Você está na página 1de 55

Pesquisa Operacional

Prof. José Luiz


Prof. José Luiz
Função Linear - Introdução

O conceito de função é encontrado em diversos setores da


economia, por exemplo, nos valores pagos em um
determinado período de um curso.
O valor a ser pago vai depender da quantidade de disciplinas
que o aluno está matriculado.
Imagine x o valor por disciplina e y o valor total a ser pago no
período.

Então, temos: y = f(x)


y = número de disciplinas . x
Função do 1° Grau

Denominamos função do primeiro grau a qualquer função f: RR, tal


que:

f(x) = ax + b (com a 0)

O gráfico de uma função do 1° grau é sempre uma reta inclinada que


encontra o eixo vertical quando y = b.

O valor constante b da expressão ax + b é chamado coeficiente


linear.

O coeficiente a da expressão ax + b é chamado coeficiente angular e está


associado ao grau de inclinação que a reta do gráfico terá (na verdade o
valor de a é igual à tangente de um certo ângulo que a reta do gráfico forma
com o eixo horizontal).
Função Linear - Exemplos

f(x) = 5x – 3 , onde a = 5 e b = -3

f(x) = -2x – 7 , onde a = -2 e b = 7

f(x) = x/3 + 2/5 , onde a = 1/3 e b = 2/5

f(x) = 11x , onde a = 11 e b = 0


Representação no Plano Cartesiano

Uma reta real é orientada a um eixo, e cada ponto está


associado a um único número real. O ponto zero é chamado
origem, portanto, qualquer ponto á direita de 0, o número será
positivo; à esquerda, será negativo.
E quando coincidir com o zero , será nulo.

origem

-3 -2 -1 0 1 2 3
Plano Cartesiano

Vamos imaginar um número P = - 3. Teremos OP = - 3.


Agora vamos praticar:
Para P = -1 teremos OP = -1
Para P = +2 teremos OP = +2

origem

P=-3 -2 -1 0 1 2 3
Plano Cartesiano

Consideremos num plano α de dois eixos, x e y,


perpendiculares em 0, um ponto A pertencente a α,
existem apenas duas retas, r e s, que passam por A de
modo que r // y e s // x.

Eixos:
X = eixo das abscissas
y = eixo das ordenadas
α = plano cartesiano
Plano Cartesiano

O plano cartesiano está dividido em quatro quadrantes:


Plano Cartesiano - Exemplos

Podemos então localizar os pontos


A(2,3), B(-3,2), C(-2,-1), D(3,-2), E(3,0) e F(0,2):
Funções crescentes e decrescentes

O gráfico de uma função de 1° grau y = ax + b, com a 0


é uma reta oblíqua aos eixos Ox e Oy.

Exemplo 1:
Construir o gráfico da função y = 3x - 1

X Y = 3x – 1

0 -1
1/3 0
Funções Crescentes

Quando aumentamos o valor de x, os correspondentes


valores de y também aumentam. Dizemos, então, que a
função y = 3x – 1 é crescente.
Funções Decrescentes

Exemplo 2:
Construir o gráfico da função y = - 2x + 3

X Y = -2x +3

0 3
3/2 0
Funções Decrescentes

Quando aumentamos o valor de x, os correspondentes


valores de y diminuem. Dizemos, então, que a função
y = -2x + 3 é decrescente.
INEQUAÇÕES DO 1º GRAU
INEQUAÇÕES DO 1º GRAU
PESQUISA OPERACIONAL

TÉCNICAS DE SOLUÇÃO PARA MODELOS


DE PROGRAMAÇÃO LINEAR

MÉTODO GRÁFICO
TÉCNICAS DE SOLUÇÃO PARA MODELOS DE
PROGRAMAÇÃO LINEAR – MÉTODO GRÁFICO
Conceito: Consiste em representar num sistema de eixos ortogonais o
conjunto das possíveis soluções do problema, ou seja, o conjunto de
pontos (x1, x2) que obedecem ao grupo de restrições impostas pelo
sistema em estudo. O desempenho do modelo é avaliado através da
representação gráfica da função objetivo. As soluções são classificadas
de acordo com sua posição no gráfico.

