ChatGPT Online - AI Chat GPT

9/14/23, 11:30 AM ChatGPT Online - AI Chat GPT
New Chat
1. Pensando em atrair o público da classe mais exigente, o fabricante de

triciclos motorizados vulgo “txopela” decidiu introduzir um modelo de luxo
que será produzido, junto com o habitual modelo básico, em uma nova
fabrica recentemente instalada em Maputo. O departamento de marketing
e vendas realizou uma pesquisa de mercado que indicou que, no máximo,
1.500 unidades do modelo de luxo e 6.000 unidades do modelo básico
podem ser vendidos no próximo mês. Além disso, constatou-se que o
volume total da produção dos dois modelos de “txopela” não pode exceder
a 5.000 por mês. A empresa já contratou um certo número de empregados
e, com isso, dispõe de uma forca de trabalho de 25.000 homens-hora por
mês. Cada modelo de luxo requer dez homens-hora e cada modelo básico
requer oito homens-hora para ser montado. O lucro unitário do modelo de
luxo e de 30.000 MT, e do modelo básico e de 15.000 MT.
Resolva o problema utilizando o método gráfico mostrando todos os passos.

Interprete o resultado.
O primeiro passo é identificar as restrições do problema:
1. Pode ser produzido no máximo 1.500 unidades do modelo de luxo (L) por
mês.
2. Pode ser produzido no máximo 6.000 unidades do modelo básico (B) por
mês.
3. Volume total da produção dos dois modelos não pode exceder a 5.000 por
mês.
4. A força de trabalho disponível é de 25.000 homens-hora por mês.
5. Cada modelo de luxo requer 10 homens-hora para ser montado.
6. Cada modelo básico requer 8 homens-hora para ser montado.
A próxima etapa é identificar a função objetivo e as variáveis de decisão:
7. Lucro unitário do modelo de luxo: 30.000 MT
https://chatgpt.org/chat 1/16
8. Lucro unitário do modelo básico: 15.000 MT

9. Variáveis de decisão: x (número de unidades do modelo de luxo) e y
(número de unidades do modelo básico)
A função objetivo é obter o máximo lucro, então podemos criar a função de

lucro:
10. Lucro = (30.000x) + (15.000y)
Agora, podemos plotar as restrições no gráfico:
11. Restrição do modelo de luxo: x <= 1.500

12. Restrição do modelo básico: y <= 6.000
13. Restrição do volume total de produção: x + y <= 5.000
14. Restrição da força de trabalho: (10x) + (8y) <= 25.000
O próximo passo é encontrar os pontos de interseção das restrições e

identificar a região factível. O ponto de interseção das restrições do modelo de
luxo e do modelo básico é (1.500, 6.000). O ponto de interseção das restrições
do modelo de luxo e do volume total de produção é (1.500, 3.500). O ponto de
interseção das restrições do modelo básico e do volume total de produção é
(3.500, 6.000). Por fim, o ponto de interseção de todas as restrições é (1.500,
3.500).
A partir desses pontos, podemos identificar a região factível no gráfico.
A última etapa é encontrar o ponto ótimo de produção para obter o máximo

lucro. Podemos calcular o lucro para cada ponto da região factível e identificar
qual ponto resulta no maior lucro. Neste caso, o ponto ótimo de produção será
(1.500, 3.500) com um lucro de (30.0001.500) + (15.0003.500) = 120.000.000
MT.
Portanto, a empresa deve produzir 1.500 unidades do modelo de luxo e 3.500

unidades do modelo básico para obter o máximo lucro de 120.000.000 MT.
A partir do Método Simplex determine a solução ótima do seguinte problema

de Programação Linear apresentando todos os passos.
Maximo Z = 3x1+2x2
Sujeita a: X1+2x2≥10
X2+x2≥8
2x1+x2≥12
X1, x2≥0
Vamos começar transformando as desigualdades em igualdades adicionando

