Pesquisa Operacional: Organizador: Rodrigo Rodrigues

PESQUISA
OPERACIONAL
Organizador:
Rodrigo Rodrigues
R696p Rodrigues, Rodrigo.
Pesquisa operacional / Rodrigo Rodrigues. –
Porto Alegre : SAGAH, 2017.
121 p. : il. ; 22,5 cm.
ISBN 978-85-9502-004-7
1. Pesquisa operacional – Engenharia de

produção. I. Título.
CDU 658.5
Catalogação na publicação: Poliana Sanchez de Araujo – CRB 10/2094

Modelos lineares e o
método simplex
Objetivos de aprendizagem
Ao final deste texto, você deve apresentar os seguintes aprendizados:
Descrever a implementação do método simplex.

Introduzir variáveis artificiais na resolução de problemas.
Resolver um problema de programação linear com o método simplex.
Introdução
Os processos de planejamento das atividades de uma organização com
o uso da pesquisa operacional buscam uma solução ótima. Neste texto,
você vai acompanhar as características específicas de programação linear
(PL). Por meio das operações de maximização, você vai ver os passos de
resolução de situações-problema com a aplicação do método simplex
para elaborar modelos de resolução. Será utilizado exemplo prático para
subsidiar as atividades relativas à identificação, estruturação e resolução
matemática de problemas comuns nas tomadas de decisões do cotidiano
de uma organização.
Programação linear
Programação linear (PL) é uma técnica de otimização aplicada em sistemas
de equações e inequações lineares que representam modelos já projetados.
Trata-se de uma aplicação matemática utilizada por profissionais para proble-
mas relativos à produção, por exemplo, para evitar desperdícios de produtos
e matérias-primas ou otimizar mão de obra, baseado em funções e restrições
lineares para modelagem e solução de problemas de otimização.
34 Pesquisa operacional
Aplicação da função objetivo e das restrições em PL

Quando se fala de problemas de otimização, significa que queremos maximi-
zar (aumentar) ou minimizar (diminuir) uma função, relacionada a finanças,
produção, entre outras áreas. Nesses casos, é necessário verificar a função
objetivo e as restrições apresentadas pelo sistema analisado (BARBOSA, 2015).
1. Função objetivo
Para definir a função objetivo, você pode, por exemplo, maximizar o lucro
ou minimizar o custo. Assim, a função objetivo pode ser escrita de duas formas:
■■ Para maximizar Z:
máx. z = c1x1 + c2x2 +...+ cn xn
■■ Para minimizar Z:
min. z = c1x1 + c2x2 +...+ cn xn
Você pode estranhar o fato de a minimização de uma função z ser equivalente à

maximização dessa função em sua versão negativa – z, como nos itens a e b, em que
ambas são somatórias. Nas duas situações, c seriam os números reais, e x, as variáveis
do problema. Lembrando que, em a, é feita a maximização do lucro e, em b, o objetivo
é minimizar o custo.
Além da função objetivo, representada por uma função matemática, em

PL temos também as restrições.
2. Restrições em PL
Considere uma indústria de alimentos que queira otimizar sua produção,

maximizando o lucro. Para essa otimização, surgiram limitações na prática, que
são denominadas restrições do problema PL. Essas limitações são as seguintes:
Modelos lineares e o método simplex 35
■■ disponibilidade de matéria-prima;
■■ capacidade da produção;
■■ mão de obra;
■■ limitações no preço.
Podem existir diferentes limitações, de acordo com o problema de PL,

como localização ou espaço físico. Veja algumas dessas situações:
■■ Restrição de capital: um investidor que quer aumentar ou diversificar

seus investimentos, mas possui pouco capital.
■■ Restrição de quantidade: uma empresa de logística que deseja ampliar
suas entregas, mas possui poucos veículos.
■■ Restrição espacial: um pequeno agricultor que deseja cultivar diversas
culturas, porém, não possui espaço suficiente.
Há restrições de igualdade e desigualdade, que são representadas por

equações e inequações. Elas são representadas a seguir:
■■ Equação de restrições de igualdade:

a11x1 + a12x2 + ... + a1nxn = b1
■■ Inequações de restrições de desigualdade:
a11x1 + a12x2 + ... + a1nxn ≤ b1
ou
a11x1 + a12x2 + ... + a1nxn ≥ b1
3. Forma geral ou padrão
Um problema de PL é caracterizado, na sua forma geral, pela padroni-

zação, com o objetivo de facilitar o entendimento. A seguir apresentamos a
sua estrutura:
Máx. z = c1x1 + c2x2 +...+ cn xn

