Fundamentos e Ensino da lgebra

Programao linear

Faculdade de Cincia e Tecnologia da Universidade de Coimbra

Departamento de Matemtica

Programa
o Linear

2002/2003

Fundamentos e Ensino da lgebra

Programao linear

Trabalho realizado no mbito da cadeira de Fundamentos e Ensino da lgebra por:

Carla Sofia Monteiro Freitas Henriques
Dina Jacinta Nunes Lopes
Mrcio Nuno Loureiro Jesus
Snia Patrcia Gomes dos Santos

Fundamentos e Ensino da lgebra

Programao linear

NDICE
1. Introduo Programao Linear .................................................................................4
1.1 Origens e evoluo...................................................................................................4
1.2 Introduo e primeiros conceitos..............................................................................5
1.3 O que a Programao Linear ?...............................................................................6
1.4 Onde se aplica a Programao Linear ?....................................................................7
1.5 Conceitos fundamentais da Programao Linear ....................................................8
2. Formulao de problemas de Programao Linear.....................................................10
2.1 O modelo................................................................................................................10
2.2 Hipteses do modelo de Programao Linear........................................................12
2.3 Formulao dos vrios tipos de problemas de Programao Linear......................13
2.4 Representao grfica de problemas de programao linear..................................14
2.4.1 Solues de um problema de P.L...................................................................14
2.5 Introduo aos exemplos a estudar.........................................................................15
2.5.1 Exemplo de maximizao...............................................................................15
A) Formulao matemtica do problema.................................................17
B) Representao grfica do problema....................................................17
2.5.2 Exemplo de minimizao....... .......................................................................19
A) Formulao matemtica do problema.................................................19
B) Representao grfica do problema...................................................20
2.5.3 Casos particulares...........................................................................................21
3. O Mtodo Simplex.......................................................................................................25
3.1 Introduo...............................................................................................................25
3.2 Alguns conceitos fundamentais no Mtodo Simplex.............................................25
3.3 Algoritmo do Mtodo Simplex...............................................................................27
3.4 Exemplos de aplicao do Mtodo Simplex...........................................................29
4. Concluso....................................................................................................................35
Bibliografia

Fundamentos e Ensino da lgebra

Programao linear

1. INTRODUO PROGRAMAO LINEAR

1.1

ORIGENS E EVOLUO
Desde a revoluo industrial o mundo tem presenciado um grande crescimento

no tamanho e complexidade das organizaes e empreendimentos. Por outro lado,

cada vez mais difcil fazer a atribuio dos recursos disponveis s diferentes
actividades (envolvidas nessas organizaes e empreendimentos) e tomar decises de
mbito mais geral.
Este tipo de problemas e a necessidade de se encontrar um meio adequado para
os resolver criaram o ambiente que viria a proporcionar o aparecimento da Investigao
Operacional (I.O.).
As origens da I.O. podem ser encontradas h muitas dcadas, sendo o incio da
actividade com esta designao atribuda aos Servios Militares Aliados durante a 2
Guerra Mundial. Contudo, difcil definir I.O. de forma no controversa, sendo no
entanto possvel extrair da maior parte das definies as seguintes caractersticas
bsicas:
-

a aplicao de mtodos cientficos na gesto das organizaes, mediante

uma abordagem quantitativa e qualitativa na tomada de decises;

orientao sistemtica, atravs da qual o problema analisado no

contexto dum sistema que inclui diversas componentes interrelacionadas
entre si; as solues devem satisfazer toda a organizao, ou seja, o
sistema completo;

extensibilidade, que pode ser aplicada a um largo nmero de

organizaes, tais como: negcios, economia, indstria, indstria militar,
governos, agncias, hospitais, etc.

Os ramos mais importantes da I.O. so: Programao Matemtica (P.M.),

Anlise Estatstica, Teoria dos Jogos, Teoria das Filas, Simulao, Gesto de Stocks,
etc.. A P.M. divide-se ainda em: Programao Linear (P.L.), Programao No Linear,
Programao Dinmica, Programao Inteira e Optimizao Global.

Fundamentos e Ensino da lgebra

Programao linear

Neste contexto, a P.L. tem por objecto de estudo a actividade humana dirigida,
na qual se pretende satisfazer da melhor forma determinado objectivo, em que existem
limitaes (restries) ao funcionamento dessa actividade. Est-se na presena de um
problema de P.M. quando o objectivo das restries podem ser traduzidas por relaes
funcionais. Se estas forem lineares constituem um problema de P.L..
Neste trabalho, procede-se apresentao de uma subclasse especial de
problemas de P.M. designada por P.L.. Esta designao advm do facto de que, quer as
condies, quer o objectivo deste tipo de problemas, poderem ser descritos atravs de
relaes lineares, nomeadamente equaes e inequaes lineares.

1.2 INTRODUO E PRIMEIROS CONCEITOS

semelhana de outros ramos da Matemtica, a P.L. teve a sua origem em
aplicaes. Dois mil anos antes de Cristo, exemplos especiais de equaes lineares j
tinham sido estudados por egpcios e babilnios (estes ltimos j consideravam duas
equaes lineares em duas variveis). Babilnios, gregos e chineses conheciam a ideia
de eliminao de variveis para resolver equaes lineares (ou quadrticas).
Ao longo dos tempos, cientistas tais como Euclides, Newton e Lagrange fizeram
a incurso pesquisa do ptimo. J no sculo passado destacamos as investigaes
feitas por Von Neumann na Teoria de Jogos, Wassily Leontief no Modelo input-output
de Economia, entre outros. At aos anos 30-40 do sculo passado foi muito reduzido o
interesse dos matemticos pelo estudo de sistemas de inequaes, ao contrrio do que se
verificou com a resoluo de sistemas de equaes, descurando-se assim a procura de
uma soluo ptima. As aplicaes em problemas de transporte na dcada de 40 (em
particular, pelas Foras Armadas durante a 2 Guerra Mundial) foi um primeiro passo na
criao da P.L..
Entre os pioneiros que fizeram o desenvolvimento da rea esto Leonid V.
Kantorovich em Lenigrado (actualmente, S. Petersburg) e George B. Dantzig em
Washington. Ambos ilustraram muito bem as fontes de aplicao da P.L..
Em 1939, o matemtico e economista sovitico L.V. Kantorovich formulou e
resolveu problemas ligados optimizao na administrao das organizaes, mas o seu
trabalho manteve-se desconhecido at 1959.

