IOtexto PDF

ESCOLA SUPERIOR DE TECNOLOGIA
UNIVERSIDADE DO ALGARVE
CESE em Engenharia Civil - Construo
INTRODUO
INVESTIGAO OPERACIONAL
PROGRAMAO LINEAR
JOO MANUEL CARVALHO ESTVO
FARO
1998
Joo M. C. Estvo - EST - UAlg
PREFCIO
Os presentes apontamentos constituiram a base das aulas prticas

de Investigao Operacional do 1 CESE em Engenharia Civil -
Construo, ano lectivo de 1993/94, e das aulas tericas e prticas
dos 2 e 3 CESEs, anos lectivos de 1995/96 e 1997/98.
Os apontamentos visam iniciar os alunos no estudo da

programao linear, numa perspectiva da engenharia civil, sem
pretender substituir a bibliografia existente sobre o assunto. O texto
est ilustrado com vrios exemplos resolvidos, assim como prope
um conjunto de outros problemas cujas solues se apresentam
num anexo.
Actividade docente do autor no mbito da disciplina de Investigao

Operacional:
1993/94 - aulas prticas
1995/96 - aulas tericas e prticas
1997/98 - aulas tericas
Escola Superior de Tecnologia, UAlg

28 de Setembro de 1998

-i-
NDICE
Pg.
1. Modelos de deciso na investigao operacional ................................... 1
1.1. Introduo.......................................................................................... 1
1.2. O papel do modelo ............................................................................. 2
2. Programao linear ............................................................................... 3
2.1. Aplicaes da programao linear...................................................... 4
2.2. Formulao matemtica ..................................................................... 8
2.2.1. Hipteses do modelo de programao linear.................................. 10
2.2.2. Formas de apresentao de um programa linear............................. 11
2.2.2.1. Forma cannica.......................................................................... 11
2.2.2.2. Forma padro ............................................................................. 12
2.3. Resoluo grfica............................................................................. 13
2.4. Problemas propostos ........................................................................ 15
3. Noes de algebra linear ..................................................................... 19
3.1. Espaos vectoriais............................................................................ 19
3.2. Sistemas de equaes lineares indeterminados ................................. 21
3.3. Determinao de solues bsicas.................................................... 23
3.4. Mudana de soluo bsica .............................................................. 26
4. Mtodo simplex .................................................................................. 31
4.1. Mudana de soluo bsica admissvel............................................. 33
4.2. Melhoria da funo objectivo........................................................... 42
4.3. Algoritmo primal do simplex............................................................ 44
4.4. Casos particulares ............................................................................ 49
4.4.1. Solues ptimas alternativas........................................................ 49
4.4.2. Empate no critrio de entrada na base ........................................... 52
- ii -
4.4.3. Empate no critrio de sada da base............................................... 52

4.5. Inexistncia de uma soluo bsica admissvel inicial ...................... 56
4.5.1. Mtodo das duas fases .................................................................. 58
4.5.2. Mtodo da penalizao da funo objectivo .................................. 63
5. Dualidade na programao linear ........................................................ 70
5.1. Definio do problema dual ............................................................. 70
5.2. Passagem do primal ao dual ............................................................. 73
5.3. Teoria da dualidade na programao linear ...................................... 75
5.3.1. Teoremas bsicos da dualidade ..................................................... 75
5.3.2. Teorema dos desvios complementares ........................................... 76
5.4. Algoritmo dual do simplex............................................................... 77
5.4.1 Inexistncia de uma soluo admissvel inicial do dual................... 82
6. Ps-Optimizao................................................................................. 89
6.1. Introduo de uma varivel .............................................................. 89
6.2. Introduo de uma restrio ............................................................. 89
7. Programao linear inteira................................................................... 90
7.1. Algoritmo dos planos de corte.......................................................... 91
7.1.1. Corte fraccionrio de Gomory para P.L. inteira pura. .................... 92
7.1.2. Corte fraccionrio de Gomory para P.L. inteira mista.................... 99
7.2. Algoritmo da bifurcao e limite .................................................... 102
7.3. Problemas propostos ...................................................................... 111
Bibliografia........................................................................................... 113
- iii -
1. MODELOS DE DECISO NA INVESTIGAO OPERACIONAL
1.1. INTRODUO
Durante a Segunda Guerra Mundial, constituiram-se em Inglaterra grupos

de cientistas e engenheiros, de diversas reas do conhecimento, com o
objectivo de investigar sobre assuntos considerados novos e que fugiam s
rotinas militares da altura, tais como: aumentar a eficcia do radar, o uso de
canhes anti-areos, tcticas anti-submarinos, escoltas navais, operaes de
minagem, entre outros. A eficincia desses grupos deveu-se mais ao
engenho dos cientistas para a obteno de dados e informaes, e sua
subsequente anlise, do que ao desenvolvimento de tcnicas especficas.
Esse conjunto de processos e mtodos cientficos de anlise usados,
denominou-se por investigao operacional, dado que surgiu de
investigaes aplicadas s operaes militares.
Com o fim da guerra, esta forma de abordar problemas complexos suscitou

o interesse para a sua aplicao a vrios problemas da vida civil. Desses
problemas salientam-se os relacionados com tarefas de gesto de recursos,
como, por exemplo, a melhor forma de gerir uma empresa ou a forma mais
econmica de elaborar uma dieta alimentar que satisfaa determinados
requisitos.
A investigao operacional constitui um novo ramo cientfico, independente

dos outros, que proporciona uma abordagem cientfica para a tomada de
decises, baseada essencialmente em tcnicas quantitativas, ao invs de
uma abordagem qualitativa, baseada na experincia e intuio de quem
toma as decises.
Existe um conjunto de caractersticas comuns maior parte dos problemas

de investigao operacional:
dizem respeito a planeamento e previso
so descritos e analisados em termos numricos
existem restries, como seja a limitao de recursos
tm objectivos a optimizar
so problemas sem soluo imediata
-1-
1.2. O PAPEL DOS MODELOS
O conceito de modelo fundamental na investigao operacional. Modelo

entendido como um meio de representao que possua algumas das
caracterticas do projecto ou sistema que se pretende entender e controlar, e
definido por uma funo objectivo e um conjunto de restries, expressos
em termos de variveis (que determinam as alternativas) do problema.
O processo de tomada de deciso na investigao operacional consiste em

construir um modelo de deciso e resolv-lo de modo a determinar-se a
deciso ptima. Para a soluo de um modelo, apesar de exacta, ter
significado real, esse modelo tem que proporcionar uma representao
adequada da realidade.
SISTEMA
REAL
Diagnstico
DEFINIO DO Hipteses simplificadoras

PROBLEMA
MODELO
MTODOS Deduo
TRADICIONAIS Reviso
SOLUO DO
MODELO
IMPLEMENTAO
DOS RESULTADOS
Validao da soluo
FIGURA 1
Uma situao real pode envolver um nmero substancial de variveis e

restries, no entanto, usual que s uma pequena fraco dessas variveis
e restries, traduza realmente o comportamento do sistema real. Desta
forma, a simplificao do sistema real com o propsito da construo de um
modelo, deve-se concentrar primeiramente na identificao das variveis e
restries dominantes, assim como outros dados que sejam pertinentes para
a tomada de deciso. A figura 1 ilustra, de forma esquemtica, o que
anteriormente foi descrito.
-2-
2. PROGRAMAO LINEAR
A programao linear, nascida com os trabalhos de George B. Dantzing em

1947, constitui a primeira tcnica explcita, e uma das mais desenvolvidas e
utilizadas, da investigao operacional e uma classe da programao
matemtica.
A palavra programao, neste contexto, no se refere programao de

computadores, mas , essencialmente, um sinnimo de planeamento. A
programao linear envolve um modelo de planeamento de actividades para
a obteno de uma soluo ptima. A soluo ptima obtida maximizando
ou minimizando uma funo linear que traduza o objectivo do problema,
definida sobre um poliedro convexo (conjunto de restries ao problema).
Os clculos efectuados na resoluo de problemas, que envolvam modelos

matemticos de programao linear, so tipicamente iterativos. Como tal, o
processo pode tornar-se tedioso, ou mesmo de impraticvel aplicao a
problemas complexos, com grandes quantidades de dados. Dado a
generalizao do uso do computador pessoal, e a existncia de programas de
clculo automtico venda no mercado, difcil dissociar as tcnicas da
programao linear da sua implementao em computadores. Desta forma,
pode ser processada grande quantidade de informao em curto espao de
tempo, o que permite a resoluo de problemas de grande complexidade, e
reduzir a morosidade de clculo manual. Nesta perspectiva, apresenta-se em
anexo a estes apontamentos um programa de clculo automtico onde esto
implementados os algoritmos em estudo por forma a auxiliar a compreenso
das matrias.
A resoluo de problemas reais por aplicao de modelos de programao

linear no tarefa fcil, pois a formulao dos problemas desse modo
ainda incipiente. No entanto, a importncia da programao linear no
depende s da sua aplicao directa a problemas reais, mas tambm
motivada por proporcionar uma importante fundao ao desenvolvimento de
solues para outras tcnicas da programao matemtica, como sejam a
programao inteira, a programao no-linear e a programao estocstica.
-3-
2.1. APLICAES DA PROGRAMAO LINEAR
A programao linear tem aplicao prtica em inmeros problemas, de que

se destacam tipicamente os seguintes:
PROBLEMA DE MISTURA
Foi um dos primeiros problemas a ser resolvido, atravs da
programao linear, por Dantzing. Este problema caracteriza-se por
se pretender obter, com custo mnimo ou lucro mximo, um ou vrios
produtos, que satisfaam certos requisitos, atravs da combinao de
vrios ingredientes possuidores dessas caractersticas a diferentes
nveis (exemplos: raes para animais, adubos, produtos alimentares,
produtos farmacuticos, ligas metlicas, tintas, gasolinas, etc.).
PROBLEMA DE TRANSPORTE
Este problema admite muitas variantes, sendo a sua forma mais
simples a seguinte: pretende-se efectuar o transporte de um
determinado produto (matrias primas, produtos fabricados, etc.), que
se encontra em m origens diferentes (armazns, fbricas, portos,
etc.), para n destinos distintos (fbricas, mercados, consumidores
finais, portos, etc.). Conhecido o custo de transporte de uma unidade
de produto associado a cada percurso origem/destino, procede-se
determinao do plano de distribuio que minimize o custo total de
transporte.
PROBLEMA DA PRODUO
Trata-se de uma das aplicaes mais frequentes em gesto de
empresas, em que se pretende determinar a produo de n produtos
da empresa de acordo com os recursos disponveis, as condies
tecnolgicas existentes e a situao de mercado, com vista
maximizao do resultado da explorao.
PROGRAMAO SEQUENCIAL DA PRODUO
um problema de planeamento de produo que pode ser
considerado como um problema tipo, consistindo no escalonamento
da produo ao longo de vrios perodos de tempo, conhecida a
procura, capacidade de produo e custos de produo e
armazenagem ao longo do tempo.
-4-
Do ponto de vista da engenharia civil, muito poucos problemas de interesse

prtico podem ser formulados como programas lineares sem que disso
implique um elevado grau de simplificao. No entanto possvel
simplificar problemas no lineares de optimizao, usando tcnicas de
linearizao. Quase todos os problemas no lineares podem ser resolvidos
como uma sequncia repetitiva de aproximaes lineares que convergem
para a soluo exacta do problema no linear. Este poderoso mtodo de
resoluo denomina-se por programao linear sequncial.
Alguns problemas lineares de optimizao estrutural:

ANLISE PLSTICA LIMITE
Determinao da mnima carga de colapso de uma estrutura
OPTIMIZAO DE TRELIAS
Este tipo de problema aplica-se a estruturas metlicas na minimizao
do peso da estrutura, e a estruturas irregulares bidimensionais de
beto armado, dimensionadas atravs de modelos de escoras e
tirantes, onde se pretende minimizar a quantidade de armadura.
OPTIMIZAO DE PRTICOS PLANOS EM REGIME PLSTICO
Anlise rigido-plstica de estruturas metlicas em que se pretende
minimizar o volume de material usado.
OPTIMIZAO DO TRAADO DE CABOS DE PR-ESFORO
Nestes problemas pretende-se minimizar o valor do pr-esforo
aplicado.
A melhor forma de se iniciar o estudo da programao linear atravs de
um exemplo simples de aplicao.
EXEMPLO 1
Um municpio algarvio disponibilizou no seu oramento uma verba de
50000 contos para infra-estruturas de saneamento bsico ao longo de duas
vias municipais. A via "1" uma estrada pavimentada com 3400 m e a via
"2" um caminho de terra batida com 5000 m, registando-se a existncia de
6 hab./100 m na primeira e 4 hab./100 m na segunda. As obras em causa
no podem durar mais de 150 dias para no interferir com a poca balnear.
Sabendo que os custos mdios das obras so 12 contos/m na via "1" e 8.5
contos/m na via "2", e que se executam 25 m/dia e 50 m/dia,
respectivamente, em cada uma das vias, diga como distribuiria as obras por
cada via de modo a servir a mxima populao possvel.
-5-
Formalizao do exemplo 1
Passo 1
Elabora-se a lista de todas as variveis de deciso que entram no
problema.
Neste caso:
x1 - comprimento da via "1" a infra-estruturar

x2 - comprimento da via "2" a infra-estruturar
A cada varivel est associada uma actividade.
actividade 1 - execuo de infra-estruturas na via "1".

actividade 2 - execuo de infra-estruturas na via "2".
A medida quantitativa de cada actividade designa-se por nvel de

actividade.
Passo 2
Enumerao de todas as restries ao problema.
Neste caso sabe-se que:
- cada metro de via "1" com infra-estruturas custa 12 contos, logo a

totalidade de metros executados custar 12x1.
- cada metro de via "2" com infra-estruturas custa 8.5 contos, logo a
totalidade de metros executados custar 8.5x2.
Como o custo total no pode ultrapassar a verba em oramento, isso traduz-

se algebricamente em:
12x1 + 8.5x2 50 000
-6-
Relativamente durao da obra:
- cada metro de via "1" com infra-estruturas demora 1/25 = 0.04 dias,
logo a totalidade de metros executados durar 0.04x1.
- cada metro de via "2" com infra-estruturas demora 1/50 = 0.02 dias,
logo a totalidade de metros executados durar 0.02x2.
Como a durao da obra no pode ser superior a 150 dias, isso traduz-se
algebricamente em:
0.04x1 + 0.02x2 150
Para terem sentido prtico, as variveis x1 e x2 tm de assumir valores no

negativos, e por outro lado no podem exceder o comprimento das vias, o
que se traduz por:
x1 3400
x1 0
x2 5000
x2 0
Passo 3
Definir a funo que traduz o objectivo do problema.
Neste problema pretende-se servir o maior nmero de pessoas com infra-

estruturas, ou seja maximizar o nmero de pessoas abrangidas pelas obras.
- cada metro de via "1" vai corresponder a 6/100 = 0.06 pessoas, logo a
totalidade de metros executados corresponder a 0.06x1.
- cada metro de via "2" vai corresponder a 4/100 = 0.04 pessoas, logo a
totalidade de metros executados corresponder a 0.04x2.
A funo objectivo ser:
maximizar z = 0.06x1 + 0.04x2
-7-
2.2. FORMULAO MATEMTICA
Os exemplos enunciados anteriormente podem ser formulados de acordo

com um modelo matemtico bastante geral que consiste na determinao de
valores no negativos para as n variveis x1, x2,...,xj,..., xn de modo a
satisfazer um sistema de m equaes ou inequaes lineares que
maximizem ou minimizem uma funo linear Z (real) dessas variveis.
maximizar (minimizar) Z = c1x1 + c2x2 +...+ cjxj +...+ cnxn
sujeito a: (restries)
a11x1 + a12x2 +...+ a1jxj +...+ a1nxn (ou = ou ) b1
a21x1 + a22x2 +...+ a2jxj +...+ a2nxn (ou = ou ) b2
...
ai1x1 + ai2x2 +...+ aijxj +...+ ainxn (ou = ou ) bi
...
am1x1 + am2x2 +...+ amjxj +...+ amnxn (ou = ou ) bm
x1 , x2 , ... , xj ,..., xn 0 (restries de no negatividade)
Designando-se por:
Z - funo objectivo (funo critrio)

xj - variveis de deciso (variveis principais)
aij - coeficientes tcnicos
bi - termos independentes
cj - coeficientes da funo objectivo
com i = 1, 2, ..., m e j = 1, 2, ..., n
O conjunto de solues que satisfaam as restries designam-se por

solues admissveis.
A soluo admissvel que optimiza a funo objectivo designa-se por

soluo ptima admissvel.
-8-
Podem efectuar-se operaes convenientes de modo a alterar a forma de

apresentao de qualquer problema de programao linear:
i) mnimo Z = mximo (Z)
ii) ai1x1 + ai2x2 +...+ ainxn bi ai1x1 ai2x2 ... ainxn bi
iii)
a i1x1 + a i2 x 2 +...+ a in x n b i

a i1x1 + a i2 x 2 +...+ a in x n = b i
a x + a x +...+ a x b
i1 1 i2 2 in n i
iv) Se xj no tem restrio ao sinal, pode exprimir-se como a diferena

de duas variveis no negativas: xj = xj xj com xj , xj 0

Exemplo
Apresentao do problema do exemplo 1 formulado de acordo com o

modelo matemtico enunciado.
max. Z = 0.06x1 + 0.04x2
s.a
12x1 + 8.5x2 50 000
0.04x1 + 0.02x2 150
x1 3400
x2 5000
x1 , x2 0
-9-
2.2.1. HIPTESES DO MODELO DE PROGRAMAO LINEAR
O modelo de programao linear no se aplica a todos os casos e situaes.

A sua aplicao requer que se assumam como verdadeiras as seguintes
hipteses:
COEFICIENTES CONSTANTES
Nos modelos de programao linear os coeficientes aij, bi e cj so
considerados constantes.
PROPORCIONALIDADE
Assume-se que o valor de venda ou compra de uma unidade de
produto j proporcional ao nvel de produo xj, sendo cjxj o valor de
venda ou compra dessa produo. De igual modo assume-se que os
coeficientes aij so independentes de xj , qualquer que seja xj no
negativo.
ADITIVIDADE
Sendo a hiptese da aditividade verdadeira, implica que o consumo
ou produo total de um dado produto seja igual soma das vrias
quantidades de produto que so consumidas ou produzidas quando se
executa cada uma das actividades a um determinado nvel. Esta
hiptese implica ainda que a funo objectivo seja separvel em
relao s variveis. Se temos x1 , x2 , ... , xn e a funo objectivo
Z(x1 , x2 , ... , xn) = Z(x), ento Z(x) pode escrever-se como a soma
de n funes lineares, cada uma das quais envolvida apenas com uma
varivel do modelo, Z1(x1) + Z2(x2)+...+Zn(xn), onde Zj(xj) a
contribuio da varivel xj para o valor da funo objectivo.
VARIAO CONTNUA
Estamos a considerar que cada uma das variveis do modelo pode
assumir qualquer valor real no seu intervalo de variao. Quando as
variveis s poderem tomar valores inteiros passa-se a lidar com um
modelo de programao inteira.
NO NEGATIVIDADE
Supe-se que o nvel de uma actividade pode assumir qualquer valor
no negativo de um dado intervalo.
- 10 -
2.2.2. FORMAS DE APRESENTAO DE UM PROGRAMA LINEAR
Tendo em vista a resoluo de um problema de programao linear, este

pode ser escrito em vrias formas tpicas.
2.2.2.1. FORMA CANNICA
As caractersticas desta forma so as seguintes:
i) As variveis so todas no negativas.
ii) As restries so todas do tipo .
iii) A funo objectivo do tipo maximizar.
max. Z = c1x1 + c2x2 +...+ cjxj +...+ cnxn
s. a
a11x1 + a12x2 +...+ a1jxj +...+ a1nxn b1
a21x1 + a22x2 +...+ a2jxj +...+ a2nxn b2
...
ai1x1 + ai2x2 +...+ aijxj +...+ ainxn bi
...
am1x1 + am2x2 +...+ amjxj +...+ amnxn bm
x1 , x2 , ... , xj ,..., xn 0
- 11 -
2.2.2.2. FORMA PADRO
As caractersticas desta forma so as seguintes:
i) Todas as restries so equaes com excepo das que respeitam

no negatividade.
ii) Os termos independentes so todos no negativos.
iii) Todas as variveis de deciso so no negativas.
iv) A funo objectivo pode ser para maximizar ou minimizar.
max. (min.) Z = c1x1 + c2x2 +...+ cjxj +...+ cnxn
s. a
a11x1 + a12x2 +...+ a1jxj +...+ a1nxn = b1
a21x1 + a22x2 +...+ a2jxj +...+ a2nxn = b2
...
ai1x1 + ai2x2 +...+ aijxj +...+ ainxn = bi
...
am1x1 + am2x2 +...+ amjxj +...+ amnxn = bm
x1 , x2 , ... , xj ,..., xn 0
A passagem de um programa linear cujas restries sejam inequaes, para

a forma padro, pode ser efectuada atravs da criao de um conjunto de
variveis no negativas, que se designam por variveis de desvio, pois
correspondem ao desvio do valor da restrio ao seu limite.
As variveis de desvio podem-se dividir em dois grupos distintos:

variveis de folga, quando a varivel adicionada a uma
inequao do tipo por forma a se obter uma igualdade.
variveis de excesso, quando a varivel subtraida a uma

inequao do tipo por forma a se obter uma igualdade.
- 12 -
2.3. RESOLUO GRFICA
Os problemas com apenas duas variveis podem resolver-se graficamente

com grande facilidade. A existncia de um nmero superior de variveis de
deciso tornam os problemas de difcil resoluo grfica, pelo que nestes
casos este processo no tem sentido.
Dado um programa linear, uma soluo admissvel um ponto cujas

coordenadas correspondem ao valor de cada uma das variveis de deciso ,
de forma a que cada restrio seja satisfeita para esses valores (incluindo as
de no negatividade). Uma soluo ptima uma soluo admissvel que
maximiza ou minimiza a funo objectivo, no conjunto de todas as solues
admissveis.
Na resoluo grfica de um programa linear, que envolva apenas duas

variveis de deciso, constri-se primeiramente um sistema de eixos
cartesianos x1 , x2 . O passo seguinte consiste em traar rectas
correspondentes ao limite de cada uma das restries, definindo-se o
conjunto de solues admissveis. A soluo ptima ento identificada
traando-se uma recta da famlia de rectas representas pela funo
objectivo, e movendo-se esta recta paralelamente a si mesma de modo a
encontrar o seu ptimo no domnio das solues admissveis do problema.
Resoluo do exemplo 1
Se considerarmos o problema do exemplo 1
max. Z = 0.06x1 + 0.04x2
s.a
12x1 + 8.5x2 50 000
0.04x1 + 0.02x2 150
x1 3400
x2 5000
x1 , x2 0
- 13 -
Traam-se inicialmente as rectas, correspondentes s restries, e define-se

o espao limitado pelas rectas (incluindo-as). O conjunto de solues
admissveis do problema fica sempre restringido ao primeiro quadrante
atendendo s restries de no negatividade (figura 2).
1) 12x1 + 8.5x2 = 50 000 passando por A (0; 5882.35) B (4166.67; 0)