a11x1 + a12x2 + ... + a1nxn ≤ b1
a21x1 + a22x2 + ... + a2nxn ≥ b2
am1x1 + am2x2 + ... + amnxn ≤ bm
x1 ≥ 0, x2 ≥ 0, ..., xn ≥ 0
Onde os termos aij, bi e cj são coeficientes das equações e inequações que

indicam no problema os números de quantidade, valor e custos (i = 1, 2, 3,...,
m; e j = 1, 2, 3, ..., n), semelhantes a operações com matrizes em que esses
termos indicam a posição dos elementos de uma matriz.
As variáveis x1, x 2, ..., x n são selecionadas de modo que satisfaçam as
restrições e otimizem a função objetivo. O uso de s.a. (“sujeita a”) indica
que temos uma função objetivo que está sujeita a determinadas restrições.
As limitações das restrições são representadas pelos termos b1, b2, ..., bm,
que são chamados de parâmetros da função. E são chamados de restrições de
não negatividade os termos x1, ≥ 0, x2 ≥ 0, ..., xn ≥ 0. Como não podemos ter
quantidades negativas de produtos ou recursos, essas restrições são utilizadas.
Veja agora um exemplo detalhado de PL:

Quantidade mensal disponível de couro – 1 t.
Quantidade mensal disponível de borracha – 600 kg.
O lucro referente a uma unidade de sandália é de R$ 12,00.
O lucro referente a uma unidade de sapato é de R$ 15,00.
Caso toda a produção de calçados seja vendida e a empresa consiga vender

no máximo 700 sandálias por mês, qual quantidade de cada modelo deve ser
produzida para que o lucro seja máximo?
Não se esqueça de que, para formular um problema, é preciso identificar
as variáveis, a função objetivo e as restrições.
Identificação das variáveis
Nesse exemplo, as quantidades de cada modelo a serem produzidas são as

variáveis. Onde:
x1: quantidade de sandálias

x2: quantidade de sapatos
Formulação da função objetivo
Transcrevendo as informações para a linguagem matemática, obteremos

a função objetivo. Como você sabe, o lucro unitário referente à sandália é
de R$ 12,00, e o lucro unitário referente ao sapato é de R$ 15,00. Para ter
lucro, representado por z, devem-se multiplicar os lucros unitários por suas
respectivas quantidades produzidas:
Z = 12x1 + 15x2
Para obter o lucro máximo, a função objetivo será:
Max z = 12x1 + 15x2
O lucro unitário é a diferença entre o valor utilizado pela empresa para

a venda do produto e o gasto para a sua produção.
Formulação das restrições
Na definição das restrições do problema, você deve, primeiramente, verificar

os fatores que podem limitar a produção. No exemplo dos calçados em ques-
tão, as restrições estão relacionadas às quantidades disponíveis de couro e
de borracha. Há, ainda, uma restrição relacionada à quantidade máxima de
sandálias que poderá ser comercializada. Portanto, o número de restrições
para esse problema é igual a três:
A primeira restrição, referente à quantidade de couro consumida, pode ser
descrita com a seguinte formulação matemática:
0,7x1 + 0,4x2 ≤ 1.000
Nessa conta, é possível saber a quantidade de couro consumida na fabri-

cação de sandálias, pois sabemos que, para a fabricação de uma sandália, são
necessários 700 g de couro (0,7 kg). Para cada sapato, são necessários 400
g de couro (0,4 kg). Para saber o total de couro utilizado na produção, basta
multiplicar 0,7 por x1 e 0,4 por x2 e, logo, somar essas quantias, obtendo a
expressão:
0,7x1 + 0,4x2
Se a quantidade máxima de couro que a indústria tiver disponível é 1 t

(1.000 kg), a soma 0,7x1 + 0,4x2 não pode ultrapassar essa quantidade. Por esse
motivo, escrevemos que 0,7x1 + 0,4x2 tem de ser menor ou igual a 1.000, ou seja:
0,7x1 + 0,4x2 ≤ 1.000
Da mesma forma, é possível obter a segunda restrição, referente ao consumo

de borracha. Já que para produzir a sandália são necessários 150 g de borracha
(0,15 kg) e para produzir o sapato são necessários 300 g (0,3 kg) do material,
o total de borracha consumido na produção dos modelos é:
0,15x1 + 0,3x2
Sendo a disponibilidade mensal de borracha de 600 kg, a segunda restrição

fica assim:
0,15x1 + 0,2x2 ≤ 600
Por fim, a terceira restrição, relacionada à produção máxima de sandália,