variáveis de folga ao problema:
X1 + 2X2 - x3 = 10
X2 + X2 - x4 = 8
2X1 + X2 - x5 = 12
Agora, escrevemos a função objetivo na forma padrão:
Z = 3X1 + 2X2
Também adicionamos variáveis de folga para as restrições X1, X2 ≥ 0:
X1 + 2X2 - x3 + x6 = 10
X2 + X2 - x4 + x7 = 8
2X1 + X2 - x5 + x8 = 12
Agora, montamos a tabela inicial:
Variáveis | Coeficientes | Min ratio
Z | -3 -2 0 0 0 |
X3 | 1 2 -1 0 10 |
X4 | 0 1 -1 0 8 |
X5 | 2 1 0 -1 12 |
X6 | 1 2 0 0 10 |
X7 | 0 1 0 0 8|
X8 | 2 1 0 0 12 |
A variável de entrada é X1, pois tem o maior coeficiente na função objetivo

positivo. A variável de saída é X4, pois tem o menor valor ratio (8/1 = 8).
Agora, realizamos a operação do pivô para tornar o coeficiente de X1 na linha

X4 igual a zero:
Dividir a linha X4 por 1/1 = 1

Subtrair 1 * X4 da linha X3
Subtrair 1/1 * X4 da linha X5
A tabela atualizada fica assim:
Variáveis | Coeficientes | Min ratio
Z | -3 -2 0 0 0 |
X3 | 1 1 0 1 2|
X1 | 0 -1 1 0 6 |
X5 | 2 0 1 -1 4 |
X6 | 1 1 0 0 10 |
X7 | 0 0 0 0 2|
X8 | 2 0 0 0 4|
Agora, a variável de entrada é X2, pois tem o maior coeficiente na função

objetivo positivo. A variável de saída é X7, pois tem o menor valor ratio (2/0 =
infinito).
Como o valor ratio é infinito, o problema não tem solução otimal. Portanto, o
problema é inativo.
No entanto, podemos encontrar uma solução possível substituindo X7 por zero

na inequação correspondente:
X2 + X2 - x4 = 8
X2 = 8 - X4
X2 = 8
Podemos substituir este valor na função objetivo para encontrar o valor

máximo de Z:
Z = 3X1 + 2X2
Z = 3X1 + 2(8)
Z = 3X1 + 16
Deste modo, a solução ótima é Z = 3X1 + 16, sujeito a X1, X2 ≥ 0.
Dado o problema de Programação Linear abaixo:

Minimizar Z = 3x1 + 2x2
sujeito a: x1 + 2x2 ≥ 10
x1 + x2 ≥ 8
2x1 + x2 ≥ 12
x1, x2 ≥ 0
Determine o Dual associado a este problema.
Para determinarmos o Dual associado a este problema de Programação Linear,

devemos seguir os seguintes passos:
1. Escrever a função objetivo e as restrições do problema original:
Função objetivo:
Z = 3x1 + 2x2
Restrições:
x1 + 2x2 ≥ 10
x1 + x2 ≥ 8
2x1 + x2 ≥ 12
x1, x2 ≥ 0
2. Trocar a função objetivo de minimização por uma função de maximização:
Maximizar W = 10y1 + 8y2 + 12y3
3. Escrever as restrições do Dual, utilizando as variáveis y1, y2 e y3:
Restrições:
y1 + y2 + 2y3 ≤ 3
2y1 + y2 + y3 ≤ 2
y1, y2, y3 ≥ 0
4. Escrever a função objetivo do Dual, utilizando os coeficientes das variáveis

do problema original como coeficientes das restrições do Dual, com sinal
trocado:
W = 3y1 + 2y2
Portanto, o Dual associado ao problema de Programação Linear dado é:
Maximizar W = 3y1 + 2y2

sujeito a:
y1 + y2 + 2y3 ≤ 3
2y1 + y2 + y3 ≤ 2
y1, y2, y3 ≥ 0
Note que ao construir o Dual, o número de variáveis do Dual é igual ao

número de restrições do problema original (3 variáveis y1, y2 e y3) e o número
de restrições do Dual é igual ao número de variáveis do problema original (2
restrições).
Além disso, ao escrever a função objetivo do Dual, os coeficientes das variáveis

no Dual são os coeficientes das restrições no problema original, com o sinal
trocado.
Dessa forma, o Dual associado ao problema de Programação Linear dado é:
Maximizar W = 3y1 + 2y2

sujeito a:
y1 + y2 + 2y3 ≤ 3
2y1 + y2 + y3 ≤ 2
y1, y2, y3 ≥ 0

x1 + x2 ≥ 8
2x1 + x2 ≥ 12
x1, x2 ≥ 0
Verifique que [x1, x2, x3] = [0, 1, 1] é uma solução Dual-viável.
Para verificar se [x1, x2, x3] = [0, 1, 1] é uma solução Dual-viável, precisamos
verificar se ela satisfaz todas as restrições do problema dual:
1. x1 + 2x2 ≥ 10 (Restrição 1) 0 + 2(1) = 2 ≥ 10 Essa restrição não é satisfeita,

então [0, 1, 1] não é uma solução Dual-viável.