Fundamentos e Ensino da lgebra

Programao linear

George Dantzig trabalhava como civil, no Pentgono, onde exercia funes de

conselheiro matemtico para a administrao da Fora Area Norte Americana,
trabalhando no projecto SCOOP (Scientific Computation of Optimum Programs). Por
inerncia do respectivo servio, Dantzig era frequentemente chamado para resolver
problemas de planeamento que envolviam a distribuio de pessoal, dinheiros, avies e
outros recursos de custo efectivo. Foi no Pentgono que Dantzig recebeu dos seus
colegas D. Hitchcock e M. Wood o desafio de tentar mecanizar o processo de
planeamento. Como a maioria dos problemas diziam respeito a questes de Economia,
de uma ou de outra forma, Dantzig procurou aconselhar-se com o economista Tjalling
Koopmans para os resolver (admitindo que os economistas tivessem j desenvolvido
tcnicas de resoluo). Porm, com grande surpresa sua, Koopmans confessou-lhe que
os economistas tambm no tinham quaisquer procedimentos para encontrarem
sistematicamente a soluo de tais problemas.
No Vero de 1947, Dantzig props o Mtodo Simplex que tornou possvel a
soluo de problemas de optimizao de vrios tipos : transporte, produo, alocao de
recursos e problemas de escalonamento. Um ano mais tarde, Dantzig e Koopmans
encontraram-se na praia de Santa Monica e Koopmans disse : Why not shorten
Programming in a Linear Structure to Linear Programming? ao que Dantzig
respondeu : Thats it! From now on that will be its name.. Nasceu assim a
designao de Programao Linear.
Com a apresentao do Mtodo Simplex a P.M., e em particular a P.L., teve um
grande impulso. Foi a partir de ento que as suas aplicaes no cessaram, envolvendo
valiosas contribuies de economistas e matemticos. O desenvolvimento da
Informtica outro dos factores que tem contribudo para a evoluo acelerada desta
cincia nas ltimas dcadas.

1.3 O QUE A PROGRAMAO LINEAR ?

Programao planeamento de actividades
Linear o problema representado matematicamente pelo modelo da P.M.,
onde todas as funes f(x1, ..., xn) (funo objectivo), gi(x1, ..., xn) (restries) so
lineares e x1, ..., xn so as variveis de deciso, com i = 1, ..., m

Fundamentos e Ensino da lgebra

Programao linear

A P.L. uma tcnica de planeamento que se tem vindo a constituir como uma
das mais poderosas em quase todo o ramo da actividade humana. um mtodo de
maximizar (ou minimizar) uma funo linear (designada funo objectivo), definida
num dado conjunto convexo, tendo em conta que as variveis esto sujeitas a restries
lineares. Estas restries podem ser do tipo , = ou e as variveis so reais no
negativas.

1.4 ONDE SE APLICA A PROGRAMAO LINEAR ?

Uma vez que os problemas de P.L. determinam o planeamento ptimo de
actividades, ou seja, um plano ptimo que representa a melhor soluo entre todas as
solues possveis, as suas principais reas de aplicao so:
-

Econmica e especialmente Economia de Empresas, onde se situam as

aplicaes mais frteis e os estmulos mais fortes para os desenvolvimentos
tericos da P.L.;

Matemtica, onde a P.L. tem impulsionado a obteno de importantes

resultados tericos e o aperfeioamento das tcnicas de Anlise Numrica;

Militar, onde as aplicaes so numerosas mas normalmente pouco

divulgadas por razes de segurana.

Nestes domnios, podemos dividir os problemas de P.L. em trs tipos:

1) Problemas de Transporte
Consideremos uma aplicao clssica deste tipo de problema: suponha que um
sistema de distribuio alimenta N armazns a partir de M grandes unidades
produtoras; conhecendo os custos de transporte, a procura prevista para cada
armazm e as capacidades (mximas) de produo de cada unidade, determinar o
programa de distribuio com menor custo.
Outras aplicaes: - rentabilizao de aeroportos;
- optimizao de trfego interno ou de comunicao de
vrios tipos;
- planificao dos semforos de circulao numa cidade.

Fundamentos e Ensino da lgebra

Programao linear

2) Problemas de Composio
Neste tipo de problema destaca-se o seguinte exemplo genrico: conhecendo os
contedos calricos e vitamnicos de diversos alimentos, bem como os seus
preos, pretende-se optimizar a composio da dieta a adoptar, de modo a
minimizar o seu custo e a satisfazer nveis mnimos de calorias e vitaminas.
Outras aplicaes:

- composio de medicamentos;
- blindagem de ligas metlicas e combustveis;
- raes de animais e adubos;
- gelados e produtos alimentares.

3) Problemas de Formao e Produo

Salienta-se a seguinte aplicao: suponha que uma fbrica capaz de produzir N
produtos distintos utilizando M recursos limitados, os quais podem ser horas de
trabalho ou tempos de operao de vrias mquinas, matrias primas, servios,
etc.; conhecendo-se o lucro unitrio e as quantidades de recurso utilizadas para
cada produto, e as quantidades de recursos disponveis, determinar o plano
ptimo de produo com maior lucro.
Outras aplicaes:

- corte de barras e chapas;

- designao de pessoas e tarefas (composio de tabelas
de horrios);
- planeamento da produo de uma empresa txtil.

1.5 CONCEITOS FUNDAMENTAIS DA PROGRAMAO

LINEAR
Para uma melhor compreenso de um problema de P.L. enunciamos de seguida
alguns conceitos e expresses que vo ser usados ao longo do trabalho:

Funo objectivo (funo econmica ou funo critrio) uma funo linear que
vamos optimizar, maximizando ou minimizando;

Fundamentos e Ensino da lgebra

Programao linear

Variveis de deciso so os valores de um nmero n de decises a serem tomadas

e designam-se por x1, ..., xn e que esto interrelacionadas pela funo objectivo;

Variveis de folga so as variveis que usamos para transformar as inequaes em

equaes; de salientar que cada varivel de folga est associada a uma restrio;

Restries so condies (representadas por equaes ou inequaes lineares) que

se impem ao modelo dado; existem dois tipos de restries:

Restries do problema so restries do tipo , = ou , que

relacionam uma ou mais variveis do problema;

Restries de no negatividade so desigualdades do tipo x1

0, ..., xn 0, em que x1, ..., xn so as variveis de deciso;

Forma padro (standard) quando as restries de um problema de P.L. so

apresentadas na forma de equaes;

Forma cannica quando as restries de um problema de P.L. so apresentadas

na forma de inequaes;

Soluo qualquer conjunto de valores para as variveis x 1, ..., xn que satisfaa as

restries;

Soluo admissvel (soluo possvel) qualquer especificao de valores para as

variveis x1, ..., xn que satisfaa as restries do problema e as condies de no
negatividade;

Soluo ilimitada (unbounded) aquela em que a funo objectivo pode crescer

(no caso da maximizao) ou decrescer (no caso da minimizao), indefinidamente,
tendo em conta todas as restries do problema;

Soluo ptima aquela que maximiza ou minimiza a funo objectivo sobre

toda a regio admissvel;

Fundamentos e Ensino da lgebra

Programao linear

Regio admissvel o conjunto de todas as solues admissveis.

