ÍNDICE

RESUMO ......................................................................................................................... 2
ABSTRACT ..................................................................................................................... 3
INTRODUÇÃO ................................................................................................................ 4
Objectivo Geral................................................................................................................. 5
Objectivo Especifico......................................................................................................... 5
TEORIA DE PROGRAMAÇÃO LINEAR ..................................................................... 6
Conceitos básicos ............................................................................................................. 6
Solução gráfica ................................................................................................................. 7
Forma padrão .................................................................................................................... 9
Forma canônica............................................................................................................... 10
MÉTODO SIMPLEX ..................................................................................................... 11
Algoritmo Simplex Tabular ............................................................................................ 11
Soluções Ótimas Múltiplas ............................................................................................. 12
Adaptações de Casos Específicos ................................................................................... 12
Método Big-M ................................................................................................................ 12
DUALIDADE NA PROGRAMAÇÃO LINEAR .......................................................... 13
CONCLUSÃO ................................................................................................................ 14
REFERÊNCIAS BIBLIOGRÁFICAS ........................................................................... 15
 RESUMO

Neste trabalho realizou-se o estudo dos principais conceitos da Programação

Linear, de forma a prover o entendimento de seus métodos de construção e resolução de
problemas. Para tal, foram estudados e são aqui apresentados os conceitos essenciais
para a formulação dos problemas em sua forma padrão através de uma fundamentação
teórica e resolução de exemplos, permitindo assim uma compreensão da Programação
Linear. Para solução dos problemas, foram estudados os métodos Simplex, Simplex
Revisado e Dual Simplex bem como a Dualidade na programação linear e suas formas
de resolução.

Palavras-Chave: Programação Linear. Simplex. Dualidade. Revisado

2
 ABSTRACT

This work was carried out to study the main concepts of Linear Programming in
order to provide an understanding of their construction methods and problem solving.
For such, were studied and are presented here, the essential concepts for the formulation
of problems in their standard form through a theoretical basis and resolution of
examples, thus allowing an understanding of Linear Programming. To solve the
problems, the Simplex, Revised Simplex and Dual Simplex methods as well as the
Duality in linear programming and its forms of resolution have been used.

Keywords: Linear Programming. Simplex. Duality. Revised.

3
 INTRODUÇÃO

O tema escolhido para objecto desta dissertação “Programação Linear” a

Programação Linear foi criada por Dantzig (1948) como forma de um planejamento
automatizado para distribuição de recursos, logística e alocacção de tempo para o
exército dos Estados Unidos. Em sua essência, a Programação Linear tem como foco a
otimização de sistemas, através da maximização ou minimização de determinados
problemas matematicamente formulados (Hillier; Leiberman, 2006).

Em 1949, Dantizg publicou um estudo que descrevia o Método Simplex para

resolução de problemas de Programação Linear. Esse método é amplamente utilizado
devido a sua capacidade de gerir problemas complexos de tomada de decisão, bem
como a habilidade de produzir decisões aceitáveis em um curto período de tempo
(Hillier; Leiberman, 2006). Este estudo tem como objetivo fornecer o conhecimento
necessário sobre os principais conceitos e formas de resolução de problemas de
Programação Linear, atuando como forma de aprendizado na resolução e construção de
problemas através dos algoritmos disponíveis atualmente.

4
Objectivo Geral

 É utilizado para otimizar (maximizar ou minimizar) uma função linear de

variáveis, chamada de função objetivo, sujeita a uma série de equações (ou
inequações) lineares, chamadas restrições.

Objectivo Especifico

 Reconhecer os problemas que passíveis de análise pelo modelo;

 Auxiliar o analista no estágio inicial da investigação;
 Avaliar e interpretar inteligentemente os resultados;

5
 TEORIA DE PROGRAMAÇÃO LINEAR

Conceitos básicos
A Programação Linear tem como objetivo a realização de operações com
finalidade de encontrar a melhor solução e auxiliar na tomada de decisões de problemas
que sejam representados por modelos com expressões lineares. Essa abordagem tem
como escopo a maximização ou minimização de uma função linear, chamada Função
Objetivo, que comumente é dada por:

= 1 1 + 2 2 +⋯+ , no qual as variáveis são chamadas de variáveis de

decisão.