é dada por:
x2 ≤ 700
Então, a formulação do problema de PL proposto a que chegamos é dada

como:
Máx. z = 12x1 + 15x2

s.a. 0,7x1 + 0,4x2 ≤ 1.000
0,15x1 + 0,3x2 ≤ 600
x1 ≤ 700
x1 ≥ 0, x2 ≥ 0
Observação:
Para resolver problemas de PL, caso existam, as restrições ≥ (maior ou igual)
devem ser trocadas por ≤ (menor ou igual). Para isso, basta multiplicar cada res-
trição de ≥ por (-1) e, em seguida, inverter a desigualdade ≥ por ≤. Por exemplo:
A restrição
a11x1 + a12x2 + ... a1nxn ≥ b1
é equivalente a
-a11x1 – a12x2 - ... a1n xn ≤ -b1
Como você viu, as restrições x1 ≥ 0, x2 ≥ 0, ..., xn ≥ 0 são chamadas restrições

de não negatividade. Elas são utilizadas quando as variáveis do problema não
podem assumir valores negativos.
Interpretação geométrica e solução gráfica

Como todo problema PL tem restrições lineares, podemos representar as restri-
ções de um problema de duas variáveis em um sistema de eixos coordenados,
chamado “plano cartesiano”.
Vamos relembrar: um par ordenado (x;y) representa um ponto no plano
(Fig. 1), conforme estudamos no ensino médio.
Figura 1 Pontos coordenados no plano cartesiano

Fonte: Barbosa (2015).
Então, com base em seus conhecimentos matemáticos, você pode apresentar

os dados por meio de um gráfico para construir um modelo com duas ou até
três variáveis.
Escrevemos uma equação associada a cada restrição de desigualdade
nesse sistema de eixos coordenados para representá-las, contendo os mesmos
coeficientes e o mesmo termo independente. No caso do exemplo da indústria
de calçados que fabrica dois modelos (sandália e sapato), a restrição 0,7x1 +
0,4x2 ≤ 1.000 está associada à equação 0,7x1 + 0,4x2 = 1.000. Do mesmo modo,
a restrição 0,15x1 + 0,3x2 ≤ 600 está associada à equação 0,15x1 + 0,3x2 = 600,
e a restrição x1 ≤ 700 está associada à equação x1 = 700.
Obtendo a representação da primeira restrição

Você deve construir uma tabela atribuindo dois valores quaisquer para a
variável x1 para obter a representação da primeira restrição. Logo, você deve
calcular o respectivo valor da variável x2.
A seguir apresentamos como é feito o cálculo dos valores das variáveis:
Os pares ordenados são os pontos da forma (x1; x2). Uma forma simpli-
ficada de obter os pares ordenados é atribuir o valor zero à variável x1 para
encontrar o respectivo valor de x2. Logo, atribuímos à variável x2 o valor zero
para encontrar o valor de x1.
Desse modo, os pontos obtidos estarão sob os eixos coordenados, facili-
tando o processo de representação gráfica de cada uma das restrições. Como
as restrições são de desigualdade, é importante ainda considerar em qual
semiplano vai estar a região factível (região delimitada pelas restrições do
problema). Um método muito prático é considerar a origem do plano carte-
siano, o par ordenado (0,0). Se, ao substituir os valores de x1 e x2 por zero, a
desigualdade for verdadeira, então a região factível estará no semiplano que
contém a origem. Caso contrário, a região factível estará no semiplano oposto,
ou seja, aquele que não contém a origem. Esse processo é usado também para
as demais restrições.
Veja o cálculo desse processo:
A primeira equação é 0,7x1 + 0,4x2 = 1.000.

Sendo:
X1 = 0, temos que x2 = 2.500,

pois resolvendo 0,7 . 0 + 0,4. X2 = 1.000
0 + 0,4x2 = 1.000
X2 = 1000/0,4
X2 = 2.500
Sendo:
X2 = 0, temos que x1 = 1.428,57, pois 0,7 . x1 + 0,4 . 0 = 1.000

0,7 . x1 + 0 = 1.000
0,7 . x1 = 1.000
X1 = 1.428,57
Assim, você obterá a Tabela 1 com os valores de x1 e x2 e os respectivos

pares ordenados:
Tabela 1. Valores de x1 e x2 para 0,7x1 + 0,4x2 = 1.000.
x1 x2 (x1;x2)
0 2500 (0;2500)
1428,57 0 (1428,57;0)
Logo:
o ponto (0; 2.500) está localizado no eixo da variável x2, pois x1 é igual
a zero;
o ponto (1.428,57; 0) fica sobre o eixo x1, pois x2 é igual a zero.
Assim, como o ponto (0; 0), origem do sistema, satisfaz a inequação 0,7x1
+ 0,4x2 ≤ 1.000, a região factível está no semiplano que contém a origem .
Veja na Figura 2, a representação da primeira restrição.
No mesmo plano cartesiano em que representamos a primeira restrição,

representamos também a segunda e a terceira restrições.
Figura 2. Representação da primeira restrição.