2. FORMULAO

DE

PROBLEMAS

DE

PROGRAMAO LINEAR
2.1 O MODELO
Os problemas de Programao Linear so problemas de maximizao ou de
minimizao de funes lineares (funo objectivo), num determinado domnio,
normalmente definido por um conjunto de restries nas variveis. Estes problemas so
representados matematicamente por modelos que podem ser apresentados na forma
padro ou na forma cannica (j definidas anteriormente).
Algebricamente tem-se:
max (min) Z = c1x1 + + cnxn
sujeito a
a11x1 + a12x2 + + a1jxj + + a1nxn

{,=,}

b1

a21x1 + a22x2 + + a2jxj + + a2nxn

{,=,}

b2

{,=,}

bi

...
ai1x1 + ai2x2 + + ainxn + + ainxn
...
am1x1 + am2x2 + + amjxj + + amnxn

{,=,}

bm

com :
x1 0 , x2 0 , ... , xn 0
i = 1 , ... , m
j = 1 , ... , n
xj incgnitas, so as variveis de deciso
aij coeficientes
bi termos independentes
cj coeficientes da funo objectivo
10

Fundamentos e Ensino da lgebra

Programao linear

tambm frequente o modelo de Programao Linear ser apresentado utilizando as

notaes cartesiana, matricial e vectorial.
As duas formas apresentadas (padro e cannica) so equivalentes. Com efeito,
mediante as operaes a seguir indicadas, sempre possvel dar a qualquer problema
uma destas formas, sem que o conjunto de solues se altere.
1. Qualquer problema de maximizao pode converter-se num problema de
minimizao, pois:
mximo Z = - mnimo (- Z)
2. Qualquer restrio de desigualdade do tipo pode ser convertida numa restrio
do tipo multiplicando por (-1) ambos os seus membros :
ai1x1 + ai2x2 + ... + ainxn bi - ai1x1 - ai2x2 - ... - ainxn - bi
3. Qualquer restrio de igualdade pode ser convertida em duas restries de
desigualdades equivalentes quela :

ai1x1 + ... + ainxn bi

ai1x1 + ... + ainxn = bi

ai1x1 + ... + ainxn bi

ai1x1 + ... + ainxn bi

ai1x1 + ... + ainxn - bi

4. Qualquer restrio de desigualdade pode ser convertida numa restrio de igualdade,

atravs da introduo duma nova varivel (varivel de folga) xn+1, de valor no negativo:
ai1x1 + ... + ainxn bi bi - ai1x1 - ... - ainxn 0
xn+1 = bi - ai1x1 - ... - ainxn 0
acrescentando-se a varivel de folga xn+1, obtm-se :
ai1x1 + ... + ainxn + xn+1 = bi

com xn+1 0

11

Fundamentos e Ensino da lgebra

Programao linear

5. Qualquer varivel livre (no restringida pela condio de no negatividade) xj, pode
ser substituda por um par de variveis no negativas x j 0 e xj 0, fazendo

x j = xj

- xj formulando, deste modo, de novo o problema em funo destas duas novas

variveis.

2.2 HIPTESES DO MODELO DE PROGRAMAO

LINEAR
Qualquer modelo de P.L. deve cumprir as seguintes hipteses que garantam a
linearidade da funo objectivo e das restries do problema. Estas hipteses so :

PROPORCIONALIDADE : em cada actividade a quantidade de bens que entram e

saem so sempre proporcionais ao nvel da mesma, estando assim na presena de um
modelo linear;

ADITIVIDADE : o resultado do emprego conjunto de N actividades a sua adio;

DIVISIBILIDADE E NO NEGATIVIDADE : o nvel de uma actividade pode

assumir qualquer valor positivo de um dado intervalo, que equivale a supor que os bens
so perfeitamente divisveis, isto , susceptveis de variar em quantidades infinitesimais;

LINEARIDADE DA FUNO OBJECTIVO : cada actividade contribui para o

objectivo global perseguido pelo sistema ( por exemplo, cada actividade normalmente
tem associado um certo lucro ou um certo custo ). Esta hiptese indica que essa
contribuio para a funo econmica proporcional ao nvel de actividade. A
contribuio total a soma das contribuies de todas as actividades.

12

Fundamentos e Ensino da lgebra

2.3

FORMULAO

Programao linear

DOS

VRIOS

TIPOS

DE

PROBLEMAS DE PROGRAMAO LINEAR

Formulao:

A- Transporte

cx

minij

ij ij

com

ai

ij

ij

= bj

unidades
armazns receptores

xij 0
sendo i = 1, ..., m;
j = 1, ..., n;
ai a capacidade de fornecimento na unidade i e bj a quantidade requerida no armazm j,
cij o custo de transporte de uma unidade de produto da

unidade i para o armazm j

B- Composio
min

com

cx

i i

ax

i i

Nvel calrico

bx

Nvel calrico

i i

xi 0
sendo ai e bi o contedo calrico e vitamnico unitrio de cada alimento i,
respectivamente, ci o custo unitrio de i, e u e v os nveis mnimos exigidos.

13

Fundamentos e Ensino da lgebra

Programao linear

C- Produo
max

cx

j j

com
j

ax

ij j

bi

Recursos

xj 0
sendo i = 1, ..., m; j = 1, ..., n;
cj o lucro obtido por cada unidade do produto j,
aij a quantidade de recurso i gasta na produo de cada unidade do produto j,
bi a quantidade de recurso disponvel.

