valor da funo objetivo necessrio
determinar agora qual varivel no-bsica entrar na base.
r
c
Seja o vetor linha correspondente aos coeficientes da funo objetivo, com elementos ci,
r r
i =1,2,...,n. Seja cB o vetor correspondente s variveis bsicas xi , i =1,2,...,m e yij o
componente i da coluna j do quadro Simplex. Tem-se que
m
r r
z0 = ci xi = c B x B
(48)
i =1

Programao Linear
n
rr
z = ci xi = c x
(49)
i =1
Embora seja natural usar a soluo bsica (xB, 0) quando temos o quadro Simplex, claro
que se valores arbitrrios so associados a xm+1, xm+2, ... xn, ns podemos facilmente
determinar as alteraes nas variveis bsicas para acomodar estas variaes, isto :
n
x1 = y10 y1 j x j
j = m +1
n
x2 = y20 y2 j x j (50)
j = m +1

Programao Linear
M
M
n
xm = y m0 ymj x j
j = m +1
Usando (50), podemos eliminar as variveis bsicas da frmula geral para o clculo da funo
objetivo dada em (49). Fazendo-se isto, temos:
rr
z = c x = z0 + ( cm +1 z m +1 )xm +1 + ( cm + 2 z m + 2 )xm + 2 + L + ( cn z n ) xn
(51)
onde

Programao Linear
z m +1 = c1 y1,m +1 + c2 y2 ,m +1 + L + cm ym ,m +1
z m + 2 = c1 y1,m + 2 + c2 y2 ,m + 2 + L + cm ym ,m + 2
(52)
z n = c1 y1,n + c2 y2 ,n + L + cm ym ,n
A expresso (51) a relao fundamental requerida para determinar a coluna piv, isto ,
qual varivel no-bsica deve entrar na base. Por qu?
Para a escolha da varivel no bsica a entrar na base necessrio determinar qual dos
custos definidos como
cj - zj , j=m+1,..., n

Programao Linear
menor que zero. Se tiver pelo menos um, significa que a funo objetivo z pode ser feita
menor que z0 (Eq. 51). Assim, a varivel no-bsica a entrar na base deve ser tal que
Critrio de entrada na
base
Min { cj - zj | cj - zj < 0 }
j
Para que o processamento possa ser feito de forma automtica, isto , para que a introduo
de uma nova varivel possa ser processada nas demais variveis, consideramos o quadro
Simplex anteriormente apresentado acrescentando uma nova linha correspondendo funo
objetivo z:
1 0 .... 0 y1, m + 1 y1, m + 2 y1n y10

0 1 .... 0 y2, m + 1 y2, m + 2 y2n y20
...
0 0 .... 1 ym, m + 1 ym, m + 2 ymn ym0
0 0 .... 0 rm+1 rm, + 2 rn -z0
(53)
em que:

Programao Linear
rm+1 = cm+1 zm+1 (54)
y1,m +1

y
zm +1 = [c1 c2 . cm ]
2,m +1
M . (55)

ym,m +1
Teorema (melhoramento da soluo bsica vivel):

Programao Linear
Considere dada uma soluo bsica vivel no-degenerada com o correspondente valor zo.
Suponha que para algum j tenha-se cj zj < 0. Dessa forma h uma soluo vivel com valor
z < z0. Se a coluna aj pode ser substituda por algum vetor na base original para constituir uma
nova soluo bsica vivel, ento a nova soluo contm z < z0. Se aj no pode ser
substituda, o conjunto soluo K ilimitado.
Teorema da Condio de Otimalidade:
Se para alguma soluo bsica vivel cj zj , j, ento essa soluo tima.
Exerccio:
Resolva via Simplex o problema abaixo:

Programao Linear
max imize 3 x1 + x2 + 3 x3
sujeito a : 2 x1 + x2 + x3 2
x1 + 2 x2 + 3 x3 5
2 x1 + 2 x2 + x3 6 (56)
x1 , x2 , x3 0
Soluo:
O problema precisa ser colocado na forma padro. Para isto, vamos transformar o problema em
problema de minimizao e acrescentar uma varivel de folga para cada restrio:
2 1 1 1 0 0 2
1 2 3 0 1 0 5
2 2 1 0 0 1 6 (57)
3 1 3 0 0 0 0

Programao Linear
Observem que o problema j se encontra na forma adequada utilizao do Mtodo Simplex.