x1 + x2 ≥ 8
2x1 + x2 ≥ 12
x1, x2 ≥ 0
b) Verifique que [x1, x2, x3] = [0, 1, 1] é uma solução Dual-viável.
c) Utilize o Teorema da Complementaridade de Folgas para verificar se a

solução dada em b) é solução ótima do problema dual.
Para verificar se a solução [x1, x2, x3] = [0, 1, 1] é uma solução viável do
problema dual, precisamos verificar se ela satisfaz todas as restrições do
problema dual.
O problema dual é dado por:
Maximizar W = 10y1 + 8y2 + 12y3
sujeito a: y1 + y2 + 2y3 ≤ 3
2y1 + y2 + y3 ≤ 2
y1, y2, y3 ≥ 0
Vamos substituir a solução [x1, x2, x3] = [0, 1, 1] na função objetivo do

problema dual:
W = 10y1 + 8y2 + 12y3

= 10(0) + 8(1) + 12(1)
= 8 + 12
= 20
A solução [x1, x2, x3] = [0, 1, 1] satisfaz todas as restrições do problema dual,
portanto é uma solução viável.
Agora vamos utilizar o Teorema da Complementaridade de Folgas para

verificar se a solução dada em b) é solução ótima do problema dual.
De acordo com o teorema, se uma solução primal e uma solução dual-viável

satisfazem a relação de complementaridade de folgas, então essas soluções
são ótimas.
A relação de complementaridade de folgas é dada por:
(x1 + 2x2 - 10)(y1 + y2 + 2y3 - 3) = 0

(x1 + x2 - 8)(2y1 + y2 + y3 - 2) = 0
(2x1 + x2 - 12)(y1 + y2 + 2y3 - 3) = 0
Substituindo os valores da solução [x1, x2, x3] = [0, 1, 1]:
(0 + 2(1) - 10)(y1 + y2 + 2y3 - 3) = (0 + 2 - 10)(y1 + y2 + 2y3 - 3)

= (-8)(y1 + y2 + 2y3 - 3)
= -(-8)
=8
(0 + 1 - 8)(2y1 + y2 + y3 - 2) = (1 - 8)(2y1 + y2 + y3 - 2)
= (-7)(2y1 + y2 + y3 - 2)
= -(-7)
=7
(2(0) + 1 - 12)(y1 + y2 + 2y3 - 3) = (1 - 12)(y1 + y2 + 2y3 - 3)

= (-11)(y1 + y2 + 2y3 - 3)
= -(-11)
= 11
A relação de complementaridade de folgas não é satisfeita para nenhum dos

termos, pois todos são diferentes de zero.
Portanto, a solução dada em b) não é solução ótima do problema dual.

x1 + x2 ≥ 8
2x1 + x2 ≥ 12
x1, x2 ≥ 0
b) Verifique que [x1, x2, x3] = [0, 1, 1] é uma solução Dual-viável.
d) Utilize o Teorema da Dualidade Forte para verificar se a solução dada em b)
é solução ótima do problema dual.
Para verificar se a solução [x1, x2, x3] = [0, 1, 1] é uma solução Dual-viável,
devemos verificar se ela satisfaz as restrições do problema dual.
O problema primal é:

sujeito a:
x1 + 2x2 ≥ 10
x1 + x2 ≥ 8
2x1 + x2 ≥ 12
x1, x2 ≥ 0
E o problema dual é:
Maximizar W = 10u1 + 8u2 + 12u3

