Programação

Linear
ANÁLISE DA COMPANHIA
MAXIMÓVEIS
Prof. Antonio Carlos Coelho
1
 Informações para a Tomada
de Decisões

o A Companhia MAXIMÓVEIS fabrica 2

tipos de produtos:
o Cadeiras e Mesas
o Margem de Contribuição Unitária:
o Cadeira = $ 8,00
o Mesa = $ 6,00
o As cadeiras e mesas são processadas em 2
departamentos:
o Montagem
o Acabamento
2
 Informações para a Tomada
de Decisões
o Cada unidade dos produtos consome as seguintes horas
na fabricação:

Horas por unidade Horas totais

Departamento Cadeiras Mesas disponíveis
Montagem 4 2 60
Acabamento 2 4 48

3
 Problema

Qual o mix de produção entre mesas e

cadeiras que maximiza o lucro da firma?
Quanto produzir de cadeiras (x1) e mesas
(x2) para maximizar a função objetivo?
Quais restrições são críticas para atingir o
lucro estimado?
Que alterações de restrição serão mais
eficientes para otimizar o lucro esperado?

4
 Formulação Matemática
maximizar MCT = 8 x1 + 6 x2

Sujeito a:
Restrição de Montagem: 4 x1 + 2 x2  60
Restrição de Acabamento: 2 x1 + 4 x2  48
Restrições Não Negativas:
x1  0
x2  0

5
 Formulação Matemática
.
Encontrar valores para C e M de forma a

maximizar MCT = 8 C + 6 M ,

respeitando as restrições:

4 C + 2 M  60
2 C + 4 M  48
C 0
M 0

6
 Solução Gráfica
1 – Colocar as restrições no gráfico
MESA (x2)

Restrição 1: MONTAGEM
30
4x1 + 2x2  60
MONTAGEM
x1 = 0  x2  30 (0,30) 4x1 + 2x2  60

x2 = 0  x1  15 (15,0)

15 CADEIRA (x1)
7
 Solução Gráfica

MESA (x2)

Restrição 2: ACABAMENTO
2x1 + 4x2  48
x1 = 0  x2  12 (0,12)
ACABAMENTO
12
x1 = 0  x2  24 (24,0) 2x1 + 4x2  48

24 CADEIRA (x1)

8
 Solução Gráfica
2 – Determinar a área de soluções viáveis

MESA

30

MONTAGEM

12
SOLUÇÕES VIÁVEIS
ACABAMENTO
Cada ponto dessa região,
definido pelas coordenadas CADEIRA
(x1, x2) é uma solução viável 15 24
9
 Solução Gráfica
3 – Encontrar a solução a partir das curvas de nível
(retas paralelas definidas pela função-objetivo)

MESA
Para saber os valores de x1 e x2 para um dado
nível de MCT, por exemplo de $ 48,00:
Função Objetivo
8x1 + 6x2 = 48 Tem-se que: 8x1+ 6x2 = 48
12
Para x1 = 0; x2 = 8 (0, 8)
Para x2 = 0, x1 = 6 (6, 0)
8

CADEIRA
6 15 10
 Solução Gráfica

MESA
Supondo uma maior MCT,
Função Objetivo por exemplo de $ 72,00:
8x1 + 6x2 = 48
12 Tem-se que: 8x1+ 6x2 = 72
Para x1 = 0; x2 = 12 (0,12)
8 Para x2 = 0, x1 = 9 (9, 0)

Função Objetivo
8x1 + 6x2 = 72

CADEIRA
6 9 15 11
 Solução Gráfica

Repete o processo até encontrar a linha

MESA
de máxima MCT que esteja dentro da
área de soluções possíveis
Função Objetivo
8x1 + 6x2 = 48 Este ponto de intercessão representa a
12 solução possível ótima

Solução ótima
8

Função Objetivo
8x1 + 6x2 = 72

CADEIRA
6 9 15 12
 Solução Gráfica
MESA
Neste exemplo, a solução ótima está
na interseção entre:
a função-objetivo e qualquer uma
das restrições, ou

Montagem as 2 restrições

12

Solução ótima

Acabamento

15 CADEIRA 13
 Calculando o Ponto ótimo
• Pelo gráfico, na intercessão entre as 2
restrições
Montagem 4C + 2M = 60 (1)
Acabamento 2C + 4M = 48 (2)
Calculando C pela 2ª equação:
2C + 4M = 48  C = 24 – 2M (3)
Substituindo em 1:
4(24 – 2M) + 2M = 60
96 –8M + 2M = 60  - 6M= - 36  M = 6
Substituindo em 3:
C = 24- 2(6)
C = 12
Solução ótima: 6 mesas e 12 cadeiras
14
 Solução Gráfica
MESA