Método simplex
Simplex é um método importante e amplamente utilizado na resolução de
problemas lineares de otimização.
O método simplex foi desenvolvido em 1947, por George B. Dantzig (1914-2005),

professor emérito de pesquisa operacional e ciência da computação.
O método simplex busca, caso existam, uma ou mais soluções a partir de

uma solução básica factível, gerando uma sequência de soluções factíveis.
Quando essa sequência é concluída, a solução ótima é obtida.
Você deve ficar atento às duas situações em que não é possível chegar à
solução ótima (BARBOSA, 2015):
1. por apresentar restrições de incompatibilidade, não há uma solução

que deva ou possa executar;
2. não encontrar um máximo ou um mínimo – caso em que uma das va-

riáveis pode se estender ao infinito (apresentar essa tendência), embora
as restrições sejam satisfeitas; consequentemente, teremos um valor
sem limites para a função objetivo.
É importante que você conheça esse método justamente porque ele apre-
senta, excetuando-se as duas situações descritas anteriormente, a possibilidade
de resolvermos, por meio de um esquema de equações lineares, o modelo PL.
Antes de continuarmos, vamos para duas definições importantes:

Variáveis básicas e não básicas: variáveis básicas são as que compõem a solução
ótima do problema, e as variáveis não básicas são aquelas cujo valor é igual a zero.
Variáveis de folga ou excesso: são aquelas que acrescentamos ao problema, para
resolvê-lo pelo método proposto, transformando as desigualdades do tipo “menor
ou igual” em igualdades.
Considerando os passos apresentados, você pode representar a operacio-

nalização por meio da Tabela 2:
Tabela 2. Representação genérica da tabela utilizada no método simplex.
z c1 c2 cn
xb1 a11 a12 a1n
xb2 a21 a22 A2n
. . . .
. . . .
. . . .
xbm am1 am2 amn

Ainda considerando a fábrica de calçados, supomos que, mensalmente,

toda a produção de sapatos seja vendida, enquanto a venda de sandálias seja
no máximo de 700 pares. De acordo com essas informações, determine a
quantidade de cada modelo que deve ser produzida de modo que o lucro seja
máximo.
À formulação do modelo-padrão de PL para o problema vamos acrescentar
novas variáveis de folga para cada restrição:
Max z = 12x1 + 15x2

s.a. 0,7x1 + 0,4x2 + x3 = 1.000
0,15x1 + 0,3x2 + x4 = 600
X1
x1 ≥ 0, x2 ≥ 0
Veja passo a passo o processo pelo qual realizamos esses cálculos. Para
facilitar a resolução, elaboramos a Tabela 3, utilizando o modelo a seguir:
Tabela 3. Modelo de tabela para o uso de método simplex.
Função objetivo Coeficientes da função objetivo
Termos independentes Coeficientes da restrições
Colocamos na linha zero o valor de z (que é a função objetivo e cuja solução

inicial tem valor de z = 0) e os coeficientes da função objetivo, todos com os
sinais trocados. Observe a Tabela 4:
Tabela 4. Coeficientes da função objetivo.
Z=0 -12 -15 0 0 0

Veja os coeficientes que foram colocados. Completamos os campos vazios

sempre com zero para identificar os campos nulos. Então, temos o seguinte:
Na linha um, colocamos a quantidade de recursos disponíveis referente à

primeira restrição. Não se esqueça de que são somente coeficientes: 0,7;
0,4; 1. O valor de 1.000 entrará na primeira coluna, pois é o coeficiente
do termo independente ou do recurso disponível.
Na linha dois, escrevemos os valores: 600 (disponibilidade de recursos
para a segunda restrição); 0,15; 0,3; 0; 1, que são os coeficientes.
Na linha três, registramos os valores da última restrição: 700, que é
a disponibilidade de recursos, e 1; 0; 0; 0; 1, que são os coeficientes.
Então, nossa Tabela 5 fica assim:
Tabela 5. Tabela inicial do método simplex
x1 x2 x3 x4 x5
Z=0 -12 -15 0 0 0
x3 1000 0,7 0,4 1 0 0
x4 600 0,15 0,3 0 1 0
x5 700 1 0 0 0 1
Inicialmente, nesse processo de resolução, as variáveis básicas de folga são:

x3, x4 e x5. As variáveis não básicas são x1 e x2, ou seja, as variáveis originais
do problema.
Para decidir qual variável entrará na base, precisamos verificar qual variável não básica
fornecerá o maior lucro possível. Para isso, basta verificar qual variável tem o coeficiente
mais negativo na linha zero. Assim, a variável que entra na base é x2, cujo coeficiente
na linha zero é igual a -15.
Em seguida, deve ser determinada a variável básica que sairá da base. Então,
você deverá dividir cada termo independente pelos respectivos coeficientes
positivos (não são considerados os valores negativos ou nulos) da coluna
referente à variável x2 (variável que entra na base):
1.000 : 0,4 = 2.500

600 : 0,3 = 2.000
Veja que a divisão de 700 por 0 não é possível. Como o menor resultado
obtido é 2.000 (divisão de 600 por 0,3), a variável que sairá da base é x4, pois
essa é a variável básica que tem o elemento unitário na linha referente a essa
divisão.
Figura 3. Processo de resolução.
Observe que o pivô, nesse caso, é igual a 0,3. Precisamos transformar o

pivô em 1. Como 0,3 = 3/10, basta multiplicar todos os termos da linha dois
por 10/3 (inverso multiplicativo de 3/10):
Linha dois 600 × 0,15 × 10/3 0,3 × 10/3 0 × 10/3 1 × 10/3 0 × 10/3
multiplicada 10/3 = 0,5 =1 =0 = 3,33 =0
por 10/3 = 2000
Resultando em:
Nova linha 2000 0,5 1 0 3,33 0

dois
A linha anterior será substituída pela nova linha dois. Essa linha será utili-
zada para zerar os demais elementos não nulos da coluna referente à variável x2.
Linha zero - multiplicamos a nova linha por 15 com o intuito de zerar o
elemento a1 = -15. Logo, somamos os resultados obtidos com os respectivos
elementos da linha zero:
Linha zero 0 - 12 - 15 0 0 0
Nova 2000 × 0,5 × 15 0,5 × 15 0 × 15 3,33 × 15 0 × 15

linha dois =30000 = 7,5 = 15 =0 = 50 =0
multiplicada
por 15
Nova linha 0 - 12 + - 15 + 15 0+0 0 + 50 0+0

zero (soma +30000 7,5 =0 =0 = 50 =0
da linha zero = = - 4,5
com a nova 30000
linha dois
multiplicada
por 15)
Portanto, a nova linha zero é:
Nova linha 30000 -4,5 0 0 50 0

zero
Para zerar o elemento a12 = 0,4, a nova linha dois foi multiplicada por -0,4
e, a seguir, somamos os resultados obtidos com os respectivos elementos da
linha um:
Linha um 1000 0,7 0,4 1 0 0
Nova 2000 × 0,5 × 1 × (- 0,4) 0 × (- 0,4) 3,33 × 0 × (- 0,4)

linha dois (- 0,4) (- 0,4) = -0,4 =0 (- 0,4) =0
multiplicada = -800 = -0,2 = -1,33
por - 0,4
Nova linha 1000 0,7 – 0,2 0,4 – 0,4 1+0 0 – 1,33 0+0
um (soma - 800 = 0,5 =0 =1 = - 1,33 =0
da linha um = 200
com a nova
linha dois
multiplicada
por - 0,4)
Assim, a nova linha é:
Nova 200 0,5 0 1 -1,33 0

linha um
Sendo o elemento a22 igual a zero, a linha não precisa ser alterada.
Então, a primeira iteração se resume a seguir:
x1 x2 x3 x4 x5
Z= -4,5 0 0 50 0
30000
x3 200 0,5 0 1 -1,33 0
x4 2000 0,5 1 0 3,33 0
x5 700 1 0 0 0 1
Agora, temos a primeira solução ótima , que é z = 30.000.