2) 0.04x1 + 0.02x2 = 150 passando por C (0; 7500) D (3750; 0)
3) x1 = 3400 passando por E (3400; 0)
4) x2 = 5000 passando por F (0; 5000)
Aps o traado da recta que define a famlia de rectas da funo objectivo,

esta deslocada at ao ponto onde obtemos o limite das solues
admissveis que maximiza a funo. O ponto "G" corresponde, neste caso,
soluo ptima do problema.
G (2750;2000) x1 = 2750 m e x2 = 2000 m, sendo Z = 245 habitantes.
x2
3
2
F
Z(x) 4
Conjunto de
solues admissveis
B x1
O E D
FIGURA 2
- 14 -
2.4. PROBLEMAS PROPOSTOS
Formule e resolva graficamente os seguintes problemas de programao linear:
2.1. Uma empresa de betoneiras fabrica dois modelos numa fbrica que est dividida
em duas seces: seco 1 onde se efectua o trabalho de montagem, e seco 2 onde se
realizam as operaes de acabamento. A seco 1 exige 5 dias de trabalho por betoneira
grande e 2 por betoneira pequena e a seco 2 exige 3 dias de trabalho para qualquer
betoneira. Em virtude das limitaes de pessoal e mquinas, a seco 1 s pode dispor
de 180 dias de trabalho por semana e a seco 2 de 135 dias. Se a empresa obtm um
lucro de 90 contos por betoneira grande e 60 contos por betoneira pequena, quantas
betoneiras de cada tipo deve produzir por semana para maximizar o seu lucro?
2.2. Uma fbrica de produtos cermicos produz dois tipos de azulejos, A e B. Cada tipo
de azulejo, para ser produzido, passa por dois sectores. O sector 1 tem disponvel, por
ms, uma capacidade de produo de 1160 horas, enquanto o sector 2 tem disponvel
uma capacidade de produo de 1100 horas, para os dois produtos. O tempo necessrio
produo de cada azulejo (em horas) em cada sector, as quantidades de azulejos
mximas requeridas mensalmente e os respectivos preos de venda unitrios esto
descriminados na tabela seguinte. O objectivo da empresa maximizar o montante das
vendas. Determine os valores a produzir de cada azulejo.
Sector Procura Preos

Azulejos 1 2 mxima unitrios
A 0.03 0.02 36000 30$00
B 0.02 0.06 14000 65$00
2.3. Um consrcio de empresas comprou um terreno de 20 ha destinado a urbanizar. A

elaborao do projecto do referido empreendimento foi posta a concurso, estando as
equipas de projectistas sujeitas s condies do plano director municipal que limita a
construo a 25 vivendas unifamiliares ou 90 apartamentos por ha. No programa de
concurso estava estipulado a necessidade de construo de 200 vivendas e 100
apartamentos, devidos existncia de encomendas j realizadas, alm disso a
estimativa de custos mdios estipulada pelo consrcio apontava para 18000
contos/vivenda e 11000 contos/apartamento. A disponibilidade oramental estipulada
de 12.24 milhes de contos, sendo o valor mdio de venda de 25850 contos/vivenda e
15000 contos/apartamento. Ser adjudicada a elaborao do projecto equipa de
projectistas que apresente a proposta de maior lucro para a empresa. Caso pertencesse
equipa de projectistas envolvida no concurso, qual seria o nmero de vivendas e
apartamentos da sua proposta?
- 15 -
2.4. Um refeitrio de uma fbrica de pr-fabricados para construo fornece pequenas

refeies aos seus trabalhadores. Um dos pratos confeccionados constitudo base de
dois produtos alimentares. Sabendo que 1 kg de produto 1 custa 300$00 e fornece 200
calorias e 23 unidades de gordura, e 1 kg de produto 2 custa 1000$00 e fornece 400
calorias e 6 unidades de gordura, preparar a dieta mais econmica de modo a conter
pelo menos 240 calorias mas no mais do que 20 unidades de gordura.
2.5. Uma empresa de janelas e portas pr-fabricadas efectua a sua produo em trs
sectores distintos. A caixilharia de alumnio e acessrios so produzidos na seco 1, as
carpintarias so elaboradas na seco 2, sendo a seco 3 o local de produo do vidro e
da montagem de todos os elementos. Para relanar a empresa foi decidido iniciar a
produo dois novos produtos: uma porta envidraada de alumnio e um janela de
madeira. O departamento de "marketing" determinou que os produtos teriam uma
procura que cobria a capacidade produtiva da empresa. Contudo como os produtos
competem entre si na seco 3 face capacidade produtiva, a direco da empresa
solicitou um estudo que determinasse o nmero de cada tipo de artigos a produzir. Os
valores tabelados traduzem a disponibilidade percentual de cada seco para produzir
os artigos, as percentagens requeridas pelos artigos por cada unidade produzida num
minuto, e o lucro por cada artigo produzido.
Seco Portas Janelas Capacidade de produo

1 1 0 3
2 0 1 5
3 4 3 24
Lucro 12 9
(contos/un.)
2.6. Uma empresa de produtos qumicos pretende comercializar aditivos para beto,
tendo capacidade para produzir 800 unidades. O aditivo pode ser produzido com duas
qualidades distintas: "Normal" e "Extra". Os lucros que se obtm pela venda de
1400$00 por unidade de produto "Normal" e 1700$00 por unidade de produto "Extra".
A fbrica tem capacidade mxima para produzir 960 unidades de produto "Normal" e
640 de produto "Extra", ou combinaes destes dois produtos que garantam estas
propores. Um estudo de viabilidade da comercializao do produto concluiu que no
mnimo 240 unidades de aditivo tm de ser produzidas, e que pelo menos um quinto da
comercializao deve ser de produto "Extra", no devendo exceder metade dos produtos
vendidos. Determine as quantidades de produto "Normal" e "Extra" que devero ser
produzidas de modo a ser obtido o maior lucro possvel.
- 16 -
2.7. Uma empresa de comercializao de materiais de construo, em larga escala,

pretende renovar a frota de camies, desejando equip-la com dois tipos de camies:
modelo "A" de 20 toneladas de capacidade com um custo de 8000 contos e modelo "B"
de 40 toneladas de capacidade com um custo de 12000 contos. O capital disponvel
para a compra de 1 milho de contos. A disponibilidade das garagens da empresa de
110 veculos no total. Verifica-se a necessidade imperativa de 35 camies modelo "A" e
25 modelo "B". Atendendo necessidade de escoamento dos materiais, necessrio
uma capacidade de transporte de 2000 toneladas. Por questes de logstica, pelo menos
um quarto da frota deve consistir de modelos "B". Atendendo a que o custo de
transporte por tonelada de material, nos modelos "B" 40% superior ao custo dos
modelos "A", determinar a composio da frota de camies de modo a minimizar o
custo de transporte.
2.8. Todo o ao fabricado por uma determinada siderurgia obedece s seguintes

propriedades qumicas e fsicas: 1.8 - 2.5% de silcio; 0.9 - 1.2% de nquel; 3.2 - 3.5%
de carbono; tenso de rotura mnima de 310 MPa. A produo de ao feita a partir de
duas ligas metlicas. Assume-se que a tenso de rotura da mistura das duas ligas igual
soma percentual da tenso de rotura de cada liga. Atendendo ao custo e propriedades
apresentadas no quadro seguinte, estabelea o modo de minimizar o custo de produo
do ao.
Liga 1 Liga 2
Custo por quilo 38$00 40$00
Silcio 2% 2.5%
Nquel 1% 1.5%
Carbono 3% 4%
Tenso de rotura 290 MPa 345 MPa
2.9. Uma cidade produz 50 toneladas de lixo por dia. O lixo tem que ser incinerado nas
incineradoras 1 ou 2. Por razes tcnicas, necessrio incinerar um mnimo de 30%
desse lixo na incineradora 2. O custo para incinerar o lixo nas incineradoras 1 e 2 de
6500$00/ton. e 11250$00/ton., respectivamente. O custo de transporte de cada tonelada
de lixo de 60$00 por cada quilmetro percorrido. A distncia da cidade incineradora
1 de 30 km e incineradora 2 de 20 km. Cada incineradora pode receber um
mximo de 40 toneladas de lixo por dia. Efectue o planeamento do transporte de lixo de
modo a minimizar o custo.
- 17 -
2.10. Um reservatrio de gua abastecido atravs de dois furos, cujas estaes

elevatrias esto a bombear em paralelo, sendo necessrio um caudal mnimo de 75
m3/h a um preo compreendido entre 35$00/m3 e 38$00/m3. O furo 1 tem possibilidade
de fornecer um caudal mximo de explorao de 65 m3/h, enquanto o furo 2 tem
possibilidade de fornecer um caudal mximo de explorao de 45 m3/h. A diferena de
cotas entre o ponto mais baixo da conduta elevatria e o reservatrio de 61.938 m. O
valor do caudal pode ser determinado pela seguinte expresso: Q=50.5 D2.68 i0.56, em
que Q vem expresso em m3/s, D em metros e i (perda de carga) em m/m. O preo da
gua de 30$00/m3, a que se acresce o custo de explorao de 4$00/m3 no furo 1 e
8$00/m3 no furo 2. Atendendo s caractersticas da rede que se apresenta em esquema,
determine o caudal que deve ser debitado de cada furo de modo a minimizar o custo da
gua.
100
1 1000 m
2
2.11. Uma empresa metalrgica produz dois tipos de vares de ao para construo em
duas seces de laminao diferentes. A seco de laminao 1 tem 100 horas
disponveis, enquanto a seco de laminao 2 tem 30 horas disponveis. O preo de
venda (em contos) e o tempo necessrio (em minutos), por seco, para a produo de
uma tonelada de varo, esto descritos na tabela seguinte. Como o nmero de
encomendas por ms , no mximo, de 250 toneladas de vares tipo 1 e de 140
toneladas de vares tipo 2, determine a produo de vares de modo a maximizar a
facturao.
Vares Preo Seco 1 Seco 2
tipo 1 71 20 --
tipo 2 80 18 20
2.12. Uma empresa de construo civil encomendou um projecto de um edifcio de

habitao e comrcio. A rea de construo, na zona de implantao da obra, est
limitada a 10000 m2, sendo a rea mxima destinada a comrcio, de um tero da rea
total do edifcio. A empresa de construo exige que o edifcio no tenha uma rea
inferior a 8000 m2, sendo a rea mnima destinada a comrcio, de um quinto da rea
total do edifcio. O preo de venda de 150 contos/m2 para habitao e 250 contos/m2
para o comrcio. Atendendo procura, devem existir um mnimo de 6000 m2 de rea
habitacional. Defina a distribuio das reas de forma a maximizar o volume de vendas.
- 18 -
3. ALGUMAS NOES DE LGEBRA LINEAR
3.1. ESPAOS VECTORIAIS
Vamos enunciar algumas definies importantes para o desenvolvimento da

matria que se segue.
Combinao linear convexa de um nmero finito de pontos x1 , x2 , ... ,

xn , um ponto
x = 1x1 + 2x2 +...+ jxj +...+ nxn
n
com os escalares i 0 e i = 1 , com i= 1,..., n
i=1
Conjunto convexo S n um conjunto tal que um segmento de recta,

unindo dois pontos quaisquer de S, est contido nesse conjunto.
De outra forma, S um conjunto convexo se quaisquer que sejam x1 e x2
S e 0 1 se tem
Y = 1x1 + (12)x2 S
Exemplos:
Convexo No convexo No convexo Convexo
Ponto extremo de um conjunto convexo S todo o ponto que no

pertence a um segmento de recta que une dois pontos quaisquer de S, ou
seja, um ponto extremo no pode ser obtido por uma combinao linear
convexa positiva de pontos de S.
- 19 -
Combinao linear de vectores um vector
B = A1x1 + A2x2 +...+ Ajxj +...+ Anxn
sendo A1, A2, ..., An vectores pertencentes a n e x1, x2 , ... , xn ,

nmeros reais.
Vectores linearmente independentes so vectores A1, A2, ..., An, no

nulos, tais que a equao vectorial
A1x1 + A2x2 +...+ Ajxj +...+ Anxn = 0
s se verifica para x1 = 0, x2 = 0, ... , xn = 0, com x1, x2 , ... , xn ,

nmeros reais.
Dimenso de um espao m o valor m tal que existem A1, A2, ...,

Am, vectores linearmente independentes pertencentes a m e no existem
(m+1) vectores linearmente independentes pertencentes a m.
Base de um espao m um sistema de vectores A1, A2, ..., Am

pertencentes a m se eles forem linearmente independentes e qualquer
vector B poder ser obtido por combinao linear desses vectores, isto
B = A1x1 + A2x2 +...+ Amxm
Combinao convexa de vectores A1, A2, ..., An todos pertencentes a

m um vector
B = 1A1 + 2A2 +...+ nAn
n
com os escalares i 0 e i = 1 , com i= 1,..., n
i=1
- 20 -
3.2. SISTEMAS DE EQUAES LINEARES INDETERMINADOS
Consideremos o seguinte sistema de equaes lineares:
a11x1 + a12x2 +...+ a1jxj +...+ a1nxn = b1

a21x1 + a22x2 +...+ a2jxj +...+ a2nxn = b2
...
...
Este sistema pode ser escrito na notao matricial A x = b em que:

a 11 a 1n x1 b1
A= , x= , b=

a m1
a mn x n b m
Se admitirmos que o sistema possvel, ento existe pelo menos um vector
y n tal que A y = b .
Seja m n e, sem perda de generalidade, m < n, neste caso o sistema

diz-se indeterminado e admite uma infinidade de solues.
Assumindo que, sem perda de generalidade, a caracterstica de A (nmero

mximo de linhas que so linearmente independentes) igual a m, pode-se
considerar uma partio de A na forma:
A=[B|N]
onde B uma qualquer sub-matriz quadrada de A, de ordem e
caracterstica m, como tal invertvel.
B B-1 = B-1 B = I
1 se i = j

onde I = i, j = 1, ..., m
0 se i j

a matriz identidade, que quadrada e de ordem m.
- 21 -
Tal como foi efectuada uma partio de A, tambm o podemos fazer para o
vector x :
x = [ xB | xN ]T
Sendo xB composto pelas m componentes de x que dizem respeito

matriz B e xN pelas (n-m) componentes que dizem respeito matriz N.
Tendo em conta estas parties, o sistema pode ser escrito na forma:
[ B | N ] [ xB | xN ]T = b

B xB + N xN = b
Dado que B-1 existe, pode-se escrever:
B-1B xB + B-1N xN = B-1b

I xB = B-1b B-1N xN
ou seja:
xB = B-1( b N xN )
Arbitrando valores para todas as componentes de xN, a determinao de

B-1 permite calcular uma soluo para o sistema A x = b.
As solues do sistema de equaes podem ser classificadas da seguinte

forma:
As solues que se obtm quando xN= 0, dizem-se bsicas.
Uma qualquer soluo bsica diz-se degenerada, quando alguma
das componentes de xB tem o valor zero.
As variveis de xB designam-se por variveis bsicas, e as variveis de xN

por variveis no bsicas.
Existem tantas solues bsicas quantas matrizes B possveis de se

escolherem na partio de A, pois a cada matriz B corresponde uma
soluo bsica. Conclui-se assim que o nmero de solues bsicas finito.
- 22 -
3.3. DETERMINAO DE SOLUES BSICAS
O sistema A x = b pode ser escrito na forma de quadro, do seguinte

modo:
x1 x2 ... xn b
a11 a12 ... a1n b1
a21 a22 ... a2n b2
.. .. . . .. ..
. . . . .
am1 am2 ... amn bm
A matriz [ A | b ] designa-se por matriz aumentada do sistema, podendo-

se efectuar as seguintes operaes elementares sobre ela:
Trocar duas linhas do quadro

Multiplicar os elementos de uma linha por uma constante
diferente de zero
Adicionar a uma linha outra qualquer das restantes, multiplicada
por uma constante no nula.
Trocar quaisquer colunas do quadro
Qualquer uma das operaes elementares transforma um dado sistema linear

num outro sistema equivalente, ou seja que tenha a mesma soluo.
O sistema anterior pode ser transformado, aplicando vrias operaes

elementares, num outro equivalente, da forma:
x1' x2' ... xm' xm+1' ... xn' b'

1 0 ... 0 a'1,m+1 ... a'1n b'1
0 1 ... 0 a'2,m+1 ... a'2n b'2
.. .. . . .. .. . . .. ..
. . . . . . . .
0 0 ... 1 a'm,m+1 ... a'mn b'm
Em que o vector [ x1', ..., xn' ]T corresponde soluo do sistema

aumentado [ I | A' ] x' = b'.
- 23 -
EXEMPLO 2
Considerando o sistema seguinte, pretende-se determinar uma soluo

bsica.
x1 + 3x2 + x4 = 20
2x1 + 2x2 + x3 + x5 = 40
4x1 + 5x3 + 2x4 + 3x5 = 180
Em primeiro lugar apresenta-se o sistema na forma de quadro:
x1 x2 x3 x4 x5 b
1 3 0 1 0 20
2 2 1 0 1 40
4 0 5 2 3 180
Efectua-se, por exemplo, a troca das colunas a que correspondem x4 e x1, e

das colunas a que correspondem x5 e x2.
x4 x5 x3 x1 x2 b
1 0 0 1 3 20
0 1 1 2 2 40
2 3 5 4 0 180
Multiplica-se a primeira linha por (-2) e adiciona-se terceira.
x4 x5 x3 x1 x2 b
1 0 0 1 3 20
0 1 1 2 2 40
0 3 5 2 -6 140
- 24 -
Multiplica-se a segunda linha por (-3) e adiciona-se terceira.
x4 x5 x3 x1 x2 b
1 0 0 1 3 20
0 1 1 2 2 40
0 0 2 -4 -12 20
Multiplica-se a terceira linha por (+0.5).
x4 x5 x3 x1 x2 b
1 0 0 1 3 20
0 1 1 2 2 40
0 0 1 -2 -6 10
Multiplica-se a terceira linha por (-1) e adiciona-se segunda..
x4 x5 x3 x1 x2 b
1 0 0 1 3 20
0 1 0 4 8 30
0 0 1 -2 -6 10
Do quadro conclui-se que uma soluo bsica para o sistema corresponde a:
x1 = 0 e x2 = 0 (variveis no bsicas)
x3 = 10 , x4 = 20 e x5 = 30 (variveis bsicas)
A este mtodo designa-se por condensao da matriz.
- 25 -
3.4. MUDANA DE SOLUO BSICA
Numa dada soluo bsica, pode-se tornar bsica uma varivel que era no
bsica (por troca bvia com uma varivel que era bsica e que passou a no
bsica), atravs de operaes elementares. Esta nova soluo bsica diz-se
adjacente da anterior.
O processo de mudana de uma soluo bsica para outra adjacente (regras

de pivotao), o seguinte:
i) Assinala-se a linha da matriz aumentada cuja varivel se
pretende que passe a no bsica.
ii) Escolhe-se a varivel no bsica que se pretende tornar bsica,

assinalando-se a coluna correspondente.
iii) O elemento que pertence a essa linha e coluna assinaladas,

designado por elemento piv , sendo a respectiva linha e coluna
designadas por linha pivotal e coluna pivotal.
iv) Torna-se o piv igual unidade por multiplicao da linha

pivotal pelo inverso do elemento piv.
v) Anulam-se os elementos da coluna pivotal aij adicionando-se,

s restantes linhas, a linha pivotal multiplicada por
a ij

piv
EXEMPLO 3
Considerando o sistema de equaes

x1 + x4 x5 = 10
x2 + 0.5x4 x5 = 5
x3 0.5x4 + 2x5 = 2
determinar um conjunto de solues bsicas de variveis bsicas:
a) x1 , x2 e x3
b) x1 , x3 e x4
c) x1 , x4 e x5
- 26 -
Em primeiro lugar apresenta-se o sistema na forma de quadro:
x1 x2 x3 x4 x5 b
x1 1 0 0 1 -1 10
x2 0 1 0 0.5 -1 5
x3 0 0 1 -0.5 2 2

