Professional Documents
Culture Documents
Programacao Linear
Departamento de Matematica
Universidade de Tras-os-Montes e Alto Douro
2012
Indice
1 Introdu
c
ao
1.1.1
1.1.2
1.1.3
Principais passos . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 Apresenta
c
ao e formula
c
ao matem
atica de problemas de PL
2.3
2.4 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3 Resolu
c
ao gr
afica de problemas de PL
23
41
Solucoes basicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.1.2
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
79
93
6.1.2
O Dual de um qualquer PL . . . . . . . . . . . . . . . . . . . . . . 96
131
7.4.2
. . . . . . . . . . . . . . . . . 148
163
ii
A Resolu
c
ao do problema tipo usando o EXCEL, Xpress e WinQSB
165
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.
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
1.1.2
O que
e a Investiga
c
ao Operacional ?
1.1.3
Principais passos
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)
e o lucro unitario do
Produto B
240
120
xB
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 `a 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 `a materia-prima II tem-se:
3xA + 2xB 120
relativamente `as 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
min(max) Z = c1 x1 + c2 x2 + + cn xn + k
s.a
funcao objetivo
restricoes funcionais
10
min(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
11
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
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
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
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
2.3.1
livre
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
m.p. II (kg)
Produto A
10
Produto B
10
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
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
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
18
19
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%
20
Custo de produ
c
ao (unit
ario)
(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
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
x2
(a)
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 (`a esquerda) e um
conjunto convexo fechado (`a direita).
e H = {x Rn : a1 x1 + + an xn b}
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.
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
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)
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
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
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
+
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
!
=
30
x
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"
31
(c)
x&
v*
v%
xB 10
xA , xB 0
v)
v(
Z1 = 300
v2 = ( 100
, 10)
3
Z2 =
v3 = (24, 24)
Z3 = 1200
v4 = (0, 30)
Z4 = 900
2900
3
32
x'
(secc
ao 1)
(secc
ao 2)
160
(secc
ao 3)
x1
x1 , x2 0
x+
//1
031
v1
O
v.
v/
v0
021
//1
.21
x,
33
= z0 = 0
v1 = (160, 0)
= z1 = 960
= z4 = 540
3.3
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
x1 , x2 0
34
x5
v8;
x1 + x2 10
v>
O
x1 , x2 0
v<
v=
9:
x7
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?
x2 10
x1 , x2 0
35
BC
x@
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
Exemplo 3.3.5.
xJ
max Z = 7x2
s.a x1 + x2 5
x2 10
O
x1 , x2 0
MN
xK
Exemplo 3.3.6.
xO
x2 10
x1 , x2 0
36
RS
xP
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
(b) max Z = x1 x2
s.a (x1 , x2 ) S
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
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
Z = c1 x1 + c2 x2
min
Z = 3x1 + c2 x2
otimo.
(d) O problema linear
min
Z = 3x1 + c2 x2
s.a
(x1 , x2 ) S
min
tem uma u
nica solucao otima.
Z = 9x1 + c2 x2
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.
max
Z = c1 x1 + c2 x2
s.a
(x1 , x2 ) S
max
Z = c1 x1 + c2 x2
s.a
(x1 , x2 ) S
. Indi-
. Indi-
max
Z = 2x1 + c2 x2
s.a
(x1 , x2 ) S
. Indi-
38
min
Z = c1 x1 + 2x2
s.a
(x1 , x2 ) S
. In-
Indique todos os valores que o parametro a pode assumir de tal modo que:
min
Z = x1 + ax2
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
max
Z = 2x1 + ax2
s.a (x1 , x2 ) S
dique a correspondente solucao otima.
max
tenha uma u
nica solucao otima. In-
Z = 2x1 + ax2
s.a (x1 , x2 ) S
otimas. Indique a(s) correspondentes solucoes otimas.
x1 x2 2
s.a x1
2x1 + x2 8
s.a
x1 + x2 5
x1 , x2 0
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
x1 , x2 0
(f) min Z = 2x1 x2
s.a
x1
x2 2
3x1 + 5x2 15
x1 , x2 0
39
x1 +
x2 ,
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
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
x1
x1 , x2 0
41
= 720
+ x4
= 880
x1
+ x5 = 160
x1 , x2 , x3 , x4 , x5 0
4.1.1
Solu
co
es b
asicas
(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
= 720
+ x4
= 880
+ x5 = 160
x1 , x2 , x3 , x4 , x5 0
}| {
720
880
160
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
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
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
(b)
4.1.2
Exerccios
vW
vX
vY
Y[Z
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.
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
da ponto (x1 , x2 )
solucao
correspondente
s.b.a.
(160, 60)
x]
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
O (0, 0)
A ( , 1)
B (1, 1)
C( ,
D( ,
E (1,
F ( ,
3
2
x1 + 5x2 5
3x1 + 5x2 5
x1 , x2 0
(a) Represente graficamente o conjunto das solucoes admissveis do problema.
(b) Escreva o problema na forma padrao.
(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
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
(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
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( ,
50
4.2
s.b.a. otima.
s.n.b.a..
ii.