A soluo bsica vivel x = [0 0 0 2 5 6]T e a z = 0. Seja A a matriz dada em (57).
2 1 1 1 0 0 2
1 2 3 0 1 0 5
2 2 1 0 0 1 6
-3 -1 -3 0 0 0 0
Observando esta matriz, vimos que as variveis no-bsicas x1 e x3 ao entrarem na base
conduziro maior diminuio na funo objetivo. Escolhamos a varivel x1 para entrar na
base. Ao fazermos isto, precisamos agora escolher qual varivel bsica deixar a base com a
condio de que a viabilidade da soluo bsica seja mantida. Isto pode ser feito tomando o
menor valor do yi0/ai1, para i = 1, 2 ou 3. Efetuando as contas obtemos respectivamente os
valores 2/2, 5/1 e 6/2. Logo, o menor resultado corresponde ao elemento a11 que conduz a
retirar da base a varivel x4. Assim, faamos ento a introduo de x1 e retirada de x4.

Programao Linear
A(1,:)=A(1,:)/A(1,1)
1.0000 0.5000 0.5000 0.5000 0 0 1.0000
1.0000 2.0000 3.0000 0 1.0000 0 5.0000
2.0000 2.0000 1.0000 0 0 1.0000 6.0000
-3.0000 -1.0000 -3.0000 0 0 0 0
A(2,:)=A(2,:)-A(1,:)*A(2,1)
1.0000 0.5000 0.5000 0.5000 0 0 1.0000
0 1.5000 2.5000 -0.5000 1.0000 0 4.0000
2.0000 2.0000 1.0000 0 0 1.0000 6.0000
-3.0000 -1.0000 -3.0000 0 0 0 0
A(3,:)=A(3,:)-A(1,:)*A(3,1)
1.0000 0.5000 0.5000 0.5000 0 0 1.0000
0 1.5000 2.5000 -0.5000 1.0000 0 4.0000
0 1.0000 0 -1.0000 0 1.0000 4.0000
-3.0000 -1.0000 -3.0000 0 0 0 0
A(4,:)=A(4,:)-A(1,:)*A(4,1)
1.0000 0.5000 0.5000 0.5000 0 0 1.0000
0 1.5000 2.5000 -0.5000 1.0000 0 4.0000

Programao Linear
0 1.0000 0 -1.0000 0 1.0000 4.0000

0 0.5000 -1.5000 1.5000 0 0 3.0000
Continuando o processo, verificamos que a varivel x3 ao entrar na base ela provocar uma
diminuio na funo objetivo. Ao dividirmos 1/0.5 e 4/2.5, verificamos que o menor resultado
4/2.5, o que corresponde a introduzir x3 na base e retirar x5. Faamos ento as operaes.
A(2,:)=A(2,:)/A(2,3)
1.0000 0.5000 0.5000 0.5000 0 0 1.0000
0 0.6000 1.0000 -0.2000 0.4000 0 1.6000
0 1.0000 0 -1.0000 0 1.0000 4.0000
0 0.5000 -1.5000 1.5000 0 0 3.0000
A(1,:)=A(1,:)-A(2,:)*A(1,3)
1.0000 0.2000 0 0.6000 -0.2000 0 0.2000
0 0.6000 1.0000 -0.2000 0.4000 0 1.6000
0 1.0000 0 -1.0000 0 1.0000 4.0000
0 0.5000 -1.5000 1.5000 0 0 3.0000

