Você está na página 1de 58

UNEB - UNIVERSIDADE DO ESTADO DA BAHIA

DEPARTAMENTO DE CIÊNCIAS HUMANAS – CAMPUS I


COLEGIADO DE ADMINISTRAÇÃO
Salvador - Bahia - Brasil

_______________________________________________________________

MANUAL DAS DISCIPLINAS

PESQUISA OPERACIONAL I
E
PESQUISA OPERACIONAL II

(Versão 4.00 – 2013)

PROFESSOR - JOSÉ DELFINO SÁ 18/AGO/2013


ÍNDICE

1. TÓPICOS DE ÁLGEBRA LINEAR

 Definição e Objetivos
 Conteúdo Programático
 Matrizes
 Determinantes
 Sistemas de Equações Lineares
 Referências Bibliográficas

2. FUNDAMENTOS DE PESQUISA OPERACIONAL

 Definição e Objetivos
 Métodos e Modelos de Pesquisa Operacional
 Aplicações da Pesquisa Operacional em Administração
 Referências Bibliográficas

3. PROGRAMAÇÃO LINEAR

 Definição e Objetivos
 Aplicações da Programação Linear na Administração
 Referências Bibliográficas

4. TEORIA DOS GRAFOS

 Definição, Objetivos e Aplicações


 Referências Bibliográficas

APÊNDICE A - Softwares utilizados em aplicações de Pesquisa Operacional

APÊNDICE B - Sociedades Científicas de estudo da Pesquisa Operacional

APÊNDICE C - Histórico da Pesquisa Operacional no Brasil

APÊNDICE D - Conteúdo programático da disciplina Pesquisa Operacional I

APÊNDICE E - Conteúdo programático da disciplina Pesquisa Operacional II

2
1. TÓPICOS DE ÁLGEBRA LINEAR

Definição e Objetivos. A Álgebra Linear é uma disciplina de grande relevân-


cia para a Administração, pois este assunto pertence a uma das áreas da ma-
temática que fundamenta, em termos quantitativos, o processo de preparação,
análise e tomada de decisão nas Organizações. Além disso, fornece o emba-
samento adequado ao Corpo Discente para o aprendizado eficiente das disci-
plinas Pesquisa Operacional I e Pesquisa Operacional II. O principal objetivo
desta disciplina consiste na difusão de conhecimentos básicos relacionados à
teoria e aplicações de Álgebra Linear na resolução de problemas de decisão
associados a sistemas administrativos.

Conteúdo Programático:

 Definição de Matriz e Escalar.


 Definição e Exemplos de Matrizes Retangulares, Quadradas e de Vetores
Linha e Coluna.
 Matrizes Especiais: Nula, Oposta, Diagonal, Escalar, Identidade, Triangular
Inferior e Superior, Transposta, Simétrica, Assimétrica, Antissimétrica, Nor-
mal, Estocástica, Duplamente Estocástica, Booleana, Latina, Singular, Regu-
lar (Não Singular), Ortogonal, Idempotente, Periódica, Nihilpotente e Involu-
tória.
 Operações com Matrizes:

 Soma
 Subtração
 Transposição
 Multiplicação por Escalar
 Multiplicação entre Matrizes
 Multiplicação de Hadamard
 Multiplicação de Kronecker
 Multiplicação Latina
 Inversão
 Potenciação.
 Definição e Métodos para o Cálculo de Determinantes.
 Matriz de Cofatores e Matriz Adjunta.
 Inversão de Matriz através da Matriz Adjunta.
 Definição, classificação e Resolução de Sistemas de Equações Lineares.
 Soluções Básicas de um Sistema de Equações Lineares.

MATRIZES
Definição. Denomina-se Matriz de ordem m por n, a um conjunto retangular de
elementos organizados em m linhas e n colunas, dispostos em forma de tabela.
Os elementos de uma matriz podem ser números, letras, polinômios, funções
ou qualquer outro tipo de objeto matemático. As Matrizes geralmente são utili-

3
zadas quando contamos com conjuntos de números que podem ser operados
do mesmo modo, de forma única.

Tipos de Matriz: Retangulares, Quadradas, Matrizes Linha e Matrizes Coluna.

Matriz Retangular - (m  n) Matriz Quadrada - (m = n)

A = [aij]m x n A = [aij](m, n) A = [aij]n

Matriz Linha - (1, n) Matriz Coluna - (m, 1)

As Matrizes Linhas e Colunas são também denominados de Vetores.

Diagonal Principal e Diagonal secundária de uma Matriz Quadrada - Em


uma Matriz A = [aij]n a Diagonal Principal é constituída dos elementos aij em
que i = j. A Diagonal Secundária é composta dos elementos aij em que (i + j) =
(n + 1).

Traço de uma Matriz Quadrada é a soma dos elementos da Diagonal Principal.

Termo Principal de uma Matriz Quadrada é o produto dos elementos da Dia-


gonal Principal.

Termo Secundário de uma Matriz Quadrada é o produto dos elementos da


Diagonal Secundária.

Igualdade de Matrizes. Duas matrizes A = [A = [aij] m x n e B = [bij] m x n são


iguais se, e somente se, possuem a mesma ordem, e os aij = bij para todo i e
todo j.

Escalares: , , , , , , , ,  etc.

Matrizes Especiais:

Matriz Nula. Uma matriz é nula se, e somente se, todos os seus elementos são
iguais a zero.

A = [aij](m, n) é Nula  [aij] = 0 ¥ i, j

Matriz Oposta. Uma matriz é Oposta de outra matriz se, e somente se, todos
os seus elementos são iguais aos elementos da matriz original multiplicados
por -1.

A = [aij](m, n) é oposta de B = [bij] (m, n)  [aij] = - [bij] ¥ i, j

Matriz Diagonal. Uma matriz é diagonal se, e somente se, os seus elementos
que não pertencem à diagonal principal são iguais a zero.

4
A = [aij]n é diagonal  [aij] = 0 para i ≠ j

Matriz Escalar. Uma matriz é escalar se, e somente se, os seus elementos
que não pertencem à diagonal principal são iguais a zero, e todos os elementos
da diagonal principal são iguais..

A = [aij]n é escalar  [aij] = 0 para i ≠ j e são iguais para i = j

Matriz Identidade ou Unitária. Uma matriz é Identidade se, e somente se, os


seus elementos que não pertencem à diagonal principal são iguais a zero, e
todos os elementos da diagonal principal são iguais a 1..

A = [aij]n é identidade  [aij] = 0 para i ≠ j e são iguais a 1 para i = j

Matriz Triangular Superior. Uma matriz é triangular superior se, e somente


se, os elementos em que o índice i é maior que o índice j são iguais a zero. Os
outros elementos podem ter qualquer valor.

A = [aij]n é triangular superior  [aij] = 0 para i > j

Matriz Triangular Inferior. Uma matriz é triangular inferior se, e somente se,
os elementos em que o índice i é menor que o índice j são iguais a zero. Os
outros elementos podem ter qualquer valor.

A = [aij]n é triangular inferior  [aij] = 0 para i < j

Matriz Transposta. Uma matriz é transposta de outra matriz se, e somente se,
suas linhas foram iguais às colunas da matriz original. Deste modo, as matrizes
retangulares de ordem (m, n) terão uma transposta de ordem (n, m), e os veto-
res linha e coluna terão respectivamente vetores coluna e linha como vetores
transpostos.

A = [aij](m, n) é transposta de B = [bij](m, n)  AT = [bji] (n, m)

Matriz Simétrica. Uma matriz é simétrica se, e somente se, ela for igual à sua
Transposta. Deste modo, somente as matrizes quadradas podem ser Simétri-
cas.

A = [aij]n é simétrica  A = AT

Matriz Assimétrica. Uma matriz é assimétrica se, e somente se, ela for dife-
rente da sua transposta.

A = [aij]n é assimétrica  A ≠ AT

5
Matriz Antissimétrica. Uma matriz é antissimétrica se, e somente se, ela for
igual à matriz oposta da sua transposta.

A = [aij]n é antissimétrica  A = - AT

Matriz Estocástica. Uma matriz é estocástica se, e somente se, seus elemen-
tos forem maiores ou iguais a zero e menores ou iguais a um, e a soma dos
elementos de cada linha for igual a um.

A = [aij]n é estocástica  0 ≥ [aij] ≤1 e ∑ ¥ i

Matriz Duplamente Estocástica. Uma matriz é duplamente estocástica se, e


somente se, seus elementos forem maiores ou iguais a zero e menores ou
iguais a um, e a soma dos elementos de cada linha e de cada coluna for igual a
um.

A = [aij](m, n) é duplamente estocástica  0 ≥ [aij] ≤1


e ∑ ¥i ∑ ¥j

Matriz Booleana. Uma matriz é booleana se, e somente se, todos os seus
elementos forem iguais a zero ou um.

A = [aij](m, n) é booleana  [aij] = 0 ou [aij] = 1 ¥ i, j

Matriz Latina. Uma matriz é latina se, e somente se, todos os seus elementos
forem letras.

A = [aij](m, n) é latina  [aij] = letras ¥ i, j

Matriz Regular. Uma matriz é regular se, e somente se, seu determinante é
diferente de zero.

A = [aij]n é regular  Det.A ≠ 0

Matriz Singular. Uma matriz é singular se, e somente se, seu determinante é
igual a zero.

A = [aij]n é regular  Det.A = 0

Exemplos de matrizes mutuamente comutativas:

A= 1 2 B= 3 2 C= 1 0
3 4 5 7 0 1

6
Matriz Normal. Uma matriz é normal se, e somente se, ela é comutativa com a
sua transposta. As matrizes simétricas, antissimétricas e ortogonais são tam-
bém normais.

A = [aij]n é normal  A. AT = AT.A

Exemplos de matrizes normais:

1/2 2 -4 A= 6 -3
C= -2 0 -3 3 6
4 3 0

Matriz Inversa. Uma matriz é considerada inversa de outra matriz se, e somen-
te se, o produto entre elas for igual à matriz identidade. Só as matrizes regula-
res admitem inversa.

B = [bij]n é inversa de A = [aij]n  A.B = B.A = I, então B é denominada A

Matriz Ortogonal. Uma matriz é ortogonal se, e somente se, sua transposta é
igual à sua inversa, logo o produto de uma matriz ortogonal por sua transposta
é igual à matriz Identidade. Se uma matriz é ortogonal sua transposta também
é. O produto de duas matrizes ortogonais é também uma matriz ortogonal e o
determinante de uma matriz ortogonal é igual a ±1.

AT = A-1 então A . AT = AT . A = I

Exemplos de matrizes ortogonais:

1 0 0 1/9 8/9 -4/9 0 0 1


A= 0 1 0 B= 4/9 -4/9 -7/9 C= 0 1 0
0 0 1 8/9 1/9 4/9 1 0 0

1 0 0 0 1 0
D= 0 1/2 6/7 E= 1 0 0
0 6/7 - 1/2 0 0 1

Matriz Periódica. Uma matriz é periódica se, e somente se, em uma operação
de potenciação, existe uma determinada potência P para a qual a matriz volta a
ser ela mesma. Se isto acontece, a matriz é considerada de período (P – 1).

A = [aij]n é periódica de período (P -1)  AP = A

Exemplos de matrizes periódicas (p = 2):


-1 2 6 -1 2 6
A= 3 -2 -9 A= 3 -2 -9
-2 0 3 -2 0 3

7
Matriz Idempotente. Uma matriz é idempotente se, e somente se, ao ser ele-
vada ao quadrado ela não se altera, ou seja é periódica de período um.

A = [aij]n é idempotente  A2 = A

Exemplos de matrizes idempotentes:

2 -1 1 2 -1 1
A= -3 4 -3 B= -2 3 -2
-5 5 -4 -4 4 -3

Matriz Nilpotente. Uma matriz é nilpotente se, e somente se, ao ser elevada a
uma potência I ela se transforma na matriz nula. Neste caso ela é de índice I.

A = [aij]n é nilpotente de índice I  AI = N

Exemplos de matrizes nilpotentes (A de índice 2 e B de índice 3):

1 -1 1 1 1 3
A= -3 3 -3 B= 5 2 6
-4 4 -4 -2 -1 -3

Matriz Unipotente. Uma matriz é unipotente se, e somente se, ao ser elevada
ao quadrado ela se transforma na matriz identidade. As matrizes onipotentes
são também denominadas como involuntórias

A = [aij]n é unipotente  A2 = I

Exemplos de matrizes involuntórias:

0 1 0 1 0 0
A= 1 0 0 B= 0 0 1
0 0 1 0 1 0

Operações com matrizes:

Adição:

A = [aij] (m, n) B = [bij] (m, n) C = [cij] (m, n)

C = A + B  cij = aij + bij ɏ i, j

Propriedades da Adição:

a) A + B = B + A
b) A + (B + C) = (A + B) + C

8
c) A + N = N + A = A
c) -A + A = A - A = N
N = Matriz Nula.

Subtração:

A = [aij] (m, n) B = [bij] (m, n) C = [cij] (m, n)

C = A - B  cij = aij - bij ɏ i, j

Transposição:

A Matriz Transposta da Matriz A de ordem m por n, é a Matriz A´ de ordem n


por m, que se obtem da Matriz A permutando-se as linhas pelas colunas do
mesmo índice.

A = [a i j] (m, n) AT = [a j i] (n, m)

Propriedades da Transposição:

a) (A + B) T = AT + BT
b) (.A) T = .AT
c) (AT)T = A
d) (A.B) T = BT.AT

Multiplicação de Matriz por Escalar:

O produto de uma matriz A = [a i j] (m, n) por um escalar , é uma matriz


B = [b i j] (m, n) , em que::

B =  .A  b ij = .a i j ɏ i, j

Propriedades da Multiplicação de Matriz por Escalar:

a) (.).A = .(.A)
b) ( + ).A = .A + .A
c) .(A + B) = .A + .B
d) .(A.B) = (.A).B = A.(.B)
e) 1.A = A

9
Multiplicação de Hadamard:
O produto de Hadamard de uma matriz A = [aij]n por uma matriz B = [bij]n, é
uma matriz C = [cij]n obtida da multiplicação direta dos elementos de A pelos
elementos correspondentes de B. O sinal de multiplicação no caso do produto
de Hadamard é #.

C = A # B  c i j = a i j.b i j ɏ i, j

Propriedades da Multiplicação de Hadamard:

a) A.B = B.A
b) (A + B).C = A.C + B.C
c) C.(A + B) = C.A + C.B
d) (A.B).C= A.(B.C) = (A.C).B
e) A.N = N.A = N

Multiplicação entre Matrizes:


O produto de uma matriz A = [a i k] (m, p) por uma matriz B = [b k j] (p, n) , gera
uma matriz C = [c i j] (m, n), em que:

C = A . B <=> c ij = ∑ ɏ i, j

Propriedades da Multiplicação entre Matrizes:

a) (A.B).C = A.(B.C)
b) (A + B).C = A.C + B.C
c) A.(B + C) = A.B + A.C
d) .(A.B) = (.A).B = A.(.B)
e) A.I = I.A = A
f) A.N = N.A = N

Matrizes Mutuamente Comutativas. Geralmente as matrizes não são comuta-


tivas, porém existem exceções. Então, duas matrizes A e B são mutuamente
comutativas se os produtos (A.B) e (B.A) forem iguais. A matriz denominada
Normal é comutativa com a sua transposta, constituindo-se em um caso espe-
cial. Todas as matrizes simétricas, antissimétricas e ortogonais também são
normais e, portanto, são comutativas com as suas transpostas.

A = [aij]n e B = [bij]n são mutuamente comutativas  A.B = B.A

10
Existem alguns casos clássicos de matrizes mutuamente comutativas:
 Produto de uma matriz pela sua inversa: A.A-1 = .A.A-1.A = I
 Produto entre uma matriz e a matriz identidade: A.I = .I.A = A
 Produto entre uma matriz e a matriz Nula: A.N = .N.A = N

Multiplicação de Kronecker:
O produto de Kronecker de uma matriz A = [aij] (m x n) por uma matriz B = [bij]
(p x q), é uma matriz C = [cij] (m.p) x (n.q) obtida da multiplicação direta de ca-
da elemento de A pela matriz B. O sinal da multiplicação de Kronecker é .