Contudo, como variável não básica (x1), ainda apresenta valor negativo,
portanto, devemos partir para uma nova iteração.
Segunda iteração – buscando nova solução.
Construímos nova tabela a partir dos resultantes recém-obtidos:
x1 x2 x3 x4 x5
Z= -4,5 0 0 50 0
30000
x3 200 0,5 0 1 -1,33 0
x4 2000 0,5 1 0 3,33 0
x5 700 1 0 0 0 1
Há, ainda, um coeficiente negativo na linha zero. Então, a variável que

entrará na base é x1. A decisão sobre qual variável sairá da base se dará a partir
das seguintes divisões: 200 : 0,5 e 700 : 1.
O valor da divisão de 200 por 0,5 é 400, o menor resultado obtido, corres-
pondente à linha um. Logo, a variável que sairá da base é x3.
x1 x2 x3 x4 x5
Z= -4,5 0 0 50 0
30000
x3 200 0,5 0 1 -1,33 0
x4 2000 0,5 1 0 3,33 0
x5 700 1 0 0 0 1
Variáveis básicas: x2, x3 e x5

Variáveis não básicas: x1 e x4
Entra: x1
Sai: x3
Pivô = 0,5
Z = 30.000
O elemento a11 é igual 0,5 = ½. Assim, multiplicamos a linha um por 2
(inverso multiplicativo de ½):
Linha um 200 × 2 0,5 × 2 0×2 1×2 -1,33 × 2 0,2

multiplicada = 400 =1 =0 =2 = -2,66 =0
por 2
Então:
Nova 400 1 0 2 -2,66 0

linha um
Zerando o elemento da linha zero:
Linha zero 30000 -4,5 0 0 50 0
Nova linha dois 400 × 1 × 4,5 0 × 4,5 2 × 4,5 -2,66 0 × 4,5

multiplicada por 4,5 4,5 = 4,5 =0 =9 × 4,5 =0
= 1 800 = - 12
Nova linha zero 30000 - 4,5 0+0 0+9 50 – 12 0+0

(soma da linha zero + 1800 + 4,5 =0 =9 = 38 =0
com a nova linha = =0
um multiplicada 31800
por 4,5)
Nas demais linhas, faremos o mesmo para zerar os coeficientes da coluna

referente à variável x1:
Nova linha um 4000 × 1× 0× 2× -2,66 × 0×

multiplicada por -0,5 (- 0,5) (- 0,5) (- 0,5) (- 0,5) (- 0,5) (- 0,5)
= - 200 = - 0,5 =1 =0 = 3,33 =0
Linha dois 2000 0,5 1 0 3,33 0
Nova linha dois -200 + -0,5 + 0+1 -1 + 0 1,33 + 0+0

(soma da nova linha 2000 0,5 =1 = -1 3,33 =0
um multiplicada por = 1800 =0 = 4,66
-0,5 com a linha dois)
Nova linha um 400 × 1× 0× 2× -2,66 0×

multiplicada por -1 (- 1) (- 1) (- 1) (- 1) × (- 1) (- 1)
Linha três 700 1 0 0 0 1
Nova linha três (soma -400 -1 + 1 0+0 -2 + 0 2,66 0+1

da nova linha um +700 =0 =0 = -2 +0 =1
multiplicada por -1 = 300 = 2,66
com a linha três)
A seguir você encontra o resultado de todo esse processo:
x1 x2 x3 x4 x5
Z= 0 0 9 38 0
31800
x3 400 1 0 2 - 2,66 0
x4 1800 0 1 -1 4,66 0
x5 300 0 0 -2 2,66 1
Variáveis básicas: x1, x2 e x5

Variáveis não básicas: x3 e x4
Solução ótima:
X1 = 400
X2 = 1.800
X5 = 300
Z = 31.800
Como todos os coeficientes da linha zero são positivos ou nulos, chegamos

à seguinte solução ótima para o problema de PL:
X1 = 400
X2 = 1.800
Z = 31.800
Portanto, a solução ótima para atender à função objetivo será produzir 400
sandálias e 1.800 sapatos, totalizando R$ 31.800,00 de lucro mensal.
Você acompanhou o processo de resolução de problema mediante as ite-
rações (tabelas), em que resolvemos um modelo de PL por meio de método de
solução de sistemas de equações lineares. Resumidamente, esse foi o processo:
1. Formulamos o modelo apresentando o problema (recursos, disponibi-

lidade, situação atual do processo, lucro atual).
2. Montamos um modelo com variáveis de decisão do problema:
X1 – quantidade a produzir de sandálias;
X2 – quantidade a produzir de sapatos.
3. Apresentamos a função objetivo matematicamente, com lucro:

Z = 12x1 + 15x2
4. Quanto às restrições, apresentamos a relação lógica que há no problema
e acrescentamos as variáveis de folga, transformando as inequações
em equações. Dessa forma, a estrutura lógica que era:
Emprego dos recursos ≤ disponibilidade
mudou para:
Emprego dos recursos + folga = disponibilidade.
Essa relação traduz como condição o seguinte raciocínio:
Se o emprego do recurso < disponibilidade, então a folga > 0.