Programao Linear
A(4,:)=A(4,:)-A(2,:)*A(4,3)
1.0000 0.2000 0 0.6000 -0.2000 0 0.2000
0 0.6000 1.0000 -0.2000 0.4000 0 1.6000
0 1.0000 0 -1.0000 0 1.0000 4.0000
0 1.4000 0 1.2000 0.6000 0 5.4000
Como no h mais nenhum resduo negativo, significa que impossvel reduzir a funo
objetivo dentro do espao vivel. Logo, a soluo tima x = [0.2 0.0 1.6 0.0 0.0 4.0]T. Este
valor corresponde ao valor da funo objetivo original igual a z* = 3*0.2 + 1*0.0 + 3*1.6 = 5.4.
Variveis Artificiais 21/03
Para alguns tipos de problemas de programao linear, a soluo bsica vivel inicial nem
sempre visvel. Dessa forma so necessrios procedimentos para determin-la, uma vez
que o mtodo Simplex precisa desta condio para ser iniciado. Para isso recorre-se ao uso
da tcnica das variveis artificiais.

Programao Linear
A tcnica das variveis artificiais consiste em construir um problema auxiliar introduzindo uma
nova varivel, chamada varivel artificial, em cada uma das restries onde no foi possvel
adicionar uma varivel de folga, sendo esta tomada como varivel bsica para essa equao.
Desta forma fica garantida a existncia de uma varivel bsica em cada equao e a
possibilidade de identificar uma soluo bsica vivel (SBV ) inicial.
Considere o problema da forma
Ax = b
x0eb0 (58)
De forma a encontrar uma soluo para (58) considere o problema de minimizao (artificial)
m
minimize y
i =1
i
sujeito a Ax + y = b

Programao Linear
x0
y0 (59)
onde y = (y1, y2, , ym) um vetor de variveis artificiais. Se h uma soluo vivel para (58)
o problema (59) tem um valor mnimo y = 0. Se (58) no tem uma soluo vivel, ento o
valor mnimo de (59) maior que zero.
O problema (59) est na forma adequada com a soluo vivel bsica y = b. Usando as
tcnicas do mtodo Simplex possvel obter uma soluo vivel bsica em cada passo. Se o
valor mnimo de (59) zero, ento a soluo bsica final ter todos os yi = 0 e no ter
nenhuma varivel bsica yi.
Mtodo das duas fases
Nesse mtodo o problema de Programao Linear resolvido em duas fases:

1 Fase: Constri-se um novo problema auxiliar (introduzindo variveis artificiais) com o
objetivo de obter uma SBV inicial para o problema original (se isto possvel).

Programao Linear
2 Fase: Tomando como SBV (Soluo Bsica Vivel) inicial a soluo obtida na 1 Fase,
aplica o algoritmo Simplex, para determinar a soluo tima. Durante essa fase, as
variveis artificiais e a funo objetivo da 1 Fase so omitidas.
Par esse mtodo tem-se:

- Qualquer SBV do problema auxiliar uma SBV do problema original se as variveis
artificiais da soluo so nulas.
- Obtm-se uma SBV com as variveis artificiais iguais a zero se e s se o valor da f.o.
artificial igual a zero (z' = 0).
- A aplicao do algoritmo Simplex eliminar da base os vetores artificiais (caso o
problema no seja impossvel), pois as variveis iniciais (no artificiais) tm coeficientes
nulos na f.o. que se pretende minimizar.
No fim da 1 fase, em que se atingiu a soluo tima do problema auxiliar, est-se perante
uma das seguintes situaes:

Programao Linear
1. Todos os vetores artificiais foram eliminados da base (z' = 0).

Neste caso, obtm-se uma SBV do problema original. Passa-se diretamente 2 fase do
mtodo Simplex.
2. Ainda subsistem vetores artificiais na base.

Existem duas alternativas:
z' > 0: existe pelo menos uma varivel artificial bsica com valor estritamente positivo o
conjunto K vazio, o problema impossvel.
z' = 0: todas as variveis artificiais so nulas Obtm-se ou uma SBV inicial degenerada ou
uma restrio redundante. Veja o fluxograma a seguir.

