Apontamentospl

Investigacao Operacional
Programacao Linear
Departamento de Matematica
Universidade de Tras-os-Montes e Alto Douro
2012
Indice
1 Introdu
c
ao
1.1 Definicao e enquadramento dos problemas de programacao linear (PL) . .
1.1.1
Como surgiu a PL na Investigacao Operacional (IO)? . . . . . . . .
1.1.2
O que e a Investigacao Operacional ? . . . . . . . . . . . . . . . . .
1.1.3
Principais passos . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 Apresenta
c
ao e formula
c
ao matem
atica de problemas de PL
2.1 Hipotese do modelo de programacao linear . . . . . . . . . . . . . . . . . .
2.2 Formulacao matematica de um problema linear tipo . . . . . . . . . . . . .
2.3
O modelo de programacao linear . . . . . . . . . . . . . . . . . . . . . . . 10

2.3.1
Formas cartesiana e matricial . . . . . . . . . . . . . . . . . . . . . 14
2.4 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3 Resolu
c
ao gr
afica de problemas de PL
23
3.1 Nocoes de analise convexa . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3.2 Resolucao grafica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3 Casos particulares de problemas lineares . . . . . . . . . . . . . . . . . . . 34
3.4 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4 M
etodo simplex
41
4.1 Solucao algebrica dos problemas de Programacao Linear . . . . . . . . . . 41

4.1.1
Solucoes basicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.1.2
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.2 Resultados importantes de PL . . . . . . . . . . . . . . . . . . . . . . . . . 51

4.3 Algoritmo simplex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.4 Metodo simplex na forma tabular . . . . . . . . . . . . . . . . . . . . . . . 57

4.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.6 Casos particulares do metodo de simplex na forma tabular . . . . . . . . . 63
4.7 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.8 Quadros simplex na forma matricial . . . . . . . . . . . . . . . . . . . . . . 74
4.9 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
5 M
etodo Simplex - identifica
c
ao de uma solu
c
ao inicial
79
5.1 Metodo das penalidades ou metodo M-grande . . . . . . . . . . . . . . . . 80

5.2 Metodo das duas fases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
6 A Dualidade
93
6.1 Formulacao do Problema Dual . . . . . . . . . . . . . . . . . . . . . . . . . 94

6.1.1
O Dual de um PL na forma Padrao . . . . . . . . . . . . . . . . . . 96
6.1.2
O Dual de um qualquer PL . . . . . . . . . . . . . . . . . . . . . . 96
6.2 Relacoes Primal-Dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99

6.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.4 O Metodo Dual Simplex . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
6.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
6.6 Interpretacao economica do dual . . . . . . . . . . . . . . . . . . . . . . . . 114
7 An
alise de Sensibilidade e P
os-otimiza
c
ao em PL
131
7.1 Alteracoes dos coeficientes na funcao objetivo . . . . . . . . . . . . . . . . 133

7.2 Alteracoes dos termos independentes . . . . . . . . . . . . . . . . . . . . . 135
7.3 Introducao de uma nova variavel . . . . . . . . . . . . . . . . . . . . . . . . 138
7.4 Introducao de uma nova restricao . . . . . . . . . . . . . . . . . . . . . . . 141
7.4.1
A nova restricao e do tipo desigualdade . . . . . . . . . . . . . . . . 143
7.4.2
A nova restricao e do tipo igualdade
. . . . . . . . . . . . . . . . . 148
7.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152

Ap
endices
163
ii
A Resolu
c
ao do problema tipo usando o EXCEL, Xpress e WinQSB
165
A.1 Excel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165

A.2 Xpress . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
A.3 WinQSB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
iii
iv
Nota pr
evia
O presente texto foi elaborado como uma compilacao de varios textos para apoiar o
estudo de varias unidades curriculares da Investigacao Operacional existentes na nossa
universidade. Entre as referencias consultadas destacamos: [1], [2], [3], [4], [5], [6], [7], [8],
[9], [10].
vi
Captulo 1
Introdu
c
ao
De acordo com o texto publicado no endereco http://www.apdio.pt/aboutIO:
O que e a Investigacao Operacional
Em que consiste afinal esta disciplina cuja designac
ao e infelizmente t
ao pouco elucidativa?
Trata-se de uma ciencia aplicada voltada para a resoluc
ao de problemas reais, em que se
procura trazer para o campo da tomada de decis
oes (sobre a concepc
ao, o planeamento
ou a operacao de sistemas) a atitude e os metodos pr
oprios de outras
areas cientficas.
Atraves de desenvolvimentos de base quantitativa, a Investigac
ao Operacional visa tambem
introduzir elementos de objetividade e racionalidade nos processos de tomada de decisao,
sem descurar no entanto os elementos subjetivos e de enquadramento organizacional que
caraterizam os problemas.
A Investigacao Operacional nasceu durante a Segunda Guerra Mundial, quando os Aliados se viram confrontados com problemas (de natureza logstica e de t
atica e estrategia
militar) de grande dimensao e complexidade. Para apoiar os comandos operacionais na
resolucao desses problemas, foram ent
ao criados grupos multidisciplinares de cientistas
em que se incluam matematicos, fsicos e engenheiros, a par de outros oriundos das
ciencias sociais. Esses cientistas mais n
ao fizeram do que aplicar o metodo cientfico, que
tao bem conheciam, aos problemas que lhes foram sendo colocados. Desenvolveram entao
a ideia de criar modelos matematicos, apoiados em dados e factos, que lhes permitissem
perceber os problemas em estudo e ensaiar e avaliar o resultado hipotetico de estrategias
ou decisoes alternativas.
O sucesso e credibilidade ganhos durante a guerra foram t

ao grandes que, terminado o
conflito, esses grupos de cientistas e a sua nova metodologia de abordagem dos problemas se transferiram para as empresas que, com o boom econ
omico que se seguiu, se
viram tambem confrontadas com problemas decisionais de grande complexidade. Fizeramse desde entao grandes desenvolvimentos tecnicos e metodol
ogicos que hoje, com o apoio
de meios computacionais de crescente capacidade e disseminac
ao, nos permitem trabalhar
enormes volumes de dados sobre as atividades das empresas e, atraves de adequados modelos de base quantitativa, ensaiar e avaliar linhas de acc
ao alternativas e encontrar as
solucoes que melhor servem os objetivos dos indivduos ou organizac
oes.
Face ao seu caracter multidisciplinar, a Investigac
ao Operacional e uma disciplina cientfica de caractersticas horizontais, estendendo-se os seus contributos por praticamente
todos os domnios da atividade humana, desde a engenharia a` medicina, passando pela
economia e a gestao.
Um dos captulos especficos da investigacao operacional e a Otimizacao. Neste trabalho
abordaremos apenas a Otimizacao Linear na sua vertente dos problemas de Programacao
Linear. Sao in
umeros os problemas do dia-a-dia que podem ser resolvidos usando a
programacao linear. Por exemplo: problemas de distribuicao de recursos, problemas de
planeamento da producao (maximizacao de lucros face a escassez de recursos, minimizacao
de custos em problemas de dietas alimentares, ...), problemas de afetacao (realizacao de
horarios, escalonamento de tarefas, ...), problemas de transporte e problemas de corte de
materiais.
A ttulo de curiosidade apresentamos de seguida alguns topicos da historia da programacao
linear, pp. 47-49 em [5]:
Historicamente, a Programacao Linear encontra as suas razes na Antiguidade. A pesquisa do otimo foi um tema que sempre preocupou o Homem. Por exemplo, Euclides (Sec.
III a.C.), no seu livro IV, descreveu uma forma de obter um paralelogramo de
area maxima
com um dado permetro. Nos seculos XVII e XVIII, Newton, Leibniz, Bernoulli e, principalmente Lagrange, ocuparam-se da determinac
ao de m
aximos e mnimos de determinadas funcoes. Posteriormente, o matem
atico frances Fourier (1768-1818) foi o primeiro
a intuir, os metodos a que, atualmente, chamamos Programac
ao Linear. Gaspar Monge
(1746-1818), em 1776, interessou-se tambem por problemas deste tipo. Contudo, so mais
tarde, e que se retoma o estudo relacionado com os metodos atuais da Programacao Linear. Em 1939, o matematico e economista sovietico Leonid Kantarovitch publica um
livro intitulado Metodos matematicos de organizac
ao e planificac
ao da produc
ao, no
qual, pela primeira vez, faz corresponder a uma variedade de problemas uma teoria matematica precisa e bem delimitada que, hoje em dia, se denomina Programac
ao Linear. No
entanto, o seu trabalho manteve-se desconhecido ate 1959, n
ao tendo qualquer impacto no
desenvolvimento da Programacao Linear na era ap
os a II Guerra Mundial. Entre 1941 e
1945, T. Koopmans, L. Kantarovitch e G. Stigler formularam alguns problemas particulares (problemas de transporte, problemas de regimes alimentares, entre outros). Em 1947,
George Dantzig formulou, em termos matem
aticos, o enunciado padr
ao em que todo o problema de Programacao Linear pode ser transformado. Paralelamente, nas u
ltimas decadas
do seculo XX, os avancos cientficos da tecnologia inform
atica, tornaram possvel a resolucao da maior parte dos problemas de Programac
ao Linear. Os investigadores foram
procurando algoritmos, cada vez mais eficientes, a serem implementados no computador.
Um deles e o denominado Metodo Simplexdesenvolvido em 1947 por George Dantzig
e por outros cientistas que faziam parte do projeto SCOOP (Scientific Computation of
Optimum Programs), no Departamento da Forca Aerea Americana, metodo este utilizado
para a otimizacao linear. A Programac
ao Linear foi utilizada na II Guerra Mundial, para
resolver problemas de estrategia militar, fornecimento logstico, elaborar v
arios tipos de
horarios de treino para determinadas operac
oes de uma forma econ
omica e eficaz. George
Dantzig formulou o problema de planeamento como um sistema de inequac
oes lineares e
foi o primeiro a referir-se aos criterios para seleccionar o melhor plano. Explicitando-os
matematicamente, deram origem ao que, atualmente, denominamos func
ao objetivo.
Os fundamentos matematicos da Programac
ao Linear s
ao devidos ao matem
atico norteamericano de origem h
ungara Janos von Neuman (1903-1957) que, em 1947, estabeleceu
tambem a correspondencia entre os problemas de Programac
ao Linear e a Teoria das
matrizes. A influencia deste matem
atico levou outros investigadores a interessarem-se
pelo desenvolvimento deste tema. Em 1949, T. Koopmans organizou uma conferencia
sobre Programacao Linear - Cowles Commission for Research in Economics - onde a
participacao de economistas e matem
aticos famosos contribuiu, de forma decisiva, para
o reconhecimento das potencialidades da Programac
ao Linear e para a sua divulgacao.
Desde 1950, que se formaram varios grupos de estudo para desenvolverem os diferentes
ramos da Programacao Linear, principalmente nos Estados Unidos da America. A partir
desta data o impacto da Programacao Linear tem sido muito importante. Atualmente, e
uma ferramenta de utilizacao usual que envolve muitas pessoas, companhias de negocios
e empresas. A sua aplicacao a outros setores da sociedade tem vindo, progressivamente,
a aumentar (Vizmanos e Anzola, 2001; Ramalhete et al., 1984).
1.1
Defini
c
ao e enquadramento dos problemas de programac
ao linear (PL)
A Programacao Linear permite estabelecer o melhor plano para atingir certos objetivos
economicos, numa situacao de recursos limitados.
A PL e um metodo matematico de distribuir quantidades fixas de recursos, conseguindo
otimizar um determinado objetivo e satisfazer, simultaneamente, uma serie de condicoes
definidas [9].
1.1.1
Como surgiu a PL na Investiga

c
ao Operacional (IO)?
A origem da Investigacao Operacional como ciencia e atribuda a` coordenacao das operacoes

militares durante a II Guerra Mundial. Era necessario distribuir recursos militares, homens, armas, comida, etc. duma forma eficaz. Para isto foi procurada uma equipa de
cientistas que pudessem resolver os problemas de estrategia e tatica militar.
Em 1947, George Dantzig e outros cientistas da forca aerea Americana apresentaram um
metodo denominado metodo de Simplex para resolver problemas de Programacao Linear
(PL).
1.1.2
O que
e a Investiga
c
ao Operacional ?
A IO e uma abordagem cientfica na tomada de decisoes, um conjunto de metodos e

modelos matematicos aplicados a` resolucao de problemas complexos.
Investigac
ao refere-se a` pesquisa, identificacao e construcao de solucoes.
Operacional as solucoes pesquisadas devem ser funcionais (executaveis).
Alguns dos ramos da IO que importa destacar sao:

Programacao Linear; Programacao Nao Linear; Programacao Inteira; Otimizacao em Redes e Simulacao.
1.1.3
Principais passos
A modelacao e a analise de um problema de Programacao Linear desenvolve-se atraves

das varias etapas:
1. Formulacao do Problema
O problema deve ser analisado de modo exaustivo, ficando bem definidos:
os objetivos que se pretendem alcancar com a resolucao do problema,
as restricoes (limitacoes) existentes no sistema real,
as relacoes de interdependencia entre todas as componentes integrantes do
sistema (restricoes).
2. Construcao do modelo matematico
Um modelo matematico e uma representacao simplificada de uma situacao da vida
real, formalizado atraves de smbolos e expressoes matematicas.
Na maioria das situacoes, o problema pode ser representado por modelos e problemas
tipo ja desenvolvidos. De um modo simplificado, formular matematicamente um
problema nao e mais do que converte-lo em certos modelos e problemas tipo da
Investigacao Operacional tais como: modelos de Programacao Linear, modelos de
Programacao Inteira, modelos de Programacao Dinamica, modelos de Programacao
Multi-objetivo.
Neste texto vamos abordar os modelos de Programa
c
ao Linear que consistem
na otimizacao, maximizacao (max.) ou minimizacao (min.), de uma funcao linear
satisfazendo um conjunto de equacoes e/ou inequacoes (restricoes) igualmente lineares, tal como ja foram definidos nas citacoes anteriores. Assim sendo, os modelos
de PL sao modelos de IO determinsticos.
3. Obtencao da solucao
Para resolver um problema de PL, i.e., determinar a solucao otima, pode ser utilizado o metodo grafico (se o n
umero de variaveis for inferior ou igual a 3), o metodo
simplex (ou uma sua variante), bem como uma tecnica de metodos de ponto interior.
Neste passo e incorporada outro tipo de analise denominada an
alise de sensibilidade e p
os-otimizac
ao em que e abordado o comportamento da solucao otima
quando sao efetuadas alteracoes pontuais em certos parametros do modelo.
Uma vez concludo este passo a equipa de Investigacao Operacional esta pronta a
avaliar as varias propostas de modelos e as respetivas solucoes otimas.
4. Testar o modelo e a solucao obtida
Neste passo sao validados, quer o modelo escolhido, quer a solucao otima obtida.
Se a avaliacao for satisfatoria entao devem implementar-se os resultados obtidos na
pratica.
Se a avaliacao nao for satisfatoria, deve proceder-se a` reformulacao, remodelacao e
resolucao do problema.
5. Implementacao e acompanhamento da solucao
Para que a implementacao dos resultados seja bem sucedida a equipa de IO tem
que garantir o acompanhamento da equipa de gestao ao longo das etapas que descrevemos. Alem disso, tem que acompanhar essa implementacao pois em situacoes
reais surgem, por vezes, alteracoes que requerem reformulacoes, i.e., por exemplo
uma nova analise de sensibilidade ou de pos-otimizacao.
Captulo 2
Apresenta
c
ao e formula
c
ao
matem
atica de problemas de PL
2.1
Hip
otese do modelo de programa
c
ao linear
A formulacao de um modelo de PL fundamenta-se em determinadas hipoteses. A importancia destas hipoteses reside no facto de permitir esclarecer em que condicoes e
aplicavel este tipo de modelo matematico.
1. PROPORCIONALIDADE
As quantidades de fatores e produtos (coeficientes aij ) relacionados com cada atividade (variavel de decisao xj ), sao sempre proporcionais ao nvel da mesma (aij xj ).
2. ADITIVIDADE
Dadas n atividades (xj com j = 1, . . . , n), o resultado conjunto das mesmas e a
soma das partes
a11 x1 + ... + a1n xn = b1 ,
a21 x1 + ... + a2n xn = b2 ,
...
am1 x1 + ... + amn xn = bn .
Por exemplo, a contribuicao, lucro ou custo (cj ), de uma atividade (xj ) para a
funcao objetivo e proporcional ao nvel da mesma (cj xj ). A contribuicao total (Z)
e a soma das contribuicoes de todas as atividades (Z = c1 x1 + ... + cn xn ).
NEGATIVIDADE
3. DIVISIBILIDADE E NAO
As variaveis de decisao, xj , podem assumir qualquer valor nao negativo, nao sendo
obrigatoriamente inteiro. Alem disso, se por exemplo estivermos a lidar com um
problema em que as variaveis sejam temperaturas que possam ser negativas, tem
que se efetuar uma mudanca de variavel.
4. CERTEZA
Todos os coeficientes envolvidos num problema de PL sao deterministas, ou seja,
podemos estudar os efeitos da sua variacao, mas nao existem probabilidades associadas.
Sugestao: Nos problemas de PL que formular identifique estas hipoteses.
2.2
Formula
c
ao matem
atica de um problema linear
tipo
Nesta seccao comeca-se por formular um problema tipo de Programacao Linear. Apresentamse as etapas da formulacao matematica do modelo de Programacao Linear e propoem-se
alguns exerccios.
Exemplo 2.2.1 (Exemplo Tipo). Uma empresa produz dois produtos: A e B. O lucro
(a)
unitario do produto A e de 20 unidades monet

arias (u.m.)
e o lucro unitario do
produto B e de 30 u.m.. Para produzir A e B utiliza-se materia-prima I e materia-prima

II, disponveis em quantidades limitadas, como mostra o quadro abaixo.
materia-prima I (kg) materia-prima II (kg)
Produto A
Produto B
240
120
Disponibilidade diaria (kg)
Um acordo com um comprador obriga `

a produc
ao di
aria de pelo menos 10 unidades de
produto B.
(a)
Usam-se u.m. para evitar as valorizac

oes/desvalorizacoes monetarias.
Formule um PL que permita determinar o plano de produc

ao di
aria que maximiza o lucro.
De seguida, apresentam-se os varios passos da formula
ca
o matem
atica do problema
(1. a 4.):
1. Vari
aveis de decis
ao:
Definam-se duas variaveis de decis
ao (v.d.):
xA
quantidade de produto A produzido diariamente
xB
quantidade de produto B produzido diariamente
2. Fun
ca
o objetivo (f.o.):
Pretende-se maximizar o lucro total (que denotamos por Z) obtido com a producao
dos dois produtos usando as v.d. definidas, i.e.,
Maximizar Z = 20 xA + 30 xB
3. Restri
co
es:
restricoes funcionais ou tecnol
ogicas:
relativamente à materia-prima I tem-se:
n
ao pode
materia-prima I
exceder
disponvel
materia-prima I
n
ao pode
materia-prima I
utilizada em B
exceder
disponvel
materia-prima I utilizada
Materia-prima I
utilizada em A
2xA + 8xB
relativamente à materia-prima II tem-se:
3xA + 2xB 120
relativamente às necessidades de mercado tem-se:
xB 10
240
restricoes de nao-negatividade
nao podem ser produzidas quantidades negativas de qualquer um dos produtos:
xA , xB 0
4. Apresenta
ca
o do modelo de PL(b) :
max Z = 20xA + 30xB
s.a 2xA + 8xB 240
3xA + 2xB 120
xB 10
xA , xB 0
Este problema, visto ter apenas duas vari
aveis, pode ser resolvido graficamente.
No Anexo A e feita a resolucao deste exemplo usando diferentes softwares.
2.3
O modelo de programa
c
ao linear
Os problemas de PL sao problemas de maximizacao ou minimizacao de uma funcao linear

sobre um domnio definido por um conjunto de condicoes lineares que podem ser do tipo
, ou =. Assim, genericamente, tem-se a formulacao (P1):
min(max) Z = c1 x1 + c2 x2 + + cn xn + k
s.a
funcao objetivo
a11 x1 + a12 x2 + + a1n xn {, , =} b1

a21 x1 + a22 x2 + + a2n xn {, , =} b2
..
.
restricoes funcionais
am1 x1 + am2 x2 + + amn xn {, , =} bm

x1 0, x2 0, . . . , xn 0
restricoes de nao negatividade
em que k, aij , cj , bi (i = 1, . . . , m; j = 1, . . . , n) sao constantes e xj sao variaveis.

(b)
s.a e a abreviatura de sujeito a.
10
As constantes aij designam-se por coeficientes t

ecnicos; bi designam-se por termos
independentes e cj designam-se por coeficientes da fun
c
ao objetivo.
As variaveis xj designam-se vari
aveis de decis
ao ou vari
aveis principais. Alem disso,
em cada restricao apenas se verifica uma e uma so das relacoes , ou =.
Ao conjunto de valores das variaveis (x1 , x2 , . . . , xn ) que verificam simultaneamente todas
as restricoes chamamos conjunto de solu
co
es admissveis.
Resolver um problema linear consiste em determinar a melhor solucao, de entre todas
as solucoes admissveis, de acordo com o objetivo considerado i.e., a que maximiza ou
` melhor solucao chama-se solu
minimiza Z. A
c
ao o
tima e denota-se por x . Nos casos em
que existirem m
ultiplas solucoes otimas, denota-se, usualmente, o conjunto das solucoes
otimas por X . O valor da funcao objetivo na solucao otima diz-se valor o
timo e denotase por Z .
Qualquer PL pode ser escrito numa das seguintes formas:
1. Forma standard (padrao)
Todas as restricoes funcionais do problema linear sao apresentadas na forma de

equacoes, as variaveis sao nao-negativas e os termos independentes da restricoes sao
nao-negativos.
s.a a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn = b2
..
.
am1 x1 + am2 x2 + + amn xn = bm
x1 0, x2 0, . . . xn 0
11
2. Forma canonica de um PL de maximizacao

O problema e um problema de maximizacao em que todas as restricoes funcionais
sao do tipo e as variaveis sao nao-negativas.
max Z = c1 x1 + c2 x2 + + cn xn + k
s.a a11 x1 + a12 x2 + + a1n xn b1
a21 x1 + a22 x2 + + a2n xn b2
..
.
am1 x1 + am2 x2 + + amn xn bm
x1 0, x2 0, . . . xn 0
3. Forma canonica de um PL de minimizacao

O problema e um problema de minimizacao em que todas as restricoes funcionais
sao do tipo e as variaveis sao nao-negativas.
min Z = c1 x1 + c2 x2 + + cn xn + k
s.a a11 x1 + a12 x2 + + a1n xn b1
a21 x1 + a22 x2 + + a2n xn b2
..
.
am1 x1 + am2 x2 + + amn xn bm
x1 0, x2 0, . . . xn 0
Opera
co
es de reformula
c
ao nos problemas de PL
Estas formas, 1., 2. ou 3., sao tao gerais quanto a forma (P1). Mediante operacoes
convenientes, e possvel escrever qualquer problema linear numa destas formas:
1. Qualquer PL de maximizacao pode converter-se num PL de minimizacao e vice-versa
maximizar Z = minimizar (Z)
minimizar Z = maximizar (Z)
12
2. Qualquer restricao do tipo pode ser convertida numa restricao do tipo

multiplicando ambos os membros da desigualdade por (-1).
a11 x1 + a12 x2 + + a1n xn b1 a11 x1 a12 x2 a1n xn b1
3. Qualquer restricao do tipo = pode ser escrita como a conjuncao de duas restricoes
do tipo desigualdade
a x +a x ++ a x b
11 1
12 2
1n n
1
a11 x1 + a12 x2 + + a1n xn = b1
a x +a x ++ a x b
11 1
12 2
1n n
1
4. Qualquer restricao do tipo desigualdade pode ser convertida numa restricao do tipo
igualdade, incorporando no sistema uma nova variavel (nao negativa), dita vari
avel
de folga (vari
avel de desvio ou vari
avel slack)
a x +a x ++a x +x
11 1
12 2
1n n
n+1 = b1
a11 x1 + a12 x2 + + a1n xn b1
x
0
n+1
a x +a x ++a x x
11 1
12 2
1n n
n+1 = b1
a11 x1 + a12 x2 + + a1n xn b1
x
0
n+1
5. Qualquer variavel nao restringida pela condicao de nao-negatividade pode ser convertida, mediante uma mudanca de variavel conveniente, de modo a obter restricoes
de nao-negatividade para todas a variaveis.
xj k xj k 0, k R
| {z }
yj
Efetuar uma mudanca de variavel. Considerar uma nova variavel yj em que:
y = x k
x =y +k
j
j
j
j
yj 0
yj 0
xj k xj + k 0
| {z }
yj
Efetuar uma mudanca de variavel. Considerar uma nova variavel yj tal que:
y = x + k
x =ky
j
j
j
j
yj 0
yj 0
13
xj livre (sem restricao de sinal), substitui-se xj pela diferenca de duas variaveis

nao negativas,
xj
livre
x = x0 x00
j
j
j
x0 , x00 0
j
6. Na funcao objetivo
max(min) Z = c1 x1 + c2 x2 + + cn xn + k
e equivalente a
k + max(min) Z = c1 x1 + c2 x2 + + cn xn
Exerccio 2.3.1. Escreva o PL seguinte nas formas padr
ao e can
onica.
max Z = 10x1 4x2 3x3
s.a 2x1 4x2
x3 2
4x1 + 2x2 + 6x3 10

x1 0, x2 4, x3
2.3.1
livre
Formas cartesiana e matricial
Por vezes e conveniente escrever os problemas lineares numa das formas seguintes.
1. Forma cartesiana ou reduzida
max Z =
n
X
cj xj + k
j=1
s.a
n
X
aij xj bi , i = 1, 2, . . . , m
j=1
xj 0, j = 1, . . . , n
2. Forma matricial
max Z = c>x + k
s.a Ax b
x0
em que x> = [ x1 x2 . . . xn ], c> = [ c1 c2 . . . cn ], b> = [ b1 b2 . . . bm ],
A = [aij ], i = 1, 2, . . . , m, j = 1, 2, . . . , n e 0> = [ 0 . . . 0 ] e o vetor nulo.
14
2.4
Exerccios
1. Uma empresa de construcao civil constroi moradias e apartamentos. para construir

uma moradia em 6 meses necessita de 2 pedreiros, 4 serventes e 1 carpinteiro. Para
construir um bloco de apartamentos no mesmo intervalo de tempo, a empresa necessita de 3 pedreiros, 8 serventes e 3 carpinteiros. A empresa possui um efetivo
de 30 pedreiros, 70 serventes e 22 carpinteiros. A empresa obtem um lucro de 3000
u.m. por cada moradia e um lucro de 5000 u.m. por cada bloco de apartamentos.
Admita que todas as construcoes sao vendidas. Pretende-se determinar o n
umero de
moradias e o n
umero de blocos de apartamentos a construir de modo a maximizar
o lucro ao fim dos 6 meses.
2. Uma empresa produz dois produtos: A e B. O lucro unitario do produto A e de

2 u.m. e o lucro unitario do produto B e 3 u.m. Para produzir A e B utilizase materia-prima I (m.p. I), materia-prima II e materia-prima III, disponveis em
quantidades limitadas, como mostra o quadro abaixo.
m.p. I (kg)
m.p. II (kg)
m.p. III (kg)
Produto A
10
Produto B
10
Disponibilidade diaria (kg)
36
70
36
Formule um PPL que permita determinar o plano de producao diaria que maximiza
o lucro.
3. Uma empresa compra dois produtos, P1 e P2, para os misturar e obter um novo
produto alimentar que fornecera vitaminas (vit.) A e C. O custo do produto P1 e
de 120 u.m./kg e o custo do produto P2 e de 80 u.m./kg. Cada quilo de P1 e P2
fornece as quantidades de vitaminas como se mostra no quadro abaixo.
Formule um PPL que permita determinar o plano de compras diarias que permita
a` empresa obter a dieta a custo mnimo.
15
vit A. (mg/kg)
vit C. (mg/kg)
Produto P1
Produto P2
necessidades mnimas diarias (mg)
16
20
4. Numa fabrica sao produzidos dois tipos de artigos (A e B), que sao vendidos a 15 e
27 u.m./unid., respetivamente. Na fabrica trabalham 50 trabalhadores, 8 horas por
dia durante 5 dias por semana. Cada trabalhador recebe um vencimento mensal
de 3 u.m.. A producao de uma unidade de A e B requer, respetivamente, 8 horas
e 16 horas de trabalho por parte de um trabalhador em tarefas de acabamento e
embalagem. A fabrica dispoe de 10 maquinas identicas, nao podendo cada uma
delas estar em funcionamento mais de 150 horas por mes. A producao dos artigos
A e B requer 1 e 2 horas numa das maquinas, respetivamente. O fabrico de uma
unidade de A e B consome, respetivamente, 8 Kg e 10 Kg de materia prima. Nao
e possvel adquirir mais do que 16 toneladas de materia prima por ano, sendo o
seu custo de 25 u.m./ton.. Pretende-se saber qual o plano de producao mensal que
maximiza os lucros tendo em conta que:
(i) as maquinas sao automaticas i.e., uma vez postas em funcionamento dispensam
a atencao dos trabalhadores.
(ii) cada uma das maquinas, sempre que esta a funcionar, requer a vigilancia de
um trabalhador.
Observacao: Suponha que a disponibilidade de materia-prima e distribuda equitativamente pelos 12 meses do ano e que um mes corresponde a exatamente 4 semanas.
5. Uma fabrica pode produzir tres tipos de gasolinas A, B e C, utilizando uma combinacao de tres componentes 1, 2 e 3. Os precos de compra de cada litro das
componentes utilizadas no fabrico e os precos de venda de cada litro das gasolinas
produzidas encontram-se resumidos nos quadros seguintes:
16
COMPONENTES
precos de compra(u.m./l)
40
15
20.5
GASOLINAS
precos de venda(u.m./l)
50
30
24.5
Por limitacoes economicas e de mercado, a fabrica pode adquirir, no maximo, 300,

400 e 200 litros por mes, respetivamente, das componentes 1, 2 e 3. Por outro lado,
as normas de mercado estabelecem algumas regras relativamente a` composicao de
cada uma das gasolinas. Exigem que:
a gasolina A tenha pelo menos 60% de componente 1 e nao mais do que 55%
de componente 3.
a gasolina B tenha pelo menos 15% de componente 1 e nao mais do que 55%
de componente 3.
a gasolina C nao tenha mais do que 50% de componente 2.
Formule um modelo de programacao linear que permita a` fabrica determinar a
composicao das tres gasolinas que maximize o seu lucro de venda.
6. Um determinado betao e produzido em tres fabricas - 1, 2 e 3 - em quantidades
diferentes (ofertas). Existem quatro obras - A, B, C e D - que recebem esse betao,
tambem em quantidades diferentes (procuras). Os dados referentes a` oferta em
cada uma das fabricas e a` procura em cada um dos locais, bem como os correspondentes custos decorrentes do transporte (em unidades monetarias por tonelada),
apresentam-se na Tabela 2.1, respetivamente.
O problema consiste em determinar a quantidade de betao a transportar de cada
fabrica para cada obra de modo a minimizar o custo total de transporte. Considere
que a oferta em cada fabrica e totalmente gasta e que a procura em cada obra e
totalmente satisfeita.
Sugestao: Considere xij como sendo a quantidade, em toneladas, de betao a transportar da fabrica i para a obra j, com i = 1, 2, 3 e com j = A, B, C, D.
17
Fabricas oferta
1
1500
1600
1900
obras
Obras procura
A
1200
Fabricas
1200
C
D
20 25 10
15
1300
21 39 24
20
1300
19 35 20
25
Tabela 2.1: Ofertas e procuras do betao (ton.) e custos de transporte (u.m./ton.).