2.4 REPRESENTAO GRFICA DE PROBLEMAS DE

PROGRAMAO LINEAR
Quando se inicia o estudo da Programao Linear revela-se de grande utilidade a
representao grfica de problemas simples. Apesar desta representao s ser possvel
quando no esto envolvidas mais de trs variveis, e particularmente simples quando
se trata de duas variveis, estas permitem pr em evidncia propriedades importantes
dos problemas de P.L., bem como a natureza das suas solues.

2.4.1 SOLUES DE UM PROBLEMA DE P.L.

Qualquer problema de P.L., em geral, pode apresentar as diferentes formas de
solues:
uma nica soluo ptima
ou
mltiplas solues ptimas (uma infinidade)
ou
no ter ptimo finito
ou
no ter nenhuma soluo (neste caso o problema impossvel)
14

Fundamentos e Ensino da lgebra

Programao linear

A regra prtica para a determinao das solues de um problema de

maximizao (minimizao) a seguinte: Trace-se uma qualquer recta de nvel e
desloque-se paralelamente a si prpria , no sentido de crescimento (decrescimento) de
Z, at ao(s) ltimo(s) ponto(s) de contacto com a regio admissvel.

2.5 INTRODUO AOS EXEMPLOS A ESTUDAR

Os exemplos que seguidamente iremos apresentar so problemas que ilustram
alguns dos domnios da aplicao da Programao Linear.
O Primeiro Exemplo um problema de planeamento da produo que, dada a
sua estrutura particular, constitui um problema tpico passvel de individualizao.
O problema consiste em escalonar a produo ao longo de vrios perodos de
tempo, conhecida a procura nesses perodos, conhecidas a capacidade de produo
normal e extraordinria e conhecidos ainda os custos de produo e de armazenagem ao
longo do tempo.
O segundo exemplo, um problema de misturas (raes). Esta classe de
problemas caracteriza-se essencialmente por se pretender obter, com custo mnimo ou
lucro mximo, um ou vrios produtos, a satisfazer certos requisitos tcnicos, atravs de
vrios ingredientes possuidores em grau diferente dessas caractersticas tcnicas.

2.5.1 EXEMPLO DE MAXIMIZAO

A empresa Nova Linha produz artigos de vidro de alta qualidade: janelas e
portas, em trs seces de produo:
1. Seco de Serralharia: para produzir as estruturas de alumnio.
2. Seco de Carpintaria: para produzir as estruturas de madeira.
3. Seco de Vidro e Montagem: para produzir o vidro e montar as portas e
janelas.
Devido diminuio dos lucros, o gerente decidiu reorganizar a produo, e
prope produzir s os dois produtos que tm maior aceitao entre os clientes.

15

Fundamentos e Ensino da lgebra

Programao linear

Estes produtos so:

Produto 1: Uma porta de vidro com estrutura de alumnio.
Produto 2 : Uma janela grande com estrutura de madeira.
O departamento de Marketing da empresa concluiu que a empresa pode vender
tanto de qualquer dos dois produtos, tendo em conta a capacidade de produo
disponvel.
Como ambos os produtos partilham a capacidade de produo da seco 3, o
gerente solicitou ao Departamento de Investigao Operacional da empresa a resoluo
deste problema.
O Departamento de I.O. formulou o problema, utilizando os seguintes dados:

A capacidade de produo por minuto de cada seco a ser utilizada

na produo destes produtos.

A capacidade de produo por minuto de cada seco, a ser utilizada

para produzir uma unidade de cada produto.

Os lucros unitrios para cada produto em euros.

Estes dados esto resumidos na seguinte tabela:

Capacidade utilizada por unidade de

produo
Seco N.

Produto 1

Produto 2

Capacidade
disponvel

1
2
3

1
0
3

0
2
2

4
12
18

Lucros
unitrios (em
euros)

Quadro 2.5.1

16

Fundamentos e Ensino da lgebra

Programao linear

A) Formulao Matemtica do Problema

O problema, formulado como problema de Programao Linear, consiste em
escolher x e y por forma a:
Maximizar Z = 3x + 5y,
Sujeito a
x4
2y 12
3x + 2y 18
x 0, y 0
onde
x , y representam o nmero de unidades do produto 1 e 2,
respectivamente, produzidas por minuto
Z representa o lucro total por minuto

B) Representao Grfica do Problema

1 Passo: Construir um sistema de eixos cartesianos x, y.
2 Passo: Identificar os valores de x e y que satisfaam todas as restries.

Condies de no negatividade:
x 0, y 0 os pontos (x,y) esto situados no 1 Quadrante;

Restries:

x 4 (x,y) esto situados esquerda ou sobre a recta x = 4;

2y 12 y 6 (x,y) esto situados abaixo ou sobre a

recta y = 6;

3x + 2y 18 (x,y) esto situados abaixo ou sobre a recta

3x + 2y = 18.

17

Fundamentos e Ensino da lgebra

Programao linear

O resultado final encontra-se na Fig. 2.5.1.1, onde a regio sombreada indica o

conjunto dos pontos Fig.

que 2.5.1.1
satisfazem
Conjunto
todas
de admissibilidade
as restries (conjunto
do exemplo de admissibilidade).
3 Passo: Determinar a soluo.
A funo objectivo Z = 3x + 5y define uma recta que pode ser deslocada
paralelamente no sentido do seu gradiente (garantindo o crescimento de Z), at se tornar
tangente regio admissvel. Os pontos de tangncia obtidos (um, nenhum, ou uma
infinidade) correspondem aos pontos da regio admissvel que optimizam a funo
objectivo.
A recta escolhida 36 = 3x + 5y, passa pelo ponto (2,6). Pelo que a soluo
pretendida x = 2, y = 6.

18

Fundamentos e Ensino da lgebra

Programao linear

Fig. 2.5.1.2 Soluo ptima do exemplo

Esta soluo corresponde ao seguinte plano de produo:

A empresa Nova Linha deve fabricar duas portas (produto 1) e seis janelas (produto 2)
por minuto obtendo um lucro de 36 euros por minuto.