4 – Encontrar a solução pela comparação dos pontos

extremos
Através de todos os pontos extremos da área de soluções viáveis
e escolhemos aquele com maior MCT

(0,12) MCT = 8x1 + 6x2

(0,0) MCT = 0
Solução ótima
(0,12) MCT = 72
(12,6)
(15,0) MCT = 120
(12,6) MCT = 132

(0,0) (15,0) CADEIRA 15

 Solução por Sistema de
Equações Lineares
Solução Genérica através de sistema de equações
MESA

Sistema 2:
30
x1= 0
X2= 30

Sistema 6:
x1= 12
Sistema 3: 12 X2= 6
x1 = 0
X2= 12 Sistema 5:
x1= 24
X2= 0

Sistema 1: CADEIRA
x1 = 0 Sistema 4: 15 24
X2= 0 x1= 15
16
X2= 0
 Solução Matricial
• Modelo equacionado por Matriz

4 2   C   60  1
2  .       A. x  B  x  A .B
 4   M   48
 C   13  1 6   60 
 M    1 .
1   48 
   6 3   
C  12 cadeiras
M= 6 mesas

17
 Solução Matricial
• Mesma Solução do slide anterior
 4C  2M  60   4   C  0,5M  15 
  C  0,5M  15  2   2C  4M  48   0  3M  18
 1
 0  3M  18       0  1M  6   Primeira resposta: M = 6
 3
 1
 0  1M  6       C  0,5M  15    C  0  12   Segunda resposta: C = 12
 2

18
Solução por Sistema de Equações
Lineares
a) Introdução de variáveis de folga
Objetivo:
transformar as desigualdades das restrições em igualdades
UTILIZAÇÃO DE RECURSO  DISPONIBILIDADE
UTILIZAÇÃO + FOLGA = DISPONIBILIDADE
Isso significa que:
 Utilização < disponibilidade  folga > 0
 Utilização = disponibilidade  folga = 0
X3 = folga de Montagem
X4 = folga de Acabamento
19
 Solução por Sistema de
Equações Lineares
Introdução das variáveis de folga

Sistema transformado:

Maximizar MCT = 8x1 + 6x2 + 0x3 + 0x4

Sujeito a:
4x1 + 2x2 + 1x3 = 60
2x1 + 4x2 + + 1x4 = 48
x 1 , x2 , x3 e x 4  0

20
 Solução por Sistema de
Equações Lineares
• Sistema com n variáveis e m equações
(n>m) é indeterminado,
apresentando infinitas soluções.
• No caso em estudo:
–n =4
–m=2
• Estratégia de Solução: forma-se
sistema de equações com m variáveis
válidas e (n-m) variáveis de valor
zero e resolve-se o modelo C vezes,
de forma iterativa.

21
 Solução por Sistema de
Equações Lineares
Tem-se que resolver uma combinação de n elementos, tomados m a m:
n!
C
x
n =
m! (n–m)!

4! 4x3x2
C = 6 sistemas de equações lineares
2
= =
4
2! x 2! 2x2x
Resolvido cada sistema, escolhe-se, dentre as soluções viáveis,
aquela que apresenta o máximo (mínimo) valor

 As variáveis consideradas em cada sistema são chamadas

variáveis básicas
 As variáveis com valor zero atribuído são denominadas
variáveis não-básicas
22
 Método Simplex

1. Solução por Sistema de Equações Lineares

2. Desenvolvimento do Método Simplex

23
 Apresentação do Método Simplex

 Resolver um problema de Programação Linear significa

basicamente resolver sistemas de equações lineares
 Esse procedimento, apesar de correto, é bastante trabalhoso,
podendo ficar impraticável
 Para resolver um problema real de Programação Linear
precisamos de uma sistemática que nos diga:
 qual o sistema de equações que deve ser resolvido;
 que o próximo sistema a ser resolvido fornecerá uma
solução melhor que os anteriores;
Como identificar a solução ótima, uma vez que a tenhamos
encontrado
 Essa sistemática é dada pelo Método Simplex 24
 Procedimentos do Método Simplex

Passo 1: Introduzir as variáveis de folga, uma para cada desigualdade

Passo 2: Montar um quadro para os cálculos, colocando os coeficientes de
todas as variáveis com os respectivos sinais e, na última linha,
incluir os coeficientes da função-objetivo transformada.
Passo 3: Estabelecer uma solução básica inicial, usualmente atribuindo
zero às variáveis originais e achando valores positivos para as
variáveis de folga.
Passo 4: Como próxima variável a entrar na base, escolher a variável não-
básica que fornece, na última linha, a maior contribuição para o
aumento da função objetivo (ou seja, tem o maior valor
negativo).
Se todas as variáveis que estão fora da base tiverem coeficientes
nulos ou positivos nessa linha, a solução atual é ótima.
Se alguma dessas variáveis tiver valor nulo, temos outra solução
25
ótima, com o mesmo valor da função-objetivo.
 Procedimentos do Método Simplex
Passo 5: Para escolher a variável que deve deixar a base, deve-se
realizar o seguinte procedimento:
a) Dividir os elementos da última coluna pelos
correspondentes elementos positivos da coluna da
variável que vai entrar na base. Se não houver elemento
nenhum positivo nessa coluna, o processo deve parar, já
que a solução é ilimitada.
b)O menor coeficiente indica a equação cuja respectiva
variável básica deverá ser anulada, tornando-se variável
não-básica.
Passo 6: Usando operações com as linhas da matriz, transformar a
coluna da nova variável básica num vetor identidade, onde o
elemento 1 aparece na linha correspondente à variável que
está sendo anulada.

Passo 7: Retornar ao PASSO 4 para iniciar nova iteração. 26

Desenvolvimento do Método Simplex

Passo1: Introduzir as variáveis de folga

Max MCT = 8x1 + 6x2 + 0x3 + 0x4
Sujeito a:
4x1 + 2x2 + 1x3 = 60
2x1 + 4x2 + + 1x4 = 48
x1 , x 2 , x 3 e x 4  0

Transformar a função-objetivo:
de L = 8x1 + 6x2
para L - 8x1 - 6x2 = 0

27
 Desenvolvimento do Método Simplex
Passo 2: Montar o quadro
Quadro 1:
1 Fazendo as variáveis originais iguais a zero
Base x1 x2 x3 x4 b
Variáveis x3 4 2 1 0 60
básicas
x4 2 4 0 1 48
Função-objetivo L -8 -6 0 0 0
transformada
a) Solução Inicial:
Fazendo as variáveis originais do modelo iguais a zero e
achando o valor das demais
x1= x2 = 0 (variáveis não-básicas)
x3 = 60; x4= 48 e L= 0
28
Desenvolvimento do Método Simplex
b) Segunda Solução:
O problema é descobrir:
 Das 2 variáveis não-básicas (nulas) na primeira solução, qual
deverá se tornar positiva?
 Das 2 variáveis básicas (positivas) na primeira solução, qual
deverá ser anulada?

 Qual deverá se tornar positiva?

Produzir primeiro o produto que mais contribui para o lucro,
como indicado na última linha (maior valor negativo)
x1= 8 e x2 = 6

29
 Desenvolvimento do Método Simplex
 Qual variável deverá ser anulada?
Se formos produzir apenas o produto que mais contribui para o
lucro (x1), qual a quantidade máxima possível?
1ª restrição: 4x1 + 0x2 = 60  Max x1 = 15
2ª restrição: 2x1 + 0x2 = 48  Max x1 = 24
Essa análise pode ser feita diretamente do Quadro 1, dividindo-se os elementos
da coluna b pelos correspondentes elementos da coluna x1
O menor quociente indica, pela linha em que ocorreu, qual variável básica deve
ser anulada.
Base x1 x2 x3 x4 b 1ª linha: 60 / 4 = 15
x3 4 2 1 0 60 2ª linha: 48 / 2 = 24

x4 2 4 0 1 48 Variável a ser anulada: x3

-8 -6 0 0 0 x2 = 0 x1 = ?
L 30
X3 = 0 X4= ?
 Desenvolvimento do Método Simplex

Solução: fazendo operações com linhas, a partir do quadro 1,

transformar a coluna da nova variável (x1) num vetor identidade, com o
elemento 1 na linha correspondente à variável a ser anulada
1ª Operação: Dividir a 1ª linha por 4

Quadro 1: Quadro 1A:

Base x1 x2 x3 x4 b Base x1 x2 x3 x4 b
x3 4 2 1 0 60 x1 1 1/2 1/4 0 15
x4 2 4 0 1 48 x4 2 4 0 1 48