7. Os responsaveis pela poltica de vacinas numa determinada regiao deparam-se com
o problema de diminuir os custos com a aquisicao e transporte das vacinas para os
Centros de Sa
ude onde serao administradas.
O n
umero de vacinas necessario em cada um dos 4 Centros de Sa
ude da referida
regiao e de 20 000, 50 000, 30 000 e 40 000.
Existem tres empresas farmaceuticas capazes de fornecer vacinas no prazo estipulado, tendo cada uma feito uma proposta. A empresa A coloca em cada Centro de
Sa
ude as vacinas que forem precisas a um preco unitario de 0.5e. A empresa B
vende cada vacina por 0.2e, mas nao se responsabiliza pelo seu transporte para os
Centros de Sa
ude. Esta empresa nao assegura mais de 100 000 vacinas.
Estima-se que o custo de transporte por vacina das instalacoes da empresa B para
cada um dos Centros de Sa
ude seja de 0.15e, 0.2e, 0.35e e 0.4e (pela ordem em
que foram inicialmente referenciados). A empresa C garante a entrega das vacinas
aos Centros de Sa
ude 1, 2 e 3 pelos precos de 0.2e, 0.4e e 0.5e, respetivamente.
Formule este problema atraves de um modelo de Programacao Linear.
Proposta de Resoluc
ao
Variaveis de decisao:
xAj = no de vacinas que o centro de sa
ude j compra a` empresa A, j = 1, 2, 3, 4;
xBj = no de vacinas que o centro de sa
ude j compra a` empresa B, j = 1, 2, 3, 4;
xCj = no de vacinas que o centro de sa
ude j compra a` empresa C, j = 1, 2, 3.
18
O problema pode ser formulado como:

min Z = 0.5(xA1 + xA2 + xA3 + xA4 ) + 0.2(xB1 + xB2 + xB3 + xB4 ) + 0.15xB1 +
+ 0.2xB2 + 0.35xB3 + 0.4xB4 + 0.2xC1 + 0.4xC2 + 0.5xC3
s.a xA1 + xB1 + xC1 = 20000
xA2 + xB2 + xC2 = 50000
xA3 + xB3 + xC3 = 30000
xA4 + xB4 = 40000
xB1 + xB2 + xB3 + xB4 100000
xAi , xBi , xCj 0, i = 1, 2, 3, 4; j = 1, 2, 3
8. A entidade municipal de uma cidade decidiu estabelecer um plano habitacional
numa zona de 3.1 km2 . Esta zona sera ocupada por habitacoes, espacos verdes e
ruas para circulacao. Serao construdas habitacoes de dois tipos: rendas medias e
rendas baixas. A construcao de uma habitacao de renda baixa custa 35000 u.m.
e ocupa uma area de 70 m2 , enquanto que uma habitacao de renda media custa
60000 u.m. e ocupa uma area de 110 m2 . De acordo com uma pesquisa de mercado
efetuada, a procura de habitacoes foi estimada em 180 casas, nao sendo aconselhavel
que o n
umero de habitacoes de renda baixa ultrapasse em mais de 50 unidades o
n
umero de habitacoes de renda media. O plano diretor municipal da camara, quanto
a impactos ambientais, exige que as zonas verdes ocupem uma area correspondente
a pelo menos 12% da zona habitacional. A area total reservada para ruas devera
ocupar uma area equivalente a 7% da zona habitacional. Cada metro quadrado de
zona verde custa, em media, 28 u.m. e cada metro quadrado de rua foi estimado
em 67.5 u.m.. Para realizar o plano, a camara dispoe apenas de 10 milhoes de u.m..
De modo a satisfazer a procura de habitacoes:
(a) Formule o problema de forma a minimizar o custo total do plano habitacional.
(b) Formule o problema de forma a maximizar o n
umero de habitacoes construdas.
Observacao: Suponha (ainda que nao lhe pareca razoavel) que pode considerar
fraccoes de uma habitacao.
19
9. A PLANURBE e uma empresa de planeamento urbano, que foi contactada para

estudar um novo empreendimento imobiliario. O novo empreendimento decorrera
em duas fases, envolvendo uma area total de construcao que nao podera exceder
5000 m2 na 1a fase e 4500 m2 na 2a fase. As disponibilidades financeiras para
investimento na 1a fase nao ultrapassam as 1000 u.m, estimando-se que na 2a fase
possam ser investidos 700 u.m. e ainda 30% dos lucros previstos para a 1a fase.
Considera-se a possibilidade de construir apartamentos com 2, 3 ou 4 quartos (T2,
T3 e T4) e ainda apartamentos Duplex (DX). No quadro seguinte sao indicados os
valores da area, investimento (1a e 2a fases) e lucro (1a e 2a fases) associados a cada
apartamento:
Tipo
area (m2 )
investimento (u.m.)
lucro (u.m.)
1a fase
2a fase
1a fase
2a fase
% de apart.
T2
100
20
22
30% a 50%
T3
130
25
28
20% a 50%
T4
150
28
30
10
11
10% a 30%
DX
260
40
50
15
16
5% a 20%
No final do empreendimento a percentagem de apartamentos de cada tipo devera

respeitar os limites indicados no quadro anterior. Por exemplo, o n
umero total de
apartamentos do tipo T2 deve estar entre 30% e 50% do n
umero total de apartamentos. Formule o problema como um modelo de programacao Linear sabendo que
se pretende maximizar o lucro obtido no final do empreendimento.
10. O responsavel pelo planeamento de producao de uma determinada fabrica debate-se
com um problema: tem um conjunto de encomendas a entregar nos proximos quatro
meses mas nao sabe quando deve produzir de forma a incorrer no menor custo
possvel. Mais precisamente, a fabrica tem que entregar aos clientes 20 unidades no
final do primeiro mes, 30 no final do segundo, 10 no final do terceiro e 40 no final
do quarto.
Para satisfazer as encomendas de um determinado mes, a fabrica pode produzir no
20
proprio mes ou num mes anterior. Neste u

ltimo caso, as unidades ficam armazenadas
ate ao mes em causa. Para poder tomar uma decisao fundamentada, o responsavel
pela producao da fabrica efetuou uma estimativa dos custos unitarios de producao
e armazenamento. Esses valores sao apresentados na tabela que se segue.
M
es
1
Custo de produ
c
ao (unit
ario)
Custo de armazenamento (unit

ario)
Formule um modelo de Programacao Linear para este problema, assumindo que no

final do u
ltimo mes o stock e nulo.
Proposta de Resoluc
ao
Variaveis de decisao:
xi = no de unidades produzidas no mes i, i = 1, 2, 3, 4
De notar que no final de cada mes o que sobra e armazenado. O que sobra e a
quantidade disponvel menos a quantidade vendida. Por exemplo, no mes 1 serao
armazenadas x1 20 unidades. No mes 2 a quantidade disponvel sera a quantidade
produzida mais o que foi armazenado no mes anterior, x2 + x1 20 unidades. Portanto, no mes 2 a quantidade armazenada sera dada pela expressao: x2 +x1 2030
e assim sucessivamente. No u
ltimo mes nao fica nada em stock, da que a restricao
relativa ao mes 4 seja do tipo igualdade.
O modelo de PL e dado por:
min z = 4x1 + 3x2 + 6x3 + 3x4 + (x1 20) + 2(x2 + x1 50) + (x3 + x2 + x1 60)
s.a x1 20
(mes 1)
x2 + (x1 20) 30
(mes 2)
x3 + (x2 + x1 50) 10
(mes 3)
x4 + (x3 + x2 + x1 60) = 40
(mes 4)
x1 , x2 , x3 , x4 0
21
11. ([4]) A empresa de construcao Linear pretende aplicar a Programacao Linear a`

gestao de uma das suas obras. O problema que deseja ver resolvido diz respeito
a` gestao de espaco, quer para alojamento do pessoal, quer para estaleiro de equipamentos e materiais. Proximo da obra existem tres zonas, A, B e C, que podem
ser alugadas para esses fins. Em termos concretos, a Linear necessita de zonas de
habitacao para 500 operarios, tendo estabelecido que, em cada zona a ocupar, devia
deixar para parque de maquinas e material o dobro da area destinada a habitacao.
As habitacoes pre-fabricadas que pretendem construir nas zonas disponveis para
arrendamento permitem uma taxa de ocupacao de 0,05 operarios por m2 . Embora
nao haja qualquer restricao de capacidade nas tres zonas, a empresa decidiu que na
zona B devem ficar pelo menos 150 operarios. A duracao prevista da obra e de 250
dias. Pretende-se saber quais as areas a alugar em A, B e C de modo a minimizar os
custos das operacoes relacionadas com o pessoal, equipamento e material. Os dados
disponveis para a tomada de decisao apresentam-se no quadro seguinte:
Zonas area maxima
2
custo de aluguer
2
encargo em u.m./dia
(m )
(u.m./m )
do transporte de 1 operario
6 000
30
12 000
15
10
18 000
20
22
Captulo 3
Resolu
c
ao gr
afica de problemas de
PL
Neste captulo comecam por resumir-se algumas nocoes de analise convexa, Seccao 3.1. Na
Seccao 3.2 descrevem-se alguns processos para resolver problemas lineares graficamente e
na Seccao 3.3 resolvem-se graficamente varios PPL apresentando alguns casos particulares:
problema impossvel, problema ilimitado, problema com solucao otima u
nica e problema
com solucoes otimas alternativas (semirreta ou segmento de reta de solucoes otimas).
Finalmente, na Seccao 3.4 propoem-se alguns exerccios.
3.1
No
c
oes de an
alise convexa
Definic
ao 3.1.1. Um ponto x Rn e dito uma combina
ca
o linear convexa de k
pontos, x1 , x2 , . . . , xk Rn , se x = 1 x1 + 2 x2 + + k xk , com os escalares i 0 e
k
X
i = 1.
i=1
Observac
ao 3.1.1. Quando temos apenas dois pontos, k = 2, o conjunto de todas as
combinacoes lineares convexas de x1 e x2 constitui o segmento de reta que une esses dois
pontos. De facto, x Rn e uma combinac
ao linear convexa de dois pontos, x1 e x2 , se
x = 1 x1 + 2 x2 , com 1 , 2 0 e 1 + 2 = 1.
Ou, de modo equivalente,
x = x1 + (1 )x2 , com 0 1.
23
Se = 0 obterse-a o ponto x1 e se = 1, o ponto x2 . Para todos os outros valores de

entre 0 e 1 obtemos o segmento de reta que une x1 a x2 .
x
x
...1.............................................2
Um conjunto diz-se convexo quando o segmento que une dois quaisquer dos seus pontos
esta contido no proprio conjunto, ou seja, se qualquer combinacao linear convexa de dois
quaisquer pontos do conjunto e ainda um elemento do conjunto.
Formalmente, a definicao e a seguinte:
Definic
ao 3.1.2. O conjunto S Rn e convexo se, para quaisquer pontos x1 , x2 S
e 0 1, se tem x1 + (1 )x2 S.
Nota: O conjunto vazio e um conjunto convexo.
Na Figura 3.1 sao apresentados dois conjuntos: o da esquerda e convexo e o da direita e
nao convexo. Note-se que, por exemplo, no conjunto da direita, o segmento que une os
pontos x1 e x2 nao esta totalmente contido no conjunto. A convexidade de conjuntos e
x1
x2
Figura 3.1: Um conjunto convexo e um conjunto nao convexo.

preservada por certas operacoes, algumas delas sao apresentadas na proposicao seguinte.
Proposic
ao 3.1.1. Sejam S1 , S2 Rn dois conjuntos convexos e um escalar n
ao nulo.
Entao, os conjuntos seguintes sao convexos:
1. S1 S2 := {x : x S1 , x S2 };
2. S1 + S2 := {x1 + x2 : x1 S1 , x2 S2 };
3. S1 := {x : x S1 };
4. S1 S2 := {(x1 , x2 ) : x1 S1 , x2 S2 }
(a)
(a)
Se S1 Rn e S2 Rm , com n 6= m, tambem S1 S2 Rn+m e convexo.
24
Definic
ao 3.1.3. Um conjunto convexo diz-se fechado se contiver a sua fronteira.
Como exemplo apresenta-se na Figura 3.2 um conjunto convexo aberto (à esquerda) e um
conjunto convexo fechado (à direita).
Figura 3.2: Um conjunto convexo aberto e um conjunto convexo fechado.

O conjunto solucao da equacao:
a1 x1 + a2 x2 + + an xn = b,
em que ai (i = 1, . . . , n) e b sao constantes, define um hiperplano perpendicular ao vetor
a = (a1 , a2 , . . . , an ).
A nocao de hiperplano e assim uma generalizacao do conceito de plano num espaco de
dimensao n. Em R2 , uma reta e um hiperplano.
O hiperplano
H = {x Rn : a1 x1 + a2 x2 + + an xn = b}
divide o espaco em dois semiespacos:
H = {x Rn : a1 x1 + + an xn b}
e H = {x Rn : a1 x1 + + an xn b}
que sao conjuntos convexos fechados assim como H.

Teorema 3.1.1. A intersecao de um n
umero finito de conjuntos convexos fechados e um
conjunto convexo fechado.
Consequencia:
O conjunto das solucoes admissveis de um qualquer problema linear e um conjunto convexo fechado pois e a intersecao de um n
umero finito de hiperplanos e semiespacos fechados, que sao conjuntos convexos.
25
Definic
ao 3.1.4. Vertice ou ponto extremo de um conjunto convexo S Rn e um ponto
x que nao pode ser escrito como combinac
ao linear convexa de dois elementos (distintos)
de S.
Ou seja, x S e vertice do conjunto convexo S se nao existe nenhum segmento reta a
unir dois pontos de S, diferentes de x, que contenha x.
Exerccio 3.1.1. Identifique os vertices existentes em cada um dos conjuntos convexos
da Figura 3.3.
Figura 3.3: Conjuntos convexos.
Teorema 3.1.2. Se S = {x Rn : Ax b, x 0} e n
ao vazio ent
ao tem pelo menos um
vertice, alem disso tem um n
umero finito de vertices.
Teorema 3.1.3. Uma funcao linear sobre um poliedro convexo limitado(b) , S, atinge o
otimo num ponto extremo de S. No caso de atingir o
otimo em dois pontos, toda a
combinacao linear convexa desses dois pontos e ainda soluc
ao
otima.
Podemos concluir que se um PL admite solucao otima entao pelo menos um vertice da
regiao admissvel e solucao otima. Alem disso, se a solucao otima e atingida em dois
vertices entao todo o ponto que esta no segmento de reta que os une tambem e solucao
otima.
Definic
ao 3.1.5. Dado um conjunto qualquer S. O conjunto de todas as combinacoes
lineares convexas dos elementos de S designa-se por envolvente convexa de S e denotase conv(S) ou E(S).
Definic
ao 3.1.6. A envolvente convexa de um conjunto com um n
umero finito de pontos
designa-se por poliedro convexo.
26
Figura 3.4: Exemplo de uma envolvente convexa.
Figura 3.5: Poliedro convexo.

Definic
ao 3.1.7. A envolvente convexa de um conjunto formado por n + 1 pontos em Rn
designa-se por simplex (ver Figura 3.6).
Figura 3.6: Exemplo de simplex em R2 e em R3 .
3.2
Resolu
c
ao gr
afica
Apresentam-se nesta seccao alguns processos para resolver problemas lineares de forma
grafica. De notar que estes processos so podem ser aplicados a problemas de PL com um
(b)
Um conjunto diz-se limitado se conseguirmos definir uma bola que o contenha.
27
n
umero de variaveis inferior ou igual a 3.
Considere-se o problema linear, (P ),
max Z = c>x
s.a Ax b
x0
em que x Rn , A Rmn , c Rn , b Rm .
Tal como foi referido anteriormente, o conjunto das solucoes admissveis e constituido
pelos pontos x que satisfazem Ax b e x 0. Na Figura 3.10 e representado o conjunto
das solucoes admissveis do Exemplo 2.2.1.
Resolver o problema (P ) consiste em determinar, de entre todos os pontos admissveis, o
P
que maximiza o valor da funcao objetivo Z que e dada por Z = ni=1 ci xi .
Pn
Uma vez que se pretende maximizar Z, a reta representativa da f.o.,
i=1 ci xi , deve
ser deslocada paralelamente a si propria, dentro da regiao admissvel, tanto quanto for
possvel na direccao do crescimento de Z. Essa direccao e dada pelo vetor gradiente da

Z
funcao objetivo, Z = Z
,
.
.
.
,
= c. Se o PL fosse de minimizacao entao a reta
x1
xn
representativa da f.o. deveria ser deslocada paralelamente a si propria na direcao de

decrescimento de Z, que e a direcao Z = c, ate ao(s) ultimo(s) pontos de contacto
com a regiao admissvel. Este procedimento e ilustrado na Figura 3.11. A solucao otima,
x , e encontrada quando nao for possvel deslocar mais essa reta na direccao de c pois
deixe de conter pontos da regiao admissvel.
Vamos retomar o exemplo tipo.
Exemplo 3.2.1 (Exemplo Tipo).
Retomando o problema formulado no exemplo 2.2.1, p
agina 8,
max Z = 20xA + 30xB
s.a 2xA + 8xB 240
3xA + 2xB 120
xB 10
xA , xB 0
28
em que xA e xB sao as variaveis de decis

ao que denotam, respetivamente, as quantidades
de produto A e B produzidas diariamente. Este problema, visto ter apenas duas variaveis,
pode ser resolvido graficamente.
1o passo: identificar a regiao admissvel i.e., os valores de xA e xB que satisfazem todas
as restricoes.
xA , xB 0 = 1 quadrante (Figura 6.1)
xB
xA
Figura 3.7: xA , xB 0
xB 10 = valores de xA e xB acima ou sobre a reta xB = 10. Intercetando
com a regiao anterior obtem-se a Figura 3.8:
=
Figura 3.8: xA , xB 0, xB 10
Para representar o conjunto de pontos que verificam 3xA + 2xB 120 vamos:
Representar a reta 3xA + 2xB = 120. Esta reta divide o plano em dois
semiplanos, um deles e o definido pela desigualdade.
29
Para verificar qual dos dois semiplanos e o definido pela desigualdade,

considere um qualquer ponto P (x0 , y0 ) que n
ao pertenca `
a reta. Se esse
ponto verifica a desigualdade ent
ao pertence ao semiplano definido por ela,
caso contrario o semiplano definido pela desigualdade e o que n
ao contem
esse ponto. Por exemplo, o ponto P (0, 0) verifica a desigualdade (0 + 0
120) entao o semiplano definido pela desigualdade e o que contem o ponto
P (0, 0). Ou, o ponto P (60, 0) n
ao verifica a desigualdade (180 + 0 120)
entao o semiplano definido pela desigualdade e o que n
ao contem o ponto
P (60, 0).
Intercetando com a regiao da Figura 3.8 obtem-se a representac
ao grafica a
sombreado da Figura 3.9

+

Figura 3.9: xA , xB 0, xB 10, 3xA + 2xB 120
Por u
ltimo, considerando 2xA + 8xB 240 obtem-se a representac
ao grafica a
sombreado da regiao admissvel tal como e representada na Figura 3.10.
x

!

=

Figura 3.10: Regiao admissvel
30
x
A regiao sombreada e o conjunto de pontos que satisfazem todas as restricoes

e a que chamamos regi
ao admissvel.
2o passo : Identificar, de entre as soluc

oes admissveis, a solu
ca
o o
tima, i.e. a que
maximiza o valor de Z.
Processo A [usando o vetor gradiente]:
Tracar o vetor gradiente de Z, Z =
Z Z
,
xA xB
= (20, 30).
Tracar uma reta perpendicular ao vetor gradiente, de preferencia que intersete a regiao admissvel (esta reta corresponde a uma reta de nvel de
Z, 20xA + 30xB = k, com k constante).
Deslocar essa reta, paralelamente a si pr
opria, na direcc
ao do vetor gradiente (se o PL for de maximizac
ao) ate ao(s) u
ltimo(s) ponto(s) de contacto
com a regiao admissvel.
x#
x$
x"
Figura 3.11: Resolucao grafica-vetor gradiente.

Ou
ltimo ponto de contacto com a regi
ao admissvel e o vertice P (24, 24)
e, portanto, e a soluc
ao
otima. A soluc
ao
otima e x = (24, 24). O
valor da funcao objetivo na soluc
ao
otima, dito valor o
timo, e Z =
20 24 + 30 24 = 1200.
Conclusao:
Para obter um lucro maximo de 1200 u.m. deve produzir-se diariamente 24
unidades de produto A (xA = 24) e 24 unidades de produto B (xB = 24). Adotando este esquema de produc
ao a empresa esgota as disponibilidades diarias
das materias primas I e II (240(224+824) = 0, 120(324+224) = 0)
31
e produziu mais 14 unidades de produto B do que o limite mnimo exigido por

um comprador (24 10 = 14).
Apresenta-se de seguida um outro processo para obter a solucao otima, que so pode
ser aplicado quando a regiao admissvel e um conjunto limitado. Este processo e uma
consequencia do Teorema 3.1.3.
Processo B: (So quando a regiao admissvel e limitada
(c)
Determinar o valor da funcao objetivo em cada um dos vertices da regiao admissvel.

O vertice que conduz ao melhor valor (maior, caso o PL seja de maximizacao; menor,
caso o PL seja de minimizacao) para a funcao objetivo e a solucao otima. Caso
existam dois vertices otimos, v1 e v2 , entao o PL tem uma infinidade de solucoes
otimas dadas pelo conjunto de todas as combinacoes lineares convexas de v1 e v2 ,
X = { v1 + (1 )v2 , 0 1 } .
Como exemplo de aplicacao do Processo B, considere-se de novo o exemplo 2.2.1,
x&
max Z = 20xA + 30xB

s.a 2xA + 8xB 240
v*
3xA + 2xB 120
v%
xB 10
xA , xB 0
v)
v(
Vamos calcular o valor da funcao objetivo Zi em cada vertice vi :

v1 = (0, 10)
Z1 = 300
v2 = ( 100
, 10)
3
Z2 =
v3 = (24, 24)
Z3 = 1200
v4 = (0, 30)
Z4 = 900
2900
3
A solucao otima e x = v3 = (24, 24) e o valor otimo e Z = Z3 = 1200.