2.5.2 EXEMPLO DE MINIMIZAO

Um criador de cavalos pretende determinar as quantidades de cada tipo de rao
que devem ser dadas diariamente a cada animal por forma a conseguir uma certa
quantidade nutritiva a um custo mnimo.
Os dados relativos ao custo de cada tipo de rao, s quantidades mnimas
dirias de ingredientes nutritivos bsicos a fornecer a cada animal, bem como s
quantidades destes existentes em cada tipo de rao (g/kg) constam no seguinte quadro:

Rao

Granulado

Farinha

Ingredientes nutritivos

Quantidade mnima
requerida

Carbohidratos

20

50

200

Vitaminas

50

10

150

Protenas

30

30

210

Custos (euros/Kg)

0.05

0.03

Quadro 2.5.2 Dados tcnico-econmicos

A) Formulao Matemtica do Problema

O problema, formulado como problema de Programao Linear, consiste em
escolher x e y por forma a:
Minimizar

Z = 0.05x + 0.03y

Sujeito a

20x + 50y 200

50x + 10y 150

19

Fundamentos e Ensino da lgebra

Programao linear

30x + 30y 210

x 0, y 0
onde x, y representam as quantidades (em Kg), de granulado e farinha,
respectivamente, a fornecer diariamente a cada animal, e Z representa o custo total (em
euros) a suportar diariamente com a alimentao de cada animal.

B) Representao Grfica do Problema

1 Passo: Construir um sistema de eixos cartesianos x, y.
2 Passo: Identificar os valores de x e y que satisfaam todas as restries.

Condies de no negatividade:

x 0, y 0 os pontos (x,y) esto situados no 1 Quadrante;

Restries:

20x + 50y 200 2x + 5y 20 (x,y) esto

situados acima ou sobre a recta 2x + 5y = 20;

50x + 10y 150 5x + y 15 (x,y) esto

situados acima ou sobre a recta 5x + y = 15;

30x + 30y 210 x + y 7 (x,y) esto situados

acima ou sobre a recta x + y = 7;

O resultado final encontra-se na Fig. 2.5.2.1 onde a regio sombreado, tal como
no exemplo anterior, indica o conjunto dos pontos que satisfazem todas as restries.

20

Fundamentos e Ensino da lgebra

Programao linear

Fig. 2.5.2.1 Conjunto de admissibilidade do exemplo

3 Passo: Determinar a soluo:

A funo objectivo Z = 0,05x + 0,03y define uma recta que pode ser deslocada
paralelamente no sentido contrrio do seu gradiente (garantindo o decrscimo de Z), at
ao(s) ltimo(s) ponto(s) de contacto com a regio admissvel. Ao pontos de tangncia
assim obtidos (um, nenhum, ou uma infinidade) correspondem, mais uma vez aos
pontos que optimizam a funo objectivo.
A recta escolhida, 0,25 = 0,05x + 0,03y, passa pelo ponto (2,5). Pelo que a
soluo pretendida x = 2, y = 5.

Fig. 2.5.2.2 Soluo ptima do exemplo

Assim, fcil de concluir que a soluo pretendida x = 2 e y = 5, valores que

representam, respectivamente, as quantidades (em kg) de granulado e farinha a fornecer
diariamente a cada animal.
Desta dieta resulta para cada criador de cavalos um custo de alimentao
dirio, com cada animal, de 0,25.

2.5.3 CASOS PARTICULARES

Em qualquer dos problemas anteriores pode afirmar-se que se est presente
problemas de P.L. bem comportados, uma vez que ambos tm uma nica soluo
ptima. Existe contudo a possibilidade de situaes anmalas que devem ser

21

Fundamentos e Ensino da lgebra

Programao linear

consideradas quando, se pretende apresentar uma tcnica capaz de resolver qualquer

problema de P.L..
Essas situaes so:

situaes em que a soluo no limitada 1 Quando a funo

objectivo pode assumir valores arbitrariamente grandes e, consequentemente, no existe

um valor mximo finito para Z.
Consideremos

enunciado

do

problema

de

maximizao

estudado

anteriormente eliminando as restries y 6, 3x +2y 18, a regio de admissibilidade

fica no limitada e o valor da funo objectivo pode crescer indefinidamente nesta
regio.
Deve salientar-se, contudo, que o facto do conjunto das solues admissveis ser
no limitado no implica necessariamente que a soluo seja no limitada (isto , com
variveis a poderem assumir valores arbitrariamente grandes com Z ).
Vejamos a formulao matemtica do problema agora:
Maximizar Z = 3x + 2y,
Sujeito a
x4
x 0, y 0

Fig. 2.5.3.1 Soluo no limitada

1

Esta situao no ocorre em problemas de minimizao devido s condies de no negatividade.

22

Fundamentos e Ensino da lgebra

Programao linear

Verificamos que , traando uma qualquer recta de nvel do plano definido pela
f.o. , aquela pode ser deslocada paralelamente a si prpria, no sentido do crescimento de
Z, e conter ainda pontos do conjunto das solues admissveis.

situaes em que existem solues ptimas alternativas Quando um

problema de P. L. possui mais do que uma soluo ptima diz-se que se est em
presena de solues ptimas alternativas; isto significa que o lucro mximo pode ser
obtido atravs de vrias (infinitas) combinaes dos recursos.
Se um problema de P.L. tem
Consideremos o enunciado do problema de maximizao considerado, mudando o lucro
unitrio do produto 2 de 5 euros para 2 euros, a funo objectivo agora a recta
Z = 3x + 2y (a f.o. tem o mesmo gradiente da recta da 3 restrio 3x+ 2y = 18).
A formulao matemtica do problema agora,
Maximizar Z = 3x + 2y,
Sujeito a
x4
y6
3x + 2y 18
x 0, y 0
cuja resoluo grfica :

Fig. 2.5.3.2 Solues ptimas alternativas

23

Fundamentos e Ensino da lgebra

Programao linear

Da representao grfica deste problema conclui-se, sem dvida, que Z = 18 o

valor mximo da funo objectivo. Igualmente se conclui que quer o ponto extremo 2 A
quer o ponto extremo B so solues ptimas do problema; por outras palavras, neste
caso, dois pontos extremos conduzem ao mesmo valor (mximo) para a f.o.. Mais,
qualquer ponto da aresta AB tambm soluo ptima, dado que a recta de nvel Z = 18
assenta sobre aquela aresta; existe pois uma infinidade de solues ptimas.

Situaes em que o problema impossvel Isto pode acontecer por no

existirem valores das variveis a satisfazerem as restries do problema ou as condies

de no negatividade, ou ambas simultaneamente. Esta situao anmala surge ,
normalmente, derivada de erros de formalizao, a no existncia de qualquer soluo
admissvel.
No exemplo de maximizao, modificando a restrio x 4 para x 7 e mantendo
todas as outras, no h nenhuma soluo que verifique todas as restries do problema.
Esta situao observada a partir da representao grfica deste problema assim
formulado:
Maximizar Z = 3x + 2y,
Sujeito a
x7
y6
3x + 2y 18
x 0, y 0

Fig. 2.5.3.3 Problema impossvel

2

Ponto extremo de um conjunto convexo K um ponto que no pertence ao segmento de recta a unir dois pontos quaiquer de K.

