You are on page 1of 49

UNIVERSIDADE FEDERAL DE CAMPINA GRANDE

UNIDADE ACADMICA DE MATEMTICA E ESTATSTICA

Apostila1
de
Introduo Pesquisa Operacional

Prof. Dr. Gilberto S. Matos


(http://sites.google.com/site/gilbertosmatos1)

Campina Grande - PB
- Novembro / 2012 1

Esta apostila vem sendo desenvolvida desde de 2008.1 quando o Prof. Gilberto S. Matos iniciou
sua experincia em ministrar esta disciplina, desde ento o mesmo est sempre em busca da melhoria
deste material didtico.

Sumrio

1 Apresentao

1.1

Ementa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2

Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3

Contedo Programtico . . . . . . . . . . . . . . . . . . . . . . . . . .

1.4

Mtodo de Ensino . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.5

Avaliaes e Horrios de Atendimento . . . . . . . . . . . . . . . . . . .

1.5.1

Data das Provas e Contedo . . . . . . . . . . . . . . . . . . . .

1.5.2

Horrios de Atendimento . . . . . . . . . . . . . . . . . . . . . .

Bibliografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.6

2 Introducao Pesquisa Operacional

2.1

Objetivos do Captulo . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2

Pesquisa Operacional: o que , quando e como surgiu? . . . . . . . . .

2.2.1

O que Pesquisa Operacional? . . . . . . . . . . . . . . . . . .

2.2.2

Quando e como surgiu a Pesquisa Operacional? . . . . . . . . .

10

2.2.3

Cientistas... . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

10

Um pouco da Teoria das Decises . . . . . . . . . . . . . . . . . . . . .

10

2.3.1

Definio

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

10

2.3.2

Caractersticas do Processo de Deciso . . . . . . . . . . . . . .

10

2.3.3

Classificao das Decises . . . . . . . . . . . . . . . . . . . . .

11

2.3.4

Algumas tcnicas segundo o grau de estruturao da deciso . .

12

2.3.5

Sobre Deciso Racional . . . . . . . . . . . . . . . . . . . . . . .

13

2.4

A Natureza da Pesquisa Operacional . . . . . . . . . . . . . . . . . . .

14

2.5

Fases de um Estudo de Pesquisa Operacional . . . . . . . . . . . . . . .

14

2.6

1a. Lista de Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . .

17

2.3

SUMRIO

3 Programao Linear

19

3.1

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

19

3.2

Problemas de Programao Linear (PPL) e Modelagem Matemtica . .

19

3.2.1

Formulao Matemtica do PPL . . . . . . . . . . . . . . . . . .

20

3.2.2

Exerccios de Fixao . . . . . . . . . . . . . . . . . . . . . . . .

21

Soluo Grfica de um Problema de Programao Linear (PPL) . . . .

24

3.3.1

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

24

3.3.2

Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

24

3.3.3

Exerccios de Fixao . . . . . . . . . . . . . . . . . . . . . . . .

28

3.3.4

Tipos de Soluo de um PPL Ilustrados por Resoluo Grfica .

29

Diferentes Formas de um PPL . . . . . . . . . . . . . . . . . . . . . . .

31

3.4.1

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

31

3.4.2

Transformao de PPLs para a Forma Padro . . . . . . . . . .

33

3.4.3

Exerccios de Fixao . . . . . . . . . . . . . . . . . . . . . . . .

34

Solues Bsicas de um Sistema de Equaes Lineares m n, m n e


a Resoluo de um PPL Utilizando Solues Bsicas . . . . . . . . . . .

35

3.5.1

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

35

3.5.2

Soluo Geral e Soluo Bsica de um Sistema de Equaes Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

36

Aplicao dos Resultados: Um mtodo de Soluo de PPL . . .

37

O Mtodo Simplex . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

38

3.6.1

Princpios Bsicos . . . . . . . . . . . . . . . . . . . . . . . . . .

38

3.6.2

Idia Resumida sobre o Mtodo Simplex . . . . . . . . . . . . .

42

3.6.3

Mtodo Simplex em Tabelas (Tabular) . . . . . . . . . . . . . .

42

3.6.4

Exerccio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

43

3.6.5

Soluo Inicial Artificial . . . . . . . . . . . . . . . . . . . . . .

44

3.6.6

Casos Especiais do Mtodo Simplex . . . . . . . . . . . . . . . .

47

3.3

3.4

3.5

3.5.3
3.6

Captulo 1
Apresentao
Nesta apostila/disciplina no temos a pretenso de apresentar tudo sobre Pesquisa
Operacional (P.O.) mas sim de introduzir algumas das principais tcnicas de P.O.
bem como algumas idias sobre outras no menos importantes para resolver problemas
prticos que podem surgir na vida profissional.

1.1

Ementa

Introduo P.O.: a tomada de deciso, definio de P.O., fases de um estudo de P.O..


Problemas de Programao Linear (P.P.L.): modelagem e resolues - Grfica, pela
Soluo Bsica (algbrica) e Mtodo Simplex. Uso de programas computacionais para
a resoluo de P.P.L.s: ferramenta Solver do Excel, software TORA, etc. Anlise de
Sensibilidade: preo dual e custo reduzido. Dualidade e Anlise de Ps-otimizao.
Problemas de Transporte e Designao e noes sobre outras tcnicas de P.O.

1.2

Objetivos

Apresentar a Pesquisa Operacional como uma cincia que tem por objetivo auxiliar gerentes e administradores na tomada de decises;
Estudar Programao Linear (P.L.) por ser uma das tcnicas mais utilizadas na
prtica;
Apresentar algumas tecnologias computacionais tais como a ferramenta Solver do
Excel, software TORA, etc., para a resoluo de P.P.L.s;
Estudar algoritmos para a resoluo de Problemas de Transporte e Designao;
Apresentar noes sobre outras tcnicas de P.O.
5

CAPTULO 1. APRESENTAO

1.3

Contedo Programtico

Unidade I
Introduo P.O.: conceitos e definies sobre tomada de deciso, modelagem e
P.O.. Fases de um Estudo de P.O.. Modelagem de Problemas de P.L., resoluo
de PPL grfica e por soluo bsica(algbrica). O uso do software TORA.
Unidade II
Resoluo de P.P.L.s pelo Mtodo Simplex: Princpios, Simplex Tabular e Mtodo
das duas fases. Anlise de Sensibilidade: preo dual e custo reduzido. Dualidade
e Anlise de Ps-otimizao. O uso da ferramenta Solver do Excel e do software
TORA.
Unidade III
Problemas de Transporte e Designao e, possivelmente, de outra(s) tcnica(s)
de P.O..

1.4

Mtodo de Ensino

Exposio de problemas acompanhados de explicaes intuitivas e tericas de


alguma tcnica de P.O. com o objetivo de resolver tais problemas;
Proposio de problemas para serem resolvidos pelos prprios alunos objetivando
a entrega de tais solues no formato de relatrio tcnico e/ou seminrio.

1.5

Avaliaes e Horrios de Atendimento

Trs (3) provas com direito a uma (1) reposio. Exame final.
Trabalhos no formato de relatrios tcnicos e/ou seminrios desenvolvidos no
decorrer da disciplina tambm podero, mas no necessariamente, serem considerados na composio das notas de cada prova.

1.6. BIBLIOGRAFIA

1.5.1

Data das Provas e Contedo


Tabela 1.1: Data das
Data
Contedo
19 Dezembro Unidade I
13 Maro
Unidade II
22 Abril
Unidade III

1.5.2

provas e contedos.
Data
Contedo
29 Abril
Reposio
06 Maio Exame Final

Horrios de Atendimento

Acessar: http://sites.google.com/site/gilbertosmatos1

1.6

Bibliografia

Bsica
Hamdy A. Taha. Pesquisa operacional. 8a. ed.. Pearson Book.
Andrade, Eduardo Leopoldino. 4a. ed. Introduo Pesquisa Operacional:
mtodos e modelos para anlise de decises. gen / LTC.
Lachtermarcher, Gerson. Pesquisa operacional na tomada de decises. 4a. ed.
So Paulo: Pearson - Prentice Hall.
Render, Barry M.; Stair, Ralph M.; Hanna, Michael E.. Anlise Quantitativa
para Administrao com Excel e POM-QM para Windows. 10a. ed.. Bookman.
Complementar
Arenales, Marcos; Armentano, Vincius Amaral; Morabito, Reinaldo; Yanasse,
Horacio Hideki (2006). Pesquisa Operacional - Modelagem e Algoritmos.
Ermes Medeiros da Silva et. all (1998). Pesquisa Operacional: Programao
linear. Simulao. 3a. ed.. Ed. Atlas.
Yoshida, Luzia Kazuko (1987). Programao Linear. So Paulo: Atual.