Identifica-se j uma soluo bsica de variveis bsicas x1 , x2 e x3 ,

sendo x1 = 10, x2 = 5, x3 = 2, x4 = 0 e x5 = 0.
Para obtermos uma soluo bsica de variveis bsicas x1 , x3 e x4 ,

necessria a passagem da varivel no bsica x4 a varivel bsica por troca
com x2. Para tal necessrio anular os elementos da coluna pivotal (coluna
correspondente a x4) com excepo do piv. Soma-se a linha pivotal (linha
correspondente a x2) terceira.
x1 x2 x3 x4 x5 b
x1 1 0 0 1 -1 10
x2 0 1 0 0.5 -1 5

x3 0 1 1 0 1 7

Para tornarmos o piv unitrio multiplica-se a linha pivotal por (+2).
x1 x2 x3 x4 x5 b
x1 1 0 0 1 -1 10
x2 0 2 0 1 -2 10

x3 0 1 1 0 1 7

- 27 -
Multiplica-se a segunda linha por (-1) e adiciona-se a primeira, e troca-se a

coluna pivotal com a coluna correspondente a x2.
x1 x4 x3 x2 x5 b
x1 1 0 0 -2 1 0
x4 0 1 0 2 -2 10
x3 0 0 1 1 1 7

Obtemos j uma soluo bsica de variveis bsicas x1 , x3 e x4 , sendo

x1= 0, x2= 0, x3 = 7, x4 = 10 e x5 = 0. Como a varivel x1= 0, mesmo
sendo bsica, a soluo diz-se degenerada.
Para obtermos uma soluo bsica de variveis bsicas x1 , x4 e x5 ,

necessria a passagem da varivel no bsica x5 a varivel bsica por troca
com x3.
Multiplica-se a linha pivotal (terceira linha) por (1) e adiciona-se

primeira. Em seguida multiplica-se a terceira linha por (+2) e adiciona-se
segunda, e troca-se a coluna pivotal com a coluna correspondente a x3.
x1 x4 x5 x2 x3 b
x1 1 0 0 -3 -1 -7
x4 0 1 0 4 2 24
x5 0 0 1 1 1 7
Obtemos j uma soluo bsica de variveis bsicas x1 , x4 e x5 , sendo

x1= 7, x2= 0, x3 = 0, x4 = 24 e x5 = 7.
- 28 -
3.1. Dos conjuntos que se apresentam nas figuras seguintes (zona sombreada), indique
os que so convexos e os que no so.
a) b)
c) d)
e) f)
3.2. Determine todas as solues bsicas dos sistemas seguintes:
a)
4x1 + 2x2 x4 = 0
x1 + x2 + x3 = 8
x3 + 4x4 = 8
b)
2x1 + 4x2 x3 = 2
x1 + 2x2 x3 x4 = 2
- 29 -
c)
x1 + 2x2 + 4x3 x4 = 4
x1 + x2 = 8
x1 + x3 + 2x4 = 10
3.3. Considerando a matriz aumentada que se apresenta:
x1 x2 x3 x4 x5 x6 b
1 2 2 1 0 0 4
0 4 1 0 1 0 2
2 0 5 0 0 1 0
Determinar as solues bsicas de variveis bsicas:
a) x4 , x5 e x6
b) x2 , x4 e x6
c) x1 , x2 e x4
d) x1 , x4 e x5
e) x3 , x4 e x5
f) x2 , x3 e x4
Classifique todas as solues obtidas.
3.4. Considerando o sistema seguinte:
x1 + a x2 + x6 = 10
2x1 + 2x2 x3 + x5 = b
2x1 + 4x3 + x4 = 40
Diga para que valores de a e b obtemos [0, 9, 10, 0, 0, 1]T como soluo do problema.
- 30 -
4. MTODO SIMPLEX
O mtodo simplex um processo matricial para resolver problemas de

programao linear que permite determinar uma soluo ptima, quando tal
soluo existe, ou concluir que o programa linear ilimitado.
Tendo em vista a utilizao do mtodo simplex, um programa linear deve

ser apresentado na forma padro e de forma a se identificar uma primeira
soluo bsica admissvel para o problema.

s. a
x1 + a1,m+1xm+1 + a1,m+2xm+2 +...+ a1nxn = b1
x2 + a2,m+1xm+1 + a2,m+2xm+2 +...+ a2nxn = b2
...
xm + am,m+1xm+1 + am,m+2xm+2 +...+ amnxn = bm
x1 , x2 , ... , xm ,..., xn 0
sendo x1 , x2 , ..., xm , as variveis bsicas, e uma primeira soluo bsica

admissvel xi = bi (i = 1, ..., m), com Z = 0.
Designando por K o conjunto de solues admissveis de um programa

linear na forma padro, tem-se que:
Teorema 1 - O conjunto K convexo.

Com efeito, sejam x1 e x2 duas solues admissveis , isto ,
satisfazendo
A x1 = b com x1 0
A x2 = b com x2 0
qualquer combinao linear convexa de x1 e x2 ser da forma 1x1
+ 2x2 com 1 e 2 no negativos e de soma igual a 1. Alm de se
ter 1x1 + 2x2 0, vem A(1x1 + 2x2) = 1Ax1 + 2Ax2 =
1b + 2b = (1 + 2)b = b , o que confirma que 1x1 + 2x2
ainda uma soluo admissvel.
- 31 -
Teorema 2 - Considerando que
a 11 a 21 a n1 b1
a a a b
P1 = , P2 = , ... , Pn =
n2
P0 =
12 22 2
,

a 1m a 2m a nm b m
pode-se exprimir P0 como combinao linear dos n vectores

P0,...,Pn ,
n
P0 = x i Pi
i=1
O ponto x = ( x1, ..., xn ) corresponde decomposio

pertencente a K se e s se xi 0 (i = 1, ..., n); e ponto extremo se
e s se os xi no nulos (portanto positivos) corresponderem a
vectores linearmente independentes.
Teorema 3 - A funo objectivo atinge o seu mximo (ou mnimo)

num ponto extremo do poliedro convexo K. Se atinge o mximo (ou
o mnimo) em mais do que um ponto extremo, ento toma ainda o
mesmo valor de Z em todas as combinaes lineares convexas
desses pontos extremos particulares.
n n!
Em teoria bastar calcular o valor de Z em todos os =
m m!(n - m)!
pontos extremos (solues bsicas), para se obter o valor ptimo da funo
objectivo. No entanto, tal seria impraticvel para grandes valores de n e m.
O mtodo simplex um mtodo iterativo em que cada iterao corresponde

a uma etapa de um percurso orientado atravs de um subconjunto de
solues bsicas admissveis, adjacentes entre si, com a garantia da
melhoria do valor da funo objectivo at ao valor ptimo.
- 32 -
4.1. MUDANA DE SOLUO BSICA ADMISSVEL
Seja um problema de programao linear em que se conhece uma soluo

bsica admissvel de K
[ b1, b2, ..., bm, 0, ..., 0]T,
em que a base constituda pelos primeiros m vectores. Tem-se, ento,
b1P1 + b2P2 + ... + bmPm = P0 (4.1)
com bi 0 e P1, P2, ..., Pm vectores linearmente independentes.
O objectivo passar desta soluo bsica admissvel (ponto extremo) a uma

outra adjacente, isto , pertencente mesma aresta de K.
Como os vectores P1, P2, ..., Pm so linearmente independentes,

constituem uma base de m. Quer isto dizer que se pode obter qualquer
vector, de entre os n dados, como combinao linear dos vectores da base,
tendo-se
n
Pj = a1jP1 + a2jP2 + ... + amjPm = a ij Pi , j = 1, 2, ..., n (4.2)
i=1
Admita-se que algum vector fora da base, por exemplo Pm+1 , tem pelo
menos uma componente aij 0 na expresso
Pm+1 = a1,m+1P1 + a2, m+1P2 + ... + am,m+1Pm
Se multiplicarmos a expresso anterior por um escalar e a subtrairmos

equao 4.1 temos
b1P1 a1,m+1P1 + b2P2 a2, m+1P2 + ... + bmPm am,m+1Pm = P0 Pm+1
(b1 a1,m+1)P1 + (b2 a2, m+1)P2 + ... + (bm am,m+1)Pm + Pm+1 = P0
- 33 -
O vector x' = [b1 a1,m+1 , b2 a2,m+1 , ..., bm am,m+1 , ,0, ...,0]T, a

soluo do programa linear, sendo uma soluo admissvel se todas as suas
componentes forem no negativas.
Admita-se, por enquanto, que a cada ai,m+1 > 0 se encontra associado um

bi > 0. Para se obter uma soluo admissvel diferente da anterior ter que
ser > 0. Assim fcil concluir que so no negativas as componentes
desta nova soluo bsica, em que ai,m+1 > 0. Ter-se-, portanto, > 0 e
tal que bi ai,m+1 0, para todo ai,m+1 > 0.
bi
Da expresso anterior resulta = e, dada a validade para todo o
a i,m+1
ai,m+1 > 0, a admissibilidade da nova soluo garantida com qualquer a
verificar
b
0 < mn i a i,m+1 > 0
i a i,m+1
Como se pretende passar de uma soluo bsica a outra soluo bsica

adjacente, e tendo presente que a cada soluo bsica se encontram
associados m vectores linearmente independentes, o vector x' no pode ter
mais do que m componentes positivas. Assim, foroso anular algumas das
suas componentes, que se consegue tomando
b
= 0 = mn i a i,m+1 > 0
i a i,m+1
Abordemos o problema de outra forma, elaborando um quadro a que

corresponde um sistema linear.
- 34 -
x1 x2 ... xi ... xm xm+1 ... xn b

1 0 ... 0 ... 0 a1,m+1 ... a1n b1
0 1 ... 0 ... 0 a2,m+1 ... a2n b2
.. .. . . .. . . .. .. . . .. ..
. . . . . . . . . .
0 0 ... 1 ... 0 ai,m+1 ... ain bi
.. .. . . .. . . .. .. . . .. ..
. . . . . . . . . .
0 0 ... 0 ... 1 am,m+1 ... amn bm
O vector [ b1, b2, ..., bm, 0, ..., 0]T corresponde a uma soluo bsica do
sistema, que se assume admissvel para um dado problema de programao
linear.
Efectuando-se um conjunto de operaes elementares sobre a matriz do

sistema linear anterior, transforma-se esse sistema num outro equivalente, a
que corresponde uma nova soluo bsica, adjacente primeira, que no
podemos garantir a admissibilidade sem a adopo de nenhum critrio para
o efeito.
Se pretendermos que a varivel xm+1 se torne bsica por troca com xi , o

coeficiente ai,m+1 > 0 ser o elemento piv, logo a coluna m+1 e a linha i
sero, respectivamente, a coluna pivotal e a linha pivotal.
1
Se multiplicarmos a linha pivotal por obtemos o quadro seguinte:
a i,m+1
x1 x2 ... xi ... xm xm+1 ... xn b

1 0 ... 0 ... 0 a1,m+1 ... a1n b1
0 1 ... 0 ... 0 a2,m+1 ... a2n b2
.. .. . . .. . . .. .. . . .. ..
. . . . . . . . . .
0 0 ... a'i,i ... 0 1 ... a'in
.. .. . . . . . .. .. . .. ..
. . . .. . . . . . . .
0 0 ... 0 ... 1 am,m+1 ... amn bm
- 35 -
1 a i,n bi
em que a'i,i = ; a'i,n = e = .
a i,m+1 a i,m+1 a i,m+1
Anulando, em seguida, todos os elementos da coluna pivotal, com excepo

do elemento piv, obtemos um novo quadro
x1 x2 ... xi ... xm xm+1 ... xn b

1 0 ... 0 ... 0 0 ... a'1n b1a1,m+1
0 1 ... 0 ... 0 0 ... a'2n b2a2,m+1
.. .. . . .. . . .. .. . . .. ..
. . . . . . . . . .
0 0 ... a'i,i ... 0 1 ... a'in
.. .. . . . . . .. .. . . .. ..
. . . .. . . . . . .
0 0 ... 0 ... 1 0 ... a'mn bmam,m+1
o vector x' = [b1a1,m+1 , b2a2,m+1 , ...,0, ..., bmam,m+1, , 0,...,0]T,

corresponde a uma outra soluo bsica do problema linear.
Para que esta soluo bsica seja admissvel, facilmente se conclui sobre a
obrigatoriedade de > 0 assim como as restantes componentes de x' devem
ser no negativas bkak,m+1 > 0. Donde se conclui que
bk bk bi

a k,m+1 a k,m+1 a i,m+1
Desta forma, a escolha da varivel no bsica que pode ser tornada bsica
com garantia da admissibilidade da nova soluo, deve basear-se no
seguinte critrio
b
= 0 = mn i a i,m+1 > 0
i a i,m+1
- 36 -
EXEMPLO 4
Considere-se o problema do exemplo 1. Pretende-se determinar solues

bsicas admissveis de variveis bsicas x1 e x2.
Inicialmente temos que passar o problema para a forma padro, donde

obtemos
max. Z = 0.06x1 + 0.04x2

s.a
12x1 + 8.5x2 + x3 = 50 000
0.04x1 + 0.02x2 + x4 = 150
x1 + x5 = 3400
x2 + x6 = 5000
x1 , x2 , x3 , x4 , x5 , x6 0
Na forma vectorial as restries ao problema so apresentadas como
P1 P2 P3 P4 P5 P6 P0
12 8.5 1 0 0 0 50000
0.04 x + 0.02 x + 0 x + 1 x + 0 x + 0 x = 150
1 2 3 4 5 6
1 0 0 0 1 0 3400
0 1 0 0 0 1 5000
Uma soluo bsica admissvel ser [0, 0, 50000, 150, 3400, 5000]T,
correspondendo ao ponto "A" da figura 3. Desta forma, de acordo com o
enunciado neste captulo, podemos escrever
50000 P3 + 150 P4 + 3400 P5 + 5000 P6 = P0 i)
em que P3 , P4 , P5 e P6 so vectores linearmente independentes e

constituem uma base de 4. Podem-se expressar os seis vectores em termos
desta base de acordo com a expresso 4.2.
- 37 -
P1 = 12 P3 + 0.04 P4 + 1 P5 + 0 P6 ii)
P2 = 8.5 P3 + 0.02 P4 + 0 P5 + 1 P6
P3 = 1 P3 + 0 P 4 + 0 P 5 + 0 P 6
P4 = 0 P3 + 1 P 4 + 0 P 5 + 0 P 6
P5 = 0 P3 + 0 P 4 + 1 P 5 + 0 P 6
P6 = 0 P3 + 0 P 4 + 0 P 5 + 1 P 6
Faamos o vector no bsico P1 entrar na base. Para tal, multiplica-se a

equao ii) por um escalar e subtrai-se este produto equao i), pelo que
obtemos
P1 + (50000 12) P3 + (150 0.04) P4 + (3400 ) P5 + 5000 P6 = P0
donde obtemos uma nova soluo bsica
[ , 0 , (50000 12) , (150 0.04) , (3400 ) , 5000 ]T,
Para que a soluo bsica obtida seja admissvel, obrigatoriamente > 0,

donde
50000 12 0 , 150 0.04 0 e 3400 0
ou seja
4166.67 , 3750 e 3400
A admissibilidade fica assegurada desde que se verifique 0 < 3400.
Se fizermos:
= 3400, obtemos [ 3400, 0, 9200, 14, 0, 5000]T, uma soluo bsica

admissvel que corresponde ao ponto "B" da figura 3.
= 3750, obtemos [ 3750, 0, 5000, 0, -350, 5000]T, uma soluo bsica

no admissvel a que corresponde o ponto "C" da figura 3.
= 2750, obtemos [ 2750, 0, 17000, 40, 650, 5000]T, uma soluo no

bsica admissvel que corresponde ao ponto "D" da figura 3.
- 38 -
Pode-se abordar o problema de outra forma, passando-se de uma soluo

bsica para outra soluo bsica adjacente, garantindo-se a admissibilidade
do problema, com a elaborao do quadro que se apresenta
x1 x2 x3 x4 x5 x6 b
x3 12 8.5 1 0 0 0 50000
x4 0.04 0.02 0 1 0 0 150
x5 1 0 0 0 1 0 3400
x6 0 1 0 0 0 1 5000

A soluo bsica [0, 0, 50000, 150, 3400, 5000]T, imediatamente

identificada a partir do quadro anterior (correspondendo ao ponto "A" da
figura 3).
Estabelece-se a primeira coluna como coluna pivotal, ou seja, torna-se

bsica a varivel x1. Para garantir a admissibilidade da nova soluo, a
escolha da varivel a sair da base corresponder linha que verifique
b 50000 150 3400 5000 3400

mn i a i1 > 0 = mn , , , = = 3400
i1
i=1,..,4 a
12 0.04 1 1 1
logo a varivel x5 sai da base.
Efectuando-se as operaes de pivotao obtm-se o quadro seguinte:
x1 x2 x3 x4 x5 x6 b
x3 0 8.5 1 0 -12 0 9200
x4 0 0.02 0 1 -0.04 0 14
x1 1 0 0 0 1 0 3400
x6 0 1 0 0 0 1 5000

- 39 -
Identifica-se uma nova soluo bsica [ 3400, 0, 9200, 14, 0, 5000 ]T,
correspondente ao ponto "B" da figura 3.
Estipula-se a entrada na base da varivel x2. Em seguida escolhe-se o

elemento piv correspondente a
b 9200 14 5000 14
mn i a i2 > 0 = mn , , = = 700
i2
i=1,..,4 a
8.5 0.02 1 0.02
ou seja, ser a varivel x4 a sair da base.
As operaes de pivotao do origem ao quadro seguinte:
x1 x2 x3 x4 x5 x6 b
x3 0 0 1 -425 5 0 3250
x2 0 1 0 50 -2 0 700
x1 1 0 0 0 1 0 3400
x6 0 0 0 -50 2 1 4300

Do quadro obtm-se a soluo bsica [ 3400, 700, 3250, 0, 0, 4300 ]T, a

que corresponde o ponto "E" na figura 3. Mantendo-se as variveis x1 e x2
na base, a nica varivel com possibilidade de entrar nessa base, com
garantia de admissibilidade da soluo, a varivel x5. Escolhe-se a
varivel x3 para sair da base, porque
b 3250 3400 4300 3250

mn i a i5 > 0 = mn , , = = 650
i5
i=1,..,4 a
5 1 2 5
- 40 -
x1 x2 x3 x4 x5 x6 b
x5 0 0 0.2 -85 1 0 650
x2 0 1 0.4 -120 0 0 2000
x1 1 0 -0.2 85 0 0 2750
x6 0 0 -0.4 120 0 1 3000
No quadro, obtido aps terem sido aplicadas as regras de pivotao,

identificamos a soluo bsica [ 2750, 2000, 0, 0, 650, 3000 ]T,
correspondente ao ponto "F" da figura 3, que, como vimos no captulo 2.3,
a soluo ptima.
x2
x1
A D B C
FIGURA 3
- 41 -
4.2. MELHORIA DA FUNO OBJECTIVO
Suponha-se um problema de programao linear de forma a permitir a

identificao de uma soluo bsica admissvel
[ b1, b2, ..., bm, 0, ..., 0]T,
qual se encontra associada a base constituda pelas variveis x1, x2, ...,
xm e a que corresponde na funo objectivo
Z0 = c1b1 + c2b2 + ... + cmbm
Seja xr uma varivel no bsica em condies de substituir uma varivel

bsica. Procedendo de acordo com o exposto no captulo anterior
[b1 0 a 1r ,..., b i-1 0 a i-1,r , b i 0 a ir , b i+1 0 a i+1,r ,..., b m 0 a mr ,0,...,0, 0 ,0,...,0]T

0
a sair da base
a que se encontra agora associadas as variveis bsicas
[x1, ..., xr-1, xr, xr+1, ..., xm]T
logo o valor da funo objectivo dado por
Z = c1(b1 0a1r) + ... + cm(bm 0amr) + cr0 =

= (c1b1 + ... + cmbm) + 0[cr (c1a1r + ... + cmamr)] =
= Z0 + 0(cr Zr)
em que
n
Zr = c1a1r + ... + cmamr = c i a ir
i=1
em sntese
Z = Z0 + 0(cr Zr) = Z0 0(Zr cr)
- 42 -
A partir deste resultado fcil concluir que se a varivel no bsica xr, que
est em condies de substituir a varivel xi da base inicial, estiver
associada a uma diferena unitria positiva, crZr > 0, a passagem nova
soluo bsica admissvel acompanhada de melhoria da funo objectivo
(Z > Z0), num problema de maximizao. Este raciocnio aplica-se, da
mesma forma, a problemas de minimizao, em que a melhoria da funo
objectivo (Z < Z0) foi acompanhada de uma variao Zrcr > 0.
Deste modo pode-se enunciar o seguinte:

Dada uma soluo bsica admissvel no degenerada correspondendo s
variveis bsicas x1, x2, ..., xm a que corresponde o valor da funo
objectivo Z0 (a maximizar), se existir algum j = m+1, ..., n, tal que crZr
> 0 (Zrcr > 0 no caso da minimizao) e a correspondente varivel xj
(fora da base) puder substituir alguma varivel xi da mesma base, ento
existe uma nova soluo bsica admissvel com o correspondente valor da
funo objectivo finito e tal que Z > Z0 (Z < Z0 no caso da
minimizao).
Enquanto existir alguma varivel xj fora da base tal que crZr > 0, no caso
da maximizao, e Zrcr > 0 na minimizao, o valor da funo objectivo
pode ser melhorado. Para a diminuio do nmero de iteraes, a varivel
xj pode ser escolhida de acordo com o seguinte critrio
{
max c j Z j c j Z j > 0
j
} no caso da maximizao
ou
{
max Z j c j Z j c j > 0
j
} no caso da minimizao
O processo termina quando ocorrer uma das seguintes situaes:
i) Todos os crZr 0 (ou Zrcr 0 para a minimizao)

atingiu-se o ptimo.
ii) Existe algum crZr > 0 (ou Zrcr > 0 para a minimizao)
associado a uma varivel xj fora da base, que no pode substituir
nenhuma varivel xi da base (isto , todos os aij 0)
o problema ilimitado
- 43 -
4.3. ALGORITMO PRIMAL DO SIMPLEX
O algoritmo primal do simplex constitui uma subrotina do mtodo simplex,

e que se aplica quando se dispe de um problema de programao linear na
forma padro em que se identifica uma primeira soluo bsica admissvel.
O algoritmo primal do simplex compe-se das seguintes etapas:
i) Formar um quadro simplex da seguinte forma:
cj c1 c2 ... cm cm+1 ... cn

cB xB x0 x1 x2 ... xm xm+1 ... xn
c1 x1 b1 1 0 ... 0 a1,m+1 ... a1n
c2 x2 b2 0 1 ... 0 a2,m+1 ... a2n
.. .. .. .. .. . . .. .. . . ..
. . . . . . . . . .
cm xm bm 0 0 ... 1 am,m+1 ... amn
Zj Z0 Z1 Z2 ... Zm Zm+1 ... Zn

cjZj 0 0 ... 0 cm+1Zm+1 ... cnZn
ou
Zjcj 0 0 ... 0 Zm+1cm+1 ... Zncn
m
em que Z0 = ci bi
i=1
n
e Z j = c i a ij , j = 1, 2, ..., n
i=1
a primeira soluo bsica admissvel ser
xB = [ b1, b2, ..., bm, 0, ..., 0]T
- 44 -
ii) Verifica-se se a soluo ptima, isto , se todos os cjZj

(maximizao) ou os Zjcj (minimizao) so menores ou iguais a
zero. Caso contrrio determina-se a varivel xr a entrar na base
(correspondendo coluna pivotal), escolhendo a coluna em que se
verifica
{
j
ou
{
j
iii) Determina-se a varivel que vai ser substituda na base, que

corresponde linha (linha pivotal) em que se verifica
b
mn i a ir > 0
i
a ir
Caso no exista nenhum air > 0 o problema ilimitado.
iv) Identificado o elemento piv, aplicam-se as regras de pivotao,

expostas no captulo 3.3, para efectuar a mudana de soluo bsica
admissvel.
O programa de clculo automtico "Simplex", anexo a estes apontamentos,

tem implementado este algoritmo, podendo ser utilizado como uma
ferramenta auxiliar, no sentido da consolidao dos conhecimentos
adquiridos.
EXEMPLO 5
Resolver o seguinte problema de programao linear.
max. Z = x1 + 2x2
s.a
x1 + x2 4
x 1 + x2 8
3x1 + x2 18
x1 , x2 0
- 45 -
O primeiro passo a efectuar para a resoluo do problema a sua passagem

forma padro.
max. Z = x1 + 2x2
s.a
x1 + x2 + x3 = 4
x 1 + x2 + x4 = 8
3x1 + x2 + x5 = 18
x1 , x2, x3, x4, x5 0
Em seguida elabora-se o quadro simplex.
cj 1 2 0 0 0
cB xB x0 x1 x2 x3 x4 x5
0 x3 4 -1 1 1 0 0
0 x4 8 1 1 0 1 0
0 x5 18 3 1 0 0 1
Zj 0 0 0 0 0 0
cjZj 1 2 0 0 0

Identifica-se uma soluo bsica inicial [ 0, 0, 4, 8, 18 ]T, a que

corresponde o ponto "A" na figura 4.
Determina-se a coluna pivotal, ou seja, a varivel que passa a bsica,

atravs do clculo do
{ }
max c j Z j c j Z j > 0 = max {1 , 2} = 2
j=1,...,5
logo a segunda coluna ser a coluna pivotal, a que corresponde a varivel

x2, que entra na base.
A varivel x3 sai da base de acordo com

b 4 8 18 4
mn i a i2 > 0 = mn , , = = 4
i2
i=1,..,3 a
1 1 1 1
- 46 -
Aps as operaes de pivotao, obtm-se o quadro seguinte.
cj 1 2 0 0 0
2 x2 4 -1 1 1 0 0
0 x4 4 2 0 -1 1 0
0 x5 14 4 0 -1 0 1
Zj 8 -2 2 2 0 0
cjZj 3 0 -2 0 0

Do quadro tiramos uma nova soluo bsica [0, 4, 0, 4, 14]T, a que

corresponde o ponto "B" na figura 4.
{ }
max c j Z j c j Z j > 0 = max {3} = 3 , a varivel x1 entra na base
j=1,...,5
b 4 14 4
mn i a i1 > 0 = mn , = = 2 , saindo a varivel x4 da base.
i1
i=1,..,3 a
2 4 2
o que conduz ao prximo quadro.
cj 1 2 0 0 0
2 x2 6 0 1 0.5 0.5 0
1 x1 2 1 0 -0.5 0.5 0
0 x5 6 0 0 1 -2 1
Zj 14 1 2 0.5 1.5 0
cjZj 0 0 -0.5 -1.5 0
Deste quadro tiramos uma nova soluo bsica [2, 6, 0, 0, 6]T, a que
corresponde o ponto "C" na figura 4.
- 47 -
Se determinarmos o valor de
{ }
max c j Z j c j Z j > 0 =
j=1,...,5
dado que no existe nenhum valor de cjZj > 0, pode concluir-se que a
soluo em presena a soluo ptima do problema. O valor ptimo da
funo objectivo corresponde a Z = 14 e tira-se directamente do quadro.
Neste problema verificou-se que, de quadro para quadro obtivemos uma

soluo bsica admissvel adjacente para o problema (pontos ABC),
garantindo que o valor da funo objectivo fosse sempre melhorado (com o
valor de Z a variar de 0814).
x2
x1
A
FIGURA 4
- 48 -
4.4. CASOS PARTICULARES
4.4.1. SOLUES PTIMAS ALTERNATIVAS
possvel que exista mais do que uma soluo ptima para um problema de
programao linear, como foi referido em captulos anteriores, das quais
pelo menos duas das solues so bsicas. As solues ptimas no bsicas
podem ser obtidas como uma combinao linear convexa das solues
ptimas bsicas.
x* = 1x1* + 2x2* , com 1 + 2 = 1
Dado que o algoritmo de clculo da soluo ptima de um problema de

programao linear, termina quando encontrada uma primeira soluo
ptima, necessria a existncia de um processo que permita obter as
restantes solues ptimas bsicas.
A verificao da existncia de solues ptimas alternativas feita com a

identificao de valores de cjZj = 0 (ou Zjcj = 0 na minimizao)
associados a variveis no bsicas. Caso isto acontea, possvel tornar
bsicas essas variveis, sem que o valor da funo objectivo seja alterado.
Aplicando-se as regras de pivotao obtm-se um novo quadro simplex e
uma nova soluo ptima para o problema.
EXEMPLO 6
Determinar a soluo ptima do seguinte problema de programao linear.
max. Z = 6x1 + 3x2
s.a
2x1 + x2 7
x1 3
x2 5
x1 , x2 0
- 49 -
O primeiro passo ser a passagem forma padro.

max. Z = 6x1 + 3x2
s.a
2x1 + x2 + x3 = 7
x1 + x4 = 3
x2 + x5 = 5
x1 , ..., x5 0
Passando ao quadro simplex
cj 6 3 0 0 0
0 x3 7 2 1 1 0 0
0 x4 3 1 0 0 1 0
0 x5 5 0 1 0 0 1
Zj 0 0 0 0 0 0
cjZj

6 3 0 0 0
0 x3 1 0 1 1 -2 0
6 x1 3 1 0 0 1 0
0 x5 5 0 1 0 0 1
Zj 18 6 0 0 6 0
cjZj 0

3 0 -6 0
3 x2 1 0 1 1 -2 0
6 x1 3 1 0 0 1 0
0 x5 4 0 0 -1 2 1
Zj 21 6 3 3 0 0
cjZj 0 0 -3 0 0
- 50 -
A soluo bsica obtida [3, 1, 0, 0, 4]T, uma soluo ptima do problema,

pois no existe nenhum cjZj >0. No entanto existe uma varivel no
bsica x4 cujo valor de cjZj igual a zero, podendo passar para a base,
por troca de x5, sem piorar o valor da funo objectivo. Esta nova soluo
bsica uma soluo ptima alternativa. O novo quadro simplex ser
cj 6 3 0 0 0
3 x2 5 0 1 0 0 1
6 x1 1 1 0 0.5 0 -0.5
0 x4 2 0 0 -0.5 1 0.5
Zj 21 6 3 3 0 0
cjZj 0 0 -3 0 0
a que corresponde uma nova soluo ptima [1, 5, 0, 2, 0]T. Outra soluo
ptima qualquer, no bsica e admissvel, pode ser obtida atravs da
atribuio de valores a entre 0 e 1, na expresso seguinte
x* = [3, 1, 0, 0, 4]T + (1) [1, 5, 0, 2, 0]T
Se fizermos = 0.5, obtm-se uma soluo ptima [2, 3, 0, 1, 2]T,
correspondente ao ponto "E" da figura 5, com Z* = 6 2 + 3 3 = 21.
x2 A B C D
x1
A B
FIGURA 5
- 51 -
4.4.2. EMPATE NO CRITRIO DE ENTRADA NA BASE
No passo ii) do algoritmo primal do simplex apresentado no captulo 4.3,

escolhia-se o maior valor de cjZj (maximizao) ou Zjcj (minimizao),
como critrio de entrada de uma varivel na base. No entanto pode
verificar-se a existncia de mais do que uma variveis nestas condies.
Nestes casos, dado que no existe nenhum mtodo que garanta, partida,
qual a escolha que conduz a uma convergncia mais rpida para a soluo
ptima, um mtodo consiste na escolha da varivel de menor ndice como
critrio de desempate (mtodo de Bland).
4.4.3. EMPATE NO CRITRIO DE SADA DA BASE
O algoritmo primal do simplex pode entrar em ciclo em situaes de

degenerncia (existncia de solues degeneradas), devido ocorrncia de
empate no critrio de sada da base. Por esta razo, surgiram mtodos
tericos que garantem, com toda a generalidade, a no ocorrncia de um
ciclo durante todo o processo de clculo. Um deles a tcnica de
perturbao de A. Charnes.
Esta tcnica consiste no seguinte:
i) Nos casos de empate no critrio de sada, isto

b b bq
mn i a ir > 0 = s = =
i
a ir a sr a qr
determina-se
a
mn i1 a ir > 0
i=s,...,q
a ir
ii) Se o empate continuar, calcula-se

a ij
mn a ir > 0 , j = 2, 3, ..., m
i=s,...,q
a ir
iii) No caso de o empate se manter (o que, em princpio, no
acontecer) escolher a linha a que corresponde a varivel de menor
ndice.
- 52 -
EXEMPLO 7
O problema apresentado em seguida foi criado por E.M. Beale, e

constitudo por sete variveis e trs restries, que se cr serem as condies
mnimas para a possibilidade de ocorrerem situaes de "cycling".
max. Z = 0.75x4 150x5 + 0.02x6 6x7
s.a
x1 + 0.25x4 60x5 0.04x6 + 9x7 = 0
x2 + 0.5x4 90x5 0.02x6 + 3x7 = 0
x3 + x6 = 1
x1 , ..., x7 0
Aplicado-se as regras, atrs referidas, para desempate, obtm-se a seguinte

sequncia de quadros
cj 0 0 0 0.75 -150 0.02 -6

cB xB x0 x1 x2 x3 x4 x5 x6 x7
0 x1 0 1 0 0 0.25 -60 -0.04 9
0 x2 0 0 1 0 0.5 -90 -0.02 3
0 x3 1 0 0 1 0 0 1 0
Zj 0 0 0 0 0 0 0 0
cjZj 0 0 0 0.75 -150 0.02 -6

- 53 -
cj 0 0 0 0.75 -150 0.02 -6

0 x1 0 1 -0.5 0 0 -15 -0.03 7.5
0.7 x4 0 0 2 0 1 -180 -0.04 6
5
0 x3 1 0 0 1 0 0 1 0
Zj 0 0 1.5 0 0.75 -135 -0.03 4.5

cjZj 0 -1.5 0 0 -15 0.05 -10.5

0 x1 0.03 1 -0.5 0.03 0 -15 0 7.5

0.7 x4 0.04 0 2 0.04 1 -180 0 6
5
0.0 x6 1 0 0 1 0 0 1 0
2
Zj 0.05 0 1.5 0.05 0.75 -135 0.02 4.5
cjZj 0 -1.5 -0.05 0 -15 0 -10.5
a que corresponde a soluo ptima [0.03, 0, 0, 0.04, 0, 1, 0]T.
Caso, na resoluo do problema anterior, no se tivesse tido em conta

os critrios de desempate anteriormente referidos, existia uma grande
probabilidade de o problema entrar em ciclo.
A adopo do critrio do menor ndice, para a sada da base em caso

de empate, neste problema, conduzia obteno da mesma soluo bsica
admissvel, aps seis iteraes. O valor da funo objectivo iria manter-se
constante Z = 0.
- 54 -
Apresentao do problema
na forma padro
Determinar uma soluo

bsica admissvel inicial
Elaborar o quadro simplex
Determinar
se existe algum A soluo bsica
Cj - Zj > 0 No determinada ptima
na maximizao FIM
Zj - Cj >0
na minimizao
Sim
Determinar a entrada
de uma varivel Xr na base.
mx. {Cj - Zj}
na maximizao
mx. {Zj - Cj}
na minimizao
Em caso de empate escolher
o menor ndice j
O problema ilimitado
Existe algum No
FIM
a ir > 0 ?
Sim
Estabelecer a saida
de uma varivel Xi da base.
mn.{ b i / a ir }
mn.{ a is / a ir }
Efectuar as operaes de
pivotao
FIGURA 6 - Fluxograma representativo do algoritmo primal do simplex.
- 55 -
4.5. INEXISTNCIA DE UMA SOLUO BSICA ADMISSVEL INICIAL
At ao momento vimos exemplos de aplicao em que os problemas de

programao linear estavam inicialmente na forma cannica, pelo que a
passagem para a forma padro originava uma primeira soluo bsica
admissvel, em que as variveis bsicas correspondiam s variveis de
desvio (neste caso de folga). No entanto, no caso de existirem restries do
tipo para as quais os termos independentes bi so no negativos (com
excepo das restries de no negatividade), a introduo das variveis de
desvio (neste caso de excesso) no conduzem obteno directa de uma
soluo bsica admissvel inicial. Deste modo, depois de o programa linear
estar apresentado na forma padro, necessrioaa criao de um conjunto
de variveis artificiais, por forma a identificarmos uma soluo bsica
admissvel inicial para o problema. Os valores dessas variveis, obviamente,
tm que ser nulos pois caso contrrio no se verificam as restries
associadas s variveis artificiais no nulas, sendo o problema impossvel (o
conjunto K ser vazio).
Considere-se o problema inicial de programao linear na forma padro
s. a
a11x1 + a12x2 +...+ a1jxj +...+ a1nxn = b1
a21x1 + a22x2 +...+ a2jxj +...+ a2nxn = b2
...
...
x1 , x2 , ... , xj ,..., xn 0
No caso do problema acima apresentado, no existe qualquer varivel que

possa ser tomada, de forma imediata, como bsica. Isto , no possvel
identificar uma matriz identidade como partio da matriz dos coeficientes
tcnicos A. Nestas condies, necessrio introduzir m variveis artificiais
que sero as variveis bsicas iniciais.
- 56 -
Aps a introduo das variveis artificiais, as restries do problema de

programao linear, sero agora
a11x1 + a12x2 +...+ a1nxn + xn+1 = b1

a21x1 + a22x2 +...+ a2nxn + xn+2 = b2
...
ai1x1 + ai2x2 +...+ ainxn + xn+i = bi
...
am1x1 + am2x2 +...+ amnxn + xn+m = bm
x1 , x 2 , ... , x n , x n+1 , ... , x n+m 0

iniciais artificiais
A utilizao deste artifcio matemtico a que se designa por tcnica das

variveis artificiais, permite a obteno de uma soluo bsica inicial, no
tendo estas variveis qualquer significado quer de ordem econmica quer de
natureza fsica.
Os problemas deste tipo podem no necessitar da introduo de variveis

artificiais em todas as restries, no entanto, nesses casos (os mais usuais), a
resoluo do problema pode ser efectuada de forma semelhante, sendo a
soluo bsica inicial, assim obtida, parcialmente artificial.
Para a resoluo destes problemas de programao linear pode ser utilizado

o mtodo das duas fases (estudado por Dantzig, Orden, Wolfe) ou o mtodo
da penalizao da funo objectivo (estudado por Charnes, Cooper,
Henderson), os quais em seguida se descrevem.
- 57 -
4.5.1. MTODO DAS DUAS FASES
Neste mtodo um programa linear resolvido em duas fases distintas.
A primeira fase deste mtodo comea com a passagem ao problema

auxiliar
min. Z ' = xn+1 + xn+2 +...+ xn+m
s. a
a11x1 + a12x2 +...+ a1nxn + xn+1 = b1
a21x1 + a22x2 +...+ a2nxn + xn+2 = b2
...
...
am1x1 + am2x2 +...+ amnxn + xn+m = bm
x1 , x2 , ... , xn , xn+1 , xn+2 , ... , xn+m 0
O objectivo, nesta fase, consiste em minimizar a soma das variveis

artificiais (funo objectivo artificial) que constituem a base, quer o
problema inicial seja de maximizao, quer seja de minimizao .
Qualquer soluo do problema inicial igualmente soluo do problema

auxiliar com as variveis artificiais todas nulas. A soluo bsica assim
obtida para o problema auxiliar, constitui uma soluo bsica admissvel do
problema inicial, desde que todas as variveis artificiais sejam nulas, sendo
Z ' = 0.
No fim da primeira fase, a aplicao do algoritmo primal do simplex poder

conduzir s seguintes hipteses:
i) Z ' > 0
Neste caso existe, pelo menos, uma varivel artificial bsica no
nula. Assim, as restries do problema inicial a que correspondem
variveis artificiais no nulas, no so verificadas, logo conclui-se
que o problema inicial impossvel (K = ).
- 58 -
ii) Z ' = 0 e sem nenhuma varivel artificial bsica.