Apresenta-se de seguida um outro exemplo.
(c)
Um conjunto diz-se limitado se conseguirmos definir uma bola que o contenha.
32
x'
Exemplo 3.2.2. [7] A direccao de marketing de uma empresa de mobili

ario de escritorio
sugere o lancamento de um novo modelo de secret
arias e estantes em substituicao dos
modelos atuais. A producao dos dois artigos envolve a passagem em tres seccoes de
producao, seccao 1, seccao 2 e seccao 3.
A disponibilidade mensal da seccao 1 e de 720 horas (h), a disponibilidade mensal da
seccao 2 e de 880 horas enquanto a disponibilidade mensal da secc
ao 3 e de 160 horas.
Cada secretaria necessita de 4 h na secc
ao 1, 4 h na secc
ao 2. Cada estante necessita
de 2 h na seccao 1, 4 h na seccao 2 e 1 h na secc
ao 3. O lucro unit
ario das estantes e
secretarias e, respetivamente, 6 000 e 3 000 unidades monet
arias (u.m.).
A empresa pretende determinar o plano de produc
ao mensal para estes novos modelos que
maximiza o lucro dessa producao.
O problema, formulado como um problema de Programac
ao Linear e:
(em 103 u.m.)
max Z = 6x1 + 3x2
s.a 2x1 + 4x2 720
(secc
ao 1)
4x1 + 4x2 880
(secc
ao 2)
160
(secc
ao 3)
x1
x1 , x2 0
em que x1 e x2 representam, respetivamente, o n

umero de secret
arias e estantes produzidas
mensalmente.
Resolu
ca
o gr
afica
Na Figura 3.12 apresenta-se a regiao admissvel do PL:
x+
//1
031
v1
O
v.
v/
v0
021
//1
.21
x,
Figura 3.12: Regiao admissvel do PL do Exemplo 3.2.2
33
Atendendo a regiao admissvel e limitada, vamos calcular o valor da func

ao objetivo Zi
em cada vertice vi e identificar o(s) melhor(es).
v0 = (0, 0)
= z0 = 0
v1 = (160, 0)
v2 = (160, 60) = z2 = 1140

v4 = (0, 180)
= z1 = 960
v3 = (80, 140) = z3 = 900
= z4 = 540
A solucao otima e x = (160, 60) e o valor

otimo e Z = 1140.
Conclusao:
Para obter um lucro maximo mensal de 1140000 u.m. devem produzir-se 160 secretarias e
60 estantes. Deste modo, sobram 60 h na secc
ao 1 (720(2160+460) = 60) e esgotam-se as horas diponveis nas seccoes 2 e 3 (880(4160+460) = 0, 160(1160) = 0).
3.3
Casos particulares de problemas lineares
Denotemos por S o conjunto das solucoes admissveis de um qualquer PL. Dado que o
conjunto das solucoes admissveis de um PL resulta da intersecao de um n
umero finito de
conjuntos convexos fechados (hiperplanos e semiespacos) entao pode acontecer uma das
tres situacoes seguintes: S = ou S 6= , podendo, neste u
ltimo caso, ser limitado ou
ilimitado. Alem disso, o tipo de PL esta tambem associado a` funcao objetivo, havendo
varios casos possveis tal como e descrito abaixo.
1. Se conjunto das solucoes admissveis e vazio, S = , independentemente da funcao
objetivo, diz-se que o PL
e impossvel. Na pratica, esta situacao esta associada a
erros na formulacao matematica do modelo.
Exemplo 3.3.1.
x4
max Z = 3x1 2x2

s.a x1 + x2 2
x1 + x2 1
O
x1 , x2 0
34
x5
2. Se o conjunto das solucoes admissveis e nao vazio, S 6= , diz-se que o PL

e
possvel. Neste caso o PL pode nao ter solucao otima, ter apenas uma ou ter
varias solucoes otimas.
(a) Se o conjunto das solucoes admissveis e nao vazio e limitado o PL tem uma
ou m
ultiplas solucoes otimas.
Exemplo 3.3.2.
x6
max Z = 5x1 + 5x2

s.a x1 + x2 5
v8;
x1 + x2 10
v>
O
x1 , x2 0
v<
v=
9:
x7
O PL tem uma infinidade de solu

co
es o
timas ou o PL tem solu
co
es
o
timas alternativas. Todos os pontos da aresta que une os vertices v1 e v2
sao solucoes otimas.
O conjunto das solucoes
otimas do PL e dado por:

5 15
2
X = (x1 , x2 ) R : (x1 , x2 ) = (10, 0) + (1 )
,
,0 1
2 2
e o valor otimo e Z = 50.
Se considerar um PL com o mesmo conjunto de restric
oes e com func
ao objetivo
min Z = x1 + x2 , a solucao
otima ser
a x = (0, 0) e o valor
otimo e Z = 0.
Neste caso, o PL tem uma u
nica solu
ca
o o
tima.
(b) Se o conjunto das solucoes admissveis e nao vazio e ilimitado o PL, apesar
de ser possvel, pode nao ter solucao otima ou ter uma ou m
ultiplas solucoes
otimas como e exemplificado abaixo.
Exemplo 3.3.3.
x?
max Z = 5x1 + 5x2

s.a x1 + x2 5
x2 10
x1 , x2 0
35
BC
x@
Tem-se Z = (5, 5). O valor da func

ao objetivo pode aumentar indefinidamente, Z tende para +. Neste caso n
ao existe soluc
ao
otima nem valor
otimo, o PL diz-se ilimitado. Pode referir-se que nas situac
oes reais, regra geral, esta situacao corresponde a erros de modelacao associados a esquecimento de uma restric
ao que permitiria limitar o conjunto das solucoes
admissveis.
Exemplo 3.3.4.
xD
max Z = x1 + 5x2
xI
s.a x1 + x2 5
x2 10
O
x1 , x2 0
GH
xE
O PL tem uma solu

ca
o o
tima, x = (5, 10) e o valor
otimo e Z = 45.
Exemplo 3.3.5.
xJ
max Z = 7x2
s.a x1 + x2 5
x2 10
O
x1 , x2 0
MN
xK
O PL tem uma infinidade de solu

co
es o
timas dadas por uma semirreta definida por X = {(x1 , x2 ) R2 : x2 = 10, x1 5} e o valor otimo e
Z = 70.
Exemplo 3.3.6.
xO
max Z = 5x1 + 5x2

s.a x1 + x2 5
x2 10
x1 , x2 0
36
RS
xP
O PL tem uma infinidade de soluc

oes
otimas correspondentes a todos os pontos
do segmento que une dois vertices, (0, 5) e (5, 10). A forma geral das solucoes
otimas e

X = (x1 , x2 ) R2 : (x1 , x2 ) = (0, 5) + (1 )(5, 10), 0 1

= (x1 , x2 ) R2 : (x1 , x2 ) = (5 5, 10 5), 0 1
3.4
Exerccios
1. Resolva graficamente os problemas lineares formulados na Seccao 2.4 cujo n

umero
de variaveis de decisao e menor ou igual a 2.
2. Seja S = {(x1 , x2 ) R2 : 3x1 x2 0, x2 0}.
Resolva os seguintes problemas lineares:
(a) min Z = x1 x2
(b) max Z = x1 x2
s.a (x1 , x2 ) S
(d) max Z = 3x1 x2
s.a (x1 , x2 ) S
(e) max Z = 3x1 x2
s.a (x1 , x2 ) S
(g) max Z = 3x1 x2
(c) max Z = x1 x2 + 2
s.a (x1 , x2 ) S
(f) max Z = 3x1 x2
s.a x1 x2 1
s.a x1 x2 0
(x1 , x2 ) S
(x1 , x2 ) S
(h) max Z = x1 + x2
s.a x1 + x2 2
s.a (x1 , x2 ) S
(x1 , x2 ) S
(i) min Z = x1 + x2
s.a (x1 , x2 ) S
3. Considere o subconjunto de R2 definido por:

S = (x1 , x2 ) R2 : x1 x2 2, 3x1 + x2 0, x2 0
Indique, caso seja possvel, um valor para cada uma das constantes c1 e c2 de tal
modo que:
(a) O problema linear
min
Z = c1 x1 + c2 x2
s.a
(x1 , x2 ) S
37
i. tem uma u
nica solucao otima. Para os valores de c1 e c2 dados indique a
solucao otima e o valor otimo.
ii. e ilimitado.
max
(b) O problema linear
Z = c1 x1 + c2 x2
tem um infinidade de solucoes

s.a (x1 , x2 ) S
otimas. Para os valores de c1 e c2 dados indique a formula geral das solucoes
otimas e o valor otimo.
(c) O problema linear
min
Z = 3x1 + c2 x2
tem uma semirreta de solucoes otimas.

s.a (x1 , x2 ) S
Para o valor de c2 dado indique a formula geral das solucoes otimas e o valor
otimo.
(d) O problema linear
(e) O problema linear
min
Z = 3x1 + c2 x2
s.a
(x1 , x2 ) S
min
tem uma u
nica solucao otima.
Z = 9x1 + c2 x2
tem um infinidade de solucoes otimas.

s.a (x1 , x2 ) S
Indique quatro solucoes otimas e o valor otimo.
(f) O problema linear
(g) O problema linear
min
Z = c1 x1 + 2x2
s.a
(x1 , x2 ) S
max
Z = c1 x1 + c2 x2
s.a
(x1 , x2 ) S
e ilimitado.
e impossvel.
(h) x = (2, 2) e solucao otima do problema linear
max
Z = c1 x1 + c2 x2
s.a
(x1 , x2 ) S
max
Z = c1 x1 + c2 x2
s.a
(x1 , x2 ) S
. Indi-
que o valor otimo.

(i) x = (3, 1) e solucao otima do problema linear
. Indi-
que o valor otimo.

(j) x = (3, 1) e solucao otima do problema linear
max
Z = 2x1 + c2 x2
s.a
(x1 , x2 ) S
. Indi-
que o valor otimo.

(k) x = (1, 3) e solucao otima do problema linear
dique o valor otimo.
38
min
Z = c1 x1 + 2x2
s.a
(x1 , x2 ) S
. In-
4. Considere o subconjunto de R2 definido por:

S = (x1 , x2 ) R2 : x1 x2 1, x1 + 2x2 0, x2 0
Indique todos os valores que o parametro a pode assumir de tal modo que:
min
Z = x1 + ax2
tem uma infinidade de solucoes otimas.

s.a (x1 , x2 ) S
Indique a(s) correspondentes solucoes otimas.
(a) O problema linear
(b) O problema linear
min
Z = x1 + ax2
tenha uma u
nica solucao otima. In-
s.a (x1 , x2 ) S
dique a correspondente solucao otima.
(c) O problema linear
min
Z = 3x1 + ax2
tem uma infinidade de solucoes otimas.

s.a (x1 , x2 ) S
Indique a(s) correspondentes solucoes otimas.
(d) O problema linear
max
Z = 2x1 + ax2
s.a (x1 , x2 ) S
dique a correspondente solucao otima.
(e) O problema linear
max
tenha uma u
nica solucao otima. In-
Z = 2x1 + ax2
tenha uma infinidade de solucoes
s.a (x1 , x2 ) S
otimas. Indique a(s) correspondentes solucoes otimas.
5. Resolva graficamente os seguintes problemas:

(a) min Z = 3x1 2x2
s.a
(b) min Z = 4x1 + 3.5x2 (c) min Z = x1 + 2x2
x1 x2 2
s.a x1
2x1 + x2 8
s.a
x1 + x2 5
x1 , x2 0
(e) max Z = 3x1 + 3x2
2x1 + 2x2 6
s.a
x1 + 2x2 8
x1 + x2 1
x1 + x2 5
x2 3
4x1 + 2x2 18
x1 , x2 0
x1 , x2 0
x1 + x2 3
2x1 + x2 2
x1 , x2 0
(d) max Z = x1 + 3x2

s.a
x1 , x2 0
(f) min Z = 2x1 x2
s.a
x1
x2 2
3x1 + 5x2 15
x1 , x2 0
6. Seja S = {(x1 , x2 ) R2 : x1 + 4x2 4, 4x1 x2 4, x1 + x2 1}.

Complete, caso seja possvel:
39
(a) O problema linear min Z = 4x1 +

x2 , sujeito a (x1 , x2 ) S, tem como

solucao otima x = 43 , 34 e valor otimo Z =
.
(b) O conjunto das solucoes otimas do problema linear max Z = 2x1 +

x2 ,

sujeito a (x1 , x2 ) S, e dado por 34 , 43 +(1)(
,
), com 0 1,
e o valor otimo e Z =
(c) O conjunto das solucoes otimas do problema linear min Z =
x1 +
x2 ,
sujeito a (x1 , x2 ) S, e dado por x1 + 4x2 = 4, com x1 34 , e o valor otimo

e Z =
(d) O ponto (4, 5) e solucao otima do problema max Z =
x1 +
x2 ,
sujeito a (x1 , x2 ) S.
(e) O ponto (2, 0) e solucao otima do problema max Z =
x1 +
x2 , sujeito
a (x1 , x2 ) S.
(f) O problema linear min Z = x1 +
40
x2 , sujeito a (x1 , x2 ) S, e impossvel.
Captulo 4
M
etodo simplex
Problemas lineares cujo n
umero de variaveis seja menor ou igual a tres podem ser resolvidos graficamente. Embora a tres dimensoes esta resolucao grafica ja possa ser difcil.
Como ja foi referido, o metodo simplex foi proposto por Dantzig em 1947 e permite
resolver problemas lineares de dimensoes quaisquer. Com o advento dos computadores,
cada vez mais potentes e rapidos, este metodo tem vindo a ser melhorado para PL de
grandes dimensoes ([1]). Muitas vezes, este metodo e designado por algoritmo simplex.
4.1
Solu
c
ao alg
ebrica dos problemas de Programa
c
ao
Linear
O primeiro passo a cumprir com o objetivo de resolver um problema de PL aplicando o

metodo simplex consiste em escrever o PL na forma padrao: restricoes funcionais do tipo
igualdade, variaveis nao negativas e termos independentes nao negativos (apresentada na
pagina 11).
Vamos comecar por considerar um PL com duas variaveis, o PL do Exemplo 3.2.2 (pagina 33).
max Z = 6x1 + 3x2 (em 103 u.m.)
s.a 2x1 + 4x2 720 (secc
ao 1)
4x1 + 4x2 880 (secc
ao 2)
160 (secc
ao 3)
x1
x1 , x2 0
41

umero de estantes e secretarias produzidas
mensalmente.
Na forma padrao tem-se:
max Z = 6x1 + 3x2 + 0x3 + 0x4 + 0x5
s.a 2x1 + 4x2 + x3
4x1 + 4x2
= 720
+ x4
= 880
x1
+ x5 = 160
x1 , x2 , x3 , x4 , x5 0
em que x3 , x4 e x5 sao as variaveis de desvio ou folga introduzidas na 1a , 2a e 3a , restricoes,

respetivamente. A variavel de desvio introduzida na restricao i corresponde a` diferenca
entre os dois membros da desigualdade i, representando o n
umero de horas que sobram,
por mes, na Seccao i.
4.1.1
Solu
co
es b
asicas
Considere um problema de PL escrito na forma padr

ao:
a11 x1 + a12 x2 + + a1n xn = b1
s.a
a21 x1 + a22 x2 + + a2n xn = b2

..
.
am1 x1 + am2 x2 + + amn xn = bm
x1 0, x2 0, . . . xn 0
(1)
} (2)
em que bi 0, i = 1, . . . , m.
O PL tem m restricoes funcionais e n variaveis (variaveis de decis
ao e variaveis de folga).
Vamos supor que m n.
Ou, na forma matricial,
min(max) Z = c>x + k
s.a Ax = b
x0
em que x Rn , A Rmn , c Rn , b Rm
+.
42
(1)
(2)
Definic
ao 4.1.1.
1. Qualquer n-uplo (x1 , x2 , . . . , xn ) que satisfaca as restric
oes (1) do PL designa-se
por solu
ca
o.
2. Se, alem disso, a solucao (x1 , x2 , . . . , xn ) verificar as restric
oes de n
ao negatividade,
(2), entao designa-se por solu
ca
o admissvel.
O sistema (1) e constitudo por m equacoes e n incognitas, onde m n. Admitindo
que as m restricoes sao linearmente independentes i.e. que a matriz A do sistema tem
caracterstica m, c(A) = m, entao trata-se de um sistema possvel e indeterminado, com
grau de indeterminacao igual a n m. Deste modo, e possvel exprimir m variaveis em
funcao das restantes n m variaveis.
Retomando o PL do Exemplo 3.2.2, o sistema de equacoes lineares tem 3 equacoes e 5
incognitas.
x
z }| {
A
x
}|
z
z
{ 1
2 4 1 0 0 x2

4 4 0 1 0 x3 =

1 0 0 0 1 x4
x5
max Z = 6x1 + 3x2 + 0x3 + 0x4 + 0x5

s.a 2x1 + 4x2 + x3
4x1 + 4x2
x1
= 720
+ x4
= 880
+ x5 = 160
x1 , x2 , x3 , x4 , x5 0
}| {
720
880
160
O sistema das restricoes funcionais tem uma infinidade de solucoes, tratando-se de um

sistema possvel e indeterminado, com grau de indeterminacao 5-3=2, o que significa que
podemos exprimir 3 variaveis em funcao das restantes 2.
Resolu
c
ao do sistema pelo m
etodo de Gauss-Jordan
Condensacao do sistema usando apenas operacoes elementares sobre as linhas.
L1
L2
L3

2 4 1 0 0 720

L1 L3
4 4 0 1 0 880
=

1 0 0 0 1 160
43

1 0 0 0 1 160

4 4 0 1 0 880

2 4 1 0 0 720

1 0 0 0
1
160
L2 L2 4L1 1 0 0 0 1 160

L3 L3 L2

L3 L3 2L1 0 4 0 1 4 240
0 4 0 1 4 240
=

=
0 4 1 0 2 400
0 0 1 1 2 160

1 0 0 0
1 160
x + x5 = 160,
1
L2 L2 /4
1
1

=
0 1 0
1 60
x2 + x4 x5 = 60,
=

4
4
x x + 2x = 160
0 0 1 1 2 160
3
4
5
O sistema Ax = b tem uma infinidade de solucoes dadas por:

1
5
S = (x1 , x2 , x3 , x4 , x5 ) R : x1 = 160 x5 , x2 = 60 x4 + x5 , x3 = 160 + x4 2x5
4

1
=
160 x5 , 60 x4 + x5 , 160 + x4 2x5 , x4 , x5 , x4 , x5 R
4
Uma solucao particular do sistema, obtem-se facilmente considerando x4 = x5 = 0 e,
consequentemente, x1 = 160, x2 = 60, x3 = 160, i.e., x = (160, 60, 160, 0, 0).
Matriz base, vari

aveis b
asicas e vari
aveis n
ao b
asicas
Se uma sub-matriz B Rmm da matriz A Rmn do sistema de restricoes (1) for
invertvel, i.e., se o determinante de B for nao nulo entao B designa-se por matriz base
ou, simplesmente base.
As m variaveis correspondentes a`s m colunas de Bmm designam-se por vari
aveis b
asicas.
O vetor das variaveis basicas denota-se por xB .
As restantes (n m) variaveis designam-se por vari
aveis n
ao b
asicas. O vetor das
variaveis nao basicas denota-se por xN .
Solu
c
ao b
asica e solu
c
ao b
asica admissvel
Podemos, sem perda de generalidade, supor que a base B e composta pelas m primeiras
colunas de A, i.e., B e uma sub-matriz de A cujas colunas estao associadas a x1 , x2 , . . . , xm .
Tem-se, entao, xB = (x1 , x2 , . . . , xm ) e xN = (xm+1 , xm+2 , . . . , xn ).
Obtem-se uma soluc
ao b
asica para o sistema (1) atribuindo o valor 0 a`s n m variaveis
nao basicas, xN = 0, e determinando os valores das m variaveis basicas resolvendo o
sistema BxB = b. Ou seja, sendo xB = (x1 , x2 , . . . , xm ) a u
nica solucao do sistema
BxB = b, o vetor x = (x1 , x2 , . . . , xm , 0, . . . , 0) e uma solucao basica (s.b.).
44
Como o determinante de B e nao nulo (pela definicao de base), existe B 1 , e o sistema de

equacoes BxB = b e equivalente a B 1 BxB = B 1 b e tem um solucao u
nica: xB = B 1 b.
Entao:
diferentes escolhas do grupo de
variaveis basicas
diferentes solucoes basicas

Assim, o n
umero maximo de solucoes basicas num problema que na forma padrao tem m
restricoes e n variaveis e (a)

n
n!
=
.
m
m!(n m)!
Ou seja, corresponde an
umero de combinacoes possveis no grupo das variaveis basicas,
que tem m elementos, usando todas as variaveis, que sao n (repare-se que nao interessa a
ordem da anulacao das variaveis!).
Uma solucao basica x = (x1 , x2 , . . . , xm , 0, . . . , 0) em que as variaveis basicas assumem
valores nao negativos, verifica todas as restricoes, (1) e (2), designa-se por soluc
ao
b
asica admissvel (s.b.a).
Retomando o exemplo, a solucao x = (160, 60, 160, 0, 0) e uma solucao basica admissvel.
Uma solucao basica em que o valor de alguma das variaveis basicas e negativo, nao verifica
as restricoes (2), designa-se por solu
c
ao b
asica n
ao admissvel (s.b.n.a).
Se, numa solucao basica admissvel, todas as variaveis basicas forem nao nulas entao a
solucao basica designa-se por soluc
ao b
asica admissvel n
ao degenerada ou simplesmente soluc
ao b
asica admissvel.
Se, numa solucao basica admissvel, alguma das variaveis basicas assumir o valor zero
entao a solucao basica designa-se por solu
c
ao b
asica admissvel degenerada.
Se o problema linear tiver duas variaveis de decisao, usando a representacao grafica do
conjunto das solucoes admissveis, pode concluir-se que:
uma solucao basica nao degenerada corresponde a um ponto de intersecao de duas
retas definidas pelas restricoes (ha duas variaveis a assumirem o valor zero),

(a) n
- le-se combinacoes de n, tomadas m a m.
m
45
uma solucao basica degenerada corresponde a um ponto de intersecao de mais do

que duas retas definidas pelas restricoes.
(b)
em qualquer um dos casos anteriores, a solucao basica sera admissvel se o ponto

pertencer a` regiao admissvel.
4.1.2
Exerccios
1. Retomando o problema linear do Exemplo 3.2.2,

xT
XXZ
vV
Y\Z
max Z = 6x1 + 3x2

s.a 2x1 + 4x2 720
vW
vX
vY
Y[Z
4x1 + 4x2 880

vZ
O
160
x1
XXZ
W[Z
xU
x1 , x2 0
v2 = (160, 60), v3 = (80, 140)
e, na forma padrao,
max Z = 6x1 + 3x2 + 0x3 + 0x4 + 0x5
s.a 2x1 + 4x2 + x3
4x1 + 4x2
x1
= 720
+ x4
= 880
+ x5 = 160
x1 , x2 , x3 , x4 , x5 0
(a) Identifique todas as solucoes basicas para este PL , completando a Tabela 4.1.
(b) Indique uma solucao nao basica admissvel (s.n.b.a) e uma solucao nao basica
nao admissvel (s.n.b.n.a) para o PL da questao anterior.
(c) Indique a solucao basica admissvel otima.
2. Considere o problema linear

(b)
Nas situacoes reais, regra geral, a`s s.b.a. degeneradas correspondem restricoes redundantes.
46
variaveis
variaveis
nao basicas
basicas
x4 , x5
x1 , x2 , x3
solucao basica
natureza
(160, 60, 160, 0, 0)
da ponto (x1 , x2 )
solucao
correspondente
s.b.a.
(160, 60)
Tabela 4.1: Solucoes basicas (nao) admissveis (Exerccio 1).
x]
min z = 5x1 + 5x2

3
s.a x1 1
x2 1
O 1
2x1 + 2x2 6
x^
x1 , x2 0
(a) Complete corretamente a Tabela 4.2.
(b) Escreva o problema na forma padrao.
(c) Usando a formulacao na forma padrao calcule a solucao correspondente ao
ponto O (0, 0) em termos de todas as suas variaveis de decisao e de folga.
Indique, justificando convenientemente, que tipo de solucao obteve.
(d) Indique qual a solucao otima do problema dado e a correspondente solucao
basica admissvel otima.
(e) Qual o n
umero maximo de solucoes basicas para este problema? Este problema
47
Ponto (x1 , x2 )
Tipo de solucao
valor de z = 5x1 + 5x2
O (0, 0)
A ( , 1)
solucao nao basica nao admissvel
B (1, 1)
C( ,
solucao basica admissvel
D( ,
E (1,
solucao nao basica admissvel
F ( ,
solucao basica nao admissvel
Tabela 4.2: Solucoes basicas (nao) admissveis (Exerccio 2).

apresenta esse n
umero maximo? Justifique e assinale-as todas no grafico.
(f) Calcule uma solucao basica admissvel e uma solucao nao basica admissvel.
max z = 3x1 + 5x2

s.a x1 + x2
3
2
x1 + 5x2 5
3x1 + 5x2 5
x1 , x2 0
(a) Represente graficamente o conjunto das solucoes admissveis do problema.
(c) Quantas solucoes basicas podera ter este problema? Assinale na representacao
grafica das solucoes admissveis todos os pontos correspondentes a`s solucoes
basicas, cujo n
umero acabou de calcular.
(d) Marque no grafico dois pontos que correspondam a solucoes nao basicas admissveis diferentes (pontos A e B) e dois pontos que correspondam a duas
solucoes nao basicas nao admissveis, tambem diferentes (pontos C e D).
48

max Z = 2x1 + x2
2
s.a x1
x2 2
x1 + x2 4
x1 , x2 0
(a) Represente graficamente o conjunto das solucoes admissveis.
(b) Identifique todas as solucoes basicas para este PL , completando a Tabela 4.3.
variaveis
variaveis
nao basicas
basicas
solucao basica
natureza
da ponto (x1 , x2 )
solucao
correspondente
Tabela 4.3: Solucoes basicas (nao) admissveis.
(c) Indique uma solucao nao basica admissvel (s.n.b.a.) e uma solucao nao basica
nao admissvel (s.n.b.n.a.) para o PL da questao anterior.
(d) Indique a solucao basica admissvel otima.
49
5. Considere o Problema Linear

max z = x1 + 4x2
s.a 2x1 + 3x2 12
5x1 + 3x2 15
x1 + x2 2
x1 , x2 0
(a) Complete corretamente a Tabela 4.4.
Ponto (x1 , x2 )
Tipo de solucao
valor de z = x1 + 4x2
O (0, 0)
A (4, 3)
B (6, 0)
C (1, 10
)
3
D( ,
E( ,
F ( ,
G( ,
H( ,
solucao nao basica admissvel

Tabela 4.4: Tipos de solucoes.

(c) Indique qual a solucao otima do problema dado e a correspondente solucao
basica admissvel otima.
(d) Qual o n
umero maximo de solucoes basicas para este problema? Este problema
apresenta esse n
umero maximo de solucoes basicas? Justifique e assinale-as
todas no grafico.
(e) Usando a formulacao na forma padrao, indique uma solucao basica admissvel
e uma solucao nao basica admissvel.
50
6. Considere o seguinte Problema Linear onde se pretende maximizar o lucro de venda

da producao diaria de cimento 1, x1 , (em toneladas) e de cimento 2, x2 (em toneladas). As restricoes sao referentes a`s horas disponveis nos departamentos 1, 2 e 3
para a producao desses cimentos:
max Z = 2x1 + 3x2 (em u.m.)
s.a 6x1 + 3x2 36
10x1 + 10x2 70
3x1 + 6x2 36
x1 , x2 0
(a) Represente graficamente o conjunto das solucoes admissveis.
(b) Escreva os significados grafico (coordenadas do ponto), pratico (plano de producao,
incluindo as variaveis folga) e economico (valor da f.o.) para uma:
i.
iv.
4.2
s.b.a. otima.
s.n.b.a..
ii.
s.b.a. nao otima.
v.
s.n.b.n.a..
iii.
s.b.n.a..
Resultados importantes de PL
Apresentam-se de seguida os teoremas necessarios a` justificacao teorica do metodo Simplex. As demonstracoes destes resultados encontram-se em varios textos de referencia,
por exemplo [7] (paginas 155 a 160).
Teorema 4.2.1. O conjunto das soluc
oes admissveis, S, de um problema de PL e um
conjunto convexo fechado.
Teorema 4.2.2. Uma funcao linear sobre um poliedro convexo, S, atinge o
otimo num
ponto extremo de S. No caso de atingir o
otimo em mais de um ponto extremo, toda a
combinacao linear convexa destes pontos corresponde ainda a uma soluc
ao
otima.
Teorema 4.2.3. Um ponto x S e um ponto extremo de S se e s
o se constituir uma
solucao basica admissvel (s.b.a) do problema de PL
Resumindo:
A cada ponto extremo do conjunto das solucoes admissveis, S, esta associada uma
s.b.a..
51
O n
umero de pontos extremos de S e finito.
No caso de S ser um poliedro convexo, existe pelo menos um ponto extremo de S
que otimiza a f.o..
Podemos concluir que nao e necessario procurar a solucao otima de entre todas as solucoes
admissveis, mas apenas de entre as solucoes basicas admissveis.
O n
umero ma
ximo
de solucoes basicas num problema (na forma padrao) com m restricoes e
n
n variaveis e
. A solucao otima poderia ser encontrada calculando o valor da funcao
m
objetivo em cada uma das solucoes basicas admissveis e escolhendo a melhor. Este
metodo porem e demasiado ineficaz. Por exemplo, para um PL de pequena dimensao
com 16 variaveis (de decisao e folga) e 6 restricoes, o n
umero maximo de solucoes basicas
e 8808, que e um n
umero muito elevado.
Assim, na resolucao dos problemas de PL procuram-se desenvolver metodos iterativos
que:
1. Permitam passar de uma solu
ca
o b
asica admissvel para uma outra solu
ca
o
b
asica admissvel que corresponda a um melhor valor da fun
ca
o objetivo,
sem ser necessario passar por todas.
2. Dispor de um crit
erio que permita saber quando se alcancou a solu
ca
o o
tima
(sem ser necessario experimentar todas as outras solucoes basicas) ou permitir concluir que o problema
e ilimitado.
Definic
ao 4.2.1. Duas solucoes basicas admissveis dizem-se adjacentes se diferem de
uma variavel basica e de uma nao basica.
Exerccio 4.2.1. Consultando a Tabela 4.1, identifique tres pares de s.b.a. adjacentes
para o PL do Exemplo 3.2.2.
Teorema 4.2.4. Se uma solucao basica admissvel e melhor do que as duas adjacentes
entao e melhor que todas as outras.
O resultado anterior fornece um bom criterio de paragem no processo iterativo. Deste
modo, partindo de uma solucao basica admissvel (s.b.a.) inicial, o m
etodo simplex,
52
Identificar uma
s.b.a. inicial.
Existe alguma
s.b.a.
Stop.
Nao
adjacente que
A solucao e otima.
seja melhor?
sim
mover-se para
uma s.b.a. melhor
Figura 4.1: Metodo simplex: fluxograma.
em cada iteracao, passa para outra s.b.a. adjacente melhor do que a anterior ate chegar
a uma s.b.a. melhor que as duas adjacentes.
4.3
Algoritmo simplex
O metodo simplex consiste em resolver de forma iterativa um sistema de equacoes lineares

para obter uma sequencia de solucoes basicas admissveis, cada uma melhor do que a
anterior, ate se chegar a (pelo menos) uma s.b.a. otima.
Na Figura 4.1 apresenta-se um fluxograma correspondente ao algoritmo simplex.
Considere-se o PL do Exemplo 3.2.2:

max Z = 6x1 + 3x2
max Z = 6x1 + 3x2 + 0x3 + 0x4 + 0x5
s.a 2x1 + 4x2 720

4x1 + 4x2 880
x1
s.a 2x1 + 4x2 + x3
4x1 + 4x2
160
x1
x1 , x2 0
= 720
+ x4
= 880
+ x5 = 160
x1 , x2 , x3 , x4 , x5 0
53
O PL esta escrito na forma padrao e a matriz do sistema de restricoes tem uma sub-matriz
identidade de ordem igual ao n
umero de linhas.
Vamos de seguida analisar cada um dos passos no algoritmo simplex, aplicado a` resolucao
deste problema.
1. Identificar uma soluc
ao b
asica admissvel (s.b.a) inicial, x0 :
A matriz do sistema de restricoes tem
A= 4
uma sub-matriz identidade,
4 1 0 0
4 0 1 0 .
0 0 0 1
Considerando como variaveis basicas as variaveis associadas a`s colunas da matriz

identidade, xB = (x3 , x4 , x5 ), e as restantes como nao basicas, xN = (x1 , x2 ), a
identificacao da s.b.a. e imediata. As variaveis nao basicas assumem o valor zero,
x1 = x2 = 0 (ponto O = (0, 0)). Substituindo no sistema obtem-se x3 = 720,
x4 = 880 e x5 = 160.
A solucao basica admissvel inicial e x0 = (0, 0, 720, 880, 160) e o valor da funcao
objetivo em x0 e Z 0 = 0.
2. Existe uma s.b.a. adjacente melhor?
A funcao objetivo escrita em termos das variaveis nao basicas e dada por
Z = 6x1 + 3x2 .
Se aumentarmos o valor de x1 ou de x2 , i.e., se x1 ou x2 passarem a basicas, o valor
de Z aumenta. Podemos concluir que a solucao x0 nao e otima, i.e., existe uma
s.b.a. adjacente melhor.
3. Passar para uma soluc
ao b
asica admissvel adjacente melhor que x0 :
Por cada unidade que se incrementa em x1 o valor de Z aumenta 6 unidades e por
cada unidade que se incrementa em x2 o valor de Z aumenta 3 unidades. Optamos
por aumentar x1 uma vez que conduz a um aumento de Z numa proporcao maior.
54
Deste modo x1 e a variavel nao basica que vai passar a basica, dita vari
avel b
asica
de entrada.
Vamos agora determinar o maior valor que a variavel x1 pode assumir nao esquecendo que a variavel x2 continua ser nao basica logo continua a valer zero e as
restantes variaveis devem ser nao negativas.
Pela 1a equacao, x1 pode aumentar ate
720
2
= 360 o que conduz a um decrescimo de
880
4
= 220 o que conduz a um decrescimo de
x3 ate 0.
x4 ate 0.
Pela 3a equacao, x1 pode aumentar ate 160 o que conduz a um decrescimo de x5
ate 0.
Deste modo o maior valor que x1 pode assumir e 160 = min{360, 220, 160}. Quando
x1 assume o valor 160 a variavel x5 assume o valor zero. Deste modo, x5 e a variavel
basica que vai passar a nao basica, dita vari
avel b
asica de sada.
Na nova solucao basica admissvel:
x2 , x5 sao variaveis nao basicas,

x3 , x4 , x1 sao variaveis basicas.
Para identificar a nova s.b.a., e necessario reescrever o PL de modo que a matriz

do sistema tenha uma sub-matriz identidade associada a`s (novas) variaveis basicas
e a funcao objetivo dependa apenas das variaveis nao basicas. Usando as operacoes
elementares sobre linhas,
1a eq. 1a eq. 2 3a eq.