CAPTULO 1. APRESENTAO

Captulo 2
Introducao Pesquisa Operacional
2.1

Objetivos do Captulo

Definir PO;
Discutir e definir o conceito de deciso;
Discutir sobre o processo de deciso e suas classificaes;
Discutir sobre deciso racional;
Discutir a Natureza da PO;
Conhecer as Fases de um Estudo de PO.

2.2

2.2.1

Pesquisa Operacional: o que , quando e como


surgiu?
O que Pesquisa Operacional?

Como o prprio nome sugere, Pesquisa quer dizer Estudo e Operacional quer dizer
das Operaes/Atividades. Neste contexto, podemos dizer que:
Pesquisa Operacional - uma cincia que se utiliza de um conjunto de tcnicas
quantitativas que tem por objetivo estudar as atividades ou operaes de uma organizao com o intuito de auxiliar os gerentes e administradores na tomada de decises.

10

CAPTULO 2. INTRODUCAO PESQUISA OPERACIONAL

2.2.2

Quando e como surgiu a Pesquisa Operacional?

A PO apareceu pela a primeira vez durante a Segunda Guerra Mundial, quando


equipes de pesquisadores procuraram desenvolver mtodos para resolver determinados problemas de operes militares.
O sucesso das aplicaes dos mtodos desenvolvidos levou o mundo acadmico e
empresarial a procurar utilizar as tcnicas em problemas de administrao.

2.2.3

Cientistas...

Em 1947, George Dantzig e outros cientistas do Departamento da Fora Area


Americana apresentaram um mtodo denominado Simplex para a resoluo dos
Problemas de Programao Linear (PPL);
Outros cientistas que dedicaram os seus estudos PO ( Pesquisa do timo)
foram:
Na antiguidade:
Euclides, Newton, Lagrange, dentre outros;
No sculo XX:
Leontief, Von Neumann, Kantarovich, dentre outros.

2.3
2.3.1

Um pouco da Teoria das Decises


Definio

Dentre outras definies, uma delas diz:


Definio 2.3.1. Uma deciso um curso de ao escolhido pela pessoa, como o
meio mais efetivo a sua disposio, para obter os objetivos procurados, ou seja, para
resolver o problema que a incomoda.

2.3.2

Caractersticas do Processo de Deciso

O Processo de Deciso:
1. Seqencial
consequncia de uma srie de fatos anteriores que criaram as bases para
se chegar a deciso.
Uma deciso significativa uma compilao de muitas decises. Frequentemente requer um longo perodo de tempo.

2.3. UM POUCO DA TEORIA DAS DECISES

11

2. Complexo
Consiste de um inter-relacionamento entre pessoas, responsabilidades pelo
servio, comunicao e sistemas de informaes, cdigos de tica e moral e,
s vezes, interesses e objetivos diferentes dos participantes.
3. Envolve valores subjetivos
Muitas vezes desejvel que a maior parte de um processo de deciso seja
identificvel e claro, podendo ser repetido por outras pessoas ou em outras
ocasies;
No entanto, impossvel que inmeros fatores intuitivos, provenientes de
experincia pessoal e personalidade no interfiram no processo decisrio.
4. Em ambiente institucional
O inter-relacionamento entre pessoas, a forma como se processa o fluxo de
informaes, as caractersticas da organizao e o sistema hierrquico so
fatores que afetam fundamentalmente o processo de tomada de deciso.

2.3.3

Classificao das Decises

Uma classificao geral onde as decises so vistas luz do nvel em que ocorrem dentro de uma empresa e do grau de complexidade envolvido dada e exemplificada
abaixo:

1. Nvel Estratgico
Diz respeito a sua importncia e abrangncia com relao organizao.
Quanto mais as atividades de uma organizao forem afetadas pela deciso,
mais estratgica ser.
2. Grau de Estruturao (complexidade)
Uma deciso to mais estruturada quanto mais intimamente o processo
puder ser acompanhado ou mesmo repetido por outras pessoas, em outras
ocasies.

12

CAPTULO 2. INTRODUCAO PESQUISA OPERACIONAL

Grau de
Estruturao
alto
mdio
baixo

Administrao de
estoques
Financiamento do
capital de giro
Escolha de manchete
de jornal
operacional

Programao da
produo
Programao
oramentria
Contratao de um
diretor de planejamento
gerencial

Localizao de
uma nova fbrica
Diversificao pela
aquisio de outra empresa
Aprovao de um programa de
pesquisa e desenvolvimento
corporativo
Nvel Estratgico

2.3.4

Algumas tcnicas segundo o grau de estruturao da deciso

Para problemas com:


Alto grau de estruturao
Programao Linear (PL)
Problemas de distribuio de recursos
Problemas de transporte
Problemas de planejamento da produo
Problemas de corte de materias, etc.
Programao No Linear (PNL)
Programao Inteira
Teoria das filas
Organizao do trfego areo
Construo de barragens, etc.
Teoria dos estoques
Programao dinmica, etc.
Grau de estruturao mdio

Anlise estatstica
Simulao
Anlise de risco
teoria dos jogos

Observao: em todas as situaes essas tcnicas dependem de uma ferramenta


extremamente til que :
O Computador

2.3. UM POUCO DA TEORIA DAS DECISES

2.3.5

13

Sobre Deciso Racional

Definio 2.3.2 (Deciso racional). aquela que, de forma efetiva e eficiente,


garante a realizao dos objetivos preestabelecidos, para os quais os meios e recursos
foram reservados.

Obstculos a uma deciso racional


Limitaes de carter pessoal - fora do hbito, falta de memria e distrao,
prejulgamentos e valores pessoais.
Limitaes de carter poltico - necessidade de compromisso entre diferentes
posies e rgos da empresa.
O fator tempo - s vezes a urgncia de uma soluo leva a uma deciso com
conhecimento incompleto dos dados do problema.

Duas dificuldades inerentes ao problema


1. Escolha do problema certo para resolver - o primeiro passo para uma tomada de deciso racional saber qual problema que requer soluo e isto nem
sempre fcil.
necessrio observar sintomas tais como: reclamaes, atrasos, prejuzos,
etc.
Deve-se identificar claramente qual o problema que causa aqueles
efeitos pertubadores.
2. Conhecimento insuficiente
O ideal seria ter o conhecimento completo de todas as alternativas e
consequncias possveis das decises.
Na prtica as decises so tomadas com base em informaes incompletas ou parciais.
Informao tem custo - quanto mais informaes forem exigidas mais
tempo e dinheiro sero necessrios.
Informao demais pode prejudicar - a anlise de muitas informaes
exige tempo e habilidades extras.
No caso de pouca ou falta de informaes - a experincia pessoal
pode ser fundamental para a tomada de deciso racional.

14

CAPTULO 2. INTRODUCAO PESQUISA OPERACIONAL

2.4

A Natureza da Pesquisa Operacional

Um estudo de Pesquisa Operacional consiste, basicamente, em construir um


modelo de um sistema real como meio de analisar e compreender o comportamento do mesmo.
O sistema pode atualmente existir e neste caso o objetivo analis-lo e
escolher uma ao para aprimor-lo.
O sistema pode ainda estar em concepo e neste caso o objetivo
identificar a melhor estrutura do sistema futuro.
A influncia de um nmero muito grande de variveis sobre o sistema real bem
como a relao entre elas contribuem para a complexidade do sistema.
Ainda que um sistema real seja complexo, o sistema muitas vezes pode
ter o comportamento fundamentalmente influenciado por uma quantidade
reduzida de variveis principais.
A simplificao do sistema real em termos de um modelo passa primeiramente pela identificao dessas variveis principais.