C = A  B  [ aij . B ] ɏ i, j

Propriedades da Multiplicação de Kronecker:

a) A B C) = (A C


b) c.A A  c.c.A 
c) (A T = AT BT
d) Se u e v são vetores, então uT v = v uT = v. uT
e) c) (A B).(C D) = AC BD

Inversão de Matriz:
A matriz quadrada A = [a i j] n é inversa da matriz B = [b i j] n, se e somente se,
o produto entre elas for igual à Matriz Identidade.

Se A.B = B.A= I então B = A-1 e A . A-1 = A-1 . A = I

Propriedades da Inversão de Matrizes:

a) Se A admite inversa (Regular), então o Det. A  0.


b) Se A é uma matriz Regular, A-1 também é.
c) A matriz identidade I é Regular (Det. I = 1) e é a sua própria inversa. I = I-1
d) Se a matriz A é Regular, AT também é.
e) A matriz inversa de AT é (A-1)T .
f) Se as matrizes A e B são Regulares e de mesma ordem, o produto A.B é
uma matriz Regular.
g) A matriz inversa de A.B é a matriz B-1. A-1

Exemplo de matriz Inversa:

11
MATRIZ ORIGINAL MATRIZ INVERSA

3 1 3 5 1/2 -8 1/2 1/2

2 1 2 -2 3 0

3 6 1 -4 1/2 7 1/2 - 1/2

Potenciação de Matriz:
Se n é um número inteiro positivo, uma matriz A = [a i j] n pode ser multiplicada
n vezes por si mesma. O resultado dessas n operações é denominado potência
n da matriz A e é representado por An. Deste modo, A2 = A.A, N3 = A2.A, ... ,
An = An-1.A. Por definição, temos que A0 = = I.

A . A . A . A . , . . . . , An-1.A = An

DETERMINANTES

Definição. Determinante de uma matriz de ordem n, é uma função matricial


que associa um escalar a uma matriz quadrada. Esta função permite saber se
a matriz tem ou não inversa, uma vez que as matrizes não invertíveis são
aquelas cujo determinante é igual a 0 (Matrizes Singulares). A função determi-
nante foi descoberta no estudo de sistemas de equações lineares, e mostra-se
um instrumento indispensável para a investigação e obtenção das propriedades
de matrizes quadradas.
Calcula-se o determinante de uma matriz efetuando-se a soma algébrica dos
produtos que são obtidos com todas as permutações dos segundos índices do
termo principal, fixados os primeiros índices, e fazendo-se preceder os produ-
tos o sinal + ou -, conforme a permutação dos segundos índices seja de classe
par ou ímpar. A ordem de um determinante é a mesma ordem da matriz.

1os. Índices 2os. Indices Número Classe da Sinal que Produtos


(i) (j)
de Permutação precede o dos Aij
Permutação Permutações
Principal Inversões Produto
123 123 0 Par + A11.A22.A33
123 132 1 Ímpar - A11.A23.A32
123 213 1 Ímpar - A12.A21.A33
123 231 2 Par + A12.A23.A31
123 312 2 Par + A13.A21.A32
123 321 3 Ímpar - A13.A22.A31

12
A11 A12 A13
A= A21 A22 A23
A31 A32 A33

Det. A = + A11.A22.A33 - A11.A23.A32 -


+ A12.A23.A31 - A12.A21.A33 –
+ A13.A21.A32 - A13.A22.A31

Regra de Sarrus:

C1 C2 C3 C1 C2
A11 A12 A13 A11 A12
A= A21 A22 A23 A21 A22
A31 A32 A33 A31 A32

C1 C2 C3 C1 C2
A11 A12 A13 A11 A12
A= A21 A22 A23 A21 A22
A31 A32 A33 A31 A32

Propriedades dos Determinantes:

 Se A admite inversa, então o Det (A−1) = 1 ⁄ Det (A), de onde resulta que
se A é invertível então Det (A) ≠ 0.
 O determinante de uma matriz é igual ao determinante da sua transposta:
Det (A) = Det (AT).
 Se A é ortogonal, então Det (A) = ±1.
 Se uma linha ou coluna da matriz A é constituída de zeros, então:
Det (A) = 0.
 Se A tem duas linhas (ou colunas) iguais, então: Det (A) = 0.
 Se em uma matriz A, os elementos de duas linhas ou duas colunas pos-
suem valores proporcionais, o Det (A) = 0.
 Se em uma matriz A, uma linha ou coluna é obtida através de uma combi-
nação linear de outras linhas ou colunas, o Det (A) = 0.
 Se uma matriz é triangular (superior ou inferior), diagonal ou escalar o seu
determinante é o Termo Principal (produto dos elementos da diagonal
principal).
 Se multiplicarmos ou dividirmos uma linha ou coluna de uma matriz A por
um escalar λ diferente de 0, o determinante da matriz A fica multiplicado
por λ.

13
 Se uma matriz quadrada A de ordem n for multiplicada por um escalar k,
seu determinante passa a ser multiplicado por kn. Det (k*A) = kn * Det (A).
 Se permutarmos duas linhas ou duas colunas de uma matriz A, então o
determinante de A muda de sinal: −Det (A).
 Se somarmos (ou subtrairmos) a uma linha (ou coluna) de A, um múltiplo
de outra linha (ou coluna), o determinante não se altera (Teorema de Ja-
cobi).
 Se escrevermos cada elemento de uma linha ou coluna de A como soma
de duas parcelas então: o Det (A) é a soma de dois determinantes de or-
dem n, cada um considerando como elemento daquela linha ou coluna
uma das parcelas, e repetindo as demais linhas ou colunas.
 Se A e B são matrizes quadradas de mesma ordem, então:
Det (A.B) = Det (A) . Det (B). (Teorema de Binet).

SISTEMAS DE EQUAÇÕES LINEARES


Definição. Um problema que geralmente é encontrado em operações e pro-
cessos da gestão empresarial é o da solução simultânea de um sistema de
equações lineares. Estes processos e operações são descritos por um conjunto
de m equações em que se deseja determinar a solução de n variáveis de inte-
resse, normalmente chamadas de incógnitas, que satisfaçam todas as equa-
ções ao mesmo tempo. Deste modo, pode-se definir um sistema de equações
lineares nas incógnitas X1, X2, ... , Xn como um conjunto finito de equações li-
neares nessas incógnitas. A estrutura matemática de um sistema de m equa-
ções lineares e n incógnitas pode ser apresentada nas seguintes formas:

Forma Matricial:

A.X = B, em que A é uma matriz de ordem m por n, X e B são vetores colunas


de ordem n.
Forma Padrão:

a11.x1 + a12.x2 + a13.x3 + . . . . . + a1n.xn = b1


a21.x1 + a22.x2 + a13.x3 + . . . . . + a2n.xn = b2
.......................................
am1.x1 + am2.x2 + am3.x3 + . . . + amn.xn = b1
Uma matriz importante para o estudo dos sistemas de equações lineares é a
matriz aumentada (também denominada ampliada) do sistema:

a11 a12 a13 b1


a21 a22 a23 b2
... ... ... ...
a31 a32 a33 b3

14
Os sistemas de equações lineares podem ser:

 Compatíveis. São sistemas que admitem solução.


 Incompatíveis. São impossíveis, ou seja, os que não admitem solução.
 Homogêneos. São sistemas compatíveis em que o vetor B é Nulo. Os sis-
temas homogêneos admitem pelo menos a solução denominada trivial, na
qual todas as incógnitas são iguais a zero.
 Não Homogêneos. São aqueles em que o vetor B tem pelo menos um ele-
mento diferente de zero.
 Determinados. São sistemas compatíveis que admitem uma única solução.
Nesses sistemas a matriz A deve ser quadrada e regular (determinante dife-
rente de zero)
 Indeterminados. São os que possuem infinitas soluções.

Sistemas Equivalentes. Dois ou mais sistemas de equações lineares são


equivalentes quando possuem a mesma solução.

Operações Elementares. Um sistema de equações lineares se transforma em


um sistema equivalente quando se realizam as seguintes operações elementa-
res:
 Permutação de duas equações.
 Multiplicação de uma equação por um número real diferente de zero.
 Substituição de uma equação por sua soma com outra equação previamente
multiplicada por um número real diferente de zero.
As operações elementares são indispensáveis em álgebra linear, pois:
 Permitem reduzir um sistema de equações lineares, por meio da matriz am-
pliada, a um sistema mais simples na forma escalonada, em que a matriz é
transformada em uma matriz triangular, facilitando desse modo a resolução
do sistema.
 Podem solucionar um sistema de equações lineares em que a matriz A é
quadrada e regular (determinante diferente de zero) através da transforma-
ção da matriz A contida na matriz aumentada (composta da matriz A e vetor
B) em uma matriz identidade.
 Podem determinar a inversa de uma matriz através da transformação da ma-
triz composta pela matriz que se deseja inverter e da identidade, em uma
matriz identidade (método de Gauss-Jordan).

Referências Bibliográficas:

 ANTON, Howard & BUSBY, Robert. Álgebra Linear com Aplicações. Porto
Alegre: Bookman. 2001.
 ANTON, Howard & BUSBY, Robert. Álgebra Linear Contemporânea. Porto
Alegre: Bookman. 2006.

15
 BOLDRINI, José Luiz & COSTA, Sueli Rodrigues & FIGUEIREDO, Vera Lú-
cia & WETZLER, Henry G. Álgebra Linear, 3a Edição. São Paulo: Harbra.
1986.
 KOLMAN, Bernard. lntrodução à Álgebra Linear com Aplicações. Rio de
Janeiro: LTC. 2006.
 LAY, David. Álgebra Linear e suas Aplicações. Rio de janeiro: LTC. 1999.
 LIPSCHUTZ, Seymour. Álgebra Linear, 3a. Edição. São Paulo: Makron Bo-
oks. 2002.
 PEDREIRA, Carlos Eduardo & POSTERNAK, Regina. Álgebra Linear para
Cursos de Economia. Rio de Janeiro: 2003.
 POOLE, David. Álgebra Linear. São Paulo: Thomson Pioneira. 2003.
 STEINBRUCH, Alfredo & WINTERLE, Paulo. Álgebra Linear. São Paulo:
McGraw-Hill. 1987.
_______________________________________________________________________________________________

16
2. FUNDAMENTOS DE PESQUISA OPERACIONAL

Definição e Objetivos. Não há definição unânime para Pesquisa Operacio-


nal (PO). A PO é mais um conceito (abstração) muito abrangente, sobre a bus-
ca da melhor utilização (técnica, econômica, social e política) de recursos es-
cassos e processos diversos em determinado contexto, através de uma orien-
tação sistêmica, abordagem multidisciplinar e aplicação de métodos científicos,
visando a melhor solução para o cliente. O desenvolvimento de um projeto de
PO envolve equipes multidisciplinares para a aplicação dos métodos científicos
a problemas reais encontrados nos sistemas de produção de bens e serviços,
como ferramenta de apoio para a tomada de decisões, em quaisquer setores e
níveis da Economia.

A Pesquisa Operacional já foi definida de diversas formas. A Sociedade Brasi-


leira de Pesquisa Operacional (SOBRAPO), por exemplo, afirma que: “A Pes-
quisa Operacional é uma ciência aplicada voltada para a resolução de proble-
mas reais. Tendo como foco a tomada de decisões, aplica conceitos e métodos
de várias áreas científicas na concepção, planejamento ou operação de siste-
mas. Ela é usada para avaliar linhas de ação alternativas e encontrar as solu-
ções que melhor servem aos objetivos dos indivíduos ou organizações. Através
de desenvolvimentos de base quantitativa, a Pesquisa Operacional visa tam-
bém introduzir elementos de objetividade e racionalidade nos processos de
tomada de decisão, sem descuidar, no entanto, dos elementos subjetivos e de
enquadramento organizacional que caracterizam os problemas”.

De acordo com o ambiente acadêmico da Coordenação dos Programas de


Pós-Graduação em Engenharia (COPPE) da UFRJ, Pesquisa Operacional é
uma ciência aplicada, cujo objetivo é a melhoria da performance em organiza-
ções, ou seja, em sistemas produtivos usuários de recursos materiais, financei-
ros, humanos e ambientais – os chamados “meios de produção”. Ela trabalha
através da formulação de modelos matemáticos a serem resolvidos com o au-
xílio de computadores, sendo feita em seguida a análise e a implementação
das soluções obtidas. Dessa forma, a técnica é precedida pela modelagem e
seus resultados são sujeitos à análise de sensibilidade.

O Professor da UFMG Eduardo Leopoldino de Andrade, consultor e especialis-


ta da área de Pesquisa Operacional e autor de um livro sobre o assunto, define
a disciplina como uma metodologia administrativa que agrega, em sua teoria,
quatro ciências fundamentais para o processo de preparação, análise e tomada
de decisão: Economia, Matemática, Estatística e Informática.

Uma definição simples e objetiva expressa a Pesquisa Operacional como uma


metodologia administrativa, dotada de fundamentação científica, orientação
sistêmica e enfoque multidisciplinar, voltada para o processo de preparação,
análise e tomada de Decisão. Ela é congênere de outras áreas relacionadas a
suportes analíticos da tomada de decisão, como:

 Ciência Administrativa (Management Science);

17
 Ciência da Decisão (Decision Science),
 Inteligência Computacional (Computational Intelligence);
 Economia Matemática (Mathematical Economics);
 Apoio Multicritério à Decisão (Multicriteria Decision Aiding).

Existem basicamente três abordagens acadêmicas para o estudo da Pesquisa


Operacional, das quais a primeira é a mais relacionada com a administração de
empresas:

 Aplicabilidade Gerencial (em sistemas de apoio à decisão, ou não);


 Desenvolvimento de métodos matemáticos e estatísticos para obtenção
das soluções dos problemas a serem resolvidos;
 Desenvolvimento de modelos e algoritmos computacionais.

Geralmente, o processo de tomada de decisão na gestão empresarial está re-


lacionado a três tipos de problemas:

Problemas Estruturados. (Decisão em condição de Certeza). A solução pode


ser alcançada seguindo-se processos lógicos e muito bem definidos, e as con-
sequências de se adotar qualquer alternativa são conhecidas;

Problemas Semiestruturados. (Decisão em condição de Risco). Usa-se mo-


delagem matemática para as partes estruturadas, porém as decisões finais de-
vem ser tomadas com base em critérios subjetivos, e suas consequências são
conhecidas embora sejam probabilísticas;

Problemas não Estruturados. (Decisão em condição de Incerteza). Não exis-


tem processos lógicos e bem definidos para a resolução. As linhas de ação
estão sujeitas a probabilidades desconhecidas. Neste caso, a “intuição huma-
na” e a “experiência anterior” podem ser utéis. Pode-se ainda utilizar os Méto-
dos de Análise Multicritério.

Geralmente, as aplicações de Pesquisa Operacional estão associadas a Mode-


los. Podemos definir Modelo como a representação de um Sistema formal cria-
do axiomaticamente, ou de um de seus elementos ou subsistemas. Um Modelo
representa um Sistema fundamentando-se em hipóteses simplificadoras. Em-
bora um Modelo nunca se iguale rigidamente à realidade, deverá ser suficien-
temente similar para que as soluções e conclusões provenientes de sua análise
possam ser extrapoladas para a realidade. Na formalização de um Modelo tor-
na-se indispensável definir:

 A estrutura relacional do sistema a ser representado;


 O comportamento funcional de cada elemento ou subsistema;
 Os fluxos de Inter-relacionamento.

Existem vários tipos de modelos que podem ser utilizados para a representa-
ção de um sistema:

18
 Quanto aos Objetivos (Descritivos, Explorativos, Preditivos, Prescritivos,
Normativos e Operacionais);
 Quanto aos Meios de Construção (Icônicos, Analógicos e Simbólicos:
Verbais e Matemáticos);
 Modelos Matemáticos (Determinísticos ou Probabilísticos, Lineares ou
não Lineares);
 Quanto ao Fator Tempo (Estáticos ou Dinâmicos);
 Quanto à Amplitude (Abrangentes ou Parciais).