A soluo obtida constitui uma soluo bsica admissvel do
problema inicial, passando-se directamente para a segunda fase do
problema.
iii) Z ' = 0 e com uma, ou mais, variveis artificiais bsicas de valor

nulo
A soluo a que se chegou constitui uma soluo admissvel do
problema inicial. Nesta situao, caso exista um vector no artificial
fora da base que possa substituir, na base, um vector artificial,
efectua-se essa substituio obtendo-se uma soluo degenerada. Em
caso contrrio, elimina-se do quadro simplex a linha associada
varivel artificial bsica, dado que a restrio do problema inicial
correspondente, redundante (pode ser obtida por combinao
linear das restantes). Em seguida, para qualquer um dos casos,
passa-se segunda fase do problema.
Na segunda fase do problema procede-se eliminao, do quadro simplex,

das variveis artificiais (esta operao no obrigatria), efectuando-se em
seguida a resoluo do problema inicial usando o algoritmo primal do
simplex, dado que conhecida uma soluo bsica admissvel inicial, obtida
na primeira fase.
EXEMPLO 8
max. Z = x1 + 4x2
s.a
x1 + 2x2 12
4x1 + 4x2 20
x1 + 4x2 4
x1 , x2 0
- 59 -
Passando forma padro
max. Z = x1 + 4x2
s.a
x1 + 2x2 + x3 = 12
4x1 + 4x2 x4 = 20
x1 + 4x2 x5 = 4
x1 , ..., x5 0
A passagem forma padro no possibilitou a obteno de uma soluo

bsica admissvel inicial, para o problema, de forma directa. Ser necessrio
resolver, primeiro, um problema de programao linear auxiliar, que permita
a identificao de uma soluo bsica admissvel para o problema inicial.
A incluso de variveis artificiais permite-nos identificar uma soluo

bsica admissvel para o problema auxiliar. Como pretendemos uma soluo
bsica admissvel para o problema inicial, ser necessrio retirar da base
essas variveis artificiais (dado que estas no existem no problema inicial).
Atendendo ao processo de clculo que consta do algoritmo primal do

simplex, foramos a sada da base, das variveis artificiais, minimizando a
sua soma.
min. Z' = x6 + x7
s.a
x1 + 2x2 + x3 = 12
4x1 + 4x2 x4 + x6 = 20
x1 + 4x2 x5 + x7 = 4
x1 , ..., x7 0
- 60 -
A primeira fase do mtodo das duas fases, conduz aos seguintes quadros:
c'j 0 0 0 0 0 1 1
0 x3 12 -1 2 1 0 0 0 0
1 x6 20 4 4 0 -1 0 1 0
1 x7 4 -1 4 0 0 -1 0 1
Z'j 24 3 8 0 -1 -1 1 1
Z'jc'j 3 8 0 -1 -1 0 0

0 x3 10 -0.5 0 1 0 0.5 0 -0.5

1 x6 16 5 0 0 -1 1 1 -1
0 x2 1 -0.25 1 0 0 -0.25 0 0.25
Z'j 16 5 0 0 -1 1 1 -1
Z'jc'j

5 0 0 -1 1 0 -2
0 x3 11.6 0 0 1 -0.1 0.6 0.1 -0.6

0 x1 3.2 1 0 0 -0.2 0.2 0.2 -0.2
0 x2 1.8 0 1 0 -0.05 -0.2 0.05 0.2
Z'j 0 0 0 0 0 0 0 0
Z'jc'j 0 0 0 0 0 -1 -1
atingiu-se o ptimo do problema auxiliar, e obteve-se uma soluo bsica

admissvel para o problema inicial.
Pode-se comear a segunda fase do clculo.
cj 1 4 0 0 0
0 x3 11.6 0 0 1 -0.1 0.6
1 x1 3.2 1 0 0 -0.2 0.2
4 x2 1.8 0 1 0 -0.05 -0.2
Zj 10.4 1 4 0 -0.4 -0.6
cjZj 0 0 0 0.4 0.6

- 61 -
cj 1 4 0 0 0
0 x3 2 -3 0 1 0.5 0
0 x5 16 5 0 0 -1 1
4 x2 5 1 1 0 -0.25 0
Zj 20 4 4 0 -1 0
cjZj -3 0 0 1 0

0 x4 4 -6 0 2 1 0
0 x5 20 -1 0 2 0 1
4 x2 6 -0.5 1 0.5 0 0
Zj 24 -2 4 2 0 0
cjZj 3 0 -2 0 0
No existe nenhuma varivel em condies de entrar na base (a1i < 0), logo
o problema ilimitado (K = ).
x2 +
C 1 Fase A B C
B
2 Fase C D E +
x1
A
FIGURA 7
- 62 -
4.5.2. MTODO DA PENALIZAO DA FUNO OBJECTIVO
No subcaptulo anterior, o problema da inexistncia de uma soluo bsica

admissvel foi resolvido em duas fases distintas, o que, do ponto de vista da
implementao desse mtodo em programas de clculo automtico, pouco
directo. Um outro mtodo consiste em obrigar as variveis artificiais a
sairem da base (que, como vimos, so obrigatoriamente nulas para as
restries serem compatveis), agravando, em grau relativo, o valor da
funo objectivo, por intermdio dessas mesmas variveis. Essa penalizao
concretizada estipulado coeficientes da funo objectivo associados s
variveis artificiais, arbitrariamente grandes. Os sinais desses coeficientes
sero negativos para problemas de maximizao e positivos para problemas
de minimizao.
A utilizao do mtodo da penalizao da funo objectivo implica a

apresentao do problema na seguinte forma
max. Z = c1x1 + c2x2 +...+ cnxn Mxn+1 ... Mxn+m

ou
min. Z = c1x1 + c2x2 +...+ cnxn + Mxn+1 +...+ Mxn+m
s. a
a11x1 + a12x2 +...+ a1nxn + xn+1 = b1

a21x1 + a22x2 +...+ a2nxn + xn+2 = b2
...
...
am1x1 + am2x2 +...+ amnxn +xn+m = bm
x1 , x 2 , ... , x n , x n+1 , ... , x n+m 0

iniciais artificiais
No caso em que a utilizao deste mtodo, para a resoluo de problemas de

programao linear, efectuada manualmente, no necessria a atribuio
de nenhum valor numrico para M.
- 63 -
O mtodo da penalizao da funo objectivo, conduz a uma sucesso de

iteraes que culmina numa das seguintes situaes:
i) O ptimo foi obtido sem a existncia de variveis artificiais na base.
a soluo encontrada a soluo do problema.
ii) Atingiu-se um ptimo com variveis artificiais na base mas de valor
nulo.
a soluo encontrada a soluo do problema.
iii) Determinou-se uma soluo ptima com variveis artificiais no nulas
na base
as restries so incompatveis, logo o problema impossvel (K = ).
iv) Chegou-se a uma situao em que no existe nenhum air > 0 no quadro
o problema ilimitado.
EXEMPLO 9
min. Z = x1 + 4x2
s.a
x1 x2 1.5
2x1 + x2 5
3x1 + x2 16
2x1 + x2 = 2
x1 , x2 0
Passagem forma padro

min. Z = x1 + 4x2
s.a
x1 x2 + x3 = 1.5
2x1 + x2 x4 = 5
3x1 + x2 + x5 = 16
2x1 + x2 = 2
x1 , ..., x5 0
- 64 -
Utilizando o mtodo da penalizao da funo objectivo resolve-se o

seguinte programa linear
min. Z = x1 + 4x2 + Mx6 + Mx7
s.a
x1 x2 + x3 = 1.5
2x1 + x2 x4 + x6 = 5
3x1 + x2 + x5 = 16
2x1 + x2 + x7 = 2
x1 , ..., x7 0
Foram includas na funo objectivo as variveis artificiais com coeficiente

+M (por se tratar de uma minimizao) de modo a ser penalizada para
valores no nulos dessas variveis.
Em seguida utiliza-se o algoritmo primal do simplex, o que origina a

sequncia de quadros que se apresenta.
cj 1 4 0 0 0 M M
0 x3 1.5 1 -1 1 0 0 0 0
M x6 5 2 1 0 -1 0 1 0
0 x5 16 3 1 0 0 1 0 0
M x7 2 -2 1 0 0 0 0 1
Zj 7M 0 2M 0 -M 0 M M
Zjcj -1 2M-4

0 -M 0 0 0
0 x3 3.5 -1 0 1 0 0 0 1
M x6 3 4 0 0 -1 0 1 -1
0 x5 14 5 0 0 0 1 0 -1
4 x2 2 -2 1 0 0 0 0 1
Zj 3M+8 4M-8 4 0 -M 0 M -M+4
Zjcj 4M-9

0 0 -M 0 0 -2M+4
- 65 -
cj 1 4 0 0 0 M M
0 x3 4.25 0 0 1 -0.25 0 0.25 0.75
1 x1 0.75 1 0 0 -0.25 0 0.25 -0.25
0 x5 10.25 0 0 0 1.25 1 -1.25 0.25
4 x2 3.5 0 1 0 -0.5 0 0.5 0.5
Zj 14.75 1 4 0 -2.25 0 2.25 1.75
Zjcj 0 0 0 -2.25 0 2.25-M 1.75-M
a que corresponde a soluo ptima [0.75, 3.5, 4.25, 0, 10.25]T, (no foram
includas as variveis artificiais por estas serem somente um artifcio de
clculo).
x2
A B C
x1
A
FIGURA 8
- 66 -
4.1. Determine a soluo ptima dos seguintes programas lineares:
a) max. Z = 2x1 + 10x2 b) min. Z = 2x1 x2 + x3

s.a s.a
4x1 x2 6 2x1 + x2 + x3 16
x1 + 2x2 4 x1 + x2 4
x1 , x 2 0 x2 x3 2
x1 , x2 , x3 0
c) max. Z = x1 + 14x2 d) max. Z = x1 + x2 + 3x3

s.a s.a
2x1 + x2 2 x1 + x2 + 4x3 20
x1 x 2 4 2x1 + 2x2 x3 + x4 = 0
x2 20 x2 + 2x3 8
x1 , x 2 0 x1 , x2 , x3 , x4 0
e) min. Z = x1 + x2 + x3 f) max. Z = 2x1 + 4x2 + 2x3

s.a s.a
x1 x 2 + x 3 2 x1 2x2 + x3 6
2x1 + x2 4x3 24 2x2 + x3 20
4x1 + 2x3 12 x1 + 2x2 + x3 40
x1 , x2 0 ; x3 + x1 , x2 , x3 0
g) max. Z = x2 + x3 h) max. Z = x1 + 2x2 + x3 + 2x4

s.a s.a
3x1 + 2x2 x3 6 x1 + x3 + x4 80
x1 + 2x2 28 x1 + 2x2 + x3 2x4 0
x2 x3 10 x1 + 2x2 4x4 0
x1 , x 2 , x 3 0 x1 , x2 , x3 , x4 0
- 67 -
4.2. Recorrendo ao mtodo das duas fases, resolva os seguintes problemas de

programao linear:
a) max. Z = 8x1 + x2 + 3x3 b) min. Z = x1 + x2 8x3

s.a s.a
x1 + 3x2 x3 12 4x1 + x2 + 5x3 125
6x1 + 3x2 + 2x3 90 x1 + x2 = 20
x1 x2 + x3 2 x2 + 2x3 16
x1 , x2 , x3 0 x1 , x2 0 ; x3 +
c) max. Z = x1 + 4x2 d) max. Z = 5x1 + x2 + 2x3

s.a s.a
5x1 + 2x2 12 2x1 + 3x2 + x3 50
x1 + x2 6 x1 + 5x2 + x3 30
4x1 + x2 25 x1 + x2 + 2x3 = 24
3x1 + 2x2 24 x1 , x2 , x3 0
x1 , x2 0
e) min. Z = 3x1 + 2x2 + 2x3 3x4 f) max. Z = x1 + 4x2 + 5x3 + x4

s.a s.a
x1 4x2 4x3 + 6x4 0 x1 + 2x2 x3 + x4 12
x1 + 4x2 x3 2x4 0 2x1 x2 + 3x3 32
x1 + x3 4 2x1 + x2 x3 = 4
x1 + x2 4x3 + x4 = 1 x1 x4 18
x1 , x2 , x3 , x4 0 x1 , x2 , x3 , x4 0
- 68 -
4.3. Recorrendo ao mtodo da penalizao da funo objectivo, resolva os seguintes

problemas:
a) min. Z = x1 3x2 x3 b) max. Z = 7x1 + 3x2

s.a s.a
x1 + x2 + x3 10 8x1 + x2 44
x1 x 2 x 3 2 x2 8
x1 + 4x2 + 2x3 80 2x1 x2 0
x1 , x 2 , x 3 0 4x1 3x2 1
x1 , x2 0
c) max. Z = x1 + 2x2 + x3 + 3x4 d) max. Z = x1 + x2 + 5x3

s.a s.a
x1 x2 + 2x4 2 x1 + 3x2 + 4x3 50
x1 + 2x2 + x3 40 x1 x2 + x3 6
x2 + x3 + 2x4 32 2x2 x3 12
x1 + x3 = 10 x1 , x2 , x3 0
x1 , x 2 , x 3 , x 4 0
e) max. Z = 4x1 + x2 + 6x3 + x4 f) min. Z = x1 + 3x2 x3

s.a s.a
4x1 + x2 x4 100 x2 x3 = 2
x3 + x4 20 4x1 + x2 + 3x3 120
x1 + x2 + 2x3 3x4 50 x1 + 3x2 + x3 18
2x1 x3 = 0 x1 , x2 , x3 0
x1 , x 2 , x 3 , x 4 0
4.4. Resolver os problemas propostos do captulo 2 aplicando o algoritmo primal do

simplex.
- 69 -
5. DUALIDADE NA PROGRAMAO LINEAR
5.1. DEFINIO DO PROBLEMA DUAL
A cada problema de programao linear de variveis x1, x2 , ... , xn , est

associado um outro problema de programao linear de variveis y1, y2, ...,
ym (onde m o nmero de restries do problema) a que se designa por
problema dual. O problema original designado por problema primal.
Para um melhor esclarecimento, consideremos o exemplo seguinte:
EXEMPLO 10
Uma firma de construo civil pretende fazer, em estaleiro, betes de classe

B25 e B30, para uma determinada obra. O departamento de gesto efectuou
um estudo que define os valores mnimos necessrios viabilizao dessa
inteno, sendo estes de 300 toneladas de cimento, 580 toneladas de areia e
1000 toneladas de brita. O custo estimado pelo empreiteiro aquando da
elaborao da proposta para o concurso empreitada, foi feito com base nos
custos de beto pronto. Esses preos, entrando em conta s com os trs
materiais, foram de 8.8 contos/m3 e 10.6 contos/m3 respectivamente, para o
B25 e o B30. A composio de cada tipo de beto, em kg/m3, encontra-se
descriminada no quadro seguinte:
Beto Cimento Areia Brita

B25 330 710 1240
B30 400 630 1255
Podemos, ento, formular o seguinte programa linear, a que designamos por

problema primal.
min. Z = 8.8x1 + 10.6x2
s.a
0.33x1 + 0.4x2 300
0.71x1 + 0.63x2 580
1.24x1 + 1.255x2 1000
x1 , x2 0
- 70 -
em que:
x1 - volume de beto B25 a ser elaborado
x2 - volume de beto B30 a ser elaborado
O objectivo do empreiteiro ser minimizar o custo total.
Consideremos agora o problema na perspectiva da firma que vai fornecer os

materiais. Para esta firma conseguir vender os referidos materiais ao
empreiteiro, ter que fazer um preo de venda das quantidades necessrias
para elaborar 1 m3 de beto, inferior ou igual ao valor estimado pelo
empreiteiro, pois caso contrrio este desiste de fazer o beto em estaleiro e
compra beto pronto. Dessa forma teremos as seguintes restries:
0.33y1 + 0.71y2 + 1.24y3 8.8
0.4y1 + 0.63y2 + 1.255y3 10.6
y1 , y2 , y3 0
em que:
y1 - preo de venda de 1 ton. de cimento
y2 - preo de venda de 1 ton. de areia
y3 - preo de venda de 1 ton. de brita
Sendo bvio que y1 , y2 , y3 0, dado que a firma de materiais de

construo no ir pagar ao empreiteiro por lhe fornecer materiais.
Por outro lado, se o empreiteiro comprar os materiais e fazer o beto em

estaleiro, ele comprar uma quantidade de materiais que lhe viabilizem essa
tarefa.
Desta forma o problema dual ser:
max. W = 300y1 + 580y2 + 1000y3

s.a
0.33y1 + 0.71y2 + 1.24y3 8.8
0.4y1 + 0.63y2 + 1.255y3 10.6
y1 , y2 , y3 0
- 71 -
Dos dois problemas de programao linear anteriores tiramos as seguintes

concluses:
A cada restrio do problema primal est associada uma varivel do

problema dual
Por cada varivel do problema primal existe uma restrio do problema

dual.
A matriz dos coeficientes tcnicos do problema dual igual matriz

transposta dos coeficientes tcnicos do problema primal.
Os termos independentes do problema dual so os coeficientes da funo

objectivo do problema primal. Os coeficientes da funo objectivo do
problema dual so os termos independentes do problema primal.
Se o problema primal for de maximizao, o dual ser de minimizao.

Se o problema primal for de minimizao, o dual ser de maximizao.
A partir destas concluses podemos tirar uma outra:
O dual do problema dual o problema primal.
Variveis do PRIMAL
x1 x2 ... xj ... xn Termos

independentes
c1 c2 ... cj ... cn do DUAL
y1 b1 a11 a12 ... a1j ... a1n

y2 b2 a21 a22 ... a2j ... a2n
Variveis do .. .. .. .. . . .. . . ..
DUAL . . . . . . . .
yi bi ai1 ai2 ... aij ... ain
.. .. .. .. . . . . . .
. . . . . .. . ..
ym bm am1 am2 ... amj ... amn

Coeficientes da f.o. do DUAL Restrio j do DUAL
- 72 -
5.2. PASSAGEM DO PRIMAL AO DUAL
Na notao matricial temos:

PRIMAL DUAL
max Z = cT x min W = bT y
s.a ou s.a ou
Axb Ax=b AT y c AT y c
x0 x0 y0 y livre
min Z = cT x max W = bT y
s.a ou s.a ou
Axb Ax=b AT y c AT y c
x0 x0 y0 y livre
Das relaes entre o primal e o dual podemos enunciar o seguinte:
Se a restrio i do problema primal uma igualdade, ento a varivel yi
no tem restrio de sinal.
Se a restrio i do problema primal do tipo maior ou igual, na
maximizao, ou do tipo menor ou igual, na minimizao, a varivel yi
no positiva.
Se a varivel xj do primal no tem restrio de sinal, ento a restrio j
do dual uma igualdade.
Se a varivel xj do primal no positiva, ento a restrio j do dual do
tipo maior ou igual se o primal for de maximizao, ou do tipo menor ou
igual se o primal for de minimizao.
Resumindo, podemos elaborar o seguinte quadro:
PRIMAL (max.) DUAL (min.)
Restrio i Varivel yi
0
= Livre
0
Varivel xj Restrio j
0
Livre =
0
DUAL (max.) PRIMAL (min.)
- 73 -
EXEMPLO 11
Escrever o dual do seguinte problema de programao linear.
max. Z = 2x1 + 4x2 x3 x4 + 3x5

s.a
x1 4x2 + x3 2x4 20
x1 3x3 + x4 + x5 = 32
x1 x2 + 4x4 3x5 6
x1 , x2 0 ; x3 , x4 0 ; x5 +
Em primeiro lugar vamos definir as variveis do dual, que esto associadas

s restries do primal.
(y1) x1 4x2 + x3 2x4 20 y1 0
(y2) x1 3x3 + x4 + x5 = 32 y2 +
(y3) x1 x2 + 4x4 3x5 6 y3 0
O tipo de restrio do dual est relacionado com a restrio ao sinal da

varivel primal correspondente:
x1 0 y1 + y2 + y3 2
x2 0 4y1 y3 4
x3 0 y1 3y2 1
x4 0 2y1 + y2 + 4y3 1
x5 + y2 3y3 = 3
Os coeficientes da funo objectivo do dual so os termos independentes do
primal, logo:
min. W = 20y1 + 32y2 + 6y3

s.a
y1 + y2 + y3 2
4y1 y3 4
y1 3y2 1
2y1 + y2 + 4y3 1
y2 3y3 = 3
y1 0 ; y2 + ; y3 0
- 74 -
5.3. TEORIA DA DUALIDADE NA PROGRAMAO LINEAR
5.3.1. TEOREMAS BSICOS DA DUALIDADE
Se [ x1, x2, ..., xn ]T uma soluo admissvel do problema primal e

[y1, y2, ..., ym ]T uma soluo admissvel do dual, e se Z e W so
valores das funes objectivo do primal e dual, respectivamente, ento
teremos Z W nos problemas de maximizao do primal e Z W nos
problemas de minimizao do primal (teorema da dualidade fraca).
Se [ x1, x2, ..., xn ]T e [ y1, y2, ..., ym ]T so solues admissveis do

par de problemas primal e dual, tais que os valores correspondentes das
funes objectivo so Z = W, ento estas so solues ptimas.
Para qualquer par de problemas primal-dual, a existncia de uma soluo

ptima (finita) num deles garante a existncia de uma soluo ptima
(finita) para o outro, e os respectivos valores das funes objectivo so
iguais.
Um problema de programao linear tem soluo ptima (finita) se e s

se existirem solues admissveis para os problemas primal e dual.
Se algum dos problemas (primal ou dual) tiver uma soluo no limitada,

ento o outro no possui solues admissveis.
Resumidamente apresentam-se estes teoremas no quadro seguinte:
Problema Primal possvel Primal impossvel

Z=W W
Dual possvel os problemas tm o dual tem
soluo ptima soluo ilimitada
Z No existem
Dual impossvel o primal tem solues admissveis
soluo ilimitada para o problema
- 75 -
5.3.2. TEOREMA DOS DESVIOS COMPLEMENTARES
Se aplicarmos o algoritmo primal do simplex e obtivermos a soluo ptima

do problema primal, conclumos o seguinte:
O valor ptimo da varivel yi do dual igual ao valor da coluna n+i da
ltima linha do quadro simplex (cujo sinal depende da restrio ao sinal da
varivel dual), correspondente varivel de desvio xn+i do primal.
O valor ptimo da varivel de desvio ym+j do dual igual ao valor da
colona j da ltima linha do quadro simplex (valores simtricos),
correspondente varivel xj do primal.
O que pode ser complementado com:
Se na soluo ptima do primal a varivel de desvio xn+i bsica, ento
a varivel yi do dual no-bsica.
Se na soluo ptima do primal a varivel xj bsica, ento a varivel de
desvio ym+j do dual no-bsica.
Se na soluo ptima do dual a varivel de desvio ym+j bsica, ento a
varivel xj do primal no-bsica.
Se na soluo ptima do dual a varivel yi bsica, ento a varivel xn+i
de desvio do primal no-bsica.
Como as variveis de deciso de um problema primal-dual esto ligadas
com as variveis de desvio do outro, diz-se que as solues so
complementares entre si.
Se aplicarmos o algoritmo primal do simplex ao problema primal
verificamos que se a soluo no for ptima, existe pelo menos um
elemento positivo da ltima linha do quadro simplex, logo existe pelo menos
uma varivel do problema dual no admissvel. Deste modo, a aplicao do
algoritmo primal aos problemas primal e dual fica sintetizada no quadro
seguinte:
Algoritmo primal aplicado ao PRIMAL
Soluo bsica admissvel do PRIMAL Soluo bsica no admissvel do DUAL