2a eq. 2a eq. 4 3a eq.
e substituindo na f.o. x1 por 160 x5 (pela 3a eq.), obtem-se
55
max Z = 3x2 6x5 + 960

s.a
4x2 + x3
4x2
x1
2x5 = 400
0 4 1 0 2
A = 0 4 0 1 4
1 0 0 0 1
x4 4x5 = 240
+ x5 = 160
x1 , x2 , x3 , x4 , x5 0
A nova solucao basica admissvel e x1 = (160, 0, 400, 240, 0), corresponde ao ponto
de coordenadas (160, 0).
O valor da funcao objetivo em x1 e Z 1 = 960.
A f.o. escrita em termos das variaveis nao basicas e dada por
Z = 3x2 6x5 + 960.
A solucao x1 nao e otima, pois se aumentarmos x2 i.e. se x2 passar a basica o valor
de Z aumenta.
ao b
asica admissvel adjacente a x1 :
Se aumentarmos x2 o valor de Z aumenta, se aumentarmos x5 o valor de Z diminui.
Deste modo, x2 e a variavel nao basica que vai passar a basica.
ao b
asica admissvel adjacente melhor que x1 :
Vamos agora determinar o maior valor que a variavel x2 pode assumir nao esquecendo que a variavel x5 continua a valer zero.
400
4
= 100 e, neste caso, x3 = 0.
240
4
= 60 e, neste caso, x4 = 0.
Pela 3a equacao, x2 pode aumentar indefinidamente que nenhuma variavel

se anula.
Deste modo o maior valor que x2 pode assumir e 60 e, neste caso, a variavel x4 vai
passar a nao basica assumindo o valor zero.
Na nova solucao basica admissvel tem-se:
56
x4 , x5 variaveis nao basicas,

x3 , x2 , x1 variaveis basicas.
Rescrevendo o PL de modo que a matriz do sistema tenha uma sub-matriz identidade associada a`s (novas) variaveis basicas e a funcao objetivo dependa apenas das
variaveis nao basicas, obtem-se:
max Z = 43 x4 3x5 + 1140
+ x3 x4 + 2x5 = 160
s.a
+ x2
x1
+ 41 x4 x5 = 60
+ x5 = 160
x1 , x2 , x3 , x4 , x5 0
0 0 1 1 2
A = 0 1 0 14 1
1 0 0 0
1
A nova solucao basica admissvel e x2 = (160, 60, 160, 0, 0), corresponde ao ponto de
coordenadas (160, 60).
O valor da funcao objetivo em x2 e z 2 = 1140.
A f.o. escrita em termos das variaveis nao basicas e dada por
3
Z = x4 3x5 + 1140.
4
A solucao x2 e otima pois se aumentar qualquer uma das variaveis nao basicas x4
ou x5 o valor de Z diminui. Nenhumas das s.b.a. adjacentes e melhor que x2 . A
solucao basica admissvel otima e x2 = (160, 60, 160, 0, 0) e a solucao otima do PL
inicial x = (160, 60). O valor otimo e Z = 1140
As varias iteracoes do metodo de simplex, acabadas de descrever, podem ser sistematizadas em quadros, cada um dos quais corresponde a uma iteracao.
4.4
M
etodo simplex na forma tabular
O problema linear em estudo, pode ser escrito como:
57
max Z
s.a
2x1 + 4x2 + x3
4x1 + 4x2
x1
6x1 3x2
= 720
2 4
4 4
+ x4
= 880

1 0
+ x5
= 160
+Z =0
-6 -3
1 0
0 1
0 0
0 0
x1 , x2 , x3 , x4 , x5 0
O quadro inicial e dado por :

variaveis basicas
x1
x2
x3
x4
x5
x3
720
x4
880
x5

1
160 }
6 3
|{z}
termos independentes
A solucao basica admissvel correspondente a este quadro e dada por x0 = (0, 0, 720, 880, 160)
(as variaveis basicas assumem os valores dos termos independentes correspondentes e as
variaveis nao basicas assumem o valor zero). O valor da funcao objetivo e Z 0 = 0.
Aos valores da linha Z associados a`s variaveis chamamos custos reduzidos. Os custos
reduzidos das variaveis x1 , x2 , x3 , x4 e x5 sao, respetivamente, 6, 3, 0, 0, 0.
Esta solucao ainda nao e otima pois ha variaveis com custo resuzido negativo, na linha Z
aparecem os valores negativos (6) e (3). De entre esses valores negativos escolhemos
o de maior valor absoluto que e (6). Esse valor encontra-se na coluna de x1 , que se
designa por coluna pivotal (c.p.) e x1 e a variavel basica de entrada.
Para determinar qual e a variavel basica que vai dar lugar a x1 , i.e., a v.b. de sada
determina-se
min
elementos positivos da c.p.
= min
n 720 880 160 o

,
,
= 160
2 |{z}
4 |{z}
1
|{z}
x3
x4
x5
A linha pivotal (l.p.) e a linha da variavel x5 que e a variavel basica de sada.

Ao elemento que esta na intersecao da linha pivotal com a coluna pivotal chamamos
pivot.
Efetuam-se agora operacoes elementares sobre a l.p. de modo a que as colunas associadas
a`s variaveis basicas constituam uma matriz identidade.
58
1. Para obter 1 no lugar do pivot,

l.p.
l.p.
.
pivot
Neste caso, l.p. mantem-se uma vez que o pivot e 1.

2. Para obter zeros acima e abaixo do pivot,
linha i linha i +k l.p., com k R
Neste caso, faz-se:
linha de x3 linha de x3 2 l.p.
linha de x4 linha de x4 4 l.p.
linha de Z linha de Z + 6 l.p.
Obtem-se:
v.b.
x1
x2
x3
x4
x5
Z t. i.
x3
-2
400
x4

4
-4
240
x1
160
-3
960
Tem-se x1 = (160, 0, 400, 240, 0) e z 1 = 960.

O quadro ainda nao e otimo, porque na linha Z ainda ha um elemento negativo.
A coluna pivotal e a coluna da variavel x2 que e a variavel basica de entrada.

240
Tem-se min 400
,
= 60, pelo que a linha pivotal e a linha da variavel x4 que e a
4
4
variavel basica de sada.
Depois de efetuar as operacoes elementares o quadro correspondente a` segunda iteracao

do metodo de simplex e:
v.b.
x1
x2
x3
x4
x5
t. i.
x3
-1
160
x2
1
4
-1
60
x1
160
3
4
1140
59
Tem-se x2 = (160, 60, 160, 0, 0) e z 2 = 1140.

Este quadro ja e otimo pois todos os valores da linha Z sao maiores ou iguais a zero.
A solucao basica admissvel otima e x2 = (160, 60, 160, 0, 0). A solucao otima do problema
original x = (160, 60) e o valor otimo e Z = 1140.
Observacao:
A coluna Z e uma coluna auxiliar que se manteve constante ao longo de todo o
processo. Para simplificar, a partir de agora nao se considera a coluna Z.
Notas:
1. Em cada um dos quadros simplex as colunas das variaveis basicas constituem a
matriz identidade.
2. Os valores da linha Z correspondentes a`s variaveis basicas sao nulos.
3. A solucao basica admissvel obtida em cada iteracao retira-se diretamente a partir
do quadro:
cada variavel basica assume o valor do termo independente da respetiva linha
cada variavel nao basica assume o valor zero.
4. O valor da funcao objetivo e o valor do termo independente na linha Z
5. O quadro e otimo se:
num PL de minimizacao os custos reduzidos (valores da linha Z) sao nao
positivos ( 0),
num PL de maximizacao os custos reduzidos sao nao negativos ( 0),
Em sntese, os varios passos do metodo simplex sao:

Algoritmo simplex
1. Escrever o PL na forma padrao em que a matriz do sistema tem uma sub-matriz
identidade de ordem igual ao n
umero de linhas.
2. Obter uma solucao basica admissvel inicial.
60
3. Verificar se a solucao admissvel e otima, i.e., se os valores da linha Z sao nao

negativos, caso o PL seja de maximizacao, e os valores da linha Z nao positivos,
caso o PL seja de minimizacao.
Se a solucao for otima, o processo termina. Caso contrario, prossegue-se para o
passo seguinte.
4. (a) Escolher a coluna pivotal:
Se o PL for de maximizacao, escolher de entre os valores negativos da linha Z
o de maior valor absoluto. A coluna associada e a coluna pivotal e a variavel
correspondente e a variavel nao basica que vai passar a basica, vari
avel b
asica
de entrada.
Se o PL for de minimizacao, escolher de entre os valores positivos da linha
Z o maior, a coluna associada e a coluna pivotal e a variavel e a vari
avel
b
asica de entrada.
(b) Escolher a linha pivotal:
Determinar o maior valor que a variavel que vai entrar na base pode assumir.
Dividir os termos independentes pelos elementos positivos da coluna pivotal.
A linha associada ao menor destes quocientes e a linha pivotal e a variavel e a
variavel basica que vai passar a nao basica dita vari
avel b
asica de sada.

min
elementos positivos da coluna pivotal
Nota: Se os elementos da coluna pivotal forem todos nao positivos a variavel
a entrar na base pode aumentar indefinidamente, ou seja, o PL e ilimitado.
5. Manipular as linhas do quadro de acordo com as operacoes usuais realizadas sobre
linhas de modo a obter 1 no lugar do pivot e valores 0 nos restantes elementos
da coluna pivotal. As operacoes elementares efetuadas sao do tipo:
linha pivotal
linha pivotal
pivot
para as restantes linhas faz-se: linha i linha i +k linha pivotal,

k R.
Voltar ao passo 3..
61
Na forma de fluxograma, o Algoritmo simplex descreve-se como se segue

Incio
Forma padr
ao
Identificar uma s.b.a. inicial.
Construir o quadro de Simplex.
Calcular os valores da linha Z
Criterio de
otimalidade e
Sim
Stop.
A soluc
ao e
otima.
satisfeito?
N
ao
Calcular uma nova
s.b.a.(atualizar
o quadro)
escolher a v.b. de entrada (coluna pivotal)
Todos os
elementos da
coluna pivotal
Sim
Stop.
Problema ilimitado
s
ao 0?
N
ao
escolher a v.b. de
sada (linha pivotal)
4.5
Exerccios
Resolva, aplicando o metodo de simplex, os seguintes Problemas Lineares:
62
1. max Z = x1 + 4x2
2. max Z = 3x1 + 2x2
s.a x1 + x2 2
s.a 2x1 + x2 2
x1 + x2 4
2x1 + x2 4
x1 , x2 0
x1 , x2 0
4. min Z = 2x1 3x2 4x3
3. min Z = x1 4x2
s.a 2x1 + 2x2 + 4x3 12
s.a x1 + x2 2
x1 + 4x2 + 2x3 8
x1 + x2 4
4x1 + 2x2 + 4x3 10
x1 , x2 0
4.6
x1 , x2 , x3 0
Casos particulares do m
etodo de simplex na forma
tabular
1. Empate na escolha da vari

avel b
asica de entrada
Quando ha empate na seleccao da variavel basica de entrada escolhe-se arbitrariamente uma delas para entrar na base.
Exemplo 4.6.1. Resolva PL seguinte aplicando o metodo simplex e faca corresponder a s.b.a. obtida em cada iterac
ao a um ponto extremo do conjunto das solucoes
admissveis.
x_
max Z = 2x1 + 2x2 + 3
vd
s.a 2x1 + x2 2
ve
2x1 + x2 4
x1 , x2 0
Ovb
Na forma padrao,
63
va
xc
max Z 2x1 2x2 = 3

s.a 2x1 + x2 + x3
2x1 + x2
=2
+ x4 = 4
x1 , x2 , x3 , x4 0
A =
-2 1 1
1 0
Considerando como variaveis b

asicas as vari
aveis associadas `
as colunas da submatriz identidade.
Quadro 0
v.b. x1
x2
x3
x4
t. i.
x3
-2
x0 = (0, 0, 2, 4) e a s.b.a. ini-
x4
cial
-2
-2
Z0 = 3
empate !
Se optarmos por escolher a coluna de x1 obtem-se a soluc
ao
otima seguindo um
determinado caminho, caminho A.
Se optarmos por escolher a coluna de x2 obtem-se a soluc
ao
otima seguindo um
outro caminho, caminho B.
caminho A
Quadro 2A
Quadro 1A
v.b. x1
x2
x3
x4
t. i.
v.b.
x1
x2
x3
x4
t. i.
x2
1
2
1
2
x3

2
x1
1
2
1
2
x1
14
1
4
1
2
-1
1
2
3
2
10
x2A = ( 12 , 3, 0, 0); Z 2A = 10
x1A = (2, 0, 6, 0); Z 1A = 7
O Quadro 2A e otimo. A soluc

ao
otima do PL inicial e x = ( 21 , 3) e o valor otimo
e Z = 10.
Em termos graficos o caminho A corresponde a : v0 v1 v2 .
caminho B
64
Quadro 2B
Quadro 1B
v.b.
x1
x2
x3
x4
t. i.
v.b.
x1
x2
x3
x4
t. i.
x2
-2
x2
1
2
1
2
-1
x1
14
1
4
1
2
-6
1
2
3
2
10
x4
Z

x2B = ( 12 , 3, 0, 0); Z 2B = 10
x1B = (0, 2, 0, 2); Z 1B = 7
O Quadro 2B e otimo. A soluc

ao
otima do PL inicial e x = ( 21 , 3) e o valor otimo
e Z = 10.
Em termos graficos o caminho B corresponde a : v0 v3 v2 .
2. Empate na escolha da vari
avel b
asica de sada
Quando ha empate na escolha da variavel basica de sada, escolhe-se arbitrariamente uma das variaveis para sair da base. A solucao seguinte vai ser uma s.b.a.
degenerada.
3. Os elementos da coluna pivotal s
ao todos n
ao positivos- pro-
blema ilimitado
Quando, num quadro nao otimo, nao exite nenhum elemento positivo na coluna
pivotal, o processo termina concluindo-se que o problema e ilimitado.
Exemplo 4.6.2.
max Z 3x1 x2 = 0
max Z = 3x1 + x2
s.a 2x1 + x2 0
s.a 2x1 + x2 + x3
x1 x2 1
x1 x2
x1 , x2 0
=0
+ x4 = 1
x1 , x2 , x3 , x4 0
Quadro 1
Quadro 0
x1
x2
x3
x4
t. i.
v.b.
x1
x2
x3
x4
t. i.
x3
-2
x3
-1
x4

1
-1
x1
-1
-3
-1
-4
v.b.
x0 = (0, 0, 0, 1); Z 0 = 0
x1 = (1, 0, 2, 0); Z 1 = 3
65
O Quadro 1 nao e otimo, pois na linha Z h

a uma valor negativo correspondente à
variavel x2 . Mas, nao e possvel prosseguir visto que a coluna de x2 , que e a coluna
pivotal, tem todos os elementos negativos. A v.b. de entrada, x2 , pode aumentar
indefinidamente pelo que o PL e ilimitado. Este resultado pode ser confirmado pela
resolucao grafica (Figura 4.2).
xf
xg
Figura 4.2: Problema Linear ilimitado

4. Problemas relativos ao caso degenerado
Uma s.b.a. diz-se degenerada se pelo menos uma das variaveis basicas for nula.
A degenerescencia ocorre ou no quadro inicial ou apos ocorrer empate na escolha da
variavel basica de sada. Tal como ja se referiu em 2., quando ha empate na escolha
da variavel basica de sada, escolhe-se arbitrariamente uma das variaveis para sair
da base.
No quadro seguinte todas as variaveis que estavam em condicoes de sair da base
assumem o valor zero, obtendo-se uma solucao degenerada.
Suponhamos que, numa determinada iteracao do metodo simplex se obtem uma
s.b.a. degenerada,
v.b.
..
.
...
..
.
t. i.
..
.
xi
..
.
...
..
.
0
..
.
...
66
Se o quadro nao for otimo continua-se a aplicar o metodo simplex.

Se a linha pivotal nao estiver associada a` variavel basica nula, a solucao seguinte
vai ser diferente da anterior, assim como o valor da f.o.. O processo iterativo
continua ate que se verifique o criterio de paragem.
Se a linha pivotal estiver associada a` variavel basica nula, a solucao seguinte
vai ser igual a` anterior (porque?).
Quando ha degenerescencia com mais do que uma variavel basica nula entao
podemos entrar em ciclo i.e., o valor de Z mantem-se inalterado ao longo de
varias iteracoes, o metodo simplex entra em ciclo repetindo a mesma sequencia
de solucoes.
A entrada em ciclo e teoricamente possvel mas, na pratica, e muito rara. Se entrarmos em ciclo, para resolver o problema considera-se outro criterio para escolher
a v.b. de entrada (Regra de Bland) ou perturbam-se ligeiramente os dados do
problema. Estes metodos sao aprofundados em [7] e [1].
5. Solu
co
es
otimas alternativas
Se no quadro otimo existem variaveis nao basicas com custo reduzido nulo entao
podem existir solucoes otimas alternativas.
Numa situacao deste tipo, apesar do quadro ja ser otimo, faz-se mais uma iteracao
do metodo simplex considerando como coluna pivotal a coluna da variavel nao basica
que tem custo reduzido nulo. Apos escolhida a coluna pivotal, ha que considerar
varios casos:
(a) todos os elementos da coluna pivotal sao negativos ou nulos entao nao conseguimos arranjar linha pivotal. O PL tem uma semirreta de solucoes otimas
com origem na solucao correspondente ao quadro otimo.
Exerccio 4.6.1. Resolva o PL seguinte aplicando o metodo simplex. Faca
corresponder a cada s.b.a. obtida em cada iterac
ao o ponto do conjunto das
solucoes admissveis.
67
max Z = x2
max Z = x2
x2 4
s.a
s.a
x1 + x2 2
x2 + x3
x1 + x2
x1 , x2 0
A=
1 1
-1
1 0
.
Quadro 1
Quadro 0
x2
x3
+ x4 = 2
x1 , x2 , x3 , x4 0
v.b. x1
=4
x4
t. i.
v.b.
x1
x2
x3
x4
t. i.
-1
x3
x4
-1

1

1
x2
-1
-1
-1
x3
x0 = (0, 0, 4, 2); Z 0 = 0
x1 = (0, 2, 2, , 0); Z 1 = 2
Quadro 2
v.b. x1
x2
x3
x4
t. i.
x1
-1
x2
x2 = (2, 4, 0, 0); Z 2 = 4
O Quadro 2 e otimo.
A variavel nao basica x4 tem custo reduzido nulo. Vamos tentar efetuar mais
uma iteracao considerando como coluna pivotal a coluna de x4 .
Todos os valores da coluna de x4 s
ao menores ou iguais a zero. Neste caso, nao
e possvel efetuar mais uma iterac
ao, conclui-se que o PL tem uma semirreta
de solucoes otimas com origem no ponto (2, 4).
A forma geral das solucoes
otimas, em todas as vari
aveis, e:
68
B 1 b
..
X =
..
+ xk
yk
0
..
.
1
..
.
0
: xk 0
em que xk e a variavel basica de entrada, o valor 1 est

a na posic
ao k e yk
corresponde à coluna pivotal.
Assim, para o PL que estamos a resolver, o conjunto das soluc
oes
otimas e
dado por

(x1 , x2 , x3 , x4 ) R4 : (x1 , x2 , x3 , x4 ) = (2, 4, 0, 0) + x4 (1, 0, 0, 1), x4 0

= (x1 , x2 , x3 , x4 ) R4 : (x1 , x2 , x3 , x4 ) = (2 + x4 , 4, 0, x4), x4 0
S =
Ou, simplesmente, o conjunto das soluc

oes
otimas de (P ) e

S = (x1 , x2 ) R2 : (x1 , x2 ) = (2 + x4 , 4), x4 0
Graficamente,
xh
4
2
xi
Figura 4.3: PL com uma semirreta de solucoes otimas.

(b) ha elementos positivos na coluna pivotal, existindo assim linha pivotal.
Ha ainda a distinguir duas situacoes:
i. O quadro e degenerado e a linha pivotal esta associada a uma variavel
basica nula entao a solucao seguinte coincide com a anterior. O PL tem
solucao otima u
nica.
69
Exerccio 4.6.2. Resolva o PL seguinte aplicando o metodo simplex.

min Z = 2x1 + x2 + x3
s.a 2x1 x2 3x3 1
x1 + 2x2 x3 1
x1 1, x2 0, x3 3
Mudancas de variavel:
x1 1 x1 1 0
| {z }
y1
y =x 1
1
1
y 0
x =y +1
1
1
y 0
x3 3 x3 + 3 0
| {z }
y3
y = x + 3
3
3
y3 0
x =3y
3
3
y 0
3
Substituindo na formulac
ao inicial obtem-se:
min Z = 2y1 + x2 y3 + 1
min Z = 2y1 + x2 y3 + 1
s.a 2y1 x2 + 3y3 6
s.a 2y1 x2 + 3y3 + x4
y1 + 2x2 + y3 3
y1 + 2x2 + y3
y1 0, x2 0, y3 0
A=
2 -1 3
1
Quadro 1
v.b.
y1
x2
y3
x4
x5
t. i.
x4

2
-1
x5
-1
y 0 = (|{z}
0 , |{z}
0 , |{z}
0 , |{z}
6 , |{z}
3 );
y1
x2
y3
+ x5 = 3
y1 , x2 , y3 , x4 , x5 0
1 0
.
0 1
Quadro 0
=6
x4
x5
Z0 = 1
70
v.b. y1
y1
x5
x2
y3
x4
x5
t. i.
-1
3
2
1
2
- 12
- 12
-2
-1
-5
2
2
y 1 = (3, 0, 0, 0, 0);
Z 1 = 5
Nota: No Quadro 0 ocorreu empate na escolha da vari

avel b
asica de sada.
Neste caso a escolha e arbitraria. A soluc
ao correspondente ao Quadro 1
e degenerada.
O Quadro 1 ja e otimo.
A variavel nao basica x2 tem custo reduzido nulo o que sugere a existencia
de solucoes otimas alternativas. Vamos efetuar mais uma iteracao do
metodo simplex considerando como coluna pivotal a coluna de x2 .
Quadro 2
v.b. y1
x2
y3
x4
x5
t. i.
y1
7
5
2
5
1
5
y 2 = (3, 0, 0, 0, 0);
x2
- 15
- 15
2
5
Z 2 = 5
-2
-1
-5
O PL tem uma u
nica soluc
ao
otima.
Para obter a solucao
otima do problema original, temos que passar das
variaveis y para as vari
aveis x.
y1 = 3 x1 = 4 pois x1 = y1 + 1
y3 = 0 x3 = 3 pois x3 = 3 y3
A solucao otima do PL original e x = (4, 0, 3) e o valor
otimo e z = 5.
ii. Independentemente do quadro otimo ser ou nao degenerado, a linha pivotal esta associada a uma variavel basica nao nula. Neste caso, a solucao
seguinte vai ser diferente da anterior. O PL tem solucoes otimas alternativas dadas pelo segmento de reta que une as duas solucoes otimas obtidas,
definido pela combinacao linear convexa das duas solucoes obtidas.
Exerccio 4.6.3. Resolva o PL seguinte aplicando o metodo simplex. Confirme a solucao resolvendo o problema graficamente (compare o declive da
reta da f.o. com as retas associadas a cada uma das restric
oes).
71
min Z = 3x1 3x2

x1 + x2 4
s.a
x1 + x2 1
x1 , x2 0
4.7
Exerccios
1. Resolva os seguintes problemas lineares pelo metodo simplex e, sempre que possvel,
acompanhe a resolucao graficamente.
(a) max Z = 2x1 + 2x2 + 3
s.a x1 + 2x2
x2
x1 +
(b) max Z = x1 + 2x2

s.a x1 + x2
x1 + 2x2 4
3x1 + 2x2 12
x1 , x2 0
x1 , x2 0
(c) min Z = x1 2x2
s.a 2x1 + x2
(d) min Z = 3x1 3x2
x1 + x2 4
s.a
x1 2x2 4
x1 + x2 1
x1 , x2 0
x1 , x2 0
(f) max Z = 2x1 6x2 + 6x3
(e) max Z = x1 + 3x2 2x3

s.a
x2 + 2x3 0
s.a
x1 + 2x2 + x3 8
2x1 +
x1 + 2x2
x2 x3 3
x3 = 2
x1 0, x2 2, x3 0
x1 4, x2 0, x3 2
2. O quadro seguinte e o quadro corrente resultante da aplicacao do metodo simplex

a um PL de maximizacao em que a, b e c R.
v.b.
x1
x2
x3
x4
t. i.
x3
-1
x2
Indique todos os valores de a, b e c de tal modo que:

(a) O PL seja ilimitado.
72
(b) O PL tenha como u

nica solucao otima a apresentada no quadro.
(c) O PL tenha solucoes otimas alternativas.
3. O quadro seguinte resulta da aplicacao do metodo simplex a um problema linear de
minimizacao constitudo por duas restricoes funcionais do tipo e tres variaveis
de decisao, x1 , x2 e x3 . As variaveis de desvio associadas a` primeira e segunda
restricao sao x4 e x5 , respetivamente, e a, b e c R.
x1
x2
x3
x4
x5
x3
-1
x1
-3
-4
-3
10
Atribua valores aos parametros a, b e c de tal modo que o problema linear:

(a) seja ilimitado;
(b) tenha uma u
nica solucao otima;
(c) tenha uma infinidade de solucoes otimas:
i. uma semirreta de solucoes otimas;
ii. um segmento de reta de solucoes otimas.
4. O quadro seguinte resulta da aplicacao do metodo Simplex a um problema linear
de minimizacao com duas variaveis de decisao, x1 e x2 e duas restricoes funcionais
do tipo com termos independentes nao negativos. Sabe-se que x3 e x4 sao as
variaveis de desvio associadas a` primeira e segunda restricoes, respetivamente, e
a R.
v.b.
x1
x2
x3
x4
t.i.
x3
-2
x1
-1
-4
10
Discuta, em funcao do parametro a, a solucao do problema linear.
73
5. O quadro seguinte resulta da aplicacao do metodo simplex a um problema linear de

maximizacao constitudo por duas restricoes funcionais do tipo e tres variaveis
de decisao, x1 , x2 e x3 . Sabe-se que x4 e x5 sao as variaveis de desvio associadas a`
primeira e segunda restricao, respetivamente, e a, b R.
x1
x2
x3
x4
x5
x3
x1
4+a
10
Atribua, caso seja possvel, valores aos parametros a e b de tal modo que o problema
linear :
(a) seja ilimitado;
(b) tenha uma u
nica solucao otima;
(c) tenha uma infinidade de solucoes otimas dadas por:
i. uma aresta ilimitada (semirreta) de solucoes otimas;
ii. uma aresta limitada (segmento de reta) de solucoes otimas.
4.8
Quadros simplex na forma matricial
Considere-se um PL com m restricoes e n variaveis:

max Z = c>x + k
s.a
Ax = b
x0
em que
k e constante real,
x> = [ x1 x2 xn ] e o vetor das variaveis do PL,
c> = [ c1 c2 cn ] e o vetor dos coeficientes das variaveis na funcao objetivo,
b> = [ b1 b2 bm ] e o vetor dos termos independentes das restricoes,
74
A Rmn e a matriz dos coeficientes tecnicos.