Programao Linear
2. Ainda subsistem vetores artificiais na base e z' = 0
Existe pelo menos um vetor no No existe nenhum vetor no

artificial fora da base que pode artificial fora da base que pode
substituir um vetor artificial substituir um vetor artificial
procede-se sua substituio existem restries redundantes
Eliminam-se do quadro simplex as

obtm-se uma SBV inicial degenerada linhas correspondentes s variveis
para o problema original artificiais bsicas e obtm-se uma
SBV inicial para o problema original
Figura 01: Aspectos de resoluo do Mtodo das 2 Fases

Programao Linear
PS: Geralmente, num problema que apresenta inequaes cujas restries so do tipo
torna-se necessria a incluso de variveis artificiais.
Exerccios: Resolva os seguintes problemas via mtodo Simplex:
Problema 1:
max imize x1 + 2 x2 + 4 x3
sujeito a : x1 + x2 + 3 x3 6
3 x1 + 2 x2 + 2 x3 5
2 x1 2 x2 + x3 6 (60)
x1 , x2 , x3 0
Problema 2:

Programao Linear
sujeito a : 2 x1 + x2 + x3 6
x1 + 2 x2 + 3 x3 = 5
2 x1 + 2 x2 + x3 2 (61)
x1 , x2 , x3 0
Problema 3:

Programao Linear
sujeito a : 2 x1 + x2 + x3 2
x1 + 2 x2 + 3 x3 5
2 x1 + 2 x2 + x3 6
x1 0
(62)
x2 1
x3 3
Problema 4:

Programao Linear
min imize 3 x1 + x2 + 3 x3
sujeito a : 2 x1 + x2 + x3 2
x1 + 2 x2 + 3 x3 5
2 x1 + 2 x2 + x3 = 6 (63)
x1 , x3 0
Exerccios: Resolva os seguintes problemas via mtodo Simplex: (AULA 28/03/2005)

Problema 1:
max imize x1 + 2 x2 + 4 x3
sujeito a : x1 + x2 + 3 x3 6
3 x1 + 2 x2 + 2 x3 5
2 x1 2 x2 + x3 6
x1 , x2 , x3 0

Programao Linear
Soluo: Para se aplicar o mtodo Simplex, devemos: i) transformar o problema de

maximizao em minimizao; ii) para cada equao de restrio com sinal de menor ou
igual, acrescentar uma varivel de folga. Isto nos permite escrever a seguinte tabela
SIMPLEX:
1 1 3 1 0 0 6
3 2 2 0 1 0 5
2 2 1 0 0 1 6
1 2 4 0 0 0 0
b(1,:)=b(1,:)/b(1,3) Escolha do elemento piv (6/3; 5/2; 6/1) elemento b(1,3)

0.3333 0.3333 1.0000 0.3333 0.0000 0.0000 2.0000
3.0000 2.0000 2.0000 0.0000 1.0000 0.0000 5.0000
2.0000 -2.0000 1.0000 0.0000 0.0000 1.0000 6.0000
-1.0000 -2.0000 -4.0000 0.0000 0.0000 0.0000 0.0000

Programao Linear
b(2,:)=b(2,:)-b(1,:)*b(2,3)/b(1,3)
0.3333 0.3333 1.0000 0.3333 0.0000 0.0000 2.0000
2.3333 1.3333 0.0000 -0.6667 1.0000 0.0000 1.0000
2.0000 -2.0000 1.0000 0.0000 0.0000 1.0000 6.0000
-1.0000 -2.0000 -4.0000 0.0000 0.0000 0.0000 0.0000
b(3,:)=b(3,:)-b(1,:)*b(3,3)/b(1,3)
0.3333 0.3333 1.0000 0.3333 0.0000 0.0000 2.0000
2.3333 1.3333 0.0000 -0.6667 1.0000 0.0000 1.0000
1.6667 -2.3333 0.0000 -0.3333 0.0000 1.0000 4.0000
-1.0000 -2.0000 -4.0000 0.0000 0.0000 0.0000 0.0000
b(4,:)=b(4,:)-b(1,:)*b(4,3)/b(1,3)
0.3333 0.3333 1.0000 0.3333 0.0000 0.0000 2.0000
2.3333 1.3333 0.0000 -0.6667 1.0000 0.0000 1.0000