Gráfico: A representação gráfica de uma equação linear com duas


variáveis é uma reta. A representação gráfica de uma inequação linear
com duas variáveis é um dos semiplanos definidos pela reta
correspondente à equação.

Exemplo 1: Representar graficamente a inequação: x1 + 2x2  10

a) Construir a reta correspondente à equação x1 + 2x2 = 10

Precisamos de dois pontos:


Fazendo x1 = 0, teremos 2x2 = 10  x2 = 5
Fazendo x2 = 0, teremos x1 = 10
TÉCNICAS DE SOLUÇÃO PARA MODELOS DE
PROGRAMAÇÃO LINEAR – MÉTODO GRÁFICO
b. Testar a inequação: x1 + 2x2  10

Tomamos um ponto qualquer de uma das regiões limitadas pela reta, por
exemplo o ponto (x1 = 10, x2 = 5).

Substituindo na inequação:
10 + 2.5  10 ou 20  10, o que é verdadeiro, portanto a região das soluções
da inequação é aquela que contém o ponto testado.
MÉTODO GRÁFICO
x2

0 x1
TÉCNICAS DE SOLUÇÃO PARA MODELOS DE
PROGRAMAÇÃO LINEAR – MÉTODO GRÁFICO
Exemplo 2:
Representar graficamente a solução do sistema:
x1 + 3x2  12
2x1 + x2  16
x1  0
x2  0

Solução:
Vamos representar cada uma das retas correspondentes:

1. x1 + 3x2 = 12; se x1 = 0  x2 = 4; se x2 = 0  x1 = 12; A = (0; 4) e B = (12; 0)

2 . 2x1 + x2  16; se x1 = 0  x2 = 16; se x2 = 0  x1 = 8; C = (0; 16) e D = (8; 0)

As restrições de não negatividade x1  0 e x2  0 representam o primeiro quadrante do


gráfico das soluções.
TÉCNICAS DE SOLUÇÃO PARA MODELOS DE
PROGRAMAÇÃO LINEAR – MÉTODO GRÁFICO

Verificar para cada reta qual a região que corresponde à solução da inequação.
Para isso, escolhe-se um ponto fora das retas, por exemplo o ponto (8, 16).

1. x1 + 3x2  12; 1substituindo x1 = 8, x2 = 16, obtém-se:


8 + 3.16  12, ou 56  12; a desigualdade é falsa.
Solução: região oposta. (Verificar flecha indicativa)

2. 2x1 + x2  16; substituindo x1 = 8, x2 = 18, obtém-se:


2.8 + 16  16, ou 32  16; a desigualdade é verdadeira (Flecha indicativa
da solução na região do ponto testado.)

A região de soluções aparece sombreada no gráfico.


TÉCNICAS DE SOLUÇÃO PARA MODELOS DE
PROGRAMAÇÃO LINEAR – MÉTODO GRÁFICO
TÉCNICAS DE SOLUÇÃO PARA MODELOS DE
PROGRAMAÇÃO LINEAR – MÉTODO GRÁFICO

Avaliação do objetivo

Devemos agora avaliar o desempenho da função objetivo:


Maximizar L = 2x1 + 5x2 na região de soluções do gráfico a seguir.
Solução:

Escolhemos um valor arbitrário para L, por exemplo, o valor 10.


A equação: 10 = 2x1 + 5x2 fornece o conjunto de pontos (x1, x2) que dão para
L o valor 10. Vamos representar esses pontos:
Se x1 = 0, então 2.0 + 5.x2 = 10. Portanto, x2
2x1 + 5x2 = 10 = 10/5 ou x2 = 2

Se x2 = 0, então 2.x1 + 5.0 = 10, Portanto, x1


= 10/2 ou x1 = 5

Escolhemos um segundo valor para L, por exemplo, o valor 15, então:

2x1 + 5x2 = 15 Se x1 = 0, então 2.0 + 5.x2 = 15. Portanto, x2


= 15/5 ou x2 = 3

Se x2 = 0, então 2.x1 + 5.0 = 15, Portanto, x1


= 15/2 ou x1 = 7,5

Graficamente teremos:
2 . Afastamento da 1 . Retas Paralelas
origem

Verificamos do gráfico que:

1. À medida que atribuirmos valores a L, obtemos retas paralelas.


2. À medida que os valor de L aumenta, a reta se afasta da origem do sistema de
eixos.

Podemos concluir que pelo ponto P do gráfico, teremos a paralela de maior valor que
ainda apresenta um ponto na região de soluções. Portanto, o ponto P é a solução que
maximiza L na região de soluções dadas.
Como P = (0, 6) e L = 2x1 + 5x2, substituindo x1 = 0 e x2 = 6, teremos:

L = 2.0 + 5.6 ou L máximo = 30


PESQUISA OPERACIONAL
Exercícios Propostos

1 – Um sapateiro faz 6 sapatos por hora, se fizer somente


sapatos e 5 cintos por hora, se fizer somente cintos. Ele
gasta 2 unidades de couro para fabricar 1 unidade de sapato
e 1 unidade de couro para fabricar 1 unidade de cinto.

Sabendo-se que o total disponível de couro é de 6 unidades e


que o lucro unitário por sapato é de 15 unidades monetárias
e o do cinto é de 10 unidades monetárias, pede-se:

O modelo do sistema de produção do sapateiro, se o objetivo


é maximizar seu lucro por hora.

Prof. José Luiz


PESQUISA OPERACIONAL
2 – Certa empresa fabrica 2 produtos P1 e P2. O lucro por
unidade de P1 é de R$ 25,00 e o lucro unitário de P2 é de R$
35,00.

A empresa necessita de 5 horas para fabricar uma unidade


de P1 e 8 horas para fabricar uma unidade de P2. O tempo
mensal disponível para essas atividades é de 240 horas.
A MP em peças utilizada para P1 é de 12 peças e para P2 é de
18 peças. A quantidade total de peças para os dois produtos
é de 432 peças.
As demandas esperadas para os 2 produtos levaram a
empresa a decidir que os montantes produzidos de P1 e P2
não devem ultrapassar 50 unidades de P1 e 80 unidades de
P2 por mês.

Construa o modelo do sistema de produção mensal com o


objetivo de maximizar o lucro da empresa. Prof. José Luiz
PESQUISA OPERACIONAL
6 – Uma empresa, após um processo de racionalização de
produção, ficou com disponibilidade de 3 recursos
produtivos, R1, R2 e R3. Um estudo sobre o uso desses
recursos indicou a possibilidade de se fabricar 2 produtos P1
e P2. Levantando os custos e consultando o departamento
de vendas sobre o preço de colocação no mercado, verificou-
se que P1 daria um lucro de R$ 120,00 por unidade e P2, R$
150,00 por unidade. O departamento de produção forneceu a
seguinte tabela de uso de recursos.
Recurso R1 Recurso R2 Recurso R3
Produto Lucro
por unidade por unidade por unidade
P1 2 3 5 R$120,00
P2 4 2 3 R$150,00
Disponibilidade de
100 90 120
recursos por mês

Que produção mensal de P1 e P2 traz o maior lucro para a


empresa? Prof. José Luiz
Exemplo 1
Resolver o problema de programação linear:

Minimizar Z = 2x1 + 3x2


x1 + x2  5
5x1 + x2  10
Sujeito às restrições: x1  8

x1  0
x2  0
Exemplo 1
Resolver o problema de programação linear:

Minimizar Z = 2x1 + 3x2


x1 + x2  5
5x1 + x2  10
Sujeito às restrições: x1  8

x1  0
x2  0

Solução:
a. Construir a região de soluções das restrições:

1. x1 + x2 = 5 Se x1 = 0, então 0 + x2 = 5 ou x2 = 5
Se x2 = 0, então x1 + 0 = 5 ou x1 = 5

Se x1 = 0, então 5.0 + x2 = 10 ou x2 = 10
2. 5x1 + x2 = 10
Se x2 = 0, então 5.x1 + 10 = 5 ou x1 = 10/5 ou x1 = 2

3. x1 = 8 A representação gráfica é uma reta paralela ao eixo x2 pelo


ponto x1 = 8
REGIÃO DE SOLUÇÕES DAS RESTRIÇÕES Tomando-se o ponto (5, 5) para o teste
da região de solução de cada uma das
inequações, temos, substituindo os
valores x1 = 5 e x2 = 5:

1 . x1 + x2  5, então 5 + 5  10 ou 10  5
A desigualdade é verdadeira, flecha em
1 para a região do ponto testado.