Métodos e Modelos de Pesquisa Operacional:

Geralmente, a aplicação dos métodos e modelos de Pesquisa Operacional em


processos decisórios se apoia em três princípios: Orientação sistêmica, Abor-
dagem Multidisciplinar e Utilização do Método Científico. A Pesquisa Operacio-
nal é muito rica em termos de recursos e dispõe de vários métodos matemáti-
cos, estatísticos e computacionais para a resolução de problemas relativos à
área de tomada de decisão: Dentre esses métodos, se destacam:

 Otimização Matemática;
 Teoria dos Grafos e Redes;
 Teoria dos Jogos;
 Processos Estocásticos;
 Métodos Estatísticos;
 Métodos Heurísticos;
 Sistemas de Estoques;
 Sistemas de Filas de Espera;
 Matemática Nebulosa (Lógica Fuzzy);
 Modelos Analíticos de Decisão Multicritérios;
 Análise de Risco;
 Técnicas de Simulação.

O campo da Otimização Matemática é vasto e atualmente se constitui como um


dos mais utilizados em administração. Compreende vários métodos como:

 Programação Linear;
 Programação Linear Inteira e Mista;
 Programação Inteira Binária;
 Programação Linear Paramétrica;
 Programação por Metas (Goal Programming);
 Programação Multiobjetivos;
 Programação Linear Fracional;
 Programação Estocástica;
 Programação não Linear;
 Programação Quadrática;
 Programação Geométrica;
 Programação Dinâmica;
 Programação Separável;
 Programação Convexa.

19
A Teoria dos Grafos é também uma área abundante no que se refere à quanti-
dade de modelos que ela propicia para a resolução de problemas de decisão
relativos a diversos campos da gestão empresarial. Entre esses, se destacam:

 Modelos de Conexão
 Modelos de Caminhos (mais curto ou mais longo)
 Modelos de Caminho Crítico (Redes PERT-CPM)
 Modelos de Árvores de Extensão Mínima (Spanning Tree)
 Modelos de Emparelhamento
 Modelos de Redes de Transporte
 Modelos de Transbordo (Transhipment)
 Modelos de Fluxo Máximo e Fluxo Máximo a Custo Mínimo
 Modelos de Fluxo de Custo Mínimo
 Modelos de Circuitos Hamiltonianos e Ciclos Eulerianos
 Modelos para Sistemas de Roteamento

No que se refere a problemas de decisão em administração relacionados com


alternativas sujeitas às leis das probabilidades, a Pesquisa Operacional dispõe
de Processos Estocásticos, tais como:

 Cadeias de Markov
 Passeios Aleatórios
 Processos de Markov
 Processos de Poison
 Programação Dinâmica Estocástica
 Processos de Congestionamento (Filas de Espera)
 Processos de Decisão
 Processos de Previsão (Séries Temporais)
 Processos de Substituição
 Confiabilidade

A Pesquisa Operacional utiliza também métodos estatísticos para a resolução


de problemas na área decisória, como:

 Estatística Descritiva
 Amostragem
 Estimação e Teste de Hipóteses
 Planejamento de Experimentos
 Análise de Variância
 Análise de Correlação
 Análise de Regressão
 Análise Discriminante
 Análise Fatorial
 Análise de Conglomerados
 Modelos Lineares Generalizados

20
Os Métodos de análise multicritério começaram a ser desenvolvidos na década
de 60, como instrumentos de apoio à decisão em situações em que se preten-
de realizar análise comparativa de projetos alternativos ou de medidas hetero-
géneas. Estes métodos consideram e avaliam simultaneamente diversos crité-
rios na análise de problemas complexos, tendo como finalidade apoiar os deci-
sores no processo de integração de diferentes alternativas nas suas ações, em
um quadro prospectivo ou retrospectivo. A análise multicritério guarda similari-
dade com as técnicas adotadas no campo do desenvolvimento organizacional
ou na gestão de sistemas de informação. Dentre os métodos de decisão multi-
critérios mais utilizados, salientam-se:

 Método Delphi (Pesquisa por Questionário);


 Método Q-Sort (Ordenação por Cartões);
 SODA (Mapa Cognitivo) SSM e SCM;
 ISM (Árvore de Relacionamentos);
 UT (Teoria da Utilidade);
 MAUT (Teoria da Utilidade Multiatributos);
 ELECTRE I, II, III e IV (Teoria dos Grafos e Teoria da Utilidade);
 AHP (Processo Analítico Hierárquico);
 ANP (Rede de Dependências);
 TOC (Theory of Constraints) – Teoria das Restrições;
 MACBETH (UT + Programação Linear + Atratividade);
 PROMETHÉE;
 MINORA;
 PREFCALC;
 QUALIFLEX.

Os métodos heurísticos, meta-heurísticos e híper-heurísticos são algorítmos de


natureza exploratória geralmente utilizados na resolução de problemas que
dependem da premência de tempo e não precisam necessariamente de uma
solução ótima, podendo ser uma solução próxima da ótima (boa) encontrada
em um tempo de resolução aceitável. Os métodos heurísticos geralmente utili-
zados em Pesquisa Operacional são:

 Heurísticas Estocásticas. (Simulated Annealing; Pesquisa Tabu: Clássica e


Reativa; e GRASP).
 Heurísticas Clássicas. (Particionamento / Grupamento; Míopes: Construti-
vas e por Economia; e Busca Local: Métodos Descendente e Aleatório).
 Heurísticas Analógicas. (Computação Evolutiva: Algorítmos Genéticos,
Scatter Search, Colônia de Formigas e Redes Neurais Artificiais).

Aplicações da Pesquisa Operacional em Administração:

Algumas áreas da administração onde se encontram aplicações dos métodos e


modelos de Pesquisa Operacional:

 Administração de Projetos;
 Alocação Ótima de Recursos Financeiros;

21
 Alocação Ótima de Recursos Humanos;
 Análise de Turn-Over de Recursos Humanos;
 Análise Estocástica de Risco em Investimentos;
 Confiabilidade de Equipamentos Industriais;
 Controle de Qualidade;
 Definição de Estratégias em Análise de Investimentos;
 Definição de Estratégias em Situações de Competição;
 Estruturação e Design de Layout Industrial;
 Localização de Pontos de Vendas;
 Localização Industrial;
 Logística e Cadeias de Suprimentos;
 Manutenção e Substituição de Equipamentos;
 Mobilidade de Mercados Consumidores;
 Operações Industriais;
 Orçamento de Capital;
 Otimização de Fluxo de Caixa;
 Otimização de Fluxos de produtos em Redes de Abastecimento;
 Pesquisa Mercadológica;
 Planejamento Contábil-Financeiro;
 Planejamento e Controle da Produção;
 Previsão de Vendas;
 Programação da Produção Industrial;
 Rotas Ótimas de Transporte;
 Sistemas de Estoques;
 Sistemas de Filas de Espera;
 Utilização Ótima da Mídia na definição de Estratégias Publicitárias.

Áreas de Aplicação e Técnicas Utilizadas. Resumo das áreas e técnicas de


PO mais citadas nos 24 Simpósios da SOBRAPO, até 1992, em cerca de 1000
trabalhos (SOBRAPO, 1993).

Área de Aplicação: (%) de Trabalhos

 Transportes: 21
 Energia: 19
 Economia e Finanças: 11,5
 Logística: 9
 Planejamento e Controle da Produção: 8
 Telecomunicações: 8
 Siderurgia: 6,5
 Agropecuária: 5
 Administração: 4
 Saúde: 2,5
 Educação: 2
 Outras: 3,5

22
Técnica Utilizada: (%) de Trabalhos

 Programação Matemática: 26
 Teoria dos Grafos: 14
 Séries Temporais / Modelos de Previsão: 14
 Estatística: 11
 Otimização Matemática: 9
 Processos Estocásticos: 6
 Técnicas de Análise Combinatória: 4,5
 Teorias de Decisão e de Jogos: 4
 Sistemas Especialistas: 3
 Técnicas Heurísticas: 3
 Fluxos em Rede: 2
 Teoria de Filas: 2
 Redes Neurais: 1,5

Referências Bibliográficas:

 ANDRADE, Eduardo Leopoldino de. Introdução à Pesquisa Operacional.


3ª Edição. Rio de Janeiro: LTC. 2004.
 ARENALES, Marcos; ARMENTANO, Vinicius; MORABITO, Reinaldo; YA-
NASSE, Horácio. Pesquisa Operacional. Rio de Janeiro: Campus. 2006.
 CAIXETA-FILHO, José Vicente. Pesquisa Operacional. São Paulo: Atlas.
2000.
 FÁVERO, Luiz Paulo & BELFIORE, Patrícia. Pesquisa Operacional para
cursos de Administração Contabilidade e Economia. Rio de Janeiro:
Campus. 2012.
 FÁVERO, Luiz Paulo & BELFIORE, Patrícia. Pesquisa Operacional para
cursos de Engenharia. Rio de Janeiro: Campus. 2012.
 COLIN, Emerson Carlos. Pesquisa Operacional: 170 aplicações em estra-
tégia, finanças, logística, produção, marketing e vendas. .Rio de Janeiro:
LTC, 2007.
 GOLDBARG, Marco; LUNA, Henrique Pacca. Otimização Combinatória e
Programação Linear. Rio de Janeiro: Campus. 2000.
 LACHTERMACHER, Gerson. Pesquisa Operacional na Tomada de Deci-
sões. 3ª Edição. Rio de Janeiro: Campus. 2006.
 LOESCH, Cláudio & HEIN, Nelson. Pesquisa Operacional. São Paulo: Sa-
raiva. 2010.
 MOREIRA, Daniel. Pesquisa Operacional – Curso Introdutório. São Pau-
lo: Thomson Pioneira. 2006.
 PINTO, Kleber Carlos Ribeiro. Aprendendo a decidir com a Pesquisa
Operacional. Uberlândia: Edufu. 2005.

23
 ROY Bernard & Buyssou D. Aide Multicritère à la décision: Méthodes et
Cas. Paris: Economica, 1993.
 SAATY Thomas. Décider face à la complexité. Paris: Entreprise Moderne
d'Edition, 1984.
 SILVA, Ermes e Élio Medeiros da & GONÇALVES, V. & MUROLO, A. C.
Pesquisa Operacional para os cursos de Administração, Economia e
Ciências Contábeis. São Paulo: Atlas. 1998.
 WINSTON Wayne L. Operations Research: Applications and Algorithms.
3 ed. Belmont: International Thomson Publishing Company. 1994.
 WINSTON, Wayne L.; ALBRIGHT, S. Christian. Practical Management Sci-
ence: Spreadsheet Modeling and Applications. Belmont: International
Thomson Publishing Company. 1997.
 PIDD, Michael. Modelagem Empresarial – Ferramentas para a Tomada
de Decisão. Porto Alegre: Bookmann. 1998.
 SHIMIZU, Tamio. Decisão nas Organizações. 2ª Edição. São Paulo: Atlas.
2006.
 DIXIT, Avinash K. & NALEBUFF, Barry J. Pensando Estrategicamente.
São Paulo: Atlas. 1994.
 CUKIERMAN, Zigmundo Salomão. O Modelo PERT-CPM aplicado a Proje-
tos. 7ª Edição. Rio de Janeiro: Reichmann & Affonso Editores. 2000.
_______________________________________________________________________________________________

24
3. PROGRAMAÇÃO LINEAR
Definição e Objetivos. A programação linear é um dos métodos matemáticos
da Pesquisa Operacional geralmente utilizado em situações onde se objetiva a
otimização de determinado desempenho de um sistema ou de uma atividade
econômica, através da distribuição eficiente de recursos escassos pelos meios
de produção. Em geral, na administração de empresas este desempenho con-
siste em maximizar lucros ou minimizar custos. Porém, existem outros objeti-
vos, como: minimizar prejuízos, maximizar audiência na mídia, minimizar des-
perdícios, maximizar receita etc.

Um modelo de programação linear é constituído de uma função linear, denomi-


nada função objetivo, a qual se pretende otimizar (maximizar ou minimizar), e
de um conjunto de equações ou inequações lineares designadas como restri-
ções, que expressam as limitações dos recursos utilizados para se atingir o
objetivo planejado. A função objetivo e as restrições são estruturadas por um
conjunto de variáveis, definidas como variáveis de decisão. Normalmente, exis-
tem diversos modos de se distribuir os recursos escassos pelas atividades es-
tudadas, desde que haja compatibilidade entre essas distribuições a as restri-
ções do modelo. Porém, o que se busca na programação linear é a otimização
(maximização ou minimização) da função objetivo através de uma solução, de-
nominada solução ótima.

A forma matricial de um modelo de programação linear é:

Otimizar (Máx. / Mín.) Z = C.X

Sujeito a:

A.X (≤, = ≥) B, em que X ≥ 0

A de ordem (m, n), denominada de matriz dos coeficientes tecnológi-


cos, e os vetores C, B e X de ordem n, pertencem a priori ao conjunto
dos números reais. O vetor X determina a solução ótima do problema
ao maximizar ou minimizar o valor de Z

A programação linear é estratificada de acordo com o conjunto de números em


que o vetor X está inserido, e denomina-se:
 Programação Linear, quando X pertence ao conjunto dos números reais.
 Programação Inteira, quando X pertence ao conjunto dos números inteiros
maiores ou iguais a zero.
 Programação Binária. Quando X pertence ao conjunto dos números biná-
rios, ou seja, só admite os valores zero ou um.
 Programação Mista, quando X é particionado em subconjuntos, os quais
podem pertencer aos conjuntos dos reais e inteiros, reais e binários, inteiros
e binários, ou os três conjuntos ao mesmo tempo.
Existem diversas motivações para a utilização da programação linear em pro-
cessos decisórios da administração:

25
 Em diversas situações os problemas podem ter representação aproximada
por modelos lineares;
 Disponibilidade de algoritmos e softwares eficientes para a solução de mo-
delos de programação linear;
 Possibilidade de realização de análise de sensibilidade nos dados do modelo
trazendo subsídios relevantes para as decisões pós-otimização.

APLICAÇÕES DA PROGRAMAÇÃO LINEAR EM ADMINISTRAÇÃO:

01) Problema de Planejamento da Produção Industrial. Uma Indústria de


Móveis para Escritórios em fase de implantação está objetivando programar a
sua produção com a finalidade de Maximizar o total dos seus Lucros Semanais.
Inicialmente, ela pretende fabricar 2 modelos de Armários para Escritórios de
modo a atender a Demanda existente. O Modelo “Alfa” que é o “Top de Linha”
visa a atender um segmento de Mercado que espera um produto mais sofisti-
cado. O Modelo “Gama” é mais simples e destinado a um tipo de cliente que
espera um produto mais barato, porém satisfatório. São conhecidos os seguin-
tes elementos restritivos:

- O Departamento de Recursos Humanos da empresa informa que a Disponi-


bilidade Semanal de Mão-de-Obra é de no máximo 480 Homens-Hora.

- O Departamento de Produção tem a informação do seu Setor de Contabili-


dade de Custos que cada unidade dos Armários “Alfa” e “Gama” requer res-
pectivamente o esforço de 6 e 4 Homens-Hora para a sua Produção. Ainda
deste Setor, tem-se a informação de que os Custos Unitários dos Armários
citados são R$600,00 e R$400,00 respectivamente.

- O Departamento de Suprimento informa que a Matéria Prima (Madeira) dis-


ponível por semana, se fosse utilizada de forma exclusiva para a produção
dos Armários “Alfa” ou “Gama”, seria suficiente para produzir 100 ou 120
unidades respectivamente.

- O Departamento de Vendas informa que os Preços unitários de Venda dos 2


Armários “Alfa” e “Gama” são respectivamente R$1.400,00 e R$1.000,00. E
ainda que, o primeiro vende semanalmente no máximo 50 unidades, e o se-
gundo no máximo 60 unidades.