Se o emprego do recurso = disponibilidade, então a folga = 0.
Nessa modelagem, a variável de folga pode ser expressa por uma variável
cuja forma seja igual à fabricação de cada produto.
1. Com relação à programação linear 2. Marque a opção que está relacionada

(PL), marque a alternativa correta: corretamente às restrições em
a) Programação linear (PL) é programação linear (PL):
uma técnica de maximização a) Em um problema de PL,
aplicada em sistemas de ou há a função objetivo
equações lineares. ou há as restrições.
b) Trata-se de uma aplicação b) As restrições de igualdade são
não matemática utilizada representadas por inequações.
por profissionais para c) Na prática, as limitações, que
problemas relativos à são denominadas restrições
produção, por exemplo. do problema PL, podem ser
c) É uma programação disponibilidade de matéria prima,
baseada em funções lineares capacidade da produção, mão
utilizada em problemas em de obra e limitações no preço.
que não há restrições. d) O uso de s.a (“sujeita a”) indica
d) Quando se fala de problemas que temos uma função objetivo
de otimização, significa que que está sujeita à otimização.
queremos exclusivamente e) São chamados de restrições
maximizar os lucros. de negatividade os termos
e) Nos casos de maximização x1, ≥ 0, x2 ≥ 0, ..., xn ≥ 0.
e minimização, é necessário 3. Observe as Figuras 1 e 2 e
verificar a função objetivo e marque a alternativa que está
as restrições apresentadas relacionada corretamente
pelo sistema analisado.
com a respectiva figura:
1.
2.
a) Figura 2: x1 = 10, x2 = 0, z = 30.
b) Figura 1: x1 = 4,5, x2 = 3,5, z = 28,5.
c) A Figura 1 é a resolução gráfica do problema de PL
cuja maximização é: maxz = 4x1 + 3x2.
d) Na Figura 2, a s.a é 2x1 ≤ 9 X2 ≤ 7 X1 + x2 ≤ 8 X1, x2 ≥ 0.
4. Supondo que uma indústria de implementos agrícolas produza os modelos A
e B, que proporcionam lucros unitários de R$ 16,00 e R$ 30,00 respectivamente.

A exigência de produção mínima mensal é de 20 unidades para o modelo A
e de 120 para o modelo B. Cada tipo de implemento requer certa quantidade
de tempo para a fabricação das partes que os compõem, para a montagem
e para os testes de qualidade. Ou seja, uma dúzia de unidades do modelo
A requer 3 horas para fabricar, 4 horas para montar e 1 hora para testar.
Considerando, ainda, que uma dúzia de unidades do modelo B requer 3,5
horas para fabricar, 5 horas para montar e 1,5 hora para testar. Contudo,
durante o próximo mês, a fábrica terá disponível 120 horas de tempo de
fabricação, 160 horas de montagem e 48 horas de testes de qualidade.
De acordo com a imagem do gráfico, assinale a alternativa correta:
a) X1 é a quantidade de implementos do modelo A.

b) O tempo total gasto para a produção de 20 peças do modelo A é de 8 horas.
c) Para o próximo mês, há somente duas restrições: 160 horas de
tempo para montagem e 48 horas para testes de qualidade.
d) A função objetivo é = 120x1 + 20x2.
5. Suponha que uma fábrica produza dois tipos de aço: normal e especial. Uma
tonelada de aço normal requer 2 horas no forno de soleira aberta e 5 horas de
molho; uma tonelada de aço especial requer 2 horas no forno de soleira aberta
e 3 horas de molho. O forno de soleira aberta está disponível 8 horas por dia,
e o molho está disponível 15 horas por dia. O lucro para 1 tonelada de aço
normal é de $120,00 e para 1 tonelada de aço especial é de $100,00. A empresa
precisa produzir diariamente no mínimo 2 toneladas de aço normal e 1 tonelada
de aço especial. Com base nesse problema, marque a alternativa correta.
a) 1 tonelada de aço normal é uma restrição.
b) X1 é a quantidade, em toneladas, de aço especial.
c) Para maximizar os lucros, é preciso produzir 2 toneladas de aço especial.
d) Produzir no mínimo 2 toneladas de aço normal é uma variável.
e) A disponibilidade diária de 8 horas para o forno de soleira e 15
horas para o forno de molho é uma restrição do problema.
BARBOSA, M. A. Iniciação à pesquisa operacional no ambiente de gestão. Curitiba:

Intersaberes, 2015.
Leitura recomendada
HILLIER, F. S.; LIEBERMAN, G. J. Introdução à pesquisa operacional. 9. ed. Porto Alegre:
AMGH, 2013.
Encerra aqui o trecho do livro disponibilizado para
esta Unidade de Aprendizagem. Na Biblioteca Virtual
da Instituição, você encontra a obra na íntegra.