Variveis do PRIMAL VALORES PTIMOS Variveis do DUAL

Soluo bsica no admissvel do PRIMAL Soluo bsica admissvel do DUAL
Algoritmo primal aplicado ao DUAL
- 76 -
5.4. ALGORITMO DUAL DO SIMPLEX
O processo de resoluo de problemas de programao linear baseado no

algoritmo dual do simplex, corresponde a um percurso orientado de
solues bsicas admissveis do problema dual, a que correspondem
solues bsicas no admissveis do problema primal, at se atingir uma
soluo bsica admissvel do primal. A esta soluo corresponde o valor
ptimo (caso seja finito) do par de problemas primal-dual.
Problema PRIMAL PTIMO Problema DUAL
Soluo bsica Soluo bsica Soluo bsica Soluo bsica Soluo bsica
... ...
no admissvel no admissvel admissvel admissvel admissvel
i) Elaborar um quadro simplex onde se identifique uma soluo bsica

admissvel para o dual (valores da ltima linha do quadro todos
menores ou iguais a zero).
ii) Verificar se a soluo ptima, isto , se a soluo admissvel
para o primal (todos os bi maiores ou iguais a zero). Caso contrrio,
determina-se a varivel que vai ser substituda na base e que
corresponde linha (linha pivotal) em que se verifica:
mn {b i b i < 0}
i
iii) Determinar a varivel que vai entrar na base a que corresponde a
coluna (coluna pivotal) onde se verifica
c j Z j
mn a rj < 0 no caso da maximizao
j
a rj
ou
Z j c j
mn a rj < 0 no caso da minimizao
j
a rj
Caso no exista nenhum air < 0 este algoritmo termina, sendo o

problema dual ilimitado e o problema primal impossvel.
iv) No caso de empate no critrio de sada ou de entrada na base
escolher a varivel de menor ndice. Identificado o elemento piv,
aplicar as regras de pivotao, expostas no captulo 3.3, para efectuar a
mudana de soluo bsica admissvel.
Este algoritmo est implementado no programa de clculo automtico
"Simplex" fornecido em anexo a estes apontamentos.
- 77 -
EXEMPLO 12
Resolver o seguinte problema de programao linear aplicando o algoritmo

dual do simplex.
min. Z = x1 + 2x2
s.a
x1 + x2 4
x1 + 5x2 8
x1 , x2 0
O primeiro passo da resoluo passar o problema forma padro e

identificar uma soluo bsica admissvel para o dual.
min. Z = x1 + 2x2
s.a
x1 x2 + x3 = 4
x1 5x2 + x4 = 8
x1 , x2, x3, x4 0
Em seguida elabora-se o quadro simplex.
cj 1 2 0 0
cB xB x0 x1 x2 x3 x4
0 x3 -4 -1 -1 1 0
0 x4 -8 -1 -5 0 1
Zj 0 0 0 0 0
Zjcj -1 -2 0 0

- 78 -
Identifica-se uma soluo bsica admissvel inicial do dual [ 0, 0, 1, 2 ]T, e

uma soluo bsica no admissvel do primal [ 0, 0, -4, -8 ]T a que
correspondem os pontos "A" e "D" na figura 9.
Determina-se a linha pivotal, ou seja, a varivel que sai da base, quando se

efectua o seguinte clculo:
mn {b i b i < 0} = mn { 4 , 8} = 8
i=1,2
logo, a segunda linha ser a linha pivotal, a que corresponde a varivel x4,
que sai da base.
A varivel x2 entra na base atendendo a que

Z j c j 1 2 2
mn a 2j < 0 = mn , =
j=1,..,4
a 2j 1 5 5
Aplicando as regras de pivotao obtm-se
cj 1 2 0 0
0 x3 -2.4 -0.8 0 1 -0.2
2 x2 1.6 0.2 1 0 -0.2
Zj 3.2 0.4 2 0 -0.4

Zjcj -0.6 0 0 -0.4

Deste novo quadro identifica-se uma outra soluo bsica admissvel do

problema dual [ 0, 0.4, 0.6, 0 ]T, e uma soluo bsica no admissvel do
problema primal [ 0, 1.6, -2.4, 0 ]T a que correspondem os pontos "B" e
"E" na figura 9.
mn {b i b i < 0} = mn { 2.4} = 2.4 , logo a varivel x 3 sai da base
i=1,2
Z j c j 0.6 0.4 0.6

mn a 1j < 0 = mn , = , entrando x1 na base
j=1,..,4
a 1j 0.8 0.2 0.8
- 79 -
Efectuando as operaes de pivotao obtm-se um novo quadro.
cj 1 2 0 0
1 x1 3 1 0 -1.25 0.25
2 x2 1 0 1 0.25 -0.25
Zj 5 1 2 -0.75 -0.25
Zjcj 0 0 -0.75 -0.25
A este ltimo quadro corresponde uma soluo admissvel para o problema

dual [ 0.75, 0.25, 0, 0 ]T, e uma soluo admissvel para o problema primal
[ 3, 1, 0, 0 ]T, pontos "C" e "F" na figura 9. Como estamos em presena de
solues admissveis para o par de problemas primal-dual, logo estas so
solues ptimas, sendo Z = W = 5.
PRIMAL DUAL
min. Z = x1 + 2x2 max. W = 4y1 + 8y2
s.a s.a
x1 + x2 4 y1 + y2 1
x1 + 5x2 8 y1 + 5y2 2
x1 , x2 0 y1 , y2 0
x2 y2
B E
F
C x1 y1
A D
FIGURA 9
- 80 -
Apresentao do problema
na forma padro
Determinar uma soluo

bsica admissvel do Dual
Elaborar o quadro simplex
A soluo bsica
No
Existe algum determinada ptima
bi<0? para o Dual e Primal
FIM
Sim
Estabelecer a saida
de uma varivel Xr da base.
mn. {bi}
a de menor ndice
No O problema Dual ilimitado

Existe algum e o Primal impossvel
a rj < 0 ? FIM
Sim
Determinar a entrada
de uma varivel Xj na base.
mn. { (Cj - Zj) / a rj }
na maximizao
ou
mn. { (Zj - Cj) / a rj }
na minimizao
o menor ndice j
Efectuar as operaes de
pivotao
FIGURA 10 - Fluxograma representativo do algoritmo dual do simplex.
- 81 -
5.4.1. INEXISTNCIA DE UMA SOLUO ADMISSVEL INICIAL DO DUAL
A utilizao do algoritmo dual do simplex depende do conhecimento de

uma soluo bsica admissvel para o problema dual. Em muitos casos, tal
soluo no possvel de obter de forma imediata. Nessas situaes uma
tcnica possvel para a obteno de uma soluo bsica admissvel do dual,
consiste na introduo de uma restrio artificial ao problema primal.
Consideremos um problema de programao linear, na forma padro, em

que se pretende maximizar a funo objectivo, e cuja base constituda
pelas variveis xm+1, ..., xn . Para obtermos uma soluo bsica admissvel
do problema dual adiciona-se uma restrio ao problema original
correspondente a
x1 + x2 +...+ xr +...+ xm M
em que M um nmero positivo de valor arbitrariamente grande. A esta

restrio corresponde uma varivel artificial ym+1 do problema dual.
O problema aumentado obtido com a adio da restrio artificial. Aps

passada forma padro e explicitando xr , obtm-se
r-1 m
xr = M x j x j x n+1
j=1 j=r +1
Substituindo, no problema original, xr pela expresso anterior, vem para a

funo objectivo
( )
m
Z = Z0 + c j Z j x j
j=1

( ) (c j Z j )x j
r-1 m m
= Z0 + c j Z j x j + (c r Z r ) M x j x n+1 +
j=1 j=1 j=r +1
j r
[( ) ]
m
= Z 0 + (c r Z r )M + c j Z j (c r Z r ) x j (c r Z r )x n+1
j=1
j r
- 82 -
Para que a soluo do dual seja bsica e admissvel, satisfazendo o critrio

do ptimo, na expresso anterior as variveis no bsicas x1, ..., xm , xn+1
tm que ter coeficientes no positivos, o que se garante para a varivel xr
que verifique
{
j
ou
{
j
O recurso s restries artificiais, como meio de possibilitar a aplicao do

algoritmo dual do simplex, origina as seguintes situaes:
i) O problema aumentado no conduz a uma soluo bsica
admissvel do problema dual.
o problema original no possui solues admissveis.
ii) O problema aumentado tem, pelo menos, uma soluo admissvel
ptima em que xn+1 no pertence base (xn+1 = 0).
os valores das variveis bsicas so funes de M, no existindo,
em princpio, uma soluo ptima finita para o problema original.
iii) O problema aumentado tem soluo admissvel ptima e xn+1
uma varivel bsica dessa soluo.
os valores obtidos para as restantes variveis bsicas
correspondem a uma soluo admissvel ptima do problema
original.
EXEMPLO 13
Resolver o seguinte problema de programao linear aplicando o algoritmo

dual do simplex.
max. Z = x1 + 4x2
s.a
2x1 + x2 6
x1 + x2 5
x1 , x2 0
- 83 -
O passo inicial ser a passagem forma padro e a elaborao do quadro

simplex.
max. Z = x1 + 4x2
s.a
2x1 x2 + x3 = 6
x 1 + x2 + x4 = 5
x1 ,.., x4 0
cj 1 4 0 0
0 x3 -6 -2 -1 1 0
0 x4 5 1 1 0 1
Zj 0 0 0 0 0
cjZj 1 4 0 0
Dado que existem valores da linha correspondente aos valores de cjZj > 0,
logo no estamos em presena de uma soluo bsica admissvel para o
problema dual (ponto A da figura 11). Para podermos aplicar o algoritmo
dual do simplex necessrio adicionar uma restrio artificial x1 + x2 M
correspondente soma das variveis no bsicas, que com a introduo de
uma varivel de desvio se transforma em x1 + x2 + x5 = M. Vamos em
seguida explicitar a varivel x2 na equao artificial dado que
{ }
max c j Z j c j Z j > 0 = max {1 ; 4} = 4
j=1,2
o problema aumentado ser

max. Z = x1 + 4x2
s.a
2x1 (M x1 x5) + x3 = 6 x1 + x3 + x5 = M6
x1 + (M x1 x5) + x4 = 5 x 4 x5 = 5 M
x1 + x2 + x5 = M
x1 ,.., x5 0
- 84 -
A aplicao do algoritmo dual do simplex, ao problema aumentado, j

possvel (ponto B da figura 11), e conduz ao seguinte conjunto de quadros
cj 1 4 0 0 0
0 x3 M-6 -1 0 1 0 1
0 x4 5-M 0 0 0 1 -1
4 x2 M 1 1 0 0 1
Zj 4M 4 4 0 0 4
cjZj -3 0 0 0 -4

0 x3 -1 -1 0 1 1 0
0 x5 -5+M 0 0 0 -1 1
4 x2 5 1 1 0 1 0
Zj 20 4 4 0 4 0
cjZj -3 0 0 -4 0

1 x1 1 1 0 -1 -1 0
0 x5 -5+M 0 0 0 -1 1
4 x2 4 0 1 1 2 0
Zj 17 1 4 3 7 0
cjZj 0 0 -3 -7 0
A soluo correspondente ao ltimo quadro primal admissvel e dual

admissvel, logo estamos em presena da soluo ptima (Z = W = 17).
A soluo primal do problema original corresponde a [ 1, 4, 0, 0 ]T, e a

soluo dual [ -3, 7, 0, 0 ]T (ponto C da figura 11), pois y1 0 e y2 0
(as variveis de desvio do dual so sempre no negativas).
- 85 -
Se fosse escrito o problema dual, teriamos

(y1) 2x1 + x2 6 y1 0
(y2) x1 + x2 5 y2 0
e
x1 0 2y1 + y2 1
x2 0 y1 + y2 4
logo
min. W = 6y1 + 5y2
s.a
2y1 + y2 1
y1 + y2 4
y1 0 , y2 0
As variveis de desvio a adicionar esto restringidas a y3 , y4 0
Resolvendo graficamente (figura 11) chegamos a uma soluo idntica

obtida, anteriormente, via quadro simplex.
y2
y1
A
FIGURA 11
- 86 -
5.1. Escreva o dual dos seguintes problemas de programao linear:
a) max. Z = 7x1 + x2 b) min. Z = 5x1 + 3x2
s.a s.a
3x1 + 3x2 13 x1 + x2 0
x1 + 8x2 55 3x1 + 7x2 45
x1 , x2 0 x1 x2 2
x1 , x2 0
c) max. Z = x1 2x2 + 4x3 d) min. Z = x1 3x3
s.a s.a
x1 + x2 + x3 13 x1 x2 0
2x1 x3 1 x1 + x2 + 4x3 21
3x2 + 5x2 65 x3 3
x1 , x2 0 x1 , x2 , x3 0
e) max. Z = 2x1 + x2 x3 + 3x4 f) min. Z = x1 x2 x3 x4

s.a s.a
x1 + 2x2 + x3 + 3x4 114 x3 x4 = 1
x1 + x2 x3 = 0 x1 + x2 + 7x3 + 5x4 55
3x2 + x4 23 3x1 + 4x2 x3 x4 11
x1 , x2 0 ; x3 0 ; x4 + x2 x3 + x4 16
x1 +; x2 0 ; x3,x4 0
- 87 -
5.2. Recorrendo ao algoritmo dual do simplex, resolva os seguintes problemas:
a) min. Z = 2x1 + 10x2 b) min. Z = 3x1 + x2 + 5x3

s.a s.a
x2 5 x1 + x2 3
x1 + x2 6 x1 + 2x2 + 2x3 20
x1 + x2 10 2x2 + x3 4
x1 , x 2 0 x1 , x2 , x3 0
c) max. Z = 2x1 x2 3x3 d) max. Z = x1 x2 2x3

s.a s.a
x1 3x2 + x3 14 x1 + x3 15
x1 2x2 5 x2 x3 = 4
2x1 + x2 3x3 22 x1 x3 5
x1 , x 2 , x 3 0 x1 , x2 , x3 0
e) max. Z = 5x1 x2 + x3 f) max. Z = x1 + 2x2 + x3

s.a s.a
2x1 + x2 + 3x3 38 x1 x2 + 2x3 12
x2 2x3 7 x1 + 2x2 + x3 40
x1 , x 2 , x 3 0 4x1 + 2x2 + x3 160
x1 , x2 , x3 0
- 88 -
6. PS-OPTIMIZAO
A anlise de ps-optimizao reveste-se de alguma importncia, dado que

estudado o impacto, na soluo ptima, de modificaes discretas nos
diversos parmetros do modelo. Essas alteraes podem consistir na
modificao dos coeficientes da funo objectivo, nos termos
independentes, nos coeficientes tcnicos, na introduo de novas variveis e
na introduo de novas restries.
Com o uso de programas de clculo automtico, torna-se fcil proceder-se a

estas alteraes, e executar o programa em seguida. No entanto, as
alteraes decorrentes da introduo de novas variveis e novas restries,
so necessrias quando se utilizam determinados algoritmos, nomeadamente
para a resoluo de problemas de programao linear inteira.
6.1. INTRODUO DE UMA VARIVEL
A introduo de uma varivel corresponde introduo de uma nova coluna

no quadro ptimo do problema. Essa varivel, por no estar na base, ser
igual a zero. Nestas circunstncias, ou a introduo da nova varivel no
altera o valor ptimo do problema, ou prossegue-se com as iteraes at
obteno de novo quadro ptimo.
6.2. INTRODUO DE UMA RESTRIO
A introduo de uma nova restrio no quadro ptimo do problema, vai

corresponder introduo de uma nova linha e, eventualmente, de novas
colunas, caso sejam ainda acrescentadas novas variveis. A soluo ptima
obtida para o problema inicial poder no verificar esta nova restrio, o
que conduzir existncia no quadro de uma soluo no admissvel para o
problema primal aumentado. Desta forma, sendo a soluo dual admissvel,
adequado o uso do algoritmo dual do simplex na procura da nova soluo
ptima, caso exista.
- 89 -
7. PROGRAMAO LINEAR INTEIRA
So muitos os problemas reais que s tm sentido se as variveis de deciso

forem inteiras, por exemplo: nmero de pessoas, mquinas ou outros
recursos do mesmo tipo.
Os problemas de programao linear, envolvendo variveis inteiras, so

resolvidos usualmente como se de variveis contnuas se tratassem,
arredondando os valores obtidos para o nmero inteiro mais prximo. No
entanto, se tal procedimento vlido quando esto envolvidos valores
bastante grandes, quando estes so pequenos torna-se incerto o
arredondamento a efectuar. Se uma varivel, correspondendo ao nmero de
determinado tipo de trabalhadores, tem o seu valor ptimo igual a 0.6,
arredonda-se para 0 ou para 1? Tal deciso pode conduzir, eventualmente,
ao despedimento de trabalhadores sem a garantia de se estar a contribuir
para a optimizao do funcionamento da empresa.
O grupo de problemas que envolvem variveis inteiras designam-se por

problemas de programao linear inteira. A programao linear inteira pode-
se dividir em inteira pura, caso estejam envolvidas no problema
exclusivamente variveis inteiras, e inteira mista, em que existem variveis
inteiras e variveis contnuas. Os diversos mtodos existentes para a
resoluo de problemas de programao linear inteira podem-se classificar
em dois grupos distintos: mtodos de planos de corte e mtodos de
enumerao. Neste captulo iremos abordar o estudo de dois algoritmos que
so tpicos de cada um desses grupos: algoritmo do corte fraccionrio de
Gomory e algoritmo da bifurcao e limite.
De entre as numerosas aplicaes da programao linear inteira destacam-se

um tipo de problemas, que envolvem um conjunto de decises relacionadas
entre si, cujo valor das variveis de deciso so sim (1) e no (0). Por
exemplo, dado um conjunto de terrenos de determinados custos e
caractersticas de construo, onde deveremos construir? Os problemas que
envolvem variveis binrias (cujos valores se resumem a 0 e 1) so
designados por problemas de programao linear inteira binria. Estes
problemas podem ser resolvidos por qualquer um dos mtodos de resoluo
- 90 -
de problemas de programao inteira. No entanto, por serem um caso

particular, existem algoritmos s destinados ao efeito.
Intuitivamente poderamos ser levados a pensar que os mtodos de

resoluo de problemas de programao linear inteira seriam de mais fcil
implementao. No entanto verifica-se exactamente o oposto. A resoluo
de problemas de programao linear inteira podem dar origem a tempos de
computao impraticveis.
7.1. ALGORITMO DOS PLANOS DE CORTE
Este algoritmo pertence classe dos mtodos de planos de corte. O

procedimento comum a estes mtodos consiste na adio de novas
restries, a que correspondem planos de corte, e cujo objectivo limitar o
domnio das solues.
Resoluo do problema
associado de P.L. contnua
(algoritmo primal do simplex)
A soluo bsica
Sim determinada ptima
A soluo ptima
para o P.L. inteiro
inteira ? FIM
No
ptimo do P.L. contnuo
Escolher uma varivel inteira

cujo valor fraccionrio
(correspondendo ao melhor corte) zona fraccionria
Adicionar uma restrio Plano de

correspondendo ao novo corte
corte
Resolver o novo P.L. associado

(algoritmo dual do simplex)
FIGURA 12 - Ilustrao do algoritmo dos planos de corte.
- 91 -
O mtodo dos planos de corte consiste em tratar um problema de

programao inteira como um problema de programao contnua. Caso a
soluo ptima do problema contnuo, associado ao problema inteiro,
corresponda a valores inteiros para as variveis, ento tambm a soluo
ptima do problema de programao linear inteira. Se existem variveis
inteiras cujos valores ptimos obtidos sejam fraccionrios, necessrio
adicionar uma restrio de corte. Esta restrio reduz o conjunto de solues
admissveis, eliminando a soluo ptima anteriormente obtida, tornando-a
no admissvel. Desta forma, ser necessrio a aplicao do algoritmo dual
do simplex para continuarmos o clculo. Este processo est ilustrado na
figura 12.
7.1.1. CORTE FRACCIONRIO DE GOMORY PARA P.L. INTEIRA PURA
Um problema diz-se de programao linear inteira pura quando todas as

variveis so inteiras, logo as variveis de desvio tambm o so, o que
implica que os coeficientes tcnicos e os termos independentes sejam
tambm inteiros.
Supondo que, para um dado problema de programao linear inteira pura, o

valor ptimo de uma varivel, obtido da resoluo do problema contnuo
associado, no inteiro. Se designarmos por xBi essa varivel pertencente
base e por xNj as variveis no bsicas, obtemos ento:
n
x Bi = b i a ij x Nj
j=1
se adoptarmos a seguinte notao:
[x] maior inteiro menor ou igual a x, ou seja, a parte

inteira de x.
f = x [x] a parte fraccionria de x.
(exemplos: x=2 [2] = 2 ; f=0

x = 5.6 [5.6] = 5 ; f = 0.6
x = 4 [4] = 4 ; f=0
x = 3.3 [3.3] = 4 ; f = 0.7 )
- 92 -
ento
bi = [bi] + fi
aij = [aij] + fij
logo vir