Admitindo que as m restricoes sao linearmente independentes qualquer solucao basica
admissvel para o PL e constituda por m variaveis basicas e as restantes, n m, variaveis
nao basicas.
Vamos agrupar as variaveis basicas e as variaveis nao basicas em dois vetores distintos:
sejam xB o vetor das variaveis basicas e xN o vetor das variaveis nao basicas, tem-se
x> = [ xB> xN> ]
Sejam cB os coeficientes das variaveis basicas na funcao objetivo e cN os coeficientes das
variaveis nao basicas na funcao objetivo, tem-se c> = [ cB> cN> ]
Analogamente para a matriz A, seja B a sub-matriz de A cujas colunas estao associadas
a`s variaveis basicas e N a sub-matriz de A cujas colunas estao associadas a`s variaveis nao
h
i
basicas. Tem-se A = B N .
Podemos escrever o PL da seguinte forma:
max Z = c>B xB + c>N xN + k

s.a
BxB + NxN = b
xB , xN 0
Vamos construir o quadro simplex considerando como vari

aveis b
asicas xB .
v.b.
xB
xN
t.i
xB
0 0
Restricoes:
BxB + NxN = b B 1 BxB + B 1 NxN = B 1 b, porque existe B 1
IxB + B 1 NxN = B 1 b
xB = B 1 b B 1 NxN
75
Funcao objetivo (escrita em funcao das variaveis nao basicas):

Z = c>B xB + c>N xN + k
= c>B (B 1 b B 1 NxN ) + c>N xN + k
= (c>N + c>B B 1 N)xN + c>B B 1 b + k
Tem-se:
4.9
v.b.
xB
xB
0 0
xN
t.i
B 1 N
B 1 b
c>N + c>B B 1 N
c>B B 1 b + k
Exerccios
1. Considere o seguinte PL
max
s.a
Z = 2x1 + 2x2 + 3
2x1 + x2 + x3
2x1 + x2
=2
+ x4 = 4
x1 , x2 , x3 , x4 0
Construa o quadro simplex considerando as variaveis basicas xB = (x3 , x1 ).
2. Considere o seguinte PL
max
s.a
Z = 3x1 + 5x2 2x3 x4

x1 + 2x2 + 2x3
2x1 x2
+ 3x4
+ x5 = 10
+ x6 = 5
x1 , x2 , x3 , x4 , x5 , x6 0
Averig
ue se a solucao basica admissvel em que xB = (x3 , x4 ) e otima.
3. O quadro seguinte e o quadro otimo resultante da aplicacao do metodo simplex a
um problema linear cujas restricoes sao do tipo e os termos independentes sao
nao negativos.
76
v.b.
x1
x2
x3
x4
x5
t.i.
x3
12
x5
-1
-1
10
72
Formule o problema linear inicial.

4. Considere o seguinte problema linear.
max Z = ax1 + x2 3x3
s.a
3x1 + bx2 + cx3 6

x1 + 2x2 + dx3 1
x1 , x2 , x3 0
O quadro seguinte e o quadro otimo resultante da aplicacao do metodo simplex ao

problema linear dado e a, b, c, d, e, f , g, h, i, j, k R.
x1
x2
x3
x4
x5
2
3
2
3
1
3
13
1
3
1
3
em que x4 e x5 sao as variaveis de desvio associadas, respetivamente, a` primeira e

segunda restricao. Determine os valores dos parametros a, b, c, d, e, f , g, h, i, j e
k.
min Z = 2x1 + x2
s.a x1 +
x2 5
x1 + 2x2 2
x1 , x2 0
(a) Mostre graficamente que a solucao otima e x = (0, 1).
(b) Sem resolver o problema, construa o quadro simplex associado a solucao otima.
Apresente todos os calculos efetuados.
77
6. O quadro seguinte resulta da aplicacao do metodo simplex a um dado problema

linear de maximizacao com duas variaveis de decisao, x1 e x2 , e duas restricoes
funcionais do tipo , com termos independentes nao negativos.
x1
x2
x3
x4
x3
x1
10
em que x3 e x4 sao as variaveis de desvio associadas, respetivamente, a` primeira e

segunda restricao e a e um parametro real.
Sabendo que os coeficientes de x2 na primeira e segunda restricao sao, respetivamente, a e a 2, determine os valores de a para os quais o problema linear e
ilimitado.
78
Captulo 5
M
etodo Simplex - identifica
c
ao de
uma solu
c
ao inicial
Nos problemas lineares considerados ate aqui a matriz do sistema das restricoes funcionais
do PL na forma padrao ja tinha uma sub-matriz identidade de ordem igual ao n
umero de
linhas. Assim, a identificacao da s.b.a. inicial era imediata, considerando como variaveis
basicas as variaveis associadas a` sub-matriz identidade.
Contudo, o que acontecera se a matriz do sistema nao tiver uma sub-matriz identidade?
Como identificar uma s.b.a. inicial? Quais serao as variaveis basicas no primeiro quadro
simplex?
O procedimento usual que e utilizado nestes casos e a tecnica das variaveis artificiais,
descrita como se segue.
1. Escrever o PL na forma padrao e construir a matriz do sistema.
2. Se a matriz do sistema nao tiver uma sub-matriz identidade de ordem igual ao
n
umero de linhas entao devem identificar-se as colunas da matriz identidade que
estao em falta.
3. Adiciona-se uma variavel artificial na i-esima restricao, com coeficiente +1, caso
falte a i-esima coluna da matriz identidade.
Deste modo, fica garantida a existencia de uma sub-matriz identidade e, portanto, de uma
variavel que pode ser considerada como basica em cada uma das restricoes. As variaveis
artificias sao um mero artifcio de calculo, nao tem qualquer significado economico.
79
As variaveis artificiais denotam-se, habitualmente, por xi , considerando a ordem crescente

dos ndices.
De notar que a obtencao de uma solucao basica admissvel para o PL original requer a
anulacao das variaveis artificiais. Para o efeito pode utilizar-se um dos dois metodos que
vao ser apresentados de seguida: o M
etodo das Duas Fases (Dantzing, Order, Wolfe 1954) ou o M
etodo das Penalidades tambem dito M
etodo do M-grande (Charnes,
Cooper, Henderson-1953).
5.1
M
etodo das penalidades ou m
etodo M-grande
No M
etodo do M-grande aplica-se o metodo simplex a um problema linear auxiliar,
P aux, onde as variaveis artificiais sao fortemente penalizadas na funcao objetivo de
modo a provocar rapidamente o seu anulamento.
A funcao objetivo do PL auxiliar, P aux, obtem-se a partir da f.o. do PL original incorporando uma nova parcela que penaliza o facto das variaveis artificiais assumirem valores
nao nulos:
num PL de maximizacao atribui-se a`s variaveis artificiais o coeficiente M, em que

M e uma constante positiva arbitrariamente grande (M +), i.e., introduz-se a
P
parcela M i xi e tem-se:
f.o. de P aux = f.o. original M
xi .
num PL de minimizacao atribui-se a`s variaveis artificiais o coeficiente +M, i.e.,

P
introduz-se a parcela M i xi e tem-se:
f.o. de P aux = f.o. original + M
xi .
Sem perda de generalidade, vamos supor que a matriz do sistema de restricoes do problema na forma padrao nao tem nenhuma coluna da matriz identidade. Neste caso, sera
necessario introduzir uma variavel artificial em cada uma das restricoes do problema au-
80
xiliar, P aux, obtendo-se:

max Z = c1 x1 + c2 x2 + + cn xn M(
xn+1 + xn+2 + + xn+m )
s.a a11 x1 + a12 x2 + + a1n xn + xn+1
a21 x1 + a22 x2 + + a2n xn
..
.
= b1
+ xn+2
am1 x1 + am2 x2 + + amn xn
= b2
+ xn+m = bm
x1 0, x2 0, . . . xn , x
n+1 , . . . xn+m 0
O metodo simplex, na medida em que procede a` melhoria da f.o., tendera a anular as
variaveis artificiais, como se pretende, dado que elas estao penalizadas com coeficientes
arbitrariamente grandes em modulo.
Nota:
Para construir o primeiro quadro simplex a funcao objetivo tera que ser reescrita de modo
a depender apenas das variaveis nao basicas pois, em qualquer quadro, os valores da linha
Z correspondentes a`s variaveis basicas sao obrigatoriamente nulos.
A resolucao do P aux pode conduzir-nos a duas situacoes: o problema P aux tem valor
otimo finito ou e ilimitado. Vamos analisar de seguida cada uma destas situacoes:
caso 1: O problema P aux tem valor otimo finito
Vamos ainda considerar as duas situacoes seguintes, i e ii.
i. Na solucao otima de P aux as variaveis artificiais sao todas nulas. Neste
caso foi encontrada a solucao otima do PL original que se obtem retirando
as componentes relativas a`s variaveis de desvio e artificiais. A solucao
basica admissvel otima obtem-se retirando as componentes relativas a`s
variaveis artificiais.
Exemplo 5.1.1. Resolva o PL:
min Z = x1 2x2
s.a
min Z = x1 2x2
x1 + x2 2
x2 3
s.a
x1 + x2 x3
x2
x1 + x2 1
x1 + x2
x1 , x2 0
=2
+ x4
=3
x5 = 1
x1 , x2 , x3 , x4 , x5 0
81
A= 0 1
-1 1
-1 0
0
0
1 0 .
0 -1
Faltam a primeira e terceira coluna da matriz identidade. Vamos introduzir

duas variaveis artificiais, uma na primeira restric
ao e outra na terceira
restricao.
O problema auxiliar resolvido quando se aplica o metodo M-grande e:
min Z 0 = x1 2x2 + M (
x6 + x7 )
s.a
x1 + x2 x3
P aux
x2
+ x6
=2
+ x4
x1 + x2
=3
x5
+ x7 = 1
x1 , x2 , x3 , x4 , x5 0
De notar que para construir o primeiro quadro de simplex, a func
ao objetivo deve depender apenas das vari
aveis n
ao b
asicas.
Tem-se x6 = 2 x1 x2 + x3 , x7 = 1 + x1 x2 + x5
entao
Z 0 = x1 2x2 + M (
x6 + x7 )
= x1 2x2 + M(3 2x2 + x3 + x5 )
= x1 + (2 2M)x2 + Mx3 + Mx5 + 3M
Quadro 0
v.b.
x1
x2
x3
x4
x5
x
6
x
7
t. i.
x
6
-1
x4
x
7
-1

1
-1
Z0
-1 2+2M -M
-M
3M
82
x0aux = (0, 0, 0, 3, 0, 2, 1);

0
Zaux
= 3M
Quadro 1
v.b.
x1
x2
x3
x4
x5
x
6
x
7
t. i.
x
6

2
-1
-1
x4
-1
x2
-1
-1
Z0
1+2M
-M
2+M
x1aux = (0, 1, 0, 2, 0, 1, 0);

1
Zaux
=M 2
-2-2M M-2
Quadro 2
x1
v.b.
x1
x2
x4
x3
x
6
x
7
t. i.
1
2
- 12
1
2
1
2
- 12
- 12
3
2
1
2
1
2
3
2
- 12 -M
- 32 -M
- 52
x4
x5
- 12
1
2
- 12
3
2
x2
- 12
Z0
1
2
2
x2aux = ( 12 , 23 , 0, 32 , 0, 0, 0);
2
Zaux
= 25
Quadro 3
x3
x4
x5
x
6
x
7
t. i.
-1
-1
-1
v.b.
x1
x2
x5
x4
-1

1
x2
-1
-3
-M-2
-M
-4
x3aux = (0, 2, 0, 1, 1, 0, 0);

3
Zaux
= 4
Quadro 4
v.b.
x1
x2
x3
x4
x5
x
6
x
7
t. i.
x5
-1
x3
-1
-1
x2
-1
-2
-M
-M
-6
O quadro e otimo.
A solucao otima do problema Paux e xaux = (0, 3, 1, 0, 2, 0, 0); Na solucao
otima de Paux as vari
aveis artificiais s
ao todas nulas ent
ao o PL original
tambem admite soluc
ao
otima. A s.b.a.
otima e x = (0, 3, 1, 0, 2); A
solucao otima do PL original e x = (0, 3); O valor
otimo e Z = 6
ii. Na solucao otima de P aux existe pelo menos uma variavel artificial nao
83
nula. Neste caso o PL original e impossvel.

Exerccio 5.1.1. Resolva o PL seguinte
min Z = 2x1 + x2 x3
s.a x1 + x2
x1 + x2
=2
2x1
+ x3 = 4
x1 , x2 , x3 0
caso 2: O problema P aux nao tem otimo finito, e ilimitado.
Vamos ainda considerar as duas situacoes, i e ii.
i. No quadro final (quadro em que paramos porque na coluna pivotal todos
os elementos sao menores ou iguais a zero) as variaveis artificiais sao todas
nulas. Neste caso o PL original tambem e ilimitado.
max Z = 2x1 x2
s.a
x1 + x2 1
x1 + x2 2
x1 , x2 0
ii. No quadro final existe pelo menos uma variavel artificial nao nula. Neste
caso o PL original e impossvel.
max Z = x1 + x2
s.a
x1 x2 1
x1 + x2 1
x1 , x2 0
5.2
M
etodo das duas fases
Quando se aplica o metodo das duas fases, tal como o nome indica, o problema e resolvido
em duas fases: na primeira fase resolve-se um problema auxiliar com o objetivo de obter,
84
caso exista, uma s.b.a. inicial para o problema original i.e. anular as variaveis artificiais;
na segunda fase resolve-se o problema original considerando como s.b.a. inicial a solucao
obtida na primeira fase.
1a fase
O problema auxiliar, P aux, resolvido na primeira fase e :
min Z 0 = xn+1 + xn+2 + + xn+m
s.a a11 x1 + a12 x2 + + a1n xn + xn+1
P aux
a21 x1 + a22 x2 + + a2n xn

..
.
= b1
+ xn+2
am1 x1 + am2 x2 + + amn xn
= b2
+ xn+m = bm
x1 , x2 , . . . xn , x
n+1 , . . . xn+m 0
Nota: O problema resolvido na primeira fase e sempre um problema de minimizacao,
independentemente do problema original ser de maximizacao ou minimizacao. A funcao
objetivo e a soma das variaveis artificiais.
De notar que, para aplicar o metodo simplex a` resolucao de P aux, a funcao objetivo deve
ser previamente reescrita de modo a depender apenas das variaveis nao basicas.
Na solucao otima de P aux as variaveis artificiais assumem o menor valor possvel. A
resolucao do P aux pode conduzir-nos a duas situacoes:
caso 1: Na solucao otima de P aux as variaveis artificiais sao todas nulas (Z 0 = 0),
temos uma solucao basica admissvel para o problema original, passamos a`
segunda fase onde se resolve o problema original.
Neste caso, ainda temos que considerar duas situacoes:
i. As variaveis artificiais sao todas nao basicas.
Constroi-se o primeiro quadro da 2a fase a partir do quadro otimo da 1a
fase eliminando as colunas das variaveis artificiais e passando a considerar
a linha Z correspondente a` funcao objetivo do problema original.
ii. Ha uma ou mais variaveis artificiais na base
(a)
(a)
Neste caso a solucao otima do problema resolvido na primeira fase e uma s.b.a. degenerada i.e., h
a
vari
aveis b
asicas a assumirem o valor 0.
85
O primeiro quadro da 2a fase obtem-se a partir do quadro otimo da 1a

fase eliminando apenas as colunas das variaveis artificiais nao basicas e
passando a considerar a linha Z correspondente a` funcao objetivo do problema original.
Na aplicacao do metodo simplex durante a 2a fase deve ter-se cuidado
porque as variaveis artificiais nao podem assumir valores positivos e devemos tentar tira-las da base o mais rapidamente possvel. Na escolha
da linha pivotal deve ter-se isto em atencao pelo que o elemento pivot
pode ser negativo, se a linha pivotal corresponder a uma variavel artificial.
Depois de retirada a variavel artificial da base pode eliminar-se a coluna
correspondente.
caso 2: Na solucao otima de P aux nem todas as variaveis artificiais sao nulas. O problema original nao tem solucoes admissveis, ou seja, o problema e impossvel.
O processo termina.
Exemplo 5.2.1 (Exemplo relativo ao caso caso 1.i.). Resolva, aplicando o metodo das
duas fases, o PL seguinte.
min Z = x1 2x2
s.a
min Z = x1 2x2
x1 + x2 2
x1 + x2 1
s.a
x1 + x2 x3
x1 + x2
x2 3
=2
x4
x2
x1 , x2 0
=1
+ x5 = 3
x1 , x2 , x3 , x4 , x5 0
1 1 -1
A = -1 1 0
0 1 0
-1 0 .
0 1
Faltam as duas primeiras colunas da matriz identidade. Vamos introduzir duas variaveis
artificiais, uma na primeira restricao e outra na segunda restric
ao.
1a fase
O problema auxiliar resolvido na primeira fase do metodo das duas fases e:
86
min Z 0 = x6 + x7
x1 + x2 x3
s.a
P aux
x1 + x2
+ x6
x4
x2
=2
+ x7 = 1
+ x5
=3
x1 , x2 , x3 , x4 , x5 0
Tem-se x6 = 2 x1 x2 + x3 e x7 = 1 + x1 x2 + x4 ,
entao Z 0 = x6 + x7 = 3 2x2 + x3 + x4
Quadro 0
v.b. x1
x2
x3
x4
x5
x6
x7
t. i.
-1
x7
-1

1
-1
x5
Z0
-1
-1
x6
x0aux = (0, 0, 0, 0, 3, 2, 1);

0
Zaux
=3
Quadro 1
v.b.
x1
x2
x3
x4
x5
x6
x7
t. i.
x6

2
-1
-1
x2
-1
-1
x5
-1
Z0
-1
-2
x1aux = (0, 1, 0, 0, 2, 1, 0);

1
Zaux
=1
Quadro 2
v.b. x1
x2
x3
x4
x5
x6
x7
t. i.
x1
- 12
1
2
1
2
- 21
1
2
Quadro
otimo da 1a fase.
x2
- 12
- 21
1
2
1
2
3
2
xaux = ( 12 , 32 , 0, 0, 35 , 0, 0);
x5
1
2
1
2
- 12
- 12
3
2
Zaux
=0
Z0
-1
-1
Na solucao otima de P aux as variaveis artificiais s

ao todas nulas. Temos uma s.b.a. para
o problema original. Vamos passar à 2a fase.
2a fase
87
As variaveis basicas na s.b.a. encontrada s

ao x1 , x2 e x5 . Temos que reescrever a f.o.
do problema original de modo a depender apenas das vari
aveis n
ao b
asicas. Pelas linhas
x1 e x2 do quadro otimo da 1a fase:
1 1
1
3 1
1
+ x3 x4 e x2 = + x3 + x4 .
2 2
2
2 2
2
x1 =
Substituindo, obtem-se
Z = x1 2x2

1
3 1
1
1 1
=
+ x3 x4 2
+ x3 + x4
2 2
2
2 2
2
1
3
5
= x3 x4
2
2
2
Quadro 0
v.b. x1
x2
x3
x4
x5
t. i.
1
2
Quadro inicial da 2a fase.

x0 = ( 12 , 32 , 0, 0, 35 ); Z 0 = 52
x1
- 21
x2
- 21
- 12
3
2
x5
1
2
1
2
3
2
1
2
3
2
- 52
2
Quadro 1
v.b. x1
x2
x3
x4
x5
t. i.
x4
-1
x2
-1
-4
x5
-1

1
-3
x1 = (0, 2, 0, 1, 1);
Z 1 = 4
Quadro 2
Quadro
otimo.
v.b. x1
x2
x3
x4
x5
t. i.
x4
A s.b.a.
otima e x = (0, 3, 1, 2, 0);
x2
A soluc
ao
otima do PL original e
x3
-1
x = (0, 3);
-1
-2
-6
O valor
otimo e Z = 6
Exemplo 5.2.2 (Exemplo relativo ao caso caso 2.). Resolva o PL:
88
max Z = 3x1 + 4x2

x1 + x2 4
s.a
2x1 + 3x2 18
max Z = 3x1 + 4x2

s.a
x1 + x2 + x3
x4 = 18
2x1 + 3x2
x1 , x2 0
=4
x1 , x2 , x3 , x4 0
A=
1 1
3 0 -1
necess
Falta a segunda coluna da matriz identidade. E
ario introduzir uma vari
avel artificial na segunda restricao.
1a fase
O problema auxiliar resolvido na primeira fase do metodo das duas fases e:
min Z 0 = x5
s.a
P aux
x1 + x2 + x3
2x1 + 3x2
=4
x4 + x5 = 18
x1 , x2 , x3 , x4 , x5 0
Tem-se x5 = 18 2x1 3x2 + x4 ent
ao Z 0 = 18 2x1 3x2 + x4
Quadro 0
v.b. x1
x2
x3
x4
x5
t. i.
x3

1
x5
-1
18
Z0
-1
18
x0aux = (0, 0, 4, 0, 18);

0
Zaux
= 18
Quadro 1
v.b. x1
x2
x3
x4
x5
t. i.
x2
x5
-1
-3
-1
Z0
-1
-3
-1
Quadro
otimo da 1a fase
xaux = (0, 4, 0, 0, 6);
Zaux
=6
Na solucao otima de P aux as variaveis artificiais n

ao s
ao todas nulas, x5 = 6 6= 0, entao
o problema original e impossvel.
89
5.3
Exerccios

max Z = x1 + 2x2
x1 + x2 1
s.a
x2 2
x1 + x2 1
x1 , x2 0
Resolva o problema aplicando:
(a) o metodo grafico;
(b) o metodo M-grande; identifique, na regiao admissvel, o ponto que corresponde
a` solucao obtida em cada uma das iteracoes;
(c) o metodo das duas fases; identifique, na regiao admissvel, o ponto que corresponde a` solucao obtida em cada uma das iteracoes.
2. O quadro seguinte resulta da aplicacao do metodo M-grande a um problema linear
de minimizacao, min Z = 2x1 x2 3x3 , constitudo por duas restricoes funcionais
do tipo igualdade e tres variaveis de decisao, x1 , x2 e x3 . As variaveis x4 e x5 sao as
variaveis artificiais introduzidas, respetivamente, na primeira e segunda restricao.
v.b.
x1
x2
x3
x4
x5
t.i.
x5
x2
Zaux
Atribua, caso seja possvel, valores a a, b, c e d e calcule o valor de e correspondente,

de tal modo que o problema linear:
(a) seja ilimitado;
(b) tenha solucao otima finita;
(c) seja impossvel.
90
3. Resolva os seguintes problemas de programacao linear (nao utilize o metodo grafico).

(a) max Z = 3x1 x2
(b) min Z = x1 + x2
s.a 2x1 + x2 2
s.a x1 + x2 1
x1 + 3x2 3
x1 x2
x2 4
x1 , x2 0
x1 , x2 0
(d) min Z = 4x1 + x2
(c) max Z = x1 + 2x2
s.a 3x1 +
s.a x1 x2 3
x2 = 3
x1 + x2 0
4x1 + 3x2 6
x1 , x2 0
x1 + 2x2 4
x1 , x2 0
(e) min Z = 2x1 + 3x2

s.a
x1 +
4x1 +
(f) max Z = x1 + 3x2 + 6x3 + 3x4
x2 x3
=2
s.a
x4 = 6
x2
x1 +
x2
= 4
3x1 + 2x2 + x3
5x1 + 2x2 x3 x4 = 8
8x1 + 4x2
x1 , x2 , x3 , x4 0
= 8
+ x4 = 30
x1 , x2 , x3 , x4 0
4. Considere o seguinte quadro como o quadro corrente resultante da aplicacao do

metodo das penalidades (ou M-grande) a um PL de maximizacao, cuja funcao objetivo e max Z = x1 + x2 4x3 com tres variaveis de decisao x1 , x2 e x3 , duas
restricoes de igualdade com as variaveis artificiais x4 e x5 associadas a` primeira e
segunda restricoes, respetivamente, e termos independentes nao negativos.
v.b.
x1
x2
x3
x4
x5
t.i.
x2
-1
x4
-2
1+3M
(a) Indique, caso seja possvel, um valor para cada uma das constantes a, b, c e d
e e tais que:
i. o PL original seja ilimitado.
91
ii. o PL original seja impossvel.

iii. o PL original tenha uma infinidade de solucoes otimas.
(b) Considerando a = 2, b = 1, c = 1 M, d = 0 e e = 4 construa o PL inicial.
5. O quadro seguinte resulta da aplicacao do metodo M-grande a um problema linear de
maximizacao constitudo por duas restricoes funcionais do tipo = e tres variaveis
de decisao, x1 , x2 e x3 . As variaveis x4 e x5 sao as variaveis artificiais introduzidas,
respetivamente, na primeira e segunda restricao.
x1
x2 x3 x4
x5
x2
x4
a+2
a2
1
a
Discuta, em funcao do parametro a R\{0}, a solucao do problema linear inicial.

6. Considere o seguinte problema linear,
min Z = x1 + ax2
s.a 2x1 + bx2 8
x2 4
cx1 +
x2 4
x1 , x2 0
Aplicando o metodo das duas fases ao problema linear dado, obteve-se numa iteracao
da 2a fase o quadro seguinte:
x1
x2
x3
x4
x5
x1
12
x4
x5
Em que x3 , x4 e x5 sao as variaveis de desvio associadas, respetivamente, a` primeira,

segunda e terceira restricao.
Determine as constantes a, b, c, d, e, f e g. O que pode concluir acerca do problema
linear dado?
92
Captulo 6
A Dualidade
Para se perceber a importancia do estudo da dualidade convem contextualiza-la. Assim,
eis algumas das razoes dessa importancia:
Se o problema de PL inicial (primal, como veremos) tiver muitas restricoes e um

n
umero muito mais pequeno de variaveis de decisao o trabalho de computacao envolvido pode ser muito reduzido (otimizado, portanto!) se ele for transformado
no problema de PL dual, como veremos.
A interpretacao economica do dual de um problema de PL revela-se muito u

til na
tomada de decisoes em relacao a`s solucoes otimas no caso da analise de sensibilidade
e de pos-otimalidade em PL. Ou seja, as decisoes face a alteracoes dos parametros
do modelo de PL podem simplificar, no futuro, a (re)tomada de decisoes.
A dualidade ainda permitiu o desenvolvimento da fundamentacao teorica de certos

captulos da PL. Alem disso, dualidade permitiu o desenvolvimento de tecnicas
computacionais decisivas para a aplicacao pratica da PL, nomeadamente, atraves
do desenvolvimento de novos algoritmos.
93
6.1
Formula
c
ao do Problema Dual
O dual de um Problema Linear de minimizacao (maximizacao) na forma canonica
(a)
um Problema Linear de maximizacao (minimizacao) na forma canonica.

Considere-se o Problema Linear:
min Z = c>x
(P )
s.a. Ax b
x0
O dual linear do Problema (P) e:

max W = b>u
(D)
s.a. A>u c
u0
Ao problema (P ) chamamos problema primal e ao problema (D) chamamos problema

` variaveis x do primal chamamos vari
dual. As
aveis primais e a`s variaveis u do dual
chamamos vari
aveis duais.
O dual linear do problema
max Z = c>x
s.a. Ax b
x0
e o problema
min W = b>u
s.a. A>u c
u0
(a)
Um PL de minimizacao na forma can

onica tem todas as restricoes funcionais do tipo e as vari
aveis
n
ao negativas.
Um PL de maximizacao na forma can
onica tem todas as restricoes funcionais do tipo e as vari
aveis
n
ao negativas.
94
Observac
ao 6.1.1.
1. O n
umero de variaveis duais e igual ao n
umero de restric
oes do primal.
2. O n
umero de restricoes do dual e igual ao n
umero de vari
aveis do primal.
3. A matriz dos coeficientes do problema dual e a transposta da matriz dos coeficientes
do primal.
4. Os termos independentes do dual s
ao os coeficientes das vari
aveis na func
ao objetivo
do primal.
5. Os coeficientes das variaveis na func
ao objetivo do dual s
ao os termos independentes
do primal.
O Dual do Dual
e o primal
O dual do dual de (P) i.e. o dual de
max W = b>u
(D)
s.a. A>u c
u0
e dado por:
min L = c>v
(DD)
s.a. (A>)>v b
v0
que coincide com o problema (P ).

