Capítulo 3.

Dualidade e Análise de sensibilidade

3.3 ANÁLISE DE SENSIBILIDADE EM PROGRAMAÇÃO LINEAR

A análise de sensibilidade em modelos de programação linear significa simplesmente

procurar uma nova interpretação a partir da solução obtida. Já que tanto os recursos como
os preços no mercado estão sujeitos a mudanças contínuas e subsequentes reavaliações, a
análise Pós – Optimização é uma ferramenta dinâmica e indispensável ao administrador
para avaliar as consequências das mudanças.

A análise de sensibilidade da solução óptima tem como objectivo determinar as

condições para as quais a solução óptima obtida é ainda válida. A solução óptima de um
problema é calculada com base nos dados do modelo, que podem sofrer variações por
várias razões:
• Porque os dados foram estimados e não traduzem a realidade;
• Novas possibilidades apareceram após a formulação do modelo e que devem ser
consideradas na implementação da solução.

Conclusão: A análise de sensibilidade tem por objectivo verificar a validade da solução

obtida quando submetida a variações nos coeficientes do modelo original.

3.3.1 Variação nas quantidades dos recursos

Exemplo 3.7. Vamos utilizar as tabelas simplex inicial e terminal do problema 3.3
Maximizar Z = 5x1 + 6x2
1x1 + 2 x 2 ≤ 14
1x + 1x ≤ 9

Sujeito à  1 2

7 x1 + 4 x 2 ≤ 56
 xi ≥ 0

Tabela inicial simplex

base x1 x2 x3 x4 x5 bi
x3 1 2 1 0 0 14
x4 1 1 0 1 0 9
x5 7 4 0 0 1 56
Z -5 -6 0 0 0 0

Tabela terminal simplex

base x1 x2 x3 x4 x5 bi
x2 0 1 1 -1 0 5
x1 1 0 -1 2 0 4
x5 0 0 3 -10 1 8
Z 0 0 1 4 0 50

Vamos supor que o recurso b1 seja alterado de 14 para 16. Como esta mudança afectará
os valores da solução original.

Apontamentos de Investigação Operacional 57 Alberto Mulenga

 Capítulo 3. Dualidade e Análise de sensibilidade

De acordo com a propriedade 2, os novos valores das variáveis básicas serão:

 x2   1 - 1 0  16   7 
       
 x1  =  - 1 2 0  • 9  = 2 
 x   3 - 10 1   56  14 
 5 

Como todos os valores são maiores ou iguais a zero, a solução actual é viável e óptima.
Assim para x1 = 2; x2 = 7 e x5 = 14 temos Z = 5*2 + 6*7 = 52, o que significa que a
variação de b1 de 14 para 16 trouxe um aumento no lucro ∆z = 52 – 50 = +2 u.m.

Seja a seguinte mudança para o recurso b1 de 14 para 20.

 x2   1 - 1 0   20  11 
       
 x1  =  - 1 2 0  • 9  =  − 2
 x   3 - 10 1   56   26 
 5 

Como x1 é negativo, esta solução não é viável, logo deve ser procurada uma outra
solução óptima retirando x1 da base.

De um modo geral, pode-se procurar a variação permissível para cada variável nos
recursos sem que a solução se torne inviável.

Demonstração do cálculo dos limites de oscilação dos valores dos recursos.

a) Vamos analisar a variação positiva admissível no recurso b1 do exemplo 3.7, partindo
da solução óptima.
 x2   1 - 1 0  14 + d 
     
 x1  =  - 1 2 0  • 9 ≥0
 x   3 - 10  
1   56 
 5  
Resolvendo o produto matricial temos:
5 + d  5 + d ≥ 0 d ≥ − 5
   
 4 − d  ≥ 0 ou 4 − d ≥ 0 ⇔ d ≤ 4
 8 + 3d  8 + 3d ≥ 0 d ≥ − 8 / 3
   

A maior variação positiva no recurso 1, sem alterar a base é de 4 unidades (d = 4), ou seja
o valor máximo admissível é 14+4 = 18 unidades.

b) Vamos analisar agora a variação negativa no recurso 1.

 x2   1 - 1 0  14 − d  5 − d ≥ 0 d ≤ 5
       
 x1  =  - 1 2 0  • 9  ≥ 0 ; 4 + d ≥ 0 ⇔ d ≥ −4
 x   3 - 10 1   56  8 − 3d ≥ 0 d ≤ 8 / 3
 5    

A maior variação negativa no recurso 1, sem alterar a base deve ser de 8/3 ou o valor
mínimo admissível é de 14 – 8/3 = 34/3.