2.5

Fases de um Estudo de Pesquisa Operacional

Nesta seo procuramos descrever resumidamente sobre as principais fases/etapas necessrias para o desenvolvimento de um estudo ou projeto de Pesquisa Operacional.
De modo geral, podemos dizer que as principais fases so:
1. Formulao/Definio do Problema
muito difcil procurar uma soluo certa para um problema mal
formulado!!!
A frase acima resume muito bem a grande importncia de se definir bem um
problema em um estudo de PO. Nesta fase, trs (3) aspectos principais devem
ser discutidos:
Descrio exata dos objetivos do estudo;
Identificao das alternativas de deciso existentes;
Reconhecimento das limitaes, restries e exigncias do sistema(realidade).
2. Construo do Modelo
Um modelo uma representao simplificada de uma situao da vida real e
reflete a essncia do problema formulado. Um modelo matemtico nesta fase
pode muitas vezes formalizar esta representao simplificada em termos de smbolos e expresses matemticas. Alguns aspectos fundamentais para a construo
do modelo so:

2.5. FASES DE UM ESTUDO DE PESQUISA OPERACIONAL

15

Simplificar sem perder a essncia do problema


A formulao matemtica de um problema deve iniciar por um modelo mais
simples possvel mas de tal forma que as solues possam ser aplicadas na
vida real.
Processo em Espiral
A modelagem desenvolve-se em forma de espiral, comeando por uma representao simplificada do problema at se chegar, aps vrios ciclos, a uma
representao mais prxima da realidade.
Escolha do modelo certo
Por vezes o problema pode ser representado por modelos j desenvolvidos
pela Pesquisa Operacional, como, por exemplo: modelos de Programao
Linear, modelos de Programao No-Linear, Programao dinmica, Problema de transporte, etc.
3. Soluo do Modelo
Nesta etapa o analista de PO deve conhecer as principais tcnicas de soluo e algoritmos mais adequados em termos de rapidez de processamento computacional
e preciso da resposta. O uso de softwares adequados de grande importncia
nesta etapa.
4. Validao do Modelo
Nesta fase necessrio avaliar se o modelo; apesar de sua inexatido em representar o sistema real; ainda capaz de fornecer uma previso aceitvel do
comportamento do sistema.
Um mtodo utilizado para validar um modelo consiste em analisar o seu desempenho com o uso de dados passados do sistema, verificando se o modelo reproduz
bem o comportamento que o sistema manifestou. Dependendo das concluses
desta avaliao, os seguintes passos so adotados:
Avaliao satisfatria - procede-se tomada de deciso e busca-se a implementao da soluo no sistema real.
Avaliao no-satisfatria - procede-se reformulao, remodelao e
resoluo do novo modelo.
importante destacar que a validao de um modelo aplicado a sistemas inexistentes pode ser feita pela verificao da correspondncia entre os resultados
obtidos e algum comportamento esperado do novo sistema.
5. Implementao da Soluo
Uma vez validado o modelo e as solues obtidas necessrio implement-las no
sistema real e como esta uma atividade que altera uma situao existente
preciso envolver ativamente a administrao e todas as componentes que atuam
no sistema em estudo.

16

CAPTULO 2. INTRODUCAO PESQUISA OPERACIONAL


Nesta fase necessrio a existncia de uma equipe que controle, supervisione e
esteja apta a reformular algumas partes do modelo mediante s novas situaesproblemas do sistema real. Se necessrio, modelos mais complexos devem ser
considerados.
6. Avaliao Final
A avaliao dos resultados obtidos em qualquer etapa do processo de fundamental importncia, pois isto garantir melhor adequao das decises s necessidades
do sistema e aceitao mais fcil dessas decises por todos os setores envolvidos.

2.6. 1A. LISTA DE EXERCCIOS

2.6

17

1a. Lista de Exerccios

1) (Passagens areas) Imagine que voc tenha um compromisso de trabalho de


cinco (5) semanas entre Joo Pessoa (JP) e Recife (Rec). Voc pega um avio
em Joo Pessoa na segunda-feira e volta na quarta-feira. Uma passagem area
normal de ida e volta custa R$ 400,00, mas h um desconto de 20% se as datas
do bilhete abrangerem um final de semana. Uma passagem s de ida em qualquer
direo custa 75% do preo normal. Como seria mais conveniente voc comprar
as passagens para o perodo de cinco semanas? Obs.: Considere trs ou quatro
opes/alternativas viveis e decida pela mais conveniente.
2) Considere a montagem de um retngulo de rea mxima com um pedao de fio
de comprimento L centmetros. Qual deveria ser a largura(l) e a altura(a) do
retngulo?
a) Identifique duas solues viveis e determine qual delas a melhor.
b) Determine a soluo tima para este problema. (Sugesto: use a restrio
para expressar a funo objetivo em termos de uma s varivel e a partir
da utilize o clculo diferencial.)
3) Certa vez, trs amigos inseparveis, em uma de suas viagens, tiveram que atravessar um rio usando um barco mas o barco s suportava no mximo 150 Kg e
dois destes amigos pesavam 75 Kg, j o terceiro pesava 150 Kg. claro que o
barco no podia nem ir e nem voltar sem ningum dentro e assim o problema :
como os trs amigos, nestas condies, podem atravessar o rio de um lado para
o outro?
4) Amy, Jim, John, e Kelly esto em p na margem leste de um rio e querem
atravessar para a margem oeste usando uma canoa. A canoa pode levar no
mximo duas pessoas por vez. Amy, que tem a constituio mais atltica, pode
atravessar o rio a remo em 1 minuto. Jim, John e Kelly levariam 2, 5 e 10 minutos,
respectivamente. Se houver duas pessoas na canoa, a mais lenta determinar o
tempo da travessia. O objetivo que os quatro estejam do outro lado do rio no
menor tempo possvel.
a) Identifique no mnimo dois planos viveis para atravessar o rio (lembre-se de
que a canoa o nico meio de transporte, e no pode ir nem voltar vazia).
b) Defina o critrio para avaliar as alternativas.
c) Qual o menor tempo para transportar os quatro para o outro lado do rio?
(Obs.: a soluo deste problema dada no Apndice C do livro de P.O. do
Taha)

18

CAPTULO 2. INTRODUCAO PESQUISA OPERACIONAL

Captulo 3
Programao Linear
3.1

Introduo

A programao linear pertence a uma classe de problemas chamada de otimizao que


visa maximizar ou minimizar (otimizar) uma funo de vrias variveis sujeita a certas
restries.
A principal caracterstica da programao linear consiste do fato de que tanto a
funo (funo objetivo) a ser maximizada (ou minimizada) como tambm as restries podem ser representadas por expresses lineares e devido a esta linearidade,
mtodos numricos simples e eficientes podem ser utilizados para resolver tais problemas.
Veremos, agora, um exemplo simples de problema que pode ser formulado/modelado
como de programao linear.

3.2

Problemas de Programao Linear (PPL) e Modelagem Matemtica

Exemplo 3.2.1 (Fbrica 1). Uma pequena indstria produz artigos A1 e A2 que
so vendidos a 200 u.m. (unidades monetrias) e 300 u.m., respectivamente. Na sua
produo so utilizados 3 tipos de matrias-primas, P1 , P2 e P3 , que so gastas da
seguinte forma:
2 unidades de P1 para fabricar 1 unidade de A1 ,
4 unidades de P2 para fabricar 1 unidade de A1 ,
1 unidade de P1 para fabricar 1 unidade de A2 ,
1 unidade de P3 para fabricar 1 unidade de A2 ,
Por razes econmicas, as matrias-primas P1 , P2 e P3 esto disponveis no
mximo em 20, 32 e 10 unidades, respectivamente.
19

20

CAPTULO 3. PROGRAMAO LINEAR

O dono da empresa deseja saber as quantidades dos produtos A1 e A2 que devem


ser produzidas para que a receita bruta seja a maior possvel.

3.2.1

Formulao Matemtica do PPL

Para resolver o problema da Fbrica 1 vamos formular o problema como um problema de programao linear. Para isto, necessrio realizarmos algumas suposies,
definirmos algumas variveis ditas de deciso e representar as informaes do problema
em termos de expresses matemticas. Vejamos:
Suposies para a modelagem matemtica:
(a) Supor que a quantidade do produto a ser vendida igual a quantidade do produto
a ser fabricada, isto , no h estoque;
(b) Supor que a receita bruta proporcional quantidade vendida;
(c) Supor que as matrias-primas gastas so proporcionais s quantidades produzidas, ou seja, no h desperdcio de matria-prima;
(d) Admitir que quantidades negativas dos produtos A1 e A2 no tero significado
algum.
Definio de variveis de deciso:
Agora, observe que podemos considerar as seguintes variveis ditas de deciso:
x1 : quantidade a ser produzida dos produtos A1 , e
x2 : quantidade a ser produzida dos produtos A2
Definio da Funo Objetivo (F.O.):
Aps interpretar as hipteses (a) e (b), verificamos que podemos exprimir a receita
bruta como funo das variveis x1 e x2 , da seguinte forma:
f (x1 , x2 ) = 200x1 + 300x2 ,
Esta funo denominada Funo Objetivo (F.O.) e dever ser maximizada com
relao s variveis x1 e x2 de modo que a receita bruta ser a maior possvel, conforme
o dono da fbrica deseja.
Definir e escrever as restries do problema em termos de inequaes
lineares:
Observe que existe limite na disponibilidade das matrias-primas e isto requer
que restries sejam consideradas no problema que estamos modelando. Portanto,
admitindo a hiptese (c), para cada matria-prima temos uma restrio que pode ser
expressa da seguinte forma:

3.2. PROBLEMAS DE PROGRAMAO LINEAR (PPL) E MODELAGEM MATEMTICA21


- para a matria-prima P1 :

2x1 + x2 20

- para a matria-prima P2 :

4x1 32

- para a matria-prima P3 :

x2 10.