sujeito a:
u1 + u2 + 2u3 ≤ 3
2u1 + u2 + u3 ≤ 2
u1, u2, u3 ≥ 0
Podemos verificar se a solução dada [x1, x2, x3] = [0, 1, 1] é uma solução Dual-
viável substituindo os valores na função objetivo do problema primal e nas
restrições do problema dual.
Substituindo os valores na função objetivo do problema primal:
Z = 3(0) + 2(1) = 2
Substituindo os valores nas restrições do problema dual:
u1 + u2 + 2u3 ≤ 3
2u1 + u2 + u3 ≤ 2
Substituindo [0, 1, 1] na primeira restrição:
0 + 1 + 2(1) = 3 ≤ 3 (satisfeita)
Substituindo [0, 1, 1] na segunda restrição:
2(0) + 1 + 1 = 2 ≤ 2 (satisfeita)
Portanto, a solução [x1, x2, x3] = [0, 1, 1] é uma solução Dual-viável.
Agora, para utilizar o Teorema da Dualidade Forte e verificar se a solução dada

em b) é solução ótima do problema dual, devemos comparar o valor da função
objetivo do problema primal com o valor da função objetivo do problema dual
para essa solução.
Para a solução [x1, x2, x3] = [0, 1, 1] no problema primal, temos que Z = 2.
Substituindo os valores na função objetivo do problema dual:
W = 10(0) + 8(1) + 12(1) = 20
Como Z = 2 < W = 20, podemos concluir que a solução dada [x1, x2, x3] = [0,
1, 1] não é a solução ótima do problema dual, de acordo com o Teorema da
Dualidade Forte.
Considere um grafo simples conexo G = (V, A) com 5 vértices, cuja matriz de

adjacência relativamente a marcação de vértices v1, v2, v3, v4, v5 é a seguinte:
⎡01110⎤
⎢10001⎥
⎢10001⎥
⎢10000⎥
⎣01100⎦
Qual é a sequência de graus dos vértices de G?
A sequência de graus dos vértices de G é: 3, 3, 2, 2, 2.

⎡01110⎤
⎢10001⎥
⎢10001⎥
⎢10000⎥
⎣01100⎦
Existem caminhos v4 − v5 de comprimento 2?
Sim, existem caminhos de comprimento 2 entre os vértices v4 e v5 no grafo

dado.
Para encontrá-los, podemos observar a matriz de adjacência e ver quais

vértices estão a uma aresta de distância de v4. Podemos ver que v4 está
conectado aos vértices v2 e v3.
A partir de v2, podemos ir diretamente para v5, já que há uma aresta entre
esses dois vértices na matriz de adjacência. Portanto, v2 - v5 é um caminho de
comprimento 2.
Da mesma forma, a partir de v3, podemos ir diretamente para v5, então v3 - v5

também é um caminho de comprimento 2.
Portanto, existem dois caminhos de comprimento 2 entre v4 e v5 no grafo

dado.

⎡01110⎤
⎢10001⎥
⎢10001⎥
⎢10000⎥
⎣01100⎦
Mostre que G não é euleriano. E é semi-euleriano? (isto é, tem um caminho
euleriano aberto?)
Para um grafo ser euleriano, todos os vértices devem ter grau par. No grafo
dado, o vértice v4 tem grau 1, portanto, o grafo não é euleriano.
Para um grafo ser semi-euleriano, todos os vértices, exceto dois, devem ter
grau par. No grafo dado, os vértices v1, v3 e v4 têm grau ímpar, portanto, o
grafo também não é semi-euleriano.
Pensando em atrair o público da classe mais exigente, o fabricante de triciclos

motorizados vulgo “txopela” decidiu introduzir um modelo de luxo que será
produzido, junto com o habitual modelo básico, em uma nova fabrica
recentemente instalada em Maputo. O departamento de marketing e vendas
realizou uma pesquisa de mercado que indicou que, no máximo, 15 unidades
do modelo de luxo e 60 unidades do modelo básico podem ser vendidos no
próximo mês. Além disso, constatou-se que o volume total da produção dos
dois modelos de “txopela” não pode exceder a 50 por mês. A empresa já
contratou um certo número de empregados e, com isso, dispõe de uma forca
de trabalho de 250 homens-hora por mês. Cada modelo de luxo requer dez
homens-hora e cada modelo básico requer oito homens-hora para ser
montado. O lucro unitário do modelo de luxo e de 30 MT, e do modelo básico
e de 15 MT.
a) Ajude a empresa a determinar quanto produzir de cada modelo de txopela,
formulando um modelo de programação linear.
Vamos denotar:
x = quantidade de unidades do modelo de luxo a serem produzidas
y = quantidade de unidades do modelo básico a serem produzidas
A função objetivo é maximizar o lucro total, dado por:
L = 30x + 15y
Sujeito às seguintes restrições:
1. Quantidade máxima de unidades do modelo de luxo: x ≤ 15