Exerccio 6.1.1. Escreva o dual de (P) e o dual do dual de (P) em que
max Z = 2x1 + 4x2 2x3
(P )
s.a. x1 2x3 10
x1 + 5x2 + 9x3 30
x1 , x2 , x3 0
95
6.1.1
O Dual de um PL na forma Padr

ao
O Dual do problema Linear (P ) e o problema (D):
min Z = c>x
(P )
max W = b>u
s.a. Ax = b
(D)
s.a. A>u c
x0
u livre
Nota: Associada a uma restricao primal do tipo igualdade temos uma variavel dual livre.
Exerccio 6.1.2. Escreva o dual do problema Linear:

min Z = x1 7x2
s.a. x1 + 2x2 = 5
2x1 + 5x2 = 7
x1 4x2 = 12
x1 , x2 0
6.1.2
O Dual de um qualquer PL
Ha problemas lineares que tem restricoes do tipo , ou =. Alem disso as

variaveis podem nao ter a restricao de nao negatividade, i.e., podem ser nao positivas ou
livres (sem restricao de sinal).
Por exemplo, considere-se o PL
min Z = c1 x1 + c2 x2 + c3 x3
s.a. a11 x1 + a12 x2 + a13 x3 b1
(P )
a21 x1 + a22 x2 + a23 x3 b2

a31 x1 + a32 x2 + a33 x3 = b3
x1 0, x2 0, x3 livre
96
A matriz das restricoes e:
a11 a12 a13
A = a21 a22 a23
a31 a32 a33
Por enquanto so sabemos escrever o dual de PL na forma canonica ou padrao. Entao,

antes de formularmos o dual de (P ) vamos escrever o problema na forma canonica.
Para o efeito, multiplica-se a segunda restricao por 1, escreve-se a igualdade como a
conjuncao de duas desigualdades e efetuam-se as mudancas de variavel:
x2 = x02 e x3 = x03 x003 com x02 , x03 , x003 0.
min Z = c1 x1 c2 x02 + c3 x03 c3 x003
s.a. a11 x1 a12 x02 + a13 x03 a13 x003 b1
(P 0)
a21 x1 + a22 x02 a23 x03 + a23 x003 b2

a31 x1 a32 x02 + a33 x03 a33 x003 b3
a31 x1 + a32 x02 a33 x03 + a33 x003 b3
x1 0, x02 0, x03 0, x003 0,
Vamos agora escrever o dual de (P 0 ). Denotando as variaveis duais por u1 , u02 , u03 , u003
o dual deste problema e:
max W = u1 b1 u02 b2 + u03 b3 u003 b3
s.a. a11 u1 a21 u02 + a31 u03 a31 u003 c1
a12 u1 + a22 u02 a32 u03 + a32 u003 c2
(D 0 )
a13 u1 a23 u02 + a33 u03 a33 u003 c3

a13 u1 + a23 u02 a33 u03 + a33 u003 c3
u1 0, u02 0, u03 0, u003 0,
O problema (D 0 ) e o dual, nao do problema (P ), mas do problema (P 0 ). A matriz do

sistema de restricoes do dual de (P ) tem que ser a transposta da matriz do sistema de
restricoes de (P ). Por isso, e necessario efetuar mudancas de variavel em (D 0 ) para obter
97
o dual de (P ). Fazendo u2 = u02 , u3 = u03 u003 obtem-se
max W = u1 b1 + u2 b2 + u3 b3
s.a. a11 u1 + a21 u2 + a31 u3 c1
a12 u1 + a22 u2 + a32 u3 c2
(D)
a13 u1 + a23 u2 + a33 u3 = c3

u1 0, u2 0, u3 livre
que e o dual de (P ).
Na pratica escreve-se o dual de qualquer PL diretamente, sem ser necessario reescrever o
problema, usando a tabela seguinte
(P) / (D)
PL de max.
0 restricao
PL de min.
variavel
restricao
(D) / (P)
livre
variavel
0
livre
Exerccio 6.1.3. Escreva o dual dos seguintes Problemas Lineares:

1. max Z = 3x1 + 3x3
s.a
x1 2x2 +
2. max Z = x1 + 2x2 x3 x4
x3 1
s.a
3x2 + 4x3 9
x1
x1 2x2 + 9x3 = 0
x4 4
x1 + x2
+ 3x3
x1 0, x2 0, x3 livre, x4 0
x1 livre, x2 0, x3 0
98
6.2
Rela
c
oes Primal-Dual
Considere o seguinte par de problemas duais:

min Z = c>x
(P )
max W = b>u
s.a. Ax = b
(D)
s.a.
A>u c
(6.1)
x0
Lema 6.2.1. O valor da f.o. do primal (de minimizac
ao) numa qualquer solucao admissvel e superior ou igual ao valor da f.o. do dual numa qualquer soluc
ao admissvel
i.e,
c>x b>u,
em que x e u sao duas quaisquer soluc
oes admissveis para (P) e (D), respetivamente.
Demonstracao. Tem-se
b>u = (A
x)>u, pois x e admissvel para (P )
= x>A>u
x>c, pois u e admissvel para (D).
Corol
ario 6.2.1.1. Sejam x e u duas quaisquer soluc
oes admissveis para (P) e (D) tais
que c>x = b>u entao x e u sao solucoes
otimas de (P ) e (D), respetivamente.
Demonstracao. Por hipotese u e admissvel para o problema (D) entao, pelo Lema 6.2.1,
verifica-se
c>x b>u, x admissvel para (P).
Alem disso, por hipotese, c>x = b>u entao
c>x c>x, x admissvel para (P),
o que prova que x e solucao otima de (P ).
De modo analogo se prova que u e solucao otima do dual.
Corol
ario 6.2.1.2. Se um dos problemas e ilimitado o outro e impossvel.
99
Demonstracao. Vamos considerar que o problema primal e ilimitado (Z ). Suponhamos, por reducao ao absurdo, que existe solucao admissvel u para o dual. De acordo
com o Lema 6.2.1, essa solucao u conduz a um valor para a f.o., b>u, que limita inferiormente o valor da f.o. do primal (c>x b>u, x admissvel para (P )) o que contraria a
hipotese de (P ) ser ilimitado.
De modo analogo se prova que se (D) for ilimitado entao (P ) e impossvel.
Nota: Este corolario e apenas uma implicacao nao uma equivalencia. Se um dos problemas
e impossvel o outro nao e necessariamente ilimitado, tal como se pode constatar no
exemplo seguinte.
Exemplo 6.2.1. Considere-se o seguinte par de problemas duais. Confirme que ambos
sao impossveis.
min Z = x1 x2
(P )
s.a. x1 x2 1
max W = u1 + u2
(D)
s.a.
u1 u2 1
x1 + x2 1
u1 + u2 1
x1 , x2 0
u1 , u2 0
Teorema 6.2.1. Num par de problemas duais, se um deles tem soluc

ao
otima entao o
outro tambem tem e os valores otimos coincidem.
Demonstracao. Considere-se o par de problemas duais em (6.1) e suponhamos que (P)
tem solucao otima, x , e valor otimo, Z . Sejam xB o vetor das variaveis basicas em x ,
xN o vetor das variaveis nao basicas, cB o vetor dos coeficientes das variaveis basicas na
f.o. e cN o vetor dos coeficientes das variaveis nao basicas na f.o.. Verifica-se:
Z = c>B B 1 b
(6.2)
c>N + c>B B 1 N 0
(6.3)
Considere-se o vetor , tal que > = c>B B 1 . Obviamente, >B = c>B , por (6.3), tem-se
c>N + >N 0 o que implica >A c> i.e., e admissvel para o problema (D).
Alem disso, o valor otimo de (P) e Z = c>B B 1 b = >b, que e o valor da funcao objetivo
do dual na solucao .
100
As solucoes x e sao duas solucoes admissveis para (P) e (D) e que conduzem ao mesmo
valor para a f.o., logo pelo Corolario 1, x e sao solucoes otimas. De modo analogo se
prova que se (D) tem solucao otima entao (P ) tambem tem solucao otima e os valores
otimos coincidem.
Como consequencia da demonstracao anterior: se xB for o vetor das variaveis basicas na
solucao otima de (P ) e cB o vetor dos coeficientes das variaveis basicas na f.o., entao a
solucao otima do dual e
u = c>B B 1
em que B 1 e a matriz inversa de B (B e a sub-matriz da matriz inicial A cujas colunas
estao associadas a`s variaveis basicas, xB ).
Exerccio 6.2.1. Considere o seguinte Problema Linear (P):

min Z = 2x1 + x2
s.a. x1 + x2 + x3 = 5
x1 + 2x2 x4 = 2
x1 , x2 , x3 , x4 0
Sabendo que na solucao basica admissvel
otima as vari
aveis b
asicas s
ao x2 e x3 determine
a solucao otima do dual de (P).
Resolucao
Tem-se c>B = [c2 c3 ] = [1 0] e B =
1 1
2 0
. A matriz inversa de B e B 1 =
A solucao otima do dual e u = c>B B 1 = [1 0]
1
2

= 0 1 .
2
1
2
1 12
1 21
Podemos confirmar o resultado obtido, calculando o valor otimo do primal e o valor otimo
do dual, que tem que ser iguais.
O valor otimo do primal e Z = c>B B 1 b = [1 0]
O valor otimo do dual e W = b>u = [5 2]
101
1
2
1
2
12
= 1 = Z .
5
2
= 1.
Teorema 6.2.2 (Teorema Fundamental da Dualidade). Dado um par de problemas duais,

(P) e (D), verifica-se uma das seguintes afirmac
oes:
1. Ambos os problemas tem soluc
oes admissveis e o valor
otimo do primal e do dual
coincidem, Z = W .
2. Um deles e ilimitado e o outro e impossvel.
3. Ambos sao impossveis.
Denotemos por SP e SD o espaco admissvel de (P) e (D), respetivamente. Complete o
quadro abaixo.
Sp 6=
Sp =
SD 6=
SD =
Exerccio 6.2.2. Resolva graficamente cada um dos problemas seguintes. Formule e
resolva o dual de cada um deles.
1.
max Z = 5x1
s.a.
2.
max Z = 5x1
x1 + x2 = 1
s.a.
x1 , x2 0
3.
x1 0
max Z = x1 + x2
s.a.
x1 = 4
4.
max Z = x1 + x2
x1 x2 2
s.a.
x1 x2 = 2
x1 + x2 2
x1 + x2 = 2
x1 , x2 0
x1 , x2 0
Considere o seguinte par de problemas duais:

min Z = c>x
(P )
max W = b>u
s.a. Ax b
(D)
x0
s.a.
A>u c
u0
102
Teorema 6.2.3 (Teorema da complementaridade dos desvios). Sejam x e u duas quaisquer solucoes admissveis para (P) e (D), respetivamente. Elas s
ao soluc
oes
otimas se e
so se:(b)
(cj u Aj )xj = 0 , j = 1, . . . , n
ui (Ai x bi ) = 0
, i = 1, . . . , m
As igualdades anteriores verificam-se se pelo menos um dos fatores for nulo. Assim,
podemos escrever:
xj 6= 0 u Aj = cj
u Aj 6= cj xj = 0
ui 6= 0 Ai x = bi
Ai x 6= bi ui = 0
Podemos dizer que, nas solucoes otimas do primal e do dual:
se uma variavel primal (dual) e nao nula entao a correspondente restricao
dual (primal) verifica-se como igualdade.
se uma restricao primal (dual) nao se verifica como igualdade entao a correspondente variavel dual (primal) e nula.
Exerccio 6.2.3. Considere o seguinte problema de Programac
ao Linear (P) cuja solucao
otima e x = (0, 1).
min Z = x1 + x2
s.a
x1
x2
3x1 + 5x2 15
x1 + 2x2
x1 , x2 0
(a) Formule o dual do problema (P).
(b) Usando o teorema da complementaridade de desvios, obtenha a soluc
ao
otima do
problema dual de (P).
(b)
Aj denota a coluna j da matriz A e Ai denota a linha i da matriz A.
103
6.3
Exerccios
1. Escreva o dual dos seguintes problemas lineares:

(a) min Z = 2x1 3x2 + x4
s.a
(b) max Z = 3x1 + 3x3
2x3 + x4 = 1
x1
2x1 + 3x2 +
s.a
x3 1
3x2 + 4x3 9
4x2 2x3 + x4 3
x1 2x2 + 9x3 0
x3
x1 0, x2 0, x3 livre, x4 0
s.a 3x1 +
x4 4
x1 + x2
x1
(d) min Z = 4x1 + x2
(c) max Z = x1 + 2x2 x3 x4

s.a
x1 2x2 +
4x1 + 3x2 6
+ 3x3
x2 = 3
x1 + 2x2 4
x1 0, x2 0, x3 livre, x4 0
x1 0, x2 0
(e) min Z = 2x1 + 3x2
s.a
x1 +
4x1 +
(f) max Z = x1 + 3x2 + 6x3
x2 x3
x2
s.a
x4 = 6
x1 +
x2
3x1 + 2x2 +
x3
5x1 + 2x2 x3 x4 8
8x1 + 4x2 5x3 = 30
x1 , x2 0, x3 0, x4 livre
2. Considere o seguinte Problema Linear (P):

max Z = x1 x2
s.a.
x1 x2 x3 = 1
x1 + x2 + 2x3 x4 = 1
x1 , x2 , x3 , x4 0
(a) Sabendo que na solucao basica admissvel otima as variaveis basicas sao x1 e
x3 determine a solucao otima de (P).
(b) Determine a solucao otima do dual de (P).
104
max Z = 5x1 + 10x2 + 12x3

s.a.
15x1 + 10x2 + 10x3 + x4 = 200

10x1 + 25x2 + 20x3 = 300
x1 , x2 , x3 , x4 0
cuja solucao otima e dada por x = (0, 0, 15, 50). Obtenha a solucao otima do dual
de (P).
105

min Z = 2x1 + x2 x3
s.a. x1 + x2 + x3 6
x1 + 2x2 4
x1 , x2 , x3 0
cujo quadro simplex otimo e dado por:
v.b
x1
x2
x3
x4
x5
t.i.
x1
x5
10
-3
-1
-2
-12
em que x4 e x5 sao as variaveis de desvio introduzidas na primeira e segunda restricao, respetivamente.

(a) Identifique, a partir do quadro otimo de (P), a solucao otima do dual de (P).
(b) Formule o dual de (P).
(c) Confirme o resultado obtido em (a) aplicando o teorema da complementaridade
dos desvios.
5. Considere o seguinte problema linear, em que a R,

min Z = 3x1 + ax2 + 2x3
s.a x1
x3 1
x1 + x2 + 4x3 2
x1 , x2 , x3 0.
Recorrendo a` teoria da dualidade, indique um valor para a constante a de tal modo
que este problema linear seja ilimitado. Justifique a sua resposta.
6. Considere o seguinte problema linear, em que c1 , b1 R,
106
(P) min Z =
s. a
c1 x1 +6x2 +2x3
2x1 +2x2
+x3 = b1
2x1 +3x2
+x3
x1 0, x2 0, x3 0
(a) Escreva o dual de (P).
(b) Indique, caso seja possvel, um valor para cada uma das constantes c1 e b1 tal
que:
i. o problema (P) seja impossvel.
ii. o problema (P) tenha solucao finita.
iii. o problema (P) seja ilimitado.
7. Considere o seguinte problema de Programacao Linear:

max Z = 4x1 + 6x2
2x1
s.a
x2 x3 2
x1 + 3x2 x3
x1 0, x2 0, x3 0.
(a) Escreva o seu dual.
(b) Resolva o problema dual.
(c) Aplicando o teorema da complementaridade de desvios, obtenha a solucao
otima do problema dado.

max Z = 4x1 6x2 8x3
s.a.
2x1 x3 4
3x2 + 2x3 6
x1 , x2 , x3 0
cujo quadro simplex otimo e dado por:
107
v.b
x1
x2
x3
x4
x5
t.i.
x1
12
1
2
x2
2
3
31
-4
em que x4 e x5 sao as variaveis de desvio introduzidas na primeira e segunda restricao, respetivamente.

(a) Determine a solucao otima do dual de (P) aplicando o teorema da complementaridade dos desvios.
(b) Identifique a solucao otima do dual de (P) a partir do quadro otimo de (P).
9. Considere o seguinte problema de Programacao Linear, em que a, b, c, d R,

min Z = ax1 + bx2
s.a
x1
x2
3x1 + 5x2 15
x1 + 2x2
x1 , x2 0.
(b) As solucoes otimas dos problemas primal e dual sao, respetivamente, x =

2
d, 16 d e u = 23 d, 0, 16 d , com d 6= 0, e o valor otimo e 32 . Aplicando
3
resultados da teoria de dualidade, determine os valores de a, b, c e d.
10. Considere um par de problemas primal-dual, em que o primal, (P), e um problema

linear de maximizacao, max Z = ax1 + 4x2 , com duas restricoes funcionais do tipo
, e o dual, (D), e um problema linear de minimizacao, min W = 3u1 + bu2 ,
com duas restricoes funcionais do tipo .
Determine as constantes a e b, sabendo que o valor otimo de (P) e 10, a solucao
otima de (P) e x = (2a, 3) e a solucao otima de (D) e u = (0, b).
108
max Z = 2x1 3x2

s.a
x1 2x2
6x1 + 5x2
15
3x1 +
x2 5
x1 + 3x2
x1 0, x2 0.
(b) Baseando-se na teoria da dualidade, indique um majorante e um minorante
para o valor otimo do problema dado (primal).
(c) A solucao otima do problema primal e x =
8
, 51
5

. Aplicando o teorema da
complementaridade de desvios, obtenha a solucao otima do problema dual.

min Z = 4x1 + 6x2
2x1
s.a
x2 x3 2
x1 + 3x2 x3
x1 0, x2 0, x3 0.
(b) Baseando-se na teoria da dualidade, indique um majorante e um minorante
para o valor otimo do problema dual.
(c) Resolva o problema dual.
(d) Aplicando o teorema da complementaridade de desvios, obtenha a solucao
otima do problema dado.
6.4
O M
etodo Dual Simplex
Considere-se o seguinte problema Linear (P):
min Z = c>x
s.a. Ax = b
x0
109
Na soluc
ao b
asica o
tima de (P) verifica-se:
Admissibilidade: B 1 b 0
(1)
+
Crit
erio de otimalidade (minimizacao): c>N + c>B B 1 N 0
(2)
Quando se aplica o metodo simplex iniciam-se as iteracoes a partir de uma solucao basica
admissvel inicial (matriz do sistema com uma sub-matriz identidade e todos os bi 0).
Em certos casos e difcil de encontrar uma solucao basica admissvel inicial sem introduzir
variaveis artificiais.
Por vezes, nesses mesmos casos, e possvel encontrar uma solucao basica (matriz do sistema
com uma sub-matriz identidade) que verifica o criterio de otimalidade e e nao admissvel.
Assim, desenvolveu-se um algoritmo que parte de uma solucao basica que verifica o
criterio de otimalidade e, mantendo a otimalidade, procura uma solu
c
ao b
asica
admissvel. A este algoritmo chamamos Algoritmo Dual Simplex.
De notar que a uma solucao que verifica o criterio de otimalidade do primal, desigualdade
(2), corresponde uma solucao admissvel para o Dual.
De facto (Teorema 6.2.1), considerando u> = c>B B 1 verifica-se c>N + u>N 0 ou ainda
u>A c i.e. A>u c.
O algoritmo Dual Simplex mantem a dual admissibilidade e procura, de iteracao em
iteracao, a primal admissibilidade.
Em sntese, os varios passos do metodo de Dual Simplex sao:
Algoritmo Dual Simplex
1. Escrever o PL na forma padrao nao admissvel (variaveis nao negativas, restricoes
do tipo igualdade e alguns termos independentes das restricoes negativos).
Nota: A matriz do sistema de restricoes deve ter uma sub-matriz identidade e,
sendo c o vetor do coeficientes das variaveis na f.o., devemos ter c 0, se PL de
maximizacao; c 0, se PL de minimizacao.
2. Construir o quadro inicial que corresponde a uma solucao basica que verifica o
criterio de otimalidade, considerando como variaveis basicas as variaveis associadas
a` sub-matriz identidade.
110
3. Se todas as variaveis basicas assumirem valores nao negativos a solucao tambem e

admissvel e, portanto, e otima. O processo termina. Caso contrario:
4. (a) Escolher a linha pivotal :
Escolhe-se a linha da variavel basica que assumir o menor valor. Em caso de
empate a escolha e arbitraria.
(b) Escolher a coluna pivotal :
Se todos os elementos da linha pivotal forem nao negativos, o processo termina,
o problema primal e impossvel e o Dual e ilimitado (porque?).
Caso contrario, dividem-se os custos reduzidos das variaveis nao basicas pelos
elementos negativos da linha pivotal. Ao menor dos quocientes em modulo esta
associada a coluna pivotal e a variavel basica de entrada.
(c) Efetuar uma operacao pivotal para obter a solucao seguinte. Voltar ao passo
3.
Exemplo 6.4.1. Resolva, aplicando o metodo Dual Simplex, o seguinte Problema Linear
(P):
min Z = 2x1 + 3x2 + 4x3
s.a. x1 + 2x2 + x3 3
2x1 x2 + 3x3 4
x1 , x2 , x3 0
Introduzindo variaveis de desvio obtem-se:
min Z = 2x1 + 3x2 + 4x3

s.a. x1 + 2x2 + x3 x4 = 3
2x1 x2 + 3x3 x5 = 4
x1 , x2 , x3 , x4 , x5 0
Os coeficientes das variaveis na func
ao objetivo s
ao c 0 e o PL e de minimizacao,
vamos aplicar o metodo Dual Simplex.
N
ao
e necess
ario introduzir vari
aveis artificiais.
111
Para que a matriz do sistema tenha uma sub-matriz identidade multiplicam-se, neste caso,
ambas as restricoes por (1). O quadro inicial, que corresponde a uma soluc
ao basica
que verifica o criterio de otimalidade e dado por
Quadro 0
v.b
x1
x2
x3
x4
x5
t.i.
x4
-1
-2
-1
-3
-3
-4
-3
-4
x5
Z

-2
-2
Quadro 1
v.b
x4
x1
0
x2

5
2
x1
1
2
-4
x3
x4
x5
t.i.
1
2
1
2
-1
3
2
1
2
-1
-1

Quadro 2
v.b
x1
x2
x3
x4
x5
t.i.
x2
1
5
2
5
1
5
2
5
x1
7
5
1
5
2
5
11
5
9
5
8
5
1
5
28
5
(c)
x0 = (0, 0, 0, 3, 4) s.b.n.a. para (P);

Z 0 = 0;
u0 = (0, 0) e uma soluc
ao admissvel para o
dual de (P).
x1 = (2, 0, 0, 0, 1) s.b.n.a. para (P);

Z1 = 4
u1 = (0, 1) e uma soluc
ao admissvel para o
dual de (P).
Quadro o
timo.
x = ( 11
, 2 , 0) e a soluc
ao
otima de (P);
5 5
Z =
28
5
e o valor
otimo;
u = ( 85 , 15 ) e a soluc
ao
otima do dual de (P).
Nota: Ao aplicar o metodo Dual Simplex, o valor da funcao objetivo piora ou mantem-se
de iteracao para iteracao. Repare-se que no exemplo anterior o valor de Z vai aumentando
e estava-se a minimizar, no entanto, obtem-se a solucao otima. Consegue explicar porque?
(c)
s.b.n.a.= solucao b
asica n
ao admissvel
112
6.5
Exerccios
1. Resolva os seguintes problemas lineares
(a) max Z = x1 3x2

s.a x1 + x2
(b) min Z = 2x1 + 3x2
x3 1
s.a
x1 x2 + 2x3 6
x1
x2 5
2x1 + 3x2 0
x3 1
x1 + 3x2 9
x1 , x2 , x3 0
x1 , x2 0
(c) max Z = 4x1 + 6x2 18x3

s.a 2x1
x1 +
(d) min Z = 2x1 + 3x2
+ 3x3 5
s.a x1 +
3x2 + 2x3 5
x2 +
x3 1
2x1 4x2 2x3 8
x1 1, x2 0, x3 0
x1 , x2 , x3 0
2. Indique a solucao otima do dual dos problemas resolvidos em 1.(a), 1.(b) e 1.(d).
113
6.6
Interpreta
c
ao econ
omica do dual
Vamos considerar o exemplo seguinte.

Exemplo 6.6.1. Uma empresa produz artigos de vidro de alta qualidade:
janelas e portas, em tres seccoes de producao:
1. Seccao de Serralharia: para produzir as estruturas de alumnio;
2. Seccao de Carpintaria: para produzir as estruturas de madeira;
3. Seccao de Vidro e Montagem: para produzir vidro e montar as portas
e janelas.
Devido a` diminuicao dos lucros, o gerente decidiu reorganizar a producao,
e prop
oe produzir s
o os dois produtos que tem uma melhor aceitacao entre
os clientes. Estes produtos s
ao:
Produto 1: uma porta de vidro com estrutura de alumnio,
Produto 2: uma janela grande com estrutura de madeira.
O Departamento de Marketing concluiu que a empresa pode vender o que
desejar dos dois produtos, tendo em conta a capacidade de producao disponvel. Como ambos os produtos partilham a capacidade de producao da
Seccao 3, o gerente solicitou ao Departamento de Investigacao Operacional
da empresa a resolucao de mais este problema!
O Departamento de IO para realizar a formulacao do problema, procurou
os seguintes dados: a capacidade de producao por minuto de cada seccao;
a capacidade de producao por minuto de cada seccao, a ser utilizada para
114
Capacidade utilizada por unidade de producao

Produto 1
Produto 2
Seccao
1
2
3
Lucro unitario (u.m.)
1
0
3
3
0
2
2
5
Capacidade
disponvel
4
12
18
Tabela 6.1: Dados recolhidos pelo departamento de IO.
produzir uma unidade de cada produto; os lucros unit

arios de cada produto.
Estes dados est
ao resumidos na Tabela 6.1.
Formulando o problema de Programacao Linear tem-se:
max Z = 3x1 + 5x2
4
s.a x1
(P)
2x2 12
3x1 + 2x2 18
x1 , x2 0
em que x1 e x2 representam, respectivamente, o nvel de producao de portas

e janelas por minuto.
Resolu
ca
o gr
afica deste problema
A solucao optima e x = (2, 6) e o valor optimo e Z = 36.
Conclus
ao: Para obter um lucro m
aximo de 36 unidades monet
arias, por
minuto, devem produzir-se 2 portas e 6 janelas.
Entao, na forma padrao tem-se
max Z = 3x1 + 5x2
s.a x1
+ x3
2x2
3x1 + 2x2
=4
+ x4
= 12
+ x5 = 18
x1 , x2 , x3 , x4 , x5 0
em que x3, x4 e x5 sao as variaveis de folga:
115
x2
7
3x
5x
3x
5x
3x
36
20
45x2
x1
10
Figura 6.1: Resolucao grafica
x3 - capacidade de producao nao utilizada na seccao 1, por minuto;

No plano de producao optimo tem-se x3 = 2, x4 = x5 = 0, i.e., utiliza-se
toda a capacidade de producao das Seccoes 2 e 3 e sobram 2 unidades de
capacidade da seccao 1, por minuto.
Como ja sabemos, o dual do problema (P) e:
(D)
min W = 4u1 + 12u2 + 18u3

s.a u1
+ 3u3 3
2u2 + 2u3 5
u1 , u2 , u3 0
A funcao objectivo traduz o valor total atribudo aos recursos e pretende-se

116
minimizar a valorizacao interna total dos recursos gastos em cada actividade.