Para determinar quais os valores adequados que as variáveis de decisão devem

assumir, é necessário seguir um conjunto de equações ou inequações também lineares,
que determinam regras que o modelo deve adotar. Esse conjunto de expressões são
conhecidos por Restrições do Modelo e seguem a seguinte estrutura:

11 11 + 12 12 +⋯+ 1 1 ≤ 1

21 21 + 22 22 + ⋯ + 2 2 ≤ 2
⋮ ⋮ ⋮ ⋮ ⋮
1 1 + 2 2 +⋯+ ≤ m

1, 2, …, ≥ 0.
As Restrições do Modelo são responsáveis pela delimitação de uma área de
solução conhecida por área factível ou área viável. A melhor solução, conhecida por
solução ótima, é encontrada dentro dessa região podendo maximizar ou minimizar a
função objetivo. Bazaraa, Jarvis e Sherali (2010) definem que um problema de
Programação Linear deve ser criado à partir de uma análise que demanda uma série de
passos, são eles:

 Formulação do problema: Consiste em uma avaliação do problema real, no

qual deve-se considerar fatores limitantes, possíveis variações, constantes e
restrições. É nessa etapa que ocorre a coleta de dados e identifica-se o
problema a ser estudado;
 Construção do modelo matemático: Representa a fase no qual o problema
matemático é idealizado por meio da análise feita durante o passo anterior. A

6
 formulação deve ser minuciosamente construída para que a mesma gere um
modelo matemático que representa o problema;
 Obtenção de uma solução: Deve ser escolhida qual a abordagem de
resolução dar ao modelo. É possível que se busque múltiplas soluções ótimas
ou apenas uma, e para ambos os casos, deve-se escolher heurísticas ou
técnicas que melhor se adequem de forma à se obter o mínimo decréscimo de
qualidade;
 Teste do modelo: Nesse passo são feitas análises de confiabilidade e se
necessário, reestruturações através da adição ou simplificação de expressões,
para que o modelo em questão se torne confiável em diferentes situações.
Para uma maior credibilidade dos resultados é imprescindível também a
análise de resultados esperados com resultados já previstos;
 Implementação: É necessário que o modelo seja constantemente atualizado
com possíveis novos parâmetros ou restrições se necessário, bem como o
mesmo seja reavaliado constantemente para que não se torne obsoleto.

Solução gráfica
Dentre métodos de solução existentes para problemas de Programação Linear, é
extensamente abordado por autores como Bazaraa, Jarvis e Sherali (2010) e Kolman e
Beck (1995) a possibilidade de resolver graficamente problemas com um pequeno
número de variáveis de decisão. Como exemplo, considere o problema (I).

A existência de duas variáveis de decisão possibilita a representação gráfica em

um espaço de duas dimensões, no qual 1 pode assumir o eixo das abcissas e 2 as
ordenadas. Essa categoria de solução de problemas, pode atingir a solução ótima,
seguindo os seguintes passos:
1. Encontrar a região factível de solução através da representação das respectivas
retas das restrições, obedecendo os pontos que satisfazem a restrição.

7
 2. Através da verificação do ponto (0,0), para cada restrição, é possível analisar
visualmente em qual lado da reta a solução estará, possibilitando assim uma
delimitação global utilizando todas as restrições, deixando visível a região
factível.
a) É possível que exista problemas que a área factível não existe, sendo

então considerado um problema impossível, ou infactível.

3. Uma série de retas paralelas podem ser geradas através da representação da

função objetivo. A solução ótima encontra-se no ponto que está associado ao
valor que melhor otimiza o problema e tangencia a região factível.

A Figura 1 exibe a representação gráfica de todas as restrições referentes ao modelo

Considerando as restrições para a percepção da região factível do problema,

conforme indicado no passo 2, é criado então o gráfico apresentado na Figura 2.

Figura 2 – Região factível do problema (I) em destaque

8
 A Figura 3 apresenta as retas referentes a função objetivo, gerando um gradiente
que permite que seja visualizada possíveis soluções do problema.