24

Fundamentos e Ensino da lgebra

Programao linear

3. O MTODO SIMPLEX
3.1 INTRODUO
Como j foi referido, o Mtodo Simplex foi proposto por Dantzig. O primeiro e
mais importante passo na sua descoberta foi a concluso de que a regio admissvel o
que se chama um poltopo (poliedro convexo limitado), e donde concluiu que o ponto
ptimo tem que estar sobre algum dos vrtices desse conjunto. Alm disso, Dantzig
argumentou que a funo objectivo tem geralmente valores diferentes para cada vrtice
escolhido arbitrariamente, no qual a funo objectivo tem um determinado valor,
passando de vrtice para vrtice, na procura do ponto ptimo.
Inicialmente,

Dantzig

pensou

que

tal

procedimento

poderia

ser

irremediavelmente ineficaz, ou seja , divagar durante muito tempo ao longo das arestas,
de vrtice para vrtice, antes de alcanar o vrtice em que a funo objectivo atinge o
valor ptimo. Mas estava enganado, pois, na realidade veio a descobrir que, em quase
todos os casos, encontrar a soluo somente exigia tantos movimentos quantas as
restries do problema.

3.2

ALGUNS

CONCEITOS

FUNDAMENTAIS

NO

MTODO SIMPLEX
A introduo destes conceitos fundamental para a apresentao do mtodo simplex.
Ao considerarmos um problema de programao linear, ele ter sempre a seguinte
forma padro:
Optimizar Z = c1x1 + c2x2 + ... +cnxn

(1)

Sujeito a a11x1 + a12x2 + ... + a1nxn = b1

a21x1 + a22x2 + ... + a2nxn = b2

(2)

am1x1 + am2x2 + ... + amnxn = bn

x1, x2, , xm, ..., xn 0 (m n)

(3)

25

Fundamentos e Ensino da lgebra

Programao linear

onde:
m = nmero de restries funcionais;
n = nmero de variveis de restrio.
Supe-se ainda que os termos independentes so no negativos: b i 0
(i = 1, 2, ..., m). Caso contrrio pode sempre multiplicar-se por (-1) toda a equao.
O problema pode ser escrito em notao matricial do seguinte modo:
Opt Z = CTX

(1)

Suj a AX = B

(2)

X0

(3)

em que:
X o vector-coluna das incgnitas;
CT o vector-linha dos coeficientes correspondentes;
A a matriz dos coeficientes das incgnitas das restries;
B o vector-coluna dos membros direitos das restries.
Suponha-se que a caracterstica (nmero mximo de colunas linearmente
independentes) da matriz A igual a m, ou seja, C(A) = m. Isto significa que existe uma
submatriz de A quadrada de ordem m (Bm

) com determinante no nulo. Esta

x m

submatriz permite efectuar uma classificao das variveis em: bsicas (as
correspondentes s colunas daquela submatriz) e no bsicas (as restantes n-m
variveis).
Um sistema nas condies (2) um sistema indeterminado de grau n-m, em que m
variveis podem ser escritas em termos das restantes n-m, e tem, por consequncia, uma
infinidade de solues (correspondente infinidade de valores que arbitrariamente
podem ser atribudos s n-m variveis).
Suponha-se ento que X = (x1, x2, , xm, xm+1, , xn) uma soluo desse sistema.
Se uma submatriz Bm x m da matriz A do sistema considerado no singular, isto , o
seu determinante nulo, ento a submatriz Bm x m designa-se por base. Sem perda de
generalidade, suponha-se que a base composta pelas m ltimas colunas, isto ,
B = {P1, P2, , Pm}.

26

Fundamentos e Ensino da lgebra

Programao linear

As m variveis x1, x2, , xm correspondentes s colunas de Bm x m designam-se por

variveis bsicas. As restantes n-m variveis xm+1, xm+2, , xn designam-se variveis
no bsicas.
Uma soluo bsica para o sistema obtm-se atribuindo o valor zero a todas as
variveis no bsicas xm+1, xm+2, , xn e determinando depois uma soluo para as m
variveis bsicas restantes x1, x2, , xm . Isto , X = (0, ..., 0, x1, x2, , xm), onde
XB = (x1, x2, , xm) a nica soluo do sistema de equaes BXB = b.
Se uma soluo bsica X verifica ainda as condies de no-negatividade (3), isto
, todas as variveis da soluo so no negativas ento, esta soluo uma soluo
bsica admissvel.
Duas solues bsicas que apenas diferem numa varivel bsica designam-se por
solues bsicas adjacentes.
Uma soluo bsica admissvel ptima quando nenhuma das solues bsicas
admissveis adjacentes melhor, isto , nenhuma melhora o valor da funo
objectivo.
Se todas as variveis bsicas x1, x2, , xm so no nulas, a soluo bsica designase por soluo bsica no degenerada. Se alguma varivel bsica for igual a zero a
soluo bsica designa-se por soluo bsica degenerada.
Os simtricos dos coeficientes associados a cada varivel na funo objectivo (no
caso da maximizao) designam-se custos reduzidos.

3.3 ALGORITMO DO MTODO SIMPLEX

O que um algoritmo?
Um algoritmo um processo que repete (itera) sucessivas vezes um procedimento
sistemtico at obter um resultado. Alm disso, tambm inclui um procedimento para
iniciar e um critrio para terminar.