2. 5x1 + x2  10, então 5.5 + 5  10 ou


30  10
A desigualdade é verdadeira, flecha em
2 para a região do ponto testado.

3. x1  8 substituindo x1 = 5, teremos 5 
A região resultante está sombreada 8. A desigualdade é verdadeira, flecha
na figura. em 3 para a região do ponto (5, 5).

b. Avaliar o desempenho da função objetivo.


Arbitraremos dois valores para Z, por exemplo: Z = 12 e Z = 18

Para Z = 12, teremos:

2x1 + 3x2 = 12 Se x1 = 0, então 2.0 + 3.x2 = 12 ou x2 = 4


Se x2 = 0, então 2.x1 + 3.0 = 12 ou x1 = 6
Para Z = 18, teremos:

Se x1 = 0, então 2.0 + 3.x2 = 18 ou x2 = 6


2x1 + 3x2 = 18
Se x2 = 0, então 2.x1 + 3.0 = 18 ou x1 = 9
Conclusão:

À medida que diminuímos o valor de Z, obteremos retas paralelas mais próximas da


origem. Portanto, o ponto da região de soluções com o menor valor de Z é o ponto (5,
0). (Verificação no gráfico).

Resposta: Ponto de Mínimo: x1 = 5; x2 = 0. Valor mínimo = 2.5 + 3.0 = 10

Ponto (5, 0)
Exemplo 2
Resolver o problema de programação linear:

MAX L = 2x1 + 3x2


4x1 + 6x2  60
x1 + x2  12
Sujeito às restrições:
x1  0
x2  0
Exemplo 2
Resolver o problema de programação linear:

MAX L = 2x1 + 3x2


4x1 + 6x2  60
x1 + x2  12
Sujeito às restrições:
x1  0
x2  0

Solução:
a. Construir a região de soluções das restrições:
Se x1 = 0, então 0 + 6x2 = 60 ou x2 = 10
1. 4x1 + 6x2 = 60 Se x2 = 0, então 4x1 + 0 = 60 ou x1 = 15

Se x1 = 0, então 0 + x2 = 12 ou x2 = 12
2. x1 + x2 = 12 Se x2 = 0, então x1 + 0 = 12 ou x1 = 12
REGIÃO DE SOLUÇÕES DAS RESTRIÇÕES Tomando-se o ponto (15, 12) para o teste
da região de solução de cada uma das
inequações, temos, substituindo os
valores x1 = 15 e x2 = 12:

1 . 4x1 + 6x2  60, então 4.15 + 6.12  60


ou 132  605.
A desigualdade é falsa, implica que a
solução é oposta ao ponto testado.
Flecha em 1.

2. x1 + x2  12, então 15 + 12  12 ou
27  10.
A desigualdade é verdadeira. A solução
é a região do ponto testado. Flecha em 2
A região resultante está sombreada
na figura.

b. Avaliar o objetivo na região de soluções:


Arbitraremos dois valores para L, por exemplo: L = 24 e L = 45

Para L = 24, teremos:

2x1 + 3x2 = 24 Se x1 = 0, então 2.0 + 3.x2 = 24 ou x2 = 8


Se x2 = 0, então 2.x1 + 3.0 = 24 ou x1 = 12
Para L = 45, teremos:

Se x1 = 0, então 2.0 + 3.x2 = 45 ou x2 = 15


2x1 + 3x2 = 45
Se x2 = 0, então 2.x1 + 3.0 = 45 ou x1 = 22,5
Conclusão:
Examinando o gráfico, concluímos que L atinge o maior valor na região de soluções
sobre a reta 1. Portanto, todos os pontos do segmento PQ são soluções ótimas do
modelo.
Por exemplo: O Ponto Q: x1 = 15; x2 = 0. L = 2.15 + 3.0 = 30

Ponto (15, 0)
Exercícios Propostos – Resolver Graficamente o modelo de Programação Linear

1 – MAXIMIZAR LUCRO = 2x1 + 3x2


-x1 + 2x2  4
x1 + 2x2  6
Sujeito a:
x1 + 3x2  9
x1  0; x2  0
TÉCNICAS DE SOLUÇÃO PARA MODELOS DE
PROGRAMAÇÃO LINEAR – MÉTODO GRÁFICO
X2