Figura 3 – Retas com a função objetivo destacadas no gráfico.

É presumível por meio da análise da tendência das retas que o ponto que leva a
melhor solução do problema encontra-se na interseção entre as retas das equações (1) e
(2), gerando o respectivo sistema:

A resolução do sistema gerado por essas duas equações levam ao ponto (200,
600). Substituindo tais valores na função objetivo, obtém-se = 2600. Que é a solução
ótima.

Forma padrão

Para que se utilize um algoritmo de solução como o Simplex ou Simplex

revisado, comumente utilizado em problemas práticos, é recomendável que o problema
tratado seja transformado em uma forma padrão. O modelo de minimização encontra-se
na forma padrão na seguinte formulação, de acordo com Marins (2011):

9
 Forma canônica
Considere o seguinte sistema de equações:

O conjunto solução do sistema são os valores de 1, 2, 3, 4 e 5 que

satisfazem ambas as equações do sistema simultaneamente. Sendo considerado um
Sistema Equivalente. Sistemas equivalentes podem ser obtidos por meio de um processo
matemático chamado Método de Eliminação de Gauss Jordan. Esse processo se baseia
na multiplicação e divisão de uma das equações de um sistema por um determinado
número que ao se somar a combinação linear em outra equação, resulta em termos
eliminados.

O Método de Eliminação de Gauss Jordan no sistema contendo as equações (11)

e (12) é iniciado com a multiplicação de (11) por -1 seguido da adição a (12), obtendo
assim, o seguinte sistema equivalente:

Ainda é possível eliminar 2 de (13) Multiplicando (14) por 2 e somando-a na equação

em questão, o que resulta em:

Como não é mais possível reduzir a quantidade de variáveis, é então dito que
essa é a Forma Canônica do sistema original. Considerando o sistema em sua forma
canônica, é possível então realizar as seguintes definições:

 É considerada uma variável básica a que possui o coeficiente 1 em uma das

equações, e assume um valor nulo nas demais. Caso essa condição for falsa, essa
variável então é considerada uma variável não básica. O sistema canônico (II)
discutido, contém 1 e 2 como variáveis básicas e 3 , 4e 5 como não básicas.

10
  A solução básica de um sistema em sua forma canônica é dada fazendo com que
todas as variáveis não básicas assumam um valor nulo. Para o sistema (II) 3 =
4= 5= 0, 1= 6 e 2 = 2 torna a solução básica.
 Quando todas as variáveis assumem valores positivos, é dito que essa solução é
uma solução básica viável. Para o sistema (II) dado, a solução básica é uma
solução básica viável.

MÉTODO SIMPLEX
É um procedimento iterativo algébrico desenvolvido por George B. Dantzig em
1947. Tem por objetivo prosseguir à partir de uma dada solução básica viável, presente
em um ponto extremo, para um outro ponto adjacente que busca acrescer a função
objetivo, ou no pior dos casos mantê-la com o mesmo valor.

O algoritmo é executado até que se encontre uma solução ótima ou conclua-se

que o problema não possui uma solução ótima finita (Kolman; Beck, 1995). O
algoritmo baseia-se em dois passos principais de acordo com Kolman e Beck (1995):

1) Verificar se uma determinada solução básica viável é uma solução ótima;

2) Encontrar uma solução básica viável com mesmo valor ou um valor maior
para a função objetivo.

Algoritmo Simplex Tabular

O método Simplex é utilizado no formato de tabela, que representa uma forma

sucinta e organizada para a resolução de problemas. Para a criação da tabela, é
necessário a identificação dos coeficientes das variáveis e as constantes do lado direito
da equação. A tabela chamada Tabela Simplex, tem o objetivo de simplificadamente
exibir de modo compacto o sistema de equações que leva a uma solução básica viável.

Diversos autores como Kolman e Beck (1995), Bazaraa, Jarvis e Sherali (2010)
ou Hillier e Leiberman (2006) apresentam ligeiras variações na construção da Tabela
Simplex, entretanto não apresentam alterações na realização do algoritmo para a solução
de problemas. Para este estudo, adotou-se o modelo de Bazaraa, Jarvis e Sherali (2010),
que está apresentada da Tabela 1.