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
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
4 1 0 0
4 0 1 0 .
0 0 0 1
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
880
4
x3 ate 0.
Pela 2a equacao, x1 pode aumentar ate
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:
55
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.
4. Existe uma s.b.a. adjacente melhor?
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.
5. Passar para uma soluc
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.
6. Passar para uma soluc
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.
Pela 1a equacao, x2 pode aumentar ate
400
4
240
4
= 60 e, neste caso, x4 = 0.
56
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.
7. Existe uma s.b.a. adjacente melhor?
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
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
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
termos independentes
elementos positivos da c.p.
= min
x3
x4
x5
58
l.p.
.
pivot
x1
x2
x3
x4
x5
Z t. i.
x3
-2
400
x4
4
-4
240
x1
160
-3
960
x1
x2
x3
x4
x5
t. i.
x3
-1
160
x2
1
4
-1
60
x1
160
3
4
1140
59
60
linha pivotal
pivot
61
Criterio de
otimalidade e
Sim
Stop.
A soluc
ao e
otima.
satisfeito?
N
ao
Calcular uma nova
s.b.a.(atualizar
o quadro)
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
62
1. max Z = x1 + 4x2
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 x1 + x2 2
x1 + 4x2 + 2x3 8
x1 + x2 4
x1 , x2 0
4.6
x1 , x2 , x3 0
Casos particulares do m
etodo de simplex na forma
tabular
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
=2
+ x4 = 4
x1 , x2 , x3 , x4 0
A =
-2 1 1
1 0
x2
x3
x4
t. i.
x3
-2
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
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
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
xf
xg
...
..
.
t. i.
..
.
xi
..
.
...
..
.
0
..
.
...
66
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
S =
S = (x1 , x2 ) R2 : (x1 , x2 ) = (2 + x4 , 4), x4 0
Graficamente,
xh
4
2
xi
69
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
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
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
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 +
x1 + 2x2 4
3x1 + 2x2 12
x1 , x2 0
x1 , x2 0
(c) min Z = x1 2x2
s.a 2x1 + x2
x1 + x2 4
s.a
x1 2x2 4
x1 + x2 1
x1 , x2 0
x1 , x2 0
(f) max Z = 2x1 6x2 + 6x3
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
x1
x2
x3
x4
t. i.
x3
-1
x2
72
x2
x3
x4
x5
x3
-1
x1
-3
-4
-3
10
x1
x2
x3
x4
t.i.
x3
-2
x1
-1
-4
10
73
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
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
BxB + NxN = b
xB , xN 0
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
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
+ 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
x1
x2
x3
x4
x5
2
3
2
3
1
3
13
1
3
1
3
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
x2
x3
x4
x3
x1
10
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
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:
xi .
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
= b1
+ xn+2
= 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
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
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
-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
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
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.
Exerccio 5.1.2. Resolva o PL seguinte
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.
Exerccio 5.1.3. Resolva o PL seguinte
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
= b1
+ xn+2
= 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
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
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
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
87
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
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
88
s.a
2x1 + 3x2 18
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
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
89
5.3
Exerccios
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
90
(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
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
x1 +
4x1 +
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
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
x5
x2
x4
a+2
a2
1
a
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
92
Captulo 6
A Dualidade
Para se perceber a importancia do estudo da dualidade convem contextualiza-la. Assim,
eis algumas das razoes dessa importancia:
93
6.1
Formula
c
ao do Problema Dual
(a)
s.a. Ax b
x0
s.a. A>u c
u0
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
s.a. x1 2x3 10
x1 + 5x2 + 9x3 30
x1 , x2 , x3 0
95
6.1.1
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.
6.1.2
O Dual de um qualquer PL
min Z = c1 x1 + c2 x2 + c3 x3
s.a. a11 x1 + a12 x2 + a13 x3 b1
(P )
96
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 )
97
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)
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
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
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
(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 ).
1 1
2 0
. A matriz inversa de B e B 1 =
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.
101
1
2
1
2
12
= 1 = Z .
5
2
= 1.
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
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)
103
6.3
Exerccios
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
x1 livre, x2 0, x3 0
(d) min Z = 4x1 + x2
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 +
x2 x3
x2
s.a
x4 = 6
x1 +
x2
3x1 + 2x2 +
x3
5x1 + 2x2 x3 x4 8
x1 , x2 0, x3 0, x4 livre
x1 livre, x2 0, x3 0
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
cuja solucao otima e dada por x = (0, 0, 15, 50). Obtenha a solucao otima do dual
de (P).
105
v.b
x1
x2
x3
x4
x5
t.i.
x1
x5
10
-3
-1
-2
-12
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.
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.
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.
2x1 x3 4
3x2 + 2x3 6
x1 , x2 , x3 0
107
v.b
x1
x2
x3
x4
x5
t.i.
x1
12
1
2
x2
2
3
31
-4
x1
x2
3x1 + 5x2 15
x1 + 2x2
x1 , x2 0.
(a) Escreva o seu dual.
(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.
108
x1 2x2
6x1 + 5x2
15
3x1 +
x2 5
x1 + 3x2
x1 0, x2 0.
