1

RESOLUÇÃO GRÁFICA DE PROBLEMAS DE PROGRAMAÇÃO LINEAR

COM DUAS VARIÁVEIS
Danilo de Morais

Resumo: O seguinte trabalho visa apresentar conceitos relativos à problemas de

programação linear, a partir do estudo gráfico de funções e desigualdades lineares.
A partir da redução de um problema teórico de n variáveis para um problema de
duas variáveis pode-se fazer uma análise gráfica bidimensional simples.
Palavras-chave: Problemas. Programação. Linear.

INTRODUÇÃO

No final da década de 1940 George Dantzig introduziu o estudo da teoria de

Programação Linear, sendo assim, trata-se de uma teoria recente. Os problemas de
programação linear consistem em um sistema que pode ser escrito da seguinte
maneira:
z = k1x1 + k2x2 + … knxn onde os elementos k são constantes os x variáveis.
Essa equação deve ser maximizada ou minimizada porém deve estar restrita à
outras condições:
u11x1 + u12x2 + … u1nxn ≤v1
u21x1 + u22x2 + … u2nxn ≤v2
(...)
um1x1 + um2x2 + … umnxn ≤vm
A função z é linear e é chamada de função-objetivo. As restrições também
são lineares nas variáveis x e as variáveis não devem assumir valores negativos.
A programação linear é de grande utilidade em problemas práticos que podem
ocorrer em cálculos financeiros ou até mesmo em cálculos cotidianos.
Ao simplificar-se o problema para z sendo uma função de duas variáveis
z(x,y) pode-se tratar as restrições como semiplanos no plano R² e conseguir-se
soluções geométricas.
 2

RESOLUÇÃO GRÁFICA NO CASO DE DUAS VARIÁVEIS

Para o caso de duas variáveis podemos considerar z = z(x,y). E simplificar o

problema para a forma seguinte:
z(x,y) = x + y
a1x + b1y ≤ c1
a2x + b2y ≤ c2
(...)
anx + bny ≤ cn

Os pontos P(x,y) que solucionam o sistema chamam-se pontos viáveis.

Considerando somente os valores positivos de x e y, o conjunto dos pontos viáveis
forma um conjunto convexo contido no R². A esse conjunto de pontos viáveis se dá o
nome conjunto de viabilidade. Por fim, a resolução do problema consiste de
encontrar o ponto (x,y) que maximize a função z(x,y).
Podemos observar que as inequações lineares de restrição formam
semiplanos com suas retas suporte. De tal forma que o conjunto dos pontos
viáveis trata-se da interseção de todos os semi-planos dados pelas inequações para
os valores positivos das variáveis.
Para maximizar a função-objetivo, z(x,y), pode-se analisar suas curvas de
nível conforme a figura a seguir:

Figura 1: Curvas de nível de z(x,y) sobre o conjunto de viabilidade.

 3

Percebe-se analisando as curvas de nível, que escolhendo-se um caminho

como o vetor que liga o ponto A e G, perpendicular às curvas de nível, caminha-se
em direção ao mínimo ou máximo da função nesse domínio, e quanto mais perto ou
mais longe a curva de nível alcançada estiver da origem, mais extremo será o valor
de z, podendo ser máximo ou mínimo.
Sendo as bordas da região composta por retas, os pontos de interseção
dessas retas são chamados de pontos extremos.
Percebe-se que em um conjunto de viabilidade fechado e convexo, os valores
máximos e mínimos da função-objetivo ocorrem em pontos de extremo.
Utilizando-se o conceito das curvas de nível e que o gradiente de z aponta o
sentido de crescimento de z(x,y), pode-se provar o seguinte teorema:
Teorema de Valores Máximos e Mínimos: Se a região viável de um problema de
programação linear é não-vazia e limitada, então a função-objetivo atinge tanto um
valor máximo quanto um valor mínimo e estes ocorrem em pontos extremos da
região viável. Se a região viável é ilimitada, então a função-objetivo pode ou não
atingir valores máximo ou mínimo; contudo, se atingir um máximo ou um mínimo,
este ocorrerá em pontos extremos.
Daí, temos uma maneira fácil de encontrar a solução, basta encontrar os
pontos de interseção das retas, os pontos extremos, e verificar em qual sentido o
gradiente aponta para encontrar o extremo certo.

CONCLUSÃO
A programação linear monstra-se muito útil na resolução de sistemas com
inequações, essas podem ser utilizadas na indústria, na ciência, contabilidade,
cálculos cotidianos entre outros. Basta uma simplificação do problema para menos
variáveis e torna-se uma ferramenta de fácil utilização que pode ajudar a otimizar
diversos processos.
 4

REFERÊNCIAS

LIMA, E. L. Geometria Analítica e Álgebra Linear. 2.ed. Rio de Janeiro: IMPA,

2010.

SPECK, A. L. C. Coletânea de Aplicações de Álgebra Linear. Santa Catarina:

UFSC, 2006