Resumindo o Problema formulado:


Assim, possvel escrever, de forma sucinta, o problema do seguinte modo:
"Encontre, se existir, o par (x1 , x2 ), tal que a funo f (x1 , x2 ) = 200x1 + 300x2 ,
sujeita s restries
x2 20
32
x2 10
x1 0, x2 0
(hiptese d),
2x1
4x1

assuma o maior valor possvel."


O Problema de Programao Linear (PPL) na Forma Matemtica Geral :
Finalmente, o problema formulado pode ser escrito da seguinte forma matemtica
geral:
Maximizar 200x1 + 300x2 ,
Sujeito a
2x1 +
x2 20
4x1
32
x2 10
x1 0, x2 0.

3.2.2

Exerccios de Fixao

Desenvolva e apresente os modelos de programao linear correspondentes aos seguintes


problemas:
1. (Marcenaria) Este exemplo nos ajudar a compreender os princpios bsicos do
Mtodo Simplex e foi extrado do livro: Andrade, Eduardo Leopoldino, 1990.
Formulao do problema:
O gerente de uma marcenaria deseja estabelecer uma programao diria de produo. Nesta marcenaria apenas dois produtos so fabricados: mesa e armrio,
ambos de um s modelo. Por simplicidade consideramos que a marcenaria tem
limitaes em somente dois recursos: madeira e mo-de-obra, cujas disponibilidades dirias so mostradas na seguinte tabela:

22

CAPTULO 3. PROGRAMAO LINEAR


Tabela 3.1: Disponibilidades diria de recursos.
Recurso
Disponibilidade
Madeira
12 m2
Mo-de-obra (horas/Unid.)
8 H.h. (Horas homem)

O processo de produo tal que:

Para fazer 1 mesa, gasta-se:


2 m2 de madeira
2 H.h. de mo-de-obra
Para fazer 1 armrio, gasta-se:
3 m2 de madeira
1 H.h. de mo-de-obra

Sabe-se, ainda, que:

O lucro de cada mesa de 4 u.m. (unidades monetrias)


O lucro de cada armrio de 1 u.m. (unidade monetria)

O problema do fabricante : encontrar o programa de produo que maximiza o


lucro total.
Este problema extremamente simples e por isso possvel resolvlo usando
apenas algumas consideraes qualitativas, o que possibilita compreender os fundamentos do mtodo Simplex que veremos posteriormente.

2. (Agricultura 1) Um agricultor precisa adubar a sua plantao e dispe de dois


tipos de adubo. O primeiro tipo contm 3 g de fsforo, 1 g de nitrognio e 8 g
de potssio, e custa 10 u.m. (unidades monetrias) por quilograma. O segundo
contm 2 g de fsforo, 3 g de nitrognio e 2 g de potssio, e custa 8 u.m. por
quilograma. O agricultor sabe que um quilograma de adubo d para 10 m2 de
terra, e que o solo em que esto suas plantaes necessita de pelo menos 3 g de
fsforo, 1,5 g de nitrognio e 4 g de potssio a cada 10 m2 . Nestas condies,
quanto o agricultor deve comprar de cada adubo, para cada 10 m2 , de modo a
conseguir ter o mnimo custo?

3.2. PROBLEMAS DE PROGRAMAO LINEAR (PPL) E MODELAGEM MATEMTICA23


3. (Marketing 1) O departamento de marketing de uma empresa estuda a forma
mais econmica de aumentar em 30% as vendas de seus dois produtos P1 e P2 .
As alternativas so:
a) Investir em um programa institucional com outras empresas do mesmo ramo.
Esse programa requer um investimento mnimo de R$ 3.000,00 e deve proporcionar um aumento de 3% nas vendas de cada produto, para cada R$ 1.000,00
investidos.
b) Investir diretamente na divulgao dos produtos. Cada R$ 1.000,00 investidos
em P1 retornam um aumento de 4% nas vendas, enquanto que para P2 o retorno
de 10%.
A empresa dispe de R$ 10.000,00 para esse empreendimento. Quanto dever
destinar a cada atividade?

24

CAPTULO 3. PROGRAMAO LINEAR

3.3

Soluo Grfica de um Problema de Programao


Linear (PPL)

Observao: Trazer rgua, lpis e borracha para as aulas de soluo grfica, e, se


possvel, notebook para o uso do software TORA disponibilizado no site do livro de
PO do autor Taha.

3.3.1

Introduo

At o momento, apenas formulamos alguns problemas como sendo de programao


linear. Na verdade, o que fizemos foi transpor uma realidade existente em determinado
ambiente (e.g. indstria e terras agrculas) para um modelo matemtico que procura
represent-lo da melhor forma possvel. Este procedimento pode ser considerado como o
primeiro passo para a resoluo de problemas de otimizao. O prximo passo consiste
em buscar a melhor soluo para o problema em questo.
Nesta seo, veremos como obter solues, caso existam, atravs de grficos. Em
particular, veremos como obter solues grficas para problemas de P.L. que envolvem
apenas 2 variveis; pois, a soluo grfica para problemas que envolvem 3 variveis,
em geral, no fcil e para 4 ou mais variveis, a resoluo de um P.P.L s possvel
algebricamente.
Para ilustrar o mtodo grfico de soluo de um P.P.L. continuaremos com a
resoluo dos problemas de programao linear j formulados na seo anterior.

3.3.2

Exemplo

Exemplo 3.3.1 (Cont. Fbrica 1). Para o problema da Fbrica 1, o seguinte P.P.L
foi considerado:
Maximizar 200x1 + 300x2 ,
Sujeito
2x1 +
x2 20
4x1
32
x2 10
x1 0, x2 0.
Ento, a soluo grfica consiste em desenvolver os seguintes passos:
10 ) Determinar o conjunto de pontos (x1 , x2 ) <2 que satisfazem as restries do
problema de programao linear. Para isso, deve-se determinar os pontos do plano que
satisfazem cada uma das inequaes das restries, tais como:
(a) pontos que satisfazem a primeira inequao:
(Esboar a regio do plano que satisfaz a primeira inequao)

3.3. SOLUO GRFICA DE UM PROBLEMA DE PROGRAMAO LINEAR (PPL)25


(b) pontos que satisfazem a segunda inequao:

(Esboar a regio do plano que satisfaz a segunda inequao)

(c) pontos que satisfazem a terceira inequao:

(Esboar a regio do plano que satisfaz a terceira inequao)

(d) pontos que satisfazem a condio de no-negatividade:

(Esboar a regio do plano que satisfaz a condio de no-negatividade)

Antes de prosseguirmos busca grfica de uma soluo tima para o PPL, o


conhecimento da seguinte definio de fundamental importncia.
Definio 3.3.1 (Regio Vivel). o conjunto de pontos que satisfaz todas as
restries. Esta regio tambm conhecida por conjunto de solues (ou pontos)
viveis.

Portanto, a regio vivel, ou seja, os pontos que satisfazem todas as restries


estaro na interseco das regies encontradas em (a), (b), (c) e (d).
(Esboar a regio do plano que satisfaz todas as restries)

26

CAPTULO 3. PROGRAMAO LINEAR

Vejamos, agora, o prximo passo para a obteno da soluo tima do P.P.L.


atravs do mtodo grfico.
20 ) Aps identitificar no plano (grfico) o conjunto de solues viveis, o problema
se torna o seguinte:
Determinar, se existir, um ponto (x1 , x2 ) pertencente ao conjunto de pontos viveis, de tal forma que a funo f (x1 , x2 ) = 200x1 +300x2 assuma o maior valor possvel.

Uma das maneiras de obter a soluo tima, isto , o ponto (x1 , x2 ) da regio
vivel que maximiza a funo f (x1 , x2 ) = 200x1 + 300x2 , consiste em atribuir alguns
valores para a funo, obtendo, assim, o que se chama de Curvas de Nvel. Para este
problema, em particular, alguns exemplos de curvas de nvel so:
200x1 + 300x2 = 1200
200x1 + 300x2 = 2400
200x1 + 300x2 = 3600
E as curvas de nvel representadas no sistema de eixo cartesiano sero da forma:
(Esboar as curvas de nvel no sistema de eixo cartesiano)

Observe que:
As curvas de nvel so todas retas paralelas e
A funo objetivo assume valor cada vez maior num determinado sentido.
possvel provar que as curvas de nvel so perpendiculares ao vetor gradiente da funo; ou seja; as curvas de nvel da funo f (x1 , x2 ) = 200x1 + 300x2 so

3.3. SOLUO GRFICA DE UM PROBLEMA DE PROGRAMAO LINEAR (PPL)27


perpendiculares ao vetor


f (x1 , x2 ) f (x1 , x2 )
,
x1
x2


= (200, 300).