2. Quantidade máxima de unidades do modelo básico: y ≤ 60
3. Quantidade máxima total de unidades: x + y ≤ 50
4. Quantidade máxima de trabalho disponível: 10x + 8y ≤ 250
Portanto, o modelo de programação linear pode ser formulado como:
Maximizar: L = 30x + 15y

Sujeito a:
x ≤ 15
y ≤ 60
x + y ≤ 50
10x + 8y ≤ 250
onde x ≥ 0 e y ≥ 0.
Pensando em atrair o público da classe mais exigente, o fabricante de triciclos

motorizados vulgo “txopela” decidiu introduzir um modelo de luxo que será
produzido, junto com o habitual modelo básico, em uma nova fabrica
recentemente instalada em Maputo. O departamento de marketing e vendas
realizou uma pesquisa de mercado que indicou que, no máximo, 15 unidades
do modelo de luxo e 60 unidades do modelo básico podem ser vendidos no
próximo mês. Além disso, constatou-se que o volume total da produção dos
dois modelos de “txopela” não pode exceder a 50 por mês. A empresa já
contratou um certo número de empregados e, com isso, dispõe de uma forca

de trabalho de 250 homens-hora por mês. Cada modelo de luxo requer dez
homens-hora e cada modelo básico requer oito homens-hora para ser
montado. O lucro unitário do modelo de luxo e de 30 MT, e do modelo básico
e de 15 MT.
a) Ajude a empresa a determinar quanto produzir de cada modelo de txopela,
formulando um modelo de programação linear.
b) Considere o problema formulado em a) e determine a solução ótima
utilizando o método gráfico
a) Vamos chamar de x o número de unidades do modelo de luxo a ser

produzido e de y o número de unidades do modelo básico a ser produzido.
As restrições do problema são:
• No máximo, 15 unidades do modelo de luxo podem ser vendidas: x ≤ 15
• No máximo, 60 unidades do modelo básico podem ser vendidas: y ≤ 60
• O volume total da produção dos dois modelos não pode exceder 50
unidades: x + y ≤ 50
• A força de trabalho disponível é de 250 homens-hora por mês: 10x + 8y ≤
250
A função objetivo é maximizar o lucro total:

Lucro total = lucro unitário do modelo de luxo * número de unidades do
modelo de luxo + lucro unitário do modelo básico * número de unidades do
modelo básico
Lucro total = 30x + 15y
Portanto, o modelo de programação linear para determinar quanto produzir de

cada modelo de txopela é:
Maximizar 30x + 15y
sujeito a:
x ≤ 15
y ≤ 60
x + y ≤ 50
10x + 8y ≤ 250
b) Para resolver o problema utilizando o método gráfico, vamos plotar as

restrições no plano cartesiano:
1. x ≤ 15: Traçamos a reta vertical passando pelo ponto (15, 0).

2. y ≤ 60: Traçamos a reta horizontal passando pelo ponto (0, 60).
3. x + y ≤ 50: Traçamos a reta de inclinação descendente que passa pelos
pontos (0, 50) e (50, 0).
4. 10x + 8y ≤ 250: Traçamos a reta de inclinação descendente que passa pelos
pontos (0, 31.25) e (25, 0). (Dividimos os coeficientes por 2.5 para facilitar a
visualização.)
A área sombreada que fica abaixo de todas as restrições é a região viável.
Digite
Em seu texto...
seguida, traçamos as linhas de iso-lucro, ou seja, as linhas onde o lucro
total é constante. Escolhemos alguns valores para o lucro total e determinamos
EnviarAssim,Salvar
as combinações de x e y correspondentes. podemos traçar as retas 30x
+ 15y = k, onde k é o valor do lucro total.
4 mensagens restantes
No ponto onde a reta de máxima lucro toca a região viável, encontramos a

solução ótima. Baixar Chat
Dessa forma, podemos determinar a quantidade ótima de cada modelo de

txopela a ser produzido.

ChatGPT Online - AI Chat GPT

Enviado por

Dados do documento

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

ChatGPT Online - AI Chat GPT

Enviado por

Direitos autorais:

Formatos disponíveis

9/14/23, 11:30 AM ChatGPT Online - AI Chat GPT

1. Pensando em atrair o público da classe mais exigente, o fabricante de

Resolva o problema utilizando o método gráfico mostrando todos os passos.