Pre
cos sombra: vari
aveis de decis
ao duais
As variaveis de decisao duais, u1, u2 e u3, representam as valorizacoes
unitarias a atribuir a cada recurso, i.e., o incremento (valor marginal) de
cada recurso em relacao ao lucro total. Sao chamados precos internos ou
precos sombra.
Recorde-se que Z = c>B xB = c>B B 1b. Alem disso o vetor das variaveis
duais u> = c>B B 1 e o vetor dos precos sombra. Para este problema, a
solucao optima do dual e: u = (u1, u2, u3) = (0, 23 , 1). Passemos, entao, ao
seu significado pratico:
u1 = 0 = se a capacidade producao da seccao 1 aumenta uma unidade
(i.e., se agora b1 = 5) o valor optimo nao se altera (Z = 36 + 0 (5 4)),
tal como se pode ver na Figura 6.2 e diz-se que este recurso e abundante.
u2 =
3
2
= se a capacidade producao da seccao 2 aumenta uma unidade
(i.e., se agora b2 = 13) o valor optimo sera incrementado em

36 +
3
2
3
2
(Z =
(13 12)), tal como se pode ver na Figura 6.3 e diz-se que este
recurso e escasso.
u3 = 1 = Por unidade, se a capacidade producao da seccao 3 aumenta
(i.e., se agora b3 = 19) o valor optimo sera incrementado em 1 euro (Z =
36 + 1 (19 18)), tal como se pode ver na Figura 6.4. Diz-se que este
recurso e escasso.
Sugest
ao: Pensar no que aconteceria se a capacidade de producao de cada
seccao diminuisse uma unidade.
Restri
co
es funcionais duais: interpreta
c
ao econ
omica
117
x2
3x1 + 2x2 = 18
x1 = 4
x = (2,6)
x2 = 6
3x
5x
36
x1 = 5
Figura 6.2: b1 = 5
118
x1
x2
3x1 + 2x2 = 18
x1 = 4
)
x = (53, 13
2
x2 = 6.5
6
x2 = 6
3x
3x
5x
5x
Figura 6.3: b2 = 13
119
=
=
37
36
x1
x2
3x1 + 2x2 = 19

7
x1 = 4
6
7
x = (3,6)
x2 = 6
3x
3x
5x
5x
Figura 6.4: b3 = 19
120
=
=
37
36
x1
u1 + 3u3 3 = esta restricao esta associada a` variavel primal x1

e significa que a valorizacao interna atribuda aos recursos gastos na
producao de uma porta (x1) nao deve ser inferior ao seu lucro unitario,
c1 = 3 u.m..
Se u1 e u3 sao precos sombra em u.m. (custo ou valorizacao interna)
dos recursos 1 e 3 e sabendo que a producao de uma porta gasta uma
unidade de producao da Seccao 1 e 3 unidades de producao na Seccao
3 entao a expressao u1 + 3u3 pode ser interpretada como a valorizacao
interna (custo interno) em u.m. atribuda aos recursos gastos para
produzir uma porta.
Como 3 u.m. e o lucro unitario da porta, entao, se no plano optimo
a producao de uma porta e ativada ate um nvel positivo (x1 > 0) e
porque se verifica a igualdade (equilbrio), i.e., custo interno=lucro.
Caso contrario, se custo interno>lucro entao nao e economicamente
rentavel ativar esta actividade, i.e., nao se produzem portas (x1 = 0).
(Recordar no teorema da complementaridade dos desvios!)
2u2 + 2u3 5 = esta restricao esta associada a` variavel primal x2
e significa que a valorizacao interna (custo interno) atribuda aos
recursos gastos na producao de uma janela nao deve ser inferior ao
seu lucro unitario, c2 = 5 u.m..
Como 5 u.m. e o lucro unitario de uma janela entao, se no plano
optimo a producao de uma janela e ativada ate um nvel positivo
(x2 > 0) e porque se verifica a igualdade (equilbrio), i.e., custo
interno=lucro. Caso contrario, se custo interno>lucro entao nao e
121
economicamente rentavel ativar esta actividade, i.e., nao se produzem

janelas.
u1 , u2, u3 0 = estas restricoes significam que a valorizacao unitaria
(custo interno) dos recursos deve ser nao negativa, caso contrario a
utilizacao deste recurso nao seria rentavel, pelo que seria melhor nao
o utilizar.
Vari
aveis de folga duais: interpreta
c
ao econ
omica
Nesta interpretacao teremos que voltar a pensar no teorema da complementaridade dos desvios!
u4 = u1 + 3u3 3 = a variavel de folga u4 representa a perda
de oportunidade da producao de uma porta, i.e., a diferenca entre
a valorizacao interna atribuda aos recursos gastos u1 + 3u3 (custo
interno) no fabrico de uma porta e o seu lucro unitario, 3.
Se a variavel de folga u4 e positiva significa que custo interno > lucro
pelo que nao e economicamente rentavel ativar esta actividade, i.e.,
ha perda de oportunidade da producao de uma porta: u4 > 0 entao
x1 = 0. Caso contrario, se a variavel de folga e nula, a restricao e
de igualdade, i.e., custo interno=lucro pelo que e economicamente
rentavel ativar esta actividade e a perda de oportunidade e nula: u4 >
0 entao x1 0.
u5 = 2u2 + 2u3 5 = a variavel de folga u5 representa a perda
de oportunidade da producao de uma janela, i.e., a diferenca entre a
valorizacao interna atribuda aos recursos gastos (custo interno) no
fabrico de uma janela e o seu lucro unitario.
122

pelo que nao e economicamente rentavel ativar esta actividade, i.e.,
ha perda de oportunidade da producao de uma janela: u5 > 0 entao
rentavel ativar esta actividade e a perda de oportunidade e nula: u5 >
0 entao x2 0.
Resumindo, na solucao optima do dual u4 = 0 e u5 = 0.
u4 = 0: a perda de oportunidade da producao de uma porta e nula, obviamente se fosse positiva nao eram produzidas portas.
u5 = 0: a perda de oportunidade da producao de uma janela e nula,
obviamente se fosse positiva nao eram produzidas janelas.
Como exerccio, faca a interpretacao economica das variaveis e das restricoes do problema dual dos problemas apresentado nos exemplos 2.2.1
(pagina 8) e 3.2.2 (pagina 33).
Vamos considerar de novo o problema de Programacao Linear do Exemplo 3.2.2, resolvido graficamente na pagina 33 e usando o metodo de simplex
na pagina 57.
max Z = 6x1 + 3x2 (em 103 u.m.)
s.a 2x1 + 4x2 720 (seccao 1)
4x1 + 4x2 880 (seccao 2)
x1
160 (seccao 3)
x1 , x2 0
umero de estantes e secretarias produzidas mensalmente.
123
A solucao otima e x = (160, 60) e o valor otimo e Z = 1140.

Conclusao: Para obter um lucro maximo de 1140 unidades monetarias, por
mes, devem produzir-se 160 estantes e 60 secretarias.
Na forma padrao tem-se:
max Z = 6x1 + 3x2 + 0x3 + 0x4 + 0x5
s.a 2x1 + 4x2 + x3
= 720
4x1 + 4x2
+ x4
= 880
x1
+ x5 = 160
x1 , x2 , x3 , x4 , x5 0
em que x3, x4 e x5 sao as variaveis de desvio introduzidas na 1a, 2a e 3a ,

restricoes, e representam o n
umero de horas que sobram, por mes, nas
seccoes 1, 2 e 3, respetivamente.
No plano de producao otimo tem-se x3 = 160, x4 = x5 = 0, i.e., utiliza-se
toda a capacidade de producao das Seccoes 2 e 3 e sobram 160 horas, por
mes, na seccao 1.
Como ja sabemos, o dual do problema (P) e:
(D)
min W = 720u1 + 880u2 + 160u3

s.a 2u1 + 4u2 + u3 6
4u1 + 4u2
3
u1 , u2 , u3 0
A funcao objetivo traduz a valorizacao interna total atribuda aos recursos

gastos que se pretende minimizar.
Pre
cos sombra: vari
aveis de decis
ao duais
As variaveis de decisao duais, u1, u2 e u3, sao denominadas precos internos
ou precos sombra, representam as valorizacoes unitarias a atribuir a cada
124
recurso (seccoes 1, 2 e 3) i.e., refletem a alteracao no lucro total decorrente

do incremento unitario de cada um dos recursos.
Recorde-se que Z = c>B xB = c>B B 1 b, em que o vetor das variaveis duais
u> = c>B B 1 e o vetor dos precos sombra. Para este problema, a solucao
otima do dual e: u = (u1, u2, u3) = (0, 34 , 3). Tal como ja se demonstrou,
o valor otimo do primal e igual ao valor otimo do dual e, de facto, tem-se:
720u1 + 880u2 + 160u3 = 720 0 + 880
3
+ 160 3 = 1140.
4
Tambem podemos mostrar que as relacoes do teorema da complementaridade dos desvios (T.C.D. , Teorema 6.2.3) se verificam. As variaveis de
desvio, acima descritas, sao x3, x4 e x5.
Na solucao otima x3 = 160, i.e., as horas disponveis na seccao 1 nao foram
totalmente utilizadas, sobraram 160 horas. Pelo T.C.D., se x3 > 0 entao
u1 = 0. Como o recurso nao e totalmente utilizado, trata-se de um recurso
superabundante (bem livre) para a empresa, sendo por isso nula a sua
valorizacao, u1 = 0, nas condicoes tecnicas atuais.
Na solucao otima x4 = x5 = 0 e as variaveis duais correspondentes, u2
e u3 sao positivas. Pelo T.C.D., se u2 , u3 > 0 entao x4 = x5 = 0. As
horas disponveis nas seccoes 2 e 3 sao totalmente utilizadas. Como o valor
imputado a estes dois recursos e positivo, isto significa que esses recursos
sao bens escassos, portanto serao totalmente consumidos.
Usando a representacao grafica do conjunto das solucoes admissveis do
primal, pode visualizar-se o significado pratico de cada uma destas variaveis
duais.
u1 = 0
125
Se a capacidade producao da seccao 1 aumentar 1 hora (b1 = 720

b1 = 721) o valor otimo nao se altera (Z = 1140 + 0 (721 720)).
Diz-se que este recurso e abundante.
u2 =
3
4

b2 = 881) o valor otimo sera incrementado em
3
4
3
4
u.m. (Z = 1140 +
(881 880)). Diz-se que este recurso e escasso.
u3 = 1
b3 = 161) o valor otimo sera incrementado em 3 u.m. (Z = 1140 +
3 (161 160)). Diz-se que este recurso e escasso.
Sugest
ao: Pensar no que aconteceria se a capacidade de producao de cada
seccao diminuisse uma unidade.
Restri
co
es funcionais duais: interpreta
c
ao econ
omica
2u1 + 4u2 + u3 6
Esta restricao esta associada a` variavel primal x1 e significa que a
valorizacao interna atribuda aos recursos gastos na producao de uma
estante (x1) nao deve ser inferior ao seu lucro unitario, c1 = 6 u.m..
Se u1, u2 e u3 sao precos sombra em u.m. (custo ou valorizacao
interna) dos recursos 1, 2 e 3 e sabendo que a producao de uma estante
gasta 2, 4 e 1 horas nas Seccao 1, 2 e 3, respetivamente, entao a
expressao 2u1 + 4u2 + u3 pode ser interpretada como a valorizacao
126
interna (custo interno) em u.m. atribuda aos recursos gastos para

produzir uma estante.
Como 6 u.m. e o lucro unitario da estante, entao, se no plano otimo
a producao de estantes e ativada (x1 > 0) e porque se verifica a igualdade (equilbrio), i.e., custo interno=lucro 2u1 + 4u2 + u3 = 2 0 + 4 34 + 1 3 =
Caso contrario, se custo interno>lucro entao nao e economicamente
rentavel executar esta atividade, i.e., nao se produziriam estantes
(x1 = 0). (Recordar o T.C.D.)
4u1 + 4u2 + 0u3 3
Esta restricao esta associada a` variavel primal x2 e significa que a
valorizacao interna (custo interno) atribuda aos recursos gastos na
producao de uma secretaria nao deve ser inferior ao seu lucro unitario,
c2 = 3 u.m..
Como 3 u.m.
e o lucro unitario de uma secretaria entao, se no
plano otimo a producao de uma secretaria e ativada (x2 > 0) e porque se verifica a igualdade (equilbrio), i.e., custo interno=lucro

4u1 + 4u2 + 0u3 = 4 0 + 4 34 + 0 3 = 3 . Se custo interno>lucro
entao nao seria economicamente rentavel executar esta atividade, i.e.,
nao se produziriam secretarias.

u1 , u2, u3 0 = estas restricoes significam que a valorizacao unitaria
(custo interno) dos recursos deve ser nao negativa, caso contrario
a utilizacao destes recursos nao seria rentavel, pelo que seria melhor
nao os utilizar.
127
Vari
aveis de folga duais: interpreta
c
ao econ
omica
u4 = 2u1 + 4u2 + u3 6
A variavel de folga u4 representa a perda de oportunidade da producao
de uma estante, i.e., a diferenca entre a valorizacao interna atribuda
aos recursos gastos 2u1 + 4u2 + u3 (custo interno) no fabrico de uma
estante e o seu lucro unitario, 6.
pelo que nao e economicamente rentavel ativar esta atividade, i.e., ha
perda de oportunidade na producao de uma estante: u4 > 0 entao
rentavel executar esta atividade e a perda de oportunidade e nula:
u4 = 0 entao x1 0.
Neste exemplo: u4 = 2u1 + 4u2 + u3 6 = 2 0 + 4 34 + 1 3 6 = 0
entao x1 = 160 0.
u5 = 4u1 + 4u2 + 0u3 3
A variavel de folga u5 representa a perda de oportunidade da producao
de uma secretaria, i.e., a diferenca entre a valorizacao interna atribuda
aos recursos gastos (custo interno) no fabrico de uma secretaria e o
seu lucro unitario.
pelo que nao e economicamente rentavel executar esta atividade, i.e.,
128
ha perda de oportunidade na producao de uma secretaria: u5 > 0

entao x2 = 0. Caso contrario, se a variavel de folga e nula, a restricao
e de igualdade, i.e., custo interno=lucro pelo que e economicamente
rentavel ativar esta atividade e a perda de oportunidade e nula: u5 = 0
entao x2 0.
Neste exemplo: u5 = 4u1 + 4u2 + 0u3 3 = 4 0 + 4 34 + 0 3 3 = 0
entao x2 = 60 0.
Resumindo, na solucao otima do dual u4 = 0 e u5 = 0.
u4 = 0: a perda de oportunidade na producao de uma estante e nula, pelo
que e vantajoso produzir estantes. Se fosse positiva nao seriam produzidas
estantes.
u5 = 0: a perda de oportunidade da producao de uma secretaria e nula,
pelo que e vantajoso produzir secretarias. Se fosse positiva nao seriam
produzidas secretarias.
Faca a interpretacao economica das variaveis e das restricoes do problema
dual dos problemas apresentados nos exemplos 2.2.1 (pagina 8) e 3.2.2
(pagina 33).
129
130
Captulo 7
An
alise de Sensibilidade e
P
os-otimiza
c
ao em PL
Na maior parte dos problemas da nossa vida os dados nao sao todos conhecidos com exatidao, tendo que ser estimados. Alem disso, no dia a` dia
acabam por variar, o que torna importante, nos problemas de PL, conhecer
o comportamento da solucao otima do problema face a` variacao em algum
ou alguns dos seus parametros, sem ter que resolver o problema desde o
incio. Por exemplo, a evolucao de precos traduz alteracao dos coeficientes
das variaveis na f.o.; a alteracao dos recursos disponveis corresponde a uma
alteracao nos termos independentes; a producao de um novo produto leva
a` introducao de uma nova variavel e utilizacao de uma nova materia-prima
leva a` introducao de uma nova restricao.
Na p
os-otimiza
c
ao analisa-se o impacto na solucao otima de alteracoes
nos parametros do modelo: alteracoes dos coeficientes na funcao objetivo,
alteracoes dos termos independentes, introducao de uma nova variavel e
introducao de uma nova restricao.
Na an
alise de sensibilidade determinam-se intervalos de variacao para
131
os parametros que nao envolvam alteracao da estrutura da solucao otima

ja encontrada.
Para analisar o impacto das alteracoes nos diversos parametros e importante rever a forma matricial dos quadros simplex, apresentada na
Seccao 4.8.
Considere-se o seguinte problema linear
max(min) Z = c>x + k
s.a.
Ax = b
x0
Qualquer quadro de simplex e da forma:

v.b
xB
xN
t.i.
xB
B 1 N
B 1 b
c>N + c>B B 1 N
c>B B 1 b + k
Figura 7.1: Quadro de Simplex
No texto deste captulo vamos usar como exemplo o seguinte problema

Linear (P) onde se pretende maximizar o lucro diario obtido com o fabrico
de dois produtos, P 1 e P 2, em 3 seccoes de fabrico:
max Z = 3x1 + 5x2 (em u.m.)
4
s.a x1
(seccao 1)
2x2 12 (seccao 2)
3x1 + 2x2 18 (seccao 3)
x1 , x2 0
132
em que x1 e x2 representam, respetivamente, a quantidade de produto 1 e

2 produzido diariamente.
O quadro otimo deste problema e dado por:
v.b x1 x2 x3 x4 x5 t.i.
x3
x2
x1
1
3
1
2
1
3
3
2
1
3
1
3
36
A solucao otima e x = (2, 6) e o valor otimo e Z = 36.

Conclusao: Para obter um lucro maximo de 36 unidades monetarias, por
unidade de tempo, devem fabricar-se diariamnete 2 unidades de produto
P1 e 6 unidades de produto P2.
7.1
Altera
c
oes dos coeficientes na fun
c
ao objetivo
Suponhamos que o coeficiente da variavel xk foi alterado de ck para c0k . O

efeito dessa alteracao na tabela final vai refletir-se na linha Z (ver quadro
7.1) e pode deixar de se verificar o criterio de otimalidade.
necessario calcular o novo valor para a funcao objetivo, c> B 1b, e o novo
E
B
vetor dos custos reduzidos, c>N + c>B B 1 N .
Se o criterio de otimalidade for satisfeito, a solucao otima mantem-se. Caso
contrario, atualiza-se o quadro e aplica-se o metodo (Primal) Simplex.
Graficamente, variacoes nos coeficientes da funcao objetivo correspondem
a alteracoes na inclinacao das retas de nvel da funcao objetivo.
Exemplo 7.1.1. Suponhamos que no problema (P) o coeficiente de x2 foi
alterado, passou a ser 6, i.e. c02 = 6.
133
Tem-se:
c>B B 1b =
i 2
0 6 3
6 = 42
2
h
cN + cB B N = 0 0
>
>
=
=
0 0
2 1
i
0 6 3
2 1
0 0
1
3
1
2
1
3
1
3
1
3
O criterio de otimalidade e satisfeito. A solucao otima mantem-se x =

(2, 6) e o valor otimo e dado por Z = 42.
Exemplo 7.1.2. Suponhamos que no problema (P) os coeficientes de x1 e

x2 foram alterados, passaram a ser c01 = 10, c02 = 1.
Tem-se:
c>B B 1b =
i 2
0 1 10
6 = 26
2
h
cN + cB B N = 0 0
>
>
17
6
10
3
i
0 1 10
1
3
1
2
1
3
1
3
1
3
O criterio de otimalidade deixou de se verificar. Vamos aplicar o Metodo

de Simplex, partindo de um quadro de simplex construido a partir do quadro
otimo,
134
v.b x1 x2 x3
x4 x5

1
1
3 3
t.i.
x3
x2
1
2
x1
1
3
1
3
17
6
10
3
26
Fazendo uma iteracao do metodo simplex obtem-se:

v.b x1 x2 x3 x4 x5 t.i.
x4
-1
x2
3
2
1
2
x1
17
2
1
2
43
A solucao otima para o novo problema e x = (4, 3) e o valor otimo e

Z = 43
7.2
Altera
c
oes dos termos independentes
Se o vetor dos termos independentes das restricoes e alterado de b para b0

entao B 1 b e substitudo por B 1 b0, i.e., o que se altera e a coluna t.i. do
quadro (ver quadro 7.1).
Se B 1b0 0, o mesmo grupo de variaveis basicas continua a ser otimo e
os seus valores sao dados por B 1b0 , o novo valor para a funcao objetivo
e c>B B 1b0 . Caso contrario, a solucao deixa de ser admissvel. Neste caso,
temos uma solucao que verifica o criterio de otimalidade e nao e admissvel,
aplica-se o m
etodo Dual Simplex.
135
.
Exemplo 7.2.1. Suponhamos que b0 =
12
15
Tem-se:

1 31 1
3
2
3
1
12 = 6 0
B 1b0 =
0
0
2
1
0 1
15
1
3
3
N
ao e necess
ario aplicar o metodo Dual Simplex.
As vari
aveis b
asicas s
ao x3, x2 e x1. Assim a solucao otima passou a ser
x = (1, 6). Recalculando o valor otimo:

h
i 2
c>B B 1b0 = 0 5 3
6 = 33
1
Logo, o valor otimo e Z = 33.
Tambem podamos considerar b0 = b +

0
Ent
ao B 1b0 = B 1b + B 1
0
3
1
1

B 1
0 =0
3
0
Calcular
ent
ao
1
3
1
2
1
3
1
3
1
0
0 = 0
0
1
3
1
3
2
0
2
+ 0 = 6 0
B 1b0 =
6

2
1
1
136
.
Exemplo 7.2.2. Suponhamos que b0 =
24
18
Tem-se:
1
1
1 3 3
4
6
1
24 = 12
B 1b0 =
0
0
2
1
0 1
18
2
3
3
necess
A solucao deixou de ser admissvel pois x1 = 2 < 0. E
ario recalcular o valor de Z paraconstruir
o novo quadro:
= 54
c>B B 1b0 = 0 5 3
12
2
O novo quadro e:
v.b x1 x2 x3 x4 x5 t.i.
x3
1
3
1
3
x2
1
2
12
x1
1
3
1
3
-2
3
2
54
Para determinar a solucao otima para estas alteracoes do problema, aplicase o metodo Dual Simplex,
v.b x1 x2 x3 x4 x5 t.i.
x3
x2
3
2
1
2
x4
-3
-1
9
2
5
2
45
A solucao otima e x = (0, 9) e o valor otimo e Z = 45
137
7.3
Introdu
c
ao de uma nova vari
avel
Suponha que e introduzida uma nova variavel xn+1 cujo coeficiente na

funcao objetivo e cn+1 e os coeficientes nas restricoes constituem a coluna
An+1.
O custo reduzido da nova variavel e
cn+1 + c>B B 1An+1.
Se o custo reduzido verificar o criterio de otimalidade, entao ja temos a
solucao otima com xn+1 = 0 e o valor otimo mantem-se.
Se o custo reduzido nao verificar o criterio de otimalidade temos que atualizar o quadro introduzindo a coluna xn+1 e aplicar o metodo simplex.
A coluna de xn+1 e da forma:
xn+1
B 1An+1
cn+1 + c>B B 1 An+1
Exemplo 7.3.1. Suponhamos que no problema (P) se introduz a vari
avel
x6 cujo coeficiente na funcao objetivo e c6 = 4 e os coeficientes nas restricoes constituem a coluna
A6 =
5 .
4
O novo problema que pretendemos resolver e, ent

ao, dado por:
138
max Z = 3x1 + 5x2 + 4x6

+ x6 4
s.a x1
2x2 + 5x6 12
3x1 + 2x2 + 4x6 18
x1 , x2 , x6 0
O custo reduzido da nova vari
avel e dado por:
c6 + c>B B 1A6
1 13
= 4 + 0 5 3 0 1
0 1
3
= 4 + 0 5 3
15
2
4
3
5
2
1
3
1
3

1

0
5

1
4
3
O Problema Linear e de maximizacao, logo o criterio de otimalidade e

satisfeito.
N
ao e necess
ario aplicar o metodo de Simplex, a solucao otima do novo
problema e x = (2, 6, 0) e o valor otimo mantem-se, Z = 36.
Exemplo 7.3.2. Suponhamos que no problema (P) se introduz a vari
avel
x6 cujo coeficiente na funcao objetivo e c6 = 5 e os coeficientes nas res139
3

tricoes constituem a coluna A6 = 2 .

1
O custo reduzido da nova vari

avel e dado por:
c6 + c>B B 1A6 = 5 +
= 5 +
1
i
0 5 3 0
10
3
1
3
1
2
1
3
1
3
3

0 2

1
1
3
0 5 3 1
1
3
= 1 < 0
O Problema Linear e de maximizacao, logo n

ao se verifica o criterio de
otimalidade.
` que construir o novo quadro e aplicar o metodo de Simplex. Calculando
A
os elementos da coluna x6:
10
3
B A6 = 1
1
3
Introduzindo a coluna x6 no quadro otimo obtido para o PL original, obtemse:

140
v.b x1 x2 x3 x4 x5 x6 t.i.
x3
1
3
1
3
10
3
x2
1
2
x1
1
3
1
3
1
3
3
2
-1
36
Ap
os uma iteracao do metodo simplex obtem-se:
v.b x1 x2 x3 x4 x5 x6 t.i.
x6
3
10
1
10
1
10
3
5
x2
3
10
2
5
1
10
27
5
x1
1
10
3
10
3
10
11
5
3
10
8
5
9
10
183
5
A solucao otima do novo problema e x = ( 11

, 27 , 3 ) e o valor otimo e
5 5 5
Z =
183
5 .
De realcar que as vari

aveis de decis
ao do novo problema s
ao x 1 ,
x2 e x6 .
7.4
Introdu
c
ao de uma nova restri
c
ao
Com a introducao de uma nova restricao, a solucao otima mantem-se caso a

solucao otima verifique a nova restricao (Figura 7.2, grafico da esquerda).
Se a nova restricao excluir da regiao admissvel a solucao otima, entao,
temos uma solucao nao admissvel que verifica o criterio de otimalidade
e aplica-se o metodo Dual Simplex para resolver o problema (Figura 7.2,
grafico da direita).
Uma nova restricao vai corresponder a uma nova variavel basica. Seja xn+1
a variavel basica associada a` nova restricao. Em termos de quadro simplex
141
xo
xj
x*
x*
q
l
xk
mn
rs
xp
Figura 7.2: Introducao de uma nova restricao.
temos mais uma linha e mais uma coluna (ver quadro 7.1). No quadro
que vamos construir para o novo problema tem-se:
v.b
xB
xn+1
xN
t.i.
xB
B 1N
B 1b
xn+1
? ... ?
c>N + c>B B 1N c>B B 1b + k
em que xB e o vetor das variaveis basicas e xN e o vetor das variaveis nao

basicas no quadro otimo do PL original.
Vamos descrever o processo a seguir quando se introduzem restricoes do
tipo desigualdade e depois quando se introduzem restricoes do tipo igualdade.
142
7.4.1
A nova restri
c
ao
e do tipo desigualdade
Quando se introduz uma nova restricao do tipo desigualdade, ha varias

situacoes que podem ocorrer, como e ilustrado nos exemplos seguintes.
Exemplo 7.4.1. Retomando o PL inicial, considere a nova restricao
x1 + x2 10.
A solucao otima do PL original e x = (2, 6) e verifica a nova restricao pois
2+6 10. Deste modo, a solucao otima para o novo problema mantem-se,
temos x = (2, 6).
Se quisermos construir o quadro otimo para o novo problema deve seguir-se
o procedimento seguinte:
1. Escrever a nova restricao como igualdade introduzindo uma vari
avel
de desvio:
x1 + x2 10
x1 + x2 + x6 = 10
x6 0
A vari
avel introduzida, x6, vai ser a vari
avel b
asica associada a` nova
restricao.
2. A nova restricao, x1 + x2 + x6 = 10 tem que ser reescrita de tal modo
que x6 tenha coeficiente 1 e todas as outras vari
aveis b
asicas tenham
coeficiente nulo.
As vari
aveis x1 e x2 s
ao b
asicas e, por isso, devem ser substitudas por
express
oes que envolvam apenas vari
aveis n
ao b
asicas. Onde vamos
buscar essas express
oes?
143
Vamos a`s linhas x1 e x2 do quadro otimo do PL original e escrevemos

as equacoes correspondentes, que nos v
ao permitir obter facilmente
express
oes para essas vari
aveis a dependerem apenas de vari
aveis n
ao
b
asicas:
linha x2: x2 + 21 x4 = 6 x2 = 6 21 x4
linha x1: x1 13 x4 + 13 x5 = 2 x1 = 2 + 31 x4 13 x5
Substituindo,
1
1
1
1
1
2 + x4 x5 + 6 x4 + x6 = 10 x4 x5 + x6 = 2
3
3
2
6
3
3. O quadro para o novo problema obtem-se a` custa do quadro otimo
do PL original acrescentando uma linha, linha x6, e uma coluna,
coluna x6,.
v.b x1 x2 x3 x4 x5 x6 t.i.
x3
1
3
1
3
x2
1
2
x1
1
3
1
3
x6
1
6
1
3
3
2
36
4. Como era de esperar, o quadro e otimo. A solucao otima e x = (2, 6)

Exemplo 7.4.2. Considere agora a inclus
ao de uma nova restricao,
x1 + x2 6.
144
A solucao otima do PL original, x = (2, 6), n

ao verifica a nova restricao
pois 2 + 6 6. Neste caso e mesmo obrigat
orio construir o quadro para o
novo problema e aplicar o metodo adequado para chegar ao quadro otimo.
Tal como anteriormente, para construir o quadro para o novo problema a`
custa do quadro otimo do PL original, devemos efetuar os passos seguintes:
avel
de desvio:
x1 + x2 6
x1 + x2 x6 = 6
x6 0
A vari
avel b
restricao.
2. Reescrever a nova restricao de tal modo que x6 tenha coeficiente 1 e
todas as outras vari
aveis b
asicas tenham coeficiente nulo.
Multiplicando por -1 obtem-se x1 x2 + x6 = 6. As vari
aveis x1
e x2 s
ao b
asicas, devem ser substitudas por express
oes que envolvam
apenas vari
aveis n
ao b
asicas. Onde vamos buscar essas express
oes?
Vamos a`s linhas x1 e x2 do quadro otimo do PL original e escrevemos as equacoes correspondentes, o que nos permite escrever essas
vari
aveis em funcao das vari
aveis n
ao b
asicas. Tem-se:
linha x2: x2 + 12 x4 = 6 x2 = 6 21 x4
linha x1: x1 13 x4 + 13 x5 = 2 x1 = 2 + 31 x4 13 x5
Substituindo,
1
1
1
5
1
2 + x4 x5 6 + x4 + x6 = 6 x4 x5 + x6 = 2
3
3
2
6
3
145
3. O quadro para o novo problema obtem-se a` custa do quadro otimo do

PL original acrescentando a linha x6 e a coluna x6.
v.b x1 x2 x3 x4 x5 x6 t.i.
x3
1
3
1
3
x2
1
2
x1
1
3
1
3
x6
5
6
1
3
-2
3
2
36
4. O quadro n
ao e otimo. Temos uma solucao que verifica o criterio
de otimalidade, mas n
ao e admissvel. Qual e o metodo que devemos
aplicar?
Temos uma solucao n
ao admissvel que verifica o criterio de otimalidade, vamos aplicar o Dual Simplex. A linha pivotal e a linha x6 e a
coluna pivotal e a coluna x5. O novo quadro e:
v.b x1 x2 x3 x4 x5 x6 t.i.
x3
1
2
-1
x2
1
2
x1
1
2
x5
5
2
-3
30
O quadro e otimo.
A solucao otima para o novo PL e x = (0, 6) e o valor otimo e
Z = 30.
146
Observacao: Com apenas uma iteracao do metodo Dual Simplex resolvemos o novo problema. Como exerccio resolva o problema modificado
desde o incio, i.e., sem usar p
os-otimizacao.
Exemplo 7.4.3. Considere uma nova restricao
x2 7.
pois 6 7. Deste modo, vamos construir o quadro para o novo problema e
aplicar o metodo Dual Simplex.
avel
desvio:
x2 7
x2 x6 = 7
x6 0
A vari
avel b
restricao.
2. A nova restricao tem que ser reescrita de tal modo que x6 tenha coeficiente 1 e todas as outras vari
aveis b
Multiplicando por -1 obtem-se
x2 + x6 = 7.
Para escrever x2 em funcao das vari
aveis n
ao b
asicas vamos a` linha
x2 do quadro e escrevemos a equacao correspondente:
1
1
x2 + x4 = 6 x2 = x4 + 6
2
2
147
Substituindo,
1
6 + x4 + x6 = 7
2
1
x4 + x6 = 1
2

PL original acrescentando uma linha e uma coluna.
v.b x1 x2 x3 x4 x5 x6 t.i.
x3
1
3
1
3
x2
1
2
x1
1
3
1
3
x6
1
2
-1
3
2
36
4. O quadro n
ao e otimo.
Vamos aplicar o Dual Simplex. A Linha pivotal e a de x6. N
ao conseguimos arranjar pivot pois todos os elementos da linha pivotal s
ao
n
ao negativos pelo que o novo problema e impossvel.
Nota: Como exerccio resolva graficamente os tres exemplos.