- O Departamento de Engenharia de Métodos salienta que os dois tipos de


Armários possuem iguais características em seus processos de produção,
envolvendo operações de Torneamento, Acabamento e Montagem, de acor-
do com o Quadro abaixo:

26
Operação “Alfa” “Gama” Disponibilidade
1) Torneamento 1 Hora 1Hora 100 Horas/Semana
2) Acabamento 1 Hora 1Hora 130 Horas/Semana
3) Montagem 2 Horas 2Horas 220 Horas/Semana

Qual a quantidade de Armários de cada modelo que deverá ser produzida se-
manalmente de modo a Maximizar o Lucro Total ?

02) Problema de Planejamento da Produção Rural. Uma Empresa Agro-


Industrial pretende atingir o ponto ótimo de suas lavouras de Milho e Soja, ou
seja, maximizar o retorno financeiro sobre o investimento naquelas duas cultu-
ras. A Empresa dispõe de uma fazenda com 100 hectares de terra, dos quais
30% são mais adequados à cultura do Milho, 40% se adequam mais à Soja, e
o restante é constituído de aguadas, espaço destinado às residências e o lazer
dos Administradores e Camponeses, depósitos para estocagem dos cereais e
equipamentos agrícolas, terras não aproveitáveis etc. A Empresa conta com 90
Camponeses que trabalham diretamente com os 2 tipos de lavoura, possui
uma disponibilidade de 300 Kilogramas de Fertilizantes, e ainda, conforme o
regulamento da “Cooperativa dos Agricultores” que possui máquinas agrícolas
para usufruto dos seus associados, pode contar com 70 Horas de Trator para
serem utilizadas nas duas culturas (Milho e Soja). Sabe-se que a cultura do
Milho absorve o trabalho de um camponês para cada hectare plantado, ao con-
trário da Soja que exige 2 camponeses para cada hectare. Já cada hectare de
Milho e Soja necessita de 5 e 3 Kilogramas de fertilizantes respectivamente.
Com relação ao tratamento da terra com o uso do Trator, as necessidades das
duas culturas são idênticas. Sabendo-se que as Margens de Lucro sobre cada
hectare de Milho e de Soja são respectivamente R$500,00 e R$200,00 quantos
hectares de cada cultura devemos plantar de modo a atingir o melhor Resulta-
do Financeiro Global ?

03) Problema de Planejamento de Frota de Transportes Aéreos. Uma


Companhia de Transportes Aéreos em fase de implantação estuda a compra
de Jatos de Grande, Média e Pequena autonomia de vôo. Os preços de cada
unidade dos Jatos de Grande autonomia custam R$6.300.000,00. Os Jatos de
Média autonomia são cotados a R$5.100.000,00. E finalmente, os de Pequena
autonomia têm o preço unitário de R$3.600.000,00. A Diretoria da Empresa
autorizou um compromisso máximo de R$174.000.000,00 para as compras. O
Lucro Líquido anual, após subtração dos custos de recuperação de capital, foi
estimado em R$420.000,00 por avião de Grande autonomia, R$350.000,00 por
avião de Média autonomia e R$260.000,00 por avião de Pequena autonomia. A
Companhia disporá de pilotos treinados em número suficiente para tripular 32
novos aviões (qualquer que seja o tipo). Sabe-se ainda que, as instalações de
Manutenção podem cuidar de 50 aviões de Pequena autonomia. No entanto,
cada avião de Média e Grande autonomia equivale para efeito de Manutenção
a 4/3 e 5/3 de cada Jato de Pequena autonomia respectivamente. A Compa-
nhia de Aviação deseja saber quantas unidades de cada tipo de Jato deverá
adquirir para Maximizar o Lucro Líquido Total.

27
04) Problema de Programação da Produção. Uma Empresa de Laticínios
deseja programar sua produção mensal, de modo a Maximizar os seus Lucros.
Ela produz 3 tipos de Leite que se diferenciam através dos seus processos de
Beneficiamento, do seguinte modo:

Leite A - Esterilizado e Homogeneizado


Leite B - Pasteurizado e Homogeneizado
Leite C - Pasteurizado

Os 3 tipos de Leite (A, B e C) vendem no máximo 1.100, 1.400 e 2.200 litros


mensalmente, e possibilitam os seguintes lucros: R$1,40 p/litro para o Leite A,
R$1,20 p/litro para o Leite B, e finalmente, R$1,00 p/litro para o Leite C. Os
processos de Pasteurização, Esterilização e Homogeneização levam respecti-
vamente 4, 8 e 6 minutos por Litro. Cada Processo tem uma disponibilidade de
9.600 minutos por mês. Determinar quantos litros de cada tipo de leite deverão
ser produzidos para se conseguir a Maximização dos Lucros Mensais.

05) Problema de Programação do Estudo Individual para Prova Final. Um


estudante vai fazer prova final com uma Banca Examinadora de 2 professores.
Ele necessita para não ser reprovado obter no mínimo a nota 3 com cada pro-
fessor, e também, nota 4 na média que é ponderada com pesos 1 e 2 respecti-
vamente para os 2 professores. O Estudante sabe por intermédio de colegas
que o primeiro professor atribui no máximo nota 9 e o segundo no máximo nota
8. Cada professor marcou 10 assuntos sobre os quais arguirá (cada assunto
vale 1 ponto), e ele sabe que o tempo disponível só lhe permitirá estudar 14
assuntos perfeitamente. Como deverá o estudante programar o seu estudo de
forma a ser aprovado no Exame Final pela Banca Examinadora ?

06) Problema de Programação da Produção em uma Indústria de Alimen-


tos para Animais de Corte. Uma Indústria de Alimentos para Animais de Cor-
te deseja otimizar os Lucros diários que podem ser obtidos sobre a sua produ-
ção de 3 Compostos Nitrogenados (de Alta, Média e Baixa densidades de uma
combinação de Uréia e Feno). Na realidade, ela fornece ao Mercado apenas os
Compostos de Alta e Média densidade, que garantem um Lucro Líquido por
tonelada produzida de US$2.000,00 e US$3.000,00 respectivamente. No en-
tanto, o Composto Nitrogenado de Baixa densidade tem que ter considerada a
sua produção por uma imposição operacional do processo produtivo, embora
não tenha aceitação no Mercado, constituindo-se então em um produto residu-
al. O sistema produtivo da indústria está aparelhado de tal forma em termos de
mão de obra e equipamentos, que ela é capaz de produzir no máximo 4 tone-
ladas por dia dos Compostos de Alta e Média densidade, embora a disponibili-
dade diária de Uréia, que é a matéria prima principal, permita a produção de
exatas 5 toneladas dos 3 tipos de Compostos. Além disso, por razões econô-
micas associadas a custos de Produção, a diferença entre as quantidades pro-
duzidas dos Compostos de Alta e Média densidade acrescentada à produção
do Composto de Baixa densidade tem que ser no mínimo de 2 toneladas. Te-
mos ainda que, por uma imposição do Mercado consumidor, a produção diária
do Composto de Alta densidade tem que ser no mínimo de 1 tonelada. Como

28
programar a produção da Indústria de forma a se Maximizar o Lucro Total diá-
rio ?

07) Problema de Dimensionamento de Frota Transportadora. Uma empresa


de Transporte Rodoviário possui furgões de 2 tipos. O Furgão Modelo K tem 2
m3 de espaço refrigerado e 4 m3 de espaço não refrigerado. Já o Modelo
Standard tem uma capacidade de carga de 6 m3, sendo metade refrigerada.
Uma Empresa de produtos alimentícios precisou transportar de sua fábrica pa-
ra o depósito de armazenamento, 90 m3 de produtos que precisavam de refri-
geração e 120 m3 de produtos não perecíveis. Quantos furgões de cada tipo
deverão ter sido alugados de modo a minimizar o Custo Total de transporte, se
o aluguel do Furgão K era de R$3,00 por Km percorrido e o do Furgão Stan-
dard R$4,00 por Km. Sabendo-se que o percurso entre a Fábrica e o Depósito
era de 40 Km, Qual o Custo Total da Operação de Transporte ?

08) O Problema da Dieta. Um Nutricionista de um Spa deseja combinar 4 tipos


de alimento de modo a atender seus clientes de forma satisfatória, ou seja, nu-
trir sem engordar. Sabendo que as necessidades mínimas de Vitaminas, Prote-
ínas, Gorduras, Fibras e Carboidratos que um ser humano necessita diaria-
mente está demonstrado no quadro abaixo:

Vitamina A 5.000 Unidades


Vitamina B1 2,5 mg
Vitamina B2 2,5 mg
Vitamina B6 2,5 mg
Vitamina B12 25 mcg
Vitamina C 500 Unidades
Vitamina E 50 Unidades
Proteínas 150 gramas
Carboidratos 40 gramas
Gorduras 5 gramas
Fibras 50 gramas

E que, a composição dos 4 tipos de alimento (cada 100 gramas) estão assim
discriminadas:

Componentes Alimento A Alimento B Alimento C Alimento D


Vitamina A 200 Unidades 600 Unidades 500 Unidades 300 Unidades
Vitamina B1 0,4 mg - 0,2 mg 0,6 mg
Vitamina B2 - 0,7 mg 0,5 mg 0,8 mg
Vitamina B6 0,2 mg 0,4 mg 1,0 mg -
Vitamina B12 5 mcg 2 mcg - 4 mcg
Vitamina C - 30 Unidades 100 Unidades 110 Unidades
Vitamina E 50 Unidades 10 Unidades - 40 Unidades
Proteínas 20 gramas 40 gramas 50 gramas 30 gramas
Carboidratos 28 gramas 32 gramas 24 gramas 30 gramas

29
Gorduras 5 gramas 15 gramas 22 gramas 18 gramas
Fibras 24 gramas 28 gramas 30 gramas 26 gramas

E ainda que, o custo de 100 gramas de cada um dos quatro Alimentos é res-
pectivamente: R$8,00 - R$6,00 - R$7,00 - R$5,00. Em que proporção o
Nutricionista deverá combinar os quatro tipos de alimentos de modo a nutrir
adequadamente seus clientes a um Custo Total Mínimo ?

09) Problema de Programação da Produção Industrial. Uma Indústria de


Alimentos Enlatados quer determinar quantas unidades (pacotes de 250 gra-
mas de embalagem plástica) de cada tipo de alimento (Mortadela, Presunto e
Salame) deverão ser produzidos e vendidos mensalmente para que o seu lucro
seja máximo. O Departamento de Produção, informa que se fosse direcionar
seu aparelho produtivo só para a fabricação de Mortadela, ou só para Presun-
to, ou ainda, só para Salame, ele seria capaz de produzir 30.000, 20.000 e
40.000 pacotes respectivamente. Além disso, a Empresa conta com uma dis-
ponibilidade mensal de 24.000 pacotes e 43 Kg de Conservante para os 3 tipos
de alimentos, sendo que cada pacote de Mortadela, Presunto e Salame leva
2gr, 3gr, 1gr de Conservante respectivamente. O Departamento de Marketing
relata que as vendas mensais dos 3 produtos oscilam de acordo com o de-
monstrativo abaixo:

Vendas Mensais
Produtos Minimo Máximo
1) Mortadela 4.000 pacotes 8.000 pacotes
2) Presunto 3.000 pacotes 7.000 pacotes
3) Salame 10.000 pacotes 15.000 pacotes

O Departamento Financeiro determinou que o Preço Unitário (de cada pacote)


de Mortadela, Presunto e Salame é respectivamente R$9,00 - R$7,00 -
R$5,00. O Custo Unitário de Produção é de respectivamente: R$4,00 - R$3,00
- R$2,00 para Mortadela, Presunto e Salame. E a empresa dispõe de um capi-
tal de giro de R$64.000,00 para cobrir o Custo Total Mensal de Produção. Des-
te modo, Como a Indústria de Alimentos deverá se programar de forma a Ma-
ximizar o Lucro Mensal Total ?

10) Problema de Dimensionamento de Frota Transportadora. Uma Empre-


sa de Navegação, é especializada no transporte de alimentos de vários tipos, e
possui 3 modelos de Navios com capacidades de carga diferenciadas de acor-
do com o porte, discriminados no Quadro abaixo:

Capacidade de Carga
Tipos de Porão Grande Porte Médio Porte Pequeno Porte
Frigorífico 800 m3 600 m3 400 m3
Tanque 600 m3 500 m3 400 m3
Silo 500 m3 400 m3 400 m3

30
Os Porões Frigoríficos dos navios se destinam basicamente ao transporte de
carne de boi. Os Porões Tanques são utilizados para se transportar leite. E fi-
nalmente, os Porões Silos são destinados ao transporte de cereais. Uma Em-
presa de Alimentos deseja transportar, do Brasil para a Ásia, o equivalente a
72.000 m3 de carne, 63.000 m3 de leite, e 60.000 m3 de cereais. Quantos Na-
vios de cada tipo deverão ser alugados de modo a minimizar o Custo total de
Transporte, se os Fretes de cada Navio de Grande, Médio e Pequeno Porte
são respectivamente: R$180.000,00 - R$160.000,00 - R$130.000,00 ?

11) O Problema do Planejamento Rural. Um Fazendeiro possui 100 Hectares


de terra apropriados para lavoura e pecuária. Ele então resolve criar gado e
plantar soja. Ele conta com, no máximo, 60% da área total de sua fazenda que
é constituída de terras cultiváveis apropriadas à cultura da soja e, no máximo,
40% de pastos próprios e exclusivos para o gado de corte. Para a sua própria
sobrevivência, o Fazendeiro necessita de aproveitar no mínimo: 10% e 20% da
sua fazenda no plantio de soja e na criação de gado de corte respectivamente.
Cada hectare de terra cultivada para o plantio da soja absorve o trabalho diário
de 3 camponeses e 40 litros de água. No entanto, são necessários dois traba-
lhadores e 80 litros de água para cada hectare destinado ao gado. A disponibi-
lidade diária de mão de obra é de 200 homens e de água é de 4.000 litros. Sa-
be-se ainda que, o retorno financeiro por cada hectare de soja é de R$400,00 e
por cada hectare utilizado na pecuária é de R$500,00. Como deverá o Fazen-
deiro planejar a sua produção de soja e gado de modo a Maximizar o seu Re-
torno Financeiro Total ?

12) Problema da Mistura de Petróleo. Uma Refinaria processa 4 tipos de Pe-


tróleo e produz 3 tipos de Gasolina (Amarela Azul e Verde) que se diferenciam
pelas suas octanagens. A quantidade de Barris disponível diariamente e os
Custos por Barril são discriminados no Quadro abaixo:

Tipo de Petróleo Disponível (Barril/Dia) Custo do Barril


A 4.000 20,00
B 3.000 25,00
C 2.500 22,00
D 2.000 28,00

Os 3 tipos de Gasolina (Amarela, Azul e Verde) possuem composições diferen-


ciadas com relação às quantidades de cada tipo de Petróleo utilizado, de acor-
do com o que é descrito abaixo:

 Gasolina Amarela. É constituída de no máximo 70% do Petróleo tipo A. e


seu preço de venda é de $20,00 por Barril.

 Gasolina Azul. É constituída de no máximo 30% do Petróleo tipo A. e no


mínimo 10% do Petróleo tipo B. Seu preço de venda é de $26,00 por Barril.

31
 Gasolina Verde. É constituída de no máximo 5% do Petróleo tipo A, no mí-
nimo 30 % de Petróleo tipo B, no máximo 20% de Petróleo tipo C e no mí-
nimo 40% do Petróleo tipo D. Seu preço de venda é de $30,00 por Barril.

Como deverá a Refinaria programar a sua Produção de Gasolina de modo a


Maximizar o seu Lucro Total ?

13) Problema de Orçamento de Capital (Capital Budgeting Model). A Dire-


toria de uma Empresa de Projetos de grande porte está preocupada com o seu
Orçamento para o ano 2000. Ela dispõe de US$ 2.000.000,00 apenas para rea-
lizar 7 Projetos importantes, cujos custos e possíveis retornos estão discrimi-
nados no Quadro abaixo:

Projetos Valor Presente dos Custos Retornos Lucros


A $ 250.000,00 10 % $ 25.000,00
B $ 400.000,00 25 % $ 100.000,00
C $ 550.000,00 20 % $ 110.000,00
D $ 500.000,00 30 % $ 150.000,00
E $ 450.000,00 15 % $ 67.500,00
F $ 300.000,00 20 % $ 60.000,00
G $ 200.000,00 15 % $ 30.000,00
TOTAL = US$ 2.650.000,00 US$ 542.500,00

a) Partindo do pressuposto de que a Empresa quer aproveitar todos os 7 Pro-


jetos, com investimento parcial nos mesmos, em que proporção ela deverá
distribuir o seu capital pelos Projetos de modo a maximizar o seu Retorno
Financeiro Total ?

b) Considerando a alternativa de só aproveitar um determinado número de


Projetos, porém, com investimento integral naqueles selecionados, de forma
a utilizar todo o capital disponível, se possível, e Maximizar o Retorno Fi-
nanceiro Total, qual seria a “Escolha Ótima” ?