Alm disso, o vetor gradiente nos fornece o sentido de crescimento da funo.


(Esboar, no grfico anterior, o vetor gradiente perpendicular s curvas de nvel,
indicando o sentido de crescimento da funo objetivo f (x1 , x2 ) = 200x1 + 300x2 )
Finalmente, diante destas informaes, poderemos determinar uma soluo tima
para o problema, se existir. Para isto, observe o seguinte grfico:
(Esboar a regio vivel juntamente com o vetor gradiente e vrias curvas de nvel no
sentido de crescimento (mximo) da funo objetivo cujo(s) ponto(s) ainda
pertena(m) regio vivel)

A partir deste grfico, pode-se observar que a curva de nvel de maior valor dentro
da regio vivel a reta que passa pelo ponto de coordenadas (x1 , x2 ) = (5, 10).
Portanto, o ponto (x1 , x2 ) = (5, 10) a soluo do problema e o maior valor que a
funo pode assumir f (x1 , x2 ) = 200x1 + 300x2 = 200.5 + 300.10 = 4000.
Dizemos que (x1 , x2 ) = (5, 10) uma soluo tima, e o valor da funo f (x1 , x2 ) =
4000 o valor timo do problema.
Para finalizar, devemos descrever a soluo do problema da seguinte forma:
Sendo x1 e x2 a quantidade do produto A1 e A2 a ser produzida, respectivamente;
o dono da empresa deve produzir 5 unidades do produto A1 e 10 unidades do produto
A2 e a receita bruta mxima de 4000 u.m.

28

3.3.3

CAPTULO 3. PROGRAMAO LINEAR

Exerccios de Fixao

Resolva; se possvel; pelo mtodo da soluo grfica os PPLs modelados na Seo


anterior. Resolva-os manualmente e usando o software TORA.

3.3. SOLUO GRFICA DE UM PROBLEMA DE PROGRAMAO LINEAR (PPL)29

3.3.4

Tipos de Soluo de um PPL Ilustrados por Resoluo


Grfica

Na seo anterior, foi ilustrado alguns problemas de PPL cujas solues timas puderam ser obtidas a partir de anlises grficas. Nestes exemplos, foi possvel verificar
a existncia de uma nica soluo tima. Acontece que nem sempre isso ocorre, ou
seja, existem problemas em que existem infinitas solues timas ou at mesmo
problemas em que a soluo tima seja impossvel ou invivel de ser obtida. Existem, ainda, problemas cujo valor da funo pode crescer (ou decrescer) indefinidamente
dentro da regio vivel, e, nestes casos, dizemos que os problemas so ilimitados.
Para uma melhor compreenso deste assunto, obtenha a soluo dos seguintes
problemas de programao linear atravs do mtodo grfico e classifique os problemas
segundo o tipo de soluo obtido.

1 - Desenvolva, apresente e interprete a soluo grfica para os seguintes problemas


de programao linear:
a)
max
sujeito a

2h1
h1
2h1
2h1

+
+
+

3h2
h2 50
3h2 70
20
3h2 30

h1 0, h2 0.
b)
min
sujeito a

30x1
+
20x2
4x1
+
x2 20
x1
+
2x2 10
x1
2
x1 0, x2 0.

max
sujeito a

x1
+
2x2
4x1
+
x2 20
x1
+
2x2 10
x1
2
x1 0, x2 0.

min
sujeito a

x1
+
x2
2x1
+
x2 2
x1

2x2 2
x1 0, x2 0.

c)

d)

30

CAPTULO 3. PROGRAMAO LINEAR


e)
max
sujeito a

x1
+
x2
2x1
+
x2 2
x1

2x2 2
x1
+
x2 4
x1 0, x2 0.

f)
max
sujeito a

x1

x1 0, x2 0.

x2
x2 1
x2 2

3.4. DIFERENTES FORMAS DE UM PPL

3.4

31

Diferentes Formas de um PPL

3.4.1

Introduo

Qualquer problema de programao linear pode ser escrito na forma que chamaremos
geral, mas, por convenincia, qualquer PPL tambm pode ser escrito sob outras formas
e representaes. A principal forma de um PPL que estudaremos a padro e as
possveis representaes de um PPL so: cartesiana, matricial e vetorial. Vejamos,
agora, algumas definies e observaes sobre este assunto.

Definio 3.4.1 (Forma Padro). Dizemos que um problema de programao linear


est na forma padro quando encontra-se na seguinte forma:

Observaes:
a. As restries de um PPL na forma padro so todas escritas na forma de igualdades lineares (equaes lineares).
b. Qualquer PPL pode ser escrito na forma padro.
c. O PPL na forma padro acima encontra-se representado por uma notao
cartesiana. Agora, de forma equivalente, o PPL pode ser representado por uma
notao matricial, dada por: Notao matricial de um PPL na forma
padro

Em que:

32

CAPTULO 3. PROGRAMAO LINEAR


cT =
e
x=
e

A=

d. Um PPL na forma padro tambm pode ser representado por uma notao
vetorial, dada por:

Em que aj =
e
Exemplo: Dado o seguinte PPL na forma padro e representao cartesiana,
represente-o na forma matricial e vetorial:
Maximizar 5x1
Sujeito x1
2x1
3x1
x1 0,

+
+
+

3x2
2x2
x2
3x2
x2 0,

+
+

4x3 ,
x3
= 10
3x3
= 15
2x3
= 12
x3 0.

Definio 3.4.2 (Soluo Vivel e Regio Vivel). Uma soluo x = (x1 , . . . , xn )T


e
dita vivel se satisfaz todas as restries (2) e as condies de no-negatividade (3)
do PPL na forma padro. O conjunto de todas as solues viveis chamado regio
vivel.
Definio 3.4.3 (Soluo tima). Uma soluo vivel que fornece o maior valor
funo objetivo f chamada soluo tima, denotada por x = (x1 , . . . , xn )T .
e

3.4. DIFERENTES FORMAS DE UM PPL

33

Observao 1. Uma soluo tima se:


f (x1 , . . . , xn ) f (x1 , . . . , xn ), para qualquer soluo vivel x = (x1 , . . . , xn )T .
e

3.4.2

Transformao de PPLs para a Forma Padro

Foi dito anteriormente que qualquer PPL pode ser transformado para a forma padro.
Para isto importante saber que:
1. Minimizar f (x) = f (x1 , . . . , xn ) equivalente maximizar f (x) = f (x1 , . . . , xn )
e
e
(Prove!).
2. A isima restrio da forma:
pode ser transformada na seguinte igualdade:
em que xFi =
conhecida por varivel de folga.
3. A isima restrio da forma:
pode ser transformada na seguinte igualdade:
em que xFi 0.
Neste caso xFi tambm denominada varivel de folga ou de forma mais adequada
varivel de excesso.
4. Variveis negativas
Se na modelagem de um problema a varivel xi deve assumir um valor negativo,
esta varivel pode ser substituda por uma no-negativa da seguinte forma:
Substituir no modelo matemtico a varivel
xi 0
pela varivel
0

xi = xi 0
5. Variveis livres de sinal
Se xi irrestrita de sinal, ou seja, pode ser positiva, negativa ou nula, a varivel
dita livre e a mesma pode ser substituda por duas outras no-negativas. Para
isto note que qualquer nmero xi pode ser escrito como:

34

3.4.3

CAPTULO 3. PROGRAMAO LINEAR

Exerccios de Fixao

1 - Obtenha a forma padro dos seguintes problemas de programao linear:


a)
max
sujeito a

5x1
+
3x2
2x1
+
x2 8
x1

2x2 3
x1 0, x2 0.

max
sujeito a

5x1
+
3x2
2x1
+
x2 = 8
x1

2x2 3
x1 0, x2 0.

max
sujeito a

5x1
+
3x2
2x1
+
x2 8
x1

2x2 3
x1 0, x2 0.

b)

c)

d)
max
sujeito a

5x1
+
3x2
2x1
+
x2 8
x1

2x2 3
x1 0, x2 livre de sinal

e)
min
sujeito a

5x1
+
3x2
2x1
+
x2
x1

2x2
3x1

x2
x1 0, x2 0, x3 livre de sinal.

x3
+ 3x3 15
+ x3 10
+ 2x3 = 8

3.5. SOLUES BSICAS DE UM SISTEMA DE EQUAES LINEARES M N, M N E A RESO

3.5

3.5.1

Solues Bsicas de um Sistema de Equaes Lineares m n, m n e a Resoluo de um PPL


Utilizando Solues Bsicas
Introduo

J vimos que as restries de um PPL na forma padro formam um sistema de equaes


lineares. Veremos, agora, um mtodo para determinar algumas solues de um sistema
linear retangular (cujo nmero de equaes menor ou igual ao nmero de incgnitas,
m n, m n). Para iniciar, vejamos algumas definies importantes.
Definio 3.5.1 (Matriz Base ou Bsica). Dado um sistema de equaes lineares
m n, m n, Ax = b, A <mn , x <n , b <m , dizemos que uma submatriz B
e com
e det(B) 6= 0 (determinante
e
e
m m da matriz A,
no-nulo e, portanto, B invertvel)
uma matriz base ou bsica.
Definio 3.5.2 (Partio Bsica). A partio bsica uma reorganizao (partio) nas colunas da matriz de coeficientes A de um sistema de equaes lineares Ax = b
e e
descrita da seguinte forma:
A = [ B | N ].
Onde:
B - uma matriz m m bsica (m colunas de A invertvel).
N - a matriz no-bsica m (n m) formada pelas n m colunas de A que
no esto na matriz bsica B.
Observao 2. Para cada partio bsica tem-se associada uma partio no vetor x,
e
dada por:


x
x = eB ,
x
N
e
e
em que:
xB - o vetor de variveis (bsicas) diretamente associadas s colunas da matriz
e
bsica
B.
xN - o vetor de variveis (no-bsicas) diretamente associadas s colunas da
e
matriz
no-bsica N .
Exemplo 3.5.1. A partir do sistema de equaes lineares abaixo, obtenha todas as
parties bsicas possveis, identificando as variveis bsicas e no bsicas:


Soluo:

x1 + x2 + x3
= 4
x2 +
+ x4 = 2

36

CAPTULO 3. PROGRAMAO LINEAR

3.5.2

Soluo Geral e Soluo Bsica de um Sistema de Equaes Lineares

Quando uma partio bsica A = [ B | N


pode ser reescrito de forma equivalente como:

] considerada, o sistema Ax = b
e
e

BxB + N xN = b ,
e
e
e

pois


Ax = b
e e

A=[ B

| N

Segue, portanto, que a soluo dada por:

xB
e
x
N
e


=b
e

BxB + N xN = b.
e
e
e

xB = B 1 b B 1 N xN
e
e
e
denominada soluo geral de um sistema de equaes lineares.

(3.1)

Observao 3. Para obter uma soluo geral basta atribuir valores quaisquer s nm
variveis no-bsicas pertencentes ao vetor xN , obtendo-se assim, de forma nica, os
e vetor x .
m valores das variveis bsicas pertencente ao
B
e



xB
Definio 3.5.3 (Soluo Bsica). Uma soluo x = e
chamada soluo
xN
e
e
bsica quando as n m variveis no-bsicas do vetor xN da soluo geral so todas
e
iguais a zero. Desta forma, a soluo bsica assume a forma:

  1 
xB
B b
x= e
=
.
x
0e
N
e
e
e
Definio 3.5.4 (Soluo Bsica Vivel). Dizemos que uma soluo bsica
vivel quando xB 0. Neste caso, temos que:
e
e
  1 

xB
B b
0.
=
x= e
xN
0e
e
e
e
e
Propriedade 1 (2.1, pg. 73 de Arenales et al, 2006). Considere uma regio vivel
descrita como S = {x < tal que Ax = b, x 0}. Um ponto x S um vrtice de
e bsica
e e vivel.
e
e
S se e somente se x efor uma soluo
e
Consequncia: Uma regio vivel S tem um nmero finito de vrtices pois h
um nmero finito de parties bsicas, limitado por:


n!
n
=
,
m
m!(n m)!
em que n o nmero de variveis e m a quantidade de equaes.

3.5. SOLUES BSICAS DE UM SISTEMA DE EQUAES LINEARES M N, M N E A RESO


Propriedade 2 (ver Arenales et al, 2006). Se um problema de programao linear
tem soluo tima, ento existe um vrtice timo.
Observao 4. Provas das propriedades 1 e 2 podem ser encontradas, por exemplo,
em Bregalda et al. (1988).

3.5.3

Aplicao dos Resultados: Um mtodo de Soluo de


PPL

A partir dos resultados das sub-sees anteriores tornou-se possvel obter um mtodo
de soluo de PPLs que no necessariamente possuem apenas duas (2) variveis de
deciso mas sim duas (2) ou mais, como est descrito a seguir:
Consequncia (Um mtodo de Soluo de PPL):
Se existe uma soluo tima para um PPL, basta que se procure o timo entre
todas as solues bsicas viveis (vrtices da regio vivel).
Exemplo 3.5.2. Dado o seguinte PPL:
max
sujeito a

x1
x1

+
+

2x2
x2 4
x2 2

x1 0, x2 0.
a) Obtenha a forma padro deste PPL.
b) Determine quantas solues bsicas existem e obtenha-as.
c) Dentre as solues bsicas, obtenha as bsicas viveis e a soluo tima.
d) Desenvolva a soluo grfica do PPL e identifique graficamentes as solues
bsicas, bsicas viveis e tima obtidas no item anterior.
e) Qualquer soluo bsica um vrtice da regio vivel? Explique.
Resp.: Soluo tima: (x1 , x2 , x3 , x4 ) = (2, 2, 0, 0). Valor timo = 6. (x3 , x4 so variveis de folga).

Soluo:

38

CAPTULO 3. PROGRAMAO LINEAR

3.6
3.6.1

O Mtodo Simplex
Princpios Bsicos

O mtodo Simplex uma ferramenta utilizada normalmente para a resoluo de problemas de alocao de recursos e pertence a um captulo da Pesquisa Operacional
chamado de Programao Linear.
A partir deste momento, apresentamos a conceituao bsica do mtodo Simplex
atravs de um exemplo. Para isto devemos lembrar que o problema da marcenaria
pode ser modelado segundo um problema de programao linear expresso da seguinte
forma:
Maximizar Lucro L = 4x1
Sujeito
2x1
2x1
x1 0,

+
x2 ,
+
3x2 12
+
x2 8
x2 0.

Neste momento, resolveremos o PPL acima atravs de um raciocnio lgico que


se baseia nos princpios bsicos do mtodo simplex. Para isto resolveremos o PPL
respondendo algumas questes, vejamos.

Soluo do modelo:
Questo 1 : Observando o conjunto de restries do PPL da marcenaria (e a
regio vivel, caso exista), quantas combinaes de valores de x1 e x2 satisfazem tais
restries?
Resposta:
Exemplos de solues que satisfazem as restries:

Note que muitas outras combinaes podem ser testadas e muitas destas tambm
satisfazem as restries do PPL.

Questo 2 : Qual das combinaes x1 e x2 que alm de satisfazer as restries do


PPL, levam a um maior lucro?
Resposta: para responder a esta questo desenvolveremos os seguintes passos:
10 Passo: Admita como soluo inicial a mais pessimista, ou seja, no produzir
mvel algum na marcenaria. Neste caso, temos que:

3.6. O MTODO SIMPLEX

39

20 Passo: (10 Critrio)


Analisando a funo objetivo L = 4x1 + x2 qual sua sugesto com relao a
um primeiro produto a ser produzido? Voc comearia a produzir uma certa
quantidade x1 de mesas ou uma certa quantidade x2 de armrios? Por que?

Note que visando um maior lucro possvel razovel produzir uma quantidade de
mesas maior possvel mas para isto necessrio observar que h uma quantidade
limitada de recursos (madeira e mo-de-obra). Deste modo, se no produzimos
armrios, os seja, se x2 = 0, temos que as restries dos rescursos disponveis
ficam dadas por:

Deste modo:
Se considerarmos s o recurso madeira, devemos produzir:
Se considerarmos s o recurso mo-de-obra, devemos produzir:
Mas para produzir as mesas percebemos que necessrio considerar os dois
recurso simultaneamente de modo que s podemos produzir:
Segue assim que nossa segunda soluo para o problema dada por:

Note que esta soluo vivel pois de acordo com a soluo desenvolvida todas as
restries do problema so respeitadas. Veja:

Recapitulando:
1. Partimos de uma soluo vivel:

para outra que resultou em um lucro maior:

Mas para isto os seguintes critrios foram utilizados:

40

CAPTULO 3. PROGRAMAO LINEAR


(a) Escolheu-se uma varivel de deciso para tornar-se positiva tomando como
base aquela que possua o maior coeficiente na funo objetivo Lucro = L.
(b) Uma vez escolhida a varivel de deciso (produto), a produo foi estabelecida no maior valor possvel, ou seja, varivel de deciso escolhida deu-se
o maior valor positivo sem que a restries de recursos disponveis fossem
violadas.
Neste momento natural formularmos as seguintes questes:
A soluo encontrada a melhor de todas?
Que critrios lgicos podemos utilizar para responder a esta questo?

Resposta: para responder se a soluo encontrada a melhor de todas podemos nos utilizar de critrios lgicos anlogos ao 10 Critrio, porm com pequenas
alteraes.

