Escolar Documentos
Profissional Documentos
Cultura Documentos
UNIVERSIDADE LICUNGO
Abel Vasco
Belta Macuelo
Carolina Jorge Mutita
Ediamine Adolfo Amade
Fahamo Saranque
José J. Portugal
Método Simplex
Quelimane
2023
2
Abel Vasco
Belta Macuelo
Carolina Jorge Mutita
Ediamine Adolfo Amade
Fahamo Saranque
José J. Portugal
Método Simplex
Quelimane
2023
3
Índice
1. Introdução.................................................................................................................................3
2. Método Simplex.......................................................................................................................4
3. Conclusão...............................................................................................................................15
4. Bibliografia.............................................................................................................................16
4
1. Introdução
Como já foi referido, o Método Simplex foi proposto por Dantzig. O primeiro e mais
importante passo na sua descoberta foi a conclusão de que a região admissível é o que se chama
um polítopo (poliedro convexo limitado), e donde concluiu que o ponto óptimo tem que estar
sobre algum dos vértices desse conjunto. Além disso, Dantzig argumentou que a função
objectivo tem geralmente valores diferentes para cada vértice escolhido arbitrariamente, no qual
a função objectivo tem um determinado valor, passando de vértice para vértice, na procura do
ponto óptimo.
Inicialmente, Dantzig pensou que tal procedimento poderia ser irremediavelmente
ineficaz, ou seja , divagar durante muito tempo ao longo das arestas, de vértice para vértice, antes
de alcançar o vértice em que a função objectivo atinge o valor óptimo. Mas estava enganado,
pois, na realidade veio a descobrir que, em quase todos os casos, encontrar a solução somente
exigia tantos movimentos quantas as restrições do problema.
5
2. Método Simplex
classificação das variáveis em: básicas (as correspondentes às colunas daquela submatriz) e não
básicas (as restantes n-m variáveis).
Um sistema nas condições (2) é um sistema indeterminado de grau n-m, em que m variáveis
podem ser escritas em termos das restantes n-m, e tem, por consequência, uma infinidade de
soluções (correspondente à infinidade de valores que arbitrariamente podem ser atribuídos às n-
m variáveis).
Suponha-se então que X = (x1, x2, …, xm, xm+1, …, xn) é uma solução desse sistema.
Se uma submatriz Bm x m da matriz A do sistema considerado é não singular, isto é, o seu
determinante é nulo, então a submatriz B m x m designa-se por base. Sem perda de generalidade,
suponha-se que a base é composta pelas m últimas colunas, isto é, B = {P1, P2, …, Pm}.
As m variáveis x1, x2, …, xm correspondentes às colunas de Bm x m designam-se por variáveis
básicas. As restantes n-m variáveis xm+1, xm+2, …, xn designam-se variáveis não básicas.
Uma solução básica para o sistema obtém-se atribuindo o valor zero a todas as variáveis
não básicas xm+1, xm+2, …, xn e determinando depois uma solução para as m variáveis básicas
restantes x1, x2, …, xm . Isto é, X = (0, ..., 0, x 1, x2, …, xm), onde X B = (x1, x2, …, xm) é a
única solução do sistema de equações BXB = b.
Se uma solução básica X verifica ainda as condições de não-negatividade (3’), isto é, todas
as variáveis da solução são não negativas então, esta solução é uma solução básica admissível.
Duas soluções básicas que apenas diferem numa variável básica designam-se por soluções
básicas adjacentes.
Uma solução básica admissível é óptima quando nenhuma das soluções básicas admissíveis
adjacentes é “melhor”, isto é, nenhuma melhora o valor da função objectivo.
Se todas as variáveis básicas x1, x2, …, xm são não nulas, a solução básica designa-se por
solução básica não degenerada. Se alguma variável básica for igual a zero a solução básica
designa-se por solução básica degenerada.
Os simétricos dos coeficientes associados a cada variável na função objectivo (no caso da
maximização) designam-se custos reduzidos.
O que é um algoritmo?