14) Problema de Orçamento de Capital (Capital Budgeting Model). A Dire-


toria de uma Empresa de Investimentos que aplica seu capital em Projetos de
grande porte está preocupada com o seu Orçamento para o corrente ano. Ela
terá uma disponibilidade de recursos financeiros de:

R$ 300.000,00 em Janeiro e Fevereiro


R$ 310.000,00 em Março e Abril
R$ 320.000,00 em Maio e Junho
R$ 330.000,00 em Julho e Agosto
R$ 340.000,00 em Setembro e Outubro
R$ 350.000,00 em Novembro e Dezembro

32
para aplicar mensalmente em 10 Projetos importantes, cujos Investimentos
Mensais (Julho a Dezembro) através de Quotas, e possíveis Lucros no final do
semestre, estão discriminados no Quadro abaixo:

Projetos Aplicações Período Investimento Total Lucros


01) Agricultura R$ 40.000,00 Jan a Dez R$ 480.000,00 R$ 50.000,00
02) Laticínios R$ 25.000,00 Jan a Out R$ 250.000,00 R$ 30.000,00
03) Metalurgia R$ 50.000,00 Jan a Dez R$ 600.000,00 R$ 62.000,00
04) Alimentos R$ 35.000,00 Mar a Dez R$ 350.000,00 R$ 40.000,00
05) Eletrônica R$ 50.000,00 Jan a Ago R$ 400.000,00 R$ 50.000,00
06) Construção R$ 40.000,00 Jan a Dez R$ 480.000,00 R$ 53.000,00
07) Mineração R$ 50.000,00 Jan a Jun R$ 600.000,00 R$ 60.000,00
08) Pecuária R$ 30.000,00 Jan a Out R$ 300.000,00 R$ 35.000,00
09) Têxtil R$ 30.000,00 Jan a Dez R$ 360.000,00 R$ 40.000,00
10) Siderurgia R$ 50.000,00 Mai a Dez R$ 400.000,00 R$ 50.000,00
TOTAL = R$ 400.000,00 R$ 4.220.000,00 R$ 470.000,00

c) Inicialmente, partindo do pressuposto de que todos os Projetos são divisí-


veis, e consequentemente, a Empresa poderá investir em todos os 10 Pro-
jetos com possibilidade de investimento parcial nos mesmos, e que as apli-
cações mínimas nos Projetos citados está discriminado no quadro abaixo,
calcular a Solução Ótima pelo critério da Máxima Lucratividade.

Projetos Investimentos Mínimos


01) Agricultura 30 %
02) Laticínios 25 %
05) Eletrônica 35 %
07) Mineração 30 %
09) Têxtil 20 %
10) Siderurgia 30 %

d) Em uma segunda hipótese, calcular a Solução Ótima, considerando-se to-


dos os 10 Projetos indivisíveis, ou seja, a alternativa de só aproveitar um
determinado número de Projetos, porém, com investimento integral naque-
les selecionados, de forma a se utilizar o máximo possível do Capital dispo-
nível, e aproveitando sempre nos meses de Janeiro a Dezembro o que so-
brou do Capital não aplicado nos meses anteriores.

e) Em uma terceira opção, levando-se em consideração que:

 Os projetos relacionados às atividades de Mineração e Metalurgia são mu-


tuamente dependentes, ou seja, se houver uma aplicação no primeiro proje-
to terá que haver também uma aplicação no segundo, e vice-versa.

33
 Os projetos relacionados às atividades de Metalurgia e Siderurgia são mu-
tuamente exclusivos, ou seja, uma aplicação financeira no primeiro ou no
segundo projeto elimina a possibilidade de aplicação no outro.

 Os projetos relacionados às atividades de Laticínios e Pecuária são contin-


genciais, ou seja, uma aplicação no primeiro projeto dependerá de uma apli-
cação no segundo, porém a recíproca não é verdadeira.

 Os projetos relacionados às atividades de Alimentos, Agricultura, e Pecu-


ária são contingenciais, ou seja, uma aplicação no primeiro projeto depende-
rá de se aplicar nos segundo, terceiro e quarto projetos, porém o contrário
não é aceitável.

Qual será a “Escolha Ótima” dos Projetos objetivando-se a Maximização do


Retorno Financeiro sobre o Capital aplicado ?

15) Problema de Extração de Minérios. Uma Companhia de Mineração retira


diariamente de 2 Minas, 3 tipos de minério de Ferro (com alto, médio e baixo
teor de oxidação). Seu potencial produtivo (Homens e Equipamentos) permite
que a extração dos 3 tipos de minério nas duas minas tenha o seguinte de-
sempenho em toneladas:

Minério de Ferro Alto Teor Médio Teor Baixo Teor


Mina A 3 ton 1 ton 4 ton
Mina B 2 ton 2 ton 2 ton

A Empresa possui um Contrato para entregar a uma Usina Siderúrgica 12, 8 e


12 toneladas dos minérios de Ferro de Alto, Médio e Baixo teores de oxidação
respectivamente. Os Custos Diários de extração nas duas Minas (A e B) são de
$12.000,00 e $8.000,00 respectivamente. Como deverá a Companhia de Mine-
ração planejar a sua produção quanto ao número de dias em cada Mina, de
modo a atender ao Contrato com a Usina Siderúrgica ao menor Custo Operaci-
onal Total ?

16) Problema de Programação da Produção Industrial. Uma Indústria de


Móveis quer estabelecer qual deverá ser sua produção semanal dos dois mo-
delos de Carteiras para Escritório que ela produz: “de Luxo” e “Executivo”. Atu-
almente, a empresa só se preocupa com as suas disponibilidades de Mão de
Obra e Matéria Prima, e naturalmente como utilizar da melhor maneira estes
recursos, já que os outros insumos são abundantes e não constituem proble-
ma. A Mão de Obra utilizada na confecção das Carteiras é constituída de 23
Operários polivalentes trabalhando 40 horas semanais, o que nos dá uma dis-
ponibilidade semanal de 920 Homens-Horas. A princípio esta disponibilidade é
distribuída de forma racional pelas Operações de Produção de acordo com o
quadro abaixo, que ainda explicita a quantidade de Homens-Horas utilizadas
por cada carteira dos dois tipos de Modelo:

34
Operações Disponível Semanal Modelo Luxo Modelo Executivo
Corte da Madeira 168 hh. 2 hh. 1 hh.
Torneamento 252 hh. 3 hh. 2 hh.
Montagem 210 hh. 2 hh. 2 hh.
Pintura 178 hh. 1 hh. 2 hh.
Embalagem 112 hh. 1 hh. 1 hh.
Total : 920 hh. 9 hh. 8 hh.

A Matéria Prima utilizada em cada unidade dos dois tipos de carteira é constitu-
ída de blocos de aglomerado de cedro de 1m3, sendo que a disponibilidade
semanal deste recurso é de 180m3. Os Lucros Unitários que podem ser obti-
dos pelas carteiras “de Luxo” e “Executivo” são de respectivamente: R$800,00
e R$500,00. Diante disto, solucione o Problema de modo a Maximizar o Lucro
Total.

17) Problema do Investimento Financeiro. Um Investidor dispõe de 4 ativi-


dades financeiras rentáveis que funcionam do seguinte modo: cada real inves-
tido na Opção A no início de um ano rende $1,40 dois anos depois, em tempo
para um reinvestimento imediato. Cada Real investido na Opção B no início de
um ano dá um retorno de $1,70 três anos depois. Além disso, as opções C e D
estarão cada uma disponível em uma certa ocasião do futuro, de modo que,
cada Real investido na Opção C no início do segundo ano a partir de agora
renderá $2,00 quatro anos depois e cada Real investido na Opção D no início
do quinto ano a partir de agora trará um retorno de $1,30 um ano depois.

Considerando que o agora é o Momento Zero e que o Investidor dispõe inicial-


mente de $10.000,00. Qual deverá ser o Plano de Investimento que Maximiza o
importe que ele terá acumulado no início do sexto ano a partir de agora ?

18) Problema da Indústria de Móveis. A Diretoria de uma Indústria de Móveis


para Escritórios está objetivando programar a sua produção com a finalidade
de Maximizar o seu Lucro Global Diário. Ela produz atualmente 4 modelos de
Carteiras de modo a atender satisfatoriamente a Demanda existente. O Modelo
“Luxor” com 8 gavetas e um acabamento mais sofisticado, o Modelo “Standard”
com 6 gavetas e um acabamento mediano, o Modelo “Econômica” com 4 gave-
tas e de acabamento mais simples destinado a um tipo de cliente que espera
um produto menos oneroso e satisfatório e o Modelo “Estudante” com apenas 2
gavetas e com acabamento básico destinado a salas de aula. São conhecidos
os seguintes elementos restritivos relacionados aos insumos inerentes ao pro-
cesso produtivo, e às expectativas de Vendas:

- Os Custos (Variáveis) Unitários de Produção das Carteiras “Luxor”, “Stan-


dard”, “Econômica” e “Estudante” são R$500,00; R$400,00; R$300,00 e
R$200,00 respectivamente. O Custo Fixo da Empresa é R$15.000,00
- Os Preços Unitários de Venda dos 4 Modelos “Luxor”, “Standard”, “Econômi-
ca” e “Estudante” são respectivamente R$1.100,00; R$900,00; R$700,00 e
R$500,00.

35
- O capital de giro destinado diariamente à produção dos 3 modelos de Cartei-
ra é de no máximo R$42.000,00.
- A Disponibilidade diária de Mão-de-Obra é de no máximo 360 Homens-Hora
e cada unidade das Carteiras “Luxor”, “Standard”, “Econômica” e “Estudante”
requer respectivamente o esforço de 4, 3, 2 e 1 Homens-Hora para a sua
Produção.
- A Matéria Prima (madeira) disponível diariamente, se fosse direcionada de
forma exclusiva para a produção das Carteiras “Luxor” seria suficiente para
produzir 100 unidades, se fosse dirigida para a produção exclusiva das Car-
teiras “Standard” daria para fazer 120 unidades, se fosse dirigida exclusiva-
mente para a produção de Carteiras “Econômica” produziria 150 unidades e
se fosse direcionada exclusivamente para a produção de Carteiras “Estudan-
te” produziria 160 unidades.
- Os Modelos “Luxor”, “Standard”, “Econômica” e “Estudante” vendem diaria-
mente no máximo 10, 30, 60 e 40 unidades respectivamente.
- O Departamento de Engenharia de Métodos informa que os quatro modelos
de Carteiras possuem diferentes performances em seus processos de pro-
dução, envolvendo operações de Corte da Madeira, Polimento, Aplicação de
Verniz, Acabamento e Montagem, de acordo com o Quadro abaixo:

Processos Produtivos Luxor Standard Econômica Estudante Disponibilidade


1) Corte da Madeira 9 Minutos 6 Minutos 3 Minutos 2 minutos 15 Horas/Dia
2) Polimento 6 Minutos 4 Minutos 3 Minutos 2 minutos 15 Horas/Dia
3) Aplicação de Verniz 6 Minutos 5 Minutos 4 Minutos 3 minutos 15 Horas/Dia
4) Acabamento 9 Minutos 8 Minutos 6 Minutos 4 minutos 15 Horas/Dia
5) Montagem 8 Minutos 6 Minutos 4 Minutos 2 minutos 15 Horas/Dia

A) Qual a quantidade de Carteiras de cada modelo que deverá ser produzi-


da diariamente de modo a Maximizar o Lucro Total ?

B) O que deverá ser feito a nível de Investimento Financeiro, incremento de


Insumos e aumento da eficiência dos processos produtivos de forma a
atender completamente a demanda pelos 4 modelos e ao mesmo tempo
maximizar a “Produtividade” da Empresa

19) Problema de Abastecimento Industrial Múltiplo (Logística). Determinar


quais Indústrias deverão abastecer os diversos Pontos de Venda, e em que
quantidades. Trata-se de 3 Indústrias com capacidades produtivas diferencia-
das que deverão atender as demandas também diferenciadas de 4 Pontos de
Venda. Neste caso, o Objetivo a ser perseguido deverá ser baseado nos Cus-
tos Unitários de Transporte de cada unidade do Produto enviado de cada In-
dústria para cada um dos Pontos de Venda, de forma a se Minimizar o Custo
Global de Transporte. Os dados referentes aos custos de transporte unitários,
às capacidades produtivas das Fábricas e às demandas dos Centros de Con-
sumo estão demonstrados na matriz abaixo.

36
INDÚSTRIAS PONTOS DE VENDA PRODUÇÃO
PV-A PV- B PV-C PV-D
INDÚSTRIA 1 10 7 6 5 9.000
INDÚSTRIA 2 2 8 9 1 10.000
INDÚSTRIA 3 11 12 8 4 8.000
DEMANDA 7.000 6.000 10.000 4.000 27.000

20) Problema de Rede Abastecimento Industrial. Com base no Quadro


abaixo, determinar quais Fábricas de Refrigeradores deverão abastecer os di-
versos Centros Atacadistas, e em que quantidades. Trata-se de 5 Fábricas com
capacidades produtivas diferenciadas que deverão atender a demanda de Re-
frigeradores de 9 Centros de Consumo. Neste caso, o Objetivo a ser adotado
deverá ser baseado nos Custos Unitários de Transporte de cada unidade do
Produto enviado de cada Fábrica para cada um dos Centros de Consumo, de
forma a se Minimizar o Custo Global de Transporte. Os dados referentes aos
custos de transporte unitários, às capacidades produtivas das Fábricas e às
demandas dos Centros de Consumo estão demonstrados na matriz abaixo:

FÁBRICAS CENTROS ATACADISTAS PRODUÇÃO


A B C D E F G H I
FÁBRICA 01 9 7 4 5 3 2 3 4 5 20.000
FÁBRICA 02 7 6 7 4 6 3 5 2 3 15.000
FÁBRICA 03 4 4 6 2 5 5 2 3 5 20.000
FÁBRICA 04 5 5 3 6 6 7 4 5 6 25.000
FÁBRICA 05 6 8 5 4 7 4 3 6 4 20.000
DEMANDA 12.000 9.000 20.000 9.000 12.000 9.000 8.000 9.000 12.000 100.000

21) Problema de Designação em Abastecimento Industrial. Selecionar


quais Fábricas deverão abastecer quais Super-Mercados. Neste caso, trata-se
de um problema em que o número de Fábricas é igual ao número dos Super-
Mercados (cinco), observando-se que a cada Fábrica deverá ser destinado um
único Super-Mercado, e o Objetivo a ser alcançado deverá ser baseado no
Custo de Transporte unitário de cada Carga enviada de cada Fábrica para ca-
da um dos Super-Mercados, de modo a se Minimizar o Custo Total de Trans-
porte. Os dados referentes aos custos de transporte unitários estão demons-
trados na matriz abaixo:

FÁBRICAS SUPERMERCADOS
A B C D E
FÁBRICA 01 2 9 2 7 1
FÁBRICA 02 6 8 7 6 1
FÁBRICA 03 4 6 5 3 1
FÁBRICA 04 4 2 7 3 1
FÁBRICA 05 5 3 9 5 1

37
22) Problema de Designação em Abastecimento Industrial. Selecionar
quais Indústrias de Produtos Alimentícios deverão abastecer quais Centros
Atacadistas. Neste caso, trata-se de um problema em que o número de Indús-
trias é igual ao número dos Centros Atacadistas, sendo que a cada Indústria
deverá ser destinado o abastecimento de um único Centro Atacadista, e o crité-
rio a ser adotado deverá ser baseado no Custo de Transporte unitário de cada
Carga de Produtos Alimentícios enviada de cada Indústria para cada um dos
Centros Atacadistas, de maneira a se Minimizar o Custo Total de Transporte.
Os dados referentes aos custos de transporte unitários estão demonstrados na
matriz abaixo:

INDÚSTRIAS CENTROS ATACADISTAS


A B C D E F G H
INDÚSTRIA 01 53 50 58 55 52 54 48 56
INDÚSTRIA 02 56 54 55 54 53 55 47 53
INDÚSTRIA 03 57 54 51 55 50 53 49 54
INDÚSTRIA 04 60 55 50 54 51 56 50 55
INDÚSTRIA 05 58 56 52 57 54 53 51 50
INDÚSTRIA 06 50 53 50 54 55 52 52 51
INDÚSTRIA 07 59 56 52 57 54 53 53 59
INDÚSTRIA 08 55 53 54 55 57 54 52 56

23) Aplicação na Indústria de Construção Civil. A Diretoria de uma Em-


presa de Construção Civil pretende construir um conjunto de Edifícios residen-
ciais em uma área paradisíaca litorânea no subúrbio de uma grande Metrópole,
e gostaria de configurar o seu Projeto de Construção de forma a garantir a
maior Rentabilidade possível. Ela dispõe dos seguintes dados com relação ao
processo de tomada de decisão relacionado a que tipos de Imóveis construir e
em que quantidades:
 A Empresa opera geralmente com 5 padrões de construção de Edifícios Re-
sidenciais conforme o Quadro abaixo.