30 Passo:
De acordo com a soluo atual devemos produzir x1 = 4 mesas e nenhum armrio
x2 = 0.
Questes:
1. Existe alguma vantagem em tambm produzir armrios para que o lucro seja
ainda maior? Por exemplo, h vantagem em se produzir uma unidade de armrio
(passar x1 = 0 para x1 = 1)?
2. Ainda existe recursos disponveis para se produzir armrios? Quais?

Precisamos perceber que havendo vantagem em se produzir armrios, ser necessrio reduzir a produo de mesas pois mesmo havendo madeira disponvel para a
produo dos mveis, o recurso mo-de-obra excasso; segundo a programao (soluo) de produo atual (x1 = 4 mesas e nenhum armrio x2 = 0).
Consequncias ao Produzir Armrios
Como consequncia para produzir armrios, duas alteraes devem ser feitas no
programa de produo:
1. O nmero inicialmente encontrado para a produo de mesas deve diminuir e isso
diminui o lucro total.

3.6. O MTODO SIMPLEX

41

2. A produo de armrios, inicialmente nula, pode ento tornar-se positiva, provocando assim um aumento do lucro total.
Com base nestas duas alteraes simultneas no lucro; uma reduo e um aumento;
o 10 Critrio pode ser adaptado como:
A varivel x2 (produo de armrios) dever se tornar positiva se o resultado no
lucro for positivo. Ou seja, se:
O Aumento no lucro L provocado pelo aumento de x2 denotado por Ax2
for maior que
A Reduo no lucro L provocado pela diminuio de x1 denotada por Rx1
De modo equivalente, devemos dizer que a varivel x2 (produo de armrios)
dever se tornar positiva se a contribuio lquida para o lucro dada por x2 for
positiva, ou seja, se:
Contribuio lquida dada por x2 = Ax2 Rx1 > 0.
20 Critrio (Adaptao do 10 )
Ao invs de se fazer positiva a varivel que tem o maior coeficiente positivo na
funo objetivo, faz-se positiva se sua contribuio lquida for positiva.
Aps calcular a contribuio lquida para o lucro total dada pela varivel x2 quando
a mesma passa de x2 = 0 para x2 = 1 (e consequntemente x1 = 4 para x1 = 3.5)
possvel verificar que a mesma negativa em uma unidade, ou seja, que:

Contribuio lquida dada por x2 = 4.(reduo em x1 quando x2 = 1) + 1.(variao em x2 )


= 4.(0.5) + 1.(1) = 1.
Sendo assim, podemos concluir que no h vantagem em se produzir armrios e a
soluo tima para o problema da marcenaria recomenda que sejam produzidas:

o que resulta num lucro mximo L = f (x1 , x2 ) = 4x1 + x2 =

42

CAPTULO 3. PROGRAMAO LINEAR

3.6.2

Idia Resumida sobre o Mtodo Simplex

O mtodo simplex consiste de um procedimento matemtico e computacional sistemtico e eficiente para a resoluo de problemas de programao linear (PPL). O processo
de soluo de um PPL por este mtodo basea-se na resoluo de sistemas de equaes
lineares considerando as seguintes idias/questes:
1) Qual o sistema que deve ser resolvido?
2) Qual o prximo sistema a ser resolvido fornecer uma soluo melhor que a
anterior?
3) Como identificar uma soluo tima, uma vez que a tenhamos encontrado?

3.6.3

Mtodo Simplex em Tabelas (Tabular)

As operaes do mtodo simplex podem ser organizadas em tabelas chamadas tabelas


simplex. Embora o mtodo simplex tabular no seja a forma ideal de se implementar
em um computador, essa organizao interessante para manipular problemas pequenos e rapidamente compreender como o mtodo funciona.
De modo geral, o mtodo simplex pode ser resumido atravs dos seguintes passos:
Passo 1 : Para cada desigualdade, introduzir as variveis de folga (obter a forma padro
do PPL).
Passo 2 : Montar um quadro para os clculos:
Colocar na 1a. linha os valores simtricos dos coeficientes da funo objetivo,
e
Colocar os coeficientes das variveis (com os respectivos sinais) associados
s restries do problema.
Passo 3 : Estabelecer uma soluo bsica inicial:
Usualmente atribui-se valor zero s variveis originais e acha-se valores positivos para as variveis de folga.
Passo 4 : Escolher a prxima varivel a entrar na base:
Escolhe-se a varivel no-bsica que fornece a maior contribuio lquida
para o aumento da funo-objetivo (a que tem maior valor negativo na 1a.
linha da tabela).

3.6. O MTODO SIMPLEX

43

Condio de otimalidade - se todas as variveis que esto fora da base tiverem


coeficientes da funo-objetivo nulos ou positivos, a soluo atual tima. Se
alguma dessas variveis tiver coeficiente nulo, significa que ela pode ser introduzida sem aumentar o valor da funo-objetivo. Isso quer dizer que temos outra
soluo tima, com o mesmo valor da funo objetivo.
Passo 5 : (Condio de viabilidade) Escolher a varivel que deve deixar a base, realizando o seguinte procedimento:
Divide-se os elementos da ltima coluna pelos correspondentes elementos
positivos da coluna da varivel que vai entrar na base.
Obs: Caso no haja elemento algum positivo nessa coluna, o processo deve
parar, j que a soluo seria ilimitada.
O menor quociente indica a equao cuja respectiva varivel bsica dever
ser anulada, tornando-se varivel no-bsica.
Passo 6 : Usando operaes elementares vlidas com as linhas da matriz, transformar a
matrix representada na tabela simplex de modo a encontrar a nova soluo bsica
do problema. Para isto:
A coluna da varivel bsica dever se tornar um vetor identidade onde o
elemento 1 aparece na linha correspondente varivel que est sendo anulada
(que est passando de bsica para no-bsica).
Passo 7 : Retornar ao Passo 4 para iniciar outra iterao.
Exemplo 3.6.1. Resolva o Problema da Marcenaria (que produz mesa e armrio)
pelo mtodo simplex (tabular).
Exemplo 3.6.2.
Resolva o seguinte PPL pelo mtodo simplex (tabular) e grfico, observando que o
mtodo simplex eficiente no sentido de buscar a soluo tima atravs de um nmero
mnimo de iteraes (percorrendo um nmero mnimo de vrtices).
Maximizar Z =
sujeito a

3x1
x1

5x2

x2
3x1
+
2x2
x1 0, x2 0.

4
6
18

Resposta: (x1 , x2 , x3 , x4 , x5 ) = (2, 6, 2, 0, 0). Valor timo Z = 36.

3.6.4

Exerccio

Resolva alguns dos PPLs at aqui apresentados atravs do mtodo Simplex utilizando
o software TORA e a funo SOLVER do Excel.

44

CAPTULO 3. PROGRAMAO LINEAR

3.6.5

Soluo Inicial Artificial

Como j possvel observar, problemas de PL nos quais todas as restries so () com


lados direitos no negativos oferecem uma soluo bsica inicial vivel conveniente
na qual todas as variveis so de folga mas isso no acontece com modelos que
envolvem restries (=) e/ou ().
O procedimento para iniciar a resoluo de problemas de PL mal comportados
com restries (=) e/ou () usar variveis artificiais que desempenham o papel de
folgas na primeira iterao e ento descart-las legitimamente em iteraes posteriores.
Dois mtodos fortemente relacionados so apresentados aqui: o mtodo do M-grande
e o mtodo das duas fases.
Mtodo do M-grande
O mtodo do M-grande comea com um problema de PL na forma de equaes. Se
a equao i no tiver uma folga (ou uma varivel que possa desempenhar o papel de
uma folga), uma varivel artificial, Ri , adicionada para formar uma soluo inicial
semelhante soluo bsica na qual todas as variveis so de folga. Contudo, como as
variveis artificiais no so parte do modelo original, recebem punies muito altas
na funo objetivo, o que (a certa altura) as fora a ter o valor igual a zero na soluo
tima. Isso sempre ocorrer se o problema tiver uma soluo vivel. A regra a seguir
mostra como a punio designada nos casos de maximizao e minimizao.
Regra de penalizao das variveis artificiais:
Dado M , um valor positivo suficientemente alto (em termos matemticos, M
), o coeficiente na funo objetivo de uma varivel artificial representa uma punio
adequada se:

Coeficiente na funo objetivo da varivel artificial =

M,
M,

em problemas de maximizao
em problemas de minimizao

Veja agora como funciona o mtodo do M-grande atravs do modelo de PL abaixo


que no apresenta uma soluo bsica inicial conveniente:
Exemplo 3.6.3.
min
z = 4x1
+
x2
sujeito a
3x1
+
x2 = 3
4x1
+
3x2 6
x1
+
2x2 4
x1 0, x2 0.
Resp.: (x1 , x2 ) = (2/5, 9/5). Valor timo: z = 17/5.
Comentrio: A utilizao da punio M tem por objetivo forar que os valores
das variveis artificiais na soluo tima sejam nulos, no entanto, se ao menos uma das

3.6. O MTODO SIMPLEX

45

variveis artificiais no for nula na soluo tima tem-se que a soluo invivel (isto
, o PPL tem restries inconsistentes).