27

Fundamentos e Ensino da lgebra

Programao linear

O algoritmo do mtodo simplex pode ser sintetizado nos seguintes passos:

1 Obter uma primeira soluo bsica admissvel;
2 Verificar se a soluo bsica admissvel ptima, isto , se os coeficientes da
funo objectivo, expressa em termos das variveis no bsicas so todos positivos. Se a
soluo for ptima, o algoritmo termina;
3 Se algum coeficiente for negativo, considerar o negativo com maior valor
absoluto como o correspondente varivel que deve entrar na base e, portanto,
correspondente coluna do pivot;
4 Determinar o maior valor possvel da varivel que vai entrar na base, dividindo
os termos independentes pelos coeficientes da varivel nas vrias restries, para os
casos em que sejam positivos, e considerando o menor dos quocientes positivos. A linha
a que corresponde este menor quociente a linha do pivot.
Se todos os quocientes forem negativos, a varivel a entrar na base pode tomar um
valor infinitamente grande e o problema diz-se sem soluo limitada (ou sem ptimo
finito);
5 Manipular as linhas do quadro, de acordo com as operaes elementares
realizadas com linhas de matrizes, de modo a obter um quociente unitrio no lugar do
pivot e valores nulos para os outros elementos da coluna pivot.
Obtm-se assim uma nova soluo bsica. Regressar ao 2 passo.
Para tornar mais simples a aplicao deste algoritmo recorre-se construo de
vrios quadros. Uma vez que qualquer problema de maximizao pode ser facilmente
convertido num problema de minimizao, consideraremos apenas o caso da
minimizao para facilitar a exposio.
Assim, o problema na forma cannica corresponde ao seguinte quadro:

28

Fundamentos e Ensino da lgebra

x1
a11
...
am1
c1

Programao linear

x2
a12

...
...

xm
a1m

...
...

xn
a1n

am2
c2

...
...

amm
cm

...
...

amn
cn

bi
b1
...
bm
0

Quadro 3.3.1

Em que o canto inferior direito representa o simtrico do valor da funo

objectivo.
Segue-se o algoritmo descrito, registando-se as vrias fases em diferentes
quadros. No fim do processo iterativo:
- a soluo ptima obtida atribuindo-se a cada varivel no bsica o valor zero
e a cada varivel bsica o valor da linha correspondente ao nmero 1, da sua
coluna, na ltima coluna;
- o valor ptimo da funo objectivo o simtrico do nmero resultante na
ltima linha e na ltima coluna. Caso se trata-se de um problema de
maximizao, seria mesmo o valor e no o seu simtrico.

3.4 EXEMPLOS DE APLICAO DO MTODO SIMPLEX

Dado que a representao grfica da resoluo de P.L. com mais de duas
variveis se torna difcil de interpretar, usa-se nesses casos o mtodo simplex.
Iremos expor de seguida dois exemplos de resoluo de problemas usando este
mtodo.
Apresentamos primeiramente um problema com duas variveis (exemplo de
maximizao, j exposto anteriormente) pois consideramos que ajuda compreenso do
mtodo. Posteriormente, apresentamos o problema com trs variveis.

1 Problema
Retomemos o problema de maximizao descrito em 2.5.1
Resoluo usando o mtodo simplex:
x = x1 = n. de unidades do Produto 1
y = x2 = n. de unidades do Produto 2

29

Fundamentos e Ensino da lgebra

Programao linear

max Z = 3x1 + 5x2

sujeito a

x1 4
2x2 12
3x1 + 2x2 18

Introduzindo as variveis de folga x3, x4, x5, obtemos:

x1 + x3 = 4
2x2 + x4 = 12
3x1 + 2x2 + x5 = 18
Aplicando o mtodo simplex, obtemos sucessivamente os quadros:

x3
x4
x5
Z

x1
1
0
3
-3

x2
0
2*
2
-5

x3
1
0
0
0

x4
0
1
0
0

x5
0
0
1
0

b
4
12
18
0

Quadro 3.4.1

A primeira soluo bsica admissvel (x1, x2, x3, x4, x5) = (0, 0, 4, 12, 8); onde
x1, x2 so variveis no bsicas e x3, x4, x5 so as variveis bsicas. Verificamos que esta
soluo no ptima, visto que existem custos reduzidos negativos: -3 e -5.
A varivel a entrar na base x 2, porque entre as variveis no bsicas com custo
reduzido negativo a que tem menor valor.
A varivel de sada x4, porque o min 12/2, 18/2 corresponde linha definida
por esta varivel bsica.
O pivot neste caso 2 (assinalado com um asterisco).
A actualizao do quadro simplex feita utilizando as seguintes operaes
elementares:
L1 L1
L2 1/2L2
L3 L3 L2
L4 L4 + 5/2L2
x3
x2

x1
1
0

x2
0
1

x3
1
0

x4
0
1/2

x5
0
0

b
4
6

30

Fundamentos e Ensino da lgebra

x5
Z

3*
-3

Programao linear

0
0

0
0

-1
5/2

1
0

6
30

Quadro 3.4.2

Obtemos uma nova soluo bsica admissvel (x 1, x2, x3, x4, x5) = (0, 6, 4, 0, 6);
esta soluo ainda no ptima pois existe um custo reduzido negativo.
Repare-se que para esta soluo a funo objectivo 30.
A varivel a entrar na nova base x 1, porque entre as duas variveis no bsicas
a nica que tem um custo reduzido negativo.
A varivel de sada x5, porque o min {4/1,6/3} corresponde linha definida por
x5.
O novo pivot 3 (assinalado com um asterisco).
A nova actualizao do quadro simplex feita utilizando as seguintes operaes
elementares:
L1 L1 1/3L3
L2 L2
L3 1/3L3
L4 L4 + L3

x3
x2
x1
Z

x1
0
0
1
0

x2
0
1
0
0

x3
1
0
0
0

x4
1/3
1/2
-1/3
3/2

x5
-1/3
0
1/3
1

b
2
6
2
36

Quadro 3.4.3

A nova soluo bsica admissvel (x1, x2, x3, x4, x5) = (2, 6, 2, 0, 0) ; uma vez
que neste ltimo quadro no existem custos reduzidos negativos, esta soluo ptima.
Sendo o valor mximo da funo objectivo 36.

2 Problema
Considere-se o seguinte problema:
Uma empresa fabrica trs tipos de kits electrnicos (I, II, III). Estes tipos de kits
so processados em trs seces distintas (A, B, C).
31

Fundamentos e Ensino da lgebra

Programao linear

Considerando como variveis o nmero de kits a produzir de cada tipo, e sabendo

que:
- o kit do tipo I necessita de: 2 horas de trabalho dirias nas seces A e B e apenas
1

na C;

- o kit do tipo II necessita de: 2 horas de trabalho dirias na seco A, 1 na B e 3 na