7
x1 x2 ... xm ... xn bi
a11 a12 ... a1m ... a1n b1
... ...
am1 am2 ... amm ... amn bm
8
Z c1 c2 ... cm ... cn 0
Quadro 3.3.1
Dado que a representação gráfica da resolução de P.L. com mais de duas variáveis se
torna difícil de interpretar, usa-se nesses casos o método simplex.
Iremos expor de seguida dois exemplos de resolução de problemas usando este método.
Apresentamos primeiramente um problema com duas variáveis (exemplo de
maximização, já exposto anteriormente) pois consideramos que ajuda à compreensão do método.
Posteriormente, apresentamos o problema com três variáveis.
1º Problema
A empresa Nova Linha produz artigos de vidro de alta qualidade: janelas e portas, em três
secções de produção:
1. Secção de Serralharia: para produzir as estruturas de alumínio.
2. Secção de Carpintaria: para produzir as estruturas de madeira.
3. Secção de Vidro e Montagem: para produzir o vidro e montar as portas e janelas.
Devido à diminuição dos lucros, o gerente decidiu reorganizar a produção, e propõe
produzir só os dois produtos que têm maior aceitação entre os clientes.
Estes produtos são:
Produto 1: Uma porta de vidro com estrutura de alumínio.
Produto 2 : Uma janela grande com estrutura de madeira.
9
1 1 0 4
2 0 2 12
3 3 2 18
Lucros unitários 3 5
(em euros)
x1 x2 x3 x4 x5 b
x3 1 0 1 0 0 4
x4 0 2* 0 1 0 12
x5 3 2 0 0 1 18
Z -3 -5 0 0 0 0
Quadro 3.4.1
A primeira solução básica admissível é (x1, x2, x3, x4, x5) = (0, 0, 4, 12, 8); onde x 1, x2 são
variáveis não básicas e x3, x4, x5 são as variáveis básicas. Verificamos que esta solução não é
óptima, visto que existem custos reduzidos negativos: -3 e -5.
A variável a entrar na base é x 2, porque entre as variáveis não básicas com custo reduzido
negativo é a que tem menor valor.
A variável de saída é x4, porque o min 12/2, 18/2 corresponde à linha definida por esta
variável básica.
O pivot neste caso é 2 (assinalado com um asterisco).
A actualização do quadro simplex é feita utilizando as seguintes operações elementares:
L1 L1
L2 1/2L2
L3 L3 – L2
L4 L4 + 5/2L2
x1 x2 x3 x4 x5 b
x3 1 0 1 0 0 4
x2 0 1 0 1/2 0 6
x5 3* 0 0 -1 1 6
Z -3 0 0 5/2 0 30
Quadro 3.4.2
11
Obtemos uma nova solução básica admissível (x1, x2, x3, x4, x5) = (0, 6, 4, 0, 6); esta
solução ainda não é óptima pois existe um custo reduzido negativo.
Repare-se que para esta solução a função objectivo é 30.
A variável a entrar na nova base é x 1, porque entre as duas variáveis não básicas é a única
que tem um custo reduzido negativo.
A variável de saída é x5, porque o min {4/1,6/3} corresponde à linha definida por x5.
O novo pivot é 3 (assinalado com um asterisco).
A nova actualização do quadro simplex é feita utilizando as seguintes operações
elementares:
L1 L1 – 1/3L3
L2 L2
L3 1/3L3
L4 L4 + L3
x1 x2 x3 x4 x5 b
x3 0 0 1 1/3 -1/3 2
x2 0 1 0 1/2 0 6
x1 1 0 0 -1/3 1/3 2
Z 0 0 0 3/2 1 36
Quadro 3.4.3
A nova solução básica admissível é (x1, x2, x3, x4, x5) = (2, 6, 2, 0, 0) ; uma vez que neste
último quadro não existem custos reduzidos negativos, esta solução é óptima. Sendo o valor
máximo da função objectivo 36.