Apontamentos de Investigação Operacional 58 Alberto Mulenga

 Capítulo 3. Dualidade e Análise de sensibilidade

Assim, sem haver alteração na base que forma a solução óptima, a quantidade do recurso
1 pode variar de 34/3 até 18. Com o recurso 2, usando o mesmo raciocínio calcula-se o
intervalo de oscilação. Quanto ao recurso 3, cuja variável de folga tem valor positivo na
solução básica (tabela terminal), a redução máxima admissível é a própria folga (8
unidades) e qualquer aumento não afecta a solução final.

Intervalo óptimo de variação dos recursos

Para se obter os intervalos de oscilação dos recursos podem se usar os limites:

∆+ = limite superior – é igual ao menor quociente absoluto entre o novo valor do recurso
na tabela terminal da variável que era básica na tabela inicial (no nosso caso o recurso 1
está associado a x3) e os coeficientes negativos da mesma variável na tabela terminal
(razões negativas).
 b 
∆+ = min | raz. neg | = min |  i  |; a ij < 0
 a ij 
∆- = limite inferior – é igual ao menor quociente absoluto entre os novos recursos
óptimos e os coeficientes positivos da variável associada ao recurso bi (razões positivas).
 b 
∆− = min | raz. pos | = min |  i  |; a ij > 0
 a ij 
Exemplo 3.8. Calcular o intervalo óptimo de oscilação de todos os recursos do exemplo
3.7 anterior.
a) b1 está associado a x3 = 14 na tabela inicial, logo vamos usar a coluna de x3 na tabela
terminal.
4 5 8 8
∆+ = min | raz. neg | = min | | = 4 ↑ . ∆− = min | raz. pos | = min | ; |= ↓ .
-1 1 3 3
O intervalo é: 14 – 8/3 ≤ b1 ≤ 14 + 4 ⇔ 34/3 ≤ b1 ≤ 18

b) b2 está associado a x4 = 9 na tabela inicial, logo vamos usar a coluna de x4 na tabela

terminal.
5 8 4
∆+ = min | raz. neg | = min | ; |= ↑.
- 1 − 10 5
4
∆− = min | raz. pos | = min | | = 2 ↓ .
2
O intervalo é: 9 – 2 ≤ b2 ≤ 9 + 4/5 ⇔ 7 ≤ b2 ≤ 9.8

c) b3 está associado a x5 = 56 na tabela inicial, logo vamos usar a coluna de x5 na tabela

terminal.
∆+ = min | raz. neg | = min | nao existe | = nao limitado ↑ .
8
∆− = min | raz. pos | = min | | = 8 ↓ .
1
O intervalo é: 56 - 8 ≤ b3 ≤ 56 + ∞ ⇔ 48 ≤ b3 ≤ ∞

Apontamentos de Investigação Operacional 59 Alberto Mulenga

 Capítulo 3. Dualidade e Análise de sensibilidade

Exemplo 3.9. Seja o seguinte problema de programação linear, reportando os lucros

unitários e as horas gastas na produção de um determinado artigo que passa por três
secções:
max imizar z = 16 x1 + 16 x 2 (margem bruta)
4x 1 + 4x 2 ≤ 24 (seccao de corte)
4x + 2x ≤ 18
 1 2 (seccao de montagem)
sujeito a 
2x 1 + 6x 2 ≤ 32 (seccao de acabamento)
x i ≥ 0
onde x1 – representa centenas de peças do tipo A a produzir diariamente;
x2 – representa centenas de peças do tipo B a produzir diariamente.
O quadro óptimo do simplex para este modelo económico matemático é o seguinte

base x1 x2 x3 x4 x5 Recurso
x2 0 1 1/2 -1/3 0 3
x1 1 0 -1/4 1/2 0 3
x5 0 0 -5/2 2 1 8
Z 0 0 4 0 0 96

Admitindo que a disponibilidade do recurso na secção de corte seja alterada de 24 para 30

horas, quais as consequências desta alteração na solução óptima.

Resolução
 x 2   1/2 - 1/3 0   30   9 
       
 x1  =  - 1/4 1/2 0  • 18  =  3 / 2 
 x   - 5/2 2 1   32   − 7 
 5 

x5 deve sair da base e o novo z é: Z = 16*3/2 + 16*9 = 168

base x1 x2 x3 x4 x5 Recurso
x2 0 1 1/2 -1/3 0 9
x1 1 0 -1/4 1/2 0 3/2
x5 0 0 -5/2 2 1 -7
Z 0 0 4 0 0 168

Iteração 1. (método dual - simplex)

base x1 x2 x3 x4 x5 Recurso
x2 0 1 0 1/15 1/5 38/5
x1 1 0 0 3/10 -1/10 11/5
x3 0 0 1 -4/5 -2/5 14/5
Z 0 0 0 16/5 8/5 784/5

Solução
X = (11/5; 38/5; 14/5; 0; 0) com Zmax = 784/5 e ∆z = 304/5

Apontamentos de Investigação Operacional 60 Alberto Mulenga