C;
- o kit do tipo III necessita de: 1 hora de trabalho dirio nas seces A e B e 2 na C;
- as horas de trabalho dirias nas seces A, B e C no podem exceder as 12, 9 e 16
horas respectivamente.
Por outro lado, o lucro unitrio de cada um dos tipos de kits de: 8 euros para os do
tipo I e II e 1 euro para os do tipo III.
Pretende-se determinar quantas unidades dos diferentes tipos de kits devem ser
fabricados de modo a maximizar o lucro.
Resoluo usando o mtodo simplex:
x1 = n. de kits a produzir do tipo I
x2 = n. de kits a produzir do tipo II
x3 = n. de kits a produzir do tipo III
max Z = 8x1 + 8x2 + x3
sujeito a 2x1 + 2x2 + x3 12
2x1 + x2 + x3 9
x1 + 3x2 + 2x3 16
Introduzindo as variveis de folga x4, x5, x6, obtemos:
2x1 + 2x2 + x3 + x4 = 12
2x1 + x2 + x3 + x5 = 9
x1 + 3x2 + 2x3 + x6 = 16
Aplicando o mtodo simplex, obtemos sucessivamente os quadros:

x4
x5
x6

x1
2
2*
1

x2
1
1
3

x3
1
1
2

x4
0
0
0

x5
0
1
0

x6
0
0
1

b
12
9
16
32

Fundamentos e Ensino da lgebra

Z

-8

-8

Programao linear
-1

Quadro 3.4.4

A primeira soluo bsica admissvel (x1, x2, x3, x4, x5, x6) = (0, 0, 0, 12, 9, 16);
onde x1, x2, x3 so variveis no bsicas e x4, x5, x6 so as variveis bsicas. Verificamos
que esta soluo no ptima, visto que existem custos reduzidos negativos: -8 e -1.
A varivel a entrar na base x 1 porque, entre as variveis no bsicas com custo
reduzido negativo, a que tem menor valor.
A varivel de sada x5, porque o min 12/2, 9/2, 16/1 corresponde linha
definida por esta varivel bsica.
O pivot neste caso 2 (assinalado com um asterisco).
A actualizao do quadro simplex feita utilizando as seguintes operaes
elementares:
L1 L1 L2
L2 1/2L2
L3 L3 1/2L2
L4 L4 + 4L

x4
x1
x6
Z

x1
0
1
0
0

x2
1*
1/2
5/2
-4

x3
0
1/2
3/2
3

x4
1
0
0
0

x5
-1
1/2
-1/2
4

x6
0
0
1
0

b
3
9/2
23/2
36

Quadro 3.4.5

Obtemos uma nova soluo bsica admissvel (x1, x2, x3, x4, x5, x6) = (9/2, 0, 0, 3,
0, 23/2); esta soluo ainda no ptima pois existe um custo reduzido negativo.
Repare-se que para esta soluo a funo objectivo 36.
A varivel a entrar na nova base x 2, porque entre as duas variveis no bsicas
a nica que tem um custo reduzido negativo.
A varivel de sada x4, porque o min {3, 9, 23/5} corresponde linha definida
por x4.
O novo pivot 1 (assinalado com um asterisco).
A nova actualizao do quadro simplex feita utilizando as seguintes operaes
elementares:

33

Fundamentos e Ensino da lgebra

Programao linear

L1 L1
L2 L2 1/2L1
L3 L3 5/2L1
L4 L4 + 4L1
x1
0
1
0
0

x2
x1
x6
Z

x2
1
0
0
0

x3
0
1/2
3/2
3

x4
1
-1/2
-5/2
4

x5
-1
1/4
2
0

x6
0
0
1
0

b
3
3
4
48

Quadro 3.4.6

A nova soluo bsica admissvel (x1, x2, x3, x4, x5, x6) = (3, 3, 0, 0, 0, 4); uma vez
que neste ltimo quadro no existem custos reduzidos negativos, esta soluo ptima.
Sendo o valor mximo da funo objectivo 48.
Assim, conclumos que se devem produzir 3 unidades de kits do tipo I e do tipo II e
nenhuma do tipo III para que o lucro seja mximo (48 euros).
Este exemplo foi resolvido usando o algoritmo primal do mtodo simplex. A
resoluo do mtodo simplex depende do tipo de restries que estamos a considerar e
neste trabalho abordmos apenas restries do tipo ; se as restries forem do tipo
ou do tipo = existem outras formas de resoluo. Por exemplo, no caso da igualdade
existem dois processo de resoluo: o dos grandes Ms e o das duas fases. Existem ainda
outros algoritmos: primal-dual e dual. No entanto, de destacar que o mtodo simplex
nico.

4. CONCLUSO
Terminado este trabalho e aps a pesquisa realizada para o mesmo, verifica-se
que de facto a Programao Linear uma cincia com uma vasta aplicao em
problemas reais e do quotidiano e, por isso mesmo, muito til.
Tentou-se corresponder ao pretendido, apresentando os contedos tericos do
tema em questo, seguidos de exemplos de situaes reais, em que a interpretao
grfica toma principal destaque. Dada a complexidade inerente ao Mtodo Simplex, no

34

Fundamentos e Ensino da lgebra

Programao linear

foi possvel abord-lo em toda a sua extenso; contudo, procurou-se elucidar a sua
grande utilidade na resoluo de problemas P.L. com trs ou mais variveis e/ou com
muitas restries.
No entanto, muito mais se poderia falar, pois a P.L. uma cincia bastante vasta
e que actualmente abrange muitas e variadas reas de actividades.
Assim, importa realar o seu contributo na rea da Matemtica e, em particular,
no mbito do ensino secundrio.

BIBLIOGRAFIA

CASTI, John L. Cinco Regras de Ouro. Lisboa: Gradiva, 1999.

DAN, Sven - Linear Programming. Viena: 1972.

35

Fundamentos e Ensino da lgebra

Programao linear

FERREIRA, Manuel A. M.; AMARAL, Isabel Programao Matemtica. Lisboa:

Edies Slabo, 1995.

LIMA, Yolanda; Gomes, Francelino XEQ MAT, Matemtica 11 ano. Lisboa:

Editorial O Livro, 1997.

MOKHTAN, S. Bazanaa; JOHN, J. Jarvis; HANIF, D. Sherali Linear

Programming and Network Flows. 2 edio. Singapura: 1990.

RAMALHETE,

Manuel;

GUERREIRO,

Jorge;

MAGALHES,

Alpio

Programao Linear, Volume 1. Alfragide: McGraw-Hill, 1984.

TAVARES, L. Valadares; OLIVEIRA, R. Carvalho; THEMIDO, I. Hall; CORREIA,

F. Nunes Investigao Operacional. Alfragide: McGraw-Hill, 1997.

Sites da internet
www.terravista.pt
www.sapo.pt
www.google.pt
www.clix.pt
www.yahoo.com

Programa utilizado: Graphmatica

36