[ ]
n n
x Bi = [b i ] a ij x Nj + f i f ij x Nj
j=1 j=1
atendendo a que fi < 1, fij 0 e xNj 0, conclui-se que

[ ]
n n
[ i ] a ij x Nj inteiro
b e i f ij x Nj < 1
f
j=1 j=1
n
Como xBi deve ser inteira, ento f i f ij x Nj < 1 deve ser tambm
j=1
inteira, logo
n n
fi fij x Nj 0 fij x Nj fi
j=1 j=1
Esta restrio denominada por corte fraccionrio de Gomory.
A restrio deve gerar o maior corte possvel no conjunto de solues

admissveis fraccionrias. Para tal necessrio escolher xBi adoptando uma
das duas regras empricas que se apresentam:

f

i) mx {f i } ii) mx n i
f ij
i i
j=1
A segunda regra emprica apresentada a que conduz a melhores

resultados. No entanto mais difcil de aplicar em problemas de clculo
manual.
Em caso de empate num conjunto de variveis, pode-se escolher uma

qualquer, por exemplo, a de menor ndice.
- 93 -
EXEMPLO 14
Resolver o seguinte problema de programao linear inteira aplicando o

algoritmo do corte fraccionrio de Gomory.
max. Z = 3x1 + 2x2
s.a
x1 + 3x2 26
2x1 + x2 14
x1 2x2 0
x1 , x2 0 e inteiras
A resoluo inicia-se com a passagem do problema associado forma

padro.
max. Z = 3x1 + 2x2
s.a
x1 + 3x2 + x3 = 26
2x1 + x2 + x4 = 14
x1 2x2 + x5 = 0
x1 ,..., x5 0
Aplicando o algoritmo primal do simplex ao problema associado de

programao linear contnua, obtemos a sucesso de quadros que se
apresenta.
cj 3 2 0 0 0
0 x3 26 1 3 1 0 0
0 x4 14 2 1 0 1 0
0 x5 0 1 -2 0 0 1
Zj 0 0 0 0 0 0
cjZj

3 2 0 0 0
- 94 -
cj 3 2 0 0 0
0 x3 26 0 5 1 0 -1
0 x4 14 0 5 0 1 -2
3 x1 0 1 -2 0 0 1
Zj 60 3 -6 0 0 3
cjZj 0

8 0 0 -3
0 x3 12 0 0 1 -1 1
2 x2 2.8 0 1 0 0.2 -0.4
3 x1 5.6 1 0 0 0.4 0.2
Zj 22.4 3 2 0 1.6 -0.2

cjZj 0 0 0 -1.6 0.2

0 x5 12 0 0 1 -1 1
2 x2 7.6 0 1 0.4 -0.2 0
3 x1 3.2 1 0 -0.2 0.6 0
Zj 24.8 3 2 0.2 1.4 0

cjZj 0 0 -0.2 -1.4 0
Obtido o quadro ptimo verificamos que as variveis x1 e x2 tm valores

fraccionrios (ponto "A" da figura 12). Ser necessrio a adio de uma
restrio de corte. Para verificarmos qual o corte mais forte vamos
determinar:
x2 (i=2) f2 = 7.6 [7.6] = 7.6 7 = 0.6

f23 = 0.4 [0.4] = 0.4 0 = 0.4
f24 = -0.2 [-0.2] = -0.2 + 1 = 0.8
x1 (i=3) f3 = 3.2 [3.2] = 3.2 3 = 0.2
f33 = -0.2 [-0.2] = -0.2 + 1 = 0.8
f34 = 0.6 [0.6] = 0.6 0 = 0.6
- 95 -
i) mx {f 2 ; f 3 } = mx {0.6 ; 0.2} = 0.6

i=2,3 i
ou
ii)
f2 0.6 f3 0.2
mx = = 0.5 ; = = 0.143 = 0.5
23 + f 24 0.4 + 0.8
i=2,3 f f 33 + f 34 0.8 + 0.6
quer aplicando uma regra quer aplicando a outra, a restrio de corte a

adicionar determinada pela varivel x2.
a restrio de corte, passada forma padro, ser
f23x3 f24x4 + x6 = f2 0.4x3 0.8x4 + x6 = 0.6
Ao ltimo quadro obtido adiciona-se a restrio de corte, o que conduz

no admissibilidade da soluo anterior. Desta forma, dado que a soluo
dual admissvel, vamos aplicar o algoritmo dual do simplex
cj 3 2 0 0 0 0
cB xB x0 x1 x2 x3 x4 x5 x6
0 x5 12 0 0 1 -1 1 0
2 x2 7.6 0 1 0.4 -0.2 0 0
3 x1 3.2 1 0 -0.2 0.6 0 0
0 x6 -0.6 0 0 -0.4 -0.8 0 1
Zj 24.8 3 2 0.2 1.4 0 0
cjZj 0 0 -0.2

-1.4 0 0
0 x5 10.5 0 0 0 -3 1 2.5
2 x2 7 0 1 0 -1 0 1
3 x1 3.5 1 0 0 1 0 -0.5
0 x3 1.5 0 0 1 2 0 -2.5
Zj 24.5 3 2 0 1 0 0.5
cjZj 0 0 0 -1 0 -0.5
- 96 -
Deste novo quadro ptimo verificamos que as variveis x1 ainda tem valor
fraccionrio (ponto "B" da figura 13). Novamente ser necessrio a adio
de uma restrio de corte determinada pela varivel x1.
x1 (i=3) f3 = 3.5 [3.5] = 3.5 3 = 0.5

f34 = 1 [1] = 1 1 = 0
f36 = -0.5 [-0.5] = -0.5 + 1 = 0.5
A nova equao de corte ser
f34x4 f36x6 + x7 = f3 0.5x6 + x7 = 0.5
Vamos novamente aplicar o algoritmo dual do simplex ao quadro anterior

aumentado da nova restrio de corte, o que origina uma nova sequncia de
quadros.
cj 3 2 0 0 0 0 0
0 x5 10.5 0 0 0 -3 1 2.5 0
2 x2 7 0 1 0 -1 0 1 0
3 x1 3.5 1 0 0 1 0 -0.5 0
0 x3 1.5 0 0 1 2 0 -2.5 0
0 x7 -0.5 0 0 0 0 0 -0.5 1
Zj 24.5 3 2 0 1 0 0.5 0
cjZj 0 0 0 -1 0 -0.5

0
0 x5 8 0 0 0 -3 1 0 5
2 x2 6 0 1 0 -1 0 0 2
3 x1 4 1 0 0 1 0 0 -1
0 x3 4 0 0 1 2 0 0 -5
0 x6 1 0 0 0 0 0 1 -2
Zj 24 3 2 0 1 0 0 1
cjZj 0 0 0 -1 0 0 -1
- 97 -
Finalmente chegamos a uma soluo cujos valores das variveis inteiras so

nmeros inteiros, como tal, soluo ptima do problema de programao
linear inteira inicial, com x1 = 4 , x2 = 6 e Z = 24 (ponto "C" da
figura 13). Se pretendessemos representar graficamente as restries de
corte, teramos que explicitar as restries em ordem a x1 e x2.
x3 = 26 x1 3x2 e x4 = 14 2x1 x2
1) 0.4x3 0.8x4 + x6 = 0.6 2x3 4x4 + 5x6 = 3

2 (26 x1 3x2) 4 (14 2x1 x2) + 5x6 = 3
10x1 + 10x2 + 5x6 = 105 10x1 + 10x2 105
x6 = 21 2x1 2x2
2) 0.5x6 + x7 = 0.5 x6 + 2x7 = 1
(21 2x1 2x2) + 2x7 = 1
x1 + x2 + x7 = 10 x1 + x2 10
x2 2 1
x1
FIGURA 13
- 98 -
7.1.2. CORTE FRACCIONRIO DE GOMORY PARA P.L. INTEIRA MISTA
Em problemas prticos, a formulao dos problemas conduz a situaes em

que existem simultaneamente variveis inteiras e variveis contnuas.
Tratam-se de problemas de programao linear mista.
Este problema foi estudado por Gomory que desenvolveu uma restrio de
corte que contempla esta possibilidade, do seguinte modo
n
ij x Nj fi
j=1
em que

a ij a ij 0

se x Nj contnua
fi
1 f a ij a ij < 0

i
ij =

f ij f ij f i

se x Nj inteira
fi

(
1 f 1 f ij ) f ij > f i
i
EXEMPLO 15
Resolver o seguinte problema de programao linear inteira aplicando o

algoritmo do corte fraccionrio de Gomory.
max. Z = 2x1 + x2 + 4x3

s.a
0.4x1 + x2 15.5
x1 + 4x2 + 2x3 84
2x1 x2 + 2x3 11
x3 0
- 99 -
Comea-se por passar o problema associado forma padro.
max. Z = 2x1 + x2 + 4x3

s.a
0.4x1 + x2 + x4 = 15.5
x1 + 4x2 + 2x3 + x5 = 84
2x1 x2 + 2x3 + x6 = 11
x1 ,..., x6 0
Aplicando o algoritmo primal do simplex, obtemos o quadro que

corresponde soluo ptima do problema associado de programao linear
contnua.
cj 2 1 4 0 0 0
0 x4 15.5 -0.4 1 0 1 0 0
0 x5 84 1 4 2 0 1 0
0 x6 11 2 -1 2 0 0 1
Zj 0 0 0 0 0 0 0
cjZj 2 1

4 0 0 0
0 x4 15.5 -0.4 1 0 1 0 0
0 x5 73 -1 5 0 0 1 -1
4 x3 5.5 1 -0.5 1 0 0 0.5
Zj 22 4 -2 4 0 0 2
cjZj -2

3 0 0 0 -2
0 x4 0.9 -0.2 0 0 1 -0.2 0.2

1 x2 14.6 -0.2 1 0 0 0.2 -0.2
4 x3 12.8 0.9 0 1 0 0.1 0.4
Zj 65.8 3.4 1 4 0 0.6 1.4

cjZj -1.4 0 0 0 -0.6 -1.4
- 100 -
Como das variveis bsicas inteiras s x2 tem valor fraccionrio, ser

necessrio adicionarmos uma restrio de corte.
x2 (i=2) f2 = 14.6 [14.6] = 14.6 14 = 0.6
f21 = -0.2 [-0.2] = -0.2 + 1 = 0.8
A nova restrio de corte ser:
f2 f
(1 f 21 )x1 a 25 x 5 2 a 26 x 6 f2
1 f2 1 f2
0.6 0.6
(1 0.8)x1 0.2 x 5 - 0.2 x 6 0.6
1 0.6 1 0.6
Equacionando:
0.3x1 0.2x5 0.3x6 + x7 = 0.6
Aplicando o algoritmo dual do simplex ao quadro anterior aumentado da
nova restrio de corte, obtemos uma nova sequncia de quadros.
cj 2 1 4 0 0 0 0
0 x4 0.9 -0.2 0 0 1 -0.2 0.2 0
1 x2 14.6 -0.2 1 0 0 0.2 -0.2 0
4 x3 12.8 0.9 0 1 0 0.1 0.4 0
0 x7 -0.6 -0.3 0 0 0 -0.2 -0.3 1
Zj 65.8 3.4 1 4 0 0.6 1.4 0
cjZj -1.4 0 0 0 -0.6

-1.4 0
0 x4 1.5 0.1 0 0 1 0 0.5 -1

1 x2 14 -0.5 1 0 0 0 -0.5 1
4 x3 12.5 0.75 0 1 0 0 0.25 0.5
0 x5 3 1.5 0 0 0 1 1.5 -5
Zj 64 2.5 1 4 0 0 0.5 3
cjZj -0.5 0 0 0 0 -0.5 -3
Como todas as variveis inteiras tm valores ptimos inteiros, logo a

soluo ptima para o problema de programao linear inteira inicial, com
x1 = 0 , x2 = 14 , x3 = 12.5 e Z = 64.
- 101 -
7.2. ALGORITMO DA BIFURCAO E LIMITE
Este algoritmo foi desenvolvido inicialmente por Lang e Doig em 1960, e

trata-se de um mtodo de enumerao. um algoritmo cuja utilizao
muito difundida, estando na base da maioria dos programas de clculo
automtico que resolvem problemas de programao linear inteira.
O algoritmo da bifurcao e limite ("branch and bound") pode ser aplicado

directamente a problemas de programao linear inteira pura ou mista. O
primeiro passo da sua aplicao consiste na resoluo de o problema de
programao linear contnuo associado ao problema inteiro. Depois de
obtida a soluo ptima do problema associado, supondo que xBi
correspondia a uma varivel inteira cujo valor ptimo xBi* seria
fraccionrio, ento, para a soluo ser admissvel no problema inteiro, ser
necessrio que
xBi [xBi*] ou xBi [xBi*] + 1
P.L.1
x Bi [x Bi*] x Bi [x Bi*] + 1
P.L.2 P.L.3
FIGURA 14 - Ilustrao do algoritmo "branch and bound".
Se adicionarmos ao problema original as restries acima apresentadas,

vamos obter dois sub-problemas. Cada sub-problema, em cuja soluo
ptima existam variveis inteiras com valores fraccionrios, bifurca-se
dando origem a dois novos problemas. Este esquema de clculo aplicado a
cada novo ramo at que este seja limitado. O limite de cada ramo atingido
- 102 -
quando obtemos uma soluo ptima inteira ou quando deparamos com a

inexistncia de solues finitas admissveis. Depois de enumeradas todas
as solues inteiras, o ptimo corresponde soluo cujo valor da funo
objectivo seja maximizado ou minimizado, consoante o tipo de problemas.
No existindo regras rigorosas que conduzam escolha da varivel xBi ,

aceitvel a aplicao das regras expostas para o mtodo dos planos de corte.
EXEMPLO 16
Aplicando o algoritmo da bifurcao e limite, resolver o seguinte problema

de programao linear inteira.
max. Z = 4x1 + 5x2

s.a
x1 + 2x2 48
4x1 2x2 23
x1 + x2 11
Passa-se o problema forma padro e resolve-se o problema associado

aplicando o algoritmo primal do simplex (mtodo da penalizao da funo
objectivo).
max. Z = 4x1 + 5x2 Mx6

s.a
x1 + 2x2 + x3 = 48
4x1 2x2 + x4 = 23
x1 + x2 x5 + x6 = 11
x1 ,..., x6 0
- 103 -
cj 4 5 0 0 0 -M
0 x3 48 1 2 1 0 0 0
0 x4 23 4 -2 0 1 0 0
-M x6 11 1 1 0 0 -1 1
Zj -11M -M -M 0 0 M -M
cjZj M+4 M+5

0 0 -M 0
0 x3 26 -1 0 1 0 2 -2
0 x4 45 6 0 0 1 -2 2
5 x2 11 1 1 0 0 -1 1
Zj 55 5 5 0 0 -5 5
cjZj -1 0 0 0

5 -M-5
0 x5 13 -0.5 0 0.5 0 1 -1
0 x4 71 5 0 1 1 0 0
5 x2 24 0.5 1 0.5 0 0 0
Zj 120 2.5 5 2.5 0 0 0
cjZj 1.5

0 -2.5 0 0 -M
0 x5 20.1 0 0 0.6 0.1 1 -1

4 x1 14.2 1 0 0.2 0.2 0 0
5 x2 16.9 0 1 0.4 -0.1 0 0
Zj 141.3 4 5 2.8 0.3 0 0
cjZj 0 0 -2.8 -0.3 0 -M
Obtido o quadro ptimo do P.L.1, verifica-se que as variveis x1 e x2 tm

valores fraccionrios. Escolhe-se a varivel x2 pois possui maior parte
fraccionria e estabelece-se dois novos sub-problemas originados pela
adio das restries
x2 [16.9] e x2 [16.9] + 1
ou seja
x2 16 e x2 17
- 104 -
Se adicionarmos uma das novas restries ao problema associado inicial,

vamos obter um novo sub-problema:
P.L.2
1 Z = 141.3
X 1 = 14.2
max. Z = 4x1 + 5x2 X 2 = 16.9
s.a
x 2 16 x 2 17
x1 + 2x2 48
4x1 2x2 23
2
x1 + x2 11
x2 16 ? ?
x1 , x2 0
Aproveita-se o ltimo quadro simplex obtido e retira-se a coluna

correspondente varivel artificial x6 (ltima coluna), pois j conhecida
uma soluo bsica admissvel para o problema associado. Adiciona-se uma
linha correspondendo equao x2 + x6 = 16, em que x6 uma varivel de
desvio.
Como no novo quadro no podemos identificar uma soluo bsica,

efectua-se a multiplicao da terceira linha por -1 e adiciona-se ltima
linha. Como esta soluo bsica no primal admissvel, mas dual
admissvel, aplica-se o algoritmo dual do simplex em seguida.
cj 4 5 0 0 0 0
0 x5 20.1 0 0 0.6 0.1 1 0
4 x1 14.2 1 0 0.2 0.2 0 0
5 x2 16.9 0 1 0.4 -0.1 0 0
0 x6 16 0 1 0 0 0 1
0 x5 20.1 0 0 0.6 0.1 1 0
4 x1 14.2 1 0 0.2 0.2 0 0
5 x2 16.9 0 1 0.4 -0.1 0 0
0 x6 -0.9 0 0 -0.4 0.1 0 1
Zj 141.3 4 5 2.8 0.3 0 0
cjZj 0 0 -2.8

-0.3 0 0
- 105 -
cj 4 5 0 0 0 0
0 x5 18.75 0 0 0 0.25 1 1.5
4 x1 13.75 1 0 0 0.25 0 0.5
5 x2 16 0 1 0 0 0 1
0 x3 2.25 0 0 1 -0.25 0 -2.5
Zj 135 4 5 0 1 0 7
cjZj 0 0 0 -1 0 -7
Verifica-se, novamente, que esta soluo no inteira. Dado que x1 tem

valor fraccionrio logo vai originar dois novos sub-programas
correspondentes adio das restries
x1 13 e x1 14
Considere-se o sub-problema obtido pela adio da nova restrio x1 13,
designe-se por P.L. 3. Uma nova sequncia de quadros obtida se
aproveitarmos o quadro anterior.
cj 4 5 0 0 0 0 0
0 x5 18.75 0 0 0 0.25 1 1.5 0
4 x1 13.75 1 0 0 0.25 0 0.5 0
5 x2 16 0 1 0 0 0 1 0
0 x3 2.25 0 0 1 -0.25 0 -2.5 0
0 x7 13 1 0 0 0 0 0 1
0 x5 18.75 0 0 0 0.25 1 1.5 0
4 x1 13.75 1 0 0 0.25 0 0.5 0
5 x2 16 0 1 0 0 0 1 0
0 x3 2.25 0 0 1 -0.25 0 -2.5 0
0 x7 -0.75 0 0 0 -0.25 0 -0.5 1
Zj 135 4 5 0 1 0 7 0
cjZj 0 0 0 -1

0 -7 0
- 106 -
cj 4 5 0 0 0 0 0
0 x5 18 0 0 0 0 1 1 1
4 x1 13 1 0 0 0 0 0 1
5 x2 16 0 1 0 0 0 1 0
0 x3 3 0 0 1 0 0 -2 -1
0 x4 3 0 0 0 1 0 2 -4
Zj 132 4 5 0 0 0 5 4
cjZj 0 0 0 0 0 -5 -4
Como esta soluo inteira atingiu-se um limite para este ramo do

problema. A soluo tem valor ptimo Z = 132, com x1 = 13 e x2 = 16.
Passa-se em seguida para outro ramo, por exemplo o ramo adjacente a este.
Para tal vamos aproveitar o quadro ptimo do P.L.2. A este quadro
adiciona-se a restrio x1 14. A equao correspondente ser
x1 + x7 = 14
cj 4 5 0 0 0 0 0
0 x5 18.75 0 0 0 0.25 1 1.5 0
4 x1 13.75 1 0 0 0.25 0 0.5 0
5 x2 16 0 1 0 0 0 1 0
0 x3 2.25 0 0 1 -0.25 0 -2.5 0
0 x7 -14 -1 0 0 0 0 0 1
0 x5 18.75 0 0 0 0.25 1 1.5 0
4 x1 13.75 1 0 0 0.25 0 0.5 0
5 x2 16 0 1 0 0 0 1 0
0 x3 2.25 0 0 1 -0.25 0 -2.5 0
0 x7 -0.25 0 0 0 0.25 0 0.5 1
Zj 135 4 5 0 1 0 7 0
cjZj 0 0 0 -1 0 -7 0
- 107 -
Neste ltimo quadro no existe nenhum coeficiente a5j < 0, logo o dual
ilimitado e o primal impossvel. Este ramo est limitado por um problema
impossvel.
1 Z = 141.3
X 1 = 14.2
X 2 = 16.9
x 2 16 x 2 17
2 Z = 135 5
X 1 =13.75
X 2 = 16
?
x 1 13 x 1 14
3 Z = 132 4
X 1 = 13
X 2 = 16
Imp.
Passemos ao ramo correspondente adio da restrio x2 17 ao P.L.1.