O primeiro passo é identificar as restrições do problema:

A próxima etapa é identificar a função objetivo e as variáveis de decisão:

7. Lucro unitário do modelo de luxo: 30.000 MT

8. Lucro unitário do modelo básico: 15.000 MT

A função objetivo é obter o máximo lucro, então podemos criar a função de

10. Lucro = (30.000x) + (15.000y)

Agora, podemos plotar as restrições no gráfico:

11. Restrição do modelo de luxo: x <= 1.500

O próximo passo é encontrar os pontos de interseção das restrições e

A partir desses pontos, podemos identificar a região factível no gráfico.

A última etapa é encontrar o ponto ótimo de produção para obter o máximo

Portanto, a empresa deve produzir 1.500 unidades do modelo de luxo e 3.500

A partir do Método Simplex determine a solução ótima do seguinte problema

Vamos começar transformando as desigualdades em igualdades adicionando

Agora, escrevemos a função objetivo na forma padrão:

Também adicionamos variáveis de folga para as restrições X1, X2 ≥ 0:

Agora, montamos a tabela inicial:

Variáveis | Coeficientes | Min ratio

A variável de entrada é X1, pois tem o maior coeficiente na função objetivo

Agora, realizamos a operação do pivô para tornar o coeficiente de X1 na linha

Dividir a linha X4 por 1/1 = 1

A tabela atualizada fica assim:

Variáveis | Coeficientes | Min ratio

Agora, a variável de entrada é X2, pois tem o maior coeficiente na função

No entanto, podemos encontrar uma solução possível substituindo X7 por zero

Podemos substituir este valor na função objetivo para encontrar o valor

Deste modo, a solução ótima é Z = 3X1 + 16, sujeito a X1, X2 ≥ 0.

Dado o problema de Programação Linear abaixo:

Para determinarmos o Dual associado a este problema de Programação Linear,

1. Escrever a função objetivo e as restrições do problema original:

2. Trocar a função objetivo de minimização por uma função de maximização:

Maximizar W = 10y1 + 8y2 + 12y3

3. Escrever as restrições do Dual, utilizando as variáveis y1, y2 e y3:

4. Escrever a função objetivo do Dual, utilizando os coeficientes das variáveis

Portanto, o Dual associado ao problema de Programação Linear dado é:

Maximizar W = 3y1 + 2y2

Note que ao construir o Dual, o número de variáveis do Dual é igual ao

Além disso, ao escrever a função objetivo do Dual, os coeficientes das variáveis

Dessa forma, o Dual associado ao problema de Programação Linear dado é:

Maximizar W = 3y1 + 2y2

Dado o problema de Programação Linear abaixo:

1. x1 + 2x2 ≥ 10 (Restrição 1) 0 + 2(1) = 2 ≥ 10 Essa restrição não é satisfeita,

Dado o problema de Programação Linear abaixo:

c) Utilize o Teorema da Complementaridade de Folgas para verificar se a

O problema dual é dado por:

Maximizar W = 10y1 + 8y2 + 12y3

Vamos substituir a solução [x1, x2, x3] = [0, 1, 1] na função objetivo do

W = 10y1 + 8y2 + 12y3

Agora vamos utilizar o Teorema da Complementaridade de Folgas para

De acordo com o teorema, se uma solução primal e uma solução dual-viável

A relação de complementaridade de folgas é dada por:

(x1 + 2x2 - 10)(y1 + y2 + 2y3 - 3) = 0

Substituindo os valores da solução [x1, x2, x3] = [0, 1, 1]:

(0 + 2(1) - 10)(y1 + y2 + 2y3 - 3) = (0 + 2 - 10)(y1 + y2 + 2y3 - 3)

(2(0) + 1 - 12)(y1 + y2 + 2y3 - 3) = (1 - 12)(y1 + y2 + 2y3 - 3)

A relação de complementaridade de folgas não é satisfeita para nenhum dos

Portanto, a solução dada em b) não é solução ótima do problema dual.

Dado o problema de Programação Linear abaixo:

Minimizar Z = 3x1 + 2x2

Maximizar W = 10u1 + 8u2 + 12u3

Substituindo os valores na função objetivo do problema primal: