4.

ANÁLISE DE SENSIBILIDADE

Domingos Uchavo, Maputo, 2013

 75
4. Análise de Sensibilidade

______________________________________________________________________________

4.1. Introdução

Um modelo de Programação Linear (PL) é uma representação estática de uma situação ou

sistema real na qual os parâmetros (os coeficientes da função objectivo, as restrições de
recursos, os coeficientes tecnológicos e as disponibilidades de recursos assumem valores
constantes).

Na aplicação prática da PL precisamos de adicionar uma dimensão dinâmica que estuda o

impacto de fazer mudanças nos parâmetros do modelo de modo a reflectir a evolução do
mercado e das tecnologias empregues no processo de produção. Esse estudo denomina-se
Análise de Sensibilidade.

4.2.Análise de sensibilidade

A Análise de Sensibilidade (AS) ou Análise Postoptimidade estuda o efeito de variação dos

parâmetros do modelo, partindo da tabela óptima de Simplex.

Para ilustrar o processo de AS vamos voltar ao exemplo do problema da produção de

cerveja:

Uma fabrica de cerveja produz três tipos distintos de cerveja: 2M, laurentina preta e
laurentina clara. Para o seu fabrico, para além de água e lúpulo para os quais não há limitação
da sua disponibilidade, são necessários malte e levedura que limitam a capacidade diária da
produção.

A tabela seguinte fornece a quantidade necessária de cada um destes recursos para produzir
uma unidade (litros) de cada tipo de cerveja, as quantidades disponíveis de cada recurso e os
benefícios (Mt) por cada litro produzido:

Domingos Uchavo, Maputo, 2013

 76
4. Análise de Sensibilidade

______________________________________________________________________________

atéria 2M P C Disp.
prima
Malta 2 1 2 30
Levedura 1 2 2 45
Lucro 4 7 3

O proprietário da fábrica pretende decidir quantas unidades (litros) de cada tipo de cerveja
para que o beneficio total diário seja máximo,

Resolução:
a. variáveis de decisão:
Xj, j=1,2,3
onde:
x1 – quantidades de cerveja 2 M
x2 – quantidades de cerveja laurentina preta
x3 – quantidades de cerveja laurentina clara

o modelo será:

maz Z  4x1  7 x2  3x3

sa
2 x1  x2  2 x3  30
x1  2 x2  2 x3  45
x1, x2 , x3  0
A resolvendo o problema obtemos a seguinte solução óptima:

Cj 4 7 3 0 0
Cb Vb x1 x2 x3 x4 x5 Xb
4 x1 1 0 2/3 2/3 -1/3 5
7 x2 0 1 2/3 -1/3 2/3 20
zj-cj 0 0 13/3 1/3 10/3 160

Domingos Uchavo, Maputo, 2013

 77
4. Análise de Sensibilidade

______________________________________________________________________________

A solução é:

x1*  5
x 2*  20
x 3*  0
x 4*  0
x 5*  0
z *  160

O que significa que temos que produzir 5 litros de cerveja 2M, 20 de cerveja laurentina preta
, não produzir a cerveja laurentina clara.
Toda a disponibilidade dos recursos (malte e levedura) será consumida.
Teremos um beneficio (lucro) total de 160,00 U.m.

Vamos fazer análise de sensibilidade deste problema variando os valores dos parâmetros do
modelo sem sair da solução óptima.

Domingos Uchavo, Maputo, 2013

 78
4. Análise de Sensibilidade

______________________________________________________________________________

4.2.1. Variação dos coeficientes da função objectivo

Dependendo da natureza do problema, os coeficientes da função objectivo podem representar

benefícios (lucros, ganhos,...) que há que maximizar ou prejuízos (custos, perdas, gastos, tempo,
distancias...) que há que minimizar.

A variação em um coeficiente da função objectivo pode afectar a optimidade da solução

e a função objectivo.

Neste caso é necessário recalcular novos indicadores e o valor da função objectivo.

1. Se os novos indicadores satisfazem a condição da optimidade, a solução mantêm-se mas o

valor da função objectivo pode mudar, caso de coeficientes básicos.
2. Se os novos indicadores violam a condição de optimidade, usamos o algoritmo de Simplex
para achar uma nova solução.

Domingos Uchavo, Maputo, 2013

 79
4. Análise de Sensibilidade

______________________________________________________________________________

Suponhamos, por exemplo, que o preço de cerveja laurentina preta passa de 7 para 8 meticais,
teremos:

maz Z  4x1  8 x2  3x3

sa
2 x1  x2  2 x3  30
x1  2 x2  2 x3  45
x1, x2 , x3  0

Cj 4 8 3 0 0
Cb Vb x1 x2 x3 x4 x5 Xb
4 x1 1 0 2/3 2/3 -1/3 5
8 x2 0 1 2/3 -1/3 2/3 20
zj-cj 0 0 13/3 0 4 180

Suponhamos, agora , que o lucro de cerveja laurentina preta passa para 10 meticais, teremos:

Cj 4 10 3 0 0
Cb Vb x1 x2 x3 x4 x5 Xb
4 x1 1 0 2/3 2/3 -1/3 5
10 x2 0 1 2/3 -1/3 2/3 20
zj-cj 0 0 28/3 -2/3 19/3 220

Afecta a optimidade: x4 entra e x1 sai:

Cj 4 10 3 0 0
Cb Vb x1 x2 x3 x4 x5 Xb
0 X4 3/2 0 1 1 -1/2 15/2
10 x2 1/2 1 1 0 1/2 45/2
zj-cj 1 0 7 0 5 225

Domingos Uchavo, Maputo, 2013

 80
4. Análise de Sensibilidade

______________________________________________________________________________

Intervalo óptimo dos coeficientes de função objectivo

Outra forma de investigar o efeito da mudança dos coeficientes da função objectivo é calcular,
para cada coeficiente, o intervalo que mantêm a solução óptima.

Por exemplo, pretende-se saber qual é o efeito da variação do lucro unitário da cerveja laurentina
preta (c2 ) no beneficio total (Fo).

Partindo da tabela óptima:

Cj 4 c2 3 0 0
Cb Vb x1 x2 x3 x4 x5 Xb
4 x1 1 0 2/3 2/3 -1/3 5
c2 x2 0 1 2/3 -1/3 2/3 20
zj-cj 0 0 2c2  1 8  c2 2c2  4 20+20c2
3 3 3

Para que a tabela se mantenha óptima, z j  c j  0, j ,

Então teremos o sistema:

 2c2 1  1
 3 0 c 2   0 .5
 2c2  1  0 2c2  1 2
 8  c2   
  0 ↔ 8  c2  0 ↔  c2  8 ↔ c 2 8
 3 2c  4  0 2c  4 c
 2c2  4  2  2 2
 3 0  2
 
c 2  2; 8

Neste intervalo a solução continua óptima. Isto significa o lucro unitário de cerveja
laurentina preta pode variar de 2 a 8 u.m sem sairmos da solução óptima. Fora deste
intervalo a solução deixa de ser óptima.
Exemplos:

Domingos Uchavo, Maputo, 2013

 81
4. Análise de Sensibilidade

______________________________________________________________________________

1)
c2  5
2  5 1 9
z 3c3   30
3 3
5 1 4
z 4 c4   0
3 3
25  4 6
z 5 c5   20
3 3

Solução óptima:

X *  (5;20;0;0;0)
Z *  20  20  5  120

2)
c2  10
2  10  1 19
z 3c3   0
3 3
8  10  2
z 4 c4   0
3 3
2  10  4 16
z 5 c5   0
3 3

A solução não é óptima.

Para calcular uma nova solução há que aplicar o algoritmo de Simplex

Domingos Uchavo, Maputo, 2013

 82
4. Análise de Sensibilidade

______________________________________________________________________________

Exercício:

Estude o efeito que produz a variação de c1.

Vamos estudar o efeito da variação do coeficiente não básico x 3 relativa a cerveja laurentina
clara.

Cj 4 7 c3 0 0
Cb Vb x1 x2 x3 x4 x5 Xb
4 x1 1 0 2/3 2/3 -1/3 5
7 x2 0 1 2/3 -1/3 2/3 20
zj-cj 0 0 22 1 10 160
 c3
3 3 3

22 22
 c3  0  c3   7.33
3 3
Então

c3   ;7.33

Conclusão:

1. A variação de um coeficiente básico afecta os indicadores e o valor da função

objectivo.
2. A variação de um coeficiente não básico só afecta o indicador da respectiva
variável.