Programao Linear
1.6667 -2.3333 0.0000 -0.3333 0.0000 1.0000 4.0000

0.3333 -0.6667 0.0000 1.3333 0.0000 0.0000 8.0000
b(2,:)=b(2,:)/b(2,2) Escolha do elemento piv (2/0.3333; 1/1.333) elemento b(2,2)

0.3333 0.3333 1.0000 0.3333 0.0000 0.0000 2.0000
1.7500 1.0000 0.0000 -0.5000 0.7500 0.0000 0.7500
1.6667 -2.3333 0.0000 -0.3333 0.0000 1.0000 4.0000
0.3333 -0.6667 0.0000 1.3333 0.0000 0.0000 8.0000
b(1,:)=b(1,:)-b(2,:)*b(1,2)/b(2,2)
-0.2500 0.0000 1.0000 0.5000 -0.2500 0.0000 1.7500
1.7500 1.0000 0.0000 -0.5000 0.7500 0.0000 0.7500
1.6667 -2.3333 0.0000 -0.3333 0.0000 1.0000 4.0000
0.3333 -0.6667 0.0000 1.3333 0.0000 0.0000 8.0000
b(3,:)=b(3,:)-b(2,:)*b(3,2)/b(2,2)

Programao Linear
-0.2500 0.0000 1.0000 0.5000 -0.2500 0.0000 1.7500

1.7500 1.0000 0.0000 -0.5000 0.7500 0.0000 0.7500
5.7500 0.0000 0.0000 -1.5000 1.7500 1.0000 5.7500
0.3333 -0.6667 0.0000 1.3333 0.0000 0.0000 8.0000
b(4,:)=b(4,:)-b(2,:)*b(4,2)/b(2,2)
-0.2500 0.0000 1.0000 0.5000 -0.2500 0.0000 1.7500
1.7500 1.0000 0.0000 -0.5000 0.7500 0.0000 0.7500
5.7500 0.0000 0.0000 -1.5000 1.7500 1.0000 5.7500
1.5000 0.0000 0.0000 1.0000 0.5000 0.0000 8.5000
Logo, a soluo x = [0.0000, 0.7500, 1.7500]T com z* = 8.5000.

Programao Linear
Problema 2:
sujeito a : 2 x1 + x2 + x3 6
x1 + 2 x2 + 3 x3 = 5
2 x1 + 2 x2 + x3 2
x1 , x2 , x3 0
Soluo: Para o sinal de menor ou igual vamos acrescentar uma varivel de folga e para o
sinal de maior ou igual vamos acrescentar uma varivel de excesso. Alm disto, este
problema no possui uma soluo vivel bsica. Logo, teremos que resolve-lo usando o
procedimento das duas etapas. Assim, a tabela para este problema na primeira etapa ficar:
2 1 1 1 0 1 0 0 6
1 2 3 0 0 0 1 0 5
2 2 1 0 1 0 0 1 2
0 0 0 0 0 1 1 1 0

Programao Linear
b(4,:) = b(4,:)-b(1,:)-b(2,:) - b(3,:)