Este novo sub-problema pode ser resolvido com facilidade se aproveitarmos
o quadro ptimo do P.L.1. Vamos adicionar a restrio x2 17 a que
corresponde a equao
x2 + x6 = 17
cj 4 5 0 0 0 0
0 x5 20.1 0 0 0.6 0.1 1 0
4 x1 14.2 1 0 0.2 0.2 0 0
5 x2 16.9 0 1 0.4 -0.1 0 0
0 x6 -17 0 -1 0 0 0 1
0 x5 20.1 0 0 0.6 0.1 1 0
4 x1 14.2 1 0 0.2 0.2 0 0
5 x2 16.9 0 1 0.4 -0.1 0 0
0 x6 -0.1 0 0 0.4 -0.1 0 1
Zj 141.3 4 5 2.8 0.3 0 0
cjZj 0 0 -2.8 -0.3

0 0
- 108 -
cj 4 5 0 0 0 0
0 x5 20 0 0 1 0 1 1
4 x1 14 1 0 1 0 0 2
5 x2 17 0 1 0 0 0 -1
0 x4 1 0 0 -4 1 0 -10
Zj 141 4 5 4 0 0 3
cjZj 0 0 -4 0 0 -3
A soluo que obtivemos para o P.L. 5 inteira, portanto atingimos o limite

deste ramo. O valor ptimo Z = 141, com x1 = 14 e x2 = 17.
Desta forma foram enumeradas todas as solues possveis para o problema

de programao linear inteira.
A soluo do problema original corresponde ltima soluo inteira obtida

pois a soluo inteira cujo valor da funo objectivo (a maximizar)
maior (Z = 141).
Soluo ptima final: x1 = 14 e x2 = 17.
Se analisarmos com ateno a sequncia adoptada para esse clculo,

verificamos que tivssemos resolvido o P.L.5 aps a resoluo do P.L.2 no
necessitvamos continuar o clculo. E o motivo reside no facto do valor da
funo objectivo diminuir ao longo de um ramo. Dessa forma, se obtemos
um limite a que corresponde uma soluo inteira, s ser necessrio
continuar o clculo nos ramos cujo valor da funo objectivo maior (na
maximizao) do que o valor do maior limite. Neste exemplo, como Z =
135 para o P.L.2 e Z = 141 para o P.L.5 (limite), os sub-problemas de P.L.2
(P.L.3 e P.L.4) no seriam necessrios determinar.
- 109 -
Enumeremos todos os problemas resolvidos, assim como as respectivas

solues
1 Z = 141.3
X 1 = 14.2
X 2 = 16.9
x 2 16 x 2 17
2 Z = 135 5 Z = 141
X 1 =13.75 X 1 = 14 Soluo
X 2 = 16 X 2 = 17
x 1 13 x 1 14
3 Z = 132 4
X 1 = 13
X 2 = 16
Imp.
- 110 -
7.1. Recorrendo ao algoritmo do corte fraccionrio, resolva os seguintes problemas:
a) max. Z = 9x1 + 5x2 b) max. Z = 7x1 + 3x2 + x3

s.a s.a
4x1 + 5x2 19 4x1 x2 + 2x3 380
x1 + 4x2 13 2x1 + 5x2 + x3 200
x1 2x2 5 3x1 + 2x2 + x3 280
x1 , x2 0 e inteiras x1 x3 83
x1 , x2 , x3 0 e inteiras
c) min. Z = 5x1 + 5x2 5x3 d) max. Z = 20x1 + 15x2 + 8x3

s.a s.a
x1 x2 + x3 3 2x1 + x2 + x3 203
x1 + 2x2 + 3x3 43 2x1 3x2 = 0
x1 + 2x2 13 x1 + 4x3 5
x1 , x2 0 e inteiras x1 , x2 , x3 0 e inteiras
e) min. Z = 3x1 x2 f) max. Z = 8x1 + 9x2 + 10x3

s.a s.a
x1 + x2 51 x1 + 2x2 + 2x3 355
x1 x2 1.4 3.5x1 + 2x2 x3 151
x1 + 4x2 66.4 2x1 x2 80
x1 0 e inteira x1 , x2 0 e inteiras
x2 0 x3 0
- 111 -
g) min. Z = 2x1 + x2 + 0.5x3 h) max. Z = 2x1 + x2 + 3x3

s.a s.a
x1 + 2x2 + 0.5x3 114 x1 + x2 x3 12.35
2x1 + 2x2 + x3 82.8 2x1 + 2x2 x3 8.45
x1 + x2 0.5x3 24.2 3x1 + x2 + x3 84.85
x1 , x2 0 e inteiras x1 , x2 0 e inteiras
x3 0 x3 0
7.2. Resolver as alneas do problema 7.1. aplicando o algoritmo da bifurcao e limite.
- 112 -
BIBLIOGRAFIA
- AGUDO, F.R. DIAS - Introduo Algebra Linear e Geometria

Analtica, fascculo 2. Lisboa: Livraria Escolar Editora, 1978.
- BAPTISTA, M. A. L.; BERNARDO, F.J.P.; SERRA NEVES, A. -
Solues Pr-Esforadas em Vigas Contnuas-Optimizao. Porto: 5
Encontro Nacional de Beto Estrutural, 1994.
- BRONSON, RICHARD - Pesquisa Operacional. Rio de Janeiro: Editora
McGraw-Hill do Brasil, 1985.
- FERREIRA, MANUEL ALBERTO M.; AMARAL, ISABEL -
Programao Matemtica. Lisboa: Edies Silabo, 1989.
- GUERREIRO, JORGE; MAGALHES, ALPIO; RAMALHETE,
MANUEL - Programao linear, volume II. Lisboa: Editora McGraw-Hill
de Portugal, 1985.
- HAFTKA, RAPHAEL T.; GURDAL, ZAFER - Elements of Structural
Optimization. Dordrecht: Kluwer Academic Publishers, 1992.
- HILLIER, FREDERICK S.; LIEBERMAN, GERALD J. - Introduction to
Operation Research. New York: McGraw-Hill Book Company, 1990.
- IBAEZ, SANTIAGO HERNANDEZ - Metodos de Diseo Optimo de
Estructuras. Madrid: Colegio de Ingenieros de Caminos, Canales y Puertos,
1990.
- MARTINS, ERNESTO QUEIROZ - Apontamentos de Investigao
Operacional. Coimbra: F.C.T. da Universidade de Coimbra, 1984.
- NEMHAUSER, G.L.; KAN, A.H.G. RINNOOY; TODD, M.J. -
Optimization. Amsterdam: Elsevier Science Publishers B.V., 1989.
- PINHO, M.J.M.D.; SERRA NEVES, A. - Anlise de Peas Irregulares
de Beto Armado Atravs de Modelos Bielas-Tirantes. Porto: 5 Encontro
Nacional de Beto Estrutural, 1994.
- PUCCINI, ABELARDO DE LIMA; PIZZOLATO, NELIO
DOMINGUES- Programao linear. Rio de Janeiro: Livros Tcnicos e
Cientficos Editora, 1987.
- 113 -
- RAMALHETE, MANUEL; GUERREIRO, JORGE; MAGALHES,

ALPIO - Programao Linear, volume I. Lisboa: Editora McGraw-Hill de
Portugal, 1984.
- TAVARES, L. VALADARES ; OLIVEIRA, RUI CARVALHO ;
THEMIDO, ISABEL HALL ; CORREIA, F. NUNES - Investigao
Operacional. Lisboa: Editora McGraw-Hill de Portugal, 1996.
- TAHA, HAMDY A. - Operations Research (An Introdution). New York:
Macmillan Publishing Company, 1987.
- URRY, SYD - An Introduction to Operational Research (The Best of
Everything). London: Longman Sientific & Technical, 1991.
- VANDERPLAATS, GARRET N. - Numerical Optimization Techniques
for Engineering Design. New York: McGraw-Hill Book Company, 1984.
- WINSTON, WAYNE L. - Operations Research (Applications and
Algorithms). Belmont: Wadsworth Publishing Company, 1994.
- 114 -
ANEXO
Solues de alguns problemas propostos
-i-
CAPTULO 2
2.1. x1 - n de betoneiras grandes x2
x2 - n de betoneiras pequenas
1
max. Z = 90x1 + 60x2 B

s.a
5x1 + 2x2 180
3x1 + 3x2 135 A (36 ; 0)
x1 , x2 0 B (0 ; 90)
2 D C (45 ; 0)
Soluo ptima: E (30 ; 15)
D (0 ; 45)
x1 = 30 un.
x2 = 15 un.
Z = 3600 contos E
C x1
O A
2.2. x1 - n de azulejos A
x2 - n de azulejos B
max. Z = 30x1 + 65x2 x2

s.a 3
0.03x1 + 0.02x2 1160 1
0.02x1 + 0.06x2 1100

x1 36000
x2 14000
x1 , x2 0
2
Soluo ptima: 4
x1 = 34000 un. x1
x2 = 7000 un. O
Z = 1475000 escudos
- ii -
x2
2.3. x1 - n de vivendas 2
1
x2 - n de apartamentos
4
max. Z = 7850x1 + 4000x2

s.a
3.6x1 + x2 1800
x1 200
x2 100
18x1 + 11x2 12240
x1 , x2 0
Soluo ptima:
x1 = 350 un.
x2 = 540 un.
Z = 4907500 contos 3
O x1
x2
2.4. x1 - peso de produto 1
x2 - peso de produto 2
min. Z = 300x1 + 1000x2

s.a
200x1 + 400x2 240
23x1 + 6x2 20
x1 , x2 0
Soluo ptima:
x1 = 0.82 kg 1
x2 = 0.19 kg
Z = 436 escudos
x1
O 2
- iii -
2.5. x1 - n de portas x2
x2 - n de janelas
1
max. Z = 12x1 + 9x2 3
s.a
x1 3
x2 5
4x1 + 3x2 24
x1 , x2 0 2
Solues ptimas:
x1 = 3 un. e x2 = 4 un. ou
x1 = 2.25 un. e x2 = 5 un. ou
combinaes lineares das duas. x1
Z = 72 contos O
2.6. x1 - aditivo "normal"

x2 - aditivo "extra" x2
max. Z = 1400x1 + 1700x2
s.a 1
x1 + x2 800
2x1 + 3x2 1920
x1 + x2 240 2
5
x1 4x2 0
x1 x2 0
x1 , x2 0 3
Soluo ptima:
x1 = 480 un.
x2 = 320 un.
Z = 1216000 escudos x1
O
- iv -
2.7. x1 - n de camies modelo "A"

x2 - n de camies modelo "B"
max. Z = x1 + 1.4x2 x2
s.a 6
8x1 + 12x2 1000

2
x1 + x2 110
20x1 + 40x2 2000 1
x1 3x2 0 3
x1 35 4
x2 25 5
x1 , x2 0
Soluo ptima:
x1 = 80 un. x1
O
x2 = 30 un.
Z = 122
2.8. x1 - % da liga 1
x2 - % da liga 2 x2
min. Z = 38x1 + 40x2 7
2
s.a
2x1 + 2.5x2 1.8
6
2x1 + 2.5x2 2.5

4
3
x1 + 1.5x2 0.9
x1 + 1.5x2 1.2
3x1 + 4x2 3.2
3x1 + 4x2 3.5
290x1 + 345x2 310 x1
x1 , x2 0 O 1 5
Soluo ptima:
x1 = 0.567
x2 = 0.422
Z = 38.422 escudos
-v-
2.9. x1 - lixo a incinerar em 1

x2 - lixo a incinerar em 2
x2
min. Z = 8300x1 + 12450x2 3
1
s.a
x1 + x2 = 50
x1 15
x1 40 4
x2 40
x1 , x2 0
2
Soluo ptima: x1
x1 = 35 ton. O
x2 = 15 ton.
Z = 477250 escudos
2.10. x1 - caudal do furo 1

x2 - caudal do furo 2
min. Z = 34x1 + 38x2 x2

s.a 1 2
x1 + x2 75
x1 65
x2 45
x1 + x2 80
x1 + 3x2 0 5 3
x1 , x2 0
Soluo ptima: x1
x1 = 56.25 m3/h O
4
x2 = 18.75 m3/h
Z = 2625 escudos
- vi -
2.11. x1 - peso de varo tipo 1

x2 - peso de varo tipo 2
x2
min. Z = 71x1 + 80x2 3
s.a
20x1 + 18x2 6000
1
20x2 1800
x1 250
x2 140 4
x1 , x2 0 2
x1
O
Soluo ptima:
x1 = 219 ton.
x2 = 90 ton.
Z = 22749 contos
x2
2.12. x1 - rea habitacional
x2 - rea comercial 5
3
max. Z = 150x1 + 250x2
s.a
x1 + x2 10000
x1 2x2 0
x1 + x2 8000
x1 4x2 0 2
x1 6000
x1 , x 2 0
4
Soluo ptima:
x1 = 6666.67 m2
x2 = 3333.33 m2 x1
Z = 1833333.33 contos O
- vii -
CAPTULO 3
3.1.
a) Convexo
b) No convexo
c) No convexo
d) No convexo
e) Convexo
f) Convexo
3.3.
a) x4 = 4 ; x5 = 2 e x6 = 0
b) x2 = 0.5 ; x4 = 3 e x6 = 0
c) x1 = 0 ; x2 = 0.5 e x4 = 3
d) x1 = 0 ; x4 = 4 e x5 = 2
e) x3 = 0 ; x4 = 4 e x5 = 2
f) x2 = 0.5 ; x3 = 0 e x4 = 3
Todas as solues anteriores so bsicas degeneradas.
3.4.
a=1 e b=8
CAPTULO 4
4.1.
a) x1 = 0 ; x2 = 2 e Z = 20
b) x1 = 4 ; x2 = 0 ; x3 = 0 e Z = 8
c) Problema ilimitado
d) x1 = 2 ; x2 = 0 ; x3 = 4 ; x4 = 0 e Z = 14
- viii -
e) x1 = 4.8 ; x2 = 0 ; x3 = 3.6 e Z = 4.8

f) x1 = 80 ; x2 = 10 ; x3 = 0 e Z = 80
x1 = 20 ; x2 = 8.5 ; x3 = 3 e Z = 80
x1 = 23 ; x2 = 8.5 ; x3 = 0 e Z = 80
g) Problema ilimitado
h) x1 = 0 ; x2 = 80 ; x3 = 0 ; x4 = 80 e Z = 320
4.2.
a) x1 = 14.25 ; x2 = 0 ; x3 = 2.25 e Z = 120.75
b) x1 = 0 ; x2 = 20 ; x3 = 21 e Z = 148
c) x1 = 5.2 ; x2 = 4.2 ; x3 = 29.6 ; x4 = 3.4 e Z = 22
d) Problema impossvel
e) x1 = 2.72 ; x2 = 1.8 ; x3 = 1.28 ; x4 = 1.6 e Z = 6.8
f) Problema ilimitado
4.3.
a) x1 = 17.6 ; x2 = 15.6 ; x3 = 0 e Z = 29.2
b) Problema impossvel
c) x1 = 10 ; x2 = 15 ; x3 = 0 ; x4 = 8.5 e Z = 65.5
d) x1 = 10 ; x2 = 8 ; x3 = 4 e Z = 38
x1 = 32 ; x2 = 6 ; x3 = 0 e Z = 38
e) x1 = 10 ; x2 = 60 ; x3 = 20 ; x4 = 0 e Z = 220
f) x1 = 21.2 ; x2 = 10.3 ; x3 = 8.3 e Z = 1.4
- ix -
CAPTULO 5
5.1.
a) min. W = 13y1 + 55y2 b) max. W = 45y2 + 2y3
s.a s.a
3y1 + y2 7 y1 + 3y2 + y3 5
3y1 + 8y2 1 y1 + 7y2 y3 3
y1 , y2 0 y1 , y2 , y3 0
c) min. W = 13y1 + y2 + 65y3 d) max. W = 21y2 + 3y3
s.a s.a
y1 + 2y2 + 3y3 1 y1 + y2 1
y1 + 5y3 2 y1 + y2 0
y1 y2 4 4y2 + y3 3
y1 , y2 0 ; y3 0 y1 , y2 0 ; y3 0
e) min. W = 114y1 + 23y3 f) max. W = y1 + 55y2 + 11y3 + 16y4

s.a s.a
y1 + y2 2 y2 + 3y3 = 1
2y1 + y2 + 3y3 1 y2 + 4y3 + y4 1
y1 y2 1 y1 + 7y2 y3 y4 1
3y1 + y3 = 3 y1 + 5y2 y3 + y4 1
y1 0 ; y2 + ; y3 0 y1 + ; y2 0 ;
y3 , y4 0
5.2.
a) x1 = 2 ; x2 = 8 e Z = 84
b) Problema impossvel
-x-
c) x1 = 11 ; x2 = 0 ; x3 = 0 e Z = 22
x1 = 9.8 ; x2 = 2.4 ; x3 = 0 e Z = 22
d) x1 = 10 ; x2 = 9 ; x3 = 5 e Z = 29
e) x1 = 15.5 ; x2 = 7 ; x3 = 0 e Z = 70.5
f) x1 = 24 ; x2 = 28 ; x3 = 8 e Z = 88
x1 = 24 ; x2 = 0 ; x3 = 64 e Z = 88
CAPTULO 7
7.1.
a) x1 = 4 ; x2 = 0 e Z = 36
b) x1 = 90 ; x2 = 1 ; x3 = 8 e Z = 641
c) x1 = 1 ; x2 = 6 ; x3 = 10 e Z = 15
d) x1 = 75 ; x2 = 50 ; x3 = 3 e Z = 2274
e) x1 = 14 ; x2 = 13.1 e Z = 55.1
f) x1 = 56 ; x2 = 32 ; x3 = 117.5 e Z = 1911
g) x1 = 0 ; x2 = 33 ; x3 = 16.8 e Z = 41.4
h) x1 = 11 ; x2 = 27 ; x3 = 24.85 e Z = 123.55
- xi -

IOtexto 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

IOtexto PDF

Enviado por

Direitos autorais:

Formatos disponíveis

ESCOLA SUPERIOR DE TECNOLOGIA

CESE em Engenharia Civil - Construo

JOO MANUEL CARVALHO ESTVO

Os presentes apontamentos constituiram a base das aulas prticas

Os apontamentos visam iniciar os alunos no estudo da

Actividade docente do autor no mbito da disciplina de Investigao

Escola Superior de Tecnologia, UAlg

4.4.3. Empate no critrio de sada da base............................................... 52

1. MODELOS DE DECISO NA INVESTIGAO OPERACIONAL

Durante a Segunda Guerra Mundial, constituiram-se em Inglaterra grupos

Com o fim da guerra, esta forma de abordar problemas complexos suscitou

A investigao operacional constitui um novo ramo cientfico, independente

Existe um conjunto de caractersticas comuns maior parte dos problemas

1.2. O PAPEL DOS MODELOS

O conceito de modelo fundamental na investigao operacional. Modelo

O processo de tomada de deciso na investigao operacional consiste em

DEFINIO DO Hipteses simplificadoras

Uma situao real pode envolver um nmero substancial de variveis e

A programao linear, nascida com os trabalhos de George B. Dantzing em

A palavra programao, neste contexto, no se refere programao de

Os clculos efectuados na resoluo de problemas, que envolvam modelos

A resoluo de problemas reais por aplicao de modelos de programao

2.1. APLICAES DA PROGRAMAO LINEAR

A programao linear tem aplicao prtica em inmeros problemas, de que

Do ponto de vista da engenharia civil, muito poucos problemas de interesse

Alguns problemas lineares de optimizao estrutural:

x1 - comprimento da via "1" a infra-estruturar

A cada varivel est associada uma actividade.

actividade 1 - execuo de infra-estruturas na via "1".

A medida quantitativa de cada actividade designa-se por nvel de

Neste caso sabe-se que:

- cada metro de via "1" com infra-estruturas custa 12 contos, logo a

Como o custo total no pode ultrapassar a verba em oramento, isso traduz-

12x1 + 8.5x2 50 000

Relativamente durao da obra:

0.04x1 + 0.02x2 150

Para terem sentido prtico, as variveis x1 e x2 tm de assumir valores no

Neste problema pretende-se servir o maior nmero de pessoas com infra-

A funo objectivo ser:

maximizar z = 0.06x1 + 0.04x2

2.2. FORMULAO MATEMTICA

Os exemplos enunciados anteriormente podem ser formulados de acordo

maximizar (minimizar) Z = c1x1 + c2x2 +...+ cjxj +...+ cnxn

x1 , x2 , ... , xj ,..., xn 0 (restries de no negatividade)

Z - funo objectivo (funo critrio)

com i = 1, 2, ..., m e j = 1, 2, ..., n

O conjunto de solues que satisfaam as restries designam-se por

A soluo admissvel que optimiza a funo objectivo designa-se por

Podem efectuar-se operaes convenientes de modo a alterar a forma de

i) mnimo Z = mximo (Z)

ii) ai1x1 + ai2x2 +...+ ainxn bi ai1x1 ai2x2 ... ainxn bi

iv) Se xj no tem restrio ao sinal, pode exprimir-se como a diferena

Apresentao do problema do exemplo 1 formulado de acordo com o

max. Z = 0.06x1 + 0.04x2

2.2.1. HIPTESES DO MODELO DE PROGRAMAO LINEAR

O modelo de programao linear no se aplica a todos os casos e situaes.

2.2.2. FORMAS DE APRESENTAO DE UM PROGRAMA LINEAR

Tendo em vista a resoluo de um problema de programao linear, este

2.2.2.1. FORMA CANNICA

As caractersticas desta forma so as seguintes:

i) As variveis so todas no negativas.

ii) As restries so todas do tipo .

iii) A funo objectivo do tipo maximizar.