2º Problema
- o kit do tipo III necessita de: 1 hora de trabalho diário nas secções A e B e 2 na C;
- as horas de trabalho diárias nas secções A, B e C não podem exceder as 12, 9 e 16 horas
respectivamente.
Por outro lado, o lucro unitário de cada um dos tipos de kits é de: 8 euros para os do tipo I e
II e 1 euro para os do tipo III.
Pretende-se determinar quantas unidades dos diferentes tipos de kits devem ser fabricados de
modo a maximizar o lucro.
Resolução usando o método simplex:
x1 = n.º de kits a produzir do tipo I
x2 = n.º de kits a produzir do tipo II
x3 = n.º de kits a produzir do tipo III
max Z = 8x1 + 8x2 + x3
sujeito a 2x1 + 2x2 + x3 ≤ 12
2x1 + x2 + x3 ≤ 9
x1 + 3x2 + 2x3 ≤ 16
Introduzindo as variáveis de folga x4, x5, x6, obtemos:
2x1 + 2x2 + x3 + x4 = 12
2x1 + x2 + x3 + x5 = 9
x1 + 3x2 + 2x3 + x6 = 16
Aplicando o método simplex, obtemos sucessivamente os quadros:
x1 x2 x3 x4 x5 x6 b
x4 2 1 1 0 0 0 12
x5 2* 1 1 0 1 0 9
x6 1 3 2 0 0 1 16
Z -8 -8 -1 0 0 0 0
Quadro 3.4.4
A primeira solução básica admissível é (x 1, x2, x3, x4, x5, x6) = (0, 0, 0, 12, 9, 16); onde x 1,
x2, x3 são variáveis não básicas e x4, x5, x6 são as variáveis básicas. Verificamos que esta solução
não é óptima, visto que existem custos reduzidos negativos: -8 e -1.
13
A variável a entrar na base é x 1 porque, entre as variáveis não básicas com custo reduzido
negativo, é a que tem menor valor.
A variável de saída é x5, porque o min 12/2, 9/2, 16/1 corresponde à linha definida por
esta variável básica.
O pivot neste caso é 2 (assinalado com um asterisco).
A actualização do quadro simplex é feita utilizando as seguintes operações elementares:
L1 L1 – L2
L2 1/2L2
L3 L3 – 1/2L2
L4 L4 + 4L
x1 x2 x3 x4 x5 x6 b
x4 0 1* 0 1 -1 0 3
x1 1 1/2 1/2 0 1/2 0 9/2
x6 0 5/2 3/2 0 -1/2 1 23/2
Z 0 -4 3 0 4 0 36
Quadro 3.4.5
Obtemos uma nova solução básica admissível (x1, x2, x3, x4, x5, x6) = (9/2, 0, 0, 3, 0, 23/2);
esta solução ainda não é óptima pois existe um custo reduzido negativo.
Repare-se que para esta solução a função objectivo é 36.
A variável a entrar na nova base é x 2, porque entre as duas variáveis não básicas é a única
que tem um custo reduzido negativo.
A variável de saída é x4, porque o min {3, 9, 23/5} corresponde à linha definida por x4.
O novo pivot é 1 (assinalado com um asterisco).
A nova actualização do quadro simplex é feita utilizando as seguintes operações
elementares:
L1 L1
L2 L2 – 1/2L1
L3 L3 – 5/2L1
L4 L4 + 4L1
x1 x2 x3 x4 x5 x6 b
x2 0 1 0 1 -1 0 3
14
3. Conclusão
Terminado este trabalho e após a pesquisa realizada para o mesmo, verifica-se que de
facto a Programação Linear é uma ciência com uma vasta aplicação em problemas reais e do
quotidiano e, por isso mesmo, muito útil.
No entanto, muito mais se poderia falar, pois a P.L. é uma ciência bastante vasta e que
actualmente abrange muitas e variadas áreas de actividades.
4. Bibliografia
LIMA, Yolanda; Gomes, Francelino – XEQ MAT, Matemática 11º ano. Lisboa: Editorial O
Livro, 1997.