Padrões Construção Características Principais Preço Apto


Custo Edifício
5 Suites 1 Bloco de 15 Andares (15 Aptos – 600m2) R$ 675.000,00
R$ 9.000.000,00
4 Quartos (2 Suítes) 1 Bloco de 15 Andares (15 Aptos – 320m2) R$ 480.000.00
R$ 6.400.000,00
3 Quartos (1 Suíte) 2 Blocos de 15 Andares (30 Aptos – 160m2) R$ 240.000,00
R$ 6.400.000,00
2 Quartos 3 Blocos de 15 Andares (45 Aptos – 100m2 ) R$ 150.000,00
R$ 6.000.000,00
Flat (Sala e Quarto) 4 Blocos de 15 Andares (60 Aptos – 60m2) R$ 90.000,00
R$ 4.800.000,00

 Dispõe de uma área aproveitável para a construção que se fosse utilizada


integralmente para se construir somente um tipo de Imóvel daria para se fa-
zer:

38
 8 Edifícios do Padrão: 5 Suítes ou Flats (Sala e Quarto)
 15 Edifícios dos Padrões: 4 Quartos (2 Suítes) ou 3 Quartos (1 Suite)
 16 Edifícios do Padrão: 2 Quartos
 20 Edifícios do Padrão: Flat (Sala e Quarto)

 A Empresa dispõe de um Capital de R$105.000.000,00 para utilizar na reali-


zação de seu Projeto.

 Foi ainda realizada uma Pesquisa de Mercado junto ao público alvo constitu-
ído de Compradores Comuns e Investidores, dirigida para a possibilidade de
venda imediata, de modo a aferir o Comportamento da Demanda pelos 5 ti-
pos de Imóveis que constituem os padrões estabelecidos pela Empresa. E
se chegou aos seguintes resultados:

Apartamento de 5 Suítes – 50 para prováveis Compradores Comuns


Apartamento de 4 Quartos – 80 para prováveis Compradores Comuns
Apartamento de 4 ou 3 Quartos – 20 para Investidores (Venda Imediata à Vista)
Apartamento de 3 – 120 para prováveis Compradores Comuns
Apartamento de 3 ou 2 Quartos – 30 para Investidores (Venda Imediata à Vista)
Apartamento de 2 Quartos – 180 para prováveis Compradores Comuns
Apartamento de 2 Quartos ou Flat – 40 para Investidores (Venda Imediata à Vista)
Apartamento Flat (S/Q) – 220 para prováveis Compradores Comuns

Os Investidores são considerados Clientes Preferenciais por capitalizarem a


Construtora ao pagarem à vista o valor dos imóveis comprados, e portanto, têm
prioridade de compra. Os Compradores Comuns adquirem os imóveis através
de Financiamento Bancário, portanto pagam o imóvel comprado em presta-
ções, e objetivam a Moradia, e não o Investimento.
Como a Diretoria da Construtora deverá arquitetar o seu Projeto considerando
os seguintes Objetivos:

a) Maximizar o Lucro Total.


b) Maximizar o Aproveitamento da Área Disponível.
c) Minimizar o Custo Total do Empreendimento.
d) Conciliação dos 3 Objetivos citados (Programação Multiobjetivos).

24) Problema da Cervejaria “Loura Boa”. A Diretoria da Cervejaria “Loura


Boa“ está objetivando programar a sua produção de forma a Maximizar os seus
Lucros Totais sobre a sua Produção Mensal. Ela produz 5 tipos de Cerveja
(Pilsen, Bock, Lager, Porter e Cristal) e são conhecidos os seguintes elementos
restritivos referentes ao Processo Produtivo:

 Cada garrafa de cerveja “Pilsen” é constituída de 0.60 de litro de Água Es-


pecial, 22 gr de Cevada, 12gr de Lúpulo, 5gr de Fermento Cervejeiro. A cer-
veja “Bock” de 0.60 de litro de Água Especial, 25gr de Cevada, 16g de Lúpu-
lo e 6gr de Fermento. A “Lager” é composta de 0.60 de litro de Água Especi-
al, 24gr de Cevada, 18gr de Lúpulo e 4gr de Fermento. Já a cerveja “Porter”

39
é produzida com 0.60 de litro de Água Especial, 28gr de Cevada, 20g de Lú-
pulo e 5gr de Fermento. E finalmente, a “Cristal” tem em sua composição
0.60 de litro de Água Especial, 20gr de Cevada, 10gr de Lúpulo e 6gr de
Fermento; de acordo com os Quadros abaixo.
Quadro I (Composição dos Produtos – Matérias-Primas)
CERVEJAS ÁGUA CEVADA LÚPULO FERMENTO
Pilsen 0,60 Litros 22 Gramas 12 Gramas 5 Gramas
Bock 0,60 Litros 25 Gramas 16 Gramas 6 Gramas
Lager 0,60 Litros 24 Gramas 18 Gramas 4 Gramas
Porter 0,60 Litros 28 Gramas 20 Gramas 5 Gramas
Cristal 0,60 Litros 20 Gramas 10 Gramas 6 Gramas

 A participação de Mão de Obra Direta no processo produtivo é de 0.05 Ho-


mens-Hora (3 minutos) para cada garrafa, não importando o tipo de cerveja.
A Cervejaria conta também a princípio com uma rotação mensal de 50.000
garrafas vazias de 0.60L que retornam dos pontos de venda, e ainda, uma
capacidade operacional de Engarrafar 50.000 unidades considerando os 5
tipos de cerveja, Esterilizar 55.000 garrafas vazias e Pasteurizar 60.000 gar-
rafas cheias de cerveja, no mesmo espaço de tempo.
 As Disponibilidades mensais máximas dos Insumos e os Custos Unitários de
Produção associados aos 4 tipos de Matérias-Prima (Água Especial, Ceva-
da, Lúpulo e Fermento), Mão de Obra Direta, Aquisição de Garrafas, Esterili-
zação de Garrafas, e Pasteurização das Cervejas (já engarrafadas) estão
abaixo discriminados:
 As Demandas mensais pelos tipos de cerveja são de 12.000 garrafas de Pil-
sen, 8.000 de Bock, 10.000 de Lager, 9.000 de Porter e 15.000 de Cristal.

Quadro II (Custo Total dos Insumos disponíveis pelos Fornecedores)

INSUMOS DISPONÍVEL CUSTOUNITÁRIO CUSTO TOTAL


Água Especial 40.000 Litros R$ 0,10 / Litro R$ 4.000,00
Cevada 2.000 Kilos R$ 5,00 / Kilo R$ 10.000,00
Lúpulo 1.000 Kilos R$ 10,00 / Kilo R$ 10.000,00
Fermento 800 Kilos R$ 20,00 / Kilo R$ 16.000,00
Mão de Obra Direta 2.500 H.Hora R$ 6,00 / H.Hora R$ 15.000,00
Cap. Engarrafamento 50.000 Garrafas R$ 0,10 /Garrafa R$ 5.000,00
Cap. Esterilização 55.000 Garrafas R$ 0,40 / Garrafa R$ 22.000,00
Cap. Pasteurização 60.000 Garrafas R$ 0,20 / Garrafa R$ 12.000,00

TOTAL GLOBAL R$ 94.000,00

 Os Custos Variáveis de Produção associados aos 5 tipos de cerveja são por


cada garrafa produzida: R$1,390 para Pilsen, R$1,465 para Bock, R$1,440
para Lager, R$1,500 para Porter e R$1,380 para Cristal (de acordo com os
Quadro III e IV). Já os respectivos Preços de Venda de cada garrafa são:
R$3,90 para Pilsen, R$4,20 para Bock, R$4,10 para Lager, R$4,50 para Por-
ter e R$3,80 para Cristal. Sabe-se ainda que a Cervejaria dispõe de um limi-
te de Capital de Giro de R$ 50.000,00 para atender os Custos Variáveis de
Produção Totais. O Custo Fixo de Produção mensal é de R$35.000,00. E a

40
Cervejaria tem uma possibilidade inicial de aquisição de R$ 94.000,00 em
Insumos conforme o Quadro II acima.

Quadro III (Custo das Matérias Primas por unidade de cada Produto)
CERVEJAS ÁGUA CEVADA LÚPULO FERMENTO
Pilsen R$ 0,06 R$ 0,110 R$ 0,12 R$ 0,10
Bock R$ 0,06 R$ 0,125 R$ 0,16 R$ 0,12
Lager R$ 0,06 R$ 0,120 R$ 0,18 R$ 0,08
Porter R$ 0,06 R$ 0,140 R$ 0,20 R$ 0,10
Cristal R$ 0,06 R$ 0,100 R$ 0,10 R$ 0,12

Quadro IV (Custo Variável Total de cada Produto)


CERVEJAS MAT-PRIMA MÃO-OBRA PROCESSOS CUSTO
VAR.
Pilsen R$ 0,390 R$ 0,30 R$ 0,70 R$ 1,390
Bock R$ 0,465 R$ 0,30 R$ 0,70 R$ 1,465
Lager R$ 0,440 R$ 0,30 R$ 0,70 R$ 1,440
Porter R$ 0,500 R$ 0,30 R$ 0,70 R$ 1,500
Cristal R$ 0,380 R$ 0,30 R$ 0,70 R$ 1,380

 A cervejaria ainda tem uma política de produzir cada tipo de cerveja no mí-
nimo 10 % do volume total produzido (todas as marcas).

Quantas garrafas de cada tipo de Cerveja deverão ser produzidas mensalmen-


te de modo a Maximizar o Lucro Total Líquido ?

Observação Importante. Os problemas descritos acima, a depender de suas


dimensões, deverão ser solucionados através de Modelos de Programação
Linear com a utilização do Solver da Planilha EXCEL, ou do software LINDO
(Linear, Interactive and Discrete Optimizer).

Referências Bibliográficas:

 GOLDBARG, Marco; LUNA, Henrique Pacca. Otimização Combinatória e


Programação Linear. Rio de Janeiro: Campus. 2000.
 KWONG, Wu Hong. Programação Linear. São Paulo: Editora Edufscar.
2012.
 LINS, Marcos P. E. & CALÔBA, Guilherme Marques. Programação Linear.
Rio de Janeiro: Editora Interciência. 2006.
 MACULAN, Nelson & FAMPA, Márcia H. Costa. Otimização Linear. Brasí-
lia: Editora UNB. 2006.
 PASSOS, Eduardo José Pedreira. Programação Linear como instrumento
da Pesquisa Operacional. São Paulo: Editora Atlas. 2008.

41
3. TEORIA DOS GRAFOS

Definição e Objetivos. A Teoria dos Grafos é o ramo da matemática combina-


tória que estuda as relações entre os elementos de um conjunto. Para a efeti-
vação desses estudos são utilizadas estruturas denominadas grafos. Um grafo
é representado pela expressão G (V, A), em que V é um conjunto de elementos
não vazio denominados vértices e A é um conjunto de pares não ordenados
dos elementos de V, que podem ser chamados de Arestas (Grafos não Orien-
tados) ou Arcos (Grafos Orientados). Em um diagrama de Grafo, as arestas
têm a forma de uma reta e os Arcos de uma seta.

CLASSIFICAÇÃO DOS GRAFOS:

Grafo Orientado é constituído de um conjunto V de vértices e um conjunto A


de Arcos. Os grafos orientados representam o conjunto de elementos de um
sistema, no qual se torna necessário determinar a direção das conexões entre
os vértices. São também conhecidos como Digrafos.
Grafo não Orientado é composto por um conjunto de vértices e um conjunto A
de Arestas. Este tipo de grafo não considera relevante a direção das conexões
entre os vértices.
Alguns estudiosos da Teoria dos Grafos consideram os grafos não orientados
como Grafos e os grafos orientados como Digrafos. Os diagramas que repre-
sentam os grafos apresentam-se do seguinte modo: um círculo ou um ponto
para cada vértice e uma reta (aresta) para cada conexão entre os vértices (gra-
fos não orientados). Se o grafo for orientado, as conexões são representadas
por setas (arcos). Na Figura 1, os grafos A e B possuem 5 e 6 vértices repre-
sentados por pontos co-nectados por 10 e 9 arestas, respectivamente. O grafo
C tem 6 vértices (círculos) conectados por 5 arcos (setas).
Figura 1: Exemplos de grafos não orientados (A e B) e orientado (C).

(A) (B)

(C)

42
Hipergrafo possui uma estrutura em que uma aresta pode conectar mais que dois
vértices.
Multigrafo é um grafo que permite múltiplas arestas ligando os mesmos vértices
(arestas paralelas).
Emparelhamento de Grafo consiste em particionar o grafo em conjuntos de
vértices, nos quais os vértices não compartilham nenhuma aresta entre eles.
Existem aplicações de grafos em que os pares de vértices devem ter direção
definida. Neste caso são utilizados os Grafos Orientados. Por exemplo, a re-
presentação gráfica de um sistema de linhas aéreas, em que uma cidade A
pode ter uma rota para a cidade B, porém, o contrário não é verdadeiro. Em
outras aplicações, nas quais as direções das conexões entre os vértices não
fazem sentido, são indicados os Grafos não Orientados. Um exemplo muito
comum é o de um sistema rodoviário que interliga várias cidades, pois não e-
xiste rodovia de mão única. Quando um vértice é ligado a ele próprio, esta co-
nexão é denominada de Anel ou Laço.
Existem outras formas de representar um Grafo:

 Matriz de Adjacência;
 Matriz de Incidência;
 Matriz Latina;
 Listas de Adjacências;
 Grades.

O desenvolvimento de algoritmos para extrair resultados específicos de grafos


constitui uma área relevante da ciência da computação. Esses algorítmos têm
diversas aplicações na resolução de problemas que ocorrem na Administração
e Engenharias. Dentre esses, salientam-se os problemas de conexão, rotea-
mento, fluxos em redes etc. como os que se seguem:

 Árvore Geradora de Extensão Mínima (Spanning Tree);


 Árvore de Steiner;
 Conexão Simples;
 Caminho Crítico em Redes de Atividades (PERT-CPM);
 Caminho mais Curto em Redes;
 Ciclo Euleriano de extensão mínima (Problema do Carteiro Chinês);
 Circuito Hamiltoniano de extensão mínima (Problema do Caixeiro Viajante);
 Designação;
 Designação Quadrática;
 Emparelhamento;
 Fluxo de Custo Mínimo;
 Fluxo Máximo;
 Transbordo (Transhipment);
 Transporte.