11
 Tabela 1 - Formato da tabela no método Simplex tabul

Soluções Ótimas Múltiplas

O fato de um problema de Programação Linear poder ter mais de uma solução,

pode levar a casos onde mais de um resultado ótimo pode ser encontrado. O método
Simplex, ao ser finalizado, consegue indicar se outras soluções ótimas se aplicam. Se
existe algum = 0 associado à alguma variável não básica , então o modelo em
questão possui uma outra solução ótima viável onde é uma variável básica.

Adaptações de Casos Específicos

Em casos que o modelo não segue a forma padrão do resolvido pelo método
Simplex é possível que se utilize processos para que o mesmo se adeque e possa ser
resolvido normalmente. Essas adaptações normalmente exigem que a tabela Simplex
passe por um processo de solução em duas fases, que podem ser feitos através do
Método Big-M.

Método Big-M
Esse método é aplicado em restrições que não respeitam o modelo padrão através
da utilização de restrições funcionais, possuindo portanto o seguinte forma:

12
 O método Big-M se baseia em uma manipulação no formato do modelo, criando
um problema artificial cuja solução ótima é a mesma do problema original. São
introduzidas variáveis artificiais não negativas nas respectivas restrições como se
fossem variáveis de folga. As variáveis criadas necessitam de um custo extremamente
alto, representado pelo coeficiente na função objetivo. O método Simplex para o
problema artificial é executado normalmente, contudo, devese levar em consideração a
necessidade de todos os se tornarem variáveis não básicas, portanto, assumindo
valores nulos. Em seguida, as colunas que representam os valores de devem ser
eliminadas da tabela Simplex e o processo continuado até que se encontre uma solução
ótima. Caso a solução ótima encontrada contenha uma variável artificial com valor
diferente de 0, o problema original é infactível.

DUALIDADE NA PROGRAMAÇÃO LINEAR

Para cada problema de programação linear, esse considerado Primal, existe outro
problema chamado Dual. Esse problema, é gerado diretamente pelos valores contidos
no problema Primal original (BAZARAA; JARVIS; SHERALI, 2010). Assumindo o
seguinte formato:

 Os coeficientes da função objetivo no Primal assumem os valores do lado

direito das restrições do problema Dual;
 Os valores do lado direito do problema Primal tornam-se os coeficientes
de custo da função objetivo no problema Dual, ou seja, gerando uma
variável por restrição;
 Cada conjunto de coeficientes pertencentes à mesma variável presente
nas restrições do Primal, torna-se uma variável no problema Dual;
 Os sinais de desigualdade são invertidos.

Figura 4 – Paralelo entre os problemas Primal e Dual

13
 CONCLUSÃO

Este trabalho teve a finalidade de atuar como uma prática de aprendizado para os
principais conceitos e resoluções de problemas de programação linear. Esse objetivo foi
concluído por meio da exposição dos conceitos referentes aos métodos Simplex,
Simplex Revisado, e Dual Simplex de resolução de problemas de programação linear.
Através dessa conceitualização baseada em uma fundamentação teórica de seus
algoritmos, técnicas de resolução e adaptação de casos foi possível realizar resolução de
problemas que levaram ao entendimento dos conceitos expostos.

14
 REFERÊNCIAS BIBLIOGRÁFICAS

BAZARAA M. S.; JARVIS J. J; SHERALI H. D. Linear Programming and

Network Flows. Virginia: Wiley, 2010. 4 ed. 748 p. DANTZIG G. B. Programming in a
Linear Structure, Comptroller, United States Air Force, Washington, 1948. HILLIER F.
S.; LIEBERMAN G. J,. Introdução à pesquisa operacional. São Paulo:McGraw Hill,
2006. 8 ed. 829 p. KOLMAN B.; BECK R. E. Elementary Linear Programming with
Applications, Estados Unidos: Elsevier, 1995, 449 p. MARINS F. A. S. Introdução à
pesquisa operacional. São Paulo: Cultura Acadêmica, 2011. 176 p.

15