2 1 1 1 0 1 0 0 6
1 2 3 0 0 0 1 0 5
2 2 1 0 -1 0 0 1 2
-5 -5 -5 -1 1 0 0 0 -13
>> b(3,:)=b(3,:)/b(3,1)
2.0000 1.0000 1.0000 1.0000 0.0000 1.0000 0.0000 0.0000 6.0000
1.0000 2.0000 3.0000 0.0000 0.0000 0.0000 1.0000 0.0000 5.0000
1.0000 1.0000 0.5000 0.0000 -0.5000 0.0000 0.0000 0.5000 1.0000
-5.0000 -5.0000 -5.0000 -1.0000 1.0000 0.0000 0.0000 0.0000 -13.0000
>> b(1,:)=b(1,:)-b(3,:)*b(1,1)/b(3,1)
0.0000 -1.0000 0.0000 1.0000 1.0000 1.0000 0.0000 -1.0000 4.0000
1.0000 2.0000 3.0000 0.0000 0.0000 0.0000 1.0000 0.0000 5.0000
1.0000 1.0000 0.5000 0.0000 -0.5000 0.0000 0.0000 0.5000 1.0000
-5.0000 -5.0000 -5.0000 -1.0000 1.0000 0.0000 0.0000 0.0000 -13.0000
>> b(2,:)=b(2,:)-b(3,:)*b(2,1)/b(3,1)
0.0000 -1.0000 0.0000 1.0000 1.0000 1.0000 0.0000 -1.0000 4.0000

0.0000 1.0000 2.5000 0.0000 0.5000 0.0000 1.0000 -0.5000 4.0000

Programao Linear
1.0000 1.0000 0.5000 0.0000 -0.5000 0.0000 0.0000 0.5000 1.0000

-5.0000 -5.0000 -5.0000 -1.0000 1.0000 0.0000 0.0000 0.0000 -13.0000
>> b(4,:)=b(4,:)-b(3,:)*b(4,1)/b(3,1)
0.0000 -1.0000 0.0000 1.0000 1.0000 1.0000 0.0000 -1.0000 4.0000
0.0000 1.0000 2.5000 0.0000 0.5000 0.0000 1.0000 -0.5000 4.0000
1.0000 1.0000 0.5000 0.0000 -0.5000 0.0000 0.0000 0.5000 1.0000
0.0000 0.0000 -2.5000 -1.0000 -1.5000 0.0000 0.0000 2.5000 -8.0000
>> b(3,:)=b(3,:)-b(2,:)*b(3,3)/b(2,3)
0.0000 -1.0000 0.0000 1.0000 1.0000 1.0000 0.0000 -1.0000 4.0000
0.0000 0.4000 1.0000 0.0000 0.2000 0.0000 0.4000 -0.2000 1.6000
1.0000 0.8000 0.0000 0.0000 -0.6000 0.0000 -0.2000 0.6000 0.2000
0.0000 0.0000 -2.5000 -1.0000 -1.5000 0.0000 0.0000 2.5000 -8.0000
>> b(4,:)=b(4,:)-b(2,:)*b(4,3)/b(2,3)
0.0000 -1.0000 0.0000 1.0000 1.0000 1.0000 0.0000 -1.0000 4.0000
0.0000 0.4000 1.0000 0.0000 0.2000 0.0000 0.4000 -0.2000 1.6000
1.0000 0.8000 0.0000 0.0000 -0.6000 0.0000 -0.2000 0.6000 0.2000
0.0000 1.0000 0.0000 -1.0000 -1.0000 0.0000 1.0000 2.0000 -4.0000
>> b(4,:)=b(4,:)-b(1,:)*b(4,4)/b(1,4)
0.0000 -1.0000 0.0000 1.0000 1.0000 1.0000 0.0000 -1.0000 4.0000
0.0000 0.4000 1.0000 0.0000 0.2000 0.0000 0.4000 -0.2000 1.6000

Programao Linear
1.0000 0.8000 0.0000 0.0000 -0.6000 0.0000 -0.2000 0.6000 0.2000

0.0000 0.0000 0.0000 0.0000 0.0000 1.0000 1.0000 1.0000 0.0000
Logo, a soluo bsica vivel x = [0.2 0.0 1.6 4.0 0.0]. Agora, o prximo passo a
construo da tabela Simplex para a etapa 2. Para isto, recuperamos os valores que nos
interessam e acrescentamos no lugar da ltima linha os valores correspondentes ao vetor c=
[-3 -1 -3 0 0] para o problema de minimizao.
0.0000 -1.0000 0.0000 1.0000 1.0000 4.0000