Domingos Uchavo, Maputo, 2013

 83
4. Análise de Sensibilidade

______________________________________________________________________________

4.2.2. variação dos coeficientes tecnológicos

Os coeficientes tecnológicos (aij) representam os gastos por unidade de variação do recurso bi.
A análise faz-se nos coeficientes não básicos já para os básicos a situação é complicada (Rios,
1996). Esta variação afecta apenas a optimidade da solução.
Por exemplo se diminuir os gastos iniciais de levedura 2 para por exemplo 1 na produção, temos:

Cj 4 7 3 0 0
Cb Vb x1 x2 x3 x4 x5 Xb
4 x1 1 0 2/3 2/3 -1/3 5
7 x2 0 1 1 -1/3 2/3 20
zj-cj 0 0 20/3 1/3 10/3 160

Intervalo de optimidade dos coeficientes tecnológicos

Sejam:

a ij = novo valor do coeficiente da variável não básica xj

a j  novo vector tecnológico associado a xj
  
Então teremos: z j  c k  cbT a j  c j
 
Para que a solução continue óptima exige-se que z j  c j  0

Suponhamos que se pretende estudar o efeito da variação do coeficiente a 23 .

Cj 4 7 3 0 0
Cb Vb x1 x2 x3 x4 x5 Xb
4 x1 1 0 2/3 2/3 -1/3 5
7 x2 0 1 a23 -1/3 2/3 20
zj-cj 0 0 21a 23  1 1/3 10/3 160
3

Para que a tabela permaneça óptima temos que

Domingos Uchavo, Maputo, 2013

 84
4. Análise de Sensibilidade

______________________________________________________________________________

 
z 3  c3  0
21a23  1
 0
3
 21a23  1  0
a23  1 / 21  0.048

Exercício: Analise o efeito da variação de a13.

4.2.3. Variação de disponiblidades de recursos

Uma variação nas disponiblidades de um ou vários recursos (bi) produz efeitos na variação
nos valores da solução básica (Xb) e no valor da função objectivo (Z). Esta variação pode
afectar a admissibilidade da solução óptima.

Para analisar o efeito da variação dos recursos utiliza-se a matriz B-1 associada as variáveis
de folga ou artificiais que inicialmente estiveram na base.

B-1 obtêm-se da tabela óptima a partir das colunas correspondentes ao conjunto de variáveis
da base inicial.

Sejam

b  novo vector de recursos

A nova solução obtém-se através das seguintes fórmulas:

 
X b  B 1 b
 
Z  CbT X b

 
Para que a solução seja admissível exige-se que X b seja não negativo ( X b  0 )

Domingos Uchavo, Maputo, 2013

 85
4. Análise de Sensibilidade

______________________________________________________________________________

No nosso exemplo as variáveis da base inicial são x4 e x5 então

 2 / 3  1 / 3
B 1   
  1 / 3 2 / 3

Suponhamos que a disponibilidade do malte passa para 90.

A nova solução será:
   2 / 3  1 / 3  90   45 
X b  B 1 b       
  1 / 3 2 / 3  45   0 
   45 
z  C bT X b  (4;7)   4  45  7  0  180
0 

Suponhamos, agora, que a disponibilidade do malte é de 15.

A nova solução será:
   2 / 3  1 / 3 15    5 
X b  B 1 b       
  1 / 3 2 / 3  45   25 

Solução não admissível.

Para buscar a nova solução admissível temos que usar o método dual de Simplex:

Cj 4 7 3 0 0
Cb Vb x1 x2 x3 x4 x5 Xb
4 x1 1 0 2/3 2/3 -1/3* -5
7 x2 0 1 2/3 -1/3 2/3 25
zj-cj 0 0 13/3 1/3 10/3 155

x1 sai e x5 entra.

Cj 4 7 3 0 0
Cb Vb x1 x2 x3 x4 x5 Xb
0 X5 -3 0 -2 -2 1 15
7 x2 2 1 2 1 0 15
zj-cj 10 0 11 7 0 105

Domingos Uchavo, Maputo, 2013

 86
4. Análise de Sensibilidade

______________________________________________________________________________

Intervalo de admissibilidade da disponibilidade de recursos

Vamos estuar o efeito da variação da disponibilidade malte (b1):

   2 / 3  1 / 3  b1 
X b  B 1 b    
  1 / 3 2 / 3  45 

Para que a nova solução seja factível exige-se que:


Xb  0
 2 / 3  1 / 3  b1   0 
     
  1 / 3 2 / 3  45   0 
 2b1  45
 3 0  45
2b1  45  0 b1   22.5
   2
  b1  90  0  b1  90  0 b1  90
 3

b1  22.5; 90
Assim a solução continuará admissível se a disponibilidade de malte variar dentro do
intervalo 22.5 a 90.