7.4.2
A nova restri
c
ao
e do tipo igualdade
Vamos agora analisar o caso em que a nova restricao e uma equacao. Se a

solucao otima do problema original verifica a nova restricao, entao a solucao
otima mantem-se. Caso contrario, para resolver o novo problema, introduzse uma variavel artificial e constroi-se o quadro. A variavel artificial vai
ser a variavel basica associada a` nova restricao.
148
A forma mais expedita de resolver o novo problema e aplicar o metodo Dual

Simplex. Assim sendo, a nova variavel tem que ficar com valor negativo.
Deste modo, a artificial introduz-se com sinal + ou - consoante
a nova restri
c
ao n
ao seja verificada por excesso ou por defeito,
respetivamente.
Vamos agora apresentar dois exemplos que correspondem a`s situacoes que
podem ocorrer, quando a solucao otima nao verifica a nova restricao.
x1 + x2 = 6.
pois 2 + 6 6= 6. Alem disso 2 + 6 < 6.
Para construir o quadro para o novo problema vamos:
1. Introduzir uma vari
avel artificial, x6 , com sinal - uma vez que a
restricao n
ao e verificada por defeito e pretende-se que x6 seja negativa
x1 + x2 x6 = 6
x6 0
A vari
avel b
restricao.
2. A nova restricao tem que ser reescrita de tal modo que x6 tenha coeficiente 1 e todas as outras vari
aveis b
Multiplicando por -1 obtem-se x1 x2 + x6 = 6.
linha x2: x2 + 12 x4 = 6 x2 = 6 21 x4
149
linha x1: x1 13 x4 + 13 x5 = 2 x1 = 2 + 31 x4 13 x5
Substituindo,
1
1
1
5
1
2 + x4 x5 6 + x4 + x6 = 6 x4 x5 + x6 = 2
3
3
2
6
3
v.b x1 x2 x3 x4 x5 x6 t.i.
x3
1
3
1
3
x2
1
2
x1
1
3
1
3
x6
5
6
1
3
-2
3
2
36
O quadro n
ao e otimo.
Temos uma solucao que verifica o criterio de otimalidade, mas n
ao e
admissvel. Vamos aplicar o Dual Simplex. A linha pivotal e a linha
x6 e a coluna pivotal e a coluna x5. O novo quadro e
v.b x1 x2 x3 x4 x5 x6 t.i.
x3
1
2
-1
x2
1
2
x1
1
2
x5
5
2
-3
30

Z = 30.
150

x1 + x2 = 7.
pois 2 + 6 6= 7. Alem disso 2 + 6 > 7.
Introduzir uma vari
avel artificial com sinal + uma vez que a restricao
n
ao e verificada por excesso, i.e., pretende-se que x6 seja negativa
x1 + x2 + x6 = 7
x6 0
A vari
avel b
restricao.
A nova restricao tem que ser reescrita de tal modo que x6 tenha coeficiente 1 e todas as outras vari
aveis b
linha x2: x2 + 21 x4 = 6 x2 = 6 21 x4
linha x1: x1 13 x4 + 13 x5 = 2 x1 = 2 + 31 x4 13 x5
Substituindo,
1
1
1
2 + x4 x5 + 6 x4 + x6 = 7
3
3
2
1
1
x4 x5 + x6 = 1
6
3
O quadro para o novo problema obtem-se a` custa do quadro otimo do
151
v.b x1 x2 x3 x4 x5 x6 t.i.
x3
1
3
1
3
x2
1
2
x1
1
3
1
3
x6
1
6
1
3
-1
3
2
36
O quadro n
ao e otimo. Temos uma solucao que verifica o criterio de
otimalidade, mas n
ao e admissvel e vamos aplicar o Dual Simplex. A
Linha pivotal e a de x6 e a coluna pivotal e a de x5. O novo quadro e:
v.b x1 x2 x3 x4 x5 x6 t.i.
x3
1
2
-1
x2
1
2
x1
1
2
x5
1
2
-3
33

Z = 33.
7.5
Exerccios
1. Suponhamos que uma fabrica produz tres produtos Prod.1, Prod.2 e Prod.3. Cada
um dos produtos e processado em tres operacoes distintas, Oper.1, Oper.2 e Oper.3.
A capacidade disponvel para as operacoes Oper.1, Oper.2 e Oper.3 e de 430, 460
e 420 horas por mes respetivamente. A margem de lucro, por unidade, dos tres
produtos e de 3, 2, 5 u.m., respetivamente. Os tempos em horas necessarios para a
152
producao unitaria de cada um dos produtos nas tres operacoes sao dados na tabela
seguinte :
Prod.1
Prod.2 prod.3
Oper. 1
Oper. 2
Oper. 3
Pretende-se determinar o esquema de producao mensal que maximiza o lucro total.

Para o efeito o PL a resolver e o seguinte:
max Z = 3x1 + 2x2 + 5x3
s.a
x1 + 2x2 + x3 430
+ 2x3 460
3x1
420
x1 + 4x2
x1 , x2 , x3 0
onde x1 , x2 e x3 representam os nveis de producao de Prod.1, Prod.2 e Prod.3,

respetivamente.
O quadro otimo e dado por :
v.b.
x1
x2
x3
x4
x5
x6
t.i.
x2
14
1
2
14
100
x3
3
2
1
2
230
x6
-2
20
1350
153
em que x4 , x5 e x6 sao as variaveis de desvio introduzidas na 1a , 2a e 3a restricao,

respetivamente.
(a) Interprete a solucao otima.
Nas quest
oes seguintes aplique p
os-otimiza
c
ao:
(b) Faca a interpretacao economica das variaveis duais.
(c) Suponha que a capacidade disponvel da operacao Oper.2 passou a ser 500
horas. Formule e resolva o novo problema.
(d) Suponha que a capacidade disponvel da operacao Oper.1 passou a ser 500
horas. Formule e resolva o novo problema.
(e) Entre que valores pode variar a capacidade disponvel para a operacao Oper.2
de tal modo que a base otima se mantenha.
(f) Suponha que o lucro unitario do produto Prod.3 passou a ser 10 u.m.. Formule
e resolva o novo problema.
(g) Suponha que o lucro unitario do produto Prod.1 passou a ser 8 u.m.. Formule
(h) Entre que valores pode variar o lucro do produto Prod.2 de tal modo que a
solucao otima se mantenha.
(i) Suponha que o processamento dos tres produtos implica a passagem por uma
quarta operacao. Sabe-se que as horas disponveis da nova operacao sao 800
e, as horas necessarias para a producao unitaria dos produtos Prod1, Prod2 e
Prod3 sao, respetivamente, 2, 1 e 3. Formule e resolva o novo problema.
(j) Suponha que devido a`s necessidades de mercado a producao conjunta dos produtos Prod.1, Prod.2 e prod.3 deve ser de pelo menos 120 unidades. Formule
(k) Suponha que devido a`s necessidades de mercado e necessario produzir um
novo produto, Prod.4. Para produzir uma unidade desse novo produto sao
necessarias 6 horas na operacao Oper.1, 4horas na operacao Oper.2 e 1 hora
na operacao Oper.3 e o lucro unitario e de 10 u.m.. Formule e resolva o novo
problema.
154
(l) A fabrica deseja analisar as implicacoes da producao de um novo produto,

Prod.4. Para produzir uma unidade desse produto sao necessarias 3 horas na
operacao Oper.1, 1 hora na operacao Oper.2 e 5 horas na operacao Oper.3.
Para que valores de lucro desse novo produto e vantajoso a` empresa inclu-lo
no seu esquema de producao.
(m) Suponha que a quantidade de Prod.3 produzida deve ser igual a` quantidade de
prod.1 mais Prod.2. Formule e resolva o novo problema.
2. Suponhamos que uma fabrica produz tres tipos de produtos, P1, P2 e P3, utilizando
dois tipos de materias primas, mp1 e mp2. A matriz tecnologica, lucro unitario dos
varios produtos e disponibilidades diarias (em toneladas) das varias materias primas
constam da tabela abaixo:
Materia prima
Produtos (ton./produto)
disponibilidades
P1
P2
P3
(ton./dia)
mp1
14
mp2
48
Lucro(u.m.)
10
O espaco em armazem, ocupada por cada unidade de produto P1, P2 e P3, e 1, 1, 2

m3 , respetivamente. A fabrica pretende determinar o plano de producao diaria que
maximiza o lucro, sabendo que o espaco de armazenagem disponvel e de 30 m3 , por
dia. Para o efeito, resolve-se o PL
155
max Z = 10x1 + 5x2 + 8x3

s.a x1 + x2 + 2x3 30
x2 + 2x3 14
+ 2x3 48
4x1
x1 , x2 , x3 0
em que x1 , x2 e x3 representam os nveis de producao do produto P1, P2 e P3,
respetivamente. O quadro simplex otimo e:
v.b.
x1
x2
x3
x4
x5
x6
t.i.
x4
1
2
-1 14
x2
14
x1
1
2
1
4
12
5
2
190

respetivamente.
(a) Interprete a solucao otima.
Nas quest
oes seguintes aplique p
os-otimiza
c
ao:
(b) Verifique se ha vantagem em produzir um novo produto que, ao nvel unitario,
consome 4 toneladas de mp2, ocupa 2 m3 e o seu lucro unitario e 9 u.m.
(c) Suponha que o espaco de armazenagem disponvel passou a ser 25 m3 . Resolva
o novo problema aplicando pos-otimizacao.
(d) Suponha que cada m3 de espaco de armazenagem nao ocupado pode ser alugado, recebendo 2 u.m./m3 . Formule e resolva o novo problema.
156
3. Considere o seguinte problema linear :

min Z = 2x1 3x2 2x3
s.a 2x1
+ x3 8
x1 + x2 + 21 x3 5
x1 x2 + x3 6
x1 , x2 , x3 0
em que x1 , x2 e x3 representam os nveis de producao dos produtos P1, P2 e P3,
respetivamente. O quadro simplex otimo e:
v.b.
x1
x2
x1
x2
x3
x4
x5
x6
t.i.
0 23
-1
-1
1
2
x3
0 25
-5
-2 -17

respetivamente.
(a) Indique a solucao otima do problema (P) e do seu dual.
Nas questoes seguintes aplique pos-otimizacao:
(b) Suponha que o termo independente da 2a restricao aumentou 4 unidades.
(c) Que valores o coeficiente de x1 na funcao objetivo pode assumir de forma que
o problema tenha como u
nica solucao otima a apresentada no quadro ?
(d) Que valores o coeficiente de x1 na funcao objetivo pode assumir de forma que
a solucao apresentada no quadro seja otima ?
157
(e) Estude as alteracoes na solucao provocadas pela introducao de uma nova

variavel, x7 , cujo coeficiente na funcao objetivo e -5 e os coeficientes nas res"
#>
tricoes sao:
2 2 1
(f) Estude as alteracoes na solucao provocadas pela introducao de uma nova restricao, 4x1 + x3 10.
(g) Estude as alteracoes na solucao provocadas pela introducao de uma nova restricao, 2x2 + x3 = 10.
(h) Estude as alteracoes na solucao provocadas pela introducao de uma nova restricao, 4x1 + 6x2 = 9.
4. O quadro seguinte e o quadro otimo relativo a um PL de maximizacao, max z = c>x,
e as restricoes sao do tipo :
v.b.
x1
x2
x3
x4
x5
t.i.
x1
x5
-1
12
em que x4 e x5 sao as variaveis de desvio introduzidas na 1a e 2a restricao, respetivamente.

(a) Determine o valor de .
(b) Quais as alteracoes na solucao provocadas pela introducao de uma nova variavel,
x6 , cujo coeficiente na funcao objetivo e 4 e os coeficientes nas restricoes sao:
"
#>
A>6 =
1 2
(c) Quais as alteracoes na solucao provocadas pelo acrescimo de duas unidades no

termo independente da 1a restricao.
(d) Quais as alteracoes na solucao provocadas pelo acrescimo de duas unidades no
coeficiente de x2 na funcao objetivo.
158
5. O quadro seguinte e o quadro otimo relativo a um PL de minimizacao, min z =

c>x + 2, com duas restricoes do tipo :
v.b.
x1
x2
x3
x4
x5
t.i.
x1
-1
x3
-7
-5
-2
-2
-1
em que x4 e x5 sao as variaveis de desvio introduzidas na 1a e 2a restricao, respetivamente.
(a) Determine o valor de .

(b) Suponha que o termo independente da 2a restricao sofre um acrescimo 2 .
Entre que valores pode variar 2 de modo que a admissibilidade seja mantida.
(c) Suponha que se introduz uma nova variavel, x6 , cujos coeficientes nas restricoes
"
#>
sao:
1 2
. Que valores pode assumir o coeficiente de x6 na funcao objetivo
de tal modo que existam solucoes otimas alternativas. Determine todas as

solucoes otimas.
(d) Quais as alteracoes na solucao provocadas pela introducao de uma nova restricao, x1 + 2x2 2.
6. Uma fabrica produz tres produtos, P1, P2 e P3, utilizando dois tipos de materia
prima, mp1 e mp2. A matriz tecnologica, lucro unitario dos varios produtos e disponibilidades diarias (em toneladas) das varias materias primas constam da tabela
abaixo:
159
materias primas Produtos(ton./produto) Disponibilidades

P1
P2
P3
(ton./dia)
mp1
12
mp2
16
lucro (u.m.)
Alem disso, para satisfazer a procura de mercado devem produzir-se, diariamente,

pelo menos 10 unidades dos produtos P2 e P3.
Para obter o plano de producao diario que maximiza o lucro resolve-se o seguinte
PL,
(P) max Z = 4x1 +2x2 +6x3

x2
+x3 10
+x2
+x3 16
x1 +2x2
+x3 12
s. a
4x1
x1 , x2 , x3 0
em que x1 , x2 e x3 representam os nveis de producao diaria do produto P1, P2 e

P3, respetivamente. O quadro simplex otimo e:
160
v.b.
x1
x2
x3
x4
x5
x6
t.i.
x3
12
x4
x6
-1
-1
10
72
em que x4 , x5 e x6 sao as variaveis de desvio introduzidas na primeira, segunda e

terceira restricao, respetivamente.
(a) Interprete a solucao otima do problema (P).
(b) Suponha que existe a possibilidade de produzir um novo produto. Para produzir uma unidade desse novo produto sao necessarias 4 toneladas de mp1 e 2
tonelada de mp2. Qual devera ser o lucro unitario do novo produto de modo
que haja vantagem na sua producao. (Aplique pos-otimizacao!).
(c) Suponha que a disponibilidade de materia-prima mp1 diminui para 10 toneladas/dia. Resolva o novo problema. (Aplique pos-otimizacao!)
(d) Suponha que a materia prima mp2 nao utilizada e vendida, conduzindo a um
lucro de 2u.m./tonelada. Formule e resolva o novo problema. (Aplique posotimizacao!)
161
162
Bibliografia
[1] Bazaraa, M. S. and Jarvis,J. J. and Sherali, H. D. (1990).Linear Programming
and Network Flows, John Wiley & Sons.
[2] Ferreira, J. S. (1978). Introduc
ao `
a Programac
ao Linear, Classica Editora.
[3] Hillier, F. S. and Lieberman, G. J. (1995). Introduction to Operations Research,
McGraw-Hill.
[4] Hill, M. M. and Santos, M. M. (1999).Programac
ao Linear, vol.I, Slabo,
[5] Nascimento, M. M. and Teixeira, M. J. (2004). Programac
ao Linear: Uma
Proposta de Intervencao Didactica no Ensino Secund
ario, Dissertacao de Mestrado
em Ensino da Matematica,
[6] Murty, K. G. (1983) Linear Programming, John Wiley & Sons.
es, A. (1984). Programacao
[7] Ramalhete, M. and Guerreiro, J. and Magalha
Linear, Volume I, McGraw-Hill.
es,A. (1985). Programacao
[8] Ramalhete, M. and Guerreiro, J. and Magalha
Linear, Volume II, McGraw-Hill.
[9] Shamblin, J. E. and Stevens, G. T. (1979). Pesquisa Operacional: uma abordagem
basica, Atlas S.A..
[10] Tavares, l. V. and Oliveira, R. C. and Themido, I. H. and Correia, F. N.
(1996). Investigacao Operacional, McGraw-Hill
163
164
Ap
endice A
Resolu
c
ao do problema tipo usando
o EXCEL, Xpress e WinQSB
Apresenta-se de seguida a resolucao do PL do Exemplo 2.2.1 usando o Excel, o Xpress e
o WinQsB.
Para relembrar a formulacao do PL, apresentada na pagina 10, e:
max Z = 20xA + 30xB

s.a 2xA + 8xB 240
3xA + 2xB 120
xB 10
xA , xB 0
em que xA e xB representam, respetivamente, a quantidade de produto A e B produzido

diariamente.
A.1
Excel
Na figura seguinte apresenta-se o aspecto da folha de calculo com toda a informacao

relativa a` formulacao do problema.
165
Algumas das celulas contem formulas como e ilustrado na figura seguinte.
Construda esta folha de calculo e necessario chamar a ferramenta Solver e obtem-se:

(a)
(a)
De notar que este suplemento do EXCEL n

ao e instalado aquando da instalacao do EXCEL em modo
apenas instalada no modo completo ou personalizando a instalacao.

tpico ou mnimo. E
166
Na celula set target cell indica-se a localizacao da funcao objetivo.

Seleciona-se o tipo de problema: maximizacao, Max, ou minimizacao, Min.
No campo By changing cells colocam-se as celulas correspondentes a`s variaveis
de decisao.
As restricoes sao introduzidas atraves do botao add ou adicionar Restricao em
que aparece a caixa como se ilustra abaixo:
Na caixa Cell reference introduz-se a referencia da celula com o lado esquerdo

da restricao e na caixa Constraint introduz-se a referencia da celula com o lado
direito da restricao. No menu do meio pode seleccionar-se o tipo de restricao em
causa, isto e, se a restricao e de , ou =. Introduzidos os dados referentes a`
Se o comando Solver n
ao estiver disponvel no menu ferramentas deve chamar-se o comando
suplementos ... desse mesmo menu.
Se aparecer a opcao Suplemento Solver basta selecciona-la e o comando solver passa a estar
disponvel no menu ferramentas.
Se n
ao aparecer esta opcao altere a instalacao do excel usando o CD de instalacao.
167
restricao pressione o botao add. Tambem e aqui que se declaram as variaveis como
inteiras (int) ou binarias (bin). Depois de introduzidos os dados referentes a
uma restricao pressionamos o botao Add. Nao esquecer de introduzir as restricoes
de nao negatividade das variaveis (xA , xB 0). Depois de introduzir todas as
restricoes pressione o botao cancel.
A tabela completamente preenchida e apresentada abaixo.
Antes de resolver devemos ver a caixa options
Para os problemas de Programacao Linear deve estar seleccionada a opcao Assume

linear model.
168
Pode passar-se a` resolucao do problema atraves de solve. Se estiver tudo correto

aparece solver results
Deve ler-se a mensagem que surge no incio da janela. Neste caso quer dizer que
a solucao
encontrou uma solucao que verifica todas as condicoes de otimalidade. E
otima.
O solver pode ainda gerar relatorios que analisam a solucao encontrada: Answer
report and sensitivity report. Por enquanto vamos so analisar o Answer report.
Neste relatorio e dada informacao sobre a solucao otima e o valor otimo da funcao
objetivo. Neste caso, a solucao otima e xA = 24 e xB = 24 e o valor otimo e
169
z = 1200. No que diz respeito a`s restricoes e de salientar a informacao sobre a

distancia a que, na solucao otima, estamos do limite da restricao. Por exemplo,
os 240 Kg de materia-prima I disponveis sao totalmente gastos assim como os 120
Kg de materia-prima II. Relativamente a`s necessidades de mercado para alem das
necessidades mnimas, de 10 unidades de produto B, produzem-se mais 14 unidades,
ou seja produzem-se 24 unidades.
O segundo relatorio faz analise de sensibilidade a` solucao otima, isto e, analisa como
podem variar os parametros do problema, nomeadamente os coeficientes da funcao
objetivo e os lados direitos das restricoes, sem que a solucao otima sofra alteracoes
substanciais. Este assunto foi abordado nas seccoes 6.6 e 7.
A.2
Xpress
O aspecto do ficheiro .mos e a informacao relativa a` solucao do problema usando o

Xpress apresenta-se na imagem seguinte.
170
A.3
WinQSB
Nesta seccao faz-se a introducao ao uso do software winQSB.
1. Como obter este software winQSB?

Pode, por exemplo, descarregar-se este software de forma livre (e gratuita) numa
busca do Google em winQSB 2.0 ou, por exemplo, no endereco
http://www.hotshare.net/pt/file/103618-74083058d0.html
e tambem e necessario ter no computador instalada uma versao livre (e gratuita)
do winrar que se pode procurar no Google ou em
http://www.baixaki.com.br/site/dwnld2657.html
2. Apos abrir o modulo LP-ILP (Linear and Integer Programming) do programa

winQSB (programa do Windows chamado Quantitative System for Business), no
menu File (ficheiro) escolha a opcao New Problem ou, alternativamente pressione
o 1o botao na barra de ferramentas.
171
3. Na janela LP-ILP Problem Specification (definicao do PPL-PPL Inteiro que pretende resolver) indique: o nome do problema (problem type), o n
umero de variaveis
(number of variables), o n
umero de restricoes (number of constraints), o tipo de
otimizacao (objective criterion) a efetuar (maximizacao/minimizacao, maximization/minimization), o tipo de variaveis a utilizar e Spreadsheet Matrix Form
(folha de calculo ou tabela) como formato de entrada de dados e o tipo de variavel,
vem ja seleccionado como nao - negativo (default variable type). Pressione o botao
OK.
4. Na tabela que aparece:

(a) preencha a 1a linha com os coeficientes das variaveis x1 , x2 , . . . na funcao objetivo.
(b) para cada linha C1 , C2 , . . . (correspondente a` restricao constraint i):
172
i. preencha os coeficientes das variaveis de decisao x1 , x2 , . . . ;

ii. em Direction escolha o operador (;=; );
iii. em R.H.S. indique o termo independente da restricao.
5. No menu Solve and Analyze, escolha a opcao Solve the Problem.
De seguida clique no botao OK na caixa Linear and Integer Programming para

obter os resultados.
173
Quando clica obtem o Combined Report for nome do problema
Para fechar a janela Combined Report for nome do problema clica no x do lado
direito
, tal como se faz em qualquer janela do Windows.
6. Para obter apenas os resultados relativos a` solucao (ou a`s restricoes ou a` analise de
sensibilidade, etc. ), no menu Results, escolha a opcao Solution Summary (ou
outra).
E obtem:
174
Ou, por exemplo, se esta interessado no u

ltimo quadro simplex (Final Simplex
Tableau) obtem:
7. No menu Solve and Analyze, escolha a opcao Graphic Method (apenas para o
caso de 2 variaveis de decisao) ou carregue no cone
da barra de cima da caixa
Linear and Integer Programming.
De seguida, escolha as variaveis a associar a cada um dos eixos (para x o eixo

horizontal, por exemplo, escolha x1 e para y o eixo vertical, por exemplo, escolha
x2) e pressione o botao OK.
175
8. No menu Options, associado a` janela Graphic Solution for nome do problema

e possvel alterar as cores, . . . do grafico. No grafico que apresentamos nao foi
alterado nada!
176

Apontamentospl

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Apontamentospl

Uploaded by

Copyright:

Available Formats

Investigacao Operacional

1.1 Definicao e enquadramento dos problemas de programacao linear (PL) . .

Como surgiu a PL na Investigacao Operacional (IO)? . . . . . . . .

O que e a Investigacao Operacional ? . . . . . . . . . . . . . . . . .

2.1 Hipotese do modelo de programacao linear . . . . . . . . . . . . . . . . . .

2.2 Formulacao matematica de um problema linear tipo . . . . . . . . . . . . .

O modelo de programacao linear . . . . . . . . . . . . . . . . . . . . . . . 10

Formas cartesiana e matricial . . . . . . . . . . . . . . . . . . . . . 14

3.1 Nocoes de analise convexa . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

4.1 Solucao algebrica dos problemas de Programacao Linear . . . . . . . . . . 41

4.2 Resultados importantes de PL . . . . . . . . . . . . . . . . . . . . . . . . . 51

4.4 Metodo simplex na forma tabular . . . . . . . . . . . . . . . . . . . . . . . 57

5.1 Metodo das penalidades ou metodo M-grande . . . . . . . . . . . . . . . . 80

6.1 Formulacao do Problema Dual . . . . . . . . . . . . . . . . . . . . . . . . . 94

O Dual de um PL na forma Padrao . . . . . . . . . . . . . . . . . . 96

6.2 Relacoes Primal-Dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99

7.1 Alteracoes dos coeficientes na funcao objetivo . . . . . . . . . . . . . . . . 133

A nova restricao e do tipo desigualdade . . . . . . . . . . . . . . . . 143

A nova restricao e do tipo igualdade

7.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152

A.1 Excel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165

O sucesso e credibilidade ganhos durante a guerra foram t

Como surgiu a PL na Investiga

A origem da Investigacao Operacional como ciencia e atribuda a` coordenacao das operacoes

A IO e uma abordagem cientfica na tomada de decisoes, um conjunto de metodos e

Alguns dos ramos da IO que importa destacar sao:

A modelacao e a analise de um problema de Programacao Linear desenvolve-se atraves

unitario do produto A e de 20 unidades monet

produto B e de 30 u.m.. Para produzir A e B utiliza-se materia-prima I e materia-prima

Disponibilidade diaria (kg)

Um acordo com um comprador obriga `

Usam-se u.m. para evitar as valorizac

Formule um PL que permita determinar o plano de produc

quantidade de produto A produzido diariamente

quantidade de produto B produzido diariamente

Os problemas de PL sao problemas de maximizacao ou minimizacao de uma funcao linear

a11 x1 + a12 x2 + + a1n xn {, , =} b1

am1 x1 + am2 x2 + + amn xn {, , =} bm

restricoes de nao negatividade

em que k, aij , cj , bi (i = 1, . . . , m; j = 1, . . . , n) sao constantes e xj sao variaveis.

s.a e a abreviatura de sujeito a.

As constantes aij designam-se por coeficientes t

1. Forma standard (padrao)

Todas as restricoes funcionais do problema linear sao apresentadas na forma de

2. Forma canonica de um PL de maximizacao

3. Forma canonica de um PL de minimizacao

2. Qualquer restricao do tipo pode ser convertida numa restricao do tipo

Efetuar uma mudanca de variavel. Considerar uma nova variavel yj em que:

xj livre (sem restricao de sinal), substitui-se xj pela diferenca de duas variaveis

4x1 + 2x2 + 6x3 10

Formas cartesiana e matricial

1. Uma empresa de construcao civil constroi moradias e apartamentos. para construir

2. Uma empresa produz dois produtos: A e B. O lucro unitario do produto A e de

m.p. III (kg)

Disponibilidade diaria (kg)

necessidades mnimas diarias (mg)

Por limitacoes economicas e de mercado, a fabrica pode adquirir, no maximo, 300,

Tabela 2.1: Ofertas e procuras do betao (ton.) e custos de transporte (u.m./ton.).

O problema pode ser formulado como:

9. A PLANURBE e uma empresa de planeamento urbano, que foi contactada para

No final do empreendimento a percentagem de apartamentos de cada tipo devera

proprio mes ou num mes anterior. Neste u