O matemático e físico suíço Leonard Euler (1707-1783) foi um dos mais produ-
tivos matemáticos de todos os tempos. Em 1736, Euler resolveu o problema

43
das sete pontes de Königsberg, cidade da Prússia que era banhada pelo Rio
Pregel, no qual existiam duas ilhas que estavam conectadas entre si e às duas
margens da cidade por meio de sete pontes. O problema se constituía em de-
terminar se era possível seguir um caminho que, passando por cada uma das
pontes exatamente uma vez, retornasse ao ponto de partida. A solução estabe-
lecida por Euler, apresentada em um artigo realizado naquele ano, é conside-
rada como o primeiro resultado (teorema) sobre a questão da planaridade dos
grafos. Ver Figura 2.

Figura 2

ELEMENTOS DE UM GRAFO

 Grau de um Vértice. Em um grafo não orientado uma aresta conecta dois


vértices, e esses são considerados como incidentes à aresta. O grau de um
vértice de um grafo não orientado é o número de arestas incidentes a ele. No
grafo da Figura 2, o vértice A possui um grau 5 e os vértices B, C e D são de grau
3. Em um grafo orientado, faz-se distinção entre o grau de saída (número de
arcos saindo de um vértice) e o grau de entrada (número de arcos entrando em
um vértice). Deste modo, em um grafo orientado, o grau de um vértice é igual à
soma dos graus de saída e de entrada.
 Vértice de corte. Também denominado de Ponto de Articulação, é um vértice que
removido desconecta um grafo.
 Conjunto Independente. em um grafo é um conjunto de vértices não adjacentes
entre si.
 Laço ou Anel. É um arco ou aresta que conecta um vértice a ele próprio.
 Ponte é uma aresta cuja remoção desconecta um grafo.
 Vértices Adjacentes. Dois vértices são considerados adjacentes se existe um
arco ou aresta entre eles. No grafo da Figura 2, os vértices C e D não são
adjacentes. O conjunto de vizinhos de um vértice é composto de todos os
vértices adjacentes a ele. No grafo da Figura 2, os vértices C e D possuem dois
vizinhos que são os vértices A e B.
 Caminho. É uma sequência de vértices interligados por arcos ou arestas. Se
nenhum dos vértices do caminho se repete, o caminho é chamado simples. O
comprimento do caminho é o número de arcos ou arestas que o caminho
contém. O custo de um caminho em um grafo ponderado é a soma dos custos
dos arcos ou arestas que dele participam. Dois caminhos são considerados
independentes se não tiverem nenhum vértice em comum, excepto o primeiro e
o último.
 Ciclo (não orientado) ou Circuito (orientado) é um caminho que inicia e termina
no mesmo vértice. Ciclos de comprimento 1 são laços. Um Ciclo Euleriano é

44
aquele que passa por cada aresta exatamente uma vez. Um Circuito
Hamiltoniano visita cada vértice exatamente uma vez.
 Caminho Euleriano. É o que passa apenas uma vez por cada arco ou aresta.
 Caminho hamiltoniano. É aquele que passa somente uma vez por cada vértice.
 Subgrafo de um grafo G é um grafo cujo conjunto de vértices é um subconjunto
de vértices de G, e cujo conjunto de arcos ou arestas é também um subconjunto
de arcos ou arestas de G relacionadas apenas aos vértices do subgrafo.
 Grafo Parcial de um grafo G é aquele obtido através da remoção de um ou mais
arcos ou arestas de G mantendo-se o mesmo conjunto de vértices.
 Subgrafo Parcial de um grafo G é um subgrafo de G obtido através da remoção
de um ou mais arcos ou arestas de sua estrutura mantendo-se porém o mesmo
conjunto de vértices.
 Dual Direcional de um grafo orientado G é o grafo obtido trocando-se a direção
de todos os arcos do Grafo G.

GRAFOS ESPECIAIS

 Grafo Nulo. É o grafo cujo conjunto de vértices é vazio.


 Grafo Vazio. É o grafo cujo conjunto de arestas é vazio.
 Grafo Elementar ou Trivial. É o grafo que possui apenas um vertice e nenhuma
aresta.
 Grafo Regular. É um grafo em que todos os vértices têm o mesmo grau.
 Grafo Simples é um grafo não orientado, sem laços e que possui no máximo uma
aresta entre quaisquer dois vértices.
 Grafo Valorado. É o que possui valores associados a cada arco ou aresta,
geralmente considerados como custos. Estes grafos são considerados em
problemas de rota ótima, como por exemplo: o problema do caixeiro viajante, o
problema do caminho de extensão mínima etc. Os grafos valorados podem ser
representados pela Matriz de Custos, na qual são apresentados os custos da
conexão entre cada par de vértices.
 Grafo Rotulado. É o que possui rótulos associados a cada arco ou aresta. Estes
grafos são considerados em diversos problemas nos quais cada vértice, arco ou
aresta precisam ser identificados.
 Grafo Completo. É aquele em que, para cada um dos seus vértices, existe uma
aresta conectando este vértice aos demais. Neste tipo de grafo todos os vértices
possuem um mesmo grau. Denomina-se Clique em um grafo ao subgrafo que
também é um grafo completo.
 Grafo Pleno. É o grafo orientado em que todos os vértices são conectados por
dupla de arcos considerando as duas direções, e por laços.
 Grafo Conexo. É o grafo no qual é possível estabelecer uma cadeia de cada
vértice para qualquer outro vértice.
 Grafo Fortemente Conexo. É o grafo no qual os vértices de todos os pares são
mutuamente conectados. Deste modo, todo par de vértices está associado a um

45
par de caminhos opostos.
 Grafo Desconexo. É o grafo no qual existe pelo menos um vértice não conectado
aos demais. Todos os grafos desconexos podem ser divididos em pelo menos
duas componentes conexas.
 Grafo Simétrico. É o grafo orientado no qual, se existir um arco ligando dois
vértices em uma determinada direção terá que admitir outro arco na direção
contrária. Portanto, a Matriz de Adjacência é simétrica. Todos os grafos não
orientados são simétricos.
 Grafo Antissimétrico. É o grafo orientado que só admite um arco, considerando
uma das duas direções, ligando dois vértices.
 Grafo planar é aquele que pode ser representado em um plano sem qualquer
intersecção entre arestas. Pode-se provar que um grafo planar pode representar
qualquer mapa com apenas 4 cores referentes a 4 partições. O famoso Teorema
das quatro cores é baseado no problema das cores necessárias para se colorir
um mapa sem que os países vizinhos compartilhem da mesma cor.
 Árvore é um grafo não orientado, simples, acíclico e conexo. Um grafo parcial que
é uma árvore é denominado de árvore parcial. Todo grafo tem pelo menos uma
árvore parcial. Em informática, as árvores são geralmente usadas como
estruturas de dados.
 Arborescência é um grafo orientado, simples, acíclico e conexo, em que existe
um vértice denominado Raiz, do qual partem todos os arcos.
 Floresta é um conjunto de árvores.
 Grafo Bipartido é o grafo cujos vértices estão divididos em dois conjuntos, nos
quais não há arestas entre os vértices de um mesmo conjunto.
 Grafo Bipartido Completo é o grafo bipartido, onde qualquer vértice do primeiro
conjunto é adjacente a todos os vértices do segundo conjunto.
 Grafo K-partido é aquele cujos vértices podem ser particionados em k conjuntos
disjuntos, nos quais não há arestas entre vértices de um mesmo conjunto. O
grafo bipartido é um grafo 2-partido.

Referências Bibliográficas:

 BOAVENTURA NETO, Paulo Osvaldo. Grafos: Teoria, Modelos e Algorít-


mos. 4ª. Edição. São Paulo: Editora Edgard Blucher. 2006.
 CUKIERMANN, Zigmundo Salomão. O Modelo PERT-CPM aplicado a Pro-
jetos. 7a. Edição. Rio de janeiro: Reichmann & Affonso Editores. 2000.
 FURTADO, Antônio Luz. Teoria dos Grafos: Algoritmos. Rio de Janeiro:
Ed. Livros Técnicos e Científicos. 1973.
 GOLDBARG, Marco; LUNA, Henrique Pacca. Otimização Combinatória e
Programação Linear. Rio de Janeiro: Campus. 2000.

46
APÊNDICE A

Softwares utilizados em aplicações de Pesquisa Operacional. Abaixo, es-


tão relacionados os principais softwares referentes às diversas áreas da Pes-
quisa Operacional:

Solver Suíte – O Solver Suíte é um conjunto de aplicativos de Otimização Ma-


temática, constituído de três softwares:

 LINDO (Linear, Interactive, and Discrete Optimizer). Este software opera


com Modelos de Programação Linear, Inteira e Mista. É o mais difundido do
gênero, tanto nos Estados Unidos como nas Universidades brasileiras.

 LINGO (Linear, Interactive and Generalized Optimizer). A importância


deste software para quem trabalha com Otimização Matemática é que ele
opera com Programação Não Linear.

 What’s Best. Este aplicativo funciona como um potencializador da Planilha


EXCEL ampliando a eficiência da Função “Solver” em Modelos de Otimiza-
ção Matemática lineares e não lineares.

Os softwares que compõem o Solver Suíte (LINDO, LINGO e What’s Best)


são disponibilizados para o meio acadêmico em cópia Demo no site:
<http://www.lindo.com>.

MS-Project. Este software opera com Redes de Atividades do tipo PERT-CPM


e Gráficos de Gantt. É um dos mais utilizados na área de Gerenciamento de
Projetos.

ST - Point. Este software é a versão para Micro-Computador do internacional-


mente conhecido aplicativo de programação fina de produção OPT (Optimized
Production Technology). Excelente para quem estuda ou trabalha com a área
de Administração de Produção e Operações.

Arena Std/Pro. Este software é utilizado em Modelos de Simulação de Siste-


mas. Possui Interface Gráfica e Animação de Cenários.

OptQuest for Arena. Este é um aplicativo de Otimização de Sistemas para


Simulação e Análise, que funciona como acessório do software Arena.

SAEG. É um software de Estatística aplicada às Ciências Sociais que foi de-


senvolvido na Universidade Federal de Viçosa. Aborda áreas importantes da
Estatística, como: Estimação, Inferência, Testes de Hipóteses, Métodos não
Paramétricos, Análises de Correlação e Regressão, Análise de Variância, Aná-
lise Discriminante, Análise Fatorial, Análise de conglomerados etc. atua no am-
biente Windows e faz interface com o EXCEL.

47
Forecast-PRO for Windows - XE. Software para Modelos de Previsão de Sé-
ries Temporais. Trabalha com várias metodologias: Médias Móveis, Amortiza-
ção Exponencial (com os parâmetros de Holt e Winters, aditivos e multiplicati-
vos, e também de Múltiplo Nível), Box-Jenkins, Census X-11 (com Decomposi-
ção da Série), Regressão Dinâmica, e Modelos de Eventos. Opera no ambiente
Windows e é compatível com o EXCEL. Possui ainda um Sistema de Inteligên-
cia Artificial que escolhe previamente o melhor Método para uma série temporal
dada.

Forecast Master Plus. Aplicativo utilizado em Previsão de Séries Temporais


que trabalha com várias metodologias regressivas Avançadas: Regressão de
espaço de Estados, Regressão Categórica Semiparamétrica, Regressão de
Parâmetros Variáveis, Regressão ARCH (Heterocedasticidade Autoregressiva
Condicional) e Regressão Dinâmica. Opera também com Modelos de Espaço
de Estados Multivariados.

AUTOBOX. A principal característica deste software que trabalha com Séries


Temporais, é que ele atua com a Metodologia Completa de Box-Jenkins (inclu-
sive Modelos Avançados). Possui também um Sistema de Inteligência Artificial
para facilitar a escolha e utilização dos Modelos.

RATS. Este aplicativo utiliza técnicas matemáticas e estatísticas aplicadas à


Economia (principalmente em Econometria). Trabalha também com Análise
Espectral.

Expert Choice. Este software é utilizado para Análise em Modelos de Decisão


Multicritério, contendo o algoritmo AHP (Analytic Hierarchy Process).

Decision Tools. Conjunto de softwares para o apoio ao processo de tomada


de Decisão. É constituído de cinco componentes da linha Palisade: Risk, Best-
fit / Riskview, Evolver, Precision Tree e Top Rank.

RiskOptimizer. Este aplicativo é utilizado em processamento de modelos inte-


grando a simulação com a Otimização de Sistemas.

Neuralyst. Suplemento da planilha EXCEL voltado para a construção e pro-


cessamento de Modelos de Redes Neurais.

SPSS (Statistical Package for Social Sciences. Software de Estatística que


aborda todas as suas áreas, como Estimação, Inferência, Testes de Hipóteses,
Métodos não Paramétricos, Correlação e Regressão, Análise de Variância,
Análise Fatorial, Análise Discriminante, Análise de Conglomerados etc. (inclusi-
ve Redes Neurais), realiza Gráficos de Alta Resolução, atua no ambiente Win-
dows e faz interface com o EXCEL.
Endereço na WEB: <http://www.spss.com/>.
____________________________________________________________________________

48
APÊNDICE B

Sociedades Científicas de Estudo da Pesquisa Operacional. Para acessar


informações relevantes sobre a Pesquisa Operacional nas associações de
pesquisadores de PO existentes em todo o mundo, consulte os sites seguintes.

 ALIO (Associación Latino-Ibero-Americana de Investigación Operativa);


http://www-2.dc.uba.ar/alio//
 APDIO (Associação Portuguesa de Investigação Operacional);
http://apdio.pt/home
 APORS (Associação das Sociedades de Pesquisa Operacional da Ásia e do
Pacífico);
http://www.apors.ms.unimelb.edu.au/
 CORS (Canadian Operations Research Society);
http://www.cors.ca/
 Decision Analysis Society of Informs;
https://www.informs.org/Community/DAS/Decision-Analysis-Journal
 EURO (Associação das Sociedades de Pesquisa Operacional da Europa);
http://www.euro-online.org/web/pages/1/home
 European Working Group Multicriteria Decision Aiding;
http://www.inescc.pt/~ewgmcda/Articles.html
 GOR (German Research Society) – Alemanha;
https://gor.uni-paderborn.de/
 IFORS (International Federation of Operational Research Societies);
http://ifors.org/web/
 INFORMS (Institute for Operations Research and Management Science) -
Estados Unidos;
https://www.informs.org/
 International Society on Multiple Criteria Decision Making;
http://www.mcdmsociety.org/
 NORAM (Associação das Sociedades de Pesquisa Operacional da América
do Norte);
 ORS (Operational Research Society) – Inglaterra;
http://www.orsoc.org.uk
 SOBRAPO (Sociedade Brasileira de Pesquisa Operacional);
http://www.sobrapo.org.br/

____________________________________________________________________________

49
APÊNDICE C

Histórico da Pesquisa Operacional no Brasil. Em comemoração à passa-


gem de seus 25 anos de existência, a Sociedade Brasileira de Pesquisa Ope-
racional (SOBRAPO) publicou em 1993, o resultado de uma pesquisa junto a
empresas e instituições brasileiras de ensino, com o objetivo de fornecer um
retrato do uso e do ensino da Pesquisa Operacional em nosso país:

SOBRAPO. (25 de Pesquisa Operacional no Brasil). Rio de Janeiro, Socie-


dade Brasileira de Pesquisa Operacional, 1993. 139 p. (Edição Comemorativa).

No texto produzido pela SOBRAPO a seguir, há um relato sobre a evolução da


Pesquisa Operacional no Brasil e sua penetração nas universidades e institui-
ções científicas brasileiras.

Nos anos 50, professores da USP, ITA e PUC-RJ, com formação no exterior,
criaram os primeiros cursos de graduação que incluíam disciplinas de PO como
o de Engenharia da Produção, e que foram incluídas também em outros cur-
sos, já existentes, como os de Economia, Engenharia, Matemática e Estatísti-
ca.

A partir de 1960, a criação de cursos de pós-graduação na área de PO e a


aquisição dos primeiros computadores multiplicaram as possibilidades de sua
aplicação. Várias empresas começaram a utilizar a PO estreitando um provei-
toso relacionamento com as Universidades. O primeiro exemplo desta relação
foi o da PUC-RJ com as empresas SOCIL e Anhanguera, para o desenvolvi-
mento de programas de minimização de custo de rações para animais, através
de Programação Linear.