Pesquisa Operacional: Organizador: Rodrigo Rodrigues

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Pesquisa Operacional: Organizador: Rodrigo Rodrigues

Enviado por

Direitos autorais:

Formatos disponíveis

PESQUISA

1. Pesquisa operacional – Engenharia de

Catalogação na publicação: Poliana Sanchez de Araujo – CRB 10/2094

 Descrever a implementação do método simplex.

Aplicação da função objetivo e das restrições em PL

máx. z = c1x1 + c2x2 +...+ cn xn

min. z = c1x1 + c2x2 +...+ cn xn

Você pode estranhar o fato de a minimização de uma função z ser equivalente à

Além da função objetivo, representada por uma função matemática, em

Considere uma indústria de alimentos que queira otimizar sua produção,

Podem existir diferentes limitações, de acordo com o problema de PL,

■■ Restrição de capital: um investidor que quer aumentar ou diversificar

Há restrições de igualdade e desigualdade, que são representadas por

■■ Equação de restrições de igualdade:

a11x1 + a12x2 + ... + a1nxn ≥ b1

 3. Forma geral ou padrão

Um problema de PL é caracterizado, na sua forma geral, pela padroni-

 Máx. z = c1x1 + c2x2 +...+ cn xn

Onde os termos aij, bi e cj são coeficientes das equações e inequações que

Veja agora um exemplo detalhado de PL:

Caso toda a produção de calçados seja vendida e a empresa consiga vender

Identificação das variáveis

Nesse exemplo, as quantidades de cada modelo a serem produzidas são as

 x1: quantidade de sandálias

Formulação da função objetivo

Transcrevendo as informações para a linguagem matemática, obteremos

Para obter o lucro máximo, a função objetivo será:

 Max z = 12x1 + 15x2

O lucro unitário é a diferença entre o valor utilizado pela empresa para

Formulação das restrições

Na definição das restrições do problema, você deve, primeiramente, verificar

0,7x1 + 0,4x2 ≤ 1.000

Nessa conta, é possível saber a quantidade de couro consumida na fabri-

Se a quantidade máxima de couro que a indústria tiver disponível é 1 t

0,7x1 + 0,4x2 ≤ 1.000

Da mesma forma, é possível obter a segunda restrição, referente ao consumo

Sendo a disponibilidade mensal de borracha de 600 kg, a segunda restrição

0,15x1 + 0,2x2 ≤ 600

Por fim, a terceira restrição, relacionada à produção máxima de sandália,

Então, a formulação do problema de PL proposto a que chegamos é dada

Máx. z = 12x1 + 15x2

a11x1 + a12x2 + ... a1nxn ≥ b1

-a11x1 – a12x2 - ... a1n xn ≤ -b1

Como você viu, as restrições x1 ≥ 0, x2 ≥ 0, ..., xn ≥ 0 são chamadas restrições

Interpretação geométrica e solução gráfica

Figura 1 Pontos coordenados no plano cartesiano

Então, com base em seus conhecimentos matemáticos, você pode apresentar

Obtendo a representação da primeira restrição

A primeira equação é 0,7x1 + 0,4x2 = 1.000.

X1 = 0, temos que x2 = 2.500,

X2 = 0, temos que x1 = 1.428,57, pois 0,7 . x1 + 0,4 . 0 = 1.000

Assim, você obterá a Tabela 1 com os valores de x1 e x2 e os respectivos

Tabela 1. Valores de x1 e x2 para 0,7x1 + 0,4x2 = 1.000.

No mesmo plano cartesiano em que representamos a primeira restrição,

Figura 2. Representação da primeira restrição.

O método simplex foi desenvolvido em 1947, por George B. Dantzig (1914-2005),

O método simplex busca, caso existam, uma ou mais soluções a partir de

1. por apresentar restrições de incompatibilidade, não há uma solução

2. não encontrar um máximo ou um mínimo – caso em que uma das va-

Antes de continuarmos, vamos para duas definições importantes:

Considerando os passos apresentados, você pode representar a operacio-

Tabela 2. Representação genérica da tabela utilizada no método simplex.

xb1 a11 a12 a1n

Descrever a implementação do método simplex.

3. Forma geral ou padrão

Máx. z = c1x1 + c2x2 +...+ cn xn

x1: quantidade de sandálias

Max z = 12x1 + 15x2

Na linha um, colocamos a quantidade de recursos disponíveis referente à