(a) Escreva o seu dual.
(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
s.a
x2 x3 2
x1 + 3x2 x3
x1 0, x2 0, x3 0.
(a) Escreva o seu dual.
(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
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
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)
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
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
x1 +
+ 3x3 5
s.a x1 +
3x2 + 2x3 5
x2 +
x3 1
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
Seccao
1
2
3
Lucro unitario (u.m.)
1
0
3
3
0
2
2
5
Capacidade
disponvel
4
12
18
s.a x1
(P)
2x2 12
3x1 + 2x2 18
x1 , x2 0
+ 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
(D)
3
2
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
+ x5 = 160
x1 , x2 , x3 , x4 , x5 0
(D)
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
3
4
3
4
u.m. (Z = 1140 +
u3 = 1
Se a capacidade producao da seccao 3 aumentar 1 hora (b3 = 160
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
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.,
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.
Se a variavel de folga u4 e positiva significa que custo interno > lucro
pelo que nao e economicamente rentavel ativar esta atividade, i.e., ha
perda de oportunidade na producao de uma estante: 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 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.
Se a variavel de folga u5 e positiva significa que custo interno > lucro
pelo que nao e economicamente rentavel executar esta atividade, i.e.,
128
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
Ax = b
x0
xB
xN
t.i.
xB
B 1 N
B 1 b
c>N + c>B B 1 N
c>B B 1 b + k
s.a x1
(seccao 1)
2x2 12 (seccao 2)
3x1 + 2x2 18 (seccao 3)
x1 , x2 0
132
x2
x1
1
3
1
2
1
3
3
2
1
3
1
3
36
7.1
Altera
c
oes dos coeficientes na fun
c
ao objetivo
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
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
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
-1
x2
3
2
1
2
x1
17
2
1
2
43
7.2
Altera
c
oes dos termos independentes
.
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.
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
137
7.3
Introdu
c
ao de uma nova vari
avel
A6 =
5 .
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
3
tricoes constituem a coluna A6 = 2 .
1
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
10
3
B A6 = 1
1
3
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
183
5 .
x2 e x6 .
7.4
Introdu
c
ao de uma nova restri
c
ao
xo
xj
x*
x*
q
l
xk
mn
rs
xp
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
? ... ?
7.4.1
A nova restri
c
ao
e do tipo desigualdade
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
1
3
1
3
x2
1
2
x1
1
3
1
3
x6
1
6
1
3
3
2
36
x1 + x2 x6 = 6
x6 0
A vari
avel introduzida, x6, vai ser a vari
avel b
asica associada a` nova
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
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.
A solucao otima do PL original, x = (2, 6), n
ao verifica a nova restricao
pois 6 7. Deste modo, vamos construir o quadro para o novo problema e
aplicar o metodo Dual Simplex.
1. Escrever a nova restricao como igualdade introduzindo uma vari
avel
desvio:
x2 7
x2 x6 = 7
x6 0
A vari
avel introduzida, x6, vai ser a vari
avel b
asica associada a` nova
restricao.
2. A nova restricao tem que ser reescrita de tal modo que x6 tenha coeficiente 1 e todas as outras vari
aveis b
asicas tenham coeficiente nulo.
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
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.
A nova restri
c
ao
e do tipo igualdade
x1 + x2 x6 = 6
x6 0
A vari
avel introduzida, x6, vai ser a vari
avel b
asica associada a` nova
restricao.
2. A nova restricao tem que ser reescrita 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.
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
3. O quadro para o novo problema obtem-se a` custa do quadro otimo do
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
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
x1 + x2 + x6 = 7
x6 0
A vari
avel introduzida, x6, vai ser a vari
avel b
asica associada a` nova
restricao.
A nova restricao tem que ser reescrita de tal modo que x6 tenha coeficiente 1 e todas as outras vari
aveis b
asicas tenham coeficiente nulo.
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
PL original acrescentando uma linha e uma coluna.
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
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
x1 + 2x2 + x3 430
+ 2x3 460
3x1
420
x1 + 4x2
x1 , x2 , x3 0
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
154
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
155
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
156
+ 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
157
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
A>6 =
1 2
158
v.b.
x1
x2
x3
x4
x5
t.i.
x1
-1
x3
-7
-5
-2
-2
-1
1 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
P2
P3
(ton./dia)
mp1
12
mp2
16
lucro (u.m.)
Para obter o plano de producao diario que maximiza o lucro resolve-se o seguinte
PL,
+x3 10
+x2
+x3 16
x1 +2x2
+x3 12
s. a
4x1
x1 , x2 , x3 0
160
v.b.
x1
x2
x3
x4
x5
x6
t.i.
x3
12
x4
x6
-1
-1
10
72
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:
A.1
Excel
165
166
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.
168
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
A.2
Xpress
170
A.3
WinQSB
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.
172
173
Para fechar a janela Combined Report for nome do problema clica no x do lado
direito
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
7. No menu Solve and Analyze, escolha a opcao Graphic Method (apenas para o
caso de 2 variaveis de decisao) ou carregue no cone
175
176