1 – MAXIMIZAR LUCRO = 2x1 + 3x2

10

9
8

7
6

4
3

2
1

1 2 3 4 5 6 7 8 9 10 11 12
X1
Exercícios Propostos – Resolver Graficamente o modelo de Programação Linear

2 – MAXIMIZAR RECEITA = 0,3x1 + 0,5x2

Sujeito a:
2x1 + x2  2
x1 + 3x2  3
x1  0; x2  0
TÉCNICAS DE SOLUÇÃO PARA MODELOS DE
PROGRAMAÇÃO LINEAR – MÉTODO GRÁFICO
X2

2 – MAXIMIZAR RECEITA = 0,3x1 + 0,5x2

10

9
8

7
6

4
3

2
1

1 2 3 4 5 6 7 8 9 10 11 12
X1
Exercícios Propostos – Resolver Graficamente o modelo de Programação Linear

3 – MAXIMIZAR LUCRO = 2x1 + 3x2

Sujeito a: x1 + 3x2  9
-x1 + 2x2  4
x1 + x2  6
x1  0; x2  0
TÉCNICAS DE SOLUÇÃO PARA MODELOS DE
PROGRAMAÇÃO LINEAR – MÉTODO GRÁFICO
X2

3 – MAXIMIZAR LUCRO = 2x1 + 3x2

10

9
8

7
6

4
3

2
1

1 2 3 4 5 6 7 8 9 10 11 12
X1
Exercícios Propostos – Resolver Graficamente o modelo de Programação Linear

4 – MINIMIZAR CUSTO = 10x1 + 12x2


x1 + x2  20
x1 + x2  10
Sujeito a:
5x1 + 6x2  54
x1  0; x2  0
TÉCNICAS DE SOLUÇÃO PARA MODELOS DE
PROGRAMAÇÃO LINEAR – MÉTODO GRÁFICO
X2

4 – MINIMIZAR CUSTO = 10x1 + 12x2

10

9
8

7
6

4
3

2
1

1 2 3 4 5 6 7 8 9 10 11 12
X1
Exercícios Propostos – Resolver Graficamente o modelo de Programação Linear

5 – MINIMIZAR Z = 7x1 + 9x2

Sujeito a: -x1 + x2  2
x1  5
x2  6
3x1 + 5x2  15
5x1 + 4x2  20
x1  0; x2  0
TÉCNICAS DE SOLUÇÃO PARA MODELOS DE
PROGRAMAÇÃO LINEAR – MÉTODO GRÁFICO
X2

5 – MINIMIZAR Z = 7x1 + 9x2

10

9
8

7
6

4
3

2
1

1 2 3 4 5 6 7 8 9 10 11 12
X1
Exercícios Propostos – Resolver Graficamente o modelo de Programação Linear

6 – Resolver o problema 1 da lista 1.

MÁXIMO LUCRO = 5x1 + 2x2; Sujeito a: 10x1 + 12x2  60


2x1 + x2  6
x1  0; x2  0
TÉCNICAS DE SOLUÇÃO PARA MODELOS DE
PROGRAMAÇÃO LINEAR – MÉTODO GRÁFICO
X2

MÁXIMO LUCRO = 5x1 + 2x2

10

9
8

7
6

4
3

2
1

1 2 3 4 5 6 7 8 9 10 11 12
X1
Exercícios Propostos – Resolver Graficamente o modelo de Programação Linear

7 - MÁX L = 2x1 + 3x2

Sujeito a: 5X1 + 4X2  20


- 4X1 + 4X2  8
6X1 – 2X2  6

X1  0; X2  0
x2

x1
Exercícios Propostos – Resolver Graficamente o modelo de Programação Linear

8 – MÁX L = 6x1 + 4x2;

Sujeito a: 4X1 + 5X2  20


- 6X1 + 6X2  12
9X1 – 3X2  9

X1  0; X2  0
x2

x1
Exercícios Propostos – Resolver Graficamente o modelo de Programação Linear

9 – MÁX L = 2x1 + 4x2;

Sujeito a: 4X1 - 6X2  12


7X1 + 5X2  35
X2  4

X1  0; X2  0