Exercício: Estude o intervalo de admissibilidade da variação de levedura.

Também se pode fazer o estudo do efeito da variação simultânea de malte e levedura.

Domingos Uchavo, Maputo, 2013

 87
4. Análise de Sensibilidade

______________________________________________________________________________

4.2.4. introdução de uma nova restrição

Uma vez formulado e resolvido um problema, em alguns casos, pode ser necessário ou
conveniente considerar alguma nova restrição porque foi esquecida ou porque há uma
informação adicional ou nova. Neste caso há que introduzir uma nova restrição.
Para avaliar o impacto da nova restrição basta verificar se a solução óptima x* satisfaz a nova
restrição:
 Se a solução óptima satisfaz a nova restrição, então a nova restrição não produz efeito sobre a
solução óptima. Neste caso a nova restrição é redundante e pode ser ignorada e mantêm-se a
solução óptima.

 Se a solução óptima não satisfaz a nova restrição, então há que avaliar o efeito da nova
restrição sobre a solução. Tal avaliação passa pela introdução da nova restrição e uma
variável de folga ou folga e artificial na tabela óptima. Neste caso há que fazer algumas
operações com linhas para que as variáveis básicas formem uma matriz identidade como é
requerido.

Exemplo:

Se o fabricante de cerveja decide introduzir no plano de produção uma restrição relativa a

possibilidade de adicionar lúpulo ao processo de produção de forma que a fabricação de um litro
de cerveja 2M gastos de 3 g, 1g para laurentina preta e 1g para laurentina clara. Avalie o
impacto desta restrição:

1) Se a disponibilidade total de lúpulo for de 35.

2) Se a disponibilidade total de lúpulo for de 30.

Domingos Uchavo, Maputo, 2013

 88
4. Análise de Sensibilidade

______________________________________________________________________________

Resolução:
A solução óptima do problema é :
X *  5;20;0

1) Se a disponibilidade total de lúpulo for de 35, a nova restrição será:

3x1  x 2  x3  35 e 3  5  20  0  35  35 .
A solução óptima satisfaz a nova restrição, significa que a nova restrição é redundante.

2) Se a disponibilidade total de lúpulo for de 30, a nova restrição será:

3x1  x 2  x3  30 e 3  5  20  0  35  30 .
A solução óptima não satisfaz a nova restrição, então há que estudar o efeito desta restrição
na tabela óptima.

Para determinar a nova solução, há que introduzir a nova restrição com a respectiva variável
da folga na tabela óptima:

3x1  x2  x3  x6  30

Cj 4 7 3 0 0 0
Cb Vb x1 x2 x3 x4 x5 x6 Xb
4 x1 1 0 2/3 2/3 -1/3 0 5
7 x2 0 1 2/3 -1/3 2/3 0 20
0 x6 3 1 1 0 0 1 30
zj-cj 0 0 13/3 1/3 10/3 0 160

Como se pode ver as variáveis básicas x1 , x2 e x6 não forma uma matriz identidade.
Para solucionar o problema há que multiplicar a 1ª fila por -3 e a 2 ª fila por -1 e somar a
3 ª fila:

Domingos Uchavo, Maputo, 2013

 89
4. Análise de Sensibilidade

______________________________________________________________________________


l 3  l3  3l1  l2

Então a fila 3 terá os seguintes elementos:


a 31  3  3  1  0  0

a 32  1  3  0  1  0

a 33  1  3  2 / 3  2 / 3  5 / 3

a 34  0  3  2 / 3  1 / 3  5 / 3

a 35  0  3  (1 / 3)  2 / 3  1 / 3

a 36  1  3  0  0  1

xb3  30  3  5  20  5

A nova tabela será:

Cj 4 7 3 0 0 0
Cb Vb x1 x2 x3 x4 x5 x6 Xb
4 x1 1 0 2/3 2/3 -1/3 0 5
7 x2 0 1 2/3 -1/3 2/3 0 20
0 x6 0 0 -5/3 -5/3 1/3 1 -5
zj-cj 0 0 13/3 1/3 10/3 0 160

Temos uma solução não admissível já que Xb≤0.

Há que aplicar o algoritmo dual de Simplex para alcançar a uma nova solução admissível.
Tirando x6 e introduzindo x4 obtemos:

x*  3;21;3
z*  159

Comprove!