L -8 -6 0 0 0 L -8 -6 0 0 0

31
 Desenvolvimento do Método Simplex

2ª Operação: Multiplicar a 1ª linha por –2 e somar à 2ª linha

Quadro 1A: Base x1 x2 x3 x4 b

x1 1 1/2 1/4 0 15
x4 2 4 0 1 48

L -8 -6 0 0 0

Quadro 1B: Base x1 x2 x3 x4 b

x1 1 1/2 1/4 0 15
x4 0 3 -1/2 1 18

L -8 -6 0 0 0 32
Desenvolvimento do Método Simplex
3ª Operação: Multiplicar a 1ª linha por 8 e somar à 3ª linha

Quadro 1B: Base x1 x2 x3 x4 b

x1 1 1/2 1/4 0 15
x4 0 3 -1/2 1 18

L -8 -6 0 0 0

Quadro 2: Base x1 x2 x3 x4 b
x1 1 1/2 1/4 0 15
x4 0 3 -1/2 1 18

L 0 -2 2 8 120
33
2ª Solução: X1 = 15; x4 = 18; L = 120
 Desenvolvimento do Método Simplex
Solução: fazendo operações com linhas, a partir do quadro 2,
transformar a coluna da nova variável (x2) num vetor identidade, com o
elemento 1 na linha correspondente à variável a ser anulada (x 4)
4ª Operação: Dividir a 2ª linha por 3

Quadro 2:
Quadro 2A:
Base x1 x2 x3 x4 b Base x1 x2 x3 x4 b
x1 1 1/2 1 /4 0 15 x1 1 1/2 1/4 0 15
x4 0 3 -1/2 1 18 x2 0 1 -1/6 1/3 6

L 0 -2 2 8 120 L 0 -2 2 8 120

34
Desenvolvimento do Método Simplex

5ª Operação: Multiplicar a 2ª linha por – ½ e somar à 1ª linha

Quadro 2A: Base x1 x2 x3 x4 b

x1 1 1/2 1/4 0 15
x2 0 1 -1/6 1/3 6

L 0 -2 2 8 120

Quadro 2B: Base x1 x2 x3 x4 b

x1 1 0 1/3 –1/6 12
x2 0 1 -1/6 1/3 6

L 0 -2 2 8 120 35
Desenvolvimento do Método Simplex
c) Terceira solução:
 Qual deverá se tornar positiva?
Produzir primeiro o produto que mais contribui para o lucro,
como indicado na última linha (maior valor negativo)
x2

 Qual variável deverá ser anulada?

O menor quociente (b/ x2) indica, pela linha em que ocorreu, qual
variável básica deve ser anulada.
1ª linha: 15 / 0,5 = 30
Base x1 x2 x3 x4 b
2ª linha: 18 / 3 = 6
x1 1 1/2 1 /4 0 15
Variável a ser anulada: x4
x4 0 3 -1/2 1 18
x3 = 0 x1 = ?
36
L 0 -2 2 8 120
X4 = 0 X2= ?
Desenvolvimento do Método Simplex
6ª Operação: Multiplicar a 2ª linha por 2 e somar à 3ª linha

Quadro 2B: Base x1 x2 x3 x4 b

x1 1 0 1/3 –1/6 12
x2 0 1 -1/6 1/3 6

L 0 -2 2 8 120

Quadro 3: Base x1 x2 x3 x4 b
x1 1 0 1/3 –1/6 12
x2 0 1 -1/6 1/3 6

L 0 0 5/3 26/3 132 37

Desenvolvimento do Método Simplex

Quadro 3: Base x1 x2 x3 x4 b
x1 1 0 1/3 –1/6 12
x2 0 1 -1/6 1/3 6

L 0 0 5/3 26/3 132

 A última linha mostra as contribuições líquidas para o lucro,

caso as variáveis x3 e x4 venham a ter seus valores
aumentados de 0 para 1.
 Como essas contribuições têm sinais trocados em relação ao
quadro original, concluímos que a solução encontrada:
x1=12; x2= 6; x3= 0 e x4=0
38
é a solução ótima
 Interpretação econômica dos
Coeficientes do Método Simplex
Quadro 3: Base x1 x2 x3 x4 b
x1 1 0 1/3 –1/6 12
x2 0 1 -1/6 1/3 6

L 0 0 5/3 26/3 132

Análise de sensibilidade para x3

 Como x3 está fora da base, seu valor na solução ótima é zero
 A coluna x3 indica as variações, com sinal contrário, que
ocorreriam nas variáveis básicas e no lucro, se a variável x3
passasse de 0 para 1
39
 Idem para análise de sensibilidade de x4