Mas os principais setores a empregar técnicas de PO na época foram os de


siderurgia (CSN, Cia. Vale do Rio Doce), eletricidade (Cia. Nacional de Energia
Elétrica), transportes (FRONAPE), petróleo (PETROBRÁS, ESSO) e telecomu-
nicações, além de grandes projetos e obras estatais. Em função disso, foi cria-
da, em 1968, a Sociedade Brasileira de Pesquisa Operacional (SOBRAPO).

A década seguinte consolidou a PO no Brasil, com o maior interesse das em-


presas e o maior contingente de profissionais habilitados na área, permitindo a
formação de grupos próprios de PO visando a solução de problemas táticos e o
planejamento estratégico, naquelas empresas.

Em 1978, a SOBRAPO organizou o 1º Seminário de PO Aplicada à Agropecuá-


ria (SEPOAGRO), em Campinas (SP), sendo o segundo realizado em Viçosa
dois anos depois.

Nos anos seguintes, embora consolidada, a PO aplicada ao planejamento es-


tratégico de empresas perdia o sentido frente à situação imprevisível da eco-
nomia nacional. Ao mesmo tempo, no entanto, houve grande incremento do
instrumental científico, com o desenvolvimento de softwares e dos microcom-
putadores.

50
Profissionais da área, citados na edição comemorativa dos 25 anos da SO-
BRAPO (1993), acreditam que a PO ganha um novo impulso, nesta década,
nas áreas de administração (tomada de decisões), visando a qualidade dos
processos de produção e atendimento (serviços, desenvolvimento de linhas de
produtos, comercialização e marketing).

PO nas Universidades Brasileiras e Instituições Científicas:

UNICAMP - Universidade Estadual de Campinas (SP)

Desenvolve, desde 1975, aplicações de modelos de simulação no planejamen-


to de recursos hídricos (Faculdade de Engenharia Civil) e de PO na agricultura,
formando um grupo de consultores independentes (UNISOMA) e vários convê-
nios com empresas como a PETROBRÁS, ELETROBRÁS, TELEBRÁS e IBM,
dentre outras.

INPE - Instituto Nacional de Pesquisas Espaciais (SP)

Criou cursos de pós-graduação, a partir de 1978, em várias linhas, dentre elas:


o desenvolvimento de softwares, pesquisas relacionadas à inteligência artificial
e PO (otimização combinatória, aplicada em áreas da Coordenação de Obser-
vação da Terra, processos estocásticos e simulação). Utiliza os resultados des-
tas pesquisas, por exemplo, em trabalhos de roteamento de distribuição de
água para comunidades do Ceará (Governo do Estado), estudos de confiabili-
dade do primeiro satélite brasileiro, por meio de simulação, e otimização dos
processos de operação de fábricas de circuitos impressos.

ITA - Instituto Tecnológico da Aeronáutica (SP)

Desde 1961, mantém cursos de pós-graduação em Engª da Produção e, a par-


tir de 1973, em PO, desenvolvendo processos estocásticos e planejamento da
produção aplicados às áreas de planejamento energético, transportes aéreos e
planejamento da produção de empresas, como a EMBRAER.

IME - Instituto Militar de Engenharia

A PO é parte do curso de Engª de Sistemas. O Instituto relaciona-se com a Ma-


rinha, o Exército e com diversas empresas, aplicando suas pesquisas em proje-
tos nas áreas de comunicação via satélite, problemas de localização e de rote-
amento (otimização) e de qualidade em sistemas (gestão em Qualidade Total e
qualidade de softwares).

USP - Universidade de São Paulo (SP)

Mantém cursos de PO em nível de pós-graduação desde a década de 60. Os


principais núcleos de PO estão na Escola Politécnica (Departamento de Engª
da Produção, Engª Naval e Engª de Transportes), Faculdade de Economia e
Administração e Instituto de Matemática e Estatística (Centro de Computação e

51
Matemática Aplicada). Relaciona-se com empresas como a INFRAERO, MA-
RINHA, DERSA e DOCAS, além de atuar junto aos mercados financeiros e
Bolsa de Valores (bolsa de mercado futuro, através de simulação, cenários e
análises de risco).

UFRJ - Universidade Federal do Rio de Janeiro (RJ)

A COPPE (Coordenação dos Programas de Pós-graduação de Engenharia), da


UFRJ, criou o Programa de Engª da Produção em 1967, com as áreas de Ge-
rência da Produção e de Pesquisa Operacional. Os Programas de Engª de Sis-
temas, Computação, Administração, Engª de Transportes e o Instituto de Ma-
temática também incluem a PO As áreas de concentração teórica destes gru-
pos são: programação matemática, grafos, combinatória, aplicações estatísti-
cas, simulação, otimização, ciências da computação (desenvolvimento de sof-
twares e algorítmos). A COPPE relaciona-se com diversas empresas públicas
(Telerj, Cepel, governos estaduais) e privadas (IBM). Sua contribuição teórica
ao desenvolvimento da PO pode ser atestada pelo número de Teses defendi-
das (331, até 1992).

PUC - Pontifícia Universidade Católica (RJ)

Inclui a PO em seus cursos de Engª Industrial, Engª Elétrica, Informática, Engª


da Produção e de Sistemas. As aplicações estão nas áreas de finanças (análi-
ses de investimentos de risco e mercado de capitais), gerência da produção
(logística, localização, planejamento empresarial e controle de qualidade) e na
área de transportes (redes, planejamento de operações). Desenvolve os aspec-
tos metodológicos, como a modelagem, para problemas de grande porte, na
área de programação matemática, bem como estudos de previsão (redes neu-
rais), de análise de séries temporais e de inteligência artificial nos processos de
decisão. Relaciona-se com diversas empresas, como a PETROBRÁS, Cia.
Vale do Rio Doce, DATAPREV, MBR, Estaleiro Mauá, Rede Globo, Bamerin-
dus e Brahma.

UFV - Universidade Federal de Viçosa (MG)

A PO desenvolveu-se, a partir dos anos 60, com a criação da disciplina de Pro-


gramação Linear a cargo do Departamento de Matemática, no curso de mes-
trado em Economia Rural. Com a aquisição do primeiro computador, na década
de 70, disciplinas de Programação Linear e Não-Linear foram incorporadas
também a outros cursos (Engª Florestal, de Alimentos, Engª Agrícola e de Zoo-
tecnia). Nos anos 80, foi criado o curso de graduação em Informática e novas
disciplinas de PO foram incluídas nos diversos cursos de graduação. A UFV
desenvolveu sistemas de Programação Linear e Otimização em Redes (PROL,
PROLIN - para microcomputadores, e REDE) para aplicação em problemas de
localização, tipo e tamanho de baterias de fornos para carvão vegetal, plane-
jamento florestal, avaliação genética de espécies, gerenciamento de laticínios e
para atividades de controle na central de processamento de dados, dentre ou-
tras.

52
Outras Universidades

Muitas outras Instituições brasileiras mantêm cursos de graduação e de pós-


graduação em que as aplicações das técnicas de PO são enfatizadas.

É o caso da U.F. de Juiz de Fora, que criou o Grupo de Estudos de Simulação,


que atua em análises de impacto por simulação; o Núcleo de Pesquisas Eco-
nômicas, atuando em análises e previsões da produção industrial de M.G.,
através de séries temporais. A Faculdade de Engª Elétrica desenvolve com a
EMBRAPA softwares para a agropecuária e um projeto de informatização da
pecuária leiteira (técnicas de análise de “Cluster” para classificar dados de
questionários, entrevistas e bases de dados da EMBRAPA).

A U.F. do Ceará atua junto a diversas empresas de petróleo, energia, teleco-


municações e siderurgia, dentre outras. Na área de alimentos, desenvolve
com a FRUTOP um sistema de otimização da produção, atualizando o modelo
através da geração de dois cenários mensais, visando determinar a alocação
de máquinas, quantidade matéria-prima, dimensionamento e divisão da mão-
de-obra, por turnos e por máquina, e planejamento da produção, por produto e
por máquina.
_____________________________________________________________________________________

53
APÊNDICE D

UNEB – UNIVERSIDADE DO ESTADO DA BAHIA


DEPARTAMENTO DE CIÊNCIAS HUMANAS - CAMPUS I
DISCIPLINA: PESQUISA OPERACIONAL I
PROFESSOR: JOSÉ DELFINO SÁ

CONTEÚDO PROGRAMÁTICO

Definição e Objetivos. A Pesquisa Operacional é uma metodologia adminis-


trativa, dotada de fundamentação científica, orientação sistêmica e enfoque
multidisciplinar, voltada para o processo de preparação, análise e tomada de
Decisão nas Organizações. O principal objetivo da disciplina consiste na difu-
são de conhecimentos básicos relacionados aos métodos e modelos de Pes-
quisa Operacional para a modelagem e resolução de problemas de decisão
associados a sistemas administrativos.

01) Fundamentos da Pesquisa Operacional

 Definição, Histórico, Objetivos, Princípios e Natureza da Pesquisa Opera-


cional
 Definição de Sistema e Propriedades principais de um Sistema
 Definição de Modelo e Classificação dos Modelos
 Metodologia da Pesquisa Operacional
 Problemas típicos e principais técnicas
 Fases de um Projeto de Pesquisa Operacional
 Definição de Sistema e Propriedades principais de um Sistema
 Definição de Modelo e Classificação dos Modelos
 Algorítmos e Métodos Heurísticos
 Métodos de Análise Multicritério para o apoio à Decisão
 Tipificação dos Problemas de Pesquisa Operacional
 Relação entre a Pesquisa Operacional e a Administração

02) Introdução à Álgebra Linear

 Definição de Matriz e Escalar


 Definição e Exemplos de Matrizes Retangulares, Quadradas e de Vetores
Linha e Coluna
 Matrizes Especiais: Nula, Diagonal, Escalar, Identidade, Triangular Inferior
e Superior, Oposta, Estocástica, Duplamente Estocástica, Booleana, Lati-
na
 Operações com Matrizes
 . Soma e Subtração de Matrizes
 . Transposição de Matrizes

54
 . Definição e exemplos de Matrizes Simétricas, Assimétricas e Antissi-
métricas
 . Multiplicação por Escalar
 . Multiplicação entre Matrizes
 . Multiplicação de Kronecker
 . Multiplicação Latina
 . Potenciação de Matrizes
 Definição e exemplos de matrizes Idempotentes, Periódicas e Nihilpoten-
tes
 Operações Elementares
 Inversão de Matrizes através das Operações Elementares
 Definição e exemplos de Matriz Ortogonal
 Definição e Métodos para o Cálculo de Determinantes
 Definição de Matrizes Singulares, Regulares (Não Singulares) e Unimodu-
lares
 Matriz de Cofatores e Matriz Adjunta
 Inversão de Matriz através da Matriz Adjunta
 Combinação Linear de Vetores
 Vetores Linearmente Independentes
 Matriz Base
 Mudança de Base
 Definição, classificação e Resolução de Sistemas de Equações Lineares

03) Programação Matemática Linear

 Definição e Forma Geral da Programação Linear


 Forma Canônica e Forma Padrão
 O Método Geométrico (Gráfico)
 O Método Simplex
 O Método “Big-M” (M Grande)
 O Método da Função Objetivo Artificial
 O Método Simplex Completo (Problemas de Minimização)
 Principais Modelos aplicados em Administração
 Problemas de Alocação de Recursos
 O Problema do Planejamento Agregado da Produção
 Programação Linear Estruturada
 Modelo Multifábrica ou Multiplanta
 Modelo Multiproduto
 Modelo Multiperíodo
 Problemas de Localização Industrial
 Problemas de Abastecimento Industrial Múltiplo (Logística)
 Problemas de Fluxo Máximo em Abastecimento Industrial
 Problemas de Mistura ou Dosagem (Blending)
 Problemas de Corte (Trim Loss)
 Problemas de Carteiras de Investimento
 Problemas que utilizam Restrições do tipo “Ou”
 Problemas que usam Restrições Condicionais

55
 Aplicações de Programação Linear com os Métodos Computacionais
(LINDO e EXCEL-SOLVER)
 Limitações da Programação Linear
 Teoria da Dualidade em Programação Linear
 Os Modelos Primal e Dual
 Interpretação Econômica da Dualidade
 Definição de Preço-Sombra (Shadow-Price) e suas Aplicações
 Método Dual-Simplex
 Análise de Sensibilidade de Modelos (Limites dos valores dos Vetores B e
C)
____________________________________________________________________________

56
APÊNDICE E

UNEB – UNIVERSIDADE DO ESTADO DA BAHIA


DEPARTAMENTO DE CIÊNCIAS HUMANAS - CAMPUS I
DISCIPLINA: PESQUISA OPERACIONAL II
PROFESSOR: JOSÉ DELFINO SÁ

CONTEÚDO PROGRAMÁTICO

Definição e Objetivos. A Pesquisa Operacional é uma metodologia adminis-


trativa, dotada de fundamentação científica, orientação sistêmica e enfoque
multidisciplinar, voltada para o processo de preparação, análise e tomada de
Decisão nas Organizações. O principal objetivo da disciplina consiste na difu-
são de conhecimentos básicos relacionados aos métodos e modelos de Pes-
quisa Operacional para a modelagem e resolução de problemas de decisão
associados a sistemas administrativos.

01) Extensões da Programação Linear

 Teoria da Dualidade em Programação Linear


 Definição de Preço-Sombra (Shadow-Price) e suas Aplicações
 Método Dual-Simplex
 Análise de Sensibilidade de Modelos (Vetores B e C)
 Análise de Pós-Otimização
 Mudanças Simples no vetor C (Coeficientes da Função Objetivo)
 Mudanças Simples no vetor B (Valores das Limitações)
 Mudanças nos a i j da Matriz A dos Coeficientes Tecnológicos
 Acréscimo de Restrição
 Acréscimo de Variável
 Eliminação de Restrição
 Eliminação de Variável
 Definição e exemplos de Programação Linear Paramétrica
 Definição e exemplos de Programação Multiobjetivos
 Definição e exemplos de Programação por Metas (Goal Programming)
 Aplicações avançadas de Programação Linear em Administração

02) Programação Linear, Inteira e Mista

 Definições e exemplos de Programação Linear Inteira e Mista e suas for-


mas
 Método “Upper Bound”
 Método “Branch & Bound” e suas principais Variações
 Definição e exemplos de Programação Linear Binária
 O Problema da Designação ou Atribuição

57
 O Problema do Caixeiro Viajante
 O Problema do Caminho de Extensão Máxima ou Mínima
 Determinação de Rotas Ótimas de Abastecimento
 Aplicações de PLI e PLB na Administração

03) Teoria dos Grafos e Redes, e suas Aplicações

 Definição de Grafos e suas principais formas de Apresentação


 Elementos Gráficos e representação gráfica: vértice, anel, arco, aresta, ro-
tulação, Cadeias, Caminhos, Ciclos, Circuitos
 Classificação: Grafos Orientados e não Orientados, Multigrafos e Hiper-
grafos
 Histórico e Motivação do estudo da Teoria dos Grafos
 Fechos Transitivos (Diretos e Inversos)
 Bases e Antibases
 Matrizes de Adjacência e de Incidência
 Matrizes Latinas (Figurativas)
 Definição e exemplos de Subgrafos, Grafos Parciais e Subgrafos parciais
 Grafos Especiais: elementares, bipartidos, k-partidos, sem circuitos, simé-
tricos, antissimétricos, completos, plenos, desconexos, conexos, forte-
mente conexos, planares, dual planares, dual direcionais, complementa-
res, árvores, arborescências, florestas
 Problemas de Redes
 Determinação de uma Árvore Geradora (spanning tree) de extensão mí-
nima (ou máxima) em Redes
 Determinação de Caminhos de Extensão Mínima ou Máxima
 Determinação de Rotas Ótimas de Abastecimento
 Redes de Atividades
 O Método da Rede PERT (Program Evaluation and Review Technique)
 O Método CPM (Critical Path Method)
 O software MS-Project
 Aplicações dos Métodos PERT e CPM em Projetos
____________________________________________________________________________

58