Domingos Uchavo, Maputo, 2013

 90
4. Análise de Sensibilidade

______________________________________________________________________________

4.2.5. introdução de nova variável

Uma vez resolvido um problema pode ser necessário introduzir um novo produto ou
actividade no plano de produção.

Neste caso é interessante analisar o efeito da introdução do novo produto no plano de

produção. Isto implica introdução de uma nova variável de decisão no modelo.

 Se nova variável de decisão não afectar a solução óptima então será uma variável não
básica.
 Se a nova variável afecta a solução óptima, então deve entrar na base.

A adição de um novo produto/actividade é desejável somente se isso for rentável, isto é,

se melhora o valor da função objectivo.
.
A análise é feita tendo em conta que cada variável de decisão primal gera uma restrição
dual e vice-versa.

Domingos Uchavo, Maputo, 2013

 91
4. Análise de Sensibilidade

______________________________________________________________________________

A análise é feita seguindo passos seguintes:

Passo 1:
Se o problema tem k-1 variáveis de decisão, então a nova variável será xk e modifica-se o
problema primal com a contribuição da nova variável na fo e nas restrições.

Passo 2:
Construir a k-ésima restrição dual e comprovar se a solução dual y* (lida da tabela óptima
primal) verifica a restrição dual:
 Se y* satisfaz a restrição dual então xk não afecta a tabela óptima.
 Caso contrário, ir ao passo 3.

Passo 3:
Introduzir uma nova coluna na tabela óptima primal com os seguintes elementos:

ak  B 1 ak
  
z k  c k  CbT ak  ck

Passo 4:
Aplicar o método de Simplex para determinar uma nova solução óptima.

Domingos Uchavo, Maputo, 2013

 92
4. Análise de Sensibilidade

______________________________________________________________________________

Exemplo:
Suponhamos que o fabricante pretende produzir uma nova cerveja sem álcool que requer por
cada litro, 1 g de malte e 1 de levedura e o beneficio de 5 u.m. Sabe-se que não haverá
problemas para colocar o produto no mercado.
Neste caso é interessante saber se o novo produto será economicamente rentável.

Solução:

Seja x4: quantidades da nova cerveja sem álcool. O novo modelo será:
Max Z  4x 1  7 x 2  3 x3  5 x 4
sa
2 x1  x 2  2 x3  x 4  30
x1  2 x 2  2 x3  x 4  45
x1 , x 2 , x3 , x 4  0

A nova restrição dual gerada pela nova variável será:

y1  y 2  5

A solução dual é:

y *  (1 / 3; 10 / 3)

Verificação:

y1  y 2  5
1 / 3  10 / 3  11 / 3  3.7

Não verifica!

Domingos Uchavo, Maputo, 2013

 93
4. Análise de Sensibilidade

______________________________________________________________________________

Temos que construir uma nova coluna associada a x4 com os seguintes elementos:

  2 / 3  1 / 3 1 1 / 3 
a 4  B 1 a 4       
  1 / 3 2 / 3 1 1 / 3 
   1 / 3 
z 4  c 4  C BT y 4  c 4  4;7    5  4 / 3
 1 / 3 

Cj 4 7 3 5 0 0
Cb Vb x1 x2 x3 x4 x5 x6 Xb
4 x1 1 0 2/3 1/3 2/3 -1/3 5
7 x2 0 1 2/3 1/3 -1/3 2/3 20
zj-cj 0 0 13/3 -4/3 1/3 10/3 160

Aplicando o algoritmo de Simplex temos que x4 entra e x1 sai.

A nova solução será:

Cj 4 7 3 5 0 0
Cb Vb x1 x2 x3 x4 x5 x6 Xb
5 x4 3 0 2 1 2 -1 15
7 x2 -1 1 0 0 -1 1 15
zj-cj 4 0 7 0 3 2 180

x *  0;15;0;15
z *  180

Significa produzir a 15 unidades de cerveja clara e 15 de cerveja sem álcool e obtemos um lucro
de 180 u.m.
Como passamos de um lucro de 160 para 180 u.m. a introdução da cerveja sem alcool é rentável.