0.0000 0.4000 1.0000 0.0000 0.2000 1.6000
1.0000 0.8000 0.0000 0.0000 -0.6000 0.2000
-3.0000 -1.0000 -3.0000 0.0000 0.0000 0.0000
Fazemos agora a eliminao dos termos da ltima linha abaixo das variveis bsicas:
>> d(4,:)=d(4,:)-d(3,:)*d(4,1)/d(3,1)
0.0000 -1.0000 0.0000 1.0000 1.0000 4.0000
0.0000 0.4000 1.0000 0.0000 0.2000 1.6000
1.0000 0.8000 0.0000 0.0000 -0.6000 0.2000
0.0000 1.4000 -3.0000 0.0000 -1.8000 0.6000
>> d(4,:)=d(4,:)-d(2,:)*d(4,3)/d(2,3)
0.0000 -1.0000 0.0000 1.0000 1.0000 4.0000
0.0000 0.4000 1.0000 0.0000 0.2000 1.6000

Programao Linear
1.0000 0.8000 0.0000 0.0000 -0.6000 0.2000

0.0000 2.6000 0.0000 0.0000 -1.2000 5.4000
>> d(2,:)=d(2,:)-d(1,:)*d(2,5)/d(1,5)
0.0000 -1.0000 0.0000 1.0000 1.0000 4.0000
0.0000 0.6000 1.0000 -0.2000 0.0000 0.8000
1.0000 0.8000 0.0000 0.0000 -0.6000 0.2000
0.0000 2.6000 0.0000 0.0000 -1.2000 5.4000
>> d(3,:)=d(3,:)-d(1,:)*d(3,5)/d(1,5)
0.0000 -1.0000 0.0000 1.0000 1.0000 4.0000
0.0000 0.6000 1.0000 -0.2000 0.0000 0.8000
1.0000 0.2000 0.0000 0.6000 0.0000 2.6000
0.0000 2.6000 0.0000 0.0000 -1.2000 5.4000
>> d(4,:)=d(4,:)-d(1,:)*d(4,5)/d(1,5)
0.0000 -1.0000 0.0000 1.0000 1.0000 4.0000
0.0000 0.6000 1.0000 -0.2000 0.0000 0.8000
1.0000 0.2000 0.0000 0.6000 0.0000 2.6000
0.0000 1.4000 0.0000 1.2000 0.0000 10.2000
Logo, a soluo para o problema original x = [2.60 0.00 0.80], o que conduz a z = 10.20.

Programao Linear
O algoritmo do Mtodo Simplex

Como dito anteriormente, o mtodo Simplex um algoritmo que possibilita a resoluo de
problemas de programao linear. Est basicamente fundamentado na idia de resolver
repetidas vezes um sistema de equaes lineares para obter uma sucesso de solues
bsicas viveis, cada uma melhor que a anterior, at chegar numa soluo vivel bsica
tima.
Incio
Passo Iterativo
No
Verifica o critrio de parada?

Sim
Figura 02: Fluxograma do algoritmo Simplex

Programao Linear
Cada nova soluo bsica vivel obtida substituindo uma varivel bsica por uma varivel
no-bsica. Uma soluo bsica tima quando o valor da funo objetivo a minimizar possui
o menor valor.
Identificar uma Soluo Bsica Vivel
Existe uma No FIM !!

soluo bsica A soluo tima.
vivel melhor ?
Sim
Move-se para a soluo
bsica melhor
Figura 03: Fluxograma: Algoritmo Simplex

Programao Linear
INCIO
Forma Padro
Identificar uma Soluo Bsica Vivel inicial

Construir o quadro Simplex correspondente
Calcular os custos reduzidos
A soluo Sim FIM !!

tima? A soluo tima.
Critrio de Otimalidade
No
Identificar a varivel no-bsica que entra na base
Critrio de Entrada
FIM !!
timo no finito? Sim O problema no tem
Critrio de timo no finito timo finito.
No
Identificar a varivel bsica

que sai da base
Critrio de Sada
Calcular nova Soluo Bsica Vivel

atualizando o quadro Simplex
Figura 04: Fluxograma Iterativo do Mtodo Simplex

Apostila de Programação Linear Do Prof João Antonio Vasconcelos PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apostila de Programação Linear Do Prof João Antonio Vasconcelos PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Programao Linear

Universidade Federal de Minas Gerais

Departamento de Engenharia Eltrica

Apostila de Programao Linear

Prof. Joo Antnio de Vasconcelos

Prof. Joo Antnio de Vasconcelos 1

Programao Linear 1. Aula

1) Problemas de Programao Matemtica como Problemas de Otimizao

O que so Problemas de Otimizao?

O que so problemas de programao matemtica?

A terminologia Programao Matemtica tem sua origem na relao:

Prof. Joo Antnio de Vasconcelos 2

Programao planejamento de atividades.

O problema representado matematicamente pelo modelo:

em que x1 , x2 ,, xn so as n variveis de deciso, f( x1 , x2 ,, xn ) a funo objetivo, g i ( x1 , x2 ,, xn ) ,

Prof. Joo Antnio de Vasconcelos 3

Os problemas de Programao Matemtica podem ser classificados em lineares, se f (x1, x2,

Os problemas de Programao Matemtica como Problemas de Otimizao abrangem a

2) Problemas de Programao Linear como classe particular dos problemas de

Os problemas de Programao Linear so uma classe particular de problemas de

A terminologia Programao Linear tem sua origem na relao:

Prof. Joo Antnio de Vasconcelos 4

Programao planejamento de atividades.

Os problemas de Programao Linear determinam o planejamento timo de atividades, ou

Um problema de programao linear corresponde a uma programao matemtica no qual a

Prof. Joo Antnio de Vasconcelos 5

Prof. Joo Antnio de Vasconcelos 6

j=1, 2, ... ,n so chamados de coeficientes tecnolgicos. Estes coeficientes formam a matriz de

Prof. Joo Antnio de Vasconcelos 7

As restries x1, x2,, xn 0 so as restries de no-negatividade. Um conjunto de variveis x1,

O conjunto de todos os pontos viveis constitui a regio realizvel ou espao vivel.

Exemplo1: Considere o problema seguinte:

Prof. Joo Antnio de Vasconcelos 8

Fig. 1 Regio vivel e restries Exemplo 1.

Prof. Joo Antnio de Vasconcelos 9

O problema de otimizao dessa maneira o problema de encontrar um ponto na regio

Suposies da Programao Linear

Prof. Joo Antnio de Vasconcelos 10

3. Divisibilidade: Esta suposio assegura que as variveis de deciso podem ser

Manipulao do Problema 2. Aula

1 Caso: Introduo de variveis de folga

Prof. Joo Antnio de Vasconcelos 11

Nesse caso, o conjunto de restries determinado inteiramente pelas desigualdades

Prof. Joo Antnio de Vasconcelos 12

As novas variveis positivas xn +1 , xn + 2 ,...., xn + m introduzidas para converter as

Prof. Joo Antnio de Vasconcelos 13

2 caso: Variveis Surplus (Excesso)

Essa forma equivalente a:

Prof. Joo Antnio de Vasconcelos 14

3 Caso: Variveis Livres

Prof. Joo Antnio de Vasconcelos 15

1) Suponha que no problema anterior, a restrio xj 0 no esteja presente. Dessa forma,

Prof. Joo Antnio de Vasconcelos 16

em que se requer xj 0 e xj 0. Se ns substituirmos xj por xj xj em todo o

problema, a linearidade das restries preservada e todas as variveis so agora no-

ai1 x1 + ai2 x2 + + aij x j + ain xn = bi

Prof. Joo Antnio de Vasconcelos 17

x j = [bi ( ai1 x1 + ai2 x2 + + ain xn )] / aij

Se essa expresso substituir xj em todas as equaes, teremos um novo problema

4 Caso: Variveis Limitadas Inferior ou Superiormente

Prof. Joo Antnio de Vasconcelos 18

Transformao de Problemas de Minimizao em Maximizao

mximo z = - mnimo (- z) (13)