Resoluo do PPL do exemplo 3.6.3

46

CAPTULO 3. PROGRAMAO LINEAR

Mtodo das duas fases


No mtodo do M-grande, a utilizao da punio M , que, por definio, deve ser grande
em relao aos coeficientes da funo objetivo, pode resultar em erros de arredondamento que podem comprometer a preciso dos clculos simplex. O mtodo das duas
fases ameniza essa dificuldade eliminando totalmente a constante M . Como o nome
sugere, o mtodo resolve o problema de PL em duas fases: a Fase I tenta achar uma
soluo bsica vivel inicial e, se ela for encontrada, a Fase II invocada para resolver
o problema original.
Resumo do mtodo das duas fases
Fase I
Expresse o problema na forma de equaes e adicione as variveis artificiais necessrias s restries (exatamente como no mtodo do M-grande) para garantir
uma soluo bsica vivel inicial. Em seguida, ache uma soluo bsica com as
equaes resultantes que, independentemente do problema de PL ser de maximizao ou minimizao, sempre minimizar a soma das variveis artificiais. Se o
valor mnimo da soma for positivo, o problema de PL no tem nenhuma soluo
vivel, o que encerra o processo (lembre-se de que uma varivel artificial positiva
significa que uma restrio original no foi satisfeita). Caso contrrio, passe para
a Fase II.
Fase II
Use a soluo vivel da Fase I como uma soluo bsica vivel inicial para o
problema original.
Exemplo 3.6.4. Resolva o PPL do exemplo 3.6.3 pelo mtodo das duas fases.

3.6. O MTODO SIMPLEX

3.6.6

47

Casos Especiais do Mtodo Simplex

Nesta sub-seo pretendemos descrever de forma sucinta sobre as possveis solues


que podem surgir ao resolvermos um PPL pelo Mtodo Simplex, assim como foi
verificado os casos possveis de soluo atravs do Mtodo da Soluo Grfica.
Com este intuito consideraremos quatro casos especiais:
1. Degenerao
2. Solues timas alternativas (ou mltiplas solues timas)
3. Solues ilimitadas
4. Solues no existentes (ou inviveis)
O interesse em estudar estes casos especiais tem duas intenes:
1) Apresentar uma explanao terica dessas situaes e;
2) Dar uma interpretao prtica do que esses resultados poderiam significar em
um problema na vida real.

Degenerao
Na aplicao da condio de viabilidade(condio que mantem a viabilidade simultnea das restries) do mtodo simplex pode ocorrer um empate na razo mnima que
pode ser resolvido arbitrariamente. Quando isso acontece, no mnimo uma varivel
bsica ser zero na iterao seguinte, e diz-se que a nova soluo degenerada.
No h nada de alarmante com uma soluo degenerada, exceto uma pequena
inconvenincia terica denominada ciclagem ou retorno cclico. A ciclagem pode
ocorrer pelo fato da possibilidade do mtodo simplex entrar em uma sequncia de iteraes sem nunca melhorar o valor da funo objetivo e nunca satisfazer a condio de
otimalidade. Solues existem para evitar a ciclagem mas so raramente implementados nos softwares por reduzir drasticamente a velocidade dos clculos e contando com
o fato de sua ocorrncia ser rara na prtica.
Um segundo ponto terico surge do fato da possibilidade de surgir em diferentes
iteraes valores idnticos para o valor da funo objetivo, apesar de diferenas entre a
categorizao das vriveis bsicas e no-bsicas. Sendo assim poderamos perguntar
se poderamos parar na primeira iterao em que a degenerao aparece ainda que no
seja tima e a resposta no porque a soluo pode ser temporariamente degenerada.
E agora, qual a implicao prtica da degenerao? O que acontece que alguns
recursos (restries) so suprfluos e esta informao pode ser valiosa durante a implementao da soluo. A informao tambm pode levar descoberta de irregularidades
na construo do modelo mas infelizmente no h nenhuma tcnica de clculo eficiente
para identificar restries redundantes diretamente da tabela.

48

CAPTULO 3. PROGRAMAO LINEAR

Observemos todos estes comentrios usando o software Tora para resolver (pelo
simplex tabular e grfico) o seguinte PPL:
max
z = 3x1
+
9x2
sujeito a
x1
+
4x2 8
x1
+
2x2 4
x1 0, x2 0.
Solues timas alternativas (ou mltiplas solues timas)
Quando a funo objetivo tem direo paralela a uma restrio vinculadora no
redundante (isto , uma restrio que satisfeita como uma equao na soluo tima),
a funo objetivo pode assumir o mesmo valor timo em mais de um ponto de soluo,
o que d origem a solues timas alternativas (ou mltiplas solues timas). Na
soluo grfica do seguinte modelo de PPL
max
z = 2x1
+
4x2
sujeito a
x1
+
2x2 5
,
x1
+
x2 4
x1 0, x2 0.
possvel observar isto e, na soluo Simplex tabular, possvel observar que em uma
certa iterao o valor do coeficiente de uma determinada varivel no bsica na linha
de z zero, o que significa que esta determinada varivel no bsica pode entrar na
soluo bsica sem alterar o valor de z, mas apenas causando mudana nos valores das
variveis.
O mtodo Simplex apresenta apenas dois pontos extremos de todas as possveis
solues e, na prtica, solues timas alternativas permitem, por exemplo, escolhas
convenientes de acordo com o interesse atual do mercado. Por exemplo, na soluo
tima do PPL acima, uma das solues aponta que apenas um dos produtos podem
ser produzidos e uma outra soluo permite que dois produtos possam ser produzidos
sem alterar o valor timo. Neste ltimo caso, numa situao de mix de produtos,
pode haver vantagem em produzir dois produtos em vez de um para poder enfrentar a
concorrncia de mercado.
Soluo ilimitada
Na resoluo do seguinte PPL
max
z = 2x1
+
x2
sujeito a
x1

x2 10
2x1
40
x1 0, x2 0.
possvel observar a possibilidade do valor de uma varivel poder ser aumentado indefinidamente sem violar nenhuma restrio, o que significa que a regio de solues

3.6. O MTODO SIMPLEX

49

ilimitada (o que pode ocorrer, no caso, geral, com o aumento de mais variveis). A falta
de limites indica a possibilidade de o modelo ter sido mal construdo. A irregularidade
mais provvel em tais modelos que uma ou mais restries no redundantes
deixaram de ser levadas em conta e os parmetros (constantes) de algumas
restries podem no ter sido estimados corretamente.
Na tabela inicial do PPL acima, ambas variveis no bsicas x1 e x2 , tm coeficientes negativos na equao z. Por conseguinte, qualquer uma pode melhorar a soluo.
Agora pelo que determina o critrio simplex, a varivel x1 entraria na base mas se observarmos a coluna da varivel x2 , todos os coeficientes das restries so negativos ou
zero. Isso significa que no h nenhuma varivel que saia e que x2 possa ser aumentada
indefinidamente sem violar nenhuma das restries. Como cada aumento unitrio em
x2 aumentar z em 1, um aumento infinito em x2 resultar em um aumento infinito
em z. Assim, o problema no tem nenhuma soluo limitada. Esses resultados podem
ser vistos tanto na soluo simplex tabular quanto grfica do presente PPL.
Comentrio! O que aconteceria se tivssemos aplicado a condio de otimalidade
estrita que exige que x1 entre na soluo. A resposta que, a certa altura, uma tabela
subseqente teria levado a uma varivel que entraria com as mesmas caractersticas de
x2 .
Soluo invivel
Problemas de PL com restries inconsistentes podem no ter nenhuma soluo vivel.
Pode ser que essa situao nunca ocorra se todas as restries forem do tipo com
constantes do lado direito no negativas porque as folgas fornecem uma soluo vivel. Para outros tipos de restries, usamos variveis artificiais. Embora as variveis
artificiais sejam punidas na funo objetivo para for-las a zero na soluo tima, isso
s pode ocorrer se o modelo tiver uma regio vivel. Caso contrrio, ao menos uma
varivel artificial ser positiva na iterao tima. Do ponto de vista prtico, a
no existncia de uma regio vivel indica a possibilidade de o problema no ter sido
formulado corretamente. Veja como exemplo, o seguinte PPL:
max
z = 3x1
+
2x2
sujeito a
2x1
+
x2 2
3x1
+
4x2 12
x1 0, x2 0.