Domingos Uchavo, Maputo, 2013

 94
4. Análise de Sensibilidade

______________________________________________________________________________

Exercícios

1. Dado o problema:

max z  2 x1  2 x 2  x 3
s.a
2 x1  2 x 2  x 3  6
x1  x 2  x 3  4
x0

a) Determine a solução óptima.

b) Determine o intervalo de c2 para que a tabela permaneça óptima.

c) Quanto pode aumentar c1, antes que a tabela deixe de ser óptima.

d) Determine as soluções óptimas para cada um dos valores c3=-5 e c3=3.

e) Quanto podem variar os valores dos recursos b1 e b2 para que a tabela

permaneça óptima.

f) Quanto podem variar o valor do recurso b2 para que a tabela permaneça óptima.

g) Determinar a solução óptima para cada um dos valores b2=6 e b2=8.

h) Determinar a solução óptima se ao problema original se incorpora a restrição

x1  x 2  x3  3 .

i) Se se incorpora uma nova variável com o coeficiente 2 na função objectivo, 1 na

primeira restrição e 2 na segunda. Afectará a solução óptima?

Domingos Uchavo, Maputo, 2013

 95
4. Análise de Sensibilidade

______________________________________________________________________________

2. A seguinte tabela de Simplex e a tabela inicial de um problema em forma padrão

com três restrições, a primeira devido a matéria prima, a segunda o trabalho e a

terceira de tipo de técnico. Sejam x 4 , x5 e x6 , variáveis de folga e a tabela óptima obtida

a resolver o problema aparece debaixo.

Tabela inicial

CJ 3 -1 2 0 0 0
CB VB x1 x2 x3 x4 x5 x6 XB
0 x4 2 3 1 1 0 0 12
0 x5 2 4 -1 0 1 0 10
0 x6 1 1 1 0 0 1 4
zj-cj -3 1 -2 0 0 0 0

Tabela final

CJ 3 -1 2 0 0 0
CB VB x1 x2 x3 x4 x5 x6 XB
0 x4 0 1 -1 1 0 -2 4
0 x5 0 2 -3 0 1 -2 2
3 x1 1 1 1 0 0 1 4
zj-cj 0 4 1 0 0 3 12

a) Qual é a nova solução óptima se se dispõe de 6 unidades do 3º recurso em vez

de quatro originais?
b) Determinar o intervalo de c1 para que a tabela permaneça óptima. Idem para c 2
c) Determinar a solução óptima se o primeiro recurso se incrementa em 6 unidades
e o segundo diminui em 3.
d) Qual é a nova solução se a 31 =3 em vez do valor a 31 =1?Idem se a22  1 .

Domingos Uchavo, Maputo, 2013

 96
4. Análise de Sensibilidade

______________________________________________________________________________

3. Dado o modelo de programação linear:

max z  x1  0.3x 2  3 x 3
s.a
x1  x 2  x 3  10
2 x1  x 2  4 x 3  12
x1  3x 2  x 3  9
x0

a) Determine a solução óptima.

b) Qual é o intervalo de estabilidade para o coeficiente de x3? Interprete o

resultado.

c) Suponha que um novo produto usa duas unidades do recurso 1, uma do recurso

2 e três do recurso 3. Qual deverá ser o lucro unitário por sua incorporação no

programa?

d) Qual é o limite para o aumento da disponibilidade do recurso 2 que mantêm a

informação em seu preço sombra?

Domingos Uchavo, Maputo, 2013

 97
4. Análise de Sensibilidade

______________________________________________________________________________

4. Uma fábrica produz 3 produtos (A, B e C) cujas margens brutas unitárias são de
4, 1 e 2 euros, respectivamente. Os recursos utilizados por unidade produzida são
os seguintes:
Produtos Recurso I Recurso II

A 2 1

B 1 4

C 0 2

A disponibilidade dos recursos I e II é de 16 e 12 unidades, respectivamente.

Segundo o Director de Produção, a produção de A e B não deve ser inferior ao
dobro da produção de C em 6 unidades. A produção óptima é de 8 unidades do produto A e 1
unidade do produto C.
a) Formalize o problema em termos de programação linear e resolva-o pelo
método do Simplex.
b) Indique a interprete economicamente a solução óptima do
problema dual.
c) O Director de Marketing propõe baixar a margem bruta unitária do produto A
em 2 euros. Que implicações terá esta alteração no plano de produção óptimo? Justifique,
convenientemente, a sua resposta.
d) Segundo a Direcção de Produção a empresa poderá ver-se forçada a reduzir a
quantidade disponível do recurso II para 6 unidades. Que implicações
produzirá esta alteração na solução óptima do problema? E se reduzir este
recurso para 10 unidades?

Fim

Domingos Uchavo, Maputo, 2013